Théorie de la mesure et intégration

Ioan Manolescu

November 29, 2023

Table des matières

I Théorie de la mesure 7
0 Introduction et prérequis 9
0.1 Mesure de Jordan et intégrale de Riemann . . . . . . . . . . . . . . . . . . . 9
0.2 Glossaire topologique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
0.2.1 Espaces topologiques généraux . . . . . . . . . . . . . . . . . . . . . . 13
0.2.2 Espaces métriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

1 Tribus et mesures 23
1.1 Définitions de tribus et mesures . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.2 Tribu engendrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.3 Classes monotones: unicité des mesures . . . . . . . . . . . . . . . . . . . . . 29

2 Intégrale contre une mesure 33

2.1 Fonctions mesurables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2 Intégration des fonctions positives . . . . . . . . . . . . . . . . . . . . . . . . 36
2.2.1 Fonctions étagées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.2.2 Fonctions mesurables positives . . . . . . . . . . . . . . . . . . . . . . 39
2.2.3 Convergence monotone . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.2.4 Propriétés de l’intégrale des fonctions positives . . . . . . . . . . . . . 42
2.2.5 Lemme de Fatou . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.2.6 Mesures à densité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.3 Intégration des fonctions quelconques . . . . . . . . . . . . . . . . . . . . . . 45
2.4 Théorème de convergence dominée . . . . . . . . . . . . . . . . . . . . . . . 47
2.5 Intégrales dépendant d’un paramètre . . . . . . . . . . . . . . . . . . . . . . 49
2.6 Fonctions à valeurs complexes et vectorielles . . . . . . . . . . . . . . . . . . 50

3 Construction des mesures 51

3.1 Mesures extérieures; théorème de Caratheodory . . . . . . . . . . . . . . . . 51
3.1.1 Théorème de Caratheodory . . . . . . . . . . . . . . . . . . . . . . . 51
3.1.2 Construction des mesures extérieures . . . . . . . . . . . . . . . . . . 53
3.1.3 Tribu complétée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.2 La mesure de Lebesgue sur R . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2.1 Construction de la mesure de Lebesgue . . . . . . . . . . . . . . . . . 57
3.2.2 Les ensembles négligeables pour la mesure de Lebesgue . . . . . . . . 60

3
 3.2.3 Fonctions de répartition . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.2.4 Exemple d’ensemble non-mesurable . . . . . . . . . . . . . . . . . . . 64
3.2.5 Lien avec l’intégrale de Riemann . . . . . . . . . . . . . . . . . . . . 65
3.3 Mesures produits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.3.1 Construction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.3.2 Intégration des mesures produits . . . . . . . . . . . . . . . . . . . . 67
3.3.3 Mesure de Lebesgue sur Rd . . . . . . . . . . . . . . . . . . . . . . . 71
3.3.4 Changement de variable . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.4 Mesures et topologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.4.1 Régularité des mesures boréliennes . . . . . . . . . . . . . . . . . . . 75
3.4.2 Théorème de représentation de Riesz . . . . . . . . . . . . . . . . . . 80
3.5 Paradoxe de Banach-Tarski: limites de la théorie de la mesure ∗ . . . . . . . 85

4 Dimension et mesure de Hausdorff ∗ 91

4.1 Mesures de Hausdorff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.2 Dimension de Hausdorff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
4.3 Hausdorff vs. Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.4 Utilisation pour le changement de variable sphérique . . . . . . . . . . . . . 102
4.5 Complément: dimension de Minkowski . . . . . . . . . . . . . . . . . . . . . 104

II Éléments d’analyse fonctionnelle 107

5 Analyse fonctionnelle abstraite 109
5.1 Espaces vectoriels normés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.1.1 Norme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.1.2 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.1.3 Complétude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.1.4 Dimension finie vs. dimension infinie . . . . . . . . . . . . . . . . . . 112
5.2 Dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.2.1 Norme d’operateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.2.2 Dual et bi-dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.2.3 Théorème de Hahn-Banach . . . . . . . . . . . . . . . . . . . . . . . 116
5.3 Convergence faible et faible-* . . . . . . . . . . . . . . . . . . . . . . . . . . 119
5.4 Espaces de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
5.5 Espaces de Banach et de Hilbert complexes . . . . . . . . . . . . . . . . . . . 128

6 Espaces de Lebesgue Lp 131

6.1 Définitions; propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
6.2 Lp comme espace de Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
6.3 Inclusions entre espaces Lp . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
6.4 Théorèmes de densité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
6.5 Inégalité de Hölder; dualité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
6.6 L2 comme espace de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
7 Espaces de mesures: mesures signées 145
7.1 Définitions; variation totale . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
7.2 Décomposition de Hahn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149

8 Décomposition de Lebesgue et théorème de Radon-Nikodim 155

∗
8.1 Décomposition par rapport à la mesure de Lebesgue . . . . . . . . . . . . . 159

9 Théorèmes de dualité 161

9.1 Dualité Lp /Lq . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
9.2 Dual de C0 : théorème de représentation de Riesz pour les mesures signées . . 164
9.3 Dual de L∞ : mesures additives ∗ . . . . . . . . . . . . . . . . . . . . . . . . 168

(0)
* Le parties marquées d’un astérisque sont des compléments
 Partie I

Théorie de la mesure

7
Chapitre 0

Introduction et prérequis

0.1 Mesure de Jordan et intégrale de Riemann

Le but de la théorie de la mesure et de l’intégration est de mesurer la “taille” de certains
ensembles. Commençons par l’ensemble des nombres réelles R.
Pour un intervalle [a, b] ⊂ R, sa taille (ou longueur) est évidement

`([a, b]) = b − a.

On peut étendre la définition de taille aux unions finies d’intervalles. En effet, pour a1 <
b1 < a2 < · · · < an < bn , on pose
n
X n
X
`([a1 , b1 ] ∪ · · · ∪ [an , bn ]) = `([aj , bj ]) = b j − aj .
j=1 j=1

Que faire pour des ensembles plus complexes que des unions finies d’intervalles ? On peut
essayer de les approximer par des union finies d’intervalles pour approcher leur taille.
Une procédure similaire peut être appliquée en dimension plus grande (c.-à-d. dans des
espaces Rd avec d > 1). En dimension 2, le rôle des intervalles est joué par les rectangles
[a, b] × [c, d], dont l’aire est de (b − a)(d − c). Pour d’autres sous-ensembles de R2 , l’aire est
approximée par des pavages de rectangles (voir Fig. 0.1). Plus généralement, dans Rd on
utilise des ensembles de type [a1 , b1 ] × · · · × [ad , bd ] à la place des intervalles.
Soit M l’ensemble des parties de R qui s’écrivent comme unions finies d’intervalles fermés.
Les membres de M sont appelés les ensembles élémentaires de R. Ainsi, on peut essayer de
poser, pour A ⊂ R,

`(A) = sup{`(B) : B ⊂ A; B ∈ M}. (0.1)

Pour être sur qu’un sous-ensemble de A ⊂ R est bien approximé par des ensembles de M,
il faut aussi qu’on puisse l’approximer par le haut. Pour éviter les problèmes des ensemble
de taille infinie, on se limite aux ensemble bornés. On dit qu’un ensemble borné A ⊂ R, est

9
CHAPITRE 0. INTRODUCTION ET PRÉREQUIS

Figure 0.1: Approximation de l’aire d’un ensemble par un pavage par des carrés. L’erreur
est au plus l’aire de la partie rouge, qui peut être rendue aussi petite qu’on veut en prenant
des carrés de plus en plus petits.

Jordan-mesurable si

sup{`(B) : B ⊂ A; B ∈ M} = inf{`(B) : A ⊂ B; B ∈ M} =: `(A).

Pour A ⊂ R non-borné, on dit qu’il est Jordan-mesurable si et seulement si A ∩ [a, b] est

Jordan-mesurable pour tout a < b. On pose alors `(A) = lim↑ `(A ∩ [−M, M ]).
M →∞
Ainsi on a défini une notion d’ensemble mesurable (au sens de Jordan) et d’une mesure
pour tout tel ensemble. Cette idée de mesure est intuitive et donne lieu au concept classique
d’intégrale de Riemann – le lien entre les deux est expliqué dans l’exercice 7.
L’intégrale est censée mesurer l’aire sous une courbe décrite par une fonction. Les fonc-
tions de base, qui jouent le même rôle que les intervalles dans la construction précédente,
sont les indicatrices des intervalles:
(
1 si x ∈ [a, b],
1[a,b] : R → R avec 1[a,b] (x) :=
0 sinon.

Les fonctions élémentaires, pour lesquelles l’intégrale est définie directement, sont les combi-
naison linéaires d’indicatrices d’intervalles. L’intégrale est définie pour commencer pour les
fonctions positives. De plus, pour parler d’approximation par le haut et par le bas, on doit
limiter aux fonction à support compact.
Soit f : R → [0, +∞). Le support de f est l’ensemble fermé Supp(f ) := f −1 ((0, ∞)). On
dit que f est à support compact si Supp(f ) est un compact, ce qui revient à dire que f est
nulle en dehors d’un ensemble [−M, M ] pour M assez grand.

Définition 0.1. Soit f : R → [0, +∞) une fonction à support compact. On dit que f est

– 10 –
CHAPITRE 0. INTRODUCTION ET PRÉREQUIS

(1)
Riemann-intégrable si ,
n
nX n
X o
sup λj (bj − aj ) : a1 , b1 , . . . , an , bn ∈ R, λ1 , . . . , λn ∈ [0, +∞), λj 1[aj ,bj ] ≤ f
j=1 j=1
n
nX n
X o
= inf λj (bj − aj ) : a1 , b1 , . . . , an , bn ∈ R, λ1 , . . . , λn ∈ [0, +∞), λj 1[aj ,bj ] ≥ f .
j=1 j=1

R cas échéant, on appelle la quantité au-dessus l’intégrale de Riemann de f , et on l’écrit

Le
f (x)dx.
Pour f : R → [0, +∞) quelconque, on dit que f est Riemann-intégrable si, pour tout
a ≤ b, f 1[a,b] est Riemann-intégrable. On pose alors
Z b Z Z Z b
f (x)dx := f (x)1[a,b] (x)dx et f (x)dx := lim f (x)dx. (0.2)
a a→−∞ a
b→∞

Pour des fonctions à valeurs dans R, l’intégrale contient une partie positive et une partie
négative. Pour f : R → R, on définit les fonctions positives f+ , f− : R → [0, +∞) par

f+ (x) = max{0, f (x)} et f− (x) = − min{0, f (x)} ∀x ∈ R.

On dit que f est Riemann-intégrable si f+ et f− le sont et

Z Z
f+ (x)dx < ∞ et f− (x)dx < ∞.

Le cas échéant, on pose

Z Z Z
f (x)dx = f+ (x)dx − f− (x)dx.

L’intégrale ainsi définie a une série de propriétés convenables (linéarité; théorème fonda-
mental de l’analyse) qu’on suppose connues. Elle a pourtant aussi des défauts importants.
Ceux-ci apparaissent surtout dans les études approfondies de l’analyse ou des probabilités.
On en donne quelques exemples.
• Une limite simple de fonctions Riemann-intégrables n’est pas toujours Riemann-intégrable.
Similairement, une union dénombrable d’ensembles Jordan-mesurables n’est pas tou-
jours Jordan-mesurable.
• Il existe des fonctions dérivables F : R → R où F 0 n’est pas Riemann-intégrable.
• L’intégrale de Riemann dépend beaucoup de la structure topologique de R.

Une définition d’intégrale plus robuste est donc nécessaire.

Exercice 1.
Montrer qu’un singleton {x} ⊂ R est Jordan-mesurable, mais que Q ne l’est pas.
(1)
Dans l’équation suivante, on prend toujours aj < bj .

– 11 –
CHAPITRE 0. INTRODUCTION ET PRÉREQUIS

Exercice 2.
Soit f : R → [0, +∞). Montrer que f est à support compact si et seulement s’il existe
a, b ∈ R tels que,
f (x) = 0 pour tout x ∈/ [a, b].
Déduire que pour une fonction quelconque f : R → [0, +∞) et a < b, f 1[a,b] est à support
compact.

Exercice 3.
Montrer que, pour toute fonction f : R → [0, +∞) à support compact,
n
nX n
X o
sup λj (bj − aj ) : a1 , b1 , . . . , an , bn ∈ R, λ1 , . . . , λn ∈ [0, +∞), λj 1[aj ,bj ] ≤ f
j=1 j=1
n
nX n
X o
≤ inf λj (bj − aj ) : a1 , b1 , . . . , an , bn ∈ R, λ1 , . . . , λn ∈ [0, +∞), λj 1[aj ,bj ] ≥f .
j=1 j=1

Exercice 4.
Soit f, g : R → R des fonctions Riemann-intégrables et λ, ν ∈ R. Montrer que λf + µg est
aussi Riemann intégrable et que
Z Z Z
(λf (x) + µg(x))dx = λ f (x)dx + µ g(x)dx. (0.3)

Exercice 5.
Expliquer pourquoi la limite dans (0.2) existe pour toute fonction positive Riemann-intégrable f .
Donner des exemples de fonctions positives Riemann-intégrables f tels que
Rb R
• a f (x)dx < ∞ pour tout a < bR mais f (x)dx = ∞;
• f est à support compact mais Rf (x)dx = ∞;
• f (x) > 0 pour tout x ∈ R mais f (x)dx < ∞.

Exercice 6.
Montrer qu’une fonction continue à support compact est Riemann-intégrable.
Indication: utiliser le fait qu’une telle fonction est uniformément continue.
Déduire que toute fonction positive continue par morceaux est Riemann-intégrable.

Exercice 7.
Fixons a < b. Montrer qu’un ensemble A ⊂ [a, b] est Jordan-mesurable si et seulement si 1A
est une fonction Riemann-intégrable. De plus, si c’est le cas,
Z
`(A) = 1A (x)dx.

Inversement, montrer qu’une fonction positive bornée f : [a, b] → [0, +∞) est Riemann-
intégrable si et seulement si l’ensemble {(x, y) ∈ [a, b] × R : 0 ≤ y ≤ f (x)} est Jordan-

– 12 –
CHAPITRE 0. INTRODUCTION ET PRÉREQUIS

mesurable, et que, le cas échéant,

Z b
f (x)dx = `({(x, y) ∈ [a, b] × R : 0 ≤ y ≤ f (x)}).
a

Exercice 8.
Soit  > 0. Donner un recouvrement de Q par une union dénombrable d’intervalles ouverts
dont la somme des tailles est inférieure à . En autres mots, trouver a1 , b1 , a2 , b2 · · · ∈ R avec
[ X
Q⊂ (an , bn ) et bn − an < .
n≥1 n≥1

0.2 Glossaire topologique

0.2.1 Espaces topologiques généraux
Soit E un ensemble. Une topologie sur E est un ensemble T ⊂ P(E) avec les propriétés
suivantes
(i) ∅, E ∈ T ,
Tn
(ii) si U1 , . . . , Un ∈ T alors k=1 Uk ∈ T ,
S
(iii) pour toute collection (Ui )i∈I d’ensembles de T , i∈I Ui ∈ T .
Les membres de T sont les ouverts de la topologie T ; leur complémentaires sont appelés les
fermés.
Pour un espace topologique (E, T ), on peut définir les notions de
• convergence: une suite (xn ) ∈ E N converge vers un point x ∈ E si pour tout U ∈ T
avec x ∈ U , l’ensemble {n ∈ N : xn ∈
/ U } est fini;
• topologie Hausdorff: T est dite Hausdorff, si pour tout x, y ∈ E, x 6= y, il existe des
ouverts disjoints U, V ∈ T avec x ∈ U et y ∈ V .
• Intérieur et adhérence: Soit A ⊂ E. L’intérieur de A, noté Å, est le plus grand
ouvert contenu dans A; l’adhérence de A, notée A, est le plus petit fermé contenant A:
[ \
Å = U, A= F.
U ⊂A A⊂F
U ouvert F fermé

Le fait que Å est ouvert et A est fermé suit des propriétés de T .

• On dit que A ⊂ E est dense dans un ensemble B ⊂ E (avec A ⊂ B) si B ⊂ A.
(Souvent, on dit qu’un ensemble A est dense s’il est dense dans E).
• On dit que E est séparable s’il existe un ensemble dénombrable A ⊂ E qui est dense
dans E.
• compacité: un ensemble
S K ⊂ E est dit compact si pour toute collection
S d’ouverts
(Ui )i∈I avec K ⊂ i∈I Ui , il existe un ensemble fini J ⊂ I tel que K ⊂ i∈J Ui .
• On dit que A ⊂ E est précompact si A est compact.

– 13 –
CHAPITRE 0. INTRODUCTION ET PRÉREQUIS

• On dit que E est σ-compact,

S s’il existe une suite croissante (Kn )n∈N de sous-ensembles
compacts de E avec E = n Kn .
• On dit que E est localement compact, si pour tout x ∈ E il existe un ensemble
ouvert et précompact U avec x ∈ U .
Inversement, si on se donne une notion de convergence →, comme celles décrites au-dessus,
on peut leur associer une topologie comme suit.
• Un ensemble U ⊂ E est ouvert si et seulement si, pour tout x ∈ U et (xn )n∈N ∈ E avec
xn → x, il existe N ∈ N tel que n > N ⇒ xn ∈ U .
• Un ensemble F ⊂ E est fermé si et seulement si, pour tout x ∈ E et (xn )n∈N ∈ F avec
xn → x, on a x ∈ F .
Il faut évidement vérifier que les notions d’ensemble ouverts et fermés qu’on vient de définir
obéissent aux conditions d’une topologie. De plus rien ne garantit que les suites convergentes
au sens de → sont les seules suites convergentes pour la topologie qu’on vient de définir.
Mentionnons qu’en général une suite peut converger vers deux limites différentes. Toute-
fois, si la topologie qu’on considère est Hausdorff, alors toute suite converge vers au plus une
limite. Par la suite, on va travailler dans des topologies Hausdorff pour éviter la possibilité
de plusieurs limites distinctes.
Exercice 9 (Preuve topologique de l’infinité des nombres premiers).
On définit sur Z une topologie T de la manière suivante. Posons

Ua,b = {a + kb : k ∈ Z}, pour a ∈ Z et b ≥ 1.

Alors les éléments de T (c.-à-d. les ouverts) sont toutes les unions – finies ou infinies –
d’ensembles de la forme Ua,b . L’ensemble vide appartient aussi à T .
(a) Montrer que T est bien une topologie, c.-à-d. montrer que si A et B sont des union
arbitraires d’ensembles de la forme Ua,b , alors A ∩ B en est une aussi.
(b) Montrer que les ensembles Ua,b sont aussi fermés dans la topologie T .
(c) En supposant que l’ensemble des nombres premiers est fini, montrer que {−1, +1} est
un ensemble ouvert.
(d) Conclure en exhibant une contradiction.

Exercice 10.
Soit (E, T ) un espace topologique Hausdorff. Montrer alors qu’une suite converge vers au
plus une limite.

Exercice 11.
T
Soit (E, T ) un espace topologique. On écrira −
→ pour la convergence induite par la topologie
T . Posons:
 T
Te = U ⊂ E : tel que, pour tout x ∈ U et (xn )n∈N ∈ E avec xn − → x, x ∈ U (0.4)

(a) Montrer que Te est une topologie sur E.

– 14 –
CHAPITRE 0. INTRODUCTION ET PRÉREQUIS

(b) Montrer que T ⊂ Te .

(c) Donner un exemple pour lequel T 6= Te .
(d) Pouvez-vous donner une condition suffisante pour avoir T = Te ?

0.2.2 Espaces métriques

Les espaces topologiques étant très généraux, ils ont parfois des propriétés inattendues. Pour
un comportement plus intuitif on étudie souvent une classe plus restreinte d’espaces, à savoir
les espaces métriques.

Définition 0.2. Soit E un ensemble. Une distance sur E est une fonction d : E 2 →
[0, +∞) telle que pour tout x, y, z ∈ E,
(i) d(x, y) = d(y, x), (symétrie)
(ii) d(x, z) ≤ d(x, y) + d(y, z), (inégalité triangulaire)
(iii) d(x, y) = 0 si et seulement si x = y.
Si la troisième propriété est remplacée par simplement d(x, x) = 0 pour tout x ∈ E, alors
on dit que d est une pseudo-distance sur E.
Si d est une distance sur E, le couple (E, d) est un espace métrique.

Remarque 0.3. Supposons que E est un espace avec une pseudo-distance d. On peut alors
modifier E pour obtenir un espace métrique comme suit.
Soit ∼ la relation d’équivalence sur E donnée par

x∼y ⇔ d(x, y) = 0, pour x, y ∈ E.

Une conséquence immédiate de l’inégalité triangulaire et de la symétrie de d est que ∼ est

bien une relation d’équivalence. De plus, l’inégalité triangulaire montre que, si x ∼ x0 et
y ∼ y 0 alors d(x, y) = d(x0 , y 0 ).
Soit Ê = {x̂ : x ∈ E} l’ensemble des classes d’équivalence de ∼. Alors on peut définir une
distance sur Ê, qu’on va aussi appeler d, par d(x̂, ŷ) = d(x, y). (Le fait que cette quantité est
bien définie ressort de l’observation précédente; il est immédiat que d est bien une distance
sur Ê.) On vient donc d’associer à (E, d) un espace métrique (Ê, d) de manière canonique.
On va revenir à ce type de construction dans la partie 6.1.
Soit (E, d) un espace métrique. Alors E admet une topologie induite par d, définie comme
suit: 
T = TE,d = U ⊂ E : (x ∈ U ) ⇒ (∃r > 0 t.q. d(x, y) < r ⇒ y ∈ U ) .
De manière équivalente, on associe à d la notion de convergence

xn → x ⇔ d(xn , x) → 0.

La topologie TE,d issue d’une métrique est Hausdorff, ce qui entraîne l’unicité des limites.

– 15 –
CHAPITRE 0. INTRODUCTION ET PRÉREQUIS

On étudie souvent les propriétés topologiques des sous-ensembles F d’un espace métrique
(E, d). Certaines propriétés dépendent de la structure de F uniquement, et non de l’espace
ambiant E (e.g. complétude, compacité). Il est alors convenable de parler de F sans devoir
mentionner E. Le lemme suivant nous le permet.

Lemme 0.4. Soit (E, d) un espace métrique et F ⊂ E. Alors (F, d) est un espace métrique.

On laisse la preuve en exercice.

Exercice 12.
Soit (E, d) un espace métrique et F ⊂ E. Montrer que (F, d) est un espace métrique.

Suites dans les espaces métriques. Dans un espace métrique (E, d), la topologie induite
par d admet une description séquentielle:
• Un ensemble U ⊂ E est ouvert dans la topologie induite TE,d si et seulement si, pour
tout x ∈ U et (xn )n∈N ∈ E avec xn → x, il existe N ∈ N tel que n > N ⇒ xn ∈ U .
• Un ensemble F ⊂ E est fermé dans la topologie induite TE,d si et seulement si, pour
tout x ∈ E et (xn )n∈N ∈ F avec xn → x, on a x ∈ F .

Avec les notations de l’exercice 11, l’énoncé au-dessus s’écrit simplement “T = Te si T est
la topologie d’un espace métrique”. On laisse la preuve en exercice.
Une conséquence de la caractérisation séquentielle des ouverts et fermés dans les espaces
métriques, est la caractérisation séquentielle des fonctions continues.

Proposition 0.5. Soient (E, dE ) et (F, dF ) deux espaces métriques et f : E → F une

fonction. Alors on a équivalence de
(i) f est continue (c.-à-d. pour tout ouvert U ⊂ F , f −1 (U ) est un ouvert de E);
(ii) pour tout x ∈ E et  > 0, il existe δ > 0 tel que, si y ∈ E satisfait dE (x, y) < δ, alors
dF (f (x), f (y)) < ;
(iii) pour tout x ∈ E et (xn )n∈N ∈ E N , si xn → x alors f (xn ) → f (x).

On laisse la preuve de cette proposition en exercice.

Quand on travaille avec des fonctions sur des espaces métriques, on dispose de notions
qui quantifient la continuité.

Définition 0.6. Soient (E, dE ) et (F, dF ) deux espaces métriques et f : E → F une

fonction.
• On dit que f est uniformément continue si pour tout  > 0, il existe δ > 0 tel que, si
x, y ∈ E satisfont dE (x, y) < δ, alors dF (f (x), f (y)) < ;
• On dit que f est lipschitzienne s’il existe une constante C > 0 telle que pour tous
x, y ∈ E, dF (f (x), f (y)) ≤ CdE (x, y).
• On dit que f est hölderienne d’exposant α ∈ (0, 1] (ou α-hölderienne) s’il existe une

– 16 –
CHAPITRE 0. INTRODUCTION ET PRÉREQUIS

constante C > 0 telle que pour tous x, y ∈ E, dF (f (x), f (y)) ≤ CdE (x, y)α .

Exercice 13.
Prouver la proposition 0.5.

Exercice 14.
Montrer les implications suivantes
• pour β < α ≤ 1 et f une fonction bornée, f α-hölderienne ⇒ f β-hölderienne;
• f 1-hölderienne ⇒ f β-hölderienne pour tout β < 1;
• pour tout α ∈ (0, 1], f α-hölderienne ⇒ f uniformément continue;
• f uniformément continue ⇒ f continue.

Donner des contre-exemples pour les implications inverses.

Exercice 15.
Soit (E, d) un espace métrique et A ⊂ E. Montrer que
(a) A est l’ensemble des points x tels qu’il existe (xn )n∈N ∈ AN avec xn → x.
(b) A est l’ensemble des points x à distance 0 de A, c.-à-d. tels que

dist(x, A) := inf{d(x, y) : y ∈ A} = 0.

(c) Å est l’ensemble des points à distance strictement positive de Ac .

(d) A est dense dans E si et seulement si, pour tout x ∈ E et  > 0, il existe y ∈ A avec
d(x, y) < .

Complétude

Définition 0.7. Soit (E, d) un espace métrique et (xn )n∈N ∈ E N une suite de E. On dit
que (xn )n est de Cauchy si

∀ > 0, ∃N ∈ N t.q. (m, n > N ⇒ d(xn , xm ) < ).

On dit que (E, d) est un espace complet, si toute suite de Cauchy dans E admet une limite
(dans E).

Les espaces complets sont un bon cadre pour l’analyse; on va donc essayer d’éviter ceux
qui ne le sont pas. C’est d’ailleurs la raison principale pour travailler avec les nombres réels
plutôt qu’avec les nombres rationnels.

Théorème 0.8. R est complet pour la distance euclidienne d(x, y) = |x − y|.

On ne va pas prouver ce théorème, surtout car il dépend fortement de la construction de

R qu’on utilise. En effet, on peut simplement introduire R comme le complété de Q.

– 17 –
CHAPITRE 0. INTRODUCTION ET PRÉREQUIS

Si (E, d) est un espace métrique qui n’est pas complet, on peut le compléter de manière
canonique comme suit. Soit `cv (E) l’ensemble des suites de Cauchy de E. Pour (xn ), (yn ) ∈
`cv (E), posons

dcv (xn ), (yn ) = lim d(xn , yn ).
n→∞

L’inégalité triangulaire implique que (d(xn , yn ))n∈N est une suite de Cauchy dans R, donc
que la limite est bien définie. De plus, dcv est une pseudo-distance sur `cv (E). On peut donc
quotienter `cv (E) pour obtenir un espace métrique comp(E), comme décrit dans la partie
précédente.
L’espace de départ E est contenu dans comp(E) de manière isométrique et canonique: on
associe à chaque élément x ∈ E la classe d’équivalence dans comp(E) de la suite constante
égale à x.

Proposition 0.9. L’espace (comp(E), dcv ) est complet. On l’appelle le complété de (E, d).

Quand on veut montrer qu’un espace est complet, ou plus généralement quand on veut
montrer qu’une suite de Cauchy converge, la difficulté principale consiste à trouver la limite
de la suite. Le lemme suivant peut être utile.

Lemme 0.10. Soient (E, d) un espace métrique et (xn )n∈N une suite de Cauchy dans E. Si
(xn ) contient une sous-suite (xσ(n) ) qui convergent vers un point x ∈ E, alors xn → x.

Preuve: Soient (xn )n∈N , (xσ(n) )n∈N et x ∈ E comme dans l’énoncé. Fixons  > 0. Alors, comme
(xn )n∈N est de Cauchy, il existe N ≥ 1 tel que, pour tout n, m ≥ N , d(xn , xm ) < . De
plus, comme xσ(n) → x, il existe j ≥ 1 tel que σ(j) ≥ N et d(xσ(j) , x) < . On conclut
que, pour tout n ≥ N ,

d(xn , x) ≤ d(xn , xσ(j) ) + d(xσ(j) , x) < 2.

Ainsi xn → x quand n → ∞.

Preuve de la proposition 0.9: Soit (x(k) )k∈N une suite de Cauchy dans comp(E). Prenons pour
(k)
chaque x(k) un représentant (xn )n∈N ∈ `cv (E). Notre but est de montrer que (x(k) )k≥1
converge pour la distance dcv vers un élément de comp(E) (qu’on peut identifier par un
représentant dans `cv ).
Grâce au lemme 0.10, il suffit de montrer que (x(k) )k∈N contient une sous-suite con-
vergente. Quitte à extraire une sous-suite, on peut supposer que dcv (x(k) , x(k+1) ) < 2−k
pour tout k ≥ 1.
Pour k ≥ 1, soit Nk ∈ N tel que, pour n, m ≥ Nk
(k) (k)
• d(xm , xn ) < 2−k ,
(k) (k+1)
• d(xm , xm ) < 2−k .
(k)
L’existence de Nk est assurée par le fait que (xn )n∈N est de Cauchy et que dcv (x(k) , x(k+1) ) =
(k) (k+1)
limm→∞ d(xm , xm ) < 2−k .

– 18 –
CHAPITRE 0. INTRODUCTION ET PRÉREQUIS

On peut toujours augmenter chaque Nk en gardant les propriétés mentionnées. On peut

donc supposer que la suite (Nk )k≥1 est croissante. On définit la suite y = (yn )n∈N ∈ E N
par
yn = x(k)
n , si Nk < n ≤ Nk+1 .
Soit j ≥ 1 et n > Nj . Soit k ≥ j tel que Nk < n ≤ Nk+1 . Alors

k−1
X k−1
X
yn , x(j) xn(i) , x(i+1) 2−i < 21−j .



d n ≤ d n ≤ (0.5)
i=j i=j

Donc, pour tout n, m > Nj ,

−j
d(yn , ym ) ≤ d(yn , x(j) (j) (j) (j)
n ) + d(ym , xm ) + d(xm , xn ) ≤ 5 · 2 ,

ce qui entraîne que y est de Cauchy, donc dans `cv . De plus, (0.5) entraîne aussi que

dcv y, x(j) < 21−j .

Ainsi x(j) → y quand j → ∞, ce qui fini la preuve.

Exercice 16.
Soient (E, d) un espace métrique et A ⊂ E un ensemble dense dans E. Soit f : A → R une
fonction uniformément continue (c.-à-d. telle que, pour tout  > 0 il existe δ > 0 tel que
pour tous x, y ∈ E avec d(x, y) < δ, on a |f (x) − f (y)| < ).
Montrer qu’il existe une unique fonction F : E → R continue telle que F (x) = f (x) pour
tout x ∈ A. Montrer que F est uniformément continue.
Donner un contre-exemple si on suppose que f : A → R est seulement continue, pas unifor-
mément continue.

Exercice 17.
Soient (E, dE ), (F, dF ) et (G, dG ) trois espaces métriques avec F et G complets et E qui est
plongé de manière isométrique dans F et G, c.-à-d. E ⊂ F ∩ G et pour tout x, y ∈ E,
dF (x, y) = dG (x, y) = dE (x, y). Supposons de plus que E est dense dans F et dans G.

Montrer que F et G sont isométriques, c.-à-d. qu’il existe une bijection φ : F → G avec

dG (φ(x), φ(y)) = dF (x, y) ∀x, y ∈ F

et telle que φ(x) = x pour tout x ∈ E.

Ce qu’on vient de montrer est que toute façon de compléter E mène au même résultat.

– 19 –
CHAPITRE 0. INTRODUCTION ET PRÉREQUIS

You complete me!!!

Compacité dans les espaces métriques Dans le cadre des espaces métriques, la com-
pacité admet définition séquentielle qui peut être très utile.

Théorème 0.11. Soit (E, d) un espace métrique et A ⊂ E. Alors on a équivalence de:

(i) A est compact;
(ii) pour toute suite (xn )n∈N ∈ AN il existe une sous-suite (xσ(n) )n∈N et x ∈ A tels que
xσ(n) −−−→ x.
n→∞
(La deuxième propriété est appelée compacité séquentielle.)

Un espace métrique (E, d) est dit propre si, pour tout x ∈ E et r > 0, la boule fermée
B(x, r) = {y ∈ E : d(x, y) ≤ r} est compacte.
Exercice 18.
Prouver le Théorème 0.11.

Exercice 19.
Soit (E, d) un espace métrique. Montrer que si E est compact, alors il est complet et borné
(c.-à-d. il existe M > 0 tel que d(x, y) < M pour tout x, y ∈ E).
Indication: Pour montrer que E est borné, utiliser la contraposée: si on suppose que E n’est
pas borné, construire une suite qui ne contient pas de sous-suite convergente.
Déduire que si A ⊂ E est compact, alors A est fermé et borné. Est-ce que l’inverse est vrai ?

Exercice 20.
Soit (E, d) un espace métrique et K ⊂ E un compact.
• Montrer que si f : K → R est continue, alors f (K) est borné et f atteint sont sup et
son inf:
∃x, y ∈ K t.q. f (x) = sup f (z) et f (y) = inf f (z).
z∈K z∈K

• Montrer que pour tout x ∈ E, il existe y ∈ K tel que

d(x, y) = inf d(x, z) =: dist(x, K).

z∈K

• Montrer que si f : K → R est continue, alors f est uniformément continue.

– 20 –
CHAPITRE 0. INTRODUCTION ET PRÉREQUIS

Exercice 21.
Montrer que R muni de la distance euclidienne d(x, y) = |x − y| est un espace métrique.
Montrer que dans R avec la topologie induite par cette distance, un ensemble est compact si
et seulement s’il est fermé et borné (il s’agit du théorème de Bolzano–Weierstrass).
Est-ce que l’espace métrique R est compact / σ-compact / localement compact / séparable ?

Exercice 22.
On considère l’espace RN = {(xn )n∈N : xn ∈ R ∀n ∈ N} et pour x = (xn )n∈N et y = (yn )n∈N
des éléments de RN , on pose
X
dist(x, y) := 2−n · min{|xn − yn |, 1}.
n∈N

(a) Argumenter que dist est bien défini et que c’est une distance sur RN .
(k)
(b) Soient x(k) = (xn ) ∈ RN pour k ≥ 1 et y = (yn ) ∈ RN . Montrer que dist(x(k) , y) −−−→
k→∞
(k)
0 si et seulement si xn −−−→ yn pour tout n ∈ N.
k→∞

(c) Pour y = (yn ) ∈ RN , N ≥ 0 et  > 0, posons BN, (y) = {(xn ) ∈ RN : |xn − yn | <
, ∀n = 0, . . . , N }. Montrer que tout ensemble BN, (y) est ouvert. Montrer que tout
ouvert U de RN s’écrit comme union (quelconque) d’ensembles de la forme BN, (y) avec
y = (yn ) ∈ RN , N ≥ 0 et  > 0.
On dit alors que la famille {BN, (y) : y ∈ RN , N ≥ 0  > 0} est une base d’ouverts
pour la topologie induite par dist.
(d) Montrer que dans le point précédent on peut se limiter aux suites y ∈ QN stationnaires
à 0 et aux  rationnels. Plus précisément, montrer que {BN, (y) : y ∈ QN avec yn =
0 si n > N, N ≥ 0,  > 0,  ∈ Q} est une base d’ouverts.
(e) Est-ce que RN avec la topologie induite par dist est separable, compact, complet?
(f) Est-ce que le sous-ensemble [0, 1]N = {(xn )n∈N : xn ∈ [0, 1] ∀n ∈ N} avec la topologie
induite par dist est separable, compact, complet?

Exercice 23.
Le but de cet exercice est de s’habituer avec les différentes propriétés des espaces métriques.
Ce qu’il faut retenir est qu’un espace métrique localement séparable est également complet
et σ-compact. De plus, c’est essentiellement un espace propre (quitte à modifier la distance
sans modifier la topologie).
(a) Montrer qu’un espace métrique localement compact est complet.
(b) Montrer qu’un espace métrique propre est localement compact, σ-compact, complet et
séparable.
(c) Donner un exemple d’espace métrique qui est polonais (complet et separable) mais pas
localement ou σ-compact.
(d) Donner un exemple d’espace métrique qui est localement compact mais pas σ-compact.

– 21 –
CHAPITRE 0. INTRODUCTION ET PRÉREQUIS

(e) Montrer qu’un espace métrique localement compact est σ-compact si et seulement si il
est séparable.
(f) A Soit (E, d) un espace métrique localement compact qui est σ-compact. Montrer qu’il
existe un distance d0 sur E qui génère la même topologie que d et telle que (E, d0 ) est
propre.
(g) Donner un exemple d’espace métrique qui est localement est σ-compact mais pas propre
(Indication: modifier la distance euclidienne sur R pour que B(0, 1) = R mais sans
modifier la topologie).

– 22 –
Chapitre 1

Tribus et mesures

1.1 Définitions de tribus et mesures

Imaginons qu’on veut mesurer la “taille” des ensembles d’un espace E (dans un premier
temps, on peut voir E comme R ou Rd pour d ≥ 1). Comme on va voir plus tard, on ne
peut pas espérer en général mesurer tous les sous-ensembles de E. Il faut ainsi commencer
par définir la classe des ensembles qu’on peut mesurer.

Définition 1.1. Soit E un ensemble. Une tribu (ou σ-algèbre) est une collection E ⊂ P(E)
de sous-ensembles de E telle que
(i) ∅ ∈ E,
(ii) si A ∈ E, alors Ac := E \ A ∈ E,
S
(iii) si A1 , A2 , · · · ∈ E, alors n≥1 An ∈ E.
On appelle le couple (E, E) un espace mesurable.

Définition 1.2. Soient (E, E) un espace mesurable. Une mesure sur (E, E) est une fonc-
tion µ : E → [0, +∞] telle que
(i) µ(∅) = 0,
(ii) si (An )n∈N est une famille dénombrable d’ensembles de E deux à deux disjoints,
alors
[  X
µ An = µ(An ). (1.1)
n∈N n∈N

On appelle le triplet (E, E, µ) un espace mesuré.

Dans (1.1), tous les membres de la somme sont positifs, ainsi la somme a toujours une
valeur bien définie. Celle-ci peut être infinie, même si tous les termes de la somme sont finis.
Si l’un des termes dans la somme est infini, il en est de même de la somme.

23
CHAPITRE 1. TRIBUS ET MESURES

Proposition 1.3. Soit (E, E, µ) un espace mesuré. Alors

(i) pour A, B ∈ E avec A ∩ B = ∅,

µ(A) + µ(B) = µ(A t B);

(ii) pour A, B ∈ E avec A ⊂ B, µ(A) ≤ µ(B).

De plus, si µ(A) < ∞, alors µ(B \ A) = µ(B) − µ(A);
(iii) pour A, B ∈ E avec µ(A ∩ B) < ∞,

µ(A ∪ B) = µ(A) + µ(B) − µ(A ∩ B);

(iv) pour A1 , A2 , · · · ∈ E avec A1 ⊂ A2 ⊂ . . . ,

[ 
µ ↑ An = lim ↑ µ(An );
n≥1 n→∞

(v) pour A1 , A2 , · · · ∈ E avec A1 ⊃ A2 ⊃ . . . et µ(A1 ) < ∞,

\ 
µ ↓ An = lim ↓ µ(An );
n≥1 n→∞

(vi) pour A1 , A2 , · · · ∈ E, [  X
µ An ≤ µ(An ).
n≥1 n≥1

Dans la proposition précédente, on utilise implicitement le fait que E est stable par les
opérations usuelles sur les ensembles, appliquées un nombre fini ou dénombrable de fois (voir
exo 24).
F S T
Un mot sur la notation: les symboles ,  n et  n signifient respectivement union
d’ensembles deux à deux disjoints, union d’une suite croissante d’ensembles et intersection
d’une suite décroissante d’ensembles. On les utilise pour accentuer le fait que les ensembles
auxquels on les applique ont certaines propriétés. Formellement, il faut quand même énoncer
les propriétés des ensembles au préalable.
La preuve de la proposition 1.3 est laissée en exercice.
Dans la proposition 1.3 on voit que certaines propriétés sont valables seulement pour des
ensembles de mesure finie. Pour cette raison, on préfère travailler avec des mesures finies, ou
presque. Une mesure µ sur un espace (E, E) est dite
• finie si µ(E) < ∞;
• de probabilité si µ(E) = 1; S
• σ-finie s’il existe une suite d’ensembles (An )n∈N ∈ E N avec n∈N An = E et µ(An ) < ∞
pour tout n ∈ N.

Si µ est une mesure sur un espace (E, E) où E contient les singletons, on dit que x ∈ E
est un atome de µ si µ({x}) > 0. On note δx la mesure de Dirac en x, c.-à-d. la mesure

– 24 –
CHAPITRE 1. TRIBUS ET MESURES

donnée par
(
1 si x ∈ A,
δx (A) = 1A (x) :=
0 si x ∈
/ A.

On dit qu’une mesure µ est atomique si c’est une combinaison linéaire de mesures de Dirac.
Plus précisément s’il existe un ensemble I, des points (xi )i∈I de E et des réels positifs (ai )i∈I
tels que
X
µ= ai δxi (1.2)
i∈I

La somme au dessus est une somme de fonctions de E dans R. Pour comprendre le sens de
la somme infinie, voir l’exercice 28.

Exemple: Soit E un ensemble. Alors P(E) est une tribu sur E (voir exercice 25). Quelques
exemples simples de mesures sur (E, P(E)) sont
• les mesures de Dirac;
• les combinaisons linéaires de mesures de Dirac (voir aussi l’exercice
P 31);
• la mesure de comptage A 7→ |.| qu’on peut aussi écrire |.| = x∈E δx (voir
l’exercice 29).

Toutes ces mesures sont atomiques. Un exemple de mesure sans atomes est donné dans
l’exercice 26.
Exercice 24.
Soient E un ensemble et E une tribu sur E. Montrer que,
(a) si A, B ∈ E, alors A ∪ B ∈ E, A ∩ B ∈ E et A \ B ∈ E;
T
(b) si A1 , A2 · · · ∈ E, alors n≥1 An ∈ E.

Exercice 25.
Soit E un ensemble. Montrer que {∅, E} et P(E) sont des tribus sur E.

Exercice 26.
Est-ce que (
0 si A est fini,
µ(A) =
∞ si A est infini,
définit une mesure sur (R, P(R)) ?
La même question pour
(
0 si A est fini ou dénombrable,
ν(A) =
∞ sinon.

Exercice 27.
Démontrer la proposition 1.3.

– 25 –
CHAPITRE 1. TRIBUS ET MESURES

Donner un exemple d’espace mesuré (E, E, µ) et d’ensembles A1 , A2 , · · · ∈ E avec A1 ⊃ A2 ⊃

. . . , µ(An ) = ∞ pour tout n, mais \
↓ An = ∅.
n≥1

Exercice 28.
Soit I un ensemble et (ai )i∈I ∈ [0, +∞]I une famille de nombres positifs. On pose
X X
ai := sup aj : J ⊂ I, J fini
i∈I i∈J

Montrer que si I1 , I2 ⊂ I sont des ensembles disjoints, alors

X X X
ai + ai = ai .
i∈I1 i∈I2 i∈I1 tI2

On utilise cette notation le plus souvent quand I est fini ou dénombrable. Supposons
P que I
est infini, non-dénombrable et que ai > 0 pour tout i ∈ I. Montrer alors que i∈I ai = ∞.

Exercice 29.
Soit E un ensemble. Montrer que µ(A) = |A| définit une mesure sur (E, P(E)).
Sous quelle condition µ est-elle σ-finie ?

