Intégrale de Lebesgue

L3 Mathématiques

Jean-Christophe Breton
Université de Rennes 1
Septembre–Décembre 2016

version du 29 novembre 2016

Table des matières

1 Tribus (σ-algèbres) et mesures 1

1.1 Rappels ensemblistes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Algèbres et σ-algèbres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Mesure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4 Propriétés des mesures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Classe monotone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6 Tribu complète . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2 Mesure de Lebesgue 20
2.1 Mesure extérieure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 Construction de la mesure de Lebesgue . . . . . . . . . . . . . . . . . . . . 23
2.3 Propriétés de la mesure de Lebesgue . . . . . . . . . . . . . . . . . . . . . 27

3 Fonctions mesurables 29
3.1 Mesurabilité de fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.2 Propriétés des fonctions mesurables . . . . . . . . . . . . . . . . . . . . . . 31
3.3 Limite de fonctions mesurables . . . . . . . . . . . . . . . . . . . . . . . . 33
3.4 Fonctions étagées (simples) . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

4 Intégrales des fonctions mesurables positives 39

4.1 Intégrale des fonctions positives . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2 Propriétés de l’intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.3 Convergence monotone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.4 Lemme de Fatou . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

5 Intégrales des fonctions mesurables de signe quelconque 51

5.1 Définition et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.2 Formule de transfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.3 Ensembles négligeables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.4 Convergence dominée et applications . . . . . . . . . . . . . . . . . . . . . 56

6 Lien avec l’intégrale de Riemann 60

6.1 Fonctions en escalier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

i
Table des matières ii

6.2 Fonctions continues de [a, b] → R . . . . . . . . . . . . . . . . . . . . . . . 61

6.3 Fonctions Riemann-intégrables . . . . . . . . . . . . . . . . . . . . . . . . . 62
6.4 Cas des intégrales de Riemann impropres . . . . . . . . . . . . . . . . . . . 67

7 Intégrale multiple 69
7.1 Tribu produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
7.2 Mesure produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
7.3 Théorèmes de Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
7.4 Changement de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
7.4.1 Rappel : intégrale de Riemann . . . . . . . . . . . . . . . . . . . . . 78
7.4.2 Changement de variables linéaire . . . . . . . . . . . . . . . . . . . 78
7.4.3 Preuve de 1) dans le Théorème 7.4.1 . . . . . . . . . . . . . . . . . 80
7.4.4 Preuve de 2) dans le Théorème 7.4.1 . . . . . . . . . . . . . . . . . 85
7.4.5 Coordonnées polaires et sphériques . . . . . . . . . . . . . . . . . . 86

8 Espaces Lp 89
8.1 Convexité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
8.2 Espace Lp (X, A, µ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
8.3 Espaces Lp (X, A, µ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
8.4 Inégalités de convexité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93

9 Convolution 100
9.1 Définition et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
9.2 Normes des convolutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
9.3 Dérivation des convolutions . . . . . . . . . . . . . . . . . . . . . . . . . . 106
9.4 Approximation et régularisation . . . . . . . . . . . . . . . . . . . . . . . . 108

10 Absolue continuité 116

10.1 Mesure signée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
10.2 Décompositions de Hahn et de Jordan . . . . . . . . . . . . . . . . . . . . 117
10.3 Intégrale par rapport à une mesure signée . . . . . . . . . . . . . . . . . . 121
10.4 Absolue continuité et singularité . . . . . . . . . . . . . . . . . . . . . . . . 124
10.5 Théorème de Radon-Nikodym . . . . . . . . . . . . . . . . . . . . . . . . . 125
Introduction à la théorie de la mesure

Historiquement, comme l’indique le nom, le but de cette théorie est de mesurer des en-
sembles. Sans s’en rendre compte, plusieurs types de « mesures » ont déjà été rencontrées :
— Le cardinal d’un ensemble discret, par exemple le cardinal de {1, 2, 3, 4} est 4, celui
de {1, 9, 26, 74, 106} est 5, celui de N est +∞.
— La longueur, l’aire, le volume d’une courbe, d’une figure plane, d’un solide en di-
mension 3.
Par exemple, la longueur de l’intervalle [−3, 5] est 5 − (−3) = 8, l’aire du disque
D(0, R) est πR2 , le volume du cylindre de base D(0, R) et de hauteur h est πR2 h.
— La probabilité d’un évènement : par exemple si on lance un dé équilibré la probabilité
d’avoir un quatre est 1/6, celle d’avoir une face impaire est 1/2, celle de gagner au
49
loto (au premier rang) est 1/ 5 ∼ 5, 24 × 10−7 .

Ces mesures sont des cas particuliers d’une notion plus générale de mesure, outil de
base pour une nouvelle théorie de l’intégration, dite intégrale de Lebesgue (1902). Elle
généralise la notion déjà vue de l’intégrale de Riemann (cf. [JCB-Riemann]), donc ce qui
est déjà connu avec Riemann n’est pas perdu mais généralisé. Cependant, cette nouvelle
théorie
— s’applique à une classe de fonctions beaucoup plus grande (les fonctions mesurables) ;
— a des théorèmes de convergence beaucoup plus puissants : théorème de convergence
monotone, théorème de convergence dominée pour avoir des résultats du type
Z Z
lim fn (x) dx = lim fn (x) dx
n→+∞ n→+∞

ou XZ Z X
fn (x) dx = fn (x) dx;
n≥1 n≥1

— traite sans difficulté les intégrales multiples (théorèmes de Fubini-Tonelli et de Fu-

bini) ;
— unifie les différentes façons de mesurer, par exemple le calcul d’une espérance de
variables aléatoires, d’une série, d’une intégrale classique sont des cas particuliers
d’intégrales au sens de Lebesgue.
Cette théorie unifiante éclaire les analogies souvent constatées en L1, L2 entre les résultats
liés aux séries et aux intégrales de Riemann. De plus, cette théorie sert de cadre pour une
théorie des probabilités moderne due à Kolmogorov (cf. [JCB-proba]).

iii
 JCB
c – L3 math – Université de Rennes 1 iv

Remarque : Notons qu’une mesure est toujours associée à une famille d’ensembles à
mesurer. On appelera bientôt ces familles des tribus ou des σ-algèbres.
Une référence classique pour ce cours est [Rud]. D’autres références sont [ACMR], [Bouyssel],
[BP] et [LCP] (en anglais), dont la partie 00 théorie de la mesure00 a inspiré une partie de ces
notes.
Chapitre 1

Tribus (σ-algèbres) et mesures

Dans ce chapitre, on introduit les notions clefs de théorie de la mesure : les tribus
(appelées aussi σ-algèbre) en Section 1.2 et les mesures en Section 1.3. On présente les
principales propriétés des mesures en Section 1.4. On présente également la notion de
classe monotone, à la base de l’argument du même nom en Section 1.5. On montre comment
compléter une tribu en Section 1.6 . On commence ce chapitre par rappeler les opérations
ensemblistes de base en Section 1.1.

1.1 Rappels ensemblistes

Dans toute la suite, on considère un ensemble de base X dont on considère des sous-
ensembles E, F, . . . et des familles de sous-ensembles. On rappelle que P(X) désigne la
famille de tous les sous-ensembles de X. Par exemple si X = {1, 2, 3} alors

P(X) = ∅, {1}, {2}, {3}, {1, 2}, {1, 3}, {2, 3}, X = {1, 2, 3} .

En général si card(X) = n alors card(P(X)) = 2n . En effet, cela se voit facilement par

récurrence : si n = 0 alors X = ∅ et P(X) = {∅} est de cardinal 20 = 1. Si le résultat est
acquis lorsque card(X) = n alors considérons X 0 = X ∪ {x0 } de cardinal n + 1 et notons
que les sous-ensembles de X 0 sont de deux types :
— ceux ne contenant pas x0 , ce sont alors exactement des sous-ensembles de X, en
nombre 2n (hypothèse de récurrence) ;
— ceux contenant x0 et ils sont alors exactement de la forme E ∪ {x0 } où E est un des
2n sous-ensembles de X ;
Finalement, X 0 a 2n + 2n = 2n+1 sous-ensembles, ce qui achève la récurrence.

Opérations ensemblistes
On rappelle maintenant les principales opérations ensemblistes sur des sous-ensembles
E, F d’un ensemble de base X :
— union : E ∪ F = {x ∈ X : x ∈ E ou x ∈ F } ;

1
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 2

— intersection : E ∩ F = {x ∈ X : x ∈ E et x ∈ F } ;
— différence (ensembliste) : E \ F = {x ∈ E : x 6∈ F } ;
— différence propre : E \ F lorsque F ⊂ E ;
— différence symétrique : E∆F = (E \ F ) ∪ (F \ E) ;
— complémentaire : E c = X \ E = {x ∈ X : x 6∈ E}.
On rappelle quelques règles :
— commutativité : E ∪ F = F ∪ E, E ∩ F = F ∩ E ;
— associativité : (E ∪ F ) ∪ G = E ∪ (F ∪ G), (E ∩ F ) ∩ G = E ∩ (F ∩ G) ;
— distributivité : (E ∪ F ) ∩ G = (E ∩ G) ∪ (F ∩ G), (E ∩ F ) ∪ G = (E ∪ G) ∩ (F ∪ G) ;
— involution : (E c )c = E ;
— lois de Morgan : (E ∩ F )c = E c ∪ F c , (E ∪ F )c = E c ∩ F c ;
— E \ F = E ∩ F c.
On dit que E et F sont disjoints si E ∩ F = ∅.
On rappelle que pour montrer une égalité ensembliste E = F , le plus simple est de montrer
la double inclusion E ⊂ F et F ⊂ E.
Noter enfin qu’en mathématiques le « ou » est un ou inclusif alors que dans le langage
usuel il s’agit d’un ou exclusif (thé ou café ? C’est l’un ou l’autre mais pas les deux alors
que le « ou » mathématique autorise à prendre les deux).
Les opérations sur les ensembles peuvent faire intervenir plus de deux
S ensembles. Ainsi si
(Ei )i∈I est une famille quelconque d’ensemble indéxée par I alors Ti∈I Ei est l’ensemble
des x ∈ X qui sont dans au moins un des Ei pour i ∈ I. De même i∈I Ei est l’ensemble
des x ∈ X qui sont dans tous les Ei pour i ∈ I.

Dénombrabilité
Dans la suite de ce cours, la dénombrabilité est une notion fondamentale. De nombreuses
propriétés feront intervenir des familles dénombrables.

Définition 1.1.1 (Dénombrabilité) On rappelle qu’un ensemble E est dénombrable s’il

peut être mis en bijection avec (une partie de) N, ie. il existe une injection f de E dans N.

Concrètement, un ensemble E est dénombrable si on peut énumérer tous ses éléments.

L’ensemble N, bien sûr, est dénombrable mais Z, Q le sont aussi. Une réunion dénombrable
d’ensembles dénombrables reste dénombarable. Par contre [0, 1] ou R ne le sont pas, ni NN
ou de façon plus exotique le Cantor non plus, cf. Remarque 2.3.1.
D’ordinaire, le terme dénombrable est utilisé pour les parties infinies dénombrables, mais
bien sûr, les ensembles finis sont aussi dénombrables. En général, les familles dénombrables
ou les propriétés qui s’expriment en termes de dénombrabilité sont notées avec le préfixe
σ pour témoigner de leur caractère dénombrable (exemples : σ-algèbre, σ-additivité).
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 3

Limites d’ensembles
Définition 1.1.2 (Suite monotone d’ensembles) — Une suite (Ei S)i≥1 est dite
croissante si pour tout i ≥ 1, on a Ei ⊂ Ei+1 . On note alors limi Ei = i≥1 Ei .
— Une suite (Ei )i≥1 Test dite décroissante si pour tout i ≥ 1, on a Ei ⊃ Ei+1 . On
note alors limi Ei = i≥1 Ei .
De façon générale, on peut définir les limites inférieure et supérieure d’une suite d’ensembles
(Ei )i≥1 de X.

Définition 1.1.3 (Limites inférieure et supérieure) Étant donnée une suite d’évène-
ments (Ei )i≥1 , on définit
\[
la limite supérieure : lim sup Ei = Ej
i→+∞
i≥1 j>i
[\
et la limite inférieure : lim inf Ei = Ej .
i→+∞
i≥1 j>i

Noter que
lim inf Ei ⊂ lim sup Ei . (1.1)
i→+∞ i→+∞
T T S
En effet k>n Ek ⊂ Eq pour tout q > n. On a donc k>n Ek ⊂ q>p Eq pour tout p et
tout n.
On a alors pour tout n :
\ \[
Ek ⊂ Eq = lim sup En .
n→+∞
k>n p≥1 q>p

Finalement [ \
Ek ⊂ lim sup En ,
n→+∞
n≥1 k>n

c’est à dire l’inclusion (1.1).

De plus, les régles élémentaires sur les , et c (lois de Morgan) donnent sans difficulté :
S T
 c
lim sup En = lim inf Enc .
n→+∞ n→+∞

Définition 1.1.4 (Suite convergente d’ensembles) Une suite (Ei )i≥1 est dite conver-
gente si lim inf i→+∞ Ei = lim supi→+∞ Ei .
S
Lorsque (Ei )i≥1 est croissante alors lim inf i→+∞ Ei = lim supi→+∞ E
Ti = i≥1 Ei et lorsque
(Ei )i≥1 est décroissante alors lim inf i→+∞ Ei = lim supi→+∞ Ei = i≥1 Ei . Dans les deux
cas, il s’agit évidemment de suites convergentes.
L’intérêt des limites inférieure et supérieure provient notamment de l’interprétation sui-
vante qui permet de « traduire » en langage ensembliste une assertion logique :
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 4

Proposition 1.1.1 Soit Ei , i ≥ 1, une collection infinie d’ensembles. Alors

— « À partir d’un certain rang, x est dans tous les Ei » s’écrit
[\

x∈ Ej = lim inf En .
n→+∞
i≥1 j>i

— « x est dans une infinité de Ei » s’écrit

\[

x∈ Ej = lim sup En .
n→+∞
i≥1 j>i

Démonstration :
• Pour le premier point : Soit x qui, à partir d’un certain rang, est dans tous les Ei . On
traduit cela de la façon suivante : il existe un rang p tel que pour tout rang q > p, x est
dans Eq . D’après la signification des symboles ∀, ∃, ∩, ∪, cela revient à écrire
[ \
x∈ Eq .
|{z}
p≥1 q>p
|{z} |{z} x est
il existe pour tout dans Eq
p≥1 q>p

• Pour le second point, dire que x est dans une infinité de Ei est équivalent à dire que

« pour tout p, il existe q > p avec x dans Eq . »

En effet, si tel est le cas, x est bien dans une infinité de Ei car, d’après cette propriété,
— avec p = 0, il existe p1 > p tel que x est dans Ep1 ,
— avec p = p1 , il existe p2 > p1 tel que x est dans Ep2 ,
— avec p = p2 , il existe p3 > p2 tel que x est dans Ep3 ,
— ...
— avec p = pn , il existe pn+1 > pn tel que x est dans Epn+1 ,
— ...
et finalement, x est dans chaque Epn , n ≥ 1, c’est à dire dans une infinité de Ei . Récipro-
quement, s’il est dans une infinité de Ei , alors pour tout p, on trouve q > p tel que x ∈ Eq ,
sinon, ce serait qu’il existe p tel que pour q > p, x n’est pas dans Eq . Ou encore : x ne peut
appartenir qu’aux Ei d’indice i ≤ p, c’est à dire seulement à un nombre fini d’entre eux,
ce qui est faux.
Donc, pour ce deuxième point, pour tout p, on trouve q > p, tel que x ∈ Eq , en langage
∀, ∃, cela s’écrit \ [
x∈ Eq .
|{z}
p≥1 q>p
|{z} |{z} x est
pour tout il existe dans Eq
p≥1 q>p


Chapitre 1. JCB
c – L3 math – Université de Rennes 1 5

1.2 Algèbres et σ-algèbres

On considère dans la suite X un ensemble fixé (des exemples typiques auxquels penser
sont X = N et X = R).

Définition 1.2.1 (Algèbre) Une famille A de sous-ensembles de X est une algèbre si

1. X ∈ A ;
2. A est stable par complémentaire : si A ∈ A alors Ac ∈ A ;
3. A est stable par réunion (finie) : si A, B ∈ A alors A ∪ B ∈ A.

Remarque 1.2.1
— Nécessairement, l’ensemble vide ∅ ∈ A puisque ∅ = X c .
— On peut remplacer X ∈ A par A non vide car alors si E ∈ A, on a aussi E c ∈ A
et X = E ∪ E c ∈ A.
— Une algèbre A est stable par intersection : si A, B ∈ A alors A ∩ B ∈ A (un
ensemble vérifiant une telle propriété est appelée π-système).
— Par une récurrence immédiate, une algèbre A est stable par intersection finie et
par union finie.
— Une algèbre A est stable par différence (ensembliste) : si A, B ∈ A alors A\B ∈ A.

Par exemple A = {∅, X}, P(X), {A ⊂ X : A fini ou X \ A fini} sont des algèbres de X.

Définition 1.2.2 (σ-algèbre, tribu) Une famille A de sous-ensembles de X est une

tribu ou une σ-algèbre si
i) X ∈ A ;
ii) A est stable par complémentaire : si A ∈ A alors Ac ∈ A ;
S
iii) A est stable par réunion dénombrable : si pour tout n ≥ 1, An ∈ A alors n≥1 An ∈ A.

Conséquences immédiates : pour une σ-algèbre A :

— l’ensemble vide ∅ ∈ A ;
— une σ-algèbre est une algèbre ;
— T A est stable par intersection dénombrable : si pour tout n ≥ 1, An ∈ A, alors
n≥1 An ∈ A ;
— en particulier, A ∩ B ∈ A et A ∪ B ∈ A quand A et B sont dans A ;
— si A, B ∈ A alors A \ B ∈ A.
Exemples : {∅, X} (la tribu grossière), P(X) (la tribu totale), famille d’observables F en
probabilités sont des σ-algèbres.

Remarque 1.2.2 (Explication des axiomes d’une tribu) Une tribu est une famille
d’ensembles sur laquelle une « mesure » va être définie. C’est donc une famille d’ensembles
à mesurer (ce qu’on appelle en probabilités une famille d’observables).
On comprend bien les axiomes en les interprétant en termes d’évènements probabilistes :
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 6

— Si un évènement A est observable, alors l’évènement contraire Ac doit l’être aussi :

c’est ce que dit la stabilité par complémentaire.
— Si deux évènements A et B sont observables alors l’évènement A ou B (c’est à
dire A ∪ B) doit l’être aussi : c’est ce que dit la stabilité par réunion.
— La stabilité par réunion finie ne peut suffire. L’exemple suivant illustre ce fait.
On lance un dé jusqu’à l’obtention du premier as. Un tel évènement ne pas être
décrit par un nombre fini d’évènements élementaires (a priori le numéro du lancer
du premier as peut être arbitrairement grand). Si on note A l’évènement « on obtient
un as » et Ai « on obtient un as au i-ème lancer », alors
[
A = A1 ∪ A2 · · · ∪ An · · · ∪ · · · = An
n≥1

et pour que A soit observable quand les An le sont, il faut la stabilité par réunion
dénombrable de la tribu (des observables) A.
L’axiome de stabilité par réunion dit donc pour une collection dénombrable d’évè-
nements (An )n≥1 : si chaque An est observable alors l’évènement A1 ou A2 ou · · ·
ou An ou · · · l’est encore.
— L’évènement certain X est observable, c’est ce qui se cache sous l’axiome X est
dans la tribu.
— Les autres opérations sur les évènements observables comme « si A et B sont ob-
servables alors A et B aussi » se déduisent des axiomes de base de la définition 1.2.2.
Les axiomes de la définition d’une tribu ne sont donc rien d’autre que la formalisation
mathématique des opérations (logiques) qu’on peut faire sur des ensembles « à mesurer »
(tels que les évènements).

Définition 1.2.3 (Espace mesurable) Un ensemble muni d’une tribu (X, A) est appelé
un espace mesurable.

Les ensembles A ∈ A s’appellent aussi les (ensembles) mesurables.

Comme l’ensemble des parties P(X) de X est une tribu, cela semble la tribu la plus
commode à considérer sur un ensemble X (puisqu’elle est toujours disponible). Malheu-
reusement, pour beaucoup d’ensembles, cette tribu est trop grande pour définir de bons
outils dessus (les mesures) sans incohérence interne. Par exemple, pour généraliser la notion
de longueur sur R, on ne peut pas considérer P(R), il va falloir introduire une nouvelle
tribu : la tribu borélienne. De façon générale, pour définir, les bonnes tribus à utiliser (ni
trop pauvre ni trop riche, telle que la tribu borélienne), on introduit la notion de tribu
engendrée et ce sont les tribus engendrées par de bonnes familles qui nous intéresserons.

Proposition 1.2.1 Une intersection quelconque de tribus est une tribu. (Les tribus sont
des famille de Moore.)
T
Démonstration : Soit Ai , i ∈ I, des tribus. On montre que A = i∈I Ai en est une aussi.
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 7

T
— D’abord X ∈ Ai pour tout i ∈ I donc X ∈ i∈I Ai = A.
— Soit A ∈ A alors pour tout i ∈ I, A ∈ Ai ,Tstable par complémentaire donc Ac ∈ Ai
pour chaque i ∈ I. Mais alors, Ac ∈ A = i∈I Ai . La famille A est donc stable par
complémentaire. T S
— Soit pour j ≥ 1, Aj ∈ A = i∈I AS T i ∈ I, Aj ∈ Ai donc j≥1 Aj ∈ Ai
i . Pour chaque
car Ai est une tribu. Finalemant, j≥1 Aj ∈ i∈I Ai = A, qui est stable par réunion
dénombrable.
La famille A satisfait tous les axiomes caractéristiques d’une tribu, c’en est donc une. 

Définition 1.2.4 (Tribu engendrée) Soit M une famille de sous-ensemble de X (M ⊂

P(X)). On note σ(M) la plus petite tribu de X (pour l’inclusion) contenant M. On
l’appelle la tribu engendrée par M.

Proposition 1.2.2 La tribu engendrée par une famille M est donnée par
\
σ(M) = A.
A tribu contenant M
T
Démonstration : Notons B = A tribu contenant M A. D’après la proposition précé-
dente B est une tribu et clairement elle contient M, si bien qu’on a σ(M) ⊂ B d’après
la définition de σ(M). Puis σ(M) est une tribu contenant M donc par définition de B,
intersection de telles tribus, on a B ⊂ σ(M). Finalement, on a bien B = σ(M). 

Exemple fondamental : Tribu borélienne

On considère un ensemble X muni d’une topologie T ⊂ P(X). On rappelle qu’une
topologie est une famille d’ensembles T
— contient X ;
— stable par intersection finie ;
— stable par réunion quelconque.
Cette définition est à comparer avec celle d’une tribu en Définition 1.2.2. Les ensembles de
T sont appelés les ouverts de la topologie.

Définition 1.2.5 (Tribu borélienne) La tribu engendrée par une topologie (c’est à dire
engendrée par la famille M = T des ouverts d’une topologie) est la tribu (ou σ-algèbre)
borélienne, notée B(X). Les élements de la tribu borélienne B(X) s’appelent les (ensembles)
boréliens de X.

Il s’agit de la plus petite tribu contenant tous les ouverts de X.

Remarque 1.2.3 La tribu borélienne B(X) de X contient

— les ouverts Ui ;
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 8

T
— les intersections i∈I Ui d’ouverts
S T (I dénombrable) ;
— les réunions d’intersection j∈J i∈I Ui d’ouverts I (I, J dénombrable) ;
— en généralisant le procédé : les réunions d’intersections de réunions de . . . d’ou-
verts \[ \[ \ [
... ... ... . . . Un
i∈I j∈J k∈K l∈L m∈M n∈N

avec des ensembles d’indexation I, J, . . . , K, L, . . . , M, N, . . . dénombrables.

Comme le processus ne s’arrête pas, on ne peut pas décrire tous les boréliens par des
réunions d’intersections (etc) d’ouverts. Par contre, dans le cas de X = R, on peut optimiser
la famille qui engendre B(R), c’est à dire choisir une famille encore plus petite que celle S Tdes
ouverts qui suffit pour retrouver toute la tribu borélienne B(R) avec les opérations , , c .

Boréliens réels
Les boréliens jouent un rôle essentiel dans l’intégration (réelle). Dans cette section,
on considère X = R =] − ∞, +∞[ muni de sa topologie usuelle (topologie de l’ordre qui
coı̈ncide avec la topologie engendrée par la distance usuelle | · |). On considère alors sur R
la tribu borélienne B(R) engendrée par les ouverts de sa topologie usuelle.
S On rappelle que
les ouverts de R sont des réunions dénombrables d’intervalles ouverts n≥1 ]an , bn [ (réunion
finie ou dénombrable).
Typiquement, les boréliens de R sont
— tout ouvert, tout fermé
— tout intervalle ouvert, fermé, semi-fermé, fini, infini ;
— tout singleton {x}, x ∈ R ;
— tout ensemble dénombrable {xi : i ∈ I}, I ⊂ N, xi ∈
rit.
T T
En effet,T]a, b[∈ B(R) car est ouvert, [a, b] = n≥1 ]a − 1/n, b + 1/n[, [a, b[= n≥1 ]a − 1/n, b[,
]a, b] = n≥1 ]a, b + 1/n[ sont dans B(R).
S 
∪]n, b], ]−∞, b[= n≥1 ]−∞, b−1/n], [a, +∞] =]−∞, a[c ,
S
Puis ]−∞, b] = n≤[b] ]n−1, n]
n∈Z
c
]a, +∞[=] − ∞,
T a] sont1aussi dans B(R).
Enfin, {x} = n∈N ]x − n , x] ∈ B(R).
Un ensemble dénombrable est une union disjointe de singletons donc est dans B(R).

Proposition 1.2.3 Les boréliens de R sont engendrés par

— les ouverts ;
— les fermés ;
— les intervalles ouverts ]a, b[ ;
— les intervalles fermés [a, b] ;
— les intervalles semi-ouverts [a, b[, ]a, b].
— les demi-droites fermées ] − ∞, a] ou [b, +∞[
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 9

Démonstration : On utilise que tout ouvert O de R s’écrit (par un argument de connexité)

comme une réunion dénombrable d’intervalles ouverts ]ai , bi [ :
[
O = ]ai , bi [. (1.2)
i∈I

Puis on utilise des expressions du type

[  [ 
]a, b[ = a + 1/n, b − 1/n , ]a, b[ = a + 1/n, b ,
n≥1 n≥1
[
a, b − 1/n ]a, b[ = ] − ∞, a]c ∩] − ∞, b[

]a, b[ =
n≥1

pour montrer que les familles énoncées permettent de retrouver tous les intervalles ouverts
]a, b[ et donc par (1.2) les ouverts de R. Les tribus engendrées par ces familles contiennent
donc B(R). Comme en plus elles sont incluses dans B(R), il y a égalité entre toutes ces
tribus. 

Remarque 1.2.4 Ces familles suffisent en appliquant les opérations licites dans les tri-
bus (réunion, intersection, complémentaire) pour retrouver tous les ensembles de la tribu
borélienne. Attention toutefois, cela n’empêche pas que certains ensembles de cette tribu
peuvent être plus exotiques (ensemble de Cantor, Remarque 2.3.1).

1.3 Mesure
On a déjà évoqué que le cardinal (d’un ensemble), la longueur (d’une courbe), l’aire
(d’une surface plane), le volume (d’un solide) ou encore la probabilité (d’un évènement)
sont différentes façons de mesurer des objets. Toutes ces notions sont des cas particuliers de
la notion générale de mesure. Ces mesures particulières sont associées aux types d’ensemble
qu’elles mesurent. Pour une mesure abstraite, la famille d’éléments « mesurables » sera une
tribu : on définit une mesure sur une tribu. Considérons un espace mesurable (X, A).

Définition 1.3.1 (Mesure) Une mesure µ sur (X, A) est une application de A → [0, +∞]
telle que
i) µ(∅) = 0 ;
ii) si (An )n≥1 est une suite dénombrable d’ensembles de A deux à deux disjoints alors
[  X
µ An = µ(An ) (σ-additivité).
n≥1 n≥1
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 10

En particulier, la mesure peut prendre la valeur +∞ (ce n’est pas choquant, par exemple
N a un cardinal infini, et R une longueur infinie), mais elle doit être à valeurs positives.
Comme +∞ est une valeur autorisée, il convient de définir de nouvelles règles de calcul sur
R̄ = R ∪ {−∞, +∞}. Ainsi, aux règles réelles usuelles, on rajoute
— pour tout a ∈ R : −∞ ± a = −∞, +∞ ± a = +∞ ;
— pour 0 < a < +∞ : a × (+∞) = +∞, a × (−∞) = −∞ ;
— pour −∞ < a < 0 : a × (−∞) = +∞, a × (+∞) = −∞ ;
— +∞ + (+∞) = +∞, −∞ − (−∞) = −∞ ;
— 0 × (±∞) = 0.
Cette dernière convention se justifie en considérant la surface de R considérée comme
une surface de longueur ∞ et de largeur 0 : son aire est nulle et donc 0 × (+∞) doit
faire zéro. Attention, cette convention induit un problème de continuité pour le produit
(x, y) ∈ R̄2
7→ xy puisqu’avec

xn = 1/n et yn = n, on a xn yn = 1, qui n’est pas
limn→+∞ xn limn→+∞ yn = 0 × (+∞) = 0.

Définition 1.3.2 (Espace mesuré) Le triplet (X, A, µ) est appelé un espace mesuré (es-
pace mesurable + mesure).

Remarque 1.3.1 (En pratique) — Si l’espace X est discret, par exemple N, la

tribu totale P(X) est une bonne tribu à considérer.
— Si l’espace X est topologique, la tribu borélienne B(X) est une bonne tribu à
considérer. Par exemple pour R : B(R).

Exemples :
• Mesure de comptage (ou de dénombrement) sur (X, P(X)) :

card A si A est fini
η(A) =
+∞ sinon.

• Mesure de Dirac sur (X, P(X)) : soit a ∈ X,


1 si a ∈ A
δa (A) =
0 si a 6∈ A.

La mesure de Dirac δa indique si un ensemble contient ou non le point a.

Par exemple δ0 ([−1, 1]) = 1, δ0 (]0, 1]) = δ0 (R∗ ) = 0, δ2 (N) = 1, δπ (Q) = 0.
• Exemple fondamental : la mesure de Lebesgue (cf. Chap. 2)

Théorème 1.3.1 (Mesure de Lebesgue) Il existe une unique mesure λ sur (R, B(R))
telle que
— pour tout intervalle [a, b] borné, on a : λ([a, b]) = λ(]a, b[) = b − a.
— invariance par translation : pour tout A ∈ B(R), λ(A + x) = λ(A) où A + x =
{a + x : a ∈ A}.
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 11

La mesure de Lebesgue λ généralise la notion de longueur d’un intervalle à tous les boréliens
A ∈ B(R). Il aurait été vain de chercher à généraliser la longueur à une mesure qui mesure
toutes les parties de R (c’est à dire une mesure sur tout P(R)) car on montre qu’une telle
généralisation sur P(R) contient une incohérence. Il faut se contenter d’une généralisation
sur la tribu borélienne B(R) .
• Probabilité : Traditionnellement, dans le cadre probabiliste, on note (Ω, F, P) plutôt
que (X, A, µ). Dans (Ω, F, P), Ω est un ensemble (dit espace de probabilité), F une tribu
appelée la famille des observables, et P une mesure appelée probabilité, c’est à dire une
mesure de poids 1 : P(Ω) = 1.

Définition 1.3.3 Soit µ une mesure sur (X, A).

— On appelle poids de µ la quantité µ(X).
— Si µ(X) < +∞, alors la mesure
S µ est dite finie.
— Si X se décompose en X = n≥1 Xn avec µ(Xn ) < +∞ alors la mesure est dite
σ-finie.
— Si µ(X) = 1, alors la mesure µ est dite de probabilité.
— La mesure µ est dite borélienne si A = B(X), ie. µ est définie sur une tribu
borélienne.
— La mesure µ est dite de Borel si elle est borélienne et est finie sur tous les
ensembles compacts.

Par exemple :
— Sur R, la mesure de Lebesgue λ est
— borélienne,
— une mesure σ-finie car
[
R= [−n, n] et λ([−n, n]) = 2n;
n∈N

— une mesure de Borel car pout tout compact K, il existe n tel que K ⊂ [−n, n]
et λ(K) ≤ λ([−n, n]) = 2n.
— Une mesure de Dirac
δa est une mesure de probabilité (dégénérée) car δa (X) = 1.
— [0, 1], B([0, 1]), λ est un espace de probabilité car λ([0, 1]) = 1.
— Un exemple de mesure finie est la mesure de dénombrement sur un ensemble fini X
puisque la mesure de X est card(X) qui est fini.

Définition 1.3.4 Soit µ une mesure sur (X, A).

— (Atome) On appelle atome de µ tout a ∈ X tel que {a} ∈ A et µ({a}) > 0.
— Si (X, A) est un espace de Borel (ie. X espace topologique et A tribu de Borel),
on appelle support (topologique) de µ le plus petit ensemble F fermé de X tel que
µ(F c ) = 0, il s’agit de l’ensemble des x ∈ X tel que pour tout voisinage U de x on
a µ(U ) > 0. Dans la suite, on notera Supp(µ) ce support.
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 12

1.4 Propriétés des mesures

• Croissance : Une mesure µ est une application croissante : si A, B ∈ A avec A ⊂ B,
alors µ(A) ≤ µ(B).
En effet A = B ∪ (A \ B), comme l’union est disjointe, par additivité, on a

µ(A) = µ(B) + µ(A \ B)

et µ(A \ B) ≥ 0.
• Additivité : Si A, B ∈ A avec A ∩ B = ∅ alors

µ(A ∪ B) = µ(A) + µ(B).

• Différence propre : Si A, B ∈ A, B ⊂ A et µ(A) < +∞, alors µ(A \ B) = µ(A) − µ(B).

En effet, cela vient de la décomposition A = B ∪ (A \ B), union disjointe.
• Croissance séquentielle : si An ∈ A et An ⊂ An+1 pour n ≥ 1 alors
[ 
µ An = lim µ(An ). (1.3)
n→+∞
n≥1

En effet, on note que Snk=1 Ak = S

S
An . Soit Cn = An \ An−1 , n ≥ 1, (avec A0 = ∅). On
montre facilement que nk=1 CkS= nk=1 Ak : une inclusion vient de ce que Ck ⊂ Ak pour
tout k, l’autre de ce que si x ∈ nk=1 Ak alors en
Snnotant k le plus petit entier tel que x ∈ Ak
alors on a x ∈ Ck car x 6∈ Ak−1 et donc x ∈ k=1 Ck . De plus les Ck , k ≥ 1, sont deux à
deux disjoints : si x ∈ Ck alors x 6∈ Ak−1 et donc x 6∈ Cl pour l < k. Comme les Ck sont
disjoints, on a
n
[  n
[  n
X
lim µ(An ) = lim µ Ak = lim µ Ck = lim µ(Ck ) (additivité)
n→+∞ n→+∞ n→+∞ n→+∞
k=1 k=1 k=1
+∞
X  +∞
[   +∞
[ 
= µ(Ck ) = µ Ck (σ-additivité) =µ Ak .
k=1 k=1 k=1

• Décroissance séquentielle : si An ∈ A et An ⊃ An+1 , n ≥ 1 et si µ(A1 ) < +∞ alors

 +∞
\ 
µ An = lim µ(An ). (1.4)
n→+∞
n=1

Comme µ(A1 ) < +∞, on peut passer aux complémentaires dans A1 : en notant Bi = A1 \Ai ,
la suite Bi , i ≥ 1, est croissante et d’après le cas précédent
[ 
lim µ(Bn ) = µ Bn .
n→+∞
n≥1
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 13

S T
Comme µ(A1 ) < +∞, on a µ(Bn ) = µ(A1 ) − µ(An ) et n≥1 Bn = A1 \ n≥1 An de mesure
S  T 
µ B
n≥1 n = µ(A 1 ) − µ n≥1 n , on a donc
A

\ 
lim µ(A1 ) − µ(An ) = µ(A1 ) − µ An
n→+∞
n≥1

et il suffit de retrancher µ(A1 ) < +∞ (et changer le signe) pour conclure.

Contre-exemple pour la décroissance sans hypothèse de finitude sur la mesure : sur (R, B(R), λ),
+∞
\
soit An =]n, +∞[, on a An = ∅ de mesure nulle tandis que limn→+∞ λ(An ) = +∞.
n=1

• µ est sous-additive : si An ∈ A pour n ≥ 1, alors

[  X
µ An ≤ µ(An ) (sous-additivité).
n≥1 n≥1

 S µ(A∪ B)P≤ µ(A) + µ(B), la preuve se complète ensuite par

En effet, il suffit de prouver
n n
récurrence pour avoir µ i=1 Ai ≤ i=1 µ(Ai ) puis par croissance séquentielle (1.3)

[  m
[  m
X X
µ An = lim µ An ≤ lim µ(An ) = µ(An ).
m→+∞ m→+∞
n≥1 n=1 n=1 n≥1

On utilise la décomposition A ∪ B = (A \ B) ∪ (A ∩ B) ∪ (B \ A) en ensembles disjoints,

par additivité :

µ(A ∪ B) = µ(A \ B) + µ(A ∩ B) + µ(B \ A)

= µ(A) + µ(B \ A)
≤ µ(A) + µ(B).

Définition 1.4.1 (Négligeable, presque partout) — Un ensemble N de (X, A, µ)

est dit µ-négligeable s’il existe A ∈ A tel que N ⊂ A et µ(A) = 0.
— On dit qu’une propriété est vraie µ-presque partout (µ-p.p.) sur (X, A, µ) si l’en-
semble des x ∈ X pour lesquelles elle n’est pas vraie est négligeable. S’il n’y a pas
d’ambiguı̈té sur la mesure µ dont on se sert, on écrit seulement presque partout et
on note p.p.

1.5 Classe monotone

Dans cette section, on introduit un procédé d’extension des définitions de certains objets
sur les tribus après les avoir définis sur des classes restreintes d’ensemble.
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 14

Définition 1.5.1 (Classe monotone ou λ-système) Une famille M de parties de X

est appelée classe monotone si
i) X ∈ M ;
ii) M est stable par différence propre : lorsque A, B ∈ M et B ⊂ A, alors A \ B ∈ M ;
M est stable par réunion dénombrable croissante (Aj ∈ M, j ≥ 1, Aj ⊂ Aj+1 ⇒
iii) S
j≥1 Aj ∈ M).

Remarque 1.5.1 — Une classe monotone est stable par complémentaire : il suffit
c
d’écrire A = X \ A pour X, A ∈ M.
— Une classe monotone est stable par intersection dénombrable décroissante : si
(Bi )i≥1 est une suite de M telle que Bi ⊃ Bi+1 , i ≥ 1, alors Ai = SBic ∈ M car
Ai = X \ Bi et (Ai )i≥1 forme une suite croissante de M pour laquelle i≥1 Ai ∈ M
T S c
mais alors i≥1 Bi = i≥1 Ai ∈ M.
Une classe monotone est donc stable par limite monotone d’ensembles (croissante
ou décroissante), cela justifie la terminologie.

Quelques propriétés

Proposition 1.5.1 Une intersection d’un nombre quelconque de classes monotones est
encore une classe monotone.

Démonstration : Même type de preuve que pour les tribus dans la Prop. 1.2.1. 

Définition 1.5.2 (Classe monotone engendrée) Pour E ⊂ P(X), on appelle classe

monotone engendrée par E, la plus petite classe monotone contenant E, c’est à dire l’in-
tersection de toutes les classes monotones contenant E. On la note M(E).

Proposition 1.5.2 Une tribu est une classe monotone.

Démonstration : Les premier et troisième points de la définition1.5.1 sont immédiat pour

une tribu A. Pour le deuxième point, il suffit de voir que A \ B = A ∩ B c pour s’assurer
que A est stable par différence (propre). 

Par contre, toute classe monotone n’est pas une tribu ; par exemple sur X = {a, b, c, d},

M = ∅, {a, b}, {c, d}, {b, c}, {a, d}, {a, b, c, d}

est bien une classe monotone mais pas un tribu car par exemple {a, b} ∈ M et {b, c} ∈ M
alors que {a, b} ∪ {b, c} = {a, b, c} 6∈ M. Pour avoir un résultat réciproque à la Prop. 1.5.2,
il faut une condition en plus :
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 15

Proposition 1.5.3 Une classe monotone stable par intersection finie est une tribu.

Démonstration : Une classe monotone S est stableTaussi par réunion finie en vertu de
c
l’axiome ii) de la Définition 1.5.1, écrire : ni=1 Ai = ( ni=1 Aci ) . On utilise alors la reécriture
d’une réunion dénombrable
S S S  comme une réunion croissante : pour toute famille Aj , j ≥ 1,
j≥1 Aj = j≥1 k≤j Ak .

Théorème 1.5.1 (des classes monotones) Soit E une famille de parties de X stable
par intersection finie (ie. E est un π-système). Alors M(E) = σ(E).

