Soit E un ensemble. On appelle classe de parties de E un sous-ensemble non vide de P(E).

Dimension: px
Commencer à balayer dès la page:

Download "Soit E un ensemble. On appelle classe de parties de E un sous-ensemble non vide de P(E)."

Transcription

1 Chapitre 1 Tribus 1.1 Défiitios Soit E u esemble. O appelle classe de parties de E u sous-esemble o vide de P(E). Défiitio Ue tribu A sur E est u sous-esemble o vide de P(E) tel que : (i) la partie vide appartiet à A, (ii) le complémetaire d u élémet de A est das A, (iii) A est stable par réuio déombrable. Notos immédiatemet quelques propriétés satisfaites par les tribus. Si A est ue tribu alors E A, A est stable par itersectio déombrable, A est stable par différece : A, B A A\B A, A est stable par différece symétrique : A, B A A B A. Exemple La plus petite tribu de E est A = {, E}, tadis que la plus grade est P(E). Défiitio O appelle espace mesurable tout couple (E, A) formé par u esemble E et ue tribu A sur E. Propositio L itersectio de tribus sur E est ecore ue tribu. Démostratio. Soit (A i ) i I ue famille de tribus sur E. Notos A = i I A i l itersectio de ces tribus. Alors, l esemble vide appartiet à chaque tribu A i et doc à A. Soit A A. Pour tout i I, A A i doc A c A i : A c A. La réuio déombrable s établit de même. Propositio (tribu egedrée). Soit E u sous-esemble de P(E). Il existe ue plus petite tribu (au ses de l iclusio) coteat tous les élémets de E. Elle est appelée tribu egedrée par E, et est otée σ(e). Démostratio. Soit X l esemble de toutes les tribus M sur E coteat E. L esemble X est pas vide puisqu il cotiet la tribu P(E). Posos A = M = {A E, M X, A M}. M X Il est clair que E A. De plus, A est ue tribu comme itersectio (quelcoque) de tribus et, par défiitio, elle est coteue das toute tribu coteat E. Remarque Si A est u sous-esemble de E, alors σ({a}) = {, A, A c, E}. 1

2 CHAPITRE 1. TRIBUS 2 Remarque Si A est ue tribu sur E, alors σ(a) = A. Propositio (image réciproque d ue tribu). Soit E et F deux esembles, f ue applicatio de E das F et A ue tribu sur F. Alors f 1 (A) = { f 1 (A), A A } est ue tribu sur E, appelée tribu image réciproque de A par f. Démostratio. La classe f 1 (A) cotiet l esemble vide puisque = f 1 ( ). Soit B f 1 (A). Alors il existe A A tel que B = f 1 (A). Puisque A est ue tribu, A c A. Efi, remarquos que f 1 (A) c = f 1 (A c ). La stabilité par réuio déombrable s établit de même. Propositio Soit f ue applicatio de E das F, E u sous-esemble de P(F ). Alors f 1 (σ(e)) = σ ( f 1 (E) ). E d autres termes, l image réciproque de la tribu egedrée par E est la tribu egedrée par l image réciproque de E. Démostratio. Comme E σ(e), o a f 1 (E) f 1 (σ(e)) qui est ue tribu et aisi σ(f 1 (E)) est iclus das f 1 (σ(e)). Motros l iclusio iverse. Notos B l esemble des parties B F telles que f 1 (B) appartiee à σ(f 1 (E)). Alors B est ue tribu. De plus, B cotiet E doc cotiet σ(e). Il e résulte que f 1 (σ(e)) f 1 (B). Comme, par défiitio, f 1 (B) σ(f 1 (E)), o obtiet l iclusio souhaitée : f 1 (σ(e)) σ(f 1 (E)). Défiitio (tribu iduite). Soit B u sous-esemble de E et A ue tribu sur E. O appelle tribu trace, ou tribu iduite, par A sur B la tribu A B = {A B, A A}. Défiitio (tribu produit). Soit A ue tribu sur E et B ue tribu sur F. O appelle tribu produit, et l o ote A B, la tribu sur E F egedrée par l esemble des parties de E F qui s écrivet sous la forme A B avec A A et B B. 1.2 Tribu boréliee Rappelos que pour la topologie usuelle de R, u esemble O de R est ouvert si O ote O l esemble des ouverts de R. Soit O u ouvert de R. Notos Alors I est déombrable et x O, a, b O, x ]a, b[ O. I = { (ρ, r) Q Q +, ]ρ r, rho + r[ O }. O = (ρ,r) I ]ρ r, ρ + r[. O voit aisi que tout ouvert de R peut s écrire comme réuio déombrable d itervalles ouverts (o peut même se limiter à des itervalles à extrémités ratioelles). Défiitio La tribu σ(o) egedrée par O est appelée la tribu boréliee de R. O la ote B(R). Ses élémets sot appelés les borélies.

3 CHAPITRE 1. TRIBUS 3 Remarque Même si cela est pas évidet, o peut motrer que B(R) est strictemet iclus das P(R) : il existe des parties de R qui e sot pas boréliees. Propositio Sur R, mui de sa topologie usuelle, la tribu boréliee est egedrée par 1. la classe des itervalles ouverts borés, 2. la classe des itervalles de la forme ], a[ avec a R, 3. la classe des itervalles de la forme ], a] avec a R, Démostratio. Prouvos le poit 1. Notos E la classe des itervalles ouverts borés. O a E O, doc σ(e) σ(o). D autre part, tout ouvert de O est réuio fiie ou déombrable d itervalles ouverts borés, d où O σ(e) et par suite σ(o) σ(e). Prouvos le poit 2. Soit E la classe des itervalles de la forme ], a[. O a σ(e ) σ(o). Pour établir l iclusio iverse, il suffit de motrer que E σ(e ) (puisque la tribu egedrée par E est la tribu boréliee). Soit ]a, b[ E. O a ]a, b[ = ], b[ ]a, + [ = ], b[ ], a] c = ], b[ ( N ], a + 1/[) c σ(e ). Tout itervalle ]a, b[ appartiet doc à la tribu egedrée par E et doc σ(e) σ(e ). Le poit 3 s établit de maière aalogue. Remarque Nous auros aussi à cosidérer la droite achevée R = R {+ } { }. Rappelos que sa topologie est défiie par la base d ouverts formés des itervalles ouverts de la forme ]a, b[, ]a, + ] et [, b[ avec a, b R. O démotre de faço aalogue que la tribu boréliee de R est egedrée par les classes { [, a[, a R } ou { [, a], a R } par exemple. Propositio La tribu boréliee de R d est égale à la tribu egedrée par la classe des ouverts de la forme d ]a i, b i [ avec < a i < b i < +. i=1 Il existe ue otio d espace topologique abstrait. Rappelos que O P(E) est ue topologie (l esemble des ouverts) sur E si (i) et E appartieet à O, (ii) O est stable par itersectio fiie, (iii) O est stable par réuio quelcoque. Il est aturel de muir u espace topologique (E, O) (où O désige l esemble des ouverts de E) d ue tribu compatible e u certai ses avec la structure topologique préexistate. Défiitio Soit (E, O) u espace topologique. La tribu σ(o) egedrée par O est appelée la tribu boréliee de E. O la ote B(E). Ses élémets sot appelés les borélies.

4 Chapitre 2 Applicatios mesurables 2.1 Défiitios et critères de mesurabilité Défiitio Soit (E, A) et (F, B) deux espaces mesurables et f ue applicatio de E das F. O dit que f est mesurable de (E, A) das (F, B) si l image réciproque par f de tout élémet de B est u élémet de A. O dira plus simplemet que f est mesurable s il y a pas d ambiguïté sur les tribus cosidérées. Autremet dit, f est mesurable si f 1 (B) A. Lorsque E et F sot des espaces topologiques et A et B désiget leurs tribus boréliees respectives, ue applicatio mesurable est ecore appelée boréliee. Exemple Soit (E, A) u espace mesurable. Pour toute partie A de E o ote 1 A la foctio idicatrice de l esemble A (valat 1 sur A et 0 sur so complémetaire). La foctio 1 A est mesurable de (E, A) das R (mui de sa tribu boréliee) si et seulemet si A A. Propositio Soit (E, A) et (F, B) deux espaces mesurables, f ue applicatio de E das F et E ue classe sur F telle que σ(e) = B. Alors f est mesurable si et seulemet si l image réciproque de tout élémet de E appartiet à A. Démostratio. La coditio est évidemmet écessaire. Réciproquemet, si A cotiet l image réciproque de E, elle cotiet égalemet la tribu egedrée par l image réciproque de E qui est ecore l image réciproque de la tribu egedrée par E, c est-à-dire l image réciproque de B par hypothèse. Corollaire Soit E et F deux espaces topologiques muis de leurs tribus boréliees respectives. Toute foctio cotiue f de E das F est mesurable. Démostratio. Soit O E (resp. O F ) la classe des ouverts de E (resp. de F ). Par défiitio de la cotiuité de f, o a f 1 (O F ) O E B(E). La tribu boréliee B(E) de E cotiet doc σ(f 1 (O F )) = f 1 (σ(o F )) = f 1 (B(F )) et f est mesurable. Corollaire Soit f ue applicatio mesurable de (E, A) à valeurs das R mui de sa tribu boréliee. Alors f est mesurable si et seulemet si l ue des coditios suivates est vérifiée : (i) a R, {x E, f(x) < a} A, (ii) a R, {x E, f(x) a} A, (iii) a R, {x E, f(x) > a} A, (iv) a R, {x E, f(x) a} A. Démostratio. E effet, l ue quelcoque des classes suivates de parties de R {], a[ ; a R} ; {], a] ; a R} ; {]a, + [ ; a R} ; {[a, + [ ; a R} egedre la tribu boréliee de R. 4

