Professional Documents
Culture Documents
Intgration et Probabilits
e
e
Cours de Mathmatiques
e
Tako Takahashi
e
Premi`re Anne FICM
e
e
Semestre 2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2 Intgrale de Lebesgue
e
2.1 Dnition de lintgrale et premi`res proprits . . . . .
e
e
e
ee
2.1.1 Intgrale dune fonction tage positive . . . . .
e
e e
2.1.2 Intgrale dune fonction mesurable positive . . .
e
2.1.3 Intgrale dune fonction de signe quelconque . . .
e
2.1.4 Exemples . . . . . . . . . . . . . . . . . . . . . .
2.1.5 Lessentiel de la section 2.1 . . . . . . . . . . . .
2.2 Proprits gnrales de lintgrale . . . . . . . . . . . . .
ee e e
e
2.3 Thor`mes de convergence . . . . . . . . . . . . . . . . .
e e
2.4 Thor`me de Fubini . . . . . . . . . . . . . . . . . . . .
e e
2.5 Intgrale de Lebesgue sur R . . . . . . . . . . . . . . . .
e
2.5.1 Comparaison avec lintgrale au sens de Riemann
e
2.5.2 Intgration et drivation . . . . . . . . . . . . . .
e
e
2.5.3 Lessentiel de la section 2.5 . . . . . . . . . . . .
2.6 Annexes . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.6.1 Preuve de la proposition 2.4 . . . . . . . . . . . .
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3
3
3
4
5
6
7
7
9
10
11
11
12
12
14
14
16
18
18
19
20
22
23
24
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
25
25
25
27
30
31
31
32
35
38
40
40
43
44
44
44
2.6.2
2.6.3
45
47
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
49
49
51
51
52
54
56
56
58
59
61
61
64
65
65
69
70
72
4 Espaces Lp et Lp
4.1 Espaces LP (, A, ) . . . . . . . . . . . . . .
4.1.1 Dnitions et premi`res proprits . .
e
e
ee
4.1.2 Premi`res proprits . . . . . . . . . .
e
ee
4.1.3 Ingalits sur les espaces LP (, A, ) .
e
e
4.2 Espaces Lp (, A, ) . . . . . . . . . . . . . .
4.2.1 Dnitions et proprits . . . . . . . .
e
ee
4.2.2 Sous-espaces denses dans Lp (, A, P) .
4.3 Espaces Lp et Lp sur un espace de probabilit
e
4.3.1 Moments dune variable alatoire . . .
e
4.3.2 Ingalits . . . . . . . . . . . . . . . .
e
e
4.4 Annexes . . . . . . . . . . . . . . . . . . . . .
4.4.1 Preuve du lemme 4.16 . . . . . . . . .
4.4.2 Calculs de quelques moments . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
73
73
73
75
77
81
81
84
85
85
87
89
89
89
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
A Classes monotones
93
97
C Lois classiques
99
C.1 Lois discr`tes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
e
C.2 Lois absolument continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
Chapitre 1
1.1
Tribu
1.1.1
Dnition et proprits
e
e e
Une tribu contient les parties de que lon peut ou que lon sait mesurer .
Dnition 1.1 (Tribu)
e
Une -alg`bre ou tribu sur un ensemble non vide est un sous-ensemble A de P() tel que
e
(i) A,
nN
An A.
Si A est une tribu sur un ensemble non vide, le couple (, A) est appel espace mesurable.
e
En modlisation, une tribu reprsente linformation disponible. D`s lors, dans ltude de phnom`nes
e
e
e
e
e
e
voluant dans le temps (par exemple, en biologie, nance ou physique), en modlisation, nous introduisons
e
e
une famille (At )tI de tribus dpendant du temps an de tenir compte de lvolution de linformation.
e
e
3
En jouant sur les points (i), (ii) et (iii) de la dnition 1.1, la notion de tribu peut aussi tre dnie grce
e
e
e
a
a la proposition suivante.
`
Proposition 1.2 (Caractrisation dune tribu)
e
Soit un ensemble non vide et A P(). Alors, A est une tribu sur si les trois assertions suivantes
sont vries :
e e
(i) A,
nN
An A.
Remarque 1.2 Une tribu est bien sr stable par runion nie et par intersection nie.
u
e
1.1.2
La proposition suivante assure lexistence dune plus petite tribu A sur contenant un ensemble S P(),
ensemble qui caractrise alors la tribu A.
e
Proposition 1.3 (Tribu engendre)
e
Soient un ensemble non vide et S P() un ensemble non vide de parties de . Alors il existe une
unique tribu (S) sur contenant S et telle que
si B est une tribu sur contenant S, alors (S) B.
La tribu (S) est la plus petite tribu (au sens de linclusion) sur contenant S et est appele tribu
e
engendre par S sur .
e
Preuve de la proposition 1.3.
Preuve de lexistence. Considrons lensemble T (S) = {A / A tribu sur telle que S A}. Alors,
e
P() T (S). Ainsi, T (S) = et nous pouvons alors considrer
e
(S) =
A.
(1.1)
AT (S)
En tant quintersection de tribus sur , (S) est aussi une tribu sur (exercice). De plus, par dnition,
e
la tribu (S) contient S et est incluse dans toute autre tribu B sur contenant S.
4
La proposition suivante compare les tribus engendres par deux ensembles S et S tels que S S P().
e
Proposition 1.4 (Comparaison de tribus engendres)
e
Soit un ensemble non vide. Si S P() et S P() sont deux ensembles non vides de parties de
tels que S S , alors,
(S) S ,
cest-`-dire que la tribu engendre par S sur contient celle engendre par S sur .
a
e
e
Preuve de la proposition 1.4. Soient S P() et S P() deux ensembles non vides tels que S S . Alors,
S S S .
Ainsi, (S ) est une tribu sur contenant S. Par consquent, (S) (S ) car (S) est la plus petite
e
tribu (au sens de linclusion) sur contenant S.
La plupart des tribus que nous consid`rerons (tribus borliennes, tribus produits) seront dnies ` laide de
e
e
e
a
la proposition prcdente. Par ailleurs, conna
e e
tre des ensembles simples engendrant une tribu donne A
e
peut tre tr`s utile car il nest pas toujours facile de dcrire tous les lments de la tribu A (voir par exemple
e
e
e
ee
la proposition 1.26 page 14).
1.1.3
Tribus borliennes
e
Nous dnissons les tribus borliennes sur les espaces mtriques ` partir des ensembles ouverts.
e
e
e
a
Dnition 1.5 (Tribu borlienne B(E))
e
e
Soit (E, d) un espace mtrique. La plus petite tribu sur E contenant tous les ouverts de E est appele
e
e
tribu borlienne sur E et est note B(E). En dautres termes,
e
e
B(E) = (O)
avec O = {A P(E) / A ouvert de E}. Tout lment de B(E) est appel borlien de E.
ee
e
e
Remarque 1.3 Une tribu tant stable par passage au complmentaire, la tribu borlienne B(E) est aussi la
e
e
e
tribu engendre sur E par lensemble F des ferms de E, cest-`-dire que B(E) = (F).
e
e
a
La proposition suivante donne dautres exemples densembles S engendrant B(R). Elle se gnralise en
e e
dimension d 2 en considrant des pavs ` la place des intervalles.
e
e a
Proposition 1.6 (Ensembles engendrant B(R))
et S4 = {] , a] / a R}.
Dans les chapitres suivants, nous serons amens ` considrer la tribu borlienne B R sur la droite acheve
e a
e
e
e
R = [, +]. La proposition suivante prcise un ensemble lengendrant.
e
Proposition 1.7 (Tribu B R )
La tribu borlienne B R est la tribu engendre sur R par lensemble {[, a] / a R}, cest-`-dire que
e
e
a
B R = ({[, a] / a R}).
Pour terminer, nous prcisons quil est assez dicile de construire un sous-ensemble de Rd qui ne soit pas
e
d mais quil en existe !
un borlien de R
e
1.1.4
Tribu produit
Dans cette partie, nous considrons d espaces mesurables (1 , A1 ), . . . , (d, Ad), avec d N,
e
ainsi que lespace produit = 1 d. Nous dnissons la tribu produit A1 Ad des tribus
e
A1 , . . . , Ad . Tous les rsultats de cette partie sont admis.
e
Dnition 1.8 (Tribu produit A1 Ad )
e
1. Un rectangle (ou un pav) de A1 . . . Ad est un sous-ensemble de 1 d du type
e
A1 A2 Ad
avec Ai Ai pour tout 1
d.
d}.
d}
sur lensemble 1 d .
Terminons cette partie en remarquant que la tribu borlienne sur Rd est une tribu produit.
e
Proposition 1.10 (Tribu B Rd )
Pour tout d N , B(R)d = B(Rd ).
`
Remarque 1.4 A partir des propositions 1.9, 1.10 et 1.6, nous pouvons dcrire plusieurs ensembles S engene
drant la tribu borlienne B Rd .
e
Remarque 1.5 Nous avons aussi : B R
1.2
=B R
Mesure positive
1.2.1
Dnitions
e
(An ),
(1.2)
nN
nN
pour toute suite (An )nN dlments de A deux a deux disjoints (cest-`-dire telle que pour tout
ee
`
a
n N, An A et que Ap Am = pour tous p, m N tels que p = m).
Si est une mesure positive sur (, A), le triplet (, A, ) est appel espace mesur.
e
e
[0, +]
1 si a A
0 si a A
/
Nous pouvons bien sr donner la mesure dune runion nie densembles deux ` deux disjoints.
u
e
a
Proposition 1.12 (Additivit dune mesure)
e
Soit une mesure positive sur lespace mesurable (, A). Alors, la mesure est additive sur A, cesta-dire que pour tout n N et tous ensembles A1 , . . . , An A deux a deux disjoints,
`
`
n
(1.3)
i=1
i=1
(Ai ).
Ai
Nous terminons cette section par du vocabulaire et plus prcisment en introduisant les mesures nies, les
e e
mesures -nies et les probabilits.
e
Dnition 1.13 (Mesures -nies, mesures bornes et probabilits)
e
e
e
Soit une mesure positive sur lespace mesurable (, A).
1. La mesure positive est -nie sil existe une suite (An )nN dlments de A telle que pour tout
ee
n N, (An ) < + et telle que
=
An .
nN
Exemple 1.5
1. Soient (, A) un espace mesurable et a . La masse de Dirac a est une probabilit sur (, A).
e
2. Supposons = R et A = B(R). Alors, la mesure positive 0 + 21 est une mesure nie sur (, A) mais
nest pas une probabilit.
e
1.2.2
Mesures discr`tes
e
Les mesures discr`tes ont une importance non ngligeable en probabilits. Elles sont utiles pour modliser des
e
e
e
e
phnom`nes alatoires prenant un nombre ni ou dnombrable de valeurs. Des exemples simples de modlisation
e
e
e
e
e
lois de Bernoulli, binomiales ou encore de Poisson (voir chapitre 3).
seront donns lors de lintroduction des
e
Proposition 1.14 (Mesure discr`te)
e
Une mesure positive sur lespace mesurable (, A) est dite discr`te sil existe une suite (an )nN
e
dlments de deux a deux distincts et une suite (n )nN dlments de ]0, +] telles que
ee
`
ee
=
n an
(1.4)
nN
dnie sur P(), est une mesure discr`te sur (, P()). Notons que pour tout A P(), (A) est le
e
e
cardinal de lensemble A. La mesure est appele mesure de comptage sur .
e
Nous terminons cette partie en remarquant que si lensemble est non vide ni ou dnombrable, toute
e
mesure positive sur (, P()) est discr`te.
e
Proposition 1.15 (Mesure positive sur un ensemble au plus dnombrable)
e
Si est un ensemble non vide ni ou dnombrable et si est une mesure positive sur (, P()), alors
e
la mesure est une mesure discr`te sur (, P()) et
e
=
({}) .
Preuve de la proposition 1.15. Etant donn que est une mesure positive, ({}) [0, +] pour tout .
e
Lensemble tant ni ou dnombrable, nous pouvons dnir sur (, P()) la mesure discr`te
e
e
e
e
=
({}) .
Soit A P(). Si A = , (A) = (A) = 0. Supposons A = . Les ensembles {}, A, tant des
e
lments de P() deux ` deux disjoints et A tant ni ou dnombrable,
ee
a
e
e
(A) =
A
{}
({}) = (A).
A
1.2.3
Mesure de Lebesgue
Mis ` part quelques cas triviaux, il est dicile de dnir une mesure non discr`te sur un espace mesua
e
e
rable (, A) par une formule. La construction repose en gnral sur le thor`me de Carathodory (voir par
e e
e e
e
exemple [1, 3]) et sur le thor`me des classes monotones (voir annexe A page 93). La mesure de Lebesgue se
e e
construit grce ` ces deux thor`mes. La construction de cette mesure est admise.
a a
e e
Notations :
Si I R est un intervalle, nous notons Long(I) sa longueur.
Si A P Rd et si a Rd , a + A = {a + y / y A}.
Proposition 1.16 (Mesure de Lebesgue sur Rd )
Il existe une unique mesure positive d sur Rd , B Rd
d (I1 Id ) =
Long(Ii ).
i=1
telle que
a Rd , A B Rd , d (a + A) = d (A),
(1.5)
Remarque 1.10 La proprit (1.5) signie que la mesure de Lebesgue est invariante par translation.
ee
Nous navons pas de formule donnant d (A) pour A un borlien quelconque de Rd . Insistons sur le fait que
e
d gnralise la notion de longueur si d = 1, daire si d = 2 et de volume si d = 3.
la mesure de Lebesgue sur R e e
10
1.2.4
Mesure Produit
1.2.5
(B).
Ai
iI
iI
nN
= lim (An ).
n+
2. Si (Bn )nN est une suite dcroissante dlments de A (cest-`-dire si Bn A et Bn+1 Bn pour
e
ee
a
tout n N) telle que (B0 ) < +, alors la suite ((Bn ))nN est une suite dcroissante et
e
Bn
nN
= lim (Bn ).
n+
1.3
Applications mesurables
Dans cette partie, (, A) et (, A ) sont deux espaces mesurables. Nous prcisons pour commencer
e
quelques notations.
Notations : Soit X : une application.
Si A est un sous-ensemble de ,
X 1 A = / X() A
est limage rciproque de A par X. Cet ensemble est aussi not {X A }.
e
e
Par ailleurs, au lieu dcrire X : , nous crivons
e
e
X : (, A) , A
pour rappeler que (respectivement ) est muni de la tribu A (respectivement A ) et que X est une
application dnie sur ` valeurs dans .
e
a
1.3.1
12
Exemple 1.8
1. Toute application constante est mesurable quelles que soient les tribus A et A .
2. Supposons que = R et que A = B(R). Considrons un ensemble A . Rappelons que la fonction
e
indicatrice 1A de A est dnie par
e
1 si A
1A () =
0 si A.
/
Alors, pour tout A A ,
11 A =
A
si 0 A
/
A si 0 A .
aX + bY : (, A) Rd , B Rd
est mesurable. De plus, si d = 1, le produit XY : (, A) (R, B(R)) est mesurable.
2. Soient (1 , A1 ) et (2 , A2 ) deux espaces mesurables. Si les applications X : (, A) (1 , A1 ) et
Y : (1 , A1 ) (2 , A2 ) sont mesurables, alors la compose
e
Y X : (, A) (2 , A2 )
est une application mesurable.
Remarque 1.15 La proposition 1.22 reste vraie pour des fonctions ` valeurs dans R tant que les oprations
a
e
d par la tribu B Rd .
sont bien dnies et en remplaant la tribu B R
e
c
Pour terminer cette section, prcisons un tout petit changement de vocabulaire dans le cas o` les espaces
e
u
et sont des espaces mtriques munis de leur tribu borlienne.
e
e
Dnition 1.23 (Application borlienne)
e
e
Soient et deux espaces mtriques. Une application borlienne X : est une application
e
e
X : (, B()) ( , B( )) mesurable (par rapport aux tribus borliennes B() et B( )).
e
13
1.3.2
Nous donnons ` prsent un exemple important de fonctions mesurables : les fonctions tages. Lintgrale
a e
e e
e
de Lebesgue sera construite pour des fonctions tages positives puis prolonge par un argument de densit.
e e
e
e
Dnition 1.24 (Fonction tage)
e
e
e
Soit (, A) un espace mesurable. Une application X : (, A) R, B R
est tage si
e
e
i 1Ai
X=
i=1
avec n N , A1 , . . . , An A des ensembles mesurables non vides deux a deux disjoints, i R pour tout
`
i = 1, . . . , n et avec la convention + 0 = 0 = 0.
e
Remarque 1.16 Une fonction tage X : (, A) R, B R est mesurable en tant que combinaison linaire
e e
nie de fonctions mesurables. De plus, dans la dnition 1.24, nous pouvons supposer que les ensembles Ai ,
e
1 i n, forment une partition de (quitte ` introduire An+1 = ( n Ai )c et n+1 = 0).
a
i=1
Exemple 1.9
e e
1. Toute fonction constante ` valeurs dans R est une fonction tage.
a
2. Soit I un intervalle de R. Une fonction f : I R en escalier prenant un nombre ni de valeurs est une
fonction tage sur lespace mesurable (I, B(I)).
e e
3. La fonction 1Q est une fonction tage mais nest pas une fonction en escalier.
e e
Terminons cette section en remarquant quune fonction tage est simplement une fonction mesurable qui
e e
ne prend quun nombre ni de valeurs.