En pratique, on utilise le résultat sous la forme suivante :

Corollaire 1.5.1 (Classes monotones) Soit M une classe monotone contenant la fa-
mille de parties E, stable par intersection finie (ie. E est un π-système). Alors σ(E) ⊂ M.
Démonstration : Par le Th. 1.5.1, on a σ(E) = M(E). Mais comme M est une classe mo-
notone contenant E on a aussi par définition de C : M(E) ⊂ M. Finalement, σ(E) ⊂ M. 

Démonstration : En vertu de l’exemple 2) ci-dessus, σ(E) est une classe monotone qui
contient E et donc M(E) ⊂ σ(E). Pour prouver l’inclusion réciproque, on montre que M(E)
est stable par intersection finie car alors, d’après l’exemple 3) ci-dessus, M(E) sera une
tribu contenant E, et on aura σ(E) ⊂ M(E). Il suffit donc de prouver que si A, B ∈ M(E),
alors A ∩ B ∈ M(E). Pour cela, soit

M1 := A ∈ M(E) : ∀B ∈ E, A ∩ B ∈ M(E) .

Comme E, π-système, est stable par intersection finie, on constate que M1 contient E. Puis
on vérifie facilement que M1 est une classe monotone car
— X ∈ M1 car X ∈ M(E) et pour B ∈ E, B ∩ X = B ∈ E ⊂ M(E).
— si A1 , A2 ∈ M1 avec A2 ⊂ A1 alors A1 \ A2 ∈ M(E) car M(E) est une classe
monotone puis pour B ∈ E, on a (A1 \ A2 ) ∩ B = (A1 ∩ B) \ (A2 ∩ B) ; mais
A1 ∩ B, A2 ∩ B ∈ M(E) car A1 , A2 ∈ M1 ; puis comme M(E) est stable par
différence propre, on a (A1 \ A2 ) ∩ B ∈ M(E) S; finalement A1 \ A2 ∈ M1 .
— si Aj , j ≥ 1, est dans M1 avec Aj ⊂ Aj+1 alors j≥1 Aj ∈ M(E) car M(E) est stable
S  S
par réunion croissante ; puis, pour B ∈ E, j≥1 A j ∩ B = j≥1 (Aj ∩ B) ∈ M(E)
car Aj ∩ B ∈ M(E) et la stabilité par réunion monotone s’ensuit.
Finalement, M1 est une classe monotone contenant E donc contient aussi M(E) et, par
définition est contenu dans M(E), ce qui donne M1 = M(E).
Soit maintenant

M2 := A ∈ M(E) : ∀B ∈ M(E), A ∩ B ∈ M(E) .

L’ensemble M2 est aussi une classe monotone (faire comme précédemment avec M1 à la
place de E). De plus il contient E : on doit pour cela montrer que si A ∈ E, alors pour
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 16

tout B ∈ M(E) on a A ∩ B ∈ M(E). Mais comme B ∈ M(E) = M1 , et A ∈ E, on a

A∩B = B∩A ∈ M(E) (par définition de M1 ). On a donc M2 classe monotone contenant E
et donc M(E) ⊂ M2 . Comme par définition on a aussi M2 ⊂ M(E), il vient M2 = M(E)
ce qui montre que M(E) est stable par intersection finie.
D’après l’argument qui commence la preuve, le théorème des classes monotones (Th. 1.5.1)
est prouvé. 

Application du théorème des classes monotones

Théorème 1.5.2 (Dynkin) Soient deux mesures finies µ1 et µ2 sur (X, A) de même
poids (µ1 (X) = µ2 (X) < +∞), qui coı̈ncident sur C ⊂ A, sous-famille stable par inter-
sections finies (on parle de π-système) et qui engendre A. Alors µ1 et µ2 sont égales sur
A.

Démonstration : Soit M = {A ∈ A : µ1 (A) = µ2 (A)}. Alors, à nouveau, on constate

facilement que M est une classe monotone qui contient C (hypothèse) :
— X ∈ M car µ1 (X) = µ2 (X) par hypothèse.
— Si A, B ∈ M avec B ⊂ A alors

µ1 (A \ B) = µ1 (A) − µ1 (B) = µ2 (A) − µ2 (B) = µ2 (A \ B).

— Si Aj ∈ M avec Aj ⊂ Aj+1 , i ≥ 1, alors par croissance séquentielle (1.3) :

[  [ 
µ1 Aj = lim µ1 (Aj ) = lim µ2 (Aj ) = µ2 Aj .
j→+∞ j→+∞
j≥1 j≥1

Comme C est un π-système, le Théorème des classes monotones (Th. 1.5.1) garantit que
σ(C) ⊂ M ce qui conclut la preuve du théorème de Dynkin. 

Le résultat suivant est une version σ-finie du théorème de Dynkin (Th. 1.5.2) :
Corollaire 1.5.2 Soit (X, A) un espace mesuré et µ1 , µ2 deux mesures telles que X =
S
n≥1 Xn avec µ1 (Xn ) = µ2 (Xn ) < +∞. Si µ1 et µ2 coı̈ncident sur une famille C ⊂ A
stable par intersection (π-système) contenant les ensembles Xn , n ≥ 1, et qui engendre A.
Alors µ1 = µ2 sur A.
Démonstration : Quitte à remplacer les Xn par Yn = nk=1 Xk , n ≥ 1, et à utiliser la
S
croissance séquentielle de µ1 , µ2 , on peut supposer les Xn , n ≥ 1, croissants. Le théorème
(n) (n)
de Dynkin (Th. 1.5.2) s’applique à µ1 = µ1|Xn et µ2 = µ2|Xn puisque ce sont des mesures
(n) (n)
finies de même poids. On a pour tout A ∈ σ(C) : µ1 (A) = µ2 (A), ie. µ1 (A ∩ Xn ) =
µ2 (A ∩ Xn ). Mais par croissance séquentielle (1.3), on a
[ 
lim µ1 (A ∩ Xn ) = µ1 (A ∩ Xn ) = µ1 (A)
n→+∞
n≥1
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 17
[ 
lim µ2 (A ∩ Xn ) = µ2 (A ∩ Xn ) = µ2 (A).
n→+∞
n≥1

(n) (n)
On a donc µ1 (A) = µ2 (A) pour tout A ∈ σ(C) en passant à la limite dans µ1 (A) = µ2 (A).


Remarque 1.5.2 Avec C l’ensemble des intervalles de R (stable par intersection finie)
et Xn = [−n, n], on montre l’unicité de la mesure de Lebesgue sur (R, B(R)) (car on a
B(R) = σ(C)).

1.6 Tribu complète

Si µ est une mesure sur une famille E et E ∈ E est tel que µ(E) = 0 alors µ(F ) = 0
pour tout F ∈ E tel que F ⊂ E. Cependant si F ⊂ E mais F 6∈ E, µ(F ) n’est pas définie
et on ne peut pas dire µ(F ) = 0. Ce constat déplaisant suggère que la mesure µ n’est
pas définie pour assez d’ensemble et incite à compléter la mesure en une mesure sur une
famille Ē qui vérifierait : si µ(E) = 0 pour E ∈ Ē, alors nécessairement F ⊂ E vérifie
F ∈ Ē et µ(F ) = 0. On dit alors que la tribu Ē et la mesure µ̄ sont complètes. Lorsqu’une
tribu A n’est pas complète (pour une mesure µ), on peut considérer la plus petite tribu
complète la contenant, on l’appelle la tribu complétée de A. Cette complétion est l’objet
de cette section, pour cela on élargit la famille sur laquelle µ est définie en ajoutant tous
les ensembles qui devraient avoir pour mesure 0.
On considère une mesure µ sur une σ-algèbre A et on étend µ sur une tribu complétée.
Pour cela, on considère la famille d’ensembles suivante :

Aµ = E ⊂ X : ∃A1 , A2 ∈ A, tels que A1 ⊂ E ⊂ A2 et µ(A2 \ A1 ) = 0 . (1.5)

Proposition 1.6.1 En notant N la classe des ensembles µ-négligeables, ie. N = {N ⊂

X : ∃A ∈ A : N ⊂ A, µ(A) = 0}, on a Aµ = σ(A ∪ N ).

Démonstration : D’abord, on montre que Aµ en (1.5) est une σ-algèbre :

— X ∈ Aµ puisqu’avec A1 = A2 = X on vérifie la définition.
— si E ∈ Aµ alors ∃A1 , A2 ∈ A, tels que A1 ⊂ E ⊂ A2 et µ(A2 \ A1 ) = 0 et on a
Ac1 , Ac2 ∈ A, tels queAc2 ⊂ E c ⊂ Ac1 et µ(Ac1 \ Ac2 ) = µ(Ac1 ∩ A2 ) = µ(A2 \ A1 ) = 0.
On a donc bien E c ∈ Aµ .
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 18

— Soit (Ei )i≥1 une suite Aµ . Avec des notations évidentes, on a

[ [ [
Ai1 ⊂ Ei ⊂ Ai2
i≥1 i≥1 i≥1

Ai1 , Ai2 ∈ A et
S S
avec i≥1 i≥1
[  [  [
Ai2 \ Ai1 ⊂ (Ai2 \ Ai1 )
i≥1 i≥1 i≥1

et donc
!
[  [  [  X
µ Ai2 \ Ai1 ≤µ (Ai2 \ Ai1 ) ≤ µ(Ai2 \ Ai1 ) = 0.
i≥1 i≥1 i≥1 i≥1

Comme A ⊂ Aµ et N ⊂ Aµ on a A∪N ⊂ Aµ et puisque Aµ est une tribu, σ(A∪N ) ⊂ Aµ .

Puis si E ∈ Aµ alors E = A1 ∪ (E \ A1 ) ∈ σ(A ∪ N ) puisque A1 ∈ A et E \ A1 ∈ N . 

Théorème 1.6.1 On définit µ̄ sur Aµ par µ̄(E) = µ(A1 ) = µ(A2 ) lorsque A1 ⊂ E ⊂ A2

avec A1 , A2 ∈ A et µ(A2 \ A1 ) = 0. La fonction d’ensemble µ̄ est bien définie et il s’agit de
la seule mesure sur Aµ qui prolonge µ (ie. qui coı̈ncide avec µ sur A).

Démonstration : Si on a A1 ⊂ E ⊂ A2 et B1 ⊂ E ⊂ B2 alors A1 ∪ B1 ⊂ E ⊂ A2 ∩ B2
avec A1 ∪ B1 ∈ A et A2 ∩ B2 ∈ A et comme (A2 ∩ B2 ) \ (A1 ∪ B1 ) ⊂ A2 \ A1 , on a


µ (A2 ∩ B2 ) \ (A1 ∪ B1 ) = 0.

Comme A1 ⊂ A1 ∪ B1 ⊂ A2 ∩ B2 ⊂ A2 et µ(A1 ) = µ(A2 ), on a en fait

µ(A1 ∪ B1 ) = µ(A2 ∩ B2 ) = µ(A1 ) = µ(A2 ) = µ(B1 ) = µ(B2 )

ce qui assure de la cohérence de la définition de µ̄ via A1 , A2 ou B1 , B2 .

Il s’agit d’une mesure car µ̄(∅) = 0 et si les Ei ∈ Aµ , i ≥ 1, sont disjoints alors avec des
notations évidentes [ [ [
Ai1 ⊂ Ei ⊂ Ai2
i≥1 i≥1 i≥1

et [  [  X X
µ̄ Ei = µ Ai1 = µ(Ai1 ) = µ̄(Ei )
i≥1 i≥1 i≥1 i≥1

car les Ai1 ,

i ≥ 1, sont disjoints, et ce qui établit la σ-additivité.
De plus, il est clair que µ̄ prolonge µ puisque si E ∈ A alors A1 = E = A2 et µ̄(E) = µ(E).
Puis, si ν est une autre mesure sur Aµ prolongeant µ. Soit E ∈ Aµ alors


ν(E) = ν A1 ∪ (E \ A1 ) = ν(A1 ) + ν(E \ A1 )
Chapitre 1. JCB
c – L3 math – Université de Rennes 1 19

mais ν(A1 ) = µ(A1 ) = µ̄(E) et ν(E \ A1 ) ≤ ν(A2 \ A1 ) = µ(A2 \ A1 ) = 0. Ainsi on a bien

ν(E) = µ̄(E). 

On poursuivra l’étude d’espace mesuré complété avec les fonctions Aµ -mesurables au

Chap. 3 en montrant qu’on peut les approximer par des fonctions mesurables par rap-
port à A, cf. Prop. ??.
Chapitre 2

Mesure de Lebesgue

Dans ce chapitre, on construit la mesure de Lebesgue avec la notion de mesure extérieure

qu’on introduit en Section 2.1. La mesure de Lebesgue est construite en Section 2.2 et on
discute les principales propriétés de la mesure de Lebesgue Section 2.3.

2.1 Mesure extérieure

On introduit la notion de mesure extérieure. Ce nouveau type de mesure présente
l’avantage de pouvoir être défini sur tous les sous-ensembles d’un ensemble donné X, a
priori donc sans structure de tribu. L’inconvénient est qu’une mesure extérieure dispose
de bien moins de propriétés, cf. Section 1.4. Mais dans la section suivante, les mesures
extérieures seront un outil pour construire des (vraies) mesures intéressantes (en particulier
la mesure de Lebesgue).

Définition 2.1.1 (Mesure extérieure) On appelle mesure extérieure toute fonction d’en-
semble µ∗ positive, définie pour tous les sous-ensembles E de X telle que
— µ∗ (∅) = 0 ;
— µ∗ est monotone, ie. A ⊂ B implique µ∗ (A) ≤ µ∗ (B) ;
— µ∗ est σ-sous-additive, ie. si (Ei )i≥1 est une famille dénombrable quelconque alors
[  X
∗
µ Ei ≤ µ∗ (Ei ).
i≥1 i≥1

On associe à une mesure extérieure une notion de mesurabilité :

Définition 2.1.2 (µ∗ -mesurabilité) Un ensemble E est dit µ∗ -mesurable si pour tout
sous-ensemble A de X, on a

µ∗ (A) = µ∗ (A ∩ E) + µ∗ (A ∩ E c ) (2.1)

ie. E est µ∗ -mesurable si tout ensemble se décompose additivement relativement à µ∗ . On

note Sµ∗ la famille des ensembles µ∗ mesurables.

20
Chapitre 2. JCB
c – L3 math – Université de Rennes 1 21

Comme l’autre sens est due à la sous-additivité, il suffit de montrer µ∗ (A) = µ∗ (A ∩ E) +

µ∗ (A ∩ E c ) pour établir (2.1).

Proposition 2.1.1 Soient E, F ∈ Sµ∗ et A ⊂ X.

1. µ∗ (A) = µ∗ (A ∩ E ∩ F ) + µ∗ (A ∩ E ∩ F c ) + µ∗ (A ∩ E c ∩ F ) + µ∗ (A ∩ E c ∩ F c ) ;
2. µ∗ A ∩ (E ∪ F ) = µ∗ (A ∩ E ∩ F ) + µ∗ (A ∩ E c ∩ F ) + µ∗ (A ∩ E ∩ F c ) ;

3. Si E, F sont de plus disjoints alors

µ∗ A ∩ (E ∪ F ) = µ∗ (A ∩ E) + µ∗ (A ∩ F ).

Démonstration : 1) Comme E est µ∗ -mesurable, on a

µ∗ (A) = µ∗ (A ∩ E) + µ∗ (A ∩ E c ) (2.2)

Puis comme F est µ∗ -mesurable, on a

µ∗ (A ∩ E) = µ∗ (A ∩ E ∩ F ) + µ∗ (A ∩ E ∩ F c ) (2.3)
µ∗ (A ∩ E c ) = µ∗ (A ∩ E c ∩ F ) + µ∗ (A ∩ E c ∩ F c ) (2.4)

ce qui donne le résultat en reportant (2.3), (2.4) dans (2.2).

2) vient de 1) en écrivant remplaçant A par A ∩ (E ∪ F ) et en utilisant

A ∩ (E ∪ F ) ∩ E ∩ F = A ∩ E ∩ F, A ∩ (E ∪ F ) ∩ E c ∩ F c = ∅.

3) suit immédiatement de 1) avec E ∩ F = ∅. 

Proposition 2.1.2 Si µ∗ est une mesure extérieure, la famille Sµ∗ des µ∗ -mesurables
S est
une σ-algèbre. Si (Ei )i≥1 est une suite d’ensembles disjoints de Sµ∗ et E = i≥1 Ei alors
µ∗ (E) = i≥1 µ∗ (Ei ). Ainsi, la restriction µ = µ∗|Sµ∗ de µ∗ à Sµ∗ est une mesure sur Sµ∗ .
P

Démonstration : On commence par montrer que Sµ∗ est une σ-algèbre. Il suit immédia-
tement de la définition de µ∗ que si E ∈ Sµ∗ alors E c ∈ Sµ∗ si bien que Sµ∗ est stable par
complémentaire.
Puis, si E, F ∈ Sµ∗ et A ⊂ X alors d’après la Prop. 2.1.1, on a

µ∗ (A) = µ∗ A ∩ (E ∪ F ) + µ∗ (A ∩ E c ∩ F c )

= µ∗ A ∩ (E ∪ F ) + µ∗ A ∩ (E ∪ F )c

si bien que E ∪ F ∈ Sµ∗ et donc Sµ∗ est une algèbre (non vide car X ∈ Sµ∗ ). Pour montrer
que Sµ∗ est une σ-algèbre, il reste à établir la stabilité par union dénombrable.
En fait, il suffit de voirSla stabibilité par union dénombrable d’ensembles disjoints
S car
une union dénombrable n≥1 An s’écrit comme une union dénombrable
S disjointe
S n≥1 Bn
avec Nn ∈ Sµ∗ quand An ∈ Sµ∗ : en effet, on écrit d’abord n≥1 An = n≥1 Cn avec les
Chapitre 2. JCB
c – L3 math – Université de Rennes 1 22

Cn = nk=1 Ak croissants, puis on prend B1 = C1 =S

S
A1 , B2 = C2S\ C1 , . . . BnS= Cn \ Cn−1 ,
les Bn sont bien disjoints (croissance des Cn ) et nk=1 Bk = nk=1 Ck = nk=1 Ak donc
S S
n≥1 Bn = n≥1 An ; puis comme Sµ∗ est une algb̀re, si les An sont dans Sµ∗ , alors les Cn
aussi (stabilité par union finie) et les Bn = Cn ∩ Cnc 1 aussi (stabilité par intersection et par
complémentaire).

S montre donc que si (Ei )i≥1 est une suite d’ensembles disjoints de Sµ∗ alors E =
On
i≥1 Ei ∈ Sµ∗ . Par récurrence, d’après la Prop. 2.1.1, on a

 n
[  n
X
∗
µ A∩ Ei = µ∗ (A ∪ Ei ).
i=1 i=1
Sn
En écrivant Fn = i=1 Ei , on a Fn ∈ Sµ∗ (car c’est une algèbre) et donc pour tout A, on a

µ∗ (A) = µ∗ (A ∩ Fn ) + µ∗ (A ∩ Fnc )
Xn
= µ∗ (A ∩ Ei ) + µ∗ (A ∩ Fnc )
i=1
n
X
≥ µ∗ (A ∩ Ei ) + µ∗ (A ∩ E c )
i=1

puisque E c ⊂ Fnc et µ∗ est monotone. Comme cela est vraie pour tout n ≥ 1
X
µ∗ (A) ≥ µ∗ (A ∩ Ei ) + µ∗ (A ∩ E c ) (2.5)
i≥1
≥ µ (A ∩ E) + µ∗ (A ∩ E c )
∗
(2.6)

puisque A ∩ E = +∞
S ∗
P+∞ ∗
i=1 (A ∩ Ei ) et par σ-sous-additive µ (A ∩ E) ≤ i=1 µ (A ∩ Ei ).
∗
L’inégalité obtenue est complétée par sous-additivité de µ pour avoir une égalité et prouver
que E ∈ Sµ∗ . Ainsi, Sµ∗ est stable par union dénombrable disjointe et union dénombrable
quelconque. Il s’agit donc bien d’une σ-algèbre.
Pour montrer que µ∗ est une mesure, noter que comme µ∗ (A) = µ∗ (A ∩ E) + µ∗ (A ∩ E c ), les
inégalités dans (2.5) sont en
S fait des égalités et donc pour toute suite (Ei )i≥1 d’ensembles
disjoints de Sµ∗ avec E = i≥1 Ei , on a
X
µ∗ (A) = µ∗ (A ∩ Ei ) + µ∗ (A ∩ E c ).
i≥1

Avec A = E, le dernier terme s’annule et on a A ∩ Ei = Ei , soit

X
µ∗ (E) = µ∗ (Ei ),
i≥1

ie. µ∗ est bien σ-additive et donc une mesure, ce qui achève de prouver le theorème. 
Chapitre 2. JCB
c – L3 math – Université de Rennes 1 23

Proposition 2.1.3 La tribu des mesurables Sµ∗ d’une mesure extérieure µ∗ est complète
pour la mesure µ = µ∗|Sµ∗ induite.

Démonstration : Soient A ∈ Sµ∗ tel que µ(A) = µ∗ (A) = 0 et B ⊂ A. Par croissance de

µ∗ , on a µ∗ (E ∩ B) ≤ µ∗ (E) ≤ µ∗ (A) = 0 et donc µ∗ (E ∩ B) = 0. Puis par sous-additivité
et croissance comme E = (E ∩ B) ∪ (E ∩ B c ), on a :

µ∗ (E) ≤ µ∗ (E ∩ B) + µ∗ (E ∩ B c ) = µ∗ (E ∩ B) ≤ µ∗ (E) (2.7)

on a donc égalité dans (2.7) et B ∈ Sµ∗ . On a alors µ(B) = µ∗ (B) ≤ µ∗ (A) = µ(A) = 0,
soit µ(B) = 0. 

2.2 Construction de la mesure de Lebesgue

On considère l’ensemble X = R. L’objectif est de construire une mesure qui étend la
notion de longueur ` définie correctement définie seulement sur l’ensemble des intervalles
bornés semi-ouverts 
P = ]a, b] : −∞ < a ≤ b < +∞
par `(]a, b]) = b − a. Pour appliquer la stratégie de la Section 2.1, on définit la mesure
extérieure !
X [
∗
` (E) = inf (bn − an ) : E ⊂ ]an , bn [ . (2.8)
n≥1 n≥1

Proposition 2.2.1 La fonction d’ensemble `∗ définie en (2.8) est effectivement une me-
sure extérieure.

Démonstration : Il est clair que `∗ (∅) = 0 car ∅ ⊂] − ε, ε[ et `∗ (∅) ≤ 2ε pour tout ε > 0.
On a `∗ croissante car pour E ⊂ F alors si l’union n≥1 ]an , bn [ couvre F , elle couvre aussi
S
E si bien que l’inf définissant E porte sur plus de termes et de ce fait on a `∗ (E) ≤ `∗ (F ).
Soit maintenant (En )n≥1 un suite de sous-ensembles de R. S’il existe n0 tel que `∗ (En0 ) =
+∞ alors n≥1 `∗ (En ) = +∞ et on a immédiatement
P

X
`∗ (E) ≤ `∗ (En ). (2.9)
n≥1

On peut donc supposer `∗ (En ) < +∞ pour chaque n ≥ 1. Étant donné ε > 0, pour chaque
n ≥ 1, il existe des ]an,k , bn,k [[∈ P tels que
[ X
En ⊂ ]an,k , bn,k [, et (bn,k − an,k ) ≤ `∗ (En ) + ε/2n .
k≥1 k≥1
Chapitre 2. JCB
c – L3 math – Université de Rennes 1 24

Mais alors [ [[
En ⊂ ]an,k , bn,k [
n≥1 n≥1 k≥1

et
[  XX X  X
∗ ∗
` En ≤ (bn,k − an,k ) ≤ ` (En ) + ε/2 n
≤ `∗ (En ) + ε. (2.10)
n≥1 n≥1 k≥1 n≥1 n≥1

Comme ε > 0 est quelconque, on déduit de (2.9) la σ-additivité (2.9). 

∗
D’après la Prop. 2.2.1, on peut appliquer la Prop. 2.1.2, et λ = `|S(`∗ ) est une mesure sur
S(`∗ ). On a alors

Proposition 2.2.2 Les boréliens de R sont `∗ -mesurables, ie. B(R) ⊂ S`∗ . De plus λ(]a, b[) =
λ([a, b]) = b − a.

Démonstration : 1) Comme B(R) est engendrée par la famille des ensembles du type
] − ∞, x], x ∈ R, il suffit de montrerSque ] − ∞, x] ∈ S`∗ .
Pour cela, soit E ⊂ R tel que E ⊂ n≥1 ]an , bn [. Comme ] − ∞, x]∩]an , bn [⊂]an ∧ x, (bn ∨
x) + ε/2n [ et ] − ∞, x]c ∩]an , bn [⊂]an ∨ x, bn ∨ x[, on a
[i h [i h
] − ∞, x] ∩ E ⊂ an ∧ x, (bn ∧ x) + ε/2n , ] − ∞, x]c ∩ E ⊂ an ∨ x, bn ∨ x
n≥1 n≥1

et
X 
`∗ ] − ∞, x] ∩ E (bn ∧ x) − (an ∧ x) + ε/2n


≤
n≥1
X 
∗ c


` ] − ∞, x] ∩ E ≤ (bn ∨ x) − (an ∨ x)
n≥1

d’où
X
`∗ ] − ∞, x] ∩ E + `∗ ] − ∞, x]c ∩ E ≤



bn − an + ε.
n≥1

Comme ε > 0 est arbitraire, on a

X
`∗ ] − ∞, x] ∩ E + `∗ ] − ∞, x]c ∩ E ≤



bn − an
n≥1
S
et comme ceci est vrai pour toute union n≥1 ]an , bn [⊃ E, on a

`∗ ] − ∞, x] ∩ E + `∗ ] − ∞, x]c ∩ E ≤ `∗ (E)

et avec la sous-additivité de la mesure extérieure `∗ , on a l’égalité, ce qui prouve que

] − ∞, x] ∈ S`∗ et donc B(R) ⊂ S`∗ .
Chapitre 2. JCB
c – L3 math – Université de Rennes 1 25

2) Comme [a, b] ⊂]a − ε, b + ε[, on a `∗ ([a, b]) ≤ (b − a) + 2ε et donc, en faisant tendre

ε & 0, `∗ ([a, b]) ≤ (b − a). Il reste à voir `∗ ([a, b]) ≥ (b − a). Supposons alors [a, b] ⊂
S
n≥1 ]an , bn [. Par compacité, on peut extraire une couverture par un nombre fini d’ouverts,
disons [a, b] ⊂ N
S
i=1 ]ai , bi [. On a alors par des manipulations algébriques élémentaires :

N
X X
(b − a) ≤ (bi − ai ) ≤ (bn − an ).
i=1 n≥1

[a, b], on en déduit b − a ≤ `∗ ([a, b])

S
Comme cela est valable pour toute union n≥1 ]an , bn [⊃
et finalement, on a `∗ ([a, b]) = b − a.
Notons pour conclure que comme {a} ⊂]a − ε, a + ε[, on a `∗ ({a}) ≤ 2ε et donc, en faisant
ε & 0, `∗ ({a}) = 0. On a donc aussi

`∗ (]a, b[) = `∗ ([a, b]) − `∗ ({a}) − `∗ ({b}) = `∗ ([a, b]) = b − a.

On a B(R) ⊂ S`∗ (Prop. 2.2.2) et S`∗ est complète pour λ = `∗|S`∗ (Prop. 2.1.3), en fait on
a mieux :
Proposition 2.2.3 La tribu complétée de B(R) est S`∗ . Dans la suite, on note L(R) et
elle s’appelle la tribu de Lebesgue.
Démonstration : Notons B(R)
e la tribu complétée de B(R).
On a vu que si B ⊂ R est tel qu’il existe N ∈ B(R) avec λ(N ) = 0 alors `∗ (B) = 0 et
B ∈ S`∗ , ie. B(R) ⊂ S`∗ .
Réciproquement si A ∈ S`∗ S, on montre qu’il existe B, C ∈ B(R) tels que C ⊂ A ⊂ B et
λ(B \ C) = 0. On écrit A = n≥1 An avec An = A∩] − n, n[, comme S `∗ (An ) ≤ `∗ (] − n, n[) =
λ(] − n, n[) = 2n, pour tout p ≥ 1, il existe une couverture An = k≥1 ]ak,p , bk,p [ telle que
∗
P

k≥1 bk,p − ak,p ≤ ` (An ) + 1/p. Prenons
\[
Bn = ]ak,p , bk,p [.
p≥1 k≥1

Alors An ⊂ Bn , Bn ∈ B(R) et
[  X
`∗ (Bn ) ≤ `∗ bk,p − ak,p ≤ `∗ (En ) + 1/p.


]ak,p , bk,p [ ≤
k≥1 k≥1

Comme ceci est valable pour tout p ≥ 1, on a λ(Bn ) = `∗ (Bn ) = `∗ (An ).

En faisant la même chose pour ] − n, n[\An , on trouve Cn ∈ B(R) tel que λ(Cn ) = `∗ (Cn ) =
`∗ (A) et Cn ⊂ An . En particulier comme Cn ⊂ An ⊂ Bn , on a λ(Bn \Cn ) = λ(Bn )−λ(Cn ) =
S
0. On a donc An ∈ B(R)
e et A = n≥1 An ∈ B(R).e 
Chapitre 2. JCB
c – L3 math – Université de Rennes 1 26

Remarque 2.2.1 (Borélien et Lebesguien) On a

B(R) ( L(R) ( P(R)

avec des inclusions strictes (argument de cardinalité pour la première, axiome du choix
pour la deuxième).

Théorème 2.2.1 (Existence et unicité de la mesure de Lebesgue) Il existe une uni-

que mesure λ sur B(R) qui étend la notion delongueur des intervalles : λ([a, b]) = b − a et
λ est σ-finie. On l’appelle la mesure de Lebesgue.

Démonstration : D’après la Prop. 2.2.1, `∗ définie en (2.8) est une mesure extérieure. La
Prop. 2.1.2 affirme alors que S`∗ est une tribu sur laquelle la restriction λ = `∗S`∗ est une
mesure avec λ([a, b]) = λ(]a, b[) = bS− a d’après la Prop. 2.2.2. Il est clair que λ est σ-finie
car λ([−n, n]) = 2n < +∞ et R = n≥1 [−n, n]. Il reste à voir l’unicité.
Supposons que m, m0 sont deux mesures sur B(R) telles que

m([a, b]) = m0 ([a, b]) = b − a.

Le but est de montrer m(A) = m0 (A) pour tout A ∈ B(R).

Sur [−n, n], m et m0 ont mêmes poids 2n et coı̈ncident sur les l’ensemble Pn des intervalles
[a, b] ⊂ [−n, n]. Comme Pn est stable par intersection, le théorème de Dynkin (Th. 1.5.2,
conséquence du théorème des classes monotones, Th. 1.5.1) s’applique et donne m = m0
sur σ(Pn ) = B([−n, n]).
Si A ∈ B(R) alors A ∩ [−n, n] ∈ B([−n, n]) et donc

m A ∩ [−n, n] = m0 A ∩ [−n, n] .



(2.11)

Mais par croissance séquentielle des mesures

 [

lim m A ∩ [−n, n] = m A ∩ [−n, n] = m(A)
n→+∞
n≥1

et  [

lim m0 A ∩ [−n, n] = m0 A ∩ [−n, n] = m0 (A).


n→+∞
n≥1
0
En passant à la limite dans (2.11), on a m(A) = m (A). 

Remarque 2.2.2 (Carathéodory) La construction de la mesure de Lebesgue λ à partir

d’une mesure extérieure `∗ est un cas particulier d’application du théorème d’extension de
Carathéodory.
Théorème 2.2.2 (Carathéodory) Soit m une fonction d’ensemble sur une ”semi-algèbre”
P vérifiant
Chapitre 2. JCB
c – L3 math – Université de Rennes 1 27

— m(∅) = 0 ;
— m(A ∪ B) = m(A) + m(B) pour A, B ∈ P, A ∩ B = ∅ ;
— (conditionTde Carathéodory) si (An )n≥1 est une suitde dćroissante de P (An ⊃
An+1 ) avec n≥1 An = ∅ alors m(An ) → 0, n → +∞.
Alors il existe une unique mesure m̄ sur σ(P) étendant m (ie. m̄(E) = m(E) pour E ∈ R).
De plus, si m est σ-finie sur P alors m̄ est l’unique mesure étendant µ sur σ(P) et elle est
elle-même σ-finie sur σ(P).
La construction de la mesure de Lebesgue
 consiste à appliquer
ce théorème avec ` définie
en (2.8) et la ”semi-algèbre” P = ]a, b] : −∞ < a ≤ b < +∞ .

2.3 Propriétés de la mesure de Lebesgue

Proposition 2.3.1 La mesure de Lesbesgue n’a pas d’atome, ie. il n’existe pas de a ∈ R
tel que λ({a}) > 0.

Démonstration : Déjà vue en Prop. 2.2.2 mais se revoit facilement : en effet, pour tout
a ∈ R, on a λ(]a − 1/n, a]) = 1/n et par continuité décroissante de λ, on a λ({a}) =
limn→+∞ λ(]a − 1/n, a]) = 0. 

Par σ-additivité, on déduit facilement :

Proposition 2.3.2 Tout ensemble dénombrable A est de mesure de Lebesgue λ(A) = 0.
Et on déduit de plus que les intervalles bornés sont de même mesure de Lebesgue qu’ils
soient fermés, ouverts ou semi-ouverts :
λ([a, b]) = λ(]a, b]) = λ([a, b[)λ(]a, b[) = b − a.
Cela reste vrai pour les intervalles non bornés puisque leur mesure sont toute +∞.

Remarque 2.3.1 (Cantor) Il existe des ensembles mesurable non dénombrables de me-
sure de Lebesgue nulle. L’exemple typique est le triadique de Cantor
\
K= Kn (2.12)
n≥0

où K0 = [0, 1] et Kn est défini par récurrence par

1  1 
Kn+1 = Kn ∪ (Kn + 2) .
3 3
On voit facilement par récurrence que Kn est la réunion de 2n intervalles de longueur 1/3n .
En particulier, Kn ∈ B(R) et donc K ∈ B(R) avec λ(K) = 0 car λ(K) ≤ λ(Kn ) = 2n /3n
pour tout n ≥ 1.
De
P plus, K n’est pas dénombrable car il contient (exactement) tous les nombres de la forme
2an N∗
n≥1 3n lorsque (an )n≥1 parcourt {0, 1} .
Chapitre 2. JCB
c – L3 math – Université de Rennes 1 28

Proposition 2.3.3 (Invariance par translation) La mesure de Lebesgue est invariante

par translation, ie. pour tout A ∈ B(R) et α ∈ R, λ(A + α) = λ(A).

Démonstration : Cela découle de l’unicité dans le Th. 2.2.1. Notons τα (x) = x + α la

translation. On définit λτα par λτα (A) = λ(τα−1 A). D’après la Prop. ??, τα−1 A ∈ B(R) quand
A ∈ B(R) et donc λ(τα−1 A) est bien défini. On montre facilement que λτα est une mesure.
Il s’agit d’un cas particulier de mesure image comme défini en Déf. 3.2.1. La mesure λτα
vérifie

λτα (]a, b]) = λ(τα−1 ]a + α, b + α]) = λ(]a + α, b + α]) = (b + α) − (a + α) = b − a = λ(A).

Ainsi, λτα et λ coı̈ncident sur P. L’unicité dans le Th. 2.2.1 assure alors λτα = λ.


Proposition 2.3.4 (Invariance par symétrie) La mesure de Lebesgue est invariante

par symétrie : λ(−A) = λ(A) pour tout A ∈ B(R).

Démonstration : On définit s(x) = −x et on considère λs définie par λs (A) = λ(s−1 A).

À nouveau, d’après la Prop. ??, s−1 A ∈ B(R) ssi A ∈ B(R) ce qui assure que λs (A) est
bien défini. On montre facilement que λs est une mesure (cas particulier de mesure image,
cf. Def 3.2.1). On a

λs (]a, b]) = λ(s−1 ]a, b]) = λ([−b, −a[) = λ(] − b, −a]) = −a − (−b) = b − a.

L’unicité du Th. 2.2.1 assure alors λs = λ. 

Proposition 2.3.5 Soit T une application affine définie par T x = αx + β, α ∈ R∗ , β ∈ R.

Si E ∈ B(R), on a λ(T E) = |α|λ(E).

Démonstration : On sait déjà que T E est borélien ssi E l’est . On observe d’abord que
λ(T E) = |α|λ(E) pour tout E ∈ B(R). En effet, pour cela, on définit deux mesures sur
B(R) en posant ν1 (E) = λ(T E) et ν2 (E) = |α|λ(E), E ∈ B(R). Ces mesures ν1 et ν2
coı̈ncident sur les intervalles [a, b] donc aussi sur B(R) de, la même façon que pour l’unicité
dans le Th. 2.2.1. 
Chapitre 3

Fonctions mesurables

Les fonctions mesurables sont les fonctions de base en théorie de la mesure. Il s’agit de
fonctions qui se comportent convenablement par rapport à des tribus sur les espaces sur
lesquels elle est définie, elles sont présentées en Section 3.1. La notion de mesurabilité est
extrêmement flexible et se conserve par la plupart des opérations usuelles sur les fonctions,
cf. Section 3.2 (même le passage à la limite ! cf. Section 3.3). On présente en Section 3.4
les fonctions étagées qui vont servir de fonctions élémentaires pour la construction de l’in-
tégrale dans le Chapitre 4.

Rappel (Images directe et réciproque) Si f : X → Y est une application quelconque

— pour toute partie A de X, l’image directe de A par f est la partie de Y donnée par

f (A) = {f (x) : x ∈ A},

— pour toute partie B de Y , l’image réciproque de B par f est la partie de X donnée

par
f −1 (B) = x ∈ X : f (x) ∈ B .


Si (Ai )i∈I et (Bj )j∈J sont des parties de X et Y respectivement, on rappelle que le com-
portement de f vis à vis de ∪, ∩ et de c
[  [ \  \
f Ai = f (Ai ) f Ai ⊂ f (Ai )
i∈I i∈I i∈I i∈I

tandis que le comportement de f −1 est meilleur :

[  [ \  \
−1 −1 −1
f Bj = f (Bj ) f Bj = f −1 (Bj ) f −1 (B c ) = (f −1 (B))c .
j∈J j∈J j∈J j∈J

Dans tout le chapitre, on considère un espace mesuré (X, A, µ).

29
Chapitre 3. JCB
c – L3 math – Université de Rennes 1 30

3.1 Mesurabilité de fonction

Définition 3.1.1 (Fonction mesurable) Soient (X, A), (Y, B) deux espaces munis de
tribus. Une fonction f : X → Y est dite (A, B)-mesurable si et seulement si ∀B ∈ B,
f −1 (B) ∈ A.

Remarque 3.1.1 — Cette définition est à comparer avec la définition de la conti-

nuité : l’image réciproque d’un ouvert doit être ouverte.
— Quand Y est un espace topologique et que rien n’est précisé, on prendra la tribu
borélienne B(Y ) de Y .
— Dans le contexte probabiliste, les fonctions mesurables s’appellent les variables
aléatoires ; dans ce cas, on note traditionnellement (X, A, µ) = (Ω, F, P) et une
fonction X : (Ω, F, P) → R mesurable s’appelle une variable aléatoire.

Définition 3.1.2 (Indicatrice) Une fonction indicatrice 1A d’un ensemble A est la fonc-
tion définie par 
1 si x ∈ A,
1A (x) =
0 si x 6∈ A.
Cette fonction ne prend donc que deux valeurs 1 ou 0 selon qu’elle est évaluée sur A ou
non.

On vérifie facilement les propriétés suivantes :

Proposition 3.1.1 On a A = B ssi 1A = 1B ; On a 1A 1B = 1A∩B , 1 − 1A = 1Ac ; si A et

B sont disjoints, on a 1A + 1B = 1A∪B ; si A ⊂ B, on a 1A ≤ 1B .

Proposition 3.1.2 La fonction indicatrice 1A de A est mesurable (en tant que fonction)
de (X, A) dans R ssi A est mesurable (en tant qu’ensemble).

Démonstration : On suppose A ∈ A. Soit B ∈ B(R) alors (1A )−1 (B) = {x ∈ X : 1A (x) ∈

B} et
— si 0 et 1 ∈ B alors (1A )−1 (B) = X ∈ A,
— si 1 ∈ B mais 0 6∈ B alors (1A )−1 (B) = A ∈ A,
— si 0 ∈ B mais 1 6∈ B alors (1A )−1 (B) = Ac ∈ A,
— si 0 et 1 6∈ B alors (1A )−1 (B) = ∅ ∈ A,
Finalement on a pour tout B ∈ A, (1A )−1 (B) ∈ A : la fonction 1A est mesurable. Récipro-
quement si 1A est mesurable alors A = (1A )−1 ({1}) ∈ A. 

Proposition 3.1.3 Si M engendre la tribu B de Y , f est mesurable ssi f −1 (B) ∈ A pour

tout B ∈ M.