5 CHAPITRE 2. APPLICATIONS MESURABLES Propriétés de stabilité La mesurabilité est stable par compositio. Propositio Soit (E, A), (F, B), (G, C) trois espaces mesurables, f ue applicatio mesurable de (E, A) das (F, B) et g ue applicatio mesurable de (F, B) das (G, C). Alors l applicatio f g est mesurable de (E, A) das (G, C). Propositio Soit (F 1, B 1 ) et (F 2, B 2 ) deux espaces mesurables et p 1 et p 2 les projectios de F 1 F 2 sur F 1 et F 2 respectivemet. O muit F 1 F 2 de la tribu produit B 1 B 2. (i) les projectios p 1 et p 2 sot mesurables ; (ii) soit (E, A) u espace mesurable et f ue applicatio de E das F 1 F 2. Alors f est mesurable si et seulemet si les composées p 1 f : E F 1 et p 2 f : E F 2 sot mesurables. Démostratio. Prouvos le poit (i). Pour tout B 1 B 1, o a p 1 1 (B 1) = B 1 F 2 B 1 B 2. Doc p 1 est mesurable. O procède de même pour p 2. Prouvos le poit (ii). Si f est mesurable, il est clair que p 1 f et p 2 f le sot. Réciproquemet, supposos que p 1 f et p 2 f soiet mesurables. Alors, pour tout B 1 B 1, l esemble f 1 (B 1 F 2 ) est autre que (p 1 f) 1 (B 1 ) qui appartiet à A. De même, pour tout B 2 B 2, o a f 1 (F 1 B 2 ) appartiet à A. Il e résulte que f 1 (B 1 B 2 ) = f 1 ((B 1 F 2 ) (F 1 B 2 )) = f 1 (B 1 F 2 ) f 1 (F 1 B 2 ) A. Comme B 1 B 2 est la tribu egedrée par les parties de la forme B 1 B 2, avec B 1 B 1 et B 2 B 2, la propositio permet de coclure que f est mesurable. Corollaire Pour qu ue foctio à valeurs complexes soit mesurable, il faut et il suffit que ses parties réelle et imagiaire soiet mesurables. Si f et g sot des foctios mesurables de (E, A) das C, alors f + g, fg, f,... sot mesurables. Avat d étudier la stabilité de la otio de mesurabilité par passage à la limite, rappelos quelques défiitios cocerat les suites à valeurs das R. Défiitio Soit (u ) N ue suite à valeurs das R. La plus grade (resp. petite) valeur d adhérece de la suite (u ) est otée lim sup u (resp lim if u ). Leurs défiitios sot doées par lim sup u = if sup u k et lim if u = sup if u k. 0 k k Remarque Les limites supérieure et iférieure sot a priori des élémets de R. Remarque O a toujours lim if u lim sup u et la suite (u ) N coverge si et seulemet si lim if u = lim sup u. Remarque Si (f ) est ue suite d applicatios de E das R, o ote lim sup f la foctio qui à x E associe lim sup f (x) R. Propositio La mesurabilité est stable par passage à la limite. (i) Soit (f ) N ue suite de foctios mesurables sur (E, A) à valeurs das R. Les foctios sup f, if f, lim sup f et lim if f sot mesurables. (ii) Soit (f ) N ue suite de foctios mesurables sur (E, A) à valeurs das C telle que, pour tout x E, la limite lim f (x) = f(x) existe. Alors f est mesurable. 0

6 CHAPITRE 2. APPLICATIONS MESURABLES 6 Démostratio. Établissos tout d abord le poit (i). Par hypothèse, pour tout a R, l esemble {f a} appartiet à A. Or, {sup f a} = {f a}. D après le corollaire 2.1.5, sup f est mesurable. Comme if f = sup( f ), if f est mesurable. Efi, lim sup f = if (sup k f k ) et lim if f = sup (if k f k ) sot mesurables d après ce qui précède. Pour prouver le poit (ii), quitte à cosidérer les parties réelle et imagiaire des foctios f, o peut supposer que f est réelle. Mais alors f = lim if f = lim sup f est mesurable d après (i). Propositio Soit f et g deux applicatios mesurables de (E, A) das R + (mui de sa tribu boréliee). Alors {f < g} et {f g} sot des élémets de A. Démostratio. E décomposat ces esembles de la faço suivate : {f < g} = q Q {f < q < g} = q Q ({f < q} {q < g}), {f g} = 1 {f < g + 1/}, o obtiet leur apparteace à la tribu A. 2.3 Approximatio des foctios mesurables L objet de ce paragraphe est d établir u résultat d approximatio relativemet élémetaire mais fodametal pour la costructio de l itégrale de Lebesgue : toute foctio mesurable à valeurs das R + est limite croissate de foctios élémetaires, appelées foctios étagées. Défiitio O otera M (resp. M + ) l esemble des foctios mesurables (resp. mesurables positives) sur (E, A) à valeurs das R (resp R + ). Défiitio Ue foctio mesurable sur (E, A) à valeurs das C est dite étagée si elle pred seulemet u ombre fii de valeurs distictes. O otera E + (resp. E) l esemble des foctios étagées sur (E, A) à valeurs das R + (resp. C). Ue foctio étagée e peut predre que des valeurs fiies (das C) cotrairemet aux foctios mesurables à valeurs das R. Soit f ue foctio étagée et le ombre de valeurs distictes prises par f. Notos α 1,..., α ces valeurs et posos, pour i = 1...,, A i = {f = α i }. Alors les parties (A i ) i=1,..., sot mesurables et f peut ecore s écrire f = α i 1 Ai. i=1 Réciproquemet, toute combiaiso liéaire à coefficiets réels ou complexes de foctios caractéristiques d esembles mesurables est ue foctio étagée. Remarquos de plus que les foctios étagées sur (E, A) formet u espace vectoriel. Théorème Soit f ue foctio mesurable sur (E, A) à valeurs das R +. Il existe ue suite croissate (f ) N de foctios étagées positives qui coverge simplemet vers f. De plus, la covergece est uiforme sur tout esemble B A sur lequel f est borée.

7 CHAPITRE 2. APPLICATIONS MESURABLES 7 Démostratio. Pour N et k = 0, 2, , posos { k A = {f } et A,k = 2 f < k + 1 } 2. O défiit alors la foctio f par : f = 2 1 k=0 k 2 1 A,k + 1 A. Par défiitio, f est ue foctio étagée positive telle que f f. D autre part, o vérifie que si x A,k, 2k 2k + 1 f (x) si f(x) < f +1 (x) = f (x) si 2k + 1 2(k + 1) 2 +1 f(x) < De même, si x A, + 1 si f(x) + 1 f +1 (x) = + l 2 +1 si + l l + 1 f(x) < , 0 l Aisi, pour tout N et tout x E, f (x) f +1 (x) : la suite (f ) est croissate. De plus, (A ) est ue suite décroissate d élémets de A doc si x A c 0, alors pour tout 0, x A c ou ecore 0 f(x) f (x) 1 2. Ceci implique que (f (x)) coverge vers f(x). Aisi, la suite (f ) coverge sur l esemble A c qui est autre que {f < + }. D autre part, si x {f = + } alors, pour tout N, f (x) = qui ted vers + quad ted vers +. Soit à préset B A tel que f soit borée sur B. Il existe 1 tel que, pour tout x B, f(x) < 1. Alors B A 1 = et aisi, La covergece est doc bie uiforme sur B. 1, x B, 0 f(x) f (x) 1 2. Corollaire Toute foctio f mesurable sur (E, A) à valeurs das R (ou C) est limite simple d ue suite (f ) de foctios étagées à valeurs das R (ou C). Démostratio. Si f est à valeurs das R, o peut l écrire f = f + f avec f + = sup(f, 0) et f = if(0, f). Comme f + et f sot mesurables à valeurs das R +, il existe des suites (g ) et (h ) de foctios étagées positives tedat simplemet vers f + et f respectivemet. La suite (f ), où f = g h, est formée de foctios étagées et coverge simplemet vers f. Si f est à valeurs complexes, o l écrira comme combiaiso de ses parties réelle et imagiaire.

8 Chapitre 3 Mesures positives 3.1 Défiitios et propriétés élémetaires Défiitio Soit (E, A) u espace mesurable. O appelle mesure positive sur (E, A) ue applicatio µ de A das R + telle que (i) µ( ) = 0, (ii) si (A ) N est ue suite d élémets deux à deux disjoits d élémets de A, alors µ( A ) = µ(a ). O peut parfois préciser le terme de mesure positive Si µ(e) < +, o dit que la mesure µ est fiie (ou borée). Si µ(e) = 1, la mesure µ est appelée mesure de probabilité. S il existe ue suite (A ) N d élémets de A telle que A = E et, pour tout N, µ(a ) est fii, o dit que µ est ue mesure σ-fiie. Défiitio O appelle espace mesuré tout triplet (E, A, µ) où (E, A) est u espace mesurable et µ est ue mesure positive sur (E, A). Aalysos à préset les propriétés satisfaites par ue mesure e commeçat par les propriétés faisat iterveir u ombre fii d esembles. =0 Propositio Soit (E, A, µ) u espace mesuré. (i) Si A 1,..., A sot des élémets de A deux à deux disjoits alors µ(a 1 A 2 A ) = µ(a 1 ) + + µ(a ). (ii) Si A et B sot deux élémets de A tels que A B, alors µ(a) µ(b). De plus, si µ(a) < +, alors µ(b\a) = µ(b) µ(a). (iii) Soiet A et B deux élémets de A, µ(a B) + µ(a B) = µ(a) + µ(b). Démostratio. Le poit (i) s établit à partir du poit (ii) de la défiitio d ue mesure e choisissat A k = pour k 1,...,. Pour (ii), si A B, o écrit B = A (B\A). Comme A et (B\A) sot disjoits, µ(b) est égal à µ(a) + µ(b\a) µ(a). Pour établir le poit (iii), distiguos deux cas. Si µ(a B) = + alors µ(a) ou µ(b) vaut aussi +. Sio, il faut remarquer que A B s écrit comme la réuio disjoite de (A\(A B)), A B et B\(A B). E utilisat le poit (i), il viet : µ(a B) = µ(a\(a B)) + µ(a B) + µ(b\(a B)). 8

9 CHAPITRE 3. MESURES POSITIVES 9 Puisque A B est bie etedu iclus das A et das B le poit (ii) fourit le derier argumet : ce qui est le résultat attedu. µ(a B) = µ(a) µ(a B) + µ(a B) + µ(b) µ(a B) = µ(a) + µ(b) µ(a B), Doos ue défiitio équivalete de la otio de mesure (positive). Propositio Ue applicatio µ de A das R + est ue mesure si et seulemet si (i) µ( ) = 0 ; (ii) si A et B sot deux élémets disjoits de A, µ(a B) = µ(a) + µ(b), (iii) pour toute suite croissate (B ) N d élémets de A, µ( B ) = lim µ(b ). Démostratio. Supposos que les poits (i), (ii) et (iii) de la propositio soiet vrais. Par récurrece sur le poit (ii), o obtiet que, si A 1,..., A sot des élémets de A deux à deux disjoits alors µ(a 1 A 2 A ) = µ(a 1 ) + + µ(a ). Soit (A ) N ue suite d élémets deux à deux disjoits de A. Pour tout N, posos B k = k A. O a µ(b k ) = k =0 µ(a ). De plus, (B k ) k N est ue suite croissate et k=0 B k coïcide avec =0 A. Par hypothèse, o obtiet µ( =0A ) = µ( k=0 B k) = lim µ(b k) = lim µ(a k ) = µ(a k ). k Réciproquemet, supposos que µ soit ue mesure. Soit (B ) N ue suite croissate d élémets de A. Posos A 0 = B 0 et, pour tout 1, A = B \B 1 A. Alors (A ) N est ue suite d élémets de A deux à deux disjoits et, pour tout 0, B = k=0 A k. Il e résulte que µ( =0B ) = µ( k=0 A k) = et la propositio est démotrée. µ(a k ) = lim k=0 k=1 k=1 k=0 µ(a k ) = lim µ(b ), Propositio Soit (E, A, µ) u espace mesuré. (i) Si (B ) N est ue suite d élémets de A, alors µ( =0 B ) =0 µ(b ). (ii) Si (A ) N est ue suite décroissate d élémets de A telle qu il existe 0 avec µ(a 0 ) fii, alors la suite (µ(a )) N coverge e décroissat vers µ( A ). Démostratio. Démotros (i). Posos A 0 = B 0 et, pour tout 1, A = B \( k< B k ). Les esembles (A ) N sot deux à deux disjoits et B = k A k. Il e résulte que µ( =0B ) = µ( k=0 A k) = µ(a k ) k=0 µ(b ), puisque A B pour tout N. Démotros (ii). Pour i 0, posos B k = A 0 \A k. La suite (B k ) k 0 est croissate et o a k 0 B k = A 0 \( k 0 A k ). Puisque k 0 A k A 0 et A k A 0, o a d où µ(a 0 \( k 0 A k )) = µ(a 0 ) µ( k 0 A k ) et µ(b k ) = µ(a 0 ) µ(a k ), µ(a 0 ) µ( k 0 A k ) = µ( k 0 B k ) = lim k µ(b k) et doc µ( k 1 A k ) = lim k µ(a k ). =0 = lim k (µ(a 0 ) µ(a k )) = µ(a 0 ) lim k µ(a k),

