THÉORIE DE LA MESURE. Notes de cours de B.Demange

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "THÉORIE DE LA MESURE. Notes de cours de B.Demange"

Transcription

1 THÉORIE DE LA MESURE Notes de cours de B.Demnge Cours donné en

2 2 INTRODUCTION Ce cours pour but de donner une bonne définition de l intégrle de fonctions d une ou plusieurs vribles réelles, qui donne lieu à des espces de fonctions intégrbles stbles pr pssge à l limite (en un sens à préciser). L intégrle clssique de Cuchy ou de Riemnn est ssez limitée de ce point de vue, l pluprt des théorèmes de pssge à l limite nécessitnt une convergence uniforme. L pproche de l théorie de l mesure est qu une intégrle est une ire. Au lieu d pproximer les fonctions pr d utres fonctions qu on sit intégrer, on pproxime des ensembles pr des ensembles élémentires dont on connit l ire. L ensemble A = {(x, y) t.q. f(x) y g(x)}, où f et g sont deux fonctions continues sur [, b] telles que f g, est un ensemble élémentire dont l ire est µ(a) := b (g(x) f(x))dx. Soit A l fmille de ces ensembles. L fmille A contient l pluprt des figures géométriques usuelles simples du type rectnges, cercles, tringles,... Le but de l théorie de l mesure est d étendre l fonction d ensembles µ : A R + à une fmille ssez grosse, i.e. intuitivement, une fmille stble pr découpge, recollge, et pssge à l limite. On poser que l mesure de l réunion disjointe d une fmille d ensembles que l on sit mesurer est l somme des mesures : µ(a) = µ(a n ) pour tout ensemble A R 2 pouvnt s écrire sous l forme A = + A n, vec A n A deux-à-deux disjoints. Pour que cette nouvelle définition de µ soit cohérente vec l ncienne, il fut démontrer que si A A est prtitionné pr une suite A n A, vec A n A deux-à-deux disjoints, on µ(a) = µ(a n ). Cette propriété s ppelle l σ-dditivité. C est une conséquence du lemme de Dini : pour toutes fonctions f, f n : [, b] R + continues positives, telles que pour tout t [, b], f(t) = b f n (t), l série est en fit uniformément convergente, d où f = b On dispose donc d une fonction mesurnt l ire d ensembles élémentires (les domines délimités pr des grphes), qui est σ-dditive, et on cherche à l étendre à une fmille mximle tout en grdnt l σ-dditivité. Il y des restrictions ux ensembles que l on peut mesurer, ce qui complique énormément l théorie. Il est possible de montrer, vi l xiôme du continu de l théorie des ensembles (toute prtie de R non dénombrble est en bijection vec R), qu on ne peut ps définir l ire de toute prtie de R 2. Ceci est vri en toute dimension d illeurs : on ne peut ps définir l longeur de toute prtie de R, le volume de toute prtie de R 3... ˆ L étude des mesures et de l intégrle ssociée. On construit une intégrle qui de bonnes propriétés vis-à-vis du pssge à l limite (théorème de convergence dominée). Cette prtie est l plus fcile de l théorie. ˆ L construction des mesures elles-même. L mesure de Lebesgue est l plus importnte, mis on obtient en corollire d utres mesures similires : les mesures de Hussdorf et de Stieljes. ˆ Les pplictions de l théorie : en nlyse (espces L p ), en géométrie (intégrtion sur les sous-vriétés) et probbilités. f n.

3 Tble des mtières 1 Les mesures 7 I Préliminires I.1 Clculs sur [, + ] I.2 Séries sur [, + ] I.3 Fonctions indictrices I.4 Imges réciproques II Mesures II.1 Applictions σ-dditives II.2 σ-lgèbres II.3 Espces mesurés II.4 σ-lgèbre engendrée II.5 Ensembles mesurbles u sens de Borel II.6 Trnsport de mesures et de tribus III Exemples fondmentux d espces mesurés Intégrtion 15 I Fonctions mesurbles I.1 Définition I.2 Composition I.3 Pssges à l limite I.4 Exemples fondmentux II Intégrle des fonctions à vleurs dns [, + ] II.1 Décomposition en série II.2 Définition de l intégrle II.3 Linérité et croissnce II.4 Théorème de convergence monotone et lemme de Ftou II.5 Reltion de Chsle II.6 Une propriété remrquble de l intégrle III Fonctions sommbles III.1 Fonctions à vleurs dns R III.2 Fonctions à vleurs dns C IV Théorème de convergence dominée de Lebesgue V Integrles à prmètre V.1 Continuité sous l intégrle V.2 Dérivtion sous l intégrle

4 4 TABLE DES MATIÈRES 3 Comment construire des mesures 29 I Mesures extérieures I.1 Applictions σ-sous-dditives I.2 Mesure extérieure cnonique I.3 Lien vec les mesures II Critères de mesurbilité II.1 Cs des espces métriques II.2 Cs des mesures extérieures cnoniques III Unicité des constructions III.1 Mesures finies III.2 Mesures σ-finies L mesure de Lebesgue et ses corollires 35 I L mesure de Lebesgue sur R d I.1 Construction pr mesure extérieure I.2 Générlistion du volume I.3 Crctéristion I.4 Ensembles et fonctions mesurbles II Générlistions de l mesure de Lebesgue II.1 Mesures de Hussdorf II.2 Propriétés des mesures de Hussdorf II.3 Définition lterntive de l mesure de Lebesgue II.4 Longeur, ire, surfce de prties courbées de R d II.5 Mesures de Lebesgue-Stieljes Intégrtion et dérivtion sur un intervlle [, b] 45 I Intégrtion sur [, b] I.1 Fonctions mesurbles bornées I.2 Intégrle indéfinie I.3 Approximtion des fonctions sommbles I.4 Compenstions dns les intégrles II Dérivtion sur [, b] II.1 Nombres dérivés II.2 Intégrle d une dérivée II.3 Dérivée d une intégrle II.4 Dérivée d une fonction monotone III Fonctions à vrition finie III.1 Vrition totle III.2 Crctéristion III.3 Dérivtion III.4 Lien vec les mesures Théorèmes de Fubini 61 I Produit de deux espces mesurés I.1 Tribu produit I.2 Mesure produit II Théorème de Fubini-Tonelli III Théorème de Fubini-Lebesgue

5 TABLE DES MATIÈRES 5 7 Théorème du chngement de vrible 67 I Cs des pplictions linéires II Mesure des sous-vriétés plongées II.1 Rppels du cours de clcul différentiel II.2 Théorème du chngement de vrible pour les mesures II.3 Corollires II.4 Démonstrtion III Intégrtion sur les sous-vriétés plongées III.1 Mesure volume d une sous-vriété plongée III.2 Théorème du chngement de vribles III.3 Dimension Espces de Lebesgue L p 73 I Espces L p I.1 Préliminires I.2 Définition I.3 Inéglité de Hölder I.4 Inéglité de Minkowski II Espces L p II.1 Définition II.2 Complétude II.3 Espce L Appliction ux séries de Fourier 79 I Définitions des séries de Fourier I.1 Définition géométrique I.2 Définition nlytique I.3 Inéglité de Bessel II Convergence des séries de Fourier II.1 Convergence dns L 2 (, 1) II.2 Convergence normle II.3 Condition de Dini II.4 Condition de Dirichlet Construction de mesures pr dulité 87 I Liens entre intégrle et formes linéires I.1 Théorème de Stone-Dniell I.2 Rppels sur l méthode de Crthéodory I.3 Démonstrtion du théorème de Stone-Dniell II Théorème de Fubini pour les produits infinis Exercices pr chpitre 93

6 6 TABLE DES MATIÈRES

7 Chpitre 1 Les mesures Références : Rudin, Dudley, Wgschl. I Préliminires I.1 Clculs sur [, + ] L droite réelle chevée est l ensemble [, + ] = R {+, }, ussi noté R. Elle est munie : ˆ d une reltion d ordre en posnt x + pour tout x [, + ]. ˆ d une topologie définie pr l convergence des suites (vers une limite finie ou infinie). ˆ d une ddition et d une multipliction nturelles prolongent les lois + et usuelles sur R. Les opértions non utorisées sont (+ ) + ( ) et ( ) + (+ ) et on prendr toujours comme convention ± = ± =. On vérifier fcilement que + et sont ssocitives, commuttives et distributives l une pr rpport à l utre (là où elles sont définies). De plus l ddition est continue (là ou elle est définie) et l multipliction est continue suf en (, ± ) et (±, ). L propriété de l borne supérieure est vlide : toute prtie non vide de [, + ] dmet une borne inférieure et supérieure. De plus [, + ] est compct. Toute fonction f : [, b] [, + ] continue et strictement monotone est un homéomorphisme (où < < b < + ). I.2 Séries sur [, + ] Les séries sur [, + ] sont convergentes (vers l borne supérieure de leurs sommes prtielles). Les propriété de commuttivité des séries sur [, + [ restent vries pour les série sur [, + ] : ˆ si (x n ) n N est une suite de [, + ], pour toute bijection ϕ : N N, on x n = x ϕ(k). ˆ si x n et y n sont deux suites de [, + ] on x n + y n = x n + y n. ˆ si (x k,l ) (k,l) N 2 est une suite double de [, + ], on x k,l = x k,l. l=1 l=1 7

8 8 CHAPITRE 1. LES MESURES I.3 Fonctions indictrices Les fonctions indictrice sont une commodité d écriture permettnt de trnsformer des opértions ensemblistes (intersections, unions... ) en des opértions sur des fonctions. On fixe un ensemble de référence X sur lequel on trville. Si E est une prtie de X, l fonction indictrice de E, notée 1 E est l fonction vlnt 1 sur E et sur X \ E. Avec ces conventions, 1 = et 1 X = 1. On pr exemple 1 E F = min(1 E, 1 F ) = 1 E 1 F, 1 E F = mx(1 E, 1 F ), 1 E F + 1 E F = 1 E + 1 F, 1 X\E = 1 1 E, 1 E\F = mx(1 E 1 F, ) = 1 E (1 1 F ), 1 E F = 1 E 1 F, E F 1 E 1 F, E = F 1 E = 1 F, E F = 1 E + 1 F = 1 E F Si (E n ) n N est une suite de prties de X, on 1 ne n = inf n 1 E n, 1 nen = sup 1 En 1 En, n et surtout, un ensemble E est prtitionné pr une suite d ensembles E n deux-à-deux disjoints, si et seulement si 1 ne n = 1 En. L ensemble des prties de X ser noté P(X) et l ensemble des fonctions indictrices 2 X. I.4 Imges réciproques Définition 1. Soient X et Y deux ensembles et f : X Y une fonction. Pour tout A Y on pose f 1 (B) = {f B} = {x X t.q. f(x) B}. Proposition 1. Soient X et Y deux ensembles, f : X Y une fonction, et A, A n Y. On f 1 ( A n ) = f 1 (A n ), f 1 ( A n ) = n N n N n N n N f 1 (A n ) et f 1 (Y \ A) = X \ f 1 (A). En prticulier, l imge réciproque d une union disjointe est l réunion disjointe des imges réciproques. Si X et Y sont des ensembles, f : X Y est une fonction, x X et E Y, on noter pr 1 f(x) E l quntité 1 f 1 (E)(x), i.e. 1 si f(x) E et sinon. II II.1 Mesures Applictions σ-dditives Définition 2. Soit X un ensemble, A une fmille de prties de X contennt, et µ : A [, + ] une fonction d ensembles, telle que µ( ) =. On dit que µ est σ-dditive si pour tout A A, pour toute suite d ensembles A n A deux-à-deux disjoints tels que A = + A n, on µ(a) = µ(a n ).

