Int Poly

MESURE, INTEGRATION, PROBABILITES
Thierry Gallouët Raphaèle Herbin
July 13, 2009

Contents
1 Motivation et objectifs 5
1.1 Intégrale des fonctions continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Insuffisance de l’intégrale des fonctions continues . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Les probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 Tribus et mesures 16
2.1 Introduction... par les probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.1 Cas d’un problème “discret” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.2 Exemple continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2 Tribu ou σ−algèbre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3 Mesure, probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4 mesure signée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.5 La mesure de Lebesgue sur la tribu des boréliens . . . . . . . . . . . . . . . . . . . . . . . 28
2.6 Indépendance et probabilité conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.6.1 Probabilité conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.6.2 Evènements indépendants, tribus indépendantes . . . . . . . . . . . . . . . . . . . 37
2.6.3 Probabilités sur (R, B(R)) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.7.1 Tribus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.7.2 Mesures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.7.3 Probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3 Fonctions mesurables, variables aléatoires 51

3.1 Introduction, topologie sur R+ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2 Fonctions étagées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.3 Fonctions mesurables et variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.4 Mesure image, loi d’une v.a., v.a. indépendantes . . . . . . . . . . . . . . . . . . . . . . . 60
3.5 Convergence p.p., p.s., en mesure, en probabilité . . . . . . . . . . . . . . . . . . . . . . . 62
3.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4 Fonctions intégrables 74
4.1 Intégrale d’une fonction étagée positive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.2 Intégrale d’une fonction mesurable positive . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.3 Théorème de convergence monotone et lemme de Fatou . . . . . . . . . . . . . . . . . . . 79
1
4.4 Mesures et probabilités de densité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.4.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.4.2 Exemples de probabilités de densité . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.5 L’espace L1 des fonctions intégrables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.6 L’espace L1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
4.7 Théorèmes de convergence dans L1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.7.1 Convergence presque partout et convergence dans L1 . . . . . . . . . . . . . . . . . 90
4.7.2 Convergence d’une série absolument R convergente et conséquences . . . . . . . . . . 91
4.8 Continuité et dérivabilité sous le signe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.9 Espérance et moments des variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . 94
4.10 Espace L1C (E, T, m) et espace L1RN (E, T, m) . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.11 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
4.11.1 Intégrale des fonctions mesurables positives et espace L1 . . . . . . . . . . . . . . . 99
4.11.2 L’espace L1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
4.11.3 Espérance et moments des variables aléatoires . . . . . . . . . . . . . . . . . . . . . 109
5 Mesures sur la tribu des boréliens 112

5.1 L’intégrale de Lebesgue et l’intégrale des fonctions continues . . . . . . . . . . . . . . . . . 112
5.2 Mesures abstraites et mesures de Radon . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.3 Changement de variables, densité et continuité . . . . . . . . . . . . . . . . . . . . . . . . 119
5.4 Intégrales impropres des fonctions de R dans R . . . . . . . . . . . . . . . . . . . . . . . . 121
5.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
6 Les espaces Lp 130

6.1 Définitions et premières propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
6.1.1 Les espaces Lp , avec 1 ≤ p < +∞ . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
6.1.2 L’espace L∞ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
6.1.3 Quelques propriétés des espaces Lp , 1 ≤ p ≤ +∞ . . . . . . . . . . . . . . . . . . . 139
6.2 Analyse hilbertienne et espace L2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
6.2.1 Définitions et propriétés élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . 141
6.2.2 Projection sur un convexe fermé non vide . . . . . . . . . . . . . . . . . . . . . . . 146
6.2.3 Théorème de Représentation de Riesz . . . . . . . . . . . . . . . . . . . . . . . . . 151
6.2.4 Bases hilbertiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
6.3 Dualité dans les espaces Lp , 1 ≤ p ≤ ∞ . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
6.3.1 Dualité pour p = 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
6.3.2 Dualité pour 1 ≤ p ≤ ∞ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
6.3.3 Théorème de Radon-Nikodym . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
6.4 Convergence faible, faible-?, étroite, en loi. . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
6.4.1 Convergence faible et faible-? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
6.4.2 Convergence étroite et convergence en loi . . . . . . . . . . . . . . . . . . . . . . . 169
6.4.3 Lois des grands nombres, théorème central limite . . . . . . . . . . . . . . . . . . . 170
6.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
6.5.1 Espaces Lp , 1 ≤ p ≤ ∞ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
6.5.2 Espaces de Hilbert, Espace L2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
6.5.3 Théorème de Radon-Nikodym et Dualité dans les espaces Lp . . . . . . . . . . . . 180
6.5.4 Convergence faible, faible-?, étroite, en loi. . . . . . . . . . . . . . . . . . . . . . . . 185
2
7 Produits d’espaces mesurés 194
7.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
7.2 Mesure produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
7.3 Théorèmes de Fubini-Tonelli et Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
7.4 Mesure de Lebesgue sur la tribu des boréliens de RN . . . . . . . . . . . . . . . . . . . . . 203
7.5 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
7.6 Formules de changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
7.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
7.7.1 Mesure produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
7.7.2 Fubini-Tonelli et Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
7.7.3 Mesure de Lebesgue sur B(RN ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
7.7.4 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
7.7.5 Changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
8 Densité, séparabilité, et compacité dans les espaces Lp (Ω) 221

8.1 Théorèmes de densité pour les espaces Lp (Ω) . . . . . . . . . . . . . . . . . . . . . . . . . 221
8.1.1 Densité des fonctions Cc (Ω, R) dans Lp (Ω) . . . . . . . . . . . . . . . . . . . . . . 221
8.1.2 Régularisation par convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
8.1.3 Densité de Cc∞ (Ω, R) dans Lp (Ω) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
8.2 Séparabilité de Lp (Ω) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
8.3 Compacité dans les espaces Lp (Ω) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
8.4 Propriété de compacité faible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
8.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
9 Vecteurs aléatoires 230

9.1 Définition, propriétés élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
9.2 Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
9.3 Vecteurs gaussiens, théorème central limite . . . . . . . . . . . . . . . . . . . . . . . . . . 236
9.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
9.4.1 Définition, propriétés élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
9.4.2 Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
9.4.3 Vecteurs gaussiens, théorème central limite . . . . . . . . . . . . . . . . . . . . . . 240
10 Transformation de Fourier, fonction caractéristique 242

10.1 Introduction et notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
10.2 Transformation de Fourier dans L1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
10.2.1 Définitions et premières propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
10.2.2 Théorème d’inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
10.2.3 Régularité et décroissance à l’infini . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
10.3 Transformée de Fourier d’une mesure signée . . . . . . . . . . . . . . . . . . . . . . . . . . 246
10.4 Transformation de Fourier dans L2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
10.5 Résolution d’une EDO ou d’une EDP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
10.6 Fonction caractéristique d’un vecteur aléatoire . . . . . . . . . . . . . . . . . . . . . . . . 250
10.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
10.7.1 Transformation de Fourier dans L1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
10.7.2 Transformée de Fourier d’une mesure signée . . . . . . . . . . . . . . . . . . . . . . 253
10.7.3 Transformation de Fourier dans L2 . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
10.7.4 Fonction Caractéristique d’une v.a.r. . . . . . . . . . . . . . . . . . . . . . . . . . . 254
3
11 Espérance conditionnelle et martingales 256
11.1 Espérance conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
11.2 Martingales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
11.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
11.3.1 Espérance conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
11.3.2 Martingales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
12 Corrigés d’exercices 268

12.1 Exercices du chapitre 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
12.2.1 Tribus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
12.2.2 Mesures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
12.2.3 Probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
12.3.1 Fonctions mesurables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
12.4.1 Intégrale sur M+ et sur L1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330
12.4.2 Espace L1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345
12.4.3 Espérance et moments des variables aléatoires . . . . . . . . . . . . . . . . . . . . . 363
12.6.1 Espaces Lp , 1 ≤ p ≤ ∞ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 382
12.6.2 Espaces de Hilberts, espace L2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 399
12.6.3 Théorème de Radon-Nikodym et Dualité dans les espaces Lp . . . . . . . . . . . . 414
12.6.4 Convergence faible, faible-?, étroite, en loi. . . . . . . . . . . . . . . . . . . . . . . . 423
12.7.1 Mesure produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 443
12.7.2 Fubini-Tonelli et Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 447
12.7.3 Mesure de Lebesgue sur B(RN ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 451
12.7.4 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 460
12.7.5 Changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 464
12.9.1 Définition, propriétés élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 480
12.9.2 Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 481
12.9.3 Vecteurs gaussiens, théorème central limite . . . . . . . . . . . . . . . . . . . . . . 485
12.10Exercices du chapitre 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 487
12.10.1 Transformée de Fourier dans L1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 487
12.10.2 Transformée de Fourier d’une mesure signée . . . . . . . . . . . . . . . . . . . . . . 489
12.10.3 Fonction caractéristique d’un v.a. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 490
12.11Exercices du chapitre 11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 493
12.11.1 Espérance conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 493
12.11.2 Martingales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 497
4
Chapter 1
Motivation et objectifs
Nous commençons par donner ici un aperçu des motivations de la théorie de l’intégration, en montrant
d’abord les limitations de l’intégrale des fonctions continues (sur un intervalle compact de R). L’intégrale
de Riemann possède essentiellement les mêmes limitations.
1.1 Intégrale des fonctions continues

Nous présentons ici quelques rappels sur l’intégrale des fonctions continues sur un intervalle compact de
R. Nous montrons pourquoi cette théorie de l’intégrale des fonctions continues semble insuffisante.
Nous nous limitons à l’étude des fonctions définies sur l’intervalle [0, 1] à valeurs dans R. Nous allons en
fait définir l’intégrale des fonctions réglées (on appelle fonction réglée une fonction qui est limite uniforme
d’une suite de fonctions “en escalier”). Ceci nous donnera l’intégrale des fonctions continues car toute
fonction continue est réglée (voir l’exercice 1.2). La définition de l’intégrale des fonctions réglées (comme
celle de l’intégrale de Riemann, qui sera rappelée dans l’exercice 5.3, et celle de l’intégrale de Lebesgue)
peut être vue en 3 étapes, qui, ici, s’écrivent :
1. Mesurer les intervalles de [0, 1]. Pour 0 ≤ α ≤ β ≤ 1, on pose m(]α, β[) = β − α.
2. Intégrer les fonctions en escalier. Soit f : [0, 1] → R, une fonction en escalier. Ceci signifie qu’il
existe p ∈ N? , une famille (αi )i∈{0,...,p} , avec : α0 = 0, αi < αi+1 , pour tout i ∈ {0, . . . , p − 1},
αp = 1, et une famille (ai )i∈{0,...,p−1} ⊂ R tels que :
f (x) = ai , ∀x ∈]αi , αi+1 [, ∀i ∈ {0, . . . , p − 1}. (1.1)
On pose alors :
Z 1 p−1
X
f (x)dx = ai m(]αi , αi+1 [). (1.2)
0 i=0
On montre que la définition précédente est bien cohérente, c’est-à-dire que l’intégrale de f ne dépend
que du choix de f et non du choix des αi (voir l’exercice 1.2).
3. “Passer à la limite”. Soit f : [0, 1] → R, une fonction réglée, il existe une suite (fn )n∈N de fonctions
en escalier convergeant uniformément vers f . On pose :
Z 1
In = fn (x)dx. (1.3)
0
5
On peut montrer que la suite (In )n∈N est de Cauchy (dans R). On pose :
Z 1
f (x)dx = lim In . (1.4)
0 n→∞
On montre que cette définition est cohérente car limn→∞ In ne dépend que de f et non du choix
de la suite (fn )n∈N (voir l’exercice 1.2).
Remarque 1.1 Un des intérêts de la méthode présentée ci dessus est qu’elle permet aussi de définir
(sans travail supplémentaire) l’intégrale de fonctions continues de [0, 1] (ou d’un intervalle compact de
R) dans E, où E est un espace de Banach (c’est-à-dire un espace vectoriel normé complet sur R ou C).
Les méthodes de Riemann (voir l’exercice 5.3) et de Lebesgue (présentée dans ce cours) sont “limitées” à
des fonctions prenant leurs valeurs dans R car elles utilisent fortement la relation d’ordre dans R (elles
redonnent, dans le cas de fonctions continues de [0, 1] dans R, la même intégrale que ci-dessus). Pour
l’intégrale de Lebesgue, il faut alors un travail supplémentaire pour développer une théorie de l’intégration
pour des fonctions prenant leurs valeurs dans un espace de Banach (lorsque cet espace est de dimension
infinie, le cas où l’espace est de dimension finie reste simple car on est alors amené à considérer un nombre
fini d’intégrales à valeurs dans R).
1.2 Insuffisance de l’intégrale des fonctions continues

R1
On note E l’ensemble des fonctions continues de [0, 1] dans R. On a ainsi défini 0 f (x)dx pour tout
f ∈ E (car l’ensemble des fonctions continues est contenu dans l’ensemble des fonctions réglées).
1. Théorèmes de convergence Un inconvénient important de la théorie de l’intégration exposée ci-
dessus est que les théorèmes “naturels” de convergence pour cette théorie sont peu efficaces. A vrai
dire, le seul théorème “simple” est le théorème suivant : Soient (fn )n∈N ⊂ E et f ∈ E. On a alors :
Z 1 Z 1
fn → f uniformément quand n → ∞ ⇒ fn (x)dx → f (x)dx quand n → ∞. (1.5)
0 0
On rappelle que (fn )n∈N converge simplement vers f si :

∀ε > 0, ∀x ∈ [0, 1], ∃N (ε, x); n ≥ N (ε, x) ⇒ |fn (x) − f (x)| ≤ ε
et que (fn )n∈N converge uniformément vers f si :
∀ε > 0, ∃N (ε); n ≥ N (ε), x ∈ [0, 1] ⇒ |fn (x) − f (x)| ≤ ε.

Ce théorème est assez “faible”. Une conséquence de la théorie de l’intégrale de Lebesgue est le
théorème suivant (beaucoup plus fort que le précédent) : Soient (fn )n∈N ⊂ E, et f ∈ E. On a
alors :
fn → f simplement quand n → ∞, |fn (x)| ≤ 1, ∀x ∈ [0, 1], ∀n ∈ N

R1 R1 (1.6)
⇒ 0 fn (x)dx → 0 f (x)dx quand n → ∞.
Ce résultat est une conséquence immédiate du théorème de “convergence dominée”, il peut être
démontré sans utiliser la théorie de l’intégrale de Lebesgue, mais cela est difficile : c’est l’objet de
l’exercice 1.11. (Noter aussi qu’il est facile de voir que l’on peut remplacer, dans (1.6), |fn (x)| ≤ 1
par |fn (x)| ≤ M pourvu que M soit indépendant de n et x.)
6
2. Espaces non complets. Pour f ∈ E on pose (en remarquant que |f | ∈ E et f 2 ∈ E) :
Z 1
N1 (f ) = |f (x)|dx, (1.7)
0
Z 1 1
N2 (f ) = (f (x))2 dx 2 . (1.8)
0
Les applications N1 et N2 sont des normes sur E (voir l’exercice 1.6). Malheureusement l’espace E,
muni de la norme N1 (ou de la norme N2 ), n’est pas vraiment intéressant en pratique, en particulier
parce que cet espace n’est pas complet (c’est-à-dire qu’une suite de Cauchy n’est pas nécessairement
convergente). Ce n’est pas un espace de Banach (un espace de Banach est un espace vectoriel normé
complet). La norme N2 sur E est induite par un produit scalaire mais, muni de cette norme, E n’est
pas un espace de Hilbert (un espace de Hilbert est un espace de Banach dont la norme est induite
par un produit scalaire, pour tous ces résultats, voir l’exercice 1.6). En fait L’espace vectoriel des
fonctions continues de [0, 1] dans R est intéressant lorsqu’il est muni de la norme de la convergence
uniforme, c’est-à-dire kf ku = supx∈[0,1] |f (x)|, avec laquelle il est complet, c’est donc alors un espace
de Banach.
Si l’on travaille avec l’ensemble des fonctions réglées plutôt que l’ensemble des fonctions continues, on
n’échappe pas vraiment aux inconvénients cités précédemment (N1 et N2 sont d’ailleurs alors des semi-
normes). On peut aussi généraliser la définition de l’intégrale ci-dessus en améliorant un peu l’étape 3
(passage à la limite), cette généralisation se fait en introduisant les “sommes de Darboux” (alors que
l’intégrale des fonctions continues peut être définie en utilisant seulement les “sommes de Riemann”). On
obtient ainsi la définition de l’intégrale des fonctions dites “Riemann-intégrables” (voir l’exercice 5.3). En
fait cette généralisation est assez peu intéressante, et les inconvénients sont les mêmes que pour l’intégrale
des fonctions continues (ou des fonctions réglées).
1.3 Les probabilités

La théorie des probabilités s’est développée dans le but de “modéliser” les phénomènes aléatoires, c’est à
dire de développer un formalisme mathématique pour exprimer les problèmes posés par ces phénomènes.
En particulier, l’un des problèmes est de mesurer “la chance” d’un certain “évènement” de se réaliser. Une
partie importante de ces phénomènes est de nature “discrète”, c’est à dire qu’il existe une injection de
l’ensemble des “cas possibles” dans N. Lorsque de plus l’ensemble des “cas possibles” ou des “éventualités”
est fini, le calcul des probabilités se ramène à des problèmes de dénombrement. Par contre, lorsque
l’ensemble des “éventualités” est de nature infinie non-dénombrable, on aura besoin, pour définir une
probabilité, de la théorie de la mesure. Les liens qui existent entre la théorie des probabilités et la
théorie de la mesure et de l’intégration sont nombreux, mais malheureusement, le vocabulaire est souvent
différent. Nous essaierons ici de montrer clairement les liens entre les deux théories et de donner un
“dictionnaire” probabilités-intégration.
1.4 Objectifs
L’objectif est de construire une théorie de l’intégration donnant des théorèmes de convergence efficaces et
de “bons” espaces fonctionnels, comme, par exemple, l’espace L2R (E, T, m) qui est un espace de Hilbert.
La démarche pour construire cette théorie va être très voisine de celle que l’on a utilisée pour l’intégrale
7
des fonctions réglées (ou pour l’intégrale de Riemann, cf. Exercice 5.3). Elle va suivre 3 étapes, que nous
pouvons (dans le cas, par exemple, des fonctions de R dans R) décrire ainsi :
1. Mesurer “presque toutes” les parties de R (et pas seulement les intervalles).
2. Définir l’intégrale des fonctions étagées, c’est-à-dire des fonctions de R dans R ne prenant qu’un
nombre fini de valeurs (et pas seulement des fonctions en escalier).
3. Par un “passage à la limite”, définir l’intégrale des fonctions limites (en un sens convenable) de
fonctions étagées.
Pour être plus précis, dans l’étape 1 ci-dessus, on cherche une application λ : P(R) → R+ , où P(R)
désigne l’ensemble des parties de R, t.q. :
λ(]α, β[) = β − α, pour tout α, β ∈ R, α ≤ β. (1.9)

X
λ(∪n∈N An ) = λ(An ), pour toute famille (An )n∈N ⊂ P(R) t.q. An ∩ Am = ∅ si n 6= m. (1.10)
n∈N
P P∞
(Dans toute la suite de ce cours, la notation n∈N est identique à n=0 .)
Une telle application sur P(R) n’existe pas (voir l’exercice 2.24), mais elle existe si on se limite à une
partie “convenable” de P(R), par exemple, la tribu de Borel définie dans la suite.
Pour l’étape 2, on intégrera les fonctions prenant un nombre fini de valeurs et pour lesquelles chaque
“étage” est dans la tribu de Borel. De telles fonctions seront dites “étagées”.
Enfin, à l’étape 3, l’idée principale est de définir l’intégrale des fonctions positives qui sont “limites
croissantes” d’une suite de fonctions étagées (on remplace donc la convergence uniforme utilisée pour la
définition de l’intégrale des fonctions réglées par une convergence “simple, en croissant”).
La théorie de l’intégration que nous allons ainsi obtenir contient (pour les fonctions d’un intervalle compact
de R dans R) la théorie de l’intégrale de Riemann (cf. Exercice 5.3) qui contient elle-même la théorie de
l’intégrale des fonctions réglées (et la donc la théorie de l’intégrale des fonctions continues).
Ce cours est divisé en 10 chapitres :
• Le chapitre 2 est une introduction à la théorie de la mesure ; on y définit en particulier l’application λ

nécessaire pour mesurer les parties de R. On y introduit aussi les premières notions de probabilités.
• Dans le chapitre 3, on introduit le concept de fonction mesurable, et son synonyme “probabiliste”,
i.e. le concept de “variable aléatoire”, qui est une notion fondamentale pour le calcul des probabilités.
On y définit les notions de convergence “presque partout” et son synonyme probabiliste “presque
sûre”, et de convergence “en mesure” et son synonyme probabiliste convergence “stochastique”.
• On définit au chapitre 4 l’intégrale sur un espace mesuré (suivant les étapes 1 à 3 définies plus
haut), et l’espérance des variables aléatoires en théorie des probabilités. On définit également dans
ce chapitre la notion de convergence en moyenne.
• On s’intéresse au chapitre 5 aux mesures définies sur les boréliens de R et aux propriétés particulières
de l’intégrale définies sur R. On y étudie les lois probabilités “de densité”.
8
• On étudie au chapitre 6 les espaces “Lp ”, ensembles des (classes de) “fonctions mesurables de puis-
sance p-ième intégrable, et plus particulièrement l’espace L2 , qui est un espace de Hilbert. On
donne des résultats de dualité et on introduit les notions de convergence “faible” et de convergence
“étroite” (pour les probabilités).
• Le chapitre 7 est consacré au produits d’espaces mesurés, à l’intégration de fonctions de plusieurs
variables, au produit de convolution
• Dans le chapitre 8, on revient sur l’étude des espaces Lp dans le cas particulier de la mesure de
Lebesgue sur les boréliens d’un ouvert de RN . On donne des résultats de densité, de séparabilité et
de compacité.
• Le chapitre 9 est consacré aux vecteurs aléatoires. On y généralise des notions vues pour les variables
aléatoires réelles.
• Le chapitre 10 est consacré à l’étude de la transformée de Fourier des fonctions de L1 (classes
de fonctions mesurables intégrables au sens de Lebesgue sur RN ) et de L2 (classes de fonctions
mesurables “de carré intégrable” au sens de Lebesgue sur RN ) et des mesures. On introduit la
“fonction caractéristique” de la théorie des probabilités.
• Le chapitre 11 est conscré à l’espérance conditionnelle et aux martingales.
• Le chapitre 12 contient des corrigés d’exercices.
1.5 Exercices
Exercice 1.1 (Convergences simple et uniforme) Corrigé 1 page 268
Construire une suite (fn )n∈N ⊂ C([0, 1], R) et f ∈ C([0, 1], R) t.q. fn → f simplement, quand n → ∞, et
fn 6→ f uniformément, quand n → ∞.
Exercice 1.2 (Intégrale d’une fonction continue) Corrigé 2 page 268
Une fonction g : [0, 1] → R est dite “en escalier” s’il existe n ≥ 1 et x0 , . . . , xn t.q. 0 = x0 < x1 < ... <
xn−1 < xn = 1 et g constante sur chaque intervalle ]xi , xi+1 [, 0 ≤ i ≤ n − 1.
Z 1 n−1
X
Pour g en escalier et x0 , . . . , xn comme dans la définition ci dessus, on pose g(x)dx = ai (xi+1 −xi ),
0 i=0
où ai est la valeur prise par g sur ]xi , xi+1 [.
1. Montrer que la définition précédente est bien cohérente, c’est-à-dire que l’intégrale de g ne dépend
que du choix de g et non du choix des xi . Montrer que l’application qui à g associe l’intégrale de g
est linéaire de l’ensemble des fonctions en escalier dans R.
2. Soit f ∈ C([0, 1], R).
(a) Construire une suite de fonctions en escalier (fn )n∈N t.q. f soit limite uniforme de (fn )n∈N
lorsque n → +∞.
(b) Soit (fn )n∈N une suite de fonctions en escalier t.q. f soit limite uniforme de (fn )n∈N lorsque
n → +∞. Montrer que la suite (In )n∈N ⊂ R, où In est l’intégrale de la fonction en escalier fn ,
converge. Enfin, montrerZ que la limite I = limn→∞ In ne dépend que de f , et non de la suite
1
(fn )n∈N . On pose alors f (x)dx = I.
0
9
3. Montrer que l’application qui à f associe l’intégrale de f est linéaire de C([0, 1], R) dans R et que,
Z 1 Z 1
pour tout f ∈ C([0, 1], R), on a | f (x)dx| ≤ |f (x)|dx ≤ max |f (x)|.
0 0 x∈[0,1]
Exercice 1.3 (Propriétés de l’intégrale des fonctions continues) Corrigé 3 page 271
Soit (ϕn )n∈N ⊂ C([0, 1], R) et ϕ ∈ C([0, 1], R). On suppose que ϕn → ϕ simplement quand n → ∞.
Z 1 Z 1 Z 1
1. Montrer que si lim |ϕn (x) − ϕ(x)| dx → 0, alors lim ϕn (x) dx = ϕ(x) dx.
n→∞ 0 n→∞ 0 0
Z 1 Z 1
2. Montrer que si (ϕn )n∈N converge uniformément vers ϕ, alors lim ϕn (x) dx = ϕ(x) dx.
n→∞ 0 0
3. Donner un exemple de suite (ϕn )n∈N qui converge vers ϕ simplement, mais non uniformément, t.q.
Z 1 Z 1
lim ϕn (x) dx = ϕ(x) dx.
n→∞ 0 0
Z 1
4. Donner un exemple de suite (ϕn )n∈N qui converge simplement vers ϕ t.q. lim ϕn (x) dx 6=
n→∞ 0
Z 1
ϕ(x) dx.
0
5. Si la suite (ϕn )n∈N satisfait les deux conditions :

(a) Pour tout ε, 0 < ε < 1, (ϕn )n∈N converge uniformément vers ϕ sur [ε, 1],
(b) Les ϕn sont à valeurs dans [−1, +1],
Z 1 Z 1
montrer que lim ϕn (x) dx = ϕ(x) dx.
n→∞ 0 0
√
x n
6. Vérifier que la suite de fonctions définies par ϕn (x) = satisfait les conditions énoncées à la
1 + nx2
question 5. Donner l’allure générale du graphe de ces fonctions pour des petites valeurs de n; que
devient le graphe lorsque n → ∞?
7. On suppose maintenant que la suite (ϕn )n∈N vérifie l’hypothèse suivante:
Z 1
lim |ϕn (x) − ϕ(x)|2 dx = 0. (1.11)
n→∞ 0
Z 1
A-t-on lim |ϕn (x)−ϕ(x)|dx dx = 0 ? [On pourra par exemple utiliser (après l’avoir démontrée)
n→∞ 0
l’inégalité suivante: pour tout ε > 0, il existe cε ≥ 0, ne dépendant que de ε, t. q. a ≤ ε + cε a2 .]
Z 1
8. Même question que ci dessus en remplaçant l’hypothèse (1.11) par : ∃p > 1; lim |ϕn (x) −
n→∞ 0
ϕ(x)|p dx = 0.
10
9. On suppose qu’il existe C > 0 tel que
Z 1
|ϕn (x)|2 dx ≤ C, ∀n ∈ N, (1.12)
0
et que la suite (ϕn )n∈N converge uniformément sur [ε, 1], pour tout ε > 0. Montrer que
Z 1
lim |ϕn (x) − ϕ(x)|dx = 0.
n→∞ 0
10. Construire un exemple de suite (ϕn )n∈N qui satisfasse aux hypothèses de la question précédente et
qui ne soit pas bornée (donc qui ne satisfasse pas aux hypothèses de la question 5).
Z 1
11. Peut-on remplacer l’hypothèse (1.12) par : il existe p > 1 et C > 0 t.q. |ϕn (x)|p dx ≤ C, pour
0
tout n ∈ N ?
Z 1
12. Peut-on remplacer l’hypothèse (1.12) par : il existe C > 0 t.q. |ϕn (x)|dx ≤ C, pour tout n ∈ N ?
0
Exercice 1.4 (Discontinuités d’une fonction croissante)

Soit f une fonction croissante de R dans R.
1. Montrer que f a une limite à droite et une limite à gauche en tout point. On note f (x+ ) et f (x− )
ces limites au point x.
2. Montrer que l’ensemble des points de discontinuité de f est au plus dénombrable. [On pourra
considérer, pour n ∈ N, les ensembles An = {x ∈ [0, 1], f (x+ ) − f (x− ) ≥ (f (1+ ) − f (0− ))/n}.]
Exercice 1.5 (Fonctions réglées)

Une fonction réelle définie sur [a, b] (−∞ < a < b < +∞) est dite réglée si elle est la limite uniforme
d’une suite de fonctions en escalier sur [a, b].
1. Montrer que l’ensemble des points de discontinuité d’une fonction réglée est au plus dénombrable.
2. Montrer qu’une fonction f : [a, b] −→ R est réglée sur [a, b] si et seulement si elle admet des limites
à droite et à gauche en tout point de ]a, b[, à droite en a, à gauche en b.
Exercice 1.6 (Normes définies par l’intégrale) Corrigé 4 page 274

Soit E = C([−1, 1], R) l’espace vectoriel des fonctions continues de [−1, +1] dans R. Pour ϕ ∈ E, on pose
R +1 R 21
+1
kϕk1 = −1 |ϕ(t)| dt et kϕk2 = −1 |ϕ(t)|2 dt .
1. Montrer que (E, k · k1 ) est un espace normé.

2. Pour n ∈ N, on définit ϕn ∈ E par


 0 si −1 ≤ x ≤ 0



1
ϕn (x) = nx si 0≤x≤ n



 1
1 si ≤x≤1

n
11
(a) Montrer que si (ϕn )n∈N converge vers ϕ dans (E, k · k1 ), alors ϕ(x) = 0 si x < 0 et ϕ(x) = 1
si x > 0.
(b) En déduire que (E, k · k1 ) n’est pas complet.
3. Montrer que (E, k · k2 ) est un espace préhilbertien (c’est-à-dire que sa norme est induite par un
produit scalaire) mais n’est pas complet (ce n’est donc pas un espace de Hilbert).
Exercice 1.7 (Rappels sur la convergence des suites réelles) Corrigé 5 page 276
1. Soit u = (un )n∈N une suite à valeurs dans R. On rappelle que lim supn→∞ un = limn→∞ supp≥n up .
Montrer que lim supn→∞ un est la plus grande valeur d’adhérence de u.
2. Si u = (un )n∈N est une suite à valeurs dans R, on sait (conséquence du résultat de la question
précédente) qu’il existe une suite extraite de u qui converge vers lim supn→∞ un . Donner un exemple
d’une suite de fonctions (fn )n∈N de R dans R t.q. aucune sous suite ne converge simplement vers
lim supn→∞ fn (qui est définie par (lim supn→∞ fn )(x) = lim supn→∞ (fn (x)) pour tout x ∈ R).
3. Trouver l’ensemble des valeurs d’adhérence d’une suite (un )n∈N t.q.:
lim inf n→∞ un = 0, lim supn→∞ un = 1 et limn→∞ |un+1 − un | = 0.
Donner un exemple d’une telle suite.
Exercice 1.8 (Fonctions caractéristiques d’ensembles) Corrigé 6 page 277

Soit E un ensemble. Lorsque A est une partie de E, on définit 1A : E → R par :
1A (x) = 1, si x ∈ A,
(1.13)
1A (x) = 0, si x 6∈ A.
1A est appelée “fonction caractéristique de A” (elle est souvent aussi notée χA ).
1. Montrer que si A et B sont deux sous-ensembles disjoints de E, alors 1A∪B = 1A + 1BP . En déduire
que si (An )n∈N est une suite de sous-ensembles P de E deux à deux disjoints, on a n∈N 1An =
1∪n∈N An (on précisera aussi le sens donné à “ n∈N 1An ”).
2. Montrer que si B ⊂ A ⊂ E, on a 1A\B = 1A − 1B .
3. Montrer que, pour A et B sous-ensembles de E, on a 1A∩B = 1A 1B .
4. Soit f : E → R une fonction ne prenant qu’un nombre fini de valeurs. Montrer que f s’écrit
comme combinaison linéaire de fonctions caractéristiques.
Exercice 1.9 (Intégrale “impropre” de fonctions continues) Ra

Soit f ∈ C(R, R+ ) (fonction continue de R dans R+ ). On suppose que lima→+∞ 0 f (x) dx existe dans
Ra
R (on a utilisé l’intégrale des fonctions continues sur [0, a] pour définir 0 f (x) dx).
1. A-t-on limx→+∞ f (x) = 0 ?

2. Montrer que si f admet une limite en +∞, alors limx→+∞ f (x) = 0.
3. Montrer que si f est uniformément continue, alors f admet une limite en +∞ et donc que :
lim f (x) = 0.
x→+∞
12
4. Donner un exemple de fonction f t.q. f (x) 6→ 0 qand x → ∞ (et qui vérifie les hypothèses de
l’exercice !).
Ra
5. On suppose, dans cette question, que f ∈ C 1 (R, R) et que lima→+∞ 0 f 0 (t) dt existe dans R.
Montrer que limx→+∞ f (x) = 0.
R x+h
6. Montrer que pour tout h > 0, limx→+∞ x f (t) dt = 0.
Exercice 1.10 (Limite uniforme dans R) Corrigé 7 page 278

Soit (fn )n∈N ⊂ C(R+ , R+ ). On suppose que (fn )n∈N converge uniformément vers f (de sorte que f ∈
C(R+ , R+ )).
Ra R +∞
1. On suppose que, pour n ∈ N, lima→+∞ 0 fn (x) dx existe dans R. On note 0 fn (x) dx cette
limite.
Ra
Montrer, en donnant un exemple, que lima→+∞ 0 f (x) dx peut ne pas exister dans R.
R +∞ Ra
2. On suppose de plus que limn→∞ 0 fn (x) dx existe dans R et que lima→+∞ 0 f (x) dx existe dans
R +∞
R. On note alors 0 f (x) dx cette dernière limite. A-t-on
Z +∞ Z +∞
lim fn (x) dx = f (x) dx ?
n→∞ 0 0
Exercice 1.11 (Convergence dominée et intégrale des fonctions continues)

(Cet exercice est extrait de l’examen d’analyse du concours d’entrée à l’ENSL, 1993)
On note E = C([0, 1], R) l’ensemble des fonctions continues sur [0, 1] à valeurs réelles. Pour f ∈ E, on
pose kf k∞ = supx∈[0,1] |f (x)|. Noter que l’application f 7→ kf k∞ est bien une norme.
Pour f : [0, 1] → R, on définit f + par f + (x) = max(f (x), 0) (pour tout x ∈ [0, 1]), et f − = (−f )+ (de
sorte que f (x) = f + (x) − f − (x) et |f (x)| = f + (x) + f − (x)). Soient f et g deux applications de R dans R
(ou dans R ∪ {+∞}), On dit que f ≥ g si f (x) ≥ g(x) pour tout x ∈ [0, 1]. On désigne par 0 la fonction
(définie sur R) identiquement nulle. On pose E + = {f ∈ E, f ≥ 0}. Soit T : E → R une application
linéaire. On dit que T est positive si :
f ∈ E, f ≥ 0 ⇒ T (f ) ≥ 0.
Soit T : E → R une application linéaire positive.
1. Montrer que T est continue de (E, k.k∞ ) dans R. [Indication : On pourra remarquer que, pour tout
f ∈ E, T (f ) ≤ T (1)kf k∞ , où 1 désigne la fonction constante et égale à 1 sur [0, 1].]
2. Soient (fn )n∈N ⊂ E et f ∈ E telles que fn+1 ≥ fn , pour tout n ∈ N, et lim fn (x) = f (x), pour
n→+∞
tout x ∈ [0, 1]. Montrer que fn tend vers f uniformément sur R.
[Indication : Soit ε > 0, on pourra introduire, pour n ∈ N, On = {x ∈ [0, 1] ; f (x) − fn (x) < ε} et
utiliser la compacité de [0, 1].]
En déduire que T (fn ) → T (f ), quand n → +∞.
3. Soient (fn )n∈N ⊂ E et g ∈ E telles que fn+1 ≥ fn , pour tout n ∈ N, et g(x) ≤ lim fn (x)
n→+∞
(∈ R ∪ {+∞}), pour tout x ∈ [0, 1].
Montrer que T (g) ≤ lim T (fn ).
n→+∞
13
4. Soit f : R → R ∪ {+∞}, on dit que f ∈ A+ si il existe (fn )n∈N ⊂ E t.q. fn+1 ≥ fn , pour tout
n ∈ N, lim fn (x) = f (x), pour tout x ∈ [0, 1] et lim T (fn ) < +∞.
n→+∞ n→+∞
+
5. Soit f ∈ A , montrer que sup (T (g)) < +∞.
g∈E, g≤f
On définit T sur A+ par T (f ) = sup (T (g)) (noter que ceci est compatible avec la définition de
g∈E, g≤f
+
T sur E.) Noter aussi que si f, g ∈ A , alors : f ≥ g ⇒ T (f ) ≥ T (g).
6. (“Convergence croissante.”) Soient (fn )n∈N ⊂ A+ et f : R → R ∪ {+∞} telles que fn+1 ≥ fn , pour
tout n ∈ N, lim fn (x) = f (x), pour tout x ∈ [0, 1] et lim T (fn ) < +∞. Montrer que f ∈ A+
n→+∞ n→+∞
et T (f ) = lim T (fn ).
n→+∞
[Indication : Considérer gp = sup (fp,n ), avec, pour tout n ∈ N, (fp,n )p∈N ⊂ E t.q. fp+1,n ≥ fp,n ,
0≤n≤p
pour tout p ∈ N, lim fp,n (x) = fn (x), pour tout x ∈ [0, 1].]
p→+∞
7. (“Convergence décroissante.”) Soient (fn )n∈N ⊂ A+ et f ∈ E telles que fn+1 ≤ fn , pour tout n ∈ N,
et lim fn (x) = f (x), pour tout x ∈ [0, 1]. Montrer que T (f ) = lim T (fn ).
n→+∞ n→+∞
+
[Indication : On pourra montrer que, pour tout ε > 0 et pour tout n ∈ N, il existe P hn ∈ A
ε
t.q. hn ≥ fn − fn+1 et T (hn ) ≤ T (fn ) − T (fn+1 ) + 2n . Puis, en remarquant que n∈N hn (x) ≥
f0 (x)−f (x), pour tout x ∈ [0, 1], et en utilisant la question III 4, montrer que T (f ) ≥ lim T (fn ).]
n→+∞
8. (“Convergence dominée.”) Soient (gn )n∈N ⊂ E et g ∈ E telles que :

1. gn (x) → g(x), quand n → +∞, pour tout x ∈ [0, 1].
2. |gn (x)| ≤ 1, pour tout x ∈ [0, 1] et pour tout n ∈ N.
Montrer que T (g) = lim T (gn ).
n→+∞
[Indication : On pourra utiliser la question III 5 avec fn = sup gp − inf gp et remarquer que
p≥n p≥n
g − gn ≤ fn et gn − g ≤ fn .]
9. (Exemple.) En choisissant convenablement T , montrer le résultat suivant :
Soient (fn )n∈N ⊂ E et f ∈ E telles que :
1. fn (x) → f (x), quand n → +∞, pour tout x ∈ [0, 1].
2. |fn (x)| ≤ 1, pour tout x ∈ [0, 1] et pour tout n ∈ N.
Z 1 Z 1
alors fn (x)dx → f (x)dx, quand n → +∞.
0 0
Donner un contre exemple à ce résultat si la deuxième hypothèse n’est pas vérifiée.
Exercice 1.12 (Théorème de Bernstein)

On veut démontrer ici le théorème suivant :
Théorème 1.1 (Bernstein) Soient E et F des ensembles quelconques, alors il existe une bijection de
E dans F si et seulement si il existe une injection de E dans F et une injection de F dans E.
14
Le sens (i) ⇒ (ii) est évident, on va donc supposer qu’il existe une injection f de E dans F et une
injection g de F dans E, et on veut construire une bijection de E dans F . Soit x ∈ E donné. On pose
x0 = x, et on construit par récurrence une suite Cx = (xk )k=k(x),+∞ ⊂ E ∪ F , avec k(x) ∈ R ∪ {−∞} de
la manière suivante :
pour k ≥ 0, on pose x2k+1 = f (x2k ), et x2k+2 = f (x2k+1 ) ; si x−k n’a pas d’antécédant par g ou
par f (selon que xk ∈ E ou ∈ F , on pose k(x) = k, sinon, on pose x−k−1 = g −1 (x−k ) si xk ∈ E et
x−k−1 = f −1 (x−k ) si xk ∈ F .
On définit ainsi Cx = {xk , k = k(x), +∞}. On définit l’application ϕ de E dans F par : ϕ(x) = f (x) si
k(x) est pair et ϕ(x) = g −1 (x) si k(x) est impair. Montrer que ϕ ainsi définie est une bijection de E dans
F.
Exercice 1.13 (Limites sup et inf d’ensembles) Corrigé 8 page 279

Soit (An )n∈N une suite de parties d’un ensemble E. On note
[ \ \ [
lim inf An = Ap et lim sup An = Ap .
n→∞ n→∞
n∈N p≥n n∈N p≥n
1. On suppose la suite (An )n∈N monotone, c’est-à-dire que An ⊂ An+1 , pour tout n ∈ N, ou que
An+1 ⊂ An , pour tout n ∈ N. Que sont lim inf n→∞ An et lim supn→∞ An ?
2. Même question que précédemment si la suite est définie par : A2p = A et A2p+1 = B, p ∈ N, A et
B étant deux parties données de E.
3. Montrer que:
1lim supn→∞ An = lim sup 1An ,
n→∞
lim inf An ⊂ lim sup An ,

n→∞ n→∞
+∞
X
lim inf An = {x ∈ E; 1Acn (x) < ∞} ,
n→∞
n=0
+∞
X
lim sup An = {x ∈ E; 1An (x) = ∞} .
n→∞
n=0
Exercice 1.14 (Caractérisation des ouverts de R) (?)

On va montrer ici que tout ouvert de R est une union au plus dénombrable (c’est-à-dire finie ou dénom-
brable) d’intervalles ouverts disjoints deux à deux (la démonstration de ce résultat est donnée dans la
démonstration du lemme 2.4 page 35). Soit O un ouvert de R . On définit, pour x et y ∈ R, la relation:
x y si {tx + (1 − t)y, t ∈ [0, 1]} ⊂ O. Vérifier que est une relation d’équivalence. Pour x ∈ O, on
pose: A(x) = {y ∈ O; x y}.
1. Montrer que si A(x) ∩ A(y) 6= ∅, alors A(x) = A(y).
2. Montrer que, pour tout x ∈ O, A(x) est un intervalle ouvert.
S
3. Montrer qu’il existe I ⊂ O dénombrable tel que O = x∈I A(x), avec A(x) ∩ A(y) = ∅ si x, y ∈ I
et x 6= y.
15
Chapter 2
Tribus et mesures
2.1 Introduction... par les probabilités

2.1.1 Cas d’un problème “discret”
Pour introduire la série de définitions qui suivent, commençons par quelques exemples, tirés du calcul
des probabilités. Le calcul des probabilités s’intéresse à mesurer la “chance” qu’un certain “événement”,
résultat d’une expérience, a de se produire. Considérons par exemple “l’expérience” qui consiste à lancer
un dé. On appelle “éventualité” associée à cette expérience un des résultats possibles de cette expérience,
et “univers des possibles” l’ensemble E de ces éventualités. Dans notre exemple, les éventualités peuvent
être 1, 2, 3, 4, 5 ou 6; on pourrait choisir aussi comme éventualités les résultats correspondant au “dé
cassé”. On peut donc tout de suite remarquer que l’ensemble E des univers du possible dépend de la
modélisation, c’est à dire de la formalisation mathématique que l’on fait du problème. Notons qu’il est
parfois difficile de définir l’ensemble E.
A partir des éventualités, qui sont, par définition, les éléments de l’univers des possibles E, on définit les
“événements”, qui forment un ensemble de parties de E. Dans notre exemple du lancer de dé, l’ensemble
des événements est l’ensemble des parties de E, noté P(E). Dans l’exemple du dé, la partie {2, 4, 6}
de E est l’événement : “le résultat du lancer est pair”. On appelle événement élémentaire un singleton,
par exemple {6} dans notre exemple du lancer de dé, événement certain l’ensemble E tout entier, et
l’événement “vide” l’ensemble vide ∅ (qui a donc une “chance” nulle de se réaliser). Pour mesurer “la
chance” qu’a un événement de se réaliser, on va définir une application p de l’ensemble des événements
(donc de P(E) dans notre exemple du lancer de dé) dans [0, 1] avec certaines propriétés (qui semblent
naturelles. . . ). La “chance” (ou probabilité) pour un événement A ⊂ E de se réaliser sera donc le nombre
p(A), appartenant à [0, 1].
L’exemple du lancer de dé, que nous venons de considérer, est un problème discret fini, au sens ou
l’ensemble E est fini. On peut aussi envisager des problèmes discrets infinis, l’ensemble E est alors infini
dénombrable (on rappelle qu’un ensemble I est “dénombrable” s’il existe une bijection de I dans N, il est
“au plus dénombrable” s’il existe une injection de I dans N), ou des problèmes (parfois appelés “continus”)
où E est infini non dénombrable.
16
2.1.2 Exemple continu
Considérons maintenant “l’expérience” qui consiste à lancer une balle de ping-pong sur une table de ping-
pong. Soit E l’ensemble des points de la table de ping-pong, on peut voir E comme un sous-ensemble de
R2 , un événement élémentaire est alors un point (x, y) ∈ E (le point d’impact de la balle), et un événement
semble être une partie quelconque A de P(E). On suppose qu’on a effectué le lancer “sans viser”, c’est à
dire en supposant que “n’importe quel point de la table a une chance égale d’être atteint” (les événements
élémentaires sont “équiprobables”), et que la balle tombe forcément sur la table (on est très optimiste. . . ).
On se rend compte facilement que la probabilité pour chacun des points de E d’être atteint doit être
nulle, puisque le nombre des points est infini. On peut aussi facilement “intuiter” que la probabilité pour
une partie A d’être atteinte (dans le modèle “équiprobable”) est le rapport entre la “surface de A” et la
surface de E. La notion intuitive de “surface” correspond en fait à la notion mathématique de “mesure”
que nous allons définir dans le prochain paragraphe. Malheureusement, comme on l’a dit dans le chapitre
introductif, il ne nous sera pas mathématiquement possible de définir une application convenable, i.e. qui
vérifie les propriétés (1.9)-(1.10) et qui “mesure” toutes les parties de R, ou R2 , ou même du sous-ensemble
E de R2 (voir à ce sujet l’exercice 2.23). On va donc définir un sous-ensemble de P(E) (qu’on appelle
“tribu”) sur lequel on pourra définir une telle application. Dans le cas d’un ensemble fini, la tribu sera,
en général, P(E) tout entier. Mais, dans le cas de la balle de ping-pong que vous venons de décrire,
l’ensemble des événements sera une tribu strictement incluse dans P(E).
2.2 Tribu ou σ−algèbre

Définition 2.1 (Tribu ou σ−algèbre) Soient E un ensemble, T une famille de parties de E (i.e. T ⊂
P(E)). La famille T est une tribu (on dit aussi une σ−algèbre) sur E si T vérifie :
1. ∅ ∈ T, E ∈ T ,
2. T est stable par union dénombrable, c’est-à-dire que pour toute famille dénombrable (An )n∈N ⊂ T ,
on a ∪n∈N An ∈ T .
3. T est stable par intersection dénombrable, c’est-à-dire que pour toute famille dénombrable (An )n∈N ⊂
T , on a ∩n∈N An ∈ T .
4. T est stable par passage au complémentaire, c’est-à-dire que pour tout A ∈ T , on a Ac ∈ T (On
rappelle que Ac = E \ A).
Il est clair que, pour montrer qu’une partie T de P(E) est une tribu, il est inutile de vérifier les propriétés
1-4 de la proposition précédente. Il suffit de vérifier par exemple ∅ ∈ T (ou E ∈ T ), 2 (ou 3) et 4.
Exemples de tribus sur E :
• T = {∅, E},
• P(E).
Définition 2.2 (Langage probabiliste) Soient E un ensemble quelconque (“l’univers des possibles”)
et T une tribu ; on appelle “éventualité” les éléments de E et “événements” les éléments de T . On appelle
“événement élémentaire” un singleton de T .
On dit que deux événements A, B ∈ T sont incompatibles si A ∩ B = ∅.
17
Proposition 2.1 (Stabilité par intersection des tribus) Soient E et I deux ensembles. Pour tout
i ∈ I, on se donne une tribu, Ti , sur E. Alors, la famille (de parties de E) ∩i∈I Ti = {A ⊂ E;
A ∈ Ti , ∀i ∈ I} est encore une tribu sur E.
Démonstration : La démonstration de cette proposition fait l’objet de la première question de l’exer-

cice 2.2.
Cette proposition nous permet de définir ci-après la notion de tribu engendrée.
Définition 2.3 (Tribu engendrée) Soient E un ensemble et C ⊂ P(E). On appelle tribu engendrée
par C la plus petite tribu contenant C, c’est-à-dire la tribu T (C) intersection de toutes les tribus sur E
contenant C (cette intersection est non vide car P(E) est une tribu contenant C).
Il est parfois utile d’utiliser la notion d’algèbre, qui est indentique à celle de tribu en remplaçant “dénom-
brable” par “finie”.
Définition 2.4 (Algèbre) Soient E un ensemble, A une famille de parties de E (i.e. A ⊂ P(E)). La
famille A est une algèbre sur E si A vérifie :
1. ∅ ∈ A, E ∈ A,
2. A est stable par union finie, c’est-à-dire que pour tout A, B ∈ A on a A ∪ B ∈ A.
3. A est stable par intersection finie, c’est-à-dire que pour tout A, B ∈ A on a A ∩ B ∈ A.
4. A est stable par passage au complémentaire, c’est-à-dire que pour tout A ∈ A, on a Ac ∈ A.
Remarque 2.1 Soit E un ensemble et C ⊂ P(E). Comme pour les tribus, on peut définir l’algèbre
engendrée par C. C’est la plus petite algèbre contenant C, c’est-à-dire l’intersection de toutes les algèbres
contenant C (voir l’exercice 2.8).
Soit E un ensemble, C ⊂ P(E) et T (C) la tribu engendrée par C (voir la définition 2.3 et l’exercice 2.2). Il
est important de remarquer que, contrairement à ce que l’on pourrait être tenté de croire, les éléments de
la tribu engendrée par C ne sont pas tous obtenus, à partir des éléments de C, en utilisant les opérations :
“intersection dénombrable”, “union dénombrable” et “passage au complémentaire”. Plus précisément, on
pose :
[
R1 (C) = {A ⊂ E t.q. A = An , An ∈ C ou Acn ∈ C},
n∈N
\
2
R (C) = {A ⊂ E t.q. A = An , An ∈ C ou Acn ∈ C},
n∈N
1 2
R(C) = R (C) ∪ R (C).
Prenons E = R et C l’ensemble des ouverts de R (donc T (C) est la tribu borélienne de R, voir définition
ci-après). Il est facile de voir que R(C) ⊂ T (C), mais que, par contre (et cela est moins facile à voir),
R(C)[ n’est pas une tribu. En posant : S0 = C, et Sn = R(Sn−1 ), pour n ≥ 1, on peut aussi montrer que
S= Sn n’est pas une tribu (et que S ⊂ T (C)).
n∈N
18
Remarque 2.2 Soit E un ensemble et C1 ⊂ C2 ⊂ P(E). Il est alors facile de voir que T (C1 ) ⊂ T (C2 )
(cf. Exercice 2.2).
Soit E un ensemble. On rappelle qu’une “topologie” sur E est donnée par une famille de parties de E,
appelées “ouverts de E”, contenant ∅ et E, stable par union (quelconque) et stable par intersection finie.
L’ensemble E, muni de cette famile de parties, est alors un “espace topologique”.
Définition 2.5 (Tribu borélienne) Soit E un ensemble muni d’une topologie (un espace métrique, par
exemple). On appelle tribu borélienne (ou tribu de Borel) la tribu engendrée par l’ensemble des ouverts
de E, cette tribu sera notée B(E). Dans le cas E = R, cette tribu est donc notée B(R).
Remarque 2.3
1. L’objectif de la section 2.5 est de construire une application λ : B(R) → R+ t.q. :
(a) λ(]α, β[) = β − α, pour tout α, β ∈ R α < β,

P
(b) λ(∪n∈N An ) = n∈N λ(An ), pour toute suite (An )n∈N ⊂ B(R) t.q. An ∩ Bn = ∅ si n 6= m.
(Noter que ∪n∈N An ∈ B(R) grâce à la stabilité d’une tribu par union dénombrable.)
2. On peut se demander si B(R) = P(R). La réponse est non (voir les exercices 2.23 et 2.24). On
peut même démontrer que card(B(R)) = card(R) (alors que card(P(R)) > card(R)). On donne
ci-après un rappel rapide sur les cardinaux (sans entrer dans les aspects difficiles de la théorie des
ensembles, et donc de manière peut-être un peu imprécise).
3. Rappel sur les cardinaux. Soit A et B deux ensembles.
(a) On dit que card(A) = card(B) si il existe une application ϕ : A → B, bijective.
Pour montrer que deux ensembles ont même cardinaux, il est souvent très utile d’utiliser le
théorème de Bernstein (voir l’exercice 1.12) qui montre que s’il existe une injection de A dans B
et une injection de B dans A, alors il existe ϕ : A → B, bijective (et donc card(A) = card(B)).
Le théorème de Bernstein motive également la définition suivante.
(b) On dit que card(A) ≤ card(B) s’il existe ϕ : A → B, injective.
(c) Un autre théorème intéressant, dû à Cantor, donne que, pour tout ensemble X, on a card(X) <
card(P(X)) (c’est-à-dire card(X) ≤ card(P(X)) et card(X) 6= card(P(X))). On a donc, en
particulier, card(P(R)) > card(R). La démonstration du théorème de Cantor est très simple.
Soit ϕ : X → P(X). On va montrer que ϕ ne peut pas être surjective. On pose A = {x ∈ X;
x 6∈ ϕ(x)} (A peut être l’ensemble vide). Supposons que A ∈ Im(ϕ). Soit alors a ∈ X t.q.
A = ϕ(a).
Si a ∈ A = ϕ(a), alors a 6∈ A par définition de A.
Si a 6∈ A = ϕ(a), alors a ∈ A par définition de A.
On a donc montré que A ne peut pas avoir d’antécédent (par ϕ) et donc ϕ n’est pas surjective.
Proposition 2.2 On note C1 l’ensemble des ouverts de R, C2 = {]a, b[, a, b ∈ R, a < b} et C3 = {]a, ∞[,
a ∈ R}. Alors T (C1 ) = T (C2 ) = T (C3 ) = B(R). (Noter que d’autres caractérisations de B(R), semblables,
sont possibles.)
19
Démonstration : On a, par définition de B(R), T (C1 ) = B(R). On va démontrer ci-après que T (C1 ) =
T (C2 ) (le fait que T (C2 ) = T (C3 ) est laissé au lecteur).
Comme C2 ⊂ C1 , on a T (C2 ) ⊂ T (C1 ). Il suffit donc de démontrer l’inclusion inverse. On va montrer que
C1 ⊂ T (C2 ), on aura alors que T (C1 ) ⊂ T (C2 ).
Soit O un ouvert de R. On suppose O 6= ∅ (on sait déjà que ∅ ∈ T (C2 )). Le lemme 2.1 (plus simple que le
lemme 2.4 page 35) ci-après nous donne l’existence d’une famille (In )n∈A d’intervalles ouverts t.q. A ⊂ N
et O = ∪n∈A In . Noter qu’on a aussi O = ∪n∈N In en posant In = ∅ si n ∈ N \ A. Comme In ∈ C2 ⊂ T (C2 )
pour tout n ∈ A et ∅ ∈ T (C2 ), on en déduit, par stabilité dénombrable d’une tribu, que O ∈ T (C2 ). Donc,
C1 ⊂ T (C2 ) et donc T (C1 ) ⊂ T (C2 ). On a bien montré que T (C1 ) = T (C2 ).
Lemme 2.1 Tout ouvert non vide de R est réunion au plus dénombrable d’intervalles ouverts bornés.
Démonstration : Soit O un ouvert de R, O 6= ∅. On pose A = {(β, γ) ∈ Q2 ; β < γ, ]β, γ[⊂ O}. On a

donc ∪(β,γ)∈A ]β, γ[⊂ O. On va montrer que O ⊂ ∪(β,γ)∈A ]β, γ[ (et donc que O = ∪(β,γ)∈A ]β, γ[).
Soit x ∈ O, il existe αx > 0 t.q. ]x − αx , x + αx [⊂ O. En prenant βx ∈ Q∩]x − αx , x[ et γx ∈ Q∩]x, x + αx [
(de tels βx et γx existent) on a donc x ∈]βx , γx [⊂ O et donc (βx , γx ) ∈ A. D’où x ∈]βx , γx [⊂ ∪(β,γ)∈A ]β, γ[.
On a bien montré que O ⊂ ∪(β,γ)∈A ]β, γ[ et donc que O = ∪(β,γ)∈A ]β, γ[. Comme Q2 est dénombrable,
A est au plus dénombrable et le lemme est démontré.
Définition 2.6 (Espace mesurable ou probabilisable, partie mesurable ou probabilisable)

Soient E un ensemble, et T une tribu sur E. Le couple (E, T ) est appelé “espace mesurable” ou (en
langage probabiliste !) “espace probabilisable”. Les parties de E qui sont (resp. ne sont pas) des éléments
de T sont dites mesurables ou probabilisables (resp. non mesurables, non probabilisables).
2.3 Mesure, probabilité

Définition 2.7 (Mesure) Soit (E, T ) un espace mesurable. On appelle mesure une application m : T →
R+ (avec R+ = R+ ∪ (+∞)) vérifiant :
1. m(∅) = 0
2. m est σ-additive, c’est-à-dire que pour toute famille (An )n∈N ⊂ T de parties disjointes deux à deux,
(i.e. t.q. An ∩ Am = ∅, si n 6= m), on a :
[ X
m( An ) = m(An ). (2.1)
n∈N n∈N
Remarque 2.4
1. Dans la définition précédente on a étendu à R+ l’addition dans R+ . On a simplement posé x + ∞ =

∞, pour tout x ∈ R+ . Noter également que P la somme de la série dans la définition
Pn précédente est
à prendre dans R+ et que, bien sûr, a = n∈N an signifie simplement que p=0 ap → a (dans R+ )
quand n → ∞.
2. Soient x, y, z ∈ R+ . Remarquer que x + y = x + z implique y = z si x 6= ∞.
20
3. Dans la définition précédente, la condition 1. peut être remplacée par la condition : ∃ A ∈ T, m(A) <
∞. La vérification de cette affirmation est laissée au lecteur attentif.
4. Il est intéressant de remarquer que, pour une série à termes positifs, l’ordre de sommation est
sans importance.
P P Plus précisément, si (an )n∈N ⊂ R+ et si ϕ est une bijection de N dans N, on a
n∈N a n = n∈N aϕ(n ). C’est l’objet du lemme 2.2.
5. Une conséquence immédiate de la σ−additivité est l’additivité, c’est-à-dire que

n
X
m(∪np=0 Ap ) = m(Ap )
p=0
pour toute famille finie (Ap )p=0,...,n d’éléments de T , disjoints 2 à 2. L’additivité se démontre avec
la σ−additivité en prenant Ap = ∅ pour p > n dans (2.1).
6. Dans le cas E = R et T = P(R), il est facile de construire des mesures sur T , mais il n’existe pas
de mesure sur T , notée m, telle que m(]a, b[) = b − a pour tout a, b ∈ R, a < b (voir les exercices
2.24 et 2.23). Une telle mesure existe si on prend pour T la tribu borélenne de R, c’est l’objet de
la section 2.5.
P P
Lemme 2.2 Soit (an )n∈N ⊂ R+ et soit ϕ : N → N bijective. Alors n∈N an = n∈N aϕ(n) .
DémonstrationP : Pn P Pn
On pose A = n∈N an (= limn→∞ p=0 ap ) ∈ R+ et B = n∈N aϕ(n) (= limn→∞ p=0 aϕ(p) ) ∈ R+ . On
veut montrer que A = B.
On montre d’abord que B ≤ A. Soit n ∈ N. On pose N = max{ϕ(0), . . . , ϕ(n)}. Comme aq ≥ 0 pour
Pn PN
tout q ∈ N, on a p=0 aϕ(p) ≤ p=0 ap ≤ A. On en déduit, faisant tendre n vers ∞ que B ≤ A.
En raisonnant avec l’inverse de ϕ on a aussi A ≤ B et finalement A = B.
Définition 2.8 (Mesure finie) Soient E un ensemble et T une tribu sur E. On appelle mesure finie
une mesure m sur T telle que m(E) < ∞.
Définition 2.9 (Probabilité) Soient E un ensemble et T une tribu sur E. On appelle probabilité une
mesure p sur T t.q. p(E) = 1.
Définition 2.10 (Espace mesuré, espace probabilisé) Soient E un ensemble, T une tribu sur E et
m une mesure (resp. une probabilité) sur T . Le triplet (E, T, m) est appelé “espace mesuré” (resp. “espace
probabilisé”).
Définition 2.11 (Mesure σ-finie) Soit (E, T, m) un espace mesuré, on dit que m est σ-finie (ou que
(E, T, m) est σ-fini) si :
[
∃ (An )n∈N ⊂ T, m(An ) < ∞, ∀ n ∈ N, et E = An . (2.2)
n∈N
Remarque 2.5 (Langage probabiliste) En langage probabiliste, la propriété de σ-additivité (2.1) que
l’on requiert dans la définition d’une mesure (et donc d’une probabilité) est souvent appelé “axiome
complet des probabilités totales”.
21
Exemple 2.1 (Mesure de Dirac) Soient E un ensemble, T une tribu sur E et a ∈ E. On définit sur
T la mesure δa par (pour A ∈ T ) :
δa (A) = 0, si a ∈
/ A, (2.3)
δa (A) = 1, si a ∈ A. (2.4)
On peut remarquer que la mesure de Dirac est une probabilité.
Remarque 2.6 (Comment choisir la probabilité) Soit (E, T ) un espace probabilisable, on peut évi-
demment définir plusieurs probabilités sur T . C’est tout l’art de la modélisation que de choisir une
probabilité qui rende compte du phénomène aléatoire que l’on veut observer. On se base pour cela souvent
sur la notion de fréquence, qui est une notion expérimentale à l’origine. Soit A ∈ T un événement, dont
on cherche à évaluer la probabilité p(A). On effectue pour cela N fois l’expérience dont l’univers des
possibles est E, et on note NA le nombre de fois où l’événement A est réalisé. A N fixé, on définit alors
la fréquence fA (N ) de l’événement A par :
NA
fA (N ) = .
N
Expérimentalement, il s’avère que fN (A) admet une limite lorsque N → +∞. C’est ce qu’on appelle la
“loi empirique des grands nombres”. On peut donc définir “expérimentalement” p(A) = limN →+∞ fN (A).
Cependant, on n’a pas ainsi démontré que p est une probabilité: il ne s’agit pour l’instant que d’une
approche intuitive. On démontrera plus loin la loi forte des grands nombres, qui permettra de justifier
mathématiquement la loi empirique. On peut remarquer que fN (E) = N N = 1. . .
Exemple 2.2 (Le cas “équiprobable”) Soit (E, T, p) un espace probabilisé .On suppose que tous les
singletons de E appartiennent à la tribu et que les événements élémentaires sont équiprobables. . On a
1
alors: p({x}) = cardE pour tout x ∈ E.
Définition 2.12 (mesure atomique) Soit (E, T, m) un espace mesuré tel que : {x} ∈ T pour tout x
de E. On dit que m est portée par S ∈ T si m(S c ) = 0. Soit x ∈ E, on dit que x est un atome ponctuel
de m si m({x}) 6= 0. On dit que m est purement atomique si elle est portée par la partie de E formée
par l’ensemble de ses atomes ponctuels.
Définition 2.13 (Mesure diffuse) Soient (E, T ) un espace mesurable et m une mesure sur T . On dit
que m est diffuse si {x} ∈ T et m({x}) = 0 pour tout x ∈ E. (Cette définition est aussi valable pour une
mesure signée sur T , définie dans la section 2.4.)
Définition 2.14 (Partie négligeable) Soient (E, T, m) un espace mesuré et A ⊂ E. On dit que A est
négligeable s’il existe un ensemble B ∈ T tel que A ⊂ B et m(B) = 0.
Définition 2.15 (Mesure complète) Soit (E, T, m) un espace mesuré, on dit que m est complète (ou
que (E, T, m) est complet) si toutes les parties négligeables sont mesurables, c’est-à-dire appartiennent à
T.
La proposition suivante donne les principales propriétés d’une mesure.
Proposition 2.3 (Propriétés des mesures) Soit (E, T, m) un espace mesuré. La mesure m vérifie
les quatre propriétés suivantes :
22
1. Monotonie : Soit A, B ∈ T , A ⊂ B, alors
m(A) ≤ m(B) (2.5)
2. σ-sous-additivité : Soit (An )n∈N ⊂ T , alors

[ X
m( An ) ≤ m(An ). (2.6)
n∈N n∈N
3. Continuité croissante : Soit (An )n∈N ⊂ T , t.q. An ⊂ An+1 , pour tout n ∈ N, alors
[
m( An ) = lim (m(An )) = sup(m(An )) (2.7)
n→∞ n∈N
n∈N
4. Continuité décroissante : Soit (An )n∈N ⊂ T , t.q. An+1 ⊂ An , pour tout n ∈ N, et t.q. il existe
n0 ∈ N, m(An0 ) < ∞, alors
\
m( An ) = lim (m(An )) = inf (m(An )) (2.8)
n→∞ n∈N
n∈N
Démonstration :
La démonstration de ces propriétés est facile: elles découlent toutes du caractère positif et du caractère
σ-additif de la mesure. Attention: ces propriétés ne sont pas vérifiées par les mesures signées que nous
verrons à la section 2.4.
1. Monotonie. Soit A, B ∈ T , A ⊂ B. On a B = A ∪ (B \ A) et A ∩ (B \ A) = ∅. Comme A ∈ T et

B\A = B∩Ac ∈ T , l’additivité de m (voir la remarque 2.4) donne m(B) = m(A)+m(B\A) ≥ m(A),
car m prend ses valeurs dans R+ .
Noter aussi que m(B \ A) = m(B) − m(A) si 0 ≤ m(A) ≤ m(B) < ∞ (mais cette relation n’a pas
de sens si m(A) = m(B) = ∞).
P
2. σ−sous additivité. Soit (An )n∈N ⊂ T . On veut montrer que m(∪n∈N An ) ≤ n∈N m(An ). On pose
B0 = A0 et, par récurrence sur n, Bn = An \ (∪n−1i=0 Bi ) pour n ≥ 1. Par récurrence sur n on montre
n−1 c
que Bn ∈ T pour tout n en remarquant que, pour n > 1, Bn = An ∩ (∩i=0 Bi ). La construction
des Bn assure que Bn ∩ Bm = ∅ si n 6= m et ∪n∈N An = ∪n∈N Bn . Pour vérifier cette dernière
propriété, on remarque que Bn ⊂ An donc ∪n∈N Bn ⊂ ∪n∈N An . Puis, si x ∈ An et x 6∈ ∪n−1 i=0 Bi ,
on a alors x ∈ An ∩ (∩n−1 B
i=0 i
c
) = B n . Ceci prouve que ∪ A
n∈N n ⊂ ∪ n∈N nB et donc, finalement,
∪n∈N An = ∪n∈N Bn .
On utilise maintenant la σ−additivité
P et la monotonie de m (car Bn ⊂ An ) pour écrire
de m P
m(∪n∈N An ) = m(∪n∈N Bn ) = n∈N m(Bn ) ≤ n∈N m(An ).
3. Continuité croissante. Soit (An )n∈N ⊂ T , t.q. An ⊂ An+1 , pour tout n ∈ N. Par monotonie de
m, on a m(An+1 ) ≥ m(An ), pour tout n ∈ N, et donc limn→∞ m(An ) = supn∈N m(An ) ∈ R+ . On
pose A = ∪n∈N An et on définit la suite (Bn )n∈N par B0 = A0 et Bn = An \ An−1 pour tout n ≥ 1
(noter que An−1 ⊂ An ). On a A = ∪n∈N An = ∪n∈N Bn , Bn ∈ T pour tout n ∈ N et Bn ∩ Bm = ∅
si n 6= m.
23
La σ−additivité de m nous donne
X n
X
m(A) = m(∪n∈N Bn ) = m(Bn ) = lim m(Bp ).
n→∞
n∈N p=0
n
Pn comme An = ∪p=0 Bp , l’additivité de m (qui se déduit de la σ−additivité) nous donne
Puis,
p=0 m(Bp ) = m(An ) et donc m(A) = limn→∞ m(An ).
4. Continuité décroissante. Soit (An )n∈N ⊂ T , t.q. An+1 ⊂ An , pour tout n ∈ N, et telle qu’il existe
n0 ∈ N, m(An0 ) < ∞.
Par monotonie, on a m(An+1 ) ≤ m(An ) pour tout n ∈ N et donc limn→∞ m(An ) = inf n∈N m(An )
∈ R+ . On a aussi, par monotonie, m(A) ≤ m(An ), pour tout n ∈ N, avec A = ∩n∈N An . Comme
m(An0 ) < ∞, on a aussi m(An ) < ∞ pour tout n ≥ n0 et m(A) < ∞. On pose Bn = An0 \ An =
An0 ∩ Acn ∈ T , pour tout n ≥ n0 . La suite (Bn )n≥n0 est croissante (Bn ⊂ Bn+1 pour tout n ≥ n0 )
et B = ∪n≥0 Bn = ∪n≥n0 (An0 \ An ) = An0 \ ∩n≥n0 An = An0 \ A.
La continuité croissante donne
m(An0 \ A) = m(B) = lim m(Bn ) = lim m(An0 \ An ). (2.9)

n→∞ n→∞
Comme A ⊂ An0 , on a m(An0 \ A) = m(An0 ) − m(A) (car m(A) ≤ m(An0 ) < ∞, on utilise ici la
remarque à la fin de la preuve de la monotonie). De même, comme An ⊂ An0 (pour n ≥ n0 ), on a
m(An0 \ An ) = m(An0 ) − m(An ) (car m(An ) ≤ m(An0 ) < ∞). En utilisant une nouvelle fois que
m(An0 ) < ∞, on déduit de (2.9) que m(A) = limn→∞ m(An ).
Théorème 2.1 (Mesure complétée) Soit (E, T, m) un espace mesuré, on note Nm l’ensemble des
parties négligeables. On pose T = {A ∪ N , A ∈ T , N ∈ Nm }. Alors T est une tribu, et il existe une
et une seule mesure, notée m, sur T , égale à m sur T . De plus, une partie de E est négligeable pour
(E, T , m) si et seulement si elle est négligeable pour (E, T, m). la mesure m est complète et l’espace
mesuré (E, T , m) s’appelle le complété de (E, T, m). La mesure m s’appelle la mesure complétée de la
mesure m.
Démonstration : Cette démonstration est l’objet de l’exercice 2.28.
Définition 2.16 (Mesure absolument continue, mesure étrangère)

Soient (E, T ) un espace mesurable, et m et µ des mesures (positives) sur T .
1. On dit que la mesure µ est absolument continue par rapport à la mesure m (et on note µ << m) si
pour tout A ∈ T tel que m(A) = 0, alors µ(A) = 0.
2. On dit que la mesure µ est étrangère à la mesure m (et note µ⊥m) s’il existe A ∈ T tel que
m(A) = 0 et µ(Ac ) = 0.
Proposition 2.4 Soient (E, T ) un espace mesurable, et m et µ des mesures (positives) sur T ; on suppose
de plus que la mesure µ est σ-finie. Alors il existe une mesure µa absolument continue par rapport à m
et une mesure µe étrangère à m (et à µa ) t.q. µ = µa + µe .
24
Démonstration :
On suppose tout d’abord que µ est une mesure finie. On pose α = sup{µ(A); A ∈ T, m(A) = 0}. Il existe
donc une suite (An )n∈N ⊂ T t.q. m(An ) = 0, pour tout n ∈ N, et µ(An ) → α, quand n → ∞. On pose
alors C = ∪n∈N An .
P
On a C ∈ T , 0 ≤ m(C) ≤ n∈N m(An ) = 0 (par σ-sous additivité de m), µ(C) ≥ µ(An ) pour tout n ∈ N
(par monotonie de µ) et donc, en passant à la limite quand n → ∞, µ(C) ≥ α. Enfin, la définition de α
donne alors µ(C) = α. On a donc trouvé C ∈ T t.q. m(C) = 0 et µ(C) = α.
Pour A ∈ T , on pose µe (A) = µ(A ∩ C) et µa (A) = µ(A ∩ C c ).

Il est clair que µe et µa sont des mesures sur T et que µ = µe + µa . Comme µe (C c ) = 0 et µa (C) = 0,
les mesures µa et µe sont étrangères. Comme m(C) = 0 et µe (C c ) = 0, les mesures µe et m sont aussi
étrangères. Il reste à montrer que µa est absolument continue par rapport à m.
Soit B ∈ T t.q. m(B) = 0. On veut montrer que µa (B) = 0, c’est-à-dire que µ(B ∩ C c ) = 0. On pose
D = B ∩ C c et F = C ∪ D. Comme D ∩ C = ∅, On a m(F ) = m(C) + m(D) ≤ m(C) + m(B) = 0 et
µ(F ) = µ(C) + µ(D) = α + µ(D). Comme m(F ) = 0, la définition de α donne que µ(F ) ≤ α. On a donc
α + µ(D) ≤ α, d’où l’on déduit, comme α ∈ R (et c’est ici que l’on utilise le fait que µ est une mesure
finie), que µ(D) = 0, c’est-à-dire µa (B) = 0. On a bien ainsi montré que µa est absolument continue par
rapport à m.
On considère maintenant le cas général où µ est σ-finie. Il existe une suite (En )n∈N ⊂ T t.q. E = ∪n∈N En ,
µ(En ) < ∞ pour tout n ∈ N et En ∪ Em = ∅ si n 6= m.
Pour n ∈ N et A ∈ T , on pose µ(n) (A) = µ(A∩En ). µ(n) est donc une mesure finie sur T . Le raisonnement
(n) (n)
précédent donne donc l’existence de µa absolument continue par rapport à m et de µe étrangère à m
(n) (n) (n)
(et à µa ) t.q. µ(n) = µa + µe . On pose alors, pour A ∈ T :
X X
µe (A) = µ(n)
e (A); µa (A) = µa(n) (A).
n∈N n∈N
µe et µa sont bien des mesures sur T (voir l’exercice 4.2) et il est clair que µ = µe + µa , µa absolument
continue par rapport à m et µe étrangère à m (et à µa ).
Il est parfois utile (surtout en théorie des probabilités, mais une telle question apparaı̂t aussi dans le
section 2.5 et dans le chapitre 7) de montrer l’unicité d’une mesure ayant des propriétés données. La
proposition suivante donne une méthode pour montrer une telle unicité (d’autres méthodes sont possibles,
voir, par exemple, la proposition 5.4 dans le chapitre 5).
Proposition 2.5 Soit (E, T ) un espace mesurable et m, µ deux mesures sur T . On suppose qu’il existe
C ⊂ T t.q.
1. C engendre T ,
2. C est stable par intersection finie (c’est-à-dire A, B ∈ C ⇒ A ∩ B ∈ C),
3. Il existe (En )n∈N ⊂ C t.q. En ∩ Em = ∅ si n 6= m, m(En ) < ∞, pour tout n ∈ N, et E = ∪n∈N En ,
4. m(A) = µ(A) pour tout A ∈ C.
On a alors m = µ (c’est-à-dire m(A) = µ(A) pour tout A ∈ T ).
Démonstration : Cette démonstration est l’objet de l’exercice 2.19.
25
2.4 mesure signée
Définition 2.17 (Mesure signée) Soit (E, T ) un espace mesurable. On appelle mesure signée (sur T )
une application m : T → R vérifiant la propriété de σ-additivité, c’est-à-dire t.q. pour toute famille
(An )n∈N ⊂ T , t.q. An ∩ Am = ∅, si n 6= m,
[ X
m( An ) = m(An ). (2.10)
n∈N n∈N
Noter qu’une mesure signée prend ses valeurs dans R. En prenant An = ∅ pour tout n ∈ N dans (2.10),
on en déduit que m(∅) = 0.
On peut aussi considérer des mesures à valeurs complexes (c’est-à-dire dans C). Dans ce cas, les parties
réelles et imaginaires de ces mesures à valeurs complexes sont des mesures signées.
Dans toute la suite du cours, les mesures considérées seront en général positives, c’est-à-dire (cf. défini-
tion 2.7) à valeurs dans R+ . Lorsque l’on s’intéressera à des mesures prenant leurs valeurs dans R, on
précisera qu’il s’agit de “mesures signées”. Noter que les mesures signées ne vérifient pas, en général, les
propriétés (2.5) et (2.6). Pour avoir un contre exemple, il suffit de considérer une mesure signée m (non
nulle) t.q. −m soit une mesure (positive).
Proposition 2.6 (Décomposition d’une mesure signée) Soient (E, T ) un espace mesurable et m
une mesure signée sur T . Alors, il existe deux mesures (positives) finies, notées m+ et m− , t.q. :
1. m(A) = m+ (A) − m− (A), pour tout A ∈ T .
2. Les mesures m+ et m− sont étrangères, c’est-à-dire qu’il existe C ∈ T tel que m+ (C) = 0, et
m− (E \ C) = 0.
Une conséquence des propriétés ci-dessus est que m− (A) = −m(A ∩ C) et m+ (A) = m(A ∩ C c ) pour tout
A ∈ T.
De plus, la décompostion de m en différence de deux mesures (positives) finies étrangères est unique. Elle
s’appelle “décomposition de Hahn” de m.
Démonstration :
La démonstration d’existence de m+ et m− est décomposée en trois étapes. Dans la première étape, on
va montrer que, si A ∈ T , il existe Ã ∈ T t.q. Ã ⊂ A, m(Ã) ≥ m(A) et :
B ∈ T, B ⊂ Ã ⇒ m(B) ≥ 0.
Cette première étape nous permettra, dans l’étape 2, de montrer l’existence de C ∈ T t.q. m(C) =
sup{m(A), A ∈ T } (ceci montre, en particulier que sup{m(A), A ∈ T } < ∞).
Enfin, dans l’étape 3, on pose m+ (A) = m(A ∩ C) et m− (A) = −m(A ∩ C c ) (pour tout A ∈ T ) et on
remarque que m+ et m− sont des mesures finies, étrangères et t.q. m = m+ − m− .
Etape 1. Soit A ∈ T , on montre, dans cette étape, qu’il existe Ã ∈ T t.q. Ã ⊂ A, m(Ã) ≥ m(A) et :
B ∈ T, B ⊂ Ã ⇒ m(B) ≥ 0. (2.11)
On commence par montrer, par récurrence sur n, l’existence d’une suite (Bn )n∈N déléments de T t.q. :
1. B0 = A,
26
2. Bn+1 ⊂ Bn , pour tout n ∈ N,
3. m(Bn \ Bn+1 ) ≤ βn = max{ α2n , −1} où αn = inf{m(C), C ∈ T, C ⊂ Bn }.
On prend B0 = A. Soit maintenant n ∈ N, on suppose Bp connu pour p ≤ n. On a αn = inf{m(C), C ⊂

Bn } ≤ 0 (car ∅ ⊂ Bn ). Si αn = −∞, il existe Cn ∈ T t.q. Cn ⊂ Bn et m(Cn ) ≤ βn = −1. Si
−∞ < αn < 0, on a βn > αn , il existe donc Cn ∈ T t.q. Cn ⊂ Bn et m(Cn ) ≤ βn . Si αn = 0, on prend
Cn = ∅. Enfin, on prend Bn+1 = Bn \ Cn et on obtient bien les propriétés désirées en remarquant que
Cn = Bn \ Bn+1 .
La suite (Bn )n∈N est décroissante (c’est-à-dire Bn+1 ⊂ Bn pour tout n ∈ N). Pour m > n, on a donc
Cm ⊂ Bm ⊂ BP n+1 et donc Cm ∩ Cn = ∅ (car Bn+1 = Bn \ Cn ). Par σ−additivité de m, on en déduit
m(∪n∈N Cn ) = n∈N m(Cn ). Comme m(∪n∈N Cn ) ∈ R, la série de terme général m(Cn ) est convergente.
On a donc m(Cn ) → 0 quand n → ∞ et donc βn → 0 quand n → ∞ (car m(Cn ) ≤ βn ≤ 0) et, finalement,
αn → 0 quand n → ∞.
On pose maintenant Ã = A\∪n∈N Cn = ∩n∈N Bn . On a, bien sûr, Ã ∈ T et Ã ⊂ A. On montre maintenant

que Ã vérifie (2.11). Soit C ∈ T , C ⊂ Ã. On a, pour tout n ∈ N, C ⊂ Bn et donc m(C) ≥ αn . Quand
n → ∞, on en déduit que m(C) ≥ 0. ce qui donne bien (2.11).
Il reste à montrer que m(Ã) ≥ m(A). Comme A

P= Ã ∪ (∪n∈N Cn ) (et que cette union est “disjointe”), la
σ−additivité de m donne que m(A) = m(Ã) + n∈N m(Cn ) ≤ m(Ã). Ce qui termine la première étape.
Etape 2. On pose α = sup{m(A), A ∈ T } et on montre, dans cette étape, qu’il existe C ∈ T t.q.
m(C) = α.
Par définition d’une borne supérieure, il existe une suite (An )n∈N d’éléments de T t.q. m(An ) → α
quand n → ∞. Grâce à l’étape 1, on peut supposer (quitte à remplacer An par A˜n construit comme dans
l’étape 1) que An vérifie (2.11), c’est-à-dire que pour tout n ∈ N :
B ∈ T, B ⊂ An ⇒ m(B) ≥ 0. (2.12)
On pose C = ∪n∈N An . On commence par montrer que m(C) ≥ m(Am ), pour tout m ∈ N.
Soit m ∈ N. On peut écrire C comme une union “disjointe” :
C = Am ∪ (∪n6=m Cn,m ),
avec Cn,m ∈ T et Cn,m ⊂ An pour tout m 6= n. En effet, il suffit pour cela de constuire par récurrence
(sur n) la suite des Cn,m en prenant pour Cn,m l’intersection de C avec An à laquelle on retranche Am
et les Cn,m précédemment construits.
P
Par σ−additivité de m, on a m(C) = m(Am ) + n6=m m(Cn,m ). puis, comme Cn,m ⊂ An , on a, par
(2.12), m(Cn,m ) ≥ 0. On en déduit m(C) ≥ m(Am ).
En faisant tendre m vers ∞, on a alors m(C) ≥ α et donc, finalement m(C) = α.
Etape 3. Construction de m+ et m− .
Pour constuire m+ et m− , on utilise un élément C de T t.q. m(C) = α = sup{m(A), A ∈ T } (l’existence
de C a été montré à l’étape 2). Pour A ∈ T , on pose :
m+ (A) = m(A ∩ C), m− (A) = −m(A ∩ C c ).
27
On a m+ (∅) = m− (∅) = 0 (car m(∅) = 0) et les applications m+ et m− sont des applications σ−additives
de T dans R (car m est σ−additive). Pour montrer que m+ et m− sont des mesures finies, il suffit de
montrer qu’elles prennent leurs valeurs dans R+ , ce que l’on montre maintenant.
Soit A ∈ T , on a, par additivité de m et grâce à la définition de α, α = m(C) = m(A ∩ C) + m(Ac ∩ C) ≤
m(A ∩ C) + α. On en déduit m(A ∩ C) ≥ 0. ce qui prouve bien que m+ (A) ∈ R+ . On a aussi, encore
une fois par additivité de m et grâce à la définition de α, α ≥ m(C) + m(A ∩ C c ) = α + m(A ∩ C c ). On
en déduit m(A ∩ C c ) ≤ 0 et donc m− (A) ∈ R+ .
Les applications m+ et m− sont des mesures finies (noter que m+ (E) = m(E∩C) < ∞ et m− (E) = m(E∩
C c ) < ∞). Elles sont étrangères car m+ (C c ) = m(C c ∩ C) = m(∅) = 0 et m− (C) = −m(C ∩ C c ) = 0.
Enfin, pour tout A ∈ T , on a, par σ−additivité de m :
m(A) = m(A ∩ C) + m(A ∩ C c ) = m+ (A) − m− (A).
Ceci termine la démonstration de l’existence de m+ et m− .
Pour montrer l’unicité de cette décomposition de m, on suppose que µ et ν sont deux mesures finies
étrangères t.q. m = µ − ν. Comme elle sont étrangères, il existe D ∈ T t.q. µ(Dc ) = ν(D) = 0. On
montre alors que, pour tout A ∈ T , on a nécessairement :
µ(A) = sup{m(B); B ∈ T, B ⊂ A}. (2.13)
En effet, si A ∈ T et B ∈ T , B ⊂ A, on a m(B) = µ(B) − ν(B) ≤ µ(B) ≤ µ(A) (par positivité de ν

et monotonie de µ). Puis, en prenant B = A ∩ D, on a m(B) = m(A ∩ D) = µ(A ∩ D) − ν(A ∩ D) =
µ(A ∩ D) = µ(A) − µ(A ∩ Dc ) = µ(A). Ceci prouve bien que (2.13) est vraie (et prouve que le sup est
atteint pour B = A ∩ D). L’égalité (2.13) donne donc de manière unique µ en fonction de m. L’unicité
de ν découle alors du fait que ν = µ − m.
P
Remarque 2.7 Une conséquence de la proposition 2.6 est que la série n∈N m(An ) apparaissant dans
(2.10)
Pn est absolument Pnconvergente car P(pour toute famille (An )n∈N ⊂ T t.q. An ∩ Am = ∅, si n 6= m) on
n
a p=0 |m(Ap )| ≤ p=0 m+ (Ap ) + p=0 m− (Ap ) ≤ m+ (E) + m− (E) < ∞.
P
En fait, la définition 2.17 donne directement que la série n∈N m(An ) apparaissant dans (2.10) est
commutativement convergente (c’est-à-dire qu’elle est convergente, dans R, quel que soit l’ordre dans
lequel on prend les termes de la série et la somme de la série ne dépend pas de l’ordre dans lequel les
termes ont été pris). Elle est donc absolument convergente (voir l’exercice 2.29). Nous verrons plus loin
que cette équivalence entre les séries absolument convergentes et les séries commutativement convergentes
est fausse pour des séries à valeurs dans un espace de Banach de dimension infinie.
2.5 La mesure de Lebesgue sur la tribu des boréliens

Il serait bien agréable, pour la suite du cours, de montrer l’existence d’une application λ, définie sur tout
P(R) et à valeurs dans R+ , t.q. l’image par λ d’un intervalle de R soit la longueur de cet intervalle, et qui
vérifie les propriétés (1.9) et (1.10). Malheureusement, on peut montrer qu’une telle application n’existe
pas (voir les exercices 2.24 et 2.23). Le théorème suivant donne l’existence d’une telle application définie
seulement sur la tribu des boréliens de R, notée B(R) (l’exercice 2.24 donne alors que B(R) 6= P(R)).
Cette application s’appelle la mesure de Lebesgue.
28
Théorème 2.2 (Carathéodory) Il existe une et une seule mesure sur B(R), notée λ et appelée mesure
de Lebesgue sur les boréliens, t.q. λ(]α, β[) = β − α, pour tout (α, β) ∈ R2 t.q. −∞ < α < β < +∞.
Il y a plusieurs démonstrations possibles de ce théorème. Pour la partie “existence” de ce théorème, nous

donnons dans cette section une démonstration due à Carathéodory. Soit A ⊂ R. On définit λ? (A) par :
n
X
λ? (A) = inf `(Ai ),
(Ai )i∈N ∈EA
i=1
où EA est l’ensemble des familles dénombrables d’intervalles ouverts dont l’union contient A, et `(Ai )
représente la longueur de l’intervalle Ai . On peut montrer (voir l’exercice 2.23) que l’application λ? ainsi
définie de P(R) dans R+ n’est pas σ- additive (ce n’est donc pas une mesure).
On montre par contre dans cette section que la restriction de λ? à B(R) est une mesure, qu’on note λ,
mesure de Lebesgue. L’existence de la mesure de Lebesgue peut aussi être démontrée en utilisant un
théorème plus général (de F. Riesz) que nous verrons dans un chapitre ultérieur.
Après la définition de λ? et la démonstration de propriétés de λ? , on donne la démonstration de la

partie “existence” du théorème de Carathéodory (voir page 32). La partie “unicité” du théorème de
Carathéodory (voir page 35) peut être démontrée en utilisant le théorème de “régularité” sur les mesures
sur B(R) (Théorème 2.3, très utille dans la suite du cours) et d’un lemme classique sur les ouverts
de R (lemme 2.4). Cette partie “unicité” peut aussi être démontrée, plus directement, en utilisant la
proposition 2.5.
Définition 2.18 (Définition de λ? ) Soit A ∈ P(R). On pose λ? (A) = inf{ n∈N `(In ); (In )n∈N ∈
P
EA }, avec EA = {(In )n∈N ; In =]an , bn [, −∞ < an ≤ bn < ∞, ∀n ∈ N, A ⊂ ∪n∈N In } et `(I) = b − a si
I =]a, b[, −∞ < a ≤ b < ∞.
Proposition 2.7 (Propriétés de λ? ) L’application λ? : P(R) → R+ (définie dans la définition 2.18)

vérifie les propriétés suivantes :
1. λ? (∅) = 0,
2. (Monotonie) λ? (A) ≤ λ? (B), pour tout A, B ∈ P(R), A ⊂ B,
3. (σ−sous additivité) Soit (An )n∈N ⊂ P(R) et A = ∪n∈N An , alors λ? (A) ≤ λ? (An ),
P
n∈N
4. λ? (]a, b[) = b − a pour tout (α, β) ∈ R2 t.q. −∞ < α < β < +∞.
Démonstration :
On remarque tout d’abord que λ? (A) ∈ R+ pour tout A ∈ P(R) (car λ? (A) est la borne inférieure d’une
partie de R+ ).
Propriété 1. Pour montrer quePλ? (∅) = 0, il suffit de remarquer que (In )n∈N ∈ E∅ avec In = ∅ pour
?
tout n ∈ N, et donc 0 ≤ λ (∅) ≤ n∈N `(In ) = 0.
Propriété 2. Soit A, B ∈ P(R) t.q. A ⊂ B. On a EB ⊂ EA et donc λ? (A) ≤ λ? (B).
Propriété 3. Soit (An )n∈N ⊂ P(R) et A = ∪n∈N An . Il suffit de considérer le cas où λ? (An ) < ∞ pour
tout n ∈ N (sinon, l’inégalité est immédiate).
Soit ε > 0. Pour tout n ∈ N, il existe (In,m )m∈N ∈ EAn t.q. m∈N `(In,m ) ≤ λ? (An ) + ε/(2n ).
P
29
On remarque alors que (In,m )(n,m)∈N2 est un recouvrement de A par des intervalles ouverts et donc que :
X
λ? (A) ≤ `(In,m ).
(n,m)∈N2
Noter que (n,m)∈N2 `(In,m ) = n∈N `(Iϕ(n) ), où ϕ est une bijection de N dans N2 (cette somme ne
P P
dépend pas de la bijection choisie, voir le lemme 2.2 page 21).Avec le lemme 2.3 ci dessous, on en déduit :
X X X
λ? (A) ≤ ( `(In,m )) ≤ λ? (An ) + 2ε,
n∈N m∈N n∈N
ce qui donne bien, quand ε → 0, λ? (A) ≤ λ? (An ).

P
n∈N
Propriété 4. Pour montrer la quatrième propriété. On commence par montrer :
λ? ([a, b]) = b − a, ∀a, b ∈ R, a < b. (2.14)

Soit donc a, b ∈ R, a < b.
Comme [a, b] ⊂]a − ε, b + ε[, pour tout ε > 0, on a λ? ([a, b]) ≤ b − a + 2ε. On en déduit λ? ([a, b]) ≤ b − a.
Pour démontrer l’inégalité inverse, soit (In )n∈N ∈ E[a,b] . Par compacité de [a, b], il existe n ∈ N t.q.
[a, b] ⊂ ∪np=0 Ip . On peut alors construire (par récurrence) i0 , i1 , . . . , iqP∈ {0, . . . , n} t.q.P ai0 < a,
q
aip+1 < bip pour tout p ∈ {0, . . . , q − 1}, b < biq . On en déduit que b − a < p=0 bip − aip ≤ n∈N `(In )
?
et donc b − a ≤ λ ([a, b]). Ceci donne bien (2.14).
En remarquant que [a + ε, b − ε] ⊂]a, b[⊂ [a, b] pour tout a, b ∈ R, a < b, et 0 < ε < (b − a)/2, la
monotonie de λ? donne (avec (2.14)) que λ? (]a, b[) = b − a pour tout a, b ∈ R, a < b. La monotonie de
λ? donne alors aussi que λ? ([a, b[) = λ? (]a, b]) = λ? (]a, b[) = b − a pour tout a, b ∈ R, a < b, et enfin que
λ? (] − ∞, a]) = λ? (] − ∞, a[) = λ? (]a, ∞]) = λ? ([a, ∞]) = ∞ pour tout a ∈ R.
Lemme 2.3 (Double série à termes positifs) Soit (an,m )(n,m)∈N2 ⊂ R+ . Alors on a :
X X X
an,m = ( an,m ).
(n,m)∈N2 n∈N m∈N
P P P
Démonstration : On pose A = (n,m)∈N2 an,m et B = n∈N ( m∈N an,m ). Soit ϕ une bijection de N
dans N2 . On rappelle que (n,m)∈N2 an,m = p∈N aϕ(p) .
P P
Pour tout i, j ∈ N, il existe n ∈ N t.q. {0, . . . , i} × {0, . . . j} ⊂ {ϕ(0), . . . , ϕ(n)}. Comme an,m ≥ 0 pour
Pn Pi Pj
tout (n, m), on en déduit que A ≥ p=0 aϕ(p) ≥ n=0 ( m=0 an,m ) et donc, en faisant tendre j puis i
vers ∞, que A ≥ B. Un raisonnement similaire donne que B ≥ A et donc A = B.
On introduit maintenant la tribu de Lebesgue, sur laquelle on montrera que λ? est une mesure.
Définition 2.19 (Tribu de Lebesgue) On pose L = {E ∈ P(R) t.q. λ? (A) = λ? (A ∩ E) + λ? (A ∩ E c )

pour tout A ∈ P(R)}. On rappelle que λ? est définie dans la définition 2.18 (et que E c = R \ E). Cet
ensemble de parties de R noté L s’appelle “tribu de Lebesgue” (on montre dans la proposition 2.8 que L
est bien une tribu).
30
Remarque 2.8 On peut avoir une première idée de l’intérêt de la définition 2.19 en remarquant qu’elle
donne immédiatement l’additivité de λ? sur L. En effet, soit E1 , E2 ⊂ R t.q. E1 ∩ E2 = ∅ et soit A ⊂ R.
On suppose que E1 ∈ L et on utilise la définition de L avec A ∩ (E1 ∪ E2 ), on obtient λ? (A ∩ (E1 ∪ E2 )) =
λ? (A ∩ (E1 ∪ E2 ) ∩ E1 ) + λ? (A ∩ (E1 ∪ E2 ) ∩ E1c ) = λ? (A ∩ E1 ) + λ? (A ∩ E2 ) (car E1 ∩ E2 = ∅).
Pn
Par récurrence sur n, on a donc aussi λ? (A ∩ (∪ni=1 Ei )) = i=1 λ? (A ∩ Ei ), dès que E1 , . . . , En−1 ∈ L,
A, En ⊂ R et Ei ∩ Ej = ∅ si i 6= j, i, j ∈ {1, . . . , n}.
En particulier, en prenant A = R, on obtient l’additivité de λ? sur L, c’est-à-dire
n
X
?
λ (∪ni=1 Ei ) = λ? (Ei ),
i=1
si E1 , . . . , En−1 ∈ L et Ei ∩ Ej = ∅ si i 6= j, i, j ∈ {1, . . . , n}.
Remarque 2.9 Pour tout E, A ∈ P(R), on a, par σ−sous additivité de λ? , λ? (A) ≤ λ? (A ∩ E) +

λ? (A ∩ E c ). Pour montrer que E ∈ L (définie dans la définition 2.19), il suffit donc de montrer que
λ? (A) ≥ λ? (A ∩ E) + λ? (A ∩ E c ), pour tout A ∈ P(R).
Proposition 2.8 (Propriétés de L) L est une tribu sur R et λ?|L est une mesure. L et λ? sont définies
dans les définitions 2.18 et 2.19.
Démonstration :
Il est immédiat que ∅ ∈ L et que L est stable par “passage au complémentaire”. On sait aussi que
λ? (∅) = 0. Il reste donc à démontrer que L est stable par union dénombrable et que la restriction de λ?
à L est une mesure. Ceci se fait en deux étapes décrites ci-après.
Etape 1. On montre, dans cette étape, que L est stable par union finie et que, si n ≥ 2 et (Ei )i=1,...,n ⊂ L
est t.q. Ei ∩ Ej = ∅ si i 6= j, alors on a :
n
X
λ? (A ∩ (∪ni=1 Ei )) = λ? (A ∩ Ei ), ∀A ∈ P(R). (2.15)
i=1
(Cette dernière propriété donne l’additivité de λ? sur L en prenant A = R, cette propriété d’additivité a
déjà été signalée dans la remarque 2.8.)
Par une récurrence facile, il suffit de montrer que E1 ∪ E2 ∈ L si E1 , E2 ∈ L et de montrer la propriété
(2.15) pour n = 2. Soit donc E1 , E2 ∈ L. On pose E = E1 ∪ E2 . Pour montrer que E ∈ L, il suffit de
montrer (voir la remarque 2.9) que λ? (A) ≥ λ? (A ∩ E) + λ? (A ∩ E c ), pour tout A ∈ P(R). Soit A ∈ P(R).
Par σ−sous additivité de λ? on a
λ? (A ∩ (E1 ∪ E2 )) = λ? ((A ∩ E1 ) ∪ (A ∩ E1c ∩ E2 )) ≤ λ? (A ∩ E1 ) + λ? (A ∩ E1c ∩ E2 ),
et donc
λ? (A ∩ (E1 ∪ E2 )) + λ? (A ∩ (E1 ∪ E2 )c ) ≤ λ? (A ∩ E1 ) + λ? (A ∩ E1c ∩ E2 ) + λ? (A ∩ E1c ∩ E2c ).
Comme E2 ∈ L, on a λ? (A ∩ E1c ) = λ? (A ∩ E1c ∩ E2 ) + λ? (A ∩ E1c ∩ E2c ). Puis, comme E1 ∈ L, on a

λ? (A) = λ? (A ∩ E1 ) + λ? (A ∩ E1c ). On en déduit
λ? (A ∩ (E1 ∪ E2 )) + λ? (A ∩ (E1 ∪ E2 )c ) ≤ λ? (A).
Ce qui prouve que E ∈ L.
31
Pour montrer (2.15) avec n = 2 si E1 , E2 ∈ L avec E1 ∩ E2 = ∅, il suffit de remarquer que (pour tout
A ∈ P(R)) λ? (A ∩ (E1 ∪ E2 )) = λ? ((A ∩ E1 ) ∪ (A ∩ E2 )) = λ? ([(A ∩ E1 ) ∪ (A ∩ E2 )] ∩ E1 ) + λ? ([(A ∩ E1 ) ∪
(A ∩ E2 )] ∩ E1c ) = λ? (A ∩ E1 ) + λ? (A ∩ E2 ). (On a utilisé le fait que E1 ∈ L.) Ceci termine l’étape 1.
Une conséquence de cette étape (et du fait que L est stable par passage au complémentaire) est que L
est stable par intersection finie.
Etape 2. On montre, dans cette étape, que L est stable par union dénombrable et la restriction de λ? à
L est une mesure (ce qui termine la démonstration de la proposition 2.8).
Soit (En )n∈N ⊂ L et E = ∪n∈N En . On veut montrer que E ∈ L. On commence par remarquer que
E = ∪n∈N Fn avec F0 = E0 et, par récurrence, pour n ≥ 1, Fn = En \ ∪n−1
p=0 Fp . L’étape 1 nous donne que
(Fn )n∈N ⊂ L et, comme Fn ∩ Fm = ∅ si n 6= m, on peut utiliser (2.15). Pour tout A ∈ P(R), on a donc :
n
X
λ? (A) = λ? (A ∩ (∪np=0 Fp )) + λ? (A ∩ (∪np=0 Fp )c ) = λ? (A ∩ Fp ) + λ? (A ∩ (∪np=0 Fp )c ). (2.16)
p=0
En utilisant le fait que E c ⊂ (∪np=0 Fp )c et la monotonie de λ? , on a λ? (A ∩ (∪np=0 Fp )c ) ≥ λ? (A ∩ E c ).

En faisant tendre n vers ∞ dans (2.16) et en utilisant la σ−sous additivité de λ? , on en déduit alors que
λ? (A) ≥ λ? (A ∩ E) + λ? (A ∩ E c ). Ce qui prouve que E ∈ L (voir remarque 2.9) et donc que L est une
tribu.
Il reste à montrer que λ? est une mesure sur L. Soit (En )n∈N ⊂ L t.q. Ei ∩Ej = ∅ si i 6= j et E = ∪n∈N En .
Par monotonie de λ? on a, pour tout n ∈ N, λ? (∪np=0 Ep )P≤ λ? (E) et donc, en utilisant l’additivité de λ?
n
sur L (démontrée à l’étape 1, voir (2.15) avec A = E), p=0 λ? (Ep ) ≤ λ? (E). Ce qui donne, passant à
P∞ ? P∞
limite quand n → ∞, p=0 λ (Ep ) ≤ λ? (E). D’autre part, λ? (E) ≤ p=0 λ? (Ep ), par σ−sous additivité
∞
de λ? . On a donc λ? (E) = p=0 λ? (Ep ). Ce qui prouve que λ?|L est une mesure.
P
Démonstration de la partie “existence” du théorème 2.2 :

Pour montrer la partie “existence” du théorème 2.2, il suffit, grâce aux propositions 2.7 et 2.8, de montrer
que L (définie dans la définition 2.19) contient B(R). Pour cela, il suffit de montrer que ]a, ∞[⊂ L pour
tout a ∈ R (car {]a, ∞[, a ∈ R} engendre B(R)). Soit donc a ∈ R et E =]a, ∞[. Pour tout A ∈ P(R), on
veut montrer que λ? (A) ≥ λ? (A ∩ E) + λ? (A ∩ E c ). On peut supposer que λ? (A) < ∞ (sinon l’inégalité
est immédiate).
Soit ε > 0. Par la définition de λ? (A), il existe (In )n∈N ∈ EA t.q. λ? (A) ≥ n∈N `(In ) − ε. Comme
P
A ∩ E ⊂ (∪n∈N (In ∩ E)) et A ∩ E c ⊂ (∪n∈N (In ∩ E c )), la σ−sous additivité de λ? donne
X X
λ? (A ∩ E) ≤ λ? (In ∩ E) et λ? (A ∩ E c ) ≤ λ? (In ∩ E c ).
n∈N n∈N
Comme In ∩ E et In ∩ E c sont des intervalles, la fin de la démonstration de la proposition 2.7 donne

λ? (In ∩E) = `(I ? c c ? ? c
P
n ∩E) et λ (In ∩E ) = `(In ∩E ). On en déduit λ (A∩E)+λ (A∩E ) ≤ n∈N (`(In ∩E)+
`(In ∩ E c )) = n∈N `(In ) (car `(In ∩ E) + `(In ∩ E c ) = `(In )) et donc λ? (A ∩ E) + λ? (A ∩ E c ) ≤ λ? (A) + ε.
P
Quand ε → 0 on trouve l’inégalité recherchée. On a bien montré que E ∈ L.
On va maintenant démontrer un théorème important dont on peut déduire, en particulier, la partie

“unicité” du théorème 2.2.
Théorème 2.3 (Régularité d’une mesure sur B(R), finie sur les compacts)
32
Soit m une mesure sur B(R). On suppose que m est finie sur les compacts, c’est à dire que m(K) < ∞ pour
tout compact K de R (noter qu’un compact est nécessairement dans B(R)). Alors, pour tout A ∈ B(R)
et tout ε > 0, il existe un ouvert O et un fermé F t.q. F ⊂ A ⊂ O et m(O \ F ) ≤ ε. En particulier, on a
donc, pour tout A ∈ B(R), m(A) = inf{m(O), O ouvert contenant A} et m(A) = sup{m(K), K compact
inclus dans A}.
Démonstration :
On appelle T l’ensemble des A ∈ B(R) t.q. pour tout ε > 0, il existe O ouvert et F fermé vérifiant
F ⊂ A ⊂ O et m(O\F ) ≤ ε. On va montrer que T est une tribu contenant C = {]a, b[, −∞ < a < b < ∞}.
Comme C engendre B(R), ceci donnera T = B(R).
On montre tout d’abord que C ⊂ T . Soit −∞ < a < b < ∞ et A =]a, b[.
Pour tout n ≥ n0 avec n0 t.q. (2/n0 ) < b − a on a :
[a + (1/n), b − (1/n)] ⊂ A ⊂]a, b[.
Pour n ≥ n0 , on pose Bn =]a, a + (1/n)[∪]b − (1/n), b[). La suite (Bn )n≥n0 est une suite décroissante
et ∩n≥n0 Bn = ∅. Comme m est finie sur les compacts, on a m(Bn ) ≤ m([a, b]) < ∞. En utilisant la
continuité décroissante de m (proposition 2.3), on a donc :
m(]a, b[\[a + (1/n), b − (1/n)]) = m(]a, a + (1/n)[∪]b − (1/n), b[) = m(Bn ) → 0 quand n → ∞.
Soit maintenant ε > 0 en prenant n assez grand on a m(Bn ) ≤ ε. En prenant O = A et F = [a +

(1/n), b − (1/n)], on a bien O ouvert, F fermé, F ⊂ A ⊂ O et m(O \ F ) ≤ ε. Ceci prouve que ]a, b[∈ T .
On montre maintenant que T est une tribu. On remarque tout d’abord que ∅ ∈ T (il suffit de prendre
F = O = ∅) et que T est stable par passage au complémentaire (car, si F ⊂ A ⊂ O, on a Oc ⊂ Ac ⊂ F c
et F c \ Oc = O \ F ). Il reste à montrer que T est stable par union dénombrable.
Soit (An )n∈N ⊂ T et A = ∪n∈N An . On veut montrer que A ∈ T . On va commencer par traiter le cas
(simple) où m(A) < ∞ puis le cas (plus difficile) où m(A) = ∞.
Premier cas. On suppose que m(A) < ∞.
Soit ε > 0. Pour tout n ∈ N, il existe On ouvert et Fn fermé t.q. Fn ⊂ An ⊂ On et m(On \ Fn ) ≤ (ε/2n ).
On pose O = ∪n∈N On et F̃ = ∪n∈N Fn . On a F̃ ⊂ A ⊂ O, m(O \ F̃ ) ≤ 2ε, car (O \ F̃ ) ⊂ ∪n∈N (On \ Fn ),
et O ouvert mais F̃ n’est pas nécessairement fermé. . .
Cependant, puisque m(A) < ∞, on a aussi m(F̃ ) < ∞. Par continuité croissante de m (appliquée à la suite
(∪np=0 Fp )n∈N ) on a m(∪np=0 Fp ) → m(F̃ ), quand n → ∞, d’où (puisque m(F̃ ) < ∞) m(F̃ )−m(∪np=0 Fp ) →
0. On prend alors F = ∪N p=0 Fp avec N assez grand pour que m(F̃ \ F ) = m(F̃ ) − m(F ) ≤ ε. On a
bien F ⊂ A ⊂ O, O ouvert, F fermé et, comme (O \ F ) = (O \ F̃ ) ∪ (F̃ \ F ), on a m(O \ F ) =
m(O \ F̃ ) + m(F̃ \ F ) ≤ 3ε. Ceci prouve que A ∈ T .
Deuxième cas. On suppose maintenant que m(A) = ∞ (et le raisonnement précédent n’est plus correct
si m(F̃ ) = ∞). On raisonne en 3 étapes :
1. Soit p ∈ Z. On remarque d’abord que An ∩ [p, p + 1[∈ T pour tout n ∈ N. En effet, soit n ∈ N et
ε > 0. Il existe O ouvert et F fermé t.q. F ⊂ An ⊂ O et m(O \ F ) ≤ ε. Pour k ∈ N? , on a donc :
1 1
Fk = F ∩ [p, p + 1 − ] ⊂ An ∩ [p, p + 1[⊂ Ok = O∩]p − , p + 1[.
k k
33
On a Fk fermé, Ok ouvert et (Ok \ Fk ) ⊂ (O \ F )∪]p − k1 , p[∪]p + 1 − k1 , p + 1[. On en déduit :
1 1
m(Ok \ Fk ) ≤ ε + m(]p − , p[∪]p + 1 − , p + 1[).
k k
Or, la continuité décroissante de m donne que m((]p − k1 , p[∪]p + 1 − k1 , p + 1[) → 0 quand k → ∞
(on utilise ici le fait que m([p − 1, p + 1]) < ∞ car m est finie sur les compacts). Il existe donc
k ∈ N? t.q. m(Ok \ Fk ) ≤ 2ε, ce qui donne bien que An ∩ [p, p + 1[∈ T .
2. Comme m(A ∩ [p, p + 1[) < ∞, on peut maintenant utiliser le premier cas avec A ∩ [p, p + 1[=
∪n∈N (An ∩ [p, p + 1[). Il donne que A ∩ [p, p + 1[∈ T pour tout p ∈ Z.
3. On montre enfin que A ∈ T . Soit ε > 0. Pour tout p ∈ Z, il existe un ouvert Op et un fermé Gp
t.q. Gp ⊂ A ∩ [p, p + 1[⊂ Op et m(Op \ Gp ) ≤ ε/(2|p| ). On prend O = ∪p∈Z Op et F = ∪p∈Z Gp . On
obtient F ⊂ A ⊂ O, m(O \ F ) ≤ 3ε et O est ouvert. Il reste à montrer que F est fermé.
Soit (xn )n∈N ⊂ F t.q. xn → x (dans R) quand n → ∞. On veut montrer que x ∈ F . Il existe
p ∈ Z t.q. x ∈]p − 1, p + 1[. Il existe donc n0 ∈ N t.q. xn ∈]p − 1, p + 1[ pour tout n ≥ n0 . Comme
xn ∈ ∪q∈Z Gq et que Gq ⊂ [q, q + 1[ pour tout q, on a donc xn ∈ Gp ∪ Gp−1 pour tout n ≥ n0 .
Comme Gp ∪ Gp−1 est fermé, on en déduit que x ∈ Gp ∪ Gp−1 ⊂ F et donc que F est fermé.
Ceci montre bien que A ∈ T et termine la démonstration du fait que T est une tribu. Comme cela
a déjà été dit, on en déduit que T = B(R).
On a donc bien montré que pour tout A ∈ B(R) et pour tout ε > 0, il existe O ouvert et F fermé vérifiant
F ⊂ A ⊂ O et m(O \ F ) ≤ ε.
On montre maintenant que m(A) = inf{m(O), O ouvert contenant A} pour tout A ∈ B(R). Soit
A ∈ B(R). On remarque d’abord que la monotonie d’une mesure donne m(A) ≤ inf{m(O), O ouvert
contenant A}. Puis, l’inégalité inverse est immédiate si m(A) = ∞. Enfin, si m(A) < ∞, pour tout ε > 0
il existe O ouvert et F fermé vérifiant F ⊂ A ⊂ O et m(O \ F ) ≤ ε. On a donc O \ A ⊂ O \ F et donc (par
monotonie de m) m(O \ A) ≤ ε et m(O) = m(A) + m(O \ A) ≤ m(A) + ε. On a donc trouvé un ouvert
O contenant A t.q. m(O) − ε ≤ m(A). On en déduit que inf{m(O), O ouvert contenant A} ≤ m(A) et
finalement que m(A) = inf{m(O), O ouvert contenant A}.
De manière semblable, on montre aussi que m(A) = sup{m(K), K compact inclus dans A} pour tout
A ∈ B(R). En effet, soit A ∈ B(R). Ici aussi, on commence par remarquer que la monotonie d’une mesure
donne m(A) ≥ sup{m(K), K compact inclus dans A}. On montre maintenant l’inégalité inverse. Soit
ε > 0. Il existe F fermé t.q. F ⊂ A et m(A \ F ) ≤ ε. Si m(A) = ∞, on en déduit que m(F ) = ∞ et donc
que m(Kn ) ↑ ∞ quand n → ∞ (par continuité croissante de m) avec Kn = F ∩ [−n, n]. Comme Kn est
compact pour tout n ∈ N, on a donc sup{m(K), K compact inclus dans A} = ∞ = m(A). Si m(A) < ∞,
on a m(A) ≥ m(F ) ≥ m(A) − ε et donc, pour n assez grand, m(Kn ) ≥ m(F ) − ε ≥ m(A) − 2ε (toujours
par continuité croissante de m) avec Kn = F ∩ [−n, n]. Comme Kn est compact pour tout n ∈ N et que
ε est arbitraire, on en déduit que sup{m(K), K compact inclus dans A} ≥ m(A) et donc, finalement,
m(A) = sup{m(K), K compact inclus dans A}.
Pour démontrer la partie “unicité” du théorème 2.2 avec le théorème 2.3 on aura aussi besoin du petit
lemme suivant (plus précis que le lemme 2.1 car dans le lemme 2.1 il n’est pas demandé que les ouverts
soient disjoints).
34
Lemme 2.4 (Ouverts de R) Soit O un ouvert de R, alors O est une union dénombrable d’intervalles
ouverts disjoints 2 à 2, c’est à dire qu’il existe (In )n∈N t.q. In est un intervalle ouvert de R pour tout
n ∈ N, In ∩ Im = ∅ si n 6= m et O = ∪n∈N In .
Démonstration :
Pour x ∈ O on pose Ox = {y ∈ O; I(x, y) ⊂ O}, avec I(x, y) = {tx + (1 − t)y, t ∈ [0, 1]} (on a donc
I(x, y) = [x, y] ou [y, x]). On remarque que O = ∪x∈O Ox et que Ox est, pour tout x ∈ O, un intervalle
ouvert (c’est l’intervalle ] inf Ox , sup Ox [, avec inf Ox , sup Ox ∈ R). Il est aussi facile de voir que, pour
tout x, y ∈ O, Ox ∩ Oy 6= ∅ implique que Ox = Oy . On peut trouver A ⊂ O t.q. O = ∪x∈A Ox et
Ox ∩ Oy = ∅ si x, y ∈ A, x 6= y. Comme Ox 6= ∅ pour tout x ∈ A, on peut donc construire une application
de A dans Q en choisissant pour chaque x ∈ A un rationnel de Ox (ce qui est possible car tout ouvert
non vide de R contient un rationnel). Cette application est injective car Ox ∩ Oy = ∅ si x, y ∈ A, x 6= y.
l’ensemble A est donc au plus dénombrable, ce qui termine la démonstration du lemme.
Remarque 2.10 Dans la démonstration du lemme 2.4, Ox est la “composante connexe” de x. Le lemme
2.4 consiste donc à remarquer qu’un ouvert est réunion de ses composantes connexes, que celles ci sont
disjointes deux à deux et sont des ouverts connexes et donc des intervalles ouverts (car un connexe dans
R est nécessairement un intervalle).
Démonstration de la partie “unicité” du théorème 2.2 :

On a construit une mesure, notée λ, sur B(R) t.q. λ(]a, b[) = b − a pour tout a, b ∈ R, a < b. Supposons
que m soit aussi une mesure sur B(R) t.q. m(]a, b[) = b − a pour tout a, b ∈ R, a < b. On veut montrer
que λ = m (sur tout B(R)). Nous le montrons ici avec deux méthodes différentes, utilisant le théorème 2.3
ou la proposition 2.5.
Première méthode, avec le théorème 2.3. En utilisant le fait que tout ouvert est réunion dénom-
brable d’intervalles ouverts disjoints deux à deux (lemme 2.4) et les propriétés de σ−additivité de λ et
de m, on montre que λ(O) = m(O) pour tout ouvert O de R. Puis, en utilisant la dernière assertion du
théorème de régularité (qui s’applique pour m et pour λ, car m et λ sont des mesures sur B(R), finies sur
les compacts), on obtient λ(A) = m(A) pour tout A ∈ B(R), i.e. m = λ.
Deuxième méthode, avec la proposition 2.5. On utilise la proposition 2.5 avec (E, T ) = (R, B(R))
et C = {]a, b], a, b ∈ R, a ≤ b}. On sait que C engendre B(R), et il est clair que C est stable par
intersection finie. On prend maintenant Fn =]n, n + 1] pour n ∈ Z. La famille (Fn )n∈Z est donc une
famille dénombrable d’éléments de C, disjoints deux à deux et t.q. R = ∪n∈Z Fn . Pour a, b ∈ R, a ≤ b, on
a, par continuité décroissante de m, m(]a, b] = limp→∞ m(]a, b + p1 [= limp→∞ b − a + p1 = b − a = λ(]a, b]).
On a donc m = λ sur C (et m(Fn ) < ∞ pour tout n ∈ Z). On peut donc appliquer la proposition 2.5.
Elle donne λ = m sur B(R).
Remarque 2.11 Nous avons vu que la mesure de Lebesgue, notée λ, était régulière. Ceci ne donne pas,
pour A ∈ B(R), l’égalité de la mesure de A avec la mesure de son intérieur ou de son adhérence. Il suffit,
pour s’en convaincre, de prendre, par exemple, A = Q. On a alors λ(A) = 0 (voir la remarque 2.13) et
λ(A) = ∞.
Remarque 2.12 Nous avons donc, dans cette section, construit une application, notée λ? , de P(R) dans
R+ . Cette application n’est pas une mesure mais nous avons montré que la restriction de λ? à la tribu
de Lebesgue, notée L, était une mesure. Puis, nous avons démontré que B(R) ⊂ L et obtenu ainsi,
35
en prenant la restriction de λ? à B(R) la mesure que nous cherchions. On peut se demander toutefois
quelle est la différence entre L et B(R). Du point de vue des cardinaux, cette différence est considérable
car card(L) = card(P(R)) alors que card(B(R)) = card(R) mais du point de vue de l’intégration, la
différence est dérisoire, comme nous pourrons le voir avec l’exercice 4.18 (plus complet que l’exercice
2.28) car l’espace mesuré (R, L, λ|L ) est simplement le complété de (R, B(R), λ|B(R) ).
On donne maintenant une propriété, spécifique à la mesure de Lebesgue, qui est à la base de toutes les
formules de changement de variables pour l’intégrale de Lebesgue.
Proposition 2.9 (Invariance par translation “généralisée”) Soit α ∈ R? et β ∈ R. Pour A ∈

P(R), on note αA + β = {αx + β, x ∈ A}. On a alors :
1. A ∈ B(R) implique αA + β ∈ B(R),

2. λ(αA + β) = |α|λ(A) pour tout A ∈ B(R).
Pour α = 1, cette propriété s’appelle “invariance par translation de λ”.
Démonstration :
Pour la première partie de la proposition, on pose T = {A ∈ B(R); αA+β ∈ B(R)}. On montre facilement
que T est une tribu contenant les intervalles ouverts, on en déduit que T = B(R).
Pour la deuxième partie, on pose, pour tout A ∈ B(R), m1 (A) = λ(αA + β) et m2 (A) = |α|λ(A). Il est
facile de voir que m1 et m2 sont des mesures sur B(R), finies sur les bornés, et qu’elles sont égales sur
l’ensemble des intervalles ouverts. On raisonne alors comme dans la démonstration de la partie “unicité”
du théorème 2.2, en utilisant le théorème 2.3 ou la proposition 2.5. Par exemple, en utilisant le lemme
2.4 et les propriétés de σ−additivité de m1 et de m2 , on montre que m1 (O) = m2 (O) pour tout ouvert
O de R. Puis, en utilisant la dernière assertion du théorème de régularité (qui s’applique pour m1 et
pour m2 ), on obtient m1 (A) = m2 (A) pour tout A ∈ B(R). On a donc λ(αA + β) = |α|λ(A) pour tout
A ∈ B(R).
Remarque 2.13 La mesure de Lebesgue est diffuse (c’est-à-dire que λ({x}) = 0 pour tout x ∈ R). Donc,
si D est une partie dénombrable de R, on a λ(D) = 0. Ainsi, λ(N) = λ(Z) = λ(Q) = 0. La réciproque est
fausse. On construit par exemple un ensemble (dit “ensemble de Cantor”, K, qui est une partie compacte
non dénombrable de [0,1], vérifiant λ(K) = 0, voir exercice 2.27).
Définition 2.20 (Mesure de Lebesgue sur un borélien de R) Soit I un intervalle de R (ou, plus
généralement, I ∈ B(R)) et T = {B ∈ B(R); B ⊂ I} (on peut montrer que T = B(I), où I est muni de
la topologie induite par celle de R, voir l’exercice 2.3 page 41). Il est facile de voir que T est une tribu
sur I et que la restriction de λ (définie dans le théorème 2.2) à T est une mesure sur T , donc sur les
boréliens de I (voir 2.15 page 44). On note toujours par λ cette mesure.
2.6 Indépendance et probabilité conditionnelle

2.6.1 Probabilité conditionnelle
Commençons par expliquer la notion de probabilité conditionnelle sur l’exemple du lancer de dé. On se
place dans le modèle équiprobable: soient E = {1, 2, 3, 4, 5, 6}, T = P(E) et p la probabilité définie par
36
p({x}) = 16 , ∀x ∈ E. La probabilité de l’événement A “obtenir 6” est 16 . Supposons maintenant que
l’on veuille évaluer la chance d’obtenir un 6, alors que l’on sait déjà que le résultat est pair (événement
1
B = {2, 4, 6}). Intuitivement, on a envie de dire que la “chance” d’obtenir un 6 est alors cardB = 13 .
Définition 2.21 (Probabilité conditionnelle) Soient (E, T, p) un espace probabilisé et A, B ∈ T .

Si p(B) 6= 0, la probabilité conditionnelle de A par rapport à B (on dit aussi probabilité de A par rapport
à B), notée p(A|B), est définie par p(A|B) = p(A∩B)
p(B) .
Si p(B) = 0, la probabilité conditionnelle de A par rapport à B, notée p(A|B), n’est pas définie. C’est un
nombre arbitraire entre 0 et 1.
De cette définition on déduit la formule de Bayes: soient (E, T, p) un espace probabilisé et A, B ∈ T ,

alors:
p(B)p(A|B) = p(A ∩ B) (2.17)
Remarque 2.14 Soient (E, T, p) un espace probabilisé et A un événement tel que p(A) 6= 0. Alors
l’application pA : T → [0, 1] définie par:
p(A ∩ B)
pA (B) = p(B|A) = , ∀B ∈ T (2.18)
p(A)
est une probabilité sur T . On dit que “la masse de pA est concentrée en A” : on a en effet : pA (B) = 0,
pour tout B ∈ T t.q. A ∩ B = ∅. On a aussi pA (A) = 1.
Définition 2.22 Soit (E, T, p) un espace probabilisé, on appelle système de constituants une famille
(Cn )n∈N ⊂ T d’ensembles disjoints deux à deux t.q. ∪n∈N Cn = E.
On a comme corollaire immédiat de la relation 2.17:

Proposition 2.10 Soient (E, T, p) un espace probabilisé, (Cn )n∈N ⊂ T un système de constituants de
probabilités non nulles et A ∈ T , alors:
X
p(A) = p(Cn )p(A|Cn ). (2.19)
n∈N
Dans le cas où p(B) = p(B|A), on a envie de dire que A n’influe en rien sur B ; on a dans ce cas:
p(A)p(B) = p(A ∩ B).
2.6.2 Evènements indépendants, tribus indépendantes

Définition 2.23 (Indépendance de deux évènements) Soient (E, T, p) on dit que deux événements
A et B sont (stochastiquement) indépendants si p(A)p(B) = p(A ∩ B).
Remarque 2.15 Attention: il est clair que, lors de la modélisation d’un phénomène aléatoire, si on a des
évènements indépendants a priori, i.e. tels que la réalisation de l’un n’a aucune influence sur la réalisation
de l’autre, on choisira, pour le modèle probabiliste, une probabilité qui respecte l’indépendance: on dit
que l’indépendance a priori implique l’indépendance stochastique. Cependant, la notion d’indépendance
est liée à la notion de probabilité; ainsi, pour une probabilité p donnée, deux évènements peuvent être
indépendants alors qu’ils ne paraissent pas intuitivement indépendants.
37
Exemple 2.3 Prenons comme exemple le lancer simultané de deux dés: a priori, il parait raisonnable
de supposer que les résultats obtenus pour chacun des deux dés n’influent pas l’un sur l’autre, et on
va donc chercher une probabilité qui respecte cette indépendance. L’univers des possibles est ici E =
{(i, j), 1 ≤ i ≤ 6, 1 ≤ j ≤ 6}. Les résultats de chaque lancer simultané des deux dés étant équiprobables,
on a donc envie de définir, pour A ∈ P(E), p(A) = cardA 36 . Voyons maintenant si deux évènements a
priori indépendants sont indépendants pour cette probabilité. Considérons par exemple l’évènement A:
“obtenir un double 6”; on peut écrire: A = B ∩ C, où B est l’évènement “obtenir un 6 sur le premier
dé” et C l’évènement “obtenir un 6 sur le deuxième dé”. On doit donc vérifier que: p(A) = p(B)p(C).
Or B = {(6, j), 1 ≤ j ≤ 6} et C = {(i, 6), 1 ≤ i ≤ 6}. On a donc p(B) = p(C) = 61 , et on a bien
1
p(A) = p(B)p(C)(= 36 ).
On généralise la notion d’indépendance de deux évènements en introduisant la notion d’indépendance de

tribus.
Définition 2.24 (Indépendance des tribus) Soit (E, T, p) un espace probabilisé et (Tk )k∈N? une suite
de tribus incluses dans T .
1. Soit N > 1. On dit que les N tribus Tk , k = 1, . . . , N , sont indépendantes (on dit aussi que la suite
T1 , . . . , TN est indépendante) si pour toute famille (A1 , . . . , AN ) d’événements tels que Ak ∈ Tk pour
k = 1, . . . , N on a: p(∩N k=1 Ak ) = p(A1 )p(A2 ) . . . p(AN ).
2. On dit que la suite (Tk )k∈N? est indépendante (ou que les tribus T1 , . . . , Tn , . . . sont indépendantes)
si pour tout N ≥ 1, les N tribus Tk , k = 1, . . . , N , sont indépendantes.
”
On peut facilement remarquer que si A et B sont deux évènements d’un espace probabilisé (E, T, p),
ils sont indépendants (au sens de la définition 2.23) si et seulement si les tribus TA = {∅, E, A, Ac }
et TB = {∅, E, B, B c } sont indépendantes (voir l’exercice 3.16). On en déduit la généralisation de la
définition d’indépendance à plusieurs évènements:
Définition 2.25 (Evénements indépendants) Soient (E, T, p) un espace probabilisé et (Ak )k=1,...,N
des événements, on dit que les N événements (Ak )k=1,...,N sont indépendants si les N tribus engendrées
par les événements Ak , k = 1 . . . , N (c’est-à-dire les N tribus définies par Tk = {Ak , Ack , E, ∅} pour
k = 1 . . . , N ) sont indépendantes.
Sous les hypothèses de la définition précédente, on peut remarquer que les événements A1 , . . . , AN sont
indépendants Q
(c’est-à-dire que les tribus engendrées par A1 , . . . , AN sont indépendantes) si et seulement si
P (∩i∈I Ai ) = i∈I P (Ai ) pour tout I ⊂ {1, . . . , N }), voir l’exercice 3.16. Nous terminons ce paragraphe
par une proposition sur les tribus indépendantes :
Proposition 2.11 Soit (E, T, p) un espace probabilisé.

1. Soit N > 1 et (Tk )k∈{0,...N } une suite indépendante de tribus incluses dans T . La tribu T0 est alors
indépendante de la tribu engendrée par les tribus T1 , . . . , TN .
2. (Généralisation) Soit N > 3, q > 1, n0 , . . . , nq t.q. n0 = 0, ni < ni+1 (pour i = 0, . . . , q − 1),

nq = N et (Tk )k∈{1,...N } une suite indépendante de tribus incluses dans T . Pour i = 1, . . . , q, on
note τi la tribu engendrée par les tribus Tn pour n = ni−1 , . . . , ni . Alors, les tribus τ1 , . . . , τq sont
indépendantes.
38
Démonstration : On montre tout d’abord le premier item de la proposition. On note S la tribu
engendrée par les tribus T1 , . . . , TN . Comme S est la plus petite tribu contenant les tribus Tk (k =
1, . . . , N ), elle est incluse dans T . On veut montrer que T0 et S sont indépendantes, c’est-à-dire que
p(A ∩ B) = p(A)p(B) pour tout A ∈ T0 et tout B ∈ S. Pour le montrer, on va utiliser la proposition 2.5
(donnant l’unicité d’une mesure). Soit A ∈ T0 , on définit les mesures m et µ sur T en posant :
m(B) = p(A ∩ B), µ(B) = p(A)p(B), pour B ∈ T,
et on pose :
C = {∩N
k=1 Ak , Ak ∈ Tk pour k = 1, . . . , N }.
Pour B ∈ C, on a B = ∩N k=1 Ak avec Ak ∈ Tk avec k = 1, . . . , N . On a donc, en utilisant l’indépendance

des tribus T0 , T1 , . . . , TN , m(B) = p(A ∩ B) = p(A)p(A1 )p(A2 ) . . . p(AN ) = p(A)p(B) = µ(B). On a donc
m = µ sur C. Comme C est stable par intersection et que E ∈ C, la proposition 2.5 nous donne m = µ sur
la tribu engendrée par C. Comme cette tribu contient toutes les tribus Tk (k = 1, . . . , N ), elle contient
aussi S (en fait, elle est égale à S). On a donc bien montré que p(A ∩ B) = p(A)p(B) pour tout B ∈ S
et pour tout A ∈ T0 .
Pour montrer le deuxième item (qui est une généralisation du premier), il suffit de faire une récurrence
finie de q étapes et d’utiliser la technique précédente. Par exemple, pour q = 2 la technique précédente
donne :
p((∩nk=1
1
Ak ) ∩ B2 ) = p(∩nk=1
1
Ak )p(B2 ),
pour Ak ∈ Tk , k = 1, . . . , n1 et B2 ∈ τ2 . Puis en reprenant la technique précénete, on montre p(B1 ∩B2 ) =
p(B1 )p(B2 ) pour B1 ∈ τ1 et B2 ∈ τ2 . Ce qui donne bien l’indépendance de τ1 et τ2 .
2.6.3 Probabilités sur (R, B(R))

Une probabilité est définie sur un espace probabilisable quelconque. Très souvent, on ne connait du
problème aléatoire que l’on cherche à modéliser ni l’ensemble E (“univers des possibles”) ni la tribu T
(ensemble des évènements) ni la probabilité p. Par contre, on connait une “image” de la probabilité p par
une application (dite mesurable, voir chapitre suivant) X de E dans R. On travaille alors avec l’espace
beaucoup plus sympathique (car mieux défini...) (R, B(R), pX ), ou pX est une probabilité sur B(R), que
les probabilistes appellent souvent “loi de probabilité” (elle dépend de p et de l’application X).
Nous donnons maintenant quelques notions propres aux lois de probabilités (ou probabilités définies sur
(R, B(R))), ainsi que quelques exemples concrets utilisés dans la représentation de phénomènes aléatoires.
Définition 2.26 (Fonction de répartition) Soit p une probabilité sur (R, B(R)). On appelle fonction
de répartition de la probabilité p la fonction F , définie de R dans [0, 1] par: F (t) = p(] − ∞, t]). Cette
fonction est croissante et continue à droite.
Démonstration : Utiliser les propriétés de monotonie et de continuité croissante de la mesure.
Théorème 2.4 Soit F une fonction croissante et continue à droite t.q.:

limt→−∞ F (t) = 0 et limt→+∞ F (t) = 1.
Alors, il existe une unique probabilité p sur B(R) telle que F soit la fonction de répartition de p.
Plus généralement, on a le théorème suivant pour les mesures:
39
Théorème 2.5 (Lebesgue-Stieltjes)
1. Pour toute mesure m sur B(R), finie sur les compacts (on dit “localement finie”), et pour tout a ∈ R,
la fonction F définie sur R par : F (t) = m(]a, t]) si t ≥ a et F (t) = −m(]t, a]) si t ≤ a est continue
à droite et croissante.
2. Réciproquement, pour toute fonction F de R dans R, croissante et continue à droite, il existe une
unique mesure m sur B(R) t.q. pour tous a, b ∈ R, t.q. a ≤ b, on ait m(]a, b]) = F (b) − F (a). Cette
mesure s’appelle la mesure de Lebesgue-Stieltjes associée à F .
Pour démontrer ce théorème, on introduit p? , application définie de l’ensemble des intervalles de R de la

forme ]a, b] dans R par: p? (]a, b]) = F (b) − F (a). La démonstration du fait qu’il existe un prolongement
unique de cette application en une mesure sur B(R) est très voisine à celle du théorème de Carathéodory
(théorème 2.2).
Donnons, pour clore ce chapitre, quelques exemples de lois de probabilités et leurs fonctions de répartition
associées.
Définition 2.27 (Loi discrète) Soit p une probabilité sur (R, B(R)). On dit que p est discrète si elle
est purement atomique P (l’ensemble de ses atomes A est dénombrable, voir exercice 2.12). La probabilité
p s’écrit alors p = a∈A p({a})δa , où δP a désigne la mesure de Dirac en a. La fonction de répartition de
la probabilité p est définie par: F (t) = a∈A,a≤t p({a})
Exemple 2.4 (Exemples de lois discrètes) Donnons quelques exemples de probabilités discrètes, p,
sur B(R) et de A l’ensemble (dénombrable) de leurs atomes.
1
• La loi uniforme : N ∈ N? , A = {a1 , . . . , aN }, p({ai }) = N
P (1 − P )N −k
k k
• La loi binômiale : N ∈ N? , A = {1, . . . , N }, P ∈]0, 1[, p({k}) = CN
• La loi de Pascal : A = N, P ∈]0, 1[, p({k}) = P (1 − P )k−1
k
• La loi de Poisson à paramètre λ : A = N, λ > 0, p({k}) = e−λ λk!
Définition 2.28 (Loi continue) Soit p une probabilité sur (R, B(R)). On dit que p est continue si sa
fonction de répartition est continue.
Exemple 2.5 (Exemple de loi continue) La plupart des exemples de probabilités continues provient
de ce qu’on appelle “les mesures de densité” par rapport à la mesure de Lebesgue, pour lesquelles on a
besoin de la notion d’intégrale de Lebesgue qu’on n’a pas encore introduite. On peut toutefois déjà citer
l’exemple de la loi uniforme sur un intervalle [a, b] de R: Soient −∞ < a < b < +∞; pour A ∈ B(R), on
pose p(A) = λ(A∩[a,b])
b−a . On vérifie facilement que p est une probabilité appelée probabilité uniforme sur
[a, b].
2.7 Exercices
2.7.1 Tribus
Exercice 2.1 (Caractérisation d’une tribu) Corrigé 9 page 281
Soit E un ensemble.
40
1. Soit T une partie de P(E) stable par union dénombrable, stable par passage au complémentaire et
t.q. ∅ ∈ T . Montrer que T est une tribu, c’est-à-dire qu’elle vérifie aussi E ∈ T et qu’elle est stable
par intersection dénombrable.
2. L’ensemble des parties finies de E est-il une tribu ?
Exercice 2.2 (Tribu engendrée) Corrigé 10 page 281

Soit E un ensemble.
1. Montrer qu’une intersection quelconque de tribus sur E est une tribu sur E.
2. Soit A ⊂ P(E). On note TA l’intersection de toutes les tribus sur E contenant A (une partie
de E appartient donc à TA si et seulement si elle appartient à toutes les tribus contenant A, on
remarquera qu’il y a toujours au moins une tribu contenant A, c’est la tribu P(E)). Montrer que
TA est la plus petite des tribus contenant A (c’est la tribu engendrée par A).
3. Soient A et B ⊂ P(E) et TA , TB les tribus engendrées par A et B. Montrer que si A ⊂ B alors
TA ⊂ TB .
Exercice 2.3 (Exemples de Tribus) Corrigé 11 page 282
1. Tribu trace
(a) Soit T une tribu sur un ensemble E et F ⊂ E. Montrer que TF = {A ∩ F ; A ∈ T } est une
tribu sur F (tribu trace de T sur F ).
(b) Si E est un espace topologique et T = B(E) (B(E) est la tribu borélienne de E), montrer
que la tribu trace sur F , notée TF , est la tribu engendrée par la topologie trace sur F (tribu
borélienne de F , notée B(F )). [Montrer que B(F ) ⊂ TF . Pour montrer que TF ⊂ B(F ),
considérer C = {A ∈ P(E); A ∩ F ∈ B(F )} et montrer que C est une tribu (sur E) contenant
les ouverts de E.] Si F est un borélien de E, montrer que TF est égale à l’ensemble des
boréliens de E contenus dans F .
2. Soit E un ensemble infini et S = {{x}, x ∈ E}. Déterminer la tribu engendrée par S (distinguer les
cas E dénombrable et non dénombrable).
3. Soit E un ensemble et f une application de E dans lui-même. Montrer que l’ensemble des parties
A de E t.q. f −1 (f (A)) = A est une tribu sur E.
4. Soit E un ensemble et A un sous-ensemble de E. Trouver la tribu engendrée par C = {B ⊂ E |
A ⊂ B}. A quelle condition obtient-on P(E) ou la tribu grossière ?
5. Soit E un ensemble et f une bijection de E. Montrer que l’ensemble des parties A de E t.q. (x ∈ A
⇐⇒ f (x) ∈ A et f −1 (x) ∈ A) est une tribu sur E.
6. Dans R2 , soit C l’ensemble des parties de R2 contenues dans une réunion dénombrable de droites.
Décrire la tribu engendrée par C. Est-ce une sous-tribu de B(R2 ) ?
Exercice 2.4 (Tribus images) Corrigé 12 page 283

Soient E et F des ensembles. Pour A ⊂ P(E) (resp. P(F )) on note T (A) la tribu de E (resp. F )
engendrée par A.
Soit f : E → F une application.
41
1. Montrer que si T 0 est une tribu sur F , alors f −1 (T 0 ) = {f −1 (B); B ∈ T 0 } est une tribu sur E
(tribu image réciproque).
2. Montrer que si T est une tribu sur E, alors T 0 = {B ⊂ F ; f −1 (B) ∈ T } est une tribu sur F (tribu
image directe).
3. Montrer que pour tout ensemble C de parties de F on a : T (f −1 (C)) = f −1 (T (C)). [Montrer que
T (f −1 (C)) ⊂ f −1 (T (C)). Puis, pour montrer que f −1 (T (C)) ⊂ T (f −1 (C)), montrer que T = {G ⊂
F ; f −1 (G) ∈ T (f −1 (C))} est une tribu contenant C.]
Exercice 2.5 (Tribu borélienne de R2 ) Corrigé 13 page 284

On note T la tribu (sur R2 ) engendrée par {A × B; A, B ∈ B(R)}. On va montrer ici que T = B(R2 ).
1. Montrer que tout ouvert de R2 est réunion au plus dénombrable de produits d’intervalles ouverts de
R. [S’inspirer d’une démonstration analogue faite pour R au lieu de R2 .] En déduire que B(R2 ) ⊂ T .
2. Soit A un ouvert de R et T1 = {B ∈ B(R); A × B ∈ B(R2 )}. Montrer que T1 est une tribu (sur R)
contenant les ouverts (de R). En déduire que T1 = B(R).
3. Soit B ∈ B(R) et T2 = {A ∈ B(R); A × B ∈ B(R2 )}. Montrer que T2 = B(R).
4. Montrer que T ⊂ B(R2 ) (et donc que T = B(R2 )).
Exercice 2.6 (Tribu borélienne sur RN ) Corrigé 14 page 286
1. Montrer que la tribu borélienne de RN est égale à celle engendrée par l’ensemble de toutes les boules
ouvertes de RN . [On pourra montrer d’abord que tout ouvert de RN est réunion dénombrable de
boules ouvertes de RN .]
2. Montrer que la tribu borélienne de RN est égale à celle engendrée par l’ensemble des produits
d’intervalles ouverts à extrémités rationnelles.
3. Montrer que la tribu borélienne de R est engendrée par les intervalles ]a, b] où a, b ∈ R, a < b.
4. Soit S un sous ensemble dense de R. Montrer que B(RN ) est engendrée par la classe des boules
ouvertes (ou bien fermées) telles que les coordonnées du centre et le rayon appartiennent S.
Exercice 2.7 (Une tribu infinie est non dénombrable) (??)

Montrer que toute tribu infinie T sur un ensemble (infini) E est non dénombrable. [Si T est dénombrable,
on pourra introduire, pour tout élément x ∈ E, l’ensemble A(x) intersection de tous les éléments de T
contenant x. Puis, montrer à l’aide de ces ensembles qu’il existe une injection de P(N) dans T .]
Exercice 2.8 (Algèbre) Corrigé 15 page 287

Soit E un ensemble et A ⊂ P(E).
1. Montrer que A est une algèbre (cf. définition 2.4) si et seulement si A vérifie les deux propriétés
suivantes :
(a) E ∈ A,
(b) A, B ∈ A ⇒ A \ B ∈ A.
42
2. Soit (Ai )i∈I une famille d’algèbres (sur E). Montrer que ∩i∈I Ai = {A ∈ P(E); A ∈ Ai pour tout
i ∈ I} est encore une algèbre.
Si C ⊂ P(E), la deuxième question permet donc de définir l’algèbre engendrée par C comme l’intersection
de toutes les algèbres sur E contenant C.
Exercice 2.9 (Suite croissante de tribus)

Soit E un ensemble. Soit (An )n∈N une suite croissante de tribus de E. Montrer que A = ∪n∈N An est
une algèbre (cf. définition 2.4), mais n’est pas, en général, une tribu. Donner une suite d’algèbres finies
de parties de [0, 1] dont la réunion engendre B([0, 1]).
Exercice 2.10 (Tribu engendrée par une partition)

Soit E un ensemble.
1. Soit (Ai )i∈I une partition dénombrable de E. Décrire la tribu engendrée par cette partition, c’est à
dire par le sous ensemble de P(E) dont les éléments sont les Ai . Cette tribu est-elle dénombrable?
2. Montrer que toute tribu finie de parties de E est la tribu engendrée par une partition finie de E.
Quel est le cardinal d’une telle tribu?
3. (?) Montrer que si E est dénombrable, toute tribu sur E est engendrée par une partition.
Exercice 2.11 Corrigé 16 page 288

Soit E un ensemble et C un ensemble de parties de E. On suppose que ∅, E ∈ C, que C est stable par
intersection finie et que le complémentaire de tout élément de C est une union finie disjointe d’éléments
de C, c’est-à-dire :
C ∈ C ⇒ il existe n ∈ N? et C1 , . . . , Cn ∈ C t.q. C c = ∪np=1 Cp et Cp ∩ Cq = ∅ si p 6= q.
On note B l’ensemble des réunions finies disjointes d’éléments de C. Une partie de E est donc un élément
de B si et seulement si il existe n ∈ N? et (Ap )p=1,...,n ⊂ C t.q. Ap ∩ Aq = ∅ si p 6= q et A = ∪np=1 Ap .
1. Montrer que B est stable par intersection finie et par passage au complémentaire.
2. Montrer que l’algèbre (cf. définition 2.4) engendrée par C est égale à B.
Exercice 2.12 (Classes monotones) Corrigé 17 page 289

Soit E un ensemble. Pour Σ ⊂ P(E), on dit que Σ est une classe monotone (sur E) si Σ vérifie les
deux propriétés suivantes (de stabilité par union croissante dénombrable et par intersection décroissante
dénombrable) :
• (An )n∈N ⊂ Σ, An ⊂ An+1 pour tout n ∈ N ⇒ ∪n∈N An ∈ Σ,
• (An )n∈N ⊂ Σ, An ⊃ An+1 pour tout n ∈ N ⇒ ∩n∈N An ∈ Σ.
1. Soit Σ ⊂ P(E). Montrer que Σ est une tribu si et seulement si Σ est une classe monotone et une
algèbre (cf. exercice 2.8).
2. Donner un exemple, avec E = R, de classe monotone qui ne soit pas une tribu.
3. Soit (Σi )i∈I une famille de classes monotones (sur E). Montrer que ∩i∈I Σi = {A ∈ P(E); A ∈ Σi
pour tout i ∈ I} est encore une classe monotone.
Si C ⊂ P(E), cette question permet donc de définir la classe monotone engendrée par C comme
l’intersection de toutes les classes monotones sur E contenant C.
43
4. (Lemme des classes monotones) Soit A une algèbre sur E. On note Σ la classe monotone engendrée
par A et on note T la tribu engendrée par A.
(a) Montrer que Σ ⊂ T .
(b) Soit A ⊂ E. On pose ΣA = {B ⊂ E; A \ B ∈ Σ et B \ A ∈ Σ}. Montrer que ΣA est une classe
monotone.
(c) (Question plus difficile.) Montrer que Σ est une algèbre. [Utiliser la question (b) et la première
question de l’exercice 2.8.] En déduire que T = Σ.
Exercice 2.13 (Caractérisation de la tribu engendrée) Corrigé 18 page 291

Soit E un ensemble et A ⊂ P(E). On dit que A est stable par intersection finie si A, B ∈ A ⇒ A∩B ∈ A.
On dit que A est stable par différence si :
A, B ∈ A, B ⊂ A ⇒ A \ B = A ∩ B c ∈ A.
On dit que A est stable par union dénombrable disjointe si :
(An )n∈N ⊂ A, An ∩ Am = ∅ pour n 6= m ⇒ ∪n∈N An ∈ A.
Soit C ⊂ P(E).
1. On note Z l’ensemble des parties de P(E) stables par différence et stables par union dénombrable
disjointe. Montrer qu’il existe D ∈ Z t.q. C ⊂ D et :
A ∈ Z, C ⊂ A ⇒ D ⊂ A.
Dans la suite, on note toujours D cette partie de P(E). On suppose maintenant que C est stable
par intersection finie et que E ∈ C.
2. Pour A ∈ P(E), on note DA = {D ∈ D t.q. A ∩ D ∈ D}.
(a) Soit A ∈ P(E). Montrer que DA est stable par union dénombrable disjointe et stable par
différence.
(b) Soit A ∈ C. Montrer que C ⊂ DA . En déduire que DA = D.
(c) Soit A ∈ D. Montrer que DA = D. En déduire que D est stable par intersection finie.
3. Montrer que D est une tribu. En déduire que D est la tribu engendrée par C.
2.7.2 Mesures
Exercice 2.14 (Exemple de mesures) Corrigé 19 page 293
Soit E un ensemble infini non dénombrable. Pour toute partie A de E, on pose m(A) = 0 si A est au
plus dénombrable, et m(A) = +∞ sinon. L’application m est-elle une mesure sur P(E) ?
Exercice 2.15 (Mesure trace et restriction d’une mesure) Corrigé 20 page 293
Soit (E, T, m) un espace mesuré
1. Soit F ∈ T . Montrer que la tribu trace de T sur F , notée TF , est incluse dans T (cette tribu est
une tribu sur F ). Montrer que la restriction de m à TF est une mesure sur TF . On l’appellera la
trace de m sur F . Si m(F ) < ∞, cette mesure est finie.
44
2. Soit A une tribu incluse dans T . La restriction de m à A est une mesure. Est-elle finie (resp.
σ-finie) si m est finie (resp. σ-finie) ?

Soit (E, T, m) un espace mesuré fini (“fini” signifie que m(E) < ∞) et (An )n∈N , (Bn )n∈N des suites
d’ensembles mesurables tels que Bn ⊂ An pour tout n ∈ N.
1. Montrer que (∪n∈N An ) \ ∪n∈N Bn ⊂ ∪n∈N (An \ Bn ).

P
2. Montrer que m(∪n∈N An ) − m(∪n∈N Bn ) ≤ n∈N (m(An ) − m(Bn )).

Soit (E, T, m) un espace mesuré fini et (An )n∈N ⊂ T t.q., pour tout n ∈ N, m(An ) = m(E). Montrer que
m(∩n∈N An ) = m(E).
Exercice 2.18 (Contre exemples. . . ) Corrigé 23 page 295
1. Soit λ la mesure de Lebesgue sur B(R) et A ∈ B(R) t.q. λ(A) = 0. A-t-on nécessairement A fermé ?
2. Soit (E, T ) un espace mesurable et C ⊂ P(E) qui engendre T . On considère m1 et m2 des mesures
sur T . Montrer que m1 (A) = m2 (A) pour tout A ∈ C n’implique pas que m1 = m2 sur T . [On
pourra trouver un exemple (facile) avec (E, T ) = (R, B(R)) et m1 , m2 non finies. Un exemple avec
(E, T ) = (R, B(R)) et m1 , m2 finies est aussi possible mais plus difficile à trouver. . . ]
Exercice 2.19 (Résultat d’unicité) Corrigé 24 page 296

Soit (E, T ) un espace mesurable et m, µ deux mesures sur T . Soit C ⊂ P(E). On suppose que C engendre
T et que C est stable par intersection finie.
On suppose que m(A) = µ(A) pour tout A ∈ C.
1. On suppose que E ∈ C et que m(E) < ∞. Montrer que m(A) = µ(A) pour tout A ∈ T . [On pourra
introduire D = {A ∈ T, m(A) = µ(A)} et utiliser l’exercice 2.13.]
2. (Généralisation de la question précédente). On suppose qu’il existe une suite (En )n∈N ⊂ C t.q.
En ∩ Em = ∅ si n 6= m, m(En ) < ∞ pour tout n ∈ N et E = ∪n∈N En . Montrer que m(A) = µ(A)
pour tout A ∈ T .
3. Avec (E, T ) = (R, B(R), donner un exemple pour lequel E ∈ C et m 6= µ.
Exercice 2.20 (Mesure atomique, mesure diffuse) Corrigé 25 page 297

Soit (E, T ) un espace mesurable t.q. {x} ∈ T pour tout x ∈ E. Une mesure m sur T est diffuse si
m({x}) = 0 pour tout x ∈ E. Une mesure m sur T est purement atomique si il existe S ∈ T t.q.
m(S c ) = 0 et m({x}) > 0 si x ∈ S.
1. Montrer qu’une mesure purement atomique et diffuse est nulle. Donner, pour (E, T ) = (R, B(R))
un exemple de mesure purement atomique et un exemple de mesure diffuse. [Montrer que la mesure
de Lebesgue sur B(R) est diffuse.]
2. Soit m une mesure diffuse sur T . Montrer que tous les ensembles dénombrables sont de mesure
nulle.
45
3. Soit m une mesure sur T . On suppose que m est σ-finie, c’est à dire qu’il existe (En )n∈N ⊂ T t.q.
E = ∪n∈N En et m(En ) < +∞ pour tout n ∈ N.
(a) Montrer que l’ensemble des x ∈ E t.q. m({x}) > 0 (de tels x sont appelés “atomes” de m) est
au plus dénombrable. [On pourra introduire l’ensemble An,k = {x ∈ En ; m({x}) ≥ k1 }.]
(b) Montrer qu’il existe une mesure diffuse md et une mesure purement atomique ma sur T telles
que m = md + ma . Montrer que md et ma sont étrangères, c’est à dire qu’il existe A ∈ T t.q.
md (A) = 0 et ma (Ac ) = 0.
(c) Montrer que si m est finie il existe un singleton dont la mesure est supérieure ou égale à la
mesure de tous les autres singletons. Montrer que ceci peut-être inexact si m n’est que σ-finie.
4. Pour (E, T ) = (R, B(R)), donner un exemple de mesure purement atomique finie dont l’ensemble
des atomes est infini.
Exercice 2.21 (limites sup et inf d’ensembles) Corrigé 26 page 299

Soit (E, T, m) un espace mesuré et (An )n∈N ⊂ T . On rappelle que lim supn→∞ An = ∩n∈N ∪p≥n Ap et
lim inf n→∞ An = ∪n∈N ∩p≥n Ap .
1. On suppose qu’il existe n0 ∈ N t.q. m(∪p≥n0 Ap ) < ∞. Montrer que m(lim inf n→∞ An ) ≤
lim inf n→∞ m(An ) ≤ lim supn→∞ m(An ) ≤ m(lim supn→∞ An ).
2. Donner un exemple (c’est-à-dire choisir (E, T, m) et (An )n∈N ⊂ T ) pour lequel :
lim sup m(An ) > m(lim sup An ).

n→∞ n→∞
3. Donner un exemple avec m finie (c’est-à-dire m(E) < ∞) pour lequel

m(lim inf n→∞ An ) < lim inf n→∞ m(An ) < lim supn→∞ m(An ) < m(lim supn→∞ An ).
P
4. (?) (Lemme de Borel-Cantelli) On suppose que n∈N m(An ) < ∞.
Montrer que m(lim supn→∞ An ) = 0.
Exercice 2.22 (Petit ouvert dense. . . ) Corrigé 27 page 300

On considère ici l’espace mesuré (R, B(R), λ). Soit ε > 0, peut-on construire un ouvert dense dans R de
mesure inférieure à ε ? [On rappelle qu’une partie A de R est dense dans R si A = R ou encore si, pour
tout x ∈ R et pour tout ε > 0, il existe a ∈ A t.q. |x − a| < ε.]
Exercice 2.23 (Non existence d’une mesure sur P(R) exprimant la longueur) Corrigé 28 page
300
On définit la relation d’équivalence sur [0, 1[ : xRy si x−y ∈ Q. En utilisant l’axiome du choix, on construit
un ensemble A ⊂ [0, 1[ tel que A contienne un élément et un seul de chaque classe d’équivalence. Pour
q ∈ Q ∩ [0, 1[, on définit Aq = {y ∈ [0, 1[; y = x + q ou y = x + q − 1, x ∈ A}, c’est-à-dire Aq = {y ∈ [0, 1[;
y − q ∈ A ou y − q + 1 ∈ A}.
S
1. Montrer que q∈Q∩[0,1[ Aq = [0, 1[.
2. Montrer que si m est une application de P(R) dans R+ , invariante par translation et vérifiant
m([0, 1[) = 1, m ne peut pas être σ- additive. En déduire la non-existence d’une mesure m, sur
P(R), invariante par translation et t.q. m([a, b]) = b − a pour tout a, b ∈ R, a < b. En particulier,
montrer que l’application λ? , définie en cours, ne peut pas être une mesure sur P(R).
46
Exercice 2.24 (Non existence d’une mesure sur P(R) donnant la longueur des intervalles)
Cet exercice est plus général que le précédent car on veut montrer qu’il n’existe pas de mesure sur P(R)
t.q. m([a, b]) = b − a pour tout a, b ∈ R, a < b, sans l’hypothèse d’invariance par translation de l’exercice
précédent.
Soit E un ensemble non dénombrable, sur lequel on suppose qu’il existe un ordre total, noté ≤, tel que
pour tout x ∈ E, l’ensemble {y ∈ E; y ≤ x} est dénombrable, c’est-à-dire qu’il existe une application fx
injective de cet ensemble dans N. Si E = R ou E = [0, 1], on peut démontrer l’existence d’un tel ordre
(ceci est une conséquence de l’axiome du continu). Soit m une mesure sur P(E); on suppose que m est
finie, i.e. m(E) < +∞, et diffuse. On se propose de montrer que m est nulle, i.e. m(A) = 0, pour tout
A ∈ P(E). On pose, pour x ∈ E et n ∈ N, Ax,n = {y ∈ E; y ≥ x et fy (x) = n}.
1. Montrer que pour tout x, y ∈ E et n ∈ N, Ax,n ∩ Ay,n = ∅. En déduire que, pour tout n ∈ N,
{x ∈ E; m(Ax,n ) 6= 0} est au plus dénombrable (utiliser le fait que m est finie).
2. Montrer qu’il existe x ∈ E t.q., pour tout n ∈ N, m(Ax,n ) = 0.
3. En déduire que m est nulle (montrer pour cela que m(E) = 0 en utilisant la question précédente et
le fait que m est diffuse).
4. Montrer qu’il n’existe pas de mesure m sur P(R) t.q. m(]a, b[) = b − a pour tout a, b ∈ R, a < b.

Soit m une mesure sur B(R) t.q. pour tout intervalle I et tout x ∈ R on ait m(I) = m(I + x) (avec
I + x = {a + x, a ∈ I}) et m([0, 1]) = 1. Montrer que pour tout x ∈ R, m({x}) = 0 (i.e. m est diffuse).
En déduire que m est la mesure de Lebesgue sur B(R). [On pourra découper [0, 1[ en q intervalles de
longueur 1/q.]
Exercice 2.26 (Support d’une mesure sur les boréliens de Rd ) Corrigé 30 page 302
Soit m une mesure sur B(Rd ). Montrer qu’il existe un plus grand ouvert de mesure nulle pour m.
L’ensemble fermé complémentaire de cet ouvert s’appelle le support de m. [On pourra, par exemple,
considérer les pavés à extrémités rationnelles qui sont de mesure nulle pour m.]
Exercice 2.27 (Ensemble de Cantor) Corrigé 31 page 303

On considère l’espace mesuré ([0, 1], B([0, 1]), λ).
On pose C0 = [0, 1], a01 = 0, b01 = 1, et α0 = 1. Pour n ≥ 0, on construit Cn+1 ⊂ [0, 1] de la
S2n S2n+1
manière suivante : on suppose Cn = p=1 [anp , bnp ] connu, et on définit Cn+1 = p=1 [an+1
p , bn+1
p ] où, pour
p = 1, . . . , 2 , a2p−1 = ap , b2p−1 = ap + αn+1 , a2p = bp − αn+1 et b2p = bp , avec αn+1 = ρn2αn , et
n n+1 n n+1 n n+1 n n+1 n
0 < ρn < 1. On pose C = ∩n≥0 Cn (C s’appelle “ensemble de Cantor”, l’exemple le plus classique est
obtenu avec ρn = 23 pour tout n ∈ N).
1. Montrer que Cn+1 ⊂ Cn .

◦
2. Montrer que C est compact et C = ∅.
3. (Question plus difficile.) Montrer que C est non dénombrable.
4. Montrer que si ρn ne dépend pas de n, alors λ(C) = 0. En déduire que si A ∈ B([0, 1]), λ(A) = 0
n’entraı̂ne pas que A est dénombrable.
5. Soit 0 < < 1. Montrer qu’il existe une suite (ρn )n≥0 ⊂]0, 1[ t.q. λ(C) = .
47
6. Soit f lipschitzienne de R dans R. Montrer que si A est un compact de [0, 1] t.q. λ(A) = 0, alors
f (A) est un compact de R t.q. λ(f (A)) = 0.
7. Construire une fonction continue de R dans R t.q. si A est un compact de [0, 1] t.q. λ(A) = 0, on
n’a pas forcément λ(f (A)) = 0 (mais f (A) est un compact de R). [Utiliser un ensemble de Cantor
de mesure nulle (cf question 4) et un ensemble de Cantor de mesure > 0 (cf question 5).]
Exercice 2.28 (Mesure complète) Corrigé 32 page 306

Soit (E, T, m) un espace mesuré. Une partie B de E est dite “négligeable” si elle est incluse dans un
élément de T de mesure nulle. On note Nm l’ensemble des parties négligeables. On pose T = {A ∪ N ;
A ∈ T, N ∈ Nm }.
1. Montrer que T est une tribu et que T ∪ Nm ⊂ T .
2. Soit A1 , A2 ∈ T et N1 , N2 ∈ Nm t.q. A1 ∪ N1 = A2 ∪ N2 . Montrer que m(A1 ) = m(A2 ).

Pour B ∈ T , soit A ∈ T et N ∈ Nm t.q. B = A ∪ N , on pose m(B) = m(A). (La question
précédente montre que cette définition est cohérente.)
3. Montrer que m est une mesure sur T et m|T = m. Montrer que m est la seule mesure sur T égale
à m sur T .
4. Montrer que Nm = Nm ⊂ T .
L’exercice 4.18 page 103 montre la différence “dérisoire”, du point de vue de l’intégration, entre (E, T, m)
et son complété (E, T , m).
Exercice 2.29 (Série commutativement convergente dans R) Corrigé 33 page 308

P
Soit (an )n∈N ⊂ R. Le but de l’exercice est P de montrer que si la série n∈N aϕ(n) est convergente pour
toute bijection ϕ : N → N, alors la série n∈N an est absolument convergente.
ce résultat, on suppose, par exemple, que n∈N a+
P
Pour montrer P n = ∞. Montrer qu’il existe ϕ : N → N,
n
bijective, t.q. p=0 aϕ(p) → ∞ quand n → ∞. Conclure.
Exercice 2.30 (Régularité d’une mesure sur B(R), finie sur les bornés)
Cet exercice redémontre le théorème de régularité (théorème 2.3).
I. Soit m une mesure finie sur B(R), tribu borélienne sur R. On pose: T = {A ∈ B(R) tel que
∀ ε > 0, ∃ O ouvert de R, et F fermé de R, tels que F ⊂ A ⊂ O et m(O \ F ) ≤ ε}.
1. Soient a et b ∈ R, a < b. Montrer que ]a, b[ ∈ T .

2. Montrer que T est une tribu. En déduire que m est régulière.
3. En déduire que, ∀A ∈ B(R), m(A) = inf{m(O), O ⊃ A, O ouvert de R}.
II. Soit m une mesure sur B(R), tribu borélienne sur R. On suppose que pour toute partie B bornée
de R t.q. B ∈ B(R), on a: m(B) < +∞.
Pour B ∈ B(R), on pose: νB (A) = m(A ∩ B), ∀A ∈ B(R).
1. Soit B ∈ B(R) une partie bornée de R; montrer que νB est une mesure finie.
48
2. Soient ε > 0 et A ∈ B(R), montrer que, pour tout n ∈ Z, il existe un ouvert On de R tel que
ε
On ⊃ A∩]n, n + 1] et m(On ) ≤ m(A∩]n, n + 1]) + |n| . [Appliquer I.3 avec νBn , Bn ouvert
2
borné contenant ]n, n + 1], et A∩]n, n + 1].]
3. a) Soient ε > 0 et A ∈ B(R). Montrer que pour tout n ∈ Z, il existe On ouvert de R et Fn
ε
fermé de R t.q. Fn ⊂ A∩]n, n + 1] ⊂ On et m(On \ Fn ) ≤ 2|n| .
b) Montrer que m est régulière. [On
S pourra remarquer, en le démontrant, que si Fn est fermé
et Fn ⊂]n, n + 1]∀n ∈ Z, alors n∈Z Fn est fermé.]
c) Montrer que m(A) = inf{m(O), A ⊂ O, O ouvert de R}, ∀A ∈ B(R).
III. On note λ la mesure de Lebesgue sur (R, R). Soit α ∈ R? et β ∈ R. Soit A ∈ R. On pose
αA + β = {αx + β, x ∈ A}. Montrer que αA + β ∈ R et que λ(αA + β) = |α|λ(A). [On
pourra commencer par étudier le cas où A est un ouvert de R.] (Nous appellerons cette propriété :
“invariance par translation généralisée pour la mesure de Lebesgue”.)
Exercice 2.31 (Mesure sur S 1 ) Corrigé 34 page 309

On considère S 1 = {(x, y)t ∈ R2 , |x|2 +|y|2 = 1} (S 1 est donc le cercle unité de R2 ). Pour z = (x, y)t ∈ S 1 ,
il existe un unique θz ∈ [0, 2π[ t.q. x = cos(θz ) et y = sin(θz ). Pour α ∈ [0, 2π[ et z ∈ S 1 on pose
Rα (z) = (cos(θz + α), sin(θz + α))t . Noter que Rα est une bijection de S 1 sur S 1 (c’est la rotation d’angle
α).
Définir une tribu T sur S 1 , t.q. T contienne les parties de la forme {(cos(θ), sin(θ))t , θ ∈]α, β[} avec
−∞ < α < β < ∞, et une mesure µ sur T de sorte que (S 1 , T, µ) soit un espace mesuré avec µ(S 1 ) = 1 et
t.q. µ soit invariante par rotation (c’est à dire que, pour tout A ∈ T et α ∈ [0, 2π[, on ait Rα (A) = {Rα (z),
z ∈ A} ∈ T et µ(Rα (A)) = µ(A)). [On pourra utiliser la tribu borélienne de R, notée B(R), et la mesure
de Lebesgue sur B(R).]
2.7.3 Probabilités
Exercice 2.32 (Exemple de probabilité)
P E = {xk , k ∈ N} un ensemble infini dénombrable et (pk )k∈N ⊂ [0, 1] t.q. pk ≥ 0 ∀k ∈ N et
N
Soit
k∈N pk = 1.
P
1. Montrer que, pour tout A ∈ P(E), A 6= ∅, on peut définir p(A) = k;xk ∈A pk . On pose p(∅) = 0.
2. Montrer que p définie en 1. est une probabilité
Exercice 2.33 (Lemme de Borel-Cantelli) Corrigé 35 page 310

Soient (E, T, p) un espace probabilisé et (An )n∈N ⊂ T . On pose Bn = ∪k≥n Ak et A = ∩n∈N Bn (on
rappelle que A = lim supn→∞ An ).
P
1. Montrer que si n∈N p(An ) < +∞ alors p(A) = 0.
2. On suppose
P que, pour tout n ∈ N? , les événements A1 , . . . , An sont indépendants. On suppose aussi
que n∈N p(An ) = ∞. Montrer que p(A) = 1.
Exercice 2.34 Soient E une “population”, c’est-à-dire un ensemble fini,et (Cn )n∈N une famille de ”sous-
populations”, c’est-à-dire un système de constituants de l’espace probabilisable (E, P(E)). Soit Pn la
probabilité qu’un individu de la population appartienne à la sous-population Cn , c’est-à-dire p(Cn ), où p
est une probabilité sur (E, P(E)). Sachant que dans chaque sous-population la probabilité d’être gaucher
est Qn , trouver la probabilité qu’un gaucher appartienne à Cn .
49
Exercice 2.35 Soient S1 (resp. S2 ) un seau contenant n1 cailloux noirs et b1 cailloux blancs (resp. n2
cailloux noirs et b2 cailloux blancs). On tire au hasard, de manière équiprobable, un des deux seaux,
et on tire ensuite au hasard, de manière équiprobable, un caillou dans ce seau. Sachant qu’on a tiré un
caillou noir, quelle est la probabilité de l’avoir tiré du seau S1 ?
Exercice 2.36 Soient p une probabilité sur (R, B(R)) et F la fonction de répartition de p. Montrer que
F est continue ssi p({a}) = 0. En déduire que F est continue si F ne charge pas les points.
50
Chapter 3
Fonctions mesurables, variables

aléatoires
3.1 Introduction, topologie sur R+

Nous allons, dans ce chapitre, introduire différents outils nécessaires à la définition de l’intégrale de
Lebesgue. De la même manière que les fonctions en escalier ont été introduites lors de la définition
de l’intégrale des fonctions réglées, nous introduisons maintenant le concept de fonction étagée sur un
espace mesurable (E, T ). Nous introduirons ensuite les concepts de fonction mesurable et de variable
aléatoire, ainsi que les premières notions de convergence de ces fonctions. La notion de variable aléatoire
est fondamentale en calcul des probabilités: c’est en général par la connaissance de la variable aléatoire
(et par sa “loi de probabilité”) que se construit le modèle probabiliste, l’espace probabilisé (E, T, p) restant
souvent mal connu.
Remarque 3.1
1. L’objectif est d’intégrer des fonctions de E (espace de départ) dans F (espace d’arrivée). Pour
construire ainsi une notion d’intégrale, il faut un espace mesuré au départ et un espace topologique
à l’arrivée, car nous aurons besoin dans l’espace d’arrivée d’une notion de convergence (pour les
procédés de passage à la limite dans la définition de l’intégrale). Les espaces d’arrivée usuels sont
(pour la théorie de l’intégration) R, C, RN ou un espace de Banach. Le procédé de construction dû à
Lebesgue donne un rôle fondamental aux fonctions à valeurs dans R+ (et à la notion de convergence
“croissante”) et nous aurons besoin d’utiliser la topologie de R+ (voir la définition 3.1).
2. On rappelle qu’un espace topologique est la donnée d’un ensemble F muni d’une famille de parties
de F , appelées “ouverts de F ”, contenant ∅ et F , stable par union (quelconque) et stable par
intersection finie. On rappelle aussi que, dans un espace topologique, xn → x, quand n → ∞,
signifie que, pour tout O ouvert contenant x, il existe n0 t.q. xn ∈ O pour tout n ≥ n0 .
3. Soit F un espace topologique et G ⊂ F . On appelle topologie trace sur G, ou topologie induite sur
G, la topologie définie par l’ensemble des restrictions à G des ouverts de F . Si O ⊂ G, O est un
ouvert de G si et seulement si il existe U ouvert de F t.q. O = U ∩ G. Noter donc que O peut ne
pas être un ouvert de F si G n’est pas un ouvert de F . Par contre, il est important de remarquer
que si G est un borélien de F (c’est-à-dire G ∈ B(F ), B(F ) étant la tribu engendrée par les ouverts
51
de F ), l’ensemble des boréliens de G est exactement l’ensemble des boréliens de F inclus dans G,
c’est-à-dire B(G) = {B ⊂ G; B ∈ B(F )}, ceci est démontré dans l’exercice 2.3 page 41.
4. Un exemple fondamental de topologie sur l’ensemble F est celui de la topologie donnée par une
distance sur F . Dans le cas de F = R, nous considérerons toujours R muni de la topologie donnée
par la structure métrique de R, c’est-à-dire par l’application “distance” définie par d(a, b) = |b − a|.
Définition 3.1 (Topologie et tribu de Borel sur R+ ) R+ = R+ ∪ {∞}
1. Soit O ⊂ R+ . O est un ouvert si pour tout a ∈ O on a :
(a) Si 0 < a < ∞, alors il existe ε ∈ R?+ t.q. ]a − ε, a + ε[⊂ O,

(b) si a = 0, alors il existe α ∈ R?+ t.q. [0, α[⊂ O,
(c) si a = ∞, alors il existe α ∈ R+ t.q. ]α, ∞] ⊂ O.
2. B(R+ ) est la tribu (sur R+ ) engendrée par les ouverts de R+ . Soit B ⊂ R+ , on peut montrer (voir
la remarque 3.2 ci après) que B ∈ B(R+ ) si et seulement si B ∩ R ∈ B(R) (B(R) est la tribu de
Borel sur R).
Remarque 3.2
1. La topologie sur R+ est la topologie induite par celle de R+ , c’est aussi la topologie induite par celle
de R. L’ensemble des boréliens de R+ est donc égal à l’ensemble des boréliens de R+ inclus dans
R+ et c’est aussi l’ensemble des boréliens de R inclus dans R+ (voir la remarque 3.1). On remarque
aussi que {∞} ∈ B(R+ ) (car {∞} est, par exemple, une intersection dénombrable d’ouverts de
R+ ). On en déduit que, si B ⊂ R+ , on a B ∈ B(R+ ) si et seulement si B ∩ R ∈ B(R) (noter que
B ∩ R = B ∩ R+ ).
2. Soit A ⊂ R+ , A est donc un borélien de R+ si et seulement si A ∈ B(R) ou si A = B ∪ {∞}, avec
B ∈ B(R).
3. La définition de la topologie sur R+ donne bien que, pour (xn )n∈N ⊂ R+ , on a xn → ∞ (dans R+ ,
quand n → ∞) si et seulement si, pour tout α > 0, il existe n0 t.q. xn ∈]α, ∞] pour tout n ≥ n0
(ce qui est la définition usuelle de convergence vers ∞).
4. On peut aussi montrer (exercice. . . ) que B(R+ ) est la tribu engendrée par C1 = {]a, ∞]; a ∈ R+ }.
C’est aussi la tribu engendrée par C2 = {]a, ∞[∩R+ ; a ∈ R}. Par contre, ce n’est pas la tribu
engendrée (sur R+ ) par C3 = {]a, ∞[; a ∈ R+ } (on a donc T (C3 ) ⊂ B(R+ ) et T (C3 ) 6= B(R+ )).
3.2 Fonctions étagées

Définition 3.2 (Fonction caractéristique) Soient (E, T ) un espace mesurable et soit A ∈ T . On
appelle fonction caractéristique mesurable de l’ensemble A, et on note 1A (ou χA ) la fonction définie
par : 1A (x) = 1 si x ∈ A et 1A (x) = 0 si x ∈ Ac .
Définition 3.3 (Fonction étagée) Soient (E, T ) un espace mesurable et f ; E → R.
1. On dit que f est étagée (ou T -étagée) si f est une combinaison linéaire (finie) de fonctions carac-
téristiques mesurables, c’est-à-dire s’il existe une famille finie (Ai )i=1,...,n ⊂ T et n réels a1 , ..., an
Xn
tels que f = ai 1Ai .
i=1
52
2. On dit que f est étagée positive si f est étagée et prend ses valeurs dans R+ .
On note E l’ensemble des fonctions étagées et E+ l’ensemble des fonctions étagées positives.
La notion de fonction étagée positive va nous permettre de définir l’intégrale à partir de la notion de
mesure. On se limite pour l’instant aux fonctions positives afin de donner un sens à l’addition de mesures
infinies. Notons que, dans la définition d’une fonction étagée, les ensembles Ai peuvent être d’intersection
non vide. On aura besoin, pour introduire facilement la notion d’intégrale d’une fonction étagée positive,
de considérer une décomposition de la fonction étagée sur des ensembles d’intersection vide. C’est l’objet
du lemme suivant:
Lemme 3.1 (Décomposition canonique d’une fonction étagée positive)

Soit (E, T ) un espace mesurable, et soit f ∈ E+ une fonction étagée positive, non identiquement nulle.
?
Alors il existe une unique famille finie Pn(ai , Ai )i=1,...,n ⊂ R+ × T t.q. 0 < a1 < . . . < an , Ai 6= ∅, pour
tout i, Ai ∩ Aj = ∅, si i 6= j, et f = i=1 ai 1Ai .
Pp
Démonstration : Soient (Bi )i=1,...,p ⊂ T , (bi )i=1,...,p ⊂ R et f = i=1 bi 1Bi une fonction étagée
positive non nulle. L’ensemble Imf des valeurs prises par f est donc fini. Comme Imf ⊂ R+ , on a
doncP Imf \ {0} = {a1 , . . . , an } avec 0 < a1 , . . . < an . En posant Ai = {x ∈ E; f (x) = ai }, on a donc
n
f = i=1 ai 1Ai avec Ai 6= ∅ et Ai ∩ Aj = ∅. (Noter aussi que {x ∈ E; f (x) = 0}P = (∪ni=1 Ai )c .) Il reste
à montrer que Ai ∈ T . Pour i ∈ {1, . . . , n}, on pose Ii = {K ⊂ {1, . . . , p} ; ai = k∈K bk }. On a alors,
pour tout i ∈ {1, . . . , n}, Ai = ∪K∈Ii CK , avec CK = ∩pj=1 Dj , Dj = Bj si j ∈ K et Dj = Bjc si j 6∈ K.
Les propriétés de stabilité d’une tribu nous donnent alors que Ai ∈ T pour tout i ∈ {1, . . . , n}. On a
donc trouvé la décomposition voulue de f . Le fait que cette décomposition est unique est immédiat car
on a nécessairement {a1 , . . . , an } = Imf \ {0} et Ai = {x ∈ E; f (x) = ai }.
On aurait envie à partir de la notion

R de fonction
Pn étagée positive décomposée sous la forme précédente,
de définir l’intégrale de f comme f dm = i=1 ai m(Ai ).
En fait, on pourra même (cf définition 4.1) définir l’intégrale d’une fonction étagée avec une décomposition
plus générale (non unique) grâce au lemme suivant :
Lemme 3.2 Soit (E, T, m) un espace mesuré et soit f ∈ E+ une fonction étagée positive non nulle, t.q.
n
X p
X
f= ai 1Ai et f = bi 1Bi où a1 , ..., an , b1 , ..., bp sont des réels strictement positifs, (Ai )i=1,...,n ⊂ T
i=1 i=1
et (Bi )i=1,...,p ⊂ T sont des familles de parties disjointes deux à deux, i.e. telles que Ai ∩ Aj = ∅ et
Bi ∩ Bj = ∅ si i 6= j. Alors :
Xn Xp
ai m(Ai ) = bj m(Bj ). (3.1)
i=1 j=1
Démonstration : On pose, pour i = 1, . . . , n et j = 1, . . . , p, Cij = Ai ∩ Bj . En remarquant que

{x; f (x) > 0} = ∪ni=1 Ai = ∪pj=1 Bj , on écrit Ai = ∪pj=1 Cij et Bj = ∪ni=1 Cij . On peut donc écrire
n
X p
n X
X
ai m(Ai ) = ai m(Cij ) (3.2)
i=1 i=1 j=1
et
p
X p X
X n
bj m(Bj ) = bj m(Cij ) (3.3)
j=1 j=1 i=1
53
On remarque alors que ai = bj dès que Cij 6= ∅, d’où l’égalité 3.1.
Lemme 3.3 (Décomposition d’une fonction étagée avec une partition)

Soit (E, T ) un espace mesurable, et soit f ∈ E une fonction étagée. Alors il existe une unique famille
n
i , Ai )i=0,...,n ⊂ R × T t.q. ai 6= aj si i 6= j, Ai 6= ∅, pour tout i, Ai ∩ Aj = ∅, si i 6= j, E = ∪i=0 Ai
finie (aP
n
et f = i=0 ai 1Ai .
Démonstration :
La démonstration est très voisine de celle donnée pour la décomposition d’une fonction étagée positive
(lemme 3.1). L’ensemble {ai , i ∈ {0, . . . , n}} est l’ensemble de toutes les valeurs prises par f (et pas
seulement les valeurs non nulles) et Ai = {x ∈ E; f (x) = ai }.
Enfin, on conclut ce paragraphe en remarquant que E est un espace vectoriel sur R.
Proposition 3.1 (Structure vectorielle de E) Soit (E, T ) un espace mesurable, l’ensemble des fonc-
tions étagées, E, est un espace vectoriel sur R. De plus, si f, g ∈ E, on a aussi f g ∈ E.
Démonstration :
Pgn ∈ E et soit α, β P
Soit f, ∈ R. On utilise la décomposition de f et g donnée dans le lemme 3.3. Elle donne
m
f = i=0 ai 1Ai et g = j=0 bj 1Bi . Comme les familles (Ai ){i∈{0,...,n}} et (Bj ){j∈{0,...,m}} forment des
partitions de E, on a:
Pn Pm Pm Pn
f = i=0 j=0 ai 1Ai ∩Bj et g = j=0 i=0 bj 1Ai ∩Bj ,
Pn Pm
de sorte que αf + βg = i=0 j=0 (αai + βbi )1Ai ∩Bj , ce qui montre que αf + βg ∈ E, et donc que E est
un espace vectoriel.
Pn Pm
D’autre part, on remarque aussi que f g = i=0 j=0 ai bi 1Ai ∩Bj , ce qui montre que f g ∈ E.
On montrera aussi les propriétés de linéarité et de monotonie de l’intégrale des fonctions étagées (voir
proposition 4.1).
3.3 Fonctions mesurables et variables aléatoires

Afin d’étendre le concept d’intégrale à une classe de fonctions plus générale que celle des fonctions étagées
(positives), on introduit les fonctions mesurables (positives). On pourra ensuite utiliser une technique de
“passage à la limite” pour définir l’intégrale de telles fonctions.
On va tout d’abord définir la notion de mesurabilité pour une fonction f de E dans F . L’espace de
départ, E, est muni d’une tribu et l’espace d’arrivée, F , est, en général, muni d’une topologie (et donc
de sa tribu de Borel, les exemples fondamentaux sont F = R ou F = R+ ). On peut aussi considérer le
cas où F est muni d’une tribu (non donnée par une topologie sur F ).
Définition 3.4 (Fonction mesurable) Soient (E, T ) un espace mesurable et F un ensemble muni
d’une topologie (par exemple : F = R ou R+ ). Une fonction f , définie de E dans F , est une fonction
T -mesurable si f −1 (A) ∈ T , pour tout A ∈ B(F ). (Ce qui est équivalent à dire que la tribu f −1 (B(F )) =
{f −1 (B), B ∈ B(F )} est incluse dans T ou encore que la tribu Tf = {B ∈ P(F ); f −1 (B) ∈ T } contient
54
B(F ), voir l’exercice 2.4 sur les tribus image directe et image réciproque.) En l’absence d’ambiguı̈té
possible on dira “mesurable” au lieu de “T -mesurable”.
Plus généralement, si F n’est pas muni d’une topologie (et donc de la tribu B(F )) mais est muni directe-
ment d’une tribu T (on a alors deux espaces mesurables : (E, T ) et (F, T )), une fonction f , définie de
E dans F , est une fonction (T, T )-mesurable si f −1 (A) ∈ T , pour tout A ∈ T . (Ce qui est équivalent à
dire que la tribu f −1 (T ) = {f −1 (B), B ∈ T } est incluse dans T ou encore que la tribu Tf = {B ∈ P(F );
f −1 (B) ∈ T } contient T .) En l’absence d’ambiguı̈té possible on dira “mesurable” au lieu de “(T, T )-
mesurable”.
Remarque 3.3 Une fonction étagée est toujours mesurable. En effet, soit (E, T ) un espace mesurable.
Soit f ∈ E (donc f est une application de EP dans R). D’après la proposition 3.3, il existe (A0 , . . . , An ),
n
partition de E, et a0 , . . . , an ∈ R t.q. f = i=0 ai 1Ai et Ai ∈ T pour tout i ∈ {0, . . . , n}. Pour tout
−1
B ⊂ R, on a donc f (B) = ∪{i; ai ∈B} Ai ∈ T . Ce qui prouve que f est mesurable de E dans R.
Noter que si f ∈ E+ , on a donc aussi f mesurable de E dans R+ (voir l’exercice 3.3).
La terminologie probabiliste utilise les termes “variable aléatoire” ou “ élément aléatoire” (au lieu de
“fonction mesurable” ou “application mesurable”).
Définition 3.5 (Variable aléatoire, élément aléatoire)

1. Soit (E, T ) un espace probabilisable, on appelle variable aléatoire une fonction X définie de E dans
R et T -mesurable, i.e. t.q. X −1 (A) ∈ T , pour tout A ∈ B(R).
2. Soit (E, T ) et (F, T ) deux espaces probabilisables. Une fonction X, définie de E dans F , est un
élément aléatoire si c’est une fonction (T, T )-mesurable (c’est-à-dire si X −1 (A) ∈ T , pour tout A
∈ T ). Lorsque F est un espace vectoriel, on dit que X est une variable aléatoire vectorielle ou un
“vecteur aléatoire”.
Remarque 3.4 Comme cela a été dit dans la proposition 3.4, on dit, en l’absence d’ambiguı̈té, “me-
surable” au lieu de “T -mesurable”. On remarque d’ailleurs que le terme probabiliste “variable aléatoire”
ne mentionne pas la dépendance par rapport à la tribu. Dans la définition 3.5, on a noté X la variable
aléatoire plutôt que f car c’est l’usage dans la littérature probabiliste.
Définition 3.6 (Tribu engendrée par une fonction mesurable)

Soient (E, T ) un espace mesurable (resp. probabilisable) et f (resp. X) une fonction mesurable de E
dans R (resp. une variable aléatoire) alors l’ensemble {f −1 (A), A ∈ B(R)} (resp. {X −1 (A), A ∈ B(R)})
est une tribu sur E qu’on appelle tribu engendrée par la fonction mesurable f (resp. la variable aléatoire
X). Cette tribu est aussi la tribu image réciproque de B(R) par f (resp. X).
Définition 3.7 (espaces M et M+ ) Soit (E, T ) un espace mesurable, on note :

• M(E, T ) = {f : E → R, mesurable },
• M+ (E, T ) = {f : E → R+ , mesurable }.
En l’absence d’ambiguı̈té, on notera M = M(E, T ) et M+ = M+ (E, T ).
Proposition 3.2 (Première caractérisation de la mesurabilité)

Soient (E, T ) un espace mesurable et f : E → F , avec F = R ou R+ . Soit C une partie de P(F )
engendrant la tribu borélienne de F . On a alors : f est mesurable si et seulement f −1 (C) ∈ T pour tout
C ∈ C. En particulier, f est mesurable si et seulement si f vérifie l’une des deux propriétés suivantes :
55
1. f −1 (]α, β[) ∈ T , pour tout α, β ∈ R, α < β,
2. f −1 (]α, ∞[) ∈ T , pour tout α ∈ R.
Dans cette caractérisation, l’ensemble ]α, β[ (ou ]α, ∞[) désigne, bien sûr, l’ensemble des éléments de F
appartenant à ]α, β[ (ou ]α, ∞[).
La démonstration de cette proposition fait l’objet de l’exercice 3.1. Le lecteur pourra trouver lui-même
d’autres caractérisations de la mesurabilité, en utilisant la proposition ci-dessus. Par exemple, soit f de
E (muni de la tribu T ) dans R+ , la fonction f est mesurable si et seulement si f −1 (]α, ∞]) ∈ T pour tout
α > 0 (par contre, f −1 (]α, ∞[) ∈ T pour tout α ≥ 0 n’implique pas que f est mesurable).
La proposition suivante nous permettra de définir l’intégrale des fonctions appartenant à M+ (comme
limite d’intégrales de fonctions étagées, voir le chapitre suivant). Par contre, on ne pourra pas donner un
sens, dans le cas général, à l’intégrale des fonctions appartenant à M.
Proposition 3.3 (Mesurabilité positive) Soient (E, T ) un espace mesurable et f : E → R+ . Alors f

∈ M+ si et seulement si il existe une suite (fn )n∈N ⊂ E+ , t.q. :
1. Pour tout x ∈ E, fn (x) → f (x), quand n → ∞,
2. fn+1 (x) ≥ fn (x), pour tout x ∈ E, et tout n ∈ N.
les 2 conditions précédentes seront dénotées dans la suite sous la forme fn ↑ f quand n → ∞.
Démonstration : Soit (fn )n∈N ∈ E+ t.q. fn ↑ f quand n → ∞. On remarque que, pour tout α ∈ R,
[
f −1 (]α, +∞]) = fn−1 (]α, +∞[). (3.4)
n∈N
Comme fn est mesurable, pour tout n ∈ N (voir la remarque 3.3), on a fn−1 (]α, +∞[) ∈ T pour tout
n ∈ N et donc, par stabilité de T par union dénombrable, f −1 (]α, +∞]) ∈ T . Ceci étant vrai pour tout
α ∈ R, on en déduit, comme {]α, +∞], α ≥ 0} engendre B(R+ ), que f est mesurable de E dans R+ ,
c’est-à-dire f ∈ M+ .
Réciproquement, on suppose que f ∈ M+. On va construire (fn )n∈N? ⊂ E+ t.q. fn ↑ f quand n → ∞.

