Introduction aux processus de diffusion Pierre Priouret. Mode d emploi
|
|
- Michele Bérengère Joly
- il y a 8 ans
- Total affichages :
Transcription
1 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 Introduction aux processus de diffusion Pierre Priouret Mode d emploi Ce polycopié est destiné aux étudiants de la filière Probabilités et Finances du Master de sciences et technologies de l Université Pierre et Marie Curie Spécialité Probabilités et applications. En principe il s adresse donc à des étudiants ayant suivi un cours d intégration et un premier cours de probabilités. Cependant le chapitre 1 présente tous les résultats d intégration utilisés par la suite et établit la plupart d entre eux. Il n est pas à lire ligne à ligne mais plutôt à utiliser comme référence. Quant au chapitre 2 qui introduit les principales notions de probabilités, il ne suppose aucune connaissance préalable de cette théorie et peut éventuellement être abordé par un étudiant n ayant jamais suivi de cours de probabilités. Le chapitre 3 expose les fondements de la théorie des processus aléatoires, l accent étant mis sur le mouvement brownien. L espérance conditionnelle et les martingales sont présentées dans le chapitre 4; le lecteur pressé peut se contenter de la lecture des sections 4.1 à 4.4 et 4.7. Le chapitre 5 est consacré au sujet principal de ce cours, à savoir la construction de l intégrale stochastique par rapport au mouvement brownien et le calcul stochastique. Cette construction est ensuite étendue aux martingales continues. Le chapitre 6 applique ces résultats à la résolution des équations différentielles stochastiques. Le chapitre 7 traite des processus de Markov et, plus particulièrement, des processus de diffusion. Enfin le chapitre 8 a pour objet l étude de la convergence en loi des processus. Ce polycopié est divisé en chapitres, sections et sous-sections. Ainsi renvoie au chapitre 3, section 2, sous-section 4 et 5.4 renvoie chapitre 5, section 4. A l intérieur d une même section, les énoncés sont numérotés en continu. Ainsi d après le th renvoie au chapitre 5, section 4, énoncé 6. Quant aux égalités, elles sont numérotées entre parenthèses et en continu au sein d un même chapitre. Ainsi vu (3.5) réfère à la cinquième égalité numérotée du chapitre 3. Le signe indique la fin d une preuve. Ce polycopié se termine par un index des notations, un index des termes et une courte bibliographie. Les sections 5.9, 5.1 et le chapitre 8 ne sont pas au programme de l examen.
2 2
3 Table des matires 1 Mesures Tribus Mesures Intégration Espaces de Banach. Espaces L p Espaces de Hilbert. Espaces L Mesures images Mesures produits Transformation de Fourier Mesures de Radon sur R d Mesures signées Fonctions à variation finie Notions de probabilités Espace de probabilité Indépendance Variables aléatoires réelles Variables aléatoires vectorielles Fonctions caractéristiques Vecteurs gaussiens Convergence des suites de variables aléatoires Convergence en loi Simulation Uniforme intégrabilité Processus aléatoires Processus aléatoires Processus gaussiens. Mouvement brownien Construction de Paul Lévy Filtrations. Processus adaptés Temps d arrêt
4 4 TABLE DES MATIRES 4 Espérances conditionnelles. Martingales Espérances conditionnelles Calculs d espérances conditionnelles Martingales Martingales à temps discret Martingales à temps continu Martingales locales Résumé Calcul stochastique Processus à variation finie Intégrale stochastique Le cas vectoriel Formule d Itô Martingales exponentielles Théorème de Girsanov Espaces gaussiens Martingales du mouvement brownien Intégrale stochastique par rapport à une martingale continue Le cas des martingales vectorielles Equations différentielles stochastiques Solutions d Itô Propriétés Unicité en loi Généralisations Solutions fortes et faibles E.D.S. linéaires Processus de diffusion Processus de diffusion La propriété forte de Markov E.D.P. et E.D.S Convergence en loi de processus Convergence faible Convergence en loi Le principe d invariance Problème des martingales A Index des notations 211 B Index des termes 215
5 Chapitre 1 Mesures Dans ce premier chapitre, on présente de façon succincte mais relativement complète les principaux résultats de la théorie de la mesure et de l intégration Tribus Soient E un ensemble et B P(E). On dit que B est une algèbre (resp. une tribu) si E B, si B est stable par passage au complémentaire et si B est stable par réunion et intersection finies (resp. dénombrables). Un couple (E, B), B étant une tribu sur E, s appelle un espace mesurable. S il est souvent possible de décrire les éléments d une algèbre, il n en est pas de même pour ceux d une tribu. On remarque que P(E) est une tribu et que l intersection d une famille quelconque de tribus est une tribu. Donc, étant donné C P(E), on peut considérer la plus petite tribu contenant C, c est l intersection de toutes les tribus contenant C. Cette tribu se note σ(c) et s appelle la tribu engendrée par C Supposons E = R d et soit O la classe des ouverts de E. La tribu σ(o) s appelle la tribu borélienne de R d et se note B(R d ). Il est facile de voir qu elle est aussi engendrée par les fermés, par les boules, par les pavés et même par les pavés à coordonnées rationnelles (cette dernière famille ayant l avantage d être dénombrable). Si d = 1, on considérera, outre B(R), B(R + ) = {A B(R), A R + }, B(R) = σ(b(r), {+ }, { }) et B(R + ) = σ(b(r + ), {+ }). On étend les opérations usuelles à R + en posant (+ ) = (+ ) = Soient (E 1, B 1 ) et (E 2, B 2 ) deux espaces mesurables. Une application f de E 1 dans E 2 est dite mesurable si, pour tout A B 2, f 1 (A) B 1. Il est facile de voir que pour cela, il suffit que f 1 (A) B 1 pour tout A C avec σ(c) = B 2. Ceci implique que, si f est continue de R d dans R m, f est borélienne i.e. mesurable pour les tribus boréliennes. De plus, cette notion est transitive i.e. la composée de deux applications mesurables est mesurable. Quand l espace d arrivée est R, R, R +, R d, C, il est toujours supposé muni de sa tribu borélienne.
6 6 Mesures Soit (E, B) un espace mesurable. Pour qu une application numérique soit mesurable, il suffit que, pour tout a R, {f > a} := {x, f(x) > a} B. On peut aussi considérer {f < a}, {f a}, {f a}. Ceci implique que, si f, g, f n sont des fonctions numériques mesurables, il en est de même de f, sup(f, g), inf(f, g), f + = sup(f, ), f = sup( f, ), sup f n, inf f n, lim sup f n, lim inf f n, lim f n si elle existe. Rappelons que, notant f n f (resp.f n f) si, pour tout x E, f n (x) croît (resp. décroît) vers f(x), lim sup f n (x) = lim n sup f k (x), lim inf f n (x) = lim k n n inf k n f k(x), (1.1) ces quantités étant à valeurs R et que f = lim f n ssi lim sup f n = lim inf f n = f. Soient f, g des fonctions numériques mesurables. Alors φ : x (f(x), g(x)) est mesurable de (E, B) dans R 2 puisque φ 1 (A B) = f 1 (A) g 1 (B). Ceci implique que, si H est une application borélienne de R 2 dans R, H(f, g) est mesurable. On en déduit que f + g, fg, f g, si elle existe, sont mesurables Pour A B, on appelle fonction indicatrice de A et on note 1 A la fonction valant 1 sur A et sur A c (on note A c le complémentaire de A). On a 1 A c = 1 1 A, 1 An = 1 An = inf 1 An, 1 An = sup 1 An. Une application f de E muni de la tribu B dans R est dite étagée si elle s écrit f = p k=1 a k1 Ak, A k B. On notera: [B] l ensemble des fonctions réelles mesurables, bb l ensemble des fonctions réelles mesurables bornées, B + l ensemble des fonctions mesurables à valeurs R +, eb + l ensemble des fonctions étagées positives. Le résultat suivant est à la base de la construction de l intégrale. Proposition Toute f B + est limite d une suite croissante de fonctions de eb +. Preuve: Il suffit de considérer f n (x) = n2 n 1 k= k 2 n 1 { k 2 n f(x)< k+1 2 n } + n1 {f(x) n}. (1.2) Quelques résultats de mesurabilité. L outil de base est le théorème suivant, souvent appelé théorème de la classe monotone. Théorème Soient C M P(E). On suppose que C est stable par intersection finie, que E M, que A, B M et A B impliquent B \ A M et que M est stable par limite croissante. Alors σ(c) M.