Démonstration : En effet notons C l’ensemble des B ∈ B tels que f −1 (B) ∈ A. Alors C

est une tribu de Y car
Chapitre 3. JCB
c – L3 math – Université de Rennes 1 31

— f −1 (Y ) = X ∈ A donc Y ∈ C,
— si B ∈ C, f −1 (B c ) = (f −1 (B))c ∈ A car f −1 (B) ∈ A et A est stable par complé-
mentaire. S  S
— Si An , n ≥ 1, sont dans C alors f −1 (An ) ∈ A d’où f −1 n≥1 n =
A n≥1 f
−1
(An ) ∈
S
A. Et donc n≥1 An ∈ C, qui est stable par réunion.
Finalement, C est une tribu puis par hypothèse C contient M qui engendre B. Donc B ⊂ C
et on a en particulier pour tout B ∈ B, f −1 (B) ∈ A, c’est à dire f est mesurable. 

Ainsi, quand Y = R ou C (ou un espace topologique) muni de la tribu borélienne, f est

mesurable
— ssi ∀B ∈ B(Y ) alors f −1 (B) ∈ A.
— ssi ∀O ouvert, f −1 (O) ∈ A
— ssi, pour tout a ∈ R, f −1 (]a, +∞[) ∈ A dans le cas Y = R.
Corollaire 3.1.1 Une fonction continue de (X, T ) dans (Y, T 0 ) est mesurable pour les
tribus boréliennes B(X) et B(Y ) associées à X et à Y .
On connaı̂t donc maintenant beaucoup de fonctions mesurables (pour les tribus boré-
liennes) : toutes les fonctions continues.
Démonstration : En effet, comme les ouverts de Y engendrent B(Y ), il suffit de voir que
l’image réciproque f −1 (O) d’un ouvert O de Y est dans B(X). Or par continuité de f ,
f −1 (O) est ouvert dans X donc borélien. 

3.2 Propriétés des fonctions mesurables

La mesurabilité des fonctions est une propriété stable par toutes les opérations usuelles
sur les fonctions :
Proposition 3.2.1 (Composition 1) Si f : (X, A) → (Y, B) et g : (Y, B) → (Z, C) sont
mesurables alors g ◦ f : (X, A) → (Z, C) est mesurable.
Démonstration : Soit C ∈ C, (g ◦ f )−1 (C) = f −1 (g −1 (C)). Or par mesurabilité de g,
g −1 (C) ∈ B, puis par celle de f , f −1 (g −1 (C)) ∈ A. 

En particulier, on a :
Proposition 3.2.2 (Composition 2) Si f : (X, A) → Y espace topologique est mesu-
rable et g : Y → Z, espace topologique est continue alors g ◦ f : (X, A) → Z est mesurable.
Démonstration : Soit C ∈ TZ , (g ◦ f )−1 (C) = f −1 (g −1 (C)). Or par continuité de g,
g −1 (C) ∈ TY , puis par mesurabilité de f , f −1 (g −1 (C)) ∈ A. 

Par exemple
Chapitre 3. JCB
c – L3 math – Université de Rennes 1 32

— si f : (X, A) → R est mesurable alors |f |, f + , f − le sont.

En effet, on peut appliquer la Prop. 3.2.2 avec les applications continues
  
R → R+ R → R+ R → R+
, , .
x 7→ |x| x 7→ max(x, 0) z 7→ min(−x, 0)

— si f : (X, A) → C est mesurable alors |f |, Im(f ), Re(f ) le sont.

En effet, on peut appliquer la Prop. 3.2.2 avec les applications continues
  
C → R+ C → R+ C → R+
, , .
z 7→ |z| z 7→ Re(z) z 7→ Im(z)

Proposition 3.2.3 (Couple) Soit (X, A) un espace mesurable et f : (X, A) → R, g :

(X, A) → R sont mesurables, alors h = (f, g) : (X, A) → R2 est mesurable.
Démonstration : On munit R2 de la topologie produit pour laquelle les ouverts sont des
produits d’ouverts U × V . Soit donc U × V un ouvert produit de R2 . D’après la Prop. 3.1.3,
(f, g) est mesurable ssi
(f, g)−1 (U × V ) ∈ A.
Or

(f, g)−1 U × V


= x ∈ X : (f, g)(x) ∈ U × V

= x ∈ X : (f (x), g(x)) ∈ U × V

= x ∈ X : f (x) ∈ U, g(x) ∈ V
 
= x ∈ X : f (x) ∈ U ∩ x : g(x) ∈ V
= f −1 (U ) ∩ g −1 (V ) ∈ A

car f −1 (U ) ∈ A et g −1 (V ) ∈ A par mesurabilité de f, g. 

On en déduit si f et g sont mesurables, a est scalaire

— af , f + g, f − g, f × g, f /g (si g(x) 6= 0, ∀x), max(f, g), min(f, g) sont mesurables.
— Toute combinaison linéaire de fonctions mesurables est mesurable.
— f : (X, A) → C est mesurable ssi Re(f ) et Im(f ) le sont.
— f : (X, A) → R, est mesurable ssi f + = max(f, 0) et f − = min(f, 0) le sont.
On énonce des résultats analogues sur C et en fait sur tout espace topologique Y qui a une
base dénombrable d’ouverts.
Démonstration : Soit O un ouvert de R2 , comme R2 a une base Sn dénombrable d’ouverts,


il s’écrit comme réunion dénombrables de pavés ouverts O = i=1 ]ai , bi [×]ci , di [ . On a
alors n n
[
 [
−1 −1
h−1 ]ai , bi [×]ci , di [ .


h (O) = h ]ai , bi [×]ci , di [ =
i=1 i=1
Chapitre 3. JCB
c – L3 math – Université de Rennes 1 33

Or h−1 ]ai , bi [×]cSi , di [ = x ∈ X : (f (x), g(x)) ∈]ai , bi [×]ci , di [ = f −1 (]ai , bi [)∩g −1 (]ci , di [).



Donc h−1 (O) = ni=1 f −1 (]ai , bi [) ∩ g −1 (]ci , di [) ∈ A. 

Définition 3.2.1 (Mesure image) Soit f : (X, A, µ) → (Y, B) une fonction mesurable.
On définit sur (Y, B) la mesure image de f notée µf −1 ou µf :
µf (B) = µ(f −1 (B)).
On montre facilement que µf est bien une mesure : µf (∅) = µ(f −1 (∅)) = µ(∅) = 0 et pour
des Bi ∈ B, i ≥ 1, disjoints
[    [  [ 
−1 −1
µf Bi = µ f Bi =µ f (Bi )
i≥1 i≥1 i≥1
X
X
= µ f −1 (Bi ) = µf (Bi ).
i≥1 i≥1

car les Bi étant disjoints, les f −1 (Bi ) le sont aussi. Exemple :(Loi de probabilité) Dans
le contexte probabiliste, la mesure image d’une variable aléatoire s’appelle sa loi : si
(X, A, µ) = (Ω, F, P) et X : (Ω, F, P) → R est une variable aléatoire alors PX est la
loi de la variable aléatoire X :
PX (B) = P(X ∈ B), B ∈ B.

3.3 Limite de fonctions mesurables

Topologie métrique sur R
On considère les ensembles R = R ∪ {+∞, −∞} et [0, +∞] = [0, +∞[∪{+∞}. On
définit une distance (et donc une topologie métrique associée à cette distance) sur ces
ensembles : Soit φ une bijection de R sur un compact (par exemple φ = arctan, bijection
de R sur [−π/2, π/2]). On pose
d(x, y) = |φ(x) − φ(y)|
avec arctan(±∞) = ±π/2. Alors (R, d) et ([0, +∞], d) sont métriques.
Les boréliens associés
 à ces ensembles
(avec la topologie définie par la métrique indiquée)
sont engendrés par ]a, +∞], a ∈ R .
On adopte les règles de calculs suivantes dans [0, +∞] :
Proposition 3.3.1 (Règles de calcul) Soient a, b ∈ R, on a
a × b = ab si a, b 6= +∞,
a × (+∞) = +∞ si a > 0,
0 × (+∞) = 0 si a = 0.
Chapitre 3. JCB
c – L3 math – Université de Rennes 1 34

Remarque 3.3.1 — Ce produit n’est pas continu dans [0, +∞] en effet avec an = n
et bn = 1/n on a an → +∞, bn → 0 puis an bn = 1 6→ ab = +∞ × 0 = 0.
— La convention 0×(+∞) = 0 est naturelle malgré tout quand on pense à 0×(+∞)
comme le calcul de la surface de R de longueur +∞ et de largeur 0.

Liminf et limsup de fonctions

Pour une suite réelle u = (un )n≥1 , on définit ses limites supérieure et inférieure

lim inf un = sup inf uk ,

n→+∞ n≥1 k≥n
lim sup un = inf sup uk .
n→+∞ n≥1 k≥n

Ce sont les plus petites et plus grandes valeurs d’adhérence de la suite u, elles existent
toujours. On a toujours
lim inf un ≤ lim sup un
n→+∞ n→+∞

et il y a égalité ssi la suite u converge ; de plus si tel est le cas

lim un = lim inf un = lim sup un .

n→+∞ n→+∞ n→+∞

En plus, en changeant le signe, les limites inférieure et supérieure s’échangent :

lim inf (−un ) = − lim sup un ,

n→+∞ n→+∞
lim sup(−un ) = − lim inf un .
n→+∞ n→+∞

Ces notions rappellent celle du Chapitre 1 pour les limites inférieure et supérieure d’en-
sembles.
Considérons par exemple
— la suite (un )≥1 donnée par u2n = 1 et u2n+1 = 0 alors sa limite supérieure est 1, sa
limite inférieure est 0.
— la suite (vn )n≥1 donnée par vn = cos(n), on montre que sa limite supérieure est 1,
sa limite inférieure est −1.
2n
— la suite (wn )n≥1 donnée par w2n = n et w2n+1 = n+1 , on montre que sa limite
supérieure est +∞, sa limite inférieure est 2.
Pour une suite de fonctions (fn )n≥1 , on définit des fonctions limites inférieure et supérieure
de la façon suivante :
   
lim inf fn (x) = lim inf fn (x), lim sup fn (x) = lim sup fn (x).
n→+∞ n→+∞ n→+∞ n→+∞

Proposition 3.3.2 Soient fn : (X, A) → R, n ≥ 1, une suite de fonctions mesurables

alors supn≥1 fn et inf n≥1 fn sont mesurables.
Chapitre 3. JCB
c – L3 math – Université de Rennes 1 35

Démonstration : On le montre pour le sup, le raisonnement s’adapterait facilement à

l’inf.

sup fn )−1 (]a, +∞] = x : sup fn (x) ∈]a, +∞] = x ∈ X : sup fn (x) ∈]a, +∞]



n≥1 n≥1 n≥1
 
= x ∈ X : sup fn (x) > a = x ∈ X : ∃n ≥ 1, fn (x) > a
n≥1
[ [ −1

= x ∈ X : fn (x) > a = fn ]a, +∞[ ∈ A
n≥1 n≥1

car pour chaque n ≥ 1, fn−1 (]a, +∞[) ∈ A (fn mesurable) qui est stable par réunion. 

Proposition 3.3.3 Soit (X, A) un espace mesurable, fn : (X, A) → R ou [0, +∞], n ≥ 1,

des fonctions mesurables. Alors lim supn fn et lim inf n fn : (X, A) → R ou [0, +∞] sont
mesurables.

Démonstration : Pour lim supn fn , on note gk = supn≥k fn (x). D’après le résultat pour
le sup, les fonctions gk , k ≥ 1, sont toutes mesurables. Puis lim supn fn = inf k≥1 gk est
mesurable car inf de fonctions mesurables.
Pour lim inf n fn enfin, l’argument est analogue ou on utilise

lim inf fn = − lim sup(−fn ).

n n

On en déduit que la mesurabilité se conserve même en passant à la limite :

Théorème 3.3.1 Soit (fn )n≥1 une suite de fonctions mesurables sur (X, A) dans un espace
métrique (E, d). Si cette suite de fonctions converge simplement vers f (c’est à dire pour
tout x ∈ X, f (x) = limn→+∞ fn (x)) alors f est une fonction mesurable à valeurs dans E.
C’est un résultat très agréable si on le compare avec le résultat analogue pour la conti-
nuité où on a besoin de la convergence uniforme pour que la continuité se conserve à la
limite. Une fonction obtenue comme limite (simple) de mesurables est donc mesurable !

Démonstration : D’après la Proposition 3.1.3, il suffit de montrer que si O est un ouvert

de E alors f −1 (O) ∈ A. Pour cela, on pose

Or = {x ∈ O : d(x, E \ O) > 1/r}, r ≥ 1.

Comme la distance d est continue et E \ O est fermé, l’application g(x) = d(x, E \ O) est
continue et donc Or = g −1 (]1/r, +∞[) est ouvert (continuité de g). L’ensemble Or est donc
borélien de E et [
Or = {x ∈ O : d(x, E \ O) > 0} = O
r≥1
Chapitre 3. JCB
c – L3 math – Université de Rennes 1 36

(noter que d(x, \O) = 0 ssi x ∈ E \ 0 ie. x 6∈ 0). On a

f −1 (O) = x ∈ X : f (x) ∈ O = x ∈ X : lim fn (x) ∈ O

 
n→+∞
n [ o
= x ∈ X : lim fn (x) ∈ Or
n→+∞
r≥1

= x ∈ X : ∃r ≥ 1, ∃m ≥ 1, ∀n ≥ m : fn (x) ∈ Or
[ \
= fn−1 (Or )
r,m∈N∗ n≥m

est un ensemble mesurable de A. 

3.4 Fonctions étagées (simples)

On rappelle la notion de fonction indicatrice en Déf. 3.1.2. En particulier, l’indicatrice
1A est mesurable ssi A l’est (Prop. 3.1.2).

Définition 3.4.1 (Fonction simple ou étagée) Une fonction f : (X, A) → R+ est dite
étagée positive si c’est une combinaison linéaire finie à coefficients positifs de fonctions
indicatrices 1Ai pour des ensembles mesurables Ai deux à deux disjoints (pour simplifier) :
n
X
f (x) = α i 1A i , αi ∈ R+ , Ai ∈ A, n ≥ 1.
i=1

— Cela ressemble à une fonction en escalier mais c’est plus général car pour une fonc-
tion en escalier les ensembles Ai doivent être des intervalles de R, alors qu’ici, il s’agit
d’ensembles mesurables quelconques sur X quelconque. En fait quand X = R, les
fonctions en escalier sont des cas particuliers de fonctions étagées (avec des Ai égaux
à des intervalles disjoints, plutôt qu’à des ensembles mesurables généraux).
— Une fonction étagée est mesurable car combinaison linéaire de fonctions indicatrices
qui le sont clairement.
— Une fonction étagée prend un nombre fini de valeur : elle vaut αi sur l’ensemble Ai .
— Si les αi , 1 ≤ i ≤ n, sont les valeurs possibles pour une fonction étagée f , alors avec
Ai = f −1 (αi ), qui est mesurable par mesurabilité de f , on peut écrire
n
X n
X
f= αi 1f −1 (αi ) = α i 1A i .
i=1 i=1

— Une combinaison linéaire de fonctions étagées est encore une fonction étagée.
Chapitre 3. JCB
c – L3 math – Université de Rennes 1 37

Exemples :
• Avec E(x) désignant la partie entière de x, soit

 0 x<0
f (x) = E(x) x ∈ [0, 5]
3 sinon.


Montrer que f est étagée en l’écrivant comme combinaison linéaire de fonctions indicatrices.
• La fonction x 7→ E(x) est-elle étagée ?

• On considère N muni de la tribu P(N) et les suites suivantes

— u = (un )n≥1 avec un = 0 pour n ≥ 6,
— v = (vn )n≥1 avec vn = 3 pour n > 4,
— w = (wn )n≥1 .
Montrer que u, v sont étagées mais pas w.
Pour l’intégrale de Riemann, on définit une fonction Riemann intégrable quand elle est
(uniformément) approchable par une fonction en escalier et l’intégrale se définit comme
la limite de celles en escalier, cf. [JCB-Riemann]. Les fonctions étagées vont jouer un rôle
analogue en théorie de la mesure pour l’intégrale de Lebesgue, mais les choses se passent
mieux : toute fonction mesurable est limite de fonctions étagées.

Proposition 3.4.1 (Approximation) Toute fonction mesurable f à valeurs dans Rd est

limite simple de fonctions étagées. Si de plus f est réelle positive, la limite peut être choisie
croissante.

Démonstration : Soit d’abord f fonction mesurable réelle positive. On définit pour tout
n et k ≥ 1
 
k−1 k
An,k = x∈X: ≤ f (x) < n , 1 ≤ k ≤ n2n
2n 2
Bn = {x ∈ X : f (x) ≥ n}.

Les ensembles An,k = f −1 [(k − 1)/2n , k/2n [ et Bn = f −1 ([n, +∞[ sont des images réci-

proques par f , mesurable, d’intervalles. Ils sont donc dans A. La suite

n
n2
X k−1
fn (x) = 1An,k (x) + n1Bn (x)
k=1
2n

converge en croissant vers f (x). En effet, comme

     
k−1 k 2k − 2 2k − 1 2k − 1 2k
, ⊂ , n+1 ∪ ,
2n 2n 2n+1 2 2n+1 2n+1
Chapitre 3. JCB
c – L3 math – Université de Rennes 1 38

on a An,k = An+1,2k−1 ∪ An+1,2k . Ainsi pour fn (x) = k−12n

on a soit fn+1 (x) = 2k−2
2n+1
= fn (x)
2k−1
soit fn+1 (x) = 2n+1 ≥ fn (x) donc en tout cas fn+1 (x) ≥ fn (x).
Puis si f (x) ≥ n alors soit f (x) ≥ n + 1 et alors fn+1 (x) = n + 1 ≥ fn (x) = n, soit f (x)
est dans
2n+1 (n+1)  
[ k−1 k
[n, n + 1[= ,
n+1 2n+1
.
n+1
2
k=2 n+1

k−1 2n+1 n
Pour k ∈ [2n+1 n + 1, 2n+1 (n + 1)], on a alors fn+1 (x) = 2n+1
≥ 2n+1
= n = fn (x) et donc
fn+1 (x) ≥ fn (x).
Pour la convergence : si f (x) = +∞ alors on a clairement fn (x) = n → +∞ soit
limn→+∞ fn (x) = f (x). Tandis que si f (x) < +∞ alors pour n ≥ [f (x)] + 1, on a
f (x) ≤ n et donc fn (x) = k−1
2n
pour f (x) ∈ k−1 , k , ie. |f (x) − fn (x)| ≤ 2−n . On a
2n 2n
donc limn→+∞ fn (x) = f (x).
Si f est réelle mais de signe quelconque, on écrit f = f + − f − avec f + (x) = max(f (x), 0),
f − (x) = max(−f (x), 0) et on approxime f + et f − comme précédemment.
Si f = (f1 , . . . , fd ) est à valeurs dans Rd , on applique la stratégie précédente à chaque
fonction coordonnée fi , 1 ≤ i ≤ d. 

Ce résultat va permettre de définir l’intégrale d’une fonction mesurable à partir de celle des
fonctions étagées car toute fonction mesurable est limite de fonctions étagées croissantes.
Chapitre 4

Intégrales des fonctions mesurables

positives

Dans ce chapitre, on commence à construire l’intégrale de fonction par rapport à une

mesure abstraite comme définie en Déf. 1.3.1. C’est cette nouvelle intégrale qu’on appelle
l’intégrale de Lebesgue. Pour cela, on commence avec ce chapitre par les intégrales de fonc-
tions mesurables positives. La construction de cette nouvelle intégrale suit un cheminement
classique, analogue par exemple à celle de l’intégrale de Riemann où on commence par la
définir pour les fonctions en escalier puis on généralise ensuite à une classe de fonctions
plus grande (les fonctions dites Riemann-intégrables). Pour l’intégration par rapport à une
mesure abstraite µ (intégrale de Lebesgue), on commence aussi par définir l’intégrale pour
des fonctions assez simples, les fonctions étagées (ou simples) avant de généraliser aux
fonctions mesurables positives en Section 4.1 et de voir les premières propriétés de cette
intégrale en Section 4.2.
On donne ensuite des théorèmes de convergence pour les intégrales de fonctions postives :
le théorème de convergence monotone (Th. 4.3.1) et ses conséquences en Section 4.3 puis
le lemme de Fatou (Th. 4.4.1 en Section 4.4).
Dans toute la suite, on considère un espace mesuré (X, A, µ).

4.1 Intégrale des fonctions positives

Définition 4.1.1 Soit f = ni=1 αi 1Ai une fonction étagée positive (αi ≥ 0) avec les Ai
P
deux à deux disjoints, on définit l’intégrale de f par rapport à la mesure µ par
Z Z Xn
f dµ = f dµ = αi µ(Ai ).
X i=1
Pn
Comme f 1E = i=1 αi 1Ai ∩E est encore étagée, on définit l’intégrale sur E ∈ A par
Z Z  X n 
f dµ = (f 1E ) dµ = αi µ(Ai ∩ E) .
E i=1

39
Chapitre 4. JCB
c – L3 math – Université de Rennes 1 40

Remarque 4.1.1 — L’intégrale de f étagée ne dépend pas de son écriture sous

forme de combinaison linéaire de fonctions étagées, une autre écriture de f donne
la même valeur à l’intégrale : cette définition a donc bien un sens.
— Par exemple
Z
1 1
(21A + 31B + 1C ) dµ = 2µ(A) + 3µ(B) + µ(C).
2 2
— Noter en particulier que pour une fonction indicatrice :
Z Z
1A dµ = µ(A), 1A dµ = µ(A ∩ E).
E

Ce résultat est à la fois

R élémentaire et important : il fait le lien entre une mesure
µ(A) et une intégrale 1A dµ, toute mesure d’un ensemble peut se voir comme une
intégrale.

Définition 4.1.2 (Intégrale) Soit f : (X, A, µ) → [0, +∞] mesurable. On définit son
intégrale comme le sup des intégrales de fonctions étagées majorées par f :
Z Z Z 
f dµ = f dµ = sup s dµ : s étagée ≤ f .
X

De même pour E ∈ A de X, on définit son intégrale sur E par

Z Z Z 
f dµ = (f 1E ) dµ = sup s dµ : s étagée ≤ f sur E .
E E

RDéfinition 4.1.3 (Intégrabilité) Une fonction mesurable positive est dite µ-intégrable si
f dµ < +∞.

Exemple :
— On considère (X, A) muni de la mesure δa . Dans ce cas,
Z
f dδa = f (a).

En effet, si f = ni=1 αi 1Ai (avec (Ai )1≤i≤n une partition de X) est étagée alors il
P
existe un unique indice 1 ≤ i0 ≤ n tel que a ∈ Ai0 et
Z n
X
f dδa = αi δa (Ai ) = αi0 δa (Ai0 ) = αi0 = f (a)
i=1

car f (a) = αi0 1Ai0 (a) = αi0 . De façon générale,

Z Z 


f dδa = sup s dδa : s étagée ≤ f = sup s(a) : s étagée ≤ f = f (a).
Chapitre 4. JCB
c – L3 math – Université de Rennes 1 41

— On considère (X, A, µ) = (N, P(N), η) où η est la mesure dePdénombrement, alors

si on se donne une suite u = (un )≥1 , on peut l’écrire u = +∞n=0 un 1{n} . En effet,
P+∞
u(k) = n=0 un 1{n} (k) = uk car le seul terme non nul dans la somme est 1{k} (k) =
1. On a alors
Z +∞ Z
X +∞
X +∞
X
u dη = u dη = u(n)η({n}) = un .
N n=0 {n} n=0 n=0

Autrement dit une série se voit comme une intégrale par rapport à une mesure
discrète : la mesure de dénombrement.
Une série positive converge ssi la suite associée est intégrable pour la mesure de
dénombrement.

4.2 Propriétés de l’intégrale

On considère des fonctions mesurables positives f et g et des ensembles E, F mesu-
rables :
R R
• (Croissance 1) Si f ≤ g sur X, alors f dµ ≤ g dµ.
En effet si fR ≤ g toute fonction étagée s majorée par f l’est aussi par g si bien
R que le sup
qui définit g dµ est pris sur un ensemble plus grand que celui définissant f dµ, il est
donc plus grand :
Z Z  Z  Z
f dµ = sup s dµ : s étagée ≤ f ≤ sup s dµ : s étagée ≤ g = g dµ

car {s étagée ≤ f } ⊂ {s étagée ≤ g}.

Proposition 4.2.1 (Inégalité de Markov ) Soit f : (X, A, µ) → [0, +∞] mesurable et

α > 0, alors R
f dµ
µ x ∈ X : f (x) ≥ α ≤ X


.
α
Démonstration : On a
α1{x∈X:f (x)≥α} (x) ≤ f (x) (4.1)
car soit x vérifie f (x) ≥ α et (4.1) devient α ≤ f (x), donc est vraie ; soit x ne vérifie pas
f (x) ≥ α et (4.1) devient 0 ≤ f (x), ce qui est encore vraie car f est positive.
En intégrant l’inégalité (4.1), il vient
Z Z
α1{x∈X:f (x)≥α} dµ ≤ f dµ,
X X
Chapitre 4. JCB
c – L3 math – Université de Rennes 1 42

R

ce qui conclut puisque X α1{x∈X:f (x)≥α} dµ = αµ x ∈ X : f (x) ≥ α d’après la définition
des intégrales des fonctions simples. 

R R
• (Croissance 2) Si E ⊂ F alors E f dµ ≤ F f dµ.
Comme E ⊂ F , ensembles mesurables, on a 1E ≤ 1F . Puis comme f est une fonction
Rpositive, on Ra aussi f 1E ≤ f 1F . Et donc par croissance de l’intégrale (premier point)
f 1E dµ ≤ f 1F dµ, c’est à dire pour f mesurable positive :
Z Z
E ⊂ F =⇒ f dµ ≤ f dµ.
E F

R
• (Nullité 1) Si f (x) = 0 pour x ∈ E Ralors E f dµ = 0.
R R
En effet E f dµ = f 1E dµ = sup s dµ où le sup est pris sur les fonctions étagées
positives s majorées par f 1E , ie. s(x) ≤ f (x)1E (x).
Or sur E, f est nulle donc R nécéssairement, s(x) = 0 sur E et pour les fonctions s à
considérer l’intégrale est s1E dµ = 0, dont le sup ne peut manquer d’être aussi 0.
R
• (Nullité 2) Si µ(E) = 0 alors E f dµ = 0.
En effet Z Z Z 
f dµ = f 1E dµ = sup s1E dµ
E
où le sup est P
pris sur les fonctions étagées positives s majorées par f 1E . Or pour une telle
fonction s = ni=1 ai 1Ai , on a
Z n
X
s1E dµ = ai µ(Ai ∩ E) = 0
i=1

car µ(Ai ∩ E) ≤ µ(E) = 0. Finalement, on prend le sup sur 0, ce qui donne 0.

R R
• (Linéarité 1) Si c ≥ 0 alors cf dµ = c f dµ.
C’est clair d’abord si f = ni=1 αi 1Ai est une fonction étagée car alors cf l’est aussi et
P

Z n
X n
X Z
cf dµ = cαi µ(Ai ) = c αi µ(Ai ) = c f dµ.
i=1 i=1

Puis si f est quelconque, s est une fonction étagée majorée par f ssi cs en est une
majorée
 par cf . Donc
l’ensemble des fonctions étagées majorées par cf est exactement
cs : s étagée ≤ f ,
Z Z
s0 dµ : s0 étagée ≤ cf


cf dµ = sup
Z
s0 dµ : s0 = cs, s étagée ≤ f


= sup
Chapitre 4. JCB
c – L3 math – Université de Rennes 1 43

Z 
= sup cs dµ : s étagée ≤ f
 Z 
= sup c s dµ : s étagée ≤ f
Z 
= c sup s dµ : s étagée ≤ f
Z
= c f dµ
R R
où on a utilisé le fait (déjà vérifié) pour une fonction étagée que cs dµ = c s dµ.
R R R
• (Linéarité 2) (f + g)dµ = f dµ + gdµ (On le prouve d’abord pour des fonctions
étagées puis on utilisera le théorème de convergence monotone (Th. 4.3.1) pour généraliser
aux fonctions positives et de signe quelconque. D’abord donc si f et g sont étagées :
n p
X X
f= ai 1 A i , g= bj 1Bj
i=1 j=1

avec les Ai deux S

S à deux disjoints et les Bj aussi. On suppose (sans restriction) que
A
1≤i≤n i = X et 1≤j≤p Bj = X. On a donc pour chaque 1 ≤ i ≤ n et 1 ≤ j ≤ p

p p n n
[ [ [ [
Ai = Ai ∩ Bj = (Ai ∩ Bj ) et Bj = Bj ∩ Ai = (Ai ∩ Bj ),
j=1 j=1 i=1 i=1

puis comme les unions sont disjointes

p n
X X
1A i = 1Ai ∩Bj et 1Bj = 1Ai ∩Bj .
j=1 i=1

On peut alors reécrire f et g comme combinaisons des mêmes indicatrices 1Ai ∩Bj , 1 ≤ i ≤
n, 1 ≤ j ≤ p : X X
f= ai 1Ai ∩Bj , g = bi 1Ai ∩Bj .
1≤i≤n 1≤i≤n
1≤j≤p 1≤j≤p
P P P
D’où f + g = 1≤i≤n ai 1Ai ∩Bj + 1≤i≤n bj 1Ai ∩Bj = 1≤i≤n (ai + bj )1Ai ∩Bj et
1≤j≤p 1≤j≤p 1≤j≤p
Z X
(f + g) dµ = (ai + bj )µ(Ai ∩ Bj )
1≤i≤n
1≤j≤p
X X
= ai µ(Ai ∩ Bj ) + bj µ(Ai ∩ Bj )
1≤i≤n 1≤i≤n
1≤j≤p 1≤j≤p
n p p n
X X X X
= ai µ(Ai ∩ Bj ) + bj µ(Ai ∩ Bj )
i=1 j=1 j=1 i=1
Chapitre 4. JCB
c – L3 math – Université de Rennes 1 44

n  p  Xp n
[ 
X [
= ai µ Ai ∩ Bj + bj µ Ai ∩ Bj
i=1 j=1 j=1 i=1
n p
X X
= ai µ(Ai ) + bj µ(Bj )
i=1 j=1
Z Z
= f dµ + g dµ.

Si f et g sont des fonctions mesurables positives quelconques, soient (sn )n≥1 et (tn )n≥1 des
suites croissantes de fonctions étagées positives qui convergent vers f et g. Alors sn +tn sont
aussi des fonctions étagées positives et elles convergent vers Rf + g. D’après
R leRthéorème de
convergence monotone (cf. ThéorèmeR 4.3.1,
R et Corol.
R 4.3.1), sn dµ, tn dµ (sn + tn ) dµ
convergent respectivement R vers f dµ, R g dµ, (f
R + g) dµ. Donc la linéarité vient en
passant à la limite dans (sn + tn ) dµ = sn dµ + tn dµ.
• (Relation de Chasles) Si E et F sont mesurables disjoints, alors pour une fonction
mesurable Z Z Z
f dµ = f dµ + f dµ.
E∪F E F
Comme E et F sont disjoints, 1E∪F = 1E + 1F , il vient alors
Z Z Z Z


f dµ = f 1E∪F dµ = f (1E + 1F ) dµ = f 1E + f 1F dµ
E∪F Z Z Z Z
= f 1E dµ + f 1F dµ = f dµ + f dµ
E F

en utilisant la linéarité 2.
On généralisera dans le chapitre suivant au cas de fonctions mesurables à valeurs dans R
ou C.

Notation. Dans la suite, pour insister sur la variable d’intégration, on notera les intégrales
Z Z
f dµ = f (x) µ(dx).

En particulier, quand µ = λ (la mesure de Lebesgue), on notera λ(dx) = dx

Z Z Z
f dλ = f (x) λ(dx) = f (x) dx

retrouvant la notation habituelle des intégrales de Riemann, cf. Chap. 6.

Chapitre 4. JCB
c – L3 math – Université de Rennes 1 45

4.3 Convergence monotone

Théorème 4.3.1 (Convergence monotone, Beppo Levi) Soit (X, A, µ) un espace me-
suré et fn : (X, A, µ) → [0, +∞], n ≥ 1, une suite croissante de fonctions mesurables
(fn ≤ fn+1 ). On pose f (x) = limn→+∞ fn (x) la limite dans [0, +∞]. Alors
Z Z
f dµ = lim fn dµ. (4.2)
n→+∞

Remarque 4.3.1 — Dans l’énoncé, c’est la suite (fn )n≥1 qui est croissante (i.e.
fn (x) ≤ fn+1 (x) et non pas les fonctions fn (ce n’est pas fn (x) ≤ fn (y) pour x ≤ y).
— La limite simple f des fn peut aussi prendre la valeur +∞ !
— le théorème est faux pour une suite positive décroissante : sur (X, A, µ) = (R+ , B(R+ ), λ),
prenons fn (x) = 1/(x + n)R pour n ≥ 1. Pour tout n ≥ 1 , on a fn (x) ≤ fn+1 (x) et
limn→+∞ fn (x) = 0. Mais f dµ = 0 alors que
Z Z +∞
dx
fn dµ = = +∞.
0 x+n

On a d’abord besoin d’un résultat préliminaire :

R
Lemme 4.3.1 Soit s une fonction étagée alors ϕ : E 7−→ E
s dµ définit une mesure.

Démonstration
R : On vérifie les deux axiomes d’une mesure.
— ϕ(∅) = ∅ sdµ = 0 car on obtient 0 en intégrant sur un ensemble de mesure 0.
— Soient Ek , k ≥ 1, des ensembles mesurables deux à deux disjoints de réunion E. On
suppose que s s’écrit
Xn
s= αi 1Ai .
i=1

Alors
[  Z n
X  [

ϕ(E) = ϕ Ek = S
s dµ = αi µ Ai ∩ Ek
k≥1 k≥1 Ek i=1 k≥1
n
X [  Xn X
= αi µ (Ai ∩ Ek ) = αi µ(Ai ∩ Ek )
i=1 k≥1 i=1 k≥1
n
XX XZ X
= αi µ(Ai ∩ Ek ) = s dµ = ϕ(Ek ).
k≥1 i=1 k≥1 Ek k≥1

L’application ϕ est donc bien une mesure sur A.



Passons à la preuve du théorème de convergence monotone (Th. 4.3.1).

Chapitre 4. JCB
c – L3 math – Université de Rennes 1 46

Démonstration : On a pour tout x ∈ X et tout n ≥ 1, fn (x) ≤ fn+1 (x) et en passant à

la limite fn (x) ≤ f (x), ce qui donne en intégrant
Z Z
fn dµ ≤ f dµ. (4.3)
X X
Z Z Z
D’autre part, on a aussi fn dµ ≤ fn+1 dµ donc fn dµ est une suite (numérique)
X X X
croissante de [0, +∞]. Elle a donc une limite, notée α ∈ [0, +∞] :
Z
lim fn dµ = α.
n→+∞ X
Z
En passant à la limite dans (4.3), on a déjà α ≤ f dµ.
X
Soit maintenant, s une fonction étagée majorée par f et c ∈]0, 1[, on introduit les ensembles
mesurables
En = x ∈ X : fn (x) ≥ cs(x) = (fn − cs)−1 ([0, +∞[).


Comme (fn )n≥1 est une suite croissante, on constate que En ⊂ En+1 car si fn (x) ≥ cs(x) a
fortiori fn+1 (x) ≥ cs(x). De plus, fn (x) → f (x) ce qui donne l’existence
S+∞ d’un entier N tel
que pour tout n ≥ N , fn (x) ≥ cf (x) ≥ cs(x), ie. x ∈ En et x ∈ n=1 En . Autrement écrit
+∞
[
X= En .
n=1

On a Z Z Z Z
fn dµ ≥ fn dµ ≥ cs dµ = c s dµ = cϕ(En ). (4.4)
X En En En

Puis comme d’après le Lemme 4.3.1 ϕ définit une mesure et (En )n≥1 est croissante pour
l’inclusion, on a par croissance séquentielle (1.3) de la mesure ϕ,
[  Z
lim ϕ(En ) = ϕ En = ϕ(X) = s dµ,
n→+∞ X
n≥1

on a donc en passant à la limite dans (4.4) :

Z
α≥c s dµ.
X
R
Comme c’est vrai pour tout c ∈]0, 1[, en faisant tendre c vers 1, on obtient α ≥R X s dµ
puis en prenant le sup sur les fonctions s étagées majorées par f , on déduit α ≥ X f dµ.
Finalement, on a obtenu Z Z
lim fn dµ = α = f dµ.
n→+∞ X X

Chapitre 4. JCB
c – L3 math – Université de Rennes 1 47

Quelques conséquences de la convergence monotone

Corollaire 4.3.1 (Linéarité) Soient f et g des fonctions mesurables positives, on a
Z Z Z
(f + g) dµ = f dµ + g dµ.

Démonstration : Si f et g sont des fonctions mesurables positives quelconques, soient

(sn )n≥1 et (tn )n≥1 des suites croissantes de fonctions étagées positives qui convergent vers
f et g. Alors sn + tn sont aussi des fonctions étagées positives et elles convergent
R Rvers f + g.
D’après
R le théorème de convergence monotoneR (cf. Théorème
R R 4.3.1), s n dµ, tn dµ et
(sn + tn ) dµ convergent respectivement
R vers f dµ,R g dµ,R (f + g) dµ. Donc la linéarité
vient en passant à la limite dans (sn + tn ) dµ = sn dµ + tn dµ, due à la linéarité déjà
vue pour les fonctions étagées. 

Corollaire 4.3.2 (Intégrale et série) Soient (fn )n≥1 une suite de fonctions mesurables
de X dans [0, +∞] alors
Z X+∞ +∞ Z
X
fn dµ = fn dµ.
n=1 n=1

Démonstration : Appliquer le théorème de convergence monotone à gp = pn=1 fn qui

P

P et forme une suite croissante car gp+1 − gp = fp ≥ 0. Comme la limite g de

est mesurable,
gp est g = +∞
n=1 fn , on a

+∞
Z X Z Z p
Z X
fn dµ = g dµ = lim gp dµ = lim fn dµ
p→+∞ p→+∞
n=1 n=1
p Z +∞ Z
X X
= lim fn dµ = fn dµ
p→+∞
n=1 n=1
Pp
où onRa juste utilisé la linéarité de l’intégrale pour échanger la somme finie n=1 et l’inté-
grale . 

Corollaire 4.3.3 (Relation de Chasles dénombrable) Soient Ei , i ≥ 1, ensembles

mesurables disjoints et f une fonction mesurable positive
Z XZ
S
f dµ = f dµ.
i≥1 Ei i≥1 Ei

P
Démonstration : Comme les Ei sont disjoints on a 1Si≥1 Ei = i≥1 1Ei et
Z Z Z X XZ
S
dµ = f 1 i≥1 Ei dµ =
S
(f 1Ei ) dµ = (f 1Ei ) dµ
i≥1 Ei i≥1 i≥1
Chapitre 4. JCB
c – L3 math – Université de Rennes 1 48

XZ
= f dµ
i≥1 Ei

avec le Corollaire 4.3.2 appliqué aux fonctions mesurables f 1Ei positives. 

Le résultat suivant est l’analogue du Lemme 4.3.1 pour des fonctions mesurables positives
quelconques :
Corollaire 4.3.4 Soit f : (X, A, µ) → [0, +∞] mesurable alors la fonction sur A
Z
ϕ(E) = f dµ
E

est une mesure (elle est finie ssi f est intégrable). Puis pour une fonction mesurable g
Z Z
g dϕ = g f dµ. (4.5)
X X

Remarque 4.3.2 — En quelque sorte, on a dϕ = f dµ.

— Le théorème de convergence monotone est la clef de nombreux raisonnements
typiques. Pour justifier une propriété, souvent, on la montre d’abord pour les fonc-
tions indicatrices 1A , on la généralise par linéarité aux fonctions étagées positives
puis enfin aux fonctions mesurables quelconques positives par convergence monotone
en approximant par des fonctions simples. Enfin, les fonctions f de signe quelconque
s’écrivent f = f + − f − .

Illustrons cette façon de faire par la deuxième partie de cette preuve.

Démonstration
R : ϕ est une mesure car
— ϕ(∅) = ∅ f dµ = 0 car on obtient 0 en intégrant sur un ensemble de mesure 0.
— Soient EPk , k ≥ 1, des ensembles mesurables deux à deux disjoints de réunion E. On
a 1E = k≥1 1Ek car les Ek sont deux à deux disjoints
Z Z X XZ X
ϕ(E) = 1E f dµ = 1Ek f dµ = 1Ek f dµ = ϕ(Ek ).
X X k≥1 k≥1 X k≥1

L’application ϕ est donc bien une mesure.

Pour la seconde partie, si g = 1A est une indicatrice, on a
Z Z Z
1A dϕ = ϕ(A) = 1A f dµ = gf dµ
X X X

et (4.5) est satisfaite dans ce cas.