Exercice 30.
Soit (E, E, µ) un espace mesuré et A ∈ E. Montrer que ν(B) := µ(A ∩ B) pour B ∈ E définit
une mesure sur (E, E). On l’appelle la restriction de µ à A.

Exercice 31.
Soient (E, E) un espace mesurable, (µi )i∈I une famille de mesures sur (E, E) et (ai )i∈I ∈
(0, +∞)I . Montrer que
X
ai µi : E → [0, +∞]
i∈I
X
A 7→ ai µi (A)
i∈I

est une mesure sur (E, E).

Exercice 32.
Soit (E, E, µ) un espace mesuré. Montrer que pour A1 , A2 , . . . , An ∈ E de mesures finies,
n
[  X \ 
|I|+1
µ Ak = (−1) µ Ak .
k=1 I⊂{1,...,n} k∈I
I6=∅

Indication: procéder par récurrence.

– 26 –
CHAPITRE 1. TRIBUS ET MESURES

1.2 Tribu engendrée

Proposition 1.4. Soient E un ensemble et (Ei )i∈I une famille de tribus sur E. Alors
T
i∈I Ei est une tribu sur E.

Ce qui est important dans cette proposition est que la famille (Ei )i∈I est quelconque. On
ne demande pas qu’elle soit finie ou dénombrable.

T
Preuve: On vérifie simplement que les conditions de la définition 1.1 s’applique à i∈I Ei .

Définition 1.5. Soient E un ensemble et A ⊂ P(E). La tribu engendrée par A est la

tribu \
σ(A) := E.
E tribu: A⊂E

Remarquons qu’il existe au moins une tribu contenant A, à savoir P(E). De plus, grâce
à la proposition 1.4, σ(A) est bien une tribu.

Proposition 1.6. Soient E un ensemble et A ⊂ P(E). Alors σ(A) est la plus petite tribu
(au sens de l’inclusion) contenant A. Plus précisément, si E est une tribu sur E avec
A ⊂ E, on a σ(A) ⊂ E.

Preuve: Le résultat suit directement de la définition de σ(A).

Exemple: tribu borélienne Supposons que E est un espace muni d’une topologie (c.-à-d.
une notion de sous-ensemble ouvert). Alors on considère souvent sur E une tribu cohérente
avec sa structure topologique, à savoir la tribu borélienne.

Définition 1.7. La tribu borélienne B(E) d’un espace topologique E est la tribu engendrée
par l’ensemble des parties ouvertes de E. Formellement


B(E) := σ U ⊂ E : U ouvert .

Exemple: tribu produit Soient (E, E) et (F, F) deux ensembles mesurés. On considère
souvent le produit cartésien E × F de E et F . Celui-ci admet une tribu engendrée par celles
de E et F comme suit. Soit

A = U × V : U ∈ E et V ∈ F .

– 27 –
CHAPITRE 1. TRIBUS ET MESURES

Les membres de A sont appelés les pavés de E × F . La tribu produit sur E × F est

E ⊗ F := σ(A).

On peut ainsi faire des produits d’un nombre fini arbitraire d’espaces mesurables (voir aussi
l’exercice 37).
On va vouloir aussi faire des produits d’un nombre infini d’espaces mesurables. Dans ce
cas, la définition de la tribu produit s’adapte comme suit.

×
Définition 1.8. Soit (Ei , Ei )i∈I une famille d’espaces mesurables. Un cylindre de i∈I Ei
×
est un ensemble de la forme A = i∈I Ai , où Ai ∈ Ei pour tout i ∈ I et Ai = Ei pour tout
sauf un nombre fini d’indices i ∈ I.
× ×
Notons A l’ensemble de cylindres de i∈I Ei . Alors la tribu produit sur i∈I Ei est
celle engendrée par les cylindres, à savoir,
O
Ei := σ(A).
i∈I

×
Si tous les espaces (Ei , Ei )i∈I sont égaux, une autre façon de voir i∈I Ei est comme
l’ensemble F(I, E) des fonctions de I dans E. Alors la tribu produit est celle engendrée par
les ensembles de la forme {f ∈ F(I, E) : f (i) ∈ A} pour i ∈ I et A ∈ E.
Exercice 33.
Soit E un espace quelconque. Quelle est la tribu engendrée par l’ensemble des singletons
de E ?

Exercice 34.
Soit E un espace topologique et F ⊂ E un ensemble fermé. Montrer que F ∈ B(E).

Exercice 35.
Plaçons-nous sur R. Soit I l’ensemble des intervalles ouverts:

I = {(a, b) : a < b}.

Que vaut σ(I) ?

Et si on prenait les intervalles fermés, ou semi-ouverts ?
Et si on imposait dans la définition de I que a et b soient rationnels ?

Exercice 36.
Considérons l’espace topologique R = R ∪ {±∞} muni de la topologie engendrée par les
ouverts de R ainsi que les ensembles de la forme [−∞, a) et (a, +∞] pour a ∈ R. Montrer
que A ∈ B(R) si et seulement si A \ {±∞} ∈ B(R).

Exercice 37.
Soient (E, E), (F, F) et (G, G) trois espaces mesurés. Montrer que

E ⊗ (F ⊗ G) = (E ⊗ F) ⊗ G.

– 28 –
CHAPITRE 1. TRIBUS ET MESURES

Exercice 38.
Soit (Ei , Ei )i∈N une famille dénombrable d’espaces mesurables. Pour chaque i ∈ N, soit
Ai ∈ Ei . Montrer que
×
O
Ai ∈ Ei .
i∈N i∈N

Exercice 39.
Observons que R2 a une topologie canonique et donc une tribu borélienne B(R2 ). D’autre
part R2 est le produit R × R, et donc a une tribu produit. Montrer que

B(R2 ) = B(R) ⊗ B(R)

Généraliser cela à Rd .

Exercice 40. N
Sur RN on dispose de la tribu produit des boréliens de R écrite n∈N B(R). On dispose aussi
de la topologie de la convergence simple – décrite dans l’exercice 22 par une distance – et de
la tribu borélienne sur RN induite par celle ci. On note cette tribu B(RN ).
N
Montrer que B(RN ) = n∈N B(R).

1.3 Classes monotones: unicité des mesures

Définition 1.9. Soit E un ensemble. Une classe monotone sur E est une collection de
sous-ensembles M ⊂ P(E), telle que
(i) E ∈ M;
(ii) si A, B ∈ M sont tels que A ⊂ B, alors B \ A ∈ M;
S
(iii) si A1 , A2 , · · · ∈ M sont tels que A1 ⊂ A2 ⊂ . . . , alors  n≥1 An ∈ M.

Théorème 1.10 (Lemme de classe monotone). Soient E un ensemble, M une classe

monotone sur E et A ⊂ P(E) une collection de sous-ensembles stable par intersection
finie (c.-à-d. telle que A, B ∈ A ⇒ A ∩ B ∈ A).
Alors, si A ⊂ M, on a aussi σ(A) ⊂ M.

Ce théorème est utilisé pour montrer que tous les ensembles d’une tribu ont une cer-
taine propriété. Supposons par exemple qu’on travaille avec la tribu borélienne d’un espace
topologique E et qu’on s’intéresse à une propriété π. Si on peut montrer que
(i) les ensembles satisfaisant π forment une classe monotone et
(ii) les ensembles ouverts satisfont π,
alors le lemme de classe monotone nous montre que tout borélien satisfait π. En effet, la
collection d’ensembles ouverts {U ⊂ E : U ouvert} est stable par intersection finie. De plus

– 29 –
CHAPITRE 1. TRIBUS ET MESURES

elle est contenue dans la classe monotone M des ensembles satisfaisant π. Ainsi B(E) =
σ({U ⊂ E : U ouvert}) ⊂ M, ce qui est la conclusion désirée.
Généralement c’est plus facile de montrer que les ensembles satisfaisant une certaine
propriété π forment une classe monotone que de montrer qu’ils forment une tribu.
On va voir par la suite différentes applications de ce résultat.

Preuve: Tout comme pour les tribus, on peut parler de la classe monotone engendrée par une
collection de sous-ensembles. Soient E un ensemble et A ⊂ P(E) une collection stable par
intersections finies. Notons M(A) la plus petite classe monotone contenant A:
\
M(A) := M.
M classe monotone
A⊂M

Alors ce qu’on cherche à montrer est que σ(A) ⊂ M(A).

Il est facile de vérifier qu’une classe monotone stable par intersections finies est une
tribu (voir exercice 41), il suffit donc de montrer que M(A) est stable par intersections
finies.
Soit A ∈ A et posons CA = {B ∈ M(A) : A ∩ B ∈ M(A)}. Évidement A ⊂ CA car,
si B ∈ A, alors A ∩ B ∈ A ⊂ M(A). De plus, CA est une classe monotone:
(i) E ∩ A = A ∈ M(A) donc E ∈ CA ;
(ii) si B, C ∈ CA sont tels que B ⊂ C, alors

A ∩ (C \ B) = (A ∩ C) \ (A ∩ B) ∈ M(A),

par le fait que M(A) est une classe monotone. Ainsi B \ C ∈ CA ;

(iii) enfin, si B1 , B2 , · · · ∈ CA sont tels que B1 ⊂ B2 ⊂ . . . , alors
[  [
A∩ Bn = (A ∩ Bn ) ∈ M(A),
n≥1 n≥1
S
par le fait que M(A) est une classe monotone. Ainsi n≥1 Bn ∈ CA .
On conclut que CA est une classe monotone contenant A, donc M(A) ⊂ CA . En d’autres
mots, pour tout A ∈ A et B ∈ M(A), A ∩ B ∈ M(A).
Maintenant, fixons B ∈ M(A) arbitraire et posons, comme avant, CB = {A ∈ M(A) :
A ∩ B ∈ M(A)}. Par ce qui précède, A ⊂ CB . De plus, CB est une classe monotone, donc
M(A) ⊂ CB . Ainsi, pour tout A ∈ M(A), A ∩ B ∈ M(A).
On conclut que M(A) est une classe monotone stable par intersections finies, c’est
donc une tribu.

Application: unicité de la mesure de Lebesgue Comme décrit dans l’introduction,

l’intégrale de Lebesgue est censée étendre celle de Riemann. Ainsi, la mesure de Lebesgue
devrait mesurer aux moins tous les ensembles Riemann mesurables, donc en particulier les
intervalles. On devrait donc construire une mesure λ sur (R, B(R)) telle que

λ([a, b]) = b − a, ∀a < b.

– 30 –
CHAPITRE 1. TRIBUS ET MESURES

La construction d’une telle mesure s’avère difficile (elle est traitée dans le chapitre 3). On a
toutefois déjà les outils pour montrer son unicité.

Proposition 1.11 (Unicité de la mesure de Lebesgue). Il existe au plus une mesure λ sur
(R, B(R)) telle que

λ([a, b]) = b − a, ∀a < b.

Preuve: Soient λ et ν deux mesures sur (R, B(R)) avec ν([a, b]) = λ([a, b]) = b − a pour tout a < b
Définissons A ⊂ P(R) l’ensemble des segments de R. Alors ν(A) = λ(A) pour tout A ∈ A.
De plus, A est stable par intersection finie.
Fixons M > 0 et posons M = {A ∈ B(R) : λ(A ∩ [−M, M ]) = ν(A ∩ [−M, M ])}.
Alors M est une classe monotone:
(i) λ([−M, M ]) = ν([−M, M ]) = 2M donc R ∈ M;
(ii) si A, B ∈ M sont tels que A ⊂ B, alors




λ (B \ A) ∩ [−M, M ] = λ B ∩ [−M, M ] − λ A ∩ [−M, M ]




= ν B ∩ [−M, M ] − ν A ∩ [−M, M ] = ν (B \ A) ∩ [−M, M ] ,

donc B \ A ∈ M (1) ;
(iii) si A1 , A2 , · · · ∈ M sont tels que A1 ⊂ A2 ⊂ . . . , alors
[ 

λ An ∩ [−M, M ] = lim λ An ∩ [−M, M ]
n
n≥1

[ 
= lim ν An ∩ [−M, M ] = ν An ∩ [−M, M ] ,
n
n≥1
S
donc n≥1 An ∈ M.
Ainsi, par le lemme de classe monotone B(R) = σ(A) ⊂ M.
On déduit que pour tout A ∈ B(R) et M > 0, λ(A ∩ [−M, M ]) = ν(A ∩ [−M, M ]) .
En prenant M → ∞, on obtient

λ(A) = ν(A), ∀A ∈ B(R).

Attention! On va par la suite utiliser la mesure de Lebesgue λ dans plusieurs exemples. On

admet donc son existence pour l’instant.
La procédure qu’on a utilisé pour montrer l’unicité de la mesure de Lebesgue se généralise
comme suit.

(1)



ici on utilise la restriction à [−M, M ] pour assurer que λ B ∩ [−M, M ] = ν B ∩ [−M, M ] < ∞.

– 31 –
CHAPITRE 1. TRIBUS ET MESURES

Proposition 1.12. Soient (E, E) un espace mesurable, µ, ν deux mesures sur E et A une
collection d’ensembles stable par intersections finies. Supposons que σ(A) = E et que, pour
tout A ∈ A, µ(A) = ν(A).
(i) Si µ(E) < ∞ et E ∈ A, alors µ = ν.
(ii) S’il existeSune suite A0 ⊂ A1 ⊂ . . . dans A avec µ(Ak ) < ∞ pour tout k ≥ 0 et telle
que E = k≥0 Ak , alors µ = ν.

On laisse la preuve en exercice.

Exercice 41.
Soit M une classe monotone stable par intersections finies. Montrer que M est une tribu.

Exercice 42.
Soient E un ensemble et M un classe monotone sur E. Montrer que M est stable par union
disjointe finie, à savoir que si A, B ∈ M sont tels que A ∩ B = ∅, alors A t B ∈ M.

Exercice 43.
Soit E un ensemble fini, avec |E| pair. Posons M = {A ⊂ E : |A| pair}. Montrer que M
est une classe monotone mais pas une tribu.

Exercice 44. (a) Admettons l’existence de la mesure de Lebesgue λ sur R. Fixons un entier
M ≥ 1 et posons 
M = B ∈ B(R) : λ(B ∩ [0, M ]) ∈ N .
Montrer que M est une classe monotone. Exhiber un borélien qui n’appartient pas à
M.
(b) Posons A = {[a, a + 1) ∪ B ∈ B(R) : a ∈ [0, M − 1] et B ∩ [0, M ) = ∅}. Montrer que
A ⊂ M et que σ(A) = B.
On a donc construit une classe monotone qui génère B(R) mais n’y est pas égale.
(c) Posons A0 = {[a, a + 1) ∈ B(R) : a ∈ R}. Que vaut σ(A0 )? Quelle est la classe
monotone engendrée par A0 .

Exercice 45.
Soient (E, E) un espace mesurable, µ, ν deux mesures sur E et A une collection d’ensembles
stable par intersections finies. Supposons que σ(A) = E et que, pour tout A ∈ A, µ(A) =
ν(A).
(a) Si µ(E) < ∞ et E ∈ A, montrer que µ = ν.
une suite A0 ⊂ A1 ⊂ . . . dans A avec µ(Ak ) < ∞ pour tout
(b) Supposons qu’il existe S
k ≥ 0 et telle que E = k≥0 Ak . Montrer que µ = ν.
(c) Montrer par un contre-exemple que, sans les conditions de finitude (ou σ-finitude)
d’avant, on peut avoir µ 6= ν.

Exercice 46.
On admet l’existence de la mesure de Lebesgue λ sur (R, B(R)). Montrer qu’il n’existe pas
d’ensemble A ∈ B(R) avec λ(A ∩ [a, b]) = 21 (b − a) pour tous a < b.

– 32 –
Chapitre 2

Intégrale contre une mesure

2.1 Fonctions mesurables

Avant de définir la notion d’intégrale, on va etudier les fonctions qui peuvent être integrées.

Définition 2.1. Soient (E, E) et (F, F) deux espaces mesurables. Une fonction f : E → F
est dite mesurable si,

f −1 (B) = {x ∈ E : f (x) ∈ B} ∈ E pour tout B ∈ F.

Remarque 2.2. Par la suite, les fonctions à valeurs réelles occuperont un rôle central. Dans ce
cas la, on dit qu’une fonction f : (E, E) → R est mesurable, si pour tout borélien B ∈ B(R),
f −1 (B) ∈ E.
De plus, on va parfois autoriser les fonctions à prendre les valeurs +∞ et −∞. Quand on
parle de R := R ∪ {±∞}, on considère qu’un ensemble A ⊂ R est mesurable si et seulement
si A \ {±∞} ∈ B(R).
Le lemme suivant (surtout le point (iii)) est utile pour montrer qu’une fonction est
mesurable.

Lemme 2.3. Soient (E, E) et (F, F) deux espaces mesurés et f : E → F une fonction.
(i) L’ensemble {f −1 (B) : B ∈ F} est une tribu sur E.
(ii) L’ensemble {B ∈ F : f −1 (B) ∈ E} est une tribu sur F .
(iii) Soit A ⊂ F telle que σ(A) = F. Alors f est mesurable si et seulement si

f −1 (B) ∈ E, ∀B ∈ A. (2.1)

Preuve: (i) Notons A = {f −1 (B) : B ∈ F }. Alors ∅ = f −1 (∅) ∈ A. Pour A = f −1 (B) ∈ A, on a

Ac = f −1 (B c ) ∈ A. Enfin, si An = f −1 (Bn ) ∈ A pour n ≥ 1, alors
[ [ 
An = f −1 Bn ∈ A.
n≥1 n≥1

33
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

Ainsi A est une tribu.

(ii) Notons X = {B ∈ F : f −1 (B) ∈ E}. Alors f −1 (∅) = ∅ ∈ E, donc ∅ ∈ X . Si B ∈ X
alors f −1 (B c ) = f −1 (B)c ∈ E, donc B c ∈ X . Enfin, si Bn ∈ X pour n ≥ 1, alors
[  [
f −1 Bn = f −1 (Bn ) ∈ E,
n≥1 n≥1
S
donc n≥1 Bn ∈ X . Ainsi X est une tribu.
(iii) Soit A ⊂ F telle que σ(A) = F. Il est immédiat que, si f est mesurable, alors (2.1)
est satisfait.
Supposons inversement que (2.1) est satisfait. On peut réécrire cela comme A ⊂ {B ∈
F : f −1 (B) ∈ E}. Mais on vient de montrer que l’ensemble de droite est une tribu. Ainsi

F = σ(A) ⊂ {B ∈ F : f −1 (B) ∈ E},

ce qui implique que f est mesurable.

Corollaire 2.4. Soit f : Rm → Rn une fonction continue. Alors f est mesurable de

(Rm , B(Rm )) dans (Rn , B(Rn )).

Preuve: On a B(Rn ) = σ({U ⊂ Rn : U ouvert}). Par continuité de f , f −1 (U ) est ouvert (donc dans
B(Rm )) pour tout ouvert U de Rn . Par le troisième point de la proposition précédente,
on conclut que f est mesurable.

Proposition 2.5. Soient (E, E), (F, F) et (G, G) des espaces mesurables.
(i) Si f, g : E → R sont mesurables, alors

f + g, f g, max{f, g} = f ∨ g, min{f, g} = f ∧ g

le sont aussi.
(ii) Si f : E → F et g : F → G sont mesurables, alors g ◦ f l’est aussi.
(iii) Si fn : E → R est une fonction mesurable pour tout n ∈ N et qu’il existe une fonction
f : E → R telle que
fn (x) −−−→ f (x), ∀x ∈ E,
n→∞

alors f est aussi mesurable.

(iv) Si fn : E → R est une fonction mesurable pour tout n ∈ N, alors les fonctions
sup{fn : n ∈ N}, inf{fn : n ∈ N}, lim supn→∞ fn et lim inf n→∞ fn sont aussi
mesurables de E dans R.

– 34 –
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

(v) Pour A ∈ E, la fonction 1A : E → R définie par

(
1 si x ∈ A,
1A (x) =
0 si x ∈/ A,

est mesurable.

Preuve:

(ii) Soit B ∈ G. Alors g −1 (B) ∈ F car g est mesurable. Comme f est mesurable,

(g ◦ f )−1 (B) = f −1 g −1 (B) ∈ E,

donc g ◦ f est mesurable.

(iii) D’après le lemme 2.3, il suffit de montrer que f −1 ([−∞, a)) ∈ E pour tout a ∈ R.
Observons que, pour a ∈ R,

f −1 ([−∞, a)) = x ∈ E : lim fn (x) < a


n
1

= x ∈ E : ∃ k ≥ 1 et N ≥ 1 t.q. ∀n ≥ N t.q. fn (x) < a − k
[ [ \ 
= x ∈ E : fn (x) < a − k1 .
k≥1 N ≥1 n≥N

Vue que chaque fonction fn est mesurable, {x ∈ E : fn (x) < a − k1 } ∈ E. Ainsi,

graçe aux propriétés des tribus, f −1 ([−∞, a)) ∈ E.
(iv) On traite uniquement le cas du sup; les autres sont laissés en exercice. Observons
que, pour tout a ∈ R,

−1 [
sup fn ((a, +∞]) = fn−1 ((a, +∞]) ∈ E.
n
n≥1

Vu que {(a, +∞] : a ∈ R} génère B(R), on conclut en appliquant le lemme 2.3.

(i) Soient f, g : E → R mesurables. Alors la fonction

Φ : E → R2
x 7→ (f (x), g(x))

est mesurable. En effet, pour A, B ∈ B(R), Φ−1 (A × B) = f −1 (A) ∩ g −1 (B) ∈ E; et

par le lemme 2.3, Φ est mesurable. Les fonctions

R2 → R, R2 → R, R2 → R, R2 → R,
(x, y) 7→ x + y (x, y) 7→ xy (x, y) 7→ x ∨ y (x, y) 7→ x ∧ y

sont continues, donc mesurable. Par (ii) on obtient les propriétés désirées.

– 35 –
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

(v) Soit A ⊂ E. Observons que




∅ si 0 ∈
/ B et 1 ∈
/ B,

A si 0 ∈
/ B mais 1 ∈ B,
1−1
A (B) = Ac
 si 0 ∈ B mais 1 ∈
/ B,


E si 0 ∈ B et 1 ∈ B.


Ainsi, 1A est mesurable si et seulement si ∅, A, Ac , E ∈ E. Cela revient à A ∈ E.

Exercice 47.
En utilisant uniquement la partie prouvé de la Proposition 2.5 (notamment que le sup de
fonctions mesurables est mesurable), montrer que que pour des fonctions mesurables fn :
E → R pour n ≥ 1,
• lim supn fn et lim inf n fn sont des fonctions mesurables de E dans R;
• {x ∈ E : limn fn (x) existe} ∈ E.

Exercice 48.
Montrer que toute fonction continue par morceaux f : R → R est mesurable.

Exercice 49.
Soit f : E → F une fonction et E une tribu sur E. Expliquer pourquoi {f (B) : B ∈ E} n’est
pas forcement une tribu sur F .

2.2 Intégration des fonctions positives

Comme pour l’intégrale de Riemann, l’intégrale contre une mesure (dite de Lebesgue quand
l’espace de base est R), commence par l’intégration des fonctions positives. Pour l’intégrale
de Riemann on a commencé par définir l’intégrale des fonctions de la forme 1[a,b] pour a < b,
ensuite on l’a étendue aux fonctions positives par linéarité et passage à la limite. La procédure
dans le cas présent est similaire, mais commence par une classe plus large de fonctions. Une
image qui montre la différence des deux approches est donnée dans la figure 2.1

2.2.1 Fonctions étagées

Fixons un espace mesuré (E, E, µ).

Définition 2.6. Une fonction étagée est une fonction f : E → [0, +∞) telle qu’il existe
a1 , . . . , an ∈ (0, ∞) et A1 , . . . , An ∈ E avec
n
X
f= ak 1 A k . (2.2)
k=1

– 36 –
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

Figure 2.1: A gauche on approxime l’aire sous le graphe de f par des blocs découpés verti-
calement; c’est la procédure utilisée dans l’intégrale de Riemann. À droite on découpe l’aire
sous le graphe de f en fonction de la hauteur (correspondant aux différentes couleurs), qu’on
multiplie ensuite par la taille de l’ensemble pré-image correspondent. La différence essentielle
arrive quand les ensemble de différentes couleurs sur l’axe horizontale ne sont pas des unions
finies d’intervalles.

Pour les fonctions étagées, la définition de l’intégrale apparaît naturellement. En effet,

on aimerait écrire
Z X n
f dµ = ak µ(Ak ).
k=1

Pour que la définition qu’on vient de donner ait un sens, il faut faire une observation. En
effet, l’écriture d’une fonction étagée (2.2) comme combinaison de fonctions indicatrice n’est
pas unique. Il faut donc mentionner que l’intégrale de f ne dépend pas de l’écriture choisie.

Lemme 2.7. Soit f une fonction étagée avec

n
X m
X
f= ak 1 A k = bj 1Bj ,
k=1 j=1

où a1 , . . . , an , b1 , . . . , bm ∈ (0, ∞) et A1 , . . . , An , B1 , . . . , Bm ∈ E. Alors
n
X m
X
ak µ(Ak ) = bj µ(Bj ). (2.3)
k=1 j=1

Preuve: Soit f une fonction étagée. Alors il existe une écriture f = nk=1 ak 1Ak où A1 , . . . , An
P

sont deux à deux disjoints. Fixons une telle écriture. Pour démontrer le lemme 2.7 il suffit
de montrer (2.3) pour toute autre écriture f = m
P
j=1 bj 1Bj .
Notons Ci,j = Ai ∩ Bj pour 1 ≤ i ≤ n et 1 ≤ j ≤ m. Alors, pour chaque 1 ≤ j ≤ m,

– 37 –
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

Fn
Bj = i=1 Ci,j , d’où
n
X m
X X
f= ai 1Ai = bj 1Bj = bj 1Ci,j . (2.4)
i=1 j=1 1≤i≤n
1≤j≤m
Pn
De plus, pour chaque 1 ≤ j ≤ m, µ(Bj ) = i=1 µ(Ci,j ). Ainsi
m
X n X
X m
bj µ(Bj ) = bj µ(Ci,j ).
j=1 i=1 j=1

Pour conclure, il suffit donc de montrer que, pour chaque 1 ≤ i ≤ n,

m
X
bj µ(Ci,j ) = ai µ(Ai ).
j=1

Fixons pour le reste de la preuve 1 ≤ i ≤ n. Pour J ⊂ {1, . . . , m}, écrivons

\  \  
DJ = Ci,j ∩ Ai \ Ci,j = x ∈ Ai : ∀j, x ∈ Ci,j si j ∈ J et x ∈ / Ci,j si j ∈
/J .
j∈J j ∈J
/
F F
Alors, Ai = J⊂{1,...,m} DJ et, pour chaque j ∈ {1, . . . , m}, Ci,j = j∈J⊂{1,...,m} DJ . Ainsi

m
X m
X X X X
bj µ(Ci,j ) = bj µ(DJ ) = bj µ(DJ ).
j=1 j=1 J⊂{1,...,m} J⊂{1,...,m} j∈J
avec j∈J

Mais (2.4) implique que

m
X X m
X 
ai 1Ai = bj 1Ci,j = bj 1DJ ,
j=1 J⊂{1,...,m} j∈J
P
ce qui entraîne que, pour tout J ∈ {1, . . . , m} avec DJ 6= ∅, j∈J bj = ai . Ainsi
X X X
bj µ(DJ ) = ai µ(DJ ) = ai µ(Ai ),
J⊂{1,...,m} j∈J J⊂{1,...,m}

ce qui achève la preuve.

Grâce au lemme précédent, on peut définir l’intégrale des fonctions étagées positives.

Définition 2.8. Soit f = nk=1 ak 1Ak une fonction étagée, avec a1 , . . . , an ∈ (0, ∞) et
P
A1 , . . . , An ∈ E. Alors on pose
n
X
Intµ (f ) = ak µ(Ak ).
k=1

R
On écrit pour l’instant Intµ (f ) à la place de f dµ pour des raisons qui vont devenir

– 38 –
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

évidentes dans la partie suivante.

Proposition 2.9. Soit f, g des fonctions étagées et α, β ∈ [0, +∞). Alors

(i) αf + βg est une fonction étagée et

Intµ (αf + βg) = αIntµ (f ) + βIntµ (g).

(ii) Intµ (f ) ≥ 0.
(iii) Intµ (f ) = 0 si et seulement s’il existe un ensemble A ∈ E avec µ(A) = 0 et f (x) = 0
pour tout x ∈ Ac (on dit alors que f est nulle µ-presque partout.

Vocabulaire: On dit qu’une certaine propriété π applicable aux éléments de E est vraie
µ-presque partout (ou pour µ-presque tout x) s’il existe un ensemble A ∈ E avec µ(A) = 0
tel que π est vraie pour tout x ∈
/ A.

Preuve: Les points (i) et (ii) sont évidents.

Pour le point (iii) écrivons f = nk=1 ak 1Ak avec A1 , . . . , An ∈ E et a1 , . . . , an > 0.
P

Supposons de plus
n
X
Intµ (f ) = ak µ(Ak ) = 0.
k=1

Alors, pour tout k ∈ {1, . . . , n}, ak µ(Ak ) = 0, donc µ(Ak ) = 0. Posons A = nk=1 Ak .
S
Pn Pn
Alors µ(A) ≤ k=1 µ(Ak ) = 0 et, pour tout x ∈ / A, f (x) = k=1 ak 1Ak (x) = 0.
Inversement, supposons qu’il existe A ∈ E avec µ(A) = 0 et f (x) = 0 pour tout x ∈/ A.
Alors Ak ⊂ A pour tout k ∈ {1, . . . , n}, donc µ(Ak ) ≤ µ(A) = 0. Ainsi
n
X
Intµ (f ) = ak µ(Ak ) = 0.
k=1

2.2.2 Fonctions mesurables positives

Une fois l’intégrale définie pour les fonctions positives étagées, elle peut être étendue aux
fonctions positives mesurables par approximation. Les fonctions mesurables sont celles qui
peuvent être bien approximées par des fonctions étagées (voir partie 2.2.3).

Définition 2.10. Soit f : E → [0, ∞] une fonction mesurable. L’intégrale de f contre µ

est définie par
Z

f dµ = sup Intµ (g) : g etagée positive, g ≤ f . (2.5)

– 39 –
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

On a en ce moment deux définitions distinctes pour l’intégrale des fonctions étagées

positives, à savoir 2.8 et 2.10, d’où la notation distincte de la définition 2.8. Les deux donne
évidement le même résultat.
Lemme 2.11. Soit f : E → [0, ∞) une fonction étagée. Alors
Z
f dµ = Intµ (f ).

R
Preuve: Observons que dans (2.5) on peut prendre g = f dans le supremum. Ainsi f dµ ≥
Intµ (f ).
Inversement, si g : E → [0, +∞) est étagée et telle que g ≤ f , alors f − g est une
fonction étagée positive et par la proposition 2.9,

Intµ (f ) = Intµ (g) + Intµ (f − g) ≥ Intµ (g).

R 
Ainsi f dµ = sup Intµ (g) : g étagée positive, g ≤ f ≤ Intµ (f ) et la preuve est finie.
Le lemme suivant est une conséquence directe de la définition 2.10.
Lemme 2.12. Soient f, g : E → [0, ∞] deux fonction mesurables avec f ≥ g. Alors
Z Z
f dµ ≥ g dµ.

2.2.3 Convergence monotone

Théorème 2.13 (Convergence monotone). Soit f, f1 , f2 , . . . des fonctions mesurables de

E dans [0, +∞]. Supposons que, pour tout x ∈ E,

0 ≤ f1 (x) ≤ f2 (x) ≤ . . . et fn (x) −−−→ f (x).

n→∞

Alors, Z Z
fn dµ −−−→ f dµ.
n→∞

On dit que la suite (fn )n converge ponctuellement, de façon croissante, vers f . Le

théorème de convergence monotone nous dit que alors l’intégrale de fn converge vers celle
de f .
Ce théorème, avec celui de convergence dominée énoncé plus bas, sont les théorèmes
principaux permettant d’inverser limite et intégrale. Le théorème de convergence monotone
est particulièrement important, car il nous dit que, peu importe comment on approxime une
fonction positive f par des fonctions étagées (positives et plus petites que f ), l’intégrale de f
est obtenue comme limite des intégrales de ces fonctions étagées. Une suite de telles fonctions
étagées approximant f est donnée par la proposition 2.14 à suivre (et plus explicitement par
la construction dans sa preuve).

– 40 –
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

R dans l’énoncé. On a fn ≤ f . Par monotonie de l’intégrale

Preuve: Soient f et (fnR)n≥1 comme
(Lemme 2.12), fn dµ ≤ f dµ, donc
Z Z
lim sup fn dµ ≤ f dµ.
n→∞

Par le suite on va montrer l’inégalité inverse:

Z Z
lim inf fn dµ ≥ f dµ. (2.6)
n→∞
R
Soit g : E → [0, ∞) étagée avec 0 ≤ g ≤ f et g dµ < ∞. Écrivons
m
X
g= a k 1A k ,
k=1

avec ak > 0 et Ak ∈ E pour k = 1, . . . , m. Soit  > 0. Montons que

Z Z
lim inf fn dµ ≥ (1 − ) g dµ. (2.7)
n→∞

Observons que, grâce à la monotonie de (fn )n , la suite d’ensembles

En = {x ∈ E : fn (x) ≥ (1 − )g}

est croissante et
[
↑ En ⊃ {x ∈ E : fn (x) → f (x)} = E.
n≥0

Alors,
Z Z m
X
fn dµ ≥ (1 − )g1En dµ = (1 − )ak µ(Ak ∩ En )
k=1

Par la proposition 1.3, µ(Ak ∩ En ) % µ(Ak ) quand n → ∞. Ainsi

Z m
X Z
lim inf fn dµ ≥ (1 − )ak µ(Ak ) = (1 − ) g dµ.
n→∞
k=1

En prenant le supremum sur g et comme  > 0 est arbitraire, on obtient (2.6) et la preuve
est finie.

Proposition 2.14. Soit f : E → [0, +∞] une fonction mesurable. Il existe alors des
fonctions étagées positives f1 , f2 , . . . telles que

0 ≤ f1 (x) ≤ f2 (x) ≤ . . . et fn (x) −−−→ f (x).

n→∞

– 41 –
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

Preuve: Soit f : E → [0, +∞] une fonction mesurable. Pour n ≥ 1, posons

fn (x) = min 2−n b2n f (x)c, 2n ,


pour x ∈ E,

où b.c représente la partie entière. Ainsi fn (x) est le plus grand nombre de la forme k2−n
plus petit que f (x) avec k ≤ 4n entier.
Il est alors évident que, pour tout x ∈ E, fn (x) % f (x) quand n → ∞. De plus, par
sa définition, fn est une fonction étagée positive pour tout n ≥ 1.

Exercice 50.
Soit f une fonction telle qu’il existe une suite de fonctions étagées convergeant ponctuellement
vers f . Montrer que f est mesurable.

Exercice 51.
A l’aide du théorème de convergence monotone énoncé dans le cours, démontrer la générali-
sation suivante. Soient (fn )n≥1 et f des
R fonctions
R intégrables à valeurs dans R telles que pour
µ-presque tout x, fn % f (x). Alors fn dµ → f dµ

2.2.4 Propriétés de l’intégrale des fonctions positives

Proposition 2.15. (i) Soient f, g : E → [0, +∞] des fonction mesurables et λ ∈ (0, ∞).
Alors
Z Z Z Z Z
(f + g) dµ = f dµ + g dµ et λf dµ = λ f dµ.

(ii) Soient f1 , f2 , · · · : E → [0, +∞] des fonction mesurables. Alors

Z X XZ
fn dµ = fn dµ.
n≥1 n≥1

Preuve: (i) On montre uniquement le point (i), le point (ii) est laissé en exercice. Soient f, g : E →
[0, +∞] des fonction mesurables et λ ∈ (0, ∞). Soient fn , gn : E → [0, +∞] des fonction
étagées avec fn (x) % f (x) et gn (x) % g(x) pour tout x ∈ E. Alors

fn (x) + gn (x) % f (x) + g(x) et λfn (x) % λf (x), quand n → ∞, pour tout x ∈ E.

Ainsi, par le théorème de convergence monotone et la proposition 2.9

Z Z Z Z Z Z
(f + g) dµ = lim (fn + gn ) dµ = lim fn dµ + gn dµ = f dµ + g dµ et
n n
Z Z Z Z
λf dµ = lim λfn dµ = λ lim fn dµ = λ f dµ.
n n

(ii) Les series infinies des deux cotés de l’égalité sont bien définies car leurs terms sont
des nombres positifs. De plus n≥1 fn = limN →∞ N
P P
n=1 fn est la limite simple d’une

– 42 –
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

suite de fonctions mesurables, c’est donc aussi une fonction mesurable. De plus, comme
les fonctions fn sont positives, cette limite est une limite croissante. Par le théorème de
convergence monotone et le point (i):
Z X Z N
X
fn dµ = lim fn dµ
N →∞
n≥1 n=1
N
Z X N Z
X XZ
= lim fn dµ = lim fn dµ = fn dµ.
N →∞ N →∞
n=1 n=1 n≥1

Théorème 2.16 (inégalité de Markov). Soit f : E → [0, +∞] une fonction mesurable. Alors,
pour tout λ ∈ (0, ∞),
Z

1
µ {x ∈ E : f (x) ≥ λ} ≤ f dµ.
λ

Preuve: Soient f et λ comme dans l’énoncé. Alors f ≥ λ1{x∈E: f (x)≥λ} . Ainsi

Z Z
f dµ ≥ λ 1{x∈E:f (x)≥λ} dµ = λµ({x ∈ E : f (x) ≥ λ}).

En divisant par λ, on obtient la conclusion.

Corollaire 2.17. Soit f : E → [0, +∞] une fonction mesurable.

R
(i) Alors f dµ = 0 si et seulement s’il existe un ensemble A ∈ E avec µ(A) = 0 et
f (x) = 0 pour tout x ∈ Ac (c.-à-d. si et seulement si f est nulle presque partout).
R
(ii) Si f dµ < ∞, alors il existe un ensemble A ∈ E avec µ(A) = 0 et f (x) < ∞ pour
tout x ∈ Ac (c.-à-d. f est finie presque partout).

R
Preuve: (i) Supposons pour commencer que f dµ = 0. En utilisant l’inégalité de Markov, on
déduit que pour tout λ > 0,
Z
−1
µ({x ∈ E : f (x) ≥ λ}) ≤ λ f dµ = 0.

De plus, observons que

 [ n 1o
x ∈ E : f (x) > 0 = ↑ x ∈ E : f (x) ≥ .
n≥1 n
Ainsi µ({x ∈ E : f (x) > 0}) = 0.
Inversement, supposons que A = {x ∈ E : f (x) > 0} est de mesure nulle. Alors,
si g : E → [0, ∞) est R étagée avec g ≤ f , g est nulle presque partout. RAinsi, par la
proposition 2.9 (iii), g dµ = 0. En prenant le supremum sur g, on obtient f dµ = 0.

– 43 –
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

(ii) On observe que

 \ 
x ∈ E : f (x) = ∞ = ↓ x ∈ E : f (x) ≥ n .
n≥1

Mais, par l’inégalité de Markov,

1
Z


µ x ∈ E : f (x) ≥ n ≤ f dµ −−−→ 0.
n n→∞

Ainsi µ({x ∈ E : f (x) = ∞}) = 0.

Exercice 52. R
Montrer qu’il existe en général des fonctions f : E → [0, ∞] avec f dµ = ∞ mais f < ∞
presque partout. Est-ce possible même si on suppose µ(E) < ∞ ?

2.2.5 Lemme de Fatou

Théorème 2.18 (lemme de Fatou). Soient f1 , f2 , . . . des fonctions mesurable positives

sur E. Alors,
Z Z
lim inf fn dµ ≥ lim inf fn dµ.
n→∞ n→∞

Pour que le terme de droite dans l’énoncé du théorème soit bien défini, il faut mentionner
que, grâce aux propriétés des fonctions mesurables, lim inf n→∞ fn est aussi une fonction
mesurable (voir proposition 2.5)

Preuve: Observons que pour tout x ∈ E,

inf f (x) % lim inf fk (x), quand n → ∞.

k≥n k→∞

Ainsi, par le théorème de convergence monotone,

Z Z
lim inf fk dµ = lim ↑ inf fk dµ. (2.8)
k→∞ n→∞ k≥n

De plus, pour tout ` ≥ n, inf k≥n fk ≤ f` , donc

Z Z
inf fk dµ ≤ f` dµ.
k≥n

Ainsi
Z Z
inf fk dµ ≤ inf f` dµ. (2.9)
k≥n `≥n

En prenant la limite de (2.9) quand n → ∞ et l’insérant dans (2.8), on obtient la conclu-

sion.

– 44 –
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

Exercice 53.
Pour n ∈ N, soit fn : R → [0, ∞) définie par fn = 1[0,1] pour n pair et fn = 1[−1,0] pour n
impair. Montrer dans ce cas que
Z Z
lim inf fn dµ > lim inf fn dµ.
n→∞ n→∞

Posons gn = 1[n,n+1] . Montrer que gn (x) → 0 pour tout x ∈ R. Déduire que

Z Z
lim gn dµ > lim gn dµ.
n→∞ n→∞

2.2.6 Mesures à densité

Pour une fonction f : E → [0, ∞] mesurable et A ∈ E, on écrit
Z Z
f dµ := 1A f dµ.
A

Théorème 2.19. Pour une fonction f : E → [0, ∞] mesurable et A ∈ E posons

Z Z
ν(A) = f dµ = 1A f dµ.
A

Alors ν est une mesure sur (E, E) qu’on note f dµ.

Preuve: Il est évident que ν est bien définie, qu’elle prend des valeurs dans [0, ∞] et que ν(∅) =
0. Soient A1 , A2 · · · ∈ E deux à deux disjoints. Alors, par le théorème de convergence
monotone,
G  Z X XZ X
ν An = 1An f dµ = 1An f dµ = ν(An ).
n≥1 n≥1 n≥1 n≥1

Exercice 54.
Soient (E, E, µ) un espace mesuré et f, g : E → [0, +∞] deux fonctions
R Rmesurables. Notons
ν = gdµ la mesure de densité g par rapport à µ. Montrer que f dν = f g dµ.

2.3 Intégration des fonctions quelconques

Pour une fonction mesurable f : E → R, l’intégrale est définie en utilisant les parties positives
et négatives de f . Ainsi, on pose

f+ (x) = max{0, f (x)} et f− (x) = − min{0, f (x)} ∀x ∈ E.

– 45 –
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

Les deux fonctions f+ et f− sont mesurables et positives, on peut donc définir leur intégrale
par la définition 2.10. L’intégrale de f est alors la différence entre l’intégrale de f+ et celle de
f− , mais pour que cette quantité soit bien définie, il faut que les deux intégrales soit finies.
On doit ainsi se limiter aux fonctions f dont les intégrales de f+ et celle de f− sont finies.

Définition 2.20. Soit f : E → R une fonction mesurable. On dit que f est intégrable si
Z
|f | dµ < ∞. (2.10)

On note L1 (E, E, µ) l’ensemble des fonctions intégrables.

Soit f ∈ L1 (E, E, µ). L’intégrale de f est alors définie par
Z Z Z
f dµ = f+ dµ − f− dµ.

Remarquons que, pour f ∈ L1 (E, E, µ), grâce au lemme 2.12,

Z Z Z Z
f+ dµ ≤ |f | dµ < ∞ et f− dµ ≤ |f | dµ < ∞.

Proposition 2.21. L’ensemble L1 (E, E, µ) est un espace vectoriel et l’intégrale est une
forme linéaire sur L1 (E, E, µ).

Preuve: Soient f, g ∈ L1 (E, E, µ) et a, b ∈ R. Alors

Z Z Z Z
|af + bg| dµ ≤ (|a| · |f | + |b| · |g|) dµ = |a| |f |dµ + |b| |g| dµ < ∞.

Ainsi af + bg ∈ L1 (E, E, µ) donc L1 (E, E, µ) est un espace vectoriel.