7 7 Preuve: On dira que D P(E) est une δ-classe si A, B D et B A impliquent quea \ B D et si D est stable par limite croissante. Il est clair qu une δ-classe contenant E et stable par intersection finie est une tribu. Soit S la plus petite δ- classe contenant E et C. Pour montrer la proposition, il suffit de montrer que S est stable par intersection finie. Pour A E, on pose D A = {B S, A B S}. On vérifie immédiatement que D A est une δ-classe. Si A C, E D A et donc D A = S i.e. si A C, B S, alors A B S. Ceci implique que, si A S, D A est une δ-classe contenant E d où D A = S et S est stable par intersection finie. Théorème Soient H un espace vectoriel de fonctions numériques bornées définies sur E et C un ensemble de parties de E stable par intersection finie. On suppose que H vérifie 1 H, f n H et f n f bornée f H (1.3) et que, pour tout A C, 1 A mesurables bornées. H. Alors H contient toutes les fonctions σ(c)- Preuve: Soit M = {A, 1 A H}. On a C M et, vu les hypothèses sur H, on peut appliquer le th Donc σ(c) M. Ceci implique que, si f est étagée sur σ(c), f H. C est encore vrai (prop ) par passage à la limite croissante si f est positive bornée σ(c)-mesurable puis, par différence, pour toute f bornée σ(c)- mesurable Ces résultats et les corollaires ci-dessous seront d un usage constant en probabilités. Soit X une application de Ω dans un espace mesurable (E, E). On note σ(x) et on appelle tribu engendrée par X la plus petite tribu sur Ω rendant X mesurable. On a donc σ(x) = {X 1 (A), A E}. Plus généralement si (X i, i I) est une famille d applications de Ω dans des espaces mesurables (E i, E i ), on note σ(x i, i I) et on appelle tribu engendrée par les X i la plus petite tribu sur Ω rendant toutes les X i mesurables. Soit C = {A Ω, A = n k=1 Xi 1 k (Γ k ), Γ k E ik, i 1,..., i n I}. C est stable par intersection finie et l on a σ(c) = σ(x i, i I). Noter que: Lemme Une application Φ : (A, A) (Ω, σ(x i, i I)) est mesurable ssi, pour tout i I, X i Φ est mesurable de (A, A) dans (E i, B i ). Preuve: Pour montrer que Φ est mesurable, il suffit (1.1.3) de vérifier que Φ 1 (C) A pour tout C de la forme {X i Γ i }, Γ i B i. Mais, dans ce cas, Φ 1 (C) = {a, Φ X i (a) Γ i } B i. Le th implique alors:
8 8 Mesures Corollaire Soient H un espace vectoriel de fonctions numériques bornées définies sur Ω et (X i, i I) une famille d applications de Ω dans des espaces mesurables (E i, E i ). On suppose que H vérifie (1.3) et que, pour tous i 1,..., i n I et tous Γ k E ik, n 1 Γk X ik H. k=1 Alors H contient toutes les fonctions σ(x i, i I)-mesurables bornées. On suppose que, pour tout i I, (E i, E i ) = (E, E). On note F = E N. Pour x = (x n, n N) F, on définit ξ n : F N par ξ n (x) = x n et on pose F = σ(ξ n, n N). Corollaire Soient, pour tout i I, X i : Ω (E, E) et Y : Ω R (resp. Ω R + ). Alors Y est σ(x i, i I)-mesurable ssi il existe i 1,..., i n,... I et h : F R (resp. h : F R + ) F-mesurable telle que Y = h(x i1,..., X in,...). Preuve: Vu le lem.1.1.4, si h bf, h(x i1,..., X in,...) bσ(x i, i I). Dans l autre sens, soit H = {Z : Ω R; Z = h(x i1,..., X in,...), i k I, h bf}. On vérifie (assez) facilement que H est un espace vectoriel de fonctions numériques bornées vérifiant (1.3) et contenant n k=1 1 Γ k (X ik ). Appliquant le cor.1.1.5, H bσ(x i, i I). On conclut facilement. Corollaire Soit H un espace vectoriel de fonctions numériques bornées définies sur R d. On suppose que H vérifie (1.3) et contient toutes les fonctions continues à support compact. Alors H bb(r d ). Preuve: En effet, pour tout U ouvert borné, on a 1 U = lim f n avec f n continue à support compact. Donc 1 U H et on applique le th Enfin combinant les cor et 1.1.7, on obtient, notant C k (R d ) l espace des fonctions continues à support compact sur R d, Corollaire Soient H un espace vectoriel de fonctions numériques bornées définies sur Ω et (X i, i I) une famille d applications de Ω dans R d. On suppose que H vérifie (1.3) et que, pour tous i 1,..., i n I et toutes f j C k (R d ), n f j X ij H. j=1 Alors H contient toutes les fonctions σ(x i, i I)-mesurables bornées.
9 Mesures Soient I un ensemble dénombrable et (a i, i I) une famille d éléments de R +. On veut définir i I a i. Soit φ une énumération de I i.e. une bijection de N sur I. On pose S φ n = n k= a φ(k). Evidemment S φ n croît avec n et S φ = lim S φ n existe dans R +. Si ψ est une autre énumération de I, on a, pour n fixé et m assez grand, {a φ(),..., a φ(n) } {a ψ(),..., a ψ(m) }, d où S φ n S ψ m et S φ S ψ. Permutant φ et ψ, on a S ψ S φ et S φ = S ψ. On pose donc i I a i := lim S φ n, quantité qui ne dépend pas de l énumération φ. Evidemment si, pour tout i I, a i b i, i I a i i I b i. On a aussi (sommation par paquets): Théorème Soient (a i, i I) une famille d éléments de R + et (A j, j J) une partition de I. On a a i = ( a i ). i I j J i A j Considérons maintenant une famille (a i, i I) d éléments de C. On dit que cette famille est absolument sommable si i I a i < +. Dans ce cas, écrivant a i = [R(a i )] + [R(a i )] +i[i(a i )] + i[i(a i )], on voit facilement que i I a i := lim S φ n existe et est indépendante de φ et que le th reste valable Soit (E, B) un espace mesurable. Définition On appelle mesure sur (E, B) toute application µ de B dans R + telle que (i) µ( ) =, (ii) pour tous A n B deux à deux disjoints, µ( n A n ) = n µ(a n). Le triplet (E, B, µ) s appelle un espace mesuré. Propriétés: (i) si A, B B et A B, µ(a) µ(b), (ii) si A n B, µ( n A n ) n µ(a n), (iii) si A n B et si A n A (i.e. 1 An 1 A ), µ(a n ) µ(a), (iv) si A n B, si A n A (i.e. 1 An 1 A ) et si, pour un n, µ(a n ) < +, µ(a n ) µ(a). Si E = n E n avec E n B et µ(e n ) < +, la mesure µ est dite σ-finie. Si µ(e) < +, la mesure µ est dite bornée. Si µ(e) = 1, la mesure µ est appelée une probabilité. Soit a E. On appelle mesure de Dirac de a et on note δ a la mesure δ a (A) = 1 A (a). Remarque 1: La propriété (ii) de la def s appelle σ-additivité. Si dans la def , on suppose que B est seulement une algèbre, la définition a encore un sens en rajoutant dans (ii) la condition n A n B. On a ainsi la notion de mesure sur une algèbre.