Proposition 1.25
Soient (, A) un espace mesurable et X : R une application.
1. Alors la fonction X est tage si et seulement si X : (, A) R, B R
e e
mesurable qui prend un nombre ni de valeurs.
2. De plus, si X est une fonction tage prenant exactement les n valeurs distinctes 1 , . . . , n alors
e e
n
X=
i=1
1.3.3
Proprits
e e
Donnons un crit`re de mesurabilit tr`s utile dans le cas o` la tribu A est engendre par un ensemble S .
e
e e
u
e
Proposition 1.26 (Crit`re de mesurabilit lorsque A = (S ))
e
e
Soient (, A) et ( , A ) deux espaces mesurables. Supposons que A = (S ) est la tribu engendre par
e
S P( ) sur . Alors la fonction X : (, A) ( , A ) est mesurable si et seulement si
A S , X 1 (A ) A.
14
Nous pouvons ` prsent donner un exemple simple de fonctions borliennes : les fonctions continues.
a e
e
Corollaire 1.27
Si E et F sont deux espaces mtriques, alors toute application X : E F continue est borlienne.
e
e
Preuve du corollaire 1.27. Notons O lensemble des ouverts de E et O lensemble des ouverts de F .
Lapplication X tant continue,
e
A O , X 1 A O B(E).
Alors, dapr`s la proposition 1.26, lapplication X est borlienne car (O ) = B(F ).
e
e
alors la fonction X : (, A) R , B R
est mesurable.
Remarque 1.18 En tant que limite simple de fonctions tages (ou de fonctions en escalier), toute fonction
e e
constante par morceaux sur R est borlienne.
e
15
t} =
lim Xn
n+
Xm
t+
pN nN m n
1
.
p
1
p
t+
1
p
= X 1
, t +
1
p
Xm
t} =
pN nN m n
t+
1
p
A.
La fonction partie enti`re tant constante par morceaux sur R, elle est borlienne dapr`s la remarque 1.18.
e e
e
e
Alors, dapr`s le corollaire 1.28, lapplication f est borlienne car B R2 = B(R) B(R).
e
e
1.4
Ensembles ngligeables
e
Jetons une pi`ce de monnaie quilibre une innit de fois. Lv`nement la pi`ce tombe toujours sur face
e
e
e
e
e e
e
est un v`nement non vide de probabilit nulle ; il sagit dun v`nement ngligeable. La notion densembles
e e
e
e e
e
ngligeables joue un rle important en thorie de la mesure (voir par exemple le chapitre 4).
e
o
e
Dnition 1.30 (Ensemble ngligeable)
e
e
Soit (, A, ) un espace mesur.
e
1. Une partie N de est dite -ngligeable si
e
A A tel que N A et (A) = 0.
2. Une proprit () qui dpend de est dite vraie -presque partout si lensemble
ee
e
{ / () est fausse} est -ngligeable.
e
16
Remarque 1.19 Si lespace (, A, ) est un espace de probabilit (cest-`-dire si est une probabilit sur
e
a
e
(, A)), une proprit vraie -presque partout est dite vraie -presque s rement.
ee
u
Remarque 1.20 Un ngligeable N P() nappartient pas ncessairement ` la tribu A. Par consquent, la
e
e
a
e
mesure de N nest pas en gnral dnie. Mais si N A, N est -ngligeable si et seulement si (N ) = 0.
e e
e
e
Exemple 1.11 Soit (, A, ) un espace mesur.
e
1. Tout ensemble mesurable de mesure nulle est ngligeable.
e
2. Deux fonctions X et Y sont gales presque partout si { / X() = Y ()} est ngligeable.
e
e
3. Une suite de fonctions (Xn )nN converge presque partout vers X sil existe un ensemble ngligeable N
e
tel que si N , Xn () converge vers X().
/
4. Une fonction X est dnie presque partout sur si elle est dnie sur \N avec N ngligeable.
e
e
e
Proposition 1.31
Soit (, A, ) un espace mesur.
e
1. Soient N P() et N P(). Si N N et si N est ngligeable alors N est ngligeable.
e
e
2. Soit I un ensemble ni ou dnombrable. Si (Nk )kI est une famille densembles ngligeables, alors
e
e
lensemble
Nk est ngligeable.
e
kI
Le thor`me suivant montre que lon peut toujours supposer quun espace mesur est complet.
e e
e
Thor`me 1.33 (Compltion dun espace mesur)
e e
e
e
Soit (, A, ) un espace mesur. Notons N lensemble des parties -ngligeables de (, A) et
e
e
A = {A N / A A, N N }.
1. A est la plus petite tribu contenant A et N , cest-`-dire que A = (A N ).
a
2. Il existe une unique mesure positive sur (, A ) telle que
A A, (A) = (A).
3. Lespace mesur (, A , ) est complet.
e
Remarque 1.21 Soit (, A, ) un espace mesur. Si f : (, A) ( , A ) est mesurable par rapport aux
e
, alors f : (, A ) ( , A ) est mesurable par rapport aux tribus A et A car A A .
tribus A et A
Exemple 1.12
1. Lespace (, P(), ) est toujours complet.
ee
2. Lespace mesur Rd , B Rd , d nest pas un espace complet. La tribu complte
e
L Rd = B Rd
est appele tribu de Lebesgue sur Rd . Par ailleurs, lunique mesure prolongeant la mesure de Lebesgue
e
d ` L Rd est toujours note d et appele mesure de Lebesgue sur Rd .
a
e
e
Lorsque lon consid`re des espaces mesurs complets au sens de la dnition 1.32, un des avantages est que
e
e
e
si lon modie une fonction mesurable sur un ngligeable, on obtient une nouvelle fonction mesurable.
e
Proposition 1.34
Soient (, A, ) un espace mesur complet.
e
1. Soit f : (, A) ( , A ) une fonction mesurable. Si g est gale -presque partout a f , alors la
e
`
fonction g : (, A) ( , A ) est mesurable.
2. Pour tout n N, considrons Xn : (, A) R, B R une fonction mesurable. Supposons que
e
pour -presque tout , la suite (Xn ())nN converge vers une limite note X() dans R,
e
cest-`-dire quil existe un ensemble ngligeable N tel que
a
e
w , Xn () X().
/
n+
La fonction X nest donc a priori dnie que -presque partout. Tout prolongement de X sur est
e
mesurable par rapport aux tribus A et B R .
1.5
1.5.1
Annexes
Preuve de la proposition 1.6, voir nonc page 6
e
e
Soit O (respectivement F) lensemble des ouverts (respectivement ferms) de R. Alors, B(R) = (O) = (F).
e
1. Montrons que (S1 ) = B(R).
(1.6)
Soit A O. Louvert A scrit comme une runion dnombrable dintervalles ouverts, cest-`-dire que
e
e
e
a
A=
An
nN
avec An S1 pour tout n N. La tribu (S1 ) tant stable par runion dnombrable, A (S1 ). Par
e
e
e
consquent, O (S1 ). Alors, B(R) = (O) (S1 ) car (O) est la plus petite tribu sur R contenant O.
e
Vu linclusion (1.6), B(R) = (S1 ).
18
(1.7)
Soit A S1 un intervalle ouvert. Alors Ac (S2 ) (car Ac est une runion dnombrable dintervalles
e
e
ferms). La tribu (S2 ) tant stable par passage au complmentaire, A (S2 ). Par consquent, S1 (S2 ).
e
e
e
e
Alors,
(S1 ) = B(R) (S2 )
(1.8)
car (S1 ) est la plus petite tribu sur R contenant S1 .
Vu les inclusions (1.7) et (1.8), B(R) = (S2 ).
3. Montrons que (S3 ) = (S4 ) = B(R).
(1.9)
Soit I S3 . Par dnition de S3 , il existe (a, b) R2 tel que a < b et I = [a, b[. Alors,
e
+
I = [a, b[=
n=1
, b
1
n
, a
1
n
La tribu (S4 ) tant stable par passage au complmentaire et intersection dnombrable, I (S4 ). Par
e
e
e
consquent, S3 (S4 ) car pour tout c R, ] , c] S4 (S4 ). Alors, tant donn que (S3 ) est la
e
e
e
plus petite tribu sur R contenant S3 ,
(S3 ) (S4 ).
(1.10)
+
Remarquons que R =
n=1
]a, +[=
a+
n=1
1
, n , ] , b[=
n
+
n=1
n, b
1
n
a+
n=1
1
1
,b
.
n
n
Alors, par stabilit par runion dnombrable de (S3 ) qui contient S3 , R (S3 ), ]a, +[ (S3 ) et
e
e
e
]a, b[ (S3 ) pour tous rels a, b tels que a < b. Ainsi, S1 (S3 ). Etant donn que (S3 ) est une tribu sur
e
e
R contenant S1 ,
(S1 ) = B(R) (S3 ).
(1.11)
Vu les inclusions (1.9), (1.10) et (1.11), B(R) = (S3 ) = (S4 ).
1.5.2
Considrons (n )nN des mesures positives sur (, A) et (n )nN ]0, +]N . En adoptant les conventions
e
+ 0 = 0 et + + = +, nous allons montrer que lapplication
=
nN
n n : A [0, +]
A
n n (A)
nN
est bien dnie et est une mesure positive sur (, A). En particulier, nous aurons montr que
e
e
bien une mesure positive.
19
(1.12)
n an est
nN
n n (A)
nN
pN
Ap =
n=0
n n
pN
Ap =
n (Ap )
n=0
p=0
par dnition de et par -additivit des mesures n , n N. Remarquons que pour tout n N,
e
e
+
n n (Ap ).
n (Ap ) =
p=0
p=0
Lgalit prcdente est vidente si n < +. Dans le cas o` n = +, on vrie aisment (laiss en
e
e e e
e
u
e
e
e
exercice) que lgalit reste vraie vu les conventions adoptes. Ainsi,
e
e
e
pN
Ap =
n=0
p=0
n n (Ap ).
Tous les termes tant dans [0, +], nous pouvons changer les deux sommes et ainsi crire
e
e
e
pN
Ap =
n n (Ap )
p=0
(Ap ).
p=0
n=0
() =
nN
nN
n 0 = 0.
1.5.3
avec B\A = B Ac A (car A est une tribu contenant A et B). Les ensembles mesurables B\A et A tant
e
disjoints, par additivit de ,
e
(B) = (B\A) + (A).
0, (A)
(B).
20
n1
A
n
= An \
Ak =
k=0
k=0
An Ac .
k
Alors les A , n N, sont des lments de A (car A est stable par intersection nie et passage au
ee
n
complmentaire) deux ` deux disjoints. De plus,
e
a
A0 An = A A
n
0
et
A .
n
An =
nN
nN
A
n
An
k+
nN
nN
nN
(A ).
n
(A ) = lim
n
n=0
nN
= lim (A A )
0
k
k+
(1.13)
a
car les ensembles A , . . . , A A sont deux ` deux disjoints.
0
k
De plus, pour tout A, B A, en appliquant lassertion 2. de la proposition 1.19 (assertion dmontre) et en
e
e
utilisant la positivit de , nous constatons que
e
(A B)
(A) + (B).
(An ).
An
n=0
n=0
n=0
(An ).
An
n=0
nN
21
(1.14)
Supposons I ni. Nous pouvons alors supposer I = {0, 1, . . . , p} avec p N. Considrons (Ai )iI une
e
famille de A. Posons An = pour tout entier n p. Alors,
+
n=0
nN
iI
(An ) =
An
Ai
(Ai )
iI
p, (An ) = () = 0.
Supposons que est une probabilit sur (, A) et prenons A A. Etant donn que A et Ac sont deux
e
e
lments de A, dapr`s lassertion 2. de la proposition 1.19 (assertion dmontre),
ee
e
e
e
(A Ac ) + (A Ac ) = (A) + (Ac ).
Alors, comme A Ac = , A Ac = et () = 0,
() = (A) + (Ac ).
La mesure tant une probabilit, () = 1 et (Ac ) < +. Par consquent, (A) = 1 (Ac ).
e
e
e
1.5.4
A = An \An1 .
n
Pour tout n N, A A car A est une tribu qui contient les ensembles Ap , p N. Par ailleurs, les ensembles
n
A , n N, sont deux ` deux disjoints car Ap Ap+1 pour tout p N. Alors, en utilisant ladditivit et la
a
e
n
-additivit de comme dans la preuve de la proposition 1.19, nous obtenons :
e
k
A
n
A = lim
n
k+
nN
nN
A .
n
n=0
A
n
Ak =
et
n=0
A .
n
An =
nN
nN
Par suite,
k
An
nN
A
n
=
nN
A
n
= lim
k+
n=0
= lim (Ak ).
k+
nN
An = B0 \
22
Bn
nN
avec (B0 ) < +. Par consquent, dapr`s lassertion 2. de la proposition 1.19 page 11,
e
e
= (B0 )
An
nN
Bn
nN
car nN Bn
(B0 ) < +. En appliquant lassertion 1. de la proposition 1.20 (assertion dmontre)
e
e
a
` la suite croissante (An )nN , nous obtenons alors :
(B0 )
An
Bn
= lim (Ak ).
k+
nN
nN
Bn
nN
k+
Alors,
= lim (Bk )
Bn
k+
nN
1.5.5
(iii) Soit B T . Alors, X 1 (B) A. La tribu A tant une tribu, X 1 (B c ) = X 1 (B)c A. Ainsi, par
e
dnition de T , B c T . Ceci tant vrai pour tout B T , T est stable par passage au complmentaire.
e
e
e
(iv) Soit (Bn )nN une famille de T . Remarquons que
X 1
X 1 (Bn ).
Bn
nN
nN
Pour tout n N, X 1 (Bn ) A. Alors, par stabilit par runion dnombrable de la tribu A,
e
e
e
X 1
Bn
nN
=
nN
X 1 (Bn ) A
e
e
et donc nN Bn T . Ceci tant vrai pour toute famille (Bn )nN de T , T est stable par runion
dnombrable.
e
23
Dapr`s (i), (ii), (iii) et (iv), T est une tribu sur . De plus,
e
S T A .
La tribu A = (S ) tant la plus petite tribu sur contenant S , nous avons : A T . Alors, par dnition
e
e
de T ,
A A , X 1 A A.
Lapplication X : (, A) ( , A ) est donc mesurable.
1.5.6
d}).
(A1 , . . . , Ad ) A1 Ad , X 1 (A1 Ad ) =
Supposons que tous les X (i) : (, A) (i , Ai ), 1
et pour tout Ai Ai ,
X (i)
X (i)
i=1
(Ai ) A.
(Ai ) A.
(A1 , . . . , Ad ) A1 Ad ,
X (i)
i=1
(Ai ) A,
d. Posons
(Ai ) = X 1 (A1 Ad ) A
24
Chapitre 2
Intgrale de Lebesgue
e
Dans ce chapitre, (, A, ) est un espace mesur. Nous allons dnir lintgrale dune fonction f ayant
e
e
e
de bonnes proprits sur lensemble par rapport ` . Lorsquelle est bien dnie, cette intgrale est note
ee
a
e
e
e
indiremment sous lune des formes suivantes (en fonction des livres) :
e
(f ),
f (x) (dx).
f (x) d(x) et
f d,
f d,
Apr`s avoir dni lintgrale au sens de Lebesgue (section 2.1), nous nous intressons ` ses proprits (sece
e
e
e
a
ee
tions 2.2, 2.3 et 2.4) puis la comparons ` lintgrale au sens de Riemann lorsque R. La section 2.2 regroupe
a
e
des proprits gnrales de lintgrale de Lebesgue. Dans la section 2.3, nous donnons des thor`mes permettant
ee e e
e
e e
dchanger limite et intgrale, cest-`-dire dcrire
e
e
a
e
lim
n+
fn d =
lim fn d.
n+
Ces thor`mes ont pu tre noncs en classe prparatoire dans le cadre des fonctions continues sur R. Lintgrale
e e
e e
e
e
e
introduite par Henri Lebesgue permet de les dmontrer assez simplement dans un cadre bien plus gnral.
e
e e
La section 2.4 est quant ` elle ddie au thor`me de Fubini, thor`me qui permet de ramener le calcul dune
a
e e
e e
e e
intgrale double sur un espace produit 1 2 aux calculs dintgrales simples . Enn, la section 2.5
e
e
est consacre ` la comparaison de lintgrale au sens de Riemann avec celle au sens de Lebesgue.
e a
e
Dans tout ce chapitre, nous considrons des fonctions dnies sur ` valeurs dans R mesue
e
a
rables lorsque lespace de dpart est muni de la tribu A et lespace darrive R de la tribu
e
e
e
e
e
a
borlienne B R . Par ailleurs, E+ dsigne lensemble des fonctions tages sur (, A) ` valeurs dans
e
[0, +] et nous adoptons les conventions suivantes :
+ 0 = 0 (+) = 0,
(+) + (+) = +,
(2.1)
(+) (+) = +
a > 0, a (+) = +.
2.1
2.1.1
La fonction tage la plus simple est une indicatrice. Commenons par donner la dnition de son intgrale.
e e
c
e
e
Dnition 2.1 (Intgrale dune indicatrice)
e
e
Soit A A. Lintgrale de la fonction 1A par rapport ` la mesure sur est la mesure (A)
e
a
de A, cest-`-dire que
a
1A d = (A).
25
Exemple 2.1
1. Supposons que = a avec a . Alors, pour tout A A,
1A da = 1A (a).