Montrons que l’intégrale est linéaire. Pour a ≥ 0 et f ∈ L1 (E, E, µ), (af )± = af± ,
d’où, par la proposition 2.15,
Z Z Z Z Z  Z
af dµ = af+ dµ − af− dµ = a f+ dµ − f− dµ = a f dµ.

Pour a < 0, (af )± = |a|f∓ et un calcul similaire mène au même résultat.

Pour f, g ∈ L1 (E, E, µ),

f + g = (f + g)+ − (f + g)− = f+ − f− + g+ − g− .

Ainsi
(f + g)+ + f− + g− = (f + g)− + f+ + g+ .
Par la proposition 2.15
Z Z Z Z Z Z
(f + g)+ dµ + f− dµ + g− dµ = (f + g)− dµ + f+ dµ + g+ dµ.

– 46 –
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

En regroupant les termes on trouve,

Z Z Z
(f + g)dµ = f dµ + g dµ.

Corollaire 2.22. Soient f, g ∈ L1 (E, E, µ). Alors

Z Z
f dµ ≤ |f | dµ et
Z Z
si f ≤ g alors f dµ ≤ g dµ.

R R
Preuve: RPour la seconde propriété, écrivons g = f + (g − f ) pour
R déduire que g dµ = f dµ +
R (g − f ) dµ.
R Comme g − f est une fonction positive, (g − f ) dµ ≥ 0, ce qui montre que
g dµ ≥ f dµ.
Pour montrer le premier points, il suffit d’appliquer le second à f ≤ |f | et −f ≤ |f |.

Lemme 2.23. Soient f, g : E → R deux fonctions mesurables. Supposons R R f = g µ-

que
presque partout et que f est intégrable. Alors g est aussi intégrable et f dµ = g dµ.

Preuve: On commence par f, g ≥ 0. Soit A = {x ∈ E : f (x) 6= g(x)}. On peut supposer, sans

perte de généralité, que f = 0 sur A. Posons h = g1A . Alors R g = f + h et h est une
fonction positive, nulle presque partout. Par le corollaire 2.17, h dµ = 0. Ainsi
Z Z Z Z
g dµ = f dµ + h dµ = f dµ < ∞.

Passons au cas où f et g sont quelconques. Alors |f | et |g| sont des fonctions positives,
égales presque partout, donc par le cas précédent,
Z Z
|g| dµ = |f | dµ < ∞.

Ainsi g est intégrable. De plus, le cas précédent s’applique aussi à f+ et g+ et f− et g− ,

respectivement. Ainsi
Z Z Z Z
g+ dµ = f+ dµ et g− dµ = f− dµ,
R R
d’où f dµ = g dµ.

2.4 Théorème de convergence dominée

– 47 –
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

Théorème 2.24. Soient f, f1 , f2 , . . . des fonctions mesurables telles que fn (x) −−−→ f (x)
n→∞
pour µ-presque tout x ∈ E. Supposons de plus qu’il existe une fonction intégrable g : E →
[0, ∞) telle que |fn | ≤ g µ-presque partout. Alors f est intégrable et
Z Z
fn dµ → f dµ. (2.11)

Preuve: Soient A = {x ∈ E : fn (x) 9 f (x)} et An = {x ∈ E : |fn (x)| > g(x)} pour n ≥ 1. Alors
 [  X
µ A∪ An ≤ µ(A) + µ(An ) = 0.
n≥1 n≥1
S

Notons B = A ∪ R n≥1 An R. Quitte à changer fn en fn 1B c et f en f 1B c (ce qui ne affecte
pas la valeur de fn dµ ou f dµ) on peut supposer que

fn (x) −−−→ f (x) et |fk (x)| ≤ g(x) , pour tout x ∈ E et k ≥ 1.

n→∞
R
On déduit que |f (x)| ≤ g(x) pour tout x ∈ E, donc |f | dµ < ∞. Ainsi f est
intégrable. De plus, par le lemme de Fatou appliqué aux fonctions positives 2g − |fn − f |,
n ≥ 1,
Z Z Z
2g dµ − lim sup |fn − f | dµ = lim inf 2g − |fn − f | dµ
n→∞ n→∞
Z Z
≥ lim inf 2g − |fn − f | dµ = 2g dµ.
n→∞
R R
Ainsi, vu que 2g dµ < ∞, on conclut que limn→∞ |fn −f | dµ = 0. Ceci implique (2.11):
Z Z Z
fn dµ − f dµ ≤ |fn − f | dµ −−−→ 0.
n→∞

Exercice 55.
On se place sur l’espace (R, B(R), λ). Soit φ une fonction Rcontinue à valeurs dans [0, ∞), à
support dans [−1, 1] (c.-à-d. φ(x) = 0 si x ∈
/ [−1, 1]), avec φdλ = 1. Pour n ≥ 1, posons

fn (x) = nφ(nx), gn (x) = n1 φ n1 x , hn (x) = φ(x − n), ∀x ∈ R.

R gn (x),Rhn (x) → 0 quand n → ∞ pour presque tout x ∈ R.

R fn (x),
Montrer que
Calculer fn dλ, gn dλ, hn dλ. Commenter. . .
Dessiner les graphes de ces fonctions.

Exercice 56.
Soit (fn )n≥1 la suite de fonctions R → RR définie par, pour n ≥ 1, fn = n1 1[n,n+1) . Montrer
que tout chaque fn est mesurable et que fn dλ → 0.
Montrer que la convergence n’est pas dominée par une fonction intégrable.

– 48 –
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

Montrer que tout sous-suite (fσ(n) )n≥1 de (fn )n≥1 contient une sous-sous-suite (fτ (σ(n)) )n≥1
qui est dominée par une fonction intégrable.
Montrer que plus généralement, cette dernière propriété suffit pour déduire la convergence
des intégrales.

Exercice 57.
(Théorème d’Egorov). Soit (E, E, µ) un espace mesuré avec µ(E) < ∞, et soit (fn )n≥1 une
suite de fonctions mesurables, définies sur E, à valeurs dans R. Supposons que (fn ) converge
presque partout vers une fonction f : E → R.
Montrer que alors (fn ) converge uniformément en-dehors d’un ensemble de mesure arbitraire-
ment petite. Plus exactement, montrer que pour tout  > 0 il existe un ensemble mesurable
A ⊂ E tel que µ(A) <  et tel que

sup |fn (x) − f (x)| −−−→ 0.

x∈Ac n→∞

2.5 Intégrales dépendant d’un paramètre

On présente cette partie sous la forme d’une série d’exercices.
Exercice 58.
Soient (E, E, µ) un espace mesuré et f : E × R → R une fonction telle que
(i) pour tout t ∈ R, la fonction x 7→ f (x, t) est mesurable,
(ii) pour µ-presque tout x ∈ E, la fonction t 7→ f (x, t) est continue,
(iii) il existe une fonction g ∈ L1 (E, E, µ) telle que, pour tout t ∈ R,

|f (x, t)| ≤ g(x) pour µ-presque tout x ∈ E.

R
Montrer que la fonction F : R → R donnée par F (t) = f (x, t)dµ(x) est bien définie et
continue.

Exercice 59.
Soient (E, E, µ) un espace mesuré et f : E × R → R une fonction telle que
(i) pour tout t ∈ R, la fonction x 7→ f (x, t) est dans L1 (E, E, µ),
(ii) pour µ-presque tout x ∈ E, la fonction t 7→ f (x, t) est C 1 (R) (c.-à-d. dérivable, de
dérivée continue),
(iii) il existe une fonction g ∈ L1 (E, E, µ) telle que, pour µ-presque tout x ∈ E,

∂f
(x, t) ≤ g(x) pour tout t ∈ R.
∂t
R
Montrer que la fonction F : R → R donnée par F (t) = f (x, t)dµ(x) est bien définie et C 1 ,
de dérivée Z
0 ∂f
F (t) = (x, t)dµ(x), pour tout t ∈ R.
∂t

– 49 –
CHAPITRE 2. INTÉGRALE CONTRE UNE MESURE

Exercice 60.
Soit f ∈ L1 (R, B(R), λ) et g : R → R une fonction continue bornée. Montrer que la fonction
appelée la convolution de f et g, donnée par

f ∗ g :R → R
Z
x 7→ f (t)g(x − t)dt

est bien définie et continue.

Montrer que si g est de classe C i pour i ∈ N ∪ {∞} avec toutes ses dérivées bornées, alors
f ∗ g est aussi de classe C i .

2.6 Fonctions à valeurs complexes et vectorielles

L’intégrale peut être étendue aux fonctions à valeurs dans C ou dans un espace de dimension
finie Rd . Les tribus qu’on considère sur C et Rd sont les tribus boréliennes (rappelons que
toutes les normes sur Rd sont équivalentes, donc qu’elles engendre la même topologie).

Définition 2.25.
R (i) Soit f : E → C une fonction mesurable. On dit que f est inté-
grable si |f |dµ < ∞ et on pose dans ce cas
Z Z Z
f dµ = Re(f ) dµ + i Im(f ) dµ.

(ii) Soient d ≥ 1 et f : E → Rd une fonction mesurable. Notons f = (f1 , . . . , fn ) les

coordonnées de f . On dit que f est intégrable si f1 , . . . , fd le sont et on pose dans ce
cas
Z Z Z 
f dµ = f1 dµ, . . . , fd dµ ∈ Rd .

La linéarité de l’intégrale (Prop. 2.21) ainsi que le théorème de convergence dominée

(Thm. 2.24) s’adaptent directement aux intégrales des fonctions à valeurs dans C ou Rd . Par
le suite on va se concentrer uniquement sur les fonctions à valeurs réelles.

– 50 –
Chapitre 3

Construction des mesures

3.1 Mesures extérieures; théorème de Caratheodory

3.1.1 Théorème de Caratheodory

Définition 3.1. Soit E un ensemble. Une mesure extérieure sur E est une fonction
µ : P(E) → [0, ∞] avec les propriétés suivantes
(i) µ(∅) = 0,
(ii) si A ⊂ B ⊂ E alors µ(A) ≤ µ(B) (monotonie)
S P
(iii) si An ∈ P(E) pour n ∈ N, alors µ( n≥0 An ) ≤ n≥0 µ(An ). (σ-sous-additivité)
On dit qu’un ensemble A ⊂ E est µ-mesurable si pour tout B ⊂ E,

µ(B) = µ(A ∩ B) + µ(Ac ∩ B). (3.1)

On note M(µ) l’ensemble des parties µ-mesurables de E.

Dans (3.1), l’inégalité µ(B) ≤ µ(A ∩ B) + µ(Ac ∩ B) est assurée par la sous-additivité
de µ. Ainsi, demander l’égalité revient à demander l’inégalité inverse.

Théorème 3.2. Soit µ une mesure extérieure sur un ensemble E. Alors M(µ) est une
tribu et µ est une mesure sur (E, M(µ)).

Preuve: La preuve se décompose en quatre étapes.

(1) Montrons pour commencer que M(µ) est une algèbre, c.-à-d. que M(µ) est stable par
unions finies et passage au complémentaire et qu’elle contient l’ensemble vide.
Les deux dernières propriétés suivent directement de la définition de M(µ) et de µ,
respectivement. Soient A1 , A2 ∈ M(µ) et B ⊂ E quelconque. Alors, par
sous-additivité
de
µ et des simples manipulations d’ensembles (plus précisément par A1 ∩B ∪ Ac1 ∩A2 ∩B =

51
CHAPITRE 3. CONSTRUCTION DES MESURES

(A1 ∪ A2 ) ∩ B) on obtient

µ (A1 ∪ A2 ) ∩ B + µ (A1 ∪ A2 )c ∩ B

≤µ A1 ∩ B + µ Ac1 ∩ A2 ∩ B + µ Ac1 ∩ Ac2 ∩ B

sous-additivité
=µ A1 ∩ B + µ Ac1 ∩ B



car A2 ∈ M(µ)
=µ(B) car A1 ∈ M(µ)

L’inégalité inverse suit directement de la sous-additivité. On conclut que

µ (A1 ∪ A2 ) ∩ B + µ (A1 ∪ A2 )c ∩ B = µ(B),

d’où A1 ∪ A2 ∈ M(µ).
(2) Montrons maintenant que µ est additive sur M(µ). Soient A1 , A2 ∈ M(µ) disjoints.
Alors

µ(A1 t A2 ) = µ (A1 t A2 ) ∩ A1 + µ (A1 t A2 ) ∩ Ac1

car A1 ∈ M(µ)
= µ(A1 ) + µ(A2 ). car A1 ∩ A2 = ∅

Remarquons que, par le même raisonnement, on peut même montrer que pour tout B ⊂ E,

µ (A1 t A2 ) ∩ B = µ (A1 t A2 ) ∩ B ∩ A1 + µ (A1 ∪ A2 ) ∩ B ∩ Ac1

     

= µ(A1 ∩ B) + µ(A2 ∩ B). (3.2)

(3) Montrons que M(µ) est une σ-algèbre. Comme on a déjà montré que M(µ) est une
algèbre, il suffit de prouver que M(µ) est stable par union dénombrable disjointe.
Soient A1 , A2 , · · · ∈ M(µ) deux à deux disjoints. Notre but est de montrer que
F
n≥1 An ∈ M(µ), donc que, pour tout B ⊂ E,
h G i h G c i
µ B∩ An + µ B ∩ An ≤ µ(B),
n≥1 n≥1

car l’inégalité inverse est garantie par la σ-sous-additivité. Observons que, pour tout N
fini, par le point (1), N
F
n=1 An ∈ M(µ). Ainsi

h N
G i h N
G c i
µ(B) = µ B ∩ An + µ B ∩ An
n=1 n=1
N
X h G c i
≥ µ(B ∩ An ) + µ B ∩ An par (3.2) et monotonie.
n=1 n≥1

En prenant N → ∞, on conclut par σ-sous-additivité que

X h G c i
µ(B) ≥ µ(B ∩ An ) + µ B ∩ An
n≥1 n≥1
h G i h G c i
≥µ B∩ An + µ B ∩ An . (3.3)
n≥1 n≥1

– 52 –
CHAPITRE 3. CONSTRUCTION DES MESURES

(4) Enfin, montrons que µ est σ-additive sur M(µ). Soient A1 , A2 , · · · ∈ M(µ) deux à
deux disjoints. Par la σ-sous-additivité de µ, il suffit de montrer que
G  X
µ An ≥ µ(An ).
n≥1 n≥1
F
En posant B = n≥1 An dans (3.3) on obtient le résultat désiré.

Exercice 61.
Soient E un ensemble et A ⊂ P(E) une algèbre de sous-ensembles de E:
• ∅ ∈ A;
• si A ∈ A, alors Ac ∈ A;
• si A, B ∈ A, alors A ∪ B ∈ A.
Si en plus A est stable par union dénombrable disjointe, montrer que A est une tribu.

3.1.2 Construction des mesures extérieures

Le théorème suivant montre comment construire une mesure extérieure à partir d’une algèbre
A ⊂ E et ρ une fonction σ-additive sur A. Cette procédure va être utilisée pour construire
différentes mesures dans le reste du chapitre.

Théorème 3.3. (a) Soient E un ensemble et A ⊂ P(E) une collection de sous-ensembles

avec ∅ ∈ A. De plus, soit ρ : A → [0, +∞] une fonction avec ρ(∅) = 0. Posons
( )
X [
µ(A) = inf ρ(An ) : A0 , A1 , · · · ∈ A, A ⊂ An , pour tout A ⊂ E.
n∈N n∈N

Alors µ est une mesure extérieure sur E.

(b) Supposons de plus que A est une algèbre (c.-à-d. non-vide et stable par unions finies
et passage au complémentaire)
F et que ρ est σ-additive, c.à d que pour A0 , A1 , · · · ∈ A deux
à deux disjoints avec n∈N An ∈ A
G  X
ρ An = ρ(An ).
n∈N n∈N

Alors A est incluse dans la tribu des parties µ-mesurables de E et, pour tout A ∈ A,
µ(A) = ρ(A).
(c) Enfin, si µ est σ-finie, alors µ est l’unique mesure avec la propriété µ(A) = ρ(A) pour
tout A ∈ A.

Preuve: (a) Montrons que µ est une mesure extérieure. µ(∅) = 0 et la monotonie sont
évidentes. Soient (An )n≥1 des ensembles. La conclusion est triviale si µ(An ) = ∞ pour
au moins un n. Ainsi on se limite au cas µ(An ) < ∞ pour tout n.

– 53 –
CHAPITRE 3. CONSTRUCTION DES MESURES

Bn,k et µ(An ) + 2−n ≥

S
Soient  > 0 et Bn,k ∈ A tels que, pour chaque n, An ⊂ k
P S S
k ρ(Bn,k ). Alors, n An ⊂ n,k Bn,k donc
[
X X X
µ An ≤ ρ(Bn,k ) ≤ [µ(An ) + 2−n ] =  + µ(An ).
n n,k n n

Si on retient que  est arbitraire, on déduit que µ est σ-sous additive, donc que c’est une
mesure extérieure.

(b) Supposons maintenant que A est une algèbre et que ρ est σ-additive. Mentionnons que
A est alors stable aussi par différences et intersections finies. De plus, comme ρ(∅) = 0,
on déduit que ρ est aussi additive, et donc monotone, sur A.
Soit A ∈ A. Montrons que µ(A) = ρ(A). Évidement µ(A) ≤ ρ(A), on doit donc
montrer l’inégalité inverse. Soient An ∈ A : n ∈ N∗ tels que A ⊂ n≥1 An . Posons
S

A0n = A ∩ (An \ k≤n Ak ). Alors A0n ∈ A, ces ensembles sont deux à deux disjoints et
S

A = n≥1 A0n . Ainsi ρ(A) = n≥1 ρ(A0n ). Mais ρ est monotone sur A et par construction
F P

A0n ⊂ An . On obtient donc ρ(A) ≤ n≥1 ρ(An ). Ainsi ρ(A) ≤ µ(A).

P

Montrons que A ⊂ M(µ). Pour A, B ∈ A, par additivité de ρ, on a bien

µ(A ∩ B) + µ(Ac ∩ B) = ρ(A ∩ B) + ρ(Ac ∩ B) = ρ(B) = µ(B).

Fixons A ∈ A et prenons B ⊂ E quelconque. On veut montrer que

µ(B) ≥ µ(A ∩ B) + µ(Ac ∩ B),

l’inégalité inverse étant toujours satisfaite grâce à la sous-additivité de µ. Soient Bn ∈ A :

n ∈ N tels que B ⊂ n Bn . Alors A ∩ B ⊂ n (A ∩ Bn ) et Ac ∩ B ⊂ n (Ac ∩ Bn ), donc
S S S

par sous-additivité de µ,
X
µ(A ∩ B) + µ(Ac ∩ B) ≤ µ(A ∩ Bn ) + µ(Ac ∩ Bn )
n
X X
= ρ(A ∩ Bn ) + ρ(Ac ∩ Bn ) = ρ(Bn ).
n n

Ainsi, µ(B) = inf{ n ρ(Bn ) : Bn ∈ A, B ⊂ n Bn } ≥ µ(A ∩ B) + µ(Ac ∩ B), ce qui est

P S

ce qu’on devait montrer.

(c) Supposons qu’il existe une suite croissante d’ensembles (An )n∈N ∈ A avec E = ∪n An
et ρ(An ) < ∞. Alors le lemme de classe monotone nous donne l’unicité de µ(. ∩ An ). Mais
pour tout B ∈ M(µ), µ(B) = lim µ(B ∩ An ). On en déduit l’unicité de µ.

On peut imaginer qu’on dispose d’une mesure extérieure µ (construite par exemple comme
dans le Théorème 3.3 mais sans qu’on puisse simplement montrer que la fonction ρ est σ-
additive). Le critère suivant nous aide a montrer que les ensembles boréliens sont µ mesurable.

Théorème 3.4 (Critère de Carathéodory). Soient (E, d) un espace métrique, et µ une

mesure extérieure sur E. Si, pour toutes parties A, B ⊂ E avec dist(A, B) = inf{d(x, y) :
x ∈ A, y ∈ B} > 0 on a µ(A ∪ B) = µ(A) + µ(B), alors, B(E) ⊂ M(µ).

– 54 –
CHAPITRE 3. CONSTRUCTION DES MESURES

U B

Ak+2 Fk

Ak+1 Uc ∩ B

Figure 3.1: L’ouvert U en bleu, décomposé comme Fk t Ak+1 t Ak+2 t . . . .

Preuve: Soit U un ouvert de E et B ⊂ E. On aimerait montrer que U ∈ M(µ), ou en d’autres

mots que µ(B) = µ(B ∩ U c ) + µ(B ∩ U ). Vu que µ est sous-additive, il suffit de montrer

µ(B) ≥ µ(B ∩ U c ) + µ(B ∩ U ).

On peut donc se limiter au cas où µ(B) < ∞. Posons Fn = {x ∈ E : dist(x, U c ) ≥ 1/n}

et An = Fn+1 \ Fn . Voir l’image 3.1.
P
On va commencer par montrer que n≥1 µ(An ∩ B) < ∞. Observons que, pour tout
k ≥ 0, on a d(Ak , Ak+2 ) > 0. Ainsi, pour tout N ≥ 1, par la condition sur µ,
N
X N
[ 
µ(A2k ∩ B) = µ A2k ∩ B ≤ µ(B) < ∞ et
k=1 k=1
XN [N 
µ(A2k+1 ∩ B) = µ A2k+1 ∩ B ≤ µ(B) < ∞.
k=0 k=0
P P P
Ainsi n≥1 µ(An ∩ B) = n≥1 µ(A2n ∩ B) + n≥0 µ(A2n+1 ∩ B) ≤ 2µ(B) < ∞.
Maintenant montrons que µ(Fn ∩ B) → µ(U ∩ B) quand n → ∞. Pour n ≥ 1, comme U
S
est un ouvert, U = Fn ∪ k>n Ak . Ainsi
h [
i [ 
µ(U ∩ B) = µ Fn ∪ An ∩ B ≤ µ(Fn ∩ B) + µ (Ak ∩ B) .
k>n k>n
S P
Mais µ( k>n Ak ∩ B) ≤ k>n µ(Ak ∩ B) → 0, quand n → ∞. On arrive donc à la
conclusion que µ(Fn ∩ B) → µ(U ∩ B) (on utilise implicitement que µ(Fn ∩ B) ≤ µ(U ∩ B)
pour tout n).
Enfin, observons que, due à la condition imposé sur µ,

µ(Fn ∩ B) + µ(U c ∩ B) = µ((Fn ∪ U c ) ∩ B) ≤ µ(B).

En faisant n tendre vers l’infini dans cette inégalité, on obtient

µ(U ∩ B) + µ(U c ∩ B) ≤ µ(B),

– 55 –
CHAPITRE 3. CONSTRUCTION DES MESURES

et la preuve est finie.

Exercice 62.
Soient E un espace métrique et A ⊂ P(E) une collection de sous-ensembles avec ∅ ∈ A. De
plus, soit ρ : A → [0, +∞] une fonction avec ρ(∅) = 0. Pour δ > 0 et A ⊂ E, posons
nX [ o
µδ (A) = inf ρ(An ) : A0 , A1 , · · · ∈ A, A ⊂ An et diam(An ) < δ, ∀n ≥ 0 .
n∈N n∈N

On rappelle que, par convention, inf ∅ = ∞. De plus, posons µ0 (A) = limδ&0 µδ (A).
Montrer que µ0 est une mesure extérieure sur E et que B(E) ⊂ M(µ0 ).

Exercice 63.
Soient E un espace métrique compact et A, B ⊂ E. Montrer que dist(A, B) > 0 si et
seulement si A ∩ B = ∅.
Donner un exemple ou E n’est pas compact et ou A ∩ B = ∅, mais dist(A, B) = 0.

3.1.3 Tribu complétée

Soit (E, E, µ) un espace mesuré.

Définition 3.5. On dit que A ⊂ E est une partie µ-négligeable s’il existe B ∈ E avec
A ⊂ B et µ(B) = 0. On écrit N (µ) pour l’ensemble des parties µ-négligeables.

Proposition 3.6. Soit E = σ(E ∪ N (µ)) (on appelle E la tribu complétée de E par rapport
à µ). Alors µ s’étend de façon unique en une mesure µ sur E avec

µ(A) = µ(A), ∀A ∈ E.

Preuve: Pour commencer, observons que {A ∪ N : A ∈ E, N ∈ N (µ)} est une tribu. Elle contient
E et N (µ), et c’est évidement la plus petite telle tribu. Ainsi

E = {A ∪ N : A ∈ E, N ∈ N (µ)}.

Pour A ∈ E et N ∈ N (µ), posons µ(A ∪ N ) = µ(A). Cette définition est ambiguë car
généralement la décomposition de A ∪ N n’est pas unique. En effet, on peut avoir A0 ∈ E
et N 0 ∈ N (µ) tels que A0 ∪ N 0 = A ∪ N . Pourtant, si B, B 0 ∈ E sont tels que N ⊂ B,
N 0 ⊂ B 0 et µ(B) = µ(B 0 ), alors A ⊂ A ∪ N = A0 ∪ N 0 ⊂ A0 ∪ B 0 , donc

µ(A) ≤ µ(A0 ∪ B 0 ) ≤ µ(A0 ) + µ(B 0 ) = µ(A0 ).

De la même façon, µ(A) ≥ µ(A0 ), donc µ(A) = µ(A0 ), ce qui monter que µ est bien définie.
On vérifie facilement que µ est bien une mesure sur E.
Il est aussi immédiat que µ est l’unique mesure qui prolonge µ à E.
Remarque 3.7. Si µ est une mesure extérieure, alors M(µ) est une tribu complète pour la
mesure µ.

– 56 –
CHAPITRE 3. CONSTRUCTION DES MESURES

3.2 La mesure de Lebesgue sur R

3.2.1 Construction de la mesure de Lebesgue

Le but de cette partie est de construire la mesure de Lebesgue sur R, à savoir une mesure λ
telle que, pour a < b, λ([a, b]) = b − a. Comme la tribu borélienne de R est engendrée par les
intervalles fermés, une telle mesure va porter au moins sur B(R), voir même une tribu plus
grande.

Théorème 3.8. Il existe une unique mesure λ sur (R, B(R)) telle que, pour tout a ≤ b,
λ([a, b]) = b − a. On appelle cette mesure la mesure de Lebesgue sur R.

La mesure de Lebesgue ainsi construite est évidement σ-finie.

Preuve: L’unicité de la mesure de Lebesgue a déjà été établie dans la Proposition 1.11, on se
concentre donc sur son existence. Pour A ⊂ R, posons
nX [ o
λ(A) = inf bn − an : A ⊂ ]an , bn [ et
n≥0 n≥0
nX [ o
λ (A) = inf bn − an : A ⊂ ]an , bn [ et bn − an <  ∀n pour  > 0.
n≥0 n≥0

Par la première partie du Théorème 3.3, λ et λ sont des mesures extérieures sur R. On
commence par montrer que λ = λ .
L’inégalité λ ≤ λ est triviale. Pour montrer l’inégalité inverse, on commence par
montrer que λ (]a, b[) ≤ b − a pour un  > 0 fixé. Soit δ > 0 et N assez grand pour que
(b − a + δ)/N < . Pour i = 1, . . . , N , posons
i−1 1 i 1
ai = a + N (b − a) − 2N δ et bi = a + N (b − a) + 2N δ.

1
Alors bi − ai = N (b − a + δ) <  et ]a, b[⊂]a1 , b1 [∪ · · · ∪]aN , bN [. Par la définition de λ ,
on conclut que
N
X
λ (]a, b[) ≤ bi − ai = b − a + δ.
i=1

Comme δ > 0 est arbitraire, cela implique que λ (]a, b[) < b − a, comme annoncé.
Maintenant montrons que, pour tout A ⊂ R et  > 0, λ (A) ≤ λ(A). On peut se limiter
S P
au cas ou λ(A) < ∞. Fixons un recouvrement n≥0 ]an , bn [ de A avec n≥0 bn − an < ∞.
Alors il existe N tel que bn − an <  pour tout n ≥ N . Fixons δ > 0 et pour chaque
n < N , soit an,i ≤ bn,i , i ≥ 0 tels que
[ X
1
]an , bn [⊂ ]an,i , bn,i [, bn,i − an,i ≤  ∀i ≥ 0 et bn,i − an,i ≤ bn − an + N δ.
i≥0 i≥0

– 57 –
CHAPITRE 3. CONSTRUCTION DES MESURES

Cela est possible car λ (]an , bn [) ≤ bn − an Alors,

−1
N[ [ [
A⊂ ]an,i , bn,i [ ∪ ]an , bn [.
n=0 i≥0 n≥N

Tous les éléments de ce recouvrement ont longueur plus petite que , donc
N
X −1 X X X
λ (A) ≤ bn,i − an,i + bn − an ≤ δ + bn − an .
n=0 i≥0 n≥N n≥0
P
De nouveau, δ > 0 étant arbitraire, on trouve λ (A) ≤ n≥0 bn − an . En fin, par la
définition de λ(A), cette dernière inégalité implique que λ (A) ≤ λ(A). On conclut donc
que λ = λ.
Montrons maintenant que les boréliens sont mesurable pour la mesure extérieure λ.
Soient A, B ⊂ R tels que dist(A, B) =  > 0; montrons que λ(A ∪ B) = λ(A) + λ(B). Il
suffit de montrer l’inégalité ≥, l’opposée est vraie par sous-additivité. De plus, on peut
remplacer λ par λ , vu que ces deux mesures exterieures sont égales.
S
Soit n≥0 ]an , bn [ un recouvrement de A ∪ B qui apparait dans la définition de λ .
Alors chaque intervalle ]an , bn [ intersecte au plus un des ensembles A et B. On conclut
que la famille des intervalles {]an , bn [: n ≥ 0} peux être partagée en un recouvrement de
P
A et un de B. Ainsi n≥0 bn − an ≥ λ (A) + λ (B). Par la définition de λ , cela implique
bien que λ (A ∪ B) ≥ λ (A) + λ (B). Ainsi λ(A ∪ B) = λ(A) + λ(B). Par le critère de
Caratheodory (Théorème 3.4) B(R) ⊂ M(λ).
Ce qu’il nous reste à montrer est que la restriction de λ à B(R) est la mesure recherchée,
c.-à-d. que pour a ≤ b, λ([a, b]) = b − a.
Vu que [a, b] ⊂]a − , b + [ pour tout  > 0, on déduit que λ([a, b]) ≤ b − a. On va
maintenant se concentrer sur l’inégalité inverse. Soient ai , bi ∈ R : i ≥ 0 tels que
[
[a, b] ⊂ ]an , bn [.
n≥0

Comme [a, b] est un compact, il existe N tel que

N
[
[a, b] ⊂ ]an , bn [.
n=0

On peut alors réarranger les couples (ai , bi ) de telle sorte que a0 ≤ a1 · · · ≤ aN et on

peut éliminer tous les intervalles ]ai , bi [ entièrement couverts par les autres (c.à-d. par
S
n∈{0,...,N }\{i} ]an , bn [) ainsi que ceux qui n’intersecte pas [a, b]. Alors les intervalles ]an , bn [:
n = 0, . . . , N se chevauchent, plus précisément on a:

a0 < a < a1 < b0 < a2 < b1 < · · · < aN < bN −1 < b < bN .

On en déduit que
N
X N
X
(bn − an ) ≥ b0 − a + (bn − bn−1 ) = bN − a > b − a.
n=0 n=1

– 58 –
CHAPITRE 3. CONSTRUCTION DES MESURES

Cela montre bien que λ([a, b]) ≥ b − a.

Proposition 3.9. Pour tout A ∈ B(R) et α, β ∈ R,

λ(αA + β) = λ({αa + β : a ∈ A}) = |α|λ(A), (3.4)

(avec la convention 0 · ∞ = 0). De plus, si µ est une mesure sur (R, B(R)) invariante par
translations et telle que µ([0, 1]) < ∞, alors µ est un multiple de la mesure de Lebesgue.

Preuve: Commençons par montrer (3.4). Soient α, β ∈ R. On peut supposer α 6= 0, sinon la

1
conclusion est évidente. Notons, pour A ∈ B(R), µ(A) := |α| λ(αA + β). Alors µ est une
mesure sur (R, B(R)) avec

1

µ([a, b]) = λ [αa − β, αb − β] = b − a.
|α|

(Si α < 0, l’intervalle [αa − β, αb − β] est à remplacer par [αb − β, αa − β].) Par l’unicité
de la mesure de Lebesgue, µ = λ, donc λ(αA + β) = |α|λ(A) pour tout A ∈ B(R).
Passons au second point. Soit µ une mesure sur (R, B(R)) invariante par translation,
avec µ([0, 1[) = α < ∞. Alors µ([0, n1 [) = µ([ n1 , n2 [) = · · · = µ([ n−1 1
n , 1). Ainsi µ([0, n [) =
1
n α. En utilisant à nouveau l’invariance par translation, on trouve, pour k ≤ `, k, ` ∈ Z et
n ∈ N∗
`−1 h
h k ` h X j j + 1 h `−k
µ , = µ , =α . (3.5)
n n n n n
j=k

En d’autres mots µ([a, b[) = α(b − a) pour tous a, b ∈ Q. Cela implique facilement que
µ([a, b]) = α(b − a) pour tous a < b réels. Enfin, l’unicité de la mesure de Lebesgue
implique alors que µ = αλ.

Tout comme pour λ, on peut construire Qd l’unique mesure λd sur (Rd , B(Rd )) avec la pro-
priété que λd ([a1 , b1 ]×· · ·×[ad , bd ]) = i=1 (bi −ai ) pour toute famille {ai ≤ bi : i = 1, . . . , d}.
Cette mesure est la mesure de Lebesgue d-dimensionnelle. On va néanmoins attendre la con-
struction des mesures produit générales pour en parler; λd en étant un cas particulier.
Exercice 64 ( ). A
Le but de cet exercice est de construire la mesure de Lebesgue sur R à l’aide du théorème d’extension
de Caratheodory (3.3 dans le cours).
(a) Soit A l’algèbre engendrée par les intervalles. Il s’agit de l’ensemble des unions finies
disjointes d’intervalles.
(b) Pour a ≤ b posons

ρ((a, b)) = ρ([a, b)) = ρ((a, b]) = ρ([a, b]) = b − a.

– 59 –
CHAPITRE 3. CONSTRUCTION DES MESURES

(c) Montrer que, si I est un intervalle et et I1 , I2 , · · · ⊂ R sont des intervalles deux à deux
disjoints, tels que G
I= In ,
n≥1
P
alors ρ(I) ≥ n≥1 ρ(In ).
Indication: Commencer par montrer que ρ(I) ≥ N
P
n=1 ρ(In ) pour tout N ≥ 1.
P
(d) Avec les mêmes notations qu’au point précédent, montrer que ρ(I) ≤ n≥1 ρ(In ).
Indication: Commencer par montrer queS si J est un intervalleP fermé et J1 , J2 . . . sont
des intervalles ouverts de R avec J ⊂ n≥1 Jn , alors ρ(I) ≤ n≥1 ρ(In ).
F P
(e) Conclure que pour A = n≥1 In ∈ A, la définition de ρ(A) := n ρ(In ) est bien posée.
De plus, ρ est σ-additive sur A.
(f) Conclure en utilisant le théorème d’extension de Caratheodory.

Exercice 65.
Soit A ∈ B(R) invariant par toute translation rationnelle (c.-à-d. A = A + q pour tout
q ∈ Q). Montrer que A ou Ac est λ-négligeable.

3.2.2 Les ensembles négligeables pour la mesure de Lebesgue

Lemme 3.10. Soit λ la mesure extérieure définie dans la preuve du Théorème 3.8. Alors
M(λ) = B(R), où la complétion est par rapport à la mesure de Lebesgue λ.

Preuve: Vu que M(λ) contient B(R) et est une tribu complétée, il est évident que B(R) ⊂ M(λ).
Montrons l’inverse. Soit A ∈ M(λ) et supposons pour commencer que λ(A) = 0.
Alors, par la définition de λ, il existe une suite décroissante d’ouverts Un ⊂ R avec A ⊂ Un
pour tout n et
lim λ(Un ) = λ(A) = 0.
n→∞
T
Posons V = n Un . Alors V ∈ B(R), A ⊂ V et λ(V ) = 0. Ainsi A ∈ B(R).
On considère maintenant A ∈ M(λ) de mesure finie. Comme avant, on peut construire
une suite décroissante d’ouverts Un ⊂ R avec A ⊂ Un pour tout n et

λ(A) = lim λ(Un ).

n→∞
T
Posons a nouveau V = n Un ∈ B(R) et observons que λ(V \ A) = 0. Ainsi V \ A ∈ B(R)
et donc A = V \ (V \ A) ∈ B(R).
Enfin, si A ∈ M(λ) n’est pas de mesure finie, on considère An = A ∩ [−n, n] pour
n ∈ N. Chaque ensemble An est de mesure finie, donc appartient à B(R) par le point
S
précédent. Il s’en suit que A = n An ∈ B(R).

3.2.3 Fonctions de répartition

– 60 –
CHAPITRE 3. CONSTRUCTION DES MESURES

Proposition 3.11. Soit µ une mesure finie sur (R, B(R)). Alors la fonction Fµ : R →
[0, ∞) définie par Fµ (t) = µ((−∞, t]) est
• croissante,
• continue à droite et admettant des limites à gauche en tout point,
• telle que Fµ (t) −−−−→ 0 et Fµ (t) −−−−→ µ(R) < ∞.
t→−∞ t→+∞

Cette fonction est appelée la fonction de répartition de µ.

Preuve: Soit x ≤ y. Alors (−∞, x] ⊂ (−∞, y] et on déduit que Fµ (x) = µ((−∞, x]) ≤ µ((−∞, y]) =
Fµ (y).
Le fait que Fµ admet des limites à droites et à gauche en tout point suit du fait qu’elle
est croissante. De plus, pour tout x ∈ R,

lim Fµ (y) = lim Fµ x + n1 = lim µ (−∞, x + n1 ]

y&x n→∞ n→∞
\ 
=µ ↓ (−∞, x + n1 ] = µ((−∞, x]) = Fµ (x). (3.6)
n≥1

On a utilisé ici de manière importante que µ((−∞, x + 1]) ≤ µ(R) < ∞ pour passer de la
première ligne à la deuxième.
Enfin, on trouve

\ 
lim Fµ (x) = lim Fµ (−n) = lim µ (−∞, −n] = µ ↓ (−∞, −n] = µ(∅) = 0.
x→−∞ n→∞ n→∞ n≥1

De plus
[

lim Fµ (x) = lim Fµ (n) = lim µ (−∞, n] = µ ↑ (−∞, n] = µ(R) < ∞.
x→∞ n→∞ n→∞ n≥1

Remarque 3.12. Observons qu’on peut faire un calcul similaire a (3.6) pour déduire que
[ 
lim Fµ (y) = µ ↑ (−∞, x − n1 ] = µ((−∞, x)).
y%x n≥1

Ainsi, les sauts de Fµ (c.-à-d. les points x avec limy%x Fµ (y) < Fµ (x)) correspondent à des
atomes de µ avec
µ({x}) = Fµ (x) − lim Fµ (y).
y%x

En particulier, si Fµ est continue, µ n’a pas d’atomes.

Proposition 3.13. Soit F : R → [0, ∞) une fonction

• croissante,
• continue à droite et admettant des limites à gauche en tout point,

– 61 –
CHAPITRE 3. CONSTRUCTION DES MESURES

• avec limt→−∞ Fµ (t) = 0 et limt→∞ F (t) finie.

Alors il existe une unique mesure µ sur (R, B(R)) de fonction de répartition F .

Preuve: Unicité: Supposons que µ et ν sont deux mesures sur (R, B(R)) avec Fµ = Fν . Alors,

µ(R) = lim Fµ (x) = lim Fν (x) = ν(R) < ∞.

x→∞ x→∞

De plus, pour tout a < b,

µ((a, b]) = µ((−∞, b]) − µ((−∞, a]) = Fµ (b) − Fµ (a) = ν((a, b]).

Par le lemme de classe monotone (plus précisément sa conséquence proposition 1.12) on

conclut que µ = ν.
Existence: on donne deux façons de procéder dans les exercices 67 et 68.

Exercice 66.
Soit F : R → R une fonction croissante avec limx→−∞ F (x) = 0 et limx→+∞ F (x) < ∞.
(a) Montrer que F admet un nombre au plus dénombrable de sauts, c.-à-d. de points x ou
limt%x F (x) 6= limt&x F (x). Notons S l’ensemble des sauts de F .
(b) Montrer qu’on peut modifier F pour la rendre continue à droite, sans changer ses
limites à gauche/droite, en posant F̃ (x) = limy&x F (y) pour tout x ∈ R. Désormais on
va considérer que F est continue à droite.
P
(c) Soit m(x) = F (x) − limy%x F (y) le saut au point x. Posons G(x) = y≤x m(y).
Montrer que G(x) ≤ F (x) pour tout x.
(d) Montrer que F − G est une fonction continue croissante.
(e) Supposons que µ et µ̃ sont des mesures de fonctions de répartition F et F − G, respec-
tivement. Notons X
m= m(x)δx ,
x∈S

où δx est la mesure de Dirac en x. Montrer que µ = µ̃ + m.

Exercice 67 (Construction de la mesure associée à une fonction de répartition I).

Soit F : R → R une fonction croissante, continue à droite et admettant des limites à gauche
en tout point, avec limx→−∞ F (x) = 0 et limx→+∞ F (x) < ∞. Le but de cet exercice est de
construire la mesure de fonction de répartition F en passant par les mesures extérieures.
(a) Supposons que F est continue. En utilisant la même stratégie que pour la mesure de
d’une mesure µ de fonction S
Lebesgue, montrer l’existence P de répartition F .
Indication: poser µ(A) = inf{
P n≥0 F (b n ) − F (a n ) : A ⊂
S n≥0 ]an , bn [} et montrer que
pour tout  > 0, µ(A) = inf{ n≥0 F (bn )−F (an ) : A ⊂ n≥0 ]an , bn [ et bn −an <  ∀n}.
(b) Pour F pas nécessairement continue, considerer la décomposition F = F̃ + G, ou F̃
est continue et G corresponde uniquement au sauts de F . Observer qu’il existe des
mesures µ̃ et m sur (R, B) de fonctions de répartition F̃ et G, respectivement.

– 62 –
CHAPITRE 3. CONSTRUCTION DES MESURES

(c) Conclure qu’il existe une mesure de fonction de répartition F .

Exercice 68 (Construction de la mesure associée à une fonction de répartition II).

Soit F : R → R une fonction croissante, continue à droite et admettant des limites à gauche
en tout point, avec limx→−∞ F (x) = 0 et limx→+∞ F (x) < ∞. Le but de cet exercice est de
construire la mesure de fonction de répartition F à partir de la mesure de Lebesgue λ.
(a) Montrer qu’il existe au plus un nombre dénombrable de x ∈ R avec |F −1 ({x})| > 1.
(b) Pour A ∈ B(R), posons F (A) = {F (x) : x ∈ A}. Montrer que F (A) ∈ B(R).
Indication: considerer C := {A ⊂ R : F (A) ∈ B(R)}; utiliser le point (a).
(c) Supposons que F est continue. Montrer que µ(A) = λ(F (A)) définit une mesure finie
sur (R, B(R)) et que sa fonction de répartition est F .
(d) Si F est une fonction quelconque
S avec les propriétés de l’énoncé (mais pas forcement
continue), poser F (A) = x∈A [limt%x F (t), F (x)] pour tout A ∈ B(R). Montrer que
F (A) ∈ B(R) et que µ(A) = λ(F (A)) définit une mesure finie sur (R, B(R)) et que sa
fonction de répartition est F .
(e) Que obtient-t-on si on pose ν(A) = λ(F (A)) quand F est une fonction de répartition
avec des discontinués?

Exercice 69.
Soit µ une mesure finie de fonction de répartition Fµ . Supposons que Fµ ∈ C 1 . Montrer que
µ admet la densité Fµ0 par rapport à la mesure de Lebesgue λ.

