Cours Mesure Et Integration

Table des matières
Table des matières i

0.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.1.1 Exemple fondamental . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.1.2 L’idée de Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
0.2 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
0.2.1 Énoncés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
0.2.2 Corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1 Tribus et Mesures 9
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1.1 L’idée de mesure et les expériences aléatoires . . . . . . . . . . . . . . 9
1.1.2 Cas d’un problème discret . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.1.3 Exemple continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2 Définitions (Algèbre, Tribus et Mesure) . . . . . . . . . . . . . . . . . . . . . 11
1.3 Propriétés des mesures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4 La mesure de Lebesgue sur la tribu des boréliens . . . . . . . . . . . . . . . . 16
1.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.5.1 Énoncés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.5.2 Corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2 Fonctions mesurables, variables aléatoires 24

2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2 Fonctions étagées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3 Fonctions mesurables et variables aléatoires . . . . . . . . . . . . . . . . . . . 26
2.4 Caractérisation de la mesurabilité . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.5 Convergence p.p et convergence en mesure . . . . . . . . . . . . . . . . . . . . 30
2.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.6.1 Enoncés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.6.2 Corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
TABLE DES MATIÈRES 1
3 Fonctions intégrables 34
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.2 Intégrale d’une fonction étagée positive . . . . . . . . . . . . . . . . . . . . . . 34
3.3 Intégrale d’une fonction mesurable positive . . . . . . . . . . . . . . . . . . . 36
3.4 Convergence monotone et lemme de Fatou . . . . . . . . . . . . . . . . . . . . 37
3.5 L’espace L1 des fonctions intégrables . . . . . . . . . . . . . . . . . . . . . . . 39
1
3.6 Théorème de convergence dominée dans L . . . . . . . . . . . . . . . . . . . 41
3.7 Continuité et dérivabilité sous le signe somme . . . . . . . . . . . . . . . . . . 41
3.8 Les espaces Lp , avec 1 ≤ p < ∞ . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.9 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.9.1 Enoncés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.9.2 Corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4 Produit d’espaces mesurés 49

4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.2 Mesure produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.3 Théorème de Fubini et conséquences . . . . . . . . . . . . . . . . . . . . . . . 53
4.4 Cas de la mesure de Lebesgue sur R . . . . . . . . . . . . . . . . . . . . . . . 55
4.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.5.1 Enoncés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.5.2 Corrigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
A Exercices supplémentaires 60
B Examens 64
Bibliographie 71
BENRABAH Abderafik © 2016. Univ. Guelma

0.1 Introduction 2
0.1 Introduction
L’objectif de ce cours est de donner une vue d’ensemble de la théorie de la mesure, de
l’intégration et des probabilités correspondant à un niveau de troisième année de licence ou de
première année de master (en mathématiques). La lecture de ce cours requiert la connaissance
des notions d’analyse réelle, d’algèbre linéaire et de calcul différentiel enseignées en première
et deuxième année de licence de mathématiques dans la plupart des universités algériennes.
Nous nous sommes attachés à introduire le vocabulaire de la théorie des probabilités en
parallèle à celui de l’analyse. Nous espérons ainsi faciliter l’accès conjoint à des études ulté-
rieures dans ces deux branches des mathématiques, ce qui semble devenir indispensable aux
mathématiciens se formant en vue d’appliquer ces théories. Nous attachons une importance
considérable aux exercices qui sont proposés dans ce cours, certains sont des applications
directes du cours, d’autres contiennent des développements importants.
Ce cours, issu d’un polycopié de cours amélioré et complété sur plus de 5 ans, a bénéficié de
nombreuses remarques ou questions de nos étudiants et de discussions avec nos collègues (en
particulier probabilistes). Nous tenons à les en remercier chaleureusement.
Une thèorie de l’intégration est un procédé qui associe à toute fonction f un nombre I(f ),
appelé intégrale de f et qui vérifie certaines propriétés (linéarité, positivité).
0.1.1 Exemple fondamental
On retrouve pour la premiere fois l’exemple suivant (actuellement connu comme l’integrale
de Riemann 1 ) dans le cours de Cauchy 2 en 1820.
Soit C 0 ([a, b], R) l’espace des fonctions continues sur un intervalle [a, b] a valeurs dans R.
Pour tout f ∈ C 0 ([a, b], R), la limite suivante existe :
N
b−aX b−a

I(f ) = lim f a+i (0.1.1)
N →∞ N N
i=0
La relation (0.1.1) est :

linéraire :
1. I(f1 + f2 ) = I(f1 ) + I(f2 ), ∀ f1 , f2 ∈ C 0 ([a, b], R)
2. I(λf ) = λI(f ), ∀ f ∈ C 0 ([a, b], R), ∀ λ ∈ R
positive : Si f > 0, alors I(f ) > 0.
Dans ce cas, I(f ) a une interprétation graphique : c’est l’aire sous le graphe de f.
1. Bernhard Riemann, mathématicien allemand (1826-1866), dont les contributions furent fondamentales
en analyse, en théorie des nombres et en géométrie différentielle.
2. Augustin Louis Cauchy (1789-1857) est un mathématicien français, membre de l’Académie des sciences
et professeur à l’École polytechnique. Il fut l’un des mathématiciens les plus prolifiques de tous les temps,
quoique devancé par Leonhard Euler et Paul Erdos, avec près de 800 parutions et sept ouvrages, sa recherche
couvre l’ensemble des domaines mathématiques de l’époque.

0.1 Introduction 3
Remarque 0.1.1. Il n’est pas nécessaire d’utiliser une subdivision régulière pour calculer
I(f ).
Pour tout > 0, il existe δ > 0 tel que pour toute subdivision a = x0 < x1 < ... < xN = b de
l’intervalle [a, b] tel que max (xi − xi−1 ) ≤ δ et pour tous points ξi ∈ [xi−1 , xi ], i = 1, ..., N
i=1,...,N
on a :
N
X
I(f ) − f (ξi )(xi − xi−1 ) ≤ (0.1.2)
i=1
Mais pourquoi appelle-t-on cela l’intégrale de Riemann ? Riemann s’est demandé

pour quelles classes de fonctions les procédés (0.1.1) et (0.1.2) permettent de définir l’intégrale.
Est-il nécessaire de se limiter aux fonctions continues ? Il a remarqué en 1854 que l’on pouvait
utiliser ces procédés pour une certaine classe de fonctions non continues. Les fonctions f :
[a, b] → R pour lesquelles on peut définir I(f ) par (0.1.1) et (0.1.2) sont appelées des fonctions
Z b
intégrables au sens de Riemann. L’intégrale I(f ) est souvent notée I(f ) = f (x)dx. 3
a
Limitations de l’intégrale de Riemann.
Toute fonction f : [a, b] → R intégrable au sens de Riemann est bornée. En pratique, ce
n’est pas très génant, on peut généraliser un peu le procédé pour intégrer certaines fonctions
non bornées.
Z 1 dx
Z 1
dx
Exemple. √ peut être définie comme lim √ =2
0 x →0 x
Soit f : [0, 1] → R définie par

 1, si x ∈ Q
f (x) = (0.1.3)
 0, sinon.
C’est la fonction indicatrice des rationnels, et f n’est pas intégrable au sens de Riemann. En
effet, dans le procédé (0.1.2) on peut choisir tous les ξi rationnels (respectivement irrationnels)
et on en déduit que I(f ) vaudrait 1 (resp. 0)...
Henri Lebesgue 4 (mathématicien français du début du XXème siècle) a montré qu’une
fonction bornée f : [a, b] → R est intégrable au sens de Riemann si et seulement si l’ensemble
de ses points de discontinuité est négligeable.
Intégrales et primitives. Soit F ∈ C 0 ([a, b], R). Si F est dérivable sur ]a, b[ et si f = F 0 ,
Z b
a-t-on nécessairement le théorème fondamental du calcul intégral f (x)dx = F (b) − F (a)?
a
Z
3. Le symbole d’intégration est une forme italique alongée du caractère typgraphique ancien (s long).
Il a été utilisé dès le xviie siècle par Leibniz, comme abbréviation de summa, qui veut dire (somme) en
latin.
4. Henri Lebesgue, mathématicien français (1875-1941), surtout célèbre pour sa théorie de l’intégration,
mais dont l’influence fut considérable dans tout le domaine de l’analyse réelle.

0.1 Introduction 4
La réponse est non, il n’y a aucune raison que f soit intégrable au sens de Riemann.
Limites simples. Soit fn : [a, b] → R une suite de fonctions intégrables au sens de Riemann.
Z b Z b
On suppose que ∀x ∈ [a, b], lim fn (x) = f (x). A-t-on que f (x)dx = lim fn (x)dx?
n→+∞ a n→+∞ a
Si il y a convergence uniforme, on sait que cela est vrai, sinon un contre exemple est facile
a trouver. En fait, la question est mal posée : même si l’on suppose que |fn (x)| ≤ M, ∀n ∈
N, ∀x ∈ [a, b], la limite f n’est en général pas intégrable au sens de Riemann.
L’objectif de Lebesgue est le suivant : tenter de généraliser la notion de longueur
(aire, volume,...) à une famille de parties plus grandes que les intervalles (pavés).
Plus précisément, il cherche une fonction
λ : P (Rn ) → [0, +∞],
vérifiant les 3 propriétés suivantes

– invariance par translation ∀v ∈ Rn , λ(A + v) = λ(A)
X
– σ-additivité λ(∪i∈I Ai ) = λ(Ai), I dénombrable, Ai disjoints
i∈I
– normalisation λ([0, 1]n ) = 1
Une théorie de la mesure est un procédé qui associe a tout ensemble A (dans une cer-
taine classe) un nombre positif µ(A), appelé mesure de A, et qui vérifie certaines propriétés
(monotonie, additivité, ...). En dimension 1, la mesure correspond a la longueur, a l’aire en
dimension 2 et au volume au dimension 3, d’ou la généralisation.
0.1.2 L’idée de Lebesgue
Concernant l’intégration, l’idée de Lebesgue est la suivante :

plutôt que de définir les fonctions horizontalement par f (t), il définit les fonctions verticale-
ment par f −1 (x). L’intégrale est alors une sommesur les valeurs et non sur le support.
1 2 n−1
Soit f : [0, 1] → [0, 1] et Sn = 0, , , ..., , 1 subdivision regulière de [0, 1]. Rappelons
n n n
le principe de l’intégrale de Riemann : on commence par noter
k−1 k

Ik = , 1≤k ≤n−1
n n
n−1

In = ,1
n
et on considère les sommes de Darboux 5 inférieure et supérieure :
n
1X
σn (f ) = inf f
n k=1 Ik
5. Jean-Gaston Darboux, mathématicien français (1842-1917), spécialiste de géométrie différentielle et

d’analyse

0.1 Introduction 5
n
1X
Σn (f ) = sup f
n k=1 Ik
On a pour tout n l’inégalité : σn (f ) ≤ Σn (f ), et si f est Riemann intégrable, alors :
lim (Σn (f ) − σn (f )) = 0.
n→∞
Notons maintenant :
k−1 k

Ek = x ∈ [0, 1] : ≤ f (x) < 1 ≤ k ≤ n.
n n
n−1

En = x ∈ [0, 1] : ≤ f (x) < 1
n
Les (Ek )1≤k≤n forment clairement une partition de [0, 1]. Cette subdivision permet d’appro-
cher uniformément la fonction f par les fonctions :
n n
X k−1 X k
φ= .1Ek , ψ= .1Ek ,
k=1
n k=1
n
ou 1A est la fonction indicatrice de l’ensemble A, i.e. 1A (x) = 1 si x ∈ A, 1A (x) = 0 si x ∈/A.

Les fonctions φ et ψ sont simples, ou étagées, c’est-à-dire qu’elle ne prennent qu’un nombre
fini de valeurs, et on a :
φ(x) ≤ f (x) ≤ ψ(x) ∀x ∈ [0, 1]

1
ψ(x) − φ(x) =
∀x ∈ [0, 1]
n
On voudrait donc approcher l’intégrale de f sur [0, 1] par celles de φ et ψ. Ceci donne, en
supposant nos fonctions Riemann intégrables :
Z 1 Z 1 Z 1
φ(x)dx ≤ f (x)dx ≤ ψ(x)dx,
0 0 0
avec de façon naturelle :

Z 1 n n
k−1 1 k−1
X Z X
φ(x)dx = 1Ek (x)dx = λ(Ek ),
0 k=1
n 0 k=1
n
ou λ(Ek ) serait la mesure de Ek , i.e. sa longueur si c’est un intervalle, la somme des longueurs
de ses composantes connexes si c’est une union d’intervalles disjoints, etc.
Mais si f est
Z 1
très chahutée, on sent que les ensembles Ek ne seront plus aussi simples et les
intégrales 1Ek (x)dx ne seront plus nécessairement des intégrales de Riemann (penser à la
0
fameuse fonction de Péano 1Q∩[0,1] ). 6 Il convient donc de définir proprement ce qu’on entend
par la mesure d’un ensemble, puis de l’appliquer àla construction d’une nouvelle intégrale.
6. Giuseppe Peano (1858-1932) est un mathématicien et linguiste italien de la fin du xixe et du début
du xxe siècle. Pionnier de l’approche formaliste des mathématiques, il développa, parallèlement à l’allemand
Richard Dedekind, une axiomatisation de l’arithmétique (1889).

0.2 Exercices 6
0.2 Exercices
Tous les exercices de cette introduction n’ont pas un lien direct avec le cours. Par contre, ils
constituent des révisions nécessaires à la suite du cours.
0.2.1 Énoncés
1. Rappel : Si f : E → F et A ⊂ F, f −1 (A) = {x ∈ E : f (x) ∈ A} . Si C ⊂ E, f (C) =

{f (x), x ∈ C} . On considère l’application f : R → R, x 7→ x2 .
– (a) Déterminer f ([−3, −1]), f ([−3, 1]), f (] − 3, 1]).
– (b) Déterminer f −1 (] − ∞, 2]), f −1 (]1, +∞[), f −1 (] − 1, 0] ∪ [1, 2[) .
2. Calculer les limites suivantes :
sin(x) 2 x

– (a) lim , lim 1 + ,
x→0 ln(1 + x) x→∞ x
1 − cos(x) 1 − (1 + x)α
– (b) lim , lim , pour α, β > 0.
x→0 x sin(x) x→0 1 − (1 + x)β
3. Calculer
Z ∞les intégralesZ ∞ suivantes :
2 −x 1
– (a) x e dx, 2 dx,
0 e ln (x)x
Z 1 Z π
1 4 1
– (b) dx, 2
dx.
0 (2 − x)(1 + x) 0 cos (x)
4. Intégrales de Wallis Pour tout n ∈ N, on pose :
Z π
2
In = sinn (x)dx.
0
– (a) Calculer I0 et I1 .
– (b) Donner une relation de récurrence entre In et In+2 .
(2p − 1)(2p − 3)...1 π 2p(2p − 2)...2
– (c) En déduire que ∀p ∈ N, I2p = et I2p+1 = .
2p(2p − 2)...2 2 (2p + 1)(2p − 1)...1
I2p
– (d) Montrer que ∀p ∈ N, I2p+1 ≤ I2p ≤ I2p−1 . En déduire que lim = 1.
p→+∞ I2p+1
– (e) En déduire la formule de Wallis :
" #2
1 2p(2p − 2)...2
lim = π.
p→+∞ p (2p − 1)(2p − 3)...1
r
π
– (f) Montrer que ∀n ∈ N, In ∼n→+∞ .
2n
0.2.2 Corrigés
1. – (a) triviale
– (b)
√ √
f −1 (] − ∞, 2]) = [− 2, 2], f −1 (]1, +∞[) =] − ∞, −1[∪]1, +∞[,
√ √
f −1 (] − 1, 0] ∪ [1, 2[) = (0)∪] − 2, −1] ∪ [1, 2[.