Pour n ∈ N? , on définit la fonction fn par :
p p p+1
(
si f (x) ∈ [ n , n [, avec p ∈ {0, . . . , n2n − 1},
fn (x) = 2 n 2 2 (3.5)
n si f (x) ≥ n,
de sorte que
n
n2 −1
X p
fn = n1{x∈E; f (x)≥n} + 1 p p+1 .
p=0
2n {x∈E; f (x)∈[ 2n , 2n [}
Comme f ∈ M+ , on a {x ∈ E; f (x) ≥ n} ∈ T et {x ∈ E; f (x) ∈ [ 2pn , p+1

2n [} ∈ T pour tout n et tout p,
on a donc (fn )n∈N? ⊂ E+ .
On montre maintenant que, pour tout x ∈ E, on a fn (x) → f (x), quand n → ∞. Soit x ∈ E. On

distingue deux cas :
56
Premier cas. On suppose f (x) < ∞. On a alors, pour n ≥ f (x), |f (x) − fn (x)| ≤ 21n . On a donc
fn (x) → f (x) quand n → ∞.
Deuxième cas. On suppose f (x) = ∞. On a alors fn (x) = n pour tout n ∈ N? et donc fn (x) → f (x)
quand n → ∞.
On montre enfin que, pour tout x ∈ E et pour tout n ∈ N? , on a fn+1 (x) ≥ fn (x). Soit x ∈ E et n ∈ N? .
On distingue trois cas :
Premier cas. On suppose f (x) ≥ n + 1. On a alors fn+1 (x) = n + 1 > n = fn (x).
Deuxième cas. On suppose n ≤ f (x) < n + 1. Il existe alors i ∈ {n2n+1 , . . . , (n + 1)2n+1 − 1} t.q.
i
f (x) ∈ [ 2n+1 , 2i+1 i
n+1 ]. On a alors fn (x) = n ≤ 2n+1 = fn+1 (x).
Troisième cas. On suppose f (x) < n. Il existe alors p ∈ {0, . . . , n2n − 1} t.q. f (x) ∈ [ 2pn , p+1 2n [=
2p
[ 2n+1 , 2(p+1)
2n+1 [. Si f (x) ∈ [ 2p
, 2p+1
2n+1 2n+1 [, on a fn (x) = p
2n = 2p
2n+1 = f n+1 (x). Si f (x) ∈ [ 2p+1 2(p+1)
2n+1 , 2n+1 [, on a
p 2p+1
fn (x) = 2n < 2n+1 = fn+1 (x). On a toujours fn (x) ≤ fn+1 (x).
On a bien ainsi construit (fn )n∈N? ⊂ E+ t.q. fn ↑ f quand n → ∞.
Proposition 3.4 (Mesurabilité sans signe) Soient (E, T ) un espace mesurable, et f : E → R. On

suppose que f est mesurable. Il existe alors une suite (fn )n∈N ⊂ E t.q., pour tout x ∈ E, fn (x) → f (x),
quand n → ∞.
Démonstration :
On définit la fonction f + : E → R+ par f + (x) = max(f (x), 0) pour tout x ∈ E. On remarque que
f + ∈ M+ (et f + ∈ M, voir l’exercice 3.3). En effet, f + prend ses valeurs dans R+ et (f + )−1 (]α, ∞]) =
f −1 (]α, ∞[) ∈ T si α > 0. On conclut en remarquant que {]α, ∞], α > 0} engendre B(R+ ). On définit
également f − = (−f )+ , de sorte que f = f + − f − . On a donc aussi f − ∈ M+ . La proposition 3.3
donne l’existence de (fn )n∈N ⊂ E+ et (gn )n∈N ⊂ E+ t.q. fn ↑ f + et gn ↑ f − quand n → ∞. On pose
hn = fn − gn , de sorte que hn (x) → f (x), quand n → ∞, pour tout x ∈ E. D’autre part, comme E est
un espace vectoriel (voir la proposition 3.1 page 54), on a (hn )n∈N ∈ E.
La proposition précédente nous donnera, avec les propriétés de stabilité de M et M+ (voir la proposition
3.5) une deuxième caractérisation de la mesurabilité, voir la proposition 3.6.
L’ensemble des fonctions mesurables est un ensemble très “stable”, c’est-à-dire que des opérations “usuel-
les” (comme “addition”, “multiplication”, “limite”. . . ) sur des fonctions mesurables donnent encore des
fonctions mesurables, ceci est précisé dans la proposition suivante. Dans le cas (fondamental) de (E, T )
= (R, B(R)), il est “difficile” de trouver des fonctions non mesurables (comme il est “difficile” de trouver
des parties non boréliennes, bien que le cardinal de B(R) soit égal au cardinal de R et donc strictement
inférieur au cardinal de P(R)). En pratique, on peut en gros supposer que les fonctions de R dans R sont
toutes B(R)-mesurables (bien qu’il y ait “beaucoup” de fonctions non mesurables. . . ).
Proposition 3.5 (Stabilité de M et M+ ) Soit (E, T ) un espace mesurable.
1. Soit I ⊂ N.
Soit (fn )n∈I ⊂ M+ , alors supn∈I fn ∈ M+ et inf n∈I fn ∈ M+ .
Soit (fn )n∈I ⊂ M. Si supn∈I fn prend ses valeurs dans R, alors supn∈I fn ∈ M. De même, si
inf n∈I fn prend ses valeurs dans R, alors inf n∈I fn ∈ M.
57
2. Soit (fn )n∈N ⊂ M+ , alors lim supn→∞ fn ∈ M+ et lim inf n→∞ fn ∈ M+ .
Soit (fn )n∈N ⊂ M. Si lim supn∈N fn prend ses valeurs dans R, alors lim supn∈N fn ∈ M. De même,
si lim inf n∈N fn prend ses valeurs dans R, alors lim inf n∈N fn ∈ M.
3. Soit (fn )n∈N ⊂ M+ . On suppose que fn (x) → f (x) dans R+ , pour tout x ∈ E. Alors f ∈ M+ .
Soit (fn )n∈N ⊂ M. On suppose que fn (x) → f (x) dans R, pour tout x ∈ E. Alors f ∈ M.
4. M est un espace vectoriel sur R et si f, g ∈ M, alors f g ∈ M.
Démonstration :
1. Soit (fn )n∈N ⊂ M+ . Il est clair que f = supn∈I fn est bien définie et prend ses valeurs dans R+ .
Puis, Pour tout α ∈ R, on a f −1 (]α, ∞]) = ∪n∈I fn−1 (]α, ∞]) ∈ T . Comme {]α, ∞] ∩ R+ , α ∈ R}
engendre B(R+ ), on en déduit que f est mesurable de E dans R+ , c’est-à-dire f ∈ M+ .
De même la fonction f = inf n∈I fn est aussi bien définie et prend ses valeurs dans R+ (elle prend
même ses valeurs dans R+ si les fn prennent leurs valeurs dans R+ , ceci n’est pas vrai avec la
fonction supn∈I fn ). On remarque ensuite que f −1 (] − ∞, α[) = ∪n∈I fn−1 (] − ∞, α[), pour tout
α ∈ R. Comme {] − ∞, α[∩R+ , α ∈ R} engendre B(R+ ), on en déduit que f est mesurable de E
dans B(R+ ), c’est-à-dire f ∈ M+ .
Soit maintenant (fn )n∈N ⊂ M. La fonction f = supn∈I fn est bien définie si on la considère comme
étant à valeurs dans R car elle peut prendre la valeur +∞ en certains points. On la suppose
maintenant à valeurs dans R. On peut alors raisonner comme précédemment en remarquant que
f −1 (]α, ∞[) = ∪n∈I fn−1 (]α, ∞[) et que {]α, ∞[, α ∈ R} engendre B(R). De même, La fonction
f = inf n∈I fn est bien définie si on la considère comme étant à valeurs dans R car elle peut prendre
la valeur −∞ en certains points. On la suppose maintenant à valeurs dans R. On peut alors
raisonner comme précédemment en remarquant que f −1 (] − ∞, α[) = ∪n∈I fn−1 (] − ∞, α[) et que
{] − ∞, α[, α ∈ R} engendre B(R).
2. Soit (fn )n∈N ⊂ M+ . On pose f = lim supn→∞ fn , la fonction f est bien définie à valeurs dans R+ .
Pour tout x ∈ E, on a f (x) = lim supn→∞ fn (x) = limn→∞ (supp≥n fp (x)) = inf n∈N (supp≥n fp (x)),
c’est-à-dire f = inf n∈N (supp≥n fp ). En utilisant les résultats précédents (avec sup puis inf), on a
donc f ∈ M+ . Un raisonnement similaire donne lim inf n→∞ fn = supn∈N (inf p≥n fp ) ∈ M+ .
Soit maintenant (fn )n∈N ⊂ M. On suppose que f = lim supn→∞ fn = inf n∈N (supp≥n fp ) (qui est
bien définie dans R ∪ {∞}) prend ses valeurs dans R. Comme les fn prennent leurs valeurs dans R,
on peut alors remarquer que la fonction supp≥n fp prend aussi ses valeurs dans R, pour tout n ∈ N.
On a donc, avec la propriété démontrée en 1, supp≥n fp ∈ M pour tout n ∈ N. Puis, utilisant
encore la propriété démontrée en 1, f = inf n∈N (supp≥n fp ) ∈ M. Un raisonnement analogue donne
lim inf n→∞ fn = supn∈N (inf p≥n fp ) ∈ M dès que l’on suppose que lim inf n→∞ fn prend ses valeurs
dans R.
3. Cette question est immédiate grâce à la précédente. Il suffit de remarquer que dès que la limite de la
suite (fn (x))n∈N existe, elle est nécessairement égale à la limite supérieure (ou la limite inférieure)
de cette même suite (fn (x))n∈N , c’est-à-dire que limn→∞ fn (x) = lim supn→∞ fn (x) (pour tout
x ∈ E). Ici on remarque donc simplement que f = lim supn→∞ fn et on applique la propriété 2.
58
4. Soit f, g ∈ M et soit α, β ∈ R On pose h = αf +βg. D’après la proposition 3.4, il existe (fn )n∈N ⊂ E
et (gn )n∈N ⊂ E t.q. fn (x) → f (x) et gn (x) → g(x), quand n → ∞, pour tout x ∈ E. On pose
hn = αfn + βgn , de sorte que hn (x) → h(x), quand n → ∞, pour tout x ∈ E. La proposition
3.1 donne que E est un espace vectoriel sur R, on a donc (hn )n∈N ⊂ E. Comme E ⊂ M (voir la
remarque 3.3), la propriété 3 ci dessus donne alors que h ∈ M. L’ensemble M est donc un espace
vectoriel (sur R).
Soit f, g ∈ M. On pose h = f g. On raisonne comme ci dessus, il existe (fn )n∈N ⊂ E et (gn )n∈N ⊂ E
t.q. fn (x) → f (x) et gn (x) → g(x), quand n → ∞, pour tout x ∈ E. On pose hn = fn gn ,
de sorte que hn (x) → h(x), quand n → ∞, pour tout x ∈ E. La proposition 3.1 donne aussi
(hn )n∈N ⊂ E ⊂ M. La propriété 3 ci dessus donne alors que h ∈ M.
Proposition 3.6 (Deuxième caractérisation de la mesurabilité) Soit (E, T ) un espace mesurable

et f : E → R. Alors, f est mesurable si et seulement si il existe une suite (fn )n∈N ⊂ E t.q., pour tout
x ∈ E, fn (x) → f (x), quand n → ∞.
Démonstration :
Cette caractérisation est donnée par la proposition 3.4 pour le sens “seulement si” et par la propriété 3
de la proposition 3.5 pour le sens “si”.
On rappelle aussi qu’une fonction f de E (muni de la tribu T ) dans R+ est mesurable (c’est-à-dire
appartient à M+ ) si et seulement si il existe (fn )n∈N ⊂ E+ t.q. fn ↑ f (voir la proposition 3.3).
Remarque 3.5 Il est intéressant de remarquer que la proposition 3.6 peut être fausse si on prend pour
F un espace topologique quelconque (elle reste vraie, par exemple, si F est un espace vectoriel normé de
dimension finie) avec une définition immédiate de E généralisant celle donnée pour les fonctions à valeurs
dans R ou R+ .
Définition 3.8 Soient E un ensemble et f : E → R. Pour tout x ∈ E, on pose :
• f + (x) = max(f (x), 0),

• f − (x) = − min(f (x), 0) = (−f )+ (x),
• |f |(x) = |f (x)|.
Proposition 3.7 Soient (E, T ) un espace mesurable et f ∈ M. On a alors f = f + − f − , |f | = f + + f −

et f + , f − , |f | ∈ M+ ∩ M.
Démonstration :
Le fait que f = f + − f − et |f | = f + + f − est immédiat. On a déjà vu, dans la démonstration de la
proposition 3.4, que f + , f − ∈ M+ et donc que f + , f − ∈ M (voir l’exercice 3.3). La proposition 3.5
donne que M est un espace vectoriel sur R. On a donc |f | ∈ M et donc aussi |f | ∈ M+ car |f | ≥ 0.
59
3.4 Mesure image, loi d’une v.a., v.a. indépendantes
Soit (E, T ) et (F, T ) deux espaces mesurables (l’exemple fondamental est (F, T ) = (R, B(R))) et f une
fonction mesurable de E vers F . Si m est une mesure sur T , alors on peut définir, à partir de f et m,
une mesure sur T de la manière suivante :
Proposition 3.8 (Mesure image) Soient (E, T, m) un espace mesuré, (F, T ) un espace mesurable et
f une fonction mesurable de E vers F (c’est-à-dire (T, T )-mesurable). Alors, l’application mf définie de
T dans R+ par : mf (A) = m(f −1 (A)), pour tout A ∈ T , est une mesure sur T , appelée mesure image
par f .
Démonstration : Il suffit de remarquer que mf est bien définie, que mf (∅) = 0 et que mf est
σ−additive, ce qui découle naturellement des propriétés de m.
Définition 3.9 (Loi de probabilité et fonction de répartition d’une variable aléatoire)

Soient (E, T, p) un espace probabilisé, X une variable aléatoire réelle (c’est-à-dire une fonction mesurable
de E, muni de la tribu T , dans R, muni de la tribu borélienne). On appelle loi de probabilité de la variable
aléatoire X la probabilité pX image de p par X (cette probabilité est donc définie sur B(R)). On appelle
fonction de répartition de la variable aléatoire X la fonction de répartition de la probabilité pX .
Dans de nombreux cas, les modèles probabilistes seront déterminés par une loi de probabilité d’une
variable aléatoire. Une conséquence immédiate du théorème 2.4 est que la loi de probabilité d’une
variable aléatoire réelle est entièrement déterminée par sa fonction de répartition. Ceci est énoncé dans
la proposition suivante.
Proposition 3.9 (Egalité de deux lois) Soient (E, T, p) et (E 0 , T 0 , p0 ) des espaces probabilisés, X une
variable aléatoire réelle sur E (c’est-à-dire une fonction mesurable de E, muni de T , dans R muni de
B(R)) et X 0 une variable aléatoire réelle sur E 0 . On a alors pX = pY si et seulement si p({X ≤ t}) =
p0 ({Y ≤ t}) pour tout t ∈ R. On a aussi pX = pY si et seulement si p({s ≤ X ≤ t}) = p0 ({s ≤ Y ≤ t})
pour tout s, t ∈ R, s < t. (Les inégalités strictes peuvent remplacées par des inégalités larges.)
Démonstration : Cette proposition est une conséquence des théorèmes 2.4 et 2.5. Il suffit de remarquer
que p({X ≤ t}) = pX (] − ∞, t]) et p({s ≤ X ≤ t}) = pX ([s, t]) (et les mêmes égalités avec Y au lieu de
X).
On rappelle que la notation p({X ≤ t}) (si X est une v. a. réelle sur l’espace probabilisé (E, T, p)) signifie
p({ω ∈ E; X(ω) ≤ t}). Cette notation sera abrégée sous la forme p(X ≤ t).
Définition 3.10 (Variables aléatoires équidistribuées)

Soient (E, T, p) et (E 0 , T 0 , p0 ) des espaces probabilisés, X (resp. X 0 ) une variable aléatoire de (E, T, p)
(resp. (E 0 , T 0 , p0 )) dans (R, B(R)), on dit que les variables aléatoires X et X 0 sont équidistribuées si elles
ont même loi de probabilité.
Définition 3.11 (Variable aléatoire discrète, entière, continue) Soient (E, T, p) un espace proba-
bilisé, X une variable aléatoire sur (E, T, p), pX la loi de la variable aléatoire X et FX sa fonction de
répartition;
1. Si X(E) est dénombrable, on dit que la variable aléatoire X est discrète.
2. Si X(E) ⊂ N, on dit que la variable aléatoire X est entière.
60
3. Si la fonction de répartition FX définie de R dans [0, 1] est continue, on dit que la variable aléatoire
est continue.
Définition 3.12 (Variables aléatoires indépendantes) Soit (E, T, p)) un espace probabilisé.
1. Soit N > 1 et X1 , . . . , XN une famille de variables aléatoires réelles. On dit que X1 , . . . , XN
sont indépendantes (ou que la famille ( X1 , . . . , XN ) est indépendante) si les tribus engendrées par
X1 , . . . , XN (on notera souvent τ (X) ou σ(X) la tribu engendrée par la variable aléatoire X) sont
indépendantes.
2. Soit (Xn )n∈N? une suite de variables aléatoires réelles. On dit que la suite (Xn )n∈N? est indépen-
dante (ou que les v.a. X1 , . . . , Xn , . . . sont indépendantes) si, pour tout N > 1, les v.a. X1 , . . . , XN
sont indépendantes.
On appellera “suite de v.a.r.i.i.d. ” une suite de variables aléatoires réelles indépendantes identiquement
distribuées (ce dernier point signifiant que toutes les v.a. de la suite ont même loi).
Soit (E, T, p)) un espace probabilisé et X1 , X2 , X3 trois v.a.r. (c’est-à-dire variables aléatoires réelles).
Le fait que X1 soit indépendante de X2 et X3 n’implique pas que X1 soit indépendante de (par exemple)
X2 + X3 , même si X2 et X3 sont indépendantes. Mais, on a bien X1 indépendante de X2 + X3 si la
famille (X1 , X2 , X3 ) est indépendante. Ceci est une conséquence da la proposition suivante.
Proposition 3.10 (Indépendance et composition)

Soit (E, T, p)) un espace probabilisé, n ≥ 1, m ≥ 1 et X1 , . . . , Xn , Y1 , . . . , Ym des v.a.r indépendantes.
Soit ϕ une fonction borélienne de Rn dans R et ψ une fonction borélienne de Rm dans R. Alors, les
v.a.r. ϕ(X1 , . . . , Xn ) et ψ(Y1 , . . . , Ym ) sont indépendantes. Nous avons ici décomposé la famille initiale
de v.a.r. indépendantes en 2 groupes. la proposition peut se généraliser à une décomposition en un nombre
quelconque de groupes.
Démonstration : La notation ϕ(X1 , . . . , Xn ) est un peu incorrecte (mais toujours utilisée). Elle désigne
(comme on le devine facilement) la composition de ϕ (qui va de Rn dans R) avec l’application de E dans
Rn donnée par les Xi , i = 1, . . . , n.
La démonstration de cette proposition (et de sa généralisation à un nombre quelconque de groupes)
est une conséquence simple de la proposition 2.11 dés que l’on remarque que la tribu engendrée par
ϕ(X1 , . . . , Xn ) est incluse dans la tribu engendrée par X1 , . . . , Xn , ce que nous démontrons maintenant.
On note τ la tribu engendrée par X1 , . . . , Xn et X l’application de E dans Rn qui à ω ∈ E associe

t n −1
Q)n. . . , Xn (ω)) . Il est facile de voir que {A ∈ B(R ) t.q.−1X (A) ∈n τ } est
(X1 (ω, une tribu (sur Rn ). Si
A = i=1 Ai avec Ai ∈ B(R) pour tout i = 1, . . . , n, on a X (A) = ∩i=1 Xi (Ai ) ∈ τ (car Xi−1 (Ai )
−1
appartient à τ (Xi ) et donc à τ ). Comme B(Rn ) est engendrée par l’ensemble des produits de boréliens
de R (et même par l’ensemble des produits d’intervalles ouverts de R, voir l’exercice 2.6), on en déduit
que {A ∈ B(Rn ) t.q. X −1 (A) ∈ τ } contient B(Rn ). Pour tout B ∈ B(R), on a donc (ϕ(X))−1 (B) =
X −1 (ϕ−1 (B)) ∈ τ car ϕ−1 (B) ∈ B(Rn ) (puisque ϕ est borélienne). ce qui prouve bien que la tribu
engendrée par ϕ(X1 , . . . , Xn ) est incluse dans la tribu engendrée par X1 , . . . , Xn .
Nous verrons au chapitre 7 la conséquence principale de l’indépendance. Cette conséquence est que, si
X, Y sont des v.a.r. indépendantes, la loi du couple (X, Y ) est le produit des lois PX et PY (c’est-à-dire ,
avec les notations du Chapitre 7, P(X,Y ) = PX ⊗ PY ). Une propriété analogue est vraie pour une famille
(X1 , . . . , Xn ) de v.a.r. indépendantes.
61
Nous terminons ce paragraphe par un théorème très utile en probabilités sur la représentation d’une v.a.
mesurable par rapport à une autre v.a..
Théorème 3.1 (V.a. mesurable par rapport à une autre v.a.) Soient X et Y deux v.a. réelles
définies sur un espace de probabilités (Ω, A, P ). Alors, la v.a. Y est mesurable par rapport à la tribu
engendrée par X (notée τ (X)) si et seulement si il existe une fonction borélienne f de R dans R telle
que Y = f (X).
Démonstration : La démonstration de ce résultat fait l’objet de l’exercice 3.14 (corrigé 46). Il est in-
téressant de remarquer que le démonstration de ce théorème faite dans le corrigé 46 donne les informations
complémentaires suivantes :
• Y est τ (X)-mesurable bornée si et seulement si il existe f borélienne bornée t.q. Y = f (X),
• Y est τ (X)-mesurable positive si et seulement si il existe f borélienne positive t.q. Y = f (X).
La partie “si” de ces deux résultats est immédiate. Pour la partie “seulement si”, il suffit de remarquer
que la démonstration faite dans le corrigé 46 donne f t.q.
Imf = {f (t), t ∈ R} ⊂ Im(Y ) ∪ {0}, avec ImY = {Y (ω), ω ∈ Ω}.
3.5 Convergence p.p., p.s., en mesure, en probabilité

On introduit ici plusieurs notions de convergence de fonctions définies sur un espace mesuré à valeurs dans
R (ou R+ ) et on donne des liens entre ces différentes convergences. On introduit les notions équivalentes
pour les variables aléatoires en langage probabiliste.
Définition 3.13 (Egalité presque partout) Soient (E, T, m) un espace mesuré, F un ensemble et f
et g des fonctions définies de E dans F (F = R ou F = R+ , par exemple) ; on dit que f = g m-presque
partout (et on note f = g m-p.p.) si l’ensemble {x ∈ E ; f (x) 6= g(x)} est négligeable, c’est à dire qu’il
existe A ∈ T t.q. m(A) = 0 et f (x) = g(x) pour tout x ∈ Ac .
On peut remarquer que si f et g sont des fonctions mesurables de E (muni de la tribu T et de la mesure
m) dans R (ou R+ ), l’ensemble {x ∈ E ; f (x) 6= g(x)} (noté aussi {f 6= g}) appartient à T . Le fait que
f = g m p.p. revient donc à dire que m({f 6= g}) = 0. Dans la cas où f ou g n’est pas mesurable,
l’ensemble {f 6= g} peut être négligeable sans appartenir à T (il appartient nécessairement à T si la
mesure est complète, voir la définition 2.15).
En l’absence de confusion possible, on remplace m-p.p. par p.p.. Cette définition se traduit en langage
probabiliste par:
Définition 3.14 (Egalité presque sûre) Soient (E, T, p) un espace probabilisé, X et Y des variables
aléatoires X et Y de (E, T ) dans (R, B(R)) ; on dit que X = Y p-presque sûrement (et on note X = Y
p.s. ), si l’ensemble {x ∈ E ; X(x) 6= Y (x)} est négligeable.
Définition 3.15 (Convergence presque partout) Soient (E, T, m) un espace mesuré, F un ensem-
ble, (fn )n∈N une suite de fonctions de E dans F et f une fonction de E dans F (F = R ou F = R+ , par
exemple) ; on dit que fn converge presque partout vers f (fn → f p.p. ) si il existe une partie A de E,
négligeable, t.q., pour tout élément x de Ac , la suite (fn (x))n∈N converge vers f (x).
62
Noter que la convergence simple entraı̂ne la convergence presque partout.
La définition 3.15 se traduit en langage probabiliste par:
Définition 3.16 (Convergence presque sure) Soient (E, T, p) un espace probabilisé, (Xn )n∈N une
suite de variables aléatoires et X une variable aléatoire ; on dit que Xn converge presque sûrement vers
X (Xn → X p.s. ) si il existe une partie A de E, négligeable, t.q., pour tout élément x de Ac , la suite
(Xn (x))n∈N converge vers X(x).
Définition 3.17 (Convergence presque uniforme) Soient (E, T, m) un espace mesuré, (fn )n∈N ⊂
M et f ∈ M. On dit que fn converge presque uniformément vers f (fn → f p.unif. ) si, pour tout
ε > 0, il existe A ∈ T t.q. m(A) ≤ ε et fn converge uniformément vers f sur Ac .
La convergence presque uniforme entraı̂ne la convergence presque partout (voir exercice 3.23).
Attention, la convergence “presque uniforme” ne donne pas la convergence “uniforme en dehors d’un
ensemble de mesure nulle”. La convergence “uniforme en dehors d’un ensemble de mesure nulle” est reliée
à la convergence “essentiellement uniforme”, c’est-à-dire la convergence pour le “sup essentiel”, défini
ci-après, ou pour la norme k · k∞ que nous verrons dans la section 6.1.2.
Définition 3.18 (sup essentiel) Soient (E, T, m) un espace mesuré et f ∈ M. On dit que f est
essentiellement bornée si il existe C ∈ R+ tel que |f | ≤ C p.p.. On appelle alors “sup essentiel de |f |”, et
on le note kf k∞ , l’infimum des valeurs C telles que |f | ≤ C p.p.. Si f n’est pas essentiellement bornée,
on pose kf k∞ = ∞.
Remarquons que dans le cas où (E, T, m) = (R, B(R), λ), le sup essentiel d’une fonction continue est la
borne supérieure de sa valeur absolue (ceci fait l’objet de la proposition 6.4).
Définition 3.19 (Convergence essentiellement uniforme) Soient (E, T, m) un espace mesuré, f ∈

M et (fn )n∈N ⊂ M; on dit que fn converge essentiellement uniformément vers f (fn → f ess. unif. )
si kfn − f k∞ → 0 lorsque n → +∞.
Il est facile de voir que la convergence essentiellement uniforme entraı̂ne la convergence presque uniforme,
mais la réciproque est fausse (voir l’exercice 3.24). Le théorème suivant donne, dans le cas où la mesure
est finie, un résultat très important qui fait le lien entre la convergence presque partout et la convergence
presque uniforme.
Théorème 3.2 (Egorov) Soient (E, T, m) un espace mesuré, tel que m(E) < +∞, (fn )n∈N ⊂ M et
f ∈ M. On suppose que fn → f p.p.. Alors, pour tout ε > 0, il existe A ∈ T tel que m(A) ≤ ε et fn
converge uniformément vers f sur Ac . (Autrement dit, la suite (fn )n∈N converge presque uniformément
vers f .)
La démonstration de ce théorème fait l’objet de l’exercice 3.24. Attention, lorsque m(E) = +∞, on peut
trouver des suites de fonctions qui convergent presque partout et non presque uniformément.
Définition 3.20 (Convergence en mesure) Soient (E, T, m) un espace mesuré, (fn )n∈N ⊂ M et f ∈
M. On dit que fn converge en mesure vers f si :
∀ ε > 0, lim m({x ∈ E ; |f (x) − fn (x)| ≥ ε}) = 0. (3.6)

n→+∞
Cette définition se traduit en langage probabiliste par:
63
Définition 3.21 (Convergence stochastique ou en probabilité) Soient (E, T, p) un espace proba-
bilisé, (Xn )n∈N une suite de variables aléatoires et X une variable aléatoire . On dit que Xn converge
stochastiquement, ou en probabilité, vers X si :
∀ ε > 0, lim p({x ∈ Xn ; |X(x) − Xn (x)| ≥ ε}) = 0. (3.7)

n→+∞
On peut montrer (cf exercice 3.22) que si (fn )n∈N ⊂ M converge en mesure vers f ∈ M et (fn )n∈N
converge en mesure vers g ∈ M, alors f = g p.p.. On montre aussi que si (fn )n∈N ⊂ M converge en
mesure vers f ∈ M et (gn )n∈N converge en mesure vers g ∈ M, alors (fn + gn )n∈N ⊂ M converge en
mesure vers f + g ∈ M, et, si m est une mesure finie, (fn gn )n∈N ⊂ M converge en mesure vers f g ∈ M.
On montre à l’aide du théorème d’Egorov que si fn converge vers f presque partout, et si m(E) < +∞,
alors fn converge vers f en mesure. Réciproquement, si fn converge vers f en mesure, alors il existe une
sous-suite de (fn )n∈N qui converge vers f presque uniformément (et donc presque partout). Ce second
résultat est vrai même si m(E) = +∞ (voir exercice 3.25).
On donne maintenant un résumé des différents types de convergence connus jusqu’à présent avec les
relations existantes entre eux; les relations entre convergence presque partout et convergence en mesure
(resp. convergence presque sure et convergence stochastique) sont étudiées dans l’exercice 3.25. (On en
introduira bientôt encore quelques-unes. . . )
Terminologie “analyste” Terminologie “probabiliste”

convergence simple (cs)
convergence uniforme (cu)
convergence presque partout (cpp) convergence presque sure (cps)
convergence presque uniforme (cpu)
convergence en mesure (cm) convergence stochastique (cst)
On a les implications suivantes :
Terminologie “analyste” Terminologie “probabiliste”

(cu) ⇒ (cs) ⇒ (cpp)
(cu) ⇒ (cpu) ⇒ (cpp)
(cpp) ⇒ (cpu) si la mesure est finie
(cm) ⇒ (cpu) (et donc (cpp)) pour une sous-suite (cst) ⇒ (cps) pour une sous-suite
(cpp) ⇒ (cm) si la mesure est finie (cps) ⇒ (cst) si la mesure est finie
(cpu) ⇒ (cm)
3.6 Exercices
Exercice 3.1 (Caractérisation des fonctions mesurables) (?)Corrigé 36 page 311
Soient (E, T ) un espace mesurable et f une application de E dans R ;
1. Montrer que Tf = {B ∈ P(R) ; f −1 (B) ∈ T } est une tribu.
2. Soit C un ensemble qui engendre B(R), montrer que les deux assertions suivantes sont équivalentes :
(i) f est mesurable,

(ii) f −1 (C) ∈ T , pour tout C ∈ C.
64
Exercice 3.2 (Composition de fonctions mesurables) Corrigé 37 page 311
Soit (E, T ) et (F, S) deux espaces mesurables. Soit f : E → F et ϕ : F → R (R est muni, comme
toujours, de la tribu borélienne). On suppose que f et ϕ sont mesurables. Montrer que ϕ◦f est mesurable
(de E dans R).
Exercice 3.3 (R ou R+ . . . ) Corrigé 38 page 311

Soit ϕ : R → R, ϕ ≥ 0. On munit R (au départ et à l’arrivée) de la tribu borélienne. Montrer que ϕ est
mesurable (on dit aussi borélienne) si et seulement si ϕ est mesurable quand on la considère comme une
application de R dans R+ (R+ étant aussi muni de la tribu borélienne).
Exercice 3.4 (Stabilité de M) Corrigé 39 page 312
1. Soient (E, T ), (E 0 , T 0 ), (E 00 , T 00 ) des espaces mesurables, f (resp. g) une application de E dans

E 0 (resp. de E 0 dans E 00 ). On suppose que f et g sont mesurables. Montrer que g ◦ f est une
application mesurable de E dans E 00 .
2. Soit (E, T ) un espace mesurable, on munit R de la tribu des boréliens B(R); soient f et g des
fonctions mesurables de E dans R.
(a) Montrer que f + (= sup(f, 0)), f − (= − inf(f, 0)) sont des fonctions mesurables de E dans R.
(b) Montrer que f + g, f g et |f | sont des fonctions mesurables de E dans R.
3. Soient (E, T ) un espace mesurable, (fn )n∈N une suite de fonctions mesurables de E dans R. On
suppose que la suite (fn (x))n∈N converge (dans R) pour tout x ∈ E. On pose f (x) = limn→+∞ fn (x)
(pour tout x ∈ E). Montrer que f est une fonction mesurable de E dans R.
4. Soit (E, T ) un espace mesurable, on suppose qu’il existe A ∈ T dont les sous-ensembles ne soient
pas tous mesurables. Il existe donc B ⊂ A t.q. B ∈ / T . Montrer que h = 1B − 1A\B n’est pas
mesurable (de E dans R), alors que |h| l’est.
Exercice 3.5 (Mesurabilité des fonctions continues) Corrigé 40 page 313

Soit f une application de R dans R. On munit R (au départ et à l’arrivée) de la tribu borélienne
1. On suppose f continue. Montrer que f est mesurable (on dit aussi que f est borélienne).
2. On suppose f continue à droite (resp. gauche). Montrer que f est mesurable.
3. On suppose f croissante. Montrer que f est mesurable.
Exercice 3.6 (Mesurabilité de 1Q )

On munit R de sa tribu borélienne. La fonction 1Q est-elle mesurable ?
Exercice 3.7
Soit (E, T, p) un espace probabilisé et X une variable aléatoire sur (E, T ) ;
1. On prend pour X la variable aléatoire nulle, c’est-à-dire X : E → R, X(x) = 0, pour tout x ∈ E.
Calculer la loi de probabilité pX de X. En déduire que la connaissance de pX ne permet pas en
général de déterminer la probabilité p sur E.
2. Montrer que pX détermine p de manière unique si la tribu engendrée par X (voir la définition 3.6),
notée TX , est égale à T . Cette condition est-elle nécessaire ?
65
Exercice 3.8
Soit A une tribu sur un ensemble E et A ∈ A tel que : B ∈ A et B ⊂ A implique B = ∅ ou B = A.
Montrer que toute fonction mesurable (de E dans R) est constante sur A. En particulier si A est engendrée
par une partition, une fonction mesurable est constante sur chaque élément de la partition. Donner une
fonction constante sur tout élément d’une partition mais qui ne soit pas mesurable. [Prendre comme
partition de R tous les singletons. . . ]
Exercice 3.9 (Egalité presque partout) Corrigé 41 page 313
1. Soient f et g des fonctions continues de R dans R et λ la mesure de Lebesgue ; montrer que f = g

λ p.p. si et seulement si f = g.
2. Soient f et g des fonctions de R dans R et δ0 la mesure de Dirac en 0 ; montrer que f = g δ0 p.p.
si et seulement si f (0) = g(0).

Soit f : RN × R dans R. On munit Rp de sa tribu borélienne (pour tout p ∈ N? ). On suppose que f est
mesurable par rapport à x ∈ RN , pour tout y ∈ R, et que f est continue a gauche par rapport a y ∈ R,
pour tout x ∈ RN .
Pour n > 1 et p ∈ Z, on pose : anp = np , p ∈ Z ; on définit la fonction fn , n > 1, de RN × R dans R par :
fn (x, y) = f (x, anp ), si y ∈ [anp , anp+1 [
1. Montrer que fn converge simplement vers f lorsque n → +∞.

2. Montrer que fn est mesurable. [On pourra utiliser, sans le démontrer, le fait que A × B ∈ B(RN +1 )
si A ∈ B(RN ) et B ∈ B(R). Ceci est démontré dans l’exercice 2.5 page 42 pour N = 1 et dans
l’exercice 7.1 pour N > 1.]
3. Montrer que f est mesurable.
[On pourra se contenter du cas N = 1. . . ]
Exercice 3.11 (Tribu de Borel sur R+ ) Corrigé 43 page 315
1. Montrer que {[0, β[, β ∈ R?+ } engendre B(R+ ).
2. Montrer que {[0, β[, β ∈ Q ∩ R?+ } engendre B(R+ ).
3. (Question plus difficile.) Montrer que {]0, β[, β ∈ R?+ } n’engendre pas B(R+ ).

Soit f une fonction mesurable de R dans R (R est muni de sa tribu borélienne, notée B(R)). On se
propose de montrer que le graphe de f est un borélien de R2 . On admettra le résultat suivant, vu dans
l’exercice 2.5:
A, B ∈ B(R) ⇒ A × B ∈ B(R2 ).
On munit aussi R2 de sa tribu borélienne. Pour x, y ∈ R, on pose F (x, y) = f (x) et H(x, y) = y.
1. Montrer que F et H sont mesurables de R2 dans R.
66
2. On pose G(f ) = {(x, y)t ∈ R2 ; y = f (x)} (G(f ) est donc le graphe de f ). Montrer que G(f ) ∈
B(R2 ).
Exercice 3.13 (mesurabilité au sens de Lusin) Corrigé 45 page 316

Soit m une mesure sur B(RN ), finie sur les compacts de RN . On rappelle (cf. cours) que m est néces-
sairement régulière (c’est-à-dire que pour tout A ∈ B(RN ) et pour tout ε > 0, il existe F fermé et O
ouvert t.q. F ⊂ A ⊂ O et m(O \ F ) < ε).
Soit f ∈ RN → R. On dit que f est “mesurable au sens de Lusin” si pour tout compact K et pour tout
ε > 0, il existe K1 compact, K1 ⊂ K, t.q. m(K \ K1 ) ≤ ε et f|K1 ∈ C(K1 , R).
1. On suppose, dans cette question, que f = 1A avec A ∈ B(RN ). Montrer que f est mesurable au sens
de Lusin. [Construire K1 avec K, F et O, où F et O sont donnés par la régularité de m appliquée
à l’ensemble A.]
2. On suppose, dans cette question, que f est étagée (c’est-à-dire f ∈ E(RN , B(RN )). Montrer que f
est mesurable au sens de Lusin.
3. On suppose que f est mesurable (c’est-à-dire f ∈ M(RN , B(RN )). Montrer que f est mesurable au
sens de Lusin. [On rappelle qu’une fonction mesurable est limite simple de fonctions étagées. On
pourra utiliser le théorème d’Egorov, Théorème 3.2, et la question précédente.]
Exercice 3.14 (V.a. mesurable par rapport à une autre v.a.) Corrigé 46 page 318
Dans cet exercice, on démontre le théorème 3.1. Soit X et Y deux variables aléatoires réelles définies sur
un espace de probabilités (Ω, A, P ). On veut veut montrer que Y est mesurable par rapport à la tribu
engendrée par X (notée τ (X) si et seulement si il existe une fonction borélienne f de R dans R telle que
Y = f (X) (c’est-à-dire , plus précisément, que Y = f ◦ X).
1. Montrer que si Y est de la forme Y = f (X) où f est une fonction borélienne de R dans R, alors Y
est τ (X)-mesurable.
On suppose maintenant que Y est τ (X)-mesurable.
2. On suppose, dans cette question, qu’il existe une suite de réels (aj ) tels que aj 6= ak pour j 6= k et
une suite d’événements (Aj ) disjoints deux à deux tels que
X
Y = aj 1Aj .
j
On suppose aussi que ∪j Aj = Ω. Montrer que, pour tout j, Aj ∈ τ (X) et qu’il existe une fonction
borélienne f : R → R telle que Y = f (X).
1
3. Soit n un entier. On définit la fonction φn : R → R par: φn (x) = n [nx] où [·] désigne la partie
entière. ([x] est le plus grand entier inférieur ou égal à x.)
(a) Montrer que, pour tout x ∈ R, φn (x) converge vers x, quand n → ∞.

(b) On pose Yn = φn (Y ). Montrer que Yn est τ (X) mesurable.
4. Terminer la preuve du théorème.

Maintenant, on se demande dans quelle mesure la fonction f est unique. On note PX la loi de X.
67
5. Soit f et g deux fonctions boréliennes t.q. Y = f (X) = g(X). Montrer que
PX (f = g) = 1.
Exercice 3.15 (Composition de v.a.) Corrigé 47 page 320

Soit (Ω, A, P ) un espace probabilisé. Soit N une variable aléatoire à valeurs dans N? et (Yn )n∈N une suite
de variables alélatoires réelles. (c’est-à-dire à valeurs dans R, muni de la tribu des boréliens). On définit
Z par
∀ω ∈ Ω , Z(ω) = YN (ω) (ω).
Montrer que Z est une variable aléatoire.
Exercice 3.16 (Evénements, tribus et v.a. indépendantes) Corrigé 48 page 320

Soit (E, A, P ) un espace probabilisé.
1. (Indépendance de 2 évènements) Soit A1 , A2 ∈ A. Montrer que A1 et A2 sont indépendants (c’est-à-

dire P (A1 ∩A2 ) = P (A1 )P (A2 )) si et seulement si les tribus τ ({A1 }) et τ ({A2 }) sont indépendantes
(c’est-à-dire P (B1 ∩ B2 ) = P (B1 )P (B2 ) pour tout B1 ∈ τ ({A1 }) et B2 ∈ τ ({A2 })).
2. (Indépendance de n évènements, n ≥Q2) Soit n ≥ 2, A1 , . . . , An ∈ A. Montrer que les événements
A1 , . . . , An vérifient “P (∩i∈I Ai ) = i∈I P (Ai ) pour tout I ⊂ {1, . . . , n}”Q si et seulement si les
n
tribus τ ({A1 }), . . . , τ ({An }) sont indépendantes (c’est-à-dire P (∩ni=1 Bi ) = i=1 P (Bi ) pour tout
Bi ∈ τ ({Ai }), i ∈ {1, . . . , n}).
3. En donnant un exemple (avec n ≥ 3), montrer que l’on peut avoir n évévements, notés A1 , . . . , An ,
indépendants deux à deux, sans que les événements A1 , . . . , An soient indépendants.
4. Soit A ∈ A.
(a) On suppose que A ∈ A1 et A ∈ A2 et que A1 et A2 sont deux tribus indépendantes (et

contenues dans A). Montrer que P (A) ∈ {0, 1}.
(b) Montrer que P (A) ∈ {0, 1} si et seulement si A est indépendant de tous les éléments de A.
5. Soit n ≥ 1 et A1 , . . . , An ∈ A. Montrer que les événements A1 , . . . , An sont indépendants si et

seulement si les v.a. 1A1 , . . . , 1An sont indépendantes.
Exercice 3.17 (Indépendance 3 par 3 et dépendance globale)

Trouver un espace de probabilités et 4 v.a.r. prenant leurs valeurs dans {−1, 1} t.q. les 4 v.a. soient
3 par 3 indépendantes mais ne soient pas indépendantes. [On pourra considérer des produits de v.a.
indépendantes.]
Exercice 3.18 (Transformation d’une v.a.r. de loi uniforme en une v.a.r. de loi donnée)
Soit (E, A, P ) un espace de probabilités, X une v.a.r. et U une v.a.r. de loi U([0, 1]), Soit F la fonction
de répartition de X (i. e. F (x) = P (X ≤ x) pour x ∈ R). On définit G de R dans R de la manière
suivante :
G(u) = inf{x ∈ R; F (x) ≥ u}, si u ∈]0, 1[,
G(u) = 0, si u 6∈]0, 1[.
Montrer que la v.a.r. Y = G(U ) a la même loi que X. [On pourra montrer que P (G(U ) ≤ x) = P (U ≤
F (x)), pour tout x ∈ R.]
68
Exercice 3.19 (Limite croissante d’une suite de v.a.r.)
Soit (E, A, P ) un espace de probabilités, Y une v.a.r., (Xn )n∈N une suite de v.a.r. et X une application
de E dans R. On suppose que Xn ↑ X, quand n → ∞, et que Xn et Y sont indépendantes, pour tout
n ∈ N. Montrer que X est une v.a.r. et que X et Y sont indépendantes. (N.B. La conclusion est encore
vraie sans la croissance de la suite Xn .)
Exercice 3.20 (Construction de v.a. indépendantes de lois uniformes sur un intervalle)

Soit (E, A, P ) un espace de probabilités.
1. Soit (Un )P
n∈N? , une suite de v.a.r.i.i.d. avec P (Un = 0) = P (Un = 1) = 1/2. Montrer que V , définie
par V = n≥1 Un 2−n est une v.a. de loi U([0, 1]).
2. Soit Un,k , n, k ≥ 1, des P
v.a.r.i.i.d. avec P (Un,k = 0) = P (Un,k = 1) = 1/2. Montrer les v. a. Vn ,
n ≥ 1 définies par Vn = k≥1 Un,k 2−k sont des v.a.r.i.i.d. de loi U([0, 1]).
Exercice 3.21 (Loi du “produit de la loi exponentielle par ±1”)

Soit (Ω, A, P ) un espace probabilisé et X, Y deux v.a.r. indépendantes. On suppose que X suit une loi
exponentielle de paramètre λ (avec λ > 0), c’est-à-dire que PX est une mesure de densité par rapport à
la mesure de Lebesgue et cette densité est la fonction f définie par f (x) = λ exp(−λx)1]0,+∞[ (x) pour
x ∈ R. On suppose que Y est t. q. P (Y = 1) = P (Y = −1) = 1/2. Donner la loi de XY .
Exercice 3.22 (Convergence en mesure) (??)Corrigé 49 page 323

Soient (E, T, m) un espace mesuré, (fn )n∈N une suite de fonctions mesurables de E dans R.
1. Montrer que si il existe f et g fonctions mesurables de E dans R telles que (fn )n∈N converge en
mesure vers f et g, alors f = g p.p..
[On pourra commencer par montrer que, pour tout δ > 0, m({x ∈ E ; |f (x) − g(x)| > δ}) = 0].
2. Montrer que si (fn )n∈N ⊂ M converge en mesure vers f ∈ M et (gn )n∈N ⊂ M converge en mesure
vers g ∈ M, alors (fn + gn )n∈N ⊂ M converge en mesure vers f + g ∈ M.
3. On suppose maintenant que m est une mesure finie. Montrer que si (fn )n∈N ⊂ M converge en
mesure vers f ∈ M et (gn )n∈N ⊂ M converge en mesure vers g, alors (fn gn )n∈N ⊂ M converge en
mesure vers f g ∈ M.
[On pourra commencer par montrer que, si (fn )n∈N ⊂ M converge en mesure vers f ∈ M, alors,
pour tout ε > 0, il existe n0 et k0 ∈ N tels que, si n ≥ n0 et k ≥ k0 , on a m({x ∈ E ; |fn (x)| ≥
k}) ≤ ε]. Donner un contre-exemple au résultat précédent lorsque m(E) = ∞.
Exercice 3.23 (Convergence presque uniforme et convergence p.p.) Corrigé 50 page 325
Soient (E, T, m) un espace mesuré, (fn )n∈N ⊂ M (c’est-à-dire une suite de fonctions mesurables de E
dans R) et f ∈ M. On suppose que fn → f presque uniformément (c’est à dire que pour tout ε > 0 il
existe A ∈ T t.q. m(A) ≤ ε et fn → f uniformément sur Ac ). Montrer que fn → f p.p., quand n → ∞.
Exercice 3.24 (Théorème d’Egorov) (??) Corrigé 51 page 325

Soient (E, T, m) un espace mesuré fini, (fn )n∈N une suite de fonctions mesurables de E dans R, et f une
fonction mesurable de E dans R. On suppose que fn → f p.p., lorsque n → +∞.
Pour j ∈ N? et n ∈ N, on définit :
1 [
An,j = {x ; |f (x) − fn (x)| ≥ }, et Bn,j = Ap,j (3.8)
j
p≥n
69
1. Montrer que à j fixé, lim m(Bn,j ) = 0.
n→+∞
2. Montrer que, pour tout ε > 0, il existe A tel que m(A) ≤ ε et fn → f uniformément sur Ac lorsque
n → +∞. En déduire le théorème d’Egorov (théorème 3.2).
[
[On cherchera A sous la forme : Bnj ,j , avec un choix judicieux de nj .]
j∈N?
3. Montrer, par un contre exemple, qu’on ne peut pas prendre ε = 0 dans la question précédente.
4. Montrer, par un contre exemple, que le résultat du théorème d’Egorov est faux lorsque m(E) = +∞.
Exercice 3.25 (Convergence en mesure et convergence p.p.) Corrigé 52 page 327

Soient (E, T, m) un espace mesuré, (fn )n∈N une suite de fonctions mesurables de E dans R, et f une
fonction mesurable de E dans R. On rappelle que, par définition, la suite (fn )n∈N converge en mesure
vers f si :
∀ ε > 0, lim m({x ∈ E; |fn (x) − f (x)| > ε}) = 0. (3.9)

n→+∞
1. On suppose ici que m(E) < +∞.
(a) Montrer que si (fn )n∈N tend vers f presque partout, alors (fn )n∈N tend vers f en mesure
[Utiliser le théorème d’Egorov.]
(b) (Question plus difficile.) Montrer par un contrexemple que la réciproque de la question précé-
dente est fausse.
2. Soit (fn )n∈N une suite de fonctions mesurables de E dans R. On dit que (fn )n∈N est de Cauchy en
mesure si :
∀ ε > 0, ∀δ > 0, ∃n ∈ N; p, q ≥ n ⇒ m({x ∈ E; |fp (x) − fq (x)| > ε}) ≤ δ. (3.10)
Montrer que si la suite (fn )n∈N converge en mesure vers f , alors (fn )n∈N est de Cauchy en mesure.
3. Soit (fn )n∈N une suite de Cauchy en mesure ; montrer qu’il existe une fonction mesurable g et
une sous-suite (fnk )k∈N , telles que pour tout ε > 0, il existe A ∈ T vérifiant m(A) ≤ ε et tel que
(fnk )k∈N converge uniformément vers g sur Ac . [On pourra construire la sous-suite (fnk )k∈N de
telle sorte que m(Ak ) ≤ 2−k , avec Ak = {x ∈ E; |fnk+1 (x) − fnk (x)| > 2−k }, et chercher A sous la
[
forme Ak , où p est convenablement choisi.]
k≥p
4. Montrer que si (fn )n∈N converge en mesure vers f , il existe une sous-suite qui converge vers f
presque partout. [On pourra commencer par montrer que la suite (fnk )k∈N construite à la question
précédente converge presque partout et en mesure.]
Exercice 3.26
Soient (E, T, m) un espace mesuré fini. On pose, pour f et g fonctions mesurables de E dans R (c’est-à-
dire f, g ∈ M) :
|f − g|
Z
d(f, g) = dm.
1 + |f − g|
70
|f −g| 1
1. Montrer que d est bien définie et prend ses valeurs dans R+ (c’est-à-dire que 1+|f −g| ∈ LR (E, T, m)
pour tout f, g ∈ M) et que d est une semi-distance sur M (c’est-à-dire que d(f, g) = d(g, f ), pour
tout f, g ∈ M, et que d(f, h) ≤ d(f, g) + d(g, h), pour tout f, g, h ∈ M).
2. Soient (fn )n∈N ⊂ M et f ⊂ M. Montrer que fn converge en mesure vers f lorsque n → +∞ si et
seulement si lim d(fn , f ) = 0. [Il est probablement utile de considérer, pour ε > 0, les ensembles
n→+∞
An = {x ∈ E; |fn (x) − f (x)| > ε}.]
Exercice 3.27 (Mesurabilité d’une limite p.p.)

Soient (E, T, m) un espace mesuré, (fn )n∈N ⊂ M(E, T ) et f : E → R. On suppose que fn → f p.p..
Montrer que f ∈ M(E, T ), où (E, T , m) est le compété de (E, T, m) (voir le théorème 2.1). En donnant
un exemple (c’est-à-dire en choisissant convenablement (E, T, m), (fn )n∈N et f ), montrer qu’on peut avoir
f 6∈ M(E, T ).
Exercice 3.28 (Essentiellement uniforme versus presque uniforme) Corrigé 53 page 328
Soit (E, T, m) un espace mesuré. Pour f ∈ M, on pose Af = {C ∈ R, |f | ≤ C p.p.}. Si Af 6= ∅, on pose
kf k∞ = inf Af . Si Af = ∅, on pose kf k∞ = ∞.
1. Soit f ∈ M t.q. Af 6= ∅. Montrer que kf k∞ ∈ Af .
2. Soient (fn )n∈N ⊂ M et f ∈ M.

(a) On suppose, dans cette question, que kfn − f k∞ → 0 quand n → ∞ (on dit que fn → f
essentiellement uniformément). Montrer que fn → f presque uniformément.
(b) En donnant un exemple (c’est-à-dire en choisissant convenablement (E, T, m), (fn )n∈N et f ),
montrer qu’on peut avoir fn → f presque uniformément, quand n → ∞, et kfn − f k∞ 6→ 0.
Exercice 3.29
Soit A la classe des sous-ensembles de Z tels que
pour n > 0, 2n ∈ A ⇐⇒ 2n + 1 ∈ A.
1. Montrer que A est une tribu.

2. Montrer que l’application ϕ : n 7→ n + 2 est une bijection de Z dans Z, mesurable quand Z est
muni (au départ et à l’arrivée) de la tribu A (c’est à dire t.q. que ϕ−1 (A) ∈ A pour tout A ∈ A).
Montrer que l’inverse de ϕ n’est pas mesurable.
Exercice 3.30
On considère des applications f de E dans R. On note σ(f ) = {f −1 (A), A ∈ B(R)} (σ(f ) est la tribu
image réciproque de B(R) par f ).
1. Décrire σ(f ) dans chacun des cas suivants:
(a) E = R et f (x) = x ou f (x) = x2 ou f (x) = |x|.

(b) E = R2 et f (x, y) = x + y.
2. Montrer que les singletons sont tous dans σ(f ) si et seulement si f est injective.
71
3. Dans le cas général, montrer qu’une fonction g de E dans R est σ(f )-mesurable si et seulement si
il existe une fonction borélienne ϕ de R dans R t.q. g = ϕ ◦ f . [On pourra commencer par le cas
où g est étagée, puis utiliser un argument de limite].
4. Montrer que l’on a toujours une fonction bornée g t.q. σ(g) = σ(f ).
Exercice 3.31 (Mesurabilité des troncatures) Corrigé 54 page 329

Soit (X, T ) un espace mesurable et f une fonction mesurable de X dans R (R est muni, comme toujours
quand on ne le précise pas, de la tribu borélienne). Pour a > 0, on définit la fonction “tronquée” :

 a si f (x) > a
fa (x) = f (x) si |f (x)| ≤ a
−a si f (x) < −a

Montrer que fa est mesurable.
Exercice 3.32
Soit (E, T ) un espace mesurable (on munit R de la tribu des boréliens B(R), comme toujours). Soient
(fn )n∈N une suite de fonctions mesurables de E dans R, et A l’ensemble des points x ∈ E tels que
(fn (x))n∈N ne soit pas de Cauchy. Montrer que A est mesurable (i.e. A ∈ T ).
Exercice 3.33
Soit ϕ : R2 → R B(R2 )-mesurable. Pour x ∈ R, on pose : fϕ (x) = ϕ(x, x).
1. Montrer que fϕ est B(R)-mesurable.

2. Soient ϕ et ψ : R2 → R B(R2 )-mesurables. Montrer que ϕ = ψ λ2 -p.p. 6⇒ fϕ = fψ λ-p.p.. (λ2 est
la mesure de Lebesgue sur B(R2 ) dont on suppose l’existence).
3. Soient ϕ et ψ : R2 → R B(R2 )-mesurables t.q. :
(a) ϕ(x, .) et ψ(x, .) sont continues p.p. en x ∈ R

(b) ϕ(, .y) et ψ(., y) sont mesurables pour tout y ∈ R
(Ces fonctions sont dites de “Carathéodory”.)

(a) Montrer que ϕ et ψ sont B(R2 )-mesurables.
(b) Montrer que ϕ = ψ λ2 -p.p. ⇒ ϕ(x, .) = ψ(x, .) partout, p.p. en x ∈ R. En déduire que si
ϕ = ψ λ2 -p.p, alors fϕ = fψ λ-p.p..
Exercice 3.34 (Exemple de tribu engendrée)

Dans cet exercice, on s’intéresse à la tribu τ (X) engendrée par la variable aléatoire X définie sur Ω, muni
de la tribu A, à valeurs dans R, muni de la tribu borélienne.
1. (Cas d’un lancer de dé) Dans cette question, Ω = {1, 2, 3, 4, 5, 6}, A = P(Ω)) et X est la variable
aléatoire définie par X(ω) = 1 lorsque ω est pair, X(ω) = 0 sinon. Montrer que τ (X) est formé de
4 éléments.
2. (Cas de n tirages à pile ou face) Soit n ∈ N? , Ω = {0, 1}n , A = P(Ω)) et k ∈ {1, · · · , n}. La variable
aléatoire X représente le k-ième tirage, X est donc l’application ω = (ω1 , · · · , ωn ) 7→ ωk . Montrer
que τ (X) est ici aussi formé de 4 éléments.
72
3. Dans cette question, on prend Ω = R, A = B(R) et, pour tout ω ∈ Ω, X(ω) = ω − [ω], où [ω]
désigne la partie entière de ω (c’est-à-dire [ω] = max{n ∈ Z, t.q. n ≤ ω}. Si C est un borélien inclus
dans [0, 1[ (ce qui est équivalent à dire C ∈ B([0, 1[)), on pose ϕ(C) = ∪k∈Z Ck , avec Ck = {x + k,
x ∈ C}. Montrer que τ (X) = {ϕ(C), C ∈ B([0, 1[)}.
Exercice 3.35 (Tribu et partition)

Soit Ω un ensemble. On appelle partition de Ω une famille finie ou dénombrable de parties non vides
de Ω et disjointes deux à deux et dont l’union est égale à Ω. Les éléments d’une partition sont appelés
atomes.
1. Soit a = {Ai ; i ∈ I} une partition de Ω et soit τ (a) la tribu engendrée par a. Montrer que
[
τ (a) = { Aj où J ⊂ I} .
j∈J
En déduire qu’une v.a. réelle est τ (a)-mesurable si et seulement si elle est constante sur tous les
atomes de a.
Une partition a est dite plus fine qu’une partition b si tous les atomes de b s’écrivent comme union
d’atomes de a.
2. Montrer que si a est plus fine que b et si b est plus fine que a alors a et b sont égales.
3. Montrer que si a et b sont deux partitions telles que τ (a) = τ (b) alors a et b sont égales.
Exercice 3.36 (Fonctions constantes)

Soit (Ω, A, P ) un espace de probabilité et X une variable aléatoire (réelle). Pour a ∈ R, on pose ϕ(a) =
P (X −1 (] − ∞, a])) (on note souvent X −1 (] − ∞, a]) = {X ≤ a}). La fonction ϕ est donc la fonction de
répartition de la probabilité PX .
1. Montrer que ϕ est une fonction croissante de R dans R et que lima→+∞ ϕ(a) = 1, lima→−∞ ϕ(a) = 0.
On suppose maintenant que, pour tout B ∈ B(R), on a P (X −1 (B)) = 0 ou 1.
2. Montrer qu’il existe α ∈ R t.q. X = α p.s..
73
Chapter 4
Fonctions intégrables
Maintenant qu’on a construit un espace mesuré (E, T, m) (dont un exemple fondamental est (E, T, m) =
(R, B(R), λ), on voudrait généraliser la notion d’intégrale à cet espace, c’est-à-dire introduire une applica-
R
tion qui à f , fonction de E dans R, associe un réel, dépendant de la mesure m, que nous noterons f dm,
tel que:
R
• Si f = 1A , A ∈ T , alors f dm = m(A),
• L’application ainsi définie soit
R linéaire, Rc’est-à-dire que pour toutes fonctions f et g définies de E
dans R, (αf + βg)dm = α f dm + β gdm, ∀ (α, β) ∈ R2 .
R
En fait, on ne peut pas définir une telle application sur toutes les fonctions de E dans R, nous allons la
définir seulement sur les fonctions que nous appellerons “intégrables”.
4.1 Intégrale d’une fonction étagée positive

Soit (E, T, m) un espace mesuré. On rappelle que E+ est l’ensemble des fonctions étagées de E dans
R, ne prenant que des valeurs positives ou nulles. Si f ∈ E+ , f non nulle, le lemme 3.1 nous donne,
en particulier,
Pn l’existence de (ai , Ai )i=1,...,n ⊂ R?+ × T t.q. Ai ∩ Aj = ∅, si i 6= j, i, j ∈ {1, . . . , n},
et f = i=1 ai 1Ai . D’autre part, le lemme Pn 3.2 nous permet d’affirmer que, pour une fonction étagée
positive qu’on écrit sous la forme
Pn : f = i=1 ai 1Ai , où les Ai sont deux à deux disjoints et les ai sont
strictement positifs, la valeur i=1 ai m(Ai ) est indépendante de la décomposition choisie. On peut donc
définir l’intégrale sur E+ de la manière suivante :
Définition 4.1 (Intégrale d’une fonction de E+ ) Soit (E, T, m) un espace mesuré et soit f de E
dans R une fonction étagée positive non nulle (c’est-à-dire f ∈ E+ ). Soient (Ai )i=1,...,n ⊂ T une famille
de parties disjointes
Pn deux à deux (i.e. t.q. Ai ∩ Aj = ∅ si i 6= j) et
R n réels a1 , ...,
R an strictement
Pn positifs
tels que f =R i=1 ai 1Ai . On définit l’intégrale de f , qu’on
R note f dm, par : f dm = i=1 a i m(Ai )
(on a donc f dm ∈ R+ ). D’autre part, si f = 0, on pose f dm = 0.
n
X
Remarque 4.1 En adoptant la convention 0 × +∞ = 0, on peut aussi remarquer que si f = ai 1Ai ∈
i=1
E+ , où la famille (Ai )i=1,...,n ⊂ T est t.q. Ai ∩ Aj = ∅ si i 6= j, et où les réels a1 , ..., an sont supposés
74
positifs seulement, on a encore :
Z n
X
f dm = ai m(Ai ). (4.1)
i=1
Proposition 4.1 (Propriétés de l’intégrale sur E+ ) Soient f et g ∈ E+ , α et β ∈ R?+ , alors :

Z Z Z
• linéarité positive : αf + βg ∈ E+ , et (αf + βg)dm = α f dm +β gdm,
R R
• monotonie : f ≥ g ⇒ f dm ≥ gdm.
Démonstration :
Il est facile de montrer que si f ∈ E+ et α ∈ R?+ on a αf ∈ E+ et αf dm = α f dm. Pour montrer
R R
la linéarité positive, il suffit donc de considérer le cas α = β = 1 et f et g non nulles. Soit donc f,
g ∈ E+ , non nulles. D’après le lemme sur laPdécomposition canonique des fonctions étagées positives
n Pm
non nulles (lemme 3.1), on peut écrire f = i=1 a i 1 Ai
et g = j=1 bj 1Bj avec 0 < a1 < . . . < an ,
Ai 6= ∅ pour tout i, Ai ∩ Aj = ∅ si i 6= j, 0 < b1 < . . . < bm , Bj 6= ∅ pour tout j, BP j ∩ Bi = ∅
n
si j 6= i. En posant a0 = b0 = 0, A0 = (∪ni=1 Ai )c et B0 = (∪nj=1 Bj )c , on a aussi f = i=0 ai 1Ai ,
Pm Pn Pm P
g = j=0 bj 1Bj et on peut écrire f + g = i=0 j=0 (ai + bj )1Ai ∩Bj = (i,j)∈K (ai + bj )1Ai ∩Bj , avec
K = {(i, j) ∈ {0, . . . , n} × {0, . . . , m} \ (0, 0)}.
R P R
On a donc f + g ∈ E+ et (f + g)dm = (i,j)∈K (ai + bj )m(Ai ∩ Bj ). On en déduit (f + g)dm =
Pn Pm Pm Pn Pn Pm
i=1 j=0 ai m(Ai ∩ Bj ) + j=1 i=0 bj m(Ai ∩ Bj ) = i=1 ai m(ARi ) + j=1 bj m(B
R j
) (car (A0 , . . . , An )
R
et (B0 , . . . , Bm ) sont des partitions de E). On a donc bien montré (f + g)dm = f dm + gdm.
Il reste à montrer la monotonie. Soit f, g ∈ E+ t.q. f ≥ g. On a donc f − g ∈ E+ (on rappelle que

E
R est un Respace vectoriel
R sur R, Rvoir la proposition
R 3.1) et donc la linéarité positive nous donne que
f dm = (f − g)dm + gdm ≥ gdm car (f − g)dm ≥ 0.
Remarque 4.2
1. Une conséquence directe de la linéarité positive de l’intégrale sur E+ est que, si f ∈ E+ , pour
Xn
n’importe quelle décomposition de f : f = ai 1Ai ∈ E+ , a1 , ..., an ≥ 0 et (Ai )i=1,...,n ⊂ T (on ne
i=1
suppose plus Ai ∩ Aj = ∅ si i 6= j), on a encore, par linéarité positive :
Z n
X Z n
X
f dm = ai 1Ai = ai m(Ai ), (4.2)
i=1 i=1
en posant ai m(Ai ) = 0 si ai = 0.
2. Une conséquence de la monotonie de l’intégrale sur E+ est que, pour tout f ∈ E+ , on a :
Z Z
f dm = sup{ gdm, g ∈ E+ , g ≤ f }.
75
4.2 Intégrale d’une fonction mesurable positive
On donne maintenant un petit lemme fondamental qui va permettre de définir l’intégrale des fonctions
de M+ .
Lemme 4.1 Soient (E, T, m) un espace mesuré, (fn )n∈N ⊂ E+ , et g ∈ E+ , tels que :
• fn+1 (x) ≥ fn (x), pour tout n ∈ N, et tout x ∈ E,
• lim fn (x) ≥ g(x), pour tout x ∈ E,
n→∞
alors Z Z
lim fn dm ≥ g dm. (4.3)
n→∞
R
Noter que la suite ( fn dm)n∈N est une suite croissante de R+ , donc sa limite existe dans R+ .
Démonstration : Pour x ∈ E, on pose f (x) = limn→+∞ fn (x) (cette limite existe et appartient à R+ ).
Il se peut que f 6∈ E+ , mais on a toujours f ∈ M+ et les hypothèses du lemme donne fn ↑ f quand
n → ∞.
Soit α ∈]0, 1[, on définit, pour n ∈ N :
An = {x ∈ E ; αg(x) ≤ fn (x)}. (4.4)
On a donc An = (fn − αg)−1 ([0, ∞[) ∈ T , An ⊂ An+1 (car fn ≤ fn+1 ) et E = ∪n∈N An . En effet, si
x ∈ E, on distingue 2 cas :
1. Si g(x) = 0, alors x ∈ An pour tout n ∈ N donc x ∈ ∪n∈N An ,

2. Si g(x) > 0, on a alors αg(x) < g(x) ≤ limn→∞ fn (x). Il existe donc nx (dépendant de x) t.q.
x ∈ An pour n ≥ nx . Donc, x ∈ ∪n∈N An .
On a donc bien montré que E = ∪n∈N An . (Comme An ⊂ An+1 , pour tout n ∈ N, on peut aussi remarquer
que la suite de fonctions (αg1An )n∈N converge simplement et en croissant vers la fonction αg.)
On remarque maintenant que αg1An ∈ E+ , fn ∈ E+ et que, grâce à la définition de An , on a αg1An ≤ fn .

La monotonie de l’intégrale sur E+ donne donc :
Z Z
αg1An dm ≤ fn dm. (4.5)
En utilisant la décomposition canonique de g (lemme

Pp 3.1) il existe (bi , Bi )i=1,...,p t.q.P
0 < b1 < . . . < bp ,
p
Bi 6= ∅ pour tout i, Bi ∩ Bj = ∅ si i 6= j et g = i=1 bi 1Bi . On a donc αg1An = i=1 αbi 1Bi ∩An et
donc : Z p
X
αg1An dm = αbi m(Bi ∩ An ).
i=1
Comme ∪n∈N (Bi ∩An ) = Bi ∩(∪n∈N An ) = Bi ∩E = Bi , la continuité croissante de m donne m(Bi ∩An ) →
m(Bi ), quand n → ∞. On en déduit :
Z p
X p
X Z
lim αg1An dm = lim αbi m(Bi ∩ An ) = αbi m(Bi ) = αgdm.
n→∞ n→∞
i=1 i=1
76
On peut donc passer à la limite, quand n → ∞, dans (4.5) et obtenir :
Z Z
αgdm ≤ lim fn dm.
n→∞
R R
Enfin, la linéarité positive de l’intégrale sur E+ donne αgdm = α gdm. On conclut la démonstration
du lemme en faisant tendre α vers 1.
Remarque 4.3 Dans la démonstration précédente, on a besoin de α < 1 pour pouvoir écrire αg(x) ≤
fn (x) pour n ≥ nx , avec nx ∈ N pouvant dépendre de x. Un tel nx pourrait ne pas exister en prenant
α = 1.
Le lemme suivant est une conséquence simple du lemme 4.1.
Lemme 4.2 Soient (E, T, m) un espace mesuré et f ∈ M+ . Soient deux suites (fn )n∈N et (gn )n∈N
d’éléments de E+ convergeant simplement et en croissant vers f . On a alors :
Z Z
lim fn dm = lim gn dm. (4.6)
n→∞ n→∞
Démonstration : R R
Il suffit d’appliquer le lemme 4.1 avecR g = gp , p fixé. OnRobtient gp dm ≤ limn→∞ fn dm. Puis, passant
à la limite quand p → ∞, limp→∞ gp dm ≤ limn→∞ fn dm. On obtient enfin (4.6) en changeant les
rôles de fn et gp .
Le lemme 4.2 permet donc de définir l’intégrale sur M+ de la manière suivante :
Définition 4.2 (Intégrale sur M+ ) Soient (E, T, m) un espace mesuré, et f ∈ M+ . D’après la propo-
sition sur la mesurabilité positive, il existe une suite (fn )n∈N ⊂ E+ telle que fn ↑ f quand n → ∞,
c’est-à-dire :
• Pour tout x ∈ E, fn (x) → f (x), quand n → ∞,

• fn+1 (x) ≥ fn (x), pour tout x ∈ E, et tout n ∈ N.
On définit l’intégrale de f en posant :
Z Z
f dm = lim fn dm (∈ R+ ). (4.7)
n→∞
On a aussi la caractérisation suivante, parfois bien utile, de l’intégrale d’une fonction mesurable positive
à partir d’intégrales de fonctions étagées positives:
R R
Lemme 4.3 Soient (E, T, m) un espace mesuré et f ∈ M+ ; alors f dm = sup{ gdm, g ∈ E+ , g ≤ f }.
77
Démonstration : Soit (fn )n∈N ⊂ E+ telle que fn ↑ f quand n → ∞.
R R
La monotonie de l’intégrale sur E+ donne que fn dm = sup{ gdm, g ∈ E+ , g ≤ fn } (voir la remar-
que 4.2). Comme fn ≤ f , on a donc, pour tout n ∈ N :
Z Z Z
fn dm = sup{ gdm, g ∈ E+ , g ≤ fn } ≤ sup{ gdm, g ∈ E+ , g ≤ f }.
R R R
La définition de f dm donne alors : f dm ≤ sup{ gdm, g ∈ E+ , g ≤ f }.
R
Pour montrer
R l’inégalité
R inverse, soit g ∈ ER+ t.q. g ≤ f . Comme fRn ↑ f , le lemme 4.1 donne gdm ≤
limn→∞ fn dm = f dm. On a donc sup{ gdm, g ∈ E+ , g ≤ f } ≤ f dm.
Proposition 4.2 (Propriétés de l’intégrale sur M+ ) Soient f et g ∈ M+ , α et β ∈ R?+ , alors :

Z Z Z
• linéarité positive : αf + βg ∈ M+ , et (αf + βg)dm = α f dm +β gdm,
R R
• monotonie : f ≥ g ⇒ f dm ≥ gdm.
Démonstration :
La linéarité positive se démontre de manière très simple à partir de la linéarité positive sur E+ (proposition
4.1). et de la définition 4.2.
La monotonie est une conséquence immédiate du lemme 4.3.
Remarque 4.4 (A propos de 0 × ∞ . . .) Soient (E, T, m) un espace mesuré et A ∈ T t.q. m(A) = 0.

On note IA la fonction indicatrice de l’ensemble A. Cette fonction est définie de E dans R+ par :
IA (x) = +∞ si x ∈ A et IA (x) = 0 si x 6∈ A. Cette fonction est souvent notée aussi ∞1A . Il est clair que
IA ∈ M+ et que IA est la limite croissante de la suite R (fn )n∈N ⊂ E+ définie par fn = n1A . On en déduit,
en utilisant la définition de l’intégrale sur M+ , que IA dm = 0.
Une conséquence de cette remarque est le lemme suivant :
Lemme 4.4 Soit (E, T, m) un espace mesuré.

1. Soit f ∈ M+ et A ∈ T . On note f 1A R ∈ M+ la Rfonction définie par f 1A (x) = f (x) si x ∈ A
c
et
R f 1 A (x) = 0 si x ∈ A . On définit A
f dm par f 1A dm. On suppose que m(A) = 0. Alors,
A
f dm = 0.
R R
2. Soit f, g ∈ M+ t.q. f = g p.p.. Alors, f dm = gdm.
R
3. Soit f ∈ M+ t.q. f = 0 p.p.. Alors f dm = 0.
Démonstration :
1. Soit f ∈ M+ et A ∈ T t.q. m(A) = 0. Soit IA la fonction indicatrice deRl’ensemble A (définie dans

la remarque 4.4). On a évidemment f 1A ≤ IA et donc, par monotonie, f 1A dm = 0.
78
2. Soit f, g ∈ M+R t.q. f = gRp.p.. Soit A ∈ T t.q. m(A) = R0 et f 1Ac =R g1Ac . On a donc f 1Ac ,
g1Ac ∈ M+ et f 1Ac dm R = g1RAc dm. D’autreR part, comme
R f 1A dm = g1A dm = 0, on a aussi,
par
R linéarité
R positive f dm = f 1 Ac dm + f 1A dm = f 1Ac dm (et de même pour g). Donc,
f dm = gdm.
R R
3. Soit f ∈ M+ t.q. f = 0 p.p.. Alors f dm = 0dm = 0.
Ce lemme nous permet d’étendre la définition de l’intégrale à certaines fonctions non mesurables :
Définition 4.3 Soit (E, T, m) un espace mesuré et f définie sur Ac , à valeurs dans R (resp. R+ ), avec
A ∈ T , m(A) = 0 (on dit que f est définie p.p., car f n’est pas définie sur A).
1. f est m-mesurable (resp. m-mesurable positive) si il existe g ∈ M (resp. g ∈ M+ ) t.q. f = g p.p..
(c’est-à-dire qu’il existe B ∈ T t.q. m(B) = 0, B ⊃ A et f = g sur B c ).
R R
2. Soit f m-mesurable positive. On pose f dm = gdm, avec g ∈ M+ t.q. f = g p.p. (noter que
cette intégrale ne dépend pas du choix de g, grâce au lemme 4.4).
Remarque 4.5 Soit (E, T, m) un espace mesuré. Il est facile de montrer les résultats suivants :
1. Soit f de E dans R ou R+ . Alors, f ∈ E+ si et seulement si f ∈ M+ , Imf ⊂ R+ et card(Imf ) < ∞.
2. Soit A ∈ T t.q. m(A) = 0 et f de Ac dans R. Alors, f est m-mesurable si et seulement si il existe

(fn )n∈N ⊂ E t.q. fn → f p.p. (voir l’exercice 4.17).
3. Soit A ∈ T t.q. m(A) = 0 et f de Ac dans R+ . Alors, f est m-mesurable positive si et seulement
si il existe (fn )n∈N ⊂ E+ t.q. fn → f p.p..
Le résultat suivant sera souvent utile par la suite. En particulier, les inégalités de Markov et Bienaymé-
Tchebichev (voir la section 4.9) en découlent immédiatement.
Lemme 4.5 Soient (E, T, m) un espace mesuré, f ∈ M+ et t ∈ R?+ ; alors :

Z
1
m({f ≥ t}) ≤ f dm. (4.8)
t
Démonstration : On définit At = {f ≥ t} = {x ∈ E ; f (x) ≥ t}. On a At ∈ T et f ≥ t1At . Par

monotonie de l’intégrale sur M+ , on en déduit l’inégalité 4.8.
4.3 Théorème de convergence monotone et lemme de Fatou

Théorème 4.1 (Convergence Monotone (1)) Soit (E, T, m) un espace mesuré et soit (fn )n∈N ⊂
M+ t.q. fn+1 (x) ≥ fn (x), pour toutZ n ∈ N et Ztout x ∈ E. On pose, pour tout x ∈ E, f (x) =
lim fn (x) ∈ R+ . Alors f ∈ M+ et : fn dm → f dm lorsque n → +∞.
n→+∞
79
Démonstration : R R
Noter que si (fn )n∈N ∈ E+ , le fait que fn dm → f dm, lorsque n → +∞, est donné par la définition de
l’intégrale sur M+ . La difficulté est donc ici de travailler avec (fn )n∈N ∈ M+ au lieu de (fn )n∈N ∈ E+ .
Comme (fn )n∈N ⊂ M+ converge simplement et en croissant vers f , la proposition 3.5 donne f ∈ M+ .
Puis, par monotonie de l’intégrale sur M+ , on a
Z Z
lim fn dm ≤ f dm. (4.9)
n→+∞
Il reste donc à montrer que :

Z Z
lim fn dm ≥ f dm. (4.10)
n→+∞
Pour montrer (4.10), on va construire une suite de fonctions (gp )p∈N ⊂ E+ t.q gp ↑ f , quand p → ∞, et
gp ≤ fp , pour tout p ∈ N.
Pour tout n ∈ N, fn ∈ M+ ; il existe une suite de fonctions (fn,p )p∈N ⊂ E+ t.q. fn,p ↑ fn lorsque p tend
vers +∞. On définit alors :
gp = sup fn,p (4.11)
n≤p
On note que :
1. gp ∈ E+ car gp est le sup d’un nombre fini d’éléments de E+ (donc gp est mesurable, Im(gp ) ⊂ R+
et card(Im(gp )) < ∞, ce qui donne gp ∈ E+ ).
2. gp+1 ≥ gp , pour tout p ∈ N. En effet, comme fn,p+1 ≥ fn,p (pour tout n et p), on a
gp+1 = sup{fp+1,p+1 , sup fn,p+1 } ≥ sup fn,p+1 ≥ sup fn,p = gp .

n≤p n≤p n≤p
On peut donc définir, pour x ∈ E, g(x) = limp→∞ gp (x) ∈ R+ (car la suite (gp (x))p∈N est croissante
dans R+ ).
3. g = f . En effet, on remarque que gp ≥ fn,p si n ≤ p. On fixe n et on fait tendre p vers l’infini,

on obtient g ≥ fn pour tout n ∈ N. En faisant n → ∞ on en déduit g ≥ f . D’autre part, on a
fn,p ≤ fn ≤ f pour tout n et tout p. On a donc gp ≤ f pour tout p. En faisant p → ∞ on en
déduit g ≤ f . On a bien montré que f = g.
4. gp ≤ fp pour tout p ∈ N. En effet, fn,p ≤ fn ≤ fp si n ≤ p. On a donc gp = supn≤p fn,p ≤ fp .
Les points 1 à 3Rci dessus donnentR(gp )p∈N ∈ E+ et gp ↑ f quand p → ∞. Donc, la définition de l’intégrale
sur M+ donne f dm = limp→∞ gp dm.
R R R
Le pointR 4 donne (par monotonie
R de l’intégrale sur M+ ) gp dm ≤ fp dm, on en déduit f dm =
limp→∞ gp dm ≤ limp→∞ fp dm.
R R
Finalement, on obtient bien f dm = limp→∞ fp dm.
On utilisera souvent une légère extension (facile) du théorème de convergence monotone :
80
Théorème 4.2 (Convergence Monotone (2)) Soit (E, T, m) un espace mesuré et soit (fn )n∈N ⊂
M+ . On suppose que fn ↑ f p.p. (c’est-à-dire que il existe A ∈ T t.q. m(A) = 0 et fn (x) ↑ f (x)
pour tout x ∈ Ac ). La fonction
Z f (définieZ p.p.) est alors m−mesurable positive (c’est-à-dire que il existe
g ∈ M+ t.q. f = g p.p.) et fn dm → f dm. On rappelle que, par définition (voir la définition 4.3),
R R
f dm = gdm avec g ∈ M+ t.q. f = g p.p..
Démonstration :
Soit A ∈ T t.q. m(A) = 0 et fn ↑ f sur Ac , quand n → ∞. On pose gn = fn 1Ac (c’est-à-dire gn (x) = fn (x)
si x ∈ Ac et gn (x) = 0 si x ∈ A). On a gn ∈ M+ et gn ↑ g avec g = f 1Ac (c’est-à-dire g(x) = f (x) si
x ∈ Ac et g(x) = 0 siRx ∈ A). Comme
R g ∈ M+ et f = g p.p., on a donc f Rm−mesurable
R positive. Puis, le
théorèmeR 4.1 donne
R gn dm → gdm quand R n → ∞. D’autre part, on a gn dm = fn dm (car fn = gn
p.p.) et gdm = f dm (par définition de f dm), donc
Z Z
fn dm → f dm.
Corollaire 4.1 (Séries à termes positifs ou nuls) Soient (E, T, m) un espace mesuré, (fn )n∈N ⊂
+∞
X Z +∞ Z
X
M+ ; on pose, pour tout x ∈ E, f (x) = fn (x)(∈ R+ ). Alors f ∈ M+ et f dm = fn dm.
n=0 n=0
Démonstration : On applique le théorème de convergence monotone (théorème 4.1) à la suite (gn )n∈N
définie par
Xn
gn = fp .
p=0
On a gn ∈ M+ et gn ↑ f . Donc f ∈ M+ et
n Z
X Z Z
fp dm = gn dm → f dm.
p=0
Lemme 4.6 (Fatou) Soient (E, T, m) un espace mesuré, (fn )n∈N ⊂ M+ . On pose pour tout x ∈ E :
f (x) = lim inf fn (x) = lim ( inf fp (x)) ∈ R+ . Alors f ∈ M+ et :
n→+∞ n→+∞ p≥n
Z Z Z
f dm ≤ lim inf fn dm = lim ( inf fp dm). (4.12)
n→+∞ n→+∞ p≥n
Démonstration : Pour n ∈ N, on pose gn (x) = inf p≥n fp (x) (pour tout x ∈ E), de sorte que gn ∈ M+
R 3.5) et gn ↑ f . Le théorème de convergence monotone (théorème 4.1) donne que f ∈ M+
(cf.R proposition
et gn dm → f dm.
R R R R
Or, gn ≤ fp si p ≥ n. On a donc gn dm ≤ fp dm si p ≥ n et donc (en fixant n) gn dm ≤ inf p≥n fp dm.
On en déduit Z Z Z Z
f dm = lim gn dm ≤ lim ( inf fp dm) = lim inf fn dm.
n→∞ n→∞ p≥n n→∞
81
R
Le lemme de Fatou est souvent utilisé avec des suites (fn )n∈N ⊂ M+ telles que la suite ( fn dm)n∈N est
bornée et la suite (fn (x))n∈N est convergente pour presque tout x ∈ E. Il permet alors de montrer que la
limite (au sens de la convergence p.p.) de la suite (fn )n∈N est “intégrable” (voir les paragraphes suivants).
On utilise pour cela le corollaire (immédiat) suivant :
Corollaire 4.2 Soient (E, T, m) un espace mesuré et (fn )n∈N ⊂ZM+ t.q. fn (x) → f (x), pour presque
tout x ∈ E, lorsque n → +∞. On suppose qu’il existe C ≥ 0 t.q. fn dm ≤ C, pour tout n ∈ N. Alors,
Z
f est m−mesurable positive et f dm ≤ C.
Démonstration : Comme (fn )n∈N ∈ M+ et fn → f p.p., on a bien f m−mesurable positive. On pose

g = lim infRn→∞ fn (c’est-à-dire
R g(x) = lim inf n→∞ fn (x) pour tout x ∈ E). On a donc g ∈ M+ et f = g
p.p. donc f dm = gdm par définition de l’intégrale des fonctions m-mesurables (définition 4.3).
R R R R R
Le lemme de Fatou donne f dm = gdm ≤ lim inf n→∞ gn dm et donc f dm ≤ C car gn dm ≤ C
pour tout n ∈ N.
4.4 Mesures et probabilités de densité

4.4.1 Définitions
A partir d’une mesure et d’une fonction mesurable positive, on peut définir une autre mesure de la manière
suivante :
Définition 4.4 (Mesure de densité)
Soient (E, T, m) un espace mesuré et f ∈ M+ . Pour A ∈ T , on rappelle que f 1A est la fonction (de E
dans R+ ) définie
R par f 1AR(x) = f (x) si x ∈ A et f 1A (x) = 0 si x ∈ Ac (cette fonction appartient à M+ )
et on définit A f dm par f 1A dm.
On définit alors µ : T → R+ par :
Z Z
µ(A) = f 1A dm = f dm, ∀A ∈ T. (4.13)
A
L’application µ ainsi définie est une mesure sur T (ceci est démontré dans l’exercice 4.22), appelée mesure
de densité f par rapport à m, et notée µ = f m.
Proposition 4.3 Soient (E, T, m) un espace mesuré, f ∈ M+ et µ la mesure de densité f par rapport
à m. Alors, la mesure µ est absolument continue par rapport à la mesure m, c’est-à-dire que si A ∈ T
est tel que m(A) = 0, alors µ(A) = 0.
R
Démonstration : Soit A ∈ T t.q. m(A) = 0. On a alors f 1A = 0 m-p.p. et donc µ(A) = f 1A dm = 0
d’après le lemme 4.4.
On déduit de cette proposition que la mesure de Dirac définie sur B(R) par :
δ(A) = 1 si 0 ∈ A
(4.14)
δ(A) = 0 si 0 ∈ Ac .
82
n’est pas une mesure de densité par rapport à la mesure de Lebesgue (on peut montrer que ces deux
mesures sont étrangères (voir définition 2.16 et proposition 2.4).
Notons que l’on peut aussi définir des mesures signées de densité, voir la définition 6.15.
4.4.2 Exemples de probabilités de densité

Définition 4.5 (Probabilité de densité) Soit p une probabilité R sur B(R), on dit que
R p est uneRproba-
bilité de densité (par rapport à Lebesgue) s’il existe f ∈ M+ t.q. f dλ = 1 et p(A) = f 1A dλ = A f dλ
pour tout A ∈ B(R).
Les lois de probabilité sur B(R), de densité par rapport à la mesure de Lebesgue, données dans la
proposition suivante seront souvent utilisées dans le calcul des probabilités (On rappelle qu’une loi de
probabilité est, par définition, une probabilité sur B(R)).
Définition 4.6 (Quelques lois de densité sur B(R))

1
1. Loi uniforme, U(a, b) Soit a, b ∈ R, a < b, la loi uniforme sur [a, b] est la loi de densité b−a 1[a,b] :
1
R
p(A) = b−a 1[a,b] 1A dλ, ∀A ∈ T .
2. Loi exponentielle, E(τ ) Soit τ > 0; la loi exponentielle est définie par la densité f définie par :

0 si x < 0
f (x) = (4.15)
τ e−τ x si x ≥ 0
3. Loi de Gauss, N (µ, σ 2 ) Soit (µ, σ) ∈ R × R?+ ; la loi de Gauss de paramètre (µ, σ) est définie par la
densité f définie par :
1 (x − µ)2
f (x) = √ exp − (4.16)
σ 2π 2σ 2
4.5 L’espace L1 des fonctions intégrables

+ −
R +f ∈ M,R La proposition
Soit R que |f |, f , f ∈ M+ et la monotonie de l’intégrale
R − 3.7 donne sur M+ donne
f dm ≤ |f |dm et f dm ≤ |f |dm. Ceci va nous permette de définir l’espace L1 et l’intégrale sur
L1 à partir de l’intégrale sur M+ (définition 4.2 page 77).
Définition 4.7 (Espace L1 et Intégrale de Lebesgue) Soient (E,ZT, m) un espace mesuré et f ∈

M. On dit que f est intégrable (ou intégrable au sens de Lebesgue) si |f |dm < +∞. Dans ce cas, on
Z Z
a aussi f + dm < +∞ et f − dm < +∞. On pose alors :
Z Z Z
f dm = +
f dm − f − dm (∈ R). (4.17)
On note L1R (E, T, m) (ou plus simplement L1 ) l’ensemble des fonctions intégrables.
l’intégrale sur RM+ donne |f |dm = f + dm + f − dm. On voit

R R R
Soit f ∈ M, la linéarité positive de
donc que f ∈ L1 si et seulement si f + dm < ∞ et f − dm < ∞.
R
Proposition 4.4 (Propriétés de L1 et de l’intégrale sur L1 ) Soit (E, T, m) un espace mesuré. On

a alors :
83
1. L1 est un espace vectoriel sur R.
Z
2. L’application f 7→ f dm est une application linéaire de L1 dans R.
Z Z
3. Monotonie : soient f et g ∈ L1 telles que f ≤ g ; alors f dm ≤ gdm
4. Pour tout f ∈ L1 , | f dm| ≤ |f |dm.

R R
Démonstration :
1. On sait déjà que M est un espace vectoriel sur R (proposition 3.5). Pour montrer que L1 est un
espace vectoriel sur R, il Rsuffit de remarquer,
R en utilisant
R la linéarité
R positive et
R la monotonie de
l’intégrale sur M+ , que |αf |dm = |α| |f |dm et |f + g|dm ≤ |f |dm + |g|dm, pour tout
f, g ∈ M et tout α ∈ R.
2. (a) Soit α ∈ R et f ∈ L1 . On veut montrer que

Z Z
αf dm = α f dm. (4.18)
Cas 1. Si α = 0, (4.18) est bien vraie.

Cas 2. Si α > 0, on remarque que (αf )+ = αfR + et (αf )−R = αf − . En utilisant la linéarité
R positive
+ −
f + dm −
R
de
R − l’intégrale sur
R M + , on en déduit αf dm = (αf ) dm − (αf ) dm = α(
f dm) = α f dm.
Cas 3. Si α < 0, on remarque que (αf )+ = (−α)f − et R(αf )− = R(−α)f + . EnR utilisant la
+ −
linéarité
R positive
−
Rde l’intégrale
+
R M+ , on en déduit αf dm = (αf ) dm− (αf ) dm =
sur
(−α)( f dm − f dm) = α f dm.
(b) Soit f, g ∈ L1 . On veut montrer que
Z Z Z
(f + g)dm = f dm + gdm.
On utilise les deux décompositions de f + g : f + g = (f + g)+ − (f + g)− = f + − f − + g + − g − .

On en déduit (f + g)+ + f − + g − = (f + g)− + f + + g + . En utilisant la linéarité positive de
l’intégrale sur M+ , on en déduit
Z Z Z Z Z Z
(f + g)+ dm + f − dm + g − dm = (f + g)− dm + f + dm + g + dm.
On en déduit (noter que tous les termes de l’égalité précédente sont dans R+ )
Z Z Z Z Z Z
(f + g)+ dm − (f + g)− dm = f + dm − f − dm + g + dm − g − dm,
R R R
et donc (f + g)dm = f dm + gdm.
Z
On a bien montré que l’application f 7→ f dm est une application linéaire de L1 dans R.
84
3. Soit f, g ∈ L1 t.q. f ≤ g. On remarque que f + − f − ≤ g + − g − , donc f + +Rg − ≤ g + R+ f − . En
utilisant la Rlinéarité positive Ret la monotonie
R + de l’intégrale surR M+ , on en
R déduit fR + dm+ g − dm ≤
−
R + R − + −
g dm + f dm et donc f dm = f dm − f dm ≤ g dm − g dm = gdm.
4. Soit f ∈ L1 . On a | f dm| = | f + dm − f − dm| ≤ f + dm + f − dm = |f |dm.
R R R R R R
On peut définir sur L1 une semi-norme de la manière suivante :
Définition 4.8 (Semi-norme sur L1 ) Soient (E, T, m) un espace mesuré et f ∈ L1 . On pose :

Z
kf k1 = |f |dm (4.19)
L’application de L1 dans R+ définie par f 7→ kf k1 est une semi-norme sur L1 .
On a bien kf k1 ∈ R+ pour tout f ∈ L1 . Le fait que f 7→ kf k1 est une semi-norme 1

R sur L découleR alors
de Rla partie 1 de la
R démonstration
R de la proposition 4.4, c’est-à-dire du fait que |αf |dm = |α| |f |dm
et |f + g|dm ≤ |f |dm + |g|dm, pour tout f, g ∈ M et tout α ∈ R. Par contre, k · k1 n’est pas une
norme sur L1 car kf k1 = 0 n’entraı̂ne pas f = 0 mais seulement f = 0 p.p., comme cela est démontré à
la proposition 4.5.
Proposition 4.5 Soit (E, T, m) un espace mesuré.

R
1. Soit f ∈ M+ . Alors f dm = 0 si et seulement si f = 0 p.p..
2. Soit f ∈ L1 . Alors kf k1 = 0 si et seulement si f = 0 p.p..
3. Soit f, g ∈ L1 t.q. f = g p.p.. Alors f dm = gdm.
R R
Démonstration :
1. Soit f ∈ M+ .
R R
(a) On suppose que f = 0 p.p. . On a alors f dm = 0dm = 0 (ceci est donné par le troisième
point du lemme 4.4.)
(b) on suppose que f dm = 0. Soit n ∈ N? , le lemmeP4.5 page 79 donne f dm ≥ n1 m({f ≥ n1 }).
R R
On a donc m({f ≥ n1 }) = 0 et m({f > 0}) ≤ n∈N? m({f ≥ n1 }) = 0 (on a utilisé ici la
σ-sous additivité de m). Comme {f = 0}c = {f > 0}, on en déduit f = 0 p.p..
2. Soit f ∈ L1 . La propriété démontrée ci dessus donne kf k1 = 0 si et seulement si |f | = 0 p.p., et

donc kf k1 = 0 si et seulement si f = 0 p.p.
3. Soit f, g ∈ L1 t.q. f = g p.p.. On a | f dm − gdm| = | (f − g)dm| ≤R |f − g|dm
R R R R
R = 0 (On a
utilisé le quatrième point de la proposition 4.4 et |f − g| = 0 p.p.). Donc, f dm = gdm.
La dernière assertion de la proposition précédente nous permettra, dans la prochaine section, de définir
l’intégrale sur un espace appelé L1 .
On conclut cette section par une proposition préliminaire au théorème de convergence dominée.
85
Proposition 4.6 Soit (E, T, m) un espace mesuré. Soit (fn )n∈N ⊂ L1 , f ∈ M et g ∈ L1 t.q. fn → f
1
R quand n R→ ∞, et, pour tout n ∈ N, |fn | ≤ g p.p.. On a alors f ∈ L , kfn − f k1 → 0, quand n → ∞
p.p.,
et fn dm → f dm, quand n → ∞.
Démonstration :
Comme fn → f p.p. quand n → ∞, Il existe A ∈ T t.q. m(A) = 0 et fn (x) → f (x) pour tout x ∈ Ac .
Puis, comme |fn | ≤ g p.p., il existe, pour tout n ∈ N, Bn ∈ T t.q. m(Bn ) = 0 et |fn | ≤ g sur Bnc . On
pose C = A ∪ (∪n∈N Bn ). Par σ-sous additivité de m, on a aussi m(C) = 0. On pose alors hn = fn 1C c ,
h = f 1C c G = g1C c , de sorte que hn = fn p.p., h = f p.p. et G = g p.p.. De plus les fonctions hn , h et
G sont toujours mesurables et donc hn ∈ L1 , h ∈ M et G ∈ L1 .
Comme |hn (x)| ≤ G(x) pour tout x ∈ E (et pour tout n ∈ N) et hn (x) → h(x) pour tout x ∈ E. On a
aussi |h| ≤ G. Ceci montre que h ∈ L1 et donc que f ∈ L1 .
On pose maintenant Fn = 2G − |hn − h|. Comme |hn − h| ≤ 2G, on a Fn ∈ M+ et on peut donc appliquer
le lemme de Fatou (lemme 4.6) à la suite (Fn )n∈N . Comme lim inf n→∞ Fn = 2G, on obtient :
Z Z Z
2Gdm ≤ lim inf (2G − |hn − h|)dm = lim ( inf (2G − |hn − h|)dm). (4.20)
n→∞ n→∞ p≥n
La linéarité de l’intégrale sur L1 donne (2G − |hn − h|)dm = 2Gdm − |hn − h|dm. Donc :
R R R
Z Z Z
inf (2G − |hn − h|)dm = 2Gdm − sup |hn − h|dm
p≥n p≥n
et Z Z Z
lim inf (2G − |hn − h|)dm = 2Gdm − lim sup |hn − h|dm.
n→∞ n→∞
R
L’inégalité 4.20 devient alors (en remarquant que 2Gdm ∈ R) :
Z
lim sup |hn − h|dm ≤ 0.
n→∞
On a donc khn − hk1 → R0 quand n →

R ∞ et, comme hn − h = fn − f p.p., on en déduit kfn − f k1 → 0,
quand n → ∞, et donc fn dm → f dm, quand n → ∞ (grâce au quatrième point de la proposition
4.4).
4.6 L’espace L1
Dans toute cette section, on travaille avec un espace mesuré (E, T, m).
On définit maintenant une relation d’équivalence, notée (= p.p.), sur L1 par :
f (= p.p.) g si f = g p.p.. (4.21)
Définition 4.9 (L1 ) L’ensemble L1 = L1R (E, T, m) est l’ensemble des classes d’équivalence de la relation
(= p.p.) définie sur L1 , i.e. L1 = L1 /(= p.p.).
Dans la suite, L1 désigne L1R (E, T, m) et L1 désigne L1R (E, T, m).
86
Remarque 4.6
1. Un élément de L1 est donc une partie de L1 .

2. Si f ∈ L1 , on note f˜ = {g ∈ L1 ; g = f p.p.}. f˜ est donc un élément de L1 , c’est l’élément de L1
auquel f appartient (on l’appelle la classe de f ).
Définition 4.10 (Structure vectorielle sur L1 ) On munit L1 d’une structure vectorielle (faisant de
L1 un espace vectoriel sur R)
1. Soient F ∈ L1 et α ∈ R. On choisit f ∈ F et on pose αF = {g ∈ L1 ; g = αf p.p.}.
2. Soient F, G ∈ L1 . On choisit f ∈ F , g ∈ G et on pose F + G = {h ∈ L1 ; h = f + g p.p.}.
La définition précédente est bien cohérente. En effet αF (qui est la classe de αf ) ne dépend pas du choix
de f dans F car f = f1 p.p. implique αf = αf1 p.p.. De même F + G (qui est la classe de f + g) ne
dépend pas du choix de f dans F et du choix de g dans G car f = f1 p.p. et g = g1 p.p. implique
f + g = f1 + g1 p.p..
Définition 4.11 (Intégrale sur L1 ) Soit F ∈ L1 et f ∈ F (on dit que f est un représentant de la
classe F , noter que f ∈ L1 ). On pose :
Z Z
F dm = f dm. (4.22)
R
Ici aussi cette définition est bien cohérente car F dm ne dépend pas du choix de f dans F , grâce
au troisième point de la proposition 4.5. Le troisième point de la proposition 4.5 nous donne aussi
kf k1 = kgk1 si f, g ∈ L1 et f = g p.p.. Ceci nous permet de définir une norme sur L1 :
Définition 4.12 (Norme sur L1 ) Soit F ∈ L1 . On choisit f ∈ F et on pose kF k1 = kf k1 .
Proposition 4.7 L’application F 7→ kF k1 est une norme sur L1 . L’espace L1 muni de la norme k · k1
est donc un espace vectoriel normé.
Démonstration : Il est facile de vérifier que k · k1 est bien une norme sur R (sachant que c’est déjà
une semi-norme sur L1 ). Le seul point délicat est de remarquer que kF k1 = 0 implique que F = 0 (0
est ici l’élément neutre de L1 , c’est-à-dire {h ∈ L1 ; h = 0 p.p.}). Ceci découle du premier point de la
proposition 4.5.
On montrera plus loin que L1 est complet, c’est donc un espace vectoriel normé complet, c’est-à-dire un
espace de Banach, voir le théorème 4.6 page 92.
On rappelle que si f ∈ L1 , F ∈ L1 et que f ∈ F , on dit que f est un représentant de F . On introduit

maintenant plusieurs notions de convergence dans L1 . Il est facile de vérifier que ces définitions sont
cohérentes, c’est-à-dire qu’elles ne dépendent pas des représentants choisis pour les éléments de L1 .
La notion de convergence simple n’a pas de sens dans L1 , mais la notion de convergence p.p., vue
précédemment, se généralise aux éléments de L1 ainsi que la notion de convergence en mesure.
Définition 4.13 Soit (E, T, m) un espace mesuré.

1. Soient (Fn )n∈N ⊂ L1 et F ∈ L1 . On dit que Fn → F p.p. quand n → ∞ si fn → f p.p., quand
n → ∞, avec fn ∈ Fn et f ∈ F .
87
2. Soient (Fn )n∈N ⊂ L1 et F ∈ L1 . On dit que Fn → F en mesure quand n → ∞ si fn → f en
mesure, quand n → ∞, avec fn ∈ Fn et f ∈ F .
3. Soient (Fn )n∈N ⊂ L1 et F ∈ L1 . On dit que Fn → F dans L1 quand n → ∞ si kFn − F k1 → 0
quand n → ∞. (Ici aussi, noter que kFn − F k1 = kfn − f k1 si fn ∈ Fn et f ∈ F .)
4. Soient F, G ∈ L1 . On dit que F ≥ G p.p. si f ≥ g p.p. avec f ∈ F et g ∈ G.
On peut démontrer (s’inspirer de la démonstration du théorème 4.7 et voir les exercices du chapitre 3)
que si une suite de fonctions de L1 converge en mesure, alors on peut en extraire une sous-suite qui
converge presque partout. Dans le cas où la mesure m est finie, la convergence presque partout entraı̂ne
la convergence en mesure.
Remarque 4.7 Soit (E, T, m) un espace mesuré. Soient F, G ∈ L1 . F = G est donc équivalent à f = g
p.p. si f ∈ F et g ∈ G. En général, on écrira plutôt F = G p.p. au lieu de F = G (voir la remarque 4.9).
Remarque 4.8 Soit (E, T, m) un espace mesuré. Soient (Fn )n∈N ⊂ L1 et f : E → R (ou f : E → R).
On utilisera souvent la notation (légérement incorrecte), “Fn → f p.p. quand n → ∞”. Cette notation
signifie “fn → f p.p. quand n → ∞” en choissisant fn ∈ Fn . Ceci est cohérent car le fait que “fn → f
p.p. quand n → ∞” ne dépend pas du choix de fn dans Fn (voir aussi la remarque 4.9).
En fait, on écrira même souvent “Fn → f p.p. quand n → ∞” (pour une suite (Fn )n∈N ⊂ L1 ) sans
préciser les espaces de départ et d’arrivée pour f . A vrai dire, en choissisant fn ∈ Fn , f est au moins
définie p.p. sur E et le changement du choix de fn dans Fn ne change f que sur un ensemble de mesure
nulle. D’autre part, en l’absence de précision, f sera supposée être à valeurs dans R.
Proposition 4.8 (propriétés de l’intégrale sur L1 ) Soit (E, T, m) un espace mesuré. On a alors :
1. Soit F ∈ L1 . Alors | F dm| ≤ kF k1 .
R
2. F 7→ F dm est une application linéaire continue de L1 dans R.

R
3. Soient F, G ∈ L1 t.q. F ≥ G p.p., alors F dm ≥ Gdm.

R R
Démonstration :
1. Soit F ∈ L1 et f ∈ F , on a | F dm| = | f dm| ≤ kf k1 = kF k1 .

R R
2. La linéarité de l’intégrale sur L1 découle immédiatement de la linéarité de l’intégrale sur L1 (propo-

sition 4.4). La continuité est donné par le premier point ci dessus.
3. La monotonie de l’intégrale sur L1 découle immédiatement de la monotonie de l’intégrale sur L1
(proposition 4.4).
Remarque 4.9 soit (E, T, m) un espace mesuré.

1. On confondra dans la suite un élément F de L1 avec un représentant f de F , c’est-à-dire avec un
élément f ∈ L1 t.q. f ∈ F .
88
2. De manière plus générale, soit A ⊂ E t.q. Ac soit négligeable (c’est-à-dire Ac ⊂ B avec B ∈ T et
m(B) = 0) et soit f : A → R (la fonction f est donc définie p.p.). On dira que f est un élément
de L1 si il existe une fonction g ∈ L1 t.q. f = g p.p.. On confond donc, en fait, la fonction f avec
la classe d’équivalence de g, c’est-à-dire avec g̃ = {h ∈ L1 ; h = g p.p.}. D’ailleurs, cetR ensemble est
aussi égal à {h ∈ L1 ; h = f p.p.}. En confondant ainsi f et g̃ on a donc f dm = gdm. Noter
R
également que f est m-mesurable (voir la définition 4.3 page 79).

3. Avec la confusion décrite ci-dessus, si f et g sont des éléments de L1 , f = g signifie en fait f = g
p.p..
Remarque 4.10 Soient (E, T, m) un espace mesuré, et (E, T , m) son complété (cf définition 2.15 et
exercice 2.15). L’espace L1R (E, T, m) est “identique” à l’espace L1R (E, T , m), il existe une bijection évidente
entre ces deux espaces en remarquant que si f ∈ L1R (E, T , m), alors il existe g ∈ L1R (E, T, m) t.q. f = g
p.p. (voir à ce propos l’exercice 4.9).
Pour montrer qu’une fonction est dans L1 on utilise souvent le lemme de Fatou de la manière suivante
(voir l’exercice 4.27 pour la démonstration, qui est en fait une conséquence facile du lemme de Fatou pour
les fonctions mesurables positives, cf lemme 4.6) :
Lemme 4.7 (Utilisation de Fatou) Soient (E, T, m) un espace mesuré, et (fn )n∈N ⊂ L1R (E, T, m).
On suppose que :
1. fn ≥ 0 p.p., ∀n ∈ N,
R
2. ∃C, fn dm ≤ C, ∀n ∈ N,
3. fn → f p.p., quand n → ∞,
alors f ∈ L1R (E, T, m) (au sens “il existe g ∈ L1R (E, T, m) t.q. f = g p.p.”) et
R
|f |dm ≤ C.
On peut également montrer qu’une fonction est dans L1 en utilisant le théorème de convergence monotone.
Ceci est précisé dans le théorème 4.3 (dit théorème de Beppo-Lévi) (qui donne aussi un résultat de
convergence dans L1 ).
4.7 Théorèmes de convergence dans L1

Nous connaissons à présent trois notions de convergence pour les fonctions de L1 , les notions de con-
vergence presque partout, convergence en mesure et la notion de convergence habituelle dans un espace
normé, c’est-à-dire , ici, la convergence pour la norme L1 . On peut montrer par des contre-exemples que
la convergence presque partout n’entraı̂ne pas la convergence L1 , et que la convergence L1 n’entraı̂ne
pas la convergence presque partout. Pour montrer que la convergence presque partout n’entraı̂ne pas la
convergence L1 , on peut considérer l’espace mesuré (E, T, m) = (R, B(R), λ) et la suite (fn )n∈N ⊂ L1 (R)
définie par : fn (x) = n 1]0, n1 ] . On a évidemment fn → 0 pp, alors que kfn k1 = 1. Pour montrer que la
convergence L1 n’entraı̂ne pas la convergence presque partout, on considère à nouveau l’espace mesuré
(E, T, m) = (R, B(R), λ), et on construit la suite (fn )n∈N ⊂ L1 (R) (dite “bosse glissante”) définie par :
fn+k (x) = 1] k−1 , k ] , pour n = p(p−1)2 , p ∈ N et 1 ≤ k ≤ n. On peut voir facilement que kfn k1 = p1
n n
pour n ∈ [ p(p−1)
2 , p(p+1)
2 [, alors que fn 6→ 0 pp (par contre, on peut noter qu’il est possible d’extraire
de (fn )n∈N une sous-suite qui converge presque partout vers 0). Le théorème de convergence dominée,
89
énoncé ci-après, donne une hypothèse suffisante pour qu’une suite (de fonctions) convergeant presque
partout converge aussi dans L1 .
On rappelle (voir la remarque 4.8) que l’hypothèse “(Fn )n∈N ⊂ L1 et f : E → R t.q. Fn → f p.p.”
signifie simplement que fn → f p.p. en choisissant fn ∈ Fn . Cette définition est bien cohérente car elle
ne dépend pas du choix des fn dans Fn . On rappelle aussi que fn → f p.p. signifie qu’il existe A ∈ T
t.q. m(A) = 0 et fn (x) → f (x) dans R pour tout x ∈ Ac .
4.7.1 Convergence presque partout et convergence dans L1

Le théorème suivant est une conséquence du théorème de convergence monotone et permet de montrer la
convergence dans L1 d’une suite monotone de fonctions convergeant presque partout.
Théorème 4.3 (Beppo-Lévi) Soient (E, T, m) un espace mesuré et (fn )n∈N ⊂ L1R (E, T, m). On sup-
pose que :
1. fn+1 ≥ fn p.p., ∀n ∈ N, [ou fn+1 ≤ fn p.p., ∀n ∈ N],
2. fn → f p.p., quand n → ∞.
On a alors :
1. f ∈ L1R (E, T, m) (au sens “il existe g ∈ L1R (E, T, m) t.q. f = g p.p.”) si et seulement si :
Z
lim fn dm ∈ R.
n→+∞
2. Si f ∈ L1R (E, T, m), alors fn → f dans L1 .

La démonstration de ce théorème fait l’objet de l’exercice 4.28.
Nous allons maintenant voir un résultat fondamental, conséquence du lemme de Fatou, qui permet de
prouver la convergence de suites dans L1 sans hypothèse de convergence monotone.
Théorème 4.4 (Convergence dominée) Soit (E, T, m) un espace mesuré. L’espace L1R (E, T, m) est
noté L1 . Soit (fn )n∈N ⊂ L1 et f une fonction de E dans R telles que :
1. fn → f p.p.
2. ∃F ∈ L1 t.q., pour tout n ∈ N, |fn | ≤ F p.p..
Alors f ∈ L1 (au sens “il existe g ∈ L1R (E, T, m) t.q. Zf = g p.p.”)
Z
1
Z et fn → f dans L (c’est-à-dire
|fn − f |dm → 0 lorsque n → +∞). Ceci donne aussi fn dm → f dm, lorsque n → +∞.
Démonstration :
Ce théorème est essentiellement donné par la proposition 4.6. La différence avec la proposition 4.6 tient
dans le fait que fn et F sont dans L1 au lieu de L1 et que f n’est pas nécessairement mesurable. Il s’agit
toutefois de différences “mineures” comme nous le voyons ci après.
Pour tout n ∈ N, on choisit un représentant de fn , encore noté fn . La première hypothèse du théorème
signifie que fn → f p.p. (voir la remarque 4.8). Il existe donc A ∈ T t.q. m(A) = 0 et fn (x) → f (x),
quand n → ∞, pour tout x ∈ Ac . On remplace alors fn par fn 1Ac , encore noté fn (c’est toujours un
représentant de la même classe d’équivalence car m(A) = 0). On définit aussi g par g = f sur Ac et g = 0
sur A. Enfin, on choisit un représentant de F , encore noté F . On obtient ainsi :
90
1. (fn )n∈N ⊂ L1 ,
2. fn (x) → g(x) pour tout x ∈ E, quand n → ∞,
3. F ∈ L1 et fn ≤ F p.p., pour tout n ∈ N.
Les 2 premiers items donnent aussi g ∈ M (par la proposition 3.5, on utilise ici le fait que fn (x) → f (x)
pour tout x ∈ E et pas seulement pour presque tout x). On
R peut donc R appliquer la proposition 4.6 page
86. Elle donne : g ∈ L1 , kfn − gk1 → 0, quand n → ∞ et fn dm → gdm, quand n → ∞.
Comme g = f p.p., on a donc f ∈ L1 (au sens 1
R g ∈ LRR (E, T, m) t.q. f = g p.p.”). Puis
R “il existe
kfn − f k1 = kfn − gk1 → 0, quand n → ∞, et fn dm → gdm = f dm, quand n → ∞.
4.7.2 Convergence d’une série absolument convergente et conséquences

On va maintenant montrer que l’espace (L1 , k.k1 ) est un espace de Banach, en montrant que toute série
absolument convergente dans L1 (i.e. t.q. la série des normes converge) est convergente dans L1 . On en
déduira aussi un résultat très important (le théorème 4.7) qui permet d’extraire d’une suite convergeant
dans L1 une sous-suite convergeant presque partout. On aura besoin au cours de la démonstration du
petit résultat (démontré dans l’exercice 4.9) suivant :
R
Lemme 4.8 Soient (E, T, m) un espace mesuré et F ∈ M+ . On suppose que F dm < ∞. Alors
F < +∞ p.p. (c’est-à-dire que il existe A ∈ T t.q. m(A) = 0 et F (x) < ∞ pour tout x ∈ Ac ).
1
Théorème 4.5 (Séries
X absolument convergentes dans L ) Soit (E, T, m) un espace mesuré. Soit
1
(fn )n∈N ⊂ L t.q. kfn k1 < +∞ ; alors :
n∈N
Pn
1. ∃F ∈ L1 ; | p=0 fp | ≤ F p.p., pour tout n ∈ N.
2. La série de terme général fn (x) est, pour presque tout x ∈ E, convergente (dans R).
P
On définit f par f (x) = n∈N fn (x) (de sorte que f est définie p.p.).
Pn
3. f ∈ L1 (au sens “il existe g ∈ L1R (E, T, m) t.q. f = g p.p.” ) et p=0 fp → f dans L1 et p.p., quand
n → ∞.
Démonstration :
P
1. On choisit un représentant de fn , encore noté fn , et on pose F (x) = p∈N |fp (x)| ∈ R+ . On a donc
F ∈ M+ et le corollaire 4.1 du théorème de convergence monotone donne
Z XZ X
F dm = |fn |dm = kfn k1 < ∞.
n∈N n∈N
Le lemme 4.8 donne alors F < ∞ p.p., c’est-à-dire il existe A ∈ T t.q. m(A) = 0 et F (x) < ∞
pour tout x ∈ Ac . En remplaçant F par 0 sur A, on a donc F ∈ L1 . (Donc, F ∈ L1 au sens de la
remarque 4.9).
Pn
La définition de F donne immédiatement | p=0 fp | ≤ F p.p., pour tout n ∈ N.
91
2. Pour tout x ∈ Ac , la série de terme général fn (x) est absolument convergente dans R, donc
c
Pn m(A) = 0, f est donc définie p.p. car elle est définie pour x ∈ A par
convergente. Comme
f (x) = limn→∞ p=0 fp (x).
Pn
3. On pose sn = p=0 fp . le premier point donne |sn | ≤ F p.p., pour tout n ∈ N et F ∈ L1 . Le
deuxième point donne sn → f p.p.. On peut donc appliquer le théorème de convergence dominée
(théorème 4.4). Il donne f ∈ L1 et la convergence de la suite (sn )n∈N (vers f ) dans L1 . La
convergence p.p. (vers f ) de la suite (sn )n∈N est donné par le deuxième point.
Théorème 4.6 (Riesz-Fisher) Soit (E, T, m) un espace mesuré. L1 est un espace de Banach, c’est-à-
dire un espace vectoriel normé complet.
Démonstration : On sait déjà que L1 est espace vectoriel normé. Une conséquence du théorème 4.5 est
que, dans L1 , toute série absolument convergente est convergente. Cette propriété est une caractérisation
du fait qu’un espace vectoriel normé est complet. On en déduit donc que (L1 , k.k1 ) est complet et donc
que (L1 , k.k1 ) est un espace de Banach.
Dans la suite L1 sera toujours muni de la norme k · k1 .

Théorème 4.7 (Réciproque partielle du théorème de CD) Soient (fn )n∈N ⊂ L1 et f ∈ L1 telles
que fn → f dans L1 , alors il existe une sous-suite (fnk )k∈N , et F ∈ L1 telles que :
1. fnk → f p.p.,
2. |fnk | ≤ F p.p., pour tout k ∈ N.
Démonstration :En utilisant le fait que (fn )n∈N est une suite de Cauchy dans L1 , on construit par
récurrence une suite (fnk )k∈N telle que nk+1 > nk et si p, q ≥ nk , kfp − fq k1 ≤ 21k . On peut alors
appliquer le théorème 4.5 à la série de terme général gk = fnk+1 − fnk pour conclure.
On donne maintenant le théorème de Vitali, qui donne des conditions nécessaires et suffisantes de con-
vergence dans L1 pour une suite convergeant p.p.. La démonstration de ce théorème ainsi que des petits
résultats préliminaires qu’elle nécessite font l’objet des exercices 4.29 et 4.30.
Proposition 4.9 Soient (E, T, m) un espace mesuré, f ∈ L1R (E, T, m) ; alors :
R
1. ∀ ε > 0, ∃ δ > 0 t.q. ∀A ∈ T, m(A) ≤ δ ⇒ A |f |dm ≤ ε.
R
2. ∀ ε > 0, ∃ C ∈ T t.q. m(C) < +∞ et C c |f |dm ≤ ε.
Théorème 4.8 (Vitali) Soient (E, T, m) un espace mesuré et (fn )n∈N ⊂ L1 = L1R (E, T, m) t.q. fn → f
p.p., f prenant ses valeurs dans R (voir remarque 4.8). Alors, f ∈ L1 et fn → f dans L1 si et seulement
si les deux conditions suivantes sont vérifiées :
Z
1. (Equi-intégrabilité) ∀ε > 0, ∃δ > 0 ; ∀ A ∈ T, ∀ n ∈ N, m(A) ≤ δ ⇒ |fn |dm ≤ ε .
A
Z
2. (“Equi-petitesse à l’infini”) ∀ε > 0, ∃C ∈ T, m(C) < +∞ ; ∀n ∈ N, |fn |dm ≤ ε.
Cc
La démonstration de ce théorème fait l’objet de l’exercice 4.30 ; elle ne nécessite pas le théorème de
convergence dominée : on utilise le théorème d’Egorov (cf théorème 3.2 et exercice 3.24). Le théorème
de convergence dominée peut être vu comme une conséquence du théorème de Vitali (cf exercice 4.30).
92
R
4.8 Continuité et dérivabilité sous le signe
Soient (E, T, m) un espace mesuré, f une fonction de E × R dans R ; à t ∈ R fixé, on définit l’application
f (., t) : E → R, qui à x associe f (x, t). On suppose que l’application f (., t) ainsi définie vérifie l’hypothèse
suivante :
f (., t) ∈ L1 = L1R (E, T, m), ∀t ∈ R, (4.23)
et on note F l’application définie de R dans R par :
Z Z
F (t) = f (., t)dm = f (x, t)dm(x). (4.24)
R
Théorème 4.9 (Continuité sous ) Soient (E, T, m) un espace mesuré, f une fonction de E ×R dans
R vérifiant l’hypothèse (4.23) et t0 ∈ R ; on suppose de plus que :
1. l’application f (x, .), définie pour presque tout x ∈ E par : t 7→ f (x, t), est continue en t0 , pour
presque tout x ∈ E ;
2. ∃ ε > 0 et ∃ G ∈ L1R (E, T, m) tels que |f (., t)| ≤ G p.p., pour tout t ∈]t0 − ε, t0 + ε[.
Z Z
Alors F , définie de R dans R par : F (t) = f (., t)dm = f (x, t)dm(x), est continue en t0 .
Démonstration : Soit (tn )n∈N ⊂]t0 − ε, t0 + ε[, t.q. tn → t0 lorsque n → +∞. Soit fn définie par
fn (x) = f (x, tn ). Comme fn → f (·, t0 ) p.p. et |fn | ≤ G p.p.. On peut appliquer le théorème de
convergence dominée (théorème 4.4) à la suite (fn )n∈N . Il donne F (tn ) → F (t0 ) quand n → ∞.
R
Théorème 4.10 (Dérivabilité sous ) Soient (E, T, m) un espace mesuré, f une fonction de E × R
dans R vérifiant l’hypothèse (4.23) et t0 ∈ R . On suppose de plus qu’il existe ε > 0, A ∈ T et G ∈
L1R (E, T, m) t.q. m(A) = 0 et :
1. L’application t 7→ f (x, t) est dérivable pour tout t ∈]t0 − ε, t0 + ε[ et pour tout x ∈ Ac ;

∂f
2. | (x, t)| ≤ G(x) pour tout t ∈]t0 − ε, t0 + ε[ et pour tout x ∈ Ac .
∂t
Z Z
Alors F , définie de R dans R par : F (t) = f (., t)dm = f (x, t)dm(x), est dérivable en t0 et :
Z
0 ∂f
F (t0 ) = (x, t0 )dm(x). (4.25)
∂t
Démonstration : Soit (tn )n∈N? ⊂]t0 − ε, t0 + ε[, t.q. tn → t0 lorsque n → +∞ et tn 6= t0 pour tout
n ∈ N? . Soit fn définie par
f (x, tn ) − f (x, t0 )
fn (x) = .
tn − t0
La suite (fn )n∈N est dans L1 et on peut lui appliquer le théorème de convergence dominée (théorème
4.4) car fn → ∂f c
∂t (·, t0 ) p.p., quand n → ∞, et, si x ∈ A et n ∈ N, il existe θx,n ∈]0, 1[ t.q. fn (x) =
∂f
∂t (x, θx,n t0 + (1 − θx,n )tn ) (grâce au théorème des accroissements finis) et donc |fn | ≤ G p.p., pour tout
93
n ∈ N. Le théorème 4.4 donne alors ∂f 1
fn dm → ∂f
R R
∂t (·, t0 ) ∈ L et ∂t (·, t0 )dm. Ceci étant vrai pour toute
suite (tn )n∈N ⊂]t0 − ε, t0 + ε[, t.q. tn → t0 lorsque n → +∞ et tn 6= t0 pour tout n ∈ N? , on en déduit
bien que F est dérivable en t0 et :
Z
∂f
F 0 (t0 ) = (x, t0 )dm(x). (4.26)
∂t
.
4.9 Espérance et moments des variables aléatoires

Définition 4.14 (Espérance, moment, variance) Soient (Ω, A, p) un espace probabilisé et X une
variable aléatoire réelle.
1. Si X ≥ 0 (c’est-à-dire X(ω)
R ≥ 0 pour tout ω ∈ Ω), on définit l’espérance E(X) de la variable
aléatoire X par E(X) = X(ω)dp(ω).
2. Si X ∈ L1R (Ω, A, p) (c’est-à-dire E(|X|) < ∞), on définit l’espérance E(X) de la variable aléatoire
X par : Z
E(X) = X(ω)dp(ω).
On définit la variance de X par Var(X) = σ 2 (X) = E((X − E(X))2 ) (avec σ(X) ≥ 0).
3. Pour r ∈ [1, +∞[, le moment d’ordre r de la variable aléatoire X est l’espérance de la variable
aléatoire |X|r .
Définition 4.15 (Covariance) Soient (Ω, A, p) un espace probabilisé et X, Y deux v.a.r. t.q. E(X 2 ) <
∞ et E(Y 2 ) < ∞. On définit la covariance de X et Y par : cov(X, Y ) = E((X − E(X)(Y − E(Y )).
(Remarquer que (X − E(X)(Y − E(Y )) est une v.a.r. intégrable car sa valeur absolue est majorée, par
exemple, par X 2 + Y 2 + E(X)2 + E(Y )2 qui est intégrable.)
On calcule rarement l’espérance d’une v.a. comme intégrale par rapport à la probabilité p ; en effet,
l’espace (Ω, A, p) est souvent mal connu. Le théorème 4.11 montre qu’il suffit en fait de connaı̂tre la loi
de la v.a. X pour calculer son espérance (ou, plus généralement, l’espérance d’une fonction de X). On
se ramène ainsi au calcul d’une intégrale sur R.
Les deux inégalités suivantes découlent immédiatement du lemme 4.5 :
Lemme 4.9 (Inégalité de Markov) Soient (Ω, A, p) un espace probabilisé, X une variable aléatoire
réelle positive sur Ω et λ ∈ R?+ . On suppose que 0 < E(X) < ∞. Alors :
1
p({X ≥ λE(X)}) ≤ .
λ
Démonstration : Il suffit, par exemple, d’appliquer le lemme 4.5 avec f = X et t = λE(X).
Lemme 4.10 (Inégalité de Bienaymé Tchebichev) Soient (Ω, A, p) un espace probabilisé, X une
variable aléatoire réelle sur Ω, intégrable et t.q. sa variance vérifie 0 < σ 2 (X) < +∞, et λ ∈ R?+ . Alors :
1
p({|X − E(X)| ≥ λσ(X)}) ≤ .
λ2
94
Démonstration : Appliquer le lemme 4.5 avec f = |X − E(X)|2 et t = λ2 σ 2 (X).
Soit (Ω, A, p) un espace probabilisé, X une variable aléatoire réelle sur Ω. La loi de X, notée pX est définie
par pX (A) = p(X −1 (A)), pour tout A ∈ B(R)). Ceci est équivalent à dire que pour tout A ∈ B(R), on a,
avec ϕ = 1A :
Z Z
ϕ ◦ X(ω)dp(ω) = ϕ(x)dpX (x). (4.27)
Ω R
On rappelle que ϕ ◦ X est souvent improprement noté ϕ(X), ce qui s’explique par le fait ϕ ◦ X(ω) =
ϕ(X(ω)) pour tout ω ∈ Ω. Le théorème 4.11 montre que cette égalité est vraie pour une large classe
de fonctions boréliennes ϕ de R dans R ou R+ (on rappelle que borélienne signifie mesurable quand les
espaces sont munis de la tribu de Borel).
Théorème 4.11 (Loi image) Soit (Ω, A, p) un espace probabilisé, X une variable aléatoire réelle sur
Ω et pX la loi de la variable aléatoire X. On a alors :
1. L’égalité (4.27) est vraie pour toute fonction ϕ borélienne de R dans R+ et toute fonction borélienne
bornée de R dans R.
2. Soit ϕ une fonction borélienne de R dans R, la fonction ϕ◦X appartient à L1 (Ω, A, p) si et seulement
si ϕ ∈ L1 (R, B(R), pX ). De plus, si ϕ ∈ L1 (R, B(R), pX ), L’égalité (4.27) est vraie.
Démonstration : On remarque que (4.27) est vraie pour tout ϕ = 1A , avec A ∈ B(R) (par définition
de pX ). Par linéarité positive, (4.27) est encore vraie pour tout ϕ borélienne étagée positive de R dans
R. Par convergence monotone, (4.27) est alors vraie pour tout ϕ borélienne de R dans R+ . Ceci donne la
première partie du premier item. En utilisant la décomposition ϕ = ϕ+ −ϕ− , on montre alors le deuxième
item. Enfin, la deuxième partie du premier item vient du fait que ϕ est intégrable pour la probabilité pX
si ϕ est borélienne bornée.
Un produit de v.a.r. intégrables et indépendantes est une v.a.r. intégrable (ce qui est, bien sûr, faux sans
l’hypothèse d’indépendance) et L’espérance de ce produit est égal au produit des espérances. Ce résultat
plus général est donnée dans la proposition suivante.
Proposition 4.10 Soit (Ω, A, p) un espace probabilisé, d > 1 et X1 , . . . , Xd des v.a.r. indépendantes.
1. Soit ϕ1 , . . . , ϕd des fonctions boréliennes de R dans R+ . On a alors :
d
Y n
Y
E( ϕi (Xi )) = E(ϕi (Xi )). (4.28)
i=1 i=1
(En convenant qu’un produit de termes est nul si l’un des termes est nul.)
2. Soit ϕ1 , . . . , ϕd des fonctions boréliennes de R dans R. On suppose que ϕ(Xi ) est intégrable pour
Qd
tout i = 1, . . . , d. La v.a.r. i=1 ϕi (Xi ) est intégrable et l’égalité (4.28) est vraie.
3. Soit ϕ1 , . . . , ϕd des fonctions boréliennes bornées de R dans R. L’égalité (4.28) est vraie.
N.B. Si X1 , . . . , Xd sont des v.a.r., le fait que (4.28) soit vraie pour toute famille ϕ1 , . . . , ϕd de fonctions
boréliennes bornées de R dans R est donc une condition nécessaire et suffisante pour les v.a.r. X1 , . . . , Xd
soient indépendantes.
95
Démonstration : Si ϕ1 , . . . , ϕd sont des fonctions caractéristiques de boréliens de R, l’égalité (4.28)
est une conséquence immédiate de la définition de l’indépendance des Xi (Si ϕi = 1Ai avec Ai ∈ B(R),
on a E(ϕi (Xi )) = P ({Xi ∈ Ai }) = P (Xi−1 (Ai ))). Par linéarité positive, on en déduit que (4.28) est
vraie si les fonctions ϕi sont (boréliennes) étagées positives (c’est-à-dire ϕ ∈ E+ ). Puis, par convergence
monotone, on en déduit le premier item de la proposition (car toute fonction orélienne de R dans R+ est
limite croissante d’éléments de E+ ).
Pour le deuxième item, on utilise (4.28) avec la fonction x 7→ |ϕi (x)| au lieu de la fonction ϕi (pour
Qd
tout i). On montre ainsi que la v.a.r. i=1 ϕi (Xi ) est intégrable. Puis, on montre (4.28) par linéarité
−
(utilisant ϕi = ϕ+
i − ϕi ).
Le troisième item est conséquence immédiate du deuxième (car si X est une v.a.r. et ϕ est une fonction
borélienne bornée, la v.a.r. ϕ(X) est intégrable).
Une conséquence de la proposition 4.10 est que XY est intégrable et cov(X, Y ) = 0 si X, Y sont deux
v.a.r. intégrables sur un espace probabilisé (Ω, A, p).
Pour montrer que des v.a.r. sont indépendantes, il est parfois utile de savoir qu’il suffit de montrer (4.28)
lorsque les fonctions ϕi sont continues à support compact de R de R. C’est l’objet de la proposition 4.12 qui
se démontre à partir d’un résultat d’unicité (proposition 4.11) sur lequel nous reviendrons au chapitre 5.
On note Cc (R, R) l’ensemble des fonctions continues à support compact de R de R (une fonction ϕ de R
dans R est à support compact si il existe un compact K de R t.q. ϕ = 0 sur K c ).
Proposition 4.11 Soit m et µ deux mesures sur B(R), finies sur les compacts de R. On suppose que :
Z Z
ϕdm = ϕdµ pour tout ϕ ∈ Cc (R, R).
Alors, m = µ.
Démonstration : Puisque m et µ sont des mesures sur B(R), finies sur les compacts, on a bien
Cc (R, R) ⊂ L1R (R, B(R), m) et Cc (R, R) ⊂ L1R (R, B(R), µ). On pose maintenant C = {]a, b[, a, b ∈ R,
a < b} et on commence par montrer que m = µ sur C.
Soit a, b ∈ R, a < b. Il existe une suite (ϕn )n∈N ⊂ Cc (R, R) t.q. ϕn ↑ 1]a,b[ . En effet, il suffit de construire
ϕn , pour n ≥ 2/(b − a), de la manière suivante :
ϕn (x) = 0 si x ≤ a,
ϕn (x) = n(x − a) si a < x < a + n1 ,
ϕn (x) = 1 si a + n1 < x < b − n1 ,
ϕn (x) = −n(x − b) si b − n1 ≤ x ≤ b
ϕn (x) = 0 si b ≤ x.
R R
Puis, en passant à la limite quand n → ∞ dans l’égalité ϕn dm = ϕn dµ, on obtient (par convergence
monotone ou par convergence dominée) m(]a, b[) = µ(]a, b[).
On conclut enfin que m = µ en utilisant, par exemple, la proposition 2.5.
Proposition 4.12 Soit (Ω, A, p) un espace probabilisé, d > 1 et X1 , . . . , Xd des v.a.r. Ces v.a.r. sont
indépendantes si et seulement si on a, pour tout famille {ϕ1 , . . . , ϕd } ⊂ Cc (R, R),
d
Y d
Y
E( ϕi (Xi )) = E(ϕi (Xi )), (4.29)
i=1 i=1
96
Démonstration : Le fait que la condition est nécessaire est une conséquence immédiate de la proposi-
tion 4.10 car une fonction continue à support compact est borélienne et bornée. On montre maintenant
que la condtion est nécessaire. On suppose donc que (4.29) est vraie pour toute famille {ϕ1 , . . . , ϕd } ⊂
Cc (R, R) et on veut montrer que les v.a.r. X1 , . . . , Xd sont indépendantes, c’est-à-dire que pour tout
A1 , . . . , An ∈ B(R), on a : !
Yd Yd
E 1Ai (Xi ) = E(1Ai (Xi )). (4.30)
i=1 i=1
Qd
(On rappelle en effet que E(1Ai (Xi )) = p(Xi−1 (Ai )) et E( i=1 1Ai Xi )) = p(∩ni=1 Xi−1 (Ai ).)
Pour montrer (4.30), on introduit, pour tout 1 ≤ n ≤ d + 1, la propriété suivante, notée Pn :

Pn : (4.29) est vraie si ϕi = 1Ai , avec Ai ∈ B(R), pour i < n, et ϕi ∈ Cc (R, R) pour i ≥ n.
L’hypothèse de la proposition donne que P1 est vraie. On suppose maintenant que Pn est vraie pour un
n ∈ {1, . . . , d}. Soit Ai ∈ B(R) pour i < n (et ϕi = 1Ai ) et ϕi ∈ Cc (R, R) pour i > n. Pour An ∈ B(R),
on pose, avec ϕn = 1An :
Qd
m(An ) = E( i=1 ϕi (Xi )),
Qd
µ(An ) = i=1 E(ϕi (Xi )).
R R
Les applications m et µ sont des mesures sur B(R). La propriété Pn montre que ϕdm = ϕdµ pour
tout ϕ ∈ Cc (R, R). La proposition 4.11 montre alors que m = µ ce qui donne la propriété Pn+1 . Par
récurrence sur n, on montre ainsi que Pd+1 est vraie, ce qui donne (4.30) et l’indépendance de X1 , . . . , Xd .
4.10 Espace L1C (E, T, m) et espace L1RN (E, T, m)

Définition 4.16 Soient (E, T, m) un espace mesuré et N > 1 (N ∈ N).
1. Soit f : E → RN . Pour x ∈ E, on pose f (x) = (f1 (x), . . . , fN (x))t ∈ RN . La fonction f
appartient à L1RN (E, T, m) si fn ∈ L1R (E, T, m) pour tout n ∈ {1, . . . , N }.
2. Si f ∈ L1RN (E, T, m), on note
Z Z Z
f dm = ( f1 dm, . . . , fN dm)t ∈ RN .
La caractérisation suivante de mesurabilité et intégrabilité est intéressante.
Proposition 4.13 Soient (E, T, m) un espace mesuré, N > 1 et f : E → RN .
1. fn est mesurable (de E dans R) pour tout n ∈ {1, . . . , N } si et seulement si f est mesurable de E
dans RN , c’est-à-dire si et seulement si f −1 (A) ∈ E pour tout A ∈ B(RN ).
2. Si f est mesurable R(de E dans RN ). On munit RN d’une norme, notée k·k. Alors, f ∈ L1RN (E, T, m)
si et seulement si kf kdm < ∞ (noter que kf k ∈ M+ ).
Démonstration : On donne la démonstration pour N = 2.
97
1. On suppose d’abord f1 , f2 ∈ M. On veut montrer que f est mesurable de E dans R2 . Comme
B(R2 ) est engendré par {A × B, A, B ∈ B(R)}, il suffit de montrer que f −1 (A × B) ∈ T pour tout
A, B ∈ B(R).
Soit donc A, B ∈ B(R). On a f −1 (A × B) = f1−1 (A) ∩ f2−1 (B) ∈ T car f1 et f2 sont mesurables.
Donc f −1 (A × B) ∈ T . On a bien montré que f est mesurable de E dans R2
Réciproquement, on suppose maintenant que f est mesurable de E dans R2 . Soit A ∈ B(R). On

remarque que f1−1 (A) = f −1 (A × R). Or A × R ∈ B(R2 ), donc f1−1 (A) = f −1 (A × R) ∈ T , ce qui
prouve que f1 est mesurable. On prouve de manière semblable que f2 est mesurable.
2. Soit f mesurable de E dans RN . On suppose que RN est muni d’une norme, notée k · k. Comme
y 7→ kyk est continue de RN dans R, l’application kf k : x 7→ kf (x)k est mesurable de E dans R
(comme composée d’applications mesurables). Comme cette application ne prend que des valeurs
positives ou nulles, on a donc kf k ∈ M+ .
Comme toutes les normes sur RN sont équivalentes, on a donc kf kdm < ∞ si et seulement si
R
R PN R
kf k1 dm < ∞, avec kf k1 = n=1 |fn |. Il est alors immédiat de remarquer que kf k1 dm < ∞ si
et seulement fn ∈ L1R (E, T, m) pour tout n ∈ {1, . . . , N }. On a donc :
Z
kf kdm < ∞ ⇔ f ∈ L1RN (E, T, m).
La définition de L1RN (E, T, m) donne immédiatement que cet espace est un espace vectoriel sur R. De
plus, si RN est muni d’une norme, notée k · k, il est aussi immédiat que l’application f 7→ kf kdm est une
R
semi-norme sur L1RN (E, T, m). Pour obtenir un espace vectoriel normé, on va considérer, comme dans le
cas N = 1, l’espace L1RN (E, T, m) quotienté par la relation “f = g p.p.”. On rappelle que f = g p.p. si il
existe A ∈ T t.q. m(A) = 0 et f = g sur Ac .
1. L’espace L1RN (E, T, m) est l’espace L1RN (E, T, m) quotienté par la relation “f = g p.p.”.
2. On munit RN d’une norme notée k · k. Soit F ∈ L1RN (E, T, m). On pose kF k1 = kf kdm, où
R
f ∈ F (cette définition est correcte car indépendante du choix de f dans F ).
Proposition 4.14 Soient (E, T, m) un espace mesuré et N > 1. L’espace L1RN (E, T, m) est un espace
de Banach (réel) c’est-à-dire un espace vectoriel (sur R) normé complet (avec la norme définie dans la
définition 4.17).
Démonstration : La démonstration de cette proposition découle facilement du cas N = 1.

1. Soit f : E → C. On note <(f ) et =(f ) les parties réelle et imaginaire de f . On a donc,
pour x ∈ E, f (x) = <(f )(x) + i=(f )(x), avec <(f )(x), =(f )(x) ∈ R. La fonction f appartient à
L1C (E, T, m) si <(f ), =(f ) ∈ L1R (E, T, m).
98
2. Si f ∈ L1C (E, T, m), on note
Z Z Z
f dm = <(f )dm + i =(f )dm ∈ C.
Ici aussi, on a une caractérisation de mesurabilité et intégrabilité.
Proposition 4.15 Soit (E, T, m) un espace mesuré et f une application de E → C.
1. <(f ) et =(f ) sont mesurables (de E dans R) si et seulement si f est mesurable de E dans C,
c’est-à-dire si et seulement f −1 (A) ∈ E pour tout A ∈ B(C).
2. Si f est mesurable (de E dans C), f ∈ L1C (E, T, m) si et seulement si |f |dm < ∞ (noter que
R
|f | ∈ M+ ).
Démonstration :
La démonstration de cette proposition se ramène facilement à la précédente démonstration (c’est-à-dire à
la démonstration de la proposition 4.13) en utilisant l’application ϕ : C → R2 définie par ϕ(z) = (x, y)t
si z = x + iy ∈ C, qui est une bijection continue, d’inverse continue.
Ici aussi, la définition de L1C (E, T, m) donne immédiatement que cet espace est un espace vectoriel sur C.
Il est aussi immédiat que l’application f 7→ |f |dm est une semi-norme sur L1C (E, T, m). Pour obtenir
R
un espace vectoriel normé, on va considérer l’espace L1C (E, T, m) quotienté par la relation “f = g p.p.”.
1. L’espace L1C (E, T, m) est l’espace L1C (E, T, m) quotienté par la relation “f = g p.p.”.
2. Soit F ∈ L1C (E, T, m). On pose kF k1 = |f |dm, où f ∈ F (cette défintion est correcte car
R
indépendante du choix de f dans F ).
Proposition 4.16 Soit (E, T, m) un espace mesuré. L’espace L1C (E, T, m) est un espace de Banach
(complexe) c’est-à-dire un espace vectoriel (sur C) normé complet (avec la norme définie dans la définition
4.19).
Démonstration :
La démonstration de cette proposition découle facilement du fait que L1R (E, T, m) est un espace de Banach
(réel).
4.11 Exercices
4.11.1 Intégrale des fonctions mesurables positives et espace L1
Exercice 4.1 (Sup de mesures) Corrigé 55 page 330
Soit (E, T ) un espace mesurable et (mn )n∈N une suite de mesures sur T . On suppose que mn+1 (A) ≥
mn (A) pour tout A ∈ T et tout n ∈ N. On pose m(A) = sup{mn (A), n ∈ N} pour A ∈ T .
99
1. (Lemme préliminaire) Soit (an,p )n,p∈N ⊂ R+ et (ap )p∈N ⊂ R ≥ an,p , pour tout n, p ∈ N,
P+∞t.q. an+1,p P∞
et an,p → ap quand n → ∞, pour tout p ∈ N. Montrer p=0 an,p → p=0 ap (dans R+ ) quand
PN P∞ P∞
n → ∞. [On pourra utiliser p=0 an,p ≤ p=0 an,p ≤ p=0 ap .]
2. Montrer que m est une mesure.
3. Soit f ∈ E+ (E, R que E+ (E, T ) est l’ensemble des fonctions étagées de E dans R+ .)
R T ). (On rappelle
Montrer que f dm = supn∈N ( f dmn ).
4. Soit f ∈ M+ (E, T ). (On rappelle que M+ (E, T ) est l’ensemble des fonctions mesurables de E dans
R+ .)
R R
(a) Montrer que ( f dmn )n∈N est une suite croissante majorée par f dm.
R R
(b) Montrer que f dmn → f dm quand n → ∞.
5. Soit f ∈ L1R (E, T, m). Montrer que f ∈ L1R (E, T, mn ) pour tout n ∈ N et que f dmn → f dm
R R
quand n → ∞.
Exercice 4.2 (Somme de mesures) Corrigé 56 page 331

Soient m1 et m2 deux mesures sur l’espace mesurable (E, T ).
1. Montrer que m = m1 + m2 est une mesure.
2. Montrer qu’une application f mesurable de E dans R est intégrable pour la mesure m si et seulement
si
R elle est Rintégrable Rpour les mesures m1 et m2 . Si f est intégrable pour la mesure m, montrer que
f dm = f dm1 + f dm2 .
)n∈N une famille de mesures (positives) sur (E, T ) et (αn )n∈N ⊂ R?+ . On pose, pour A ∈ T ,
3. Soit (mn P
m(A) = n∈N αn mn (A). Montrer que m est une mesure sur T ; soit f une application mesurable
de E dans R et intégrable
R pourP R m ; montrer que f est, pour tout n ∈ N, intégrable pour
la mesure
la mesure mn et que f dm = n∈N αn f dmn .
Exercice 4.3 (Mesure de Dirac) Corrigé 57 page 333

R
Soit δ0 la mesure de Dirac en 0, définie sur B(R). (cf exemple 2.1.) Soit f ∈ M+ , calculer f dδ0 .
Exercice 4.4 (Restrictions de la mesure de Lebesgue) Corrigé 58 page 333

Soit A et B deux boréliens de R t.q. A ⊂ B. On note λA [resp. λB ] la restriction à B(A) [resp. B(B)] de
1 1
R mesure deR Lebesgue sur B(R). Soit f ∈ LR (B, B(B), λB ). Montrer que f|A ∈ LR (A,1 B(A), λA ) et que
la
f|A dλA = f 1A dλB . [Considérer d’abord le cas f ∈ E+ puis f ∈ M+ et enfin f ∈ L .]
Exercice 4.5 (Intégrale de Lebesgue et intégrale des fonctions continues) Corrigé 59 page 334
R1
Soit f ∈ C([0, 1], R). Montrer que f ∈ L1R ([0, 1], B([0, 1]), λ) et que f dλ = 0 f (x)dx (cette dernière
R
intégrale est à prendre au sens de “l’intégrale des fonctions continues” vue au Chapitre 1). On rappelle
que l’on note (un peu abusivement. . . ) par λ la restriction à B([0, 1]) de la mesure le Lebesgue (aussi
notée λ. . . ) sur B(R).
Exercice 4.6 (Fonctions continues et fonctions intégrables) Corrigé 60 page 335

Soit m une mesure finie sur B([0, 1]). Montrer que C([0, 1], R) ⊂ L1R ([0, 1], B([0, 1]), m).
Exercice 4.7 (f, g ∈ L1 6⇒ f g ∈ L1 )
100
Soient f , g ∈ L1R ([0, 1], B([0, 1]), λ). Donner un exemple pour lequel f g 6∈ L1R ([0, 1], B([0, 1]), λ).
Exercice 4.8 (Rappel du cours. . . )

Soit (E, T,Rm) un espace mesuré et f ∈ M+ . Montrer que si A ∈ T est tel que m(A) = 0, alors
f 1A dm) = 0. (On rappelle que f 1A = f sur A et f 1A = 0 sur Ac .)
R
A
f dm(=
Exercice 4.9 (f positive intégrable implique f finie p.p.)Z Corrigé 61 page 335
Soit (E, T, m) un espace mesuré et f ∈ M+ . Montrer que si f dm < +∞, alors f < +∞ p.p..
Exercice 4.10 (Une caractérisation de l’intégrabilité) Corrigé 62 page 336

Soient (E, T, m) un espace mesuré fini, u une fonction mesurable de E dans R. Pour n ∈ N, on pose
An = {x ∈ E, |u(x)| ≥ n} et Bn = {x ∈ E, n < |u(x)| ≤ n + 1}.
1. Montrer que :
Z +∞
X +∞
X
|u|dm < +∞ ⇔ n m(Bn ) < +∞ ⇔ m(An ) < +∞. (4.31)
n=0 n=0
2. Soit p ∈]1, +∞[, montrer que |u|p est une fonction mesurable et que :
Z +∞
X +∞
X
|u|p dm < +∞ ⇔ np m(Bn ) < +∞ ⇔ np−1 m(An ) < +∞. (4.32)
n=0 n=0
Exercice 4.11 (Sur la convergence en mesure)

Soit (E, T, m) un espace mesuré. Soit (fn )n∈N ⊂ M, (gn )n∈N ⊂ M et f, g ∈ M t.q. fn → f en mesure
et gn → g en mesure, quand n → ∞.
1. On suppose, dans cette question, que f ∈ L1R (E, T, m) et que g ∈ L1R (E, T, m). Montrer que f g ∈ M
et fn gn → f g en mesure, quand n → ∞.
[On pourra s’inspirer de la question 3. de l’exercice 3.22 et donc commencer par montrer que, pour
tout ε > 0, il existe n0 et k0 ∈ N tels que :
n ≥ n0 , k ≥ k0 ⇒ m({x ∈ E ; |fn (x)| ≥ k}) ≤ ε.]
Donner un exemple pour lequel f g 6∈ L1R (E, T, m).

2. En prenant (E, T, m) = (R, B(R), λ), Donner un exemple pour lequel fn gn 6→ f g en mesure, quand
n → ∞ (pour cet exemple, on a donc f 6∈ L1R (E, T, m) ou g 6∈ L1R (E, T, m)).
Exercice 4.12 (Sur l’inégalité de Markov) Corrigé 63 page 338

Soit (E, T, m) un espace mesuré et f ∈ L1R (E, T, m).
Z
1. Montrer que pour tout a > 0, on a a m({|f | > a}) ≤ |f | dm.
{|f |>a}
Z
2. Montrer que pour tout a > 0, on a m({|f | > a}) ≤ ( |f | dm)/a. (Ceci est l’inégalité de Markov.)
101
3. Montrer que
lim a m({|f | > a}) = 0. (4.33)
a→∞
4. Donner des exemples de fonctions non intégrables qui vérifient la propriété (4.33) dans les 2 cas
suivants : (E, T, m) = (R, B(R), λ) et (E, T, m) = (]0, 1[, B(]0, 1[), λ).
Exercice 4.13 (Sur f ≥ 0 p.p.) Corrigé 64 page 339

Soit (E, T, m) un espace mesuré et f ∈ L1R (E, T, m). Montrer que les 2 conditions suivantes sont équiva-
lentes :
1. f ≥ 0 p.p.,
R
2. A f dm ≥ 0 pour tout A ∈ T .

Soient (E, T, m) un espace mesuré et f ∈ L1 (= L1R (E, T, m)).
Z
1. Montrer que : ∀ε > 0, ∃ δ > 0 t.q. ∀A ∈ T , m(A) ≤ δ ⇒ |f |dm ≤ ε. [Introduire fn = inf(|f |, n)].
A
2. Montrer que : ∀ε > 0, ∃ C ∈ T t.q. :

(i) m(C) < +∞,
Z
(ii) |f |dm ≤ ε,
Cc
(iii) sup |f | < +∞,
C
1
[Considérer Cn = {x ∈ E ; ≤ |f (x)| ≤ n}, et montrer que pour n ≥ n0 où n0 est bien choisi, Cn
n
vérifie (i), (ii) et (iii).]
Exercice 4.15
1
R
RSoit2 (E, T, m) un espace mesuré et f ∈ LR (E, T, m). On suppose que 0 ≤ f ≤ 1 p.p. et que f dm =
f dm. Montrer qu’il existe un ensemble mesurable fini A tel que f = 1A p.p..
Exercice 4.16 (Intégration par rapport à une mesure image)

Soit (E, T, m) un espace mesuré, (F, S) un espace mesurable et f de E dans F . On suppose que f est
mesurable, c’est à dire que f −1 (B) ∈ T pour tout B ∈ S. pour tout B ∈ S, on pose µ(B) = m(f −1 (B))
(On note souvent µ = f? m).
1. Montrer que µ est une mesure sur S (on l’appelle mesure image de m par f ).
2. µ est-elle finie (resp. σ-finie, diffuse) lorsque m est finie (resp. σ-finie, diffuse) ?
3. Montrer qu’une fonction Φ mesurable de F dans R est µ−intégrable si et seulement si Φ ◦ f est
m-intégrable et que dans ce cas Z Z
Φ ◦ f dm = Φ dµ.
E F
Exercice 4.17 (m−mesurabilité) Corrigé 66 page 341
102
Soit (E, T, m) un espace mesuré. Soit A ∈ T t.q. m(A) = 0 et f une application de Ac dans R. Montrer
que :
il existe g mesurable de E dans R t.q. f = g p.p. si et seulement si il existe (fn )n∈N , suite de fonctions
étagées, t.q. fn → f p.p., quand n → ∞.
Exercice 4.18 (Mesure complète, suite de l’exercice 2.28) Corrigé 67 page 341
On reprend les notations de l’exercice 2.28 page 48. On note donc (E, T , m) le complété de l’espace
mesuré (E, T, m).
Montrer que L1R (E,Z T, m) ⊂ L1 1 1

ZR (E, T , m). Soit f ∈ LR (E, T , m), montrer qu’il existe g ∈ LR (E, T, m) t.q.
f = g p.p. et que f dm = gdm.
Exercice 4.19 (Petit lemme d’intégration) Corrigé 68 page 342

Soit (E, T, m) un espace mesuré et f ∈ M(E, T ). (On rappelle que M(E, T ) est l’ensemble des fonctions
mesurables de E dans R.)
1. On suppose (dans cette question) que f ∈ L1R (E, T, m). Montrer que
Z
(An )n∈N ⊂ T, m(An ) → 0 ⇒ f 1An dm → 0. (4.34)
2. On prend (dans cette question) (E, T, m) = (R, B(R), λ). Donner un exemple de f ∈ M(E, T ) t.q.
f ≥ 0 (de sorte que f ∈ M+ (E, T )), pour lequel (4.34) est faux.
3. On suppose (dans cette question) que m(E) < ∞ et que f > 0 (c’est à dire f (x) > 0 pour tout
x ∈ E). Montrer que
Z
(An )n∈N ⊂ T, f 1An dm → 0 ⇒ m(An ) → 0. (4.35)
On pourra utiliser le fait que, pour p ∈ N? , An ⊂ {f < p1 } ∪ {x ∈ An ; f (x) ≥ p1 }.
4. On prend (dans cette question) (E, T, m) = (R, B(R), λ) (de sorte que m(E) = ∞). Montrer que si
f ∈ L1R (E, T, m) et f > 0, alors (4.35) est faux. Donner un exemple de f ∈ L1R (E, T, m) t.q. f > 0.
Exercice 4.20 (Fatou sans positivité) Corrigé 69 page 344

Soit (E, T, m) un espace mesuré. Soit (fn )n∈N ⊂ L1R (E, T, m), f ∈ L1R (E, T, m) et h ∈ M(E, T ). (On
rappelle que M(E, T ) est l’ensemble des fonctions mesurables de E dans R.)
1. On suppose que fRn → h p.p. quand n → ∞, fn ≥ f p.p. pour tout n ∈ N, et on suppose qu’il
existe C ∈ R t.q. fn dm ≤ C pour tout n ∈ N.
(a) Montrer qu’il existe (gn )n∈N ⊂ L1R (E, T, m) et g ∈ L1R (E, T, m) t.q.
• fn = gn p.p., pour tout n ∈ N, f = g p.p.,
• gn (x) → h(x), quand n → ∞, pour tout x ∈ E,
• gn ≥ g pour tout n ∈ N.
(b) Montrer que h ∈ L1R (E, T, m).
103
R n ≥ f p.p., pour
2. (question plus difficile) On reprend les hypothèses de la question précédente sauf “f
tout n ∈ N” que l’on remplace par l’hypothèse (plus faible) “il existe D ∈ R t.q. fn dm ≥ D pour
tout n ∈ N”. Donner un exemple pour lequel h ∈ / L1R (E, T, m). [Prendre (E, T, m) = (R, B(R), λ).]

Soient T > 0 et f ∈ L1 = L1 ([0, T ], B([0, T ]), λ) (λ désigne donc ici la mesure de Lebesgue sur B([0, T ]).
1. Soit n ∈ N. Montrer que la fonction x 7→ enx f (x) appartient à L1 .
R nxsuppose, dans la suite de l’exercice, que f ≥ 0 p.p.

On et qu’il existe M ∈ R+ t.q. que
e f (x) dλ(x) ≤ M pour tout n ∈ N.
2. Montrer que f = 0 p.p.. [Appliquer le théorème de convergence monotone.]
3. On suppose de plus que f est continue. Montrer que f (x) = 0 pour tout x ∈ [0, T ].
4.11.2 L’espace L1
Exercice 4.22 (Mesure de densité) Corrigé 71 page 345
R
Soit (E, T, m) un espace mesuré et f ∈ M+ . Pour A ∈ T , on pose µ(A) = A f dm.
1. Montrer que µ est une mesure sur T .

2. Soit g ∈ M. Montrer que g ∈ L1R (E, T, µ) si et seulement si f gR ∈ L1R (E,
R T, m) (on pose f g(x) = 0
si f (x) = ∞ et g(x) = 0). Montrer que, pour g ∈ L1R (E, T, µ), gdµ = f gdm.
(On dit que µ est la mesure de densité f par rapport à m et on pose µ = f m.)
Exercice 4.23 (Comparaison de convergence dans L1 )

On considère ici l’espace mesurable (R, B(R), où B(R) est la tribu des boréliens sur R. On note λ la
mesure de Lebesgue et, pour a ∈ R, on note δa la mesure de Dirac en a. On pose µ = δ1 + δ2 + 3λ
(noter que µ est une mesure sur B(R)). Soit f l’application de R dans R définie par f (x) = x3 . On pose
fn = f 1[−n,n] pour tout n ∈ N. On pose L1 (µ) = L1R (R, B(R), µ).
1. Montrer que, pour tout n ∈ N, fn ∈ L1 (µ), et calculer an = fn dµ.

R
2. A-t-on convergence simple, convergence uniforme, convergence en mesure, convergence dans L1 (µ)
de la suite (fn )n∈N ?.
Exercice 4.24 (Convergence uniforme et convergence des intégrales)

Soient (E, T, m) un espace mesuré et (fn )n∈N ⊂ L1 (= L1R (E, T, m)) ; on suppose que fn converge
uniformément vers f quand n → ∞ (plus précisément : il existe des représentants des fn , encore notés
fn , t.q. fn converge uniformément vers f ).
1. A-t-on f ∈ L1 (plus précisément : existe-t-il F ∈ L1 t.q. f = g p.p. si g ∈ F ) ? [distinguer les cas
m(E) < +∞ et m(E) = +∞.]
Z Z
2. Si f ∈ L1 et ( fn dm)n∈N converge dans R, a-t-on : lim
R
fn dm = f dm ?
n→+∞
104
1 1 1
R (fn )n∈NR⊂ L (= LR (E, T, m)) et f ∈ L ; on suppose que fn ≥1 0 pp
Soient (E, T, m) un espace mesuré,
∀n ∈ N, que fn → f pp et que fn dm → f dm lorsque n → +∞. Montrer que fn → f dans L . [on
pourra examiner la suite (f − fn )+ .]
Exercice 4.26 (Exemple de convergence)
1. Soit (E, T, m) un espace mesuré, (fn )n∈N ⊂ L1R (E, T, m), f, g ∈ L1R (E, T, m). On suppose que
fn → f p.p. et que fn → g dans L1R (E, T, m). Montrer que f = g p.p.
2. On suppose maintenant (E, T, m) = ([−1, 1], B(R), λ). Pour n ∈ N, on définit la fonction : fn =
n1[ −1 , 1 ] .
2n 2n
(a) Montrer que la suite (fn )n∈N est bornée dans L1 , et que la suite ( fn dλ)n∈N converge.
R
(b) Peut-on appliquer le théorème de Lebesgue de la convergence dominée ?

(c) A-t-on convergence de la suite (fn )n∈N dans L1R (E, T, m) ?
R R
(d) Montrer que pour toute fonction ϕ continue de [−1, 1] à valeurs dans R, fn ϕdλ → ϕdδ0
lorsque n → +∞ (on dit que fn λ tend vers δ0 dans l’ensemble des mesures sur les boréliens
de [−1, 1] pour la topologie “faible ?”).
Exercice 4.27 (A propos du lemme de Fatou)

Soient (E, T, m) un espace mesuré et (fn )n∈N ⊂ L1 (= L1R (E, T, m)) t.q. fn ≥ 0 p.p. pour tout n ∈ N.
On pose, pour tout x ∈ E, f (x) = lim inf fn (x).
n→+∞
1. Construire, pour tout n ∈ N, gn ∈ M+ t.q. fn = gn p.p..

On pose g = lim inf gn (où gn est construite à la question 1).
n→+∞
2. Montrer que f = g pp, que f ≥ 0 p.p. et que :

Z Z
gdm ≤ lim inf fn dm (4.36)
n→+∞
Z
3. On suppose de plus qu’il existe C > 0 t.q. fn dm ≤ C pour tout n ∈ N. Montrer que f ∈
L1R (E, T, m) et que f < +∞ p.p..
Exercice 4.28 (Théorème de Beppo-Lévi) Corrigé 73 page 347

Soient (E, T, m) un espace mesuré, (fn )n∈N ⊂ L1 (= L1R (E, T, m)) et f : E → R, t.q. :
(i) fn → f p.p. lorsque n → +∞.
(ii) La suite (fn )n∈N est monotone, c’est-à-dire :
fn+1 ≥ fn p.p., pour tout n ∈ N,
ou
fn+1 ≤ fn p.p., pour tout n ∈ N.
1. Construire (gn )n∈N ⊂ L1 (= L1R (E, T, m)) et g ∈ M t.q. fn = gn p.p., f = g p.p., gn (x) → g(x)
pour tout x ∈ E, et gn+1 ≥ gn pour tout n ∈ N (ou gn+1 ≤ gn pour tout n ∈ N).
105
Z
2. Montrer que f ∈ L1 ⇔ lim fn dm ∈ R.
n→+∞
3. On suppose ici que f ∈ L1 , montrer que fn → f dans L1 , lorsque n → +∞.
Exercice 4.29 (Préliminaire pour le théorème de Vitali) Corrigé 74 page 349

1. Montrer que pour tout ε > 0, il existe δ > 0 t.q. :
Z
A ∈ T, m(A) ≤ δ ⇒ |f |dm ≤ ε.
A
[Choisir un représentant de f et introduire fn = inf(|f |, n)].

Z
2. Soit ε > 0, montrer qu’il existe C ∈ T t.q. m(C) < +∞ et |f |dm ≤ ε. [Choisir un représentant
Cc
1
de f et considérer Cn = {x ∈ E ; ≤ |f (x)|}.]
n
Exercice 4.30 (Théorème de Vitali) Corrigé 75 page 350
Soient (E, T, m) un espace mesuré, (fn )n∈N ⊂ L1 (= L1R (E, T, m)) et f : E → R, t.q. fn → f p.p..
1. On suppose m(E) < +∞. Montrer que : f ∈ L1 et fn → f dans L1 lorsque n → +∞ si et seulement

Rsi (fn )n∈N est équi-intégrable (i.e. : Pour tout ε > 0, il existe δ t.q. (A ∈ T , n ∈ N, m(A) ≤ δ ⇒
A n
|f |dm ≤ ε).R [Pour montrer Rle sens ⇒, utiliserR la question 1 de l’exercice 4.29. Pour le sens ⇐,
remarquer que |fn − f |dm = A |fn − f |dm + Ac |fn − f |dm, utiliser le théorème d’Egorov et le
lemme de Fatou...]
2. On suppose maintenant m(E) = +∞. Montrer que : f ∈ L1 et fn → f dans L1 lorsque n →
+∞
R si et seulement si (fn )n∈N est équi-intégrable et vérifie : ∀ ε > 0, ∃ C ∈ T , m(C) < +∞ et
C c |f n |dm ≤ ε pour tout n. [Pour montrer le sens ⇒, utiliser l’exercice 4.29. Pour le sens ⇐,
utiliser l’exercice 4.29, le lemme de Fatou et le résultat de la question 1.]
3. Montrer que le théorème de convergence dominée de Lebesgue peut être vu comme une conséquence
du théorème de Vitali.
Exercice 4.31 (Théorème de “Vitali-moyenne”) Corrigé 76 page 353

Soit (E, T, m) un espace mesuré. On note L1 = L1R (E, T, m). Soit (fn )n∈N ⊂ L1 et f ∈ M(E, T ).
1. On suppose que m(E) < ∞. On se propose ici de montrer que :
f ∈ L1 et

1. fn → f en mesure, quand n → ∞,
⇔ (4.37)
kfn − f k1 → 0 quand n → ∞ 2. (fn )n∈N équi-intégrable.
(a) Montrer le sens (⇒) de (4.37).

(b) Pour montrer le sens (⇐), on suppose maintenant que fn → f en mesure, quand n → ∞, et
que (fn )n∈N est équi-intégrable.
i. Montrer que pour tout δ > 0 et η > 0, il existe n ∈ N t.q. : p, q ≥ n ⇒ m({|fp − fq | ≥
η} ≤ δ.
ii. Montrer que la suite (fn )n∈N est de Cauchy dans L1 .
106
iii. Montrer que f ∈ L1 et que kfn − f k1 → 0 quand n → ∞.
2. On ne suppose plus que m(E) < ∞. Montrer que :



 1. fn → f en mesure, quand n → ∞,
f ∈ L1 et

2. (fn )n∈N équi-intégrable,

⇔ (4.38)
kfn − f k1 → 0 quand n → ∞ 
 3. ∀εR> 0, ∃A ∈ T t.q. m(A) < ∞ et ,
|f |dm ≤ ε, pour tout n ∈ N.

Ac n
Exercice 4.32 (Continuité de p 7→ k · kp ) Corrigé 77 page 356

Soient (E, T, m) un espace mesuré et f ∈ M(E, T ).
Z p1
1. Pour p ∈ [1, +∞[, on pose kf kp = |f |p dm (noter que |f |p ∈ M+ ) et on dit que f ∈ Lp si
kf kp < +∞. On pose I = {p ∈ [1, +∞[, f ∈ Lp }.
(a) Soient p1 et p2 ∈ [1, +∞[, et p ∈ [p1 , p2 ]. Montrer que si f ∈ Lp1 ∩ Lp2 , alors f ∈ Lp . En
déduire que I est un intervalle. [On pourra introduire A = {x; |f (x)| ≤ 1}.]
(b) On montre sur des exemples que les bornes de I peuvent être ou ne pas être dans I. On prend
pour cela: (E, T, m) = ([2, +∞[, B([2, ∞[), λ) (λ est ici la restriction à [2, ∞[ de la mesure de
Lebesgue sur B(R)). Calculer I dans les deux cas suivants:
i. f (x) = x1 , x ∈ [2, +∞[.
ii. f (x) = x(ln1x)2 , x ∈ [2, +∞[.
(c) Soit (pn )n∈N Z⊂ I et p ∈ I,Z (I désigne l’adhérence de I dans R), t.q. pn ↑ p (ou pn ↓ p).
Montrer que |f |pn dm → |f |p dm quand n → +∞. [On pourra encore utiliser l’ensemble
A].
2. On dit que f ∈ L∞ s’il existe C ∈ R t.q. |f | < C p.p.. On note kf k∞ = inf{C ∈ R t.q. |f | < C
p.p.}. Si f 6∈ L∞ , on pose kf k∞ = +∞.
(a) Montrer que f ≤ kf k∞ p.p.. A-t-on f < kf k∞ p.p. ?
On pose J = {p ∈ [1, +∞]; f ∈ Lp } ⊂ R+ .
(b) Remarquer que J = I ou J = I ∪ {+∞}. Montrer que si p ∈ I et +∞ ∈ J, alors [p, +∞] ⊂ J.
En déduire que J est un intervalle de R+ .
(c) Soit (pn )n∈N ⊂ I t.q. pn ↑ +∞. On suppose que kf k∞ > 0 (noter que f = 0 p.p. ⇔ kf k∞ =
0).
Z
i. Soit 0 < c < kf k∞ . Montrer que : lim inf kf kpn ≥ c. [On pourra remarquer que |f |p dm
n→+∞
≥ cp m({x; |f (x)| ≥ c}.]
ii. On suppose que kf k∞ < +∞. Montrer que : lim sup kf kpn ≤ kf k∞ . [On pourra considérer
n→+∞
|f | pn
la suite gn = et noter que gn ≤ g0 p.p.. ]
kf k∞
iii. Déduire de (a) et (b) que kf kpn → kf k∞ lorsque n → +∞.
107
3. Déduire des deux parties précédentes que p → kf kp est continue de J dans R+ , où J désigne
l’adhérence de J dans R (c’est-à-dire J = [a, b] si J = |a, b|, avec 1 ≤ a ≤ b ≤ +∞, et | désigne ] ou
[).
R
Exercice 4.33 (Exemple de continuité et dérivabilité sous le signe )
Soit f : R × R+ → R+ donnée par: f (t, x) =ch(t/(1 + x)) − 1.
1. Montrer que pour tout t ∈ R, la fonction f (t, .) appartient à L1 (R+ , B(R), λ).
R
2. On pose: F (t) = R+ f (t, x)dx. Montrer que F est continue, dérivable. Donner une expression de
F 0.
R
Exercice 4.34 (Contre exemple à la continuité sous le signe )
Soit f : R+ ×]0, 1[→ R+ donnée par: f (t, x) = 1 si x ∈ [0, 4t ] ∪ [t, 1], f ( 2t , t) = 2t et f est affine par
morceaux.
1. Montrer que la fonction f (., x) est continue pour tout x ∈]0, 1[.
2. Montrer que f (t, x) → 1 lorsque t → 0, pour tout x ∈]0, 1[.
R
3. Montrer que f (t, x)dxR 6→ 1 lorsque t → 0. Pourquoi ne peut on pas appliquer le théorème de
continuité sous le signe ?
Exercice 4.35 (Continuité d’une application de L1 dans L1 ) Corrigé 78 page 362
Soient (E, T, m) un espace mesuré fini et soit g une fonction continue de R dans R t.q. :
∃ C ∈ R?+ ; |g(s)| ≤ C|s| + C, ∀s ∈ R. (4.39)
1. Soit u ∈ L1R (E, T, m). Montrer que g ◦ u ∈ L1R (E, T, m).
On pose L1 = L1R (E, T, m). Pour u ∈ L1 , on pose G(u) = {h ∈ L1R (E, T, m); h = g ◦ v p.p.} ∈ L1 ,
avec v ∈ u.
2. Montrer que la définition précédente a bien un sens, c’est à dire que G(u) ne dépend pas du choix
de v dans u.
3. Soit (un )n∈N ⊂ L1 . On suppose que un → u p.p. et qu’il existe F ∈ L1 t.q. |un | ≤ F p.p., pour
tout n ∈ N. Montrer que G(un ) → G(u) dans L1 .
4. Montrer que G est continue de L1 dans L1 . [On pourra utiliser la question 3. et le théorème appelé
“réciproque partielle de la convergence dominée”.]
5. (Question non corrigée, voir le corrigé 102 page 389) On considère ici (E, T, m) = ([0, 1], B(R), λ).
On suppose que g ne vérifie pas (4.39). On va construire u ∈ L1 t.q. G(u) 6∈ L1 .
(a) Soit n ∈ N? , montrer qu’il existe αn ∈ R tel que : |g(αn )| ≥ n|αn | et |αn | ≥ n.
(b) On choisit une suite (αn )n∈N? vérifiant les conditions données à la question précédente. Montrer
qu’il existe α > 0 t.q.
+∞
X α
2
= 1.
n=1
|αn |n
α
(c) Soit (an )n∈N? une suite définie par : a1 = 1 et an+1 = an − (où αn et α sont définies
|αn |n2
P+∞
dans les 2 questions précédentes). On pose u = n=1 αn 1[an+1 ,an [ . Montrer que u ∈ L1 et
G(u) 6∈ L1 .
108
4.11.3 Espérance et moments des variables aléatoires
Exercice 4.36 Soient (E, T ) un espace probabilisé et X une variable aléatoire de (E, T ) dans (R, B(R)),
de loi de probabilité pX . Calculer l’espérance et la variance de la variable aléatoire X dans les cas
suivants :
1. pX est la loi uniforme sur [a, b] (a, b ∈ R, a < b ;
2. pX est la loi exponentielle ;

3. pX est la loi de Gauss.
Exercice 4.37 Dans une ruche, la longévité d’une abeille ouvrière née au printemps est une variable
aléatoire X définie par la densité de probabilité f (t) = λt2 e−αt , où λ et α sont des réels positifs.
Sachant que la longévité moyenne d’une abeille est de 45 jours, calculer λ et α.
Exercice 4.38 (Problème de Buffon) Sur un parquet “infini” dont les lattes ont une largeur 2d, on
laisse tomber au hasard une aiguille de longueur 2` avec ` < d, et on veut estimer la probabilité de
l’événement A: “l’aiguille rencontre un interstice”. On appelle (Ω, T, p) l’espace probabilisé associé à ce
problème.
On considère:
• que la position x du centre de l’aiguille par rapport à l’interstice le plus proche et dans la direction
x0 x perpendiculaire aux lattes est une variable aléatoire uniformément distribuée sur [−d, d],
• que l’angle orienté θ que fait l’aiguille avec l’interstice est une variable aléatoire uniformément
distribuée sur [− π2 , π2 ].
1. Montrer que l’événement A “correspond” (on précisera en quel sens) à la partie PA du plan (x, θ):
PA = {(x, θ) ∈ [−d, d] × [− π2 , π2 ]; |x| < ` sin θ}. Représenter graphiquement PA .
2`
2. Montrer que p(A) = πd .
Exercice 4.39 (Inégalité de Jensen) Corrigé 79 page 363

Rappel : Une fonction f de R dans R est convexe si et seulement si pour tout a ∈ R il existe ca t.q.
f (x) − f (a) ≥ ca (x − a) pour tout x ∈ R.
Soit f une fonction convexe de R dans R et X une v.a. sur un espace de probabilité (Ω, A, P ). On
suppose que X et f (X) sont intégrables. Montrer l’inégalité de Jensen, c’est-à-dire :
Z Z
f (X)dP ≥ f ( XdP ).
[Utiliser le rappel avec a bien choisi.]
Exercice 4.40 (Sur l’équi-intégrabilité ) Corrigé 80 page 364

Soit (E, A, P ) un espace de probabilité
R et (Xn )n∈N une suite de v.a. (réelles). On rappelle que la suite
(Xn )n∈N est équi-intégrable si A |Xn |dP → 0, quand P (A) → 0 (avec A ∈ A), uniformément par rapport
à n ∈ N. Montrer l’équivalence entre les deux propriétés suivantes :
Z
1. lim sup |Xn |dP = 0,
a→∞ n∈N {|Xn |>a}
109
Z
2. sup |Xn |dP < +∞ et (Xn )n∈N équi-intégrable.
n∈N
Exercice 4.41 (Caractérisation de l’indépendance) Corrigé 81 page 364

Soit (Ω, A, P ) un espace de probabilités, n ≥ 2 et X1 , X2 , . . . , Xn , n variables aléatoires réelles. Montrer
que l’indépendance de (X1 , X2 , . . . Xn ) est équivalente à la propriété suivante :
n
Y
∀(a1 , . . . , an ) ∈] − ∞, +∞[n , P [X1 ≤ a1 , . . . , Xn ≤ an ] = P [Xi ≤ ai ].
i=1
(La notation P [X ≤ a] est identique à P ({X ≤ a}), elle désigne la probabilité de l’ensemble {ω ∈
Ω, X(ω) ≤ a}.)
Exercice 4.42 (Sign(X) et |X| pour une gaussienne) Corrigé 82 page 364
Pour s ∈ R, on pose sign(s)=1 si s > 0, sign(s)=-1 si s < 0 et sign(0)= 0. Soit (Ω, A, P ) un espace
x2
1
probabilisé et X une v.a.r. gaussienne centrée (c’est-à-dire PX = f λ avec, pour x ∈ R, f (x) = √2πσ e− 2σ2 ,
où σ > 0 est la racine carré de la variance de X). Montrer que sign(X) et |X| sont indépendantes et
préciser leurs lois. Même question avec sign(X) et X 2 .
Exercice 4.43 (V.a. gaussiennes dépendantes) Corrigé 83 page 364

Soit (Ω, A, P ) un espace de probabilités, σ1 > 0, σ2 > 0 et X1 , X2 deux variables aléatoires indépendantes
et telles que :
X1 ∼ N (0, σ12 ) et X2 ∼ N (0, σ22 ).
(le signe “∼” signifie “a pour loi”.) Construire deux v.a. Y1 et Y2 t.q. X1 ∼ Y1 , X2 ∼ Y2 et Y1 et Y2 soient
dépendantes.
Exercice 4.44 (V.a. gaussiennes dépendantes, à covariance nulle) Corrigé 84 page 365
soit (Ω, A, P ) est un espace de probabilités et X, S deux v.a. réelles, indépendantes, t.q. X ∼ N (0, 1)
et S a pour loi PS = 21 δ1 + 12 δ−1 . (Il est possible de construire un espace de probabilités et des v.a.
indépendantes ayant des lois prescrites, voir le Chapitre 7.)
1. Montrer que SX ∼ N (0, 1).

2. Montrer que SX et X sont dépendantes.
3. Montrer que Cov(SX, X) = 0.
4. (Question subsidiaire.) On ne suppose plus l’existence de S, mais on suppose qu’il existe Y v.a.
gaussienne indépendante de X. Montrer que si Y ∼ N (0, σ 2 ), avec σ > 0, il est possible d’utiliser
Y pour construire S, v.a. indépendante de X et telle que PS = 21 δ1 + 12 δ−1 .
Exercice 4.45 (Identités de Wald) Corrigé 85 page 366

Soit (Ω, A, P ) un espace probabilisé, (Xn )n∈N? une suite v.a.r.i.i.d. et N une v.a. à valeurs dans N? . On
PN (ω)
pose SN = X1 + . . . + XN (c’est-à-dire que, pour ω ∈ Ω, SN (ω) = n=1 Xn (ω)).
?
Pn n ∈ N ,
1. On suppose, dans cette question, que les v.a.r. N, X1 , . . . , Xn , . . . sont indépendantes. Pour
on pose An = {ω ∈ Ω, N (w) = n} (on note, en général, An = {N = n}), Yn = p=1 Xp et
Pn
Zn = p=1 |Xp |.
110
(a) Soit n ∈ N? . Montrer que 1An et Yn sont des v.a.r. indépendantes et que 1An et Zn sont des
v.a.r. indépendantes.
(b) On suppose que N et X1 sont intégrables . Montrer que SN est intégrable
P∞ et calculer E(SN )
en
P∞ fonction de E(N ) et E(X1 ). [On pourra remarquer que S N = n=1 1An Yn et |SN | ≤
1
n=1 An nZ .]
(c) On suppose que N et X1 sont de carré intégrable, montrer que SN est de carré intégrable et
calculer sa variance en utilisant les variances de N et X1 .
2. On suppose maintenant que {N = n} ∈ σ(X1 , . . . , Xn ) pour tout n ∈ N? (où σ(X1 , . . . , Xn ) est la
tribu engendrée par X1 , . . . , Xn ) et que E(X1 ) = 0.
(a) Montrer que 1{n≤N } et Xn sont des v.a.r. indépendantes.

P
(b) Reprendre les questions 1(b) et 1(c). [On pourra écrire SN = n∈N? 1{n≤N } Xn .]
N.B. : Le cas E(X1 ) 6= 0 peut aussi être traité. Il se ramène au cas E(X1 ) = 0 en considérant
Yn = Xn − E(Xn ).
Exercice 4.46 (Limite p.s. et indépendance) Corrigé 86 page 366

Soit (Ω, A, P ) un espace probabilisé, (Xn )n∈N? une suite v.a.r. et X, Y deux v.a.r.. On suppose que, pour
tout n ∈ N? , Xn et Y sont indépendantes et on suppose que Xn → X p.s., quand n → ∞. Montrer que
X et Y sont indépendantes.
Exercice 4.47 (Exponentielle d’une v.a. gaussienne)

Soit (Ω, A, P ) un espace de probabilité et X une v.a. t.q. X ∼ N (0, 1). Soit Y = exp(X). Calculer la
moyenne, la variance et la densité de Y .
Exercice 4.48 (Loi du χ2 )

Soit (Ω, A, P ) un espace de probabilité et X une v.a. t.q. X ∼ N (0, 1). Calculer l’espérance, la variance
ainsi que la densité de la v.a. X 2 . (Remarque : cette loi s’appelle “Loi du χ2 à 1 degré de liberté”.)
111
Chapter 5
Mesures sur la tribu des boréliens
5.1 L’intégrale de Lebesgue et l’intégrale des fonctions continues

Nous commençons par comparer l’intégrale de Lebesgue (définie sur (R, B(R), λ)) à l’intégrale “classique”
des fonctions continues (et plus généralement des fonctions réglées).
Soit I un intervalle de R (borné ou non). On rappelle que B(I) = {A ∈ B(R), A ⊂ I}. On peut donc
considérer la restriction à B(I) de la mesure de Lebesgue définie sur B(R). On notera en général (un peu
incorrectement) aussi λ cette mesure sur B(I).
Proposition 5.1 Soit −∞ < a < b < +∞. Soit f ∈ C([a, b], R). Alors, f ∈ L1R ([a, b], B([a, b]), λ)) et
R Rb
f dλ = a f (x)dx (cette dernière intégrale est à prendre au sens de “l’intégrale des fonctions continues”
vue au Chapitre 1).
Démonstration :
La démonstration de cette proposition fait l’objet de l’exercice (corrigé) 4.5 page 100. En fait l’exercice
4.5 s’intéresse au cas [0, 1] mais s’adapte facilement pour le cas général [a, b].
Remarque 5.1
1. Si I est un intervalle de R dont les bornes sont a, b ∈ R (I peut être fermé ou ouvert en a et b) et
si f ∈ L1 (I, B(I), λ) ou L1 (I, B(I), λ), on notera souvent :
Z Z Z b
f dλ = f (x)dλ(x) = f (x)dx.
a
Cette notation est justifée par la proposition précédente (proposition 5.1) car, si I est compact,
l’intégrale de Lebesgue contient l’intégrale des fonctions continues (et aussi l’intégrale des fonctions
réglées et aussi l’intégrale de Riemann, voir l’exercice 5.3).
2. Soient −∞ < a < b < +∞ et f ∈ C([a, b], R).
La proposition 5.1 donne que f ∈ L1R ([a, b], B([a, b]), λ)). En fait, on écrira souvent que f ∈
L1R ([a, b], B([a, b]), λ)), c’est-à-dire qu’on confondra f avec sa classe dans L1R ([a, b], B([a, b]), λ), qui
112
est {g ∈ L1R ([a, b], B([a, b]), λ); g = f p.p.}. On peut d’ailleurs noter que f est alors le seul élé-
ment continu de {g ∈ L1R ([a, b], B([a, b]), λ); g = f p.p.} comme le montre la proposition suivante
(proposition 5.2).
Proposition 5.2 Soient −∞ ≤ a < b ≤ +∞ et f, g ∈ C(]a, b[, R). On suppose que f = g λ-p.p.. On a
alors f (x) = g(x) pour tout x ∈ [a, b].
Démonstration :
Cette proposition est démontrée à l’exercice (corrigé) 3.9 page 66 pour a = −∞ et b = ∞. La démon-
stration pour a et b quelconques est similaire.
Proposition 5.3 Soit f ∈ Cc (R, R) (fonction continue à support compact). Alors f ∈ L1R (R, B(R), λ).
(Ici aussi, on écrira souvent f ∈ L1R (R, B(R), λ).)
Rb
De plus, si a, b ∈ R sont t.q. a < b et f = 0 sur [a, b]c (de tels a et b existent). Alors, f dλ = a f (x)dx
R
(cette dernière intégrale étant à prendre au sens de “l’intégrale des fonctions continues” vue au Chapitre 1).
Démonstration:
On remarque d’abord que f est borélienne car continue. Puis, pour montrer que f est intégrable, on
va utiliser la proposition 5.1. Comme f est à support compact, il existe a, b ∈ R t.q. a < b et f = 0
sur [a, b]c . On a alors, par la proposition 5.1, f|[a,b] ∈ C([a, b], R) ⊂ L1R ([a, b], B([a, b]), λ). On a donc
|f |dλ = |f|[a,b] |dλ < ∞ et donc f ∈ L1R (R, B(R), λ). Enfin, la proposition 5.1 donne aussi :
R R
Z Z b
f|[a,b] dλ = f (x)dx.
a
R Rb
D’où l’on conclut bien que f dλ = a
f (x)dx.
Le résultat précédent se généralise à l’intégrale de Riemann des fonctions Riemann-intégrables (construite

à partir des sommes de Darboux). Ceci fait l’objet de l’exercice 5.3.
5.2 Mesures abstraites et mesures de Radon

F
Remarque 5.2 Les propositions 5.1 et 5.3 donnent les résultats suivants :
R
1. Pour f ∈ Cc (R, R), on pose L(f ) = f dλ. L’application L est une application linéaire (de Cc (R, R)
dans R) positive, c’est-à-dire que f ≥ 0 ⇒ L(f ) ≥ 0. (On rappelle que f ≥ 0 signifie que f (x) ≥ 0
pour tout x ∈ R.)
Plus généralement, soit m une mesure sur (R, B(R)), finie sur les compacts. Il est facile de voir
que Cc (R, R) ⊂ L1R (R, B(R), m) R(en toute rigueur, on a plutôt Cc (R, R) ⊂ L1R (R, B(R), m)). Pour
f ∈ Cc (R, R), on pose L(f ) = f dm. L’application L est une application linéaire (de Cc (R, R)
dans R) positive (ou encore une “forme linéaire positive”).
On peut montrer une réciproque de ce résultat (théorème 5.1).
113
R
2. Soit −∞ < a < b < ∞. Pour f ∈ C([a, b], R), on pose L(f ) = f dλ. L’application L est une
application linéaire (de C([a, b], R) dans R) positive.
Ici aussi, plus généralement, soit m une mesure finie sur ([a, b], B([a, b])). Il est facile de voir
que C([a, b], R) ⊂ L1R ([a, b], B([a, 1
R b]), m) (ou plutôt C([a, b], R) ⊂ LR ([a, b], B([a, b]), m)). Pour f ∈
C([a, b], R), on pose L(f ) = f dm. L’application L est une application linéaire (de C([a, b], R)
dans R) positive (ou encore une “forme linéaire positive”).
Ici aussi, on peut montrer une réciproque de ce résultat (voir la remarque 5.5).
On énonce maintenant des résultats, dûs à F. Riesz, qui font le lien entre les applications linéaires
(continues ou positives) sur des espaces de fonctions continues (c’est cela que nous appellerons “mesures
de Radon”) et les mesures “abstraites” sur B(R) (c’est-à-dire les applications σ−additives sur les boréliens
de R, à valeurs dans R ou R+ , non identiquement égales à +∞). Le théorème 5.1 donné ci après est parfois
appelé “Théorème de représentation de Riesz en théorie de la mesure”. Dans ce cours, nous utilisation
l’appelation “Théorème de représentation de Riesz” pour le théorème 6.8, il s’agit du “Théorème de
représentation de Riesz dans les espaces de Hilbert”.
Théorème 5.1 (Riesz) Soit L une forme linéaire positive sur Cc dans R, alors il existe une unique
mesure m sur (R, B(R)) t.q. : Z
∀ f ∈ Cc , L(f ) = f dm. (5.1)
De plus, m est finie sur les compacts (c’est-à-dire m(K) < ∞ pour tout compact K de R.)
Démonstration : La partie “unicité” de cette démonstration est assez facile et est donnée dans la
proposition 5.4. La partie “existence” est plus difficile, on en donne seulement le schéma général.
Soit L une forme linéaire positive sur Cc (R, R).
1. Montrer que L est continue, c’est-à-dire : pour tout compact K de R, il existe CK ∈ R t.q.
pour toute fonction continue à support dans K, |L(f )| ≤ CK kf k∞ . (Considérer une fonction
ψK ∈ Cc (R, R) t. q. ψK (x) = 1 si x ∈ K, et ψK (x) ≥ 0).
2. Montrer le lemme suivant:
Lemme 5.1 (Dini) Soient (fn )n∈N ⊂ Cc (R, R) et f ∈ Cc (R, R) t.q. fn ↑ f ou fn ↓ f lorsque
n → +∞. Alors fn converge uniformément vers f .
3. Déduire des deux étapes précédentes que si (fn )n∈N ⊂ Cc (R, R) et f ∈ Cc (R, R) t.q. fn ↑ f ou
fn ↓ f lorsque n → +∞, alors L(fn ) → L(f ).
4. Soient (fn )n∈N et (gn )n∈N ⊂ Cc (R, R) des suites telles que fn ↑ f et gn ↑ g (ou fn ↓ f et gn ↓ g), où
f et g sont des fonctions de R dans R. Montrer que si f ≤ g alors limn→+∞ L(fn ) ≤ limn→+∞ L(gn )
(et dans le cas particulier où f = g, limn→+∞ L(fn ) = limn→+∞ L(gn )). [On pourra, par exemple,
considérer, pour n fixé, hp = inf(gp , fn ) et remarquer que hp ↑ fn .]
5. On définit:
A+ = {f : R → R; ∃(fn )n∈N ⊂ Cc (R, R); fn ↑ f et lim L(fn ) < +∞}, (5.2)

n→+∞
A− = {f : R → R; ∃(fn )n∈N ⊂ Cc (R, R); fn ↓ f et lim L(fn ) > −∞}, (5.3)
n→+∞
114
Si f ∈ A+ , on pose L(f ) = limn→+∞ L(fn ), où (fn )n∈N ⊂ Cc (R, R); fn ↑ f . Si f ∈ A− , on pose
L(f ) = limn→+∞ L(fn ), où (fn )n∈N ⊂ Cc (R, R); fn ↓ f . Vérifier que ces définitions sont cohérentes
(c’est-à-dire qu’elles ne dépendent pas des suites choisies et que si f ∈ A+ ∩ A− , les deux définitions
coincident). Montrer les propriétés suivantes:
(a) Si f ∈ A+ (resp. A− ) alors −f ∈ A− (resp. A+ )et L(−f ) = −L(f ).
(b) Si f, g ∈ A+ (resp. A− ) alors f + g ∈ A+ (resp. A− ) et L(f + g) = L(f ) + L(g).
(c) Si f ∈ A+ (resp. A− ) et α ∈ R+ alors αf ∈ A+ (resp. A− ) et L(αf ) = αL(f ).
(d) Si f ∈ A+ (resp. A− ) et g ∈ A+ alors sup(f, g) ∈ A+ et inf(f, g) ∈ A+ .
(e) Si f, g ∈ A+ (resp. A− ) et f ≥ g, alors L(f ) ≥ L(g).
(f) Si (fn )n∈N ⊂ A+ (resp. A− ) et fn ↑ f ∈ A+ (resp. fn ↓ f ∈ A− ), alors L(fn ) ≥ L(f ).
(g) Soit (fn )n∈N ⊂ A+ (resp. A− ) t.q. fn ↑ f (resp. fn ↓ f ), où f est une fonction de R dans R.
Si limn→+∞ L(fn ) < +∞, alors f ∈ A+ .
Remarquer aussi que A+ contient toutes les fonctions caractéristiques des ouverts bornés et que A−
contient toutes les fonctions caractéristiques des compacts.
6. On pose:
E = {f : R → R; ∀ε > 0, ∃g ∈ A+ et h ∈ A− ; h ≤ f ≤ g et L(g) − L(h) ≤ ε} (5.4)
et pour f ∈ E, on définit:
L(f ) = sup L(h) = inf L(g). (5.5)
h∈A− g∈A−
h≤f g≥f
Montrer que cette définition a bien un sens, c’est-à-dire que d’une part :
sup L(h) = inf L(g),

h∈A− g∈A−
h≤f g≥f
et d’autre part la définition de L sur E est compatible avec la définition sur A+ et A− (après avoir
remarqué que A+ ⊂ E et A− ⊂ E). Montrer les propriétés suivantes sur E:
(a) E est un espace vectoriel et L une forme linéaire positive sur E.
(b) E est stable par passage à la limite croissante ou décroissante.
(c) E est stable par inf et sup, i.e. si f ∈ E et g ∈ E, alors sup(f, g) ∈ E et inf(f, g) ∈ E.
7. Soit (ϕn )n∈N ⊂ Cc t.q. 0 ≤ ϕn ≤ 1 et ϕn ↑ 1. On pose T = {A ∈ P(R); 1A ϕn ∈ E∀n ∈ N}. Montrer
que T ⊃ B(R).
8. Pour A ∈ T , on pose: m(A) = limn→+∞ L(1A ϕn ) ∈ R ∪ {+∞}. Montrer que m est une mesure
σ-finie.
9. Montrer que L1 (R, T, m) = E et que f dm = L(f ), ∀f ∈ E.
R
Proposition 5.4 Soit d ≥ 1, m et µ deux mesures sur B(Rd ), finies sur les compacts. On suppose que
f dm = f dµ, pour tout f ∈ Cc (Rd , R). Alors m = µ.
R R
115
Démonstration : La démonstration de cette proposition peut se faire en utilisant la proposition 2.5.
Elle est faite pour d = 1 au chapitre 4 (proposition 4.11. Sa généralisation au cas d > 1 est laissée en
exercice.
Remarque 5.3 Le théorème 5.1 donne un autre moyen de construire la mesure de Lebesgue que celui
vu au chapitre 2 :
Rb
Pour f ∈ Cc (R, R), on pose L(f ) = a f (x)dx, où a, b ∈ R sont choisis pour que f = 0 sur [a, b]c (on
utilise ici l’intégrale des fonctions continues sur un compact de R). L’application L est clairement linéaire
positive
R de Cc (R, R) dans R. Le théorème 5.1 donne donc l’existence d’une mesure m sur B(R) t.q.
f dm = L(f ) pour tout f ∈ Cc (R, R). Cette mesure est justement la mesure de Lebesgue (elle vérifie
bien m(]a, b[) = b − a pour tout a, b ∈ R, a < b).
Définition 5.1 On définit les espaces de fonctions continues (de R dans R) suivants :
Cb (R, R) = {f ∈ C(R, R); sup |f (x)| < ∞},

x∈R
C0 (R, R) = {f ∈ C(R, R); f (x) → 0 quand |x| → ∞},

Cc (R, R) = {f ∈ C(R, R); ∃K ⊂ R, K compact, f = 0 sur K c }.
Pour f ∈ Cb (R, R), on pose kf ku = supx∈R |f (x)|. La norme k · ku s’appelle “norme de la convergence
uniforme” (elle est aussi parfois appelée “norme infinie”.)
Il est clair que Cc (R, R) ⊂ C0 (R, R) ⊂ Cb (R, R) et on rappelle que Cb (R, R) et C0 (R, R) sont des espaces
de Banach (e.v.n. complet) avec la norme k · ku
Remarque 5.4 Soit m une mesure finie sur B(R), alors Cb (R, R) ⊂ L1R (R,RB(R), m) (en toute rigueur,
on a plutôt Cb ⊂ L1R (R, B(R), m)). Pour f ∈ Cb (R, R), on pose L(f ) = f dm. L’application L est
alors une application linéaire sur Cb (R, R). On munit Cb (R, R) de la norme de la convergence uniforme,
L’application L est alors continue (car L(f ) ≤ m(E)kf ku pour tout f ∈ Cb (R, R)). L’application L est
aussi positive, c’est-à-dire que f ≥ 0 ⇒ L(f ) ≥ 0. On donne ci-après des réciproques partielles de ces
résultats.
Théorème 5.2 (Riesz) Soit L une application linéaire positive de C0 dans R, alors il existe une unique
mesure m finie sur (R, B(R)) t.q. :
Z
∀ f ∈ C0 , L(f ) = f dm. (5.6)
Démonstration : Ici aussi, on ne donne qu’un schéma de la démonstration.

Soit L une application linéaire positive de C0 dans R.
1. Pour montrer que si m existe, alors m est finie, considérer les fonctions fn = 1[−n,n] + (x + n +
1)1[−(n+1),n] + (n + 1 − x)1[n,n+1] , et la continuité de L.
2. Montrer que L est continue.[Raisonner par l’absurde en supposant que L est positive et non continue :
en utilisant le fait que si L est non continue alors L est non bornée sur la boule unité, construire
une suite gn de fonctions positives telles que la série de terme général gn converge absolument. Soit
g la limite de la série de terme général gn , montrer que T (g) > n, ∀ n ∈ N.]
116
3. Montrer que la restriction T de L à Cc (R,RR) est linéaire continue, et donc par le théorème 5.1 qu’il
existe une unique mesure m t.q. T (f ) = f dm, ∀f ∈ Cc (R, R).
R
4. Montrer que L(f ) = f dm ∀f ∈ C0 (R, R) [approcher f de manière uniforme par fn ∈ Cc (R, R),
c
prendre par exemple: fn = f ϕn où ϕn ∈ Cc (R, R), ϕn = R 1 sur [−n,
R n] et ϕn (x) = 0 sur [−(n+1), n] .
Montrer que limn→+∞ L(fn ) = L(f ) et que limn→+∞ fn dm = f dm .
Le résultat du théorème 5.2 est faux si on remplace C0 par Cb . On peut, par exemple, construire une
application linéaire continue positive sur Cb , non identiquement nulle sur Cb et nulle sur C0 . Si on note
L une telle application (nulle R sur C0 mais non identiquement nulle sur Cb ) et si mR est une mesure finie
sur (R, B(R)) t.q. L(f ) = f dm pour f ∈ Cb , on montre facilement (en utilisant f dm = 0 pour tout
f ∈ C0 ) que m = 0 et donc L(f ) = 0 pour tout f ∈ Cb , en contradiction avec le fait que L n’est pas
identiquement nulle sur Cb .
Pour construire une application linéaire continue positive sur Cb , non identiquement nulle et nulle sur
C0 , on peut procéder de la manière décrite ci après. On note F le sous espace vectoriel de Cb formé des
éléments de Cb ayant une limite en +∞. On a donc f ∈ F si f ∈ Cb et si il existe l ∈ R t.q. f (x) → l
quand x → ∞. Pour f ∈ F on pose L̃(f ) = limx→∞ f (x). On a ainsi défini une forme linéaire positive
sur F (car, pour f ∈ F , f (x) ≥ 0 pour tout x ∈ R implique bien L̃(f ) ≥ 0). En utilisant le théorème
5.3 donné ci après, il existe donc L, forme linéaire positive sur Cb , t.q. L = L̃ sur F . L’application L est
donc linéaire continue positive sur Cb (pour la continuité, on remarque que |L(f )| ≤ kf ku ), elle est bien
nulle sur C0 (car limx→∞ f (x) = 0 si f ∈ C0 ⊂ F ) et non identiquement nulle sur Cb car L(f ) = 1 si f
est la fonction constante, égale à 1 en tout point.
Théorème 5.3 (Hahn-Banach positif )

Soit F un sous espace vectoriel de Cb = {f ∈ C(R, R); supx∈R |f (x)| < ∞} et T une application linéaire
de F dans R. On suppose que F contient les fonctions constantes et que T est positive (c’est-à-dire que,
pour f ∈ F , f (x) ≥ 0 pour tout x ∈ R implique T (f ) ≥ 0). Il existe alors T , application linéaire positive
sur Cb , t.q. T = T sur F .
Démonstration : La démonstration n’est pas détaillée ici. Elle peut se faire en utilisant une technique
très similaire à celle donnant la démonstration du théorème de Hahn-Banach (qui permet aussi de montrer
le théorème de prolongement d’une application linéaire continue définie sur un sous espace vectoriel d’un
espace de Banach). Elle peut aussi se faire en se ramenant au théorème de Hahn-Banach lui-même tel
qu’il est donné, par exemple, dans le livre d’analyse fonctionnelle de H. Brezis.
Il est intéressant de noter que le résultat du théorème peut être faux si on retire l’hypothèse “F contient
les fonctions constantes”.
On peut maintenant faire la remarque suivante:

Remarque 5.5 Soit K une partie compacte de R. On note C(K, R) = {f|K , f ∈ Cb }. Si m est une
mesure finie sur (K, B(K)) Rl’espace fonctionnel C(K, R) est inclus dans L1R (K, B(K), m), et l’application
qui à f ∈ C(K, R) associe f dm est linéaire positive (et continue, si C(K, R) est muni de la norme de
la convergence uniforme). Réciproquement, soit L une application linéaire positive de C(K, R) dans R.
Le théorème précédent permet de montrer qu’il existe une unique mesure finie, notée m, sur (K, B(K))
t.q. : Z
L(f ) = f dm, ∀f ∈ C(K, R). (5.7)
117
Considérons maintenant le cas des mesures signées: si m est une mesure signée sur (R, B(R)) (ou R sur
(K, B(K))), l’application qui à f ∈ C0 (ou ∈ C(K), K étant une partie compacte de R) associe f dm
est linéaire continue (pour la norme de la convergence uniforme). Réciproquement, on a aussi existence
et unicité d’une mesure (signée) définie à partir d’une application linéaire continue de C0 (ou de C(K))
dans R:
Théorème 5.4 (Riesz, mesures signées) Soit L une application linéaire continue (pour la norme in-
finie) de C0 (R, R) dans R (ou de C(K, R) dans R, où K est un compact de R). Alors il existe une unique
mesure signée, notée m, sur B(R) (ou sur B(K)) t.q. :
Z
L(f ) = f dm, ∀f ∈ C0 (R, R)( ou C(K, R)). (5.8)
Les éléments de (C0 (R, R))0 (ou (C(K, R))0 ) sont appelés ”mesures de Radon” sur R (ou K). On rappelle
que, pour un espace de Banach (réel) E, on note E 0 son dual topologique, c’est-à-dire l’ensemble des
applications linéaires continues de E dans R.
Démonstration : Elle consiste à se ramener au théorème de Riesz pour des formes linéaires positives.
Elle n’est pas détaillée ici. On rappelle seulement que si m est une mesure signée sur T (tribu sur
un ensemble E). il existe deux mesures finies m+ et m− sur T , étrangères (c’est-à-dire qu’il existe
A ∈ T t.q. m+ (A) = m− (Ac ) = 0) et t.q. m = m+ R− m− . On R a alors (par
R définition) L1R (E, T, m) =
1 + 1 − 1 + −
LR (E, T, m ) ∩ LR (E, T, m ) et, si f ∈ LR (E, T, m), f dm = f dm − f dm .
Définition 5.2 (Mesure de Radon) Soit Ω un ouvert borné de R, alors on appelle mesure de Radon
sur Ω un élément de (C(Ω, R))0 , c’est-à-dire une application linéaire continue (pour la norme infinie) de
C(Ω, R) dans R.
Remarque 5.6 Soit T une forme linéaire sur Cc (Ω, R).
1. Si T est continue pour la norme k.k∞ , on peut montrer

R qu’il existe une et une seule mesure signée,
notée µ, sur les boréliens de Ω telle que T (f ) = f dµ, pour tout f ∈ Cc (Ω, R). Pour montrer
l’existence de µ, on peut commencer par se ramener au théorème 5.4 en prolongeant T (de manière
non unique) en une application linéaire continue sur C(Ω, R) (ceci est possible par le théorème
de Hahn-Banach). Le théorème 5.4 donne alors une (unique) mesure sur B(Ω) correspondant à
ce prolongement de T . La restriction de cette mesure à B(Ω) est la mesure µ recherchée. Il est
intéressant de remarquer que cette mesure µ est unique, sans que celle donnée par le théorème 5.4
soit unique (car cette dernière dépend du prolongement choisi de T à C(Ω, R)).
2. Si T est continue pour la topologie “naturelle” de Cc (Ω, R), (c’est-à-dire que, pour tout compact
K ⊂ Ω, il existe CK ∈ R tel que T (f ) ≤ CK kf k∞ , pour tout f ∈ Cc (Ω, R) avec f = 0 sur
le complémentaire de K) alors ce résultat est faux ; par contre onR peut montrer
R qu’il existe deux
mesures (positives) µ1 et µ2 sur les boréliens de Ω telles que T (f ) = f dµ1 − f dµ2 , ∀ f ∈ Cc (Ω, R) ;
noter quePµ1 et µ2 peuvent prendre toutes les deux la valeur +∞ (exemple : N = 1, Ω =] − 1, 1[,
T (f ) = n∈N? nf (1 − n1 ) − n∈N? nf (−1 + n1 )), et donc que (µ1 − µ2 )(Ω) n’a pas toujours un
P
sens. . . .
Soit maintenant T une forme linéaire sur Cc∞ (Ω, R), continue pour la norme R k · ku , alors il existe une et
une seule mesure signée, notée µ, sur les boréliens de Ω telle que T (f ) = f dµ, ∀ f ∈ Cc∞ (Ω, R).
118
5.3 Changement de variables, densité et continuité
On montre dans cette section quelques propriétés importantes de l’espace L1R (R, B(R), λ) (et éventuelle-
ment de L1R (R, B(R), µ) si µ est finie sur les compacts)
Proposition 5.5 (Changement de variable affine) Soient α ∈ R? , β ∈ R et f ∈ 1
R L (R, B(R),
R λ). On
1 1
définit g : R → R par g(x) = f (αx + β) pour x ∈ R. Alors, g ∈ L (R, B(R), λ) et gdλ = |α| f dλ.
Le même résultat reste vrai en remplaçant L1 par L1 .
Démonstration :
1. On pose ϕ(x) = αx + β, pour tout x ∈ R, de sorte que g = f ◦ ϕ. Comme f et ϕ sont boréliennes
(noter que ϕ est même continue), g est aussi borélienne, c’est-à-dire g ∈ M.
2. Pour montrer que g ∈ L1 (R, B(R), λ) et
Z Z
1
gdλ = f dλ, (5.9)
|α|
on raisonne en plusieurs étapes :
(a) On suppose que f = 1A avec A ∈ B(R) t.q. λ(A) < ∞. On a alors g = 1 1 A− β (avec
α α
1 β β
αA −α = { α1 x − α , x ∈ A}). On a donc g ∈ L1 (R, B(R), λ) et (5.9) est vraie (car on a déjà
β
vu que λ( α1 A − α 1
) = |α| λ(A), dans la proposition 2.9).
(b) On suppose
Pn que f ∈ E+ ∩ L1 (R, B(R), λ). Il existe donc a1 , . . . , an > 0 et A1 , . . . , An ∈ T t.q.
1
f = i=1 ai 1A i . Comme f ∈ L (R, B(R), λ), on a aussi λ(Ai ) < ∞ pour tout i. On conclut
n
alors que g = i=1 ai 1 1 Ai − β , ce qui donne que g ∈ E+ ∩ L1 (R, B(R), λ) et que (5.9) est vraie.
P
α α
(c) On suppose que f ∈ M+ ∩ RL1 (R, B(R), 1

R λ). Il existe (fn )n∈N ⊂ E+ ∩ L (R, B(R), λ) t.q. fn ↑ f
quand n → ∞. On a donc fn dλ ↑ f dλ quand n → ∞. On définit gn Rpar gn (x) = αx + β,
pour tout x ∈ R. On a alors gn ∈ E+ ∩ L1 (R, B(R), λ), gn ↑ g et gn dλ ↑ gdλ quand n → ∞.
R
Comme (5.9) est vraie pour f = fn et g = gn , on en déduit que g ∈ M+ ∩ L1 (R, B(R), λ) et

(5.9) est vraie.
(d) On suppose enfin seulement que f ∈ L1 (R, B(R), λ). Comme f = f + − f − , avec f ± ∈ M+ ∩
L1 (R, B(R), λ), on peut utiliser l’étape précédente avec f ± et on obtient que g ∈ L1 (R, B(R), λ)
et que (5.9) est vraie.
3. Le résultat obtenu est encore vrai pour L1 au lieu de L1 . Il suffit de remarquer que
f1 = f2 p.p. ⇒ g1 = g2 p.p. ,
avec gi (·) = fi (α · +β), i = 1, 2.
En fait, lorsque f décrit un élément de L1 (qui est un ensemble d’éléments de L1 ), la fonction
g(α · +β) décrit alors un élément de L1 .
Le résultat de densité que nous énonçons à présent permet d’approcher une fonction de L1R (R, B(R), λ)
“aussi près que l’on veut” par une fonction continue à support compact. Ce résultat est souvent utilisé
pour démontrer certaines propriétés des fonctions de L1 : On montre la propriété pour les fonctions
continues, ce qui s’avère en général plus facile, et on “passe à la limite”.
119
Théorème 5.5 (Densité de Cc (R, R) dans L1R (R, B(R), λ))
L’ensemble Cc (R, R) des fonctions continues de R dans R et à supports compacts, est dense dans L1 =
L1R (R, B(R), λ), c’est-à-dire :
∀f ∈ L1R (R, B(R), λ), ∀ε > 0, ∃ϕ ∈ Cc (R, R); kf − ϕk1 < ε.
Démonstration :
On a déjà vu que Cc (R, R) ⊂ L1 . En toute rigueur, on a plutôt Cc (R, R) ⊂ L1 = L1R (R, B(R), λ).
L’objectif est donc de montrer que pour tout f ∈ L1 et tout ε > 0, il existe ϕ ∈ Cc (R, R) t.q. kf −ϕk1 ≤ ε.
On va raisonner une nouvelle fois en plusieurs étapes (fonctions caractéristiques, E+ , M+ et enfin L1 ).
Etape 1. On suppose ici que f = 1A avec A ∈ B(R) et λ(A) < ∞.

Soit ε > 0. Comme λ est une mesure régulière (proposition 2.3), il existe un ouvert O et un fermé F
t.q. F ⊂ A ⊂ O et λ(O \ F ) ≤ ε. Pour n ∈ N? , on pose Fn = F ∩ [−n, n], de sorte que Fn est compact
(pour tout n) et F = ∪n∈N? Fn . La continuité croissante de λ donne alors λ(Fn ) ↑ λ(F ), quand n → ∞.
Comme λ(F ) ≤ λ(A) < ∞, on a aussi λ(F \ Fn ) = λ(F ) − λ(Fn ) → 0 quand n → ∞. Il existe donc n0
t.q. λ(F \ Fn0 ) ≤ ε.
On pose K = Fn0 et on obtient donc K ⊂ F ⊂ A ⊂ O. Ce qui donne λ(O\K) ≤ λ(O\F )+λ(F \K) ≤ 2ε.
On a donc trouvé un compact K et un ouvert O t.q. K ⊂ A ⊂ O et λ(O \ K) ≤ 2ε. ceci va nous
permettre de construire ϕ ∈ Cc (R, R) t.q. kf − ϕk1 ≤ 2ε.
On pose d = d(K, Oc ) = inf{d(x, y), x ∈ K, y ∈ Oc }. On remarque que d > 0. En effet, il existe
(xn )n∈N ⊂ K et (yn )n∈N ⊂ Oc t.q. d(xn , yn ) = |xn − yn | → d quand n → ∞. Par compacité de K, on
peut supposer (après extraction éventuelle d’une sous suite) que xn → x, quand n → ∞. Si d = 0, on a
alors aussi yn → x quand n → ∞ et donc x ∈ Oc ∩ K (car K et Oc sont fermés). Ce qui est impossible
car Oc ∩ K = ∅. On a donc bien montré d > 0.
On pose maintenant , pour tout x ∈ R, ϕ(x) = d1 (d − d(x, K))+ avec d(x, K) = inf{d(x, y), y ∈ K}. La
fonction ϕ est continue car x 7→ d(x, K) est continue (cette fonction est même lipschitzienne, on peut
montrer que |d(x, k) − d(y, K)| ≤ |x − y|). Elle est à support compact car il existe A > 0 t.q. K ⊂ [−A, A]
et on remarque alors que ϕ = 0 sur [−A − d, A + d]c . On a donc ϕ ∈ Cc (R, R). Enfin, on remarque
que ϕ = 1 sur K, ϕ = 0 sur Oc et 0 ≤ ϕ ≤ 1 (partout). On en déduit que f − ϕ = 0 sur K ∪ Oc et
0 ≤ |f − ϕ| ≤ 1, ce qui donne
kf − ϕk1 ≤ λ(O \ K) ≤ 2ε,
et termine donc la première (et principale) étape.
1
EtapePn2. On suppose ici que1 f ∈ E+ ∩ L . Il existe donc a1 , . . . , an > 0 et A1 , . . . , An ∈ T t.q.
f = i=1 ai 1Ai . Comme f ∈ L , on a aussi λ(Ai ) < ∞ pour tout i.
Soit P de ϕi ∈ Cc (R, R) t.q. k1Ai − ϕi k1 ≤ ε. On pose
ε > 0, l’étape 1 donne, pour tout i, l’existence P
n n
ϕ = i=1 ai ϕi ∈ Cc (R, R) et on obtient kf − ϕk1 ≤ ( i=1 ai )ε (ce qui est bien arbitrairement petit).
Etape 3. On suppose ici que f ∈ M+ ∩ L1 .

Soit
R ε > 0. D’après
R R M+ (lemme 4.3), Il existe g ∈ E+ t.q. g ≤ f et
la Rcaractérisation de l’intégrale dans
f dλ − ε ≤ gdm ≤ f dm, de sorte que kg − f k1 = (f − g)dλ ≤ ε. L’étape 2 donne alors l’existence
de ϕ ∈ Cc (R, R) t.q. kg − ϕk1 ≤ ε. D’où l’on déduit kf − ϕk1 ≤ 2ε. Ce qui termine l’étape 3.
Etape 4. On suppose enfin que f ∈ L1 .
120
Soit ε > 0. Comme f ± ∈ M+ ∩ L1 , l’étape 3 donne qu’il existe ϕ1 , ϕ2 ∈ Cc (R, R) t.q. kf + − ϕ1 k1 ≤ ε et
kf − − ϕ2 k1 ≤ ε. On pose alors ϕ = ϕ1 − ϕ2 . On a ϕ ∈ Cc (R, R) et kf − ϕk1 ≤ 2ε. Ce qui prouve bien
la densité de Cc (R, R) dans L1 .
Le résultat de densité que nous venons de démontrer n’est pas limité à la mesure de Lebesgue. Il est vrai
pour toute mesure sur B(R), finie sur les compacts. Il est aussi vrai en remplaçant Cc par Cc∞ . Enfin, il
n’est pas limité à R, il est également vrai dans Rd , d ≥ 1. Tout ceci est montré dans l’exercice 7.13. Par
contre, le résultat que nous montrons maintenant n’est pas vrai pour toute mesure sur B(R), finie sur les
compacts (voir l’exercice 7.13).
Théorème 5.6 (Continuité en moyenne) Soient f ∈ L1R (R, B(R), λ) et h ∈ R. On définit fh (“trans-
latée” de f ) par : fh (x) = f (x + h), pour presque tout x ∈ R. Alors :
Z
kfh − f k1 = |f (x + h) − f (x)|dx → 0 lorsque h → 0. (5.10)
Démonstration :
Soient f ∈ L1R (R, B(R), λ) et h ∈ R. On remarque que fh = f (· + h) ∈ L1R (R, B(R), λ) (d’après la
proposition 5.5). D’autre part f = g p.p. implique fh = gh p.p.. On peut donc définir fh comme élément
de L1R (R, B(R), λ) si f ∈ L1R (R, B(R), λ).
La démonstration de (5.10) fait l’objet de l’exercice 5.14.
5.4 Intégrales impropres des fonctions de R dans R

On considère ici des fonctions de R dans R, et l’espace mesuré (R, B(R), λ).
Définition 5.3 (Intégrabilité à gauche) Soient f : R → R, α ∈ R et a ∈ R ∪ {+∞}, a > α ; on
suppose que ∀ β ∈]α, a[, f 1]α,β[ ∈ L1 (= L1R (R, B(R), λ)). On dit que f est intégrable à gauche en a
Z a Z
(ou encore que existe) si f 1]α,β[ dλ a une limite dans R lorsque β → a. Cette limite est notée
Z a
f (t)dt.
α
Remarque 5.7 Ceci ne veut pas dire que f 1]α,a[ ∈ L1 . Il suffit pour s’en convaincre de prendre a = +∞,
sin x
α = 0, considérer la fonction f définie par f (0) = 1 et, pour x > 0, f (x) = .
x
Par contre, dès que la fonction f considérée est de signe constant, on a équivalence entre les deux notions :
Proposition 5.6 Soient f : R → R+ , α ∈ R et a ∈ R ∪ {+∞}, a > α ; on suppose que ∀ β ∈]α, a[,

f 1]α,β[ ∈ L1 (= L1R (R, B(R), λ)). Alors f est intégrable à gauche en a si et seulement si f 1]α,a[ ∈ L1 .
Démonstration : Ce résultat se déduit du théorème de convergence monotone (construire une suite qui
tend en croissant vers f 1]α,a[ ).
121
5.5 Exercices
Exercice 5.1 (La mesure de Dirac n’est pas une fonction. . . )
On note E = C([0, 1], R) et on munit E de la norme de la convergence uniforme. Soit T l’application de
E dans R définie par T (ϕ) = ϕ(0). On note aussi δ0 la mesure de Dirac en 0 sur B([0, 1]).
1. Montrer que T ∈ E 0 (on rappelle que E 0 est le dual topologique de E, c’est à dire l’ensemble des
applications linéaires continues de E dans R).
2. Soit ϕ ∈ E. Monter que ϕ ∈ L1 ([0, 1], B([0, 1]), δ0 ) et que T (ϕ) = ϕdδ0 , où δ0 est la mesure de
R
Dirac en 0.
3. Soient g ∈ L1R ([0, 1], B([0, 1]), λ) et (ϕnR)n∈N ⊂ E définie par: ϕn (x) = (1/n)(n − n2 x)+ , pour tout
x ∈ [0, 1] et tout n ∈ N. Montrer que gϕn dλ → 0 lorsque n → +∞.
1
R qu’il n’existe pas g ∈ LR ([0, 1], B([0, 1]), λ) t.q. on ait, pour toute fonction ϕ ∈ E:
En déduire
T (ϕ) = gϕdλ.
4. Montrer que δ0 n’est pas une mesure de densité par rapport à λ.
Exercice 5.2
Soit (fn )n∈N la suite de fonctions de ]0, 1[ dans R définie par fn (x) = (n − n2 x)+ . On note λ la mesure
de Lebesgue sur la tribu B(R) des boréliens de ]0, 1[, et L1 = L1R (]0, 1[, B(R), λ).
Soit T l’application de C([0, 1], R) dans R définie par T (ϕ) = ϕ(0).
0 0
1. Montrer que T ∈ C([0, 1], R) (on rappelle que C([0, 1], R) est le dual de C([0, 1], R), c’est à
dire l’ensemble des formes linéaires continues sur C([0, 1], R) muni de la norme uniforme).
R
2. Montrer que T (ϕ) = ϕdδ0 , où δ0 est la mesure de Dirac en 0.

fn
3. Soient g ∈ L1 (]0, 1[, R) et (ϕn )n∈N ⊂ C([0, 1], R) définie par: ϕn = 2n
R
. Montrer que gϕn dλ → 0
lorsque n → +∞.
1
R qu’il n’existe pas g ∈ L (]0, 1[, R) t.q. on ait, pour toute fonction ϕ ∈ C([0, 1], R):
En déduire
T (ϕ) = gϕdλ; montrer que δ0 n’est pas une mesure de densité.
Exercice 5.3 (Intégrale de Riemann) Soient a, b des réels, a < b et f : [a, b] → R une fonction
bornée, i.e. telle qu’il existe M ∈ R t.q. |f (t)| ≤ M, ∀t ∈ [a, b]. Soit ∆ une subdivision de [a, b], ∆ =
PN
{x0 , x1 , . . . , xN +1 } avec x0 = a < x1 < . . . < xN +1 = b. On pose S ∆ = i=0 (supx∈[xi ,xi+1 ] f (x))(xi+1 −
PN
xi ), et S∆ = i=0 (inf x∈[xi ,xi+1 ] f (x))(xi+1 − xi ). On note A l’ensemble des subdivisions de [a, b] et
S ? = inf ∆∈A S ∆ , et S? = sup∆∈A S∆ . On dit que f est Riemann intégrable si S ? = S? . On pose alors
Rb
R a f (x)dx = S ? .
1. Soient ∆1 et ∆2 ∈ A tels que ∆1 ⊂ ∆2 . Montrer que S∆1 ≤ S∆2 ≤ S ∆2 ≤ S ∆1 . En déduire que
0
S∆ ≤ S ∆ pour tous ∆, ∆0 ∈ A, et donc que S? ≤ S ? .
2. Montrer qu’il existe une suite de subdivisions (∆n )n∈N telle que S∆n → S? et S ∆n → S ? quand
n → +∞.
3. Montrer que si f est continue, f est Riemann-intégrable.
122
4. On suppose maintenant que f est Riemann-intégrable. Soit (∆n )n∈N une suite t.q. S∆n → S? et
(n) (n)
S ∆n → S ? quand n → +∞. Pour ∈ N, on note ∆n = {xO , . . . , xNn +1 }, et on pose:
(n) (n) (n) (n)
gn (x) = inf{f (y), y ∈ [xi , xi+1 ]}, xi ≤ x < xi+1 , i = 0, . . . , Nn + 1 (5.11)
(n) (n) (n) (n)
hn (x) = sup{f (y), y ∈ [xi , xi+1 ]}, xi ≤x< xi+1 , i = 0, . . . , Nn + 1 (5.12)
gn (b) = hn (b) = 0. (5.13)
(a) Montrer
R que gn et hn ∈ M ∩ L1 , où M = M({[a, b], B(R), λ}) et L1 = L1 ({[a, b], B(R), λ}), et
que (hn − gn )dλ → 0 quand n → +∞.
(b) Montrer que gn ≤ gn+1 ≤ f ≤ gn+1 ≤ hn , ∀n ∈ N.
(c) On pose g = limn→+∞ gn et h = limn→+∞ hn ; montrer que g = h p.p. . En déduire que
Rb
f ∈ L1 et que f dλ = R a f (x)dx.
R
(d) Soit f définie par:
f (x) = 1 si x ∈ Q, (5.14)
f (x) = 0 si x 6∈ Q. (5.15)
Montrer que f n’est pas Riemann intégrable, mais que f ∈ L1R ([a, b], B(R), λ).