9 II. MESURES 9 Exemple 1 : l mesure de comptge est définie pour tout A X pr µ(a) = Crd(A) N {+ }. Exemple 2 : on fixe x X. L mesure de Dirc en x est définie pr δ x (E) = 1 x E = 1 si x E et si x / E. Exemple 3 : si I est un intervlle on définit l longeur de I pr l(i) = sup(i) inf(i). On propose de montrer en TD que c est une ppliction σ-dditive. Exemple 4 : si f, g : [, b] R sont deux fonctions continues telles que f g, on définit l ire de l région comprise entre f et g pr b (g(x) f(x))dx. Voir TD. Exemple 5 : soit X = {, 1} N l fmille des suites de et de 1, A l fmille des ensembles A X de suites commençnt pr une suite finie fixée x 1,..., x n. On pose µ(a) = 2 n. On peut vérifier que cette fonction d ensemble est σ-dditive (ce n est ps tout-à-fit évident). Remrque : pour qu une ppliction σ-dditive soit considérée comme une mesure, on donner ussi une condition sur l fmille A : il fut que A soit ssez riche, pour que ses éléments soient effectivement prtitionnbles. Il existe plusieurs structures intéressntes sur les fmilles d ensembles, déduites des structures d lgèbre de Bool : les nneux, les lgèbres... L notion l plus intéressnte pour l théorie de l mesure est l notion de σ-lgèbre. II.2 σ-lgèbres Définition 3. Une σ-lgèbre (ou encore une tribu) sur un ensemble X est une fmille de prties de X contennt et X, stble pr complémentire et pr réunions dénombrbles. Exemple : les fmilles {, X} et P(X) sont respectivement l plus petite et l plus grosse des σ-lgèbres. Tout ensemble construit à prtir d un nombre fini ou dénombrbles d opértions,, \ sur des éléments de A, est donc dns A. Le fit de pouvoir effectuer un nombre d énombrble d opértions est fondmentl pour les pssges à l limite. II.3 Espces mesurés Définition 4. Une mesure est une ppliction σ-dditive sur une σ-lgèbre de prties d un ensemble X. Définition 5. Un espce mesurble est un couple (X, A), où A est une σ-lgèbre sur X. Un espce mesuré est un triplet (X, A, µ), où A est une σ-lgèbre sur X et µ une mesure sur A. Remrque : l fmille des intervlles n est ps une σ-lgèbre, ni l fmille des ensembles compris entre deux grphes de fonctions continues. Ces deux fmilles ne sont que stbles pr intersections finies. Il est possible d étendre l longeur et l ire à des σ-lgèbres plus grosses, c est l objet des chpitres 3 et 4. Proposition 2. Soit (X, A, µ) un espce mesuré. (1) Pour tous A, B A tels que A B, on µ(a) µ(b). (2) Pour tout A A et toute suite A n A tels que A + A n, on µ(a) (3) Si A n A est une suite croissnte, de réunion A, on lim µ(a n ) = µ(a). µ(a n ).

10 1 CHAPITRE 1. LES MESURES (4) Si A n A est une suite décroissnte, d intersection A, et si µ(a 1 ) < +, on lim µ(a n ) = µ(a). Démonstrtion. (1) : on µ(b) = µ(a) + µ(b \ A) µ(a). (2) : on pose B 1 = A A 1 et pour tout n > 1, B n = A A N \ (A 1 A n 1 ). On obtient insi une prtition de A, donc (3) : en posnt A = on A = + k= µ(a) = µ(b n ) µ(a n ). n 1 (A k+1 \ A k ), A n = (A k+1 \ A k ) et ces réunions sont disjointes. Donc k= n 1 µ(a n ) = µ(a k+1 \ A k ) k= k= µ(a k+1 \ A k ) = µ(a). (4) : l suite B n = A 1 \ A n est croissnte de réunion B = A 1 \ A. Donc µ(b n ) µ(b). Pr (1), tous les ensembles considérés sont de mesure finie. On en déduit que µ(a n ) = µ(a 1 ) µ(b n ) µ(a 1 ) µ(b) = µ(a). Remrque : l propriété (4) ressemble fortement à de l compcité : pour toute suite décroissnte A n A telle que < inf n µ(a n ) < +, on n N A n. Ceci suggère que l existence des mesures sur des σ-lgèbres ser en générl compliqué à démontrer et lié à l topologie. Définition 6. Soit (X, A, µ) un espce mesuré. L msse de l mesure µ est s vleur mximle, i.e. µ(x). Une mesure est dite finie si µ(x) < +. Une mesure de probbilité est une mesure de msse 1. Un espce probbilisé (ou espce de probbilité) est un espce mesuré de msse 1. II.4 σ-lgèbre engendrée Intuitivement, l σ-lgèbre engendrée pr une fmille d ensembles A (pr exemple les intervlles, les crrés... ) est l fmille des ensembles que l on construit récursivement vec les opértions, et \. Le problème est que l fmille des ensembles insi obtenus n est ps une σ-lgèbre en générl (ce n est qu une lgèbre). On est donc mené à considérer une définition implicite : Définition 7. Soit X un ensemble, et A une fmille de prties de X. L σ-lgèbre engendrée pr A est l plus petite σ-lgèbre contennt A, pour l reltion d inclusion. On l note σ(a). Démonstrtion de l existence. L intersection de toutes les σ-lgèbres contennt A est une σ-lgèbre contennt A, et c est pr définition l plus petite. Remrquer qu il existe toujours une telle σ-lgèbre : l fmille de toutes les prties de X. Toute l difficulté de l théorie de l mesure est qu il n y ps de description explicite des éléments de σ(a), suf cs prticuliers. Exemple 1 : Soit X = {1, 2, 3, 4} et A = {{1, 2}, {2, 3}}. Alors σ(a) = P(X). Exemple 2 : Soit X = {1, 2, 3, 4} et A = {{1, 2}}. Alors σ(a) = {, {1, 2}, {3, 4}, X}. Exemple 3 : Soit X un ensemble, et A une fmille de prties de X. Si A est fini lors σ(a) est fini. Si A est infini lors σ(a) est infini non dénombrble (TD).

11 II. MESURES 11 On ser très souvent mené à montrer qu une propriété (P ), vrie pour les éléments d une fmille d ensembles A, est vrie pour tout élément de σ(a), bien qu on ne sche ps décrire ses éléments. On deux méthodes, l première étnt un cs prticulier très simple de l seconde : Méthode 1 : Soit C l fmille des prties de X vérifint l propriété (P ). Si C contient A et si C est une σ-lgèbre, lors σ(a) C. C est pr définition de σ(a). Si cette méthode ne mrche ps (pr exemple si on n rrive ps à montrer que C est stble pr intersections finies, ce qui rriver dns u moins deux théorèmes fondmentux), on utilise une vrinte : Méthode 2 : Méthode des clsses monotones. Lemme 1 (des clsses monotones). Soit X un ensemble, A et C deux fmilles de prties de X. Si (1) pour toute suite finie A 1,..., A n A, on A 1 A n C, (2) X C et pour tous E, F C tels que E F, on F \ E C, (3) et pour toute suite croissnte E n C, on E n C. Alors σ(a) C. Remrque : une collection C vérifint (2) et (3) s ppelle une clsse monotone. On vérifier fcilement qu une clsse monotone stble pr intersections finies est une σ-lgèbre. L méthode 1 est donc un cs prticulier de l méthode 2. Démonstrtion. Soit C l intersection de toutes les fmilles C vérifint (1), (2) et (3). C vérifie encore ces trois conditions, et c est l plus petite de ces fmilles. Donc C C, et pr (1) on A C. On démontre que C (et non ps C) est une σ-lgèbre. Soit C l fmille des E C tels que E A C pour tout A A. C vérifie clirement (1). Les deux identités ( ) (E \ F ) A = (E A) \ (F A) et En A = (E n A) montrent que C vérifie (2) et (3). Donc C = C, i.e. pour tout A A et tout E C, on A E C. Soit C l fmille des E C tels que E F C pour tout F C. Le point précédent montre que C vérifie (1). Pour les même risons, C vérifie (2) et (3). Donc C = C, i.e. C est stble pr intersections finies. Comme X C, (2) montre que C est stble pr complémentire. C est donc stble pr réunions finies, et pr (3), C est stble pr réunions dénombrbles : C est une σ-lgèbre. On A C, donc σ(a) C C. Nous utiliserons surtout le corollire suivnt du lemme des clsses monotones : Corollire 1. Soit X un ensemble, A une fmille de prties de X stble pr intersections finies, et C une clsse monotone contennt A. Alors σ(a) C. Démonstrtion. Comme A est stble pr intersections finies, (1) équivut à A C. II.5 Ensembles mesurbles u sens de Borel Définition 8. Soit X un espce topologique. L tribu de Borel sur X est l σ-lgèbre engendrée pr les ouverts. On l note B(X). On ppelle ses éléments les boréliens de X ou les ensembles mesurbles u sens de Borel. Une mesure de Borel sur un espce topologique X est une mesure sur B(X). Proposition 3. Tout intervlle de R (respectivement [, + ]) est un borélien de R (resp.[, + ]).

12 12 CHAPITRE 1. LES MESURES (1) les intervlles du type ], + [, vec R engendrent B(R). (2) les intervlles du type ], b], vec < < b < + engendrent B(R). (3) les intervlles du type ], + ], vec R, engendrent B([, + ]). Démonstrtion. Un intervlle de R est de qutre type : [, b], [, b[, ], b] ou [, b[. L intervlle [, b] est fermé, ], b[ est ouvert, ], b] =], b[ [b, b] et [, b[=], b[ [, ], donc tout intervlle est un borélien. Soit A l σ-lgèbre engendrée pr les intervlles du type ], + [, R. Un intervlle ouvert peut être de qutre types : ], b[, ], + [, ], b[ ou R, vec, b R et < b. On R = n N] ( ) n, + [, ], b[= R \ [b, + [= R \ ]b 1/n, + [, n N et ], b[=], + [ ], b[. Ceci prouve que A contient les intervlles ouverts. Tout ouvert est une réunion dénombrble d intervlles ouverts (ses composntes connexes), donc A contient tous les ouverts. Donc B(R) A. Comme tout intervlle ], + [ est ouvert, on A B(R). Les utres cs se trîtent de mnière similire. Remrque : on sur mesurer tous les boréliens de R (et même un peu plus). Cel inclut les ouverts, les fermés, les compcts, les G δ, les F σ, tout ensemble défini u moyen d églités ou d inéglités sur des fonctions continues, continues pr morceux, monotones... et tout ensemble construit de mnière récursive à prtir d un nombre dénombrble opértions,, \ sur des ouverts. Et il y en d utres. II.6 Trnsport de mesures et de tribus Définition 9 (σ-lgèbre et mesure induite). Soient X et Y deux ensembles, B une σ-lgèbre sur Y, et f : X Y une ppliction. Alors A = {f 1 (B); B B} est une σ-lgèbre sur X. Elle s ppelle l σ-lgèbre engendrée (ou induite) pr f sur X, notée σ(f). Si µ est une mesure sur A, lors l fonction ν définie pour B B pr ν(b) = µ(f 1 (B)) est une mesure sur B, ppelée mesure imge de µ pr f. Démonstrtion. L réunion, le complémentire, se comportent bien pr rpport à l imge réciproque. III Exemples fondmentux d espces mesurés On présente ici les mesures que l on utiliser dns le cours. À prt le premier exemple, les utres sont difficiles à construire, donc on dmettr leur existence jusqu u chpitre 3. Mesures tomiques : toute mesure sur un ensemble fini ou dénombrble est de l forme µ = x X α x δ x, vec α x [, + ]. Les mesures de probbilité sur X = {, 1} s ppellent mesures de Bernouilli. Elles sont de l forme µ = pδ 1 + (1 p)δ, vec p 1. Mesures de Lebesgue sur R : c est l plus importnte du cours. Il existe une unique mesure de Borel sur R telle que l mesure des intervlles soit leur longeur. On l note l. Elle est ussi ppelée mesure de longeur. Il est possible de l prolonger (en une mesure) sur une σ-lgèbre un peu plus grnde (l tribu de Lebesgue L(R)), mis il est impossible de l prolonger à toutes les prties de R (modulo l xiôme du continu). Du point