Exercice 70.
L’ensemble de Cantor C∞ ⊂ [0, 1] est défini comme suit. Soit C0 = [0, 1]. On pose C1 =
1 2
C2 = C0 \ ( 9 , 9 ) ∪ ( 9 , 9 ) etc. Formellement Cn+1 = 13 Cn ∪ 32 + 31 Cn .
1 2 7 8



C0 \ ( 3 , 3 ) ⊂ C0 . Puis T
Enfin, on pose C∞ = n≥0 Cn .

(a) Calculer λ(Cn ) et déduire que λ(C∞ ) = 0.

n
(b) Soit Fn la fonction de répartition de 32 λ(.∩Cn ) où λ(.∩Cn ) est la mesure de Lebesgue
restreinte à Cn (c.-à-d. la mesure donnée par A 7→ λ(A ∩ Cn )). Dessiner sur un même
graph, F0 , F1 , . . . .
(c) Montrer que (Fn )n≥0 converge quand n → ∞ vers une fonction croissante F (est-ce que
la convergence est simple/en norme infinie k.k∞ ?)
(d) Montrer que F est croissante et continue.
(e) Soit µ la mesure de fonction de répartition F . Montrer que µ(C∞ ) = [0, 1] = 1 mais
que µ n’as pas d’atomes (c.-à-d. que µ({x}) = 0 pour tout x ∈ [0, 1]) .
(f) Est-ce qu’il existe une fonction f mesurable positive telle que µ = f dλ ?
La mesure µ est concentrée sur un ensemble de mesure de Lebesgue 0, mais n’a pas d’atomes.
Cet exemple nous montre qu’une mesure ne se décompose pas uniquement dans une partie
absolument continue et une partie atomique.

– 63 –
CHAPITRE 3. CONSTRUCTION DES MESURES

Exercice 71.
Soit µ une mesure infinie sur R, telle que µ([a, b]) < ∞ pour tout a < b.
(a) Construire une fonction F : R → R telle que

µ((a, b]) = F (b) − F (a), pour tout a < b.

(b) Est-ce que F est unique ? Et si on impose que F (0) = 0 ?

(c) Quelles des propriétés des fonctions de répartition s’appliquent aussi à F ?
(d) Si on se donne F avec les propriétés du point précédent, peut-on déduire l’existence/l’unicité
d’une mesure µ avec µ((a, b]) = F (b) − F (a) pour tout a < b ?

3.2.4 Exemple d’ensemble non-mesurable

On peut se demander si par hasard B(R) ou B(R) ne sont pas égales à P(R). Ce serait une
grande simplification de ne pas devoir vérifier si les ensembles qu’on veut mesurer sont en
effet mesurables.
Malheureusement ce fait est au mieux indécidable. En effet, si on accepte l’axiome du
choix (la version indénombrable), alors on peut construire un ensemble E ∈ R qui n’est pas
λ-mesurable. Par contre, sans l’axiome du choix, l’existence d’un tel ensemble ne peut pas
se montrer.
Soit ∼ la relation d’équivalence sur R donnée par

x∼y ⇔ x − y ∈ Q, ∀x, y ∈ R.

Par l’axiome du choix, il existe un ensemble E ⊂ [0, 1] de représentants de chaque classe

d’équivalence de ∼. Soit E un tel ensemble. Alors
• si x, y ∈ E sont tels que x ∼ y, alors x = y;
• pour tout x ∈ R il existe y ∈ E tel que x ∼ y.
/ B(R).
Lemme 3.14. E ∈

Preuve: Supposons par l’absurde que E ∈ B(R). Par la première propriété de E, pour a, b ∈ Q
distinctes (a + E) ∩ (b + E) = ∅. Ainsi
G
a + E ⊂ [0, 2].
a∈Q∩[0,1]
F P P
On conclut que λ( a∈Q∩[0,1] a + E) = a∈Q∩[0,1] λ(a + E) = a∈Q∩[0,1] λ(E) ≤ 2. Cela
n’est possible que si λ(E) = 0.
Enfin on observe que, par la seconde propriété de E,
G
a + E ⊃ [0, 1].
a∈Q∩[−1,1]
F P
Ce qui est contradictoire car λ( a∈Q∩[−1,1] a + E) = a∈Q∩[−1,1] λ(a + E) = 0.

– 64 –
CHAPITRE 3. CONSTRUCTION DES MESURES

Exercice 72.
Soit E ⊂ [0, 1] avec E ∈ / B(R) et soit F la fonction de répartition de la mesure de Cantor,
définie dans l’exercice 70. Montrer que {x ∈ C∞ : F (x) ∈ E} est négligeable pour la mesure
de Lebesgue mais n’appartient pas à B(R). Conclure que B(R) 6= B(R).

3.2.5 Lien avec l’intégrale de Riemann

Proposition 3.15. Toute fonction f : R → R Riemann-intégrable est mesurable et son

intégrale au sens de Riemann est égale à son intégrale au sens de Lebesgue contre la mesure
de Lebesgue λ.

Preuve: Pour simplicité, on va se limiter aux fonctions à valeurs positives. Observons que la
proposition est évidente quand f est une fonction en escalier.
Soit f : R → R+ une fonction Riemann-intégrable. Écrivons dans cette preuve R(f )
pour
R l’intégrale de Riemann de f , pour la distinguer de l’intégrale de Lebesgue qu’on note
f dλ (si f est mesurable).
Supposons pour commencer que f est à support compact. Il existe alors des fonctions
(gn , hn ; n ≥ 1) étagées telles que 0 ≤ gn ≤ f ≤ hn pour tout n et R(hn − gn ) → 0
quand n → ∞. Quitte à poser g̃n = max{g1 , . . . , gn } et h̃n = min{h1 , . . . , hn }, on peut
supposer que les suites de fonctions (gn )n≥1 et (hn )n≥1 sont croissantes et décroissantes,
respectivement. De plus, vu que ce sont des fonctions en escalier, elles sont mesurables et
leurs intégrales de Riemann et de Lebesgue coïncident.
Notons `(x) = lim↓n→∞ hn (x) − gn (x) pour x ∈ R. Alors ` est une fonction mesurable
sur R, car c’est la limite simple de fonctions mesurables. De plus, par le lemme de Fatou
Z Z
` dλ ≤ lim inf (hn − gn ) dλ = lim R(hn − gn ) = 0.
n→∞ n→∞

Vu que ` est une fonction positive, on conclut que ` = 0 λ-presque partout.

Ainsi gn → f quand n → ∞, λ-presque partout, donc f est mesurable. De plus,
comme la convergence est croissante, le théorème de convergence monotone implique
Z Z
f dλ = lim gn dλ = lim R(gn ) = R(f ).
n→∞ n→∞

Enfin, passons au cas où f n’est pas à support compact. Posons fM = f 1[−M,M ] pour
M ∈ N. Alors fM est Riemann-intégrable et à support compact; on peut appliquer le point
précèdent pour conclure que fM est mesurable. De plus fM converge λ-presque partout
vers f (en croissant, quand M → ∞), donc f est mesurable et
Z Z
R(f ) = lim R(fM ) = lim fM dλ = f dλ.
M →∞ M →∞

– 65 –
CHAPITRE 3. CONSTRUCTION DES MESURES

Exercice 73.
Soit f : R → [0, +∞). Montrer que f est Riemann-intégrable si et seulement si l’ensemble
de ses points de discontinuité est Lebesgue-négligeable.

3.3 Mesures produits

3.3.1 Construction

Théorème 3.16. Soient (E, E, µ) et (F, F, ν) deux espaces mesurés avec µ et ν étant
σ-finies. Alors il existe une unique mesure notée µ ⊗ ν sur (E × F, E ⊗ F) telle que, pour
tout A ∈ E et B ∈ F (1) ,
(µ ⊗ ν)(A × B) = µ(A)ν(B).
La mesure µ ⊗ ν est aussi σ-finie.

Preuve: Existence: On utilisera les mesures extérieures, plus précisément le second point du
Théorème 3.3.
Posons A = {A × B : A ∈ E et B ∈ F} et à = { nk=1 Cn : C1 , . . . , Cn ∈ A}. On
F

voit directement que à est une algèbre. Pour nk=1 Ak × Bk ∈ à (avec A1 , . . . , An ∈ E et

F

B1 , . . . , Bn ∈ F), posons(2)
n
G  n
X
ρ Ak × Bk := µ(Ak )ν(Bk ).
k=1 k=1

Alors ρ satisfait ρ(∅) = 0 et est additive et monotone. Si on montre de plus que ρ est
σ-additive sur Ã, on peut appliquer le Théorème 3.3 pour conclure que ρ se prolonge en
une mesure sur σ(Ã) = E ⊗ F.
Soient A, A1 , · · · ∈ E et B, B1 , · · · ∈ F tels que
G
A×B = An × Bn .
n≥1

Montrons alors que

X
ρ(A × B) = ρ(An × Bn ). (3.7)
n≥1

Cette condition implique directement la σ-additive sur Ã, on en laisse la vérification au

lecteur.
R
Posons fn : E → [0, +∞) définie par fn = ν(Bn )1An . Alors ρ(An × Bn ) = E fn dµ.
De plus, vu que les ensembles A1 × B1 , . . . , AN × BN sont deux à deux disjoints, pour tout
(1)
Fn0 · ∞ = 0.
Dans cette formule, comme dans toute cette partie, on utilise la convention
(2)
Pour que la définition suivante soit bien fondée, il faut s’assurer que si k=1 Ak × Bk s’écrit de deux
manières différentes, alors on obtient la même valeur pour ρ. Cela se montre facilement en utilisant (3.7).

– 66 –
CHAPITRE 3. CONSTRUCTION DES MESURES

x ∈ B,
∞
X  [ 
ν(Bn )1An (x) = ν Bn = ν(B).
n=1 n: x∈An

Par le théorème de convergence monotone

N
X N
Z X ∞
Z X
ρ(An × Bn ) = ν(Bn )1An dµ −−−−→ ν(Bn )1A dµ = ρ(A × B).
N →∞
n=1 n=1 n=1

Cela montre l’égalité désirée, donc que ρ est σ-additive sur Ã.
Ainsi, par le Théorème 3.3 (second point), la mesure extérieure π définie à partir de ρ
induit une mesure sur σ(Ã) = E ⊗ F et satisfait

π(C) = ρ(C) = µ(A)ν(B) pour tout C = A × B ∈ A.

Ainsi, la restriction de π à E ⊗ F satisfait les propriétés de la mesure produit.

Unicité: On peut supposer dans un premier temps que µ et ν sont finies. Alors l’ensemble
M = {A × B : A ∈ E, B ∈ F} est une classe monotone de E × F qui engendre E ⊗ F.
L’unicité de µ ⊗ ν suit du lemme de classe monotone (plus précisément de sa conséquence
proposition 1.12).
Si µ et ν sont infinies, on peut se ramener au cas précédent grâce à la σ-finitude.

Lemme 3.17. Soient (E, E, µ), (F, F, ν), (G, G, π) trois espaces mesurés σ-finis. Alors

µ ⊗ (ν ⊗ π) = (µ ⊗ ν) ⊗ π.

Preuve: Pour tout A ∈ E, B ∈ F et C ∈ G,

[µ ⊗ (ν ⊗ π)](A × B × C) = µ(A)ν(B)π(C) = [(µ ⊗ ν) ⊗ π](A × B × C).

De plus l’ensemble M = {A × B × C : A ∈ E, B ∈ F, C ∈ G} est stable par intersections

finies. Par la proposition 1.12 et la σ-finitude de µ, ν et π, on déduit que µ ⊗ (ν ⊗ π) =
(µ ⊗ ν) ⊗ π.

3.3.2 Intégration des mesures produits

Le but de cette partie est le théorème de Fubini. Ce théorème affirme essentiellement que
l’intégrale sur un espace produit peut se faire coordonnée par coordonnée. On va en voir
deux versions, une pour les fonctions positives (sans conditions supplémentaires) et une pour
les fonctions quelconques (avec l’hypothèse supplémentaire d’intégrabilité).
On commence par un lemme qui représente le théorème de Fubini pour les fonctions
indicatrices.

Lemme 3.18. Soient (E, E, µ) et (F, F, ν) deux espaces mesurés σ-finis et C ∈ E ⊗F. Alors,

– 67 –
CHAPITRE 3. CONSTRUCTION DES MESURES

(i) pour tout x ∈ E et y ∈ F

Cx = {y ∈ F : (x, y) ∈ C} ∈ F; Cy0 = {x ∈ E : (x, y) ∈ C} ∈ E;

(ii) les fonctions x 7→ ν(Cx ) et y 7→ µ(Cy0 ) sont mesurables;

(iii) µ ⊗ ν(C) = ν(Cx )dµ(x) = µ(Cy0 )dν(y).
R R

Preuve: (i) Soit x ∈ E. Posons C = {C ∈ E ⊗ F : Cx ∈ F}. On montre facilement que C est une
tribu et qu’elle contient {A × B : A ∈ E, B ∈ F}.
(ii) Montrons que la fonction φC = x 7→ ν(Cx ) est mesurable pour tout C ∈ E ⊗ F (la
preuve pour y 7→ µ(Cy0 ) est identique). On commence par ν finie. Posons

G = {C ∈ E ⊗ F : φC = x 7→ ν(Cx ) est mesurable}.

Montrons que G est une classe monotone qui contient {A × B : A ∈ E, B ∈ F}.

Dans un premier temps, on observe que, pour A ∈ E et B ∈ F on a φA×B = 1x∈A ν(B).
Ainsi φA×B est mesurable, donc A × B ∈ G.
En particulier, E × F ∈ G. De plus, si C, C 0 ∈ G avec C ⊂ C 0 , alors φC 0 \C (x) =
ν(Cx0 \ Cx ) = ν(Cx0 ) − ν(Cx ) = φC 0 (x) − φC (x), est une fonction mesurable de x car c’est
une différence de deux fonctions mesurables (3) . Ainsi C 0 \ C ∈ G. Enfin, si (Cn )n≥1 ∈ G N
S
est une suite croissante avec C = n≥1 Cn , alors φC = lim ↑ φCn est mesurable, donc
n
C ∈ G. Ainsi G est une classe monotone qui contient les pavés de E × F .
Par le lemme de classe monotone, E ⊗ F = σ({A × B : A ∈ E, B ∈ F}) ⊂ G, donc
G = E ⊗ F.
Passons au cas où ν n’est pas finie. Par σ-finitude, on peut écrire F = ∪n Kn avec
ν(Kn ) < ∞. Alors φC = lim φC∩(E×Kn ) , qui sont mesurables, donc φC est aussi mesurable.
R
(iii) Définissons η : E ⊗ F → [0, ∞] par η(C) = ν(Cx )dµ(x) et montrons que η est une
mesure sur E × F .
Soient C (1) , C (2) , · · · ∈ E ⊗ F deux à deux disjoints. Alors, pour chaque x ∈ E, les
(1) (2)
ensembles Cx , Cx , . . . sont aussi deux à deux disjoints et
G  G
C (n) = Cx(n) .
x
n≥1 n≥1

Ainsi, par le théorème de convergence monotone

X XZ Z X
(n) (n)
η(C ) = ν(Cx )dµ(x) = ν(Cx(n) )dµ(x)
n≥1 n≥1 n≥1
Z h G
i G 
= ν C (n) x dµ(x) = η C (n) .
n≥1 n≥1

Ainsi η est une mesure. De plus, on voit directement que

η(A × B) = µ(A)ν(B) = (µ ⊗ ν)(A × B) ∀A ∈ E, B ∈ F.

(3)
On utilise ici le fait que ν(Cx ) < ∞.

– 68 –
CHAPITRE 3. CONSTRUCTION DES MESURES

Par l’unicité de la mesure produit, on obtient µ ⊗ ν = η.

Théorème 3.19 (Fubini pour fonctions positives). Soit f : E × F → R+ une fonction

mesurable (pour la tribu E ⊗ F). Alors
(i) pour tout x ∈ E la fonction y 7→ f (x, y) est mesurable et pour tout y ∈ F , la fonction
x 7→ f (x, y) est mesurable;
(ii) les fonctions Z Z
y 7→ f (x, y)dµ(x) et x 7→ f (x, y)dν(y)

sont mesurables;
(iii) de plus
Z Z Z  Z Z 
f (z)d(µ ⊗ ν)(z) = f (x, y)dµ(x) dν(y) = f (x, y)dν(y) dµ(x).

Preuve: Commençons par le cas où f = 1C pour C ∈ E ⊗ F. Alors, pour tout x ∈ E, y 7→ f (x, y)

peut aussi
R s’écrire y 7→ 1y∈Cx . Par le lemme
R précèdent, cette fonction est mesurable. De
plus, f (x, y)dν(y) = ν(Cx ), donc y 7→ f (x, y)dν(y) est aussi mesurable. Enfin
Z Z
1z∈C d(µ ⊗ ν)(z) = (µ ⊗ ν)(C) = ν(Cx )dµ(x)
Z Z Z
= (1(x,y)∈C dν(y))dµ(x) = ( f (x, y)dν(y))dµ(x).

Ainsi le théorème est vrai pour les fonctions indicatrices.

Par linéarité, il est aussi vrai pour les combinaisons linéaires de fonctions indicatrices
(qu’on a appelées fonctions étagées).
Enfin, si f est une fonction mesurable positive quelconque, on pose pour n ≥ 0
X X
fn (z) = k2−n 1f (x,y)∈[k2−n ,(k+1)2−n [ = k2−n 1(x,y)∈f −1 ([k2−n ,(k+1)2−n [) .
k≥0 k≥0

Alors, par le point précédent le théorème est vrai pour chaque fn . De plus fn (z) % f (z)
pour tout z ∈ E × F . Alors la mesurabilité se déduit par limites de fonctions mesurables.
Par le théorème de convergence monotone, on a
Z Z
f (z)d(µ ⊗ ν)(z) = lim fn (z)d(µ ⊗ ν)(z)
n
Z Z 
= lim fn (x, y)dµ(x) dν(y)
n
Z  Z 
= lim fn (x, y)dµ(x) dν(y)
n
Z Z 
= f (x, y)dµ(x) dν(y).

– 69 –
CHAPITRE 3. CONSTRUCTION DES MESURES

Théorème 3.20 (Fubini pour fonctions quelconques). Soit f : E × F → R une fonction

mesurable et µ ⊗ ν intégrable. Alors
(a) les fonctions x 7→ f (x, y) (et y 7→ f (x, y)) sont intégrables pour ν-presque tout y (et
µ-presque tout x respectivement);
R R
(b) les fonctions y 7→ f (x, y)dµ(x) et x 7→ f (x, y)dν(y) sont bien définies à un
ensemble de mesure nulle près, et sont intégrables;
(c) on a
Z Z Z  Z Z 
f (z)d(µ ⊗ ν)(z) = f (x, y)dµ(x) dν(y) = f (x, y)dν(y) dµ(x).

Remarque 3.21. Pour vérifier que f est µ ⊗ ν intégrable, on peut appliquer le théorème
précédent à |f |. R
Il ne suffit pas que y 7→ f (x, y)dµ(x) soit bien définie et intégrable. Par exemple, si
sign(xy)
Ron pose f (x, y) = x2 1|y|≤e|x| , alors pour tout y ∈ R, f (., y) estR intégrable pour λ et
R tout x ∈ R, f (x, .) est intégrable pour λ et f (x, y)dy = 0. Ainsi
R fR(x, y)dx = 0. et Rpour
( f (x, y)dx)dy = ( f (x, y)dy)dx = 0. Pourtant f n’est pas intégrable sur (R2 , λ2 ).

Preuve: Comme f est intégrable, on a, par le théorème précédent,

Z Z Z 
|f (z)|d(µ ⊗ ν)(z) = |f (x, y)|dµ(x) dν(y) < ∞.
R
Ainsi, pour ν-presque tout y, |f (x, y)|dµ(x) < ∞, et on obtient le point (i).
R R
Notons H = {y ∈ R : |f (x, y)|dµ(x) R = ∞}. Alors, pour y ∈
/ H, f (x, y)dµ(x)
est bien défini. On pose par convention f (x, y)dµ(x) = 0 pour y ∈ H. Comme H est
négligeable,
R cette définition n’a pas d’influence sur l’intégralité et la valeur de l’intégrale
de y 7→ f (x, y)dµ(x).
Enfin, on a
Z Z Z Z
f (x, y)dµ(x) dν(y) ≤ |f (x, y)|dµ(x)dν(y) < ∞,
R
donc y 7→ f (x, y)dµ(x) est bien ν-intégrable. Ainsi on obtient (ii).
Écrivons f (z) = f+ (z) − f− (z) avec f+ = max(f, 0) et f− = − min(f, 0). Alors f+ et

– 70 –
CHAPITRE 3. CONSTRUCTION DES MESURES

f− sont des fonctions positives d’intégrale finie donc,

Z Z Z
f+ (z)d(µ ⊗ ν)(z) = f+ (z)d(µ ⊗ ν)(z) − f+ (z)d(µ ⊗ ν)(z)
Z Z Z Z



= f+ (x, y)dµ(x) dν(y) − f− (x, y)dµ(x) dν(y)
Z Z


= f+ (x, y) − f− (x, y)dµ(x) dν(y)
Z Z


= f (x, y)dµ(x) dν(y).

3.3.3 Mesure de Lebesgue sur Rd

Définition 3.22. Soit d ≥ 1. On définit sur (Rd , B(Rd )) la mesure

λd = λ ⊗ · · · ⊗ λ,
| {z }
d fois

où λ est la mesure de Lebesgue sur R. On appelle λd la mesure de Lebesgue sur Rd .

Remarque 3.23. En pratique, on va toujours considérer la mesure de Lebesgue sur la tribu

complétée B(Rd ).

Proposition 3.24.
(i) Pour tout A ∈ B(Rd ) et α ∈ R, λd (αA) = |α|d λd (A).
(ii) λd est invariante par les isométries de Rd .
(iii) Les seules mesures sur (Rd , B(Rd )) finies sur les compacts et invariantes par trans-
lations sont les multiples de λd .

Preuve:
(i) Soit α ∈ R∗ (pour α = 0 le résultat est trivial). Pour A ∈ B(Rd ) posons µ(A) =
|α|d λd ( α1 A). Alors µ est une mesure sur (Rd , B(Rd )) et pour A1 , . . . , Ad ∈ B(R),

µ(A1 × · · · × An ) = |α|d λ( α1 A1 ) . . . λ( α1 Ad ) = λ(A1 ) . . . λ(An ) = λd (A1 × · · · × An ).

Par unicité de la mesure produit µ = λd , ce qui donne le résultat.

(iii) Soit µ une mesure invariante par translations. Alors, on montre facilement que
 d  1
0, n1 = d · µ [0, 1]d .


µ
n

– 71 –
CHAPITRE 3. CONSTRUCTION DES MESURES

Ainsi, pour tout a1 , . . . , ad ∈ Q+ ,

µ([0, a1 ] × · · · × [0, ad ]) = a1 . . . ad · µ([0, 1]d ).

Le résultat s’étend à a1 , . . . , ad ∈ R+ en prenant des limites croissantes.

Ainsi, si µ([0, 1]d ) = ∞, alors µ(A) = ∞ pour tout A ∈ B(Rd ) d’intérieur non-vide.
Cela est incompatible avec le fait que µ est σ-finie. Ainsi, pour tout ai ≤ bi , on a

µ([a1 , b1 ] × · · · × [ad , bd ]) = C(b1 − a1 ) . . . (bd − ad ) = Cλd ([a1 , b1 ] × · · · × [ad , bd ])

pour une certaine constante C > 0.

On observe enfin que {[a1 , b1 ] × · · · × [ad , bd ] : a1 , . . . , ad , b1 , . . . , bd ∈ R} est une
famille stable par intersections finies qui engendre la tribu B(Rd ). Le lemme de
classe monotone montre que µ = Cλd .
(ii) L’invariance par translation de λd est une conséquence évidente de l’invariance par
translation de λ. Soit τ : Rd → Rd une isométrie avec τ (0) = 0.
Alors la mesure image de λd par τ , donnée par

τ (λd )(A) = λd (τ −1 (A)),

est une mesure sur (Rd , B(Rd )) qui est invariante par translation.
De plus, comme τ (B(0, 1)) = B(0, 1), τ (λd )(B(0, 1)) = λd (B(0, 1)). Par le point (iv),
τ (λd ) = λd .

Volume de la sphère Soit Bd = {(x1 , . . . , xd ) ∈ Rd : x21 + · · · + x2d ≤ 1}. On aimerai

calculer λd (Bd ) où λd est la mesure de Lebesgue dans Rd .
Calculons par récurrence vd = λd (Bd ). Pour n ≥ 2 on a, par le théorème de Fubini,
Z Z
vd = · · · 1(x1 ,...,xd )∈Bd dx1 . . . dxd
Z
= λd−1 ({(x1 , . . . xd−1 ) : x21 + · · · + x2d−1 ≤ 1 − x2d })dxd
Z 1
d−1
= vd−1 (1 − x2 ) 2 dx.
−1

Une intégration par partie montre

Z 1
d−1 1 2
Z
2 d−1 2 d−1
1 d−3
Id−1 = (1 − x ) 2 dx = [x(1 − x ) 2 ]−1 + 2x (1 − x2 ) 2 dx
−1 2 −1
Z 1
d−3
= (d − 1) x2 (1 − x2 ) 2 dx
−1
= (d − 1)(Id−3 − Id−1 )
d−1
Ainsi Id−1 = I .
d d−3
De plus, on peut calculer directement I0 = 2 et I1 = π/2. En

– 72 –
CHAPITRE 3. CONSTRUCTION DES MESURES

appliquant la formule au-dessus, on trouve I2 = 23 I0 = 43 . Ainsi on trouve

d−2 2π 2π
Id−1 Id−2 = Id−3 Id−4 = · · · = , donc vd = Id−1 vd−1 = Id−1 Id−2 vd−2 = vd−2 .
d d d
En gardant en tête que v1 = 2 et v2 = π (le second se calcule explicitement), on trouve

πk πk
v2k = et v2k+1 = .
k! (k + 12 )(k − 12 ) . . . 12

3.3.4 Changement de variable

Soient U, V ⊂ Rd des ouverts et φ : U → V une bijection avec φ et φ−1 de classe C 1 . Alors,
pour tout u ∈ U la différentielle dφ(u) ∈ Md (R) est inversible.

Théorème 3.25 (Changement de variable). Pour tout f : V → R+ (ou f : V → R qui

est λd -intégrable), on a
Z Z
f (v)dv = f (φ(u))|Jφ (u)|du,
V U

où Jφ (u) = det(dφ(u)) est la Jacobienne de φ en u.

On commence par un lemme.

Lemme 3.26. Soit M ∈ Md (R). Alors, pour tout A ∈ B(Rd ),

λd (M A) = | det(M )|λd (A). (3.8)

Preuve: Si M n’est pas inversible, alors M A est contenue dans Im(M ) qui est un hyperplan de Rd .
Comme λd est invariante par rotations,

λd (M A) ≤ λd (Im(M )) ≤ λd (Rd−1 × {0}) = 0.

De plus, det(M ) = 0, donc la relation est vraie (on prend la convention 0 · ∞ = 0).
Si M est inversible, on utilise le pivot de Gauss pour écrire M = P1 ·· · ··Pn où P1 , . . . , Pn
sont des matrices dont l’effet est de multiplier une coordonnée par un scalaire α 6= 0,
rajouter une coordonnée à une autre ou inverser deux coordonnées. Comme det(M ) =
Qn
i=1 det(Pi ) et que la transformation linéaire M est la composition des transformations
Pn , . . . , P1 , il suffit de montrer (3.8) les matrices P1 , . . . , Pn . Cela se fait directement pour
chaque type de matrice en commençant par A qui est une pavé et en utilisant le théorème
de Fubini.

– 73 –
CHAPITRE 3. CONSTRUCTION DES MESURES

Preuve du Théorème 3.25: Commençons par f = 1A pour un certain borélien A de V . Si on

pose B = φ−1 (A) ⊂ U , on veut montrer
Z
λ(φ(B)) = |Jφ (u)|du
B

Soit K ⊂ U un compact. On va montrer que pour tout  > 0, il existe δ > 0 telle que
pour tout C ⊂ K un cube de taille plus petite que δ,
Z
λ(φ(C)) − |Jφ (u)|du ≤ λ(φ(C)). (3.9)
C

Fixons  > 0. Pour chaque x ∈ K, on a

|φ(x) − φ(y) − dφ(x) · (y − x)| ≤ |x − y|,

pour tout y dans un voisinage de x. Par compacité de K, il existe δ > 0 tel que

|φ(x) − φ(y) − dφ(x) · (y − x)| ≤ |x − y|, ∀x, y ∈ K, |x − y| ≤ δ.

Pour x = (x1 , . . . , xd ) ∈ Rd et R ≥ 0, posons C(x, R) = [x1 − R, x1 + R[×[xd − R, xd + R[.

Alors on vient de montrer que pour x ∈ K avec C(x, δ) ⊂ K on a

φ(x) + (1 − )dφ(x) · C(0, δ) ⊂ φ(C(x, δ)) ⊂ φ(x) + (1 + )dφ(x) · C(0, δ).

Mais on a vu l’effet d’une transformation matricielle sur la mesure de Lebesgue. Ainsi

 
λd φ(C(x, δ)) − |Jφ (u)|λd (C(0, δ)) ≤ |Jφ (u)|λd (C(0, x)).

Quitte à diminuer δ, on peut supposer (par uniforme continuité de dφ sur K) que

|Jφ (u) − Jφ (x)| ≤  sup |Jφ (y)|.

y∈K
R
A retenir aussi que λd (C(0, δ)) = C (u, δ)dx Ainsi
Z
 
λd φ(C(x, δ)) − |Jφ (u)|du ≤ 2 sup |Jφ (y)|λd (C(0, δ)).
C(u,δ) y∈K

Quitte à changer  on obtient (3.9).

Soit C = ×i [ai , ai + ∆[⊂ K pour un certain ∆ > 0 et  > 0. Alors en écrivant

×
G
ai + jni ∆, ai + jin+1 ∆ ,
 
C=
j1 ,...jd ∈[0,n−1] i

pour un n assez grand, on trouve

Z


λd φ(C) − |Jφ (u)|du ≤ λd (C).
C

– 74 –
CHAPITRE 3. CONSTRUCTION DES MESURES

Comme  > 0 est arbitraire, cela implique,

Z


λd φ(C) = |Jφ (u)|du.
C

pour tout cube C ⊂ K.

Par σ-additivité, on étend l’égalité à tout pavé C de la forme ×i [ai , bi [⊂ K avec ai ≤ bi .
Enfin, par le lemme des classe monotone, on déduit que
Z


λd φ(B) = |Jφ (u)|du
B

pour tout B ∈ B(K). Enfin, il existe une suite croissante de compacts Kn ⊂ U avec
∪n Kn = U . Alors, pour B ∈ B(U ), on a B = ∪Kn ∩ B et φ(B) = ∪n φ(Kn ∩ B) (les deux
unions étant croissantes). Par le théorème de convergence monotone,
Z Z



λd φ(B) = lim λd φ(B ∩ Kn ) = lim |Jφ (u)|du = |Jφ (u)|du.
n n B∩Kn B

3.4 Mesures et topologie

Très souvent on muni des espaces avec une structure topologique d’une mesure. Alors, la
structure mesurable est généralement reliée à celle topologique, comme par exemple par le
fait que la tribu considérée est la tribu borélienne. Dans cette partie, on étudie ces liens plus
en détail.
Un espace topologique E avec une topologie de Hausdorff (T2) est dit localement compact
si pour tout x ∈ E il existe un ouvert U ⊂ E et un compact K ⊂ E tels que x ∈ U ⊂ K.
De plus E est dit σ-compact s’il existe une suite croissante de compacts K1 ⊂ K2 ⊂ · · · ⊂ E
avec [
E= Kn .
n≥1

Pour simplifier le cadre, on va se limiter en grande partie aux espaces métriques propres.
Il s’agit des espaces métriques (E, d) tels que, pour tout x ∈ E et r > 0, B(x, r) := {y ∈ E :
d(x, y) ≤ r} est compact.
Quand on travaille sur un espace topologique E, on utilise par défaut la tribu borélienne
B(E). Une mesure sur (E, B(E)) est appelée mesure borélienne.

3.4.1 Régularité des mesures boréliennes

Définition 3.27. Soient E un espace topologique. Une mesure µ sur (E, B(E)) est dite

– 75 –
CHAPITRE 3. CONSTRUCTION DES MESURES

régulière si pour tout A ⊂ B,

µ(A) = sup{µ(K) : K ⊂ A, K compact}

= inf{µ(U ) : A ⊂ U, U ouvert} ∀A ∈ B(E). (3.10)

La première égalité est définie la propriété de régularité interne; la seconde celle de régu-
larité externe.

Ainsi, une mesure µ est régulière si on peut approximer tout ensemble par des ouverts
ou des compacts, au sens de µ. Dans le supremum on prend K compact car généralement,
quand on parle de mesure régulière, on demande à ce que la mesure de tout compact soit
finie.

Théorème 3.28 (Régularité sur les espaces métriques propres). Soit (E, d) un espace
métrique propre muni d’une mesure borélienne µ finie sur les compacts. Alors µ est
régulière.

Preuve: 1. On peut commencer par supposer que E est compact et que µ est finie. On pose

C = {A ∈ B(E) : A peut être approximé par des ouverts & compacts comme dans (3.10)}.

Montrons que C est une classe monotone qui contient tous les ouverts. On voit facilement
que E ∈ C.
Soient A, B ∈ C, avec A ⊂ B. Montrons la première égalité de (3.10) pour B \ A.
Fixons  > 0 et soient U un ouvert et F un compact avec A ⊂ U et F ⊂ B et tels que
µ(U ) ≤ µ(A) +  et µ(F ) ≥ µ(B) − . Alors F \ U est un fermé (donc compact), il est
contenu dans B \ A et est tel que

µ(F \ U ) = µ(F ) − µ(U ∩ F ) ≥ µ(F ) − µ(U ) ≥ µ(B) − µ(A) − 2 = µ(B \ A) − 2.

Voir Figure 3.2 pour une illustration. Vu que  > 0 est arbitraire, on vient de montrer que

µ(B \ A) = sup{µ(K) : K ⊂ B \ A, K compact}.

Une procédure similaire montre que µ(B \ A) = inf{µ(U ) : B \ A ⊂ U, U ouvert}.

En fin, montrons la stabilité de C par union croissante. Soient A1 ⊂ A2 ⊂ . . . dans
S
C et posons A = n≥1 An . Alors µ(A) = limn µ(An ). Soit  > 0 et Kn ⊂ An ⊂ Un des
compacts, respectivement ouverts, tels que

µ(Kn ) +  ≥ µ(An ) ≥ µ(Un ) − 2−n .

On peut trouver de tels ensembles car µ est une mesure finie. De plus, il existe n tel que
µ(A) − µ(An ) ≤ , donc µ(A) − µ(Kn ) ≤ 2, et Kn ⊂ An ⊂ A.
S
D’autre part, si on pose U = n≥1 Un , U est un ouvert et A ⊂ U . De plus
 h[ i X
µ(U ) = µ A ∪ (Un \ An ) ≤ µ(A) + 2−n  ≤ µ(A) + 2.
n≥1 n

– 76 –
CHAPITRE 3. CONSTRUCTION DES MESURES

µ(U \ A) < 

B F µ(B \ F ) < 
A
U
µ(F \ U ) ≥ µ(B \ A) − 2

Figure 3.2: L’ouvert U couvre A, mais a une mesure au plus µ(A)+. Le fermé F est contenu
dans B, mais sa mesure est au moins µ(B) − . Alors F \ U est un fermé contenu dans B \ A
de masse au moins µ(B \ A) − 2.

S
Comme  est arbitraire, A = n≥1 An satisfait (3.10), donc C est une classe monotone.
Montrons que si A est un ouvert, alors A ∈ C. Le fait que µ(A) = inf{µ(U ) : A ⊂
U, U ouvert} est évident (il suffit de prendre U = A). Montrons qu’on peut trouver
Fn ⊂ A une suite de fermés (donc compacts car E est compact) avec µ(Fn ) → µ(A). On
pose simplement Fn = {x ∈ U : d(x, Ac ) ≥ 1/n}. Alors Fn est fermé et, vu que A est
S
ouvert, A = n≥1 Fn (l’union étant croissante). Ce-ci implique que µ(Fn ) → µ(A).
On conclut que C est une classe monotone qui contient les ouverts de E. L’ensemble
des ouverts étant stable par intersections finies, le lemme de classe monotone (Thm. 1.10)
implique que B(E) ⊂ C, donc que la mesure est régulière.
2. Passons au cas général. Soit A ⊂ B(E) et fixons un point O ∈ E.
Commençons par la régularité interne. En appliquant le point précédent à la restriction
µ(. ∩ B(O, n)) de µ au compact B(O, n), on déduit l’existence d’un compact Kn avec
Kn ⊂ A ∩ B(O, n) ⊂ A et µ(Kn ) ≥ µ(A ∩ B(O, n)) − 2−n . Ainsi limn→∞ µ(Kn ) =
limn→∞ µ(A ∩ B(O, n)) = µ(A).
Pour la régularité externe, on peut supposer que µ(A) < ∞. Soit  > 0. En utilisant
le point précédent pour µ(. ∩ B(O, n)), il existe des ouverts Un avec A ∩ B(O, n) ⊂ Un et
µ[Un ∩ B(O, n)] ≤ µ[A ∩ B(O, n)] + 2−n . Posons Vn = Un ∩ B(O, n), il s’agit d’un ouvert
de E avec µ(Vn \ A) ≤ 2−n .
S
En fin n≥1 Vn est un ouvert qui contient A et on a
X
µ(V ) − µ(A) = µ(V \ A) ≤ µ(Vn \ A) ≤ .
n≥1

Comme  > 0 est arbitraire, la régularité externe est montrée.

Corollaire 3.29. Le mesure de Lebesgue sur R est régulière.

Preuve: Le Théorème 3.28 s’applique directement car R est un espace propre et λ est finie sur les
compacts.

Deux autres résultats de ce type sont donnés plus bas. Ils ne sont pas essentiels pour
ce cours.

– 77 –
CHAPITRE 3. CONSTRUCTION DES MESURES

Autres résultats de régularité: probabilités dans les espaces polonais∗

Théorème 3.30 (Régularité des mesures finies sur les espaces Polonais). Soit (E, d) un
espace polonais muni d’une mesure borélienne finie µ. Alors µ est régulière.
Ce théorème est surtout utile en probabilités, quand µ(E) = 1.

Preuve: Commençons par montrer la régularité interne pour l’ensemble E. Soit  > 0 on va
construire un compact K ⊂ E avec µ(K) ≥ µ(E) − . Soit (xi )i∈N une suite dense dans
E. Alors pour chaque n ∈ N, [
E= B(xi , 1/n).
i∈N

Ainsi il existe In ≥ 0 tel que

In
[ 
µ B(xi , 1/n) ≥ µ(E) − .
i

Par le suite, on va considérer l’ensemble

In
\ [
F = B(xi , 1/n).
n≥1 i=1

On observe que F est précompact: Soit (yk )k∈N ∈ F . Alors il existe une suite i1 , i2 , . . .
T
et une extraction σ telle que yσ(k) ∈ 1≤j≤k B(xij , 1/j) pour tout k. Cela implique que
yσ(k) est de Cauchy, donc convergente.
On conclut que K = F est compact. De plus
In
X h [
c i X
c
µ(K ) ≤ µ(F ) ≤ c
µ B(xi , 1/n) ≤ 2−n = .
n i=1 n≥1

Maintenant montrons la régularité de µ pour tout ensemble. Soit A ∈ B(E) et  > 0.

Fixons K un compact tel que µ(E \ K) < . Par le Théorème 3.28, la mesure µ restreinte
à K est régulière. Il existe donc F ⊂ A ∩ K ⊂ U avec F compact et U ouvert tels que
µ(F ) +  ≥ µ(A ∩ K) ≥ µ(U ) − . Alors on a aussi F ⊂ A ⊂ (U ∪ K c ). De plus U ∪ K c
est ouvert et comme µ(K c ) < ,

µ(F ) + 2 ≥ µ(A) ≥ µ(U ∪ K c ) − 2.

Vu que  > 0 est arbitraire, la régularité de µ est montrée.

Autres résultats de régularité: espaces localement compacts∗

Théorème 3.31 (Régularité sur les espaces localement compacts). Soit E un espace topologique
Hausdorff et localement compact dans lequel tout ouvert est σ-compact. Supposons que µ est
une mesure borélienne sur E telle que le mesure de tout compact soit finie. Alors µ est
régulière.

– 78 –
CHAPITRE 3. CONSTRUCTION DES MESURES

Preuve: Le preuve est très similaire à celle du Théorème 3.28. On commence par supposer que E
est compact (et par conséquent que µ(E) < ∞). Alors

C = {A ∈ B(E) : A peut être approximé par des ouverts & compacts comme dans (3.10)},

est une classe monotone, comme pour les espaces propres.

De plus C contient les ouverts de E car tout ouvert U ⊂ E est σ-compact. Ainsi
B(E) = σ({U : ouvert de E}) ⊂ C, ce qui veut dire que (3.10) est satisfait pour tout
borélien.
Pour passer au cas général on utilise la σ-compacité de E.

Exercice 74.
Soit (E, E, µ) un espace topologique mesuré (avec B(E) ⊂ E). Montrer que pour tout A ∈ E,

inf{µ(K) : A ⊂ K, K fermé} = µ(A) et

sup{µ(U ) : U ⊂ A, U ouvert} = µ(Å).

Exercice 75.
Le but de cet exercice est de montrer directement que les mesures boréliennes sur R qui sont
finies sur les compacts sont régulières.
(a) Montrer que tout ouvert U ⊂ R est une union dénombrable d’intervalles ouverts.
(b) Déduire que, par sa construction (Thm. 3.8), la mesure de Lebesgue sur R est ex-
térieurement régulière.
(c) Si A ∈ B est contenu dans (−M, M ), montrer la régularité intérieure pour A en utilisant
celle extérieure pour (−M, M ) \ A.
(d) Conclure que la mesure de Lebesgue est régulière.
(e) En utilisant la construction des mesures à partir de leur fonctions de répartitions,
répliquer les points (a)-(d) pour montrer que toute mesure qui admet une fonction de
répartition est régulière. Conclure que toutes les mesures finies sur les compacts sont
régulières.

Exercice 76.
Soient E un espace localement compact et K ⊂ E un compact. Montrer qu’il existe un
ouvert précompact U avec K ⊂ U .
Si E est métrique, montrer qu’on peut choisir U = {x ∈ E : dist(x, K) < } pour un
 > 0 assez petit.

Exercice 77.
Le but de cet exercice est de s’habituer avec les différentes propriétés des espaces métriques.
Ce qu’il faut retenir est qu’un espace métrique localement séparable est également complet
et σ-compact. De plus, c’est essentiellement un espace propre (quitte à modifier la distance
sans modifier la topologie).
(a) Montrer qu’un espace métrique localement compact est complet.

– 79 –
CHAPITRE 3. CONSTRUCTION DES MESURES

(b) Montrer qu’un espace métrique propre est localement compact, σ-compact, complet et
séparable.
(c) Donner un exemple d’espace métrique qui est polonais (complet et separable) mais pas
localement ou σ-compact.
(d) Donner un exemple d’espace métrique qui est localement compact mais pas σ-compact.
(e) Montrer qu’un espace métrique localement compact est σ-compact si et seulement si il
est séparable.
(f) Soit (E, d) un espace métrique localement compact qui est σ-compact. Montrer qu’il
existe un distance d0 sur E qui génère la même topologie que d et telle que (E, d0 ) est
propre.
(g) Donner un exemple d’espace métrique qui est localement est σ-compact mais pas propre
(Indication: modifier la distance euclidienne sur R pour que B(0, 1) = R mais sans
modifier la topologie).

Exercice 78.
Dans le Théorème 3.30, on ne peut pas espérer remplacer la mesure finie µ par une mesure
σ-finie. Pour montrer cela, considérer l’exemple de (R, B) où la mesure µ est la mesure de
comptage des rationnels:
µ(A) = |A ∩ Q|, ∀A ∈ B.
(a) Montrer que µ est σ-finie.
(b) Montrer que µ(U ) = ∞ pour tout ouvert non-vide U .
(c) Conclure que µ n’est pas régulière.
(d) Montrer toutefois que toute mesure borélienne σ-finie sur un espace polonais satisfait
la régularité interne.