10 1 Mesures Proposition Soient µ et ν deux mesures sur (E, B) et C B une classe d ensembles stable par intersection finie. On suppose que, pour tout A C, µ(a) = ν(a) < + et que E = lim E n avec E n C. Alors µ(a) = ν(a) pour tout A σ(c). Preuve: Supposons d abord µ(e) = ν(e) < +. Soit M = {A B, µ(a) = ν(a)}. On vérifie immédiatement que les hypothèses du th sont vérifiées. On a donc σ(c) M. Le cas général se traite en appliquant ce résultat aux mesures µ n (A) = µ(a E n ) et ν n (A) = ν(a E n ). Remarque 2: On voit donc que, si µ et ν sont deux probabilités, l énoncé de la prop se simplifie: si µ et ν coïncident sur C stable par intersection finie et engendrant B, elles sont égales sur B Soit (E, B, µ) un espace mesuré. Un sous- ensemble A de E est dit négligeable (ou µ-négligeable s il y a ambiguïté) si A B avec B B et µ(b) =. Une propriété est vraie presque partout (en abrégé p.p.) si elle est vraie en dehors d un ensemble négligeable. Par exemple f = g p.p. signifie que {x E, f(x) g(x)} est négligeable. Si µ est une probabilité, on dit presque sûrement (en abrégé p.s.) pour presque partout. On note N la classe des ensembles négligeables. Il faut noter que si A n N, on a n A n N. Si N B, l espace mesuré (E, B, µ) est dit complet. Si ce n est pas le cas, on peut le compléter de la façon suivante. On définit B = σ(b, N ). Alors A B ssi A = B N avec B B et N N. On peut prolonger µ à B en posant µ(a) = µ(b) (il est facile de voir que ceci ne dépend pas de l écriture de A). L espace (E, B, µ) est alors complet et s appelle le complété de (E, B, µ). Enfin on vérifie aisément que f : E R est B mesurable ssi il existe g, h : E R B mesurables telles que g f h et g = h p.p Construction. Dans la suite, la plupart du temps, on partira d un espace mesurable ou d un espace de probabilité sans se soucier de sa construction. Il est néanmoins indispensable de s assurer de l existence de tels objets. On va s intéresser aux mesures sur B(R) finies sur les intervalles bornés. On verra une seconde méthode de construction en 1.9. Observons d abord que C = { ]a, b], < a < b < + } est une classe stable par intersection finie et que σ(c) = B(R). Il résulte alors de la prop qu une mesure µ sur B(R) finie sur les intervalles bornés est déterminée par les valeurs µ(]a, b]). Ensuite, étant donnée une telle mesure, si on pose F () = ; F (x) = µ(], x]), x > ; F (x) = µ(]x, ]), x <, F (x) est une fonction continue à droite et croissante et l on a µ(]a, b]) = F (b) F (a). On est donc ramené au problème suivant: soit F une application de R dans R continue à droite et croissante, existe-t-il une mesure µ sur B(R) telle que µ(]a, b]) = F (b) F (a)? Il est facile de décrire l algèbre A engendrée par C. On a A = { A = n k=1 ]a k, b k ], a 1 < b 1 < a 2 <... < b n 1 < a n < b n + } en convenant que, si b n = +, ]a n, b n ] =]a n, + [. On définit µ sur A par µ(a) = n k=1 F (b k) F (a k ) où F (+ ) = lim x + F (x), F ( ) = lim x F (x). Il est
11 11 facile de montrer que µ est additive sur A, un peu plus délicat de montrer que µ est σ-additive sur A mais cela se fait. On a donc construit une mesure µ sur A telle que µ(]a, b]) = F (b) F (a). Pour passer à B(R), on utilise le théorème de Carathéodory: Théorème Soit µ une mesure sur une algèbre A, alors µ se prolonge en une mesure sur σ(a). De plus, si µ est σ-finie, ce prolongement est unique. Tout ceci donne, puisque dans notre cas σ(a) = B(R), le: Théorème Soit F une application de R dans R continue à droite et croissante. Il existe une et une seule mesure µ sur B(R) telle que, pour tous a < b, µ(]a, b]) = F (b) F (a). Si on choisit F (x) = x, on obtient l existence et l unicité d une mesure λ sur B(R) vérifiant, pour tout intervalle I, λ(i) = I. C est la mesure de Lebesgue sur R. Si N est la classe des ensembles λ-négligeables, B(R) = σ(b, N ) s appelle la tribu des ensembles Lebesgue-mesurables (elle est beaucoup plus grosse que B(R)) et λ se prolonge sans peine à B(R) comme en Pour plus de détails sur les résultats de cette sous-section, le lecteur peut consulter [2] et [3] Intégration Soit (E, B, µ) un espace mesuré Intégration des fonctions positives. On va construire l intégrale de f par rapport à µ. Si f eb +, c est très facile, f s écrit f = p k=1 a k1 Ak, A k B et l on pose p f dµ := a k µ(a k ). k=1 Des considérations élémentaires montrent que ceci ne dépend pas de l écriture de f et que, pour f, g eb + et a, b R +, (af + bg) dµ = a f dµ + b g dµ et que, si f g, f dµ g dµ. On a aussi le résultat plus technique suivant qui est la clé de la construction: Lemme Si f n, g n eb + sont croissantes et si lim f n = lim g n, on a lim f n dµ = lim g n dµ. Preuve: Il suffit de montrer que, si lim f n g = p k=1 α k1 Ak eb +, lim fn dµ g dµ. Soient c ], 1[ et E n = {f n cg}. On a E n B, E n E et f n cg1 En d où f n dµ c g1 En dµ = c p k=1 α kµ(a k E n ). On obtient, pour n +, lim f n dµ c p k=1 α kµ(a k ) = c g dµ et le résultat cherché puisque c < 1 est arbitraire. Soit f B +. Il existe (prop ) une suite f n eb + telle que f n f, on a alors fn dµ et on pose f dµ = lim f n dµ. Le point important est que, d après le
12 12 Mesures lem , cette limite ne dépend pas de la suite f n choisie. On a en particulier, vu (1.2), pour f B +, f dµ = lim n2 n 1 k= k 2 n µ({x, k 2 n f(x) < k + 1 }) + nµ({x, f(x) n}). 2n Par passage à la limite, on obtient immédiatement que, pour f, g B + et a, b R +, (af + bg) dµ = a f dµ + b g dµ et que, si f g, f dµ g dµ. Enfin on dira que f B + est intégrable si f dµ < Intégration des fonctions réelles ou complexes. On pose L 1 = L 1 (E, B, µ) = {f [B], f dµ < + }. (1.4) Si f L 1, f + et f sont intégrables et on pose f dµ = f + dµ f dµ. Il est facile de voir (vu que f + g f + g ) que L 1 est un espace vectoriel et que f f dµ est une forme linéaire positive sur L 1. De plus, pour f L 1, f dµ f dµ. Si f est B-mesurable à valeurs C, on pose ( f désignant le module), L 1 C = L1 C (E, B, µ) = {f B-mesurable complexe, f dµ < + }. (1.5) On définit alors, pour f L 1 C, f dµ = R(f) dµ + i I(f) dµ. L 1 C vectoriel sur C et f f dµ une forme linéaire sur L 1 C. On a aussi est un espace Proposition Pour toute f L 1 C, f dµ f dµ. Preuve: On a f dµ = re iθ et f dµ = r = R(e iθ f dµ) = R(e iθ f) dµ f dµ Propriétés. (i) Si f B + et si f dµ < +, f < + p.p. (ii) Si f B + et si f dµ =, f = p.p. (iii) Si f, g L 1 et si f g p.p., f dµ g dµ. (iv) Si f L 1 C et si A B, f1 A L 1 C. On pose alors f dµ := f1 A dµ, A B, f L 1 C B+. A
13 13 (v) Si f L 1 et si, pour tout A B, A f dµ alors f p.p. (vi) Si f, g L 1 et si, pour tout A B, A f dµ A g dµ, alors f g p.p. Il nous reste à énoncer les résultats concernant les passages à la limite. Le premier d où découlent facilement les autres s appelle théorème de convergence monotone ou théorème de Beppo-Levi. Théorème Soit f n B + une suite croissante, alors lim f n dµ = lim f n dµ. Preuve: Soit, pour tout k, f n,k eb + telles que f k = lim n f n,k. On pose g n = max k n f n,k. On a g n eb +, g n et, pour k n, f n,k g n f n, f n,k dµ g n dµ f n dµ. On pose f = lim f n. On a, pour n +, puisque f n,k, g n B +, f k lim g n f, f k dµ lim g n dµ = lim g n dµ lim f n dµ, et, pour k +, f lim g n f, lim f k dµ lim g n dµ lim f n dµ. On en déduit f = lim g n et f dµ = lim f n dµ. Corollaire Soit g n B +, alors g n dµ = g n dµ. n n Proposition (Lemme de Fatou) Soit f n B +, alors lim inf f n dµ lim inf f n dµ. Preuve: On a lim inf f n = lim n inf k n f k d où lim inf f n dµ = lim inf k dµ lim inf n k n n k n f k dµ = lim inf f n dµ. On en déduit facilement le célèbre théorème de Lebesgue, Théorème Soit f n L 1 C telles que f n f p.p. avec f n g L 1, alors lim f n dµ = f dµ.