Lintgrale de la fonction f = 1[a,b] peut sinterprter comme la longueur de lintervalle [a, b] mais aussi
e
e
comme laire entre la courbe reprsentative de la fonction f = 1[a,b] et laxe des abscisses.
e
Considrons maintenant une fonction f tage ` valeurs dans [0, +], cest-`-dire une fonction de la forme
e
e e a
a
n
i 1Ai ,
f=
(2.2)
i=1
N ,
avec n
i [0, +] pour tout i = 1, . . . , n et (Ai )1 i n An . Lorsque lon dnit une notion dintgrale,
e
e
il est classique de faire en sorte que cette intgrale soit linaire (comme lest lintgrale de Riemann). Par
e
e
e
consquent, il est naturel de vouloir dnir lintgrale de f par
e
e
e
n
f d =
i=1
i (Ai ).
1Ai d =
(2.3)
i=1
La valeur de (2.3) ne dpend pas de lcriture (2.2), ce qui permet dcrire la dnition suivante.
e
e
e
e
Dnition 2.2 (Intgrale dune fonction tage positive)
e
e
e
e
i 1Ai ,
f=
i=1
i n
i (Ai ).
f d =
Exemple 2.2
1. Soient a et f =
i=1
n
i=1
i n
i=1
i=1
f d1 =
R
i n
i a (Ai ) =
f da =
An et (i )1
i=1
26
i (ti+1 ti ).
n
i=1 i 1[ti ,ti+1 [
avec n N , i R+
Nous nonons ` prsent deux proprits de lintgrale. La premi`re nous sera utile pour dnir lintgrale
e
c
a e
ee
e
e
e
e
de fonctions mesurables positives (voir proposition 2.17 pour une version plus gnrale).
e e
Proposition 2.3
Soient f et g deux fonctions tages a valeurs dans [0, +].
e e `
1. Si f
g d.
f d
g, alors
2. De plus,
f d = 0 f = 0 -presque partout.
Preuve de la proposition 2.3. Soient f et g deux fonctions tages ` valeurs dans [0, +]. Il existe alors une
e e a
famille (Ai )1 i n An , avec n N , densembles formant une partition de telle que
n
i 1Ai
f=
et
i 1Ai
g=
i=1
i=1
i n
n formant
0. Par
g d.
i (Ai ) =
i (Ai )
f d =
n, i (Ai )
g. Les ensembles Ai , 1
i=1
i=1
f = 0 -presque partout 1
n, i = 0 ou (Ai ) = 0.
n, i (Ai )
n, i (Ai ) = 0.
0,
f d =
2.1.2
i=1
i (Ai ) = 0 (1
Dans cette partie, f : (, A) ([0, +], B([0, +])) est une fonction mesurable. An de dnir lintgrale
e
e
de f , nous approchons la fonction f par une suite de fonctions tages.
e e
Proposition 2.4 (Approximation de f par une suite de fonctions tages)
e
e
Si f : (, A) ([0, +], B([0, +])) est une fonction mesurable a valeurs dans [0, +], alors il existe
`
une suite (fn )nN croissante de fonctions tages dnies sur (, A) a valeurs dans [0, +] qui converge
e e
e
`
simplement vers f , cest-`-dire telle que
a
, fn () f ().
n+
Nous pouvons donc considrer une suite de fonctions tages (fn )nN ` valeurs dans [0, +] telle que
e
e e
a
, lim fn () = f ().
n+
nN
est une suite croissante dlments de [0, +] donc admet une limite dans [0, +]. La proposition suivante
ee
montre que cette limite de dpend pas du choix de la suite (fn )nN , ce qui permet de poser
e
f d = lim
n+
fn d.
Proposition 2.5
Si (gn )nN et (fn )nN sont des suites croissantes de fonctions tages a valeurs dans [0, +] convergeant
e e `
fn d
lim
gn d
et
nN
n+
fn d = lim
n+
gn d.
Preuve de la proposition 2.5. Voir annexe 2.6.2 page 45. La preuve utilise lassertion 2. de la proposition 2.3.
Comme annonc, nous pouvons ` partir de la proposition 2.4 et de la proposition 2.5 dnir lintgrale
e
a
e
e
dune fonction mesurable positive.
Dnition 2.6 (Intgrale dune fonction mesurable positive)
e
e
Soit f : (, A) ([0, +], B([0, +])) une fonction mesurable a valeurs dans [0, +]. Alors, dapr`s
`
e
la proposition 2.4, il existe une suite croissante (fn )nN de fonctions tages a valeurs dans [0, +] qui
e e `
converge simplement vers f . Lintgrale de f sur par rapport ` est alors dnie par
e
a
e
f d = lim
n+
fn d [0, +].
Lintgrale de f est bien dnie car dapr`s la proposition 2.5 la limite prcdente ne dpend pas du choix
e
e
e
e e
e
de (fn )nN .
Remarque 2.1 Evidemment, si f est tage mesurable ` valeurs dans [0, +] alors les dnitions 2.2 et 2.6
e e
a
e
de lintgrale de f co
e
ncident.
f d = sup
f et E+
o` E+ dsigne lensemble des fonctions tages sur (, A) a valeurs dans [0, +].
u
e
e e
`
Preuve de la proposition 2.7. Voir annexe 2.6.3 page 47.
28
Nous terminons cette section en gnralisant la proposition 2.3. Les proprits regroupes dans cette proe e
ee
e
position seront nonces dans un cadre plus gnral lorsque nous aurons ni la construction de lintgrale au
e
e
e e
e
sens de Lebesgue (voir proposition 2.17 page 34).
Proposition 2.8
Soient f : (, A) ([0, +], B([0, +])) et g : (, A) ([0, +], B([0, +])) deux fonctions mesurables a valeurs dans [0, +].
`
1. Si f
2. De plus,
g d.
f d
g alors
f d = 0 f = 0 -presque partout.
Preuve de la proposition 2.8. Soient f et g deux fonctions mesurables ` valeurs dans [0, +].
a
Dapr`s la proposition 2.4, il existe (fn )nN et (gn )nN deux suites croissantes de fonctions tages `
e
e e a
valeurs dans [0, +] telles que
, f () = lim fn () et
n+
1. Supposons f
n+
f d
gn d
n+
f d.
gn d
2. Supposons que f est -presque partout nulle. Pour tout n N, tant donn que 0
e
e
est aussi -presque partout nulle. Alors, dapr`s la proposition 2.3,
e
n N,
f d = lim
n+
f , fn
fn d = 0.
fn d = 0.
n N, 0
fn
fn d = 0 car
f d = 0
fn d
An
nN
est aussi ngligeable. De plus, f = lim fn = 0 sur Ac et donc f est nulle -presque partout.
e
n+
29
2.1.3
Nous rappelons la dnition de la partie ngative et de la partie positive dune fonction ` valeurs dans R.
e
e
a
Dnition 2.9 (Parties positive et ngative)
e
e
Si f : R est une fonction, la partie positive de f est la fonction
f+ : [0, +]
max (f (), 0)
et la partie ngative de f est la fonction
e
f : [0, +]
min (f (), 0).
Soit f : (, A) R, B R une fonction mesurable. Alors, les fonctions f+ et f sont mesurables ` valeurs
a
dans [0, +] et donc les intgrales de f+ et f sont bien dnies et sont des lments de [0, +]. Etant guids
e
e
ee
e
par la linarit souhaite de lintgrale, nous constatons que lintgrale de f , lorsquelle existe, doit tre gale `
e
e
e
e
e
e
e
a
f+ d
f d.
f+ d =
f d = +,
f+ d < + et
f d < +.
f+ d
30
f d.
2.1.4
Exemples
Exemple 2.3 Soit un ensemble non vide, A = P() et = a avec a . Toute fonction f : R est
mesurable car est muni de la tribu P().
Soit f : [0, +] une fonction ` valeurs dans [0, +]. Considrons (fn )nN une suite croissante de
a
e
fonctions tages ` valeurs dans [0, +] qui converge simplement vers f . Alors, par dnition, et dapr`s
e e a
e
e
lexemple 2.2 (voir page 26) appliqu ` chaque fonction fn ,
ea
f da = lim
n+
f+ da < + et
f da < +
f da =
f+ da
Exemple 2.4 Soit un ensemble non vide muni de la tribu A = P(). Considrons sur (, A) la mesure
e
positive
=
n an
nN
avec n ]0, +] pour tout n N et (an )nN une suite dlments de deux ` deux distincts.
ee
a
Remarquons tout dabord que toute fonction f : R est mesurable car est muni de la tribu P().
Nous pouvons alors montrer quune fonction f : R est -intgrable si et seulement si
e
nN
n |f (an )| < +.
De plus, si f : R est une fonction ` valeurs dans [0, +] ou une fonction -intgrable,
a
e
f d =
2.1.5
n f (an ).
nN
2.2
f d + b
(af + bg) d = a
2. Si f et g sont -intgrables a valeurs dans R alors, pour tous rels a et b, la fonction af + bg est
e
`
e
-intgrable et
e
g d.
f d + b
(af + bg) d = a
|f | d < +.
|f | d.
Prcisons que lensemble sur lequel une fonction intgrable est innie est un ensemble ngligeable.
e
e
e
Proposition 2.14
Si f : (, A) R, B R
e
Preuve de la proposition 2.14. Soit f : (, A) R, B R une fonction -intgrable. Alors, comme f est
mesurable et comme {+, } B R , A = {|f | = +} = f 1 ({+, }) A. Par suite, la
fonction g = (+) 1A est une fonction mesurable tage positive telle que g |f |. Alors,
e e
g d
|f | d < +
+ si (A) > 0
0 si (A) = 0.
Par consquent, (A) = ({|f | = +}) = 0, cest-`-dire que f est nie -presque partout.
e
a
32
f d =
f d =
Preuve de la proposition 2.15. Posons N = {f = g}. Les fonctions f et g tant mesurables gales -presque
e
e
partout, N A et N est -ngligeable.
e
1. Supposons que f et g sont toutes deux ` valeurs dans [0, +].
a
Par additivit de lintgrale sur lensemble des fonctions mesurables positives,
e
e
f 1N d.
f 1N c d +
f d =
Comme N est -ngligeable, la fonction mesurable positive f 1N est nulle -presque partout, donc
e
dintgrale nulle par rapport ` dapr`s la proposition 2.8. Par consquent,
e
a
e
e
f 1N c d.
f d =
Par suite,
g d.
g1N c d =
f 1N c d =
f d =
g d =
La proposition prcdente permet de dnir lintgrale de nimporte quelle fonction mesurable f ` vae e
e
e
a
leurs positives -presque partout. Les fonctions f et f 1f 0 tant mesurables et gales -presque partout, la
e
e
proposition 2.15 nous conduit ` dnir lintgrale de f comme tant celle de f 1f 0 (qui est bien dnie).
a e
e
e
e
Dnition 2.16 (Intgrale dune fonction mesurable positive presque partout)
e
e
Soit f : (, A) R, B R une fonction mesurable. Supposons que f est a valeurs dans [0, +] `
presque partout. Alors, lintgrale de f sur par rapport ` est
e
a
f 1f
f d =
33
0 d
R+ {+}.
et g : (, A) R, B R
g
f -presque partout.
1. Si les fonctions f et g sont toutes deux a valeurs dans [0, +] -presque partout ou sont toutes
`
f d.
g d
partout.
g d, alors f = g -presque
f d =
Nous donnons une derni`re proprit permettant de montrer quune fonction f est intgrable en
e
ee
e
dominant par une fonction que lon sait tre intgrable.
e
e
la
Proposition 2.18
Soient f et g deux fonctions mesurables dnies sur (, A) a valeurs dans R. Si |f |
e
`
et si g est -intgrable, alors f est -intgrable et
e
e
f d
|f | d
g d.
f d
g -presque partout
|f | d
a().
f d =
Re(f ) d + i
f d =
4. Les rsultats de cette section sauf la proposition 2.17 se gnralisent aux fonctions ` valeurs complexes.
e
e e
a
34
Remarque 2.5 Soit (, A , ) lespace complet associ ` lespace (, A, ) (voir chapitre 1, thor`me 1.32).
ea
e e
Soit f : (, A) R, B R une application mesurable. Alors, f est aussi mesurable par rapport aux tribus
A et B R . De plus, f est -intgrable sur si et seulement si f est -intgrable sur . Par ailleurs, si f est
e
e
-intgrable, alors
e
f d.
f d =
Nous pouvons donc sans perte de gnralit supposer que les espaces mesurs (, A, ) considrs sont complets.
e e
e
e
ee
2.3
Thor`mes de convergence
e e
Dans cette partie, nous supposons (pour simplier les noncs) que lespace (, A, ) est
e
e
complet. Cette partie nonce trois rsultats essentiels : le thor`me de convergence monotone, le lemme de
e
e
e e
Fatou et le thor`me de convergence domine. Commenons par tudier les suites croissantes de fonctions
e e
e
c
e
positives.
Thor`me 2.19 (Thor`me de convergence monotone ou thor`me de Beppo Levi)
e e
e e
e e
Pour tout n N, soit fn : (, A) R, B R
Nous notons f la limite (dnie presque partout) de la suite (fn )nN . Alors,
e
lim
n+
f d.
fn d =
Remarque 2.6 Dans le thor`me de Beppo Levi, la fonction f est a priori seulement dnie -presque partout.
e e
e
Par convention, lintgrale de f sur dsigne lintgrale dun de ses prolongements dni sur tout . Bien sr,
e
e
e
e
u
la valeur de cette intgrale ne dpend pas du choix du prolongement. En gnral, nous prolongeons f par 0.
e
e
e e
Preuve du thor`me 2.19. Nous prolongeons f par 0, ce qui dnit une fonction encore note f mesurable car
e e
e
e
lespace (, A, ) est complet. De plus, par hypoth`se, la suite (fn )nN converge -presque partout vers
e
f et pour tout n N,
0 fn f -presque partout.
fn d
lim
n+
fn d.
Il sut pour cela de suivre la preuve du lemme 2.31 (lemme donn en annexe, voir page 45). Alors,
e
dapr`s la proposition 2.7,
e
g d / g tage ` valeurs dans [0, +], g
e e a
sup
f d
35
lim
n+
fn d.
(2.4)
Etant donn que pour tout n N, 0
e
fn
n N, 0
Par consquent, lim
e
n+
f d.
fn d
fn d
n+
f d.
fn d =
xn ex si x [1, n + 1]
0 sinon.
La fonction fn est borlienne car continue par morceaux sur R. De plus, la suite (fn )nN est une suite croissante
e
(partout) de fonctions positives qui converge 1 -presque partout vers la fonction f dnie sur R par
e
f (x) =
+ si x > 1
0 sinon.
En fait, (fn (x))nN converge vers f (x) pour tout x R\{1} et {1} est ngligeable pour la mesure de Lebesgue.
e
Alors, dapr`s le thor`me de convergence monotone,
e
e e
lim
n+ [1,n]
xn ex 1 (dx) =
R
Le lemme de Fatou nonc ci-apr`s est une consquence immdiate du thor`me de Beppo Levi. Nous
e
e
e
e
e
e e
commenons par rappeler la notion de limite infrieure et suprieure pour une suite de fonctions.
c
e
e
Dnition 2.20 (Limites infrieure et suprieure dune suite de fonctions)
e
e
e
Soit (fn )nN une suite de fonctions dnies sur a valeurs dans R.
e
`
1. La limite infrieure de (fn )nN est la fonction lim inf fn = sup
e
n+
nN
nN
n+
inf fk .
k n
sup fk
k n
Remarque 2.7 Si (fn )nN est une suite de fonctions mesurables, les fonctions lim sup fn et lim inf fn sont
n+
n+
mesurables.
lim inf fn d
n+
36
fn d.
lim inf
n+
Preuve de la proposition 2.21. Posons gn = inf k n fk pour tout n N. Alors, la suite (gn )nN est une suite
croissante de fonctions mesurables ` valeurs dans [0, +] -presque partout et
a
lim inf fn = lim gn .
n+
n, 0
gn
n+
fk -presque partout,
fk d
gn d
n,
et donc
gn d
fk d
inf
k n
fk d
sup inf
mN k m
= lim inf
m+
fm d.
Cette ingalit tant vraie pour tout n N, en appliquant le thor`me de Beppo Levi ` la suite (gn )nN ,
e
ee
e e
a
nous obtenons :
fn d.
lim gn d lim inf
lim inf fn d =
n+
n+
n+
Exemple 2.6 Pour tout n N, considrons la fonction fn :]0, 1[ R dnie sur ]0, 1[ par
e
e
x
2
fn (x) = n sin
.
1/3
n
La fonction fn est borlienne car continue sur ]0, 1[ et est positive. En appliquant le lemme de Fatou ` la suite
e
a
(fn )nN , nous obtenons :
+ =
fn d1 = + = lim
n+
lim inf fn d1
]0,1[ n+
n+ ]0,1[
]0,1[
fn d1 .
lim inf
n+
]0,1[
fn d1 .
Notons f la limite (dnie -presque partout) de la suite (fn )nN . Alors f est -intgrable et
e
e
lim
n+
f d.
fn d =
Preuve du thor`me 2.22. Soient B = { / limn+ fn () = f ()}. Par hypoth`se, B c est un ensemble
e e
e
-ngligeable. Alors, B A car lespace (, A, ) est complet. Considrons
e
e
A=
nN
{|fn |
g}
37
B {g < +} .