Soit (fn )n∈N ⊂ C 1 (]0, 1[, R) convergeant simplement vers la fonction f :]0, 1[→ R; on suppose que la suite
(fn0 )n∈N (⊂ C(]0, 1[, R) ) converge simplement vers la fonction constante et égale à 1.
1. A-t-on f ∈ C 1 (]0, 1[, R) et f 0 = 1 ?

2. On suppose maintenant que la suite (fn0 )n∈N converge vers la fonction constante et égale à 1 dans
L1R (]0, 1[, B(]0, 1[), λ). A-t-on f ∈ C 1 (]0, 1[, R) et f 0 = 1 ?
Exercice 5.5 (Intégrale impropre) Corrigé 88 page 369

On définit l’application f de R dans R par :
f (x) = 0, si x ≤ 0,
f (x) = x2 sin x12 , si x > 0.
1. Montrer que f est continue et dérivable en tout point de R.

Rb
2. Soit 0 < a 0.
(a) Montrer f 0 1]0,a[ 6∈ L1R (R, B(R), λ).

Ra
(b) Pour 0 < x < a, on pose g(x) = x f 0 (t)dt. Montrer que g(x) a une limite (dans R) quand
R a→0 0, avec x > 0, et que cette 0limite est 1égale à f (a) − f (0). (Cette limite
x
0
est aussi notée
0
f (t)dt, improprement. . . car f 1]0,a[ ∈
6 LR (R, B(R), λ), la restriction de f à ]0, a[ n’est donc
pas intégrable pour la mseure de Lebesgue sur ]0, a[.)
123
Exercice 5.6
Soit (E, T, m) un espace mesuré, (fn )n∈N ⊂ L1R (E, T, m) et f ∈ L1R (E, T, m). On supposeR que fn → f dans
L1R (E, T, m) et qu’il existe C ≥ 0 tel que |fn | ≤ C p.p. et pour tout n ∈ N. Montrer que |fn −f |2 dm → 0
lorsque n → +∞.

Rx
Soit f ∈ L1R (R, B(R), λ). On définit F : R → R par: F (x) = f 1[0,x] dλ(= 0 f (t)dt), pour x ≥ 0, et
R
R R0
F (x) = − f 1[x,0] dλ(= − x f (t)dt) pour x < 0. Montrer que F est uniformément continue.
Exercice 5.8 (Intégrabilité et limite à l’infini) Corrigé 90 page 371

Soit f ∈ L1R (R, B(R), λ) = L1 .
1. On suppose que f (x) admet une limite quand x → ∞. Montrer que cette limite est nulle.
2. On suppose que f ∈ C(R, R) ; a-t-on : lim f (x) = 0 ?

x→+∞
3. On suppose que f est uniformément continue ; a-t-on : lim f (x) = 0 ? [On pourra commencer
x→+∞
par montrer que, pour η > 0 quelconque et (xn )n∈N ⊂ R t.q. lim xn = +∞, on a :
n→+∞
Z xn +η
lim |f (x)|dλ(x) = 0.] (5.16)
n→+∞ xn −η
4. On suppose que f ∈ C 1 (R, R) et f 0 ∈ L1 ; a-t-on : lim f (x) = 0 ?

x→+∞
Exercice 5.9
1. On considère l’espace mesuré (E, T, m) = (]0, 1[, B(]0, 1[, λ). Soit 0 < α < +∞ . On pose, pour
1
x ∈]0, 1[, f (x) = ( )α . Pour quelles valeurs de α a-t-on f ∈ L1R (E, T, m) ?
x
2. On considère l’espace mesuré (E, T, m) = (R?+ , B(R?+ ), λ). Soit f définie, pour x ∈]0, +∞[, par :
sin x
f (x) = / L1R (E, T, m). On pose fn = f 1]0,n[ . Montrer que fn ∈ L1R (E, T, m),
. Montrer que f ∈
x Z
que fn → f p.p. (et même uniformément) et que fn dm a une limite dans R lorsque n → +∞.
Exercice 5.10 On munit RN de la tribu borélienne B(RN ) et de la mesure de Lebesgue λN . Soient f et

g ∈ C(RN , R) telles que f = g pp. Montrer que f = g partout. [On dira donc que f ∈ L1 (RN , B(RN ), λn )
est continue si il existe g ∈ C(RN , R) t.q. f = g pp. Dans ce cas on identifie f avec g.]
Exercice 5.11 1. On considère l’espace mesuré (E, T, m) = (]0, 1[, B(R), λ) ; soit 0 < α < +∞ ; on
1
pose, pour x ∈]0, 1[, f (x) = ( )α . Pour quelles valeurs de α a-t-on f ∈ L1R (E, T, m) ?
x
2. On considère l’espace mesuré (E, T, m) = (R?+ , B(R), λ) ; soit f définie, pour x ∈]0, +∞[, par :
sin x
f (x) = / L1R (E, T, m). On pose fn = f 1]0,n[ . Montrer que fn ∈ L1R (E, T, m),
. Montrer que f ∈
x Z
que fn → f p.p. (et même uniformément) et que fn dm a une limite dans R lorsque n → +∞.
124
Exercice 5.12 Soit µ et ν deux mesures finies sur B(R), tribu borélienne sur R.
1. Montrer que si, pour toute fonction continue à support compact on a :
Z Z
f dµ = f dν, (E)
alors µ = ν. [On rappelle (cf. exercice 2.30) que si m est une mesure finie sur B(R), alors :
∀ A ∈ R, m(A) = inf{m(O), O ⊃ A, O ouvert de R}.]
2. On suppose maintenant que l’égalité (E) est vérifiée pour toute fonction f de Cc∞ (R, R). Le résultat
précédent vous parait-il encore vrai ?
Exercice 5.13 (Notation: Soit f une fonction de R dans R, on note f 2 la fonction de R dans R définie
par: f 2 (x) = (f (x))2 .) Soit E = {f ∈ C 1 (R, R); f ∈ L1 = L1R (R, B(R), λ) et f 02 ∈ L1 }. Pour f ∈ E, on
1
définit kf k = |f |dλ + ( |f 0 |2 dλ) 2
R R
1. Montrer que (E, k.k) est un espace vectoriel normé. E est-il un espace de Banach ?
2. Soient a ∈ R et δ ∈ R?+ . Montrer que a ≤ δa2 + 1δ .En déduire que pour f ∈ E, (x, y) ∈ R2 et
δ ∈ R?+ , on a: |f (x) − f (y)| ≤ δ |f 0 |2 dλ + 1δ |x − y|.
R
3. Montrer que si f ∈ E, alors:

• f est uniformément continue.
• f est bornée.
• f 2 ∈ L1 .
Exercice 5.14 (Continuité en moyenne) Corrigé 91 page 373

Pour f ∈ L1 = L1R (R, B(R), λ) et h ∈ R, on définit fh (“translatée” de f ) par : fh (x) = f (x + h), pour
x ∈ R. (noter que fh ∈ L1 ).
1. Soit f ∈ Cc = Cc (R, R), montrer que kfh − f k1 → 0 lorsque h → 0.
2. Soit f ∈ L1 , montrer que kfh − f k1 → 0 lorsque h → 0.
Exercice 5.15 On note L1 = L1R (RN , B(RN ), λN ), et Cb = Cb (RN , R) l’ensemble des fonctions contin-
ues bornées de RN dans R.
1. Pour f ∈ L1 , h ∈ R?+ et x ∈ RN , on définit
Z
1
fh (x) = f (y)dy,
λN (B(0, h)) B(x,h)
où B(0, h) désigne la boule ouverte de centre 0 et de rayon h. Montrer que fh est définie partout,
que fh ∈ L1 , et que fh → f dans L1 lorsque h → 0. En déduire qu’il existe (hn )n∈N t.q. hn → 0
lorsque n → +∞ et fhn → f p.p. lorsque n → +∞.
2. On considère maintenant une suite de mesures (µn )n∈N finies sur (RN , B(RN )), t.q. µn → δ0 dans
Cb0 i.e. ϕdµn → ϕdµ, ∀ϕ ∈ Cb . Soit f une fonction mesurable bornée de RN dans R et intégrable
R R
pour la mesure de Lebesgue, et ν = f λ. Montrer que µn ? ν est une mesure de densité fn ∈ L1 et

montrer que fn → f dans L1 .
125
3. Soit A ∈ R t.q. A ⊂ [0, 1] ; on dit que A est ”bien équilibré” si pour tout intervalle I de [0, 1], on
a : λ(I ∩ A) = λ(I ∩ Ac ) = λ(I)
2 . Montrer qu’il n’existe pas de borélien A de [0, 1] bien équilibré.
Exercice 5.16 (Non existence de borélien “bien équilibré”)

Soit N ≥ 1. On note L1 = L1R (RN , B(RN ), λN ).
1. Pour f ∈ L1 , h ∈ R?+ et x ∈ RN , on définit
Z
1
fh (x) = f (y)dy,
λN (B(0, h)) B(x,h)
où B(x, h) désigne la boule ouverte de centre x et de rayon h. Montrer que fh est définie pour tout
x ∈ RN . Montrer que fh ∈ L1 et que fh → f dans L1 lorsque h → 0. [On pourra, par exemple,
utiliser le théorème de continuité en moyenne dans L1 .]
En déduire qu’il existe (hn )n∈N t.q. hn → 0, lorsque n → +∞, et fhn → f p.p. lorsque n → +∞.
2. Montrer qu’il n’existe pas de borélien A inclus dans [0,1] et t.q. λ(I ∩ A) = λ(I ∩ Ac ) = λ(I) 2 pour
tout intervalle I de [0, 1]. [On pourra raisonner par l’absurde et utiliser la question précédente avec
N = 1 et f convenablement choisi. Cette question est aussi une conséquence de l’exercice 5.17.]
Exercice 5.17 (Sur la concentration d’un borélien) Corrigé 92 page 374
Soit −∞ ≤ a < b ≤ +∞, A ∈ B(]a, b[) et ρ ∈]0, 1[. On suppose que λ(A∩]α, β[) ≤ ρ(β − α) pour tout
α, β t.q. a ≤ α < β ≤ b. Montrer que λ(A) = 0. [On pourra, par exemple, commencer par montrer que
λ(A ∩ O) ≤ ρλ(O) pour tout ouvert O de ]a, b[.]
Conséquence de cet exercice : Soit A ∈ B(]a, b[) t.q. λ(A) > 0. Alors, pour tout ρ < 1, il existe α, β t.q.
a ≤ α < β ≤ b et λ(A∩]α, β[) ≥ ρ(β − α).
Exercice 5.18 (Points de Lebesgue) Corrigé 93 page 375
On désigne par λ la mesure de Lebesgue sur les boréliens de R, par L1 l’espace L1R (R, B(R), λ) et par L1
l’espace L1R (R, B(R), λ). On note dt = dλ(t).
1. Soit (I1 , . . . , In ) des intervalles ouverts non vides de R t.q. chaque intervalle n’est pas contenu dans
la réunion des autres. On pose Ik =]ak , bk [ et on suppose que la suite (ak )k=1,...,n est croissante.
Montrer que la suite (bk )k=1,...,n est croissante et que les intervalles d’indices impairs [resp. pairs]
sont disjoints 2 à 2.
2. Soit J une famille finie d’intervalles ouverts non vide de R dont la réunion est notée A. Montrer
qu’il existe
Pune sous-famille finie de J, notée (I1 , . . . , Im ), formée d’intervalles disjoints 2 à 2 et t.q.
m
λ(A) ≤ 2 k=1 λ(Ik ). [Utiliser la question 1.]
On se donne maintenant f ∈ L1 et on suppose qu’il existe a > 0 t.q. f = 0 p.p. sur [−a, a]c . Le
but de l’exercice est de montrer que :
Z 1
n n
f (x + t)dt → f (x), pour presque tout x ∈ R, quand n → ∞. (5.17)
2 1
−n
Pour ε > 0, on définit fε? de R dans R par :

Z h
1
fε? (x) = sup |f (x + t)|dt. (5.18)
h≥ε 2h −h
126
3. (a) Montrer que fε? est bornée.
(b) Montrer que fε? est borélienne. [On pourra montrer que fε? est le sup de fonctions continues.]
(c) Montrer que fε? (x) → 0 quand |x| → ∞.
4. Pour y > 0, on pose By,ε = {x ∈ R, fε? (x) > y}.
(a) Montrer que tout x ∈ By,ε est le centre d’un intervalle ouvert I(x) t.q.
i. λ(I(x)) ≥ 2ε,
1
R
ii. λ(I(x)) I(x)
|f |dλ > y.
Montrer que parmi les intervalles I(x), x ∈ By,ε , ainsi obtenus, il en existe un nombre fini
I(x1 ), . . . I(xn ) dont la réunion recouvre By,ε . [On pourra d’abord remarquer que By,ε est
borné.]
(b) Montrer que λ(By,ε ) ≤ y2 kf k1 . [Utiliser la question 2.]
On définit maintenant f ? de R dans R+ par :

Z h
1
f ? (x) = sup |f (x + t)|dt. (5.19)
h>0 2h −h
5. Montrer que f ? est borélienne et que λ({f ? > y}) ≤ y2 kf k1 , pour tout y > 0.
6. Montrer (5.17) si f admet un représentant continu. [cette question n’utilise pas les questions
précédentes.]
7. Montrer (5.17). [Approcher f , dans L1 et p.p., par une suite d’éléments de Cc (R, R), notée (fp )p∈N .
On pourra utiliser (f − fp )? .]
Exercice 5.19 (Convergence vague et convergence etroite) Corrigé 94 page 378

Soit (mn )n ∈ N une suite de mesures (positives) finies sur B(Rd ) (d ≥ 1) et m une mesure (positive) finie
sur B(Rd ). On suppose que :
• ϕdmn → ϕdm, quand n → ∞, pour tout ϕ ∈ Cc∞ (Rd , R).
R R
• mn (Rd ) → m(Rd ) quand n → ∞.
1. Soit ϕ ∈ Cc (Rd , R). Montrer que ϕdmn → ϕdm, quand n → ∞. [On pourra utiliser le fait que
R R
ϕ est limite uniforme d’une suite d’élement de Cc∞ (Rd , R).]

2. Pour p ∈ N? , on note Bp la boule fermée de centre 0 et de rayon p (pour la norme euclidienne
de Rd ). Montrer qu’il existe une suite (ϕp )p∈N? ⊂ Cc (Rd , R) t.q., pour tout p ∈ N? , 0 ≤ ϕp ≤ 1,
ϕp = 1 sur Bp et ϕp ≤ ϕp+1 . On utilise cette suite (ϕp )p∈N? dans les questions suivantes.
3. Soit ε > 0.
Z
?
(a) Montrer qu’il existe p0 ∈ N t.q. : p ≥ p0 ⇒ (1 − ϕp )dm ≤ ε.
Z Z
?
(b) Montrer que, pour tout p ∈ N , (1 − ϕp )dmn → (1 − ϕp )dm quand n → ∞.
127
Z
(c) Montrer qu’il existe p1 ∈ N? t.q. : n ∈ N, p ≥ p1 ⇒ (1 − ϕp )dmn ≤ ε.
4. Montrer que ϕdmn → ϕdm, quand n → ∞, pour tout ϕ ∈ Cb (Rd , R) (on dit alors que la suite
R R
(mn )n∈N converge étroitement vers m).

5. Indiquer brièvement comment obtenir le même résultat (c’est-à-dire le résultat de la question 4) si
on remplace “Rd ” (dans les hypothèses et dans la question 4) par “Ω ouvert de Rd ”.
Exercice 5.20 (Unicité avec Cc∞ )

Soit m et µ deux mesures finies sur les boréliens de Rd (d ≥ 1). on suppose que ϕdm = ϕdµ pour
R R
tout ϕ ∈ Cc∞ (Rd , R). Montrer que m = µ.
Exercice 5.21 (Densité de Cc et Cc∞ dans L1 )

Soit d ≥ 1 et µ une mesure sur les boréliens de Rd . On suppose que µ vérifie les deux propriétés suivantes :
(p1) µ est est finie sur les compacts de Rd , c’est-à-dire que µ(K) < +∞ si K est un compact de Rd ,
(p2) µ est régulière, c’est-à-dire que pour tout A ∈ B(Rd ) et tout ε > 0, il existe O ouvert et F fermé
t.q. F ⊂ A ⊂ O et µ(O \ F ) ≤ ε.
En fait, la propriété (p1) entraı̂ne la propriété (p2) (cela est démontré au chapitre 7, proposition 7.5)
mais cette démonstration n’est pas demandée ici.
On note L1µ l’espace L1R (Rd , B(Rd ), µ). Pour f ∈ L1µ , on note kf k1 = |f |dµ. Enfin, pour x ∈ Rd , on
R
note |x| la norme euclidienne de x.
1. Soit ϕ ∈ Cc (Rd , R) (c’est-à-dire ϕ continue de Rd dans R et à support compact). Montrer que

ϕ ∈ L1µ .
+
2. Soit K un compact de Rd et η > 0. Pour x ∈ Rd , on pose ϕ(x) = (η−d(x,K)) η avec d(x, K) =
inf{|x − y|, y ∈ K}. Montrer que ϕ ∈ Cc (Rd , R) et que ϕ(x) = 1 si x ∈ K.
3. Soit A ∈ B(Rd ) t.q. µ(A) < +∞.

(a) Soit ε > 0, montrer qu’il existe O ouvert et K compact t.q. K ⊂ A ⊂ O et µ(O \ K) ≤ ε.
(b) Soit ε > 0. Montrer qu’il existe ϕ ∈ Cc (Rd , R) t.q. kϕ − 1A k1 ≤ ε.
4. Soit f une fonction borélienne positive de Rd dans R. On suppose que f ∈ L1µ . Soit ε > 0. Montrer
qu’il existe ϕ ∈ Cc (Rd , R) t.q. kf − ϕk1 ≤ ε. [On pourra approcher f par une fonction étagée.]
5. (Densité.) Soit f ∈ L1µ et ε > 0.
(a) Montrer qu’il existe ϕ ∈ Cc (Rd , R) t.q. kf − ϕk1 ≤ ε.

(b) Montrer qu’il existe ψ ∈ Cc∞ (Rd , R) t.q. kf − ψk1 ≤ ε. [On pourra montrer que, si ϕ ∈
Cc (Rd , R), on a kϕ − ϕn k1 → 0, quand n → ∞, avec ϕn = ϕ ? ρn et (ρn )n∈N? une famille
régularisante, voir la définition 8.4. du polycopié de cours).]
6. (Continuité en moyenne ?)
(a) Soit ϕ ∈ Cc (Rd , R). Montrer que kϕ(· + h) − ϕk1 → 0 quand h → 0.
128
(b) Montrer, en donnant un exemple (c’est-à-dire en choisissant convenablement f et µ) qu’on
peut avoir f ∈ L1µ et kf (· + h) − f k1 6→ 0 quand h → 0.
7. On suppose maintenant que Ω est un ouvert de Rd et que µ est une mesure sur les boréliens de
Ω, finie sur les sous ensembles compacts de Ω. Indiquer brièvement comment on peut montrer la
densité de Cc (Ω, R) et Cc∞ (Ω, R) dans L1R (Ω, B(Ω), µ).
Exercice 5.22 (Loi d’une fonction linéaire de X)

Soit (Ω, A, P ) un espace de probabilité et X une v.a.. On suppose que la loi de X a une densité par
rapport à Lebesgue et on note g cette densité.
Soit a, b ∈ R, montrer que la v.a. aX + b a une densité par rapport à la mesure de Lebesgue et donner
cette densité en fonction de g, a et b.
129
Chapter 6
Les espaces Lp
6.1 Définitions et premières propriétés

6.1.1 Les espaces Lp , avec 1 ≤ p < +∞
Soient (E, T, m) un espace mesuré, 1 ≤ p < ∞ et f ∈ M = M(E, T ) (c’est-à-dire f : E → R,
mesurable). On remarque que |f |p ∈ M+ , car |f |p = ϕR◦ f où ϕ est la fonction continue (donc borélienne)
définie par ϕ(s) = |s|p pour tout s ∈ R. La quantité |f |p dm est donc bien définie et appartient à R+ .
Ceci va nous permette de définir les espaces de fonctions de puissance p-ième intégrable. On retrouve,
pour p = 1, la définition de l’espace des fonctions intégrables.
Définition 6.1 (Les espaces Lp ) Soient (E, T, m) un espace mesuré, 1 ≤ p < ∞ et f une fonction
définie de E dans R, mesurable. (On a donc |f |p ∈ M+ .)
1. On dit que f ∈ Lp = LpR (E, T, m) si |f |p dm < ∞. On pose alors :
R
Z p1
kf kp = |f |p dm . (6.1)
2. On dit que f 6∈ Lp = LpR (E, T, m) si |f |p dm = ∞ et on pose alors kf kp = +∞.

R
De manière analogue au cas p = 1 on quotiente les espaces Lp par la relation d’équivalence “= p.p.”
afin que l’application f 7→ kf kp définisse une norme sur l’espace vectoriel des classes d”equivalence (voir
section 4.5).
Définition 6.2 (Les espaces Lp ) Soient (E, T, m) un espace mesuré et 1 ≤ p < +∞.
1. On définit l’espace LpR (E, T, m) comme l’ensemble des classes d’équivalence des fonctions de Lp
pour la relation d’équivalence (= pp). En l’absence d’ambiguı̈té on notera Lp l’espace LpR (E, T, m).
2. Soit F ∈ LpR (E, T, m). On pose kF kp = kf kp si f ∈ F . (Cette définition est cohérente car ne
dépend pas du choix de f dans F . On rappelle aussi que F = f˜ = {g ∈ Lp ; g = f p.p.}.)
Proposition 6.1 Soient (E, T, m) un espace mesuré et 1 ≤ p < +∞. Alors :

1. LpR (E, T, m) est un espace vectoriel sur R.
130
2. LpR (E, T, m) est un espace vectoriel sur R.
Démonstration :
• Soit Rα ∈ R, f ∈ Lp . On a αf ∈ M (car M est un espace vectoriel) et |αf |p dm =

R
1.
|α|p |f |p dm < ∞. Donc, αf ∈ Lp .
• Soit f, g ∈ Lp . On veut montrer que f + g ∈ Lp . On sait que f + g ∈ M (car M est un espace
vectoriel) et on remarque que, pour tout x ∈ E,
|f (x) + g(x)|p ≤ 2p |f (x)|p + 2p |g(x)|p ,
et donc Z Z Z
p p p p
|f + g| dm ≤ 2 |f | dm + 2 |g|p dm < ∞,
ce qui montre que f + g ∈ Lp .

2. La structure vectorielle de Lp s’obtient comme pour p = 1. Soit F, G ∈ Lp et α, β ∈ R. On choisit
f ∈ F et g ∈ G et on définit αF + βG comme étant la classe d’équivalence de αf + βg. Comme
d’habitude, cette définition est cohérente car la classe d’équivalence de αf + βg ne dépend pas des
choix de f et g dans F et G.
On va montrer maintenant que f 7→ kf kp est une semi-norme sur λp et une norme sur Lp .
1 1
Lemme 6.1 (Inégalité de Young) Soient a, b ∈ R+ et p, q ∈ ]1, +∞[ t.q. + = 1. Alors :
p q
ap bq
ab ≤ + . (6.2)
p q
Démonstration :
La fonction exponentielle θ 7→ exp(θ) est convexe (de R dans R). On a donc, pour tout θ1 , θ2 ∈ R et tout
t ∈ [0, 1],
exp(tθ1 + (1 − t)θ2 ) ≤ t exp(θ1 ) + (1 − t) exp(θ2 ).
1
Soit a, b > 0 (les autres cas sont triviaux). On prend t = p (de sorte que (1 − t) = 1q ), θ1 = p ln(a) et
p q
θ2 = q ln(b). On obtient bien ab ≤ ap + bq .
Lemme 6.2 (Inégalité de Hölder)

1 1
Soient (E, T, m) un espace mesuré et p, q ∈]1, +∞[ t.q. + = 1. Soient f ∈ LpR (E, T, m) et g ∈
p q
LqR (E, T, m). Alors, f g ∈ L1R (E, T, m) et
kf gk1 ≤ kf kp kgkq . (6.3)
Le même résultat est vrai avec Lp , Lq et L1 au lieu de Lp , Lq et L1 .
131
Démonstration :
On remarque d’abord que f g ∈ M car f, g ∈ M (voir la proposition 3.5).
|f (x)|p |g(x)|q
L’inégalité de Young donne |f (x)g(x)| ≤ p + q pour tout x ∈ E. On en déduit, en intégrant :
Z Z Z
1 p 1
|f g|dm ≤ |f | dm + |g|q dm < ∞. (6.4)
p q
Donc, f g ∈ L1 .
Pour montrer (6.3), on distingue maintenant 3 cas :
Cas 1. On suppose kf kp = 0 ou kgkq = 0. On a alors f = 0 p.p. ou g = 0 p.p.. On en déduit f g = 0 p.p.,

donc kf gk1 = 0 et (6.3) est vraie.
Cas 2. On suppose kf kp = 1 et kgkq = 1. On a alors, avec (6.4),

Z
1 1
kf gk1 = |f g|dm ≤ + = 1 = kf kp kgkq .
p q
L’inégalité (6.3) est donc vraie.

Cas 3. On suppose kf kp > 0 et kgkq > 0. On pose alors f1 = kffkp et g1 = g
kgkq , de sorte que kf1 kp =
kg1 kq = 1. Le cas 2 donne alors
kf gk1
= kf1 g1 k≤ 1.
kf kp kgkq
Ce qui donne (6.3).
Dans le cas où f ∈ Lp et g ∈ Lq , on confond les classes f et g avec des répresentants, encore notés f et
g. Le résultat précédent donne f g ∈ L1 et (6.3). On a alors f g ∈ L1 au sens de la confusion habituelle,
c’est-à-dire “il existe h ∈ L1 t.q. f g = h p.p.” (et f g ne dépend pas des représentants choisis), et (6.3)
est vérifiée.
Lemme 6.3 (Inégalité de Minkowski) Soient (E, T, m) un espace mesuré et 1 ≤ p < ∞. Soient
f, g ∈ LpR (E, T, m). Alors, f + g ∈ Lp et :
kf + gkp ≤ kf kp + kgkp . (6.5)
Le même résultat est vrai avec Lp au lieu de Lp .
Démonstration :
Le cas p = 1 à déjà été fait. On suppose donc p > 1. On a aussi déjà vu que f + g ∈ Lp (proposition
6.1). Il reste donc à montrer (6.5). On peut supposer que kf + gkp 6= 0 (sinon (6.5) est trivial).
On remarque que
|f + g|p ≤ F H + GH, (6.6)
avec F = |f |, G = |g| et H = |f + g|p−1 .
132
p
On pose q = p−1 , de sorte que p1 + 1q = 1, F ∈ Lp , G ∈ Lp et H ∈ Lq (car f + g ∈ Lp ). On peut donc
appliquer l’inégalité de Hölder (6.3), elle donne
kF Hk1 ≤ kF kp kHkq , kGHk1 ≤ kGkp kHkq .
On en déduit, avec (6.6),

Z Z
1
|f + g|p dm ≤ (kf kp + kgkp )( |f + g|p dm)1− p ,
D’où l’on déduit (6.5).
Il est clair que le lemme est vrai avec Lp au lieu de Lp .
On en déduit la propriété suivante:

Proposition 6.2 Soient (E, T, m) un espace mesuré et 1 ≤ p < ∞.
1. L’application f 7→ kf kp est une semi-norme sur Lp .
2. L’application f 7→ kf kp est une norme sur Lp . Lp , muni de cette norme, est donc une espace
vectoriel (sur R) normé.
Démonstration :
• On a bien kf kp ∈ R+ pour tout f ∈ Lp .

• On a déjà vu que kαf kp = |α|kf kp , pour tout α ∈ R et tout f ∈ Lp .
• L’inégalité (6.5) donne kf + gkp ≤ kf kp + kgkp pour tout f, g ∈ Lp .
L’application f 7→ kf kp est donc une semi-norme sur Lp . On remarque que, si f ∈ Lp , on a
kf kp = 0 ⇔ f = 0 p.p..
Cette équivalence donne que l’application f 7→ kf kp est une norme sur Lp .
Remarque 6.1 On reprend ici la remarque 4.9. Soient (E, T, m) un espace mesuré et 1 ≤ p < ∞. On
confondra dans la suite un élement F de Lp avec un représentant f de F , c’est-à-dire avec un élément
f ∈ Lp t.q. f ∈ F . De manière plus générale, soit A ⊂ E t.q. Ac soit négligeable (c’est-à-dire Ac ⊂ B
avec B ∈ T et m(B) = 0). On dira qu’une fonction f , définie de A dans R, est un élément de Lp si
il existe une fonction g ∈ Lp t.q. f = g p.p.. On confond donc, en fait, la fonction f avec la classe
d’équivalence de g, c’est-à-dire avec g̃ = {h ∈ Lp ; h = g p.p. }. D’ailleurs, cet ensemble est aussi égal à
{h ∈ Lp ; h = f p.p. }.
Avec cette confusion, si f et g sont des élements de Lp , f = g signifie en fait f = g p.p..
Théorème 6.1 (Convergence dominée) Soient (E, T, m) un espace mesuré, 1 ≤ p < ∞, et (fn )n∈N
⊂ Lp une suite t.q. :
• fn → f pp,
133
• ∃ F ∈ Lp t.q. |fn | ≤ F pp, ∀ n ∈ N ;
Z
alors fn → f dans Lp (c.à.d |fn − f |p dm → 0 quand n → ∞).
Démonstration :
On se ramène au cas p = 1.
On peut choisir des représentants des fn (encore notés fn ) de manière à ce que la suite (fn (x))n∈N soit
convergente dans R pour tout x ∈ E. On pose g(x) = limn→∞ fn (x). On a donc g ∈ M et g ≤ F p.p.,
ce qui montre que g ∈ Lp . On a donc f ∈ Lp (au sens f = g p.p. avec g ∈ Lp ).
Puis, on remarque que
0 ≤ hn = |fn − f |p ≤ (|fn | + |f |)p ≤ 2p F p p.p.,
pour tout n ∈ N, et que hn → 0 p.p. quand n → ∞. Comme F p ∈ L1 , on peut appliquer le théorème de
convergence dominée, il donne hn → 0 dans L1 , c’est-à-dire fn → f dans Lp .
Théorème 6.2 (Réciproque partielle) Soient (E, T, m) un espace mesuré, 1 ≤ p < ∞, (fn )n∈N ⊂ Lp
et f ∈ Lp . On suppose que fn → f dans Lp quand n → ∞. Alors il existe une sous-suite (fnk )k∈N t.q. :
• fnk → f p.p. lorsque k → +∞,
• ∃ F ∈ Lp t.q. |fnk | ≤ F p.p., pour tout k ∈ N .
Démonstration :
Comme dans le cas p = 1, Ce théorème est une conséquence de la proposition suivante sur les séries
absolument convergentes.
Proposition 6.3 (Séries absolument convergentes dans Lp ) X

Soient (E, T, m) un espace mesuré, 1 ≤ p < ∞ et (fn )n∈N ⊂ Lp . On suppose que kfn kp < +∞.
n∈N
Alors :
P+∞ P+∞
1. n=0 |fn (x)| < +∞ pour presque tout x ∈ E. On pose f (x) = n=0 fn (x) (la fonction f est donc
définie p.p.).
2. f ∈ Lp (au sens “il existe g ∈ Lp t.q. f = g p.p.”).
Pn p p
Pn
3. k=0 fk (x) → f p.p. et dans L , lorsque n → +∞. De plus, il existe F ∈ L t.q. | k=1 fk (x)| ≤ F
p.p., pour tout n ∈ N.
Démonstration : Pour chaque n ∈ N, on choisit un représentant de fn , encore noté fn .

Pn
On pose, pour tout x ∈ E, gn (x) = k=0 |fk (x)|. On a (gn )n∈N ⊂ M+ . Comme la suite est croissante,
il existe F ∈ M+ t.q. gn ↑ F , quand n → ∞. On a donc aussi gnp ↑ F p quand n → ∞ et le théorème de
convergence monotone donne
Z Z
gn dm → F p dm, quand n → ∞.
p
(6.7)
134
Pn P∞
On remarque maintenant que kgn kp ≤ k=0 kfk kp ≤ k=0 kfk kp = A < ∞. Donc kgn kpp ≤ Ap pour
tout n ∈ N et (6.7) donne alors Z
F p dm ≤ Ap < ∞. (6.8)
L’inégalité (6.8) donne que F < ∞ p.p.. Il existe donc B ∈ T t.q. m(B) = 0 et F (x) < ∞ pour tout
x ∈ B c . Pour tout x ∈ B c , la série de terme général fn (x) est donc absolument convergente dans R. Elle
est donc convergente dans R et on peut définir, pour tout x ∈ B c , f (x) ∈ R par
∞
X n
X
f (x) = fk (x) = lim fk (x).
n→∞
k=0 k=0
La fonction f n’est pas forcément dans M, mais elle est m-mesurable (voir Pn la définition 4.3 page 79),
il
Pn existe donc g ∈ M t.q. f = g p.p.. Puis, comme g ≤ F p.p. (car | k=0 fk (x)| ≤ gn ≤ F p.p. et
p
f
k=0 k (x) → g p.p.) on a, grâce à (6.7), g ∈ L , ce qui donne bien f ∈ Lp (au sens “il existe g ∈ Lp
t.q. f = g p.p.”)
Enfin, pour montrer lePdernier item de la proposition, il suffit d’appliquer le théorème de convergence
p n Pn
dominée
R p dans L car f
k=0 k (x) →Pnf p.p. et, pour tout n ∈ N, | k=0 k (x)| ≤ gn ≤ F p.p. avec
f
F dm < ∞. On obtient bien que k=0 fk (x) → f dans Lp .
Toute série absolument convergente de Lp est donc convergente dans Lp . On en déduit le résultat suivant:
Théorème 6.3 Soient (E, T, m) un espace mesuré, et 1 ≤ p < ∞. L’espace vectoriel normé (Lp , k.kp )
est complet.
On peut maintenant se demander si les espaces Lp sont des espaces de Hilbert. Ceci est vrai pour p = 2,
et, en général, faux pour p 6= 2 (voir à ce propos l’exercice 6.30). Le cas de L2 sera étudié en détail dans
la section 6.2
En général, les espaces Lp , avec 1 < p < +∞, autres que L2 ne sont pas des espaces de Hilbert, mais nous
verrons ultérieurement (section 6.3 que ce sont des espaces de Banach réflexifs (c’est-à-dire que l’injection
canonique entre l’espace et son bi-dual est une bijection). Les espaces L1 et L∞ (que nous verrons au
paragraphe suivant) sont des espaces de Banach non réflexifs (sauf cas particuliers).
Remarque 6.2 Soient (E, T, m) un espace mesuré et 1 1) comme on a fait pour p = 1 (voir la section 4.10). On obtient aussi des
espaces de Banach (complexes ou réels). Le cas L2C (E, T, m) est particulièrement intéressant. Il sera muni
d’une structure hilbertienne (voir le théorème 6.4).
6.1.2 L’espace L∞
Définition 6.3 (L’espace L∞ ) Soient (E, T, m) un espace mesuré et f une fonction mesurable (de E
dans R) ;
1. on dit que f est essentiellement bornée, ou encore que f ∈ L∞ = L∞
R (E, T, m) si il existe C ∈ R+
tel que |f | ≤ C p.p. ;
2. si f ∈ L∞ , on pose kf k∞ = inf{C ∈ R+ ; |f | ≤ C p.p.},
/ L∞ , on pose kf k∞ = +∞.
3. si f ∈
135
Remarque 6.3 (Rappels sur la définition de l’inf. . . ) Soit A ⊂ R, A 6= ∅. On rappelle que A est
borné inférieurement si il existe un minorant de A, c’est-à-dire si il existe α ∈ R tel que x ≥ α pour
tout x ∈ A. Si A est borné inférieurement, on définit la borne inférieure de A comme le plus grand des
minorants : x = inf{A} = max{α; α ≤ x pour tout x ∈ A}. Si A n’est pas borné inférieurement, on pose
inf A = −∞. Dans les manipulations sur les inf (et sur les sup. . . ) il est utile de connaı̂tre le résultat
suivant :
x = inf A ⇒ ∃(xn )n∈N ⊂ A; xn ↓ x quand n → +∞. (6.9)
Ceci se démontre très facilement en écrivant :
1. Si A est non borné inférieurement, alors, pour tout n ∈ N, il existe yn ∈ A t.q. yn ≤ −n. En
choisissant x0 = y0 et, par récurrence, xn = min(xn−1 , yn ), on a donc xn ↓ −∞ = inf A.
2. Si A est borné inférieurement, soit x = inf A. Alors, x + n1 n’est pas un minorant de A et donc,
pour n ∈ N? , il existe yn ∈ A tel que x ≤ yn ≤ x + n1 . En choisissant x0 = y0 et, par récurrence,
xn = min(xn−1 , yn ), on a clairement: xn → x lorsque n → +∞.
Le petit lemme suivant (dont la démonstration est immédiate en écrivant la définition de kf k∞ , voir
l’exercice corrigé 4.32) est parfois bien utile.
Lemme 6.4 Si f ∈ L∞ , alors |f | ≤ kf k∞ p.p..
Démonstration :
Voir l’exercice corrigé 4.32.
On a égalité entre le sup essentiel et le sup pour les fonctions continues:

Proposition 6.4 Si (E, T, m) = (R, B(R), λ) et f ∈ C(R, R), alors kf ku = supx∈R |f (x)| = kf k∞ .
Démonstration :
On distingue 2 cas:
Cas 1. On suppose ici que |f | est non bornée, c’est-à-dire kf ku = ∞. Soit α ∈ R+ . Comme |f | est non
bornée, il existe x ∈ R t.q. |f (x)| > α. Par continuité de f , il existe alors ε > 0 t.q. |f (y)| > α pour tout
y ∈ [x − ε, x + ε]. On a donc {|f | > α} ⊃ [x − ε, x + ε] et donc λ({|f | > α}) ≥ 2ε. Donc, |f | n’est pas
inférieure ou égale à α p.p.. On a donc {C ∈ R+ ; |f | ≤ C p.p.} = ∅, donc kf k∞ = ∞ = kf ku .
Cas 2. On suppose maintenant que kf ku < ∞. On a |f (x)| ≤ kf ku pour tout x ∈ R, donc kf k∞ ≤ kf ku .

D’autre part, on sait que |f | ≤ kf k∞ p.p.. On a donc λ{|f | > kf k∞ }) = 0. Or {|f | > kf k∞ } est ouvert
(car f est continue), c’est donc un ouvert de mesure nulle, on a donc {|f | > kf k∞ } = ∅ (la mesure de
Lebesgue d’un ouvert non vide est toujours strictement positive). Ce qui prouve |f (x)| ≤ kf k∞ pour
tout x ∈ R et donc kf ku ≤ kf k∞ .
On obtient bien finalement kf ku = kf k∞ .
Définition 6.4 Soient (E, T, m) un espace mesuré et L∞ = L∞

R (E, T, m).
1. On définit L∞ = L∞ R (E, T, m) comme l’ensemble des classes d’équivalence sur L

∞
pour la relation
d’équivalence “= p.p.”.
2. Soit F ∈ L∞ . On pose kF k∞ = kf k∞ avec f ∈ F , de sorte que F = {g ∈ L∞ ; g = f p.p.}. (Cette
définition est cohérente car kf k∞ ne dépend pas du choix de f dans F .)
136
Proposition 6.5 Soient (E, T, m) un espace mesuré, L∞ = L∞
R (E, T, m) et L
∞
= L∞
R (E, T, m). Alors :
1. L∞ est un espace vectoriel sur R et l’application définie de L∞ dans R par f 7→ kf k∞ est une
semi-norme sur L∞ .
2. L∞ est un espace vectoriel sur R et l’application définie de L∞ dans R par f 7→ kf k∞ est une
norme sur L∞ . L∞ est donc un espace e.v.n. (réel).
Démonstration :
1. • Si α ∈ R et f ∈ L∞ , il est clair que αf ∈ L∞ et que kαf k= |α|kf k∞ .
• Soit f, g ∈ L∞ . Comme |f | ≤ kf k∞ p.p. et |g| ≤ kgk∞ p.p., on montre facilement que |f +g| ≤
|f | + |g| ≤ kf k∞ + kgk∞ p.p.. Ce qui prouve que (f + g) ∈ L∞ et kf + gk∞ ≤ kf k∞ + kgk∞ .
On a bien montré que L∞ est un espace vectoriel sur R et comme kf k∞ ∈ R+ pour tout f ∈ L∞ ,
l’application f 7→ kf k∞ est bien une semi-norme sur L∞ .
2. la structure vectorielle de L∞ s’obtient comme celle de Lp (p < ∞) et le fait que f 7→ kf k∞ soit
une norme découle du fait que
f = 0 p.p. ⇔ kf k∞ = 0.
Proposition 6.6 Soit (E, T, m) un espace mesuré. L’espace L∞

R (E, T, m) est un espace de Banach (réel),
c’est-à-dire un e.v.n. complet.
Démonstration :
On sait déjà que L∞ est un e.v.n.. Le fait qu’il soit complet est la conséquence du fait que toute série
absolument convergente dans L∞ est convergente dans L∞ . Ce qui est une conséquence de la proposition
suivante sur les séries absolument convergentes.
Proposition 6.7 (Séries absolument convergentes dans L∞ ) P+∞

Soient (E, T, m) un espace mesuré et (fn )n∈N ⊂ L∞
R (E, T, m). On suppose que n=0 kfn k∞ < +∞.
Alors :
Pn
1. Il existe C ∈ R+ t.q., pour tout n ∈ N, k=0 |fk | < C p.p..
pour presque tout x ∈ E, absolument convergente dans R. On
2. La série de terme général fn (x) est, P
+∞
définit, pour presque tout x, f (x) = n=0 fn (x).
Pn
3. On a f ∈ L∞ (au sens “il existe g ∈ L∞ t.q. f = g p.p.) et k k=0 fk − f k∞ → 0 lorsque n → +∞.
Démonstration : Pour chaque n ∈ N, on choisit un représentant de fn , encore noté fn . Comme

|fn | ≤ kfn k∞ p.p., il existe An ∈ T t.q. m(An ) = 0 et |fn | ≤ kfn k∞ sur Acn . On pose A = ∪n∈N An ∈ T .
On a m(A) = 0 (par σ-sous additivité de m) et, pour tout n ∈ N et x ∈ Ac , |fn (x)| ≤ kfn k∞ .
Pour tout x ∈ Ac , on a donc
n
X n
X ∞
X
|fk (x)| ≤ kfk k∞ ≤ kfk k∞ = C < ∞. (6.10)
k=0 k=0 k=0
137
Comme m(A) = 0, ceci montre le premier item.
Pour tout x ∈ Ac , la série de terme général fn (x) est absolument convergente dans R, donc convergente.
On pose donc
+∞
X Xn
f (x) = fk (x) = lim fk (x) ∈ R.
n→∞
k=0 k=0
f est donc définie p.p., elle est m-mesurable (voir la définition 4.3) car limite p.p. de fonctions mesurables.
Il existe donc g ∈ M t.q. f = g p.p. et (6.10) donne |g| ≤ C p.p.. On a donc g ∈ L∞ et donc f ∈ L∞
(au sens “il existe g ∈ L∞ t.q. f = g p.p.”).
Pn
Il reste à montrer que k=0 fk → f dans L∞ .
On remarque que, pour tout x ∈ Ac ,
n
X ∞
X ∞
X ∞
X
| fk (x) − f (x)| = | fk (x)| ≤ |fk (x)| ≤ kfk k∞ → 0, quand n → ∞.
k=0 k=n+1 k=n+1 k=n+1
Comme m(A) = 0, on en déduit

n
X n
X ∞
X
k fk − f k∞ ≤ sup | fk (x) − f (x)| ≤ kfk k∞ → 0, quand n → ∞.
x∈Ac
k=0 k=0 k=n+1
Pn
et donc k=0 fk → f dans L∞ , quand n → ∞.
La proposition 6.7 permet de montrer que L∞ est complet (théorème 6.6). Elle permet aussi de montrer
ce que nous avons appelé précédemment (dans le cas p < ∞) “réciproque partielle du théorème de
convergence dominée”. Il est important par contre de savoir que le théorème de convergence dominée
peut être faux dans L∞ , comme le montre la remarque suivante.
Remarque 6.4 (Sur la convergence dominée. . . ) Attention : le résultat de convergence dominée

qu’on a démontré pour les suites de fonctions de Lp , 1 ≤ p < +∞, est faux pour les suites de fonctions
de L∞ . Il suffit pour s’en convaincre de considérer l’exemple suivant : (E, T, m) = ([0, 1], B([0, 1]), λ),
fn = 1[0, n1 ] , pour n ∈ N. On a bien (fn )n∈N ⊂ L∞
R ([0, 1], B([0, 1]), λ) et
fn → 0 p.p. , quand n → ∞,
fn ≤ 1[0,1] p.p., pour tout n ∈ N, 1[0,1] ∈ L∞
R ([0, 1], B([0, 1]), λ).
Pourtant, kfn k∞ = 1 6→ 0, quand n → ∞.
Par contre, le résultat de réciproque partielle de la convergence dominée est vrai, comme conséquence du
résultat que toute suite absolument convergente dans L∞ est convergente (dans L∞ , proposition 6.7). La
démonstration est similaire à la démonstration du théorème 4.7.
Remarque 6.5 Soit (E, T, m) un espace mesuré. On peut aussi définir L∞ ∞

C (E, T, m) et LRN (E, T, m)
(avec N > 1) comme on a fait pour p = 1 (voir la section 4.10). On obtient aussi des espaces de Banach
(complexe ou réels).
138
6.1.3 Quelques propriétés des espaces Lp , 1 ≤ p ≤ +∞
Proposition 6.8 (Comparaison entre les espaces Lp )
Soit (E, T, m) un espace mesuré fini, i.e. m(E) < +∞. Soient p, q ∈ R+ tels que 1 ≤ p < q ≤ +∞. Alors,
LqR (E, T, m) ⊂ LpR (E, T, m). De plus, il existe C, ne dépendant que de p, q et m(E), t.q. kf kp ≤ Ckf kq
pour tout f ∈ LqR (E, T, m) (ceci montre que l’injection de Lq dans Lp est continue).
Démonstration :
On distingue les cas q < ∞ et q = ∞.
Cas q < ∞. On suppose ici que 1 ≤ p < q < +∞.
Soit f ∈ Lq . On choisit un représentant de f , encore noté f . Pour tout x ∈ E, on a |f (x)|p ≤ |f (x)|q si
|f (x)| ≥ 1. On a donc |f (x)|p ≤ |f (x)|q + 1, pour tout x ∈ E. Ce qui donne, par monotonie de l’intégrale,
Z Z
|f |p dm ≤ m(E) + |f |q dm < ∞, (6.11)
et donc que f ∈ Lp . On a ainsi montré Lq ⊂ Lp .
On veut montrer maintenant qu’il existe C, ne dépendant que de p, q et m(E), t.q., pour tout f ∈
LqR (E, T, m),
kf kp ≤ Ckf kq . (6.12)
1
En utilisant (6.11), on remarque que (6.12) est vraie avec C = (m(E)+1) p , si kf kq = 1. Ceci est suffisant
1
pour dire que (6.12) est vraie avec C = (m(E) + 1) p pour tout f ∈ Lq . En effet, (6.12) est trivialement
vraie pour kf kq = 0 (car on a alors f = 0 p.p. et kf kp = 0). Puis, si kf kq > 0, on pose f1 = kffkq de
sorte que kf1 kq = 1. On peut donc utiliser (6.12) avec f1 . On obtient kf1kq kf kp = kf1 kp ≤ C, ce qui
donne bien kf kp ≤ Ckf kq .
On a donc montré (6.12) avec un C ne dépendant que p et m(E) (et non de q). Toutefois, le meilleur
C possible dans (6.12) dépend de p, q et m(E). Ce meilleur C peut être obtenu en utilisant l’inégalité
1 1
de Hölder généralisée (proposition 6.9). Elle donne kf kp ≤ Ckf kq avec C = (m(E)) p − q (voir la remar-
que 6.6).
Cas q = ∞. On suppose ici que 1 ≤ p < q = +∞.

Soit f ∈ L∞ . On choisit un représentant de f , encore noté f . On a |f | ≤ kf k∞ p.p.. On en déduit
|f |p ≤ kf kp∞ p.p. et donc Z
|f |p dm ≤ m(E)kf kp∞ < ∞.
1
Ce qui donne f ∈ Lp et kf kp ≤ Ckf k∞ avec C = (m(E)) p .
1 1
On voit ici qu’on a obtenu le meilleur C possible (si m(E) > 0) car kf kp = (m(E)) p = (m(E)) p kf k∞ si
f = 1E .
Proposition 6.9 (Inégalité de Hölder généralisée)

1 1 1
Soient (E, T, m) un espace mesuré et p, q, r ∈ [1, +∞] tels que + = . Soient f ∈ LpR (E, T, m) et
p q r
g ∈ LqR (E, T, m). Alors, f g ∈ LrR (E, T, m) et
kf gkr ≤ kf kp kgkq . (6.13)
139
Démonstration : Comme d’habitude, on confond un élément de Ls (s = p, q ou r) avec un de ses
représentants. On travaille donc avec Ls au lieu de Ls . On suppose donc que f ∈ Lp et g ∈ Lq et on
veut montrer que f g ∈ Lr et que (6.13) est vraie. On remarque d’abord que f g ∈ M.
Ici encore, on distingue plusieurs cas.
Cas 1. On suppose ici 1 ≤ p, q, r < ∞.

p q
On pose f1 = |f |r et g1 = |g|r de sorte que f1 ∈ L r et g1 ∈ L r . Comme pr + rq = 1, on peut appliquer le
lemme 6.2 (donnant l’inégalité de Hölder) avec f1 , g1 (au lieu de f , g) et pr , rq (au lieu de p, q). Il donne
que f1 g1 ∈ L1 et kf1 g1 k1 ≤ kf1 k pr kg1 k rq . On en déduit que f g ∈ Lr et
Z Z Z
r r
|f g|r dm ≤ ( |f |p dm) p ( |g|q dm) q ,
ce qui donne (6.13)
Cas 2. On suppose ici q = ∞ et r = p < ∞.

Comme |g| ≤ kgk∞ p.p., On a |f g|p ≤ |f |p kgkp∞ p.p. et donc
Z Z
|f g|p dm ≤ kgkp∞ |f |p dm,
ce qui donne f g ∈ Lp et (6.13).
Cas 3. On suppose ici p = q = r = ∞.

Comme |f | ≤ kf k∞ p.p. et |g| ≤ kgk∞ p.p., on a |f g| ≤ kf k∞ kgk∞ p.p., ce qui donne f g ∈ L∞ et
(6.13).
Remarque 6.6
1. Par une récurrence facile sur n ∈ N? , on peut encore généraliser

Pn la proposition 6.9. Soient (E, T, m)
un espace mesuré, p1 , . . . , pn ∈ [1, ∞] et r ∈ [1, ∞] t.q. 1r = i=1 p1i . Pour tout i ∈ {1, . . . , n}, soit
Qn Qn Qn
fi ∈ LpRi (E, T, m). Alors, i=1 fi ∈ LrR (E, T, m) et k i=1 fi kr ≤ i=1 kfi kpi .
2. L’inégalité (6.13) permet aussi de trouver le meilleur C possible dans la proposition 6.8 (Inégalité
(6.12)) :
Soit (E, T, m) un espace mesuré fini. Soient p, q ∈ R+ tels que 1 ≤ p < q < +∞. Soit f ∈
LqR (E, T, m). Comme 1 ≤ p < q < ∞, il existe r ∈ [1, ∞[ t.q. p1 = 1q + 1r . On peut alors
utiliser la proposition 6.9 avec f ∈ Lq et 1E ∈ Lr . Elle donne que f ∈ Lp et kf kp ≤ Ckf kq avec
1 1
C = (m(E)) p − q . Cette valeur de C est la meilleure possible (si m(E) > 0) dans (6.12) car si
1 1
f = 1E on obtient kf kp ≤ (m(E)) p − q kf kq .
Remarque 6.7 Les espaces Lp , p ∈]0, 1[ (que l’on peut définir comme dans le cas 1 ≤ p < ∞) sont des
Z p1
espaces vectoriels, mais l’application f 7→ |f |p dm n’est pas une norme sur Lp si p ∈]0, 1[ (sauf cas
particulier).
140
Remarque 6.8 Soient (E, T, m) un espace mesuré, et f ∈ M(E, T ). L’ensemble J = {p ∈ [1, +∞], f ∈
Lp } est un intervalle de [1, +∞]. L’application définie de J dans R+ par p 7→ kf kp est continue, voir à
ce propos l’exercice 4.32, et dans le cas particulier des fonctions continues à support compact, l’exercice
6.10. En particulier, lorsque p ∈ J, p → +∞ on a kf kp → kf k∞ . On en déduit le résultat suivant : si il
existe p0 < +∞ tel que f ∈ Lp pour tout p tel que p0 ≤ p < +∞, et si il existe C t.q. kf kp ≤ C, pour
tout p ∈ [p0 , +∞[, alors f ∈ L∞ et kf k∞ ≤ C.
6.2 Analyse hilbertienne et espace L2

6.2.1 Définitions et propriétés élémentaires
Définition 6.5 (Produit scalaire)
1. Soit H un espace vectoriel sur R. On appelle “produit scalaire sur H” une application de H ×H → R,
notée (·/·) (ou (·/·)H ) t.q.
ps1 : (u/u) > 0 pour tout u ∈ H \ {0},
ps2 : (u/v) = (v/u) pour tout u, v ∈ H,
ps3 : u 7→ (u/v) est une application linéaire de H dans R, pour tout v ∈ H.
2. Soit H un espace vectoriel sur C. On appelle “produit scalaire sur H” une application de H ×H → C,
notée (·/·) (ou (·/·)H ) t.q.
ps1 : (u/u) ∈ R?+ pour tout u ∈ H \ {0},
ps2 : (u/v) = (v/u) pour tout u, v ∈ H,
ps3 : u 7→ (u/v) est une application linéaire de H dans R, pour tout v ∈ H.
Remarque 6.9 (Exemple fondamental) Soit (E, T, m) un espace mesuré.

1. On prend H = L2R (E, T, m). H est un e.v. sur R. On rappelle 1
R que f g ∈ LR (E, T, m) si f, g ∈
2
LR (E, T, m) (lemme 6.2 pour p = q = 2). L’application (f, g) 7→ f gdm est un produit scalaire sur
H.
2. On prend H = L2C (E, T, m) (voir le théorème 6.4 ci après). H est un e.v. sur C. En utilisant
le lemme 6.2, on montre facilementR que f g ∈ L1C (E, T, m) si f, g ∈ L2C (E, T, m) (lemme 6.2 pour
p = q = 2). L’application (f, g) 7→ f gdm est un produit scalaire sur H.
Proposition 6.10 (Inégalité de Cauchy-Schwarz)
1. Soit H un e.v. sur R muni d’un produit scalaire, noté (·/·). Alors :
(u/v)2 ≤ (u/u)(v/v), pour tout u, v ∈ H. (6.14)
De plus, (u/v)2 = (u/u)(v/v) si et seulement si u et v sont colinéaires.

2. Soit H un e.v. sur C muni d’un produit scalaire, noté (·/·). Alors :
|(u/v)|2 ≤ (u/u)(v/v), pour tout u, v ∈ H. (6.15)
De plus, |(u/v)|2 = (u/u)(v/v) si et seulement si u et v sont colinéaires.
141
Démonstration :
1. On suppose ici K = R. Soit u, v ∈ H. Pour α ∈ R on pose p(α) = (u + αv/u + αv) = (v/v)α2 +

2α(u/v) + (u/u). Comme p(α) ≥ 0 pour tout α ∈ R, on doit avoir ∆ = (u/v)2 − (v/v)(u/u) ≤ 0,
ce qui donne (6.14).
On s’intéresse maintenant au cas d’égalité dans (6.14).

Si u = 0 ou v = 0, on a égalité dans (6.14) (et u et v sont colinéaires).
Si u 6= 0 et v 6= 0, on a égalité dans (6.14) (c’est-à-dire ∆ = 0) si et seulement si il existe α ∈ R
t.q. p(α) = 0. Donc, on a égalité dans (6.14) si et seulement si il existe α ∈ R t.q. u = −αv. On
en déduit bien que (u/v)2 = (u/u)(v/v) si et seulement si u et v sont colinéaires.
2. On suppose maintenant K = C. Soit u, v ∈ H. Pour α ∈ C on pose p(α) = (u + αv/u + αv) =
αα(v/v) + α(v/u) + α(u/v) + (u/u). On choisit de prendre α = β(u/v) avec β ∈ R. On pose donc,
pour tout β ∈ R, ϕ(β) = p(β(u/v)) = β 2 |(u/v)|2 (v/v) + 2β|(u/v)|2 + (u/u). Ici encore, comme
ϕ(β) ∈ R+ pour tout β ∈ R, on doit avoir ∆ = |(u/v)|4 − |(u/v)|2 (v/v)(u/u) ≤ 0, ce qui donne
(6.15).
On s’intéresse maintenant au cas d’égalité dans (6.15)

Si u = 0 ou v = 0, on a égalité dans (6.15) (et u et v sont colinéaires).
On suppose maintenant u 6= 0 et v 6= 0. On remarque d’abord que, si (u/v) = 0, on n’a pas égalité
dans (6.15) et u et v ne sont pas colinéaires. On suppose donc maintenant que (u/v) 6= 0. On a
alors égalité dans (6.15) si et seulement si ∆ = 0 et donc si et seulement si il existe β ∈ R t.q.
ϕ(β) = 0. Donc, on a égalité dans (6.15) si et seulement si il existe β ∈ R t.q. u = −β(u/v)v, et
donc si et seulement si il existe α ∈ R t.q. u = −αv.
Finalement, on en déduit bien que |(u/v)|2 = (u/u)(v/v) si et seulement si u et v sont colinéaires.
Proposition 6.11 (Norme induite par un produit scalaire)

p K, avec K = R ou K = C, muni d’un produit scalaire, noté (·/·). Pour tout u ∈ H,
Soit H un e.v. sur
on pose kukH = (u/u). Alors, k · kH est une norme sur H. On l’appelle norme induite par le produit
scalaire (·/·).
Démonstration :
• Il est clair que kukH ∈ R+ pour tout u ∈ H et que
kukH = 0 ⇔ (u/u) = 0 ⇔ u = 0.
• On a bien kαukH = |α|kukH pour tout α ∈ K et tout u ∈ H.

2
• Enfin, pour montrer l’inégalité triangulaire, soit u, v ∈ H. On a ku
p+ vkHp= (u + v/u + v) =
(u/u)+(v/v)+(u/v)+(v/u). Comme, par (6.14) ou (6.15), |(u/v)| ≤ (u/u) (v/v) = kukH kvkH ,
on en déduit ku + vk2H ≤ (kukH + kvkH )2 . Donc,
ku + vkH ≤ kukH + kvkH .
142
Définition 6.6 (espace de Hilbert)
1. Un espace préhilbertien (réel ou complexe) est un espace vectoriel (sur R ou sur C) normé dont la
norme est induite par un produit scalaire.
2. Un espace de Hilbert (réel ou complexe) est un espace vectoriel (sur R ou sur C) normé complet
dont la norme est induite par un produit scalaire. C’est donc un espace de Banach dont la norme
est induite par un produit scalaire.
Théorème 6.4 (L’espace L2 ) Soit (E, T, m) un espace mesuré.
1. L’espace L2R (E, T, m), muni de la norme k · k2 , est un espace de Hilbert (réel) et le produit scalaire
associé à la norme est défini par : Z
(f /g)2 = f g dm. (6.16)
2. (a) Soit f une application mesurable de E dans C (donc |f | ∈ M+ ). p On dit que f ∈ L2C (E, T, m)
si |f |2 ∈ L1R (E, T, m). Pour f ∈ L2C (E, T, m), on pose kf k2 = k|f |2 k1 . Alors, L2C (E, T, m)
est un espace vectoriel sur C et f 7→ kf k2 est une semi-norme sur L2C (E, T, m).
(b) On appelle L2C (E, T, m) l’espace L2C (E, T, m) quotienté par la relation d’équivalence “= p.p.”.
Pour F ∈ L2C (E, T, m), on pose kF k2 = kf k2 avec f ∈ F (noter que kf k2 ne dépend pas du
choix de f dans F ). Alors L2C (E, T, m), muni de k · k2 , est un espace de Banach (complexe).
(c) L’espace L2C (E, T, m), muni de la norme k · k2 , est un espace de Hilbert (complexe) et le produit
scalaire associé à la norme est défini par :
Z
(f /g)2 = f g dm. (6.17)
Démonstration :
1. On sait déjà que L2R (E, T, m), muni de la norme k · k2 est un espace de Banach (réel). Le lemme
6.2 pour Rp = q = 2 donne que f g ∈ L1R (E, T, m) si f, g ∈ L2R (E, T, m). On peut donc poser
(f /g)2 = f gdm. Il est facile de voir que (·/·)2 est un produit scalaire et que la norme induite par
ce produit scalaire est bien la norme k · k2 .
2. Soit f : E → C mesurable. On rappelle (section 4.10) que les fonctions <(f ) et =(f ) sont
mesurables de E dans R (i.e. appartiennent â M). On a donc bien |f | ∈ M+ et |f |2 = (<(f ))2 +
(=(f ))2 ∈ M+ .
Comme |f |2 = (<(f ))2 + (=(f ))2 ∈ M+ , on remarque aussi que f ∈ L2C (E, T, m) si et seulement si
<(f ), =(f ) ∈ L2R (E, T, m). Comme L2R (E, T, m) est un e.v. (sur R), il est aors immédiat de voir
que L2C (E, T, m) est un e.v. sur C.
On quotiente maintenant L2C (E, T, m) par la relation “= p.p.”. On obtient ainsi l’espace L2C (E, T, m)
que l’on munit facilement d’une structure vectorielle sur C. L’espace L2C (E, T, m) est donc un e.v.
sur C.
143
En utilisant le lemme 6.2, on montre facilement que f g ∈ L1C (E, T, m) si f, g ∈ L2C (E, T, m) (on
utilise le fait que les Rparties réelles et imaginaires de f et g sont dans L2R (E, T, m)). On peut
donc poser (f /g)2 = f gdm. Il est aussi facile de voir que (·/·)2 est alors un produit scalaire sur
L2C (E,RT, m) et que la norme induite par ce produit scalaire est justement k · k2 (car |f |2 = f f et
donc f f dm = kf k22 ). On a, en particulier, ainsi montré que f 7→ kf k2 est bien une norme sur
L2R (E, T, m). On en déduit aussi que f 7→ kf k2 est une semi-norme sur L2R (E, T, m).
On a montré que l’espace L2C (E, T, m), muni de la norme k·k2 , est un espace préhilbertien. il reste à
montrer qu’il est complet (pour la norme k · k2 ). Ceci est facile. En effet, kf k22 = k<(f )k22 + k=(f )k22
pour tout f ∈ L2C (E, T, m). Donc, une suite (fn )n∈N ⊂ L2C (E, T, m) est de Cauchy si et seulement si
les suites (<(fn ))n∈N et (=(fn ))n∈N sont de Cauchy dans L2R (E, T, m) et cette même suite converge
dans L2C (E, T, m) si et seulement si les suites (<(fn ))n∈N et (=(fn ))n∈N convergent dans L2R (E, T, m).
Le fait que L2C (E, T, m) soit complet découle alors du fait que L2R (E, T, m) est complet.
Remarquons que dans le cas p = 2, l’inégalité de Hölder est en fait l’inégalité de Cauchy-Schwarz.
Proposition 6.12 (Continuité du produit scalaire)
Soit H est un Banach réel ou complexe. Soient (un )n∈N ⊂ H, (vn )n∈N ⊂ H et u, v ∈ H t.q. un → u et
vn → v dans H, quand n → ∞. Alors, (un /vn ) → (u/v) quand n → ∞.
Démonstration : Il suffit de remarquer que, grâce à l’inégalité de Cauchy-Schwarz (inégalités (6.14) et
(6.15)), on a :
|(un /vn ) − (u/v)| ≤ |(un /vn ) − (un /v)| + |(un /v) − (u/v)|
≤ kun kkvn − vk + kun − ukkvk.
On conclut en utilisant le fait que un → u, vn → v et en remarquant que la suite (un )n∈N est bornée car
convergente.
Définition 6.7 Soit H est un Banach réel ou complexe. On note H 0 (ou L(H, K)) l’ensemble des
applications linéaires continues de H dans K (avec K = R pour un Banach réel et K = C pour un
Banach complexe). Si T ∈ H 0 , on pose
|T (u)|
kT kH 0 = sup .
u∈H\{0} kukH
On rappelle que k · kH 0 est bien une norme sur H 0 et que H 0 , muni de cette norme, est aussi un espace
de Banach (sur K).
Enfin, si T ∈ H 0 et u ∈ H, on a |T (u)| ≤ kT kH 0 kukH .
Remarque 6.10 Soit H un espace de Hilbert (réel ou complexe). Pour v ∈ H, on pose ϕv (u) = (u/v)
pour tout u ∈ H. Grâce à l’inégalité de Cauchy-Schwarz ((6.14) ou (6.15)), on voit que ϕv ∈ H 0 et
kϕv kH 0 ≤ kvkH . Il est facile alors de voir que kϕv kH 0 = kvkH . Ceci montre que v 7→ ϕv est une
application injective de H dans H 0 . le théorème de représentation de Riesz (théorème 6.8), fondamental,
montrera que cette application est surjective.
Proposition 6.13
Soit H un espace de Hilbert (réel ou complexe). Alors, pour tout u, v ∈ H On a
ku + vk2H + ku − vk2H = 2kuk2H + 2kvk2H . (6.18)
Cette identité s’appelle “ identité du parallélogramme”.
144
Démonstration : Il suffit d’écrire ku + vk2H + ku − vk2H = (u + v/u + v) + (u − v/u − v) et de développer
les produits scalaires.
Remarque 6.11
1. On peut se demander si deux produits scalaires (sur un même espace vectoriel) peuvent induire la
même norme. La réponse est “ non”. En effet, le produit scalaire est entièrement déterminé par
la norme qu’il induit. Par exemple, dans le cas d’un e.v. réel, si le produit scalaire (·/·) induit la
norme k · k, on a, pour tout u, v, (u/v) = 14 (ku + vk2 − ku − vk2 ).
2. On se donne maintenant un e.v.n. noté H. Comment savoir si la norme est induite ou non par un
produit scalaire ? On peut montrer que la norme est induite par un produit scalaire si et seulement
si l’identité du parallélogramme (6.18) est vraie pour tout u, v ∈ H. Ceci est surtout utile pour
montrer qu’une norme n’est pas induite par un produit scalaire (on cherche u, v ∈ H ne vérifiant
pas (6.18)).
Définition 6.8 (Orthogonal) Soit H un espace de Hilbert (réel ou complexe).

1. Soit u, v ∈ H. On dit que u et v sont orthogonaux (et on note u⊥v) si (u/v) = 0.
2. Soit A ⊂ H. On appelle “orthogonal de A” l’ensemble A⊥ = {u ∈ H; (u/v) = 0 pour tout v ∈ A}.
Proposition 6.14 Soient H un espace de Hilbert (réel ou complexe) et A ⊂ H. Alors :

1. A⊥ est un s.e.v. fermé de H,
⊥
2. A⊥ = A ,
3. A ⊂ (A⊥ )⊥ (que l’on note aussi A⊥⊥ ).
Démonstration :
1. Soit u1 , u2 ∈ A⊥ et α1 , α2 ∈ K (K = R ou K = C selon que H est un hilbert réel ou complexe).
Pour tout v ∈ A, on a (α1 u1 + α2 u2 /v) = α1 (u1 /v) + α2 (u2 /v) = 0. Donc, α1 u1 + α2 u2 ∈ A⊥ . Ce
qui montre que A⊥ est un s.e.v. de H.
Soit (un )n∈N ⊂ A⊥ t.q. un → u dans H, quand n → ∞. L’application w 7→ (w/v) est continue de
H dans K (voir la remarque (6.10)) pour tout v ∈ H. Soit v ∈ A, de (un /v) = 0 on déduit donc
que (u/v) = 0. Ce qui montre que u ∈ A⊥ et donc que A⊥ est fermé.
⊥
2. • Comme A ⊂ A, on a A ⊂ A⊥ .
⊥
• Soit maintenant u ∈ A⊥ . On veut montrer que u ∈ A .
Soit v ∈ A, il existe (vn )n∈N ⊂ A t.q. vn → v dans H quand n → ∞. Comme (u/vn ) = 0 pour
⊥
tout n ∈ N, on en déduit, par continuité de w 7→ (u/w), que (u/v) = 0. Donc u ∈ A . ce qui
⊥
donne A⊥ ⊂ A .
⊥
Finalement, on a bien montré A⊥ = A .
3. Soit v ∈ A. On a (u/v) = 0 pour tout u ∈ A⊥ , donc (v/u) = 0 pour tout u ∈ A⊥ , ce qui donne
v ∈ (A⊥ )⊥
145
Remarque 6.12 dans le dernier item de la proposition précédente, on peut se demander si A = A⊥⊥ .
On montrera, dans la section suivante que ceci est vrai si A est s.e.v. fermé (ce qui est aussi une condition
nécessaire).
On termine cette section avec le théorème de Pythagore.

Théorème 6.5 (Pythagore)
Soient H un espace de Hilbert (réel ou complexe) et u1 , . . . , un ∈ H t.q. (ui /uj ) = 0 si i 6= j. Alors :
n
X n
X
k ui k2H = kui k2H . (6.19)
i=1 i=1
Démonstration :
La démonstration de ce résultat est immédiate, par récurrence sur n :
L’égalité (6.19) est vraie pour n = 1 (et tout u1 ∈ H).
Soit n ∈ P N . On suppose que (6.19) est vraie (pour tout u1 , . . . , un ∈ H). Soit u1 , . . . , un+1 ∈ H. On
n
pose y = i=1 ui , de sorte que
n+1
X
k ui k2H = ky + un+1 k2H = (y + un+1 /y + un+1 ) = (y/y) + (y/un+1 ) + (un+1 /y) + (un+1 /un+1 ).
i=1
Pn+1
Comme (y/un+1 ) = 0 = (un+1 /y), on en déduit, avec l’hypothèse de récurrence, que k i=1 ui k2H =
Pn+1 2
i=1 kui kH .
6.2.2 Projection sur un convexe fermé non vide

Remarque 6.13 Soit E un ensemble muni d’une distance, notée d (E est alors un espace métrique).
Soit A ⊂ E. On pose d(x, A) = inf y∈A d(x, y). Il n’existe pas toujours de x0 ∈ A t.q. d(x, x0 ) = d(x, A)
et, si un tel x0 existe, il peut être non unique. Par exemple, dans le cas où A est compact (pour la
topologie induite par d), x0 existe mais peut être non unique.
Dans le cas où il existe un et un seul x0 ∈ A t.q. d(x, x0 ) = d(x, A), x0 est appelé “projection de x sur
A”.
L’objectif de cette section est de montrer l’existence et l’unicité de x0 dans le cas où A est une partie
convexe fermée non vide d’un espace de Hilbert (et d la distance induite par la norme de l’espace de
Hilbert).
Définition 6.9 (Partie convexe) Soit E un e.v. sur K, avec K = R ou K = C. Soit C ⊂ E. On dit
que C est convexe si :
u, v ∈ C, t ∈ [0, 1] ⇒ tu + (1 − t)v ∈ C.
Théorème 6.6 (Projection sur un convexe fermé non vide)

Soient H un espace de Hilbert (réel ou complexe) et C ⊂ H une partie convexe fermée non vide. Soit
x ∈ H. Alors, il existe un et un seul x0 ∈ C t.q. d(x, x0 ) = d(x, C) = inf y∈C d(x, y) (avec d(x, y) =
kx − ykH ). On note x0 = PC (x). PC est donc une application de H dans H (dont l’image est égale à
C). On écrit souvent PC x au lieu de PC (x).
146
Démonstration :
Existence de x0 .
On pose d = d(x, C) = inf y∈C d(x, y). Comme C 6= ∅, il existe une suite (yn )n∈N ⊂ C t.q. d(x, yn ) → d
quand n → ∞. On va montrer que (yn )n∈N est une suite de Cauchy en utilisant l’identité du parallélo-
gramme (6.18) (ce qui utilise la structure hilbertienne de H) et la convexité de C.
L’identité du parallélogramme donne
kyn − ym k2H = k(yn − x) − (ym − x)k2H = −k(yn − x) + (ym − x)k2H + 2kyn − xk2H + 2kym − xk2H ,
et donc
yn + ym
kyn − ym k2H = −4k − xk2H + 2kyn − xk2H + 2kym − xk2H . (6.20)
2
yn +ym
Comme C est convexe, on a 2 ∈ C et donc d ≤ k yn +y
2
m
− xkH . On déduit alors de (6.20) :
kyn − ym k2H ≤ −4d2 + 2kyn − xk2H + 2kym − xk2H . (6.21)

Comme d(yn , x) = kyn − xkH → d quand n → ∞, on déduit de (6.21) que la suite (yn )n∈N est de Cauchy.
Comme H est complet, il existe donc x0 ∈ H t.q. yn → x0 quand n → ∞. Comme C est fermée, on
a x0 ∈ C. Enfin, comme kx − yn kH → d quand n → ∞, on a, par continuité (dans H) de z 7→ kzkH ,
d(x, x0 ) = kx − x0 kH = d = d(x, C). Ce qui termine la partie “existence”.
Unicité de x0 . Soit y1 , y2 ∈ C t.q. d(x, y1 ) = d(x, y2 ) = d(x, C) = d. On utilise encore l’identité du

parallélogramme. Elle donne (voir (6.20)) :
y1 + y2 y1 + y2
ky1 − y2 k2H = −4k − xk2H + 2ky1 − xk2H + 2ky2 − xk2H = −4k − xk2H + 4d2 .
2 2
Comme y1 +y
2
2
∈ C On a donc d ≤ k y1 +y
2
2
− xkH et donc ky1 − y2 k2H ≤ −4d2 + 4d2 = 0. Donc y1 = y2 .
Ce qui termine la partie “unicité”.
Remarque 6.14 Le théorème précédent est, en général, faux si on remplace “Hilbert” par “Banach”.
Un exemple de non existence est donné à l’exercice 6.24 (et il est facile de trouver des exemples de non
unicité).
On donne maintenant deux caractérisations importantes de la projection. La première est valable pour
tout convexe fermé non vide alors que la deuxième ne concerne que les s.e.v. fermés.
Proposition 6.15 (Première caractérisation de la projection)

Soient H un espace de Hilbert (réel ou complexe) et C ⊂ H une partie convexe fermée non vide. Soient
x ∈ H et x0 ∈ C.
1. On suppose que H est un Hilbert réel. Alors :
x0 = PC x ⇔ (x − x0 /x0 − y) ≥ 0, pour tout y ∈ C. (6.22)
2. On suppose que H est un Hilbert complexe. Alors :
x0 = PC x ⇔ <(x − x0 /x0 − y) ≥ 0, pour tout y ∈ C. (6.23)
147
Démonstration :
Cas d’un Hilbert réel
• Sens (⇒)
On veut montrer que (x − x0 /x0 − y) ≥ 0, pour tout y ∈ C. Comme x0 = PC x, on a kx − x0 k2H ≤
kx − zk2H pour tout z ∈ C. Soit y ∈ C. On prend z = ty + (1 − t)x0 avec t ∈]0, 1]. Comme C est
convexe, on a z ∈ C et donc
kx − x0 k2H ≤ kx − zk2H = (x − x0 − t(y − x0 )/x − x0 − t(y − x0 ))

= kx − x0 k2H + t2 ky − x0 k2H − 2t(x − x0 /y − x0 ).
On en déduit
2t(x − x0 /y − x0 ) − t2 ky − x0 k2H ≤ 0.
On divise cette inégalité par t (on rappelle que t > 0) pour obtenir
2(x − x0 /y − x0 ) − tky − x0 k2H ≤ 0,
ce qui donne, en faisant tendre t vers 0 :
(x − x0 /x0 − y) ≥ 0.
• Sens (⇐)
On veut montrer que x0 = PC x, c’est-à-dire kx − x0 k2H ≤ kx − yk2H pour tout y ∈ C.
Soit y ∈ C, on a kx−yk2H = kx−x0 +x0 −yk2H = kx−x0 k2H +kx0 −yk2H +2(x−x0 /x0 −y) ≥ kx−x0 k2H
car kx0 − yk2H ≥ 0 et 2(x − x0 /x0 − y) ≥ 0.
Cas d’un Hilbert complexe

La démonstration est très voisine.
• Sens (⇒)
On veut montrer que <(x − x0 /x0 − y) ≥ 0, pour tout y ∈ C.
En reprenant les mêmes notations que dans le cas “Hilbert réel” et en suivant la même démarche,
on obtient :
kx − x0 k2H ≤ kx − zk2H = (x − x0 − t(y − x0 )/x − x0 − t(y − x0 ))
= kx − x0 k2H + t2 ky − x0 k2H − 2t<(x − x0 /y − x0 ).
On en déduit
2t<(x − x0 /y − x0 ) − t2 ky − x0 k2H ≤ 0.
On divise cette inégalité par t (on rappelle que t > 0) pour obtenir
2<(x − x0 /y − x0 ) − tky − x0 k2H ≤ 0,
ce qui donne, en faisant tendre t vers 0 :
<(x − x0 /x0 − y) ≥ 0.
148
• Sens (⇐)
On veut montrer que x0 = PC x, c’est-à-dire kx − x0 k2H ≤ kx − yk2H pour tout y ∈ C.
Soit y ∈ C, on a kx−yk2H = kx−x0 +x0 −yk2H = kx−x0 k2H +kx0 −yk2H +2<(x−x0 /x0 −y) ≥ kx−x0 k2H
car kx0 − yk2H ≥ 0 et 2<(x − x0 /x0 − y) ≥ 0.
Remarque 6.15 On prend comme espace de Hilbert réel H = L2R (E, T, m) (avec E 6= ∅) et on prend
C = {f ∈ H: f ≥ 0 p.p.}. On peut montrer que C est une partie convexe fermée non vide et que
PC f = f + pour tout f ∈ H. Ceci est fait dans l’exercice 6.23.
Un s.e.v. fermé est, en particulier, un convexe fermé non vide. On peut donc définir la projection sur un
s.e.v. fermé. On donne maintenant une caractérisation de la projection dans ce cas particulier.
Proposition 6.16 (Deuxième caractérisation de la projection)

Soient H un espace de Hilbert (réel ou complexe) et F un s.e.v. fermé de H. Soient x ∈ H et x0 ∈ F .
Alors :
x0 = PF x ⇔ (x − x0 ) ∈ F ⊥ . (6.24)
Démonstration :
Cas d’un Hilbert réel
• Sens (⇐)
On veut montrer que x0 = PF x. On utilise la première caractérisation. Soit y ∈ F . Comme
(x − x0 ) ∈ F ⊥ , on a (x − x0 /x0 − y) = 0 ≥ 0 (car x0 − y ∈ F ). Donc, la proposition 6.15 donne
x0 = PF x.
• Sens (⇒)
On veut montrer que (x − x0 ) ∈ F ⊥ . La première caractérisation (proposition 6.15) donne (x −
x0 /x0 − y) ≥ 0 pour tout y ∈ F . Soit z ∈ F . On choisit y = x0 + z ∈ F (car F est un s.e.v.) pour
obtenir (x − x0 /z) ≤ 0 et y = x0 − z ∈ F pour obtenir (x − x0 /z) ≥ 0. On en déduit (x − x0 /z) = 0.
Ce qui donne que (x − x0 ) ∈ F ⊥ .
Cas d’un Hilbert complexe

La démonstration est très voisine.
• Sens (⇐)
On veut montrer que x0 = PF x. Soit y ∈ F . Comme (x − x0 ) ∈ F ⊥ , on a (x − x0 /x0 − y) = 0 (car
x0 − y ∈ F ). On a donc <(x − x0 /x0 − y) = 0. Donc, la proposition 6.15 donne x0 = PF x.
• Sens (⇒)
On veut montrer que (x − x0 ) ∈ F ⊥ . La première caractérisation (proposition 6.15) donne <(x −
x0 /x0 − y) ≥ 0 pour tout y ∈ F . Soit z ∈ F . On choisit y = x0 − αz ∈ F (car F est un s.e.v.) avec
α = (x − x0 /z) pour obtenir <(x − x0 /αz) ≤ 0. Mais (x − x0 /αz) = α(x − x0 /z) = |(x − x0 /z)|2 .
Donc, 0 ≥ <(x − x0 /αz) = |(x − x0 /z)|2 . On en déduit (x − x0 /z) = 0. Ce qui donne que
(x − x0 ) ∈ F ⊥ .
149
Définition 6.10 (Projection orthogonale et projecteurs algébriques)
1. Soient H un espace de Hilbert (réel ou complexe) et F ⊂ H un s.e.v. fermé de H. L’opérateur PF

s’appelle “projecteur orthogonal sur F ”. Si u ∈ H, PF u s’appelle la projection orthogonale de u sur
F.
2. (Rappel algébrique) Soit E un e.v. sur K (K = R ou K = C). Soient F, G deux s.e.v. de E t.q.
E = F ⊕ G. Pour x ∈ E, il existe donc un et un seul couple (y, z) ∈ F × G t.q. x = y + z. On
pose y = P x et donc z = (I − P )x (où I est l’application identité). P et I − P sont les projecteurs
associés à la décomposition E = F ⊕ G. Ce sont des applications linéaires de E dans E. L’image
de P est égale à F et L’image de I − P est égale à G. Dans le prochain théorème, on va comparer
la projection orthogonale et des projecteurs algébriques particuliers.
Théorème 6.7
Soient H un espace de Hilbert (réel ou complexe) et F un s.e.v. fermé de H. Alors :
1. H = F ⊕ F ⊥ ,
2. PF (projecteur orthogonal sur F ) est égal au projecteur algébrique sur F associé à la décomposition
H = F ⊕ F ⊥.
3. F = F ⊥⊥ .
Démonstration : On rappelle que l’on a déjà vu que F ⊥ est un s.e.v. fermé.
1. Soit u ∈ H. On a u = (u − PF u) + PF u. La 2eme caractérisation (proposition 6.16) donne

(u − PF u) ∈ F ⊥ . Comme PF u ∈ F , on en déduit que H = F + F ⊥ .
Soit maintenant u ∈ F ∩F ⊥ . On doit donc avoir (u/u) = 0, ce qui donne u = 0 et donc F ∩F ⊥ = {0}.
On a donc H = F ⊕ F ⊥ .
2. Soit u ∈ H. Comme u = PF u + (u − PF u), avec PF u ∈ F et (u − PF u) ∈ F ⊥ , on voit que PF
est égal au projecteur algébrique sur F associé à la décomposition H = F ⊕ F ⊥ . (Noter aussi que
(I − PF ) est égal au projecteur algébrique sur F ⊥ associé à la décomposition H = F ⊕ F ⊥ .)
3. Il reste à montrer que F = F ⊥⊥ .

• On a déjà vu que F ⊂ F ⊥⊥ .
• Soit u ∈ F ⊥⊥ . On a u = (u − PF u) + PF u. La 2eme caractérisation (proposition 6.16) donne
(u − PF u) ∈ F ⊥ et on a aussi (u − PF u) ∈ F ⊥⊥ car u ∈ F ⊥⊥ et PF u ∈ F ⊂ F ⊥⊥ . On a donc
(u − PF u) ∈ F ⊥ ∩ F ⊥⊥ = {0}. Donc u = PF u ∈ F . On a donc montré que F ⊥⊥ ⊂ F .
Finalement, on a bien montré que F = F ⊥⊥ .
Le théorème 6.7 a un corollaire très utile :
150
Corollaire 6.1
Soient H un espace de Hilbert (réel ou complexe) et F un s.e.v. de H. Alors :
F = H ⇔ F ⊥ = {0}.
Démonstration : F est un s.e.v. fermé de H. Le théorème 6.7 donne donc H = F ⊕ (F )⊥ . On a déjà

vu que (F )⊥ = F ⊥ , on a donc
H = F ⊕ F ⊥,
d’où l’on déduit
F = H ⇔ F ⊥ = {0}.
6.2.3 Théorème de Représentation de Riesz

Remarque 6.16 On rappelle ici la définition 6.7 et la remarque 6.10. Soit H est un Banach réel ou
complexe. On note H 0 (ou L(H, K)) l’ensemble des applications linéaires continues de H dans K (avec
K = R pour un Banach réel et K = C pour un Banach complexe). On rappelle que H ? est l’ensemble
des applications linéaires de H dans K. On a donc H 0 ⊂ H ? . Si H est de dimension finie, on a H 0 = H ? ,
mais si H est de dimension infinie, on peut montrer que H 0 6= H ? .
1. Si T ∈ H ? , on rappelle que T est continue si seulement si il existe k ∈ R t.q. |T (u)| ≤ kkukH , pour
tout u ∈ H.
2. Si T ∈ H 0 , on pose kT kH 0 = supu∈H\{0} |T (u)| 0
kukH . On rappelle que k · kH est bien une norme sur H et
0
0
que H , muni de cette norme, est aussi un espace de Banach (sur K). Noter que ceci est aussi vrai
si H est un e.v.n. non complet. Noter aussi que, si T ∈ H 0 et u ∈ H, on a |T (u)| ≤ kT kH 0 kukH .
3. On suppose maintenant que H un espace de Hilbert (réel ou complexe). Pour v ∈ H, on pose
ϕv (u) = (u/v) pour tout u ∈ H. Grâce à l’inégalité de Cauchy-Schwarz ((6.14) ou (6.15)), on a
|ϕv (u)| ≤ kukH kvkH . On a donc ϕv ∈ H 0 et kϕv kH 0 ≤ kvkH . En remarquant que ϕv (v) = kvk2H ,
on montre alors que kϕv kH 0 = kvkH .
On considère maintenant l’application ϕ : H → H 0 définie par ϕ(v) = ϕv pour tout v ∈ H.
• Si K = R, ϕ est une application linéaire de H dans H 0 car, pour tout v, w ∈ H et tout α, β ∈ R,
ϕαv+βw (u) = (u/αv + βw) = α(u/v) + β(u/w) = αϕv (u) + βϕw (u), pour tout u ∈ H,
ce qui donne ϕαv+βw = αϕv + βϕw . L’application ϕ est donc une isométrie (linéaire) de H
sur Im(ϕ) ⊂ H 0 . (En particulier ϕ est donc injective.)
• Si K = C, ϕ est une application “anti-linéaire” de H dans H 0 car, pour tout v, w ∈ H et tout
α, β ∈ R,
ϕαv+βw (u) = (u/αv + βw) = α(u/v) + β(u/w) = αϕv (u) + βϕw (u), pour tout u ∈ H,
ce qui donne ϕαv+βw = αϕv + βϕw . L’application ϕ est donc une isométrie (anti-linéaire) de
H sur Im(ϕ) ⊂ H 0 . (En particulier ϕ est donc, ici aussi, injective.)
151
L’objectif du théorème de représentation de Riesz (théorème 6.8) est de montrer que l’application
ϕ est surjective, c’est-à-dire que Im(ϕ) = H 0 .
Théorème 6.8
Soit H un espace de Hilbert (réel ou complexe). Soit T ∈ H 0 . Alors, il existe un et un seul v ∈ H t.q.
T (u) = (u/v), pour tout u ∈ H. (6.25)
L’application ϕ définie dans la remarque 6.16 est donc surjective (le résultat ci dessus donne T = ϕv ).
Démonstration :
Existence de v
On pose F = Ker(T ). Comme T est linéaire et continue, F est un s.e.v. fermé de H. Le théorème 6.7
donne donc H = F ⊕ F ⊥ . On distingue deux cas :
• Cas 1. On suppose ici que T = 0. On a alors F = E et il suffit de prendre v = 0 pour avoir (6.25).
• Cas 2. On suppose maintenant que T 6= 0. On a donc F 6= H et donc F ⊥ 6= {0} (car H = F ⊕F ⊥ ).
Il existe donc v0 ∈ F ⊥ , v0 6= 0. Comme v0 6∈ F , on a T (v0 ) 6= 0.
Pour u ∈ H, on a alors
T (u) T (u)
u=u− v0 + v0 . (6.26)
T (v0 ) T (v0 )
T (u)
On remarque que u − T (v0 ) v0 ∈ F car
T (u) T (u)
T (u − v0 ) = T (u) − T (v0 ) = 0.
T (v0 ) T (v0 )
T (u)
Donc, comme v0 ∈ F ⊥ , (u − T (v0 ) v0 /v0 ) = 0 et (6.26) donne
T (u) T (u)
(u/v0 ) = ( v0 /v0 ) = (v0 /v0 ),
T (v0 ) T (v0 )
d’où l’on déduit
T (v0 )
T (u) = (u/v0 ).
(v0 /v0 )
T (v0 ) T (v0 )
On pose v = (v0 /v0 ) v0 si K = R et v = (v0 /v0 ) v0 si K = C. On a bien
T (u) = (u/v), pour tout u ∈ H,
c’est-à-dire T = ϕv (avec les notations de la remarque 6.16).
Dans les 2 cas on a bien trouvé v ∈ H vérifiant (6.25).
Unicité de v
Soit v1 , v2 ∈ H t.q. T = ϕv1 = ϕv2 (avec les notations de la remarque 6.16). Comme ϕ est linéaire (si
K = R) ou anti-linéaire (si K = C), on en déduit ϕv1 −v2 = ϕv1 − ϕv2 = 0. Comme ϕ est une isométrie,
on a donc v1 = v2 , ce qui donne la partie unicité du théorème.
152
Remarque 6.17 Soit H un espace de Hilbert (réel ou complexe). Soit T ∈ H ? \ H 0 . T est donc une
application linéaire de H dans K(= R ou C), non continue. On pose F = Ker(T ). La démonstration du
théorème 6.8 permet alors de montrer que F ⊥ = {0} et donc F = H (dans un Hilbert H, le noyau d’une
forme linéaire non continue est donc toujours dense dans H). En effet, on raisonne par l’absurde :
si F ⊥ 6= {0}, il existe v0 ∈ F ⊥ , v0 6= 0. le raisonnement fait pour démontrer le théorème 6.8 donne alors
T (u) = (u/v) pour tout u ∈ H, avec v = (vT0(v/v00)) v0 si K = R et v = T (v0 )
(v0 /v0 ) v0 si K = C. On en déduit que
T est continu, contrairement à l’hypothèse de départ.
⊥ ⊥
On a donc F ⊥ = {0} et donc F = F ⊥ = {0}. On en déduit, comme H = F ⊕ F (par le théorème 6.7,
car F est toujours un s.e.v. fermé), que H = F .
Remarque 6.18 (Structure hilbertienne de H 0 ) Soit H un espace de Hilbert (réel ou complexe).

On sait déjà que H 0 (avec la norme habituelle, voir la remarque 6.16) est un espace de Banach. Le
théorème 6.8 permet aussi de montrer que H 0 est un espace de Hilbert. En effet, en prenant les notations
de la remarque 6.16, l’application ϕ est un isométrie bijective, linéaire ou anti-linéaire de H dans H 0 .
Cela suffit pour montrer que l’identité du parallélogramme (identité (6.18)) est vraie sur H 0 et donc que
H 0 est une espace de Hilbert (voir la remarque (6.11)). Mais on peut même construire le produit scalaire
sur H 0 (induisant la norme usuelle de H 0 ) :
Soient T1 , T2 ∈ H 0 . Par le théorème 6.8, il existe v1 , v2 ∈ H t.q. T1 = ϕv1 et T2 = ϕv2 . On pose
(T1 /T2 )H 0 = (v2 /v1 )H (où (·/·)H désigne ici le produit scalaire dans H). Il est facile de voir que (·/·)H 0
est un produit scalaire sur H 0 . Il induit bien la norme usuelle de H 0 car (T1 /T1 )H 0 = (v1 /v1 )H = kv1 k2H =
kϕv1 k2H 0 = kT1 k2H 0 car ϕ est une isométrie.
6.2.4 Bases hilbertiennes

Soient E un e.v. sur K, K = R ou C, et B = {ei , i ∈ I} ⊂ E une famille d’éléments de E (l’ensemble I
est quelconque, il peut être fini, dénombrable ou non dénombrable). On rappelle que B = {ei , i ∈ I} ⊂ E
est une base (algébrique) de E si B vérifie les deux propriétés suivantes :
1. B est libre, c’est-à-dire :

P 
αi ei = 0, avec
i∈J 
J ⊂ I, card(J) < ∞, ⇒ αi = 0 pour tout i ∈ J,
αi ∈ K pour tout i ∈ J,

2. B est génératrice, c’est-à-dire

P que pour tout u ∈ E, il existe J ⊂ I, card(J) < ∞, et il existe
(αi )i∈J ⊂ K t.q. u = i∈J αi ei .
En notant vect{ei , i ∈ I} l’espace vectoriel engendré par la famille {ei , i ∈ I}, le fait que B soit génératrice
s’écrit donc : E = vect{ei , i ∈ I}.
On rappelle aussi que tout espace vectoriel admet des bases (algébriques). Cette propriété se démontre à
partir de l’axiome du choix.
Dans le cas d’un espace de Hilbert, on va définir maintenant une nouvelle notion de base : la notion de
base hilbertienne.
Définition 6.11 Soient H un espace de Hilbert sur K, K = R ou C, et B = {ei , i ∈ I} ⊂ H une famille

d’éléments de H (l’ensemble I est quelconque). La famille B est une base hilbertienne de H si elle vérifie
les deux propriétés suivantes :
153

1 si i = j,
1. (ei /ej ) = δi,j = pour tout i, j ∈ I.
0 si i 6= j,
P
2. vect{ei , i ∈ I} = H. On rappelle que vect{ei , i ∈ I} = { i∈J αi ei , J ⊂ I, card(J) < ∞, (αi )i∈J ⊂
K}.
Remarque 6.19 Soit H un espace de Hilbert sur K, K = R ou C.
1. Si H est de dimension finie, il existe des bases hilbertiennes (qui sont alors aussi des bases al-
gébriques). Le cardinal d’une base hilbertienne est alors égal à la dimension de H puisque, par
définition, la dimension de H est égal au cardinal d’une base algébrique (ce cardinal ne dépendant
pas de la base choisie). La démonstration de l’existence de bases hilbertiennes suit celle de la propo-
sition 6.17 (la récurrence dans la construction de la famille des en s’arrête pour n = dim(H) − 1,
voir la preuve de la proposition 6.17).
2. Si H est de dimension infinie et que H est séparable (voir la définition 6.12), il existe des bases
hilbertiennes dénombrables (voir la proposition 6.17).
3. Si H est de dimension infinie et que H est non séparable, il existe toujours des bases hilbertiennes
(ceci se démontre avec l’axiome du choix), mais elles ne sont plus dénombrables.
Définition 6.12 Soit E un e.v.n. sur K, K = R ou C. On dit que E est séparable si il existe A ⊂ E
t.q. A = E et A au plus dénombrable.
Proposition 6.17 Soit H un espace de Hilbert sur K, K = R ou C, de dimension infinie. On suppose

que H est séparable . Alors, il existe B = {ei , i ∈ N} ⊂ H , base hilbertienne de H.
Démonstration : Comme H est séparable, il existe une famille {fn , n ∈ N} ⊂ H dense dans H, c’est-
à-dire t.q. {fn , n ∈ N} = H.
On va construire, par une récurrence sur n, une famille {en , n ∈ N} t.q. :
1. (en /em ) = δn,m pour tout n, m ∈ N,
2. {f0 , . . . , fn } ⊂ vect{e0 , . . . , en } pour tout n ∈ N.
On aura alors trouvé une base hilbertienne car on aura fi ∈ vect{en , n ∈ N}, pour tout i ∈ N, et donc
H = {fn , n ∈ N} ⊂ {en , n ∈ N} ⊂ H, d’où H = {en , n ∈ N}. Avec la propriété (en /em ) = δn,m pour
tout n, m ∈ N, ceci donne bien que {en , n ∈ N} est une base hilbertienne de H.
On construit maintenant la famille {en , n ∈ N}.
Construction de e0
fϕ(0)
Soit ϕ(0) = min{i ∈ N; fi 6= 0} (les fi ne sont pas tous nuls car H 6= {0}). On prend e0 = kfϕ(0) k , de
sorte que (e0 /e0 ) = 1 et f0 ∈ vect{e0 } (car f0 = kf0 ke0 , même si ϕ(0) 6= 0).
Construction de en+1
Soit n ∈ N. On suppose construits e0 , . . . , en t.q.
• (ep /em ) = δp,m pour tout p, m ∈ {0, . . . , n},

• {f0 , . . . , fp } ⊂ vect{e0 , . . . , ep } pour tout p ∈ {0, . . . , n}.
154
(Ce qui est vérifié pour n = 0 grâce à la construction de e0 .)
On construit maintenant en+1 t.q. les deux assertions précédentes soient encore vraies avec n + 1 au lieu
de n.
Un sous espace vectoriel de dimension finie est toujours fermé, donc vect{e0 , . . . , en } = vect{e0 , . . . , en }.
Si fi ∈ vect{e0 , . . . , en } pour tout i ∈ N, on a alors {fi , i ∈ N} ⊂ vect{e0 , . . . , en } et donc H =
vect{fi , i ∈ N} ⊂ vect{e0 , . . . , en } = vect{e0 , . . . , en }. Ce qui prouve que H est de dimension finie (et
dim(H) = n + 1). Comme H est de dimension infinie, il existe donc i ∈ N t.q. fi 6∈ vect{e0 , . . . , en }
(dans le cas où H est dimension finie, la construction de la famille des en s’arrête pour n = dim(H) − 1
et on obtient une base hilbertienne avec {e0 , . . . , en }). On pose alors ϕ(n + 1) = min{i Pn ∈ N; fi 6∈
vect{e0 , . . . , en }}. On a donc, en particulier, ϕ(n+1) ≥ n+1. En prenant ẽn+1 = fϕ(n+1) − i=0 αi ei avec
αi = (fϕ(n+1) /ei ) pour tout i ∈ {0, . . . , n}, on remarque que ẽn+1 6= 0 (car fϕ(n+1) 6∈ vect{e0 , . . . , en })
et que (ẽn+1 /ei ) = 0 pour tout i ∈ {0, . . . , n}. Il suffit alors de prendre en+1 = kẽẽn+1 n+1
k pour avoir
(ep /em ) = δp,m pour tout Pnp, m ∈ {0, . . . , n + 1}. Enfin, il est clair que f n+1 ∈ vect{e0 , . . . , en+1 } car on
a fn+1 = kẽn+1 ken+1 + i=0 αi ei ∈ vect{e0 , . . . , en+1 } si ϕ(n + 1) = n + 1 et fn+1 ∈ vect{e0 , . . . , en } si
ϕ(n + 1) > n + 1.
On a donc bien trouvé en+1 t.q.
• (ep /em ) = δp,m pour tout p, m ∈ {0, . . . , n + 1},
• {f0 , . . . , fp } ⊂ vect{e0 , . . . , ep } pour tout p ∈ {0, . . . , n + 1}.

Ce qui conclut la construction de la famille {en , n ∈ N} vérifiant les deux assertions demandées. Comme
cela a déjà été dit, la famille {en , n ∈ N} est alors une base hilbertienne de H.
La proposition 6.17 montre donc que tout espace de Hilbert séparable, et de dimension infinie, admet une
base hilbertienne dénombrable. On peut aussi démontrer la réciproque de ce résultat, c’est-à-dire que
tout espace de Hilbert admettant une base hilbertienne dénombrable est séparable et de dimension infinie
(cf. exercice 6.22). La proposition suivante s’adresse donc uniquement aux espaces de Hilbert séparables.
Proposition 6.18 Soient H un espace de Hilbert sur K, K = R ou C. et {en , n ∈ N} une base

hilbertienne de H (l’espace H est donc séparable et de dimension infinie (cf. exercice 6.22) et, dans ce
cas, une telle base existe d’après la proposition 6.17). Alors :
1. (Identité de Bessel) kuk2 = n∈N |(u/en )|2 , pour tout u ∈ H,
P
P Pn
2. u = n∈N (u/en )en , pour tout u ∈ H, c’est-à-dire i=0 (u/ei )ei → u dans H, quand n → ∞,
P Pn
3. soient u ∈ H et (αn )n∈N ⊂ K t.q. u = n∈N αn en (c’est-à-dire i=0 αi ei → u dans H quand
n → ∞), alors αi = (u/ei ) pour tout i ∈ N,
P
4. (identité de Parseval) (u/v) = n∈N (u/en )(v/en ), pour tout u, v ∈ H.
Démonstration : Pour n ∈ N, on pose Fn = vect{e0 , . . . , en }. Fn est donc un s.e.v. fermé de H (on a

dim(Fn ) = n + 1 et on rappelle qu’un espace de dimension finie est toujours complet, Fn est donc fermé
dans H).
On remarque que Fn ⊂ Fn+1 pour tout n ∈ N, que ∪n∈N Fn = vect{ei , i ∈ N} et donc que ∪n∈N Fn = H
(car {ei , i ∈ N} est une base hilbertienne de H).
Soit u ∈ H. La suite (d(u, Fn ))n∈N est décroissante (car Fn ⊂ Fn+1 ), on a donc d(u, Fn ) ↓ l quand
n → ∞, avec l ≥ 0. On va montrer que l = 0. En effet, pour tout ε > 0, il existe v ∈ ∪n∈N Fn t.q.
155
d(v, u) ≤ ε (car ∪n∈N Fn = H). Il existe donc n ∈ N t.q. v ∈ Fn . On a alors d(u, Fn ) ≤ ε, ce qui prouve
que l ≤ ε. Comme ε > 0 est arbitraire, on a bien montré que l = 0.
On utilise maintenant le théorème d’existence et d’unicité de la projection sur un convexe fermé non vide
(théorème 6.6). Il donne l’existence (et l’unicité) de un = PFn u ∈ Fn t.q. d(un , u) = d(u, Fn ), pour tout
n ∈ N. On a alors u = (u−un )+un et la deuxième caractérisation de la projection (proposition 6.16) donne
que (u − un ) ∈ Fn⊥ . Le théorème de Pythagore (théorème 6.5) donne enfin que kuk2 = kun k2 + ku − un k2 .
Comme ku − un k = d(u, un ) = d(u, Fn ) ↓ 0 quand n → ∞, on en déduit que
kun k2 → 0, quand n → ∞. (6.27)

Pn
Soit n ∈ N. Comme un ∈ Fn = vect{e0 , . . . , en }, on a un = i=0 αi ei avec αi = (un /ei ) pour tout
i ∈ {0, . . . , n} (car (ei /ej ) = δi,j pour tout i, j). Puis, comme (u − un ) ∈ Fn⊥ , on a (u − un /ei ) = 0 pour
tout iP ∈ {0, . . . , n}, d’où l’on déduit que αi = (u/ei ) pour tout i ∈ {0, . . . , n}.
Pn On a donc montré que
n
un = i=0 (u/ei )ei . Ce qui, avec le théorème de Pythagore, donne kun k2 = i=0 |(u/ei )|2 . On obtient
donc, avec (6.27) le premier item de la proposition, c’est-à-dire l’identité de Bessel.
On montre maintenant le deuxième item de la proposition. En reprenant les notations précédentes, on

a, pour u ∈ H, u = (u − un ) + un et (u − un ) → 0 dans H quand n → ∞ (car ku − un k = d(u, Fn )). On
a donc unP → u dans H quand n → ∞. Ceci donne bien le deuxième item de la proposition car on a vu
n
que un = i=0 (u/ei )ei .
Pn
Pour montrer le troisième item de la proposition, on suppose Pnque (αi )i∈N ⊂ PK est t.q.
n
i=0 αi ei → u
dans H quand n → ∞. Soit j ∈ N. On remarque que ( i=0 αi ei /ej ) = i=0 i i j = αj pour
α (e /e )
n ≥ j. En utilisant la continuité du produit scalaire par rapport à son premier argument (ce qui est une
conséquence simple de l’inégalité de Cauchy-Schwarz), on en déduit (faisant n → ∞) que (u/ej ) = αj .
Ce qui prouve bien le troisième item de la proposition.
Enfin, pour montrer l’identité de Parseval, on utilise la continuité du produit scalaire par rapport à ses
deux arguments (ce qui est aussi une conséquence de l’inégalité de Cauchy-Schwarz), c’est-à-dire le fait
que
un → u dans H, quand n → ∞,
⇒ (un /vn ) → (u/v) quand n → ∞. (6.28)
vn → v dans H, quand n → ∞,
Pn Pn
Pour u, v ∈ H, on utilise (6.28) avec un = i=0 (u/ei )ei et vn = i=0 (v/ei )ei . On a bien un → u et vn →
Pn Pn
v (d’après le deuxième item) et on conclut en remarquant que (un /vn ) = i=0 j=0 (u/ei )(v/ej )(ei /ej ) =
Pn
i=0 (u/ei )(v/ei ).
Remarque 6.20 Soit H un espace de Hilbert sur K, K = R ou C, séparable et de dimension infinie.
1. Soit {en , n ∈ N} une base hilbertienne de H et soit ϕ : N → N bijective. On pose ẽn = eϕ(n) .
Comme {en , n ∈ N} = {ẽn , n ∈ N}, la famille {ẽn , n ∈ N} est donc aussi une base hilbertienne de
H. On peut donc appliquer la proposition 6.18 avec la famille {en , n ∈ N} ou avec la famille {ẽn ,
n ∈ N}. Le deuxième item de la proposition 6.18 donne alors, pour tout u ∈ H,
X X
u= (u/en )en = (u/eϕ(n) )eϕ(n) .
n∈N n∈N
156
P
Ceci montre que la série n∈N (u/en )en est “commutativement convergente” (c’est-à-dire qu’elle
est convergente, dans H, quel que soit l’ordre dans lequel on prend les termes de la série et la
somme de la série ne dépend pas de l’ordre dans lequel les termes ont été pris). Noter pourtant
que cette série peut ne Ppas être absolument convergente. On peut remarquer, pour donner un
n 1
exemple, que la suite ( i=0 i+1 ei )n∈N ⊂ H est de Cauchy, donc converge, dans H, quand n → ∞,
1
vers un certain u. Pour cet élément u de H, on a (u/ei ) = i+1
P pour tout i ∈ N. La série
n∈N (u/en )e n est donc commutativement convergente mais n’est pas absolument convergente car
1
P P
n∈N k(u/en )en k = n∈N n+1 = ∞ (voir à ce propos le corrigé 107). L’exercice 6.32 complète cet
exemple en construisant une isométrie bijective naturelle entre H et l2 .
Par contre, on rappelle que, dans R ou C, une série est commutativement convergente si et seulement
si elle est absolument convergente (voir l’exercice 2.29). On peut d’ailleurs remarquer que la série
donnée à l’item 4 de la proposition 6.18 est commutativement convergente (pour la même raison
que pour la série de l’item 2, donnée ci dessus) et est aussi absolument convergente. En effet, pour
2 2
u, v ∈ H, on a |(u/ei )(v/ei )| ≤ |(u/e
P i )| + |(v/ei )| pour tout i ∈ N, ce qui montre bien (grâce à
l’identité de Bessel) que la série n∈N (u/en )(v/en ) est absolument convergente (dans K).
2. Soit I un ensemble dénombrable (un exemple intéressant pour la suite est I = Z) et {ei , i ∈ I} ⊂ H.
Soit ϕ : N → I bijective. On pose, pour n ∈ N, ẽn = eϕ(n) . On a alors {ei , i ∈ I} = {ẽn , n ∈ N}.
La famille {ei , i ∈ I} est donc une base hilbertienne si et seulement si la famille {ẽn , n ∈ N} est
une base hilbertienne.
Si la famille {ei , i ∈ I} est une base hilbertienne, on peut donc appliquer la proposition 6.18 avec
la famille {ẽn , n ∈ N}. On obtient, par exemple, que pour tout u ∈ H :
X
u= (u/eϕ(n) )eϕ(n) .
n∈N
P
La somme de la série n∈N (u/eϕ(n) )eϕ(n) ne dépend P donc pas du choix de la bijection ϕ entre N
et I et il est alors légitime de la noter simplement i∈I (u/ei )ei . Ceci est détaillé dans la définition
6.13 et permet d’énoncer la proposition 6.19.
Définition 6.13 Soient H un espace

P de Hilbert (réel ou complexe) et I un ensemble dénombrable. Soit
(ui )i∈I ⊂ H. On dit que la série i∈I ui est commutativement convergente si il existe u ∈ H t.q., pour
tout ϕ : N → I bijective, on ait :
n
X
uϕ(p) → u, quand n → ∞.
p=0
P
On note alors u = i∈I ui .
Proposition 6.19 Soit H un espace de Hilbert sur K, K = R ou C. Soient I dénombrable et {ei , i ∈ I}

une base hilbertienne de H (l’espace H est donc séparable et de dimension infinie). Alors :
1. (IdentitéPde Bessel) Pour tout u ∈ H, la série i∈I |(u/ei )|2 est commutativement convergente et
P
kuk2 = i∈I |(u/ei )|2 ,
P P
2. Pour tout u ∈ H, la série i∈I (u/ei )ei est commutativement convergente et u = i∈I (u/ei )ei ,
157
P
3. soient
P u ∈ H et (αn )n∈N ⊂ K t.q. la série i∈I αi ei est commutativement convergente et u =
i∈I i ei , alors αi = (u/ei ) pour tout i ∈ I,
α
P
4. (identité de Parseval) Pour tout u, v ∈ H, la série i∈I (u/ei )(v/ei ) est commutativement conver-
P
gente et (u/v) = i∈I (u/ei )(v/ei )
Démonstration : La démonstration est immédiate à partir de la proposition 6.18 et de la définition des

séries commutativement convergentes (définition 6.13). Il suffit de remarquer que {eϕ(n) , n ∈ N} est une
base hilbertienne de H pour toute application ϕ : N → I bijective (et d’appliquer la proposition 6.18),
comme cela est indiqué dans la remarque 6.20 (deuxième item).
La proposition suivante donne une caractérisation très utile des bases hilbertiennes.
Proposition 6.20 (Caractérisation des bases hilbertiennes)

Soit H un espace de Hilbert réel ou complexe. Soit {ei , i ∈ I} ⊂ H t.q. (ei /ej ) = δi,j pour tout i, j ∈ I.
Alors, {ei , i ∈ I} est une base hilbertienne si et seulement si :
u ∈ H, (u/ei ) = 0 ∀i ∈ I ⇒ u = 0.
Démonstration : On pose F = vect{ei , i ∈ I}. F est s.e.v. de H.

On sait que {ei , i ∈ I} est une base hilbertienne si et seulement si F = H. Or, on a déjà vu (proposition
6.1) que F = H ⇔ F ⊥ = {0}. Donc, {ei , i ∈ I} est une base hilbertienne si et seulement si
u ∈ H, u ∈ F ⊥ ⇒ u = 0.
Comme u ∈ F ⊥ si et seulement si (u/ei ) = 0 pour tout i ∈ I, on en déduit que {ei , i ∈ I} est une base
hilbertienne si et seulement si
u ∈ H, (u/ei ) = 0 ∀i ∈ I ⇒ u = 0.
On donne maintenant un exemple de base hilbertienne, cet exemple donne un résultat de convergence de
la série de Fourier d’une fonction périodique de R dans C.
Pour cet exemple, on prend H = L2C (]0, 2π[, B(]0, 2π[), λ), où λ désigne la mesure de Lebesgue sur
B(]0, 2π[). On rappelle que H est un espace de Hilbert complexe et que le produit scalaire sur H est
R R 2π
donné par (f /g)2 = f gdλ = 0 f (x)g(x)dx pour f, g ∈ H.
Pour n ∈ Z, on définit en ∈ H par (en confondant en avec son représentant continu) :
1
en (x) = √ exp(inx), x ∈]0, 2π[. (6.29)
2π
La convergence dans H de la série de Fourier de f ∈ H est alors donnée par la proposition suivante
(noter que cette proposition ne donne pas de convergence ponctuelle de la série de Fourier, même si f est
continue).
Proposition 6.21 (Séries de Fourier) Soit H = L2C (]0, 2π[, B(]0, 2π[), λ). Alors :
1. La famille {en , n ∈ Z}, où en est donnée par (6.29), est une base hilbertienne de H.
158
P
2. Pour tout f ∈ H, la série n∈Z (f /en )2 enest commutativement convergente et
X
f= (f /en )2 en .
n∈Z
En particulier, on a
Z 2π n
X
|f (x) − (f /ep )2 ep (x)|2 dx → 0, quand n → ∞.
0 p=−n
Démonstration : Pour démontrer que {en , n ∈ Z} est une base hilbertienne, on utilise la proposition
6.20. Il suffit donc de montrer :
1. (en /em )2 = δn,m pour tout n, m ∈ Z,
2. f ∈ H, (f /en )2 = 0 ∀n ∈ Z ⇒ f = 0.
R 2π 1
L’assertion 1 est immédiate car (en /em )2 = 0 2π exp(i(n − m)x)dx. Ce qui donne bien 0 si n 6= m et 1
si n = m.
Pour montrer l’assertion 2, soit f ∈ H t.q. (f /en )2 = 0 pour tout n ∈ Z. On va montrer que f = 0
(c’est-à-dire f = 0 p.p.) en raisonnant en plusieurs étapes.
Etape 1. On note P = vect{en , n ∈ Z} (P est donc l’ensemble des polynômes trigonométriques). Par
antilinéarité du produit scalaire de H par rapport à son deuxième argument, on a (f /g) = 0 pour tout
g ∈ P.
Etape 2. On note Cp = {g ∈ C([0, 2π], C); g(0) = g(2π)}. On peut montrer que P est dense dans
Cp pour la norme de la convergence uniforme (définie par kgku = max{g(x), x ∈ [0, 2π]}). On admet
ce résultat ici (c’est une conséquence du théorème de Stone-Weierstrass). Soit g ∈ Cp , il existe donc
(gn )n∈N ∈ P t.q. gn → g uniformément sur [0, 2π]. On a donc kgn − gku = kgn − gk∞ → 0 quand n → ∞.
Comme √ λ([0, 2π]) < ∞, on en déduit que kgn − gk2 → 0 quand n → ∞. (Plus précisément, on a ici
k · k2 ≤ 2πk · k∞ ). Comme (f /gn )2 = 0 pour tout n ∈ N (par l’étape 1), on en déduit (avec l’inégalité
de Cauchy-Schwarz) que (f /g)2 = 0. On a donc (f /g)2 = 0 pour tout g ∈ Cp .
Etape 3. Soit g ∈ C([0, 2π], C). Pour n ∈ N? on définit gn par :
gn (x) = g(x), si x ∈ [ n1 , 2π],
gn (x) = g(2π) + (g( n1 ) − g(2π))(nx), si x ∈ [0, n1 [,
de sorte que gn ∈ Cp (noter que gn est affine entre 0 et n1 et vérifie gn (0) = g(2π) et gn ( n1 ) = g( n1 )).
Par l’étape 2, on a (f /gn )2 = 0 pour tout n ∈ N? . D’autre part, le théorème de convergence dominée
dans Lp donne que gn → g dans H quand n → ∞ (noter en effet que gn → g p.p. et que gn ≤ kgk∞ ∈ H,
pour tout n ∈ N? ). On en déduit donc que (f /g)2 = 0. On a donc (f /g)2 = 0 pour tout g ∈ C([0, 2π], C).
Etape 4. On prend maintenant g ∈ H = L2C (]0, 2π[, B(]0, 2π[), λ). On définit g̃ de R dans C par g̃ = g sur
[0, 2π] et g̃ = 0 sur R \ [0, 2π]. On obtient ainsi g ∈ L2C (R, B(R), λ) (On a, comme d’habitude, confondu
un élément de L2 avec l’un de ses représentants; et λ désigne maintenant la mesure de Lebesgue sur
B(R)). On montre dans l’exercice (corrigé) 6.4 que Cc (R, R) est dense dans L2R (R, B(R), λ). On en déduit
facilement que Cc (R, C) est dense dans L2C (R, B(R), λ). Il existe donc (hn )n∈N ⊂ Cc (R, C) t.q. hn → g̃
dans L2C (R, B(R), λ), quand n → ∞. On en déduit que
Z 2π Z
|hn (x) − g(x)|2 dx ≤ |hn (x) − g̃(x)|2 dx → 0, quand n → ∞.
0 R
159
En posant gn = (hn )|[0,2π] , on a donc gn ∈ C([0, 2π], C) et gn → g dans H, quand n → ∞. Comme l’étape
3 donne (f /gn )2 = 0 pour tout n ∈ N, on en déduit que (f /g)2 = 0.
Pour conclure, il suffit maintenant de prendre g = f . On obtient (f /f )2 = 0 et donc f = 0 p.p..
On a bien ainsi montré (grâce à la proposition 6.20) que {en , n ∈ Z} est une base hilbertienne de H.
On montre maintenant le deuxième item de la proposition.

P
Soit f ∈ H. La proposition 6.19 donne que la série n∈Z (f /en )2 en est commutativement convergente et
que X
f= (f /en )2 en .
n∈Z
N dans Z donnée par ϕ(0) = 0, et, pour n ≥ 1, ϕ(2n−1) =

En utilisant la définition 6.13 et la bijection deP
m
n, ϕ(2n) = −n, on a donc, en particulier, i=0 (f /eϕ(m) )2 eϕ(m) → f, dans H, quand m → ∞. en
prenant m = 2n, ceci donne exactement
Z 2π n
X
|f (x) − (f /ep )ep (x)|2 dx → 0, quand n → ∞.
0 p=−n
6.3 Dualité dans les espaces Lp , 1 ≤ p ≤ ∞

6.3.1 Dualité pour p = 2
Soit (E, T, m) un espace mesuré. On note H = L2K (E, T, m), avec K = R ou C.
Soit f ∈ L2K (E, T, m). On note ϕf : H → K, l’application définie par ϕf (g) = (g/f )2 . On a déjà vu
(remarque 6.10) que ϕf ∈ H 0 (dual topologique de H). On remarque aussi que kϕf kH 0 = kf kH = kf k2 .
En effet |ϕf (g)| ≤ kf kH kgkH (par l’inégalité de Cauchy-Schwarz) et |ϕf (f )| ≤ kf k2H . Donc :
|ϕf (g)|
kϕf kH 0 = sup{ , g ∈ H \ {0}} = kf kH .
kgkH
Le théorème de représentation de Riesz (théorème 6.8 page 152) appliqué à l’espace de Hilbert H =
L2K (E, T, m) donne que pour tout T ∈ H 0 , il existe un et un seul f ∈ H t.q. T (g) = (g/f )2 pour tout
g ∈ H, c’est-à-dire un et un seul f ∈ H t.q. T = ϕf .
L’application ϕ : f 7→ ϕf est donc une isométrie bijective de L2K (E, T, m) sur L2K (E, T, m). (Noter que
ϕ est linéaire si K = R et antilinéaire si K = C.)
Cette situation est spécifique au cas p = 2. Nous examinons ci-après le cas général 1 ≤ p ≤ ∞.
6.3.2 Dualité pour 1 ≤ p ≤ ∞

p
Soit (E, T, m) un espace mesuré. Soit p ∈ [1, +∞], on pose q = p−1 ∈ [1, +∞] (de sorte que p1 + 1q = 1, q
s’appelle le conjugué de p). Dans toute cette section, on note LrK = LrK (E, T, m), avec K = R ou C (et
r ∈ [1, ∞]).
On cherche à caractériser le dual de LpK , de manière semblable à ce qui a été fait à la section précédente
dans le cas p = 2.
160
Soit f ∈ LqK , on considère l’application :
 Z

 gf dm si K = R,
ϕf : g 7→ Z (6.30)

 gf dm si K = C.
L’inégalité de Hölder (proposition 6.9) montre que ϕf (g) est bien définie si g ∈ LpK et que ϕf ∈ (LpK )0
(dual topologique de LpK ). On peut aussi obtenir un majorant de la norme de ϕf car l’inégalité de Hölder
donne
|ϕf (g)| ≤ kf kq kgkp , pour tout g ∈ LpK ,
d’où l’on déduit que
|ϕf (g)|
kϕf k(LpK )0 = sup{ , g ∈ LpK \ {0}} ≤ kf kq . (6.31)
kgkp
On définit donc une application ϕ : f 7→ ϕf de LqK dans (LpK )0 . La définition de ϕf (formule (6.30))
montre que cette application est linéaire dans le cas K = R et antilinéaire dans le cas K = C. Elle est
toujours continue, grâce à (6.31). On montre maintenant que c’est, en général, une isométrie.
Proposition 6.22
p
Soit (E, T, m) un espace mesuré. Soient p ∈ [1, +∞] et q = p−1 . Si p = 1, la mesure m est supposée
de plus σ-finie. L’application ϕ : f 7→ ϕf , où ϕf est définie par (6.30) est une application de LqK dans
(LpK )0 , linéaire dans le cas K = R et antilinéaire dans le cas K = C. De plus , c’est une isométrie,
c’est-à-dire que kϕf k(LpK )0 = kf kq pour tout f ∈ LqK . (L’application ϕ est donc nécessairement injective,
mais pas forcément surjective.)
Démonstration : on sait déjà que ϕ est une application de LqK dans (LpK )0 , linéaire dans le cas K = R
et antilinéaire dans le cas K = C. On sait aussi que kϕf k(LpK )0 ≤ kf kq pour tout f ∈ LqK (voir (6.31)).
Pour terminer la démonstration de cette proposition, Il suffit donc de montrer que, pour tout f ∈ LqK ,
kϕf k(LpK )0 ≥ kf kq . (6.32)
On se limite au cas K = R (les adaptations pour traiter le cas K = C sont faciles à deviner).
Soit f ∈ LqR . On suppose f 6= 0 (sinon (6.32) est immédiat). On confond f avec l’un de ses représentants,
|ϕf (g)|
de sorte que f ∈ Lq = LqR (E, T, m). Pour montrer 6.32, on va chercher g ∈ LpK \ {0} t.q. kgk p
= kf kq .
On distingue maintenant trois cas.
Cas 1 : 1 0 et (par exemple)
sign(0) = 0. La fonction g est mesurable (comme composée d’applications mesurables) et on a (en notant
q
que p = q−1 ):
Z Z Z
q
p q−1 q−1
|g| dm = (|f | ) dm = |f |q dm < ∞.
q
Donc, g ∈ LpR (plus précisément, g ∈ LpR ) et kgkp = kf kqp 6= 0. Pour ce choix de g, on a donc
|ϕf (g)|
Z
1 1 q
= q f gdm = q kf kq = kf kq ,
kgkp kf kqp p
kf kq
161
car q − pq = 1.
On en déduit que
|ϕf (h)| |ϕf (g)|
kϕf k(LpK )0 = sup{ , h ∈ LpK \ {0}} ≥ = kf kq ,
khkp kgkp
ce qui donne (6.32).
Cas 2 : p = ∞. On a, dans ce cas, q = 1. On prend, comme pour le premier cas, g = sign(f ). On a ici
g ∈ L∞ 1 1
R et kgk∞ = 1 (car m(E) 6= 0, sinon LR = {0} et il n’y a pas de f ∈ LR , f 6= 0). Pour ce choix de
|ϕf (g)|
g, on a ϕf (g) = kf k1 , donc kgk∞ = kf k1 et, comme dans le premier cas, ceci donne (6.32).
Cas 3 : p = 1. On a, dans ce cas, q = ∞. Ce cas est un peu plus délicat que les précédents. On ne peut
|ϕf (g)|
pas toujours trouver g ∈ L1K \ {0} t.q. kgk 1
= kf k∞ . En utilisant le caractère σ-fini de m, on va, pour
|ϕf (gn )|
tout n ∈ N? , trouver gn ∈ L1K \ {0} t.q. kgk1 ≥ kf k∞ − n1 . Ce qui permet aussi de montrer (6.32).
Soit n ∈ N? . On pose αn = kf k∞ − n1 et An = {|f | ≥ αn }. On a m(An ) > 0 (car m(An ) = 0 donnerait

kf k∞ ≤ αn ).
Si m(An ) < ∞, on peut prendre gn = sign(f )1An qui est mesurable (car sign(f ) et 1RAn sont mesurables) et
intégrable car m(An ) < ∞. On a alors gn ∈ L1R \{0}, kgn k1 = m(An ) et ϕf (gn ) = An |f |dm ≥ αn m(An ).
Donc :
|ϕf (gn )| 1
kϕf k(L1K )0 ≥ ≥ αn = kf k∞ − .
kgn k1 n
En faisant tendre n vers l’infini, on en déduit (6.32).
Si m(An ) = ∞, le choix de gn = sign(f )1An ne convient pas car sign(f )1An 6∈ L1R . On utilise alors le fait
que m est σ-finie. Comme m est σ-finie, il existe une suite (Ep )p∈N ⊂ T t.q. m(Ep ) < ∞, Ep ⊂ Ep+1 ,
pour tout p ∈ N, et E = ∪p∈N Ep . Par continuité croissante de m, on a donc m(An ∩ Ep ) ↑ m(An )
quand p → ∞. Comme m(An ) > 0 il existe donc p ∈ N (dépendant de n, on ne note pas cette
1
dépendance) t.q. m(An ∩ Ep ) > 0. On prend alors R gn = sign(f )1An ∩Ep . On a bien alors gn ∈ LR \ {0},
kgn k1 = m(An ∩ Ep ) ≤ m(Ep ) < ∞ et ϕf (gn ) = An ∩Ep |f |dm ≥ αn m(An ∩ Ep ). Donc :
|ϕf (gn )| 1
kϕf k(L1K )0 ≥ ≥ αn = kf k∞ − .
kgn k1 n
En faisant tendre n vers l’infini, on en déduit (6.32). ce qui conclut la preuve de la proposition.
La proposition 6.22 montre que l’application ϕ : f 7→ ϕf , où ϕf est définie par (6.30) est une application
de LqK dans (LpK )0 , linéaire dans le cas K = R et antilinéaire dans le cas K = C. De plus, c’est une
isométrie, c’est-à-dire que kϕf k(LpK )0 = kf kq pour tout f ∈ LqK . Comme cela a déjà été dit, l’application
ϕ est donc nécessairement injective car ϕf = ϕh implique ϕf −h = 0 et donc kf − hkq = kϕf −h k(LpK )0 = 0,
ce qui donne f = h p.p.. Mais l’application ϕ n’est pas forcément surjective. On sait qu’elle est surjective
si p = 2 (c’était l’objet de la section précédente). Le théorème suivant montre qu’elle est surjective si m
est σ-finie et p ∈ [1, +∞[ (de sorte qu’on identifie souvent, dans ce cas, (LpK )0 à LqK ).
p
Théorème 6.9 (Dualité Lp − Lq ) Soient (E, T, m) un espace mesuré σ-fini, 1 ≤ p < +∞, q = p−1 et
T ∈ (LpK )0 . Alors, il existe un unique f ∈ LqK t.q.
 Z

 gf dm si K = R,
T (g) = Z

 gf dm si K = C,
162
c’est-à-dire t.q. T = ϕf donné par (6.30) (on a donc montré la surjectivité de l’application ϕ : LqK →
(LpK )0 définie par ϕ(f ) = ϕf pour f ∈ LqK ).
Remarque 6.21 (Dual de L∞ ) Noter que le théorème précédent est, en général, faux pour p = ∞.
L’application ϕ : f 7→ ϕf , où ϕf est donnée par (6.30) est donc une isométrie (linéaire ou antilinéaire,
selon que K = R ou C) de L1K dans (L∞ 0
K ) mais l’image de ϕ est, sauf cas très particuliers, différente de
(LK ) . L’application ϕ ne permet donc pas d’identifier le dual de L∞
∞ 0 1
K à LK .
Démonstration du théorème 6.9:

La démonstration de ce théorème est faite dans l’exercice 6.38. Elle consiste essentiellement à se ramener
directement à appliquer le théorème de représentation de Riesz (théorème 6.8) dans un espace L2 appro-
prié.
Une autre démonstration, probablement plus classique, consiste à appliquer le théorème de Radon-
Nikodym, qui lui-même se démontre en se ramenant au théorème de représentation de Riesz. Cette
démonstration est donnée, dans un cas particulier, dans l’exercice 6.35. Nous verrons le théorème de
Radon-Nikodym dans la section suivante, voir les théorèmes 6.10 et 6.11.
Enfin, on propose dans l’exercice 6.37 une autre démonstration de ce théorème dans le cas p < 2 (utilisant
toujours le théorème de représentation de Riesz).
Une conséquence intéressante du théorème de dualité (théorème 6.9) est le caractère réflexif des espaces
Lp pour 1 < p < ∞, ce que l’on détaille maintenant.
Soit F un espace de Banach réel (mais il est possible de traiter aussi les Banach complexes). On note F 0
le dual (topologique) de F et F 00 le dual (topologique) de F 0 . On dit aussi que F 00 est le bidual de F .
Pour u ∈ F , on définit Ju : F 0 → R par
Ju (T ) = T (u) pour tout T ∈ F 0 . (6.33)
Il est facile de voir que Ju ∈ F 00 et kJu kF 00 ≤ kukF . On peut en fait montrer que kJu kF 00 = kukF (c’est
une conséquence du théorème de Hahn-Banach, non démontré ici). Comme l’application J : u 7→ Ju est
linéaire, c’est donc une isométrie linéaire de F dans F 00 . Il est alors immédiat que J est injective. On
l’appelle “’injection canonique” de F dans F 00 . Par contre, J n’est pas toujours surjective.
Définition 6.14 Soit F un espace de Banach, F 0 son dual (topologique) et F 00 son bidual (c’est-à-dire
le dual topologique de F 0 ). Pour u ∈ F , on définit Ju ∈ F 00 par (6.33). On dit que l’espace F est réflexif
si l’application J : u 7→ Ju (de F dans F 00 ) est surjective (l’application J est toujours injective).
Un espace de Hilbert H est toujours réflexif car l’application J est alors simplement la composée des deux
bijections de H dans H 0 et de H 0 dans H 00 données par le théorème de représentation de Riesz (Théorème
6.8). Ce qui montre que J est surjective. L’espace L2R (E, T, m) est donc réflexif. Plus généralement, une
conséquence directe du théorème 6.9 est que les espaces Lp , sont réflexifs pour p ∈]1, +∞[.
Proposition 6.23 Soient (E, T, m) un espace mesuré et 1 < p < +∞. Alors, l’espace LpR (E, T, m) est
réflexif.
Démonstration : On pose q = p
p−1 , Lp = LpR (E, T, m) et Lq = LqR (E, T, m).
On note Φ l’application de Lp dans (Lq )0 définie par Φ(f ) = ϕf , où ϕf est donnée par (6.30), et on note
Ψ l’application de Lq dans (Lp )0 définie par Ψ(f ) = ϕf .
163
Comme p 6= ∞ et q 6= ∞, le théorème 6.9 donne que Φ est une bijection de Lp dans (Lq )0 et Ψ est une
bijection de Lq dans (Lp )0 . On rappelle aussi que Φ et Ψ sont des isométries linéaires.
Soit s ∈ (Lp )00 . Pour montrer que Lp est réflexif, il suffit de montrer qu’il existe u ∈ Lp t.q. Ju = s (où
Ju est défini par 6.33), c’est-à-dire t.q. s(T ) = T (u) pour tout T ∈ (Lp )0 .
On va montrer que u = Φ−1 (s ◦ Ψ) convient. En effet, soit T ∈ (Lp )0 . On a :
Z
T (u) = uΨ−1 (T )dm,
et : Z
−1 −1
s(T ) = (s ◦ Ψ)(Ψ (T )) = Φ(u)(Ψ (T )) = uΨ−1 (T )dm = T (u).
On a donc bien montré que l’application J : u 7→ Ju (de Lp dans (Lp )00 ) est surjective, c’est-à-dire que
Lp est réflexif.
On peut aussi noter que la démonstration de cette proposition donne en fait que Ju = Φ(u) ◦ Ψ−1 pour
tout u ∈ Lp .
6.3.3 Théorème de Radon-Nikodym

La définition 4.4 donnait la définition d’une mesure de densité. On reprend ici cette définition et on
donne aussi la définition de mesure “signée” de densité.
Définition 6.15 (Mesure de densité) Soit (E, T, m) un espace mesuré.
1. Soit µ une mesure surR T . On dit que µ est une mesure de densité par rapport à m si il existe
f ∈ M+ t.q. µ(A) = A f dm, pour tout A ∈ T . On pose alors µ = f m (on dit aussi que f est la
densité de µ par rapport à m).
2. Soit µ une mesure signée sur T . On ditRque µ est une mesure signée de densité par rapport à m
si il existe f ∈ L1R (E, T, m) t.q. µ(A) = A f dm, pour tout A ∈ T . On pose alors µ = f m (on dit
aussi que f est la densité de µ par rapport à m).
Remarque 6.22 (Sur les mesures de densité) Soient (E, T, m) un espace mesuré et µ une mesure
sur T .
1. (Unicité de la densité) Soit f, gR∈ M+ . On
R suppose que µ = f m et µ = gm. On a alors f = g
m-p.p.. En effet, on doit avoir A f dm R= A gdm pour toutR A ∈ T . En choisissant A = {f > g}
puis A = {f < g}, on en déduit que {f >g} (f − g)dm + {f <g} (g − f )dm = 0. Ce qui donne
R
|f − g|dm = 0 et donc f = g m-p.p..
2. (Espace L1 pour une mesure de densité) Soit f ∈ M+ t.q. µ = f m. Soit g ∈ M, l’exercice (corrigé)
4.22 donne alors les assertions suivantes :
(a) g ∈ L1R (E, T, µ) ⇔ f g ∈ L1R (E, T, m),
(b) g ∈ L1R (E, T, µ) ⇒ gdµ = f gdm.
R R
R f ∈ M+ t.q. µ = f m. Soit A ∈ T t.q. m(A) = 0.

3. (Absolue continuité d’une mesure de densité) Soit
On a alors f 1A = 0 m-p.p. et donc µ(A) = f 1A dm = 0. Selon la définition 6.16 ci-après, ceci
montre que la mesure µ est absolument continue par rapport à la mesure m. L’objectif du théorème
de Radon-Nikodym (théorème 6.10) sera de démontrer la réciproque de ce résultat (si µ est finie et
m est σ-finie).
164
Rappelons la définition d’une mesure absolument continue :
Définition 6.16 (Mesure absolument continue) Soient (E, T, m) un espace mesuré et µ une mesure
(positive ou signée) sur T . On dit que µ est absolument continue par rapport à m, et on note µ << m,
si :
A ∈ T, m(A) = 0 ⇒ µ(A) = 0.
Remarque 6.23 On donne ici un exemple de mesure non absolument continue : on prend (E, T, m) =
(R, B(R), λ) et µ = δ0 (mesure de Dirac en 0 sur B(R)). Comme λ({0} = 0 et δ0 ({0} = 1, la mesure δ0
n’est pas absolument continue par rapport à λ.
On donne maintenant le théorème de Radon-Nikodym pour les mesures (positives).
Théorème 6.10 (Radon-Nikodym) Soient (E, T, m) un espace mesuré σ-fini et µ une mesure finie
sur T . Alors, µ est absolument continue par rapport à m si et seulement si µ est une mesure de densité
par rapport à m.
Démonstration :
Sens (⇐). Ce sens a été montré dans le troisième item de la remarque 6.22 (et les hypoth eses “µ finie”
et “m σ-finie” sont inutiles. (Noter aussi que le premier item de cette même remarque donne l’unicité
m-p.p. de la densité de µ par rapport à m.)
Sens (⇒). Pour toute mesure ν sur T et pour tout 1 ≤ p ≤ ∞, on note Lp (ν) = LpR (E, T, ν) et
Lp (ν) = LpR (E, T, ν).
Pour démontrer que µ est absolument continue par rapport à m, on va appliquer le théorème de représen-
tation de Riesz (théorème 6.8) dans l’espace de Hilbert H = L2R (µ + m).
On rappelle d’abord que l’exercice (corrigé) 4.2 donne que µ + m est une mesure sur T (définie par
(µ + m)(A) = µ(A) + m(A) pour tout A ∈ T ) et que les deux propriétés suivantes sont vérifiées (questions
1 et 2 de l’exercice 4.2) :
g ∈ L1 (µ + m) ⇔ g ∈ L1 (µ) ∩ L1 (µ),
Z Z Z
g ∈ L1 (µ + m) ⇒ gd(µ + m) = gdµ + gdm. (6.34)
R R R
Il est aussi clair que f d(µ +R m) = f dµ +R f dm pourR tout f ∈ M+ (voir le corrigé 56 de l’exercice
4.2). Pour g ∈ M, on a donc g 2 d(µ + m) = g 2 dµ + g 2 dm, ce qui donne L2 (µ + m) = L2 (µ) ∩ L2 (m).
Enfin, pour A ∈ T , on a (µ + m)(A) = 0 si et seulement si µ(A) = m(A) = 0. On a donc, pour
f, g : E → R :
f = g µ-p.p.,
f = g (µ + m)-p.p. ⇔
f = g m-p.p..
On décompose maintenant la démonstration en 3 étapes.
Etape 1. Utilisation du théorème de Riesz.

On pose H = L2 (µ + m) (H est donc un espace de Hilbert). On veut définir T : H → R par :
Z
T (g) = gdµ pour tout g ∈ H. (6.35)
165
On montre tout d’abord que cette définition est correcte. Soit g ∈ H = L2 (µ + m). On choisit un
représentant de g, encore noté g, Rde sorte que g ∈ L2 (µ + m) = L2 (µ) ∩ L2 (m). CommRµ est finie, on a
L2 (µ) ⊂ L1 (µ). Donc g ∈ L1 (µ), gdµ existe et appartient à R. Puis, on remarque que gdµ ne dépend
pas du représentant choisi car g1 = g2 (µ + m)-p.p. implique g1 = g2 µ-p.p.. L’application T est donc
bien définie de H dans R par (6.35).
On montre maintenant que T ∈ H 0 . Il est immédiat que T est linéaire. On remarqueR ensuite que, pour
p tout
g ∈ H, on a, en utilisant l’inégalité de Cauchy-Schwarz avec g et 1E , |T (g)| = | gdµ| ≤ kgkL2 (µ) µ(E)
p p p
≤ kgkL2 (µ+m) µ(E)) = kgkH µ(E). On a donc T ∈ H 0 (et kT kH 0 ≤ µ(E)).
On peut maintenant appliquer le théorème de représentation de Riesz (théorème 6.8). Il donne qu’il existe
ϕ ∈ H = L2 (µ + m) t.q. T (g) = gϕd(µ + m) pour tout g ∈ L2 (µ + m). On choisit un représentant de
R
ϕ, encore noté ϕ. On a alors ϕ ∈ L2 (µ + m) et

Z Z
gdµ = gϕd(µ + m) pour tout g ∈ L2 (µ + m). (6.36)
Pour g ∈ L2 (µ + m), on a gϕ ∈ L1 (µ + m) et donc gϕd(µ + m) = gϕdµ + gϕdm (d’après (6.34)).

R R R
On déduit donc de (6.36) :

Z Z
g(1 − ϕ)dµ = gϕdm, pour tout g ∈ L2 (µ + m). (6.37)
Etape 2. On cherche dans cette étape des bornes sur ϕ.
On montre tout d’abord que ϕ ≥ 0 m-p.p. et µ-p.p. (ce qui est équivalent a dire que ϕ ≥ 0 (µ + m)-p.p.).
Comme m est σ-finie, il existe une suite (An )n∈N ⊂ T t.q. m(An ) < ∞ pour tout n ∈ N et E = ∪n∈N An .
Pour n ∈ N, on pose Bn = {ϕ < 0} ∩ An ∈ T . Dans (6.37), on prend g = 1Bn (on a bien g ∈ L2 (µ + m)
car (µ + m)(Bn ) ≤ µ(E) + m(An ) < ∞). On obtient
Z Z
(1 − ϕ)1Bn dµ = ϕ1Bn dm.
Comme (1 − ϕ) > 0 et ϕ < 0 sur Bn , on en déduit que (1 − ϕ)1Bn = 0 µ-p.p. et ϕ1Bn = 0 m-p.p. et
donc µ(Bn ) = m(Bn ) = 0. P
Par σ-additivité d’une mesure, comme {ϕ < 0} = ∪n∈N Bn , on en déduit (µ + m)({ϕ < 0}) ≤ n∈N (µ +
m)(Bn ) = 0 et donc ϕ ≥ 0 (µ + m)-p.p..
On montre maintenant que ϕ < 1 (µ + m)-p.p..

On prend dans (6.37) g = 1Cn , avec Cn = {ϕ ≥ 1} ∩ An (on a bien g ∈ L2 (µ + m) car (µ + m)(Cn ) ≤
µ(E) + m(An ) < ∞). On obtient
Z Z
(1 − ϕ)1Cn dµ = ϕ1Cn dm.
Comme (1 − ϕ) ≤ 0 et ϕ > 0 sur Cn , on en déduit que (1 − ϕ)1Cn = 0 µ-p.p. et ϕ1Cn = 0 m-p.p. et

donc m(Cn ) = 0. Mais on ne peut en déduire µ(Cn ) = 0 (car on a seulement (1 − ϕ) ≤ 0 sur Cn et non
(1 − ϕ) < 0). C’est ici (et seulement ici) qu’on utilise l’hypothèse d’absolue continuité de µ par rapport
à m. Comme m(Cn ) = 0, l’hypothèse
P µ << m donne µ(Cn ) = 0. Comme {ϕ ≥ 1} = ∪n∈N Cn , on en
déduit (µ + m)({ϕ ≥ 1}) ≤ n∈N (µ + m)(Cn ) = 0 et donc ϕ < 1 (µ + m)-p.p..
166
On a donc montré que 0 ≤ ϕ < 1 (µ + m)-p.p.. En changeant ϕ sur un ensemble de mesure (µ + m) nulle,
on peut donc supposer 0 ≤ ϕ(x) < 1 pour tout x ∈ E. On a toujours ϕ ∈ L2 (µ + m) et (6.37) reste vraie.
ϕ
Etape 3. On montre maintenant que µ = f m avec f = 1−ϕ .
On montre tout d’abord que (6.37) est vraie pour tout g ∈ M+ :
• On remarque d’abord que (6.37) est vraie si g = 1A avec A ∈ T t.q. m(A) < ∞ car, dans ce cas,
g ∈ L2 (µ + m).
• On suppose maintenant que A ∈ T . Comme m est σ-finie, il existe une suite (En )n∈N ⊂ T t.q.
m(En ) < ∞, En ⊂ En+1 , pour tout n ∈ N, et E = ∪n∈N En . On prend gn = 1Bn avec Bn = A ∩ En ,
de sorte que gn ↑ 1A et donc (1−ϕ)gn ↑ (1−ϕ)1A et ϕgn ↑ ϕ1A . Comme (6.37) est vraie pour g = gn
(car m(Bn ) < ∞), le théorème de convergence monotone (théorème 4.1) appliqué aux mesures µ et
m donne (6.37) pour g = 1A .
• Si g ∈ E+ , il est alors facile de montrer que (6.37) est vraie. C’est une conséquence immédiate de
la linéarité positive de l’intégrale sur M+ .
• On prend enfin g ∈ M+ . Il existe (gn )n∈N ∈ E+ t.q. gn ↑ g. On a donc (1 − ϕ)gn ↑ (1 − ϕ)g et
ϕgn ↑ ϕg. On écrit (6.37) pour gn au lieu de g. En passant à la limite quand n → ∞, le théorème
de convergence monotone (théorème 4.1) appliqué aux mesures µ et m donne (6.37) pour g.
On a donc maintenant ϕ mesurable, 0 ≤ ϕ(x) < 1 pour tout x ∈ E et (6.37) pour tout g ∈ M+ .
h
Soit h ∈ M+ . On pose g = 1−ϕ . On a g ∈ M+ (car 0 ≤ ϕ(x) < 1 pour tout x ∈ E). (6.37) donne alors
Z Z
ϕ
hdµ = h dm. (6.38)
1−ϕ
ϕ
R
En posant f = 1−ϕ , on a f ∈ M+ et (6.38) avec h = 1A donne µ(A) = f 1A dm pour tout A ∈ T ,
c’est-à-dire µ = f m.
Théorème 6.11 (Radon-Nikodym, mesures signées) Soit (E, T, m) un espace mesuré et soit µ une
mesure signée sur T , alors :
µ << m ⇐⇒ ∃f ∈ L1R (E, T, m) µ = f m. (6.39)
Démonstration : La démonstration n’est pas détaillée ici, elle consiste essentiellement à se ramener au
théorème 6.10 en décomposant µ sous la forme µ = µ+ − µ− comme cela est fait dans la proposition 2.6.
6.4 Convergence faible, faible-?, étroite, en loi. . .

6.4.1 Convergence faible et faible-?
On limite ce paragraphe au cas des espaces de Banach réels. L’extension au cas des Banach complexes
est simple (!).
167
Définition 6.17 (Convergence faible dans un espace de Banach)
Soit F un espace de Banach (réel) et F 0 son dual topologique (i.e. l’espace des applications linéaires
continues sur F dans R). Soit (un )n∈N ⊂ F et u ∈ F . On dit que la suite (un )n∈N converge faiblement
vers u si pour tout élement T de F 0 , on a : T (un ) → T (u) (dans R) quand n → ∞.
Par le théorème 6.9, on a donc la proposition suivante sur la convergence faible dans LpR (E, T, m), pour
1 ≤ p < +∞ :
Proposition 6.24 (Convergence faible dans Lp )

Soit (E, T, m) un espace mesuré, p ∈ [1, +∞[ et q le conjugué de p, Lp = LpR (E, T, m), (fn )n∈N ⊂ Lp
et u ∈ Lp . Alors, R (fn )n∈N converge faiblement vers f si et seulement si on a, pour tout g ∈
la suite
LqR (E, T, m), fn gdm → f gdm quand n → ∞.
R
Démonstration :
On note Φ l’application de Lq dans (Lp )0 définie par Φ(f ) = ϕf , où ϕf est donnée par (6.30), La
démonstration de cette proposition est alors immédiate quand on remarque que le théorème 6.9 donne
que Φ est une bijection de Lq dans (Lp )0 .
Définition 6.18 (Convergence faible ? dans le dual d’un espace de Banach)

Soit F un espace de Banach (réel) et F 0 son dual topologique ; soit (Tn )n∈N ⊂ F 0 et T ∈ F 0 . On dit que
la suite (Tn )n∈N converge vers T dans F 0 pour la topologie faible ? si pour tout élement u de F , on a :
Tn (u) → T (u) (dans R) quand n → ∞.
Remarque 6.24 (Convergence forte, faible et faible ?) Soit F un espace de Banach (réel).
1. Soient (Tn )n∈N ⊂ F 0 et T ∈ F 0 . Les implications suivantes sont alors immédiates :
Tn → T dans F 0 ⇒ Tn → T faiblement dans F 0 ⇒ Tn → T ?-faiblement dans F 0 .
La deuxième implication est une conséquence de l’injection canonique de F dans F 00 (construite

avec (6.33)).
2. Pour u ∈ F , on définit Ju ∈ F 00 avec (6.33). Soient (un )n∈N ⊂ F et u ∈ F . On a alors :
un → u faiblement dans F ⇔ Jun → Ju ?-faiblement dans F 00 .
Mais, si F n’est pas réflexif, l’application J : u 7→ Ju , de F dans F 00 , n’est pas surjective et on

peut avoir une suite (un )n∈N non faiblement convergente dans F alors que la suite (Jun )n∈N est
?-faiblement convergente dans F 00 . Dans ce cas, la limite de (Jun )n∈N pour la topologie faible-? de
F 00 n’est pas dans l’image de J.
Dans le cas où F est un espace de Banach réflexif, l’application J : u 7→ Ju est surjective de F dans F 00
et on a alors :
1. Soient (Tn )n∈N ⊂ F 0 et T ∈ F 0 . Alors :
Tn → T faiblement dans F 0 ⇔ Tn → T ?-faiblement dans F 0 .
2. Soit (un )n∈N ⊂ F . La suite (un )n∈N est faiblement convergente dans F si et seulement si la suite
(Jun )n∈N est ?-faiblement convergente dans F 00 .
168
Soit 1 < p ≤ ∞, donc 1 ≤ q = p−1 p
< ∞. On note Lp = LpR (E, T, m), Lq = LqR (E, T, m) et Φ l’application
de Lp dans (Lq )0 définie par Φ(f ) = ϕf , où ϕf est donnée par (6.30). Le théorème 6.9 donne que Φ est
une bijection de Lp dans (Lq )0 . On confond (ou on identifie) fréquemment u ∈ Lp avec Φ(u) ∈ (Lq )0 .
On a alors une notion de convergence faible-? dans Lp . Si 1 < p < ∞ (on a alors aussi 1 < q < ∞),
les notions de convergente faible et faible-? dans Lp sont équivalentes. Dans le cas de L∞ , que l’on
identifie fréquemment avec le dual (topologique) de L1 , les notions de convergente faible et faible-? sont
différentes. La convergence faible est plus forte que la convergence faible-?. On donne ci dessous la
définition de convergence faible-? quand on considère L∞ comme le dual de L1 .
Définition 6.19 (Convergence faible ? dans L∞ )

Soient (E, T, m) un espace mesuré et L∞ = L∞R (E, T, m). Soient (fn )n∈N ⊂ L
∞
et f ∈ L∞ . On dit que
∞
la suiteR(fn )n∈N converge
R vers f dans L pour la topologie faible ? si pour tout élement g de L1R (E, T, m),
on a : fn gdm → f gdm.
6.4.2 Convergence étroite et convergence en loi

Si m est une mesure
R finie sur les boréliens de Rd , on note Lm l’application de Cb (Rd , R) dans R définie
par Lm (ϕ) = ϕdm (cette application caractérise m, d’après la proposition 5.4). On a vu au chapitre 5
que Lm ∈ Cb (Rd , R)0 . Soit (mn )n∈N une suite de mesures finies sur les boréliens de Rd (d ≥ 1) et m
une mesure finie sur les boréliens de Rd .R La convergence faible-? dans (Cb (Rd , R)0 de Lmn vers Lm ,
quand n → ∞, signifie donc que limn→∞ ϕdmn = ϕdm, pour tout ϕ ∈ Cb (Rd , R). Ceci s’appelle la
R
convergence étroite de mn vers m.
Définition 6.20 (Convergence étroite et vague) Soit (mn )n∈N une suite de mesures finies sur les
boréliens de Rd (d ≥ 1) et m une mesure finie sur les boréliens de Rd .
1. On dit que mn → m étroitement, quand n → ∞, si :
Z Z
ϕdmn → ϕdm pour tout ϕ ∈ Cb (Rd , R)).
2. On dit que mn → m vaguement, quand n → ∞, si :

Z Z
ϕdmn → ϕdm pour tout ϕ ∈ Cc (Rd , R)).
La proposition suivante montre que la convergence vague et la convergence des masses totales donnent la
convergence étroite. Si m et les mesures mn sont des probabilités, la convergence étroite de mn vers m
(quand n → ∞) est donc équivalente à la convergence vague.
Proposition 6.25 Soit (mn )n∈N une suite de mesures finies sur les boréliens de Rd (d ≥ 1) et m une
mesure finie sur les boréliens de Rd . On suppose que mn → m vaguement et que mn (R) → m(R) (quand
n → ∞). On a alors mn → m étroitement. (La réciproque de cette proposition est immédiate.)
Démonstration : La démonstration de cette proposition est contenue dans l’exercice 5.19.
La convergence en loi d’une suite de v.a.r. est définie par la convergence étroite (ou vague, puisque c’est
équivalent) des lois des v.a.r.
169
Définition 6.21 Soit (Ω, A, p)un espace probabilisé, (Xn )n∈N une suite de v.a.r. sur (Ω, A, p) et X une
v.a.r. sur (Ω, A, p). On dit que Xn → X en loi, quand n → ∞, si :
Z Z
ϕ(Xn )dp → ϕ(X)dp pour tout ϕ ∈ Cb (R, R).
(Ce que est équivalent à dire que PXn → PX étroitement.)
6.4.3 Lois des grands nombres, théorème central limite

Dans ce paragraphe, on donne des résultats de convergence (en probabilité, p.s., en loi) pour des sommes
de v.a.r. indépendantes. Nous commençons ce paragraphe par un résutat (simple) sur la variance de la
somme de v.a.r. indépendantes, dont on déduit la loi faible des grands nombre qui donne non seulement
un résultat de convergence (en probabilité) mais aussi des estimations précises sur cette convergence.
Puis, on éenonce la loi forte des grands nombres et le théorème central limite.
Proposition 6.26 Soit (Ω, A, p) un espace probabilisé et (Xn )n∈N? une suite de v.a.r. indépendantes 2
à 2 et de carré intégrable. On a alors, pour tout n ∈ N? ,
Var(X1 + . . . + Xn ) = Var(X1 ) + . . . + Var(Xn ).

Pn
Démonstration
Pn : On pose Sn = i=1 Xi et Ei = E(Xi ). On a alors, par linéarité de l’intégrale,
E(Sn ) = i=1 Ei et :
n
X n
X n
X
Var(Sn ) = E((Sn − E(Sn ))2 ) = E( (Xi − Ei ) (Xj − Ej )) = E((Xi − Ei )(Xj − Ej )).
i=1 i=j i,j=1
Pour i 6= j, on a, comme Xi et Xj sont indépendantes, E((Xi −Ei )(Xj −Ej )) = E(Xi −Ei )E(Xj −Ej ) = 0.
On en déduit :
X n n
X
Var(Sn ) = E((Xi − Ei )2 ) = Var(Xi ).
i=1 i=1
Proposition 6.27 (Loi faible des grands nombres) Soit (Ω, A, p) un espace probabilisé et (Xn )n∈N?
une suite de v.a.r. indépendantes 2 à 2 et de carré intégrable.
Pn On suppose que ces v.a.r. sont de même
moyenne m et de même variance σ 2 . On pose Yn = n1 i=1 Xi (ce sont les “moyenne de Césaro” de la
suite (Xn )n∈N? ), alors Yn converge stochastiquement (ou en probabilité) vers la v.a.r constante et égale à
m, c’est-à-dire que l’on a :
∀ε > 0, p(|Xn − m| > ε) → 0 lorsque n → +∞.
Plus précisément, on a pour tout ε > 0 et n ∈ N? ,
σ2
p(|Yn − m| ≥ ε) ≤ .
nε2
Démonstration : Soit ε > 0 et n ∈ N? . En utilisant l’inégalité de Bienaymé Tchebychev (lemme 4.10),
on a :
1
p(|Yn − m| ≥ ε) = p((Yn − m)2 ≥ ε2 ) ≤ 2 E((Yn − m)2 ).
ε
170
Puis, en posant Sn = i=1 Xi , on a E((Yn − m)2 ) = n12 E((Sn − nm)2 ) = Varn(S
Pn n)
2 . La proposition 6.26
donne Var(Sn ) = nVar(X1 ) = nσ 2 . On en déduit finalement
1 nσ 2 σ2
p(|Yn − m| ≥ ε) ≤ = .
ε2 n2 nε2
On donne maintenant, sans démonstration, la loi forte des grands nombres.
Proposition 6.28 (Loi forte des grands nombres) Soit (Ω, A, p) un espace probabilisé et (Xn )n∈N?
une suite de v.a.r. indépendantes.
1. On
P suppose 2ici que les Xn sont de carré intégrable, que E(Xn ) = 0 pour tout n ∈ N? et que
2
n∈N? E(Xn )/(n ) < ∞. Alors :
n
1X
Xi → 0 p.s., quand n → ∞.
n i=1
2. On suppose ici que la suite (Xn )n∈N est une suite de v.a.r.i.i.d. et que E(|X1 |) < ∞. Alors :
n
1X
Xi → E(X1 ) p.s., quand n → ∞.
n i=1
On donne enfin, sans démonstration, le théorème central limite.
Théorème 6.12 Soit (Ω, A, p) un espace probabilisé et (Xn )n∈N? une suite de v.a.r.i.i.d. de carrés
intégrables. On note m = E(X1 ) et σ 2 = Var(X1 ). On pose
n
1 X
Yn = √ (Xi − m).
n i=1
La suite (PYn )n∈N? converge alors étroitement vers la loi normale N (0, σ 2 ) (où N (0, 0) = δ0 et la loi
normale, ou loi de Gauss, N (0, σ 2 ), est définie au chapitre 4, section 4.4, dans le cas σ 2 6= 0).
6.5 Exercices
6.5.1 Espaces Lp , 1 ≤ p ≤ ∞
Soit (E, T, m) un espace mesuré, p ∈ [1, ∞[ et A ∈ T . On pose F = {f ∈ LpR (E, T, m); f = 0 p.p. sur
A}. Montrer que F est fermé (dans LpR (E, T, m)).

Soit p ∈ [1, ∞] et C = {f ∈ Lp (R, B(R), λ); f ≥ 0 p.p.}. Montrer que C est d’intérieur vide pour p < ∞
et d’intérieur non vide pour p = ∞.
Exercice 6.3 (Convergence essentiellement uniforme) Corrigé 97 page 383
171
Soit (E, T, m) un espace mesuré, (fn )n∈N une suite de fonctions mesurables de E dans R et f une fonction
mesurable de E dans R.
Montrer que kfn − f k∞ → 0, quand n → ∞, si et seulement si il existe A ∈ T t.q. m(A) = 0 et fn → f
uniformément sur Ac , quand n → ∞.
Exercice 6.4 (Densité et continuité en moyenne) Corrigé 98 page 383
1. Soit p ∈ [1, ∞[. Montrer que Cc (R, R) est dense dans LpR (R, B(R), λ). Soit f ∈ LpR (R, B(R), λ),
montrer que kf − f (· + h)kp → 0 quand h → 0.
2. Les assertions précédentes sont-elles vraies pour p = ∞ ?
Exercice 6.5 (Sur la séparabilité. . . )
1. Montrer que LpR (R, B(R), λ) est séparable pour p ∈ [1, ∞[ et n’est pas séparable pour p = ∞.
2. On munit C0 (R, R) et Cb (R, R) de la norme de la convergence uniforme. Montrer que C0 (R, R) est
séparable et que Cb (R, R) n’est pas séparable.
Exercice 6.6 Soient (E, T, m) un espace mesuré, et f , g, h des fonctions mesurables de E dans R. Soient
1 1 1
p, q, r ∈ ]1, +∞[, tels que + + = 1, montrer que :
p q r
Z Z Z Z
1 1 1
|f gh|dm ≤ ( |f |p dm) p ( |g|q dm) q ( |h|r dm) r .
Exercice 6.7 (Produit Lp − Lq ) Corrigé 99 page 385

p
Soient (E, T, m) un espace mesuré, p ∈ [1, +∞] et q le conjugué de p (i.e. q = p−1 ). Soient (fn )n∈N ⊂
p q p q
LR (E, T, m), (gn )n∈N ⊂ LR (E, T, m), f ∈ LRR (E, T, m) etR g ∈ LR (E, T, m) t.q. fn → f dans LpR (E, T, m)
et gn → g dans LqR (E, T, m). Montrer que fn gn dm → f gdm lorsque n → +∞.
Exercice 6.8 (Caractérisation de Lp )

p
Soit (E, T, m) un espace mesuré, p ∈ [1, ∞] et q = p−1 . On note Lr l’espace LrR (E, T, m) (pour r ∈ [1, ∞]).
Soit f : E → R une application mesurable. On suppose que f g ∈ L1 pour tout g ∈ Lq . Le but de
l’exercice est de montrer (si possible. . . ) que f ∈ Lp .
1. On suppose, dans cette question, que p = 1. Montrer que f ∈ L1 .

2. On suppose, dans cette question, que p = ∞. Pour montrer que f ∈ L∞ , on raisonne par l’absurde
en supposant que f 6∈ L∞ .
(a) Soit α ≥ 0. Montrer qu’il existe β > α t.q. m({α ≤ |f | < β} > 0. En déduire qu’il existe une
suite croissante (αn )n∈N t.q. α0 = 0, αn ≥ n et m(An ) > 0 avec An = {αn ≤ |f | < αn+1 }
(pour tout n ∈ N).
P
(b) Soit (bn )n∈N ⊂ R. On pose g = n∈N bn 1An (les An étant définis à la question précédente).
Montrer qu’un choix convenable de (bn )n∈N donne g ∈ L1 et f g 6∈ L1 .
(c) Conclure.
3. On suppose, dans cette question, que p ∈]1, ∞[ et que m(E) < ∞. Pour montrer que f ∈ Lp , on
raisonne une nouvelle fois par l’absurde en supposant que f 6∈ Lp .
172
(a) Soit α ≥ 0. Montrer qu’il existe β > α t.q. 1 ≤ A |f |p dm < ∞ avec RA = {α ≤ |f | < β}.
R
En déduire qu’il existe une suite croissante (αn )n∈N t.q. α0 = 0 et 1 ≤ An |f |p dm < ∞ avec
An = {αn ≤ |f | < αn+1 } (pour tout n ∈ N).
(b) Soit (bn )n∈N ⊂ R. On pose g = n∈N bn |f |p−1 1An (les An étant définis à la question précé-
P
dente). Montrer qu’un choix convenable de (bn )n∈N donne g ∈ Lq et f g 6∈ L1 .
(c) Conclure.
4. On suppose, dans cette question, que p ∈]1, ∞[ et que m est σ-finie. Montrer que f ∈ Lp .
Exercice 6.9 (un peu de calcul diff...)
Soient (E, T, m) un espace mesuré fini, et g ∈ C 1 (R, R) et 1 ≤ p < +∞; pour u ∈ Lp = Lp (E, T, m), on
note g(u) la (classe de) fonction(s): x 7→ g(u(x)), et G la fonction qui à u associe g(u).
p
1. Soit 1 ≤ q < +∞; montrer que G ∈ C(Lp , Lq ) ssi il existe C ∈ R tel que |g(s)| ≤ C|s| q + C pour
tout s ∈ R.
2. Montrer que G ∈ C 1 (Lp , Lp ) ssi il existe a, b ∈ R tel que g(s) = as + b pour tout s ∈ R.
Exercice 6.10 Soit f une fonction de R dans R, continue à support compact, montrer que :
kf kLp (R,B(R),λ) → kf k∞ lorsque p → +∞.
[Pour montrer que lim inf kf kLp (R,B(R),λ) ≥ kf k∞ , on pourra introduire, pour 0 < ε < kf k∞ , un ensemble
p→+∞
Aε tel que ∀ x ∈ Aε , |f (x)| > kf k∞ − ε. ]
Soient (E, T, m) un espace mesuré, (fn )n∈N ⊂ L1R (E, T, m), (gn )n∈N ⊂ L∞ 1
R (E, T, m), f ∈ LR (E, T, m) et
∞ 1
g ∈ LR (E, T, m). On suppose que fn → f dans LR (E, T, m).
1. On suppose que gn → g dans L∞ 1
R (E, T, m). Montrer que fn gn → f g dans LR (E, T, m).
2. On suppose maintenant que gn → g p.p.. Montrer par un contre exemple qu’on peut ne pas avoir
fn gn → f g dans L1R (E, T, m).
3. On suppose maintenant que gn → g p.p. et qu’il existe M ∈ R t.q. kgn k∞ ≤ M . Montrer qu’on a
alors fn gn → f g dans L1R (E, T, m).
Exercice 6.12 Soit (E, T, m) un espace mesuré et µ une mesure de densité f ∈ M+ par rapport à m,
montrer que : Z Z
(i) gdµ = f g dm, ∀ g ∈ M+
1 1
(ii) Soit g ∈ M, alors g ∈ L Z (µ) ⇔ fZg ∈ L (m), (6.40)
et si g ∈ L1 (µ), alors gdµ = f g dm
Exercice 6.13
Soit K : R2 R→ R+ une fonction mesurable (on a donc R K ∈ M+ (R2 , B(R2 ))). On suppose qu’il existe
M ∈ R+ t.q. K(x, t)dt ≤ M , pour tout x ∈ R, et K(t, y)dt ≤ M , pour tout y ∈ R.
Pour tout 1 ≤ p ≤ ∞, on note Lp l’espace LpR (R, B(R), λ) et Lp l’espace LpR (R, B(R), λ).
1
R f : R → R est une fonction mesurable, on pose, pour tout x ∈ R t.q. K(x, ·)f (·) ∈ L , T (f )(x) =
Si
K(x, t)f (t)dt.
Soit 1 ≤ p ≤ ∞. [On conseille de considérer séparément les cas p = 1, p = ∞ et 1 < p < ∞.]
173
1. Soit f ∈ Lp (on identifie f , comme d’habitude, avec l’un de ses représentants, on a donc f ∈ Lp ).
Montrer que T (f )(x) est définie pour presque tout x ∈ R. Montrer que T (f ) ∈ Lp (au sens “il existe
g ∈ Lp t.q. T (f ) = g p.p.”).
2. Montrer que T est une application linéaire continue de Lp dans Lp .
Exercice 6.14 (Inégalité de Hardy) Corrigé 101 page 386

Soit p ∈]1, ∞[. On note Lp l’espace LpR (]0, ∞[, B(]0, ∞[), λ) (λ est donc ici la mesure de Lebesgue sur les
boréliens de ]0, ∞[).
Soit f ∈ Lp . Pour x ∈]0, ∞[, on pose F (x) = x1 f 1]0,x[ dλ. Le but de l’exercice est de montrer que
R
p
F ∈ Lp et kF kp ≤ p−1 kf kp .
1. On suppose, dans cette question, que f ∈ Cc (]0, ∞[) (c’est-à-dire que f est continue et à support
compact dans ]0, ∞[).
(a) Montrer F ∈ C 1 (]0, ∞[) ∩ Lp . Montrer que xF 0 (x) = −F (x) + f (x) pour tout x > 0.
(b) On suppose, dans cette question, que f (x) ≥ 0 pour tout x ∈]0, ∞[.
R∞ p
R ∞ p−1
Montrer que 0 F p (x)dx = p−1 0
F (x)f (x)dx. [On pourra utiliser une intégration par
parties.]
p
Montrer que kF kp ≤ p−1 kf kp .
p
(c) Monter que kF kp ≤ p−1 kf kp (on ne suppose plus que f (x) ≥ 0 pour tout x ∈]0, ∞[).
2. On ne suppose plus que f ∈ Cc (]0, ∞[).
(a) Montrer qu’il existe (fn )n∈N ⊂ Cc (]0, ∞[) t.q kfn −f kp → 0 quand n → ∞. [On pourra utiliser
la densité de Cc (R, R) dans LpR (R, B(R), λ), exercice 6.4.]
p
(b) Montrer que F ∈ C(]0, ∞[) ∩ Lp et que kF kp ≤ p−1 kf kp .
kF k p
3. Montrer que sup{ kf kpp , f ∈ Lp , kf kp 6= 0} = p−1 (dans cette formule, F est donné comme
1
précédemment à partir de f ). [On pourra considérer la suite (fn )n∈N? définie par fn (t) = t− p 1]1,n[ (t)
pour t ∈]0, ∞[).]
Exercice 6.15 (Continuité d’une application de Lp dans Lq ) Corrigé 102 page 389
Soit (E, T, m) un espace mesuré fini, p, q ∈ [1, ∞[ et g une application continue de R dans R t.q. :
p
∃ C ∈ R?+ ; |g(s)| ≤ C|s| q + C, ∀s ∈ R. (6.41)
1. Soit u ∈ LpR (E, T, m). Montrer que g ◦ u ∈ LqR (E, T, m).

On pose Lr = LrR (E, T, m), pour r = p et r = q. Pour u ∈ Lp , on pose G(u) = {h ∈ LqR (E, T, m);
h = g ◦ v p.p.}, avec v ∈ u. On a donc G(u) ∈ Lq et cette définition a bien un sens, c’est à dire que
G(u) ne dépend pas du choix de v dans u.
2. Soit (un )n∈N ⊂ Lp . On suppose que un → u p.p., quand n → ∞, et qu’il existe F ∈ Lp t.q. |un | ≤ F
p.p., pour tout n ∈ N. Montrer que G(un ) → G(u) dans Lq .
3. Montrer que G est continue de Lp dans Lq .
174
4. On considère ici (E, T, m) = ([0, 1], B(R), λ) et on prend p = q = 1. On suppose que g ne vérifie
pas (6.41). On va construire u ∈ L1 t.q. G(u) 6∈ L1 .
(b) On choisit une suite (αn )n∈N vérifiant les conditions données à la question précédente. Montrer
+∞
X α
2
= 1.
n=1
|αn |n
α
(c) Soit (an )n∈N une suite définie par : a0 = 1 et an+1 = an − (où αn et α sont définies
|αn |n2
P+∞
G(u) 6∈ L1 .
Exercice 6.16 (Conv. p.p. et conv. des normes, par Egorov) Corrigé 103 page 391
Soit (E, T, m) un espace mesuré et 1 ≤ p ≤ ∞. On note Lp l’espace LpR (E, T, m). Soit (fn )n une suite
d’éléments de Lp et f ∈ Lp . On suppose que fn → f p.p., quand n → ∞.
1. Montrer que kf kp ≤ lim inf n→∞ kfn kp . [Traiter séparément le cas 1 ≤ p < ∞ et p = ∞.]
2. En prenant (E, T, m) = (]0, 1[, B(]0, 1[), λ) (où λ est la mesure de Lebesgue sur les boréliens de
]0, 1[), donner un exemple pour lequel la suite (kfn kp )n∈N converge dans R et kf kp < limn∈N kfn kp .
[On pourra aussi traiter séparément les cas 1 ≤ p < ∞ et p = ∞.]
Pour la suite de l’exercice, on suppose que kfn kp → kf kp , quand n → ∞.

3. Dans cette question, on suppose que p = 1.
(a) On suppose que m(E) < ∞. Pour tout n ∈ N, on choisit un représentant de fn , encore noté
fn . On choisit aussi un représentant de f , encore noté f . Soit A ∈ T et ε > 0. On suppose
que fn → f uniformément sur Ac . Montrer qu’il existe n0 t.q. :
Z Z
n ≥ n0 ⇒ |fn |dm ≤ ε + |f |dm.
A A
(b) On suppose que m(E) < ∞. Montrer que fn → f dans L1 , quand n → ∞. [On pourra utiliser
le théorème d’Egorov.]
(c) On suppose que m(E) = ∞. Soit ε > 0. Montrer qu’il existe C ∈ T t.q. :
Z
m(C) < ∞ et |f |dm ≤ ε.
Cc
(d) On suppose que m(E) = ∞. Montrer que fn → f dans L1 , quand n → ∞.
4. Dans cette question, on suppose que 1 < p < ∞. Montrer que fn → f dans Lp , quand n → ∞.
[S’inspirer de la méthode suggérée pour le cas p = 1.]
5. Dans cette question, on suppose que p = ∞ et que (E, T, m) = (]0, 1[, B(]0, 1[), λ). Donner un
exemple pour lequel fn 6→ f dans L∞ , quand n → ∞.
175
Exercice 6.17 (Conv. p.p. et conv. des normes, par Fatou) Corrigé 104 page 395
Soit (E, T, m) un espace mesuré. Pour p ∈ [1, ∞], on note Lp l’espace LpR (E, T, m).
Soit p ∈ [1, ∞[, (fn )n∈N une suite d’éléments de Lp et f ∈ Lp . On suppose que fn → f p.p. et que
kfn kp → kf kp , quand n → ∞.
1. On suppose que p = 1. Pour n ∈ N, on pose gn = |fn | + |f | − |fn − f | (en ayant choisi des
représentants de fn et f ). Montrer que gn ≥ 0 pour tout n ∈ N. En utilisant le lemme de Fatou,
2. On suppose maintenant que p ∈]1, ∞[. En utilisant le lemme de Fatou pour une suite convenable,
montrer que fn → f dans Lp .
Exercice 6.18 (Compacité Lp − Lq ) Corrigé 105 page 396
Dans cet exercice, (E, T, m) est un espace mesuré. Pour tout 1 ≤ r ≤ ∞, on note Lr l’espace LrR (E, T, m)
(et Lr l’espace LrR (E, T, m)).
1. Soit r > 1 et (gn )n∈N une suite bornée de Lr . Montrer que la suite (gn )n∈N est équi-intégrable,
c’est-à-dire que :
Z
∀ε > 0, ∃δ > 0 t.q. n ∈ N, A ∈ T, m(A) ≤ δ ⇒ |gn |dm ≤ ε.
A
[Utiliser l’inégalité de Hölder.]
Soit 1 ≤ p < q ≤ ∞ et (fn )n∈N une suite bornée de Lq . On suppose dans toute la suite que fn → f
p.p. quand n → ∞.
2. (Compacité Lp − Lq .) On suppose que m(E) < ∞.
(a) Montrer que f ∈ Lq (au sens “il existe g ∈ Lq t.q. f = g p.p.”).

(b) Montrer que fn → f dans Lp quand n → ∞. [Utiliser la question 1 avec gn = |fn − f |p et un
théorème du cours.]
3. On suppose que m(E) = ∞.
(a) Soit B ∈ T t.q. m(B) < ∞. Montrer quefn 1B → f 1B dans Lp quand n → ∞.

(b) On prend ici (E, T, m) = (R, B(R), λ), q = 2, p = 1, f = 0. Donner un exemple pour lequel
(fn )n∈N ⊂ L1 , fn 6→ 0 dans L1 quand n → ∞ (et (fn )n∈N bornée dans L2 , fn → 0 p.p. quand
n → ∞).
Exercice 6.19 (Exemples de v.a. appartenant à Lq ) Corrigé 106 page 397

Soit (Ω, A, P ) un espace de probabilités et X une v.a. (réelle). Dans les trois cas suivants, donner les
valeurs de q ∈ [1, ∞] pour lesquels la variable aléatoire X appartient à l’espace Lq (Ω, A, P ) :
1. X suit une loi exponentielle E(λ) (λ > 0) (c’est-à-dire que la loi de X a une densité f par rapport
à la mesure de Lebesgue, avec f (x) = λ exp(−λx)1]0,+∞[ pour x ∈ R).
2. X suit une loi de Cauchy de paramètre c > 0 (la loi de X a une densité f par rapport à la mesure
c
de Lebesgue, avec f (x) = π1 x2 +c2 pour x ∈ R).
3. X suit une loi géométrique G(p) (p ∈]0, 1[) (c’est-à-dire que P ({X = k}) = p(1 − p)k−1 , pour tout
k ∈ N? ).
176
6.5.2 Espaces de Hilbert, Espace L2
2
Soit (E, T, m) un espace
P mesuré et (fn )n∈N une suite d’élements de LR (E,
P T, m) deux à deux orthogonaux.
Montrer que la série n∈N fn converge (dans L2 ) si et seulement si n∈N kfn k22 est convergente (dans
R).
Exercice 6.21 (Lp n’est pas un espace de Hilbert si p 6= 2) Corrigé 108 page 399
Montrer que LpR (R, B(R), λ) (muni de sa norme usuelle) n’est pas un espace de Hilbert si 1 ≤ p ≤ ∞,
p 6= 2. [Pour p 6= 2, chercher des fonctions f et g mettant en défaut l’identité du parallèlogramme,
c’est-à-dire l’identité (6.18) page 144.]
Exercice 6.22 (Caractérisation des espaces de Hilbert séparables)
Soit E un espace de Hilbert (réel) de dimension infinie. Montrer que E est séparable si et seulement si il
existe une base hilbertienne dénombrable de E [l’une des implications a d’ejà été vue. . . ].
Exercice 6.23 (projection sur le cône positif de L2 ) Corrigé 109 page 399
Soit (X, T, m) un espace mesuré et E = L2R (X, T, m). On pose C = {f ∈ E, f ≥ 0 p.p.}.
1. Montrer que C est une partie convexe fermée non vide de E.
2. Soit f ∈ E. Montrer que PC f = f + .
Exercice 6.24 (Exemple de non existence de la projection) Corrigé 110 page 400
Dans cet exercice, on donne un exemple t.q. :
E est un espace de Banach réel, F est un sous espace vectoriel fermé de E, g ∈ E \ F (et donc d(g, F ) =
inf{kg − f kE , f ∈ F } > 0. . . ) et il n’existe pas d’élément f ∈ E t.q. d(g, F ) = kg − f kE .
On prend E = C([0, 1], R), on munit E de la norme habituelle, kf kE = max{|f (x)|, x ∈ [0, 1]}. On pose
R1
F = {f ∈ E; f (0) = 0, 0 f (x)dx = 0}. Enfin, on prend g ∈ E défini par g(x) = x, pour tout x ∈ [0, 1].
1. Montrer que E est un espace de Banach (réel).
2. Montrer que F est un sous espace vectoriel fermé de E.
R1 R1
3. Soit f ∈ F . Montrer que kg − f kE ≥ 1/2. [On pourra remarquer que 0
|(g − f )(x)|dx ≥ 0
(g −
f )(x)dx = 1/2.]
4. Montrer qu’il n’existe pas d’élément f ∈ F t.q. kg − f kE = 1/2.
5. Montrer que d(g, F ) = 1/2. [On pourra, par exemple, montrer que kg − fn kE → 1/2, avec fn défini
par fn (x) = −βn x, pour x ∈ [0, 1/n], fn (x) = (x − 1/n) − βn /n, pour x ∈ [1/n, 1], et βn choisi pour
que fn ∈ F .]
Exercice 6.25 (Lemme de Lax-Milgram) Corrigé 111 page 402
Soit E est un espace de Hilbert réel et a une application bilinéaire de E × E dans R. On note (·/·) le
produit scalaire dans E et k · k la norme dans E. On suppose qu’il existe C ∈ R et α > 0 t.q. :
|a(u, v)| ≤ Ckukkvk, ∀u, v ∈ E (continuité de a),
a(u, u) ≥ αkuk2 , ∀u ∈ E (coercivité de a).

Soit T ∈ E 0 . On va montrer, dans cet exercice, qu’il existe un et un seul u ∈ E t.q. T (v) = a(u, v) pour
tout v ∈ E (ceci est le lemme de Lax-Milgram).
177
1. On suppose, dans cette question, que a est symétrique. On définit une application bilinéaire, notée
(·/·)a de E × E dans R par (u/v)a = a(u, v). Montrer que (·/·)a est un produit scalaire sur E et
que la norme induite par ce produit scalaire est équivalente à la norme k · k. En déduire qu’il existe
un et un seul u ∈ E t.q. T (v) = a(u, v) pour tout v ∈ E. [Utiliser le théorème de représentation de
Riesz.]
2. On ne suppose plus que a est symétrique.
(a) Soit u ∈ E, Montrer que l’application v 7→ a(u, v) est un élément de E 0 . En déduire qu’il
existe un et un seul élément de E, notée Au, t.q. (Au/v) = a(u, v) pour tout v ∈ E.
On note, dans la suite A l’application qui à u ∈ E associe Au ∈ E.
(b) Montrer que A est linéaire continue de E dans E.
(c) Montrer que Im(A) est fermé
(d) Montrer que (Im(A))⊥ = {0}.
(e) Montrer que A est bijective et en déduire qu’il existe un et un seul u ∈ E t.q. T (v) = a(u, v)
pour tout v ∈ E.
Exercice 6.26 (Exemple de projection dans L2 ) Corrigé 112 page 404

On désigne par λ la mesure de Lebesgue sur les boréliens de ]0, 1[, par Lp l’espace LpR (]0, 1[, B(]0, 1[), λ)
et par Lp l’espace LpR (]0, 1[, B(]0, 1[), λ).
Soit g ∈ L2 .
1. Soit v ∈ L2 et φ ∈ Cc∞ (]0, 1[, R) (on rappelle que φ ∈ Cc∞ (]0, 1[, R) signifie que φ est une application
de ]0, 1[ dans R, de classe C ∞ , et qu’il existe K ⊂]0, 1[, K compact, t.q. φ(x) = 0 pour tout
x ∈]0, 1[\K) . Montrer que vgφ0 ∈ L1 .
On pose C = {v ∈ L2 ; v ≤ 1 p.p., vgφ0 dλ ≤ φdλ, pour tout φ ∈ Cc∞ (]0, 1[, R), φ ≥ 0}. (On
R R
rappelle que φ ≥ 0 signifie φ(x) ≥ 0 pour tout x ∈]0, 1[.)
2. Montrer que C est un convexe fermé non vide de L2 .

3. On désigne par 1 la fonction constante et égale à 1 sur ]0, 1[. Soit u ∈ C. Montrer que :
R
(ku − 1k2 ≤ kv − 1k2 pour tout v ∈ C) ⇔ ( (1 − u)(u − v)dλ ≥ 0 pour tout v ∈ C).
4. Soit u ∈ C t.q. ku − 1k2 ≤ kv − 1k2 pour tout v ∈ C. On suppose que u, g ∈ C 1 (]0, 1[, R).
(a) Montrer que (ug)0 (x) ≥ −1 pour tout x ∈]0, 1[.

(b) Soit x ∈]0, 1[ t.q. u(x) < 1. Montrer que (ug)0 (x) = −1.
(c) Montrer que u est solution du problème suivant:
(ug)0 (x) ≥ −1, pour tout x ∈]0, 1[,
u(x) ≤ 1, pour tout x ∈]0, 1[,
(1 + (ug)0 (x))(u(x) − 1) = 0, pour tout x ∈]0, 1[.
Exercice 6.27 (Approximation dans L2 ) Corrigé 113 page 408
178
On désigne par λ la mesure de Lebesgue sur les boréliens de R, par Lp l’espace LpR (R, B(R), λ) et par Lp
l’espace LpR (R, B(R), λ). On note dt = dλ(t).
Pour f ∈ L2 et k ∈ N? , on définit Tk f de R dans R par :
Z n(x)+1
k
Tk f (x) = k f (t)dt, (6.42)
n(x)
k
n(x) n(x) + 1
où n(x) est l’entier de Z tel que ≤x< (l’entier n dépend donc de x).
k k
1. Soit k ∈ N? et f ∈ L2 . Montrer que Tk f ∈ L2 (plus précisément, Tk f ∈ L2 et on confond alors,
comme d’habitude, Tk f avec {g ∈ L2 , g = Tk f p.p.}) et que kTk f k2 ≤ kf k2 , pour tout k ∈ N? .
2. Soit f ∈ Cc (R, R) (i.e. f continue de R dans R et à support compact). Montrer que Tk f → f dans
L2 quand k → ∞.
3. Soit f ∈ L2 . Montrer que Tk f → f dans L2 quand k → ∞.
Exercice 6.28 (Projections orthogonales) Corrigé 114 page 409

On pose H = L2R (] − 1, +1[, B(] − 1, +1[), λ). (On rappelle que B(] − 1, +1[) est
R la tribu borélienne de
] − 1, 1[ et λ la mesure de Lebesgue sur B(] − 1, +1[).) Soit F = {f ∈ H t.q. ]−1,+1[ f dλ = 0}. Soit
R R
G = {f ∈ H t.q. ]−1,0[ f dλ = ]0,1[ f dλ}.
1. Montrer que F et G sont des sous-espaces vectoriels fermés de H. Déterminer les sous-espaces F ⊥ ,
G⊥ et F ∩ G.
2. Calculer, pour g ∈ H, les projections orthogonales PF (g) et PG (g) de g sur F et G.
Exercice 6.29 (Projection orthogonale dans L2 ) Corrigé 115 page 410

On pose L2 = L2R (R, B(R), λ) (muni de sa structure hilbertienne habituelle) et, pour α, β ∈ R donnés,
α < β, C = {f ∈ L2 ; α ≤ f ≤ β p.p.}.
1. Montrer que C est vide si et seulement si αβ > 0.

2. On suppose maintenant que αβ ≤ 0. Montrer que C est une partie convexe fermée non vide de L2 .
Soit f ∈ L2 , montrer que PC f (x) = max{min{f (x), β}, α} pour presque tout x ∈ R. (PC f désigne
la projection de f sur C.)

Soit (E, T, m) un espace mesuré, et Lp = LpR (E, T, m).
1. On suppose ici qu’ il existe A et B ∈ T t.q. A ∩ B = ∅, et 0 < m(B) < +∞, 0 < m(A) <
+∞. Montrer que Lp est un Hilbert si et seulement si p = 2. [On pourra utiliser l’identité du
parallèlogramme avec des fonctions de Lp bien choisies.]
2. Montrer que pour m = δ0 (mesure de Dirac en 0), LpR (R, B(R), m) est un Hilbert pour tout p ∈
[1, +∞].
Exercice 6.31 (Espace l2 ) Corrigé 117 page 412
179
On note m la mesure du dénombrement sur P(N), c’est-à-dire m(A) = card(A) si A est fini et m(A) = ∞
si A n’est pas fini.
On note l2 = L2R (N, P(N), m).
1. Montrer que chaque élément de l2 ne contient qu’un seul élément de l’espace L2R (N, P(N), m).
2. Montrer que l’inégalité de Cauchy-Schwarz sur l2 donne :

X X X
( an bn )2 ≤ a2n b2n
n∈N n∈N n∈N
a2n < ∞ et 2
P P
pour toutes suites (an )n∈N , (bn )n∈N ⊂ R+ t.q. n∈N n∈N bn < ∞.
ϕ : N? → NP
?
, bijective. Montrer que n∈N? ϕ(n)
P
3. Soit P n2 = ∞. [On pourra commencer par montrer
n 1 n 1
que p=1 ϕ(p) ≤ p=1 p pour tout n ∈ N? puis utiliser l’inégalité de Cauchy-Schwarz.]
Exercice 6.32 (Isométrie d’un espace de Hilbert avec l2 ) Corrigé 118 page 413
Soit H un espace de Hilbert réel, de dimension infinie et séparable. Soit {en , n ∈ N} une base hilbertienne
de H (une telle base existe, cf. proposition 6.17).
Pour u ∈ H, on définit au ∈ l2 (l2 est défini à l’exercice 6.31) par au (n) = (u/en )H , pour tout n ∈ N.
(On montrera tout d’abord que au est bien un élément de l2 .)
Montrer que l’application A : u 7→ au (est linéaire et) est une isométrie de H dans l2 , c’est-à-dire que
kau kl2 = kukH pour tout u ∈ H.
Montrer que A est bijective (il faut donc montrer que, pour tout a ∈ l2 , il existe u ∈ H t.q. a = au ).
Exercice 6.33 (Tribu et partition, suite et fin)

Cet exercice est la suite de l’exercice 3.35. Soit (Ω, A, P ) un espace de probabilité et a une partition de Ω
On note τ (a) la tribu engendrée par a (voir l’exercice 3.35). On suppose que la partition a est mesurable,
c’est-à-dire que ses atomes sont des éléments de A (on a donc τ (a) ⊂ A).
Donner une base hilbertienne de L2 (Ω, τ (a), P ) construite à partir des atomes de a.
En déduire l’expression de la projection orthogonale d’une variable aléatoire X appartenant à L2 (Ω, A, P )
sur le sous espace L2 (Ω, τ (a), P ).
6.5.3 Théorème de Radon-Nikodym et Dualité dans les espaces Lp

Exercice 6.34 (Fonctions absolument continues) Corrigé (partiel) 119 page 414
Soit −∞ < a < b < +∞. On admet les 2 résultats suivant :
• Toute fonction monotone définie sur [a, b], à valeurs dans R, est dérivable en presque tout point de
]a, b[.
• Soit f ∈ L1R (]a, b[, B(]a, b[), λ). Pour x ∈ [a, b], on pose F (x) = f 1]a,x[ dλ. La fonction F est alors
R
dérivable en presque tout point de ]a, b[ et on a F 0 = f p.p..
1. (Fonctions monotones.) Soit f une fonction monotone croissante définie sur [a, b] et à valeurs dans
R.
180
(a) Montrer que f 0 ∈ L1R (]a, b[, B(]a, b[), λ) et que
Z
f 0 1]a,b[ dλ ≤ f (b) − f (a).
[On pourra poser f (x) = f (b) pour x > b, considérer fn (x) = n(f (x + n1 ) − f (x)) et remarquer
que fn → f 0 p.p. sur ]a, b[.]
(b) Donner un exemple pour lequel l’inégalité de la question précédente est stricte. (Les courageux
pourront chercher un exemple pour lequel f est continue. . . )
2. (Fonctions absolument continues.)

Une fonction définie sur [a, b] et à valeurs dans R est dite absolument continue si pour tout ε > 0 il
existe δ > 0 tel que pour toute famille finie d’intervalles
Pn deux à deux disjoints (]ak , bk [)1≤k≤n dont
la somme des longueurs est inférieure à δ, on a k=1 |f (bk ) − f (ak )| < ε.
(a) Montrer que “absolue continuité” implique “uniforme continuité”.

(b) Montrer que l’ensemble des fonctions absolument continues sur [a, b] forme un espace vectoriel.
3. (Fonctions absolument continues et fonctions monotones.) Une fonction f définie sur [a, b] (et à
valeurs dans R) est dite à variation bornée Ps’il existe C t.q. pour toute subdivision du segment
n
[a, b], a = x0 < x1 < ... < xn = b, on ait k=1 |f (xk ) − f (xk−1 )| ≤ C. Pour une fonction f à
variation bornée, on peut définir, pour a < x ≤ b, Vax [f ] par :
n
X
Vax [f ] = sup{ |f (xk ) − f (xk−1 )| , a = x0 < x1 < ... < xn = x, n ∈ N? }.
k=1
On pose aussi Vaa [f ] = 0.
(a) Montrer que toute fonction absolument continue est à variation bornée.
(b) Montrer pour toute fonction f (définie sur [a, b] et) absolument continue, la fonction x 7→ Vax [f ]
est absolument continue sur [a, b]. En déduire que toute fonction absolument continue (définie
sur [a, b]) est la différence de deux fonctions absolument continues monotones croissantes (et
est donc dérivable en presque tout point de ]a, b[).
4. Soit f ∈ L1R (]a, b[, B(]a, b[), λ). Pour x ∈ [a, b], on pose F (x) = f 1]a,x] dλ. Montrer que F
R
absolument continue.
5. Soit F une fonction absolument continue et monotone croissante de [a, b] dans R. On prolonge cette
fonction sur R en posant F (x) = F (a) si x < a et F (x) = F (b) si x > b. Une version étendue du
théorème de Carathéodory (cette version étendue est donnée par le théorème 2.5, pour ce résultat
il suffit de F continue croissante) donne l’existence d’une (et une seule) mesure mF sur B(R) t.q.
mF (]α, β[) = F (β) − F (α) pour tout α, β ∈ R, α < β.
(a) Montrer que mF est absolument continue par rapport à λ. [Utiliser la régularité de λ et
l’absolue continuité de F .]
(b) Montrer qu’il existe g ∈ L1R (R, B(R), λ) t.q. F (β) − F (α) = g1]α,β[ dλ, pour tout α, β ∈ R,
R
α < β. Montrer que g = F 0 p.p. sur ]a, b[.
181
6. Soit F une fonction absolument continue de [a, b] dans R. Montrer que F est dérivable en presque
tout point de ]a, b[, que F 0 ∈ L1R (]a, b[, B(]a, b[), λ) et que pour tout x ∈ [a, b] on a
Z
F (x) − F (a) = F 0 1]a,x[ dλ.
Exercice 6.35 (Dualité L1 -L∞ par le théorème de Radon-Nikodym) Corrigé 120 page 418
Soit (E, T, m) un espace mesuré fini et T ∈ (L1R (E, T, m))0 . On suppose que T est positive, c’est à dire
que, pour f ∈ L1R (E, T, m), f ≥ 0 p.p. implique T (f ) ≥ 0.
1. Pour A ∈ T , on pose µ(A) = T (1A ). Montrer que µ est bien définie et que µ est une mesure finie
sur T .
R
2. En utilisant le théorème de Radon-Nikodym, montrer qu’il existe g ∈ M+ t.q. T (1A ) = g1A dm
pour tout A ∈ T .
3. Montrer que g ∈ L∞ ∞
R (E, T, m) (plus précisément, il existe h ∈ LR (E, T, m) t.q. h = g p.p.). [On
pourra montrer que kgk∞ ≤ kT k(L1 )0 en choissisant bien A dans la formule trouvée à la question
précédente.]
4. Montrer que T (f ) = gf dm pour tout f ∈ L1R (E, T, m).
R
Exercice 6.36 (Une démonstration de la dualité Lp − Lq pour p < 2) Corrigé 121 page 420
Soit (E, T, m) un espace mesuré σ−fini et 1 ≤ p < 2. On pose q = p/(p − 1) et on note Lr l’espace
LrR (E, T, m) (pour r = p, r = q et r = 2). Soit T ∈ (Lp )0 .
1. On considére d’abord le cas où m(E) < +∞.

(a) Montrer que L2 ⊂ Lp et que l’injection canonique de L2 dans Lp est continue.
(b) Montrer qu’il existe g ∈ L2 t.q. T (f ) = f gdm pour tout f ∈ L2 .
R
(c) Montrer que la fonction g, trouvée à la question précédente, appartient à Lq [distinguer les cas
p > 1 et p = 1. Dans le cas p > 1, on pourra considérer les fonctions fn = |g|(q−2) g1{|g|≤n} .
Dans le cas p = 1, prendre f = sgn(g)1A où A = {|g| > kT k(Lp )0 }.]
(d) RSi f ∈ Lp , montrer que fn = f 1{|f |≤n} ∈ L2 . En déduire que il existe g ∈ Lq t.q. T (f ) =
f gdm, pour tout f ∈ Lp .
2. On considére maintenant le cas où m(E) = +∞. Comme m est σ-finie, on peut écrire E = ∪n∈N An ,
avec An ⊂ An+1 et m(An ) < +∞. On note Tn = {A ∈ T , A ⊂ An }, mn = m|Tn et Lr (mn ) =
LrR (An , Tn , mn ) (r = p ou q).
(a) Soit n ∈ N. Pour f ∈ Lp (mn ), on pose Tn (f ) = T (f˜) avec f˜ = f p.p. sur An et f˜ = 0 p.p.
sur (An )c . Montrer que Tn ∈ (Lp (mn ))0 et qu’il existe gn ∈ Lq (mn ) t.q. :
Z
Tn (f ) = f gn dmn , ∀f ∈ Lp (mn ).
On utilise (gn )n∈N dans les questions suivantes.

(b) Montrer que si m ≥ n, gn = gm p.p. sur An .
(c) On définit g : E → R par g = gn sur An .
182
i. Montrer que g ∈ Lq (E). (Distinguer les cas q < +∞ et q = +∞.)
ii. Montrer que T (f ) = f gdm, pour tout f ∈ Lp .
R
Exercice 6.37 (Dualité Lp − Lq )

Lorsque p < 2, on propose d’étudier la démonstration suivante de la dualité Lp − Lq : soit T ∈ (Lp )0 ;
1. On considére d’abord le cas où m(E) < +∞ :
Z
(b) En déduire que il existe g ∈ L2 t.q. T (f ) = f gdm, ∀ f ∈ L2 .
(c) Montrer que g ∈ Lq (distinguer les cas p > 1 et p = 1. Dans le cas p > 1, on pourra
considérer les fonctions fn = |g|(q−2) g1{|g|≤n} . Dans le cas p = 1, prendre f = sgn(g)1A où
A = {|g| > kT k(Lp )0 }.
Si f ∈ Lp , montrer que fn = f 1{|f |≤n} ∈ L2 . En déduire que il existe g ∈ Lq t.q. T (f ) =
(d) Z
f gdm, ∀ f ∈ Lp .
avec An ⊂ An+1 et m(An ) < +∞.
0
(a) A n fixé, définir à partir de T une application linéaire continue Tn ∈ Lp (An ) t.q. : ∃gn ∈
Z
Lq (An ) ; Tn (f ) = f gdm, ∀f ∈ Lp (An ).
An
(b) Montrer que si m ≥ n, gn = gm pp sur An .
(i) Montrer que g ∈ Lq (E). (Distinguer les cas q < +∞ et q = +∞.)
Z
(ii) Montrer que T (f ) = f gdm, ∀ f ∈ Lp .
Exercice 6.38 (Démonstration du théorème de dualité Lp − Lq )

Soient (E, T, m) un espace mesuré σ-fini : il existe une famille dénombrable
[ (An )n∈N d’ensembles An
qu’on peut prendre disjoints deux à deux tels que m(An ) < +∞ et E = An . Soient p ∈ [1, +∞[ et
n∈N
T une forme linéaire continue sur LpR (E, T, m) = Lp .
Partie 1. (Rappel
Z du cours.) On considère d’abord le cas p = 2, montrer qu’il existe un unique g ∈ L2
t.q. T (f ) = f gdm, ∀ f ∈ L2 .
Partie 2. On s’intéresse maintenant au cas p ∈ [1, 2]

2p
1. Soit ψ, une fonction mesurable de E dans R. Montrer que si ψ ∈ Lr , où r = , alors, pour
2−p
toute fonction f de L2 , la fonction f ψ est dans Lp .
X
Montrer qu’il existe une fonction ψ ∈ Lr de la forme : ψ = αn 1An , αn > 0.
n∈N
Dans toute la suite, ψ désignera une fonction particulière de la forme précédente.
183
2. Déduire des questions précédentes l’existence
Z d’une unique fonction G ∈ L2 t.q., pour toute fonction
f G
f de Lp t.q. ∈ L2 , on a T (f ) = f dm.
ψ ψ
1 1
3. Soient p ∈]1, 2[, et q tel que + = 1 ; on définit les fonctions fn , de E dans R, par :
p q
n
(q−2) G [
fn = |g| g1{|g|≤n} 1Bn où g = et Bn = Ap . (6.43)
ψ p=1
fn
(a) Montrer que : ∀ n ∈ N, ∈ L2 .
ψ
G
(b) En déduire que g = ∈ Lq . [Il est fortement conseillé d’utiliser la continuité de T de Lp
ψ
dans R.]
4. Soient p = 1 et f ∈ L1 . On définit : fn = sgn(g)1A 1Bn où A = {|g| > kT k(Lp )0 }.
fn
(a) Montrer que : ∀ n ∈ N, ∈ L2 .
ψ
G
(b) En déduire que m(A ∩ Bn ) = 0, ∀n ∈ N, et que g (= ) ∈ L∞ .
ψ
fn
5. Soient p ∈ [1, 2[ et f ∈ Lp , on définit fn = f 1{|f |≤n} 1Bn . Montrer que ∈ L2 et que fn tend vers
Z ψ
f dans Lp . En déduire que il existe g ∈ Lq t.q. T (f ) = f gdm, ∀ f ∈ Lp .
Partie 3. On s’intéresse maintenant au cas p > 2, et on suppose ici que T ≥ 0, i.e. T (f ) ≥ 0 pour toute
1 1
fonction f ≥ 0 p.p. Soit q tel que + = 1.
p q
1. On suppose dans cette question que la forme linéaire T est, de plus, continue pour la norme k.kL1 .
Z
(a) Montrer qu’il existe g ∈ L∞ t.q. T (f ) = f gdm pour toute fonction f ∈ L1 ∩ Lp .
(b) Montrer que g ∈ Lq . [On pourra utiliser un raisonnement similaire à celui de la question 3 de
la partie 2].
Z
(c) En déduire qu’il existe g ∈ Lq t.q. T (f ) = f gdm pour toute fonction f ∈ Lp et que
kgkLq = kT k(Lp )0 . [On pourra utiliser un raisonnement similaire à celui de la question 5 de la
partie 2].
2. On suppose ici qu’il existe une suite (Tn )n∈N de formes linéaires sur Lp vérifiant les quatre propriétés
suivantes :
∀ f ∈ Lp ; f ≥ 0, 0 ≤ Tn (f ) ≤ T (f ) (6.44)
p
∀ f ∈ L ; f ≥ 0, Tn (f ) ≤ Tn+1 (f ) (6.45)
Z
∀ f ∈ Lp ; f ≥ 0, Tn (f ) ≤ n f dm (6.46)
∀ f ∈ Lp ; f ≥ 0, Tn (f ) converge vers T (f ) lorsque n tend vers + ∞. (6.47)
184
Z
(a) Montrer que, pour tout n ∈ N, il existe gn ∈ Lq tel que Tn (f ) = gn f dm, pour tout f ∈ Lp .
Montrer que kgn kLq ≤ kT k(Lp )0
(b) Montrer que, pour tout n ∈ N, 0 ≤ gn ≤ n p.p. et gn ≤ gn+1 p.p..
Z
(c) Montrer qu’il existe g ∈ Lq t.q. T (f ) = gf dm, pour toute fonction f ∈ Lp .
3. Soit Tn l’application de Lp dans R définie par :

Z
Si f ∈ Lp et f ≥ 0, Tn (f ) = p
inf T (ϕ) + n (f − ϕ)dm ,
ϕ∈L ,0≤ϕ≤f
si f ∈ Lp est quelconque, Tn (f ) = Tn (f + ) − Tn (f − )
Montrer que Tn vérifie les propriétés (1) à (4).

4. Montrer que Tn est linéaire .
p q
5. En déduire que,
Z pour toute forme linéaire continue positive T sur L , il existe une fonction g de L
t.q. T (f ) = f gdm.
6. MontrerZ que, pour toute forme linéaire continue T sur Lp , il existe une fonction g de Lq t.q.
T (f ) = f gdm. [Décomposer T en une partie positive et une partie négative].
6.5.4 Convergence faible, faible-?, étroite, en loi. . .