14 14 Mesures Preuve: Il suffit de considérer la cas réel. Appliquant la prop aux fonctions positives g + f n et g f n, on a lim inf f n dµ lim inf f n dµ lim sup f n dµ lim sup f n dµ et le résultat cherché. Ce théorème a une version continu très utile. Corollaire Soit (f t, t U) une famille d éléments de L 1 C, U ouvert de Rd. On suppose que lim t t f t = f p.p. et que, pour tout t U, f t g L 1, alors lim t t ft dµ = f dµ. Preuve: Il suffit de remarquer que lim t t ft dµ = f dµ ssi, pour toute suite t n tendant vers t, lim tn t ftn dµ = f dµ et d appliquer le th Donnons un exemple d utilisation de ce corollaire. Proposition Soient (E, B, µ) un espace mesuré, I un intervalle ouvert et (f(t, x), t I) une famille d éléments de L 1 C (µ). On pose, pour tout t I, φ(t) = f(t, x) dµ(x). On suppose que, pour tout x A, t f(t, x) est dérivable sur I, que, pour tous x A et t I, f t (t, x) g(x), que g L1 (µ) et que µ(a c ) =. Alors φ est dérivable sur I et φ (t) = f t (t, x) dµ(x). Preuve: On a 1 1 (φ(t + h) φ(t)) = (f(t + h, x) f(t, x)) dµ(x). h A h D après la formule des accroissements finis, on a, pour x A, 1 h si h est assez petit et (f(t + h, x) f(t, x)) = f (θ, x) g(x) t 1 h (f(t + h, x) f(t, x)) h On peut appliquer le cor et 1 h (f(t + h, x) f(t, x)) dµ(x) h A A f (t, x). t f (t, x) dµ(x) = t f (t, x) dµ(x). t Lien avec l intégrale usuelle. Soit f une fonction réelle continue sur [a, b] et posons, pour a x b, F (x) = x a f(t) dt (intégrale au sens usuelle) et G(x) = 1[a,a+x[ f dλ, λ mesure de Lebesgue sur R. On sait que F (a) =, F est continue sur [a, b] et que, sur ]a, b[, F est dérivable avec F = f. Il est facile de vérifier que G a les mêmes propriétés. Ceci implique que F = G sur [a, b] et, en particulier, que b f(t) dt = 1 [a,b[ f dλ. a
15 15 Par additivité, cette formule est encore vraie si f est continue par morceaux sur [a, b]. Considérons maintenant une application f de R dans R continue par morceaux telle que + f(t) dt soit absolument convergente. Lorsque a et b +, d une part, par définition, b a f(t) dt + f(t) dt < + et b a f(t) dt + f(t) dt; d autre part, 1 [a,b[ f dλ f dλ (convergence monotone) ce qui implique que f L 1 (λ) puis 1 [a,b[ f dλ f dλ (théorème de Lebesgue puisque 1 [a,b[ f f L 1 (λ). Donc + f(t) dt = f dλ. Par contre, si + f(t) dt est convergente mais pas absolument convergente (par exemple f(x) = sin x x ), f / L1 (λ) Soient E un ensemble dénombrable et (µ(x), x E) une famille d éléments de R +. On pose, pour A E, µ(a) = x A µ(x). Le th implique que µ est une mesure sur (E, P(E)). On a alors L 1 = {f, x E f(x) µ(x) < + } et, pour f L 1, f dµ = x E f(x)µ(x). En particulier si on prend pour µ la mesure de comptage i.e. µ(x) = 1 pour tout x E, on a L 1 = {f, x E f(x) < + } et f dµ = x E f(x). Il est intéressant d énoncer dans ce cadre les théorèmes de convergence de la sous-section précédente. On a (i) Si f n f, x f n(x) x f(x). (ii) Si f n, x lim inf n f n (x) lim inf n x f n(x). (iii) Si f n f et si f n g avec x g(x) < +, x f n(x) n x f(x) Espaces de Banach. Espaces L p Espace de Banach. Soit X un espace vectoriel sur K = R ou C. On appelle semi norme une application N de X dans R + telle que: (i) N(x + y) N(x) + N(y), (ii) N(λx) = λ N(x), λ K. Si, de plus, N vérifie: (iii) N(x) = x =, on dit que N est une norme. Le couple (X, N) s appelle alors un espace normé. On note x = N(x). De (i), on déduit x, y, z X, x y x z + z y. Donc d(x, y) = x y est une distance sur X et (X, d) un espace métrique. D où les notions de suites et de continuité. On vérifie facilement que la topologie ainsi définie est compatible avec la structure d espace vectoriel i.e. que (x, y) x + y et (λ, x) λx sont continues. De même x x est continue. L espace normé (X, N) est appelé un espace de Banach s il est complet i.e. si toute suite de Cauchy est convergente.
16 16 Mesures On considère deux espaces normés X et Y et soit u une application linéaire de X dans Y. On pose u = sup ( u(x), x X, x ). (1.6) x Si u < +, u est appelé un opérateur linéaire borné. Remarquons que u = sup ( u(x), x X, x 1 ) = inf ( a, u(x) a x ). De plus il est immédiat que u u est une norme sur l espace des opérateurs linéaires bornés de X dans Y. Proposition Soit u une application linéaire de X dans Y. Il y a équivalence entre: (i) u est bornée, (ii) u est continue, (iii) u est continue en un point de X. Preuve: Vu que u(x 2 ) u(x 1 ) = u(x 2 x 1 ) u x 2 x 1, (i) entraine (ii) qui implique (iii). Supposons u continue au point x. Alors, pour tout ε >, il existe δ > tel que x x < δ implique u(x) u(x ) < ε. Donc, si x < δ, u(x + x) u(x ) < ε i.e. u(x) < ε. Donc u < ε/δ et on a (i). Proposition Si Y est un espace de Banach, l espace vectoriel des opérateurs linéaires bornés de X dans Y, muni de la norme (1.6), est un espace de Banach. Preuve: Il faut montrer qu il est complet. Soit (u n ) une suite telle que u n u m n,m. Alors, pour tout x X, u n (x) u m (x) u n u m x n,m. Donc, puisque Y est complet, u n (x) converge vers un point de Y noté u(x). On vérifie facilement que u est linéaire bornée et que u n u n. Un cas particulier important est celui où Y = K. On obtient l espace, noté X, des formes linéaires continues sur X. Muni de la norme u = sup ( u(x), x 1 ), c est un espace de Banach appelé le dual (topologique) de X L espace C (R d ). On note C = C (R d ) l espace des applications continues de R d dans R tendant vers à l infini. On munit C de la norme de la convergence uniforme f = sup x f(x). Une partie H de C est totale dans C si l espace vectoriel engendré par H, noté e.v. [H], est dense dans (C, ). Rappelons le théorème de Stone-Weierstrass relatif à C. Une sous-algèbre A de C est un sous-espace vectoriel tel que f, g A implique fg A. Alors: Théorème Soit A une sous-algèbre de C vérifiant: (i) pour tous x, y R d, x y, il existe f A telle que f(x) f(y), (ii) pour tout x R d, il existe f A telle que f(x), alors A = C.