13 III. EXEMPLES FONDAMENTAUX D ESPACES MESURÉS 13 de vue de l théorie des ensembles, B(R) R et L(R) R R, donc L(R) beucoup plus d éléments. Mis les ensembles que l on rjoute sont de mesure de Lebesgue nulle, donc du point de vue de l théorie de l mesure, L(R) peu d intérrêt. Il n y ps de plus grosse tribu sur lquelle on peut définir l mesure de Lebesgue (ou n importe quelle mesure, suf si évidemment l mesure peut être définie sur toutes les prties). Mesures de Lebesgue-Stieljes : pour toute fonction continue et croissnte ϕ : R R, il existe une unique mesure de Borel µ telle que µ([, b]) = ϕ(b) ϕ() pour tous, b R vec b. Pour ϕ(x) = x c est l mesure de Lebesgue. Si ϕ = l esclier du dible, on obtient une mesure de probbilité pour le moins étrnge. Mesure de Lebesgue sur R n : il existe une unique mesure m sur les boréliens de R n telle que m(i 1 I 2 I n ) = l(i 1 ) l(i n ), pour toute suite d intervlles I k R. Elle permet de clculer l ire, le volume... Pour toutes fonctions f, g : [, b] R continues telles que f g, l mesure de Lebesgue de l ensemble {(x, y) [, b] R t.q. f(x) y g(x)} est bien b (g(x) f(x))dx. Mesures de Hussdorf : c est une fmille (H k ) 1 k n de mesures de Borel sur R n, permettnt de clculer l longeur, l ire, le volume... des prties courbées de R n. L mesure H 1 ser encore ppelée mesure de longeur, notée l. L longeur d un rc Γ prmétré pr une fonction f : [, 1] R n, ser l formule clssique l(γ) = 1 f (t) dt si l rc est régulier et sns point double. L ire d une surfce Σ prmétrée pr une fonction f : [, 1] 2 R 3 ser l formule clssique 1 1 Aire(Σ) = f x f y dxdy si c est une surfce plongée. L mesure de Hussdorf H n ser l mesure de Lebesgue, et l restriction de H k ux sous espces ffines de dimensions k ser l mesure de Lebesgue k-dimentionnelle. Jeu de pile ou fce : Soit Ω = {, 1} N l ensemble des suites de et de 1. Il existe une unique mesure de probbilité sur les boréliens de Ω (pour l topologie produit), telle que l probbilité qu une suite commence pr une suite donnée de longeur n, soit 2 n. Ce résultt, bien qu intuitivement évident, est en fit équivlent à l existence de l mesure de Lebesgue : si on identifie un nombre à l suite de ses chiffres en bse 2, l mesure de Lebesgue s identifie à cette mesure. Mesure de Lebesgue en dimension infinie : il existe une unique mesure de probbilité µ sur les boréliens de [, 1] N (muni de s topologie produit), telle que ( + ) + µ I n = l(i n ), pour toute suite d intervlles I n [, 1]. C est l mesure de probbilité qui modélise les suites de nombres réels choisis létoirement entre et 1 de mnière uniforme et indépendnte.

14 14 CHAPITRE 1. LES MESURES

15 Chpitre 2 Intégrtion Références : Rudin, Dudley, Wgschl. I Fonctions mesurbles I.1 Définition Définition 1. Soient (X, A) et (Y, B) deux espces mesurbles. Une fonction mesurble de (X, A) dns (Y, B) est une fonction f : X Y telle que pour tout B B, f 1 (B) A. Remrque : une fonction constnte est mesurble pr rpport à n importe quelle tribu. Cette définition est similire à l notion de continuité d une fonction entre deux espces topologiques. Proposition 1. Soient (X, A) et (Y, B) deux espces mesurbles. Soit F une fmille engendrnt B. Alors une fonction f est mesurble de (X, A) dns (Y, B) ssi pour tout B F, f 1 (B) A. Démonstrtion. L fmille C = {B Y t.q. f 1 (B) A} est une σ-lgèbre contennt F. Remrque : si Y est topologique on prend pr défut comme tribu B = B(Y ). Dns ce cs il suffit donc de vérifier que l imge réciproque d un ouvert est mesurble. L pluprt du temps, Y ser [, + ] ou C. Corollire 1. Soit (X, A) un espce mesurble. Une fonction f : X [, + ] est mesurble ssi R, {f > } := {x X t.q. f(x) > } A. Définition 2. Soient X et Y deux espces topologiques. Une fonction f : X Y est dite borélienne si elle est mesurble de (X, B(X)) dns (Y, B(Y )). Exemple : les fonctions continues de X dns Y sont boréliennes. I.2 Composition Proposition 2. Soient (X, A), (Y, B) et (Z, C) trois espces mesurbles, f : X Y et g : Y Z mesurbles. Alors g f : X Z est mesurble. Démonstrtion. Évident cr (g f) 1 (C) = f 1 (g 1 (C)). 15

16 16 CHAPITRE 2. INTÉGRATION Définition 3. Si f : X [, + ] on définit f + = mx(f, ) et f = mx( f, ). On f +, f, f = f + + f et f = f + f. Remrque : l différence f + f toujours un sens cr on ne peut ps voir f + = f = +. Bien noter que l prtie négtive d une fonction f est mx( f, ), et non ps min(f, ) : on bien f. Corollire 2. Soit (X, A) un espce mesurble. (1) L somme (si elle un sens) et le produit de fonctions mesurbles, à vleurs dns [, + ] ou C, sont mesurbles. (2) Si f n : X [, + ] sont mesurbles, lors sup(f n ) et inf(f n ) sont mesurbles. (3) f : X [, + ] est mesurble si et seulement si f + et f sont mesurbles. (4) f : X C est mesurble si et seulement si Re(f) et Im(f) sont mesurbles. (5) Si f : X C est mesurble, lors f est mesurble. Démonstrtion. (1) : les lois + et sont continues sur C. L loi + est bien continue sur [, + ] (là où elle est définie), et l loi est continue suf en (, ± ) et (±, ). Or, on {(x, y) [, + ] 2 t.q. xy = } = [, + ] {} {} [, + ]. Cet ensemble est fermé, donc borélien, donc l loi est borélienne, cqfd. (2) : pour tout R, {x X t.q. sup(f n ) > } = {x X t.q. f n (x) > } et inf(f n ) = sup( f n ). n (3) : découle de (1) et (2). (4) et (5) : l prtie réelle, l prtie imginire, et le module complexe, sont des fonctions continues. I.3 Pssges à l limite Théorème 1. Soit (X, A) un espce mesurble, Y un espce métrique. Soit f n : X Y une suite de fonctions mesurbles, convergent simplement vers une limite f : X Y. Alors f est mesurble. Démonstrtion. Soit U un ouvert de Y, et F son complémentire. On rppelle que l fonction distnce à un ensemble est continue (et même lipschitzienne), donc chque fonction d(f n, F ) est mesurble de (X, A) dns (Y, B(Y )). Comme U est ouvert, on f(x) U si et seulement si f n (x) U (i.e. d(f n (x), F ) > ) à prtir d un rng. Cel se trduit pr f 1 (U) = {d(f n, F ) 1/k}. k N l N n l Comme f n est mesurble, chque ensemble {d(f n, F ) 1/k} est dns A (c est l imge réciproque d un fermé pr une fonction mesurble), cqfd. Définition 4. Si u n est une suite d élements de [, + ], on définit lim sup u n := n + lim sup n + k n u k et lim inf n + u n := lim inf u k. n + k n Démonstrtion de l existence des limites. L suite v n := sup k n u k est décroissnte, donc est convergente dns [, + ]. L suite w n := inf k n u k est croissnte, donc converge dns [, + ]. Proposition 3. Soit u n une suite de [, + ].

17 I. FONCTIONS MESURABLES 17 (1) lim sup u n est l plus grnde vleur d dhérence de u n, lim inf u n l plus petite. (2) lim inf u n lim sup u n, vec églité ssi l suite converge dns [, + ]. Démonstrtion. (1) : soit l [, + ] et ϕ strictement croissnte telle que u ϕ(n) l. Comme ϕ(n) n, w n u ϕ(n) v n. Pssge à l limite : lim inf u n l lim sup u n. Il reste à montrer que lim sup u n et lim inf u n sont effectivement des v.. Soit l = lim sup u n. Si l =, on u n v n, donc u n tend vers. Si l = +, on choisit k n n t.q u kn v n 1, et u kn tend vers +. Si l R, on choisit k n n tel que v n 1/n u kn v n et on u kn l. Risonnement similire pour l limite inférieure. (2) : s il y églité, u n une seule vleur d dhérence, et comme [, + ] est compct, u n est convergente. Corollire 3. Soit (X, A) un espce mesurble, et f n : X [, + ] une suite de fonctions mesurbles. Alors lim sup f n et lim inf f n sont mesurbles. Corollire 4. Soit (X, A) un espce mesurble, et f n : X [, + ] ou C une suite de fonctions mesurbles. Si l série de fonctions f n est bien définie et converge simplement, s somme est mesurble. I.4 Exemples fondmentux Proposition 4. Soient, b R vec < b. Les fonctions suivntes sont boréliennes : (1) les fonctions continues de [, b] dns C. (2) les fonctions monotones f : [, b] [, + ]. (3) toute fonction obtenue comme somme, produit et limite simple de telles fonctions. Remrque : en prticulier les fonctions en esclier, les fonctions continues pr morceux, les fonctions monotones pr morceux, et plus générlement les fonctions réglées sont boréliennes. Démonstrtion. (1) : déjà fit. (2) : si J [, + ] est un intervlle, et f est monotone, lors f 1 (J) est un intervlle, donc un borélien. Définition 5. Soit X un espce topologique. inférieurement (sci) si pour tout α R, Une fonction f : X ], + ] est dite semi-continue {x X t.q. f(x) > α} est ouvert. Une fonction f : X [, + [ est dite semi-continue supérieurement (scs) si et seulement si pour tout α R, {x X t.q. f(x) < α} est ouvert. Remrque : ce sont donc des fonctions boréliennes. Proposition 5. Les sommes finies de fonctions sci sont sci. L borne supérieure d une fmille de fonctions sci est sci, et une série de fonctions sci positives est sci. Une fonction f est sci ssi f est scs. L indictrice d un ouvert est sci et l indictrice d un fermé est scs.

18 18 CHAPITRE 2. INTÉGRATION f(x) + g(x) t Démonstrtion. Somme : soient f, g et t R. Soit x X tel que f(x) + g(x) > t, et ε =. 2 Soit η > tel que pour tout y X t.q. d(x, y) < η, f(y) > f(x) ε et g(y) > g(x) ε. Alors f(y) + g(y) > f(x) + g(x) 2ε = t, cqfd. Borne supérieure : si (f i ) i I est une fmille de fonctions s.c.i, pour tout t R, Série : si f n sont s.c.i positives, lors {sup f i > t} = i {f i > t} = réunion d ouverts. i f n = sup n n f k. Fonctions indictrices : si U est ouvert, 1 1 U (]α, + ]) vut si α 1, U si α < 1 et X si α <. Si F est fermé, 1 1 F ([, α[) vut si α, X \ F si < α 1 et X si α > 1. II Intégrle des fonctions à vleurs dns [, + ] On fixe un espce mesuré (X, A, µ). II.1 Décomposition en série Lemme 1. Si f : X [, + ] est mesurble, il existe une suite α n R + et une suite E n A tels que f = α n 1 En. Démonstrtion. On désigne pr [ ] l prtie entière d un nombre réel. Pour tout y R +, on y = n Z [2 n+1 y] 2[2 n y] 2 n+1. C est en fit l représenttion de y en bse 2. Pour le voir, remrquer que c est une série télescopique et que [2 n y] tend vers y en + et est nul si n est loin dns les négtifs. Le nombre [2 n+1 y] 2[2 n y] est le n-ième 2 n chiffre près l virgule de y en bse 2. Il vut 1 si 2k n+1 y < 2k + 2 pour un certin k N, et sinon. L réunion de ces intervlles est un borélien E n. On donc y = n+1 E n (y) pour tout y R +. n Z Soit f : X [, + ] mesurble, et pour tout k Z, F k = {x X t.q. f(x) E k } = f 1 (E k ) A, et F = {x X t.q. f(x) = + } = f 1 ({+ }) A. Pr composition on pour tout x X, f(x) = (+ )1 F (x) k+1 E k (f(x)) = k Z k Z 1 ( ) k+1 F k (x) + 1 F (x), cqfd. Lemme 2. Soient, pour n N, n, b n deux suites de R +, et A n, B n deux suites de A. On suppose que pour tout x X, n 1 An (x) b n 1 Bn (x). Alors n µ(a n ) b n µ(b n ).