2 2 2
R ⊂ L = RL (E, T, m) et f ∈ L t.q. la suite
Soient (E, T, m) un espace mesuré, (fn )n∈N (fn )n∈N tende
faiblement vers f dans L , c’est-à-dire : fn ϕdm → f ϕdm pour toute fonction ϕ ∈ L2 .
2
1. Montrer que kf k2 ≤ lim inf n→+∞ kfn k2 .

2. On suppose de plus que kfn k2 → kf k2 lorsque n → +∞. Montrer que la suite (fn )n∈N tend vers f
dans L2 .
Exercice 6.40 (Convergence faible) Corrigé 123 page 424

Soit (E, T, m) un espace mesuré σ−fini. Pour 1 ≤ r ≤ ∞, on note Lr l’espace LrR (E, T, m). Soit
1 ≤ p < ∞ et q = p/(p − 1). Soit (fn )n∈N ⊂ Lp et f ∈ Lp .
1. Montrer que fn → f faiblement dans Lp quand n → ∞ (voir la dénition 6.17) si et seulement si

Z Z
fn gdm → f gdm, ∀g ∈ Lq . (6.48)
2. Montrer que kf kp ≤ lim inf n→∞ kfn kp si fn → f faiblement dans Lp , quand n → ∞. [Utiliser
(6.48) avec un choix convenable de g.]
On suppose dans les questions suivantes (questions 3 à 7) que:
m(E) < ∞, fn → f p.p., ∃C t.q. kfn kp ≤ C, ∀n ∈ N. (6.49)
185
3. On suppose, dans cette question, que p > 1.
(a) Soit N ∈ N etR g ∈ Lq t.q.R g = 0 p.p. sur EN

c
avec EN = ∩n≥N {x ∈ E; |fn (x) − f (x)| ≤ 1}.
Montrer que fn gdm → f gdm, quand n → ∞.
(b) Montrer que fn → f faiblement dans Lp . [Pour g ∈ Lq , introduire gN = g1EN .]
(c) Donner un exemple avec (E, T, m) = (]0, 1[, B(]0, 1[), λ) pour lequel fn 6→ f dans Lp .
4. On suppose, dans cette question, que p = 1. Montrer que kf k1 ≤ lim inf n→∞ kfn k1 . Donner un
exemple avec (E, T, m) = (]0, 1[, B(]0, 1[), λ) pour lequel fn 6→ f faiblement dans L1 , quand n → ∞.
5. On suppose, dans cette question, que p > 1 et on prend 1 ≤ r < p. Montrer que fn → f dans Lr ,
quand n → ∞. [On pourra, par exemple, utiliser le théorème de Vitali pour la suite (gn )n∈N avec
gn = |fn − f |r .]
6. Pour cette question, on retire dans (6.49) l’hypothèse m(E) < ∞ et on suppose que p > 1. Montrer
que fn → f faiblement dans Lp .
7. Dans cette question, on conserve l’hypothèse (6.49) mais on ne suppose plus que f ∈ Lp . Montrer
que f appartient nécessairement à Lp .
8. On prend maintenant (E, T, m) = (]0, 1[, B(]0, 1[), λ) et on définit fn , pour n ∈ N par fn = 1 p.p.
sur ]2k/n, (2k + 1)/n[ pour k ∈ N, (2k + 1)/n ≤ 1 et fn = −1 p.p. sur ]2k − 1/n, 2k/n[ pour
k ∈ N? , 2k/n ≤ 1. Montrer que fn → 0 faiblement dans Lp , pour tout 1 ≤ p < ∞. [On pourra, par
exemple, utiliser la densité de C([0, 1], R) dans L1 .]
Exercice 6.41 Soit (fn )n∈N la suite de fonctions de ]0, 1[ dans R définie par fn (x) = (n − n2 x)+ . On
note λ la mesure de Lebesgue sur la tribu B(R) des boréliens de ]0, 1[, et Lp = LpR (]0, 1[, B(R), λ) pour
p ∈ [1, +∞].
1. Montrer que la suite (fn )n∈N est bornée dans L1 .
2. Montrer que la suite (fn )n∈N n’est pas bornée dans Lp pour p > 1.
3. Y-a-t’il convergence simple, convergence presque partout, convergence uniforme, convergence en

mesure, convergence dans Lp (p ∈ [1, +∞]) de la suite (fn )n∈N (justifier vos réponses...) ?
R
4. Montrer que pour toute fonction ϕ ∈ C([0, 1], R), on a fn ϕdλ → ϕ(0). En déduire que la suite
(fn )n∈N ne converge pas faiblement dans L1 (utiliser le fait que la mesure de Dirac n’est pas une
mesure de densité, cf exercice 5.2).
Exercice 6.42 Soient (E, T, m) un espace mesuré t.q. m(E) < +∞, et (fn )n∈N une suite de L2 =
L2 (E, T, m) t.q. :
(i) la suite (kfn k2 )n∈N est bornée,

Z Z
(ii) fn → f fn gdm → f gdm quand n → +∞.
1. Montrer que f ∈ L2 et kf k2 ≤ sup kfn k2 .

n≥1
186
2. Soit ε > 0, on note Bn = {x [
∈ E; |f (x) − fn (x)| > ε}. Montrer que m(Bn ) → 0 lorsque n → +∞.
[On pourra introduire Ap = Bn et montrer que m(Ap ) → 0 quand p → +∞.]
n≥p
3. Montrer que fn →Zf dans L1 quandZ n → +∞. Z

[On pourra écrire |fn − f |dm = |fn − f |dm + |fn − f |dm.]
|fn −f |>ε |fn −f |≤ε
4. Montrer, en donnant un exemple, que fn peut ne pas converger dans L2 , quand n → +∞.
5. Montrer que, pour tout g ∈ L2 , on a :
Z Z
fn g dm → f g dm quand n → +∞ (6.50)
Z
(on dit que fn → f “faiblement” dans L2 ). [Décomposer (f − fn )gdm de manière semblable à la
question 3.]
Exercice 6.43 Soient (E, T, m) un espace mesuré t.q. m(E) < +∞ et p ∈ [1, +∞]. Pour r ∈ [1, +∞],
on note Lr = LrR (E, T, m) et k.kr la norme usuelle sur Lr . Soit (fn )n∈N ⊂ Lp , t.q. :
(i) la suite (kfn kp )n∈N est bornée,

(ii) fn → f pp quand n → +∞.
1. Montrer que f ∈ Lp et kf kp ≤ sup kfn kp .

n≥1
2. On suppose (dans cette question seulement) que p > 1. Soit r ∈ [1, p[, montrer que fn → f dans
Lr quand n → +∞.
1 1
3. Soit q le conjugué de p (i.e. tel que p + q = 1), montrer que, pour tout g ∈ Lq , on a :
Z Z
fn g dm → f g dm quand n → +∞.
Peut-on dire que fn → f “faiblement” dans Lp ?
Exercice 6.44 (Convergence forte contre convergence faible)

Soit (E, T, m) un espace mesuré. Pour r ∈ [1, +∞], on note Lr l’espace LrR (E, T, m).
Soit p ∈ [1, ∞[ et q l’exposant conjugué de p. Soit (un )n∈N ⊂ Lp , u ∈ Lp , (vn )n∈N ⊂ Lq et v ∈ Lq .
1. On suppose que un → u faiblement dans Lp et vn → v dans Lq , quand n → ∞. Montrer que
un vn → uv faiblement dans L1 , quand n → ∞.
2. On suppose que p = 1, un → u faiblement dans L1 , vn → v p.p., quand n → ∞, et qu’il existe

C ∈ R t.q., pour tout n ∈ N, vn ≤ C p.p.. Montrer que un vn → uv faiblement dans L1 , quand
n → ∞.
Exercice 6.45 (Convergence faible et non linéarité) Corrigé 124 page 427
187
1. (Unicité de la limite faible). Soit (un )n∈N ⊂ L1 et u, v ∈ L1 . On suppose que un → u faiblement

dans L1 , quand n → ∞, (c’est-à-dire que T (un ) → T (u) pour toute application T linéaire continue
de L1 dans R) et que un → v faiblement dans L1 .
(a) Montrer que (u − v)φdλ = 0, pour tout φ ∈ L∞ .

R
(b) Montrer que u = v p.p.. [Choisir convenablement φ dans l’égalité précécente.]
2. (Convergence forte contre convergence faible) Soit (vn )n∈N ⊂ L∞ et v ∈ L∞ . On suppose qu’il
existe C > 0 t.q. kvn k∞ ≤ C pour tout n ∈ N et que vn → v p.p., quand n → ∞.
(a) Montrer que vn → v dans Lp , quand n → ∞, pour tout 1 ≤ p < ∞.

(b) Donner un exemple pour lequel vn 6→ v dans L∞ .
(c) Soit (un )n∈N ⊂ L1 et u ∈ L1 . On suppose que ku
R n k∞ ≤ C pour
R tout n ∈ N et que un → u
faiblement dans L1 , quand n → ∞. Montrer que un vn dλ → uvdλ, quand n → ∞. [Ecrire
vn = v + (vn − v).]
On se donne maintenant une fonction ϕ ∈ C(R, R).

3. Soit u ∈ L∞ . Montrer que ϕ ◦ u ∈ L∞ .
4. Soit u ∈ L∞ et v, w ∈ u. Montrer que {h ∈ L∞ ; h = ϕ ◦ v p.p.} = {h ∈ L∞ ; h = ϕ ◦ w p.p.}.
Grâce aux 2 questions précédentes, pour u ∈ L∞ , on pose, si v ∈ u :

ϕ(u) = {h ∈ L∞ ; h = ϕ ◦ v p.p.}, de sorte que ϕ(u) ∈ L∞ .
On se donne maintenant (un )n∈N ⊂ L∞ . On suppose qu’il existe C > 0 t.q. kun k∞ ≤ C pour tout
n ∈ N et qu’il existe u ∈ L1 et f : ]0, 1[→ R t.q. :
• un → u faiblement dans L1 , quand n → ∞,

• ϕ(un ) → f p.p., quand n → ∞.
Le but de l’exercice est de comparer f et ϕ(u).

5. Montrer que | u1A dλ| ≤ Cλ(A) pour tout A ∈ B(]0, 1[). Montrer que u ∈ L∞ que kuk∞ ≤ C.
R
6. On suppose, dans cette question, que ϕ est affine (c’est-à-dire qu’il existe α, β ∈ R t.q. ϕ(s) = αs+β
pour tout s ∈ R). Montrer que f = ϕ(u) p.p.. [Utiliser, en particulier, la question 1.]
7. On suppose, dans cette question, que ϕ est injective. Montrer qu’il existe v ∈ L∞ t.q. un → v p.p.
quand n → ∞. En déduire que v = u et f = ϕ(u) p.p..
8. (Astuce de Minty) On suppose, dans cette question, que ϕ est croissante.
(a) Soit v ∈ L∞ . Montrer que (f − ϕ(v))(u − v)dλ ≥ 0. [Utiliser la croissance de ϕ et la question

R
2 (c).]
188
(b) Soit w ∈ L∞ . Montrer que
R
(f − ϕ(u))wdλ ≤ 0. [Utiliser la question précédente avec
v = u + (1/n)w.]
(c) Montrer que f = ϕ(u) p.p..
9. On définit un , pour n ∈ N, par un = 1 p.p. sur ]2k/2n, (2k + 1)/2n[ pour k ∈ {0, . . . , n − 1}, et
un = −1 p.p. sur ]2k − 1/2n, 2k/2n[ pour k ∈ {1, . . . , n}.
R
(a) Montrer que un φdλ → 0, quand n → ∞, pour tout φ ∈ C([0, 1], R).
(b) Montrer que un → 0 faiblement dans L1 , quand n → ∞. [On pourra, par exemple, utiliser la
densité de C([0, 1], R) dans L1 .] Montrer que un 6→ 0 dans L1 , quand n → ∞.
(c) Donner un exemple de fonction ϕ ∈ C(R, R) pour lequel ϕ(un ) → f p.p. et f 6= ϕ(0) p.p.. (et
donc ϕ n’est pas croissante et n’est pas injective).
(d) Donner un exemple de fonction ϕ ∈ C(R, R) croissante pour lequel ϕ(un ) → f p.p. (et donc
f = ϕ(0) p.p., par la question 8, et ϕ est non injective, par les questions 7 et 9 (b)).
Exercice 6.46 (Convergence étroite de mesures) Corrigé 125 page 433

Soit (mn )n∈N une suite de mesures finies sur B(R) (on rappelle que “mn finie” signifie que “mn (R) < ∞”)
et m une mesure finie sur B(R). On rappelle que Cb (R, R) ⊂ L1R (R, B(R), mn ), pour tout n ∈ N, et que
Cb (R, R) ⊂ L1R (R, B(R), m).
On suppose que : Z Z
gdmn → gdm, pour tout g ∈ Cb (R, R).
Soit f ∈ C(R, R). On ne suppose pas que f est bornée, mais on suppose que f ∈ L1R (R, B(R), mn ) pour
tout n ∈ N.
1. On pose α = supn∈N mn (R). Montrer que α < ∞.

2. On suppose, dans cette question, que :
Z
β = sup |f |2 dmn < ∞.
n∈N
(a) Soit ϕ une fonction continue de R dans R, à support compact et t.q. 0 ≤ ϕ(x) ≤ 1 pour tout
x ∈ R. Montrer qu’il existe C ∈ R, ne dépendant que de α et β (définis ci dessus), t.q. :
Z
|f |ϕdm ≤ C.
(b) Montrer que f ∈ L1R (R, B(R), m)

Z Z
(c) Montrer que f dmn → f dm, quand n → ∞.
Z
3. On ne suppose plus que sup |f |2 dmn < ∞.
n∈N
Montrer (en choississant convenablement (mn )n∈N , m et f ) que l’on peut avoir f 6∈ L1R (R, B(R), m).
Exercice 6.47 (Convergence faible et convexité) Corrigé 126 page 435
189
Dans cet exercice (E, T, m) est un espace mesuré et on suppose que la mesure m est σ−finie.. Pour tout
1 ≤ r ≤ ∞, on note Lr l’espace Lr (E, T, m) (et Lr l’espace Lr (E, T, m)). Soit 1 ≤ p < ∞, (un )n∈N une
suite bornée de Lp et u ∈ Lp t.q. un → u faiblement dans Lp quand n → ∞ (on rappelle que ceci signifie
T (un ) → T (u), quand n → ∞, pour tout T dans (Lp )0 , c’est-à-dire dans le dual topologique de Lp ).
1. On pose r = p/(p − 1) si p > 1 et r = ∞, si p = 1. Montrer que, pour tout v ∈ Lr :

Z Z
un vdm → uvdm.
Soit ϕ ∈ C 1 (R, R). On suppose que ϕ est strictement convexe (ce qui est équivalent à dire que ϕ0
est strictement croissante).
2. Soit a ∈ R. Pour x ∈ R, on pose ha (x) = ϕ(x) − ϕ(a) − ϕ0 (a)(x − a).
(a) Montrer que ha (x) > 0 si x 6= a.
(b) Montrer que ha est décroissante sur ] − ∞, a[ et croissante sur ]a, ∞(.
Soit 1 ≤ q < ∞. On suppose maintenant que la suite (ϕ(un ))n∈N est bornée dans Lq et qu’elle
converge faiblement dans Lq , quand n → ∞, vers une (classe de) fonction(s) ϕ ∈ Lq .
Précision de notation : On choisit un représentant pour un . On désigne alors par ϕ(un ) la fonction
(de E dans R) x 7→ ϕ(un (x)). Cette fonction est supposée être dans Lq et on l’identifie, comme
d’habitude, avec l’élément de Lq qu’elle représente.
Pour n ∈ N, on pose fn = [ϕ(un ) − ϕ(u) − ϕ0 (u)(un − u)].
Précision de notation : Ici aussi, pour définir fn , on choisit un représentant pour u. On désigne
alors par ϕ(u) et ϕ0 (u) les fonctions x 7→ ϕ(u(x)) et x 7→ ϕ0 (u(x)).
3. Soit k ∈ R?+ et B ∈ T t.q. m(B) < ∞. On pose Ak = {|u| ≤ k} (c’est-à-dire Ak = {x ∈ E t.q.
|u(x)| ≤ k}.
Z Z
Montrer que fn 1Ak 1B dm → (ϕ − ϕ(u))1Ak 1B dm, quand n → ∞.
4. Montrer ϕ ≥ ϕ(u) p.p.. [Utiliser les questions 2(a) et 3.]
On suppose maintenant que ϕ = ϕ(u) p.p..

5. Soit B ∈ T t.q. m(B) < ∞, k ∈ R?+ et Ak = {|u| ≤ k}. Montrer que (fn )n∈N admet une sous suite
convergeant p.p. vers 0 sur Ak ∩ B.
6. (Question plus difficile.) Montrer que (fn )n∈N admet une sous suite convergeant p.p. vers 0 sur E.
[Utiliser le fait que la mesure m est σ−finie et un “procédé diagonal”.]
7. Soit x ∈ E t.q. fn (x) → 0, montrer que un (x) → u(x). [Soit b ∈ R, limite d’une sous suite de la
suite (un (x))n∈N . Utiliser la question 2 pour montrer que b = u(x).]
8. Montrer que (un )n∈N admet une sous suite convergeant p.p. vers u.
9. On suppose ici que p > 1. Montrer que un 1B → u1B dans Lr pour tout r ∈ [1, p[ et tout B ∈ T
t.q. m(B) < ∞. [Utiliser l’exercice 6.18.]
190
10. En prenant (E, T, m) = (R, B(R), λ) et ϕ(s) = s2 , donner un exemple pour lequel un 6→ u p.p. sur
E (toutefois, d’après la question 8, (un )n∈N admet une sous suite convergeant p.p. vers u).
Exercice 6.48 (Produit de convergences faibles) Corrigé 127 page 439

Soit (E, T, m) un espace mesuré fini. Pour p ∈ [1, ∞], on note Lp l’espace LpR (E, T, m).
Soit α, β > 0. Pour a ∈ R+ , on définit ψa de R+ dans R par ψa (t) = (tα − aα )(tβ − aβ ).
1. Soit a ∈ R+ . Montrer que ψa (t) > 0 pour tout t ∈ R+ , t 6= a.
Soit (fn )n∈N une suite de fonctions positives appartenant à L∞ et lα , lβ , lα+β ∈ L∞ . On suppose
que la suite (fn )n∈N est bornée dans L∞ et que fnγ → lγ ?−faiblement dans L∞ , quand n → ∞,
pour γ = α, γ = β et γ = α + β.
On rappelle que fnγ → lγ ?−faiblement dans L∞ signifie que fnγ ϕdm → lγ ϕdm, quand n → ∞,
R R
pour tout ϕ ∈ L1 .
2. Soit ϕ ∈ L1 t.q. ϕ ≥ 0 p.p.. Montrer que la ϕdm ≥ 0.
R
3. Montrer que lα ≥ 0 p.p..

1
4. Montrer que lα+β ≥ lα lβ p.p.. [On pourra utiliser ψa (t) ≥ 0 avec t = fn (x) et a = (lα (x)) α .]
1
5. On suppose maintenant que lα+β = lα lβ p.p.. On pose f = lαα et gn = (fnα − f α )(fnβ − f β ).
(a) Montrer que gn → 0 dans L1 , quand n → ∞.
(b) Montrer qu’il existe ϕ : N → N strictement croissante t.q. gϕ(n) → 0 p.p., quand n → ∞.
Montrer que fϕ(n) → f p.p., quand n → ∞. [Utiliser la question 1.]
(c) Montrer que fn → f dans Lq , quand n → ∞, pour tout q ∈ [1, ∞[.
Exercice 6.49 (Convergence faible contre convergence forte)

Soit (E, T, m) un espace mesuré. On suppose que m est σ-finie. Pour r ∈ [1, ∞], on note Lr l’espace
LrR (E, T, m) (et Lr est muni de sa norme usuelle). Soit p, q ∈ [1, ∞] t.q. p1 + 1q = 1. Soit (fn )n∈N une
suite bornée de Lp et (ϕn )n∈N une suite bornée de Lq .
1. On suppose ici que p ∈ [1, ∞[ (et donc q ∈]1, ∞]), ϕn → ϕ dans Lq , quand n → ∞, et fn → f
faiblement dans Lp , quand n → ∞ (c’est-à-dire que T (fn ) → T (f ) pour toute application linéaire
continue T de Lp dans R).
(a) Montrer que fn ψdm → f ψdm, pour tout ψ ∈ Lq .
R R
R R
(b) Montrer que fn ϕn dm → f ϕdm.
1
2. On suppose ici que p = ∞ (et donc q = 1), ϕRn → ϕ dans L
R , quand n → ∞, et fn →1 f ?−faiblement
∞
dans
R R n → ∞ (c’est-à-dire que fn ψdm → f ψdm pour tout ψ ∈ L ). Montrer que
L , quand
fn ϕn dm → f ϕdm.
On suppose pour la suite de l’exercice que p = 1 (et donc q = ∞) et m(E) < ∞.

3. Montrer que ϕn → ϕ dans L∞ , quand n → ∞, implique :
(p1) ϕn → ϕ p.p. quand n → ∞.
191
4. Montrer, en prenant (par exemple) (E, T, m) = (]0, 1[, B(]0, 1[), λ) que (p1) n’implique pas ϕn → ϕ
dans L∞ quand n → ∞. [Il faut donc trouver une suite (ϕn )n∈N bornée de L∞ et ϕ ∈ L∞ t.q.
ϕn → ϕ p.p., quand n → ∞, et kϕn − ϕk∞ 6→ 0, quand n → ∞.]
On suppose maintenant que la suite (ϕn )n∈N vérifie (p1) et que :

(p2) fn → f faiblement dans L1 , quand n → ∞,
5. Montrer que ϕ ∈ L∞ (au sens “il existe ϕ̄ ∈ L∞ (E, T, m) t.q. ϕ = ϕ̄ p.p.”). [On rappelle que la
suite (ϕn )n∈N est, par hypothèse, bornée dans L∞ .]
6. On admet que (p2) implique l’équi-intégrabilité de la suite (fn )n∈N , c’est-à-dire :
Z
∀ε > 0, ∃δ > 0 t.q. A ∈ T, m(A) ≤ δ, n ∈ N ⇒ |fn |dm ≤ ε.
A
R R
Montrer que fn ϕn dm → f ϕdm. [On pourra utiliser le théorème d’Egorov.]
Exercice 6.50 (Dunford-Pettis)

En attente
Exercice 6.51 (Conv. étroite et conv. des mesures des intervalles) Corrigé 128 page 439
Soit (mn )n∈N une suite de mesures sur B(R) et m une mesure sur B(R). On suppose que mn → m
étroitement, quand n → ∞, et que m est diffuse (c’est-à-dire que m({x}) = 0 pour tout x ∈ R). Soit I
un intervalle de R, montrer que mn (I) → m(I) quand n → ∞. Montrer (en donnant un contre-exemple)
que cette propriété peut être fausse si m n’est pas diffuse.
Exercice 6.52 (Convergence en loi) Corrigé 129 page 440

Soit (Ω, A, P ) un espace de probabilités et X une v.a. réelle de loi uniforme sur [−1, 1].
1. Montrer que −X est une v.a. de même loi que X.

2. Donner un exemple de suite (Xn )n∈N de v.a. t.q. :
(a) (Xn )n∈N converge en loi vers X,

(b) (Xn − X)n∈N ne converge pas en loi vers 0.
3. Donner un exemple de trois v.a. X, Y, Z t.q. X et Y aient la même loi, mais sans que XZ et Y Z
aient la même loi.
Exercice 6.53 (Convergence en loi + convergence en probabilité) Corrigé 130 page 441
Soit (Ω, A, P ) est un espace de probabilité, X une v.a. réelle et (Xn )n∈N , (Yn )n∈N deux suites de v.a.
réelles t.q. :
Xn → X en loi, Yn → 0 en probabilité, quand n → ∞.
Montrer que
Xn + Yn → X en loi, quand n → ∞.
[On pourra utiliser la convergence vague.]
Exercice 6.54 (Convergence en loi versus convergence en probabilité) Corrigé 131 page 442
192
Soit (Ω, A, P ) un espace de probabilité, X une v.a. réelle et (Xn )n∈N une suite de v.a. réelles.
1. On suppose, dans cette question, que Xn → X en probabilité, quand n → ∞. Montrer que :
Xn → X en loi, quand n → ∞.
[Remarquer qu’il suffit de démontrer une convergence vague de PXn vers PX .]
2. On suppose qu’il existe a ∈ R t.q. X = a p.s.. On suppose aussi que Xn → X en loi, quand n → ∞.
Montrer que :
Xn → X en probabilité, quand n → ∞.
193
Chapter 7
Produits d’espaces mesurés
7.1 Motivation
Au chapitre 1, on a introduit la mesure de Lebesgue sur la tribu des boréliens de R (notée B(R)), ce
qui nous a permis d’exprimer la notion de longueur d’une partie (borélienne) de R. On peut se poser
la question de savoir s’il existe une mesure sur une tribu convenable de R2 qui exprimerait la notion de
surface (et une mesure sur une tribu convenable de R3 qui exprimerait la notion de volume. . . ).
La question est donc : existe-t-il une mesure λ2 sur une tribu de R2 contenant B(R) × B(R), vérifiant :
λ2 (A × B) = λ(A)λ(B), ∀A, B ∈ B(R) ? (7.1)
La tribu T2 , sur laquelle on veut définir λ2 , doit donc contenir B(R) × B(R). On remarque tout d’abord
que B(R) × B(R) = {A × B, A ∈ B(R), B ∈ B(R)} n’est pas une tribu. En effet, B(R) × B(R) n’est pas
stable par passage au complémentaire ni par union (par contre, B(R) × B(R) est stable par intersection
dénombrable). On définit alors T2 comme la tribu engendrée par B(R) × B(R), qu’on note B(R) ⊗ B(R).
On cherche alors une mesure λ2 : T2 → R+ t.q. λ2 (A × B) = λ(A)λ(B) pour tout A, B ∈ B(R). On

peut montrer l’existence et l’unicité de la mesure λ2 (voir le théorème 7.1). On peut aussi montrer que
la tribu T2 est la tribu borélienne sur R2 , c’est-à-dire la tribu engendrée par les ouverts de R2 (voir la
proposition 7.1).
Une autre question qu’on abordera dans ce chapitre concerne l’intégration des fonctions à plusieurs
variables. Considérons par exemple une fonction f définie de R2 dans R. Sous quelles hypothèses (faciles
à vérifier. . . ) peut-on écrire :
Z Z Z Z
f (x, y)dy dx = f (x, y)dx dy ? (7.2)
Une réponse à cette question est apportée par le théorème de Fubini, que nous verrons dans ce chapitre.
On introduira aussi le produit de convolution de deux fonctions, qui sera utile, par exemple, pour démon-
trer des théorèmes de densité. Mais la convolution est un notion utile pour beaucoup d’autres raisons
(elle est utile, par exemple, en théorie du signal).
194
7.2 Mesure produit
On rappelle ici qu’un espace mesuré (E, T, m) est σ-fini (on dit aussi que m est σ-finie) si il existe une
famille (An )n∈N ⊂ T t.q. E = ∪n∈N An et m(An ) < +∞, pour tout n ∈ N. L’espace mesuré (R, B(R), λ)
est σ-fini (prendre, par exemple, An = [−n, n]). Il existe, par contre, des mesures non finies. L’exemple
le plus simple sur (R, B(R)) consiste à prendre m(A) = ∞ pour tout A ∈ B(R), A 6= ∅. Un exemple plus
intéressant (intervenant pour certains problèmes) consiste à se donner un borélien non vide B de R (B
peut être, par exemple, réduit à un point) et à définir mB par mB (A) = ∞ si A ∈ B(R) et A ∩ B 6= ∅ et
mB (A) = 0 si A ∈ B(R) et A ∩ B = ∅.
Définition 7.1 (Tribu produit) Soient (E1 , T1 ) et (E2 , T2 ) des espaces mesurables. On pose E =
E1 × E2 . On appelle tribu produit la tribu sur E engendrée par T1 × T2 = {A1 × A2 , A1 ∈ T1 , A2 ∈ T2 }.
Cette tribu produit est notée T1 ⊗ T2 .
Un exemple fondamental est (E1 , T1 ) = (E2 , T2 ) = (R, B(R)). On va montrer que, dans ce cas, B(R) ⊗
B(R) = B(R2 ).
Proposition 7.1 (Tribu B(RN ))

Pour tout N ≥ 2, on a B(RN −1 ) ⊗ B(R) = B(RN ).
Démonstration : La démonstration est faite pour N = 2 dans l’exercice 2.5 (corrigé 13). Elle s’adapte
facilement pour traiter aussi le cas N > 2 (exercice 7.1).
Théorème 7.1 (Mesure produit)

Soient (E1 , T1 , m1 ) et (E2 , T2 , m2 ) deux espaces mesurés σ-finis, E = E1 × E2 et T = T1 ⊗ T2 . Alors, il
existe une et une seule mesure m sur T vérifiant :
m(A1 × A2 ) = m1 (A1 )m2 (A2 ) pour tout A1 ∈ T1 , et A2 ∈ T2 t.q. m1 (A1 ) < ∞ et m(A2 ) < ∞. (7.3)
Cette mesure est notée m = m1 ⊗ m2 . De plus, m est σ-finie.
Démonstration :
Existence de m. On va construire une mesure m sur T vérifiant (7.3).
Soit A ∈ T . On va montrer,
R à l’étape 1, que, pour tout x1 ∈ E1 , on a 1A (x1 , ·) ∈ M+ (E2 , T2 ). On pourra
donc poser fA (x1 ) = 1A (x1 , ·)dm2 , pour tout x1 ∈ E1 . L’application fA sera donc une application R de
E1 dans R+ . On va montrer, à l’étape 2, que fA ∈ M+ (E1 , T1 ). On posera alors m(A) = fA dm1 .
Enfin, il restera à l’étape 3 à montrer que m est bien une mesure vérifiant (7.3) et que m est σ-finie.
Etape 1. Pour A ∈ P(E) et x1 ∈ E1 , on note S(x1 , A) = {x2 ∈ E2 ; (x1 , x2 ) ∈ A} ⊂ E2 , de sorte que

1A (x1 , ·) = 1S(x1 ,A) .
Soit x1 ∈ E1 . On pose Θ = {A ∈ P(E); S(x1 , A) ∈ T2 }.
On remarque tout d’abord que Θ ⊃ T1 × T2 . En effet, si A = A1 × A2 avec A1 ∈ T1 et A2 ∈ T2 , on a
S(x1 , A) = A2 ∈ T2 si x1 ∈ A1 et S(x1 , A) = ∅ ∈ T2 si x1 6∈ A1 .
On remarque ensuite que Θ est une tribu. En effet :
• ∅ ∈ Θ car S(x1 , ∅) = ∅ ∈ T2 ,
195
• Θ est stable par passage au complémentaire. En effet :
S(x1 , Ac ) = (S(x1 , A))c (c’est-à-dire S(x1 , E \ A) = E2 \ S(x1 , A)). On a donc S(x1 , Ac ) ∈ T2 si
A ∈ Θ, ce qui prouve que Ac ∈ Θ.
• Θ est stable par union dénombrable. Il suffit de remarquer que :
S(x1 , ∪n∈N A(n) ) = ∪n∈N S(x1 , A(n) ) ∈ T2 si (A(n) )n∈N ⊂ Θ.
Θ est donc une tribu contenant T1 × T2 , ceci prouve que Θ contient T1 ⊗ T2 = T . On a donc S(x1 , A) ∈ T2
pour tout A ∈ T .
Pour tout A ∈ T , on peut donc définir une application fA : E1 → R+ en posant :

Z Z
fA (x1 ) = m2 (S(x1 , A)) = 1S(x1 ,A) dm2 = 1A (x1 , ·)dm2 ∈ R+ , pour tout x1 ∈ E1 . (7.4)
Etape 2. Dans cette étape, on démontre que fA ∈ M+ (E1 , T1 ) pour tout A ∈ T . Cette étape est plus
difficile que la précédente.
On note Σ = {A ∈ T ; fA ∈ M+ (E1 , T1 )} et on va montrer que Σ ⊃ T et donc que Σ = T .
On suppose d’abord que m2 est finie.
Il est facile de voir que Σ contient T1 × T2 . En effet, si A = A1 × A2 avec A1 ∈ T1 et A2 ∈ T2 , on a alors
fA = m2 (A2 )1A1 ∈ E+ (E1 , T1 ) ⊂ M+ (E1 , T1 ).
On note maintenant A l’ensemble des réunions finies disjointes d’éléments de T1 ×T2 (A s’appelle l’algèbre
engendrée par T1 × T2 , voir l’exercice 7.2). Si A ∈ A, il existe donc (A(p) )P p=1,...,n ⊂ T1 × T2 t.q.
n
A(p) ∩ A(q) = ∅ si p 6= q et A = ∪np=1 A(p) . On a alors fA (x1 ) = m2 (S(x1 , A)) = p=1 m2 (S(x1 , A(p) )) =
Pn (p)
p=1 fA(p) ∈ M+ (E1 , T1 ) car A ∈ T1 × T2 ⊂ Σ. On a donc A ⊂ Σ.
On montre maintenant que Σ est une classe monotone, c’est-à-dire que :
(A(n) )n∈N ⊂ Σ, A(n) ⊂ A(n+1) ∀n ∈ N ⇒ ∪n∈N A(n) ∈ Σ (7.5)
et
(A(n) )n∈N ⊂ Σ, A(n) ⊃ A(n+1) ∀n ∈ N ⇒ ∩n∈N A(n) ∈ Σ. (7.6)
(n) (n) (n+1)
Pour montrer (7.5), soit (A )n∈N ⊂ Σ t.q. A ⊂A pour tout n ∈ N. On pose A = ∪n∈N A(n) .
Soit x1 ∈ E1 . On a alors (S(x1 , A ))n∈N ⊂ T2 (par l’étape 1, car Σ ⊂ T ), S(x1 , A(n) ) ⊂ S(x1 , A(n+1) )
(n)
pour tout n ∈ N et S(x1 , ∪n∈N A(n) ) = ∪n∈N S(x1 , A(n) ). On en déduit, par continuité croissante de
m2 , que m2 (S(x1 , A)) = supn∈N m2 (S(x1 , A(n) )) et donc que fA = supn∈N fA(n) . Ce qui prouve que
fA ∈ M+ (E1 , T1 ) car fA(n) ∈ M+ (E1 , T1 ) pour tout n ∈ N. On a donc A = ∪n∈N A(n) ∈ Σ.
La démonstration de (7.6) est similaire, il faut utiliser la continuité décroissante de m2 au lieu de la
continuité croissante. C’est pour utiliser la continuité décroissante de m2 qu’on a besoin de m2 finie.
On a ainsi montré que Σ est une classe monotone contenant l’algèbre A. On peut en déduire, cela fait
l’objet de l’exercice 2.12 (corrigé 17), que Σ contient la tribu engendrée par A et donc aussi la tribu
engendrée par T1 × T2 (car T1 × T2 ⊂ A), c’est-à-dire que Σ contient T = T1 ⊗ T2 . On a bien montré,
finalement, que Σ = T .
Il reste maintenant à montrer que Σ = T sans l’hypothèse m2 finie. Comme m2 est σ-finie, on peut
construire une suite (Fn )n∈N ⊂ T2 t.q. Fn ⊂ Fn+1 et m2 (Fn ) < ∞ pour tout n ∈ N. Pour n ∈ N, on
(n) (n) (n)
définit alors la mesure m2 par m2 (A2 ) = m2 (A2 ∩ Fn ) pour tout A2 ∈ T2 . La mesure m2 est finie,
196
(n) (n)
l’étape 1 et la première partie de l’étape 2 donne donc que, pour tout A ∈ T , fA ∈ M+ (E1 , T1 ) où fA
(n) (n) (n)
est définie par 7.4 avec m2 au lieu de m2 (c’est-à-dire fA (x1 ) = m2 (S(x1 , A)) pour tout x1 ∈ E1 ).
(n)
On conclut alors en remarquant que fA ↑ fA quand n → ∞, ce qui donne que fA ∈ M+ (E1 , T1 ).
On a donc montré que fA ∈ M+ (E1 , T1 ) pour tout A ∈ T . Ceci nous permet de définir m : T → R+
par : Z
m(A) = fA dm1 , pour tout A ∈ T. (7.7)
Etape 3. Dans cette étape, on montre que m, définie par (7.7), est une mesure sur T et que m vérifie
(7.3) et est σ-finie.
On montre d’abord que m est bien une mesure sur T :
1. m(∅) = 0 car f∅ (x1 ) = m2 (S(x1 , ∅)) = m2 (∅) = 0.

2. (σ-additivité de m) Soit (A(n) )n∈N ⊂ T t.q. A(n) ∩ A(m) = ∅ si n 6= m. On pose A = ∪n∈N A(n) .
Pour x1 ∈ E1 , on a :
S(x1 , A) = ∪n∈N S(x1 , A(n) ) et S(x1 , A(n) ) ∩ S(x1 , A(m) ) = ∅ si n 6= m.

(n)
P
La
P σ-additivité de m2 donne alors m2 (S(x1 , A)) = n∈N m2 (S(x1 , A )), c’est-à-dire fA (x1 ) =
n∈N fA(n) (x1 ). Le premier corollaire du théorème de convergence monotone (corollaire 4.1) donne
alors: Z XZ X
m(A) = fA dm1 = fA(n) dm1 = m(A(n) ),
n∈N n∈N
ce qui donne la σ-additivité de m.
On montre maintenant que m vérifie (7.3). Soient A1 ∈ T1 et A2 ∈ TR2 t.q. m1 (A1 ) < ∞ et m(A2 ) < ∞.
On pose A = A1 × A2 . On a alors fA = m2 (A2 )1A1 et donc m(A) = fA dm1 = m2 (A2 )m1 (A1 ).
(n) (n)
Il reste à vérifier que m est σ-finie. Comme m1 et m2 sont σ-finies, il existe (B1 )n∈N ⊂ T1 et (B2 )n∈N ⊂
(n) (n) (n) (n)
T2 t.q. E1 = ∪n∈N B1 , E2 = ∪n∈N B2 et, pour tout n ∈ N, m1 (B1 ) < ∞ et m2 (B2 ) < ∞.
(n) (m)
Pour (n, m) ∈ N2 , on pose Cn,m = B1 × B2 , de sorte que E = ∪(n,m)∈N2 Cn,m et m(Cn,m ) =
(n) (m)
m1 (B1 ) × m2 (B2 ) < ∞. Comme N2 est dénombrable, on en déduit que m est σ-finie.
Unicité de m.
La partie “existence” de la démonstration donne une mesure m sur T vérifiant (7.3). La partie “unicité”
du théorème peut se montrer avec la proposition 2.5, nous développons cette méthode ci-après, ou avec
le lemme des classes monotones (exercice 2.12) comme cela est expliqué dans la remarque 7.1.
Soit m et µ deux mesures sur T vérifiant (7.3). Pour montrer que m = µ, on va apliquer la proposition 2.5.
On pose :
C = {A1 × A2 , A1 ∈ T1 , A2 ∈ T2 , m1 (A1 ) < ∞, m2 (A2 ) < ∞}.
Comme m1 et m2 sont σ−finies, il est facile de montrer que tout élément de T1 × T2 est une réunion
dénombrable d’éléments de C. On en déduit que C engendre T . Il est clair que C est stable par intersection
finie et, par (7.3), on a m = µ sur C. Puis, comme m1 et m2 sont σ−finies, il existe deux suites
197
(E1,n )n∈N ⊂ T1 et (E2,n )n∈N ⊂ T2 d’éléments de T1 et T2 , disjoints deux à deux et t.q. E1 = ∪n∈N E1,n ,
E2 = ∪n∈N E2,n et mi (Ei,n ) < ∞ pour tout i ∈ {1, 2} et tout n ∈ N. Pour n, m ∈ N, on pose Fn,m =
E1,n ×E2,m . La famille (Fn,m )n,m∈N est une famille dénombrable déléments de C, disjoints deux à deux et
t.q. E = ∪n,m∈N Fn,m et m(Fn,m ) = m1 (E1,n )m2 (E1,m ) < ∞. On peut alors utiliser la Proposition 2.5.
Elle donne m = µ sur T et termine la démonstration du théorème.
Remarque 7.1 Comme cela a été dit, un autre moyen de montrer la partie “unicité” du théorème
précédent est d’utiliser le lemme des classes monotones (exercice 2.12). Supposons tout d’abord que m1
et m2 sont finies. On a alors (par (7.3)) :
m(E) = µ(E) = m1 (E1 )m2 (E2 ) < ∞.
La condition (7.3) donne également que m = µ sur T1 ×T2 . On a alors aussi m = µ sur l’algèbre engendrée
par T1 × T2 , notée A (cette algèbre a été définie dans la partie “existence” de la démonstration). En effet,
si A ∈ A, il existe (A(p) )p=1,...,n ⊂ T1 × T2 t.q. A(p) ∩ A(q) = ∅ si p 6= q et A = ∪np=1 A(p) . On a alors, par
additivité de m et µ, m(A) = n∈N m(A(n) ) = n∈N µ(A(n) ) = µ(A).
P P
On pose maintenant Σ = {A ∈ T ; m(A) = µ(A)}. On vient de montrer que Σ ⊃ A. Il est d’autre

part facile de voir que Σ est une classe monotone. En effet, les propriétés de continuité croissante et de
continuité décroissante appliquées à m et µ permettent facilement de vérifier (7.5) et (7.6) (on utilise
ici, pour montrer (7.6), que m et µ sont des mesures finies). Comme dans la partie “existence” de
la démonstration, l’exercice 2.12 donne alors que Σ contient la tribu engendrée par A et donc que Σ
contient T = T1 ⊗ T2 . Ce qui donne Σ = T et donc m = µ.
(n) (n)
Dans le cas où m1 et m2 ne sont pas finies, mais σ-finies, il existe (B1 )n∈N ⊂ T1 et (B2 )n∈N ⊂ T2
(n) (n) (n) (n)
t.q. E1 = ∪n∈N B1 , E2 = ∪n∈N B2 et, pour tout n ∈ N, m1 (B1 ) < ∞ et m2 (B2 ) < ∞. On peut
(n) (n+1) (n) (n+1)
également supposer que B1 ⊂ B1 et B2 ⊂ B2 pour tout n ∈ N (il suffit, par exemple, de
(n) n (p)
remplaçer Bi par ∪p=0 Bi ). Par un raisonnement analogue à celui fait dans le cas où m1 et m2 sont
(n) (n)
finies, on peut montrer que m = µ sur {A ∈ T ; A ⊂ B1 × B2 }. On conclut alors, en utilisant la
propriété de continuité croissante, que m = µ sur T .
Remarque 7.2 Dans le théorème précédente (théorème 7.1), on peut aussi remarquer que :
1. m(A1 × A2 ) = m1 (A1 )m2 (A2 ) = ∞ si A1 ∈ T1 et A2 ∈ T2 avec m1 (A1 ) 6= 0 et m(A2 ) = ∞ (ou
avec m1 (A1 ) = ∞ et m2 (A2 ) 6= 0),
2. m(A1 × A2 ) = 0 si A1 ∈ T1 et A2 ∈ T2 avec m1 (A1 ) = 0 et m(A2 ) = ∞ (ou avec m1 (A1 ) = ∞ et
m2 (A2 ) = 0).
En effet, on suppose par exemple que m1 (A1 ) = 0 et m(A2 ) = ∞. Comme m2 est σ-finie, on peut
construire une suite (Fn )n∈N ⊂ T2 t.q. Fn ⊂ Fn+1 et m2 (Fn ) < ∞ pour tout n ∈ N. On a alors, par
continuité croissante de m, m(A1 × A2 ) = limn→∞ m(A1 × (A2 ∩ Fn )) = limn→∞ m1 (A1 )m2 (A2 ∩ Fn ) = 0
(on a d’ailleurs aussi m2 (A2 ∩ Fn ) ↑ ∞, ce qui permet de conclure si 0 < m1 (A1 ) < ∞ que m(A1 × A2 ) =
∞). Les autres cas se traitent de manière analogue.
Définition 7.2 (Espace produit)
L’espace (E, T, m), construit dans le théorème 7.1, s’appelle l’espace (mesuré) produit des espaces (E1 , T1 ,
m1 ) et (E2 , T2 , m2 ).
Un exemple fondamental d’espace produit est l’espace (RN , B(RN ), λN ) pour N ≥ 2 que nous verrons
dans la section 7.4.
198
7.3 Théorèmes de Fubini-Tonelli et Fubini
Théorème 7.2 (Fubini-Tonelli) Soient (E1 , T1 , m1 ) et (E2 , T2 , m2 ) des espaces mesurés σ-finis. On
note (E, T, m) l’espace produit (donc, T = T1 ⊗ T2 et m = m1 ⊗ m2 ). Soit f : E → R+ une fonction
mesurable positive (i.e. T -mesurable positive). Alors :
1. f (x1 , ·) ∈ M+ (E2 , T2 ) pour tout x1 ∈ E1 ,

on pose Z Z
ϕf (x1 ) = f (x1 , ·)dm2 = f (x1 , x2 )dm2 (x2 ) pour tout x1 ∈ E1 ,
de sorte que ϕf : E1 → R+ ,
2. ϕf ∈ M+ (E1 , T1 ),
Z Z Z Z
3. f dm = ϕf dm1 = f (x1 , x2 )dm2 (x2 ) dm1 (x1 ),
4. les mêmes résultats sont vrais en inversant les rôles de m1 et m2 , de sorte que :
Z Z Z Z
f (x1 , x2 )dm2 (x2 ) dm1 (x1 ) = f (x1 , x2 )dm1 (x1 ) dm2 (x2 ).
Démonstration : la démonstration se fait en plusieurs étapes.
Etape 1.R Soit f = 1A , A ∈R T . La partie “existence de m” de la démonstration du théorème 7.1 donne

alors que f dm = m(A) = ϕf dm1 .
Plus précisément, on a, pour tout x1 ∈ E1 , f (x1 , ·) = 1A (x1 , ·) = 1S(x1 ,A) , avec S(x1 , A) = {x2 ∈ E2 ;
(x1 , x2 ) ∈ A} ⊂ E2 (comme dans la démonstration du théorème 7.1). L’étape 1 de la démonstration
(de la partie existence) du théorème 7.1 donne que S(x1 , A) ∈ T2 pour tout x1 ∈ E1 , et donc f (x1 , ·) ∈
M+ (E2 , T2 ). Ceci donne le premier item (pour f = 1A ) de la conclusion du théorème 7.2.
R
On pose ϕf (x1 ) = f (x1 , ·)dm2 = m2 (S(x1 , A)) pour tout x1 ∈ E1 . (Cette fonction ϕf était notée
fA dans la démonstration du théorème 7.1). L’étape 2 de la démonstration du théorème 7.1 donne que
ϕf ∈ M+ (E1 , T1 ). Ceci donne le deuxième item (pour f = 1A ) de la conclusion du théorème 7.2.
R
On a alors posé, dans la démonstration du théorème 7.1, m(A) = ϕf dm1 et l’étape 3 a montré que m
était une mesure sur T vérifiant (7.3) (et la seule mesure sur T vérifiant (7.3), d’après la partie “unicité”
de la démonstration du théorème 7.1). Ceci donne le troisième item (pour f = 1A ) de la conclusion du
théorème 7.2.
Pour avoir le quatrième item (pour f = 1A ) de la conclusion du théorème 7.2, il suffit de remarquer
que l’on peut inverser les rôles de m1 et m2 dans la démonstration du théorème
R 7.2. On obtient ainsi
que f (·, x2 ) ∈ M+ (E1 , T1 ) pour tout x2 ∈ RE2 . On pose alors ψf (x2 ) = f (·, x2 )dm1 . On obtient que
ψf ∈ M+ (E2 , T2 ). Enfin, on pose m̃(A) = ψf dm2 et on obtient que m̃ est une mesure sur T vérifiant
(7.3). La partie “unicité” de la démonstration du théorème 7.1 donne alors que m = m̃, ce qui est
exactement le quatrième item (pour f = 1A ) de la conclusion du théorème 7.2.
?
Pn2. On prend maintenant f ∈ E+ (E, T ). Il existe donc a1 , . . . , an ∈ R+ et A1 , . . . , An ∈ T t.q.
Etape
f = i=1 ai 1Ai .
199
Pn
On a alors, pour tout x1 ∈ E1 , f (x1 , ·) = i=1 ai 1Ai (x1 , ·) ∈ M+ (E2 , T2 ) car l’étape 1 donne 1Ai (x1 , ·) ∈
M+ (E2 , T2 ) pour tout i. Ce qui donne le premier item de la conclusion du théorème 7.2.
R Pn
On pose ϕf (x1 ) = f (x1 , ·)dm2 pour tout x1 ∈ E1 . On a ϕf ∈ M+ (E1 , T1 ) car ϕf = i=1 ai ϕ1Ai et
que ϕ1Ai ∈ M+ (E1 , T1 ) pour tout i (d’après l’étape 1). Ce qui donne le deuxième item de la conclusion
du théorème 7.2.
Enfin, on utilise la linéarité de l’intégrale et l’étape 1 pour f = 1Ai , on obtient :

Z X n Xn Z Z X n
f dm = ai m(Ai ) = ai ϕ1Ai dm1 = ( ai ϕ1Ai )dm1
i=1 i=1 i=1
Z n
X Z Z Z Z

= ai 1Ai (x1 , ·)dm2 dm1 (x1 ) = f (x1 , ·)dm2 dm1 (x1 ) = ϕf dm1 .
i=1
Ce qui donne le troisième item de la conclusion du théorème 7.2.
Pour avoir le quatrième item de la conclusion du théorème 7.2, il suffit de changer les rôles de m1 et m2 .
Etape 3. On peut enfin prendre f ∈ M+ (E, T ). Il existe une suite (fn )n∈N ∈ E+ (E, T ) t.q. fn ↑ f
quand n → ∞.
On a donc, pour tout x1 ∈ E1 , fn (x1 , ·) ↑ f (x1 , ·) quand n → ∞. On en déduit que f (x1 , ·) ∈ M+ (E2 , T2 )
car (d’après l’étape 2) fn (x1 , ·) ∈ M+ (E2 , T2 ) pour tout n ∈ N (ce qui donne le premier item).
R R
Le théorème de convergence monotone (pour m2 ) donne que ϕfn (x1 ) = fn (x1 , ·)dm2 ↑ f (x1 , ·)dm2 =
ϕf (x1 ) pour tout x1 ∈ E1 . Donc, ϕfn ↑ ϕf . Comme ϕfn ∈ M+ (E1 , T1 ) (d’après l’étape 2), on en déduit
que ϕf ∈ M+ (E1 , T1 ) (ce qui donne le deuxième item).
On applique maintenant le théorème de convergence monotone pour m1 et pour m, ils donnent :
Z Z Z Z
ϕfn dm1 ↑ ϕf dm1 et fn dm ↑ f dm quand n → ∞.
R R R R
L’étape 2 donne fn dm = ϕfn dm1 , on en déduit donc que f dm = ϕf dm1 . Ce qui donne le
troisième item de la conclusion du théorème 7.2.
Enfin, ici encore, pour avoir le quatrième item de la conclusion du théorème 7.2, il suffit de changer les
rôles de m1 et m2 .
Corollaire 7.1 Soient (E1 , T1 , m1 ) et (E2 , T2 , m2 ) des espaces mesurés σ-finis. On note (E,T ,m) l’es-
pace produit. Soit f : E → R une fonction T -mesurable. Alors :
Z Z Z Z
f ∈ L1R (E, T, m) ⇐⇒ |f |dm2 dm1 < +∞ ⇐⇒ |f |dm1 dm2 < +∞. (7.8)
Démonstration : Le corollaire découle

R immédiatement du théorème 7.2 appliqué à la fonction |f | ∈
M+ (E, T ). Dans (7.8), la notation ( |f |dm2 )dm1 signifie :
Z
|f (x1 , x2 )|dm2 (x2 ) dm1 (x1 ).
La notation est similaire en inversant les rôles de m1 et m2 .
Voici une conséquence immédiate du théorème 7.2 pour la mesurabilité :
200
Proposition 7.2 Soient (E1 , T1 ) et (E2 , T2 ) deux espaces mesurables. On pose E = E1 × E2 et T =
T1 ⊗ T2 . Soit f ∈ M(E, T ) (c’est-à-dire f : E → R, T -mesurable). Alors :
1. f (x1 , ·) ∈ M(E2 , T2 ), pour tout x1 ∈ E1 ,
2. f (·, x2 ) ∈ M(E1 , T1 ), pour tout x2 ∈ E2 .
Démonstration : La démonstration est facile, il suffit de remarquer que f = f + − f − et que f + , f − ∈

M+ (E, T ). Le premier item de la conclusion du théorème 7.2 donne alors, pour tout x1 ∈ E1 , f + (x1 , ·) ∈
M+ (E2 , T2 ) et f − (x1 , ·) ∈ M+ (E2 , T2 ). Comme f (x1 , ·) = f + (x1 , ·) − f − (x1 , ·), on en déduit que
f (x1 , ·) ∈ M(E2 , T2 ). En changeant les rôles de (E1 , T1 ) et (E2 , T2 ), on montre aussi que f (·, x2 ) ∈
M(E1 , T1 ), pour tout x2 ∈ E2 .
Remarque 7.3 La réciproque de la proposition précédente est fausse. Soient (E1 , T1 ) et (E2 , T2 ) deux
espaces mesurables, E = E1 × E2 et T = T1 ⊗ T2 . Soit f : E → R t.q.
1. f (x1 , ·) ∈ M(E2 , T2 ), pour tout x1 ∈ E1 ,
2. f (·, x2 ) ∈ M(E1 , T1 ), pour tout x2 ∈ E2 .

Alors, f n’est pas forcément T -mesurable. Un exemple est donné dans l’exercice 7.4. Un cas particulier
intéressant pour laquelle cette réciproque est vraie est donné par la proposition 7.3.
Proposition 7.3 Soient (E1 , T1 ) et (E2 , T2 ) deux espaces mesurables. On pose E = E1 × E2 et T =

T1 ⊗T2 . Soient F1 ∈ M(E1 , T1 ) et F2 ∈ M(E2 , T2 ). On définit f : E → R par f (x1 , x2 ) = F1 (x1 )F2 (x2 )
pour tout (x1 , x2 ) ∈ E. Alors f est T -mesurable (c’est-à-dire f ∈ M(E, T )).
Démonstration : On procède en 3 étapes.

Etape 1. On prend d’abord F1 = 1A1 et F2 = 1A2 avec A1 ∈ T1 et A2 ∈ T2 . On a alors f = 1A1 ×A2 ∈
M(E, T ) car A1 × A2 ∈ T1 × T2 ⊂ T1 ⊗ T2 = T .
(1) (1)
Etape 2. On prend maintenant F1 ∈ E(E1 , T1 ) et F2 ∈ E(E2 , T2 ). Il existe alors a1 , . . . , an ∈ R,
(1) (1) (2) (2) (2) (2)
A1 , . . . , An ∈ T1 , a1 , . . . , am ∈ R et A1 , . . . , Am ∈ T2 t.q. :
n
(1) (1) (1) (1)
X
F1 = ai Ai et Ai ∩ Ak = ∅ si i 6= k,
i=1
m
(2) (2) (2) (1)
X
F2 = aj Aj et Aj ∩ Ak = ∅ si j 6= k.
j=1
Pn Pm (1) (2)
On a alors f = i=1 j=1 ai aj 1A(1) ×A(2) ∈ E(E, T ) ⊂ M(E, T ).
i j
(1)
Etape 3. On prend enfin F1 ∈ M(E1 , T1 ) et F2 ∈ M(E2 , T2 ). Il existe (Fn )n∈N ⊂ E(E1 , T1 ) et
(2) (1) (2)
(Fn )n∈N ⊂ E(E2 , T2 ) t.q. Fn (x1 ) → F1 (x1 ) pour tout x1 ∈ E1 et Fn (x2 ) → F2 (x2 ) pour tout
(1) (2)
x2 ∈ E2 . On en déduit que fn (x1 , x2 ) = Fn (x1 )Fn (x2 ) → f (x1 , x2 ) pour tout (x1 , x2 ) ∈ E et donc
que f ∈ M(E, T ) car fn ∈ M(E, T ) pour tout n ∈ N (étape 2).
201
Théorème 7.3 (Fubini)
Soient (E1 , T1 , m1 ) et (E2 , T2 , m2 ) des espaces mesurés σ-finis. On note (E, T, m) l’espace produit. Soit
f : E → R une fonction T -mesurable (c’est-à-dire f ∈ M(E, T )) et intégrable pour la mesure m,
c’est-à-dire f ∈ L1R (E, T, m). Alors :
1. f (x1 , ·) ∈ L1R (E2 , T2 , m2 ) pour presque tout x1 ∈ E1 ,

on pose ϕf (x1 ) = f (x1 , ·)dm2 pour x1 ∈ E1 t.q. f (x1 , ·) ∈ L1R (E2 , T2 , m2 ). La fonction ϕf est
R
donc définie p.p. sur E1 (et à valeurs dans R).
2. ϕf ∈ L1R (E1 , T1 , m1 ) (au sens : il existe g ∈ L1R (E1 , T1 , m1 ) t.q. f = g p.p.).

Z Z Z Z
3. f dm = ϕf dm1 = f (x1 , x2 )dm2 (x2 ) dm1 (x1 ),
4. les mêmes résultats sont vrais en inversant les rôles de m1 et m2 , de sorte que :
Z Z Z Z
f (x1 , x2 )dm2 (x2 ) dm1 (x1 ) = f (x1 , x2 )dm1 (x1 ) dm2 (x2 ).
Démonstration : Comme f ∈ M(E, T ), on a f + , f − ∈ M+ (E, T ). On peut donc appliquer le théorème

de Fubini-Tonelli (théorème 7.2) à f + et f − . Il donne :
1. f + (x1 , ·), f − (x1 , ·) ∈ M+ (E2 , T2 ), pour tout x1 ∈ E1 ,
2. ϕf + , ϕf − ∈ M+ (E1 , T1 ) avec ϕf ± (x1 ) = f ± (x1 , ·)dm2 pour tout x1 ∈ E1 .

R
3. f ± dm = ϕf ± dm1 .
R R
Le premier item donne que f (x1 , ·) = f + (x1 , ·) − f − (x1 , ·) ∈ M(E2 , T2 ) (noter que f, f + et f − sont à
valeurs dans R).
Comme f + dm < ∞ et f − dm < ∞ (car f ∈ L1R (E, T, m)), le troisième item donne que ϕf + < ∞
R R
p.p. (sur E1 ) et que ϕf − < ∞ p.p. (sur E1 ). On a donc f + (x1 , ·) ∈ L1R (E2 , T2 , m2 ) et f − (x1 , ·) ∈
L1R (E2 , T2 , m2 ) pour presque tout x1 ∈ E1 . On en déduit donc que f (x1 , ·) = f + (x1 , ·) − f − (x1 , ·) ∈
L1R (E2 , T2 , m2 ) pour presque tout x1 ∈ E1 . Ce qui donne le premier item de la conclusion.
La fonction ϕf est donc définie p.p. sur E1 et on a ϕf = ϕf + −ϕf − p.p. (on a ϕf (x1 ) = ϕf + (x1 )−ϕf − (x1 )
en tout point x1 t.q. ϕf + (x1 ) < ∞ et ϕf − (x1 ) < ∞). Comme ϕf + < ∞ et ϕf − < ∞ p.p, on peut trouver
A ∈ T1 t.q. m1 (A) = 0 et ϕf + < ∞ et ϕf − < ∞ sur Ac = E1 \ A. En posant g = ϕf +R− ϕf − sur
c 1
R et g = 0Rsur A, on a donc g ∈ M(E1 , T1 ), g = ϕf p.p. et g ∈ LR (E1 , T1 , m1 ) car |g|dm1 ≤
A
ϕf + dm1 + ϕf − dm1 < ∞. Ceci donne le deuxième item de la conclusion (le fait que ϕf appartienne
à L1R (E1 , T1 , m1 )) et donne aussi le troisième item car :
Z Z Z Z Z Z Z
ϕf dm1 = gdm1 = ϕf + dm1 − ϕf − dm1 = f + dm − f − dm = f dm.
Enfin, comme pour le théorème de Fubini-Tonelli, le quatrième item de la conclusion s’obtient en

changeant les rôles de m1 et m2 .
Le théorème de Fubini est souvent utilisé sous la forme du corollaire suivant :
202
Corollaire 7.2 Soient (E1 , T1 , m1 ) et (E2 , T2 , m2 ) des espaces mesurés σ-finis, (E,T ,m) l’espace produit
et f : E → R une fonction T -mesurable t.q. :
Z Z
|f (x1 , x2 )|dm2 (x2 ) dm1 (x1 ) < +∞
ou Z Z
|f (x1 , x2 )|dm1 (x1 ) dm2 (x2 ) < +∞.
Alors : Z Z Z Z
f (x1 , x2 )dm2 (x2 ) dm1 (x1 ) = f (x1 , x2 )dm1 (x1 ) dm2 (x2 ). (7.9)
(Toutes les intégrales ayant bien un sens.)

Démonstration : Le corollaire est une conséquence immédiate du théorème 7.3 et de l’équivalence
(7.8).
Remarque 7.4 (contre-exemple lié au théorème de Fubini) On cherche ici à construire une fonc-
tion pour laquelle la conclusion du théorème de Fubini n’est pas vérifiée : soient a une fonction (continue)
de R dans R et f : R2 → R définie par f (x, y) = a(x) si x ≥ 0 et x ≤ y < 2x, f (x, y) = −a(x) si x ≥ 0 et
2x ≤ y < 3x, f (x, y) = 0 si x < 0 ou x ≥ 0 et y ∈ / [x, 3x]. On pose b(x) = x a(x). On peut montrer que
les hypothèses du théorème de Fubini ne
Z Z sont vérifiées b ∈ L1R (R, B(R), λ). En prenant par exemple
queZ si Z
1
a(x) = , on montre que : f (x, y)dy dx 6
= f (x, y)dx dy (voir l’exercice 7.5).
(1 + x)2
7.4 Mesure de Lebesgue sur la tribu des boréliens de RN

On a déjà vu que B(RN ) = B(RN −1 ) ⊗ B(R) pour tout N ≥ 1 (exercice 2.5 pour N = 2 et exercice
7.1). Le paragraphe précédent permet alors de définir la mesure de Lebesgue sur les boréliens de RN
(c’est-à-dire sur la tribu B(RN ), engendrée par les ouverts de RN ) pour tout N ≥ 1.
Définition 7.3 (Mesure de Lebesgue sur B(RN ))
1. La mesure de Lebesgue sur B(R2 ) est la mesure λ ⊗ λ, on la note λ2 .

2. Par récurrence sur N , la mesure de Lebesgue sur B(RN ), N ≥ 3, est la mesure λN −1 ⊗ λ, on la
note λN .
Z Z
1 N 1 N N 1 N
On note L (R ) = LR (R , B(R ), λN ), et pour f ∈ L (R ), on note f (x)dλN (x) = f (x)dx.
On donne maintenant quelques propriétés de la mesure de Lebesgue sur B(RN ). Il s’agit de propriétés
élémentaires ou de généralisations simples de propriétés vues pour la mesure de Lebesgue sur B(R). Les
démonstrations seront proposées en exercices.
Proposition 7.4 (Propriétés élémentaires de λN )

Soit N ≥ 2. On rappelle que λN est la mesure de Lebesgue sur B(RN ).
1. La mesure λN est σ-finie.
QN QN QN
2. Soit A1 , . . . , AN ∈ B(R). Alors, i=1 Ai ∈ B(RN ) et λN ( i=1 Ai ) = i=1 λ(Ai ).
203
3. Soient α1 , . . . , αN ∈ R et β1 , . . . , βN ∈ R t.q. αi < βi pour tout i ∈ {1, . . . , N }. Alors :
N
Y N
Y N
Y
λN ( ]αi , βi [) = λ(]αi , βi [) = (βi − αi ).
i=1 i=1 i=1
4. Soit K un compact de RN (noter que K ∈ B(RN )). Alors, λN (K) < +∞.
5. Soit O un ouvert non vide de RN . Alors, λN (O) > 0.
6. Soit f, g ∈ C(RN , R). Alors f = g p.p. (c’est-à-dire λN -p.p.) implique f (x) = g(x) pour tout
x ∈ RN .
7. Cc (RN , R) ⊂ L1R (RN , B(RN ), λN ). (En confondant f avec sa classe, on écrira donc souvent
Cc (RN , R) ⊂ L1R (RN ).)
Démonstration : Comme λN est une mesure produit, le fait que λN est σ-finie est (par récurrence sur
N ) une conséquence du théorème donnant l’existence (et l’unicité) de la mesure produit (théorème 7.1)
car ce théorème donne que le produit de mesures σ-finies est σ-finie.
La démonstration des autres propriétés fait l’objet de l’exercice 7.10.
Une propriété très importante de λN est sa “régularité”, c’est-à-dire que pour tout élément A de B(RN )
et pour tout ε > 0, il existe O ouvert de RN et F fermé de RN tels que
F ⊂ A ⊂ O et λN (O \ F ) ≤ ε.
Cette propriété est une conséquence du fait que toute mesure sur B(RN ), finie sur les compacts, est
régulière (proposition 7.5).
Proposition 7.5 (Régularité d’une mesure sur B(RN ), finie sur les compacts)
Soit m une mesure sur B(RN ) t.q. m(K) < ∞ pour tout compact K de RN . (Noter que ceci est vrai
pour m = λN .) Alors :
1. Pour tout A ∈ B(RN ) et pour tout ε > 0, il existe O ouvert de RN et F fermé de RN tels que :
F ⊂ A ⊂ O et m(O \ F ) ≤ ε. (7.10)
2. Pour tout A ∈ B(RN ), on a m(A) = inf{m(O), O ouvert t.q. A ⊂ O}.

Démonstration : Cette proposition fait l’objet de l’exercice 7.11.
On donne maintenant des généralisations au cas de λN de propriétés déjà vues pour λ.

Proposition 7.6 (Densité de Cc dans L1 (RN )) Pour tout N ≥ 1, l’espace Cc (RN , R) est dense dans
L1 (RN ) (c’est-à-dire que, pour tout f ∈ L1 (RN ) et tout ε > 0, il existe ϕ ∈ Cc (RN , R) t.q. kf − ϕk1 ≤ ε).
Démonstration : La démonstration de cette proposition fait l’objet de l’exercice 7.12, elle découle
essentiellement de la régularité de λN . Cette démonstration est très voisine de celle faite pour le cas
N = 1, théorème 5.5.
Comme cela a déjà été dit après le théorème 5.5, le résultat de densité que nous venons d’énoncer n’est
pas limité à la mesure de Lebesgue. Il est vrai pour toute mesure sur B(RN ), finie sur les compacts. Il
est aussi vrai en remplaçant Cc par Cc∞ . On obtient donc le théorème suivant :
204
Théorème 7.4 (Densité de Cc∞ dans L1 (RN )) Soit N ≥ 1 et µ sur une mesure sur B(RN ), finie sur
les compacts. Alors, l’espace Cc∞ (RN , R) est dense dans L1 (RN , B(RN ), µ) (c’est-à-dire que, pour tout
f ∈ L1 (RN , B(RN ), µ) et tout ε > 0, il existe ϕ ∈ Cc (RN , R) t.q. kf − ϕk1 ≤ ε).
Démonstration : La démonstration de ce théorème fait l’objet de l’exercice 7.13.
Proposition 7.7 (Invariance par translation)

Soient N ≥ 1, α1 , . . . , αN ∈ R? et β1 , . . . , βN ∈ R. Pour x = (x1 , . . . , xN )t ∈ RN . On pose ϕ(x) =
(α1 x1 + β1 , . . . , αN xN + βN )t (de sorte que ϕ est une bijection de RN dans RN ). Pour tout A ∈ B(RN ),
QN
on a alors ϕ(A) = {ϕ(x), x ∈ A} ∈ B(RN ) et λN (ϕ(A)) = i=1 |αi |λN (A).
Pour αi = 1 pour tout i, cette propriété s’appelle “invariance par translation de λN ”.
Démonstration : Cette proposition a déjà été vue pour N = 1, proposition 2.9. La démonstration de la
proposition 2.9 utilisait , par exemple, le fait que tout ouvert est réunion dénombrable d’intervalles ouverts
disjoints 2 à 2 (et la régularité de λ). La démonstration proposée ici pour N ≥ 1 utilise une récurrence
sur N et la partie “unicité” du théorème 7.1 sur la mesure produit. Elle fait l’objet de l’exercice 7.14.
On peut aussi noter que la partie “unicité” du théorème 7.1 peut être faite (voir la remarque 7.1) avec
le lemme des classes monotones (exercice 2.12). Ce lemme pourrait aussi être utilisé pour démontrer la
proposition 2.9 (au lieu du théorème de régularité et du fait que tout ouvert est réunion dénombrable
d’intervalles ouverts disjoints 2 à 2).
Proposition 7.8 (Changement de variables simple)

(α1 x1 + β1 , . . . , αN xN + βN )t (de sorte que ϕ est une bijection de RN dans RN ). Alors :
1. Pour tout f ∈ M+ = M+ (RN , B(RN )), on a f ◦ ϕ ∈ M+ et :

Z N
Y Z
f dλN = |αi | (f ◦ ϕ)dλN .
i=1
2. Pour tout f ∈ L1 = L1R (RN , B(RN ), λN ), on a f ◦ ϕ ∈ L1 et :

Z N
Y Z
f dλN = |αi | (f ◦ ϕ)dλN .
i=1
Démonstration : La démonstration est une conséquence simple de la proposition 7.7. Elle fait l’objet
de l’exercice 7.15.
QN
Noter aussi que i=1 |αi | est la valeur absolue du déterminant de la matrice jacobienne de ϕ au point
x. Cette matrice est notée Dϕ(x), elle ne dépend pas de x pour les applications considérées dans cette
proposition. Cette proposition sera généralisée au théorème 7.5.
205
7.5 Convolution
1 N 1 N N 1 N
R R
R rappelle que L (R ) = LR (R , B(R ), λN ) et que, pour f ∈ L (R ), f dλN = f (x)dλN (x) =
On
f (x)dx (c’est-à-dire que dx signifie toujours dλN (x)).
On note aussi L1 (RN ) = L1R (RN , B(RN ), λN ).
Soient f, g ∈ L1 (RN ). On souhaite définir la fonction “convoluée” de f et g, c’est-à-dire définir f ? g par :
Z
f ? g(x) = f (t)g(x − t)dt. (7.11)
La définition de cette fonction nécessite les deux conditions suivantes :

1. Il faut que la définition ne dépende pas des représentants choisis pour f et g.
2. Il faut que, ayant choisi des représentants pour f et g, encore notés f et g, la fonction g(x − ·)f (·)
appartienne à L1 (RN ) (au sens “il existe h ∈ L1 (RN ) t.q. g(x − ·)f (·) = h p.p.”). Ceci n’est pas
immédiat car, en général, le produit deux fonctions intégrables n’est pas une fonction intégrable.
La condition 1 est satisfaite, car, pour x ∈ RN , si f , f1 , g et g1 sont des fonctions de RN dans R, on a :
f = f1 p.p., g = g1 p.p. ⇒ f (·)g(x − ·) = f1 (·)g1 (x − ·) p.p.. (7.12)
(p.p. signifiant ici λN -p.p..) En effet, il suffit de remarquer que si f = f1 p.p. et g = g1 p.p., il existe
A, B ∈ B(RN ) t.q. λN (A) = λN (B) = 0, f = f1 sur Ac et g = g1 sur B c . Pour x ∈ RN , on a alors
f (·)g(x − ·) = f1 (·)g1 (x − ·) sur Ac ∩ Bxc = (A ∪ Bx )c avec Bx = {x − z, z ∈ B}. On en déduit bien
f (·)g(x − ·) = f1 (·)g1 (x − ·) p.p. car λN (A ∪ Bx ) ≤ λN (A) + λN (Bx ) = λN (A) + λN (B) = 0 (on utilise
ici la propriété d’invariance par translation donnée dans la proposition 7.7).
On en déduit que, si Si f et f1 [resp. g et g1 ] sont des représentants d’un même élément de L1 (RN ), on
1 N 1 N 1 N
Ra f (.)g(x − .) ∈ L R(R ) si et seulement si f1 (.)g1 (x − .) ∈ L (R ) et, si f (.)g(x − .) ∈ L (R ), on a
f (t)g(x − t)dt = f1 (t)g1 (x − t)dt.
On montre dans la proposition suivante que la condition 2 est satisfaite pour presque tout x ∈ RN .
Proposition 7.9 (Convolution) Soient f, g ∈ L1 (RN ) (que l’on confond avec l’un de leurs représen-
tants). Alors :
• Pour presque tout x ∈ RN , la fonction 1 N
Z g(x − ·)f (·) appartient à L (R ) (en la confondant avec sa
classe). On pose donc : f ? g(x) = f (t)g(x − t)dt. La fonction f ? g est donc définie p.p. sur
RN .
• f ? g ∈ L1 (RN ) (au sens “il existe h ∈ L1 (RN ) t.q. f ? g = h p.p.”).

• kf ? gk1 ≤ kf k1 kgk1 .
Démonstration : On donne la démonstration pour N = 1 (le cas N > 1 est similaire, en ayant d’abord
montré que λ2N = λN ⊗ λN ).
On choisit des représentants de f et g, de sorte que f, g ∈ L1 (R) = L1R (R, B(R), λ). On souhaite appliquer
le théorème de Fubini (théorème 7.3) à H : R2 → R, définie par H(x, y) = f (y)g(x − y), avec les espaces
mesurés (Ei , Ti , mi ) = (R, B(R), λ) pour i = 1, 2.
206
CommeR λRest σ-finie, pour appliquer le théorème de Fubini, il suffit de vérifier que H est B(R2 )-mesurable
et que ( |H(x, y)|dx)dy < ∞.
On montre d’abord que H est B(R2 )-mesurable. On a H = H1 ◦ ψ avec :
H1 : (x, y) 7→ f (x)g(y), ψ : (x, y) 7→ (y, x − y).

La fonction H1 est mesurable de R2 dans R (car f et g sont mesurables de R dans R, on applique ici la
proposition 7.3) et ψ est mesurable de R2 dans R2 car continue (R et R2 sont toujours munis de leur tribu
borélienne). La fonction H est donc mesurable de R2 dans R comme composée de fonctions mesurables.
On peut maintenant calculer l’intégrale de |H| :
Z Z Z Z Z Z
( |H(x, y)|dx)dy = ( |f (y)g(x − y)|dx)dy = |f (y)|( |g(x − y)|dx)dy.
R R
La proposition 7.8 donne |g(x − y)|dx = |g(x)|dx = kgk1 , Donc :
Z Z Z
( |H(x, y)|dx)dy = kgk1 |f (y)|dy = kgk1 kf k1 < ∞.
Le théorème de Fubini peut donc s’appliquer. Il donne que H(x, ·) ∈ L1 (R) pour presque tout x ∈ R.
Donc, g(x − ·)f (·) ∈ L1 (R) pour presque tout x ∈ R. Ceci montre bien que f ? g est définie p.p.. Le
théorème de Fubini donne alors aussi que f ? g ∈ L1 (R) (au sens “il existe h ∈ L1 (R) t.q. f ? g = h p.p.”).
Enfin pour montrer que kf ? gk1 ≤ kf k1 kgk1 , il suffit de remarquer que :
Z Z Z Z
kf ? gk1 = | f (y)g(x − y)dy|dx ≤ ( |H(x, y)|dx)dy = kgk1 kf k1 .
Remarque 7.5 On a vu précédemment que L1 (RN ) muni de l’addition (loi de composition interne),
de la multiplication par un scalaire (loi de composition externe) et de la norme k · k1 est un espace de
Banach. L’ajout de la convolution (loi de composition interne) confère à L1 (RN ) la structure d’algèbre
de Banach.
On sait aussi que Cb (R, R) muni de l’addition, de la multiplication interne, de la multiplication par un
scalaire et de la norme de la convergence uniforme k · ku est aussi une algèbre de Banach. En fait, nous
montrerons par la suite qu’il existe un isomorphisme d’algèbre, appelé transformation de Fourier, entre
L1 (RN ) et son image (par cette transformation) dans Cb (RN , R).
Remarque 7.6 On donne ici quelques propriétés supplémentaires de la convolution.

Soit N ≥ 1. Pour p ∈ [1, ∞], on pose Lp (RN ) = LpR (RN , B(RN ), λ).
1. Soit f, g ∈ L1 (RN ). On a alors f ? g = g ? f p.p.. Ceci découle de l’invariance par translation de la
mesure de Lebesgue (propositions 7.7 et 7.8) et est démontré dans l’exercice 7.19.
2. Soit1 < p < ∞. Soient f ∈ Lp (RN ) et g ∈ L1 (RN ). Alors, f ? g est définie p.p. sur RN ,
f ? g ∈ Lp (RN ) et kf ? gkp ≤ kf kp kgk1 . Cette propriété fait l’objet de l’exercice 7.21.
3. Soit p, q ∈ [1, ∞] t.q. (1/p) + (1/q) = 1. Soient f ∈ Lp (RN ) et g ∈ Lq (RN ). Alors, f ? g est définie
partout sur RN et f ? g ∈ Cb (RN , R), voir l’exercice 8.6.
207
4. Soit p ∈ [1, ∞]. Soient f ∈ Lp (RN ) et g ∈ Cc∞ (RN , R). Alors, f ? g est définie partout sur RN et
f ? g ∈ C∞ (RN , R), voir l’exercice 7.20.
5. (Régularisation par convolution) Soit f : RN → R. On dit que f ∈ L1loc (RN ) si f 1K ∈ L1 (RN ) pour
tout compact K de RN . On suppose que f ∈ L1loc (RN ). Soit k ∈ N et g ∈ Cck (RN , R). Alors, f ? g
est définie partout sur RN et f ?g ∈ C k (RN , R) (voir l’exercice 7.20, noter que Lp (RN ) ⊂ L1loc (RN )).
6. Soit f, g ∈ L1 (RN ). On suppose que f et g sont à support compact (f à support compact signifie
qu’il existe K, compact de RN t.q. f = 0 p.p. sur K c ). Alors, la fonction f ? g est aussi à support
compact. Ceci fait partie de l’exercice 7.19.
La convolution est un outil très utile pour “régulariser” des fonctions. Elle est à la base de résultats de
densité fondamentaux que nous verrons dans le chapitre suivant (densité de Cc∞ (RN , R) dans Lp (RN )
pour p < ∞, par exemple).
Il est aussi intéressant de généraliser la convolution de fonctions en convolution de mesures. On com-
mence par remarquer qu’un fonction f dans L1loc (RN , B(RN ), λN ) (voir la remarque 7.6) est entièrement
déterminée par la mesure qu’elle induit sur B(RN ), c’est-à-dire par Rla mesure m définie par m = f λN .
Ceci est précisé dans le lemme suivant (en remarquant que ϕdm = ϕf dλN pour tout ϕ ∈ Cc (RN , R)).
R
Lemme 7.1 Soit N ≥ 1 et f, g ∈ L1loc (RN , B(RN ), λN ) t.q.

R R
f ϕdλN = gϕdλN , pour tout ϕ ∈
Cc (RN , R). Alors, f = g p.p..
Démonstration : Soit M ∈ N? . On note BM la boule (fermée) de centre 0 et rayon M dans RN et

hM la fonction défnie par :
hM (x) = f (x) − g(x) si x ∈ BM et |f (x) − g(x)| ≤ M,

hM (x) = 0 si x ∈ BM ou |f (x) − g(x)| > M,
hM (x) = 0 si x 6∈ BM .
On a hM ∈ L1 (RN , B(RN ), λN ) (car BM est un compact de RN ). Comme Cc (RN , R) est dense dans
L1 (RN , B(RN ), λN ) (théorème 5.5 pour d = 1 et théorème 7.6 pour N ≥ 1), il existe une suite (ϕn )n∈N
t.q. ϕn → hM dans L1 (RN , B(RN ), λN ) quand n → ∞. On peut aussi supposer (quitte à extraire une
sous suite) que ϕn → hM p.p. (théorème 6.2). Enfin, en remplaçant ϕn par max(min(ϕn , M ), −M ) on
obtient :
ϕn ∈ Cc (RN , R) pour tout n ∈ N,
ϕn → hM p.p.,
|ϕn | ≤ M pour tout n ∈ N.
Comme ϕn ∈ Cc (RN , R), on a (f R− g)ϕn dλN = 0. Le théorème de convergence dominée (la domination
R
est par M 1BM |f − g|) donne alors hM (f − R g)dλN = 0. En faisant maintenant tendre M vers l’infini, le
théorème de convergence monotone donne |f − g|dλN = 0, et donc f = g p.p.
Pour que la convolution de mesures soit une généralisation de la convolution de fonctions, on souhaite
que m ? µ = (f ? g)λN , lorsque m = f λN et g = gλN avec f, g ∈ L1 (RN , B(RN ), λN ) (et donc f ? g ∈
L1 (RN , B(RN ), λN )). Noter que m, µ et m ? µ sont des mesures signées.
Soit f, g ∈ L1 (RN , B(RN ), λN ). On pose m = f λN et g = gλN . On a, pour tout ϕ borélienne bornée de
RN dans R (par exemple, ϕ ∈ Cb (RN , R)),
Z Z Z
(f ? g)ϕdλN = f (x − y)g(y)dy ϕ(x)dx.
Rd Rd
208
(On
R R rapelle que dx désigne dλN (x)). En utilisant le théorème de Fubini (qui s’applique bien ici car
|f (x − y)g(y)ϕ(x)|dxdy ≤ kϕk∞ kf k1 kgk1 ), puis avec le changement de variable z = x − y (pour y
fixé) on obtient :
Z Z Z Z Z
(f ? g)ϕdλN = f (x − y)ϕ(x)dx g(y)dy = f (z)ϕ(z + y)dz g(y)dy.
Rd Rd Rd Rd
On a donc :
Z Z Z Z
(f ? g)ϕdλN = ϕ(z + y)dm(z) dµ(y) = ϕ(y + z)d(m ⊗ µ)(z, y), (7.13)
RN RN R2N
où la dernière égalité découle de la définition de m ⊗ µ. Plus précisément, si m et µ sont des mesures
finies (c’est-à-dire des applications σ-additives de B(RN ) dans R+ ), la dernière égalité de 7.13 est donnée
par le troisième item du théorème de Fubini (théorème 7.3). Si m et µ sont des mesures signées, on se
ramène au cas précédent avec la décomposition de Hahn (proposition 2.6) qui donne m = m+ − m− et
µ = µ∗ − µ− . La mesure m ⊗ µ est alors définie à partir de m± ⊗ µ± .
R
On est ainsi amené à définir m ? µ en utilisant le deuxième membre de (7.13) pour définir ϕd(m ? µ).
Définition 7.4 Soit N ≥ 1 et m, µ des mesures signées sur B(RN ). On définit la mesure signée µ ? ν
sur B(RN ) par :
Z
m ? µ(A) = 1A (x + y)d(m ⊗ µ)(x, y) pour tout A ∈ B(RN ).
B(R2N )
où m ⊗ ν = m+ ⊗ µ+ + m− ⊗ µ− − m− ⊗ µ+ − m+ ⊗ µ− et m± µ± sont données par la décomposition

de Hahn de m et µ (proposition 2.6).
Le fait que m?µ est une mesure signée sur B(RN ) est facile (la σ-additivité de m?µ découle, par exemple,
du théorème de convergence dominée). On déduit de cette définition la proposition suivante.
Proposition 7.10 Soit N ≥ 1 et m, µ des mesures signées sur B(RN ).

1. On a alors, pour tout ϕ borélienne bornée de RN dans R (par exemple, ϕ ∈ Cb (RN , R)) :
Z Z
ϕd(m ? µ) = ϕ(x + y)d(m ⊗ µ)(x, y).
RN B(R2N )
2. Si m et µ sont des probabilités, la mesure m ? µ est aussi une probabilité.

3. Si f, g ∈ L1 (RN , B(RN ), λN ), m = f λN et µ = gλN , on a m ? µ = (f ? g)λN .
Démonstration : Le premier item se démontre, comme souvent, en considérant des fonctions étagées,
puis en écrivant ϕ comme limite de fonctions étagées (bornées par la borne supérieure de |ϕ|, exercice 7.23).
Le deuxième item est immédiat en remarquant que m ? µ(A) ≥ 0 si m et µ sont des mesures (positives)
et m ? µ(RN ) = m(RN )µ(RN ). Enfin, le troisième item a été vu avant la proposition 7.10.
Remarque 7.7 Il aurait aussi été possible de définir m ? µ grâce au théorème de Riesz dans C0 (RN , R)
(théorème 5.4 pour N ≥ 1). Si m, µ sont des mesures signées sur B(RN ) (ou, directement, des formes
linéaires continues sur C0 (RN , R)). On définit, l’application L de C0 (RN , R) dans R par :
209
Z Z
L(ϕ) = ϕ(x + y)dm(x)dµ(y), ∀ϕ ∈ C0 (RN , R). (7.14)
RN RN
L’application L est une forme linéaire continue sur C0 (RN , R). Par le théorème de Riesz, il existe donc
une unique mesure de Radon, notée τ (c’est la mesure convoluée de m et µ) t.q. :
Z
L(ϕ) = ϕ(s)dτ (s). (7.15)
7.6 Formules de changement de variables

La proposition 7.8 donne un résultat sur les changements de variables “simples”. On donne maintenant
une généralisation dans le cas où les intégrales portent sur des ouverts bornés de RN .
Théorème 7.5 (Formules de changement de variables)
Soient N ≥ 1, U et V des ouverts bornés de RN et ϕ un C 1 -difféomorphisme de U dans V (i.e. ϕ est
une bijection de U dans V , ϕ ∈ C 1 (U, V ) et ϕ−1 ∈ C 1 (V, U )). On note Dϕ(y) la matrice jacobienne de
ϕ en y et Det(Dϕ) la fonction y 7→ Det(Dϕ(y)).
1. Soit f ∈ M+ = M+ (RN , B(RN )). Alors, (f ◦ ϕ)|Det(Dϕ)|1U ∈ M+ et :
Z Z
f (x)dx = f (ϕ(y))|Det(Dϕ(y))|dy.
V U
2. Soit f ∈ M(RN , B(RN )) t.q. f 1V ∈ L1 = L1R (RN , B(RN )). Alors, (f ◦ ϕ)|Det(Dϕ)|1U ∈ L1 et :
Z Z
f (x)dx = f (ϕ(y))|Det(Dϕ(y))|dy.
V U
Démonstration : Comme ϕ est de classe C 1 , il est facile de voir que (f ◦ϕ)|Det(Dϕ)|1U est mesurable si
f est mesurable. La démonstration de l’item 1 du théorème n’est pas faite ici. Elle consiste à se ramener
par un procédé de localisation au cas de changements de variables affines.
Le deuxième item du théorème est une conséquence facile du premier. En effet, soit f ∈ M(RN , B(RN ))
t.q. f 1V ∈ L1 . En appliquant le premier item à la fonction |f | ∈ M+ , on obtient que (f ◦ϕ)|Det(Dϕ)|1U ∈
1 + −
RL . Puis en Rappliquant le premier item à f et f et en faisant la différence, on obtient bien que
V
f (x)dx = U f (ϕ(y))|Det(Dϕ(y))|dy.
Un exemple de changement de variables

On conclut cette section en donnant l’exemple des coordonnées polaires pour N = 2.
2 2 1 2 2
R fonction f appartient à M+ (R , B(R )) (ou à L2R (R , B(R ), λ2 )) et on veut calculer (par exemple)
La
B1
f (x)dx, où B1 est la boule unité (ouverte) de R , en passant en coordonnée polaires.
On a donc B1 = {x ∈ R2 ; |x| < 1}, où | · | est la norme euclidienne dans R2 , c’est-à-dire |x|2 = x21 + x22 si
x = (x1 , x2 )t ∈ R2 .
On pose L = {(x1 , 0)t , x1 ∈ [0, 1[} et on remarque que λ2 (L) = λ([0, 1[) × λ({0}) = 0. Donc, en posant
V = B1 \ L, on a : Z Z Z Z
f (x)dx = f (x)dx = f (x)dx(= f dλ2 ).
B1 B1 \L V V
210
On pose aussi U =]0, 1[×]0, 2π[, de sorte que U et V sont de ouverts bornés de R2 . L’application
ϕ : (r, θ)t 7→ (r cos θ, r sin θ)t est alors une bijection de U dans V . Elle est de classe C 1 et son inverse
est de classe C 1 (ϕ et ϕ−1 sont même de classe C ∞ ). On peut calculer la matrice jacobienne de ϕ et son
déterminant :
cos θ −r sin θ
Dϕ(r, θ) = , |Det(Dϕ(r, θ))| = r.
sin θ r cos θ
On peut donc appliquer le théorème 7.5, il donne :
Z Z Z Z
f (x)dx = f (x)dx = f (r cos θ, r sin θ)rdλ2 (r, θ) = f (r cos θ, r sin θ)rdλ2 (r, θ)
B1 V U ]0,1[×]0,2π[
En appliquant maintenant le théorème de Fubini-Tonelli pour évaluer la dernière intégrale (si f ∈ L1 au

lieu de f ∈ M+ , on raisonne d’abord sur |f | puis on utilise le théorème de Fubini), on obtient :
Z Z 2π Z 1
f (x)dx = ( f (r cos θ, r sin θ)rdr)dθ.
B1 0 0
Si f (x) ne dépend que de |x|, c’est-à-dire si il existe ψ t.q. f (x) = ψ(|x|), on obtient alors :
Z Z 1
f (x)dx = 2π ψ(r)rdr.
B1 0
En particulier, on voit que f 1B1 ∈ L1 (R2 ) si et seulement si g ∈ L1R (]0, 1[, B(R), λ), avec g définie par
g(r) = rψ(r) pour r ∈]0, 1[.
Prenons toujours f ∈ M+ (R2 , B(R2 )) (ou bien f ∈ L1R (R2 , B(R2 ), λ2 )). Le raisonnement que nous venons
de faire pour B1 peut être fait pour Ba = {x ∈ R2 ; |x| < a} avec a > 0. On obtient alors, pour tout
a>0: Z Z Z 2π a
f (x)dx = ( f (r cos θ, r sin θ)rdr)dθ. (7.16)
Ba 0 0
En prenant a = n, n ∈ N? , dans (7.16), on obtient aussi, quand n → ∞ (avec le théorème de convergence

monotone si f ∈ M+ et en raisonnement avec f ± si f ∈ L1 ) :
Z Z 2π Z ∞
f (x)dx = ( f (r cos θ, r sin θ)rdr)dθ. (7.17)
0 0
7.7 Exercices
7.7.1 Mesure produit
Montrer que, pour tout n ≥ 2, on a B(Rn ) = B(Rn−1 ) ⊗ B(R). [S’inspirer de la démonstration faite pour
n = 2 dans l’exercice 2.5.]
211
Soient E1 , E2 deux ensembles, T1 une tribu sur E1 et T2 une tribu sur E2 . On note E = E1 × E2 et on
rappelle que T1 × T2 = {A1 × A2 , A1 ∈ T1 , A2 ∈ T2 }.
Montrer que l’algèbre engendrée par T1 ×T2 est égale à l’ensemble des réunions finies disjointes d’éléments
de T1 × T2 c’est-à-dire que, pour tout A ∈ P(E), A appartient à l’algèbre engendrée par T1 × T2 si et
seulement si il existe (A(p) )p=1,...,n ⊂ T1 × T2 t.q. A(p) ∩ A(q) = ∅ si p 6= q et A = ∪np=1 A(p) .
Exercice 7.3 (Exemple de mesure produit) Corrigé 134 page 446

Soit m1 et m2 des mesures σ−finies, non nulles, sur (R, B(R)) et t.q. m1 ⊗ m2 (R2 \ D) = 0, où D =
{(x, x), x ∈ R}. Montrer qu’il existe a, α, β ∈ R t.q. m1 = αδa et m2 = βδa , où δa est la mesure de Dirac
en a.
Exercice 7.4 (Fonction non borélienne dont les traces sont boréliennes) Corrigé 135 page 446
Pour B ⊂ R2 , on note t(B) l’ensemble des x1 ∈ R t.q. (x1 , 0) ∈ B. On pose T = {B ⊂ R2 ; t(B) ∈ B(R)}.
Soit θ ∈]0, π2 [. Pour x = (x1 , x2 )t ∈ R2 , on pose g(x) = (x1 cos θ − x2 sin θ, x1 sin θ + x2 cos θ)t .
1. Montrer que T est une tribu contenant B(R2 ).

2. Soit A ⊂ R t.q. A 6∈ B(R). On pose B = A × {0}.
(a) Montrer que B 6∈ B(R2 ).
(b) On pose f = 1B ◦ g. Montrer que la fonction f n’est pas une fonction borélienne de R2 dans R
mais que les fonctions f (x1 , ·) et f (·; x2 ) sont boréliennes de R dans R, pour tout x1 , x2 ∈ R.
7.7.2 Fubini-Tonelli et Fubini

Exercice 7.5 (Contre-exemple au théorème de Fubini) Corrigé 136 page 447
Soit L1 = L1R (R, B(R), λ). Pour (x, y) ∈ R2 , on pose :
1
x > 0 et x < y ≤ 2x

 (x+1)2 si
 1
− (x+1) si x > 0 et 2x < y ≤ 3x

2
f (x, y) = (7.18)

 0 si x > 0 et y 6∈]x, 3x[
x ≤ 0.

0 si
1. Montrer que f : R2 → R est B(R2 )- mesurable.

2. Montrer que pour tout y ∈ R, f (., y) ∈ L1 ; on pose φ(y) = f (x, y)dλ(x). Montrer que φ ∈ L1 .
R
3. Montrer que pour tout x ∈ R, f (x, .) ∈ L1 ; on pose ψ(x) = f (x, y)dλ(y). Montrer que ψ ∈ L1 .
R
R R
4. Montrer que φdλ 6= ψdλ (φ et ψ sont définies dans les questions précédentes).
5. Pourquoi le théorème de Fubini ne s’applique-t-il pas ici ?
Exercice 7.6 (Intégrale d’une fonction positive) Corrigé 137 page 448
Soit (E, T, m) un espace mesuré σ-fini, et f : E → R+ une application mesurable. On pose F = 1A
avec A = {(t, x) ∈ R × E; 0 < t < f (x)}.
1. Montrer que F est B(R) ⊗ T - mesurable
212
R R +∞ R R +∞
2. Montrer que f dm = 0 m({x ∈ E; f (x) > t})dt et que f dm = 0 m({x ∈ E; f (x) ≥ t})dt.
[Utiliser le théorème de Fubini-Tonelli.]
Exercice 7.7 (Une caractérisation de Lp ) Corrigé 138 page 449

On munit R [resp. R2 ] de sa tribu borélienne, notée B(R) [resp. B(R2 )].
Soit f une application mesurable de R dans R. Pour tout y ∈ R+ , on pose Ay = {x ∈ R; |f (x)| > y}.
Pour tout y ∈ R?− , on pose Ay = ∅.
1. Montrer que l’application (x, y)t 7→ 1Ay (x) est mesurable de R2 dans R. [On pourra commencer
par montrer que {(x, y)t ∈ R2 ; |f (x)| > y} est un borélien de R2 .]
Soit p ∈ [1, ∞[. Pour y ∈ R, on pose gp (y) = |y|p−1 λ(Ay ) (en convenant que gp (0) = 0 si λ(A0 ) =
∞).
2. (a) Montrer que l’application (x, y)t 7→ |y|p−1 1Ay (x) est mesurable positive de R2 dans R.
(b) Montrer que gp est intégrable sur R si et seulement si f ∈ LpR (R, B(R), λ). [On pourra, par
exemple, utiliser le théorème de Fubini-Tonelli.]
Exercice 7.8 (Mesure de boules de R2 )

On considère ici l’espace mesuré (R2 , B(R2 ), λ2 ). Montrer que λ2 ({x ∈ R2 ; |x| < R}) = πR2 pour tout
R > 0.
Exercice 7.9 (A propos de Fubini)

P
Soit, pour n ≥ 1, In = [1 − 1/n, 1 − 1/(n + 1)[; on pose ϕn = n(n + 1)χIn et f (x, y) = n≥1 (ϕn (x) −
ϕn+1 (x))ϕn (y).
1. Montrer que f : [0, 1]2 → R est bien définie et mesurable,

2. Montrer que, pour tout x ∈ [0, 1], y 7→ f (x, y) est intégrable sur [0, 1]et que, pour tout y ∈ [0, 1],
x 7→ f (x, y) est intégrable sur [0, 1],
R R
3. Montrer que F : x 7→ [0,1] f (x, y) dy et G : y 7→ [0,1] f (x, y) dx sont intégrables sur [0, 1]. Calculer
R R
alors [0,1] F (x) dx et [0,1] G(y) dy. Peut on appliquer à f le théorème de Fubini ?
7.7.3 Mesure de Lebesgue sur B(RN )

Exercice 7.10 (Propriétés élémentaires de λN ) Corrigé 139 page 451
QN QN QN
1. Soit A1 , . . . , AN ∈ B(R). Montrer que i=1 Ai ∈ B(RN ) et λN ( i=1 Ai ) = i=1 λ(Ai ).
2. Soient α1 , . . . , αN ∈ R et β1 , . . . , βN ∈ R t.q. αi < βi pour tout i ∈ {1, . . . , N }. Montrer que

QN QN
λN ( i=1 ]αi , βi [) = i=1 λ(]αi , βi [).
3. Soit K est un compact de RN (noter que K ∈ B(RN ). Montrer que λN (K) < +∞.
4. Soit O un ouvert non vide de RN . Montrer que λN (O) > 0.

5. Soit f, g ∈ C(RN , R). Montrer que f = g p.p. (c’est-à-dire λN -p.p.) implique f (x) = g(x) pour
tout x ∈ RN .
213
6. Montrer que Cc (RN , R) ⊂ L1R (RN , B(RN ), λN ).
Exercice 7.11 (Régularité de λN ) Corrigé 140 page 452

Soit m une mesure sur B(RN ) t.q. m(K) < ∞ pour tout compact K de RN . (noter que ceci est vrai
pour m = λN .)
1. SoientA ∈ B(RN ) et ε > 0. Montrer qu’il existe O ouvert de RN et F fermé de RN tels que :
F ⊂ A ⊂ O et m(O \ F ) ≤ ε.
2. Soit A ∈ B(RN ). Déduire de la question précédente que m(A) = inf{m(O), O ouvert t.q. A ⊂ O}.
[On pourra s’inspirer de la démonstration de la régularité d’une mesure sur B(R), finie sur les compacts
(théorème 2.3).]
Exercice 7.12 (Densité de Cc dans L1 (RN ))

Soit N ≥ 1. Montrer que l’espace Cc (RN , R) est dense dans L1 (RN ) (c’est-à-dire que, pour tout f ∈
L1 (RN ) et tout ε > 0, il existe ϕ ∈ Cc (RN ) t.q. kf − ϕk1 ≤ ε). [S’inspirer de la démonstration faite pour
le cas N = 1, théorème 5.5.]
Exercice 7.13 (Densité de Cc et Cc∞ dans L1 ) Corrigé 141 page 454

t.q. F ⊂ A ⊂ O et µ(O \ F ) ≤ ε.
En fait, la propriété (p1) entraı̂ne la propriété (p2) (voir la proposition 7.5) mais cette démonstration
n’est pas demandée ici.
R

ϕ ∈ L1µ .
+
3. Soit A ∈ B(Rd ) t.q. µ(A) < +∞.
214
régularisante, voir la définition 8.4.]
Exercice 7.14 (Invariance par translation de λN ) Corrigé 142 page 455

Soient N ≥ 1, α1 , . . . , αN ∈ R? et β1 , . . . , βN ∈ R. Pour x = (x1 , . . . , xN )t ∈ RN , on pose ϕ(x) =
(α1 x1 + β1 , . . . , αN xN + βN )t , de sorte que ϕ est une bijection de RN dans RN .
1. Soit A ∈ B(RN ), montrer que ϕ(A) = {ϕ(x), x ∈ A} ∈ B(RN ).

QN
2. Montrer que λN (ϕ(A)) = i=1 |αi |λN (A) pour tout A ∈ B(RN ). [On pourra faire une récurrence
sur N : La proposition 2.9 donne le résultat pour la mesure de Lebesgue sur B(R), notée λ. On
suppose que le résultat est vrai pour λN −1 (et pour toute famille α1 , . . . , αN −1 ∈ R? , β1 , . . . , βN −1 ∈
QN
R). On le démontre alors pour λN en posant m(A) = ( i=1 |αi |)−1 λN (ϕ(A)) et en montrant que
m est une mesure sur B(RN ) égale à λN sur B(RN −1 ) ⊗ B(R). On utilise pour conclure la partie
“unicité” du théorème 7.1 sur la mesure produit.]
Exercice 7.15 (Changement de variables simple) Corrigé 143 page 457

(α1 x1 + β1 , . . . , αN xN + βN )t (de sorte que ϕ est une bijection de RN dans RN ).
QN
1. Soit f ∈ E+ = E+ (RN , B(RN )), montrer que f ◦ ϕ ∈ E+ et que f dλN = i=1 |αi | (f ◦ ϕ)dλN .
R R
[Utiliser l’exercice 7.14.]

QN
2. Soit f ∈ M+ = M+ (RN , B(RN )), montrer que f ◦ϕ ∈ M+ et que f dλN = i=1 |αi | (f ◦ϕ)dλN .
R R
QN
3. Soit f ∈ L1 = L1R (RN , B(RN ), λN ), montrer que f ◦ ϕ ∈ L1 et que f dλN = i=1 |αi | (f ◦ ϕ)dλN .
R R
Exercice 7.16 (Primitives de fonctions Lp ) Corrigé 144 page 458

Soit p ∈ [1, ∞[. On note Lp = LpR (]0, 1[, B(]0, 1[), λ). Soit f, g ∈ Lp . On définit F et G de [0, 1] dans R
par :
Z x Z Z x Z
F (x) = f (t)dt (= f dλ), G(x) = g(t)dt (= gdλ), pour tout x ∈ [0, 1].
0 ]0,x[ 0 ]0,x[
1. Montrer que F et G sont des fonctions continues et qu’il existe C ∈ R t.q. |F (y) − F (x)| ≤
1 1
C|y − x|1− p et |G(y) − G(x)| ≤ C|y − x|1− p , pour tous x, y ∈ [0, 1], x < y.
2. On suppose p > 1. Soit n ∈ N? et k ∈ {0, . . . , n − 1}. Montrer que, pour tout x ∈ [ nk , k+1
n ], on a
(F (x), G(x)) ∈ An,k × Bn,k , où An,k et Bn,k sont des intervalles de R (indépendants de x) dont les
longueurs tendent vers 0 quand n → ∞. [Utiliser la question 1.]
215
3. On suppose p > 2. Montrer que E = {(F (x), G(x)); x ∈ [0, 1]} est une partie négligeable de R2
(muni de la mesure de Lebesgue sur les boréliens de R2 ). [En utilisant une majoration convenable
des longueurs de An,k et Bn,k , inclure E (pour tout n ∈ N) dans une partie de R2 dont la mesure
de Lebesgue tend vers 0 quand n → ∞.]
Exercice 7.17 (Lemme de Comparaison)

Soit ϕ une fonction décroissante de R?+ dans R+ , on définit l’application de B(R) × B(R) dans R+ par:
Z Z
Φ(A, B) = ϕ(|x − y|)dxdy.
A×B
Soient A, B ∈ B(R), a = λ(A), b = λ(B) (λ est la mesure de Lebesgue) et α, β ∈ R, α < b tels que
A ⊂ [α, β] et B ⊂ [α, β]. Montrer que
Φ(A, B) ≥ Φ([α, α + a], [β − b, b]).
Exercice 7.18
Soit ϕ : R2 → R B(R2 )-mesurable. Pour x ∈ R, on pose : fϕ (x) = ϕ(x, x).
1. Montrer que fϕ est B(R)-mesurable.

2. Soient ϕ et ψ : R2 → R B(R2 )-mesurables. Montrer que ϕ = ψ λ2 -p.p. 6⇒ fϕ = fψ λ-p.p.. (λ2 est
la mesure de Lebesgue sur B(R2 ) dont on suppose l’existence).
3. Soient ϕ et ψ : R2 → R B(R2 )-mesurables t.q. :
(a) ϕ(x, .) et ψ(x, .) sont continues p.p. en x ∈ R

(b) ϕ(, .y) et ψ(., y) sont mesurables pour tout y ∈ R
(Ces fonctions sont dites de “Carathéodory”.)

(a) Montrer que ϕ et ψ sont B(R2 )-mesurables.
(b) Montrer que ϕ = ψ λ2 -p.p. ⇒ ϕ(x, .) = ψ(x, .) partout, p.p. en x ∈ R. En déduire que si
ϕ = ψ λ2 -p.p, alors fϕ = fψ λ-p.p..
7.7.4 Convolution
Exercice 7.19 (Propriétés élémentaires de la convolution) Corrigé 145 page 460
Soit f, g ∈ L1 (RN ) = L1R (RN , B(RN ), λN ).
1. Montrer que f ? g = g ? f p.p.. [Utiliser l’invariance par translation de la mesure de Lebesgue et sa

conséquence pour les changements de variables simples (propositions 7.7 et 7.8).]
2. On suppose que f et g sont à support compact (f à support compact signifie qu’il existe K, compact
de RN , t.q. f = 0 p.p. sur K c ). Montrer que la fonction f ? g est alors aussi à support compact.
[On désigne par B(0, α) la boule ouverte de centre 0 et de rayon α. Comme f et g sont à support
compact, il existe a et b ∈ R+ tels que f = 0 p.p. sur B(0, a)c et g = 0 p.p. sur B(0, b)c . Montrer
que f ? g = 0 p.p. sur B(0, a + b)c .]
Exercice 7.20 (Convolution Lp − Cc∞ ) Corrigé 146 page 461
216
Soit 1 ≤ p ≤ ∞. Soit f ∈ Lp (RN ) = LpR (RN , B(RN ), λN ) (ou f ∈ L1loc (RN )) et ρ ∈ Cc∞ (RN , R). On
pourra se limiter au cas N = 1.
1. Montrer que pour tout x ∈ RN , la fonction f (·)ρ(x − ·) appartient à L1 (RN ). On pose alors
Z
f ? ρ(x) = f (·)ρ(x − ·)dλN .
2. Montrer que f ? ρ ∈ C ∞ (RN , R).

3. On suppose maintenant que f est à support compact, c’est à dire qu’il existe un compact de R,
noté K, t.q. f = 0 p.p. sur K c , montrer que f ? ρ est aussi à support compact.
Exercice 7.21 (Inégalité de Young) Corrigé 147 page 463

Soient 1 < p < +∞, f ∈ L1R (RN , B(RN ), λN ) et g ∈ LpR (RN , B(RN ), λN R ).R Montrer que f ? g est
définie p.p., f ? g ∈ LpR (RN , B(RN ), λN ) et kf ? gkp ≤ kf k1 kgkp . [Ecrire ( |f (x − y)g(y)|dy)p dx =
1 1
p
( |f (x − y)| q |f (x − y)| p |g(y)|dy)p dx, avec q = p−1
R R
. Appliquer l’inégalité de Hölder puis le théorème
de Fubini-Tonelli].
Exercice 7.22 (Itérations de convolution)

Soient L1 = L1R (R, B(R), λ) et f ∈ L1 t.q. f = 0 p.p. sur R− . On définit, pour n ∈ N? , f ?n par : f ?1 = f
Z +∞
?n
et f = f ?(n−1)
? f pour n ≥ 1. Pour λ ≥ 0, on pose : g(α) = e−αt |f (t)|dt.
0
?n
1. (a) Montrer que f est bien définie pour tout n ∈ N , et que f ?n = 0 sur R− .
?
R +∞
(b) Montrer, par récurrence sur n, que 0 e−αt |f ?n (t)|dt ≤ (g(α))n , pour tout α ≥ 0 et tout
n ≥ 1.
Rx
(c) En déduire que 0 |f ?n (t)|dt ≤ eαx (g(α))n , pour tout α ≥ 0 tout n ≥ 1 et tout x ≥ 0.
2. Soit h ∈ Cb (R, R). Montrer que h ? f (x) est définie pour tout x ∈ R et que h ? f ∈ Cb (R, R).
Remarquer de même que h ? f ?n ∈ Cb (R, R). On suppose maintenant que, h = 0 sur R− ; montrer
que, pour tout x ∈ R, h ? f ?n (x) → 0 quand n → +∞.
Exercice 7.23
R Soient µ et ν des mesures sur l’espace mesurable (R, B(R)). On définit µ ? ν par :
µ ? ν(A) = R2 1A (x + y)dµ(x)dν(y).
1. Montrer que µ ? ν est une mesure.
2. Montrer que si µ et ν sont des probabilités, alors µ ? ν est une probabilité.

3. Montrer que si µ et ν sont des mesures de densités respectives f et g (par rapport à Lebesgue),
alors µ ? ν est une mesure de densité f ? g.
7.7.5 Changement de variables

Exercice 7.24 (Fonction Gamma)
Z ∞
Pour tout x > 0, on pose Γ(x) = tx−1 e−t dt.
0
217
1. Montrer que Γ(x + 1) = xΓ(x) pour tout x > 0. En déduire que Γ(n) = (n − 1)! pour tout entier
n ≥ 1.
Z ∞ √
2 π
2. Calculer Γ( 21 ). On pourra utiliser e−x dx = .
0 2
Z ∞
3. Montrer que Γ est de classe C ∞ sur ]0, ∞[ et que Γ(n) (x) = (ln t)n tx−1 e−t dt, pour tout n ≥ 1.
0
Exercice 7.25 (Calcul d’un volume)

Calculer le volume de E où E = {(x, y, z) ∈ [0, 1]3 ; z ≥ 4xy}.

Z n Z n Z ∞
sin x
1. Vérifier que si n ≥ 1 dx = ( e−xt dt) sin xdx.
0 x 0 0
Z n
2. Calculer Fn (t) = e−xt sin xdx (t ≥ 0).
0
Z ∞
3. Calculer lim Fn (t)dt. (Fn est définie à la question précédente.)
n→+∞ 0
Z n
sin x π
4. En déduire que lim dx = .
n→+∞ 0 x 2
Exercice 7.27 (Coordonnées polaires) Corrigé 149 page 465

2 2
1. Calculer (R+ )2 e−(x +y ) dx dy (on rappelle que dx dy désigne dλ2 (x, y)). [On pourra utiliser le
R
passage en coordonnées polaires.]

Z
2
2. Calculer e−x dx.
R+
Exercice 7.28
Soient Ω = {(x, y) | 1 < x2 + 4y 2 < 4 , x > 0 , y > 0}, G = {(x, y) ∈ Ω | y < x}, Ω0 = {(x0 , y 0 ) | 1 < x0 <
4 , 0 < y 0 } et G0 = Ω0 ∩ {y 0 < 1}.
1. Montrer qu’il existe un difféomorphisme T : Ω → Ω0 tel que T (G) = G0 .
2 2
−4y
2. Soit f (x, y) = x 4x 2 si x 6= 0 et f (0, y) = 0. Montrer que f est borélienne sur R2 , intégrable sur
G et calculer son intégrale. f est-elle intégrable sur Ω?
Exercice 7.29 (Sur volume de la boule unité dans RN )

On note CN le volume de la boule unité dans RN . Montrer que, si ρ > 0 et B N (ρ) désigne la boule de
centre 0 et de rayon ρ dans RN , on a λN (B N (ρ)) = ρN CN . En déduire la relation de récurrence suivante:
R1
CN +1 = CN 0 (1 − u)N/2 u−1/2 du.
Exercice 7.30 (Sur volume de la boule unité dans RN , suite)

On appelle fonction eulérienne de première espèce la fonction B :]0, ∞[2 → R définie par B(p, q) =
R 1 p−1
0
t (1 − t)q−1 dt.
218
1. Montrer que B est bien définie et C 1 sur ]0, ∞[2 .
R π/2 R∞ 2u2p−1
2. Montrer que B(p, q) = 2 0 sin(ϕ)2p−1 cos(ϕ)2q−1 dϕ = 0 (1+u2 )p+q du. En déduire B(1/2, 1/2).
3. Montrer que B(p, q) = Γ(p)Γ(q)

Γ(p+q) [on pourra calculer Γ(p)Γ(q) en introduisant le difféomorphisme
ϕ(t, v) = (tv, t(1 − v))]. En déduire Γ(1/2).
4. Calculer, en fonction de Γ, les constantes CN de l’exercice précédent.
Exercice 7.31 (Cordonnées polaires dans RN ) Corrigé 150 page 466

On note S N −1 la sphère de centre 0 et rayon 1 dans RN (i.e. S N −1 = {x ∈ RN | |x| = 1}, où |.| désigne
la norme euclidienne usuelle). Pour A ⊂ S N −1 , on pose A e = {tx , t ∈ [0, 1] , x ∈ A}.
N −1
Montrer que si A est un borélien de S , alors A est un borélien de RN .
e
On définit alors, quand A est un borélien de S N −1 , σ(A) = N λN (A).e Montrer que σ définit une mesure
N −1
sur les borélien de S .
Montrer que, pour tout f : RN → R mesurable positive ou intégrable on a
Z Z ∞ Z
f (x) dx = f (ρξ) dσ(ξ) ρN −1 dρ.
RN 0 S N −1
Trouver alors les α ∈ R tels que x → |x|α soit intégrable sur RN \B1 ou sur B1 , avec B1 = {x ∈ RN ;
|x| ≤ 1}.
Exercice 7.32 (Changement de variables W 1,1 croissant) Corrigé 151 page 469
Rx
Soit f ∈ L1R (R, B(R), λ) t.q. f > 0 p.p.. Pour x ∈ R, on pose ϕ(x) = −∞ f (t)dt. (On rappelle que, pour
Rb R
a < b, a f (t)dt désigne 1]a,b[ f dλ.)
1. Montrer que ϕ ∈ C(R, R) et que ϕ est strictement croissante.

R
On note Im l’image de ϕ (Im est donc un intervalle dont les bornes sont 0 et f dλ) et on note
ψ : Im → R la fonction inverse de ϕ (ψ est donc continue de Im dans R).
On rappelle que si I est un intervalle de R et B(I) est sa tribu borélienne, on a B(I) = P(I) ∩ B(R).
Pour A ⊂ R, on note ϕ(A) = {ϕ(x), x ∈ A}. Pour A ⊂ Im , on note ψ(A) = {ψ(x), x ∈ A}.
2. Montrer que {ϕ(A), A ∈ B(R)} = B(Im ) et que {ψ(A), A ∈ B(Im )} = B(R).
R
3. Soit I un intervalle de R. Montrer que λ(ϕ(I)) = I f dλ.
R
4. Soit O un ouvert de R. Montrer que λ(ϕ(O)) = O f dλ. En déduire que, pour tout ε > 0 il existe
δ > 0 t.q. :
O ouvert, λ(O) ≤ δ ⇒ λ(ϕ(O)) ≤ ε.
R
5. Soit A ∈ B(R). Montrer que λ(ϕ(A)) = A f dλ. [On pourra, par exemple, utiliser la régularité de
λ et la question précédente.]
6. Soit a, b ∈ R t.q. a < b.
219
(a) Soit B ∈ B(R). On pose g = 1B . Montrer que :
Z ϕ(b) Z b
g(t)dt = g(ϕ(s))f (s)ds. (7.19)
ϕ(a) a
[Prendre A = ψ(B ∩ Im )∩]a, b[ et utiliser la question précédente.]

(b) Montrer que (7.19) est encore vraie pour g ∈ E+ (R, B(R)), puis pour g ∈ M+ (R, B(R)).
(c) Soit g : R → R mesurable. On suppose que g1]ϕ(a),ϕ(b)[ ∈ L1R (R, B(R), λ). Montrer g ◦
ϕf 1]a,b[ ∈ L1R (R, B(R), λ) et que (7.19) est vraie.
NB: On peut montrer que ϕ est dérivable p.p. et que ϕ0 = f p.p.. La formule (7.19) est alors la
formule habituelle de changement de variable. Noter aussi que la fonction ϕ, restreinte à l’intervalle ]a, b[,
appartient à un espace appelé W 1,1 (]a, b[) (ce qui explique le titre de l’exercice).
220
Chapter 8
Densité, séparabilité, et compacité

dans les espaces Lp(Ω)
Tout ce chapitre est consacré aux espaces LpR (Ω, B(Ω), λN ) où Ω un ouvert de RN , N ≥ 1, B(Ω) est la
tribu borélienne de Ω, λN désigne la restriction à B(Ω) de la mesure de Lebesgue sur B(RN ) (aussi notée
λN ) et 1 ≤ p ≤ ∞.
On notera toujours Lp (Ω) = LpR (Ω, B(Ω), λN ).
8.1 Théorèmes de densité pour les espaces Lp (Ω)

8.1.1 Densité des fonctions Cc (Ω, R) dans Lp (Ω)
Définition 8.1 Soient N ≥ 1, Ω un ouvert de RN et f une fonction définie de Ω dans R. On dit que f
est à support compact (dans Ω) si il existe un compact K ⊂ Ω tel que f = 0 sur Ω \ K.
On note souvent supp(f ) l’adhérence dans Ω de l’ensemble des x ∈ Ω t.q. f (x) 6= 0. On peut montrer
que f est à support compact si et seulement si supp(f ) est compact.
Définition 8.2 Soient N ≥ 1, Ω un ouvert de RN et f une fonction définie de Ω dans R. On dit que
f ∈ Cc∞ (Ω, R) si
1. f est de classe C ∞ (de Ω dans R).
2. f est à support compact (dans Ω).
On note aussi D(Ω) = Cc∞ (Ω, R).
Remarque 8.1 Si N = 1 et Ω =]0, 1[, la fonction f définie par f (x) = x(x − 1) est de classe C ∞ sur Ω,
mais elle n’est pas à support compact. En effet, il n’existe pas de compact inclus dans ]0, 1[ t.q. f soit
nulle en dehors de ce compact.
Par contre, si f est de classe C ∞ sur ]0, 1[ et si il existe ε > 0 tel que f (x) = 0 pour x ∈]0, ε[ et pour
x ∈]1 − ε, 1[, alors f ∈ Cc∞ (Ω, R).
221
Théorème 8.1 (Densité de Cc (Ω, R) dans Lp (Ω)) Soient N ≥ 1, p ∈ [1, +∞[ et Ω un ouvert de RN
(par exemple, Ω = RN ). Alors :
Cc (Ω, R) est dense dans Lp (Ω) c’est-à-dire :
∀f ∈ Lp (Ω), ∀ε > 0, ∃ϕ ∈ Cc (Ω, R) t.q. kf − ϕkp ≤ ε. (8.1)

Démonstration : La démonstration de ce résultat est faite dans l’exercice 6.4 pour le cas Ω = R. La
généralisation donnée ici se démontre de manière très voisine (grâce au résultat de régularité, proposition
7.5), voir l’exercice 8.1.
Une conséquence importante du théorème 8.1 est la “continuité en moyenne” que l’on donne maintenant.
Théorème 8.2 (Continuité en moyenne) Soient N ≥ 1, p ∈ [1, +∞[,et f ∈ Lp (RN ). Alors, kf (· +
h) − f kp → 0 quand h → 0, c’est-à-dire :
Z
|f (x + h) − f (x)|p dx → 0, quand h → 0.
Démonstration : La démonstration est ici encore très similaire à la démonstration vue pour N = 1
dans l’exercice 6.4, elle est proposée dans l’exercice 8.2.
Remarque 8.2 (Attention à L∞ !) Les deux résultats précédents sont faux dans L∞ . Considérer par
exemple le cas N = 1 et la fonction f = 1R+ (qui appartient à L∞ (R), en confondant f avec sa classe).
On peut montrer que (voir l’exercice 8.3) :
1
1. ∀ϕ ∈ C(R, R), kf − ϕk∞ ≥ .
2
2. ∀h > 0, kf (· + h) − f k∞ = 1.
8.1.2 Régularisation par convolution

Si a ∈ R+ , on note Ba la boule fermée de centre 0 et de rayon a de RN .
Définition 8.3 (L1loc )
Soient N ≥ 1 et Ω un ouvert de RN . Soit f : Ω → R. On définit que f est “localement intégrable sur
Ω” si f 1K ∈ L1 (Ω) (au sens “il existe g ∈ L1 (Ω) t.q. f = g p.p. sur K”) pour tout compact K ∈ Ω.
On note L1loc (Ω)(= L1loc (Ω, B(Ω), λN )) l’ensemble des fonctions localement intégrables sur Ω.
Remarque 8.3 Soient N ≥ 1 et Ω un ouvert de RN . Pour tout p tel que 1 ≤ p ≤ +∞, on a Lp (Ω) ⊂
L1loc (Ω) (ceci est une conséquence immédiate du résultat d’inclusion entre les espaces Lp , proposition 6.8).
Définition 8.4 (Famille
R régularisante) Soit N ≥ 1 et soit ρ ∈ Cc∞ (RN , R) t.q. ρ ≥ 0, {x ∈ RN ;
ρ(x) 6= 0} ⊂ B1 et ρ(x)dx = 1. On appelle famille régularisante (ou famille de noyaux régularisants)
la famille de fonctions (ρn )n∈N? ⊂ Cc∞ (RN , R) définie par : ρn (x) = nN ρ(nx), x ∈ RN , n ∈ N? .
Remarque 8.4 Dans la définition précédente, il est facile de vérifier que {x ∈ RN ; ρn (x) 6= 0} ⊂ B n1 et
R
ρn (x)dx = 1
Il existe bien des fonctions vérifiant les propriétés demandées pour ρ dans la définition 8.4. Pour N = 1,
par exemple, il suffit de prendre ρ(x) = α exp( x21−1 ) pour x ∈] − 1, 1[ et ρ(x) = 0 pour x 6∈] − 1, 1[, avec
R
α > 0 choisi pour avoir ρ(x)dx = 1.
222
Lemme 8.1 Soient N ≥ 1, (ρn )n∈N? une famille régularisante et f ∈ L1loc (RN ). Alors, f ? ρn est définie
partout sur RN et f ? ρn ∈ C ∞ (RN , R). De plus, si il existe a > 0 t.q. f = 0 p.p. sur Bac , on a alors
c
f ? ρn = 0 sur Ba+ 1 (f ? ρn est donc à support compact).
n
Démonstration : La démonstration du fait que f ? ρn ∈ C ∞ (RN , R) est donnée dans l’exercice 7.20. La
seconde partie est donnée dans les exercices 7.20 et 7.19. L’indication de la seconde question de l’exercice
7.19 donne le support indiqué ici pour f ? ρn .
Proposition 8.1 Soient N ≥ 1, (ρn )n∈N? une famille régularisante. Soient p ∈ [1, +∞[ et f ∈ Lp (RN ).
Alors, f ? ρn → f dans Lp (RN ) lorsque n → +∞.
Démonstration : La démonstration est une conséquence du théorème de continuité en moyenne (théo

rème 8.2).
On choisit un représentant de f , encore noté f . Pour n ∈ N? , on pose fn = f ? ρn . Pour x ∈ RN , on a :
Z Z Z
fn (x) − f (x) = f (x − y)ρn (y)dy − f (x) ρn (y))dy = (f (x − y) − f (x))ρn (y)dy,
et donc : Z
|fn (x) − f (x)| ≤ ( |f (x − y) − f (x)|ρn (y)dy)p .
p
1 1
Pour p > 1, on utilise l’inégalité de Hölder en écrivant ρn = ρnp ρnq (avec q = p/(p − 1)) et on obtient (ce
qui est aussi immédiatement vrai pour p = 1) :
Z Z Z
p
|fn (x) − f (x)|p ≤ |f (x − y) − f (x)|p ρn (y)dy( ρn (y)dy) q = |f (x − y) − f (x)|p ρn (y)dy. (8.2)
On remarque maintenant que l’application (x, y)t 7→ (f (y) − f (x)) est mesurable de R2 dans R (munis de
leur tribu borélienne), ceci est une conséquence (par exemple) de la proposition 7.3 et de la mesurabilité
de la somme d’applications mesurables. L’application (x, y)t 7→ (x, x − y) est mesurable de R2 dans R2
(car continue). Par composition, l’application (x, y)t 7→ (f (x − y) − f (x)) est donc mesurable de R2 dans
R. On en déduit, en utilisant une nouvelle fois la mesurabilité de la composée d’applications mesurables
(et du produit d’applications mesurables), que (x, y)t 7→ |f (x − y) − f (x)|p ρn (y) est mesurable (positive)
de R2 dans R.
On peut donc appliquer le théorème de Fubini-Tonelli pour déduire de (8.2) que :
Z Z Z Z Z
|fn (x) − f (x)|p dx ≤ ( |f (x − y) − f (x)|p ρn (y)dy)dx = ( |f (x − y) − f (x)|p ρn (y)dx)dy =
Z
kf (· − y) − f kpp ρn (y)dy.
B1
n
(8.3)
On utilise maintenant le théorème 8.2. Soit ε > 0. Il existe η > 0 t.q. :
h ∈ RN , |h| ≤ η ⇒ kf (· − h) − f kp ≤ ε.
On déduit donc de (8.3) que :

1
≤ η ⇒ kfn − f kp ≤ ε.
n
223
Ce qui termine la démonstration.
Le deux résultats précédents permettent de démontrer le théorème de densité suivant :
Théorème 8.3 Soient N ≥ 1 et p ∈ [1, +∞[, Cc∞ (RN , R) est dense dans Lp (RN ).
Démonstration : La démonstration proposée ici utilise une méthode dite de “troncature et régularisa-
tion”.
Pour f ∈ Lp (RN ), on dit que f est “à support compact” si il existe K compact de RN t.q. f = 0 p.p. sur
K c . On note A l’ensemble des f ∈ Lp (RN ) à support compact.
Etape 1. On montre dans cette étape que A est dense dans Lp (RN ). Soit f ∈ Lp (RN ). Pour n ∈ N,
on pose fn = f 1Bn . Comme fn → f p.p. quand n → ∞ et |fn | ≤ |f | p.p. (pour tout n ∈ N), on peut
appliquer le théorème de convergence dominée dans Lp (on utilise ici le fait que p < ∞). Il donne que
fn → f dans Lp (RN ) quand n → ∞. Comme (fn )n∈N ⊂ A, on a bien montré la densité de A dans
Lp (RN ).
Etape 2. Soit maintenant f ∈ A. Pour conclure la démonstration, il suffit de montrer qu’il existe une
suite (fn )n∈N? ⊂ Cc∞ (RN , R) t.q. fn → f dans Lp (RN ) quand n → ∞. Or cette suite est donné avec
fn = f ? ρn où (ρn )n∈N? est une famille régularisante. En effet, le lemme 8.1 donne que (fn )n∈N? ⊂
Cc∞ (RN , R) et la proposition 8.1 donne que fn → f dans Lp (RN ) quand n → ∞.
On rappelle (remarque 8.2) que Cc (RN , R) (et donc aussi Cc∞ (RN , R)) n’est pas dense dans L∞ (RN ). Il
est intéressant aussi de remarquer que le théorème précédent (théorème 8.3) est encore vrai si on remplace
la mesure de Lebesgue par une mesure sur les boréliens de RN (N ≥ 1), finie sur les compacts. Toutefois
la démonstration donnée ici doit alors être modifiée. Ceci est fait dans l’exercice 7.13 pour p = 1 (et la
généralisation pour traiter tous les cas p ∈ [1, ∞[ est assez simple).
8.1.3 Densité de Cc∞ (Ω, R) dans Lp (Ω)

On a aussi un résultat de densité pour les fonctions définies sur un ouvert de RN .
Théorème 8.4 (Densité de D(Ω) dans Lp (Ω)) Soient N ≥ 1, p ∈ [1, +∞[ et Ω un ouvert de RN .
Alors, D(Ω) = Cc∞ (Ω, R) est dense dans Lp (Ω).
1
Démonstration : Pour Ω 6= RN , on pose Kn = {x ∈ RN ; d(x, Ωc ) ≥ n} ∩ Bn si n ∈ N? .
Soient f ∈ Lp (Ω) et ε > 0. On remarque d’abord (en utilisant, comme pour le théorème précédent, le
théorème de convergence dominée dans Lp ) que f 1Kn → f dans Lp (Ω) quand n → ∞. On peut donc
choisir n0 ∈ N? t.q. kf − fn0 kp ≤ ε.
On pose maintenant g = fn0 . On peut considérer que g ∈ Lp (RN ) et on a g = 0 p.p. sur K c avec
K = Kn0 . En prenant une famille régularisante, (ρn )n∈N? , le lemme 8.1 et la proposition 8.1 donnent que
g ? ρn → g dans Lp (RN ) quand n → ∞ et (g ? ρn )n∈N? ⊂ Cc∞ (RN , R). Il suffit alors de remarquer que la
restriction de g ? ρn à Ω est à support compact dans Ω dès que n > n0 pour conclure la démonstration.
Ici aussi, le théorème 8.4 est encore vrai si on remplace la mesure de Lebesgue par une mesure sur
les boréliens de Ω, finie sur les compacts. La démonstration donnée ici doit alors être modifiée (voir
l’exercice 7.13).
224
8.2 Séparabilité de Lp (Ω)
Proposition 8.2 Soient N ≥ 1, Ω un ouvert de RN et p tel que 1 ≤ p < +∞. Alors, l’espace Lp (Ω) est
séparable.
Démonstration : La démonstration est l’objet de l’exercice 8.4 (et de 6.5 pour le car Ω = R).
Les espaces du type L∞ ne sont, en général, pas séparables. L’exercice 8.5 montre que, par exemple,
L∞
R (R, B(R), λ) n’est pas séparable.
8.3 Compacité dans les espaces Lp (Ω)

Soit E un espace vectoriel normé et A une partie de E ; on rappelle que A est (séquentiellement) compact
si de toute suite d’éléments de A on peut extraire une sous-suite qui converge. Notons que cette notion
de compacité “séquentielle” est équivalente à la notion ce compacité “de Borel -Lebesgue” (i.e. de tout
recouvrement de A par des ouverts on peut extraire un sous-recouvrement fini) dès que E est un espace
métrique (ce qui est notre cas, car E est un espace vectoriel normé).
Une partie A de E est dite relativement compacte si son adhérence est compacte (ou encore si il existe
un compact K de E tel que A ⊂ K).
Dans le cas où E est un espace de dimension finie, A est compacte si et seulement si A est fermée bornée,
et A est relativement compacte si et seulement si A est bornée.
Ces deux caractérisations sont fausses si dim(E) = +∞. On sait par le théorème de Riesz que la boule
unité fermée d’un evn E est compacte si et seulement si la dimension de E est finie.
On s’intéresse ici au cas E = Lp (Ω) (Ω ouvert non vide de RN ), espace vectoriel normé de dimension
infinie, et on voudrait caractériser les parties relativement compactes ; en particulier, étant donnée une
suite de fonctions de Lp (Ω), sous quelles hypothèses peut-on en extraire une sous-suite qui converge ? Une
condition nécessaire évidente est que la partie considérée soit bornée (une partie relativement compacte
est toujours bornée). La deuxième condition est, pour 1 ≤ p < +∞ et Ω bornée, que la partie soit
équicontinue en moyenne, au sens précisé dans le théorème suivant :
Théorème 8.5 (Kolmogorov) Soit Ω ∈ B(RN ) et 1 ≤ p < +∞ ; on considère ici l’espace mesuré
(E, T, m) = (Ω, B(RN ), λN ). Soit A ⊂ Lp (Ω) ; A est relativement compacte si et seulement si :
1. Il existe C ∈ R t.q. kf kp ≤ C pour tout f ∈ A,
2. la partie A est équicontinue en moyenne, c’est-à-dire que pour tout ε > 0, il existe δ > 0 t.q. :
pour tout f ∈ A, |h| ≤ δ ⇒ kf˜(· + h) − f˜kp ≤ ε,
Z partie A est “équi-petite” à l’infini”, c’est-à-dire que pour tout ε > 0, il existe a ∈ R+ , t.q.
3. la
|f˜|p dm ≤ ε pour tout f ∈ A,
c
Ba
où f˜ est la prolongée de f par 0 en dehors de Ω.
La démonstration de ce théorème se fait en utilisant la densité de l’espace de fonctions Cc (Ω, R) dans

Lp (Ω), et le théorème d’Ascoli, que nous rappelons ici :
225
Théorème 8.6 (Ascoli) Soient K une partie compacte de R et A une partie de l’espace vectoriel
C(K, R) muni de la norme uniforme ; A est relativement compacte si et seulement si A est bornée
et uniformément équicontinue, i.e. ∀ ε > 0, ∃δ > 0 ; ∀ x, y ∈ K, |x − y| ≤ δ ⇒ |f (x) − f (y)| ≤ ε,
∀ f ∈ A.
Corollaire 8.1 Soient Ω ∈ B(RN ), 1 ≤ p < +∞ et (fn )n∈N ⊂ Lp (Ω). On suppose que la famille
A = {fn , n ∈ N} vérifie les conditions 1, 2 et 3 du théorème de Kolmogorov. On peut alors extraire
de (fn )n∈N une sous-suite, notée (fϕ(n) )n∈N , et il existe f ∈ Lp (Ω) t.q. fϕ(n) → f dans Lp (Ω) quand
n → ∞.
8.4 Propriété de compacité faible

On a introduit au chapitre 6 la convergence faible ? dans le dual d’un espace de Banach. On a une
propriété de compacité très utile lorsque l’espace de Banach considéré est séparable :
Proposition 8.3 (Compacité faible-? séquentielle des bornés du dual d’un séparable)
Soit F un espace de Banach séparable et F 0 son dual topologique ; soit (Tn )n∈N une suite bornée de F 0 ;
alors il existe une sous-suite (Tnk )k∈N et T ∈ F 0 t.q. la sous-suite (Tnk )k∈N converge vers T dans F 0 pour
la topologie faible ? (i.e. Tnk (u) → T (u) (dans R) pour tout élement u de F .)
Démonstration : procédé diagonal. . .

Cette propriété s’applique donc aux suites bornées de L∞ (Ω) ; en effet, grâce au théorème 6.9 et à la
proposition 8.2), l’espace L∞ (Ω) peut être identifié au dual de l’espace L1 (Ω), qui est un espace séparable
(Ω est ici un borélien de RN ). On a donc, par exemple, le résultat suivant :
Proposition 8.4 (Compacité faible ? séquentielle des bornés de L∞ )

Soit (un )n∈N une suite bornée de L∞
R (R, B(R), λ), i.e. telle qu’il existe M ∈ R+ t.q. kun k∞ ≤ M pour
tout n ∈ N. Alors, il existe une sous suite, encore notée (un )n∈N , et il existe u ∈ L∞
R (R, B(R), λ) t.q.
un → u dans L∞ R (R, B(R), λ) pour la topologie faible ?.
Dans le cas p ∈]1, +∞[, on peut écrire une propriété de compacité faible :
Proposition 8.5 (Compacité faible séquentielle des bornés de Lp )

Soit (un )n∈N une suite bornée de LpR (R, B(R), λ), p ∈]1, +∞[, i.e. telle qu’il existe M ∈ R+ t.q. kun kp ≤
p
M pour tout n ∈ N. Alors, il existe une sous suite, encore notéeR (un )n∈N , et il existe u ∈ LR (R, B(R), λ)
t.q. un → u dans L pour la topologie faible, c’est-à-dire t.q. (un v − uv)dm → 0 pour tout v ∈ Lq , où
p
p
q = p−1 .
8.5 Exercices
Exercice 8.1 (Densité de Cc (Ω, R) dans Lp (Ω))
Soient, N ≥ 1, p ∈ [1, +∞[ et Ω un ouvert de RN . Montrer que Cc (Ω, R) est dense dans Lp (Ω), c’est-à-
dire que pour tout f ∈ Lp (Ω) et pour tout ε > 0, il existe ϕ ∈ Cc (Ω, R) t.q. kf − ϕkp ≤ ε. [Reprendre la
démonstration de l’exercice 6.4 qui traite le cas Ω = R. Utiliser le résultat de régularité, proposition 7.5.]
Exercice 8.2 (Continuité en moyenne)

Soient N ≥ 1, p ∈ [1, +∞[ et f ∈ Lp (RN ). Montrer que kf (· + h) − f kp → 0 quand h → 0. [Reprendre
la démonstration vue pour N = 1 dans l’exercice 6.4]
226
Exercice 8.3 (Non densité de Cc dans L∞ ) Corrigé 152 page 471
On considère f = 1R+ (qui appartient à L∞
R (R, B(R), λ), en confondant f avec sa classe).
1
1. Montrer que kf − ϕk∞ ≥ 2 pour tout ϕ ∈ C(R, R).
2. Montrer que kf (· + h) − f k∞ = 1 pour tout h ∈ R?.
Exercice 8.4 (Séparabilité de Lp (Ω), 1 ≤ p < ∞) Corrigé 153 page 471

Soient N ≥ 1, Ω un ouvert de RN et p tel que 1 ≤ p < +∞. Montrer que l’espace Lp (Ω) est séparable.
On pourra se limiter au cas Ω = R et raisonner ainsi : Soit n ∈ N? , pour q = 0, 1, . . . , 2n2 − 1, on note:
+ nq , −n + q+1
Iqn = [−n S c
n [. On pose : An = {f : R → R; f |Iq = r, où r ∈ Q, et f = 0 sur [−n, n[ }. On
n
pose A = n∈N? An .
1. Montrer que A est dénombrable.
2. Montrer que, pour tout f ∈ Cc (R, R) et pour tout ε > 0, il existe g ∈ A t.q. kf − gkp ≤ ε.
3. Conclure par la densité de Cc (R, R) dans Lp (R, ) (théorème 8.1).
Exercice 8.5 (Non séparabilité de L∞ R (R, B(R), λ)) Corrigé 154 page 472
On note B l’ensemble des f appartenant à L∞ (R, B(R), λ) t.q., pour tout n ∈ N, f = 0 p.p. sur ]n, n + 1[
ou f = 1 p.p. sur ]n, n + 1[.
1. Montrer que B est non dénombrable. [Construire une injection de l’ensemble des parties de N dans
B.]
2. Soit A une partie dense de L∞ R (R, B(R), λ). Montrer que pour tout f ∈ B, il existe g ∈ A t.q.
kf − gk∞ ≤ 41 . En déduire qu’on peut construire une application injective de B dans A.
3. Montrer que L∞
Exercice 8.6 (Convolution Lp − Lq ) Corrigé 155 page 473

Pour 1 ≤ p ≤ ∞, on note Lp = LpR (R, B(R), λ) et Lp = LpR (R, B(R), λ).
p
1. Soit 1 < p < +∞, q = p−1 , f ∈ Lp et g ∈ Lq .
(a) Montrer que pour tout x ∈ R, l’application f (·)g(x − ·) est intégrable.

On peut donc définir (f ? g)(x) pour tout x ∈ R.
(b) Montrer que |(f ? g)(x)| ≤ kf kp kgkq , pour tout x ∈ R.
(c) Montrer que f ? g est continue sur R.
p
2. Soit 1 < p < +∞, q = p−1 .
(a) Soit F ∈ Lp et G ∈ Lq . Montrer qu’on peut définir F ? G sur R en posant F ? G = f ? g, avec

f ∈ F et g ∈ G. [Il suffit donc de démontrer que f ? g ne dépend pas du choix de f dans F et
g dans G.]
(b) Montrer que l’application (F, G) 7→ F ? G est bilinéaire continue de Lp × Lq dans Cb (R, R) (on
rappelle que Cb (R, R) est l’ensemble des fonctions continues bornées de R dans R, muni de la
norme de la convergence uniforme).
227
(c) Soit F ∈ Lp et G ∈ Lq . Montrer que F ? G ∈ C0 (R, R) (c’est-à-dire que la fonction F ? G est
continue de R dans R et que (F ? G)(x) → 0 quand x → ±∞).
3. On prend maintenant p = 1 et q = +∞.
(a) Soit f ∈ L1 et g ∈ L∞ . Montrer que (f ? g)(x) est bien définie pour tout x ∈ R. Montrer que
f ? g ∈ Cb (R, R).
(b) Soit F ∈ L1 et G ∈ L∞ . Montrer que (F ? G)(x) est bien définie pour tout x ∈ R en posant
F ? G = f ? g, avec f ∈ F et g ∈ G.
(c) L’application (F, G) 7→ F ? G est-elle continue de L1 × L∞ dans Cb ?
(d) A-t-on F ? G ∈ C0 (R, R), pour tout F ∈ L1 et G ∈ L∞ ?
Exercice 8.7 (Caractérisation d’une fonction par son action sur Cc∞ ) Corrigé 156 page 476
Soit d ∈ N? . On rappelle que λd est la mesure de Lebesgue sur les boréliens de Rd et que l’élément
d’intégration par rapport à λd est noté dx (au lieu de dλd (x)). On rappelle aussi que | · | dénote la norme
euclidienne dans Rd . On se donne une fonction ρ ∈ Cc∞ (Rd , R) t.q. :
• ρ(x) = 0 si x ∈ Rd , |x| ≥ 1,
• ρ(x) ≥ 0 si x ∈ Rd ,
R
• ρ(x)dx = 1.
Pour n ∈ N? , on note ρn la fonction définie par ρn (x) = nd ρ(nx), de sorte que (ρn )n∈N? est une famille
de noyaux régularisants (voir le chapitre 8 du cours).
1. Soit f ∈ L1 (Rd , B(Rd ), λd ).
(a) Soit ϕ ∈ Cc∞ (Rd , R). Montrer que f ϕ ∈ L1 (Rd , B(Rd ), λd ).

On suppose maintenant que f (x)ϕ(x)dx = 0 pour tout ϕ ∈ Cc∞ (Rd , R).
R
(b) Soit n ∈ N? . Montrer f ? ρn (x) est bien défini pour tout x ∈ Rd et que f ? ρn (x) = 0 pour tout
x ∈ Rd .
(c) Montrer que f = 0 p.p..
2. Soit Ω un ouvert de Rd et g ∈ L1loc (Ω) (c’est-à-dire que g est une fonction de Rd dans R t.q.
g1K ∈ L1 (Rd , B(Rd ), λd ) pour tout compact K de Ω).
(a) Soit ϕ ∈ Cc∞ (Ω, R). Montrer que gϕ ∈ L1 (Rd , B(Rd ), λd ). (La fonction ϕ est prolongée par 0
hors de Ω.)
On suppose maintenant que g(x)ϕ(x)dx = 0 pour tout ϕ ∈ Cc∞ (Ω, R).
R
(b) Soit n ∈ N? . On note Ωn l’ensemble des x ∈ Ω t.q. |x − y| > n1 pour tout y ∈ Ωc . Montrer
g ? ρn (x) est bien définie pour tout x ∈ Ωn et que g ? ρn (x) = 0 pour tout x ∈ Ωn .
(c) Soit K un compact de Ω, montrer que g1K = 0 p.p.. En déduire que g = 0 p.p. sur Ω.
Exercice 8.8 (Théorème de compacité dans L1 ) Corrigé 157 page 478
228
On pose L1 (]0, 1[) = L1R (]0, 1[, B(]0, 1[), λ) et L1 (R) = L1R (R, B(R), λ) (où λ désigne la mesure de Lebesgue
sur B(R) ou sa trace sur B(]0, 1[)). Pour f ∈ L1 (]0, 1[[), on identifie f avec l’un de ses représentants et
on note f˜ la fonction définie par f˜ = f sur ]0, 1[ et f˜ = 0 sur R\]0, 1[.
Soit A une partie de L1 (]0, 1[).
On rappelle que A est relativement compacte dans L1 (]0, 1[) si et seulement si A est précompacte (c’est-
à-dire que pour ε > 0 il existe p ∈ N? et f1 , . . . , fp ∈ A t.q. A ⊂ ∪pi=1 B(fi , ε), où B(f, ε) désigne la boule
ouverte dans L1 (]0, 1[) de centre f et de rayon ε).
Partie I (condition suffisante). On suppose, dans cette partie, que A est relativement compacte dans
L1 (]0, 1[).
1. Montrer que A est une partie bornée de L1 (]0, 1[).

2. Soit ε > 0. Montrer qu’il existe α > 0 t.q. :
h ∈ R, |h| ≤ α, f ∈ A ⇒ kf˜(· + h) − f˜k1 ≤ ε. (8.4)
Partie II (condition nécessaire). On suppose, dans cette partie, que A une partie bornée de L1 (]0, 1[)
et que pour tout ε > 0 il existe α > 0 vérifiant (8.4).
Soit ρ ∈ Cc∞ (R, R) t.q. ρ ≥ 0, ρ(x) = 0 si |x| ≥ 1 et ρ(x)dx = 1. Pour n ∈ N? , on définit ρn par
R
ρn (x) = nρ(nx) si x ∈ R.
1. Soit ε > 0. Montrer qu’il existe n0 ∈ N? t.q. :
n ∈ N? , n ≥ n0 , f ∈ A ⇒ kf˜ ? ρn − f˜k1 ≤ ε. (8.5)
[On pourra remarquer que f˜ ? ρn (x) − f˜(x) = (f˜(x − ny ) − f˜(x))ρ(y)dy.]

R
2. Soit n ∈ N? . Pour f ∈ A, on note fn la restriction à [0, 1] de la fonction f˜ ? ρn .
(a) Montrer qu’il existe C1 , C2 > 0 ne dépendant que de n, ρ et de la borne de A dans L1 (]0, 1[)
t.q. :
x ∈ [0, 1], f ∈ A ⇒ |fn (x)| ≤ C1 ,
x, y ∈ [0, 1], f ∈ A ⇒ |fn (x) − fn (y)| ≤ C2 |x − y|.
En déduire que l’ensemble {fn , f ∈ A} est relativement compact dans C([0, 1], R) [Utiliser le
théorème d’Ascoli.]
(b) Montrer que l’ensemble {fn , f ∈ A} est relativement compact dans L1 (]0, 1[).
3. Montrer que la partie A est relativement compacte dans L1 (]0, 1[).
229
Chapter 9
Vecteurs aléatoires
9.1 Définition, propriétés élémentaires

Définition 9.1 (Vecteur aléatoire) Soit d ≥ 1 et (Ω, A) un espace probabilisable. On appelle vecteur
aléatoire (souvent noté v.a.) de dimension d une application mesurable de Ω dans Rd (où Rd est muni
de la tribu borélienne).
Noter que la notation “v.a.” signifie indifféremment “variable(s) aléatoire(s)” ou “vecteur(s) aléatoire(s)”.
Proposition 9.1 Soit d > 1 et (Ω, A) un espace probabilisable. Soit X une application de Ω dans Rd .
On note X1 , . . . , Xd les composantes de X (de sorte de X = (X1 , . . . , Xd )t ). On note σ(X) la tribu
engendrée par X (et σ(Xi ), pour i = 1, . . . , d la tribu engendrée par Xi ). On a alors :
1. σ(X) est la plus petite tribu contenant les tribus σ(X1 ), . . . , σ(Xd ).
2. X est un v.a. si et seulement si Xi est, pour tout i ∈ {1, . . . , d}, une v.a.r..
Démonstration : On rappelle que σ(X) = {X −1 (B), B ∈ B(Rd )} et que, pour tout i, σ(Xi ) =
Qd
{Xi−1 (A), A ∈ B(R)}. On note C = { i=1 Ai , Ai ∈ B(R) pour tout i}. On rappelle que C ⊂ B(Rd ) (voir
l’exercice 7.10) et que C engendre B(Rd ) (c’est même encore vrai si on se limite à prendre pour Ai des
intervalles, ouverts, voir l’exercice 2.6).
On note T la plus petite tribu contenant les tribus σ(X1 ), . . . , σ(Xd ). Soit i ∈ {1, . . . , d} et A ∈ B(R).
Qd
En prenant B = j=1 Aj avec Aj = R si j 6= i et Ai = A, on a X −1 (B) ∈ σ(X) (car B ∈ C ⊂ B(Rd ))
et X −1 (B) = Xi−1 (A). On en déduit Xi−1 (A) ∈ σ(X) et donc σ(Xi ) ⊂ σ(X) pour tout i ∈ {1, . . . , d}.
Comme σ(X) est une tribu, on a donc T ⊂ σ(X).
Qd
Pour montrer l’inclusion inverse (c’est-à-dire T ⊃ σ(X)). On remarque que, si B ∈ C on a B = i=1 Ai
avec des Ai appartenant à B(R). On a donc X −1 (B) = ∩di=1 Xi−1 (Ai ) ∈ T (car Xi−1 (Ai ) ∈ σ(Xi ) ⊂ T ).
Or, il est facile de voir que {B ∈ B(Rd ), t.q. X −1 (B) ∈ T } est une tribu. Cette tribu contient C, elle
contient donc la tribu engendrée par C, c’est-à-dire B(Rd ). On vient donc de montrer que {B ∈ B(Rd ),
t.q. X −1 (B) ∈ T } = B(Rd ), c’est-à-dire que X −1 (B) ∈ T pour tout B ∈ B(Rd ), ou encore que σ(X) ⊂ T .
On a bien, finalement, σ(X) = T , ce qui donne le premier item de la proposition.
Le deuxième item est un conséquence facile du premier. En effet, si X est un v.a., on a pour tout i,
σ(Xi ) ⊂ σ(X) ⊂ A et donc Xi est une v.a.r.. Réciproquement; si Xi est, pour tout i, une v.a.r., on a
230
σ(Xi ) ⊂ A pour tout i. Comme A est une tribu, on a donc A ⊃ T et comme T = σ(X) on en déduit que
X est un v.a..
La démonstration de la proposition 9.1 n’utilise pas vraiment le fait que les Xi soient des applications à
valeurs dans R. Elle se généralise donc facilement au cas où les Xi sont des applications à valeurs dans
Rd i .
Proposition 9.2 Soit p ∈ N, p ≥ 2, d1 , . . . , dp ∈ N? . soit (Ω, A) un espace probabilisable et, pour tout
i ∈ {1, . . . , p}, Xi une application de Ω dans Rdi . On note X = (X1 , . . . , Xd )t , de sorte que X est une
application de Ω dans Rd avec d = d1 + . . . + dp . Soit d ≥ 1 et (Ω, A) un espace probabilisable. Soit X
une application de Ω dans Rd . On note σ(X) la tribu engendrée par X (et σ(Xi ), pour i = 1, . . . , p la
tribu engendrée par Xi ). On a alors :
1. σ(X) est la plus petite tribu contenant les tribus σ(X1 ), . . . , σ(Xp ).
2. X est un v.a. (de dimension d) si et seulement si Xi est, pour tout i ∈ {1, . . . , p}, un v.a. (de
dimension di ).
Définition 9.2 (Loi d’un v.a.) Soit (Ω, A, p) un espace probabilisé, d ≥ 1 et X un v.a. de dimension
d. On appelle loi de probabilité de X, et on note cette loi PX ou pX , la probabilité sur B(Rd ) image par
X de p (c’est-à-dire PX (A) = p(X −1 (A)) pour tout A ∈ B(Rd )). Si (X1 , . . . , Xd ) sont les composantes
de X, La probabilité pX est aussi appelée loi conjointe de (X1 , . . . , Xd ).
Un exemple important est la loi normale multidimensionnelle.
Définition 9.3 (Loi normale multidimensionnelle) Soit (Ω, A, p) un espace probabilisé, d ≥ 1 et X

un v.a. de dimension d. Soit m ∈ Rd et D une matrice (à coefficients réels, de taille d × d) s.d.p.
(c’est-à-dire symétrique définie positive). Le v.a. X a pour loi N (m, D) (loi normale de paramètre m et
D) si PX = f λd avec :
1 1
f (x) = p exp(− (x − m)t D−1 (x − m)) λd -p.p. en x ∈ Rd .
(2π)d/2 det(D) 2
Si D est seulement semi-définie positive (c’est-à-dire Du · u ≥ 0 pour tout u ∈ Rd ), au lieu d’être définie
positive (c’est-à-dire Du · u > 0 pour tout u ∈ Rd , u 6= 0), la loi normale N (0, D) est aussi définie,
voir la proposition 9.9, mais ce n’est pas une loi de densité (par rapport à la mesure de Lebesgue), voir
l’exercice 10.9 (et l’exercice 9.14 qui donne un exemple de loi normale bidimensionnelle qui n’est pas de
densité).
Nous verrons dans la section 9.3 que si X est un v.a. suivant une loi normale multidimensionnelle, X
est un v.a. gaussien. L’extension de la définition de la loi normale multidimensionnelle au cas D non
inversible permettra alors de dire que les v.a. gaussiens sont exactement ceux qui suivent une loi normale
multidimensionnelle (proposition 9.9).
Le fait que les composantes du v.a. X suivent une loi normale ne donne pas que X suit une loi normale
multidimensionnelle (voir, par exemple, l’exercice 10.10). Mais, si les composantes du v.a. X suivent
une loi normale et sont indépendantes, le v.a. X suit alors une loi normale multidimensionnelle (cf.
l’exercice 9.11 ou l’exercice 10.10).
Définition 9.4 (i-ème projecteur) Soit d ≥ 1. On appelle i-ème projecteur de Rd l’application πi , de

Rd dans R, qui a un vecteur de Rd fait correspondre sa i-ème composante dans la base canonique de Rd .
231
Définition 9.5 (Probabilité marginale) Soit (Ω, A, p) espace probabilisé , d ≥ 1 et X un vecteur
aléatoire de dimension d. On appelle i-ème probabilité marginale du vecteur aléatoire X la mesure image
de pX par le i-ème projecteur πi . La remarque suivante montre que cette probabilité marginale est en fait
la loi de Xi notée pXi .
Remarque 9.1 Soit (Ω, A, p) espace probabilisé , d ≥ 1 et X = (X1 , . . . , Xd )t un vecteur aléatoire de

dimension d. On note qi la i-ème probabilité marginale du vecteur aléatoire X. Soit B ∈ B(R), par
définition de la loi marginale, on a :
qi (B) = pX (πi−1 (B)) = p(X −1 (πi−1 (B))).
Comme Xi = πi ◦ X, on a donc :
qi (B) = p(Xi−1 (B)).
La probabilité qi est donc aussi la loi de la variable aléatoire Xi .
Remarque 9.2 Soit (Ω, A, p) espace probabilisé , d > 1 et X = (X1 , . . . , Xd )t un vecteur aléatoire de
dimension d. La connaissance de pX entraı̂ne la connaissance des pXi . La réciproque est en général
fausse.
On définit la densité d’une loi de manière analogue au cas scalaire.

Définition 9.6 (Loi de densité) Soit p une probabilité sur B(RN ) (N ?ge1), on dit que p est une prob-
abilité de densité (par rapport à la mesure de Lebesgue) s’il existe f ∈ L1R (RN , B(RN ), λN ) t.q. p = f λN .
De même que dans le cas scalaire, on a un théorème qui permet de calculer des intégrales par rapport à
la loi image :
Théorème 9.1 (Loi image) Soit d ≥ 1, (Ω, A, p) un espace probabilisé, X un v.a. de dimension d et
pX la loi de X. Soit ϕ une application borélienne de Rd dans R. On a alors :
1. ϕ ◦ X ∈ L1R (Ω, A, p) si et seulement si ϕ ∈ L1R (Rd , B(Rd ), pX ) ,
2. L’égalité Z Z
ϕ ◦ (x)dp(x) = ϕ(s)dpX (s),
Ω Rd
est vrai si ϕ prend ses valeurs dans R+ , ou si ϕ est bornée ou encore si ϕ ◦ X ∈ L1 (Ω, A, p). (On
rappelle que ϕ ◦ X est en général notée ϕ(X)).
Définition 9.7 (Fonction de répartition)

Soit d ≥ 1, (Ω, A, p) un espace probabilisé, X = (X1 , . . . , Xd )t un v.a. de dimension d et pX la loi de
X. On appelle fonction de répartition du vecteur aléatoire X la fonction définie de Rd dans [0, 1] par :
FX (t1 , . . . , td ) = p([X1 ≤ t1 , . . . , Xd ≤ td ]).
Proposition 9.3 Soit d ≥ 1, (Ω, A, p) un espace probabilisé et X un v.a. de dimension d de fonction de

répartition FX . Alors :
1. 0 ≤ FX (t) ≤ 1 pour tout t ∈ Rd ;
2. Si t, t0 ∈ Rd , t ≤ t0 (i.e. ti ≤ t0i , pour tout i = 1, . . . , d), FX (t) ≤ FX (t0 ) ;
3. FX est continue à droite en tout point ;
232
4. FX (t1 , . . . , td ) → 1 lorsque (t1 , . . . , td ) → (+∞, . . . , +∞) ;
5. FX (t1 , . . . , td ) → 0 lorsque ti → −∞ (à i fixé).
Démonstration : La démonstration découle facilement des propriétés d’une mesure (monotonie, conti-
nuité croissante et continuité décroissante.
Proposition 9.4 Soit d ≥ 1, (Ω, A, p) un espace probabilisé et X un v.a. de dimension d de fonction de

répartition FX . Si FX ∈ C d (Rd , [0, 1]), alors pX est une probabilité de densité (par rapport à Lebesgue)
et cette densité, notée fX , vérifie
∂ d FX
fX = λd -p.p.. (9.1)
∂x1 . . . ∂xd
Démonstration : On suppose que d = 1. Pour tout a, b ∈ R, a < b, la définition de FX donne

Rb 0
pX (]a, b]) = FX (b) − FX (a). Mais, comme FX est de classe C1 , on a FX (b) − FX (a) = a FX (t)dt. En
0
notant m la mesure de densité FX par rapport à λ, on a donc PX (]a, b]) = m(]a, b]) pour tout a, b ∈ R,
a < b, ce qui est suffisant pour dire que PX = m (en utilisant, par exemple, la proposition 2.5).
Pour d > 1, on note m la mesure de densité ∂ d FX /∂x1 . . . ∂xd par rapport à λd . Un raisoonnement voisin
Qd Qd
du précédent donne m( i=1 ]ai , bi ]) = PX ( i=1 ]ai , bi ]) pour tout ai , bi ∈ R, ai < bI , i = 1, . . . , d. On en
déduit m = PX avec la proposition 2.5.
Définition 9.8 (Espérance) Soit (Ω, A, p) espace probabilisé , d > 1 et X = (X1 , . . . , Xd )t un vecteur
aléatoire de dimension d. On suppose que E(|Xi |) < ∞ pour tout i ∈ {1, . . . , d}. L’espérance de X,
notée E(X), est alors le vecteur de Rd dont les composantes sont les espérances des Xi , c’est-à-dire
E(X) = (E(X1 ), . . . , E(Xd ))t .
dimension d t.q. E(|Xi |) < ∞ pour tout i ∈ {1, . . . , d}. Soit u ∈ Rd . L’application u · X (qui à ω ∈ Ω
associe u · X(ω), on rappelle que ξ · η est le produit scalaire canonique de ξ et η dans Rd ) est une v.a.r.
intégrable et il est clair que E(u · X) = u · E(X). L’application u 7→ E(u · X) est donc l’application
linéaire sur Rd représentée par E(X).
Définition 9.9 (Variance, covariance) Soit (Ω, A, p) espace probabilisé , d > 1 et X = (X1 , . . . , Xd )t
un vecteur aléatoire de dimension d. On suppose que E(Xi2 ) < ∞ pour tout i ∈ {1, . . . , d}. On définit
alors la matrice de covariance de X, notée Cov(X), comme la matrice dont le coefficient i, j est donné
par :
Cov(X)i,j = E((Xi − E(Xi ))(Xj − E(Xj ))) pour tout i, j ∈ {1, . . . , d}.
On a donc Ci,i = Var(Xi ) et Ci,j = Cov(Xi , Xj ) (noter d’ailleurs que Cov(Xi , Xi ) = Var(Xi )). Enfin,
on peut aussi noter que Cov(X) est l’espérance de la matrice (X − E(X))(X − E(X)t .
dimension d t.q. E(Xi2 ) < ∞ pour tout i ∈ {1, . . . , d}. Pour tout u ∈ Rd , on a donc E((u · X)2 ) < ∞
et il est facile de voir (voir l’exercice 9.8) que Var(u · X) = ut Cov(X)u. La matrice Cov(X) est donc la
matrice de la forme quadratique u 7→ Var(u · X), définie sur Rd . Cette matrice est donc symétrique et
semi-définie positive. On peut aussi noter que, pour tout u, v ∈ Rd , on a ut Cov(X)v = E((u · X)(v · X)).
233
9.2 Indépendance
Définition 9.10 Soit p ∈ N, p ≥ 2, d1 , . . . , dp ∈ N? . soit (Ω, A) un espace probabilisable et, pour tout
i ∈ {1, . . . , p}, Xi un v.a. de dimension di . Les v.a. X1 , . . . , Xp sont dits indépendants si les tribus
σ(X1 ), . . . , σ(Xp ) (engendrées par X1 , . . . , Xp ) sont indépendantes (cf définition 2.24, p. 38)
La proposition suivante donne des “opérations” possibles sur l’indépendance.
Proposition 9.5 Soit p ∈ N, p ≥ 2, d1 , . . . , dp ∈ N? . soit (Ω, A) un espace probabilisable et, pour tout
i ∈ {1, . . . , p}, Xi un v.a. de dimension di . On suppose que les v.a. X1 , . . . , Xp sont indépendants. On
se donne maintenant une suite strictement croissante p0 , . . . , pq (q ≥ 2) t.q. 1 = p0 < . . . < pq = p + 1
et, pour i ∈ {1, . . . , q}, on note Yi le v.a. (Xpi−1 , . . . , Xpi −1 )t , qui est donc un v.a. de dimension
ri = dpi−1 + . . . + dpi −1 . On a alors
1. Les v.a. Y1 , . . . , Yq sont indépendantes,
2. Si ϕi est, pour tout i ∈ {1, . . . , q}, une application borélienne de Rri dans Rsi (avec si ∈ N? ), les
v.a. ϕ1 (Y1 ), . . . , ϕq (Yq ) sont indépendants.
Démonstration : le premier item est une conséquence immédiate de la proposition 2.11 (sur l’indépen-
dance de tribus) et de la proposition 9.2. Le second item est une conséquence immédiate du premier car
σ(ϕi (Yi )) ⊂ σ(Yi ) pour tout i.
Remarque 9.5 Soit (Ω, A) un espace probabilisable et X, Y deux v.a. (pas nécessairement de même
dimension). La proposition 9.5 montre que si X et Y sont indépendants, toute composante de X est
indépendante de toute composante de Y . Réciproquement, si toute composante de X est indépendante de
toute composante de Y , on en déduit que X et Y sont indépendants. Ceci est encore une conséquence
simple de la proposition 2.11.
On donne maintenant une généralisation de la proposition 4.10.
Proposition 9.6 Soit (Ω, A, p) un espace probabilisé, n ≥ 2 et X1 , . . . , Xn des v.a. indépendants, de

dimension d1 , . . . , dn ∈ N? .
1. Soit, pour tout i ∈ {1, . . . , n}, une fonction borélienne, notée ϕi , de Rdi dans R+ . On a alors :
d
Y n
Y
E( ϕi (Xi )) = E(ϕi (Xi )). (9.2)
i=1 i=1
2. Soit, pour tout i ∈ {1, . . . , n}, ϕi une fonction borélienne de Rdi dans R. On suppose que ϕ(Xi )
Qd
est intégrable pour tout i = 1, . . . , n. La v.a.r. i=1 ϕi (Xi ) est alors intégrable et l’égalité (9.2) est
vraie.
3. Soit, pour tout i ∈ {1, . . . , n}, ϕi une fonction borélienne bornée de Rdi dans R. Alors, l’égalité (9.2)
est vraie.
N.B. Comme dans la proposition 4.10, l’item 3 est donc une CNS pour que les v.a. X1 , . . . , Xn soient
indépendants.
234
Démonstration : La démonstration suit pas à pas celle de la proposition 4.10, sans difficulté supplé-
mentaire.
Remarque 9.6 Soit (Ω, A, p) un espace probabilisable. La proposition 9.6 donne aussi des résultats
quand les fonctions ϕi sont à la valeurs dans Rri avec ri 6= 1. Par exemple, soit X, Y sont deux v.a.
indépendants de dimensions d. On suppose X et Y intégrables (c’est-à-dire E(|X|) < ∞ et E(|Y |) < ∞).
La v.a.r. X · Y est alors intégrable et E(X · Y ) = E(X) · E(Y ).
¯ X, Y indépendants.
Plus généralement, soit X est un v.a. de dimension d, Y est un v.a. de dimension d,
¯
On suppose que ϕ est une fonction borélienne de R dans R et ψ une fonction borélienne de Rd dans Rr
d r
t.q. ϕ◦X et ψ◦Y soient intégrables. On a alors ϕ◦X·ψ◦Y intégrable et E(ϕ◦X·ψ◦Y ) = E(ϕ◦X)·E(ψ◦Y ).
Enfin, si X1 , . . . , Xn sont des v.a. indépendants de dimension d (d ≥ 1), la formule donnée dans la
proposition 6.26 se généralise et donne :
n
X
Cov(X1 + . . . + Xn ) = Cov(Xi ).
i=1
Pour le montrer, il suffit de traiter le cas n = 2 (qui est traité dans l’exercice 9.9) et de faire une récurrence
sur n.
On donne maintenant la généralisation de la proposition 4.12.
Proposition 9.7 Soit (Ω, A, p) un espace probabilisé, n ≥ 2 et X1 , . . . , Xn des v.a. indépendants, de

dimension d1 , . . . , dn ∈ N? . Ces v.a. sont indépendants si et seulement si on a, pour tout famille {ϕi ),
i = 1, . . . n} t.q. ϕi ∈ Cc (Rdi , R) pour tout i,
d
Y d
Y
E( ϕi (Xi )) = E(ϕi (Xi )), (9.3)
i=1 i=1
Démonstration : Ici encore, la démonstration suit pas à pas celle de la proposition 4.12, sans difficulté
supplémentaire.
Théorème 9.2 (Loi d’un couple de v.a. indépendantes) Soit (Ω, A, P ) un espace probabilisé.
1. Soit X, Y deux v.a.r.. Les v.a. X et Y sont indépendantes si et seulement si la loi du v.a. (X, Y )t
(ou du couple (X, Y )) est P(X,Y )t = PX ⊗ PY .
2. Soit X1 , . . . , Xn (n ≥ 2) n v.a. de dimension d1 , . . . , dn ∈ N? . On pose Z = (X1 , . . . , Xn )t (Z est
donc un v.a. de dimension d1 + . . . + dn ). Les v.a. X1 , . . . , Xn sont indépendantes si et seulement
si la loi du v.a. Z est PZ = PX1 ⊗ . . . ⊗ PXn .
Démonstration : La démonstration du premier item fait partie de l’exercice 9.10. le second item est
une généralisation assez simple (en faisant, par exemple, une récurrence sur n pour se ramener au cas
n = 2).
On utilise souvent en théorie des probabilités une suite (finie ou infinie) de v.a.r. indépendantes ayant
des lois prescrites. Le théorème suivant montre qu’il existe effectivement un espace de probabilité et une
suite de v.a.r.i. sur cet espace ayant des lois prescrites.
235
Théorème 9.3 (Existence de v.a.r.i. de lois prescrites) Soit (pn )n∈N? une suite de probabilités sur
B(R). On a alors :
1. Pour tout n ∈ N? , il existe un un espace probabilisé, noté (Ω, A, P ), et une suite finie de v.a.r.
indépendantes, notées X1 , . . . , Xn t.q. PXk = pk pour tout k ∈ {0, . . . , n}.
2. Il existe un un espace probabilisé, noté (Ω, A, P ), et une suite de v.a.r. indépendantes, notée
(Xn )n∈N? t.q. PXn = pn pour tout n ∈ N? .
Démonstration : Nous démontrons ici le premier item. Le second (plus difficile) sera admis. Soit
n ∈ N? . Un raisonnement par récurrence utilisant le théorème d’existence (et unicité) de la mesure produit
(théorème 7.1) permet de construire une mesure p sur B(Rn ) vérifiant, pour toute famille A1 , . . . , An de
boréliens de R :
Yn Yn
p( Ai ) = pi (Ai ).
i=1 i=1
On a donc p = p1 ⊗ . . . ⊗ pn .
On prend alors (Ω, A, P ) = (Rn , B(Rn ), p) et, pour tout i = 1, . . . , n, Xi est l’application qui a ω ∈ Rn
associe sa i-ième composante. Enfin, on note X = (X1 , . . . , Xn )t , de sorte que X est un v.a. de dimension
n.
Pour tout ω ∈ Rn , on a X(ω) = ω, ceci prouve que PX = P . Puis, pour tout i ∈ {1, . . . , n}, on a
X(ω) = ωi (où ωi désigne la i-ième composante de ω). On en déduit que PXi = pi . Enfin, comme
p = p1 ⊗ . . . ⊗ pn , on a aussi PX = pX1 ⊗ . . . ⊗ pXn . Le théorème 9.2 donne donc que les v.a.r. X1 , . . . , Xn
On s’intéresse maintenant à la somme de v.a.i.
Proposition 9.8 (Loi de la somme de v.a. indépendantes) Soit (Ω, A, P ) un espace probabilisé,
d ≥ 1 et X, Y deux v.a. indépendants de dimension d. Alors, pX+Y = pX ? pY .
Démonstration : Soit ϕ une fonction borélienne bornée de Rd dans R. Comme X et Y sont indépen-
dants, on a P(X,Y ) = PX ⊗ PY (par le théorème 9.2) et donc :
Z Z Z Z
ϕ(X + Y )dP = ϕ(x + y)dP(X,Y ) (x, y) = ϕ(x + y)dPX (x)dPY (y).
Ω R2d Rd Rd
La définition de la convolution de mesure donne (voir la définition 7.4 et la proposition 7.10 :

Z Z Z
ϕ(x + y)dPX (x)dPY (y) = ϕ(z)d(PX ? PY )(z).
Rd Rd Rd
R R
On en déduit que Ω
ϕ(X + Y )dP = Rd
ϕ(z)d(PX ? PY )(z), c’est-à-dire PX+Y = PX ? PY .
9.3 Vecteurs gaussiens, théorème central limite

Soit m ∈ R et σ > 0. On rappelle que la loi normale N (m, σ 2 ) est la probabilité (sur B(R)) de densité f
avec, pour x ∈ R,
1 (x−m)2
f (x) = √ exp− 2σ2 .
σ 2π
236
Pour introduire les vecteurs gaussiens, il est utile de définir aussi la loi normale N (m, 0). Cette loi normale
est la probabilité (sur B(R)) δm (appelée
R “mesure de Dirac au point m). Comme elle vérifie, pour tout
fonction ϕ borélienne de R dans R, ϕdδm = ϕ(m), il est facile de vétfier que N (m, 0) est la limite
étroite, quand σ → 0, σ > 0, de N (0, σ 2 ).
Définition 9.11 Soit (Ω, A, p) un espace probabilisé, d ≥ 1 et X un v.a. de dimension d. le v.a. X est
un v.a. gaussien si et seulement u · X est, pour tout u ∈ Rd , une v.a.r. gaussienne.
Remarque 9.7 Soit (Ω, A, p) un espace probabilisé, d > 1 et X un v.a. de dimension d. On suppose
que chaque composante de X est une v.a.r. gaussienne. Alors, le vecteur X n’est pas nécessairement
gaussien. Mais, si les composantes de X sont indépendantes, le vecteur X est alors un v.a. gaussien. On
peut aussi montrer que si X est un v.a. gaussien et que les composantes de X sont indépendantes deux
à deux (ou si on a seulement Cov(Xi , Xj ) = 0 pour tout i, j t.q. i 6= j), alors les composantes de X sont
indépendantes (voir l’exercice 10.10 pour tous ces résultats).
Les v.a. gaussiens sont les vecteurs qui suivent un loi normale multidimensionnelle, dont la définition
et donnée dans la définition 9.3, à condition d’étendre convenablement la définition 9.3 au cas D non
inversible. C’est l’objectif de la proposition suivante.
Proposition 9.9 Soit (Ω, A, p) un espace probabilisé, d ≥ 1 et X un v.a. de dimension d.

1. Soit m ∈ Rd et D une matrice s.d.p. (de taille d × d). Si X ∼ N (m, D), où N (m, D) est définie
par la définition 9.3, alors X est un vecteur gaussien.
2. Si X est un vecteur gaussien. On pose m = E(X) et D = Cov(X). Alors, la loi de X ne dépend

que de D. Si D est inversible on a X ∼ N (m, D) (où N (m, D) est définie par la définition 9.3).
Ceci permet de définir N (m, D) dans le cas où D est seulement symétrique semi-définie positive (et
m ∈ Rd ). On définit N (m, D) comme étant la loi d’un vecteur gaussien de dimension d t.q. m = E(X)
et D = Cov(X) (on peut montrer qu’un tel vecteur existe).
Démonstration : Le premier item est démontré dans l’exercice 10.8 et le deuxième item est démontré
dans l’exercice 10.9.
On termine ce paragraphe en donnant, sans démonstration, le théorème central limite pour une suite de
v.a.i.
Théorème 9.4 Soit (Ω, A, p) un espace probabilisé et (Xn )n∈N? une suite de v.a. de dimension d i.i.d..
On suppose que E(|X1 |2 ) < ∞. On pose E(X1 ) = m, D = Cov(X1 ) et, pour n ∈ N? ,
n
1 X
Yn = √ (Xi − m).
n i=1
La suite (PYn )n∈N? converge alors étroitement vers la loi normale multidimensionnelle N (0, D). (Voir la
définition 9.3 et la proposition 9.9 pour la définition de cette loi normale multidimensionnelle.)
237
9.4 Exercices
9.4.1 Définition, propriétés élémentaires
Exercice 9.1 Soient (E, T ) un espace mesurable et (fk )k=1,...,N une famille de fonctions mesurables de
(E, T ) dans (R, B(R)). Montrer que l’application f définie de E dans RN par : (x, . . . , x) 7→ f (x) =
(f1 (x), . . . fN (x)) est mesurable.
Exercice 9.2 On reprend les hypothèses de l’exercice 4.37. Soit Y la longévité moyenne des 1000 ou-
vrières nées le 7 mai. Déterminer une valeur x > 0 pour laquelle on a une probabilité inférieure à 10−2
que |Y − 45| > x.
Exercice 9.3 (Problème de Buffon) On reprend les hypothèses de l’exercice 4.38. On suppose main-
tenant que ` = d2 . On lance n fois l’aiguille: quelle est la loi de la variable aléatoire Zn , qui représente le
nombre de rencontres au cours des n lancers.
Soit Fn la fréquence des rencontres au cours des n lancers; estimer, à l’aide de l’inégalité de Bienaymé
Tchebicheff, le nombre de lancers permettant d’obtenir |F − π1 | ≤ 0.05 avec une probabilité d’au moins
0.99.
Exercice 9.4
On va montrer ici que la connaissance des lois de probabilité marginales ne détermine pas forcément la
loi de probabilité. On considère pour cela l’espace probabilisable (E, T ) = (]0, 1[×]0, 1[, B(R)2 ) et on note
λN la mesure de Lebesgue sur B(RN ), et δ(a,b) la mesure de Dirac en (a, b). Soit p une probabilité sur
(E, T ), on note p1 et p2 ses probabilités marginales.
1. Soit (a, b) ∈ E. Montrer que p = δ(a,b) si et seulement si p1 = δa et p2 = δb .
2. Soit p = λ2 sur (E, T ). Montrer que p1 = p2 = λ1 (sur (]0, 1[, B(R))).

3. On pose D = {(t, 1 − t), t ∈]0, 1[}, et on définit l’application f :]0, 1[ dans D par f (t) = (t, 1 − t).
(a) Montrer que f est mesurable.
(b) On définit la probabilité p sur (E, T ) par : p(Dc ) = 0 et p(A) = λ(f −1 (A)), ∀A ∈ B(R)2 , A ⊂
D. Montrer que p1 = p2 = λ1 et conclure.
Exercice 9.5 On considère deux variables aléatoires réelles indépendantes X et Y qui ont pour loi de
1 x2 +y 2

probabilité conjointe la loi dans le plan R2 de densité f (x, y) = 2πσ 2 exp − 2σ 2 par rapport à la mesure
de Lebesgue de R2 , σ étant un nombre réel donné. Quelle est la loi de probabilité de la variable aléatoire
Z = max(|X|, |Y |) ?
Exercice 9.6 Soient X1 et X2 des variables aléatoires d’un espace probabilisé (E, T, p) dans (R, B(R))
suivant des lois de Poisson de paramètre λ1 et λ2 respectivement, montrer que X1 + X2 suit une loi de
k
Poisson de paramètre λ1 + λ2 . (On rappelle que la loi de Poisson est donnée par P = k∈N e−λ λk! δk , où
P
δk désigne la mesure de Dirac en k).
Exercice 9.7
1. Soient (E, T, m) un espace mesuré fini, (fn )n∈N ⊂ L2 = L2R (E, T, m) t.q.:
(H1) la série de terme général kfn k22 converge dans R.
238
(H2) (fn , fm )L2 = 0 ∀n, m; n 6= m.
(a) Montrer que la série de terme général fn converge dans L2 vers une fonction F ∈ L2 .
Pm
(b) Pour q ∈ N? , on pose Aq = {y ∈ E, ∀N ∈ N, ∃m, n, m > n > N et | p=n fp (y)| ≥ 1q }.
Montrer que m(Aq ) = 0. En déduire que la série de terme général fn converge vers F presque
partout.
2. Soient (E, T, p) un espace probabilisé et (Xn )n∈N une suite

P de v.a.r. indépendantes sur (Ω,
PnT ). On
note σn2 la variance de la v.a.r. Xn , et on suppose que n∈N σn2 < +∞. On pose Sn = k=0 Xk .
Montrer que la suite de v.a.r. Sn converge presque sûrement vers une v.a.r. S de variance finie, et
que σ 2 (Sn − S) → 0 lorsque n → +∞.
Exercice 9.8 (Matrice des moments d’ordre deux et matrice de covariance) Corrigé 158 page
480
Soit (Ω, A, P ) est un espace de probabilité. Soit X un vecteur aléatoire de dimension d (d ≥ 1), dont
toutes les coordonnées (notées Xi , i = 1, . . . , d) sont supposées être de carré intégrable. La matrice des
moments d’ordre 2 du v.a. X est la matrice E(XX t ), dont le terme (i, j) est le réel E(Xi Xj ), et on
rappelle que la matrice de covariance de X, notée Cov(X), est la matrice E((X − E(X))(X − E(X))t ) =
E(XX t ) − E(X)E(X)t , dont le terme (i, j) est la covariance des v.a.r. Xi et Xj . (La notation X t désigne
le transposé du vecteur X.)
1. Soit u ∈ Rd , montrer que ut E(XX t )u = E((u · X)2 ) et que ut Cov(X)u = Var(u · X) (On rappelle
Pd
que u · X = i=1 ui Xi = ut X).
2. Montrer que les matrices E(XX t ) et Cov(X) sont symétriques et semi–définies positives.
3. Montrer que si A est une matrice k × d et b un vecteur de Rk , Y = AX + b, alors E(Y ) = AE(X) + b

et Cov(Y ) = ACov(X)At .
4. Montrer que si Cov(X) n’est pas inversible, alors le v.a. X prend p.s. ses valeurs dans un sous–
espace affine de Rd de dimension (inférieure ou) égale à d−1, et que la loi de X n’est pas absolument
continue par rapport à la mesure de Lebesgue de Rd , notée d (i.e. cette loi n’est pas à densité dans
Rd ).
5. Montrer que si trois points x, y et z de R2 ne sont pas alignés, tout v. a. X de dimension 2 tel que
P (X = x) > 0, P (X = y) > 0 et P (X = z) > 0 a une matrice de covariance non dégénérée.
9.4.2 Indépendance
Exercice 9.9 (Covariance d’une somme de v.a.i.) Corrigé 159 page 481
Soit (Ω, A, P ) est un espace de probabilité et X, Y deux vecteurs aléatoires indépendants de dimension d
(d ≥ 1). Montrer que Cov(X + Y ) = Cov(X)+Cov(Y ).
Exercice 9.10 (Loi d’un couple de v.a. indépendantes) Corrigé 160 page 481
Soit (Ω, A, P ) un espace de probabilités et X, Y deux v.a.r..
1. Montrer que X et Y sont indépendantes si et seulement si la loi du couple (X, Y ) est P(X,Y ) =
PX ⊗ PY .
239
2. On suppose que X et Y ont des densités par rapport à λ : PX = f λ et PY = gλ, avec f, g ∈
L1R (R, B(R), λ) (et positives p.p.). Montrer que X et Y sont indépendantes si et seulement si la loi
du couple (X, Y ) a pour densité la fonction (x, y) 7→ f (x)g(y) par rapport à λ2 .
Exercice 9.11 (V.a. suivant une loi normale multidimensionelle) Corrigé 161 page 482
Soit (Ω, A, P ) un espace de probabilités et X = (X1 , . . . , Xd ) (d > 1) un v.a. de dimension d. On suppose
que les Xi sont des v.a.r. indépendantes et que Xi ∼ N (mi , σi2 ), avec mi ∈ R et σi > 0 pour tout i.
Montrer que X suit une loi normale multidimensionnelle et donner m et D t.q. X ∼ N (m, D).
Exercice 9.12 (Somme de v.a. indépendantes et convolution) Corrigé 162 page 483
Soit (Ω, A, P ) un espace de probabilités et X, Y deux v.a.r. indépendantes.
1. On suppose que la loi de X a une densité, notée f , par rapport à la mesure de Lebesgue. Montrer
que la loi de X + Y a aussi une densité (par rapport à la mesure de Lebesgue) et l’exprimer en
fonction de f et de la loi de Y .
2. On suppose que X ∼ N (µ, σ 2 ) et Y ∼ N (m, s2 ) (m, µ, s, σ ∈ R). Montrer que X + Y ∼ N (µ +
m, σ 2 + s2 ) (le signe “∼” signifie “a pour loi”).
Exercice 9.13 (Calcul de π) Corrigé 163 page 484

Soit (Ω, A, P ) un espace de probabilité, (Un )n∈N? et (Vn )n∈N? deux suites de variables aléatoires de loi
uniforme sur l’intervalle [0, 1]. On suppose que toutes ces v.a. sont indépendantes (dans leur ensemble).
On pose pour tout n ≥ 1 :
Xn = 1 si Un2 + Vn2 ≤ 1 et Xn = 0 sinon,
et
X1 + · · · + Xn
Zn = 4 .
n
1. Déterminer, pour tout n ∈ N? , la loi de Xn .
2. Montrer que la suite (Zn )n∈N? converge en probabilité vers π.

3. Soit α ∈]0, 1[ et ε > 0. A l’aide de l’inégalité de Tchebychev, donner, en fonction de α et ε, une
valeur de n0 ∈ N? t.q.
n ≥ n0 ⇒ P [|Zn − π| ≥ ε] ≤ α.
9.4.3 Vecteurs gaussiens, théorème central limite

Exercice 9.14 (Loi du couple (X, X) si X suit une loi normale) Corrigé 164 page 485
1. Soit A un borélien de R2 . On pose T (A) = {x ∈ R t.q. (x, x)t ∈ A}. Montrer que T (A) est un
borélien de R. On pose m(A) = λ(T (A)) (où λ est mesure de Lebesgue sur B(R)).
On a ainsi défini une application m de B(R2 ) dans R+ .
2. Montrer que l’application m (définie ci dessus) est une mesure sur B(R2 ) et que pour toute appli-
cation ϕ borélienne positive de R2 dans R on a :
Z Z
ϕ(x, y)dm(x, y) = ϕ(x, x)dx.
R2 R
240
3. Soit (Ω, A, P ) est un espace de probabilité. et X une v.a.r. t.q. X ∼ N (0, 1).
(a) On pose Z = (X, X)t . Montrer que le v.a. Z est un vecteur gaussien et donner, pour a ∈ R2 ,
la loi de a · Z (en fonction de a).
(b) Montrer la loi du v.a. (X, X)t a une densité par rapport à la mesure m définie dans les
questions précédentes et donner cette densité. En déduire que la loi du v.a. (X, X)t n’a pas
de densité par rapport à la mesure de Lebesgue sur B(R2 ).
N.B. la loi de (X, X)t est une loi normale bidimensionnelle car le vecteur (X, X)t est gaussien (voir la
proposition 9.9) mais ce n’est pas une loi de densité par rapport à la mesure de Lebesgue sur B(R2 ).
241
Chapter 10
Transformation de Fourier, fonction

caractéristique
10.1 Introduction et notations

La notion de série de Fourier permet d’analyser les fonctions définies d’un compact [a, b] de R dans R (ou
C). La notion de transformée de Fourier permet d’analyser les fonctions définies de R (ou RN ) dans R
(ou C). La transformée de Fourier est une notion employée par exemple en théorie du signal, en théorie
des probabilités et pour l’analyse des équations aux dérivées partielles.
Dans toute la suite, on considèrera l’espace mesuré (RN , B(RN ), λN ) et on notera dλN (x) = dx. Soit
N ≥ 1, les espaces L1C (RN , B(RN ), λN ) et L1C (RN , B(RN ), λN ) ont été définis dans la section 4.10 et
les espaces L2C (RN , B(RN ), λN ) et L2C (RN , B(RN ), λN ) ont été définis dans la section 6.2. On rappelle
aussi que si f est une fonction définie de RN dans C, la fonction f est mesurable si et seulement si
ses parties réelle et imaginaire sont mesurables (chaque ensemble, RN , R ou C, étant muni de sa tribu
borélienne). On peut, bien sûr, aussi définir les espaces LpC (RN , B(RN ), λN ) et LpC (RN , B(RN ), λN ) pour
tout p ∈ [1, ∞].
Définition 10.1 (Espaces LpC (RN , B(RN ), λN )) Soit N ≥ 1, p ∈ [1, ∞] et f une fonction mesurable de
RN dans C (c’est-à-dire f −1 (A) ∈ B(RN ) pour tout A ∈ B(C)). On dit que f ∈ LpC (RN , B(RN ), λN )
si |f | ∈ LpR (RN , B(RN ), λN ) et on définit kf kp par kf kp = k|f |kp où k|f |kp est la norme de |f | dans
Lp (RN , B(RN ), λN ) (vue au chapitre 6). L’espace LpC (RN , B(RN ), λN ) est l’espace LpC (RN , B(RN ), λN )
quotienté par le relation d’équivalence “= p.p.”. C’est un espace de Banach (complexe), c’est-à-dire un
e.v.n. (sur C) complet.
Remarque 10.1 Soit N ≥ 1, p ∈ [1, ∞] et f une fonction définie de RN dans C. Il est facile de voir que
f ∈ LpC (RN , B(RN ), λN ) si et seulement si ses parties réelle et imaginaire sont dans LpR (RN , B(RN ), λN ).
10.2 Transformation de Fourier dans L1

10.2.1 Définitions et premières propriétés
Soit N ≥ 1. Pour x = (x1 , . . . , xN )t ∈ RN et t = (t1 , . . . , tN )t ∈ RN , on note x · t le produit scalaire
PN p N
euclidien de x et t, c’est-à-dire x · t = i=1 xi ti . Dans ce chapitre, On note aussi LC (R ) l’espace
242
LpC (RN , B(RN ), λN ), pour p ∈ [1, ∞].
Définition 10.2 (Transformée de Fourier dans L1 )
Soit N ≥ 1 et f ∈ L1C (RN ). Pour t ∈ RN , l’application x 7→ e−ix·t f (x) (définie de RN dans C) appartient
à L1C (RN ). On définit alors fˆ(t) par :
Z
ˆ −N
f (t) = (2π) 2 f (x)e−ix·t dx. (10.1)
La fonction fˆ (définie de RN dans C) s’appelle transformée de Fourier de f .

On note C0 (RN , C) = {g ∈ C(RN , C) t.q. g(t) → 0 quand |t| → +∞}. On rappelle que C0 (RN , C) est
un espace de Banach quand il est muni de la norme de la convergence uniforme, c’est-à-dire :
kϕku = max |ϕ(x)|.

x∈RN
Proposition 10.1 Soit N ≥ 1. Soit F l’application qui à f (appartenant à L1C (RN )) associe sa trans-
formée de Fourier. F est une application linéaire continue de L1C (RN ) dans C0 (RN , C).
Démonstration :
• Le théorème de continuité sous le signe (théorème 4.9) appliqué à la fonction (x, t) 7→ e−ix.t f (x)
R
entraı̂ne immédiatement que fˆ est continue.

• On montre maintenant que fˆ ∈ C0 (R, R).
– Cas N = 1. On remarque que pour t 6= 0, on a, comme eiπ = −1,
Z
1 π
fˆ(t) = −(2π)− 2 e−i(x− t )t f (x)dx,
et donc avec un changement de variable simple,

Z
ˆ − 21 π
f (t) = −(2π) e−iyt f (y + )dy.
t
On en déduit que Z
1 π
2fˆ(t) = (2π)− 2 e−ixt (f (x) − f (x + ))dx
t
1
et donc que |fˆ(t)| ≤ 21 (2π)− 2 kf (·) − f (· + πt )k1 . Le théorème de continuité en moyenne dans
L1 (théorème 5.6) donne alors le fait que fˆ(t) → 0 quand |t| → ∞.
– Cas N > 1. On reprend la même méthode. Pour t 6= 0, t = (t1 , . . . , tN )t , il existe j ∈
{1, . . . , N } t.q. |tj | = maxk=1,...,N |tk |. On a alors, comme eiπ = −1, en notant ej le j-ième
vecteur de base de RN ,
Z
ˆ −N −i(x− tπ ej )·t
f (t) = −(2π) 2 e j f (x)dx,
et donc avec un changement de variable simple,

Z
ˆ −N π
f (t) = −(2π) 2 e−iy·t f (y + ej )dy.
tj
N
On en déduit que |fˆ(t)| ≤ 12 (2π)− 2 kf (·)−f (·+ tπj ej )k1 . Le théorème de continuité en moyenne
dans L1 (théorème 8.2) donne alors le fait que fˆ(t) → 0 quand |t| → ∞.
243
La tansformée a la propriété intéressante de transformer la convolution en produit. Ceci est montré dans
la proposition suivante.
N
? g = (2π) 2 fˆĝ.
Proposition 10.2 Soient f et g ∈ L1C (RN ), alors f[
R émonstration : Par la proposition 7.9, on

D f ? g ∈ L1C (RN ) et pour p.p. x ∈ RN , f ? g(x) =
N
f (x − y)g(y)dy. On a donc, pour tout t ∈ R ,
Z Z Z Z
N N
f[? g(t) = (2π)− 2 f (x − y)g(y)dy e−ix·t dx = (2π)− 2 f (x − y)g(y)e−i(x−y)·t e−iy·t dy dx.
En appliquant le théorème de Fubini (théorème 7.3) à la fonction (x, y) 7→ f (x − y)g(y)e−i(x−y)·t e−iy·t

(qui est bien intégrable sur R2N car son module est la fonction (x, y) 7→ |f (x − y)g(y)| dont l’intégrale
sur R2N est égale à kf k1 kgk1 ), on obtient :
Z Z
N
f[? g(t) = (2π)− 2 f (x − y)e−i(x−y)·t dx g(y)e−iy·t dy.
N
Comme, pour tout y ∈ RN , f (x − y)e−i(x−y)·t dx = f (z)e−iz·t dz = (2π) 2 fˆ(t), on en déduit :
R R
Z
N
? g(t) = fˆ(t) g(y)e−iy·t dy = (2π) 2 fˆ(t)ĝ(t),
f[
ce qui est le résultat annoncé.
10.2.2 Théorème d’inversion

Il est naturel de se poser les deux questions suivantes :
(i) La transformée de Fourier d’une fonction f caractérise-t-elle la fonction f (c’est-à-dire si fˆ = ĝ,
a-t-on f = g p.p.)?
(ii) peut-on retrouver la fonction à partir de sa transformée de Fourier ?
Les réponses à ces questions sont fournies par le théorème d’inversion de Fourier :
Théorème 10.1 (Inversion partielle de la transformée de Fourier) Soit N ≥ 1 et f ∈ L1C t.q.

fˆ ∈ L1 . On a alors f = fˆ(−.) p.p., c’est-à-dire :
b
C
Z
N
f (t) = (2π)− 2 fˆ(x)eixt dx, pour presque tout t ∈ RN .
Démonstration : La démonstration fait l’objet de l’exercice 10.1.
Une conséquence de ce théorème est l’injectivité de l’application F , qui fournit donc une réponse positive
à la question (i). En effet, soient f et g ∈ L1C t.q. fˆ = ĝ ; alors par linéarité, f[ − g ∈ L1C .
− g = 0 et donc f[
En appliquant le théorème d’inversion, on a donc f = g p.p..
Ce théorème apporte aussi une réponse partielle à la question (ii) : on peut calculer f à partir de fˆ dès
que fˆ ∈ L1 . Il faut remarquer à ce propos que L1 n’est pas stable par transformation de Fourier (voir
exercice 10.2).
244
10.2.3 Régularité et décroissance à l’infini
Proposition 10.3 (Différentiabilité, dimension 1)
1. Soit f ∈ L1C (R) ∩ C 1 (R, C) t.q. f 0 ∈ L1C (R) (où f 0 est la dérivée de f ). Alors, pour tout t ∈ R,
fb0 (t) = (it)fˆ(t).
2. Soit f ∈ L1C (R) t.q. (.)f ∈ L1C (R) (où (.)f est l’application qui à x ∈ R associe xf (x)). Alors,
fˆ ∈ C 1 (R, C) et, pour tout t ∈ R, fˆ0 (t) = (−i·)f
\ (t).
Démonstration : La démonstration du premier item consiste à faire une intégration par parties sur
l’intervalle [−n, n] puis à faire tendre n vers l’infini (en remarquant que f (±n) → 0, quand n → ∞, voir
l’exercice 5.8).
Le
R deuxième item est une conséquence immédiate du théorème 4.10 (théorème de dérivation sous le signe
).
La transformation de Fourier “transforme” donc la dérivation en multiplication par la fonction (i·), et

la multiplication par (−i·) en dérivation. Cette propriété est utilisée, par exemple, pour la résolution
d’équations différentielles (qui sont ainsi transformées en équations algébriques).
Cette propriété se généralise au cas de la dimension N et pour un ordre k de dérivation quelconque. On
introduit pour ce faire les notations suivantes : soient α = (α1 , . . . , αN )t ∈ NN un “multi-indice” et f une
fonction de RN dans C. On définit |α| = α1 + α2 + . . . αN et :
∂ α1 ∂ α2 ∂ αN
Dα f = α1 α2 . . . f.
∂x1 ∂x2 ∂xαN
N
Proposition 10.4 (Différentiabilité, dimension N)
1. Soit N ≥ 1 et k ≥ 1. Soit f ∈ C k (RN , C) t.q. Dα f ∈ L1C (RN ) pour tout α ∈ NN t.q. |α| ≤ k.
Alors, D d α f (t) = (it)α fˆ(t) pour tout t ∈ R et pour tout α ∈ NN t.q. |α| ≤ k, avec (it)α =
(it1 )α1 (it2 )α2 . . . (itN )αN .
2. Soit f t.q. (.)α f ∈ L1C (RN ) pour tout α ∈ NN tel que |α| ≤ k. Alors, fˆ ∈ C k (RN , C) et Dα fˆ =
\
(−i·)α f pour tout α ∈ NN tel que |α| ≤ k.
La proposition 10.4 montre que la dérivabilité de f entraı̂ne la décroissance de fˆ à l’infini (“plus f est
dérivable, plus fˆ décroı̂t vite à l’infini”), et réciproquement. Cette remarque incite à définir l’espace des
fonctions à décroissance rapide (souvent appelé “espace de Schwartz”), noté S(RN , C) ou SN en abrégé.
S(RN , C) = {f ∈ C ∞ (RN , C) t.q. pour tout α et β ∈ NN , sup |(x)α Dβ f (x)| < +∞}.
x∈RN
On va montrer l’invariance par transformation de Fourier de cet espace. On commence par remarquer
que SN ⊂ L1C (RN ). En effet, si f ∈ SN , en prenant des choix convenables de α et β dans la définition de
SN , on remarque qu’il existe C ∈ R t.q. (1 + |x|N +1 )|f (x)| ≤ C. On en déduit que f ∈ L1C (RN ). Plus
généralement, si f ∈ SN , on remarque que (·)β Dα f ∈ L1C (RN ) pour tout a, β ∈ RN . On obtient alors la
proposition 10.5.
245
Proposition 10.5 Soit N ≥ 1 et f ∈ S(RN , C). Pour tout α, β ∈ NN on a :
\
Dα (−i·)β f = (i·)α (−i·)
\ β f = (i·)α D β fˆ, (10.2)
\
(−i·)α Dβ f = Dα D
d β f = D α [(i·)β fˆ]. (10.3)
Démonstration : La démonstration est une adaptation simple de celle de la proposition 10.4.
La proposition 10.5 et le théorème 10.1 nous permettent alors de remarquer que la transformée de Fourier
est une bijection de SN dans SN .
Proposition 10.6 Soit N ≥ 1. L’application F qui à f associe sa transformée de Fourier est une
bijection de SN dans SN . De plus, pour tout f ∈ SN , on a f = fˆ(−·).
b
Démonstration : En utilisant la proposition 10.5, on montre facilement que F envoie SN dans SN . Le

théorème d’inversion (théorème 10.1) donne alors que f est injective et que f = fˆ(−.) pour tout f ∈ SN .
b
De cette dernière formule, on déduit que F est surjective (et donc bijective) de SN dans SN .
10.3 Transformée de Fourier d’une mesure signée

Il est facile d’étendre la définition de la transformation de Fourier à une mesure signée sur les boréliens
de RN . Plus précisément, si m est une mesure signée sur les boréliens de RN (N ≥ 1), la définition 10.3
définit la fonction m̂ (continue et bornée de RN dans C) et, si m = f λN , avec f ∈ L1R (RN , B(RN ), λN )
(c’est-à-dire que m est la mesure signée de densité f par rapport à la mesure de Lebesgue sur les boréliens
de RN ), on a m̂(t) = fˆ(t) pour tout t ∈ RN .
Définition 10.3 (Transformée de Fourier d’une mesure signée)
Soit N ≥ 1 et m une mesure signée sur les boréliens de RN . Soit t ∈ RN , l’application x 7→ e−ix·t (définie
de RN dans C) appartient à L1C (RN , B(RN ), m) (car elle est continue, donc borélienne, et bornée). On
définit alors m̂(t) par : Z
N
m̂(t) = (2π)− 2 e−ix·t dm(x). (10.4)
La fonction m̂ (définie de RN dans C) s’appelle transformée de Fourier de m.

On rappelle que Cb (RN , C) = {g ∈ C(RN , C) t.q. supt∈RN |g(t)| < ∞} et que Cb (RN , C) est un espace
de Banach quand il est muni de la norme de la convergence uniforme.
Proposition 10.7 Soit N ≥ 1. Soit m une mesure signée sur les boréliens de RN . La fonction m̂
appartient à Cb (RN , C).
Démonstration : Le fait que m̂ est bornée est simple. On utilise la décomposition de Hahn (proposi-
tion 2.6), c’est-à-dire le fait que m = m+ − m− , où m± sont deux mesure finies étrangères. On remarque
alors que, pour tout t ∈ RN , on a |m̂(t)| ≤ |m|(RN < +∞, où |m| = m+ + m− .
R
La fait que m̂ est continue est une conséquence immédiate du théorème de continuité sous le signe
(théorème 4.9) appliqué à la fonction (x, t) 7→ e−ix.t (et avec les mesures finies m± ).
Comme pour la transformation de Fourier dans L1 , on peut se demander si m̂ caractérise la mesure signée
m et si on peut retrouver m à partir de m̂. La proposition suivante s’intéresse à ces deux questions.
246
Proposition 10.8 Soit N ≥ 1.
1. Soit m et µ deux mesures signées sur les boréliens de RN . On suppose que m̂ = µ̂. alors, m = µ.
2. Soit m une mesure signée sur les boréliens de RN . On suppose que m̂ ∈ L1C (RN ). Alors, m = f λN
ˆ
avec f = m̂(−·) p.p. (c’est-à-dire p.p. pour la mesure λN ).
Démonstration : La démonstration de cette proposition fait l’objet de l’exercice 10.5.
10.4 Transformation de Fourier dans L2

On aimerait ici définir la transformée de Fourier d’un élément de L2C (RN ) = L2C (RN , B(RN ), λN ). On
rappelle que l’espace L2C (RN ) est un espace de Hilbert et que le produit scalaire sur L2C (RN ) est défini
par (en notant dt = dλN (t)) : Z
(f /g)2 = f (t)g(t)dt.
Il est clair que la définition de fˆ qu’on a donnée pour f ∈ L1C (RN ) ne s’applique pas pour un élément
de L2C (RN ). Pour définir la transformée de Fourier d’un élément de L2C (RN ), on va utiliser la densité de
SN dans L2C (RN ) (on peut montrer que SN ⊂ L2C (RN ), comme on a montré que SN ⊂ L1C (RN )). On va
d’abord remarquer que la transformée de Fourier envoie SN dans L2C (RN ) et que c’est une isométrie pour
la norme de L2C (RN ). On utilisera ensuite la densité de SN dans L2C (RN ) pour définir la transformée de
Fourier des éléments de L2C (RN ).
Proposition 10.9 Soit N ≥ 1 et f, g ∈ SN (on a donc, en particulier, f, g ∈ L2C (RN )). Alors fˆ, ĝ ∈
L2C (RN ) et (f /g)2 = (fˆ/ĝ)2 . En particulier, kf k2 = kfˆk2 .
Démonstration : Soit f, g ∈ SN . Comme f, fˆ ∈ SN ⊂ L1C (RN ), on peut appliquer le théorème

d’inversion (théorème 10.1). Il donne f = fˆ(−·) et donc :
b
Z Z Z
N
(f /g)2 = fˆ(−t)ḡ(t)dt = (2π)− 2 eix·t fˆ(x)dx ḡ(t)dt.
b
On utilise maintenant le théorème de Fubini (théorème 7.3). Il s’applique car fˆ, ḡ ∈ L1C (RN ). On obtient :
Z Z Z
−N ix·t ˆ ¯ fˆ(t)dt = (fˆ/ĝ)2 ,
(f /g)2 = (2π) 2 e ḡ(t)dt f (x)dx = ĝ(t)
ce qui termine la démonstration.
La proposition 10.9 permet de définir, par un argument de densité, la transformée de Fourier dans L2C (RN ).
Théorème 10.2 Soit N ≥ 1. Il existe une application linéaire continue F̄ de L2C (RN ) dans L2C (RN )
t.q. :
1. Si f ∈ L1C (RN ) ∩ L2C (RN ), on a alors F̄ (f ) = fˆ p.p..