PnPour une fonction étagée, ça reste vraie par linéarité en
utilisant le premier cas : si g = i=1 αi 1Ai alors
Z Z X n Xn Z Xn Z
g dϕ = αi 1Ai dϕ = αi 1Ai dϕ = αi 1Ai f dµ
X X i=1 i=1 X i=1 X
Chapitre 4. JCB
c – L3 math – Université de Rennes 1 49

n
Z X Z
= αi 1Ai f dµ = gf dµ.
X i=1 X

Pour g mesurable positive, on prend (sn )n≥1 suite de fonctions étagées croissantes qui
converge vers g et on applique le théorème de convergence monotone
Z Z Z Z
lim sn dϕ = g dϕ, lim sn f dµ = gf dµ
n→+∞ X X n→+∞ X X

car sn % g et sn f % gf (f ≥ 0). D’après le cas étagé (Lemme 4.3.1), pour sn , on a :

Z Z
sn dϕ = sn f dµ
X X

ce qui donne en passant à la limite par convergence monotone :

Z Z
g dϕ = gf dµ.
X X

Si g est de signe quelconque on écrit g = g + − g − et on utilise le cas positif et la linéarité

pour obtenir (4.5) dans ce cas réel de signe quelconque.
Pour g complexe, on écrit g = Re(g) + iIm(g) et on applique le cas réel à chaque terme
réel. 

4.4 Lemme de Fatou

Théorème 4.4.1 (Lemme de Fatou) Soit fn : (X, A, µ) → [0, +∞], n ≥ 1, une suite
de fonctions mesurables positives, alors
Z Z
lim inf fn dµ ≤ lim inf fn dµ.
n→+∞ n→+∞

Corollaire 4.4.1 Soit (fn )n≥1 une suite de fonctions R mesurables positives qui converge
simplement vers f et telle que la suite des intégrales fn dµ est majorée par M alors
Z
f dµ ≤ M.

Démonstration : lim inf n fn = supn≥1 inf k≥n fk = supn≥1 gn avec gn = inf k≥n fk . Les
fonctions gn sont mesurables, positives et gn ≤ gn+1 . Par le théorème de convergence
monotone (Th. 4.3.1), Z Z
lim gn dµ = lim gn dµ.
n→+∞ n→+∞
Chapitre 4. JCB
c – L3 math – Université de Rennes 1 50

Or comme la suite (gn )n≥1 est croissante sa limite est égale à son sup et

lim gn = sup gn = sup inf fk = lim inf fn .

n→+∞ n≥1 n≥1 k≥n n

R R
Puis comme gn ≤ fn , on a gn dµ ≤ fn dµ. D’où
Z Z Z Z
lim inf fn dµ = lim gn dµ = lim inf gn dµ ≤ lim inf fn dµ
n n→+∞ n n→+∞

R
où on a utilisé que la limite de gn dµ coı̈ncide avec sa liminf car la limite existe. 

Ce résultat explique que par passage à la limite, les intégrales de fonctions positives ne
peuvent que diminuer.

Applications
En anticipant les intégrales pour les fonctions de signe quelconque (Chapitre 5) , la
proposition suivante suit facilement du Lemme de Fatou (Th. 4.4.1). Cette proposition
permettra de prouver facilement le théorème de convergence dominée (Th. 5.4.1).

Proposition 4.4.1 Soient, sur (X, A, µ), g une fonction mesurable intégrable et (fn )n≥1
une suite de fonctions mesurables intégrables (le signe de ces fonctions n’est pas prescrit).
R R
1. Si g ≤ fn alors lim inf n→+∞ fn dµ ≤ lim inf n→+∞ fn dµ.
R R
2. Si fn ≤ g alors lim supn→+∞ fn dµ ≤ lim supn→+∞ fn dµ.

Démonstration : Par le lemme de Fatou (Th. 4.4.1) appliqué à fn − g ≥ 0, on a

Z Z
lim inf (fn − g) dµ ≤ lim inf (fn − g) dµ
n→+∞ n→+∞

R
ce qui prouve 1) en rajoutant g dµ qui est finie par hypothèse.
Pour le 2), de la même façon, le lemme de Fatou (Th. 4.4.1) appliqué à g − fn ≥ 0 donne
Z Z
lim inf (g − fn ) dµ ≤ lim inf (g − fn ) dµ
n→+∞ n→+∞

R
on retranche g dµ < +∞ et on change le signe pour récupérer l’inégalité sur la lim sup. 
Chapitre 5

Intégrales des fonctions mesurables

de signe quelconque

En Section 5.1, on généralise le chapitre précédent pour l’intégrale des fonctions mesu-
rables positives à celle des fonctions mesurables de signe quelconque. En Section 5.2, on
prouve une importante formule de transfert ou formule de changement de variable abstrait
(Th. 5.2.1). On présente également en Section 5.4 le théorème de convergence dominée
(Th. 5.4.1) qui montre que, sous une hypothèse de domination, on peut échanger limite
et intégrale. Ce théorème permet d’étudier les fonctions définies comme des intégrales à
paramètres. Sauf mention contraire, on considère dans tout ce chapitre un espace mesuré
(X, A, µ).

5.1 Définition et propriétés

Par défaut, dans la suite, on considère une fonction f : (X, A, µ) → R mesurable (ou
selon les cas, Rà valeurs dans C. Pour une telle fonction f , la fonction |f | est mesurable et
son intégrale f dµ est bien définie d’après le Chapitre 4 (mais peut valoir +∞).

Définition 5.1.1 (Intégrabilité) Une fonction f est dite µ-intégrable si la fonction po-
sitive |f | est d’intégrale finie : Z
|f | dµ < +∞.

Dans la suite, on écrit une fonction f : (X, A, µ) → C sous la forme

f = u + iv
= u+ − u− + i(v + − v − ) (5.1)

avec u = Re(f ) et v = Im(f ). Comme les fonctions positives u+ , u− , vR+ , v − sont toutes
R ma-
+
jorées par |f | alors leurs intégrales sont toutes finies car par exemple u dµ ≤ |f | dµ <

51
Chapitre 5. JCB
c – L3 math – Université de Rennes 1 52

+∞ et on pose alors par définition

Z Z Z Z Z 
+ − + −
f dµ = u dµ − u dµ + i v dµ − v dµ
Z Z
= u dµ + i v dµ

ou, plus simplement, si f : X −→ R, f dµ = f + dµ − f − dµ. Puis l’intégrale sur

R R R

E ∈ A de f fonction intégrable est définie par

Z Z
f dµ = f 1E dµ
E

ce qui a bien un sens car la fonction f 1E est intégrable puisque |f 1E | ≤ |f |.

Remarque 5.1.1 — Notons que si une fonction mesurable est positive, on peut
toujours définir son intégrale mais elle peut valoir +∞. Elle est dite alors µ-intégrable
si son intégrale par rapport à µ est finie.
— Tandis que si f est de signe quelconque, on ne définit son intégrale que si elle est
intégrable, c’est à dire lorsque |f | est d’intégrale (forcément définie) finie.
— En particulier dans la théorie de l’intégrale de Lebesgue, il n’y a pas de notion de
simple intégrabilité, c’est à dire de fonction non intégrable dont l’intégrale converge
R +∞
simplement comme par exemple l’intégrale de Riemann 0 sinx x dx (à voir).

Proposition 5.1.1R (Quelques

R propriétés) — Si f, g sont mesurables réelles et
f ≤ g alors f dµ ≤ R gdµ.
— Si µ(E) = 0, alors E f dµ = 0 pour toute fonction intégrable.
— (Linéarité) Soient α, β ∈ C et f, g intégrables de X dans C alors
Z Z Z
(αf + βg) dµ = α f dµ + β g dµ.
R R R
— (Chasles) Si E et F sont disjoints, alors E∪F
f dµ = E
f dµ + F
f dµ.

Démonstration : Tout ceci provient facilement des propriétés déjà vues pour les intégrales
de fonctions positives et passe au cas des fonctions de signe quelconque en les écrivant sous
la forme (5.1) et en appliquant à chaque terme les propriétés correspondantes des intégrales
de fonctions mesurables positives.
Pour la linéarité, c’est fastidieux : écrire f = Re(f )+ − Re(f )− + i(Im(f )+ − Im(f − )),
α = Re(α)+ −Re(α)− +i(Im(α)+ −Im(α− )) et de même pour g et β. Développer (αf +βg)
et utiliser la linéarité pour les fonctions positives avec des coefficients positifs et reformer
α, β, f , g à la fin. 
Chapitre 5. JCB
c – L3 math – Université de Rennes 1 53

Proposition 5.1.2 (Intégrale et valeurs absolues ou module) Soit f : (X, A, µ) →

C intégrable alors Z  Z
 
 f dµ ≤ |f | dµ.
 
R R  R
Démonstration : Si f dµ = 0, c’est immédiat. Sinon, soit α =  f dµ /( f dµ). Alors
|α| = 1. Puis
Z  Z Z Z Z Z
 
 f dµ = α f dµ = αf dµ = Re(αf ) dµ + i Im(αf ) dµ = Re(αf ) dµ
 
Z Z
≤ |αf | dµ = |f | dµ

en utilisant la majoration Re(z) ≤ |z| valable pour tout z ∈ C puis |α| = 1. 

5.2 Formule de transfert

Soient (X, A) et (Y, B) deux espaces mesurables et ϕ : (X, A) → (Y, B) une fonction
mesurable. Si on considère une mesure µ sur (X, A) alors la mesure image µϕ−1 = µϕ est
une mesure sur (Y, B) (Définition 3.2.1). On a un lien entre les intégrales sur X par rapport
à µ et celle sur Y par rapport à µϕ−1 = µϕ :
Théorème 5.2.1 (Formule de transfert) Soit h : (Y, B) → K = R, R, C mesurable
alors h est µϕ -intégrable ssi h ◦ ϕ est µ-intégrable et
Z Z
h ◦ ϕ dµ = h dµϕ . (5.2)
X Y

Il s’agit d’une formule de changement de variable abstraite, très générale puisque la seule
condition pour le changement de variable y = ϕ(x) est que ϕ soit mesurable ! Pour une
formule de changement de variable plus concrète, voir le Chap. 7 et le Th. 7.4.1.
Démonstration : La stratégie est à nouveau de commencer par h = 1B une indicatrice,
puis par linéarité de généraliser aux fonctions étagées et par convergence monotone aux
fonctions mesurables positives ; enfin par linéarité aux fonctions mesurables quelconques.
• Si h = 1B , B ∈ B, alors ϕ−1 (B) ∈ A car ϕ est mesurable et
Z Z Z
−1
1B dµϕ = µϕ (B) = µ(ϕ (B)) = 1ϕ−1 (B) dµ = 1B ◦ ϕ dµ
Y X X

car 1ϕ−1 (B) = 1B ◦ ϕ et (5.2) est vérifiée.

• Si h = ni=1 αi 1Bi est étagée, alors
P

n
! n n
X X X
h◦ϕ= αi 1Bi ◦ ϕ = αi (1Bi ◦ ϕ) = αi 1ϕ−1 (Bi )
i=1 i=1 i=1
Chapitre 5. JCB
c – L3 math – Université de Rennes 1 54

et
Z n
X Z n
X
(h ◦ ϕ) dµ = αi 1ϕ−1 (Bi ) dµ = αi µ(ϕ−1 (Bi ))
X i=1 X i=1
Xn n
X Z
= αi µϕ (Bi ) = αi 1Bi dµϕ
i=1 i=1 Y
Z
= h dµϕ .
Y
et (5.2) est à nouveau vérifiée.
• Si h est mesurable positive alors il existe sn , n ≥ 1, des fonctions étagées positives
qui forment une suite croissante qui converge vers h. Mais alors sn ◦ ϕ sont aussi des
fonctions étagées qui forment une suite croissante et qui converge vers h ◦ ϕ. On a donc
limn→+∞ sn = h et limn→+∞ sn ◦ ϕ = h ◦ ϕ. D’après le point précédent, on a
Z Z
sn ◦ ϕ dµ = sn dµϕ .
X Y
R
Par convergence monotone
R (Th. 4.3.1), le membre de gauche converge vers X
h ◦ ϕ dµ,
celui de droite vers Y h dµϕ , ce qui justifie donc encore (5.2) dans ce cas.
R• Si h est quelconque
R alors |h ◦ ϕ| = |h| ◦ ϕ et le point 3, appliquée à |h| positive, donne
X
|h ◦ ϕ| dµ = Y
|h| dµϕ et donc l’équivalence de la µϕ -intégrabilité de h et de la µ-
intégrabilité de h ◦ ϕ.
On écrit alors (h ◦ ϕ)+ = h+ ◦ ϕ et (h ◦ ϕ)− = h− ◦ ϕ puis
Z Z Z
(h ◦ ϕ) dµ = (h ◦ ϕ) dµ − (h ◦ ϕ)− dµ
+
X ZX Z X

= h+ dµϕ − h− dµϕ
ZY Y

= h dµϕ
Y
en utilisant le point 3 pour les fonctions positives h+ et h− , ce qui achève la preuve de (5.2)
dans le cas général. 

Exemple (Espérance probabiliste). Une application importante d’utilisation de la for-

mule de transfert (5.2) est en probabilités pour exprimer une espérance d’une variable
aléatoire X comme une intégrale par rapport à la loi de la variable aléatoire PX . On consi-
dère (X, A, µ) = (Ω, F, P) et X : (Ω, F, P) → R joue le rôle de f et h(x) = x, on a
alors Z Z
E[X] = X dP = x PX (dx)
R
dans ce cas la mesure image PX est la loi sur R de la variable aléatoire.
Chapitre 5. JCB
c – L3 math – Université de Rennes 1 55

5.3 Ensembles négligeables

Définition 5.3.1 Un ensemble A ∈ A est dit µ-négligeable si µ(A) = 0.
Exemples : Sur (R, B(R), λ), {x0 }, N, Z, Q sont négligeables. Sur (N, P(N), η), où η est la
mesure de comptage, seul ∅ est négligeable.
Définition 5.3.2 Une fonction f mesurable est dite µ-négligeable s’il existe A négligeable
tel que ∀x 6∈ A alors f (x) = 0 (l’ensemble des points où f est non nulle est dans un
négligeable).
Exemples : Sur (R, B(R), λ), f (x) = 1Q (x), g(x) = x1N (x) sont négligeables.
Définition 5.3.3 (Presque partout) Une propriété est dite vraie (µ-)presque partout,
si l’ensemble des points où elle n’est pas vraie est µ-négligeable.
En particulier, f = g presque partout si {x ∈ X : f (x) 6= g(x)} est dans un négligeable.
On écrit p.p. pour presque partout.
Proposition 5.3.1 — Si f = g p.p. alors f est intégrable ssi g l’est et
Z Z
f dµ = g dµ.
R R
— Si f ≤ g p.p.R alors f dµ ≤ g dµ.
— Si fR≥ 0 et fR dµ < +∞ alors f est finie p.p.
— Si  f dµ = |f | dµ alors il existe α ∈ C de module 1 tel que αf = |f | ie. f
est d’argument constant.
Démonstration : • Soit A = {x ∈ X : f (x) 6= g(x)} alors µ(A) = 0. Si x 6∈ A, on a
f (x) = g(x) donc |f (x)| = |g(x)|. Donc si f est intégrable alors g l’est aussi puisque
Z Z Z Z
|g| dµ = |g| dµ + |g| dµ = |g| dµ
A A c A c
Z Z Z Z
= |f | dµ = |f | dµ + |f | dµ = |f | dµ < +∞.
Ac Ac A
R R
Puis le même calcul sans les | · | montre que f dµ = g dµ.
• Si A = {x ∈ X : f (x) = +∞} n’est pas négligeable alors
Z Z
f dµ ≥ f dµ = +∞
A
R
car f = +∞ sur A qui est de mesure µ(A) > 0. On contredit la finitude de f dµ. Il faut
donc avoir µ(A) = 0.
R  R
• Reprendre la preuve de  f dµ ≤ |f | dµ, page 53. Pour avoir égalité, il faut qu’il y
ait égalité dans toutes les étapes de cette preuve, ce qui nécessite Re(αf ) = |αf |. Mais
Re(z) = |z| exige z = |z|. Ici on a donc |αf | = αf , soit, puisque |α| = 1, |f | = αf . 
Chapitre 5. JCB
c – L3 math – Université de Rennes 1 56

Remarque 5.3.1 (Tribu complète) Il se peut que A mesurable de mesure µ(A) nulle
contienne des sous-ensembles B non mesurables, ce qui cause bien des soucis. Dans ce cas,
on complète la tribu comme expliqué en Section 1.6.

5.4 Convergence dominée et applications

Théorème 5.4.1 (Convergence dominée) Soit sur (X, A, µ), fn : (X, A, µ) → C, n ≥
1, mesurables telles que fn → f p.p. quand n → +∞. S’il existe g une fonction mesurable
(X, A, µ) → [0, +∞] telle que
1. |fn | ≤ g p.p.
2. g est µ-intégrable.
Alors Z Z
lim fn dµ = f dµ. (5.3)
n→+∞

Conséquence : Si la convergence est dominée, on peut intervertir limite et intégrale.

En fait, on a même mieux que (5.3) : on a
Z
lim |fn − f | dµ = 0. (5.4)
n→+∞

Cela asure en particulier (5.3) puisque

Z Z  Z  Z
 fn dµ − f dµ =  (fn − f ) dµ ≤ |fn − f | dµ.
   

R R  R
et donc limn→+∞  fn dµ − f dµ ≤ limn→+∞ |fn − f | dµ.
 

On propose deux preuves différentes du Th. 5.4.1. L’une à partir de la Proposition 4.4.1,
l’autre pour la conclusion plus forte (5.4).
Démonstration : Comme limn→+∞ fn = f p.p. et −g ≤ fn ≤ g, la Proposition 4.4.1
assure que
Z Z Z Z
lim sup fn dµ ≤ lim sup fn dµ = f dµ = lim inf fn dµ
n→+∞ n→+∞ n→+∞
Z
≤ lim inf fn dµ
n→+∞

ce qui prouve le résultat. 

Démonstration : (de (5.4)) On considère la fonction 2g − |f − fn |. Comme |fn | ≤ g et (à

la limite) |f | ≤ g, il vient facilement |f − fn | ≤ 2g, c’est à dire 2g − |f − fn | ≥ 0. De plus,
Chapitre 5. JCB
c – L3 math – Université de Rennes 1 57

comme fn → f simplement, on a limn→+∞ 2g − |f − fn | = 2g. On applique alors le lemme

de Fatou (Th. 4.4.1) à cette suite de fonctions :
Z Z


lim inf 2g − |f − fn | dµ ≤ lim inf 2g − |f − fn | dµ
n→+∞ n→+∞
Z Z Z
2g dµ ≤ lim inf 2g dµ − |f − fn | dµ
n→+∞
Z Z  Z 
2g dµ ≤ 2g dµ + lim inf − |f − fn | dµ
n→+∞
Z
0 ≤ − lim sup |f − fn | dµ
n→+∞
Z
lim sup |f − fn | dµ ≤ 0
n→+∞
R R
en simplifiant
R par g dµ finie. Comme en plus lim inf n→+∞ |f − fn | dµ ≥ 0, on a
limn→+∞ |f − fn | dµ = 0 et a fortiori
Z Z
lim fn dµ = f dµ.
n→+∞


Exemple : Montrer
R que si f n : [0, 1] → [0, 1] est continue et pour tout x ∈ [0, 1] on a
fn (x) → 0 alors [0,1] fn dλ → 0. Essayer sans convergence dominée.
Exemple : Considérer la suite de fonctions (fn )n≥1 mesurables définies sur R et telle que
pour tout n ≥ 1, et x ∈ R : |fn (x)| ≤ 1/(1 + x2 ). Supposons que pour tout x ∈ R, fn (x)
converge vers f (x). Montrer alors que
Z +∞ Z +∞
lim fn (x) dx = f (x) dx.
n→+∞ −∞ −∞

Application aux intégrales à paramètres

Les Rrésultats suivants donnent des conditions assez faibles sur f pour que la fonction
F (t) = X f (t, x) µ(dx) soit continue ou dérivable en t ∈ T .

Théorème 5.4.2 (Continuité sous l’intégrale) Soit (X, A, µ) un espace mesuré et T

un espace métrique (en général T = R ou à C). On considère f : T × X → C tel que pour
tout t ∈ T , x 7→ f (t, x) est mesurable et
∀(t, x) ∈ T × X, |f (t, x)| ≤ g(x)
R R
avec g fonction µ-intégrable ( X g(x) µ(dx) < +∞). On pose F (t) = X f (t, x) µ(dx).
Soit t0 ∈ T , on suppose que pour presque tout x ∈ X, t 7→ f (t, x) est continue en t0 . Alors
la fonction F est continue en t0 .
Chapitre 5. JCB
c – L3 math – Université de Rennes 1 58

Démonstration : Comme R et C sont métriques, la continuité est donnée par la continuité

séquentielle (c’est à dire avec les suites : F est continue en t0 ssi pour toute suite (tn )n≥1
qui converge vers t0 , on a limn→+∞ F (tn ) = F (t0 )).

R voir que pour toute suite (tn )n≥1 qui converge vers t0 , on a F (tn ) → F (t0 ). Mais
Il faut alors
F (tn ) = X f (tn , x) µ(dx). Les fonctions x 7→ f (tn , x) sont mesurables et dominées par g,
intégrable. De plus quand n → +∞, f (tn , x) → f (t0 , x) pour presque chaque x ∈ X par la
continuité presque partout de f (t0 , ·). La conclusion découle directement du théorème de
convergence dominée (Th. 5.4.1) :
Z Z
lim F (tn ) = lim f (tn , x) µ(dx) = f (t0 , x) µ(dx) = F (t0 ).
n→+∞ n→+∞ X X

R +∞ 3
Exemples. La fonction définie par F (t) = 0 e−t x dx est continue sur R∗+ .
R +∞
La fonction Gamma définie par Γ(t) = 0 xt−1 e−x dx est continue sur R∗+ .

Théorème 5.4.3 (Dérivabilité sous l’intégrale) Soit (X, A, µ), I un intervalle ouvert
de R et f : I × X → C telle que
— ∀t ∈ I, x 7→ f (t, x) est mesurable ;
— ∃t0 ∈ I, x 7→ f (t0 , x) est µ-intégrable.
On suppose qu’il existe A ∈ A tel que µ(Ac ) = 0 et
— ∀x ∈ A, t 7→ f (t, x) est dérivable
 en toutZ t ∈ I ;
 ∂f 
— ∀x ∈ A, ∀t ∈ I,  (t, x) ≤ g(x), avec g(x) µ(dx) < +∞.
R ∂t X
Alors F (t) = X f (t, x) µ(dx) est finie et la fonction F est dérivable de dérivée
Z
0 ∂f
F (t) = (t, x) µ(dx).
X ∂t

Démonstration : Pour x ∈ A, ∂f ∂t
(t, x) = limtn →t f (tn ,x)−f
tn −t
(t,x)
est mesurable car limite de
fonctions mesurables.
Pour t1 ∈ I quelconque et t0 donné dans l’énoncé, par le théorème des accroissements finis,
on a θ ∈]t0 , t1 [ :
 
 ∂f 
|f (t1 , x) − f (t0 , x)| =  (θ, x) |t1 − t0 | ≤ g(x)|t1 − t0 |.
∂t
Il suit |f (t1 , x)| ≤ g(x)|t1 −t0 |+|f (t0 , x)| qui est intégrable car g et f (t0 , ·) le sont. L’intégrale
F (t1 ) est donc finie pour tout t1 ∈ I.
Soit maintenant t ∈ I fixé et tn → t, on a
F (tn ) − F (t) f (tn , x) − f (t, x)
Z
= µ(dx).
tn − t A tn − t
Chapitre 5. JCB
c – L3 math – Université de Rennes 1 59

Or f (tn ,x)−f
tn −t
(t,x)
est une suite de fonctions qui tend vers ∂f∂t
(t, x) et qui vaut par le théorème
des accroissements finis ∂t (θn , x) pour un certain θn ∈]t, tn [. Or ∂f
∂f
∂t
(θn , x) est dominée par
g(x), intégrable. Le théorème de convergence dominée (Th. 5.4.1) s’applique et donne

F (tn ) − F (t)
Z Z
0 ∂f ∂f
F (t) = lim = (t, x) µ(dx). = (t, x) µ(dx).
n→+∞ tn − t A ∂t X ∂t

Exemples. R +∞ 3
— La fonction définie par F (t) = 0 e−t x dx est dérivable sur R∗+ .
R +∞
— La fonction Gamma définie par Γ(t) = 0 xt−1 e−x dx est dérivable sur R∗+ .
En fait par un argument récursif, on montre que ces fonctions sont mêmes C ∞ sur R∗+ .
Contre-exemple. Soit f : R → R mesurable et sa primitive
Z t Z
F (t) = f (x)dx = f (x)1[0,t] (x) dx
0

On est tenté d’appliquer le théorème de dérivation (Th. 5.4.3) à f (t, x) = f (x)1[0,t] (x) en
constatant que ∂f∂t
existe presque partout (sauf en t = x) et vaut alors 0. On aurait donc
0
F (t) = 0. Le problème vient du fait que l’ensemble presque sûr où f (·, x) est dérivable
dépend de x, ce qui n’est pas autorisé pour appliquer le Th. 5.4.3.
Chapitre 6

Lien avec l’intégrale de Riemann

L’intégrale de Riemann est une intégrale pour les fonctions définies sur R. La mesure
classique à considérer sur R étant la mesure de Lebesgue λ, on va donc faire le lien entre
l’intégrale de Riemann et l’intégrale de Lebesgue pour la mesure de Lebesgue λ. On com-
mence par faire le lien entre les deux types d’intégrales sur des intervalles [a, b] bornés pour
les fonctions en escalier en Section 6.1, pour les fonctions continues en Section 6.2, et pour
les fonctions Riemann-intégrables en Section 6.3. Enfin en Section 6.4, on fait le lien avec
les intégrales de Riemann impropres.

6.1 Fonctions en escalier

Soit [a, b] un intervalle borné de R et S = {a = t0 ≤ t1 · · · ≤ tn = b} une subdivision
de [a, b]. On note ρ(S) = max0≤i≤n−1 |ti − ti−1 | le pas de la subdivision S.
On a déjà remarqué que les fonctions en escalier
n−1
X
f (x) = αi 1[ti ,ti+1 [ (x)
i=0

sont des cas spéciaux de fonctions étagées (car les intervalles [ti , ti+1 [ sont des boréliens).
Leur intégrale de Riemann sur [a, b] est donnée par
Z b n−1
X
f (x) dx = αi (ti+1 − ti ).
a i=0

Tandis (qu’en tant que fonctions étagées), leur intégrale de Lebesgue sur [a, b] ∈ B(R) est
donnée par
Z n−1
X n−1
X
f dλ = αi λ([ti , ti+1 [) = αi (ti+1 − ti ).
[a,b] i=0 i=0

60
Chapitre 6. JCB
c – L3 math – Université de Rennes 1 61

Les deux types d’intégrale de Riemann et de Lebesgue coı̈ncident donc pour les fonctions
en escalier : Z Z b
f dλ = f (x) dx. (6.1)
[a,b] a

6.2 Fonctions continues de [a, b] → R

Soit f : [a, b] → R une fonction continue. Elle est mesurable et bornée par M : |f (x)| ≤
M . Donc f est λ-intégrable (au sens de Lebesgue) sur [a, b] fini :
Z Z
|f | dλ ≤ M dλ = M λ([a, b]) = (b − a)M < +∞.
[a,b] [a,b]

En fait, la continuité sur [a, b] donne l’uniforme continuité de f (théorème de Heine). La

fonction f est donc limite uniforme de fonctions en escalier En (on dit dans ce cas que f
est une fonction réglée).

ROnb
a vu en Section 6.1 que Rpour les fonctions en escalier En , lesRintégrales de Riemann
b
a
En (x) dx et de Lebesgue [a,b] En dλ coı̈ncident. Par définition, a f (x) dx est limite de
Rb R R
a
E n (x) dx et [a,b]
f dλ est sup, donc limite croissante des intégrales E dλ. On a
[a,b] n
donc avec le théorème de convergence monotone (Th. 4.3.1) :
Z b Z b Z Z
f (x) dx = lim En (x) dx = lim En (x) dλ = f dλ.
a n→+∞ a n→+∞ [a,b] [a,b]

Les intégrales de Riemann et de Lebesgue coı̈ncident donc pour des fonctions continues sur
des intervalles bornés. Elles sont même λ-intégrables.

Remarque 6.2.1 — Le même argument s’applique en fait aux fonctions réglées (li-
mites uniformes de fonctions en escalier) : leurs intégrale de Riemann et de Lebesgue
sur des intervalles bornés sont égales.
— On a deux notations (a priori) différentes pour les intégrales de Riemann et de
Lebesgue d’une fonction (continue) f mais finalement les deux intégrales coı̈ncident :
Z b Z
f (x) dx = f dλ.
a [a,b]

— Tous les calculs que l’on sait faire avec l’intégrale de Riemann restent donc va-
lables avec l’intégrale de Lebesgue. Les calculs de primitives, intégration par parties,
changements de variables usuels, etc, ne disparaissent pas.
Chapitre 6. JCB
c – L3 math – Université de Rennes 1 62

6.3 Fonctions Riemann-intégrables

Mesurabilité
D’abord, on montre que les fonctions Riemann-intégrables ont un sens pour l’intégrale
de Lebesgue : elles sont égales λ-presque partout à des fonctions mesurables (pour la tribu
borélienne de R). On commence par le critère suivant de Riemann-intégrabilité.

Théorème 6.3.1 (Lebesgue) Une fonction f bornée sur [a, b] est Riemann-intégrable ssi
l’ensemble de ses points de discontinuité est de mesure de Lebesgue nulle. On dit alors que
f est continue λ-presque partout.

Notons D l’ensemble des points de discontinuité de f . En notant Oscx f l’oscillation de f

en x, 

Oscx (f ) = inf sup |f (u) − f (v)| : u, v ∈ I ∩ [a, b] ,
I voisinnage
ouvert de x
on utilise le résultat suivant d’intégrale de Riemann :

Théorème 6.3.2 (Darboux) Soit f bornée sur [a, b]. Elle est Riemann-intégrable ssi
pourPtout ε > 0, il existe α > 0 et une famille d’intervalles ouverts ]ci , di [, 1 ≤ i ≤ N , tels
que N i=1 (di − ci ) ≤ ε et

n o [N
 
Dα = x ∈ [a, b] : Oscx (f ) ≥ α ⊂ ci , di .
i=1

Intuitivement, on englobe les oscillations trop grandes de f dans des intervalles dont la
somme des longueurs est aussi petite qu’on veut.
Démonstration :(Darboux, Th. 6.3.2) Soit f Riemann-intégrable sur [a, b]. On se donne
ε > 0 et α. D’après la Riemann-intǵrabilité (cf. [JCB-Riemann]), il existe une subdivision
d : a = x0 < x1 < · · · < xn = b de [a, b] telle que pour les sommes de Darboux associées,
on ait :
n−1
X εα
0 ≤ Sf (d) − sf (d) = (xi+1 − xi )(Mi (f ) − mi (f )) ≤
i=0
2
ici Mi (f ) = supx∈[xi ,xi+1 ] f (x) et mi (f ) = inf x∈[xi ,xi+1 ] f (x). Notons que (Mi (f ) − mi (f ))
n o
est l’oscillation de f sur [xi , xi+1 ]. On pose Iα = i ∈ {0, . . . , n−1} : Oscf ([xi , xi+1 ]) ≥ α .
Pour i 6∈ Iα , on a Oscf ([xi , xi+1 ]) < α et pour x ∈]xi , xi+1 [, on a Oscx (f ) ≤ Oscf (]xi , xi+1 [) <
α. Il vient ]xi , xi+1 [∩Dα = ∅ et donc
[ 
Dα ⊂ ]xi , xi+1 [ ∪ {xi : 0 ≤ i ≤ n}.
i∈Iα
Chapitre 6. JCB
c – L3 math – Université de Rennes 1 63

Pour i ∈ Iα , on a α ≤ Oscf ([xi , xi+1 ]) = Mi (f ) − mi (f ) et donc

X X
εα
α(xi+1 − xi ) ≤ (xi+1 − xi ) Mi (f ) − mi (f ) ≤ Sf (d) − sf (d) ≤
i∈Iα i∈Iα
2

− xi ) ≤ 2ε .
P
et i∈Iα (xi+1

Pn i ∈ {0, . . . , n}, on pose

Pour
2ε
ui = xi − ε/(4(n + 1)) et vi = xi + ε/(4(N + 1)). On a alors
ε
i=0 (vi − ui ) = (N + 1) 4(n+1) = 2 et donc

[ n
 [ 
Dα ⊂ ]xi , xi+1 [ ∪ ]ui , vi [ .
i∈Iα i=0

avec n
X X
(xi+1 − xi ) + (vi − ui ) ≤ ε
i∈Iα i=0

ce qui prouve le sens direct du Th. 6.3.2.

Pour la réciproque : soit f bornée sur [a, b] vérifiant la condition du Th. 6.3.2. Soit α > 0
et ε0 > 0, il existe une famille finie de q intervalles ]ci , di [, 1 ≤ i ≤ q, tels que
[  q
X
Dα ⊂ ]ci , di [ et (di − ci ) ≤ ε0 .
i∈Iα i=1

On peut supposer les intervalles ]ci , di [ disjoints (sinon on redécoupe les intervalles) et on
peut supposer l’indexation telle que c1 < d1 < c2 < d2 < · · · < cq < dq . Si a < c1 , on pose
I0 = [a, c1 ] puis I1 = [d1 , c2 ], . . . , Iq−1 = [dq−1 , cq ] et Iq = [dq , b] si dq < b (si c1 ≤ a alors I0
n’existe pas ; si dq ≥ b alors Iq n’existe pas).
Comme Dα ⊂ qi=1 ]ci , di [, on a Dα ∩ Ik = ∅ et donc pour tout x ∈ Ik , on a Oscx (f ) < α. La
S
borne supérieure des Oscx (f ) sur Ik est donc inférieure à α et il existe alors une subdivision
δk de Ik (y0k < y1k · · · < ynnk ) telle que Oscf ([yjk , yj+1 k
]) ≤ 2α pour tout 0 ≤ j ≤ nk − 1.
Soit alors d la subdivision de [a, b] formée de a, b et des point yjk des subdivisions δk ,
1 ≤ k ≤ q, qu’on reordonne en z0 = a < z1 < · · · < zp = b. Un segment [zs , zs+1 ] de la
subdivision d est du type [yjk , yj+1 k
] ou [ci , di ] et on peut regrouper les termes Sf (d) − sf (d)
en les (di − ci )Oscf ([ci , di ]) et les

k −1
nX k −1
nX
k
yjk Oscf ([yjk , yj+1
k k
− yjk ≤ 2αλ(Ik ).



yj+1 − ]) ≤ 2α yj+1
j=0 j=0

On a donc
q−1 q
X X
Sf (d) − sf (d) ≤ (2α)λ(Ik ) + (di − ci )Oscf ([ci , di ]).
k=0 i=1
Chapitre 6. JCB
c – L3 math – Université de Rennes 1 64

Comme les Ik sont des intervalles disjoints et l’oscillation de f sur [ci , di ] est majorée par
celle de f sur [a, b], on a
q
X
Sf (d) − sf (d) ≤ (2α)(b − a) + Oscf ([a, b]) (di − ci )
i=1
0
≤ (2α)(b − a) + ε Oscf ([a, b]).

Finalement, étant donné η > 0, les choix α ≤ η/(4(b − a)) et ε0 ≤ η/(2Oscf ([a, b])) as-
surent l’existence d’une subdivision d de [a, b] telle que Sf (d) − sf (d) ≤ η ce qui signifie la
Riemann-intégrabilité de f . 

Démonstration :(Lebesgue, Th. 6.3.1) Soit f Riemann-intégrable sur [a, b]. On note que
l’ensemble D de discontinuité est l’ensemble des x ∈ [a, b] tels que Oscx (f ) > 0 qu’on peut
encore écrire
[ 
D= Dn , avec Dn = x ∈ [a, b] : Oscx (f ) ≥ 1/n . (6.2)
n≥1

Comme f est Riemann-intégrable sur [a, b], le Th. 6.3.2 justifie que pour ε > 0, chaque Dn
peut être recouvert par une famille finie d’intervalles ouverts, dont la somme des longueurs
est inférieure à ε/2n :
pn pn
[ X
(dn,i − cn,i ) ≤ ε/2n .
 
Dn ⊂ cn,i , dn,i avec
i=1 i=1

Ainsi D est couvert par une réunion dénombrable d’ouverts de longueur totale inférieure
à ε : pn pn
[[ XX X
ε/2n = ε.
 
D⊂ cn,i , dn,i avec (dn,i − cn,i ) ≤
n≥1 i=1 n≥1 i=1 n≥1

On a donc λ(D) ≤ ε et comme ε > 0 est quelconque, on a λ(D) = 0.

Réciproquement, si λ(D) = 0, soit ε > 0 alors il existe des intervalles ouverts ]cn , dn [,
n ≥ 1, tels que [  X
D⊂ cn , dn , (dn − cn ) ≤ ε.
n≥1 n≥1

Comme
S Dn donné  en (6.2) est fermé de [a, b], Dn est compact. De pus Dn ⊂ D est couvert
par n≥1 cn , dn . On peut donc extraire un recouvrement fini de Dn par des intervalles de
longueur inférieure à ε. D’après le Th. 6.3.2, f est Riemann-intégrable. 

Proposition 6.3.1 Les fonctions Riemann-intégrables f : [a, b] → R sont égales λ-presque

partout à des fonctions mesurables pour les tribus boréliennes de [a, b] et de R.
Chapitre 6. JCB
c – L3 math – Université de Rennes 1 65

Démonstration : On rappelle qu’étant donnée une subdivision S = {a = t0 ≤ · · · ≤ tn =

b} de [a, b], on encadre f Riemann-intégrable par les fonctions en escalier de type Darboux :
n−1
X n−1
X
− +
E(f,S) (x) = mi 1[ti ,ti+1 [ (x), E(f,S) (x) = Mi 1[ti ,ti+1 [ (x) (6.3)
i=0 i=0

où mi = inf x∈[ti ,ti+1 [ f (x) et avec Mi = supx∈[ti ,ti+1 [ f (x). On a alors
− +
E(f,S) ≤ f ≤ E(f,S)

et aussi
− +
sup E(f,S) ≤ f ≤ inf E(f,S)
S S

où le sup est pris sur les subdivisions S de [a, b]. Puis comme f est Riemann-intégrable, en
notant
n−1
X n−1
X
− +
A (f, S) = mi (ti+1 − ti ), A (f, S) = Mi (ti+1 − ti )
i=0 i=0

ses sommes de Darboux inférieure et supérieure, on a

Z b Z b
− − + +
lim E(f,S) (x) dx = lim A (f, S) = lim A (f, S) = lim E(f,S) (x) dx.
ρ(S)→0 a ρ(S)→0 ρ(S)→0 ρ(S)→0 a

Comme pour une subdivision S fixée, on a

− − + +
E(f,S) ≤ sup E(f,S) ≤ inf E(f,S) ≤ E(f,S)
S S

en intégrant, il vient
Z b Z b Z b Z b
− − + +
E(f,S) (x) dx ≤ sup E(f,S) (x) dx ≤ inf E(f,S) (x) dx ≤ E(f,S) (x) dx
a a S a S a

et en passant à la limite
Z b Z b Z b Z b
− − + +
lim E(f,S) (x) dx ≤ sup E(f,S) (x) dx ≤ inf E(f,S) (x) dx ≤ lim E(f,S) (x) dx.
ρ(S)→0 a a S a S ρ(S)→0 a
Rb
Comme par définition de l’intégrale de Riemann a f (x) dx, les deux côtés de l’inégalité
Rb −
précédente ont des limites égales, il y a égalité partout. On a donc a supS E(f,S) (x) dx =
Rb + − +
a
inf S E(f,S) (x) dx. Comme en plus supS E(f,S) ≤ f ≤ inf S E(f,S) , cela exige
− +
sup E(f,S) (x) = f (x) = inf E(f,S) (x)
S S
Chapitre 6. JCB
c – L3 math – Université de Rennes 1 66

en tous les points x de continuité, c’est à dire d’après le théorème précédent de Lebesgue
(Th. 6.3.1), égalité λ-presque partout. On en déduit que pour λ-presque chaque x ∈ [a, b],
on a
− +
f (x) = sup E(f,S) (x) = inf E(f,S) (x).
S S

Comme on peut prendre le sup et l’inf précédents sur une famille dénombrable de subdivi-
k − +
sions Sn = a + n (b − a) : 0 ≤ k ≤ n , n ≥ 1, et comme E(f,Sn ) et E(f,S n)
sont mesurables
− +
pour les tribus boréliennes (car en escalier), les fonctions supn E(f,Sn ) et inf n E(f,S n)
sont
mesurables. Finalement, la fonction f est bien égale λ-p.p. à une fonction mesurable. 

Remarque 6.3.1 Attention si f = g pp avec g mesurable, on n’a pas nécesairement f

mesurable sauf si la tribu est complète.