19 II. INTÉGRALE DES FONCTIONS À VALEURS DANS [, + ] 19 Démonstrtion. On procède pr degré de difficulté croissnt. si 1 A b1 B, vec, b R + et A, B A. Alors soit l fonction 1 A est nulle, i.e. = ou A =, soit elle est non nulle, i.e. > et A, et lors b et A B. Dns tous les cs on bien µ(a) bµ(b). N si n 1 An b1 B, vec N 2, n, b R + et A n, B A. O procède pr récurrence sur N. En multiplint l reltion N n 1 An b1 B respectivement pr 1 A2 \A 1, 1 A1 A 2, 1 A1 \A 2 et 1 X\(A1 A 2 ), on obtient : N n 1 An A2 \A 1 b1 B A2 \A 1, N n 1 An A1 A 2 b1 B A1 A 2, N n 1 An A1 \A 2 b1 B A1 \A 2, et N n 1 An\(A1 A 2 ) b1 B\(A1 A 2 ). Chcune de ces inéglités un ou deux termes en moins : le terme n = 1 est nul dns l première, les deux premiers termes se combinent dns l seconde, le terme n = 2 est nul dns l troisième et les termes n = 1 et n = 2 sont nuls dns l dernière. On obtient pr récurrence qutre reltions sur les mesures : N n µ(a n A 2 \ A 1 ) bµ(b A 2 \ A 1 ), N n µ(a n A 1 A 2 ) bµ(b A 1 A 2 ), N N n µ(a n A 1 \ A 2 ) bµ(b A 1 \ A 2 ), et n µ(a n \ (A 1 A 2 )) bµ(b \ (A 1 A 2 )). Comme les qutre ensembles A 1 \ A 2, A 1 A 2, A 2 \ A 1 et X \ (A 1 A 2 ) prtitionnent X, l somme de ces qutre reltions donne N n µ(a n ) bµ(b), pr dditivité de µ. si N M n 1 An b n 1 Bn vec N, M N, n, b n R + et A n, B n A, on procède pr récurrence sur M, on multiplie l reltion pr 1 B1 \B 2, 1 B1 B 2, 1 B2 \B 1 si n 1 An et 1 X\(B1 B 2 ), et on risonne comme ci-dessus. b n 1 Bn, vec n, b n R + et A n, B n A, on multiplie l reltion pr 1 XM vec X M = X \ (B 1 B M ). On obtient, pour tous N, M N, N n 1 An XM n 1 An X M b n 1 Bn X M = M b n 1 Bn XM. N M Le cs précédnt donne n µ(a n X M ) b n µ(b X M ) b n µ(b n ), pr croissnce de µ. On fit tendre M + (l suite X M est croissnte de réunion X), puis N +, et on le résultt. II.2 Définition de l intégrle

20 2 CHAPITRE 2. INTÉGRATION Définition 6. Soit f : X [, + ] mesurble. Le nombre n µ(a n ) [, + ] est indépendnt de l suite n R + et A n A telles que f = de f pr rpport à l mesure µ, notée fdµ. n 1 An. C est pr définition l intégrle Remrque : cette définition est indépendnte de l décomposition de f choisie pr le lemme 2. L intégrle clssique des fonctions continues et continues pr morceux est définie de même, mis vec des indictrices d intervlles. En effet, on peut montrer qu une fonction en esclier f : [.b] R + se décompose sous l forme f = N n 1 In, vec n R + et I n [, b] intervlle, et qu une fonction f : [, b] R + continue, continue pr morceux, et plus générlement réglée, se représente sous forme d une série uniformément convergente f = n 1 In, vec n R +, I n [, b] intervlles, et c est une crctéristion des fonctions réglées (exo). En théorie de l intégrle de Lebesgue, les I n ne sont plus forcément des intervlles, et l série peut être simplement convergente. On obtient donc beucoup plus de fonctions intégrbles. II.3 Linérité et croissnce Proposition 6. Pour toutes fonctions f, g : X [, + ] mesurbles telles que f g, on Démonstrtion. C est exctement le lemme 2. Proposition 7. Pour toutes fonctions f, g : X [, + ] mesurbles, et tous α, β R +, on (αf + βg)dµ = α fdµ + β gdµ. fdµ gdµ. Démonstrtion. Soient k, b k R +, A k, B k A tels que f = représenttion possible de αf + βg est (αf + βg)dµ = α α k 1 Ak + k µ(a k ) + β βb k 1 Bk, donc b k µ(b k ) = α k 1 Ak et g = fdµ + β gdµ. b k 1 Bk. Alors une

21 II. INTÉGRALE DES FONCTIONS À VALEURS DANS [, + ] 21 Proposition 8 (Inéglité de Tchebitchev). Soit f : X [, + ] mesurble et α R +. On µ({x X t.q. f(x) α}) 1 fdµ. α Démonstrtion. Soit E = f 1 ([α, + ]) A. On α1 E f pr définition de E, puis on intègre. Définition 7. On dit qu une proriété P (x) dépendnt de x X est vrie presque prtout s il existe N A tel que µ(n) = et P (x) est vrie pour tout x / N. Proposition 9. Soit f : X [, + ] mesurble. On fdµ = si et seulement si f(x) = p.p. Démonstrtion. Supposons que fdµ =. Alors pr l inéglité de Tchebichev, les ensembles N n = {x X t.q. f(x) 1/n} sont de mesure nulle, pour tout n N. Ces ensembles forment une suite croissnte, donc leur réunion N est de mesure nulle. Pour tout x / N, on f(x) >. Réciproquement, supposons que f(x) = p.p. Soit N A tel que f(x) = pour tout x / N et µ(n) =. Soit n R + et A n A tels que f = Chque A n N est de mesure nulle, puisque inclus dns N, donc Proposition 1. Soit f : X [, + ] mesurble telle que n 1 An. On f = f1 N cr f(x) = si x / N, donc f = fdµ = n µ(a n N) =. fdµ < +. On f(x) < + p.p. n 1 An N. Remrque : réciproque fusse. Démonstrtion. Soit E = {x X t.q. f(x) = + }. Alors f n1 E pour tout n N, donc nµ(e) et en fisnt n + on trouve µ(e) =. fdµ, II.4 Théorème de convergence monotone et lemme de Ftou Théorème 2 (Théorème de convergence monotone, dit de Beppo-Levi). Soit (f n ) n 1 une suite de fonctions mesurbles positives. ( ) + (1) on f n dµ = f n dµ. (2) si f n f n+1 pour tout n, lors (2) si f n+1 f n pour tout n et si lim f n dµ = lim f 1 dµ < +, lors f n dµ. lim f n dµ = lim f n dµ. Remrque : dns (1), les deux séries écrites sont nécessirement convergentes (dns [, + ]). Dns (2) et (3), lim f n et lim f n dµ existent nécessirement, pr monotonie.

22 22 CHAPITRE 2. INTÉGRATION Lemme 3. Soient f, g : X [, + ] mesurbles telles que f g. Il existe h : X [, + ] mesurble telle que g = f + h. Démonstrtion. On pose h(x) = g(x) f(x) si f(x) < + et h(x) = si f(x) = +. On bien g = f + h. Un utre écriture pour h est h = g1 E f1 E, vec E = {x X t.q. f(x) < + } = f 1 ([, + [) A. Les deux fonctions g1 E et f1 E sont donc mesurbles, et leur différence est bien définie, donc h est mesurble. Démonstrtion. (1) : pour tout n on une représenttion de f n sous l forme f n = représenttion possible de f n est f n = ( ) + f n dµ = k,n 1 Ak,n. Donc ( + ) k,n µ(a k,n ) = f n dµ. k,n 1 Ak,n. (2) : on pose g 1 = f 1, et pour tout n 2, soit g n : X [, + ] telle que f n = f n 1 + g n. Pr linérité et (1), ( ) n n ( ) + g k dµ = g n dµ et g k dµ = g k dµ. Or f n = n g k et donc lim f n = g k, cqfd. (3) : pour tout n 1, soit g n : X [, + ] mesurble telle que f n = f n+1 + g n. Une récurrence immédite n 1 donne f 1 = f n + g k et donc f 1 = lim f n + g k. Pr linérité et (1) : f 1 dµ = n 1 f n dµ + et pr pssge à l limite dns l première, L série lim f n dµ + g k dµ, g k dµ = lim f 1 dµ = lim f 1 dµ = f n dµ + f n dµ + lim f n dµ + g k dµ = g k dµ est donc finie, on peut l retrncher de chque membre, cqfd. g k dµ g k dµ. En prticulier f 1 dµ < +. Théorème 3 (Lemme de Ftou). Soit f n : X [, + ] une suite de fonctions mesurbles. On ( ) ( ) lim inf f n dµ lim inf f n dµ. n + n + Démonstrtion. Soit g n = inf k n f k et I n = inf k n f k dµ. Pour tout k n on g n f k donc g n dµ f k dµ k n donc g n dµ I n. Ensuite on psse à l limite en utilisnt le théorème de convergence monotone. Une

23 II. INTÉGRALE DES FONCTIONS À VALEURS DANS [, + ] 23 II.5 Reltion de Chsle Définition 8. Soit E A et f : X [, + ] une fonction mesurble. On définit l intégrle de f sur E pr rpport à (X, A, µ) pr fdµ := (f1 E )dµ. Théorème 4. Soit f : X [, + ] mesurble. L ppliction E fdµ est une mesure sur A. On l ppelle l mesure de densité f pr rpport à µ. Démonstrtion. Pour tout E A, soit E E ν(e) := Soit E n A, deux-à-deux disjoints, et E leur réunion. On 1 E = Le théorème de convergence donne ν(e) = E fdµ. 1 En donc f1 E = ν(e n ). f1 En. Théorème 5. Soit f : X [, + ] une fonction mesurble, et ν l mesure de densité f pr rpport à µ. Pour toute fonction g : X [, + ] mesurble, on gdν = gfdµ, (2.1) ce qui justifie l nottion dν = fdµ. Démonstrtion. On pose f = gdν = k 1 Ak et g = ( + fgdµ = l=1 b l ν(b l ) = l=1 l=1 l=1 b l 1 Bl, vec k, b l R + et A k, B l A. On k b l 1 Ak B l ) dµ = l=1 ( ) + b l k 1 Ak B l dµ = k b l µ(a k B l ) l=1 b l k µ(a k b l ). II.6 Une propriété remrquble de l intégrle Proposition 11. Soit (X, A, µ) un espce mesuré et f : X [, + ] une fonction mesurble. Alors l intégrle de f ne dépend que des vleurs de µ sur les ensembles {f > t}, vec t >. Plus précisément, fdµ = lim 2 n µ({f > k2 n }). n +

24 24 CHAPITRE 2. INTÉGRATION Démonstrtion. Soit f n définie pr f n (x) = si f(x) =, et sinon f n (x) = k, où k est l unique entier tel 2n que k < 2 n f(x) k + 1. Alors f n+1 (x) = 2k 2k + 1 ou 2n+1 2. On voit donc que f n+1 n converge en croissnt vers f (simplement). Un utre écriture pour f n, utilisnt les fonctions indictrices, est Donc f n dµ = f n = Crd(N [, 2 n f(x)[ = 2 n 1 2 n f>k2 n. 2 n µ({f > k2 n }). Or pr convergence monotone, f n dµ Corollire 5. L intégrle ne dépend ps de l σ-lgèbre rendnt l fonction mesurble. fdµ, cqfd. III III.1 Fonctions sommbles Fonctions à vleurs dns R Définition 9. Soit f : X R. On dit que f est intégrble (ou sommble) si elle est mesurble et si f dµ < +. Alors f + et f ont une intégrle finie. On pose fdµ := f + dµ f dµ. L ensemble des fonctions intégrbles est noté L(X, A, µ) ou pour simplifier L(µ). Démonstrtion. f + f et f f. Théorème 6. L intégrle insi définie vérifie les propriétés suivntes : (1) l nouvelle définition de l intégrle est cohérente vec celle des fonctions positives. (2) L(X, A, µ) est un espce vectoriel et l intégrle est une forme linéire. (4) l intégrle est croissnte, et vérifie l inéglité tringulire : fdµ f dµ. Démonstrtion du théorème. (1) : cr si f, f = et f + = f. (2) : soient f, g L(X, A, µ) et h = f + g. On pour tout x X, h + (x) + f (x) + g (x) = h (x) + f + (x) + g + (x). Donc pr linérité de l intégrle des fonctions positives : h + dµ + f dµ + g dµ = h dµ + f + dµ + g + dµ, cqfd. (2.2) Si λ R + on pr linérité de l intégrle des fonctions positives, (λf) + dµ = λ(f + )dµ = λ f + dµ et (λf) dµ = λ f dµ,