2. Pour tout f, g ∈ L2C (RN ), on a (f /g)2 = (F̄ (f )/F̄ (g))2 .
247
3. Pour tout f ∈ L2C (RN ), on a f = F̄ (F̄ (f ))(−·).
4. F̄ est une bijection de L2C (RN ) dans L2C (RN ).
Pour f ∈ L2C (RN ), F̄ (f ) s’appelle la transformée de Fourier de f . Compte tenu du premier item, on
notera en général, fˆ la transformée de Fourier de f si f ∈ L1C (RN ) (et alors fˆ ∈ C0 (RN , C)) ou si
f ∈ L2C (RN ) (et alors fˆ ∈ L2C (RN )).
Démonstration : L’application f 7→ fˆ est définie sur SN , qui est un sous espace de L2C (RN ), et prend
ses valeurs dans L2C (RN ) (car SN ⊂ L2C (RN ), en confondant, comme d’habitude, un élément de L2C (RN )
avec l’un de ses représentants). Comme cette application est linéaire, continue pour la norme de L2C (RN ),
et que SN est dense dans L2C (RN ) (car SN ⊃ Cc∞ (RN , C) et Cc∞ (RN , C) est dense dans L2C (RN ), voir le
théorème 8.4), on en déduit que cette application se prolonge en une application, notée F̄ , de L2C (RN )
dans L2C (RN ).
Plus précisèment, soit f ∈ L2C (RN ). Il existe (fn )n∈N ⊂ SN t.q. fn → f dans L2C (RN ) quand n → ∞. La
suite (fn )n∈N est donc de Cauchy dans L2C (RN ). La proposition 10.9 donne alors que la suite (fˆn )n∈N est
donc aussi de Cauchy dans L2C (RN ). Elle converge donc dans L2C (RN ). On aimerait définir F̄ (f ) comme
étant la limite (dans L2C (RN )) de la suite (fˆn )n∈N . Ceci est possible à condition que cette limite ne dépende
que de f et pas du choix de la suite (fn )n∈N convergeant dans L2C (RN ) vers f . Or, ce dernier point est
facile car si (gn )n∈N est une autre suite convergeant dans L2C (RN ) vers f , on a kfˆn −ĝn k2 = kfn −gn k2 → 0
quand n → ∞. On a ainsi défini F̄ de L2C (RN ) dans lui même.
La linéraité de F̄ découle immédiatement du fait que l’appliaction f 7→ fˆ est linéaire de SN dans L2C (RN ).
Enfin, soit f ∈ L2C (RN ) et (fn )n∈N ⊂ SN t.q. fn → f dans L2C (RN ). La proposition 10.9 donne que
kfˆn k2 = kfn k2 pour tout n ∈ N. En passant à la limite quend n → ∞, on en déduit kF̄ (f )k2 = kf k2 . Ce
qui prouve la continuité de F̄ de L2C (RN ) dans L2C (RN ). On montre maintenant les 4 items du théorème.
1. Soit f ∈ L1C (RN ) ∩ L2C (RN ). En reprenant la démonstration du théorème 8.4, il est facile de voir
qu’Il existe une suite (fn )n∈N ⊂ Cc∞ (RN , C) t.q. fn → f dans L2C (RN ) et L1C (RN ) lorsque n → +∞
(car dans la démonstration du théorème 8.4, la suite construite pour converger vers f dans Lp ne
dépend pas de p). On en déduit que fˆn → fˆ uniformément sur RN lorsque n → +∞ (car fn → f
dans L1C (RN )) et que fˆn → F̄ (f ) dans L2C (RN ) lorsque n → +∞ (car fn → f dans L2C (RN )) et
donc que, après extraction éventuelle d’une sous suite, on peut supposer que fˆn → F̄ (f ) p.p. quand
n → ∞. On en déduit bien que fˆ = F̄ (f ) p.p..
2. Soit f, g ∈ L2C (RN ). Il existe deux suites (fn )n∈N ⊂ SN et (gn )n∈N ⊂ SN t.q. fn → f , gn → g dans
L2C (RN ). La proposition 10.9 donne (fˆn /ĝn )2 = (fn /gn )2 pour tout n ∈ N. En passant à la limite
quand n → ∞ on obtient bien (F (f )/F (g))2 = (f /g)2 .
3. Soit f ∈ L2 . Soit (fn )n∈N ⊂ SN t.q. fn → f dans L2C (RN ) quand n → ∞. On a donc fˆn → F̄ (f )
ˆ
dans L2C (RN ), ce qui donne aussi fˆn (−·) → F̄ (f )(−·) dans L2C (RN ) et donc fˆn (−·) → F (F (f ))(−·)
ˆ
dans L2C (RN ) quand n → +∞. La proposition 10.6 donne fn = fˆn (−·) pour tout n ∈ N. On en
2
déduit donc (par unicité de la limite dans L ) que f = F (F (f ))(−·) p.p..
4. L’injectivité de F̄ (de L2C (RN ) dans L2C (RN )) découle du fait que kF̄ (f )k2 = kf k2 et que F̄ est
linéaire. La surjectivité est une conséquence immédiate du troisième item.
248
10.5 Résolution d’une EDO ou d’une EDP
On donne ici deux exemples simples d’utilisation de la transformation de Fourier pour la résolution d’une
équation différentielle (souvent notée EDO pour Equation Différentielle Ordinaire) ou d’une équation aux
dérivées partielles (souvent notée EDP pour Equation aux Dérivées Partielles).
Soit N ≥ 0, (a0 , . . . , aN ) ∈ RN +1 et g ∈ S1 (donnés). On cherche f ∈ S1 qui vérifie :
aN f (N ) (x) + . . . + a1 f 0 (x) + a0 f (x) = g(x), pour tout x ∈ R. (10.5)
Si f ∈ S1 vérifie (10.5), elle vérifie nécessairement, par transformation de Fourier :
(N ) (t) + . . . + a fb0 (t) + a fˆ(t) = ĝ(t), pour tout t ∈ R.

aN fd (10.6)
1 0
c’est-à-dire :
aN (it)N fˆ(t) + . . . + a1 itfˆ(t) + a0 fˆ(t) = ĝ(t), pour tout t ∈ R. (10.7)
En posant p(t) = aN (it)N + . . . + a1 it + a0 et en supposant que p e s’annule pas sur R, on a alors :
ĝ(t)
fˆ(t) = . (10.8)
p(t)
ĝ
Comme g ∈ S1 et que p ne s’annule par sur R, on peut montrer que p ∈ S1 . En utilisant maintenant le
théorème d’inversion, ou la proposition 10.6, on obtient :
d
ˆˆ ĝ
f (t) = f (−t) = (−t), pour tout t ∈ R. (10.9)
p
On a donc montré que f est nécessairement donnée par (10.9). Réciporquement, il est facile de voir que
la fonction donnée par (10.9) est solution de (10.5), c’est donc l’unique solution dans S1 de (10.5) (en
supposant que p ne s’annule par sur R).
Soit N ≥ 1, on cherche u : RN → R, de classe C 2 (c’est-à-dire deux fois continûment dérivable) t.q.
−∆u(x) = 0, pour tout x ∈ RN . (10.10)
Cherchons u ∈ SN (et donc ∆u ∈ SN ) solution de (10.10). On a donc ∆u c = 0 (partout sur RN ), c’est-

2
à-dire |t| û(t) = 0 et donc û(t) = 0, pour tout t 6= 0. Comme û est continue, ceci entraı̂ne que û = 0
(partout sur RN ), et donc u = 0. La fonction identiquement égale à 0 est donc la seule solution de (10.10)
dans SN .
On peut effectuer un raisonnement analogue si on cherche u de classe C 2 et dans L2R (RN ) (on peut aussi
le faire si u est seulement dans L2R (RN ), il faut alors convenablement définir ∆u). On obtient encore que
la seule solution de (10.10) est u = 0.
Par contre, ce résultat d’unicité n’est plus vrai si on ne demande pas à u d’être de carré intégrable. En
effet, les fonctions constantes sont toutes solutions de (10.10) (et on peut montrer que ce sont les seules
fonctions, de classe C 2 et bornées, solutions de (10.10)).
249
10.6 Fonction caractéristique d’un vecteur aléatoire
Définition 10.4 Soit (Ω, A, P ) un espace probabilisé, d ≥ 1 et X un v.a. de dimension d. On appelle
fonction caractéristique de X la fonction de Rd dans C définie par :
Z
ϕX (u) = eiX·u dP = E(eiX·u ), pour u ∈ Rd .
Ω
Dans la définition précédente, la fonction eiX·u est bien intégrable sur Ω (pour tout u ∈ Rd ) car la
fonction x 7→ eix·u est continue bornée de Rd dans C. En notant pX la loi de X, on remarque également
que ϕX = (2π)d/2 p̂X (−·). La section 10.3 donne alors quelques propriétés élémentaires de la fonction
caractéristique d’un v..a..
Proposition 10.10 Soit (Ω, A, P ) un espace probabilisé, d ≥ 1 et X un v.a. de dimension d. La fonction

caractéristique de X vérifie alors les propriétés suivantes :
1. ϕX ∈ Cb (Rd , C).
2. La loi de X est entièrement déterminée par ϕX (c’est-à-dire que si Y est un autre v.a. de dimension
d et que ϕX = ϕY , on a nécessairement pX = pY ).
3. Si ϕX ∈ L1C (Rd , B(Rd ), λd ), la loi de X a une densité par rapport à la mesure de Lebesgue sur
B(Rd ), c’est-à-dire pX = f λd , et :
Z
−d
f (x) = (2π) e−ix·u ϕX (u)du, λd -p.s. en x ∈ Rd .
Rd
Démonstration : Comme ϕX = (2π)d/2 p̂X (−·), le premier item est donnée par la proposition 10.7 (qui
donne p̂X ∈ Cb (Rd , C)).
Le deuxième item est donnée par le premier item de la proposition 10.8.
Pour le troisième item, on remarque que le deuxième item de la proposition 10.8 donne pX = f λd avec
f = pˆ
ˆX (−·), ce qui donne λd -p.s. en x ∈ Rd :
Z Z
−d −d
f (x) = (2π) 2 ix·t
e pˆX (t)dt = (2π) e−ix·t ϕX (t)dt.
Rd Rd
Les fonctions caractéristiques peuvent être utilisées pour montrer l’indépendance de v.a.r. (ou de v.a.).
on donne un exemple dans la proposition suivante.
Proposition 10.11 Soit (Ω, A, P ) un espace probabilisé, d > 1 et X1 , . . . , Xd d v.a.r.. Alors, les
Qd
v.a.r X1 , . . . , Xd sont indépendantes si et seulement si on a ϕX (u) = j=1 ϕXj (uj ) pour tout u =
(u1 , . . . , ud )t ∈ Rd , où X est le v.a. de composantes X1 , . . . , Xd .
Démonstration : D’après le théorème 9.2 les v.a.r. X1 , . . . , Xd sont indépendantes si et seulement

pX = pX1 ⊗ . . . ⊗ pXd . Par la proposition 10.8, ces deux mesures sont égales si et seulement si leurs
transformées de Fourier sont égales, c’est-à-dire si et seulement si :
Z
ϕX (u) = eix·u d(pX1 ⊗ . . . ⊗ pXd ) pour tout u ∈ Rd .
Rd
250
Qd
Comme eix·u = j=1 eixj uj pour tout x = (x1 , . . . , xd )t et tout u = (u1 , . . . , ud )t , la définition de la
mesure produit donne
Z Yd
eix·u d(pX1 ⊗ . . . ⊗ pXd ) = ϕXj (uj ),
Rd j=1
ce qui termine la démonstration de cette proposition.
Il est intéressant aussi de connaı̂tre le lien entre convergence en loi et convergence simple des fonctions
caractéristiques, que nous donnons maintenant, sans démonstration.
Proposition 10.12 Soit (Ω, A, P ) un espace probabilisé, d > 1, (Xn )n ∈ N un suite de v.a. de dimension
d et X un v.a. de dimension d. Alors, Xn → X en loi, quand n → ∞, si et seulement si ϕXn (u) → ϕX (u),
quand n → ∞, pour tout u ∈ Rd .
On termine cette section en donnant la fonction caractérsiatique d’un vecteur gaussien.
Proposition 10.13 Soit (Ω, A, P ) un espace probabilisé.
1. Soit X une v.a.r. gaussienne. On note m son espérance (donc, m = E(X) ∈ R) et σ 2 sa variance
(donc, σ 2 = E((X − m)2 ) ≥ 0) de sorte que X ∼ N (m, σ 2 ). On a alors :
σ2
u2
ϕX (u) = eimu e− 2 , pour tout u ∈ R.
2. Soit d ≥ 1 et X une v.a gaussien de dimension d. On note m son espérance (donc, m = E(X) ∈ Rd )
et D sa matrice de covariance (donc, D est une matrice symétrique, semi-définie positive, son terme
à la ligne j et la colonne k est donné par la covariance des composantes d’indices j et k de X) de
sorte que X ∼ N (m, D) (proposition 9.9). On a alors :
1
ϕX (u) = eim·u e− 2 Du·u , pour tout u ∈ Rd .
Démonstration : Soit X une v.a.r. gaussienne, X ∼ N (m, σ 2 ). On suppose tout d’abord que σ 2 = 0,
on a alors X = m p.s. et donc, pour tout u ∈ R, ϕX (u) = eimu , ce qui est bien la formule annoncée. On
suppose maintenant que σ > 0, on a alors, pour tout u ∈ R :
(x − µ)2
Z
1
ϕX (u) = eixu √ exp − dx.
R σ 2π 2σ 2
x−m
Avec le changement de variable y = σ ,
on obtient :
Z
1 −y 2
ϕX (u) = eimu eiyσu √ e 2 dy,
R 2π
−y 2
ce qui donne ϕX (u) = eimu √1 ψ(σu) eiyt e
R
2π
avec ψ(t) = R
2 dy pour tout t ∈ R. Comme la fonction
y2
y 7→ e est paire, on a aussi :
Z
−y 2
ψ(t) = cos(yt)e 2 dy, pour tout t ∈ R.
R
251
R
Pour calculer ψ(t), on remarque que le théorème de dérivabilité sous le signe s’applique (théorème 4.10)
−y 2
et donne que ψ est de classe C 1 et ψ 0 (t) = R (−y) sin(yt)e 2 dy. En intégrant par parties cette dernière
R
intégrale (en fait, on intègre par parties sur [−n, n] puis on fait tendre n vers l’infini), on obtient :
Z
−y 2
0
ψ (t) = − t cos(yt)e 2 dy = −tψ(t), pour tout t ∈ R,
R
−t2 R −y 2 √ √ −t2
ce qui donne ψ(t) = ψ(0)e 2 . Comme ψ(0) = R
e 2 dy = 2π, on en déduit que ψ(t) = 2πe 2
−σ 2 u2
(pour tout t ∈ R) et donc que ϕX (u) = eimu e 2 , ce qui est bien la formule annoncée.
On suppose maintenant que d > 1 et que X est un v.a. gaussien. Soit u ∈ Rd . On a ϕX (u) =
E(eiX·u ) = ϕX·u (1). Pour connaı̂tre ϕX (u), il suffit donc de connaı̂tre la fonction caractéristique de la
v.a.r. X · u. Comme X est un v.a. gaussien, la v.a.r. X · u est une v.a.r. gaussienne. Sa moyenne est
E(X · u) = E(X) · u = m · u et sa variance est (voir l’exercice 158) :
σ 2 = E((X · u − m · u)2 ) = E(ut (X − m)(X − m)t u) = ut Cov(X)u = ut Du.
On a donc, d’après la première partie de cette démonstration (c’est-à-dire le cas d = 1),

ut Du
ϕX (u) = ϕX·u (1) = eim·u e− 2 ,
ce qui est bien la fromule annoncée (car ut Du = Du · u).
10.7 Exercices
10.7.1 Transformation de Fourier dans L1
Exercice 10.1 (Résultat partiel d’inversion de Fourier dans L1 ) Corrigé 165 page 487
Soit H(t) = e−|t| , t ∈ R. On pose, pour λ > 0 :
Z
− 21
hλ (x) = (2π) H(λt)eitx dt, x ∈ R. (10.11)
R
Z
2 1 λ 1
1. Montrer que hλ (x) = ( ) 2 2 , et hλ (x)dx = (2π) 2 .
π λ + x2 R
2. Soit f ∈ L1C (R, B(R), λ), montrer que pour tout x ∈ R, on a :

Z
f ? hλ (x) = H(λt)fˆ(t)eixt dt. (10.12)
R
√
3. Soit g une fonction mesurable bornée de R dans C, continue en 0. Montrer que g ? hλ (0) → 2πg(0)
quand λ → 0. [Utiliser 1. et le théorème de convergence dominée.]
4. Soit f ∈ L1C (R, B(R), λ), montrer que :
√
kf ? hλ − 2πf k1 → 0 lorsque λ → 0. (10.13)
R
[Utiliser la continuité en moyenne et la question précédente avec g(y) = |f (x − y) − f (x)|dx.]
252
5. Déduire de ce qui précède le théorème d’inversion de Fourier, théorème 10.1.
Exercice 10.2 1. Calculer la transformée de Fourier de 1[−a,a] , a ∈ R+ . En déduire que L1 n’est pas
stable par transformation de Fourier.
2. On pose gn = 1[−n,n] . Calculer f ? gn , et montrer qu’il existe hn ∈ L1 t.q. ĥn = f ? gn . Montrer que
la suite f ? gn est bornée dans C0 (R, R) alors que la suite hn n’est pas bornée dans L1 . En déduire
que la transformée de Fourier n’est pas surjective de L1 dans C0 .
Exercice 10.3 Soit f ∈ S, on pose L(f )(x) = f ”(x) + xf (x).

1. Montrer que L(f ) = 0 entraı̂ne f = 0.
0
R k ∈ S, montrer que l’équation différentielle h (t) = k(t) a une solution dans S si et seulement
2. Soit
si k(t)dt = 0.
3. Soit g ∈ S, étudier l’existence et l’unicité des solutions dans S de l’équation L(f ) = g. On pourra
remarquer que pour h ∈ S, on a :
d t3 t3 t3
i (he−i 3 ) − t2 (he−i 3 ) = ih0 (t)e−i 3 .
dt
Exercice 10.4 On note Lp l’espace LpC (R, B(R), λ).
1. Soient f, g ∈ L1 , montrer que f ĝ ∈ L1 , g fˆ ∈ L1 et g fˆdλ.

R R
f ĝdλ =
2. Soit B = [− 21 , 12 ]. Montrer que 1B ? 1B (t) = (1 − |t|)+ .
|t| +
3. On pose θn = (1 − n ) ,n ∈ N? . Déduire de la question précédente que:
ny
4 sin2 ( 2 )
θ̂n (y) = √ 2
, ∀y ∈ R.
2π ny
[Se ramener à θ1 ...]
4. Soit f ∈ L1 ∩ L∞ t.q. fˆ(t) ∈ R+ pour tout t ∈ R. On se propose de montrer que fˆ ∈ L1 (et donc
que le théorème d’inversion s’applique)
(a) On note ϕn = θn fˆ; montrer que ϕn ↑ fˆ et ϕn dλ ↑ fˆdλ lorsque n → +∞.

R R
(b) Montrer qu’il existe α ≥ 0 indépendant de n tel que θ̂n (y)dy = α, ∀n ∈ N? . En déduire que
R
fˆ ∈ L1 .
10.7.2 Transformée de Fourier d’une mesure signée

Exercice 10.5 (Une mesure est caractérisée par sa transformée de Fourier) Corrigé 166 page
489
Soit d ≥ 1.
1. Soit m et µ deux mesures signées sur les boréliens de Rd . On suppose que m̂ = µ̂.
(a) Soit ϕ ∈ L1C (Rd , B(Rd ), λd ). Montrer que ϕ̂dm = ϕ̂dµ.
R R
253
ϕdµ pour tout ϕ ∈ S(Rd , C) (et donc pour tout ϕ ∈ Cc∞ (Rd , R)).
R R
(b) Montrer que ϕdm =
(c) Montrer que m = µ (On rappelle qu’une fonction de ϕ ∈ Cc (Rd , R) est limite uniforme de
fonctions de ϕ ∈ Cc∞ (Rd , R)).
2. Soit m une mesure signée sur les boréliens de Rd . On suppose que m̂ ∈ L1C (Rd , B(Rd ), λd ). Montrer
ˆ
que m est la mesure de densité f par rapport à la mesure de Lebesgue avec f = m̂(−·).
10.7.3 Transformation de Fourier dans L2

Exercice 10.6 On note ici fˆ la transformée de Fourier, pour f ∈ L1 ou L2 .
1. Soient f, g ∈ S, Montrer que fcg = √1 fˆ ? ĝ.

2π
2. Soient f, g ∈ L2 , Montrer que fcg = √1 fˆ ? ĝ.

2π
10.7.4 Fonction Caractéristique d’une v.a.r.

Exercice 10.7 (Calcul de fonctions caractéristiques)
Soit (Ω, A, P ) un espace de probabilités et X une v.a. réelle. Calculer la fonction caractéristique ϕX de
X dans les cas suivants :
1. X = a p.s. (a ∈ R).
2. X ∼ B(p) (loi de Bernoulli de paramètre p : P[X = 1] = p = 1 − P[X = 0]).
3. X suit une loi exponentielle de paramètre λ (avec λ > 0).
Exercice 10.8 (Loi normale et vecteur gaussien)

Soit (Ω, A, p) un espace probabilisé, d ≥ 1 et X un v.a. de dimension d. Soit m ∈ Rd et D une matrice
s.d.p. (de taille d × d). Si X ∼ N (m, D), où N (m, D) est définie par la définition 9.3, montrer que X est
un vecteur gaussien.
Exercice 10.9 (Vecteurs gaussiens et densité)

Soit (Ω, A, P ) un espace de probabilités, d ≥ 1 et X = (X1 , . . . , Xd ) un v.a. de dimension d.
Pd
On suppose que X = (X1 , . . . , Xd ) est un vecteur gaussien (c’est-à-dire que i=1 ai Xi suit une loi
gaussienne pour tout a1 , . . . , ad ∈ R). On note m la moyenne de X et D la matrice de covariance de X.
Montrer que la loi de X est de densité par rapport à la mesure de Lebesgue (sur Rd ) si et seulement si D
est inversible. Si D est inversible, montrer que la loi de X est la loi N (m, D) donnée dans la définition 9.3.
Exercice 10.10 (Vecteurs gaussiens, indépendance, covariance) Corrigé 167 page 490
1. On suppose ici que d = 2.
(a) On suppose que X1 et X2 suivent des lois gaussiennes et sont indépendantes, montrer que X
est un vecteur gaussien et que Cov(X1 , X2 ) = 0.
(b) On suppose que X est un vecteur gaussien et que Cov(X1 , X2 ) = 0. Montrer que X1 et X2
254
2. On suppose toujours d = 2. Donner un exemple pour lequel X1 et X2 sont gaussiennes mais X
n’est pas un vecteur gaussien. [On pourra, par exemple, choisir (Ω, A, P ) et X1 , X2 de manière à
avoir Cov(X1 , X2 ) = 0 sans que X1 , X2 soient indépendantes, voir l’exercice 4.44.]
3. On suppose que X est un vecteur gaussien et que les composantes de X sont indépendantes deux
à deux. Montrer que X1 , . . . , Xd sont indépendantes.
Exercice 10.11 (Suite de v.a.r.i.i.d. de Poisson) Corrigé 168 page 491

Soit (Ω, A, P ) un espace de probabilité et X une v.a. de Poisson de paramètre λ (λ > 0). On rappelle
k
que, P [X = k] = e−λ λk! , pour tout k ∈ N et que E[X] = λ, V ar[X] = λ.
1. Calculer la fonction caractéristique ϕX de X.
2. Soit (Xn )n∈N? une suite de v.a. indépendantes et de Poisson de paramètre λ.
Pn
(a) Soit n > 1. Déduire de la première question la loi de la v.a. Yn = p=1 Xp .
(b) Utiliser le théorème central limite pour démontrer que
n
X nk 1
e−n → quand n → ∞.
k! 2
k=0
Exercice 10.12 (Sur la loi d’un vecteur aléatoire)

Soit (Ω, A, P ) un espace de probabilité et X un v.a. de dimension d. Montrer que la loi de X est
uniquement déterminée par la donnée des lois de toutes les v.a.r. a · X, a ∈ Rd , |a| = 1. [On pourra
utiliser la fonction caractéristique de X.]
Exercice 10.13 (Un exemple. . . )

Soit (Ω, A, P ) un espace de probabilité et (X, Y ) un couple de variables aléatoires réelles, à valeurs dans
[−1, 1]2 . On suppose que la loi de ce couple a une densité f par rapport à la mesure de Lebesgue (sur
B(R2 )) avec :
1 + xy(x2 − y 2 )
f (x, y) = 1[−1,1]2 (x, y), (x, y)t ∈ R2 .
4
1. Montrer que les lois des v.a. X et Y ont des densités par rapport à la mesure de Lebesgue (sur
B(R)). Calculer ces densités. X et Y sont-elles indépendantes ?
2. Calculer les espérances de X, Y et XY . Que vaut cov(X, Y ) ?
3. Calculer les fonctions caractéristiques de X, Y et X + Y .
255
Chapter 11
Espérance conditionnelle et
martingales
11.1 Espérance conditionnelle

Nous commençons par définir l’espérance conditionnée par une tribu.
Définition 11.1 Soit (Ω, A, P ) un espace probabilisé, X une v.a.r. intégrable et B une tribu incluse dans
A. On appelle “Espérance, conditionnée par B, de X” ou “Espérance conditionnelle de X par rapport à
B” l’ensemble des applications Z de Ω dans R, B-mesurable, intégrable et t.q. :
E(ZU ) = E(XU ) pour toute application U de Ω dans R, B-mesurable, bornée. (11.1)
On note E(X|B) cette espérance conditionnelle (c’est donc un ensemble de fonctions). (Noter que
dans (11.1), les applications ZU et XU sont bien des v.a.r. intégrables).
Cette définition peut sembler un peu abrupte. On montrera dans la proposition 11.1 que, sous les
hypothèses de la définition 11.1, l’espérance conditionnelle existe, c’est-à-dire que l’ensemble E(X|B)
est non vide, et que E(X|B) est “unique”, ceci signifiant que si Z1 , Z2 ∈ E(X|B) , on a nécessairement
Z1 = Z2 p.s..
L’ensemble E(X|B), défini dans la définition 11.1, est une ensemble de v.a.r. (car Z B-mesurable implique
Z A-mesurable) mais, en pratique, on confond cet ensemble avec l’un de ces éléments (comme on confond
un élément de Lp avec l’un de ses représentants). Si Z est une v.a.r. B-mesurable intégrable et t.q.
E(ZU ) = E(XU ) pour toute v.a.r. U B-mesurable bornée, on écrira donc Z = E(X|B) p.s. au lieu
d’écrire Z ∈ E(X|B).
Avant de démontrer l’existence et l’unicité de l’espérance conditionnelle, donnons quelques exemples

simples. Soit (Ω, A, P ) un espace probabilisé et X une v.a.r. intégrable. Prenons tout d’abord B = {∅, Ω}.
Il est alors facile de voir (exercice 11.1) que E(X|B) est réduit à un seul élément et que cet élément est
la fonction constante et égale à E(X).
Soit maintenant A ∈ A t.q. 0 < P (A) < 1 et B = {∅, A, Ac , Ω} (qui est bien une tribu incluse dans A).
On peut ici montrer (exercice 11.1) que E(X|B) est aussi réduit à un seul élément et cet élément est la
fonction Z définie par :
E(X1A ) E(X1Ac )
Z= 1A + 1Ac .
P (A) P (Ac )
256
La quantité E(X1 A)
P (A) s’appelle “espérance de X sachant A”. On a ainsi fait le lien entre “espérance de X
sachant un événement” et “espérance de X par rapport à une tribu” (ou “selon une tribu”).
Dans les deux exemples précédents, l’ensemble E(X|B) était réduit à un seul élément. Voici maintenant
un exemple où E(X|B) n’est pas réduit à un seul élément. On prend B ∈ A t.q. P (B) = 1 et B c 6= ∅
(c’est le cas, par exemple, si P est une mesure diffuse, que A contient les singletons et que B c est formé
d’un nombre fini ou dénombrable de points de Ω). On prend encore B = {∅, B, B c , Ω}. Pour a ∈ R,
on pose Za = E(X)1B + a1B c . On peut alors montrer (exercice 11.2) que E(X|B) = {Za , a ∈ R}.
L’ensemble E(X|B) n’est donc pas réduit à un élément.
On montre maintenant l’existence et l’unicité de l’espérance, conditionnée par une tribu, d’une v.a.r.
intégrable.
Proposition 11.1 Soit (Ω, A, P ) un espace probabilisé et B une tribu incluse dans A. Soit X une v.a.r.
intégrable. Alors :
1. (Existence) E(X|B) 6= ∅.
2. (Unicité) Z1 , Z2 ∈ E(X|B) ⇒ Z1 = Z2 p.s..
Démonstration : On démontre d’abord l’unicité de E(X|B). Puis, on démontre l’existence de E(X|B)

si X est de carré intégrable, puis l’existence si X est positive (et intégrable) et enfin l’existence si X est
seulement intégrable. En fait, la partie “existence si X est de carré intégrable” est inutile. Elle n’est pas
utilisée pour la suite de la démonstration mais elle est éventuellement intéressante pour la compréhension
de l’espérance conditionnelle.
Unicité. Soit Z1 , Z2 ∈ E(X|B). On pose U = sign(Z1 − Z2 ) (on rappelle que la fonction sign est définie
par sign(s) = −1 si s < 0, sign(s) = 1 si s > 0 et (par exemple) sign(0) = 0). Comme la fonction sign est
borélienne de R dans R et que (Z1 − Z2 ) est B-mesurable, la fonction U est bien B-mesurable. Elle est
aussi bornée, on a donc en utilisant 11.1 avec Z = Z1 et Z = Z2 , E(XU ) = E(Z1 U ) et E(XU ) = E(Z2 U ).
Ceci donne E((Z1 − Z2 )U ) = 0 et donc E(|Z1 − Z2 |) = 0. On en déduit Z1 = Z2 p.s..
Existence si X est de carré intégrable. On note PB la restriction de P (qui est une mesure sur A) à
B (tribu incluse dans A). La mesure PB est donc une probabilité sur B. On note H l’espace de Hilbert
L2R (Ω, B, PB ) et, pour V ∈ H, on pose :
Z
T (V ) = XV dP.
Ω
R
Il est clair que T (V ) est bien définie. En étant précis, on remarque que T (V ) = Ω XvdP , où v ∈
L2R (Ω, B, PB ) est un représentant de V (et cette quantité ne dépend pas du représentant choisi). C’est
pour définir T que nous avons besoin que X soit de carré intégrable.
L’application T est linéaire continue de H dans R (et on a kT k ≤ kXk2 ). On peut donc appliquer le
théorème de Riesz dans les espaces de Hilbert (théorème 6.8), il donne l’existence de Z ∈ L2 (Ω, B, PB )
t.q. : Z
T (V ) = ZV dP pour tout V ∈ H. (11.2)
Ω
2
Comme Z ∈ L (Ω, B, PB ), la fonction Z est bien B-mesurable et intégrable (elle est même de carré
intégrable). On montrer maintenant que Z vérifie (11.1) (et donc que Z ∈ E(X|B)). Soit U une
257
application B-mesurable bornée de Ω dans R. On a U ∈ L2 (Ω, B, PB ), on peut donc utiliser (11.2) avec
pour V la classe de U et on obtient
Z
E(XU ) = T (V ) = ZV dP = E(ZU ).
Ω
L’application Z vérifie donc (11.1). ce qui prouve que Z ∈ E(X|B).
Plus précisément, un développement du raisonnement ci avant (que les courageux peuvent faire) permet
d’interpréter l’application X 7→ E(X|B) comme l’opérateur de projection orthogonale de L2 (Ω, A, P )
dans le sous espace vectoriel fermé formé à partir de L2 (Ω, B, PB ).
Existence si X est positive et intégrable. On utilise ici le théorème de Radon-Nikodym (théorè-

me 6.10, qui se démontre d’ailleurs avec le théorème de Riesz dans les espaces de Hilbert, théorème 6.8).
On note toujours pB la restriction de P à B (de sorte que PB est une probabilité sur B).
R
Pour B ∈ B, on pose m(B) = Ω X1B dP . On définit ainsi une mesure finie, m, sur B (la σ-additivité
de m est immédiate). Cette mesure est absolument continue par rapport à la mesure PB (car B ∈ B,
PB (B) = 0 implique que P (B) = 0 et donc X1B = 0 p.s. et donc m(B) = 0). Le théorème de Radon-
Nikodym (théorème 6.10) donne alors l’existence de Z, B-mesurable positive, t.q. m = ZPB (c’est-à-dire
que m est la mesure sur B de densité Z par rapport à PB ).
R R
La fonction Z est intégrable car Ω ZdP = Ω ZdPB = (ZPB )(Ω) = m(Ω) = E(X) < +∞. Il reste à
montrer que Z vérifie (11.1) (ce qui donnera que Z ∈ E(X|B)). Soit U une application B-mesurable
bornée de Ω dans R. On a ZU ∈ L1 (Ω, B, PB ), et donc (voir la remarque 6.22) U ∈ L1 (Ω, B, m) et :
Z Z Z
E(ZU ) = ZU dP = ZU dPB = U dm.
Ω Ω Ω
Mais, comme m est la restriction à B de la mesure sur A de densité X par rapport à P (notée XP ), on
a aussi (toujours par la remarque 6.22) U ∈ L1 (Ω, A, XP ) et :
Z Z
U dm = U XdP = E(XU ).
Ω Ω
On a donc, finalement, E(ZU ) = E(XU ). L’application Z vérifie donc (11.1). Ce qui prouve que
Z ∈ E(X|B).
Existence si X est seulement intégrable. Comme les fonctions X + et X − sont positives et inté-
grables, il existe Z1 ∈ E(X + |B) et Z2 ∈ E(X − |B). On pose Z = Z1 −Z2 . L’application Z est B-mesurable
et intégrable (car Z1 et Z2 le sont) et, pour tout fonction U B-mesurable bornée, on a :
E(ZU ) = E(Z1 U ) − E(Z2 U ) = E(X + U ) − E(X − U ) = E(XU ).
L’application Z vérifie donc (11.1). Ce qui prouve que Z ∈ E(X|B).
Soit (Ω, A, P ) un espace probabilisé et B une tribu incluse dans A. On a défini l’espérance, conditionnée
par B, d’une v.a.r. intégrable. On va maintenant montrer qu’on peut étendre la définition à des v.a.r.
qui ne sont pas inégrables mais qui sont positives (la démonstration est déjà essentiellement dans la dé-
monstration de la proposition 11.1). Pour cela, on va commencer par donner une “p.s.-caractérisation” de
E(X|B)” lorsque X est une v.a.r. positive et intégrable. Cette caractérisation n’utilisant pas l’intégrabilité
de X on aura ainsi une définition de E(X|B) lorsque X est une v.a.r. positive. Ceci est fait dans la propo-
sition 11.2 et la définition 11.2.
258
Proposition 11.2 Soit (Ω, A, P ) un espace probabilisé et B une tribu incluse dans A.
1. Soit X une v.a.r. intégrable positive. Alors, Z ∈ E(X|B) si et seulement si Z est B-mesurable,
intégrable, ≥ 0 p.s. et t.q. :
E(ZU ) = E(XU ) pour toute application U de Ω dans R, B-mesurable et positive. (11.3)
2. Soit X une v.a.r. positive. On note Ē(X|B) l’ensemble des applications B-mesurable, ≥ 0 et
vérifiant (11.3). On a alors :
(a) (Existence) Ē(X|B) 6= ∅.
(b) (Unicité) Z1 , Z2 ∈ Ē(X|B) ⇒ Z1 = Z2 p.s..
Démonstration : On commence par montrer le premier item. Si Z ∈ E(X|B), la fonction Z est bien
B-mesurable intégrable et vérifie (11.1). Elle vérifie donc (11.3) en ajoutant “U bornée”. Pour montrer
que Z ≥ 0 p.s., on prend U = 1B avec B = {Z < 0} (U est bien B-mesurable bornée). On obtient
E(ZU ) = E(XU ) ≥ 0. Comme ZU ≤ 0, on a donc ZU = 0 p.s. et donc Z ≥ 0 p.s.. Enfin, pour montrer
que Z vérifie (11.3) (c’est-à-dire avec U B-mesurable positive mais non nécessairement bornée), il suffit
d’utiliser le théorème de convergence monotone (théorème 4.2) en introduisant Un = U 1Bn avec, pour
n ∈ N, Bn = {U ≤ n}.
Réciproquement, si Z est B-mesurable, intégrable, ≥ 0 p.s. et vérifie (11.3), il est facile de voir que Z
vérifie (11.1). En effet, si U est B-mesurable bornée, on utilise (11.3) avec les parties positive et négative
de U pour obtenir (11.1). Donc, Z ∈ E(X|B).
On montre maintenant le deuxième item de la proposition.

Existence. On reprend la démonstration R de la proposition 11.1. On rappelle que pB la restriction de
P à B. Pour B ∈ B, on pose m(B) = Ω X1B dP . La mesure m est absolument continue par rapport
à la mesure PB . Le théorème de Radon-Nikodym donne alors l’existence de Z, B-mesurable positive,
t.q. m = ZPB . Il reste à montrer que Z vérifie (11.3) (ce qui Rdonnera queR Z ∈ Ē(X|B)). R Soit U une
application B-mesurable positive de Ω dans R. On a E(ZU ) = Ω ZU dP = Ω ZU dPB = Ω U dm. Mais,
comme R m est la Rrestriction à B de la mesure sur A de densité X par rapport à P (notée XP ), on a
aussi Ω U dm = Ω U XdP = E(XU ). On a donc, finalement, E(ZU ) = E(XU ). L’application Z vérifie
donc (11.3). Ce qui prouve que Z ∈ Ē(X|B).
Unicité. Soit Z1 , Z2 ∈ Ē(X|B). prenons U = (sign(Z1 − Z2 ))+ (qui est bien B-mesurable et positive).
On a donc, par (11.3), E(Z1 U ) = E(Z2 U ) = E(XU ), mais on ne peut rien en déduire car il est possible
que E(XU ) = +∞. On va donc modifier légérement U . Soit n ∈ N? . On pose Bn = {Z1 ≤ n} ∩ {Z2 ≤ n}
et Un = U 1Bn . La fonction Un est encore B-mesurable et positive et (11.3) donne E(Z1 Un ) = E(Z2 Un ).
Comme 0 ≤ E(Z1 Un ) = E(Z2 Un ) ≤ n, on en déduit E((Z1 − Z2 )Un ) = 0. Mais, (Z1 − Z2 )Un ≥ 0. En
faisant tendre n vers l’infini, le théorème de convergence monotone (théorème 4.1) donne E((Z1 −Z2 )U ) =
0, c’est-à-dire E((Z1 − Z2 )+ ) = 0 et donc Z1 ≤ Z2 p.s.. En changeant les rôles de Z1 et Z2 on a aussi
Z2 ≤ Z1 p.s.. D’où Z1 = Z2 p.s..
Définition 11.2 Soit (Ω, A, P ) un espace probabilisé, X une v.a.r. positive et B une tribu incluse dans
A. On appelle “Espérance, conditionnée par B, de X ” ou “Espérance conditionnelle de X par rapport à
B”) l’ensemble des applications Z de Ω dans R, B-mesurable, positive et t.q. :
E(ZU ) = E(XU ) pour toute application U de Ω dans R, B-mesurable et positive. (11.4)
259
On note Ē(X|B) cette espérance conditionnelle (c’est donc un ensemble de fonctions). (Noter que
dans (11.1), les applications ZU et XU sont bien des v.a.r. positives, leur intégrale sur Ω est donc
bien définie et appartient à R̄+ ).
La proposition 11.2 nous donne l’existence et l’unicité (p.s.) de l’espérance conditionnelle lorsque X
est une v.a.r. positive. Sous les hypothèses de la définition 11.2, si X est de plus intégrable, on a
donc deux définitions de l’espérance conditionnelle de X par rapport à B, notée E(X|B) et Ē(X|B).
La proposition 11.2 montre que Z1 ∈ E(X|B) et Z2 ∈ Ē(X|B) implique Z1 = Z2 p.s.. En pratique,
comme on confond E(X|B) avec l’un de ces éléments et Ē(X|B) avec l’un de ces éléments, on a donc
E(X|B) = Ē(X|B) p.s.. Il est donc inutile de conserver la notation Ē(X|B) et on conservera la notation
E(X|B) dans les deux cas, c’est-à-dire “X v.a.r. intégrable” et “X v.a.r. positive”.
Nous donnons maintenant quelques propriétés de l’espérance conditionnelle.
Proposition 11.3 Soit (Ω, A, P ) un espace probabilisé, B une tribu incluse dans A et X une v.a.r.. Soit
p ∈]1, ∞] et q le nombre conjugué de p (i.e. q = p/(p − 1) si p < +∞ et q = 1 si p = ∞). On suppose que
X ∈ LpR (Ω, A, P ). Soit Z ∈ E(X|B). Alors, Z ∈ LpR (Ω, A, P ) et E(ZU ) = E(XU ) pour toute application
U (de Ω dans R) B-mesurable t.q. |U |q soit intégrable.
Démonstration : La démonstration fait partie de l’exercice 11.5. En fait, le cas p = 2 a déjà été vu
dans la démonstration de la proposition 11.1.
Proposition 11.4 (Inégalité de Jensen généralisée)

Soit (Ω, A, P ) un espace probabilisé, B une tribu incluse dans A et X une v.a.r. de carré intégrable. Soit
ϕ une fonction convexe de R dans R. On suppose que ϕ(X) est intégrable. On a alors E(ϕ(X)|B) ≥
ϕ(E(X|B)) p.s..
Démonstration : D’après le lemme 11.1, comme ϕ est convexe, il existe c, fonction croissante de R
dans R (et donc fonction borélienne de R dans R) t.q., pour tout x, a ∈ R, ϕ(x) − ϕ(a) ≥ c(a)(x − a).
Soit Z ∈ E(X|B). On a donc pour tout ω ∈ Ω :
ϕ(X(ω)) − ϕ(Z(ω)) ≥ c(Z(ω))(X(ω) − Z(ω)). (11.5)
On aimerait intégrer cette inégalité sur un élément (bien choisi) de B mais cela n’est pas possible car les
v.a.r. ϕ(Z) et c(Z)(X − Z) peuvent ne pas être intégrables (bien que Z et X soient intégrables). Pour p ∈
N? , on introduit donc Ap = {|Z| ≤ p} de sorte que les v.a.r. 1Ap c(Z)(X − Z) et 1Ap ϕ(Z) sont intégrables
(noter que c(Z) est bornée sur Ap car c est croissante). On pose aussi A = {E(ϕ(X)|B) − ϕ(Z) < 0} et
Bp = Ap ∩ A. Soit p ∈ N? , l’inégalité (11.5) donne 1Bp (ϕ(X) − ϕ(Z)) ≥ 1Bp c(Z)(X − Z) et donc, en
intégrant sur Ω : Z Z
(ϕ(X) − ϕ(Z))dP ≥ c(Z)(X − Z)dP. (11.6)
Bp Bp
Comme Z et E(ϕ(X)|B) sont B-mesurables, on a Bp ∈ B (et donc 1Bp est B-mesurable). On a aussi c(Z)
B-mesurable (car c est borélienne) et donc 1Bp c(Z) B-mesurable. On en déduit :
Z
c(Z)(X − Z)dP = E(1Bp c(Z)(X − Z)) = 0 (car Z ∈ E(X|B)),
Bp
et Z

(ϕ(X) − ϕ(Z))dP = E(1Bp (ϕ(X) − ϕ(Z))) = E 1Bp (E(ϕ(X)|B) − ϕ(Z)) .
Bp
260
Avec (11.6), on en déduit : Z
(E(ϕ(X)|B) − ϕ(Z))dP ≥ 0.
Bp
Comme E(ϕ(X)|B)−ϕ(Z) < 0 sur Bp (car Bp ⊂ A), on a donc P (Bp ) = 0 et donc P (A) = P (∪p∈N? Bp ) =
0. Ce qui donne bien E(ϕ(X)|B) ≥ ϕ(Z) p.s..
Lemme 11.1 Soit ϕ une fonction convexe de R dans R, il existe alors c, fonction croissante de R dans
R (et donc fonction borélienne de R dans R) t.q., pour tout x, a ∈ R, ϕ(x) − ϕ(a) ≥ c(a)(x − a).
Démonstration : Si ϕ est dérivable sur R, la fonction c existe et est unique, elle est donnée par c = ϕ0 .
L’existence de c est légérement plus difficile si ϕ n’est pas dérivable sur tout R (et on perd l’unicité de c).
Soit a ∈ R, on considère le fonction ha : x 7→ ϕ(x)−ϕ(a)
x−a qui est définie sur R \ {a}. La convexité de ϕ
permet de montrer que ha est croissante (c’est-à-dire que x, y ∈ R \ {a}, x > y ⇒ ha (x) ≥ ha (y)). La
fonction ha a donc une limite à gauche (et à droite) en tout point, y compris au point a. On pose (par
exemple) :
c(a) = lim ha (x).
x→a,x<a
Il est facile de vérifier que la fonction c ainsi définie est croissante de R dans R et vérifie, pour tout
x, a ∈ R, ϕ(x) − ϕ(a) ≥ c(a)(x − a).
On défnit maintenant l’espérance conditionnelle par rapport à une v.a.r. ou un v.a.
Définition 11.3 Soit (Ω, A, P ) un espace probabilisé et X une v.a.r. (ou un v.a. de dimension d,
d ≥ 1). Soit Y une v.a.r. intégrable ou une v.a.r. positive. On appelle “Espérance, conditionnée par X,
de Y ” ou “Espérance conditionnelle de Y par rapport à X” (ou “Espérance conditionnelle de Y sachant
X”) l’ensemble E(Y |σ(X), où σ(X) est la tribu engendrée par X. On note E(Y |X) cette espérance
conditionnelle, de sorte que E(Y |X) = E(Y |σ(X)). (L’ensemble E(Y |X) est donc un ensemble de v.a.r.
et, comme d’habitude, on confond E(Y |X) avec l’un de ces éléments.)
Pour caractériser E(Y |X) (sous les hypothèses de la définition 11.3) et pour calculer cette espérance
conditionnelle, on utilise, en général, le théorème 3.1 que nous rappelons sous une forme légérement plus
précise (donnée dans la démonstration du théorème 3.1).
Théorème 11.1 (Y mesurable par rapport à X) Soit (Ω, A, P ) un espace probabilisé et X, Y deux
v.a.r.. On note σ(X) la tribu engendrée par X. Alors :
• La v.a.r. Y est σ(X)-mesurable si et seulement si il existe f , fonction borélienne de R dans R, t.q.
Y = f (X).
• La v.a.r. Y est σ(X)-mesurable bornée si et seulement si il existe f , fonction borélienne bornée de
R dans R, t.q. Y = f (X).
• La v.a.r. Y est σ(X)-mesurable positive si et seulement si il existe f , fonction borélienne positive
de R dans R, t.q. Y = f (X).
Démonstration : La démonstration de ce théorème est donnée dans la démonstration du théorème 3.1.
Voici une conséquence immédiate de ce théorème, utilisée pour calculer E(Y |X)
261
Proposition 11.5 (Calcul de E(Y |X)) Soit (Ω, A, P ) un espace probabilisé et X, Y deux v.a.r.. Soit
Z une application de Ω dans R.
1. On suppose que Y est intégrable. Alors, Z ∈ E(Y |X) si et seulement si il existe ψ application
borélienne de R dans R t.q. Z = ψ(X), ψ(X) est intégrable et
E(ψ(X)ϕ(X)) = E(Xϕ(X)) pour toute application ϕ de R dans R, borélienne bornée. (11.7)
2. On suppose que Y est positive. Alors, Z ∈ E(Y |X) si et seulement si il existe ψ application
borélienne positive de R dans R t.q. Z = ψ(X) et
E(ψ(X)ϕ(X)) = E(Xϕ(X)) pour toute application ϕ de R dans R, borélienne positive. (11.8)
Démonstration : La démonstration est une conséquence immédiate du théorème 11.1.
La conséquence de la proposition 11.5 est que (sous les hypotèses de la proposition) l’on cherche E(Y |X)
sous la forme d’une fonction ψ(X) (avec ψ de R dans R) vérifiant (11.7) (ou (11.8)). On raisonne, en
général, par “condition nécessaire sur ψ” et, comme on sait que E(X|Y ) existe, il est même inutile de
vérifier que la fonction ψ(X) que l’on trouve (qui est, en général, définie p.s.) est bien intégrable (ou
positive).
La proposition 11.5 montre également que (sous les hypotèses de la proposition 11.5) la fonction Y est une
fonction de X (c’est-à-dire Y = ψ(X) pour un certain ψ de R dans R) si et seulement si E(Y |X) = Y . Pour
montrer que la v.a.r. Y est une fonction d’une autre v.a.r. X, il suffit donc de montrer que E(Y |X) = Y .
En comparaison, le calcul de la covariance entre X et Y (après “normalisation”) s’intéresse seulement à
l’existence ou non d’une dépendance affine de Y en fonction de X. Voir, à ce propos, l’exercice 11.13.
11.2 Martingales
Définition 11.4 (Filtration et processus) Soit (Ω, A, P ) un espace probabilisé
1. On appelle ‘filtration” une suite de tribus (Bn )n∈N t.q. Bn ⊂ Bn+1 ⊂ A, pour tout n ∈ N.
2. On appelle “procesus réel” une suite de v.a.r..
3. Soit (Bn )n∈N une filtration et (Xn )n∈N un processus réel. On dit que (Xn )n∈N est adapté à la
filtration (Bn )n∈N si, pour tout n ∈ N, Xn est Bn -mesurable.
Définition 11.5 (Martingale) Soit (Ω, A, P ) un espace probabilisé, (Bn )n∈N une filtration et (Xn )n∈N
un processus réel (c’est-à-dire une suite de v.a.r.).
1. (Martingale) la suite (Xn )n∈N est une martingale par rapport à la filtration (Bn )n∈N si on a, pour
tout n ∈ N,
(a) Xn est Bn -mesurable et intégrable,
(b) E(Xn+1 |Bn ) = Xn p.s..
2. (Sous et sur martingale) la suite (Xn )n∈N est une sous-martingale [resp. sur-martingale] par rapport
à la filtration (Bn )n∈N si on a, pour tout n ∈ N,
(a) Xn est Bn -mesurable et intégrable,
262
(b) E(Xn+1 |Bn ) ≥ Xn p.s. [resp. E(Xn+1 |Bn ) ≤ Xn p.s. ].
Définition 11.6 (Temps d’arrêt) Soit (Ω, A, P ) un espace probabilisé, (Bn )n∈N une filtration et T une
v.a. à valeurs dans N ∪ {+∞} (c’est-à-dire une application mesurable de Ω, muni de la tribu A, dans
N ∪ {+∞}, muni de la tribu la plus fine). L’application T s’appelle un temps d’arrêt si, pour tout n ∈ N,
{T = n} ∈ Bn .
On conclut cette section par un théorème, sans démonstration, sur la convergence des martingales.
Théorème 11.2 (Convergence p.s. d’une martingale)

Soit (Ω, A, P ) un espace probabilisé, (Bn )n∈N une filtration et (Xn )n∈N une suite de v.a.r. positives. On
suppose que (Xn )n∈N est une martingale par rapport à (Bn )n∈N . Alors, il existe une v.a.r. intégrable, X,
t.q. Xn → X p.s., quand n → ∞.
11.3 Exercices
11.3.1 Espérance conditionnelle
Exercice 11.1 (Espérance conditionnelle selon une tribu) Corrigé 169 page 493
Soit (Ω, A, P ) un espace probabilisé et Y une variable aléatoire réelle intégrable. Dans les trois cas
suivants, montrer que E[Y |B] est réduit à un élément et déterminer E[Y |B] (en fonction de Y et B).
1. La tribu B la tribu grossière, c’est-à-dire B = {∅, Ω}.
2. Soit B ∈ A t.q. 0 < P [B] < 1. On prend pour B la tribu engendrée par B.
3. Soit (Bn )n∈N? ⊂ A t.q. Bn ∩ Bm = ∅ si n 6= m, Ω = ∪n∈N? Bn et 0 < P (Bn ) < 1 pour tout n ∈ N? .
On prend pour B la tribu engendrée par (Bn )n∈N? (c’est-à-dire B = {∪n∈J Bn , J ⊂ N? }).
Exercice 11.2 (Espérance conditionnelle selon une tribu (2))
Soit (Ω, A, P ) un espace probabilisé et X une v.a.r. intégrable. Soit B ∈ A t.q. P (B) = 1 et B c 6= ∅
(c’est le cas, par exemple, si P est une mesure diffuse, que A contient les singletons et que B c est formé
d’un nombre fini ou dénombrable de points de Ω). On pose B = {∅, B, B c , Ω}. Pour a ∈ R, on pose
Za = E(X)1B + a1B c . Montrer que E(X|B) = {Za , a ∈ R}.
Exercice 11.3 (Espérance conditionnelle selon une v.a.r.) Corrigé 170 page 494
Soit (Ω, A, P ) un espace probabilisé, X une variable aléatoire réelle et Y une variable aléatoire réelle
intégrable.
1. On suppose qu’il existe a ∈ R t.q. X = a p.s.. Donner un élément de E[Y |X].
2. On suppose que X prend p.s. deux valeurs x1 ou x2 avec x1 6= x2 . Donner un élément de E[Y |X].
3. On suppose que X est une v.a. prenant p.s. ses valeurs dans un ensemble dénombrable {xn , n ∈ N? }
avec P (X = xn ) 6= 0 pour tout n ∈ N? . Donner un élément de E[Y |X].
Exercice 11.4 (Egalité d’espérances conditionnelles)
Soit Soit (Ω, A, P ) un espace probabilisé, B une sous-tribu de A, B ∈ B un événement et X une v.a.r.
intégrable t.q. X1B = Y 1B p.s.. Montrer que E[X|B]1B = E[Y |B]1B p.s..
263
Exercice 11.5 (Espérance conditionnelle d’une v.a.r. appartenant à Lp )
Soit (Ω, A, P ) un espace probabilisé, B une tribu incluse dans A et X une v.a.r.. Soit p ∈]1, ∞] et q
le nombre conjugué de p( c’est-à-dire q = p/(p − 1) si p < +∞ et q = 1 si p = ∞). On suppose que
X ∈ LpR (Ω, A, P ). Soit Z ∈ E(X|B). Montrer que Z ∈ LpR (Ω, A, P ) et que E(ZU ) = E(XU ) pour toute
application U (de Ω dans R) B-mesurable de puissance q-ieme intégrable.
Exercice 11.6 (Calcul de E(exp(XY )|X) si Y est gaussienne) Corrigé 171 page 495
Soit (Ω, A, P ) un espace de probabilités et X, Y deux v.a. réelles indépendantes. On suppose que Y suit
une loi gaussienne centrée réduite et que E[exp(X 2 /2)] < ∞. Montrer que exp(XY ) est intégrable et
déterminer E[exp(XY )|X].
Exercice 11.7 (Espérance selon une somme de v.a.r.i.i.d)

Soit (Ω, A, P ) un espace de probabilités,Pn ∈ N? et X1 , . . . , Xn des variables aléatoires indépendantes, de
n
même loi et intégrables. On note Sn = k=1 Xk . Calculer E(X1 |Sn ).
Exercice 11.8 (Une condition nécessaire pour avoir X = Y p.s.)

Soit (Ω, A, P ) un espace de probabilités et X, Y deux variables aléatoires réelles intégrables et t.q.
E[X|Y ] = Y p.s. et E[Y |X] = X p.s..
1. Montrer que pour tout réel c, E [(X − Y )1X>c,Y >c ] = E [(Y − X)1X>c≥Y ] ≤ 0 p.s..
2. En déduire que pour tout réel c, P [X > c ≥ Y ] = 0. p.s..
3. Montrer que X = Y p.s..
Exercice 11.9 (Espérance du produit et produit des espérances) Corrigé 172 page 496
Soit (Ω, A, P ) un espace de probabilités et X, Y deux v.a. intégrables t.q. XY est intégrable et E[X|Y ] =
E(X) p.s.. Montrer que E(XY ) = E(X)E(Y ).
Exercice 11.10 (Egalité de lois donne égalité d’espérances conditionnelles)

Soit (Ω, A, P ) un espace de probabilités et X, Y, Z trois variables aléatoires réelles t.q. (X, Z) ∼ (Y, Z).
Montrer que pour toute fonction f borélienne positive, E[f (X)|Z] = E[f (Y )|Z] p.s..
Exercice 11.11 (Convergence faible ⇒ convergence faible des espérances conditionnelles)

Soit (Ω, A, P ) un espace de probabilités, B une sous-tribu de A, X une v.a. intégrable et (Xn )n∈N une
suite de v.a. intégrables. On suppose que Xn → X faiblement dans L1 (Ω, A, P ) quand n → ∞ (ce qui
est équivalent à dire que, pour tout v.a. U bornée, on a limn→∞ E[Xn U ] = E[XU ]).
1. Montrer que pour toute v.a. U , B-mesurable et bornée, on a
lim E[E[Xn |B]U ] = E[E[X|B]U ].

n→∞
2. Montrer que E[Xn |B] → E[X|B] faiblement dans L1 (Ω, A, P ) quand n → ∞.
Exercice 11.12 (Minoration d’une espérance conditionnelle)

Soit (Ω, A, P ) un espace de probabilité, B une sous-tribu de A et Y est une v.a.r. positive. Soit U une
v.a.r. positive, B−mesurable et t.q. pour toute v.a.r. positive B−mesurable Z on ait E(Y Z) ≥ E(U Z).
Montrer que E(Y |B) ≥ U p.s..
264
Exercice 11.13 (Dépendance linéaire et dépendance non linéaire)
Soit (Ω, A, P ) un espace de probabilité et X, Y deux v.a.r. non constantes.
X−E(X) Y −E(Y )
1. (Dépendance linéaire.) On pose X = √ et Y = √ .
Var(X) Var(Y )
(a) Montrer que |Cov(X, Y )| ≤ 1.
(b) Montrer que |Cov(X, Y )| = 1 si et seulement si il existe α, β ∈ R, α 6= 0, t.q. Y = αX + β.
(c) Donner un exemple pour lequel Y = f (X) (avec f fonction borélienne de R dans R) et
Cov(X, Y ) = 0.
2. (Dépendance.)
(a) On suppose que X et Y sont indépendantes. Montrer que E(Y |X) = E(Y ).
(b) Montrer qu’il existe f (fonction borélienne de R dans R) t.q. Y = f (X) si et seulement
E(Y |X) = Y .
Exercice 11.14 (Convergence d’une suite d’espérance conditionnelles)

Soient (E, T, p) un espace probabilisé et (Tn )n∈N une famille de tribus sur E t.q. Tn ⊂ Tn+1 , pour tout
n ∈ N, et ∪n∈N Tn = T . Soit X ∈ L2R (E, T, p) et E(X|Tn ) l’espérance conditionnelle de X par rapport à
la tribu Tn . Nous allons montrer que E(X|Tn ) converge vers X dans L2R (E, T, p) lorsque n → +∞.
1. Montrer qu’il existe e ∈ L2R (E, T, p) et une sous-suite de la suite (E(X|Tn )n∈N , encore notée
(E(X|Tn )n∈N , qui converge faiblement vers e dans L2R (E, T, p).
R R
2. Montrer que XY dp = eY dp, pour tout Y ∈ F = ∪n∈N L2R (E, Tn , p).
3. Montrer que F = L2R (E, T, p) et en déduire que e = X p.s..
4. Montrer que kE(X|Tn )k2 ≤ kXk2 et en déduire que la suite (e(X, Tn ))n∈N converge vers X dans
L2R (E, T, p).
Exercice 11.15 (Projection sur L2 (Ω, τ (X), P ) versus projection sur ev(X))
Soit (Ω, A, P ) un espace de probabilités. Si B est une sous-tribu de A, on note encore P la restriction
de P à B, de sorte que (Ω, B, P ) est encore un espace de probabilités. On rappelle que L2 (Ω, B, P ) ⊂
L2 (Ω, A, P ) et que l’on peut considérer L2 (Ω, B, P ) comme un s.e.v. de L2 (Ω, A, P ). L’espace L2 (Ω, B, P )
est donc un s.e.v. fermé de L2 (Ω, A, P ).
Soit X ∈ L2 (Ω, A, P ) (en choisissant un représentant de X, X est donc une v.a.). On note ev(X) le s.e.v.
engendré par X (noter que ev(X) est un s.e.v. fermé de L2 (Ω, A, P )).
Si V est un s.e.v. fermé de L2 (Ω, A, P ), on note PV l’opérateur de projection orthogonale sur V .
1. On suppose que X est constante et non nulle (c’est-à-dire qu’il existe a ∈ R? t.q. X = a p.s.).
Montrer que Pev(X) = PL2 (Ω,τ (X),P ) (i.e. ev(X) = L2 (Ω, τ (X), P )).
2. On suppose que X n’est pas constante. Montrer que pour toute sous-tribu B de A, Pev(X) 6=
PL2 (Ω,B,P ) (i.e. ev(X) 6= L2 (Ω, B, P )).
Remarque : Si Y est une v.a. de carré intégrable, on a E[Y |X] = E[Y |τ (X)] = PL2 (Ω,τ (X),P ) Y.
265
11.3.2 Martingales
Exercice 11.16 (Quelques propriétés des martingales) Corrigé 173 page 497
Soit (Ω, A, P ) un espace de probabilité muni d’une filtration (Bn )n∈N (c’est-à-dire d’une suite croissante
de sous tribus de A) et (Xn )n∈N une suite de de v.a.r. (c’est-à-dire un processus réel). On suppose que
Xn est intégrable pour tout n ∈ N.
1. On suppose que (Xn )n∈N est une sous-martingale (par rapport à la filtration (Bn )n∈N ) Montrer que
la suite (E(Xn ))n∈N est croissante.
2. On suppose que (Xn )n∈N est une martingale (par rapport à la filtration (Bn )n∈N ) Montrer que
E(Xn+m |Bn ) = Xn p.s. pour tout m ≥ 0.
3. Soit ϕ une fonction convexe de R dans R. On suppose que (Xn )n∈N est une martingale (par rapport
à la filtration (Bn )n∈N ) et que ϕ(Xn ) est intégrable pour tout n ∈ N (on rappelle que ϕ(Xn ) est
une notation pour désigner ϕ ◦ Xn ). Montrer que (ϕ(Xn ))n∈N est une sous-martingale (par rapport
à la filtration (Bn )n∈N ).
Exercice 11.17 (Séries de Fourier et martingales)

Soit (Ω, A, P ) un espace de probabilité et B une sous tribu de A. Montrer que
X ∈ L2 (Ω, B, P ) ⇒ X + ∈ L2 (Ω, B, P ).
(L2 (Ω, B, P ) = L2R (Ω, B, P ).)

On prend maintenant Ω =]0, 1[, A = B(]0, 1[) et P = λ (la mesure de Lebesgue sur B(]0, 1[)). On pose
H = L2C (Ω, A, P ). Pour p ∈ Z, on définit ep ∈ H par ep (x) = exp(2iπpx) pour x ∈]0, 1[. On rappelle que
{ep , p ∈ Z} est une base hilbertienne de H. pour n ∈ N, on pose Vn = ev{ep , −n ≤ p ≤ n} (c’est un
s.e.v. fermé de H).
Soit X ∈ H. On sait que Xn → X dans H, quand n → ∞, avec Xn = PVn X où PVn désigne l’opérateur
de projection orthogonale sur Vn (Xn est donc une somme partielle de la série de Fourier de X).
1. Montrer que PVn (Xn+1 ) = Xn pour tout n ∈ N.
2. Soit n ∈ N? , monter qu’il n’existe pas de sous-tribu B de A t.q. Vn = L2C (Ω, B, P ). [On pourra, par
exemple, commencer par remarquer que Vn est formé de fonctions analytiques.]
3. Soit n ∈ N? . On pose Bn = τ (ep , −n ≤ p ≤ n). A-t-on Vn ⊂ L2C (Ω, Bn , P ) ou L2C (Ω, Bn , P ) ⊂ Vn ?
Exercice 11.18 (Quelques questions sur les temps d’arrêt)

Soit (Ω, A, P ) un espace de probabilité muni d’une filtration (Bn )n∈N .
1. Soit (Xn )n∈N une suite de v.a.r., adaptée à la filtration (Bn )n∈N . Soit E ∈ B(R) et τ défini de Ω
dans R par
τ (ω) = 1 si X1 (ω) ∈ E et τ = 5 si X1 (ω) 6∈ E.
Montrer que τ est un temps d’arrêt.
2. Soit ν et τ deux temps d’arrêt par rapport à la filtration (Bn )n∈N . Montrer que ν + τ est encore
un temps d’arrêt (par rapport à la filtration (Bn )n∈N ).
266
3. Soit ν et τ deux temps d’arrêt, par rapport à la filtration (Bn )n∈N , et t.q. ν ≤ τ p.s.. Soit Bν et Bτ
les deux tribus associées. Montrer que Bν ⊂ Bτ . [Si T est un temps d’arrêt, on note BT = {A ∈ A
t.q., pour tout n ∈ N, A ∩ {T = n} ∈ Bn }.]
Exercice 11.19 (Martingale construite avec les espérances d’une v.a.)

Soit (Ω, A, P ) un espace de probabilité muni d’une filtration (Bn )n∈N . Soit X une v.a.r. intégrable.
Montrer que la suite (Xn )n∈N définie par Xn = E[X|Bn ] (pour tout n ∈ N) est une martingale par
rapport à la filtration (Bn ).
Montrer que (Xn )n∈N est aussi une martingale pour la filtration (Fn )n∈N définie par Fn = τ (X1 , . . . , Xn )
(pour tout n ∈ N).
Exercice 11.20 (Il est temps de s’arrêter)

Soit (Ω, A, P ) un espace de probabilité muni d’une filtration (Fn )n∈N et (Xn )n∈N une suite de v.a.r.,
adaptée à la filtration (Fn )n∈N . On suppose aussi que E[|Xn |] < ∞ pour tout n ∈ N.
1. Montrer que pour tout temps d’arrêt (par rapport à (Fn )n∈N ) τ borné,
E[|Xτ |] < ∞.
On suppose dans la suite que pour tout temps d’arrêt (par rapport à (Fn )n∈N ) τ borné,
E[Xτ ] = E[X0 ].
2. Soit n ∈ N et Λn ∈ Fn . On définit σn par
σn (ω) = n si ω ∈ Λn et σn (ω) = n + 1 si ω 6∈ Λn .
Montrer que σn est un temps d’arrêt (par rapport à (Fn )n∈N ).
3. Soit n ∈ N et νn défini par νn (ω) = n + 1 pour tout ω ∈ Ω. Montrer que νn est aussi un temps
d’arrêt (par rapport à (Fn )n∈N ).
4. En remarquant que Xτ = Xτ 1A + Xτ 1Ac (pour tout temps d’arrêt τ et tout événement A), montrer
que (Xn )n∈N est une martingale.
267
Chapter 12
Corrigés d’exercices
12.1 Exercices du chapitre 1

Corrigé 1 (Convergences simple et uniforme)
Construire une suite (fn )n∈N ⊂ C([0, 1], R) et f ∈ C([0, 1], R) t.q. fn → f simplement, quand n → ∞, et
fn 6→ f uniformément, quand n → ∞.
—————————————corrigé—————————————–
On prend, pour n ≥ 2 :
fn (x) = nx, pour x ∈ [0, n1 ], fn (x) = n( n2 − x), pour x ∈] n1 , n2 ], fn (x) = 0, pour x ∈] n2 , 1].
On a (fn )n∈N ⊂ C([0, 1], R). Pour tout x ∈ [0, 1], on a bien fn (x) → 0 quand n → ∞. Enfin (fn )n∈N ne
tend pas uniformément vers 0 car kfn ku = max{|fn (x)|; x ∈ [0, 1]} = 1 6→ 0, quand n → ∞.
—————————————————————————————–
Corrigé 2 (Intégrale d’une fonction continue)

Une fonction g : [0, 1] → R est dite “en escalier” s’il existe n ≥ 1 et x0 , . . . , xn t.q. 0 = x0 < x1 < ... <
xn−1 < xn = 1 et g constante sur chaque intervalle ]xi , xi+1 [, 0 ≤ i ≤ n − 1.
Z 1 n−1
X
Pour g en escalier et x0 , . . . , xn comme dans la définition ci dessus, on pose g(x)dx = ai (xi+1 −xi ),
0 i=0
où ai est la valeur prise par g sur ]xi , xi+1 [.
1. Montrer que la définition précédente est bien cohérente, c’est-à-dire que l’intégrale de g ne dépend
que du choix de g et non du choix des xi . Montrer que l’application qui à g associe l’intégrale de g
est linéaire de l’ensemble des fonctions en escalier dans R.
—————————————corrigé—————————————–
Soit n ≥ 1 et x0 , . . . , xn t.q. 0 = x0 < x1 < ... < xn−1 < xn = 1 et g constante sur chaque intervalle
]xi , xi+1 [, 0 ≤ i ≤ n − 1. On note ai est la valeur prise par g sur ]xi , xi+1 [.
Soit également m ≥ 1 et y0 , . . . , ym t.q. 0 = y0 < y1 < ... < ym−1 < ym = 1 et g constante sur
chaque intervalle ]yi , yi+1 [, 0 ≤ i ≤ m − 1. On note bi est la valeur prise par g sur ]yi , yi+1 [.
Pn−1 Pm−1
Nous devons montrer que i=0 ai (xi+1 − xi ) = i=0 bi (yi+1 − yi ).
268
On considère l’union des points xi et des points yi , c’est-à-dire que z0 , . . . , zp sont t.q. 0 = z0 <
z1 < ... < zp−1 < zp = 1 et {zi , i ∈ {0, . . . , p}} = {xi , i ∈ {0, . . . , n}} ∪ {yi , i ∈ {0, . . . , m}} (on a
donc, en particulier, p ≥ max{m, n}). On note ci est la valeur prise par g sur ]zi , zi+1 [.
Pour tout i ∈ {0, . . . , n}, il existe ki ∈ {0, . . . , p} t.q. xi = zki (en particulier, k0 = 0 et kn = p) et on
Pki+1 −1
a donc xi+1 −xi = j=k i
(zj+1 −zj ). Comme ai = cj si ki ≤ j ≤ ki+1 −1 (car ]zj , zj+1 [⊂]xi , xi+1 [),
on en déduit :
n−1
X n−1 X−1
X ki+1 p−1
X
ai (xi+1 − xi ) = cj (zj+1 − zj ) = ci (zi+1 − zi ).
i=0 i=0 j=ki i=0
Pm−1 Pp−1 Pn−1

De la même manière, on a i=0 bi (yi+1 −yi ) = i=0 ci (zi+1 −zi ), d’où l’on conclut i=0 ai (xi+1 −
Pm−1
xi ) = i=0 bi (yi+1 − yi ).
On a bien montré que l’intégrale de g ne dépend que du choix de g et non du choix des xi .
On montre maintenant que l’application qui à g associe l’intégrale de g est linéaire de l’ensemble
des fonctions en escalier dans R (cet ensemble est bien un espace vectoriel sur R).
Soit g et h deux fonctions en escalier et α, β ∈ R. Soit n ≥ 1 et x0 , . . . , xn t.q. 0 = x0 < x1 <
... < xn−1 < xn = 1 et g constante sur chaque intervalle ]xi , xi+1 [, 0 ≤ i ≤ n − 1. Soit également
m ≥ 1 et y0 , . . . , ym t.q. 0 = y0 < y1 < ... < ym−1 < ym = 1 et h constante sur chaque intervalle
]yi , yi+1 [, 0 ≤ i ≤ m − 1. On considère ici encore l’union des points xi et des points yi , c’est-à-
dire que z0 , . . . , zp sont t.q. 0 = z0 < z1 < ... < zp−1 < zp = 1 et {zi , i ∈ {0, . . . , p}} = {xi ,
i ∈ {0, . . . , n}} ∪ {yi , i ∈ {0, . . . , m}}. Les fonctions g, h et αg + βh sont donc constantes sur chaque
intervalle ]zi , zi+1 [ (ceci montre d’ailleurs que αg + βh est bien une fonction en escalier et donc que
l’ensemble des fonctions en escalier est bien un espace vectoriel sur R). En notant ai la valeur de g
sur ]zi , zi+1 [ et bi la valeur de h sur ]zi , zi+1 [, on obtient :
Z 1 p−1
X Z 1 p−1
X
g(x)dx = ai (zi+1 − zi ), h(x)dx = bi (zi+1 − zi ).
0 i=0 0 i=0
R1 R1 Pp−1 R1
On en déduit que α 0 g(x)dx + β 0 h(x)dx = i=0 (αai + βbi )(zi+1 − zi ) = 0 (αg(x) + βh(x))dx
car αai + βbi est la valeur de αg + βh sur ]zi , zi+1 [.
Ceci prouve bien que l’application qui à g associe l’intégrale de g est linéaire de l’ensemble des
fonctions en escalier dans R.
—————————————————————————————–
2. Soit f ∈ C([0, 1], R).
(a) Construire une suite de fonctions en escalier (fn )n∈N t.q. f soit limite uniforme de (fn )n∈N
lorsque n → +∞.
—————————————corrigé—————————————–
Pour n ≥ 1, on choisit (par exemple) fn ainsi :
fn (x) = f ( ni ), si x ∈ [ ni , i+1
n [, i ∈ {0, . . . , n − 1}. Pour bien définir fn sur tout [0, 1], on prend
aussi fn (1) = f (1).
269
La fonction fn est bien en escalier (elle est constante sur chaque intervalle ] ni , i+1
n [ pour i ∈
{0, . . . , n − 1}). Elle converge uniformément vers f , quand n → ∞, car f est uniformément
continue. Plus précisément, on a kfn − f ku = max{|fn (x) − f (x)|, x ∈ [0, 1]} ≤ max{|f (x) −
f (y)|, x, y ∈ [0, 1]; |x − y| ≤ n1 } → 0, quand n → ∞.
R1 Pn−1
Noter que, pour ce choix de fn , on a 0 fn (x)dx = i=0 f ( ni ) n1 . Cette somme est une “somme
R1
de riemann” asociée à f et on va voir ci-après qu’elle converge vers 0 f (x)dx quand n → ∞.
—————————————————————————————–
(b) Soit (fn )n∈N une suite de fonctions en escalier t.q. f soit limite uniforme de (fn )n∈N lorsque
n → +∞. Montrer que la suite (In )n∈N ⊂ R, où In est l’intégrale de la fonction en escalier fn ,
converge. Enfin, montrerZ que la limite I = limn→∞ In ne dépend que de f , et non de la suite
1
(fn )n∈N . On pose alors f (x)dx = I.
0
—————————————corrigé—————————————–
Si g est une fonction en escalier, il est clair que la fonction |g| (définie par |g|(x)) = |g(x)|) est
aussi en escalier et que l’on a
Z 1 Z 1
| g(x)dx| ≤ |g(x)|dx ≤ kgku .
0 0
R1
On en déduit que, pour tout n, m ∈ N, |In − Im | = | 0 (fn − fm )dx| ≤ kfn − fm ku . Comme
la suite (fn )n∈N converge (vers f ) pour la norme k · ku , c’est une suite de Cauchy pour cette
norme. La suite (In )n∈N est donc de Cauchy dans R. La suite (In )n∈N est donc convergente
dans R.
Soit maintenant une autre suite (gn )n∈N de fonctions en escalier t.q. f soit aussi limite uniforme
de (gn )n∈N . Soit Jn l’intégrale de la fonction en escalier gn . On remarque que |In − Jn | ≤
kfn −gn ku , d’où l’on déduit que limn→∞ In = limn→∞ Jn car kfn −gn ku ≤ kfn −f ku +kgn −f ku
→ 0, quand n → ∞. La limite de la suite (In )n∈N ne dépend donc que de f , et non du choix
de la suite (fn )n∈N .
—————————————————————————————–
3. Montrer que l’application qui à f associe l’intégrale de f est linéaire de C([0, 1], R) dans R et que,
Z 1 Z 1
pour tout f ∈ C([0, 1], R), on a | f (x)dx| ≤ |f (x)|dx ≤ max |f (x)|.
0 0 x∈[0,1]
—————————————corrigé—————————————–
Soit f, g ∈ C([0, 1], R) et soit α, β ∈ R. On choisit deux suites de fonctions en escalier, (fn )n∈N
et (gn )n∈N , convergeant uniformément vers f et g. La suite (αfn + βgn )n∈N est donc une suite de
fonction en escalier convergeant uniformément vers αf + βg (qui appartient bien à C([0, 1], R)). En
R1 R1 R1
passant à la limite, quand n → ∞ dans l’égalité 0 (αfn + βgn )(x)dx = α 0 fn (x)dx + β 0 gn (x)dx
R1 R1 R1
(démontrée précédemment), on obtient 0 (αf + βg)(x)dx = α 0 f (x)dx + β 0 g(x)dx.
Enfin, si f ∈ C([0, 1], R). On choisit (fn )n∈N suite de fonctions en escalier convergeant uniformé-
R1 R1
ment vers f . On a déjà vu que | 0 fn (x)dx| ≤ 0 |fn (x)|dx ≤ kfn ku . On obtient les inégalités
désirées en passant à la limite sur n, car (|fn |)n∈N est une suite de fonctions en escalier convergeant
uniformément vers |f | et kfn ku → kf ku quand n → ∞.
—————————————————————————————–
270
Corrigé 3 (Propriétés de l’intégrale des fonctions continues)
Soit (ϕn )n∈N ⊂ C([0, 1], R) et ϕ ∈ C([0, 1], R). On suppose que ϕn → ϕ simplement quand n → ∞.
Z 1 Z 1 Z 1
1. Montrer que si lim |ϕn (x) − ϕ(x)| dx → 0, alors lim ϕn (x) dx = ϕ(x) dx.
n→∞ 0 n→∞ 0 0
—————————————corrigé—————————————–
Ceci est une conséquence d’une inégalité vue dans l’exercice définissant l’intégrale d’une fonction
continue : Z 1 Z 1
| (ϕn (x) − ϕ(x))dx| ≤ |ϕn (x) − ϕ(x)|dx.
0 0
—————————————————————————————–
Z 1 Z 1
2. Montrer que si (ϕn )n∈N converge uniformément vers ϕ, alors lim ϕn (x) dx = ϕ(x) dx.
n→∞ 0 0
—————————————corrigé—————————————–
Ceci est aussi une conséquence d’une inégalité vue dans l’exercice définissant l’intégrale d’une fonc-
tion continue : Z 1
| (ϕn (x) − ϕ(x))dx| ≤ kϕn − ϕku .
0
—————————————————————————————–
3. Donner un exemple de suite (ϕn )n∈N qui converge vers ϕ simplement, mais non uniformément, t.q.
Z 1 Z 1
lim ϕn (x) dx = ϕ(x) dx.
n→∞ 0 0
—————————————corrigé—————————————–
ϕn (x) = nx, pour x ∈ [0, n1 ], ϕn (x) = n( n2 − x), pour x ∈] n1 , n2 ], ϕn (x) = 0, pour x ∈] n2 , 1].
On a (ϕn )n∈N ⊂ C([0, 1], R). Pour tout x ∈ [0, 1], on a ϕn (x) → 0 quand n → ∞. La suite (ϕn )n∈N
converge donc simplement vers 0. Elle ne converge pas uniformément vers 0, car kϕn ku = 1 6→ 0.
R1
On a bien 0 ϕn (x)dx = n1 → 0 quand n → ∞.
—————————————————————————————–
Z 1
4. Donner un exemple de suite (ϕn )n∈N qui converge simplement vers ϕ t.q. lim ϕn (x) dx 6=
n→∞ 0
Z 1
ϕ(x) dx.
0
—————————————corrigé—————————————–
ϕn (x) = n2 x, pour x ∈ [0, n1 ], ϕn (x) = n2 ( n2 − x), pour x ∈] n1 , n2 ], ϕn (x) = 0, pour x ∈] n2 , 1].
On a (ϕn )n∈N ⊂ C([0, 1], R). Pour tout x ∈ [0, 1], on a ϕn (x) → 0 quand n → ∞. La suite (ϕn )n∈N
R1
converge donc simplement vers 0. Pourtant 0 ϕn (x)dx = 1 6→ 0 quand n → ∞.
—————————————————————————————–
271
5. Si la suite (ϕn )n∈N satisfait les deux conditions :
(a) Pour tout ε, 0 < ε < 1, (ϕn )n∈N converge uniformément vers ϕ sur [ε, 1],
(b) Les ϕn sont à valeurs dans [−1, +1],
Z 1 Z 1
montrer que lim ϕn (x) dx = ϕ(x) dx.
n→∞ 0 0
—————————————corrigé—————————————–
Par la condition (a), la suite (ϕn )n∈N converge simplement vers ϕ sur ]0, 1]. La condition (b) donne
alors ϕ(x) ∈ [−1, 1] pour tout x ∈]0, 1] (et donc aussi pour tout x ∈ [0, 1] car ϕ est continue sur
[0, 1]).
R1 Rε R1
Soit ε > 0. On utilise maintenant le fait que 0 f (x)dx = 0 f (x)dx + ε f (x)dx, pour tout
f ∈ C([0, 1], R), pour obtenir :
Z 1
| (ϕn (x) − ϕ(x))dx| ≤ 2ε + max {|ϕn (x) − ϕ(x)|}.
0 x∈[ε,1]
R1
D’après (a), il existe n0 t.q. maxx∈[ε,1] {|ϕn (x) − ϕ(x)|} ≤ ε pour n ≥ n0 . On a donc | 0 (ϕn (x) −
R1 R1
ϕ(x))dx| ≤ 3ε pour n ≥ n0 . Ce qui prouve que 0 ϕn (x) → 0 ϕ(x)dx quand n → ∞.
—————————————————————————————–
√
x n
6. Vérifier que la suite de fonctions définies par ϕn (x) = satisfait les conditions énoncées à la
1 + nx2
question 5. Donner l’allure générale du graphe de ces fonctions pour des petites valeurs de n; que
devient le graphe lorsque n → ∞?
—————————————corrigé—————————————–
On a bien ϕn ∈ C([0,√
1], R) pour tout n ∈ N. Soit ε > 0. Pour tout x ∈ [ε, 1] et tout n ∈ N,
on a 0 ≤ ϕn (x) ≤ nεn2 → 0 quand n → ∞. La condition (a)√de la question 5 est donc vérifiée.
La condition (b) est également vérifiée en remarquant que 2x n ≤ 1 + nx2 pour tout x ≥ 0 et
n ∈ N (on a donc ϕn (x) ∈ [0, 12 ] pour tout x ∈ [0, 1] et tout n ∈ N). La question 5 donne donc que
R1
0
ϕn (x)dx → 0 quand n → ∞.
La fonction ϕn est croissante pour x ∈ [0, √1n ], elle atteint son maximum en x = √1n , ce maximum
vaut 12 (ϕn ne converge donc pas uniformément vers 0 quand n → ∞). La fonction ϕn est ensuite
décroissante pour x ∈ [ √1n , 1] et tends vers 0 pour tout x.
—————————————————————————————–
7. On suppose maintenant que la suite (ϕn )n∈N vérifie l’hypothèse suivante:

Z 1
lim |ϕn (x) − ϕ(x)|2 dx = 0. (12.1)
n→∞ 0
Z 1
A-t-on lim |ϕn (x) − ϕ(x)|dx = 0 ? [On pourra par exemple utiliser (après l’avoir démontrée)
n→∞ 0
l’inégalité suivante: pour tout ε > 0, il existe cε ≥ 0, ne dépendant que de ε, t. q. a ≤ ε + cε a2 .]
272
—————————————corrigé—————————————–
2 2
Soit ε > 0. On remarque que (pour a ≥ 0) a ≤ ε + aε (en fait, on a même 2a ≤ ε + aε ), le plus
2 2
facile, pour s’en convaincre, est de remarquer que a ≤ aε si a ≥ ε (donc a ≤ max{ε, aε })). On a
donc Z 1
1 1
Z
|ϕn (x) − ϕ(x)|dx ≤ ε + (ϕn (x) − ϕ(x))2 dx.
0 ε 0
Par l’hypothèse (12.1), Il existe n0 t.q. le dernier terme de l’inégalité précédente soit inférieur à ε si
R1 R1
n ≥ n0 . On a donc 0 |ϕn (x) − ϕ(x)|dx ≤ 2ε si n ≥ n0 . On a bien montré que limn→∞ 0 |ϕn (x) −
ϕ(x)|dx dx = 0.
—————————————————————————————–
Z 1
8. Même question que ci dessus en remplaçant l’hypothèse (12.1) par : ∃p > 1; lim |ϕn (x) −
n→∞ 0
ϕ(x)|p dx = 0.
—————————————corrigé—————————————–
p
a
la démonstration est identique à la précédente en remarquant que a ≤ ε + εp−1 , pour tout ε > 0 et
tout a ≥ 0.
—————————————————————————————–
9. On suppose qu’il existe C > 0 tel que
Z 1
|ϕn (x)|2 dx ≤ C, ∀n ∈ N, (12.2)
0
et que la suite (ϕn )n∈N converge uniformément sur [ε, 1], pour tout ε > 0. Montrer que
Z 1
lim |ϕn (x) − ϕ(x)|dx = 0.
n→∞ 0
—————————————corrigé—————————————–
On utilise la même inégalité qu’à la question 7 avec ε = 1δ , c’est-à-dire a ≤ 1
δ + δa2 . On a donc,
pour tout x ∈ [0, 1], |ϕn (x)| ≤ 1δ + δ|ϕn (x)|2 .
On en déduit, pour η ∈]0, 1], en intégrant sur l’intervalle [0, η] :
Z η Z η
η
|ϕn (x)|dx ≤ + δ |ϕn (x)|2 dx,
0 δ 0
et donc, avec (1.12), Z η

η
|ϕn (x)|dx ≤ + δC.
0 δ
De même, on a Z η Z 1
η
|ϕ(x)|dx ≤
+δ ϕ2 (x)dx.
0 δ 0
R1 2
Soit ε > 0, on choisit δ > 0 pour avoir δC ≤ ε et δ 0 ϕ (x)dx ≤ ε, puis, on choisit η > 0 pour avoir
η
δ ≤ ε. On a alors, pour tout n ∈ N :
273
Z 1 Z 1
|ϕn (x) − ϕ(x)|dx ≤ |ϕn (x) − ϕ(x)|dx + 4ε.
0 η
Comme (ϕn )n∈N converge uniformément vers ϕ sur [η, 1], il existe n0 t.q. |ϕn (x) − ϕ(x)| ≤ ε pour
R1
tout x ∈ [η, 1] et tout n ≥ n0 . On en déduit 0 |ϕn (x) − ϕ(x)|dx ≤ 5ε pour tout n ≥ n0 . Ce qui
R1
prouve que limn→∞ 0 |ϕn (x) − ϕ(x)|dx = 0.
—————————————————————————————–
10. Construire un exemple de suite (ϕn )n∈N qui satisfasse aux hypothèses de la question précédente et
qui ne soit pas bornée (donc qui ne satisfasse pas aux hypothèses de la question 5).
—————————————corrigé—————————————–
√ √
ϕn (x) = n nx, pour x ∈ [0, n1 ], ϕn (x) = n n( n2 − x), pour x ∈] n1 , n2 ], ϕn (x) = 0, pour x ∈] n2 , 1].
On a (ϕn )n∈N ⊂ C([0, 1], R). Pour tout ε > 0, ϕn → 0 uniformément sur [ε, 1] quand n → ∞.
R1 √
Enfin, 0 |ϕn (x)|2 dx ≤ 2 (car |ϕn (x)| ≤ n pour x ∈ [0, n2 ]).
—————————————————————————————–
Z 1
11. Peut-on remplacer l’hypothèse (12.2) par : il existe p > 1 et C > 0 t.q. |ϕn (x)|p dx ≤ C, pour
0
tout n ∈ N ?
—————————————corrigé—————————————–
Oui, le raisonnement fait pour p = 2 s’adapte ici en remarquant que a ≤ 1δ + δ p−1 ap (pour δ > 0 et
a ≥ 0).
—————————————————————————————–
Z 1
12. Peut-on remplacer l’hypothèse (12.2) par : il existe C > 0 t.q. |ϕn (x)|dx ≤ C, pour tout n ∈ N ?
0
—————————————corrigé—————————————–
Non, il suffit de reprendre l’exemple de la question 4 :
ϕn (x) = n2 x, pour x ∈ [0, n1 ], ϕn (x) = n2 ( n2 − x), pour x ∈] n1 , n2 ], ϕn (x) = 0, pour x ∈] n2 , 1].
—————————————————————————————–
Corrigé 4 (Normes définies par l’intégrale)

Soit E = C([−1, 1], R) l’espace des fonctions continues de [−1, +1] dans R. Pour ϕ ∈ E, on pose
R +1 R 21
+1
kϕk1 = −1 |ϕ(t)| dt et kϕk2 = −1 |ϕ(t)|2 dt .
1. Montrer que (E, k · k1 ) est un espace normé.
—————————————corrigé—————————————–
Il est clair que kf k1 ∈ R+ pour tout f ∈ E et que kαf k1 = |α|kf k1 , kf + gk1 ≤ kf k1 + kgk1 pour
tout α ∈ R, f, g ∈ E.
274
Il reste à vérifier que kf k1 = 0 implique f = 0. Pour le montrer, il suffit de remarquer que si f 6= 0,
il existe t ∈ [−1, 1] t.q. a = f (t) 6= 0 et donc, par continuité de f , il existe α, β ∈ [−1, 1], α < β et
f > a/2 sur [α, β]. D’où l’on déduit kf k1 ≥ a2 (β − α) > 0.
—————————————————————————————–
2. Pour n ∈ N, on définit ϕn ∈ E par


 0 si −1 ≤ x ≤ 0



1
ϕn (x) = nx si 0≤x≤ n



 1
1 si ≤x≤1

n
(a) Montrer que si (ϕn )n∈N converge vers ϕ dans (E, k · k1 ), alors ϕ(x) = 0 si x < 0 et ϕ(x) = 1
si x > 0.
—————————————corrigé—————————————–
R0
On a −1 |ϕ(x)|dx ≤ kϕn − ϕk1 pour tout n ∈ N. En faisant tendre n vers ∞ on en déduit
R0
−1
|ϕ(x)|dx = 0 et donc (par continuité de ϕ) que ϕ = 0 sur [−1, 0].
R1
Soit ε > 0. On a aussi ε |ϕ(x) − 1|dx ≤ kϕn − ϕk1 pour tout n t.q. 1/n ≤ ε. On en déduit,
R0
en faisant tendre n vers ∞ que ε |ϕ(x) − 1|dx = 0 et donc ϕ = 1 sur [ε, 1]. Comme ε est
arbitraire, on a finalement ϕ = 1 sur ]0, 1]. Noter que ceci est en contradiction avec ϕ = 0 sur
[−1, 0] et la continuité de ϕ en 0. La suite (ϕn )n∈N ne converge donc pas dans (E, k · k1 ).
—————————————————————————————–
(b) En déduire que (E, k · k1 ) n’est pas complet.
—————————————corrigé—————————————–
1
La suite (ϕn )n∈N est de Cauchy dans (E, k · k1 ) (il suffit de remarquer que kϕn − ϕm k1 ≤ n si
m ≥ n) et ne converge pas dans (E, k · k1 ) . L’espace (E, k · k1 ) n’est donc pas complet.
—————————————————————————————–
3. Montrer que (E, k · k2 ) est un espace préhilbertien (c’est-à-dire que sa norme est induite par un
produit scalaire) mais n’est pas complet (ce n’est donc pas un espace de Hilbert).
—————————————corrigé—————————————–
R1
Pour f, g ∈ E, on pose (f /g)2 = −1 f (x)g(x)dx. L’application (f, g) 7→ (f /g)2 est un produit
scalaire sur E, c’est-à-dire que c’est une application bilinéaire de E × E dans R, symétrique et
(f /f )2 = 0 impliquepf = 0. Elle induit donc une norme sur E qui est justement le la norme k · k2 ,
c’est-à-dire kf k2 = (f /f )2 . L’espace (E, k · k2 ) est donc un espace préhilbertien (voir la partie du
cours sur les espaces de Hilbert pour plus de précisions).
L’espace (E, k · k2 ) n’est pas complet car la même suite qu’à la question précédente, (ϕn )n∈N , est
de Cauchy dans (E, k · k2 ) (on a aussi kϕn − ϕm k2 ≤ n1 si m ≥ n) et ne converge pas dans (E, k · k2 )
(un raisonnement analogue à celui de la question précédente montre que si (ϕn )n∈N converge vers
ϕ dans (E, k · k2 ), alors ϕ(x) = 0 si x < 0 et ϕ(x) = 1 si x > 0, ce qui est en contradiction avec la
continuité de ϕ en 0).
—————————————————————————————–
275
Corrigé 5 (Rappels sur la convergence des suites réelles)
1. Soit u = (un )n∈N une suite à valeurs dans R. On rappelle que lim supn→∞ un = limn→∞ supp≥n up .
Montrer que lim supn→∞ un est la plus grande valeur d’adhérence de u.
—————————————corrigé—————————————–
On note an = supp≥n up ∈ R. La suite (an )n∈N est décroissante donc convergente dans R, ceci
montre que lim supn→∞ un est bien définie. on pose a = limn→∞ an = lim supn→∞ un .
On montre tout d’abord que a est une valeur d’adhérence de la suite (un )n∈N . On distingue 3 cas :
Cas 1 Il existe n ∈ N t.q. an = −∞.

On a alors up = −∞ pour tout p ≥ n et donc un → −∞ et a = −∞ est bien une valeur
d’adhérence de la suite (un )n∈N .
Cas 2 an = ∞ pour tout n ∈ N.
pour tout n ∈ N, on a supp≥n up = ∞, il existe donc ϕ(n) ≥ n t.q. uϕ(n) ≥ n. La suite
(uϕ(n) )n∈N est donc une sous suite de la suite (un )n∈N , elle converge vers a = ∞, donc a est
bien une valeur d’adhérence de la suite (un )n∈N .
Cas 3 an > −∞ pour tout n ∈ N et il existe q ∈ N t.q. aq < ∞.
Dans ce cas, on a an ∈ R pour tout n ≥ q. Pour tout n ≥ q, il existe ϕ(n) ≥ n t.q.
an − n1 ≤ uϕ(n) ≤ an (par définition d’un sup). La suite (uϕ(n) )n≥q est donc une sous suite de
la suite (un )n∈N , elle converge vers a = limn→∞ an , donc a est bien une valeur d’adhérence de
la suite (un )n∈N .
Il reste à montrer que a est supérieur ou égal à toutes les valeurs d’adhérence de la suite (un )n∈N .
Soit b une valeur d’adhérence de la suite (un )n∈N . Il existe donc ϕ : N → N t.q. ϕ(n) → ∞ et
uϕ(n) → b, quand n → ∞. Comme aϕ(n) ≥ uϕ(n) pour tout n ∈ N, on a donc, en passant à limite
quand n → ∞, a ≥ b. a est donc la plus grande valeur d’adhérence de la suite (un )n∈N .
—————————————————————————————–
2. Si u = (un )n∈N est une suite à valeurs dans R, on sait (conséquence du résultat de la question
précédente) qu’il existe une suite extraite de u qui converge vers lim supn→∞ un . Donner un exemple
d’une suite de fonctions (fn )n∈N de R dans R t.q. aucune sous suite ne converge simplement vers
lim supn→∞ fn (qui est définie par (lim supn→∞ fn )(x) = lim supn→∞ (fn (x)) pour tout x ∈ R).
—————————————corrigé—————————————–
Comme card(P(N)) = card(R), il existe ψ : R → P(N) bijective. On définit maintenant fn pour
tout n ∈ N.
Soit x ∈ R,
• Si le cardinal de ψ(x) est fini, on prend fn (x) = 1 pour tout n ∈ N.

• Si le cardinal de ψ(x) est infini, on peut écrire ψ(x) = {ϕx (p), p ∈ N} où ϕx est une fonction
strictement croissante de N dans N. on prend alors fn (x) = 1 si n 6∈ ψ(x), fn (x) = 1 si
n = ϕx (2q) avec q ∈ N et fn (x) = 0 si n = ϕx (2q + 1) avec q ∈ N.
276
Avec ce choix de (fn )n∈N , lim supn→∞ fn est la fonction constante et égale à 1. On montre main-
tenant que aucune sous suite de (fn )n∈N ne converge simplement vers lim supn→∞ fn . En effet,
soit ϕ : N → N t.q. ϕ(n) → ∞ quand n → ∞. Il existe x ∈ R t.q. ψ(x) = Im(ϕ) (car ψ est
surjective). Pour tout p ∈ N, on peut trouver n ≥ p t.q. ϕ(n) = ϕx (2q + 1) pour un certain q ∈ N
(car {ϕ(0), . . . , ϕ(p − 1)} ne peut pas contenir {ϕx (2q + 1), q ∈ N}), on a donc fϕ(n) (x) = 0, ce qui
montre que fϕ(n) (x) 6→ 1 quand n → ∞. La sous suite (fϕ(n) )n∈N ne converge donc pas simplement
vers lim supn→∞ fn .
—————————————————————————————–
3. Trouver l’ensemble des valeurs d’adhérence d’une suite (un )n∈N t.q.:
lim inf n→∞ un = 0, lim supn→∞ un = 1 et limn→∞ |un+1 − un | = 0.
Donner un exemple d’une telle suite.
—————————————corrigé—————————————–
On note A l’ensemble des valeurs d’adhérence de la suite (un )n∈N . D’après la question 1 (et son
analogue avec lim inf) on a 0, 1 ∈ A et A ⊂ [0, 1]. On montre maintenant que A = [0, 1].
Soit a ∈]0, 1[. Pour n ∈ N, il existe p ≥ n t.q. up > a (car supp≥n up ≥ 1). De même, il existe
q > p t.q. uq < a (car inf q≥p uq ≤ 0). On pose ϕ(n) = min{q > p; uq < a}. On a donc
uϕ(n) < a ≤ uϕ(n)−1 (noter que ceci est aussi vrai si q = p + 1, grâce au choix de p). Comme
|uϕ(n) − uϕ(n)−1 | → 0 quand n → ∞ (noter que ϕ(n) → ∞ quand n → ∞ car ϕ(n) > n), on a
uϕ(n) → a quand n → ∞ et donc a ∈ A. ceci prouve que A = [0, 1].
On obtient un exemple d’une telle suite de la manière suivante :
Pour n ∈ N il existe un unique (p, q) avec p ∈ N, 0 ≤ q ≤ p t.q. n = p(p+1)
2 + q, on pose alors
q
un = p+1 si p = 2k avec k ∈ N, et un = p−q
p+1 si p = 2k + 1 avec k ∈ N.
—————————————————————————————–
Corrigé 6 (Fonctions caractéristiques d’ensembles)

Soit E un ensemble. Lorsque A est une partie de E, on définit 1A : E → R par :
1A (x) = 1, si x ∈ A,
(12.3)
1A (x) = 0, si x 6∈ A.
1A est appelée “fonction caractéristique de A” (elle est souvent aussi notée χA ).
1. Montrer que si A et B sont deux sous-ensembles disjoints de E, alors 1A∪B = 1A + 1BP . En déduire
que si (An )n∈N est une suite de sous-ensembles P de E deux à deux disjoints, on a n∈N 1An =
1∪n∈N An (on précisera aussi le sens donné à “ n∈N 1An ”).
—————————————corrigé—————————————–
Si A et B sont 2 parties de E, il est facile de voir que 1A∪B (x) est différent de 1A (x) + 1B (x)
seulement si x ∈ A ∩ B. Si A et B sont deux parties disjointes de E, on a bien 1A∪B = 1A + 1B .
Si (An )n∈N est une suite de parties de E, on définit, pour x ∈ E :
X n
X
1An (x) = lim 1An (x),
n→∞
n∈N p=0
277
cette limite existe toujours dans R+ . Si les (An ) sont disjoints 2 à 2, cette limite est 0 si x 6∈ ∪n∈N An
et est 1 si x ∈ ∪n∈N An (car x appartient alors à un seul An ).
—————————————————————————————–
2. Montrer que si B ⊂ A ⊂ E, on a 1A\B = 1A − 1B .
—————————————corrigé—————————————–
Si x ∈ B, on a 1A\B (x) = 1A (x) − 1B (x) = 0,
Si x ∈ A \ B, on a 1A\B (x) = 1A (x) − 1B (x) = 1,
Si x ∈ Ac , on a 1A\B (x) = 1A (x) − 1B (x) = 0,
ceci donne bien 1A\B = 1A − 1B .

—————————————————————————————–
3. Montrer que, pour A et B sous-ensembles de E, on a 1A∩B = 1A 1B .
—————————————corrigé—————————————–
Si x ∈ A ∩ B, on a 1A∩B (x) = 1A (x)1B (x) = 1,
Si x ∈ (A ∩ B)c = Ac ∪ B c , on a 1A∩B (x) = 1A (x)1B (x) = 0,
ceci donne bien 1A∩B = 1A 1B .

—————————————————————————————–
4. Soit f : E → R une fonction ne prenant qu’un nombre fini de valeurs. Montrer que f s’écrit
comme combinaison linéaire de fonctions caractéristiques.
—————————————corrigé—————————————–
Soit a1 ,. . . ,an les valeurs prises parPf (noter que ai 6= aj si i 6= j). On pose alors Ai = {x ∈ E;
n
f (x) = ai }. On voit alors que f = i=1 ai 1Ai .
—————————————————————————————–
Corrigé 7 (Limite uniforme dans R)

Soit (fn )n∈N ⊂ C(R+ , R+ ). On suppose que (fn )n∈N converge uniformément vers f (de sorte que
f ∈ C(R+ , R+ )).
Ra R +∞
(a) On suppose que, pour n ∈ N, lima→+∞ 0
fn (x) dx existe dans R. On note 0
fn (x) dx cette
limite.
Ra
Montrer, en donnant un exemple, que lima→+∞ 0
f (x) dx peut ne pas exister dans R.
—————————————corrigé—————————————–
Pour n ≥ 1, on définit fn par :
fn (x) = 1, si 0 ≤ x < 1,
fn (x) = x1 , si 1 ≤ x ≤ n;
fn (x) = n + n1 − x, si n < x < n + n1 ,
fn (x) = 0, si x ≥ n + n1 .
278
La suite (fn )n∈N converge uniformément vers f défnie par :
f (x) = 1, si 0 ≤ x < 1, f (x) = x1 , si 1 ≤ x.
Plus précisément, on a kfn − f ku ≤ n1 → 0 quand n → ∞.
Ra
D’autre part, pour a ≥ 1, 0 f (x) dx = 1 + log(a) → ∞ quand a → ∞.
—————————————————————————————–
R +∞ Ra
(b) On suppose de plus que limn→∞ 0 fn (x) dx existe dans R et que lima→+∞ 0 f (x) dx existe
R +∞
dans R. On note alors 0 f (x) dx cette dernière limite. A-t-on
Z +∞ Z +∞
lim fn (x) dx = f (x) dx ?
n→∞ 0 0
—————————————corrigé—————————————–
fn (x) = n1 , si 0 ≤ x < n,
fn (x) = n + n1 − x, si n < x < n + n1 ,
fn (x) = 0, si x ≥ n + n1 .
La suite (fn )n∈N converge uniformément vers 0 car kfn ku = n1 → 0 quand n → ∞, mais
R +∞
1 ≤ 0 fn (x) dx 6→ 0 quand n → ∞.
—————————————————————————————–
Corrigé 8 (Limites sup et inf d’ensembles)

Soit (An )n∈N une suite de parties d’un ensemble E. On note
[ \ \ [
lim inf An = Ap et lim sup An = Ap .
n→∞ n→∞
n∈N p≥n n∈N p≥n
1. On suppose la suite (An )n∈N monotone, c’est-à-dire que An ⊂ An+1 , pour tout n ∈ N, ou que
An+1 ⊂ An , pour tout n ∈ N. Que sont lim inf n→∞ An et lim supn→∞ An ?
—————————————corrigé—————————————–
On suppose que An ⊂ An+1 , pour tout n ∈ N, on alors lim inf n→∞ An = lim supn→∞ An = ∪n∈N An .
On suppose que An+1 ⊂ An , pour tout n ∈ N, on alors lim inf n→∞ An = lim supn→∞ An = ∩n∈N An .
—————————————————————————————–
2. Même question que précédemment si la suite est définie par : A2p = A et A2p+1 = B, p ∈ N, A et
B étant deux parties données de E.
—————————————corrigé—————————————–
Dans ce cas, on a lim inf n→∞ An = A ∩ B et lim supn→∞ An = A ∪ B.
—————————————————————————————–
3. Montrer que:
1lim supn→∞ An = lim sup 1An ,
n→∞
lim inf An ⊂ lim sup An ,

n→∞ n→∞
279
+∞
X
lim inf An = {x ∈ E; 1Acn (x) < ∞} ,
n→∞
n=0
+∞
X
lim sup An = {x ∈ E; 1An (x) = ∞} .
n→∞
n=0
—————————————corrigé—————————————–
On remarque d’abord que, si (Bn )n∈N ⊂ E, 1∩n∈N Bn = inf n∈N 1Bn et 1∪n∈N Bn = supn∈N 1Bn .
• Soit x ∈ E,
1lim supn→∞ An (x) = 1∩n∈N ∪p≥n Ap (x) = inf 1∪p≥n Ap (x) = inf (sup 1Ap (x)) =
n∈N n∈N p≥n
lim (sup 1Ap (x)) = lim sup 1Ap (x).
n→∞ p≥n n→∞
Donc 1lim supn→∞ An = lim supn→∞ 1An .
De même, soit x ∈ E,
1lim inf n→∞ An (x) = 1∪n∈N ∩p≥n Ap (x) = sup 1∩p≥n Ap (x) = sup( inf 1Ap (x)) =
n∈N n∈N p≥n
lim ( inf 1Ap (x)) = lim inf 1Ap (x).
n→∞ p≥n n→∞
Donc 1lim inf n→∞ An = lim inf n→∞ 1An .

• Si x ∈ lim inf n→∞ An , il existe n ∈ N t.q. x ∈ ∩p≥n Ap , donc x ∈ ∪p≥m Ap pour tout m ∈ N
(on a, par exemple, x ∈ Ap avec p = max{m, n}). On en déduit x ∈ ∩m∈N ∪p≥m Ap =
lim supn→∞ An . Donc lim inf n→∞ An ⊂ lim supn→∞ An .
• Soit x ∈ E. On voit que x ∈ lim inf n→∞ An si et seulement si il existe n ∈ N t.q. x ∈ Ap pour
ce qui est équivalent à dire que x n’appartient à Acn que pour unPnombre fini de n ou
tout p ≥ n, P
+∞ +∞
encore que n=0 1Acn (x) < ∞. On a donc bien lim inf n→∞ An = {x ∈ E; n=0 1Acn (x) < ∞}.
• Soit x ∈ E. On voit que x ∈ lim supn→∞ An si et seulement si, pour tout n ∈ N, il existe p ≥ n
t.q. x ∈ Ap , ce qui est équivalent à dire que x n’appartient à An que pour un nombre infini de n
P+∞ P+∞
ou encore que n=0 1An (x) = ∞. On a donc bien lim supn→∞ An = {x ∈ E; n=0 1An (x) =
∞}.
—————————————————————————————–
280
12.2.1 Tribus
Corrigé 9 (Caractérisation d’une tribu)
Soit E un ensemble.
1. Soit T une partie de P(E) stable par union dénombrable, stable par passage au complémentaire et
t.q. ∅ ∈ T . Montrer que T est une tribu, c’est-à-dire qu’elle vérifie aussi E ∈ T et qu’elle est stable
par intersection dénombrable.
—————————————corrigé—————————————–
• E ∈ T car E = ∅c et que T est stable par passage au complémentaire.

• T est stable par intersection dénombrable car, si (An ) ⊂ T , on a (∩n∈N An )c = ∪n∈N Acn ∈ T (car
T est stable par passage au complémentaire et par union dénombrable) et donc ∩n∈N An ∈ T
(car T est stable par passage au complémentaire).
—————————————————————————————–
2. L’ensemble des parties finies de E est-il une tribu ?
—————————————corrigé—————————————–
• Si E est fini, l’ensemble des parties finies de E est une tribu, c’est la tribu P(E).
• Si E est infini, l’ensemble des parties finies de E n’est pas une tribu, car il n’est pas stable par
passage au complémentaire (le complémentaire d’une partie finie est infinie. . . ).
—————————————————————————————–
Corrigé 10 (Tribu engendrée)

Soit E un ensemble.
1. Montrer qu’une intersection quelconque de tribus sur E est une tribu sur E.
—————————————corrigé—————————————–
Soit (Ti )i∈I une famille de tribus sur I (I est un ensemble quelconque). On pose T = {A ⊂ E;
A ∈ Ti pour tout i ∈ I} (T est bien l’intersection des tribus Ti , i ∈ I). On montre que T est une
tribu :
• ∅ ∈ T car ∅ ∈ Ti pour tout i ∈ I.

• T est stable par complémentaire car, si A ⊂ T , on a A ∈ Ti pour tout i ∈ I, donc Ac ∈ Ti
pour tout i ∈ I (car Ti est stable par passage au complémentaire), donc Ac ∈ T .
• T est stable par union dénombrable car, si (An )n∈N ⊂ T , on a An ∈ Ti pour tout i ∈ I et
tout n ∈ N donc ∪n∈N An ∈ Ti pour tout i ∈ I et tout n ∈ N (car Ti est stable par union
dénombrable), donc ∪n∈N An ∈ T ,
d’après l’exercice précédent, on en déduit que T est une tribu.

—————————————————————————————–
281
2. Soit A ⊂ P(E). On note TA l’intersection de toutes les tribus sur E contenant A (une partie
de E appartient donc à TA si et seulement si elle appartient à toutes les tribus contenant A, on
remarquera qu’il y a toujours au moins une tribu contenant A, c’est la tribu P(E)). Montrer que
TA est la plus petite des tribus contenant A (c’est la tribu engendrée par A).
—————————————corrigé—————————————–
D’après la question précédente, TA est bien une tribu. La définition de TA donne que toute tribu
contenant A doit contenir TA . TA est donc la plus petite tribu contenant A.
—————————————————————————————–
3. Soient A et B ⊂ P(E) et TA , TB les tribus engendrées par A et B. Montrer que si A ⊂ B alors
TA ⊂ TB .
—————————————corrigé—————————————–
TB est une tribu contenant B, donc contenant A. Donc TA ⊂ TB .
—————————————————————————————–
Corrigé 11 (Exemples de Tribus)
1. Tribu trace
(a) Soit T une tribu sur un ensemble E et F ⊂ E. Montrer que TF = {A ∩ F, A ∈ T } est une
tribu sur F (tribu trace de T sur F ).
—————————————corrigé—————————————–
• ∅ ∈ TF car ∅ = ∅ ∩ F et ∅ ∈ T .
• Soit A ∈ TF . Il existe B ∈ T t.q. A = B ∩ F . On a donc F \ A = (E \ B) ∩ F ∈ TF car
E \ B ∈ T . TF est donc stable par passage au complémentaire.
• Soit (An )n∈N ⊂ TF . Pour tout n ∈ N, il existe Bn ∈ T t.q. An = Bn ∩ F . On a
donc ∪n∈N An = (∪n∈N Bn ) ∩ F ∈ TF car ∪n∈N Bn ∈ T . TF est donc stable par union
dénombrable.
Ceci est suffisant pour dire que TF est une tribu sur F .
—————————————————————————————–
(b) Si E est un espace topologique et T = B(E) (B(E) est la tribu borélienne de E), montrer
que la tribu trace sur F , notée TF , est la tribu engendrée par la topologie trace sur F (tribu
borélienne de F , notée B(F )). [Montrer que B(F ) ⊂ TF . Pour montrer que TF ⊂ B(F ),
considérer C = {A ∈ P(E); A ∩ F ∈ B(F )} et montrer que C est une tribu (sur E) contenant
les ouverts de E.] Si F est un borélien de E, montrer que TF est égale à l’ensemble des
boréliens de E contenus dans F .
—————————————corrigé—————————————–
On note OF l’ensemble des ouverts de F , et OE l’ensemble des ouverts de E. Par définition
de la topologie trace, OF = {O ∩ F , O ∈ OE }.
Comme OE ⊂ B(E), on a OF ⊂ TF = {B ∩ F , B ∈ B(E)} (Noter que TF = B(E)F , avec les
notations de la question précédente). On en déduit que B(F ) ⊂ TF car TF est une tribu sur
F contenant OF qui engendre B(F ).
282
On montre maintenant que TF ⊂ B(F ). On pose C = {A ∈ P(E); A ∩ F ∈ B(F )}. ∅ ∈ C
car ∅ ∩ F = ∅ ∈ B(F ). C est stable par passage au complémentaire car, si A ∈ C, on a
(E \ A) ∩ F = F \ A = F \ (A ∩ F ) ∈ B(F ), donc (E \ A) ∈ C. Enfin, pour montrer que C est
stable par union dénombrable, soit (An )n∈N ⊂ C, on a (∪n∈N An ) ∩ F = ∪n∈N (An ∩ F ) ∈ B(F ),
ce qui donne ∪n∈N An ∈ C et la stabilité de C par union dénombrable. C est donc une tribu.
Il est clair que OE ⊂ C car si O ∈ OE , on a O ∩ F ∈ OF ⊂ B(F ). La tribu C contient OE ,
ce qui prouve que C contient B(E) et donc que A ∩ F ∈ B(F ) pour tout A ∈ B(E). Ceci
donne exactement TF ⊂ B(F ). On a bien montré finalement que TF = B(F ) (on rappelle que
TF = B(E)F , avec les notations de la question précédente).
On suppose maintenant que F est un borélien de E, c’est-à-dire que F ∈ B(E). On a alors

TF ⊂ B(E) (car A ∩ F ∈ B(E) si A ∈ B(E)). Puis, soit A ⊂ F t.q. A ∈ B(E), on peut écrire
A = A ∩ F , donc A ∈ TF . On a bien montré que TF = {A ⊂ F ; A ∈ B(E)}.
—————————————————————————————–
2. Soit E un ensemble infini et S = {{x}, x ∈ E}. Déterminer la tribu engendrée par S (distinguer les
cas E dénombrable et non dénombrable).
—————————————corrigé—————————————–
On note T (S) la tribu engendrée par S.
• On suppose que E est au plus dénombrable (c’est-à-dire dire fini ou dénombrable). D’après
la stabilité de T (S) par union dénombrable, la tribu T (S) doit contenir toutes les parties au
plus dénombrables. Comme toutes les parties de E sont au plus dénombrables, on en déduit
T (S) = P(E).
• On suppose maintenant que E est infini non dénombrable. On note A l’ensemble des parties de
E au plus dénombrables et B = {Ac , A ∈ A}. D’après la stabilité de T (S) par union dénom-
brable, la tribu T (S) doit contenir A. Par stabilité de T (S) par passage au complémentaire,
T (S) doit aussi contenir B.
on va montrer maintenant que A ∪ B est une tribu (on en déduit que T (S) = A ∪ B). On a
∅ ∈ A ⊂ A ∪ B et il est clair que A ∪ B est stable par passage au complémentaire (car A ∈ A
implique Ac ∈ B et A ∈ B implique Ac ∈ A). Enfin, si (An )n∈N ⊂ A ∪ B, on distingue 2 cas :
1er cas. Si An ∈ A pour tout n ∈ N, on a alors ∪n∈N An ∈ A ⊂ A ∪ B.
2eme cas. Si il existe n ∈ N t.q. An ∈ B on a alors Acn ∈ A, donc Acn est au plus dénombrable
et (∪p∈N Ap )c = ∩p∈N Acp ⊂ Acn est aussi au plus dénombrable,ce qui donne (∪p∈N Ap )c ∈ A et
∪p∈N Ap ∈ B ⊂ A ∪ B.
On a bien montré que ∪n∈N An ∈ A ∪ B. Ce qui prouve la stabilité par union dénombrable de
A ∪ B. Finalement, A ∪ B est donc une tribu contenant S et contenu dans T (S), ceci donne
T (S) = A ∪ B.
—————————————————————————————–
Corrigé 12 (Tribu image)

Soient E et F des ensembles. Pour A ⊂ P(E) (resp. P(F )) on note T (A) la tribu de E (resp. F )
engendrée par A.
Soit f : E → F une application.
283
1. Montrer que si T 0 est une tribu sur F , alors f −1 (T 0 ) = {f −1 (B); B ∈ T 0 } est une tribu sur E
(tribu image réciproque).
—————————————corrigé—————————————–
On démontre que f −1 (T 0 ) est une tribu sur E en remarquant que f −1 (∅) = ∅, E \ f −1 (A) =
f −1 (F \A) (pour tout A ⊂ F ) et f −1 (∪n∈N An ) = ∪n∈N f −1 (An ) (pour toute suite (An )n∈N ⊂ P(F )).
—————————————————————————————–
2. Montrer que si T est une tribu sur E, alors T 0 = {B ⊂ F ; f −1 (B) ∈ T } est une tribu sur F (tribu
image directe).
—————————————corrigé—————————————–
Ici aussi, on montre que T 0 est une tribu sur F en remarquant que f −1 (∅) = ∅, f −1 (F \ A) =
E\f −1 (A) (pour tout A ⊂ F ) et f −1 (∪n∈N An ) = ∪n∈N f −1 (An ) (pour toute suite (An )n∈N ⊂ P(F )).
Noter que, en général, {f (B), B ∈ T } n’est pas une tribu sur F (par exemple, si f est non surjective,
F 6∈ {f (B), B ∈ T }).
—————————————————————————————–
3. Montrer que pour tout ensemble C de parties de F on a : T (f −1 (C)) = f −1 (T (C)). [Montrer que
T (f −1 (C)) ⊂ f −1 (T (C)). Puis, pour montrer que f −1 (T (C)) ⊂ T (f −1 (C)), montrer que T = {G ⊂
F ; f −1 (G) ∈ T (f −1 (C))} est une tribu contenant C.]
—————————————corrigé—————————————–
f −1 (T (C)) est une tribu sur E (d’après la première question) contenant f −1 (C) (car T (C) ⊃ C), elle
contient donc T (f −1 (C)), ce qui donne f −1 (T (C)) ⊃ T (f −1 (C)).
Pour montrer l’inclusion inverse, c’est-à-dire f −1 (T (C)) ⊂ T (f −1 (C)). On pose T = {G ⊂ F ;
f −1 (G) ∈ T (f −1 (C))}. On montre d’abord que T est une tribu :
• ∅ ∈ T car f −1 (∅) = ∅ ∈ T (f −1 (C))

• T est stable par passage au complémentaire car, si A ∈ T , on a f −1 (A) ∈ T (f −1 (C)) et
f −1 (F \ A) = E \ f −1 (A) ∈ T (f −1 (C)), donc (F \ A) ∈ T .
• T est stable par union dénombrable car, si (An )n∈N ⊂ T , on a f −1 (An ) ∈ T (f −1 (C)) pour
tout n ∈ N et f −1 (∪n∈N An ) = ∪n∈N f −1 (An ) ∈ T (f −1 (C)), donc ∪n∈N An ∈ T .
On a bien montré que T est une tribu. Il est immédiat que T ⊃ C (car f −1 (B) ∈ T (f −1 (C)) pour
tout B ∈ C). On en déduit que T contient T (C), c’est-à-dire que f −1 (B) ∈ T (f −1 (C)) pour tout
B ∈ T (C). Ceci signifie exactement que f −1 (T (C)) ⊂ T (f −1 (C)).
Les 2 inclusions nous donnent bien f −1 (T (C)) = T (f −1 (C)).
—————————————————————————————–
Corrigé 13 (Tribu borélienne de R2 )

On note T la tribu (sur R2 ) engendrée par {A × B; A, B ∈ B(R)}. On va montrer ici que T = B(R2 ).
1. Montrer que tout ouvert de R2 est réunion au plus dénombrable de produits d’intervalles ouverts de
R. [S’inspirer d’une démonstration analogue faite pour R au lieu de R2 .] En déduire que B(R2 ) ⊂ T .
284
—————————————corrigé—————————————–
On s’inspire ici de la démonstration du lemme 2.1 (on peut reprendre aussi la démonstration de
l’exercice 14).
Soit O un ouvert de R2 . Pour tout x = (x1 , x2 )t ∈ O, il existe r > 0 t.q. ]x1 − r, x1 + r[×]x2 −
r, x2 + r[⊂ O. Comme les rationnels sont denses dans R, on peut trouver y1 ∈ Q∩]x1 − r, x1 [,
z1 ∈ Q∩]x1 , x1 + r[, y2 ∈ Q∩]x2 − r, x2 [ et z2 ∈ Q∩]x2 , x2 + r[. On a donc x ∈]y1 , z1 [×]y2 , z2 [⊂ O.
On note alors I = {(y1 , z1 , y2 , z2 ) ∈ Q4 ; ]y1 , z1 [×]y2 , z2 [) ⊂ O}. Pour tout x ∈ O, il existe donc
(y1 , z1 , y2 , z2 ) ∈ I t.q. x ∈]y1 , z1 [×]y2 , z2 [. On en déduit que
O = ∪(y1 ,z1 ,y2 ,z2 )∈I ]y1 , z1 [×]y2 , z2 [.
Comme I est au plus dénombrable (car Q4 est dénombrable), on en déduit que O ∈ T . On a ainsi
montré que T est une tribu contenant tous les ouverts de R2 , et donc contenant la tribu engendrée
par les ouverts de R2 (c’est-à-dire B(R2 )). Donc, B(R2 ) ⊂ T .
—————————————————————————————–
2. Soit A un ouvert de R et T1 = {B ∈ B(R); A × B ∈ B(R2 )}. Montrer que T1 est une tribu (sur R)
contenant les ouverts (de R). En déduire que T1 = B(R).
—————————————corrigé—————————————–
• ∅ ∈ T1 car A × ∅ = ∅ ∈ B(R2 ).
• On montre ici que T1 est stable par passage au complémentaire.
Soit B ∈ T1 , on a donc B c ∈ B(R) et A × B c = A × (R \ B) = (A × R) \ (A × B). Or, (A × R)
est un ouvert de R2 (car A et R sont des ouverts de R), on a donc (A × R) ∈ B(R2 ). D’autre
part, (A × B) ∈ B(R2 ) (car B ∈ T1 ). Donc, A × B c = (A × R) \ (A × B) ∈ B(R2 ). Ce qui
prouve que B c ∈ T1 et donc que T1 est stable par passage au complémentaire.
• Enfin, T1 est stable par union dénombrable. En effet, si (Bn )n∈N ⊂ T1 , on a A × (∪n∈N Bn ) =
∪n∈N A × Bn ∈ B(R2 ) (car A × Bn ∈ B(R2 ) pour tout n ∈ N). Donc, ∪n∈N Bn ∈ T1 .
On a donc montré que T1 est une tribu, il reste à montrer que T1 contient les ouverts de R.
Soit B un ouvert de R. On a donc B ∈ B(R) et, comme A × B est un ouvert de R2 , on a
A × B ∈ B(R2 ). On a donc B ∈ T1 .
T1 est donc une tribu contenant les ouverts de R, donc contenant B(R). Donc, T1 = B(R).
La conséquence de cette question est donc :
A ouvert de R et B ∈ B(R) ⇒ A × B ∈ B(R2 ). (12.4)
—————————————————————————————–
3. Soit B ∈ B(R) et T2 = {A ∈ B(R); A × B ∈ B(R2 )}. Montrer que T2 = B(R).
—————————————corrigé—————————————–
On commence par remarquer que la question précédente donne que T2 contient les ouverts de R.
En effet, soit A un ouvert de R, la propriété (12.4) donne A × B ∈ B(R2 ), et donc A ∈ T2 .
On montre maintenant que T2 est une tribu (on en déduira que T2 = B(R)).
285
• ∅ ∈ T2 car ∅ × B = ∅ ∈ B(R2 ).
• On montre ici que T2 est stable par passage au complémentaire.
Soit A ∈ T2 , on a Ac ∈ B(R) et Ac × B = (R × B) \ (A × B). La propriété (12.4) donne
(R × B) ∈ B(R2 ) car R est un ouvert de R. D’autre part, (A × B) ∈ B(R2 ) (car A ∈ T2 ).
Donc, Ac × B ∈ B(R2 ). Ce qui prouve que Ac ∈ T2 et donc que T2 est stable par passage au
complémentaire.
• Enfin, T2 est stable par union dénombrable. En effet, si (An )n∈N ⊂ T2 , on a (∪n∈N An ) × B =
∪n∈N (An × B) ∈ B(R2 ) (car An × B ∈ B(R2 ) pour tout n ∈ N). Donc, ∪n∈N An ∈ T2 .
T2 est donc une tribu (sur R) contenant les ouverts de R, ce qui prouve que T2 ⊃ B(R) et donc,
finalement, T2 = B(R).
—————————————————————————————–
4. Montrer que T ⊂ B(R2 ) (et donc que T = B(R2 )).
—————————————corrigé—————————————–
La question précédente donne :
A, B ∈ B(R) ⇒ A × B ∈ B(R2 ).
On a donc {A × B; A, B ∈ B(R)} ⊂ B(R2 ). On en déduit T ⊂ B(R2 ). Avec la question 1, on a

finalement T = B(R2 ).
—————————————————————————————–
Corrigé 14 (Tribu borélienne sur RN )
1. Montrer que la tribu borélienne de RN est égale à celle engendrée par l’ensemble de toutes les boules
ouvertes de RN . [On pourra montrer d’abord que tout ouvert de RN est réunion dénombrable de
boules ouvertes de RN .]
—————————————corrigé—————————————–
Soit T la tribu engendrée par l’ensemble de toutes les boules ouvertes de RN . Comme les boules
ouvertes sont des ouverts, on a T ⊂ B(RN ).
On montre maintenant l’inclusion inverse, c’est-à-dire B(RN ) ⊂ T . Soit O un ouvert de RN . Pour
tout x ∈ O, il existe r > 0 t.q. B(x, r) ⊂ O (où B(x, r) déisgne la boule ouverte de centre x et
rayon r). Comme les rationnels sont denses R, on peut donc trouver y ∈ QN et s ∈ Q?+ = {t ∈ Q;
t > 0}, t.q. x ∈ B(y, s) ⊂ O. On note alors I = {(y, s) ∈ QN × Q?+ ; B(y, s) ⊂ O}. On a alors
O = ∪(y,s)∈I B(y, s). Comme I est au plus dénombrable (car QN +1 est dénombrable), on en déduit
que O ∈ T et donc que B(RN ) ⊂ T (car T est une tribu contenant tous les ouverts).
Le raisonnement précédent montre même que B(RN ) est aussi la tribu engendrée par l’ensemble
des boules ouvertes à rayons rationnels et centre à coordonnées rationnelles.
—————————————————————————————–
2. Montrer que la tribu borélienne de RN est égale à celle engendrée par l’ensemble des produits
d’intervalles ouverts à extrémités rationnelles.
—————————————corrigé—————————————–
286
On reprend le même raisonnement que dans la question précédente en remplaçant B(x, r) par
QN
P (x, r) = i=1 ]xi − r, xi + r[, avec x = (x1 , . . . , xN )t .
—————————————————————————————–
3. Montrer que la tribu borélienne de R est engendrée par les intervalles ]a, b] où a, b ∈ R, a < b.
—————————————corrigé—————————————–
Soit C = {]a, b], a, b ∈ R, a < b} et T (C) la tribu engendrée par C. Comme ]a, b] = ∩n>0 ]a, b + n1 [,
on voit que ]a, b] ∈ B(R) pour tout a, b ∈ R, a < b. Donc, on a C ⊂ B(R) et donc T (C) ⊂ B(R).
On montre maintenant l’inclusion inverse, c’est-à-dire B(R) ⊂ T (C). Soit I =]a, b[ avec a, b ∈ R,
a < b. On peut écrire I = ∪n≥n0 ]a, b − n1 ], avec n0 t.q. n10 < b − a. On en déduit que I ∈ T (C).
Puis, comme tout ouvert non vide peut s’écrire comme réunion dénombrable d’intervalles ouverts
à extrémités finies (voir le lemme 2.1 page 20), on obtient que tout ouvert appartient à T (C). Ceci
permet de conclure que B(R) ⊂ T (C) et finalement que B(R) = T (C).
—————————————————————————————–
4. Soit S un sous ensemble dense de R. Montrer que B(RN ) est engendrée par la classe des boules
ouvertes (ou bien fermées) telles que les coordonnées du centre et le rayon appartiennent S.
—————————————corrigé—————————————–
On reprend le même raisonnement que dans la première question en remplaçant QN par S N (qui
est dense dans RN ) et Q?+ par S+
?
= {s ∈ S; s > 0} (qui est dense dans R?+ ).
—————————————————————————————–
Corrigé 15
Soit E un ensemble et A ⊂ P(E).
1. Montrer que A est une algèbre (cf. définition 2.4) si et seulement si A vérifie les deux propriétés
suivantes :
(a) E ∈ A,
(b) A, B ∈ A ⇒ A \ B ∈ A.
—————————————corrigé—————————————–
• On suppose que A est une algèbre. Il est clair que (a) est vérifiée. Pour montrer (b) il suffit
d’utiliser la stabilité par intersection finie et par passage au complémentaire, cela donne bien
que A \ B = A ∩ B c ∈ A si A, B ∈ A.
• On suppose maintenant que A vérifie (a) et (b).
On a alors ∅ = E \ E ∈ A, et donc ∅, E ∈ A.
On remarque ensuite que, grâce à (b), Ac = E \ A ∈ E si A ∈ A. On a donc la stabilité de A
par passage au complémentaire.
Soit maintenant A1 , A2 ∈ A. On a A1 ∩ A2 = A1 \ Ac2 , on en déduit que A1 ∩ A2 ∈ A par (b)
et la stabilité de A par passage au complémentaire. Une récurrence sur n donne alors que A
est stable par intersection finie.
Enfin, la stabilité de A par union finie découle de la stabilité de A par intersection finie et par
passage au complémentaire car (∪np=0 Ap )c = ∩np=0 Acp .
On a bien montré que A est une algèbre.
287
—————————————————————————————–
2. Soit (Ai )i∈I une famille d’algèbres (sur E). Montrer que ∩i∈I Ai = {A ∈ P(E); A ∈ Ai pour tout
i ∈ I} est encore une algèbre.
—————————————corrigé—————————————–
On peut montrer que ∩i∈I Ai est une algèbre en utilisant diretement la définition d’une algèbre.
Onb peut aussi le montrer en utilisant la première question, ce que nous faisons ici. On montre
donc que ∩i∈I Ai vérifie (a) et (b) :
• E ∈ ∩i∈I Ai car E ∈ Ai pour tout i ∈ I.

• Soit A, B ∈ ∩i∈I Ai . Pour tout i ∈ I, on a A, B ∈ Ai . On en déduit A \ B ∈ Ai (car Ai est
une algèbre) et donc A \ B ∈ ∩i∈I Ai .
On a bien montré que ∩i∈I Ai est une algèbre.

—————————————————————————————–
Si C ⊂ P(E), la deuxième question permet donc de définir l’algèbre engendrée par C comme l’intersection
de toutes les algèbres sur E contenant C.
Corrigé 16
Soit E un ensemble et C un ensemble de parties de E. On suppose que ∅, E ∈ C, que C est stable par
intersection finie et que le complémentaire de tout élément de C est une union finie disjointe d’éléments
de C, c’est-à-dire :
C ∈ C ⇒ il existe n ∈ N? et C1 , . . . , Cn ∈ C t.q. C c = ∪np=1 Cp et Cp ∩ Cq = ∅ si p 6= q.
On note B l’ensemble des réunions finies disjointes d’éléments de C. Une partie de E est donc un élément
de B si et seulement si il existe n ∈ N? et (Ap )p=1,...,n ⊂ C t.q. Ap ∩ Aq = ∅ si p 6= q et A = ∪np=1 Ap .
1. Montrer que B est stable par intersection finie et par passage au complémentaire.
—————————————corrigé—————————————–
On montre tout d’abord la stabilité de B par intersection finie. Soit A, B ∈ B. Il existe A1 , . . . , An ∈
C et B1 , . . . , Bm ∈ C t.q. Ai ∩ Aj = ∅ si i 6= j, Bi ∩ Bj = ∅, si i 6= j, A = ∪ni=1 Ai et B = ∪m j=1 Bj .
On a alors A ∩ B = (∪ni=1 Ai ) ∩ (∪m n m
j=1 Bj ) = ∪i=1 ∪j=1 (Ai ∩ Bj ). Comme Ai ∩ Bj ∈ C (car C est
stable par intersection finie) pour tout i, j et que (Ai ∩ Bj ) ∩ (Ak ∩ Bl ) = ∅ si (i, j) 6= (k, l), on en
déduit que A ∩ B ∈ B.
Une récurrence sur n donne alors la stabilité de B par intersection finie.
On montre maintenant la stabilité de B par passage au complémentaire. Soit A ∈ B. Il existe

A1 , . . . , An ∈ C t.q. Ai ∩ Aj = ∅ si i 6= j et A = ∪ni=1 Ai . On a alors Ac = ∩ni=1 Aci . Comme Aci est
une réunion finie disjointe d’éléments de C, on a bien Aci ∈ B. La stabilité de B par intersection finie
donne alors que Ac ∈ B. On a donc bien montré la stabilité de B par passage au complémentaire.
—————————————————————————————–
2. Montrer que l’algèbre engendrée par C est égale à B.
—————————————corrigé—————————————–
On note A l’agèbre engendrée par C. Comme A est stable par union finie et contient C, il est clair
que A ⊃ B. Comme B contient C, pour montrer l’inclusion inverse, il suffit de montrer que B est une
288
algèbre (car A est l’intersection de toutes les algèbres contenant C). On montre donc maintenant
que B est une algèbre.
Pour montrer que B est une algèbre, on montre que B vérifie les quatre propriétés d’une algèbre.
• E, ∅ ∈ B car C ⊂ B et E, ∅ ∈ C.
• La question précédente montre que B est stable par par intersection finie et par passage au
complémentaire.
• La stabilité de B par union finie découle facilement de la stabilité de B par intersection finie
et par passage au complémentaire, car ∪ni=1 Ai = (∩ni=1 Aci )c .
On a bien montré que B est une algèbre. Comme B ⊃ C, on a donc B ⊃ A et finalement B = A.

—————————————————————————————–
Corrigé 17
Soit E un ensemble. Pour Σ ⊂ P(E), on dit que Σ est une classe monotone (sur E) si Σ vérifie les
deux propriétés suivantes (de stabilité par union croissante dénombrable et par intersection décroissante
dénombrable) :
• (An )n∈N ⊂ Σ, An ⊂ An+1 pour tout n ∈ N ⇒ ∪n∈N An ∈ Σ,
• (An )n∈N ⊂ Σ, An ⊃ An+1 pour tout n ∈ N ⇒ ∩n∈N An ∈ Σ.
1. Soit Σ ⊂ P(E). Montrer que Σ est une tribu si et seulement si Σ est une classe monotone et une
algèbre (cf. exercice 2.8).
—————————————corrigé—————————————–
• Si Σ est une tribu, Σ est stable par union dénombrable et intersection dénombrable. On en
déduit immédiatement que Σ est une algèbre et une classe monotone.
• On suppose maintenant que Σ est une algèbre et une classe monotone. Comme Σ est une
algèbre, pour montrer que Σ est une tribu, il suffit de montrer que Σ est stable par union
dénombrable.
Soit donc (An )n∈N ⊂ Σ et A = ∪n∈N An . On veut montrer que A ∈ Σ. On remarque que
A = ∪n∈N Bn avec Bn = ∪np=0 An . Comme Σ est une algèbre, on a Bn ∈ Σ pour tout n ∈ N.
Puis, comme Σ est de stable par union croissante (noter que Bn ⊂ Bn+1 ) dénombrable, on en
déduit que A ∈ Σ. On a bien montré que Σ est stable par union dénombrable et donc que Σ
est une tribu.
Noter que l’hypothèse de stabilité de Σ par intersection décroissante dénombrable n’a pas été
utilisé. Elle sera utile à la question 4.
—————————————————————————————–
2. Donner un exemple, avec E = R, de classe monotone qui ne soit pas une tribu.
—————————————corrigé—————————————–
Il y a beaucoup d’exemples de classes monotones qui ne sont pas des tribus. En voici un : Σ = {R}.
—————————————————————————————–
3. Soit (Σi )i∈I une famille de classes monotones (sur E). Montrer que ∩i∈I Σi = {A ∈ P(E); A ∈ Σi
pour tout i ∈ I} est encore une classe monotone.
—————————————corrigé—————————————–
289
• Soit (An )n∈N ⊂ ∩i∈I Σi t.q. An ⊂ An+1 pour tout n ∈ N. On a donc, pour tout i ∈ I,
(An )n∈N ⊂ Σi et donc, puisque Σi est une classe monotone, ∪n∈N An ∈ Σi . On en déduit que
∪n∈N An ⊂ ∩i∈I Σi .
• Soit (An )n∈N ⊂ ∩i∈I Σi t.q. An ⊃ An+1 pour tout n ∈ N. On a donc, pour tout i ∈ I,
(An )n∈N ⊂ Σi et donc, puisque Σi est une classe monotone, ∩n∈N An ∈ Σi . On en déduit que
∩n∈N An ⊂ ∩i∈I Σi .
Ceci montre bien que ∩i∈I Σi est une classe monotone.

—————————————————————————————–
Si C ⊂ P(E), cette question permet donc de définir la classe monotone engendrée par C comme
l’intersection de toutes les classes monotones sur E contenant C.
4. (Lemme des classes monotones) Soit A une algèbre sur E. On note Σ la classe monotone engendrée
par A et on note T la tribu engendrée par A.
(a) Montrer que Σ ⊂ T .

—————————————corrigé—————————————–
Σ est l’intersection de toutes les classes monotones sur A. Une tribu étant aussi une classe
monotone, la tribu T (engendrée par A) est donc une classe monotone contenant A. On en
déduit que Σ ⊂ T .
—————————————————————————————–
(b) Soit A ⊂ E. On pose ΣA = {B ⊂ E; A \ B ∈ Σ et B \ A ∈ Σ}. Montrer que ΣA est une classe
monotone.
—————————————corrigé—————————————–
• Soit (Bn )n∈N ⊂ ΣA , Bn ⊂ Bn+1 pour tout n ∈ N. On pose B = ∪n∈N Bn . On va montrer
que B ∈ ΣA .
On a A \ B = A \ ∪n∈N Bn = ∩n∈N (A \ Bn ). La suite (A \ Bn )n∈N est une suite décroissante
de Σ. Comme Σ est une classe monotone, on en déduit A \ B = ∩n∈N (A \ Bn ) ∈ Σ.
On montre aussi que B \ A ∈ Σ. En effet, B \ A = ∪n∈N Bn \ A = ∪n∈N (Bn \ A) ∈ Σ par
la stabilité de Σ par union croissante dénombrable.
On a donc bien montré que B ∈ ΣA . Ce qui donne la stabilité de Σ par union croissante
dénombrable.
• De manière analogue, on va montrer la stabilité de Σ par intersection décroissante dénom-
brable. Soit (Bn )n∈N ⊂ ΣA , Bn ⊃ Bn+1 pour tout n ∈ N. On pose B = ∩n∈N Bn .
Comme A \ B = ∪n∈N (A \ Bn ), on obtient A \ B ∈ Σ en utilisant la stabilité de Σ par
union croissante dénombrable.
Comme B \ A = ∩n∈N (Bn \ A), on obtient B \ A ∈ Σ en utilisant la stabilité de Σ par
intersection décroissante dénombrable.
On a donc B ∈ ΣA . Ce qui donne la stabilité de Σ par intersection décroissante dénom-
brable.
On a bien montré que ΣA est une classe monotone.
—————————————————————————————–
(c) (Question plus difficile.) Montrer que Σ est une algèbre. [Utiliser la question (b) et la première
question de l’exercice 2.8.] En déduire que T = Σ.
290
—————————————corrigé—————————————–
Pour montrer que Σ est une algèbre, il suffit de montrer que Σ vérifie les propriétés (a) et (b)
de la première question de l’exercice 2.8. Il est immédiat que la propriété (a) est vérifiée car
E ∈ A ∈ Σ. Pour montrer (b), on utilise la classe monotone ΣA définie à la question 4 pour
A ⊂ E.
Soit A ∈ A. Comme A est une algèbre, on a donc A ⊂ ΣA . La classe monotone ΣA contient
A, elle contient donc Σ qui est l’intersection de toutes les classes monotones contenant A. On
a donc :
A ∈ A, B ∈ Σ ⇒ B ∈ ΣA . (12.5)
On remarque maintenant que, pour tout A, B ∈ P(E), on a :
A ∈ ΣB ⇔ B ∈ Σ A .

A ∈ A, B ∈ Σ ⇒ A ∈ ΣB .
Si B ∈ Σ, la classe monotone ΣB contient donc A. Elle contient alors aussi Σ (qui est
l’intersection de toutes les classes monotones sur E contenant A). On a donc montré :
B ∈ Σ, A ∈ Σ ⇒ A ∈ ΣB .
On en déduit que A \ B ∈ Σ si A, B ∈ Σ.
On a bien montré que Σ vérifie la propriété (b) de la première question de l’exercice 2.8 et
donc que Σ est une algèbre.
Pour conclure, on remarque Σ est une classe monotone et une algèbre. C’est donc une tribu
(par la question 1) contenant A. Elle contient donc T (qui est l’intersection de toutes les tribus
contenant A) et on a bien, finalement, Σ = T .
—————————————————————————————–
Corrigé 18 (Caractérisation de la tribu engendrée)

Soit E un ensemble et A ⊂ P(E). On dit que A est stable par intersection finie si A, B ∈ A ⇒ A∩B ∈ A.
On dit que A est stable par différence si :
A, B ∈ A, B ⊂ A ⇒ A \ B = A ∩ B c ∈ A.
On dit que A est stable par union dénombrable disjointe si :
(An )n∈N ⊂ A, An ∩ Am = ∅ pour n 6= m ⇒ ∪n∈N An ∈ A.
Soit C ⊂ P(E).
1. On note Z l’ensemble des parties de P(E) stables par différence et stables par union dénombrable
disjointe. Montrer qu’il existe D ∈ Z t.q. C ⊂ D et :
A ∈ Z, C ⊂ A ⇒ D ⊂ A.
—————————————corrigé—————————————–
291
On note Zr l’ensemble des éléments de Z contenant C. On remarque tout d’abord que Zr 6= ∅ car
P(E) ∈ Zr . Puis, on note D l’ensemble des parties de E appartenant à tous les éléments de Zr
(c’est-à-dire que, pour A ∈ P(E), on a A ∈ D si, pour tout B ∈ Zr , A ∈ B).
Il est facile de voir que D est stable par différence, stable par union dénombrable disjointe et que
D contient C (car tous les éléments de Zr vérifient ces trois propriétés). Enfin, A ∈ Zr ⇒ D ⊂ A,
ce qui est bien la propriété demandée.
—————————————————————————————–
Dans la suite, on note toujours D cette partie de P(E). On suppose maintenant que C est stable
par intersection finie et que E ∈ C.
2. Pour A ∈ P(E), on note DA = {D ∈ D t.q. A ∩ D ∈ D}.
(a) Soit A ∈ P(E). Montrer que DA est stable par union dénombrable disjointe et stable par
différence.
—————————————corrigé—————————————–
Soit (Dn )n∈N ⊂ DA avec Dn ∩ Dm = ∅ si n 6= m. On va montrer que ∪n∈N Dn ∈ DA . On
remarque tout d’abord que ∪n∈N Dn ∈ D car Dn ∈ D, pour tout n ∈ N, et D est stable par
union dénombrable disjointe. Puis, A ∩ (∪n∈N Dn ) = ∪n∈N (Dn ∩ A) ∈ D car Dn ∩ A ∈ D,
pour tout n ∈ N, (Dn ∩ A) ∩ (Dm ∩ A) = ∅, si n 6= m, et D est stable par union dénombrable
disjointe. On a donc montré que ∪n∈N Dn ∈ DA . Ce qui prouve que DA est stable par union
dénombrable disjointe.
Soit maintenant D1 , D2 ∈ DA , avec D1 ⊂ D2 . On va montrer que D2 \ D1 ∈ DA . Pour

cela, on remarque que D2 \ D1 ∈ D car D1 , D2 ∈ D et que D est stable par différence. Puis,
A ∩ (D2 \ D1 ) = (A ∩ D2 ) \ (A ∩ D1 ) ∈ D car A ∩ D1 , A ∩ D2 ∈ D, (A ∩ D1 ) ⊂ (A ∩ D2 ) et
D est stable par différence. On a donc montré que D2 \ D1 ∈ DA . Ce qui prouve que DA est
stable par différence.
—————————————————————————————–
(b) Soit A ∈ C. Montrer que C ⊂ DA . En déduire que DA = D.
—————————————corrigé—————————————–
Soit B ∈ C. On a B ∈ D (car D ⊃ C) et A ∩ B ∈ C (car C est stable par intersection finie),
donc A ∩ B ∈ D. Ceci montre que B ∈ DA et donc C ⊂ DA .
Comme DA est stable par différence, stable par union dénombrable disjointe et que DA contient
C, la question 1 donne DA ⊃ D et, finalement, DA = D.
—————————————————————————————–
(c) Soit A ∈ D. Montrer que DA = D. En déduire que D est stable par intersection finie.
—————————————corrigé—————————————–
Soit B ∈ C. On a B ∈ D (car D ⊃ C). Comme B ∈ C, la question précédente donne D = DB
et donc A ∈ DB . On a donc A ∩ B ∈ D. Ceci montre que B ∈ DA et donc C ⊂ DA .
On en déduit, comme à la question précédente, que DA = D.
Soit maintenant B ∈ D. Comme D = DA , on a B ∈ DA et donc A ∩ B ∈ D. L’intersection de
deux éléments de D est donc aussi dans D. Ceci prouve bien la stabilité de D par intersection
finie (une récurrence facile donne que l’intersection d’un nombre fini d’éléments de D est aussi
dans D).
—————————————————————————————–
292
3. Montrer que D est une tribu. En déduire que D est la tribu engendrée par C.
—————————————corrigé—————————————–
On remarque que E ∈ D (car E ∈ C ⊂ D) et que D est stable par complémentaire car, si A ∈ D, on
a E \ A ∈ D car D est stable par différence (et E, A ∈ D avec A ⊂ E). Pour montrer que D est une
tribu, il suffit de montrer que D est stable par union dénombrable (non nécessairement disjointe).
Soit (An )n∈N ⊂ D. Comme D est stable par complémentaire, on aussi Acn ∈ D, pour tout n ∈ N.
Pour tout n ∈ N, on pose :
Bn = An ∩ (∩n−1 c
i=0 Ai ).
On a Bn ∈ D car D est stable par inteserction finie et Bn ∩ Bm = ∅ si n 6= m (en notant que

Bn ⊂ An et Bm ⊂ Acn si m > n). Comme D est stable par union dénombrable disjointe, on en
déduit ∪n∈N Bn ∈ D et donc ∪n∈N An ∈ D (car ∪n∈N An = ∪n∈N Bn ). Ceci prouve que D est stable
par union dénombrable et donc que D est une tribu.
On a ainsi montré que D est une tribu contenant C et donc contenant la tribu engendrée par C,
notée τ (C). D’autre part, il est facile de voir que toute tribu contenant C appartient à Zr (défini à
la question 1) et donc que τ (C) contient D. On a bien montré finalement que D = τ (C).
Remarque : l’hypothèse “E ∈ C” n’a été utilisée qu’une seule fois. Elle n’a été utilisée que pour
montrer que E ∈ D (dans la question 3). On peut remplacer cette hypothèse par “il existe une suite
(En )n∈N ⊂ C t.q. En ∩ Em = ∅, si n 6= m, et E = ∪n∈N En ”. En effet, de cette hypothèse, on déduit
aussi E ∈ D car D est stable par union dénombrable disjointe et C ⊂ D. La suite du raisonnement
de la question 3 donne alors aussi que D est la tribu engendrée par C.
—————————————————————————————–
12.2.2 Mesures
Corrigé 19 (Exemples de mesures)
Soit E un ensemble infini non dénombrable. Pour toute partie A de E, on pose m(A) = 0 si A est au
plus dénombrable, et m(A) = +∞ sinon. L’application m est-elle une mesure sur P(E) ?
—————————————corrigé—————————————–
Oui, l’application mP est une mesure sur P(E). En effet, on a bien m(∅) = 0 et si (An )n∈N ⊂ P(E)
+∞
on a m(∪n∈N An ) = n=0 m(An ) = 0 si An est au plus dénombrable pour tout n ∈ N (car une réunion
P+∞
d’ensembles au plus dénombrables est au plus dénombrable) et m(∪n∈N An ) = n=0 m(An ) = ∞ si il
P+∞
existe n ∈ N t.q. An est infini non dénombrable. On a donc toujours m(∪n∈N An ) = n=0 m(An ) (noter
d’ailleurs qu’il est inutile de supposer les An disjoints 2 à 2).
—————————————————————————————–
Corrigé 20 (Mesure trace et restriction d’une mesure)

Soit (E, T, m) un espace mesuré
1. Soit F ∈ T . Montrer que la tribu trace de T sur F , notée TF , est incluse dans T (cette tribu est
une tribu sur F ). Montrer que la restriction de m à TF est une mesure sur TF . On l’appellera la
trace de m sur F . Si m(F ) < ∞, cette mesure est finie.
—————————————corrigé—————————————–
293
Soit B ∈ TF , il existe donc A ∈ T t.q. B = A ∩ F . Comme F ∈ T , on a donc aussi B ∈ T .
On note mF la restriction de m à TF , on a donc mF (B) = m(B) pour tout B ∈ TF . Il est alors
immédiat de voir que mF (∅) = 0 et que mF est σ-additive sur TF , mF est donc une mesure sur TF .
Si m(F ) < ∞, on a mF (F ) = m(F ) < ∞, la mesure mF est donc finie (mais la mesure m peut ne
pas être finie, c’est-à-dire que l’on peut avoir m(E) = ∞).
—————————————————————————————–
2. Soit A une tribu incluse dans T . La restriction de m à A est une mesure. Est-elle finie (resp.
σ-finie) si m est finie (resp. σ-finie) ?
—————————————corrigé—————————————–
On note ma la restriction de m à A, on a donc ma (B) = m(B) pour tout B ∈ A. Il est clair que
ma est une mesure sur A.
• Si m est finie, on a ma (E) = m(E) < ∞, ma est donc aussi une mesure finie.
• Si m est σ-finie, il existe une suite (An )n∈N ⊂ T t.q. ∪n∈N An = E et m(An ) < ∞ pour tout
n ∈ N. Mais, comme les An ne sont pas nécessairement dans A, la mesure ma peut ne pas être
σ-finie. On peut construire un exemple facilement de la manière suivante :
On suppose que m est σ-finie mais n’est pas finie (on peut prendre, par exemple (E, T, m) =
(R, B(R), λ)) et on prend A = {∅, E}. La mesure ma n’est pas σ-finie. . .
—————————————————————————————–
Corrigé 21
Soit (E, T, m) un espace mesuré fini (“fini” signifie que m(E) < ∞) et (An )n∈N , (Bn )n∈N des suites
d’ensembles mesurables tels que Bn ⊂ An pour tout n ∈ N.
1. Montrer que (∪n∈N An ) \ ∪n∈N Bn ⊂ ∪n∈N (An \ Bn ).
—————————————corrigé—————————————–
Soit x ∈ (∪n∈N An ) \ ∪n∈N Bn , on a donc x ∈ ∪n∈N An et x ∈ / ∪n∈N Bn , c’est-à-dire qu’il existe
p ∈ N t.q. x ∈ Ap et que, pour tout n ∈ N, x ∈ / Bn . On a donc x ∈ Ap \ Bp , ce qui prouve que
x ∈ ∪n∈N (An \ Bn ) et donc que (∪n∈N An ) \ ∪n∈N Bn ⊂ ∪n∈N (An \ Bn ).
—————————————————————————————–
P
2. Montrer que m(∪n∈N An ) − m(∪n∈N Bn ) ≤ n∈N (m(An ) − m(Bn )).
—————————————corrigé—————————————–
Puisque m(E) < ∞, on a, pour tout A, B ∈ T t.q. B ⊂ A, m(A\B) = m(A)−m(B). La monotonie
de m, la σ-sous additivité de m (et la question précédente) nous donne alors :
m(∪n∈N An ) − m(∪n∈N Bn ) = m((∪n∈N An ) \ (∪n∈N Bn )) ≤ m(∪n∈N (An \ Bn ))

P+∞ P+∞
≤ n=0 m(An \ Bn ) = n=0 (m(An ) − m(Bn )).
—————————————————————————————–
Corrigé 22
294
Soit (E, T, m) un espace mesuré fini et (An )n∈N ⊂ T t.q., pour tout n ∈ N, m(An ) = m(E). Montrer que
m(∩n∈N An ) = m(E).
—————————————corrigé—————————————–
Comme m(E) < ∞, on a m(Ac ) = m(E) − m(A) pour tout A ∈ T . De m(An ) = m(E), on déduit
alors m(Acn ) = 0 pour tout n ∈ N. Par σ-sous additivité de m, on a alors m(∪n∈N Acn ) = 0. Comme
∪n∈N Acn = (∩n∈N An )c , on a donc m((∩n∈N An )c ) = 0 et donc m(∩n∈N An ) = m(E).
—————————————————————————————–
Corrigé 23 (Contre exemples. . . )
1. Soit λ la mesure de Lebesgue sur B(R) et A ∈ B(R) t.q. λ(A) = 0. A-t-on nécessairement A fermé ?
—————————————corrigé—————————————–
Non, A n’est pas nécessairement fermé. On peut prendre, par exemple A = { n1 , n ≥ 1}. On a
λ(A) = 0 et A n’est pas fermé (car 0 appartient à l’adhérence de A sans être dans A).
—————————————————————————————–
2. Soit (E, T ) un espace mesurable et C ⊂ P(E) qui engendre T . On considère m1 et m2 des mesures
sur T . Montrer que m1 (A) = m2 (A) pour tout A ∈ C n’implique pas que m1 = m2 sur T . [On
pourra trouver un exemple (facile) avec (E, T ) = (R, B(R)) et m1 , m2 non finies. Un exemple avec
(E, T ) = (R, B(R)) et m1 , m2 finies est aussi possible mais plus difficile à trouver. . . ]
—————————————corrigé—————————————–
on prend (E, T ) = (R, B(R)).
• Exemple “facile” (avec m1 , m2 non finies).

On prend C1 = {]a, ∞[, a ∈ R}. On a bien T (C1 ) = B(R), c’est-à-dire que C1 engendre B(R)
(voir la proposition 2.2). On prend alors m1 = λ et m2 = 2λ (c’est-à-dire m2 (B) = 2λ(B)
pour tout B ∈ B(R)). On a bien m1 (B) = m2 (B) pour tout B ∈ C1 (car on a alors m1 (B) =
m2 (B) = ∞). Mais m1 6= m2 puisque, par exemple, m1 (]0, 1[) = 1 et m2 (]0, 1[) = 2.
• Exemple “difficile” (avec m1 , m2 finies).
On prend maintenant C2 = {B ∈ B(R); {−1, 0, 1} ∩ B = ∅} ∪ {{−1, 0}} ∪ {{0, 1}} (un élément
de C2 est donc un borélien ne contenant ni −1 ni 0 ni 1, ou bien la partie {−1, 0}, ou bien
la partie {0, 1}). On montre d’abord que T (C2 ) = B(R). Il est clair que T (C2 ) ⊂ B(R) car
C2 ⊂ B(R). Pour montrer l’inclusion inverse, c’est-à-dire B(R) ⊂ T (C2 ), on remarque que
{0} = {−1, 0} ∩ {0, 1} ∈ T (C2 ) et donc que {−1} = {−1, 0} \ {0} ∈ T (C2 ), {1} = {0, 1} \ {0} ∈
T (C2 ). Finalement on voit alors que B(R) ⊂ T (C2 ) car tout borélien s’écrit comme un borélien
ne contenant ni −1 ni 0 ni 1 (qui appartient donc à T (C2 )), auquel on ajoute éventuellement
1, 2 ou 3 autre(s) élément(s) de T (C2 ) (qui sont les parties {0}, {−1} et {1}, on conclut alors
avec la stabilité par union finie de la tribu T (C2 )).
On rappelle que, pour a ∈ R, on note δa la mesure de dirac sur B(R). On a donc, pour
B ∈ B(R), δa (B) = 1 si a ∈ B et δa (B) = 0 si a ∈
/ B. On prend alors m1 = δ−1 + δ0 + δ1 et
m2 = 2δ−1 + 2δ1 . On a clairement m1 = m2 sur C2 car m1 (B) = m2 (B) = 0 si B ∈ B(R) est
t.q. {−1, 0, 1} ∩ B = ∅ et m1 ({−1, 0}) = m2 ({−1, 0}) = m1 ({0, 1}) = m2 ({0, 1}) = 2. Enfin,
on a m1 6= m2 puisque, par exemple, m1 ({0}) = 1 et m2 ({0}) = 0.
—————————————————————————————–
295
Corrigé 24 (Résultat d’unicité)
Soit (E, T ) un espace mesurable et m, µ deux mesures sur T . Soit C ⊂ P(E). On suppose que C engendre
T et que C est stable par intersection finie.
On suppose que m(A) = µ(A) pour tout A ∈ C.
1. On suppose que E ∈ C et que m(E) < ∞. Montrer que m(A) = µ(A) pour tout A ∈ T . [On pourra
introduire D = {A ∈ T, m(A) = µ(A)} et utiliser l’exercice 2.13.]
—————————————corrigé—————————————–
On pose D = {A ∈ T, m(A) = µ(A)}. La σ−additivité de m et µ montre que D est stable par union
dénombrable disjointe. Comme m(E) < ∞, on peut aussi montrer que D est stable par différence
(au sens de l’exercice 2.13). En effet, si A, B ∈ D, avec B ⊂ A, on a (par additivité de m et µ)
m(B) + m(A \ B) = m(A) et µ(B) + µ(A \ B) = µ(A). Comme m(A) < ∞ et µ(A) < ∞, on a donc
m(A \ B) = m(A) − m(B) et µ(A \ B) = µ(A) − µ(B), ce qui prouve que m(A \ B) = µ(A \ B) et
donc que A \ B ∈ D.
On utilise maintenant l’exercice 2.13. Comme D ⊃ C, C est stable par intersection finie et E ∈ C, la
question 3 de l’exercice 2.13 permet de montrer D = τ (C) = T . (Plus précisément, comme D ⊃ C,
on a D ∈ Zr , où Zr est défini dans le corrigé 18. Puis, en utilisant que C est stable par intersection
finie et que E ∈ C, la dernière question de l’exercice 2.13 donne que D ⊃ τ (C).)
On a donc bien montré que m(A) = µ(A) pour tout A ∈ T .
—————————————————————————————–
2. (Généralisation de la question précédente). On suppose qu’il existe une suite (En )n∈N ⊂ C t.q.
En ∩ Em = ∅ si n 6= m, m(En ) < ∞ pour tout n ∈ N et E = ∪n∈N En . Montrer que m(A) = µ(A)
pour tout A ∈ T .
—————————————corrigé—————————————–
Soit n ∈ N. Pour A ∈ T , on pose mn (A) = m(A ∩ En ) et µn (A) = µ(A ∩ En ) (noter que A ∩ En ∈ T ,
car A, En ∈ T ). On obtient ainsi deux mesures sur T , mn et µn . Ces deux mesures sont égales sur
C (car A ∩ En ∈ C puisque C est stable par intersection finie).
On raisonne alors comme à la question précédente. On pose D = {A ∈ T, mn (A) = µn (A)} et
le raisonnement de la question récédente donne que D est stable par union dénombrable disjointe
et (grâce à mn (E) < ∞) que D est stable par différence (au sens de l’exercice 2.13). On utilise
maintenant la remarque de la fin de la question 3 de l’exercice 2.13. Comme D ⊃ C, C est stable par
intersection finie et E est une union dénombrable disjointe d’éléments de C, cette remarque donne
D = τ (C) = T . On a donc, pour tout A ∈ T et tout n ∈ N :
m(A ∩ En ) = mn (A) = µn (A) = µ(A ∩ En ).
On P = µ(A), pour tout A ∈ T , car, par σ−additivité de m et µ, m(A) =

P en déduit que m(A)
n∈N m(A ∩ En ) = n∈N µ(A ∩ En ) = µ(A).
—————————————————————————————–
3. Avec (E, T ) = (R, B(R), donner un exemple pour lequel E ∈ C et m 6= µ.
—————————————corrigé—————————————–
Un exemple simple est obtenu en prenant pour C lensemble des ouverts de R, µ = 2m et m définie
sur T par m(A) =card(A) si A a un nombre fini d’éléments et m(A) = +∞ sinon.
—————————————————————————————–
296
Corrigé 25 (Mesure atomique, mesure diffuse)
Soit (E, T ) un espace mesurable t.q. {x} ∈ T pour tout x ∈ E. Une mesure m sur T est diffuse si
m({x}) = 0 pour tout x ∈ E. Une mesure m sur T est purement atomique si il existe S ∈ T t.q.
m(S c ) = 0 et m({x}) > 0 si x ∈ S.
1. Montrer qu’une mesure purement atomique et diffuse est nulle. Donner, pour (E, T ) = (R, B(R))
un exemple de mesure purement atomique et un exemple de mesure diffuse. [Montrer que la mesure
de Lebesgue sur B(R) est diffuse.]
—————————————corrigé—————————————–
Soit m une mesure purement atomique et soit S ∈ T t.q. m(S c ) = 0 et m({x}) > 0 si x ∈ S. Si m
est diffuse, on a m({x}) = 0 pour tout x ∈ E, donc S = ∅ et m = 0.
On rappelle que, pour a ∈ R, on note δa la mesure de dirac sur B(R). On a donc, pour B ∈ B(R),
δa (B) = 1 si a ∈ B et δa (B) = 0 si a ∈
/ B. La mesure δa est (pour tout a ∈ R) purement atomique,
il suffit de prendre S = {a}, on a bien δa (S c ) = 0 et δa ({a}) = 1 > 0.
Un exemple de mesure diffuse sur (R, B(R)) est donné par la mesure de Lebesgue sur B(R).
—————————————————————————————–
2. Soit m une mesure diffuse sur T . Montrer que tous les ensembles dénombrables sont de mesure
nulle.
—————————————corrigé—————————————–
Soit A une partie dénombrable de E. Il existe donc une suite (xn )n∈N ⊂ E t.q. A = {xn , n ∈ N}
= ∪n∈N {xn }. On a doncP A ∈ T (car {xn } ∈ T pour tout n ∈ N et que T est stable par union
+∞
dénombrable) et m(A) ≤ n=0 m({xn }) = 0 car m est diffuse.
—————————————————————————————–
3. Soit m une mesure sur T . On suppose que m est σ-finie, c’est à dire qu’il existe (En )n∈N ⊂ T t.q.
E = ∪n∈N En et m(En ) < +∞ pour tout n ∈ N.
(a) Montrer que l’ensemble des x ∈ E t.q. m({x}) > 0 (de tels x sont appelés “atomes” de m) est
au plus dénombrable. [On pourra introduire l’ensemble An,k = {x ∈ En ; m(x) ≥ k1 }.]
—————————————corrigé—————————————–
On pose A = {x ∈ E; m({x}) > 0}. Si x ∈ A, il existe n ∈ N t.q. x ∈ En et il existe
k ∈ N? t.q. m({x}) ≥ k1 . On a donc x ∈ An,k . Ceci montre que A = ∪(n,k)∈N×N? An,k . Pour
montrer que A est au plus dénombrable, il suffit de montrer que An,k est au plus dénombrable
(car une réunion dénombrable d’ensembles au plus dénombrables est au plus dénombrable).
?
Soit donc n ∈ N et k ∈ NP . Soit x1 , . . . , xp p éléments distincts de An,k . Par monotonie et
p p
additvité de m, on a k ≤ n=1 m({xn }) = m({x1 , . . . , xp }) ≤ m(En ) < ∞. On en déduit que
p ≤ km(En ) < ∞ et donc que An,k a un nombre fini d’éléments (ce nombre est inférieur ou
égal à km(En )). On en déduit donc que A est au plus dénombrable.
—————————————————————————————–
(b) Montrer qu’il existe une mesure diffuse md et une mesure purement atomique ma sur T telles
que m = md + ma . Montrer que md et ma sont étrangères, c’est à dire qu’il existe A ∈ T t.q.
md (A) = 0 et ma (Ac ) = 0.
—————————————corrigé—————————————–
297
On considère toujours A = {x ∈ E; m({x}) > 0}. On remarque tout d’abord que A ∈ T (car
A est au plus dénombrable, d’après la question précédente, et que les singletons, c’est-à-dire
les parties réduites à un seul élément, sont dans T ). On pose alors, pour tout B ∈ T :
ma (B) = m(B ∩ A), md (B) = m(B ∩ Ac ).

Il est facile de voir que md et ma sont des mesures sur T et que, par additivité de m, on a bien
m = ma + md .
La mesure md est diffuse car, si x ∈ E, on a md ({x}) = m({x}) = 0 si x ∈ Ac (car A contient
tous les points t.q. m({x}) > 0) et md ({x}) = m(∅) = 0 si x ∈ A (car {x} ∩ Ac = ∅).
La mesure ma est purement atomique. Il suffit de prendre S = A, on a bien ma (S c ) =
m(Ac ∩ A) = 0 et ma ({x}) = m({x}) > 0 si x ∈ S = A.
Enfin, ma et md sont étrangères car md (A) = 0 et ma (Ac ) = 0.
—————————————————————————————–
(c) Montrer que si m est finie il existe un singleton dont la mesure est supérieure ou égale à la
mesure de tous les autres singletons. Montrer que ceci peut-être inexact si m n’est que σ-finie.
—————————————corrigé—————————————–
On suppose que m est finie. Soit M = sup{m({x}), x ∈ E}. On veut montrer qu’il existe
x ∈ E t.q. M = m({x}). On suppose M > 0 (sinon, il suffit de prendre n’importe quel x ∈ E
pour avoir m({x}) = M ). On va raisonner par l’absurde, on suppose donc que m({x}) < M
pour tout x ∈ E. Par définition de M , Il existe une suite (xn )n∈N ⊂ E t.q. m({xn }) → M
quand n → ∞. Comme m({xn }) < M pour tout n ∈ N, on peut même supposer (quitte à
extraire une sous suite) que m({xn }) < m({xn+1 }) < M pour tout n ∈ N. Quitte à supprimer
les premiers termes de la suite, on peut aussi supposer que m({x0 }) > M 2 . Les points xn
P+∞
sont alors tous distincts, ce qui donne n=0 m({xn }) = m({xn , n ∈ N}) ≤ m(E). Ceci est
P+∞
impossible car m(E) < ∞ et m({xn }) > M 2 pour tout n ∈ N (donc n=0 m({xn }) = ∞).
Exemple de mesure σ-finie pour laquelle M n’est pas atteint.

P∞
Sur (R, B(R) on définit m par m(B) = n=2 (1 − n1 )δn (B) (où δn est le mesure de Dirac au
point n ∈ N).
P que m est une mesure, on peut remarquer, en posant N2 = {n ∈P

Pour montrer N; n ≥ 2}, que
m(B) = n∈N2 ;n∈B (1 − n1 ). Si B = ∪p∈N Bp avec Bp ∩ Bq = ∅ si p 6= q, on a p∈N m(Bp ) =
1 1
P P P
p∈N n∈N2 ;n∈Bp (1 − n ) = (n,p)∈N2 ×N;n∈Bp (1 − n ) (on utilise ici le lemme 2.3 page 30).
Comme les B Pp sont disjoints 2 à 2, n1 appartient à Bp pour au plus 1 p, et comme B = ∪p∈N Bp ,
1
P
on obtient (n,p)∈N2 ×N;n∈Bp (1 − n ) = n∈N2 ×N;n∈B (1 − n ) = m(B). Ceci prouve la σ-
additivité de m. Le fait que m(∅) = 0 est immédiat. On a donc bien montré que m est une
mesure.
La mesure m est bien σ-finie, il suffit de remarquer que m([−n, n]) < ∞ pour tout n ∈ N et
que R = ∪n∈N [−n, n]. enfin, pour cette mesure m, on a M = sup{m({x}), x ∈ E} = 1 et il
n’existe pas de x ∈ R t.q. m({x}) = 1. En fait, m est purement atomique car m((N2 )c ) = 0
et on a 0 < m({x}), pour tout x ∈ N2 .
—————————————————————————————–
298
4. Pour (E, T ) = (R, B(R)), donner un exemple de mesure purement atomique finie dont l’ensemble
des atomes est infini.
—————————————corrigé—————————————–
Un tel exemple est obtenu en modifiant P∞ légérement la mesure construite à la question précédente.
Sur (R, B(R) on définit m par m(B) = n=1 n12 δn (B). Une démonstration analogue à celle faite à la
2
question précédente montre que m est bien une mesure sur B(R), m est finie (on a m(R) = π6 < ∞),
m est atomique car m((N? )c ) = 0 et 0 < m({x}) < 1, pour tout x ∈ N? . L’ensemble des atomes de
m est infini, c’est N? .
—————————————————————————————–
Corrigé 26 (limites sup et inf d’ensembles)

Soit (E, T, m) un espace mesuré et (An )n∈N ⊂ T . On rappelle que lim supn→∞ An = ∩n∈N ∪p≥n Ap et
lim inf n→∞ An = ∪n∈N ∩p≥n Ap .
1. On suppose qu’il existe n0 ∈ N t.q. m(∪p≥n0 Ap ) < ∞. Montrer que m(lim inf n→∞ An ) ≤
lim inf n→∞ m(An ) ≤ lim supn→∞ m(An ) ≤ m(lim supn→∞ An ).
—————————————corrigé—————————————–
• La propriété de continuité croissante d’une mesure (voir la proposition 2.3) donne :
m(lim inf An ) = lim m(∩p≥n Ap ).

n→∞ n→∞
La monotonie de m donne m(∩p≥n Ap ) ≤ m(Aq ) pour tout q ≥ n. On a donc m(∩p≥n Ap ) ≤

inf p≥n m(Ap ) et donc limn→∞ m(∩p≥n Ap ) ≤ limn→∞ (inf p≥n m(Ap )), c’est-à-dire :
m(lim inf An ) ≤ lim inf m(An ).

n→∞ n→∞
• De inf p≥n m(Ap ) ≤ supp≥n m(Ap ), on déduit lim inf n→∞ m(An ) ≤ lim supn→∞ m(An ).
• Comme il existe n0 ∈ N t.q. m(∪p≥n0 Ap ) < ∞, la propriété de continuité décroissante
d’une mesure (voir la proposition 2.3) donne m(lim supn→∞ An ) = limn→∞ m(∪p≥n Ap ). La
monotonie de m donne m(∪p≥n Ap ) ≥ m(Aq ) pour tout q ≥ n. On a donc m(∪p≥n Ap ) ≥
supp≥n m(Ap ) et donc limn→∞ m(∪p≥n Ap ) ≥ limn→∞ (supp≥n m(Ap )), c’est-à-dire :
m(lim sup An ) ≥ lim sup m(An ).

n→∞ n→∞
—————————————————————————————–
2. Donner un exemple (c’est-à-dire choisir (E, T, m) et (An )n∈N ⊂ T ) pour lequel :
lim sup m(An ) > m(lim sup An ).

n→∞ n→∞
—————————————corrigé—————————————–
On prend (E, T, m) = (R, B(R), λ) et An = [n, n + 1[, pour tout n ∈ N. On obtient alors :
lim sup m(An ) = 1 > 0 = m(∅) = m(lim sup An ).

n→∞ n→∞
—————————————————————————————–
299
3. Donner un exemple avec m finie (c’est-à-dire m(E) < ∞) pour lequel
m(lim inf n→∞ An ) < lim inf n→∞ m(An ) < lim supn→∞ m(An ) < m(lim supn→∞ An ).
—————————————corrigé—————————————–
On prend (E, T, m)=([0, 4], B([0, 4]), λ) (plus précisément, λ est ici la restriction à B([0, 4]) de
λ qui est une mesure sur B(R)) et A2n = [0, 2], A2n+1 = [1, 4] pour tout n ∈ N. On obtient
lim supn→∞ An = [0, 4] et lim inf n→∞ An = [1, 2]. On a ainsi :
m(lim inf n→∞ An ) = 1, lim inf n→∞ m(An ) = 2, lim supn→∞ m(An ) = 3 et m(lim supn→∞ An ) = 4.
—————————————————————————————–
P
4. (?) (Lemme de Borel-Cantelli) On suppose que n∈N m(An ) < ∞.
Montrer que m(lim supn→∞ An ) = 0.
—————————————corrigé—————————————–
P P∞
De n∈N m(An ) < ∞ on déduit que p=n m(Ap ) → 0 quand n → ∞ et donc que m(∪p≥n Ap ) → 0
P∞
quand n → ∞ (car, par σ-sous additivté de m, on a m(∪p≥n Ap ) ≤ p=n m(Ap )). Par continuité
décroissante de m, on en déduit alors m(lim supn→∞ An ) = 0.
—————————————————————————————–
Corrigé 27 (Petit ouvert dense. . . ) (??)

On considère ici l’espace mesuré (R, B(R), λ). Soit ε > 0, peut-on construire un ouvert dense dans R de
mesure inférieure à ε ? [On rappelle qu’une partie A de R est dense dans R si A = R ou encore si, pour
tout x ∈ R et pour tout ε > 0, il existe a ∈ A t.q. |x − a| < ε.]
—————————————corrigé—————————————–
La réponse est “oui”. . . . Soit ε > 0. Comme Q est dénombrable, il existe ϕ : N → Q, bijective. On
ε ε
considère alors O = ∪n∈N ]ϕ(n) − 2n+2 , ϕ(n) + 2n+2 [. O est bien un ouvert (comme réunion d’ouverts),
dense
P+∞ 1 dans R (car O ⊃ Q et Q est dense dans R) et, par σ-sous additivité d’une mesure, on a λ(O) ≤
ε n=0 2n+1 = ε.
—————————————————————————————–
Corrigé 28 (Non existence d’une mesure sur P(R) exprimant la longueur) (??)
On définit la relation d’équivalence sur [0, 1[ : xRy si x−y ∈ Q. En utilisant l’axiome du choix, on construit
un ensemble A ⊂ [0, 1[ tel que A contienne un élément et un seul de chaque classe d’équivalence. Pour
q ∈ Q ∩ [0, 1[, on définit Aq = {y ∈ [0, 1[; y = x + q ou y = x + q − 1, x ∈ A}, c’est-à-dire Aq = {y ∈ [0, 1[;
y − q ∈ A ou y − q + 1 ∈ A}.
S
1. Montrer que q∈Q∩[0,1[ Aq = [0, 1[.
—————————————corrigé—————————————–
Soit y ∈ [0, 1[, il existe x ∈ A t.q. yRx (car A contient un élément dans chaque classe d’équivalence),
c’est-à-dire y − x ∈ Q. Comme y − x ∈] − 1, 1[ (car x, y ∈ [0, 1[), on a donc y − x = q ∈ Q ∩ [0, 1[ ou
y − x + 1 = q ∈ Q∩]0, 1[. Ceci donne y ∈ Aq . On a donc [0, 1[⊂ ∪q∈Q∩[0,1[ Aq . Comme Aq ⊂ [0, 1[
pour tout q ∈ Q ∩ [0, 1[, on a finalement [0, 1[= ∪q∈Q∩[0,1[ Aq .
Il est important aussi de remarquer que les Aq sont disjoints 2 à 2. En effet, si y ∈ Aq ∩ Aq0 , il
existe x, x0 ∈ A t.q. y − x = q ou (q − 1) et y − x0 = q 0 ou (q 0 − 1). On en déduit x − x0 ∈ Q et donc
300
x = x0 (car A contient un seul élément de chaque classe d’équivalence). Ceci donne q = q 0 = y − x
(si y − x ∈ [0, 1[) ou q = q 0 = y − x + 1 (si y − x ∈] − 1, 0[).
—————————————————————————————–
2. Montrer que si m est une application de P(R) dans R+ , invariante par translation et vérifiant
m([0, 1[) = 1, m ne peut pas être σ- additive. En déduire la non-existence d’une mesure m, sur
P(R), invariante par translation et t.q. m([a, b]) = b − a pour tout a, b ∈ R, a < b. En particulier,
montrer que l’application λ? , définie en cours, ne peut pas être une mesure sur P(R).
—————————————corrigé—————————————–
On suppose que m est une mesure sur P(R) vérifiant m([0, 1[) = 1. La σ- additivité de m donne
alors, avec la première question, X
1= m(Aq ). (12.6)
q∈Q∩[0,1[
Pour x ∈ R et B ∈ P(R), on note B + x = {y + x, y ∈ B}. On suppose que m est invariante par

translation, on a donc m(B + x) = m(B) pour tout B ∈ P(R) et tout x ∈ R.
On remarque maintenant que Aq = ((A+q)∩[0, 1[)∪((A+q −1)∩[0, 1[) pour tout q ∈ Q∩[0, 1[. De
plus, si y ∈ ((A + q) ∩ [0, 1[) ∩ ((A + q − 1) ∩ [0, 1[), il existe x, x0 ∈ A t.q. y = x + q = x0 + q − 1, donc
x0 − x = 1, ce qui est impossible. Ceci montre que ((A + q) ∩ [0, 1[) ∩ ((A + q − 1) ∩ [0, 1[) = ∅. On
a donc, en utilisant l’additivité de m, l’invariance par translation de m et le fait que A + q ⊂ [0, 2[,
m(Aq ) = m((A + q) ∩ [0, 1[) + m((A + q − 1) ∩ [0, 1[) = m((A P+ q) ∩ [0, 1[) + m((A + q) ∩ [1, 2[) =
m(A + q) = m(A), pour tout q ∈ Q ∩ [0, 1[. On en déduit q∈Q∩[0,1[ m(Aq ) = 0 si m(A) = 0 et
P P
q∈Q∩[0,1[ m(Aq ) = ∞ si m(A) > 0, et donc q∈Q∩[0,1[ m(Aq ) 6= 1, en contradiction avec (12.6). Il
n’existe donc pas de mesure sur P(R), invariante par translation et t.q. m([0, 1[) = 1.
Si m est une mesure sur P(R), invariante par translation et t.q. m([a, b]) = b − a pour tout
a, b ∈ R, a < b. On montre que m[0, 1[= 1 en utilisant la continuité croissante de m et le fait que
[0, 1[= ∪n≥1 [0, 1 − n1 ]. Il est donc impossible de trouver une telle mesure.
L’application λ? définie en cours sur P(R) (à valeurs dans R+ ) est invariante par translation et
vérifie λ? ([a, b]) = b − a pour tout a, b ∈ R, a < b. Elle n’est donc pas σ-additive sur P(R).
—————————————————————————————–
Corrigé 29
Soit m une mesure sur B(R) t.q. pour tout intervalle I et tout x ∈ R on ait m(I) = m(I + x) (avec
I + x = {a + x, a ∈ I}) et m([0, 1]) = 1. Montrer que pour tout x ∈ R, m({x}) = 0 (i.e. m est diffuse).
En déduire que m est la mesure de Lebesgue sur B(R). [On pourra découper [0, 1[ en q intervalles de
longueur 1/q.]
—————————————corrigé—————————————–
On pose m({0}) = α. Soit x ∈ R. On prend I = {0} (I est bien un intervalle) de sorte que I + x = {x}.
On a alors α = m({0}) = m(I) = m(I + x) = m({x}). On a donc montré que m({x}) = α pour tout
x ∈ R. Pour montrer que α = 0, il suffit, par exemple, de remarquer que, en utilisant la σ-additivité de
m:
∞ ∞
X 1 X
1 = m([0, 1]) ≥ m({ }) ≥ α.
n=1
n n=1
301
On en déduit α = 0 (sinon, le membre de droite de la précédente inégalité est égal à +∞ et l’inégalité
est alors fausse).
On a donc bien montré que m({x}) = 0 pour tout x ∈ R. Ceci donne, en particulier que 1 = m([0, 1]) =
m([0, 1[) + m({1}) = m([0, 1[).
Soit maintenant q ∈ N? . On a m([ qi , i+1 1 i i+1 1 i

q [) = m([0, q [) pour tout i ∈ {0, . . . , q − 1}, car [ q , q [= [0, q [+ q .
On en déduit :
q−1
X i i+1 1
1 = m([0, 1[) = m([ , [) = qm([0, [),
i=0
q q q
et donc m([0, 1q [) = 1q . Ceci donne aussi, pour tout x ∈ R, m([x, x + 1q [) = 1q , car [x, x + 1q [= [0, 1q [+x.
En utilisant l’additivité de m, on a donc, pour tout p ∈ N? :
p−1
p X i i+1 p
m([0, [) = m([ , [) = . (12.7)
q i=0
q q q
De (12.7), on va déduire m([α, β[) = β − α pour tout α, β ∈ R t.q. α < β. En effet, soit α, β ∈ R t.q.
α < β. Comme [α, β[= [0, γ[+α, avec γ = β − α, on a m([α, β[) = m([0, γ[). Il existe alors deux suites
(rn )n∈N ⊂ Q?+ et (sn )n∈N ⊂ Q?+ t.q. rn ↑ γ et sn ↓ γ quand n → ∞. Comme [0, rn [⊂ [0, γ[⊂ [0, sn [, on
a, grâce à (12.7), rn = m([0, rn [) ≤ m([0, γ[) ≤ m([0, sn [) = sn . Eh faisant n → ∞, on en déduit que
m([0, γ[) = γ et donc m([α, β[) = β − α.
Enfin, comme m({α}) = 0, on a aussi
m(]α, β[) = β − α, pour tout α, β ∈ R, α < β.
La partie “unicité” du théorème de Carathéodory donne alors m = λ.

—————————————————————————————–
Corrigé 30 (Support d’une mesure sur les boréliens de Rd )

Soit m une mesure sur B(Rd ). Montrer qu’il existe un plus grand ouvert de mesure nulle pour m.
L’ensemble fermé complémentaire de cet ouvert s’appelle le support de m. [On pourra, par exemple,
considérer les pavés à extrémités rationnelles qui sont de mesure nulle pour m.]
—————————————corrigé—————————————–
On note A l’ensemble des ouverts de Rd de mesure nulle pour m. L’ensemble A est non vide (car
l’ensemble vide est un ouvert de Rd de mesure nulle). On pose :
O = ∪ω∈A ω.
L’ensemble O est donc la réunion de tous les ouverts de Rd de mesure nulle. Il est clair que O est ouvert
(car c’est une réunion d’ouverts) et qu’il contient tous les ouverts de Rd de mesure nulle. Pour montrer
que O est le plus grand ouvert de mesure nulle, il suffit donc de montrer que O est de mesure nulle. Pour
cela, on va montrer que O est une réunion dénombrable d’ouverts de mesure nulle.
Soit x = (x1 , . . . , xd )t ∈ O. Il existe ω ∈ A t.q. x ∈ ω. Comme ω est ouvert, il existe ε > 0 t.q. :
d
Y
]xi − ε, xi + ε[⊂ ω.
i=1
302
Pour tout i ∈ {1, . . . , d} il existe γi,x ∈]xi − ε, xi [∩Q et δi,x ∈]xi , xi + ε[∩Q. On a donc :
d
Y
x∈ ]γi,x , δi,x [⊂ ω ⊂ O.
i=1
Qd Qd
Par monotonie d’une mesure, on a m( i=1 ]γi,x , δi,x [) ≤ m(ω) = 0, et donc m( i=1 ]γi,x , δi,x [) = 0.
Comme O = ∪x∈O {x}, on a aussi :
d
Y
O = ∪x∈O ]γi,x , δi,x [= ∪x∈O Pγx ,δx , (12.8)
i=1
Qd
en posant γx = (γ1,x , . . . , γd,x )t , δx = (δ1,x , . . . , δd,x )t et Pγ,δ = i=1 ]γi , δi [ (si γ = (γ1 , . . . , γd )t et
δ = (δ1 , . . . , δd )t ).
On remarque maintenant que, pour tout x ∈ O, γx , δx ∈ Qd . L’égalité (12.8) donne donc :
O = ∪(γ,δ)∈B Pγ,δ ,
où B est une partie de Q2d et m(Pγ,δ ) = 0 pour tout (γ, δ) ∈ B. Comme Q2d est dénombrable, la partie
B est au plus dénombrable et la σ−sous additivité d’une mesure donne alors que m(O) = 0.
—————————————————————————————–
Corrigé 31 (Ensemble de Cantor)
On considère l’espace mesuré ([0, 1], B([0, 1]), λ).
On pose C0 = [0, 1], a01 = 0, b01 = 1, et α0 = 1. Pour n ≥ 0, on construit Cn+1 ⊂ [0, 1] de la
S2n S2n+1
manière suivante : on suppose Cn = p=1 [anp , bnp ] connu, et on définit Cn+1 = p=1 [an+1
p , bn+1
p ] où, pour
p = 1, . . . , 2 , a2p−1 = ap , b2p−1 = ap + αn+1 , a2p = bp − αn+1 et b2p = bp , avec αn+1 = ρn2αn , et
n n+1 n n+1 n n+1 n n+1 n
0 < ρn < 1. On pose C = ∩n≥0 Cn (C s’appelle “ensemble de Cantor”, l’exemple le plus classique est
obtenu avec ρn = 23 pour tout n ∈ N).
1. Montrer que Cn+1 ⊂ Cn .
—————————————corrigé—————————————–
Pour tout n ∈ N et p ∈ {1, . . . , 2n }, la longueur de l’intervalle [anp , bnp ] est αn . Comme αn+1 < α2n
et que an+1 n
2p−1 = ap et b2p
n+1
= bnp , on a [an+1 n+1 n+1 n+1 n n
2p−1 , b2p−1 ] ∪ [a2p , b2p ] ⊂ [ap , bp ], pour tout n ∈ N et
n n
p ∈ {1, . . . , 2 }. En prenant l’union sur p ∈ {1, . . . , 2 }, on en déduit Cn+1 ⊂ Cn .
—————————————————————————————–
◦
2. Montrer que C est compact et C = ∅.
—————————————corrigé—————————————–
L’ensemble C est fermé (dans R) car c’est une intersection de fermés (chaque Cn est fermé). D’autre
part C ⊂ [0, 1], C est donc compact (car fermé et borné dans R).
Comme αn+1 < α2n , on a toujours bnp < anp+1 (pour tout n ∈ N et p ∈ {1, . . . , 2n − 1}). Les
intervalles composant Cn sont donc disjoints 2 à 2 et de longueur αn . Ceci montre que x, y ∈ [0, 1],
(y − x) > αn implique ]x, y[6⊂ Cn . Comme αn → 0 quand n → ∞ (noter que αn ≤ 21n ), on en
◦
déduit que C = ∩n∈N Cn ne contient aucun intervalle ouvert (non vide) et donc que C = ∅.
—————————————————————————————–
303
3. Montrer que C est non dénombrable.
—————————————corrigé—————————————–
On commence par définir, par récurrence sur n ∈ N? , des points xc pour c ∈ {1, 2}n .
Pour n = 1, x(1) = a01 et x(2) = b01 .
Soit n ≥ 1. Supposons que xc est construit pour tout c ∈ {1, 2}n et que pour chaque c ∈ {1, 2}n ,
xc ∈ {bpn−1 , p = 1, . . . , 2n−1 } ∪ {an−1
p , p = 1, . . . , 2n−1 }. On construit maintenant xc pour c ∈
n+1 n+1
{1, 2} . Soit donc c ∈ {1, 2} , on pose c = {c, b} avec c ∈ {1, 2}n et d ∈ {1, 2} et on distingue
4 cas :
(a) xc = bn−1
p , avec p ∈ {1, . . . , 2n−1 }, d = 1. On pose alors xc = an2p ,
(b) xc = bn−1
p , avec p ∈ {1, . . . , 2n−1 }, d = 2. On pose alors xc = bn2p ,
(c) xc = ap , avec p ∈ {1, . . . , 2n−1 }, d = 1.
n−1
On pose alors xc = an2p−1 ,
(d) xc = an−1
p , avec p ∈ {1, . . . , 2n−1 }, d = 2. On pose alors xc = bn2p−1 .
1
Il est intéressant de noter, avec ces formules, que |xc − xc | ≤ αn ≤ 2n et que xc ∈ C.
?
On note S l’ensemble des suites indéxées par N , prenant leurs valeurs dans {1, 2}. Si c ∈ S, on
note cn l’élément de {1, 2}n formé par les n premiers termes de la suite et on note xn = xcn . La
suite (xn )n∈N est de Cauchy (car |xn+1 − xn | ≤ 21n ) et incluse dans C, elle converge donc vers un
point xc ∈ C. On remarque que si c et c0 sont deux suites différentes, alors xc 6= xc0 . En effet soit
n ∈ N t.q. cn = c0n et cn+1 6= c0n+1 , on alors |xcm − xc0m | ≥ (1 − ρn )αn pour tout m > n et donc, en
passant à la limite quand m → ∞, |xc − xc0 | ≥ (1 − ρn )αn , ce qui donne xc 6= xc0 . L’application
c 7→ xc est donc une injection de S dans C. Ceci montre que C est infini non dénombrable (car S
est infini non dénombrable).
—————————————————————————————–
4. Montrer que si ρn ne dépend pas de n, alors λ(C) = 0. En déduire que si A ∈ B([0, 1]), λ(A) = 0
n’entraı̂ne pas que A est dénombrable.
—————————————corrigé—————————————–
La construction des points anp et bnp donne λ([an+1 n+1 n+1 n+1
2p−1 , b2p−1 ] ∪ [a2p , b2p ]) = 2αn+1 = ρn αn =
n n n
ρn λ([ap , bp ]). En prenant l’union sur p ∈ {1, . . . , 2 }, on en déduit λ(Cn+1 ) = ρn λ(Cn ).
Si ρn ne dépend pas de n, c’est-à-dire ρn = ρ pour tout n ∈ N et 0 < ρ < 1, on a donc λ(Cn+1 ) =
ρλ(Cn ). Ceci donne, comme λ(C0 ) = 1, λ(Cn ) = ρn pour tout n ∈ N. Par continuité décroissante
de λ, on en déduit λ(C) = limn→∞ λ(Cn ) = 0.
—————————————————————————————–
5. Soit 0 < < 1. Montrer qu’il existe une suite (ρn )n≥0 ⊂]0, 1[ t.q. λ(C) = .
—————————————corrigé—————————————–
Soit (εn )n∈N ⊂]ε, 1] t.q. ε0 = 1, εn+1 < εn pour tout n ∈ N et εn → ε quand n → ∞ (on peut
1−ε
prendre, par exemple, εn = ε − n+1 ).
On prend ρn = εn+1 εn pour tout n ∈ N. On a bien 0 < ρn < 1 et, comme λ(Cn+1 ) = ρn λ(Cn ) (ceci
a été démontré à la question précédente), on adonc λ(Cn ) = εn pour tout n ∈ N. Par continuité
décroissante de λ, on en déduit λ(C) = limn→∞ λ(Cn ) = ε.
—————————————————————————————–
304
6. Soit f lipschitzienne de R dans R. Montrer que si A est un compact de [0, 1] t.q. λ(A) = 0, alors
f (A) est un compact de R t.q. λ(f (A)) = 0.
—————————————corrigé—————————————–
Comme f est continue, f transforme les compacts en compacts. Donc, f (A) est bien un compact
de R (et donc appartient à B(R)).
On montre maintenant que λ(f (A)) = 0.

Soit L ∈ R t.q. |f (y) − f (x)| ≤ L|y − x| pour tout x, y ∈ R. On commence par montrer un petit
résultat préliminaire. Soit I = [a, b] un intervalle fermé de [0, 1] (I est donc compact). Comme f
est continue sur [a, b], il existe x, y ∈ [a, b] t.q. f (x) = m = min{f (z), z ∈ [a, b]} et f (y) = M =
max{f (z), z ∈ [a, b]}. On a donc f (I) ⊂ [m, M ] (en fait, f (I) = [m, M ]), d’où :
λ(f (I)) ≤ M − m = f (y) − f (x) ≤ L|y − x| = Lλ(I). (12.9)
Soit η > 0. Comme A ∈ B(R), d’après la régularité de λ (voir le théorème 2.3), il existe O, ouvert de
R, t.q. A ⊂ O et λ(0) ≤ η. D’après le lemme 2.4 page 35, O est une union dénombrable d’intervalles
ouverts disjoints 2 à 2. En prenant éventuellement la restriction à [0, 1] de ces intervalles, on obtient
donc une famille dénombrable, notée
P+∞ (In )n∈N , d’intervalles inclus dans [0, 1], disjoints 2 à 2 t.q.
A ⊂ ∪n∈N In ⊂ O. On en déduit n=0 λ(In ) = λ(∪n∈N In ) ≤ η et f (A) ⊂ ∪n∈N f (In ) ⊂ ∪n∈N f (I n ).
P+∞ P+∞
On a donc λ(f (A)) ≤ n=0 λ(f (I n )). En utilisant (12.9), on a donc λ(f (A)) ≤ L n=0 λ(I n ) =
P+∞
L n=0 λ(In ) ≤ Lη. Comme η est arbitrairement petit, on a donc λ(f (A)) = 0.
—————————————————————————————–
7. Construire une fonction continue de R dans R t.q. si A est un compact de [0, 1] t.q. λ(A) = 0, on
n’a pas forcément λ(f (A)) = 0 (mais f (A) est un compact de R). [Utiliser un ensemble de Cantor
de mesure nulle (cf question 4) et un ensemble de Cantor de mesure > 0 (cf question 5).]
—————————————corrigé—————————————–
On note C l’ensemble obtenu dans la question 4, c’est-à-dire avec ρn = ρ pour tout n ∈ N et
0 < ρ < 1 (par exemple, ρ = 32 ). On note apn , bpn , Cn les points et ensembles utilisés pour construire
C et on note aussi D = {apn , n ∈ N, p ∈ {1, . . . , 2n }} ∪ {bpn , n ∈ N, p ∈ {1, . . . , 2n }}. (Noter que
D ⊂ C.)
Soit ε > 0. On note C̃ l’ensemble C obtenu à la question 5. On a donc λ(C) = ε. On note
ãpn , b̃pn , C̃n les points et ensembles utilisés pour construire C̃ et on note aussi D̃ = {ãpn , n ∈ N,
p ∈ {1, . . . , 2n }} ∪ {b̃pn , n ∈ N, p ∈ {1, . . . , 2n }}. (Noter que D̃ ⊂ C̃.)
Soit n ∈ N et p ∈ {1, . . . , 2n }. On construit f sur l’intervalle [bn+1 n+1
2p−1 , a2p ] en prenant f affine et
n+1 n+1 n+1 n+1
t.q. f (b2p−1 ) = b̃2p−1 et f (a2p−1 ) = ã2p−1 . On remarque que f est ainsi contruit de (∪n∈N Cnc ) ∪ D
dans (∪n∈N C̃nc ) ∪ D̃ et est strictement croissante. Comme (∪n∈N Cnc )c = C et que C est d’intérieur
vide, f est définie sur une partie dense de [0, 1] et, comme (∪n∈N C̃nc )c = C̃ et que C̃ est d’intérieur
vide, l’image de f est dense dans [0, 1].
Il est maintenant facile de définir f par densité sur tout [0, 1]. En effet, soit x ∈ [0, 1]\(∪n∈N Cnc )∪D,
il existe une suite de points de (∪n∈N Cnc ) ∪ D, notée (yn )n∈N , convergeant en croissant vers x et
une suite de points de (∪n∈N Cnc ) ∪ D, notée (zn )n∈N , convergeant en décroissant vers x (en fait, ces
points peuvent même être pris dans D). Comme f et croissante, la suite (f (yn ))n∈N converge donc
305
en croissant vers un certain γ ∈ [0, 1] et la suite (f (zn ))n∈N converge en décroissant vers un certain
δ ∈ [0, 1] (la croissance de f donne aussi que ces limites ne dépendent que du choix de x et non du
choix des suites (yn )n∈N et (zn )n∈N ). Comme f est croissante, on a γ ≤ δ et comme l’image de f
(définie pour l’instant seulement sur (∪n∈N Cnc ) ∪ D) est dense dans [0, 1], on a nécessairement γ = δ
(l’intervalle γ, δ ne rencontre pas l’image de f ). On peut donc poser f (x) = γ = δ.
La fonction f est donc maintenant définie sur tout [0, 1] à valeurs dans [0, 1]. Elle est strictement
croissante et son image est dense dans [0, 1], elle est donc continue (par le même raisonnement que
celui fait pour définir f (x) en tout point x ∈ [0, 1]\(∪n∈N Cnc )∪D). Comme une application continue
transforme un compact en compact, on a donc f ([0, 1]) = [0, 1] et ceci prouve en particulier que
f ([0, 1] \ (∪n∈N Cnc ) ∪ D) = [0, 1] \ (∪n∈N C̃nc ) ∪ D̃. Comme f (D) = D̃, on a aussi f (C) = C̃. Pour
que f soit définie sur R et continue, on ajoute f (x) = 0 pour x < 0 et f (x) = 1 pour x > 1. On a
toujours f (C) = C̃. Ceci donne bien le résultat désiré car λ(C) = 0 et λ(C̃) = ε > 0.
—————————————————————————————–
Corrigé 32 (Mesure complète)

Soit (E, T, m) un espace mesuré. Une partie B de E est dite “négligeable” si elle est incluse dans un
élément de T de mesure nulle. On note Nm l’ensemble des parties négligeables. On pose T = {A ∪ N ;
A ∈ T, N ∈ Nm }.
1. Montrer que T est une tribu et que T ∪ Nm ⊂ T .
—————————————corrigé—————————————–
(a) On montre d’abord que T est une tribu.

• ∅ ∈ T car ∅ = ∅ ∪ ∅ et ∅ appartient à T et Nm (car il est de mesure nulle).
• T est stable par passage au complémentaire :
Soit C ∈ T . Il existe A ∈ T et N ∈ Nm t.q. C = A ∪ N . Comme N ∈ Nm , il existe B ∈ T
t.q. N ⊂ B et m(B) = 0.
On remarque alors que C c = (A ∪ N )c = Ac ∩ N c = (Ac ∩ B c ) ∪ (Ac ∩ N c ∩ B). Comme
Ac ∩ B c ∈ T (par les propriétés de stabilité de T ) et (Ac ∩ N c ∩ B) ∈ Nm (car inclus dans
B), on en déduit que C c ∈ T . Donc, T est stable par passage au complémentaire.
• T est stable par union dénombrable :
Soit (Cn )n∈N ⊂ T . Il existe (An )n∈N ⊂ T et (Nn )n∈N ⊂ Nm t.q. Cn = An ∪ Nn pour tout
n ∈ N. Comme, pour tout n ∈ N, Nn ∈ Nm , il existe Bn ∈ T t.q. Nn ⊂ Bn et m(Bn ) = 0.
On a alors ∪n∈N Cn = (∪n∈N An )∪(∪n∈N Nn ). On remarque que ∪n∈N Nn ⊂ B = ∪n∈N Bn ∈
T et m(B) = 0 par σ-sous additivité de m. Donc, ∪n∈N Nn ∈ Nm . comme ∪n∈N An ∈ T ,
on a finalement ∪n∈N Cn ∈ T . Ce qui prouve bien que T est stable par union dénombrable.
On a bien montré que T est une tribu sur E.
(b) On montre maintenant que T ∪ Nm ⊂ T .
• Si A ∈ T , on a A = A ∪ ∅. Comme ∅ ∈ Nm , on en déduit A ∈ T . Donc, T ⊂ T .
• Si N ∈ Nm , on a N = ∅ ∪ N . Comme ∅ ∈ T , on en déduit N ∈ T . Donc, Nm ⊂ T .
Finalement, on a bien T ∪ Nm ⊂ T .
—————————————————————————————–
306
2. Soit A1 , A2 ∈ T et N1 , N2 ∈ Nm t.q. A1 ∪ N1 = A2 ∪ N2 . Montrer que m(A1 ) = m(A2 ).
—————————————corrigé—————————————–
Soit B2 ∈ T t.q. N2 ⊂ B2 et m(B2 ) = 0. On a :
A1 ⊂ A1 ∪ N1 = A2 ∪ N2 ⊂ A2 ∪ B2 .
Donc, par monotonie et sous additivité de m, m(A1 ) ≤ m(A2 ∪ B2 ) ≤ m(A2 ) + m(B2 ) = m(A2 ).
En changeant les rôles de A1 et A2 , on a aussi m(A2 ) ≤ m(A1 ). On a donc m(A1 ) = m(A2 ).
—————————————————————————————–
Pour B ∈ T , soit A ∈ T et N ∈ Nm t.q. B = A ∪ N , on pose m(B) = m(A). (La question
précédente montre que cette définition est cohérente.)
3. Montrer que m est une mesure sur T et m|T = m. Montrer que m est la seule mesure sur T égale
à m sur T .
—————————————corrigé—————————————–
(a) On montre d’abord que m est une mesure sur T .

Comme ∅ = ∅ ∪ ∅ et ∅ ∈ T ∩ Nm , on a m(∅) = m(∅) = 0.
Soit maintenant (Cn )n∈N ⊂ T t.q. Cn ∩ Cm = ∅ si n 6= m. Il existe (An )n∈N ⊂ T et
(Nn )n∈N ⊂ Nm t.q. Cn = An ∪ Nn pour tout n ∈ N. Comme, pour tout n ∈ N, Nn ∈ Nm , il
existe Bn ∈ T t.q. Nn ⊂ Bn et m(Bn ) = 0.
On a donc ∪n∈N Cn = (∪n∈N An ) ∪ (∪n∈N Nn ). On a déjà vu que ∪n∈N Nn ∈ Nm . Par définition
de m, on a donc m(∪n∈N Cn ) = m(∪n∈N An ). Comme Cn ∩ Cm = ∅ si n 6= m, on a aussi
An ∩ Am = ∅ si n 6= m (car Ap ⊂ Cp pour tout p). La σ-additivité de m (et la définition de
m(Cn )) donne(nt) alors :
X X
m(∪n∈N Cn ) = m(∪n∈N An ) = m(An ) = m(Cn ).
n∈N n∈N
Ce qui prouve la σ-additivité de m.

(b) On montre maintenant que m|T = m.
Si A ∈ T , on a A = A ∪ ∅. Comme ∅ ∈ Nm , on a donc (A ∈ T , on le savait déjà, et)
m(A) = m(A). Donc, m|T = m.
(c) Enfin, on montre que m est la seule mesure sur T égale à m sur T .
Soit m̃ une mesure sur T égale à m sur T .
Soit C ∈ T . Il existe A ∈ T et N ∈ Nm t.q. C = A ∪ N . Comme N ∈ Nm , il existe B ∈ T
t.q. N ⊂ B et m(B) = 0. On a alors A ⊂ C ⊂ A ∪ B. La monotonie de m̃, le fait que m̃ = m
sur T et la sous additivité de m donnent :
m(A) = m̃(A) ≤ m̃(C) ≤ m̃(A ∪ B) = m(A ∪ B) ≤ m(A) + m(B) = m(A).
On a donc m̃(C) = m(A) = m(C). Ce qui prouve que m̃ = m.