10 CHAPITRE 3. MESURES POSITIVES 10 Remarque Das l éocé (ii), l hypothèse de l existece d u etier 0 tel que µ(a 0 ) est fii e peut être supprimée. E effet, si µ est la mesure de comptage sur N et A = {, + 1,...} alors µ(a ) = + et A =. 3.2 Mesures discrètes Les premiers exemples de mesures que l o va cosidérer sot à la fois élémetaires et fodametaux. Ils correspodet à l idée ituitive de masses poctuelles : il va s agir d affecter des poids à des poits de l espace. L exemple le plus aïf cosiste à affecter u poids à u seul poit. Défiitio (Mesure de Dirac). Soit (E, A) u espace mesuré et a E. Posos, pour tout A A : { 1 si a A, δ a (A) = 0 si a / A. L applicatio δ a est ue mesure de probabilité, appelée mesure (ou masse) de Dirac au poit a. Remarque Si A A, δ a (A) = 1 A (a). Pour motrer que δ a est ue mesure, utilisos par exemple la défiitio alterative d ue mesure fourie par la propositio Il est clair que δ a ( ) est ul. Soit A et B deux esembles disjoits apparteat à A. Alors δ a (A B) = 1 A B (a) = 1 A (a) + 1 B (a) = δ a (A) + δ a (B). Soit à préset ue suite croissate (B ) N d élémets de A. Alors a B 0 0, a B 0 0 0, 0, a B Doc, si a B alors δ a ( B ) = 1 et la suite (δ a (B )) N (à valeurs das {0, 1}) vaut 1 à partir d u certai rag. De même, si a / B alors δ a ( B ) = 0 et la suite (δ a (B )) N est la suite ulle. Défiitio (Mesure de Beroulli). Soit p ]0, 1[. La mesure de Beroulli de paramètre p est défiie par µ = (1 p)δ 0 + pδ 1. C est ue mesure de probabilité. Défiitio (Mesures discrètes). Soit (E, A) u espace mesurable. Soit (a ) N ue suite de poits de E et (α ) N ue suite de réels positifs. Posos pour tout A A, µ(a) = α δ a (A). =0 L applicatio µ : A R + est ue mesure positive. Tout poit a tel que α > 0 est appelé atome de µ. Remarque Si (a k, ) k, N est ue suite de ombres positifs, alors l égalité ayat lieu das R +. k=0 =0 a k, = =0 k=0 a k,,

11 CHAPITRE 3. MESURES POSITIVES 11 Motros que l applicatio µ = α δ a défiie sur A est ue mesure. Clairemet, µ( ) = 0. Soit (A k ) k N ue suite d élémets disjoits de A. Alors µ( k A k ) = = α δ a ( k A k ) = =0 k=0 =0 α 1 Ak (a ) = α 1 k A k (a ) = =0 k=0 =0 α 1 Ak (a ) =0 α δ a (A k ) = k=0 µ(a k ). Exemple La mesure de Poisso de paramètre λ > 0 est u exemple très classique de mesure discrète. Elle est défiie par µ = + k=0 λ λk e k! δ k. Remarquos de plus que c est ue mesure de probabilité. 3.3 Mesure de Lebesgue Théorème Il existe ue uique mesure λ sur (R, B(R)) telle que (i) λ([0, 1]) = 1, (ii) Pour tout a R et tout B B(R), λ(a + B) = λ(b). Elle est appelée mesure de Lebesgue sur R. Remarque La mesure de Lebesgue est la seule mesure ivariate par traslatio qui affecte la mesure 1 à l esemble [0, 1]. Remarque Ce théorème est dificile. Nous verros lors de la costructio de mesures produit les argumets clé de l uicité. Ue démostratio de ce théorème sera présetée das le cours F2 au secod semestre. Cette mesure coïcide avec la otio ituitive de logueur comme le motre le résultat suivat. Propositio Pour tous a < b réels, k=0 λ([a, b]) = λ(]a, b]) = λ([a, b[) = λ(]a, b[) = b a. Si I est u itervalle o boré alors λ(i) = +. Démostratio. Soit α = λ({0}). Alors, d après l ivariace par traslatio de λ, pour tout x R, λ({x}) = λ(x + {0}) = λ({0}) = α. Aisi, pour tout 1, α = λ({1/k, k = 1,..., }) λ([0, 1]) = 1. Ceci assure doc que α = 0. O dit que λ e charge aucu sigleto. La mesure des itervalles e déped pas du fait qu ils cotieet ou o leurs extrémités (o utilisera cette remarque das la suite sas le rappeler systématiquemet). Soit 1. Découpos ]0, 1] e itervalles disjoits égaux. 1 = λ([0, 1]) = λ(]0, 1]) = λ( k=1 ](k 1)/, k/]) = λ((k 1)/+]0, 1/]) = λ(]0, 1/]). k=1

12 CHAPITRE 3. MESURES POSITIVES 12 Aisi, pour tout 1, λ(]0, 1/] = 1/. Soit à préset 1 et k 1 k 2 Z. Alors λ(]k 1 /, k 2 /]) = λ( k 2 k 1 l=1 ](k 1 + l 1)/, (k 1 + l)/]) = k 2 k 1.. Aisi, pour tous ratioels r r, λ(]r, r [) = r r. Soit a < b R. il existe deux suites (u ) et (v ) de ratioels strictemet décroissate pour la première et strictemet croissate pour la secode telles que u v pour tout et qui coverget respectivemet vers a et b. O obtiet alors λ(]a, b[) = λ( ]u, v [) = lim λ(]u, v [) = lim (v u ) = b a. Soit efi I u itervalle o boré. Supposos-le de la forme [a, + [. Alors, pour tout N, I cotiet [a, a + ] et aisi, λ(i). Ceci assure que λ(i) = +.

13 Chapitre 4 Costructio de l itégrale de Lebesgue Das ce chapitre, o se doe u espace mesuré (E, A, µ). L idée est de costruire l itégrale pour des foctios de plus e plus géérales grâce à des passages à la limite. 4.1 Itégratio des foctios étagées positives Défiitio Soit f ue foctio étagée positive, preat les valeurs distictes α 1,..., α. O pose A i = f 1 ({α i }) pour 1 i. O appelle itégrale de f par rapport à µ, et o ote f dµ, le ombre fii ou ifii (élémet de R+ ) défii par f dµ = α i µ(a i ), avec la covetio usuelle e théorie de la mesure : 0 = 0. i=1 Propositio L itégrale de foctios étagées positives vérifie les propriétés suivates. (i) Si f et g sot deux foctios étagées positives et λ R +, alors (λf + g) dµ = λ f dµ + g dµ. (ii) Si f et g sot deux foctios étagées positives telles que f g, alors f dµ g dµ. Démostratio. Motros la propriété (i) das le cas où λ = 1. Le cas gééral s e déduit immédiatemet. Posos m f = α i 1 Ai et g = β j 1 Bj i=1 où les (α i ) i (resp. les (β j ) j ) sot disticts. Notos γ 1,..., γ l les valeurs (distictes) prises par f + g et C k = (f + g) 1 (γ k ) = (A i B j ), (i,j) I k où I k = {(i, j), α i + β j = γ k }. Puisque les esembles (A i B j ) i,j sot deux à deux disjoits, µ(c k ) = µ(a i B j ). (i,j) I k 13 i=1

14 CHAPITRE 4. CONSTRUCTION DE L INTÉGRALE DE LEBESGUE 14 O a doc par défiitio de l itégrale de f + g (f + g) dµ = l γ k µ(c k ) = k=1 = = = l k=1 (α i + β j )µ(a i B j ) (i,j) I k m m α i µ(a i B j ) + β j µ(a i B j ) i=1 j=1 α i µ(a i ) + i=1 m β j µ(b j ) j=1 f dµ + g dµ. j=1 i=1 Pour établir (ii), il suffit d appliquer (i), e remarquat que g f est ue foctio étagée positive, pour obteir f dµ f dµ + (g f) dµ = (f + (g f)) dµ = g dµ. Ceci achève la preuve. Remarque Soit la foctio f = i α i1 Ai où les (α i ) e sot pas écessairemet disticts et les (A i ) écessairemet disjoits. O a ecore f dµ = i α iµ(a i ). 4.2 Itégratio des foctios mesurables positives Défiitio Soit f ue foctio mesurable à valeurs das R +. O appelle itégrale de f par rapport à µ, et o ote f dµ l élémet de R + défii par { f dµ = sup } u dµ, u E + telle que u f. Remarque Si f est ue foctio étagée positive alors les deux défiitios de so itégrale coïcidet car le supremum est atteit pour u = f. Propositio (Croissace de l itégrale). Pour toutes foctios f et g mesurables positives telles que f g, f dµ g dµ. Démostratio. C est ue coséquece immédiate de l iclusio et de la défiitio de l itégrale. {u E +, u f} {u E +, u g} Voici le premier des grads théorèmes d itervertio limite-itégrale qui fot toute la puissace de la théorie de la mesure. Théorème (de covergece mootoe ou de Beppo Levi). Soit (f ) N ue suite croissate de M +. Alors f = lim f (= sup f ) est aussi das M + et f dµ = f dµ. lim +

15 CHAPITRE 4. CONSTRUCTION DE L INTÉGRALE DE LEBESGUE 15 Démostratio. O sait déjà que le supremum d élémets de M + est ecore das M + d après la propositio Comme f f, o a f dµ f dµ. La croissace de l itégrale assure que la suite ( f dµ) est elle aussi croissate et doc covergete das R +. O obtiet doc lim f dµ f dµ. Démotros l iégalité opposée. Soit u ue foctio positive étagée iférieure à f et λ ]0, 1[. Posos E = {x E, f (x) λu(x)}. La suite (E ) N est doc croissate (au ses de l iclusio). Soit x E. Si u(x) = 0 alors x E pour tout N. Si u(x) > 0 alors lim f (x) = f(x) u(x) > λu(x), et aisi x E pour assez grad et doc E = E. D autre part, par défiitio de E, f λu1 E et doc, pour tout N, par croissace de l itégrale, f dµ λu1 E dµ, La foctio λu1 E est étagée positive. O sait doc calculer so itégrale. Si u = k i=1 α i1 Ai alors k k u dµ = α i µ(a i ) et u1 E dµ = α i µ(a i E ). i=1 Or, pour tout i = 1,..., k, µ(a i E ) coverge e croissat vers µ(a i ), doc, u1 E dµ coverge vers u dµ. O a doc établi que, pour tout u E + tel que u f et tout λ ]0, 1[, lim f dµ lim λ i=1 u1 E dµ = λ u dµ. O obtiet doc, e faisat tedre λ vers 1, que, l itégrale de toute foctio étagée positive u majorée par f est iférieure à la limite des itégrales des foctios f. Il e est doc de même pour l itégrale de f : { f dµ = sup et l égalité est doc établie. } u dµ, u E +, telle que u f lim Corollaire Si f et g sot deux foctios mesurables positives, alors (f + g) dµ = f dµ + g dµ. f dµ, Démostratio. D après le théorème 2.3.3, il existe des suites (f ) N et (g ) N croissates de foctios étagées positives qui coverget simplemet vers f et g respectivemet. Alors la suite (f + g ) N est ue suite croissate de foctios étagées positives qui coverge simplemet vers f + g. La liéarité de l itégrale de foctios étagées assure alors, pour tout, (f + g ) dµ = f dµ + g dµ. Le théorème de Beppo Levi permet de coclure e passat à la limite.