25 IV. THÉORÈME DE CONVERGENCE DOMINÉE DE LEBESGUE 25 donc λfdµ = λ fdµ. Enfin, ( f)dµ = ( f) + dµ ( f) dµ = f dµ f + dµ = fdµ. (4) : si f et g sont sommbles et f g lors g = (g f) + f donc gdµ = fdµ + (g f)dµ. Or g f donc (g f)dµ R +, et donc fdµ gdµ. L inéglité tringulire découle lors des reltions f f et f f. III.2 Fonctions à vleurs dns C Définition 1. Une fonction f : X C est sommble elle est mesurble et si Re(f) et Im(f) sont sommbles. On pose fdµ = Re(f)dµ + i Im(f)dµ. f dµ < +. Alors On utiliser ussi l nottion L(X, A, µ). Démonstrtion. on Re(f) f et Im(f) f. Proposition 12. L définition est cohérente, L(X, A, µ) est un C-espce vectoriel et l intégrle est C-linéire. On de plus l inéglité tringulire fdµ f dµ. Démonstrtion. Évident suf l inéglité tringulire. On choisit θ R tel que fdµ = e iθ fdµ. Alors ( ) fdµ = Re e iθ fdµ = Re(e iθ f)dµ f dµ. IV Théorème de convergence dominée de Lebesgue Théorème 7 (de convergence dominée de Lebesgue). Soient f n : X C une suite de fonctions sommbles, convergent simplement vers une fonction f : X C. On suppose qu il existe une fonction ϕ : X [, + ] telle que ϕdµ < + et f n (x) ϕ(x) x X n N. Alors (1) l fonction f et les fonctions f n sont sommbles. (2) lim f f n dµ =. n + (3) lim f n dµ existe et vut fdµ.

26 26 CHAPITRE 2. INTÉGRATION Démonstrtion. On f n ϕ et f ϕ, donc pr croissnce de l intégrle, f n et f sont sommbles. Soit g n = 2ϕ f f n. C est une fonction mesurble et positive puisque f f n f + f n 2ϕ. Pr hypothèse, g n converge simplement vers 2ϕ. Le lemme de Ftou donne 2ϕdµ lim inf g n dµ. n + Or lim inf g n dµ = 2 ϕdµ lim sup f f n dµ, donc l suite f f n dµ = une limite supérieure n + n +. Comme elle est positive, c est qu elle tend vers. Pour (3) remrquer que fdµ f n dµ f f n dµ. Théorème 8 (de convergence dominée pour les séries). Soit f n : X C une suite de fonctions mesurbles, telles que f n dµ < +. Alors chque f n est sommble, l série de fonctions f n (x) converge p.p vers une fonction S : X C sommble, l série f n dµ est convergente dns C, et f n dµ = Sdµ. Démonstrtion. Soit ϕ(x) = f n (x). C est une fonction mesurble positive d intégrle finie. Elle est donc finie presque prtout, et l suite de fonctions S n (x) = f f n converge donc presque prtout. Soit N A de mesure nulle telle que S n (x) converge pour tout x / N. On note S(x) cette limite, et on pose S(x) = si x N. Pr construction, S n 1 X\N converge simplement vers S, donc S est mesurble. De plus S n ϕ pour tout n N. Le théorème de convergence dominée donne le résultt. Corollire 6 (Reltion de Chsle). Soit f : X C sommble et E n deux-à-deux disjoints. L série E n fdµ est convergente, et une suite d ensembles mesurbles ne n fdµ = E n fdµ. Remrque : on donc une ppliction σ-dditive qui n est ps positive. On ppelle cel une mesure signée. Corollire 7 (Réciproque du théorème de convergence dominée). Soient f, f n : X C mesurbles telles que f f n dµ =. Il existe une sous-suite (f nk ) k N convergent vers f presque prtout. lim n + Démonstrtion. Soit ϕ n = f g n. Soit n k telle que ϕ nk dµ 2 k. On donc théorème de convergence dominée pour les séries donne en prticulier ϕ nk p.p. ϕ nk dµ < +. Le

27 V. INTEGRALES À PARAMÈTRE 27 V Integrles à prmètre V.1 Continuité sous l intégrle Théorème 9. Soit (X, A, µ) un espce mesuré, (Y, d) un espce métrique. Soit f : X Y C une fonction telle que (1) pour tout y Y, f(, y) est mesurble. (2) pour tout x X, f(x, ) est continue, (3) il existe ϕ : X [, + ] d intégrle finie, telle que pour tout (x, y) X Y, f(x, y) ϕ(x). Alors pour tout y Y, x f(x, y) est sommble, et F (y) := f(x, y)dµ(x) est une fonction continue sur Y. X Démonstrtion. Soit y Y. On X f(x, y) dµ(x) X ϕ(x)dµ(x) < +, donc f(, y) est sommble. F est donc bien définie. Montrons qu elle est continue. Soit (y n ) n 1 une suite de Y convergent vers y. Pour tout x, f(x, y n ) converge vers f(x, y). Pr le théorème de convergence dominée, f(x, y n ) existe et vut f(x, y)dµ, cqfd. lim n + X X V.2 Dérivtion sous l intégrle Théorème 1. Soit (X, A, µ) un espce mesuré, I un intervlle ouvert de R, non vide. Soit f : X I C une fonction telle que (1) pour tout t I, f(, t) est mesurble et sommble. (2) pour tout x X, f(x, ) est dérivble sur I. (3) il existe ϕ : X [, + ] d intégrle finie, telle que pour tout (x, t) X I, t f(x, t) ϕ(x). Alors pour tout t I, t f(, t) est mesurble et sommble sur X. Soit, pour t I, F (t) := f(x, t)dµ(x). F est dérivble sur I et pour tout t I, F (t) = X t f(x, t)dµ(x). X

28 28 CHAPITRE 2. INTÉGRATION Démonstrtion. On considère une suite quelconque t n I tendnt vers t, telle que t n t pour tout n N. Et on pose n (x, t) = f(x, t n) f(x, t). t n t Pr l inéglité des ccroissements finis, n (x, t) ϕ(x) pour tous (x, t) X I. De plus n converge simplement vers t f. Ceci prouve que t f est sommble. Le théorème de convergence dominée montre que F (x, t n ) F (x, t) t fdµ = lim. n + t n t Remrque : Pr l inéglité des ccroissements finis, on peut supposer dns (1) que f(, t) est sommble pour une vleur de t, cr (3) impliquer qu elle l est pour tout t I. On lisse en exercice l générlistion du théorème de dérivtion dns pour les cs où l on doit dériver plusieurs fois sous l intégrle.

29 Chpitre 3 Comment construire des mesures L méthode l plus générle pour construire des mesures est celle utilisée originellement pr Lebesgue, et qui été méliorée pr Crthéodory. On définit l mesure extérieure et intérieure d un ensemble rbitrire. Si elles sont égles, on dit que l ensemble est mesurble, et on montre que l ppliction insi définie est σ-dditive. I Mesures extérieures I.1 Applictions σ-sous-dditives Définition 1. Soit X un ensemble, A une fmille de prties de X, et µ : A [, + ] une fonction telle que µ( ) =. On dit que µ est σ-sous-dditive si pour tout A A, pour toute suite A n A (n N ), A + A n µ(a) Remrque : une ppliction σ-sous-dditive est donc croissnte. µ(a n ). Définition 2. Une mesure extérieure est une ppliction µ : P(X) [, + ] σ-sous-dditive. I.2 Mesure extérieure cnonique Proposition 1. Soit X un ensemble, A une fmille quelconque de prties de X contennt, et µ : A [, + ] une ppliction telle que µ( ) =. Pour tout E X on pose { + } µ (E) = inf A k, µ(a k ), vec A k A et E k 1 vec l convention µ (E) = + s il n existe ps de telle suite A k. Alors : (1) µ est une mesure extérieure. (2) si µ est σ-sous-dditive, lors µ prolonge µ. µ s ppelle l mesure extérieure cnonique ssociée à µ. 29

Espaces métriques, espaces vectoriels normés. Tewfik Sari. L2 Math

Espaces métriques, espaces vectoriels normés. Tewfik Sari. L2 Math Espces métriques, espces vectoriels normés Tewfik Sri L2 Mth Avertissement : ces notes sont l rédction, progressive et provisoire, d un résumé du cours d espces métriques de d espces vectoriels normés

Plus en détail

Théorème de Rolle et formules de Taylor

Théorème de Rolle et formules de Taylor Théorème de Rolle et formules de Tylor 1 Extrémums des fonctions différentibles à vleurs réelles 1. Soient K un compct d un espce vectoriel normé (E, ) et f une fonction définie sur K à vleurs dns R. Montrer

Plus en détail

Primitive et intégrale d une fonction continue

Primitive et intégrale d une fonction continue Primitive et intégrle d une fonction continue O. Simon, Université de Rennes I 24 mi 2005 Avertissement : Ceci n est ps le contenu d une leçon de CAPES. Dns le progrmme 2002 de terminles S, on introduit

Plus en détail

CCP 2007. Filière MP. Mathématiques 1. Corrigé pour serveur UPS de JL. Lamard (jean-louis.lamard@prepas.org)

CCP 2007. Filière MP. Mathématiques 1. Corrigé pour serveur UPS de JL. Lamard (jean-louis.lamard@prepas.org) CCP 27. Filière MP. Mthémtiques. Corrigé pour serveur UPS de JL. Lmrd (jen-louis.lmrd@preps.org EXERCCE.. f est continue (en tnt de frction rtionnelle dont le dénominteur ne s nnule ps sur le compct F

Plus en détail

Théorie de la mesure et intégration. J.C. Pardo

Théorie de la mesure et intégration. J.C. Pardo Feuille de TD 6. Théorie de l mesure et intégrtion. J.C. Prdo Exercices. Exo. 72 Soit f une fonction sur. On considère muni de l tribu B des boréliens et d une mesure λ sur B. On suppose que f est λ-loclement

Plus en détail

Majorations de l erreur dans les calculs classiques de valeurs approchées d intégrale. Notes pour la préparation au CAPES - Strasbourg- février 2006

Majorations de l erreur dans les calculs classiques de valeurs approchées d intégrale. Notes pour la préparation au CAPES - Strasbourg- février 2006 Mjortions de l erreur dns les clculs clssiques de vleurs pprochées d intégrle Notes pour l préprtion u CAPES - Strsbourg- février 00 On trouve dns différents ouvrges élémentires des démonstrtions à coup

Plus en détail

Zéros des fonctions. 1. La dichotomie. Exo7. 1.1. Principe de la dichotomie

Zéros des fonctions. 1. La dichotomie. Exo7. 1.1. Principe de la dichotomie Exo7 Zéros des fonctions Vidéo prtie 1. L dichotomie Vidéo prtie. L méthode de l sécnte Vidéo prtie 3. L méthode de Newton Dns ce chpitre nous llons ppliquer toutes les notions précédentes sur les suites

Plus en détail

Table des matières. Avant propos

Table des matières. Avant propos Tble des mtières Avnt propos ii 1 Intégrle de Riemnn 1 1.1 Intégrle des fonctions en esclier............ 2 1.2 Fonctions intégrbles u sens de Riemnn........ 6 1.3 Propriétés générles de l intégrle de Riemnn......

