THÉORIE DE LA MESURE. Notes de cours de B.Demange
|
|
- Romain Meloche
- il y a 8 ans
- Total affichages :
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
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 détailThéorème 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 détailLICENCE 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 détailsemestre 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 détailCOURS 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 détailCorrection de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (
Correction de l épreuve CCP PSI Mths PREMIÈRE PARTIE I- Soit t u voisinge de, t Alors ϕt t s = ϕt ρt s ρs Pr hypothèse, l fonction ϕt ϕt est lorsque t, il en est donc de même de ρt s ρt s ρs cr ρ s est
Plus en détailANALYSE NUMERIQUE NON-LINEAIRE
Université de Metz Licence de Mthémtiques - 3ème nnée 1er semestre ANALYSE NUMERIQUE NON-LINEAIRE pr Rlph Chill Lbortoire de Mthémtiques et Applictions de Metz Année 010/11 1 Tble des mtières Chpitre
Plus en détailTout ce qu il faut savoir en math
Tout ce qu il fut svoir en mth 1 Pourcentge Prendre un pourcentge t % d un quntité : t Clculer le pourcentge d une quntité pr rpport à une quntité b : Le coefficient multiplicteur CM pour une ugmenttion
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 détailLicence M.A.S.S. Cours d Analyse S4
Université Pris I, Pnthéon - Sorbonne Licence MASS Cours d Anlyse S4 Jen-Mrc Brdet (Université Pris 1, SAMM) UFR 27 et Equipe SAMM (Sttistique, Anlyse et Modélistion Multidisiplinire) Université Pnthéon-Sorbonne,
Plus en détailCours d Analyse IV Suites et Séries de fonctions
Université Clude Bernrd, Lyon I Licence Sciences, Technologies & Snté 43, boulevrd 11 novembre 1918 Spécilité Mthémtiques 69622 Villeurbnne cedex, Frnce L. Pujo-Menjouet pujo@mth.univ-lyon1.fr Cours d
Plus en détailUniversité Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO
Université Pris-Duphine DUMI2E UFR Mthémtiques de l décision Notes de cours Anlyse 2 Filippo SANTAMBROGIO Année 2008 2 Tble des mtières 1 Optimistion de fonctions continues et dérivbles 5 1.1 Continuité........................................
Plus en détailSynthèse de cours (Terminale S) Calcul intégral
Synthèse de cours (Terminle S) Clcul intégrl Intégrle d une onction continue positive sur un intervlle [;] Dns cette première prtie, on considère une onction continue positive sur un intervlle [ ; ] (
Plus en détailChapitre 11 : L inductance
Chpitre : inductnce Exercices E. On donne A πr 4π 4 metn N 8 spires/m. () Selon l exemple., µ n A 4π 7 (8) 4π 4 (,5) 5 µh (b) À prtir de l éqution.4, on trouve ξ ξ 4 3 5 6 6,3 A/s E. On donne A πr,5π 4
Plus en détailChapitre 1 : Fonctions analytiques - introduction
2e semestre 2/ UE 4 U : Abrégé de cours Anlyse 3: fonctions nlytiques Les notes suivntes, disponibles à l dresse http://www.iecn.u-nncy.fr/ bertrm/, contiennent les définitions et les résultts principux
Plus en détailIntégration 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 détailModule 2 : Déterminant d une matrice
L Mth Stt Module les déterminnts M Module : Déterminnt d une mtrice Unité : Déterminnt d une mtrice x Soit une mtrice lignes et colonnes (,) c b d Pr définition, son déterminnt est le nombre réel noté
Plus en détailANALYSE : FONCTIONS D UNE VARIABLE RÉELLE
Jen-Pierre Dedieu, Jen-Pierre Rymond ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE Institut de Mthémtiques Université Pul Sbtier 31062 Toulouse cedex 09 jen-pierre.dedieu@mth.univ-toulouse.fr jen-pierre.rymond@mth.univ-toulouse.fr
Plus en détailSéquence 8. Probabilité : lois à densité. Sommaire
Séquence 8 Proilité : lois à densité Sommire. Prérequis 2. Lois de proilité à densité sur un intervlle 3. Lois uniformes 4. Lois exponentielles 5. Synthèse de l séquence Dns cette séquence, on introduit
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 détailChapitre VI Contraintes holonomiques
55 Chpitre VI Contrintes holonomiques Les contrintes isopérimétriques vues u chpitre précéent ne sont qu un eemple prticulier e contrintes sur les fonctions y e notre espce e fonctions missibles. Dns ce
Plus en détailSTI2D Logique binaire SIN. L' Algèbre de BOOLE
L' Algère de BOOLE L'lgère de Boole est l prtie des mthémtiques, de l logique et de l'électronique qui s'intéresse ux opértions et ux fonctions sur les vriles logiques. Le nom provient de George Boole.