16 CHAPITRE 4. CONSTRUCTION DE L INTÉGRALE DE LEBESGUE 16 Corollaire (Itervertio du sige somme et du sige itégrale). Si (f ) N est ue suite de foctios mesurables positives, o a l égalité ayat lieu das R +. ( ) f dµ = =0 f dµ, Démostratio. Posos g = k=0 f k. La suite (g ) N est ue suite croissate de foctios mesurables doc o peut ( ) f dµ = =0 =0 ( ) lim g dµ = lim ( ) f k dµ = = lim k=0 grâce au théorème de covergece mootoe. 4.3 Itégratio de foctios mesurables k=0 g dµ ( ) f k dµ, Défiitio Ue foctio f défiie sur E à valeurs das R ou C est dite itégrable (par rapport à µ) si elle est mesurable et si f dµ < +. Nous oteros L 1 R (µ) (resp L1 C (µ)) l esemble des foctios itégrables à valeurs réelles (resp. complexes). Pour être plus précis, ous utiliseros (e cas d évetuelles cofusios) les otatios L 1 R (E, A, µ) et L1 C (E, A, µ). Propositio Soit f ue foctio mesurable à valeurs das R. Alors f est itégrable si et seulemet si f + et f le sot. Démostratio. Rappelos que f + = sup(f, 0) et f = if(f, 0) = sup( f, 0). O a alors La propositio découle de ces relatios. f = f + + f, f f, f + f. Défiitio Soit f L 1 R (µ). O appelle itégrale de f, et o ote f dµ, le ombre réel f dµ = f + dµ f dµ. Remarque O pourra oter ecore f dµ = f(x) µ(dx). Certais mathématicies adoptet quat à eux la otatio f(x) dµ(x) que ous éviteros d employer. Ceci dit, il e s agit que d ue otatio, i plus i mois arbitraire qu ue autre. Propositio L esemble L 1 R (µ) est u espace vectoriel sur R et l applicatio qui à f associe f dµ est ue forme liéaire sur cet espace. De plus, o a (i) l itégrale coserve la positivité (si f L 1 R (µ) et f 0, alors f dµ 0), (ii) l itégrale coserve les iégalités (si f, g L 1 R (µ) et f g, alors f dµ g dµ), (iii) si f L 1 R (µ), f dµ f dµ.

17 CHAPITRE 4. CONSTRUCTION DE L INTÉGRALE DE LEBESGUE 17 Démostratio. O sait déjà que l esemble des foctios réelles mesurables est u espace vectoriel sur R. De plus, si f, g L 1 R (µ) et λ R, alors λf + g λ f + g. O e déduit que λf + g dµ λ f dµ + g dµ < +. L esemble L 1 R (µ) est doc u espace vectoriel sur R. Soiet f, g L 1 R (µ). O a { f + g = (f + g) + (f + g) f + g = f + f + g + g, d où (f + g) + + f + g = (f + g) + f + + g +. O itègre cette égalité par rapport à µ e remarquat que tous les termes sot des foctios mesurables positives. Il viet doc (f + g) + dµ + f dµ + g dµ = (f + g) dµ + f + dµ + g + dµ. Toutes ces quatités sot fiies doc o obtiet (f + g) + dµ (f + g) dµ = f + dµ f dµ + g + dµ g dµ, ce qui établit la liéarité de l itégrale. O motre de même que (λf) dµ = λ f dµ. Pour prouver (i), o remarque que, si f L 1 R (µ) est positive, alors so itégrale est celle qui a été défiie das la défiitio Elle appartiet à R +. Le poit (ii) se déduit du poit (i) e cosidérat la foctio positive et itégrable g f. Pour motrer (iii) o écrit tout simplemet, f dµ = f + dµ f dµ f + dµ + f dµ = f dµ, ce qui assure la commutatio aocée de la valeur absolue et de l itégrale. Propositio Soit f ue foctio mesurable à valeurs das C. Alors f est itégrable si et seulemet si Re f et Im f le sot. Défiitio Soit f L 1 C (µ). O appelle itégrale de f, et o ote f dµ, le ombre complexe f dµ = Re f dµ + i Im f dµ. Propositio L esemble L 1 C (µ) est u espace vectoriel sur C et l applicatio qui à f associe f dµ est ue forme liéaire sur cet espace. De plus, f dµ f dµ. Démostratio. Soit α C tel que f dµ = α f dµ. O peut toujours choisir α de module 1 et f dµ = αf dµ = Re (αf) dµ + i Im (αf) dµ Re (αf) dµ + Im (αf) dµ αf dµ = f dµ.

18 CHAPITRE 4. CONSTRUCTION DE L INTÉGRALE DE LEBESGUE Mesures discrètes Soit (E, A) u espace mesurable, (a k ) k N ue suite de poits de E telle que, pour tout k N, {α k } A et (α k ) k N ue suite de réels positifs. O défiit ue mesure µ sur (E, A) µ = α k δ ak. O souhaite étudier l esemble L 1 (µ) et compredre l objet f dµ pour f L 1 (µ). Propositio Avec les otatios du début du paragraphe. (i) Soit f mesurable de (E, A) das R +. Alors, das R +, f dµ = (ii) Ue foctio f mesurable de (E, A) das C est µ-itégrable ssi ce cas, f dµ = α k f(a k ). k=1 k=1 α k f(a k ). k=1 α k f(a k ) < +. Das Démostratio. Démotros le poit (i). O procède e trois étapes. Supposos que f = 1 A avec A A. Alors f dµ = µ(a) = α k 1 A (a k ) = α k f(a k ). k=1 Supposos à préset f étagée positive, alors f = i=1 β i1 Ai. Par liéarité de l itégrale, f dµ = β i µ(a i ) = β i α k 1 Ai (a k ) = β i 1 Ai (a k ) = α k f(a k ). i=1 i=1 k=1 k=1 α k k=1 i=1 Efi, si f est mesurable positive, il existe ue suite croissate de foctios étagées positives (f ) N qui coverge simplemet vers f. Par le théorème de covergece mootoe, f dµ = lim f dµ = lim α k f (a k ) = α k lim f (a k ) = α k f(a k ), k=1 ce qui achève la preuve du poit (i). Démotros à préset le poit (ii). Soit f mesurable à valeurs das C. Appliquos le poit (i) à f : f est µ-itégrable ssi f dµ est fii c est-à-dire ssi k α k f(a k ) est fii. Si tel est le cas, o écrit f = (Re f) + (Re f) + i(im f) + i(im f). Les quatre foctios mesurables positives (Re f) +,...,(Im f) sot itégrables par rapport à µ (puisqu elles sot toutes majorées par f ). D après (i) et la liéarité de l itégrale, o obtiet la relatio souhaitée. Exemple Soit µ la mesure Beroulli de paramètre p ]0, 1[ : µ = pδ 1 + (1 p)δ 0. Alors, 2 x µ(dx) = (1 p) 0 + p 1 et cos(πx/4) µ(dx) = 1 p + p 2. Exemple Soit µ = k=1 p(1 p)k 1 δ k. Alors f L 1 si et seulemet si p(1 p) k 1 f(k) < + et das ce cas, k=1 f dµ = k=1 p(1 p) k 1 f(k). k=1 k=1 k=1 k=1

19 CHAPITRE 4. CONSTRUCTION DE L INTÉGRALE DE LEBESGUE Mesures à desité État doé u espace mesuré (E, A, µ), o peut costruire de ombreuses mesures à partir de µ comme le motre la propositio suivate. Propositio Soit (E, A, µ) u espace mesuré et g ue foctio mesurable positive sur (E, A). Soit ν l applicatio de A das R + défiie par ν(a) = 1 A g dµ = g dµ. Alors ν est ue mesure sur (E, A). Démostratio. O a évidemmet ν( ) = 0. Soit (A ) ue suite d élémets de A deux à deux disjoits. Posos A = A. O a ν(a) = 1 A g dµ = 1 A g dµ = 1 A g dµ = ν(a ), grâce au théorème de covergece mootoe. Défiitio La mesure ν est appelée mesure de desité g par rapport à µ. O la ote souvet g.µ. La foctio g est appelée la desité de ν par rapport à µ. Propositio (Itégratio par rapport à ue mesure à desité). Avec les otatios de la propositio (i) Soit f ue foctio mesurable positive sur (E, A). Alors, das R +, f dν = (f g) dµ. (4.1) A (ii) Soit f ue foctio mesurable à valeurs complexes sur (E, A). Alors f est itégrable pour ν si et seulemet si fg est itégrable pour µ et o a alors f dν = (fg) dµ. Démostratio. Pour démotrer le poit (i), o procède e trois étapes. Si f = 1 A avec A A, la relatio (4.1) découle de la défiitio de ν. Si f est étagée et positive, l égalité se déduit de la liéarité de l itégrale. Supposos efi que f soit simplemet mesurable et positive. Soit (f ) N ue suite croissate de foctios étagées et positives qui coverge simplemet vers f. Par le théorème de covergece mootoe, f dν = lim f dν = lim (f g) dµ = (fg) dµ. Démotros à préset le poit (ii). Soit f mesurable à valeurs das C. Appliquos le poit (i) à f : f est ν-itégrable ssi f g dν est fii c est-à-dire ssi fg est µ-itégrable. Si tel est le cas, o écrit f = (Re f) + (Re f) + i(im f) + i(im f). Les quatre foctios mesurables positives (Re f) +,...,(Im f) sot itégrables par rapport à ν (puisqu elles sot toutes majorées par f ). D après (i) et la liéarité de l itégrale, o obtiet la relatio souhaitée.