Alors, A A et Ac A car les fonctions fn et g sont mesurables, B A et A est une tribu. De plus,
+
(Ac )
(B c ) + ({g = +}) +
n=0
dapr`s lassertion 3. de la proposition 1.19 page 11. Par consquent, (Ac ) = 0 et donc Ac est un ensemble
e
e
-ngligeable. Alors, par dnition de A, |f | g -presque partout. Par suite, dapr`s la proposition 2.18,
e
e
e
la fonction f est -intgrable car g lest.
e
Pour tout n N, considrons ` prsent lapplication mesurable gn = 2g |fn f |1A . Alors,
e
a e
gn d = 2
g d
|fn f | d.
g d
1A |fn f | d = 2
g d lim sup
g d
lim inf 2
n+
g d
|fn f | d
=2
n+
|fn f | d.
Par consquent,
e
0 = lim sup
n+
et donc lim
n+
|fn f | d
fn d
f d =
2.4
(fn f ) d
f d = lim
n+
|fn f | d,
fn d.
Thor`me de Fubini
e e
Lintgrale dune fonction f par rapport ` une mesure produit 1 2 , lorsquelle a un sens, se ram`ne en
e
a
e
gnral au calcul dintgrales par rapport ` 1 et 2 . Etudions tout dabord le cas des fonctions mesurables
e e
e
a
a valeurs dans [0, +].
`
Thor`me 2.23 (Thor`me de Fubini-Tonelli)
e e
e e
Soient (1 , A1 , 1 ) et (2 , A2 , 2 ) deux espaces mesurs. Pour tout i {1, 2}, supposons que i est une
e
mesure positive -nie sur (i , Ai ). Soit
f : (1 2 , A1 A2 ) ([0, +], B([0, +]))
une fonction mesurable a valeurs dans [0, +]. Nous considrons
`
e
f (1 , 2 ) d1 (1 ).
f (1 , 2 ) d2 (2 ) et F2 (2 ) =
F1 (1 ) =
Alors pour i {1, 2}, la fonction Fi : (i , Ai ) ([0, +], B([0, +])) est mesurable. De plus
F2 (2 ) d2 (2 ) =
F1 (1 ) d1 (1 ) =
1
1 2
38
f (1 , 2 ) d(1 2 )(1 , 2 ).
- et la fonction 1
De plus,
f (1 , 2 )d1 (1 ) d2 (2 )
f (1 , 2 )d2 (2 ) d1 (1 ) =
1
(2.5)
f (1 , 2 )d(1 2 )(1 , 2 ).
1 2
presque partout.
f (1 , 2 )d2 (2 ) et 2
f+ (1 , 2 ) d2 (2 ) et
+
F2 (2 ) =
f+ (1 , 2 ) d1 (1 ).
+
F1 (1 )
|f (1 , 2 )| d2 .
+
+
car 0 f+ |f |. Alors, dapr`s lassertion 1., F1 est 1 -intgrable. De mme, F2 est 2 -intgrable
e
e
e
e
+
et Fi est i -intgrable pour i = 1, 2. En particulier, pour tout i {1, 2}, Fi et Fi sont nies
e
i -presque partout. Alors, pour i {1, 2} et j {1, 2}\{i},
Fi =
j
Nous pouvons prolonger Fi en une fonction mesurable. Dapr`s ce qui prc`de, Fi est i -intgrable.
e
e e
e
Nous obtenons alors (2.5) en appliquant le thor`me de Fubini-Tonelli ` f+ et f .
e e
a
Remarque 2.9
1. Pour i {1, 2}, considrons (i , Ai , i ) un espace mesur complet avec i une mesure positive -nie.
e
e
Si f1 : (1 , A1 ) ([0, +], B([0, +])) et f2 : (2 , A2 ) ([0, +], B([0, +])) sont des fonctions
borliennes,
e
f1 (1 )f2 (2 ) d(1 2 )(1 , 2 ) =
f2 (2 )d2 (2 ) .
f1 (1 )d1 (1 )
1 2
+ +
un,m ,
un,m =
m=0 n=0
n=0 m=0
+ +
2.5
n=0 m=0
|un,m | =
+
m=0 n=0
|un,m | < +.
2.5.1
Avant de rappeler la dnition de lintgrale au sens de Riemann, nous xons quelques notations.
e
e
Notations-Dnitions Fixons a, b R tels que a
e
Une famille = (tk )0
k n,
t1
b.
k n
k n
t2
tn1
tn = b.
n} t / 0
k
i n
n1
n1
i=0
de [a, b] si
n .
k n
(ti+1 ti )
1
i=0 i
inf f (t) et
ti t ti+1
(, f ) =
i=0
= 0.
40
(ti+1 ti )
sup f (t).
ti t ti+1
e
o` T est lensemble des subdivisions de [a, b]. De plus, si f : [a, b] R est Riemann-intgrable, alors
u
lintgrale de Riemann de f sur [a, b] est le rel
e
e
b
f dx = sup (, f ) = inf (, f ).
a
Remarque 2.10 Dapr`s lexemple 2.2 page 26, les intgrales de Lebesgue et de Riemann co
e
e
ncident sur
lensemble des fonctions en escalier sur [a, b] prenant un nombre ni de valeurs.
Dans cette partie, nous considrons lintgrale au sens de Lebesgue sur lespace complt ([a, b], B([a, b]), 1 )1 .
e
e
ee
Notation
Soit I R un intervalle. La tribu L(I) sur I est la tribu borlienne B(I) complte pour la mesure de
e
ee
Lebesgue sur I. Ainsi, avec les notations du chapitre 1,
L(I) = B(I)1
o` 1 dsigne la mesure de Lebesgue sur I. La tribu de Lebesgue L(I) sur lintervalle I est donc la plus
u
e
petite tribu sur I contenant la tribu borlienne B(I) et les sous-ensembles 1 -ngligeables de I.
e
e
Dnition 2.26 (Fonction Lebesgue-mesurable)
e
Soient I R un intervalle et f : I R une fonction. La fonction f est dite Lebesgue-mesurable si
f : (I, L(I)) R, B R est mesurable par rapport aux tribus L(I) et B R .
Remarque 2.11 Une fonction borlienne f : I R est Lebesgue-mesurable car B(I) L(I).
e
Toute fonction Riemann-intgrable sur [a, b] est aussi Lebesgue-intgrable. Pour la preuve de la proposition
e
e
suivante, nous renvoyons par exemple ` [11].
a
41
f d1 = R
[a,b]
f dx.
a
Remarque 2.12 Une fonction Riemann-intgrable sur un intervalle compact [a, b] nest pas a priori borlienne.
e
e
Exemple 2.7 La fonction cos tant continue sur lintervalle compact [0, 1], elle est Riemann-intgrable sur
e
e
[0, 1]. Par consquent, elle est aussi Lebesgue-intgrable sur [0, 1] et
e
e
1
[0,1]
La proposition suivante (voir par exemple [9] pour une preuve) permet de donner des exemples de fonctions
Lebesgue-intgrables sur [a, b] non Riemann-intgrables sur [a, b]. La notion de fonction Lebesgue-intgrable
e
e
e
sur [a, b] prolonge donc celle de fonction Riemann-intgrable sur [a, b] ` une classe plus grande de fonctions.
e
a
Proposition 2.28
Une fonction borne f : [a, b] R est Riemann-intgrable si et seulement si lensemble de ses points de
e
e
discontinuit est 1 -ngligeable.
e
e
Exemple 2.8 La fonction 1Q[0,1] est Lebesgue-intgrable mais nest pas Riemann-intgrable.
e
e
Nous tudions ` prsent le lien entre lintgrabilit au sens de Riemann sur un intervalle I a priori non
e
a e
e
e
compact et lintgrabilit au sens de Lebesgue. Nous ne rappelons pas la construction de lintgrale de Riemann
e
e
e
sur un intervalle I non compact.
Proposition 2.29 (Riemann et Lebesgue intgrabilits sur un intervalle non compact)
e
e
Soit I un intervalle et f : I R une fonction continue sauf ventuellement en un nombre ni de points.
e
1. Alors la fonction f est borlienne.
e
2. Par ailleurs, la fonction f est Riemann-intgrable sur I, cest-`-dire telle que R
e
a
si et seulement si elle est Lebesgue-intgrable sur I.
e
|f | dx < +,
f d1 = R
f dx,
I
cest-`-dire que lintgrale de f au sens de Lebesgue sur I concide avec son intgrale au sens de
a
e
e
Riemann sur I.
42
Exemple 2.9
1. Considrons la fonction f : [1, +[ R dnie par f (x) = xp .
e
e
La fonction f est continue sur I = [1, +[. Elle est donc Lebesgue-intgrable sur I si et seulement si
e
elle est Riemann-intgrable sur I, cest-`-dire si et seulement si p > 1.
e
a
Si p > 1, alors dapr`s la proposition 2.29,
e
[1,+[
Si p
1
1 (dx) = R
xp
1
1
dx =
.
xp
p1
1, la fonction f nest pas Lebesgue-intgrable sur I et donc, comme elle est positive,
e
1
(dx) = +.
p 1
[1,+[ x
2. Considrons la fonction f :]0, +[ R dnie par f (x) = sin (x)/x. Cette fonction est continue sur
e
e
lintervalle I =]0, +[ mais nest pas Riemann-intgrable sur I (intgrale non absolument convergente).
e
e
Par suite, dapr`s la proposition 2.29, f nest pas Lebesgue-intgrable sur I.
e
e
2.5.2
Intgration et drivation
e
e
f d1
[a,x]
x
[a,x]
f d1 = R
car R
F (t) dt =
[a,x]
F d1 .
[a,x]
F (x) = c +
[a,x]
Alors, la fonction F : [a, b] R est continue sur [a, b], drivable 1 -presque partout sur [a, b] et
e
= f -presque partout.
F
1
2. Soit F : [a, b] R une fonction drivable sur [a, b]. Si la drive F de F est Lebesgue-intgrable
e
e e
e
sur [a, b], alors
x [a, b], F (x) = F (a) +
F (t)1 (dt).
[a,x]
Si la fonction F est simplement drivable en presque tout point, alors en gnral lassertion 2. nest pas
e
e e
vrie.
e e
43
2.5.3
Nous venons de voir que les intgrales au sens de Lebesgue et au sens de Riemann co
e
ncident souvent. Les
rsultats essentiels sont les propositions 2.27 et 2.29.
e
En particulier, si f est continue sur lintervalle I sauf ventuellement en un nombre ni de points,
e
ltude de lintgrabilit au sens de Lebesgue de f sur I revient ` tudier son intgrabilit au sens de
e
e
e
ae
e
e
Riemann. Tous les crit`res classiques (comparaisons, quivalents...) peuvent tre utiliss.
e
e
e
e
Si f est continue sur lintervalle I sauf ventuellement en un nombre ni de points et intgrable sur
e
e
I, son intgrale au sens de Lebesgue co
e
ncide avec celle au sens de Riemann. Toutes les mthodes de
e
calcul dintgrales classiques (changement de variables, intgration par partie, utilisation de primie
e
tives...) peuvent tre utiliss.
e
e
Dans le cas o` lintgrale au sens de Lebesgue ne peut pas sinterprter comme une intgrale au sens
u
e
e
e
de Riemann, il faut faire attention. Nous donnerons dans le chapitre 3 un thor`me de changement
e e
de variables analogue ` celui connu pour lintgrale au sens de Riemann (voir thor`me 3.28 page 65).
a
e
e e
Mais, nous ne pouvons pas a priori utiliser des intgrations par parties ; en eet en gnral
e
e e
[a,b]
2.6
2.6.1
F d1 = F (b) F (a).
Annexes
Preuve de la proposition 2.4, voir nonc page 27
e
e
Soit f : (, A) ([0, +], B([0, +])) une fonction mesurable. Pour tout n N , considrons la fonction fn
e
dnie sur par
e
fn =
n2n 1
i=0
i
1 n
2n {i/2 <f
(i+1)/2n }
+ n1{f >n} .
n2n 1,
2n (i + 1) = f 1 ]2n i, 2n (i + 1)] A
car ]2n i, 2n (i + 1)] B([0, +]) et car f est mesurable. Par suite, pour tout n N , lapplication
fn =
n2n 1
i=0
i
1 n
2n {i/2 <f
(i+1)/2n }
+ n1{f >n} .
est une fonction tage en tant que combinaison linaire nie dindicatrice de borliens.
e e
e
e
Nous pouvons vrier que la suite (fn )nN est croissante (exercice).
e
44
n+
2nd cas. Supposons que f () R+ . Alors, pour n assez grand, |f ()| < n et
|f () fn ()|
1
.
2n
Ainsi, nous venons de montrer que pour tout , la suite (fn ())nN converge vers f ().
2.6.2
La preuve de la proposition repose sur le lemme suivant. Nous rappelons que nous ne pouvons utiliser que
les rsultats tablis avant la section 2.1.2.
e
e
Lemme 2.31
Soit (hn )nN une suite croissante de fonctions tages a valeurs dans [0, +]. Si g est une fonction
e e `
tage a valeurs dans [0, +] telle que
e e `
, g()
g d
alors,
lim
n+
lim hn (),
n+
hn d.
t min (g(), M )}
pour tout n N. En utilisant la mesurabilit des fonctions hn , n N et de la fonction g, on peut vrier que
e
e
n A pour tout n N. Par ailleurs, pour tout n N, n n+1 car hn hn+1 .
Montrons que =
nN
R .
+
lim hn ()
n+
nN n
. Fixons .
0 = t min (g(), M ) et
g()
nN n .
45
n .
nN
nN n .
n0 ,
hn 1n
De plus, la fonction t min (g, M )1n est une fonction tage ` valeurs dans [0, +] car gn en est une et car
e e a
e
e
e
e e
t, M R+ . Alors, dapr`s la proposition 2.3, la fonction hn tant elle-mme tage positive,
min (g, M )1n d.
hn d
i 1Ai
g=
i=1
avec m N, (i )1 i
partition de . Alors,
i m
Les ensembles Ai n , 1
min (i , M ) 1Ai n .
m, tant dans A,
e
min (i , M ) (Ai n ).
i=1
hn d
i=1
min (i , M ) (Ai n )
(2.6)
Pour tout 1
i
m, la suite (Ai n )nN est une suite croissante de A, donc par continuit monotone
e
(proposition 1.20 page 12) de ,
lim (Ai n ) =
n+
hn d
De plus, la suite
nN
Ai n
= (Ai ) = (Ai ).
dlments de [0, +] admet une limite dans [0, +] car elle est croissante.
ee
nN
Alors, en faisant tendre n + dans (2.6) (qui est vrie pour tout n N), nous obtenons :
e e
m
lim
n+
hn d
min (i , M ) (Ai ).
t
i=1
lim
n+
g d.
i (Ai ) =
hn d
i=1
46
Preuve de la proposition 2.5. Nous avons dj` remarqu que les suites
ea
e
fn d
gn d
et
nN
nN
convergent dans [0, +]. Par ailleurs, tant donn que la suite (gn )nN est une suite croissante de fonctions
e
e
tages ` valeurs dans [0, +] convergeant simplement vers f , pour tout p N,
e e a
gp
f = lim fn .
n+
Alors, les fonctions gp et fn tant tages ` valeurs dans [0, +], dapr`s le lemme 2.31,
e
e e a
e
p N,
gp d
lim
n+
fn d
lim
lim
fp d
fn d.
lim
gp d
p+
gn d.
n+
n+
2.6.3
n+
gn d = lim
n+
fn d.
Soit f : (, A) ([0, +], B([0, +])) une fonction mesurable. Alors, il existe une suite (fn )nN croissante de
fonctions tages positives convergeant simplement vers f . Par dnition,
e e
e
f d = lim
n+
fn d.
f.
f et E+ .
d /
sup
n+
fn d
f et E+ .
d /
sup
n+
lim
n+
f d.
fn d =
d /
sup
d /
f d = sup
(2.7)
lim
n+
f et E+ .
47
f,
f d.
fn d =
(2.8)
48
Chapitre 3
Evoquons d`s ` prsent deux rsultats importants donns dans ce chapitre. Le premier est le thor`me
e a e
e
e
e e
du transport qui rend inutile la description de lespace (, A, P) sur lequel se droule lexprience tudie.
e
e
e
e
Le second rsultat important est la caractrisation de la loi dune variable alatoire relle par sa fonction de
e
e
e
e
rpartition. La forme de la fonction de rpartition permet, en particulier, de dterminer si la variable alatoire
e
e
e
e
est discr`te, de loi absolument continue ou dun autre type.
e
e
Dans tout ce chapitre, tout ensemble I R est muni de sa tribu borlienne.
3.1
Esprance
e
Nous reformulons en termes probabilistes une partie des rsultats tablis, en chapitre 2, pour lintgrale
e
e
e
construite par rapport ` P.
a
Dnition 3.1 (Esprance dune variable alatoire positive ou intgrable)
e
e
e
e
Soit X : (, A) R, B R une variable alatoire P-intgrable ou a valeurs dans [0, +] P-presque
e
e
`
srement. Lesprance E(X) de X est lintgrale de X par rapport a la probabilit P, cest-`-dire que
u
e
e
`
e
a
X() dP().
E(X) =
Exemple 3.1
1. Toutes les variables alatoires relles constantes sur sont P-intgrables. De plus, si a R {+} et si
e
e
e
X = a est la variable constante ` a sur , alors E(X) = aP() = a.
a
2. Considrons lespace de probabilit (, A, P) = (, P(), a ). Alors toute fonction X : R est une
e
e
variable alatoire (cest-`-dire est mesurable) et
e
a
E(|X|) =
|X| da = |X(a)|.