17 17 Notant Ck R d, on a: l espace des fonctions indéfiniment dérivables à support compact sur Corollaire C k est dense dans C. Preuve: Soit, pour t R, φ(t) = 1 ],+ [ (t) exp( 1 t 2 ). On vérifie facilement que φ C (R). On pose, pour ρ >, a R d et x R d, f ρ,a (x) = φ(ρ 2 x a 2 ). On a f ρ,a C k, f ρ,a(a) >, f ρ,a (x) = si x a > ρ. On peut alors appliquer le th On pose, pour x R d, g σ (x) = (2πσ 2 ) d/2 exp( x 2 2σ 2 ), σ >, x 2 = x x 2 d. (1.7) Corollaire La famille (g σ (x a), σ >, a R d ) est totale dans C (R d ). Preuve: Soit V = e.v. [H]. Vu que g σ (x a) g ρ (x b) = C g τ (x c) avec τ 2 = ρ2 σ 2 ρ 2 + σ 2, c = ρ2 a + σ 2 b ρ 2 + σ 2, V est une algèbre. On vérifie immédiatement (i) et (ii) du th d où V = C. Corollaire Il existe un ensemble dénombrable dense dans C (R d ). Preuve: Il suffit de considérer les combinaisons linéaires rationnelles des fonctions g σ (x a), σ Q +, a Q d. Le résultat suivant sera très utile: Proposition Soient µ, ν deux mesures bornées sur B(R d ). Si, pour tout f H total dans C, f dµ = f dν, alors µ = ν. Preuve: Soit V = e.v.[h]. On a, pour toute f V, f dµ = f dν. Soient f C et f n V tendant vers f dans (C, ). Vu que f n dµ f dµ f n f µ(r d ), f n dµ n f dµ. De même fn dν n f dν d où f dµ = f dν pour toute f C. Soient A B(R d ), A borné, f C + valant 1 sur A et H f = {g bb(r d ), gf dµ = gf dν}. Vu le cor , H f = bb(r d ) d où µ(a) = 1 A f dµ = 1A f dν = ν(a) et µ = ν Soit (E, B, µ) un espace mesuré. Pour f B +, on pose N p (f) = [ f p dµ] 1 p, 1 p < +, N (f) = inf(m, P (f > M) = ). (1.8) On a alors, convenant que, pour f, g B +, f(x)g(x) = dès que f(x) = ou g(x) =, Proposition Pour 1 p +, 1 p + 1 q = 1, f, g B+, (i) N 1 (fg) N p (f)n q (g), (ii) N p (f + g) N p (f) + N p (g). (1.9)
18 18 Mesures Preuve: Ces formules sont faciles à vérifier si p = 1 ou p = +. On suppose donc 1 < p < +. Lemme Si 1 < p < +, 1 p + 1 q = 1, a, b, on a ab ap p + bq q. Preuve: La fonction f(x) = xp p + 1 q x atteint son minimum sur R+ en x = 1 d où f(ab 1 1 p ) f(1) = et l inégalité cherchée. Soient A = N p (f) et B = N q (g). Si AB = ou si A + B = +, (1.9)(i) est évidente. On suppose donc < A < + et < B < +. On applique le lem à a = A 1 f et b = B 1 g et on intègre en µ ce qui donne 1 AB fg dµ 1 p 1 A p f p dµ + 1 q 1 B q g q dµ = 1 i.e. fg dµ AB. De même (1.9)(ii) est évidente si f + g = p.p. ou si N p (f) + N p (g) = +. On peut donc supposer, vu que (f + g) p 2 p 1 (f p + g p ), < N p (f + g) < +. On a, utilisant (1.9)(i), [ (f + g) p dµ (f + g) p 1 f dµ + (f + g) p 1 g dµ f p dµ] 1/p [ (f + g) q(p 1) dµ] 1/q + [ g p dµ] 1/p [ (f + g) q(p 1) dµ] 1/q [N p (f) + N p (g)][ (f + g) p dµ] 1/q et on divise par [ (f + g) p dµ] 1/q On note L l ensemble des applications B-mesurables de E dans R finies p.p. On dit que f g si f = g p.p. Alors est une relation d équivalence sur L. On note L = L /. En fait L est l espace des classes de fonctions B-mesurables définies à un p.p. près. Puisque f = g p.p. implique f dµ = g dµ et f dµ = g dµ si f et g sont dans L 1, on peut définir sans ambiguïté, pour f L, f dµ puis, si f dµ < +, f dµ. Par abus de langage, dans toute la suite nous noterons de la même façon une fonction et sa classe d équivalence. On pose alors pour 1 p +, L p = {f L, N p ( f ) < + }, L p = {f L, N p ( f ) < + }, (1.1) et, pour f L p, f p = [ f p dµ] 1/p, 1 p < +, f = inf(m, µ( f > M) = ). (1.11) On écrira L p (E, B, µ) et L p (E, B, µ) si on veut préciser l espace mesuré que l on considère. La prop devient:
19 19 Théorème (i) Soient 1 p + et f, g L p. Alors f + g L p et f + g p f p + g p. (Inégalité de Minkowski). (1.12) (ii) Soient 1 p +, 1 p + 1 q = 1, f Lp, g L q. Alors fg L 1 et fg 1 f p g q. (Inégalité de Hölder). (1.13) Le th implique que L p est un espace vectoriel et que. p est une norme sur L p. On a alors, Théorème Pour 1 p +, (L p,. p ) est un espace de Banach. Preuve: Il s agit de montrer que toute suite de Cauchy est convergente. Commençons par le cas p = +. Supposons que f n f m. Soient A m,n = {x, f n (x) f m (x) > f n f m } et A = A m,n. On a µ(a) =. Soit g n = f n 1 A. On a sup x E g n (x) g m (x). Il existe donc une fonction g mesurable bornée telle que sup x E g n (x) g(x) et, puisque f n = g n p.p. f n g. Passons au cas 1 p < +. Lemme Soient 1 p < + et f n une suite de fonctions de L p telle que n f n p < +. Alors il existe f L p telle que n k= f k converge vers f p.p. et dans L p. Preuve: Notons d abord que, si h n B +, on a, vu la prop , N p ( n h n ) = lim n N p ( n h k ) lim n k=1 n k=1 N p (h k ) = n N p (h n ). (1.14) Soit g = n f n. Vu (1.14), N p (g) < +. Donc g L p, g < + p.p. et n f n converge p.p. vers f avec f g d où f L p. De plus f f n = k>n f k k>n f k et d après (1.14) f f n p k>n f k p n. Soit f n L p telles que f n f m. On peut construire une suite (n k, k 1) telle que f nk f nk+1 2 k. Posant f n =, on a, vu le lem , f nk = nk j=1 (f n j f nj 1 ) k f dans L p. Il en est de même de f n puisque la suite est de Cauchy Donnons une première propriété des espaces L p. Proposition Pour 1 p < +, E B, µ(a k ) < + } est dense dans L p (E, B, µ). = {f, f = n k=1 a k1 Ak, A k Preuve: Il suffit de considérer f. Alors il existe (prop ) une suite f n eb + telle que f n f. Vu que fn p f p L 1, f n E. On a, puisque f < + p.p., f f n p p.p. et f f n p f p L 1 donc (th. de Lebesgue) f f n p dµ On fixe p [1, + ]. On note q l exposant conjugué de p défini par 1 p + 1 q = 1. Si f L p et g L q, l inégalité de Hölder (1.13) affirme que
20 2 Mesures fg dµ f p g q. Ceci montre que, g fixé, f Φ(f) = fg dµ est une forme linéaire sur L p et que Φ g q, Φ étant définie par (1.6). Le théorème suivant affirme que, sauf pour p = +, les formes linéaires sur L p sont toutes de cette forme. Théorème Soient 1 p < + et Φ une forme linéaire continue sur L p (E, B, µ), µ σ-finie. Alors il existe g L q unique tel que Φ(f) = fg dµ. De plus Φ = g q. On admet ce théorème qui dit que, pour 1 p < +, L q est le dual de L p. Par contre L 1 n est pas le dual de L. Dans la section suivante, nous montrerons que L 2 est le dual de L Nous avons considéré les fonctions réelles sur E mais on peut aussi s intéresser aux fonctions complexes. Il n y a rien à changer à ce qui précède (on remplace la valeur absolue par le module) et on obtient ainsi l espace de Banach complexe L p C (E, B, µ) Espaces de Hilbert. Espaces L Espace de Hilbert. Définition Soit H un espace vectoriel sur R. H est appelé un espace préhilbertien s il existe une application x, y (x, y) de H H dans R vérifiant: (i) (x, y) = (y, x), (ii) (x + y, z) = (x, z) + (y, z), (iii) (λx, y) = λ(x, y), λ R, (iv) (x, x), (v) (x, x) = ssi x =. On pose x = (x, x). De (i)-(iv), on déduit l inégalité de Schwarz, x, y H, (x, y) x y. (1.15) En effet, pour tout λ R, (x + λy, x + λy) = λ 2 (y, y) + 2λ(x, y) + (x, x) d où = (x, y) 2 (x, x) (y, y). De (1.15) on déduit facilement l inégalité x+y x + y. Donc x x est une norme sur H et H est alors un espace normé. Notons que l application x (x, y) est continue. Définition On appelle espace de Hilbert un espace préhilbertien complet Dans cette sous section H désigne un espace de Hilbert.