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 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 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 détailIntégrale et primitives
Chpitre 5 Intégrle et primitives 5. Ojetif On herhe dns e hpitre à onstruire l opérteur réiproue de l opérteur de dérivtion. Les deux uestions suivntes sont lors nturelles. Question : Soit f une pplition
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 détail/HVV\VWqPHVFRPELQDWRLUHV
/HVV\VWqPHVFRPELQDWRLUHV I. Définition On ppelle système combintoire tout système numérique dont les sorties sont exclusivement définies à prtir des vribles d entrée (Figure ). = f(x, x 2,,, x n ) x x
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 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 détailPartie 4 : La monnaie et l'inflation
Prtie 4 : L monnie et l'infltion Enseignnt A. Direr Licence 2, 1er semestre 2008-9 Université Pierre Mendès Frnce Cours de mcroéconomie suite 4.1 Introduction Nous vons vu dns l prtie introductive que
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 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 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 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 détailTurbine hydraulique Girard simplifiée pour faibles et très faibles puissances
Turbine hydrulique Girrd simplifiée pour fibles et très fibles puissnces Prof. Ing. Zoltàn Hosszuréty, DrSc. Professeur à l'université technique de Kosice Les sites hydruliques disposnt de fibles débits
Plus en détail3- Les taux d'intérêt
3- Les tux d'intérêt Mishkin (2007), Monnie, Bnque et mrchés finnciers, Person Eduction, ch. 4 et 6 Vernimmen (2005), Finnce d'entreprise, Dlloz, ch. 20 à 22 1- Mesurer les tux d'intérêt comprer les différents
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 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 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 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 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 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 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 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 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 détailSommaire. 6. Tableau récapitulatif... 10. Sophos NAC intégré Vs. NAC Advanced - 17 Février 2009 2
Sommire 1. A propos de Sophos... 3 2. Comprtif des solutions Sophos NAC... 4 3. Sophos NAC pour Endpoint Security nd Control 8.0... 4 3.1. Administrtion et déploiement... 4 3.2. Gestion des politiques
Plus en détail16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.
16 Suites de foctios Suf précisio cotrire, I est u itervlle réel o réduit à u poit et les foctios cosidérées sot défiies sur I à vleurs réelles ou complexes. 16.1 Covergece simple et covergece uiforme
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 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 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 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 détailInfluence du milieu d étude sur l activité (suite) Inhibition et activation
Influence du milieu d étude sur l ctivité (suite) Inhibition et ctivtion Influence de l tempérture Influence du ph 1 Influence de l tempérture Si on chuffe une préprtion enzymtique, l ctivité ugmente jusqu
Plus en détailToyota Assurances Toujours la meilleure solution
Toyot Assurnces Toujours l meilleure solution De quelle ssurnce vez-vous besoin? Vous roulez déjà en Toyot ou vous ttendez s livrison. Votre voiture est neuve ou d occsion. Vous vlez les kilomètres ou
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 détailTechniques d analyse de circuits
Chpitre 3 Tehniques d nlyse de iruits Ce hpitre présente différentes méthodes d nlyse de iruits. Ces méthodes permettent de simplifier l nlyse de iruits ontennt plusieurs éléments. Bien qu on peut résoudre
Plus en détailLANGAGES - GRAMMAIRES - AUTOMATES
LANGAGES - GRAMMAIRES - AUTOMATES Mrie-Pule Muller Version du 14 juillet 2005 Ce cours présente et met en oeuvre quelques méthodes mthémtiques pour l informtique théorique. Ces notions de bse pourront
Plus en détailAlgorithmes sur les mots (séquences)
Introduction Algorithmes sur les mots (séquences) Algorithmes sur les mots (textes, séquences, chines de crctères) Nomreuses pplictions : ses de données iliogrphiques ioinformtique (séquences de iomolécules)
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 détailGuide d'utilisation Easy Interactive Tools Ver. 2
Guide d'utilistion Esy Interctive Tools Ver. 2 Guide d'utilistion Esy Interctive Tools Ver.2 Présenttion de Esy Interctive Tools 3 Crctéristiques Fonction de dessin Vous pouvez utiliser Esy Interctive