0.2 Exercices 7
sin(x) x 2 x 2

2
2. – (a) ∼0→0+ = 1 et 1 + = ex log(1+ x ) et x log(1 + ) ∼x→+∞
log(1 + x) x x x
2x 2 x

→x→+∞ 2 donc par continuité de la fonction exp : 1 + →x→+∞ e2 .
x x
1 − cos(x) (x2 /2) + o(x2 ) x2 1 − (1 + x)α αx + o(x)
– (b) = 2 2
∼x→0 2
= 1/2. et β
= ∼x→0
x sin(x) x + o(x ) 2x 1 − (1 + x) βx + o(x)
αx α
= .
βx β
Z ∞
3. – (a) on intègre par parties : x2 e−x dx = 2. et pour la deuxième intégrale on fait le
0 Z ∞
1
changement de variable : t = log(z), z = et , dz = et dt, on obtient 2 dx = 1.
e ln (x)x
1 1/3 1/3
– (b) On décompose = + (toujours possible pour une frac-
(2 − x)(1 + x) 2−x 1+x
Z 1
1
tion rationelle à pôles simples) et donc : dx = 1, et pour la deuxième
0 (2 − x)(1 + x)
1
intégrale on fait le changement de variable : t = tan(x), x = arctan(t), dx = dt,
Z π 1 + t2
4 1
on obtient 2 (x)
dx = 1.
0 cos
π π
π
Z Z
2 2
4. – (a) I0 = dx =
, I1 = sin(x)dx = 1.
0 2 0
– (b) On intègre par parties pour tout n ≥ 2 :
Z π
2
In+2 = sinn+1 (x) sin(x)dx = (n + 1)(In − In+2 ),
0
n+1
d’où In+2 = In .
n+2
– (c) Démonstration par récurrence de la formule pour I2p (démonstration similaire
pour I2p+1 ) :
– c’est vrai en p = 0
2p + 1 (2p + 1)(2p − 1)...1 π
– si c’est vrai jusqu’au rang p alors I2p+2 = I2p = .
2p + 2 (2p + 2)(2p)...2 2
– (d) ∀p ∈ N, ∀x ∈ [0, π/2], 0 ≤ sin2p+1 (x) ≤ sin2p (x) ≤ sin2p−1 (x) donc par intégra-
I2p I2p−1 2p + 1
tion ∀p ∈ N, I2p+1 ≤ I2p ≤ I2p−1 , donc 1 ≤ ≤ = , donc
I2p+1 I2p+1 2p
I2p
lim = 1.
p→+∞ I2p+1
– (e) on déduit de la question précédente :

" #2
π (2p − 1)(2p − 3)...1
lim (2p + 1) = 1,
p→+∞ 2 2p(2p − 2)...2
d’où la formule de Wallis.

0.2 Exercices 8
– (f) On fait la démonstration pour n impair. Soit n = 2p + 1 :
2p(2p − 2)...2
I2p+1 =
(2p + 1)...1
√ u
v !2
p ut 1 2p(2p + 2)...2
=
2p + 1 p (2p − 1)...1
√
π
∼p→+∞ p .
2(2p + 1)

Chapitre 1
Tribus et Mesures
Le but de ce chapitre est de définir les objets que nous seront amenés à mesurer : les ensembles
mesurables et les fonctions mesurables.
1.1 Introduction
1.1.1 L’idée de mesure et les expériences aléatoires
L’idée de départ de la théorie de la mesure est d’assigner, à chaque partie d’un ensemble
donné, un nombre réel positif (la mesure de la partie), de manière à satisfaire certaines pro-
priétés naturelles, notamment d’additivité. Ceci généralise les notions classiques de longueur
d’une courbe, d’aire d’une surface ou de volume d’un solide.
Pour des raisons profondes, il n’est généralement pas possible de définir la mesure de toute
partie de Ω : on doit se restreindre à une certaine classe (tribu) de parties de (dites mesu-
rables).
Il se trouve que le concept de probabilité est mathématiquement un cas particulier de celui de
mesure, correspondant au cas où la mesure de (la masse totale) vaut 1. A la suite des travaux
de Borel 1 et de Fréchet 2 qui ont laissé entrevoir les applications de la théorie de la mesure au
calcul des probabilités, puis de ceux de Lévy, 3 qui a compris le rôle fondamental de la notion
de convergence en loi des suites de variables aléatoires, Kolmogorov 4 a dégagé le modèle
mathématique d’une expérience aléatoire (le futile tirage d’une boule de loto, par exemple),
qui comporte les trois éléments principaux suivants (dont la détermination, d’ailleurs, est
souvent problématique).
1. Emile Borel, mathématicien français (18711956)
2. Maurice Fréchet, mathématicien français (18781973)
3. Paul Pierre Lévy, mathématicien français (18861971), célèbre pour ses travaus en probabilités, et no-
tamment pour avoir introduit les martingales et les processus de Lévy.
4. Andreï Nikolaevich Kolmogorov, mathématicien russe de premier plan (19031987), célèbre pour ses
travaux fondamentaux notamment en probabilité, topologie, logique, turbulence et mécanique.

1.1 Introduction 10
1.1.2 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.
À partir des éventualités, qui sont donc 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 ∅, (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 5 , ou des problèmes (parfois appelés continus) où E est infini
non dénombrable.
1.1.3 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 dit
équiprobables), et que la balle tombe forcément sur la table (on est très optimiste...). On se
5. 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

1.2 Définitions (Algèbre, Tribus et Mesure) 11
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 deviner 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 mathé-
matiquement possible de définir une application convenable, i.e. qui mesure toutes les parties
de R (au sens intuitif de longueur) ou R2 (au sens intuitif de surface), ou même du sous-
ensemble E de R2 . 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).
1.2 Définitions (Algèbre, Tribus et Mesure)

Dans toute la suite, E sera un ensemble quelconque non vide. On note alors P (E) l’ensemble
des parties de l’ensemble E.
Définition 1.2.1. L’ensemble A ⊂ P (E) est une algèbre (de Boole 6 ) si pour tout A, B ∈
A
1. {∅, E} ∈ A
2. Ac = E\A ∈ A
3. A ∩ B ∈ A
4. A ∪ B ∈ A
Définition 1.2.2. 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 dénom-
brable (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).
6. Il existe une autre notion d’algèbre de Boole, qui est abstraction de celle-ci et que nous ne considérerons
pas ici.

Il est clair que, pour montrer qu’une partie T de P (E) est une tribu, il suffit de vérifier par
exemple, ∅ ∈ T (ou E ∈ T ), 2 (ou 3) et 4.
Exemple 1.2.1. Tout ensemble E possède des tribus, par exemple :

– T = {∅, E} est la plus petite,
– T = P (E), est la plus grande,
– La classe des parties A de E qui sont dénombrables ou de complémentaire dénombrable,
– Dans le cas où E = R, la classe des intervalles.
Définition 1.2.3. (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 = ∅.
Proposition 1.2.1. (Stabilité par intersection des tribus) Soient E et I deux en-
sembles. 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.
Cette proposition nous permet de définir ci-après la notion de tribu engendrée.
Définition 1.2.4. (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 rempla-
çant "dénombrable" par "finie".
Définition 1.2.5. (Topologie) Une topologie sur E est une famille τ de parties de E telles
que :
1. ∅ ∈ τ , E ∈ τ
2. Si O1 , ..., On ∈ τ, alors ∩ni=1 Oi ∈ τ
3. Si O1 , ..., On ∈ τ, alors ∪ni=1 Oi ∈ τ
les éléments de τ s’appellent les ouverts de E. On dit que (E, τ ) est un espace topologique.
Définition 1.2.6. (Tribu Borélienne) Soit E muni d’une topologie (un espace métrique,
par exemple). On appelle tribu borélienne (ou tribu de Borel) la tribu engendrée par l’en-
semble des ouverts de E, cette tribu sera noté B(E). Dans le cas E = R, cette tribu est donc
notée B(R).
Proposition 1.2.2. 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.)
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 )). Il existe 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 ).
Définition 1.2.7. (Espace mesurable ou probabilisable, partie mesurable ou pro-

babilisable) 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).
Définition 1.2.8. (Mesure) Soit (E, T ) un espace mesurable. On appelle mesure une ap-
+ +
plication 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(∪n∈N An ) = m(An ) (1.2.1)
n∈N
Remarque 1.2.1. (1.) 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.
(2.) 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 1.2.1.
Définition 1.2.9. (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 1.2.10. (Probabilité) Soient E un ensemble et T une tribu sur E. On appelle

probabilité une mesure p sur T t.q. p(E) = 1.

1.3 Propriétés des mesures 14
Définition 1.2.11. (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 1.2.12. (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 = ∪n∈N An
Exemple (Mesure de Dirac) 7 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 n’appartient pas à A
δa (A) = 1, si a appartient à A
On peut remarquer que la mesure de Dirac est une probabilité.
Définition 1.2.13. (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.
1.3 Propriétés des mesures

Proposition 1.3.1. Soit (E, T, m) un espace mesuré. La mesure m vérifie les quatre pro-
priétés suivantes :
1. Monotonie : Soit A, B ∈ T, A ⊂ B, alors
m(A) ≤ m(B) (1.3.1)
2. σ-sous-additivité : Soit (An )n∈N ⊂ T, alors

X
m(∪n∈N An ) ≤ m(An ) (1.3.2)
n∈N
3. Continuité croissante : Soit (An )n∈N ⊂ T, t.q. An ⊂ An+1 , pour tout n ∈ N, alors
m(∪n∈N An ) = lim (m(An )) = sup(m(An )) (1.3.3)

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(∩n∈N An ) = lim (m(An )) = inf (m(An )) (1.3.4)

n→∞ n∈N
7. Paul Adrien Maurice Dirac, physicien britannique (19021984), qui eut des contributions fondamentales
en m´ecanique quantique et en ´electrodynamique quantique

1.3 Propriétés des mesures 15
Démonstration. La démonstration de ces propriétés est facile : elles découlent toutes du ca-
ractère positif et du caractère σ-additif de la mesure. Attention : ces propriétés ne sont pas
vérifiées par les mesures signées.
1. Monotonie. Soit A, B ∈ T, tq 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 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) = ∞).
X
2. σ-sous additivité. (An )n∈N ⊂ T. On veut montrer que m(∪n∈N An ) ≤ m(An ). On
n∈N
pose B0 = A0 et, par récurrence sur n, Bn = An \(∪n−1
i=0 Bi ) pour n ≥ 1. Par récurrence sur n
n−1 c
on montre 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 n’appartient pas à ∪n−1 n−1 c
i=0 Bi , on a alors x ∈ An ∩ (∩i=0 Bi ) = Bn .
Ceci prouve que ∪n∈N An ⊂ ∪n∈N Bn et donc, finalement, ∪n∈N An = ∪n∈N Bn . On uti-
lise maintenant la σ-additivité de m et la monotonie de m (car Bn ⊂ An ) pour écrire
X X
m(∪n∈N An ) = m(∪n∈N Bn ) = m(Bn ) ≤ m(An ).
n∈N n∈N
3. Continuité croissante. Soit (An )n∈N ⊂ T, t.q. An ⊂ An+1, pour tout n ∈ N. Par monoto-
nie de m, on a m(An+1 ) ≥ m(An ), pour tout n ∈ N, et donc lim m(An ) = sup m(An ) ∈ R+ .
n→∞ n∈N
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. La σ-additivité de m nous donne
X n
X
m(A) = m(∪n∈N An ) = m(Bn ) = lim m(Bp )
n→∞
n∈N p=0
Puis, comme An = ∪np=0 Bp , l’additivité de m (qui se déduit de la σ-additivité) nous donne

n
X
m(Bp ) = m(An ) et donc m(A) = lim m(An ).
n→∞
p=0
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 lim m(An ) = inf m(An ) ∈ R+ . On a aussi, par monotonie, m(A) ≤ m(An ), pour
n→∞ n∈N
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 n → ∞m(An0 \An ).

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

1.4 La mesure de Lebesgue sur la tribu des boréliens 16
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 que m(A) = lim m(An ).
n→∞
1.4 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. Le théorème suivant donne l’existence d’une telle application
définie seulement sur la tribu des boréliens de R, notée B(R) (Exercice B(R) 6= P (R)).
Cette application s’appelle la mesure de Lebesgue.
Théorème 1.4.1. (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
λ∗ (A) =
X
inf `(Ai ) (1.4.1)
(Ai )i∈N ∈EA
i=1
où EA est l’ensemble des familles dénombrables d’intervalles ouverts dont l’union contient A,
`(Ai ) représente la longueur de l’intervalle Ai .
Remarque 1.4.1. On peut montrer 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.
Définition 1.4.1. Soit A ∈ P (R). On pose

 
X 
λ∗ (A) = inf `(In ); (In )n∈N ∈ EA ,
 
n∈N
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 < 1.
Proposition 1.4.1. (Propriétés de λ∗ ) L’application λ∗ : P (R) → R+ (définie dans la

définition précédente) 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 ),
X
n∈N
4. λ∗ (]a, b[) = b − a pour tout (α, β) ∈ R2 t.q. −∞ < a < b < +∞.
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 que λ∗ (∅) = 0, il suffit de remarquer que (In )n∈N ∈ E∅ , avec
In = ∅, pour tout n ∈ N, et donc 0 ≤ λ∗ (∅) ≤
X
`(In ) = 0.
n∈N
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 > 0. Pour tout n ∈ N, il existe
(In,m )m∈N ∈ EAn t.q.
`(In,m ) ≤ λ∗ (An ) + /(2n ).

X
(1.4.2)
m∈N
On remarque alors que (In,m )(n,m)∈N2 est un recouvrement de A par des intervalles ouverts
et donc que :
λ∗ (A) ≤
X
`(In,m ).
(n,m)∈N2
X X
Noter que `(In,m ) = `(Iϕ(n) ), où ϕ est une bijection de N dans N2 (cette somme
(n,m)∈N2 n∈N
ne dépend pas de la bijection choisie. Avec le lemme ci dessous, on en déduit :
λ∗ (A) ≤ λ∗ (An ) + 2.

X X X
( `(In,m )) ≤
n∈N m∈N n∈N
ce qui donne bien, quand → 0,
λ∗ (A) ≤ λ∗ (An ).
X
n∈N
Propriété 4. Pour montrer la quatrième propriété. On commence par montrer :
λ∗ ([a, b]) = b − a, ∀a, b ∈ R, a < b (1.4.3)
Soit donc a, b ∈ R, a < b. Comme [a, b] ⊂]a−, b+[, pour tout > 0, on a λ∗ ([a, b]) ≤ b−a+2.
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 , ..., iq ∈ {0, ...n} t.q. ai0 < a, ..., aip+1 < bip pour tout p ∈ {0, ...q−1}, b < biq .
On en déduit que
q
X X
b−a< bip − aip ≤ `(In )
p=0 n∈N
et donc b − a ≤ λ∗ ([a, b]). Ceci donne bien (1.4.3). En remarquant que [a + , b − ] ⊂]a, b[⊂
[a, b] pour tout a, b ∈ R, a < b, et 0 < < (b − a)/2, la monotonie de λ∗ donne (avec
(1.4.3)) 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.
On introduit maintenant la tribu de Lebesgue, sur laquelle on montrera que λ∗ est une mesure.
Définition 1.4.2. (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)} . Cet
ensemble de parties de R notée L s’appelle "tribu de Lebesgue"
Remarque 1.4.2. On peut avoir une première idée de l’intérêt de la définition précédente 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 = ∅). Par récurrence sur
n
n, on a donc aussi λ∗ (A ∩ (∪ni=1 Ei )) = λ∗ (A ∩ Ei ), dès que E1 , ..., En−1 ∈ L , A, En ⊂ R
X
i=1
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
λ∗ (∪ni=1 Ei ) = λ∗ (Ei ),
X
i=1
si E1 , ..., En−1 ∈ L et Ei ∩ Ej = ∅, si i 6= j, i, j ∈ {1, ..., n}.