3.4.2 Théorème de représentation de Riesz

À travers l’intégrale, une mesure associe à une fonction (positive) f une valeur dans R. Ainsi,
on peut voir une mesure comme une forme linéaire sur un espace de fonctions. Il s’avère que
le bon cadre est de considérer l’espace de fonctions continues à support compact. Notons cet
espace

Cc (E) = f : E → R : f continue et ∃K compact avec f (x) = 0 ∀x ∈ /K .

Pour f ∈ Cc on définie par Supp(f ) = {x ∈ E : f (x) 6= 0} le support compact de f .

Let résultat suivant permet d’approximer les indicatrices des compacts par des fonctions
de Cc . Pour simplifier notre tache, on travaillera ici avec E un espace métrique propre; la
tribu est toujours tribu borélienne.

Théorème 3.32 (Lemme d’Urysohn). Soient E un espace métrique propre et K ⊂ E un

compact. Alors

– 80 –
CHAPITRE 3. CONSTRUCTION DES MESURES

(i) pour tout ouvert U avec K ⊂ U , il existe une fonction f ∈ Cc (E) avec 0 ≤ f ≤ 1, et
(
1 si x ∈ K,
f (x) =
0 si x ∈
/ U;

(ii) il existe une suite de fonctions fn ∈ Cc (E) telles que

kfn k∞ = 1, ∀n et f n & 1K , quand n → ∞.

Preuve du Théorème 3.32: Soit K ⊂ E un compact. Montrons pour commencer qu’il existe un
ouvert précompact V contentant K. En effet, pour tout x ∈ K, comme E est localement
compact, il existe x > 0 tel que B(x, x ) est précompact. Alors (B(x, x ))x∈E est un
recouvrement de E par des ouverts. On peut donc en extraire un recouvrement fini
B(x1 , x1 ), . . . , B(xn , xn ). Alors V = ∪ni=1 B(xi , xi ) est un ouvert précompact (car c’est
une union finie d’ouverts précompacts) qui contient K.
On commence par prouver (i). Soit U ⊂ E un ouvert contenant K. Posons Ũ =
U ∩ V , il s’agit d’un ouvert précompact contenant K et contenu dans U . La fonction
x 7→ dist(x, Ũ c ) est continue (même 1-lipschitzienne). Ainsi elle atteint son minimum sur
K, et celui-ci est strictement positif car Ũ est ouvert.
Il s’en suit qu’il existe δ > 0 tel que dist(x, Ũ c ) ≥ δ pour tout x ∈ K; ce qu’on peut
réécrire comme dist(y, K) ≥ δ pour tout y ∈ Ũ c . Alors la fonction f : E → [0, 1] définie
par f (y) = max{1 − δ −1 dist(y, K), 0} satisfait les propriétés demandées. En effet elle est
continue, vaut 1 sur K et son support est K + B(0, δ) ⊂ Ũ ⊂ U .
Passons au point (ii). La construction des fonctions fn est similaire à celle de f . Il
suffit de poser fn (y) = max{1 − δ −n dist(y, K), 0} pour obtenir la famille demandée.

Le lemme d’Urysohn est vrai même si E n’est pas supposé métrique, mais uniquement
topologique, Hausdorff et localement compact. La prevue générale de ce résultat se trouve
dans [4, page 198] ou [2, Thm. 7.1.7].

Théorème 3.33. Soit E un espace métrique propre; posons E = B(E). Alors pour toute
forme linéaire positive Λ sur Cc (E), (c.-à-d. Λ forme linéaire telle que si f ∈ Cc (E) est
positive, alors Λ(f ) ≥ 0) il existe une unique mesure µ, telle que
Z
Λ(f ) = f (x) dµ(x), ∀f ∈ Cc (E). (3.11)

Inversement, si µ est une mesure finie sur les compacts, alors (3.11) définie une forme
linéaire positive sur Cc (E).

Preuve: Commençons par la deuxième partie du théorème. Soient µ une mesure finie sur
les compacts. Alors, toute fonction f ∈ Cc (E) est bornée (car f est continue et définie

– 81 –
CHAPITRE 3. CONSTRUCTION DES MESURES

essentiellement sur un compact). Notons

M = sup{|f (x)| : x ∈ Supp(f )} = sup{|f (x)| : x ∈ E}.

Alors Z
|f | dµ ≤ M · µ(Supp(f )) < ∞.

Ainsi f est intégrable et Λ est bien définie. Le fait que Λ est linéaire et positive est évident.

On passe à la première partie du théorème. Soit Λ une forme linéaire positive

sur Cc (E). Montrons pour commencer l’unicité de µ. Supposons que µ et ν sont deux
mesures, telles que
Z Z
Λ(f ) = f dµ = f dν ∀f ∈ Cc (E).

Par le Théorème 3.32 et le théorème de convergence dominée, on déduit que µ(K) =

ν(K) < ∞ pour tout compact K ⊂ E. De plus, comme µ et ν sont régulières (toute
mesure sur E finie sur les compacts est régulière),

µ(A) = sup{µ(K) : K ⊂ A, K compact} = sup{ν(K) : K ⊂ A, K compact} = ν(A),

pour tout A ∈ B(E). Ainsi µ = ν.

Enfin, montrons l’existence de la mesure µ. Cette preuve a plusieurs étapes: on

commence par construire une mesure extérieure µ, on montre qu’elle induit une mesure µ
sur les boréliens, finie sur les compacts et enfin que µ satisfait (3.11).

Construction de µ: Pour U ⊂ E ouvert, posons


µ(U ) := sup Λ(f ) : f ∈ Cc avec 0 ≤ f ≤ 1U . (3.12)

La fonction µ ainsi définie est monotone sur les ouverts de E, on peut donc l’étendre à
tout ensemble A ∈ B(E) par

µ(A) := inf µ(U ) : U ouvert avec A ⊂ U . (3.13)

Montrons que la fonction µ : P(E) → [0, +∞] ainsi définie est une mesure extérieure. La
monotonie de µ ainsi que le fait que µ(∅) = 0 suivent directement de la définition. Ce qui
reste à montrer est la σ-sous-additivité.
Commençons par montrer que µ est sous-additive pour les ouverts. Soient U, V deux
ouverts de E et montrons que µ(U ) + µ(V ) ≥ µ(U ∪ V ). Pour cela, il suffit de montrer
que pour toute fonction f ∈ Cc (E) avec 0 ≤ f ≤ 1U ∪V , on a Λ(f ) ≤ µ(U ) + µ(V ). Fixons
une telle fonction f .
Par le Théorème 3.32, on peut choisir une fonction g ∈ Cc avec 1Supp(f ) ≤ g ≤ 1U ∪V .
Posons KU = Supp(f ) ∩ (U \ V ). Alors KU est également compact, on peut donc fixer
h ∈ Cc avec 1KU ≤ h ≤ 1U ∩Supp(f ) . Les fonctions g·h et g·(1−h) sont continues à supports
compacts contenus dans U et V , respectivement, et telles que 1Supp(f ) ≤ g · h + g · (1 − h).
Posons fU = f · g · h et fV = f · g · (1 − h). Ces fonctions sont continues à support compact

– 82 –
CHAPITRE 3. CONSTRUCTION DES MESURES

avec 0 ≤ fU ≤ 1U et 0 ≤ fV ≤ 1V . Ainsi

µ(U ) + µ(V ) ≥ Λ(fU ) + Λ(fV ) = Λ(fU + fV ) = Λ(f ).

S
En fin, montrons la σ-sous-additivité de µ. Soient A1 , A2 · · · ⊂ E et A = n≥1 An .
Notre but est de montrer que
X
µ(An ) ≥ µ(A),
n≥1

on peut donc se limiter au cas où la somme à gauche est finie. Soit  > 0 et pour chaque
n soit Un un ouvert contenant An avec µ(Un ) ≤ µ(An ) + 2−n . Alors U := n≥1 Un est
S

un ouvert contenant A; évaluons sa mesure.

S
Soit f ∈ Cc (E) avec 0 ≤ f ≤ 1U . Vu que Supp(f ) ⊂ n≥0 Un est compact, on déduit
l’existence de N tel que Supp(f ) ⊂ N
S
n=1 Un . Ainsi, en utilisant la sous-additivité pour
des unions finies d’ouverts, on trouve
N
[  XN N
X ∞
X
Λ(f ) ≤ µ Un ≤ µ(Un ) ≤ µ(An ) + 2−n ≤  + µ(An ).
n=1 n=1 n=1 n=1

Comme cette inégalité s’applique à tout f participant au supremum qui définit µ(U ),
on trouve µ(U ) ≤  + ∞
P
P∞ n=1 µ(An ). Du fait que U est un ouvert couvrant A, on déduit
que µ(A) ≤  + n=1 µ(An ). En fin, comme  > 0 est arbitraire, on conclut que µ(A) ≤
P∞
n=1 µ(An ).
Mesure borélienne: Montrons maintenant que B(E) ⊂ M(µ) en utilisant le critère de
Carathéodory (Théorème 3.4).
Commençons par montrer l’additivité de µ pour une union finie d’ouverts disjoints.
Soient U, V deux ouverts disjoints de E et fU , fV ∈ Cc avec 0 ≤ fU ≤ 1U et 0 ≤ fV ≤ 1V .
Alors fU + fV ∈ Cc est telle que 0 ≤ fU + fV ≤ 1U ∪V . On conclut que µ(U ∪ V ) ≥
µ(U ) + µ(V ).
Passons au critère de Carathéodory. Soient A, B ⊂ E avec δ := dist(A, B) > 0. Posons
VA = {x ∈ E : dist(x, A) < δ/2} et VB = {x ∈ E : dist(x, B) < δ/2}; ce sont deux
ouverts disjoints contenant A et B, respectivement. Par la monotonie et l’additivité de µ
pour les ouverts disjoints on trouve

µ(A ∪ B) = inf µ(U ) : U ouvert avec A ∪ B ⊂ U

= inf µ(U ∩ (VA ∪ VB )) : U ouvert avec A ∪ B ⊂ U

= inf µ(U ∩ VA ) + µ(U ∩ VB ) : U ouvert avec A ∪ B ⊂ U

= inf µ(UA ) + µ(UB ) : UA , UB ouverts avec A ⊂ UA et B ⊂ UB
= µ(A) + µ(B).

On peut donc appliquer le critère de Carathéodory (Thm. 3.4); on déduit B(E) ⊂ M(µ).
Mesure finie sur les compacts: On commence par le résultat intermédiaire suivant:

Si A ∈ B(E) et φ ∈ Cc (E) sont tels que φ ≥ 1A , alors µ(A) ≤ Λ(φ). (3.14)

Montrons (3.14). Soit δ > 0 et posons W = {x ∈ E : φ(x) > 1 − δ}. Alors W est

– 83 –
CHAPITRE 3. CONSTRUCTION DES MESURES

..
.
f1

f0

Figure 3.3: La fonction f et les fonctions fn . Les plateaux représentent les ouverts Un .

ouvert et A ⊂ W . Ainsi µ(A) ≤ µ(W ). Rappelons que µ(W ) est défini par (3.12). Si
χ ∈ Cc est telle que 0 ≤ χ ≤ 1W , alors
1 1
φ≥ 1−δ 1W ≥ 1−δ χ,

d’où (1−δ)Λ(φ) ≥ Λ(χ). En prenant le supremum sur χ, on obtient (1−δ)Λ(φ) ≥ µ(W ) ≥

µ(A). Mais δ > 0 est arbitraire, donc (3.14) est démontré.
Revenons au fait que µ est finie sur les compacts. Soit K ⊂ E un compact. Alors, par le
Théorème 3.32, il existe g ∈ Cc avec 1K ≤ g. Par (3.14) on conclut que µ(K) ≤ Λ(g) < ∞.
Intégrale des fonctions Cc : Montrons que
Z
Λ(f ) = f (x) dµ(x), ∀f ∈ Cc (E).

Fixons f ∈ Cc (E). Quitte à écrire f = f+ − f− , on peut se limiter à f positive. Soit

M = sup{f (x) : x ∈ E}.
Fixons  > 0 et notons Un = {x ∈ E : f (x) > n} pour n ≥ 1. Alors Un est un ouvert
pour chaque n ≥ 1. Notons également fn = min max{f − n, 0},  pour n ≥ 0. Alors
fn ∈ Cc (E) et 0 ≤ 1 fn ≤ 1Un pour tout n ≥ 0. D’autre part, si x ∈ Un+1 , alors fn (x) = ,
donc 1 fn ≥ 1Un+1 Ainsi 1 fn ≤ 1Un . Par (3.14) et par la définition (3.12) de µ pour les
ouverts, on trouve

µ(Un+1 ) ≤ Λ(fn ) ≤ µ(Un ).

PM/
En utilisant que f = n=1 fn et la linéarité de Λ, on conclut que

Z M/ M/ M/ Z M/

X
X X X

1Un dµ = µ(Un ) ≤ Λ(f ) ≤ µ(Un ) = 1Un dµ
n=1 n=1 n=0 n=0

PM/ PM/ R
En fin, observons que n=1 1Un ≤ f ≤ n=0 1Un et que 1U0 dµ ≤ µ(Supp(f )).
Ainsi on obtient
Z
Λ(f ) − f dµ ≤ µ(Supp(f )).
R
Vu que  > 0 est arbitraire et que µ(Supp(f )) < ∞, cela implique que Λ(f ) = f dµ.

Ce théorème est généralement valable pour les espace topologique localement compacts.
Alors la mesure µ qui induit une forme linéaire positive Λ donnée peut être choisie régulière

– 84 –
CHAPITRE 3. CONSTRUCTION DES MESURES

et est unique uniquement dans l’ensemble des mesures régulières.

3.5 Paradoxe de Banach-Tarski: limites de la théorie de

la mesure ∗
On a déjà vu un exemple d’ensemble E ⊂ R qui ne peut pas être mesuré par la mesure de
Lebesgue.
G
(E + q) = R. (3.15)
q∈Q

On insiste sur le fait que cela implique que pour toute mesure µ, σ-finie et invariante par
translations sur (R, E) (où E est une tribu invariante par translations contenant les boréliens)
µ(E) n’est pas définie, c.à.d. E ∈/ E. On ne peut donc pas espérer mesurer toutes les parties
de R de façon non-triviale et invariante par translation.
On peut alors se demander si on peut faire moins: peut-on construire une “mesure” non-
triviale µ qui soit seulement additive, pas σ-additive, sur (Rd , P(Rd )), qui soit invariante par
isométries et qui accorde une masse finie aux ensembles bornés.
Une réponse partielle à cette question a était donnée par Stephan Banach et Alfred Tarski
en 1924 au travers de leur décomposition paradoxale de la sphère unité de R3 . Ce résultat
surprenant est connu sous le nom de paradoxe de Banach-Tarski.
Notons S2 = {z ∈ R3 : |z| = 1} la sphère de rayon 1 dans R3 .

Théorème 3.34. On peut partitionner S2 en 10 sous-ensembles A1 , . . . , A10 tels qu’il

existe des rotations ρ1 , . . . , ρ10 avec

S2 = ρ1 (A1 ) ∪ ρ2 (A2 ) et S2 = ρ3 (A3 ) ∪ · · · ∪ ρ10 (A10 ).

On dit que S2 est un ensemble paradoxal de R3 et que la décomposition A1 , . . . , A10 est

une décomposition paradoxale.

On donne ici un preuve courte de ce théorème. Avec un peu plus de travail, on peut
réduire le nombre de parties nécessaire à 5 et on peut faire en sorte que les recollements pour
créer les deux sphères se fassent entre des parties disjointes.
Le même résultat est valable en toute dimension plus grande que 3. On peut évidement
remplacer S2 par B(0, 1)\{0} dans le théorème. Ainsi, la réponse à la première question
est négative pour d ≥ 3:

Corollaire 3.35. Pour d ≥ 3, il n’existe pas de fonction µ : P(Rd ) → [0, +∞] qui soit
• additive: si A, B ⊂ Rd sont disjoints, alors µ(A ∪ B) = µ(A) + µ(B),
• invariante par isométries affines: µ(A) = µ(ρA + z), ∀A ⊂ Rd , z ∈ Rd et ρ ∈ SO(d),
• finie sur les compacts µ(A) < ∞ is A est compact,

– 85 –
CHAPITRE 3. CONSTRUCTION DES MESURES

• non-zero sur les ouverts non-vides µ(A) > 0 si A ouvert, A 6= ∅.

Par contre, en dimensions 1 et 2, la situation est très différente

Théorème 3.36. Pour d = 1, 2, il existe une fonction µ : P(Rd ) → [0, +∞] qui est
• additive: si A, B ⊂ Rd sont disjoints, alors µ(A ∪ B) = µ(A) + µ(B),
• invariante par isométries affines: µ(A) = µ(ρA + z), ∀A ⊂ Rd , z ∈ Rd et ρ ∈ SO(d),
• finie sur les compacts µ(A) < ∞ si A est compact,
• non-zero sur les ouverts non-vides µ(A) > 0 si A ouvert, A 6= ∅.

La raison pour cette différence entre les dimensions 1 et 2 et celles supérieures à 3 est que
les groupes d’isométries vectorielles de R et R2 sont beaucoup plus petits que ceux pour Rd
avec d ≥ 3. En particulier, on ne peut pas trouver une copie de F(a,b) dans SO(2). On ne va
pas prouver ce théorème.
Pour comprendre les structures qui admette une décomposition paradoxale, Von Neumann
introduit en 1929 les notion de groupe moyennable. L’étude des groupes moyennables et non-
moyennables est un sujet très actif de la recherche mathématique actuelle.
Mentionnons enfin que, dans l’exemple de partie non-mesurable de R donné par (3.15),
ainsi que dans la démonstration du paradoxe de Banach-Tarski, l’axiome du choix est crucial.
En effet, l’axiome du choix (la version indénombrable) est équivalent à l’existence d’une partie
non-mesurable de R ainsi qu’au paradoxe de Banach-Tarski.

Le groupe libre Dans la preuve du Théorème 3.34, le groupe libre à deux générateurs va
jouer un rôle essentiel.
Le groupe libre à deux générateurs a, b est l’ensemble F(a,b) des mots finis formé des lettres
{a, b, a−1 , b−1 } avec la contrainte qu’il n’y à pas de succession de lettres a et a−1 , ni b et b−1 .
L’opération de groupe sur F(a,b) est la concaténation, où on élimine tous les couples successifs
aa−1 , a−1 a, bb−1 et b−1 b. L’élément neutre de F(a,b) est le mot vide qu’on note e. Ainsi

(abba−1 baab−1 b−1 )(bba−1 baa) = abba−1 ba( −1(−1

b (bba−1 baa = abba−1 babaa.
(((
ab(

Lemme 3.37. On peut partitionner F(a,b) en quatre parties Aa , Ab , Aa−1 , Ab−1 telles que

F(a,b) = Aa ∪ aAa−1 et F(a,b) = Ab ∪ bAb−1

Preuve: Il suffit de définir

A∗ = { mots commençant par ∗}.
De plus, on va placer par convention l’élément neutre e dans Ab .
Alors aAa−1 est l’ensemble de tous les mots qui ne commencent pas par a. Ainsi
F(a,b) = Aa t aAa−1 . De même F(a,b) = Ab ∪ bAb−1 (ici l’union n’est pas disjointe car
Ab ∩ bAb−1 = {e}).

– 86 –
CHAPITRE 3. CONSTRUCTION DES MESURES

Aa b
b
b a
a−1 a a
e −1
b
b−1

aAa−1

Figure 3.4: Le graphe de Cayley de F(a,b) ; Deux rotations a, b qui engendrent un sous-groupe
de SO(3) isomorphe à F(a,b)

Preuve du paradoxe de Banach-Tarski. Le groupe de rotations dans R3 est noté SO(3)

et peut être représenté par les matrices orthogonales M ∈ M3 (R) avec det(M ) = 1.

Lemme 3.38. Il existe deux rotations α, β ∈ SO(3) telles que, pour tout k1 , . . . , kn ∈ Z∗ (où
n ≥ 1),
αk1 β k2 αk3 β k4 · · · 6= id.
En d’autres mots, le sous-groupe de SO(3) engendré par α, β est isomorphe au groupe libre
à deux éléments F(a,b) .

Preuve: Soit α la rotation d’angle arccos(1/3) autour de l’axe vertical (0, 0, 1)R et β la rotation
d’angle arccos(1/3) autour de l’axe horizontal (1, 0, 0)R. Soit e1,
√e2 , e3 la√base canonique
3
de R . Alors les matrices correspondant à α et β dans la base ( 2e1 , e2 , 2e3 ) sont
   
1 2 0 3 0 0
1 1
Mα = −4 1 0 et Mβ = 0 1 4 .
3 3
0 0 3 0 −2 1
   
1 −2 0 3 0 0
−1 1 −1 1
Mα = 4 1 0  et Mβ = 0 1 −4 .
3 3
0 0 3 0 2 1

On va désormais noter Mα et Mβ simplement par α et β. On aimerait montrer qu’il

n’existe pas de mot non-trivial formé de α, α−1 , β, β −1 qui vaut l’identité.
Supposons qu’il existe une suite non-vide φ1 , . . . , φn ∈ {α, α−1 , β, β −1 }, qui ne contient
pas de succession d’un élément et son inverse, telle que φn . . . φ1 = I3 . Alors
   
0 0
3φn × · · · × 3φ1 1 = 3n 1 ≡ 0 (mod 3). (3.16)
0 0

– 87 –
CHAPITRE 3. CONSTRUCTION DES MESURES

Observons que 3φk ∈ M3 (Z), et qu’on peut donc étudier l’effet de chaque φk mod 3.
Quitte à multiplier la suite à gauche par α−1 et à droite par α, on peut supposer que
φ1 = α. Alors l’effet de l’application successive des 3φk mod 3 est décrite par le graphe
dans la figure 3.5. On observe qu’on n’arrive jamais sur le vecteur nul, donc qu’il n’existe
pas de suite φ1 , . . . , φn telle que φn . . . φ1 = I3 .

0
()
1
0
3α

()
-1
1
3α
()
1
-1
()
1
1
3α−1
()
-1
-1
0 3α 0 0 3α−1 0

3α−1
−1 −1 −1 −1
3α 3β 3α 3β 3α 3β 3α 3β

3β −1
0 0 0 0
() 1
1
3β
3β
() -1
-1
() 1
-1
3β −1
3β −1
() -1
1

Figure 3.5: L’effet mod 3 des matrices (3α, 3α−1 , 3β, 3β −1 ) sur le vecteur (0, 1, 0). Si on
n’applique jamais une matrice suivie de son inverse, alors on n’arrive jamais au vecteur nul.

Preuve du Théorème 3.34: Soit α, β comme dans le lemme et notons G le sous-groupe de SO(3)
qu’ils engendrent. Alors, pour x, y ∈ S2 , on écrit x ∼ y s’il existe u ∈ G tel que x = uy.
Vu que G est un groupe, ∼ est une relation d’équivalence sur S2 .
Même si G est isomorphe au groupe libre, il n’est pas vrai que ux 6= vx pour tout
u 6= v ∈ G et x ∈ S2 (l’action de G sur S2 n’étant pas libre). Pourtant, si x ∈ S2 est
tel qu’il existe u, v ∈ G, u 6= v avec ux = vx, alors x est point fixe de la rotation uv −1 .
Posons donc
S = {x ∈ S2 : ∃u ∈ G \ {e} tel que ux = x}.
Pour chaque u ∈ G \ {e}, il existe exactement 2 tels points. De plus, G est évidement
dénombrable, donc S est au plus dénombrable.
On va maintenant utiliser l’axiome du choix, pour choisir un représentant dans chaque
classe d’équivalence de ∼. Soit E ⊂ S2 un ensemble avec les propriétés:
(i) pour chaque x ∈ S2 \ S, il existe y ∈ E et u ∈ G tels que ux = y;
(ii) si x, y ∈ E sont tels que x ∼ y, alors x = y.
Le fait qu’on se limite aux x ∈/ S, entraîne que dans le premier point, u ∈ G est unique.
On rappelle la partition de F(a,b) donnée par le lemme 3.37. Elle est aussi valable pour
G, vu l’isomorphisme (et on ne va plus faire la différence entre G et F(a,b) ). Posons, pour

– 88 –
CHAPITRE 3. CONSTRUCTION DES MESURES

i ∈ {a, a−1 , b, b−1 },

Mi = {x ∈ S2 \ S : ∃u ∈ Ai et y ∈ E tels que x = uy}.

Alors
S2 = S t Ma t Ma−1 t Mb t Mb−1 .
De plus
S2 = S t Ma t α(Ma−1 ) et S2 \ S = Mb ∪ β(Mb−1 ).
On est très proche de notre but: on a réussi à découper S2 en quatre parties (A1 =
S t Ma , A2 = Ma−1 , B1 = Mb , B2 = Mb−1 ) qu’on peut recoller après rotations pour créer
une sphère et une deuxième sphère privée d’un ensemble dénombrable.
Pour régler ce dernier problème on peut procéder comme suit. On peut partitionner,
comme avant, B1 ∪ β(B2 ) en quatre C1 , . . . , C4 telles qu’on peut recoller après rotations
pour créer deux sphères privée chacune d’un ensemble au plus dénombrable. Précisément,
il y a des ensemble dénombrables S 0 , S 00 ⊂ S2 , tels que

S2 \ S 0 = C1 t α(C2 ) = [(B1 ∩ C1 ) ∪ (β(B2 ) ∩ C1 )] ∪ α[(B1 ∩ C2 ) ∪ (β(B2 ) ∩ C2 )]

= (B1 ∩ C1 ) ∪ β(B2 ∩ β −1 C1 ) ∪ α(B1 ∩ C2 ) ∪ αβ(B2 ∩ β −1 C2 ) et
2 00
S \ S = C3 t β(C2 ) = [(B1 ∩ C3 ) ∪ (β(B2 ) ∩ C3 )] ∪ β[(B1 ∩ C4 ) ∪ (β(B2 ) ∩ C4 )]
= (B1 ∩ C3 ) ∪ β(B2 ∩ β −1 C3 ) ∪ β(B1 ∩ C4 ) ∪ β 2 (B2 ∩ β −1 C4 ).

De plus on observe que

A1 t A2 t B1 t B2 = A1 t A2 t(B1 ∩ C1 ) t (B2 ∩ β −1 C1 ) t (B1 ∩ C2 ) t (B2 ∩ β −1 C2 )t

(B1 ∩ C3 ) t (B2 ∩ β −1 C3 ) t (B1 ∩ C4 ) t (B2 ∩ β −1 C4 ).

Enfin, observons que, vu que S 0 et S 00 sont dénombrables, il existe une rotation γ ∈ SO(3)
telle que γ(S 00 ) n’intersecte pas S 0 . Alors S2 = S2 \ S 0 ∪ γ(S2 \ S 00 ), et on peut donc écrire

S2 =(B1 ∩ C1 ) ∪ β(B2 ∩ β −1 C1 ) ∪ α(B1 ∩ C2 ) ∪ αβ(B2 ∩ β −1 C2 )∪

γ(B1 ∩ C3 ) ∪ γβ(B2 ∩ β −1 C3 ) ∪ γβ(B1 ∩ C4 ) ∪ γβ 2 (B2 ∩ β −1 C4 ).

On a donc réussi à construire une deuxième sphère en utilisant une partition en 8 morceaux
de B1 t B2 .

– 89 –
CHAPITRE 3. CONSTRUCTION DES MESURES

– 90 –
Chapitre 4

Dimension et mesure de Hausdorff ∗

4.1 Mesures de Hausdorff

Soit n ≥ 1. La mesure n-dimensionnelle de Lebesgue λn s’est imposée comme mesure na-
turelle sur Rn grâce à son invariance par isométries affines. On peut néanmoins se poser la
question de calculer la longueur d’une courbe ou l’aire d’une surface plongées dans Rn . La
mesure de Lebesgue n’est pas adapté à cela: si n ≥ 2, alors λ2 (γ) = 0 pour toute courbe
lipschitzienne γ : [0, 1] → Rn . Les mesures de Hausdorff qu’on va définir par la suite sont
destinées à mesurer des objets de dimension inférieure à n dans Rn .
Dans ce chapitre on va essentiellement parler de meures sur Rn ou sur des sous-ensembles
de Rn . Toutefois, il est interessant de définir la mesure de Hausdorff pour des espaces
métriques généraux. Si (E, d) est un espace métrique, pour x ∈ E et r ≥ 0 on définit
la boule ouverte de rayon r autour de x par

B(x, r) = {y ∈ E : d(x, y) < r}.

De plus, pour A ⊂ E, on pose

diam(A) = sup{d(x, y) : x, y ∈ A}.

A remarquer que si F ⊂ E est non-vide, alors (F, d) est également un espace métrique.
Quand E = Rn ou E ⊂ Rn , on utilise par défaut la distance euclidienne d(x, y) = kx − yk.
Rappelons que pour n ≥ 1 entier,
 k n/2
 πk! = Γ(πn +1) si n = 2k est pair,
2
α(n) = λn (B(0, 1)) =
πk
n/2
 1 1 3 1
= Γ(πn +1) si n = 2k + 1 est impair.
k+ 2 k− 2 ... 2 · 2 2

De plus, la fonction α se prolonge de façon naturelle aux nombres réels positifs par

π d/2 π d/2
α(d) = = R ∞ d/2 −x , d ≥ 0.
Γ( d2 + 1) 0
x e dx

91
 ∗
CHAPITRE 4. DIMENSION ET MESURE DE HAUSDORFF

Définition 4.1. Soit (E, d) un espace métrique et d ∈ [0, +∞). Pour A ⊂ E, la mesure
(extérieure) de Hausdorff d-dimensionnelle de A est donnée par
n α(d) X [ o
Hd (A) = lim inf diam(Bk )d : A ⊂ Bk et diam(Bk ) ≤  ∈ [0, +∞]. (4.1)
→0 2d k∈N k∈N

Quand d = 0, on remplace diam(Bk )d par 1Bk 6=∅ .

Remarque 4.2.
(i) Pourquoi la limite existe-elle ?
L’ensemble dont on considère l’infimum est croissant en . Ainsi, quand  décroît,
l’infimum croit. Ce-ci montre que la limite existe car il s’agit d’une limite croissante.
(ii) Pourquoi imposer que les ensembles Bk aient des diamètres plus P petits que  ?
d α(d) d
Si on définissait H en prenant tout simplement l’infimum de 2d k∈N diam(Bk ) pour
n
tout recouvrement (Bk )k , alors, pour la boule B(0, 1) de rayon 1 de R et d < n, on
aurait
α(d)
Hd (B(0, 1)) ≤ d diam(B(0, 1))d = α(d) < ∞.
2
Mais B(0, 1) étant un objet de “dimension” n, la mesure de Hausdorff de dimension
d < n de cet ensemble devrait être infinie.
(iii) Pourquoi ne pas prendre pour les Bk des boules ou des carrés de taille exactement  ?
Dans se cas on obtiendrait la définition de contenu de Minkowski, dont on va discuter
à la fin de ce chapitre. On peut facilement voir qu’une telle définition ne donne pas
une mesure.
(iv) Pourquoi ne pas prendre pour les Bk des boules ou des cubes ?
Pour des espaces métrique généraux, la notion de cube n’est pas définie. De plus, la no-
tion de diamètre est mieux adaptée que celle de rayon (correspondant au recouvrement
par des boules) – voir exercice 79. L’utilisation des ensembles Bk arbitraires garantit
que la mesure de Hausdorff d’un ensemble est indépendante de l’espace ambient. Une
illustration de ce fait est donnée dans le Lemme 4.4.
(v) Pourquoi mettre α(d)2−d devant ?
Il s’agit tout simplement d’une constante de normalisation; elle est choisie pour que
α(d)2−d diam(Bj ) soit la mesure de Lebesgue λd d’une boule de diamètre diam(Bj ) de
Rd (quand d est entier). Comme on va voir par la suite, c’est la constante qui rend la
mesure de Hausdorff de dimension n égale à la mesure de Lebesgue λn .

Théorème 4.3. La mesure de Hausdorff de dimension d est une mesure extérieure sur
Rn . De plus, la tribu des parties H
d -mesurables contient la tribu borélienne B(Rn ). Ainsi
Hd est une mesure sur Rn , B(Rn ) .

– 92 –
 ∗
CHAPITRE 4. DIMENSION ET MESURE DE HAUSDORFF

Preuve: Commençons par montrer que Hd est une mesure extérieure.

On a évidement Hd (∅) = 0. Pour A ⊂ A0 ⊂ Rn , si (Bk )k∈N est un recouvrement de
A , alors c’est aussi un recouvrement de A. Ainsi Hd (A) ≤ Hd (A0 ).
0

Soit (Ai )i∈N une suite d’ensembles de Rn . On aimerait montrer Hd ( i Ai ) ≤ i Hd (Ai ).

S P
(i)
Soient δ > 0 et  > 0. Pour chaque i ∈ N il existe un recouvrement (Bk )k∈N de Ai avec

α(d) X (i) (i)

diam(Bk )d ≤ Hd (Ai ) + δ2−i et diam(Bk ) ≤ , ∀k.
2d
k∈N

(i) S (i)
Alors la famille (Bk )i,k∈N forme un recouvrement de i Ai avec diam(Bk ) ≤ , ∀i, k ∈ N
et
α(d) X (i) d
X
d −i
 X d
diam(B k ) ≤ H (A i ) + δ2 = H (Ai ) + δ.
2d
i,k∈N i∈N i∈N

Comme cela est valable pour tout  > 0, on en déduit que Hd (∪i Ai ) ≤ d (A
P
i∈N H i) + δ.
Comme δ > 0 est arbitraire, on obtient l’inégalité désirée.
Montrons maintenant que M(Hd ) contient la tribu borélienne B(Rn ). Le critère de
Caratheodory (Théorème 3.4) garantit ce fait, dès que pour deux ensembles A, A0 à dis-
tance positive Hd (A ∪ A0 ) = Hd (A) + Hd (A0 ).
Soit A, A0 ⊂ Rn avec dist(A, A0 ) > 0. Soit  > 0 avec  < dist(A, A0 ) et considérons un
recouvrement (Bk )k∈N de A ∪ A0 avec diam(Bk ) ≤  pour tout k. Alors chaque ensemble
Bk intersecte au plus un des ensembles A et A0 . On peut donc en extraire un recouvrement
(Bk )k∈I de A et un recouvrement (Bk )k∈J de A0 disjoints (c.-à-d. avec I ∩ J = ∅). Ainsi
Hd (A) + Hd (A0 ) ≤ Hd (A ∪ A0 ). L’inégalité inverse est assurée par la sous-additivité de Hd .
On a donc Hd (A) + Hd (A0 ) = Hd (A ∪ A0 ), ce qui implique B(Rn ) ⊂ M(Hd ).
On voit bien qu’on peut remplacer dans la définition Rn par un espace métrique quel-
conque. Ainsi, pour tout espace métrique, on peut définir les mesures de Hausdorff de
dimensions d ≥ 0.

Lemme 4.4. Soit E ⊂ Rn non-vide. Alors E muni de la distance d(x, y) = kx − yk est un

espace métrique. De plus, pour tout d ≥ 0, la mesures de Hausdorff de dimensions d sur E
est identique à la restriction à E de la mesure de Hausdorff de dimensions d sur Rn .

Preuve: Le fait que (E, d) est un espace métrique est évident.

Pour cette preuve, notons HRd et Hd les mesures de Hausdorff de dimension d dans
n E
R et E, respectivement. Soient A ⊂ E,  > 0 et (Bk )k∈N ⊂ Rn un recouvrement de A
n

avec diam(Bk ) ≤  pour tout k. Posons B̃k = Bk ∩ E. Alors diam(B̃k ) ≤ diam(Bk ) et

(B̃k )k∈N est toujours un recouvrement (dans E) de A. Ainsi HEd (A) ≤ Hd (A).
Rn
Inversement, si (Bk )k∈N ⊂ E un recouvrement de A (dans E), c’est aussi un recouvre-
ment de A dans Rn . De plus, le diamètre de Bk ne dépend pas de si on regarde Bk comme
sous-ensemble de E ou Rn . Ainsi HR d (A) ≤ Hd (A).
n E

– 93 –
 ∗
CHAPITRE 4. DIMENSION ET MESURE DE HAUSDORFF

Proposition 4.5 (Invariance par translation et effet multiplicatif). Soit τ une isométrie
de Rn et β > 0. Alors pour tout A ⊂ Rn et d ≥ 0,

Hd (τ (A)) = Hd (A) et Hd (β · A) = β d Hd (A)

Preuve: Soit A ⊂ Rn et τ une isométrie. Alors, si (Bk )k∈N ⊂ E un recouvrement de A, (τ (Bk ))k∈N
est un recouvrement de τ (A). De plus diam(τ (Bk )) = diam(Bk ) pour tout k. Ainsi
Hd (τ (A)) ≤ Hd (A). L’inégalité inverse suit en appliquant celle ci avec τ −1 à τ (A).
Soit β > 0 et (Bk )k∈N ⊂ E un recouvrement de A. Alors (β · Bk )k∈N ⊂ E un
recouvrement de β · A. De plus diam(β · Bk ) = βdiam(Bk ) pour tout k. Ainsi
n α(d) X  d [ o
Hd (β · A) ≤ lim inf βdiam(B k ) : A ⊂ B k et βdiam(B k ) ≤ 
→0 2d
k∈N k∈N
n α(d) X [ o
= β d lim inf diam(B k )d
: A ⊂ B k et diam(B k ) ≤ 
→0 2d
k∈N k∈N
d d
= β H (β · A)

L’inégalité inverse suit en appliquant celle ci avec β −1 à β · A.

Proposition 4.6. Soit n ≥ 1 et d ≥ 0.

Si d < n, alors Hd (U ) = ∞ pour tout U ouvert non-vide de Rn ;
Si d > n, alors Hd est la mesure nulle sur Rn .

Preuve: Soient d ≥ 0 et n ∈ N. Commençons par supposer que d < n. Soit U ⊂ Rn un ouvert.

Si (Bk )k∈N ⊂ E un recouvrement de U , alors il en est de même de (B k )k∈N (où B k est
la fermeture de Bk dans Rn ). De plus diam(B k ) = diam(Bk ) pour tout k. Ainsi on peut
se limiter aux recouvrement par des ensembles fermés (donc boréliens) dans (4.1).
P
Pour un recouvrement (Bk )k∈N ⊂ E de U par des ensembles fermés, k λn (Bk ) ≥
λn (U ) > 0 (car U est ouvert). Mais chaque ensemble Bk est contenu dans une boule de
rayon diam(Bk ), donc λn (Bk ) ≤ α(n)diam(Bk )n .
Soit  > 0. Si on impose que diam(Bk ) ≤  pour tout k, alors

α(d) X α(d) X
d
diam(Bk )d = d diam(Bk )n d−n
2 2
k∈N k∈N
α(d) X α(d)
≥ d λn (Bk )d−n ≥ d−n d λn (U ) −−→ ∞.
2 α(n) 2 α(n) →0
k∈N

Ainsi Hd (U ) = ∞.
Supposons maintenant que d > n et montrons que Hd (Rn ) = 0. Par σ-additivité, il
suffit de montrer que Hd ([0, 1]n ) = 0. Pour m > 0, considérons le recouvrement de [0, 1]n
Qn
par les cubes C(k1 , . . . , kn ) = j=1 (kj − 1)2−m ; kj 2−m , pour k1 , . . . , kn ∈ {1, . . . , 2m }.


– 94 –
 ∗
CHAPITRE 4. DIMENSION ET MESURE DE HAUSDORFF

Hd (A)
∞

0 dimH (A) d

Figure 4.1: La mesure de Hausdorff d’un ensemble A pour différents d.

√
Un tel recouvrement contient 2mn ensembles, chacun de diamètre 2−m n. Ainsi

α(d) nm−dm d/2

Hd ([0, 1]n ) ≤ 2 n −−−−→ 0.
2d m→∞

Exercice 79.
Soit (E, d) un espace métrique.
(a) Montrer que pour tout x ∈ E et r > 0,

diam(B(x, r)) ≤ 2r.

Trouver des exemples ou l’inégalité est stricte.

(b) Montrer que tout ensemble A est contenu dans une boule férmée de rayon diam(A).
Donner un exemple ou A n’est pass contenu dans une boule férmée de rayon 12 diam(A).

Exercice 80.
Montrer que la mesure H0 sur Rd est la mesure de comptage, quelque soit d.

Exercice 81.
Que vaut H1 dans R1 ?
Pour un borélien A ⊂ R × {0} ⊂ R2 , que vaut H1 (A) ?

4.2 Dimension de Hausdorff

Proposition 4.7. Soit A ⊂ Rn et 0 ≤ d < d0 . Alors:
0
• si Hd (A) < ∞, alors Hd (A) = 0
0
• si Hd (A) > 0, alors Hd (A) = ∞

– 95 –
 ∗
CHAPITRE 4. DIMENSION ET MESURE DE HAUSDORFF

Preuve: La seconde affirmation est tout simplement la contraposée de la première; il suffit donc de
démontrer la première.
Soient 0 ≤ d < d0 et A ⊂ Rn tel que Hd (A) < ∞. Alors pour chaque  > 0 il existe un
() ()
recouvrement (Bk )k∈N de A avec diam(Bk ) ≤  pour tout k et

α(d) X ()
d
diam(Bk )d ≤ Hd (A) + 1 < ∞.
2
k∈N

Mais cela implique

α(d0 ) X () d0 α(d0 )   d0 −d d

d0 diam(Bk ) ≤ H (A) + 1 −−→ 0.
2 α(d) 2 →0
k∈N

0
Ainsi Hd (A) = 0.

Définition 4.8. Pour A ⊂ Rn , on définit la dimension de Hausdorff de A comme

dimH (A) = inf{d ≥ 0 : Hd (A) = 0}.

Remarque 4.9. (i) Pour tout A ⊂ Rn non-vide, dimH (A) ∈ [0, n]. En effet, comme H0 est
la mesure de comptage H0 (A) > 0 donc dimH (A) ≥ 0. D’autre part, pour tout d > n,
Hd (A) ≤ Hd (Rn ) = 0, donc dimH (A) ≤ n.
(ii) On a vu dans le lemme 4.4 qu’un ensemble non-vide A ⊂ Rn peut être vu comme un
espace métrique et que la mesure de Hausdorff de dimension d sur Rn restreinte à A
est simplement la mesure de Hausdorff de dimension d sur A. Ainsi, la dimension de
Hausdorff de A ne dépend pas de l’espace ambiant Rn . Plus généralement, la dimension
de Hausdorff peut être définie pour tout espace métrique.
Exemples:
• La dimension d’un point est 0. La dimension d’un ouvert de Rn est n.
• Une courbe rectifiable a une dimension 1 (voir la partie suivante).
• L’image d’une fonction f : Rn → Rm lipschitzienne a une dimension au plus n. Si elle
est est bi-lipschitzienne, alors elle a dimension exactement n.
• Le graphe d’une fonction f : A → Rm a une dimension plus grande que celle de A.
Même si f est continue, on peut avoir des dimension strictement plus grandes: courbe
de Peano, mouvement Brownien.
• Soient d ∈ N. Si M est une variété différentielle de dimension d plongée dans Rn , alors
dimH (M ) = d. De plus, Hd est une mesure non-triviale et σ-finie sur M .

– 96 –
 ∗
CHAPITRE 4. DIMENSION ET MESURE DE HAUSDORFF

Proposition 4.10. Soit (Ak )k∈N une suite de sous-ensembles de Rn . Alors

[

dimH Ak = sup{dimH (Ak ) : k ∈ N}.
k

Preuve: Soit d > sup{dimH (Ak ) : k ∈ N}. Alors Hd (∪k Ak ) ≤ Hd (Ak ) = 0, donc dimH (∪k Ak ) ≤
P
k
d. Comme d est arbitraire, il s’en suit que

dimH (∪k Ak ) ≤ sup{dimH (Ak ) : k ∈ N}.