—————————————————————————————–
307
4. Montrer que Nm = Nm ⊂ T .
—————————————corrigé—————————————–
On a déjà vu (à la question 1) que Nm ⊂ T .
• Il est facile de voir que Nm ⊂ Nm . En effet, soit N ∈ Nm . Il existe B ∈ T t.q. N ⊂ B et

m(B) = 0. Comme T ⊂ T et que m = m sur T , on a donc aussi B ∈ T et m(B) = 0. Ce qui
prouve que N ∈ Nm .
• Soit maintenant N ∈ Nm . Il existe C ∈ T t.q. N ⊂ C et m(C) = 0. Comme C ∈ T , il existe
A ∈ T , M ∈ Nm et B ∈ T t.q. m(B) = 0 et C = A ∪ M ⊂ A ∪ B. la définition de m donne
que m(C) = m(A), on a donc m(A) = 0. On en déduit m(A ∪ B) ≤ m(A) + m(B) = 0, et
donc, comme C ⊂ A ∪ B, on a bien C ∈ Nm .
On a bien montré que Nm = Nm ⊂ T .

—————————————————————————————–
L’exercice 4.18 page 103 montre la différence “dérisoire”, du point de vue de l’intégration, entre (E, T, m)
et son complété (E, T , m).
Corrigé 33 (Série commutativement convergente dans R)

P
Soit (an )n∈N ⊂ R. Le but de l’exercice est P de montrer que si la série n∈N aϕ(n) est convergente pour
toute bijection ϕ : N → N, alors la série n∈N an est absolument convergente.
ce résultat, on suppose, par exemple, que n∈N a+
P
Pour montrer P n = ∞. Montrer qu’il existe ϕ : N → N,
n
bijective, t.q. p=0 aϕ(p) → ∞ quand n → ∞. Conclure.
—————————————corrigé—————————————–
P Pn
On suppose que la série n∈N an n’est pas absolument convergente. La suite ( p=0 |ap |)n∈N converge
− −
donc en croissantPvers ∞. Comme P |ap | = a+ +
p + ap et que ap = max{ap , 0} ≥ 0 et ap = max{−ap , 0} ≥ 0,
n n −
les deux suites ( p=0 a+ )
p n∈N et ( a
p=0 p P )n∈N sont donc aussi croissantes et l’une des deux, au moins,
n +
converge vers ∞. On suppose que la suite ( p=0 ap )n∈N converge vers ∞ (un raisonnement analogue à
Pn
ce qui suit permettrait de traiter le cas où la suite ( p=0 a− p )n∈N converge vers ∞). On va construire
Pn
ci-après
P une bijection ϕ de N dans N t.q. a
p=0 ϕ(p) → ∞ quand n → ∞. Ceci prouvera que la série
a
n∈N ϕ(n) est non convergente pour au moins une bijection de N dans N.
On note P = {n ∈ N, an ≥ 0} et N = {n ∈ N, an < 0} (de sorte que P ∩ N = ∅ et P ∪ N = N). Soit ϕ1

et ϕ2 les deux applications strictement croissantes de N dans N t.q. P = {ϕ1 (n), n ∈ N} et N = {ϕ2 (n),
n ∈ N}.
On comnence par montrer qu’il existe une suite strictement croissante (an )n∈N ⊂ N t.q. a0 = 0 et :
an+1 −1
X
aϕ2 (n) + aϕ1 (p) ≥ 1. (12.10)
p=an
Pour montrer l’existence d’une telle suite (an )n∈N , on pose a0 = 0. Puis,P∞on raisonne par
P∞récurrence sur n.
Si a0 , . . . , an sont contruits, l’existence de an+1 découle du fait que p=an aϕ1 (p) = p=ϕ1 (an ) a+
p = ∞.
la construction de la suite (ϕ(n))n∈N se fait alors en prenant ϕ1 (a0 ), . . . , ϕ1 (a1 − 1) puis ϕ2 (0) puis
ϕ1 (a1 ), . . . , ϕ1 (a2 − 1) puis ϕ2 (1). . . puis ϕ1 (an ), . . . , ϕ1 (an+1 − 1) puis ϕ2 (n). . .
308
Pour décrire précisément cette application ϕ, on pose b0 = 0 et, pour n ∈ N, bn+1 = bn + an+1 − an + 1
(la suite (bn )n∈N est strictement croissante et tend donc vers ∞ quand n → ∞). On définit alors, pour
tout n ∈ N, ϕ(q) losrque q ∈ {bn , . . . bn+1 − 1} par :
ϕ(bn + p) = ϕ1 (an + p) pour p ∈ {0, . . . , an+1 − an − 1},

ϕ(bn+1 − 1) = ϕ2 (n).
On a bien ainsi défini une application de N dans N car bn+1 −1 = bn +p, pour p = an+1 −an . L’application
ϕ est surjective car {ϕ(q), q ∈ N} = P ∪ NP }. Elle est injective car chaque valeur de ϕ1 et ϕ2 n’est prise
n
qu’une seule fois par ϕ. Enfin, on a bien p=0 aϕ(p) → ∞ quand n → ∞. En effet, on remarque que,
grâce à (12.10) :
bn+1 −1+p bn+1 −1
X X
aϕ(q) ≥ aϕ(q) ≥ n,
q=0 q=0
Pp
pour tout p ≥ 0 et tout n ∈ N. Ce qui donne, pour tout n ∈ N, lim inf p→∞ q=0 aϕ(q) ≥ n, et donc
Pp
q=0 aϕ(q) → ∞, quand p → ∞.
—————————————————————————————–
Corrigé 34 (Mesure sur S 1 )

On considère S 1 = {(x, y)t ∈ R2 , |x|2 +|y|2 = 1} (S 1 est donc le cercle unité de R2 ). Pour z = (x, y)t ∈ S 1 ,
il existe un unique θz ∈ [0, 2π[ t.q. x = cos(θz ) et y = sin(θz ). Pour α ∈ [0, 2π[ et z ∈ S 1 on pose
Rα (z) = (cos(θz + α), sin(θz + α))t . Noter que Rα est une bijection de S 1 sur S 1 (c’est la rotation d’angle
α).
Définir une tribu T sur S 1 , t.q. T contienne les parties de la forme {(cos(θ), sin(θ))t , θ ∈]α, β[} avec
−∞ < α < β < ∞, et une mesure µ sur T de sorte que (S 1 , T, µ) soit un espace mesuré avec µ(S 1 ) = 1 et
t.q. µ soit invariante par rotation (c’est à dire que, pour tout A ∈ T et α ∈ [0, 2π[, on ait Rα (A) = {Rα (z),
z ∈ A} ∈ T et µ(Rα (A)) = µ(A)). [On pourra utiliser la tribu borélienne de R, notée B(R), et la mesure
de Lebesgue sur B(R).]
—————————————corrigé—————————————–
On note Θ l’application z 7→ θz de S 1 dans R (cette application est bijective de S 1 dans [0, 2π[). On
prend alors T = {Θ−1 (B), B ∈ B(R)}. C’est bien une tribu sur S 1 (voir l’exercice 2.4).
Soit −∞ < α < β < ∞ et E = {(cos(θ), sin(θ))t , θ ∈]α, β[}. On a E ⊂ S 1 et, si z ∈ S 1 , on a z ∈ E si et
seulement si il existe k ∈ Z t.q. θz + 2kπ ∈]α, β[. Ceci prouve que
E = ∪k∈Z Θ−1 (]α − 2kπ, β − 2kπ[),
et donc que E ∈ T car Θ−1 (]α − 2kπ, β − 2kπ[) ∈ T pour tout k ∈ Z.
On définit maintenant µ. Soit A ∈ T . On pose ΘA = {θz , z ∈ A}. Comme A ∈ T , il existe B ∈ B(R) t.q.
A = Θ−1 (B), et donc A = Θ−1 (B ∩ [0, 2π[). Comme Θ est une bijection de S 1 dans [0, 2π[, on a alors
1
ΘA = B ∩ [0, 2π[∈ B(R). On pose µ(A) = 2π λ(ΘA ), où λ est la mesure de Lebesgue sur B(R).
µ est bien une mesure sur T . En effet, on a 2πµ(∅) = λ(Θ∅ ) = λ(∅) = 0. Puis, si (An )n∈N est une suite
d’éléments de T , disjoints 2 à 2, la suite (ΘAn )n∈N est une suite d’éléments de B(R), disjoints 2 à 2. La
σ−additvité de µ découle alors de celle de λ.
Il reste à montrer que µ est invariante par rotation. Soit α ∈ [0, 2π[ et A ∈ T . Comme on l’a vu
précédemment, il existe B ∈ B(R) t.q. A = Θ−1 (B ∩ [0, 2π[). On a donc A = {(cos(θ), sin(θ))t ,
309
θ ∈ B ∩ [0, 2π[}. Pour β ∈ R, on note Bβ = {θ + β, θ ∈ B}. On a alors :
Rα (A) = {(cos(θ + α), sin(θ + α))t , θ ∈ B ∩ [0, 2π[} = {(cos(θ), sin(θ))t , θ ∈ Bα ∩ [α, 2π + α[}
= {(cos(θ), sin(θ))t , θ ∈ Bα ∩ [α, 2π[} ∪ {(cos(θ), sin(θ))t , θ ∈ Bα−2π ∩ [0, α[}
= Θ−1 (Bα ∩ [α, 2π[) ∪ Θ−1 (Bα−2π ∩ [0, α[).
La propriété d’invariance par translation de λ permet de dire que Bβ ∈ B(R) pour tout β ∈ R. On a
donc Rα (A) ∈ T et, par additivité d’une mesure et définition de µ,
2πµ(Rα (A)) = λ(Bα ∩ [α, 2π[) + λ(Bα−2π ∩ [0, α[).
L’invariance par translation de λ donne λ(Bα−2π ∩ [0, α[) = λ(Bα ∩ [2π, α + 2π[) et donc :
2πµ(Rα (A)) = λ(Bα ∩ [α, 2π[) + λ(Bα ∩ [2π, α + 2π[) = λ(Bα ∩ [α, α + 2π[) = λ(B ∩ [0, 2π[).
Ce qui donne bien µ(Rα (A)) = µ(A).
—————————————————————————————–
12.2.3 Probabilités
Corrigé 35 (Lemme de Borel-Cantelli)
Soient (E, T, p) un espace probabilisé et (An )n∈N ⊂ T . On pose Bn = ∪k≥n Ak et A = ∩n∈N Bn (on
rappelle que A = lim supn→∞ An ).
P
1. Montrer que si n∈N p(An ) < +∞ alors p(A) = 0.
—————————————corrigé—————————————–
Cette question a été corrigée dans le corrigé 26.
—————————————————————————————–
2. On suppose
P que, pour tout n ∈ N? , les événements A1 , . . . , An sont indépendants. On suppose aussi
que n∈N p(An ) = ∞. Montrer que p(A) = 1.
—————————————corrigé—————————————–
Comme cela a été vu dans le corrigé 26, la propriété de continuité décroissante d’une mesure (voir
la proposition 2.3) domme p(A) = limn→∞ p(Bn ). Il suffit donc de montrer que p(Bn ) = 1 pour
tout n ∈ N.
Soit n ∈ N. Si il existe k ≥ n t.q. p(Ak ) = 1, on a, par monotonie de p, que p(Bn ) ≥ p(Ak ) = 1 et
donc p(Bn ) = 1. On suppose maintenant que p(Ak ) < 1 pour tout k ≥ n. Comme Bnc = ∩k≥n Ack ,
la continuité décroissante de p et l’indépendance des Ak donne :
m
Y m
Y
p(Bnc ) = lim p(Ack ) = lim (1 − p(Ak )).
m→∞ m→∞
k=n k=n
Comme ln(1 − x) ≤ −x pour tout x < 1 (ou, de manière équivalente, ln(u) ≤ u − 1 pour tout u > 0,
ceci est une conséquence, par exemple, de la concavité de la fonction ln), on a, pour m > n :
m
Y m
X m
X
ln( (1 − p(Ak ))) = ln(1 − p(Ak )) ≤ − p(Ak ).
k=n k=n k=n
Qm
De l’hypothèse n∈N p(An ) = ∞, on déduit limm→∞ ln( k=n (1 − p(Ak ))) = −∞, et donc p(Bnc ) =
P
0. Ceci donne bien p(Bn ) = 1 et termine la démonstration.
—————————————————————————————–
310
12.3.1 Fonctions mesurables
Corrigé 36 (Caractérisation des fonctions mesurables) (?)
Soient (E, T ) un espace mesurable et f une application de E dans R ;
1. Montrer que Tf = {B ∈ P(R) ; f −1 (B) ∈ T } est une tribu.
—————————————corrigé—————————————–
Cette question est un cas particulier (avec F = R) de la question 2 de l’exercice 2.4, voir le corrige
12 page 283.
—————————————————————————————–
2. Soit C un ensemble qui engendre B(R), montrer que les deux assertions suivantes sont équivalentes :
(i) f est mesurable,
(ii) f −1 (C) ∈ T , pour tout C ∈ C.
—————————————corrigé—————————————–
On remarque que f mesurable signifie simplement que Tf (définie à la question précédente)
contient B(R).
Le sens (i) ⇒ (ii) est immédiat car C ⊂ B(R).
Pour le sens (ii) ⇒ (i), on remarque que Tf est une tribu. Donc, si Tf contient C, on a aussi
Tf contient T (C) = B(R). Ceci donne f mesurable. Donc, on a bien (ii) ⇒ (i)
—————————————————————————————–
Corrigé 37 (Composition de fonctions mesurables)

Soit (E, T ) et (F, S) deux espaces mesurables. Soit f : E → F et ϕ : F → R (R est muni, comme
toujours, de la tribu borélienne). On suppose que f et ϕ sont mesurables. Montrer que ϕ◦f est mesurable
(de E dans R).
—————————————corrigé—————————————–
E est muni de la tribu T , F est muni de la tribu S et R est muni de la tribu borélienne.
Soit B ∈ B(R), on remarque que (ϕ ◦ f )−1 (B) = f −1 (ϕ−1 (B)). Comme ϕ−1 (B) ∈ S car ϕ est mesurable
(de F dans R), on a donc f −1 (ϕ−1 (B)) ∈ T car f est mesurable (de E dans F ). Ceci montre bien que
ϕ ◦ f est mesurable (de E dans R).
—————————————————————————————–
Corrigé 38 (R ou R+ . . . )
Soit ϕ : R → R, ϕ ≥ 0. On munit R (au départ et à l’arrivée) de la tribu borélienne. Montrer que ϕ est
mesurable (on dit aussi borélienne) si et seulement si ϕ est mesurable quand on la considère comme une
application de R dans R+ (R+ étant aussi muni de la tribu borélienne).
—————————————corrigé—————————————–
On suppose ϕ mesurable de R dans R. Soit B un borélien de R+ , on a donc B ∩ R ∈ B(R) (voir la
définition 3.1 page 52). Comme ϕ prend ses valeurs dans R et que ϕ est mesurable de R dans R, on a
donc ϕ−1 (B) = ϕ−1 (B ∩ R) ∈ B(R). Ceci donne donc que ϕ est mesurable de R dans R+ .
311
Réciproquement, on suppose maintenant ϕ mesurable de R dans R+ (mais ϕ ne prend jamais la valeur
∞, on peut donc la considérer comme étant de R dans R). Soit B ∈ B(R). On a donc aussi B ∈ B(R+ )
et donc ϕ−1 (B) ∈ B(R) car ϕ est mesurable de R dans R+ . Ceci prouve que ϕ est mesurable de R dans
R.
—————————————————————————————–
Corrigé 39 (Stabilité de M)
1. Soient (E, T ), (E 0 , T 0 ), (E 00 , T 00 ) des espaces mesurables, f (resp. g) une application de E dans

E 0 (resp. de E 0 dans E 00 ). On suppose que f et g sont mesurables. Montrer que g ◦ f est une
application mesurable de E dans E 00 .
—————————————corrigé—————————————–
Cette question est identique à celle de l’exercice 3.2 (voir le corrigé 37) avec E 00 au lieu de R. La
démonstration est semblable :
Soit B ∈ T 00 , on remarque que (g ◦ f )−1 (B) = f −1 (g −1 (B)). Comme g −1 (B) ∈ T 0 car g est
mesurable (de E 0 dans E 00 ), on a donc f −1 (g −1 (B)) ∈ T car f est mesurable (de E dans E 0 ). Ceci
montre bien que g ◦ f est mesurable (de E dans E”).
—————————————————————————————–
2. Soit (E, T ) un espace mesurable, on munit R de la tribu des boréliens B(R); soient f et g des
fonctions mesurables de E dans R.
(a) Montrer que f + (= sup(f, 0)), f − (= − inf(f, 0)) sont des fonctions mesurables de E dans R.
—————————————corrigé—————————————–
Cette question est démontrée dans la proposition 3.7 page 59.
—————————————————————————————–
(b) Montrer que f + g, f g et |f | sont des fonctions mesurables de E dans R.
—————————————corrigé—————————————–
Le fait que f + g, f g ∈ M est démontré dans la proposition 3.5 et le fait que |f | ∈ M est
démontré dans la proposition 3.7 (car |f | prend ses valeurs dans R et |f | ∈ M+ , on conclut
avec l’exercice 3.3, corrigé 38).
—————————————————————————————–
3. Soient (E, T ) un espace mesurable, (fn )n∈N une suite de fonctions mesurables de E dans R. On
suppose que la suite (fn (x))n∈N converge (dans R) pour tout x ∈ E. On pose f (x) = limn→+∞ fn (x)
(pour tout x ∈ E). Montrer que f est une fonction mesurable de E dans R.
—————————————corrigé—————————————–
La démonstration de cette question est donnée dans la proposition 3.5 page 57 (propriété 3).
—————————————————————————————–
4. Soit (E, T ) un espace mesurable, on suppose qu’il existe A ∈ T dont les sous-ensembles ne soient
pas tous mesurables. Il existe donc B ⊂ A t.q. B ∈ / T . Montrer que h = 1B − 1A\B n’est pas
mesurable (de E dans R), alors que |h| l’est.
—————————————corrigé—————————————–
312
{1} ∈ B(R) alors que h−1 ({1}) = B ∈
/ T , donc h n’est pas mesurable. Par contre |h| = 1A est
mesurable car A ∈ T .
—————————————————————————————–
Corrigé 40 (Mesurabilité des fonctions continues)

Soit f une application de R dans R. On munit R (au départ et à l’arrivée) de la tribu borélienne
1. On suppose f continue. Montrer que f est mesurable (on dit aussi que f est borélienne).
—————————————corrigé—————————————–
Soit O un ouvert de R. Comme f est continue, f −1 (O) est aussi un ouvert de R, donc f −1 (O) ∈
B(R). Comme l’ensemble des ouverts des ouverts engendre B(R), on en déduit que f est mesurable
(on utilise ici le caractérisation de la mesurabilité donnée à la proposition 3.2 page 55).
—————————————————————————————–
2. On suppose f continue à droite (resp. gauche). Montrer que f est mesurable.
—————————————corrigé—————————————–
On suppose f continue à droite. Pour n ∈ N? , on définit fn par :

 0 si x ≤ −n,
fn (x) = f ( np ) si p−1
n <x≤ p
n, p ∈ {−n2 + 1, . . . , n2 }
0 si x > n,

de sorte que
2
n
X p
fn = f ( )1] p−1 , p ] .
n n n
p=−n2 +1
On a fn ∈ E car ] p−1 p p
n , n ] ∈ B(R) pour tout n et p. Soit x ∈ R. Pour n > |x|, on a fn (x) = f ( n )
p 1 p
avec n − n ≤ x ≤ n (p dépend de n, x est fixé). Comme f est continue à droite en x, on a
donc fn (x) → f (x) quand n → ∞ (car np → x, avec np ≥ x). La deuxième caractérisation de la
mesurabilité (proposition 3.6 page 59) donne alors f ∈ M.
—————————————————————————————–
3. On suppose f croissante. Montrer que f est mesurable.
—————————————corrigé—————————————–
Soit α ∈ R. On pose A = f −1 ([α, ∞[). On suppose A 6= ∅ (si A = ∅, on a bien A ∈ B(R)). Si
x ∈ A, on a f (x) ≥ α et, comme f est croissante, on a aussi f (y) ≥ α pour tout y ≥ x. Donc,
[x, ∞[⊂ A. En posant a = inf A ∈ R ∪ {−∞}, on en déduit que ]a, ∞[⊂ A ⊂ [a, ∞[. A est donc
nécessairement un intervalle (dont la borne supérieure est ∞), ce qui prouve que A ∈ B(R). Comme
{[α, ∞[, α ∈ R} engendre B(R), on en déduit que f est mesurable. (On a utilisé ici de nouveau la
caractérisation de la mesurabilité donnée à la proposition 3.2 page 55).
—————————————————————————————–
Corrigé 41 (Egalité presque partout)
313
1. Soient f et g des fonctions continues de R dans R et λ la mesure de Lebesgue ; montrer que f = g
λ p.p. si et seulement si f = g.
—————————————corrigé—————————————–
Si f = g (c’est-à-dire f (x) = g(x) pour tout x ∈ R), on a bien f = g λ p.p. car f = g sur ∅c et
λ(∅) = 0.
Pour la réciproque, on va utiliser le fait qu’un ouvert non vide est toujours de mesure de Lebesgue
strictement positive. En effet, si O est un ouvert non vide, il existe α, β ∈ R t.q. α < β et ]α, β[⊂ O,
on a donc 0 < β − α = λ(]α, β[) ≤ λ(O).
On suppose maintenant que f = g λ p.p., il existe A ∈ B(R) t.q. λ(A) = 0 et f = g sur Ac . On a
alors {f (x) 6= g(x)} ⊂ A. Or, {f (x) 6= g(x)} = (f − g)−1 (R? ) est un ouvert car (f − g) est continue
(de R dans R) et R? est un ouvert de R. Donc {f (x) 6= g(x)} ∈ B(R) et la monotonie de λ donne
λ({f (x) 6= g(x)}) ≤ λ(A) = 0. On en déduit que {f (x) 6= g(x)} = ∅ (car un ouvert non vide est
toujours de mesure de Lebesgue strictement positive) et donc f = g.
—————————————————————————————–
2. Soient f et g des fonctions de R dans R et δ0 la mesure de Dirac en 0 ; montrer que f = g δ0 p.p.
si et seulement si f (0) = g(0).
—————————————corrigé—————————————–
Si f (0) = g(0), on prend A = {0}c . On a bien A ∈ B(R), δ0 (A) = 0 et f = g sur Ac car Ac = {0}.
Donc, f = g δ0 p.p..
Réciproquement, on suppose maintenant que f = g δ0 p.p., il existe donc A ∈ B(R) t.q. f = g sur
Ac et δ0 (A) = 0. Comme δ0 (A) = 0, on a donc 0 ∈
/ A, c’est-à-dire 0 ∈ Ac et donc f (0) = g(0).
—————————————————————————————–
Corrigé 42
Soit f : RN × R dans R. On munit Rp de sa tribu borélienne (pour tout p ∈ N? ). on suppose que f est
mesurable par rapport à x ∈ RN , pour tout y ∈ R, et que f est continue a gauche par rapport a y ∈ R,
pour tout x ∈ RN .
Pour n > 1 et p ∈ Z, on pose : anp = np , p ∈ Z ; on définit la fonction fn , n > 1, de RN × R dans R par :
fn (x, y) = f (x, anp ), si y ∈ [anp , anp+1 [

On se limite à N = 1.
1. Montrer que fn converge simplement vers f lorsque n → +∞.
—————————————corrigé—————————————–
Soit (x, y)t ∈ R2 . Pour tout n ∈ N? , on a donc fn (x, y) = f (x, np ) avec np ≤ y < np + n1 . Noter que x
et y sont fixés et que p dépend de n. Quand n → ∞, on a donc np → y avec np ≤ y. Comme f (x, ·) est
continue à gauche en y, on a donc f (x, np ) → f (x, y) quand n → ∞, c’est-à-dire fn (x, y) → f (x, y)
quand n → ∞.
—————————————————————————————–
314
2. Montrer que fn est mesurable. [On pourra utiliser, sans le démontrer, le fait que A × B ∈ B(R2 ) si
A, B ∈ B(R). Ceci est démontré dans l’exercice 2.5 page 42.]
—————————————corrigé—————————————–
Soit n ∈ N? . Pour p ∈ Z, on pose gp = f (·, np ). On a donc, par hypothèse, gp mesurable de R dans
R.
Soit C ∈ B(R). Soit (x, y)t ∈ R2 . Il existe donc p ∈ Z t.q. y ∈ [ np , p+1
n [. On a alors fn (x, y) = gp (x)
et donc fn (x, y) ∈ C si et seulement gp (x) ∈ C. On en déduit que :
p p+1
fn−1 (C) = ∪p∈Z (gp−1 (C) × [ , [).
n n
Comme gp est mesurable, on a gp−1 (C) ∈ B(R). On a aussi [ np , p+1 −1
n [∈ B(R) et donc gp (C) ×
p p+1
[ n , n [∈ B(R2 ) (ceci est démontré dans l’exercice 2.5 page 42). Comme B(R2 ) est stable par union
dénombrable, on en déduit fn−1 (C) ∈ B(R2 ) et donc fn mesurable de R2 dans R.
—————————————————————————————–
3. Montrer que f est mesurable.
—————————————corrigé—————————————–
Comme fn mesurable pour tout n ∈ N? et que fn (x, y) → f (x, y), quand n → ∞, pour tout
(x, y)t ∈ R2 , la propriété 3 de la proposition 3.5 donne que f est mesurable (de R2 dans R).
—————————————————————————————–
Corrigé 43 (Tribu de Borel sur B(R+ ))
1. Montrer que {[0, β[, β ∈ R?+ } engendre B(R+ ).
—————————————corrigé—————————————–
On note C1 = {[0, β[, β ∈ R?+ }.
• Comme [0, β[ est un ouvert de R+ pour tout β ∈ R?+ , on a C1 ⊂ B(R+ ) et donc T (C1 ) ⊂ B(R+ ).
• Par stabilité d’une tribu par passage au complémentaire, on a {[β, ∞], β ∈ R?+ } ⊂ T (C1 ).
Comme [0, ∞] = [0, 1[∪[1, ∞] ∈ T (C1 ), on a aussi {[α, ∞], α ∈ R+ } ⊂ T (C1 ).
Par stabilité d’une tribu par intersection, on a alors {[α, β[, α, β ∈ R+ , α < β} ⊂ T (C1 ).
Par stabilité d’une tribu par union dénombrable, on montre alors que {]α, β[, α, β ∈ R+ ,
α < β} ⊂ T (C1 ) et {]β, ∞], β ∈ R+ } ⊂ T (C1 ).
Comme tout ouvert de R+ est une réunion au plus dénombrable d’intervalles du type ]α, β[
(avec α, β ∈ R+ ∩ Q), [0, β[ (avec β ∈ R+ ∩ Q) et ]β, ∞] (avec β ∈ R+ ∩ Q), on en déduit que
tout ouvert de R+ est dans T (C1 ) et donc B(R+ ) ⊂ T (C1 ).
On a bien montré que B(R+ ) = T (C1 ).

—————————————————————————————–
2. Montrer que {[0, β[, β ∈ Q ∩ R?+ } engendre B(R+ ).
—————————————corrigé—————————————–
315
On note C2 = {[0, β[, β ∈ Q ∩ R?+ }. Si β ∈ R?+ , on remarque que [0, β[= ∪α∈Q∩R?+ ,α<β [0, α[. On en
déduit que [0, β[∈ T (C2 ). On a donc C1 ⊂ T (C2 ) et T (C1 ) ⊂ T (C2 ).
Comme T (C1 ) = B(R+ ), on a aussi T (C2 ) = B(R+ ).
—————————————————————————————–
3. Montrer que {]0, β[, β ∈ R?+ } n’engendre pas B(R+ ).
—————————————corrigé—————————————–
On prend un ensemble E (ayant au moins 2 éléments) et une tribu T sur E différente de P(E)
(par exemple, T = {∅, E}). Soit alors A ⊂ E, A ∈ / T . On définit f de E dans R+ par f (x) = ∞
si x ∈ A et f (x) = 0 si x ∈ / A. Comme A ∈ / T , la fonction f est non mesurable. On a pourtant
f −1 (]0, β[) = ∅ ∈ T pour tout β ∈ R?+ . Ceci montre que {]0, β[, β ∈ R?+ } n’engendre pas B(R+ ).
—————————————————————————————–
Corrigé 44
Soit f une fonction mesurable de R dans R (R est muni de sa tribu borélienne, notée B(R)). On se
propose de montrer que le graphe de f est un borélien de R2 . On admettra le résultat suivant, vu en
TD :
A, B ∈ B(R) ⇒ A × B ∈ B(R2 ). (12.11)
On munit aussi R2 de sa tribu borélienne. Pour x, y ∈ R, on pose F (x, y) = f (x) et H(x, y) = y.
1. Montrer que F et H sont mesurables de R2 dans R.
—————————————corrigé—————————————–
Soit A ∈ B(R). On a F −1 (A) = f −1 (A) × R. Comme f est mesurable, f −1 (A) ∈ B(R). Comme
R ∈ B(R), (12.11) donne f −1 (A) × R ∈ B(R2 ) et donc F −1 (A) ∈ B(R2 ). On a donc F mesurable
de R2 dans R.
Le fait que H est mesurable se démontre de manière semblable en remarquant que H −1 (A) = R × A
(ou en utilisant la continuité de H).
—————————————————————————————–
2. On pose G(f ) = {(x, y)t ∈ R2 ; y = f (x)} (G(f ) est donc le graphe de f ). Montrer que G(f ) ∈
B(R2 ).
—————————————corrigé—————————————–
L’ensemble de fonctions mesurables est un espace vectoriel, on a donc F − H mesurable. On en
déduit que G(f ) ∈ B(R2 ) en remarquant que G(f ) = (F − H)−1 ({0}) et {0} ∈ B(R).
—————————————————————————————–
Corrigé 45 (mesurabilité au sens de Lusin)

Soit m une mesure sur B(RN ), finie sur les compacts de RN . On rappelle (cf. cours) que m est néces-
sairement régulière (c’est-à-dire que pour tout A ∈ B(RN ) et pour tout ε > 0, il existe F fermé et O
ouvert t.q. F ⊂ A ⊂ O et m(O \ F ) < ε).
Soit f ∈ RN → R. On dit que f est “mesurable au sens de Lusin” si pour tout compact K et pour tout
ε > 0, il existe K1 compact, K1 ⊂ K, t.q. m(K \ K1 ) ≤ ε et f|K1 ∈ C(K1 , R).
316
1. On suppose, dans cette question, que f = 1A avec A ∈ B(RN ). Montrer que f est mesurable au sens
de Lusin. [Construire K1 avec K, F et O, où F et O sont donnés par la régularité de m appliquée
à l’ensemble A.]
—————————————corrigé—————————————–
Soit K compact et ε > 0. Par la régularité de m, il existe F fermé et O ouvert t.q. F ⊂ A ⊂ O et
m(O \ F ) < ε. On prend K1 = (K ∩ F ) ∪ (K ∩ Oc ).
Les ensembles K ∩ F et K ∩ Oc sont fermés (car l’intersection d’un compact et d’un fermé est
un compact). L’ensemble K1 est donc compact car il est l’union de deux compacts. Comme
K1 = K \(O\F ), on a bien K1 ⊂ K et (K \K1 ) ⊂ (O\F ). On en déduit m(K \K1 ) ≤ m(O\F ) ≤ ε.
On montre maintenant que f|K1 ∈ C(K1 , R). Soit x ∈ K1 . On distingue deux cas :
Premier cas. Si x ∈ K ∩ F , on a alors x ∈ O. Comme O est ouvert il existe δ t.q. B(x, δ) ⊂ O
(où B(x, δ) est la boule ouverte de centre x et de rayon δ). On a donc K1 ∩ B(x, δ) ⊂ K ∩ F ⊂ A.
Ce qui prouve que f|K1 est constante et égale à 1 sur K1 ∩ B(x, δ) et donc f|K1 est continue en x
(car constante dans un voisinage de x).
Deuxième cas. Si x ∈ K ∩ Oc , on raisonne de manière similaire. On a x ∈ F c . Comme F c est
ouvert il existe δ t.q. B(x, δ) ⊂ F c . On a donc K1 ∩ B(x, δ) ⊂ K ∩ Oc ⊂ Ac . Ce qui prouve que
f|K1 est constante et égale à 0 sur K1 ∩ B(x, δ) et donc f|K1 est continue en x.
—————————————————————————————–
2. On suppose, dans cette question, que f est étagée (c’est-à-dire f ∈ E(RN , B(RN )). Montrer que f
est mesurable au sens de Lusin.
—————————————corrigé—————————————–
?
Pn
Il existe n ∈ NP , A1 , . . . , An ∈ B(RN ) et a1 , . . . , an ∈ R t.q. f = i=1 ai 1Ai . On pose fi = 1Ai , de
n
sorte que f = i=1 ai fi .
(i)
Soit K compact et ε > 0. Par la question 1, pour tout i ∈ {1, . . . , n}, il existe K1 compact,
(i) (i) (i)
K1 ⊂ K, t.q. m(K \ K1 ) ≤ ε/n et (fi )| (i) ∈ C(K1 , R). On prend alors :
K1
(i)
K1 = ∩ni=1 K1 .
(i)
On a bien K1 compact (car intersection de compacts), K1 ⊂ K. On a aussi (K\K1 ) = ∪ni=1 (K\K1 )
et donc :
n
(i)
X
m(K \ K1 ) ≤ m(K \ K1 ) ≤ ε.
i=1
Pn
Enfin, f|K1 est continue car f|K1 = i=1 ai (fi )|K1 et (fi )|K1 est continue (puisque (fi )K (i) est
1
(i)
continue et K1 ⊂ K1 ).
—————————————————————————————–
3. On suppose que f est mesurable (c’est-à-dire f ∈ M(RN , B(RN )). Montrer que f est mesurable au
sens de Lusin. [On rappelle qu’une fonction mesurable est limite simple de fonctions étagées. On
pourra utiliser le théorème d’Egorov, Théorème 3.2, et la question précédente.]
317
—————————————corrigé—————————————–
Comme f ∈ M(RN , B(RN )), il existe (fn )n∈N ⊂ E(RN , B(RN )) t.q. fn → f p.p..
(n) (n)
Soit K compact et ε > 0. Par la question 2, pour tout n ∈ N, il existe K1 compact, K1 ⊂ K,
(n) (n)
t.q. m(K \ K1 ) ≤ 2−n et (fn )| (n) ∈ C(K1 , R). On prend tout d’abord :
K1
(n)
K2 = ∩n∈N K1 .
On a bien K2 compact (car intersection de compacts), K2 ⊂ K. On a aussi (K \ K2 ) = ∪n∈N (K \

(n) P (n)
K1 ) et donc m(K \ K2 ) ≤ n∈N m(K \ K1 ) ≤ 2ε. Enfin, (fn )|K2 est continue pour tout n ∈ N.
Pour trouver K1 , on utilise maintenant théorème d’Egorov. Comme fn → f p.p. sur K2 et que
m(K2 ) < ∞, il existe A ∈ B(Rn ) t.q. A ⊂ K2 , m(K2 \ A) ≤ ε et fn → f uniformément sur A. En
utilisant la régularité de m , on trouve aussi F ⊂ A, F fermé et m(A \ F ) ≤ ε. On prend alors
K1 = F .
On a bien K1 compact (car K1 est fermé dans le compact K2 ), K1 ⊂ K. On a (K \ K1 ) =

(K \ K2 ) ∪ (K2 \ A) ∪ (A \ F ) et donc m(K \ K1 ) ≤ 4ε. Enfin f|K1 est continue car f|K1 est limite
uniforme de la suite de fonctions continues ((fn )|K1 )n∈N .
—————————————————————————————–
Corrigé 46 (V.a. mesurable par rapport à une autre v.a.)

Dans cet exercice, on démontre le théorème 3.1. Soit X et Y deux variables aléatoires réelles définies sur
un espace de probabilités (Ω, A, P ). On veut veut montrer que Y est mesurable par rapport à la tribu
engendrée par X (notée τ (X) si et seulement si il existe une fonction borélienne f de R dans R telle que
Y = f (X) (c’est-à-dire , plus précisément, que Y = f ◦ X).
1. Montrer que si Y est de la forme Y = f (X) où f est une fonction borélienne de R dans R, alors Y
est τ (X)-mesurable.
—————————————corrigé—————————————–
On rappelle que la tribu engendrée par X est τ (X) = {X −1 (B), B ∈ B(R)}.
Soit B ∈ B(R), on a Y −1 (B) = X −1 (f −1 (B)). Comme f est borélienne (c’est-à-dire mesurable de
R dans R, où R est muni de la tribu borélienne), on a f −1 (B) ∈ B(R) et donc X −1 (f −1 (B)) ∈ τ (X).
Ce qui prouve que T est τ (X)-mesurable.
—————————————————————————————–
On suppose maintenant que Y est τ (X)-mesurable.
2. On suppose, dans cette question, qu’il existe une suite de réels (aj ) tels que aj 6= ak pour j 6= k et
une suite d’événements (Aj ) disjoints deux à deux tels que
X
Y = aj 1Aj .
j
On suppose aussi que ∪j Aj = Ω. Montrer que, pour tout j, Aj ∈ τ (X) et qu’il existe une fonction
borélienne f : R → R telle que Y = f (X).
318
—————————————corrigé—————————————–
Soit j ∈ N. Comme les Ai sont disjoints deux à deux, ai 6= ak si i 6= k et ∪i Ai = Ω, on a
Aj = Y −1 ({aj }). Comme {aj } ∈ B(R) et Y est τ -mesurable, on en déduit que Aj ∈ τ (X). (On
rappelle aussi que τ (X) ⊂ A car X est une v.a. sur (Ω, A, P ).)
Pour tout i, il existe Bi ∈ B(R) t.q. Ai = X −1 (Bi ) (car Ai ∈ τ (X)). Comme les Ai sont disjoints
deux à deux, on a, si i 6= j, Bi ∩ Bj ∩ Im(X) = ∅ (avec Im(X) = {X(ω), ω ∈ Ω}). On peut donc
supposer les Bi disjoints deux à deux en remplaçant chaque Bi (i > 0) par Bi \ ∪j<i Bj .
P
On pose f = i ai 1Bi . La fonction f est bien une fonction borélienne de R dans R. Si ω ∈ Ω, il
existe i t.q. ω ∈ Ai (car Ω = ∪i Ai ), on a donc X(w) ∈ Bi et donc f (X(ω)) = ai = Y (ω). Ce qui
donne bien f (X) = Y .
—————————————————————————————–
1
3. Soit n un entier. On définit la fonction φn : R → R par: φn (x) = n [nx] où [·] désigne la partie
entière. ([x] est le plus grand entier inférieur ou égal à x.)
(a) Montrer que, pour tout x ∈ R, φn (x) converge vers x, quand n → ∞.

—————————————corrigé—————————————–
1
Soit x ∈ R. Pour tout n ∈ N? , on a 0 ≤ nx − [nx] < 1 et donc 0 ≤ x − φn (x) < n. Ce qui
prouve que φn (x) → x quand n → ∞.
—————————————————————————————–
(b) On pose Yn = φn (Y ). Montrer que Yn est τ (X) mesurable.
—————————————corrigé—————————————–
On remarque tout d’abord que φ1 est borélienne. En effet, pour p ∈ Z, on a φ−11 ({p}) =
[p, p + 1[∈ B(R). Puis, pour B ∈ B(R), on a φ−1
1 (B) = ∪p∈Z∩B [p, p + 1[∈ B(R).
Soit n ∈ N? . Comme x 7→ nx est continue, c’est une application borélienne. Par composition
(et produit par (1/n)), on en déduit que la fonction φn est borélienne. On montre alors
que Yn est τ (X)-mesurable, comme dans la première question car, pour B ∈ B(R), on a
Yn−1 (B) = Y −1 (φ−1
n (B)) ∈ τ (X).
—————————————————————————————–
4. Terminer la preuve du théorème.

—————————————corrigé—————————————–
Soit n ∈ N? . Comme l’ensemble des valeurs prises par Yn (définie dans la troisième question) est au
plus dénombrable, on peut appliquer la deuxième question. On obtient l’existence de fn : R → R,
borélienne, t.q. Yn = fn (X).
On note A l’ensemble des réels x pour lesquels la suite (fn (x))n∈N? est convergente. A est donc
aussi l’ensemble des réels x pour lesquels la suite (fn (x))n∈N? est de Cauchy. On en déduit que
A ∈ B(R) car A peut s’écrire :
1 1
A = ∩n∈N? ∪N ∈N? ∩p,q≥N (fp − fq )−1 ([− , ]).
n n
On pose maintenant f (x) = limn→∞ fn (x) si x ∈ A et f (x) = 0 si x ∈ Ac . La fonction f est

borélienne car f est limite simple des fonction boréliennes fn 1Ac quand n → ∞.
319
Enfin, si ω ∈ Ω, on a Yn (ω) = fn (X(ω)). La troisième question donne que Yn (ω) = φn (Y (ω)) →
Y (ω). On a donc X(ω) ∈ A et donc fn (X(ω)) → f (X(ω)). Ceci donne Y (ω) = f (X(ω)). On a
bien montré que Y = f (X) avec f borélienne.
—————————————————————————————–
Maintenant, on se demande dans quelle mesure la fonction f est unique. On note PX la loi de X.
5. Soit f et g deux fonctions boréliennes t.q. Y = f (X) = g(X). Montrer que
PX (f = g) = 1.
—————————————corrigé—————————————–
Soit B = {x ∈ R, f (x) = g(x)}. On a B = (f − g)−1 ({0}) ∈ B(R). Si ω ∈ Ω, on a f (X(ω)) =
g(X(ω)) = Y (ω) et donc X(ω) ∈ B. Ceci prouve que X −1 (B) = Ω et donc que PX (B) =
P (X −1 (B)) = 1, c’est-à-dire PX (f = g) = 1.
—————————————————————————————–
Corrigé 47 (Composition de v.a.)

Soit (Ω, A, P ) un espace probabilisé. Soit N une variable aléatoire à valeurs dans N? et (Yn )n∈N une suite
de variables alélatoires réelles. (c’est-à-dire à valeurs dans R, muni de la tribu des boréliens). On définit
Z par
∀ω ∈ Ω , Z(ω) = YN (ω) (ω).
Montrer que Z est une variable aléatoire.
—————————————corrigé—————————————–
Soit B ∈ B(R). Pour n ∈ N, on pose :
An = {N = n} = {ω ∈ Ω, N (ω) = n}
et
Bn = Yn−1 (B) = {Yn ∈ B} = {ω ∈ Ω, Yn (ω) ∈ B}.
(Notre que l’ensemble des An , n ∈ N? , forme une partition de Ω.) On va montrer que Z −1 (B) =
∪n∈N? (An ∩ Bn ).
En effet, pour tout ω ∈ Ω, on a ω ∈ AN (ω) et, si ω ∈ Z −1 (B), on a Z(ω) = YN (ω) (ω) ∈ B. On a donc
ω ∈ AN (ω) ∩ BN (ω) , ce qui donne bien ω ∈ ∪n∈N? (An ∩ Bn ).
Réciproquement, si ω ∈ ∪n∈N? (An ∩Bn ), il existe n ∈ N? t.q. ω ∈ An ∩Bn . On a donc Z(ω) = Yn (ω) ∈ B.
On a bien montré que Z −1 (B) = ∪n∈N? (An ∩ Bn ).
Comme N et Yn sont des v.a.r., on a An , Bn ∈ A, pour tout n ∈ N? . On en déduit que Z −1 (B) ∈ A.

Ceci donne bien que Z est mesurable.
P
N.B. : Une autre démonstration possible est de remarquer que Z = n∈N? 1An Yn .
—————————————————————————————–
Corrigé 48 (Evénements, tribus et v.a. indépendantes)

Soit (E, A, P ) un espace probabilisé.
320
1. (Indépendance de 2 évènements) Soit A1 , A2 ∈ A. Montrer que A1 et A2 sont indépendants (c’est-à-
dire P (A1 ∩A2 ) = P (A1 )P (A2 )) si et seulement si les tribus τ ({A1 }) et τ ({A2 }) sont indépendantes
(c’est-à-dire P (B1 ∩ B2 ) = P (B1 )P (B2 ) pour tout B1 ∈ τ ({A1 }) et B2 ∈ τ ({A2 })).
—————————————corrigé—————————————–
On a τ ({A1 }) = {∅, A1 , Ac1 , E} et τ ({A2 }) = {∅, A2 , Ac2 , E}.
Si les tribus τ ({A1 }) et τ ({A2 }) sont indépendantes on donc :
P (B1 ∩ B2 ) = P (B1 )P (B2 ) pour tout B1 ∈ {∅, A1 , Ac1 , E} et tout {∅, A2 , Ac2 , E}. (12.12)
En prenant, dans (12.12), B1 = A1 et B2 = A2 , on en déduit que A1 et A2 sont indépendants.

Réciproquement, on suppose que A1 et A2 sont indépendants. Pour montrer que τ ({A1 }) et τ ({A2 })
sont indépendantes, il suffit de montrer (12.12). On remarque tout d’abord que (12.12) est vraie si
B1 = ∅ ou E et si B2 = ∅ ou E (l’hypothèse d’indépendance de A1 et A2 est même inutile). Puis,
on remarque que l’hypothèse d’indépendance de A1 et A2 donne que (12.12) est vraie si B1 = A1 et
B2 = A2 . Enfin, on remarque que C1 et C2 indépendants implique que C1 et C2c sont indépendants.
En effet, on a :
P (C1 ∩ C2c ) = P (C1 \ (C1 ∩ C2 )) = P (C1 ) − P (C1 ∩ C2 ).
Comme C1 et C2 sont indépendants, on en déduit :
P (C1 ∩ C2c ) = P (C1 ) − P (C1 )P (C2 ) = P (C1 )(1 − P (C2 )) = P (C1 )P (C2c ).
En appliquant cette propriété avec C1 = A1 et C2 = A2 , on montre donc que A1 et Ac2 sont in-
dépendants. En prenant maintenant C1 = Ac2 et C2 = A1 , on montre alors que Ac1 et Ac2 sont
indépendants. Enfin, En prenant C1 = A2 et C2 = A1 , on montre que Ac1 et A2 sont indépen-
dants. On a ainsi montré que (12.12) est vraie, c’est-à-dire que les tribus τ ({A1 }) et τ ({A2 }) sont
indépendantes.
—————————————————————————————–
2. (Indépendance de n évènements, n ≥Q2) Soit n ≥ 2, A1 , . . . , An ∈ A. Montrer que les événements
A1 , . . . , An vérifient “P (∩i∈I Ai ) = i∈I P (Ai ) pour tout I ⊂ {1, . . . , n}”Q si et seulement si les
n
tribus τ ({A1 }), . . . , τ ({An }) sont indépendantes (c’est-à-dire P (∩ni=1 Bi ) = i=1 P (Bi ) pour tout
Bi ∈ τ ({Ai }), i ∈ {1, . . . , n}).
—————————————corrigé—————————————–
Pour p ∈ {0, . . . , n}, on introduit la propriété Pp suivante :
n
Y
P (∩ni=1 Bi ) = P (Bi ) si Bi ∈ τ ({Ai }) pour i ≤ p et Bi ∈ {∅, Ai , E} pour i > p.
i=1
Q
Il est facile de voir que la propriété P0 est équivalente à “P (∩i∈I Ai ) = i∈I P (Ai ) pour tout
I ⊂ {1, . . . , n}”. La propriété Pn signifie que les tribus τ ({A1 }), . . . , τ ({An }) sont indépendantes.
Le fait que Pn implique P0 est immédiat. On suppose maintenant que P0 est vérifiée et va montrer
que Pn est vérifiée. Pour cela, on raisonne par récurrence sur p. On suppose donc que Pp−1 est
vérifiée pour un p ∈ {1, . . . , n} et on doit montrer que Pp est vérifiée. Pour montrer que Pp est
vérifiée, il suffit de prendre les Bi t.q. Bi ∈ τ ({Ai }) pour i ≤ p − 1, Bp = Acp et Bi ∈ {∅, Ai , E}
321
Qn
pour i < p et de montrer que P (∩ni=1 Bi ) = i=1 P (Bi ) (car les autres choix de Bp sont directement
donnés par Pp−1 ). Or, on a, pour ce choix des Bi :
P (∩ni=1 Bi ) = P (∩ni=1 Ci ) − P (∩ni=1 Di ),

n
Qn
avec Ci = Di = B i si i 6= p, Cp = E et Dp = Ap . En utilisant Pp−1 on a P (∩i=1 Ci ) = i=1 P (Ci )
n
et P (∩ni=1 Di ) = i=1 P (Di ) et donc :
Q
   
Y Y Yn
P (∩ni=1 Bi ) =  P (Bi ) (P (E) − P (Ap )) =  P (Bi ) P (Acp ) = P (Bi ).
i6=p i6=p i=1
On a ainsi montré que Pp est vérifiée. Par récurrence (finie) sur p, on montre donc que Pn est
vérifiée, ce qui prouve que les tribus τ ({A1 }), . . . , τ ({An }) sont indépendantes.
—————————————————————————————–
3. En donnant un exemple (avec n ≥ 3), montrer que l’on peut avoir n évévements, notés A1 , . . . , An ,
indépendants deux à deux, sans que les événements A1 , . . . , An soient indépendants.
—————————————corrigé—————————————–
On prend, par exemple, E = {1, 2, 3, 4}, A = P(E) et P donnée par P ({i}) = 14 , pour i ∈ {1, 2, 3, 4}.
Puis, on choisit A1 = {1, 2}, A2 = {1, 3} et A3 = {2, 3}. Les trois évévements A1 , A2 , A3 sont bien
indépendants deux à deux (car P (Ai ∩ Aj ) = P (Ai )P (Aj ) = 14 si i, j ∈ {1, 2, 3}, i 6= j) mais ne sont
pas indépendants car 0 = P (A1 ∩ A2 ∩ A3 ) 6= 18 = P (A1 )P (A2 )P (A3 ).
—————————————————————————————–
4. Soit A ∈ A.
(a) On suppose que A ∈ A1 et A ∈ A2 et que A1 et A2 sont deux tribus indépendantes (et

contenues dans A). Montrer que P (A) ∈ {0, 1}.
—————————————corrigé—————————————–
Comme A ∈ A1 , A ∈ A2 et que A1 et A2 sont deux tribus indépendantes, on doit avoir
P (A ∩ A) = P (A)P (A), c’est-à-dire P (A)(1 − P (A)) = 0 et donc P (A) ∈ {0, 1}.
—————————————————————————————–
(b) Montrer que P (A) ∈ {0, 1} si et seulement si A est indépendant de tous les éléments de A.
—————————————corrigé—————————————–
Si A est indépendant de tous les éléments de A, A est indépendant avec lui même. On en déduit,
comme à la question précédente que P (A) ∈ {0, 1}.
Réciproquement, on suppose maintenant que P (A) ∈ {0, 1} et on distingue deux cas.
Premier cas. On suppose que P (A) = 0. On a alors pour tout B ∈ A, A ∩ B ⊂ A et donc (par
monotonie de P ) 0 ≤ P (A ∩ B) ≤ P (A) = 0. On en déduit P (A ∩ B) = 0 = P (A)P (B). Ce qui
prouve que A est indépendant de tous les éléments de A.
Deuxième cas. On suppose que P (A) = 1. On a alors P (Ac ) = 0 et, pour tout B ∈ A,
P (A ∩ B) = 1 − P ((A ∩ B)c ) = 1 − P (Ac ∪ B c ). Or (par monotonie et σ-sous addivité de P )
P (B c ) ≤ P (Ac ∪ B c ) ≤ P (Ac ) + P (B c ) = P (B c ). Donc, P (Ac ∪ B c ) = P (B c ) et donc P (A ∩ B) =
1 − P (B c ) = P (B) = P (A)P (B). Ce qui prouve que A est indépendant de tous les éléments de A.
—————————————————————————————–
322
5. Soit n ≥ 1 et A1 , . . . , An ∈ A. Montrer que les événements A1 , . . . , An sont indépendants si et
seulement si les v.a. 1A1 , . . . , 1An sont indépendantes.
—————————————corrigé—————————————–
Si X est une v.a.r., la tribu engendrée par X est τ (X) = {X −1 (B), B ∈ B(R)}. Pour A ∈ A,
on a donc τ (1A ) = {∅, A, Ac , E}, c’est-à-dire τ (1A ) = τ ({A}). L’indépendance des événements
A1 , . . . , An correspond (par la définition 2.25) à l’indépendance des tribus τ ({A1 }), . . . , τ ({A1 }).
L’indépendance des v.a.r. 1A1 , . . . , 1An correspond (par la définition 3.12) ) à l’indépendance des
tribus τ (1A1 ), . . . , τ (1An ). Comme τ ({Ai }) = τ (1Ai ), pour tout i, on en déduit que les événements
A1 , . . . , An sont indépendants si et seulement si les v.a. 1A1 , . . . , 1An sont indépendantes.
—————————————————————————————–
Corrigé 49 (Convergence en mesure) (??)

Soient (E, T, m) un espace mesuré, (fn )n∈N une suite de fonctions mesurables de E dans R.
1. Montrer que si il existe f et g fonctions mesurables de E dans R telles que (fn )n∈N converge en
mesure vers f et g, alors f = g p.p..
[On pourra commencer par montrer que, pour tout δ > 0, m({x ∈ E ; |f (x) − g(x)| > δ}) = 0].
—————————————corrigé—————————————–
Pour h : E → R et δ > 0, on note toujours {h > δ} = {x ∈ E; h(x) > δ}, {h ≥ δ} = {x ∈ E;
h(x) ≥ δ}, {h < δ} = {x ∈ E; h(x) < δ} et {h ≤ δ} = {x ∈ E; h(x) ≤ δ}.
Soit δ > 0. Pour tout x ∈ E et tout n ∈ N, on a |f (x) − g(x)| ≤ |f (x) − fn (x)| + |fn (x) − g(x)|. On
en déduit {|f − fn | ≤ 2δ } ∩ {|fn − g| ≤ 2δ } ⊂ {|f − g| ≤ δ} et donc, en passant au complémentaire,
δ δ
{|f − g| > δ} ⊂ {|f − fn | > } ∪ {|fn − g| > }. (12.13)
2 2
Par sous additivité de m, on a donc m({|f − g| > δ}) ≤ m({|f − fn | > 2δ }) + m({|fn − g| > 2δ }).
En passant à la limite quand n → ∞, on en déduit m({|f − g| > δ}) = 0.
On remarque maintenant que {x ∈ E; f (x) 6= g(x)} = {|f − g| > 0} P= ∪n∈N? {|f − g| > n1 } et donc,
∞
par σ-sous additivité de m, on obtient m({x ∈ E; f (x) 6= g(x)}) ≤ n=1 m({|f − g| > n1 }) = 0 et
donc f = g p.p..
—————————————————————————————–
2. Montrer que si (fn )n∈N ⊂ M converge en mesure vers f ∈ M et (gn )n∈N ⊂ M converge en mesure
vers g ∈ M, alors (fn + gn )n∈N ⊂ M converge en mesure vers f + g ∈ M.
—————————————corrigé—————————————–
Soit δ > 0. En reprenant la démonstration de (12.13), on montre que
δ δ
{|f + g − (fn + gn )| > δ} ⊂ {|f − fn | > } ∪ {|g − gn | > }.
2 2
Par sous additivité de m, ceci donne m({|f +g−(fn +gn )| > δ}) ≤ m({|f −fn | > 2δ })+m({|g−gn | >
δ
2 }) et donc que m({|f +g−(fn +gn )| > δ}) → 0 quand n → ∞. On a bien montré que fn +gn → f +g
en mesure quand n → ∞.
—————————————————————————————–
323
3. On suppose maintenant que m est une mesure finie. Montrer que si (fn )n∈N ⊂ M converge en
mesure vers f ∈ M et (gn )n∈N ⊂ M converge en mesure vers g, alors (fn gn )n∈N ⊂ M converge en
mesure vers f g ∈ M.
[On pourra commencer par montrer que, si (fn )n∈N ⊂ M converge en mesure vers f ∈ M, alors,
pour tout ε > 0, il existe n0 et k0 ∈ N tels que, si n ≥ n0 et k ≥ k0 , on a m({x ∈ E ; |fn (x)| ≥
k}) ≤ ε]. Donner un contre-exemple au résultat précédent lorsque m(E) = ∞.
—————————————corrigé—————————————–
Pour k ∈ N et n ∈ N, la démonstration de (12.13) donne ici {|fn | > k} ⊂ {|f | > k2 } ∪ {|fn − f | > k2 }
et donc
k k
m({|fn | > k}) ≤ m({|f | > }) + m({|fn − f | > }. (12.14)
2 2
On pose Ak = {|f | > k2 }. On a (Ak )k∈N ⊂ T , Ak+1 ⊂ Ak pour tout k ∈ N et ∩k∈N Ak = ∅ (car f
prend ses valeurs dans R). Comme E est de mesure finie, on a m(Ak ) < ∞ (pour tout k) et on
peut appliquer la continuité décroissante de m. Elle donne :
m(Ak ) → 0, quand n → ∞. (12.15)
Soit ε > 0. Par (12.15), il existe k0 ∈ N t.q. m(Ak0 ) ≤ 2ε . Par la convergence en mesure de fn
vers f , il existe alors n0 t.q. m({|fn − f | > k20 } ≤ 2ε pour tout n ≥ n0 et l’inégalité (12.14) donne
m({|fn | > k0 }) ≤ ε si n ≥ n0 . On en déduit (comme {|fn | > k} ⊂ {|fn | > k0 } si k ≥ k0 ) :
n ≥ n0 , k ≥ k0 ⇒ m({|fn | > k}) ≤ ε. (12.16)
On montre maintenant que fn gn → f g en mesure.

Soit δ > 0, on veut montrer que m({|fn gn − f g| > δ} → 0 quand n → ∞. Pour cela, on remarque
que |fn gn − f g| ≤ |fn ||gn − g| + |g||fn − f |. Pour k ∈ N? , on a donc
δ δ
{|fn | ≤ k} ∩ {|gn − g| ≤ } ∩ {|g| ≤ k} ∩ {|fn − f | ≤ } ⊂ {|fn gn − f g| ≤ δ}
2k 2k
et, en passant au complémentaire,

δ δ
{|fn gn − f g| > δ} ⊂ {|fn | > k} ∪ {|gn − g| > } ∪ {|g| > k} ∪ {|fn − f | > },
2k 2k
ce qui donne
δ
m({|fn gn − f g| > δ}) ≤ m({|fn | > k}) + m({|gn − g| > })
2k (12.17)
δ
+m({|g| > k}) + m({|fn − f | > }).
2k
Soit ε > 0. Il existe k0 et n0 de manière à avoir (12.16). En utilisant (12.15) avec g au lieu de f , il
existe aussi k1 t.q. m({|g| > k}) ≤ ε pour k ≥ k1 . On choisit alors k = max{k0 , k1 }. En utilisant
324
δ
la convergence en mesure de fn vers f et de gn vers g, il existe n1 t.q. m({|gn − g| > 2k }) ≤ ε et
δ
m({|fn − f | > 2k }) ≤ ε pour n ≥ n1 . Finalement, avec n2 = max{n0 , n1 } on obtient :
n ≥ n2 ⇒ m({|fn gn − f g| > δ}) ≤ 4ε.
Ce qui prouve la convergence en mesure de fn gn vers f g, quand n → ∞.
Pour obtenir un contre-exemple à ce résultat si m(E) = ∞, on prend (E, T, m) = (R, B(R), λ).
Pour n ≥ 1 on définit fn par fn (x) = n1 pour tout x ∈ R et on définit gn par gn (x) = x pour tout
x ∈ R. Il est clair que fn → 0 en mesure, gn → g en mesure, avec g(x) = x pour tout x ∈ R, et
fn gn 6→ 0 en mesure car m({|fn gn | > δ}) = ∞ pour tout n ∈ N? et tout δ > 0.
—————————————————————————————–
Corrigé 50 (Convergence presque uniforme et convergence p.p.)

Soient (E, T, m) un espace mesuré, (fn )n∈N ⊂ M (c’est-à-dire une suite de fonctions mesurables de E
dans R) et f ∈ M. On suppose que fn → f presque uniformément (c’est à dire que pour tout ε > 0 il
existe A ∈ T t.q. m(A) ≤ ε et fn → f uniformément sur Ac ). Montrer que fn → f p.p., quand n → ∞.
—————————————corrigé—————————————–
Soit An ∈ T t.q. m(An ) ≤ n1 et fn → f uniformément sur Acn . On pose A = ∩n∈N? An , de sorte que
A ∈ T et m(A) = 0 car m(A) ≤ m(An ) ≤ n1 pour tout n ∈ N? .
Soit x ∈ Ac , il existe n ∈ N? t.q. x ∈ An et on a donc fn (x) → f (x) quand n → ∞. Comme m(A) = 0,
ceci donne bien fn → f p.p., quand n → ∞.
—————————————————————————————–
Corrigé 51 (Théorème d’Egorov) (??)

Soient (E, T, m) un espace mesuré fini, (fn )n∈N une suite de fonctions mesurables de E dans R, et f une
fonction mesurable de E dans R. On suppose que fn → f p.p., lorsque n → +∞.
Pour j ∈ N? et n ∈ N, on définit :
1 [
An,j = {x ; |f (x) − fn (x)| ≥ }, et Bn,j = Ap,j (12.18)
j
p≥n
1. Montrer que à j fixé, lim m(Bn,j ) = 0.

n→+∞
—————————————corrigé—————————————–
On remarque d’abord que An,j = (|f − fn |)−1 ([ 1j , ∞[) ∈ T car |f − fn | ∈ M. On a donc aussi
Bn,j ∈ T .
D’autre part, comme fn → f p.p., lorsque n → +∞, il existe C ∈ T t.q. m(C) = 0 et fn (x) → f (x),
quand n → ∞, pour tout x ∈ C c .
On va montrer que m(Bn,j ) → 0, quand n → ∞ (on rappelle que j ∈ N? est fixé), en utilisant
la continuité décroissante de m. On remarque en effet que m(Bn,j ) < ∞ (pour tout n ∈ N) car
m(E) < ∞ (et c’est seulement ici que cette hypothèse est utile), puis que Bn+1,j ⊂ Bn,j pour tout
n ∈ N. La continuité de décroissante de m donne donc
m(Bn,j ) → m(∩n∈N Bn,j ).
325
Or, si x ∈ ∩n∈N Bn,j , on a x ∈ Bn,j pour tout n ∈ N. Donc, pour tout n ∈ N, il existe p ≥ n t.q.
x ∈ An,j , c’est-à-dire |f (x) − fn (x)| ≥ 1j . Comme j est fixé, ceci montre que fn (x) 6→ f (x) quand
n → ∞, et donc que x ∈ C. On en déduit que ∩n∈N Bn,j ⊂ C et donc que m(∩n∈N Bn,j ) = 0 et
finalement que m(Bn,j ) → 0, quand n → ∞.
—————————————————————————————–
2. Montrer que, pour tout ε > 0, il existe A tel que m(A) ≤ ε et fn → f uniformément sur Ac lorsque
n → +∞. En déduire le théorème d’Egorov (théorème 3.2).
[
[On cherchera A sous la forme : Bnj ,j , avec un choix judicieux de nj .]
j∈N?
—————————————corrigé—————————————–
ε
Soit ε > 0. pour tout j ∈ N? , la question précédente donne qu’il existe n(j) ∈ N t.q. m(Bn,j ) ≤ 2j .
On pose B = ∪j∈N? Bn(j),j , de sorte que B ∈ T et, par σ-sous additivité de m :
∞ ∞
X X ε
m(B) ≤ m(Bn(j),j ) ≤ j
= ε.
j=1 j=1
2
On montre maintenant que fn → f uniformémement sur B c (ce qui conclut la question en prenant
A = B).
Comme B = ∪j∈N? (∪p≥n(j) Ap,j ), on a, en passant au complémentaire, B c = ∩j∈N? (∩p≥n(j) Acp,j ).
1
Soit η > 0. Il existe j ∈ N? t.q. j ≤ η. Soit x ∈ B c , comme x ∈ ∩p≥n(j) Acp,j , on a donc x ∈ Acp,j
pour tout p ≥ n(j), c’est-à-dire :
1
p ≥ n(j) ⇒ |fn (x) − f (x)| ≤ ≤ η.
j
Comme n(j) ne dépend que de j (et donc que de η) et pas de x ∈ B c , ceci prouve la convergence
uniforme de fn vers f sur B c .
—————————————————————————————–
3. Montrer, par un contre exemple, qu’on ne peut pas prendre ε = 0 dans la question précédente.
—————————————corrigé—————————————–
On prend, par exemple, (E, T, m) = (]0, 1[, B(]0, 1[, λ) (plus précisément, λ est ici la restriction à
B(]0, 1[) de λ, qui est une mesure sur B(R)).
Pour n ∈ N? , on prend fn = 1]0, n1 [ , de sorte que fn → 0 p.p., quand n → ∞ (et même, fn (x) → 0
pour tout x ∈]0, 1[).
Soit maintenant B ∈ B(]0, 1[) t.q. λ(B) = 0. On va montrer que fn ne peut pas tendre uniformément
vers 0 sur B c (ceci prouve bien qu’on ne peut pas prendre ε = 0 dans la question précédente, c’est-
à-dire ε = 0 dans le théorème d’Egorov).
Soit n ∈ N? , Il est clair que B c ∩]0, n1 [6= ∅ (car sinon, ]0, n1 [⊂ B et donc 1
n = λ(]0, n1 [) ≤ λ(B) = 0).
Il existe donc x ∈ B c t.q. fn (x) = 1. On a donc
sup |fn (x)| = 1,

x∈B c
326
ce qui prouve bien que fn ne tends pas uniformément vers 0 sur B c , quand n → ∞.
—————————————————————————————–
4. Montrer, par un contre exemple, que le résultat du théorème d’Egorov est faux lorsque m(E) = +∞.
—————————————corrigé—————————————–
On prend, par exemple, (E, T, m) = (R, B(R)λ).
Pour n ∈ N, on prend fn = 1]n,n+1[ , de sorte que fn → 0 p.p., quand n → ∞ (et même, fn (x) → 0
pour tout x ∈ R).
Soit maintenant 0 < ε < 1 et B ∈ B(R) t.q. λ(B) ≤ ε. On va montrer que fn ne peut pas tendre
uniformément vers 0 sur B c (ceci prouve bien que théorème d’Egorov peut être mis en défaut si
m(E) = ∞).
Soit n ∈ N, Il est clair que B c ∩]n, n + 1[6= ∅ (car sinon, ]n, n + 1[⊂ B et donc 1 = λ(]n, n + 1[) ≤
λ(B) ≤ ε, en contradiction avec ε < 1). Il existe donc x ∈ B c t.q. fn (x) = 1. On a donc
sup |fn (x)| = 1,

x∈B c
ce qui prouve bien que fn ne tends pas uniformément vers 0 sur B c , quand n → ∞.
—————————————————————————————–
Corrigé 52 (Convergence en mesure et convergence p.p.)

Soient (E, T, m) un espace mesuré, (fn )n∈N une suite de fonctions mesurables de E dans R, et f une
fonction mesurable de E dans R. On rappelle que, par définition, la suite (fn )n∈N converge en mesure
vers f si :
∀ ε > 0, lim m({x ∈ E; |fn (x) − f (x)| > ε}) = 0. (12.19)
n→+∞
1. On suppose ici que m(E) < +∞.
(a) Montrer que si (fn )n∈N tend vers f presque partout, alors (fn )n∈N tend vers f en mesure
[Utiliser le théorème d’Egorov.]
—————————————corrigé—————————————–
Soit ε > 0, on veut montrer que m({|fn − f | > ε}) = m({x ∈ E; |fn (x) − f (x)| > ε}) → 0,
quand n → ∞, c’est-à-dire que
∀δ > 0, ∃n0 , t.q.

(12.20)
n ≥ n0 ⇒ m({|fn − f | > ε}) ≤ δ.
Soit donc δ > 0. D’après le théorème d’Egorov (théorème 3.2 page 63), il existe A ∈ T t.q.
m(A) ≤ δ et fn → f uniformément sur Ac . La convergence uniforme sur Ac nous donne donc
l’existence de n0 t.q., |fn (x) − f (x)| ≤ ε pour tout x ∈ Ac , si n ≥ n0 . On a donc, pour n ≥ n0 ,
{|fn − f | > ε} ⊂ A, et donc m({|fn − f | > ε}) ≤ m(A) ≤ δ. On a bien montré (12.20) et donc
la convergence en mesure de fn vers f , quand n → ∞.
—————————————————————————————–
327
(b) Montrer par un contrexemple que la réciproque de la question précédente est fausse.
—————————————corrigé—————————————–
On reprend ici un exemple vu au début de la section 4.7 pour montrer que la convergence dans
L1 n’entraı̂ne pas la convergence presque partout.
On prend (E, T, m) = ([0, 1[, B([0, 1[), λ) (on a bien m(E) < ∞) et on construit ainsi la suite
(fn )n∈N :
Soit n ∈ N. Il existe un unique p ∈ N? et (p−1)p 2 ≤ n < p(p+1)
2 . On pose alors k = n − (p−1)p
2
et on prend fn = 1[ k , k+1 [ . Il faut noter ici que k + 1 ≤ 2 − (p−1)p
p(p+1)
2 = p et donc k+1
p ≤ 1.
p p
1
Lorsque n → ∞, on a p → ∞ et donc m({|fn | > 0}) = p → 0. Ce qui prouve, en particulier,
que fn → 0 en mesure, quand n → ∞.
Enfin, on remarque que, pour tout x ∈ [0, 1[, fn (x) 6→ 0 quand n → ∞. En effet, soit x ∈ [0, 1[.
Soit n ∈ N. On choisit p ∈ N? t.q. (p−1)p 2 ≥ n, il existe alors k ∈ N t.q. 0 ≤ k ≤ p − 1 et
x ∈ [ p , p [, de sorte que fϕ(n) (x) = 1 en choisissant ϕ(n) = (p−1)p
k k+1
2 + k. On a ainsi construit
(fϕ(n) )n∈N , sous suite de (fn )n∈N (car ϕ(n) ≥ n pour tout n ∈ N) t.q. fϕ(n) (x) 6→ 0 quand
n → ∞. ceci montre bien que fn (x) 6→ 0 quand n → ∞.
—————————————————————————————–
Corrigé 53 (Essentiellement uniforme versus presque uniforme)

Soit (E, T, m) un espace mesuré. Pour f ∈ M, on pose Af = {C ∈ R, |f | ≤ C p.p.}. Si Af 6= ∅, on pose
kf k∞ = inf Af . Si Af = ∅, on pose kf k∞ = ∞.
1. Soit f ∈ M t.q. Af 6= ∅. Montrer que kf k∞ ∈ Af .

—————————————corrigé—————————————–
Comme Af 6= ∅ et kf k∞ = inf Af , il existe une suite (an )n∈N ⊂ Af t.q. an ↓ kf k∞ quand n → ∞.
Soit n ∈ N, de an ∈ Af on déduit qu’il existe Bn ∈ T t.q. m(Bn ) = 0 et |f (x)| ≤ an pour tout
x ∈ Bnc .
P pose B = ∪n∈N Bn . On a donc Bc ∈ T et, par

On
c
σ-additivité de m, m(B) = 0 (car m(B) ≤
n∈N m(Bn )). Enfin, pour tout x ∈ B = ∩n∈N B n , on a |f (x)| ≤ an pour tout n ∈ N. En faisant
n → ∞, on en déduit que |f (x)| ≤ kf k∞ . On a donc |f | ≤ kf k∞ p.p., c’est-à-dire kf k∞ ∈ Af .
—————————————————————————————–
2. Soient (fn )n∈N ⊂ M et f ∈ M.
(a) On suppose, dans cette question, que kfn − f k∞ → 0 quand n → ∞ (on dit que fn → f
essentiellement uniformément). Montrer que fn → f presque uniformément.
—————————————corrigé—————————————–
Pour tout n ∈ N, il existe An ∈ T t.q. m(An ) = 0 et |(fn − f )(x)| ≤ kfn − f k∞ pour tout
x ∈ Acn . On pose A = ∪n∈N An . On a donc A ∈ T , m(A) = 0, |(fn − f )(x) ≤ kfn − f k∞ pour
tout x ∈ Ac . Comme kfn − f k∞ → 0 quand n → ∞, on en déduit que fn → f uniformément
sur Ac . Enfin, comme m(A) ≤ ε pour tout ε > 0, on a bien montré la convergence presque
uniforme de fn vers f .
—————————————————————————————–
328
(b) En donnant un exemple (c’est-à-dire en choisissant convenablement (E, T, m), (fn )n∈N et f ),
montrer qu’on peut avoir fn → f presque uniformément, quand n → ∞, et kfn − f k∞ 6→ 0.
—————————————corrigé—————————————–
On prend, par exemple, (E, T, m) = (R, B(R), λ), f = 0 et fn = 1[0, n1 ] pour tout n ∈ N? .
Soit ε > 0. On choisit A = [0, ε], de sorte que m(A) = ε. On a bien fn → 0 uniformément
sur Ac , quand n → ∞, car fn = 0 sur Ac pour tout n t.q. n1 < ε. Donc, fn → f presque
uniformément quand n → ∞.
Mais fn ne tends pas vers 0 essentiellement uniformément, quand n → ∞, car kfn k∞ = 1 pour
tout n ∈ N? (en effet, fn ≤ 1 sur tout R, fn = 1 sur [0, n1 ]) et λ([0, n1 ]) > 0, pour tout n ∈ N? ).
—————————————————————————————–
Corrigé 54 (Mesurabilité des troncatures)

Soit (X, T ) un espace mesurable et f une fonction mesurable de X dans R (R est muni, comme toujours
quand on ne le précise pas, de la tribu borélienne). Pour a > 0, on définit la fonction “tronquée” :

 a si f (x) > a
fa (x) = f (x) si |f (x)| ≤ a
−a si f (x) < −a

Montrer que fa est mesurable.

—————————————corrigé—————————————–
Soit a > 0. On définit Ta de R dans R par :

 a si s > a
Ta (s) = s si |s| ≤ a
−a si s < −a

La fonction Ta peut aussi s’écrire Ta (s) = max{−a, min{a, s}} pour s ∈ R. On remarque que la fonction
Ta est continue de R dans R. Elle est donc borélienne (c’est-à-dire mesurable de R dans R, avec R muni
de sa tribu borélienne).
Comme fa = Ta ◦ f , on en déduit que fa est mesurable car c’est la composée d’applications mesurables.
—————————————————————————————–
329
12.4.1 Intégrale sur M+ et sur L1
Corrigé 55 (Sup de mesures)
Soit (E, T ) un espace mesurable et (mn )n∈N une suite de mesures sur T . On suppose que mn+1 (A) ≥
mn (A) pour tout A ∈ T et tout n ∈ N. On pose m(A) = sup{mn (A), n ∈ N} pour A ∈ T .
1. (Lemme préliminaire) Soit (an,p )n,p∈N ⊂ R+ et (ap )p∈N ⊂ R ≥ an,p , pour tout n, p ∈ N,
P+∞t.q. an+1,p P∞
et an,p → ap quand n → ∞, pour tout p ∈ N. Montrer p=0 an,p → p=0 ap (dans R+ ) quand
PN P∞ P∞
n → ∞. [On pourra utiliser p=0 an,p ≤ p=0 an,p ≤ p=0 ap .]
—————————————corrigé—————————————–
P∞
On remarque tout d’abord que la suite ( p=0 an,p )n∈N est croissante, elle admet donc une limite
PN
dans R+ . Pour N ∈ N, on passe à la limite quand n → ∞ dans les inégalités p=0 an,p ≤
P∞ P∞
a
p=0 n,p ≤ a
p=0 p .
PN P∞ P∞
On obtient p=0 ap ≤ limn→∞ p=0 an,p ≤ p=0 ap .
On passe maintenant à la limite quand N → ∞ pour obtenir
P∞ P∞ P∞
p=0 ap ≤ limn→∞ p=0 an,p ≤ p=0 ap .
P∞ P∞
On a donc limn→∞ p=0 an,p = p=0 ap .
—————————————————————————————–
2. Montrer que m est une mesure.
—————————————corrigé—————————————–
• m(∅) = supn∈N mn (∅) = 0.

• Soit (Ap )p∈N ⊂ T t.q. Ap ∩ Aq = ∅ si p 6= q. On pose A = ∪n∈N An . On a :
P∞
m(A) = supn∈N mn (A) = limn→∞ mn (A) = limn→∞ p=0 mn (Ap ).
P∞
En utilisant la question précédente avec an,p = mn (Ap ), on en déduit m(A) = p=0 m(Ap ).
—————————————————————————————–
3. Soit f ∈ E+ (E, R que E+ (E, T ) est l’ensemble des fonctions étagées de E dans R+ .)
R T ). (On rappelle
Montrer que f dm = supn∈N ( f dmn ).
—————————————corrigé—————————————–
Pp
Soit {a1 , . . . , ap } ⊂ R?+ et {A1 , . . . , Ap } ⊂ T t.q. f = i=1 ai 1Ai .
R Pp R
On a f dmn = i=1 ai mn (Ai ), la suite ( f dmn )n∈N est donc croissante. Puis, en passant à la
limite sur n, on obtient :
Pp Pp Pp R
limn→∞ ( i=1 ai mn (Ai )) = i=1 ai limn→∞ (mn (Ai )) = i=1 ai m(Ai ) = f dm, et donc
R R R
f dm = limn→∞ ( f dmn ) = supn∈N ( f dmn ).
—————————————————————————————–
4. Soit f ∈ M+ (E, T ). (On rappelle que M+ (E, T ) est l’ensemble des fonctions mesurables de E dans
R+ .)
330
R R
(a) Montrer que ( f dmn )n∈N est une suite croissante majorée par f dm.
—————————————corrigé—————————————–
Soit f ∈ M+ . Soit (fp )p∈N ⊂R E+ t.q. fpR ↑ f quand p R→ ∞. D’après la question précédente,
on a (pour tout n et tout p) fp dmn ≤ fp dmn+1 ≤ fp dm.
R R R
En
R passant à la limite sur p (avec n fixé) on en déduit
R f dmn ≤ f dmn+1 ≤ f dm. La suite
( f dmn )n∈N est donc croissante et majorée par f dm.
—————————————————————————————–
R R
(b) Montrer que f dmn → f dm quand n → ∞.
—————————————corrigé—————————————–
R R R
On pose Af = {g ∈ E+ , g ≤ f }. On sait que f dm = supg∈Af gdm et que f dmn =
R R R
supg∈Af gdmn pour tout n ∈ N. La question 2 donne que gdm = supn∈N gdmn pour tout
g ∈ E+ . On en déduit :
Z Z Z Z
f dm = sup (sup gdmn ) = sup( sup gdmn ) = sup f dmn ,
g∈Af n∈N n∈N g∈Af n∈N
R R
ce qui, avec la question précécdente, donne bien f dmn → f dm quand n → ∞.
—————————————————————————————–
5. Soit f ∈ L1R (E, T, m). Montrer que f ∈ L1R (E, T, mn ) pour tout n ∈ N et que f dmn → f dm
R R
quand n → ∞.
—————————————corrigé—————————————–
On a |f | ∈ M+ ∩ L1R (E, T, m). la question 4 donne |f |dmn ≤ |f |dm, on en déduit que f ∈
R R
L1R (E, T, mn ) pour tout n ∈ N.

la question 4 donne aussi que
R +
f dmn → f + dm et
R
R −
f dmn → f − dm.
R
R R
Ces 2 convergences ayant lieu dans R, on en déduit que f dmn → f dm quand n → ∞.
—————————————————————————————–
Corrigé 56 (Somme de mesures)

Soient m1 et m2 deux mesures sur l’espace mesurable (E, T ).
1. Montrer que m = m1 + m2 est une mesure.
—————————————corrigé—————————————–
(a) m(∅) = m1 (∅) + m2 (∅) = 0,

(b) Soit (An )n∈N ⊂ T t.q. An ∩ Am = ∅ si n 6= m. On a :
m(∪n∈N An ) = m1 (∪n∈N An ) + m2 (∪n∈N An ).

Pn
Comme mi (∪n∈N An ) = limn→∞ p=0 mi (Ap ) pour i = 1, 2, on en déduit
331
n
X n
X
m(∪n∈N An ) = lim (m1 (Ap ) + m2 (Ap )) = lim m(Ap ),
n→∞ n→∞
p=0 p=0
ce qui prouve bien la σ-additivité de m.
Ceci montre bien que m est une mesure.

—————————————————————————————–
2. Montrer qu’une application f mesurable de E dans R est intégrable pour la mesure m si et seulement
si
R elle est Rintégrable Rpour les mesures m1 et m2 . Si f est intégrable pour la mesure m, montrer que
—————————————corrigé—————————————–
Soit A ∈ T , on pose ϕ = 1A . La définition de m donne immédiatement
Z Z Z
ϕdm = ϕdm1 + ϕdm2 . (12.21)
Par linérarité de l’intégrale, (12.21) est aussi vrai pour ϕ ∈ E+ .

Soit maintenant ϕ ∈ M+ . Il existe (ϕn )n∈N ⊂ E+ t.q. ϕn ↑ ϕ quand n → ∞. On écrit (12.21) avec
ϕn au lieu de ϕ et on fait tendre n vers l’infini. La définition de l’intégrale sur M+ donne alors
(12.21).
On a donc montré que (12.21) était vrai pour tout ϕ ∈ M+ .
Soit f ∈ M, en écrivant (12.21) avec ϕ = |f | on obtient bien que f ∈ L1 (E, T, m) si et seulement

si f ∈ L1 (E, T, m1 ) ∩ L1 (E, T, m2 ).
−
Enfin,
R si Rf ∈ L1R (E, +
R T, m), on écrit (12.21) avec ϕ = f et ϕ = f , la différence donne bien
—————————————————————————————–
)n∈N une famille de mesures (positives) sur (E, T ) et (αn )n∈N ⊂ R?+ . On pose, pour A ∈ T ,
3. Soit (mn P
m(A) = n∈N αn mn (A). Montrer que m est une mesure sur R T ; soitPf une application
R mesurable
de E dans R et intégrable pour la mesure m ; montrer que f dm = n∈N αn f dmn .
—————————————corrigé—————————————–
Soit n ∈ N. n définit m̃n par m̃n (A) = αn mn (A) pour tout A ∈R T . Il est facile
R de voir que m̃n
est une mesure sur T , que L1R (E, T, mn ) = L1R (E, T, m̃n ) et que f dm̃n = αn f dmn pour tout
f ∈ L1R (E, T, mn ).
On pose maintenant , par récurrence sur n, µ0 = m̃0 et µn = µn−1 + m̃n pour n ∈ N? . La question
précédente montre, par récurrence sur n, que µn est une mesure sur T et donne que f ∈ L1R (E, T, µn
si et seulement si f ∈ ∩p≤n L1R (E, T, m̃n ) = ∩p≤n L1R (E, T, mn ). Enfin, la question précédente donne
aussi, toujours par récurrence sur n :
Z n Z
X n
X Z
f dµn = f dm̃n = αn f dmn .
p=0 p=0
332
P
Pour tout A ∈ T , on a m(A) = n∈N αn mn (A) = supn∈N µn (A). On peut donc utiliser les
1
1
R T et que f ∈ LR
résultats de l’exercice précédent. On obtient que Rm est une mesure sur
1
(E, T, m)
implique f ∈ LR (E, T, µn ) pour tout n ∈ N et Rf dm = limn→∞ P f dµn . Si f ∈ L R (E, T, m)
n
on a donc f ∈ L1R (E, T, mn ) pour tout n ∈ N et f dm = limn→∞ p=0 αp f dmp , c’est-à-dire
R
R P R
f dm = n∈N αn f dmn .
—————————————————————————————–
Corrigé 57 (Mesure de Dirac) R
Soit δ0 la mesure de Dirac en 0, définie sur B(R). (cf exemple 2.1.) Soit f ∈ M+ , calculer f dδ0 .
—————————————corrigé—————————————–
Comme δ0 ({0}c ) = 0, on a f = f (0)1{0} p.p., on en déduit f dδ0 = f (0)δ0 ({0}) = f (0).
R
—————————————————————————————–
Corrigé 58 (Restrictions de la mesure de Lebesgue)
Soit A et B deux boréliens de R t.q. A ⊂ B. On note λA [resp. λB ] la restriction à B(A) [resp. B(B)] de
1 1
R mesure deR Lebesgue sur B(R). Soit f ∈ LR (B, B(B), λB ). Montrer que f|A ∈ LR (A,1 B(A), λA ) et que
la
f|A dλA = f 1A dλB . [Considérer d’abord le cas f ∈ E+ puis f ∈ M+ et enfin f ∈ L .]
—————————————corrigé—————————————–
On rappelle que B(A) = {C ∈ B(R); C ⊂ A} et B(B) = {C ∈ B(R); C ⊂ B} (voir l’exercice 2.3).
Pp f ∈ E+ (B, B(B)). Il existe donc a1 , . . . , ap ∈ R+ et A1 , . . . , Ap ∈ B(B) ⊂ B(R) t.q. f =

1. Soit
i=1 ai 1Ai .
appartient donc aussi à E+ (B, B(B)) (car Ai ∩ A ∈ B(B)) et elle s’écrit f =

La fonction f 1A P
P p p
a 1 1
i=1 i Ai A = i=1 ai 1Ai ∩A , de sorte que
Z p
X
f 1A dλB = ai λ(Ai ∩ A).
i=1
Pp
La fonction f|A (c’est-à-dire la restriction de f à A) est définie sur A, elle s’écrit f|A = i=1 ai 1Ai ∩A .
Cette fonction appartient à E+ (A, B(A)) car Ai ∩ A ∈ B(A) pour tout i et on a
Z Xp
f|A dλA = ai λ(Ai ∩ A).
i=1
On a bien montré que

Z Z
f 1A dλB = f|A dλA , (12.22)
pour tout f ∈ E+ (B, B(B)).

2. Soit f ∈ M+ (B, B(B)). il existe (fn )n∈N ⊂ E+ (B, B(B)) t.q. fn ↑ f , quand n → ∞. On a
donc aussi (fn 1A )n∈N ↑ f 1A et (fn |A )n∈N ↑ f|A , quand n → ∞. Comme fn |A ∈ E+ (A, B(A)), la
caractérisation de la mesurabilité positive (proposition 3.3) donne f|A ∈ M+ (A, B(A)). On a aussi
f 1A ∈ M+ (B, B(B)). Puis, en écrivant (12.22) avec fn au lieu de f et en passant à la limite quand
n → ∞, la définition de l’intégrale sur M+ (A, B(A)) et sur M+ (B, B(B)) donne (12.22).
On a donc montré (12.22) pour tout f ∈ M+ (B, B(B)).
333
3. Soit f ∈ L1R (B, B(B), λB ). On remarque d’abord que f|A ∈ M(A, B(A)). En effet, si C ∈ B(R), on
a (f|A )−1 (C) = f −1 (C)∩A ∈ B(A). Puis, on applique (12.22) à |f |, qui appartient à M+ (B, B(B)),
pour obtenir Z Z Z Z
|f|A |dλA = |f ||A dλA = |f |1A dλB < |f |dλB < ∞,
ce qui montre que f|A ∈ L1R (A, B(A)), λA ).

Enfin, en appliquant (12.22) avec f + et f − au lieu de f , on obtient
Z Z Z
f 1A dλB = f |A dλA = (f|A )+ dλA < ∞
+ +
et Z Z Z
− −
f 1A dλB = f |A dλA = (f|A )− dλA < ∞,
ce qui donne, en faisant la différence,

Z Z
f 1A dλB = f|A dλA .
—————————————————————————————–
Corrigé 59 (Intégrale de Lebesgue et intégrale des fonctions continues)

R1
Soit f ∈ C([0, 1], R). Montrer que f ∈ L1R ([0, 1], B([0, 1]), λ) et que f dλ = 0 f (x)dx (cette dernière
R
intégrale est à prendre au sens de “l’intégrale des fonctions continues” vue au Chapitre 1). On rappelle
que l’on note (un peu abusivement. . . ) par λ la restriction à B([0, 1]) de la mesure de Lebesgue (aussi
notée λ. . . ) sur B(R).
—————————————corrigé—————————————–
Soit g : [0, 1] → R une fonction en escalier. Il existe donc p ∈ N? , une famille (αi )i∈{0,...,p} , avec : α0 = 0,
αi < αi+1 , pour tout i ∈ {0, . . . , p − 1}, αp = 1, et une famille (ai )i∈{0,...,p−1} ⊂ R tels que :
g(x) = ai , ∀x ∈]αi , αi+1 [, ∀i ∈ {0, . . . , p − 1}.
On sait que
Z 1 p−1
X
g(x)dx = ai (αi+1 − αi ).
0 i=0
D’autre part, cette fonction g est mesurable (c’est-à-dire g ∈ M([0, 1], B([0, 1])) car, pour tout C ⊂ R,
g −1 (C) est une réunion (finie) d’intervalles du type ]αi , αi+1 [ à laquelle on ajoute éventuellement certains
des points αi . On a donc g −1 (C) ∈ B([0, 1]). On a bien montré que g ∈ M([0, 1], B([0, 1])). Enfin, comme
Pp−1
les singletons sont de mesure nulle, on a |g| = i=0 |ai |1]αi ,αi+1 [ p.p., et donc
Z p−1
X
|g|dλ = |ai |(αi+1 − αi ) < ∞.
i=0
Pp−1
Donc, g ∈ L1R ([0, 1], B([0, 1]), λ). Finalement, puisque g = i=0 ai 1]αi ,αi+1 [ p.p., on a aussi
334
Z p−1
X
gdλ = ai (αi+1 − αi ).
i=0
On a donc montré que g ∈ L1R ([0, 1], B([0, 1]), λ) et

Z Z 1
gdλ = g(x)dx. (12.23)
0
Soit maintenant f ∈ C([0, 1], R). On remarque tout d’abord que f est mesurable (parce que, par exemple,
les ouverts de [0, 1] engendre B([0, 1]) et que l’image réciproque, par f , d’un ouvert de [0, 1] est un
ouvert
R de [0, 1], donc un élément de B([0, 1])). Puis, on remarque que f ∈ L1R ([0, 1], B([0, 1], λ) car
|f |dλ ≤ kf ku = maxx∈[0,1] |f (x)| < ∞.
R R1
On compare maintenant f dλ et 0 f (x)dx.
Il existe une suite de fonctions en escalier, (fn )n∈N , t.q. fn → f uniformément sur [0, 1], c’est-à-dire
kfn − f ku → 0, quand n → ∞.
R1 R1
La définition de l’intégrale des fonctions continues donne que 0 fn (x)dx → 0 f (x)dx quand n → ∞.
R R R R R
D’autre part, on a aussi fn dλ → f dλ, quand n → ∞, car | fn dλ − f dλ| ≤ |fn − f |dλ ≤
kfn − f ku → 0, quand n → ∞. En passant à la limite quand n → ∞ dans (12.23) avec fn au lieu de g,
on obtient bien Z Z 1
f dλ = f (x)dx.
0
—————————————————————————————–
Corrigé 60 (Fonctions continues et fonctions intégrables)

Soit m une mesure finie sur B([0, 1]). Montrer que C([0, 1], R) ⊂ L1R ([0, 1], B([0, 1]), m).
—————————————corrigé—————————————–
Soit f ∈ C([0, 1], R). On montre tout d’abord que f est mesurable.
Soit O un ouvert de R. Comme f est continue, l’ensemble f −1 (O) = {x ∈ [0, 1], f (x) ∈ O} est une ouvert
de [0, 1] et donc f −1 (O) ∈ B([0, 1]). Les ouverts de R engendrant la tribu borélienne de R, on en déduit
que f est mesurable de [0, 1] (muni de sa tribu borélienne) dans R (muni de sa tribu borélienne).
On montre maintenant que f est intégrable. Comme la fonction f est continue sur le compact [0, 1], elle
est bornée. Il existe donc M ∈ R+ t.q. |f | ≤ M sur [0, 1]. On a donc, par monotonie de l’intégrale sur
M+ : Z
|f |dm ≤ M m([0, 1]) < ∞.
On a donc f ∈ L1R ([0, 1], B([0, 1]), m).

—————————————————————————————–
Corrigé 61 (f positive intégrable implique f finie p.p.) Z

Soit (E, T, m) un espace mesuré et f ∈ M+ . Montrer que si f dm < +∞, alors f < +∞ p.p..
—————————————corrigé—————————————–
335
Soit A = f −1 ({∞}). On a A ∈ T car f est mesurable et {∞} ∈ B(R+ ).
Pour tout n ∈ N? , on a f ≥ n1A , donc, par monotonie de l’intégrale, f dm ≥ nm(A), ou encore
R
Z
1
m(A) ≤ f dm.
n
En passant à la limite quand n → ∞, on en déduit m(A) = 0. On a donc f < ∞ p.p. car f (x) < ∞ pour
tout x ∈ Ac .
—————————————————————————————–
Corrigé 62 (Une caractérisation de l’intégrabilité)

Soient (E, T, m) un espace mesuré fini, u une fonction mesurable de E dans R. Pour n ∈ N, on pose
An = {x ∈ E, |u(x)| ≥ n} et Bn = {x ∈ E, n < |u(x)| ≤ n + 1}.
1. Montrer que :
Z +∞
X +∞
X
|u|dm < +∞ ⇔ n m(Bn ) < +∞ ⇔ m(An ) < +∞. (12.24)
n=0 n=0
—————————————corrigé—————————————–
On remarque tout d’abord que Bn , An ∈ T pour tout n ∈ N et que :
X X
n1Bn ≤ |u| ≤ (n + 1)1Bn .
n∈N n∈N
On en déduit (en utilisant le théorème de convergence monotone et la monotonie de l’intégrale)

que : Z
X X
n m(Bn ) ≤ |u|dm ≤ (n + 1)m(Bn ). (12.25)
n∈N n∈N
R P
Si |u|dm < +∞, on a donc n∈N n m(Bn ) < ∞.
P P P
Réciproquement, si n∈N n m(Bn ) < ∞, on a aussi n∈N (n + 1)m(Bn ) < ∞ car R n∈N m(Bn ) ≤
m(E) < ∞ (remarquer que Bn ∩ Bm = ∅ si n 6= m). On déduit donc de (12.25) que |u|dm < +∞.
On a ainsi montré que :
Z +∞
X
|u|dm < +∞ ⇔ n m(Bn ).
n=0
On peut utiliser le même raisonnement en remplaçant Bn par Cn = {x ∈ E, n ≤ |u(x)| < n + 1}.

On a donc aussi :
Z +∞
X
|u|dm < +∞ ⇔ n m(Cn ). (12.26)
n=0
Pour terminer la question, il suffit de montrer que :

+∞
X +∞
X
n m(Cn ) < +∞ ⇔ m(An ) < +∞. (12.27)
n=0 n=0
336
Pour montrer (12.27), on remarque que Cn = An \An+1 pour tout n ∈ N et donc, comme An+1 ⊂ An
et que m(An+1 ) ≤ m(An ) ≤ m(E) < ∞ :
m(Cn ) = m(An ) − m(An+1 ).
On en déduit que, pour tout n ∈ N, on a :

n
X n
X n
X n
X n+1
X
p m(Cp ) = p m(Ap ) − p m(Ap+1 ) = p m(Ap ) − (p − 1)m(Ap )
p=0 p=0 p=0 p=0 p=1
n
X
= m(Ap ) − n m(An+1 ).
p=1
On a donc :
n
X n
X
p m(Cp ) ≤ m(Ap ), (12.28)
p=0 p=1
et :
n
X n
X
m(Ap ) = p m(Cp ) + n m(An+1 ). (12.29)
p=1 p=0
P+∞ P+∞
Si m(An ) < +∞, on déduit donc de (12.28) que n=0 n m(Cn ) < +∞.
n=0
P+∞ R
Réciproquement, si n=0 n m(Cn ) <R +∞. On a, par (12.26), |u|dm < ∞ etPdonc, comme
∞
n 1An+1 ≤ |u|, on a aussi n m(An+1 ) ≤ |u|dm < ∞. OnPdéduit donc de (12.29) que n=1 m(An ) <
∞
∞. Comme m(A0 ) ≤ m(E) < ∞, on a bien finalement n=0 m(An ) < ∞.
On a bien montré (12.27), ce qui termine la question.

—————————————————————————————–
2. Soit p ∈]1, +∞[, montrer que |u|p est une fonction mesurable et que :
Z +∞
X +∞
X
|u|p dm < +∞ ⇔ np m(Bn ) < +∞ ⇔ np−1 m(An ) < +∞. (12.30)
n=0 n=0
—————————————corrigé—————————————–
La fonction |u|p est mesurable car composée d’une fonction mesurable et d’une fonction continue.
On reprend maintenant le raisonnement de la question précédente. On remarque que :
X Z X
np m(Bn ) ≤ |u|p dm ≤ (n + 1)p m(Bn ). (12.31)
n∈N n∈N
|u|p dm < +∞, on a donc n∈N np m(Bn ) < ∞.

R P
Si
P∞ P∞ p p
∞, on a aussi n=1 (n+1)p m(Bn ) ≤ n=1
Réciproquement, si n∈N np m(Bn ) <P
P
∞ R 2 n m(Bn ) < ∞
et m(B0 ) ≤ m(E) < ∞. On a donc n=0 (n + 1)p m(Bn ) < ∞. Ceci donne |u|p dm < +∞ par
(12.31).
337
On a ainsi montré que :
Z +∞
X
|u|p dm < +∞ ⇔ np m(Bn ) < +∞.
n=0
Ici aussi, on peut utiliser le même raisonnement en remplaçant Bn par Cn = {x ∈ E, n ≤ |u(x)| <
n + 1}. On a donc aussi :
Z +∞
X
|u|p dm < +∞ ⇔ np m(Cn ) < +∞. (12.32)
n=0
Pour terminer la question, il suffit donc de montrer que :

+∞
X +∞
X
np m(Cn ) < +∞ ⇔ np−1 m(An ) < +∞. (12.33)
n=0 n=0
Pour montrer (12.33), on utilise, comme dans la question précédente que Cn = An \ An+1 pour tout
n ∈ N et donc :
m(Cn ) = m(An ) − m(An+1 ).
PN PN PN
On en déduit que, pour tout n ∈ N, n=0 np m(Cn ) = n=0 np m(An ) − n=0 np m(An+1 ) =
PN p
P N +1 p
P N p p p
n=0 n m(An ) − n=1 (n − 1) m(An ) = n=1 (n − (n − 1) )m(An ) − N m(AN +1 ). On a donc :
N
X N
X
np m(Cn ) ≤ (np − (n − 1)p )m(An ), (12.34)
n=0 n=1
et :
N
X N
X
(np − (n − 1)p )m(An ) = np m(Cn ) + N p m(AN +1 ). (12.35)
n=1 n=0
np − (n − 1)p
Pour conclure, on remarque que → p quand n → ∞. Il existe donc α, β > 0 t.q.
np−1
p−1 p p p−1
αn ≤ n − (n − 1) ≤ βn pour tout n ∈ N? .
P∞ P+∞
Si n=0 np−1 m(An ) < ∞, on déduit alors de (12.34) que n=0 n m(Cn ) < +∞.
P+∞
Réciproquement, si n=0 np m(Cn ) < +∞. On a, par (12.32), |u|p dm < ∞ et donc, comme
R
1AN +1 ≤ |u|, on a aussi N p m(An+1 ) ≤ |u|p dm < ∞. On déduit alors de (12.35) que
R
N
P∞ p−1
n=0 n m(An ) < ∞.
On a bien montré (12.33), ce qui termine la question.

—————————————————————————————–
Corrigé 63 (Sur l’inégalité de Markov)

Soit (E, T, m) un espace mesuré et f ∈ L1R (E, T, m).
338
Z
1. Montrer que pour tout a > 0, on a a m({|f | > a}) ≤ |f | dm.
{|f |>a}
—————————————corrigé—————————————–
Comme |f | ∈ M+ , la méthode pour faire les questions 1 et 2 a déjà été vue dans le cours (voir
l’inégalité (4.8)).
Soit a > 0. On remarque que |f |1{|f |>a} ≥ a1{|f |>a} . Par monotonie de l’intégrale, on en déduit :
Z Z Z
am({|f | > a}) = a1{|f |>a} dm ≤ |f |1{|f |>a} dm = |f |dm.
{|f |>a}
—————————————————————————————–
Z
2. Montrer que pour tout a > 0, on a m({|f | > a}) ≤ ( |f | dm)/a. (Ceci est l’inégalité de Markov.)
—————————————corrigé—————————————–
Z Z
Comme |f |dm ≤ |f |dm, cette question découle immédiatement de ma précédente.
{|f |>a}
—————————————————————————————–
3. Montrer que
lim a m({|f | > a}) = 0. (12.36)
a→∞
—————————————corrigé—————————————–
Soit (an )n∈N ⊂ R t.q. an → ∞, quand n → ∞. On pose gn = |f |1{|f |>an } . On a gn → 0 p.p.
quand n → ∞ Ret, pour tout n ∈ N, |gn | ≤ |f | p.p.. Grâce au théorème de convergence dominée, on
en déduit que gn dm → 0 quand n → ∞ et donc, avec la question 1, an m({|f | > an }) → 0 quand
n → ∞.
—————————————————————————————–
4. Donner des exemples de fonctions non intégrables qui vérifient la propriété (12.36) dans les 2 cas
suivants : (E, T, m) = (R, B(R), λ) et (E, T, m) = (]0, 1[, B(]0, 1[), λ).
—————————————corrigé—————————————–
Dans le cas (E, T, m) = (R, B(R), λ), il suffit de prendre f = 1R .
1
Dans le cas (E, T, m) = (]0, 1[, B(]0, 1[), λ), on peut prendre, par exemple, f définie par f (x) = x| ln(2x)|
pour x ∈]0, 1[. La fonction f est mesurable mais n’est pas intégrable. Pour a > 0, on a am({|f | > a}) =
axa avec xa > 0 t.q. xa | ln(2xa )| = a1 . On a xa → 0 quand a → ∞ et donc am({|f | > a}) = axa =
1
| ln(2xa )| → 0 quand a → ∞.
—————————————————————————————–
Corrigé 64 (Sur f ≥ 0 p.p.)

Soit (E, T, m) un espace mesuré et f ∈ L1R (E, T, m). Montrer que les 2 conditions suivantes sont équiva-
lentes :
1. f ≥ 0 p.p.,
R
2. A f dm ≥ 0 pour tout A ∈ T .
—————————————corrigé—————————————–
339
• On suppose d’abord que f ≥ 0 p.p.. Soit A ∈ TR , on a alors
R f 1A ≥ 0 p.p. et donc, par monotonie
de l’intégrale sur L1 (proposition 4.4 page 83), A f dm = f 1A dm ≥ 0.
En fait, pour être tout à fait précis, la proposition 4.4 est énoncée avec l’hypothèse “f ≥ g” et non
seulement “f ≥ g p.p.”. Toutefois il est clair que cette proposition est aussi vraie avec seulement
“f ≥ g p.p.”. Il suffit de remarquer que, si f ≥ g p.p., il existe B ∈ T t.q. Rm(B) = 0 etRf ≥ g sur
B c . On a doncR f 1B c ≥ Rg1B c . Si f,Rg ∈ L1 , laR proposition 4.4
R donneRalors f 1B c dm ≥ g1B c dm.
On en déduit f dm ≥ gdm car f dm = f 1B c dm et gdm = g1B c dm (voir la proposition
4.5 page 85).
• On suppose maintenant que A f dm ≥ 0 pour tout A ∈ T . Soit n ∈ N? , on choisit A = An = {f ≤
R
− n1 } = {x ∈ E: f (x) ≤ − n1 }, de sorte que f 1An ≤ − n1 1An . La monotonie de l’intégrale sur L1

(proposition 4.4 page 83) donne alors
Z
1
f 1An dm ≤ − m(An ).
n
R
Comme f 1An dm ≥ 0 par hypothèse, on a donc nécessairement m(An ) = 0.
Par σ-sous additivité de m, on en déduit que m({f < 0}) = m(∪n∈N? {f ≤ − n1 }) = 0, et donc f ≥ 0
p.p..
—————————————————————————————–
Corrigé 65
Z
1. Montrer que : ∀ε > 0, ∃ δ > 0 t.q. ∀A ∈ T , m(A) ≤ δ ⇒ |f |dm ≤ ε. [Introduire fn = inf(|f |, n)].
A
—————————————corrigé—————————————–
On pose fn = inf(|f |, n). Comme |f | − fn → 0 p.p. (et même partout), quand n → ∞, et que
0 ≤ |f |−fn ≤ |f | ∈ L1 , on peut appliquer
R le théorème de convergence dominée à la suite (|f |−fn )n∈N
(ou la proposition 4.6). Il donne que (|f | − fn )dm → 0 quand n → ∞.
R
Soit ε > 0, il existe donc n ∈ N t.q. (|f | − fn )dm ≤ ε. Pour A ∈ T , on a donc :
Z Z Z Z Z
|f |dm ≤ (|f | − fn )dm + fn dm ≤ (|f | − fn )dm + fn dm ≤ ε + nm(A).
A A A A
ε
En prenant δ = n, on en déduit :
Z
A ∈ T, m(A) ≤ δ ⇒ |f |dm ≤ 2ε.
A
NB : Au lieu d’appliquer le théorème de convergence dominée à la suite (|f | − fn )n∈N , on peut

aussi faire cet question en appliquant le théorème de convergence monotone à la suite (fn )n∈N et
en utilisant le fait que f ∈ L1 .
—————————————————————————————–
2. Montrer que : ∀ε > 0, ∃ C ∈ T t.q. :
340
(i) m(C) < +∞,
Z
(ii) |f |dm ≤ ε,
Cc
(iii) sup |f | < +∞,
C
1
[Considérer Cn = {x ∈ E ; ≤ |f (x)| ≤ n}, et montrer que pour n ≥ n0 où n0 est bien choisi, Cn
n
vérifie (i), (ii) et (iii).]
—————————————corrigé—————————————–
1
Pour n ∈ N? , on pose Cn = {x ∈ E ; ≤ |f (x)| ≤ n}.
n
Soit n ∈ N? , on a |f | ≤ n sur Cn et n1 m(Cn ) ≤ |f |dm < ∞. Les conditions (i) et (iii) sont donc
R
vérifiées si on prend C = Cn .
Soit ε > 0. On va maintenant montrer qu’on peut choisir n de manière avoir aussi (ii). Pour cela,
on pose gn = f 1Cnc , de sorte que gn → 0 p.p. (et même partout) et |gn | ≤ |f | p.p. (et même
partout), pour tout n ∈ N? . On peut donc appliquer le théorème de convergence dominée à la suite
(gn )n∈N (ou la proposition 4.6). Il donne que |gn |dm → 0 quand n → ∞. Il existe donc n ∈ N?
R
t.q. (ii) soit vérifiée. En prenant C = Cn , on a donc (i), (ii) et (iii).

—————————————————————————————–
Corrigé 66 (m−mesurabilité)
Soit (E, T, m) un espace mesuré. Soit A ∈ T t.q. m(A) = 0 et f une application de Ac dans R. Montrer
que :
il existe g mesurable de E dans R t.q. f = g p.p. si et seulement si il existe (fn )n∈N , suite de fonctions
étagées, t.q. fn → f p.p., quand n → ∞.
—————————————corrigé—————————————–
• On suppose d’abord qu’il existe g mesurable de E dans R t.q. f = g p.p.. Il existe donc B ∈ T t.q.
m(B) = 0 et f = g sur B c (et B c ⊂ Ac , i.e. A ⊂ B).
Comme g ∈ M, la deuxième caractérisation de la mesurabilité (proposition 3.6 page 59) donne
l’existence d’une suite (fn )n∈N ⊂ E t.q. fn (x) → g(x) pour tout x ∈ E. On a donc aussi fn (x) →
f (x) pour tout x ∈ B c . Comme m(B) = 0, on a bien fn → f p.p..
• On suppose maintenant qu’il existe (fn )n∈N ⊂ E t.q. fn → f p.p.. Il existe donc B ∈ T t.q.
m(B) = 0 et fn (x) → f (x) pour tout x ∈ B c (on a donc aussi B c ⊂ Ac ). On pose gn = fn 1B c
et on définit g par g(x) = f (x) si x ∈ B c et g(x) = 0 si x ∈ B. Avec ces choix de gn et g, on a
(gn )n∈N ∈ E et gn (x) → g(x) pour tout x ∈ E. On a donc, par la proposition 3.6, g ∈ M. On a
aussi f = g p.p. car f = g sur B c et m(B) = 0.
—————————————————————————————–
Corrigé 67 (Mesure complète, suite de l’exercice 2.28)

On reprend les notations de l’exercice 2.28 page 48. On note donc (E, T , m) le complété de l’espace
mesuré (E, T, m).
341
Montrer que L1R (E,Z T, m) ⊂ L1 1 1
ZR (E, T , m). Soit f ∈ LR (E, T , m), montrer qu’il existe g ∈ LR (E, T, m) t.q.
f = g p.p. et que f dm = gdm.
—————————————corrigé—————————————–
1. On commence par montrer que L1R (E, T, m) ⊂ L1R (E, T , m).

Comme T ⊂ T , on a M(E, T ) ⊂ M(E, T ), M+ (E, TR) ⊂ M+R(E, T ), E(E, T ) ⊂ E(E, T ) et
E+ (E, T ) ⊂ E+ (E, T ). Puis, comme m = m sur T , on a f dm = f dm pour tout f ∈ E+ (E, T ).
Si f ∈ M+ (E, T ), il existe une suite (fn )n∈N ⊂ E+ (E, T ) t.q. fn ↑ f quand n → ∞, la définition
de l’intégrale sur M+ donne alors :
Z Z
f dm = f dm, pour tout f ∈ M+ (E, T ). (12.37)
Soit f ∈ L1R (E, T, m), on a donc f ∈ M(E, T ) ⊂ M(E, T ) et (12.37) donne R |f |dm =R |f |dm < ∞.
R R
Donc, f ∈ L1R (E, T , m). En appliquant (12.37) à f ± , on montre aussi que f dm = f dm.
2. On va montrer la deuxième partie de la question en raisonnant en 3 étapes :
(a) Soit C ∈ T . Il existe donc A ∈ T , N ∈ Nm t.q. C = A ∪ N . Il existe B ∈ T t.q. N ⊂ B et

m(B) = 0. On a {1A 6= 1C } ⊂ N ⊂ B. Donc, {1A 6= 1C } ∈ Nm = Nm , c’est-à-dire 1A = 1C
m-p.p. et m-p.p.. En fait, comme Nm = Nm , il est identique de dire “m-p.p.” et “m-p.p.”, on
dira donc simplement “p.p.”.
Pn
(b) Soit f ∈ E(E, T ). Il existe a1 , . . . , an ∈ R et C1 , . . . , Cn ∈ T t.q. f = i=1 ai 1CP
i
. D’après (a),
n
on trouve A1 , . . . , An ∈ T t.q. 1Ai = 1Ci p.p., pour tout i. On pose alors g = i=1 ai 1Ai , de
sorte que g ∈ E(E, T ) et g = f p.p..
(c) Soit f ∈ L1R (E, T , m). Comme f ∈ M(E, T ), il existe (d’après la proposition 3.6) (fn )n∈N ⊂
E(E, T ) t.q. fn (x) → f (x) pour tout x ∈ E. D’après (b), pour tout n ∈ N, il existe gn ∈
E(E, T ) t.q. fn = gn p.p.. Pour tout n ∈ N, il existe An ∈ T t.q. m(An ) = 0 et fn = gn sur
Acn . On pose A = ∪n∈N An . On a A ∈ T , m(A) = 0 et fn = gn sur Ac , pour tout n ∈ N. On
définit alors g par g = f sur Ac et g = 0 sur A. On a g ∈ M(E, T ) car g est limite simple de
(gn 1Ac ) ∈ E(E, T ) (cf. proposition 3.6) et f = g p.p. (car f = g sur Ac ).
R R
Comme |f |, |g| ∈ M+ (E, T ) et R|f | = |g| p.p., on a ∞ > |f |dm = |g|dm. Puis, comme
|g| ∈ M+ (E, T ), (12.37) donne |g|dm = |g|dm. On en déduit donc que g ∈ L1R (E, T, m).
R
Enfin, en utilisant le fait que f + = g + p.p., f − = g − p.p. et (12.37) (avec g + et g − ) on a

aussi :
Z Z Z Z Z Z Z Z
+ − + − + −
f dm = f dm − f dm = g dm − g dm = g dm − g dm = gdm.
On a bien trouvé g ∈ L1R (E, T, m) t.q. f = g p.p. et

R R
f dm = gdm.
—————————————————————————————–
Corrigé 68 (Petit lemme d’intégration)
342
Soit (E, T, m) un espace mesuré et f ∈ M(E, T ). (On rappelle que M(E, T ) est l’ensemble des fonctions
mesurables de E dans R.)
1. On suppose (dans cette question) que f ∈ L1R (E, T, m). Montrer que
Z
(An )n∈N ⊂ T, m(An ) → 0 ⇒ f 1An dm → 0. (12.38)
—————————————corrigé—————————————–
Comme f ∈ L1R (E, T, m), La question 1 de l’exercice 4.14 page 102 donne :
R
∀ε > 0, ∃η > 0 t.q. (A ∈ T , m(A) ≤ η) ⇒ f 1A dm ≤ ε.
Ceci donne (12.38). . .
—————————————————————————————–
2. On prend (dans cette question) (E, T, m) = (R, B(R), λ). Donner un exemple de f ∈ M(E, T ) t.q.
f ≥ 0 (de sorte que f ∈ M+ (E, T )), pour lequel (12.38) est faux.
—————————————corrigé—————————————–
R
R et An =]n, n + 1/n[. On a m(An ) → 0 (quand n → ∞) et f 1An dλ ≥ 1
On prend f (x) = x1R+ (x)
pour tout n ∈ N. Donc, f 1An dλ 6→ 0.
—————————————————————————————–
3. On suppose (dans cette question) que m(E) < ∞ et que f > 0 (c’est à dire f (x) > 0 pour tout
x ∈ E). Montrer que
Z
(An )n∈N ⊂ T, f 1An dm → 0 ⇒ m(An ) → 0. (12.39)
On pourra utiliser le fait que, pour p ∈ N? , An ⊂ {f < p1 } ∪ {x ∈ An ; f (x) ≥ p1 }.
—————————————corrigé—————————————–
1
On a {f < p+1 } ⊂ {f < p1 }, ∩p∈N? {f < p1 } = ∅ et m({f < p1 }) < ∞, pour tout p ∈ N? (car
m(E) < ∞). La propriété de continuité décroissante de la mesure m donne alors que m({f <
1
p }) → 0 quand p → ∞.
Soit ε > 0. Il existe donc p ∈ N? t.q. m({f < p1 }) ≤ ε. On a alors m(An ) ≤ ε + m({x ∈ An ; f (x) ≥
1
R R
p }) ≤ ε + p f 1An dm. Comme f 1An dm → 0, il existe donc n0 t.q. m(An ) ≤ 2ε pour n ≥ n0 . Ce
qui prouve (12.39).
—————————————————————————————–
4. On prend (dans cette question) (E, T, m) = (R, B(R), λ) (de sorte que m(E) = ∞). Montrer que
si f ∈ L1R (E, T, m) et f > 0, alors (12.39) est faux. Donner un exemple de f ∈ L1R (E, T, m) t.q.
f > 0.
—————————————corrigé—————————————–
On prend An =]n, n + 1[. En appliquant la proposition
R 4.6 page 86 (ou le théorème de convergence
dominée) à la suite (f 1An )n∈N , on obtient que f 1An dλ → 0 (quand n → ∞). D’autre part
λ(An ) = 1 6→ 0. La propriété (4.35) est donc fausse.
343
On obtient un exemple de f ∈ L1R (R, B(R), λ) t.q. f > 0 en prenant f (x) = exp(−|x|).
—————————————————————————————–
Corrigé 69 (Fatou sans positivité)

Soit (E, T, m) un espace mesuré. Soit (fn )n∈N ⊂ L1R (E, T, m), f ∈ L1R (E, T, m) et h ∈ M(E, T ). (On
rappelle que M(E, T ) est l’ensemble des fonctions mesurables de E dans R.)
1. On suppose que fRn → h p.p. quand n → ∞, fn ≥ f p.p. pour tout n ∈ N, et on suppose qu’il
existe C ∈ R t.q. fn dm ≤ C pour tout n ∈ N.
(a) Montrer qu’il existe (gn )n∈N ⊂ L1R (E, T, m) et g ∈ L1R (E, T, m) t.q.
• fn = gn p.p., pour tout n ∈ N, f = g p.p.,
• gn (x) → h(x), quand n → ∞, pour tout x ∈ E,
• gn ≥ g pour tout n ∈ N.
—————————————corrigé—————————————–
Soit A ∈ T t.q. m(A) = 0 et fn (x) → h(x) pour tout x ∈ Ac .
Pour tout n ∈ N, soit An ∈ T t.q. m(An ) = 0 et fn (x) ≥ f (x) pour tout x ∈ (An )c .
On pose B = A ∪ (∪n∈N An ). On a B ∈ T , m(B) = 0, fn (x) → h(x) pour tout x ∈ B c et
fn (x) ≥ f (x) pour tout x ∈ B c .
On pose, pour n ∈ N, gn = fn 1B c + h1B et g = f 1B c + h1B . On a bien (gn )n∈N ⊂ L1R (E, T, m),
g ∈ L1R (E, T, m) et les 3 conditions demandées sont vérifiées.
—————————————————————————————–
(b) Montrer que h ∈ L1R (E, T, m).
—————————————corrigé—————————————–
On applique le lemme de Fatou à la suite (gn − g)n∈N ⊂ M+ (noter aussi que (h − g) ∈ M+ ).
R R R
On obtient (h − g)dm ≤ lim inf n→∞ (gn − g)dm ≤ C − gdm < ∞.
On en déduit que (h − g) ∈ L1R (E, T, m) et donc h = h − g + g ∈ L1R (E, T, m).
—————————————————————————————–
R n ≥ f p.p., pour
2. (question plus difficile) On reprend les hypothèses de la question précédente sauf “f
tout n ∈ N” que l’on remplace par l’hypothèse (plus faible) “il existe D ∈ R t.q. fn dm ≥ D pour
tout n ∈ N”. Donner un exemple pour lequel h ∈ / L1R (E, T, m). [Prendre (E, T, m) = (R, B(R), λ).]
—————————————corrigé—————————————–
On prend fn = 1[1/n,n+1/n] − n2 1[0,1/n[ et h = 1R+ . On a fn → h p.p., fn dm = 0 et h ∈
R
/
L1R (E, T, m).
—————————————————————————————–
Corrigé 70
Soient T > 0 et f ∈ L1 = L1 ([0, T ], B([0, T ]), λ) (λ désigne donc ici la mesure de Lebesgue sur B([0, T ]).
1. Soit n ∈ N. Montrer que la fonction x 7→ enx f (x) appartient à L1 .

—————————————corrigé—————————————–
La fonction x 7→ enx est continue donc mesurable (de [0, 1] dans R, tous deux munis de la tribu
borélienne). La fonction x 7→ enx f (x) est donc mesurable comme produit de fonctions mesurables.
344
On remarque ensuite que |enx f (x)|dλ(x) ≤ en kf k1 < ∞. On en déduit que la fonction x 7→
R
enx f (x) appartient à L1 .

—————————————————————————————–
R nxsuppose, dans la suite de l’exercice, que f ≥ 0 p.p.

On et qu’il existe M ∈ R+ t.q. que
e f (x) dλ(x) ≤ M pour tout n ∈ N.
2. Montrer que f = 0 p.p.. [Appliquer le théorème de convergence monotone.]

—————————————corrigé—————————————–
On pose A = {f > 0} = {x ∈ E; f (x) > 0} et B = A \ {0}. Comme f est mesurable, on a
A, B ∈ B([0, 1]).
Pour n ∈ N, on pose gn (x) = enx |f (x)| pour x ∈ [0, 1]. On a gn ∈ M+ et gn ↑ g avec g définie par :
g(x) = ∞, si x ∈ B,
g(x) = 0, si x ∈]0, 1] \ B,
g(0) = |f (0)|.
R R
Le théorème de convergence monotone donne que g ∈ M+ et gn dm → gdm quand n → ∞.
Comme gRn = en· f p.p., on a gn dm = enx f (x) dλ(x) ≤ M et donc, en passant à limite quand
R R
n → ∞, gdm ≤ M .
ROn a aussi hn ↑ g avec hn = n1RB + |f (0)|1{0} . La définition de Rl’intégrale sur M+ donne alors
gdm = limn→∞ nλ(B) et donc gdm = ∞ si λ(B) > 0. Comme gdm ≤ M , on a donc λ(B) = 0
et donc aussi λ(A) = 0. Ce qui donne f = 0 p.p..
—————————————————————————————–
3. On suppose de plus que f est continue. Montrer que f (x) = 0 pour tout x ∈ [0, T ].
—————————————corrigé—————————————–
On pose toujours A = {f > 0} = {x ∈ E; f (x) > 0}. Comme f est continue, l’ensemble A est un
ouvert de [0, 1]. Si A 6= ∅, il existe un intervalle ouvert non vide inclus dans A et donc λ(A) > 0
en contradiction avec le résultat de la question précédente qui donne λ(A) = 0. On a donc A = ∅,
c’est-à-dire f = 0 sur tout [0, 1].
—————————————————————————————–
12.4.2 Espace L1
Corrigé 71 (Mesure de densité)
R
Soit (E, T, m) un espace mesuré et f ∈ M+ . Pour A ∈ T , on pose µ(A) = A f dm.
1. Montrer que µ est une mesure sur T .
—————————————corrigé—————————————–
On rappelle que, par définition, pour tout A ∈RT , on a A f dm = f 1A dm avec f 1A = 0 sur Ac et
R R
f 1A = f sur A (on a bien f 1A ∈ M+ et donc A f dm est bien définie).
On montre maintenant que µ est une mesure.

Il est clair que µ(∅) = 0 car f 1A = 0 (sur tout E) si A = ∅. Pour montrer que µ est un mesure, il
reste à montrer que µ est σ-additive.
345
n∈N ⊂ T t.q. An ∩ Am = ∅ si n 6= m. On pose
Soit (An )P PA = ∪n∈N An et on remarque que
1A (x) = n∈N 1An (x) pour tout x ∈ E et donc f 1A (x) = n∈N f 1An (x) pour tout x ∈ E. Le
premier corollaire du théorème de convergence monotone (corollaire 4.1) donne alors
Z XZ
f 1A dm = f 1An dm,
n∈N
P
c’est-à-dire µ(A) = n∈N µ(An ). Ceci prouve que µ est σ-additive et donc que µ est une mesure.
—————————————————————————————–
2. Soit g ∈ M. Montrer que g ∈ L1R (E, T, µ) si et seulement si f gR ∈ L1R (E,

R T, m) (on pose f g(x) = 0
si f (x) = ∞ et g(x) = 0). Montrer que, pour g ∈ L1R (E, T, µ), gdµ = f gdm.
—————————————corrigé—————————————–
On raisonne en 3 étapes :
Pp
(a) Soit g ∈ E+ \ {0}. Il existe donc a1 , . . . , ap ∈ R?+ et A1 , . . . ,P
Ap ∈ T t.q. g = i=1 ai 1Ai . On a
p
alors (en posant f g(x) = 0 si f (x) = ∞ et g(x) = 0) f g = i=1 ai f 1Ai ∈ M+ et :
Z p
X Z p
X Z
f gdm = ai f 1Ai dm = ai µ(Ai ) = gdµ.
i=1 i=1
(Ce qui, bien sûr, est aussi vrai pour g = 0.)

R
(b) RSoit g ∈ M+ . Il existe alors (gn )n∈N ⊂ E+ t.q. gn ↑ g. L’item précédent donne que f gn dm =
gn dµ. Avec le théorème de convergence monotone (pour µ et pour m, puisque f gn ↑ f g en
posant toujours f g(x) = 0 si f (x) = ∞ et g(x) = 0), on en déduit que f g ∈ M+ et :
Z Z
f gdm = gdµ. (12.40)
(c) Soit maintenant g ∈ M. En appliquant (12.40) à |g| ∈ M+ , on a :

Z Z Z
|f g|dm = f |g|dm = |g|dµ,
et donc :
f g ∈ L1R (E, T, m) ⇔ g ∈ L1R (E, T, µ).
En fait, on peut ne pas avoir f g ∈ L1R (E, T, m) car f g peut prendre les valeurs ±∞. L’assertion
“f g ∈ L1R (E, T, m)” est à prendre, comme
R d’habitude, au sens “il existe h ∈ L1R (E, T, m) t.q.
f g = h p.p.”. Ceci est vérifié car si |f g|dm < ∞, on a |f g| < ∞ p.p.. Il suffit alors de
changer f g sur un ensemble de mesure nulle pour avoir une fonction mesurable prenant ses
valeurs dans R.
Si g ∈ L1R (E, T, µ), en écrivant (12.40) avecRg + et g − R(qui sont bien des éléments de M+ ) et
en faisant la différence on obtient bien que f gdm = gdµ.
—————————————————————————————–
Corrigé 72
346
1 1 1
R (fn )n∈NR⊂ L (= LR (E, T, m)) et f ∈ L ; on suppose que fn ≥1 0 pp
Soient (E, T, m) un espace mesuré,
∀n ∈ N, que fn → f pp et que fn dm → f dm lorsque n → +∞. Montrer que fn → f dans L . [on
pourra examiner la suite (f − fn )+ .]
—————————————corrigé—————————————–
On pose hn = (f − fn )+ . On a donc (hn )n∈N ⊂ L1R (E, T, m) et hn → 0 p.p.. De plus, comme fn ≥ 0
p.p., on a 0 ≤ hn ≤ f + p.p.. En effet, soit x ∈ E t.q. hn (x) 6= 0. On a alors, si fn (x) ≥ 0 (ce qui est vrai
pour presque tout x), 0 < hn (x) = f (x) − fn (x) ≤ f (x) = f + (x).
Comme f + ∈ L1R (E, T, m), on peut appliquer le théorème de convergence dominée à cette suite (hn )n∈N ,
il donne que hn → 0 quand n → ∞, c’est-à-dire
Z
(f − fn )+ dm → 0, quand n → ∞. (12.41)
On remarque ensuite que

Z Z Z
− +
(f − fn ) dm = (f − fn ) dm − (f − fn )dm,
R R
et donc, comme fn dm → f dm lorsque n → +∞,
Z
(f − fn )− dm → 0, quand n → ∞. (12.42)
De (12.41) et (12.42), on déduit

Z
|f − fn |dm → 0, quand n → ∞,
c’est-à-dire fn → f dans L1R (E, T, m), quand n → ∞.

—————————————————————————————–
Corrigé 73 (Théorème de Beppo-Lévi)

Soient (E, T, m) un espace mesuré, (fn )n∈N ⊂ L1 (= L1R (E, T, m)) et f : E → R, t.q. :
(i) fn → f p.p. lorsque n → +∞.

(ii) La suite (fn )n∈N est monotone, c’est-à-dire :
fn+1 ≥ fn p.p., pour tout n ∈ N,
ou
fn+1 ≤ fn p.p., pour tout n ∈ N.
1. Construire (gn )n∈N ⊂ L1 (= L1R (E, T, m)) et g ∈ M t.q. fn = gn p.p., f = g p.p., gn (x) → g(x)
pour tout x ∈ E, et gn+1 ≥ gn pour tout n ∈ N (ou gn+1 ≤ gn pour tout n ∈ N).
—————————————corrigé—————————————–
Pour tout n ∈ N, on choisit un représentant de fn , que l’on note encore fn .
L’hypothèse (i) donne qu’il existe A ∈ T t.q. m(A) = 0 et fn (x) → f (x) pour tout x ∈ Ac .
347
L’hypothèse (ii) donne que la suite (fn )n∈N est monotone. On suppose que cette suite est monotone
croissante (le cas “monotone décroissante” est similaire). Il existe alors, pour tout n ∈ N, An ∈ T
t.q. m(An ) = 0 et fn+1 ≥ fn sur Acn .
On pose B = A ∪ (∪n∈N An ). On a donc B ∈ T et m(B) = 0. Puis on pose gn = fn 1B c et on définit
g par g(x) = f (x) si x ∈ B c et g(x) = 0 si x ∈ B. On a bien f = g p.p., (gn )n∈N ⊂ L1R (E, T, m)),
fn = gn p.p. et gn+1 ≥ gn (pour tout n ∈ N). Enfin gn (x) → g(x) pour tout x ∈ E, et g ∈ M car
g est limite simple d’éléments de M (voir la proposition 3.5 sur la stabilité de M).
On remarque aussi que, pour tout n ∈ N, fn et gn sont deux répresentants du même élément de
L1R (E, T, m) et fn dm = gn dm.
R R
—————————————————————————————–
Z
2. Montrer que f ∈ L1 ⇔ lim fn dm ∈ R.
n→+∞
—————————————corrigé—————————————–
On reprend la suite (gn )n∈N et la fonction g construites à la question précédente et on distingue
maintenant les 2 cas de l’hypothèse (ii).
Cas 1 : La suite (gn )n∈N est supposée monotone croissante.

Dans ce cas, on a (gn − g0 ) ↑ (g − g0 ) quand n → ∞ et, comme (gn − g0 ) ∈ M+ pour tout
n ∈ N, on peut utiliser le théorème de convergence monotone dans M+ (théorème 4.1). Il
donne ((g − g0 ) ∈ M+ et)
Z Z
(gn − g0 )dm → (g − g0 )dm quand n → ∞. (12.43)
R R
On sait déjà que (g − g0 ) ∈ M et que |g − g0 |dm = (g − g0 )dm car (g − g0 ) ∈ M+ . la
1
R donne alors que (g − g0 ) ∈ LR (E, T, m) si et seulement si la limite de la suite
propiétée (12.43)
(croissante) ( (gn − g0 )dm)n∈N est dans R (c’est-à-dire différente de ∞).
Comme gn , g0 ∈ L1R (E, T, m), on a (gn − g0 )dm = gn dm −R g0 dm et donc (g − g0 ) ∈
R R R
L1R (E, T, m) si et seulement si la limite de la suite (croissante) ( gn dm)n∈N est dans R.

Enfin, comme g = (g − g0 ) + g0 et que g0 ∈ L1R (E, T, m), on a g ∈ L1R (E, T, m) si et seulement
(g − g0 ) ∈ L1R (E, T, m) et finalement
R on obtient bien que g ∈ L1R (E, T, m) si et seulement la
limite de la suite (croissante) ( gn dm)n∈N est dans R.
R R
On conclut en remarquant que fn dm = gn dm pour tout n ∈ N et f = g p.p.. Plus
précisement :
• Si la limite de la suite (croissante) ( fn dm)n∈N est dans R, on obtient que g ∈ L1 ) et
R
donc que f ∈ L1R (E, T, m) au sens “il existe g ∈ L1R (E, T, m) t.q. f = g p.p.” (on confond
donc f et la classe de g, c’est-à-dire {h ∈ L1R (E, T, m); h = g p.p.}).
• Réciproquement, si f ∈ L1R (E, T, m), cela signifie qu’il existe h ∈ L1R (E, T, m) t.q. f = h
p.p. (on a donc confondu f et la classe de h). Comme f = g p.p., on a aussi h = g p.p..
Comme g ∈ M, on obtient donc que g ∈ L1R (E, T, m) et donc 1
R (g − g0 ) ∈ LR (E, T, m) ce
qui donne, par (12.43), que la limite de la suite (croissante) ( fn dm)n∈N est dans R.
Cas 2 : La suite (gn )n∈N est supposée monotone décroissante.
348
La démonstration est très voisine de la précécende. On remarque que (g0 − gn ) ↑ (g0 − g)
quand n → ∞ et, comme (g0 − gn ) ∈ M+ pour tout n ∈ N, on peut utiliser le théorème de
convergence monotone dans M+ (théorème 4.1). Il donne ((g0 − g) ∈ M+ et)
Z Z
(g0 − gn )dm → (g0 − g)dm quand n → ∞. (12.44)
R R
On sait déjà que (g − g0 ) ∈ M et que |g − g0 |dm = (g0 − g)dm car (g0 − g) ∈ M+ . La
propriétée (12.44) Rdonne alors que (g − g0 ) ∈ L1R (E, T, m) si et seulement si la limite de la
suite (croissante) ( (g0 − gn )dm)n∈N est dans R (c’est-à-dire différente de ∞).
Comme gn , g0 ∈ L1R (E, T, m), on a (g0 − gn )dm = g0 dm − gnRdm et donc (g − g0 ) ∈
R R R
L1R (E, T, m) si et seulement si la limite de la suite (décroissante) ( gn dm)n∈N est dans R

(c’est-à-dire différente de −∞).
Enfin, comme g = (g − g0 ) + g0 et que g0 ∈ L1R (E, T, m), on a g ∈ L1R (E, T, m) si et seulement
(g − g0 ) ∈ L1R (E, T, m) et finalement
R on obtient bien que g ∈ L1R (E, T, m) si et seulement la
limite de la suite (décroissante) ( gn dm)n∈N est dans R.
R R
On conclut en remarquant que fn dm = gn dm pour tout n ∈ N et f = g p.p., comme dans
le premier cas.
—————————————————————————————–
3. On suppose ici que f ∈ L1 , montrer que fn → f dans L1 , lorsque n → +∞.
—————————————corrigé—————————————–
On utilise toujours la suite (gn )n∈N et la fonction g construites à la première question.
CommeR f ∈ L1R (E, 1
R T, m) on a g ∈ LR (E, T, m) et la propriété (12.43) (ou la propriété (12.44))
donne gn dm → gdm quand n → ∞ et donc
Z
|gn − g|dm → 0 quand n → ∞.
(On a utilisé ici le fait que (gn − g) a un signe constant et que g ∈ L1R (E, T, m).)
Comme kfn − f k1 = |gn − g|dm, on en déduit que fn → f dans L1R (E, T, m), quand n → ∞.
R
—————————————————————————————–
Corrigé 74 (Préliminaire pour le théorème de Vitali)

1. Montrer que pour tout ε > 0, il existe δ > 0 t.q. :
Z
A ∈ T, m(A) ≤ δ ⇒ |f |dm ≤ ε.
A
[Choisir un représentant de f et introduire fn = inf(|f |, n)].
—————————————corrigé—————————————–
En choisissant un représentant de f , cette question est démontrée à la question 1 de l’exsercice 4.14.
—————————————————————————————–
349
Z
2. Soit ε > 0, montrer qu’il existe C ∈ T t.q. m(C) < +∞ et |f |dm ≤ ε. [Choisir un représentant
Cc
1
de f et considérer Cn = {x ∈ E ; ≤ |f (x)|}.]
n
—————————————corrigé—————————————–
1
On choisit un représentant de f , encore noté f et pose, pour tout n ∈ N? , Cn = {|f | ≥ n }.
1
Comme |f | ≥ n 1Cn , on a, par monotonie de l’intégrale, m(Cn ) ≤ nkf k1 < ∞ pour tout n ∈ N? .
On pose maintenant gn = |f |1Cnc . On remarque que gn (x) → 0 pour tout x ∈ E et que |gn | ≤ |f |.
On peut donc appliquer le théorème
R de convergence dominée à la suite (gn )n∈N (ou la proposition
préliminaire 4.6). Il donne que gn dm → 0 quand n → ∞.
?
R
R ε > 0, il existe donc n0 ∈ N t.q. gn dm ≤ ε. On prend alors C = Cn0 , on a bien m(C) < +∞
Soit
et C c |f |dm ≤ ε.
—————————————————————————————–
Corrigé 75 (Théorème de Vitali)

Soient (E, T, m) un espace mesuré, (fn )n∈N ⊂ L1 (= L1R (E, T, m)) et f : E → R t.q. fn → f p.p..
1. On suppose m(E) < +∞. Montrer que : f ∈ L1 et fn → f dans L1 lorsque n → +∞ si et seulement

Rsi (fn )n∈N est équi-intégrable (i.e. : Pour tout ε > 0, il existe δ t.q. (A ∈ T , n ∈ N, m(A) ≤ δ ⇒
A n
|f |dm ≤ ε).R [Pour montrer Rle sens ⇒, utiliserR la question 1 de l’exercice 4.29. Pour le sens ⇐,
remarquer que |fn − f |dm = A |fn − f |dm + Ac |fn − f |dm, utiliser le théorème d’Egorov et le
lemme de Fatou...]
—————————————corrigé—————————————–
Sens(⇒) Soit ε > 0. D’après l’exercice 4.29 (première question), il existe, pour tout n ∈ N, δn > 0
t.q. : Z
A ∈ T, m(A) ≤ δn ⇒ |fn |dm ≤ ε. (12.45)
A
On ne peut pas déduire de (12.45) l’équi-intégrabilité de (fn )n∈N car on peut avoir minn∈N δn = 0.
Comme f ∈ L1 , il existe aussi δ > 0 t.q. :
Z
A ∈ T, m(A) ≤ δ ⇒ |f |dm ≤ ε. (12.46)
A
On va déduire l’équi-intégrabilité de la suite (fn )n∈N en utilisant (12.45) et (12.46).

Soit A ∈ T , on a :
Z Z Z Z Z
|fn |dm ≤ |fn − f |dm + |f |dm ≤ |fn − f |dm + |f |dm. (12.47)
A A A A
Comme fn → f dans L1 quand n → ∞, ilRexiste n0 ∈ N t.q. kfn −f k1 ≤ ε si n > n0 . Pour n > n0 et

m(A) ≤ δ, (12.47) et (12.46) donne donc A |fn |dm ≤ 2ε. On choisit alors δ = min{δ0 , . . . , δn0 , δ} >
0 et on obtient, avec aussi (12.45) (pour tout n ≤ n0 ) :
Z
n ∈ N, A ∈ T, m(A) ≤ δ ⇒ |fn |dm ≤ 2ε.
A
350
Ce qui donne l’équi-intégrabilité de la suite (fn )n∈N .
Sens (⇐)
on veut montrer ici que f ∈ L1 et kfn − f k1 → 0 quand n → ∞.
Soit ε > 0. L’équi-intégrabilité de la suite (fn )n∈N donne l’existence de δ > 0 t.q. :
Z
n ∈ N, A ∈ T, m(A) ≤ δ ⇒ |fn |dm ≤ 2ε. (12.48)
A
Pour tout n ∈ N, on choisit maintenant un représentant de fn , encore noté fn . Comme fn → f

p.p., il existe B ∈ T t.q. m(B) = 0 et fn → f sur B c . En remplaçant f par f 1B c (ce qui ne change
f que sur un ensemble de mesure nulle, donc ne change pas les hypothèses du théorème), on a alors
f ∈ M car f est limite simple de la suite (fn 1B c )n∈N ⊂ M (noter que f est bien à valeurs dans R).
Comme m(E) < ∞, on peut utiliser le théorème d’Egorov (théorème 3.2), il donne l’existence de
A ∈ T t.q. fn → f uniformément sur Ac , c’est-à-dire supx∈Ac |fn (x) − f (x)| → 0 quand n → ∞.
On a donc aussi, pour ce choix de A,
Z
|fn − f |dm ≤ m(E) sup |fn (x) − f (x)| → 0, quand n → ∞.
Ac x∈Ac
R
Il existe donc n0 (ε) ∈ N t.q. Ac
|fn − f |dm ≤ ε pour tout n ≥ n0 (ε). Avec (12.48), on en déduit,
pour tout n ≥ n0 (ε) :
Z Z Z Z Z
|fn − f |dm ≤ |fn − f |dm + |fn |dm + |f |dm ≤ 2ε + |f |dm.
Ac A A A
Pour majorer par ε le dernier terme de l’inégalité précédente, on utilise le lemme de Fatou sur la
suite (|fn |1A )n∈N ⊂ M+ . Comme lim inf n→∞ |fn |1A = |f |1A , il donne avec (12.48),
Z Z
|f |dm ≤ lim inf |fn |1A ≤ ε.
A n→∞
On a donc, finalement, Z
n ≥ n0 (ε) ⇒ |fn − f |dm ≤ 3ε. (12.49)
En choissisant n = n0 (1), on déduit de (12.49) que fn − f ∈ L1 et donc que f = (f − fn ) + fn ∈ L1 .

Cette appartenance étant, comme d’habitude à prendre au sens “il existe g ∈ L1 t.q. f = g p.p.”
(en fait, ici, comme nous avons remplacé f par f 1B c ci dessus, on a même f ∈ L1 ).
Puis, (12.49) étant vraie pour tout ε > 0, on a bien montré que kfn − f k1 → 0 quand n → ∞.
—————————————————————————————–
2. On suppose maintenant m(E) = +∞. Montrer que : f ∈ L1 et fn → f dans L1 lorsque n →
+∞
R si et seulement si (fn )n∈N est équi-intégrable et vérifie : ∀ ε > 0, ∃ C ∈ T , m(C) < +∞ et
|f |dm ≤ ε pour tout n. [Pour montrer le sens ⇒, utiliser l’exercice 4.29. Pour le sens ⇐,
Cc n
utiliser l’exercice 4.29, le lemme de Fatou et le résultat de la question 1.]
—————————————corrigé—————————————–
Sens (⇒)
351
(a) L’hypothèse m(E) < ∞ n’a pas été utilisée à la question précédente. La même démonstration
donne donc ici l’équi-intégrabilité de la suite (fn )n∈N
(b) On utilise maintenant la deuxième question de l’exercice 4.29.
R
Soit ε > 0. Pour tout n ∈ N, il existe Cn ∈ T t.q. m(Cn ) < ∞ et C c fn dm ≤ ε. Comme
n
f ∈ L1 , il existe aussi D ∈ T t.q. m(D) < ∞ et Dc f dm ≤ ε. Enfin, comme fn → f dans L1
R
quand n → ∞, il existe n0 t.q. kfn − f k1 ≤ ε pour tout n ≥ n0 .

Pn0
On choisit maintenant C = D ∪ (∪nn=0 0
Cn ), de sorte que m(C) < m(D) + n=0 m(Cn ) < ∞,
C c ⊂ Dc et C c ⊂ Cnc si n ≤ n0 . Ce choix de C nous donne, pour tout n ≥ n0 ,
Z Z Z
|fn |dm ≤ |f |dm + |fn − f |dm ≤ 2ε,
Cc Dc
et, pour tout n ≤ n0 , Z Z

|fn |dm ≤ |fn |dm ≤ ε.
Cc c
Cn
R
On a donc m(C) < ∞ et Cc
|fn |dm ≤ 2ε pour tout n ∈ N.
Sens (⇐)
on veut montrer ici que f ∈ L1 et kfn − f k1 → 0 quand n → ∞.
Soit ε > 0. La deuxième hypothèse donne l’existence de C ∈ T t.q. m(C) < ∞ et

Z
|fn |dm ≤ ε pour tout n ∈ N. (12.50)
Cc
Comme dans la question précédente, on peut supposer (en changeant éventuellement f sur un
ensemble de mesure nulle) que f ∈ M. En appliquant le lemme de Fatou à la suite (|fn |1C c )n∈N ⊂
M+ , on déduit de (12.50) que Z
|f |dm ≤ ε. (12.51)
Cc
La première hypothèse (c’est-à-dire l’équi-intégrabilité de la suite (fn )n∈N ) donne l’existence de

δ > 0 t.q. Z
n ∈ N, A ∈ T, m(A) ≤ δ ⇒ |fn |dm ≤ ε. (12.52)
A
On peut maintenant utiliser le théorème d’Egorov sur la suite (fn |C )n∈N (qui converge p.p. vers
f|C ) dans l’espace mesurable (C, TC ) où TC est la tribu {B ∈ T ; B ⊂ C}. Il donne l’existence de
A ⊂ C, A ∈ T , t.q. m(A) ≤ δ et fn → f uniformément sur Ac ∩ C. On en déduit que
Z
|fn − f |dm ≤ m(C) sup |fn (x) − f (x)| → 0 quand n → ∞.
Ac ∩C x∈Ac ∩C
Il existe donc n0 t.q. Z

n ≥ n0 ⇒ |fn − f |dm ≤ ε. (12.53)
Ac ∩C
352
Enfin, en appliquant le lemme de Fatou à la suite (|fn |1A )n∈N ⊂ M+ , on déduit de (12.52) que
Z
|f |dm ≤ ε. (12.54)
A
Il suffit maintenant de remarquer que

Z Z Z Z Z Z
|fn − f |dm ≤ |fn − f |dm + |fn |dm + |f |dm + |fn |dm + |f |dm,
Ac ∩C A A Cc Cc
pour déduire de (12.53), (12.52), (12.54), (12.50) et (12.51) que

Z
n ≥ n0 ⇒ |fn − f |dm ≤ 5ε.
On conclut comme à la question précédente. En prenant d’abord ε = 1, on montre que f ∈ L1 puis,

comme ε > 0 est arbitraire, on montre que fn → f dans L1 quand n → ∞.
—————————————————————————————–
3. Montrer que le théorème de convergence dominée de Lebesgue peut être vu comme une conséquence
du théorème de Vitali.
—————————————corrigé—————————————–
Soient (fn )n∈N ⊂ L1 et F ∈ L1 t.q. |fn | ≤ F p.p., pour tout n ∈ N.
En utilisant l’exercice 4.29 sur F , on montre facilement
R l’équi-intégrabilité de (fn )n∈N et l’existence,
pour tout ε > 0, de C ∈ T t.q. m(C) < ∞ et C c |fn |dm ≤ ε pour tout n ∈ N (noter que si
m(E) < ∞ cette propriété est immédiate en prenant C = E). Il est alors facile de montrer le
théorème de convergence dominée à partir du théorème de Vitali.
—————————————————————————————–
Corrigé 76 (Théorème de “Vitali-moyenne”)

Soit (E, T, m) un espace mesuré. On note L1 = L1R (E, T, m). Soit (fn )n∈N ⊂ L1 et f ∈ M(E, T ).
1. On suppose que m(E) < ∞. On se propose ici de montrer que :
f ∈ L1 et

1. fn → f en mesure, quand n → ∞,
⇔ (12.55)
kfn − f k1 → 0 quand n → ∞ 2. (fn )n∈N équi-intégrable.
(a) Montrer le sens (⇒) de (12.55).

—————————————corrigé—————————————–
On montre tout d’abord la convergence en mesure. Soit η > 0. On a alors :
Z
1
m({|fn − f | ≥ η}) ≤ |fn − f |dm → 0, quand n → ∞.
η
Ce qui donne que fn → f en mesure, quand n → ∞.
Pour montrer l’équi-intégrabilité, il suffit de remarquer que, pour tout A ∈ T , on a :
Z Z Z
|fn |dm ≤ |fn − f |dm + |f |dm.
A A
353
Soit ε > 0. Comme f ∈ L1 , il existe (voir la proposition 4.9) δ > 0 t.q.
Z
m(A) ≤ δ ⇒ |f |dm ≤ ε.
A
Comme kfn − f k1 → 0, quand n → ∞, il existe n0 t.q.

Z
n ≥ n0 ⇒ |fn − f |dm ≤ ε.
On en déduit : Z
(n ≥ n0 et m(A) ≤ δ) ⇒ |fn |dm ≤ 2ε. (12.56)
A
Puis, pour tout n ∈ N, il existe (voir la proposition 4.9) δn > 0 t.q.
Z
m(A) ≤ δn ⇒ |fn |dm ≤ ε. (12.57)
A
En posant δ = min{δ, δ0 , . . . , δn } on a donc, avec (12.56) et (12.57):

Z
(n ∈ N et m(A) ≤ δ) ⇒ |fn |dm ≤ 2ε.
A
Ce qui montre l’équi-intégrabilité de (fn )n∈N .

—————————————————————————————–
(b) Pour montrer le sens (⇐), on suppose maintenant que fn → f en mesure, quand n → ∞, et
que (fn )n∈N est équi-intégrable.
i. Montrer que pour tout δ > 0 et η > 0, il existe n ∈ N t.q. : p, q ≥ n ⇒ m({|fp − fq | ≥
η} ≤ δ.
—————————————corrigé—————————————–
On remarque que, pour tout p, q ∈ N et tout x ∈ E, |fp − f |(x) ≤ η2 et |fq − f |(x) ≤ η2
implique |fp − fq |(x) ≤ η. On a donc {|fp − fq | ≥ η} ⊂ {|fp − f | ≥ η2 } ∪ {|fp − f | ≥ η2 }.
Ce qui donne :
η η
m({|fp − fq | ≥ η}) ≤ m({|fp − f | ≥ }) + {|fq − f | ≥ }.
2 2
Comme fn → f en mesure, il existe n ∈ N t.q. :
η δ
p ≥ n ⇒ m({|fp − f | ≥ }) ≤ ,
2 2
on en déduit :
p, q ≥ n ⇒ m({|fp − fq | ≥ η}) ≤ δ.
—————————————————————————————–
ii. Montrer que la suite (fn )n∈N est de Cauchy dans L1 .
—————————————corrigé—————————————–
Soit p, q ∈ N et η > 0, on a :
Z Z
kfp − fq k1 = |fp |dm + |fq |dm + ηm(E). (12.58)
{|fp −fq |≥η} {|fp −fq |≥η}
354
Soit ε > 0. D’après l’équi-intégrabilité de (fn )n∈N , il existe δ > 0 t.q.
Z
(A ∈ T, m(A) ≤ δ et n ∈ N) ⇒ |fn | ≤ ε. (12.59)
A
On commence à choisir η > 0 t.q. ηm(E) ≤ ε. Puis, la question précédente donne

l’existence de n t.q. m({|fp − fq | ≥ η}) ≤ δ si p, q ≥ n. On a donc, par (12.59) :
Z Z
|fp | ≤ ε et |fq | ≤ ε si p, q ≥ n.
{|fp −fq |≥η} {|fp −fq |≥η}
Finalement, (12.58) donne :
p, q ≥ n ⇒ kfp − fq k1 ≤ 3ε.
La suite (fn )n∈N est donc de Cauchy dans L1 .
—————————————————————————————–
iii. Montrer que f ∈ L1 et que kfn − f k1 → 0 quand n → ∞.
—————————————corrigé—————————————–
Comme L1 est complet, il existe g ∈ L1 t.q. fn → g dans L1 , quand n → ∞. On peut
supposer g ∈ L1 (en confondant g avec l’un de ses représentants). La question (a) donne
alors que fn → g en mesure, quand n → ∞. Comme fn → f en mesure, on a donc
nécessairement f = g p.p.. ce qui donne bien f ∈ L1 et kfn − f k1 = kfn − gk1 → 0, quand
n → ∞.
—————————————————————————————–
2. On ne suppose plus que m(E) < ∞. Montrer que :



 1. fn → f en mesure, quand n → ∞,
f ∈ L1 et

2. (fn )n∈N équi-intégrable,

⇔ (12.60)
kfn − f k1 → 0 quand n → ∞ 
 3. ∀εR> 0, ∃A ∈ T t.q. m(A) < ∞ et ,
|f |dm ≤ ε, pour tout n ∈ N.

Ac n
—————————————corrigé—————————————–
Etape 1 On montre tout d’abord le sens (⇒).
Les propriétés 1 et 2 ont déjà été démontrées dans la question 1-(a) (car l’hypothèse m(E) < ∞
n’avait pas été utilisée).
Pour démontrer la propriété 3, on utilise la proposition 4.9 du cours. Soit ε > 0. pour tout n ∈ N,
Il existe Bn ∈ T t.q. m(Bn ) < ∞ et Z
|fn |dm ≤ ε. (12.61)
c
Bn
Il existe aussi B ∈ T t.q. m(B) < ∞ et

Z
|f |dm ≤ ε. (12.62)
Bc
En remarquant que Z Z Z
|fn |dm ≤ |fn − f |dm + |f |dm,
Bc Bc
355
on obtient, en utilisant le fait que kfn − f k1 → 0, quand n → ∞, et (12.62), l’existence de n0 t.q.
Z
n ≥ n0 ⇒ |fn |dm ≤ 2ε.
Bc
En prenant A = B ∪ (∪np=0
0
Bp ), on obtient alors (avec (12.61)) m(A) < ∞ et :
Z
n∈N⇒ |fn |dm ≤ 2ε.
Ac
Etape 1 On montre maintenant le sens (⇐).

On reprend la même méthode que dans le cas m(E) < ∞.
On remarque tout d’abord que pour tout δ > 0 et η > 0, il existe n ∈ N t.q. : p, q ≥ n ⇒
m({|fp − fq | ≥ η} ≤ δ. La démonstration est la même que précédemment (l’hypothèse m(E) < ∞
n’avait pas été utilisée).
On montre maintenant que la suite (fn )n∈N est de Cauchy dans L1 . Soit p, q ∈ N, A ∈ T et η > 0,
on a :
Z Z
kfp − fq k1 ≤ (|fp | + |fq )|dm + (|fp | + |fq |)dm + ηm(A). (12.63)
Ac {|fp −fq |≥η}
Soit ε > 0. D’après l’équi-intégrabilité de (fn )n∈N , il existe δ > 0 t.q.

Z
(B ∈ T, m(B) ≤ δ et n ∈ N) ⇒ |fn | ≤ ε. (12.64)
B
D’après la propriété 3 de (12.60), il existe A ∈ T t.q. m(A) < ∞ et

Z
n∈N⇒ |fn |dm ≤ ε. (12.65)
Ac
On commence à choisir η > 0 t.q. ηm(A) ≤ ε. MaintenantRque δ et η sont fixés, ilR existe n ∈ N t.q.
m({|fp −fq | ≥ η}) ≤ δ si p, q ≥ n. On a donc, par (12.64), {|fp −fq |≥η} |fp | ≤ ε et {|fp −fq |≥η} |fq | ≤
ε si p, q ≥ n. Avec (12.63) et (12.65), on obtient alors :
p, q ≥ n ⇒ kfp − fq k1 ≤ 5ε.
La suite (fn )n∈N est donc de Cauchy dans L1 .

On conclut, comme dans le cas m(E) < ∞, que f ∈ L1 et kfn − f k1 → 0, quand n → ∞ (car
l’hypothèse m(E) < ∞ n’avait pas été utilisée pour cette partie).
—————————————————————————————–
Corrigé 77 (Continuité de p 7→ k · kp )
Soient (E, T, m) un espace mesuré et f ∈ M(E, T ).
Z p1
1. Pour p ∈ [1, +∞[, on pose kf kp = |f |p dm (noter que |f |p ∈ M+ ) et on dit que f ∈ Lp si
kf kp < +∞. On pose I = {p ∈ [1, +∞[, f ∈ Lp }.
356
(a) Soient p1 et p2 ∈ [1, +∞[, et p ∈ [p1 , p2 ]. Montrer que si f ∈ Lp1 ∩ Lp2 , alors f ∈ Lp . En
déduire que I est un intervalle. [On pourra introduire A = {x; |f (x)| ≤ 1}.]
—————————————corrigé—————————————–
Soit α ∈ R?+ . On remarque que αp ≤ αp2 si 1 ≤ α et αp ≤ αp1 si α ≤ 1. On en déduit que
|f |p ≤ |f |p1 + |f |p2 (en fait, on a |f |p ≤ |f |p1 sur A = {|f | ≤ 1} et |f |p ≤ |f |p2 sur Ac ) et donc
que f ∈ Lp si f ∈ Lp1 ∩ Lp2 .
On suppose que I 6= ∅. On pose a = inf I et b = sup I. On a donc 1 ≤ a ≤ b ≤ ∞ et I ⊂ [a, b].

On montre maintenant que ]a, b[⊂ I (ce qui donne que I est bien un intervalle dont les bornes
sont a et b).
Soit p ∈]a, b[. La défintion de a et b permet d’affirmer qu’il existe p1 ∈ I t.q. p1 p. On a donc f ∈ Lp1 ∩ Lp2 et p ∈]p1 , p2 [, d’où l’on déduit que p ∈ I.
on a donc bien monté que ]a, b[⊂ I et donc que I est un intervalle.
—————————————————————————————–
(b) On montre sur des exemples que les bornes de I peuvent être ou ne pas être dans I. On prend
pour cela: (E, T, m) = ([2, +∞[, B([2, ∞[), λ) (λ est ici la restriction à [2, ∞[ de la mesure de
Lebesgue sur B(R)). Calculer I dans les deux cas suivants:
i. f (x) = x1 , x ∈ [2, +∞[.
ii. f (x) = x(ln1x)2 , x ∈ [2, +∞[.
—————————————corrigé—————————————–
i. f (x) = x1 , x ∈ [2, +∞[. Soit 1 ≤ p < ∞. Pour savoir si f ∈ Lp ou non, on utilise le
théorème de convergence monotone et l’intégrale des fonctions continues sur un intervalle
compact de R.
Pour n ∈ N, on pose fn = |f |p 1[2,n] . On a donc (fn )n∈N ⊂ M+ et fn ↑ |f |p ce qui donne,
grâce au théorème de convergence monotone,
Z Z
fn dλ → |f |p dλ, quand n → ∞.
Les intégrales ci dessus sont des intégrales sur l’espace mesuré ([2, +∞[, B([2, ∞[), λ). La
comparaison entre l’intégrale des fonctions continues et l’intégrale de Lebesgue (voir les
exercices corrigés 58 et 59) donne que
Z Z n
1
fn dλ = p
dx.
2 x
On distingue maintenant les cas p = 1 et p > 1.

1 1 1 1 1
R
Si p > 1, on a fn dλ = p−1 ( 2p−1 − np−1 ) → p−1 2p−1 < ∞, quand n → ∞. On a donc
p
f ∈L .
Si p = 1, on a fn dλ = ln(n) − ln(2) → ∞ quand n → ∞. On a donc f 6∈ L1 .
R
On a donc I =]1, ∞[.

ii. f (x) = x(ln1x)2 , x ∈ [2, +∞[. Pour 1 < p < ∞, on a clairement f ∈ Lp car la fonction f
1
est positive et majorée par ln(2) 2 g où g est la fonction de l’exemple précédent, c’est-à-dire
1
g(x) = x . Pour p = 1, on utilise la même méthode que pour l’exemple précédent :
357
Pour n ∈ N, on pose fn = |f |1[2,n] , de sorte que fn ↑ |f | = f et donc
Z Z
fn dλ → |f |dλ, quand n → ∞.
On a ici
Z Z n
1
fn dλ = dx = ln(2)−1 − ln(n)−1 → ln(2)−1 < ∞, quand n → ∞.
2 x(ln x)2
On en déduit que f ∈ L1 , donc I = [1, ∞[.

—————————————————————————————–
(c) Soit (pn )n∈N Z⊂ I et p ∈ I,Z (I désigne l’adhérence de I dans R), t.q. pn ↑ p (ou pn ↓ p).
Montrer que |f |pn dm → |f |p dm quand n → +∞. [On pourra encore utiliser l’ensemble
A].
—————————————corrigé—————————————–
On utilise ici A = {|f | ≤ 1} ∈ T .
(a) On suppose d’abord que pn ↑ p quand n → ∞. On pose gn = |f |pn 1A et hn = |f |pn 1Ac , de

sorte que gn ∈ L1 , hn ∈ L1 et
Z Z Z
gn dm + hn dm = |f |pn dm.
On remarque alors que hn ↑ h = |f |p 1Ac , quand n → ∞. Comme (hn )n∈N ⊂ M+ , le théorème

de convergence monotone donne
Z Z
hn dm → hdm, quand n → ∞. (12.66)
R
Noter que ceci est vrai même si p 6∈ I (dans ce cas, on a, en fait, hdm = ∞).
On remarque maintenant que gn → g = |f | 1A p.p., quand n → ∞, et que 0 ≤ gn ≤ |f |p0 car
p
la suite (gn )n∈N est ici décroissante. Comme p0 ∈ I, on a |f |p0 ∈ L1 et on peut appliquer le
théorème de convergence dominée (ou la proposition 4.6). Il donne
Z Z
gn dm → gdm, quand n → ∞. (12.67)
Avec (12.66) et (12.67) on obtient

Z Z Z Z Z Z
|f |pn dm = gn dm + hn dm → gdm + hdm = |f |p dm, quand n → ∞.
(b) On suppose maintenant que pn ↓ p quand n → ∞ et on reprend la même méthode que ci

dessus. On pose gn = |f |pn 1A et hn = |f |pn 1Ac , de sorte que gn ∈ L1 , hn ∈ L1 et
Z Z Z
gn dm + hn dm = |f |pn dm.
358
les rôles de gn et hn sont inversés par rapport au cas précécent : On remarque que gn ↑ g =
|f |p 1A , quand n → ∞. Comme (gn )n∈N ⊂ M+ , le théorème de convergence monotone donne
Z Z
gn dm → gdm, quand n → ∞. (12.68)
R
Ceci est vrai même si p 6∈ I (dans ce cas, on a, en fait, gdm = ∞).
On remarque que hn → h = |f |p 1Ac p.p., quand n → ∞, et que 0 ≤ hn ≤ |f |p0 car la suite
(hn )n∈N est ici décroissante. Comme p0 ∈ I, on a |f |p0 ∈ L1 et on peut appliquer le théorème
de convergence dominée (ou la proposition 4.6). Il donne
Z Z
hn dm → hdm, quand n → ∞. (12.69)
Avec (12.68) et (12.69) on obtient

Z Z Z Z Z Z
|f |pn dm = gn dm + hn dm → gdm + hdm = |f |p dm, quand n → ∞.
La conséquence de cette question est que l’application p 7→ kf kp est continue de I dans R+ , où I
est l’adhérence de I dans R. Dans la suite de l’exercice, on va introduire le cas p = ∞ et montrer
la continuité de p 7→ kf kp sur l’adhérence de I dans R+ .
—————————————————————————————–
2. On dit que f ∈ L∞ s’il existe C ∈ R t.q. |f | < C p.p.. On note kf k∞ = inf{C ∈ R t.q. |f | < C
p.p.}. Si f 6∈ L∞ , on pose kf k∞ = +∞.
(a) Montrer que f ≤ kf k∞ p.p.. A-t-on f < kf k∞ p.p. ?
—————————————corrigé—————————————–
Si kf k∞ = +∞, on a, bien sûr, f ≤ kf k∞ p.p.. On suppose donc maintenant que kf k∞ < +∞.
Par définition d’une borne inférieure, il existe (Cn )n∈N ⊂ {C ∈ R t.q. |f | < C p.p.} t.q.
Cn ↓ kf k∞ quand n → ∞. Pour tout n ∈ N, il existe An ∈ T t.q. m(An ) = 0 et |f | < Cn sur
Acn .
On pose A = ∪n∈N An . On a donc A ∈ T , m(A) = 0 et |f (x)| < Cn pour tout n ∈ N, si x ∈ Ac .
Comme Cn ↓ kf k∞ quand n → ∞, on en déduit |f | ≤ kf k∞ sur Ac et donc que |f | ≤ kf k∞
p.p..
En prenant (E, T, m) = (R, B(R), λ) et f (x) = 1 pour tout x ∈ R. On a kf k∞ = 1 et l’assertion

f < kf k∞ p.p. est fausse.
Noter aussi que kf k∞ = inf{C ∈ R t.q. |f | ≤ C p.p.}.

—————————————————————————————–
On pose J = {p ∈ [1, +∞]; f ∈ Lp } ⊂ R+ .
(b) Remarquer que J = I ou J = I ∪ {+∞}. Montrer que si p ∈ I et +∞ ∈ J, alors [p, +∞] ⊂ J.
En déduire que J est un intervalle de R+ .
—————————————corrigé—————————————–
359
Soit p ∈ I et on suppose que ∞ ∈ J. Soit q ∈]p, ∞[. Comme |f | ≤ kf k∞ p.p., On a
|f |q ≤ kf kq−p p q
∞ |f | p.p.. On en déduit que f ∈ L , c’est-à-dire q ∈ I. On a ainsi montré que
]p, ∞[⊂ I et donc [p, ∞] ⊂ J.
On raisonne maintenant comme dans la question 1. On pose a = inf J et b = sup J, de sorte

que J ⊂ [a, b]. Puis, soit p t.q. a < p < b. On a nécessairement a < ∞ et il existe p1 ∈ I t.q.
p1 < p. On a b ≤ ∞ et il existe p2 ∈ J t.q. p < p2 . Si p2 ∈ I, on utilise la question 1 pour
montrer que p ∈ I et si p2 = ∞ la première partie de cette question donne que p ∈ I. On a
bien ainsi montré que ]a, b[⊂ J. J est donc un intervalle dont les bornes sont a et b.
Noter aussi que inf I = inf J et sup I = sup J.
—————————————————————————————–
(c) Soit (pn )n∈N ⊂ I t.q. pn ↑ +∞. On suppose que kf k∞ > 0 (noter que f = 0 p.p. ⇔ kf k∞ =
0).
Z
i. Soit 0 < c < kf k∞ . Montrer que : lim inf kf kpn ≥ c. [On pourra remarquer que |f |p dm
n→+∞
≥ cp m({x; |f (x)| ≥ c}.]
—————————————corrigé—————————————–
Comme |f |p ≥ cp 1{|f |≥c} , la monotonie de l’intégrale donne bien
Z
|f |p dm ≥ cp m({|f | ≥ c}),
|f |p dm 6= 0,
R
et donc, comme
1
kf kp ≥ cm({|f | ≥ c}) p . (12.70)
1
Comme c < kf k∞ , on a m({|f | ≥ c}) > 0, d’où l’on déduit que m({|f | ≥ c}) p → 1 quand
p → ∞ (p ∈ [1, ∞[).
En passant à la limite inférieure quand n → ∞ dans (12.70) pour p = pn , on obtient alors
lim inf kf kpn ≥ c.

n→∞
Comme c est arbitrairement proche de kf k∞ , on en déduit :
lim inf kf kpn ≥ kf k∞ . (12.71)

n→∞
—————————————————————————————–
ii. On suppose que kf k∞ < +∞. Montrer que : lim sup kf kpn ≤ kf k∞ . [On pourra considérer
n→+∞
|f | pn
la suite gn = et noter que gn ≤ g0 p.p.. ]
kf k∞
—————————————corrigé—————————————–
Comme kffk∞ ≤ 1 p.p. et que pn ≥ p0 (car la suite (pn )n∈N est croissante), on a gn ≤ g0
R R
p.p. et donc gn dm ≤ g0 dm, d’où l’on déduit (en notant que toutes les normes de f
sont non nulles) : Z
1
kfn kpn ≤ kf k∞ ( g0 dm) pn .
360
R
On passe à la limite supérieure dans cette inégalité et, en remarquant que g0 dm 6= 0, on
obtient bien :
lim sup kf kpn ≤ kf k∞ . (12.72)
n→∞
—————————————————————————————–
iii. Déduire de (a) et (b) que kf kpn → kf k∞ lorsque n → +∞.
—————————————corrigé—————————————–
On distingue deux cas :
Cas 1 On suppose ici que kf k∞ = ∞. (12.71) donne alors que kf kpn → ∞ et donc kf kpn →
kf k∞ quand n → ∞.
Cas 2 . On suppose ici que kf k∞ < ∞, de sorte que 0 < kf k∞ < ∞. Les assertions (12.71)
et (12.72) donnent alors lim supn→∞ kf kpn ≤ kf k∞ ≤ lim inf n→∞ kf kpn et donc que
kf kpn → kf k∞ quand n → ∞.
—————————————————————————————–
3. Déduire des deux parties précédentes que p → kf kp est continue de J dans R+ , où J désigne
l’adhérence de J dans R (c’est-à-dire J = [a, b] si J = |a, b|, avec 1 ≤ a ≤ b ≤ +∞, et | désigne ] ou
[).
—————————————corrigé—————————————–
Si f = 0 p.p., on a J = J = [1, ∞] et kf kp = 0 pour tout p ∈ J. Donc, p → kf kp est continue de J
dans R+ .
On suppose maintenant que f n’est pas “= 0 p.p.”. On a donc kf kp > 0 pour tout p ∈ [1, ∞].
On pose J = [a, b] (si J 6= ∅). On distingue 3 cas :
Cas 1 . Soit p ∈]a, b[, de sorte que p ∈ I.

(a) Soit (pn )n∈N ⊂ I t.q. pn ↑ p. La question 1-c donne que kf kppnn → kf kpp quand n → +∞.
On en déduit que kf kpn → kf kp quand n → ∞ (pour s’en convaincre, on peut remarquer
que ln(kf kpn ) = p1n ln(kf kppnn ) → p1 ln(kf kpp ) = ln(kf kp )). Ceci donne la continuité à
gauche de q → kf kq au point p.
(b) Soit (pn )n∈N ⊂ I t.q. pn ↓ p. La question 1-c donne aussi kf kppnn → kf kpp quand n → +∞
et on en déduit, comme précédemment, que kf kpn → kf kp quand n → ∞. Ceci donne la
continuité à droite de q → kf kq au point p.
Cas 2 . On prend ici p = a et on suppose a 6= ∞ (sinon a = b et ce cas est étudié au Cas 3). Soit
(pn )n∈N ⊂ I t.q. pn ↓ a.
(a) On suppose d’abord que a ∈ I. Ici encore, la question 1-c donne kf kppnn → kf kaa quand
n → +∞ et on en déduit que kf kpn → kf ka quand n → ∞. Ceci donne la continuité à
droite de q → kf kq au point a.
(b) On suppose maintenant que a 6∈ I, de sorte que kf ka = ∞. La question 1-c donne alors
kf kppnn → ∞ quand n → +∞ et donc kf kpn → ∞ quand n → ∞. Ceci donne la continuité
à droite de q → kf kq au point a.
Cas 2 . On prend ici p = b. Soit (pn )n∈N ⊂ I t.q. pn ↑ a.
361
(a) On suppose d’abord que b ∈ I. Ici encore, la question 1-c donne kf kppnn → kf kbb quand
n → +∞ et on en déduit que kf kpn → kf kb quand n → ∞. Ceci donne la continuité à
gauche de q → kf kq au point b.
(b) On suppose maintenant que b 6∈ I.
Si b 6= ∞, on a donc kf kb = ∞. La question 1-c donne alors kf kppnn → ∞ quand n → +∞
et donc kf kpn → ∞ quand n → ∞. Ceci donne la continuité à gauche de q → kf kq au
point b.
Si b = ∞, la continuité à gauche de q → kf kq au point b a été démontré à la question
2-c-iii.
—————————————————————————————–
Corrigé 78 (Continuité d’une application de L1 dans L1 )

Soient (E, T, m) un espace mesuré fini et soit g une fonction continue de R dans R t.q. :
∃ C ∈ R?+ ; |g(s)| ≤ C|s| + C, ∀s ∈ R. (12.73)
1. Soit u ∈ L1R (E, T, m). Montrer que g ◦ u ∈ L1R (E, T, m).
—————————————corrigé—————————————–
u est mesurable de E (muni de la tribu T ) dans R (muni de la tribu B(R)) et g est borélienne
(c’est-à-dire mesurable de R dans R, muni de la tribu B(R)). On en déduit que g ◦ u est mesurable
(de E dans R).
Puis, comme |g ◦ u(x)| = |g(u(x))| ≤ C|u(x)| + C pour tout x ∈ E, on a
Z
|g ◦ u|dm ≤ Ckuk1 + Cm(E).
Donc, g ◦ u ∈ L1R (E, T, m).

—————————————————————————————–
On pose L1 = L1R (E, T, m). Pour u ∈ L1 , on pose G(u) = {h ∈ L1R (E, T, m); h = g ◦ v p.p.} ∈ L1 ,
avec v ∈ u.
2. Montrer que la définition précédente a bien un sens, c’est à dire que G(u) ne dépend pas du choix
de v dans u.
—————————————corrigé—————————————–
Soient v, w ∈ u. Il existe A ∈ T t.q. m(A) = 0 et v = w sur Ac . On a donc aussi g ◦ v = g ◦ w sur Ac
et donc g ◦ v = g ◦ w p.p.. On en déduit que {h ∈ L1R (E, T, m); h = g ◦ v p.p.} = {h ∈ L1R (E, T, m);
h = g ◦ w p.p.}.
G(u) ne dépend donc pas du choix de v dans u.
—————————————————————————————–
3. Soit (un )n∈N ⊂ L1 . On suppose que un → u p.p. et qu’il existe F ∈ L1 t.q. |un | ≤ F p.p., pour
tout n ∈ N. Montrer que G(un ) → G(u) dans L1 .
—————————————corrigé—————————————–
362
Pour tout n ∈ N, on choisit un représentant de un , encore notée un . On choisit aussi des représen-
tants de u et F , notés toujours u et F . Comme un → u p.p. quand n → ∞ et que g est continu, il
est facile de voir que g ◦ un → g ◦ u p.p.. On a donc G(un ) → G(u) p.p..
On remarque aussi que |g ◦ un | ≤ C|un | + C ≤ CF + C p.p. et donc |G(un )| ≤ CF + C p.p., pour
tout n ∈ N.
Comme CF +C ∈ L1 , on peut appliquer le théorème de convergence dominée, il donne que G(un ) →
G(u) dans L1 quand n → ∞.
—————————————————————————————–
4. Montrer que G est continue de L1 dans L1 . [On pourra utiliser la question 3. et le théorème appelé
“réciproque partielle de la convergence dominée”.]
—————————————corrigé—————————————–
On raisonne par l’absurde. On suppose que G n’est pas continue de L1 dans L1 . Il existe donc
u ∈ L1 et (un )n∈N ⊂ L1 t.q. un → u dans L1 et G(un ) 6→ G(u) dans L1 quand n → ∞.
Comme G(un ) 6→ G(u), il existe ε > 0 et ϕ : N → N t.q. ϕ(n) → ∞ quand n → ∞ et :
kG(uϕ(n) ) − G(u)k1 ≥ ε pour tout n ∈ N. (12.74)
(La suite (G(uϕ(n) ))n∈N est une sous suite de la suite (G(un ))n∈N .)
Comme uϕ(n) → u dans L1 , on peut appliquer le théorème appelé “réciproque partielle de la
convergence dominée” (théorème 4.7). Il donne l’existence de ψ : N → N et de F ∈ L1 t.q.
ψ(n) → ∞ quand n → ∞, uϕ◦ψ(n) → u p.p. et |uϕ◦ψ(n) | ≤ F p.p., pour tout n ∈ N. (La suite
(uϕ◦ψ(n) )n∈N est une sous suite de la suite (uϕ(n) )n∈N ).
On peut maintenant appliquer la question 3 à la suite (uϕ◦ψ(n) )n∈N . Elle donne que G(uϕ◦ψ(n) ) →
G(u) dans L1 quand n → ∞. Ce qui est en contradiction avec (12.74).
—————————————————————————————–
12.4.3 Espérance et moments des variables aléatoires

Corrigé 79 (Inégalité de Jensen)
Rappel : Une fonction f de R dans R est convexe si et seulement si pour tout a ∈ R il existe ca t.q.
f (x) − f (a) ≥ ca (x − a) pour tout x ∈ R.
Soit f une fonction convexe de R dans R et X une v.a. sur un espace de probabilité (Ω, A, P ). On
suppose que X et f (X) sont intégrables. Montrer l’inégalité de Jensen, c’est-à-dire :
Z Z
f (X)dP ≥ f ( XdP ).
[Utiliser le rappel avec a bien choisi.]

—————————————corrigé—————————————–
R
On utilise le rappel avec a = E(X) = XdP . On obtient pour tout ω ∈ Ω
f (X(ω)) − f (a) ≥ X(ω) − a.
363
Comme les fonctions f (X) − f (a) et X − a sont intégrables, la monotonie de l’intégrale donne alors
Z Z
(f (X) − f (a))dP ≥ (X − a)dP.
R R
Comme Xdp = a, on en déduit (f (X) − f (a))dP ≥ 0, ce qui donne le résultat demandé.
—————————————————————————————–
Corrigé 80 (Sur l’équi-intégrabilité )

Soit (E, A, P ) un espace de probabilité
R et (Xn )n∈N une suite de v.a. (réelles). On rappelle que la suite
(Xn )n∈N est équi-intégrable si A |Xn |dP → 0, quand P (A) → 0 (avec A ∈ A), uniformément par rapport
à n ∈ N. Montrer l’équivalence entre les deux propriétés suivantes :
Z
1. lim sup |Xn |dP = 0,
a→∞ n∈N {|Xn |>a}
Z
2. sup |Xn |dP < +∞ et (Xn )n∈N équi-intégrable.
n∈N
—————————————corrigé—————————————–
En attente.
—————————————————————————————–
Corrigé 81 (Caractérisation de l’indépendance)

Soit (Ω, A, P ) un espace de probabilités, n ≥ 2 et X1 , X2 , . . . , Xn , n variables aléatoires réelles. Montrer
que l’indépendance de (X1 , X2 , . . . Xn ) est équivalente à la propriété suivante :
n
Y
∀(a1 , . . . , an ) ∈] − ∞, +∞[n , P [X1 ≤ a1 , . . . , Xn ≤ an ] = P [Xi ≤ ai ].
i=1
(La notation P [X ≤ a] est identique à P ({X ≤ a}), elle désigne la probabilité de l’ensemble {ω ∈
Ω, X(ω) ≤ a}.)
—————————————corrigé—————————————–
En attente.
—————————————————————————————–
Corrigé 82 (Sign(X) et |X| pour une gaussienne)

Pour s ∈ R, on pose sign(s)=1 si s > 0, sign(s)=-1 si s < 0 et sign(0)= 0. Soit (Ω, A, P ) un espace
x2
1
probabilisé et X une v.a.r. gaussienne centrée (c’est-à-dire PX = f λ avec, pour x ∈ R, f (x) = √2πσ e− 2σ2 ,
où σ > 0 est la racine carré de la variance de X). Montrer que sign(X) et |X| sont indépendantes et
préciser leurs lois. Même question avec sign(X) et X 2 .
—————————————corrigé—————————————–
En attente.
—————————————————————————————–
Corrigé 83 (V.a. gaussiennes dépendantes)
364
Soit (Ω, A, P ) un espace de probabilités, σ1 > 0, σ2 > 0 et X1 , X2 deux variables aléatoires indépendantes
et telles que :
X1 ∼ N (0, σ12 ) et X2 ∼ N (0, σ22 ).
(le signe “∼” signifie “a pour loi”.) Construire deux v.a. Y1 et Y2 t.q. X1 ∼ Y1 , X2 ∼ Y2 et Y1 et Y2 soient
dépendantes.
—————————————corrigé—————————————–
En attente.
—————————————————————————————–
Corrigé 84 (V.a. gaussiennes dépendantes, à covariance nulle)

soit (Ω, A, P ) est un espace de probabilités et X, S deux v.a. réelles, indépendantes, t.q. X ∼ N (0, 1)
et S a pour loi PS = 21 δ1 + 12 δ−1 . (Il est possible de construire un espace de probabilités et des v.a.
indépendantes ayant des lois prescrites, voir le Chapitre 7.)
1. Montrer que SX ∼ N (0, 1).

—————————————corrigé—————————————–
1 2
Pour x ∈ R, on pose f (x) = √12π e− 2 x de sorte que la loi de X est de densité f par rapport à la
mesure de Lebesgue. Soit A ∈ B(R), on note −A = {−x, x ∈ A}. Comme f est paire, on a :
Z Z Z
P (X ∈ (−A)) = f (x)dx = f (−x)dx = f (x)dx = P (X ∈ A).
−A A A
On remarque maintenant que P (SX ∈ A) = P (S = 1, X ∈ A) + P (S = −1, X ∈ (−A)). Comme S

et X sont indépendantes, on a :
1
P (X ∈ A),
P (S = 1, X ∈ A) = P (S = 1)P (X ∈ A) =
2
1
P (S = −1, X ∈ (−A)) = P (S = −1)P (X ∈ (−A)) = P (X ∈ (−A)).
2
Comme P (X ∈ (−A)) = P (X ∈ A), on en déduit P (SX ∈ A) = P (X ∈ A). Les v.a.r. SX et X
ont donc même loi, et donc SX ∼ N (0, 1).
—————————————————————————————–
2. Montrer que SX et X sont dépendantes.
—————————————corrigé—————————————–
On raisonne par l’absurde. On suppose que SX et X sont indépendantes. La proposition 4.10
donne alors E(|SX||X|) = E(|SX|)E(|X|) (noter que la fonction s 7→ |s| est borélienne positive).
Comme |S| = 1 p.s., on a donc :
E(X 2 ) = E(|SX||X|) = E(|SX|)E(|X|) = E(|X|)2 .
Comme E(|X|) < +∞, on en déduit que Var(|X|) = 0, ce qui est impossible car |X| n’est pas égale
p.s. à sa moyenne (sinon, la loi de |X| serait une masse de Dirac et non pas une loi de densité par
rapport à la mesure de Lebesgue).
—————————————————————————————–
365
3. Montrer que Cov(SX, X) = 0.
—————————————corrigé—————————————–
Comme SX ∼ N (0, 1) et X ∼ N (0, 1), on a E(SX) = E(X) = 0. Comme S et X sont indépen-
dantes (et S et X 2 intégrables), on a (proposition 4.10) SX 2 intégrable et E(SX 2 ) = E(S)E(X 2 ) =
0. On en déduit Cov(SX, X) = E([SX − E(SX)][X − E(X)]) = E(SX 2 ) = E(S)E(X 2 ) = 0.
—————————————————————————————–
4. (Question subsidiaire.) On ne suppose plus l’existence de S, mais on suppose qu’il existe Y v.a.
gaussienne indépendante de X. Montrer que si Y ∼ N (0, σ 2 ), avec σ > 0, il est possible d’utiliser
Y pour construire S, v.a. indépendante de X et telle que PS = 21 δ1 + 12 δ−1 .
—————————————corrigé—————————————–
Il suffit de prendre S = sign(Y ) avec sign(s) = −1 si s < 0, sign(s) = 1 si s > 0 et (par
exemple) sign(0) = 0 (la fonction sign est une fonction borélienne de R dans R). On a bien
X et S indépendantes (par la proposition 3.10, mais la preuve est facile ici car la tribu engen-
drée par ϕ(Y ) est incluse dans celle engendrée par Y dés que ϕ est borélienne). Enfin, on a
P (S = 1) = P (Y > 0) = 12 = P (Y < 0) = P (S = −1), ce qui donne bien PS = 12 δ1 + 21 δ−1 .
—————————————————————————————–
Corrigé 85 (Identités de Wald)

Soit (Ω, A, P ) un espace probabilisé, (Xn )n∈N? une suite v.a.r.i.i.d. et N une v.a. à valeurs dans N? . On
PN (ω)
pose SN = X1 + . . . + XN (c’est-à-dire que, pour ω ∈ Ω, SN (ω) = n=1 Xn (ω)).
?
Pn n ∈ N ,
1. On suppose, dans cette question, que les v.a.r. N, X1 , . . . , Xn , . . . sont indépendantes. Pour
on pose An = {ω ∈ Ω, N (w) = n} (on note, en général, An = {N = n}), Yn = p=1 Xp et
Pn
Zn = p=1 |Xp |.
(a) Soit n ∈ N? . Montrer que 1An et Yn sont des v.a.r. indépendantes et que 1An et Zn sont des
v.a.r. indépendantes.
(b) On suppose que N et X1 sont intégrables . Montrer que SN est intégrable
P∞ et calculer E(SN )
en
P∞ fonction de E(N ) et E(X1 ). [On pourra remarquer que S N = n=1 1An Yn et |SN | ≤
n=1 1An Zn .]
(c) On suppose que N et X1 sont de carré intégrable, montrer que SN est de carré intégrable et
calculer sa variance en utilisant les variances de N et X1 .
2. On suppose maintenant que {N = n} ∈ σ(X1 , . . . , Xn ) pour tout n ∈ N? (où σ(X1 , . . . , Xn ) est la

tribu engendrée par X1 , . . . , Xn ) et que E(X1 ) = 0.
(a) Montrer que 1{n≤N } et Xn sont des v.a.r. indépendantes.
P
(b) Reprendre les questions 1(b) et 1(c). [On pourra écrire SN = n∈N? 1{n≤N } Xn .]
N.B. : Le cas E(X1 ) 6= 0 peut aussi être traité. Il se ramène au cas E(X1 ) = 0 en considérant
Yn = Xn − E(Xn ).
—————————————corrigé—————————————–
En attente.
—————————————————————————————–
Corrigé 86 (Limite p.s. et indépendance)
366
Soit (Ω, A, P ) un espace probabilisé, (Xn )n∈N? une suite v.a.r. et X, Y deux v.a.r.. On suppose que, pour
tout n ∈ N? , Xn et Y sont indépendantes et on suppose que Xn → X p.s., quand n → ∞. Montrer que
X et Y sont indépendantes.
—————————————corrigé—————————————–
Soit φ, ψ ∈ Cc (R, R). Comme Xn et Y sont indépendantes, on a (voir la proposition 4.10), pour tout
n ∈ N? ,
E(ϕ(Xn )ψ(Y )) = E(ϕ(Xn ))E(ψ(Y )). (12.75)
Comme ϕ est continue, on a ϕ(Xn ) → ϕ(X) p.s. et ϕ(Xn )ψ(Y ) → ϕ(X)ψ(Y ) p.s.. les conver-
gences sont dominées car |ϕ(Xn )| ≤ sup{ϕ(x), x ∈ R} (et |ψ(Y )| ≤ sup{ψ(x), x ∈ R}). On peut
donc utiliser le théprème de convergence dominée, il donne limn→∞ E(ϕ(Xn )ψ(Y )) = E(ϕ(X)ψ(Y )) et
limn→∞ E(ϕ(Xn )) = E(ϕ(X)). En passant à la limite dans (12.75), on en déduit que
E(ϕ(X)ψ(Y )) = E(ϕ(X))E(ψ(Y )).
La proposition 4.12 permet de conclure que X et Y sont indépendantes.

—————————————————————————————–
367
Corrigé 87
Soit (fn )n∈N ⊂ C 1 (]0, 1[, R) convergeant simplement vers la fonction f :]0, 1[→ R; on suppose que la suite
(fn0 )n∈N (⊂ C(]0, 1[, R) ) converge simplement vers la fonction constante et égale à 1.
1. A-t-on f ∈ C 1 (]0, 1[, R) et f 0 = 1 ?
—————————————corrigé—————————————–
La réponse est “non”. La fonction f peut même ne pas être continue, comme le montre l’exemple
suivant :
Pour n ∈ N, n ≥ 4, on définit gn de [0, 1] dans R par
gn (x) = 1, si 0 ≤ x ≤ 12 ,
gn (x) = 1 + n2 (x − 21 ), si 12 < x ≤ 1
2 + n1 ,
gn (x) = 1 − n2 (x − 21 − n2 ), si 21 + 1
n <x≤ 1
2 + n2 ,
gn (x) = 1, si 12 + n2 < x ≤ 1.
Il est facile de voir que gn ∈ C([0, 1], R) et que gn (x) → 1 pour tout x ∈ [0, 1].
Z x
fn (x) = gn (t)dt, pour tout x ∈]0, 1[,
0
de sorte que fn ∈ C 1 (]0, 1[, R) et fn0 = gn sur ]0, 1[. On a donc bien que (fn0 )n∈N converge simplement
vers la fonction constante et égale à 1. (On prend n’importe quelles fonctions C 1 pour fn , 0 ≤ n ≤ 3).
On remarque maintenant que, pour n ≥ 4, fn (x) = x pour tout x ∈]0, 21 ] et que fn (x) = x + 1 pour
tout x ∈] 12 + n2 , 1[. On en déduit que (fn )n∈N converge simplement vers la fonction f :]0, 1[→ R
définie par f (x) = x pour tout x ∈]0, 12 ] et fn (x) = x + 1 pour tout x ∈] 21 , 1[. Cette fonction n’est
pas continue en 12 , donc f 6∈ C 1 (]0, 1[, R).
—————————————————————————————–
2. On suppose maintenant que la suite (fn0 )n∈N converge vers la fonction constante et égale à 1 dans
L1R (]0, 1[, B(]0, 1[), λ). A-t-on f ∈ C 1 (]0, 1[, R) et f 0 = 1 ?
—————————————corrigé—————————————–
1
R x 0 est “oui”. En effet, soit 0 < x < 1. Comme fn ∈ C (]0, 1[, R), on a
La réponse maintenant
1
fn (x) = fn ( 2 ) + 1 fn (t)dt, c’est-à-dire
2
Z
1
fn (x) = fn ( ) + sx fn0 1Ix dλ, (12.76)
2
avec sx = 1 et Ix =] 12 , x[ si x ≥ 12 , sx = −1 et Ix =]x, 21 [ si x < 12 .

Quand n → ∞, on a Z Z
| fn0 1Ix dλ − 1Ix dλ| ≤ kfn0 − 1k1 → 0,
368
et fn (x) → f (x) (ainsi que fn ( 12 ) → f ( 12 )). On déduit donc de (12.76), quand n → ∞,
Z
1
f (x) = f ( ) + sx 1Ix dλ,
2
c’est-à-dire f (x) = f ( 12 ) + x − 12 .
On a bien montré que f ∈ C 1 (]0, 1[, R) et f 0 = 1.
—————————————————————————————–
Corrigé 88 (Intégrale impropre)

On définit l’application f de R dans R par :
f (x) = 0, si x ≤ 0,
f (x) = x2 sin x12 , si x > 0.
1. Montrer que f est continue et dérivable en tout point de R.

—————————————corrigé—————————————–
La fonction f est continue et dérivable en tout point de R? et on a f 0 (x) = 0 pour x < 0 et
f 0 (x) = 2x sin x12 − x2 cos x12 si x > 0.
Pour montrer la continuité et la dérivablité de f en 0, il suffit de remarquer que, pour tout x > 0,
on a |f (x)| ≤ x2 et donc | f (x)−f
x−0
(0)
| ≤ x. On en déduit que f est continue et dérivable en 0 et que
0
f (0) = 0.
—————————————————————————————–
Rb
2. Soit 0 < a < b < ∞. Montrer que f 0 1]a,b[ ∈ L1R (R, B(R), λ). On pose a f 0 (t)dt = f 0 1]a,b[ dλ.
R
Montrer que :
Z b
f (b) − f (a) = f 0 (t)dt.
a
—————————————corrigé—————————————–
La fonction f 0 est continue sur ]0, ∞[. La restriction de f 0 à [a, b] est donc continue (on utilise ici
le fait que a > 0). On a donc, voir la proposition 5.1 (ou l’exercice 4.5) :
0
f|[a,b] ∈ L1 ([a, b], B([a, b]), λ[a,b) ),
où λ[a,b) désigne la mesure de Lebesgue sur les boréliens de [a, b] (c’est-à-dire la restriction à B([a, b])
0
de la mesure de Lebesgue sur B(R)) et l’intégrale (de Lebesgue) de f|[a,b] coı̈ncide avec l’intégrale
des fonctions continues, c’est-à-dire :
Z Z b
0
f|[a,b] dλ[a,b) = f 0 (x)dx.
a
Le terme de droite de l’égalité précédente est à prendre au sens de l’intégrale des fonctions continues.
Comme f est de classe C 1 sur un intervalle ouvert contenant [a, b], il est alors classique que :
Z b
f 0 (x)dx = f (b) − f (a).
a
369
Rx
Pour se convaincre de cette dernière égalité, on rappelle que f et x 7→ a
f 0 (t)dt sont deux primitives
de f 0 , leur différence est donc constante sur [a, b].
0
Enfin, comme f|[a,b] ∈ L1 ([a, b], B([a, b]), λ[a,b) ), il est facile d’en déduire que f 0 1]a,b[ ∈ L1R (R, B(R), λ)
et que Z Z
0
f|[a,b] dλ[a,b) = f 0 1]a,b[ dλ.
Plus précisement, on pose f 0 = g et on considère d’abord le cas g|[a,b] ∈ E+ ([a, b], B([a, b]) puis
g|[a,b] ∈ M+ ([a, b], B([a, b]) et enfin g|[a,b] ∈ L1 ([a, b], B([a, b]), λ[a,b) ), comme dans l’exercice 4.4.
Ceci termine la question.
Un autre moyen de montrer f 0 1]a,b[ ∈ L1R (R, B(R), λ) est de procéder de la manière suivante :
La fonction f 0 est la limite simple, quand n → ∞, de la suite (fn )n∈N? où fn est défnie, pour n ∈ N? ,
par :
f (x + n1 ) − f (x)
fn (x) = 1 , pour tout x ∈ R.
n
La fonction f est mesurable (c’est-à-dire borélienne car R est muni de la tribu de Borel). Grâce
à la stabilité de l’ensemble des fonctions mesurables (voir la proposition 3.5), on en déduit que fn
est mesurable pour tout n ∈ N? et donc que f 0 est mesurable (comme limite simple de fonctions
mesurables). La fonction f 0 1]a,b[ est donc aussi mesurable (comme produit de fonctions mesurables).
La mesurabilité de f 0 1]a,b[ est donc vraie pour tout a, b ∈ R (noter cependant que f 0 n’est pas
continue en 0).
Pour montrer que f 0 1]a,b[ est intégrable, il suffit de remarquer que f 0 est bornée sur ]a, b[, car f 0 est
continue sur [a, b] (on utilise ici le fait que a > 0) et que λ(]a, b[) < ∞. On a donc bien montré que
f 0 1]a,b[ ∈ L1R (R, B(R), λ).
—————————————————————————————–
3. Soit a > 0.
(a) Montrer f 0 1]0,a[ 6∈ L1R (R, B(R), λ).

—————————————corrigé—————————————–
La restriction de f 0 à ]0, a[ est continue, c’est donc une fonction mesurable (c’est-à-dire boréli-
enne) de ]0, a[ dans R. On en déduit facilement que f 0 1]0,a[ est borélienne de R dans R. (On a
aussi vu à la question précédente que f 0 était borélienne. Ceci montre également que f 0 1]0,a[
est borélienne.)
On a f 0 1]0,a[ = g1 1]0,a[ − g2 1]0,a[ , avec :

1 2 1
g1 (x) = 2x sin 2
et g2 (x) = cos 2 si x ∈]0, a[.
x x x
Il est clair que g1 1]0,a[ ∈ L1R (R, B(R), λ) (car g1 est continue et bornée sur ]0, a[). Pour montrer
que f 0 1]0,a[ 6∈ L1R (R, B(R), λ), il suffit donc de montrer que g2 1]0,a[ 6∈ L1R (R, B(R), λ). Pour cela,
on remarque maintenant que :
√
r
π 1 1
|g2 (x)| ≥ 2 nπ − , si p π
≤x≤ p , n ≥ n0 , (12.77)
4 nπ + 4 nπ − π4
370
1
avec n0 ∈ N? t.q. √ ≤ a. On déduit alors de (12.77), par monotonie de l’intégrale, que,
n0 π− π
4
pour tout N ≥ n0 :
N N
√ √ nπ + π4 − nπ − π
Z r p p
X π 1 1 X
4
|g2 |1]0,a[ dλ ≥ 2 nπ − ( p π
−p π
)= 2 ,
nπ + π4
p
n=n0
4 nπ − 4 nπ + 4 n=n0
et donc :
Z N √ N √
X 2π X 2π
|g2 |1]0,a[ dλ ≥ ≥ .
2 nπ + 4 ( nπ + 4 + nπ − 4 ) n=n0 4(nπ + π4 )
π π π
p p p
n=n0
R
En faisant tendre N vers ∞, on en déduit que |g2 |1]0,a[ dλ = ∞ et donc que g2 1]0,a[ 6∈
L1R (R, B(R), λ) et f 0 1]0,a[ 6∈ L1R (R, B(R), λ).
—————————————————————————————–
Ra
(b) Pour 0 < x < a, on pose g(x) = x f 0 (t)dt. Montrer que g(x) a une limite (dans R) quand
R a→0 0, avec x > 0, et que cette 0limite est 1égale à f (a) − f (0). (Cette limite
x
0
est aussi notée
0
f (t)dt, improprement. . . car f 1]0,a[ ∈
6 LR (R, B(R), λ), la restriction de f à ]0, a[ n’est donc
pas intégrable pour la mseure de Lebesgue sur ]0, a[.)
—————————————corrigé—————————————–
On a g(x) = f (a) − f (x), pour tout x > 0. Comme f est continue en 0, on en déduit bien que
g(x) a une limite (dans R) quand x → 0, avec x > 0, et que cette limite est égale à f (a) − f (0).
—————————————————————————————–
Corrigé 89
Rx
Soit f ∈ L1R (R, B(R), λ). On définit F : R → R par: F (x) = f 1[0,x] dλ(= 0 f (t)dt), pour x ≥ 0, et
R
R R0
F (x) = − f 1[x,0] dλ(= − x f (t)dt) pour x < 0. Montrer que F est uniformément continue.
—————————————corrigé—————————————–
On remarque que, pour tout x, y ∈ R, x < y,
Z Z
F (y) − F (x) = f 1]x,y[ dλ = f dλ.
]x,y[
Soit ε > 0, comme f ∈ L1R (R, B(R), λ), l’exercice 4.14 (ou l’exercice 4.29) montre qu’il existe δ > 0 t.q.
Z
A ∈ B(R), λ(A) ≤ δ ⇒ |f |dλ ≤ ε.
A
Soit x, y ∈ R, x < y. On a donc, comme λ(]x, y[) = y − x,

Z
|y − x| ≤ δ ⇒ |F (y) − F (x)| ≤ |f |dλ ≤ ε,
]x,y[
ce qui montre bien la continuité uniforme de F .

—————————————————————————————–
Corrigé 90 (Intégrabilité et limite à l’infini)
371
Soit f ∈ L1R (R, B(R), λ) = L1 .
1. On suppose que f (x) admet une limite quand x → ∞. Montrer que cette limite est nulle.
—————————————corrigé—————————————–
|l|
On pose l = limx→∞ f (x) et on suppose l 6= 0. Il existe alors a ∈ R t.q. |f (x)| ≥ 2 pour tout
x > a. On en déduit, par monotonie de l’intégrale sur M+ ,
|l|
Z Z
|f |dλ ≥ dλ = ∞,
]a,∞[ 2
en contradiction avec l’hypothèse f ∈ L1 .

—————————————————————————————–
2. On suppose que f ∈ C(R, R) ; a-t-on : lim f (x) = 0 ?
x→+∞
—————————————corrigé—————————————–
La réponse est “non”, comme le montre l’exemple suivant. On définit, pour n ∈ N, n ≥ 2, fn par :
fn (x) = 0, si x ≤ n − n12 ,
fn (x) = n2 (x − n + n12 ), si n − n12 < x ≤ n,
fn (x) = −n2 (x − n − n12 ), si n < x ≤ n + n12 ,
fn (x) = 0, si x > n + n12 .
P
Puis, on pose f (x) = n≥2 fn (x) pour tout x ∈ R. On remarque que, pour tout x ∈ R, la série
définissant f (x) a au plus 1 terme non nul. Plus précisément, il existe n (dépendant de x) t.q.
f = fn dans un voisinage de x. On en déduit que f prend ses valeurs dans R et que f est continue
(car les fn sont continues).
Comme fn ∈ M+ pour tout n, le premier corollaire du théorème de convergence monotone (corol-
laire 4.1) donne que f ∈ M+ et
Z XZ X 1
f dm = fn dm = < ∞.
n2
n≥2 n≥2
On a donc f ∈ C(R, R) ∩ L1R (R, B(R), λ) et f (x) 6→ 0 quand x → ∞ car fn (n) = 1 pour tout n ∈ N,
n ≥ 2.
—————————————————————————————–
3. On suppose que f est uniformément continue ; a-t-on : lim f (x) = 0 ? [On pourra commencer
x→+∞
par montrer que, pour η > 0 quelconque et (xn )n∈N ⊂ R t.q. lim xn = +∞, on a :
n→+∞
Z xn +η
lim |f (x)|dλ(x) = 0.] (12.78)
n→+∞ xn −η
—————————————corrigé—————————————–
On commence par montrer le résultat prélimaire suggéré. Soient η > 0 et (xn )n∈N ⊂ R t.q.
limn→+∞ xn = +∞.
372
On pose fn = |f |1]xn −η,xn +η[ . On a, pour tout x ∈ R, fn (x) → 0 quand n → ∞ (on a même
fn (x) = 0 pour n t.q. xn − η > x). On a aussi |fn | ≤ |f | ∈ L1 . On peut donc
R appliquer le théorème
de convergence dominée (ou la proposition préliminaire 4.6). Il donne que fn dm → 0, c’est-à-dire
: Z
|f |1]xn −η,xn +η[ dλ → 0, quand n → ∞. (12.79)
On montre maintenant que f (x) → 0 quand x → ∞.

On raisonne par l’absurde. On suppose que f (x) 6→ 0 quand x → ∞. Il existe donc ε > 0 et une
suite (xn )n∈N ⊂ R t.q. xn → ∞ quand n → ∞ et |f (xn )| ≥ ε pour tout n ∈ N.
La continuité uniforme de f donne l’existence de η > 0 t.q.
ε
x, y ∈ R, |x − y| ≤ η ⇒ |f (x) − f (y)| ≤ .
2
On a donc |f (x)| ≥ 2ε pour x ∈]xn −η, xn +η[ et tout n ∈ N. On en déduit que

R
|f |1]xn −η,xn +η[ dλ ≥
εη > 0 pour tout n ∈ N, ce qui est en contradiction avec (12.79).
On a donc bien finalement montré que f (x) → 0 quand x → ∞.

—————————————————————————————–
4. On suppose que f ∈ C 1 (R, R) et f 0 ∈ L1 ; a-t-on : lim f (x) = 0?
x→+∞
—————————————corrigé—————————————–
Ry
Comme f ∈ C 1 , on a, pour y > x, f (y) − f (x) = x f 0 (t)dt = ]x,y[ f 0 dλ. Comme f 0 ∈ L1 , l’exercice
R
5.7 donne que f est uniformément continue. La question précédente donne alors que f (x) → 0
quand x → ∞ (c’est seulement pour ce dernier point qu’on utilise f ∈ L1 ).
Une autre démonstration possible est :

Comme f ∈ C 1 , on a f (x) = f (0) + ]0,x[ f 0 dλ. Comme f 0 ∈ L1 , on en déduit que f (x) a
R
une limite (dans R) quand x → ∞. En effet, le théorème de convergence dominée donne que
0
f 0 dλ (dans R) quand x → ∞. Enfin, la première question donne que la limite de
R R
]0,x[
f dλ → ]0,∞[
f (x) quand x → ∞ est nécessairement 0 (et ici aussi, c’est seulement pour ce dernier point qu’on
utilise f ∈ L1 ).
—————————————————————————————–
Corrigé 91 (Continuité en moyenne)

Pour f ∈ L1 = L1R (R, B(R), λ) et h ∈ R, on définit fh (“translatée” de f ) par : fh (x) = f (x + h), pour
x ∈ R. (noter que fh ∈ L1 ).
1. Soit f ∈ Cc = Cc (R, R), montrer que kfh − f k1 → 0 lorsque h → 0.
—————————————corrigé—————————————–
Comme f ∈ Cc , f est uniformément continue, ce qui donne
sup |f (x + h) − f (x)| → 0 quand h → 0.

x∈R
373
Soit a > 0 t.q. f = 0 sur [−a, a]c . Pour h ∈ R t.q. |h| ≤ 1, on a donc, comme f (x + h) − f (x) = 0
si x 6∈ [−a − 1, a + 1],
Z
|f (x + h) − f (x)|dx ≤ (2a + 2) sup |f (x + h) − f (x)| → 0, quand h → 0,
x∈R
et donc que kf (· + h) − f k1 → 0 quand h → 0.