Remarque 1.4.3. 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 , il sffit donc de montrer que λ∗ (A) ≥
λ∗ (A ∩ E) + λ∗ (A ∩ E c ), pour tout A ∈ P (R).
Proposition 1.4.2. (Propriétés de L )

L est une tribu sur R et λ∗ |L est une mesure.
Démonstration. Il est immédiat que ∅ ∈ L et que L est stable par "passage au complémen-
taire". 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
λ∗ (A ∩ (∪ni=1 Ei )) = λ∗ (A ∩ Ei ), ∀A ∈ P (R)
X
(1.4.4)
i=1
(Cette dernière propriété donne l’additivité de λ∗ sur L en prenant A = E, cette propriété

d’additivité a déjà été signalée dans la remarque précédente)
Par une récurrence facile, il suffit de montrer que E1 ∪E2 ∈ L si E1 , E2 ∈ L et de montrer la
propriété (1.4.4) pour n = 2. Soit donc E1 , E2 ∈ L . On pose E = E1 ∪ E2 . et 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 . Pour montrer (1.4.4) 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).
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
(1.4.4).
Pour tout A ∈ P (R), on a donc :
n
λ∗ (A) = λ∗ (A ∩ (∪np=0 Fp )) + λ∗ (A ∩ (∪np=0 Fp )c ) = λ∗ (A ∩ Fp ) + λ∗ (A ∩ (∪np=0 Fp )c ) (1.4.5)
X
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 1 dans (1.4.5) 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 , 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 = ∪nn∈N En . Par monotonie de λ∗ on a, pour tout n ∈ N, λ∗ (∪np=0 Ep ) ≤ λ∗ (E) et
donc, en utilisant l’additivité de λ∗ sur L (démontrée à l’étape 1, voir (1.4.4) avec A = E),
n ∞
λ∗ (Ep ) ≤ λ∗ (E). Ce qui donne, passant à la limite quand n → ∞, λ∗ (Ep ) ≤ λ∗ (E).
X X
p=0 p=0
∞ ∞
D’autre part, λ∗ (E) ≤ λ∗ (Ep ), par σ-sous additivité de λ∗ . On a donc λ∗ (E) = λ∗ (Ep ).
X X
p=0 p=0
Ce qui prouve que λ∗ |L est une mesure.
Démonstration de la partie "existence" du théorème (1.4.1) : Pour montrer la partie "existence"

du théorème (1.4.1), il suffit, grâce aux propositions (1.4.1) et (1.4.2), de montrer que L
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 > 0. Par la définition de λ∗ (A), il existe (In )n∈N ∈ EA t.q. λ∗ (A) ≥
X
`(In ) − .
n∈N
Comme A ∩ E ⊂ (∪n∈N (In ∩ E)) et A ∩ E c ⊂ (∪n∈N (In ∩ E c )), la σ-sous additivité de λ∗
donne
λ∗ (A ∩ E) ≤ λ∗ (In ∩ E) et λ∗ (A ∩ E c ) ≤ λ∗ (In ∩ E c )
X X
n∈N n∈N
c
Comme In ∩ E et In ∩ E sont des intervalles, la fin de la démonstration de la proposition
(1.4.1) donne λ∗ (In ∩ E) = `(In ∩ E) et λ∗ (In ∩ E c ) = `(In ∩ E c ). On en déduit λ∗ (A ∩ E) +
λ∗ (A ∩ E c ) ≤
X X
(`(In ∩ E) + `(In ∩ E c )) = (`(In ) (car `(In ∩ E) + `(In ∩ E c ) = `(In )) et
n∈N n∈N
donc λ∗ (A ∩ E) + λ∗ (A ∩ E c ) ≤ λ∗ (A) + . Quand → 0 on trouve l’inégalité recherchée. On
a bien montré que E ∈ L .
Remarque 1.4.4. Nous avons vu que la mesure de Lebesgue, notée λ, est 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 et λ(A) = +∞.
Remarque 1.4.5. 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 , est une mesure. Puis, nous avons démontré
que B(R) ⊂ L et obtenu ainsi, en prenant la restriction de λ∗ à B(R) la mesure que nous

1.5 Exercices 21
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, car
l’espace mesuré (R, L , λ∗|L ) est simplement le complété de (R, B(R), λ∗|BR ).
On donne maintenant une propriété, spécifique à la mesure de Lebesgue, qui est à la base de
toutes les formules de changement de variable pour l’intégrale de Lebesgue.
Proposition 1.4.3. (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 ∈ A ∈ B(R),
2. λ(αA + β) = |α|λ(A) pour tout A ∈ B(R).
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 8 ,
K, qui est une partie compacte non dénombrable de [0, 1], vérifiant λ(K) = 0,
Définition 1.4.3. (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. Il est facile de voir que T est
une tribu sur I et que la restriction de λ (définie dans le théorème précédent) à T est une
mesure sur T, donc sur les boréliens de I. On note toujours par λ cette mesure.
1.5 Exercices
1.5.1 Énoncés
1. Rappel : Pour une famille d’ensemble (An )n∈N , on note ∩n≥0 An = {x : ∀n, x ∈ An } et
∪n≥0 An = {x : ∃n, tq x ∈ An }
– (a) Déterminer ∩n≥0 ]1, 1 + 1/(n + 1)].
– (b) Déterminer ∩n≥0 ]1, 2 + 1/(n + 1)].
– (c) Déterminer ∩n≥0 ]1 − 1/(n + 1), 2].
– (d) Soit f : R → R, x 7→ x2 . Déterminer f −1 (∪n≥0 [1/(n + 1), +∞[) .
2. Soit A1 , ..., An une partition de R. Montrer que A = {∪i∈I Ai : I ⊂ (1, ..., n)} est une
tribu. (A est constitué de toutes les réunions possibles d’ensembles Ai .)
3. Soit Card : P (N) → [0, +∞] A 7→ Card(A) = le nombre déléments de A. Montrer que
Card est une mesure sur (N, P (N)).
8. Georg Ferdinand Cantor, mathématicien allemand (1845 -1918), fondateur de la théorie des ensembles
et découvreur des nombres transfinis.

1.5 Exercices 22
4. On se donne un espace mesurable (E, A ).

– (a) Soit x ∈ E, on note δx : A → [0, +∞], B 7→ δx (B) = 1 si x ∈ B et égale à 0
sinon. Montrer que δx est une mesure sur (E, A ). (Cette mesure s’appelle la mesure
de Dirac en x.)
– (b) Soient x1 , ..., xk des éléments distincts de E et p1 , ..., pk ∈ R∗+ . On note µ : A →
X
[0, +∞], B 7→ µ(B) = pi δxi (B). Montrer que µ est une mesure sur (E, A ).
1≤i≤k
5. – (a) Soit x ∈ R, calculer λ({x}) (utiliser la propriété de croissance).
– (b) Soit x0 , x1 , x2 , ... ∈ R, calculer λ(∪n≥0 {xn }) (utiliser la propriété de sous-additivité).
– (c) En déduire que λ(Q) = 0. Calculer λ([0, 1] \ Q).
1.5.2 Corrigés
1. – (a) ∩n≥0 ]1, 1 + 1/(n + 1)] = car 1 ∈/∩n≥0 ]1, 1 + 1/(n + 1)] et ∀x 6= 1, ∃n tel que
x ∈/]1, 1 + 1/(n + 1)] et donc x ∈/∩n≥0 ]1, 1 + 1/(n + 1)]
– (b) ∩n≥0 ]1, 2 + 1/(n + 1)] =]1, 2]
– (c) ∩n≥0 ]1 − 1/(n + 1), 2] = [1, 2]
– (d) ∪n≥0 [1/(n + 1), +∞[=]0, +∞[ donc f −1 (∪n≥0 [1/(n + 1), +∞[) = f −1 (]0, +∞[) =
R∗ .
2. On rappelle que A1 , ..., An partition de Rsignifie que les ensembles Ai sont 2 à 2 disjoints
et que A1 ∪ ...An = R.
– A 3 A1 ∪ ...An = R.
– Soit ∪i∈I Ai ∈ A , (∪i∈I Ai )c = ∪i∈/I Ai ∈ A .
– Si on fait une réunion dénombrable d’éléments de A
G
∪n≥0 (∪i∈In Ai ) = Ai ∈ A .
[i∈∪n≥0 In ]
3. – (a) Remarque : δx s’appelle la mesure de Dirac en x.

– δx est bien une fonction de A dans [0, +∞]
– δx (∅) = 0 car x ∈/∅.
– Si on a des éléments 2 à 2 disjoints de A : A0 , A1 , .... δx (∪n≥0 An ) = 1 si x ∈
∪n≥0 An etδx (∪n≥0 An ) = 0 sinon alors δx (∪n≥0 An ) = 1 si ∃n tel que x ∈ An et
X
δx (∪n≥0 An ) = 0 sinon, donc δx (∪n≥0 An ) = δx (An ).
n≥0
car les An sont 2 à 2 disjoints (et donc au plus un seul d’entre eux contient x, c’est
à dire au plus un seul d’entre eux est tel que δx (An ) = 1).
– (b) On remarque que ∀i, δxi est une mesure par la question précédente.
– µ est bien une fonction de A dans [0, +∞]
X
– µ(∅) = pi δxi (∅) = 0
1≤i≤k

1.5 Exercices 23
– Si on a des éléments 2 à 2 disjoints de A : A0 , A1 , ... :

X
µ (∪n≥0 An ) = pi δxi (∪n≥0 An )
1≤i≤k
X X
= pi δxi (An )
1≤i≤k n≥0
X X
= pi δxi (An )
n≥0 1≤i≤k
X
= µ(An ).
n≥0
4. – (a) ∀ > 0, {x} ⊂ [x, x + ] donc λ({x}) ≤ λ([x, x + ]) = . Donc λ({x}) = 0.
X
– (b) λ(∪n≥0 {xn }) ≤ λ({xn }) = 0 par la question précédente.
n≥0
– (c) Q est dénombrable donc on peutécrire Q = {x0 , x1 , ..., xn , ...} donc λ(Q) = 0 par
la question précédente. Nous avons λ([0, 1]) < ∞ donc, par une proposition du cours,
λ([0, 1]/Q) = λ([0, 1]) − λ(Q) = 1.

Chapitre 2
Fonctions mesurables, variables aléatoires
2.1 Introduction
Nous allons, dans ce chapitre, introduire différents outils nécessaires à la définition de l’in-
tégrale de Lebesgue. De la même manière que les fonctions en escalier ont été introduites
lors de la définition de l’intégrale de Riemann, nous introduisons maintenant le concept de
fonction étagée sur un espace mesurable (E, T ).
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 es-
pace 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 ci-dessus).
2. 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 borêlien de F (c’est-à-dire G ∈ B(F ), B(F )
étant la tribu engendrée par les ouverts 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 )}.
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 2.1.1. Topologie et tribu de Borel sur R R = R+ ∪ ∞
+
1. Soit O ⊂ R . O est un ouvert si pour tout a ∈ O on a :

2.2 Fonctions étagées 25
(a) Si 0 < a < 1, alors il existe ∈ R∗+ t.q. ]a − , a + [⊂ 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 que B ∈ B(R ) si et seulement si B ∩ R ∈ B(R) (B(R) est la tribu de Borel sur
R).
2.2 Fonctions étagées

Définition 2.2.1. (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
caractéristiques mesurables, c’est-à-dire s’il existe une famille finie (Ai )i=1,...,n ⊂ T et n réels
n
X
a1 , ..., an tels que f = ai 1Ai .
i=1
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 2.2.1. (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 (ai , Ai )i=1,...,n ⊂ R∗+ × T t.q. 0 < a1 < ... < an ,
n
X
Ai 6= ∅, pour tout i, Ai ∩ Aj = ∅, si i 6= j, et f = ai 1Ai .
i=1
Lemme 2.2.2. Soit (E, T, m) un espace mesuré et soit f ∈ E + une fonction étagée positive
n
X p
X
non nulle, t.q. f = ai 1Ai et f = bi 1Bi où a1 , ..., an , b1 , ..., bp sont des réels strictement
i=1 i=1
positifs, (Ai )i=1,...,n ⊂ T 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 :
n
X p
X
ai m(Ai ) = bj m(Bj ) (2.2.1)
i=1 j=1
Enfin, on conclut ce paragraphe en remarquant que E est un espace vectoriel sur R.

2.3 Fonctions mesurables et variables aléatoires 26
Proposition 2.2.1. (Structure vectorielle de E ) Soit (E, T ) un espace mesurable, l’en-

semble des fonctions étagées, E , est un espace vectoriel sur R. De plus, si f, g ∈ E , on a aussi
fg ∈ E.
Démonstration. Soit f, g ∈ E et soit α, β ∈ R. On utilise la décomposition de f et g donnée

n
X m
X
dans le lemme précédent. Elle donne f = ai 1Ai et g = bj 1Bi . Comme les familles
i=0 j=0
n X
X m
(Ai )i∈{0,...,n} et (Bj )j∈{0,...,m} forment des partitions de E , on a : f = ai 1Ai ∩Bj et
i=0 j=0
m X
X n n X
X m
g = bj 1Ai ∩Bj , de sorte que αf + βg = (αai + βbi )1Ai ∩Bj , ce qui montre que
j=0 i=0 i=0 j=0
αf + βg ∈ E , et donc que E est un espace vectoriel. D’autre part, on remarque aussi que
n X
X m
fg = ai bi 1Ai ∩Bj , ce qui montre que f g ∈ E .
i=0 j=0
2.3 Fonctions mesurables et variables aléatoires

Afin d’étendre le concept d’intégrale à une classe de fonctions plus générale que celle des fonc-
tions 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 2.3.1. (Fonction mesurable) Soient (E, T ) un espace mesurable et F un en-

semble 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 } 1 contient B(F ), (Exo : TD sur les tribus image
directe et image réciproque.) En l’absence d’ambiguïté possible on dira "mesurable" au lieu
de "T-mesurable".
Remarque 2.3.1. Une fonction étagée est toujours mesurable.

En effet, soit (E, T ) un espace mesurable. Soit f ∈ E (donc f est une application de E dans
n
X
R). Il existe (A0 , ..., An ), partition de E, et a0 , ..., an ∈ R t.q. f = ai 1Ai et Ai ∈ T pour
i=0
tout i ∈ {0, ..., n}. Pour tout B ⊂ R, on a donc f −1 (B) = ∪{i, ai ∈B} Ai ∈ T. Ce qui prouve
1. Si f est une bijection, f −1 désigne aussi la bijection réciproque F → E de f. Mais il n’y a pas (encore)
d’ambiguité puisque les arguments de ces deux applications ne sont pas de même nature : des parties de F
dans le premier cas et des éléments de F dans le second. Le problème est que, pour simplifier, on note souvent
f −1 (y) à la place de f −1 ({y}) ⊂ E, et il faut alors comprendre ce qu’on lit...