21 21 Si (x, y) =, on dit que x est orthogonal à y et on écrit x y. Cette relation est évidemment symétrique. On pose, pour x H et M H, x = {y H, y x}, M = {y H, x M y x}. On voit de suite que x est un sous espace vectoriel de H qui est fermé puisque x = {y, (x, y) = } et que y (x, y) est continue. Il en est de même de M puisque M = x M x. Remarquons que M M = {} puisque (x, x) = implique x =. On établit maintenant quelques résultats fondamentaux sur les espaces de Hilbert. On vérifie d abord facilement que: x + y x y 2 = x y 2, x, y H. (1.16) Rappelons qu un sous ensemble F de H est convexe si x, y F implique que, quel que soit < t < 1, tx + (1 t)y F. Proposition Soit F un sous-ensemble convexe fermé de H. Alors il existe x F, unique, tel que x = inf( x, x F ). Preuve: Soient δ = inf( x, x F ) et x, y F. D après (1.16) et puisque x+y 2 F, x y 2 2 = 1 2 x y 2 x + y x y 2 δ 2. (1.17) Ceci implique d abord que, si x, y F et x = y = δ, alors x = y d où l unicité. Soient y n F tels que y n δ. D après (1.17), y m y n 2 2 y m y n 2 4δ 2 m,n. Donc y n est une suite de Cauchy. Soit y = lim n y n. Puisque F est fermé, y F et (continuité de la norme) y = lim n y n = δ. Théorème Soit M un sous espace fermé de H. Il existe des applications P de H dans M et Q de H dans M, uniques, telles que, pour tout x H, x = P x + Qx. Ces applications sont linéaires et vérifient: (i) Pour tout x M, P x = x, Qx = ; pour tout x M, P x =, Qx = x, (ii) x P x = inf( x y, y M), (iii) x 2 = P x 2 + Qx 2. On appelle P x (resp. Qx) la projection orthogonale de x sur M (resp. M ). Preuve: (a) Existence. Soient x H et F = x + M = {x + y, y M}. F est un convexe fermé. Soient Qx l unique élément de F tel que Qx = inf( z, z F ) (prop ) et P x = x Qx. Comme Qx x + M, P x M. Posons z = Qx. On a, pour tout y M tel que y = 1 et tout λ R, vu que z λy F, z 2 z λy 2 = (z λy, z λy) = z 2 2λ(y, z) + λ 2.
22 22 Mesures On en tire 2λ(y, z) λ 2 et, choisissant λ = (y, z), (y, z) = d où z = Qx M. (b) Unicité. Supposons x = x + x 1, x M, x 1 M. On a x P x = Qx x 1. Mais x P x M et Qx x 1 M et, vu que M M = {}, x = P x, x 1 = Qx. (c) Linéarité. Si on écrit x = P x + Qx, y = P y + Qy, λx + µy = P (λx + µy) + Q(λx + µy), on a P (λx + µy) λp x µp y = λqx + µqy Q(λx + µy) = puisque le premier terme est dans M, le second dans M. (d) Enfin (i) résulte de l unicité, (ii) est vrai par construction et (iii) provient de ce que (P x, Qx) =. Corollaire Soit M un sous espace fermé de H. Si M H, M {}. Preuve: Soit x H, x / M. On a x = P x + Qx avec Qx M puisque x / M. Théorème Soit φ une forme linéaire continue sur H. Il existe y H, unique, tel que, pour tout x H, φ(x) = (x, y). Preuve: On peut supposer φ (sinon y = convient). Soit M = Ker(φ). C est un sous espace fermé (puisque φ est continue) et différent de H (car φ ) donc (cor ) il existe z M, z. Puisque z / M, φ(z). Soient y = φ(z) (z,z) z et x H. Puisque φ s annule en x φ(x) φ(z) z, ce vecteur appartient à M i.e. est orthogonal à z. On a donc (x, z) = φ(x) φ(z) (z, z) et (x, y) = φ(x) Soit H un espace vectoriel sur C. Remplaçant (i) et (iii) de la def par (i) (x, y) = (y, x), (iii) (λx, y) = λ(x, y), λ C, on a la notion d espace préhilbertien puis d espace de Hilbert sur C. Les résultats précédents restent valables dans ce cadre avec des modifications mineures quant aux preuves Espace L 2. Si on munit L 2 (E, B, µ) du produit scalaire (f, g) := fg dµ, les hypothèses de la def sont vérifiées et (f, f) = f 2 2. C est donc un espace de Hilbert. On peut aussi considérer le cas des fonctions à valeurs complexes. Dans ce cas l espace de Hilbert L 2 C est associé au produit scalaire < f, g >:= fḡ dµ.
23 Mesures images Soit µ une mesure sur (E, B). On peut lui associer une application I de B + dans R + en posant I(f) = f dµ, f B +. L application I a les propriétés suivantes: I(f + g) = I(f) + I(g), I(af) = ai(f), a R + et I(f n ) I(f) si f n f. Réciproquement on a, Proposition Soient (E, B) un espace mesurable et I une application de B + dans R + telle que (i) si f, g B +, I(f + g) = I(f) + I(g); si f B + et a R +, I(af) = ai(f), (ii) si f n B + et si f n f, I(f n ) I(f). Alors µ(a) = I(1 A ), A B, définit une mesure sur B et on a, pour toute f B +, I(f) = f dµ. Preuve: Soient A n B des ensembles deux à deux disjoints d union A, on a 1 A = n 1 A n = lim n k=1 1 A k et µ(a) = I(1 A ) = I(lim n n 1 Ak ) = lim I( 1 Ak ) = lim k=1 k=1 n k=1 I(1 Ak ) = n µ(a n ). Ce qui montre que µ est une mesure. On a alors, pour toute f eb +, I(f) = f dµ. On conclut facilement en utilisant la prop Donnons deux applications Mesures à densité. Proposition Soient (E, B, µ) un espace mesuré et h B +. La formule ν(a) = A h dµ, A B définit une mesure sur B appelée mesure de densité h par rapport à µ. On note ν = h.µ. On a, pour toute f B +, f dν = fh dµ. (1.18) De plus f [B] est ν-intégrable ssi fh est µ-intégrable et l on a dans ce cas (1.18). Preuve: On considère la fonctionnelle I(f) = fh dµ, f B +, et on applique la prop La dernière assertion est pure routine en écrivant f = f + f Mesures images. Proposition Soient h une application mesurable de (E, B) dans (F, F) et µ une mesure sur (E, B). La formule ν(a) = µ(h 1 (A)), A F, définit une mesure sur (F, F) appelée mesure image de µ par h et notée µ h 1. On a, pour toute f F +, f dµ h 1 = f h dµ. (1.19) De plus f [F] est µ h 1 -intégrable ssi f h est µ-intégrable et l on a dans ce cas (1.19).
24 24 Mesures Preuve: On considère la fonctionnelle I(f) = f h dµ, f F + et on applique la prop La mesure associée à I est ν(a) = I(A) = 1 A h dµ = 1 h 1 (A) dµ = µ(h 1 (A)). On conclut facilement Mesures produits Soient (E 1, B 1 ) (E 2, B 2 ) deux espaces mesurables. On définit une tribu sur E 1 E 2, appelée tribu produit de B 1 et B 2 et notée B 1 B 2, par B 1 B 2 = σ(a 1 A 2, A 1 B 1, A 2 B 2 ). Alors si f : E 1 E 2 R + (resp. R) est une fonction B 1 B 2 -mesurable, on a que, pour tout x 1 E 1, x 2 f(x 1, x 2 ) est B 2 -mesurable et que, pour tout x 2 E 2, x 1 f(x 1, x 2 ) est B 1 -mesurable. En particulier si A B 1 B 2, A x2 = {x 1, (x 1, x 2 ) A} B 1 et A x1 = {x 2, (x 1, x 2 ) A} B 2. On en déduit que, si f (B 1 B 2 ) + et si µ i est une mesure sur (E i, B i ), x 1 f(x 1, x 2 ) dµ 2 (x 2 ) est B 1 -mesurable et x 2 f(x 1, x 2 ) dµ 1 (x 1 ) est B 2 -mesurable. Théorème Soient (E 1, B 1, µ 1 ) et (E 2, B 2, µ 2 ) deux espaces mesurés avec µ 1 et µ 2 σ-finies. Il existe une unique mesure sur B 1 B 2, notée µ 1 µ 2 et appelée mesure produit de µ 1 et µ 2, telle que, pour tous A 1 B 1, A 2 B 2, µ 1 µ 2 (A 1 A 2 ) = µ 1 (A 1 ) µ(a 2 ). De plus, pour toute f (B 1 B 2 ) +, f dµ 1 µ 2 = [ f(x 1, x 2 ) dµ 1 (x 1 )] dµ 2 (x 2 ) = [ f(x 1, x 2 ) dµ 2 (x 2 )] dµ 1 (x 1 ). Preuve: (i) Unicité. On applique la prop à C = {A, A = A 1 A 2, A 1 B 1, A 2 B 2, µ(a 1 ) < +, µ(a 2 ) < + }. (ii) Existence. On applique la prop à I 1 (f) = [ f(x 1, x 2 ) dµ 1 (x 1 )] dµ 2 (x 2 ) ce qui donne l existence. Mais on peut aussi appliquer la prop à I 2 (f) = [ f(x1, x 2 ) dµ 2 (x 2 )] dµ 1 (x 1 ) et, vu l unicité, on a I 1 (f) = I 2 (f). Si f L 1 C (µ 1 µ 2 ), on peut appliquer le théorème précèdent à [R(f)] +, [R(f)], [I(f)] + et [I(f)] et l on obtient le théorème de Fubini: f dµ 1 µ 2 = [ Théorème Soit f L 1 C (µ 1 µ 2 ). Alors, f(x1, x 2 ) dµ 2 (x 2 ) < + µ 1 p.p. et φ 1 (x 1 ) = f(x 1, x 2 ) dµ 2 (x 2 ) L 1 (µ 1 ), f(x1, x 2 ) dµ 1 (x 1 ) < + µ 2 p.p. et φ 2 (x 2 ) = f(x 1, x 2 ) dµ 1 (x 1 ) L 1 (µ 2 ), et f(x 1, x 2 ) dµ 1 (x 1 )] dµ 2 (x 2 ) = [ f(x 1, x 2 ) dµ 2 (x 2 )] dµ 1 (x 1 ).