Comparaison des intégrales

Proposition 6.3.2 Soit f : [a, b] → R une fonction Riemann-intégrable. Alors elle est
λ-intégrable au sens de Lebesgue et les intégrales de Riemann et de Lebesgue sont égales :
Z Z b
f dλ = f (x) dx.
[a,b] a

Démonstration : Pour commencer, on suppose pour simplifier f positive. D’après le

Th. 6.3.1, l’ensemble des points de discontinuité D de f est de mesure λ(D) = 0. On a
Z Z
f dλ = f dλ ≤ M (b − a) < +∞
[a,b] [a,b]∩Dc

où M = supx∈[a,b]∩Dc f (x) < +∞ car f est continue donc bornée sur [a, b] ∩ Dc , ensemble
borné. Avec Sn = a + 2kn (b − a) : 0 ≤ k ≤ 2n , on a ρ(Sn ) = 2−n → 0, et les partitions


Sn , n ≥ 1, sont emboitées. On a λ-p.p.

− +
E(f,S n)
%f et E(f,S n)
&f

avec les notations de (6.3). Mais par définition de l’intégrale de Riemann de f , on a

Z b Z b
− −
f (x) dx = lim A (f, Sn ) = lim E(f,S n)
(x) dx.
a ρ(Sn )→0 ρ(Sn )→0 a

− −
Comme les partitions Sn , n ≥ 1, sont emboitées, on a E(f,S n)
≤ E(f,S n+1 )
, le théorème de
convergence monotone (Th. 4.3.1) assure
Z Z
−
f dλ = lim E(f,S n)
dλ.
[a,b] ρ(Sn )→0 [a,b]
Chapitre 6. JCB
c – L3 math – Université de Rennes 1 67

−
R
Comme pour les fonctions en escalier, les deux types d’intégrales coı̈ncident [a,b]
E(f,S) dλ =
Rb −
a
E(f,S) (x) dx et l’égalité persiste à la limite :
Z Z b
f dλ = f (x) dx.
[a,b] a

Si f n’est pas positive, alors |f | est encore Riemann-intégrable et on écrit f = f + − f − avec

f + et f − ses parties positive et négative, puis on applique ce qui précède à f + et f − . Si f est
complexe, on écrit f = Re(f )+iIm(f ) et on applique ce qui précède à Re(f ) et à Im(f ). 

Rb
Dans
R la suite, pour simplifier, on utilisera souvent la notation a
f (x) dx pour l’intégrale
[a,b]
f dλ par rapport à la mesure λ.

6.4 Cas des intégrales de Riemann impropres

Soit −∞ ≤ a < b ≤ +∞ et f :]a, b[→ C une fonction localement Riemann-intégrable,
Rd
c’est à dire qu’on suppose que pour tout a < c < d < b, on a c |f (x)|dx < +∞. Par
définition, la fonction f a une intégrale (de Riemann) impropre convergente sur ]a, b[ ssi
Z β
lim f (x) dx
α&a α
β%b

existe, c’est à dire ssi pour toutes suites αn & a et βn % b, on a

Z βn Z
f (t) dt = f dλ (6.4)
αn [αn ,βn ]

Rb
a une limite, notée a
f (x) dx.
Or si f est λ-intégrable sur ]a, b[ (au sens de Lebesgue), par le théorème de convergence
dominée (Th. 5.4.1), on a
Z Z Z Z
|f | dλ = 1[αn ,βn ] |f | dλ −→ 1]a,b[ |f | dλ = |f |dλ, n → +∞,
[αn ,βn ] ]a,b[

car f 1]a,b[ est λ-intégrable. Dans ce cas, un passage à la limite dans (6.4) montre que f a
une intégrale impropre de Riemann absolument convergente.
Par contre si f n’est pasR λ-intégrable (au sens de Lebesgue) sur ]a, b[, rien ne permet de
passer à la limite dans ]αn ,βn ] f dλ et on ne peut pas considérer l’intégrale de Lebesgue de
f sur ]a, b[ dans ce cas.

Pour résumer, il y a deux cas de figure :

Chapitre 6. JCB
c – L3 math – Université de Rennes 1 68

— les intégrales impropres convergent absolument, dans ce cas, c’est que f ∈ L1 (]a, b[)
(ie. elles sont λ-intégrables au sens de Lebesgue) ; R
— les intégrales sont seulement semi-convergentes et ]a,b[ f dλ n’est pas défini au sens
de Lebesgue.
R +∞
Exemple : L’intégrale 0 sinx x dx est seulement semi-convergente et n’a pas de sens en
tant qu’intégrale de Lebesgue alors qu’en tant qu’intégrale impropre de Riemann, elle vaut
π/2.
Il faudrait définir une notion d’intégrale impropre de Lebesgue pour généraliser les inté-
grales semi-convergentes. On ne le fera pas dans ce cours.
Chapitre 7

Intégrale multiple

Dans ce chapitre, on considère des intégrales sur des espaces produits, définissant ainsi
des intégrales multiples. Pour intégrer sur un espace produit, il est nécessaire de considérer
une tribu sur l’espace produit, la plus naturelle est la tribu produit, elle est introduite en
Section 7.1. Sur cette tribu, on introduit la mesure produit en Section 7.2. Ces intégrales
sur des espaces produits (intégrales multiples) se ramènent à des intégrales sur les espaces
facteurs (intégrales simples) grâce aux théorèmes de Fubini en Section 7.3.
On introduit finalement un autre outil de calcul d’intégrales multiples en Section 7.4 avec
les changements de variables.
Pour commencer, on rappelle :

Définition 7.0.1 (Produit d’ensembles) Le produit cartésien de deux ensembles  A et

B noté A × B
est l’ensemble des couples (a, b) avec a ∈ A et b ∈ B, ie. A × B = (a, b) :
a ∈ A, b ∈ B .

Dans ce chapitre, on considère deux espaces mesurables (X, A) et (Y, B) et l’espace produit

X × Y = (x, y) : x ∈ X, y ∈ Y .

7.1 Tribu produit

Définition 7.1.1 (Tribu produit) La σ-algèbre produit A ⊗ B est la tribu de X × Y
engendrée par les pavés, c’est à dire les produits de mesurables A × B pour A ∈ A, B ∈ B :

A ⊗ B = σ(P) où P = A × B : A ∈ A, B ∈ B .

Remarque 7.1.1 — Le produit de la tribu borélienne sur R par elle même donne la
tribu borélienne sur R2 . En effet B(R2 ) est engendrée par les produits d’intervalles
ouverts ]a, b[×]c, d[ qui engendrent aussi la tribu produit B(R) ⊗ B(R). On a donc
B(R) ⊗ B(R) = B(R2 ).

69
Chapitre 7. JCB
c – L3 math – Université de Rennes 1 70

— Plus généralement, la tribu borélienne sur Rn (engendrée donc par les ouverts de
Rn ) s’obtient comme le produit de celles de R :

B(Rn ) = B(R) ⊗ · · · ⊗ B(R) .

| {z }
n fois

— Les ensembles mesurables 00 de base00 de X × Y sont donc les produits A × B de

mesurables de X et de Y . Lorsque X = Y = R, les plus simples sont mêmes les
produits d’intervalles [a, b] × [c, d]. Cependant, il y a des mesurables de A ⊗ B plus
généraux qui ne peuvent se voir comme des produits de mesurables, par exemple
le disque unité D(0, 1) = {(x, y) ∈ R2 : x2 + y 2 } ∈ B(R) ⊗ B(R) puisque on
l’écrit comme l’image réciproque d’un intervalle (donc mesurable) par une fonction
mesurable :
D(0, 1) = F −1 ([0, 1])
avec F (x, y) = x2 + y 2 qui est mesurable car continue. De même K(0, 1) = {(x, y) ∈
R2 : |x| + |y| ≤ 1} ∈ B(R) ⊗ B(R) puisque

K(0, 1) = G−1 ([0, 1])

avec G(x, y) = |x|+|y| qui est mesurable car continue. Noter que D(0, 1) est la boule
unité pour la norme euclidienne (ou `2 ), K(0, 1) est celle de la norme `1 et celle de
la norme uniforme `∞ est [−1, 1] × [−1, 1] mesurable car produit de mesurables.

Définition 7.1.2 (Sections) Soit E ⊂ X × Y et f : X × Y → Z, x ∈ X, y ∈ Y . On

définit les sections de E :

Ex = {y ∈ Y : (x, y) ∈ E} ⊂ Y, E y = {x ∈ X : (x, y) ∈ E} ⊂ X

et celles de f
 
(Y, B) → Z y (X, B) → Z
fx : , f :
y 7→ f (x, y) x 7→ f (x, y).

Exemples : Avec X = Y = R, on a

([1, 3] × [−4, −2])x=2 = [−4, −2], ([1, 3] × [−4, −2])x=5 = ∅,

([1, 3] × [−4, −2])y=−3 = [1, 3], ([1, 3] × [−4, −2])y=0 = ∅.

Plus généralement, soit A ∈ A, B ∈ B des mesurables de X et de Y , alors

 
B si x ∈ A, y A si y ∈ B,
(A × B)x = (A × B) =
∅ si x ∈ 6 A ∅ si y 6∈ B.

Proposition 7.1.1 Soit E ∈ A ⊗ B et f : (X × Y, A ⊗ B) → (Z, C) mesurable alors

Chapitre 7. JCB
c – L3 math – Université de Rennes 1 71

1. Ex ∈ B, E y ∈ A pour tout x ∈ X et y ∈ Y .
2. fx : (Y, B) → (Z, C) est mesurable et f y : (X, A) → (Z, C) est mesurable.
Démonstration : 1) Soit x ∈ X, alors F = {E ⊂ X × Y : Ex ∈ B} est une tribu car B
en est une (facile à voir) et pour A ∈ A, B ∈ B, x ∈ X, on a (A × B) ∈ F car

B si x ∈ A,
(A × B)x = (7.1)
∅ sinon.

La tribu F contient donc tous les ensembles du type A × B pour A ∈ A et B ∈ B. Par

définition de la tribu produit, on a A ⊗ B ⊂ F. Donc, pour tout x ∈ X et E ∈ A ⊗ B, on
a Ex ∈ B. On fait de la même façon pour E y avec y ∈ Y .
2) On a

fx−1 (C) = {y ∈ Y : f (x, y) ∈ C} = {y ∈ Y : (x, y) ∈ f −1 (C)} = f −1 (C)x .

Or C ∈ C implique f −1 (C) ∈ A ⊗ B par mesurabilité de f et f −1 (C)x ∈ B par 1). La

section fx est donc mesurable. De même pour f y , y ∈ Y . 

7.2 Mesure produit

Rappel (mesure σ-finie) : La notion de mesure σ-finie est essentielle dans ce chapitre.
On rappelle qu’une mesure µ sur un espace S mesurable (X, A) est σ-finie s’il existe une
décomposition dénombrable de X en X = n≥1 Xn avec les Xn ∈ A de mesure µ(Xn ) <
+∞. UnS exemple fondamental est la mesure de Lebesgue λ sur (R, B(R)) puisque dans ce
cas R = n≥1 [−n, n] avec λ(| − n, n]) = 2n < +∞. Un autre exemple de mesure σ-finie est
une mesure de probabilité P, la mesure est même finie puisque P(Ω) = 1.
On considère dans toute la suite (X, A, µ) et (Y, B, ν) deux espaces mesurés avec µ et ν
des mesures σ-finies.

Proposition 7.2.1 Soit E ∈ A ⊗ B alors les applications suivantes sont mesurables :

 
(X, A) → [0, +∞]
, (Y, B) → [0, +∞]

x 7→ ν Ex y 7→ µ E y .

Démonstration : On fait la preuve que x 7→ ν(Ex ) est mesurable pour tout E ∈ A ⊗ B,

l’autre partie étant analogue.
• 1er cas : on suppose ν mesure finie. On note

D = E ⊂ A ⊗ B : x 7→ ν(Ex ) est mesurable

et 
P = A × B : A ∈ A, B ∈ B . (7.2)
Chapitre 7. JCB
c – L3 math – Université de Rennes 1 72

On a ν (A × B)x = ν(B) si x ∈ A et = 0 si x 6∈ A. On a donc


ν (A × B)x = ν(B)1A (x)
qui est donc mesurable (ν(B) < +∞), ie. P ⊂ D. Observons de plus que P est stable par
intersection (ie. c’est un π-système car (A1 × B1 ) ∩ (A2 × B2 ) = (A1 ∩ A2 ) × (B1 ∩ B2 )).
On montre que D est une classe monotone de X × Y :
— X × Y ∈ P ⊂ D.
— Si E, F ∈ D avec E ⊂ F alors



ν (F \ E)x = ν Fx \ Ex = ν(Fx ) − ν(Ex ) (7.3)
est mesurable en tant que différence de fonctions mesurables (car E, F ∈ D). On a
donc F \ E ∈ D. À noter que l’égalité (7.3) utilise ν finie.
— Si En ∈ D, n ≥ 1, avec En ⊂ En+1 alors comme (En )x ⊂ (En+1 )x , par croissance
séquentielle (1.3), on a
 [
 [ 

ν En x = ν (En )x = lim ν (En )x
n→+∞
n≥1 n≥1

est mesurable en tant que limite de fonctions mesurables (car En ∈ D).

D’après le théorème des classes monotones (Th. 1.5.1), on a σ(P) ⊂ D. Mais par définition,
σ(P) = A ⊗ B, on a donc A ⊗ B ⊂ D, ce qui prouve le premier cas.
• 2ème
S cas : La mesure ν n’est pas une mesure finie mais seulement σ-finie. On a donc
Y = n≥1 Yn avec Yn ⊂ Yn+1 et ν(Yn ) < +∞ pour tout n ≥ 1. On pose νn (B) = ν(B ∩ Yn )
pour chaque n ≥ 1. La mesure νn est finie et d’après le premier cas x 7→ νn (Ex ) est mesu-
rable lorsque E ∈ A ⊗ B.
Par croissance séquentielle, on a ν(B) = limn→+∞ νn (B) en particulier lorsque E ∈ A ⊗ B,
on a ν(Ex ) = limn→+∞ νn (Ex ) mesurable en tant que limite de fonctions mesurables. 

Proposition 7.2.2 Soient (X, A, µ) et (Y, B, ν) deux espaces mesurés avec des mesures µ
et ν qui sont σ-finies. Alors il existe une seule mesure (dite mesure produit) notée µ ⊗ ν
sur A ⊗ B telle que
(µ ⊗ ν)(A × B) = µ(A)ν(B), A ∈ A, B ∈ B. (7.4)
De plus pour tout E ∈ A ⊗ B,
Z Z
(µ ⊗ ν)(E) = ν(Ex ) dµ = µ(E y ) dν.
X Y

Démonstration : • L’unicité découle du théorème des classes monotones (Th. 1.5.1).

Si m et m0 conviennent alors par définition, m, m0 coı̈ncident sur P en (7.2), stable par
intersection finie. Comme µ et ν sont σ-finies, on a
[ [
X= Xn , Y = Yn
n≥1 n≥1
Chapitre 7. JCB
c – L3 math – Université de Rennes 1 73

avec, pour chaque n ≥ 1, Xn ⊂ Xn+1 , µ(Xn ) < +∞ et Yn ⊂ Yn+1 , ν(Yn ) < +∞. Ainsi, par
croissance, [
X ×Y = (Xn × Yn )
n≥1

avec (Xn × Yn ) ⊂ (Xn+1 × Yn+1 ) et m(Xn × Yn ) = m0 (Xn × Yn ) < +∞. Le théorème de

Dynkin (Th. 1.5.2) assure sur chaque Xn ×Yn que m = m0 . On a donc pour tout E ∈ A⊗B :
   
0
m E ∩ (Xn × Yn ) = m E ∩ (Xn × Yn ) . (7.5)

Mais par croissance séquentielle (1.3) des mesures, on a

   
m(E) = lim m E ∩ (Xn × Yn ) , m0 (E) = lim m0 E ∩ (Xn × Yn ) .
n→+∞ n→+∞

En passant à la limite dans (7.5), on a alors m(E) = m0 (E), ce qui prouve l’unicité.
• Existence. D’après le résultat précédent (Prop. 7.2.1) pour E ∈ A ⊗ B,
Z Z
m1 (E) = ν(Ex ) dµ, m2 (E) = µ(E y ) dν
X Y

ont un sens car x 7→ ν(Ex ) est A-mesurable donc sa µ-intégrale existe et y 7→ µ(E y ) est
B-mesurable donc sa ν-intégrale existe. On montre maintenant qu’il s’agit de mesures :
— m1 (∅) = m2 (∅) = 0 car
Z Z Z
m1 (∅) = ν(∅x ) dµ = ν(∅) dµ = 0 dµ = 0.
X X X
S+∞
— Soit E = n=1 En avec En ∈ A ⊗ B deux à deux disjoints, on a
+∞
! +∞
[ [
Ex = En = (En )x
n=1 x n=1

avec les ensembles (En )x , n ≥ 1, deux à deux disjoints. D’où

Z Z  +∞
[ 
m1 (E) = ν(Ex ) dµ = ν (En )x dµ
X X n=1
+∞
Z X +∞ Z
X +∞
X



= ν (En )x dµ = ν (En )x dµ = m1 (En )
X n=1 n=1 X n=1

où
R Pon a utilisé
P+∞ leR théorème de convergence monotone (Th. 4.3.1) pour échanger
+∞
n=1 = n=1 . De la même façon, on a

 +∞
[  X+∞
m2 En = m2 (En ).
n=1 n=1
Chapitre 7. JCB
c – L3 math – Université de Rennes 1 74

Les applications m1 et m2 sont donc deux mesures. Puis comme avec (7.1) :
Z Z Z Z


m1 (A × B) = ν (A × B)x dµ = ν(B) dµ + ν(∅) dµ = ν(B) dµ = µ(B)µ(A)
X A Ac A

et de même m2 (A × B) = µ(A)ν(B), ces mesures conviennent pour le théorème.

Par l’unicité vue, la mesure cherchée est (µ ⊗ ν) = m1 = m2 . 

Exemple :(Mesure de Lebesgue sur Rn ) Comme B(Rn ) = B(R)⊗n , on peut munir

(Rn , B(Rn )) de la mesure produit λ ⊗ · · · ⊗ λ = λ⊗n . Il s’agit de la mesure de Lebesgue sur
Rn et on la note λn . Elle est invariante par translation et vérifie
n
Y  Yn
λn [ai , bi ] = (bi − ai ).
i=1 i=1

7.3 Théorèmes de Fubini

Sous de bonnes conditions, le théorème de Fubini (Th. 7.3.2) permet de permuter les
intégrations dans des intégrales multiples. Ainsi les intégrales multiples, ou par rapport à
des mesures produits, se ramènent à des intégrales simples emboitées.

Théorème 7.3.1 (Fubini-Tonelli) Soit f : (X × Y, A ⊗ B) → [0, +∞] une fonction

mesurable positive, avec µ et ν des mesures σ-finies sur (X, A) et (Y, B). Alors
Z Z
1. x 7→ fx dν est A-mesurable et y 7→ f y dµ est B-mesurable.
Y X
2. Puis, on a
Z Z Z  Z Z 
y
f d(µ ⊗ ν) = fx dν dµ = f dµ dν.
X×Y X Y Y X

Démonstration : • Pour f = 1E , il s’agit de la Prop. 7.2.2 précédente.

• Pour f fonction étagée positive, on obtient 1) et 2) par linéarité grâce au cas précédent
des fonctions indicatrices.
• Pour f fonction mesurable positive quelconque, on trouve (sn )n≥1 une suite croissante
de fonctions étagées positives qui converge vers f (Prop. 3.4.1). Mais alors la suite des
sections (sn )x est étagée, croissante, positive et converge vers la section fx de f . D’après le
théorème de convergence monotone (Th. 4.3.1), on a :
Z Z
fx dν = lim (sn )x dν
Y n→+∞ Y
Chapitre 7. JCB
c – L3 math – Université de Rennes 1 75

est donc une fonction mesurable car limite de fonctions mesurables. Puis en appliquant
trois fois la convergence monotone (Th. 4.3.1, pour (µ ⊗ ν), pour µ et pour ν) et le résultat
déjà vérifié pour les fonctions étagées sn , on a
Z Z Z Z 
f d(µ ⊗ ν) = lim sn d(µ ⊗ ν) = lim (sn )x dν dµ
n→+∞ n→+∞ X Y
Z Z  Z Z 
= lim (sn )x dν dµ = lim (sn )x dν dµ
X n→+∞ Y X Y n→+∞
Z Z 
= fx dν dµ.
X Y

Le résultat avec les intégrations dans l’autre sens se justifie de la même façon. 

Le théorème de Fubini-Tonelli (Th. 7.3.1) ne s’applique qu’à des fonctions mesurables

positives (sans conditions supplémentaires). Pour des fonctions quelconques, on a le résultat
suivant :
Théorème 7.3.2 (Fubini) Soient (X, A, µ) et (Y, B, ν) des espaces mesurés σ-finis et
f : (X × Y, A ⊗ B, µ ⊗ ν) → R ou C (µ ⊗ ν)-intégrable. Alors
1. Pour µ-presque chaque x, fx est ν-intégrable et pour ν-presque chaque y, f y est µ-
intégrable.
R
2. RLa fonction F (x) = Y fx dν est A-mesurable et µ-intégrable ; la fonction G(y) =
X
f y dµ est B-mesurable et ν-intégrable.
3. On a Z Z Z
f d(µ ⊗ ν) = F dµ = G dν.
X×Y X Y

On a donc en écrivant les variables d’intégration :

Z Z Z Z Z
f (x, y) (µ ⊗ ν)(dx, dy) = f (x, y) ν(dy)µ(dx) = f (x, y) µ(dx)ν(dy).
X×Y X Y Y X

Démonstration : En appliquant le théorème de Fubini-Tonelli (Th. 7.3.1) à |f |, fonction

mesurable positive, on a
Z Z  Z Z  Z
y
|fx | dν dµ = |f | dµ dν = |f | d(µ ⊗ ν) < +∞
X Y Y X X×Y
R
Rcar f y est intégrable pour (µ ⊗ ν). On en déduit que x 7→ Y |fx | dν est finie µ-pp et y 7→
X
|f | dν est finie ν-pp, car ces fonctions sont positives et d’intégrales finies (Prop. 5.1.1).
Cela justifie le point 1).
Pour le 2), d’après Th. 7.3.1, F et G sont mesurables. Puis on écrit f = (u+ −u− )+i(v + −v − )
où u = Re(f ) et v = Im(f ). On a alors
Z Z Z Z Z
I(x) = fx dν = ux dν − ux dν + i vx dν − i vx− dν.
+ − +
Chapitre 7. JCB
c – L3 math – Université de Rennes 1 76

Par le théorème de Fubini-Tonelli (Th. 7.3.1), les quatre intégrales sont des fonctions me-
surables donc F aussi puis Z
|F (x)| ≤ |fx | dν < +∞
Y
pour µ-presque chaque x ∈ X. On a donc f intégrable. On fait de même pour G.
Pour 3), on écrit à nouveau f = u+ − u− + i(v + − v − ), on utilise la linéarité et le théorème
de Fubini-Tonelli (Th. 7.3.1) pour les intégrales de u+ , u− , v + , v − puis on reforme f à la
fin, les somme étant licites par intégrabilité. 

Remarque 7.3.1 — En pratique, on raisonne de la façon suivante :

1. On s’assure que f est mesurable (arguments généraux).
R
2. Pour montrer que f est intégrable, on calcule |f |d(µ ⊗ ν) en appliquant le
théorème de Fubini-Tonelli (Th. 7.3.1) à la fonction positive |f | :
Z Z Z  Z Z 
|f |d(µ ⊗ ν) = |f (x, y)|dµ dν = |f (x, y)|dν dµ
Y X X Y

en choisissant la forme la plus convenable (intégrer d’abord en x ou en y) pour

faire le calcul.
3. On applique le théorème de Fubini (Th. 7.3.2).
— Si F est positive, on peut intervertir directement les intégrations (par la version
Fubini-Tonelli (Th. 7.3.1) du résultat). Si f ne l’est pas, il faut vérifier l’intégrabilité
en calculant l’intégrale de |f | en appliquant par exemple la version Fubini-Tonelli à
|f | > 0 pour se ramener à des intégrales simples.
— L’utilisation du théorème de Fubini (Th. 7.3.2) permet de ramener de nombreux
calculs d’intégrales doubles (ou triples ou plus généralement multiples) à des calculs
successifs d’intégrales simples (aussi bien pour des calculs effectifs que pour montrer
des convergences d’intégrales).
— Un autre outil essentiel est le changement de variables présenté en Section 7.4.
— Application P R: grâce
R Pau théorème de Fubini (Th. 7.3.2), on peut justifier des in-
terversions = : en effet une somme peut se voir comme une intégrale par
rapport à une mesure discrète de comptage et il s’agit bien dès lors d’intervertir
deux intégrales.

7.4 Changement de variables

On a vu un résultat de changement de variable abstrait (la formule de transfert, Th.
5.2.1) avec pour seule condition d’avoir un changement de variable y = ϕ(x) mesurable.
Chapitre 7. JCB
c – L3 math – Université de Rennes 1 77

Cependant, dans cette formule, la nouvelle mesure ν = µf n’est pas explicite du tout. Ce
résultat est donc essentiellement abstrait et difficile à utiliser pour des calculs explicites. On
propose dans cette section, pour les intégrales sur Rn par rapport à la mesure de Lebesgue
λn sur (Rn , B(Rn )), des résultats plus explicites, avec des conditions plus restrictives sur le
changement de variables (difféomorphisme).

Définition 7.4.1 (Difféomorphisme) Soit F : D ⊂ Rn → D0 ⊂ Rn où D et D0 sont des

ouverts. La fonction F est appelée un difféomorphisme si c’est une bijection de classe C 1
dont la bijection réciproque est aussi de classe C 1 .
Définition 7.4.2 (Jacobien) La matrice jacobienne d’un changement de variable

 ∂Fi 
y = F (x) ⇐⇒ (y1 , . . . , yn ) = F1 (x1 , . . . , xn ), . . . , (Fn (x1 , . . . , xn ) = (x)
∂xj 1≤i,j≤n

est
∂F1 ∂F1
 
∂x1
··· ∂xn
JF (x) = JF (x1 , . . . , xn ) =  .. ..
.
 
. .
∂Fn ∂Fn
∂x1
··· ∂xn
Le jacobien est le déterminant de la matrice jacobienne det JF (x).
La matrice jacobienne est donc la matrice des dérivées partielles.
Rappel : Calculs des déterminants.  
 a b 
— Déterminants d’ordre 2 :   = ad − bc,
c d   
 a1 b 1 c 1 
 
— Déterminants d’ordre 3 : Règle de Sarrus  a2 b2 c2  = a1 b2 c3 + b1 c2 a3 + c1 a2 b3 −
 a3 b 3 c 3 
a3 b 2 c 1 − b 3 c 2 a1 − c 3 a2 b 1 .
— Déterminants d’ordre quelconque : développements selon une ligne ou une colonne
pour se ramener à des déterminants d’ordre inférieur.
La règle de dérivation composée (ie. (f ◦ g)0 (x) = f 0 (g(x))g 0 (x)) assure que
n
∂(F ◦ G)i X ∂Fi ∂Gk
(x) = (G(x)) (x)
∂xj k=1
∂xk ∂xj
ce qui se résume en
JF ◦G (x) = JF (G(x))JG (x).
Si F est une bijection C 1 de U sur V de jacobienne inversible sur U alors le théorème
d’inversion locale assure que F −1 est aussi C 1 (et réciproquement). En fait, F est un
C 1 -difféomorphisme de U sur V = F (U ) ssi son jacobien (déterminant de la matrice jaco-

−1
bienne) est non nul sur U ; de plus, la jacobienne de F −1 est JF −1 (y) = JF F −1 (y) .
L’objet de la section est la preuve du résultat suivant :
Chapitre 7. JCB
c – L3 math – Université de Rennes 1 78

n
Théorème 7.4.1 (Changement de variables) Soient U, V des ouverts
  de R et ϕ :
U → V un difféomorphisme de classe C 1 de jacobien Jϕ (x) = ∂ϕ
∂xj
i
où ϕ =
1≤i,j≤n
(ϕ1 , . . . , ϕn ). Alors
1. pour tout B ∈ B(Rn ), B ⊂ U :
Z


λn ϕ(B) = | det Jϕ | dλn ; (7.6)
B

2. pour toute fonction f : V −→ C intégrable :

Z Z
f dλn = (f ◦ ϕ) | det Jϕ | dλn (7.7)
V U

(ie. si une des deux intégrales a un sens alors l’autre aussi et il y a égalité).

On commence par prouver 1) pour ϕ application linéaire en Section 7.4.2 avant de prouver
le cas général de 1) en Section 7.4.3. On prouve ensuite 2) en Section 7.4.4.
On présente enfin quelques changements de variable classiques explicites avec les change-
ments en polaires (pour R2 ) ou en sphérique (pour R3 ) et l’analogue pour Rn .
On commence par un rappel sur le changement de variable pour les intégrales de Riemann
en Section 7.4.1.

7.4.1 Rappel : intégrale de Riemann

Soit I un intervalle de R et ϕ : I → R strictement monotone et C 1 tel que ϕ0 ne s’annule
pas sur I. Alors on a
Z Z
f (x) dx = f (ϕ−1 (y))|(ϕ−1 )0 (y)| dy.
I ϕ(I)

Pour cela, on pose y = ϕ(x) ou x = ϕ−1 (y) et en dérivant on a la relation (formelle) entre
dx et dy en dérivant
dx
= (ϕ−1 )0 (y) c’est à dire dx = (ϕ−1 )0 (y)dy.
dy

7.4.2 Changement de variables linéaire

Lemme 7.4.1 1. Soit T : Rn → Rn linéaire et inversible et B borélien alors


λn T (B) = | det T | λn (B).

2. Si T : Rn → Rn est affine inversible, ie. T (x) = α + T0 (x) avec α ∈ Rn et T0 linéaire

inversible, alors on a encore pour tout B borélien alors


λn T (B) = | det T0 | λn (B).
Chapitre 7. JCB
c – L3 math – Université de Rennes 1 79

Démonstration : 1) On pose λ0n (B) = λn T (B) . Alors

— λ0n est une mesure car T est mesurable ;

— λ0n est finie sur les compacts car si K est compact alors T (K) aussi et donc λn (T (K)) <
+∞ puisque la mesure de Lebesgue est finie sur les compacts ;
— on a λ0n (B + x) = λn (T (B + x)) = λn (T (B) + T (x)) = λn (T (B)) = λ0n (B) puisque
λn est invariante par translation.
D’après l’unicité

de la mesure de Lebesgue (Th. 2.2.1), on a λ0n = cT λn avec cT =
λn T ([0, 1[n ) . Il reste alors à montrer que cT = | det T |. Pour cela, on utilise que toute
matrice T inversible s’écrit sous la forme T = T1 · · · Tk où les Ti , 1 ≤ i ≤ k, sont de l’un
des trois types suivants :
— matrice de permutation (permute les lignes ou les colonnes selon que l’on multiplie
à gauche ou à droite) ;
— Diag(1,
 . . . , 1, α, 1 . . . , 1) (multiplie
 une colonne ou une ligne par α) ;
1 0 0 0 ... 0
 1 1 0 0 ... 0 
 
—   0 0 1 0 . . . 0  (additionne les deux 1ères lignes ou colonnes).

 
0 ... ... ... 0 1
Étant donnée une matrice, par la multiplication à gauche ou à droite par ces matrices,
on peut permuter les lignes ou les colonnes de cette matrice ou en faire des combinaisons
linéaires.
Comme T est inversible, il existe ti,j 6= 0. En multipliant par une matrice de type 1 puis
de type 2, on peut supposer que ce coefficient est t1,1 et qu’il vaut 1. En multipliant par
des matrices de type 3, on se ramène alors à
 
1 0 ... 0
 0 ∗ ... ∗ 
 .
 
0 ∗ ... ∗

Par récurrence, en répétant ce procédé, on arrive à la matrice identité In . Cela signifie que
T est bien un produit de matrices de type 1, 2, ou 3, ie. T = T1 . . . Tk .
On a alors T (B) = T1 (T2 (. . . Tk (B) . . . )) et on déduit cT = cT1 . . . cTk . La preuve est alors
achevée si on montre cT = | det T | pour T de type 1, 2, ou 3.
— Si T est de type 1, on a

cT = λn T ([0, 1[n ) = λn ([0, 1[n ) = 1 = det T

car T conserve le cube [0, 1[n .

— Si T est de type 2, on a

cT = λn T ([0, 1[n ) = λn [0, 1[n−1 ×[0, α[ = |α| = | det T |.

Chapitre 7. JCB
c – L3 math – Université de Rennes 1 80

— Si T est de type 3, par exemple comme donné précédemment, on a T ([0, 1]n ) =

D × [0, 1]n−2 avec D = {(x, y) ∈ R2 : 0 ≤ x ≤ 1, x ≤ y ≤ 2}, le triangle de sommets
(0, 0), (0, 1), (1, 2) et donc d’aire 1, il suit
cT = λn T ([0, 1[n ) = λn D × [0, 1]n−2 = λ2 D λn−2 [0, 1]n−2 = 1 = det T.

2) On a



λn T (B) = λn α + T0 (B) = λn T0 (B) = | det T0 | λn (B).


Corollaire 7.4.1 Si B ∈ B(Rn ) est inclus dans un hyperplan affine alors λn (B) = 0.


Démonstration : D’après le théorème de Fubini, on a λn Rn−1 × {0} = 0. Ainsi si
B ⊂ Rn−1 × {0}, on a λn (B) = 0.
Ensuite, si B est inclus

dans un hyperplan vectoriel H, il existe T linéaire bijective tel que
n−1
H=T R × {0} donc, d’après le Lemme 7.4.1, λn (H) = 0 et λn (B) = 0.
Enfin, si B est inclu dans un hyperplan affine, translaté d’un hyperplan vectoriel, par in-
variance par translation, on a λn (H + a) = λn (H) = 0 et donc λn (B) = 0. 

Dans la suite, pour calculer les volumes, on choisit la norme sup ; dans ce cas, la boule de
rayon R est le cube d’arête 2R et on a λn (C ◦ ) = λn (C).

7.4.3 Preuve de 1) dans le Théorème 7.4.1

L’idée repose sur le fait que localement une application C 1 est proche de son application
linéaire affine tangente :
ϕ(x + h) ≈ ϕ(x) + Dx ϕ(h).
S
On découpe alors l’ouvert d’intérêt U en petits cubes U ≈ C⊂U C sur lesquels on utilise
cette approximation. On a alors heuristiquement

X
X
X
λn ϕ(B) ≈ λn ϕ(C) ≈ λn Dx ϕ(C) ≈ det(Dx ϕ) λn (C)
C⊂B C⊂B C⊂B
XZ XZ Z
= det(Dx ϕ) λn (dx) = | det Jϕ | dλn = | det Jϕ | dλn .
C⊂B C C⊂B C B

Pour cela, il faut que l’approximation soit uniformément proche de son application linéaire
affine tangente. Cela est assuré par
Lemme 7.4.2 (Uniformité) Soit O un ouvert de Rn tel que O est compact et inclus
dans U (donné par l’énoncé du Th. 7.4.1). Alors pour tout η > 0, il existe δ > 0 tel que
kx − ak < δ et [x, a] ⊂ O impliquent
kϕ(x) − ϕ(a) − Dϕ(a)(x − a)k ≤ ηkx − ak.
Chapitre 7. JCB
c – L3 math – Université de Rennes 1 81

Démonstration : Comme ϕ est un difféomorphisme C 1 , x 7→ Dϕ(x) est une application

continue donc uniformément continue sur O compact (théorème de Heine).
Soit alors θ(y) = ϕ(y) − Dϕ(a)(y), on a Dθ(y) = Dϕ(y) − Dϕ(a). L’uniforme continuité
associe à η > 0 un δ > 0 tel que si x, a ∈ O avec [x, a] ⊂ O et kx − ak < δ alors pour tout
y ∈ [x, a], on a bien ky − ak < δ et kDθ(y)k = kDϕ(y) − Dϕ(a)k < η. Le théorème des
accroissements finis donne alors kθ(x) − θ(a)k ≤ ηkx − ak c’est à dire

kϕ(x) − ϕ(a) − Dϕ(a)(x − a)k ≤ ηkx − ak.

Lemme 7.4.3 Soit O ouvert tel que O est compact et inclus dans U . Pour tout ε > 0, il
existe δ > 0 tel que pour tout C = B(a, R) ⊂ O et R < δ, on a

et λn ϕ(C ◦ ) ≥ (1 − ε)|Jϕ(a) |λn (C).

λn ϕ(C) ≤ (1 + ε)|Jϕ(a) |λn (C), (7.8)

Démonstration : Comme ϕ est C 1 , x 7→ Dϕ(x)−1 est inversible et kDϕ(x)k−1 ≤ M pour

x ∈ O compact. On choisit η tel que

1 − ε < (1 − ηM )n < (1 + ηM )n < 1 + ε.

On applique alors le Lemme 7.4.2 avec ce η > 0. Pour C = B(a, R) et R < δ, on a C ⊂ O

et pour tout x ∈ C, kx − ak < δ, [x, a] ⊂ C par convexité, on a

kϕ(x) − ϕ(a) − Dϕ(a)(x − a)k ≤ ηkx − ak ≤ ηR.

En appliquant Dϕ(a)−1 , il vient :

Dϕ(a)−1 ◦ ϕ(x) − Dϕ(a)−1 ◦ ϕ(a) − (x − a) ≤ M ηR (7.9)

pour tout x ∈ C, donc

Dϕ(a)−1 ◦ ϕ(C) ⊂ B Dϕ(a)−1 ◦ ϕ(a), (1 + M η)R

et donc  
−1
λn Dϕ(a) ◦ ϕ(C) ≤ (1 + M η)n (2R)n < (1 + ε)λn (C). (7.10)
 
Par ailleurs, par le Lemme 7.4.1, λn Dϕ(a)−1 ◦ ϕ(C) = |JDϕ(a) |−1 λn (ϕ(C)), ce qui avec
(7.10) fournit la première partie de (7.8).
Si kx − ak = R, d’après (7.9),

−1 −1
Dϕ(a) ◦ ϕ(x) − Dϕ(a) ◦ ϕ(a) ≥ R − M ηR.

Chapitre 7. JCB
c – L3 math – Université de Rennes 1 82

Avec E = B Dϕ(a)−1 ◦ ϕ(a), (1 − M η)R , on a E ∩ Dϕ(a)−1 ϕ(∂C) = ∅ où on note

∂C = {x ∈ Rn : kx − ak = R}. On a

 
 

−1 ◦ −1 −1
E = E ∩ Dϕ(a) ϕ(C ) ∪ E ∩ Dϕ(a) ϕ(∂C) ∪ E \ Dϕ(a) ϕ(C) .

Les trois ensembles sont disjoints ; le premier est ouvert car C est ouvert et ϕ est un

le deuxième est vide et le troisième est ouvert car C étant compact,
difféomorphisme,
Dϕ(a)−1 ϕ(C) l’est aussi. On a donc écrit E comme la réunion d’ouverts disjoints. Comme
la boule E est connexe, cela exige que l’un des deux ouverts soit vide mais le premier ne
l’est pas car contient Dϕ(a)−1 ◦ ϕ(a). Il vient
E ⊂ Dϕ(a)−1 ◦ ϕ(C ◦ )
et par le Lemme 7.4.1,
(2R)n (1 − ηM )n = λn (E) ≤ λn Dϕ(a)−1 ◦ ϕ(C ◦ ) = |Jϕ(a)|−1 λn ϕ(C ◦ ) .

On a donc
λn (C)(1 − ε) ≤ |Jϕ(a)|−1 λn ϕ(C ◦ )

c’est à dire la deuxième partie de (7.8). 

Lemme 7.4.4 . Étant donné β > 0, tout ouvert O de Rn peut s’écrire comme une union
dénombrable de cubes semi-ouverts Ci deux à deux disjoints et d’arêtes inférieures à 2β.
Démonstration : Soit k0 ≥ 1 tel que 2k10 < 2β. On considère tous les cubes de bord
Qn h li li +1 h
dyadique i=1 2k0 , 2k0 contenus dans O. Puis pour l’indice k0 + 1, on considère les cubes
Qn  l i li +1

i=1 2k0 +1 , 2k0 +1 contenus dans O mais pas dans les dyadiques déjà considérés. On conti-
nue ainsi le découpage de O. On recouvre ainsi bien l’ouvert O car comme Rn \ O est
fermé, pour x ∈ O, d(x, Rn \ O) > 0. On choisit alors k1 tel que 2k11 < d(x, Rn \ O) ; le cube
contenant x construit à l’étape k1 est contenu dans O. 