2.3 Fonctions mesurables et variables aléatoires 27
que f est mesurable de E dans R. Noter que si f ∈ E + , on a donc aussi f mesurable de E

+
dans R .
La terminologie probabiliste utilise les termes "variable aléatoire" ou "élément aléatoire" (au
lieu de "fonction mesurable" ou "application mesurable").
Définition 2.3.2. (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, τ ) deux espaces probabilisables. Une fonction X, définie de E dans F,
est un élément aléatoire si c’est une fonction (T, τ )-mesurable (c’est-à-dire si X −1 (A) ∈ T,
pour tout A ∈ τ ). Lorsque F est un espace vectoriel, on dit que X est une variable aléatoire
vectorielle ou un "vecteur aléatoire".
Définition 2.3.3. (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 2.3.4. (Loi de probabilité et fonction de répartition d’une variable

aléatoire )
Soient (E, T, p) un espace probabilisé, X une variable aléatoire de (E, T, p) dans (R, B(R)),
on appelle loi de probabilité de la variable aléatoire X la probabilité pX image de p par X,
définie sur B(R). On appelle fonction de répartition de la variable aléatoire X la fonction de
répartition de la loi de probabilité pX .
Dans de nombreux cas, les modèles probabilistes seront déterminés par une loi de probabilité
d’une variable aléatoire.
Définition 2.3.5. (Variable aléatoire discrète, entière, continue)

Soient (E, T, p) un espace probabilisé, 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.
3. Si la fonction de répartition FX définie de R dans [0, 1] est continue, on dit que la variable
aléatoire est continue.
Définition 2.3.6. (espaces M et M+ )

Soit (E, T ) un espace mesurable, on note :
• M (E, T ) = {f : E → R, mesurable},

2.4 Caractérisation de la mesurabilité 28
• M+ (E, T ) = {f : E → R+ , mesurable}.
En l’absence d’ambiguïté, on notera M = M (E, T ) et M+ = M+ (E, T ).
2.4 Caractérisation de la mesurabilité

Proposition 2.4.1. (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 :
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, ∞[).
Proposition 2.4.2. (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, +∞]) = ∪n∈N fn−1 (]α, +∞]) (2.4.1)
Comme fn est mesurable, pour tout n ∈ N, 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) ∈ [ , [ avec p ∈ {0, ..., n2n − 1}
fn (x) = 2n 2n 2n
 n si f (x) ≥ n
de sorte que
n −1
n2X
p
fn = n1{x∈E, f (x)≥n} + 1 p p+1
p=0
2n {x∈E, f (x)∈[ 2n , 2n [}

2.4 Caractérisation de la mesurabilité 29
p p+1
Comme f ∈ M+ , on a {x ∈ E, f (x) ≥ n} ∈ T et {x ∈ E, f (x) ∈ [ , [} ∈ T pour tout
2n 2n
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 :
1
Premier cas. On suppose f (x) < ∞. On a alors, pour n ≥ f (x), |f (x) − fn (x)| ≤ . On a
2n
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}
i i+1 i
t.q. f (x) ∈ [ n+1 , n+1 ]. On a alors fn (x) = n ≤ n+1 = fn+1 (x).
2 2 2
Troisième cas. On suppose f (x) < n. Il existe alors p ∈ {0, ..., n2n − 1} t.q. f (x) ∈
p p+1 2p 2(p + 1) 2p 2(p + 1) p 2p
[ n , n [= [ n+1 , [. Si f (x) ∈ [ n+1 , [, on a fn (x) = n = n+1 =
2 2 2 2n+1 2 2n+1 2 2
2p + 1 2(p + 1) p 2p + 1
fn+1 (x). Si f (x) ∈ [ n+1 , [, on a fn (x) = n < n+1 = fn+1 (x). On a toujours
2 2n+1 2 2
fn (x) ≤ fn+1 (x).
On a bien ainsi construit (fn )n∈N∗ ⊂ E+ t.q. fn ↑ f quand n → ∞.
Proposition 2.4.3. (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 . 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 + . Donc il existe (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, on a (hn )n∈N ∈ E .
Proposition 2.4.4. (Stabilité de M et M + ) Soit (E, T ) un espace mesurable.

1. Soit I ⊂ N.
Soit (fn )n∈I ⊂ M + , alors sup fn ∈ M + et inf fn ∈ M + .
n∈I n∈I
Soit (fn )n∈I ⊂ M . Si sup fn prend ses valeurs dans R, alors sup fn ∈ M . De même, si inf fn
n∈I n∈I n∈I
prend ses valeurs dans R, alors inf fn ∈ M .
n∈I
2. Soit (fn )n∈N ⊂ M + , alors lim sup fn ∈ M + et lim inf fn ∈ M + .
n→∞ n→∞

2.5 Convergence p.p et convergence en mesure 30
Soit (fn )n∈N ⊂ M . Si lim sup fn prend ses valeurs dans R, alors lim sup fn ∈ M . De même,
n∈N n∈N
si lim inf fn prend ses valeurs dans R, alors lim inf fn ∈ M .
n∈N n∈N
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 .
Proposition 2.4.5. (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 → ∞.
2.5 Convergence p.p et convergence en mesure

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.
Définition 2.5.1. (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 .
En l’absence de confusion possible, on remplace m − p.p. par p.p.
Définition 2.5.2. (Convergence presque partout) Soient (E, T, m) un espace mesuré,

F un ensemble, (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).
Noter que la convergence simple entraîne la convergence presque partout.
Définition 2.5.3. (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 > 0, il existe A ∈ T t.q. m(A) ≤ et fn converge uniformément vers f sur
Ac .
La convergence presque uniforme entraîne la convergence presque partout
Définition 2.5.4. (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∞ = 1.

2.6 Exercices 31
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.
Définition 2.5.5. (Convergence essentiellement uniforme) Soit (E, T, m) un espace

mesuré, (fn )n∈N une suite de M et f ∈ M . On dit que fn converge essentiellement unifor-
mément vers f (fn → f ess. unif. ) si kfn − f k∞ → 0 lorsque n → +∞.
Il est facile de voir que la convergence essentiellement uniforme entraîne la convergence

presque uniforme, mais la réciproque est fausse. 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 2.5.1. (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 > 0, il existe
A ∈ T tel que m(A) ≤ et fn converge uniformément vers f sur Ac . (Autrement dit, la suite
(fn )n∈N converge presque uniformément vers f.)
Définition 2.5.6. (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 :
∀ > 0, lim m({x ∈ E, |f (x) − fn (x)| ≥ }) = 0

n→+∞
2.6 Exercices
2.6.1 Enoncés
1. 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).
2. Soit f une application de R dans R. On munit R (au départ et à l’arrivée) de la tribu
borélienne
– (a) On suppose f continue. Montrer que f est mesurable (on dit aussi que f est
borélienne).
– (b) On suppose f croissante. Montrer que f est mesurable.
3. On munit R de sa tribu borélienne. La fonction 1Q est-elle mesurable ?
4. – (a) 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.
– (b) 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).
5. Soient (E, T, m) un espace mesuré, (fn )n∈N une suite de fonctions mesurables de E
dans R.

2.6 Exercices 32
– (a) Montrer que s’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.]
– (b) 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.
– (c) 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 ⊂ M ,
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 > 0,
il existe n0 et k0 ∈ N tels que, si n ≥ n0 et k ≥ k0 , on a m ({x ∈ E, |fn (x)| ≥ k}) ≤ .]
6. Donner un contre-exemple au résultat précédent lorsque m(E) = +∞.
2.6.2 Corrigés
1. 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).
2. – (a) 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 engendre B(R), on en déduit
que f est mesurable (on utilise ici la caractérisation de la mesurabilité donnée au
cours).
– (b) 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 au cours).
3. Oui, la fonction 1Q est mesurable. En effet, si A ∈ B(R) (et même si A ∈ P (R)), on a
1−1
Q (A) = ∅, ou R ou Q ou R \ Q (selon que 1 et 0 appartiennent ou non à A). Comme
ces 4 ensembles sont des boréliens, on en déduit que 1Q est borélienne (c’est-à-dire
mesurable de R dans R quand R est muni de sa tribu borélienne).
4. – (a) 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

2.6 Exercices 33
0 < β − α = λ(]α, β[) ≤ λ(O). On suppose maintenant que f = g λ p.p., il existe

A ∈ B(R) tel que 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.
– (b) 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) tel que 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).
5. – (a) 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} , {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)| +
δ δ
|fn (x) − g(x)|. On en déduit |f − fn | ≤ ∩ |fn − g| ≤ ⊂ {|f − g| ≤ δ} et
2 2
donc, en passant au complémentaire,
δ δ

{|f − g| > δ} ⊂ |f − fn | > ∪ |fn − g| > . (2.6.1)
2 2
Par sous additivité de m, on a donc
δ δ

m ({|f − g| > δ}) ≤ m |f − fn | > +m |fn − g| > .
2 2
En passant à la limite quand n → +∞, on en déduit m({|f − g| > δ})= 0. On re-
1
marque maintenant que {x ∈ E, f (x) 6= g(x)} = {|f − g| > δ} = ∪n∈N∗ |f − g| >
n
∞
1
X
et donc, par σ−sous additivité de m, on obtient m ({x ∈ E, f (x) 6= g(x)}) ≤ m |f − g| > =
n=1
n
0 et donc f = g p.p..
– (b) Soit δ > 0. En reprenant la démonstration de (2.6.1), on montre que
δ δ

{|f + g − (fn + gn )| > δ} ⊂ |f − fn | > ∪ |g − gn | > .
2 2
Par sous additivité de m, ceci donne
δ δ

m ({|f + g − (fn + gn )| > δ}) ≤ m |f − fn | > +m |g − gn | >
2 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 → +∞.
– (c) Pour k ∈ N et n ∈ N, la démonstration de (2.6.1) donne ici
6. .

Chapitre 3
Fonctions intégrables
3.1 Introduction
À la fin du XIXe siècle, il apparut que l’intégrale de Riemann (celle qui est enseignée dans
les cours de calcul différentiel) devrait être remplacée par une intégrale plus flexible et plus
générale. Après plusieurs tentatives, c’est celle de Henri Lebesgue qui se montra la plus
féconde.
Soit (E, A , µ) un espace mesuré. Qu’est-ce que l’intégrale d’une fonction mesurable f : E →
R? La mesure d’une partie mesurable A de E peut être interprétée comme l’intégrale de la
fonction indicatrice de A :
Z
1A dµ := (A).
Par linéarité, on prolonge immédiatement la définition de l’intégrale pour toute fonction

"étagée". Puisque toute fonction mesurable f est limite simple d’une suite de fonctions étagées
fn , il ne reste qu’ à prendre, pour l’intégrale de f , la limite des intégrales des fn . Sauf que...
cette méthode conduit à une notion d’intégration incohérente (pourquoi ? 1 ). Le miracle est
qu’l suffit de définir l’intégrale des fonctions par limite croissante, du moins si l’on se restreint
aux fonctions positives. Il ne reste alors qu’à étendre la définitions aux fonctions de signe
quelconque, par différence, quand cela est possible.
3.2 Intégrale d’une fonction étagée positive

Définition 3.2.1. (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
1. L’intégrale des fn n’a généralement pas de limite et, même à supposer que cette limite existe, elle dépend
de la suite d’approximations étagées choisie. Par exemple, 0 est la limite simple des fonctions fn = 1[n,∞[ ,
mais on ne voudrait pas définir l’intégrale de la fonction nulle comme la limite des intégrales des fn , qui valent
toutes ∞. On retrouve ici la pathologie qui mettait en défaut la propriété de continuité extérieure d’une mesure
quand celle-ci n’est pas finie. Pire, 0 est aussi la limite des fonctions gn = (−1)n 1[n,∞[ , mais les intégrales des
gn valent alternativement +∞ et −∞, donc n’ont pas de limite !

3.2 Intégrale d’une fonction étagée positive 35
(Ai )i=1,...,n ⊂ T une famille de parties disjointes deux à deux (i.e. t.q. Ai ∩ Aj = ∅ si i 6= j) et
n
X
n réels a1 , ..., an strictement positifs tels que f = ai 1Ai . On définit l’intégrale de f, qu’on
i=1
Z Z n
X
note f dm, par : f dm = ai m(Ai ), avec la convention 0 × ∞ = 0. D’autre part, si
Z i=1
f = 0, on pose f dm = 0.
Si, plus généralement, X est un borelien de R, l’intégrale de Lebesgue de f sur X est :

Z Z n
X
f dm = f.1X dm = ai m(Ai ∩ X).
X R i=1
Z
On dit que f est intégrable (au sens de Lebesgue) sur X si : f dm < +∞.
Z X
On notera aussi l’intégrale f dm(x). Remarques.
R
Remarque 3.2.1. Graphiquement, l’intégrale de f sur R est donc tout simplement l’aire
du domaine compris entre l’axe des abscisses et la fonction f.
La valeur de l’intégrale peut donc être +∞. Ceci n’est pas génant, on dira simplement que
la fonction n’est pas intégrable au sens de Lebesgue.
Par contre, on s’est restreint aux fonctions positives afin d’eviter des situations probléma-
tiques de type ∞ − ∞. On verifie que la valeur de l’integrale est indépendante du fait
que f est écrite sous forme canonique ou non.
Exemple
Z
3.2.1. 1. La fonction f = 1[0,+∞[ est une fonction simple mesurable
Z
positive et
f dm = +∞. Elle n’est donc pas intégrable sur R. Par contre f dm = 1, donc
R [0,1]
elle est intégrable sur [0, 1].
Z
2. La fonction f = 2.1[0,2] est une fonction simple mesurable positive et f dm = 4. Elle
Z R
est intégrable sur R. Elle l’est aussi sur [0, 1], avec f dm = 2.
[0,1]
Proposition 3.2.1. (Propriétés de l’intégrale sur E+ ) Soient f , g et h ∈ E+ , α et

β ∈ R∗+ , et E, E1 et E2 alors : Z Z
– Positivité : Si f ≤ g sur E, alors f dm ≤ gdm.
E
Z EZ
– Positivité (bis) : Si E1 ⊆ E2 , alors f dm ≤ f dm.
Z E
Z1 E2
Z
– Si E1 ∩ E2 = ∅, alors f dm = f dm + f dm.
Z E1 ∪E2 E1 E2
– Si f = 0, alors f dm = 0.
E Z
– Si E est négligeable, alors f dm = 0.
E Z Z Z
– linéarité positive : αf + βg ∈ E+ , et (αf + βg)dm = α f dm + β gdm,
E E E

3.3 Intégrale d’une fonction mesurable positive 36
Remarque 3.2.2. La fonction de Peano donne un exemple de fonction Lebesgue intégrable

non Riemann intégrable. Sur X = [0, 1], f = 1Q∩[0,1] est simple, puisqu’elle ne prend que
deux valeurs, et mesurable, puisque l’ensemble des rationnels de [0, 1] est un borelien (union
dénombrable de points, qui sont des boreliens) et que son complémentaire l’est aussi. Par
ailleurs, un ensemble dénombrable de points est de mesure de Lebesgue nulle, donc par la
propriete ci-dessus :
Z
1Q∩[0,1] dm = 0.
R
Ainsi cette fonction est intégrable d’intégrale nulle au sens de Lebesgue, alors qu’elle n’est
pas Riemann intégrable.
3.3 Intégrale d’une fonction mesurable positive

Maintenant qu’on a défini l’intégrale pour les fonctions simples positives, on peut passer aux
fonctions mesurables positives.
Définition 3.3.1. (Intégrale sur M+ ) Soient (E, T, m) un espace mesuré, et f ∈ M+ .