Plus en détail

CHAPITRE 4 LA TRANSFORMÉE DE F OURIER

CHAPITRE 4 LA TRANSFORMÉE DE F OURIER CHAPITRE 4 LA TRANSFORMÉE DE F OURIER 4. Fonctions loclement intégrbles Soit I un intervlle de R et soit f : R R une ppliction. Définition 4.. On dit que f est loclement intégrble sur I si f est intégrble

Plus en détail

Séries, intégrales et probabilités

Séries, intégrales et probabilités Séries, intégrles et probbilités Thierry MEYRE Préprtion à l grégtion interne. Année 2014-2015. Université Pris Diderot. IREM. http://www.prob.jussieu.fr/pgeperso/meyre 2 BIBLIOGRAPHIE. Les ouvrges de

Plus en détail

Les intégrales. f(x) dx. f(x) dx est appelée intégrale définie, c est un nombre. La variable x ne sert qu à décrire la fonction f, on a b

Les intégrales. f(x) dx. f(x) dx est appelée intégrale définie, c est un nombre. La variable x ne sert qu à décrire la fonction f, on a b Les intégrles Introduction Etnt donnée une fonction positive f définie sur un intervlle borné [, b], on veut évluer l ire comprise entre l e des bscisses, l courbe représentnt f et les verticles = et =

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1 [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Enoncés 1 Topologie Ouverts et fermés Exercice 6 [ 118 ] [correction] On muni le R-espce vectoriel des suites réelles bornées de l norme u = sup u n

Plus en détail

Lois de probabilité à densité

Lois de probabilité à densité Lois de probbilité à densité Christophe ROSSIGNOL Année scolire 0/03 Tble des mtières Loi à densité sur un intervlle I. Deux exemples pour comprendre..................................... Densité de probbilité...........................................3

Plus en détail

Construction de la mesure de Lebesgue. 1 Mesure positive engendrée par une mesure extérieure.

Construction de la mesure de Lebesgue. 1 Mesure positive engendrée par une mesure extérieure. Université d Artois Faculté des Sciences Jean Perrin Analyse Fonctionnelle (Licence 3 Mathématiques-Informatique Daniel Li Construction de la mesure de Lebesgue 28 janvier 2008 Dans ce chapitre, nous allons

Plus en détail

Résumé du cours d analyse de maths spé MP

Résumé du cours d analyse de maths spé MP 1 TOPOLOGE Résumé du cours d nlyse de mths spé MP 1 Topologie 1) Normes, normes équivlentes Une norme sur l espce vectoriel E est une ppliction N de E dns R vérifint : x E, N(x). x E, (N(x) = x = ) (xiome

Plus en détail

Chapitre 1. Dénombrer et sommer. 1.1 Rappels ensemblistes. 1.1.1 Opérations ensemblistes

Chapitre 1. Dénombrer et sommer. 1.1 Rappels ensemblistes. 1.1.1 Opérations ensemblistes Chpitre 1 Dénombrer et sommer Compter des objets et fire des dditions, voilà bien les deux ctivités les plus élémentires à l bse des mthémtiques. Et pourtnt à y regrder de plus près, ce n est ps si fcile.

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mthémtiques nnée 2009-2010 Chpitre 2 Le prolème de l unicité des solutions 1 Le prolème et quelques réponses : 1.1 Un exemple Montrer que l éqution différentielle :

Plus en détail

Intégration. Rappels. Définition 3. Soit I un intervalle réel et f : I E. On dit que F : I E est. f(x) f(a) x a

Intégration. Rappels. Définition 3. Soit I un intervalle réel et f : I E. On dit que F : I E est. f(x) f(a) x a Intégrtion Les fonctions considérées ci-dessous sont des fonctions définies sur un intervlle réel I, à vleurs réelles ou complees ou, plus générlement, à vleurs dns un espce vectoriel normé de dimension

Plus en détail

Théorème de Poincaré - Formule de Green-Riemann

Théorème de Poincaré - Formule de Green-Riemann Chpitre 11 Théorème de Poincré - Formule de Green-Riemnn Ce chpitre s inscrit dns l continuité du précédent. On vu à l proposition 1.16 que les formes différentielles sont bien plus grébles à mnipuler

Plus en détail

Université de Marseille Licence de Mathématiques, 1ere année, Analyse (limites, continuité, dérivées, intégration) T. Gallouët

Université de Marseille Licence de Mathématiques, 1ere année, Analyse (limites, continuité, dérivées, intégration) T. Gallouët Université de Mrseille Licence de Mthémtiques, ere nnée, Anlyse (limites, continuité, dérivées, intégrtion) T. Gllouët July 29, 205 Tble des mtières Limites 3. Définition et propriétés......................................

Plus en détail

Relations binaires. Table des matières. Marc SAGE. 18 octobre 2007. 1 Amuse gueule 2. 2 Combinatoire dans les quotients 2. 3 Problème d extréma 3

Relations binaires. Table des matières. Marc SAGE. 18 octobre 2007. 1 Amuse gueule 2. 2 Combinatoire dans les quotients 2. 3 Problème d extréma 3 Reltions binires Mrc SAGE 8 octobre 007 Tble des mtières Amuse gueule Combintoire dns les quotients 3 Problème d extrém 3 4 Un théorème de point xe 3 5 Sur l conjugisons dns R 3 6 Sur les corps totlement

Plus en détail

Université de Cergy-Pontoise 2008-2009 Calcul Diff S6 M. Topologie

Université de Cergy-Pontoise 2008-2009 Calcul Diff S6 M. Topologie Université de Cergy-Pontoise 2008-2009 Calcul Diff S6 M Topologie 1 Espaces métriques 1.1 Distance Dans toute cette partie E représente un ensemble qui n est pas forcément un espace vectoriel. Définition

Plus en détail

Intégrale de Lebesgue

Intégrale de Lebesgue Intégrale de Lebesgue ÉCOLE POLYTECHNIQUE Cours 4 : intégrale de Lebesgue Bertrand Rémy 1 / 50 1. Motivations et points de vue ÉCOLE POLYTECHNIQUE Cours 4 : intégrale de Lebesgue Bertrand Rémy 2 / 50 Deux

Plus en détail

Théorème de Lax Milgram Application au problème de Dirichlet pour l équation de Sturm Liouville

Théorème de Lax Milgram Application au problème de Dirichlet pour l équation de Sturm Liouville Théorème de Lx Milgrm Appliction u problème de Dirichlet pour l éqution de Sturm Liouville Résumé du cours de MEDP Mîtrise de mthémtiques 2000 2001 2001nov18 (medp-lx-milgrm.tex) Dns ce chpitre, on se

Plus en détail

Fonctions : variations et extremums. Fonctions affines

Fonctions : variations et extremums. Fonctions affines Fonctions : vritions et extremums. Fonctions ffines Clsse de seconde I. Sens de vrition d'une fonction... 1) Fonctions croissntes... ) Fonctions décroissntes... II. Tbleu de vritions...3 III. Mximum, minimum...3

Plus en détail

Cours d Analyse II. Filières : SMP /SMC (Deuxième semestre, première. Notes rédigées par : M. BENELKOURCHI Slimane

Cours d Analyse II. Filières : SMP /SMC (Deuxième semestre, première. Notes rédigées par : M. BENELKOURCHI Slimane Déprtement de Mthémtiques Fculté des Sciences Université Ibn Tofïl Kénitr Cours d Anlyse II S2 Filières : SMP /SMC (Deuxième semestre, première nnée) Notes rédigées pr : M. BENELKOURCHI Slimne Professeur

Plus en détail

TOPOLOGIE DE LA DROITE REELLE

TOPOLOGIE DE LA DROITE REELLE TOPOLOGIE DE LA DROITE REELLE P. Pansu 16 mai 2005 1 Qu est-ce que la topologie? C est l étude des propriétés des objets qui sont conservées par déformation continue. Belle phrase, mais qui nécessite d

Plus en détail

Topologie des espaces vectoriels normés

Topologie des espaces vectoriels normés Topologie des espaces vectoriels normés Cédric Milliet Version préliminaire Cours de troisième année de licence Université Galatasaray Année 2011-2012 2 Chapitre 1 R-Espaces vectoriels normés 1.1 Vocabulaire

Plus en détail

Théorie des Langages Formels Chapitre 5 : Automates minimaux

Théorie des Langages Formels Chapitre 5 : Automates minimaux 1/29 Théorie des Lngges Formels Chpitre 5 : Automtes minimux Florence Levé Florence.Leve@u-picrdie.fr Année 2014-2015 2/29 Introduction Les lgorithmes vus précédemment peuvent mener à des utomtes reltivement

Plus en détail

1 Topologies, distances, normes

1 Topologies, distances, normes Université Claude Bernard Lyon 1. Licence de mathématiques L3. Topologie Générale 29/1 1 1 Topologies, distances, normes 1.1 Topologie, distances, intérieur et adhérence Exercice 1. Montrer que dans un

Plus en détail

Marc Chemillier Master M2 Atiam (Ircam), 2011-2012

Marc Chemillier Master M2 Atiam (Ircam), 2011-2012 MMIM Modèles mthémtiques en informtique musicle Mrc Chemillier Mster M2 Atim (Ircm), 2011-2012 Notions théoriques sur les lngges formels - Définitions générles o Mots, lngges o Monoïdes - Notion d utomte

Plus en détail

Calcul int egral. 15 d ecembre 2008

Calcul int egral. 15 d ecembre 2008 Clcul intégrl. 15 décembre 2008 2 Tble des mtières I Intégrles multiples 5 1 Rppels sur l intégrle définie des fonctions d une vrible. 7 1.1 Motivtions................................ 7 1.1.1 Cs des fonctions

Plus en détail

Espaces vectoriels normés

Espaces vectoriels normés Espaces vectoriels normés Essaidi Ali 19 octobre 2010 K = R ou C. E un K-espace vectoriel. 1 Normes et distances : 1.1 Normes et distances : Définition : On appelle semi-norme sur E toute application N

Plus en détail

Synthèse de cours (Terminale S) Dérivation : rappels et compléments

Synthèse de cours (Terminale S) Dérivation : rappels et compléments Synthèse de cours (Terminle S) Dérivtion : rppels et compléments Rppels de 1ère Nombre dérivé Soit f une fonction définie sur un intervlle I et un élément de I. f ( + h) f ( ) Si l limite lim existe, on

Plus en détail

COMPARAISON DE FONCTIONS

COMPARAISON DE FONCTIONS Lurent Grcin MPSI Lycée Jen-Bptiste Corot COMPARAISON DE FONCTIONS 1 Notion de voisinge Définition 1.1 Voisinge Soit R = R {± }. On ppelle voisinge de une prtie de R contennt un intervlle de l forme :

Plus en détail

Document créé le 28 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre

Document créé le 28 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre Document créé le 28 novembre 2013 Lien vers l dernière mise à jour de ce document Lien vers les exercices de ce chpitre Chpitre 20 Intégrtion Sommire 20.1 Continuité uniforme.................................

Plus en détail

Cours de DEUG Méthodes mathématiques pour les sciences de la vie I. Avner Bar-Hen

Cours de DEUG Méthodes mathématiques pour les sciences de la vie I. Avner Bar-Hen Cours de DEUG Méthodes mthémtiques pour les sciences de l vie I Avner Br-Hen Université Aix-Mrseille III 3 Tble des mtières Tble des mtières i Fonctions, limites, continuité Fonction, représenttion grphique......................

Plus en détail

STRUCTURE CRISTALLINE THEORIE DES RESEAUX DE BRAVAIS

STRUCTURE CRISTALLINE THEORIE DES RESEAUX DE BRAVAIS CHAPITRE 1 STRUCTURE CRISTALLINE THEORIE DES RESEAUX DE BRAVAIS Objectifs Comme les liquides et les gz, les solides jouent un rôle très importnt en chimie. Or l pluprt des solides sont des solides cristllins.