Ainsi, une fonction X : R est a -intgrable si et seulement si X(a) R. De plus, si X(a) R{+},
e
X da = X(a).
E(X) =
49
Nous nonons les principales proprits de lesprance. Ces rsultats ont t dmontrs dans le chapitre 2.
e
c
ee
e
e
ee e
e
Proposition 3.2
Soient X et Y deux variables alatoires dnies sur lespace de probabilit (, A, P) a valeurs dans R.
e
e
e
`
1. Si la variable alatoire X est a valeurs dans [0, +] P-presque srement, alors
e
`
u
E(X) [0, +].
2. Si la variable alatoire X est P-intgrable, alors X est nie P-presque srement et
e
e
u
|E(X)|
E(|X|).
3. Si les variables alatoires X et Y sont P-intgrables, alors pour tous a, b R, aX + bY est une
e
e
variable alatoire P-intgrable et
e
e
E(aX + bY ) = a E(X) + b E(Y ).
4. Si les variables alatoires X et Y sont a valeurs dans [0, +] P-presque srement, alors pour tous
e
`
u
a, b [0, +],
E(aX + bY ) = aE(X) + bE(Y ).
5. Si la variable alatoire X est a valeurs dans [0, +] P-presque srement, alors
e
`
u
E(X) = 0 X = 0 P-presque srement.
u
6. Si les variables alatoires X et Y sont toutes deux P-intgrables ou toutes deux a valeurs dans
e
e
`
[0, +] P-presque srement, alors,
u
X
7. Si |X|
E(Y ).
E(|X|)
E(Y ).
a.
Remarque 3.1 Dans lassertion 3., a priori, X + Y nest bien dnie que sur \N avec
e
N = {X = +} {Y = } A
et P(N ) = 0 (dapr`s lassertion 2.). Par consquent, la variable X + Y se prolonge en une variable alatoire
e
e
e
sur . Lesprance E(X + Y ) dsigne lesprance de nimporte quel prolongement (mesurable) de X + Y .
e
e
e
Les thor`mes de convergence monotone, de convergence domine et le lemme de Fatou peuvent bien sr
e e
e
u
tre rnoncs en termes probabilistes. Lorsque lespace de probabilit (, A, P) est le produit de deux espaces
e
ee
e
e
de probabilits, nous pouvons aussi noncer le thor`me de Fubini-Tonelli et le thor`me de Fubini.
e
e
e e
e e
50
3.2
3.2.1
Dnitions
e
est une mesure positive sur ( , A ) et est appele mesure image de par X.
e
Preuve de la proposition 3.3. Si B A , alors X 1 (B) A car X est mesurable et donc X X 1 (B) est bien
bien dni et appartient ` [0, +]. Par ailleurs, X () = () = 0.
e
a
Considrons ` prsent (An )nN une suite dlments de A deux ` deux disjoints. Alors,
e
a e
ee
a
An
= X 1
An
nN
nN
X 1 (An ) .
=
nN
Les ensembles An A, n N, tant deux ` deux disjoints, les ensembles X 1 (An ), n N, sont aussi
e
a
deux ` deux disjoints. De plus, X tant mesurable,pour tout n N X 1 (An ) A car An A . Alors,
a
e
An
X 1 (An ) =
=
nN
nN
X (An ).
nN
1. Considrons la variable alatoire X : dnie par X() = . Alors, la loi de X est PX = P car
e
e
e
X 1 (B) = B pour tout B A.
2. Supposons que P = a avec a et considrons X : (, A) ( , A ) une variable alatoire. Alors, la
e
e
[0, +] de X est dnie par
loi PX : A
e
B A , PX (B) = a X 1 (B) =
P() = 0
P(X = 1) = P(A)
PX (B) = P X 1 (B) =
P(X = 0) = 1 P(A)
Alors,
si
si
si
si
1B
/
1B
1B
/
1B
et
et
et
et
0 B,
/
0 B,
/
0 B,
0 B.
La loi de X est PX = (1 p)0 +p1 avec p = P(A). Cette loi appele loi de Bernoulli de param`tre p.
e
e
3.2.2
Prcisons le lien entre lintgrale par rapport ` une mesure image de et lintgrale par rapport ` .
e
e
a
e
a
Thor`me 3.5 (Thor`me de transport)
e e
e e
Soient (, A, ) un espace mesur, ( , A ) un espace mesurable, X : (, A) ( , A ) une fonction
e
mesurable et : ( , A ) R, B R une fonction mesurable. Notons X la mesure image de par X.
1. Si est a valeurs dans [0, +], alors,
`
(x)X (dx) =
(X())(d).
(x)X (dx) =
(X())(d).
Remarque 3.2 Lassertion 1. du thor`me 3.5 reste vraie pour toute fonction mesurable ` valeurs dans [0, +]
e e
a
-presque partout. De plus, si : (, A) R, B R est une fonction mesurable, alors,
[0, +] -presque partout (X) [0, +] X -presque partout.
Preuve du thor`me 3.5.
e e
1. Etape 1 : Cas des fonctions tages positives. Par dnition, pour tout B A,
e
e
e
1X 1 (B) ()(d) =
1B (X())(d).
Par additivit des intgrales sur lensemble des fonctions tages positives, pour toute fonction
e
e
e e
tage : [0, +],
e e
(x)X (dx) =
(X())(d)
Etape 2 : Cas des fonctions mesurables positives. Soit : [0, +] une fonction
mesurable. Alors, il existe (n )nN une suite croissante de fonctions tages sur (, A) ` valeurs
e e
a
dans [0, +] convergeant simplement vers . Par dnition de lintgrale de par rapport ` X et
e
e
a
dapr`s ltape 1. applique ` chaque n ,
e e
e a
n+
n+
52
n (X())(d).
De plus, (n X)nN est une suite croissante de fonctions tages sur ( , A ) ` valeurs dans [0, +]
e e
a
convergeant simplement vers la fonction mesurable positive X. Alors,
(X())(d) = lim
n+
n (X())(d) =
(x)X (dx).
(x)X (dx) =
+ (x)X (dx)
(x)X (dx).
Les fonctions + et tant mesurables ` valeurs dans [0, +], dapr`s lassertion 1.,
e
a
e
(x)X (dx) =
+ (X())(d)
(X())(d).
(X())(d) =
car ( X)+ = + X et ( X) = X.
(x)PX (dx).
dPX =
53
Supposons que (3.1) est vrie pour toute fonction mesurable : ( , A ) ([0, +], B([0, +])).
e e
e
Pour tout B A , la fonction = 1B : R est mesurable positive et donc, par hypoth`se,
P(X B) = E(1B (X)) = E(1B (Y )) = P(Y B).
Alors, par dnition de PX et PY , PX = PY .
e
3.2.3
Fonction de rpartition
e
La notion de fonction de rpartition est utile notamment pour dterminer la loi dune variable alatoire.
e
e
e
Dnition 3.8 (Fonction de rpartition dune variable alatoire relle)
e
e
e
e
Soient (, A, P) un espace de probabilit et X : (, A, P) (R, B(R)) une variable alatoire relle.
e
e
e
Notons PX la loi de X. La fonction de rpartition de X est la fonction FX : R [0, 1] dnie par
e
e
t) = P X 1 (] , t]) = PX (] , t]).
t R, FX (t) = P(X
Exemple 3.3 Considrons une variable alatoire relle X, notons PX sa loi et FX sa fonction de rpartition.
e
e
e
e
1. Soit a R. Supposons que PX = a (ce qui revient ` supposer que X = a presque srement). Alors,
a
u
FX (t) = PX (] , t]) =
0 si t ] , a[
1 si t [a, +[.
0 si t < 0,
FX (t) = 1 (] , t] [0, 1]) =
t si 0 t < 1,
1 si t 1.
Donnons les proprits de la fonction de rpartition dune variable alatoire relle.
ee
e
e
e
Proposition 3.9 (Proprits dune fonction de rpartition)
e e
e
Soient (, A, P) un espace de probabilit et X : (, A, P) (R, B(R)) une variable alatoire relle.
e
e
e
1. La fonction de rpartition FX de X est une fonction croissante, continue a droite telle que
e
`
lim FX (t) = 0 et
lim FX (t) = 1.
t+
(3.2)
54
(3.3)
X
X
PX (] , t]) = FX (t).
Dn
avec
nN
Dn =
x R / FX (x) FX x
1
.
n
x+
lim F (x) = 0.
Alors il existe une variable alatoire relle X dnie sur sur ([0, 1], B([0, 1]), 1 ) de fonction de rpartition F .
e
e
e
e
La loi dune variable alatoire relle est caractrise par sa fonction de rpartition. Il sagit dune simple
e
e
e e
e
application du corollaire A.6 page 95.
Proposition 3.10 (Caractrisation de la loi dune variable alatoire relle)
e
e
e
Soient X et Y deux variables alatoires relles dnies sur lespace de probabilit (, A, P). Alors, les
e
e
e
e
variables alatoires X et Y ont mme fonction de rpartition si et seulement si elles ont mme loi.
e
e
e
e
55
(t1 , . . . , td ) Rd , FX (t1 , . . . , td ) = P
i=1
{Xi
ti }
= PX
i=1
] , ti ] .
Remarque 3.5 La proposition 3.10 reste vraie pour des variables ` valeurs dans Rd .
a
3.3
3.3.1
En fait, une variable alatoire est discr`te si et seulement si sa loi est une mesure discr`te.
e
e
e
Proposition 3.13 (Lien variables alatoires discr`tes/mesures discr`tes)
e
e
e
Soit (E, E) un ensemble probabilisable. Supposons que E = B(E) ou E = P(E) et considrons
e
S = {xi / i I} E
un ensemble ni ou dnombrable. Supposons xi = xj pour tous i, j I tels que i = j.
e
1. Considrons (, A, P) un espace de probabilit et supposons que X : (, A) (E, E) est une
e
e
variable alatoire a valeurs P-presque srement dans lensemble S. Pour tout i I, posons
e
`
u
pi = PX ({xi }) = P(X = xi ).
Alors pour tout i I, pi
0 et
(3.4)
pi xi .
iI
0 et
pi = 1,
iI
PX =
iI
56
pi = PX (S) = 1.
iI
iI
B {xi }.
iI
pi xi .
pi = 1.
0 et telle que
iI
Posons = [0, 1] et supposons que P = 1 est la mesure de Lebesgue sur [0, 1]. Considrons
e
X = x1 1[0,p1 ] +
(3.5)
jI\{1}
Notons que X est bien dnie sur [0, 1] car les pi sont positifs et de somme gale ` 1. De plus, X
e
e
a
est une fonction tage donc une variable alatoire. Les xi tant deux ` deux distincts,
e e
e
e
a
P(X = x1 ) = 1 ([0, p1 ]) = p1
et pour tout i I\{1},
P(X = xi ) = 1
i1
pj ,
j=1
j=1
pj = pi
De plus, X prend bien ses valeurs dans S = {xi / i I}. La variable X vriant les hypoth`ses
e
e
de lassertion 1. et les pi , i I, tant donns par (3.4), la loi de X est bien la mesure discr`te
e
e
e
PX =
pi xi .
iI
iI
2. Si (X) est intgrable ou si (X) est a valeurs dans [0, +] presque srement, alors
e
`
u
E((X)) =
(xi ) P(X = xi ).
iI
3.3.2
Dans cette section, nous donnons la fonction de rpartition dune loi discr`te. De plus, connaissant la
e
e
fonction de rpartition dune variable alatoire X, nous souhaitons savoir si X est discr`te et donner sa loi.
e
e
e
Proposition 3.15 (Variables alatoires discr`tes et fonctions de rpartition)
e
e
e
1. Considrons (, A, P) un espace de probabilit. Soit X une variable alatoire relle discr`te dnie
e
e
e
e
e
e
sur (, A, P) et a valeurs P-presque srement dans lensemble
`
u
S = {xi / i I} R
avec I = {1, . . . , n} ou I = N . Notons FX la fonction de rpartition de X et posons
e
pi = P(X = xi )
pour tout i I. Supposons que pour tout i I tel que i + 1 I, xi < xi+1 .
(a) Si S est ni, alors
0
si t ], x1 [
FX (t) =
p + + pi si xi t < xi+1 avec 1
1
1
si t [xn , +[.
i<n
0
si t ], x1 [
p1 + + pi si xi t < xi+1 avec i N .
(c) La fonction FX est constante par morceaux continue sauf ventuellement aux points xi , i I,
e
et pour tout i I, pi = FX (xi ) FX (xi ) est la valeur du saut de la fonction FX au point xi .
58
2. Soit F : R R une fonction croissante, continue a droite, constante par morceaux et telle que
`
lim F (t) = 0 et lim F (t) = 1.
t+
pi xi
iI
fi 1[xi ,xi+1 [
iI
avec I = {1, . . . , n} ou I = N , (xi )iI une famille strictement croissante de R + {} et (fi )iI
une famille strictement croissante de R . Lensemble des points de discontinuit de F est donc
e
+
S = {xi / i I}. En appliquant lassertion 1. ` la variable alatoire discr`te X dnie par (3.5),
a
e
e
e
nous constatons que F est la fonction de rpartition de X.
e
Exemple 3.4 Considrons la fonction F : R R dnie par
e
e
0 si x < 1
0.25 si 1 x < 3
F (x) =
1 si x 3.
3
Figure 3.2 Fonction F = 1 1[1,3[ + 4 1[3,+[ .
4
La fonction F vrie bien les hypoth`ses de lassertion 2. de la proposition 3.15. Elle est continue sauf en x = 1
e
e
et en x = 3. De plus, son saut en x = 1 vaut 1/4 et son saut en x = 3 vaut 3/4. Par suite, F est la fonction de
1
rpartition dune variable alatoire X de loi PX = 4 1 + 3 3 .
e
e
4
3.3.3
Dans cette section, nous introduisons les lois discr`tes classiques : lois de Bernoulli, binomiales, gomtriques
e
e e
et de Poisson. Commenons par les lois de Bernoulli.
c
Dnition 3.16 (Loi de Bernoulli B(p))
e
La loi de Bernoulli B(p) de param`tre p [0, 1] est la probabilit = (1 p)0 + p1 .
e
e
59
Interprtation : Supposons que p est la probabilit de succ`s dune exprience. Notons X la variable pree
e
e
e
nant la valeur 1 si lexprience se solde par un succ`s et 0 sinon. Alors, X suit la loi de Bernoulli de param`tre p.
e
e
e
Donnons la fonction de rpartition dune variable alatoire de loi de Bernoulli.
e
e
Proposition 3.17 (Fonction de rpartition)
e
Soit X une variable alatoire de loi de Bernoulli B(p).
e
donne par
e
0 si
FX (t) =
1 p si
1 si
k
Cn pk (1 p)nk k
Remarque 3.6 La loi de Bernoulli B(p) est la loi binomiale B(1, p) de param`tre (1, p).
e
Interprtation : Soit p la probabilit de succ`s dune exprience. Rptons n fois cette exprience de mani`re
e
e
e
e
e e
e
e
e
indpendante. Notons Xi la variable alatoire qui vaut 1 (respectivement 0) si la ii`me exprience est un succ`s
e
e
e
e
(respectivement chec). Les variables X1 , . . . , Xn suivent toute la loi de Bernoulli B(p) et sont indpendantes .
e
e
Alors le nombre de succ`s X = n Xi obtenus au cours des n expriences suit une loi B(n, p).
e
e
i=1
Introduisons ` prsent les lois gomtriques.
a e
e e
Dnition 3.19 (Loi gomtrique G(p))
e
e
e
+
p(1 p)k1 k .
Construction dune loi gomtrique ` partir dune loi de Bernoulli : Soit (Xn )nN une suite de
e
e
a
`me exprience
e
indpendantes de loi de Bernoulli B(p). Pour chaque n, Xn = 1 si la n
variables alatoires
e
e
e
se solde par un succ`s et 0 si elle se solde par un chec. Nous notons Y la premi`re fois (le premier n) o` un
e
e
e
u
succ`s est obtenu. Alors, Y suit la loi G(p).
e
Concluons cette section en introduisant les lois de Poisson.
Dnition 3.20 (Loi de Poisson P())
e
+
k
e k .
k!
Interprtation : Supposons que lon prl`ve n units dans une population ne comportant que deux sortes
e
ee
e
dindividus A et B en proportion p et q. Si n est grand et p voisin de 0 de sorte que np soit compris entre 1 et
10, le nombre dindividus de lesp`ce A dans un prl`vement est approximativement une variable alatoire
e
ee
e
de Poisson de param`tre = np.
e
60
3.4
3.4.1
Nous dnissons tout dabord la notion de mesure absolument continue par rapport ` une autre.
e
a
Dnition 3.21 (Absolue continuit)
e
e
Soient et deux mesures positives sur (, A).
1. La mesure est absolument continue par rapport a (ce que lon note << ) si
`
A A, (A) = 0 = (A) = 0.
2. Si (, A) = Rd , B Rd , une mesure positive est dite absolument continue si elle est absolument continue par rapport a la mesure de Lebesgue d sur Rd .
`
Le thor`me suivant caractrise les mesures absolument continues par rapport ` une autre mesure.
e e
e
a
Thor`me 3.22
e e
Soient et deux mesures positives -nies sur Rd , B Rd . Alors, les deux assertions suivantes sont
quivalentes :
e
(i) <<
(ii) il existe une fonction f : Rd [0, +] borlienne telle que
e
A B Rd , (A) =
f (x) d(x).