D’après la proposition 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+ ) (3.3.1)
n→∞
On a aussi la caractérisation suivante, parfois bien utile, de l’intégrale d’une fonction mesu-
rable positive à partir d’intégrales de fonctions étagées positives.
Z Z
Lemme 3.3.1. Soient (E, T, m) un espace mesuré et f ∈ M+ , alors f dm = sup gdm, g ∈ E+ , g ≤ f .
Z
On dit que f est intégrable si f dm < +∞.
Démonstration. Soit (fnZ)n∈N ⊂ E+ telleZ que fn ↑ f quand n → ∞. La monotonie de l’inté-

grale sur E+ donne que fn dm = sup{ gdm, g ∈ E+ , g ≤ fn }. 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 }
Z Z Z
La définition de f dm donne alors : f dm ≤ sup{ gdm, g ∈ E+ , g ≤ f }. Pour montrer
Z
l’inégalité inverse, soit g ∈ E+ t.q. g ≤ f. Comme fn ↑ f, le lemme ?? donne gdm ≤
Z Z Z Z
lim fn dm = f dm. On a donc sup{ gdm, g ∈ E+ , g ≤ f } ≤ f dm.
n→∞

3.4 Convergence monotone et lemme de Fatou 37
Proposition 3.3.1. (Critère d’intégrabilité) Soit f et g mesurables telles que 0 ≤ f ≤ g,

alors :
Z Z
0≤ f dm ≤ gdm ≤ +∞.
En particulier, si g est intégrable, alors fl’est aussi.
Lemme 3.3.2. Soit (E, T, m) un espace mesuré.

1. Soit f ∈ M+ et A ∈ T. On note f 1A Z∈ M+ la fonction
Z définie par f 1A (x) = f (x) si
c
x ∈ A et f 1A (x) = 0 si x ∈ A . On définit f dm par f 1A dm. On suppose que m(A) = 0.
Z A
Alors, f dm = 0.
A Z Z
2. Soit f, g ∈ M+ t.q. f = g p.p.. Alors, f dm = gdm.
Z
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 laZfonction indicatrice de

l’ensemble A . On a évidemment f 1A ≤ IA et donc, par monotonie, f 1A dm = 0.
2. Soit f, g ∈ M+ t.q. Z Soit A ∈ T t.q. m(A) = 0 et fZ1Ac = g1Ac .ZOn a donc
Z f = g p.p..
f 1Ac , g1Ac ∈ M+ et f 1Ac dm = g1Ac dm. D’autre part, comme f 1A dm = g1A dm =
Z Z Z Z Z
0, on a aussi, par linéarité positive f dm = f 1Ac dm + f 1A dm = f 1Ac dm (et de
Z Z
même pour g). Donc, f dm = gdm.
Z Z
3. Soit f ∈ M+ t.q. f = 0 p.p.. Alors f dm = 0dm = 0.
3.4 Convergence monotone et lemme de Fatou

Théorème 3.4.1. (Convergence Monotone (1)) Soit (E, T, m) un espace mesuré et soit
(fn )n∈N ⊂ M+ t.q. fn+1 (x) ≥ fn (x), pour tout n ∈Z N et tout Zx ∈ E. On pose, pour tout
x ∈ E, f (x) = lim fn (x) ∈ R+ . Alors f ∈ M+ et fn dm → f dm lorsque n → ∞.
n→∞
Z Z
Démonstration. 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, ce qui donne f ∈ M+ .
Puis, par monotonie de l’intégrale sur M+ , on a
Z Z
lim fn dm ≤ f dm (3.4.1)
n→∞
Il reste donc à montrer que : Z Z

lim fn dm ≥ f dm (3.4.2)
n→∞

3.4 Convergence monotone et lemme de Fatou 38
Pour montrer 3.4.2), 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
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) = lim gp (x) ∈ R+ (car la suite (gp (x))p∈N est
p→∞
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 = sup fn,p ≤ fp .
n≤p
Les points 1 à 3 ci dessus donnent
Z (gp )p∈N ∈ E
Z+ et gp ↑ f quand p → ∞. Donc, la définition
de l’intégrale sur M+ donne f dm = lim gp dm. Le point 4 donne (par monotonie de
Z Z p→∞ Z Z Z
l’intégrale sur M+ ) gp dm ≤ fp dm, on en déduit f dm = lim gp dm ≤ lim fp dm.
Z Z p→∞ p→∞
Finalement, on obtient bien f dm = lim fp dm.

p→∞
Remarque 3.4.1. – Ce résultat est encore appelé Théorème de Beppo Levi. 2

– La valeur commune ci-dessus est eventuellement +∞, auquel cas la limite simple f des fn
n’est pas intégrable. Par exemple, prendre fn = 1[0,n] .
– Le résultat est encore valable si on se place sur un borélien E de R.
– On peut donc passer la limite sous le signe somme avec la seule hypothèse de convergence
simple des fn , hypothèse moins forte que celles vues en chapitre 1 pour l’intégrale de
Riemann (convergence uniforme et intervalle d’intégration borné).
Corollaire 3.4.1. (Séries à termes positifs ou nuls) Soient (E, T, m) un espace mesuré,
∞
X
(fn )n∈N ⊂ M+ , on pose, pour tout x ∈ E, f (x) = fn (x)(∈ R+ ). Alors f ∈ M+ et
n=0
Z ∞ Z
X
f dm = fn dm.
n=0
On énonce maintenant un résultat d’usage surtout théorique : il servira notamment à prouver
le théorème de convergence dominée de Lebesgue en section suivante.
2. Beppo Levi, mathématicien italien (18751961)

3.5 L’espace L1 des fonctions intégrables 39
Lemme 3.4.1. (Fatou) 3 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).
n→∞ n→∞ p≥n
Remarque 3.4.2.
Z 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 )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".
3.5 L’espace L1 des fonctions intégrables

Soit f ∈ M , alors f = f + − f − , avec f + = max(f (x), 0), f − = − min(f +
Z ) (x) ∈
Z (x), 0) = (−f
M+ et |f | = f + + f − , la monotonie de l’intégrale sur M+ donne f + dm ≤ |f |dm et
Z Z
f − dm ≤ |f |dm.
Définition 3.5.1. (Intégrale d’une fonction de signe quelconque) Soit f : E → R une

fonction mesurable. On dit que f est intégrable si f + et f − le sont, son intégrale étant alors :
Z Z Z
f dm = +
f dm − f − dm.
E E E
Ceci va nous permette de définir l’espace L 1 et l’intégrale sur L 1 à partir de l’intégrale sur
M+
Définition 3.5.2. (Espace L 1 et Intégrale de Lebesgue) Soient (E, T, m) un espace

mesuré
Z et f ∈ M . On dit que f est intégrable
Z (ou intégrable
Z au sens de Lebesgue) si
+ −
|f |dm < ∞. Dans ce cas, on a aussi f dm < ∞ et f dm < ∞. On pose alors :
Z Z Z
f dm = f + dm − f − dm (∈ R) (3.5.1)
On note LR1 (E, T, m) (ou plus simplement L 1 ) l’ensemble des fonctions intégrables sur R.
Z Z Z
Soit f ∈ M , la linéarité positive de l’intégrale sur M + donne |f |dm = f + dm+ f − dm.
Z Z
On voit donc que f ∈ L 1 si et seulement si f + dm < ∞ et f − dm < ∞.
Proposition 3.5.1. (Propriétés de L 1 et de l’intégrale sur L 1 ) Soit (E, T, m) un

espace mesuré. On a alors :
1. L 1 est un espace vectoriel
Z sur R.
2. L’application f 7→ f dm est une application linéaire de L 1 dans R.
3. Pierre Joseph Louis Fatou, mathématicien et astronome français (18781929), célèbre pour ses nombreuses
contributions en analyse, ainsi qu’en dynamique complexe.

3.5 L’espace L1 des fonctions intégrables 40
Z Z
3. Monotonie : soient f et g ∈ L 1 telles que f ≤ g, alors f dm ≤ gdm
Z Z
4. Pour tout f ∈ L 1 , f dm ≤ |f |dm.
Définition 3.5.3. (Semi-norme sur L 1 ) Soient (E, T, m) un espace mesuré et f ∈ L 1 .

On pose :
Z
kf k1 = |f |dm
L’application de L 1 dans R+ définie par f 7→ kf k1 est une semi-norme sur L 1 .
Z (E, T, m) un espace mesuré.

Proposition 3.5.2. Soit
1. Soit f ∈ M+ . Alors f dm = 0 si et seulement si f = 0 p.p..
2. Soit f ∈ L 1 . Alors kf k1 = 0 si et seulement
Z si Zf = 0 p.p..
1
3. Soit f, g ∈ L t.q. f = g p.p.. Alors f dm = gdm.
On conclut cette section par une proposition préliminaire au théorème de convergence domi-
née.
Proposition 3.5.3. Soit (E, T, m) un espace mesuré. Soit (fn )n∈N ⊂ L 1 , f ∈ M et g ∈ L 1

1
Z n ∈ N, |fn | ≤ g p.p.. On a alors f ∈ L ,
t.q. fn → f p.p., quand n → ∞, Zet, pour tout
kfn − f k1 → 0, quand n → ∞ et fn dm → f dm, quand n → ∞.
On définit maintenant une relation d’équivalence, notée (= p.p.), sur L 1 par : f (= p.p.)g si
f = g p.p.
Définition 3.5.4. (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 = L 1 /(= p.p.).
Remarque 3.5.1. Un élément de L1 est donc une partie de L 1 .

2. Si f ∈ L1 , on note fe = {g ∈ L 1 , g = f p.p.} fe est donc un élément de L1 , c’est l’élément
de L1 auquel f appartient (on l’appelle la classe de f ).
Définition 3.5.5. (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.}.
Définition 3.5.6. (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

3.6 Théorème de convergence dominée dans L1 41
On rappelle que si f ∈ L 1 , 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.
3.6 Théorème de convergence dominée 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 3.6.1. (Beppo-Lévi) Soient (E, T, m) un espace mesuré et (fn )n∈N ⊂ L1R (E, T, m).
On suppose que :
1. fn+1 ≥ fn p.p., ∀n ∈ N, [oufn+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 ∈ LR1 (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 .
Théorème 3.6.2. (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 fZ ∈ L1 (au sens "il existe g ∈ LR1 (E, T, m) t.q. f = g p.p.") 1
Z et fn → f Zdans L (c’est-
à-dire |fn − f |dm → 0 lorsque n → ∞). Ceci donne aussi fn dm → f dm, lorsque
n → ∞.
3.7 Continuité et dérivabilité sous le signe somme

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 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 en TD) suivant :

3.7 Continuité et dérivabilité sous le signe somme 42
Z
Lemme 3.7.1. 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 ).
Théorème 3.7.1. (Séries absolument convergentes dans L1 ) Soit (E, T, m) un espace

X
mesuré. Soit (fn )n∈N ⊂ L1 t.q. kfn k1 < ∞, alors :
n∈N
n
X
1. ∃F ∈ L1 , fp ≤ F p.p., pour tout n ∈ N.
p=0
2. La série de terme général fn (x) est, pour presque tout x ∈ E, convergente (dans R). On
X
définit f par f (x) = fn (x) (de sorte que f est définie p.p.).
n∈N
n
X
3. f ∈ L1 (au sens "il existe g ∈ LR1 (E, T, m) t.q. f = g p.p." ) et fp → f dans L1 et
p=0
p.p., quand n → ∞.
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 (3.7.1)
et on note F l’application définie de R dans R par :

Z Z
F (t) = f (., t)dm = f (x, t)dm(x) (3.7.2)
Z
Théorème 3.7.2. (Continuité sous ) Soient (E, T, m) un espace mesuré, f une fonc-
tion de E × R dans R vérifiant l’hypothèse (3.7.1) 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
Z |f (., t)| ≤ GZ p.p., pour tout t ∈]t0 − ε, t0 + ε[. 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 à la suite (fn )n∈N . Il donne F (tn ) → F (t0 ) quand n → ∞.
Théorème 3.7.3. (Dérivabilité sous R) Soient (E, T, m) un espace mesuré, f une fonc-
tion de E × R dans R vérifiant l’hypothèse (3.7.1) 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

3.8 Les espaces Lp , avec 1 ≤ p < ∞ 43
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 :
∂f
Z
0
F (t0 ) = (x, t0 ) dm(x) (3.7.3)
∂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
∂f
car fn → (., t0 ) p.p., quand n → ∞, et, si x ∈ Ac et n ∈ N, il existe θx,n ∈]0, 1[ t.q.
∂t
∂f
fn (x) = (x, θx,n t0 + (1 − θx,n )tn ) (grâce au théorème des accroissements finis) et donc
∂t
∂f
|fn | ≤ G p.p., pour tout n ∈ N. Le théorème de convergence dominée donne alors (., t0 ) ∈
∂t
∂f
Z Z
L1 et fn dm → (., t0 )dm. Ceci étant vrai pour toute suite (tn )n∈N ⊂]t0 − ε, t0 + ε[, t.q.
∂t
tn → t0 lorsque n → ∞ et tn 6= t0 pour tout n ∈ N∗ , on en déduit bien que F est dérivable
en t0 et
∂f
Z
0
F (t0 ) = (x, t0 )dm(x)
∂t
3.8 Les espaces Lp , avec 1 ≤ p < ∞

Soient (E, T, m) un espace mesuré, 1 ≤ p < ∞ et f ∈ M (c’est-à-dire f : E → R, mesurable).
On remarque que |f |p ∈ M+ , car |f |p = ϕ ◦ f où ϕ est la fonction
Z 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 3.8.1. (Les espaces L p ) Soient (E, T, m) un espace mesuré, 1 ≤ p < ∞ et f

une fonction définie de E dans R, mesurable.
Z (On a donc |f |p ∈ M+ .)
1. On dit que f ∈ L p = LRp (E, T, m) si |f |p dm < ∞. On pose alors :
Z 1/p
p
kf kp = |f | dm (3.8.1)
Z
2. On dit que f n’appartient pas à L p si |f |p dm = ∞ et on pose alors kf kp = ∞.
Définition 3.8.2. (Les espaces Lp ) Soient (E, T, m) un espace mesuré et 1 ≤ p < +∞.

3.8 Les espaces Lp , avec 1 ≤ p < ∞ 44
1. On définit l’espace LpR (E, T, m) comme l’ensemble des classes d’équivalence des fonc-
tions de L p pour la relation d’équivalence (= pp). En l’absence d’ambiguïté 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 co-
hérente car ne dépend pas du choix de f dans F. On rappelle aussi que F = fe =
{g ∈ L p , tq g = f p.p.} .)
Proposition 3.8.1. Soient (E, T, m) un espace mesuré et 1 ≤ p < ∞. Alors :

1. LRp (E, T, m) est un espace vectoriel sur R.
2. LpR (E, T, m) est un espace vectoriel sur R.
1 1
Lemme 3.8.1. (Inégalité de Young) Soient a, b ∈ R+ et p, q ∈]1, +∞[ t.q. + = 1.
p q
Alors :
ap bq
ab ≤ + (3.8.2)
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 1
Soit a, b > 0 (les autres cas sont triviaux). On prend t = (de sorte que (1 − t) = ),
p q
ap bq
θ1 = p ln(a) et θ2 = q ln(b). On obtient bien ab ≤ +
p q
Lemme 3.8.2. (Inégalité de Hölder) Soient (E, T, m) un espace mesuré et p, q ∈]1, +∞[
1 1
t.q. + = 1. Soient f ∈ L p et g ∈ L q . Alors, f g ∈ L 1 et
p q
kf gk1 ≤ kf kp kgkq (3.8.3)
Le même résultat est vrai avec Lp , Lq et L1 au lieu de L p , L q et L 1 .
Lemme 3.8.3. (Inégalité de Minkowski) Soient (E, T, m) un espace mesuré et 1 ≤ p <

∞. Soient f, g ∈ L p . Alors, f + g ∈ L p et :
kf + gkp ≤ kf kp + kgkp (3.8.4)
Le même résultat est vrai avec Lp au lieu de L p .