20 CHAPITRE 4. CONSTRUCTION DE L INTÉGRALE DE LEBESGUE Itégratio par rapport à ue mesure image Propositio (Défiitio d ue mesure image). Soit (E, A) et (F, B) deux espaces mesurables et ϕ ue applicatio mesurable de E das F. Soit µ ue mesure sur (E, A). L applicatio ν qui à B B associe ν(b) = µ(ϕ 1 (B)) défiit ue mesure sur (F, B) appelée mesure image de µ par ϕ. O la otera µ ϕ. Démostratio. Comme ϕ 1 ( ) =, o a µ(ϕ 1 ( )) = 0. Soit (B ) N ue suite d élémets de B deux à deux disjoits. La suite (ϕ 1 (B )) est ue suite d élémets de A deux à deux disjoits et ϕ 1 ( B ) = ϕ 1 (B ) doc ν( B ) = µ(ϕ 1 ( B )) = µ( ϕ 1 (B )) = µ(ϕ 1 (B )) = ν(b ), ce qui achève la preuve. Propositio Avec les otatios de la propositio (i) Soit f ue foctio mesurable positive défiie sur (F, B). Alors (l égalité a lieu das R + ) f dµ ϕ = f ϕ dµ. (4.2) F (ii) Soit f ue foctio mesurable à valeurs complexes défiie sur (F, B). Alors f est itégrable par rapport à µ ϕ si et seulemet si f ϕ est itégrable par rapport à µ. Das ce cas, f dµ ϕ = f ϕ dµ. F Démostratio. Démotros le poit (i) e trois étapes. Si f est la foctio idicatrice de B B, l égalité µ ϕ (B) = µ(ϕ 1 (B)) qui défiit la mesure image s écrit ecore 1 B dµ ϕ = 1 ϕ 1 (B) dµ = 1 B ϕ dµ. Y X Si f est étagée positive, la relatio (4.2) se déduit du cas précédet par liéarité. Efi, si f est mesurable positive, d après le théorème d approximatio 2.3.3, il existe ue suite (f ) N croissate de foctios étagées positives qui coverge simplemet vers f. Alors (f ϕ) N est ue suite croissate de foctios étagées positives qui coverge simplemet vers f ϕ. D après ce qui précède, o a, pour tout N, f dµ ϕ = f ϕ dµ, Y et l égalité souhaitée est coséquece du théorème de covergece mootoe. Démotros à préset le poit (ii). Soit f mesurable à valeurs das C. Le poit (i) appliqué à f motre que f est itégrable par rapport à µ ϕ si et seulemet si f ϕ l est par rapport à µ. Supposos doc f itégrable et écrivos alors f = (Re f) + (Re f) + i(im f) + i(im f). Les quatre foctios mesurables positives (Re f) +,...,(Im f) sot itégrables par rapport à µ ϕ (puisqu elles sot toutes majorées par f ). D après (i) et la liéarité de l itégrale, o obtiet la relatio souhaitée. X E E X

21 CHAPITRE 4. CONSTRUCTION DE L INTÉGRALE DE LEBESGUE Itégrale de Lebesgue et itégrale de Riema Rappelos brièvemet les pricipes fodametaux de l itégrale de Riema Itégrale sur u itervalle compact Soit f ue foctio réelle borée sur [a, b]. Soit σ : a = x 0 < x 1 < < x +1 = b ue subdivisio de [a, b]. O appelle pas de la subdivisio le ombre δ(σ) = max 1 k +1 (x k x k 1 ). Posos m k = if {f(t), t [x k, x k+1 ]} et M k = sup {f(t), t [x k, x k+1 ]}. Les sommes de Darboux associées à la subdivisio σ sot s(σ) = m k (x k+1 x k ) et S(σ) = k=1 M k (x k+1 x k ). Défiitio O dit que f est itégrable au ses de Riema sur [a, b] s il existe u ombre réel I tel que les sommes s(σ) et S(σ) tedet vers I quad δ(σ) ted vers 0 : ε > 0, η > 0, σ t.q. δ(σ) η, S(σ) I ε et s(σ) I ε. Le ombre I est alors appelé l itégrale de Riema de f sur [a, b] et o le ote b a f(t) dt. Cosidéros à ouveau la subdivisio σ et, pour tout k, choisissos ξ k [x k 1, x k ]. La somme de Riema défiie par σ et ξ = (ξ 1,..., ξ ) est par défiitio S(σ, ξ) = k=1 f(ξ k )(x k x k 1 ). k=1 Si f est itégrable au ses de Riema, les sommes de Riema coverget vers b a f(t) dt lorsque δ(σ) ted vers 0, uiformémet par rapport au choix de ξ. Plus précisémet, ε > 0, η > 0, σ t.q. δ(σ) η, ξ associé à σ, S(σ, ξ) I ε. Théorème Toute foctio f cotiue par morceaux sur [a, b] est itégrable au ses de Riema. De plus, si f est cotiue, la foctio x F (x) = x a f(t) dt est dérivable sur [a, b] de dérivée F = f Itégrale gééralisée Soit f : [a, b[ R, où b peut être égal à +, localemet itégrable au ses de Riema ; c est-à-dire itégrable au ses de Riema sur tout itervalle compact [a, c] [a, b[. O dit que f admet ue itégrale gééralisée sur [a, b[ si la foctio x x a f(t) dt admet ue limite lorsque x ted vers b (avec x < b). O pose alors b a f(t) dt = lim x b x a f(t) dt. Das ce cas, o dit ecore que l itégrale b a f(t) dt est covergete. O dit que l itégrale gééralisée b a f(t) dt est absolumet covergete si l itégrale b a f(t) dt est covergete. Remarque La covergece absolue etraîe la covergece, mais la réciproque est fausse comme le motre l exemple classique si t dt. t 1

22 CHAPITRE 4. CONSTRUCTION DE L INTÉGRALE DE LEBESGUE Comparaiso des itégrales de Riema et Lebesgue pour ue foctio borée sur u itervalle compact Propositio Soit f ue foctio cotiue sur [a, b]. Alors si λ désige la mesure de Lebesgue sur R, f1 [a,b] L 1 R (λ) et 1 [a,b] f dλ = R b a f(t) dt. Démostratio. Il est clair que f1 [a,b] est boréliee. Soit M = sup t [a,b] f(t). La foctio f état cotiue sur le compact [a, b], M est u réel positif et f1 [a,b] M1 [a,b] L 1 R (λ), ce qui assure que f1 [a,b] est Lebesgue-itégrable. De même, pour tout x [a, b], f1 [a,x] est Lebesgue-itégrable. Posos F (x) = f1 [a,x] dλ et motros que F est dérivable e tout poit x 0 de [a, b] de dérivée f(x 0 ). Soit h > 0. Comme o a d où 1 [a,x0 +h]f = 1 [a,x0 ]f + 1 ]x0,x 0 +h]f, F (x 0 + h) F (x 0 ) h F (x 0 + h) F (x 0 ) h = 1 h f(x 0 ) = 1 h 1 ]x0,x 0 +h]f dλ, 1 ]x0,x 0 +h](f f(x 0 )) dλ. Soit ε > 0. Puisque f est cotiue e x 0, il existe η > 0 tel que pour tout x tel que x x 0 η, o ait f(x 0 ) f(x) ε. Si 0 < h < η alors F (x 0 + h) F (x 0 ) f(x 0 ) h 1 ε1 h ]x0,x 0 +h] dλ = ε. Le cas h < 0 se traite de même. Aisi, F est dérivable sur [a, b] de dérivée f. Comme F (a) = 0 (car λ({a}) = 0), o a F (x) = x a f(t) dt pour tout x [a, b] (et otammet pour x = b). Remarque La propositio précédete s éted facilemet au cas d ue foctio f cotiue par morceaux. Elle coduit à oter [a,b] f dx l itégrale de Lebesgue f1 [a,b] dλ (et même b a f(x) dx). Cette otatio est souvet adoptée pour ue foctio f itégrable au ses de Lebesgue sur [a, b] sas hypothèse de cotiuité. Lorsque l o sort du cadre des foctios cotiues par morceaux, les lies etre itégrales de Riema et de Lebesgue sot assez subtils. Voici quelques résultats éclairats. Il existe des foctios itégrables au ses de Lebesgue qui e sot pas itégrables au ses de Riema. Par exemple la foctio f = 1 Q [0,1] est itégrable au ses de Lebesgue et so itégrale est ulle. E revache, pour toute subdivisio σ de [0, 1], o a S(σ) = 1 et s(σ) = 0. Les foctios itégrables au ses de Riema sur [a, b] sot coues. Théorème (Lebesgue). Ue foctio f : [a, b] R borée est itégrable au ses de Riema ssi il existe N [a, b] de mesure de Lebesgue ulle tel que f est cotiue e tout x [a, b]\n.

23 CHAPITRE 4. CONSTRUCTION DE L INTÉGRALE DE LEBESGUE Itégrale de Riema gééralisée et itégrale de Lebesgue Propositio Soit f : [a, b[ R ue foctio cotiue. Alors f1 [a,b[ L 1 R (λ) si et seulemet si b a f(t) dt est absolumet covergete et, das ce cas, o a b f1 [a,b[ dλ = f(t) dt. Démostratio. Supposos d abord f positive. Soit (b ) N ue suite croissate de poits de [a, b[ qui coverge vers b. Pour tout, f1 [a,b[ dλ = a b a f(t) dt. E utilisat le théorème de covergece mootoe (pour l itégrale de Lebesgue), o a f1 [a,b[ dλ = lim + f1 [a,b[ dλ = b lim + a f(t) dt R +. Or, par défiitio, f est itégrable au ses de Lebesgue si et seulemet si cette limite est fiie, doc si et seulemet si f est itégrable au ses de Riema. De plus les itégrales sot les mêmes. Das le cas gééral, o sait que f est itégrable au ses de Lebesgue si et seulemet si f l est, doc si et seulemet si b a f(t) dt est absolumet covergete. Si c est le cas, écrivos f = f + f. O a f + f et f f doc f + et f sot itégrables das les deux ses et f + 1 [a,b[ dλ = d où le résultat par liéarité. b a f + (t) dt, et f 1 [a,b[ dλ = b a f (t) dt,

24 Chapitre 5 Théorèmes limites et applicatios 5.1 Lemme de Fatou Das le chapitre précédet, ous avos déjà établi u théorème limite fodametal : le théorème de covergece mootoe (ou théorème de Beppo Levi). Théorème Soit (f ) N ue suite croissate de M +. Alors f = lim f M + et f dµ = lim f dµ. + Toutefois, l hypothèse de croissace, très pratique puisqu elle assure l existece de la limite das R +, est iadaptée das bie des situatios. Nous avos besoi d u théorème valable pour ue suite de foctios géérique. Le prix à payer est que l o e sera plus assuré de l existece d ue limite. Par cotre la foctio lim if f est ecore défiie et c est elle qui remplacera avatageusemet la foctio lim f. Théorème (Lemme de Fatou). Si (f ) N est ue suite de foctios mesurables positives, alors lim if f dµ lim if f dµ. Démostratio. Posos g = lim if f. Par défiitio, g = lim if f k = sup if f k. + k k La foctio g = if k f k est ue foctio mesurable positive et la suite (g ) N coverge e croissat vers g. Le théorème de covergece mootoe assure doc : lim g dµ = lim if f dµ. D autre part, pour tout N, g f, d où, par croissace de l itégrale, g dµ f dµ. Le secod membre de cette iégalité a pas écessairemet de limite mais sa limite iférieure existe toujours. O obtiet doc (par passage à la limite iférieure ) : lim if N g dµ lim if f dµ. La limite iférieure du premier membre de l iégalité ci-dessus est e fait ue limite d après la première partie de la preuve, qui est rie d autre que l itégrale de la limite iférieure de la suite (f ) N. Cette remarque achève doc la preuve. 24

25 CHAPITRE 5. THÉORÈMES LIMITES ET APPLICATIONS Esembles et foctios égligeables Défiitio Soit (E, A, µ) u espace mesuré. (i) O dit qu ue partie N de E est égligeable pour µ (ou µ-égligeable) s il existe A A tel que N A et µ(a) = 0. (ii) O dit que la tribu A est complète pour µ si toute partie µ-égligeable appartiet à A. Défiitio Soit (E, A, µ) u espace mesuré. O dit qu ue propriété P sur E est vraie presque partout (e abrégé p.p. ou µ-p.p.) si l esemble des poits de E où elle est fausse est égligeable. Ue foctio f défiie sur E à valeurs réelles ou complexes est dite µ-égligeable si {f 0} est égligeable. Deux foctios f et g défiies sur E à valeurs das u même esemble F sot dites égales presque partout si {f g} est égligeable. O dit qu ue suite (f ) N de foctios défiies sur E à valeurs das C coverge vers f µ-presque partout s il existe u esemble µ-égligeable N tel que pour tout x / N, o ait lim f (x) = f(x). Le lemme suivat est très utile e pratique. Lemme (Iégalité de Markov). Soit f ue foctio mesurable positive sur (E, A). Alors pour tout λ > 0, o a µ({f λ}) 1 f dµ. λ Démostratio. Il suffit d itégrer la relatio λ1 {f λ} f qui est vraie puisque f est positive. Propositio Soit f ue foctio mesurable de (E, A) das R telle que f dµ < +. Alors f est fiie µ-presque partout. Démostratio. E effet, pour tout, o a 1 f dµ µ({ f }) µ({ f = + }). Comme f dµ est fii, e faisat tedre vers +, o obtiet µ({ f = + }) = 0. Remarque La réciproque de cette propositio est fausse : la foctio costate égale à 1 est fiie λ-p.p. mais est pas itégrable par rapport à la mesure de Lebesgue. Propositio Soit f ue foctio mesurable sur (E, A) à valeurs complexes. Alors f est égligeable si et seulemet si f dµ = 0. Démostratio. Supposos tout d abord que f est égligeable. Comme mi( f, ) 1 {f 0}, o a mi( f, ) dµ µ({f 0}) = 0, d où mi( f, ) dµ = 0 pour tout. D après le théorème de covergece mootoe, o a alors f dµ = lim mi( f, ) dµ = lim mi( f, ) dµ = 0. Réciproquemet, supposos que f dµ = 0. Alors, pour tout 1, o a ({ µ f 1 }) f dµ = 0.