25 Tout ceci s étend sans (trop de) peine au cas de n espaces mesurables. Il y a quelques vérifications fastidieuses à faire du type µ 1 (µ 2 µ 3 ) = (µ 1 µ 2 ) µ 3. De plus dans la formule d intégrations successives, les variables peuvent être intégrées dans tous les ordres possibles. A ce sujet, le grand principe est: si f est positive, tout est permis, si f est de signe quelconque ou complexe, on considère d abord f et on commence par montrer que f est intégrable Mesures de Lebesgue sur R d. Lemme B(R) B(R)... B(R) = B(R d ) Preuve: Soit B d = B(R) B(R)... B(R). (i) Si est U un ouvert de R d, U = n P n, P n pavé ouvert. Donc U B d et B(R d ) B d. (ii) Soient X 1, X 2,..., X d les projections canoniques de R d sur R. Les X k sont continues donc mesurable de (R d, B(R d )) dans (R, B(R)) d où B d = σ(x 1,..., X d ) B(R d ). Soit λ la mesure de Lebesgue sur (R, B(R)). On définit alors, sur (R d, B(R d )), λ d = λ λ... λ. On peut appliquer la prop à C = {A, A = d ]a i, b i [, < a i < b i < + }. i=1 On obtient que λ d est l unique mesure sur B(R d ) telle que, pour tous < a i < b i < +, d d λ d ( ]a i, b i [) = (b i a i ). i=1 On appelle λ d la mesure de Lebesgue sur R d Transformation de Fourier Dans cette section, d étant fixé, on notera simplement λ la mesure de Lebesgue sur R d. Rappelons que h.λ désigne la mesure sur R d de densité h par rapport à λ (prop ). Notation. On note M b l ensemble des mesures bornées sur (R d, B(R d )) Produit de convolution. Soit φ l application de R d R d dans R d, (x, y) x+y. Définition Soient µ, ν M b. On appelle produit de convolution de µ et ν et on note µ ν la mesure sur R d image de µ ν par φ. i=1 D après (1.19), µ ν est caractérisée par: pour toute f B + (R d ), f d(µ ν) = f(x + y) dµ(x)dν(y). (1.2)
26 26 Mesures On a donc µ ν(1) = µ(1)ν(1) et µ ν M b. Supposons que µ = φ.λ. On a (tout est positif) f d(µ ν) = f(x + y)φ(x) dxdν(y) = f(x)[ φ(x y) dν(y)] dx et donc, si on pose φ ν(x) = φ(x y) dν(y), (1.21) φ ν < + λ p.p. et on a (φ.λ) ν = φ ν.λ. Supposons que µ = φ.λ et ν = ψ.λ. On a (tout est positif) f d(µ ν) = f(x + y)φ(x)ψ(y) dxdy = f(x)[ φ(x y)ψ(y) dy] dx, et donc, si on pose φ ψ(x) = φ(x y)ψ(y) dy, (1.22) φ ψ < + λ p.p. et on a (φ.λ) (ψ.λ) = φ ψ.λ Transformée de Fourier. Définition Soit µ M b. On appelle transformée de Fourier de µ et on note ˆµ la fonction sur R d définie par ˆµ(t) = e i<t,x> dµ(x). Vu que e i<t,x> 1 L 1 (µ), t ˆµ(t) est continue ( cor.1.3.7). Si µ est symétrique (i.e. µ(a) = µ( A)), ˆµ est réelle. Enfin on a ˆµ(t) µ(1) = ˆµ(). (1.23) Si on note ˆf(t) = e i<t,x> f(x) dx, f L 1 (λ), on a, pour µ = h.λ, ˆµ(t) = ĥ(t). Théorème Soient µ, ν M b. On a µ ν(t) = ˆµ(t)ˆν(t). Preuve: En effet, puisque e i<t,x+y> 1 L 1 (µ ν), on a (th.1.7.2), µ ν(t) = e i<t,x> d(µ ν)(x) = e i<t,x+y> dµ(x)dν(y) = e i<t,x> dµ(x) e i<t,y> dν(x) = ˆµ(t)ˆν(t). Théorème (i) Soient µ, ν M b. Si ˆµ = ˆν, µ = ν. (ii) Soit µ M b telle que ˆµ L 1 (λ). On a alors µ = h.λ avec h(x) = (2π) d e i<t,x> ˆµ(t) dt. (1.24)
27 27 Preuve: On rappelle qu on a posé g σ (x) = (2πσ 2 ) d/2 exp( x 2 2σ 2 ), x 2 = x x 2 d. (1.25) et que (cor ) la famille (g σ (x a), σ >, a R d ) est totale dans C (R d ). Lemme On a ĝ σ (t) = exp( σ2 2 t 2 ) = (2πσ 2 ) d/2 g σ (σ 2 t). Preuve: Soit φ(t) = (2π) 1/2 e itu e u2 /2 du, t R. Vu que d dt eitu u L 1 (e u2 /2.λ), on peut appliquer la prop et on a φ (t) = i(2π) 1/2 e itu d( e u2 /2 ) = (2π) 1/2 t e itu e u2 /2 du = tφ(t) d où φ(t) = Ce t2 /2 = e t2 /2 puisque φ() = 1. Alors (th ) (2πσ 2 ) d/2 e i<t,x> e x 2 /2σ 2 dx = d (2πσ 2 ) 1/2 k=1 Lemme Soit µ M b. On a g σ (x a) dµ(x) = (2π) d/2 e it kx k e x2 k /2σ2 dx k = e σ2 t 2 /2. g 1 (σt)e i<a,t> ˆµ(t) dt. (1.26) Si, de plus, ˆµ L 1 (λ), g σ (x a) dµ(x) = (2π) d g σ (x a) e i<x,t> ˆµ(t) dt dx. (1.27) Preuve: Notons d abord que, vu le lem , g σ (x) = (2πσ 2 ) d/2 ĝ σ ( x σ 2 ) = (2π) d/2 σ d g σ (σ 2 t)e i<x,t> dt. (1.28) (i) On a, puisque g σ (σ 2 t) dtdµ(x) < +, g σ (x a) dµ(x) = (2π) d/2 σ d g σ (σ 2 t)e i<x a,t> dtdµ(x) = (2π) d/2 σ d g σ (σ 2 t)e i<a,t> e i<x,t> dµ(x) dt = (2π) d/2 σ d g σ (σ 2 t)e i<a,t> ˆµ(t) dt d où (1.26) puisque σ d g σ (σ 2 t) = g 1 (σt). (ii) Si ˆµ L 1 (λ), g σ (σ 2 u)ˆµ(t) L 1 (λ λ) et on a, vu que g σ (σ 2 t) = (2πσ 2 ) d/2 ĝ σ (t), g σ (x a) dµ(x) = (2π) d/2 σ d g σ (σ 2 t)e i<a,t> ˆµ(t) dt = (2π) d e i<a,t> ˆµ(t) e i<u,t> g σ (u) dudt
28 28 Mesures = (2π) d g σ (u) e i<u a,t> ˆµ(t) dtdu = (2π) d g σ (x a) e i<x,t> ˆµ(t) dtdx. (On a posé u = a x et utilisé que g σ ( x) = g σ (x)). Fin de la preuve. Soit H = {g σ (x a), σ >, a R d }. Si ˆµ = ˆν, on a, vu (1.26), pour toute f H, f dµ = f dν d où, H étant total, µ = ν (prop ). De même, si ˆµ L 1, posant h(x) = (2π) d e i<x,t> ˆµ(t) dt, on a vu (1.27), pour toute f H, f dµ = fh dλ d où µ = h.λ Mesures de Radon sur R d Nous étudions plus en détails les mesures sur R d utilisant ses propriétés topologiques On note C b l ensemble des fonctions continues bornées sur R d, C l ensemble des fonctions de C b tendant vers à l infini, C k l ensemble des fonctions de C à support compact. On munit ces espaces de la norme f = sup x R d f(x). Alors (cor ) C est un espace de Banach séparable (il existe une suite dense). Rappelons que: a. Etant donnés K compact U ouvert, il existe f C k, f 1, f = 1 sur K, f = sur U c. b. Soit K un compact. Il existe une suite d ouverts U n et une suite f n C k telles que K = lim U n, 1 K = lim f n. c. Soit U un ouvert. Il existe une suite de compacts K n et une suite f n C k telles que U = lim K n, 1 U = lim f n. L objet auquel on s intéresse est le suivant. Définition On appelle mesure de Radon sur R d toute mesure sur B(R d ) finie sur tout compact. Donc toute mesure bornée sur B(R d ) ainsi que la mesure de Lebesgue sur R d sont des mesures de Radon. Soit µ une mesure de Radon sur R d. Alors C k L 1 (µ) et I : f f dµ est une forme linéaire positive sur C k (positive signifiant que I(f) si f ). Il est remarquable que toutes les mesures de Radon s obtiennent ainsi (c est le théorème de Riesz): Théorème Soit I une forme linéaire positive sur C k. Il existe une et une seule mesure de Radon µ sur B(R d ) telle que, pour toute f C k, I(f) = f dµ. Ce théorème fournit une seconde méthode pour construire des mesures. Considérons par exemple C k (R). Pour f C k (R), on peut construire + f(x) dx par des méthodes élémentaires (sommes de Riemann ou limite de fonctions en escalier). Appliquant ce théorème, on en déduit l existence de la mesure de Lebesgue sur R. La
Intégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailThéorie de la Mesure et Intégration
Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble
Plus en détailThéorie de la Mesure et Intégration
Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailMESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours
MSUR T INTÉGRATION N UN DIMNSION Notes de cours André Giroux Département de Mathématiques et Statistique Université de Montréal Mai 2004 Table des matières 1 INTRODUCTION 2 1.1 xercices.............................