3.9 Exercices 45
3.9 Exercices
3.9.1 Enoncés
1. Calculer les limites

Z +∞ suivantes :
n2 + 1
– (a) lim 2 2
dx
Z 1 x n +1
n→+∞ 1
1 1
– (b) lim √ sin( )dx
n→+∞ 0 x nx
x n
Z 1
– (c) lim 1− dx
n→+∞ 0
Z +∞ n
x n
– (d) lim sin( ) dx
n→+∞ −∞ n x(1 + x2 )
Z +∞ 2n (x)e−|x|
– (e) lim e1+cos dx
n→+∞ −∞
Z +∞
x
– (f) lim arctan( )e−x dx
n→+∞ 0 n
2. Soit µ la mesureZ de comptage (Card) sur (N, P (N)). Pour toute suite positive (un )n≥0 ,
X
on a : un = un µ(dn).
n≥0 N
 !
X 1 1
– (a) Calculer lim  1− 
k→+∞ 3n k(n + 1)
n≥0 
X sin n
k
– (b) Calculer lim  n
k→+∞
n≥0
2
3. – (a) Montrer que ∀ z ≥ 0, 0 ≤ 1 − e−z ≤ z.
2
1 − ex y
– (b) En déduire que ∀ y > 0, x 7→ est intégrable sur [0, +∞[.
x2
– (c) Pour tout y > 0, on pose
2
1 − ex y
Z +∞
F (y) = dx.
0 x2
Montrer que F est dérivable sur ]0, +∞[. Calculer F 0 (y). On rappelle que
Z +∞ √
−x2 π
e dx = .
0 2
– (d) En déduire F (y) à une constante près.
1
– (e) Calculer cette constante en regardant lim F ( ).
n→+∞ n
!k
X 1 2n2 + 6n + 1
4. On considère pour n ≥ 0 la série un,k avec un,k = 2 + 5n + π
.
k≥0
k! n
– (a) Montrer que cette série est convergente (∀n ≥ 0). On notera In sa limite.
– (b) Calculer lim In .
n→+∞
3.9.2 Corrigés
1. – (a)

3.9 Exercices 46
n2 + 1 n2 + 1 2
– Pour tout x ≥ 1, 2 2
≤ 2 2
≤ 2 qui est intégrable sur [1, +∞[.
x n +1 x n x
n2 + 1 1
– Pour tout x ≥ 1, 2 2 →n→+∞ 2 . Donc, par théorème de convergence
x n +1 x
dominée,
n2 + 1
Z ∞ Z ∞
1
2 2
dx →n→+∞ = [−1/x]+∞
1 = 1.
1 x n +1 1 x2
– (b)
1 1
– ∀x ∈ ¸]0, 1], √ sin(1/nx) ≤ √ , qui est intégrable sur [0, 1]
x x
Z 1
1 1
– ∀x ∈ ¸]0, 1], √ sin(1/nx) →n→+∞ 0 donc par convergence dominée lim √ sin(1/nx)dx =
x n→+∞ 0 x
0.
– (c) n
x

– ∀x ∈ ¸[0, 1], 1− ≤ 1 et la fonction constante égale à 1 est intégrable sur
n
[0, 1].
x n x

– On a ∀x ∈ ¸[0, 1], 1 − = exp n log 1 − ) = exp(n(−x/n + o(1/n))) = exp(−x + o(1)) →
n n
par continuité de la fonction exponentielle. Donc par convergence dominée,
Z 1 n Z 1
x
1− dx →n→+∞ = e−x dx = 1 − e−1 .
0 n 0
– (d)
x n 1
– ∀x ∈ R, sin( ) 2
≤ qui est une fonction intégrable sur ] −
n x(1 + x ) (1 + x2 )
∞, +∞[,
x n 1
– ∀x ∈ R, sin( ) 2
→n→+∞ car sin(u) ∼u→0 u donc par conver-
n x(1 + x ) (1 + x2 )
gence dominée,
x n 1
Z Z
lim +∞
−∞ sin( ) dx →n→+∞ −∞+∞ dx = arctan(x)|+∞
−∞ = π.
n→+∞ n x(1 + x2 ) (1 + x2 )
– (e)
2n (x)e−|x| ≤e2−|x|
– ∀x ∈ R, e1+cos qui est une fonction intégrable sur R.
1+cos2n (x)e−|x| →n→+∞ e1−|x|
– Pour p.t. x ∈ R, e donc par convergence dominée,
Z +∞ R +∞ 1−|x|
1+cos2n (x)e−|x| dx= e dx=2e1 .
lim e −∞
n→+∞ −∞
– (f)
– ∀x ≥ 0, arctan(x/n)e−x ≤ (π/2)e−x qui est une fonction intégrable sur [0, +∞[.
– Pour tout x ≥ 0, arctan(x/n)e−x →n→+∞ 0 donc par convergence dominée,
Z +∞
lim arctan(x/n)e−x dx = 0.
n→+∞ 0

3.9 Exercices 47
!
1 1 1
2. – (a) Pour tout n, k, 0 ≤ n 1− ≤ n qui est le terme général d’une série
3 k(n + 1) 3
!
1 1 1
convergente. Pour tout n, n 1 − →k→+∞ n donc par convergence
3 k(n + 1) 3
dominée :
 !
X 1 1 X 1 3
lim  1− = = .
k→+∞
n≥0
3n k(n + 1) n≥0
3n 2
sin(n/k) 1
– (b) Pour tout n, k, ≤ n qui est le terme général d’une série convergente.
2n 2
sin(n/k)
Pour tout n, →k→+∞ 0 donc par convergence dominée :
2n
X sin(n/k)
lim = 0.
k→+∞
n≥0
2n
Z z Z z
3. – (a) 0 ≤ 1 − e−z = e−t dt ≤ dt = z
0 0
2
1 − e−x y 1
– (b) Par la question précédente, ∀y > 0, 0 ≤ 2
≤ y et ≤ 2 donc 0 ≤
2 2
x x
1 − e−x y 1 1 − e−x y
≤ inf(y, 2 ) donc x 7→ est intégrable
x2 x x2
– (c) Soit > 0,
2
1 − e−x y
– ∀y > , x 7→ est intégrable
x2 2
1 − e−x y
– ∀x > 0 (et donc pour presque tout x ≥ 0), y 7→ est dérivable
2
! x2
∂ 1 − e−x y 2 2 2
– ∀x > 0, ∀y > , 2
= e−x y et |e−x y | ≤ e−x qui est intégrable sur
∂y x
[0, +∞[ Donc (théorème de dérivation sous le signe intégrale) F est dérivable sur
], +∞[ et F 0 vaut :
Z +∞
0 2
F (y) = e−x y dx.
0
Cela est vrai ∀ > 0 donc cette dérivée est valable pour tout y √ ∈]0, +∞[. Par
Z +∞
√ 1 2 π
changement de variable (u = yx), F 0 (y) = √ e−u du = √ .
y 0 2 y
√
– (d) On en déduit F (y) = πy + C pour une certaine constante C.
2
1 − e−x /n
Z +∞
– (e) F (1/n) = fn (x)dx avec fn (x) = . Pour tout x > 0, fn (x) →n→+∞
0 x2
2
0. Pour tout x > 0, |fn (x)| ≤ inf(1, 1/x ) (voir question 1). Donc, par théorème de
convergence dominée :
F (1/n) →n→+∞ 0,
donc C = 0.

3.9 Exercices 48
2n2 + 6n + 1 6k
4. – (a) Pour n ≥ 0, 0 ≤ ≤ 6. Donc 0 ≤ u n,k ≤ et cette dernière
n2 + 5n + π k!
quantité est le terme général d’une série convergente (quand on somme sur k)(série
X
exponentielle). Donc un,k est convergente.
k≥0
– (b) In peut être vue comme une intégrale par rapport à la mesure de comptage sur
N.
– Pour tout k, un,k →n→+∞ 2k /k!.
– Pour tout k, un,k ≤ 6k /k! qui est sommable.
X
Donc par théorème de convergence dominée, In →n→+∞ 2k /k! = e2 .
k≥0

Chapitre 4
Produit d’espaces mesurés
4.1 Introduction
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)?
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 . 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 .
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? (4.1.1)
Une réponse à cette question est apportée par le théorème de Fubini, que nous verrons dans
ce chapitre.

4.2 Mesure produit 50
4.2 Mesure produit

Définition 4.2.1. 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 ).
Théorème 4.2.1. (Mesure produit) Soient (E1 , T1 , m1 ) et (E2 , T2 , m2 ) deux espaces me-
surés 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 ) < ∞.
(4.2.1)
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 (4.2.1).

Z 1, que, pour tout x1 ∈ E1 , on a 1A (x1 , .) ∈ M+ (E2 , T2 ).
Soit A ∈ T. On va montrer, à l’étape
On pourra donc poser fA (x1 ) = 1A (x1 , .)dm2 , pour tout x1 ∈ E1 . L’application fA sera
donc une application Zde 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 (4.2.1) 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 x∈ 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 n’appartient pas à A1 . On remarque ensuite que Θ est
une tribu. En effet :
• ∅ ∈ Θ car S(x1 , ∅) = ∅ ∈ T2 ,
• 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
(4.2.2)

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 T ⊂ Σ 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 ,).
Si A ∈ A , il existe donc (A(p) )p=1,...,n ⊂ T1 ×T2 t.q. A(p) ∩A(q) = ∅, si p 6= q et A = ∪np=1 A(p) .
n
X n
X
On a alors fA (x1 ) = m2 (S(x1 , A)) = m2 (S(x1 , A(p) )) = fA(p) ∈ M+ (E1 , T1 ) car
p=1 p=1
A(p) ∈ 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 (4.2.3)
et
(A(n) )n∈N ⊂ Σ, A(n) ⊃ A(n+1) ∀n ∈ N ⇒ ∩n∈N A(n) ∈ Σ (4.2.4)
Pour montrer (4.2.3), soit (A(n) )n∈N ⊂ Σ t.q. A(n) ⊂ A(n+1) pour tout n ∈ N. On pose
A = ∪n∈N A(n) . Soit x1 ∈ E1 . On a alors (S(x1 , A(n) ))n∈N ⊂ T2 (par l’étape 1, car Σ ⊂ T ),
S(x1 , A(n) ) ⊂ S(x1 , A(n+1) ) 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)) = sup m2 (S(x1 , A(n) )) et donc
n∈N
que fA = sup fA(n) . Ce qui prouve que fA ∈ M+ (E1 , T1 ) car fA(n) ∈ M+ (E1 , T1 ) pour tout
n∈N
n ∈ N. On a donc A = ∪n∈N A(n) ∈ Σ. La démonstration de (4.2.4) 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
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.
(n) (n)
Pour n ∈ N, on définit alors la mesure m2 par m2 (A2 ) = m2 (A2 ∩ Fn ) pour tout A2 ∈ T2 .
(n)
La mesure m2 est finie, l’étape 1 et la première partie de l’étape 2 donne donc que, pour tout
(n) (n) (n)
A ∈ T, fA ∈ M+ (E1 , T1 ) où fA est définie par (4.2.2) avec m2 au lieu de m2 (c’est-à-dire
(n) (n) (n)
fA (x1 ) = m2 (S(x1 , A)) pour tout x1 ∈ E1 ). 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 (4.2.5)

Etape 3. Dans cette étape, on montre que m, définie par (4.2.5), est une mesure sur T et
que m vérifie (4.2.1) 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

X
La σ-additivité de m2 donne alors m2 (S(x1 , A)) = m2 (S(x1 , A(n) )), c’est-à-dire fA (x1 ) =
X n∈N
fA(n) (x1 ). Le théorème de convergence monotone donne alors :
n∈N
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 (4.2.1). Soient A1 ∈ T1 et A2 ∈ T2 t.q. m1 (A
Z 1 ) < ∞ 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)
Il reste à vérifier que m est σ-finie. Comme m1 et m2 sont σ-finies, il existe (B1 )n∈N ⊂ T1
(n) (n) (n) (n)
et (B2 )n∈N ⊂ T2 t.q. E1 = ∪n∈N B1 , E2 = ∪n∈N B2 et, pour tout n ∈ N, m1 (B1 ) < ∞
(n) (n) (m)
et m2 (B2 ) < ∞. Pour (n, m) ∈ N2 , on pose Cn,m = B1 × B2 , de sorte que E =
(n) (m)
∪(n,m)∈N2 Cn,m et m(Cn,m ) = m1 (B1 ) × m2 (B2 ) < ∞. Comme N2 est dénombrable, on en
déduit que m est σ-finie.
Unicité de m.
Soit m et µ deux mesures sur T vérifiant (4.2.1). Pour montrer que m = µ. 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 (4.2.1), on a m = µ sur C. Puis, comme m1 et m2
sont σ-finies, il existe deux suites (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 d’éléments 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 ) < ∞. Ce qui donne m = µ sur T et termine la démonstration
du théorème.

4.3 Théorème de Fubini et conséquences 53
4.3 Théorème de Fubini et conséquences

Théorème 4.3.1. (Fubini 1 -Tonelli 2 ) Soient (E1 , T1 , m1 ) et (E2 , T2 , m2 ) des espaces me-
surés 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. ϕ
Zf
∈ M+ (E , T ),
Z 1 1 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.

A ∈ T. La partie "existence
Etape 1. Soit f = 1A , Z Z de m" de la démonstration du théorème
(4.2.1) 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 . Le théorème (4.2.1) donne que S(x1 , A) ∈ T2 pour tout
Z 1 , .) ∈ M+ (E2 , T2 ). Ceci donne le premier résultat (pour f = 1A ).
x1 ∈ E1 , et donc f (x
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 (4.2.1)). L’étape 2 de la démonstration du
théorème (4.2.1) donne que ϕf ∈ M+ (E1 , T1 ). Ceci donne le deuxième résultat (pour f = 1A )
de la conclusion du théorème. Z
On a alors posé, dans la démonstration du théorème (4.2.1), m(A) = ϕf dm1 et l’étape 3
a montré que m était une mesure sur T vérifiant (4.2.1) (et la seule mesure sur T vérfiant
(4.2.1), d’apès la partie "unicité" de la démonstration du théorème (4.2.1)). Ceci donne le
troisième résultat (pour f = 1A ) de la conclusion du théorème.
Pour avoir le quatrième résultat (pour f = 1A ) de la conclusion du théorème, il suffit de
remarquer que l’on peut inverser les rôles de m1 et m2 dans la démonstration du théorème.
Z obtient ainsi que f (., x2 ) ∈ M+ (E1 , T1 ) pour tout x2 ∈ E2 . On pose alors f (x2 ) =
On
f (., x2 )dm1 . On obtient que f ∈ M+ (E2 , T2 ).
1. Guido Fubini, mathématicien italien (18791943), principalement connu pour son théorème d’intégration
sur les espaces produits, ainsi que pour sa découverte de la métrique de Fubini-Study en géométrie kählérienne.
2. Leonida Tonelli, mathématicien italien (18851946), connu pour sa première version du théorème ci-
dessous, ainsi que pour ses travaux fondamentaux en calcul des variations, sur la semi-continuité de la fonc-
tionnelle d’action.