26 CHAPITRE 5. THÉORÈMES LIMITES ET APPLICATIONS 26 L esemble { f 0} s écrit doc comme réuio déombrable d esembles de mesure ulle : { f 0} = { f 1 }. 1 Il est doc égalemet de mesure ulle. Propositio Soit (E, A, µ) u espace mesuré. (i) Soit f et g deux foctios mesurables positives telles que f g presque partout. Alors f dµ g dµ. (ii) Soit f et g deux foctios mesurables positives telles que f = g presque partout. Alors f dµ = g dµ. (iii) Soit f et g deux foctios mesurables complexes telles que f = g presque partout. Alors f est itégrable si et seulemet si g l est et, das ce cas, f dµ g dµ. Démostratio. Pour prouver (i), o écrit que l o itègre par rapport à µ : f dµ = f = f1 {f g} + f1 {f>g}, f1 {f g} dµ + f1 {f>g} dµ. Par hypothèse, f1 {f>g} est égligeable doc so itégrale est ulle. O a doc f dµ = f1 {f g} dµ. De même, o voit que g dµ = g1 {f g} dµ. Pour coclure, il suffit de remarquer que f1 {f g} g1 {f g}. Le poit (ii) se déduit de (i) par symétrie etre f et g. Démotros (iii). Si f = g µ-p.p., alors f = g µ-p.p., d où f dµ = g dµ par (ii). Par coséquet f L 1 C (µ) si et seulemet si g L1 C (µ). O obtiet la coclusio par égalité µ-p.p. des parties positives et égatives des parties réelles et imagiaires et e appliquat (ii). 5.3 Théorème de covergece domiée Théorème (de covergece domiée). Soit (f ) N ue suite de foctios mesurables sur (E, A) à valeurs das R ou C telle que : (i) (f ) N coverge µ-presque partout vers ue foctio f mesurable, (ii) il existe ue foctio g positive apparteat à L 1 R (µ) telle que 1, f (x) g(x) µ p.p. Alors les foctios (f ) N et f sot itégrables et lim f dµ = f dµ. O a même lim f f dµ = 0.

27 CHAPITRE 5. THÉORÈMES LIMITES ET APPLICATIONS 27 Démostratio. Supposos tout d abord que la covergece de (f ) N vers f ait lieu partout et que les iégalités (ii) soiet vraies pour tout x E. Posos g = 2g f f. Alors (g ) N est ue suite de foctios mesurables positives, et d après le lemme de Fatou, 2 g dµ = lim if g dµ lim if g dµ = 2 g dµ lim sup f f dµ. Puisque g dµ < +, o voit que lim sup f f dµ 0. O e déduit doc que lim f f dµ = 0. + Il e résulte que f dµ = lim f dµ. Passos à préset au cas gééral. Soit N A tel que, si x / N, lim f (x) = f(x) et µ(n) = 0. Choisissos de plus, pour tout N, u esemble N A tel que si x / N f (x) g(x) et µ(e ) = 0. Posos M = N ( N ) A. O a ecore µ(m) = 0. Posos h = f 1 M c et h = f1 M c. O a, pour tout x E et tout, lim h m(x) = h(x) et h (x) g(x). m + La première partie de la preuve assure doc que lim h h dµ = 0. Pour coclure, il suffit de remarquer que h = f µ-p.p. et h = f µ-p.p. Corollaire Soit (f ) N ue suite de foctios mesurables sur (E, A) à valeurs das R ou C telle que f dµ < +. Alors les foctios (f ) N sot itégrables, la série f coverge µ-p.p. et il existe f L 1 (µ) telle que f = f µ p.p., lim f f k dµ = 0, =1 k=1 f dµ = f dµ. Démostratio. Posos g = 1 f. D après le corollaire (itervertio série-itégrale pour des foctios positives), g dµ = f dµ < +. 1 =1 La foctio g état itégrable, elle est fiie µ-p.p. Posos { N = x E, + =1 f (x) = + C est u esemble égligeable de A, et si x / N, la série f (x) est absolumet covergete, doc covergete. Posos alors + f (x) si x / N, f(x) = =1 0 si x N. Cette foctio est mesurable comme limite simple de la suite (1 N c k=1 f k) N de foctios mesurables. De plus, comme }. x N c, f(x) + =1 f (x) = g(x),

1 Mesure et intégrale

1 Mesure et intégrale 1 Mesure et itégrale 1.1 Tribu boréliee et foctios mesurables Soit =[a, b] u itervalle (le cas où b = ou a = est pas exclu) et F ue famille de sous-esembles de. OditqueF est ue tribu sur si les coditios

Plus en détail

Chapitre 3 : Fonctions d une variable réelle (1)

Chapitre 3 : Fonctions d une variable réelle (1) Uiversités Paris 6 et Paris 7 M1 MEEF Aalyse (UE 3) 2013-2014 Chapitre 3 : Foctios d ue variable réelle (1) 1 Lagage topologique das R Défiitio 1 Soit a u poit de R. U esemble V R est u voisiage de a s

Plus en détail

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1 Premières propriétés des ombres réels 2 Suites umériques 3 Suites mootoes : à faire 4 Séries umériques 4. Notio de série. Défiitio 4.. Soit (u ) ue suite de ombres réels ou complexes. Pour N N, o ote S

Plus en détail

Limites des Suites numériques

Limites des Suites numériques Chapitre 2 Limites des Suites umériques Termiale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Limite fiie ou ifiie d ue suite. Limites et comparaiso. Opératios sur les ites. Comportemet

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Exo7 Topologie Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Exercice **

Plus en détail

Etude de la fonction ζ de Riemann

Etude de la fonction ζ de Riemann Etude de la foctio ζ de Riema ) Défiitio Pour x réel doé, la série de terme gééral,, coverge si et seulemet si x >. x La foctio zeta de Riema est la foctio défiie sur ], [ par : ( x > ), = x. Remarque.

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n =

[http://mp.cpgedupuydelome.fr] édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ 02475 ] [correction] Si n est un entier 2, le rationnel H n = [http://mp.cpgedupuydelome.fr] édité le 1 juillet 14 Eocés 1 Nombres réels Ratioels et irratioels Exercice 1 [ 9 ] [correctio] Motrer que la somme d u ombre ratioel et d u ombre irratioel est u ombre irratioel.

Plus en détail

CHAPITRE 2 SÉRIES ENTIÈRES

CHAPITRE 2 SÉRIES ENTIÈRES CHAPITRE 2 SÉRIES ENTIÈRES 2. Séries etières Défiitio 2.. O appelle série etière toute série de foctios ( ) f dot le terme gééral est de la forme f ()=a, où (a ) désige ue suite réelle ou complee et R.

Plus en détail

Processus et martingales en temps continu

Processus et martingales en temps continu Chapitre 3 Processus et martigales e temps cotiu 1 Quelques rappels sur les martigales e temps discret (voir [4]) O cosidère u espace filtré (Ω, F, (F ) 0, IP). O ote F = 0 F. Défiitio 1.1 Ue suite de

Plus en détail

Introduction : Mesures et espaces de probabilités

Introduction : Mesures et espaces de probabilités Itroductio : Mesures et espaces de probabilités Référeces : Poly cédric Berardi et Jea Michel Morel. J.-F. Le Gall, Itégratio, Probabilités et Processus Aléatoire J.-Y. Ouvrard, Probabilités 2, maîtrise-agrégatio,

Plus en détail

Séries réelles ou complexes

Séries réelles ou complexes 6 Séries réelles ou complexes Comme pour le chapitre 3, les suites cosidérées sot a priori complexes et les résultats classiques sur les foctios cotiues ou dérivables d ue variable réelle sot supposés

Plus en détail

Suites et séries de fonctions

Suites et séries de fonctions [http://mp.cpgedupuydelome.fr] édité le 3 avril 5 Eocés Suites et séries de foctios Propriétés de la limite d ue suite de foctios Eercice [ 868 ] [correctio] Etablir que la limite simple d ue suite de

Plus en détail

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3. EXERCICE 3 (6 poits ) (Commu à tous les cadidats) Il est possible de traiter la partie C sas avoir traité la partie B Partie A O désige par f la foctio défiie sur l itervalle [, + [ par Détermier la limite

Plus en détail

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Exercice I ( non spé ) 1/ u 1 = 3 4. 2 3 u 2 4 + 3 9. 19 4 2/ Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1 Bac blac TS Correctio Exercice I ( Spé ) / émotros par récurrece que 5x y = pour tout etier aturel 5x y = 5 8 = La propriété est doc vraie au rag = Supposos que la propriété est vraie jusqu au rag, o a

Plus en détail

14 Chapitre 14. Théorème du point fixe

14 Chapitre 14. Théorème du point fixe Chapitre 14 Chapitre 14. Théorème du poit fixe Si l o examie de plus près les méthodes de Lagrage et de Newto, étudiées au chapitre précédet, elles revieet das leur pricipe à remplacer la résolutio de

Plus en détail

Comportement d'une suite

Comportement d'une suite Comportemet d'ue suite I) Approche de "ses de variatio et de ite d'ue suite" : 7 Soit la suite ( ) telle que = 5 ( + ) 2 Représetos graphiquemet la suite das u pla mui d' u repère. Il suffit de placer

Plus en détail

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre 2010. 1.1 Quelques dénitions Déombremet ECE3 Lycée Carot 12 ovembre 2010 Itroductio La combiatoire, sciece du déombremet, sert comme so om l'idique à compter. Il e s'agit bie etedu pas de reveir au stade du CP et d'appredre à compter

Plus en détail

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X Exo7 Détermiats Exercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable T : pour

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable Eo7 Séries etières Eercices de Jea-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-fracefr * très facile ** facile *** difficulté moyee **** difficile ***** très difficile I : Icotourable Eercice

Plus en détail

4 Approximation des fonctions

4 Approximation des fonctions 4 Approximatio des foctios Ue foctio f arbitraire défiie sur u itervalle I et à valeur das IR peut être représetée par so graphe, ou de maière équivalete par la doée de l esemble de ses valeurs f(t) pour

Plus en détail

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3 1 Groupe orthogoal d'u espace vectoriel euclidie de dimesio, de dimesio Voir le chapitre 19 pour l'étude des espaces euclidies et des isométries. État doé u espace euclidie E de dimesio 1, o rappelle que

Plus en détail

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

Intégration et probabilités ENS Paris, 2012-2013. TD (20)13 Lois des grands nombres, théorème central limite. Corrigé : Itégratio et probabilités EN Paris, 202-203 TD 203 Lois des grads ombres, théorème cetral limite. Corrigé Lois des grads ombres Exercice. Calculer e cet leços Détermier les limites suivates : x +... +

Plus en détail

STATISTIQUE : TESTS D HYPOTHESES

STATISTIQUE : TESTS D HYPOTHESES STATISTIQUE : TESTS D HYPOTHESES Préparatio à l Agrégatio Bordeaux Aée 203-204 Jea-Jacques Ruch Table des Matières Chapitre I. Gééralités sur les tests 5. Itroductio 5 2. Pricipe des tests 6 2.a. Méthodologie

Plus en détail

Les Nombres Parfaits.