A
De plus, si << , alors la fonction f vriant (ii) est unique -presque partout appele drive
e
e e e
de Radon-Nykodim de par rapport ` et nous notons la relation entre est sous la forme
a
d = f d ou f =
d
d .
Preuve du thor`me 3.22. Il sagit dun cas particulier du thor`me de Radon-Nykodim (voir [9, 11]).
e e
e e
Supposons lassertion (ii) vrie. Alors, pour tout A B Rd tel que (A) = 0, f 1A = 0 -presque
e e
partout et donc
(A) =
Rd
f 1A d =
0d = 0.
Rd
f (x)d(x) =
(A) =
avec f : Rd [0, +] et g : Rd [0, +] deux fonctions borliennes. Par ailleurs, les mesures et
e
tant -nies, il existe une suite (n )nN de borliens telle que nN n = Rd et telle que pour tout
e
e
n N, (n ) < + et (n ) < +.
61
Fixons n N. Etant donn que n B Rd et que les fonctions f et g sont borliennes,
e
e
An = {f < g} n B Rd .
Les fonctions f 1An et g1An sont alors borliennes ` valeurs dans [0, +]. De plus, par hypoth`se
e
a
e
g1An d = (An ) < +.
f 1An d =
(3.6)
En particulier, les fonctions borliennes positives f 1An et g1An sont -intgrables. Par ailleurs, par
e
e
dnition de An , f 1An g1An . Alors, dapr`s la proposition 2.17 (voir page 34), vu lgalit (3.6),
e
e
e
e
f 1An = g1An -presque partout.
Comme sur An , f < g, nous avons (An ) = 0. Ceci tant vrai pour tout n N, A = {f < g} = nN An
e
est -ngligeable, cest-`-dire que g
e
a
f -presque partout. De mme f
e
g -presque partout. Par
consquent, f = g -presque partout.
e
Nous pouvons maintenant dnir les variables alatoires de loi absolument continue.
e
e
Dnition 3.23 (Variable absolument continue)
e
Une variable alatoire X a valeurs dans Rd est absolument continue si sa loi est absolument continue,
e
`
cest-`-dire sil existe une fonction fX : Rd [0, +] borlienne telle que
a
e
A B Rd , PX (A) = P(X A) =
Rd
f (x) d (dx) = 1.
Si f est la densit dune variable alatoire X ` valeurs dans Rd , alors par dnition f est borlienne `
e
e
a
e
e
a
valeurs dans [0, +] et
Rd
f (x) d (dx) = P X Rd = 1.
(3.7)
Rciproquement supposons que f est borlienne ` valeurs dans [0, +] et vrie (3.7). Supposons d = 1
e
e
a
e
et considrons la fonction F : R R dnie par
e
e
F (t) =
f (x) 1 (dx) =
],t]
f 1],t] d1 .
R
62
La fonction borlienne f tant positive, F est croissante. De plus, le thor`me de convergence domine
e
e
e e
e
permet de vrier que F est une fonction continue sur R telle que limt+ F (t) = 1 et limt F (t) = 0.
e
Alors, dapr`s la remarque 3.4, la fonction F est la fonction de rpartition dune variable alatoire relle
e
e
e
e
X. En particulier,
t R, PX (] , t]) = (] , t])
(3.8)
o` (B) =
u
B
f (x) 1 (dx) pour B B(R). De plus, : B(R) [0, +] est une mesure positive sur
(R) =
R
Les mesures PX et tant -nies et vriant (3.8), dapr`s le corollaire A.6 donn en annexe page 95,
e
e
e
e
B B(R), PX (B) = (B) =
f (x) 1 (dx).
B
Exprimons lintgrale dune fonction par rapport ` la loi dune variable de loi absolument continue.
e
a
Thor`me 3.25 (Thor`me du transport pour les variables de loi absolument continue)
e e
e e
Soient X une variable alatoire dnie sur lespace de probabilit (, A, P) a valeurs dans Rd de loi
e
e
e
`
absolument continue de densit fX et : Rd R une fonction borlienne.
e
e
1. Alors, (X) est intgrable si et seulement si
e
Rd
2. De plus, si (X) est intgrable ou si (X) est a valeurs dans [0, +] P-presque srement, alors
e
`
u
E((X)) =
Rd
Preuve du thor`me 3.25. En suivant la dmarche pour dnir lintgrale par rapport ` X et en utilisant le
e e
e
e
e
a
thor`me de Beppo Levi pour lintgrale par rapport ` , nous constatons que
e e
e
a
Rd
g dPX =
Rd
gfX dd
(3.9)
dPX (x) =
Rd
+ fX dd
Rd
fX dd =
Rd
fX dd
Supposons (X)
0 P-presque srement. Alors, 1<0 fX = 0 d -presque partout car 1<0 fX est
u
borlienne positive et car
e
0 = P((X) < 0) = PX ( < 0) =
Par suite, 1
0 fX
E((X)) = E (X)1(X)
3.4.2
Rd
=
Rd
0 dPX
=
Rd
0 fX
0,
dd =
Rd
fX dd
Etudions ` prsent les fonctions de rpartitions des variables alatoires relles de loi absolument continue.
a e
e
e
e
Proposition 3.26 (Variables alatoires absolument continue et fonctions de rpartition)
e
e
1. Soit X une variable alatoire relle de loi absolument continue de densit fX . Alors,
e
e
e
FX : R [0, 1]
t
],t]
fX (x)1 (dx),
t+
Supposons quil existe (xi )iI , avec I = {1, . . . , n} ou I = N , une famille strictement croissante
de rels tel que F est C 1 sur chaque intervalle ]xi , xi+1 [.
e
Alors, il existe une variable alatoire X dnie sur un espace (, A, P) de loi absolument continue
e
e
(bien dnie sauf peut-tre en x ).
de densit f = F
e
e
e
i
Remarque 3.7 Dans lassertion 2., f nest pas a priori bien dnie en xi , i I. Lunicit dune densit ntant
e
e
e e
vraie qu` galit 1 -presque partout, nous pouvons prolonger f en xi comme nous le souhaitons.
ae
e
0 si t < 0
F (t) =
t2 si t [0, 1[
1 si t 1.
La fonction F est continue croissante sur R telle que
t+
Par ailleurs, F est C 1 sauf en 1. Par consquent, F est la fonction de rpartition dune variable alatoire de loi
e
e
e
absolument continue de densit f : R R dnie par f (x) = 2x1]0,1[ (x).
e
e
64
3.4.3
Changement de variables
Nous nous intressons ` la loi de la variable alatoire g(X) lorsque X est de loi absolument continue.
e
a
e
Proposition 3.27
Soient X une variable alatoire dnie sur lespace de probabilit (, A, P) et a valeurs dans Rd . Suppoe
e
e
`
sons que la loi est absolument continue de densit fX et considrons un ouvert U de Rd tel que
e
e
P(X U ) = 1.
Si g : U Rd une fonction injective de classe C 1 sur U et si le le jacobien de g ne sannule pas sur U ,
alors g(X) est une variable alatoire de loi absolument continue ayant pour densit la fonction
e
e
Rd [0, +]
x
1V (x)
Thor`me 3.28
e e
Soient U un ouvert de Rd et : U Rd une application injective de classe C 1 dont la matrice jacobienne
i
(x)
xj
J()(x) =
1 i,j d
g (x)|detJ((x))| d (dx).
3.4.4
Dans cette section, nous introduisons des lois classiques absolument continues en donnant leur densit et
e
prcisons leur fonction de rpartition si cela est possible. Commenons par les lois uniformes.
e
e
c
Dnition 3.29 (Loi uniforme sur [a, b])
e
Une variable alatoire relle X suit une loi uniforme sur lintervalle [a, b] (avec a, b R tel que
e
e
a < b) si la loi de X est la loi absolument continue de densit la fonction fX : R R dnie par
e
e
x R, fX (x) =
1
1 (x).
b a [a,b]
si x a,
0
xa
si a x b,
FX (x) =
ba
1
si x b.
et la variable alatoire
e
Xa
ba
Preuve de la proposition 3.30. Le calcul de FX se ram`ne au calcul dune intgrale au sens de Riemann et est
e
e
Xa
laiss en exercice. La densit de Y = ba peut tre obtenue en appliquant la proposition 3.27. Nous
e
e
e
proposons ici une autre mthode. Alors, pour tout t R,
e
0 si t 0,
t si 0 t 1,
FY (t) = P(Y
t) = P(X a + (b a)t) =
1 si t 1.
Alors, FY est la fonction de rpartition de la loi uniforme sur [0, 1] et donc Y suit la loi uniforme sur [0, 1].
e
Introduisons la loi uniforme sur nimporte quel born de mesure de Lebesgue non nulle.
e
Dnition 3.31 (Loi uniforme sur U )
e
Soit U Rd un born tel que d (U ) > 0. Une variable alatoire X suit une loi uniforme sur U si la
e
e
loi de X est la loi absolument continue de densit fX dnie sur Rd par
e
e
x Rd , fX (x) =
1
1U (x).
d (U )
ex/
1]0,+[ (x).
FX (x) =
si x 0,
si x > 0.
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1
Corollaire 3.34
Si a ]0, +[ et si X est une variable alatoire de loi exponentielle de param`tre ]0, +[, alors aX
e
e
suit la loi exponentielle de param`tre a.
e
Preuve du corollaire 3.34. On peut soit appliquer la proposition 3.27 soit procder comme suit. Notons FaX
e
la fonction de rpartition de aX. Alors, par dnition, pour tout t R,
e
e
FaX (t) = P X
t
a
0
1 et/(a)
si t 0,
si t > 0.
Par suite, FaX est la fonction de rpartition de la loi exponentielle E(a) et donc aX suit la loi E(a).
e
Nous terminons cette section en introduisant les lois gaussiennes. Ces lois sont tr`s importantes car elles sont
e
tr`s frquemment utilises pour la modlisation de phnom`nes alatoires et car elles apparaissent naturellement
e e
e
e
e
e
e
dans certains rsultats limites (voir la loi des grands nombres et le thor`me central limite dans le chapitre 8).
e
e e
Nous commenons par dnir la loi gaussienne centre rduite.
c
e
e e
Dnition 3.35 (Loi gaussienne centre rduite)
e
e e
Une variable alatoire relle X est dite gaussienne centre rduite, ou de loi gaussienne centre
e
e
e e
e
rduite si sa loi est absolument continue de densit
e
e
f0,1 : R R
x
1
2
x2
2
Comme le dcrit la proposition suivante, si X est une variable alatoire relle gaussienne, alors soit X est
e
e
e
presque srement constante soit la loi de X est absolument continue.
u
Proposition 3.37
Si X est une variable alatoire relle gaussienne, alors,
e
e
1. il existe m R tel que X = m presque srement (cest-`-dire que X est presque srement constante)
u
a
u
et dans ce cas la loi de X est m ,
ou
2. il existe (m, ) R R telle que la loi de X est absolument continue de densit
e
+
fm,2 : R R
1
2
(xm)2
2 2
Preuve de la proposition 3.37. Presque srement X = aX0 + m avec X0 une variable alatoire gaussienne
u
e
centre rduite et (a, m) R R.
e e
1er cas : Supposons a = 0. Alors, X = m presque srement et sa loi est m .
u
2nd cas : Supposons a = 0. Alors, pour toute fonction g : R R borlienne borne,
e
e
1
g(ay + m)f0,1 (y)dy =
2
R
g(ay + m)ey
2 /2
dy
car f0,1 est la densit de X0 . Nous pouvons eectuer le changement de variable x = ay + m car a = 0.
e
Nous constatons alors que pour toute fonction g : R R borlienne borne,
e
e
E(g(X)) =
1
2|a|
2 /(2a2 )
g(x)e(xm)
dx =
R
g(x)fm,2 (x)dx
avec = |a|. Ceci signie que la loi de X est la loi de densit fm,2 .
e
Par dnition, il est clair que si une variable alatoire relle Y est une fonction ane dune variable alatoire
e
e
e
e
relle gaussienne X alors Y est aussi une variable alatoire gaussienne.
e
e
68
Proposition 3.38
Soient X une variable alatoire relle et (m, ) R R+ .
e
e
1. Si X suit la loi N m, 2 et si (a, b) R2 , alors Y = aX + b suit la loi N am + b, a2 2 .
+
2. Supposons R . Alors, X suit la loi N m, 2 si et seulement si (X m)/ suit la loi N (0, 1).
+
Terminons cette section en introduisant la fonction de rpartition dune variable alatoire relle gaussienne
e
e
e
centre rduite.
e e
0.4
0.9
0.35
0.8
0.3
0.7
0.25
0.6
0.2
0.5
0.4
0.15
0.3
0.1
0.2
0.05
0
3
0.1
0
3
1
x) =
2
2 /2
et
1 (dt) .
La fonction nest pas connue explicitement. Les valeurs de cette fonction sont tabules. Par exemple,
e
(1) 0.841, (2) 0.977, (3) 0.999,
(1.64) 0.950 et (1.96) 0.975
Les valeurs (1.64) et (1.96) apparaissent lors de tests statistiques.
3.5
Dans cette section, nous nous intressons aux variables alatoires qui ne sont ni discr`tes ni de loi absolument
e
e
e
continue. La loi dune variable alatoire relle comporte deux parties : une partie absolument continue et une
e
e
partie singuli`re .
e
Dnition 3.39 (Mesure singuli`re)
e
e
Une mesure positive nie sur (Rd , B(Rd )) est singuli`re par rapport a la mesure de Lebesgue
e
`
d sil existe un ensemble A de mesure de Lebesgue nulle tel que (Ac ) = 0.
Exemple 3.6 Si est la loi dune variable alatoire relle X discr`te ` valeurs dans {xi / i I} avec I ni
e
e
e a
ou dnombrable, alors est singuli`re par rapport ` la mesure de Lebesgue. En eet, pour A = {xi / i I},
e
e
a
(Ac ) = 0 par dnition de et d (A) = 0 car A est ni ou dnombrable.
e
e
69
fX dd + s (A).
Nous nous intressons plus particuli`rement au cas o` la partie singuli`re est une mesure discr`te.
e
e
u
e
e
Proposition 3.41
Soient FX la fonction de rpartition dune variable alatoire X et (xi )iI , avec I = {1, . . . , n} ou I = N
e
e
une famille strictement croissante de rels. Si la fonction FX est C 1 sauf peut-tre en xi , i I, alors
e
e
dPX = fX dd +
pi dxi
iI
Remarque 3.8 Sous les hypoth`ses de la proposition prcdente, en gnral, fX nest pas une densit et
e
e e
e e
e
s = iI pi xi nest pas une probabilit. En fait,
e
1 = PX Rd =
Rd
fX dd + s Rd .
0 si t < 0
F (t) =
t si t [0, 1/4[
1 si t [1/4, +[.
La fonction F tant croissante continue ` droite telle que limx+ F (x) = 1 et limx F (x) = 0, il sagit
e
a
de la fonction de rpartition dune variable alatoire relle X. En appliquant la proposition prcdente,
e
e
e
e e
dPX = f d1 +
avec f : R R+ dnie par f (t) =
e
3.6
2 t
1
d
2 1/4
1]0,1/4[ (t).
Lorsque X est une variable alatoire ` valeurs dans un espace produit, nous pouvons nous intresser ` la
e
a
e
a
loi de ses coordonnes.
e
Dnition 3.42 (Lois marginales)
e
Soit X = (X1 , . . . , Xd ) une variable alatoire a valeurs dans Rd . La loi de la variable alatoire Xi est
e
`
e
`me composante.
e
appele loi marginale de la i
e
70
Nous commenons par tudier le cas des vecteurs alatoires de loi absolument continue.
c
e
e
Proposition 3.43 (Lois marginales dun vecteur absolument continu)
Si X = (X1 , X2 ) est un vecteur alatoire a valeurs dans R2 de loi absolument continue ayant pour densit
e
`
e
la fonction fX , alors X1 (respectivement X2 ) admet une densit fX1 (respectivement fX2 ), avec
e
x R, fX1 (x) =
et
y R, fX2 (y) =
Preuve de la proposition 3.43. Par symtrie il sut de montrer que f1 est la densit de X1 .
e
e
Dapr`s le thor`me de Fubini, lapplication f1 est mesurable (ou borlienne) et positive. De plus,
e
e e
e
A B(R), PX1 (A) = P(X1 A) = P((X1 , X2 ) A R) =
1A (x1 )
R
Remarque 3.9 La rciproque est fausse : si X1 et X2 sont des variables alatoires relles absolument continues,
e
e
e
alors (X1 , X2 ) nest pas ncessairement un vecteur alatoire de loi absolument continue.
e
e
Intressons-nous ` prsent au cas des vecteurs discrets. Remarquons tout dabord quun vecteur alatoire
e
a e
e
X = (X1 , X2 ) est discret si et seulement si X1 et X2 sont des variables discr`tes.
e
Proposition 3.44 (Lois marginales dun vecteur discret)
Soit X1 (respectivement X2 ) est une variable alatoire discr`te a valeurs dans {(xi ) / i I} (respectie
e `
vement {yj / j J}). Nous supposons que les (xi )iI sont deux a deux distincts et que les (yj )jJ sont
`
aussi deux a deux distincts. Alors (X1 , X2 ) est un vecteur alatoire discret de loi donne par
`
e
e
pi,j = P(X1 = xi , X2 = yj ), i I, j J.
De plus, la variable alatoire X1 est discr`te a valeurs dans {xi / i I} et de loi donne par
e
e `
e
pi, = P (X1 = xi ) =
jJ
pi,j , i I.