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 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 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 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 détailConseils et astuces pour les structures de base de la Ligne D30
Conseils et stuces pour les structures de bse de l Ligne D30 Conseils et stuces pour l Ligne D30 Ligne D30 - l solution élégnte pour votre production. Rentbilité optimle et méliortion continue des séquences
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 détailNotes de révision : Automates et langages
Préprtion à l grégtion de mthémtiques 2011 2012 Notes de révision : Automtes et lngges Benjmin MONMEGE et Sylvin SCHMITZ LSV, ENS Cchn & CNRS Version du 24 octore 2011 (r66m) CC Cretive Commons y-nc-s
Plus en détailBaccalauréat S Asie 19 juin 2014 Corrigé
Bcclurét S Asie 9 jui 24 Corrigé A. P. M. E. P. Exercice Commu à tous les cdidts 4 poits Questio - c. O peut élimier rpidemet les réposes. et d. cr les vecteurs directeurs des droites proposées e sot ps
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 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 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 détailAUTOUR D UN MÉMOIRE INÉDIT : LA CONTRIBUTION D HERMITE AU DÉVELOPPEMENT DE LA THÉORIE DES FONCTIONS ELLIPTIQUES. Bruno BELHOSTE (*)
Revue d histoire des mthémtiques, 2 (1996), p. 1 66. AUTOUR D UN MÉMOIRE INÉDIT : LA CONTRIBUTION D HERMITE AU DÉVELOPPEMENT DE LA THÉORIE DES FONCTIONS ELLIPTIQUES Bruno BELHOSTE (*) RÉSUMÉ. Dns cet rticle,
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 détailCours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques
Université de Provence Topologie 2 Cours3. Applications continues et homéomorphismes 1 Rappel sur les images réciproques Soit une application f d un ensemble X vers un ensemble Y et soit une partie P de
Plus en détailL'algèbre de BOOLE ou algèbre logique est l'algèbre définie pour des variables ne pouvant prendre que deux états.
ciences Industrielles ystèmes comintoires Ppnicol Roert Lycée Jcques Amyot I - YTEME COMBINATOIRE A. Algère de Boole. Vriles logiques: Un signl réel est une grndeur physique en générl continue, on ssocie
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 détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détail1 Définition et premières propriétés des congruences
Université Paris 13, Institut Galilée Département de Mathématiques Licence 2ème année Informatique 2013-2014 Cours de Mathématiques pour l Informatique Des nombres aux structures Sylviane R. Schwer Leçon
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 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 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 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 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 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 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 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 détailLITE-FLOOR. Dalles de sol et marches d escalier. Information technique
LITE-FLOOR Dlles de sol et mrches d esclier Informtion technique Recommndtions pour le clcul et l pose de LITE-FLOOR Générlités Cette rochure reprend les règles de se à respecter pour grntir l rélistion
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 détailSYSTEME DE TELEPHONIE
YTEME DE TELEPHOIE LE OUVEUTE PTIE MOITEU COULEU Le système de téléphonie comporte un moniteur vec un écrn couleurs de intégré u téléphone. Cette prtie est disponile en lnc, nthrcite et Tech. TLE DE MTIEE
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 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 détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
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 détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailLe canal étroit du crédit : une analyse critique des fondements théoriques
Le cnl étroit du crédit : une nlyse critique des fondements théoriques Rfl Kierzenkowski 1 CREFED Université Pris Duphine Alloctire de Recherche Avril 2001 version provisoire Résumé A l suite des trvux
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 détailElectrovanne double Dimension nominale Rp 3/8 - Rp 2 DMV-D/11 DMV-DLE/11
Electrovnne double Dimension nominle 3/8 - DMV-D/11 DMV-DLE/11 7.30 M Edition 11.13 Nr. 223 926 1 6 Technique L électrovnne double DUNGS DMV intère deux électrovnnes dns un même bloc compct : - vnnes d
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 détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détail