—————————————————————————————–
2. Soit f ∈ L1 , montrer que kfh − f k1 → 0 lorsque h → 0.
—————————————corrigé—————————————–
L’invariance par translation de la mesure de Lebesgue donne que f (· + h) ∈ L1 pour tout h ∈ R.
On veut maintenant montrer que kf (· + h) − f k1 → 0 quand h → 0.
Soit ε > 0. D’après la densité de Cc dans L1 (théorème 5.5), il existe ϕ ∈ Cc t.q. kf − ϕk1 ≤ ε.
L’invariance par translation de la mesure de Lebesgue donne kf (· + h) − ϕ(· + h)k1 = kf − ϕk1 . On
a donc, pour tout h ∈ R :
kf (· + h) − f k1 ≤ 2kf − ϕk1 + kϕ(· + h) − ϕk1 ≤ 2ε + kϕ(· + h) − ϕk1 .
D’après la première question, il existe η > 0 t.q.
|h| ≤ η ⇒ kϕ(· + h) − ϕk1 ≤ ε.
Donc,
|h| ≤ η ⇒ kf (· + h) − f k1 ≤ 3ε.
Ce qui prouve bien que f (· + h) → f dans L1 , quand h → 0.
—————————————————————————————–
Corrigé 92 (Sur la concentration d’un borélien)
Soit −∞ ≤ a < b ≤ +∞, A ∈ B(]a, b[) et ρ ∈]0, 1[. On suppose que λ(A∩]α, β[) ≤ ρ(β − α) pour tout
α, β t.q. a ≤ α < β ≤ b. Montrer que λ(A) = 0. [On pourra, par exemple, commencer par montrer que
λ(A ∩ O) ≤ ρλ(O) pour tout ouvert O de ]a, b[.]
Conséquence de cet exercice : Soit A ∈ B(]a, b[) t.q. λ(A) > 0. Alors, pour tout ρ < 1, il existe α, β t.q.
a ≤ α < β ≤ b et λ(A∩]α, β[) ≥ ρ(β − α).
—————————————corrigé—————————————–
Soit O un ouvert de ]a, b[. Comme O est un ouvert de R, il peut s’écrire comme une réunion dénombrable
d’intervalles ouverts disjoints 2 à 2 (lemme 2.4). On a donc O = ∪n∈N In avec In ∩Im = ∅ si n 6= m et, pour
tout n ∈ N, In =]an , bn [ avec a ≤ an ≤ bn ≤ b. La σ−additivité de λ et l’hypothèse λ(A∩]α, β[) ≤ ρ(β−α)
pour tout α, β t.q. a ≤ α < β ≤ b donne alors :
X X X
λ(A ∩ O) = λ(A∩]an , bn [) ≤ ρ (bn − an ) = ρ λ(]an , bn [) = ρλ(O). (12.80)
n∈N n∈N n∈N
Soit maintenant ε > 0. D’après la régularité de λ (et le fait que A ∈ B(]a, b[) ⊂ B(R)), il existe O ouvert
de R t.q. A ⊂ O et λ(O \ A) ≤ ε. En remplaçant O par O∩]a, b[, on peut supposer que O est un ouvert
de ]a, b[. En utilisant (12.80) et l’additivité de λ, on a donc :
λ(A) = λ(A ∩ O) ≤ ρλ(O) = ρ(λ(A) + λ(O \ A)) ≤ ρ(λ(A) + ε).
374
Comme ε > 0 est arbitrairement petit, on en déduit λ(A) ≤ ρλ(A), ce qui n’est possible (comme ρ < 1)
que si λ(A) = 0 ou si λ(A) = ∞.
Il reste donc à montrer que le cas λ(A) = ∞ est impossible. Pour cela, on pose, pour tout n ∈ N,
An = A ∩ [−n, n]. Soit n ∈ N, la monotonie de λ donne λ(An ∩]α, β[) ≤ λ(A∩]α, β[), on a donc aussi
λ(An ∩]α, β[) ≤ ρ(β − α) pour tout α, β t.q. a ≤ α < β ≤ b. Comme λ(An ) < ∞, la démonstration
précédente, appliquée à An au lieu de A, donne λ(An ) = 0. Enfin, comme A = ∪n∈N An , on en déduit
λ(A) = 0.
—————————————————————————————–
Corrigé 93 (Points de Lebesgue)

On désigne par λ la mesure de Lebesgue sur les boréliens de R, par L1 l’espace L1R (R, B(R), λ) et par L1
l’espace L1R (R, B(R), λ). On note dt = dλ(t).
1. Soit (I1 , . . . , In ) des intervalles ouverts non vides de R t.q. chaque intervalle n’est pas contenu dans
la réunion des autres. On pose Ik =]ak , bk [ et on suppose que la suite (ak )k=1,...,n est croissante.
Montrer que la suite (bk )k=1,...,n est croissante et que les intervalles d’indices impairs [resp. pairs]
sont disjoints 2 à 2.
—————————————corrigé—————————————–
Soit k ∈ {1, . . . , n}. Comme ak ≤ ak+1 , on a bk < bk+1 (sinon Ik+1 ⊂ Ik ). La suite (bk )k∈{1,...,n}
est donc (strictement) croissante.
Soit k ∈ {1, . . . , n}. On a bk ≤ ak+2 (sinon Ik ∪ Ik+2 =]ak , bk+2 [ et donc Ik+1 ⊂ Ik ∪ Ik+2 car
ak ≤ ak+1 < bk+1 ≤ bk+2 ). On a donc Ik ∩ Ik+2 = ∅. ceci prouve (avec la croissance de (ak )k=1,...,n )
que les intervalles d’indices impairs [resp. pairs] sont disjoints 2 à 2.
—————————————————————————————–
2. Soit J une famille finie d’intervalles ouverts non vide de R dont la réunion est notée A. Montrer
qu’il existe
Pune sous-famille finie de J, notée (I1 , . . . , Im ), formée d’intervalles disjoints 2 à 2 et t.q.
m
λ(A) ≤ 2 k=1 λ(Ik ). [Utiliser la question 1.]
—————————————corrigé—————————————–
On commence par montrer la propriété suivante :
Pour toute famille finie, notée J, d’intervalles ouverts non vide de R, il existe une sous famille, notée
K, t.q. :
(a) Chaque élément de K n’est pas contenu dans la réunion des autres éléments de K,
(b) La réunion des éléments de K est égale à la réunion des éléments de J.
Cette propriété se démontre par récurrence sur le nombre d’éléments de J. Elle est immédiate si J
a 1 élément (on prend K= J). Soit n ∈ N? . On suppose que la propriété est vraie pour toutes les
familles de n éléments. Soit J une famille de (n + 1) éléments. Si chaque élément de J n’est pas
contenu dans la réunion des autres éléments de J, on prend K= J. Sinon, on choisit un élément
de J, noté I, contenu dans la réunion des autres éléments de J. On applique alors l’hypothèse de
récurrence à la famille J \{I}, on obtient une sous famille de J \{I} (et donc de J), notée K, vérifiant
bien les assertions (a) et (b) (en effet, La réunion des éléments de J \{I} est égale à la réunion des
éléments de J). Ceci termine la démonstration de la propriété désirée.
375
Soit maintenant J une famille finie d’intervalles ouverts non vide de R dont la réunion est notée
A (remarquer que A ∈ B(R)). Grâce à la propriété démontrée ci dessus, on peut supposer que
chaque élément de J n’est pas contenu dans la réunion des autres éléments de J. On note J1 ,
. . . Jn les éléments de J, Ji =]ai , bi [, i = 1, . . . , n. En réordonnant, on peut aussi supposer que
la suite (ak )k=1,...,n est croissante. On peut alors appliquer la question 1, elle donne, en posant
P = {i = 1, . . . , n; i pair} et I = {i = 1, . . . , n; i impair} que les familles (Ji )i∈P et (Ji )i∈I sont
formées d’éléments disjoints 2 à 2, de sorte que :
X X
λ(∪i∈P Ji ) = λ(Ji ), λ(∪i∈I Ji ) = λ(Ji ).
i∈P i∈I
Enfin, comme A = ∪ni=1 Ji , la sous-additivité de λ donne λ(A) ≤

P P
i∈P λ(Ji ) + i∈Iλ(Ji ).
P
Une
P sous-famille de J satisfaisant
P lesPconditions demandées est alors (Ji )i∈P si i∈P λ(Ji ) ≥
i∈I λ(Ji ) et (Ji )i∈I si i∈I λ(Ji ) > i∈P λ(Ji ).
—————————————————————————————–
On se donne maintenant f ∈ L1 et on suppose qu’il existe a > 0 t.q. f = 0 p.p. sur [−a, a]c . Le
but de l’exercice est de montrer que :
Z 1
n n
f (x + t)dt → f (x), pour presque tout x ∈ R, quand n → ∞. (12.81)
2 1
−n
Pour ε > 0, on définit fε? de R dans R par :

Z h
1
fε? (x) = sup |f (x + t)|dt. (12.82)
h≥ε 2h −h
3. (a) Montrer que fε? est bornée.
—————————————corrigé—————————————–
1
Rh 1 1
Soit x ∈ R. On a, pour h ≥ ε, 2h −h
|f (x+t)|dt ≤ 2ε kf k1 donc fε? (x) ∈ R et |fε? (x)| ≤ 2ε kf k1 .
? 1
La fonction fε est donc bornée par 2ε kf k1 .
—————————————————————————————–
(b) Montrer que fε? est borélienne. [On pourra montrer que fε? est le sup de fonctions continues.]
—————————————corrigé—————————————–
Rh
Soit h > 0. On définit fh de R dans R par fh (x) = −h |f (x + t)|dt. La fonction fh est continue
car
Rh Rh
|fh (x + η) − fh (x)| = | R−h (|f (x + η + t)| − |f (x + t)|)dt| ≤ −h |f (x + η + t) − f (x + t)|dt
≤ |f (x + η + t) − f (x + t)|dt = kf (· + η) − f k1 → 0, quand η → 0,
par le théorème de continuité en moyenne. (Ceci donne même la continuité uniforme.)

On en déduit que fε? est borélienne comme “sup” de fonctions continues (en effet, si α ∈ R,
(fε? )−1 (]α, ∞[) = ∪h≥ε ( 2h
1
fh )−1 (]α, ∞[) est un ouvert, et donc aussi un borélien).
—————————————————————————————–
376
(c) Montrer que fε? (x) → 0 quand |x| → ∞.
—————————————corrigé—————————————–
1
Soit η > 0. On a (avec la notation de la question précédente), pour tout x ∈ R, 2h fh (x) ≤ η
kf k1 kf k1 kf k1
si h ≥ 2η . D’autre part, on a fh (x) = 0 si h ≤ 2η et |x| ≥ a + 2η . On en déduit que
0 ≤ fε? (x) ≤ η si |x| ≥ a + kf2ηk1 . Ceci prouve que fε? (x) → 0 quand |x| → ∞.
—————————————————————————————–
4. Pour y > 0, on pose By,ε = {x ∈ R, fε? (x) > y}.
(a) Montrer que tout x ∈ By,ε est le centre d’un intervalle ouvert I(x) t.q.
i. λ(I(x)) ≥ 2ε,
1
R
ii. λ(I(x)) I(x)
|f |dλ > y.
Montrer que parmi les intervalles I(x), x ∈ By,ε , ainsi obtenus, il en existe un nombre fini
I(x1 ), . . . I(xn ) dont la réunion recouvre By,ε . [On pourra d’abord remarquer que By,ε est
borné.]
—————————————corrigé—————————————–
1
R x+h 1
Rh
Si x ∈ By,ε , il existe h ≥ ε t.q. 2h x−h
|f (t)|dt = 2h −h
|f (x + t)|dt > y. On choisit alors
I(x) =]x − h, x + h[. On a bien i. et ii..
By,ε est borné car fε? (x) → 0 quand |x| → ∞. B y,ε est donc fermé et borné (donc compact).
De plus, Si z ∈ B y,ε , il existe x ∈ By,ε t.q. |x − z| < ε. On a donc z ∈ I(x). Ceci montre
que {I(x), x ∈ By,ε } forme un recouvrement ouvert de B y,ε . Par compacité, on peut donc en
extraire un sous recouvrement fini. Il existe donc x1 , . . . , xn ∈ By,ε t.q. By,ε ⊂ ∪ni=1 I(xi ).
—————————————————————————————–
(b) Montrer que λ(By,ε ) ≤ y2 kf k1 . [Utiliser la question 2.]
—————————————corrigé—————————————–
En appliquant la question 2 à la famille {I(xi ), i ∈ {1, . . . , n}}, il existe EP⊂ {1, . . . , n}
t.q. I(xi ) ∩ I(xj ) = ∅,R si i, j ∈ E i 6= j, et t.q. λ(By,ε ) ≤ λ(∪ni=1 I(xi )) ≤ 2 i∈E λ(I(xi )).
Comme λ(I(xi )) < y1 I(xi ) |f (t)|dt et comme I(xi ) ∩ I(xj ) = ∅, si i, j ∈ E i 6= j, on a aussi
1
|f (t)|dt et donc λ(By,ε ) ≤ y2 kf k1 .
P R
i∈E λ(I(xi )) < y
—————————————————————————————–
On définit maintenant f ? de R dans R+ par :

Z h
? 1
f (x) = sup |f (x + t)|dt. (12.83)
h>0 2h −h
5. Montrer que f ? est borélienne et que λ({f ? > y}) ≤ y2 kf k1 , pour tout y > 0.
—————————————corrigé—————————————–
f ? est borélienne (de R dans R+ ) car c’est le “sup” de fonctions continues de R dans R.
On remarque ensuite que {f ? > y} = {x ∈ R, f ? (x) > y} = ∪n∈N? By, n1 et que By, n1 ⊂ By, n+1
1 (car
f ?1 ≤ f ? 1 ). Par continuité croissante de λ, on a donc λ({f ? > y}) = limn→∞ λ(By, n1 ) ≤ y2 kf k1 .
n n+1
—————————————————————————————–
377
6. Montrer (12.81) si f admet un représentant continu. [cette question n’utilise pas les questions
précédentes.]
—————————————corrigé—————————————–
R1
On confond f (qui est dans L1 ) avec ce représentant continu. On a alors n2 −n 1 f (x + t)dt → f (x)
n
pour tout x ∈ R, quand n → ∞. En effet, pour tout x ∈ R et tout n ∈ N? , par continuité de
R1
f , il existe θx,n ∈]x − n1 , x + n1 [ t.q. n2 −n 1 f (x + t)dt = f (θx,n ). Pour tout x ∈ R, on a bien
n
f (θx,n ) → f (x), quand n → ∞ (par continuité en x de f ).
—————————————————————————————–
7. Montrer (12.81). [Approcher f , dans L1 et p.p., par une suite d’éléments de Cc (R, R), notée (fp )p∈N .
On pourra utiliser (f − fp )? .]
—————————————corrigé—————————————–
On confond f (qui est dans L1 ) avec l’un de ses représentants (de sorte que f ∈ L1 ). Par densité
de Cc (R, R) dans L1 , il existe une suite (fp )p∈N ⊂ Cc (R, R) t.q. fp → f dans L1 . Après extraction
éventuelle d’une sous suite, on peut supposer aussi que fp → f p.p..
Pour x ∈ R, n ∈ N? et p ∈ N, on a :
Z 1 Z 1
n n n n
|f (x) − f (x + t)dt| ≤ |f (x) − fp (x)| + |fp (x) − fp (x + t)dt| + (f − fp )? (x). (12.84)
2 1
−n 2 1
−n
Pour m ∈ N? et p ∈ N, on pose :
1
Am,p = {(f − fp )? > }, Bm,p = ∩q≥p Am,q et B = ∪m∈N? (∪p∈N Bm,p ).
m
On remarque que, par la question 5, λ(Am,p ) ≤ 2mkf − fp k1 → 0 quand p → ∞ (avec m fixé). On
a donc λ(Bm,p ) ≤ inf q≥p λ(Am,q ) = 0. On en déduit, par σ-sous-additivité de λ, que λ(B) = 0.
On choisit C ∈ B(R) t.q. λ(C) = 0 et fp (x) → f (x) pour tout x ∈ C c .
R1
On va maintenant montrer (grâce à (12.84)) que (f (x)− n2 −n 1 f (x+t)dt) → 0 pour tout x ∈ (B∪C)c
n
(ce qui permet de conclure car λ(B ∪ C) = 0).
Soit donc x ∈ (B ∪ C)c et soit η > 0. Comme x ∈ C c , il existe p1 ∈ N t.q. |f (x) − fp (x)| ≤ η
1
pour p ≥ p1 . Comme x ∈ B c , x ∈ ∩m∈N? (∩p∈N Bm,p c
). On choisit m ∈ N? t.q. m ≤ η. On a
c c c c
x ∈ ∩p∈N Bm,p = ∩p∈N ∪q≥p Am,q ⊂ ∪q≥p1 Am,q . Il existe donc p ≥ p1 t.q. x ∈ Am,p , on en déduit
1
(f − fp )? (x) ≤ m ≤ η. Enfin, p étant maintenant fixé, la question 6 donne l’existence de n1 ∈ N
1 R1
t.q. |fp (x) − n2 −n 1 fp (x + t)dt| ≤ η pour n ≥ n1 . On a donc |f (x) − n2 −n 1 f (x + t)dt| ≤ 3η pour
R
n n
n ≥ n1 . Ce qui termine la démonstration.
—————————————————————————————–
Corrigé 94 (Convergence vague et convergence etroite)

Soit (mn )n ∈ N une suite de mesures (positives) finies sur B(Rd ) (d ≥ 1) et m une mesure (positive) finie
sur B(Rd ). On suppose que :
• ϕdmn → ϕdm, quand n → ∞, pour tout ϕ ∈ Cc∞ (Rd , R).
R R
378
• mn (Rd ) → m(Rd ) quand n → ∞.
1. Soit ϕ ∈ Cc (Rd , R). Montrer que ϕdmn → ϕdm, quand n → ∞. [On pourra utiliser le fait que
R R
ϕ est limite uniforme d’une suite d’élement de Cc∞ (Rd , R).]

—————————————corrigé—————————————–
Soit ρ ∈ Cc∞ (Rd , R) t.q. ρ ≥ 0, Rd ρ(x)dx = 1 Ret ρ(x) = 0 si |x| ≥ 1. Pour p ∈ N? , on définit ρp
R
par ρp (x) = pd ρ(px) pour x ∈ Rd , de sorte que Rd ρp (x)dx = 1 et ρ(x) = 0 si |x| ≥ 1/p. La suite
(ρp )p∈N? s’appelle “suite régularisante” (ou “suite de noyaux régularisants”).
Soit ψ ∈ Cc (Rd , R), on définit la suite (ψp )p∈N? en posant ψp (x) = ψ(y)ρp (x − y)dy, pour tout
R
x ∈ Rd . Comme ρp et ψ sont des fonctions à support compact, il est clair que ψp est aussi une
fonction à support compact. Grâce au théorème de dérivabilité sous le signe intégral (théorème 4.10),
il est assez facile de voir que ψp est indéfiniment dérivable. On a donc (ψp )p∈N? ⊂ Cc∞ (Rp , R). Enfin,
du fait que ψ est uniformément continue, on déduit que ψp converge uniformément (sur Rd ) vers ψ
quand p → ∞. Plus précisément, en notant k · ku la norme de la convergence uniforme, on a, pour
tout p ∈ N? ,
kψp − ψku ≤ sup kψ(· + z) − ψku ,
z∈Rd , |z|≤1/p
dont on déduit bien kψp − ψku → 0 quand p → ∞.
Soit ε > 0. On remarque maintenant que, pour p ∈ N? et tout n ∈ N,

Z Z Z Z Z Z
ψdmn − ψdm = (ψ − ψp )dmn + ψp dmn − ψp dm + (ψp − ψ)dm,
on a donc | ψdmn − ψdm| ≤ kψp −ψku (supn∈N mn (Rd )+m(Rd ))+| ψp dmn − ψp dm|. Comme
R R R R
supn∈N mn (Rd ) + m(Rd ) < ∞ (car limn→∞ mn (Rd ) = m(Rd )), il existe donc p0 ∈ N? t.q., pour
tout n ∈ N, Z Z Z Z
| ψdmn − ψdm| ≤ ε + | ψp0 dmn − ψp0 dm|.
Comme ψp0 ∈ Cc∞R(Rd , R), la Rpremière hypothèse sur la suite (mn )n∈N donne qu’il existe n0 t.q.
n ≥ n0 implique | ψp0 dmn − ψp0 dm| ≤ ε. on a donc, finalement,
Z Z
n ≥ n0 ⇒ | ψdmn − ψdm| ≤ 2ε.
Ce qui prouve bien que ψdmn → ψdm, quand n → ∞, pour tout ψ ∈ Cc (Rd , R).
R R
—————————————————————————————–
2. Pour p ∈ N? , on note Bp la boule fermée de centre 0 et de rayon p (pour la norme euclidienne
de Rd ). Montrer qu’il existe une suite (ϕp )p∈N? ⊂ Cc (Rd , R) t.q., pour tout p ∈ N? , 0 ≤ ϕp ≤ 1,
ϕp = 1 sur Bp et ϕp ≤ ϕp+1 . On utilise cette suite (ϕp )p∈N? dans les questions suivantes.
—————————————corrigé—————————————–
Il suffit de prendre ϕp définie ainsi :
ϕp (x) = 1 si x ∈ Bp ,
ϕp (x) = p + 1 − |x| si x ∈ Bp+1 \ Bp ,
ϕp (x) = 0 si x 6∈ Bp+1 .
—————————————————————————————–
379
3. Soit ε > 0.
Z
(a) Montrer qu’il existe p0 ∈ N? t.q. : p ≥ p0 ⇒ (1 − ϕp )dm ≤ ε.
—————————————corrigé—————————————–
On utilise ici le théorème de convergence dominée, la suite (1 − ϕp )p∈N? converge p.p. vers 0
et est dominée par la fonction constante
R et égale à 1 (qui est bien une fonction intégrable pour
la mesure m). On a donc limp→∞ (1 − ϕp )dm = 0, ce qui donne le résultat demandé.
—————————————————————————————– Z Z
(b) Montrer que, pour tout p ∈ N? , (1 − ϕp )dmn → (1 − ϕp )dm quand n → ∞.
—————————————corrigé—————————————–
On a (1 − ϕp )dmn = mn (Rd ) − ϕp dmn . comme ϕp ∈ Cc (Rd , R), on a ϕp dmn → ϕp dm
R R R R
(quand n → ∞). D’autre part, on a limn→∞ mn (Rd ) = m(Rd ). On a donc finalement, quand
n → ∞, Z Z Z
d
(1 − ϕp )dmn → m(R ) − ϕp dm = (1 − ϕp )dm.
—————————————————————————————– Z
(c) Montrer qu’il existe p1 ∈ N? t.q. : n ∈ N, p ≥ p1 ⇒ (1 − ϕp )dmn ≤ ε.
—————————————corrigé—————————————–
R
D”après a), il existe p2 t.q. (1 − ϕp2 )dm ≤ ε/2. D’après b), il existe n0 t.q.
Z Z
n ≥ n0 ⇒ (1 − ϕp2 )dmn ≤ (1 − ϕp2 )dm + ε/2.
On a donc Z
n ≥ n0 ⇒ (1 − ϕp2 )dmn ≤ ε.
Comme (1 − ϕp ) ≤ (1 − ϕp2 ) si p ≥ p2 , on a aussi

Z
n ≥ n0 , p ≥ p2 ⇒ (1 − ϕp )dmn ≤ ε.
D”autre Rpart, le théorème de convergence dominée donne (comme en a)) que, pour tout n ∈ N,
limp→∞ (1 − ϕp )dmn = 0. Pour tout n ∈ 0, . . . , n0 , il existe donc p2,n t.q.
Z
p ≥ p2,n ⇒ (1 − ϕp )dmn ≤ ε.
On choisit donc p1 = max{p2 , maxn=0,...,n0 p2,n } et on obtient bien p ∈ N? et :

Z
n ∈ N, p ≥ p1 ⇒ (1 − ϕp )dmn ≤ ε.
—————————————————————————————–
4. Montrer que ϕdmn → ϕdm, quand n → ∞, pour tout ϕ ∈ Cb (Rd , R) (on dit alors que la suite
R R
(mn )n∈N converge étroitement vers m).

—————————————corrigé—————————————–
380
Soit ϕ ∈ Cb [Rd , R) et ε > 0. En écrivant que ϕ = ϕϕp + ϕ(1 − ϕp ), on a, pour tout p ∈ N? ,
Z Z Z Z Z Z
| ϕdmn − ϕdm| ≤ | ϕϕp dmn − ϕϕp dm| + kϕku (1 − ϕp )dmn + kϕku (1 − ϕp )dm.
Les questions 2a) et 2c) permettent de trouver p0 ∈ N? et n0 ∈ N t.q. les deux derniers de la
précédente inégalité soient inférieurs à ε pour p = p0 et n ≥ n0 . Puis, comme ϕϕp0 ∈ Cc (Rd , R),
il existe n1 t.q. le premier du membre de droite de la précédente inégalité soit inférieur à ε pour
p = p0 et n ≥ n1 . On a donc finalement
Z Z
n ≥ max{n0 , n1 } ⇒ | ϕdmn − ϕdm| ≤ 3ε.
Ce qui prouve la convergence étroite de mn vers m (quand n → ∞).

—————————————————————————————–
5. Indiquer brièvement comment obtenir le même résultat (c’est-à-dire le résultat de la question 4) si
on remplace “Rd ” (dans les hypothèses et dans la question 4) par “Ω ouvert de Rd ”.
—————————————corrigé—————————————–
Pour la question 1, on remarque que toute fonction de Cc (Ω, R) est limite uniforme de fonctions
de Cc∞ (Ω, R) (la démonstration, semblable au cas Ω = Rd utilise le fait que, si ϕ ∈ Cc (Ω, R), la
disatnce entre le support de ϕ, qui est compact, et le complémentaire de Ω, qui est ouvert, est
strictement positive. On rappelle que le support de ϕ est l’adhérence de l’ensemble des points où ϕ
est non nulle).
Pour la question 2, on construit (avec la fonction “distance”) une suite ϕp comme demandée en
remplaçant simplement Bp par Bp ∩ {x ∈ Ω, d(x, Ωc ) ≥ 1/p}, avec d(x, Ωc ) = max{|x − y|, y ∈ Ωc }.
Pour les questions 3 et 4, on remplace simplement Rd par Ω.
—————————————————————————————–
381
12.6.1 Espaces Lp , 1 ≤ p ≤ ∞
Corrigé 95
Soit (E, T, m) un espace mesuré, p ∈ [1, ∞[ et A ∈ T . On pose F = {f ∈ LpR (E, T, m); f = 0 p.p. sur
A}. Montrer que F est fermé (dans LpR (E, T, m)).
—————————————corrigé—————————————–
Soient (fn )n∈N ⊂ F et f ∈ LpR (E, T, m) t.q. fn → f dans LpR (E, T, m).
Grâce à l’inégalité de Hölder (inégalité (6.3) pour 1 < p < ∞ ou inégalité (6.13) qui contient aussi le cas
p = 1), on a, pour tout g ∈ LqR (E, T, m) avec q = p−1 p
,
Z Z Z
| fn gdm − f gdm| ≤ |(fn − f )g|dm ≤ kfn − f kp kgkq → 0, quand n → ∞,
et donc Z Z
fn gdm → f gdm, quand n → ∞. (12.85)
On prend alors g = (|f |)p−1 1{f >0} 1A − (|f |)p−1 1{f <0} 1A ∈ LqR (E, T, m) si p > 1 et on prend g =
1{f >0} 1A − 1{f <0} 1A ∈ L∞
R (E, T, m) si p = 1.
Comme fn g = 0 p.p., on déduit de (12.85) que |f |p 1A dm = 0 et donc que f = 0 p.p. sur A.
R
Un autre démonstration est possible en utilisant la réciproque partielle du théorème de convergence

dominée (théorème 6.2).
—————————————————————————————–
Corrigé 96
Soit p ∈ [1, ∞] et C = {f ∈ Lp (R, B(R), λ); f ≥ 0 p.p.}. Montrer que C est d’intérieur vide pour p < ∞
et d’intérieur non vide pour p = ∞.
—————————————corrigé—————————————–
Cas p < ∞
Soit f ∈ C et soit ε > 0. On va construire g ∈ Lp (R, B(R), λ) t.q. g 6∈ C et kf − gkp ≤ ε. Comme ε est
arbitraire, ceci montrera bien que f n’est pas dans l’intérieur de C et donc, comme f est arbitraire, que
C est d’intérieur vide.
On choisit, comme d’habitude, un représentant de f . On pose An = {0 ≤ f ≤ n} ∈ B(R). La suite
(An )n∈N est croissante et ∪n∈N An = {f ≥ 0}. Par continuité croissante de λ, on a donc λ(An ) → λ({f ≥
0}) = ∞ quand n → ∞. Il existe donc n ∈ N? t.q. λ(An ) > 0. On choisit cette valeur de n et on pose
A = An .
On prend maintenant m > ( n+1 p
ε ) (ce choix sera bientôt compréhensible. . . ) et, pour iP∈ Z, on pose
i i+1
Bi = A ∩ [ m , m [. Comme les Bi sont disjoints 2 à 2 et que ∪i∈Z Bi = A, on a λ(A) = i∈Z λ(Bi ). Il
existe donc i ∈ Z t.q. λ(Bi ) > 0. On choisit cette valeur de i et on pose B = Bi (noter que λ(B) ≤ 1/m).
On construit maintenant g en prenant g(x) = f (x) si x ∈ B c et g(x) = −1 si x ∈ B. On a g mesurable

et : Z Z Z Z
|g|p dm = |g|p dm + |g|p dm ≤ |f |p dm + λ(B) < ∞.
Bc B
382
On a donc g ∈ Lp (R, B(R), λ) (et g ∈ Lp (R, B(R), λ) en confondant g avec sa classe d’équivalence). On
p
a aussi g 6∈ C car λ(B) > 0 et g < 0 sur B. Enfin kf − gkpp ≤ (n + 1)p λ(B) ≤ (n+1)
m ≤ εp (par le choix
de m), donc kf − gkp ≤ ε.
Ceci montre bien que C est d’intérieur vide.
Cas p = ∞
On prend f = 1R ∈ L∞ (R, B(R), λ) (et donc f ∈ L∞ (R, B(R), λ) en confondant f avec sa classe
d’équivalence). On note B(f, 1) la boule (dans L∞ ) de centre f et de rayon 1. Soit g ∈ B(f, 1).
On a |1 − g| = |f − g| ≤ kf − gk∞ ≤ 1 p.p.. On en déduit que g ≥ 0 p.p. et donc que g ∈ C. La fonction
f appartient donc à l’intérieur de C, ce qui prouve que C est d’intérieur non vide.
—————————————————————————————–
Corrigé 97 (Convergence essentiellement uniforme)

Soit (E, T, m) un espace mesuré, (fn )n∈N une suite de fonctions mesurables de E dans R et f une fonction
mesurable de E dans R.
Montrer que kfn − f k∞ → 0, quand n → ∞, si et seulement si il existe A ∈ T t.q. m(A) = 0 et fn → f
uniformément sur Ac , quand n → ∞.
—————————————corrigé—————————————–
On suppose que kfn − f k∞ → 0, quand n → ∞.
Soit n ∈ N, on a |fn − f | ≤ kfn − f k∞ p.p. (voir, par exemple, l’exercice corrigé 4.32). Il existe donc
An ∈ T t.q. m(An ) = 0 et |(fn − f )(x)| ≤ kfn − f k∞ pour tout x ∈ Acn .
On pose A = ∪n∈N An , on a alors, par σ−additivité de m, m(A) = 0 et, pour tout n ∈ N :
sup |fn (x) − f (x)| ≤ kfn − f k∞ .

x∈Ac
On en déduit que fn → f uniformément sur Ac , quand n → ∞. Ce qui donne la propriété désirée.
Réciproquement, on suppose maintenant qu’il existe A ∈ T t.q. m(A) = 0 et fn → f uniformément sur

Ac , quand n → ∞.
Soit n ∈ N, on a, pour tout x ∈ Ac , |fn (x) − f (x)| ≤ supy∈Ac |fn (y) − f (y)|. Comme m(A) = 0, on en
déduit :
|fn − f | ≤ sup |fn (y) − f (y)| p.p.,
y∈Ac
et donc :
kfn − f k∞ ≤ sup |fn (y) − f (y)|.
y∈Ac
Comme fn → f uniformément sur Ac , quand n → ∞, ceci donne bien kfn − f k∞ → 0, quand n → ∞.

—————————————————————————————–
Corrigé 98 (Densité et continuité en moyenne)
1. Soit p ∈ [1, ∞[. Montrer que Cc (R, R) est dense dans LpR (R, B(R), λ). Soit f ∈ LpR (R, B(R), λ),
montrer que kf − f (· + h)kp → 0 quand h → 0.
—————————————corrigé—————————————–
Densité de Cc dans Lp
383
On reprend ici la démonstration faite pour p = 1 (voir le théorème 5.5)
Il est clair que Cc (R, R) ⊂ Lp = LpR (R, B(R), λ). En confondant un élément de Lp avec sa classe
d’équivalence, on a donc aussi Cc (R, R) ⊂ Lp = LpR (R, B(R), λ) (ceci est aussi vrai pour p = ∞).
L’objectif est donc de montrer que pour tout f ∈ Lp et tout ε > 0, il existe ϕ ∈ Cc (R, R) t.q.
kf − ϕkp ≤ ε. On va raisonner en plusieurs étapes (fonctions caractéristiques, E+ , M+ et enfin Lp ).
(a) On suppose ici que f = 1A avec A ∈ B(R) et λ(A) < ∞.

Soit ε > 0. On prend la même fonction ϕ que pour p = 1 (démonstration du téorème 5.5). On
a ϕ ∈ Cc (R, R), ϕ = 1 sur K, ϕ = 0 sur Oc et 0 ≤ ϕ ≤ 1 (partout). Les ensembles K et O sont
t.q. K ⊂ A ⊂ O et λ(O \ K) ≤ 2ε. On en déduit que f − ϕ = 0 sur K ∪ Oc et 0 ≤ |f − ϕ| ≤ 1,
ce qui donne
kf − ϕkpp ≤ λ(O \ K) ≤ 2ε,
et donc 1
kf − ϕkp ≤ (2ε) p .
Comme ε est arbitrairement petit, ceci termine la première étape.
p
Pnici que f ∈ E+ ∩ L . Comme
(b) On suppose f ∈ E+ , il existe a1 , . . . , an >
R 0 et A1 , . . . , An ∈ T
t.q. f = i=1 ai 1Ai . Comme f ∈ Lp , on a, pour tout i, api λ(Ai ) ≤ |f |p dm < ∞. Donc,
λ(Ai ) < ∞.
Pn 1 donne, pour tout i, l’existence de ϕi ∈ Cc (R,PR)

Soit ε > 0, l’étape
n
t.q. k1Ai − ϕi kp ≤ ε.
On pose ϕ = a ϕ
i=1 i i ∈ C c (R, R) et on obtient kf − ϕk p ≤ ( i=1 ai )ε (ce qui est bien
arbitrairement petit).
(c) On suppose ici que f ∈ M+ ∩ Lp .
Soit ε > 0. Comme f ∈ M+ , il existe une suite (fn )n∈N ⊂ E+ t.q. fn ↑ f quand n → ∞.
La suite (f − fn )n∈N est donc dominée par f ∈ Lp . Le théorème de convergence dominée
donne alors que (f − fn ) → 0 dans Lp quand n → ∞. On peut donc choisir g = fn ∈ E+ t.q.
kf − gkp ≤ ε.
L’étape 2 donne alors l’existence de ϕ ∈ Cc (R, R) t.q. kg − ϕkp ≤ ε. D’où l’on déduit
kf − ϕkp ≤ 2ε. Ce qui termine l’étape 3.
(d) On suppose enfin que f ∈ Lp .
Soit ε > 0. Comme f ± ∈ M+ ∩ Lp , l’étape 3 donne qu’il existe ϕ1 , ϕ2 ∈ Cc (R, R) t.q.
kf + − ϕ1 kp ≤ ε et kf − − ϕ2 kp ≤ ε. On pose alors ϕ = ϕ1 − ϕ2 . On a ϕ ∈ Cc (R, R) et
kf − ϕkp ≤ 2ε. Ce qui prouve bien la densité de Cc (R, R) dans Lp .
Continuité en moyenne
On raisonne ici en 2 étapes :
(a) Soit ϕ ∈ Cc (R, R). La fonction ϕ est donc uniformément continue, ce qui donne
sup |ϕ(x + h) − ϕ(x)| → 0 quand h → 0.
x∈R
Soit a > 0 t.q. ϕ = 0 sur [−a, a]c . Pour h ∈ R t.q. |h| ≤ 1, on a donc, comme ϕ(x+h)−ϕ(x) =
0 si x 6∈ [−a − 1, a + 1],
Z
|ϕ(x + h) − ϕ(x)|p dx ≤ (2a + 2) sup |ϕ(x + h) − ϕ(x)|p → 0, quand h → 0.
x∈R
384
On en déduit que kϕ(· + h) − ϕkp → 0 quand h → 0.
(b) Soit f ∈ Lp . L’invariance par translation de la mesure de Lebesgue donne que f (· + h) ∈ Lp
pour tout h ∈ R. On veut maintenant montrer que kf (· + h) − f kp → 0 quand h → 0.
Soit ε > 0. D’après la densité de Cc dans Lp , il existe ϕ ∈ Cc t.q. kf − ϕkp ≤ ε. L’invariance
par translation de la mesure de Lebesgue donne kf (· + h) − ϕ(· + h)kp = kf − ϕkp . On a donc,
pour tout h ∈ R:
kf (· + h) − f kp ≤ 2kf − ϕkp + kϕ(· + h) − ϕkp ≤ 2ε + kϕ(· + h) − ϕkp .
D’après la première étape, il existe η > 0 t.q.
|h| ≤ η ⇒ kϕ(· + h) − ϕkp ≤ ε.
Donc,
|h| ≤ η ⇒ kf (· + h) − f kp ≤ 3ε.
Ce qui prouve bien que f (· + h) → f dans Lp , quand h → 0.
—————————————————————————————–
2. Les assertions précédentes sont-elles vraies pour p = ∞ ?
—————————————corrigé—————————————–
Les assertions précédentes sont fausses pour p = ∞, comme cela est montré dans l’exercice 8.3.
(a) On a bien Cc (R, R) ⊂ L∞ R (R, B(R), λ) mais le résultat de densité est faux. On prend, par
exemple, f = 1]0,1[ . Il est facile de voir que kf − ϕk∞ ≥ 21 , pour tout ϕ ∈ Cc (R, R).
(b) On prend ici aussi f = 1]0,1[ . Il est facile de voir que kf (· + h) − f k∞ = 1 pour tout h 6= 0.
—————————————————————————————–
Corrigé 99 (Produit Lp − Lq )
p
Soient (E, T, m) un espace mesuré, p ∈ [1, +∞] et q le conjugué de p (i.e. q = p−1 ). Soient (fn )n∈N ⊂
LR (E, T, m), (gn )n∈N ⊂ LR (E, T, m), f ∈ LRR (E, T, m) etR g ∈ LR (E, T, m) t.q. fn → f dans LpR (E, T, m)
p q p q
et gn → g dans LqR (E, T, m). Montrer que fn gn dm → f gdm lorsque n → +∞.
—————————————corrigé—————————————–
On remarque d’abord que le lemme 6.2 (ou la proposition 6.9 pour avoir aussi le cas p = ∞ ou q = ∞)
donne que f g ∈ L1R (E, T, m) et fn gn ∈ L1R (E, T, m) pour tout n ∈ N. Puis, on utilise l’inégalité de Hölder
(lemme 6.2 et proposition 6.9) pour obtenir
R R R R
| fn gn dm − f gdm| ≤ | (fn − f )gn dm| + | f (gn − g)dm|
≤ kfn − f kp kgn kq + kf kp kg − gn kq → 0, quand n → ∞,
car kfn − f kp → 0, kg − gn kq → 0 (quand n → ∞) et la suite (kgn kq )n∈N est bornée car la suite (gn )n∈N
est convergente dans Lq .
—————————————————————————————–
Corrigé 100
385
Soient (E, T, m) un espace mesuré, (fn )n∈N ⊂ L1R (E, T, m), (gn )n∈N ⊂ L∞ 1
R (E, T, m), f ∈ LR (E, T, m) et
∞ 1
g ∈ LR (E, T, m). On suppose que fn → f dans LR (E, T, m).
1. On suppose que gn → g dans L∞ 1
R (E, T, m). Montrer que fn gn → f g dans LR (E, T, m).
—————————————corrigé—————————————–
Cette question a été faite dans l’exercice 6.7, corrigé 99.
—————————————————————————————–
2. On suppose maintenant que gn → g p.p.. Montrer par un contre exemple qu’on peut ne pas avoir
fn gn → f g dans L1R (E, T, m).
—————————————corrigé—————————————–
On prend (E, T, m) = (R, B(R), λ). On prend f = g = 0 et, pour n ∈ N? ,
√
fn = gn = n1]0, n1 [ .
On a bien (fn )n∈N ⊂ L1R (E, T, m), (gn )n∈N ⊂ L∞ 1 ∞

R (E, T, m), f ∈ LR (E, T, m) et g ∈ LR (E, T, m)
p
(comme d’habitude, on confond un élément de L avec sa classe d’équivalence).
On a aussi fn → 0 dans L1R (E, T, m) (car kfn k1 = √1n ), gn → 0 p.p. et fn gn 6→ 0 dans L1R (E, T, m)
car kfn gn k1 = 1 pour tout n ∈ N.
—————————————————————————————–
3. On suppose maintenant que gn → g p.p. et qu’il existe M ∈ R t.q. kgn k∞ ≤ M . Montrer qu’on a
alors fn gn → f g dans L1R (E, T, m).
—————————————corrigé—————————————–
On remarque d’abord que f g ∈ L1R (E, T, m) et fn gn ∈ L1R (E, T, m) pour tout n ∈ N (voir la
proposition 6.9). Puis, on écrit
Z Z Z Z
| fn gn dm − f gdm| ≤ |fn − f ||gn |dm + |f ||gn − g|dm. (12.86)
Le premier terme du membre de droite de cette inégalité tend vers 0 car il est majoré par M kfn −f k1
qui tend vers 0 quand n → ∞.
Pour montrer que le deuxième terme de cette inégalité tend aussi vers 0, on pose hn = |f ||gn − g|.
On a hn → 0 p.p. car gn → g p.p., quand n → ∞. On a aussi 0 ≤ hn ≤ 2M |f | ∈ L1R (E, T, m) (en
effet, comme gn → g p.p. et |gn | ≤ M p.p., on Ra aussi |g| ≤ M p.p.). On peut donc appliquer le
théorème de convergence dominée. Il donne que hn dm → 0. On en déduit que le deuxième terme
de (12.86) tend vers 0 quand n → ∞ et donc que fn gn → f g dans L1R (E, T, m) quand n → ∞.
—————————————————————————————–
Corrigé 101 (Inégalité de Hardy)

Soit p ∈]1, ∞[. On note Lp l’espace LpR (]0, ∞[, B(]0, ∞[), λ) (λ est donc ici la mesure de Lebesgue sur les
boréliens de ]0, ∞[).
Soit f ∈ Lp . Pour x ∈]0, ∞[, on pose F (x) = x1 f 1]0,x[ dλ. Le but de l’exercice est de montrer que
R
p
F ∈ Lp et kF kp ≤ p−1 kf kp .
386
1. On suppose, dans cette question, que f ∈ Cc (]0, ∞[) (c’est-à-dire que f est continue et à support
compact dans ]0, ∞[).
(a) Montrer F ∈ C 1 (]0, ∞[) ∩ Lp . Montrer que xF 0 (x) = −F (x) + f (x) pour tout x > 0.
—————————————corrigé—————————————–
R
On pose G(x) = f 1]0,x[ dλ pour x ∈]0, ∞[. Comme f est continue, la fonction g est de classe
C 1 sur ]0, ∞[ (et G0 = f ). On en déduit que F est aussi de classe C 1 sur ]0, ∞[.
Comme f est à support compact dans ]0, ∞[, il existe a, A ∈]0, ∞[, a ≤ A, t.q. f (x) = 0 si
x < a ou x > A. La fonction f est bornée (car continue sur le compact [a, A] et nulle en dehors
de ce compact), on note M = sup{|f (x)|; x ∈ [a, A]}. On a alors |F (x)| ≤ M (A−a)x 1[a,∞[ (x)
pour tout x ∈]0, ∞[. On en déduit que F ∈ Lp car p > 1 (et on aussi F ∈ L∞ ).
Comme xF (x) = G(x), on a bien xF 0 (x) + F (x) = G0 (x) = f (x) pour tout x ∈]0, ∞[.
—————————————————————————————–
(b) On suppose, dans cette question, que f (x) ≥ 0 pour tout x ∈]0, ∞[.
R∞ p
R ∞ p−1
Montrer que 0 F p (x)dx = p−1 0
F (x)f (x)dx. [On pourra utiliser une intégration par
parties.]
p
Montrer que kF kp ≤ p−1 kf kp .
—————————————corrigé—————————————–
Soit n ∈ N? . En intégrant par parties (entre F p et 1) sur ]0, n[, on obtient :
Z n Z n Z n Z n
F p (x)dx = − pF p−1 F 0 (x)xdx + F p (n)n = pF p (x)dx − pF p−1 f (x)dx + F p (n)n,
0 0 0 0
et donc : Z n Z n
(p − 1) F p (x)dx = pF p−1 f (x)dx − F p (n)n.
0 0
1
Comme 0 ≤ F p (n)n ≤ np−1 M (A−a) → 0, quand n → ∞ (où a, A, M sont définis à la question
précédente) et que F, f ∈ Lp , on en déduit :
Z ∞ Z ∞
p
F p (x)dx = F p−1 (x)f (x)dx.
0 p−1 0
p
En utilisant l’inégalité de Hölder (entre f ∈ Lp et F p−1 ∈ L p−1 ) on déduit de la précédente
inégalité : Z ∞ Z ∞
p p−1
F p (x)dx ≤ kf kp F p (x)dx p ,
0 p−1 0
p
et donc (comme F ∈ Lp ) kF kp ≤ p−1 kf kp .
—————————————————————————————–
p
(c) Monter que kF kp ≤ p−1 kf kp (on ne suppose plus que f (x) ≥ 0 pour tout x ∈]0, ∞[).
—————————————corrigé—————————————–
Il suffit de considérer H(x) = x1 |f |1]0,x[ dλ pour x > 0. La question précédente donne que H ∈ Lp
R
p p
et kHkp ≤ p−1 kf kp . Comme |F (x)| ≤ H(x) pour tout x > 0, on a donc kF kp ≤ kHkp ≤ p−1 kf kp .
—————————————————————————————–
387
2. On ne suppose plus que f ∈ Cc (]0, ∞[).
(a) Montrer qu’il existe (fn )n∈N ⊂ Cc (]0, ∞[) t.q kfn −f kp → 0 quand n → ∞. [On pourra utiliser
la densité de Cc (R, R) dans LpR (R, B(R), λ), exercice 6.4.]
—————————————corrigé—————————————–
On définit g par g = f sur ]0, ∞[ et g = 0 sur ] − ∞, 0]. On a donc g ∈ Lp (R, B(R), λ). il
existe donc (gn )n∈N ⊂ Cc (R, R) t.q. gn → g dans Lp (R, B(R), λ) quand n → ∞. On note g n
la restriction de la fonction gn à ]0, ∞[. La suite (g n )n∈N converge donc vers f dans Lp , mais
les fonctions g n ne sont pas nécessairement à support compact dans ]0, ∞[. Il faut donc les
modifier “légèrement”.
On se donne une fonction ϕ ∈ C(R, R) t.q. ϕ = 0 sur ] − 1, 1[ et ϕ = 1 sur ] − 2, 2[c . On pose
ϕm (x) = ϕ(mx) pour x ∈ R et m ∈ N? . Le théorème de convergence dominée donne alors
que, pour tout n ∈ N, on a ϕm g n → g n dans Lp (R, B(R), λ) quand m → ∞. Pour tout n ∈ N,
1
on peut donc choisir mn ∈ N? t.q. kϕmn g n − g n kp ≤ n+1 . On pose fn = ϕmn g n , on a bien
(fn )n∈N ⊂ Cc (]0, ∞[) et kfn − f kp → 0 quand n → ∞.
—————————————————————————————–
p
(b) Montrer que F ∈ C(]0, ∞[) ∩ Lp et que kF kp ≤ p−1 kf kp .
—————————————corrigé—————————————–
R
On pose G(x) = f 1]0,x[ dλ pour x ∈]0, ∞[. On remarque que G ∈ C(]0, ∞[) car si 0 < x <
1
y < ∞, on a (en utilisant l’inégalité de Hölder) |G(x)−G(y)| ≤ |f |1]x,y[ dλ ≤ kf kp (y −x)1− p .
R
On a donc aussi F ∈ C(]0, ∞[).
Soit (fn )n∈N ⊂ Cc (]0, ∞[) t.q. kfn − f kp → 0 quand n → ∞. On pose Fn (x) = x1 fn 1]0,x[ dλ.
R
On a donc Fn ∈ Lp et
p
kFn kp ≤ kfn kp . (12.87)
p−1
1
Pour x ∈]0, ∞[, on a (en utilisant l’inégalité de Hölder) |Fn (x) − F (x)| ≤ x1 kfn − f kp x1− p . On
en déduit que Fn → F p.p.. Il suffit alors d’appliquer le lemme de Fatou à la suite (|Fn |p )n∈N
p
pour déduire de (12.87) que F ∈ Lp et kF kp ≤ p−1 kf kp .
—————————————————————————————–
kF k p
3. Montrer que sup{ kf kpp , f ∈ Lp , kf kp 6= 0} = p−1 (dans cette formule, F est donné comme
1
précédemment à partir de f ). [On pourra considérer la suite (fn )n∈N? définie par fn (t) = t− p 1]1,n[ (t)
pour t ∈]0, ∞[.]
—————————————corrigé—————————————–
1 1
Soit n ≥ 2 et fn définie par fn (t) = t− p 1]1,n[ (t) pour t ∈]0, ∞[. On a fn ∈ Lp et kfn kp = (log n) p .
On pose Fn (x) = x1 fn 1]0,x[ dλ et on cherche maintenant à minorer kFn kp . On remarque que
R
Fn (x) ≥ 0 pour tout x ∈]0, ∞[ et :

p 1 p−1
Fn (x) = (x p − 1), pour x ∈ [1, n]. (12.88)
p−1x
Soit η > 0. Il existe A > 1 t.q. :

p−1 p−1
x>A⇒x p − 1 ≥ (1 − η)x p ,
388
et donc, en utilisant (12.88), on obtient :
Z n
p 1 1 p 1
n > A ⇒ kFn kp ≥ (1 − η)( dx) p = (1 − η)(log n − log A) p .
p−1 A x p−1
1 kFn kp p
Comme kfn kp = (log n) , on en déduit que lim supn→∞
p
kfn kp ≥ p−1 (1 − η). Comme η > 0 est
kF k p
arbitrairement petit, on a donc lim supn→∞ kfnnkpp ≥ p−1 , ce qui donne :
kF kp p
sup{ , f ∈ Lp , kf kp 6= 0} ≥ .
kf kp p−1
La mojoration donnée à la question 3 permet de conclure :
kF kp p
sup{ , f ∈ Lp , kf kp 6= 0} = .
kf kp p−1
—————————————————————————————–
Corrigé 102 (Continuité d’une application de Lp dans Lq )

Soit (E, T, m) un espace mesuré fini, p, q ∈ [1, ∞[ et g une application continue de R dans R t.q. :
p
∃ C ∈ R?+ ; |g(s)| ≤ C|s| q + C, ∀s ∈ R. (12.89)
1. Soit u ∈ LpR (E, T, m). Montrer que g ◦ u ∈ LqR (E, T, m).
—————————————corrigé—————————————–
Cet exercice est très voisin de l’exercice 4.35 correspondant au cas p = q = 1, le corrigé des 3
premières questions va donc suivre essentiellement le corrigé 78.
La fonction u est mesurable de E (muni de la tribu T ) dans R (muni de la tribu B(R)) et g

est borélienne (c’est-à-dire mesurable de R dans R, muni de la tribu B(R)). On en déduit, par
composition, que g ◦ u est mesurable (de E dans R).
p
Pour s ∈ [−1, 1], on a |g(s)| ≤ 2C et donc |g(s)|q ≤ 2q C q . Pour s ∈ R \ [−1, 1], on a |g(s)| ≤ 2C|s| q
et donc |g(s)|q ≤ 2q C q |s|p . On a donc, pour tout s ∈ R, |g(s)|q ≤ 2q C q + 2q C q |s|p . On en déduit
que, pour tout x ∈ E, |g ◦ u(x)|q = |g(u(x))|q ≤ 2q C q + 2q C q |u(x)|p , et donc :
Z
|g ◦ u|q dm ≤ 2q C q kukpp + 2q C q m(E),
ce qui donne g ◦ u ∈ LqR (E, T, m).

—————————————————————————————–
On pose Lr = LrR (E, T, m), pour r = p et r = q. Pour u ∈ Lp , on pose G(u) = {h ∈ LqR (E, T, m);
h = g ◦ v p.p.}, avec v ∈ u. On a donc G(u) ∈ Lq et cette définition a bien un sens, c’est à dire que
G(u) ne dépend pas du choix de v dans u.
—————————————corrigé—————————————–
La démonstration du fait que cette définition a bien un sens est essentiellement identique à celle du
cas p = q = 1 (exercice 4.35, corrigé 78). Elle n’est pas demandée ici.
—————————————————————————————–
389
2. Soit (un )n∈N ⊂ Lp . On suppose que un → u p.p., quand n → ∞, et qu’il existe F ∈ Lp t.q. |un | ≤ F
p.p., pour tout n ∈ N. Montrer que G(un ) → G(u) dans Lq .
—————————————corrigé—————————————–
Pour tout n ∈ N, on choisit un représentant de un , encore notée un . On choisit aussi des représen-
tants de u et F , notés toujours u et F . Comme un → u p.p. quand n → ∞ et que g est continu, il
est facile de voir que g ◦ un → g ◦ u p.p.. On a donc G(un ) → G(u) p.p..
p p p
On remarque aussi que |g ◦ un | ≤ C|un | q + C ≤ C|F | q + C p.p. et donc |G(un )| ≤ C|F | q + C p.p.,
pour tout n ∈ N.
p
Comme F ∈ F p , on a |F | q ∈ Lq . Les fonctions constantes sont aussi dans Lq (car m(E) < ∞).
p
On a donc C|F | q + C ∈ Lq . On peut alors appliquer le théorème de convergence dominée dans Lq
(théorème 6.1), il donne que G(un ) → G(u) dans Lq quand n → ∞.
—————————————————————————————–
3. Montrer que G est continue de Lp dans Lq .
—————————————corrigé—————————————–
On raisonne par l’absurde. On suppose que G n’est pas continue de Lp dans Lq . Il existe donc
u ∈ Lp et (un )n∈N ⊂ Lp t.q. un → u dans Lp et G(un ) 6→ G(u) dans Lq quand n → ∞.
Comme G(un ) 6→ G(u), il existe ε > 0 et ϕ : N → N t.q. ϕ(n) → ∞ quand n → ∞ et :
kG(uϕ(n) ) − G(u)kq ≥ ε pour tout n ∈ N. (12.90)
(La suite (G(uϕ(n) ))n∈N est une sous suite de la suite (G(un ))n∈N .)
Comme uϕ(n) → u dans Lp , on peut appliquer le théorème 6.2 (“réciproque partielle de la conver-
gence dominée dans Lq ”). Il donne l’existence de ψ : N → N et de F ∈ Lp t.q. ψ(n) → ∞ quand
n → ∞, uϕ◦ψ(n) → u p.p. et |uϕ◦ψ(n) | ≤ F p.p., pour tout n ∈ N. (La suite (uϕ◦ψ(n) )n∈N est une
sous suite de la suite (uϕ(n) )n∈N ).
On peut maintenant appliquer la question 2 à la suite (uϕ◦ψ(n) )n∈N . Elle donne que G(uϕ◦ψ(n) ) →
G(u) dans Lq quand n → ∞. Ce qui est en contradiction avec (12.90).
—————————————————————————————–
4. On considère ici (E, T, m) = ([0, 1], B(R), λ) et on prend p = q = 1. On suppose que g ne vérifie
pas (12.89). On va construire u ∈ L1 t.q. G(u) 6∈ L1 .
—————————————corrigé—————————————–
On raisonne par l’absurde. On suppose que |g(s)| < n|s| pour tout s t.q. |s| ≥ n. On pose
M = max{|g(s)|, s ∈ [−n, n]}. On a M < ∞ car g est continue sur le compact [−n, n] (noter
que n est fixé). en posant C = max{n, M }, on a donc :
|g(s)| ≤ C|s| + C, pour tout s ∈ R,
en contradiction avec l’hypothèse que g ne vérifie pas (12.89).
390
Il existe donc s, t.q. |s| ≥ n et |g(s)| ≥ n|s|. Ceci prouve l’existence de αn .
—————————————————————————————–
(b) On choisit une suite (αn )n∈N? vérifiant les conditions données à la question précédente. Montrer
+∞
X α
= 1.
n=1
|αn |n2
—————————————corrigé—————————————–
Comme αn ≥ n, on a |αn1|n2 ≤ n13 et donc :
X 1
0<β= < ∞.
|αn |n2
n∈N?
On choisit alors α = β1 .
—————————————————————————————–
α
(c) Soit (an )n∈N? une suite définie par : a1 = 1 et an+1 = an − (où αn et α sont définies
|αn |n2
P+∞
G(u) 6∈ L1 .
—————————————corrigé—————————————–
Pn−1 α
Pour n ≥ 2, on a an = 1 − p=1 .
|αp |p2
Grâce au choix de α, on a donc an > 0 pour tout n ∈ N? , et an ↓ 0, quand n → ∞.
La fonction u est bien mesurable et, par le théorème de convergence monotone (plus précisé-
ment, on utilise sa première conséquence, le corollaire 4.1) :
Z X X α
|u|dλ = |αn |(an − an+1 ) = < ∞.
? ?
n2
n∈N n∈N
Donc, u ∈ L1 et aussi u ∈ L1 en confondant, comme d’habitude, u avec sa classe.

P+∞
on remarque ensuite que g ◦ u = n=1 g(αn )1[an+1 ,an [ . On a donc :
Z X X α
|g ◦ u|dλ = |g(αn )|(an − an+1 ) ≥ = ∞.
? ?
n
n∈N n∈N
ceci montre que g ◦ u 6∈ L1 et donc G(u) 6∈ L1 .

—————————————————————————————–
Corrigé 103 (Convergence p.p. et convergence des normes, par Egorov)

Soit (E, T, m) un espace mesuré et 1 ≤ p ≤ ∞. On note Lp l’espace LpR (E, T, m). Soit (fn )n une suite
d’éléments de Lp et f ∈ Lp . On suppose que fn → f p.p., quand n → ∞.
1. Montrer que kf kp ≤ lim inf n→∞ kfn kp . [Traiter séparément le cas 1 ≤ p < ∞ et p = ∞.]
—————————————corrigé—————————————–
391
On suppose que lim inf n→∞ kfn kp < ∞ (sinon, l’inégalité à démontrer est immédiate). Comme
d’habitude, on choisit des représentants de fn et de f (qui sont donc dans Lp ).
Pour p < ∞, on utilise le lemme de Fatou (lemme 4.6) à la suite (gn )n∈N où gn = |fn |p . Comme
gn → |f |p p.p., Il donne : Z Z
|f |p dm ≤ lim inf |fn |p dm.
n→∞
On en déduit que kf kp ≤ lim inf n→∞ kfn kp .

Pour p = ∞, il existe A ∈ T t.q. m(Ac ) = 0 et fn (x) → f (x), quand n → ∞, pour tout x ∈ A.
Pour tout n ∈ N, il existe An ∈ T t.q. m(Acn ) = 0 et fn (x) ≤ kfn k∞ pour tout x ∈ An . On pose
B = A ∩ (∩n∈N An ), de sorte que B ∈ T et m(B c ) = 0. Pour x ∈ B, on a :
f (x) = lim fn (x) = lim inf fn (x) ≤ lim inf kf k∞ .

n→∞ n→∞ n→∞
On en déduit que kf k∞ ≤ lim inf n→∞ kfn k∞ .

—————————————————————————————–
2. En prenant (E, T, m) = (]0, 1[, B(]0, 1[), λ) (où λ est la mesure de Lebesgue sur les boréliens de
]0, 1[), donner un exemple pour lequel la suite (kfn kp )n∈N converge dans R et kf kp < limn∈N kfn kp .
[On pourra aussi traiter séparément les cas 1 ≤ p < ∞ et p = ∞.]
—————————————corrigé—————————————–
1
Pour p < ∞, on peut prendre fn = n p 1]0, n1 [ (et f = 0 p.p.).
Pour p = ∞, on peut prendre fn = 1]0, n1 [ (et f = 0 p.p.).

—————————————————————————————–
Pour la suite de l’exercice, on suppose que kfn kp → kf kp , quand n → ∞.
3. Dans cette question, on suppose que p = 1.
(a) On suppose que m(E) < ∞. Pour tout n ∈ N, on choisit un représentant de fn , encore noté
fn . On choisit aussi un représentant de f , encore noté f . Soit A ∈ T et ε > 0. On suppose
que fn → f uniformément sur Ac . Montrer qu’il existe n0 t.q. :
Z Z
n ≥ n0 ⇒ |fn |dm ≤ ε + |f |dm.
A A
—————————————corrigé—————————————–
Pour n ∈ N, on a :
Z Z Z
|fn |dm = |f |dm + (|fn | − |f |)dm
AZ A A Z (12.91)
= |f |dm + kfn k1 − kf k1 + (|f | − |fn |)dm.
A Ac
Soit ε > 0. Par convergence uniforme de fn vers f sur Ac (qui est de mesure finie car
m(E) < ∞), il existe n1 t.q.
Z Z
n ≥ n1 ⇒ (|f | − |fn |)dm ≤ |fn − f |dm ≤ ε.
Ac Ac
392
Comme kfn k1 → kf k1 , quand n → ∞, il existe n2 t.q. n ≥ n2 ⇒ kfn k1 − kf k1 ≤ ε. Pour
n0 = max(n1 , n2 ), on a donc :
Z Z
n ≥ n0 ⇒ |fn |dm ≤ |f |dm + 2ε.
A A
ce qui donne le résultat demandé.

—————————————————————————————–
(b) On suppose que m(E) < ∞. Montrer que fn → f dans L1 , quand n → ∞. [On pourra utiliser
le théorème d’Egorov.]
—————————————corrigé—————————————–
Soit ε > 0. D’après la proposition 4.9 page 92, il existe δ > 0 t.q.
Z
(A ∈ T, m(A) ≤ δ) ⇒ |f |dm ≤ ε.
A
Le théorème d’Egorov (théorème 3.2) donne l’existence de A ∈ T t.q. m(A) ≤ δ et fn → f

uniformément sur Ac . On a donc :
Z Z Z Z
|fn − f |dm ≤ |fn − f |dm + |fn |dm + |f |dm.
Ac A A
R
On a A
|f |dm ≤ ε. Par la question précédente, il existe n0 t.q.
Z Z
n ≥ n0 ⇒ |fn |dm ≤ |f |dm + 2ε ≤ 3ε.
A A
c
Par convergence uniforme de fn vers f sur A , il existe n1 t.q.
Z
n ≥ n1 ⇒ |fn − f |dm ≤ m(E) sup |fn − f | ≤ ε.
Ac Ac
On a donc finalement :
Z
n ≥ max(n0 , n1 ) ⇒ |fn − f |dm ≤ 5ε.
Ce qui prouve que fn → f dans L1 , quand n → ∞.

—————————————————————————————–
(c) On suppose que m(E) = ∞. Soit ε > 0. Montrer qu’il existe C ∈ T t.q. :
Z
m(C) < ∞ et |f |dm ≤ ε.
Cc
—————————————corrigé—————————————–
Cette question est résolue dans la proposition 4.9 page 92.
—————————————————————————————–
(d) On suppose que m(E) = ∞. Montrer que fn → f dans L1 , quand n → ∞.
—————————————corrigé—————————————–
R
Soit ε > 0. La question précédente donne l’existence de C ∈ T t.q. m(C) < ∞ et C c |f |dm ≤
ε.
393
R
La proposition 4.9 donne ici aussi l’existence de δ > 0 t.q. (A ∈ T, m(A) ≤ δ) ⇒ A
|f |dm ≤ ε.
Le théorème d’Egorov (appliqué à la mesure définie par mC (B) = m(B ∩ C) pour B ∈ T , qui
est bien une mesure finie sur T ) donne l’existence de A ∈ T t.q. m(A ∩ C) ≤ δ et fn → f
uniformément sur Ac . On a donc :
Z Z Z Z
|fn − f |dm ≤ |fn − f |dm + |fn |dm + |f |dm.
Ac ∩C A∪C c A∪C c
R R R R
Par le choix de A et de C, on a A∪C c
|f |dm = (A∩C)∪C c
|f |dm ≤ A∩C
|f |dm+ Cc
|f |dm ≤ 2ε.
En reprenant la question 3a, on remarque que l’hypothèse m(E) < ∞ n’a été utilisée que pour
dire que m(Ac ) < ∞. Ici, comme m(Ac ∩ C) < ∞, la même démonstration donne donc qu’il
il existe n0 t.q. Z Z
n ≥ n0 ⇒ |fn |dm ≤ |f |dm + 2ε ≤ 4ε.
A∪C c A∪C c
Enfin, par convergence uniforme de fn vers f sur Ac , il existe n1 t.q.
Z
n ≥ n1 ⇒ |fn − f |dm ≤ m(C) sup |fn − f | ≤ ε.
Ac ∩C Ac
On a donc : Z
n ≥ max(n0 , n1 ) ⇒ |fn − f |dm ≤ 7ε.
Ce qui prouve que fn → f dans L1 , quand n → ∞.

—————————————————————————————–
4. Dans cette question, on suppose que 1 < p < ∞. Montrer que fn → f dans Lp , quand n → ∞.
[S’inspirer de la méthode suggérée pour le cas p = 1.]
—————————————corrigé—————————————–
On traite directement le cas général (c’est-à-dire m(E) ≤ ∞).R Soit ε > 0. Comme |f |p ∈ L1 , La
proposition 4.9 donne l’existence de C ∈ T t.q.R m(C) < ∞ et C c |f |p dm ≤ ε. Elle donne ici aussi
l’existence de δ > 0 t.q. (A ∈ T, m(A) ≤ δ) ⇒ A |f |p dm ≤ ε.
On applique maintenant le théorème d’Egorov avec la mesure mC (comme à la question précédente)
et pour les suites (fn )n∈N et (|fn |p )n∈N . On obtient (en prenant l’union des ensembles donnés par
le théorème pour ces deux suites) l’existence de A ∈ T t.q. m(A ∩ C) ≤ δ, fn → f uniformément
sur Ac et |fn |p → |f |p uniformément sur Ac . On a :
Z Z Z Z
|fn − f |p dm ≤ |fn − f |p dm + 2p |fn |p dm + 2p |f |p dm.
Ac ∩C A∪C c A∪C c
|f |p dm = |f |p dm ≤ |f |p dm+ |f |p dm ≤ 2ε.
R R R R
Par le choix de A et de C, on a A∪C c (A∩C)∪C c A∩C Cc
Comme à la question précédente, en reprenant la question 3a, on obtient qu’il existe n0 t.q.
Z Z
p
n ≥ n0 ⇒ |fn | dm ≤ |f |p dm + 2ε ≤ 4ε.
A∪C c A∪C c
394
En fait, pour montrer cette inégalité avec la question 3a, on remplace (12.91) par :
Z Z Z
|fn |p dm = |f |p dm + (|fn |p − |f |p )dm
Z c
A∪C A∪C c ZA∪C c
= |f |p dm + kfn kpp − kf kpp + (|f |p − |fn |p )dm,
A∪C c Ac ∩C
et on utilise la convergence de kfn kpp vers kf kpp , la convergence uniforme de |fn |p vers |f |p et le fait
que m(C) < ∞.
Enfin, par convergence uniforme de fn vers f sur Ac , il existe n1 t.q.
Z
n ≥ n1 ⇒ |fn − f |p dm ≤ m(C) sup |fn − f |p ≤ ε.
Ac ∩C Ac
On a donc : Z
n ≥ max(n0 , n1 ) ⇒ |fn − f |p dm ≤ 2p (7ε).
Ce qui prouve que fn → f dans Lp , quand n → ∞.

—————————————————————————————–
5. Dans cette question, on suppose que p = ∞ et que (E, T, m) = (]0, 1[, B(]0, 1[), λ). Donner un
exemple pour lequel fn 6→ f dans L∞ , quand n → ∞.
—————————————corrigé—————————————–
Pour n ≥ 2, on pose f = 1] 21 ,1[ et on définit fn ainsi :
fn (x) = 0 si 0 ≤ x ≤ 21 ,
fn (x) = n(x − 21 ) si 12 ≤ x ≤ 1
2 + n1 ,
fn (x) = 1 si 21 + n1 ≤ x ≤ 1.
On a bien, quand n → ∞, fn → f p.p., kfn k∞ → kf k∞ et fn 6→ f dans L∞ (car kfn − f k∞ = 1

pour tout n ≥ 2).
—————————————————————————————–
Corrigé 104 (Conv. p.p. et conv. des normes, par Fatou)

Soit (E, T, m) un espace mesuré. Pour p ∈ [1, ∞], on note Lp l’espace LpR (E, T, m).
Soit p ∈ [1, ∞[, (fn )n∈N une suite d’éléments de Lp et f ∈ Lp . On suppose que fn → f p.p. et que
kfn kp → kf kp , quand n → ∞.
1. On suppose que p = 1. Pour n ∈ N, on pose gn = |fn | + |f | − |fn − f | (en ayant choisi des
représentants de fn et f ). Montrer que gn ≥ 0 pour tout n ∈ N. En utilisant le lemme de Fatou,
—————————————corrigé—————————————–
Comme |f − fn | ≤ |f | + |fn |, on a bien gn ≥ 0.Comme gn tends p.p. vers 2|f |, le lemme de Fatou
(lemme 4.6) donne : Z Z
2|f |dm ≤ lim inf gn dm.
n→∞
395
R R R
Comme kfn k1 → kf k1 , on a lim inf n→∞ gn dm = 2 |f |dm − lim supn→∞ |f − fn |dm. On a
donc : Z Z Z
2|f |dm ≤ 2 |f |dm − lim sup |f − fn |dm.
n→∞
On en déduit que lim supn→∞ |f − fn |dm ≤ 0, et donc que fn → f dans L1 .

R
—————————————————————————————–
2. On suppose maintenant que p ∈]1, ∞[. En utilisant le lemme de Fatou pour une suite convenable,
montrer que fn → f dans Lp .
—————————————corrigé—————————————–
On prend maintenant gn = 2p |fn |p +2p |f |p −|fn −f |p . Comme |f −fn | ≤ |f |+|fn | ≤ 2 max{|fn |, |f |},
on a |f − fn |p ≤ 2p max{|fn |, |f |}p ≤ 2p |fn |p + 2p |f |p . On a donc gn ≥ 0. Comme gn tends p.p.
vers 2p+1 |f |p , le lemme de Fatou (lemme 4.6) donne :
Z Z
2p+1 |f |p dm ≤ lim inf gn dm.
n→∞
Comme kfn kp → kf kp , on a lim inf n→∞ gn dm = 2p+1 |f |p dm − lim supn→∞ |f − fn |p dm. On

R R R
a donc : Z Z Z
2p+1 |f |p dm ≤ 2p+1 |f |p dm − lim sup |f − fn |p dm.
n→∞
On en déduit que lim supn→∞ |f − fn | dm ≤ 0, et donc que fn → f dans Lp .

p
R
—————————————————————————————–
Corrigé 105 (Compacité Lp − Lq )

Dans cet exercice, (E, T, m) est un espace mesuré. Pour tout 1 ≤ r ≤ ∞, on note Lr l’espace LrR (E, T, m)
(et Lr l’espace LrR (E, T, m)).
1. Soit r > 1 et (gn )n∈N une suite bornée de Lr . Montrer que la suite (gn )n∈N est équi-intégrable,
c’est-à-dire que :
Z
∀ε > 0, ∃δ > 0 t.q. n ∈ N, A ∈ T, m(A) ≤ δ ⇒ |gn |dm ≤ ε.
A
[Utiliser l’inégalité de Hölder.]

—————————————corrigé—————————————–
En utilsant l’inégalité de Hölder (inégalité (6.3)) entre r ∈]1, ∞] et son conjugué et les fonctions gn
et 1A , on obtient, pour tout A ∈ T de mesure finie :
Z
1
|gn |dm ≤ kgn kr m(A)1− r .
A
1
Si C est un majorant de {kgn kr , n ∈ N}, il suffit donc de prendre δ > 0 t.q. Cδ 1− r ≤ ε (ce qui est
possible car r > 1) pour avoir le résultat demandé.
—————————————————————————————–
Soit 1 ≤ p < q ≤ ∞ et (fn )n∈N une suite bornée de Lq . On suppose dans toute la suite que fn → f
p.p. quand n → ∞.
396
2. (Compacité Lp − Lq .) On suppose que m(E) < ∞.
(a) Montrer que f ∈ Lq (au sens “il existe g ∈ Lq t.q. f = g p.p.”).

—————————————corrigé—————————————–
Pour chaque n ∈ N, on choisit un représentant de fn , encore noté fn . Il existe A ∈ T t.q.
m(A) = 0 et fn (x) → f (x), quand n → ∞, pour tout x ∈ Ac . On pose g(x) = f (x) pour
x ∈ Ac et g(x) = 0 pour x ∈ A, de sorte que g = f p.p. et g(x) = limn→∞ fn 1Ac (x) pour tout
x ∈ E.
Si q < ∞, on applique le lemme de Fatou à la suite (|fn |q )n∈N . Il donne :

Z Z
|g|q dm ≤ lim inf |fn |q dm ≤ C q ,
n→∞
où C est un majorant de {kfn kq , n ∈ N}. On a donc g ∈ Lq et donc f ∈ Lq (au sens demandé).
Si q = ∞, comme |fn | ≤ kfn k∞ p.p., on déduit de g(x) = limn→∞ fn 1Ac (x) pour tout x ∈ E
le fait que kgk∞ ≤ C p.p., où C est un majorant de {kfn k∞ , n ∈ N}. On a donc, ici aussi,
g ∈ L∞ et donc f ∈ L∞ (au sens demandé).
—————————————————————————————–
(b) Montrer que fn → f dans Lp quand n → ∞. [Utiliser la question 1 avec gn = |fn − f |p et un
théorème du cours.]
—————————————corrigé—————————————–
La suite (gn )n∈N est bornée dans Lr , avec r = pq > 1. Elle est donc équi-intégrable (par
la question 1). Comme elle converge p.p. vers 0 et que m(E) < ∞, le théorème de Vitali
(théorème 4.8) donne que la suite (gn )n∈N converge vers 0 dans L1 et donc que fn → f dans
Lp quand n → ∞.
—————————————————————————————–
3. On suppose que m(E) = ∞.
(a) Soit B ∈ T t.q. m(B) < ∞. Montrer que fn 1B → f 1B dans Lp quand n → ∞.

—————————————corrigé—————————————–
On définit la mesure mB sur T en posant m(A) = m(A ∩ B) pour tout A ∈ T . la mesure mB
est finie. On peut donc appliquer la question 2 avec cette mesure. On obtient que fn → f ,
quand n → ∞, R dans l’espae LpR (E, p
R T, mB ).p Ceci qui donne que fn 1B → f 1B dans L quand
p
n → ∞ (car, |fn − f | 1B dm = |fn − f | dmB ).
—————————————————————————————–
(b) On prend ici (E, T, m) = (R, B(R), λ), q = 2, p = 1, f = 0. Donner un exemple pour lequel
(fn )n∈N ⊂ L1 , fn 6→ 0 dans L1 quand n → ∞ (et (fn )n∈N bornée dans L2 , fn → 0 p.p. quand
n → ∞).
—————————————corrigé—————————————–
On peut prendre, par exemple, fn = 1]n,n+1[ .
—————————————————————————————–
Corrigé 106 (Exemples de v.a. appartenant à Lq )

Soit (Ω, A, P ) un espace de probabilités et X une v.a. (réelle). Dans les trois cas suivants, donner les
valeurs de q ∈ [1, ∞] pour lesquels la variable aléatoire X appartient à l’espace Lq (Ω, A, P ) :
397
1. X suit une loi exponentielle E(λ) (λ > 0) (c’est-à-dire que la loi de X a une densité f par rapport
à la mesure de Lebesgue, avec f (x) = λ exp(−λx)1]0,+∞[ pour x ∈ R).
—————————————corrigé—————————————–
Soit q ∈ [1, ∞[, on a :
Z Z Z ∞
|X|q dP = |x|q dPX (x) = xq λ exp(−λx)dx < ∞,
Ω R 0
car la fonction x 7→ |x| λ exp(−λx) est intégrable par rapport à la mesure de Lebesgue sur R+ . On
q
a donc X ∈ Lq (Ω, A, P ).
Soit maintenant q = ∞. Pour tout a > 0, on a, avec A =]a, ∞[ :
Z Z Z ∞
P [X > a] = 1A (X)dP = 1A (x)dPX (x) = λ exp(−λx)dx > 0,
Ω R a
∞
car λ exp(−λx) > 0 pour tout x > a. Donc X 6∈ L (Ω, A, P ).
—————————————————————————————–
2. X suit une loi de Cauchy de paramètre c > 0 (la loi de X a une densité f par rapport à la mesure
c
de Lebesgue, avec f (x) = π1 x2 +c2 pour x ∈ R).
—————————————corrigé—————————————–
Il suffit ici de considérer le cas q = 1. On a :
c ∞ c ∞ 1
Z Z Z Z
x
|X|dP = |x|dPX (x) ≥ dx ≥ dx = ∞.
Ω R π 0 x2 + c2 π c 2x
On a donc X 6∈ L1 (Ω, A, P ), ce qui donne aussi X 6∈ Lq (Ω, A, P ) pour tout q ∈ [1, ∞] (car
Lq (Ω, A, P ) ⊂ L1 (Ω, A, P ) pour q > 1).
—————————————————————————————–
3. X suit une loi géométrique G(p) (p ∈]0, 1[) (c’est-à-dire que P ({X = k}) = p(1 − p)k−1 , pour tout
k ∈ N? ).
—————————————corrigé—————————————–
On notePAk = {X = k} = {ω ∈ Ω, X(ω) = k} et A = ∪∞ k=1 Ak . Par σ-additivité de P , on a
∞ P∞
P (A) = k=1 P (Ak ) = k=1 p(1 − p)k−1 = 1. On a donc P (Ac ) = 0.
Soit q ∈ [1, ∞[, on a :
Z Z ∞ Z
X ∞
X
|X|q dP = |X|q dP = |X|q dP = k q p(1 − p)k−1 < ∞,
Ω A k=1 Ak k=1
car la série de terme général k q p(1 − p)k−1 est convergente (pour le voir, il suffit, par exemple, de
remarquer que
(k + 1)q p(1 − p)k (k + 1)q (1 − p)
lim q k−1
= lim = 1 − p < 1.
k→∞ k p(1 − p) k→∞ kq
On a donc X ∈ Lq (Ω, A, P ).
Soit maintenant q = ∞. Pour tout a > 0, on a P [X > a] ≥ P (Ak ) > 0 si k > a. On a donc
X 6∈ L∞ (Ω, A, P ).
—————————————————————————————–
398
12.6.2 Espaces de Hilberts, espace L2
Corrigé 107
Soit (E, T, m) un espace
P mesuré et (fn )n∈N une suite d’élements de L2R (E,
P T, m) deux à deux orthogonaux.
2
Montrer que la série n∈N fn converge (dans L ) si et seulement si n∈N kfn k22 est convergente (dans
R).
—————————————corrigé—————————————–
Comme L2R (E, T, m) est un espace complet, 2
P
Pn la série n∈N fn est convergente dans LR (E, T, m) si et
2
seulement la suite des sommes partielles, ( k=0 fk )n∈N , est de Cauchy (dans L ). Cette suite des sommes
partielles est de Cauchy si et seulement si elle vérifie :
m
X
∀ ε > 0, ∃ n0 t.q. m ≥ n ≥ n0 ⇒ k fk k22 ≤ ε. (12.92)
k=n
Le fait que les fn soient deux à deux orthogonaux nous donne (théorème de Pythagore) que
m
X m
X
k fk k22 = kfk k22 .
k=n k=n
Pn
L’assertion 12.92 est donc équivalente Pà dire que la suite ( k=0 kfk k22 )n∈N est de Cauchy (dans R), ce
qui est équivalent à dire que la série n∈N kfn k22 est convergente (dans R).
—————————————————————————————–
Corrigé 108 (Lp n’est pas un espace de Hilbert si p 6= 2)

Montrer que LpR (R, B(R), λ) (muni de sa norme usuelle) n’est pas un espace de Hilbert si 1 ≤ p ≤ ∞,
p 6= 2. [Pour p 6= 2, chercher des fonctions f et g mettant en défaut l’identité du parallèlogramme,
c’est-à-dire l’identité (6.18) page 144.]
—————————————corrigé—————————————–
On prend f = 1]0,1[ et g = 1]1,2[ , de sorte que f ∈ LpR (R, B(R), λ), g ∈ LpR (R, B(R), λ) (avec la confusion
habituelle entre une classe et l’un de ses représentants) et que :
1
kf kp = kgkp = 1, kf + gkp = kf − gkp = 2 p .
2
Pour p 6= 2, on a donc kf + gk2p + kf − gk2p = 2(2 p ) 6= 4 = 2kf k2p + 2kgk2p .
L’identité du parallèlogramme, c’est-à-dire l’identité (6.18) page 144, n’est donc pas satisfaite (pour
p 6= 2), ce qui prouve que, pour p 6= 2, la norme k · kp (sur LpR (R, B(R), λ)) n’est pas induite par un
produit scalaire.
—————————————————————————————–
Corrigé 109 (projection sur le cône positif de L2 )

Soit (X, T, m) un espace mesuré et E = L2R (X, T, m). On pose C = {f ∈ E, f ≥ 0 p.p.}.
1. Montrer que C est une partie convexe fermée non vide de E.
—————————————corrigé—————————————–
• C 6= ∅ car 0 ∈ C.
399
• Soit f, g ∈ C et t ∈ [0, 1]. On a tf + (1 − t)g ∈ L2 = L2R (X, T, m), car L2 est un e.v., et
tf + (1 − t)g ≥ 0 p.p.. On a donc tf + (1 − t)g ∈ C, ce qui prouve que C est convexe.
• Soit (fn )n∈N ⊂ C t.q. fn → f dans L2 quand n → ∞. On veut montrer que f ∈ C (pour en
déduire que C est fermée).
Pour tout ϕ ∈ L2 , on a fn ϕdm → f ϕdm (car | fn ϕdm − f ϕdm| ≤ kfn − f k2 kϕk2 ).

R R R R
On choisit ϕ = f − ∈ L2 . Comme fn f − ≥ 0 p.p., on en déduit − (f − )2 dm = f f − dm ≥ 0.

R R
Ce qui prouve que f − = 0 p.p. et donc que f ≥ 0 p.p.. On a donc montré que f ∈ C et donc
que C est fermée.
Pour montrer que C est fermée, il est aussi possible d’utiliser la réciproque partielle du théorème
de convergence dominée (théorème 6.2).
—————————————————————————————–
2. Soit f ∈ E. Montrer que PC f = f + .
—————————————corrigé—————————————–
On a f ∈ C. Pour montrer que PC f = f + , on utilise la première caractérisation de la projection
+
(proposition 6.15).
Soit g ∈ C, on a (f − f + /f + − g)2 = −(f − /f + − g)2 = f − gdm ≥ 0 (on a utilisé ici le fait que
R
f − f + = 0 p.p.). La proposition 6.15 donne alors PC f = f + .

—————————————————————————————–
Corrigé 110 (Exemple de non existence de la projection sur un s.e.v. fermé)

Dans cet exercice, on donne un exemple t.q. :
E est un espace de Banach réel, F est un sous espace vectoriel fermé de E, g ∈ E \ F (et donc d(g, F ) =
inf{kg − f kE , f ∈ F } > 0. . . ) et il n’existe pas d’élément f ∈ E t.q. d(g, F ) = kg − f kE .
On prend E = C([0, 1], R), on munit E de la norme habituelle, kf kE = max{|f (x)|, x ∈ [0, 1]}. On pose
R1
F = {f ∈ E; f (0) = 0, 0 f (x)dx = 0}. Enfin, on prend g ∈ E défini par g(x) = x, pour tout x ∈ [0, 1].
1. Montrer que E est un espace de Banach (réel).
—————————————corrigé—————————————–
Il est clair que E est un e.v. sur R et que k · kE est une norme sur E, c’est la norme associée à la
convergence uniforme. On montre maintenant que E est complet.
Soit (fn )n∈N une suite de Cauchy de E. Pour tout ε > 0, il existe donc n(ε) t.q. :
x ∈ [0, 1], n, m ≥ n(ε) ⇒ |fn (x) − fm (x)| ≤ ε. (12.93)
De (12.93) on déduit que, pour tout x ∈ [0, 1], la suite (fn (x))n∈N est de Cauchy. Il existe donc
f : [0, 1] → R t.q. fn (x) → f (x) quand n → ∞, pour tout x ∈ [0, 1]. Pour montrer que la
convergence de fn vers f est uniforme, il suffit de reprendre (12.93) avec un x fixé et un n fixé
(n ≥ n(ε)) et de faire tendre m verts ∞, on obtient :
x ∈ [0, 1], n ≥ n(ε) ⇒ |fn (x) − f (x)| ≤ ε, (12.94)
400
ce qui donne bien la convergence uniforme de fn vers f . Comme les fn sont continues, on en déduit
que f est continue (comme limite uniforme de fonctions continues), c’est-à-dire f ∈ E. Enfin,
(12.94) donne kfn − f kE ≤ ε si n ≥ n(ε) et donc fn → f dans E, quand n → ∞. Ce qui prouve
que E est complet.
—————————————————————————————–
2. Montrer que F est un sous espace vectoriel fermé de E.
—————————————corrigé—————————————–
R1
On note T et S les applications de E dans R définies par T (f ) = f (0) et S(f ) = 0 f (x)dx. Il
s’agit donc d’applications linéaires de E dans R. Elles sont également continues car |T (f )| ≤ kf kE
et |S(f )| ≤ kf kE pour tout f ∈ E.
On en déduit que F est un s.e.v. fermé de E en remarquant que F = KerT ∩ KerS.
—————————————————————————————–
R1 R1
3. Soit f ∈ F . Montrer que kg − f kE ≥ 1/2. [On pourra remarquer que 0 |(g − f )(x)|dx ≥ 0 (g −
f )(x)dx = 1/2.]
—————————————corrigé—————————————–
Comme (g − f )(x) ≤ |(g − f )(x)| pour tout x ∈ [0, 1], on a bien
Z 1 Z 1
(g − f )(x)dx ≤ |(g − f )(x)|dx.
0 0
R1 R1 R1 1
On remarque ensuite que, puisque f ∈ F , on a 0 (g − f )(x)dx = 0 g(x)dx = 0 xdx = 2. Et
donc : Z 1
1
≤ |(g − f )(x)|dx.
2 0
R1
Puis, comme 0 |(g − f )(x)|dx ≤ kg − f kE , on en déduit que kg − f kE ≥ 1/2.
—————————————————————————————–
4. Montrer qu’il n’existe pas d’élément f ∈ F t.q. kg − f kE = 1/2.
—————————————corrigé—————————————–
Dans le raisonnement de la question précédente, on remarque que les kg − f kE > 1/2 sauf si
R1 R1 R1
0
|(g − f )(x)|dx = kg − f kE et 0 (g − f )(x)dx = 0 |(g − f )(x)|dx.
R1 R1 R1
Soit f ∈ F t.q. kg −f kE = 1/2. On a donc 0 (g −f )(x)dx = 0 |(g −f )(x)|dx et 0 |(g −f )(x)|dx =
kg − f kE . On en déduit que (g − f )(x) = |(g − f )(x)| = kg − f kE = 1/2 pour tout x ∈ [0, 1]. En
effet, si il existe, par exemple, x0 ∈ [0, 1] t.q. (g − f )(x0 ) < |(g − f )(x0 )|, on peut alors trouver (par
continuité de g − f ) un intervalle ouvert non vide sur lequel (g − f ) < |(g − f )| et on en déduit
R1 R1
0
(g − f )(x)dx < 0 |(g − f )(x)|dx (un raisonnement analogue donne |(g − f )(x)| = kg − f kE pour
tout x ∈ [0, 1]).
On a donc montré que f (x) = g(x) − 21 = x − 21 pour tout x ∈ [0, 1] ce qui est en contradiction avec
f (0) = 0.
—————————————————————————————–
401
5. Montrer que d(g, F ) = 1/2. [On pourra, par exemple, montrer que kg − fn kE → 1/2, avec fn défini
par fn (x) = −βn x, pour x ∈ [0, 1/n], fn (x) = (x − 1/n) − βn /n, pour x ∈ [1/n, 1], et βn choisi pour
que fn ∈ F .]
—————————————corrigé—————————————–
Soit n ∈ N? et fn définie par fn (x) = −βn x, pour x ∈ [0, 1/n], fn (x) = (x − 1/n) − βn /n, pour
R1
x ∈ [1/n, 1]. En prenant βn = (n − 1)2 /(2n − 1) on a 0 fn (x)dx = 0 et donc fn ∈ F . On remarque
ensuite que kfn − gkE = 1/n − βn /n → 1/2 quand n → ∞. On en déduit que d(g, F ) = 1/2.
—————————————————————————————–
Corrigé 111 (Lemme de Lax-Milgram)

Soit E est un espace de Hilbert réel et a une application bilinéaire de E × E dans R. On note (·/·) le
produit scalaire dans E et k · k la norme dans E. On suppose qu’il existe C ∈ R et α > 0 t.q. :
|a(u, v)| ≤ Ckukkvk, ∀u, v ∈ E (continuité de a),
a(u, u) ≥ αkuk2 , ∀u ∈ E (coercivité de a).

Soit T ∈ E 0 . On va montrer, dans cet exercice, qu’il existe un et un seul u ∈ E t.q. T (v) = a(u, v) pour
tout v ∈ E (ceci est le lemme de Lax-Milgram).
1. On suppose, dans cette question, que a est symétrique. On définit une application bilinéaire, notée
(·/·)a de E × E dans R par (u/v)a = a(u, v). Montrer que (·/·)a est un produit scalaire sur E et
que la norme induite par ce produit scalaire est équivalente à la norme k · k. En déduire qu’il existe
un et un seul u ∈ E t.q. T (v) = a(u, v) pour tout v ∈ E. [Utiliser le théorème de représentation de
Riesz.]
—————————————corrigé—————————————–
L’application (·/·)a : E × E → R est symétrique, linéaire par rapport à son premier argument, et
(u/u)a > 0 pour u ∈ E \ {0} (grâce à la coercivité de a). C’est donc un produit scalaire sur E.
La norme induite par ce produit scalaire est équivalente à la norme sur E, notée k · k. En effet, les
hypothèses de continuité et coercivité de a donnent
√ √
αkuk ≤ kuka ≤ Ckuk, ∀u ∈ E.
Comme T est dans E 0 , c’est-à-dire linéaire et continu pour la norme k · k, T est aussi linéaire et
continu pour la norme k · ka . Or, E muni de la norme k · ka est un espace de Hilbert car la norme
k · ka est induite par un produit scalaire et E est complet avec cette norme car il est complet
avec la norme k · k qui est équivalente. On peut donc appliquer le théorème de représentation de
Riesz (théorème 6.8) avec E muni de la norme k · ka . Il donne qu’il existe un et seul u ∈ E t.q.
T (v) = (u/v)a pour tout v ∈ E, c’est-à-dire qu’il existe un et un seul u ∈ E t.q. :
T (v) = a(u, v) pour tout v ∈ E.
—————————————————————————————–
2. On ne suppose plus que a est symétrique.
402
(a) Soit u ∈ E, Montrer que l’application v 7→ a(u, v) est un élément de E 0 . En déduire qu’il
existe un et un seul élément de E, notée Au, t.q. (Au/v) = a(u, v) pour tout v ∈ E.
—————————————corrigé—————————————–
L’application ψu : E → R, définie par ψu (v) = a(u, v) pour tout v ∈ E, est bien linéaire de
E dans R. Elle est aussi continue car |ψu (v)| = |a(u, v)| ≤ Ckukkvk pour tout v dans E. On
a donc ψu ∈ E 0 (et kψu kE 0 ≤ Ckuk).
Comme ψu ∈ E 0 , le théorème de représentation de Riesz (théorème 6.8) donne qu’il existe un
élément de E, noté Au t.q. (Au/v) = ψu (v) pour tout v ∈ E, c’est-à-dire :
(Au/v) = a(u, v) pour tout v ∈ E.
—————————————————————————————–
On note, dans la suite A l’application qui à u ∈ E associe Au ∈ E.
(b) Montrer que A est linéaire continue de E dans E.
—————————————corrigé—————————————–
Soit u1 , u2 ∈ E, α1 , α2 ∈ R. On note w = α1 u1 + α2 u2 . Comme a est linéaire par rapport à
son premier argument, on a :
a(w, v) = α1 a(u1 , v) + α2 a(u2 , v) pour tout v ∈ E,
et donc (Aw/v) = α1 (Au1 /v) + α2 (Au2 /v) pour tout v ∈ E, ou encore
(Aw − α1 Au1 − α2 Au2 /v) = 0 pour tout v ∈ E.
On en déduit que Aw = α1 Au1 − α2 Au2 (il suffit de prendre v = Aw − α1 Au1 − α2 Au2 dans
l’égalité précédente) et donc que A est une application linéaire de E dans E.
Pour montrer la continuité de A, on remarque que (pour tout u ∈ E) |(Au/v)| = |a(u, v)| ≤
Ckukkvk pour tout v ∈ E. D’où l’on déduit, en prenant v = Au, que kAuk ≤ Ckuk.
L’application A est donc linéaire continue de E dans E.
Il est important, pour la suite, de remarquer que la coercivité de a donne :
αkuk2 ≤ a(u, u) = (Au/u) ≤ kAukkuk, pour tout u ∈ E,
et donc :
1
kuk ≤
kAuk, pour tout u ∈ E. (12.95)
α
—————————————————————————————–
(c) Montrer que Im(A) est fermé
—————————————corrigé—————————————–
Soient (fn )n∈N ⊂ Im(A) et f ∈ E t.q. fn → f dans E quand n → ∞. On veut montrer que
f ∈ Im(A).
Comme fn ∈ Im(A), il existe, pour tout n ∈ N, un ∈ E t.q. Aun = fn . L’inégalité (12.95)
donne alors, pour tout n, m ∈ N,
1
kun − um k ≤ kfn − fm k.
α
403
La suite (fn )n∈N étant de Cauchy (car convergente), on en déduit que la suite (un )n∈N est de
Cauchy et donc convergente (car E est complet).
Il existe donc u ∈ E t.q. un → u (dans E) quand n → ∞. D’où l’on déduit, comme A est
continue, que fn = Aun → Au (dans E) quand n → ∞. On a donc f = Au, ce qui prouve que
f ∈ Im(A) et donc que Im(A) est fermé.
—————————————————————————————–
(d) Montrer que (Im(A))⊥ = {0}.
—————————————corrigé—————————————–
Soit u ∈ (Im(A))⊥ . On a donc (Av/u) = 0 pour tout v ∈ E. On prend v = u, on obtient,
grâce à la coercivité de a :
αkuk2 ≤ a(u, u) = (Au/u) = 0,
et donc u = 0. Ceci prouve bien que (Im(A))⊥ = {0}.
—————————————————————————————–
(e) Montrer que A est bijective et en déduire qu’il existe un et un seul u ∈ E t.q. T (v) = a(u, v)
pour tout v ∈ E.
—————————————corrigé—————————————–
L’inégalité (12.95) donne l’injectivité de A. Pour montrer la surjectivité de A, on remarque
que Im(A) est un s.e.v. fermé de E, on a donc E = Im(A) ⊕ (Im(A))⊥ (cf. théorème 6.7).
Comme (Im(A))⊥ = {0}, on a donc E = Im(A), c’est-à-dire A surjective.
On a bien bien montré que A est bijective.
Le théorème de représentation de Riesz (théorème 6.8) donne l’existence d’un et un seul z ∈ E

t.q.
T (v) = (z/v), ∀v ∈ E.
D’autre part, la définition de A donne :
a(u, v) = (Au/v), ∀v ∈ E.
Pour u ∈ E, on a donc :
(T (v) = a(u, v), ∀v ∈ E) ⇔ (z = Au).
La bijectivité de A donne l’existence d’un et d’un seul u ∈ E t.q. Au = z. On a donc un et

un seul u ∈ E t.q. T (v) = a(u, v) pour tout v ∈ E.
—————————————————————————————–
Corrigé 112 (Exemple de projection dans L2 )

Soit g ∈ L2 .
1. Soit v ∈ L2 et φ ∈ Cc∞ (]0, 1[, R) (on rappelle que φ ∈ Cc∞ (]0, 1[, R) signifie que φ est une application
de ]0, 1[ dans R, de classe C ∞ , et qu’il existe K ⊂]0, 1[, K compact, t.q. φ(x) = 0 pour tout
x ∈]0, 1[\K) . Montrer que vgφ0 ∈ L1 .
404
—————————————corrigé—————————————–
Comme d’habitude, on va confondre un élément de Lp avec l’un de ses représentants.
Comme g, v ∈ L2 , on a vg ∈ L1 (d’après le lemme 6.2). Puis, comme φ0 ∈ Cc∞ (]0, 1[, R), on a
φ0 ∈ L∞ et donc (par la proposition 6.9) vgφ0 ∈ L1 .
—————————————————————————————–
On pose C = {v ∈ L2 ; v ≤ 1 p.p., vgφ0 dλ ≤ φdλ, pour tout φ ∈ Cc∞ (]0, 1[, R), φ ≥ 0}. (On
R R
rappelle que φ ≥ 0 signifie φ(x) ≥ 0 pour tout x ∈]0, 1[.)

2. Montrer que C est un convexe fermé non vide de L2 .
—————————————corrigé—————————————–
• C 6= ∅ car 0 ∈ C.
• On montre la convexité de C. Soient v, w ∈ C et t ∈ [0, 1]. On a tv + (1 − t)w ∈ L2 (car L2
est un e.v.). Du fait que v ≤ 1 p.p. et w ≤ 1 p.p., on déduit immédiatement (comme t ≥ 0
et (1 − t) ≥ 0) que tv + (1 − t)w ≤ t + (1 − t) = 1 p.p.. Enfin, soit φ ∈ Cc∞ (]0, 1[, R), φ ≥ 0.
Comme t ≥ 0 et (1 − t) ≥ 0, on remarque que
t vgφ0Rdλ ≤ t φdλ,
R R
(1 − t) wgφ0 dλ ≤ (1 − t) φdλ.
R
Ce qui donne, en additionnant,

Z Z
(tv + (1 − t)w)gφ0 dλ ≤ φdλ.
On en déduit que (tv + (1 − t)w) ∈ C et donc que C est convexe.

• On montre enfin que C est fermée. Soient (vn )n∈N ⊂ C et v ∈ L2 t.q. vn → v dans L2 quand
n → ∞. On veut montrer que v ∈ C.
On remaque tout d’abord que, grâce à l’inégalité de Cauchy-Schwarz (inégalité (6.14)), on a :
Z Z
vn wdλ → vwdλ, quand n → ∞, ∀w ∈ L2 . (12.96)
On prend w = v1v>1 ∈ L2 dans

R R
R (12.96). R Comme vn w ≤ w Rp.p., on a vn wdλ ≤ wdλ.
On déduit alors de (12.96) que vwdλ ≤ wdλ et donc que (v − 1)v1v>1 dλ ≤ 0. Comme
v(v − 1)1v>1 ≥ 0 p.p., on a donc nécessairement v(v − 1)1v>1 = 0 p.p. et donc λ({v > 1}) = 0,
c’est-à-dire v ≤ 1 p.p..
Soit maintenant φ ∈ Cc∞ (]0, 1[, R), φ ≥ 0. Par les inégalités de Cauchy-Schwarz et Hölder, on
a: Z Z
vn gφ dλ → vgφ0 dλ, quand n → ∞.
0
En effet, | vn gφ0 dλ − vgφ0 dλ| ≤ kφ0 k∞ |vn − v||g|dλ ≤ kφ0 k∞ kvn − vk2 kgk2 → 0, quand
R R R
n → ∞.
Du fait que, Rpour tout nR ∈ N, vn gφ0 dλ ≤ φdλ, on obtient donc, passant à limite quand
R R
n → ∞, que vgφ0 dλ ≤ φdλ. Ce qui montre bien que v ∈ C.

On a bien montré que C est fermée.
405
—————————————————————————————–
3. On désigne par 1 la fonction constante et égale à 1 sur ]0, 1[. Soit u ∈ C. Montrer que :
R
(ku − 1k2 ≤ kv − 1k2 pour tout v ∈ C) ⇔ ( (1 − u)(u − v)dλ ≥ 0 pour tout v ∈ C).
—————————————corrigé—————————————–
On remarque d’abord que
(ku − 1k2 ≤ kv − 1k2 pour tout v ∈ C) ⇔ u = PC 1.
On utilise maintenant la première caractérisation de la projection (proposition 6.15), elle donne que
u = PC 1 ⇔ ((1 − u/u − v)2 ≥ 0 pour tout v ∈ C),
et donc que Z
u = PC 1 ⇔ ( (1 − u)(u − v)dλ ≥ 0 pour tout v ∈ C). (12.97)
—————————————————————————————–
4. Soit u ∈ C t.q. ku − 1k2 ≤ kv − 1k2 pour tout v ∈ C. On suppose que u, g ∈ C 1 (]0, 1[, R).
(a) Montrer que (ug)0 (x) ≥ −1 pour tout x ∈]0, 1[.
—————————————corrigé—————————————–
On raisonne par l’absurde. On suppose qu’il existe c ∈]0, 1[ t.q. (ug)0 (c) < −1. Par continuité
de (ug)0 en c, il existe donc a, b t.q. 0 < a < c 0 et ϕ = 0 sur ]a, b[c . une telle
fonction ϕ est obtenue, par exemple, en prenant :
2y − (a + b)
ϕ(x) = ϕ0 ( ), x ∈]0, 1[, (12.98)
b−a
avec :
ϕ0 (x) = exp x21−1 , x ∈] − 1, 1[,
(12.99)
ϕ0 (x) = 0, x ∈ R\] − 1, 1[.
Comme u ∈ C, on a, d’après la définition de C (car ϕ est un choix possible pour φ) :

Z b Z Z Z b
0 0
u(x)g(x)ϕ (x)dx = ugϕ dλ ≤ φdλ = ϕ(x)dx.
a a
Comme ug est de classe C 1 sur [a, b], on peut intégrer par parties sur [a, b] pour obtenir (noter
Rb Rb
que ϕ(a) = ϕ(b) = 0) a −(ug)0 (x)ϕ(x)dx ≤ a ϕ(x)dx, ou encore :
Z b
((ug)0 (x) + 1)ϕ(x)dx ≥ 0.
a
Ce qui impossible car ((ug)0 + 1)ϕ est une fonction continue négative, non identiquement nulle
sur [a, b] (car non nulle au point c).
—————————————————————————————–
406
(b) Soit x ∈]0, 1[ t.q. u(x) < 1. Montrer que (ug)0 (x) = −1.
—————————————corrigé—————————————–
On raisonne encore par l’absurde. On suppose donc qu’il existe c ∈]0, 1[ t.q. u(c) < 1 et
(ug)0 (c) 6= −1. Comme on sait déjà que (ug)0 (x) ≥ −1 pour tout x ∈]0, 1[, on a donc (ug)0 (c) >
−1.
Par continuité de u et (ug)0 en c, il existe donc a, b, avec 0 < a < c 0 t.q.
u(x) ≤ 1 − δ et (ug)0 (x) > −1 + δ pour tout x ∈]a, b[.
On utilise la même fonction ϕ qu’à la question précédente, c’est-à-dire donnée, par exemple,
par (12.98) et (12.99). La propriété importante est que ϕ ∈ Cc∞ (]0, 1[, R) soit t.q. ϕ ≥ 0,
ϕ(c) > 0 et ϕ = 0 sur ]a, b[c .
On va montrer que pour ε > 0 assez petit, on a u + εϕ ∈ C.
δ
On remarque d’abord que u + εϕ ∈ L2 (pour tout ε > 0). Puis, en prenant 0 < ε ≤ ε1 = kϕk ∞
,
∞
on a u + εϕ ≤ 1 p.p.. Enfin, soit φ ∈ Cc (]0, 1[, R), φ ≥ 0}. On a, en utilisant une intégration
par parties sur un intervalle compact de ]0, 1[ contenant le support de φ :
Z Z Z
((u + εϕ)g)φ0 dλ = − (ug)0 φdλ − ε (ϕg)0 φdλ.
En utilisant le fait que (ug)0 ≥ −1 (partout) et (ug)0 > −1 + δ sur ]a, b[, on en déduit
Z Z Z b Z b Z
((u + εϕ)g)φ0 dλ ≤ φdλ − δ φ(x)dx − ε (ϕg)0 φdλ ≤ φdλ,
a a
si 0 < ε ≤ δ
M, avec M = maxx∈[a,b] |(ϕg)0 (x)| < ∞ car (ϕg)0 est continue sur [a, b].
En prenant ε = min(ε1 , ε2 ) > 0, on obtient donc u + εϕ ∈ C. Comme u = PC 1, on peut
maintenant prendre v = u + εϕ dans la caractérisation de PC 1, on obtient, comme ε > 0 :
Z b Z
(1 − u(x))ϕ(x)dx = (1 − u)ϕdλ ≤ 0.
a
Ce qui est impossible car (1 − u)ϕ est une fonction continue positive, non identiquement nulle
sur ]a, b[ (car non nulle en c).
—————————————————————————————–
(c) Montrer que u est solution du problème suivant:
(ug)0 (x) ≥ −1, pour tout x ∈]0, 1[,
u(x) ≤ 1, pour tout x ∈]0, 1[,
(1 + (ug)0 (x))(u(x) − 1) = 0, pour tout x ∈]0, 1[.
—————————————corrigé—————————————–
Cette question est immédiate. On a déjà vu que (ug)0 (x) ≥ −1, pour tout x ∈]0, 1[. Comme
u ∈ C, on a u ≤ 1 p.p.. Mais, comme u est continue sur ]0, 1[, l’ensemble {u > 1} est un ouvert,
cet ensemble est donc vide (car un ouvert de mesure de Lebesgue nulle est toujours vide). On
a donc u ≤ 1 partout. Enfin, le fait que (1 + (ug)0 (x))(u(x) − 1) = 0, pour tout x ∈]0, 1[,
découle de la question précédente qui montre justement que (1 + (ug)0 (x)) = 0 si u(x) < 1.
—————————————————————————————–
407
Corrigé 113 (Approximation dans L2 )
On désigne par λ la mesure de Lebesgue sur les boréliens de R, par Lp l’espace LpR (R, B(R), λ) et par Lp
l’espace LpR (R, B(R), λ). On note dt = dλ(t).
Pour f ∈ L2 et k ∈ N? , on définit Tk f de R dans R par :
Z n(x)+1
k
Tk f (x) = k f (t)dt, (12.100)
n(x)
k
n(x) n(x) + 1
où n(x) est l’entier de Z tel que ≤x< (l’entier n dépend donc de x).
k k
1. Soit k ∈ N? et f ∈ L2 . Montrer que Tk f ∈ L2 (plus précisément, Tk f ∈ L2 et on confond alors,
comme d’habitude, Tk f avec {g ∈ L2 , g = Tk f p.p.}) et que kTk f k2 ≤ kf k2 , pour tout k ∈ N? .
—————————————corrigé—————————————–
Comme f 1] n , n+1 [ ∈ L1 pour tout n ∈ Z, Tk (x) est bien définie pour tout x ∈ R. On pose
k k
R n+1
cn = k n f (t)dt, pour n ∈ Z, de sorte que Tk (x) = cn pour tout x ∈ [ nk , n+1
k
k [.
k
Tk f est mesurable car (Tk f )−1 (A) = ∪n∈Z,cn ∈A [ nk , n+1

k [∈ B(R), pour tout A ⊂ R.
Pour n ∈ Z et x ∈ [ nk , n+1 2
k [, on a (en utilisant l’inégalité de Cauchy-Schwarz) (Tk (x)) = cn ≤
2
R n+1
k n k f 2 (t)dt. On déduit (on utilise ici le premier corollaire du théorème de convergence monotone,
k
corollaire 4.1) :
Z X 1 X Z n+1
k
Z
(Tk f )2 dλ = c2n ≤ f 2 (t)dt = f 2 dλ.
k n
n∈Z k n∈Z
On a donc Tk f ∈ L2 et kTk f k2 ≤ kf k2 .
—————————————————————————————–
2. Soit f ∈ Cc (R, R) (i.e. f continue de R dans R et à support compact). Montrer que Tk f → f dans
L2 quand k → ∞.
—————————————corrigé—————————————–
Soit a > 0 t.q. f = 0 sur [−a, a]c . Comme f est uniformément continue, on a Tk f → f uniformément
(sur R) quand k → ∞. En remarquant que Tk f = 0 sur [−a − 1, a + 1]c pour tout k ∈ N? , on en
déduit
Z
kTk f − f k22 = (Tk f − f )2 dλ ≤ 2(a + 1)kTk f − f k2∞ → 0, quand k → ∞.
—————————————————————————————–
3. Soit f ∈ L2 . Montrer que Tk f → f dans L2 quand k → ∞.
—————————————corrigé—————————————–
Soit ε > 0. Par densité de Cc (R, R) dans L2 , il existe ϕ ∈ Cc (R, R) t.q. kf − ϕk2 ≤ ε. Comme Tk
est un opérateur linéaire, on a, en utilisant la question 1 :
408
kTk f − f k2 ≤ kTk f − Tk ϕk2 + kTk ϕ − ϕk2 + kϕ − f k2 ≤ 2kϕ − f k2 + kTk ϕ − ϕk2 . (12.101)
La question 2 donne l’existence de k0 ∈ N t.q. le dernier terme de (12.101) soit inférieur à ε pour
k ≥ k0 . On a donc kTk f − f k2 ≤ 3ε pour k ≥ k0 , ce qui prouve que Tk f → f , dans L2 , quand
k → ∞.
—————————————————————————————–
Corrigé 114 (Projections orthogonales)
On pose H = L2R (] − 1, +1[, B(] − 1, +1[), λ). (On rappelle que B(] − 1, +1[) est
R la tribu borélienne de
] − 1, 1[ et λ la mesure de Lebesgue sur B(] − 1, +1[).) Soit F = {f ∈ H t.q. ]−1,+1[ f dλ = 0}. Soit
R R
G = {f ∈ H t.q. ]−1,0[ f dλ = ]0,1[ f dλ}.
1. Montrer que F et G sont des sous-espaces vectoriels fermés de H. Déterminer les sous-espaces F ⊥ ,
G⊥ et F ∩ G.
—————————————corrigé—————————————–
R R R
Pour f ∈ H, on pose T (f ) = ]−1,+1[ f dλ et S(f ) = ]−1,0[ f dλ − ]0,1[ f dλ.
L’inégalité de Cauchy Scharwz entre f et 1]−1,+1[ , pour T , et f et (1]−1,0[ − 1]0,1[ ), pour S, montre
que T (f ) et S(f ) sont bien définis pour tout f ∈ H et que, pour tout f ∈ H :
√ √
|T (f )| ≤ 2kf k2 , |S(f )| ≤ 2kf k2 .
On en déduit que T et S sont des éléments de H 0 et donc que F = KerT et G = KerS sont des
s.e.v. fermés de H.
De plus, comme T 6= 0 et S 6= 0, on a dim(F ⊥ ) = dim(G⊥ ) = 1. Pour s’en convaincre, il suffit
de prendre v ∈ F ⊥ , v 6= 0 (un tel v existe car T 6= 0 et H = F ⊕ F ⊥ ). Pour tout w ∈ F ⊥ , on
a alors w = w − TT(w) T (w) T (w)
(v) v + T (v) v. On en déduit que (w − T (v) v) ∈ F ∩ F
⊥
= {0} et donc que
⊥ ⊥
w ∈ Rv = vect{v}. Ce qui donne F = Rv et donc dim(F ) = 1. Un raisonnement semblable
donne dim(G⊥ ) = 1.
Soit f l’élément de H t.q. f = 1 p.p.. On a clairement f ∈ F ⊥ (car (f /h)2 = T (h) = 0 pour tout
h ∈ F ) et donc, comme dim F ⊥ = 1, F ⊥ = Rf .
Soit g l’élément de H t.q. g = 1 p.p. sur ] − 1, 0[ et g = −1 sur ]0, 1[. On a clairement g ∈ G⊥ (car
(g/h)2 = S(h) = 0 pour tout h ∈ G) et donc, comme dim G⊥ = 1, G⊥ = Rg.
R R
Il reste à déterminer F ∩ G. Soit h ∈ F ∩ G. On a donc ]−1,0[ h dλ = ]0,1[ h dλ, car h ∈ G, et
R R R R
donc, comme h ∈ F , 0 = ]−1,+1[ f dλ = 2 ]−1,0[ h dλ = 2 ]0,1[ h dλ. Ce qui donne ]−1,0[ h dλ =
R
]0,1[
h dλ = 0.
R R
Réciproquement, si h ∈ H est t.q. ]−1,0[ h dλ = ]0,1[ h dλ = 0, on a bien S(h) = T (h) = 0 et donc
h ∈ F ∩ G. On a donc :
Z Z
F ∩ G = {h ∈ H; h dλ = h dλ = 0}.
]−1,0[ ]0,1[
—————————————————————————————–
409
2. Calculer, pour g ∈ H, les projections orthogonales PF (g) et PG (g) de g sur F et G.
—————————————corrigé—————————————–
Soit h ∈ H. Comme h − PF h ∈ F ⊥ , ilR existe α ∈ R t.q. h − PF h = α p.p.. Comme PF h ∈ F , on a
1
T (PF h) = 0. On en déduit que 2α = −1 h(t)dt et donc
Z 1
1
PF h = h − h(t)dt p.p..
2 −1
Comme h − PG h ∈ G⊥ , il existe β ∈ R t.q. h − PG h = β p.p. sur ] − 1, 0[ et h − PG h = −β p.p. sur

R0 R1
]0, 1[. Comme PG h ∈ G, on a S(PG h) = 0. On en déduit que 2β = −1 h(t)dt − 0 h(t)dt et donc
R0 R1
PG h = h − 21 ( −1 h(t)dt − 0 h(t)dt) p.p. sur ] − 1, 0[,
0 R1
PG h = h + 21 ( −1 h(t)dt − 0 h(t)dt) p.p. sur ]1, 0[.
R
—————————————————————————————–
Corrigé 115 (Projection orthogonale dans L2 )

On pose L2 = L2R (R, B(R), λ) (muni de sa structure hilbertienne habituelle) et, pour α, β ∈ R donnés,
α < β, C = {f ∈ L2 ; α ≤ f ≤ β p.p.}.
1. Montrer que C est vide si et seulement si αβ > 0.
—————————————corrigé—————————————–
• Si αβ > 0 (c’est-à-dire α et β non nuls

R et de même signe), on a alors pour tout f ∈ C,
f ≥ γ = min(|α|, |β|) > 0 p.p.. Donc, f 2 dλ ≥ γ 2 λ(R) = ∞, en contradiction avec f ∈ L2 .
On a donc C = ∅.
• On suppose maintenant αβ ≤ 0. On a alors α ≤ 0 ≤ β et donc 0 ∈ C. Ce qui prouve que
C 6= ∅.
—————————————————————————————–
2. On suppose maintenant que αβ ≤ 0. Montrer que C est une partie convexe fermée non vide de L2 .
Soit f ∈ L2 , montrer que PC f (x) = max{min{f (x), β}, α} pour presque tout x ∈ R. (PC f désigne
la projection de f sur C.)
—————————————corrigé—————————————–
(a) On sait déjà que C 6= ∅. On montre maintenant que C est convexe. Soient f, g ∈ C et t ∈ [0, 1].
On a tf + (1 − t)g ∈ L2 car L2 est un e.v.. Puis, du fait que α ≤ f ≤ β p.p. et α ≤ g ≤ β
p.p., on déduit immédiatement que α ≤ tf + (1 − t)g ≤ β p.p.. Donc, tf + (1 − t)g ∈ C.
Pour montrer que C est fermée, soient (fn )n∈N ⊂ C et f ∈ L2 t.q. fn → f dans L2 , quand
n → ∞. On peut montrer que α ≤ f ≤ β p.p. comme dans le corrigé 112 (question 2) ou
(pour changer de méthode. . . ) de la manière suivante :
D’après le théorème 6.2 (réciproque partielle de la convergence dominée), il existe une sous
suite de la suite (fn )n∈N convergeant p.p. vers f , c’est-à-dire il existe ϕ : N → N t.q.
ϕ(n) → ∞ quand n → ∞ et fϕ(n) → f p.p. quand n → ∞. Comme α ≤ fϕ(n) ≤ β p.p., on en
déduit α ≤ f ≤ β p.p., et donc que f ∈ C. ce qui prouve que C est fermée.
410
(b) On montre maintenant que PC f = max{min{f, β}, α}.
On confond comme d’habitude f avec l’un de ses représentants, et on définit g par
g = max{min{f, β}, α} = α1{f <α} + f 1{α≤f ≤β} + β1{f >β} .
g est donc une fonction mesurable de R dans R. Puis, comme |g| ≤ |f | p.p., on a bien g ∈ L2
(et donc g ∈ L2 avec la confusion habituelle). Enfin, il est immédiat que α ≤ g ≤ β p.p..
Donc, g ∈ C.
Pour montrer que g = PC f , on utilise la première caractérisation de la projection (proposition

6.15). Soit h ∈ C, on a :
Z Z Z
(f −g/g−h)2 = (f −g)(g−h)dλ = (f −α)(α−h)1{f <α} dλ+ (f −β)(β −h)1{f >β} dλ ≥ 0,
car α ≤ h ≤ β p.p.. On en déduit que g = PC f .

—————————————————————————————–
Corrigé 116
Soit (E, T, m) un espace mesuré et Lp = LpR (E, T, m).
1. On suppose ici qu’ il existe A et B ∈ T t.q. A ∩ B = ∅, et 0 < m(B) < +∞, 0 < m(A) <
+∞. Montrer que Lp est un Hilbert si et seulement si p = 2. [On pourra utiliser l’identité du
parallèlogramme avec des fonctions de Lp bien choisies.]
—————————————corrigé—————————————–
On sait déjà que L2 est un espace de Hilbert.
On suppose maintenant que p 6= 2 (et p ∈ [1, ∞]) et on va montrer que Lp n’est pas un espace
de Hilbert. Pour cela , On pose f = 1A et g = 1B . On a bien f, g ∈ Lp . On va montrer que
l’identité du parallèlogramme n’est pas vérifiée pour ces deux fonctions. On distingue les cas p < ∞
et p = ∞.
Premier cas : p < ∞. On pose a = m(A) et b = m(B) (noter que a, b ∈]0, ∞[). On a :
1 2 2 2
(kf + gk2p + kf − gk2p ) = (a + b) p , kf k2p + kgk2p = a p + b p .
2
On en déduit 12 (kf + gk2p + kf − gk2p ) − kf k2p + kgk2p = (a + b)α (1 − ha (t)) avec α = 2

p et hα (t) =
a
tα + (1 − t)α , t = a+b ∈]0, 1[.
Un étude de la fonction hα montre que :
• Si α ∈]0, 1[, on a hα (t) > 1 pour tout t ∈]0, 1[,
• Si α ∈]1, ∞[, on a hα (t) < 1 pour tout t ∈]0, 1[.
L’identité du parallèlogramme n’est donc pas vérifiée pour ces fonctions f et g, ce qui prouve que
la norme de Lp n’est pas induite pas un produit scalaire.
Deuxième cas : p = ∞. Dans ce cas, on a :
1
(kf + gk2p + kf − gk2p ) = 1, kf k2p + kgk2p = 2.
2
411
On en déduit 21 (kf + gk2p + kf − gk2p ) − kf k2p + kgk2p = −1 6= 0. L’identité du parallèlogramme n’est
donc pas vérifiée pour ces fonctions f et g, ce qui prouve que la norme de Lp n’est pas induite pas
un produit scalaire.
—————————————————————————————–
2. Montrer que pour m = δ0 (mesure de Dirac en 0), LpR (R, B(R), m) est un Hilbert pour tout p ∈
[1, +∞].
—————————————corrigé—————————————–
Soit f ∈ LpR (R, B(R), m). On a kf kp = |f (0)| (noter que tous les représentants de f ont la même
valeur en 0 car m({0}) > 0).
Il est facile de voir que la norme de Lp est induite pas un produit scalaire, notée (·/·), ce produit
scalaire est défini par :
(f /g) = f (0)g(0), pour f, g ∈ Lp .
L’espace Lp est donc un espace de Hilbert.
—————————————————————————————–
Corrigé 117 (Espace l2 )

On note m la mesure du dénombrement sur P(N), c’est-à-dire m(A) = card(A) si A est fini et m(A) = ∞
si A n’est pas fini.
On note l2 = L2R (N, P(N), m).
1. Montrer que chaque élément de l2 ne contient qu’un seul élément de l’espace L2R (N, P(N), m).
—————————————corrigé—————————————–
(Noter d’abord que m est bien une mesure sur P(N).)
Soient f, g ∈ L2 = L2R (N, P(N), m) t.q. f = g p.p.. Pour tout n ∈ N, on a f (n) = g(n) car
m({n}) = 1 > 0. On en déduit que f = g. Ceci montre bien que chaque élément de l2 ne contient
qu’un seul élément de l’espace L2 .
—————————————————————————————–
2. Montrer que l’inégalité de Cauchy-Schwarz sur l2 donne :
X X X
( an bn )2 ≤ a2n b2n
n∈N n∈N n∈N
a2n < ∞ et 2
P P
pour toutes suites (an )n∈N , (bn )n∈N ⊂ R+ t.q. n∈N n∈N bn < ∞.
—————————————corrigé—————————————–
Soient (an )n∈N , (bn )n∈N ⊂ R+ t.q. n∈N a2n < ∞ et n∈N b2n < ∞ (on peut aussi prendre an , bn ∈ R
P P
au lieu de R+ ).
On définit f, g : N → R par f (n) = an et g(n) = bn pour n ∈ N. Les fonctions f et g sont
mesurables (toute fonction de N dans R est mesurable car la tribu choisie sur N est P(N)) et on a
bien f, g ∈ L2 car : Z Z
X X
f 2 dm = a2n < ∞ et g 2 dm = b2n < ∞. (12.102)
n∈N n∈N
412
2 2 2
P
En
P effet,2 pour montrer (12.102), il suffit, par exemple, de remarquer que f = n∈N an 1{n} (et g =
n∈N gn 1{n} ) et d’utiliser le premier corollaire du théorème de convergence monotone (corollaire
4.1).
L’inégalité de Cauchy-Schwarz donne alors que f g ∈ L1R (N, P(N), m), c’est-à-dire :
X
|an bn | < ∞,
n∈N
et que (f /g)2 ≤ kf k2 kgk2 . On en déduit :

X X X
( an bn )2 ≤ a2n b2n .
n∈N n∈N n∈N
—————————————————————————————–
ϕ : N? → NP
?
, bijective. Montrer que n∈N? ϕ(n)
P
3. Soit P n2 = ∞. [On pourra commencer par montrer
n 1 n 1
que p=1 ϕ(p) ≤ p=1 p pour tout n ∈ N? puis utiliser l’inégalité de Cauchy-Schwarz.]
—————————————corrigé—————————————–
Soit n ∈ N? . On peut ordonner l’ensemble des ϕ(p), p ∈ {1, . . . , n}, selon l’ordre croissant, c’est-
à-dire : {ϕ(p), p ∈ {1, . . . , n}} = {p1 , . . . , pn } avec pi < pi+1 pour tout i ∈ {1, . . . , n − 1} (on
utilise ici l’injectivité de ϕ). Comme ϕ prend ses valeurs dans N? , on a p1 ≥ 1. On en déduit (par
récurrence finie sur i) que pi ≥ i, pour tout i ∈ {1, . . . , n}, et donc :
n n n
X 1 X 1 X1
= ≤ . (12.103)
p=1
ϕ(p) p
i=1 i p=1
p
√
ϕ(p)
On utilise maintenant l’inégalité de Cauchy-Schwarz de la question précédente avec ap = p ,
bp = √ 1 pour p = 1, . . . , n et ap = bp = 0 pour p > n, on obtient :
ϕ(p)
n n n n
X 1 2 X
2
X ϕ(p) X 1
( ) =( ap bp ) ≤ .
p=1
p p=1 p=1
p2 p=1 ϕ(p)
En utilisant (12.103), on en déduit :

n n
X 1 X ϕ(p)
≤ ,
p=1
p p=1
p2
Pn ϕ(p) Pn 1
et donc limn∈N p=1 p2 ≥ limn∈N p=1 p = ∞.
(Noter que cette démonstration reste vraie lorsque ϕ est seulement injective.)
—————————————————————————————–
Corrigé 118 (Isométrie d’un espace de Hilbert avec l2 )
413
Soit H un espace de Hilbert réel, de dimension infinie et séparable. Soit {en , n ∈ N} une base hilbertienne
de H (une telle base existe, cf. proposition 6.17).
Pour u ∈ H, on définit au ∈ l2 (l2 est défini à l’exercice 6.31) par au (n) = (u/en )H , pour tout n ∈ N.
(On montrera tout d’abord que au est bien un élément de l2 .)
Montrer que l’application A : u 7→ au (est linéaire et) est une isométrie de H dans l2 , c’est-à-dire que
kau kl2 = kukH pour tout u ∈ H.
Montrer que A est bijective (il faut donc montrer que, pour tout a ∈ l2 , il existe u ∈ H t.q. a = au ).
—————————————corrigé—————————————–
La fonction au est mesurable de N dans R (toute fonction de N dans R est mesurable car la tribu choisie
sur NRest P(N)).PEn notant m la mesure du dénombrement sur P(N) (voir l’exercice 6.31, corrigé 117),
on a a2u dm = n∈N (u/en )2H . L’égalité de Bessel (voir la proposition 6.18) donne alors que au ∈ l2 et
kau kl2 = kukH .
Il est immédiat de voir que l’application A : u 7→ au est linéaire, l’application A est donc une isométrie
de H dans l2 (ceci donne, en particulier, que A est injective). Il reste à montrer que A est surjective.
Soit a ∈ l2 . OnPnote an = a(n) pour n ∈ N, de sorte que (an )n∈N ⊂ R et n∈N a2n < ∞. Pour n ∈ N,
P
n
on pose fn = p=1 ap ep . La suite (fn )n∈N est de Cauchy dans H car, pour m > n, kfm − fn k2H =
Pm 2
P∞ 2
p=n+1 ap ≤ p=n+1 ap → 0 quand n → ∞. Il existe donc u ∈ H t.q. fn → u, dans H, quand n → ∞.
Le troisième item de la proposition 6.18 page 155 donne alors que a = au . Ceci montre bien que A est
surjective.
—————————————————————————————–
12.6.3 Théorème de Radon-Nikodym et Dualité dans les espaces Lp

Corrigé 119 (Fonctions absolument continues)
Soit −∞ < a < b < +∞. On admet les 2 résultats suivant :
• Toute fonction monotone définie sur [a, b], à valeurs dans R, est dérivable en presque tout point de
]a, b[.
• Soit f ∈ L1R (]a, b[, B(]a, b[), λ). Pour x ∈ [a, b], on pose F (x) = f 1]a,x[ dλ. La fonction F est alors
R
dérivable en presque tout point de ]a, b[ et on a F 0 = f p.p..
1. (Fonctions monotones.) Soit f une fonction monotone croissante définie sur [a, b] et à valeurs dans
R.
(a) Montrer que f 0 ∈ L1R (]a, b[, B(]a, b[), λ) et que
Z
f 0 1]a,b[ dλ ≤ f (b) − f (a).
[On pourra poser f (x) = f (b) pour x > b, considérer fn (x) = n(f (x + n1 ) − f (x)) et remarquer
que fn → f 0 p.p. sur ]a, b[.]
—————————————corrigé—————————————–
On remarque tout d’abord que f est mesurable (de ]a, b[, muni de la tribu borélienne, dans R,
muni de la tribu borélienne) car l’image réciproque par f d’un intervalle de R est un intervalle
de ]a, b[). Comme |f | est bornée (par max(|f (b)|, |f (a)|)), on a aussi f ∈ L1R (]a, b[, B(]a, b[), λ).
414
On pose f (x) = f (b) pour x > b (de sorte que f est maintenant monotone croissante, et
donc mesurable, de ]a, ∞[ dans R), et on définit pour n ∈ N? la fonction fn par fn (x) =
n(f (x + n1 ) − f (x)) pour x ∈]a, b[. Pour n ∈ N, la fonction fn est donc mesurable (de ]a, b[ dans
R) positive et (en notant que f ∈ L1R (]a, b[, B(]a, b[), λ) et f (· + n1 ) ∈ L1R (]a, b[, B(]a, b[), λ)) on
a: Z Z
fn dλ = f (b) − n f dλ ≤ f (b) − f (a) (12.104)
1
]a,b[ ]a,a+ n [
Comme f est dérivable p.p., on a fn → f 0 p.p. sur ]a, b[, c’est-à-dire qu’il existe A ∈ B(]a, b[)
t.q. λ(]a, b[\A) = 0 et fn (x) → f 0 (x) pour tout x ∈ A. On pose g(x) = f 0 (x) si x ∈ A et
g(x) = 0 sinon. Le lemme de Fatou appliqué à la suite fn donne (par (12.104)) que g est
mesurable positive (de ]a, b[ dans R+ ) et
Z
gdλ ≤ f (b) − f (a).
]a,b[
On a donc f 0 ∈ L1R (]a, b[, B(]a, b[), λ) (au sens où l’on confond f 0 et la classe de g car f 0 = g
p.p.) et Z
f 0 dλ ≤ f (b) − f (a).
]a,b[
—————————————————————————————–
(b) Donner un exemple pour lequel l’inégalité de la question précédente est stricte. (Les courageux
pourront chercher un exemple pour lequel f est continue. . . )
—————————————corrigé—————————————–
Un exemple facile est obtenu en prenant f (x) = 0 si x ∈ [a, a+b a+b
2 ] et f (x) = 1 si x ∈] 2 , b]. On
0
a alors f = 0 p.p. et f (b) − f (a) = 1.
On peut obtenir un exemple avec f continue en construisant f à partir de l’ensemble de
Cantor (f est prise constante sur chacun des intervalles ouverts formant le complémentaire de
l’ensemble de Cantor, on a ainsi f 0 = 0 p.p.).
—————————————————————————————–
2. (Fonctions absolument continues.)

Une fonction définie sur [a, b] et à valeurs dans R est dite absolument continue si pour tout ε > 0 il
existe δ > 0 tel que pour toute famille finie d’intervalles
Pn deux à deux disjoints (]ak , bk [)1≤k≤n dont
la somme des longueurs est inférieure à δ, on a k=1 |f (bk ) − f (ak )| < ε.
(a) Montrer que “absolue continuité” implique “uniforme continuité”.

—————————————corrigé—————————————–
Il suffit de prendre n = 1, on remarque alors que :
a ≤ a1 < b1 ≤ b, b1 − a1 ≤ δ ⇒ |f (b1 ) − f (a1 )| < ε.

Ce qui donne l’uniforme continuité de f .
—————————————————————————————–
(b) Montrer que l’ensemble des fonctions absolument continues sur [a, b] forme un espace vectoriel.
—————————————corrigé—————————————–
415
Soit f, g deux fonction absolument continues. Soit ε > 0, il existe δ1 > 0 [resp. δ2 >
0] t.q. pour toute famille finie d’intervalles deux à deux P disjoints (]ak , bk [)1≤k≤n dont la
n
somme
Pn des longueurs est inférieure à δ 1 [resp. δ 2 ], on a k=1 |f (bk ) − f (ak )| < ε [resp.
k=1 |g(b k ) − g(a k )| < ε]. On en déduit que pour toute famille finie d’intervalles deux à deux
disjoints
Pn (]a , b [)
k k 1≤k≤n dont la somme des longueurs est inférieure à δ = min(δ1 , δ2 ) > 0, on
a k=1 |(f + g)(bk ) − (f + g)(ak )| < 2ε. Ce qui prouve que f + g est absolument continue.
Il est facile de voir que αf est absolument continue si f est absolument continue et α ∈ R.
L’ensemble des fonctions absolument continues sur [a, b] forme donc un espace vectoriel.
—————————————————————————————–
3. (Fonctions absolument continues et fonctions monotones.) Une fonction f définie sur [a, b] (et à
valeurs dans R) est dite à variation bornée Ps’il existe C t.q. pour toute subdivision du segment
n
[a, b], a = x0 < x1 < ... < xn = b, on ait k=1 |f (xk ) − f (xk−1 )| ≤ C. Pour une fonction f à
variation bornée, on peut définir, pour a < x ≤ b, Vax [f ] par :
n
X
Vax [f ] = sup{ |f (xk ) − f (xk−1 )| , a = x0 < x1 < ... < xn = x, n ∈ N? }.
k=1
On pose aussi Vaa [f ] = 0.
(a) Montrer que toute fonction absolument continue est à variation bornée.
(b) Montrer pour toute fonction f (définie sur [a, b] et) absolument continue, la fonction x 7→ Vax [f ]
est absolument continue sur [a, b]. En déduire que toute fonction absolument continue (définie
sur [a, b]) est la différence de deux fonctions absolument continues monotones croissantes (et
est donc dérivable en presque tout point de ]a, b[).
—————————————corrigé—————————————–
La question 3 est admise.
—————————————————————————————–
4. Soit f ∈ L1R (]a, b[, B(]a, b[), λ). Pour x ∈ [a, b], on pose F (x) = f 1]a,x] dλ. Montrer que F
R
absolument continue.
—————————————corrigé—————————————–
Cette question est une conséquence de la proposition 4.9 du cours. Soit ε > 0, il existe δ > 0 t.q.
Z
(A ∈ B(]a, b[), λ(A) ≤ δ) ⇒ |f |dλ ≤ ε.
A
Si (]ak , bk [)1≤k≤n est une famille finie d’intervalles deux à deux

Pn disjoints dont la somme des
R longueurs
est inférieure à δ, on pose A = ∪nk=1 ]ak , bk [. On a λ(A) = k=1 (bk − ak ) ≤ δ et donc A |f |dλ ≤ ε.
On en déduit le résultat désiré car :
Xn n
X Z n Z Z
X
|F (bk ) − F (ak )| = f dλ ≤ |f | dλ = |f |dλ ≤ ε.
k=1 k=1 ]ak ,bk [ k=1 ]ak ,bk [ A
—————————————————————————————–
416
5. Soit F une fonction absolument continue et monotone croissante de [a, b] dans R. On prolonge cette
fonction sur R en posant F (x) = F (a) si x < a et F (x) = F (b) si x > b. Une version étendue du
théorème de Carathéodory (cette version étendue est donnée par le théorème de Lebesgue-Stieltjes,
théorème 2.5, pour ce résultat il suffit de F continue croissante) donne l’existence d’une (et une
seule) mesure mF sur B(R) t.q. mF (]α, β[) = F (β) − F (α) pour tout α, β ∈ R, α < β.
(a) Montrer que mF est absolument continue par rapport à λ. [Utiliser la régularité de λ et
l’absolue continuité de F .]
—————————————corrigé—————————————–
Soit A ∈ B(R) t.q. λ(A) = 0. On veut montrer que mF (A) = 0 (ceci donnera bien que mF est
absolument continue par rapport à λ).
Soit ε > 0. Comme F est absolument continue sur [a, b], il existe δ > 0 t.q. pour toute famille
finie d’intervalles (de [a,Pb]) deux à deux disjoints (]ak , bk [)1≤k≤n dont la somme des longueurs
n
est inférieure à δ, on a k=1 |F (bk ) − F (ak )| < ε. Comme F est constante et égale à F (a) sur
] − ∞, a] et constante et égale à F (b) sur [b, +∞[, cette propriété est aussi vrai si les intervalles
sont des intervalles de R non nécessairement inclus dans [a, b].
Par la régularité de λ, il existe un ouvert O ⊃ A t.q. λ(O) ≤ δ. Cet ouvert O peut s’écrire
comme une réunion au plus dénombrable d’intervalles ouverts disjoints deux à deux, O =
∪∞Pn]ak , bk [ (avec éventuellement
k=1 P∞ ak = bk pour certaines valeurs de k). Pout tout n ∈ N? , on
a k=1 (bk − ak ) ≤ k=1 (bk − ak ) = λ(O) ≤ δ et donc :
n
X
mF (∪nk=1 ]ak , bk [) = (F (bk ) − F (ak )) ≤ ε.
k=1
En faisant tendre n vers l’infini, la continuité croissante de mF donne :
mF (O) = lim mF (∪nk=1 ]ak , bk [) ≤ ε,

n→∞
et donc mF (A) ≤ ε (car A ⊂ O). Comme ε > 0 est arbitrairement petit, on en déduit bien
mF (A) = 0.
—————————————————————————————–
(b) Montrer qu’il existe g ∈ L1R (R, B(R), λ) t.q. F (β) − F (α) = g1]α,β[ dλ, pour tout α, β ∈ R,
R
α < β. Montrer que g = F 0 p.p. sur ]a, b[.

—————————————corrigé—————————————–
Comme mF est absolument continue par rapport à λ, le théorème de Radon-Nikodym (théorè-
me 6.10) donne l’existence de g ∈ M+ (R, B(R)) t.q. mF = gλ. On a donc, pour tout α, β ∈ R,
avec α < β: Z
F (β) − F (α) = mF (]α, β[) = g1]α,β[ dλ.
R
En faisant tendre α vers −∞ et β vers +∞, on en déduit gdλ = F (b)−F (a) < ∞ et donc g ∈
L1 (R, B(R), dλ) (au sens de la confusion habituelle, c’est-à-dire “il existe h ∈ L1 (R, B(R), dλ)
t.q. g = h p.p.”).
R
Pour tout x ∈ [a, b], on a F (x) = F (a) + g1]a,x[ dλ. Le deuxième résultat admis donné au
début de l’énoncé donne donc que F est dérivable p.p. sur ]a, b[ et F 0 = g p.p. sur ]a, b[.
—————————————————————————————–
417
6. Soit F une fonction absolument continue de [a, b] dans R. Montrer que F est dérivable en presque
tout point de ]a, b[, que F 0 ∈ L1R (]a, b[, B(]a, b[), λ) et que pour tout x ∈ [a, b] on a
Z
F (x) − F (a) = F 0 1]a,x[ dλ.
—————————————corrigé—————————————–
D’après la question 3-(b), la fonction F est la différence de deux fonctions absolument continues
monotones croissantes, notées F1 et F2 . On peut alors appliquer la question 5-(b) à F1 et F2 , elle
donne que F1 et F2 sont dérivables p.p. sur ]a, b[, que F10 , F20 ∈ L1R (]a, b[, B(]a, b[), λ) et que, pour
tout x ∈ [a, b] :
Z Z
F1 (x) − F1 (a) = F10 1]a,x[ dλ, F2 (x) − F2 (a) = F20 1]a,x[ dλ.
Comme F = F1 − F2 , on en déduit que F est dérivable p.p. sur ]a, b[, que F 0 ∈ L1R (]a, b[, B(]a, b[), λ)
et que, pour tout x ∈ [a, b] : Z
F (x) − F (a) = F 0 1]a,x[ dλ.
—————————————————————————————–
Corrigé 120 (Dualité L1 -L∞ par le théorème de Radon-Nikodym)

Soit (E, T, m) un espace mesuré fini et T ∈ (L1R (E, T, m))0 . On suppose que T est positive, c’est à dire
que, pour f ∈ L1R (E, T, m), f ≥ 0 p.p. implique T (f ) ≥ 0.
1. Pour A ∈ T , on pose µ(A) = T (1A ). Montrer que µ est bien définie et que µ est une mesure finie
sur T .
Attention, il y a toujours cette confusion malheureuse de notations, la même lettre T désigne la
tribu sur E et un eĺément de (L1R (E, T, m))0 .
On note Lr = LrR (E, T, m) et Lr = LrR (E, T, m) (pour r = 1 et r = ∞).
—————————————corrigé—————————————–
Soit A ∈ T (tribu sur E), comme m est une mesure finie, on a 1A ∈ L1 (et donc 1A ∈ L1 en
confondant un élément de L1 avec sa classe dans L1 ). On peut définir µ(A) par T (1A ).
Pour montrer que µ est une mesure sur T , on remarque tout d’abord que µ(∅) = T (1∅ ) = T (0) = 0.
Puis, soit (An )n∈N ⊂ T t.q. An ∩ Am = ∅ si n 6= m. On pose A = ∪n∈N An . En utilisant le théorème
PN
de convergence dominée, on remarque que n=0 1An → 1A dans L1 quand N → ∞ (en effet, on
a bien une convergence p.p. et une domination par 1E qui est intégrable). Comme T ∈ (L1 )0 , on
PN PN
a donc n=0 T (1An ) = T ( n=0 1An ) → T (1A ) quand N → ∞. Avec la définition de µ, on en
déduit :
N
X
µ(An ) → µ(A) quand N → ∞.
n=0
Ce qui montre bien que µ est une mesure sur T .

Pour montrer que µ est finie, il suffit de remarquer que µ(E) = T (1E ) ∈ R (noter que 1E ∈ L1 ).
—————————————————————————————–
418
R
2. En utilisant le théorème de Radon-Nikodym, montrer qu’il existe g ∈ M+ t.q. T (1A ) = g1A dm
pour tout A ∈ T .
—————————————corrigé—————————————–
Soit A ∈ T t.q. m(A) = 0. On a donc 1A = 0 p.p.. On en déduit que µ(A) = T (1A ) = 0 (la
fonction 1A est un élément de la classe de 0 dans Lp ).
La mesure µ est donc absolument continue par rapport à la mesure m. On peut appliquer le
théorème de Radon-Nikodym (théorème 6.10), il donne l’existence de g ∈ M+ t.q. :
Z
T (1A ) = µ(A) = g1A dm pour tout A ∈ T. (12.105)
—————————————————————————————–
3. Montrer que g ∈ L∞ ∞
R (E, T, m) (plus précisément, il existe h ∈ LR (E, T, m) t.q. h = g p.p.). [On
pourra montrer que kgk∞ ≤ kT k(L1 )0 en choissisant bien A dans la formule trouvée à la question
précédente.]
—————————————corrigé—————————————–
On prend A = {g > kT k(L1 )0 }. Si m(A) > 0, on a, avec (12.105), en remarquant que k1A k1 = m(A) :
Z
kT k(L1 )0 m(A) < g1A dm = T (1A ) ≤ kT k(L1 )0 m(A),
ce qui est impossible. On a donc m(A) = 0, ce qui prouve que g = h p.p. avec h définie par h = g
sur Ac et h = 0 sur A. Comme h ∈ L∞ , on a donc g ∈ L∞ (au sens “il existe h ∈ L∞R (E, T, m) t.q.
h = g p.p.”).
On a aussi montré que kgk∞ = khk∞ ≤ kT k(L1 )0 .
—————————————————————————————–
4. Montrer que T (f ) = gf dm pour tout f ∈ L1R (E, T, m).
R
—————————————corrigé—————————————–
Grâce à (12.105), on a, pour tout f = 1A avec A ∈ T :
Z
T (f ) = gf dm. (12.106)
Par linéarité de T (sur L1 ) et par linéarité de l’intégrale, on en déduit que (12.106) est encore vraie
si f ∈ E+ ∩ L1 (on confond encore f et sa classe).
Puis, si f ∈ M+ ∩ L1 , il existe (fn )n∈N ∈ E+ t.q. fn ↑ f quand n → ∞. Comme f ∈ L1 et gf ∈ L1 ,
le théorème de convergence dominée donne fn → f dans L1 et gfn → gf dans L1 quand n → ∞
(noter que (fn )n∈N est dominée par f et (gfn )n∈N est dominée par gf ). En écrivant (12.106) avec
f = fn et en faisant n → ∞, on en déduit (12.106). L’égalité (12.106) est donc vraie pour tout
f ∈ M+ ∩ L1 .
Soit enfin f ∈ L1 (on confond f avec l’un de ses représentants). On écrit alors (12.106) pour
f = f + ∈ M+ ∩ L1 et f = f − ∈ M+ ∩ L1 . En faisant la différence on en déduit (12.106).
L’égalité (12.106) est donc vraie pour tout f ∈ L1 .
—————————————————————————————–
419
Corrigé 121 (Une démonstration de la dualité Lp − Lq pour p < 2)
Soit (E, T, m) un espace mesuré σ−fini et 1 ≤ p < 2. On pose q = p/(p − 1) et on note Lr l’espace
LrR (E, T, m) (pour r = p, r = q et r = 2). Soit T ∈ (Lp )0 . (Attention aux notations maladroites car T
représente à la fois la tribu sur E et la forme linéaire continue sur Lp . . . , cette confusion de notations
sera corrigée dans une prochaine version !)
1. On considére d’abord le cas où m(E) < +∞.
—————————————corrigé—————————————–
Cette question est faite dans la proposition 6.8 page 139. En particulier, l’inégalité (6.12) donne
kf kp ≤ Ckf k2 pour tout f ∈ L2 avec C ne dépendant que de p et m(E). En fait, si m(E) > 0,
1 1
le plus petit C possible dans cette inégalité est C = (m(E)) p − 2 (voir la remarque 6.6).
—————————————————————————————–
(b) Montrer qu’il existe g ∈ L2 t.q. T (f ) = f gdm pour tout f ∈ L2 .
R
—————————————corrigé—————————————–
On appelle S la restriction de T a L2 . La question précédente montre que S est bien défini est
que S ∈ (L2 )0 . Comme L2 est un espace de Hilbert, le théorème de représentation de Riesz
(théorème 6.8) donne l’existence (et l’unicité) de g ∈ L2 t.q. S(f ) = (f /g)2 = f gdm pour
R
tout f ∈ L2 . Comme S = T sur L2 , on a donc bien :

Z
T (f ) = f gdm pour tout f ∈ L2 . (12.107)
—————————————————————————————–
(c) Montrer que la fonction g, trouvée à la question précédente, appartient à Lq [distinguer les cas
p > 1 et p = 1. Dans le cas p > 1, on pourra considérer les fonctions fn = |g|(q−2) g1{|g|≤n} .
Dans le cas p = 1, prendre f = sgn(g)1A où A = {|g| > kT k(Lp )0 }.]
—————————————corrigé—————————————–
Dans toute la suite, on posera aussi Lr = LrR (E, T, m) (pour r = p, r = q et r = 2).
Cas p > 1. Dans ce cas, on a 2 < q < ∞. On confond, comme d’habitude, g avec l’un de ses
représentants, de sorte que g ∈ L2 . On pose alors fn = |g|(q−2) g1{|g|≤n} . La fonction fn est
mesurable (comme produit de fonctions mesurables et bornée, on a donc fn ∈ L∞ ⊂ L2 ⊂ Lp .
R
On peut donc prendre f = fn dans (12.107), on obtient fn gdm = T (fn ) et donc, en notant
Bn = {|g| ≤ n} : Z
|g|q dm = T (fn ) ≤ kT k(Lp )0 kfn kp .
Bn
Comme kfn kpp = |g|p(q−1) dm = Bn |g|q dm, on en déduit :

R R
Bn
Z
1
( |g|q dm) q ≤ kT k(Lp )0 . (12.108)
Bn
On remarque maintenant que |g|q 1Bn ↑ |g|q quand n → ∞. On peut donc appliquer le théorème
de convergence monotone à la suite (|g|q 1Bn )n∈N , l’inégalité (12.108) donne alors :
Z
1
( |g|q dm) q ≤ kT k(Lp )0 .
420
On a donc g ∈ Lq (et g ∈ Lq en confondant g avec sa classe d’équivalence dans Lq ) et
kgkq ≤ kT k(Lp )0 .
Cas p = 1. Dans ce cas, on a q = ∞. On confond aussi g avec l’un de ses représentants, de

sorte que g ∈ L2 . On pose maintenant A = {|g| > kT k(L1 )0 } et f = sgn(g)1A . La fonction f
est donc étagée et on a f ∈ L∞ ⊂ L2 ⊂ L1 .
On obtient alors, avec (12.107) :
Z Z
|g|dm = f gdm = T (f ) ≤ kT k(L1 )0 kf k1 = kT k(L1 )0 (m(A)). (12.109)
A
R
Or, si m(A) > 0, on a (par la définition de A), A |g|dm > kT k(L1 )0 m(A), en contradiction
avec (12.109). On a donc m(A) = 0, ce qui donne g ∈ L∞ (et g ∈ L∞ en confondant g avec sa
classe d’équivalence dans L∞ ) et kgk∞ ≤ kT k(L1 )0 .
—————————————————————————————–
(d) RSi f ∈ Lp , montrer que fn = f 1{|f |≤n} ∈ L2 . En déduire que il existe g ∈ Lq t.q. T (f ) =
f gdm, pour tout f ∈ Lp .
—————————————corrigé—————————————–
La fonction g recherchée est, bien sûr, celle trouvée dans les questions précédentes.
Soit f ∈ Lp . On confond f avec l’un de ses représentants, de sorte que f ∈ Lp . Pour n ∈ N,
on pose fn = f 1{|f |≤n} . La fonction fn est donc mesurable (comme produit de fonctions
mesurables) et bornée, donc fn ∈ L∞ ⊂ L2 . On peut donc prendre f = fn dans (12.107), on
obtient : Z
T (fn ) = fn gdm pour tout n ∈ N. (12.110)
Le théorème de convergence dominée dans Lp (théorème 6.1) donne que fn → f dans Lp

quand n → ∞ (la suite (fn )n∈N converge bien p.p. vers f et est dominée par |f | ∈ Lp ).
p 0 q
RComme T ∈ R(L ) , on a donc T (fn ) → T (f ) quand n → ∞. D’autre part,R comme g R∈ L , on a
fn gdm → f gdm quand n → ∞ (en effet, l’inégalité de Hölder donne | Rfn gdm− f gdm| ≤
kfn − f kp kgkq ). On déduit donc de (12.110), quand n → ∞, que T (f ) = f gdm.
—————————————————————————————–
avec An ⊂ An+1 et m(An ) < +∞. On note Tn = {A ∈ T , A ⊂ An }, mn = m|Tn et Lr (mn ) =
LrR (An , Tn , mn ) (r = p ou q).
(a) Soit n ∈ N. Pour f ∈ Lp (mn ), on pose Tn (f ) = T (f˜) avec f˜ = f p.p. sur An et f˜ = 0 p.p.
sur (An )c . Montrer que Tn ∈ (Lp (mn ))0 et qu’il existe gn ∈ Lq (mn ) t.q. :
Z
—————————————corrigé—————————————–
On a déjà vu que Tn est une tribu sur An (tribu trace) et que mn est une mesure sur Tn
(mesure trace, voir l’exercice 2.15 par exemple).
Attention ici aussi à la confusion de notations entre Tn tribu et Tn forme linéaire sur Lp (mn ).
421
La définition de Tn est cohérente car, si f ∈ Lp (mn ), on confond f avec l’un de ses représentants
et la fonction f˜ est alors p.p. égale à f prolongée par 0 hors de An , qui est bien un élément
de Lp . On a donc f˜ ∈ Lp (avec la confusion habituelle) et T (f˜) est bien défini (il ne dépend
du représentant choisi dans la classe de f ).
On remarque aussi que Tn est linéaire et que, pour f ∈ Lp (mn ),
|Tn (f )| = |T (f˜)| ≤ kT k(Lp )0 kf˜kLp = kT k(Lp )0 kf kLp (mn ) .
Donc, Tn ∈ (Lp (mn ))0 et kTn k(Lp (mn ))0 ≤ kT k(Lp )0 . Comme mn (An ) = m(An ) < ∞, on peut
alors utiliser la première partie, elle donne qu’il existe gn ∈ Lq (mn ) t.q. :
Z
La première partie donne aussi :

kgn kLq (mn ) ≤ kTn k(Lp (mn ))0 ≤ kT k(Lp (m))0 . (12.111)
—————————————————————————————–
On utilise (gn )n∈N dans les questions suivantes.
(b) Montrer que si m ≥ n, gn = gm p.p. sur An .
—————————————corrigé—————————————–
Soit f ∈ Lp = LpR (E, T, m) t.q. f = 0 p.p. sur Acn . On note fn la restriction de f à An et fm
la restriction de f à Am . En confondant, comme d’habitude, un élément de Lp avec l’un de
ses représentants, on a fn ∈ Lp (mn ), fm ∈ Lp (mm ) et Tn (fn ) = Tm (fm ) = T (f ). Donc,
Z Z
fn gn dmn = fm gm dmm .
Comme fn = fm = f sur An et que mn est aussi la restriction de mm sur An , on a donc :

Z
fn (gn − gm )dmn = 0.
En prenant f = sign(gn −gm )1{gn 6=gm } sur An et f = 0 sur Acn (on a ici choisi des représentants
pour gn et gm ), on en déduit gn = gm mn -p.p. sur An , c’est-à-dire gn = gm p.p. sur An , car
mn est la restriction de m sur An (p.p. est alors pris au sens m-p.p.).
—————————————————————————————–
i. Montrer que g ∈ Lq (E). (Distinguer les cas q < +∞ et q = +∞.)
—————————————corrigé—————————————–
Plus précisément, on peut choisir, pour tout n ∈ N un représentant de gn de manière à
avoir gn = gm sur tout An pour m ≥ n. On peut alors définir g : E → R par g = gn sur
An . La fonction g est mesurable de E dans R (car gn est mesurable de An dans R).
Cas p > 1. (c’est-à-dire q < ∞). Dans ce cas, on remarque que hn ↑ |g| quand n → ∞
avec hn défini par hn = |gn | sur An et hn = 0 sur Acn . Le théorème de convergence
monotone donne alors :
Z Z Z
q q
|g| dm = lim hn dm = lim |gn |q dmn .
n→∞ n→∞
422
Comme |gn |q dmn ≤ kT kq(Lp )0 (d’après 12.111), on en déduit que g ∈ Lq (et kgkq ≤
R
kT k(Lp )0 ). Donc, g ∈ Lq (en confondant g avec sa classe).
Cas p = 1. (c’est-à-dire q = ∞). Dans ce cas, on a, par (12.111), kgn kL∞ (mn ) ≤ kT k(L1 )0
pour tout n ∈ N. On en déduit que kgk∞ ≤ kT k(L1 )0 (car {g > kT k(L1 )0 } = ∪n∈N {gn >
kT k(L1 )0 }). Donc, g ∈ L∞ (en confondant g avec sa classe).
—————————————————————————————–
ii. Montrer que T (f ) = f gdm, pour tout f ∈ Lp .
R
—————————————corrigé—————————————–
Soit f ∈ Lp , on pose fn = f 1An . D’après théorème de convergence dominé dans Lp
(théorème 6.1), on a fn → f dans Lp quand n → ∞. Donc :
T (fn ) → T (f ) quand n → ∞. (12.112)
Or, T (fn ) = Tn (hn ), où hn est la restriction de fn à An . On remarque alors que

Z Z
Tn (hn ) = gn hn dmn = gfn dm.
g ∈ LRq , l’inégalité de Hölder donne que gfn dm. → gf dm quand n → ∞ (car

R R
Comme
R
| gfn dm. − gf dm| ≤ kgkq kfn − f kp → 0 quand n → ∞).
R
R a donc T (fn ) = Tn (hn ) → gf dm quand n → ∞, ce qui, avec (12.112) donne T (f ) =
On
f gdm.
—————————————————————————————–
12.6.4 Convergence faible, faible-?, étroite, en loi. . .

Corrigé 122
2 2 2
R ⊂ L = RL (E, T, m) et f ∈ L t.q. la suite (fn )n∈N tende
Soient (E, T, m) un espace mesuré, (fn )n∈N
faiblement vers f dans L2 , c’est-à-dire : fn ϕdm → f ϕdm pour toute fonction ϕ ∈ L2 .
1. Montrer que kf k2 ≤ lim inf n→+∞ kfn k2 .
—————————————corrigé—————————————–
Comme fn → f faiblement vers f dans L2 (quand n → ∞) et que f ∈ L2 , on a :
Z Z
fn f dm → f 2 dm = kf k22 quand n → ∞.
R
L’inégalité de Cauchy-Schwarz donne fn f dm ≤ kfn k2 kf k2 . On en déduit, en faisant tendre n
vers l’infini :
Z Z
2
kf k2 = lim fn f dm = lim inf fn f dm ≤ lim inf kfn k2 kf k2 = kf k2 lim inf kfn k2 ,
n→∞ n→∞ n→∞ n→∞
et donc kf k2 ≤ lim inf n→∞ kfn k2 .

—————————————————————————————–
423
2. On suppose de plus que kfn k2 → kf k2 lorsque n → +∞. Montrer que la suite (fn )n∈N tend vers f
dans L2 .
—————————————corrigé—————————————–
On remarque que kfn − f k22 = (fn − f /fn − f )2 = Rkfn k22 + kf kR22 − 2 fn f dm. On a kfn k22 → kf k22
R
et, comme fn → f faiblement dans L2 , on a aussi fn f dm → f 2 dm = kf k22 , quand n → ∞. On

en déduit donc que kfn − f k2 → 0 quand n → ∞.
—————————————————————————————–
Corrigé 123 (Convergence faible)

Soit (E, T, m) un espace mesuré σ−fini. Pour 1 ≤ r ≤ ∞, on note Lr l’espace LrR (E, T, m). Soit
1 ≤ p < ∞ et q = p/(p − 1). Soit (fn )n∈N ⊂ Lp et f ∈ Lp .
1. Montrer que fn → f faiblement dans Lp quand n → ∞ (voir la dénition 6.17) si et seulement si

Z Z
fn gdm → f gdm, ∀g ∈ Lq . (12.113)
—————————————corrigé—————————————–
Le cours (théorème de dualité 6.9 page 162) donne que {ϕg , g ∈ Lq } = (Lp )0 , avec ϕg défini par
ϕg (f ) = f gdm (pour f ∈ Lp ). Ceci donne bien le résultat demandé (c’est-à-dire : fn → f
R
faiblement dans Lp si et seulement si ϕg (fn ) → ϕg (f ) pour tout g ∈ Lq ).

—————————————————————————————–
2. Montrer que kf kp ≤ lim inf n→∞ kfn kp si fn → f faiblement dans Lp , quand n → ∞. [Utiliser
(6.48) avec un choix convenable de g.]
—————————————corrigé—————————————–
Soient (fn )n∈N ⊂ Lp et f ∈ Lp t.q. fn → f faiblement dans Lp , quand n → ∞. On confond f avec
l’un de ses représentant et on pose g = |f |p−1 sign(f ). La fonction est mesurable (comme produit
de fonctions mesurables). On a aussi g ∈ Lq et, comme q(p − 1) = p, kgkqq = kf kpp . On en déduit,
par l’inégalité de Hölder :
Z Z
1
fn gdm ≤ kfn kp kgkq = kfn kp ( |f |p dm)1− p .
Quand n → ∞, on obtient :
Z Z Z Z
1
p
|f | dm = f gdm = lim fn gdm ≤ lim inf kfn kp ( |f |p dm)1− p ,
n→∞ n→∞
et donc kf kp ≤ lim inf n→∞ kfn kp .

—————————————————————————————–
On suppose dans les questions suivantes (questions 3 à 7) que:
m(E) < ∞, fn → f p.p., ∃C t.q. kfn kp ≤ C, ∀n ∈ N. (12.114)
3. On suppose, dans cette question, que p > 1.
424
(a) Soit N ∈ N etR g ∈ Lq t.q.R g = 0 p.p. sur EN
c
avec EN = ∩n≥N {x ∈ E; |fn (x) − f (x)| ≤ 1}.
Montrer que fn gdm → f gdm, quand n → ∞.
—————————————corrigé—————————————–
Pour définir EN , on a, comme d’habitude, confondu les fonctions fn et f avec l’un de leurs
représentants.
On remarque que g(fn − f ) → 0 p.p. et que, pour n ≥ N , |g(fn − f )| ≤ |g| p.p.. Comme
g ∈ Lq ⊂ L1 (car m(E) < ∞), on peut appliquer le théorème de convergence dominée. Il
donne que g(fn − f ) → 0 dans L1 et donc :
Z Z
gfn dm → gf dm, quand n → ∞.
—————————————————————————————–
(b) Montrer que fn → f faiblement dans Lp . [Pour g ∈ Lq , introduire gN = g1EN .]
—————————————corrigé—————————————–
Soit g ∈ Lq (on confond g avec l’un de ses représentants). On pose gN = g1EN avec EN =
∩n≥N {x ∈ E; |fn (x) − f (x)| ≤ 1}. On a alors :
Z Z Z Z Z Z
fn gdm− f gdm = fn (g −gN )dm+ fn gN dm− f gN dm+ f (gN −g)dm. (12.115)
Comme gN → g p.p. quand N → ∞ (car fn → f p.p. quand n → ∞), et que |gN | ≤ |g| p.p.
(pour tout N ), on peut appliquer le théorème de convergence dominée dans Lq (théorème 6.1)
car g ∈ Lq et q < ∞ (on a besoin ici de l’hypothèse p > 1). Il donne :
gN → g dans Lq , quand N → ∞. (12.116)
Soit ε > 0. En utilisant l’inégalité de Hölder, l’hypothèse kfn kp ≤ C et (12.116), on peut donc
choisir N t.q. :
Z
| fn (gN − g)dm| ≤ kfn kp kgN − gkq ≤ CkgN − gkq ≤ ε, (12.117)
pour tout n ∈ N et : Z
| f (gN − g)dm| ≤ kf kp kgN − gkq ≤ ε, (12.118)
R R
Puis, N étant fixé, la question précédente nous donne que fn gN dm → f gN dm quand
n → ∞. Il existe donc n(ε) t.q. :
Z Z
n ≥ n(ε) ⇒ | fn gN dm − f gN dm| ≤ ε. (12.119)
Avec (12.117), (12.118) et (12.119), on déduit alors de (12.115) :

Z Z
n ≥ n(ε) ⇒ | fn gdm − f gdm| ≤ 3ε.
Ce qui prouve bien la convergence faible de fn vers f dans Lp .

—————————————————————————————–
425
(c) Donner un exemple avec (E, T, m) = (]0, 1[, B(]0, 1[), λ) pour lequel fn 6→ f dans Lp .
—————————————corrigé—————————————–
1
On prend fn = n p 1]0, n1 [ . On a kfn kp = 1, fn → 0 p.p. et fn 6→ 0 dans Lp (quand n → ∞).
—————————————————————————————–
4. On suppose, dans cette question, que p = 1. Montrer que kf k1 ≤ lim inf n→∞ kfn k1 . Donner un
exemple avec (E, T, m) = (]0, 1[, B(]0, 1[), λ) pour lequel fn 6→ f faiblement dans L1 , quand n → ∞.
—————————————corrigé—————————————–
Le fait que kf k1 ≤ lim inf n→∞ kfn k1 est une conséquence immédiate du lemme de Fatou, lemme
4.6 (en choisisant des représentants pour fn et f ).
R
On peut prendre, comme exemple, fn = n1]0, n1 [ . On a fn → 0 p.p., kfn k1 = 1 et fn ϕdm → 1 6= 0
si ϕ = 1]0,1[ (donc fn 6→ 0 faiblement dans L1 , quand n → ∞).
—————————————————————————————–
5. On suppose, dans cette question, que p > 1 et on prend 1 ≤ r < p. Montrer que fn → f dans Lr ,
quand n → ∞. [On pourra, par exemple, utiliser le théorème de Vitali pour la suite (gn )n∈N avec
gn = |fn − f |r .]
—————————————corrigé—————————————–
On pose gn = |fn − f |r . On a gn → 0 p.p. et, pour tout A ∈ T , on obtient en utilisant l’inégalité
de Hölder avec les fonctions gn et 1A et les exposants pr et son conjugué :
Z Z Z
r r r
gn dm = |fn − f |r ≤ ( |fn − f |p dm) p (m(A))1− p ≤ kfn − f krp (m(A))1− p .
A A A
On en déduit, comme kfn kp ≤ C :

Z
r
gn dm ≤ (C + kf kp )r (m(A))1− p ,
A
d’où l’on déduit que la suite (gn )n∈N est équiintégrable. Le théorème de Vitali (théorème 4.8, voir
aussi l’exercice 4.30) donne alors que gn → 0 dans L1 , d’où l’on conclut que fn → f dans Lr , quand
n → ∞.
—————————————————————————————–
6. Pour cette question, on retire dans (6.49) l’hypothèse m(E) < ∞ et on suppose que p > 1. Montrer
que fn → f faiblement dans Lp .
—————————————corrigé—————————————–
Il suffit ici de reprendre la même démonstration qu’à la question 3 avec EN remplacé par ẼN =
EN ∩ AN où (An )n∈N ⊂ T est t.q. ∪n∈N An = E, An+1 ⊃ An pour tout n ∈ N et m(An ) < ∞ pour
tout n ∈ N.
—————————————————————————————–
7. Dans cette question, on conserve l’hypothèse (6.49) mais on ne suppose plus que f ∈ Lp . Montrer
que f appartient nécessairement à Lp .
426
—————————————corrigé—————————————–
Le fait que f ∈ Lp est une conséquence immédiate du lemme de Fatou (appliqué à la suite
(|fn |p )n∈N ).
—————————————————————————————–
8. On prend maintenant (E, T, m) = (]0, 1[, B(]0, 1[), λ) et on définit fn , pour n ∈ N par fn = 1 p.p.
sur ]2k/n, (2k + 1)/n[ pour k ∈ N, (2k + 1)/n ≤ 1 et fn = −1 p.p. sur ]2k − 1/n, 2k/n[ pour
k ∈ N? , 2k/n ≤ 1. Montrer que fn → 0 faiblement dans Lp , pour tout 1 ≤ p < ∞. [On pourra, par
exemple, utiliser la densité de C([0, 1], R) dans L1 .]
—————————————corrigé—————————————–
On se limite à n pair (la démonstration pour n impair est similaire).
On prend d’abord ϕ ∈ C([0, 1], R). On a alors :

n
2 −1
Z 2k+1
XZ n 1
fn ϕdλ = (ϕ(x) − ϕ(x + ))dx.
2k n
k=0 n
On en déduit :
1
Z Z 1− n
1
| fn ϕdλ| ≤ |ϕ(x) − ϕ(x + )|dx → 0 quand n → ∞. (12.120)
0 n
Soit maintenant ϕ ∈ L1 . Soit ε > 0. Il existe ψ ∈ C([0, 1], R) t.q. kϕ − ψk1 ≤ ε. On a alors :
Z Z Z Z 1
| fn ϕdλ| ≤ | fn ψdλ| + | fn (ψ − ϕ)dλ| ≤ | fn ψdλ| + ε.
0
Comme ψ ∈ C([0, 1], R), on peut utiliser (12.120) (avec ψ au lieu de ϕ). Il existe donc n(ε) t.q.
R1
| 0 fn ψdλ| ≤ ε pour n ≥ n(ε), et donc :
Z
n ≥ n(ε) ⇒ | fn ϕdλ| ≤ 2ε,
fn ϕdλ → 0, quand n → ∞, pour tout ϕ ∈ L1 .

R
ce qui donne bien
On en déduit bien que fn → 0 faiblement dans Lp pour tout 1 ≤ p < ∞ en utilisant la question 1
et le fait que Lq ⊂ L1 pour tout q ≥ 1.
—————————————————————————————–
Corrigé 124 (Convergence faible et non linéarité)

1. (Unicité de la limite faible). Soit (un )n∈N ⊂ L1 et u, v ∈ L1 . On suppose que un → u faiblement

dans L1 , quand n → ∞, (c’est-à-dire que T (un ) → T (u) pour toute application T linéaire continue
de L1 dans R) et que un → v faiblement dans L1 .
427
(a) Montrer que (u − v)φdλ = 0, pour tout φ ∈ L∞ .
R
—————————————corrigé—————————————–
Soit φ ∈ L∞ . On sait que l’application w 7→ wφdλ est une application T linéaire continue
R
de L1 dans R (voir la section 6.3). On a donc, quand n → ∞ :

Z Z Z Z
un φdλ → uφdλ et un φdλ → vφdλ.
R R R
On en déduit bien que uφdλ = vφdλ c’est-à-dire (u − v)φdλ = 0.
—————————————————————————————–
(b) Montrer que u = v p.p.. [Choisir convenablement φ dans l’égalité précécente.]
—————————————corrigé—————————————–
On choisit des représentants de u et v et on prend φ = sign(u − v)1{u 6= v}. La fonction φ est
mesurable (et même étagée) et bornée, donc φ ∈ L∞ (ou φ ∈ L∞ avec la confusion habituelle).
Ce choix de φ dans la question précédente donne alors ku − vk1 = 0 et donc u = v p.p..
—————————————————————————————–
2. (Convergence forte contre convergence faible) Soit (vn )n∈N ⊂ L∞ et v ∈ L∞ . On suppose qu’il
existe C > 0 t.q. kvn k∞ ≤ C pour tout n ∈ N et que vn → v p.p., quand n → ∞.
(a) Montrer que vn → v dans Lp , quand n → ∞, pour tout 1 ≤ p < ∞.
—————————————corrigé—————————————–
Ceci est une conséquence immédiate du théorème de convergence dominée dans Lp (pour
1 ≤ p < ∞, théorème 6.1). En effet, on a vn → v p.p., |vn | ≤ C1]0,1[ p.p. (pour tout n ∈ N)
et la fonction C1]0,1[ appartient à Lp .
—————————————————————————————–
(b) Donner un exemple pour lequel vn 6→ v dans L∞ .
—————————————corrigé—————————————–
Il suffit de prendre vn = 1]0, n1 [ (plus précisément, vn est l’élément de L∞ donc 1]0, n1 [ est l’un
des représentants) et v = 0. On a (vn )n∈N ⊂ L∞ , kvn k∞ = 1, pour tout n ∈ N, vn → 0 p.p.
et vn 6→ 0 dans L∞ (quand n → ∞),
—————————————————————————————–
(c) Soit (un )n∈N ⊂ L1 et u ∈ L1 . On suppose que ku
R n k∞ ≤ C pour
R tout n ∈ N et que un → u
faiblement dans L1 , quand n → ∞. Montrer que un vn dλ → uvdλ, quand n → ∞. [Ecrire
vn = v + (vn − v).]
—————————————corrigé—————————————–
On remarque que Z Z Z
un vn dλ = un vdλ + un (vn − v)dλ. (12.121)
Comme un → u faiblement dans L1 , on a

R R
un vdλ → uvdλ, quand n → ∞.
R
Le deuxième terme de (12.121) tends vers 0 car | un (vn − v)dλ| ≤ kun k∞ kvn − vk1 ≤ Ckvn −
vk1 → 0, quand n → ∞, car on a montré précédemment que vn → v dans L1 .
428
R R
On en déduit bien que un vn dλ → uvdλ, quand n → ∞.
—————————————————————————————–
On se donne maintenant une fonction ϕ ∈ C(R, R).

3. Soit u ∈ L∞ . Montrer que ϕ ◦ u ∈ L∞ .
—————————————corrigé—————————————–
• Comme ϕ ∈ C(R, R), ϕ est borélienne (c’est-à-dire mesurable de R dans R, R étant muni
de la tribu de Borel). On en déduit que ϕ ◦ u est mesurable comme composée de fonctions
mesurables.
• On note M = max{|ϕ(s)|, |s| ≤ kuk∞ }. On a M < ∞ (car ϕ est continue sur le compact
[−kuk∞ , kuk∞ ]) et |ϕ ◦ u| ≤ M p.p. car |u| ≤ kuk∞ p.p.. On en déduit que ϕ ◦ u ∈ L∞ et
kϕ ◦ uk∞ ≤ M .
—————————————————————————————–
4. Soit u ∈ L∞ et v, w ∈ u. Montrer que {h ∈ L∞ ; h = ϕ ◦ v p.p.} = {h ∈ L∞ ; h = ϕ ◦ w p.p.}.
—————————————corrigé—————————————–
On a v = w p.p. et donc ϕ ◦ v = ϕ ◦ w p.p., puisque, pour x ∈]0, 1[. u(x) = v(x) implique
ϕ(u(x)) = ϕ(v(x)).
Si h : ]0, 1[→ R, on a donc :
h = ϕ ◦ u p.p. ⇔ h = ϕ ◦ v p.p. ,
ce qui donne bien {h ∈ L∞ ; h = ϕ ◦ v p.p.} = {h ∈ L∞ ; h = ϕ ◦ w p.p.}.

—————————————————————————————–
Grâce aux 2 questions précédentes, pour u ∈ L∞ , on pose, si v ∈ u :

ϕ(u) = {h ∈ L∞ ; h = ϕ ◦ v p.p.}, de sorte que ϕ(u) ∈ L∞ .
On se donne maintenant (un )n∈N ⊂ L∞ . On suppose qu’il existe C > 0 t.q. kun k∞ ≤ C pour tout
n ∈ N et qu’il existe u ∈ L1 et f : ]0, 1[→ R t.q. :
• un → u faiblement dans L1 , quand n → ∞,

• ϕ(un ) → f p.p., quand n → ∞.
Le but de l’exercice est de comparer f et ϕ(u).

5. Montrer que | u1A dλ| ≤ Cλ(A) pour tout A ∈ B(]0, 1[). Montrer que u ∈ L∞ que kuk∞ ≤ C.
R
—————————————corrigé—————————————–
Soit A ∈ B(]0, 1[). De l’hypothèse kun k∞ ≤ C, on déduit :
Z
| un 1A dλ| ≤ kun k∞ k1A k1 ≤ Cλ(A). (12.122)
429
Comme un → u faiblement dans L1 quand n → ∞, on a un 1A dλ → u1A dλ quand n → ∞. On
R R
déduit donc de (12.122), quand n → ∞ :

Z
| u1A dλ| ≤ Cλ(A). (12.123)
On choisit
R alors un représentant de u et on prend dans (12.123), A = A+ = {u > C}. Si λ(A+ ) > 0,
on a u1A+ dλ > Cλ(A+ ), en contradiction avec (12.123). Ce qui prouve que λ(A+ ) = 0.
R R
On prend ensuite A = A− = {u < −C}. Si λ(A− ) > 0, on a | u1A− dλ| = (−u)1A− dλ > Cλ(A− ),
en contradiction avec (12.123). Ce qui prouve que λ(A− ) = 0.
On a donc λ({|u| > C}) = λ(A+ ) + λ(A− ) = 0. Ce qui donne u ∈ L∞ et kuk∞ ≤ C.
—————————————————————————————–
6. On suppose, dans cette question, que ϕ est affine (c’est-à-dire qu’il existe α, β ∈ R t.q. ϕ(s) = αs+β
pour tout s ∈ R). Montrer que f = ϕ(u) p.p.. [Utiliser, en particulier, la question 1.]
—————————————corrigé—————————————–
On rappelle d’abord (voir la section 6.3) que si (wn )n∈N ⊂R L1 et w ∈ RL1 , la suite (wn )n∈N tends
vers w faiblement dans L1 (quand n → ∞) si et seulement wn φdλ → wφdλ pour tout φ ∈ L∞ .
Soit φ ∈ L∞ , on a ϕ(un )φdλ = (αun +β)φdλ = α un φdλ+β φdλ. Comme un → u faiblement

R R R R
dans L1 , on en déduit que ϕ(un )φdλ → α uφdλ + β φdλ = ϕ(u)φdλ (quand n → ∞). Ceci
R R R R
montre que ϕ(un ) → ϕ(u) faiblement dans L1 quand n → ∞.
On utilse maintenant le fait que ϕ(un ) → f p.p.. En notant M = max{|ϕ(s)|, |s| ≤ C}, on a M < ∞
et |ϕ(un )| ≤ M p.p. (car |un | ≤ C p.p.) pour tout n ∈ N. On peut donc appliquer le théorème de
convergence dominée (car les fonctions constantes sont intégrables, sur (]0, 1[, B(]0, 1[), λ)). Il donne
f ∈ L1 et ϕ(un ) → f dans L1 quand n → ∞. On en déduit alors aussi que ϕ(un ) → f faiblement
dans L1 quand n → ∞ (il suffit de remarquer que | ϕ(un )φdλ− f φdλ| ≤ kϕ(un )−f k1 kφk∞ → 0,
R R
quand n → ∞, pour tout φ ∈ L∞ ).

Par la question 1 (unicité de la limite faible), on peut donc conclure que f = ϕ(u) p.p..
—————————————————————————————–
7. On suppose, dans cette question, que ϕ est injective. Montrer qu’il existe v ∈ L∞ t.q. un → v p.p.
quand n → ∞. En déduire que v = u et f = ϕ(u) p.p..
—————————————corrigé—————————————–
Pour chaque n ∈ N, on choisit un représentant de un , encore noté un . Comme |un | ≤ C p.p. (pour
tout n ∈ N) et ϕ(un ) → f p.p., il existe A ∈ B(]0, 1[) t.q. λ(A) = 0, |un (x)| ≤ C, pour tout x ∈ Ac
et tout n ∈ N, et ϕ(un (x)) → f (x), quand n → ∞, pour tout x ∈ Ac .
Soit x ∈ Ac . La suite (un (x))n∈N est incluse dans le compact [−C, C]. Soit a une valeur d’adhérence
de cette suite (c’est-à-dire la limite d’une sous suite convergente). Par continuité de ϕ, ϕ(a) est
alors une valeur d’adhérence de de la suite (ϕ(un (x)))n∈N . Or, la suite (ϕ(un (x)))n∈N converge vers
f (x). Donc, ϕ(a) = f (x). Comme ϕ est injective, ceci montre que la suite (un (x))n∈N n’a qu’une
seule valeur d’adhérence et donc qu’elle est convergente (on rappelle qu’une suite dans un compact,
qui n’a qu’une seule valeur d’adhérence, est convergente). On pose alors v(x) = limn→∞ un (x).
430
On a ainsi défini v p.p. (car λ(A) = 0), et on a un → v p.p.. On a aussi obtenu que ϕ(v) = f p.p.
(car ϕ(v(x)) = f (x) pour tout x ∈ Ac ).
Comme |un | ≤ C p.p. (pour tout n), le théorème de convergence dominée donne que un → v dans
L1 (quand n → ∞). On en déduit, comme à la question précédente, que un → v faiblement dans
L1 . La question 1 (unicité de la limite faible) donne alors u = v p.p..
Enfin, on a déjà montré que ϕ(v) = f p.p. et donc ϕ(u) = f p.p..
—————————————————————————————–
8. (Astuce de Minty) On suppose, dans cette question, que ϕ est croissante.
(a) Soit v ∈ L∞ . Montrer que (f − ϕ(v))(u − v)dλ ≥ 0. [Utiliser la croissance de ϕ et la question

R
2 (c).]
—————————————corrigé—————————————–
∞
RSoit v ∈ L . Comme ϕ est croissante, on a (ϕ(un ) − ϕ(v))(un − v) ≥ 0 p.p. et donc
(ϕ(un ) − ϕ(v))(un − v)dλ ≥ 0.
On remarque maintenant que :
• (ϕ(un ) − ϕ(v)) → (f − ϕ(v)) p.p. (quand n → ∞) et kϕ(un ) − ϕ(v)k∞ ≤ M1 + M2 (pour
tout n) avec M1 = max{|ϕ(s)|, |s| ≤ C} et M2 = max{|ϕ(s)|, |s| ≤ kvk∞ } (pour tout n).
• (un − v) → (u − v) faiblement dans L1 (quand n → ∞) et kun − vk∞ ≤ C + kvk∞ .
R R
On peut utiliser la question 2 (c) et en déduire que (ϕ(un ) − ϕ(v))(un − v)dλ → (f −
ϕ(v))(u − v)dλ quand n → ∞ et donc :
Z
(f − ϕ(v))(u − v)dλ ≥ 0.
—————————————————————————————–
(b) Soit w ∈ L∞ . Montrer que (f − ϕ(u))wdλ ≤ 0. [Utiliser la question précédente avec
R
v = u + (1/n)w.]
—————————————corrigé—————————————–
La question précédente avec v = u + (1/n)w donne :
Z
1
(f − ϕ(u + w))wdλ ≤ 0.
n
Comme ϕ est continue, on a ϕ(u+ n1 w) → ϕ(u) p.p. quand n → ∞. On a aussi |ϕ(u+ n1 w)| ≤ M
p.p., pour tout n ∈ N, avec M = max{|ϕ(s)|, |s| ≤ kuk∞ +kwk∞ }. Le théorème de convergence
dominée donne alors (f − ϕ(u + n1 w)) → (f − ϕ(u)) dans L1 , quand n → ∞, et donc, comme
w ∈ L∞ : Z Z
1
(f − ϕ(u + w))wdλ → (f − ϕ(u))wdλ.
n
R
On en déduit que (f − ϕ(u))wdλ ≤ 0.
—————————————————————————————–
431
(c) Montrer que f = ϕ(u) p.p..
—————————————corrigé—————————————–
On choisit des représentants de f et ϕ(u) et on pose w = sign(f − ϕ(u))1{f 6=ϕ(u)} . La question
précédente donne alors, avec ce choix de w, kf − ϕ(u)k1 = 0 et donc f = ϕ(u) p.p..
—————————————————————————————–
9. On définit un , pour n ∈ N, par un = 1 p.p. sur ]2k/2n, (2k + 1)/2n[ pour k ∈ {0, . . . , n − 1}, et
un = −1 p.p. sur ]2k − 1/2n, 2k/2n[ pour k ∈ {1, . . . , n}.
R
(a) Montrer que un φdλ → 0, quand n → ∞, pour tout φ ∈ C([0, 1], R).
—————————————corrigé—————————————–
Cette question et la suivante ont déjà faites dans le corrigé 123. On reprend la même démon-
stration.
Soit φ ∈ C([0, 1], R). On a :
n−1 k 1
n + 2n
Z XZ 1
un φdλ = (φ(x) − φ(x + ))dx.
k 2n
k=0 n
On en déduit, grâce à la continuité uniforme de φ :

Z Z 1− 21 n
1
| un φdλ| ≤ |φ(x) − φ(x + )|dx → 0 quand n → ∞. (12.124)
0 2n
—————————————————————————————–
(b) Montrer que un → 0 faiblement dans L1 , quand n → ∞. [On pourra, par exemple, utiliser la
densité de C([0, 1], R) dans L1 .] Montrer que un 6→ 0 dans L1 , quand n → ∞.
—————————————corrigé—————————————–
Soit φ ∈ L1 . Soit ε > 0. Il existe ψ ∈ C([0, 1], R) t.q. kφ − ψk1 ≤ ε. On a alors :

Z Z Z Z 1
| un φdλ| ≤ | un ψdλ| + | un (ψ − φ)dλ| ≤ | un ψdλ| + ε.
0
Comme ψ ∈ C([0, 1], R), on peut utiliser la question précédente. Il existe donc n(ε) t.q.
R1
| 0 un ψdλ| ≤ ε pour n ≥ n(ε), et donc :
Z
n ≥ n(ε) ⇒ | un φdλ| ≤ 2ε.
un φdλ → 0, quand n → ∞, pour tout φ ∈ L1 .

R
Ceci donne que
On en déduit bien que un → 0 faiblement dans L1 car L∞ ⊂ L1 .
D’autre part, un 6→ 0 dans L1 , quand n → ∞, car kun k1 = 1 pour tout n ∈ N.

—————————————————————————————–
432
(c) Donner un exemple de fonction ϕ ∈ C(R, R) pour lequel ϕ(un ) → f p.p. et f 6= ϕ(0) p.p.. (et
donc ϕ n’est pas croissante et n’est pas injective).
—————————————corrigé—————————————–
Il suffit de prendre ϕ(s) = s2 pour tout s ∈ R. On a alors ϕ(un ) = 1 p.p. pour tout n ∈ N et
donc ϕ(un ) → f p.p. avec f = 1 p.p. alors que ϕ(0) = 0 p.p..
—————————————————————————————–
(d) Donner un exemple de fonction ϕ ∈ C(R, R) croissante pour lequel ϕ(un ) → f p.p. (et donc
f = ϕ(0) p.p., par la question 8, et ϕ est non injective, par les questions 7 et 9 (b)).
—————————————corrigé—————————————–
Il suffit de prendre ϕ(s) = 0 pour tout s ∈ R. On a alors ϕ(un ) = 0 p.p. pour tout n ∈ N et
donc ϕ(un ) → f p.p. avec f = ϕ(0) = 0 p.p..
—————————————————————————————–
Corrigé 125 (Convergence étroite de mesures)

Soit (mn )n∈N une suite de mesures finies sur B(R) (on rappelle que “mn finie” signifie que “mn (R) < ∞”)
et m une mesure finie sur B(R). On rappelle que Cb (R, R) ⊂ L1R (R, B(R), mn ), pour tout n ∈ N, et que
Cb (R, R) ⊂ L1R (R, B(R), m).
On suppose que : Z Z
gdmn → gdm, pour tout g ∈ Cb (R, R).
Soit f ∈ C(R, R). On ne suppose pas que f est bornée, mais on suppose que f ∈ L1R (R, B(R), mn ) pour
tout n ∈ N.
1. On pose α = supn∈N mn (R). Montrer que α < ∞.

—————————————corrigé—————————————–
La fonction constante et égale à 1 appartient à Cb (R, R). L’hypothèse donne donc mn (R) → m(R),
quand n → ∞. La suite (mn (R))n∈N est donc bornée (car convergente dans R). Ce qui donne
α < ∞.
—————————————————————————————–
2. On suppose, dans cette question, que :
Z
β = sup |f |2 dmn < ∞.
n∈N
(a) Soit ϕ une fonction continue de R dans R, à support compact et t.q. 0 ≤ ϕ(x) ≤ 1 pour tout
x ∈ R. Montrer qu’il existe C ∈ R, ne dépendant que de α et β (définis ci dessus), t.q. :
Z
|f |ϕdm ≤ C.
—————————————corrigé—————————————–
En utilisant l’inégalité de Cauchy-Schwarz, on a :
Z Z Z
1 1 1 1 1
|f |ϕdmn ≤ ( f 2 dmn ) 2 ( ϕ2 dmn ) 2 ≤ β 2 mn (R) 2 ≤ (αβ) 2 .
433
R R
Comme |f |ϕ ∈ Cc (R, R) ⊂ Cb (R, R), l’hypothèse donne |f |ϕdm = limn→∞ |f |ϕdmn . On
R 1
déduit donc de la majoration précédente que |f |ϕdm ≤ (αβ) 2 .
—————————————————————————————–
(b) Montrer que f ∈ L1R (R, B(R), m).
—————————————corrigé—————————————–
On définit ϕ1 en posant :
ϕ1 (x) = 1, si 0 ≤ x ≤ 1,
ϕ1 (x) = 2 − x, si 1 < x ≤ 2,
ϕ1 (x) = 0, si 2 < x,
ϕ1 (x) = ϕ1 (−x), si x < 0.
Puis, pour p ≥ 2, ϕp (x) = ϕ1 ( xp ) pour x ∈ R.
R 1
La question précédente donne |f |ϕp dm ≤ (αβ) 2 pour tout p ≥ 1. Comme la suite (ϕp )p≥1
converge simplement et en croissant vers la fonction constante égale à 1, le théorème de con-
1
vergence monotone donne que |f |dm ≤ (αβ) 2 et donc que f ∈ L1R (R, B(R), m).
R
—————————————————————————————–
Z Z
(c) Montrer que f dmn → f dm, quand n → ∞.
—————————————corrigé—————————————–
On utilise encore la suite (ϕp )p≥1 définie à la question précédente et on remarque que, pour
tout p ≥ 1,
Z Z Z Z
| f dmn − f dm| ≤ |f |(1 − ϕp )dmn + |f |(1 − ϕp )dm
Z Z (12.125)
+| f ϕp dmn − f ϕp dm|.
Soit ε > 0. Pour tout p ≥ 1, on a |f |(1 − ϕp ) ≤ |f | p.p.. Comme (1 − ϕp ) → 0 p.p.

1
R f ∈ LR (R, B(R), m), on peut appliquer le théorème de convergence dominée. Il donne
et
|f |(1 − ϕp )dm → 0 quand p → ∞. Il existe donc p0 ≥ 1 t.q.
Z
p ≥ p0 ⇒ |f |(1 − ϕp )dm ≤ ε.
En utilisant encore le théorème de convergence dominée (les constantes étant intégrables pour
la mesure m), il existe aussi p1 ≥ 1 t.q.
Z
p ≥ p1 ⇒ β (1 − ϕp )dm < ε2 .
R
On choisit Rmaintenant p = max(p0 , p1 ). Comme (1 − ϕp ) ∈ Cb (R, R), on a donc (1 −
ϕp )dmn → (1 − ϕp )dm quand n → ∞. Il existe donc n0 t.q.
Z
n ≥ n0 ⇒ β (1 − ϕp )dmn < ε2 .
En utilisant l’inégalité de Cauchy-Schwarz et le fait que (1 − ϕp )2 ≤ (1 − ϕp ), on en déduit,

pour n ≥ n0 , Z Z
1 1
|f |(1 − ϕp )dmn ≤ β ( (1 − ϕp )dmn ) 2 ≤ ε.
2
434
R R
Enfin, comme f ϕp ∈ Cb (R, R), on a f ϕp dmn → f ϕp dm quand n → ∞. Il existe donc n1
t.q. Z Z
n ≥ n1 ⇒ | f ϕp dmn − f ϕp dm| ≤ ε.
Finalement, avec ce choix de p = max(p0 , p1 ), on déduit donc de (12.125) que

Z Z
n ≥ max(n0 , n1 ) ⇒ | f dmn − f dm| ≤ 3ε.
Z Z
Ceci prouve bien que f dmn → f dm, quand n → ∞.
—————————————————————————————–
Z
3. On ne suppose plus que sup |f |2 dmn < ∞.
n∈N
Montrer (en choississant convenablement (mn )n∈N , m et f ) que l’on peut avoir f 6∈ L1R (R, B(R), m).
—————————————corrigé—————————————– Pn
On peut prendre, par exemple, m0 = 0 et, pour n ≥ 1, mn = p=1 p12 δp (où δp est la masse de Dirac en
p). On prend f définie Ppar f (x) = x pour tout x ∈ R. Les hypothèses sur la suite (mn )n∈N et m sont
∞
bien vérifiées avec m = p=1 p12 δp .
On a bien f ∈ L2R (R, B(R), mn ) ⊂ L1R (R, B(R), mn ) pour tout n ∈ N mais f 6∈ L1R (R, B(R), m).
—————————————————————————————–
Corrigé 126 (Convergence faible et convexité)

Dans cet exercice (E, T, m) est un espace mesuré et on suppose que la mesure m est σ−finie.. Pour tout
1 ≤ r ≤ ∞, on note Lr l’espace Lr (E, T, m) (et Lr l’espace Lr (E, T, m)). Soit 1 ≤ p < ∞, (un )n∈N une
suite bornée de Lp et u ∈ Lp t.q. un → u faiblement dans Lp quand n → ∞ (on rappelle que ceci signifie
T (un ) → T (u), quand n → ∞, pour tout T dans (Lp )0 , c’est-à-dire dans le dual topologique de Lp ).
1. On pose r = p/(p − 1) si p > 1 et r = ∞, si p = 1. Montrer que, pour tout v ∈ Lr :

Z Z
un vdm → uvdm.
—————————————corrigé—————————————–
Soit v ∈ Lr . Pour tout w ∈ Lp , on pose T (w) = wvdm. Comme cela a été vu en cours, l’inégalité
R
de Hölder (proposition 6.9) donne que T ∈ (Lp )0 , on a donc T (u) = limn→∞ T (un ).
—————————————————————————————–
Soit ϕ ∈ C 1 (R, R). On suppose que ϕ est strictement convexe (ce qui est équivalent à dire que ϕ0
est strictement croissante).
2. Soit a ∈ R. Pour x ∈ R, on pose ha (x) = ϕ(x) − ϕ(a) − ϕ0 (a)(x − a).
(a) Montrer que ha (x) > 0 si x 6= a.
—————————————corrigé—————————————–
Soit x 6= a. Le théorème des accroissements finis donne qu’il existe y ∈]a, x[, si x > a, ou
y ∈]x, a[, si x < a, t.q. ϕ(x)−ϕ(a) = ϕ0 (y)(x−a). On a donc ha (x) = (ϕ0 (y)−ϕ0 (a))(x−a) > 0.
—————————————————————————————–
435
(b) Montrer que ha est décroissante sur ] − ∞, a[ et croissante sur ]a, ∞(.
—————————————corrigé—————————————–
La fonction ha est de classe C 1 et, pour tout x ∈ R, on a h0a (x) = ϕ0 (x) − ϕ0 (a). on a donc
h0a (x) < 0 si x < a et h0a (x) > 0 si x > a.
—————————————————————————————–
Soit 1 ≤ q < ∞. On suppose maintenant que la suite (ϕ(un ))n∈N est bornée dans Lq et qu’elle
converge faiblement dans Lq , quand n → ∞, vers une (classe de) fonction(s) ϕ ∈ Lq .
Précision de notation : On choisit un représentant pour un . On désigne alors par ϕ(un ) la fonction
(de E dans R) x 7→ ϕ(un (x)). Cette fonction est supposée être dans Lq et on l’identifie, comme
d’habitude, avec l’élément de Lq qu’elle représente.
Pour n ∈ N, on pose fn = [ϕ(un ) − ϕ(u) − ϕ0 (u)(un − u)].
Précision de notation : Ici aussi, pour définir fn , on choisit un représentant pour u. On désigne
alors par ϕ(u) et ϕ0 (u) les fonctions x 7→ ϕ(u(x)) et x 7→ ϕ0 (u(x)).
3. Soit k ∈ R?+ et B ∈ T t.q. m(B) < ∞. On pose Ak = {|u| ≤ k} (c’est-à-dire Ak = {x ∈ E t.q.
|u(x)| ≤ k}.
Z Z
Montrer que fn 1Ak 1B dm → (ϕ − ϕ(u))1Ak 1B dm, quand n → ∞.
—————————————corrigé—————————————–
la fonction ϕ0 est continue sur R. Elle est donc bornée sur [−k, k]. On en déduit que ϕ0 (u)1Ak ∈ L∞ .
Comme m(B) < ∞, on a donc ϕ0 (u)1Ak 1B ∈ Lr pour tout r ∈ [1, ∞] en en particulier si r est le
conjugué de p (c’est-à-dire r = p/(p − 1) si p > 1 et r = ∞, si p = 1). La question 1 donne donc :
Z
ϕ0 (u)1Ak 1B (un − u)dm → 0, quand n → ∞.
Puis, comme ϕ(un ) → ϕ faiblement dans Lq et que 1Ak 1B ∈ Lr où r est maintenant le conjugué de
q, on a aussi : Z Z
ϕ(un )1Ak 1B dm → ϕ1Ak 1B dm, quand n → ∞.
Enfin, on remarque que ϕ(u)1Ak 1B ∈ L1 (car m(B)R< ∞ et ϕ bornéeR sur [−k, k]). Ce qui donne
finalement que fn 1Ak 1B ∈ L1 pour tout n ∈ N et que fn 1Ak 1B dm → (ϕ−ϕ(u))1Ak 1B dm, quand
n → ∞.
—————————————————————————————–
4. Montrer ϕ ≥ ϕ(u) p.p.. [Utiliser les questions 2(a) et 3.]
—————————————corrigé—————————————–
La question 2(a) donne que fn ≥ 0 p.p.. On a donc, grâce à la question 3, avec les notations de la
question 3 : Z
(ϕ − ϕ(u))1Ak 1B dm ≥ 0, (12.126)
pour tout k ∈ R?+ et tout B ∈ T t.q. m(B) < ∞.

On va déduire de (12.126) que ϕ ≥ ϕ(u) p.p.. Pour cela, On choisit des représentants de u et ϕ et
on pose N = {ϕ − ϕ(u) < 0} = {x ∈ E; ϕ(x) − ϕ(u(x)) < 0}.
436
Comme m est σ−finie, il existe une suite (Ep )p∈N? ⊂ T t.q. E = ∪p∈N? Ep , m(Ep ) < ∞ et Ep ⊂
Ep+1 pour tout p ∈ N? . Comme u prend ses valeurs dans R, on a donc aussi E = ∪p∈N? (Ep ∩ Ap )
et finalement N = ∪p∈N? Np , avec Np = N ∩ Ep ∩ Ap .
Soit p ∈ N? , on prend k = p et B = Ep ∩ N dans (12.126), de sorte que Ak ∩ B = Ap ∩ Ep ∩ N = Np .
Comme ϕ − ϕ(u) < 0 sur Np , on obtient que (ϕ − ϕ(u))1Np = 0 p.p. et donc m(Np ) = 0. Comme
N = ∪p∈N? Np , on a finalement m(N ) = 0 et donc ϕ ≥ ϕ(u) p.p..
—————————————————————————————–
On suppose maintenant que ϕ = ϕ(u) p.p..

5. Soit B ∈ T t.q. m(B) < ∞, k ∈ R?+ et Ak = {|u| ≤ k}. Montrer que (fn )n∈N admet une sous suite
convergeant p.p. vers 0 sur Ak ∩ B.
—————————————corrigé—————————————–
La question 2(a) donneR fn ≥ 0 p.p. (pour tout n) et la question 3 donne que fn 1Ak ∩B = fn 1Ak 1B ∈
L1 et kfn 1Ak 1B k1 = fn 1Ak 1B dm → 0, quand n → ∞. D’après la réciproque partielle de conver-
gence dominée (théorème 4.7), la suite (fn 1Ak 1B )n∈N admet donc une sous suite convergeant p.p.
vers 0. Autrement dit, il existe une application strictement croissante ψ de N dans N t.q. (fψ(n) )n∈N
converge p.p. vers 0 sur Ak ∩ B.
—————————————————————————————–
6. (Question plus difficile.) Montrer que (fn )n∈N admet une sous suite convergeant p.p. vers 0 sur E.
[Utiliser le fait que la mesure m est σ−finie et un “procédé diagonal”.]
—————————————corrigé—————————————–
On reprend la suite (Ep )p∈N? introduite à la question 4 (c’est-à-dire (Ep )p∈N? ⊂ T t.q. E = ∪p∈N? Ep ,
m(Ep ) < ∞ et Ep ⊂ Ep+1 pour tout p ∈ N? ).
La question 5 donne que pour tout p ∈ N? , la suite (fn )n∈N admet une sous suite convergeant p.p.
vers 0 sur Ap ∩ Ep . Plus précisément, le raisonnement de la question 5 donne que de toute sous suite
de la suite (fn )n∈N on peut extraire une sous suite convergeant p.p. vers 0 sur Ap ∩ Ep . Comme
E = ∪p∈N? (Ap ∩ Ep ), le procédé diagonal va nous permettre ci après de construire une sous suite
de la suite (fn )n∈N convergeant p.p. vers 0 sur E.
Dans une première épape, on montre, par récurrence, l’existence d’une suite d’applications stricte-
ment croissantes (ψp )p∈N? de N dans N t.q., pour tout p ∈ N? , la suite (fψ1 ◦...◦ψp (n))n∈N converge
p.p. vers 0 sur Ap ∩ Ep .
L’existence de ψ1 découle de de la question 5 avec k = 1 et B = E1 . Puis, pour p ≥ 1, en supposant
ψ1 , . . . , ψp construits, on utilise le raisonnement de la question 5 avec la suite (fψ1 ◦...◦ψp (n) )n∈N ,
k = p + 1 et B = Ep+1 . On obtient l’existence d’une application srtictement croissante ψp+1 de N
dans N t.q. la suite (fψ1 ◦...◦ψp+1 (n))n∈N converge p.p. vers 0 sur Ap+1 ∩ Ep+1 . Ce qui termine la
récurrence.
La deuxième étape consiste à définir ψ de N dans N en posant

ψ(n) = ψ1 ◦ . . . ◦ ψn (n), pour n ∈ N.
La fonction ψ est strictement croissante de N dans N et on va montrer que la suite (fψ(n) )n∈N
converge p.p. vers 0 (sur E). En effet, soit p ∈ N? . Pour n > p, on a :
ψ(n) = ψ1 ◦ . . . ◦ ψp (ψp+1 ◦ . . . ◦ ψn (n)).
437
La suite (fψ(n) )n∈N est donc extraite, à partir de n = p, de la suite (fψ1 ◦...◦ψp (n) )n∈N . Ceci prouve
que (fψ(n) )n∈N converge p.p. vers 0 sur Ap ∩ Ep . Comme E = ∪p∈N? (Ap ∩ Ep ), on en déduit bien
que la suite (fψ(n) )n∈N converge p.p. vers 0 (sur E).
—————————————————————————————–
7. Soit x ∈ E t.q. fn (x) → 0, montrer que un (x) → u(x). [Soit b ∈ R, limite d’une sous suite de la
suite (un (x))n∈N . Utiliser la question 2 pour montrer que b = u(x).]
—————————————corrigé—————————————–
Le point x est ici fixé. On pose a = u(x). On remarque alors que fn (x) = ha (un (x)) (avec ha défini
à la question 2).
Si la suite (un (x))n∈N est non bornée, il existe une sous suite, encore notée (un (x))n∈N , t.q. un (x) 6∈
[a − 1, a + 1] (on peut même supposer que limn→∞ |un (x)| = ∞). On a donc, grâce à la question 2 :
fn (x) = ha (un (x)) ≥ min(ha (a + 1), ha (a − 1)) > 0,
en contradiction avec limn→∞ fn (x) = 0. La suite (un (x))n∈N est donc bornée.
Si b est une valeur d’adhérence de la suite (un (x))n∈N , il existe une sous suite de la suite (un (x))n∈N ,
encore notée (un (x))n∈N , t.q. b = limn→∞ un (x). On a donc limn→∞ fn (x) = ha (b). Comme
limn→∞ fn (x) = 0, la question 2(a) donne b = a. On a ainsi montré que u(x) est la seule valeur
d’adhérence de la suite bornée (un (x))n∈N , ce qui prouve que u(x) = limn→∞ un (x).
—————————————————————————————–
8. Montrer que (un )n∈N admet une sous suite convergeant p.p. vers u.
—————————————corrigé—————————————–
La question 6 montre que la suite (fn )n∈N admet une sous suite convergeant p.p. vers 0. Il existe
donc ψ strictement croissante de N dans N t.q. la suite (fψ(n) )n∈N converge p.p. vers 0. Le
raisonnement de la question 7 montre que
x ∈ E, lim fψ(n) (x) = 0 ⇒ lim un (x) = u(x).

n→∞ n→∞
On en déduit que (uψ(n) )n∈N converge p.p. vers u.