De mme, X2 est une variable alatoire discr`te a valeurs dans {yj / j J} et de loi donne par
e
e
e `
e
p,j = P (X2 = yj ) =
iI
pi,j , j J.
Remarque 3.10 Les rsultats prcdents se gnralisent aisment au vecteur alatoire X = (X1 , . . . , Xd ) `
e
e e
e e
e
e
a
valeurs dans Rd , d 3. On peut ainsi donner les lois des marginales Xi . Mais, on peut aussi dterminer, de
e
faon analogue, la loi de tout vecteur Xi1 , . . . , Xip ` valeurs dans Rp , 1 p d.
c
a
71
3.7
Considrons une variable alatoire X de loi connue PX et une variable alatoire Y = g(X). Nous expliquons
e
e
e
comment les rsultats vus dans ce chapitre peuvent tre utiliss pour dterminer la loi de Y .
e
e
e
e
Regarder tout dabord quelles peuvent tre les valeurs prises par Y .
e
Cas o` Y est une variable discr`te.
u
e
Admettons que Y prend ses valeurs presque srement dans un ensemble S ni ou dnombrable. Nous
u
e
rappelons que la loi de Y est alors
PY =
P(Y = s)s .
sS
Nous devons donc calculer P(Y = s) = P(g(X) = s) pour tout s S. Il nous faut trouver Bs tel que
P(Y = s) = P(g(X) = s) = P(X Bs ) = PX (Bs )
et ensuite utiliser lexpression de PX .
Exemple 3.8 Supposons que Y = 1[0,1] (X) avec X de loi exponentielle E(). Alors, Y est une variable alatoire
e
discr`te car elle est ` valeurs dans S = {0, 1}. De plus,
e
a
P(Y = 0) = P(0
1) = PX ([0, 1]) =
[0,1]
ex/
1 (dx) = 1 e1/
Cas o` Y = g(X) nest pas discr`te mais X est ` valeurs dans Rd de densit fX .
u
e
a
e
1. Technique 1 : utiliser la proposition 3.27 page 65 si les hypoth`ses en sont vries.
e
e e
2. Technique 2 : calculer la fonction de rpartition de Y et utiliser la proposition 3.26 page 64 ou la
e
proposition 3.41 page 70.
3. Technique 3 : dapr`s la proposition 3.7, si nous trouvons une probabilit telle que pour toute
e
e
fonction borlienne positive borne,
e
e
E((Y )) =
d.
Rd
Exemple 3.9 Soit X une variable alatoire de loi uniforme sur [1, 1] cest-`-dire de densit fX : R R
e
a
e
`
e
donne par fX (x) = 1 1[1,1] (x). Supposons que Y = |X|. A laide des techniques 2 et et 3, vrier que Y
e
2
est une variable alatoire de loi absolument continue de densit fY : R R donne par fY (y) = 1[0,1] (x),
e
e
e
cest-`-dire que Y est une variable alatoire de loi uniforme sur [0, 1]. Vrier par ailleurs que la technique 1
a
e
e
ne sapplique pas.
72
Chapitre 4
Espaces Lp et Lp
Dans ce chapitre (, A, ) est un espace mesur. En particulier A est une tribu sur et est une
e
d
mesure positive sur (, A). Comme dans les chapitres prcdents, tout sous-ensemble de R est muni de sa tribu
e e
borlienne, sauf mention du contraire. Nous tudions dans ce chapitre les espaces des fonctions p-intgrables
e
e
e
et les moments de variables alatoires. Nous donnons des ingalits classiques fort utiles en probabilits.
e
e
e
e
4.1
4.1.1
Espaces LP (, A, )
Dnitions et premi`res proprits
e
e
e e
La dnition suivante introduit lensemble des fonctions p-intgrables pour p [0, +[. Dans le cas o`
e
e
u
p = 0, il sagit simplement de lensemble des fonctions mesurables.
Dnition 4.1 (Espace LP (, A, ), p [0, +[)
e
1. L0 (, A, ) est lensemble des fonctions f : (, A) R, B R
2. Soit p R . Pour toute fonction f : (, A) R, B R
+
f
|f | d
mesurables.
Alors,
Lp (, A, ) = f L0 (, A, ) / f
est lensemble des fonctions f : (, A) R, B R
< + .
Remarque 4.1
1. Lespace L0 (, A, ) ne dpend pas de la mesure .
e
2. En particulier, L1 (, A, ) est lensemble des fonctions -intgrables ` valeurs dans R.
e
a
3. Si p R et si f Lp (, A, ), alors f est nie -presque partout dapr`s la proposition 2.14 page 32.
e
+
Exemple 4.1
1. Supposons A = P() et considrons a . Alors,
e
L0 (, P(), a ) = f : R fonction .
73
p
p
|f |p da = |f (a)|p .
Par consquent, pour tout p ]0, +[, Lp (, P(), a ) = f : R fonction / |f (a)| < + .
e
2. Supposons = N et A = P(N). Munissons lespace (N, P(N)) de la mesure de comptage . Lespace
tant muni de la tribu triviale P(), toute fonction ` valeurs dans R est mesurable, cest-`-dire que
e
a
a
L0 (N, P(N), a ) = f : N R fonction .
Lespace des fonctions mesurables L0 (N, P(N), ) sidentie aux suites ` valeurs dans R.
a
, si f L0 (N, P(N), ),
Par ailleurs pour p R+
1/p
=
n=0
Remarquons que si f
|f (n)|
Lp (N, P(N), a ) =
f : R fonction /
nN
|f (n)|p < + .
a
e
Notons que pour p R , lespace Lp (N, P(N), ) sidentie ` lensemble des suites relles de puissance
+
`me sommable, cest-`-dire que
e
p
a
+
(un )nN RN /
n=0
1
n+1 nN
|un |p < + .
Nous allons maintenant introduire lensemble L (, A, ) des fonctions mesurables bornes presque partout.
e
Dnition 4.2 (Fonction borne presque partout)
e
e
Une fonction f : R est -presque partout borne si il existe un c R+ tel que |f |
e
partout, cest-`-dire si il existe c R+ et N un ensemble -ngligeable tel que
a
e
N, |f ()|
c -presque
c.
et de L (, A, ).
c -presque partout}
avec par convention inf = +. Par dnition, f est -presque partout borne si et seulement si
e
e
f < +.
2. L (, A, ) est lensemble des fonctions f L0 (, A, ) -presque partout bornes, cest-`-dire
e
a
que
L (, A, ) = f L0 (, A, ) / f < + .
Exemple 4.2 Supposons que = R et que A = B(R). Considrons la fonction f : R R dnie par
e
e
+
0
f (x) =
si x > 1
sinon.
La fonction f est alors borlienne : elle est mme tage (car constante par morceaux).
e
e
e e
1. Supposons que lespace mesurable (, A) est muni de = 1 la mesure de Lebesgue sur R. Alors, f nest
pas -presque partout borne car
e
1 (R) = + si c = 0
1 (]1, +[) = + si c R .
+
2. Par contre si lespace mesurable (, A) est muni de = 0 , f est -presque partout nulle (car f (0) = 0)
et donc f est -presque partout borne ( f = 0).
e
4.1.2
Premi`res proprits
e
e e
-presque partout.
c -presque
= +, alors |f |
partout.
Supposons f < +, cest-`-dire que f L (, A, ). Soit (n )nN une suite dcroissante de rels
a
e
e
convergeant vers le rel f . Dapr`s la dnition de f , pour tout n N,
e
e
e
|f |
n -presque partout,
75
nN Nn
Enonons quelques proprits qui sont de simples consquences des rsultats du chapitre 2.
c
ee
e
e
Proposition 4.5
Pour tout p ]0, +] et tout f L0 (, A, ),
1. f Lp (, A, ) |f | Lp (, A, )
2.
= 0 f = 0 -presque-partout.
Preuve de la proposition 4.5. Il sagit dune simple consquence de la dnition des espaces Lp (, A, ),
e
e
de la proposition 2.8 page 29 et de la proposition 2.13 page 32.
croissante .
Proposition 4.6
Soient f, g L0 (, A, ). Supposons que
|f |
g p.
Si p < +, la proposition 4.6 est une consquence de la proposition 2.8 page 29 (car p
e
0).
-presque partout,
cest-`-dire que lensemble {|g| > g } est -ngligeable. De plus, par hypoth`se, lensemble {|f | > |g|}
a
e
e
est aussi -ngligeable. Par consquent, lensemble
e
e
N = {|g| > g } {|f | > |g|}
est -ngligeable. A fortiori lensemble {|f | > g
e
partout et par dnition f
e
g .
76
-presque
Terminons cette section en remarquant que les espaces Lp , p ]0, +], sont des espaces vectoriels rels.
e
p , avec p ]0, +], la somme f + g nest a priori dnie que presque partout mais quen la
Notons si f, g L
e
prolongeant par 0 (par exemple), nous obtenons une fonction mesurable.
Proposition 4.7
Pour tout p ]0, +], lensemble Lp (, A, ) est un espace vectoriel rel.
e
Preuve de la proposition 4.7.
Supposons que p R . Soient f, g Lp (, A, ), R et a = ||. Alors, quitte ` la prolonger par 0,
a
+
f + g L0 (, A, ). De plus,
|f + g|p
|a|f | + |g||p
2p (ap |f |p + |g|p ).
Do`, f + g p 2p ap f
u
p
est un espace vectoriel rel.
e
p
p
+ g
p
p
{|g| > g
est la runion de deux ensembles -ngligeables donc est lui-mme -ngligeable. De plus,
e
e
e
e
w N, |f () + g()|
/
a f
+ g
4.1.3
g q.
1
p
1
q
= 1.
(4.1)
g 2,
|f | g
-presque partout.
77
Remarquons que g
|f g| d
|f | g
= g
1.
g 1.
Soit p ]1, +[. Alors par dnition q ]1, +[. Considrons la fonction : R+ R dnie par
e
e
e
1
x R+ , (x) = xy xp
p
avec y R+ x. Il est facile de vrier que atteint son maximum M = 1 y q pour x = y 1/(p1) . Nous
e
e
q
en dduisons que
e
xp y q
x 0, y 0, xy
+ .
(4.2)
p
q
1er cas Si f p = 0 (respectivement g q = 0), dapr`s la proposition 4.5, f = 0 (respectivement g = 0)
e
-presque partout. D`s lors, si f p = 0 ou si g p = 0, alors f g = 0 -presque partout et
e
fg
2`me cas Si f
e
= + (respectivement g
=0= f
g q.
< +. En appliquant
g q.
Corollaire 4.9
Soient p [1, +] et q lexposant conjugu de p, cest-`-dire que q [1, +] est tel que
e
a
p (, A, ) et si g Lq (, A, ), alors f g L1 (, A, ) et
Si f L
f g d
fg
1
p
1
q
= 1.
g q.
< + et g
< +. Do` f g
u
f g d
p
1
g q.
< + et donc f g L1 (, A, ). Alors, dapr`s
e
|f g| d = f g
78
g q.
Dans le cas o` est une mesure borne, nous pouvons dduire de lingalit de Hlder des inclusions entre
u
e
e
e
e
o
p (, A, ), p
les espaces L
1. Ces inclusions sont utiles en probabilits.
e
Proposition 4.10 (Cas mesure borne)
e
Supposons que est une mesure positive borne sur (, A). Alors, les fonctions constantes relles appare
e
tiennent a Lp (, A, ) pour tout p [0, +]. Par ailleurs, pour tout 1 p p +,
`
Lp (, A, ) Lp (, A, )
Attention : si nest pas une mesure borne, il ny a a priori aucune relation dinclusion entre
e
les espaces Lp(, A, ), p [1, +]. En particulier,
L2 Rd , B Rd , d L1 Rd , B Rd , d
et
L1 Rd , B Rd , d L2 Rd , B Rd , d .
1/p
|a|p d
= |a|(())1/p < +
car est borne. Par consquent f Lp (, A, ) pour tout p ]0, +[. Enn,
e
e
f
car |f |
= |a| < +
|a| partout et ({|f | > c}) = () = 0 pour tout c [0, a[. Par suite, f L (, A, ).
En conclusion, les fonctions constantes relles sont dans Lp (, A, ) pour tout p [0, +].
e
clair que Lp (, A, ) Lp (, A, ).
1er cas : Supposons p = +.
Alors, p < +, h R+ et |h|
= h
1/p
(())
< +
p
p
|h|p d =
|f g|d = f g
p1
q1 .
= h
p
p
< +
p1 < +, q1 ]1, +] et
f
p1
pp1
|h|
1/p1
|h| d
79
p/p
car h Lp (, A, ). De plus,
g
La mesure tant borne, g
e
e
1
si q1 = +
()1/q1 sinon.
p
p
p1
< +.
q1
p < p < +, Lp (, A, ) Lp (, A, ).
lorsque p
+ g p.
(4.3)
Preuve de la proposition 4.11. Supposons que les fonctions mesurables f et g sont toutes deux ` valeurs dans
a
[0, +] -presque partout ou toutes deux -presque partout nies. Alors, la fonction f + g est bien
dnie -presque partout et se prolonge en une fonction mesurable (car lensemble {f = +, g = },
e
ensemble sur lequel f + g nest pas dnie, est mesurable).
e
Si f
= + ou g
< + et que g
< +.
gd = f
f d +
(f + g)d =
+ g
p
p
g(f + g)p1 d
f (f + g)p1 d +
(f + g)p1
+ g
(f + g)p1
dapr`s lingalit de Hlder. Comme q < + et comme les fonctions f et g sont positives
e
e
e
o
-presque partout,
(f + g)p1
car q = p/(p 1).
(f + g)q(p1) d
1/q
(f + g)p d
80
1/q
= f +g
p/q
p
Par suite,
f +g
p
p
+ g
f +g
p/q
p .
< +.
> 0,
f
+ g
+ g
et que g
-presque partout,
-presque partout.
f +g
+ g
|f | + |g|,
|f | + |g| p .
Alors, en appliquant ce qui prc`de aux fonctions mesurables positives |f | et |g|, nous avons :
e e
f +g
|f |
+ |g|
p,
= f
+ g p.
Proposition 4.12
Pour tout p [1, +],
Preuve de la proposition 4.12. Il sagit dune consquence de la proposition 4.7, de lingalit de Minkowski
e
e
e
et du fait que
f p = || f p
pour tout f Lp (, A, )) et tout R.
4.2
4.2.1
Espaces Lp (, A, )
Dnitions et proprits
e
e e
La semi-norme p nest pas, en gnral, une norme sur Lp (, A, ) car si f p = 0, alors f nest pas
e e
ncessairement identiquement nulle. En eet, toute fonction f nulle -presque partout vrie f p = 0.
e
e
81
Dnition 4.13
e
La relation entre deux lments f et g de L0 (, A, ) dnie par
ee
e
f g f = g -presque partout
(4.4)
est une relation dquivalence. Pour tout p [0, +], nous notons alors Lp (, A, ) lensemble des classes
e
dquivalence dlments de Lp (, A, ) pour la relation prcdente.
e
ee
e e
Si h1 et h2 sont deux fonctions mesurables ` valeurs -presque partout dans [0, +] et gales -presque
a
e
partout, alors
h2 d.
h1 d =
|g|p d
par
1/p
car la valeur de lintgrale prcdente ne dpend pas du choix du reprsentant g. Les ingalits de Hlder et de
e
e e
e
e
e
e
o
Minkowski restent alors vraies sur lensemble Lp (, A, ) pour tout p [1, +].
Proposition 4.14
Pour tout p [1, +],
Preuve de la proposition 4.14. Soit p [1, +]. Lespace Lp (, A, ) tant un espace vectoriel rel, lensemble
e
e
Lp (, A, ) de ses classes dquivalence est aussi un espace vectoriel rel.
e
e
De plus, vrie lingalit de Minkowski, cest-`-dire lingalit triangulaire.
e
e
e
a
e
e
Pour tout f Lp (, A, ) et tout R, f
= || f
p.
Muni de la norme
norm complet).
e
= 0 f = 0.
p,
lespace Lp (, A, ) (p
2. Soit (fn )nN une suite dlments de Lp (, A, ) qui converge dans cet espace vers f , cest-`-dire
ee
a
que f Lp (, A, ) et
lim fn f p = 0.
n+
pN
< +.
(4.5)
nN
1. Alors, V =
nN
tout nie.
2. La fonction U =
nN
un appartient a Lp (, A, ) (respectivement Lp (, A, )) et
`
n
lim
n+
= 0.
uk
k=0
(4.6)
Remarque 4.5 La fonction U nest bien dnie que sur lensemble V < + donc -presque partout. Nous
e
pouvons la prolonger en une fonction mesurable (car {V = +} est un ensemble mesurable ngligeable).
e
Preuve du lemme 4.16. Voir Annexe 4.4.1 page 89.
Preuve du thor`me 4.15. Soit (fn )nN une suite de Cauchy de Lp (, A, ). Nous pouvons alors dnir la suite
e e
e
dentiers (nk )kN par
n0 = inf n / m n, r n, fm fr
20 ,
k N, nk+1 = inf n
nk / m
n, r
n, fm fr
2(k+1) .
Par construction,
k N, fnk+1 fnk
car nk+1
2k
nk . Alors,
fnk+1 fnk
kN
< +.
kN
k
lim
k+
F f n0
i=0
(fni+1 fni )
nk+1 ,
fn fnk+1
= lim
p
F fnk+1
= 0.
2(k+1) .