Lemme 7.4.5 Soit O un ouvert contenu dans U tel que O est compact inclus dans U alors
(7.6) est vraie pour O, ie. Z


λn ϕ(O) = |Jϕ | dλn .
O

Démonstration : L’application x 7→ | det Jϕ (x)| est uniformément continue sur O, com-

pact (théorème
de Heine). Pour ε > 0, il existe β tel que kx−ak < β implique det Jϕ (x)−
det Jϕ (a) < ε et il existe alors
S δ donné par le Lemme 7.4.3. On applique alors le Lemme
7.4.4 pour min(β, δ) : O = i≥1 Ci où les Ci sont semi-ouverts et deux à deux disjoints (on
note ai le centre de Ci ). On a

[  X X
λn ϕ(O) = λn ϕ(Ci ) = λn (ϕ(Ci )) ≤ λn (ϕ(Ci ))
i≥1 i≥1 i≥1
Chapitre 7. JCB
c – L3 math – Université de Rennes 1 83
X X
≤ (1 + ε)| det Jϕ (ai )|λn (Ci ) = (1 + ε)| det Jϕ (ai )|λn (Ci )
i≥1 i≥1
XZ
≤ (1 + ε) | det Jϕ (ai )| dλn
i≥1 Ci
X Z 
≤ (1 + ε) | det Jϕ (x)| dλn + ελn (Ci )
i≥1 Ci
Z 
≤ (1 + ε) | det Jϕ | dλn + ελn (O) .
O

Comme O est compact, on a λn (O) < +∞. Alors en faisant ε & 0, on a

Z


λn ϕ(O) ≤ | det Jϕ | dλn .
O

En partant de λn ϕ(O) ≥ i≥1 λn ϕ(Ci◦ ) , on montre de la même façon

P

Z 


λn ϕ(O) ≥ (1 − ε) | det Jϕ | dλn + ελn (O)
O

dont on déduit Z


λn ϕ(O) ≥ | det Jϕ | dλn .
O
Finalement, Z


λn ϕ(O) = | det Jϕ | dλn .
O


Lemme 7.4.6 Pour tout ouvert O ⊂ U et compact K ⊂ U . Alors (7.6) est vraie pour O
et pour K, ie. on a
Z Z



λn ϕ(O) ) = | det Jϕ | dλn , et λn ϕ(K) ) = | det Jϕ | dλn .
O K
S
Démonstration : On écrit O = k≥1 Ok avec Ok compact et Ok ⊂ Ok+1 , par exemple
o
Ok = B(0, k) ∩ x ∈ Rn : d(x, Rn \ O) > 1/k .


Comme ϕ(Ok ) ⊂ ϕ(Ok+1 ), on a d’après le Lemme 7.4.5 :

[  Z



λn ϕ(O) = λn ϕ(Ok ) = lim λn ϕ(Ok ) = lim 1Ok | det Jϕ | dλn
k→+∞ k→+∞ U
k≥1
Chapitre 7. JCB
c – L3 math – Université de Rennes 1 84
Z Z
= lim 1Ok | det Jϕ | dλn = | det Jϕ |dλn
U k→+∞ O

par convergence monotone (Th. 4.3.1). Si K est compact inclus dans U , un résultat de
topologie (lemme de Urysohn) montre qu’on peut intercaler un ouvert O et son adhérence
O qui est compact, ie.
K ⊂ O ⊂ O ⊂ U.


Comme K = O \ (O \ K), et λn ϕ(O) est fini (car λn est finie sur ϕ(O) compact), puis
ϕ(K) = ϕ(O) − ϕ(O \ K), on a alors, O et O \ K étant ouverts
Z Z Z




λn ϕ(K) = λn ϕ(O) − λn ϕ(O \ K) = | det Jϕ | dλn − | det Jϕ | dλn = | det Jϕ | dλn .
O O\K K

Proposition 7.4.1 Si B est un borélien inclus dans U alors (7.6) est vraie pour B, ie.
Z


λn ϕ(B) = | det Jϕ | dλn .
B

Démonstration : On considère ϕ borélien, comme ϕ−1 est continue, ϕ(B) = (ϕ−1 )−1 (B)
est un borélien.

1er cas : B est borné. Dans ce cas, ϕ(B) est borné et λn ϕ(B) < +∞. Par régularité
intérieure et extérieure, il existe


— Kp compact inclus dans B, Kp ⊂ Kp+1 , et λn ϕ(K
p ) % λ n ϕ(B)

,
— Op ouvert contenant B, Op ⊃ Op+1 et λn ϕ(Op ) & λn ϕ(B) .
Mais alors
Z



λn ϕ(B) = lim λn ϕ(Kp ) = lim | det Jϕ | dλn
p→+∞ p→+∞ K
p
Z
= S | det Jϕ | dλn (convergence monotone, Th. 4.3.1)
p≥1 Kp

et
Z



λn ϕ(B) = lim λn ϕ(Op ) = lim | det Jϕ | dλn
p→+∞ p→+∞ O
p
Z
= T | det Jϕ | dλn (convergence dominée).
p≥1 Op

Mais [ \
Kp ⊂ B ⊂ Op
p≥1 p≥1
Chapitre 7. JCB
c – L3 math – Université de Rennes 1 85

assure Z Z Z
S
| det Jϕ | dλn ≤ | det Jϕ | dλn ≤ T
| det Jϕ | dλn
n≥1 Kn B p≥1 Op

et finalement Z


λn ϕ(B) = | det Jϕ | dλn .
B

2ème
S cas. B n’est contenu dans aucun compact contenu dans U . On écrit alors U =
k≥1 k avec Uk compact, Uk ⊂ Uk+1 , et on pose Bk = B ∩ Uk . D’après le premier cas
U
appliqué au borélien borné Bk ,
Z


λn ϕ(Bk ) = | det Jϕ | dλn .
Bk

Finalement, en utilisant le théorème de convergence monotone (Th. 4.3.1),

Z Z



λn ϕ(B) = lim λn ϕ(Bk ) = lim | det Jϕ | dλn = | det Jϕ | dλn .
k→+∞ k→+∞ Bk B

Corollaire 7.4.2 1. Soit B borélien tel que λn (B) = 0 alors λn ϕ(B) = 0.
2. Si A ∈ L(Rn ) alors ϕ(A) ∈ L(Rn ).

Démonstration : 1) Comme λn (B) = 0, on a

Z


λn ϕ(B) = | det Jϕ | dλn = 0.
B

2) Soit A ∈ L(Rn ) alors il existe E, F ∈ B(Rn ) tels
que E ⊂ A ⊂ F
et λn (F \ E) = 0. On

a alors ϕ(E) ⊂ ϕ(A) ⊂ ϕ(F ) avec
λn Rϕ(F ) \ ϕ(E) = λn ϕ(F \ E) = 0 d’après le 1). On
a donc ϕ(A) ∈ L(Rn ) et λn ϕ(A) = A | det Jϕ | dλn . 

Cela achève la preuve de 1) dans le Théorème 7.4.1, il reste à voir la preuve de 2).

7.4.4 Preuve de 2) dans le Théorème 7.4.1

Il reste à voir la preuve de (7.7) dans le Théorème 7.4.1, ie. pour f : V → [0, +∞[ ou
C, on a Z Z
f dλn = (f ◦ ϕ) | det Jϕ | dλn .
V U

Le résultat (7.7) est déjà acquis pour f = 1B d’après la Prop. 7.4.1 et par linéarité pour f
fonction simple (étagée).
Chapitre 7. JCB
c – L3 math – Université de Rennes 1 86

Si f est mesurable positive, il existe (fp )p≥1 suite croissante de fonctions étagées avec
fp % f (Prop. 3.4.1), d’après le théorème de convergence monotone (Th. 4.3.1) :
Z Z Z
f dλn = lim fp dλn = lim fp dλn
V V p→+∞Z
p→+∞ V
Z
= lim (fp ◦ ϕ) | det Jϕ | dλn = (f ◦ ϕ) | det Jϕ | dλn
p→+∞ U U

en utilisant (7.7) déjà prouvé pour les fonctions étagées fp . Puis si f : V → C alors d’après
le cas des fonctions positives :
Z Z
|f | dλn = |f ◦ ϕ| | det Jϕ | dλn
V U

ainsi f est λn -intégrable sur V ssi |f ◦ ϕ| | det Jϕ | l’est sur U . Lorsque tel est le cas, on écrit
f = Re(f )+ − Re(f )− + iIm(f )+ − iIm(f )− et on applique le cas déjà prouvé de (7.7) à
chaque fonction positive Re(f )+ , Re(f )− , Im(f )+ , Im(f )− , ce qui prouve le cas général
de (7.7) et achève la preuve du Th. 7.4.1.

7.4.5 Coordonnées polaires et sphériques

Un changement de variables utile dans le plan R2 est le changement de variables en
polaire qui consiste à passer de (x, y) représentant des coordonnées cartésiennes dans un
repère orthonormé à (r, θ) les coordonnées polaires correspondantes données par

x = r cos θ
(x, y) = ϕ(r, θ) ⇐⇒ ϕ : , r ∈ [0, +∞[, θ ∈ [0, 2π[.
y = r sin θ
Formellement, on remplace alors dxdy par rdrdθ car le jacobien du changement de variable
est r :  
 cos θ −r sin θ 
Jϕ (r, θ) =   = r cos2 θ + r sin2 θ = r.
sin θ r cos θ 
Ainsi :
Z Z Z +∞ Z +∞
f (x, y) dxdy = f (x, y) dxdy
R2 −∞ −∞
Z Z
= f (r cos θ, r sin θ) rdrdθ.
[0,+∞[×[0,2π[

Exemples :
+∞
2 √
Z
• Normalisation de la loi normale e−x /2 dx = 2π.
Z +∞ −∞
2
Notons I = e−x /2 dx et montrons que I 2 = 2π. On a
−∞
Z +∞ Z +∞
−x2 /2 2 /2
I 2
= e dx × e−y dy
−∞ −∞
Chapitre 7. JCB
c – L3 math – Université de Rennes 1 87
Z +∞ Z +∞ Z Z
−x2 /2 −y 2 /2 2 +y 2 )/2
= e e dxdy = e−(x dxdy
−∞ −∞ R×R
Z 2π Z +∞
2 /2
= e−r r drdθ
0 0
Z 2π Z +∞ h i+∞
−r2 /2 −r2 /2
= dθ re dr = 2π −e = 2π
0 0 0

où on a utilisé le théorème de Fubini (Th. 7.3.2) à la 2ème ligne puis on a fait un changement
de variables en polaires à la 3ème ligne.
• Aire d’un disque : ∆ = {(x, y) : x2 + y 2 ≤ R2 } :
2π R R
r2
ZZ ZZ Z Z 
2
λ2 (B(0, R )) = dxdy = rdrdθ = dθ rdr = 2π = πR2 .
B(0,R) [0,R]×[0,2π[ 0 0 2 0

En dimension 3, le changement de variables utile est le changement en coordonnées sphé-

riques donné par

 x = r cos θ cos ϕ
(x, y, z) = φ(r, θ, ϕ) ⇐⇒ φ : y = r cos θ sin ϕ
z = r sin θ


où θ ∈ [−π/2, π/2] est la latitude, ϕ ∈ [0, 2π[ est la longitude et r ∈ [0, +∞[ la distance à
l’origine. Le jacobien du changement de variables est
 
 cos θ cos ϕ −r sin θ cos ϕ −r cos θ sin ϕ 
 
Jφ (r, θ, ϕ) =  cos θ sin ϕ −r sin θ sin ϕ r sin θ cos ϕ  = r2 cos θ.

 sin θ r cos θ 0 

Ainsi :
Z Z Z
f (x, y, z) dxdydz
3
Z ZR Z
= f (r cos θ cos ϕ, r cos θ sin ϕ, r sin θ) r2 cos θdrdθdϕ.
[0,+∞[×[0,2π[×[− π2 , π2 ]

Ce type de changement de variables (polaires en dimension 2, sphériques en dimension 3)

se généralise en dimension n avec


 x1 = r cos θ1 cos θ2 . . . cos θn−2 cos θn−1 ,
x = r cos θ1 cos θ2 . . . cos θn−2 sin θn−1 ,

 2


 x3 = r cos θ1 cos θ2 . . . cos θn−3 sin θn−2 ,


x4 = r cos θ1 cos θ2 . . . cos θn−4 sin θn−3 ,
. . . = ...




x = r cos θ1 sin θ2 ,

 n−1



xn = r sin θn .
Chapitre 7. JCB
c – L3 math – Université de Rennes 1 88

Exemple : Calcul du volume d’une boule euclidienne de rayon R en dimension 3 est

ZZZ ZZZ
λ3 (B(0, R)) = dxdydz = r2 cos θdrdθdϕ
B(0,R) [0,R]×[−π/2,π/2]×[0,2π[
2π π/2 R R
r3
Z Z Z 
2 π/2
= dϕ cos θ dθ r dr = 2π[sin θ]−π/2
0 −π/2 0 3 0
4 3
= πR
3
où λ3 désigne la mesure de Lebesgue en dimension 3.
Chapitre 8

Espaces Lp

Dans ce chapitre, on s’intéresse aux fonctions dont les puissances sont intégrables sur
un espace (X, A, µ). On commence en Section 8.1 par des rappels de convexité sur lesquels
la plupart des résultats de ce chapitre sont fondés. On introduit les espaces Lp (X, A, µ)
en Section 8.2, puis Lp (X, A, µ) en Section 8.3. Les principales inégalités (Hölder, Cauchy-
Schwarz, Minkowski) sont prouvées en Section 8.4.

8.1 Convexité
On considère I un intervalle de R. On donne dans cette section des rappels sur les
fonctions convexes (pour lesquels on renvoie à des références d’analyse).

Définition 8.1.1 (Convexité) Une fonction ϕ : I → R est convexe ssi pour tout x, y ∈ I
et t ∈ [0, 1] alors

ϕ tx + (1 − t)y ≤ tϕ(x) + (1 − t)ϕ(y). (8.1)
La fonction ϕ est dite concave si −ϕ est convexe.

Géométriquement, une fonction ϕ est convexe si entre deux points x et y, la corde entre
(x, f (x)) et (y, f (y)) est sous le segment entre (x, f (x)) et (y, f (y)).
Proposition 8.1.1 Une fonction convexe s’exprime comme le sup des fonctions affines
qu’elle majore. De ce fait, une fonction convexe est mesurable.

Proposition 8.1.2 Une fonction ϕ est convexe sur I ssi ∀x < y < z dans I, on a
ϕ(y) − ϕ(x) ϕ(z) − ϕ(y)
≤ . (8.2)
y−x z−y
Démonstration : le réel y ∈]x, z[ s’écrit αx + (1 − α)z pour un certain α ∈]0, 1[ et (8.2)
s’écrit alors
ϕ(αx + (1 − α)z) − ϕ(x) ϕ(z) − ϕ(αx + (1 − α)z)
≤ .
(1 − α)(z − x) α(z − x)

89
Chapitre 8. JCB
c – L3 math – Université de Rennes 1 90

soit


α ϕ(αx + (1 − α)z) − ϕ(x) ≤ (1 − α) ϕ(z) − ϕ(αx + (1 − α)z) ,
ce qui se simplifie en

ϕ(αx + (1 − α)z) ≤ αϕ(x) + (1 − α)ϕ(z),

soit la convexité de ϕ. 

Exemples :
— Une fonction ϕ de classe C 1 est convexe ssi sa dérivée ϕ0 est croissante. La condition
(8.2) signifie la même chose dans le cas non dérivable (croissance du taux d’accrois-
sements).
— Une fonction ϕ de classe C 2 est convexe ssi pour tout x on a ϕ00 (x) ≥ 0.
— f (x) = x2n est convexe sur R, g(x) = x2n+1 n’est convexe que sur R+ , h(x) =
ax + b affine est convexe, exp est convexe sur R, ln est concave (c’est à dire − ln est
convexe).
Le résultat suivant est propre aux mesures de probabilités.

Théorème 8.1.1 (Jensen) Soit (X, A, µ) un espace de probabilité et f : X → I ⊂ R

intégrable et ϕ : I → R convexe. Alors si ϕ ◦ f est intégrable ou positive, on a
Z  Z
ϕ f dµ ≤ ϕ ◦ f dµ.
X X
R R
Démonstration : Posons y = f dµ. Par convexité de f , en interprétant f dµ comme
un barycentre, on montre
R que y ∈ I car f Rest à valeurs dans I : si I = (a, b), on a a ≤ f ≤ b
et donc aµ(X) ≤ f dµ ≤ bµ(X), soit f dµ ∈ (a, b) = I. Pour cette valeur de y, par
convexité de ϕ (cf. (8.1)), il existe αy ∈ R tel que

ϕ(y) − ϕ(x) ϕ(z) − ϕ(y)

sup ≤ αy ≤ inf .
x<y y−x z>y z−y

En particulier, on a ϕ(x) ≥ ϕ(y) + αy (x − y) pour tout x ∈ I. Ainsi, avec x = f (u) ∈ I,

on a ϕ ◦ f (u) ≥ ϕ(y) + αy (f (u) − y). Comme ϕ, convexe, est mesurable, ϕ ◦ f l’est aussi.
On a ainsi
Z Z Z 
ϕ ◦ f (u) µ(du) ≥ ϕ(y) µ(du) + αy f (u) µ(du) − yµ(X)
Z 
≥ ϕ(y)µ(X) + αy × 0 = ϕ f dµ
R
car µ(X) = 1 (µ est une mesure de probabilité) et par définition y = f dµ. 
Chapitre 8. JCB
c – L3 math – Université de Rennes 1 91

8.2 Espace Lp(X, A, µ)

Définition 8.2.1 ((semi)-norme Lp ) Soit (X, A, µ) un espace mesuré et f : X → C
une fonction mesurable.
— Pour p ∈ [1, +∞[, on définit
Z 1/p
p
kf kp = |f | dµ .
X


— Puis M ∈ R est un majorant essentiel de f si µ x ∈ X : |f (x)| > M = 0.
— On définit alors

+∞ si f n’a pas de majorant essentiel,
kf k∞ =
inf des majorants essentiels sinon.

Par exemple, sur (R, B(R), λ), k1Q k∞ = 0.

Définition 8.2.2 (Espace Lp (X, A, µ)) — On note Lp (X, A, µ) l’ensemble des fonc-
tions mesurables de puissance p-ième µ-intégrable.
— On note aussi L∞ (X, A, µ) l’ensemble des fonctions mesurables (essentiellement)
bornées.

Proposition 8.2.1 Les ensembles Lp (X, A, µ) et L∞ (X, A, µ) sont des espaces vectoriels.

Démonstration : On montre qu’il s’agit d’un sous-espace vectoriel de l’espace des fonc-
tions de X dans C. Pour cela, on montre la stabilité par addition et par multiplication par
un scalaire.
Pour p = +∞, soit M < +∞ un majorant essentiel de |f | et M 0 < +∞ un majorant
essentiel de |g|. On a

x ∈ X : |f (x) + g(x)| > M + M 0 ⊂ x ∈ X : |f (x)| > M ∪ x ∈ X : |g(x)| > M 0

  

donc, par sous-additivité de µ, on a

µ x ∈ X : |f (x) + g(x)| > M + M 0

≤ µ x ∈ X : |f (x)| > M + µ x ∈ X : |g(x)| > M 0

(8.3)
= 0 + 0 = 0.

Ainsi, M + M 0 < +∞ est un majorant essentiel de f + g et donc f + g ∈ L∞ (X, A, µ).

Pour
p ∈ [1, ∞[ : Par convexité de la fonction x 7→ xp sur R+ , on a pour a, b > 0 :
a+b p
2
≤ 12 ap + 21 bp . Avec a = |f (x)| et b = |g(x)|, il vient
 p  p
|f (x) + g(x)| |f (x)| + |g(x)| 1 1
≤ ≤ |f (x)|p + |g(x)|p .
2 2 2 2
Chapitre 8. JCB
c – L3 math – Université de Rennes 1 92

En intégrant par rapport à µ, et en multipliant des deux côtés par 2p , on déduit :

Z Z Z
p p−1 p p−1
|f + g| dµ ≤ 2 |f | dµ + 2 |g|p dµ
X X X

qui est fini lorsque f et g sont dans Lp (X, A, µ). C’est donc que f +g ∈ Lp (X, A, µ) comme
par ailleurs af ∈ Lp (X, A, µ) quand f ∈ Lp (X, A, µ), on a bien un espace vectoriel. 

Rappel (Norme et semi-norme) : k · k : E → R+ est une norme sur un espace vectoriel

E si
— x = 0 ⇐⇒ kxk = 0,
— pour tout x ∈ E et λ ∈ C, kλxk = |λ|kxk,
— inégalité triangulaire : pour tout x, y ∈ E kx + yk ≤ kxk + kyk.
k · k est seulement une semi-norme si le premier point est remplacé par x = 0 ⇒ kxk = 0,
c’est à dire un vecteur x peut être de norme kxk = 0 sans être nul.
En fait, on définit des (semi-)normes à partir de ces quantités k · kp .
On vérifie facilement que kαf kp = |α|kf kp .
Par contre notons que kf kp = 0 n’entraı̂ne pas f = 0 mais seulement que f = 0 µ-p.p. En
effet, par l’inégalité de Markov, on a
Z
p
|f |p dµ = nkf kpp = 0


µ x ∈ X : |f (x)| ≥ 1/n ≤ n

et alors comme {x ∈ X : |f (x)| > 0} = +∞

S
n=1 {x ∈ X : |f (x)| ≥ 1/n}, par la croissance
séquentielle de la mesure µ :




µ x : f (x) 6= 0 = µ x : |f (x)| > 0 = lim µ x : |f (x)| ≥ 1/n = lim 0 = 0.
n→+∞ n→+∞

Pour avoir vraiment une norme, il faudrait que kf kp = 0 entraı̂ne f = 0, c’est à dire
f (x) = 0 pour tout x et pas seulement pour µ-presque tous les x. Pour remédier à ce
problème, on va identifier les fonctions qui ont la même valeur presque partout. Ainsi,
f = 0 p.p. est identifiée à la fonction nulle (qui vaut zéro toujours).

8.3 Espaces Lp(X, A, µ)

Formellement, on définit la relation d’équivalence ∼µ par f ∼µ g ssi il existe A ∈ A tel
que µ(X \ A) = 0 (c’est à dire Ac est µ-négligeable) et pour tout x ∈ A, f (x) = g(x) (c’est
à dire f égale g µ-p.p.) et on considère désormais l’espace quotient :

Définition 8.3.1 (Espace Lp ) Pour p ∈ [1, ∞], on pose

Lp (X, A, µ) = Lp (X, A, µ)/ ∼µ .

Chapitre 8. JCB
c – L3 math – Université de Rennes 1 93

— Lp (X, A, µ) est l’espace vectoriel des classes d’équivalence des fonctions modulo
f = g µ-p.p. telles que kf kp < +∞ (ie. telles que |f |p est µ-intégrable).
— L∞ (X, A, µ) est l’espace vectoriel des classes d’équivalence des fonctions modulo
f = g µ-p.p. telles que kf k∞ < +∞ (i.e. bornées µ-p.p.).


Par exemple 1Q est identifiée à 0 dans les espaces Lp R, B(R), λ . Plus simplement :
Si A = P(X) et µ est la mesure de comptage (ou de dénombrement), on note tradition-
nellement `p (X), ainsi
n +∞
X o
p
` (N) = (un )n≥1 avec |un |p < +∞
n=1
`∞ (N) =

suites bornées .

Sur les espaces Lp (X, A, µ), les semi-normes k · kp deviennent de vraies normes car on a vu
que kf kp = 0 entraı̂ne f = 0 p.p., c’est à dire que f est la classe nulle (f est identifiée à la
fonction nulle).
Il reste quand même à voir l’inégalité triangulaire pour k · kp . On l’obtiendra par l’inégalité
de Minkowski (8.6) ci-dessous. Avant, on définit :

Définition 8.3.2 (Exposants conjugués) Soient p, q ∈ [1, +∞]. Ce sont des exposants
conjugués ssi
1 1
+ = 1.
p q

Par exemple, 1 et +∞ sont conjugués, 2 est son propre conjugué, 3 a pour conjugué 32 .

8.4 Inégalités de convexité

Théorème 8.4.1 (Hölder, Cauchy-Schwarz, Minkowski) Soient (X, A, µ) un espace
mesuré et f, g : X → C des fonctions mesurables, p, q des exposants conjugués dans
[1, +∞]. Si f ∈ Lp (X, A, µ) et g ∈ Lq (X, A, µ), alors on a f g ∈ L1 (X, A, µ) avec
Z
kf gk1 = |f g| dµ ≤ kf kp kgkq (inégalité de Hölder). (8.4)
X

Pour p = q = 2, il s’agit de l’inégalité de Cauchy-Schwarz :

Z 2  Z  Z 
  2 2
 f g dµ ≤ |f | dµ |g| dµ . (8.5)
 

Puis, on a aussi pour f, g ∈ Lp (X, A, µ) :

kf + gkp ≤ kf kp + kgkp (inégalité de Minkowski). (8.6)

Chapitre 8. JCB
c – L3 math – Université de Rennes 1 94

Démonstration :(Hölder) • Si p (ou q) = +∞, on a |f (x)| ≤ kf k∞ µ-p.p. d’où

|f (x)g(x)| ≤ kf k∞ |g(x)| p.p., ce qui donne en intégrant
Z Z
|f g| dµ ≤ kf k∞ g dµ = kf k∞ kgk1 .
X X

• Soient p, q 6= +∞, 1 avec pour commencer kf kp = kgkq = 1. Si f (x), g(x) 6= 0, +∞ on

peut écrire |f (x)|p = eu et |g(x)|q = ev (prendre u = ln(|f (x)|p ) et v = ln(|g(x)|q )). Par
convexité de exp, on a alors :
1 1  1 1
exp u + v ≤ eu + ev ,
p q p q
1 1
ce qui se reécrit |f (x)g(x)| ≤ |f (x)|p + |g(x)|q . L’inégalité est en fait encore vraie si f (x)
p q
ou g(x) vaut 0 ou +∞. En intégrant l’inégalité précédente sur tout X, on a alors
Z Z Z
1 p 1 1 1 1 1
kf gk1 = |f g| dµ ≤ |f | dµ + |g|q dµ = kf kpp + kgkqq = + = 1
X p X q X p q p q

car d’abord kf kp = kgkq = 1 puis ensuite parce que p, q sont conjugués. Ce qui prouve
l’inégalité de Hölder dans ce cas.
• Si p, q 6= 1, +∞ et si kf kp et kgkq 6= 0, +∞ alors on pose

fe = f /kf kp , ge = g/kgkq .

Comme fe p = ge q = 1, le cas précédent donne :

fege ≤ 1 ⇐⇒ kf gk1 ≤ kf kp kgkq .
1
R
• Si kf kp = 0 alors f = 0 µ-p.p. et donc f g = 0 µ-p.p. si bien que X
|f g| dµ = kf gk1 = 0
et l’inégalité cherchée se réécrit 0 ≤ 0, ce qui est vrai.
• Si kf kp = +∞ alors il suffit de considérer le cas kgkq 6= 0 sinon on se ramène au cas
précédent (avec g à la place de f ). Mais dans ce cas, l’inégalité devient une majoration par
+∞ ce qui est nécessairement vrai. 

Démonstration :(Cauchy-Schwarz) On applique l’inégalité de Hölder (8.4) avec p =

q=2:
Z 2  Z 2 Z  Z 
  2 2 2 2 2
 f gdµ ≤ |f g|dµ = kf gk1 ≤ kf k2 kgk2 = f dµ g dµ .
 


Chapitre 8. JCB
c – L3 math – Université de Rennes 1 95

Démonstration :(Minkowski) Pour p = 1, soit f, g ∈ L1 (X, A, µ), en intégrant |f +g| ≤

|f | + |g|, on a
Z Z Z
|f + g| dµ ≤ |f | dµ + |g| dµ ⇐⇒ kf + gk1 ≤ kf k1 + kgk1 .
X X

Pour p = +∞, soit f, g ∈ L∞ (X, A, µ). Si M > kf k∞ et M 0 > kgk∞ alors on a vu

précédemment en (8.3) que M + M 0 est un majorant essentiel de f + g mais alors par
définition de kf + gk∞ , on a :

kf + gk∞ ≤ M + M 0 . (8.7)

En faisant M & kf k∞ et M 0 & kgk∞ , on déduit de (8.7) : kf + gk∞ ≤ kf k∞ + kgk∞ .

Maintenant on suppose p ∈]1, +∞[ et on commence par écrire

(f + g)p = (f + g)(f + g)p−1 = f (f + g)p−1 + g(f + g)p−1 .

et
|f + g|p ≤ |f | |f + g|p−1 + |g| |f + g|p−1 .
Soit q conjugué de p alors d’après l’inégalité de Hölder (8.4)
Z Z Z
p p−1
|f + g| dµ = |f | |f + g| dµ + |g| |f + g|p−1 dµ
Z 1/p Z 1/q Z 1/p Z 1/q
p (p−1)q p (p−1)q
≤ |f | dµ |f + g| dµ + |g| dµ |f + g| dµ
"Z  # Z
 1/p Z 1/p  1/q
≤ |f |p dµ + |g|p dµ |f + g|(p−1)q dµ .

Comme (p − 1)q = p et 1/q = (p − 1)/p, on a

Z "Z 1/p Z 1/p # Z  p−1
p
p p p p
|f + g| dµ ≤ |f | dµ + |g| dµ |f + g| dµ

kf + gkpp ≤ [kf kp + kgkp ] kf + gkp−1

p . (8.8)

• Si kf + gkp 6= 0, +∞, l’inégalité de Minkowski (8.6) suit en simplifiant par kf + gkp−1

p
dans (8.8).
• Si kf + gkp = 0, l’inégalité de Minkowski (8.6) est immédiate.
• Si kf + gkp = +∞, par convexité de la fonction x ∈ R+ 7→ xp pour p ≥ 1, on a
 p
|f | + |g| 1 1
≤ |f |p + |g|p ⇐⇒ (|f | + |g|)p ≤ 2p−1 |f |p + 2p−1 |g|p .
2 2 2
Chapitre 8. JCB
c – L3 math – Université de Rennes 1 96
Z Z Z
p p−1 p p−1
Comme |f + g| ≤ |f | + |g|, on a donc |f + g| dµ ≤ 2 |f | dµ + 2 |g|p dµ.
R p p−1
R p p−1
R p R
Mais alors
R p si |f + g| dµ est infini, 2 |f | dµ + 2 |g| dµ l’est aussi donc |f |p dµ
ou |g| dµ l’est si bien que l’inégalité de Minkowski (8.6) devient +∞ ≤ +∞, ce qui est
encore vrai. 

Corollaire 8.4.1 L’application f 7→ kf kp est une norme sur Lp (X, A, µ).

Démonstration : Il ne manquait plus que l’inégalité triangulaire pour prouver que k · kp

est une norme : c’est précisément l’inégalité de Minkowski (8.6). 

L’espace Lp (X, A, µ) est donc un espace vectoriel normé. On a mieux avec le résultat
suivant :

Théorème 8.4.2 (Riesz-Fisher) Muni de la norme k · kp , l’espace vectoriel Lp (X, A, µ)

est complet, il s’agit donc d’un espace de Banach.

Démonstration : Soit (fn )n≥1 une suite de Cauchy pour k · kp , on montre qu’elle converge
dans Lp (X, A, µ).

Si p = +∞, soit An,m = x ∈ X : |fn (x) − fm (x)| > kfn − fm k∞ . Alors µ(An,m ) = 0 et
S
donc µ n,m≥1 An,m = 0 car

 [  X
µ An,m ≤ µ(An,m ) = 0.
n,m≥1 n,m≥1
S
Pour x ∈ E = X \ n,m≥1 An,m , on a donc pour tout n, m ≥ 1, |fn (x)−fm (x)| ≤ kfn −fm k∞ .
Comme (fn )n≥1 est de Cauchy pour k · k∞ , pour tout ε > 0, il existe N ≥ 1 tel que si
n, m ≥ N , on a kfn − fm k∞ < ε et a fortiori |fn (x) − fm (x)| < ε pour x ∈ E.
Ainsi (fn (x))n≥1 est une suite de Cauchy de C donc convergente vers un certain f (x) ∈ C.
On construit ainsi f (x) pour tout x ∈ E et on complète la définition de f sur tout X en
posant (par exemple) f (x) = 0 lorsque x 6∈ E.
Pour tout ε > 0, il existe N ≥ 1 tel que si n, m ≥ N , pour tout x ∈ E, |fn (x) − fm (x)| ≤ ε.
À la limite quand m → +∞, on a |fn (x) − f (x)| ≤ ε.
Comme ceci est valable pour tout x ∈ E avec µ(E c ) = 0, on a kfn − f k∞ ≤ ε. Ainsi
f ∈ L∞ (X, A, µ) puisque kf k∞ ≤ kfn k∞ + kfn − f k∞ < +∞ et fn → f dans L∞ (X, A, µ),
ce qui prouve que L∞ (X, A, µ) est complet pour k · k∞ .
On considère maintenant p ∈ [1, +∞[. La condition de Cauchy s’écrit : pour tout ε > 0, il
existe N ≥ 1 tel que si n, m ≥ N , on a kfn − fm kp < ε. On construit alors par récurrence
n1 < n2 < · · · < nk < · · · tels que pour tout i ≥ 1, on ait
1
kfni − fni+1 kp ≤ (8.9)
2i
Chapitre 8. JCB
c – L3 math – Université de Rennes 1 97

Pk
et on pose gk = i=1 |fni − fni+1 | et
+∞
X
g(x) = lim gk (x) = |fni (x) − fni+1 (x)| ∈ [0, +∞].
k→+∞
i=1

Par l’inégalité de Minkowski (8.6), on a

k k
X X 1
kgk kp ≤ kfni − fni+1 kp ≤ i
≤ 1.
i=1 i=1
2

Comme g(x)p est la limite croissante de gk (x)p , le théorème de convergence monotone (Th.
4.3.1) assure Z Z
g p dµ = lim gkp dµ = lim kgk kpp ≤ 1.
X k→+∞ X k→+∞
R
Comme X g p dµ ≤ 1, on a g(x) fini sur E ∈ A avec µ(E c ) = 0 (inégalité de Markov, Prop.
4.2.1).
Mais alors pour x ∈ E, on a +∞
P
|f (x) − fni+1 (x)| < +∞. Comme C est complet la
Pi=1 ni
convergence absolue de
la série +∞
i=1 |fni (x) − fni+1 (x)| implique sa convergence simple, ie.
P+∞
i=1 fni (x) − fni+1 (x) converge. Posons alors

+∞
X

f (x) = fn1 (x) + fni (x) − fni+1 (x)
i=1

Pk
lorsque x ∈ E et (par exemple) f (x) = 0 lorsque x 6∈ E. Comme fn1 (x) + i=1 fni (x) −
fni+1 (x) = fnk (x), on a alors f (x) = limk→+∞ fnk (x) lorsque x ∈ E, ie.

fnk converge vers f µ-p.p. (8.10)

Puis par la condition de Cauchy, pour tout ε > 0, il existe N ≥ 1 tel que si n, m ≥ N , on a
Z
|fn − fm |p dµ < εp .
X

Avec m = nk et k assez grand pour que m ≥ N , le lemme de Fatou (Th. 4.4.1) donne :
pour tout ε > 0, il existe N tel que pour n ≥ N , on a
Z Z
p
lim inf |fn − fnk | dµ ≤ lim inf |fn − fnk |p dµ ≤ εp .
X k→+∞ k→+∞ X

Comme fnk → f µ-p.p., on a finalement

Z
|fn − f |p dµ ≤ εp
X
Chapitre 8. JCB
c – L3 math – Université de Rennes 1 98

ie. kfn − f kp ≤ ε. On a donc f ∈ Lp (X, A, µ) puisque kf kp ≤ kfn − f kp + kf kp < +∞ et

fn → f dans Lp (X, A, µ), ce qui prouve que Lp (X, A, µ) est complet pour k · kp . 

Au cours de la preuve du théorème de Riesz-Fisher (Th. 8.4.2), on a établi le résultat

suivant (cf. (8.10)) qui donne un lien entre la convergence d’une suite de fonctions (fn )n≥1
vers f dans Lp (X, A, µ) et la convergence µ-presque partout (pour une sous-suite).

Théorème 8.4.3 (Convergences Lp et p.p.) Si fn → f dans Lp (X, A, µ), c’est à dire

limn→+∞ kfn −f kp = 0 alors il existe une sous-suite (fnk )k≥1 de (fn )n≥1 qui converge µ-p.p.
vers f .

Comparaison des espaces Lp (X, A, µ)

En général, il n’y a pas de relations d’inclusion entre les espaces Lp (X, A, µ) pour
différents exposants

p. Par exemple,

considérons (X, A, µ) = (R, B(R), λ) et les espaces
L1 R, B(R), λ , L2 R, B(R), λ associés. Alors avec

1 1
f (x) = √ 1]0,1] (x), g(x) = 1[1,+∞[ (x),
x x



on a f ∈ L1 R, B(R), λ mais f 6∈ L2 R, B(R), λ puisque
Z Z 1
dx 1
kf k1 = |f (x)|dλ = √ =
0 x 2
Z Z 1
dx
kf k22 = |f (x)|2 dλ = = +∞
0 x



alors que g ∈ L2 R, B(R), λ mais g 6∈ L1 R, B(R), λ puisque
Z Z +∞
dx
kgk1 = |g(x)|dλ = = +∞
1 x
Z Z +∞
2 2 dx
kgk2 = |g(x)| dλ = = 1.
1 x2
1

2


On n’a donc aucune inclusion entre les espaces

L R, B(R), λ et

L R, B(R), λ . L’exemple
p q
se généralise pour les espaces L R, B(R), λ et L R, B(R), λ .
Par contre si µ est une mesure finie (typiquement une mesure de probabilité), les espaces
Lp (X, A, µ) sont ordonnés pour l’inclusion :

Théorème 8.4.4 Soit (X, A, µ) un espace mesuré fini (c’est à dire µ(X) < +∞) alors
pour p ≥ q :
Lp X, A, µ ⊂ Lq X, A, µ .



Chapitre 8. JCB
c – L3 math – Université de Rennes 1 99

Démonstration : • D’abord si p = +∞ : si f ∈ L∞ (X, A, µ) alors f ∈ Lq (X, A, µ), en

effet |f (x)| ≤ kf k∞ pour µ-presque chaque x et donc,
Z 1/q Z 1/q  Z 1/q
q
kf kq = |f | dµ ≤ kf kq∞ q
dµ ≤ kf k∞ dµ = kf k∞ µ(X)1/q < +∞.

Donc f ∈ Lq (X, A, µ).

• Puis si f ∈ Lp (X, A, µ) et q ≤ p, alors f ∈ Lq (X, A, µ), en effet comme pq + p−q p
= 1,
p
α = p/q et β = p−q sont conjugués, l’inégalité d’Hölder (8.4) pour ces exposants α, β donne
alors
Z  Z q/p Z 1−q/p
q q q× pq p/(p−q)
kf kq = |f | × 1 dµ ≤ |f | dµ 1 dµ .

D’où
Z q/p
kf kqq ≤ µ(X) 1−q/p p
|f | dµ ,
Z 1/p
1/q−1/p p
kf kq ≤ µ(X) |f | dµ < +∞.

Remarque 8.4.1 Plus précisément, le Théorème 8.4.4 montre une inclusion topologique
Lp (X, A, µ) ,→ Lq (X, A, µ) car l’inclusion canonique f ∈ Lp (X, A, µ) 7→ f ∈ Lq (X, A, µ)
est continue.
Chapitre 9

Convolution

Dans ce chapitre, on commence en Section 9.1 par présenter l’opération de convolution

entre deux fonctions. On donne des résultats de dérivabilité des convolutions en Section 9.3.
L’approximation et la régularisation de fonctions sont des applications importantes de la
convolution, on donne de tels résultats en Section 9.4 (Stone-Weierstrass, densité dans les
Lp , Fejér).


Sauf mention contraire, on considère dans ce chapitre (X, A, µ) = Rn , B(Rn ), λn et
toutes les fonctions considérées sont mesurables de Rn dans R.

9.1 Définition et propriétés

Définition 9.1.1 La convolution de deux fonctions f et g réelles est la fonction f ∗ g
définie sur Rn et donnée par
Z
(f ∗ g)(x) = f (x − y)g(y) dy.
Rn

On parle encore de la convolée f ∗ g de f et de g.

Remarque 9.1.1 Attention, il n’est pas clair pour quels x ∈ Rn la fonction f ∗ g est bien
définie. Certains résultats suivent pour donner des conditions d’existence de (f ∗ g)(x).

Proposition 9.1.1 Soient f , g des fonctions mesurables, alors lorsque c’est bien défini :
— (f ∗ g)(x) = (g ∗ f )(x)
— (f, g) 7→ f ∗ g est bilinéaire.

Démonstration : • Pour le premier point, le changement de variable y → z = x−y donne

Z Z
(f ∗ g)(x) = f (x − y)g(y) dy = f (z)g(x − z)|(−1)n | dz = (g ∗ f )(x).
Rn Rn

100
Chapitre 9. JCB
c – L3 math – Université de Rennes 1 101

• Pour le second point, par linéarité de l’intégrale, il est facile de voir que

(a1 f1 + a2 f2 ) ∗ g (x) = a1 (f1 ∗ g)(x) + a2 (f2 ∗ g)(x).

La linéarité par rapport à g se montre de la même façon ou en utilisant celle par rapport
à f combinée avec la symétrie de ∗ vue au premier point. 

Proposition 9.1.2 Si f est nulle hors de A et g nulle hors de B, alors (f ∗ g)(x) existe
et vaut 0 en dehors de A + B = {a + b : a ∈ A, b ∈ B}.