L’inégalité inverse est non-triviale seulement quand sup{dimH (Ak ) : k ∈ N} > 0. Sup-
posons ce fait et soit 0 ≤ d < sup{dimH (Ak ) : k ∈ N}. Alors il existe k tel que dimH (Ak ) >
d, donc Hd (Ak ) = ∞. On en déduit que Hd (∪k Ak ) = ∞, donc dimH (∪k Ak ) ≥ d. Ainsi

dimH (∪k Ak ) ≥ sup{dimH (Ak ) : k ∈ N}.

Remarque 4.11. En général, le calcul de la dimension de Hausdorff d’un ensemble A peut être
un tache difficile. On peut borner supérieurement la dimension de Hausdorff de A en exhibant
des recouvrement explicites (comme dans l’exercice 82). Prouver des bornes inférieures peut
s’avère plus délicat car il faut démontrer des bornes pour tout recouvrement.
Exercice 82.
Le but de cet exercice est de calculer la dimension de Hausdorff de l’ensemble de Cantor
C∞ = ∩n≥0 Cn .
Rappel (exercice 70): L’ensemble de Cantor est défini comme
suit. Soit C0 = [0, 1]. On
pose C1 = C0 \
( 31 , 23 ) ⊂ C0 . Puis C2 = C0 \ ( 19 , 92 ) ∪ ( 79 , 89 ) etc. Formellement Cn+1 =
1
C ∪ 23 + 31 Cn . Enfin, on pose C∞ = n Cn .
T
3 n

(a) En utilisant le auto-similarité de C∞ , donner un argument heuristique pour montrer

que dimH (C∞ ) = log 2
log 3
.
log 2
(b) Par un recouvrement explicite, montrer que H log 3 (C∞ ) ≤ 1.
log 2
(c) Soit F la fonction de répartition associée à C∞ . Monter que kF (x)−F (y)k ≤ kx−yk log 3
pour tout x, y ∈ [0, 1].
Indication: montrer l’inégalité pour Fn (la fonction de répartition associée à Cn ) par
récurrence sur n, ensuite passer à la limite.
log 2
(d) En déduire que dimH (C∞ ) ≥ log 3
.

(e) A Montrer que A 7→ H log 2

(A ∩ C∞ ) est une mesure de fonction de répartition cF pour
log 3

une certaine constante c > 0.

Pour plus d’exemples intéressants, voir [9] ou [3].

– 97 –
 ∗
CHAPITRE 4. DIMENSION ET MESURE DE HAUSDORFF

4.3 Hausdorff vs. Lebesgue

Théorème 4.12. Soit n ∈ N. Alors la mesure Hn sur Rn est la mesure de Lebesgue.

Soit d ∈ N, d < n et soit F un espace affine de dimension d dans Rn . Alors la mesure
Hd restreinte à F est la mesure de Lebesgue sur F . Ainsi, si A ⊂ F est un borélien,

Hd (A) = λd (A).

Preuve: Soit n ∈ N. On va commencer par prouver que Hn est proportionnelle à la mesure de

Lebesgue λn . Rappelons que dans la définition de Hn on peut se limiter aux recouvrements
par des ensembles fermés. Calculons Hn (B(0, 1)).
P
Pour un recouvrement (Bk )k∈N ⊂ E de B(0, 1) par des ensembles fermés, k λn (Bk ) ≥
λn (B(0, 1)) = α(n). Mais λn (Bk ) ≤ α(n)diam(Bk )n , donc
X X
α(n)2−n diam(Bk )n ≥ 2−n λn (Bk ) ≥ 2−n λn (B(0, 1)). (4.2)
k k

Ainsi Hn (B(0, 1)) ≥ 2−n λn , donc Hn est une mesure non-nulle sur Rn .
D’autre part, m > 0 on peut recouvrir B(0, 1) par les cubes C(k1 , . . . , kn ) = nj=1 (kj −
Q 
√
1)2−m ; kj 2−m , pour k1 , . . . , kn ∈ {−2m + 1, . . . , 2m }, chacun ayant un diamètre n2−m


Ainsi X √ −nm √
Hn (B(0, 1)) ≤ α(n)2−n n2 = α(n) n.
k1 ,...,kn ∈{−2m +1,...,2m }

En conclusion Hn est une mesure σ-finie sur Rn . De plus Hn est invariante par isoméries
(voir Proposition 4.5). Il s’en suit que Hn est un multiple non nul de la mesure de Lebesgue
√
λn . Les arguments donnés ici montre que 2−n λn ≤ Hn ≤ nλn .
Pour prouver que le facteur de multiplicité est exactement 1, c.-à-d. que Hn = λn , il
faut travailler plus précisément dans les inégalités obtenues au-dessus. On donne par la
suite une ébauche de cet argument.
Acceptons le fait (loin d’être trivial) que l’ensemble de diamètre 2 de mesure de
Lebesgue maximale est la boule unité B(0, 1). Alors, l’inégalité (4.2) devient
X X
α(n)2−n diam(Bk )n ≥ λn (Bk ) ≥ λn (B(0, 1)),
k k

ce qui entraîne Hn (B(0, 1)) ≥ λn (B(0, 1)).

Pour l’inégalité inverse supposons par l’absurde que Hn = (1 + δ)λn avec δ > 0.
Soit  > 0. On va essayer construire un recouvrement du cube [0, 1]n par des ensembles
de diamètre au plus , qui va induire une mesure de Hausdorff strictement plus petite que
1 + δ. Soit m ∈ N pair avec m > 2/. Prenons B1 , . . . , B  (m/2)n les boules de rayon
1/m (donc diamètre plus petit que ) centrées au points (k1 , . . . , kn ) : k1 , . . . , kn ∈
1 3
{m , m , . . . , m−1
m } . On a

n (m/2)n n
 (m/2)
[  X (m/2)
α(n) X α(n)
n
λn Bj = λn (Bj ) = n diam(Bj )n = n .
2 2
j=1 j=1 j=1

– 98 –
 ∗
CHAPITRE 4. DIMENSION ET MESURE DE HAUSDORFF

A
1/m

B1 B2

Figure 4.2: Le recouvrement utilisé pour montrer que Hn ≤ λn .

S(m/2)n

Notons A = [0, 1]n \ j=1 Bj . Alors A peut être couvert par des ensembles (Bk )k>(m/2)n
de diamètre au plus  de sorte que

α(n) X n n δα(n) δα(n)  α(n)  δα(n)

diam(B j ) ≤ H (A)+ = (1+δ)λ n (A)+ = (1+δ) 1− n + n+1 .
2n m n
2n+1 2n+1 2 2
j>( 2
)

Ainsi on a obtenu un recouvrement (Bk )k≥1 de [0, 1]n avec diam(Bk ) ≤  pour tout k et

α(n) X n α(n)  α(n)  δα(n)  α(n) 

diam(B j ) ≤ + (1 + δ) 1 − + = 1 + δ 1 − .
2n 2n 2n 2n+1 2n+1
j≥1
 
α(n)
Cela montre que Hn ([0, 1]n ) ≤ 1 + δ 1 − 2n+1
, ce qui contredit le fait Hn = (1 + δ)λn .
Ainsi on conclut que Hn = λn .

Remarque 4.13. Les mesures Hd sur Rn avec d < n sont aussi des mesures invariantes par
isométries. Pourtant elles ne sont pas des multiples de λn , car elles ne sont ni σ-finies, ni
régulières.
Ce petit lemme technique peut être utile pour estimer la dimensions de Hausdorff de
certains ensembles. On peut envisager des variations pour les fonctions Hölderiennes.

Lemme 4.14. Soit A ⊂ Rn et f : A → Rm une fonction.

(i) Si f est C-lipschitzienne pour une constante C > 0 (c.-à-d. kf (x) − f (y)k ≤ Ckx − yk,
∀x, y ∈ A), alors Hd (f (A)) ≤ C d Hd (A). En particulier dimH (f (A)) ≤ dimH (A).
(ii) Si f est c, C-bilipschitzienne pour des constante 0 < c < C (c.-à-d. ckx − yk ≤
kf (x) − f (y)k ≤ Ckx − yk, ∀x, y ∈ A), alors cd Hd (A) ≤ Hd (f (A)) ≤ C d Hd (A). En
particulier dimH (f (A)) = dimH (A).

Preuve: Soit f : A → Rm C-lipschitzienne.

À tout recouvrement (Bj )j∈N de A, on associe le
recouvrement f (Bj ) j∈N de f (A). Notons que, grâce au fait que f est lipschitzienne,
diam(f (Bj )) ≤ Cdiam(Bj ) pour tout j. Ainsi Hd (f (A)) ≤ C d Hd (A).
Si f est c, C-bilipschitzienne, alors Hd (f (A)) ≤ C d Hd (A) suit du premier point. De
plus, f est une bijection entre A et Im(A) avec f −1 étant 1/c-lipschitzienne. En appli-

– 99 –
 ∗
CHAPITRE 4. DIMENSION ET MESURE DE HAUSDORFF

t1

t0
tn

Figure 4.3: Une courbe rectifiable et une approximation de sa longueur par une subdivision.

quant le premier point à l’ensemble f (A) et la fonction f −1 on obtient Hd f −1 (f (A)) =

Hd (A) ≤ c−d Hd (f (A)), ce qui donne l’inégalité désirée.

Les inégalités sur la dimension de Hausdorff de f (A) suivent directement des inégalités
sur la mesure de Hausdorff.

La mesure de Hausdorff d’une courbe rectifiable Une courbe sur Rd est l’image d’une
fonction continue injective f : [0, 1] → Rn . Pour une telle fonction f , posons
n
X
L(f ) = sup kf (tj ) − f (tj−1 )k : 0 = t0 < · · · < tn = 1 .
j=1

On dit que f est rectifiable si L(f ) < ∞. Dans ce cas on appelle L(p) la longueur de f .
On peut facilement montrer que si f, g sont deux fonctions injectives de [0, 1] dans Rn de
même image, alors L(f ) = L(g). Ainsi, on peut parler de courbe rectifiable et de longueur
d’une courbe.
Une famille (t0 , . . . , tn ) avec 0 = t0 < · · · < tn = 1 est appelée une subdivision de [0, 1]
et son pas est max{tj − tj−1 : 1 ≤ j ≤ n}. Si t = (t0 , . . . , tn ) et s = (s0 , . . . , sm ) sont des
subdivisions de [0, 1], avec s qui est plus fine que t (c.-à-d. telles que tout point tj de t est
aussi un point sk de s), alors
n
X m
X
kf (tj ) − f (tj−1 )k ≤ kf (sj ) − f (sj−1 )k.
j=1 j=1

Pnk (k)
De plus, si f est rectifiable, alors L(f ) est est obtenue comme la limite de j=1 kf (tj ) −
(k) (k) (k)
f (tj−1 )k pour toute suite de subdivisions (t1 , . . . , tnk ) de pas tendant vers 0.
R1
Mentionnons enfin que, si f est dérivable, alors L(f ) = 0 kf 0 (t)kdt.

Proposition 4.15. Soit f une courbe rectifiable dans Rn . Alors H1 (Im(f )) = L(f ) et
dimH (Im(f )) = 1.

Preuve: Commençons par montrer que H1 (Im(f )) ≤ L(f ).

Soit  > 0 et n tel que m tel que pour tous x, y ∈ [0, 1] avec |x − y| ≤ n1 on a
kf (x) − f (y)k ≤  (un tel m existe par uniforme continuité de la fonction continue f .)

– 100 –
 ∗
CHAPITRE 4. DIMENSION ET MESURE DE HAUSDORFF

Considérons la subdivision régulière de [0, 1] de pas 1/n, à savoir (tj = nj )0≤j≤n . On y

associe le recouvrement de Im(f ) donné par Bj = f ([tj−1 , tj ]), j = 1, . . . , n. Par compacité,
le diamètre de chaque ensemble Bj est réalisé par une parie de points tj−1 ≤ sj ≤ s0j ≤ tj :

diam(Bj ) = kf (s0j ) − f (sj )k.

Mais la suite (0, s1 , s01 , s2 , . . . , sn , s0n , 1) est une subdivision de [0, 1], donc
X X
diam(Bj ) = kf (s0j ) − f (sj )k
j j

≤ kf (s1 ) − f (0)k + kf (s01 ) − f (s1 )k + · · · + kf (s0n ) − f (sn )k + kf (s0n ) − f (1)k ≤ L(f ).

Gardant en tête que α(1)/2 = 1, on obtient Hd (Im(f )) ≤ L(f ).

Passons à l’inégalité inverse. Soit 0 ≤ t < s ≤ 1 et soit π la projection de Rn sur
la droite d qui passe par f (t) et f (s). Alors π est 1-lipschitzienne et π(f ([s, t]) est un
intervalle sur la droite d, contenant f (t) et f (s). Ainsi

H1 (f ([t, s])) ≥ H1 π(f ([t, s])) ≥ kf (t) − f (s)k.

 

On en déduit que, pour toute subdivision (t0 , . . . , tn ) de [0, 1]

n
X n
X
1 1
H (f ([0, 1])) = H (f ([tj−1 , tj ])) ≥ kf (tj ) − f (tj−1 )k.
j=1 j=1

Il s’en suit que H1 (f ([0, 1])) ≥ L(f ).

Il existe des courbes continues (comme la courbe de Peano, le contour du flocon de Koch
– voir l’exercice 83 – ou les trajectoires typiques du mouvement Brownien) avec dimensions
de Hausdorff strictement plus grande que 1. Il s’agit évidement de courbes qui ne sont pas
rectifiables.

La mesure de Hausdorff d’une variété

Proposition 4.16. Soit M une variété différentielle de dimension d plongée dans l’espace
Rn . Alors Hd est une mesure non-nulle et σ-finie sur M . En particulier dimH (M ) = d.

Preuve: Soit K un compact de Rn . Pour tout point x ∈ M il existe un rayon r(x) > 0 et
un difféomorphisme fx : B(x, rx ) → Ux ⊂ R tel que f M ∩ B(x, rx ) ⊂ Rd × {0}n−d
n

et fx (x) = 0. Par compacité de K, il existe un ensemble fini X de points de M tels que

M ∩K ⊂ ∪x∈X B(x, rx ). De plus il existe des constantes 0 < c < C telles que kdfx (y)k ≤ C
et kdfx−1 (y)k ≥ c pour tout x ∈ X et y ∈ B(x, rx ). Cela implique que toutes les fonctions
(fx )x∈X sont c, C-bilipschitziennes. Ainsi, pour tout x ∈ X ,

C −d Hd fx (M ∩ B(x, rx )) ≤ Hd M ∩ B(x, rx ) ≤ c−d Hd fx (M ∩ B(x, rx )) .

Mais comme fx est c, C-bilipschitzienne,

B d (0, crx ) × {0}n−d ⊂ fx (M ∩ B n (x, rx )) ⊂ B d (0, Crx ) × {0}n−d .

– 101 –
 ∗
CHAPITRE 4. DIMENSION ET MESURE DE HAUSDORFF

(Dans cette équation on a écrit B d pour la boule de Rd et B n pour la boule de Rn .) On

conclut que

h d  d i
Hd M ∩ B(x, rx ) ∈ Cc rx , Cc rx ,

donc  c d X  C d X
0< rxd ≤ Hd M ∩ K) ≤ rxd < ∞.
C c
x∈X x∈X

En conclusion Hd est une mesure non-nulle et σ-finie sur M . Le fait que dimH (M ) = d
suit directement.

Exercice 83.
Montrer que le contour du flocon de Koch est bien une courbe continue et qu’elle n’est pas
rectifiable. Calculer sa dimension de Hausdorff.

Cinq étapes dans la construction du Flocon de Koch.

4.4 Utilisation pour le changement de variable sphérique

Soit n ≥ 2 et notons Sn−1 = ∂B(0, 1) ⊂ Rn la sphère de rayon 1 dans Rn . Alors dimH (Sn−1 ) =
n − 1 et Hn−1 est une mesure finie sur Sn−1 .

Théorème 4.17. Soit f : Rn → [0, ∞) une fonction borélienne. Alors

Z Z ∞Z
f (x) dλn (x) = f (rz) rn−1 dHn−1 (z) dr.
Rn r=0 z∈Sn−1

Preuve: Pour A ⊂ Sn−1 borélien et r < R posons Ar,R = {ρz : z ∈ A et r ≤ ρ ≤ R}. On commence
par montrer que
Z R
λn (Ar,R ) = Hn−1 (A) ρn−1 dρ. (4.3)
r

Fixons A et r < R et δ > 0.

On commence supposer que r = 1, R < 1 +  et que diam(A) <  pour un certain
 = (δ) > 0 (voir plus bas comment le choisir). Soit z = (1, 0, . . . , 0); quitte à tourner la
sphère, on peut supposer que z ∈ A. Notons π la projection de Sn−1 sur le plan {0}×Rd−1 .
Spit τ : A1,R → Rn définie par τ (ρz) = (π(z), ρ). Si on impose que diam(A) <  < δ et
R < 1 +  pour un certain  = (δ) > 0, on obtient que τ est une fonction bilipschitzienne
de constantes (1 + δ)−1 , 1 + δ (voir l’image pour une explication). Ainsi

– 102 –
 ∗
CHAPITRE 4. DIMENSION ET MESURE DE HAUSDORFF

Ar,R

A τ

Z R
n−1
H (A) ρn−1 dρ ≤ (1+δ)n Hn−1 (π(A))(R−1) = (1+δ)n λn (τ (A1,R )) ≤ (1+δ)2n λn (A1,R ).
1

L’inégalité inverse fonctionne de la même façon, et on obtient

R
1
Z
n−1
H (A) ρn−1 dρ ≥ λn (A1,R ).
1 (1 + δ)2n

On conclut que, si diam(A) ≤ , r = 1 et R ∈ [1, 1 + ], alors

R
1
Z
λn (A1,R ) ≤ Hn−1 (A) ρn−1 dρ ≤ (1 + δ)2n λn (A1,R ). (4.4)
(1 + δ)2n 1

En sommant (4.4) pour différents A, on généralise ces inégalités à tout ensemble borélien
A ⊂ Sn−1 . En utilisant l’effet des dilatation sur λn et un simple changement de variable,
déduit (4.4) pour tous r < R avec R ≤ (1 + )r:

1 1
λn (Ar,R ) = rn λn (A1,R/r )
(1 + δ)2n (1 + δ)2n
Z R/r Z R
≤ rn Hn−1 (A) ρn−1 dρ = Hn−1 (A) ρn−1 dρ
1 r
≤ (1 + δ)2n rn λn (A1,R/r )
= (1 + δ)2n λn (Ar,R ). (4.5)

Enfin, en sommant (4.5) sur des pairs r, R, on généralise (4.5) à tous r < R. Vu que δ > 0
à était choisi arbitrairement, on conclut (4.3).
Posons C = {Ar,R : r < R, A ∈ B(Sn−1 )}. Alors (4.3) montre que, pour tout B ∈ C,
Z ∞Z
λn (B) = 1B (rz) rn−1 dHn−1 (z) dr. (4.6)
r=0 z∈Sn−1

De plus, C est stable par intersections finies et σ(C) = B(R) (voir Exercice 84). Par
un argument de classes monotones standard, on montre que (4.6) est vraie pour tout
B ∈ B(Rd ). En fin, par le théorème de convergence monotone, cela implique le résultat
pour les fonctions positives, ensuite, par soustraction, pour les fonctions intégrables de
signe quelconque.

– 103 –
 ∗
CHAPITRE 4. DIMENSION ET MESURE DE HAUSDORFF

Exercice 84.
Monter que σ(C) = B(Rd ).
Indication: montrer que, pour tout ouvert U ⊂ Rd et tout x ∈ U , il existe  > 0 et A ⊂ C
avec B(x, ) ⊂ A ⊂ U .

4.5 Complément: dimension de Minkowski

Pour A ⊂ Rn et  > 0, notons N (A) le nombre minimal de boules de rayon  nécessaire
pour couvrir A. On va se limiter aux ensembles bornés A, de sorte que N (A) soit fini. Dans
l’esprit de la dimension de Hausdorff, on définit la dimension de Minkowski

log N (A)
dimM (A) = lim .
→0 − log 

La motivation de cette définition est que, si on a besoin de −d boules de rayon  pour couvrir
A, alors il est raisonnable de dire que la dimension de A est d. C’est par exemple le cas des
sous-espaces vectoriels de dimension d dans Rn .

Lemme 4.18. Soit A un sous-espace vectoriel de dimension d dans Rn . Alors dimM (A ∩

B(0, 1)) = d.

Mentionnons que on peut remplacer la nombre de boules de rayon  par le nombres de

cubes de taille  et on obtient le même résultat.
Une définition équivalente de la dimension de Minkowski est la suivante.

Lemme 4.19. Soit A un ensemble borné de Rn avec une dimension de Minkowski bien
définie. Alors
log λn (A + B(0, ))
dimM (A) = n + lim ,
→0 − log 
où A + B(0, ) = {x + y : x ∈ A, kyk < }.

Cette notion est intuitive et plus facile a calculer que la dimension de Hausdorff, par
contre elle a multiples désavantages.
• La dimension de Minkowski n’est pas toujours définie. En effet la limite n’existe pas
toujours; on peut quand même toujours prendre la limite supérieure ou inférieure.
• La dimension de Minkowski de Q ∩ [0, 1] est égale à 1, alors que celle d’un point est
égale à 0. Généralement dimM (∪n∈N An ) ≥ maxn dimM (An ), mais il n’y a pas toujours
égalité.
• On ne peut pas définir une mesure de dimension d associé aux recouvrements de
Minkowski. Une telle notion existe (il s’agit du contenu de Minkowski) mais ce n’est
pas une mesure borélienne.

Lemme 4.20. Pour tout ensemble A dont la dimension de Minkowski est bien définie,

dimH (A) ≤ dimM (A).

– 104 –
 ∗
CHAPITRE 4. DIMENSION ET MESURE DE HAUSDORFF

Exercice 85. (a) Démontrer les trois lemmes sur la dimension de Minkowski.
(b) Prouver que dimM (Q ∩ [0, 1]) = 1.
(c) Donner un exemple d’ensemble borné A dont la dimension de Minkowski n’est pas
définie.

– 105 –
 ∗
CHAPITRE 4. DIMENSION ET MESURE DE HAUSDORFF

– 106 –
 Partie II

Éléments d’analyse fonctionnelle

107
Chapitre 5

Analyse fonctionnelle abstraite

Avant d’étudier des espaces de fonctions spécifiques, on va faire une courte présentation des
questions qu’on se pose généralement en analyse fonctionnelle.

5.1 Espaces vectoriels normés

5.1.1 Norme
Dans les chapitres suivants on travaillera avec des espaces vectoriels de fonction (en général
il s’agit de sous-espaces vectoriels de l’espace des fonctions F(X, R) = {f : X → R} pour un
certain ensemble X). Étudions donc les espaces vectoriels et leur propriétés topologiques.
Par la suite, sauf mention contraire, tous les espaces vectoriels considérés sont réels.

Définition 5.1. Soit E un espace vectoriel. Une norme sur E est une fonction k.k : E →
[0, +∞) telle que, pour tout x, y ∈ E,
(i) kλxk = |λ| · kxk pour tout λ ∈ R,
(ii) kx + yk ≤ kxk + kyk,
(iii) kxk = 0 ⇔ x = 0.
On dit que (E, k.k) forment un espace vectoriel normé.

La norme est une notion plus restrictive que celle de distance. En effet, une norme induit
une distance, comme l’affirme la proposition suivante. Par contre, pas toute distance sur un
espace vectoriel est issue d’une norme.

Proposition 5.2. Si (E, k.k) est un espace vectoriel normé, alors (x, y) 7→ kx − yk est
une distance sur E.
La proposition se montre directement à partir des définitions de norme et distance. Ainsi,
un espace vectoriel normé est aussi un espace métrique et admet donc une topologie. Quand
on parle d’un espace vectoriel normé, on utilise par défaut la topologie associée a cette norme.
Généralement la topologie dépend fortement de la norme dont elle proviennent. De plus,
on rencontre des fois des espaces vectoriels avec des topologies qui ne correspondent pas a
des normes.

109
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

5.1.2 Produit scalaire

La norme d’un espace vectoriel peux venir d’un produit scalaire; une notion encore plus
rigide. On va voir par la suite que ce cas est très particulier et qu’il est souvent bien plus
facile à étudier.

Définition 5.3. Soit E un espace vectoriel réel. Un produit scalaire sur E est une fonction
h·, ·i : E × E → R avec les propriétés suivantes:
(i) pour tout x, y ∈ E, hx, yi = hy, xi,
(ii) pour tout x, y, z ∈ E et λ ∈ R

hx + y, zi = hx, zi + hy, zi hλx, zi = λhx, zi

hx, y + zi = hx, yi + hx, zi hx, λzi = λhx, zi, (5.1)

(iii) pour tout x ∈ E, hx, xi ≥ 0, avec égalité si et seulement si x = 0.

Une fonction de E 2 dans R satisfaisant (5.1) est appelée forme bilinéaire. Un produit
scalaire est donc une forme bilinéaire symétrique (i) et définie positive (iii).
La deuxième ligne de (5.1) peut s’obtenir à partir de la première à l’aide de symétrie.

Théorème 5.4 (Inégalité de Cauchy Schwarz). Soient E un espace vectoriel et h·, ·i un

produit scalaire sur E. Alors, pour tout x, y ∈ E,
p
hx, yi ≤ hx, xi · hy, yi. (5.2)

De plus, on a égalité si et seulement s’il existe a, b ∈ R+ tels que ax = by.

Preuve: Écrivons, pour λ ∈ R, g(λ) = hx + λy, x + λyi ≥ 0. Alors, on peut décomposer le produit
scalaire pour obtenir:
g(λ) = hx, xi + 2λhx, yi + λ2 hy, yi.
Ainsi g est une fonction quadratique en λ ∈ R qui est toujours positive. On déduit que
son déterminant est négatif, à savoir

∆ = 4hx, yi2 − 4hx, xihy, yi ≤ 0.

L’inégalité est donc prouvée.

Supposons qu’on a égalité dans (5.2); ce qui s’écrit aussi ∆ = 0. Si y = 0 on peut
écrire y = 0 · x. On peut donc supposer que y 6= 0; on déduit alors qu’il existe λ ∈ R avec
g(λ) = 0. Ainsi x = λ · y. En écrivant explicitement (5.2) avec cette condition, on obtient:
p
hx, yi = λhy, yi ≤ |λ| · hy, yi = hx, xi · hy, yi.

On voit qu’on a égalité que si λ ≥ 0.

Inversement, s’il existe a, b ∈ R+ avec a · x = b · y, un calcul directe montre qu’on a
égalité dans (5.2)

– 110 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

Corollaire 5.5.pSoient E un espace vectoriel et h·, ·i un produit scalaire sur E. Alors la

fonction kxk = hx, xi est une norme sur E.

Le corollaire se montre facilement à l’aide de l’inégalité de Cauchy-Schwarz. On laisse la

preuve en exercice. Désormais, pour un espace vectoriel avec un produit scalaire la norme
par défaut est celle donnée par la produit scalaire.

5.1.3 Complétude

Définition 5.6. Un espace vectoriel normé complet est appelé espace de Banach.
Un espace vectoriel muni d’un produit scalaire qui le rend complet est appelé espace de
Hilbert.
On verra dans la partie 5.1.4 que les notions d’espaces de Banach et de Hilbert sont
intéressantes que pour des espaces de dimension infinie.
On encourage le lecteur à revenir à la section 0.2.2 pour revoir les propriétés des espaces
complets. On rappelle également deux exercices importants.
Exercice 86 (Important !).
Soient (E, d) un espace métrique et A ⊂ E un ensemble dense dans E. Soit f : A → R une
fonction uniformément continue (c.-à-d. telle que, pour tout  > 0 il existe δ > 0 tel que
pour tous x, y ∈ E avec d(x, y) < δ, on a |f (x) − f (y)| < ).
Montrer qu’il existe une unique fonction F : E → R continue telle que F (x) = f (x) pour
tout x ∈ A. Montrer que F est uniformément continue.
Donner un contre-exemple si on suppose f : A → R seulement continue, pas uniformément
continue.

Exercice 87 (Important !). P

Soient E un espace de Banach et (xn )n∈N une suite de E avec n≥1 kxn k < ∞. Montrer
alors que N
P P
n=1 xn converge quand N → ∞ vers un élément de E qu’on va noter n≥1 xn .
En d’autres mots, montrer que dans un espace de Banach, les sommes absolument con-
vergentes convergent. Ce résultat va être utilisé implicitement par la suite.
Monter que pour N ≥ 1,
X XN X
xn − xn = xn
n≥1 n=1 n>N
P P
et que k n>N xn k ≤ n>N kxn k.

Exercice 88 (Théorème de point fixe de Banach).

Soit (E, k.k) un espace de Banach et f : E → E une application contractante, c.-à-d. telle
qu’il existe c ∈ [0, 1) avec kf (x) − f (y)k ≤ ckx − yk pour tous x, y ∈ E. Montrer que f
admet un unique point fixe (un point fixe est un x ∈ E tel que f (x) = x).
Indication: pour l’existence, prendre un point x0 ∈ E et étudier la suite définie par xn+1 =
f (xn ). Montrer qu’elle converge vers un point de E. Quelle est sa vitesse de convergence ?
Remarque: la preuve s’adapte facilement aux espaces métriques complets E.

– 111 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

5.1.4 Dimension finie vs. dimension infinie

Les espaces vectoriels normés ont des propriétés beaucoup plus diverses en dimension infinie
qu’en dimension finie. On donne par la suite quelques exemples.

Théorème 5.7. Soit E un espace vectoriel de dimension finie et k.k et |||.||| deux normes
sur E. Il existe des constantes 0 < c < C telles que

ckxk ≤ |||x||| ≤ Ckxk, ∀x ∈ E.

On dit que les normes k.k et |||.||| sont équivalentes. Cela implique que les topologies
induites par k.k et |||.||| sont identiques.

En d’autres mots, toutes les normes sur un espace de dimension finie sont équivalentes.
Ainsi, en dimension finie, le choix de la norme a très peu d’importance; souvent il n’est même
pas spécifié. Cela n’est plus vrai en dimension infinie. Pour la preuve et plus de détails, voir
l’exercice 89.

Théorème 5.8. Tout espace vectoriel normé de dimension finie est complet.

On laisse la preuve en exercice.

Enfin, la notion de compacité est bien plus simple dans un espace vectoriel normé de
dimension finie que en dimension infinie.

Théorème 5.9. Soit B(0, 1) la boule unité d’un espace vectoriel normé E. Alors B(0, 1)
est précompacte si et seulement si E est de dimension finie.

Une formulation équivalente de ce théorème est que, dans un espace vectoriel normé de
dimension finie, les ensembles compacts sont exactement les ensembles fermés et bornés.
Toutefois, dans les espaces vectoriels normés de dimension infinie, cette équivalence n’est
jamais valable. En effet, dans ce cadre, les ensembles compacts sont fermés et bornés, mais
pas tous les ensembles fermés et bornés sont compacts.

Preuve: Si E est de dimension finie, fixons une base (e1 , . . . , en ). En utilisant l’équivalence des
normes, on peut se limier au cas ou la norme est k.k∞ pour cette base.
Soit (an ) ∈ E N une suite avec kan k < 1 pour tout n. On veut montrer qu’on peut en
extraire une sous-suite convergente. En utilisant la compacité de [−1, 1] dans R on montre
qu’on peut extraire des sous-suites telles que chaque coordonnée converge. Cela suffit pour
conclure.
Si E est de dimension infinie, on construira une suite (xn ) ∈ B(0, 1)N de manière récur-
rente comme suit. Prendre x1 de norme 1 arbitrairement. Supposons xi construit pour
i ≤ n et définissons xn+1 . Soit y ∈
/ Vect(x1 , . . . , xn ). La fonction φ : Vect(x1 , . . . , xn ) → R
définie par φ(x) = kx + yk est continue et tend vers ∞ quand kxk → ∞. Comme

– 112 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

y+z
dimVect(x1 , . . . , xn ) < ∞, φ atteint son min à un point z. Posons xn+1 = ky+zk . A noter
que y + z 6= 0 car y ∈ / Vect(x1 , . . . , xn ), donc xn+1 est bien défini. Enfin, pour k ≤ n,

1 1 1
kxn+1 −xk k = ky+z +ky+zk·xk k = φ(z +ky+zk·xx ) ≥ φ(z) = 1.
ky + zk ky + zk ky + zk

La suite (xn ) construite ainsi a les propriétés suivantes:

kxn k = 1 et kxn − xm k = 1, ∀n 6= m.

Cela implique que (xn ) ne contient pas de sous-suite convergente, donc que B(0, 1) n’est
pas compacte.

Exercice 89.
Soit E un espace vectoriel. On dit que deux normes k.k et |||.||| sur E sont équivalentes s’il
existe des constantes 0 < c < C telles que

ckxk ≤ |||x||| ≤ Ckxk, ∀x ∈ E.

(a) Montrer que deux normes sont équivalentes si et seulement si elles génèrent la même
topologie sur E.
(b) Montrer que si deux normes sont équivalentes, alors une suite de Cauchy dans une
norme est aussi de Cauchy pour l’autre. Déduire que l’espace est complet dans une
norme si et seulement s’il est complet dans une autre.
(c) Montrer que si E est de dimension finie, alors toutes les normes sur E sont équivalentes.
(d) On écrit `b (R) pour l’ensemble des suites réelles bornées. Donner deux normes sur
`b (R) qui ne soit pas équivalentes.

Exercice 90.
Prouver le Théorème 5.8.
Indication: Fixer une base de E et utiliser une norme explicite (p.ex. la norme k.k∞ ). La
preuve se base sur la complétude de R; procéder coordonnée par coordonnée.

5.2 Dual
5.2.1 Norme d’operateur

Définition 5.10. Soient (E, k.kE ) et (F, k.kF ) deux espaces vectoriels normés. Pour une
application linéaire u : E → F , on pose

kuk = sup ku(x)kF : x ∈ E, kxkE = 1 .

– 113 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

Théorème 5.11. Soient (E, k.kE ) et (F, k.kF ) deux espaces vectoriels normés. Pour
u : E → F linéaire on a kuk < ∞ si et seulement si u est continue.
Écrivons L (E, F ) pour l’ensemble des applications linéaires continues de E dans F . Alors
k.k est une norme sur L (E, F ); on l’appelle la norme d’opérateur.

Preuve: Soit u : E → F une application linéaire. Si kuk < ∞, alors pour tout x, h ∈ E,

ku(x + h) − u(x)kF = ku(h)kF ≤ kuk · khkE −−−→ 0.

h→0

Ainsi u est continue (même lipschitzienne donc uniformément continue).

Inversement, si kuk = ∞, alors il existe (xn )n∈N ∈ E N avec kxn kE = 1 et ku(xn )kF →
∞. On a donc
xn  x
n

→ 0, mais u = 1.
ku(xn )kF ku(xn )k F
Ainsi u n’est pas continue.
Montrons que k.k est une norme sur L (E, F ). Pour u, v ∈ L (E, F ), on a

ku(x) + v(x)kF ≤ ku(x)kF + kv(x)kF ≤ kuk + kvk, ∀x ∈ E avec kxk = 1.

Ainsi ku + vk ≤ kuk + kvk. Pour λ ∈ R


kλ · uk = sup |λ| · ku(x)kF : x ∈ E, kxkE = 1 = |λ| · kuk.

Enfin, si kuk = 0, alors u(x) = 0 pour tout x ∈ E, donc u = 0.

Remarque 5.12. Le théorème précédent nous dit qu’une application linéaire est continue si
et seulement si elle est uniformément continue et même lipschitzienne.

5.2.2 Dual et bi-dual

Définition 5.13. Une forme linéaire sur un espace vectoriel normé E est une application
linéaire f : E → R.
On écrit E ∗ = L (E, R) pour l’espace des formes linéaires continues. L’espace E ∗ muni de
la norme d’opérateur est un espace vectoriel normé qu’on appelle le dual de E.

Remarque 5.14. Si E est un espace vectoriel normé de dimension infinie, alors il existe des
formes linéaires discontinues définies sur E. On peut exhiber simplement des exemples avec
E un espace vectoriel normé non-complet (voir exercices 94 et 95). Quand E est de Banach,
l’existence de formes linéaires discontinues est une consequence de l’axiome du choix (voir
exercices 99 et 100); en particulier, il n’existe pas d’exemples explicites.

Théorème 5.15. Pour tout espace vectoriel normé E, E ∗ est un espace de Banach.

– 114 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

Preuve: Il s’agit de montrer que E ∗ est complet. Soit (un )n une suite de Cauchy dans E ∗ . Alors,
pour tout x ∈ E, |un (x) − um (x)| ≤ kun − um k · kxk. Il s’en suit que (un (x))n∈N est une
suite de Cauchy dans R, elle converge donc vers une limite qu’on note u(x) ∈ R.
En prenant n → ∞ dans

un (ax + by) = aun (x) + bun (y),

on déduit que u est linéaire.

Pour tout x ∈ E avec kxk = 1,

|u(x)| = lim |un (x)| ≤ lim inf kun k

n n

Le fait que (un )n est de Cauchy, implique que (kun k)n est aussi de Cauchy, donc bornée.
Ainsi kuk < ∞, donc u est continue.
Enfin montrons que (un ) converge vers u dans la topologie de E ∗ . Pour  > 0 il existe
N tel que pour n, m ≥ N et tout x ∈ E avec kxk = 1, |un (x) − um (x)| ≤ kun − um k < .
En prenant m → ∞ on obtient

|un (x) − u(x)| ≤ , ∀n ≥ N et x ∈ E avec kxk = 1.

On déduit que kun − uk ≤ , d’où kun − uk → 0.

Théorème 5.16. Soit E un espace vectoriel normé. Alors la fonction

Φ : E → (E ∗ )∗

x 7→ u→7 u(x)

est une isométrie. On dit que E est contenu de manière canonique dans (E ∗ )∗ .

L’espace (E ∗ )∗ est appelé le bi-dual de E. Le théorème nous dit donc que tout espace
vectoriel normé E est contenu dans son bi-dual. Si E = (E ∗ )∗ (ou plus précisément si
l’injection Φ du théorème précédent est une bijection), alors on dit que E est réflexif. Par la
suite, on va voir des exemples d’espaces réflexifs et pas réflexifs.

Preuve: Écrivons Φx pour l’image d’un élément x ∈ E par Φ. Pour commencer, montrons que
Φx ∈ (E ∗ )∗ . Pour u, v ∈ E ∗ et λ, µ ∈ R on a

Φx (λu + µv) = λu(x) + µv(x) = λΦx (u) + µΦx (v).

De plus, il faut montrer que Φx est continue. Pour u ∈ E ∗ on a

|Φx (u)| = |u(x)| ≤ kukE ∗ · kxkE .

Ainsi Φx est bien une forme linéaire continue sur E ∗ avec kΦx k(E ∗ )∗ ≤ kxkE .
Montrons maintenant que Φ est bien linéaire. Soient x, y ∈ E et λ, µ ∈ R. Alors
Φλx+µy est la forme linéaire sur E ∗ donnée par:

Φλx+µy (u) = u(λx + µy) = λu(x) + µu(y) = λΦx (u) + µΦy (u), ∀u ∈ E ∗ .

– 115 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

On a donc Φλx+µy = λΦx + µΦy , donc que Φ est linéaire.

Enfin, montrons que Φ est une isométrie. Soit x ∈ E. On a déjà vu que kΦx k(E ∗ )∗ ≤
kxkE , on va donc se concentrer sur l’inégalité inverse. Le cas x = 0 est trivial, on peut
donc se limiter à x 6= 0.
Soit F = Rx la droite engendrée par x et v la forme linéaire définie sur F par v(λx) =
λkxk. Alors v est une forme linéaire sur F de norme 1. Par le théorème de Hahn-Banach
(ou plus précisément par son Corollaire 5.18 à suivre), il existe un prolongement u ∈ E ∗
de v de même norme que v. Alors

|Φx (u)| = |u(x)| = kxkE = kukE ∗ · kxkE ,

donc kΦx k(E ∗ )∗ ≥ kxkE . On conclut que kΦx k(E ∗ )∗ = kxkE , donc que Φ est une isométrie.

5.2.3 Théorème de Hahn-Banach

Théorème 5.17 (Hahn-Banach). Soit E un espace vectoriel et p : E → [0, +∞) une

fonction telle que

∀x ∈ E, α ≥ 0 p(αx) = αp(x) et ∀x, y ∈ E p(x + y) ≤ p(x) + p(y). (5.3)

De plus, soient F un sous-espace vectoriel de E et Λ : F → R une forme linéaire continue

avec Λ(x) ≤ p(x) pour tout x ∈ F . Alors il existe une forme linéaire Λ̃ : E → R qui
coïncide avec Λ sur F et telle que

Λ̃(x) ≤ p(x) pour tout x ∈ E. (5.4)

Ce théorème est surtout utile si Λ est une forme linéaire continue sur F de norme c =
kΛk > 0 et qu’on pose p(x) = ckxk (qui satisfait evidement (5.3)). Alors la propriété (5.4)
appliquée a x et −x devient

Λ̃(x) ≤ ckxk et − Λ̃(x) ≤ ck − xk = ckxk ∀x ∈ E,

ou plus simplement |Λ̃(x)| ≤ ckxk. Ainsi Λ̃ est un prolongement de Λ à E, de même norme

que Λ. Ce qu’on vient de prouver est la conséquence suivante du théorème de Hahn-Banach.

Corollaire 5.18. Soient E un espace vectoriel, F un sous-espace vectoriel de E et Λ :

F → R une forme linéaire continue. Alors il existe une forme linéaire continue Λ̃ : E → R
qui coïncide avec Λ sur F et telle que kΛ̃k = kΛk.

Preuve du Théorème 5.17: Soient p, F et Λ comme dans l’énoncé.

Montrons pour commencer que pour un u ∈ / F fixé, on peut prolonger Λ à F ⊕ Ru et
assurant (5.4) pour tout x ∈ F ⊕ Ru. Notons Λ̃ un tel prolongement et posons Λ̃(u) = α.

– 116 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

Alors Λ̃ est entièrement définie:

Λ̃(tu + v) = tα + Λ(v), ∀v ∈ F et t ∈ R.

La valeur de α doit être telle que

Λ̃(tu + v) = tα + Λ(v) ≤ p(tu + v) pour tous t ∈ R et v ∈ F . (5.5)

En divisant par t et prenant en compte son signe, on conclut que α doit satisfaire

Λ(w) − p(w − su) p(tu + v) − Λ(v)

sup ≤ α ≤ inf (5.6)
s>0; w∈F s t>0; v∈F t

Ainsi, pour qu’un tel α existe, il faut et il suffit pour le sup ci-dessus d’être plus petit que
le inf. Soient v, w ∈ F et t, s > 0. Alors

p(tu + v) − Λ(v) Λ(w) − p(w − su) 1 

− = s p(tu + v) + t p(w − su) − Λ(sv + tw)
t s ts
1 
= p(sv + tsu) + p(tw − tsu) − Λ(sv + tw)
ts
1 
≥ p(sv + tw) − Λ(sv + tw) ≥ 0.
ts
La première égalité est due à la linéarité de Λ, la seconde à la première propriété de (5.3).
La première inégalité est due à la sous-additivité de p (voir (5.3)) et la dernière à (5.4).
Ainsi l’inégalité entre le sup et le inf de (5.6) est établie. Il existe donc un choix de α
qui satisfait (5.5), ce qui montre que Λ peut être étendue à F ⊕ Ru et assurant (5.4).
Maintenant prolongeons Λ à l’intégralité de E. L’étape précédente jouent le rôle d’un
pas de récurrence. En effet, si l’espace E est de dimension finie, on peut utiliser le pas
précédent pour faire une récurrence sur la dimension de F . Pour une preuve générale, on
va faire appel au lemme de Zorn (un énoncé équivalent à l’axiome du choix).
Lemme 5.19 (Zorn). Soit Ω un ensemble partiellement ordonné tel que, pour tout sous-
ensemble A de Ω qui est totalement ordonné, il existe une borne supérieure de A (c.-à-d.
un x ∈ Ω tel que y ≤ x pour tout y ∈ A). Alors Ω au moins un élément maximal (c.-à-d.
un x ∈ Ω tel qu’il n’existe pas de y ∈ Ω avec x ≤ y).
Continuons la preuve du Théorème de Hahn-Banach à l’aide de ce lemme qu’on admet.
Soit Ω l’ensemble des couples (G, Λ̃) où G est un sous-espace vectoriel de E contentant F
et Λ̃ est une forme linéaire sur G qui prolonge Λ et satisfaisant Λ̃(x) ≤ p(x), ∀x ∈ G. Un
ordre partiel sur Ω est donné par (G, Λ̃) ≤ (G0 , Λ̃0 ) si G ⊂ G0 et Λ̃0 coïncide avec Λ̃ sur G.
On va appliquer le lemme de Zorn à Ω. Montrons pour commencer que tout sous-
ensemble totalement ordonné A de Ω admet une borne superieure. Fixons un tel A; on
construit explicitement la borne supérieure (H, Ψ) de A en posant
[
H= G et Ψ(x) = Λ̃(x) pour un (G, Λ̃) ∈ A avec x ∈ G.
(G,Λ̃)∈A

Du fait que les sous-espaces G apparaissant dans l’union sont contenu les uns dans les
autres, il s’en suit que H est aussi un sous-espace vectoriel de E. De plus, pour tout

– 117 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

x ∈ H, la deuxième propriété définie bien Ψ, car, comme A est totalement ordonné, la

valeur de Ψ(x) ne dépend pas du choix de (G, Λ̃) ∈ A avec x ∈ G. Finalement, les mêmes
arguments montrent que Ψ est linéaire et qu’elle satisfait Ψ(x) ≤ p(x), ∀x ∈ H, donc que
(H, Ψ) ∈ Ω. Par sa construction (H, Ψ) ≥ (G, Λ̃) pour tous (G, Λ̃) ∈ A.
On conclut que Ω contient un élément maximal (G, Λ̃). Supposons par l’absurde que
G ( E. Alors il existe u ∈ E \ G et par le premier point, on peut encore prolonger Λ̃ à
G ⊕ Ru, ce qui contredit le caractère maximal de (G, Λ̃). On conclut que G = E et que Λ̃
est un prolongement comme celui recherché.