Plus en détail

Un peu de topologie. Espaces métriques. Documents disponibles sur www.math.polytechnique.fr/ laszlo. Enseignants :

Un peu de topologie. Espaces métriques. Documents disponibles sur www.math.polytechnique.fr/ laszlo. Enseignants : Documents disponibles sur www.math.polytechnique.fr/ laszlo Un peu de topologie Enseignants : F. Golse (golse@math.polytechnique.fr), Y. Laszlo (laszlo@math.polytechnique.fr), C. Viterbo (viterbo@math.polytechnique.fr)

Plus en détail

1 Langages reconnaissables

1 Langages reconnaissables 8INF713 Informtique théorique Automne 2014 Exercices 1 Lngges reconnissles 1.1 Considérez les deux utomtes suivnts et répondez ux questions suivntes : q 3, q 3 q 4 () A 1 () A 2 Figure 1 () Quel est l

Plus en détail

LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER

LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE Unité d enseignement LCMA 4U ANALYSE 3 Frnçoise GEANDIER Université Henri Poincré Nncy I Déprtement de Mthémtiques . Tble des mtières I Séries numériques. Séries

Plus en détail

Chapitre 6 : Fonctions affines -28-01-12- Seconde 7, 2010-2011, Y. Angeli

Chapitre 6 : Fonctions affines -28-01-12- Seconde 7, 2010-2011, Y. Angeli Chpitre 6 : Fonctions ffines -8-01-1- Seconde 7, 010-011, Y. Angeli 1. Éqution réduite d une droite Théorème. Dns un repère, soient A(x A ;y A ) et B(x B ;y B ) tels que x A x B. Alors l droite (AB) est

Plus en détail

COURS D ANALYSE. Licence de Mathématiques, première. Laurent Michel

COURS D ANALYSE. Licence de Mathématiques, première. Laurent Michel COURS D ANALYSE Licence de Mthémtiques, première nnée Lurent Michel Automne 2011 2 Tble des mtières 1 Éléments de logique 5 1.1 Fbriquer des énoncés........................ 5 1.1.1 Enoncés élémentires.....................

Plus en détail

Résumé sur les Intégrales Impropres & exercices supplémentaires

Résumé sur les Intégrales Impropres & exercices supplémentaires L-MATH II-(25-26). Résumé sur les Intégrles Impropres & eercices supplémentires Une fonction définie sur un intervlle I est dite loclement intégrble sur I si f est Riemnnintégrble sur tout intervlle [,

Plus en détail

Chapitre 13 : intégration sur un intervalle quelconque : théorie

Chapitre 13 : intégration sur un intervalle quelconque : théorie Mth Spé MP Chpitre 13 : intégrtion sur un intervlle quelconque : théorie 19/1/2012 1 Cs des onctions à vleurs dns R + Déinition : onction continue pr morceux sur un intervlle : Une onction : K où (K =

Plus en détail

Sujets HEC B/L 2013-36-

Sujets HEC B/L 2013-36- -36- -37- Sujet HEC 2012 B/L Exercice principal B/L1 1. Question de cours : Définition et propriétés de la fonction de répartition d une variable aléatoire à densité. Soit f la fonction définie par : f(x)

Plus en détail

( 0 0 1 0 0 0 0 0 0. et A est semblable à T ; de même B est semblable. n. x

( 0 0 1 0 0 0 0 0 0. et A est semblable à T ; de même B est semblable. n. x Préprtion à l orl Mines-Ponts - MP I) Soit f de clsse C sur [, + [, à vleurs dns R, vérifint f() = et f (t) = (f(t)) + t Montrer que f dmet une limite l + π en + 4 II) Soient A et B non nulles dns M 3

Plus en détail

Intégration et probabilités ENS Paris, 2013-2014. TD 5 Théorèmes de Fubini, calculs Corrigé

Intégration et probabilités ENS Paris, 2013-2014. TD 5 Théorèmes de Fubini, calculs Corrigé Intégration et probabilités NS Paris, 23-24 TD 5 Théorèmes de Fubini, calculs Corrigé xercices à préparer du TD 4 xercice. (Partiel 27 Soit (,,µ un espace mesuré et f : + une fonction mesurable.. On suppose

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 29 décembre 2015 Enoncés 1. b) Soit (u n ) n N une suite d éléments de [0 ; 1]. Montrer

[http://mp.cpgedupuydelome.fr] édité le 29 décembre 2015 Enoncés 1. b) Soit (u n ) n N une suite d éléments de [0 ; 1]. Montrer [http://mp.cpgedupuydelome.fr] édité le 9 décembre 05 Enoncés Familles sommables Ensemble dénombrable a) Calculer n+ Exercice [ 03897 ] [Correction] Soit f : R R croissante. Montrer que l ensemble des

Plus en détail

Théorie des Langages Épisode 2 Automates finis

Théorie des Langages Épisode 2 Automates finis AFD AFN Opértions Lemme de pompge 1/ 36 Théorie des Lngges Épisode 2 Automtes finis Thoms Pietrzk Université Pul Verline Metz AFD AFN Opértions Lemme de pompge Reconnisseur Définition Configurtion Accepttion

Plus en détail

et Transversalité par Pierre Vogel

et Transversalité par Pierre Vogel Université Paris 7 Denis Diderot Institut de Mathématiques de Jussieu Géométrie des Variétés et Transversalité par Pierre Vogel Introduction Ce cours est destiné à l étude des variétés différentiables

Plus en détail

IV. Espaces L p. + tx 1. (1 t)x 0

IV. Espaces L p. + tx 1. (1 t)x 0 cours 13, le lundi 7 mars 2011 IV. spaces L p IV.1. Convexité Quand deux points x 0, x 1 R sont donnés, on peut parcourir le segment [x 0, x 1 ] qui les joint en posant pour tout t [0, 1] x t = (1 t)x

Plus en détail

Feuille d exercices n o 1. N(x i ). 4. On rappelle qu un espace normé est séparable s il contient une partie dénombrable dense.

Feuille d exercices n o 1. N(x i ). 4. On rappelle qu un espace normé est séparable s il contient une partie dénombrable dense. 1 Feuille d exercices n o 1 1. Deuxième forme géométrique du théorème de Hahn-Banach Soient A E et B E deux convexes, non vides, disjoints (E est une espace vectoriel normé). On suppose que A est fermé

Plus en détail

Introduction aux processus de diffusion Pierre Priouret. Mode d emploi

Introduction aux processus de diffusion Pierre Priouret. Mode d emploi Université Pierre et Marie Curie Master de sciences et technologies Mathématiques et applications. Deuxième année Spécialité Probabilités et applications. Filière Probabilités et Finances Année 24/25 1

Plus en détail

semestre 3 des Licences MISM annnée universitaire 2004-2005

semestre 3 des Licences MISM annnée universitaire 2004-2005 MATHÉMATIQUES 3 semestre 3 des Licences MISM nnnée universitire 24-25 Driss BOULARAS 2 Tble des mtières Rppels 5. Ensembles et opértions sur les ensembles.................. 5.. Prties d un ensemble.........................

Plus en détail

La mesure de Lebesgue sur la droite réelle

La mesure de Lebesgue sur la droite réelle Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et

Plus en détail

LE RESEAU RECIPROQUE solution

LE RESEAU RECIPROQUE solution LE RESEU RECIPROQUE solution L pge 85 de votre poly de physique est conscrée à l définition du réseu réciproque, un concept initilement introduit pr J.W. Gibbs (189-190). Ce concept, plutôt bstrit, est

Plus en détail

Cours de mathématiques. Chapitre 12 : Calcul Intégral

Cours de mathématiques. Chapitre 12 : Calcul Intégral Cours de mthémtiques Terminle S1 Chpitre 12 : Clcul Intégrl Année scolire 2008-2009 mise à jour 5 mi 2009 Fig. 1 Henri-Léon Leesgue et Bernhrd Riemnn n les confond prfois 1 Tle des mtières I Chpitre 12

Plus en détail

Calcul intégral. II Intégrale d une fonction 4

Calcul intégral. II Intégrale d une fonction 4 BTS DOMOTIQUE Clcul intégrl 8- Clcul intégrl Tble des mtières I Primitives I. Définitions............................................... I. Clculs de primitives.........................................

Plus en détail

Equations d'état, travail et chaleur

Equations d'état, travail et chaleur Equtions d'étt, trvil et chleur Exercice On donne R 8, SI. ) Quelle est l'éqution d'étt de n moles d'un gz prfit dns l'étt,,? En déduire l'unité de R. ) Clculer numériquement l vleur du volume molire d'un

Plus en détail

Les espaces L p. Chapitre 6. 6.1 Définitions et premières propriétés. 6.1.1 Les espaces L p, avec 1 p < +

Les espaces L p. Chapitre 6. 6.1 Définitions et premières propriétés. 6.1.1 Les espaces L p, avec 1 p < + Chapitre 6 Les espaces L p 6.1 Définitions et premières propriétés 6.1.1 Les espaces L p, avec 1 p < + Soient (E, T,m) un espace mesuré, 1 p < + et f M = M(E, T) (c est-à-dire f : E R, mesurable). On remarque

Plus en détail

Fonctions de référence

Fonctions de référence Chpitre 7 Clsse de Seconde Fonctions de référence Ce que dit le progrmme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Fonctions de référence Fonctions linéires et fonctions ffines Vritions de l fonction

Plus en détail

Examen Final Corrigé rédigé par Paul Brunet et Laure Gonnord

Examen Final Corrigé rédigé par Paul Brunet et Laure Gonnord Mster Info - 2014-2015 MIF15 Complexité et Clculbilité Exmen Finl Corrigé rédigé pr Pul Brunet et Lure Gonnord Durée 1H30 Notes de cours et de TD utorisées. Livres et ppreils électroniques interdits. Le

Plus en détail

1 Projection tache Airy sur mode propre capillaire

1 Projection tache Airy sur mode propre capillaire 1 Projection tche Airy sur mode propre cpillire Dns l pproximtion prxile (petits ngles) le chmp électrique d une onde de fréquence ω polrisée rectilignement suivnt ~u x se propgent à l intérieur d un cpillire

Plus en détail

MP1 Janson DS6 du 17 janvier 2014/2015. 1 n x.

MP1 Janson DS6 du 17 janvier 2014/2015. 1 n x. MP Jnson DS6 du 7 jnvier 24/25 Problème (CCP) Toutes les fonctions de ce problème sont à vleurs réelles. PARTE PRÉLMNARE Les résultts de cette prtie seront utilisés plusieurs fois dns le problème.. Fonction

Plus en détail

Quantification et échantillonnage

Quantification et échantillonnage numérique à l et échntillonnge Signl physique (onde lumineuse, onde sonore) : vrition d une grndeur physique (éclirement, pression) en temps et/ou espce Sénce 4 et échntillonnge Contrintes de l représenttion

Plus en détail

Généralités sur les fonctions numériques

Généralités sur les fonctions numériques 7 Généralités sur les fonctions numériques Une fonction numérique est, de manière générale, une fonction d une variable réelle et à valeurs réelles. 7.1 Notions de base sur les fonctions Si I, J sont deux

Plus en détail

Cours d analyse 1ère année. Rhodes Rémi

Cours d analyse 1ère année. Rhodes Rémi Cours d analyse 1ère année Rhodes Rémi 10 décembre 2008 2 Table des matières 1 Propriétés des nombres réels 5 1.1 Sous-ensembles remarquables de R........................ 5 1.2 Relations d ordre..................................