4.3 Théorème de Fubini et conséquences 54
Z
Enfin, on pose m(A)
e = f dm2 et on obtient que m
e est une mesure sur T vérifiant (4.2.1).
La partie "unicité" de la démonstration du théorème (4.2.1) donne alors que m = m,
e ce qui
est exactement le quatrième résultat (pour f = 1A ) de la conclusion du théorème.
Etape 2. On prend maintenant f ∈ E+ (E, T ). Il existe donc a1 , ..., an ∈ R∗+ et A1 , ..., An ∈ T
n
X
t.q. f = ai 1Ai .
i=1
n
X
On a alors, pour tout x1 ∈ E1 , f (x1 , .) = ai 1Ai (x1 , .) ∈ M+ (E2 , T2 ) car l’étape 1 donne
i=1
1Ai (x1 , .) ∈ M+ (E2 , T2 ) pour tout i. Z
Ce qui donne le premier résultat de la conclusion du théorème. On pose ϕf (x1 ) = f (x1 , .)dm2
n
X
pour tout x1 ∈ E1 . On a ϕf ∈ M+ (E1 , T1 ) car ϕf = ai ϕ1Ai et que ϕ1Ai ∈ M+ (E1 , T1 )
i=1
pour tout i (d’après l’étape 1). Ce qui donne le deuxième résultat de la conclusion du théo-
rème. Enfin, on utilise la linéarité de l’intégrale et l’étape 1 pour f = 1Ai , on obtient :
 
Z n
X n
X Z Z Xn
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 résultat de la conclusion du théorème.

Pour avoir le quatrième résultat de la conclusion du théorème, 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 1 résultat). Z
Le théorème de convergence monotone (pour m2 ) donne que ϕfn (x1 ) = fn (x1 , .)dm2 ↑
Z
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 2 résultat). 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 → ∞.
Z Z Z Z
L’étape 2 donne fn dm = ϕfn dm1 , on en déduit donc que f dm = ϕf dm1 . Ce qui
donne le troisième résultat de la conclusion du théorème.
Enfin, ici encore, pour avoir le quatrième résultat de la conclusion du théorème, il suffit de
changer les rôles de m1 et m2 .

4.4 Cas de la mesure de Lebesgue sur R 55
4.4 Cas de la mesure de Lebesgue sur R

Nous commençons par comparer l’intégrale de Lebesgue (définie sur (R, B(R), λ)) à l’inté-
grale "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 4.4.1. Soit −∞ < a < b < +∞. Soit f ∈ C([a, b], R). Alors, f ∈ LR1 ([a, b], B([a, b]), λ)
Z b
et f dλ = f (x)dx (cette dernière intégrale est à prendre au sens de l’intégrale des fonctions
a
continues).
Remarque 4.4.1. 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 ∈ L 1 (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 (4.4.1)
a
Cette notation est justifée par la proposition précédente (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.).
2. Soient −∞ < a < b < +∞. et f ∈ C([a, b], R). La proposition précédente donne que f ∈
LR1 ([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 est {g ∈ LR1 ([a, b], B([a, b]), λ)), g =
f p.p.}. On peut d’ailleurs noter que f est alors le seul élément continu de {g ∈ LR1 ([a, b], B([a, b]), λ)), g =
f p.p.}. comme le montre la proposition suivante
Proposition 4.4.2. Soient −∞ ≤ a < b ≤ +∞ et f, g ∈ C(]a, b[, R). On suppose que

f = gλ − p.p. On a alors f (x) = g(x) pour tout x ∈ [a, b].
Proposition 4.4.3. Soit f ∈ Cc (R, R) (fonction continue à support compact). Alors f ∈

LR1 (R, B(R), λ). (Ici aussi, on écrira souvent f ∈ L1R (R, B(R). De plus, si a, b ∈ R sont t.q.
Z Z b
c
a < b et f = 0 sur [a, b] (de tels a et b existent). Alors, f dλ = f (x)dx (cette dernière
a
intégrale étant à prendre au sens de l’intégrale des fonctions continues).
Démonstration. On remarque d’abord que f est borélienne car continue. Puis, pour montrer
que f est intégrable, on va utiliser la proposition (4.4.1). Comme f est à support compact, il
existe a, b ∈ R t.q. a < b et f = 0 sur [a, b]c .
On a Zalors, par Zla proposition (4.4.1), f |[a,b] ∈ C([a, b], R) ⊂ LR1 ([a, b], B([a, b]), λ). On a
donc |f |dλ = |f |[a,b] |dλ < ∞ et donc f ∈ LR1 (R, B(R), λ). Enfin, la proposition (4.4.1)
donne aussi :
Z Z b
f |[a,b] dλ = f (x)dx.
a

4.5 Exercices 56
Z Z b
D’où l’on conclut bien que f dλ = f (x)dx. Le résultat précédent se généralise à l’in-
a
tégrale de Riemann des fonctions Riemann-intégrables (construite à partir des sommes de
Darboux 3 ).
4.5 Exercices
4.5.1 Enoncés
1. – (a) Montrer que pour tout y > 0

Z ∞
1 π 1
dx = √ .
0 (1 + y)(1 + x2 y) 2 y(1 + y)
– (b) Montrer que :
!
π2
Z ∞ Z ∞
1
dx dy = .
0 0 (1 + y)(1 + x2 y) 2
– (c) Montrer que pour tout x > 0, x 6= 1 :
Z ∞
1 2 log(x)
2
dy = 2 .
0 (1 + y)(1 + x y) x −1
– (d) En déduire que :
π2
Z ∞
2 log(x)
dx = .
0 x2 − 1 4
Z +∞ √
2 π
2. On rappelle que : e−x dx = . En utilisant le changement de variable u = x+y,
0 2
v = x − y, calculer :
Z
2 2
e−(x+y) e−(x−y) dxdy.
R×R
3. Soit f : R2∗ → R, définie par

x2 − y 2
f (x, y) = .
(x2 + y 2 )2
– (a) Montrer que
Z 1 Z 1 ! Z 1 Z 1 !
f (x, y)dx dy 6= f (x, y)dy dx.
−1 −1 −1 −1
1 1
[Indication : On trouve la primitive de 2 2
en intégrant par parties .]
n (1 + t ) o 1 + t2
– (b) Pour 0 < ≤ 1 et S = (x, y) ∈ R2 , ≤ x2 + y 2 ≤ 1 , calculer
Z
|f |dλ2 .
S
[Indication : Utiliser les coordonnées polaires.]

– (c) En déduire que la question 1. n’est pas en contradiction avec le théorème de
Fubini-Tonnelli.
3. Jean-Gaston Darboux, mathématicien français (1842-1917), spécialiste de géométrie différentielle et
d’analyse

4.5 Exercices 57
4.5.2 Corrigés
1. – (a)
Z ∞ " #+∞
1 1 1 √
dx = √ arctan(x y) 0
0 (1 + y)(1 + x2 y) (1 + y) y
π 1
= √
2 y(1 + y)
– (b)
Z ∞Z ∞ Z ∞
1 π 1
dxdy = √ dy
0 0 (1 + y)(1 + x2 y) 0 2 y(1 + y)
Z ∞
π 1
= 2du
0 2 1 + u2 )
= π [arctan(u)]+∞
0
π2
= ,
2
1 √
où l’on a fait un changement de variable en u = y, du = √ dy.
2 y
– (c) Pour tout x > 0, x 6= 1, on a par décomposition en éléments simples :
!
x2
Z ∞ ∞
1 1 1
Z
dy = − dy
0 (1 + y)(1 + x2 y) 1 − x2 0 1 + y 1 + x2 y
1 h 2
i+∞
= log(1 + y) − log(1 + x y)
1 − x2 0
1 1
= log( 2 )
1 − x2 x
2 log(x)
= .
1 − x2
Z ∞
1 2 log(x)
– (d) Par Fubini-Tonelli et puisque 2
dy = 2 pour p.t. x ∈
0 (1 + y)(1 + x y) x −1
[0, +∞[ :
Z ∞Z ∞ ∞ Z ∞
1 1
Z
dxdy = dydx
0 0 (1 + y)(1 + x2 y) 0 0 (1 + y)(1 + x2 y)
π 2 Z ∞
2 log(x)
= dx
2 0 x2 − 1
π2
Z ∞
log(x)
= dx.
4 0 x2 − 1
2. Changement de variable :
u+v

 x=
( 
u=x+y 2
⇒
v =x−y  y = u − v.

2

4.5 Exercices 58
u+v u−v
L’application : φ : R2 → R2 (u, v) 7→ ( , ) est bijective. On calcule le jacobien
2 2
(c’est à dire que l’on écrit dans une matrice les dérivées partielles de φ en u et v) :
!
1/2 1/2
J(u, v) =
1/2 −1/2
On fait le changement de variable dans l’intégrale et on utilise Fubini-Tonelli :
Z Z
−(x+y)2 −(x−y)2 2 2
e e dxdy = e−u e−v | det(J(u, v))|dudv
R×R R×R
1
Z
2 2
= e−u e−v dudv
2 R×R
1√
Z
2
= π e−u du
2 R
π
= .
2
3. – (a)
Z 1 Z 1 ! Z 1 1
−x
f (x, y)dx dy = dy
−1 −1 −1 x + y2
2
−1
Z 1
−2
= 2
dy
−1 1 + y
= −2 arctan(y)|1−1 = −π.
comme x 7→ f (x, y) est intégrable sur [−1, 1] pour y 6= 0. De même,

Z 1 Z 1 ! Z 1 1
y
f (x, y)dy dx = dy
−1 −1 −1 x + y2
2
−1
Z 1
2
= 2
dy
−1 1 + x
= 2 arctan(y)|1−1 = π.
Puisque π 6= −π, le résultat en découle.

– (b) On pose x = r cos t, y = r sin t. Ceci définit un C 1 −difféomorphisme entre
√
[ , 1] × [0, 2π[ et S avec | det J| = r. Donc (où l’on utilise le théorème de Tonelli
pour la troisième égalité)
Z Z
|f |dλ2 = √ |f (r cos t, r sin t)|dλ2
S [ ,1]×[0,2π[
cos2 t − sin2 t
Z
= √ | |rdλ2
[ ,1]×[0,2π[ r2
Z Z
= √ r−1 dr |cos(2t)|dt
[ ,1] [0,2π[
√
= 4 ln(r)|1√ = −4 ln( ),
puisque par symétrie

π
Z Z
|cos(2t)|dt = 8 cos(2t)dt = 4 sin(2t)|04 = 4.
[0,2π[ [0, π4 [

4.5 Exercices 59
Z
– (c) D’après la question 2, lim |f |dλ2 = +∞. Ainsi kf k1 = +∞ et f ∈/L1 (B(0, 1)),
→0 S
donc f ∈/L1 ([−1, 1]2 ). Comme l’intégrabitité de f est une des hypothèses du théorème
de Fubini, celui-ci ne s’applique pas.

Annexe A
Exercices supplémentaires
Ê E X E RC I C E 1.(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, 1A (x) = 0, si
x3A
1A est appelée fonction caractéristique de A.
1. Montrer que si A et B sont deux sous-ensembles disjoints de E, alors 1A∪B = 1A + 1B .
2. En déduire que si (An )n∈N est une suite de sous-ensembles de E deux à deux disjoints,
X X
on a 1An = 1∪n∈N An (on précisera aussi le sens donné à 1An ).
n∈N n∈N
3. Montrer que si B ⊂ A ⊂ E, on a 1A−B = 1A − 1B
4. Montrer que, pour A et B sous-ensembles de E, on a 1A−B = 1A 1B .
5. 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.
Ê E X E RC I C E 2. (Limites sup et inf d’ensembles) Soit (An )n∈N une suite de parties
d’un ensemble E. On note
lim inf An = ∪n∈N ∩p≥n Ap , et lim sup An = ∩n∈N ∪p≥n Ap

n→∞ 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. Calculer lim inf An et lim sup An
n→∞ n→∞
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 , et lim inf An ⊂ lim sup An .

n→∞ n→∞ n→∞
Ê E X E RC I C E 3.(Caractérisation d’une tribu) Soit E un ensemble.

Soit T une partie de P (E) stable par union dénombrable, stable par passage au complémen-
taire et t.q. ∅ ∈ T.

Exercices supplémentaires 61
1. Montrer que T est une tribu, c’est-à-dire qu’elle vérié aussi E ∈ T et qu’elle est stable
par intersection dénombrable.
2. L’ensemble des parties finies de E est-il une tribu ?
Ê E X E RC I C E 4.(Tribu engendrée) 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 .
Ê E X E RC I C E 5. (Tribus images) 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.
n o
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).
n o
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)).
Ê E X E RC I C E 6. Soit (Ω; Σ) un espace mesurable (i.e. un ensemble Ω muni d’une tribu

Σ ⊂ P (Ω)). Soit µ une mesure sur (Ω; Σ). Montrer les propriétés suivantes : (A, B, Ai sont
des éléments de de Σ)
k
X
1. Si A1 , A2 , ..., Ak sont deux à deux disjoints, alors µ(∪ki=1 Ai ) = µ(Ai ).
i=1
2. Si B ⊂ A alors µ(A\B) = µ(A) − µ(B).
3. Monotonie : Si B ⊂ A alors µ(B) ≤ µ(A).
4. Principe inclusion-exclusion : µ(A ∪ B) = µ(A) + µ(B) − m(A ∩ B).
Ê E X E RC I C E 7. (Classes monotones) Soit E un ensemble. Pour Σ ⊂ P = (E), on dit

que Σ est une classe monotone (sur E) si on a (la stabilité par union croissante dénombrable
et par intersection décroissante dénombrable)
1. Soit Σ ⊂ P (E). Montrer que Σ est une tribu si et seulement si Σ est une classe
monotone et une algèbre.
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.
X 1 π2
Ê E X E RC I C E 8.On rappelle que = .
n≥1
n2 6
1. On considère l’application m : P (N) → [0, +∞] définie pour tout A ∈ P (N) par :



 0 si A = ∅,


1
 X
m(A) = si A est un ensemble fini,
 n∈A n2



+∞ si 0 ∈ A ou si A est un ensemble infini.


Notons encore An = {n} . Déterminer m(An ) pour tout n ∈ N.

X
2. Que vaut m(An ) ?
n≥1
3. Déterminer ∪n≥1 An , puis m (∪n≥1 An ) . m est-elle une mesure sur (N, P (N)) ?
Ê E X E RC I C E 9. Pour n ∈ N∗ on considère la fonction f : [0, 1] → R définie par
fn (x) = n1] 1
,1[ (x).
n+1 n
1. Montrer que la suite (fn )n converge presque partout vers la fonction nulle.
2. Etudier la convergence de la suite (fn )n dans Lp pour p ∈ [1, +∞].
Ê E X E RC I C E 10. Soient (E, Σ, µ) un espace mesuré, f une fonction de L1 (E, Σ, µ) et
(fn )n≥1 une suite de L1 (E, Σ, µ) telle que
Z Z
lim fn dµ = f dµ.
n→∞ E E
– Montrer que si pour tout n ≥ 1 la fonction fn est positive et si la suite (fn )n≥1 converge
µ-presque partout vers f, alors (fn )n≥1 converge vers f dans L1 . On pourra considérer
gn = min(f, fn ).
On considère maintenant l’espace (R, B(R), µ) et la suite définie par
fn = n1]0,1/n[ − n1].1/n,0[ .
Z
– Montrer que (fn )n≥1 converge vers 0 et que lim fn dµ = 0.
n→∞ R
p
– La suite (fn )n≥1 converge-t-elle vers 0 dans L , p ∈ [1, +∞[ ?
Ê E X E RC I C E 11. Soit f la fonction dèfinie sur ]0, +∞[ par
1
f (x) =
x (1 + | ln x|)2
1. Montrer que f ∈ L1 (]0, 1]).