Exercice 91.
Soit (E, k.k) un espace vectoriel normé. Montrer que toute forme linéaire continue est lips-
chitzienne.

Exercice 92.
Soit (E, k.k) un espace vectoriel normé de dimension finie. Montrer que toutes les formes
linéaires sont continues.

Exercice 93.
Soit (E, k.k) un espace vectoriel normé et F un sous-espace vectoriel de E.
(a) Montrer que si F est de dimension finie, alors F est fermé.
(b) Donner un exemple d’espaces F ⊂ E de dimensions infinie avec F qui n’est pas fermé.
(c) Que dire de F si on suppose qu’il est ouvert?

Exercice 94.
On écrit `c (R) pour l’ensemble des suites réelles avec un nombre fini de termes non-nuls.
Exhiber une norme sur sur `c (R) et donner une forme linéaire continue et une discontinue
pour cette norme.

Exercice 95.
On écrit C 1 ([−1, 1]) pour l’ensemble des fonctions continuellement dérivables de [−1, 1] dans R.
(a) Montrer que kf k∞ := supx∈[−1,1] |f (x)| définie une norme sur C 1 ([−1, 1]).
(b) Montrer que f 7→ f 0 (0) est une forme linéaire discontinue sur C 1 ([−1, 1]).
On verra dans l’exercice 110 que C 1 ([−1, 1]) n’est pas de Banach pour k.k∞ .
(c) Posons |||f ||| = kf k∞ + kf 0 k∞ pour f ∈ C 1 ([−1, 1]). Montrer que |||.||| est une norme sur
C 1 ([−1, 1]) et que f 7→ f 0 (0) est continue pour cette norme.
(d) A Montrer que C ([−1, 1]) est complet pour |||.|||.
1

Exercice 96. (a) Montrer que tout espace vectoriel normé de dimension finie est réflexif.
(b) Montrer qu’un espace vectoriel normé réflexif est nécessairement complet.

Exercice 97.
Soient E un espace vectoriel normé et F un sous-espace de E. Montrer que E ∗ est un
sous-espace vectoriel de F ∗ .
Montrer que si F est dense dans E, alors E ∗ = F ∗ .

– 118 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

Exercice 98.
Soit (E, k.k) un espace vectoriel normé.
(a) Montrer que la boule unité B(0, 1) = {x ∈ E : kxk < 1} est un ensemble convexe,
c.-à-d. qu’il est tel que, pour tous x, y ∈ B(0, 1) et λ ∈ [0, 1], λx + (1 − λ)y ∈ B(0, 1).
(b) Montrer que pour tous x, y ∈ E avec kxk = 1 et y ∈
/ Rx, il existe un λ ∈ R tel que la
droite x + R(λy + x) n’intersecte pas B(0, 1).
(c) Représenter leppoint précédent pour E = R2 et la norme euclidienne (donnée par
k(x1 , x2 )k∞ = x21 + x22 ) puis séparément pour la norme sup (donnée par k(x1 , x2 )k∞ =
max{|x1 |, |x2 |}).
(d) Supposons que E contient une base algébrique, c.-à-d. une famille E = (ei )i∈I telle que
tout vecteur de E s’écrit de manière unique comme combinaison linéaire finie de E.
Montrer alors qu’il existe un hyperplan H tel que (x + H) ∩ B(0, 1) = ∅.

Exercice 99.
Soit E un espace vectoriel. Une base algébrique (ou base de Hamel ) est une famille (ei )i∈I de
E telle que
• la famille (ei )i∈I est libre: toute combinaison linéaire finie nulle des (ei )i∈I est triviale;
• la famille (ei )i∈I est génératrice: tout vecteur de E s’écrit comme combinaison linéaire
finie des (ei )i∈I .

Le but de cet exercice est de montrer que E admet une base algébrique.
(a) Soit E = (ei )i∈I une famille libre de E. Montrer que si E n’est pas génératrice, alors il
existe f ∈ E tel que E ∪ {f } est libre.
(b) A l’aide du lemme de Zorn (lemme 5.19) déduire que toute famille libre est contenue
dans une base algébrique.

Exercice 100.
Soit E un espace vectoriel normé de dimension infinie et soit E = (ei )i∈I base algébrique
de E.
(a) Montrer que E est infinie.
(b) Soit (ai )i∈I une famille de nombres réels. Montrer qu’il existe une unique forme linéaire
u : E → R telle que u(ei ) = ai pour tout i ∈ I.
(c) Déduire l’existence de formes linéaires discontinues sur E.

5.3 Convergence faible et faible-*

Fixons (E, k.k) un espace vectoriel normé. Son dual E ∗ admet alors la topologie induite
par la norme d’opérateur. Toutefois, une deuxième topologie apparait naturellement sur E ∗ ,
notamment celle de la convergence simple.

– 119 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

Définition 5.20. La topologie faible-* est la topologie engendrée par les ouverts

{Λ ∈ E ∗ : Λ(x) ∈ U } pour x ∈ E et U ⊂ R ouverts.

En particulier, pour Λ, Λ1 , Λ2 , · · · ∈ E ∗ on dit que Λn converge faible-* vers Λ et on écrit

∗
Λn * Λ si Λn (x) −−−→ Λ(x) pour tout x ∈ E.
n→∞

La topologie faible-* peut également décrite comme la plus faible topologie sur E ∗ qui
rend les applications Λ 7→ Λ(x) continues (en Λ) pour tout x ∈ E. En particulier, elle est
plus faible que la topologie donnée par la norme d’opérateur.
∗
Lemme 5.21. Pour Λ, Λ1 , Λ2 , · · · ∈ E ∗ , si kΛn − Λk −−−→ 0 alors, Λn * Λ.
n→∞

Preuve: Fixons x ∈ E. Alors

|Λn (x) − Λ(x)| ≤ kΛn − Λk · kxk → 0 quand n → ∞.

Théorème 5.22 (Banach-Alaoglu). Soit (E, k.k) un espace vectoriel normé. Alors la
boule unité fermée de E ∗ pour la norme d’opérateur

B = {Λ ∈ E ∗ : kΛk ≤ 1}

est compacte pour la topologie faible-*.

Observons qu’une formulation équivalente de ce résultat est que tout ensemble de E ∗

qui est borné pour la norme d’opérateur (on dit fortement borné) est pré-compact pour la
topologie faible-*.
Nous allons ici nous limiter au cas ou E est séparable.

Proposition 5.23. Soient (E, k.k) un espace vectoriel normé séparable et A = {a1 , a2 , . . . }
un sous-ensemble dénombrable dense de E. Alors
X
d(Λ1 , Λ2 ) = 1
2k
min{|Λ1 (ak ) − Λ2 (ak )|, 1} ∀Λ1 , Λ2 ∈ E ∗ (5.7)
k≥1

définie une distance sur E ∗ . De plus, cette distance induit la topologie faible-* sur B, la
boule unité fermée de E ∗ .

– 120 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

Preuve: Le fait que d est une distance se montre facilement. La seule chose à observer est que la
série qui définie d est toujours absolument convergente car ses termes sont bornées par la
série géométrique 2−n .
Soient (Λn )n≥1 et Λ des formes linéaires de E ∗ contenues dans B (donc de norme au
∗
plus 1). Supposons pour commencer que Λn * Λ et montrons que d(Λn , Λ) → 0. Fixons
 > 0 et soit K tel que 2−K ≤ . Alors
K
X X
d(Λn , Λ) ≤ 1
2k
min{|Λn (ak ) − Λ(ak )|, 1} + 2−k .
k=1 k>K

Par le choix de K, le deuxième terme est plus petit que . De plus, par la convergence
faible-* de Λn vers Λ, chaque terme de la première somme tend vers 0. Enfin, comme la
première somme est finie, elle tend vers 0. Ainsi

lim sup d(Λn , Λ) ≤ .

n

Comme  > 0 est arbitraire, on conclut que d(Λn , Λ) → 0.

Supposons maintenant que que d(Λn , Λ) → 0. Alors, pour chaque k

min{|Λn (ak ) − Λ(ak )|, 1} ≤ 2k d(Λn , Λ) → 0.

Ainsi Λn (a) → Λn (a) quand n → ∞ pour chaque a ∈ A.

Montrons maintenant que Λn (x) → Λn (x) quand n → ∞ pour chaque x ∈ E. Fixons
x ∈ E et  > 0. Soit a ∈ A avec kx − ak ≤  (un tel point existe car A est dense dans E).
Alors,

|Λn (x) − Λ(x)| ≤ |Λn (x) − Λn (a)| + |Λn (a) − Λ(a)| + |Λ(a) − Λ(x)|
≤ kΛn k · kx − ak + |Λn (a) − Λ(a)| + kΛk · kx − ak
≤ 2 + |Λn (a) − Λ(a)|. (5.8)

La dernière inégalité est grace au fait que Λn , Λ ∈ B. Le dernier terme à droite converge
vers 0 par le point précédent.
Ainsi on conclut que lim supn |Λn (x) − Λ(x)| ≤ 2 pour tout  > 0. Cela implique que
|Λn (x) − Λ(x)| → 0.

Preuve Théorème 5.22 quand E est séparable: Comme on se limite au cas ou E est séparable,
la topologie faible-* sur B est induite par la distance d définie dans la Proposition 5.23. En
particulier, la compacité de B est équivalente à sa compacité séquentielle, qu’on montrera
par la suite. On utilisera les mêmes notations que dans la Proposition 5.23.
Fixons une suite (un )n≥1 ∈ B N et montrons qu’elle contient une sous-suite qui converge
faiblement-* dans B.
En un premier temps nous montrons l’existence d’un ensemble infini S ⊂ N tel que
(un (a))n∈S converge pour tout a ∈ A. Pour cela, nous construirons de manière inductive
une suite décroissante N ⊃ Z0 ⊃ Z1 ⊃ . . . d’ensembles infinis comme suit. Posons Z0 = N.
Supposons que Zk−1 est construit pour un certain k ≥ 1. Alors, pour tout n ∈ Zk−1 ,
|un (ak )| ≤ kun k · kak k ≤ kak k. Par la compacité des segments de R, il existe Zk ⊂ Zk−1

– 121 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

infini tel que la suite

(un (ak ))n∈Zk
converge. Fixons un tel Zk .
Observons que avec cette construction (un (ak ))n∈Zk converge pour chaque k. De plus,
comme Zk ⊂ Zj pour j ≤ k, nous déduisons aussi que (un (aj ))n∈Zk converge pour chaque
j ≤ k.
Définissons S alors comme contenant le jème élément de Zj pour chaque j ≥ 1. Il est
immédiat que S est infini et que (un (a))n∈S converge pour tout a ∈ A. Posons

v(a) = n→∞
lim un (a) pour chaque a ∈ A.
n∈S

Montrons maintenant que v peut se prolonger en une forme linéaire contenue dans B
∗
et que un * v. Observons pour commencer que, pour a, b ∈ A,

|v(b) − v(a)| = n→∞

lim |un (b) − un (a)| ≤ n→∞
lim kun k · kb − ak ≤ kb − ak.
n∈S n∈S

Ainsi v est 1-Lipschitzienne sur A. En particulier v est uniformément continue et l’exercice 16

nous permet de prolonger v par continuité en une fonction définie sur E. De plus, v sera
alors 1-Lipschitzienne sur E.
Par le même argument que dans (5.8) on conclut que un (x) −−−−−−−→ v(x) pour tout
n→∞, n∈S
x ∈ E. On en déduit alors la linéarité de v. Enfin, comme u est 1-Lipschitzienne, kvk ≤ 1,
donc v ∈ B.
Ainsi v ∈ B est la limite au sense faible-* de la sous-suite (un )n∈S .

Remarque 5.24. Une consequence immediate du Théorème de Banach-Alaoglu est que les
topologies forte et faible-* sur E ∗ sont distinctes dès que E est de dimension infinie. En effet,
dans ce cas E ∗ est également de dimension infinie et nous avons vu que la boule unité fermée
B d’un espace vectoriel normé de dimension infinie n’est jamais compacte pour la topologie
forte. Toutefois, elle est compacte pour la topologie faible-*.
Inversement, quand E est de dimension finie, il en est de même de E ∗ (les deux ont la
même dimension) et les topologies forte et faible-* sont identiques sur E ∗ .

Pour finir, mentionnons qu’on peut également définir une topologie similaire sur E, qu’on
appelle la topologie faible. Il s’agit de la plus faible topologie qui rend toutes les formes
linéaires Λ ∈ E ∗ continues. Similairement à la topologie faible-* sur E ∗ , cette topologie est
plus faible que celle induite par la norme de E. Si E est réflexif, alors E est également le
dual de E ∗ et on peut donc définir une topologie faible-* sur E. Dans ce cas, les topologies
faible et faible-* sont identiques.
Exercice 101.
Rappelons la définition de `c = {(xn )n≥1 ∈ RN : ∃N tel que xn = 0 ∀n ≥ N }. Considérons la
norme k.k1 sur `c définie par X
k(xn )k1 = |xn |.
n≥1

– 122 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

Montrer que les applications ΛN : `c → R pour N ≥ 1 et Λ∞ : `c → R définies par

N
X ∞
X
ΛN (xn ) = xn et Λ∞ (xn ) = xn
n=1 n=1

sont des formes linéaires continues sur (`c , k.k1 ). Calculer leur normes.
Montrer que ΛN → Λ∞ pour la convergence faible-*, mais pas pour la norme d’opérateur.

5.4 Espaces de Hilbert

Les espaces de Hilbert sont le cadre le plus commode pour l’analyse fonctionnelle. On donne
par la suite quelques raisons.
Fixons un espace de Hilbert E. Pour x, y ∈ E on dit que x, y sont orthogonaux (écrit
x ⊥ y) si hx, yi = 0. Plus généralement, un famille (xi )i∈I est dite orthogonale si hxi , xj i = 0
pour tout i 6= j.
Soit A ⊂ E. On définit l’orthogonal de A par

A⊥ = y ∈ E : ∀x ∈ A, x ⊥ y .


Proposition 5.25.
(i) Le produit scalaire est une fonction continue de E × E dans R.
(ii) Pour tout ensemble A ⊂ E, A⊥ est un sous-espace vectoriel fermé de E.

Preuve:
(i) Soit x, y, hx , hy ∈ E. Alors

hx + hx , y + hy i − hx, yi = hx, hy i + hhx , yi + hhx , hy i

≤ kxk · khy k + kyk · khx k + khx k · khy k −−−−−−→ 0.
(hx ,hy )→0

Ainsi h., .i est continue.

(ii) En utilisant la bilinéarité du produit scalaire, on vérifie directement que A est un
sous-espace vectoriel de E. La continuité du produit scalaire implique que A⊥ est
fermé.

Proposition 5.26. Soit (x1 , . . . , xn ) une famille orthogonale de E. Alors

kx1 + · · · + xn k2 = kx1 k2 + · · · + kxn k2 .

– 123 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

Preuve: Par le définition de la norme et la bi-linéarité du produit scalaire, on a

Xn n
X X n
X X n
X
kx1 + · · · + xn k2 = h xi , xi i = hxi , xj i = kxi k2 + hxi , xj i = kxi k2 .
i=1 i=1 i,j i=1 i6=j i=1

La dernière égalité est due a l’orthogonalité de la famille (x1 , . . . , xn ).

Théorème 5.27 (Existence de la projection). Soit E un espace de Hilbert et F un sous-

espace vectoriel fermé de E. Alors, pour chaque x ∈ E il existe un unique
(i) π(x) ∈ F tel que
(ii) x − π(x) ∈ F ⊥ .
De plus on a
(iii) kx − π(x)k = dist(x, F ) := inf{kx − yk : y ∈ F }.
La fonction π : E → F définie ainsi est une application linéaire continue appelée la
projection orthogonale sur F .

Ce théorème peut être formulé plus simplement comme suit. Dans un espace de Hilbert,
si F est un sous-espace vectoriel fermé, alors F ⊥ est un supplémentaire de F .
On commence par une observation géométrique appelée l’égalité du parallélogramme.
Soient x, y ∈ E. Alors

kx + yk2 + kx − yk2 = hx, xi + 2hx, yi + hy, yi

+ hx, xi − 2hx, yi + hy, yi
= 2kxk2 + 2kyk2 . (5.9)

Preuve: Existence: Montrons que pour tout x ∈ E, il existe un élément π(x) ∈ F avec les
propriétés (i) - (iii).
Soit x ∈ E et F un sous-espace vectoriel fermé de E. Si x ∈ F , alors π(x) = x satisfait
(i) - (iii). On suppose par la suite que x ∈
/ F . Il existe alors une suite (yn ) ∈ F N telle que

kx − yn k2 ≤ dist(x, F )2 + 2−n , ∀n ∈ N.

Alors, pour m ≤ n, en appliquant (5.9) à x − ym et x − yn , on obtient,

yn + ym 2
4 x− + kym − yn k2 = 2kx − yn k2 + 2kx − ym k2 .
2
Ainsi
kym − yn k2 ≤ 2 2 dist(x, F )2 + 2−n + 2−m − 4 dist(x, F )2 ≤ 4 · 2−m ,
 

ce qui implique que (yn )n est de Cauchy. Comme E est complet, (yn ) converge vers
un élément y ∈ E, et comme F est fermé, y ∈ F . On a donc trouvé y ∈ F avec
kx − yk = dist(x, F ).

– 124 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

On veut montrer que x − y ∈ F ⊥ ; supposons par l’absurde que ce n’est pas le cas.
Alors il existe z ∈ F tel que hx − y, zi > 0. Pour λ > 0 on a

kx − y − λzk2 = kx − yk2 − 2λhx − y, zi + kzk2 .

Ainsi, pour λ petit, kx − y − λzk2 < dist(x, F ) ce qui est une contradiction car y + λz ∈ F .
On pose π(x) = y. La fonction π ainsi définie satisfait les trois conditions (i) - (iii).
Unicité: On va montrer que la fonction π : E → E qui satisfait (i) et (ii) est unique (sans
utiliser la linéarité ou la condition (iii)). Soient π1 et π2 deux telles applications. Alors,
pour tout x ∈ E, π1 (x) − π2 (x) ∈ F . De plus

π1 (x) − π2 (x) = (x − π1 (x)) − (x − π2 (x)) ∈ F ⊥ .

Ainsi π1 (x) − π2 (x) ⊥ π1 (x) − π2 (x) donc π1 (x) − π2 (x) = 0. Comme cela est valable pour
tout x ∈ E, on conclut que π1 = π2 .
Linéarité et continuité: Soit x, y in E et a, b ∈ R. Alors aπ(x) + bπ(y) ∈ F et
ax + by − (aπ(x) + bπ(y)) ∈ F ⊥ . Par unicité de π, π(ax + by) = aπ(x) + bπ(y), donc π
est linéaire.
Soit x ∈ E. Alors, comme π(x) ⊥ x − π(x), on a

kxk2 = kπ(x)k2 + kx − π(x)k2 ≥ kπ(x)k2 .

Ainsi kπk ≤ 1, donc π est continue.

L’existence et l’unicité de la projection sont un outil très puissant pour l’étude des es-
paces de Hilbert. On donne maintenant deux conséquences importantes de ce théorème pour
illustrer son utilité.

Bases hilbertiennes

Théorème 5.28. Soit E un espace de Hilbert séparable de dimension infinie. Alors il

existe un famille (ei )i∈N d’éléments de E tels que
(i) (ei )i∈N est orthogonale et kei k = 1 pour tout i (on dit que (ei )i∈N est orthonormée);
(ii) l’espace Vect(ei )i∈N := { N
P
i=1 λi ei : N ∈ N, λ1 , . . . , λN ∈ R} est dense dans E.
On dit que (ei )i∈N est une base hilbertienne de E.

Preuve: Soit (xn )n∈N une famille dénombrable dense dans E qui ne contient pas le point 0. On peut
en extraire une sous-suite libre (xσ(n) )n∈N qui engendre un sous-espace dense en posant
σ(1) = 1 et pour n ≥ 1,

σ(n + 1) = inf k > σ(n) : xk ∈
/ Vect(xσ(1) , . . . , xσ(n) ) .

Alors, par construction Vect(xσ(n) )n∈N = Vect(xn )n∈N est dense dans E.
Il suffit d’appliquer l’algorithme de Gram-Schmidt à (xσ(n) )n∈N pour obtenir la base
hilbertienne: Posons y1 = kx 1 k xσ(1) . Pour n ≥ 2, soit πn la projection sur l’espace
σ(1)

– 125 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

vectoriel de dimension finie (donc fermé) Vect(xσ(1) , . . . , xσ(n−1) ). Posons

1

yn = xσ(n) − πn (xσ(n) ) .
kxσ(n) − πn (xσ(n) )k

Alors on a évidement, pour n ≥ 1,

Vect(y1 , . . . , yn ) = Vect(xσ(1) , . . . , xσ(n) ), yn ⊥ Vect(y1 , . . . , yn−1 ) et kyn k = 1.

On a donc construit une base hilbertienne (yn )n∈N .

Un corollaire intéressant de ce théorème est que tous les espaces de Hilbert séparables de
dimension infinie sont isomorphes.

Corollaire 5.29. Soient E, F deux espaces de Hilbert séparables de dimension infinie.

Alors il existe une bijection linéaire orthogonale u : E → F .

Une application linéaire u : E → F est dite orthogonale si elle préserve le produit scalaire.
Plus précisément si
hx, yi = hu(x), u(y)i, ∀x, y ∈ E.
Ainsi une bijection linéaire orthogonale est un isomorphisme d’espaces Hilbertiens. On
peut également dire que u est un isométrie bijective.

Preuve: Soit (en )n∈N et (fn )n∈N des bases hilbertiennes de E et F respectivement.
Alors on peut définir une application linéaire u : Vect(en )n∈N → F avec pour tout n ∈
N, u(en ) = fn . Il s’agit d’une application linéaire continue de norme 1, donc uniformément
continue. Par l’exercice 16, elle peut être prolongée par continuité à Vect(en )n∈N = E.
Pour x, y ∈ Vect(en )n∈N , il s’en suit de la définition de u que hx, yi = hu(x), u(y)i.
Cette relation s’étend à x, y ∈ E par continuité du produit scalaire. En particulier
ku(x)k = kxk pour tout x ∈ E. L’injectivité de u suit directement.
Pour montrer que u est surjective considérons y ∈ F . Alors, il existe (yn )n∈N une suite
de Vect(fn )n∈N qui converge vers y. Pour chaque n ∈ N, soit xn ∈ Vect(en )n∈N tel que
u(xn ) = yn . La suite (yn )n∈N est convergente, donc de Cauchy. Par le fait que u préserve
la norme, (xn )n∈N est aussi de Cauchy. Ainsi (xn )n∈N converge vers un point x ∈ E. La
continuité de u implique Enfin que u(x) = y, donc que u est surjective.

Le théorème précédent nous dit que tous les espaces de Hilbert séparables de dimension
infinie sont isomorphes. Donnons un exemple d’un tel espace de Hilbert. Posons
X
`2 (R) = (xn )n∈N ∈ RN : x2n < ∞ .

n≥0

Sur `2 on définie un produit scalaire par

X
hx, yi = xn yn , pour x = (xn )n≥0 ∈ `2 et y = (yn )n≥0 ∈ `2 .
n≥0

– 126 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

Le fait que h., .i est bien un produit scalaire peut être vérifier simplement à l’aide de l’inégalité
de Cauchy Swartz dans Rn . Une base orthonormée pour `2 est donné par les suites {x(k) :
k ≥ 0} définies par

x(k) = (x(k) 2 (k)

n )n≥0 ∈ ` où xn = 1n=k , ∀k, n ≥ 0.

Observons toutefois que l’isomorphisme donné par le corollaire 5.29 n’est pas canonique:
il dépend fortement du choix des des bases hilbertiennes (en )n∈N et (fn )n∈N de E et F choisies
au début de la preuve.
En fin, mentionnons la formule intuitive qui permet de decomposer un vecteur dans une
base hilbertienne.

Proposition 5.30. Soit E un espace de Hilbert de dimension infinie et (ei )i∈N une base
hilbertienne de E. Alors, pour tout x ∈ E,
n
X
x = lim hx, ei iei ,
n→∞
i=1

où la convergence est pour la topologie de E comme espace de Hilbert.

Preuve: Soit x ∈ E. Pour n ≥ 1, posons xn = ni=1 hx, ei iei . Un calcul directe nous montre que
P

(x − xn ) ⊥ ei pour tout 1 ≤ i ≤ n. En particulier (x − xn ) ⊥ xn , donc kx − xn k2 + kxn k2 =

kxk2 . Cela implique
Xn
2
kxn k = hx, ei i2 ≤ kxk2 ∀n ∈ N.
i=1

Ainsi i≥1 hx, ei i2 ≤ kxk2 < ∞.

P

Montrons maintenant que (xn )n∈N est une suite de Cauchy. En effet, pour n ≤ m,
m
X m
X X
kxn − xm k2 = k hx, ei iei k2 = hx, ei i2 ≤ hx, ei i2 .
i=n+1 i=n+1 i>n

Du fait que la suite hx, ei i2 est sommable, on trouve que le dernier terme peut être rendu
arbitrairement petit en prenant n assez grand. On conclut que (xn )n∈N est de Cauchy,
donc qu’elle converge vers un point y ∈ E.
Il nous reste à montrer que x = y. On a (x − xn ) ⊥ ei pour tout i ≤ n. En
prenant n → ∞ on obtient (x − y) ⊥ ei pour tout i. Ainsi (x − y) ⊥ Vect(ei )i∈N , donc
(x − y) ⊥ Vect(ei )i∈N = E. En particulier (x − y) ⊥ (x − y), donc x − y = 0.

Exercice 102.
Vérifier que `2 est un espace de Hilbert et que x(k) : k ≥ 0 est une base orthonormée. Écrire
la décomposition d’une suite u ∈ `2 dans la base x(k) : k ≥ 0.

Exercice 103.
Est-ce que deux espaces de Hilbert E et F avec E de dimension infinie et F de dimension

– 127 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

finie sont isomorphes?

A quelle condition sont deux espaces de Hilbert E et F de dimension finie isomorphes?

Auto-dualité

Théorème 5.31. Soit E un espace de Hilbert. Alors l’application U : E → E ∗ , écrite

x 7→ Ux et définie par
Ux (y) = hx, yi, ∀x, y ∈ E
est un isomorphisme d’espaces hilbertiens.

En vertu de ce théorème, on dit que E est auto-dual, c.-à-d. que E ∗ = E. Par la, on veut
dire que E est isomorphe à E ∗ par l’isomorphisme canonique U .

Preuve: Soit x ∈ E. Il est immédiat que Ux est une forme linéaire sur E. L’inégalité de Cauchy
Schwartz montre que kUx (y)k ≤ kxk · kyk donc que la norme d’opérateur de Ux est plus
petite que kxk; en particulier Ux ∈ E ∗ . De plus, pour x 6= 0, Ux ( kxk
1
x) = kxk. Vu que
1
kxk x est un vecteur de E de norme 1, on a kUx k = kxk.
C’est également évident que x 7→ Ux est une application linéaire. Ainsi U est une
isométrie linéaire de E dans E ∗ ; en particulier elle est injective.
Il reste à montrer que U est surjective. Soit f ∈ E ∗ ; on va montrer que f ∈ Im(U ).
Évidement U0 = 0 ∈ Im(U ), on peut donc se limiter au cas où f 6= 0.
Comme f est continue, Ker(f ) = f −1 ({0}) est un sous-espace vectoriel fermé de E.
Ainsi on peut définir la projection orthogonale π sur Ker(f ). Comme f est supposé non-
nulle, il existe x ∈ E tel que f (x) = 1. Alors f (x − π(x)) = 1.
En particulier, pour tout z ∈ E, on a z − f (z)(x − π(x)) ∈ Ker(f ). Mais par définition
de π, x − π(x) ∈ Ker(f )⊥ , d’où

0 = hz − f (z)(x − π(x)), x − π(x)i = hz, x − π(x)i − f (z)kx − π(x)k2 .

Ainsi, on a

1 x − π(x)
f (z) = 2
· hz, x − π(x)i = hz, i, ∀z ∈ E.
kx − π(x)k kx − π(x)k2
x−π(x)
On conclut que kx−π(x)k2
∈ E est envoyé par U sur f , donc que U est surjective.

Exercice 104.
Soit E un espace de Hilbert et A ∈ E. Que vaut (A⊥ )⊥ ?

5.5 Espaces de Banach et de Hilbert complexes

Il est des fois intéressant à regarder des espaces vectoriels complexes. La plus part des
définitions s’adaptent directement.
Une norme sur un espace vectoriel complexe E est une fonction k.k : E → [0, +∞) telle
que, pour tout x, y ∈ E,

– 128 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE

(i) kλxk = |λ| · kxk pour tout λ ∈ C,

(ii) kx + yk ≤ kxk + kyk,
(iii) kxk = 0 ⇔ x = 0.
Si (E, k.k) est complet on dit que c’est un espace de Banach complexe. Toutes les propriétés
vues dans le cas réel s’adaptent facilement au cas complexe.
Dans ce cas, les formes linéaires sont des applications linéaires de E dans C. Leur norme
et continuité sont définies identiquement.
L’unique différence notable entre les espaces vectoriels réels et complexes est dans la
définition du produit scalaire. En effet, si on reprend la définition 5.3 dans le cas complexe,
on obtient une contradiction entre la positivité (hx, xi ≥ 0) et la bi-linéarité. On adapte donc
la définition comme suit.

Définition 5.32. Soit E un espace vectoriel complexe. Un produit scalaire hermitien sur
E est une fonction h·, ·i : E × E → C avec les propriétés suivantes:
(i) pour tout x, y ∈ E, hx, yi = hy, xi,
(ii) pour tout x, y, z ∈ E et λ ∈ R

hx + y, zi = hx, zi + hy, zi hλx, zi = λhx, zi

hx, y + zi = hx, yi + hx, zi hx, λzi = λhx, zi, (5.10)

(iii) pour tout x ∈ E, hx, xi ≥ 0, avec égalité si et seulement si x = 0.

Si E est de dimension finie, on dit que (E, h·, ·i) est un espace hermitien.

Une fonction de E 2 dans C satisfaisant (5.10) est dite sesquilinéaire (à gauche). La

deuxième ligne de (5.10) peut s’obtenir à partir de la première à l’aide de la première propriété.
Observons aussi que, grâce à cette définition on a

hλx, λxi = λλhx, xi = |λ|2 hx, xi ≥ 0.

Comme dans le cas réel, on associe à un produit scalaire une norme par
p
kxk = hx, xi, ∀x ∈ E.

Si E est complet pour cette norme, on dit que (E, h., .i) est un espace de Hilbert complexe.
Toutes les propriétés (existence de la projection, auto-dualité etc.) s’adaptent directement
au cas complexe.
Exemple: Pour d ≥ 1, considérons l’espace vectoriel Cd . Pour x = (x1 , . . . , xd ) ∈ Cd et
y = (y1 , . . . , yd ) ∈ Cd posons
d
X
hx, yi = xk y k .
k=1

Alors h., .i est un produit scalaire sur Cd et (Cd , h., .i) est un espace hermitien.

– 129 –
CHAPITRE 5. ANALYSE FONCTIONNELLE ABSTRAITE


Exemple: Posons `2 (C) = (xn )n≥0 ∈ CN : 2 2
P
n≥0 |xn | < ∞ . Pour x = (xn )n≥0 ∈ ` (C)
et y = (yn )n≥0 ∈ `2 (C) posons
X
hx, yi = xk y k .
k≥0

Alors h., .i est un produit scalaire sur `2 (C) et (`2 (C), h., .i) est un espace de
Hilbert complexe.

Exercice 105.
Vérifier que les fonctions définies dans les exemples sont bien des produits scalaires. Montrer
que `2 (C) est complet.

– 130 –
Chapitre 6

Espaces de Lebesgue Lp

6.1 Définitions; propriétés

Soit (E, E, µ) un espace mesuré.

Définition 6.1. Pour p ∈ [1, +∞) on pose

n Z o
p
L (E, E, µ) = f : E → R mesurable, avec |f |p dµ < ∞ .

De plus, on définit L∞ (E, E, µ) comme l’ensemble des fonctions f : E → R mesurables,

bornées à un ensemble de mesure nulle près:

L∞ (E, E, µ) = f : E → R mesurable, ∃C > 0 t.q. |f (x)| < C µ-p.p. .



Théorème 6.2 (Inégalité de Minkowski). Soit p ∈ [1, +∞) et f, g : E → R mesurables.

Alors
Z  p1  Z  p1  Z  p1
p p
|f + g| dµ ≤ |f | dµ + |g|p dµ (6.1)

|f |p dµ < ∞
R
Preuve: Soit p
R p ∈ [1, +∞) et f, g : E → R mesurables. On peut se limiter au cas où
et |g| dµ < ∞.
La fonction t 7→ |t|p est convexe de R dans R. On en déduit que pour tout λ ∈ [0, 1]
et x ∈ E,

f (x) g(x) p
|f (x) + g(x)|p = λ + (1 − λ)
λ 1−λ
f (x) p g(x) p
≤λ + (1 − λ) = λ1−p |f (x)|p + (1 − λ)1−p |g(x)|p .
λ 1−λ

131
CHAPITRE 6. ESPACES DE LEBESGUE LP

p1
|f |p dµ
R
Posons λ = R
p1 R
p1 dans cette inégalité et intégrons-la. On obtient alors
|f |p dµ + |g|p dµ

1 R p
1
|f |p dµ p +
R 1  Z  1 ip
|g| dµ p
Z h Z
p p p p p
|f + g| dµ ≤ h R
1 R
1 i1−p = |f | dµ + |g| dµ .
p
|f | dµ + p p
|g| dµ p

En prenant cette inégalité à la puissance 1/p, on obtient le résultat désiré.

En vertu de l’inégalité de Minkowski, pour p ∈ [1, ∞), la fonction k.kp : Lp → [0, +∞)
Z  p1
p
f 7→ kf kp = |f | dµ

est une semi-norme sur Lp . Pour en créer une norme, on va identifier les fonctions à distance
0 dans Lp .
Pour f ∈ L∞ on pose

kf k∞ = sup t ≥ 0 : µ({x ∈ E : |f (x)| > t}) > 0 .

On appelle kf k∞ la borne supérieure essentielle de f . Il est facile de vérifier que, pour

f, g ∈ L∞ et λ ∈ R,

kf + gk∞ ≤ kf k∞ + kgk∞ et kλ f k∞ ≤ |λ| · kf k∞ , (6.2)

donc que k.k∞ est une semi-norme sur L∞ .

Lemme 6.3. Soit p ∈ [1, ∞]. Pour f, g ∈ Lp , kf − gkp = 0 si et seulement si f = g µ-p.p.

Preuve: Pour p < ∞, la preuve suit directement des propriétés de l’intégrale (voir corollaire 2.17(i)).
Pour p = ∞, la conclusion suit directement de la définition de k.k∞ .

Cela nous ramène à la définition suivante.

Définition 6.4. Pour p ∈ [1, +∞], on définit Lp = Lp (E, E, µ) comme l’ensemble des
classes d’équivalence de Lp pour la relation d’équivalence “égalité presque partout”.
Pour f ∈ Lp , si fˆ désigne sa classe d’équivalence dans Lp , notons kfˆkp = kf kp .

Le fait que k.kp peut être définit sur Lp est une conséquence directe du lemme 6.3.

Proposition 6.5. Soit p ∈ [1, ∞]. Alors k.kp est une norme sur Lp , qui est ainsi un
espace vectoriel normé.

– 132 –
CHAPITRE 6. ESPACES DE LEBESGUE LP

+ µg = λfˆ + µĝ. Ainsi Lp hérite la structure d’espace

Preuve: Pour f, g ∈ Lp et λ, µ ∈ R, on a λf\
vectoriel de Lp .
En vertu du Théorème 6.2 (et de (6.2) pour p = ∞), k.kp est une semi-norme sur Lp .
De plus, le lemme 6.3 montre que (kf kp = 0) ⇒ (fˆ = 0), donc que k.kp est une norme sur
Lp .

6.2 Lp comme espace de Banach

Théorème 6.6. Soit p ∈ [1, ∞]. Alors (Lp (E), k.kp ) est un espace de Banach.

Preuve: Soit p ∈ [1, ∞) (le cas p = ∞ va être traité séparément). Il faut montrer que (Lp (E), k.kp )
est complet. Soit (fn )n∈N ∈ Lp une suite de Cauchy. On va identifier chaque fn à un de
ses représentants dans Lp (E).
Soit (fσ(n) )n∈N une sous-suite de (fn ) telle que kfσ(n) − fσ(n+1) kp ≤ 4−n . Posons
An = {x ∈ E : |fσ(n) (x) − fσ(n+1) (x)| ≥ 2−n }. Alors kfσ(n) − fσ(n+1) kp ≥ 2−n µ(An )1/p ,
donc µ(An ) ≤ 2−pn .
T S
Posons A = N ≥1 n≥N An . Alors
[ X
2−np = 0.


µ(A) = lim µ An ≤ lim (6.3)
N →∞ N →∞
n≥N n≥N

De plus, pour x ∈/ A, il existe au plus un nombre fini d’indices n tels que x ∈ An . On

peut donc choisir N = Nx assez grand tel que pour tout n ≥ N ,

|fσ(n) (x) − fσ(n+1) (x)| < 2−n .

Ainsi, pour tout x ∈

/ A, (fσ(n) (x))n∈N est une suite de Cauchy dans R, donc converge.
Posons (
lim fσ(n) (x), si x ∈
/ A,
f (x) = n→∞
0, si x ∈ A.
On vient de prouver que fσ(n) → f presque partout.
P
Posons pour x ∈ E, g(x) = |fσ(1) (x)| + n≥1 |fσ(n+1) (x) − fσ(n) (x)|. Ainsi g est une
fonction mesurable de E dans [0, +∞]. Par le théorème de convergence monotone
"Z N
#1/p
Z 1/p  X p
g p dµ = lim |fσ(1) | + |fσ(n+1) − fσ(n) | dµ
N
n=1
N
X
≤ lim kfσ(1) kp + kfσ(n+1) − fσ(n) kp
N
n=1
X
≤ kfσ(1) kp + 4−n < ∞.
n≥1

– 133 –
CHAPITRE 6. ESPACES DE LEBESGUE LP

On conclut que g ∈ Lp . De plus, |fσ(n) (x)| ≤ g(x) pour tout n ∈ N et x ∈ E. Ainsi

p
fσ(n) → f p presque partout et la convergence est dominée par la fonction intégrable g p .
Par le théorème de convergence dominée, f ∈ Lp et kfσ(n) − f kp → 0.
Enfin, par le lemme 0.10, on déduit que kfn − f kp → 0, qui est le résultat désiré.
Le cas p = ∞ est plus facile à traiter. Soient (fn )n∈N une suite de Cauchy dans L∞ .
Quitte à changer chaque fonction fn sur un ensemble négligeable, on peut supposer que,
pour tout  > 0 il existe N () ∈ N tel que, pour tout m, n ≥ N (),

sup |fm (x) − fn (x)| : x ∈ E < .

Ainsi, pour tout x ∈ E, la suite (fn (x))n∈N est de Cauchy, donc converge vers une limite
qu’on note f (x). On a défini ainsi une fonction mesurable f : E → R.
Pour  > 0, en prenant m → ∞ dans la dernière équation, on obtient

sup |fn (x) − f (x)| : x ∈ E ≤ , ∀n ≥ N ().

Ainsi f est bornée, donc dans L∞ et kfn − f k∞ → 0.

6.3 Inclusions entre espaces Lp

Cette partie est surtout importante pour se familiariser avec les espaces Lp . La question
qu’on se pose est celle de la relation entre les espaces Lp pour différentes valeurs de p.

Théorème 6.7. Supposons que µ est une mesure finie sur E. Alors,

Lp ⊃ Lq , ∀1 ≤ p ≤ q ≤ ∞.

L’hypothèse de finitude de µ est essentielle. En effet, sous d’autres conditions, l’opposé

est vrai.

Théorème 6.8. Supposons que µ est telle qu’il existe  > 0 avec µ({x}) >  pour µ-presque
tout x ∈ E. Alors,
Lp ⊂ Lq , ∀ 1 ≤ p ≤ q ≤ ∞.

Preuve du Théorème 6.7: Soit µ une mesure finie sur un espace E. Soient 1 ≤ p ≤ q < ∞ et
f ∈ Lq . Montrons que f ∈ Lp .
En analysant séparément les cas x ∈ [0, 1] et x > 1, on observe que

xp ≤ xq + 1, ∀x ≥ 0.

Ainsi, Z Z Z
p q
|f |q dµ + µ(E) < ∞.


|f | dµ ≤ |f | + 1 dµ =

On déduit que f ∈ Lp .

– 134 –
CHAPITRE 6. ESPACES DE LEBESGUE LP

Enfin, si f ∈ L∞ , alors pour tout 1 ≤ p < ∞,

Z
|f |p dµ ≤ kf k∞ · µ(E) < ∞,

donc f ∈ Lp .

Preuve du Théorème 6.8: Soit (E, µ) un espace mesuré comme dans l’énoncé. Quitte à éliminer
les points de E de mesure nulle, on peut supposer µ(x) >  pour tout x ∈ E. De plus,
soient 1 ≤ p ≤ q ≤ ∞ et f ∈ Lp . Alors,
X X
∞ > kf kpp = µ(x) · |f (x)|p ≥  |f (x)|p .
x∈E x∈E

En particulier on déduit que kf k∞ = supx∈E |f (x)| < ∞, ce qui règle le cas q = ∞. Pour
q < ∞, on peut calculer
Z Z
|f (x)| dµ(x) = |f (x)|p · kf kq−p
q q−p p
∞ dµ(x) ≤ kf k∞ · kf kp < ∞,

donc f ∈ Lq .

On conclut que en général, il n’y a pas de monotonie en p des espaces Lp . Cela vient de
deux causes pour qu’une fonction soit pas intégrable:

• des valeurs tendant vite vers l’infini sur un ensemble de mesure finie (comme dans le
Théorème 6.7);
• une fonction ne tendant pas vers 0 assez rapidement sur un ensemble de mesure infinie
(comme dans le Théorème 6.8).