Plus en détail

Automates et langages: quelques algorithmes

Automates et langages: quelques algorithmes Automtes et lngges: quelques lgorithmes Eugene Asrin Sddek Benslem Avertissement Dns l étt ctuel ce document est rchi-sec et peut servir seulement d un ide-mémoire. Pour comprendre les lgorithmes ci-dessous

Plus en détail

Chapitre 5. Intégration. 5.1 Intégration des fonctions en escaliers

Chapitre 5. Intégration. 5.1 Intégration des fonctions en escaliers Chpitre 5 Intégrtion Nous llons construire l intégrle pr un procédé de pssge à l limite. D bord on définit l intégrle des fonctions en escliers, ensuite on psse à l limite pour intégrer des fonctions plus

Plus en détail

Résumé du cours d analyse de Sup et Spé

Résumé du cours d analyse de Sup et Spé Résumé du cours d nlyse de Sup et Spé 1 Topologie 1.1 Normes, normes équivlentes Une norme sur le K-espce vectoriel E est une ppliction N de E dns R vérifint : x E, N(x) 0 (positivité) x E, (N(x) = 0 x

Plus en détail

201-NYC SOLUTIONS CHAPITRE 8

201-NYC SOLUTIONS CHAPITRE 8 Chpitre 8 Nombres complexes 7 -NYC SOUTIONS CHAPITRE 8 8. EXERCICES. ) Re() 5, Im() b) Re(), Im() 8 c) Re() 5, Im() d) Re(), Im() e) Re(), Im() f) Re(), Im() 6. ) x + i et x i b) x + i et x i c) x + i

Plus en détail

(surface d'un cercle : S = pd2 4 )

(surface d'un cercle : S = pd2 4 ) Les cordes sont de dimètres vribles. Si on les remplce pr deux cordes de même dimètre, le dimètre moyen, le résultt devrit être le même. Ici le résultt, c est sns doute l résistnce qui est proportionnelle

Plus en détail

Unicité et minimalité des solutions d une équation de Ginzburg-Landau.

Unicité et minimalité des solutions d une équation de Ginzburg-Landau. Unicité et minimalité des solutions d une équation de Ginzburg-Landau. Gilles arbou.m.l.a Ecole Normale Supérieure de achan 61, avenue du Président Wilson 9435 achan edex Résumé. - On étudie les solutions

Plus en détail

LE PUITS DOUBLE L EXEMPLE STANDARD DE LA MOLECULE D AMMONIAC I. EXERCICE PRELIMINAIRE: EFFET TUNNEL

LE PUITS DOUBLE L EXEMPLE STANDARD DE LA MOLECULE D AMMONIAC I. EXERCICE PRELIMINAIRE: EFFET TUNNEL Préceptort de Mécnique Quntique 1 ère nnée Florent Krzkl, PCT, Bureu F.3-14 LE PUITS DOUBLE L EXEMPLE STANDARD DE LA MOLECULE D AMMONIAC I. EXERCICE PRELIMINAIRE: EFFET TUNNEL I-1/ Soit une brrière de

Plus en détail

Cours d Analyse Réelle 4M003

Cours d Analyse Réelle 4M003 Cours d Analyse Réelle 4M003 Jean SAINT RAYMOND Université Pierre et Marie Curie Avant-propos Ce texte a été rédigé pour servir de support écrit à un cours de Master 1 de l Université Pierre-et-Marie Curie.

Plus en détail

EPUUniversité de Tours

EPUUniversité de Tours DI 3ème nnée EPUUniversité de Tours Déprtement Informtique 007-008 ANALYSE NUMERIQUE Chpitre 3 Intégrtion numérique résumé du cours 1 Introduction Il s git d une mniére générle de déterminer, le mieux

Plus en détail

Chapitre 3 Dérivées et Primitives

Chapitre 3 Dérivées et Primitives Cours de Mthémtiques Clsse de Terminle STI - Chpitre : Dérivées et Primitives Chpitre Dérivées et Primitives A) Rppels de première et compléments ) Dérivées usuelles Fonction définie sur Fonction f() =

Plus en détail

Chapitre 7. Primitives et Intégrales. 7.1 Primitive d une fonction. 7.2 Propriétés des primitives. 7.3 Intégrale définie ou Intégrale de Riemannn)

Chapitre 7. Primitives et Intégrales. 7.1 Primitive d une fonction. 7.2 Propriétés des primitives. 7.3 Intégrale définie ou Intégrale de Riemannn) Chpitre 7 Primitives et Intégrles 7. Primitive d une fonction Soit f une fonction définie sur un intervlle K de R. On ppelle primitive de f, une fonction F dont l dérivée est f : F (x) = f(x). On note

Plus en détail

Programmation des éléments nis P1 en 1D

Programmation des éléments nis P1 en 1D Notes du cours d'équtions ux Dérivées Prtielles de l'isima, deuxième nnée http://wwwisimfr/leborgne Progrmmtion des éléments nis P1 en 1D Gilles Leborgne 8 mrs 2005 Tble des mtières 1 Le problème 2 11

Plus en détail

I. Que sont les partitions?

I. Que sont les partitions? Cours de mthémtiques frfelues LES FRACTIONS CASSÉES Prémule Voici un cours de mthémtiques qui n ur jmis s plce dns une slle de clsse un utre jour que le er vril. Son sujet : les frctions cssées, ou prtitions,

Plus en détail

TD3. Exercice 1 Un cas particulier du théorème de Cauchy-Lipschitz. f (s,y(s))ds.

TD3. Exercice 1 Un cas particulier du théorème de Cauchy-Lipschitz. f (s,y(s))ds. Analyse fonctionnelle A. Leclaire - L. Magnis ENS Cachan M1 Hadamard 2015-2016 TD3 Exercice 1 Un cas particulier du théorème de Cauchy-Lipschitz Soient I un intervalle de, E un espace de Banach et f :

Plus en détail

Fonctions affines ; Equations et inéquations

Fonctions affines ; Equations et inéquations Fonctions ffines ; Equtions et inéqutions I. Fonctions ffines.. Définition Définition d une fonction ffine : on ppelle fonction ffine toute fonction définie sur pr f ( ) où et sont des réels tels que.

Plus en détail

Lycée Faidherbe, Lille MP1 Cours d informatique 2013 2014. Automates

Lycée Faidherbe, Lille MP1 Cours d informatique 2013 2014. Automates Lycée Fidhere, Lille MP Cours d informtique 203 204 Automtes I Déterministes........................... 2 Définitions 2 Exemple 2 Action des mots 3 Lngge reconnu 3 II Incomplets.............................

Plus en détail

Ecole Normale Supérieure de Cachan 61 avenue du président Wilson 94230 CACHAN. Concours d admission en 3 ème année Informatique.

Ecole Normale Supérieure de Cachan 61 avenue du président Wilson 94230 CACHAN. Concours d admission en 3 ème année Informatique. C39211 Ecole Normle Supérieure de Cchn 61 venue du président Wilson 94230 CACHAN Concours d dmission en 3 ème nnée Informtique Session 2009 INFORMATIQUE 1 Durée : 5 heures «Aucun document n est utorisé»

Plus en détail

3 Produit vectoriel. 3.1 Construction. Définition géométrique du produit vectoriel de deux vecteurs. Liens hypertextes

3 Produit vectoriel. 3.1 Construction. Définition géométrique du produit vectoriel de deux vecteurs. Liens hypertextes ProduitVectoriel-Determinnt.n 15 3-ème nnée, mthémtiques niveu vncé 3 Produit vectoriel Edition 2004-2005 Liens hypertextes Produit sclire 3D: http://www.deleze.nme/mrcel/sec2/cours/geom3d/produitsclire3d.pdf

Plus en détail

TD7. ENS Cachan M1 Hadamard 2015-2016. Exercice 1 Sous-espaces fermés de C ([0,1]) formé de fonctions régulières.

TD7. ENS Cachan M1 Hadamard 2015-2016. Exercice 1 Sous-espaces fermés de C ([0,1]) formé de fonctions régulières. Analyse fonctionnelle A. Leclaire ENS Cachan M Hadamard 25-26 TD7 Exercice Sous-espaces fermés de C ([,] formé de fonctions régulières. Soit F un sous-espace vectoriel fermé de C ([,] muni de la convergence

Plus en détail

Mathématiques du signal déterministe

Mathématiques du signal déterministe Conservtoire Ntionl des Arts et Métiers MAA17 Mthémtiques du signl déterministe Nelly POINT 11 octobre 211 Tble des mtières 1 Intégrtion 3 1.1 Méthodes d intégrtion : rppels........................ 3

Plus en détail

Chapitre I Introduction aux problèmes variationnels

Chapitre I Introduction aux problèmes variationnels Chpitre I Introduction ux problèmes vritionnels I.1. Introduction. Le clcul des vritions concerne l recherche d extrems (minimums ou mximums), et peut être considéré comme une brnche de l optimistion.

Plus en détail

Espaces métriques complets. Espaces de Banach

Espaces métriques complets. Espaces de Banach Chapitre 5 Espaces métriques complets. Espaces de Banach La droite réelle est complète, car toute suite numérique de Cauchy converge. Cette propriété n est plus vraie pour le corps des nombres rationneles,

Plus en détail

Les espaces vectoriels

Les espaces vectoriels Agrégation interne UFR MATHÉMATIQUES 1. Généralités Les espaces vectoriels Dans tout le chapitre, K représente un corps commutatif. 1.1. Notion d espace vectoriel On considère un ensemble E sur lequel

Plus en détail

Intégration de polynômes Points de Gauss

Intégration de polynômes Points de Gauss Intégration de polynômes Points de Gauss Commençons par un exercice classique de premier cycle. Problème 1 Trouver trois réels α, β et γ tels que, pour tout polynôme P de degré au plus 2, on ait : ( )

Plus en détail

COURS D ANALYSE. Licence d Informatique, première. Laurent Michel

COURS D ANALYSE. Licence d Informatique, première. Laurent Michel COURS D ANALYSE Licence d Informtique, première nnée Lurent Michel Printemps 2010 2 Tble des mtières 1 Éléments de logique 5 1.1 Fbriquer des énoncés........................ 5 1.1.1 Enoncés élémentires.....................

Plus en détail

Table des matières Dénombrer et sommer Événements et Probabilités

Table des matières Dénombrer et sommer Événements et Probabilités Tble des mtières 1 Dénombrer et sommer 5 1.1 Rppels ensemblistes............................. 5 1.1.1 Opértions ensemblistes....................... 5 1.1.2 Bijections............................... 7 1.2

Plus en détail

Analyse fonctionnelle

Analyse fonctionnelle Analyse fonctionnelle Pierron Théo ENS Ker Lann 2 Table des matières 1 Espaces vectoriels normés 1 1.1 Rappels.............................. 1 1.2 Fonctions continues sur un compact............... 3 1.3

Plus en détail

ANALYSE APPROFONDIES II MT242

ANALYSE APPROFONDIES II MT242 ALGÈBRE ET ANALYSE APPROFONDIES II MT242 Année 1998-1999 Chpitre 0. Introduction générle Dns cette introduction nous llons commenter les principles notions contenues dns le cours du second semestre, leurs

Plus en détail

6.1 STRUCTURES PLANES FORMEES DE POUTRES RELATIONS ENTRE CHARGES ET ELEMENTS DE REDUCTION

6.1 STRUCTURES PLANES FORMEES DE POUTRES RELATIONS ENTRE CHARGES ET ELEMENTS DE REDUCTION 6.1 STRUTURES PLES FOREES DE POUTRES RELTIOS ETRE HRGES ET ELEETS DE REDUTIO Les vritions des éléments de réduction,,, lorsqu'on psse d'une section à l'utre, sont liées pr des reltions fondmentles que

Plus en détail

Intégrale curviligne et applications aux fonctions holomorphes

Intégrale curviligne et applications aux fonctions holomorphes Chpitre 2 Intérle curviline et pplictions ux fonctions holomorphes 2. Intérle curviline - Indice d un point pr rpport à un lcet 2.. Définitions et propriétés de bses Soit f : [, b] R! C une fonction, on

Plus en détail

TD2 Fonctions mesurables Corrigé

TD2 Fonctions mesurables Corrigé Intégration et probabilités 2012-2013 TD2 Fonctions mesurables Corrigé 0 Exercice qui avait été préparé chez soi Exercice 1. Soit (Ω, F, µ) un espace mesuré tel que µ (Ω) = 1. Soient A, B P (Ω) deux sousensembles

Plus en détail

Intégration, probabilités

Intégration, probabilités prép-greg 7-8 Intégrtion, probbilités Dns tous les exercices probbilistes, les vribles létoires sont supposées définies sur le même espce probbilisé (Ω, A, P). I Questions de cours L fonction t sin t t

Plus en détail