Les Nombres Parfaits. Les Nombres Parfaits. Agathe CAGE, Matthieu CABAUSSEL, David LABROUSSE (2 de Lycée MONTAIGNE BORDEAUX) et Alexadre DEVERT, Pierre Damie DESSARPS (TS Lycée SUD MEDOC LETAILLAN MEDOC) La première partie

Plus en détail

Séquence 5. La fonction logarithme népérien. Sommaire

Séquence 5. La fonction logarithme népérien. Sommaire Séquece 5 La foctio logarithme épérie Objectifs de la séquece Itroduire ue ouvelle foctio : la foctio logarithme épérie. Coaître les propriétés de cette foctio : sa dérivée, ses variatios, sa courbe, sa

Plus en détail

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9 Au sommaire : Suites extraites Le théorème de Bolzao-Weierstrass La preuve du théorème de Bolzao-Weierstrass3 Foctio K-cotractate4 Le théorème du poit fixe5 La preuve du théorème du poit fixe6 Utilisatios

Plus en détail

STATISTIQUE AVANCÉE : MÉTHODES

STATISTIQUE AVANCÉE : MÉTHODES STATISTIQUE AVANCÉE : MÉTHODES NON-PAAMÉTIQUES Ecole Cetrale de Paris Arak S. DALALYAN Table des matières 1 Itroductio 5 2 Modèle de desité 7 2.1 Estimatio par istogrammes............................

Plus en détail

Statistique descriptive bidimensionnelle

Statistique descriptive bidimensionnelle 1 Statistique descriptive bidimesioelle Statistique descriptive bidimesioelle Résumé Liaisos etre variables quatitatives (corrélatio et uages de poits), qualitatives (cotigece, mosaïque) et de types différets

Plus en détail

EXERCICES : DÉNOMBREMENT

EXERCICES : DÉNOMBREMENT Chapitre 7 ECE 1 - Grad Nouméa - 015 EXERCICES : DÉNOMBREMENT LISTES / ARRANGEMENTS Exercice 1 : Le code ativol Pour so vélo, Toto possède u ativol a code. Le code est ue successio de trois chiffres compris

Plus en détail

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI FEUILLE D EXERCICES 7 - PROBABILITÉS SUR UN UNIVERS FINI Exercice - Lacer de dés O lace deux dés à 6 faces équilibrés. Calculer la probabilité d obteir : u double ; ue somme des deux dés égale à 8 ; ue

Plus en détail

Des résultats d irrationalité pour deux fonctions particulières

Des résultats d irrationalité pour deux fonctions particulières Collect. Math. 5, 00, 0 c 00 Uiversitat de Barceloa Des résultats d irratioalité pour deux foctios particulières Richard Choulet 7, Rue du 4 Août, 40 Aveay, Frace E-mail: richardchoulet@waadoo.fr Received

Plus en détail

Probabilités et statistique pour le CAPES

Probabilités et statistique pour le CAPES Probabilités et statistique pour le CAPES Béatrice de Tilière Frédérique Petit 2 3 jui 205. Uiversité Pierre et Marie Curie 2. Uiversité Pierre et Marie Curie 2 Table des matières Modélisatio de phéomèes

Plus en détail

SÉRIES STATISTIQUES À DEUX VARIABLES

SÉRIES STATISTIQUES À DEUX VARIABLES 1 ) POSITION DU PROBLÈME - VOCABULAIRE A ) DÉFINITION SÉRIES STATISTIQUES À DEUX VARIABLES O cosidère deux variables statistiques umériques x et y observées sur ue même populatio de idividus. O ote x 1

Plus en détail

Exercices de mathématiques

Exercices de mathématiques MP MP* Thierry DugarDi Marc rezzouk Exercices de mathématiques Cetrale-Supélec, Mies-Pots, École Polytechique et ENS Coceptio et créatio de couverture : Atelier 3+ Duod, 205 5 rue Laromiguière, 75005 Paris

Plus en détail

20. Algorithmique & Mathématiques

20. Algorithmique & Mathématiques L'éditeur L'éditeur permet à l'utilisateur de saisir les liges de codes d'u programme ou de défiir des foctios. Remarque : O peut saisir directemet des istructios das la cosole Scilab, mais il est plus

Plus en détail

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales PROMENADE ALÉATOIRE : Chaîes de Markov et martigales Thierry Bodieau École Polytechique Paris Départemet de Mathématiques Appliquées thierry.bodieau@polytechique.edu Novembre 2013 2 Table des matières

Plus en détail

Cours de Statistiques inférentielles

Cours de Statistiques inférentielles Licece 2-S4 SI-MASS Aée 2015 Cours de Statistiques iféretielles Pierre DUSART 2 Chapitre 1 Lois statistiques 1.1 Itroductio Nous allos voir que si ue variable aléatoire suit ue certaie loi, alors ses réalisatios

Plus en détail

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

16.1 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 détail

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009 M LA REGRESSION : HYPOTHESES ET TESTS Avril 009 I LES HYPOTHESES DE LA MCO. Hypothèses sur la variable explicative a. est o stochastique. b. a des valeurs xes das les différets échatillos. c. Quad ted

Plus en détail

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices

Dénombrement. Chapitre 1. 1.1 Enoncés des exercices Chapitre 1 Déombremet 1.1 Eocés des exercices Exercice 1 L acie système d immatriculatio fraçais était le suivat : chaque plaque avait 4 chiffres, suivis de 2 lettres, puis des 2 uméros du départemet.

Plus en détail

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil. Qu appelle-t-o éclipse? Éclipser sigifie «cacher». Vus depuis la Terre, deu corps célestes peuvet être éclipsés : la Lue et le Soleil. LES ÉCLIPSES Pour qu il ait éclipse, les cetres de la Terre, de la

Plus en détail

Processus géométrique généralisé et applications en fiabilité

Processus géométrique généralisé et applications en fiabilité Processus géométrique gééralisé et applicatios e fiabilité Lauret Bordes 1 & Sophie Mercier 2 1,2 Uiversité de Pau et des Pays de l Adour Laboratoire de Mathématiques et de leurs Applicatios - Pau UMR

Plus en détail

Chaînes de Markov. Arthur Charpentier

Chaînes de Markov. Arthur Charpentier Chaîes de Markov Arthur Charpetier École Natioale de la Statistique et d Aalyse de l Iformatio - otes de cours à usage exclusif des étudiats de l ENSAI - - e pas diffuser, e pas citer - Quelques motivatios.

Plus en détail

Contribution à la théorie des entiers friables

Contribution à la théorie des entiers friables UFR STMIA École Doctorale IAE + M Uiversité Heri Poicaré - Nacy I DFD Mathématiques THÈSE présetée pour l obtetio du titre de Docteur de l Uiversité Heri Poicaré, Nacy-I e Mathématiques par Bruo MARTIN

Plus en détail

Baccalauréat S Asie 19 juin 2014 Corrigé

Baccalauréat 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 détail

Cours 5 : ESTIMATION PONCTUELLE

Cours 5 : ESTIMATION PONCTUELLE Cours 5 : ESTIMATION PONCTUELLE A- Gééralités B- Précisio d u estimateur C- Exhaustivité D- iformatio E-estimateur sas biais de variace miimale, estimateur efficace F- Quelques méthode s d estimatio A-

Plus en détail

Chapitre 3 : Transistor bipolaire à jonction

Chapitre 3 : Transistor bipolaire à jonction Chapitre 3 : Trasistor bipolaire à joctio ELEN075 : Electroique Aalogique ELEN075 : Electroique Aalogique / Trasistor bipolaire U aperçu du chapitre 1. Itroductio 2. Trasistor p e mode actif ormal 3. Courats

Plus en détail

DETERMINANTS. a b et a'

DETERMINANTS. a b et a' 2003 - Gérard Lavau - http://perso.waadoo.fr/lavau/idex.htm Vous avez toute liberté pour télécharger, imprimer, photocopier ce cours et le diffuser gratuitemet. Toute diffusio à titre oéreux ou utilisatio

Plus en détail

Théorie de la Mesure et Intégration

Théorie 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 détail

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES DEUXIEME PARTIE Deuième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES Chapitre. L assurace de capital différé Chapitre 2. Les opératios de retes Chapitre 3. Les assuraces décès Chapitre 4. Les assuraces

Plus en détail

Intégrale de Lebesgue

Intégrale 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 détail

2 ième partie : MATHÉMATIQUES FINANCIÈRES

2 ième partie : MATHÉMATIQUES FINANCIÈRES 2 ième partie : MATHÉMATIQUES FINANCIÈRES 1. Défiitios L'itérêt est l'idemité que doe au propriétaire d'ue somme d'arget celui qui e a joui pedat u certai temps. Divers élémets itervieet das le calcul

Plus en détail

Théorie de la Mesure et Intégration

Théorie 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 détail

Séries numériques. Chap. 02 : cours complet.

Séries numériques. Chap. 02 : cours complet. Séris méris Cha : cors comlt Séris d réls t d comlxs Défiitio : séri d réls o d comlxs Défiitio : séri corgt o dirgt Rmar : iflc ds rmirs trms d séri sr la corgc Théorèm : coditio écssair d corgc Théorèm

Plus en détail

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) RAIRO Operatios Research RAIRO Oper. Res. 34 (2000) 99-129 TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 ) Commuiqué par Berard LEMAIRE Résumé. L étude

Plus en détail

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014

Université Pierre et Marie Curie. Biostatistique PACES - UE4 2013-2014 Uiversité Pierre et Marie Curie Biostatistique PACES - UE4 2013-2014 Resposables : F. Carrat et A. Mallet Auteurs : F. Carrat, A. Mallet, V. Morice Mise à jour : 21 octobre 2013 Relecture : V. Morice,

Plus en détail

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

UV SQ 20. Automne 2006. Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1 UV SQ 0 Probabilités Statistiques UV SQ 0 Autome 006 Resposable d Rémy Garadel ( m.-el. remy.garadel@utbm.fr ) page SQ-0 Probabilités - Statistiques Bibliographie: Titre Auteur(s) Editios Localisatio Niveau

Plus en détail

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Polynésie Septembre 2002 - Exercice On peut traiter la question 4 sans avoir traité les questions précédentes. Polyésie Septembre 2 - Exercice O peut traiter la questio 4 sas avoir traité les questios précédetes Pour u achat immobilier, lorsqu ue persoe emprute ue somme de 50 000 euros, remboursable par mesualités

Plus en détail

Régulation analogique industrielle ESTF- G.Thermique

Régulation analogique industrielle ESTF- G.Thermique Chapitre 5 Stabilité, Rapidité, Précisio et Réglage Stabilité. Défiitio Coditio de stabilité. Critères de stabilité.. Critères algébriques.. Critère graphique ou de revers das le pla de Nyquist Rapidité

Plus en détail

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE

LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE LE PRINCIPE DU RAISONNEMENT PAR RÉCURRENCE. Exemple troductf (Les élèves qu coasset déà be le prcpe peuvet sauter ce paragraphe) Cosdéros la sute (u ), défe pour tout, par : u u u 0 0 Cette sute est défe

Plus en détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation 1 / 9 Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Le cycle d exploitatio des etreprises (achats stockage productio stockage vetes) peut etraîer des décalages de trésorerie plus

Plus en détail

THÉORIE DE LA MESURE ET DE L INTÉGRATION.