Démonstration : L’intégrale définissant (f ∗ g)(x) est bien définie si l’intégrale

Z
|f (y)| |g(x − y)| dy
Rn

est convergente. Or si x = y + (x − y) 6∈ A + B, alors soit y 6∈ A et f (y) = 0, soit y ∈ A

mais alors x − y 6∈ B et g(x − y) = 0. Donc dans tous R les cas pour x 6∈ A + B, on a
f (y)g(x − y) = 0 pour tout y et en intégrant, il vient Rn |f (y)| |g(x − y)| dy = 0 si bien
que (f ∗ g)(x) est bien définie et vaut a fortiori 0 puisque
Z  Z
 

 f (y) g(x − y) dy  ≤ |f (y)| |g(x − y)| dy.
Rn Rn

Proposition 9.1.3 Soient f et g bornées et nulles respectivement hors de A compact et

de B alors (f ∗ g)(x) existe pour tout x et (f ∗ g)(x) = 0 pour x 6∈ A + B.

Démonstration : Pour x 6∈ A + B, c’est le résultat précédent qui s’applique. Il ne reste

qu’à montrer l’existence de l’intégrale définissant (f ∗ g)(x) lorsque x ∈ A + B. Pour cela,
on a
Z Z
|f (y)| |g(x − y)| dy = |f (y)| |g(x − y)| dy < λ(A)kf k∞ kgk∞ < +∞.
Rn A

On en déduit que y 7→ f (y)g(x − y) est intégrable pour tout x ∈ Rn . La fonction f ∗ g est

donc bien définie sur tout Rn . 

9.2 Normes des convolutions

Les résultats suivants donnent des inégalités de type Hölder (8.4) pour les convolutions,
ce faisant on obtient aussi des conditions d’existence de la convolée f ∗ g.
Chapitre 9. JCB
c – L3 math – Université de Rennes 1 102

Proposition 9.2.1 Soient f, g ∈ L1 (Rn ), alors f ∗ g est définie p.p. et

kf ∗ gk1 ≤ kf k1 kgk1 .

Démonstration : En appliquant le théorème de Fubini-Tonelli (Th. 7.3.1), on a

Z Z Z Z
|f (y)| |g(x − y)| dy dx = |f (y)| |g(x − y)|dx dy
Rn Rn Rn Rn
Z Z 
= |f (y)| |g(x − y)| dx dy
Rn Rn
Z Z 
= |f (y)| |g(z)| dz dy
Rn Rn
(changement de variable x → z = x − y)
Z Z
= |f (y)| dy |g(z)| dz
Rn Rn
= kf k1 kgk1 . (9.1)
R
Par conséquent, I(x) = Rn |f (y)| |g(x − y)| dy est d’intégrale finie bornée par kf k1 kgk1 ,
c’est donc que I(x) = +∞ sur un ensemble de mesure nulle et donc f ∗ g est bien définie
p.p. Puis
Z Z Z 
 
kf ∗ gk1 = |(f ∗ g)(x)| dx = 
 n f (y)g(x − y) dy  dx

Rn n
ZR Z R
≤ |f (y)g(x − y)| dy dx ≤ kf k1 kgk1
Rn Rn

en utilisant la borne (9.1). 

Ainsi ∗ est une loi de composition interne de L1 (Rn ). On peut vérifier qu’elle est associative.
(L1 (Rn ), +, ·, ∗) est alors une algèbre ; comme elle est complète pour k · k1 , il s’agit même
d’une algèbre de Banach.
On a aussi, le résultat suivant :

Proposition 9.2.2 Soit p1 + 1q = 1 + 1r avec r 6= +∞ alors pour f ∈ Lp (Rn ), g ∈ Lq (Rn ),

f ∗ g existe p.p. et f ∗ g ∈ Lr (Rn ), avec kf ∗ gkr ≤ kf kp kgkq . Lorsque r = +∞, on a même
(f ∗ g)(x) existe pour tout x ∈ Rn avec |(f ∗ g)(x)| ≤ kf kp kgkq .

Si q = 1, on constate que la convolution par une fonction de g ∈ L1 (Rn ) est un opérateur

de Lp (Rn ) dans Lp (Rn ) :
f ∈ Lp (Rn ) 7→ f ∗ g ∈ Lp (Rn ).
On utilise la généralisation suivante de l’inégalité de Hölder (8.4) :
Chapitre 9. JCB
c – L3 math – Université de Rennes 1 103

Proposition 9.2.3 (Hölder généralisé) Soit α1 + β1 + γ1 = 1 avec α, β, γ ∈ [1, +∞] alors

pour f ∈ Lα (X, A, µ), g ∈ Lβ (X, A, µ), h ∈ Lγ (X, A, µ), on a

kf ghk1 ≤ kf kα kgkβ khkγ . (9.2)

PN 1
Plus généralement si pi ∈ [1, +∞], 1 ≤ i ≤ N , avec i=1 pi = 1 alors pour fi ∈
Lpi (X, A, µ), 1 ≤ i ≤ N , on a
YN N
Y
fi ≤ kfi kpi . (9.3)


1
i=1 i=1

αβ
Démonstration : En effet d’après l’inégalité de Hölder (8.4) avec p1 = α+β
et q1 = γ
(conjugués) en (9.4), puis avec p2 = pα1 , q2 = pβ1 (conjugués) en (9.5), on a
1/p
kf ghk1 ≤ kf gkp1 khkq1 = kf p1 g p1 k1 1 khkγ (9.4)
 1/p1
≤ kf p1 kp2 kg p1 kq2 khkγ (9.5)
 1/p1
1/p 1/q
= kf p1 p2 k1 2 kg p1 q2 k1 2 khkγ
= kf kα kgkβ khkγ .

L’inégalité (9.3) se prouve de la même façon par récurrence.

1 1
Démonstration :[Prop. 9.2.2] De p
+ q
= 1 + 1r , on déduit r > p et r > q. On a
1 1 1 1 1



r
+ p
− r
+ q
− r
= 1. Posons
rp rq
α = r, β= , γ= .
r−p r−q
On a alors α1 + β1 + γ1 = 1 et par l’inégalité de Hölder généralisée (9.2), il vient :
Z
|f (y)||g(x − y)| dy
RnZ

= |f (y)|p/r |g(x − y)|q/r |f (y)|1−p/r |g(y)|1−q/r dy

Rn
Z 1/r Z (r−p)/(rp) Z (r−q)/(rq)
p q p q
≤ |f (y)| |g(x − y)| dy |f (y)| dy |g(x − y)| dy
Rn Rn Rn
Z 1/r
p q
= |f (y)| |g(x − y)| dy kf kp(r−p)/r kgk(r−q)/r
q
Rn
R
avec le changement de variable y → z = x − y dans Rn |g(x − y)|q dy. Lorsque r = +∞,
la borne précédente s’écrit
Z
|f (y)||g(x − y)| dy ≤ kf kp kgkq
Rn
Chapitre 9. JCB
c – L3 math – Université de Rennes 1 104

et assure que (f ∗ g)(x) est bien défini pour tout x ∈ Rn et |(f ∗ g)(x)| ≤ kf kp kgkq . Puis
pour r 6= +∞, on a
Z Z r Z
r−p r−q
|f (y)||g(x − y)| dy dx ≤ kf kp kgkq |f (y)|p |g(x − y)|q dydx
Rn Rn n
ZR Z 
r−p r−q p q
≤ kf kp kgkq |f (y)| |g(x − y)| dx dy
Rn Rn
= kf kr−p r−q
p kgkq kf kpp kgkqq = kf krp kgkrq . (9.6)
R
r
On en déduit que Rn |f (y)||g(x − y)| dy < +∞ p.p. et donc (f ∗ g)(x) est bien définie
pour presque tout x ∈ Rn . Il vient alors avec (9.6) :
Z 1/r
r
kf ∗ gkr = |(f ∗ g)(x)| dx
Rn
Z Z r 1/r
≤ |f (y)||g(x − y)| dy dx
Rn Rn

1/r
≤ kf krp kgkrq = kf kp kgkq .

Lorsque f ∈ Lp (Rn ) et g ∈ Lq (Rn ), avec p, q conjugués, la convolée f ∗ g est régulière (sans
aucune hypothèse de régularité de f, g !). Pour cela, on a besoin d’abord de :
Théorème 9.2.1 Soit f ∈ Lp (Rn ) pour p < +∞ alors pour h ∈ Rn , τh f (x) = f (x + h)
converge vers f dans Lp (Rn ) quand h → 0, ie. l’opérateur de translation par une constante
est continu dans Lp (Rn ).
Démonstration : Comme p < +∞, on peut utiliser la densité des fonctions continues à
support compact dans Lp (Rn ) (Th. ??).
• On commence donc par considérer ϕ une telle fonction, de support dans B(0, R). Pour
khk ≤ 1/2, on a
Z Z
p
|τh ϕ(x) − ϕ(x)| dx = |ϕ(x + h) − ϕ(x)|p dx
Rn n
ZR
≤ |ϕ(x + h) − ϕ(x)|p dx
kxk≤R+1/2

car ϕ est nulle hors de B(0, R) et ϕ(· + h) l’est hors de B(0, R + 21 ) quand khk < 12 . Comme
ϕ est uniformément continue sur le compact B(0, R + 1/2) (théorème de Heine), pour tout
ε > 0, il existe α > 0 tel que si khk ≤ α alors pour tout x ∈ B(0, R + 1/2) on a
|ϕ(x + h) − ϕ(x)| ≤ ε.
D’où
Z Z
p
εp dλn = εp λn B(0, R + 1/2)


|τh ϕ(x) − ϕ(x)| dx ≤
B(0,R+1/2)
Chapitre 9. JCB
c – L3 math – Université de Rennes 1 105

1/p
kτh ϕ − ϕkp ≤ ε λn (B(0, R + 1/2)) .

C’est à dire limh→0 kτh ϕ − ϕkp = 0.

• Pour f ∈ Lp (Rn ) et ε > 0, par densité des fonctions continues à support compact, il
existe une telle fonction ϕ telle que kf − ϕkp ≤ ε/3. Puis

kτh f − f kp ≤ kτh f − τh ϕkp + kτh ϕ − ϕkp + kϕ − f kp

= 2kf − ϕkp + kτh ϕ − ϕkp
≤ 2ε/3 + kτh ϕ − ϕkp

en utilisant kτh f − τh ϕkp = kf − ϕkp dû à un changement de variables immédiat. D’après

le premier cas comme ϕ est continue à support compact, limh→0 kτh ϕ − ϕkp = 0 quand
h → 0, donc pour h assez petit, kτh ϕ − ϕkp ≤ ε/3 si bien que

kτh f − f kp ≤ 2ε/3 + ε/3 = ε.

Le résultat suit car ε > 0 est arbitraire. 

On a ensuite pour p et q sont conjugués le résultat de convolution suivant :

1 1
Théorème 9.2.2 Soit p
+ q
= 1 et f ∈ Lp (Rn ), g ∈ Lq (Rn ) alors
1. la convolée f ∗ g est continue et même uniformément continue ;
2. pour p, q 6= +∞, on a de plus limkxk→+∞ (f ∗ g)(x) = 0.

Démonstration : 1) Avec l’inégalité d’Hölder et un changement de variable immédiat

y → x − y on a :
Z
 
(f ∗ g)(x + h) − (f ∗ g)(x) ≤ |f (y)||g(x + h − y) − g(x − y)| dy
Rn
Z 1/q
q
≤ kf kp |g(x + h − y) − g(x − y)| dy
Rn
Z 1/q
q
≤ kf kp |g(z + h) − g(z)| dz
Rn
≤ kf kp kτh g − gkq .

Quitte à échanger les rôles de f et g, on peut supposer q 6= +∞. Or le Th. 9.2.1 donne
pour tout ε > 0, l’existence de α > 0 tel que pour khk ≤ α, on a kτh g − gkq ≤ ε, c’est à
dire
|(f ∗ g)(x + h) − (f ∗ g)(x)| ≤ εkf kp .
On a donc pour tout x ∈ Rn et khk assez petit |(f ∗ g)(x + h) − (f ∗ g)(x)| petit, ce qui
donne la continuité uniforme de f ∗ g.
Chapitre 9. JCB
c – L3 math – Université de Rennes 1 106

2) Par le Th. ??, soient ϕ et φ des fonctions continues à support compact qui approchent
respectivement f ∈ Lp (Rn ) et g ∈ Lq (Rn ) en norme k·kp , k·kq respectivement. On approche
alors f ∗ g par ϕ ∗ φ de la façon suivante :

|(f ∗ g)(x) − (ϕ ∗ φ)(x)| ≤ |(f ∗ g)(x) − (ϕ ∗ g)(x)| + |(ϕ ∗ g)(x) − (ϕ ∗ φ)(x)|

≤ | (f − ϕ) ∗ g (x)| + | ϕ ∗ (g − φ) (x)|
≤ kf − ϕkp kgkq + kϕkp kg − φkq

en majorant grâce au premier point. On a alors

|(f ∗ g)(x)| ≤ |(f ∗ g)(x) − (ϕ ∗ φ)(x)| + |(ϕ ∗ φ)(x)|

≤ kf − ϕkp kgkq + kϕkp kg − φkq + |(ϕ ∗ φ)(x)|.

Choisissons ϕ ∈ Cc0 (Rn ) telle que

ε
kf − ϕkp ≤ ,
2kgkq

puis φ ∈ Cc0 (Rn ) telle que

ε
kg − φkq ≤ ,
2kϕkp
ce qui est possible par densité des fonctions continues à support compact dans Lp (Rn ) et
Lq (Rn ) (p, q < +∞, Th. ??). Mais alors comme ϕ∗φ est nulle hors d’un compact (car ϕ et φ
sont elles mêmes nulles hors d’un compact, cf. Prop. 9.1.3), on en déduit que |(f ∗g)(x)| < ε
pour kxk assez grand. On a donc bien prouvé :

lim (f ∗ g)(x) = 0.
kxk→+∞

9.3 Dérivation des convolutions

Proposition 9.3.1 1. Si f ∈ L1 (Rn ) et g est Cb1 (Rn ) (fonction bornée de dérivées
partielles ∂g/∂xi bornées), alors f ∗ g est C 1 de dérivées

∂
∂g
f ∗g =f ∗ .
∂xi ∂xi

2. Si f ∈ Lp (Rn ) et g est Cc1 (Rn ) (C 1 à support compact), la même conclusion reste

vraie.
3. Précédemment, si g ∈ Cb∞ (Rn ) (dans 1)) ou g ∈ Cc∞ (Rn ) (dans 2)) alors f ∗ g est
C ∞ avec pour, tout multi-indice α ∈ {1, . . . , n}p , ∂ α (f ∗ g) = f ∗ ∂ α g.
Chapitre 9. JCB
c – L3 math – Université de Rennes 1 107

Démonstration : 1) La fonction f ∗ g existe et est continue d’après le théorème précédent

car on convole L1 ∗ L∞ . Puis, pour tout y ∈ Rn , x ∈ Rn 7→ f (y)g(x − y) est dérivable par
rapport à xi de dérivée
∂g
f (y) (x − y).
∂xi
∂g
Comme |f (y) ∂x i
(x − y)| ≤ M |f (y)| (dérivées partielles de g bornées), le théorème de
dérivation sous l’intégrale (Th. 5.4.3) s’applique et donne la dérivabilité de f ∗g par rapport
à xi avec la dérivée Z
 ∂g  ∂g
f∗ (x) = f (y) (x − y) dy,
∂xi ∂xi
convolée à nouveau de L1 ∗ L∞ donc continue. Finalement, f ∗ g est de classe C 1 .
2) Comme g est à support compact dans B(0, R), on a g ∈ Lq (Rn ) (q conjugué de p)
et f ∗ g est bien définie par le Th. 9.2.2. Puis pour kxk ≤ K et pour tout y ∈ Rn ,
∂g
x ∈ K 7→ f (y)g(x − y) est dérivable par rapport à xi de dérivée f (y) ∂x i
(x − y) dominée
par
∂g
|f (y)|
∂xi 1{kyk≤R+K}

∞
∂g
car si kyk > R + K alors kx − yk > R et ∂x i
(x − y) = 0. Par l’inégalité de Hölder (8.4),
on a :
Z Z  q 1/q
f (y) ∂g 1{kyk≤R+K} dy ≤ kf kp
  ∂g
1{kyk≤R+K} dy
∂xi ∂xi
Rn ∞ ∞

∂g
1/q
≤ kf kp ∂xi λn B(0, (R + K))
< +∞.
∞

On peut appliquer le théorème de dérivation sous le signe intégrale (Th. 5.4.3) et on en

∂g
déduit que f ∗ g est dérivable par rapport à xi de dérivée f ∗ ∂x i
; on en déduit aussi la
1
continuité. Finalement, f ∗ g est de classe C .
3) Le résultat vient par applications successives des parties 1) ou 2). 

n
P
Définition 9.3.1 Une fonction g : R ou C → C est entière si elle s’écrit g(x) = n≥0 cn x
pour une suite (cn )n≥0 avec un rayon de convergence infini.

Pour les convolées avec des fonctions entières, on a la version suivante du résultat de
dérivation (Prop. 9.3.1) :

Proposition 9.3.2 Si f ∈ L1 (C) (ou L1 (R)) est à support compact et g est une fonction
entière. Alors f ∗ g est une fonction entière.
Chapitre 9. JCB
c – L3 math – Université de Rennes 1 108

Démonstration : Soit 0 < M < +∞ tel que f (x) = 0 quand kxk > M . Pour x ∈ B(0, R),
on a
Z X 
(f ∗ g)(x) = f (y) cn (x − y)n dy
B(0,M ) n≥0
X Z
= cn f (y)(x − y)n dy (9.7)
n≥0 B(0,M )
Z n  
X X n k 
= cn f (y) x (−1)n−k y n−k dy
n≥0 B(0,M ) k=0
k
  Z
X X
k n n−k n−k

= x cn (−1) f (y)y dy
k≥0 n≥k
k B(0,M )
X
= d k xk (9.8)
k≥0
R 
avec dk = n≥k cn nk (−1)n−k B(0,M ) f (y)y n−k dy . L’échange (9.7) / se justifie avec
P
P R

le théorème de convergence dominée (Th. 5.4.1) puisque lorsque x ∈ B(0, R) alors kx−yk ≤
R + M et
 p  X 
X
n
f (y) cn (x − y)  ≤ |cn |(R + M ) |f (y)| ∈ L1 (C)
n

n=0 n≥0

en utilisant la convergence normale de la série n≥0 cn xn sur B(0, R + M ). De plus, il y a

P

convergence normale de la série (9.8) sur B(0, R) car

  Z
X
k
XX n n−k

|dk |R ≤ |cn | |f (y)|M dy Rk
k≥0 k≥0 n≥k
k B(0,M )

k X  Z
X X n k n−k  
≤ |cn | R M |f (y)| dy
n≥0 k=0 n≥k
k B(0,M )
X 
= |cn |(R + M )k kf k1 < +∞
n≥0

puisque n≥0 cn xn a un rayon de convergence infini. Finalement comme R est quelconque,

P

le rayon de convergence de k≥0 dk xk est infini et f ∗ g est entière.

P


9.4 Approximation et régularisation

Un des inconvénients majeurs de l’opération convolution est de ne pas avoir d’unité,
c’est à dire de fonction e telle que toute fonction f : f ∗ e = e ∗ f = f . Pour compenser ce
défaut, on introduit la notion d’approximation de l’unité :
Chapitre 9. JCB
c – L3 math – Université de Rennes 1 109

Définition 9.4.1 (Approximation de l’unité) Soient ek : Rn → R+ , k ≥ 1, des fonc-

tions mesurables vérifiant
Z Z
ek (x) dx = 1 et pour tout η > 0 : lim ek (x) dx = 0.
Rn k→+∞ |x|≥η

La suite (ek )k≥1 , est appelée approximation de l’unité.

R
Proposition 9.4.1 Soit e : Rn → R+ une fonction mesurable telle que Rn
e(x) dx = 1.
Alors ek (x) = k n e(kx), k ≥ 1 définit une approximation de l’unité.

Démonstration : En effet,
— d’abord
R ek est une fonction
R mesurable positive ;
— puis Rn ek (x) dx = Rn e(y) dy = 1 avec le changement de variable x → y = kx.
— avec le même changement de variable x → y = kx, par convergence dominée
(Th. 5.4.1) :
Z Z
ek (x) dx = e(y) dy → 0, k → +∞.
{kxk>η} {kyk>kη}

Exemples : • Soit
2
e−x /2
e(x) = √ . (9.9)
2π
2 n R +∞ 2
Il s’agit d’une fonction C ∞ entière d’intégrale 1 (e−x /2 = n≥0 (−1) 2n
et −∞ e−x /2 dx =
P
n n! x
√ 2
2π). D’après la Prop. 9.4.1, on définit une approximation de l’unité en prenant ek (x) =
ke(kx).
• Soit 
 R→ R
2
ϕ(x) = x 7→ e−1/(1−x ) |x| < 1
0 |x| ≥ 1.


On montre que ϕ est C ∞ (par récurrence en utilisant que pour toute fraction rationnelle
P (x)
P/Q, on a limx→±1 Q(x) exp(−1/(1 − x2 ))) et à support compact B(0, 1), ce qui permet de
n
définir sur R
ϕ(kxk2 )
e(x) = R (9.10)
Rn
ϕ(kyk2 ) dy
où kxk2 = x21 +· · ·+x2n . Alors e est C ∞ , à support dans B(0, 1) et Rn e(x) dx = 1. D’après la
R

Prop. 9.4.1, on définit à nouveau une approximation de l’unité en prenant ek (x) = k n e(kx).
La terminologie 00 approximation de l’unité00 est justifiée par les deux résultats suivants :
Théorème 9.4.1 Soit f ∈ L∞ (Rn ) et (ek )k≥1 une approximation de l’unité, on suppose
que
Chapitre 9. JCB
c – L3 math – Université de Rennes 1 110

i) soit f est continue sur {kxk ≤ R},

ii) soit f est uniformément continue sur Rn .
Alors f ∗ ek , k ≥ 1, converge uniformément vers f .

Démonstration : Comme f est continue sur B(0, R), elle y est aussi uniformément R conti-
nue (théorème de Heine)
R et il suffit de prouver ii). Notons que comme e
Rn k
(y) dy = 1,
on peut écrire f (x) = Rn f (x)ek (y) dy. Puis par continuité uniforme de f : pour ε > 0, il
existe η > 0 tel que pour kyk ≤ η, on a |f (x − y) − f (x)| ≤ ε2, si bien que
Z Z 
   
f ∗ ek (x) − f (x) =  f (x − y)e k (y) dy − f (x)ek (y) dy 
 n n

ZR R



=  f (x − y) − f (x) ek (y) dy 
n
ZR
≤ |f (x − y) − f (x)| ek (y) dy
Rn
Z Z
≤ |f (x − y) − f (x)| ek (y) dy + |f (x − y) − f (x)| ek (y) dy.
kyk≤η kyk>η

On a alors
Z Z
 
sup f ∗ ek (x) − f (x) ≤ ε ek (y) dy + 2kf k∞ ek (y) dy
x∈Rn kyk≤η kyk>η
Z
ε
≤ + 2kf k∞ ek (y) dy
2 kyk>η
≤ ε
Z
R
avec k ≥ k0 assez grand pour que ek (y) dy ≤ ε/(4kf k∞ ) puisque lim
kyk>η
ek (y) dy =
k→+∞ kyk>η
 
0. On a donc pour tout ε > 0 et k ≥ k0 : supx∈Rn f ∗ ek (x) − f (x) ≤ ε, ce qui prouve le
Th. 9.4.1. 

On a aussi :

Théorème 9.4.2 Soit f ∈ Lp (Rn ) pour p < +∞ et (ek )k≥1 une approximation de l’unité
alors f ∗ ek → f dans Lp (Rn ) lorsque k → +∞.

Démonstration : Comme ek ∈ L1 (Rn ), f ∈ Lp (Rn ), on a f ∗ ek ∈ Lp (Rn ) (Prop. 9.2.2).

Puis
Z 
  

f ∗ ek (x) − f (x) =  f (x − y) − f (x) e k (y) dy 
 n 
ZR
≤ |f (x − y) − f (x)| ek (y)1/p ek (y)1/q dy
Rn
Chapitre 9. JCB
c – L3 math – Université de Rennes 1 111

Z 1/p Z 1/q
p
≤ |f (x − y) − f (x)| ek (y) dy ek (y) dy
Rn Rn
R
par l’inégalité de Hölder (8.4). Puis comme Rn ek (y) dy = 1, on a
Z
p
kf ∗ ek − f kp = |f ∗ ek (x) − f (x)|p dx
n
ZR Z
≤ |f (x − y) − f (x)|p ek (y) dydx
n n
ZR R Z 
p
≤ ek (y) |f (x − y) − f (x)| dx dy
Rn Rn
(Th. de Fubini-Tonelli, Th. 7.3.1)
Z
= ek (y)kτ−y f − f kpp dy.
Rn

Comme p < +∞, par le Th. 9.2.1, pour tout ε > 0, il existe η > 0 tel que pour kyk < η,
kτ−y f −f kpp ≤ εp /2, puis par l’inégalité de Minkowski (8.6) : kτ−y f −f kp ≤ kτ−y f kp +kf kp =
2kf kp . Ainsi :
Z Z
p p
kf ∗ ek − f kp ≤ ek (y)kτ−y f − f kp dy + ek (y)kτ−y f − f kpp dy
kyk≤η kyk>η
p Z Z
ε
p
≤ ek (y) dy + 2kf kp ek (y) dy
2 kyk≤η kyk>η
εp εp
≤ + = 2εp
2 2
p
pour k ≥ k0 assez pour que kyk>η ek (y) dy ≤ 2(2kfε kp )p puisque limk→+∞ |y|>η ek (y) dy = 0.
R R

Finalement, pour tout ε > 0, il existe k0 ∈ N tel que pour k ≥ k0 , on ait kf ∗ ek − f kp ≤ ε,

ce qui prouve le Th. 9.4.2. 

Applications des approximations de l’unité

Les approximations de l’unité permettent de prouver de jolis résultats d’analyse : le
théorème de Stone-Weierstrass (Th. 9.4.3), le théorème de densité de Cc∞ (Rn ) dans Lp (Rn )
lorsque p < +∞ (Th. 9.4.4) et le théorème de Fejér sur la convergence en mode Césaro des
séries de Fourier d’une fonction f périodique continue (Th. 9.4.5).

Stone-Weierstrass
Avec l’approximation de l’unité ek (x) = k n e(kx), k ≥ 1, où e est donnée par (9.9),
on a :
Chapitre 9. JCB
c – L3 math – Université de Rennes 1 112

Théorème 9.4.3 (Stone-Weierstrass) Soit f : K → R continue sur K compact. Alors

f peut être uniformément approchée par des polynômes (ie. sur les compacts, l’ensemble
des fonctions polynomiales est dense dans l’ensemble des fonctions continues pour la norme
uniforme).

Démonstration : On commence par prolonger f en une fonction fe définie sur R et à

support compact. On obtient ainsi une fonction fe uniformément continue et bornée. Par
la Prop. 9.3.2, les fonctions fe ∗ ek , k ≥ 1, sont entières car les ek , k ≥ 1, le sont puis
elles convergent uniformément vers fe sur R donc convergent uniformément vers f sur K
(Th. 9.4.1). Or toute fonction entière est limite uniforme sur un compact de ses sommes
partielles qui sont des polynômes. Ainsi pour tout ε > 0, il existe k0 tel que
  ε
sup f (x) − (fe ∗ ek0 )(x) <
x∈K 2

puis en notant X
(fe ∗ ek0 )(x) = cn x n
n≥0

le développement en série entiére de fe ∗ ek0 , il existe n0 et que

Xn0  ε
n
sup  cn x − (f ∗ ek0 )(x) < .
 e 
x∈K n=0 2
Pn0 n
Finalement, en notant Pn0 (x) = n=0 cn x , on a
     
sup f (x) − Pn0 (x) ≤ sup f (x) − (fe ∗ ek0 )(x) + sup (fe ∗ ek0 )(x) − Pn0 (x)
x∈K x∈K x∈K
ε ε
< + =ε
2 2
et f a un polynôme dans chacun de ses voisinages uniformes sur K, ie. f est limite uniforme
de polynômes sur le compact K. 

Densité de Cc∞ dans Lp

Avec l’approximation de l’unité ek (x) = ke(kx), k ≥ 1, où e est donnée par (9.10), le
résultat suivant complète le théorème de densité (Th. ??) du Chapitre 8 :
∞
fonctions de Rn dans R de classe C ∞ à
n

Théorème 9.4.4 Pour p < +∞, C c (R ) =
p n
support compact est dense dans L (R ).

Démonstration : Troncature et convolution.

• Troncature : soit f ∈ Lp (Rn ) et fm = f 1B(0,m) alors pour tout x ∈ Rn fm (x) → f (x),
Chapitre 9. JCB
c – L3 math – Université de Rennes 1 113

m → +∞, et |fm (x) − f (x)|p ≤ 2p |f (x)|p ∈ L1 . Ainsi par convergence dominée (Th. 5.4.1),
on a Z
lim |fm − f |p dλn = 0
m→+∞

et donc fm → f dans Lp (Rn ) quand m → +∞. Pour ε > 0 fixé, soit donc m0 tel que
kfm0 − f kp ≤ ε/2.
• La fonction fm0 ∗ ek est C ∞ (car ek ∈ Cc∞ et f ∈ Lp , Prop. 9.3.1) et à support compact
(fm0 et ek à support compact, Prop. 9.1.2) donc fm0 ∗ ek → fm0 dans Lp (Rn ) (Th. 9.4.2).
On trouve donc k0 tel que kfm0 ∗ ek0 − fm0 kp ≤ ε/2. Finalement,

f − (fm0 ∗ ek0 ) ≤ kf − fm0 kp + kfm0 − (fm0 ∗ ek0 )kp
p
≤ ε/2 + ε/2 = ε.

Dans tout voisinage de f ∈ Lp (Rn ) pour la norme k · kp , il y a donc une fonction (fm0 ∗ ek0 )
de classe C ∞ et à support compact, ce qui prouve le résultat de densité du Th. 9.4.4. 

Série de Fourier et Fejér

Sur le cercle C = R/(2πZ), on adapte les notions de convolution et d’approximation de
l’unité comme suit :
— convolution : Z π
1
(f ∗ g)(x) = f (y)g(x − y) dy;
2π −π

R π sur [0, 2π] : ce sont des fonctions ek : C → C, k ≥ 1,

— approximation de l’unité
1
positives telles que 2π −π ek (t) dt = 1 et
Z
1
lim ek (y) dy = 0.
k→+∞ 2π {−η<|y|≤π}

Avec ce type d’approximation de l’unité, les résultats d’approximation vus sur Rn (Th. 9.4.1,
Th. 9.4.2) restent valables sur le cercle C. On a alors le résultat suivant sur une convergence
en mode Césaro des séries de Fourier. On rappelle :
Théorème de Césaro : Si (un )n≥1 est une suite numérique qui converge vers l ∈ R alors
limn→+∞ n1 u1 + · · · + un ) = l.

Théorème 9.4.5 (Fejér) Soit f une fonction 2π-périodique, continue de R dans C et

Z π n N
1 −ikt
X 1 X
fe(k) = f (t)e dt, sn (x) = fe(k)eikx , σN (x) = sn (x).
2π −π k=−n
N + 1 n=0

Alors σN converge uniformément vers f quand N → +∞.

Chapitre 9. JCB
c – L3 math – Université de Rennes 1 114

Les fe(k), k ∈ Z, sont les coefficients de Fourier de f ; sn est la somme de Fourier associée
à f .
Le Th. 9.4.5 exprime donc f continue 2π-périodique comme limite uniforme de polynômes
trigonométriques (analogue du théorème de Stone-Weierstrass, Th. 9.4.3 sur le cercle C, ie.
dans le cas périodique).
Rπ
Démonstration : On a fe(k) = 1 f (y)eiky dy et
2π −π
n Z
1 X π

sn (x) = f (y) exp ik(x − y) dy
2π k=−n −π
Z π n
1  X

= f (y) exp ik(x − y) dy
2π −π k=−n
= (f ∗ Dn )(x)
Pn
en notant Dn (y) = k=−n exp(iky). Notons que
Z π n Z π
1 X 1
Dn (y) dy = exp(iky) dy = 1.
2π −π k=−n
2π −π

exp(i(n+1)y)−exp(−iny)
On a Dn (y) = exp(iy)−1
et donc


sin (n + 1/2)y
Dn (y) = quand y 6= 0 et Dn (0) = 2n + 1.
sin(y/2)
Par définition de σN , on a σN = f ∗ KN avec
N
1 X
Kn := Dn
N + 1 n=0
N
1 X

Kn (y) = Im exp(i(n + 1/2)y)
(N + 1) sin(y/2) n=0


1  exp(i(N + 1)y) − 1 
= Im exp(iy/2)
(N + 1) sin(y/2) exp(iy) − 1
1  sin((N + 1)y/2) 
= Im exp(i(N + 1/2)y)
(N + 1) sin(y/2) sin(y/2)

!2
1 sin (N + 1)y/2
= .
N +1 sin(y/2)
Rπ 1
PN 1
Rπ
On a donc Kn (y) ≥ 0, −π
Kn (y) dy = N +1 n=0 2π −π
Dn (y) dy = 1 et pour η > 0,
η < |y| ≤ π,
1 1
0 ≤ Kn (y) ≤
−→ 0, N → +∞,
N + 1 sin(η/2) 2
Chapitre 9. JCB
c – L3 math – Université de Rennes 1 115

soit Z
1
lim KN (y) dy = 0
N →+∞ 2π η<|y|≤π

et (KN )N ≥1 est donc une approximation de l’unité. De plus comme f est continue sur
le compact C, f y est uniformément continue. D’après le Th. 9.4.1 (adapté sur C), on a
σN = f ∗KN → f , N → +∞, uniformément, ce qui prouve le théorème de Fejér (Th. 9.4.5).

Chapitre 10

Absolue continuité

Dans ce chapitre, on géneralise la notion de mesure sur un espace mesurable (X, A) en

mesure à valeurs non nécessairement positives, appelée mesure signée, et mesure à valeurs
complexes dite mesure complexe ( !) en Section 10.1. Pour une mesure signée µ, on introduit
alors deux types de décomposition en Section 10.2 : la décomposition de Hahn de l’espace
(X, A) en ensembles dit positif et négatif pour µ et la décomposition de Jordan de µ en la
différence de deux vraies mesures (positives). On discute la notion d’intégrale par rapport
à ces mesures en Section 10.3. L’absolue continuité et la singularité sont des relations entre
deux mesures (signées) qu’on présente en Section 10.4. L’ensemble des mesures absolument
continues par rapport à une mesure donnée µ est parfaitement décrit en Section 10.5 dans le
cas σ-fini avec les théorèmes de Lebesgue (Th. 10.5.1) et de Radon-Nikodym (Th. 10.5.2).

10.1 Mesure signée

Définition 10.1.1 On appelle mesure signée toute fonction d’ensembles µ sur un espace
mesurable (X, A) à valeurs dans R ∪ {−∞} ou R ∪ {+∞} telle que µ(∅) = 0 et µ est
σ-additive.

Ainsi une mesure signée ne peut pas prendre à la fois la valeur −∞ et la valeur +∞ : c’est
lun ou l’autre.
Une mesure signée est dite finie sur une famille E si |µ(E)| < +∞ pour tout E ∈ E et
S E si pour tout E ∈ E il existe une suite (En )n≥1 de E telle que |µ(En )| < +∞
σ-finie sur
et E ⊂ n≥1 En .
De nombreuses propriétés usuelles des (vraies) mesures (cf. Section 1.4) restent vraies pour
les mesures signées :

Proposition 10.1.1 Soit µ une mesure signée sur (X, A) alors

i) Si A, B ∈ A et A ⊂ B alors |µ(B)| < +∞ implique |µ(A)| < +∞.
ii) Si A, B ∈ A et A ⊂ B alors |µ(B)| < +∞ implique µ(B \ A) = µ(B) − µ(A).

116
Chapitre 10. JCB
c – L3 math – Université de Rennes 1 117
 S 
iii) Si (An )n≥1 est une suite disjointe de A telle que µ A  < +∞ alors la série

n≥1 n
P
n≥1 µ(An ) converge absolument.
iv) Si (An )n≥1 est une suite monotone de A, avec en plus dans le cas décroissant |µ(An0 )| <
+∞ pour un certain n0 , alors
 
µ lim An = lim µ(An ).
n n→+∞

Démonstration : Si A, B ∈ A et A ⊂ B avec |µ(B)| < +∞ alors B = A∪(B\A), union de

deux ensembles disjoints de A pour laquelle l’additivité de µ donne µ(B) = µ(A)+µ(B \A).
On en déduit i) puisque si µ(B) est finie alors µ(A) et µ(B \ A) aussi (on ne peut pas avoir
de forme indéterminée µ(A) + ∞ et µ(B \ B) = ∞). Dans ce cas, on peut retrancher µ(A)
et en déduire ii).
−
Pour iii), On note A+n = An ou ∅ et An = ∅ ou An selon que µ(An ) ≥ 0 ou µ(An ) < 0. On
a alors X [  X [ 
− −
µ(A+n ) = µ A +
n , µ(A n ) = µ A n
n≥1 n≥1 n≥1 n≥1
+ −
P P
ce qui avec i) assure que les sommes n≥1 µ(An )
et n≥1 µ(An )
sont finies. Il vient
X X
X X
−
|µ(An )| = µ(A+n ) − µ(A n ) = µ(A+
n ) − µ(A− n)
n≥1 n≥1 n≥1 n≥1

est finie comme souhaité.

Enfin, iv) se montre comme pour la propriété analogue pour les (vraies) mesures. 

Au delà encore des mesures à valeurs réelles, on peut considérer des mesures à valeurs com-
plexes. Une mesure complexe est une fonction d’ensembles à valeurs complexes, σ-additive
et telle que µ(∅) = 0. Comme la convergence d’une série complexe exige la convergence des
parties réelle et imaginaire, il s’en suit que les parties réelle et imaginaire de µ sont des
mesures signées (réelles). En fait, une mesure µ est complexe ssi elle s’écrit µ = µ1 + iµ2
où µ1 , µ2 sont des mesures signées réelles.

10.2 Décompositions de Hahn et de Jordan

Si µ1 , µ2 sont deux mesures sur une tribu A alors leur somme µ1 + µ2 , définie par
(µ1 + µ2 )(A) = µ1 (A) + µ2 (A), A ∈ A, est clairement une mesure sur A. Cependant la
différence µ1 − µ2 définie par (µ1 − µ2 )(A) = µ1 (A) − µ2 (A), A ∈ A, ne l’est pas forcément
(la positivité n’est pas garantie). Mais il s’agit d’une mesure signée. En fait, on montre
dans cette section que toute mesure signée s’exprime comme la différence de deux (vraies)
mesures dont l’une au moins est finie (cf. Th. 10.2.2, décomposition de Jordan).
Si µ est une mesure signée sur (X, A), un ensemble A ∈ A est dit positif (resp. négatif,
nul) si µ(B) ≥ 0 (resp. µ(B) ≤ 0, µ(B) = 0) pour tout B ⊂ A. Noter que les sous-
ensembles mesurables d’ensembles positifs le sont aussi. Et l’union d’ensemble An , n ≥ 1,
Chapitre 10. JCB
c – L3 math – Université de Rennes 1 118

S S
positifs l’est aussiS : si B ∈ A et B ⊂ n≥1 An alors B = n≥1 (B ∩ An ) =. On peut
P B = n≥1 Bn avec des Bn ∈ A disjoints et Bn ⊂ B ∩ An . Ainsi µ(Bn ) ≥ 0 et
même écire
µ(B) = n≥1 µ(Bn ) ≥ 0 (σ-additvité). De même pour les ensembles négatifs.

Théorème 10.2.1 (Décomposition de Hahn) Si µ est une mesure signée sur l’espace
mesurable (X, A) alors il existe des ensembles disjoints A, B tels que A est positif, B est
négatif et A ∪ B = X.

La décomposition de X = A∪B en ensembles positif et négatif s’appelle la décomposition

de Hahn de X. D’après le Th. 10.2.1, cette décomposition existe mais elle n’est clairement
pas unique (un ensemble nul peut être rajouté à A ou B). Une telle décomposition permettra
cependant de donner une décomposition d’une mesure signée µ qui ne dépendra pas de la
décomposition de Hahn considérée (Th. 10.2.2).
Démonstration : Comme µ est supposée prendre au plus une des deux valeurs −∞, +∞,
pour fixer les idées on suppose que −∞ < µ(A) ≤ +∞ pour tout A ∈ A. On pose


α = inf µ(A) : A ∈ A négatif .