Alors, (fn )nN converge, comme (fnk )kN , vers F dans Lp (, A, ). Nous admettons que la sous-suite
(fnk )kN converge -presque partout.
83
4.2.2
Proposition 4.17
Soit E lensemble des fonctions tages sur (, A) a valeurs relles. Alors, pour tout p [1, +], lene e
`
e
semble E Lp (, A, ) est dense dans Lp (, A, ) (muni de la norme p ).
n2n 1
i=1
k2n 1{k2n
f <(k+1)2n }
fn
p
+ n1{f >n} .
fn+1
f. Par consquent,
e
< +.
Supposons p < +. Alors, la suite (|f fn |p )nN converge simplement vers 0 et pour tout n N,
|f fn |p = (f fn )p
(f f0 )p = g.
lim
n+
2. Supposons que f nest pas positive. Dcomposons f sous la forme f = f+ f . Alors, f+ et f sont
e
positives et dans Lp (, A, ). Nous pouvons alors les approcher dans Lp (, A, ) par des lments
ee
de E Lp (, A, ). Nous en dduisons facilement lexistence dune suite (fn )nN dlments de
e
ee
E Lp (, A, ) convergeant vers f dans Lp (, A, ).
Proposition 4.18
Soit p [1, +[ et I un intervalle non vide de R.
e
`
1. Lensemble Cc Rd des fonctions continues dnies sur Rd et a support compact est dense dans
p Rd , B Rd , , o` dsigne la mesure de Lebesgue sur Rd .
u d e
L
d
2. Lensemble Cc (I) des fonctions continues dnies sur I et a support compact est dense dans
e
`
Lp (I, B(I), 1 ).
84
4.3
4.3.1
= inf {c R+ / |X|
c presque srement}.
u
3. Pour tout p [1, +], Lp (, A, P) est lensemble de classes dquivalence des lments de
e
ee
Lp (, A, P) pour la relation dquivalence
e
X Y X = Y presque srement.
u
Proposition 4.20
Soit p [1, +]. Lespace Lp (, A, P) est un espace de Banach pour la norme dnie par
e
X
X
= (E(|X|p ))1/p si 1
= inf {c
0 ; |X|
p < +
c presque srement}
u
Remarque 4.7
1. Si X admet un moment dordre 1, alors X E(X) est une variable alatoire centre.
e
e
e
2. Soient 1 p p . Etant donn que Lp (, A, P) Lp (, A, P) (car P est une mesure positive borne), si
e
, alors X admet un moment dordre p.
X admet un moment dordre p
Var (X).
Var X = E X 2 (E(X))2 .
Etant donn que X admet un moment dordre 2, E X 2 < + et E(|X|) < +. Par linarit de
e
e
e
lintgrale sur lensemble des fonctions intgrables,
e
e
Var X = E (X E(X))2 = E X 2 2E(X)E(X) + (E(X))2 = E X 2 (E(X))2
car E(a) = a pour tout rel a.
e
2. La deuxi`me assertion est une consquence directe de la proposition 2.8 du chapitre 2.
e
e
Proposition 4.24
Soient (a, b) R2 et X une variable alatoire a valeurs dans R admettant un moment dordre 2. Alors,
e
`
Var (aX + b) = Var (aX) = a2 Var (X).
Des exemples de calculs de moments seront donns en annexe (voir section 4.4.2) pour les lois classiques.
e
86
4.3.2
Ingalits
e
e
E(|XY |)
E X2
1/2
E Y2
1/2
2. Si p = 1, alors
E(|XY |)
E(|X|) Y
(4.7)
E((X)).
(4.8)
E((X)).
Preuve de la proposition 4.27. On dmontre le rsultat pour convexe positive dnie sur R+ et X variable
e
e
e
alatoire positive. Alors, tant convexe,
e
e
(x) = sup li (x), li (x) = ai x + bi ,
iI
o` li
u
. Si de plus
0 sur R+ . En particulier,
Remarque 4.8
1. Soit X L0 (, A, P) une v.a relle. Pour tout 1
e
E(|X|p ) = X
p
p
p < +,
p
p
= E |X|p
p/p
1, on obtient : (E(|X|))p
0, (x) = xp
E(X)
.
1{X
E 1{X
= P(X
),
Var (X)
.
2
} = {Y
0 et
} = Y 2
2 .
) = P Y 2
E Y2
,
2
88
4.4
Annexes
4.4.1
k=0
Posons gn =
n
k=0 |uk |.
|uk |
uk
uk
k=0
< +.
(4.9)
kN
p
La suite (gn )nN est une suite croissante (car p > 0) de fonctions mesurables positives.
p
1. (a) Supposons p [1, +[. Dapr`s le thor`me de convergence monotone appliqu ` la suite (gn )nN ,
e
e e
ea
p
n
p
p
|V | d = lim
n+
k=0
|uk | .
p
un
nN
un
-presque partout.
-p.p.
2. La srie de terme gnral un tant absolument convergente sur {V < +}, la fonction U est bien dnie
e
e e
e
e
uk =
k=n+1
k=0
uk
k=n+1
k=0
|uk |.
uk
k=0
uk
p
p.
k=n+1
4.4.2
Nous calculons les moments dordre 1 et 2 des lois classiques et prcisons la variance de chacune de ces lois.
e
Commenons par la loi binomiale.
c
Proposition 4.30 (Lois binomiales)
Soit X une variable alatoire de loi binomiale B(n, p) avec n N et p [0, 1]. Alors,
e
E(X) = np et Var (X) = np(1 p).
89
E(X) =
k=0
k1
k
car nCn1 = kCn pour 1
k
kCn pk (1 p)k = n
k=1
k1
Cn1 pk (1 p)nk
n. Alors,
n1
E(X) = n
l=0
l
Cn1 pl+1 (1 p)nl = pn
E(X(X 1)) =
k=0
n
k
k(k 1)Cn pk (1 p)k = n(n 1)
k=2
k2
Cn2 pk (1 p)nk
2. Alors,
n2
k=0
k
Cn2 pk+2 (1 p)nk2 = n(n 1)p2 .
nP(Y = n) =
n 0
n
n 0
= e
e = .
n
n!
e = e
n 1
n
(n 1)!
= e
n
n
= 2 e
n(n 1) e = e
E[X(X 1)] =
n!
(n 2)!
n 2
n 0
= 2 e e = 2 .
n1
n 1
n 2
(n 1)!
n2
(n 2)!
Etudions ` prsent les moments dune loi gomtrique.
a e
e e
Proposition 4.32 (Lois gomtriques)
e
e
Soit X une variable alatoire de loi gomtrique G(p) avec p ]0, 1[. Alors,
e
e e
E(X) =
1p
1
et Var (X) =
.
p
p2
xn =
n 0
d
dx
n 0
d2
dx2
n 0
On en dduit que
e
E(X) =
xn =
xn =
nxn1 =
n 1
n 2
(4.10)
1
; pour tout x ] 1, 1[
(1 x)2
n(n 1)xn2 =
2
; pour tout x ] 1, 1[
(1 x)3
(4.11)
(4.12)
1
2(1 p)
2
1
1p
, E[X(X 1)] =
, E X2 = 2
et Var (X) =
.
2
p
p
p
p
p2
1
1 (x).
b a [a,b]
Alors,
E(X) =
(b a)3
a+b
et Var (X) =
.
2
12
b2
1
ba
+ ab
3
+ a2
xdx =
a
(a
a+b
2
+ b)2
4
et
E X2 =
a)2
(b
12
1
ba
b
a
x2 dx =
b2 + ab + a2
.
3
ex/
1]0,+[(x).
x2 ex 1 (dx).
2
x ex 1 (dx) et E X1 =
]0,+[
Les intgrales prcdentes au sens de Lebesgue sont aussi des intgrales au sens de Riemann (car il sagit
e
e e
e
dintgrales de fonctions continues positives). En procdant par intgrations par parties, on constate que
e
e
e
+
E(X1 ) =
ex dx = 1
2
et E X1 = 2
x ex dx = 2.
On en dduit Var(X1 ) = 1.
e
Terminons ce chapitre par le cas des variables gaussiennes.
Proposition 4.35 (Lois gaussiennes)
Si X suit une loi N m, 2 alors, E(X) = m et Var X = 2 .
Preuve de la proposition 4.35. Nous savons que Y =
densit par rapport ` 1 la fonction
e
a
Xm
f : R R
2
x 1 ex /2 .
2
En utilisant la parit de f , on montre facilement que Y est centre et donc par linarit de lesprance
e
e
e
e
e
que E(X) = m.
Par ailleurs,
1
1
2
2
E Y2 =
t2 et /2 1 (dt) =
t(tet /2 )1 (dt).
2 R
2 R
En remarquant que lintgrale prcdente au sens de Lebesgue co
e
e e
ncide avec lintgrale au sens de Riemann
e
et en utilisant une intgration par parties (vue pour lintgration au sens de Riemann),
e
e
1
E Y2 =
2
2 /2
tet
2 /2
et
dt
1
=
2
2 /2
et
dt = 1.
Par consquent, Y admet un moment dordre 2 et Var Y = E Y 2 (E(Y ))2 = 1. Etant donn que
e
e
X = Y + m,
X admet ausssi un moment dordre 2 et Var X = 2 Var Y = 2 .
92
Annexe A
Classes monotones
De nombreux rsultats lis de la thorie de la mesure sont bass sur le concept de classes monotones.
e
e
e
e
Le thor`me des classes monotones permet en particulier de donner des caractrisations des lois de variables
e e
e
alatoires ou encore dindpendance de variables alatoires.
e
e
e
Dnition A.1 (Classe monotone)
e
Soit un ensemble non vide. Un ensemble M est une classe monotone sur si il vrie les assertions
e
suivantes :
(i) M P(),
(ii) M,
n 0
Mn M.
Remarque A.1 Une classe monotone M est stable par passage au complmentaire. En eet, si A M, alors
e
c = \A M car A et A .
A
Exemple A.1 Une tribu est une classe monotone.
Nous pouvons introduire la classe monotone engendre par un ensemble non vide.
e
Proposition A.2 (Classe monotone engendre)
e
Soient un ensemble non vide et T P() un ensemble non vide. Alors, il existe une unique classe
monotone M(T ) sur contenant T et telle que
si C est une classe monotone sur contenant T , alors M(T ) C.
La classe monotone M(T ) est la plus petite classe monotone (au sens de linclusion) sur contenant T
et est appele classe monotone engendre par T sur .
e
e
Preuve de la proposition A.2. Analogue ` la preuve de la proposition 1.3 page 4.
a
93
Enonons ` prsent le thor`me des classes monotones (version ensembliste).
c
a e
e e
Thor`me A.3 (Thor`me des classes monotones)
e e
e e
Soit un ensemble non vide. Si T P() est un ensemble non vide stable par intersection nie,
alors la classe monotone M(T ) engendre par T sur concide avec la tribu (T ) engendre T sur ,
e
e
cest-`-dire que
a
(T ) = M(T ).
Preuve du thor`me A.3. Supposons que T P() est un ensemble non vide stable par intersection nie.
e e
La tribu (T ) tant une classe monotone sur qui contient T , M(T ) (T ) par dnition de M(T ).
e
e
Considrons lensemble
e
M1 = {A M(T ) / T T , T A M(T )}.
M(T ) tant une classe monotone, on vrie aisment que M1 P() est aussi une classe monotone sur
e
e
e
(exercice). Comme T est stable par intersection nie, T M1 . Par suite, M(T ) M1 car M(T ) est
la classe monotone engendre par T . Par consquent, M1 = M(T ), cest-`-dire que
e
e
a
T T , A M(T ), A T M(T )
(A.1)
Considrons ` prsent
e
a e
M2 = {B M(T ) / A M(T ), A B M(T )}.
Alors, M2 est une classe monotone sur (exercice). De plus, dapr`s (A.1), T M2 (car T M(T )).
e
Par consquent, M(T ) M2 car M(T ) est la classe monotone engendre par T . Ainsi,
e
e
T M(T ), A M(T ), A T M(T ).
Nous venons de montrer que M(T ) est stable par intersection nie.
Montrons que M(T ) est une tribu sur .
(a) M(T ) car M(T ) est une classe monotone sur .
(b) Dapr`s la remarque (A.1), la classe monotone M(T ) est stable par passage au complmentaire.
e
e
(c) Soit (An )nN une suite de M(T ). Pour tout n N, posons Bn = A0 An . La classe monotone
M(T ) tant stable par passage au complmentaire et par intersection nie, elle est aussi stable
e
e
par runion nie. Par consquent,
e
e
n N, Bn M(T ).
Alors, (Bn )nN est une suite croissante (par dnition) de la classe monotone M(T ) et donc
e
An =
nN
nN
Bn M(T )
(ii) T ,
Proposition A.5
Soient un ensemble non vide et A une tribu engendre sur par une alg`bre T sur . Supposons que
e
e
et sont deux mesures positives sur (, A) telles que
T T , (T ) = (T ).
Supposons de plus quil existe une suite croissante (Tn )nN dlments de T telle que =
ee
telle que pour tout n N, (Tn ) = (Tn ) < . Alors et sont gales sur A.
e
nN Tn
et
95
Jn .
nN
nN
Par suite, et co
ncident sur lalg`bre des parties T et donc sur B(R) = (T ) dapr`s la propoe
e
sition A.5.
2. Supposons les hypoth`ses de lassertion 2. vries. Nous pouvons alors montrer que et
e
e e
co
ncident sur lensemble des intervalles (utiliser (Ac ) = () (A), (Ac ) = () (A)
et la continuit monotone de et ).
e
96
Annexe B
Alors la fonction x
F (x) =
n+
n+
f (a, )d().
f (an , )d() =
Ceci tant vrai pour toute suite (an )nN convergeant vers a dans E et E tant un mtrique, la fonction
e
e
e
F est continue en a.
97
f (x, )d().
Proposition B.2
Soient U un ouvert de R, f : U R et g : R+ tels que
(i) pour tout x U, f (x, ) est mesurable et -intgrable,
e
f
(x, )
x
f (x, ) d()
f
d().
x
f (x, ) f (a, )
d().
xa
De plus,
f
f (x, ) f (a, )
=
(a, ) -presque partout.
xa
x
Il sut dutiliser le thor`me de convergence domine ou la proposition B.1 pour conclure.
e e
e
lim
xa
Remarque B.2
1. Si U est un ouvert de C et si nous remplaons dans la derni`re proposition (ii) par
c
e
x f (x, ) est une fonction holomorphe sur U pour presque tout ,
3. En itrant la proposition B.2, nous obtenons des crit`res pour montrer que F est de classe C k .
e
e
98
p(1 p)
np
np(1 p)
1
p
1p
p2
X (t) = 1 p + peit
avec p [0, 1]
Loi Binomiale
B(n, p)
99
avec n N et p [0, 1]
PX =
k=0
Loi de Poisson
P()
n k
p (1p)nk k
k
PX =
k=0
e k
k
k!
X (t) = 1 p + peit
X (t) = e(e
it 1)
R
+
avec
Loi Gomtrique
e e
G(p)
avec p ]0, 1[
PX =
k=1
p(1 p)k1 k
X (t) =
peit
1 (1 p)eit
Annexe C
PX = (1 p)0 + p1
Fonction Caractristique
e
Lois discr`tes
e
B(p)
Esprance Variance
e
PX
Lois classiques
C.1
Loi de la v.a. X
Loi de Bernoulli
C.2
Densit de PX
e
N (m, 2 ),
o` m R et
u
fX (x) =
R
+
1
2 2
Esprance
e
(xm)2
2 2
Variance
2
Fonction de rpartition
e
Fonction Caractristique
e
X (x) = eimx
fX (t)1 (dt)
FX (x) =
2 x2
2
Loi Uniforme
U ([0, 1])
1
2
1
12
ex/
fX (x) =
1R (x)
+
1
fX (x) =
(1 + x2 )
nexiste pas
100
Loi Exponentielle
E()
avec R
+
Loi de Cauchy
nexiste pas
0 si x < 0
FX (x) =
x si x [0, 1]
1 si x > 1
FX (x) =
0 si x < 0
1 ex/ si x
1 arctan(x)
FX (x) = +
2
X (x) =
eix 1
ix
si x = 0
1 si x = 0
X (x) =
0
1
1 ix
X (x) = e|x|
Loi de la v.a. X
Loi Gaussienne
Bibliographie
[1] Barbe, P. et Ledoux, M. Probabilits, De la licence ` lagrgation. Belin, 1998.
e
a
e
[2] Bouleau, N. Probabilits de lingnieur, variables alatoires et simulation. 2nde dition. Hermann, 2002.
e
e
e
e
[3] Briane, M. et Pages, G. Thorie de lintgration. Vuibert, 2006.
e
e
[4] Foata, D. et Fuch, A. Calcul des probabilits. 2nde dition. Dunod, 2003.
e
e
[5] Herrmann, S. Analyse Fonctionnelle et Probabilits. Polycopi de cours, ENSMN, Premi`re anne, 2004.
e
e
e
e
[6] Neveu, J. Bases mathmatiques du calcul des probabilits. Masson, 1970.
e
e
[7] Rudin, W. Analyse relle et complexe. 3`me dition. Dunod, 1998.
e
e
e
[8] Rudin, W. Principe danalyse mathmatique. Dunod, 2002.
e
[9] Revuz, D. Mesure et intgration. Hermann, 1997.
e
[10] Revuz, D. Probabilits. Hermann, 1997.
e
[11] Wagschal, C. Drivation, intgration. Hermann, 1999.
e
e
101