THÉORIE 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 détail

Statistique Numérique et Analyse des Données

Statistique Numérique et Analyse des Données Statistique Numérique et Aalyse des Doées Arak DALALYAN Septembre 2011 Table des matières 1 Élémets de statistique descriptive 9 1.1 Répartitio d ue série umérique uidimesioelle.............. 9 1.2 Statistiques

Plus en détail

Mesures et Intégration

Mesures 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 détail

Solutions particulières d une équation différentielle...

Solutions particulières d une équation différentielle... Solutios particulières d ue équatio différetielle......du premier ordre à coefficiets costats O cherche ue solutio particulière de y + ay = f, où a est ue costate réelle et f ue foctio, appelée le secod

Plus en détail

UNIVERSITÉ DE SFAX École Supérieure de Commerce

UNIVERSITÉ DE SFAX École Supérieure de Commerce UNIVERSITÉ DE SFAX École Supérieure de Commerce Aée Uiversitaire 2003 / 2004 Auditoire : Troisième Aée Études Supérieures Commerciales & Scieces Comptables DÉCISIONS FINANCIÈRES Note de cours N 3 Première

Plus en détail

Chap. 5 : Les intérêts (Les calculs financiers)

Chap. 5 : Les intérêts (Les calculs financiers) Chap. 5 : Les itérêts (Les calculs fiaciers) Das u cotrat de prêt, le prêteur met à la dispositio de l empruteur, à u taux d itérêt doé, ue somme d arget (le capital) qu il devra rembourser à ue certaie

Plus en détail

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1 Aalyse des doées Statistiques appliquées à la gestio Cours d aalyse de doés Master F. SEYTE : Maître de coféreces HDR e scieces écoomiques Uiversité de Motpellier I M. TERRAZA : Professeur de scieces écoomiques

Plus en détail

c. Calcul pour une évolution d une proportion entre deux années non consécutives

c. Calcul pour une évolution d une proportion entre deux années non consécutives Calcul des itervalles de cofiace our les EPCV 996-004 - Cas d u ourcetage ou d ue évolutio e oit das la oulatio totale des méages - Cas d u ourcetage ou d ue évolutio das ue sous oulatio das les méages

Plus en détail

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions. 3 Réseau Le réseau costitue u aspect essetiel d u eviroemet virtuel ESX. Il est doc importat de compredre la techologie, y compris ses différets composats et leur coopératio. Das ce chapitre, ous étudios

Plus en détail

Intégration et probabilités TD1 Espaces mesurés

Intégration 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 détail

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation Chap. 6 : Les pricipaux crédits de trésorerie et leur comptabilisatio Les etreprises ot souvet besoi de moyes de fiacemet à court terme : elles ot alors recours aux crédits bacaires (découverts bacaires

Plus en détail

55 - EXEMPLES D UTILISATION DU TABLEUR.

55 - EXEMPLES D UTILISATION DU TABLEUR. 55 - EXEMPLES D UTILISATION DU TABLEUR. CHANTAL MENINI 1. U pla possible Les exemples qui vot suivre sot des pistes possibles et e aucu cas ue présetatio exhaustive. De même je ai pas fait ue étude systématique

Plus en détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

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 détail

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3... Applicatios des maths Algèbre fiacière 1. Itérêts composés O place u capital C 0 à u taux auel T a pedat aées. Quelle est la valeur fiale C de ce capital? aée capital e fi d'aée 1 C 0 + T C 0 = C 0 (1

Plus en détail

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2. Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES PLAN DU CHAPITRE 2 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.1 Pla de sodage 2.2.2 Probabilités d iclusio 2.3 SONDAGE

Plus en détail

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire 2006-2007. Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4 UNVERSTE MONTESQUEU BORDEAUX V Licece 3 ère aée Ecoomie - Gestio Aée uiversitaire 2006-2007 Semestre 2 Prévisios Fiacières Travaux Dirigés - Séaces 4 «Les Critères Complémetaires des Choix d vestissemet»

Plus en détail

Construction de l'intégrale de Lebesgue

Construction 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 détail

Module 3 : Inversion de matrices

Module 3 : Inversion de matrices Math Stat Module : Iversio de matrices M Module : Iversio de matrices Uité. Défiitio O e défiira l iverse d ue matrice que si est carrée. O appelle iverse de la matrice carrée toute matrice B telle que

Plus en détail

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent http://www.math.u-bordeaux.fr/ machaven/ 2014-2015 Uiversité de Bordeaux - Master MIMSE - 2ème aée Scorig Marie Chavet http://www.math.u-bordeaux.fr/ machave/ 2014-2015 1 Itroductio L idée géérale est d affecter ue ote (u score) global à u idividu à partir

Plus en détail

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS ET APPROXIMATIONS DIOPHANTIENNES J. L. NICOLAS Cet article expose sup 3 e quelques iter'f~reces etre les pr'obl~res dloptimisatio e hombres etiers et la th~or-ie

Plus en détail

Intégrales généralisées

Intégrales généralisées 3 Iégrles géérlisées Pour ce chpire, les focios cosidérées so priori défiies sur u iervlle réel I o rédui à u poi, à vleurs réelles ou complees e coiues pr morceu. L défiiio e les propriéés de l iégrle

Plus en détail

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï INTRODUCTION AUX MATRICES ALÉATOIRES par Djalil Chafaï Résumé. E cocevat les mathématiques comme u graphe, où chaque sommet est u domaie, la théorie des probabilités et l algèbre liéaire figuret parmi

Plus en détail

MESURE DE L'INFORMATION

MESURE DE L'INFORMATION MESURE DE L'INFORMATION Marc URO TABLE DES MATIÈRES INTRODUCTION... 3 INCERTITUDE D'UN ÉVÉNEMENT (OU SELF-INFORMATION)... 7 INFORMATION MUTUELLE DE DEUX ÉVÉNEMENTS... 9 ENTROPIE D'UNE VARIABLE ALÉATOIRE

Plus en détail

Gérer les applications

Gérer les applications Gérer les applicatios E parcourat les rayos du Widows Phoe Store, vous serez e mesure de compléter les services de base de votre smartphoe à travers plus de 10 000 applicatios. Gratuites ou payates, ces

Plus en détail

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe Cosolidatio La société THEOS, qui commercialise des vis, exerce so activité das trois villes : Paris, Nacy et Nice. Le directeur de la société souhaite cosolider les résultats de ses vetes par ville das

Plus en détail

Intégrales dépendant d un paramètre

Intégrales dépendant d un paramètre [hp://mp.cpgedupuydelome.fr] édié le 3 avril 5 Eocés Iégrales dépeda d u paramère Covergece domiée Exercice [ 9 ] [correcio] Calculer les limies des suies do les ermes gééraux so les suivas : a) u = π/4

Plus en détail

La tarification hospitalière : de l enveloppe globale à la concurrence par comparaison

La tarification hospitalière : de l enveloppe globale à la concurrence par comparaison ANNALES D ÉCONOMIE ET DE STATISTIQUE. N 58 2000 La tarificatio hospitalière : de l eveloppe globale à la cocurrece par comparaiso Michel MOUGEOT * RÉSUMÉ. Cet article cosidère différetes politiques de

Plus en détail

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction A ew adaptive operator of fusio par Fraçois DELMOTTE LAMIH, Uiversité de Valeciees et du Haiaut-Cambrésis, Le Mot Houy, BP 3, 5933 Valeciees CEDEX 9 fdelmott@flore.uiv-valeciees.fr résumé et mots clés

Plus en détail

Principes et Méthodes Statistiques

Principes et Méthodes Statistiques Esimag - 2ème aée 0 1 2 3 4 5 6 7 0 5 10 15 x y Pricipes et Méthodes Statistiques Notes de cours Olivier Gaudoi 2 Table des matières 1 Itroductio 7 1.1 Défiitio et domaies d applicatio de la statistique............

Plus en détail

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME Uiversité Victor Segale Bordeaux Istitut de Saté Publique, d Épidémiologie et de Développemet (ISPED) Campus Numérique SEME MODULE Pricipaux outils e statistique Versio du 8 août 008 Écrit par : Relu par

Plus en détail

Cours d Analyse. Fonctions de plusieurs variables

Cours 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 détail

Formation d un ester à partir d un acide et d un alcool

Formation d un ester à partir d un acide et d un alcool CHAPITRE 10 RÉACTINS D ESTÉRIFICATIN ET D HYDRLYSE 1 Formatio d u ester à partir d u acide et d u alcool 1. Nomeclature Acide : R C H Alcool : R H Groupe caractéristique ester : C Formule géérale d u ester

Plus en détail

MA6.06 : Mesure et Probabilités

MA6.06 : 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 détail

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT

POLITIQUE ECONOMIQUE ET DEVELOPPEMENT POLTQU ONOMQU T DVLOPPMNT TRUTUR DU MAR NATONAL DU AF-AAO T PR AU PRODUTUR MALAN Beïla Beoit osultat PD N 06/008 ellule d Aalyse de Politiques coomiques du R Aée de pulicatio : Avril 009 Résumé e papier

Plus en détail

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? Etude Spéciale o. 7 Javier 2003 SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT? MARK SCHNEIDER Le CGAP vous ivite à lui faire part de vos commetaires, de vos rapports et de toute demade d evoid autres

Plus en détail

Terminale S. Terminale S 1 F. Laroche

Terminale S. Terminale S 1 F. Laroche Termiale S Exercices. Rappels et exercices de base 3.. QCM (P. Egel) 3.. QCM, Atilles 005 4. 3. QCM, Liba 009, 3 poits 4. 4. QCM, C. étragers 007. 5. QCM, Frace 007 5 6. 6. QCM, N. Calédoie 007 7. 7. QCM

Plus en détail

Continuité d une fonction de plusieurs variables

Continuité 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 détail

Les algorithmes de tri

Les algorithmes de tri CONSERVATOIRE NATIONAL DES ARTS ET METIERS PARIS MEMOIRE POUR L'EXAMEN PROBATOIRE e INFORMATIQUE par Nicolas HERVE Les algorithmes de tri Souteu le mai JURY PRESIDENTE : Mme COSTA Sommaire Itroductio....

Plus en détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. 1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le

Plus en détail