2. Soit p ∈]1, +∞]. Montrer que f /∈Lp (]0, 1]).

3. Soit p ∈ [1, +∞]. Montrer que f ∈ Lp ([1, +∞[).
Ê E X E RC I C E 12. Soit (E, T, m) un espace mesuré tel que m(E) < +∞.Soit également
1 ≤ p < q < +∞.
1. Montrer que
L∞ (E) ⊂ Lq (E) ⊂ Lp (E) ⊂ L1 (E).
2. Montrer sur un exemple que l’hypothèse m(E) < +∞ est indispensable.

3. La première question permet de définir l’injection : i : Lq → Lp tq f 7→ f. Montrer que
cette injection est continue pour les normes k.kq et k.kp .

Annexe B
Examens
Faculté des Mathématiques et de l’Informatiques et des Sciences de la Matière
Département de Mathématiques Le 19/01/2011.
3ème année Maths. Licence. Durée 2 h, 08h30–
10h30
Examen de Mesure et Intégration.
QU E S T I O N S DE C O U RS
Soit (E, T, m) un espace mesuré. Montrer que m vérifie les deux propriétés suivantes :
1. Monotonie : Soit A, B ∈ T, A ⊂ B, alors m(A) ≤ m(B).
X
2. σ-sous-additivité : Soit (An )n∈N ⊂ T, alors m(∪n∈N An ) ≤ m(An )
n∈N
E X E RC I C E 1.
Soient (E, T ) = P (E) un espace mesurable et a ∈ E. On définit l’application


 1, si a ∈ A
ma : T → {0, 1}, A 7→ ma (A) =
 0, si a ∈
/ A.
– Montrer que ma est une mesure sur (E, T ).
– Montrer que ma est σ-finie.
– Déterminer les ensembles de EZ négligeables pour ma .
– Soit f ∈ M+ (E, T ). Calculer f dma .
E
Indication : E = {a} ∪ {a}c .
E X E RC I C E 2.

Examens 65
Soit B(R) la tribu des boréliens de R. Soit m une mesure sur B(R) telle que pour tout
intervalle I et x ∈ R on ait m(I) = m(I + x) (avec I + x = {a + x, a ∈ I}) et m([0, 1]) = 1.
1. Montrer que pour tout x ∈ R, m({x}) = 0 (i.e. m est diffuse).
1 1 p p
2. Montrer que m([0, [) = et m([0, [) = , (On pourra découper [0, 1[ en q intervalles de
q q q q
1
longueur .
q
3. En déduire que m est la mesure de Lebesgue sur B(R).
E X E RC I C E 3.
(I) Soit (E, T ) un espace mesurable et (mk )k∈N une suite de mesures positives définies sur T.
X
Montrer que mk définit une mesure positive sur T.
k≥0
(II) Soit E un ensemble non vide.
1. Montrer qu’une intersection quelconque de tribus sur E est une tribu sur E.
2. Soient A et B ⊂ P (E) et TA , TB les tribus engendrées par A et B. Montrer que si A ⊂ B
alors TA ⊂ TB .

Examens 66
Département de Mathématiques Le Mardi 22/01/2013.
3ème année Maths. Licence. Durée 2 h, 11 :00-
13 :00
Ê E X E RC I C E É 1. On se place dans l’ensemble N. On considère la tribu T engendrée par

les ensembles
Sn = {n, n + 1, n + 2} avec n ∈ {0, 2, 3, ...} .
1. Montrer que pour tout n ≥ 4, on a {n} = Sn ∩ Sn−1 ∩ Sn−2 .

2. Calculer S0 ∩ S2 et S2 ∩ {2}c ∩ {4}c , et déduire que pour tout n ≥ 2, le singleton {n}
appartient à T.
3. En déduire que toute partie de N ∗∗ = {2, 3, ...} est dans T, autrement dit que P (N ∗∗ ) ⊂
T.
Ê E X E RC I C E É 2. On suppose qu’il existe une mesure positive λ : B(R) → [0, +∞] tq

1. λ([0, 1]) = 1,
2. ∀a > 0, ∀A ∈ B(R), λ(a + A) = λ2 (A).
1

– En utilisant la suite décroissante ⊂ [0, 1], montrer que λ2 ({0}) = 0
n n≥1
– En déduire que λ({x}) = 0, pour tout x ∈ R.
1
– Calculer λ([0, [), pour tout n ∈ N∗ .
n
1 1 2 n−1 n
(on pourra écrire : [0, 1] = [0, [∪[ , [∪... ∪ [ , [∪ {1}).
n n n n n
– Déduire que λ ne peut pas être une mesure positive sur B(R).
X 1 π2
Ê E X E RC I C E É 3. On rappelle que = .
n≥1
n2 6
1. On considère l’application m : P (N) → [0, +∞] définie pour tout A ∈ P (N) par :



 0 si A = ∅,


1
 X
m(A) = si A est un ensemble fini,
 n 2
 n∈A



 +∞ si 0 ∈ A ou si A est un ensemble infini.
Notons encore An = {n} . Déterminer m(An ) pour tout n ∈ N.

Examens 67
X
2. Que vaut m(An ) ?
n≥1
3. Déterminer ∪n≥1 An , puis m (∪n≥1 An ) . m est-elle une mesure sur (N, P (N)) ?
Ê E X E RC I C E É 4. Soit f : [0, 1] → R une fonction mesurable.

1
1. Montrer que la suite fn (x) = q , est croissante et calculer sa limite. (étudier
f (x)2 + n1
les deux cas f (x) = 0, et f (x) 6= 0).
2. Déterminer la limite de Z 1
In = fn (t)dt.
0

Examens 68
3ème année Maths. Licence. Durée 2 h, 13h00–
15h00
E X E RC I C E 1. On se donne un espace mesurable (E, T ).
– (a) Soit x ∈ E, on note mx : T → [0, +∞] (

1 si x ∈ B,
B 7→ mx (B) =
0 sinon
Montrer que mx est une mesure sur (E, T ). (mx la mesure de Dirac en x.)
– b) Soient x1 , ..., xk des éléments distincts de E et p1 , ..., pk ∈ R∗+ .
On note µ : T → [0, +∞]
X
B 7→ µ(B) = pi mxi (B).
1≤i≤k
Montrer que µ est une mesure sur (E, T ).
E X E RC I C E 2. Soit (E, Σ, m) un espace mesuré et f : E → R une fonction (Σ − B(R))-

mesurable.
Soit α, β ∈ R, tq α < β. Montrer que la troncature fα, β de f définie par :



 α si f (x) < α,


fα,β (x) = f (x) si α ≤ f (x) ≤ β,



 β si f (x) > β.

est (Σ − B(R))-mesurable.
Z n n
x
E X E RC I C E 3. Soit : I(α) = lim 1− eαx dx pour n ∈ N et α ∈ R.
n→+∞ 0 n
n
x

1. On pose pour n ∈ N, fn : R +
→ R telle que fn (x) = 1− eαx 1[0,n] (x). On pose
n
x x

gn (x) = (n + 1) ln 1 − − n ln 1 − . Montrer que pour tout 0 ≤ x ≤ n,
n+1 n
gn (x) ≥ 0.
fn+1 (x)
2. Calculer en fonction de gn (x) et déduire la monotonie de la suite (fn )n≥0 .
fn (x)
3. En déduire la valeur de I(α) en fonction de α;
E X E RC I C E 4. Utiliser le théorème de convergence dominée pour calculer les limites

suivantes :

Examens 69
Z +∞
x n

1. lim sin dx,
n→+∞ −∞ n x(1 + x2 )
Z +∞
2n (x)
2. lim e1+cos e−|x| dx.
n→+∞ −∞
π
(rappel : arctan(±∞) = ± .)
2
3ème année Maths. Licence. Durée 1h30, 10 :00-
11 :30
Examen de rattrapage : Mesure et Intégration.
Ê E X E RC I C E É 1. Soit X un ensemble non vide
1. Quel est le σ-algèbre(la tribu) engendré par {X} ?

2. Soient A et B deux parties de X. Quel est le σ-algèbre engendré par {A, B} ?
3. Soit X = {1, 2, 3, 4, 5, 6} . Construire le σ-algèbre engendré par
{{1, 2, 3} , {3, 4, 5}} .
Ê E X E RC I C E É 2. Pour tout entier naturel n ≥ 1 et tout x ≥ 0 on pose

nx nx
fn (x) = , hn (x) = .
1 + n4 x4 1 + n2 x4
1. Montrer que les suites de fonctions (fn )n≥1 et (hn )n≥1 convergent simplement sur R+
vers une même limite qu’on précisera.
2. Montrer par deux changements de variables appropriés que
1
Z Z Z Z
fn (x)dx = g(t)dt, hn (x)dx = √ g(t)dt,
[0,1] n [0,n] [0,1] [0, n]
où g est une fonction de t indépendante de n(qu’on donnera explicitement).

1
3. Montrer que ∀t ≥ 1, g(t) ≤ 3 et en déduire que l’intégrale généralisée de Riemann
Z ∞ t Z ∞
g(t)dt converge (on ne la calcule pas). On pose dans la suite α = g(t)dt.
0 0
4. En déduire les limites(en fonction de α éventuellement)
Z Z
lim fn (x)dx, et lim hn (x)dx
n→∞ [0,1] n→∞ [0,1]

Examens 70
2 2
e−x t
Z
Ê E X E RC I C E É 3. Soit F (x) = 2
dt
R 1+t
1. Démontrer que F est une fonction continue sur R.
2. Montrer que F est une fonction paire, décroissante sur [0; +∞[. Quelle est la limite de
F (x) quand x → +∞?
3. Montrer que F est une fonction de classe C 1 sur R∗ .
4. F est-elle dérivable en 0 ?

Bibliographie
[1] J. Féjoz, chapitres d’intégration et de probabilités, polycopié de cours, Université Paris-
Dauphine. 2014.
[2] Thierry Gallouët, Raphaèle Herbin. Mesure, intégration, probabilités. Ellipses, 2013.
[3] Henri Leon LEBESGUE. Leçons sur l’intégration et la recherche des fonctions primitives
professées au Collège de France. Cambridge Library Collection. Cambridge University
Press, 2009.
[4] Daniel REVUZ. Mesure et intégration. Paris : Hermann, 1997.
[5] Roger JEAN. Mesure et intégration. Avec une préface de Serge Dubuc. Les Presses de
l’Université du Québec, Montreal, Que., 1975, pages xxii+305.
[6] E. Stein et R. Shakarchi Real analysis, Measure theory, integration, and Hilbert spaces.
Princeton Lectures in Analysis, III. Princeton University Press, Princeton, NJ.
[7] A. N. Kolmogorov, and S. V. Fomin, Elements of the Theory of Functions and Functional
Analysis, Dover Publications.

Cours Mesure Et Integration

Transféré par

Droits d'auteur :

Formats disponibles

Cours Mesure Et Integration

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours Mesure Et Integration

Transféré par

Droits d'auteur :

Formats disponibles

Table des matières

Table des matières i

2 Fonctions mesurables, variables aléatoires 24

4 Produit d’espaces mesurés 49

BENRABAH Abderafik © 2016. Univ. Guelma

0.1.1 Exemple fondamental

La relation (0.1.1) est :

BENRABAH Abderafik © 2016. Univ. Guelma

Mais pourquoi appelle-t-on cela l’intégrale de Riemann ? Riemann s’est demandé

BENRABAH Abderafik © 2016. Univ. Guelma

λ : P (Rn ) → [0, +∞],

vérifiant les 3 propriétés suivantes

0.1.2 L’idée de Lebesgue

Concernant l’intégration, l’idée de Lebesgue est la suivante :

5. Jean-Gaston Darboux, mathématicien français (1842-1917), spécialiste de géométrie différentielle et

BENRABAH Abderafik © 2016. Univ. Guelma

ou 1A est la fonction indicatrice de l’ensemble A, i.e. 1A (x) = 1 si x ∈ A, 1A (x) = 0 si x ∈/A.

φ(x) ≤ f (x) ≤ ψ(x) ∀x ∈ [0, 1]

avec de façon naturelle :

BENRABAH Abderafik © 2016. Univ. Guelma

1. Rappel : Si f : E → F et A ⊂ F, f −1 (A) = {x ∈ E : f (x) ∈ A} . Si C ⊂ E, f (C) =

BENRABAH Abderafik © 2016. Univ. Guelma

– (e) on déduit de la question précédente :

d’où la formule de Wallis.

BENRABAH Abderafik © 2016. Univ. Guelma

– (f) On fait la démonstration pour n impair. Soit n = 2p + 1 :

BENRABAH Abderafik © 2016. Univ. Guelma

BENRABAH Abderafik © 2016. Univ. Guelma

1.1.2 Cas d’un problème discret

1.1.3 Exemple continu

BENRABAH Abderafik © 2016. Univ. Guelma

1.2 Définitions (Algèbre, Tribus et Mesure)

Définition 1.2.2. Soient E un ensemble, T une famille de parties de E (i.e. T ⊂ P (E)). La

BENRABAH Abderafik © 2016. Univ. Guelma

Exemple 1.2.1. Tout ensemble E possède des tribus, par exemple :

Définition 1.2.3. (Langage probabiliste) Soient E un ensemble quelconque ("l’univers

Cette proposition nous permet de définir ci-après la notion de tribu engendrée.

Définition 1.2.4. (Tribu engendrée) Soient E un ensemble et C ⊂ P (E). On appelle

Proposition 1.2.2. On note C1 l’ensemble des ouverts de R, C2 = {]a, b[, a, b ∈ R, a < b}

BENRABAH Abderafik © 2016. Univ. Guelma

(Noter que d’autres caractérisations de B(R), semblables, sont possibles.)

Démonstration. : On a, par définition de B(R), T (C1 ) = B(R). On va démontrer ci-après

Définition 1.2.7. (Espace mesurable ou probabilisable, partie mesurable ou pro-

Définition 1.2.10. (Probabilité) Soient E un ensemble et T une tribu sur E. On appelle

BENRABAH Abderafik © 2016. Univ. Guelma

Définition 1.2.11. (Espace mesuré, espace probabilisé) Soient E un ensemble, T une

∃(An )n∈N ⊂ T, m(An ) < ∞, ∀n ∈ N, et E = ∪n∈N An

Exemple (Mesure de Dirac) 7 Soient E un ensemble, T une tribu sur E et a ∈ E. On

δa (A) = 0, si a n’appartient pas à A

On peut remarquer que la mesure de Dirac est une probabilité.

Définition 1.2.13. (Partie négligeable) Soient (E, T, m) un espace mesuré et A ⊂ E. On

1.3 Propriétés des mesures

m(A) ≤ m(B) (1.3.1)

2. σ-sous-additivité : Soit (An )n∈N ⊂ T, alors

m(∪n∈N An ) = lim (m(An )) = sup(m(An )) (1.3.3)

m(∩n∈N An ) = lim (m(An )) = inf (m(An )) (1.3.4)

BENRABAH Abderafik © 2016. Univ. Guelma

Puis, comme An = ∪np=0 Bp , l’additivité de m (qui se déduit de la σ-additivité) nous donne

m(An0 \A) = m(B) = lim m(Bn ) = lim n → ∞m(An0 \An ).

BENRABAH Abderafik © 2016. Univ. Guelma

`(In,m ) ≤ λ∗ (An ) + /(2n ).

λ∗ (A) ≤ λ∗ (An ) + 2.

ce qui donne bien, quand → 0,

(a) Si 0 < a < 1, alors il existe ∈ R∗+ t.q. ]a − , a + [⊂ O,