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailMesures gaussiennes et espaces de Fock
Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première
Plus en détailIntégrale de Lebesgue
Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailLa 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 détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailConstruction de l'intégrale de Lebesgue
Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailThéorie de la mesure. S. Nicolay
Théorie de la mesure S. Nicolay Année académique 2011 2012 ii Table des matières Introduction v 1 Mesures 1 1.1 Sigma-algèbres................................. 1 1.2 Mesures.....................................
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailTHÉORIE DE LA MESURE ET DE L INTÉGRATION.
THÉORIE DE LA MESURE ET DE L INTÉGRATION. THIERRY GALLAY Transcrit par Tancrède LEPOINT 29 UNIVERSITÉ JOSEPH FOURIER, GRENOBLE TABLE DES MATIÈRES Avant-propos Biographie sommaire...........................................
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailn N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v 1 1 2 t
3.La méthode de Dirichlet 99 11 Le théorème de Dirichlet 3.La méthode de Dirichlet Lorsque Dirichlet, au début des années 180, découvre les travaux de Fourier, il cherche à les justifier par des méthodes
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailMesure et Intégration (Notes de cours de L3)
Mesure et Intégration (Notes de cours de L3) Ahmed Zeriahi Version préliminaire-octobre 2011 Avertissement : Ceci est une version préliminaire des notes du cours que l auteur a dispensé en troisème année
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailLe produit semi-direct
Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailProduits d espaces mesurés
Chapitre 7 Produits d espaces mesurés 7.1 Motivation Au chapitre 2, on a introduit la mesure de Lebesgue sur la tribu des boréliens de R (notée B(R)), ce qui nous a permis d exprimer la notion de longueur
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailCours d Analyse 3 Fonctions de plusieurs variables
Université Claude Bernard, Lyon I Licence Sciences, Technologies & Santé 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France L. Pujo-Menjouet pujo@math.univ-lyon1.fr
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailPROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390
PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 Université PARIS 6 2008/2009 Jean BERTOIN 1 Table des Matières ( ) ces parties peuvent ^etre omises en première lecture, et ne feront pas
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailMesures et Intégration
Mesures et Intégration Marc Troyanov - EPFL - Octobre 2005 30 avril 2008 Ce document contient les notes du cours de Mesure et Intégration enseigné à l EPFL par Marc Troyanov, version 2005-2006. Table des
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE
ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
Plus en détailC1 : Fonctions de plusieurs variables
1er semestre 2012/13 CPUMP 3 U 11 : Abrégé de cours Compléments Analyse 3 : fonctions analytiques Les notes suivantes, disponibles à l adresse http://www.iecn.u-nancy.fr/~bertram/, contiennent les définitions
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailMA6.06 : Mesure et Probabilités
Année universitaire 2002-2003 UNIVERSITÉ D ORLÉANS Olivier GARET MA6.06 : Mesure et Probabilités 2 Table des matières Table des matières i 1 Un peu de théorie de la mesure 1 1.1 Tribus...............................
Plus en détailApproximations variationelles des EDP Notes du Cours de M2
Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Plus en détailRelation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices
Lycée Pierre de Fermat 2012/2013 MPSI 1 Feuille d exercices Manipulation des relations d ordre. Relation d ordre Exercice 1. Soit E un ensemble fixé contenant au moins deux éléments. On considère la relation
Plus en détailIntégration sur des espaces produits
Chapitre 5 Intégration sur des espaces produits 5.1 Produit de deux mesures Étant donnés deux espaces mesurés (Ω 1, F 1, µ 1 ) et (Ω 2, F 1, µ 2 ), le but de cette section est de construire une mesure
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailCours de mathématiques
DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailCHAPITRE IV. L axiome du choix
CHAPITRE IV L axiome du choix Résumé. L axiome du choix AC affirme qu il est légitime de construire des objets mathématiques en répétant un nombre infini de fois l opération de choisir un élément dans
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailThéorèmes du Point Fixe et Applications aux Equations Diérentielles
Université de Nice-Sophia Antipolis Mémoire de Master 1 de Mathématiques Année 2006-2007 Théorèmes du Point Fixe et Applications aux Equations Diérentielles Auteurs : Clémence MINAZZO - Kelsey RIDER Responsable
Plus en détailIntroduction à la. Points Critiques. Otared Kavian. et Applications aux Problèmes Elliptiques. Springer-Verlag
Otared Kavian Introduction à la Théorie des Points Critiques et Applications aux Problèmes Elliptiques Springer-Verlag Berlin Heidelberg NewYork London Paris Tokyo Hong Kong Barcelona Budapest Avant propos
Plus en détailYamina Yagoub-Zidi. Inconditionnalité et propriétés du point fixe dans les espaces de fonctions lisses
MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE MOULOUD MAMMERI, TIZI-OUZOU FACULTE DES SCIENCES DEPARTEMENT DE MATHEMATIQUES THESE DE DOCTORAT SPECIALITE : MATHEMATIQUES
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailTIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES
Bulletin de la SOCIÉTÉ MATHÉMATIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES Bernard Host & Alejandro Maass Tome 135 Fascicule 3 2007 SOCIÉTÉ MATHÉMATIQUE DE FRANCE Publié avec le concours du
Plus en détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détailwww.h-k.fr/publications/objectif-agregation
«Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se
Plus en détailÉquation de Langevin avec petites perturbations browniennes ou
Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,
Plus en détailEquations aux Dérivées Partielles
Equations aux Dérivées Partielles Tony Lelièvre 29-2 Après avoir considéré dans le capitre précédent des équations d évolution pour des fonctions ne dépendant que du paramètre temps, nous nous intéressons
Plus en détailrf( 1 f(x)x dx = O. ) U concours externe de recrutement de professeurs agreg6s composition d analyse
page 8 AGREGATIN de MATHEMATIQUES: 1991 1/5 externeanalyse concours externe de recrutement de professeurs agreg6s composition d analyse NTATINS ET DGFINITINS Dans tout le problème, R+ désigne l intervalle
Plus en détailModèles et Méthodes de Réservation
Modèles et Méthodes de Réservation Petit Cours donné à l Université de Strasbourg en Mai 2003 par Klaus D Schmidt Lehrstuhl für Versicherungsmathematik Technische Universität Dresden D 01062 Dresden E
Plus en détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
Plus en détailLogique. Plan du chapitre
Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels
Plus en détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détail