Comme l’ensemble ∅ est négatif, il vient de suite α ≤ 0. Soit maintenant

S (Bn )n≥1 une suite
d’ensembles négatifs tels que α = limn→+∞ µ(Bn ), on pose B = n≥1 Bn . On prouve le
théorème par étapes :
i) B est négatif. En effet, l’union d’ensembles négatifs reste négative.
ii) µ(B) = α et donc −∞ < α ≤ 0. D’après i) et la définition de α, on a α ≤ µ(B). Puis
pour tout n, B = (B \ Bn ) ∪ Bn et donc

µ(B) = µ(B \ Bn ) + µ(Bn ) ≤ µ(Bn )

puisque B \ Bn ⊂ B est négatif. Il suit µ(B) ≤ limn→+∞ µ(Bn ) = α ce qui prouve

µ(B) = α et ii) est acquis.
iii) Soit A = X \ B. Si F ⊂ A est négatif alors F est nul. En effet, soit F ⊂ A négatif et
G ∈ A tel que G ⊂ F . Alors G est négatif et E = B ∪ G est négatif. Par définition
de α et avec ii), on a α ≤ µ(E) = µ(B) + µ(G) = α + µ(G). D’où µ(G) ≥ 0. Comme
par ailleurs G est négatif, on a µ(G) = 0 et donc F est nécessairement nul.
iv) L’ensemble A = X \ B est positif. Par l’absurde, si A est négatif, il existe E0 ⊂ A,
E0 ∈ A, avec µ(E0 ) < 0. Comme E0 n’est pas nul, d’aprés iii), il n’est pas négatif
non plus. On note k1 alors le plus petit entier tel qu’il existe un mesurable E1 ⊂ E0
avec µ(E1 ) ≥ 1/k1 . Comme µ(E0 ) est finie (−∞ < µ(E0 ) < 0) et E1 ⊂ E0 , la Prop.
10.1.1-i) et ii) donne µ(E0 \ E1 ) = µ(E0 ) − µ(E1 ) < 0 comme µ(E0 ) < 0 et µ(E1 ) > 0.
En appliquant le même argument à E0 \ E1 : on trouve k2 le plus petit entier tel qu’il
existe un mesurable E2 ⊂ E0 \ E1 avec µ(E2 ) ≥ 1/k2 . En procédant par  récurrence,
Sn−1 
on note kn le plus petit entier tel qu’il existe un mesurable En ⊂ E0 \ i=1 Ei
S 
+∞ S
avec µ(En ) ≥ 1/kn . On pose alors F0 = E0 \ i=1 Ei . On a n≥1 En ⊂ E0 et
Chapitre 10. JCB
c – L3 math – Université de Rennes 1 119

P S 
|µ(E0 )| < +∞ si bien que n≥1 µ(En ) = µ n≥1 E n converge et donc µ(En ) → 0,
ce qui exige kn → +∞. Sn−1
Maintenant, pour chaque n ≥ 1, F0 ⊂ E0 \ i=1 Ei . Ainsi, pour tout F ∈ A avec
F ⊂ F0 , par définition de kn , on a µ(F ) < 1/(kn − 1) et comme kn → +∞ on a
µ(F ) ≤ 0. Ainsi F0 est négatif et donc par iii), F0 est en fait nul. Mais
X
µ(F0 ) = µ(E0 ) − µ(Ei ) < 0
i≥1

puisque µ(E0 ) < 0 et µ(Ei ) > 0, i ≥ 1. Cette conclusion (µ(F0 ) < 0) contredit F0
ensemble nul. L’hypothèse de départ était donc absurde et finalement, A est positif.
Cela achève la preuve du Th. 10.2.1.


Théorème 10.2.2 (Décomposition de Jordan) Soit µ une mesure signée sur un es-
pace mesurable (X, A). Si X = A ∪ B est une décomposition de Hahn de X pour µ (A
positif et B négatif ) alors on définit des mesures µ+ , µ− sur A par

µ+ (E) = µ(E ∩ A), µ− (E) = −µ(E ∩ B), E∈A

dont l’une au moins est finie et µ = µ+ − µ− . Les mesures µ+ , µ− ne dépendent pas de la

décomposition de Hahn utilisée et la décomposition µ = µ+ − µ− s’appelle la décomposition
de Jordan de la mesure signée µ.

Démonstration : Comme A ∩ E ⊂ A (positif) et B ∩ E ⊂ B (négatif), les fonctions

d’ensembles µ+ , µ− sont positives. Il suit alors que ce sont de vraies mesures (la σ-additivité
étant facilement due à celle de µ). Comme µ prend au plus une des deux valeurs ±∞, une
au moins des deux mesures µ± est finie. Puis pour tout E ∈ A,

µ(E) = µ(E ∩ A) + µ(E ∩ B) = µ+ (E) − µ− (E)

et donc µ = µ+ − µ− .
Il reste à montrer que µ± ne dépend pas de la décomposition de Hahn utilisée. Pour cela,
on considère deux décompositions de Hahn X = A1 ∪ B1 = A2 ∪ B2 par rapport à µ et on
montre que
µ(E ∩ A1 ) = µ(E ∩ A2 ), µ(E ∩ B1 ) = µ(E ∩ B2 ).

que l’ensemble E ∩ (A1 \ A2 ) est un sous-ensemble de A1 positif et donc µ E ∩
(A1 \

Noter
A2 ) ≥ 0 mais est aussi

un sous-ensemble de B2 négatif et donc µ E ∩ (A
1 \ A2 ) ≤ 0.
Ainsi µ E ∩ (A1 \ A2 ) = 0 pour tout E ∈ A. De même, µ E ∩ (A2 \ A1 ) = 0 pour tout
E ∈ A. Il vient alors

µ(E ∩ A1 ) = µ(E ∩ A1 ∩ A2 ) = µ(E ∩ A2 ).

Chapitre 10. JCB
c – L3 math – Université de Rennes 1 120

De la même façon, on a µ(E ∩ B1 ) = µ(E ∩ B2 ), E ∈ A, ce qui complète la preuve du

Th. 10.2.2. 

Il est clair qu’une mesure signée se décompose en vraies mesures de plusieurs façons : par
exemple µ = (µ+ + ν) − (µ− + ν), où ν est une (vraie) mesure finie quelconque. Cependant,
la décomposition de Jordan est caractérisée par une propriété d’unicité et de minimalité
(µ+ , µ− ont des supports disjoints). Par
|µ|(A) = µ+ (A) + µ− (A), A∈A
on définit une (vraie) mesure |µ| qu’on appelle la variation totale de µ.
Noter qu’un ensemble E ∈ A est positif ssi µ− (E) = 0 puisque si E est positif E ∩ B
est un ensemble nul en tant qu’ensemble positif (sous-ensemble de E) et ensemble négatif
(sous-ensemble de B). Réciproquement si µ− (E) = 0 alors pour F ∈ A et F ⊂ E, on a
µ− (F ) = 0 et µ(F ) = µ+ (F ) ≥ 0 justifiant que E est positif.
De la même façon, E est négatif ssi µ+ (E) = 0.
On a aussi |µ(E)| ≤ |µ|(E), avec égalité seulement si E est positif ou négatif. Enfin, noter
que |µ|(E) = 0 implique que E est un ensemble nul pour |µ|, µ+ , µ− , µ.
Un exemple important de mesure signée est fourni par des intégrales indéfinies d’une fonc-
tion dont l’intégrale est bien définie :
Théorème 10.2.3 Soient (X, A, µ) un espace mesuré et f une fonction mesurable définie
p.p. sur X et telle que f + ou f − ∈ L1 (X, A, µ). Alors on définit une mesure signée ν sur
A par Z
ν(A) = f dµ, A ∈ A.
A

Démonstration
R : On a de suite ν(∅) = 0 et si f ∈ L1 (X, A, µ) alors ν est finie (ν(X) =
X
f dµ). On complète la preuve enS
montrant que ν est σ-additive.
P Pour cela, soit (An )n≥1
une suite de A disjointe et A = n≥1 An . Alors f± 1A = n≥1 f± 1An p.p. et par le
théorème de convergence monotone (Th. 4.3.1), on a
Z Z Z X  XZ  XZ
f± dµ = f± 1A dµ = f± 1An dµ = f± 1An dµ = f± dµ.
A n≥1 n≥1 n≥1 An

Comme f+ ∈ L1 (X, A, µ) ou f− ∈ L1 (X, A, µ), une des deux séries prédédentes converge
vers un nombre fini et on a
Z Z XZ Z 
ν(A) = f+ dµ − f− dµ = f+ dµ − f− dµ
A A n≥1 An An
XZ X
= f dµ = ν(An )
n≥1 An n≥1

justifant la σ-additivité et que ν est bien une mesure. 

Chapitre 10. JCB
c – L3 math – Université de Rennes 1 121

Une décomposition de Hahn naturelle de X par rapport à ν est X = A ∪ B où A = {x ∈

X : f (x) ≥ 0} et B = Ac = {x ∈ X : f (x) < 0}. Si l’ensemble {x ∈ X : f (x) = 0} est
non vide, une autre décomposition de Hahn est A1 ∪ B1 avec A1 = {x ∈ X : f (x) > 0} et
B1 = Ac1 = {x ∈ X : f (x) ≤ 0}. La décomposition de Jordan ν = ν+ − ν− de ν est donnée
dans les deux cas par
Z Z
ν+ (E) = +
f dµ, ν− (E) = f − dµ, E ∈ A
E E

et la variation totale |ν| de ν par

Z Z Z Z
+ − + −
|ν|(E) = ν+ (E) + ν− (E) = f dµ + f dµ = (f + f ) dµ = |f | dµ.
E E E E

Enfin, on montre facilement grâce à la décomposition de Jordan que l’extension d’une

mesure σ-finie signée a une propriété d’unicité analogue aux (vraies) mesures.

Proposition 10.2.1 Soient µ, ν des mesures signées sur un espace mesuré (X, A), égales
sur un π-système P ⊂ A tel que σ(P) = A. Si µ est σ-finie sur P alors µ = ν sur A.

Démonstration : On écrit µ = µ+ − µ− et ν = ν+ − ν− . Pour E ∈ P, on a

µ+ (E) − µ− (E) = ν+ (E) − ν− (E)
et donc µ+ (E) + ν− (E) = ν+ (E) + µ− (E) lorsque les quatre termes sont finis. Mais si
l’un des termes est infini par exemple µ+ (E) = +∞ alors ν+ (E) = +∞ (et µ− (E), ν− (E)
sont finis) et l’égalité précédente persiste. On a donc µ+ + ν− = ν+ + µ+ . Comme il s’agit
de mesure σ-finies, égale sur P, elle sont égales sur S(P) = A (extension déjà utilisée du
théorème de Dynkin, Th. 1.5.2). On en déduit µ = ν sur A en réarrangeant les termes à
l’envers. 

10.3 Intégrale par rapport à une mesure signée

Si µ est une mesure signée sur (X, A) de décomposition de Jordan µ = µ+ − µ− ,
l’intégrale par rapport à µ s’exprime comme la différence des intégrales par rapport à µ+
et µ− pour les fonctions f ∈ L1 (X, A, µ+ ) ∩ L1 (X, A, µ− ) :
Z Z Z
f dµ = f dµ+ − f dµ− (10.1)
Z Z Z Z
= f + dµ+ − f − dµ+ − f + dµ+ + f − dµ− .

Comme |µ| = µ+ + ν− , on a pour toute fonction mesurable

Z Z Z
|f | d|µ| = |f | dµ+ + |f | dµ−
Chapitre 10. JCB
c – L3 math – Université de Rennes 1 122

et donc f ∈ L1 (X, A, |µ|) ssi f ∈ L1 (X, A, µ+ ) et f ∈ L1 (X, A, µ− ), ie. L1 (X, A, |µ|) =

L1 (X, A, µ+ ) ∩ L1 (X, A, µ− ).
R
Lorsque f est mesurable mais f 6∈ L1 (X, A, |µ|),R on peut avoir f dµ = +∞ lorsque les
deux termes négatifs dansRla définition (10.1) de f dµ sont finis et un des termes positifs
est +∞. Autrement dit, f dµ = +∞ quand f− ∈ L1 (X, A,Rµ+ ), f+ ∈ L1 (X, A, µ− ) et
f+ 6∈ L1 (X, A, µ+ ) ou f− ∈ L1 (X, A, µ− ). De même pour avoir f dµ = −∞.
L’intégrale par rapport à une mesure signée vérifie des propriétés analogues à celle de
l’intégrale par rapport à une (vraie) mesure.
Théorème 10.3.1 i) Si µ est une mesure signée et f ∈ L1 (X, A, µ) alors
Z  Z
 
 f dµ ≤ |f | d|µ|.
 

ii) (Convergence dominée) Soient µ une mesure signée et (fn )n≥1 une suite de fonctions
de L1 (X, A, |µ|) et g ∈ L1 (X, A, |µ|) avec |fn | ≤ g |µ|-p.p. pour tout n ≥ 1. Si f est
mesurable telle que fn → f |µ|-p.p. alors f ∈ L1 (X, A, |µ|) et
Z Z Z
|fn − f | d|µ| → 0, fn dµ → f dµ, n → +∞.

Démonstration
R R : i) On utilise
R les propriétés analogues des (vraies) mesures avec la défi-
nition f dµ = f dµ+ − f dµ− :
Z  Z  Z  Z Z Z
     
 f dµ ≤  f dµ+  +  f dµ−  ≤ |f | dµ+ + |f | dµ− = |f | dµ.
     

ii) La première limite s’obtient par convergence dominée pour la (vraie) mesure |µ| et la
deuxième suit de la première limite combinée avec i). 

Le résultat suivant est le théorème de transfert pour les mesures signées. Comme dans le
cas de vraies mesures, on peut étendre le résultat aux fonctions non-intégrables lorsque les
intégrales sont quand même bien définies.

Théorème 10.3.2 Soient (X, A) et (Y, B) des espaces mesurés et µ une mesure signée
sur (X, A). On considère une fonction ϕ : (X, A) → (Y, B) mesurable (définie |µ|-p.p. sur
X suffit). Alors
i) On définit une mesure signée µϕ sur (Y, B) par

µϕ (F ) = µ(ϕ−1 (F )), F ∈ B.

ii) Si f est B-mesurable définie µϕ -p.p. et telle que f ◦ ϕ ∈ L1 (|µ|) alors f ∈ L1 (|µϕ |) et
Z Z
f dµϕ = f ◦ ϕ dµ.
Y X
Chapitre 10. JCB
c – L3 math – Université de Rennes 1 123

Démonstration : Comme dans le cas µ vraie mesure, on montre que µϕ est σ-additive et
que µϕ (∅) = 0. Puis comme µ prend au plus une des deux valeurs −∞, +∞, il en est de
même pour µϕ . Il suit que µϕ est une mesure signée, ie. i) est prouvé.
Pour simplifier, on suppose que ϕ est définie sur tout X. Alors ϕ−1 (B) est une tribu et on
note µe la restriction de µ à ϕ−1 (B) ⊂ A.
Soit Y = A ∪ B la décomposition de Hahn de Y pour µ eϕ (A est positif, B est négatif).
On montre que X = ϕ−1 (A) ∪ ϕ−1 (B) est une décomposition de Hahn de X pour µ e. En
−1 −1 −1
effet, ϕ (A) et ϕ (B) sont dans ϕ (B) ⊂ A et disjoints avec pour union X. Maintenant,
soit E ⊂ ϕ−1 (B) un sous-ensemble de ϕ−1 (A) alors E = ϕ−1 (G) pour un certain G ∈ B.
Comme E = ϕ−1 (G) ⊂ ϕ−1 (A), on a E = ϕ−1 (G ∩ A) et donc µ e(E) = µ eϕ (G ∩ A) ≥ 0
−1
puisque A est positif pour µ eϕ . On en déduit que ϕ (A) est positif pour µ
e. De même, on
montre que ϕ−1 (B) est négatif pour µ e.
e = µ+ − µ
Maintenant soit µ e− la décomposition de Jordan de µ e. On montre que µ eϕ =
µ+ − µ
(e e− )ϕ = µe+,ϕ − µ
e−,ϕ est la décomposition de Jordan de µeϕ . En effet pour chaque
E ∈ B, on a
e ϕ−1 E ∩ ϕ−1 A = µ e ϕ−1 (E ∩ A) = µ



µ
e+,ϕ (E) = µ eϕ (E ∩ A) = (eµϕ )+ (E)
puisque Y = A ∪ B est la décomposition de Hahn de Y pour µ eϕ . Donc µ
e+,ϕ = (e
µϕ )+ et de
même µ
e−,ϕ = (e
µϕ )− . Il suit que µ e+,ϕ − µ
eϕ = µ e−,ϕ est la décomposition de Jordan de µ eϕ et
|e
µϕ | = µ
e+,ϕ + µ
e−,ϕ = (e e− )ϕ = |e
µ+ + µ µ|ϕ .
Noter que |e µ(E)| pour tout E ∈ ϕ−1 (B) puisque
µ|(E) ≤ |e
e− (E) = µ E ∩ ϕ−1 A − µ E ∩ ϕ−1 B



|e
µ|(E) = µ e+ (E) + µ
= µ E ∩ ϕ−1 A − µ E ∩ ϕ−1 B ≤ |µ| E ∩ ϕ−1 A + |µ| E ∩ ϕ−1 B

= |µ|(E).
On déduit alors du cas vraie mesure :
Z Z Z Z Z
|f | d|µϕ | = |f | dµϕ = |f | dµϕ = |f ◦ ϕ| dµ ≤ |f ◦ ϕ| d|µ|.
Y Y Y X X

Par conséquent, f ◦ ϕ ∈ L1 (X, A, |µ|) implique f ∈ L1 (|µϕ |) et à nouveau d’après le cas

vraie mesure
Z Z Z Z
f dµϕ = f dµϕ = f dµ+,ϕ − f dµ−,ϕ
Y ZY Y Z Y Z
= |f ◦ ϕ| dµ+ − |f ◦ ϕ| dµ− = f ◦ ϕ dµ
X X X

ce qui prouve le théorème lorsque ϕ est définie sur tout X. On peut adapter cette preuve
au cas où ϕ est définie seulement |µ|-p.p. sur X. Si ϕ est définie sur E avec |µ|(E c ) = 0
alors on définit la fonction ϕ0 : X → Y par ϕ0 (x) = ϕ(x) si x ∈ E et ϕ0 (x) = y0 si x 6∈ E
où y0 ∈ Y est quelconque. 
Chapitre 10. JCB
c – L3 math – Université de Rennes 1 124

10.4 Absolue continuité et singularité

Dans cette section, on fixe un espace mesuré (X, A) et on y considère µ, ν deux mesures
signées.

Définition 10.4.1 (Absolue continuité and co) On dit que ν est absolument continue
par rapport à µ, vraie mesure, et on note µ  ν, si µ(A) = 0 =⇒ ν(A) = 0.
Si µ est signée, on définit encore ν  µ par ν  |µ|.
On dit que µ et ν sont équivalentes, et on note µ ∼ ν, si elles sont mutuellement absolument
continues, ie. ν  µ et µ  ν.
On dit que µ et ν sont singulières, et on note µ ⊥ µ, s’il existe A ∈ A et que µ(A) = 0 et
ν(Ac ) = 0 (ie. les supports des mesures sont disjoints, cf. Déf 1.3.4).

Les notions d’absolue continuité et de singularité par rapport à une même mesure sont
orthogonales car :

Proposition 10.4.1 Soient µ, ν deux mesures telles ν  µ et ν ⊥ µ, alors ν = 0.

Démonstration : En effet il existe A ∈ A tel que µ(A) = 0 et ν(Ac ) = 0. Mais alors pour
E ∈ A quelconque, on a ν(E) = ν(E ∩ A) + ν(E ∩ Ac ) qui est nul car E ∩ A ⊂ A donc
µ(E ∩ A) = 0 et ν(E ∩ A) = 0 d’après ν  µ, puis E ∩ Ac ⊂ Ac avec ν(Ac ) = 0 donc
ν(E ∩ Ac ) = 0. 

Proposition 10.4.2 Soient µ, ν des vraies mesures. On a ν  µ ssi ∀ε > 0, il existe

δ > 0 tel que µ(A) < δ implique ν(A) < ε.

Démonstration : La condition est suffisante car si µ(A) = 0, elle donne ν(A) < ε pour
tout ε > 0 qu’on peut faire tendre vers 0, ce qui donne ν(A) = 0 et ν  µ.
La condition est nécessaire puisque si elle est en défaut, il existe ε > 0 et pour chaque
2
T ≥ 1,SAn ∈ A tel que µ(An ) ≤ 1/n et ν(An ) >Pε. On considère
n
2
alors A = lim supn An =
m≥1 A
n≥m n Pour tout m ≥ 1, on a µ(A) ≤ n≥m (1/n ) et donc µ(A) = 0. Alors que
S  S
ν(A) = limm→+∞ ν n≥m An > ε puisque n≥m An ⊃ Am avec ν(Am ) > ε. Le mesurable
A contredit alors la définition de ν  µ. 

Un exemple de mesure ν absolument continue par rapport à µ est fourni par la Section
10.3 avec Z
ν(A) = f dµ, A ∈ A
A
+ 1 − 1
lorsque f ∈ L (X, A, µ) ou f ∈ L (X, A, µ). Le théorème de Radon-Nikodym (Th.
10.5.2 ci-dessous) montre que les mesures ν absolument continues par rapport à µ sont en
fait exactement celles-ci quand µ, ν sont σ-continues.

Proposition 10.4.3 Soient µ, ν deux mesures signées sur (X, A). On a équivalence entre
Chapitre 10. JCB
c – L3 math – Université de Rennes 1 125

i) ν  µ,
ii) ν+  µ et ν−  µ,
iii) |ν|  |µ|.

Démonstration : Pour voir que i) implique ii), on considère E ∈ A avec |µ|(E) = 0

et X = A ∪ B une décomposition de Hahn de X par rapport à ν. Alors comme |µ| est
une mesure |µ|(E) = 0 implique |µ|(E ∩ A) = |µ|(E ∩ B) = 0. Comme ν  µ, on a
ν(E ∩ A) = ν(E ∩ B) = 0 et donc ν+ (E) = ν− (E) = 0. On en déduit ν+  µ et ν−  µ
et |ν|  µ.
ii) implique facilement iii) puisque |ν|(E) = ν+ (E) + ν− (E) = 0 lorsque |µ|(E) = 0.
Finalement, lorsque iii) est vrai, soit E ∈ A tel que |µ|(E) = 0. iii) implique |ν|(E) =
ν+ (E) + ν− (E) = 0 et donc |ν(E)| ≤ |ν|(E) = 0, c’est à dire i). 

D’après la Prop. 10.4.3, on a ν  µ ssi |ν|  |µ|. On a aussi ν ∼ µ ssi |ν| ∼ |µ|.
Exemple : Sur (R, B(R)), la mesure de référence est la mesure de Lebesgue λ. On considére
fréquemment sur (R, B(R)) des mesures absolument continues par rapport à λ. Par exemple,
lorsque ce sont des mesures de probabilités, il s’agit de lois à densité. Si sur (R, B(R)), on
a µ  λ alors nécessairement µ n’a pas d’atome mais ne pas avoir d’atome est loin d’être
suffisant pour avoir l’absolue continuité.

10.5 Théorème de Radon-Nikodym

Les théorèmes de Lebesgue (Th. 10.5.1) et de Radon-Nikodym (Th. 10.5.2) assurent
que, étant donnée une mesure µ σ-finie, une mesure signée σ-finie peut s’écrire comme
la somme de deux mesures signées, l’une absolument continué par rapport à µ et l’autre
singulière par rapport à µ.
On commence par prouver le résultat pour des mesures finies (Lemme 10.5.1) avant de
considérer le cas général de mesures σ-finies et signées (Théorèmes 10.5.1 et 10.5.2). Le
théorème de Radon-Nikodym trouve une place essentielle en probabilités pour définir les
variables aléatoires à densité.

Lemme 10.5.1 Soient (X, A, µ) un espace mesuré fini et ν une mesure finie sur A. Alors,
il existe deux mesures finies uniquement déterminées ν1 et ν2 sur A telles que

ν = ν1 + ν2 , ν1  µ, ν2 ⊥ µ.

De plus, Ril existe une fonction f µ-integrable, p.p. unique, telle que pour tout A ∈ A :
ν1 (A) = A f dµ.

Démonstration : Unicité : si ν1 + ν2 = ν3 + ν4 alors ν1 − ν3 = ν4 − ν2 est à la fois

absolument continue par rapport à µ (car ν1 , ν3 le sont) et singulière par rapport à µ (car
ν2 , ν4 le sont), ce qui exige sa nullité (Prop. ??). On a donc ν1 = ν3 et ν2 = ν4 .
Chapitre 10. JCB
c – L3 math – Université de Rennes 1 126

R R R
De plus, si ν1 (A) = A f dµ = A g dµ alors en choisissant A = {f > g}, on a A (f −g) dµ =
0 ce qui exige µ(A) = 0. De même µ(f < g) = 0 et donc f = g µ-p.p.
Existence de ν1 , ν2 et f : on note K la famille des fonctions f mesurables positives sur
X telles que Z
f dµ ≤ ν(A) pour tout A ∈ A.
A
R
La preuve consiste à Rtrouver f ∈ K qui maximise f dµ de façon à ”extraire” autant que
possible µ de ν par f dµ. On espère alors que le reste ν2 = ν − ν1 sera singulier par
rapport à µ.
On remarque que K est non vide car il contient la fonction nulle. On écrit alors α =
R R
sup X f dµ : f ∈ K et on considère (fn )n≥1 suite de K telle que X fn dµ % α.
On pose gn (x) = max(f1 (x), . . . , fn (x)) ≥ 0. Pour A ∈ A et n ≥ 1, A se décompose en
S n
i=1 Ai où les Ai sont mesurables disjoints et tels que gn (x) = fi (x) pour x ∈ Ai : en effet,
prendre A1 = {x ∈ X : gn (x) = f1 (x)} puis A2 = {x ∈ X : gn (x) = f2 (x)} \ A1 , etc. Ainsi
Z Xn Z Xn Z Xn
gn dµ = gn dµ = fi dµ ≤ ν(Ai ) = ν(A)
A i=1 Ai i=1 Ai i=1

ce qui assure gn ∈ K. Comme (gn )n≥1 est une suite croissante, sa limite f (x) = limn→+∞ gn (x)
est bien définie en tout x ∈ X et par convergence monotone (Th. 4.3.1), on a
Z Z
f dµ = lim gn dµ ≤ ν(A).
A n→+∞ A
R R R R
Il suit que f ∈ K et X f dµ = limn→+∞ X gn dµ ≥ limn→+∞ X fn dµ = α, soit X f dµ =
α. On pose alors pour tout A ∈ A :
Z
ν1 (A) = f dµ et ν2 (A) = ν(A) − ν1 (A).
A

Alors ν1 est clairement une mesure avec f ≥ 0, f ∈ L1 (X, A, µ) et ν1  µ. Puis

R ν2 est finie,
σ-additive avec ν2 (A) ≥ 0 pour tout A ∈ A puisque f ∈ K assure ν1 (A) = A f dµ ≤ ν(A).
Ainsi ν2 est une mesure finie et il reste à justifier que ν2 ⊥ µ.
Pour cela, on considère la mesure (signée) λn = ν2 − n1 µ, n ≥ 1, et on pose X = En ∪ Fn ,
décomposition de Hahn de X pour λn (λn|En est positive, λn|Fn est négative). Si hn =
f + n1 1En , alors pour tout A ∈ A, on a
Z Z
1 1
hn dµ = f dµ + µ(En ∩ A) = ν(A) − ν2 (A) + µ(En ∩ A)
A A n n
= ν(A) − ν2 (A ∩ Fn ) − λn (En ∩ A) ≤ ν(A)
puisque ν2 est une mesure et λn|En est positive. Ainsi hn ∈ K et
Z Z
1 1
α≥ hn dµ = f dµ + µ(En ) = α + µ(En )
X X n n
Chapitre 10. JCB
c – L3 math – Université de Rennes 1 127

ce qui exige µ(En ) = 0. Si E = n≥1 En alors µ(E) = 0. Comme E c ⊂ Enc = Fn , on a

S

λn (E c ) ≤ 0 et donc ν2 (E c ) ≤ n1 µ(E c ) pour tous les n ≥ 1.

Il suit ν2 (E c ) = 0 = µ(E), ce qui établit ν2 ⊥ µ et achève la preuve du Lemme 10.5.1. 

On énonce maintenant le résultat sous sa forme générale :

Théorème 10.5.1 (Décomposition de Lebesgue) Soient (X, A, µ) un espace mesuré

σ-fini et ν une mesure signée σ-finie sur A. Alors, il existe deux mesures σ-finies unique-
ment déterminées ν1 et ν2 sur A telles que

ν = ν1 + ν2 , ν1  µ, ν2 ⊥ µ.

De plus, si ν est une (vraie) mesure alors ν1 et ν2 en sont aussi. La décomposition ν =

ν1 + ν2 s’appelle la décomposition de Lebesgue de ν par rapport à µ.

Démonstration : On montre d’abord l’existence de ν1 et de S ν2 lorsque µ et ν sont toutes

les deux de vraies mesures σ-finies. Pour cela on écrit X = n≥1 Xn avec Xn ∈ A disjoints
et 0 ≤ µ(Xn ) < +∞ et 0 ≤ ν(Xn ) < +∞. Pour chaque n ≥ 1, on pose :

µ(n) (A) = µ(A ∩ Xn ), ν (n) (A) = ν(A ∩ Xn ), A ∈ A.

Comme µ(n) , ν (n) sont finies, le Lemme 10.5.1 s’applique et donne les décompositions
(n) (n) (n) (n)
ν (n) = ν1 + ν2 avec ν1  µ(n) , ν2 ⊥ µ(n) .

On définit maintenant les fonctions d’ensembles ν1 , ν2 par

X (n) X (n)
ν1 (A) = ν1 (A), ν2 (A) = ν2 (A), A ∈ A.
n≥1 n≥1

On a ν = ν1 + ν2 car
X X (n) (n)
X (n) X (n)
ν(A) = ν (n) (A) = ν1 (A) + ν2 (A) = ν1 (A) + ν2 (A) = ν1 (A) + ν2 (A).
n≥1 n≥1 n≥1 n≥1

On voit maintenant que ν1 et ν2 sont des mesures σ-finies : pour la σ-additivité, si A =

S
n≥1 An est une union disjointe alors
X (n)
XX (n)
XX (n)
X
ν1 (A) = ν1 (A) = ν1 (Ak ) = ν1 (Ak ) = ν1 (Ak )
n≥1 n≥1 k≥1 k≥1 n≥1 k≥1

en échangeant des sommations de termes positifs (théorème de Fubini-Tonelli,

S Th. 7.3.1,
pour la mesure de comptage sur N). Pour la σ-finitude : comme X = n≥1 Xn , on a
X (m)
X
ν1 (Xn ) = ν1 (Xn ) ≤ ν (m) (Xn ) = ν(Xn ) < +∞.
m≥1 m≥1
Chapitre 10. JCB
c – L3 math – Université de Rennes 1 128

De même pour ν2 .
Pour montrer que ν1  µ, on fixe A ∈ A avec µ(A) = 0. Alors µ(n) (A) = µ(A ∩ Xn ) = 0 et
(n) (n)
comme ν1  µ(n) , on a ν1 (A) = 0. Il vient alors ν1 (A) = n≥1 ν (n) (A) = 0, soit ν1  µ.
P

On termine la preuve (lorsque ν est positive) en montrant que ν2 ⊥ µ. Pour cela, comme
(n)
pour n ≥ 1, on a ν2 ⊥ µ(n)S, il existe En ∈ A tel que µ(n) (En ) = 0 et ν (n) (Enc ) = 0. Soient
alors Fn = En ∩ Xn et F = n≥1 Fn . Les ensembles Fn sont disjoints et
X X
µ(F ) = µ(Fn ) = µ(n) (En ) = 0,
n≥1 n≥1

(n)
tandis que ν (n) (Xnc ) = ν(Xn ∩ Xnc ) = 0 et donc ν2 (Xnc ) = 0. Comme Fnc = Enc ∪ Xnc , il
(n)
vient ν2 (Fnc ) = 0. Finalement,
X (n) X (n)
ν2 (F c ) = ν2 (F c ) ≤ ν2 (Fnc ) = 0
n≥1 n≥1

puisque F c ⊂ Fnc . Ainsi µ(F ) = 0 = ν2 (F c ), soit ν2 ⊥ µ.

Il reste à traiter le cas de ν mesure signée. Sa décomposition de Jordan (Th. 10.2.2) s’écrit
ν = ν+ − ν− où au moins une des deux mesures ν+ , ν− est finie et l’autre σ-finie. D’après
la partie du théorème déjà prouvée dans le cas de (vraies) mesures σ-finies, on peut écrire

ν+ = ν+,1 + ν+,2 avec ν+,1  µ, ν+,2 ⊥ µ

ν− = ν−,1 + ν−,2 avec ν−,1  µ, ν−,2 ⊥ µ.

Par exemple si ν− est finie alors ν−,1 et ν−,2 le sont aussi et ν = (ν+,1 −ν−,1 )+(ν+,2 −ν−,2 ) =
ν1 + ν2 avec ν1 = ν+,1 − ν−,1  µ et ν2 = ν+,2 − ν−,2 ⊥ µ.
La décomposition de Lebesgue en découle donc lorsque ν est σ-finie signée.
Enfin, pour voir l’unicité, on suppose d’abord ν vraie mesure σ-finie et ν = ν1 +ν2 = ν3 +ν4
, ν3  µ et ν2 , ν4 ⊥ µ. Comme µ et ν sont des vraies mesures σ-finies, on peut écrire
où ν1S
X = n≥1 Xn avec les Xn disjoints mesurables de mesures µ(Xn ), ν(Xn ) finies. Pour chaque
(n)
n ≥ 1, on définit alors µ(n) et νi , i = 1, 2, 3, 4 par
(n)
µ(n) (A) = µ(A ∩ Xn ), νi (A) = νi (A ∩ Xn ), A ∈ A.

On a alors
(n) (n) (n) (n) (n) (n) (n) (n)
ν1 + ν2 = ν3 + ν4 , ν1 , ν3  µ(n) , ν2 , ν4 ⊥ µ(n) .
(n) (n) (n) (n)
L’unicité du Lemme 10.5.1 assure alors ν1 = ν3 et ν2 = ν4 pour chaque n ≥ 1. Il
vient alors X (n) X (n)
ν1 = ν1 = ν3 = ν3
n≥1 n≥1
Chapitre 10. JCB
c – L3 math – Université de Rennes 1 129

et de même ν2 = ν4 . On a obtenu l’unicité lorsque ν est une vraie mesure σ-finie. Pour
conclure, lorsque ν est signée σ-finie avec deux décomposition ν1 + ν2 = ν3 + ν4 , l’unicité
provient de la décomposition de Jordan pour chaque νi en réarrangeant l’équation de façon
que chaque côté soit positif et en appliquant l’unicité déjà acquise pour les (vraies) mesures.


Théorème 10.5.2 (Radon-Nikodym) Soient (X, A, µ) un espace σ-fini avec ν une me-
sure signée σ-finie sur A. Si ν  µ alors il existe une fonction f sur X, presque sûrement
unique, à valeurs finies telle que pour tout A ∈ A :
Z
ν(A) = f dµ.
A

La fonction f s’appelle la densité de nu par rapport à mu, elle est µ-intégrable ssi ν est
finie. En général, au moins une des deux fonctions f + , f − est µ-intégrable et cela arrive
lorsque ν+ ou ν− est finie. Si ν est une vraie mesure alors f est positive.

Démonstration : L’existence de f vient du Lemme 10.5.1 lorsque µ, ν sont finies et

positives En effet, d’après l’unicité de la décomposition
R de Lebesgue en ν = ν1 + ν2 = ν + 0,
on doit avoir ν = ν1 et donc ν(A) = ν1 (A) R = A f dµ (Lemme 10.5.1). De plus, f prend
des valeurs finies et est µ-intégrable car X f dµ = ν(X) < +∞.
On suppose maintenant que S µ, ν sont des (vraies) mesures σ-finies. Comme dans les preuves
précédentes, on écrit X = n≥1 Xn avec les Xn ∈ A disjoints tels que µ(Xn ) < +∞ et
ν(Xn ) < +∞ et on pose à nouveau

µ(n) (A) = µ(A ∩ Xn ), ν (n) (A) = ν(A ∩ Xn ).

Comme µ(n) et ν (n) sont des mesures finies avec ν (n)  µ(n) par la première partie
R sur A(n)
(n)
de cette présente preuve, on a ν (A) = A fn dµ , n ≥ 1, pour tout A ∈ A et pour une
fonction fn positive à valeurs finies. Alors
Z Z Z
(n) (n)
ν(A ∩ Xn ) = ν (A) = 1A fn dµ = 1A fn dµ = 1Xn fn dµ.
Xn A
P
On pose alors f = n≥1 1Xn fn et par le théorème de convergence monotone (Th. 4.3.1),
on a
X XZ Z X  Z
ν(A) = ν(A ∩ Xn ) = 1Xn fn dµ = 1Xn fn dµ = f dµ.
n≥1 n≥1 A A n≥1 A

La fonction f est mesurable positive avec des valeurs finies (les fn le sont et les Xn sont
disjoints si bien que f (x) = fn (x) lorsque x ∈ Xn ). On a donc prouvé l’existence de f
lorsque µ, ν sont des mesures σ-finies.
Chapitre 10. JCB
c – L3 math – Université de Rennes 1 130

Quand ν est seulement signée, on dispose de sa décomposition de Jordan ν = ν+ − ν−

(Th. ??) avec au moins une des deux mesures ν+ , ν− finie et l’autre R σ-finie. D’aprés le
cas
R précédent de la preuve (vraies mesures σ-finies), on a ν+ (A) = A f+ dµ et ν− (A) =
f dµ, A ∈ A, pour des fonctions f+ , f− positives et à valeurs finies et dont l’une
A −
au moins est µ-intégrable. La décomposition de Hahn de X pour ν, X = E ∪ F , avec
ν+ (F ) = 0 et ν− (E)R = 0 montre qu’on peut prendre f+ sur F et f− = 0 sur E. Ainsi,
clairement ν(A) = A f dµ pour tout A ∈ A où f = f+ − f− (où f+ , f− sont les parties
positives et négatives de f ) a toutes les propriétés requises pour le théorème, ce qui prouve
l’existence de f .
Pour montrer la (presque sûre) unicité S de f , on considère g une autre fonction avec
les mêmes propriétés. On écrit X = n≥1 Xn avec les Xn ∈ A disjoints et de mesure
µ(Xn ), ν(Xn ) finies. Alors pour tout n ≥ 1,
Z Z
(n)
ν (A) = ν(A ∩ Xn ) = f 1Xn dµ = g1Xn dµ, A ∈ A.
A A

Comme ν (n) est une mesure signée finie, f 1Xn et g1Xn sont µ-intégrables et f 1Xn = g1Xn
p.p. pour chaque n ≥ 1 (a voir). On en déduit f = g p.p. sur X. La fonction f est donc
presque sûrement unique. 

La décomposition de Lebesgue (Th. 10.5.1) et le théorème de Radon-Nikodym (Th. 10.5.2)

peuvent être combinés en un énoncé unique comme ci-dessous :

Théorème 10.5.3 Soient (X, A, µ) un espace mesuré σ-fini et ν une mesure signée σ-finie
sur A. Alors il existe deux mesures ν1 , ν2 uniquement déterminées telles que

ν = ν1 + ν2 , ν1  µ, ν2 ⊥ µ

et une fonction f , presque sûrement unique, mesurable,

R à valeurs finies telle que f + ou f −
est µ-intégrable et pour tout A ∈ A : ν1 (A) = A f dµ.
Ainsi pour un certain A0 ∈ A avec µ(A0 ) = 0, on a pour A ∈ A
Z Z
ν(A) = f dµ + ν2 (A ∩ A0 ) = f dµ + ν(A ∩ A0 )
A A

puisque µ(A0 ) = 0 implique ν1 (A ∩ A0 ) = 0. La fonction f est µ-intégrable ssi ν1 est finie.

On a ν  µ ssi ν(A0 ) = 0. Si ν est une mesure alors ν1 , ν2 et f sont positives.

Noter pour finir que les théorèmes de Lebesgue (Th. 10.5.1) et de Radon-Nikodym (Th.
10.5.2) peuvent être en défaut sans la condition de σ-finitude. (ex à voir [LCP]).
Bibliographie

[ACMR] Guy Auliac, Christiane Cocozza-Thivent, Sophie Mercier, Michel Roussignol. Ma-
thématiques : Intégration et probabilités. Edisciences, Coll. Objectif Licence, 2005.
[BL] Philippe Barbé, Michel Ledoux. Probabilité. EDP science, 2007.
[Bouyssel] Michel Bouyssel. Intégrale de Lebesgue, mesure et intégration. Cépaduès, 1996.
[JCB-Riemann] Jean-Christophe Breton. Intégrale de Riemann. Notes de cours de L3 Ma-
thématiques, Université de La Rochelle, 2009.
[JCB-proba] Jean-Christophe Breton. Probabilités. Notes de cours de L3 Mathématiques,
Université de Rennes 1, 2014.
[BP] Marc Briane, Gilles Pagès. Théorie de l’intégration, 5ème édition. Coll. Vuibert Su-
périeur, Ed. Vuibert, 2012.
[LCP] Ross Leadbetter, Stamatis Cambanis, Vladas Pipiras. A basic course in Measure
and Probability. Cambridge university press, 2014.
[Rud] Walter Rudin. Analyse réelle et complexe. 3ème édition, Dunod, 1998.
[Suq] Charles Suquet. Intégration, Fourier, Probabilités. Note de cours de L3, Université
Lille 1, 2004.

131