—————————————————————————————–
9. On suppose ici que p > 1. Montrer que un 1B → u1B dans Lr pour tout r ∈ [1, p[ et tout B ∈ T
t.q. m(B) < ∞. [Utiliser l’exercice 6.18.]
—————————————corrigé—————————————–
On raisonne par l’absurde. On suppose qu’il existe r ∈ [1, p[ et B ∈ T t.q. m(B) < ∞ et
un 1B 6→ u1B dans Lr . Il existe alors ε > 0 et une sous suite de la suite (un )n∈N , notée (ug(n) )n∈N
(avec g strictement croissante de N dans N), t.q.
n ∈ N ⇒ kug(n) 1B − u1B kr ≥ ε. (12.127)
La suite (ug(n) )n∈N vérifie les mêmes propriétés que la suite (un )n∈N . Par la question 8, on peut donc
extraire de (ug(n) )n∈N une sous suite convergeant p.p. vers u. Cette sous suite, notée (ug◦ψ(n) )n∈N
(avec ψ strictement croissante de N dans N), étant bornée dans Lp , l’exercice 6.18 (corrigé 105 page
396) donne que ug◦ψ(n) )1B → u1B dans Lr , en contradiction avec (12.127).
—————————————————————————————–
438
10. En prenant (E, T, m) = (R, B(R), λ) et ϕ(s) = s2 , donner un exemple pour lequel un 6→ u p.p. sur
E (toutefois, d’après la question 8, (un )n∈N admet une sous suite convergeant p.p. vers u).
—————————————corrigé—————————————–
Il suffit de reprendre l’exemple vu en cours pour montrer que la convergence L1 n’entraı̂ne pas la
convergence p.p.
Pour n ∈ N, il existe un unique m ∈ N? t.q. n ∈ { m(m−1)
2 , . . . , m(m+1)
2 − 1} et on a :
m(m − 1)
n= + k avec k ∈ {0, . . . m − 1}.
2
On prend alors un = 1] k , k+1 ] .
m m
On remarque que kun kpp

= m1
pour n ∈ { m(m−1)
2 , . . . , m(m+1)
2 − 1} et donc un → 0 dans Lp quand
q
n → ∞. Comme ϕ(un ) = un , on a aussi ϕ(un ) → 0 dans L quand n → ∞ (et donc ϕ = ϕ(u)).
Enfin, pour cet exemple, un 6→ 0 p.p.
—————————————————————————————–
Corrigé 127 (Produit de convergences faibles)

Soit (E, T, m) un espace mesuré fini. Pour p ∈ [1, ∞], on note Lp l’espace LpR (E, T, m).
Soit α, β > 0. Pour a ∈ R+ , on définit ψa de R+ dans R par ψa (t) = (tα − aα )(tβ − aβ ).
1. Soit a ∈ R+ . Montrer que ψa (t) > 0 pour tout t ∈ R+ , t 6= a.
Soit (fn )n∈N une suite de fonctions positives appartenant à L∞ et lα , lβ , lα+β ∈ L∞ . On suppose
que la suite (fn )n∈N est bornée dans L∞ et que fnγ → lγ ?−faiblement dans L∞ , quand n → ∞,
pour γ = α, γ = β et γ = α + β.
On rappelle que fnγ → lγ ?−faiblement dans L∞ signifie que fnγ ϕdm → lγ ϕdm, quand n → ∞,
R R
pour tout ϕ ∈ L1 .
2. Soit ϕ ∈ L1 t.q. ϕ ≥ 0 p.p.. Montrer que la ϕdm ≥ 0.
R
3. Montrer que lα ≥ 0 p.p..

1
4. Montrer que lα+β ≥ lα lβ p.p.. [On pourra utiliser ψa (t) ≥ 0 avec t = fn (x) et a = (lα (x)) α .]
1
5. On suppose maintenant que lα+β = lα lβ p.p.. On pose f = lαα et gn = (fnα − f α )(fnβ − f β ).
(a) Montrer que gn → 0 dans L1 , quand n → ∞.
(b) Montrer qu’il existe ϕ : N → N strictement croissante t.q. gϕ(n) → 0 p.p., quand n → ∞.
Montrer que fϕ(n) → f p.p., quand n → ∞. [Utiliser la question 1.]
(c) Montrer que fn → f dans Lq , quand n → ∞, pour tout q ∈ [1, ∞[.
—————————————corrigé—————————————–
En attente. . .
—————————————————————————————–
Corrigé 128 (Conv. étroite et conv. des mesures des intervalles)
439
Soit (mn )n∈N une suite de mesures sur B(R) et m une mesure sur B(R). On suppose que mn → m
étroitement, quand n → ∞, et que m est diffuse (c’est-à-dire que m({x}) = 0 pour tout x ∈ R). Soit I
un intervalle de R, montrer que mn (I) → m(I) quand n → ∞. Montrer (en donnant un contre-exemple)
que cette propriété peut être fausse si m n’est pas diffuse.
—————————————corrigé—————————————– R R
On remarque tout d’abord que mn (I) → m(I) si I = R, car 1R dmn → 1R dm.
Soit maintenant a ∈ R, on va montrer que mn (I) → m(I) si I =] − ∞, a] ou I =] − ∞, a]. Pour cela, on
définit, pour p ∈ N? , ϕp , ψp ∈ Cb (R, R) en posant :
ϕp (x) = 1 si x ≤ a − p1 ,
ϕp (x) = −p(x − a) si a − p1 < x < a,
ϕp (x) = 0 si a ≤ x,
ψp (x) = ϕp (x − p1 ) pour tout x ∈ R.
R R
Comme ϕp ≤ 1I ≤ ψp on a ϕp dmn ≤ mn (I) ≤ ψp dmn pour tout p, n ∈ N. En passant à la limite
quand n → ∞, on a donc, pour tout p ∈ R :
Z Z
ϕp dm ≤ lim inf mn (I) ≤ lim sup mn (I) ≤ ψp dm.
n→∞ n→∞
R R
Le théorème de convergence dominée donne limp→∞ ϕp dm = m(] − ∞, a[) et limp→∞ ψp dm = m(] −
∞, a]). On en déduit :
m(] − ∞, a[) ≤ lim inf mn (I) ≤ lim sup mn (I) ≤ m(] − ∞, a]).
n→∞ n→∞
Comme m(] − ∞, a]) = m(] − ∞, a[) + m({a}) = m(] − ∞, a[) = m(I), on a, finalement, m(I) ≤
lim inf n→∞ mn (I) ≤ lim supn→∞ mn (I) ≤ m(I), c’est-à-dire limn→∞ mn (I) = m(I).
En écrivant que mn (J) = m(R) − m(J c ), il est facile de voir que l’on a aussi mn (J) → m(J) pour tout
intervalle J de la forme [a, +∞[ ou ]a, +∞[. Enfin, si a, b ∈ R, a < b, un intervalle, noté K, dont les
bornes sont a et b peut s’écrire comme différence de deux intervalles dont les bornes supérieures sont a et
b et dont la borne inférieure est −∞. On en déduit alors facilement que mn (K) → m(K), ce qui termine
la démonstration.
La propriété démontré peut être fausse si m n’est pas diffuse. Pour le voir, il suffit de prendre, par
exemple, m = δ0 et mn = δ1/n pour tout n ∈ N? . On a bien mn → m étroitement et pour I =] − ∞, 0]
(par exemple) on a limn→∞ mn (I) = 0 6= 1 = m(I).
—————————————————————————————–
Corrigé 129 (Convergence en loi)
Soit (Ω, A, P ) un espace de probabilités et X une v.a. réelle de loi uniforme sur [−1, 1].
1. Montrer que −X est une v.a. de même loi que X.
—————————————corrigé—————————————–
On pose Y = −X et on cherche à déterminer la loi de la v.a.r. Y . Soit ϕ une fonction borélienne
bornée de R dans R (il suffit en fait de prendre pour ϕ la fonction caractéristique
R d’un
R borélien de
R).
R En posant
R ψ(x) = ϕ(−x) pour
R tout x ∈ R, On remarque que Ω
ϕ(Y )dP = Ω
ϕ(−X)dP =
Ω
ψ(X)dP = R
ψ(x)dP X (x) = R
ϕ(−x)dP X (x). Comme X ∼ U(−1, 1), on a donc :
Z 1
1 1
Z Z
1
ϕ(Y )dP = ϕ(−x)dx = ϕ(x)dx,
Ω 2 −1 2 −1
440
ce qui prouve que Y ∼ U(−1, 1).
—————————————————————————————–
2. Donner un exemple de suite (Xn )n∈N de v.a. t.q. :
(a) (Xn )n∈N converge en loi vers X,

(b) (Xn − X)n∈N ne converge pas en loi vers 0.
—————————————corrigé—————————————–
On prend Xn = −X pour tout n ∈ N. On a donc PXn = PX pour tout n ∈ N, ce qui donne bien la
convergence en loi de Xn vers X quand n → ∞. Mais, Xn − X = −2X pour tout n ∈ N, et donc
Xn − X ne converge pas en loi vers 0 car P0 = δ0 et P−2X 6= δ0 . (Il est facile de voir, en raisonnant
comme à la première question, que −2X ∼ U(−2, 2).)
—————————————————————————————–
3. Donner un exemple de trois v.a. X, Y, Z t.q. X et Y aient la même loi, mais sans que XZ et Y Z
aient la même loi.
—————————————corrigé—————————————–
On prend Y = −X (toujours avec X ∼ U(−1, 1)) et Z = X. les v.a.r. X et Y ont donc même loi.
Mais, on va montrer que XZ et Y Z n’ont pas la même loi. En effet, soit ϕ une fonction borélienne
bornée de R dans R. On a :
1 1
Z Z Z Z 1 Z 1
2 2 2 1
ϕ(XZ)dP = ϕ(X )dP = ϕ(x )dx = ϕ(x )dx = ϕ(s) √ ds.
Ω Ω 2 −1 0 0 2 s
1
Ce qui prouve que PXZ = gλ avec g(x) = 2√ x
pour x ∈]0, 1[ et g(x) = 0 si x 6∈]0, 1[. Comme
XY = −XZ, on a PXY = hλ avec h(x) = g(−x) pour x ∈ R. On en déduit que PXZ 6= PXY .
—————————————————————————————–
Corrigé 130 (Convergence en loi + convergence en probabilité)
Soit (Ω, A, P ) est un espace de probabilité, X une v.a. réelle et (Xn )n∈N , (Yn )n∈N deux suites de v.a.
réelles t.q. :
Xn → X en loi, Yn → 0 en probabilité, quand n → ∞.
Montrer que
Xn + Yn → X en loi, quand n → ∞.
[On pourra utiliser la convergence vague.]
—————————————corrigé—————————————–
D’après la proposition 6.21, R la convergence vague de PXn +Yn vers PX quand n → ∞,
R il suffit de démontrer
c’est-à-dire que limn→∞ Ω ϕ(Xn + Yn )dP = Ω ϕ(X)dP pour tout ϕ ∈ Cc (R, R).
R R
Soit ϕ ∈ Cc (R, R). On a Ω ϕ(Xn + Yn )dP − Ω ϕ(X)dP = An + Bn avec :
Z Z Z Z
An = ϕ(Xn + Yn )dP − ϕ(Xn )dP, Bn = ϕ(Xn )dP − ϕ(X)dP.
Ω Ω Ω Ω
On sait déjà que limn→∞ Bn = 0 (car Xn → X en loi). Il suffit donc de montrer que limn→∞ An = 0.
Soit η > 0. Comme ϕ ∈ Cc (R, R), ϕ est uniformément continue sur R (on rappelle, par contre, que
ϕ ∈ Cb (R, R) 6⇒ ϕ uniformément continue), il existe donc ε > 0 t.q. :
x, y ∈ R, |x − y| ≤ ε ⇒ |ϕ(x) − ϕ(y)| ≤ η.
441
On en déduit, pour tout n ∈ N, avec kϕku = maxx∈R |ϕ(x)|(< ∞) :
Z Z
|An | ≤ |ϕ(Xn + Yn ) − ϕ(Xn )|dP + |ϕ(Xn + Yn ) − ϕ(Xn )|dP ≤ η + 2kϕku P [|Yn | > ε].
|Yn |≤ε |Yn |>ε
Comme Yn → 0 en probabilité, il existe n0 (dépendant seulement de ε et donc de η et ϕ) t.q. :
n ≥ n0 ⇒ 2kϕku P [|Yn | > ε] ≤ η,
et donc :
n ≥ n0 ⇒ |An | ≤ 2η.
Ce qui prouve que limn→∞ An = 0 et termine la démonstration.
—————————————————————————————–
Corrigé 131 (Convergence en loi versus convergence en probabilité)

Soit (Ω, A, P ) un espace de probabilité, X une v.a. réelle et (Xn )n∈N une suite de v.a. réelles.
1. On suppose, dans cette question, que Xn → X en probabilité, quand n → ∞. Montrer que :
Xn → X en loi, quand n → ∞.
[Remarquer qu’il suffit de démontrer une convergence vague de PXn vers PX .]

—————————————corrigé—————————————–
R R
Soit ϕ ∈ Cc (R, R). Nous allons montrer que Ω ϕ(Xn )dP → Ω ϕ(X)dP , quand n → ∞ (ce qui
prouve la convergence vague de PXn vers PX , quand n → ∞, voir la définition 6.20).
Soit ε > 0. Comme ϕ ∈ Cc (R, R), ϕ est uniformémement continue (ceci serait faux si on prenant ϕ
arbitrairement dans Cb (R, R)). Il existe donc η > 0 t.q. :
x, y ∈ R, |x − y| ≤ η ⇒ ϕ(x) − ϕ(y) ≤ ε.
On en déduit que
Z Z Z
| ϕ(Xn ) − ϕ(X)dP | ≤ |ϕ(Xn ) − ϕ(X)|dP + |ϕ(Xn ) − ϕ(X)|dP
Ω |Xn −X|≤η |Xn −X|>η
≤ ε + 2kϕku P (|Xn − X| > η),
avec kϕku = max{|ϕ(s)|, s ∈ R} < ∞. Comme Xn → X en probabilité, quand n → ∞, il existe

n0 ∈ N t.q. :
n ≥ n0 ⇒ 2kϕku P (|Xn − X| > η) ≤ ε.
On a donc finalement Z
n ≥ n0 ⇒ | ϕ(Xn ) − ϕ(X)dP | ≤ 2ε,
Ω
R R
ce qui prouve bien que Ω
ϕ(Xn )dP → Ω
ϕ(X)dP , quand n → ∞.
Pour conclure, on utilise la proposition 6.25 (qui donne que si (mn )n∈N et m sont des probabilités sur
B(R), la convergence étroite de mn vers m, quand n → ∞, est équivalente à la convergence vague
de mn vers m). On obtient ainsi la convergence étroite de PXn vers PX c’est-à-dire la convergence
en loi de Xn vers X, quand n → ∞.
—————————————————————————————–
442
2. On suppose qu’il existe a ∈ R t.q. X = a p.s.. On suppose aussi que Xn → X en loi, quand n → ∞.
Montrer que :
Xn → X en probabilité, quand n → ∞.
—————————————corrigé—————————————–
Soit η > 0, on va montrer que P (|Xn − X| > η) → 0, quand n → ∞. Pour cela, on choisit une
fonction ϕ continue bornée de R dans R et t.q. ϕ(x) = 1 si |x − a| ≥ η, ϕ(a) = 0 et 0 ≤ ϕ(x) ≤ 1
pour tout x ∈ R. (Une telle fonctionR est facile à construire,
R il suffit de la prendre affine par
morceaux). Comme ϕ ∈ RCb (R, R), on a Ω ϕ(Xn )dP → Ω ϕ(X)dP , quand n → ∞. Comme X = a
p.s.
R et ϕ(a) = 0, on a Ω ϕ(X)dP = 0. Enfin, comme ϕ(x) = 1 si |x − a| ≥ η et ϕ ≥ 0, on a
Ω
ϕ(Xn )dP ≥ P (|Xn − X| > η). On en déduit finalement que P (|Xn − X| > η) → 0 quand n → ∞
et donc que Xn → X en probabilité quand n → ∞.
—————————————————————————————–

12.7.1 Mesure produit
Corrigé 132
Montrer que, pour tout n ≥ 2, on a B(Rn ) = B(Rn−1 ) ⊗ B(R). [S’inspirer de la démonstration faite pour
n = 2 dans l’exercice 2.5.]
—————————————corrigé—————————————–
On note T = B(Rn−1 ) ⊗ B(R), c’est-à-dire la tribu (sur Rn ) engendrée par {A × B; A ∈ B(Rn−1 ),
B ∈ B(R)}. On veut montrer que T = B(Rn ).
Etape 1, B(Rn ) ⊂ T .
Soit O un ouvert de Rn . On va montrer que OQ∈ T . On suppose O 6= ∅ (on sait déjà que ∅ ∈ T ). Pour
n
tout x = (x1 , . . . , xn )t ∈ O, il existe r > 0 t.q. i=1 ]xi − r, xi + r[⊂ O. Comme les rationnels sont denses
dansQR, on peut trouver, pour tout i ∈ {1, . . . , n}, yi ∈ Q∩]xi − r, xi [ et zi ∈ Q∩]xi , xi + r[. On a donc
n
x ∈ i=1 ]yi , zi [⊂ O.
Qn
On note alors I = {(y, z) ∈ Q2n ; i=1 ]yQ t
. . . , zn )t ). Pour tout
i , zi [⊂ O} (avec y = (y1 , . . . , yn ) et z = (z1 , Q
n n
x ∈ O, il existe donc (y, z) ∈ I t.q. x ∈ i=1 ]yi , zi [. On en déduit que O = ∪(y,z)∈I i=1 ]yi , zi [.
Qn−1
L’ensemble i=1 ]yi , zi [ est un ouvert de Rn−1 , il appartient donc à B(Rn−1 Qn) (qui est la tribu engendrée
par les ouverts de Rn−1 ). L’ensemble ]yn , zn [ appartient à B(R). Donc, i=1 ]yi , zi [∈ B(Rn−1 ) × B(R).
Comme I est au plus dénombrable (car Q2n est dénombrable), on en déduit que O ∈ T . On a ainsi
montré que T est une tribu contenant tous les ouverts de Rn , et donc contenant la tribu engendrée par
les ouverts de Rn (c’est-à-dire B(Rn )). Donc, B(Rn ) ⊂ T .
Etape 2, B(Rn ) ⊃ T .
On reprend ici aussi le même démarche que dans l’exercice 2.5.
1. Soit A un ouvert de Rn−1 et T1 = {B ∈ B(R); A × B ∈ B(Rn )}. On montre d’abord que T1 est une
tribu (sur R)
• ∅ ∈ T1 car A × ∅ = ∅ ∈ B(Rn ).
443
• On montre ici que T1 est stable par passage au complémentaire. Soit B ∈ T1 , on a donc
B c ∈ B(R) et A × B c = A × (R \ B) = (A × R) \ (A × B). Or, (A × R) est un ouvert de Rn
(car A est un ouvert de Rn−1 et R est un ouvert de R), on a donc (A × R) ∈ B(Rn ). D’autre
part, (A × B) ∈ B(Rn ) (car B ∈ T1 ). Donc, A × B c = (A × R) \ (A × B) ∈ B(Rn ). Ce qui
prouve que B c ∈ T1 et donc que T1 est stable par passage au complémentaire.
• Enfin, T1 est stable par union dénombrable. En effet, si (Bp )p∈N ⊂ T1 , on a A × (∪p∈N Bp ) =
∪p∈N A × Bp ∈ B(Rn ) (car A × Bp ∈ B(Rn ) pour tout p ∈ N). Donc, ∪p∈N Bp ∈ T1 .
On a donc montré que T1 est une tribu.
On montre maintenant que T1 contient les ouverts de R.

Soit B un ouvert de R. On a donc B ∈ B(R) et, comme A × B est un ouvert de Rn , on a
A × B ∈ B(Rn ). On a donc B ∈ T1 .
T1 est donc une tribu contenant les ouverts de R, donc contenant B(R). Donc, T1 = B(R).
La conséquence de ce résultat est :
A ouvert de Rn−1 et B ∈ B(R) ⇒ A × B ∈ B(Rn ). (12.128)
2. Soit B ∈ B(R) et T2 = {A ∈ B(Rn−1 ); A × B ∈ B(Rn )}. On va montrer que T2 = B(Rn−1 ).
On commence par remarquer que (12.128) donne que T2 contient les ouverts de Rn−1 . En effet, soit
A un ouvert de Rn−1 , la propriété (12.128) donne que A × B ∈ B(Rn ), et donc A ∈ T2 .
On montre maintenant que T2 est une tribu (on en déduira que T2 = B(Rn−1 )).
• ∅ ∈ T2 car ∅ × B = ∅ ∈ B(Rn ).
• On montre ici que T1 est stable par passage au complémentaire. Soit A ∈ T2 , on a Ac ∈
B(Rn−1 ) et Ac × B = (Rn−1 × B) \ (A × B). La propriété (12.128) donne (Rn−1 × B) ∈ B(Rn )
car Rn−1 est un ouvert de Rn−1 . D’autre part, (A × B) ∈ B(Rn ) (car A ∈ T2 ). Donc,
Ac × B ∈ B(Rn ). Ce qui prouve que Ac ∈ T2 et donc que T2 est stable par passage au
complémentaire.
• Enfin, T2 est stable par union dénombrable. En effet, si (Ap )p∈N ⊂ T2 , on a (∪p∈N Ap ) × B =
∪p∈N (Ap × B) ∈ B(Rn ) (car Ap × B ∈ B(Rn ) pour tout p ∈ N). Donc, ∪p∈N Ap ∈ T2 .
T2 est donc une tribu (sur Rn−1 ) contenant les ouverts de Rn−1 , ce qui prouve que T2 ⊃ B(Rn−1 )
et donc, finalement, T2 = B(Rn−1 ).
On a donc obtenu le résultat suivant :
A ∈ B(Rn−1 ), B ∈ B(R) ⇒ A × B ∈ B(Rn ). (12.129)
3. On montre maintenant que T ⊂ B(Rn ) (et donc que T = B(Rn )).
Grâce à (12.129), on a {A × B; A ∈ B(Rn−1 ), B ∈ B(R)} ⊂ B(Rn ). On en déduit que T ⊂ B(Rn ).

On a donc bien, avec l’étape 1, T = B(Rn ).
444
Corrigé 133
Soient E1 , E2 deux ensembles, T1 une tribu sur E1 et T2 une tribu sur E2 . On note E = E1 × E2 et on
rappelle que T1 × T2 = {A1 × A2 , A1 ∈ T1 , A2 ∈ T2 }.
Montrer que l’algèbre engendrée par T1 ×T2 est égale à l’ensemble des réunions finies disjointes d’éléments
de T1 × T2 c’est-à-dire que, pour tout A ∈ P(E), A appartient à l’algèbre engendrée par T1 × T2 si et
seulement si il existe (A(p) )p=1,...,n ⊂ T1 × T2 t.q. A(p) ∩ A(q) = ∅ si p 6= q et A = ∪np=1 A(p) .
—————————————corrigé—————————————–
On note A l’algèbre engendrée par T1 × T2 et B l’ensemble des réunions finies disjointes d’éléments de
T1 × T2 .
Comme A contient T1 × T2 et que A est stable par union finie, il est immédiat que B ⊂ A. Pour montrer
que B = A, il suffit alors de montrer que que B est une algèbre (puisque A est la plus petite algèbre
contenant T1 × T2 et que B contient T1 × T2 ).
Pour montrer que B est une algèbre, on montre d’abord (étape 1) que T1 × T2 est stable par intersection
finie et que le complémentaire d’un élément de T1 × T2 est la réunion de 2 éléments disjonts de T1 × T2
(en fait, pour montrer que B est une algèbre, il suffirait de savoir que le complémentaire d’un élément de
T1 × T2 est une union finie disjointe d’éléments de T1 × T2 ). Puis, on en déduit (étape 2) que B vérifie
les propriétés (a) et (b) de la question 1 de l’exercice 2.8 (corrigé 15), ce qui donne que B est bien une
algèbre.
Etape 1. Propiétés de T1 × T2 .
• Soient A1 , B1 ∈ T1 et A2 , B2 ∈ T2 . On a clairement (A1 × A2 ) ∩ (B1 × B2 ) = (A1 ∩ A2 ) × (B1 ∩ B2 ).

Comme T1 et T2 sont stables par intersection finie, on en déduit que (A1 × A2 ) ∩ (B1 × B2 ) ∈ T1 × T2
et donc que T1 × T2 est stable par intersection finie.
• Soient A1 ∈ T1 et A2 ∈ T2 . On remarque que (A1 × A2 )c = (E1 × Ac2 ) ∪ (Ac1 × A2 ). Comme
(E1 × Ac2 ) ∈ T1 × T2 , (Ac1 × A2 ) ∈ T1 × T2 et que (E1 × Ac2 ) ∩ (Ac1 × A2 ) = ∅, on a bien montré que
le complémentaire d’un élément de T1 × T2 est la réunion de 2 éléments disjonts T1 × T2 .
Etape 2. On montre maintenant que B vérifie les propriétés (a) et (b) de la question 1 de l’exercice 2.8.
La propriété (a) est immédiate car E = E1 × E2 ∈ T1 × T2 ⊂ B. Pour montrer (b), on montre d’abord
que B est stable par passage au complémentaire.
Soit B ∈ B. Il existe (B (q) )q=1,...,m ⊂ T1 × T2 t.q. B (p) ∩ B (q) = ∅ si p 6= q et B = ∪m q=1 B

(q)
. On a alors
c m (q) c
B = ∩q=1 (B ) . Le complémentaire d’un élément de T1 × T2 est la réunion de 2 éléments disjonts de
T1 × T2 . Pout tout q, il existe donc Cq,1 , Cq,2 ∈ T1 × T2 t.q. (B (q) )c = Cq,1 ∪ Cq,2 et Cq,1 ∩ Cq,2 = ∅.
On a donc B c = ∩m m
q=1 (Cq,1 ∪ Cq,2 ) = ∪ϕ∈I (∩q=1 Cq,ϕ(q) ) où I désigne l’ensemble des applications de
c
{1, . . . , m} dans {1, 2}. Ceci prouve que B ∈ B. En effet, on remarque d’abord que, pour tout ϕ ∈ I, on
a ∩m q=1 Cq,ϕ(q) ∈ T1 × T2 car T1 × T2 est stable par intersection finie. Puis, pour ϕ, ψ ∈ I ϕ 6= ψ, il existe
k ∈ {1, . . . , m} t.q. ϕ(k) 6= ψ(k). On a donc (∩m m m
q=1 Cq,ϕ(q) ) ∩ (∩q=1 Cq,ψ(q) ) = ∅ car ∩q=1 Cq,ϕ(q) ⊂ Ck,ϕ(k) ,
∩m C
q=1 q,ψ(q) ⊂ C k,ψ(k) et C k,ϕ(k) ∩Ck,ψ(k) = ∅. On a donc bien montré que B c
est une union finie disjointe
d’éléments de T1 × T2 , c’est-à-dire que B c ∈ B.
On montre maintenant que B vérifie la propriété (b) de la question 1 de l’exercice 2.8. Soit A, B ∈ B.
Comme on vient de voir que B c ∈ B, Il existe (A(p) )p=1,...,n ⊂ T1 × T2 et (C (q) )q=1,...,m ⊂ T1 × T2
t.q. A(p) ∩ A(q) = ∅ si p 6= q, C (p) ∩ C (q) = ∅ si p 6= q, A = ∪np=1 A(p) et B c = ∪m
q=1 C
(q)
. On a alors
c n (p) m (q) n m (p) (q)
A \ B = A ∩ B = (∪p=1 A ) ∩ (∪q=1 C ) = ∪p=1 ∪q=1 (A ∩ C ). On en déduit que A \ B ∈ B.
445
En effet, A(p) ∩ C (q) ∈ T1 × T2 pour tout p et tout q (car T1 × T2 est stable par intersection finie) et
(A(p1 ) ∩C (q1 ) )∩(A(p2 ) ∩C (q2 ) ) = ∅ si (p1 , q1 ) 6= (p2 , q2 ) (car A(p1 ) ∩A(p2 ) = ∅ si p1 6= p2 et C (q1 ) ∩C (q2 ) = ∅
si q1 6= q2 ).
On a donc montré que B vérifie les propriétés (a) et (b) de la question 1 de l’exercice 2.8, ce qui donne
que B est bien une algèbre et donc que B = A.
—————————————————————————————–
Corrigé 134 (Exemple de mesure produit)

Soit m1 et m2 des mesures σ−finies, non nulles, sur (R, B(R)) et t.q. m1 ⊗ m2 (R2 \ D) = 0, où D =
{(x, x), x ∈ R}. Montrer qu’il existe a, α, β ∈ R t.q. m1 = αδa et m2 = βδa , où δa est la mesure de Dirac
en a.
—————————————corrigé—————————————–
On remarque d’abord que R2 \D est un ouvert de R2 , donc appartient à B(R2 ). la quantité m1 ⊗m2 (R2 \D)
est donc bien définie.
La construction de la mesure m1 ⊗ m2 donne (voir la démonstration du théorème 7.1) :
Z
m1 ⊗ m2 (R2 \ D) = m2 (R \ {x})dm1 (x).
Cette égalité est aussi une conclusion du théorème de Fubini-Tonelli (théorème 7.2) avec f = 1A , A =
R2 \ D.
De l’hypothèse m1 ⊗ m2 (R2 \ D) = 0, on déduit donc que m2 (R \ {x}) = 0 m1 -p.p.. Comme m1 (R) 6= 0,
il existe donc a ∈ R t.q. m2 (R \ {a}) = 0. Ceci donne que m2 = αδa avec α = m2 ({a}). Comme m2 6= 0,
on a α > 0.
Dans la construction de la mesure m1 ⊗ m2 (démonstration du théorème 7.1), on aurait pu inverser les
rôles de m1 et m2 . On aurait obtenu la même mesure m1 ⊗ m2 (grâce à la partie “unicité” du théorème
7.1). On a donc aussi : Z
m1 ⊗ m2 (R2 \ D) = m1 (R \ {x})dm2 (x).
(Cette égalité est aussi une conclusion du théorème de Fubini-Tonelli (théorème 7.2) avec f = 1A ,
A = R2 \ D.)
Comme m2 = αδa , on a donc m1 ⊗ m2 (R2 \ D) = αm1 (R \ {a}). De l’hypothèse m1 ⊗ m2 (R2 \ D) = 0,
on déduit donc m1 (R \ {a}) = 0, ce qui donne m1 = βδa avec β = m1 ({a}). (On peut aussi remarquer
que, comme m1 6= 0, on a β > 0.)
—————————————————————————————–
Corrigé 135 (Fonction non borélienne dont les traces sont boréliennes)
Pour B ⊂ R2 , on note t(B) l’ensemble des x1 ∈ R t.q. (x1 , 0) ∈ B. On pose T = {B ⊂ R2 ; t(B) ∈ B(R)}.
Soit θ ∈]0, π2 [. Pour x = (x1 , x2 )t ∈ R2 , on pose g(x) = (x1 cos θ − x2 sin θ, x1 sin θ + x2 cos θ)t .
1. Montrer que T est une tribu contenant B(R2 ).

2. Soit A ⊂ R t.q. A 6∈ B(R). On pose B = A × {0}.
(a) Montrer que B 6∈ B(R2 ).
446
(b) On pose f = 1B ◦ g. Montrer que la fonction f n’est pas une fonction borélienne de R2 dans R
mais que les fonctions f (x1 , ·) et f (·; x2 ) sont boréliennes de R dans R, pour tout x1 , x2 ∈ R.
—————————————corrigé—————————————–
En attente. . .
—————————————————————————————–
12.7.2 Fubini-Tonelli et Fubini

Corrigé 136 (Contre-exemple au théorème de Fubini)
Soit L1 = L1R (R, B(R), λ). Pour (x, y) ∈ R2 , on pose :
1
x > 0 et x < y ≤ 2x

 (x+1)2 si
 1
− (x+1) si x > 0 et 2x < y ≤ 3x

2
f (x, y) = (12.130)

 0 si x > 0 et y 6∈]x, 3x[
x ≤ 0.

0 si
1. Montrer que f : R2 → R est B(R2 )- mesurable.
—————————————corrigé—————————————–
On pose A = {(x, y)t ∈ R2 ; x > 0, x < y ≤ 2x} et, pour n ∈ N? , An = {(x, y)t ∈ R2 ; x > 0,
x < y < 2x + n1 }. An est, pour tout n ∈ N? , un ouvert de R2 , il appartient donc à B(R2 ). On en
déduit que A = ∩n∈N? An ∈ B(R2 ).
De même, en posant B = {(x, y)t ∈ R2 ; x > 0, 2x < y ≤ 3x} et, pour n ∈ N? , Bn = {(x, y)t ∈ R2 ;
x > 0, 2x < y < 3x + n1 }, on montre que B = ∩n∈N? Bn ∈ B(R2 ).
1 t 2 2
On pose maintenant g(x, y) = (|x|+1)2 pour (x, y) ∈ R . La fonction g est continue de R dans R,
2
elle est donc mesurable (R et R étant munis de la tribu borélienne).
On remarque maintenant que f = g1A − g1B . On en déduit que f est mesurable (car f est une
somme de produits de fonctions mesurables).
—————————————————————————————–
2. Montrer que pour tout y ∈ R, f (., y) ∈ L1 ; on pose φ(y) = f (x, y)dλ(x). Montrer que φ ∈ L1 .
R
—————————————corrigé—————————————–
On note L1 = L1R (R, B(R), λ).
Soit y ∈ R. La fonction f (·, y) est mesurable de R dans R (voir la proposition R 7.2). Elle appartient
1 1 1
aussi
R à L (et donc à L en confondant f (·, y) avec sa classe dans L ) car |f (., y)|dλ = 0 si y ≤ 0
et |f (., y)|dλ ≤ y si y > 0 car f (x, y) = 0 si x 6∈ [0, y] et |f (x, y)| ≤ 1 pour tout x, y. On peut
définir φ(y).
Pour y ≤ 0, on a φ(y) = 0 et pour y > 0, on a :
y Ry 1
1
R R
φ(y) = f (·, y)dλ = − y
2
(x+1)2 dx + y2 (x+1)2 dx
3
3 4 1
= − y+3 + y+2 − y+1
2y
= (y+3)(y+2)(y+1) .
447
La fonction φ est continue donc mesurable de R dans R. elle prend ses valeurs dans R+ , on peut
donc calculer son intégrale sur R :
Z Z n
3 4 1
φdλ = lim (− + − )dy = −3 ln 3 + 4 ln(2).
n→∞ 0 y+3 y+2 y+1
Ceci donne bien, en particulier, φ ∈ L1 (en confondant φ avec sa classe dans L1 ).

—————————————————————————————–
3. Montrer que pour tout x ∈ R, f (x, .) ∈ L1 ; on pose ψ(x) = f (x, y)dλ(y). Montrer que ψ ∈ L1 .
R
—————————————corrigé—————————————–
Soit x ∈ R. La fonction f (x, ·) est mesurable de R dans R (voir la proposition R 7.2). Elle appartient
1 1 1
aussi
R à L (et donc à L en confondant f (x, ·) avec sa classe dans L ) car |f (x, ·)|dλ = 0 si x ≤ 0
et |f (x, ·)|dλ ≤ 3x si x > 0 car f (x, y) = 0 si y 6∈ [0, 3x] et |f (x, y)| ≤ 1 pour tout x, y. On peut
donc définir ψ(x).
Pour x ≤ 0, on a ψ(x) = 0 et pour x > 0, on a :
Z Z 2x Z 3x
1 1
ψ(x) = f (x, ·)dλ = dy − dy = 0
x (x + 1)2 2x (x + 1)2
On a donc ψ ∈ L1 et ψ(x)dx = 0.
R
—————————————————————————————–
R R
4. Montrer que φdλ 6= ψdλ (φ et ψ sont définies dans les questions précédentes).
—————————————corrigé—————————————–
R R
On a déjà montré que φdλ = −3 ln 3 + 4 ln(2) 6= 0 = ψdλ.
—————————————————————————————–
5. Pourquoi le théorème de Fubini ne s’applique-t-il pas ici ?
—————————————corrigé—————————————–
Le théorème de Fubini ne s’applique pas ici car la fonction f n’est pas intégrale pour la mesure
produit, c’est-à-dire la mesure de Lebesgue sur R2 , notée λ2 . On peut d’ailleurs le vérifier en
remarquant (par le théorème de Fubini-Tonelli) que :
Z Z Z Z ∞
2x
|f |dλ2 = ( |f (x, y)|dλ(y))dλ(x) = dx = ∞.
0 (x + 1)2
—————————————————————————————–
Corrigé 137 (Intégrale d’une fonction positive)

Soit (E, T, m) un espace mesuré σ-fini, et f : E → R+ une application mesurable. On pose F = 1A
avec A = {(t, x) ∈ R × E; 0 < t < f (x)}.
1. Montrer que F est B(R) ⊗ T - mesurable
—————————————corrigé—————————————–
448
Comme f ∈ M+ , il existe (fn ) ∈ E+ t.q. fn ↑ f quand n → ∞. On a alors A = ∪n∈N An avec
An = {(t, x) ∈ R+ × R; 0 < t < fn (x)}. Pour montrer que F est mesurable (c’est-à-dire que
A ∈ B(R) ⊗ T ), il suffit donc de montrer que An ∈ B(R) ⊗ T pour tout n ∈ N.
?
Pp n ∈ N. Il existe a1 , . . . , app ∈ R+ et B1 , . . . , Bp ∈ T t.q. Bi ∩ Bj = ∅ si i 6= j et
Soit donc
fn = i=1 ai 1Bi . On a donc An = ∪i=1 ]0, ai [×Bi ∈ B(R)⊗T car ]0, ai [×Bi ∈ B(R)×T ⊂ B(R)⊗T
pour tout i.
—————————————————————————————–
R R +∞ R R +∞
2. Montrer que f dm = 0 m({x ∈ E; f (x) > t})dt et que f dm = 0 m({x ∈ E; f (x) ≥ t})dt.
[Utiliser le théorème de Fubini-Tonelli.]
—————————————corrigé—————————————–
On peut appliquer le théorème de Fubini-Tonelli (théorème 7.2) à la fonction F , il donne :
Z Z Z Z
( F (t, x)dλ(t))dm(x) = ( F (t, x)dm(x))dλ(t). (12.131)
R
Pour x ∈ E, F (t, x)dλ(t) = λ(]0, f (x)[) = f (x).
R
Pour t R∈ R. Si t ≤ 0, on a F (t, ·) = 0. Donc, F (t, x)dm(x) = 0. Si t > 0, on a F (t, ·) = 1{f >t} .
Donc, F (t, x)dm(x) = m({f > t}).
Z Z Z ∞
f (x)dm(x) = m({f > t})dλ(t) = m({x ∈ E; f (x) > t})dt.
R+ 0
Pour avoir l’égalité avec m({f ≥ t}) au lieu de m({f > t}), on reprend le même raisonnement en
remplaçant F par G = 1B avec B = {(t, x) ∈ R × E; 0 < t ≤ f (x)}. On remarque d’abord que B
est B(R) ⊗ T -mesurable. En effet, on a B = ∩n∈N? Bn avec Bn = {(t, x) ∈ R × E; 0 < t < fn (x)}
et fn = f + n1 . Comme fn ∈ M+ , la première question donne Bn ∈ B(R) ⊗ T . On en déduit que
B ∈ B(R) ⊗ T . On peut maintenant appliquer le théorème de Fubini-Tonelli à la fonction G, il
donne : Z Z Z Z
( G(t, x)dλ(t))dm(x) = ( G(t, x)dm(x))dλ(t). (12.132)
R
Pour x ∈ E, G(t, x)dλ(t) = λ(]0, f (x)]) = f (x).
R
Pour t R∈ R. Si t ≤ 0, on a G(t, ·) = 0. Donc, G(t, x)dm(x) = 0. Si t > 0, on a G(t, ·) = 1{f ≥t} .
Donc, G(t, x)dm(x) = m({f ≥ t}).
Z Z ∞
f (x)dm(x) = m({x ∈ E; f (x) ≥ t})dt.
0
—————————————————————————————–
Corrigé 138 (Une caractérisation de Lp )
449
On munit R [resp. R2 ] de sa tribu borélienne, notée B(R) [resp. B(R2 )].
Soit f une application mesurable de R dans R. Pour tout y ∈ R+ , on pose Ay = {x ∈ R; |f (x)| > y}.
Pour tout y ∈ R?− , on pose Ay = ∅.
1. Montrer que l’application (x, y)t 7→ 1Ay (x) est mesurable de R2 dans R. [On pourra commencer
par montrer que {(x, y)t ∈ R2 ; |f (x)| > y} est un borélien de R2 .]
—————————————corrigé—————————————–
On pose B = {(x, y)t ∈ R2 ; |f (x)| > y}, de sorte que B = (F − G)−1 (]0, ∞[) où F et G sont définies
par :
F (x, y) = |f (x)|, G(x, y) = y, (x, y)t ∈ R2 .
La fonction x 7→ |f (x)| est mesurable (de R dans R) ainsi que l’application y 7→ 1(application
constante). La proposition 7.3 nous donne alors que F est mesurable de R2 dans R (puisque
B(R2 ) = B(R) ⊗ B(R)). La fonction G est aussi mesurable de R2 dans R (il suffit de remarquer
qu’elle est continue, ou d’utiliser une nouvelle fois la proposition 7.3). La fonction F − G est donc
mesurable de R2 dans R, ce qui prouve que B ∈ B(R2 ). La fonction 1B est donc mesurable de R2
dans R.
On remarque maintenant que 1B (x, y)1R×R+ (x, y) = 1Ay (x) pour tout (x, y)t ∈ R2 . L’application
(x, y)t 7→ 1Ay (x) est donc mesurable de R2 dans R car elle est égale à un produit de fonctions
mesurables.
—————————————————————————————–
Soit p ∈ [1, ∞[. Pour y ∈ R, on pose gp (y) = |y|p−1 λ(Ay ) (en convenant que gp (0) = 0 si λ(A0 ) =
∞).
2. (a) Montrer que l’application (x, y)t 7→ |y|p−1 1Ay (x) est mesurable positive de R2 dans R.
—————————————corrigé—————————————–
L’application (x, y)t 7→ |y|p−1 1Ay (x) est mesurable comme produit de fonctions mesurables.
Cette application est, bien sûr, à valeurs dans R+ . Elle est donc mesurable positive de R2
dans R.
—————————————————————————————–
(b) Montrer que gp est intégrable sur R si et seulement si f ∈ LpR (R, B(R), λ). [On pourra, par
exemple, utiliser le théorème de Fubini-Tonelli.]
—————————————corrigé—————————————–
On pose H(x, y) = |y|p−1 1Ay (x) pour (x, y)t ∈ R2 . La question précédente donne que H ∈
M+ (R2 , B(R2 )). On peut donc appliquer le théorème de Fubini-Tonelli (théorème 7.2) à la
fonction H, il donne :
Z Z Z Z
( H(x, y)dλ(x))dλ(y) = ( H(x, y)dλ(y))dλ(x). (12.133)
Pour y ∈ R, on a H(x, y)dλ(x) = |y|p−1 λ(Ay ) = gp (y) (en convenant que gp (0) = 0 si
R
λ(A0 ) = ∞). Ceci donne, en particulier,Rque gp est mesurable de R dans R+ (car l’une des
conclusions du théorème 7.2 est que y 7→ H(x, y)dλ(x) est mesurable de R dans R+ ).
R |f (x)|
|y|p−1 1[0,|f (x)|[ (y)dλ(y) = |y|p−1 dy = p1 |f (x)|p .
R R
Pour x ∈ R, on a H(x, y)dλ(y) = 0
450
L’égalité (12.133) donne alors : Z Z
1
gp dλ = |f |p dλ. (12.134)
p
Si fR∈ LpR (R, B(R), λ), on remarque d’abord que gp prend ses valeurs dans R+ car λ(Ay ) ≤
1
|y|p |f |p dλ < ∞ pour tout y > 0. La fonction gp est donc mesurable de R dans R+ et (12.134)
donne alors que gp ∈ L1R (R, B(R), λ).
Réciproquement, si gp ∈ L1R (R, B(R), λ), (12.134) donne que f ∈ LpR (R, B(R), λ).
On a donc bien montré :
gp ∈ L1R (R, B(R), λ) ⇔ f ∈ LpR (R, B(R), λ).
—————————————————————————————–
12.7.3 Mesure de Lebesgue sur B(RN )

Corrigé 139 (Propriétés élémentaires de λN )
QN QN QN
1. Soit A1 , . . . , AN ∈ B(R). Montrer que i=1 Ai ∈ B(RN ) et λN ( i=1 Ai ) = i=1 λ(Ai ).
—————————————corrigé—————————————–
On va démontrer cette question en supposant tout d’abord que λ(Ai ) < ∞ pour tout i. Le cas
général s’obtient alors en utilisant Ai ∩ [−p, p] au lieu de Ai et en faisant ensuite tendre p vers
l’infini. On obtient bien la propriété voulue (en convenant que 0 × ∞ = 0). Cette méthode est
décrite dans la remarque 7.2.
On démontre donc, par récurrence sur N , la propriété suivante :
A1 , . . . , AN ∈ B(R), λ(Ai ) < ∞ pour tout i ⇒
QN N
QN QN (12.135)
i=1 Ai ∈ B(R ) et λN ( i=1 Ai ) = i=1 λ(Ai ).
La propriété (12.135) est vraie pour N = 2. En effet, on sait que B(R2 ) = B(R) ⊗ B(R) (proposition
7.1) et que λ2 = λ ⊗ λ (définition 7.3). On a donc bien (avec la défintion d’une mesure produit,
théorème 7.1) :
A1 , A2 ∈ B(R), λ(A1 ) < ∞, λ(A2 ) < ∞ ⇒ A1 × A2 ∈ B(R2 ) et λ2 (A1 × A2 ) = λ(A1 )λ(A2 ).
On suppose maintenant que la propriété (12.135) est vraie pour un certain N ≥ 2, et on la démontre
pour N + 1.
QN
Soit donc A1 , . . . , AN +1 ∈ B(R) t.q. λ(Ai ) < ∞ pour tout i. Par (12.135), on a i=1 Ai ∈ B(RN )
QN QN
et λN ( i=1 Ai ) = i=1 λ(Ai ). On rappelle que B(RN +1 ) = B(RN ) ⊗ B(R) (proposition 7.1) et que
QN +1 QN
λN +1 = λN ⊗λ (définition 7.3). On en déduit que i=1 Ai = ( i=1 Ai )×AN +1 ∈ B(RN )×B(R) ⊂
B(RN ) ⊗ B(R) = B(RN +1 ) et
N
Y +1 N
Y N
Y +1
λN +1 ( Ai ) = λN ( Ai )λ(AN +1 ) = λ(Ai ).
i=1 i=1 i=1
ce qui donne bien (12.135) avec N +1 au lieu de N et termine donc la démonstration par récurrence.
—————————————————————————————–
451
2. Soient α1 , . . . , αN ∈ R et β1 , . . . , βN ∈ R t.q. αi < βi pour tout i ∈ {1, . . . , N }. Montrer que
QN QN
λN ( i=1 ]αi , βi [) = i=1 λ(]αi , βi [).
—————————————corrigé—————————————–
Cette question est une conséquence immédiate de la précédente en prenant Ai =]αi , βi [.
—————————————————————————————–
3. Soit K est un compact de RN (noter que K ∈ B(RN ). Montrer que λN (K) < +∞.
—————————————corrigé—————————————–
QN
Comme K est compact, il est borné. Il existe donc a ∈ R?+ t.q. K ⊂ i=1 ] − a, a[. On en déduit
QN QN
que λN (K) ≤ λN ( i=1 ] − a, a[) = i=1 λ(] − a, a[) = (2a)N < ∞.
—————————————————————————————–
4. Soit O un ouvert non vide de RN . Montrer que λN (O) > 0.
—————————————corrigé—————————————–
QN
Soit x = (x1 , . . . , xN )t ∈ O. Comme O est ouvert, il existe ε > 0 t.q. i=1 ]xi − ε, xi + ε[⊂ O. On
QN QN
a donc λN (O) ≥ λN ( i=1 ]xi − ε, xi + ε[) = i=1 λ(]xi − ε, xi + ε[) = (2ε)N > 0.
—————————————————————————————–
5. Soit f, g ∈ C(RN , R). Montrer que f = g p.p. (c’est-à-dire λN -p.p.) implique f (x) = g(x) pour
tout x ∈ RN .
—————————————corrigé—————————————–
Soit O = {f 6= g} = {x ∈ RN ; f (x) 6= g(x)}. Comme f et g sont continues, O est ouvert. Comme
f = g p.p., on a nécessairement λN (O) = 0. Enfin, la question précédente donne alors que O = ∅
et donc que f (x) = g(x) pour tout x ∈ RN .
—————————————————————————————–
6. Montrer que Cc (RN , R) ⊂ L1R (RN , B(RN ), λN ).
—————————————corrigé—————————————–
Soit f ∈ Cc (RN , R). Comme f est continue, on a f mesurable de RN dans R (RN et R étant munis
de leur tribu borélienne, on dit aussi que f est borélienne). Comme f est à support compact, il
QN
existe a ∈ R?+ t.q. f = 0 sur K c avec K = i=1 [−a, a].R Enfin, f est bornée, il existe donc M
t.q. |f (x)| ≤ M pour tout x ∈ RN . On en déduit que |f |dλN ≤ M (2a)N < ∞ et donc que
f ∈ L1R (RN , B(RN ), λN ).
—————————————————————————————–
Corrigé 140 (Régularité de λN )

Soit m une mesure sur B(RN ) t.q. m(K) < ∞ pour tout compact K de RN . (noter que ceci est vrai
pour m = λN .)
1. SoientA ∈ B(RN ) et ε > 0. Montrer qu’il existe O ouvert de RN et F fermé de RN tels que :
F ⊂ A ⊂ O et m(O \ F ) ≤ ε.
—————————————corrigé—————————————–
452
On reprend ici la démonstration de la régularité d’une mesure sur B(R), finie sur les compacts
(théorème 2.3).
On appelle T l’ensemble des A ∈ B(RN ) t.q. pour tout ε > 0, il existe O ouvert et F fermé vérifiant
QN
F ⊂ A ⊂ O et m(O \ F ) ≤ ε. On va montrer que T est une tribu contenant C = { i=1 ]ai , bi [,
−∞ < ai < bi < ∞ pour tout i ∈ {1, . . . , N }}. Comme C engendre B(RN ) (voir l’exercice 2.6, ou
le corrigé 14, il est même démontré qu’on peut, dans la définition de C, se limiter au cas où les ai
et bi sont dans Q), ceci donnera T = B(RN ).
On démontre tout d’abord que C ⊂ T . Soit −∞ < ai < bi < ∞ pour tout i ∈ {1, . . . , N } et
QN
A = i=1 ]ai , bi [. Soit ε > 0. On veut montrer qu’il existe O ouvert et F fermé t.q. F ⊂ A ⊂ O et
m(O \ F ) ≤ ε.
Soit n0 ∈ N t.q. (2/n0 ) < bi − ai pour tout i ∈ {1, . . . , N }. Pour n ≥ n0 , on pose Fn =
QN
i=1 [ai + (1/n), bi − (1/n)] et O = A. On a bien Fn fermé, O ouvert et Fn ⊂ A ⊂ O. On remarque
ensuite que O \ Fn ⊂ Cn avec :
N
(n)
Y
Cn = ∪N
q=1 Cn,q , Cn,q = Ii,q ,
i=1
(n) (n) 1 1
Ii,q =]ai , bi [ si i 6= q, Iq,q =]aq , aq + [∪]bq − , bq [.
n n
Soit q ∈ {1, . . . , N }. Comme Cn+1,q ⊂ Cn,q (pour tout n ≥ n0 ), ∩n≥n0 Cn,q = ∅ et m(Cn,q ) ≤
QN
m( i=1 [ai , bi ]) < ∞ (car m est finie sur les compacts), on peut utiliser la propriété de continuité
décroissante d’une mesure. On obtient m(Cn,q ) → 0 quand n → ∞. On a alors aussi m(Cn ) ≤
PN
q=1 m(Cn,q ) → 0 quand n → ∞. Il existe donc n t.q. m(Cn ) < ε. On prenant F = Fn , on a bien
alors O ouvert, F fermé et m(O \ F ) ≤ ε. Ce qui montre que A ∈ T et donc que C ⊂ T .
On montre maintenant que T est une tribu. On remarque tout d’abord que ∅ ∈ T (il suffit de
prendre F = O = ∅) et que T est stable par passage au complémentaire (car, si F ⊂ A ⊂ O, on a
Oc ⊂ Ac ⊂ F c et F c \ Oc = O \ F ). Il reste à montrer que T est stable par union dénombrable.
Soit (An )n∈N ⊂ T et A = ∪n∈N An . On veut montrer que A ∈ T . On va commencer par traiter le
cas (simple) où m(A) < ∞ puis le cas (plus difficile) où m(A) = ∞.
Premier cas. On suppose que m(A) < ∞. La démonstration est ici identique à celle faite pour
N = 1. Soit ε > 0. Pour tout n ∈ N, il existe On ouvert et Fn fermé t.q. Fn ⊂ An ⊂ On et
m(On \ Fn ) ≤ (ε/2n ). On pose O = ∪n∈N On et F̃ = ∪n∈N Fn . On a F̃ ⊂ A ⊂ O, m(O \ F̃ ) ≤ 2ε,
car (O \ F̃ ) ⊂ ∪n∈N (On \ Fn ), et O ouvert mais F̃ n’est pas nécessairement fermé. . .
Cependant, puisque m(A) < ∞, on a aussi m(F̃ ) < ∞. Par continuité croissante de m on a
m(∪np=0 Fn ) → m(F̃ ), quand n → ∞, d’où (puisque m(F̃ ) < ∞) m(F̃ ) − m(∪np=0 Fn ) → 0. On
prend alors F = ∪np=0 Fn avec n assez grand pour que m(F̃ ) − m(F ) ≤ ε. On a bien F ⊂ A ⊂ O,
O ouvert, F fermé et m(O \ F ) ≤ 3ε. Ceci prouve que A ∈ T .
Deuxième cas. On suppose maintenant que m(A) = ∞ (et le raisonnement précédent n’est plus
correct si m(F̃ ) = ∞). On raisonne en 3 étapes, en adaptant la démonstration faite pour N = 1 :
QN
(a) Soit p = (p1 , . . . , pN ) ∈ ZN . On remarque d’abord que An ∩ i=1 [pi , pi + 1[∈ T pour tout
n ∈ N. En effet, soit n ∈ N et ε > 0. Il existe O ouvert et F fermé t.q. F ⊂ An ⊂ O et
453
m(O \ F ) ≤ ε. Pour k ∈ N? , on a donc :
N N N
Y 1 Y Y 1
Fk = F ∩ [pi , pi + 1 − ] ⊂ An ∩ [pi , pi + 1[⊂ Ok = O ∩ ]pi − , pi + 1[.
i=1
k i=1 i=1
k
On a Fk fermé, Ok ouvert et (Ok \ Fk ) ⊂ (O \ F ) ∪ Dk , avec :

N
(k)
Y
Dk = ∪N
q=1 Dk,q , Dk,q = Ji,q ,
i=1
(k) 1 (k) 1 1
Ji,q =]pi − , pi + 1[ si i 6= p, Jq,q =]pq − , pq [∪]pq + 1 − , pq + 1[.
k k k
En utilisant la continuité décroissante de m et le fait que m est finie sur les compacts (ce qui
QN
donne m(Dk ) ≤ m( i=1 [pi −1, pi +1]) < ∞), on démontre (comme pour les Cn précédemment)
que m(Dk ) → 0 quand k → ∞. Il existe donc k ∈ N? t.q. m(Dk ) ≤ ε et donc m(Ok \ Fk ) ≤
QN
m(O \ F ) + m(Dk ) ≤ 2ε. Ce qui donne bien que An ∩ i=1 [pi , pi + 1[∈ T .
QN
(b) Soit p = (p1 , . . . , pN ) ∈ ZN . Comme m(A ∩ i=1 [pi , pi + 1[) < ∞, on peut maintenant
QN QN
utiliser le premier cas avec A ∩ i=1 [pi , pi + 1[= ∪n∈N (An ∩ i=1 [pi , pi + 1[). Il donne que
QN
A ∩ i=1 [pi , pi + 1[∈ T pour tout p = (p1 , . . . , pN ) ∈ ZN .
(c) On montre enfin que A ∈ T . Soit ε > 0. Pour tout p = (p1 , . . . , pN ) ∈ ZN , il existe un
QN
ouvert Op et un fermé Fp t.q. Fp ⊂ A ∩ i=1 [pi , pi + 1[⊂ Op et m(Op \ Fp ) ≤ ε/(2|p| ), en
PN
posant |p| = i=1 |pi |. On prend O = ∪p∈ZN Op et F = ∪p∈ZN Fp . On obtient F ⊂ A ⊂ O,
m(O \ F ) ≤ 3N ε et O est ouvert. Il reste à montrer que F est fermé.
Soit (xn )n∈N ⊂ F t.q. xn → x (dans RN ) quand n → ∞. On veut montrer que x ∈ F .
QN
Il existe p = (p1 , . . . , pN ) ∈ ZN t.q. x ∈ i=1 ]pi − 1, pi + 1[. Il existe donc n0 ∈ N t.q.
QN QN
xn ∈ i=1 ]pi − 1, pi + 1[ pour tout n ≥ n0 . Comme xn ∈ ∪q∈ZN Fq et que Fq ⊂ i=1 [qi , qi + 1[
pour tout q = (q1 , . . . , qN )t ∈ Z N , on a donc xn ∈ ∪q∈Ep Fq , pour tout n ≥ n0 , où Eq = {q =
(q1 , . . . , qN )t ∈ ZN ; qi ∈ {pi , pi − 1} pour tout i ∈ {1, . . . , N }}. Comme Eq est de cardinal fini
et que Fq est fermé pour tout q, l’ensemble ∪q∈Ep Fq est donc aussi fermé, on en déduit que
x ∈ ∪q∈Ep Fq ⊂ F et donc que F est fermé.
Ceci montre bien que A ∈ T et termine la démonstration du fait que T est une tribu. Comme
cela a déjà été dit, on en déduit que T = B(RN ).
—————————————————————————————–
2. Soit A ∈ B(RN ). Déduire de la question précédente que m(A) = inf{m(O), O ouvert t.q. A ⊂ O}.
—————————————corrigé—————————————–
Par monotonie de m on a m(A) ≤ m(O) si A ⊂ O, donc m(A) ≤ inf{m(O), O ouvert t.q. A ⊂ O}.
Il reste donc à montrer que m(A) ≥ inf{m(O), O ouvert t.q. A ⊂ O}.
Soit ε > 0, d’après la question précédente, il existe O ouvert et F fermé t.q F ⊂ A ⊂ O et
m(O \ F ) ≤ ε. On a donc aussi m(O \ A) ≤ ε et donc m(O) = m(A) + m(O \ A) ≤ m(A) + ε. Ceci
montre bien que inf{m(O), O ouvert t.q. A ⊂ O} ≤ m(A).
—————————————————————————————–
Corrigé 141 (Densité de Cc et Cc∞ dans L1 )
454
t.q. F ⊂ A ⊂ O et µ(O \ F ) ≤ ε.
En fait, la propriété (p1) entraı̂ne la propriété (p2) (voir la proposition 7.5) mais cette démonstration
n’est pas demandée ici.
R

ϕ ∈ L1µ .
+
3. Soit A ∈ B(Rd ) t.q. µ(A) < +∞.

régularisante, voir la définition 8.4.]
—————————————corrigé—————————————–
En Attente. . .
—————————————————————————————–
Corrigé 142 (Invariance par translation de λN )

Soient N ≥ 1, α1 , . . . , αN ∈ R? et β1 , . . . , βN ∈ R. Pour x = (x1 , . . . , xN )t ∈ RN , on pose ϕ(x) =
(α1 x1 + β1 , . . . , αN xN + βN )t , de sorte que ϕ est une bijection de RN dans RN .
455
1. Soit A ∈ B(RN ), montrer que ϕ(A) = {ϕ(x), x ∈ A} ∈ B(RN ).
—————————————corrigé—————————————–
On pose T = {A ∈ B(RN ) t.q. ϕ(A) ∈ B(RN )}.
Comme ϕ est bijective, il est facile de montrer que T est une tribu. En effet, il suffit de remarquer
que ϕ(RN ) = RN , ϕ(Ac ) = (ϕ(A))c et ϕ(∪n∈N An ) = ∪n∈N ϕ(An ).
Comme ϕ est continue, ϕ transforme les compacts en compacts. On note C l’ensemble des compacts
de RN , on a donc C ⊂ T (on rappelle que les compacts sont des boréliens). Comme l’ensemble
des compacts de RN engendre B(RN ) (noter que tout ouvert peut s’écrire comme une réunion
dénombrable de compacts), on a donc T = B(RN ). Ce qui donne bien ϕ(A) ∈ B(RN ) pour tout
A ∈ B(RN ).
—————————————————————————————–
QN
2. Montrer que λN (ϕ(A)) = i=1 |αi |λN (A) pour tout A ∈ B(RN ). [On pourra faire une récurrence
sur N : La proposition 2.9 donne le résultat pour la mesure de Lebesgue sur B(R), notée λ. On
suppose que le résultat est vrai pour λN −1 (et pour toute famille α1 , . . . , αN −1 ∈ R? , β1 , . . . , βN −1 ∈
QN
R). On le démontre alors pour λN en posant m(A) = ( i=1 |αi |)−1 λN (ϕ(A)) et en montrant que
m est une mesure sur B(RN ) égale à λN sur B(RN −1 ) ⊗ B(R). On utilise pour conclure la partie
“unicité” du théorème 7.1 sur la mesure produit.]
—————————————corrigé—————————————–
On procède par récurrence sur N . La proposition 2.9 donne le résultat pour la mesure de Lebesgue
sur B(R), c’est-à-dire pour N = 1 en posant λ1 = λ. On suppose maintenant que le résultat
QN −1
est vrai pour N − 1 avec un certain N ≥ 2, c’est-à-dire que λN −1 (ψ(B)) = i=1 |αi |λN −1 (B)
pour tout B ∈ B(RN −1 ), α1 , . . . , αN −1 ∈ R? , β1 , . . . , βN −1 ∈ R et ψ définie par ψ(y) = (α1 y1 +
β1 , . . . , αN −1 yN −1 + βN −1 )t pour tout y = (y1 , . . . , yN −1 )t ∈ RN −1 , et on démontre le résultat pour
N.
Soit donc α1 , . . . , αN ∈ R? , β1 , . . . , βN ∈ R et ϕ définie par ϕ(x) = (α1 x1 + β1 , . . . , αN xN + βN )t

pour tout x = (x1 , . . . , xN )t ∈ RN .
QN
Pour A ∈ B(RN ), on pose m(A) = ( i=1 |αi |)−1 λN (ϕ(A)).
On montre tout d’abord que m est une mesure. On a bien m(∅) = 0 car ϕ(∅) = ∅. Puis, soit
(An )n∈N ⊂ B(RN ) avec An ∩ Am = ∅ si n 6= m. On a ϕ(∪n∈N An ) = P ∪n∈N ϕ(An ) avec ϕ(An ) ∩
ϕ(Am ) = ∅ si nP6= m (car ϕ est bijective). Donc, λN (ϕ(∪n∈N An )) = n∈N λN (ϕ(An )) et donc
m(∪n∈N An ) = n∈N m(An ). Ce qui prouve la σ-additivité de m et donc le fait que m est une
mesure sur B(RN ).
On montre maintenant que m(A1 × A2 ) = λN −1 (A1 )λ(A2 ) pour tout A1 ∈ B(RN −1 ) et pour tout
A2 ∈ B(R) t.q. λN −1 (A1 ) < ∞ et λ(A2 ) < ∞.
Soit donc A1 ∈ B(RN −1 ) et A2 ∈ B(R) t.q. λN −1 (A1 ) < ∞ et λ(A2 ) < ∞. On a m(A1 × A2 ) =
QN
( i=1 |αi |)−1 λN (ϕ(A1 × A2 )).
On pose ψ(y) = (α1 y1 + β1 , . . . , αN −1 yN −1 + βN −1 )t , pour tout y = (y1 , . . . , yN −1 )t ∈ RN −1 , et
τ (z) = αN z + βN , pour tout z ∈ R. On a donc ϕ(A1 × A2 ) = ψ(A1 ) × τ (A2 ). L’hypothèse
456
QN −1
de récurrence et la proposition 2.9 donne que λN −1 (ψ(A1 )) = i=1 |αi |λN −1 (A1 ) < ∞ et que
λ(τ (A2 )) = αN λ(A2 ) < ∞. Comme λN = λN −1 ⊗ λ (car c’est la définition de λN ) on en déduit :
N
Y −1
λN (ϕ(A1 × A2 )) = λN −1 (ψ(A1 ))λ(τ (A2 )) = |αi |λN −1 (A1 )αN λ(A2 ),
i=1
et donc :
N
Y
m(A1 × A2 ) = ( |αi |)−1 λN (ϕ(A1 × A2 )) = λN −1 (A1 )λ(A2 ).
i=1
On peut maintenant conclure. Comme m est une mesure sur B(RN ) = B(RN −1 ) ⊗ B(R)vérifiant
m(A1 ×A2 ) = λN −1 (A1 )λ(A2 ) pour tout A1 ∈ B(RN −1 ) et pour tout A2 ∈ B(R) t.q. λN −1 (A1 ) < ∞
et λ(A2 ) < ∞, la partie “unicité” du théorème 7.1 donne que m = λN −1 ⊗ λ, c’est-à-dire m = λN .
QN
On a donc bien λN (ϕ(A)) = i=1 |αi |λN (A) pour tout A ∈ B(RN ).
—————————————————————————————–
Corrigé 143 (Changement de variables simple)

(α1 x1 + β1 , . . . , αN xN + βN )t (de sorte que ϕ est une bijection de RN dans RN ).
QN
1. Soit f ∈ E+ = E+ (RN , B(RN )), montrer que f ◦ ϕ ∈ E+ et que
R R
f dλN = i=1 |αi | (f ◦ ϕ)dλN .
[Utiliser l’exercice 7.14.]
—————————————corrigé—————————————–
Soit A ∈ B(RN ) et f = 1A . On a alors f ◦ ϕ = 1B avec B = ϕ−1 (A). En appliquant l’exercice
QN
7.14 (corrigé 142) à l’inverse de ϕ, noté ψ, on a donc λN (B) = λN (ψ(A)) = ( i=1 |αi |)−1 λN (A),
c’est-à-dire :
Z N
Y YN Z
f dλN = λN (A) = ( |αi |)λN (B) = ( |αi |) f ◦ ϕdλN .
i=1 i=1
? N
Pn maintenant f ∈ E+ \ {0}. Il existe donc a1 , . . . , an ∈ R+ et A1 , . . . , An ∈ B(R ) t.q. f =
Soit
a f
i=1 i i , avec f i = 1Ai . On a alors, par linéarité de l’intégrale :
Z n
X Z N
Y n
X Z
f dλN = ai fi dλN = ( |αi |) ai fi ◦ ϕdλN
i=1 i=1 i=1
N
Y n
Z X N
Y Z
=( |αi |) ai fi ◦ ϕdλN = ( |αi |) f ◦ ϕdλN .
i=1 i=1 i=1
(Ce qui est, bien sûr, aussi vrai si f = 0.)

—————————————————————————————–
QN
2. Soit f ∈ M+ = M+ (RN , B(RN )), montrer que f ◦ϕ ∈ M+ et que f dλN = i=1 |αi | (f ◦ϕ)dλN .
R R
—————————————corrigé—————————————–
457
Il existe (fn )n∈N ⊂ E+ t.q. fn ↑ f quand n → ∞. On a donc aussi (fn ◦ ϕ)n∈N ⊂ E+ et fn ◦ ϕ ↑ f ◦ ϕ
quand n → ∞ (ce qui donne, en particulier que f ◦ ϕ ∈ M+ ). La question précédente donne :
Z N
Y Z
fn dλN = ( |αi |) fn ◦ ϕdλN .
i=1
La définition de l’intégrale sur M+ donne alors, quand n → ∞ :

Z N
Y Z
f dλN = ( |αi |) f ◦ ϕdλN .
i=1
—————————————————————————————–
QN
3. Soit f ∈ L1 = L1R (RN , B(RN ), λN ), montrer que f ◦ ϕ ∈ L1 et que f dλN = i=1 |αi | (f ◦ ϕ)dλN .
R R
—————————————corrigé—————————————–
Comme f est mesurable de RN dans R et ϕ est mesurable de RN dans RN (RN et R étant munis
de leur tribu borélienne), on a bien f ◦ ϕ mesurable de RN dans R.
R R
En appliquant la question précédente à la fonction |f | on obtient que |f |◦ϕdλN = |f ◦ϕ|dλN < ∞
car |f |dλN < ∞. On a donc f ◦ ϕ ∈ L1 .
R
Enfin, en remarquant que (f ◦ϕ)+ = f + ◦ϕ et (f ◦ϕ)− = f − ◦ϕ et en utilisant la question précédente

avec f + et f − , on obtient :
Z N
Y Z
+
f dλN = ( |αi |) f + ◦ ϕdλN ,
i=1
Z YN Z
−
f dλN = ( |αi |) f − ◦ ϕdλN .
i=1
En faisant la différence, on en déduit :

Z N
Y Z
f dλN = ( |αi |) f ◦ ϕdλN .
i=1
—————————————————————————————–
Corrigé 144 (Primitives de fonctions Lp )

Soit p ∈ [1, ∞[. On note Lp = LpR (]0, 1[, B(]0, 1[), λ). Soit f, g ∈ Lp . On définit F et G de [0, 1] dans R
par :
Z x Z Z x Z
F (x) = f (t)dt (= f dλ), G(x) = g(t)dt (= gdλ), pour tout x ∈ [0, 1].
0 ]0,x[ 0 ]0,x[
1. Montrer que F et G sont des fonctions continues et qu’il existe C ∈ R t.q. |F (y) − F (x)| ≤
1 1
C|y − x|1− p et |G(y) − G(x)| ≤ C|y − x|1− p , pour tous x, y ∈ [0, 1], x < y.
—————————————corrigé—————————————–
458
On note L1 = L1R (]0, 1[, B(]0, 1[), λ). F (et G) sont bien définies partout sur [0, 1] car f 1[0,x] ∈ L1
(et g1[0,x] ∈ L1 ) pour tout x ∈ [0, 1] (on confond, comme d’habitude, un élément de L1 ou Lp avec
l’un de ses représentants).
Soit x, y ∈ [0, 1], x < y. En utilisant l’inégalité de Hölder avec f et 1[x,y] , on obtient, avec
q = p/(p − 1) :
Z
1
|F (y) − F (x)| = | f 1[x,y] dλ| ≤ kf kp k1[x,y] kq ≤ kf kp |y − x|1− p . (12.136)
On a de même : 1
|G(y) − G(x)| ≤ kgkp |y − x|1− p . (12.137)
Ce qui donne les inégalités demandées en prenant C = max(kf kp , kgkp ).
Les inégalités (12.136) et (12.137) donnent aussi la continuité (uniforme) de F et G lorsque p > 1
(et donc 1 − (1/p) > 0), mais pas pour p = 1.
Pour p = 1, on montre la continuité de F (et de G par un raisonnement semblable) en remarquant
que, pour x, y ∈ [0, 1], x < y :
Z
|F (y) − F (x)| ≤ |f |1[x,y] dλ → 0, quand λ([x, y]) = y − x → 0,
ceci découle de l’exercice 4.14 et donne même la continuité uniforme de F comme cela a été démontré
dans l’exercice 5.7.
—————————————————————————————–
2. On suppose p > 1. Soit n ∈ N? et k ∈ {0, . . . , n − 1}. Montrer que, pour tout x ∈ [ nk , k+1
n ], on a
(F (x), G(x)) ∈ An,k × Bn,k , où An,k et Bn,k sont des intervalles de R (indépendants de x) dont les
longueurs tendent vers 0 quand n → ∞. [Utiliser la question 1.]
—————————————corrigé—————————————–
On pose toujours C = max(kf kp , kgkp ). Pour x ∈ [ nk , k+1
n ], on a, avec
1
q =1− 1
p >0:
k 1 1 k 1 1
|F (x) − F ( )| ≤ C( ) q , |G(x) − G( )| ≤ C( ) q .
n n n n
On en déduit que (F (x), G(x)) ∈ An,k × Bn,k avec :
k 1 1 k 1 1 k 1 1 k 1 1
An,k = [F ( ) − C( ) q , F ( ) + C( ) q ], Bn,k = [G( ) − C( ) q , G( ) + C( ) q ].
n n n n n n n n
1
On a bien λ(An,k ) = λ(Bn,k ) = 2C( n1 ) q → 0 quand n → ∞.
—————————————————————————————–
3. On suppose p > 2. Montrer que E = {(F (x), G(x)); x ∈ [0, 1]} est une partie négligeable de R2
(muni de la mesure de Lebesgue sur les boréliens de R2 ). [En utilisant une majoration convenable
des longueurs de An,k et Bn,k , inclure E (pour tout n ∈ N) dans une partie de R2 dont la mesure
de Lebesgue tend vers 0 quand n → ∞.]
—————————————corrigé—————————————–
459
Pour tout n ∈ N? , on pose Hn = ∪n−1 2
k=0 An,k × Bn,k ∈ B(R ) = B(R) ⊗ B(R). La question précédente
donne E ⊂ Hn . On en déduit que E ⊂ H avec H = ∩n∈N Hn ∈ B(R2 ).
On utilise maintenant l’hypothèse p > 2 pour montrer que λ2 (H) = 0 (et donc que E est néglige-
able). En effet, on a, pour tout n ∈ N? :
n−1
X n−1
X
λ2 (H) ≤ λ2 (Hn ) ≤ λ2 (An,k × Bn,k ) = λ(An,k )λ(Bn,k )
k=0 k=0
2 1 2 2
≤ n4C ( ) q = 4C 2 n1− q ,
n
2
avec C = max(kf kp , kgkp ) et 1q = 1 − p1 . Comme p > 2, on a q < 2 et donc n1− q → 0 quand
n → ∞. Ceci donne que λ2 (Hn ) → 0 quand n → ∞ et donc que λ2 (H) = 0.
—————————————————————————————–
12.7.4 Convolution
Corrigé 145 (Propriétés élémentaires de la convolution)
Soit f, g ∈ L1 (RN ) = L1R (RN , B(RN ), λN ).
1. Montrer que f ? g = g ? f p.p.. [Utiliser l’invariance par translation de la mesure de Lebesgue et sa

conséquence pour les changements de variables simples (propositions 7.7 et 7.8).]
—————————————corrigé—————————————–
On confond, comme d’habitude f (et g) avec l’un de ses représentants, et on choisit comme représen-
tant de f ? g (qui est définie comme un élément de L1 (RN )) la fonction définie par f ? g(x) =
f (y)g(x − y)dλN (y) si f (·)g(x − ·) ∈ L1 (RN ). On sait que cette fonction est définie p.p. car
R
f (·)g(x − ·) ∈ L1 (RN ) pour presque tout x ∈ RNR . On choisit de manière analogue comme représen-
tant de g ? f la fonction définie par g ? f (x) = g(y)f (x − y)dλN (y) si g(·)f (x − ·) ∈ L1 (RN ).
Soit x ∈ RN un point pour lequel f ? g est définie. On a donc f (·)g(x − ·) ∈ L1 (RN ). On pose
h(·) = f (·)g(x − ·). On utilise alors la proposition 7.8 (changement de variables simples) avec ϕ
définie par ϕ(y) = −y + x pour tout y ∈ RN . Elle donne h ◦ ϕ ∈ L1 (RN ) et :
Z Z
h(ϕ(y))dλN (y) = h(y)dλN (y).
Comme h(ϕ(y)) = f (ϕ(y))g(x − ϕ(y)) = f (x − y)g(y), on en déduit que g ? f est définie au point
x et que g ? f (x) = f ? g(x).
Ceci montre bien que f ? g = g ? f p.p..
—————————————————————————————–
2. On suppose que f et g sont à support compact (f à support compact signifie qu’il existe K, compact
de RN , t.q. f = 0 p.p. sur K c ). Montrer que la fonction f ? g est alors aussi à support compact.
[On désigne par B(0, α) la boule ouverte de centre 0 et de rayon α. Comme f et g sont à support
compact, il existe a et b ∈ R+ tels que f = 0 p.p. sur B(0, a)c et g = 0 p.p. sur B(0, b)c . Montrer
que f ? g = 0 p.p. sur B(0, a + b)c .]
—————————————corrigé—————————————–
460
Comme pour la question précédente, on confond f (et g) avec l’un de Rses représentants, et on
choisit comme représentant de f ? g la fonction définie par f ? g(x) = f (y)g(x − y)dλN (y) si
f (·)g(x − ·) ∈ L1 (RN ).
Soit a, b ∈ R+ t.q. f = 0 p.p. sur B(0, a)c et g = 0 p.p. sur B(0, b)c . (RN est muni d’une norme,
notée k · k.)
Soit x ∈ B(0, a + b)c . On va montrer que f (·)g(x − ·) = 0 p.p. (et donc que f ? g(x) = 0, noter
aussi que f (·)g(x − ·) est mesurable car f et g le sont).
Comme f = 0 p.p. sur B(0, a)c , on a aussi f (·)g(x − ·) = 0 p.p. sur B(0, a)c . Comme g = 0 p.p.
sur B(0, b)c , on a f (·)g(x − ·) = 0 p.p. sur B(x, b)c (car y ∈ B(x, b)c ⇐⇒ (x − y) ∈ B(0, b)c ). On a
donc :
f (·)g(x − ·) = 0 p.p. sur B(0, a)c ∪ B(x, b)c . (12.138)
Or B(0, a) ∩ B(x, b) = ∅ car y ∈ B(0, a) ∩ B(x, b) implique kyk < a et kx − yk < b et donc
kxk = kx − y + yk < a + b, en contradiction avec x ∈ B(0, a + b)c . On a donc B(0, a)c ∪ B(x, b)c =
(B(0, a) ∩ B(x, b))c = RN et (12.138) donne alors f (·)g(x − ·) = 0 p.p. et donc f ? g est définie au
point x et f ? g(x) = 0.
On a bien montré que f ? g = 0 p.p. sur B(0, a + b)c et donc que f ? g est à support compact.
—————————————————————————————–
Corrigé 146 (Convolution Lp − Cc∞ )

Soit 1 ≤ p ≤ ∞. Soit f ∈ Lp (RN ) = LpR (RN , B(RN ), λN ) (ou f ∈ L1loc (RN )) et ρ ∈ Cc∞ (RN , R). On
pourra se limiter au cas N = 1.
1. Montrer que pour tout x ∈ RN , la fonction f (·)ρ(x − ·) appartient à L1 (RN ). On pose alors
Z
f ? ρ(x) = f (·)ρ(x − ·)dλN .
—————————————corrigé—————————————–
On rappelle que f ∈ L1loc (RN ) si f ∈ M = M(RN , B(RN )) et f 1K ∈ L1 (RN ) pour tout compact K
de RN . On a donc Lp (RN ) ⊂ L1loc (RN ) (pour tout 1 ≤ p ≤ ∞) car si f ∈ Lp (RN ), on a bien f ∈ M
et, grâce à l’inégalité de Hölder, f 1K ∈ L1 (RN ) (et kf 1K k1 ≤ kf kp k1K kq < ∞,avec q = p/(p − 1)).
On suppose donc dans la suite de ce corrigé que f ∈ L1loc (RN ) car cette hypothèse est plus générale
que f ∈ Lp (RN ). Pour simplifier la rédaction, on se limite au cas N = 1.
Soit x ∈ R. La fonction f (·)ρ(x − ·) est mesurable (c’est-à-dire ici borélienne car R est muni de
sa tribu de Borel) car f est mesurable et ρ(x − ·) est mesurable (car continue). Comme ρ est à
support compact, il existe a ∈ R+ t.q. ρ = 0 sur [−a, a]c . On a donc ρ(x − ·) = 0 sur Kxc avec
Kx = [x−a, x+a], ce qui permet de montrer que f (·)ρ(x−·) ∈ L1 (R) car |f (·)ρ(x−·)| ≤ |f 1Kx |kρku ,
avec kρku = max{|ρ(z)|, z ∈ R} < ∞, et f 1Kx ∈ L1 (R).
La fonction f ? ρ est donc définie sur tout R.
—————————————————————————————–
461
2. Montrer que f ? ρ ∈ C ∞ (RN , R).
—————————————corrigé—————————————–
Comme dans la question précédente, on va utiliser a ∈ R+ t.q. ρ = 0 sur [−a, a]c et kρku =
max{|ρ(z)|, z ∈ R} (on va aussi utiliser les normes des dérivées de ρ, kρ(k) ku ). On raisonne
maintenant en 3 étapes.
Etape 1. On commence par montrer que f ? ρ est continue en tout point R de R. Soit x0 ∈ R. La
continuité de f ? ρ en x0 découle du théorème de continuité sous le signe , théorème 4.9. En effet,
on pose, pour x, y ∈ R :
F (x, y) = f (y)ρ(x − y).
1
R
On a F (x, ·) ∈ L (R) pour tout x ∈ R et f ? ρ(x) = F (x, ·)dλ. La fonction F vérifie alors les 2
hypothèses suivantes :
(a) x 7→ F (x, y) est continue en x0 , pour tout y ∈ R,
(b) |F (x, y)| ≤ G(y) pour tout x ∈]x0 − 1, x0 + 1[ et pour tout y ∈ R, en prenant G = |f 1K |kρku
avec K = [x0 − 1 − a, x0 + 1 + a].
Comme K est compact, on a G ∈ L1 (R) et le théorème 4.9 donne bien la continuité de f ? ρ en x0 .
Etape 2. On montre maintenant que f ? ρ est dérivable en tout point et que (f ? ρ)0 = f ? ρ0 .
Soit x0 ∈R R. Pour montrer la dérivabilité de f ? ρ en x0 , on utilise le théorème de dérivabilité sous
le signe , théorème 4.10. On reprend la même fonction F que dans l’étape 1, elle vérifie les 2
hypothèses suivantes :
(a) x 7→ F (x, y) est dérivable pour tout x ∈]x0 − 1, x0 + 1[ et pour tout y ∈ R,
0
(b) | ∂F
∂x (x, y)| = |f (y)ρ (x − y)| ≤ H(y) pour tout x ∈]x0 − 1, x0 + 1[ et pour tout y ∈ R, en prenant
0
H = |f 1K |kρ ku avec K = [x0 − 1 − a, x0 + 1 + a].
Comme K est compact, on a H ∈ L1 (R) et le théorème 4.10 donne bien la dérivabilité de f ? ρ en
x0 et le fait que (f ? ρ)0 (x0 ) = f ? ρ0 (x0 ).
Etape 3. On montre enfin que f ? ρ ∈ C ∞ (R, R). Pour cela, on va montrer, par récurrence sur k,
que f ? ρ ∈ C k (R, R) et (f ? ρ)(k) = f ? ρ(k) pour tout k ∈ N (ce qui donne bien f ? ρ ∈ C ∞ (R, R)).
L’étape 1 montre que f ? ρ ∈ C 0 (R, R) (et on a bien (f ? ρ)(0) = f ? ρ = f ? ρ(0) ). On suppose
maintenant que f ? ρ ∈ C k (R, R) et (f ? ρ)(k) = f ? ρ(k) pour un certain k ∈ N. L’étape 2 appliquée
à ρ(k) (qui appartient aussi à Cc∞ (R, R)) au lieu de ρ donne alors que f ? ρ(k) est dérivable et que sa
dérivée est f ? ρ(k+1) . L’étape 1 appliquée à ρ(k+1) donne que f ? ρ(k+1) ∈ C(R, R). On a donc bien
finalement montré que f ? ρ ∈ C k+1 (R, R) et (f ? ρ)(k+1) = f ? ρ(k+1) . Ce qui termine la récurrence.
—————————————————————————————–
3. On suppose maintenant que f est à support compact, c’est à dire qu’il existe un compact de R,
noté K, t.q. f = 0 p.p. sur K c , montrer que f ? ρ est aussi à support compact.
—————————————corrigé—————————————–
Comme f et ρ sont à support compact, on démontre que f ? ρ est aussi à support compact, comme
cela a été fait dans l’exercice 7.19 (corrigé 145). Plus précisément, si f = 0 p.p. sur B(0, a)c et
ρ = 0 sur B(o, b)c , on a f ? ρ = 0 sur B(0, a + b)c (voir le corrigé 145).
462
—————————————————————————————–
Corrigé 147 (Inégalité de Young)

Soient 1 < p < +∞, f ∈ L1R (RN , B(RN ), λN ) et g ∈ LpR (RN , B(RN ), λN R ).R Montrer que f ? g est
définie p.p., f ? g ∈ LpR (RN , B(RN ), λN ) et kf ? gkp ≤ kf k1 kgkp . [Ecrire ( |f (x − y)g(y)|dy)p dx =
1 1
p
( |f (x − y)| q |f (x − y)| p |g(y)|dy)p dx, avec q = p−1
R R
. Appliquer l’inégalité de Hölder puis le théorème
de Fubini-Tonelli].
—————————————corrigé—————————————–
Pour simplifier les notations, on ne traite ici que le cas N = 1. On suppose aussi que f et g ne sont pas
nulles p.p. (sinon, il est immédiat que f ? g est définie partout et f ? g(x) = 0 pour tout x ∈ R).
On confond f et g avec l’un de leurs représentants.
Pour x, y ∈ R, on pose H(x, y) = g(y)f (x − y). La première partie de la démonstration de la proposition
sur la convolution (proposition 7.9) montre que H, et donc |H|, est B(R2 )-mesurable. On peut alors
utiliser les deux premières conclusions du théorème de Fubini-Tonelli (théorème 7.2) pour affirmer que
R|g(·)f (x − ·)| ∈ M+ (R, B(R)) pour tout x ∈ R et que ϕ ∈ M+ (R, B(R)) avec ϕ définie par ϕ(x)p =
|g(·)f (x − ·)|dλ pour tout x ∈ R. Par composition de fonctions mesurables, on a donc aussi ϕ ∈
M+ (R, B(R)).
1 1
Soit x ∈ R. Les fonctions |f (x − ·)| q et |f (x − ·)| p |g(·)| sont aussi mesurables. On peut alors utiliser
l’inégalité de Hölder avec q = p/(p − 1). elle donne :
Z Z Z
1 1 p
(ϕ(x))p = ( |f (x − ·)| q |f (x − ·)| p |g(·)||dλ)p ≤ ( |f (x − ·)|dλ) q ( |f (x − ·)||g(·)|p dλ)
p
Z (12.139)
≤ kf k1 ( |f (x − ·)||g(·)|p dλ).
q
Noter que (12.139) est vraie si |f (x − ·)||g(·)|p ∈ L1 (R) et si |f (x − ·)||g(·)|p 6∈ L1 (R). Dans ce dernier
p
R
cas
R on obtient seulement ϕ(x) ≤ ∞. On a aussi utiliser la proposition 7.8 pour dire que |f (x − ·)|dλ =
|f |dλ = kf k1 .
On peut maintenant utiliser le théorème de Fubini-Tonelli (théorème 7.2) avec les fonctions |f | et |g|p . Il
donne :
Z p
Z Z
ϕ(x)p dλ(x) ≤ kf k1q ( |f (x − ·)||g(·)|p dλ)dλ(x)
p
Z Z p (12.140)
≤ kf k1q ( |f (x − y)||g(y)|p dλ(x))dλ(y) ≤ kf k1q kf k1 kgkpp = kf kp1 kgkpp .
Ceci donne que ϕ ∈ Lp (R) et, en particulier que ϕ(x) < ∞ p.p., c’est-à-dire λ(A) = 0 avec A = {ϕ = ∞}
c 1
(noter que A ∈ B(R) puisque ϕ R ∈ M+ ). Pour tout x ∈ A , on a donc g(·)f (x − ·) ∈ L (R) et on peut
définir g ? f (x) par g ? f (x) = g(y)f (x − y)dλ(y).
La fonction g ? f est donc définie p.p.. On remarque maintenant qu’elle est égale p.p. à une fonction
mesurable. En effet, les fonctions H + et H − sont B(R2 )-mesurables (d’après la première partie de la
démonstration de la proposition 7.9, on rappelle que H(x, y) = g(y)f (x − y)). Les deux premières
conclusions du théorème 7.2) donnent alorsR(g(·)f (x−·)± ∈ M+ (R, B(R)) pour tout x ∈R R et que ϕ1 , ϕ2 ∈
M+ (R, B(R)) avec ϕ1 définie par ϕ1 (x) = (g(·)f (x−·))+ dλ et ϕ2 définie par ϕ2 (x) = (g(·)f (x−·))− dλ
pour tout x ∈ R. On pose alors h = ϕ1 − ϕ2 sur Ac et h = 0 sur A. On a bien que h est mesurable (de
R dans R) et h = g ? f p.p..
463
On remarque enfin que h ∈ Lp (R) car |h| ≤ ϕ p.p. et ϕ ∈ Lp (R). On en déduit bien que g ? f ∈ Lp (R)
(avec la confusion habituelle entre g ? f et la classe de h dans Lp (R)).
Le fait que kg ? f kp ≤ kf k1 kgkp est conséquence immédiate de (12.140) puisque g ? f ≤ ϕ p.p..
Enfin, le raisonnement fait dans la première question de l’exercice (7.19) montre que, pour tout x ∈ R,
f (·)g(x − ·) ∈ L1 (RN ) si et seulement f (x − ·)g(·) ∈ L1 (RN ) et que ces deux fonctions ont alors même
intégrale. Ceci permet de montrer que f ? g est aussi définie p.p. et que f ? g = g ? f p.p.
—————————————————————————————–
12.7.5 Changement de variables

Corrigé 148
Z n Z n Z ∞
sin x
1. Vérifier que si n ≥ 1 dx = ( e−xt dt) sin xdx.
0 x 0 0
—————————————corrigé—————————————–
Soit n ∈ N, la fonction x 7→ sinx x est continue que [0, n] en posant sinx x = 1 pour x = 0, elle est donc
bien intégrable pour l’espace mesuré ([0, n], B([0, n]), λ).
R∞
Pour tout x > 0, on a ex· ∈ M+ (R+ , B(R+ )). Pour calculer 0 e−xt dt, on remarque que, pour
Rp −xt −xp
tout p ∈ N, on a 0 e−xt dt = [ −ex ]p0 = x1 − e x . Quand p → ∞, on en déduit, avec le théorème
R ∞ −xt
de convergence monotone, que 0 e dt = x1 . On obtient bien :
Z n Z n Z ∞
sin x
dx = ( e−xt dt) sin xdx.
0 x 0 0
—————————————————————————————–
Z n
2. Calculer Fn (t) = e−xt sin xdx (t ≥ 0).
0
—————————————corrigé—————————————–
Rn Rn
Pour t = 0, on a 0 e−xt sin xdx = 0 sin xdx = 1 − cos n. Donc, Fn (0) = 1 − cos n.
Soit maintenant t >R0. Comme les fonctions x 7→ e−xt et x 7→ sin x sont indéfiniment dérivables sur
n
R, on peut calculer 0 e−xt sin xdx en intégrant deux fois par parties :
Z n Z n
e−xt sin xdx = − te−xt cos xdx − [e−xt cos x]n0
0 Z n 0
=− t2 e−xt sin xdx − [te−xt sin x]n0 − [e−xt cos x]n0 .

0
Ce qui donne : Z n
2
(t + 1) e−xt sin xdx = 1 − te−nt sin n − e−nt cos n.
0
et donc : n
1 − te−nt sin n − e−nt cos n
Z
Fn (t) = e−xt sin xdx =
.
0 t2 + 1
—————————————————————————————–
464
Z ∞
3. Calculer lim Fn (t)dt. (Fn est définie à la question précédente.)
n→+∞ 0
—————————————corrigé—————————————–
Pour tout n ∈ N, Fn est continue de R+ dans R, elle est donc mesurable de R+ dans R.
On a, pour tout n ∈ N et tout t ≥ 0, te−nt ≤ te−t ≤ 1/e. On en déduit :
1 1
|Fn (t)| ≤ (2 + ) 2 pour tout t ∈ R + et pour tout n ∈ N.
e t +1
(en fait, on a même 0 ≤ Fn (t) ≤ t21+1 .) Comme t 7→ 1

t2 +1 est intégrable sur (R+ , B(R+ ), λ), ceci
donne que Fn ∈ L1 (R+ , B(R+ ), λ) pour tout n ∈ N.
Enfin comme Fn (t) → t21+1 quand n → ∞, pour tout t > 0, on peut appliquer le théorème de
convergence dominée à la suite (Fn )n∈N , il donne :
Z ∞ Z ∞
1 π
Fn (t)dt → 2+1
dt = , quand n → ∞.
0 0 t 2
—————————————————————————————–
Z n
sin x π
4. En déduire que lim dx = .
n→+∞ 0 x 2
—————————————corrigé—————————————–
Soit n ∈ N. On définit H de R2 dans R par H(x, t) = e−xt sin x1[0,n] (x)1[0,∞] (t).
La fonction H est B(R2 )-mesurable et elle appartient à L1 (R2 ) car, par le théorème de Fubini-
Tonelli : Z n Z ∞ Z n
| sin x|
Z
|H(x, t)|dλ2 (x, t) ≤ | sin x|( e−xt dt)dx = dx < ∞,
0 0 0 x
car la fonction x 7→ | sinx x| est continue que [0, n] en posant | sin x|
x = 1 pour x = 0, elle est donc bien
intégrable pour l’espace mesuré ([0, n], B([0, n]), λ).
On peut donc appliquer le théorème de Fubini à la fonction H, il donne, avec la première question :
Z n Z n Z ∞ Z ∞ Z n Z ∞
sin x
dx = ( e−xt dt) sin xdx = ( e−xt sin xdx)dt = Fn (t)dt.
0 x 0 0 0 0 0
Rn R∞
La question 3 donne alors limn→∞ 0 sinx x dx = limn→∞ 0 Fn (t)dt = π2 .
—————————————————————————————–
Corrigé 149 (Coordonnées polaires)

2 2
1. Calculer (R+ )2 e−(x +y ) dx dy (on rappelle que dx dy désigne dλ2 (x, y)). [On pourra utiliser le
R
passage en coordonnées polaires.]
—————————————corrigé—————————————–
2 2
Pour x, y ∈ R, on pose f (x, y) = e−(x +y ) 1R+ (x)1R+ (y). On a f ∈ M+ (R2 , B(R2 )) (noter que f
est le produit de fonctions mesurables). On peut donc lui appliquer la formule (7.17) :
465
Z Z 2π Z ∞
f (x, y)dλ2 (x, y) = f (r cos θ, r sin θ)rdr dθ.
0 0
On a donc : Z Z ∞
2
+y 2 ) 2
e−(x dλ2 (x, y) = 2π e−r rdr.
(R+ )2 0
Rn 2 2 Rn 2
Puis, comme 0 e−r rdr = 12 (1−e−n ) et que, par le théorème de convergence monotone, 0
e−r rdr
R∞ 2 R∞ 2
→ 0 e−r rdr quand n → ∞, on en déduit 0 e−r rdr = 12 et donc :
Z
2 2
e−(x +y ) dλ2 (x, y) = π.
(R+ )2
—————————————————————————————–
Z
2
2. Calculer e−x dx.
R+
—————————————corrigé—————————————–
On applique le théorème de Fubini-Tonelli (théorème 7.2) à la fonction f défnie à la question
précédente. Il donne : Z Z Z
f (x, y)dλ2 (x, y) = f (x, y)dy dx,
R R
et donc :
Z Z ∞ Z ∞ Z ∞ 2
2
+y 2 ) 2 2 2
π= e−(x dλ2 (x, y) = e−y dy e−x dx = e−x dx .
(R+ )2 0 0 0
R∞ 2 √
On en déduit que 0 e−x dx = π.
—————————————————————————————–
Corrigé 150 (Cordonnées polaires dans RN )

On note S N −1 la sphère de centre 0 et rayon 1 dans RN (i.e. S N −1 = {x ∈ RN | |x| = 1}, où |.| désigne
la norme euclidienne usuelle). Pour A ⊂ S N −1 , on pose A e = {tx , t ∈ [0, 1] , x ∈ A}.
N −1 e est un borélien de RN .
Montrer que si A est un borélien de S , alors A
N −1
On définit alors, quand A est un borélien de S , σ(A) = N λN (A).
e Montrer que σ définit une mesure
sur les borélien de S N −1 .
Montrer que, pour tout f : RN → R mesurable positive ou intégrable on a
Z Z ∞ Z
f (x) dx = f (ρξ) dσ(ξ) ρN −1 dρ.
RN 0 S N −1
Trouver alors les α ∈ R tels que x → |x|α soit intégrable sur RN \B1 ou sur B1 , avec B1 = {x ∈ RN ;
|x| ≤ 1}.
—————————————corrigé—————————————–
Cet exercice est trop difficile à faire complètement sans indications.
Pour R ∈ R+ , on note BR = {x ∈ RN ; |x| ≤ R}.
466
1. On montre tout d’abord que A e est un borélien de RN si A est un borélien de S N −1 . Pour cela, on
N −1 e ∈ B(RN )}.
pose T = {A ∈ B(S ); A
On montre que T est une tribu. En effet, A e = ∅ ∈ B(RN ) si A = ∅ et donc ∅ ∈ T . Puis, on

remarque que T est stable par complémentaire car, pour A ∈ T , S N^ −1 \ A = B \ A
1
e ∈ B(RN ), ce
N −1
qui montre que S \ A ∈ T . Enfin, il est facile de voir que T est stable par union dénombrable
N
car, pour (An )n∈N ⊂ T , on a ∪^n∈N An = ∪n∈N An ∈ B(R ) et donc ∪n∈N An ∈ T . On a bien montré
f
que T est une tribu.
Soit C l’ensemble des fermés de S N −1 . Si A ∈ C, on voit que A e est un fermé de RN . En effet,
N
si (tn , xn )n∈N ⊂ [0, 1] × A est t.q. tn xn → y dans R , on peut supposer, par compacité de [0, 1]
et de S N −1 , après extraction d’une sous suite encore notée (tn , xn )n∈N , que tn → t ∈ [0, 1] et
xn → x ∈ S N −1 quand n → ∞. On en déduit que y = tx ∈ A, e ce qui prouve que A e est fermé.
Comme les fermés sont des boréliens, on a donc C ⊂ T .
Pour conclure, il suffit de remarquer que la tribu engendrée par C (sur S N −1 ) est B(S N −1 ). On en
déduit bien que B(S N −1 ) = T .
2. Il est facile de montrer que σ est une mesure. Il suffit en effet de remarquer que e ∅ = ∅ (et donc
σ(∅) = 0) et que, pour (An )n∈N ⊂ T t.q. An ∩ Am = ∅ si n 6= m, on a, avec A = ∪n∈N An ,
Ae = ∪n∈N A fn ∩ A
fn et A g m = ∅ si n 6= m. On déduit alors la σ-additivité de σ de la σ-additivité de
λN .
3. On va montrer maintenant :
Z Z ∞ Z
f (x) dx = f (ρξ) dσ(ξ) ρN −1 dρ, (12.141)
RN 0 S N −1
pour tout f = 1E avec E ∈ B(RN ). Cette démonstration est difficile (le reste de la démonstration
sera plus facile). On raisonne en 3 étapes.
Etape 1. Pour A ∈ B(S N −1 ) et pour 0 ≤ r < R < ∞, on pose Ar,R = {ρξ, ρ ∈ [r, R[, ξ ∈ A}.
Dans cette étape, on prend f = 1E avec E = Ar,R et on montre alors que les deux membres de
(12.141) sont bien définis et sont égaux.
Pour montrer que Ar,R ∈ B(RN ), il suffit de remarquer que Ar,R = AR \ Ar avec Aa = ∪t∈Qa tA, e
? N N
Qa = {t ∈ Q+ , t < a} si a > 0 (et A0 = ∅). Comme A e ∈ B(R ), on a tA
e ∈ B(R ) pour tout t > 0
(voir la proposition 7.7) et donc Aa ∈ B(RN ) pour tout a ≥ 0. On en déduit que Ar,R ∈ B(RN ).
On calcule maintenant λN (Ar,R ) (c’est-à-dire le membre de gauche de (12.141)). D’après la propo-
e = tN λN (A)
sition 7.8, on a λN (tA) e pour tout t > 0. la continuité croissante d’une mesure donne
N
alors λN (Aa ) = a λN (A) pour tout a > 0 et donc :
e
N N
e = R − r σ(A).
λN (Ar,R ) = λN (AR \ Ar ) = λN (AR ) − λN (Ar ) = (RN − rN )λN (A)
N
Soit ρ > 0. Si ρ 6∈ [r,RR[, ona f (rξ) = 0 pour tout ξ ∈ S N −1 . On a donc f (ρ·) = 1∅ ∈

M+ (S N −1 , B(S N −1 )) et f (ρ·)dσ = 0. Si ρ ∈ [r, R[, ona f (rξ) = 1 pour tout ξ ∈ A et f (rξ) = 0
467
pour tout ξ ∈ S N −1 \ A. RDonc, f (ρ·) = 1A ∈ M+ (S N −1 , B(S N −1 )) et f (ρ·)dσ = σ(A). On en dé-
R
? ?
duit que la fonction ρ 7→ f (ρ·)dσ est égale à σ(A)1[r,R[ , elle appartient donc à M+ (R+ , B(R+ ), λ)
et on a : Z ∞ Z Z
f (ρξ) dσ(ξ) ρN −1 dρ = σ(A)1[r,R[ (ρ)ρN −1 dρ
0 S N −1 R?
+
Z R
N −1 RN − r N
= σ(A) ρ dρ = σ(A) .
r N
On a bien montré que les deux membres de (12.141) étaient bien définis et étaient égaux.
Etape 2. On pose D = {Ar,R , 0 ≤ r < R < ∞, A ∈ B(S N −1 )}. On montre ici que D engendre
B(RN ).
On a déjà vu que D ⊂ B(RN ). Donc, T (D) ⊂ B(RN ). Pour montrer l’inclusion inverse, on va
montrer que tout ouvert de RN peut s’écrire comme une union au plus dénombrable d’éléments de
D.
On commence par remarquer qu’il existe une partie dénombrable de S N −1 , dense dans S N −1 (ceci
découle de la séparabilité de RN ). Soit S une telle partie. On peut alors démontrer (on ne détaille
pas ici cette démonstration, assez simple) que si x ∈ O, O ouvert de RN , il existe une boule ouverte
de S N −1 dont le centre est dans S et donc le rayon est rationnel, on note A cette boule, et il existe
r, R ∈ Q t.q. x ∈ Ar,R ⊂ O. On en déduit facilement que O est une union au plus dénombrable
d’éléments de D (voir l’exercice 2.6 pour des résultats semblables). Ce résultat montre que les
ouverts de RN sont dans T (D) et donc que B(RN ) ⊂ T (D).
On a bien finalement B(RN ) = T (D).
Etape 3. On montre dans cette étape que (12.141) est vraie pour tout f = 1E avec E ∈ B(RN ).
En admettant que le deuxième membreR ∞ R de (12.141) est bien Ndéfini pour tout E ∈ B(RN ), on peut
N −1
définir m sur B(R ) par m(E) = 0 1 (ρξ) dσ(ξ) ρ
S N −1 E
dρ. m est alors une mesure. On a
montré que m = λN sur D (Etape 1) et que D engendre B(RN ) (Etape 2). Le fait que deux mesures
sur une tribu T soient égales sur une famille engendrant T est insuffisant pour dire qu’elles sont
égales sur T (voir exercice 2.18), mais cela est suffisant si cette famille est une “semi-algèbre” (une
famille C est une semi-algèbre si ∅, ∅c ∈ C, C est stable par intersection finie, et le complémentaire
de tout élèment de C est une réunion finie disjointe d’éléments de C), et si les mesures sont finies.
C’est ainsi que nous allons montrer que (12.141) est vraie pour tout f = 1E avec E ∈ B(RN ).
Soit R > 0. On note DR = {E ∈ D; E ⊂ BR } et BR = B(BR ) = {A ∈ B(RN ); A ⊂ BR }. L’étape 2
donne que la tribu engendrée (sur BR ) par DR , notée T (DR ), est égale à BR .
On remarque tout d’abord que si C ∈ DR , (BR \ C) est la réunion disjointe d’au plus 3 éléments
de DR . On en déduit, comme dans l’exercice 7.2, que l’algèbre engendrée par DR sur BR (voir la
définition 2.4 pour la définition d’une algèbre), notée AR , est l’ensemble des réunions finies disjointes
d’éléments de DR . Soit E ∈ AR . Il est alors facile de montrer (par linéarité de l’intégrale et avec
l’étape 1) que les deux membres de (12.141) sont bien définis et égaux si f = 1E .
On note MR l’ensemble des éléments E ∈ B(BR ) t.q. les deux membres de (12.141) soient bien
définis et égaux si f = 1E . Une application facile du théorème de convergence monotone donne que
MR est une classe monotone. (en fait, si (En )n∈N ⊂ MR est une suite décroissante, on applique le
468
théorème de convergence monotone à la suite 1BR − 1En alors que si (En )n∈N ⊂ MR est une suite
croissante, on applique le théorème de convergence monotone à la suite 1En ). MR est donc une
classe monotone qui contient AR , MR contient donc la classe monotone engendrée par AR , or, le
lemme sur les classes monotones (exercice 2.12) montre que cette classe monotone est égale à la tribu
engendrée par AR , elle même égale à la tribu engendrée par DR . Ceci montre que MR = B(BR ) et
donc que les deux membres de (12.141) sont bien définis et égaux si f = 1E avec E ∈ B(BR ).
En appliquant une nouvelle fois le théorème de convergence monotone, on montre alors facilement
que les deux membres de (12.141) sont bien définis et égaux si f = 1E avec E ∈ B(RN ).
4. La fin de la démonstration est maintenant facile (elle utilise un raisonnement souvent utilisé
dans des exercices précédents). Par linéarité de l’intégrale, on montre que les deux membres de
(12.141) sont bien définis et égaux si f ∈ E+ (RN , B(RN )), puis, par convergence monotone, si
f ∈ M+ (RN , B(RN )). Enfin, on traite le cas f ∈ L1 (RN ) en décomposant f = f + − f − .
5. Comme application simple de (12.141) pour f ∈ M+ (RN , B(RN )), on trouve que x → |x|α est
intégrable sur RN \B1 si et seulement si α + N − 1 < −1 et est intégrable sur B1 si et seulement si
α + N − 1 > −1.
—————————————————————————————–
Corrigé 151 (Changement de variables W 1,1 croissant) Rx

Soit f ∈ L1R (R, B(R), λ) t.q. f > 0 p.p.. Pour x ∈ R, on pose ϕ(x) = −∞ f (t)dt. (On rappelle que, pour
Rb R
a < b, a f (t)dt désigne 1]a,b[ f dλ.)
1. Montrer que ϕ ∈ C(R, R) et que ϕ est strictement croissante.

R
On note Im l’image de ϕ (Im est donc un intervalle dont les bornes sont 0 et f dλ) et on note
ψ : Im → R la fonction inverse de ϕ (ψ est donc continue de Im dans R).
On rappelle que si I est un intervalle de R et B(I) est sa tribu borélienne, on a B(I) = P(I) ∩ B(R).
Pour A ⊂ R, on note ϕ(A) = {ϕ(x), x ∈ A}. Pour A ⊂ Im , on note ψ(A) = {ψ(x), x ∈ A}.
2. Montrer que {ϕ(A), A ∈ B(R)} = B(Im ) et que {ψ(A), A ∈ B(Im )} = B(R).
R
3. Soit I un intervalle de R. Montrer que λ(ϕ(I)) = I f dλ.
R
4. Soit O un ouvert de R. Montrer que λ(ϕ(O)) = O f dλ. En déduire que, pour tout ε > 0 il existe
δ > 0 t.q. :
O ouvert, λ(O) ≤ δ ⇒ λ(ϕ(O)) ≤ ε.
R
5. Soit A ∈ B(R). Montrer que λ(ϕ(A)) = A f dλ. [On pourra, par exemple, utiliser la régularité de
λ et la question précédente.]
6. Soit a, b ∈ R t.q. a < b.
(a) Soit B ∈ B(R). On pose g = 1B . Montrer que :

Z ϕ(b) Z b
g(t)dt = g(ϕ(s))f (s)ds. (12.142)
ϕ(a) a
[Prendre A = ψ(B ∩ Im )∩]a, b[ et utiliser la question précédente.]
469
(b) Montrer que (12.142) est encore vraie pour g ∈ E+ (R, B(R)), puis pour g ∈ M+ (R, B(R)).
(c) Soit g : R → R mesurable. On suppose que g1]ϕ(a),ϕ(b)[ ∈ L1R (R, B(R), λ). Montrer g ◦
ϕf 1]a,b[ ∈ L1R (R, B(R), λ) et que (12.142) est vraie.
NB: On peut montrer que ϕ est dérivable p.p. et que ϕ0 = f p.p.. La formule (12.142) est alors la
formule habituelle de changement de variable. Noter aussi que la fonction ϕ, restreinte à l’intervalle ]a, b[,
appartient à un espace appelé W 1,1 (]a, b[) (ce qui explique le titre de l’exercice).
—————————————corrigé—————————————–
En Attente
—————————————————————————————–
470
Corrigé 152 (Non densité de Cc dans L∞ )
On considère f = 1R+ (qui appartient à L∞
R (R, B(R), λ), en confondant f avec sa classe).
1
1. Montrer que kf − ϕk∞ ≥ 2 pour tout ϕ ∈ C(R, R).
—————————————corrigé—————————————–
1
Soit ϕ ∈ C(R, R). On va montrer que kf − ϕk∞ ≥ 2 − ε pour tout 0 < ε < 1/2 (ce qui donne bien
finalement kf − ϕk∞ ≥ 12 ).
Soit donc 0 < ε < 1/2.

On suppose tout d’abord que ϕ(0) ≥ 21 . Il existe alors, par continuité de ϕ, δ > 0 t.q. ϕ(x) ≥ 12 − ε
pour tout x ∈ [−δ, 0]. On a donc ϕ(x) − f (x) ≥ 21 − ε pour presque tout x ∈ [−δ, 0], ce qui prouve
que λ({|ϕ − f | ≥ 12 − ε}) ≥ λ([−δ, 0]) = δ > 0. On a donc kf − ϕk∞ ≥ 12 − ε.
On suppose maintenant que ϕ(0) ≤ 21 . De manière analogue, il existe δ > 0 t.q. ϕ(x) ≤ 12 + ε pour
tout x ∈ [0, δ]. On a alors f (x) − ϕ(x) ≥ 21 − ε pour presque tout x ∈ [0, δ], ce qui prouve que
λ({|f − ϕ| ≥ 12 − ε}) ≥ λ([0, δ]) = δ > 0. On a donc aussi kf − ϕk∞ ≥ 12 − ε.
Comme ε > 0 est arbitrairement petit, on a bien montré que kf − ϕk∞ ≥ 21 .

—————————————————————————————–
2. Montrer que kf (· + h) − f k∞ = 1 pour tout h ∈ R?.
—————————————corrigé—————————————–
Pour h > 0, on a |f (·+h)−f (·)| = 1 p.p. sur [−h, 0] et donc λ({|f (·+h)−f (·)| ≥ 1}) ≥ λ([−h, 0]) =
h > 0, ce qui prouve que kf (· + h) − f k∞ ≥ 1. Comme il est clair que |f (· + h) − f (·)| ≤ 1 p.p., on
a finalement kf (· + h) − f k∞ = 1.
Pour h < 0, on a |f (· + h) − f (·)|∞ = 1 p.p. sur [0, −h] et donc λ({|f (· + h) − f (·)| ≥ 1}) ≥
λ([0, −h]) = −h > 0, ce qui prouve que kf (· + h) − f k∞ ≥ 1. Comme il est clair aussi que
|f (· + h) − f (·)| ≤ 1 p.p., on a finalement kf (· + h) − f k∞ = 1.
—————————————————————————————–
Corrigé 153 (Séparabilité de Lp (Ω), 1 ≤ p < ∞)
Soient N ≥ 1, Ω un ouvert de RN et p tel que 1 ≤ p < +∞. Montrer que l’espace Lp (Ω) est séparable.
On pourra se limiter au cas Ω = R et raisonner ainsi : Soit n ∈ N? , pour q = 0, 1, . . . , 2n2 − 1, on note:
+ nq , −n + q+1
Iqn = [−n S c
n [. On pose : An = {f : R → R; f |Iq = r, où r ∈ Q, et f = 0 sur [−n, n[ }. On
n
pose A = n∈N? An .
1. Montrer que A est dénombrable.
—————————————corrigé—————————————–
Soit n ∈ N? . A f ∈ An , on associe l’ensemble des valeurs prises par f sur les intervalles Iqn ,
2
q = 0, 1, . . . , 2n2 − 1. On construit ainsi une bijection de An dans Q2n , ce qui prouve que An est
2
dénombrable car Q2n est dénombrable.
On en déduit que A est dénombrable comme union dénombrable d’ensembles dénombrables.
—————————————————————————————–
471
2. Montrer que, pour tout f ∈ Cc (R, R) et pour tout ε > 0, il existe g ∈ A t.q. kf − gkp ≤ ε.
—————————————corrigé—————————————–
Soit f ∈ Cc (R, R) et soit ε > 0.
Comme f est à support compact, il existe a ∈ R+ t.q. f = 0 sur [−a, a]c .

Comme f est uniformément continue, il existe δ > 0 t.q. |x − y| ≤ δ ⇒ |f (x) − f (y)| ≤ ε.
On choisit maintenant n ∈ N? t.q. n ≥ a et 1/n ≤ δ. On construit alors g ∈ An de la manière
suivante :
g(x) = 0, si x ∈ [−n, n[c ,
g(x) = rq , si x ∈ [−n + nq , −n + q+1 2
n [, q ∈ {0, 1, . . . , 2n − 1},
avec rq ∈ Q t.q. |f (−n + nq ) − rq | ≤ ε et rq = 0 si f (−n + nq ) = 0.

On a g ∈ A (car g ∈ An ), |g(x) − f (x)| ≤ 2ε pour tout x et |g(x) − f (x)| = 0 si x ∈ [−a − 1, a + 1]c .
On en déduit : Z
|g(x) − f (x)|p dx ≤ 2(a + 1)2p εp .
On peut donc trouver g ∈ A arbitraiement proche de f en norme Lp .

—————————————————————————————–
3. Conclure par la densité de Cc (R, R) dans Lp (R, ) (théorème 8.1).
—————————————corrigé—————————————–
Soit f ∈ Lp (R) et soit ε > 0. Par le théorème 8.1, il existe g ∈ Cc (R, R) t.q. kg − f kp ≤ ε. Par la
question précédente, il existe h ∈ A t.q. kg − hkp ≤ ε. On a donc kf − hkp ≤ 2ε. Ce qui prouve
que A est dense dans Lp (R). Comme A est dénombrable, on en déduit que Lp (R) est séparable.
—————————————————————————————–
Corrigé 154 (Non séparabilité de L∞R (R, B(R), λ))

On note B l’ensemble des f appartenant à L∞ (R, B(R), λ) t.q., pour tout n ∈ N, f = 0 p.p. sur ]n, n + 1[
ou f = 1 p.p. sur ]n, n + 1[.
1. Montrer que B est non dénombrable. [Construire une injection de l’ensemble des parties de N dans
B.]
—————————————corrigé—————————————–
Soit P une partie N. On construit ϕ(P ) ∈ B en prenant ϕ(P ) = 1 p.p. sur ]n, n + 1[ si n ∈ P ,
ϕ(P ) = 0 p.p. sur ]n, n + 1[ si n 6∈ P et ϕ(P ) = 0 p.p. sur R− .
ϕ est bien injective car, si P, Q ∈ P(N), P 6= Q, il existe n ∈ P t.q. n 6∈ Q (ou il existe n ∈ Q
t.q. n 6∈ P). On a alors ϕ(P ) = 1 p.p. sur ]n, n + 1[ et ϕ(Q) = 0 p.p. sur ]n, n + 1[ (ou ϕ(P ) = 0
p.p. sur ]n, n + 1[ et ϕ(Q) = 1 p.p. sur ]n, n + 1[). On en déduit que kϕ(P ) − ϕ(Q)k∞ ≥ 1 car
λ(]n, n + 1[) > 0, et donc ϕ(P ) 6= ϕ(Q).
Comme P(N ) est non dénombrable (et non fini), l’ensemble B est aussi non dénombrable (et non
fini).
—————————————————————————————–
472
2. Soit A une partie dense de L∞ R (R, B(R), λ). Montrer que pour tout f ∈ B, il existe g ∈ A t.q.
kf − gk∞ ≤ 14 . En déduire qu’on peut construire une application injective de B dans A.
—————————————corrigé—————————————–
Soit f ∈ B. Par densité de A dans L∞ 1
R (R, B(R), λ), il existe g ∈ A t.q. kf − gk∞ ≤ 4 . On peut
donc construire (grâce à l’axiome du choix) une application ψ de B dans A t.q. kf − ψ(f )k∞ ≤ 41
pour tout f ∈ B.
On monte maintenant que ψ est injective. En effet, soit f1 , f2 ∈ B t.q. ψ(f1 ) = ψ(f2 ). On a alors,
avec g = ψ(f1 ) = ψ(f2 ), kf1 − f2 k∞ ≤ kf1 − gk∞ + kf2 − gk∞ ≤ 12 . Ceci prouve que f1 = f2 car
kf1 − f2 k∞ ≥ 1 si f1 6= f2 (il suffit de remarquer qu’il existe n ∈ N t.q. |f1 − f2 | = 1 p.p. sur
]n, n + 1[).
—————————————————————————————–
3. Montrer que L∞
—————————————corrigé—————————————–
Si L∞
R (R, B(R), λ) est séparable, il existe A (au plus) dénombrable, dense dans L∞
R (R, B(R), λ). La
question précédente permet de construire une injection de B de A. Ce qui est en contradiction avec
le fait que B est non dénombrable (et non fini).
—————————————————————————————–
Corrigé 155 (Convolution Lp − Lq )

Pour 1 ≤ p ≤ ∞, on note Lp = LpR (R, B(R), λ) et Lp = LpR (R, B(R), λ).
p
1. Soit 1 < p < +∞, q = p−1 , f ∈ Lp et g ∈ Lq .
(a) Montrer que pour tout x ∈ R, l’application f (·)g(x − ·) est intégrable.
—————————————corrigé—————————————–
Soit x ∈ R. L’application f (·)g(x − ·) est mesurable car les applications f et g(x − ·) sont
mesurables. Puis, on déduit de l’inégalité de Hölder (inégalité (6.3)) que f (·)g(x − ·) ∈ L1 et :
kf (·)g(x − ·)k1 ≤ kf kp kg(x − ·)kq = kf kp kgkq .
—————————————————————————————–
On peut donc définir (f ? g)(x) pour tout x ∈ R.
(b) Montrer que |(f ? g)(x)| ≤ kf kp kgkq , pour tout x ∈ R.
—————————————corrigé—————————————–
R R
Soit x ∈ R. On a |(f ? g)(x)| = | f (·)g(x − ·)dλ| ≤ |f (·)g(x − ·)|dλ = kf (·)g(x − ·)k1 . En
utilisant l’inégalité montrée dans la question précédente, on a donc :
|(f ? g)(x)| ≤ kf kp kgkq .
—————————————————————————————–
473
(c) Montrer que f ? g est continue sur R.
—————————————corrigé—————————————–
Soit x, h ∈ R. On a :
Z
|f ? g(x + h) − f ? g(x)| ≤ |f (·)g(x + h − ·) − f (·)g(x − ·)|dλ
≤ kf kp kg(x + h − ·) − g(x − ·)kq = kf kp kg(· − h) − gkq .
Le théorème de continuité en moyenne dans Lq (exercice 6.4, corrigé 98, le cas général de la
mesure de Lebesgue sur RN est donné dans le théorème 8.2) donne que kg(· − h) − gkq → 0,
quand h → 0. Ceci prouve la continuité (et même la continuité uniforme) de f ? g sur R.
—————————————————————————————–
p
2. Soit 1 < p < +∞, q = p−1 .
(a) Soit F ∈ Lp et G ∈ Lq . Montrer qu’on peut définir F ? G sur R en posant F ? G = f ? g, avec

f ∈ F et g ∈ G. [Il suffit donc de démontrer que f ? g ne dépend pas du choix de f dans F et
g dans G.]
—————————————corrigé—————————————–
Soit f1 , f2 ∈ F et g1 , g2 ∈ G. Comme f1 = f2 p.p. et g1 = g2 p.p., on a aussi, pour tout x ∈ R,
f1 (·)g1 (x − ·) = f2 (·)g2 (x − ·) p.p. et donc f1 ? g1 (x) = f2 ? g2 (x).
Pour tout x ∈ R, on peut donc définir F ? G(x) en posant F ? G(x) = f ? g(x), avec f ∈ F et
g ∈ G (car f ? g(x) ne dépend pas du choix de f et g dans F et G).
—————————————————————————————–
(b) Montrer que l’application (F, G) 7→ F ? G est bilinéaire continue de Lp × Lq dans Cb (R, R) (on
rappelle que Cb (R, R) est l’ensemble des fonctions continues bornées de R dans R, muni de la
norme de la convergence uniforme).
—————————————corrigé—————————————–
On note k · ku la norme de la convergence uniforme (on rappelle que, sur Cb (R, R), elle coı̈ncide
avec la norme k · k∞ ).
Soit F ∈ Lp et G ∈ Lq . Si f ∈ F , g ∈ G, on a déjà vu que, pour tout x ∈ R :
|F ? G(x)| = |f ? g(x)| ≤ kf kp kgkq = kF kp kGkq .
On en déduit kF ?Gku = sup{|F ?G(x)|, x ∈ R} ≤ kF kp kGkq . Ce qui prouve bien la continuité

de la forme bilinéaire (F, G) 7→ F ? G de Lp × Lq dans Cb (R, R).
—————————————————————————————–
(c) Soit F ∈ Lp et G ∈ Lq . Montrer que F ? G ∈ C0 (R, R) (c’est-à-dire que la fonction F ? G est
continue de R dans R et que (F ? G)(x) → 0 quand x → ±∞).
—————————————corrigé—————————————–
On considère tout d’abord le cas f ∈ Cc (R, R) et g ∈ Cc (R, R). On sait déjà que f ? g est
continue (par exemple, parce que f ∈ Lp et g ∈ Lq ). D’autre part, comme f et g sont à
support compact, il existe a > 0 et b > 0 t.q. f = 0 sur B c (0, a) et g = 0 sur B c (0, b). On
474
en déduit que f ? g = 0 sur B c (0, a + b) (ceci est démontré, par exemple, dans l’exercice 7.19,
corrigé 145). On a donc f ? g ∈ Cc (R, R) ⊂ C0 (R, R).
Soit maintenant F ∈ Lp et G ∈ Lq . Le théorème de densité dans les espaces Lp (exercice

6.4, corrigé 98, ou encore théorème 8.1 pour un cas plus général) donne l’existence de deux
suites (fn )n∈N ∈ Cc (R, R) et (gn )n∈N ∈ Cc (R, R) t.q. fn → F dans Lp et gn → G dans Lq ,
quand n → ∞. La continuité de la forme bilinéaire (F, G) 7→ F ? G de Lp × Lq dans Cb (R, R)
montre alors que fn ? gn → F ? G dans Cb (R, R) (c’est-à-dire uniformément), quand n → ∞.
Or fn ? gn ∈ C0 (R, R), pour tout n ∈ N, et C0 (R, R) est fermé dans Cb (R, R), on a donc
F ? G ∈ C0 (R, R).
—————————————————————————————–
3. On prend maintenant p = 1 et q = +∞.
(a) Soit f ∈ L1 et g ∈ L∞ . Montrer que (f ? g)(x) est bien définie pour tout x ∈ R. Montrer que
f ? g ∈ Cb (R, R).
—————————————corrigé—————————————–
On procède ici comme dans le cas 1 < p, q < ∞.
Soit x ∈ R. L’application f (·)g(x − ·) est mesurable car produit d’applications mesurables.
Puis, l’inégalité de Hölder pour le cas p = 1, q = ∞ (proposition (6.9)) donne f (·)g(x − ·) ∈ L1
et :
kf (·)g(x − ·)k1 ≤ kf k1 kg(x − ·)k∞ = kf k1 kgk∞ .
On peut donc définir (f ? g)(x) pour tout x ∈ R et on a |(f ? g)(x)| ≤ kf k1 kgk∞ . Ceci donne
sup{|(f ? g)(x)|, x ∈ R} ≤ kf k1 kgk∞ et donc que f est bornée.
Pour montrer que f ? g est continue sur R, on utilise l’invariance par translation de la mesure
de Lebesgue pour écrire, pour tout x ∈ R :
Z
f ? g(x) = f (x − ·)g(·)dλ.
Soit x, h ∈ R. On a donc :
Z
|f ? g(x + h) − f ? g(x)| ≤ |f (x + h − ·)g(·) − f (x − ·)g(·)|dλ
≤ kf (x + h − ·) − f (x − ·)k1 kgk∞ = kf (· − h) − f k1 kgk∞ .
Le théorème de continuité en moyenne dans L1 (théorème 5.6) donne que kf (· − h) − f k1 → 0,

quand h → 0. Ceci prouve la continuité (et même la continuité uniforme) de f ? g sur R.
On a donc bien f ? g continue et bornée, c’est-à-dire f ? g ∈ Cb (R, R).
—————————————————————————————–
(b) Soit F ∈ L1 et G ∈ L∞ . Montrer que (F ? G)(x) est bien définie pour tout x ∈ R en posant
F ? G = f ? g, avec f ∈ F et g ∈ G.
—————————————corrigé—————————————–
La démonstration est identique à celle du cas 1 < p, q < ∞. Elle n’est pas redonnée ici.
—————————————————————————————–
475
(c) L’application (F, G) 7→ F ? G est-elle continue de L1 × L∞ dans Cb ?
—————————————corrigé—————————————–
La réponse est “oui” car nous avons vu que kf ? gku = sup{|(f ? g)(x)|, x ∈ R} ≤ kf k1 kgk∞ .
—————————————————————————————–
(d) A-t-on F ? G ∈ C0 (R, R), pour tout F ∈ L1 et G ∈ L∞ ?
—————————————corrigé—————————————–
La réponse Rest “non”. On prend, par exemple, G = 1 p.p. et F ∈ L1 , F 6= 0. On a alors
F ? G(x) = F dλ pour tout x ∈ R. Donc, F ? G(x) 6→ 0, quand x → ±∞, et F ? G 6∈ C0 (R, R).
—————————————————————————————–
Corrigé 156 (Caractérisation d’une fonction par son action sur Cc∞ )
Soit d ∈ N? . On rappelle que λd est la mesure de Lebesgue sur les boréliens de Rd et que l’élément
d’intégration par rapport à λd est noté dx (au lieu de dλd (x)). On rappelle aussi que | · | dénote la norme
euclidienne dans Rd . On se donne une fonction ρ ∈ Cc∞ (Rd , R) t.q. :
• ρ(x) = 0 si x ∈ Rd , |x| ≥ 1,
• ρ(x) ≥ 0 si x ∈ Rd ,
R
• ρ(x)dx = 1.
Pour n ∈ N? , on note ρn la fonction définie par ρn (x) = nd ρ(nx), de sorte que (ρn )n∈N? est une famille
de noyaux régularisants (voir le chapitre 8 du cours).
1. Soit f ∈ L1 (Rd , B(Rd ), λd ).
(a) Soit ϕ ∈ Cc∞ (Rd , R). Montrer que f ϕ ∈ L1 (Rd , B(Rd ), λd ).
—————————————corrigé—————————————–
La fonction f ϕ est mesurable car produit de fonctions mesurable. Elle est intégrable car on
a |f (x)ϕ(x)| ≤ |f (x)|kϕku , pour tout x ∈ Rd (avec kϕku = max{|ϕ(x)|, x ∈ R} < ∞ car
Cc∞ (Rd , R) ⊂ Cb (Rd , R)) et donc :
Z
|f (x)ϕ(x)|dx ≤ kf k1 kϕk∞ < ∞.
Ce qui donne bien f ϕ ∈ L1 (Rd , B(Rd ), λd ).

—————————————————————————————–
On suppose maintenant que f (x)ϕ(x)dx = 0 pour tout ϕ ∈ Cc∞ (Rd , R).
R
(b) Soit n ∈ N? . Montrer f ? ρn (x) est bien défini pour tout x ∈ Rd et que f ? ρn (x) = 0 pour tout
x ∈ Rd .
—————————————corrigé—————————————–
Soit x ∈ Rd . On pose ϕ(y) = ρn (x − y) pour y ∈ Rd (n est fixé). On a donc ϕ ∈ Cc∞ (Rd , R)
(car ρn ∈ Cc∞ (Rd , R)) et f ϕ = f (·)ρn (x − ·).
La première question donne f (·)ρn (x − ·) = f ϕ ∈ L1 (Rd , B(Rd ), λd ) et f ? ρn (x) est donc bien
défini. De plus, l’hypothèse satisfaite par f donne :
Z Z
f ? ρn (x) = f (y)ρn (x − y)dy = f (y)ϕ(y)dy = 0
476
—————————————————————————————–
(c) Montrer que f = 0 p.p..
—————————————corrigé—————————————–
La proposition 8.1 donne f ? ρn → f dans L1 (Rd , B(Rd ), λd ) quand n → ∞. Comme fn = 0
p.p., on en déduit que f = 0 p.p.
—————————————————————————————–
2. Soit Ω un ouvert de Rd et g ∈ L1loc (Ω) (c’est-à-dire que g est une fonction de Rd dans R t.q.
g1K ∈ L1 (Rd , B(Rd ), λd ) pour tout compact K de Ω).
(a) Soit ϕ ∈ Cc∞ (Ω, R). Montrer que gϕ ∈ L1 (Rd , B(Rd ), λd ). (La fonction ϕ est prolongée par 0
hors de Ω.)
—————————————corrigé—————————————–
Soit K un compact de Ω t.q. ϕ = 0 sur K c . On a alors gϕ = g1K ϕ.
Comme g1K ∈ L1 (Rd , B(Rd ), λd ), la question 1(a) donne gϕ ∈ L1 (Rd , B(Rd ), λd ).
—————————————————————————————–
On suppose maintenant que g(x)ϕ(x)dx = 0 pour tout ϕ ∈ Cc∞ (Ω, R).
R
(b) Soit n ∈ N? . On note Ωn l’ensemble des x ∈ Ω t.q. |x − y| > n1 pour tout y ∈ Ωc . Montrer
g ? ρn (x) est bien définie pour tout x ∈ Ωn et que g ? ρn (x) = 0 pour tout x ∈ Ωn .
—————————————corrigé—————————————–
Soit x ∈ Ωn . On pose ϕ(y) = ρn (x − y) pour y ∈ Rd (n et x sont fixés). On a donc
ϕ ∈ Cc∞ (Rd , R). comme ρn (z) = 0 si |z| ≥ 1/n, on a ϕ = 0 sur K c où K est la boule fermée
de centre x et de rayon 1/n, c’est-à-dire K = B(x, 1/n). Comme x ∈ Ωn , on a K ⊂ Ω. La
fonction ϕ (ou, plus précisément, la restriction de ϕ à Ω) appartient donc à Cc∞ (Ω, R)).
On a gϕ = g(·)ρn (x − ·). On conclut comme dans la question 1(b) :
La question 2(a) donne g(·)ρn (x − ·) = gϕ ∈ L1 (Rd , B(Rd ), λd ) et g ? ρn (x) est donc bien défini.
De plus, l’hypothèse satisfaite par g donne :
Z Z
g ? ρn (x) = g(y)ρn (x − y)dy = g(y)ϕ(y)dy = 0
—————————————————————————————–
(c) Soit K un compact de Ω, montrer que g1K = 0 p.p.. En déduire que g = 0 p.p. sur Ω.
—————————————corrigé—————————————–
On note α la distance de K à Ωc , c’est-à-dire α = inf{|y−z|, y ∈ K, z ∈ Ωc }. Cette distance est
strictement positive car K est compact, Ωc est fermé et K ∩ Oc = ∅ (le fait que cette distance
est strictement positive est démontré, par exemple, dans la démonstration du théorème 5.5).
Soit n0 ∈ N? t.q. 1/n0 < α, de sorte que K ⊂ Ωn pour tout n ≥ n0 (avec Ωn défini dans la
question 2(b)).
La question 2(b) donne alors que, pour tout n ≥ n0 , g ? ρn est bien défini sur K et g ? ρn = 0
sur K.
477
Pour passer à limite sur n (et montrer que g = 0 p.p. sur K), on pose K̃ = {z ∈ Rd ;
d(z, K) ≤ 1/n0 } (où d(z, K) est la distance de z à K, c’est-à-dire d(z, K) = inf{|z − y|,
y ∈ K}). K̃ est un compact de Rd et comme 1/n0 < α, on a K̃ ⊂ Ω. On en déduit :
g1K̃ ∈ L1 (Rd , B(Rd ), λd ).
La proposition 8.1 donne alors g1K̃ ? ρn → g1K̃ dans L1 (Rd , B(Rd ), λd ), quand n → ∞. On a
donc aussi, en prenant la restriction à K de ces fonctions :
(g1K̃ ? ρn )|K → g|K dans L1 (K, B(K), λd ), quand n → ∞. (12.143)
Soit n ≥ n0 . On remarque que g1K̃ ? ρn = g ? ρn sur K. En effet, pour x ∈ K et y 6∈ K̃, on a

|x − y| > 1/n0 ≥ 1/n et donc ρn (x − y) = 0. On en déduit :
Z Z
g1K̃ ? ρn (x) = g1K̃ (x)ρn (x − y)dy = g(x)ρn (x − y)dy = g ? ρn (x), pour tout x ∈ K.
On a bien montré que g1K̃ ? ρn = g ? ρn sur K. Comme g ? ρn = 0 sur K (question 2(b)), on

déduit de (12.143) que g = 0 p.p. sur K.
Pour montrer que g = 0 p.p. sur Ω, on remarque que Ω = ∪n∈N? Kn , avec Kn = Ωn ∩ Bn (où
Ωn est l’adhérence de Ωn et Bn est la boule fermée de centre 0 et de rayon n). Comme Kn est
un compact de Ω , la démonstration précédente donne g = 0 p.p. sur Kn , pour tout n ∈ N? .
On en déduit que g = 0 p.p. sur Ω.
—————————————————————————————–
Corrigé 157 (Théorème de compacité dans L1 )

On pose L1 (]0, 1[) = L1R (]0, 1[, B(]0, 1[), λ) et L1 (R) = L1R (R, B(R), λ) (où λ désigne la mesure de Lebesgue
sur B(R) ou sa trace sur B(]0, 1[)). Pour f ∈ L1 (]0, 1[[), on identifie f avec l’un de ses représentants et
on note f˜ la fonction définie par f˜ = f sur ]0, 1[ et f˜ = 0 sur R\]0, 1[.
Soit A une partie de L1 (]0, 1[).
On rappelle que A est relativement compacte dans L1 (]0, 1[) si et seulement si A est précompacte (c’est-
à-dire que pour ε > 0 il existe p ∈ N? et f1 , . . . , fp ∈ A t.q. A ⊂ ∪pi=1 B(fi , ε), où B(f, ε) désigne la boule
ouverte dans L1 (]0, 1[) de centre f et de rayon ε).
Partie I (condition suffisante). On suppose, dans cette partie, que A est relativement compacte dans
L1 (]0, 1[).
1. Montrer que A est une partie bornée de L1 (]0, 1[).

2. Soit ε > 0. Montrer qu’il existe α > 0 t.q. :
h ∈ R, |h| ≤ α, f ∈ A ⇒ kf˜(· + h) − f˜k1 ≤ ε. (12.144)
Partie II (condition nécessaire). On suppose, dans cette partie, que A une partie bornée de L1 (]0, 1[)
et que pour tout ε > 0 il existe α > 0 vérifiant (12.144).
Soit ρ ∈ Cc∞ (R, R) t.q. ρ ≥ 0, ρ(x) = 0 si |x| ≥ 1 et ρ(x)dx = 1. Pour n ∈ N? , on définit ρn par
R
ρn (x) = nρ(nx) si x ∈ R.
478
1. Soit ε > 0. Montrer qu’il existe n0 ∈ N? t.q. :
n ∈ N? , n ≥ n0 , f ∈ A ⇒ kf˜ ? ρn − f˜k1 ≤ ε. (12.145)
[On pourra remarquer que f˜ ? ρn (x) − f˜(x) = (f˜(x − ny ) − f˜(x))ρ(y)dy.]

R
2. Soit n ∈ N? . Pour f ∈ A, on note fn la restriction à [0, 1] de la fonction f˜ ? ρn .
(a) Montrer qu’il existe C1 , C2 > 0 ne dépendant que de n, ρ et de la borne de A dans L1 (]0, 1[)
t.q. :
x ∈ [0, 1], f ∈ A ⇒ |fn (x)| ≤ C1 ,
x, y ∈ [0, 1], f ∈ A ⇒ |fn (x) − fn (y)| ≤ C2 |x − y|.
En déduire que l’ensemble {fn , f ∈ A} est relativement compact dans C([0, 1], R) [Utiliser le
théorème d’Ascoli.]
(b) Montrer que l’ensemble {fn , f ∈ A} est relativement compact dans L1 (]0, 1[).
3. Montrer que la partie A est relativement compacte dans L1 (]0, 1[).
—————————————corrigé—————————————–
En attente. . .
—————————————————————————————–
479
12.9.1 Définition, propriétés élémentaires
Corrigé 158 (Matrice des moments d’ordre deux et matrice de covariance)
Soit (Ω, A, P ) est un espace de probabilité. Soit X un vecteur aléatoire de dimension d (d ≥ 1), dont
toutes les coordonnées (notées Xi , i = 1, . . . , d) sont supposées être de carré intégrable. La matrice des
moments d’ordre 2 du v.a. X est la matrice E(XX t ), dont le terme (i, j) est le réel E(Xi Xj ), et on
rappelle que la matrice de covariance de X, notée Cov(X), est la matrice E((X − E(X))(X − E(X))t ) =
E(XX t ) − E(X)E(X)t , dont le terme (i, j) est la covariance des v.a.r. Xi et Xj . (La notation X t désigne
le transposé du vecteur X.)
1. Soit u ∈ Rd , montrer que ut E(XX t )u = E((u · X)2 ) et que ut Cov(X)u = Var(u · X) (On rappelle
Pd
que u · X = i=1 ui Xi = ut X).
—————————————corrigé—————————————–
L’application Z 7→ E(Z) est linéaire, on en déduit que ut E(XX t )u = E(ut XX t u) = E((u · X)2 ).
Cette égalité appliquée au vu v.a. X − E(X) donne ut Cov(X)u = Var(u · X) car u · X − E(u · X) =
u · (X − E(X)).
—————————————————————————————–
2. Montrer que les matrices E(XX t ) et Cov(X) sont symétriques et semi–définies positives.
—————————————corrigé—————————————–
Il est facile de voir que E(XX t ) et Cov(X) sont des matrices symétriques (car pour toutes v.a.r.
Y, Z on a E(Y Z) = E(ZY )). La question précédente donne ut E(XX t )u ≥ 0 et ut Cov(X)u ≥ 0
pour tout u ∈ Rd , ce qui signifie que les matrices E(XX t ) et Cov(X) sont semi–définies positives.
—————————————————————————————–
3. Montrer que si A est une matrice k × d et b un vecteur de Rk , Y = AX + b, alors E(Y ) = AE(X) + b

et Cov(Y ) = ACov(X)At .
—————————————corrigé—————————————–
Comme X est un v.a. de carré intégrable, la fonction Y est aussi un v.a. de carré intégrable. En
utilisant la linéarité de l’application Z 7→ E(Z), on calcule son espérance et sa variance :
E(Y ) = E(AX + b) = AE(X) + E(b) = AE(X) + b,
Cov(Y ) = E([A(X − E(X))][A(X − E(X))]t ) = E(A[X − E(X)][X − E(X)]t At )

= AE([X − E(X)][X − E(X)]t )At = ACov(X)At .
—————————————————————————————–
4. Montrer que si Cov(X) n’est pas inversible, alors le v.a. X prend p.s. ses valeurs dans un sous–
espace affine de Rd de dimension (inférieure ou) égale à d−1, et que la loi de X n’est pas absolument
continue par rapport à la mesure de Lebesgue de Rd , notée d (i.e. cette loi n’est pas à densité dans
Rd ).
—————————————corrigé—————————————–
Si Cov(X) n’est pas inversible, il existe u ∈ Rd , u 6= 0, t.q. Cov(X)u = 0. On a donc Var(u · X) =
ut Cov(X)u = 0, ce qui donne u · X = E(u · X) p.s.. On pose β = E(u · X) et on a donc :
X ∈ H p.s. avec H = {v ∈ Rd t.q. u · v = β}.
480
Comme u 6= 0, l’ensemble H est un sous–espace affine de Rd de dimension égale à d − 1.
L’ensemble H étant de dimension d − 1, on a λd (H) = 0. Or on a PX (H) = P (X ∈ H) = 1 6= 0.
On en déduit que PX n’est par absolument continue par rapport à λd et donc que PX n’est pas une
loi de densité par rapport à λd (voir le théorème 6.10).
—————————————————————————————–
5. Montrer que si trois points x, y et z de R2 ne sont pas alignés, tout v. a. X de dimension 2 tel que
P (X = x) > 0, P (X = y) > 0 et P (X = z) > 0 a une matrice de covariance non dégénérée.
—————————————corrigé—————————————–
On raisonne par l’absurde. Soit x, y et z trois points de R2 non alignés et X un v.a. de dimension 2
tel que P (X = x) > 0, P (X = y) > 0 et P (X = z) > 0. On suppose que la matrice de covariance de
X est dégénérée. La question précédente donne alors qu’il existe une droite de R2 (c’est-à-dire un
sous–espace affine de R2 de dimension égale à 1), notée D, t.q. X ∈ D p.s.. Comme P (X = x) > 0,
on a donc {X = x} ∩ D 6= ∅. En prenant ω ∈ {X = x} ∩ D, on déduit x = X(ω) ∈ D. On montre
de même que y, z ∈ D. Ce qui est impossible car les trois points x, y et z ne sont pas alignés.
—————————————————————————————–
12.9.2 Indépendance
Corrigé 159 (Covariance d’une somme de v.a.i.)
Soit (Ω, A, P ) est un espace de probabilité et X, Y deux vecteurs aléatoires indépendants de dimension d
(d ≥ 1). Montrer que Cov(X + Y ) = Cov(X)+Cov(Y ).
—————————————corrigé—————————————–
Comme X et Y sont des v.a. indépendants, toute composante de X est indépendante de toute composante
de Y (voir, par exemple, la remarque 9.5). On en déduit :
E([X − E(X)][Y − E(Y )]t ) = E([Y − E(Y )][X − E(X)]t ) = 0
et donc :
Cov(X + Y ) = E([X − E(X) + Y − E(Y )][X − E(X) + Y − E(Y )]t )
= E([X − E(X)][X − E(X)]t ) + E([X − E(X)][Y − E(Y )]t )
+E([Y − E(Y )][X − E(X)]t ) + E([Y − E(Y )][Y − E(Y )]t )
= E([X − E(X)][X − E(X)]t ) + E([Y − E(Y )][Y − E(Y )]t ) = Cov(X) + Cov(Y ).
—————————————————————————————–
Corrigé 160 (Loi d’un couple de v.a. indépendantes)

Soit (Ω, A, P ) un espace de probabilités et X, Y deux v.a.r..
1. Montrer que X et Y sont indépendantes si et seulement si la loi du couple (X, Y ) est P(X,Y ) =
PX ⊗ PY .
—————————————corrigé—————————————–
On suppose tout d’abord que X et Y sont indépendantes. Soit A, B ∈ B(R). On a, par définition
de P(X,Y ) , P(X,Y ) (A × B) = P (X ∈ A, Y ∈ B). Comme X et Y sont indépendantes, on a
P (X ∈ A, Y ∈ B) = P (X ∈ A)P (X ∈ B), ce qui donne :
P(X,Y ) (A × B) = PX (A)PY (B).
481
Or, PX ⊗ PY vérifie aussi PX ⊗ PY (A × B) = PX (A)PY (B). La partie “unicité” du théorème 7.1
donne alors P(X,Y ) = PX ⊗ PY .
Réciproquement, on suppose maintenant que P(X,Y ) = PX ⊗ PY , on a donc, pour tout A, B ∈ B(R),
P (X ∈ A, Y ∈ B) = P(X,Y ) (A × B) = PX ⊗ PY (A × B) = PX (A)PY (B). ce qui prouve que les
tribus engendrées par X et Y sont indépendantes, c’est-à-dire que X et Y sont indépendantes.
—————————————————————————————–
2. On suppose que X et Y ont des densités par rapport à λ : PX = f λ et PY = gλ, avec f, g ∈
L1R (R, B(R), λ) (et positives p.p.). Montrer que X et Y sont indépendantes si et seulement si la loi
du couple (X, Y ) a pour densité la fonction (x, y) 7→ f (x)g(y) par rapport à λ2 .
—————————————corrigé—————————————–
Comme PX = f λ et PY = gλ, on a, pour tout A, B ∈ B(R),
Z Z
PX ⊗ PY (A × B) = PX (A)PY (B) = f dλ gdλ.
A B
Le théorème 7.2 donne alors :

Z
PX ⊗ PY (A × B) = f (x)g(y)dλ2 (x, y).
A×B
Ce qui donne PX ⊗ PY = F λ2 , avec F (x, y) = f (x)g(y) pour x, y ∈ R. la mesure PX ⊗ PY est donc

la mesure de densité F par rapport à λ2 . La question 2 est alors une conséquence immédiate de la
première question.
—————————————————————————————–
Corrigé 161 (V.a. suivant une loi normale multidimensionelle)

Soit (Ω, A, P ) un espace de probabilités et X = (X1 , . . . , Xd ) (d > 1) un v.a. de dimension d. On suppose
que les Xi sont des v.a.r. indépendantes et que Xi ∼ N (mi , σi2 ), avec mi ∈ R et σi > 0 pour tout i.
Montrer que X suit une loi normale multidimensionnelle et donner m et D t.q. X ∼ N (m, D).
—————————————corrigé—————————————–
Comme les Xi (i = 1, . . . , d) sont des v.a.r. indépendantes, la loi de X est le produit des lois PXi ,
i = 1, . . . , d, c’est-à-dire PX = PX1 ⊗ . . . ⊗ PXd . Cette propriétée est donnée dans le théorème 9.2 (elle
découle du fait que P (X1 ∈ A1 , . . . , Xd ∈ Ad ) = P (X1 ∈ A1 ) . . . P (Xd ∈ Ad ) si A1 , . . . Ad sont d boréliens
de R). Ceci donne que pour toute fonction ϕ borélienne bornée de Rd dans R, on a :
Z Z Z Z
ϕ(X)dP = ϕ(x)dPX (x) = . . . ϕ(x1 , . . . , xd )dPX1 (x1 ) . . . dPXd (xd ).
Ω Rd R R
(x−mi )2
1 − 2
Comme, pour i = 1, . . . , d, Xi ∼ N (mi , σi2 ), on a PXi = fi λ avec fi (x) = √2πσ e 2σ
i (pour x ∈ R).
i
On en déduit :
Z Z Z (xi −mi )2
1 − d
P
−d i=1 2σ 2
ϕ(X)dP = (2π) 2 Qd . . . ϕ(x1 , . . . , xd )e i dx1 . . . dxd .
Ω σ
i=1 i R R
Ce qui donne : Z Z
−d 1 1 t
D −1 (x−m)
ϕ(X)dP = (2π) 2 √ ϕ(x)e− 2 (x−m) dx,
Ω detD Rd
482
où dx désigne l’intégration par rapport à la mesure de Lebesgue sur Rd (c’est-à-dire dx = dλd (x)), D
désigne la matrice diagonale dont les temes diagonaux sont σ12 , . . . , σd2 et m = (m1 , . . . , md )t . Ceci montre
bien que X suit une loi normale multidimensionnelle avec X ∼ N (m, D) (voir la définition 9.3).
—————————————————————————————–
Corrigé 162 (Somme de v.a. indépendantes et convolution)

Soit (Ω, A, P ) un espace de probabilités et X, Y deux v.a.r. indépendantes.
1. On suppose que la loi de X a une densité, notée f , par rapport à la mesure de Lebesgue. Montrer
que la loi de X + Y a aussi une densité (par rapport à la mesure de Lebesgue) et l’exprimer en
fonction de f et de la loi de Y .
—————————————corrigé—————————————–
Comme les X et Y sont des v.a.r. indépendantes, la loi du couple (X, Y ) est PX ⊗PY (théorème 9.2).
On a donc, pour toute fonction ϕ borélienne bornée de R dans R :
Z Z Z Z
ϕ(X + Y )dP = ϕ(x + y)dP(X,Y ) (x, y) = ϕ(x + y)dPX (x)dPY (y).
Ω R2 R R
Comme PX = f λ, on a alors :
Z Z Z
ϕ(X + Y )dP = ϕ(x + y)f (x)dx dPY (y).
Ω R R
A y fixé, on utilise le changement de variable x + y = z, on obtient :

Z Z Z
ϕ(X + Y )dP = ϕ(z)f (z − y)dz dPY (y),
Ω R R
et donc, en utilisant le théorème de Fubini (théorème 7.3) ou le théorème de Fubini-Tonelli (théorè-

me 7.2) si on se limite à des fonctions ϕ positives (ce que l’on peut faire) :
Z Z Z Z
ϕ(X + Y )dP = f (z − y)dPY (y) ϕ(z)dz = g(z)ϕ(z)dz,
Ω R R R
R
avec g(z) = R f (z − y)dPY (y) pour tout z ∈ R. Ceci montre que (X + Y ) est une v.a.r. dont la loi
a pour densité la fonction g (par rapport à la mesure de Lebesgue).
—————————————————————————————–
2. On suppose que X ∼ N (µ, σ 2 ) et Y ∼ N (m, s2 ) (m, µ, s, σ ∈ R). Montrer que X + Y ∼ N (µ +
m, σ 2 + s2 ) (le signe “∼” signifie “a pour loi”).
—————————————corrigé—————————————–
On peut supposer, bien sûr, s ≥ 0 et σ ≥ 0 (car σ et σ n’interviennent que par leur carré). Nous
allons commencer par deux cas particuliers faciles.
Cas 1 Si s = σ = 0, on a X = µ p.s. et Y = m p.s. et donc X + Y = m + µ p.s., ce qui donne bien
X + Y ∼ N (m + µ, 0).
Cas 2 Si s = 0 et σ > 0, on a Y = m p.s. et donc X + Y = X + m p.s.. La densité de
X + Y (par rapport à Lebesgue) est alors la densité de X translatée de m, ce qui donne bien
X + Y ∼ N (m + µ, σ 2 ). De même, si s > 0 et σ = 0, on a X + Y ∼ N (m + µ, s2 ).
483
Cas 3 On suppose maintenant que s, σ > 0. L’énoncé de cet exercice suggère (implicitement) de
faire cette question en utilisant la question précédente. Nous allons procéder ainsi dans ce corrigé
(mais d’autres méthodes sont possibles, voir le N.B. ci après). La question précédente donne que
(X + Y ) est une v.a.r. dont la loi a pour densité la fonction g (par rapport à la mesure de Lebesgue)
vérifiant, pour x ∈ R :
Z
1 1 (x−y−µ)2 (y−m)2
g(x) = √ √ e− 2σ2 e− 2s2 dy.
2πs 2πσ R
Soit x ∈ R. On pose x̄ = x − m − µ et on utilise le changement de variable z = y−m s . On obtient :

Z Z
1 (x̄−sz)2 z2 1 1 2 2 2 2
g(x) = e− 2σ2 e− 2 dz = e− 2σ2 (x̄ −2szx̄+(s +σ )z ) dz.
2πsσ R 2πσ R
√ 2
En remarquant que (x̄2 − 2sz x̄ + (s2 + σ 2 )z 2 ) = ( s2 + σ 2 z − √s21+σ2 sx̄)2 + ( s2σ+σ2 x̄2 ), on a aussi,
√
s2 +σ 2 √ 1
avec le changement de variable σ z − σ s2 +σ 2
sx̄ = z̄ :
Z √ Z
1 − 2(s21+σ2 ) x̄2 − 2σ12 ( s2 +σ 2 z− √ 1
sx̄)2 1 − 1
x̄2 1 2
g(x) = e e s2 +σ 2 dz = √ e 2(s2 +σ2 ) e− 2 z̄ dz̄.
2πσ R
2
2π s + σ 2
R
1 2 √ − 1
(x−m−µ) 2
Comme R e− 2 z̄ dz̄ = 2π et x̄ = x − m − µ, on a donc g(z) = √1
R
√
2π s2 +σ 2
e 2(s2 +σ2 ) . Ce
qui donne bien X + Y ∼ N (µ + m, σ 2 + s2 ).
N.B. Cette question peut aussi être résolue en utilisant la transformée de Fourier que nous verrons
au chapitre 10. Elle est résolue ainsi (avec, plus généralement, aX + bY , a, b ∈ R, au lieu de X + Y )
dans le corrigé 167, question 1(a)), sur “Vecteurs gaussiens, indépendance, covariance”).
—————————————————————————————–
Corrigé 163 (Calcul de π)

Soit (Ω, A, P ) un espace de probabilité, (Un )n∈N? et (Vn )n∈N? deux suites de variables aléatoires de loi
uniforme sur l’intervalle [0, 1]. On suppose que toutes ces v.a. sont indépendantes (dans leur ensemble).
On pose pour tout n ≥ 1 :
Xn = 1 si Un2 + Vn2 ≤ 1 et Xn = 0 sinon,
et
X1 + · · · + Xn
Zn = 4 .
n
1. Déterminer, pour tout n ∈ N? , la loi de Xn .
—————————————corrigé—————————————–
On note D = {(x, y) ∈ R2 , t.q. x2 + y 2 ≤ 1} et ψ = 1D , de sorte que ψ est une fonction borélienne
de R2 dans R (car D ∈ B(R2 )) et que Xn = 1D (Un , Vn ) = ψ(Un , Vn ) pour n ∈ N? .
Soit n ∈ N? . Comme Un et Vn sont des v.a.r. et que ψ est borélienne de R2 dans R, la fonction Xn
est donc une v.a.r.. Comme Xn ne prend que les valeurs 1 et 0, la loi de Xn est PXn = pδ1 +(1−p)δ0
où p = P (Un2 + Vn2 ≤ 1). Pour calculer p, on utilise le fait que Un et Vn sont indépendantes, on
obtient (avec le théorème 9.2 sur la loi d’un couple de v.a.) :
Z Z Z
p = P (Un2 + Vn2 ≤ 1) = 1D (Un , Vn )dP = 1D (x, y)dPUn (x)dPVn (y).
Ω R R
484
Comme Un ∼ U(0, 1) et Vn ∼ U(0, 1), on en déduit (en utilisant les coordonnées polaires) :
Z 1Z 1
π 1
Z
π
p= 1D (x, y)dxdy = rdr = .
0 0 2 0 4
Donc pXn = π4 δ1 + (1 − π4 )δ0 .
—————————————————————————————–
2. Montrer que la suite (Zn )n∈N? converge en probabilité vers π.
—————————————corrigé—————————————–
On utilise les notations introduites dans la première question. Pour n ∈ N? , on pose Yn = 4Xn ,
c’est-à-dire Yn = 4ψ(Un , Vn ). Comme les v.a.r. (Un )n∈N? , (Vn )n∈N? sont indépendantes (dans leur
ensemble), la proposition 9.5 donne la suite (Yn )n∈N? est une suite de v.a.r. indépendantes. De
plus, comme Yn = 4Xn , on a PYn = π4 δ4 + (1 − π4 )δ0 . La suite Yn est donc une suite de v.a.r.i.i.d.
de carrés intégrables (on a E(Yn ) = π et E(Yn2 ) = 4π). On peut appliquer le théorème 6.27 (loi
faible des grands nombres), il donne que Zn tend en probabilité vers E(Y1 ), c’est-à-dire vers π.
—————————————————————————————–
3. Soit α ∈]0, 1[ et ε > 0. A l’aide de l’inégalité de Tchebychev, donner, en fonction de α et ε, une
valeur de n0 ∈ N? t.q.
n ≥ n0 ⇒ P [|Zn − π| ≥ ε] ≤ α.
—————————————corrigé—————————————–
On reprend ici la démonstration du théorème 6.27. En utilisant l’inégalité de Bienaymé Tchebychev
(lemme 4.10), on a :
1
p(|Zn − π| ≥ ε) = p((Zn − π)2 ≥ ε2 ) ≤ E((Zn − π)2 ).
ε2
Puis, en posant Sn = i=1 Yi , on a Zn = Snn et donc E((Zn − π)2 ) = n12 E((Sn − nπ)2 ) = Varn(S
Pn n)
2 .
La proposition 6.26 donne Var(Sn ) = nVar(Y1 ) = nπ(4 − π). On en déduit finalement
1 nπ(4 − π) π(4 − π)
p(|Zn − π| ≥ ε) ≤ 2 2
= .
ε n nε2
Il suffit donc de prendre n0 t.q. π(4−π)

n0 ε2 ≤ α pour avoir P (|Zn − π| ≥ ε) ≤ α.
—————————————————————————————–
12.9.3 Vecteurs gaussiens, théorème central limite

Corrigé 164 (Loi du couple (X, X) si X suit une loi normale)
1. Soit A un borélien de R2 . On pose T (A) = {x ∈ R t.q. (x, x)t ∈ A}. Montrer que T (A) est un
borélien de R. On pose m(A) = λ(T (A)) (où λ est mesure de Lebesgue sur B(R)).
—————————————corrigé—————————————–
L’application x 7→ (x, x)t est continue de R dans R2 , elle donc borélienne. Comme T (A) est l’image
réciproque de A par cette application, on a bien T (A) ∈ B(R).
—————————————————————————————–
On a ainsi défini une application m de B(R2 ) dans R+ .
485
2. Montrer que l’application m (définie ci dessus) est une mesure sur B(R2 ) et que pour toute appli-
cation ϕ borélienne positive de R2 dans R on a :
Z Z
ϕ(x, y)dm(x, y) = ϕ(x, x)dx.
R2 R
—————————————corrigé—————————————–
Pour montrer que m est une mesure, on remarque que m(∅) = 0 (car T (∅) = ∅) et m est σ-additive
(ce qui découle simplement du fait que A ∩ B = ∅ ⇒ T (A) ∩ T (B) = ∅).
On montre ensuite que R2 ϕ(x, y)dm(x, y) = R ϕ(x, x)dx pour ϕ = 1A , avec A ∈ B(R2 ) (c’est une
R R
conséquence immédiate de la définition de m), puis pour ϕ étagée positive (par linéarité), puis pour
ϕ borélienne positive (car une telle fonction est limite croissante de fonctions étagées positives).
—————————————————————————————–
3. Soit (Ω, A, P ) est un espace de probabilité. et X une v.a.r. t.q. X ∼ N (0, 1).
(a) On pose Z = (X, X)t . Montrer que le v.a. Z est un vecteur gaussien et donner, pour a ∈ R2 ,
la loi de a · Z (en fonction de a).
—————————————corrigé—————————————–
Soit a = (a1 , a2 )t ∈ R2 . On pose α = a1 + a2 , de sorte que a · Z = αX.
Si α = 0, on a Pa·Z = P0 = N (0, 0) (qui est bien une loi gaussienne).
Si α 6= 0. Soit ϕ une application borélienne bornée de R ans R on a :
Z Z Z
1 − x2 1 y2
ϕ(a · Z)dP = ϕ(αx) √ e 2 dx = ϕ(y) √ e− 2α2 dy.
Ω R 2π R 2π|α|
Ce qui prouve que a · Z ∼ N (0, |α|). Le v.a. Z est donc bien un vecteur gaussien.
—————————————————————————————–
(b) Montrer la loi du v.a. (X, X)t a une densité par rapport à la mesure m définie dans les
questions précédentes et donner cette densité. En déduire que la loi du v.a. (X, X)t n’a pas
de densité par rapport à la mesure de Lebesgue sur B(R2 ).
—————————————corrigé—————————————–
Soit ϕ borélienne bornée de R2 dans R. On a :
Z Z
1 x2
ϕ(X, X)dP = ϕ(x, x) √ e− 2 dx.
Ω R 2π
On en déduit que la loi du v.a. (X, X)t est f m avec f borélienne de R2 dans R et t.q.
x2
f (x, x) = √12π e− 2 pour x ∈ R. Comme m est étrangère à λ2 , loi du v.a. (X, X)t n’a pas de
densité par rapport à λ2 (qui est la mesure de Lebesgue sur B(R2 )).
—————————————————————————————–
N.B. la loi de (X, X)t est une loi normale bidimensionnelle car le vecteur (X, X)t est gaussien (voir la
proposition 9.9) mais ce n’est pas une loi de densité par rapport à la mesure de Lebesgue sur B(R2 ).
Exercice 12.1 (petit calcul)
Soit (Ω, A, P ) un espace de probabilité et (Xn )n∈N une suite de v.a.r.i.i.d. t.q. X1 ∼ N (0, 1). Soit
θ ∈] − 1, 1[. On pose, pour n ≥ 1, Sn = Xn + θXn−1 + . . . + θn−1 X1 . Soit t ∈ R, calculer ϕSn (t). Vers
quoi converge ϕSn (t) ?
486
12.10.1 Transformée de Fourier dans L1
Corrigé 165 (Résultat partiel d’inversion de Fourier dans L1 )
Soit H(t) = e−|t| , t ∈ R. On pose, pour λ > 0 :
Z
− 12
hλ (x) = (2π) H(λt)eitx dt, x ∈ R. (12.146)
R
Z
2 1 λ 1
1. Montrer que hλ (x) = ( ) 2 2 , et hλ (x)dx = (2π) 2 .
π λ + x2 R
—————————————corrigé—————————————–
1
Soit x ∈ R. Comme H est paire, on a (2π) 2 hλ (x) = R e−|λt| cos(tx)dt et donc
R
Z n
1
(2π) 2 hλ (x) = 2 lim e−λt cos(tx)dt.
n→∞ 0
En intégrant deux fois par parties, on remarque que
Z n Z n
1 x
e−|λt| cos(tx)dt = − ( )2 e−|λt| cos(tx)dt + an ,
0 λ λ 0
avec limn→∞ an = 0. Ceci donne
Z n
λ
e−|λt| cos(tx)dt = (1 + λan ),
0 λ2 + x2
1
et donc hλ (x) = λ
( π2 ) 2 λ2 +x 2.
R
Pour calculer R hλ (x)dx, on utilise le changement de variable x = λy, on obtient
Z Z
2 1 1 1
hλ (x)dx = ( ) 2
2
dy = (2π) 2 .
R π R 1 + x
—————————————————————————————–
2. Soit f ∈ L1C (R, B(R), λ), montrer que pour tout x ∈ R, on a :
Z
f ? hλ (x) = H(λt)fˆ(t)eixt dt. (12.147)
R
—————————————corrigé—————————————–
Noter que λ désigne ici à la fois le paramètre λ introduit au début de l’énoncé et la mesure de
Lebesgue. Cette maladresse de notation semble toutefois sans gravité.
Comme f ∈ L1C (R, B(R), λ) et hλ ∈ L∞R (R, B(R), λ), f ? hλ (x) est défini pour tout x ∈ R et on a :
Z Z Z
1
f ? hλ (x) = f (t)hλ (x − t)dt = (2π)− 2 f (t) H(λy)ei(x−t)y dy dt.
R R R
Comme f ∈ L1C (R, B(R), λ) et H(λ·) ∈ L∞

R (R, B(R), λ),
on peut utiliser le thérorème de Fubini
(théorème 7.3) pour inverser l’ordre d’intégration et obtenir :
Z Z Z
1
f ? hλ (x) = (2π)− 2 H(λy)eixy f (t)e−ity dt dy = H(λy)eixy fˆ(y)dy.
R R R
—————————————————————————————–
487
√
3. Soit g une fonction mesurable bornée de R dans C, continue en 0. Montrer que g ? hλ (0) → 2πg(0)
quand λ → 0. [Utiliser 1. et le théorème de convergence dominée.]
—————————————corrigé—————————————–
On utilise maintenant le fait que hλ ∈ L1R (R, B(R), λ) et g ∈ L∞
C (R, B(R), λ) pour remarquer que
g ? hλ (x) est défini pour tout x ∈ R. Pour x = 0, on a :
Z 21 Z
2 λ
g ? hλ (0) = g(x)hλ (x)dx = 2 2
g(x)dx.
R π R λ +x
Avec le changement de variable y = λx , on obtient :

12 Z
2 1
g ? hλ (0) = g(λy) dy.
π R 1 + y2
1 1 1
Comme |g(λy) 1+y 2 | ≤ kgku 1+y 2 (avec kgku = supx∈R |g(x)|) et que la fonction y 7→ 1+y 2 est
intégrable sur R, on peut utiliser le théorème de convergence dominée pour en déduire (grâce à la
continuité de g en 0) :
12 Z
2 1 1
lim g ? hλ (0) = g(0) 2
dy = (2π) 2 g(0).
λ→0 π R 1+y
—————————————————————————————–
4. Soit f ∈ L1C (R, B(R), λ), montrer que :
√
kf ? hλ − 2πf k1 → 0 lorsque λ → 0. (12.148)
R
[Utiliser la continuité en moyenne et la question précédente avec g(y) = |f (x − y) − f (x)|dx.]
—————————————corrigé—————————————–
R √
Comme R hλ (y)dy = 2π, on a :
√ Z Z
Z Z
kf ? hλ − 2πf k1 = | (f (x − y) − f (x))hλ (y)dy|dx ≤ |f (x − y) − f (x)|hλ (y)dy dx.
R R R R
En utilisant le théorème de Fubini-Tonelli (théorème 7.2), on en déduit :

√ Z Z
kf ? hλ − 2πf k1 ≤ |f (x − y) − f (x)|dx hλ (y)dy = g ? hλ (0),
R R
R
avec g(y) = |f (x − y) − f (x)|dx.
Le théorème de continuité en moyenne dans L1 (théorème 5.6, écrit pour de fonctions à valeurs
réelles mais la généralisation est immédiate pour des fonctions à valeurs complexes) donne que g
est continue en 0 et donc aussi continue de R dans R (en remarquant que |g(y) − g(z)| ≤ g(y − z)|)
et donc aussi mesurable de R dans C. Ellle est également bornée (car |g(y)| ≤ 2kf k1 , pour tout
y ∈ R). On peut donc√utiliser la question précédente, elle donne que limλ→0 g ? hλ (0) = 0 et donc
que limλ→0 kf ? hλ − 2πf k1 = 0.
—————————————————————————————–
488
5. Déduire de ce qui précède le théorème d’inversion de Fourier, théorème 10.1.
—————————————corrigé—————————————–
On note L1 = L1C (R, B(R), λ). Soit f ∈ L1 (on a donc fˆ ∈ C0 (R, C)). On suppose que fˆ ∈ L1 . Soit
(λn )n∈N ⊂ R?+ une suite t.q. limn→∞ λn = 0. Comme f ∈ L1 , la question précédente nous donne
√
que f ? hλn → 2πf dans L1 et la question 2 nous donne pour tout n ∈ N et tout x ∈ R :
Z
f ? hλn (x) = H(λn t)fˆ(t)eixt dt.
R
On utilise maintenant le théorème de convergence dominée qui s’applique parce que fˆ ∈ L1 et

|H(λn t)fˆ(t)eixt | ≤ |fˆ(x)| (pour tout x et tout n). Comme limn→∞ H(λn x) = 1, pour tout x ∈ R,
on a donc, pour tout x ∈ R :
Z √ b
lim f ? hλn (x) = fˆ(t)eixt dt = 2π fˆ(−x).
n→∞ R
√
Enfin, comme f ? hλn → 2πf dans L1 , on peut supposer, après extraction d’une sous suite, que
√ √ √ b
f ? hλn → 2πf p.p.. On a donc, finalement (par unicité de la limite dans R), 2πf = 2π fˆ(−·)
p.p., c’est-à-dire f = fˆ(−·) p.p..
b
—————————————————————————————–
12.10.2 Transformée de Fourier d’une mesure signée

Corrigé 166 (Une mesure est caractérisée par sa transformée de Fourier)
Soit d ≥ 1.
1. Soit m et µ deux mesures signées sur les boréliens de Rd . On suppose que m̂ = µ̂.
(a) Soit ϕ ∈ L1C (Rd , B(Rd ), λd ). Montrer que ϕ̂dm = ϕ̂dµ.
R R
—————————————corrigé—————————————–
d R
On remarque que ϕ̂dm = (2π)− 2
R R −ix·t
e ϕ(x)dx dm(t). (Les intégrales sont toutes sur
Rd ). La mesure signée m peut se décomposer en différence de deux mesures positives étrangères
m = m+ − m− (décomposition de Hahn, proposition 2.6). Comme
R R −ix·t
|e ϕ(x)|dxdm± (t) =
± d
kϕk1 m (R ) < +∞, on peut utiliser le théorème de Funini-Tonelli (théorème 7.2) avec les
mesures λd et m+ et les mesures λd et m− . On obtient ainsi :
Z Z Z Z
d
ϕ̂dm = (2π)− 2 e−ix·t dm(t) ϕ(x)dx = m̂(x)ϕ(x)dx.
d
R R
Le même raisonnement
R R ϕ̂dµ = µ̂(x)ϕ(x)dx. Comme m̂(x) = µ̂(x) pour tout x ∈ R ,
donne
on en déduit bien ϕ̂dm = ϕ̂dµ.
—————————————————————————————–
(b) Montrer que ϕdm = ϕdµ pour tout ϕ ∈ S(Rd , C) (et donc pour tout ϕ ∈ Cc∞ (Rd , R)).
R R
—————————————corrigé—————————————–
Comme S(Rd , C) ⊂ L1C (Rd , B(Rd ), λd ), la question précédente donne ϕ̂dm = ϕ̂dµ pour
R R
d d
tout ϕ ∈ S(R R l’application ϕ 7→ ϕ̂ est une bijection dans S(R , C) (proposition 10.6).
R , C). Or,
On a donc ϕdm = ϕdµ pour tout ϕ ∈ S(Rd , C).
—————————————————————————————–
489
(c) Montrer que m = µ (On rappelle qu’une fonction de ϕ ∈ Cc (Rd , R) est limite uniforme de
fonctions de ϕ ∈ Cc∞ (Rd , R)).
—————————————corrigé—————————————–
Soit ϕ ∈ Cc (Rd , R) et (ϕn )n∈N ⊂ Cc∞ (R d d
R , R) t.q.R ϕn → ϕ, uniformément sur R , quand
n → ∞. La question précédente donne ϕn dm = ϕn dµ pour tout n ∈ N. On utilise alors
± ±
le théorème de convergence
R dominée
R (ce qui est possible car les mesures m et µ sont des
mesures finies), il donne ϕdm = ϕdµ.
La proposition 5.4 donne alors m = µ.
—————————————————————————————–
2. Soit m une mesure signée sur les boréliens de Rd . On suppose que m̂ ∈ L1C (Rd , B(Rd ), λd ). Montrer
ˆ
que m est la mesure de densité f par rapport à la mesure de Lebesgue avec f = m̂(−·).
12.10.3 Fonction caractéristique d’un v.a.

Corrigé 167 (Vecteurs gaussiens, indépendance, covariance)
1. On suppose ici que d = 2.
(a) On suppose que X1 et X2 suivent des lois gaussiennes et sont indépendantes, montrer que X
est un vecteur gaussien et que Cov(X1 , X2 ) = 0.
—————————————corrigé—————————————–
Comme X1 et X2 suivent des lois gaussiennes, il existe m1 , m2 ∈ R et σ1 , σ2 ∈ R+ t.q.
2 u2
σk
Xk ∼ N (mk , σk2 ) pour i = 1, 2. On a donc ϕXk (u) = eiumk e− 2 pour k = 1, 2 et pour tout
u ∈ R.
Soit a1 , a2 ∈ R. On calcule alors la fonction caractéristique de la v.a.r. a1 X1 + a2 X2 . Soit
u ∈ R, on a :
Z Z
ϕa1 X1 +a2 X2 (u) = ei(a1 X1 +a2 X2 )u dP = eia1 X1 u eia2 X2 u dP
Ω Ω
En utilisant l’indépendance de X1 et X2 , on en déduit :

Z Z
ia1 X1 u
ϕa1 X1 +a2 X2 (u) = e dP eia2 X2 u dP = ϕX1 (a1 u)ϕX2 (a2 u).
Ω Ω
u2 (σ1
2 a2 +σ 2 a2 )
1 2 2
Ce qui donne ϕa1 X1 +a2 X2 (u) = eiu(a1 m1 +a2 m2 ) e− 2 . Comme la loi d’une v.a.r. est
entièrement déterminée par sa fonction caractéristique (proposition
p 10.10), on en déduit que
a1 X1 + a2 X2 ∼ N (m, σ 2 ) avec m = a1 m1 + a2 m2 et σ = σ12 a21 + σ22 a22 . Ceci prouve bien que
X est un vecteur gaussien.
L’indépendance de X1 et X2 permet aussi de calculer la fonction caractéristique de X. Soit
u = (u1 , u2 )t ∈ R2 :
u2 2 2 2
Z
1 σ1 +u2 σ2
ϕX (u) = ei(X1 u1 +X2 u2 ) dP = ei(u1 m1 +u2 m2 ) e− 2 .
Ω
Ceci prouve que la matrice de covariance de X est diagonale (proposition 10.13) et donc que
Cov(X1 , X2 ) = 0.
—————————————————————————————–
490
(b) On suppose que X est un vecteur gaussien et que Cov(X1 , X2 ) = 0. Montrer que X1 et X2
—————————————corrigé—————————————–
D’après la propositionQ10.11, pour montrer que X1 et X2 sont indépendantes, il suffit de
2
montrer que ϕX (u) = j=1 ϕXj (uj ) pour tout u = (u1 , u2 )t ∈ R2 . Ceci est une conséquence
facile du fait que Cov(X1 , X2 ) = 0. En effet, la matrice de covariance de X est alors diagonale
et on a bien (grâ ce à la proposition 10.13), en reprenant les notations de la question précédente
(c’est-à-dire Xk ∼ N (mk , σk2 ) pour i = 1, 2),
u2 2 2 2
1 σ1 +u2 σ2
ϕX (u) = ei(u1 m1 +u2 m2 ) e− 2 = ϕX1 (u1 )ϕX2 (u2 ),
Q2
c’est-à-dire ϕX (u) = j=1 ϕXj (uj ) pour tout u = (u1 , u2 )t ∈ R2 .
—————————————————————————————–
2. On suppose toujours d = 2. Donner un exemple pour lequel X1 et X2 sont gaussiennes mais X
n’est pas un vecteur gaussien. [On pourra, par exemple, choisir (Ω, A, P ) et X1 , X2 de manière à
avoir Cov(X1 , X2 ) = 0 sans que X1 , X2 soient indépendantes, voir l’exercice 4.44.]
—————————————corrigé—————————————–
On considère les deux v.a.r. S et X de l’exercice 4.44 et on prend X1 = SX et X2 = X. Les v.a.r.
X1 et X2 sont gaussiennes (on a X1 ∼ N (0, 1) et X2 ∼ N (0, 1)), elles sont dépendantes et on a
Cov(X1 , X2 ) = 0 (voir l’exercice 4.44). On en déduit que le v.a. X = (X1 , X2 ) n’est pas gaussien
(sinon les v.a.r. seraient indépendantes, d’après la question précédente).
—————————————————————————————–
3. On suppose que X est un vecteur gaussien et que les composantes de X sont indépendantes deux
à deux. Montrer que X1 , . . . , Xd sont indépendantes.
—————————————corrigé—————————————–
La démonstration est ici similaire à celle de la question 1(b). D’après la proposition 10.11, pour mon-
Qd
trer que les v.a.r. X1 , . . . , Xd sont indépendantes, il suffit de montrer que ϕX (u) = j=1 ϕXj (uj )
pour tout u = (u1 , . . . , ud )t ∈ Rd . Ceci est une conséquence facile du fait que les v.a.r. X1 , . . . , Xd
sont indépendantes deux à deux. En effet, cette hypothèse d’indépendance deux à deux donne
que la matrice de covariance de X est diagonale et on a alors (grâce à la proposition 10.13), avec
Xk ∼ N (mk , σk2 ) pour i = 1, . . . , d,
Pd 2 2
k=1 uk σk
Pd
ϕX (u) = ei k=1 uk mk e− 2 = ϕX1 (u1 ) . . . ϕXd (ud ),
Qd
c’est-à-dire ϕX (u) = j=1 ϕXj (uj ) pour tout u = (u1 , . . . , ud )t ∈ Rd .
—————————————————————————————–
Corrigé 168 (Suite de v.a.r.i.i.d. de Poisson)

Soit (Ω, A, P ) un espace de probabilité et X une v.a. de Poisson de paramètre λ (λ > 0). On rappelle
k
que, P [X = k] = e−λ λk! , pour tout k ∈ N et que E[X] = λ, V ar[X] = λ.
1. Calculer la fonction caractéristique ϕX de X.
—————————————corrigé—————————————–
k iu k iu
Soit u ∈ R, on a ϕX (u) = Ω eiXu dP = k∈N eiku e−λ λk! = e−λ k∈N (λek! ) = eλ(e −1)
R P P
—————————————————————————————–
491
2. Soit (Xn )n∈N? une suite de v.a. indépendantes et de Poisson de paramètre λ.
Pn
(a) Soit n > 1. Déduire de la première question la loi de la v.a. Yn = p=1 Xp .
—————————————corrigé—————————————–
R Qn
Soit u ∈ R. On a ϕYn (u) = Ω eiYn u dP = Ω p=1 eiXp u dP . Comme les v.a.r. X1 , . . . , Xn
R
Qn R iu
sont indépendantes, on en déduit que ϕYn (u) = p=1 Ω eiXp u dP = enλ(e −1) .
Comme la loi d’une v.a.r. est entièrement déterminée par sa fonction caractéristique (propo-
sition 10.10), on en déduit que Yn est une v.a. de Poisson de paramètre nλ.
—————————————————————————————–
(b) Utiliser le théorème central limite pour démontrer que
n
X nk 1
e−n → quand n → ∞.
k! 2
k=0
—————————————corrigé—————————————–
On suppose maintenant que λ = 1. la suite (Xn )n∈N? est une suite de v.a.r.i.i.d. de carrés
intégrables et on a E(X1 ) = 1 et Var(X1 ) = 1. Pour n ∈ N? , on pose
n
1 X 1
Zn = √ (Xi − 1) = √ (Yn − n).
n i=1 n
Le théorème central limite (théorème 6.12) donne que la suite (PZn )n∈N? converge étroitement
vers la loi normale N (0, 1). Comme une loi normale est diffuse (c’est-à-dire qu’elle ne charge
pas les points), on en déduit que P (Zn ≤ 0) tend vers 1/2 quand n → ∞ (voir l’exercice 6.51
et noter que P (Zn ≤ 0) = PZn (] − ∞, 0[)). Or, P (Zn ≤ 0) = P (Yn ≤ n) et, comme Yn est une
v.a. de Poisson de paramètre n, on a :
n n
X X nk
P (Yn ≤ n) = P (Yn = k) = e−n .
k!
k=0 k=0
Pn k
On a donc e−n k=0 nk! → 1/2, quand n → ∞.
—————————————————————————————–
492
12.11.1 Espérance conditionnelle
Corrigé 169 (Espérance conditionnelle selon une tribu)
Soit (Ω, A, P ) un espace probabilisé et Y une variable aléatoire réelle intégrable. Dans les trois cas
suivants, montrer que E[Y |B] est réduit à un élément et déterminer E[Y |B] (en fonction de Y et B).
1. La tribu B la tribu grossière, c’est-à-dire B = {∅, Ω}.

—————————————corrigé—————————————–
Soit Z une application de Ω dans R, B-mesurable. Soit a ∈ Im(Z) (on suppose, bien sûr, Ω 6= ∅). On
a alors {Z = a} = {ω ∈ Ω; Z(ω) = a} = 6 ∅. Comme Z est B-mesurable, on a donc {Z = a} = Ω. Une
application B-mesurable est donc une fonction constante (réciproquement, une fonction constante
est bien B-mesurable). Si Z ∈ E(Y |B), il existe donc a ∈ R t.q. Z(ω) = a pour tout ω ∈ Ω. Le
réel a doit alors vérifier E(aU ) = E(U Y ) pour tout application U , B-mesurable de Ω dans R. On
a donc ab = E(ab) = E(bY ) = bE(Y ) pour tout b ∈ R. La seule solution est donc a = E(Y ).
L’ensemble E[Y |B] est donc réduit à un seul élément, la fonction constante et égale à E(Y ).
—————————————————————————————–
2. Soit B ∈ A t.q. 0 < P [B] < 1. On prend pour B la tribu engendrée par B.
—————————————corrigé—————————————–
Soit Z une application de Ω dans R, B-mesurable. Les paties B et B c sont non vides (car de
probabilité strictement positive). Soit ω1 ∈ B et a = Z(ω1 ). On a alors {Z = a} = {ω ∈ Ω;
Z(ω) = a} 6= ∅. Comme Z est B-mesurable, on a donc {Z = a} = B ou Ω et donc {Z = a} ⊃ B.
De même, soit ω2 ∈ B c et b = Z(ω2 ), on a {Z = b} ⊃ B c . Une application B-mesurable est donc
une fonction constante sur B et B c . Réciproquement, une fonction constante sur B et B c est bien
B-mesurable.
Si Z ∈ E(Y |B), il existe donc a, b ∈ R t.q. Z = a1B + b1B c . Les réels a, b doivent alors vérifier
E(ZU ) = E(U Y ) pour tout application U B-mesurable de Ω dans R, c’est-à-dire :
Z Z
aαP (B) + bβP (B c ) = α Y dP + β Y dP pour tout α, β ∈ R.
B Bc
Comme P (B) > 0 et P (B c ) = 1 − P (B) > 0, la seule solution est donc :

R R
Y dP c Y dP
a= B et b = B c .
P (B) P (B )
R
Y dP
L’ensemble E[Y |B] est donc réduit à un seul élément, la fonction Z définie par Z = B
P (B) 1B +
R
Bc
Y dP
P (B c ) 1B c .
—————————————————————————————–
3. Soit (Bn )n∈N? ⊂ A t.q. Bn ∩ Bm = ∅ si n 6= m, Ω = ∪n∈N? Bn et 0 < P (Bn ) < 1 pour tout n ∈ N? .
On prend pour B la tribu engendrée par (Bn )n∈N? (c’est-à-dire B = {∪n∈J Bn , J ⊂ N? }).
—————————————corrigé—————————————–
On reprend le même raisonnement que dans les deux questions précédentes. On remarque d’abord
qu’une application Z de Ω dans R est B-mesurable si et seulement si il existe une suite (αn )n∈N? ⊂ R
493
P
t.q. Z = n∈N? αn 1Bn . (Cette Série est bien convergente en tout point de Ω car les Bn sont disjoints
deux à deux.
P
Si Z ∈ E(Y |B), il existe donc (an )n∈N? ⊂ R t.q. Z = n∈N? an 1Bn . La suite (an )n∈N? doit alors
et que E(ZU ) = E(U Y ) pour tout application U B-mesurable bornée
être telle que Z soit intégrable P
de Ω dans R, c’est-à-dire t.q. n∈N? |an |P (Bn ) < +∞ et :
X X Z
αn an P (Bn ) = αn Y dP pour toute suite bornée (αn )n∈N? ⊂ R.
n∈N? n∈N? Bn
Comme P (Bn ) > 0, la seule solution est donc :

R
Y dP
an = Bn pour tout n ∈ N? .
P (Bn )
Comme on sait que l’ensemble E[Y |B] est non vide, il est inutile de vérifier que la fonction Z
trouvée est intégrable (puisque cette fonction est la seule fonction pouvant appartenir à E[Y |B]).
L’ensemble E[YR
|B] est donc réduit à un seul élément. Cet élément est la fonction Z définie par
P Bn
Y dP
Z = n∈N? P (Bn ) 1Bn .
—————————————————————————————–
Corrigé 170 (Espérance conditionnelle selon une v.a.r.)
Soit (Ω, A, P ) un espace probabilisé, X une variable aléatoire réelle et Y une variable aléatoire réelle
intégrable.
1. On suppose qu’il existe a ∈ R t.q. X = a p.s.. Donner un élément de E[Y |X].
—————————————corrigé—————————————–
On utilise la proposition 11.5. Soit Z ∈ E[Y |X], il existe alors ψ, fonction borélienne de R dans R,
t.q. Z = ψ(X), ψ(X) est intégrable et
E(ψ(X)ϕ(X)) = E(Y ϕ(X)) pour toute application ϕ de R dans R, borélienne bornée.
On a donc Z = ψ(a) p.s. et en prenant pour ϕ une fonction t.q. ϕ(a) = 1 dans l’égalité précédente,
on obtient ψ(a) = E(Y ). On a donc finalement Z = E(Y ) p.s.. La fonction constante et égale à
E(Y ) est un élément de E[Y |X]. Plus précisément, la fonction ψ(X) est un élément de E[Y |X],
dès que ψ est une fonction borélienne de R dans R et t.q. ψ(a) = E(Y ).
—————————————————————————————–
2. On suppose que X prend p.s. deux valeurs x1 ou x2 avec x1 6= x2 . Donner un élément de E[Y |X].
—————————————corrigé—————————————–
On pose A1 = {X = x1 } et A2 = {X = x2 }. On suppose que P (A1 ) > 0 et P (A2 ) > 0 (sinon, on
est ramené à la question précédente). Noter que A1 ∩ A2 = ∅ et P (A1 ) + P (A2 ) = 1. On utilise
encore la proposition 11.5. Soit Z ∈ E[Y |X], il existe alors ψ, fonction borélienne de R dans R, t.q.
Z = ψ(X), ψ(X) est intégrable et
E(ψ(X)ϕ(X)) = E(Y ϕ(X)) pour toute application ϕ de R dans R, borélienne bornée. (12.149)
On a donc Z = ψ(x1 )1A1 + ψ(x2 )1A2 p.s.. Soit α1 , α2 ∈ R, en prenant pour ϕ une fonction
borélienne bornée de R dans R t.q. ϕ(x1 ) = a1 et ϕ(x2 ) = a2 dans l’égalité (12.149), on obtient :
Z Z
ψ(x1 )α1 P (A1 ) + ψ(x2 )α2 P (A2 ) = α1 Y dP + α2 Y dP pour tout α1 , α2 ∈ R.
A1 A2
494
R
Ai
Y dP
Comme P (Ai ) > 0 pour i = 1, 2, on en déduit que ψ(xi ) = P (Ai ) , pour i = 1, 2, et donc que
R R
A1
Y dP Ai
Y dP
Z= 1A1 + 1A2 p.s..
P (A1 ) P (Ai )
Ici encore, la fonction ψ(X)

R
est un élément de E[Y |X] dès que ψ est une fonction borélienne
R
de R
Y dP Y dP
dans R et t.q. ψ(xi ) = APi(Ai ) pour i = 1, 2 (un exemple possible est donc ψ(xi ) = Ai
P (Ai ) pour
i = 1, 2 et ψ(x) = 0 pour x 6∈ {x1 , x2 }).
—————————————————————————————–
3. On suppose que X est une v.a. prenant p.s. ses valeurs dans un ensemble dénombrable {xn , n ∈ N? }
avec P (X = xn ) 6= 0 pour tout n ∈ N? . Donner un élément de E[Y |X].
—————————————corrigé—————————————–
On peut supposer que les xn sont différents deux à deux. Pour n ∈ N? , on pose
P∞An = {X = xn }.
Les ensembles An sont disjoints deux à deux, P (An ) > 0 pour tout n ∈ N? et n=1 P (An ) = 1.
On utilise encore la proposition 11.5. Soit Z ∈ E[Y |X], il existe alors ψ, fonction borélienne de R
dans R, t.q. Z = ψ(X), ψ(X) est intégrable et
E(ψ(X)ϕ(X)) = E(Y ϕ(X)) pour toute application ϕ de R dans R, borélienne bornée. (12.150)
P
On a donc Z = n∈N? ψ(xn )1An p.s.. Soit (αn )n∈N? ⊂ R une suite bornée de R. Dans l’égalité
(12.150), on prend pour ϕ une fonction borélienne bornée de R dans R t.q. ϕ(xn ) = αn pour tout
n ∈ N? (un tel ϕ existe, on peut prendre, par exemple, ϕ(x) = 0 si x est différent de tous les xn ),
on obtient :
X X Z
ψ(xn )αn P (An ) = αn Y dP pour toute suite bornée (αn )n∈N? ⊂ R.
n∈N? n∈N? An
R
Y dP
Comme P (An ) > 0 pour tout n ∈ N? , on en déduit que ψ(xn ) = An
P (An ) , pour tout n ∈ N? , et
donc que R
X A Y dP
n
Z= 1An p.s..
?
P (An )
n∈N
Noter que,
R
comme on sait que E(Y |X) est non vide (donc qu’il existe Z ∈ E(Y |X)), la fonction
P An
Y dP
n∈N? P (An ) 1An est nécessairement intégrable (en fait, on a kZk1 ≤ kY k1 ).
Enfin, ici encore, la fonction ψ(X)

R
est un élément de E[Y |X] dès que ψ est une fonction borélienne
Y dP
de R dans R et t.q. ψ(xn ) = An
P (An ) pour tout n ∈ N? . Un exemple possible est donc ψ(xn ) =
R
Y dP
An
P (An ) R pour tout n ∈ N? et ψ(x) = 0 pour x 6∈ {xn , n ∈ N? }. Cet exemple donne la fonction
P An
Y dP
n∈N? P (An ) 1An .
—————————————————————————————–
Corrigé 171 (Calcul de E(exp(XY )|X) si Y est gaussienne)
495
Soit (Ω, A, P ) un espace de probabilités et X, Y deux v.a. réelles indépendantes. On suppose que Y suit
une loi gaussienne centrée réduite et que E[exp(X 2 /2)] < ∞. Montrer que exp(XY ) est intégrable et
déterminer E[exp(XY )|X].
—————————————corrigé—————————————–
La v.a.r. exp(XY ) est positive. On calcule Ω eXY dP en utilisant l’indépendance de X et Y (et le
R
théorème 9.2, qui donne que P(X,Y ) = PX ⊗ PY ) et le fait que Y ∼ N (0, 1) :

Z Z Z
1 y2
eXY dP = exy √ e− 2 dydPX (x).
Ω R R 2π
y2
En remarquant que xy − = − 21 (x − y)2 + 12 x2 on obtient :
2
Z Z Z Z Z
1 −(x−y)2 x2 1 −z 2 x2
eXY dP = √ e 2 )dy e 2 dPX (x) = √ e 2 dz e 2 dPX (x),
Ω 2π R R 2π R R
x2 X2
eXY dP = ) < +∞. Ce qui donne que eXY est une v.a.r. intégrable.
R R
et donc Ω R
e 2 dPX (x) = E(e 2
Selon la proposition 11.5 on cherche un élément de E[exp(XY )|X] sous la forme ψ(X) où ψ est une
fonction borélienne de R dans R, t.q. Z = ψ(X), ψ(X) est intégrable et
E(ψ(X)ϕ(X)) = E(eXY ϕ(X)) pour toute application ϕ de R dans R, borélienne bornée.
Soit ϕ une application borélienne bornée de R dans R, on calcule E(eXY ϕ(X)) en utilisant, comme
précédemment, l’indépendance de X et Y et le fait que Y ∼ N (0, 1) :
Z Z Z Z
1 y2 1 −(x−y)2 x2
E(eXY ϕ(X)) = √ exy ϕ(x)e− 2 dydPX (x) = √ e 2 dy e 2 ϕ(x)dPX (x).
2π R R 2π R R
R x2 X2 X2
On a donc E(eXY ϕ(X)) = R e 2 ϕ(x)dPX (x) = E(e− 2 ϕ(X)). Ceci nous montre que e− 2 est
un élément de E[exp(XY )|X] et donc (comme on confond E[exp(XY )|X] avec l’un de des éléments)
X2
E[exp(XY )|X] = e− 2 p.s..
—————————————————————————————–
Corrigé 172 (Espérance du produit et produit des espérances)

Soit (Ω, A, P ) un espace de probabilités et X, Y deux v.a. intégrables t.q. XY est intégrable et E[X|Y ] =
E(X) p.s.. Montrer que E(XY ) = E(X)E(Y ).
—————————————corrigé—————————————–
Grâce à la proposition 11.5 on a
E(E[X|Y ]ϕ(Y )) = E(Xϕ(Y )) pour toute application ϕ de R dans R, borélienne bornée.
Comme E[X|Y ] = E(X) p.s., on en déduit
E(X)E(ϕ(Y )) = E(Xϕ(Y )) pour toute application ϕ de R dans R, borélienne bornée. (12.151)
Soit n ∈ N? . Pour s ∈ R, on pose Tn (s) = max{−n, min{s, n}}. La fonction Tn est borélienne (car
continue) bornée (par n) de R dans R. On peut donc utiliser (12.151) avec ϕ = Tn . On obtient
E(X)E(Tn (Y )) = E(XTn (Y )).
496
Comme Y est intégrable, on a, par convergence dominée, limn→∞ E(Tn (Y )) = E(Y ) (noter que |Tn (Y )| ≤
|Y |).
Comme XY est intégrable (et c’est uniquement ici que cette hypothèse est utilisée), on a, par convergence
dominée, limn→∞ E(XTn (Y )) = E(XY ) (noter que |XTn (Y )| ≤ |XY |).
En passant à limite quand n → ∞ sur l’égalité E(X)E(Tn (Y )) = E(XTn (Y )), on a donc E(X)E(Y ) =
E(XY ).
—————————————————————————————–
12.11.2 Martingales
Corrigé 173 (Quelques propriétés des martingales)
Soit (Ω, A, P ) un espace de probabilité muni d’une filtration (Bn )n∈N (c’est-à-dire d’une suite croissante
de sous tribus de A) et (Xn )n∈N une suite de de v.a.r. (c’est-à-dire un processus réel). On suppose que
Xn est intégrable pour tout n ∈ N.
1. On suppose que (Xn )n∈N est une sous-martingale (par rapport à la filtration (Bn )n∈N ). Montrer
que la suite (E(Xn ))n∈N est croissante.
—————————————corrigé—————————————–
Soit n ∈ N. Comme (Xn )n∈N est une sous-martingale, on a E(Xn+1 |Bn ) ≥ Xn p.s. et donc
E(E(Xn+1 |Bn )) ≥ E(Xn ). Or (comme les fonctions constantes sont Bn -mesurables bornées),
E(E(Xn+1 |Bn )) = E(Xn+1 ). On a donc E(Xn+1 ) ≥ E(Xn ).
—————————————————————————————–
2. On suppose que (Xn )n∈N est une martingale (par rapport à la filtration (Bn )n∈N ). Montrer que
E(Xn+m |Bn ) = Xn p.s. pour tout m ≥ 0.
—————————————corrigé—————————————–
Pour m = 0, le fait que E(Xn |Bn ) = Xn p.s., pour tout n ∈ N, découle du fait que Xn est Bn -
mesurable. Pour m ≥ 1, On montre la propritée demandée par récurrence sur m ∈ N? . Pour m = 1
le fait que E(Xn+1 |Bn ) = Xn p.s., pour tout n ∈ N, est donné dans la définition de martingale.
Soit m ∈ N? . On suppose que E(Xn+m |Bn ) = Xn p.s., pour tout n ∈ N. On veut montrer que
E(Xn+m+1 |Bn ) = Xn p.s., pour tout n ∈ N. Soit n ∈ N. Comme (Xn )n∈N est une martingale, on
a E(Xn+m+1 |Bn+m ) = Xn+m et donc :
E(Xn+m+1 U ) = E(Xn+m U ) pour tout U Bn+m -mesurable bornée.
Comme Bn ⊂ Bn+m , on a donc aussi
E(Xn+m+1 U ) = E(Xn+m U ) pour tout U Bn -mesurable bornée.
L’hypothèse de récurrence donne E(Xn+m |Bn ) = Xn p.s.. On a donc :
E(Xn+m U ) = E(Xn U ) pour tout U Bn -mesurable bornée.
On a en déduit :
E(Xn+m+1 U ) = E(Xn U ) pour tout U Bn -mesurable bornée.
Ce qui montre que E(Xn+m+1 |Bn ) = Xn p.s. et termine la récurrence.

—————————————————————————————–
497
3. Soit ϕ une fonction convexe de R dans R. On suppose que (Xn )n∈N est une martingale (par rapport
à la filtration (Bn )n∈N ) et que ϕ(Xn ) est intégrable pour tout n ∈ N (on rappelle que ϕ(Xn ) est
une notation pour désigner ϕ ◦ Xn ). Montrer que (ϕ(Xn ))n∈N est une sous-martingale (par rapport
à la filtration (Bn )n∈N ).
—————————————corrigé—————————————–
On remarque tout d’abord que ϕ(Xn ) est bien Bn -mesurable (car Xn est Bn -mesurable et ϕ est
borélienne), pour tout n ∈ N. Pour montrer que (ϕ(Xn ))n∈N est une sous-martingale, il suffit
alors d’utiliser le proposition 11.4 sur l’inégalité de jensen. Soit n ∈ N. La proposition 11.4
donne E(ϕ(Xn+1 )|Bn ) ≥ ϕ(E(Xn+1 |Bn )) p.s.. Comme E(Xn+1 |Bn ) = Xn p.s., on en déduit
E(ϕ(Xn+1 )|Bn ) ≥ ϕ(Xn ) p.s., ce qui montre bien que (ϕ(Xn ))n∈N est une sous-martingale.
—————————————————————————————–
That’s all folks
498

Int Poly

Transféré par

Droits d'auteur :

Formats disponibles

Int Poly

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Int Poly

Transféré par

Droits d'auteur :

Formats disponibles

MESURE, INTEGRATION, PROBABILITES

Thierry Gallouët Raphaèle Herbin

July 13, 2009

3 Fonctions mesurables, variables aléatoires 51

5 Mesures sur la tribu des boréliens 112

6 Les espaces Lp 130

8 Densité, séparabilité, et compacité dans les espaces Lp (Ω) 221

9 Vecteurs aléatoires 230

10 Transformation de Fourier, fonction caractéristique 242

12 Corrigés d’exercices 268

1.1 Intégrale des fonctions continues

1.2 Insuffisance de l’intégrale des fonctions continues

On rappelle que (fn )n∈N converge simplement vers f si :

et que (fn )n∈N converge uniformément vers f si :

∀ε > 0, ∃N (ε); n ≥ N (ε), x ∈ [0, 1] ⇒ |fn (x) − f (x)| ≤ ε.

fn → f simplement quand n → ∞, |fn (x)| ≤ 1, ∀x ∈ [0, 1], ∀n ∈ N

1.3 Les probabilités

λ(]α, β[) = β − α, pour tout α, β ∈ R, α ≤ β. (1.9)

Ce cours est divisé en 10 chapitres :

• Le chapitre 2 est une introduction à la théorie de la mesure ; on y définit en particulier l’application λ

5. Si la suite (ϕn )n∈N satisfait les deux conditions :

Exercice 1.4 (Discontinuités d’une fonction croissante)

Exercice 1.5 (Fonctions réglées)

Exercice 1.6 (Normes définies par l’intégrale) Corrigé 4 page 274

1. Montrer que (E, k · k1 ) est un espace normé.

Exercice 1.8 (Fonctions caractéristiques d’ensembles) Corrigé 6 page 277

Exercice 1.9 (Intégrale “impropre” de fonctions continues) Ra

1. A-t-on limx→+∞ f (x) = 0 ?

Exercice 1.10 (Limite uniforme dans R) Corrigé 7 page 278

Exercice 1.11 (Convergence dominée et intégrale des fonctions continues)

Soit T : E → R une application linéaire positive.

8. (“Convergence dominée.”) Soient (gn )n∈N ⊂ E et g ∈ E telles que :

Exercice 1.12 (Théorème de Bernstein)

Exercice 1.13 (Limites sup et inf d’ensembles) Corrigé 8 page 279

lim inf An ⊂ lim sup An ,

Exercice 1.14 (Caractérisation des ouverts de R) (?)

2.1 Introduction... par les probabilités

2.2 Tribu ou σ−algèbre

Démonstration : La démonstration de cette proposition fait l’objet de la première question de l’exer-

Cette proposition nous permet de définir ci-après la notion de tribu engendrée.

4. A est stable par passage au complémentaire, c’est-à-dire que pour tout A ∈ A, on a Ac ∈ A.

(a) λ(]α, β[) = β − α, pour tout α, β ∈ R α < β,

3. Rappel sur les cardinaux. Soit A et B deux ensembles.

(a) On dit que card(A) = card(B) si il existe une application ϕ : A → B, bijective.

Démonstration : Soit O un ouvert de R, O 6= ∅. On pose A = {(β, γ) ∈ Q2 ; β < γ, ]β, γ[⊂ O}. On a

Définition 2.6 (Espace mesurable ou probabilisable, partie mesurable ou probabilisable)

2.3 Mesure, probabilité

1. Dans la définition précédente on a étendu à R+ l’addition dans R+ . On a simplement posé x + ∞ =

5. Une conséquence immédiate de la σ−additivité est l’additivité, c’est-à-dire que

La proposition suivante donne les principales propriétés d’une mesure.

m(A) ≤ m(B) (2.5)

2. σ-sous-additivité : Soit (An )n∈N ⊂ T , alors

1. Monotonie. Soit A, B ∈ T , A ⊂ B. On a B = A ∪ (B \ A) et A ∩ (B \ A) = ∅. Comme A ∈ T et

m(An0 \ A) = m(B) = lim m(Bn ) = lim m(An0 \ An ). (2.9)

Démonstration : Cette démonstration est l’objet de l’exercice 2.28.

Définition 2.16 (Mesure absolument continue, mesure étrangère)

Pour A ∈ T , on pose µe (A) = µ(A ∩ C) et µa (A) = µ(A ∩ C c ).

On prend B0 = A. Soit maintenant n ∈ N, on suppose Bp connu pour p ≤ n. On a αn = inf{m(C), C ⊂

On pose maintenant Ã = A\∪n∈N Cn = ∩n∈N Bn . On a, bien sûr, Ã ∈ T et Ã ⊂ A. On montre maintenant