On peut quand même donner un résultat général d’inclusion pour les espaces Lp :

Théorème 6.9. Soit 1 ≤ p < q ≤ ∞. Alors

Lp ∩ Lq ⊂ Lr , ∀r ∈ [p, q].

Preuve: Traitons dans un premier temps le cas où q < ∞. Soit r ∈ [p, q] et f ∈ Lp ∩ Lq . Écrivons
g(x) = f (x)1|f (x)|≥1 et h(x) = f (x)1|f (x)|<1 pour tout x ∈ E. Alors |f | = |g| + |h|, donc
g, h ∈ Lp ∩ Lq avec khkp ≤ kf kp et kgkq ≤ kf kq . De plus

|f (x)|r ≤ |g(x)|q + |h(x)|p , ∀x ∈ E.

Ainsi
Z Z
|f (x)|r dµ(x) ≤ |g(x)|q + |h(x)|p dµ(x) = kgkqq + khkpp ≤ kf kpp + kf kqq < ∞,

d’où f ∈ Lr .

– 135 –
CHAPITRE 6. ESPACES DE LEBESGUE LP

Dans le cas où q = ∞ et p < r < ∞, avec f ∈ Lp ∩ L∞ , on remarque que

|f (x)|r ≤ kf kr−p p
∞ |f (x)| .

En intégrant, on obtient f ∈ Lr .

Remarque 6.10. Dans les trois théorèmes précédents on a montré des inclusions entre les
espaces Lp . Cela est équivalent à l’inclusion entre les espaces Lp correspondants grâce au fait
que la relation d’équivalence par laquelle on quotient pour passer de Lp à Lp est indépendante
de p (voir le lemme 6.3).

Attention! Les injections induites par les inclusions entre les espaces Lp ne sont pas
isométriques. Plus simplement dit, même si f ∈ Lp ∩ Lq , on n’a pas force-
ment kf kp = kf kq .

Exercice 106.
Soit f : E → R une fonction mesurable. Montrer que l’ensemble I = {p ∈ [1, ∞] : kf kp < ∞}
est un intervalle (ouvert, semi-ouvert ou fermé) et que p 7→ kf kp est continue sur I.

Exercice 107.
Soit 1 ≤ p ≤ p0 ≤ ∞. Donner un exemple de fonction f : R → R appartenant à
Lq (R, B(R), λ) si et seulement si q ∈ [p, p0 ] (respectivement q ∈ (p, p0 )).

Exercice 108.
Soient 1 ≤ p < q ≤ ∞. Donner des exemples de fonctions (fn )n≥1 , (gn )n≥1 ∈ Lp (R, B(R), λ) ∩
Lq (R, B(R), λ) avec fn → 0 dans Lp mais fn → / 0 dans Lq et gn → 0 dans Lq mais gn → / 0
p
dans L .
Montrer que si (hn )n≥1 ∈ Lp (R, B(R), λ) ∩ Lq (R, B(R), λ) est une suite de fonctions avec
hn → 0 dans Lp et dans Lq , alors hn → 0 dans Lr pour tout r ∈ [p, q].

Exercice 109.
Soit (E, E, µ) un espace mesuré de mesure finie. Montrer alors que pour 1 ≤ p ≤ q ≤ ∞ et
f : E → R une fonction mesurable,
1 1
kf kp ≤ kf kq · µ(E) p − q .

Déduire que l’injection de Lq dans Lp est continue.

Indication: Utiliser l’inégalité de Hölder pour des fonctions bien choisies.

6.4 Théorèmes de densité

Rappelons nous que pour définir l’intégrale contre une mesure, on avait commencé par les
fonctions étagées. Écrivons Fet pour l’espace vectoriel des fonctions étagées intégrables sur E:
n
nX o
Fet = ak 1Ak : a1 , . . . , an ∈ R et A1 , . . . , An ∈ E avec µ(Ak ) < ∞, ∀k .
k=1

– 136 –
CHAPITRE 6. ESPACES DE LEBESGUE LP

Théorème 6.11. Soit p ∈ [1, ∞). Alors Fet est un sous-espace vectoriel de Lp , dense
dans Lp .

Preuve: Soient p ∈ [1, ∞). La définition de Fet implique directement que Fet est un sous-espace
vectoriel de Lp .
Soit f ∈ Lp un fonction telle que f (x) ≥ 0 pour tout x ∈ E. Posons, pour n ≥ 1,
4n
X
fn = k2−n 1k2−n ≤f <(k+1)2−n .
k=0

Alors fn (x) % f (x) pour tout x ∈ E, donc |fn (x) − f (x)|p ≤ |f (x)|p . Par le théorème de
convergence dominée, kfn − f kp → 0. De plus il est évident que fn ∈ Fet .
On en déduit que Fet contient toutes les fonctions positives de Lp . Comme Fet est un
sous-espace vectoriel de Lp , il en est de même de Fet . Ainsi Fet = Lp .
Une conséquence du théorème précédent est que si on veut montrer une propriété stable
par passage à la limite pour toutes les fonctions de Lp , il suffit de le faire pour les fonctions
étagées. En pratique, il est souvent plus intéressant d’utiliser des fonctions continues (ou
même C ∞ ) à la place des fonctions étagées, pour des raisons de régularité.
Pour donner un sens aux fonctions continues, il faut se placer dans un espace topologique.
Supposons que (E, T ) est un espace topologique. Par la suite, on va toujours considérer que
E est muni de sa tribu borélienne E = B(E). Posons Cc (E) la classe des fonctions continues
à support compact:

Cc (E) = f : E → R : continue et ∃K ⊂ E, compact t.q. f (x) = 0, ∀x ∈ /K

Théorème 6.12. Soit E un espace topologique, localement compact et Hausdorff muni

d’une mesure borélienne régulière µ avec µ(K) < ∞ pour tout compact K ⊂ E. Alors,
pour tout 1 ≤ p < ∞, Cc (E) est un sous-espace vectoriel dense de Lp .

Observons que ce résultat s’applique aux espaces métriques propres considérés dans la
partie 3.4. De plus, dans ce cadre l’hypothèse de régularité est automatiquement satisfaite
par toute mesure finie sur les compacts (voir Théorème 3.28).
Remarque 6.13. Jusqu’à présent, quand on parlait d’éléments de Lp , on les percevait comme
des fonctions définies à un ensemble de mesure nulle près. Cela est cohérent avec la définition
de Lp comme ensemble de classes d’équivalence pour l’égalité presque partout. Le fait qu’une
fonction est continue dépend fortement de sa définition partout. Ainsi la conclusion du
Théorème 6.12 doit être comprise comme “les classes d’équivalence des fonctions de Cc forment
un sous-espace dense de Lp ”.
La preuve du théorème repose sur le Lemme d’Urysohn (théorème 3.32) qu’on a déjà vu.
On rappelle le point important. Comme déjà mentionné, le lemme est vrai dans tout espace
topologique localement compact et Hausdorff.

– 137 –
CHAPITRE 6. ESPACES DE LEBESGUE LP

Rappel (lemme d’Urysohn): Soient E un espace topologique localement compact et Haus-

dorff et K ⊂ E un compact. Alors il existe une suite de fonctions fn ∈ Cc (E) telles que

kfn k∞ = 1, ∀n et f n & 1K , quand n → ∞.

Preuve du Théorème 6.12: Soient p ∈ [1, +∞) et f ∈ Cc (E). Alors f est une fonction bornée
et il s’en suit que Z
|f |p dµ ≤ kf kp∞ · µ({x ∈ E : f (x) 6= 0}).

Vu que {x ∈ E : f (x) 6= 0} est contenu dans un compact, sa mesure est finie, et on déduit
que kf kp < ∞. Ainsi Cc (E) ⊂ Lp . De plus Cc (E) est stable par somme et multiplication
par des scalaires, c’est donc un sous-espace vectoriel de Lp . Il s’identifie alors à un sous-
espace vectoriel de Lp .
Soit H l’adhérence de Cc (E) dans Lp . Notre but est de montrer que H = Lp . Grâce au
Théorème 6.11, il suffit de montrer que Fet ⊂ H. De plus, Fet est engendré par l’ensemble
des fonctions indicatrices d’ensembles de mesure finie:

Fet = Vect{1A : A ∈ E, µ(A) < ∞}.

Comme H est un sous-espace vectoriel de Lp , il suffit de montrer que 1A ∈ H pour tout

A ∈ E de mesure finie.
Fixons un tel A ∈ E. Observons que, par régularité de µ, il existe une suite de compacts
K1 ⊂ K2 ⊂ · · · ⊂ A telle que µ(A) = limn→∞ µ(Kn ). Comme µ(A) < ∞, cela implique
S
que µ(A \ ( n Kn )) = 0, donc que 1Kn converge µ-presque partout vers A. Observons
p
R R
que, par le théorème de convergence dominée |1A − 1Kn | dµ = (1A − 1Kn )dµ → 0 (la
k.kp
convergence est dominée par 1A qui est intégrable car µ(A) < ∞). Ainsi 1Kn −−→ 1A . Il
suffit donc de montrer que 1K ∈ H pour K compact.
Soit K un compact de E. Fixons une suite de fonctions (fn )n≥1 ∈ Cc (E)N comme
dans le théorème 3.32, à savoir telle que kfn k∞ = 1, ∀n et fn & 1K . Alors la convergence
simple de fnp vers 1K est bornée par la fonction intégrable f1p et on en déduit que
Z
kfn − 1K kp = |fn − 1K |p dµ → 0,
p
quand n → ∞.

Ainsi 1K ∈ H et la preuve est finie.

Remarque 6.14. Les deux théorèmes ne s’appliquent pas aux espaces L∞ . Il est en effet facile
de voir, que dans des situations très standard, comme (E, E, µ) = (R, B(R), λ), on ne peut
pas approcher toutes les fonctions bornées par des fonctions de Fet ou Cc en norme k.k∞ .
Prenons par exemple f (x) = 1, ∀x ∈ R. Alors, pour tout g ∈ Fet ou g ∈ Cc , kf −gk∞ ≥ 1.

Théorème 6.15. Soient E un espace topologique, localement compact et Hausdorff. Alors,

– 138 –
CHAPITRE 6. ESPACES DE LEBESGUE LP

Cc (E) est un sous-espace de L∞ et son adhérence (dans L∞ ) est


Cc = C0 = f : E → R continue t.q. ∀ > 0, ∃K ⊂ E compact avec |f (x)| < , ∀x ∈
/K

Preuve: On va montrer la double inclusion entre Cc et C0 .

Soit f ∈ C0 et  > 0. Montrons qu’on peut trouver une fonctions g ∈ Cc avec kf −gk∞ <
2. Soit K un compact tel que sup{|f (x)| : x ∈ E \ K} <  (l’existence d’un tel compact
est assurée par la définition de C0 ). De plus, soit h ∈ Cc une fonction telle que khk∞ = 1 et
h ≥ 1K (l’existence d’une telle fonction est assurée par le théorème 3.32). Posons g = f ·h.
Alors
(
= 0, pour x ∈ K,
|g(x) − f (x)| = |f (x)| · |h(x) − 1|
≤ 2|f (x)| < 2, pour x ∈ E \ K.

Ainsi kf − gk∞ < 2.

Inversement, soit f ∈ Cc et  > 0. Montrons que f est continue et qu’il existe un
compact K tel que sup{|f (x)| : x ∈ E \ K} < .
On commence par montrer la deuxième propriété. Soit g ∈ Cc avec kg − f k∞ <  et
soit K ⊂ E un compact contenant le support de g, c.-à-d. tel que g(x) = 0 pour tout
x∈/ K. Alors
 
sup |f (x)| : x ∈ E \ K = sup |f (x) − g(x)| : x ∈ E \ K

≤ sup |f (x) − g(x)| : x ∈ E < .

Montrons que f est continue. Soit x ∈ E et  > 0. On cherche à trouver un ouvert U

contenant x tel que sup{|f (x) − f (y)| : y ∈ U } < .
Soit g ∈ Cc avec kf − gk∞ < /3. Comme g est continue, il existe un ouvert U ⊂ E
avec x ∈ U et sup{|g(x) − g(y)| : y ∈ U } < /3. Alors
 
sup |f (x) − f (y)| : y ∈ U ≤ sup |f (x) − g(x)| + |g(x) − g(y)| + |g(y) − f (y)| : y ∈ U

≤ sup |g(x) − g(y)| : y ∈ U + 2kf − gk∞ < .

Ainsi f est continue.

Exercice 110.
Montrer que

Cc∞ (Rd ) = f : Rd → R : de classe C ∞ et ∃K ⊂ Rd , compact t.q. f (x) = 0, ∀x ∈


/K

est dense dans C0 (Rd ):

(a) Trouver une fonction h de classe C ∞ positive, à support dans B(0, 1) avec
R
h(x)dx = 1.
(b) Soit f ∈ Cc (Rd ). Montrer que f ∗ h, la convolution de f et h, est dans Cc∞ (Rd ).
(c) Poser hn (x) = nd h(nx) et fn = f ∗ hn pour n ≥ 1. Montrer que fn ∈ Cc∞ (Rd ) et
kfn − f k∞ → 0 quand n → ∞.
(d) Conclure en utilisant la densité de Cc (Rd ) dans C0 (Rd ).

– 139 –
CHAPITRE 6. ESPACES DE LEBESGUE LP

Exercice 111.
Montrer que Fet est un sous-espace vectoriel de L∞ . Montrer que son adhérence dans L∞ est

Fet = {f ∈ L∞ : pour tout  > 0 µ({x ∈ E : |f (x)| > }) < ∞}.

Conclure que si µ(E) < ∞, alors Fet est dense dans L∞ . Donner un contre-exemple quand
µ(E) = ∞.

6.5 Inégalité de Hölder; dualité

L’inégalité suivante, dite de Hölder, est le point de départ pour l’étude de la dualité des
espaces Lp .

Théorème 6.16 (Inégalité de Hölder). Soient p, q ∈ (1, +∞) avec

1 1
+ = 1, (6.4)
p q

ou alors soient p = 1 et q = ∞. Alors, pour f ∈ Lp et g ∈ Lq ,

Z
|f g|dµ ≤ kf kp kgkq . (6.5)

Si p, q satisfont (6.4), on dit qu’ils sont des exposants conjugués. Par passage à la limite
on va dire que le couple 1, ∞ satisfait également (6.4).
Preuve: Soient p, q comme dans l’énoncé et f ∈ Lp et g ∈ Lq . Si p = 1 et q = ∞, l’inégalité (6.5)
est une conséquence directe de la définition de l’intégrale.
On se limite donc au cas 1 < p, q < ∞. De plus, on peut supposer kf kp , kgkq > 0,
sinon le résultat est trivial.
Observons que la fonction log : R+ → R est concave; on en déduit que pour x, y > 0
et λ ∈ [0, 1],
log(λx + (1 − λ)y) ≥ λ log x + (1 − λ) log y.
En prenant l’exponentielle dans cet inégalité avec λ = 1/p, on obtient

1 1
x + y ≥ x1/p y 1/q , ∀x, y > 0.
p q

Pour z ∈ E, appliquons cette inégalité avec x = |f (z)|p /kf kpp et y = |g(z)|q /kgkqq . Ainsi
on obtient
1 |f (z)|p 1 |g(z)|q |f (z)g(z)|
+ ≥ , ∀z ∈ E.
p kf kpp q kgkqq kf kp kgkq
En intégrant on obtient

1 1 1
Z
1= + ≥ |f (z)g(z)|dµ(z),
p q kf kp kgkq

ce qui est l’inégalité attendue.

– 140 –
CHAPITRE 6. ESPACES DE LEBESGUE LP

Corollaire 6.17. Soient p, q ∈ [1, ∞] des exposants conjugués. La fonction U : Lp →

(Lq )∗ , notée f 7→ Uf et donnée par
Z
Uf (g) = f gdµ, ∀f ∈ Lp et g ∈ Lq , (6.6)

est bien définie, linéaire et continue. De plus, kUf k = kf kp , pour tout f ∈ Lp ; U est donc
une isométrie(1) .

Dans la partie 9.1 on montrera que l’application U est surjective, donc que c’est un isomor-
phisme d’espaces de Banach (sauf quand p = 1, ou de manière équivalente quand q = ∞).

Preuve: Soient p, q ∈ [1, ∞] des exposants conjugués; soient U définie comme au-dessus et f ∈ Lp
et g ∈ Lq . Alors, par (6.5), la fonction produit f g (définie à un ensemble de mesure nulle
près) est intégrable et Z Z
f gdµ ≤ |f g|dµ ≤ kf kp kgkq .

Ainsi Uf est une forme linéaire continue sur Lq . De plus kUf k ≤ kf kp .

Montrons enfin que kUf k = kf kp . On utilisera la fonction sign : R → R définie par
sign(x) = 1x≥0 − 1x<0 .
Commençons pas le cas p ∈ (1, ∞). Soit f ∈ Lp . Posons g = sign(f ) · |f |p/q . Alors
Z Z
q p/q q
dµ = |f |p dµ = kf kpp .


kgkq = (|f |

p/q
Ainsi g ∈ Lq avec kgkq = kf kp . En utilisant que p = 1 + p/q (qui se déduit directement
de (6.4)), on obtient
p
Z Z
p
1+ p
|Uf (g)| = f · sign(f ) · |f | dµ = |f | q dµ = kf kpp = kf kp · kf kpq = kf kp · kgkq .
q

Ainsi kUf k ≥ kf kp , donc kUf k = kf kp .

Passons au cas p = 1, q = ∞. Soit f ∈ L1 et posons g = sign(f ). Alors kgk∞ = 1 et
Z Z
Uf (g) = f g dµ = |f | dµ = kf k1 .

Ainsi kUf k ≥ kf k1 , donc kUf k = kf k1 .

Enfin, supposons p = ∞ et q = 1. Soit f ∈ L∞ . Il existe alors une suite d’ensembles
(An )n≥1 ∈ E N avec

1
µ(An ) ∈ (0, ∞) et |f (x)| ≥ kf k∞ − , ∀n ≥ 1 et x ∈ An .
n

(1)
Quand p = ∞ et q = 1, une condition sur E est nécessaire pour obtenir l’isométrie de U : il faut que pour
tout A ∈ E avec µ(A) = ∞, il existe B ⊂ A mesurable tel que 0 < µ(B) < ∞. Pour cela il suffit par exemple
que (E, E, µ) soit σ-fini.

– 141 –
CHAPITRE 6. ESPACES DE LEBESGUE LP

Pour n ≥ 1, définissons les fonctions gn : E → R par

1
gn (x) = 1x∈An sign(f (x)).
µ(An )

Alors gn ∈ L1 avec kgn k1 = 1 pour tout n ≥ 1 et

1 1 1
Z Z
Uf (gn ) = f (x)sign(f (x))dµ(x) = |f (x)|dµ(x) ≥ kf k∞ − .
µ(An ) An µ(An ) An n

On conclut que kUf k ≥ kf k∞ , donc kUf k = kf k∞ .

6.6 L2 comme espace de Hilbert

L’espace L2 joue un rôle particulier parmi les espaces Lp car il s’agit d’un espace de Hilbert.

Proposition 6.18. Pour f, g ∈ L2 (E), la fonction f g est intégrable et

Z
hf, gi = f g dµ

est un produit scalaire sur E. La norme associée à ce produit scalaire est la norme k.k2 ,
donc L2 est un espace de Hilbert.

Preuve: Soient f, g ∈ L2 (E). Par l’inégalité de Hölder (ou plus précisément par le Corollaire 6.17)
la fonction f g est intégrable.
R
La fonction (f, g) 7→ f g dµ est évidement bi-linéaire. De plus,
Z
hf, f i = f 2 dµ = kf k22 ≥ 0,

avec égalité si et seulement si f = 0 µ-p.p., ce qui revient à dire que f = 0 dans L2 .

Remarque 6.19. Quand on considère des fonctions de E dans C, on pose

Z
hf, gi = f g dµ

pour f, g ∈ L2 . Cette expression définie bien un produit scalaire au sens de la définition 5.32.

Corollaire 6.20. L’espace L2 est auto-dual, c.-à-d. que la fonction U : L2 → (L2 )∗ définie
par (6.6) est un isomorphisme d’espaces de Hilbert.

Ce corollaire est un cas particulier du Théorème 5.31, qui découle de l’existence des
projections orthogonales dans les espaces de Hilbert. Donnons par la suite deux résultats
qui utilise la structure hilbertienne de L2 , et de manière indirecte l’existence de la projection
orthogonale.

– 142 –
CHAPITRE 6. ESPACES DE LEBESGUE LP

Espérance conditionnelle On énonce ici ce résultat probabiliste dans le langage de la

théorie de la mesure.

Théorème 6.21. Soient (E, E, µ) un espace de probabilité, F ⊂ E une tribu et f ∈

L2 (E, E, µ). Alors il existe une unique fonction g : E → R, F-mesurable, telle que, pour
toute fonction F-mesurable bornée h,
Z Z
f h dµ = gh dµ.

En probabilité, on écrit E = Ω, µ = P, les fonctions f, g sont appelées des variables

aléatoires et l’intégrale contre P est notée E. On dit que g est l’espérance conditionnelle de
f sachant F et on la note E(f | F).

Preuve: Soient (E, E, µ), F comme dans l’énoncé.

On commence par s’apercevoir que L2 (E, F, µ) = {h ∈ L2 : h est F-mesurable} est
un sous-espace vectoriel fermé de L2 (E, E, µ). Le fait que L2 (E, F, µ) est un sous-espace
vectoriel suit des propriétés des fonctions mesurables; il faut simplement vérifier qu’il
est fermé. Soient (fn )n≥1 ∈ L2 (E, F, µ)N une suite convergente dans L2 (E, E, µ). Alors
(fn )n≥1 est de Cauchy pour la norme k.k2 ; par complétude de L2 (E, F, µ), elle converge
aussi dans L2 (E, F, µ). Ainsi sa limite est dans L2 (E, F, µ), donc L2 (E, F, µ) est fermé.
Fixons f ∈ L2 (E, E, µ). Notons g la projection orthogonale de f sur L2 (E, F, µ).
Alors, pour toute fonction h ∈ L2 (E, F, µ), hf − g, hi = 0, donc
Z Z Z Z
f h dµ = (f − g)h dµ + gh dµ = gh dµ.

En particulier, l’équation précédente est valide pour toute fonction h bornée. Cela prouve
l’existence de la fonction g désirée.
R
Supposons que g et g̃ sont deux fonctions avec les propriétés désirées. Alors (g −
g̃)h dµ = 0 pour toute fonction h bornée et F-mesurable. Posons R h = 1g>g̃ − 1g<g̃
R (qui est
bien bornée par 1 et F mesurable car g et g̃ le sont). Alors 0 = (g − g̃)h dµ = |g − g̃| dµ,
donc g = g̃ 0 presque partout, ce qui implique qu’elles correspondent au même élément
de L2 .

Transformée de Fourier Considérons l’espace L2 ([0, 1]) des fonctions f : [0, 1] → C de

carré intégrable. Pour k ∈ Z, on pose

χk : [0, 1] → C
t 7→ ei2πkt .

Évidement χk ∈ L2 ([0, 1]) pour tout k ∈ Z. Alors, pour k 6= `,

Z 1
hχk , χ` i = ei2π(`−k)t dµ = 0.
0

– 143 –
CHAPITRE 6. ESPACES DE LEBESGUE LP

D’autre part Z 1
kχk k22 = hχk , χk i = ei2π(k−k)t dµ = 1.
0

Ainsi (χk )k∈Z est une famille orthonormée de L2 ([0, 1]).

Par le théorème de Weierstrass, Vect(χk )k∈Z est dense dans l’ensemble des fonctions con-
tinues C([0, 1]) de [0, 1] dans C pour la norme k.k∞ . La mesure λ sur [0, 1] étant finie, la
convergence en norme k.k∞ implique celle en norme k.k2 (voir exercice 109). Ainsi l’adhérence
de Vect(χk )k∈Z dans L2 ([0, 1]) contient C([0, 1]). Ce dernier ensemble est dense dans L2 ([0, 1])
(voir le théorème 6.12), ce qui implique que Vect(χk )k∈Z est aussi dense dans L2 ([0, 1]).
On conclut que (χk )k∈Z est une famille orthonormée qui engendre un sous-espace vectoriel
dense, donc que c’est une base hilbertienne de L2 ([0, 1]). Donnons quelques conséquences
de ce fait.
Pour une
R 1 fonction f ∈ L2 ([0,
P1]), on2 définit ses coefficients de Fourrier par ck (f ) =
−kt
hχk , f i = 0 f e dµ = 0. Alors k∈Z |ck | < ∞ et
X
c2k = kf k2 .
k∈Z

De plus
X
ck χk = f,
k∈Z

où la convergence implicite de la série est dans L2 .

Exercice 112.
Pour E = N et µ la mesure
P de comptage, on note l’espace L2 simplement `2 . C’est l’espace
des suites (xn )n∈N avec n x2n < ∞. Trouver une base orthonormée de `2 .

– 144 –
Chapitre 7

Espaces de mesures: mesures signées

7.1 Définitions; variation totale

Il peut être intéressant de considérer des espaces de mesures, similaires aux espaces de fonc-
tions qu’on a étudié dans les parties précédentes. Pour pouvoir parler d’un espace vectoriel
de mesures, on doit pouvoir faire des soustractions de mesures, ce qui n’est pas possible
dans le cadre des mesures déjà définies. Pour cette raison, on introduit ici la notion plus
générale de mesure signée. Pour accentuer la différence, on appellera les mesures introduites
au chapitre 1 des mesure positives.

Définition 7.1. Soit (E, E) un espace mesurable. Une mesure signée µ sur (E, E) est une
application µ : E → R avec µ(∅) = 0 et telle que pour toute famille (An )n∈N d’éléments
disjoints de E, on a
X
|µ(An )| < ∞ (7.1)
n∈N

et
G  X
µ An = µ(An ). (7.2)
n∈N n∈N

Remarque 7.2. La condition µ(∅) = 0 est superflue, elle découle de (7.1).

La condition (7.1) est nécessaire pour que la somme infinie dans (7.2) soit bien définie.

Proposition 7.3. Pour un espace mesurable (E, E) on note M (E, E) = M (E) l’ensemble
des mesures signées sur (E, E). Alors M (E, E) est un espace vectoriel contenant les
mesures positives finies sur (E, E).

145
CHAPITRE 7. ESPACES DE MESURES: MESURES SIGNÉES

Preuve: Soient µ, ν deux mesures signées sur (E, E) et λ ∈ R. Il est évident que λµ ∈ M (E, E).
Montrons que µ + ν ∈ M (E, E).
Soit (An )n∈N d’éléments disjoints de A. Alors
X X
|µ(An ) + ν(An )| ≤ |µ(An )| + |ν(An )| < ∞.
n n
P P
Les séries n∈N µ(An ) et n ν(An ) étant absolument convergentes, on peut les sommer
terme par terme:
G  G  X X X 
µ An + ν An = µ(An ) + ν(An ) = µ(An ) + ν(An ) .
n∈N n∈N n∈N n∈N n∈N

On conclut que µ + ν ∈ M (E, E).

Il est évident qu’une mesure positive appartient à M (E, E) si et seulement si elle est
finie.

Théorème 7.4. Soit µ une mesure signée sur un espace mesurable (E, E). Pour A ∈ E,
posons
nX G o
|µ|(A) = sup |µ(An )| : A1 , A2 , · · · ∈ E, t.q. A = An . (7.3)
n∈N n∈N

Alors |µ| est une mesure positive finie sur (E, E). De plus, pour tout A ∈ E, on a |µ(A)| ≤
|µ|(A).

Preuve: Montrons pour commencer que |µ| est une mesure positive sur E. Soient A1 , A2 , . . . des
parties disjointes mesurables de E. Il faut alors montrer que
G
X

|µ| An = |µ| An .
n n

On montrera cette égalité par double inégalité.

Soit  > 0. Alors pour n ≥ 0, il existe une partition de An , notons la (An,i )i≥0 , telle
que X
|µ|(An ) ≤ |µ(An,i )| + 2−n .
i≥0
F
Ainsi on obtient une partition (An,i )n,i≥0 de n≥0 An avec
G X Xh i X
|µ|(An ) − 2−n =


|µ| An ≥ |µ(An,i )| ≥ |µ|(An ) − 2.
n n,i≥0 n≥0 n≥0

Comme  > 0 est arbitraire, on conclut que

G
X
|µ| An ≥ |µ|(An ).
n n≥0

– 146 –
CHAPITRE 7. ESPACES DE MESURES: MESURES SIGNÉES

F
Inversement, soit (Bi )i≥0 une partition de n≥0 An . Alors, pour chaque n ≥ 0, (Bi ∩
An )i≥0 est une partition de An , donc
X
|µ(Bi ∩ An )| ≤ |µ|(An ).
i≥0

En sommant cette inégalité sur n, on obtient

X X X XX X
|µ(Bi )| = µ(Bi ∩ An ) ≤ |µ(Bi ∩ An )| ≤ |µ|(An ).
i≥0 i≥0 n≥0 i≥0 n≥0 n≥0
F
Cette inégalité étant valable pour toute partition (Bi )i≥0 de n≥0 An , on conclut que
G
X
|µ| An ≤ |µ|(An ).
n n≥0

Montrons maintenant par l’absurde que |µ| est une mesure finie. Supposons donc que
|µ|(E) = ∞. Notre but est de construire une famille (Bn )n≥0 d’ensembles disjoints, avec
|µ(Bn )| ≥ 1 pour tout n.
Du fait que |µ|(E) = ∞, il existe une partition (An )n≥0 de E avec
X X X
2 + 2|µ(E)| ≤ |µ(An )| = µ(An ) + µ(An ) .
n≥0 n : µ(An )≥0 n : µ(An )<0

Posons G G
F = An et G= An ,
n : µ(An )≥0 n : µ(An )<0

de sorte que F, G forment une partition de E, avec |µ(F )| + |µ(G)| ≥ 2 + 2|µ(E)|. On

conclut que un des termes dans la somme est plus grand que 1 + µ(E). Supposons que
c’est |µ(F )|. Alors

|µ(G)| = |µ(E \ F )| = |µ(E) − µ(F )| ≥ |µ(F )| − |µ(E)| ≥ 1.

On peut de la même facon montrer que si |µ(G)| > 1 + µ(E), alors µ(F ) ≥ 1. Dans les
deux cas on a |µ(F )| ≥ 1 et |µ(G)| ≥ 1.
De plus
|µ|(F ) + |µ|(G) = |µ|(E) = ∞.
On conclut que au moins un d’entre |µ|(F ) et |µ|(G) vaut +∞. Si c’est le premier, on
pose E1 = F et B0 = G, si c’est l’inverse on pose E1 = G et B0 = F . Dans les deux cas,
on obtient une partition E1 t B0 = E avec

|µ|(E1 ) = ∞ et |µ(B0 )| ≥ 1.

On recommence la procédure avec E1 à la place de E pour obtenir B1 et E2 etc. Ainsi on

forme une famille (Bn )n≥0 de parties disjointes de E avec |µ(Bn )| ≥ 1 pour tout n. Cela
contredit la propriété définitoire de µ, à savoir (7.1).
Enfin, pour A ∈ E, en prenant A0 = A et A1 = A2 = · · · = ∅ dans le supremum de
(7.3), on déduit que |µ|(A) ≥ |µ(A)|.

– 147 –
CHAPITRE 7. ESPACES DE MESURES: MESURES SIGNÉES

Suite à ce théorème, on définit la variation totale d’une mesure signée µ par

kµkV T = |µ|(E) ∈ [0, ∞).

Théorème 7.5. La variation totale est une norme sur M (E, E). Muni de cette norme,
M (E, E) est un espace de Banach.

Preuve: Soit µ, ν deux mesures signées. Alors, pour toute partition mesurable (An )n≥0 de E,
X X 
|µ(An ) + ν(An )| ≤ |µ(An )| + |ν(An )| ≤ |µ|(E) + |ν|(E).
n≥0 n≥0

Ainsi kµ + νkV T ≤ kµkV T + kνkV T . D’autre part il est évident que pour λ ∈ R, λ · µ ∈
M (E, E) et que kλ · µkV T = |λ| · kµkV T . Enfin, si kµkV T = 0, alors pour tout A ∈ E,
|µ(A)| ≤ |µ|(A) ≤ |µ|(E) = 0, donc µ = 0. On conclut que k.kV T est bien une norme sur
M (E, E).

Soit (µn )n≥0 une suite de Cauchy dans M (E, E), k.kV T . Pour A ∈ E et m, n ≥ 0,

|µm (A) − µn (A)| ≤ |µm − µn |(A) ≤ |µm − µn |(E) = kµm − µn kV T .

Ainsi (µn (A))n≥0 est une suite de Cauchy dans R; notons ν(A) sa limite.
Montrons que ν ainsi définie est une mesure signée. Soient (Ak )k≥0 une famille de
parties mesurables disjointes de E. Alors µn (Ak ) −−−→ ν(Ak ) pour chaque k ≥ 0. De
n→∞
plus, pour tout n ≥ 0, par le lemme de Fatou,
X X
|µn (Ak ) − ν(Ak )| = lim |µn (Ak ) − µm (Ak )|
m→∞
k≥0 k≥0
X
≤ lim inf |µn (Ak ) − µm (Ak )| ≤ lim inf kµn − µm kV T .
m→∞ m→∞
k≥0

Du fait que (µj )j est de Cauchy, la quantité de la ligne précédente est finie pour tout n et
converge vers 0 quand n → ∞.
P P P
Ainsi k≥0 |ν(Ak )| ≤ k≥0 |µn (Ak ) − ν(Ak )| + k≥0 |µn (Ak )| < ∞. De plus,
G X
ν Ak ) − ν(Ak )
k≥0 k≥0
G G X X
≤ ν Ak ) − µn Ak ) + µn (Ak ) − ν(Ak ) .
k≥0 k≥0 k≥0 k≥0
| {z } | {z }
≤lim inf m→∞ kµn −µm kV T −−−→0 ≤lim inf m→∞ kµn −µm kV T −−−→0
n→∞ n→∞

On conclut que ν ∈ M (E, E). Par le même calcul, il s’en suit que

kµn − νkV T ≤ lim inf kµn − µm kV T −−−→ 0.

m→∞ n→∞

– 148 –
CHAPITRE 7. ESPACES DE MESURES: MESURES SIGNÉES

7.2 Décomposition de Hahn

Soit µ une mesure signée sur un espace mesurable (E, E). Posons

1
1

µ+ = |µ| + µ et µ− = |µ| − µ . (7.4)
2 2
Par la proposition 7.3, µ+ et µ− sont des mesures signées. On vérifie simplement qu’il s’agit
de mesures positives.
Le fait d’écrire µ comme difference de deux mesures positives nous permet de définir
simplement d’intégrale
R contre µ. En effet, on dit qu’une fonction mesurable f : E → R est µ
intégrable si |f | d|µ| < ∞; on pose alors
Z Z Z
f dµ = f dµ+ − f dµ− . (7.5)

On observe facilement que

R la condition d’inégrabilité assure que les deux intégrales de (7.5)
sont finies, et donc que f dµ est bien définie. De plus, les propriétés basiques de l’intégrale,
comme la linéarité, s’étendent aux intégrales contre les mesures signées. Pour plus de détails,
voir l’exercice 116

Théorème 7.6. Il existe une partie mesurable B de E, unique à un ensemble de |µ|-

mesure nulle près, telle que µ+ et µ− sont les restrictions de |µ| à B et B c respectivement.
En d’autres mots, pour tout A ∈ E,

µ(A) = |µ|(A ∩ B) − |µ|(A ∩ B c ). (7.6)

On rappelle la notion de mesures absolument continues. Si ν1 , ν2 sont deux mesures

positives sur (E, E) on dit que ν1 est absolument continue par rapport à ν2 (et on l’écrit
ν1  ν2 ) si pour tout A ∈ E avec ν2 (A) = 0, on a aussi ν1 (A) = 0.
Un concept relié à celui de mesures absolument continues est celui de mesures étrangères.
Soient ν1 et ν2 deux mesures positives sur un espace mesuré (E, E). On dit que ν1 et ν2 sont
étrangères s’il existe deux ensembles disjoints B1 , B2 ∈ E avec ν1 (B1c ) = 0 et ν2 (B2c ) = 0.
Pour des mesures signées ν1 et ν2 , on dit qu’elles sont absolument continues/étrangères
si et seulement si |ν1 | et |ν2 | le sont.
Ainsi le théorème de décomposition de Hahn dit simplement que µ+ et µ− sont étrangères.

Preuve: On commence par montrer l’existence de B. Soit µ une mesure signée sur (E, E). Posons
M = sup{µ(A) : A ∈ E}. Du fait que |µ| est une mesure finie, on conclut que M ∈ [0, ∞).
Si M = 0, alors µ = µ− et on peut choisir B = ∅.
Supposons donc que M > 0 et pour k ≥ 1, soit Ak ∈ E tel que µ(Ak ) ≥ M (1 − 2−k ).
Posons \ [
B= Ak .
n≥0 k≥n

On va montrer que µ(B) = M et que µ+ est concentrée sur B alors que µ− est concentrée
sur B c .

– 149 –
CHAPITRE 7. ESPACES DE MESURES: MESURES SIGNÉES

Observons que pour 0 ≤ n ≤ k on a

 
µ An ∪ · · · ∪ Ak+1 = µ An ∪ · · · ∪ Ak + µ Ak+1 − µ (An ∪ · · · ∪ Ak ) ∩ Ak+1
≥ µ An ∪ · · · ∪ Ak + M (1 − 2−(k+1) ) − M

= µ An ∪ · · · ∪ Ak − M · 2−(k+1) .

On en déduit que

[  ∞ h  j+1
X [  j
[ i
µ Ak = µ(An ) + µ Ak − µ Ak ≥ µ(An ) − M · 2−n ≥ M (1 − 2−n+1 ).
k≥n j=n k=n k=n

Ainsi (par intersection dénombrable décroissante, voir exercice 115),

[ 
µ(B) = lim µ Ak ≥ M.
n→∞
k≥n

Ainsi µ(B) = M .
Montrons que µ+ (B c ) = 0. Supposons le contraire, à savoir que |µ|(B c ) + µ(B c ) =
2µ+ (B c ) > 0. Alors, par la définition de |µ|, il existe un famille d’ensemble mesurable
disjoints A0 , A1 , . . . avec n≥0 An = B c et
F

Xh i
|µ(An )| + µ(An ) > µ+ (B c ) > 0.
n≥0

Il s’en suit qu’il existe au moins un n avec µ(An ) > 0; fixons un tel n. Alors

µ(B ∪ An ) = µ(B) + µ(An ) = M + µ(An ) > M,

ce qui contredit la définition de M .

Enfin, observons que

inf µ(A) = µ(E) − sup µ(A) = µ(E) − M = µ(B c ).

A∈E A∈E

Ainsi, par le même raisonnement que pour B, on montre que µ− (B) = 0.

Enfin, montrons l’unicité de B. Soit C ∈ E un ensemble avec les mêmes propriétés
que B. Alors, comme µ− (B) = 0

|µ|(B \ C) = µ+ (B \ C) ≤ µ+ (C c ) = 0.

De la même façon on montre que |µ|(C \ B) = 0, ce qui implique que B et C diffère d’un
ensemble |µ|-négligeable.

Exercice 113.
Soit µ une mesure positive quelconque sur un espace (E, E) et f ∈ L1 (E, µ). Définissons
ν : E → R par Z
ν(A) = f (x) dµ(x), ∀A ∈ E.
A

– 150 –
CHAPITRE 7. ESPACES DE MESURES: MESURES SIGNÉES

(a) Vérifier que ν est une mesure signée sur E. Montrer que |ν| = |f |dµ et déduire en
particulier que kνkV T = kf k1 .
On dit que L1 (E, µ) s’injecte de manière isométrique dans M (E, E).
(b) Exprimer ν+ et ν− à l’aide de f .
(c) Expliciter un ensemble B tel que ν+ (B c ) = 0 et ν− (B) = 0.

Exercice 114.
Soit µ une mesure signée sur un espace (E, E). Montrer que, pour A, B ∈ E,

µ(A ∪ B) = µ(A) + µ(B) − µ(A ∩ B).

Exercice 115.
Soient µ une mesure signée sur un espace (E, E) et (An )n≥0 ∈ E N une suite décroissante
d’ensembles. Montrer que \ 
µ An = lim µ(An ).
n→∞
n≥0

Indication: utiliser le passage au complémentaire.

Exercice 116.
Soient µ, µ0 deux mesures signées sur un espace mesurable (E, E) et f, g : E → R des fonctions
mesurables.
(a) Montrer que
Z Z Z Z
f dµ+ ≤ |f | d|µ| et f dµ− ≤ |f | d|µ|.
R
Déduire que f dµ est bien définie.
(b) Montrer que
Z Z
f dµ ≤ |f | d|µ|.

(c) Montrer que pour α, β ∈ R

Z Z Z
(αf + βg) dµ = α f dµ + β g dµ.
Z Z Z
f d(αµ + βµ ) = α f dµ + β f dµ0 .
0

(d) Supposons que µ = h dν pour une mesure positive ν. Montrer que

Z Z
f dµ = f h dν.

– 151 –
CHAPITRE 7. ESPACES DE MESURES: MESURES SIGNÉES

Exercice 117.
Soient µ une mesure positive et ν une mesure signée sur un espace (E, E). Sans utiliser
la décomposition de Hahn, montrer que |ν| ⊥ µ si et seulement si, pour tout A ∈ E avec
µ(A) > 0 on a ν(A) = 0.

Exercice 118.
Soient µ une mesure signée. Montrer que dans le sup de la définition (7.3) de |µ| on peut se
limiter à des partitions formées de deux ensembles. Montrer aussi que le sup est atteint:

|µ|(A) = max{|µ(B1 )| + |µ(B2 )| : avec A = B1 t B2 }.

A
Exercice 119 ( ).
Soient µ et ν deux mesures positives de probabilité sur un même espace (E, E). Un couplage
de µ et ν est une mesure de probabilité P sur (E 2 , E⊗E) avec marginales µ et ν, respectivement
c.-à-d. telle que P(A × E) = µ(A) et P(E × A) = ν(A) pour tout A ∈ E.
Le but de cet exercice est de montrer que

kµ − νkV T = 2 − 2 sup P({(x, x) : x ∈ E}), (VT)

P

où le supremum est pris sur tous les couplages P possibles de µ et ν. (On va supposer que
E, E sont telles que la diagonale {(x, x) : x ∈ E} de E 2 est dans E ⊗ E.)
En autres mots, la distance en variation totale entre µ et ν est obtenue comme suit. On
aimerai créer un espace de probabilité avec des variables aléatoires X et Y de lois µ et ν,
respectivement. On est libre de choisir la relation entre X et Y . Si on fait le choix P qui
minimise la probabilité que X et Y diffèrent, alors cette probabilité est la moitié distance en
variation totale: P(X 6= Y ) = 21 kµ − νkV T .
(a) Montrer que kµ − νkV T = 2 sup{µ(A) − ν(A) : A ∈ E}.
Indication: utiliser la décomposition de Hahn pour la mesure signée µ − ν; en utilisant
que µ et ν sont de probabilité, montrer que sup{µ(A) − ν(A) : A ∈ E} = sup{ν(B) −
µ(B) : B ∈ E}.
(b) Montrer que, pour un couplage P comme avant et A ∈ E,

P(X ∈ A, Y ∈
/ A) = P(X ∈ A) − P(X ∈ A et Y ∈ A) ≥ P(X ∈ A) − P(Y ∈ A).

Utiliser le point précédent pour montrer que, pour tout couplage P,

1
P(X 6= Y ) ≥ kµ − νkV T .
2
Ça peut être intéressant de traduire ces énonces de leur écriture probabiliste en écriture
type théorie de la mesure.
(c) Pour l’inégalité inverse, il faut construire un couplage P qui atteint le supremum dans
(VT). Observer que µ − (µ − ν)+ = ν − (µ − ν)− est une mesure positive sur E qu’on
va noter τ . Calculer τ (E).

– 152 –
CHAPITRE 7. ESPACES DE MESURES: MESURES SIGNÉES

(d) Notons τ̃ l’image de τ sur la diagonale {(x, x) : x ∈ E} de E 2 . Formellement τ̃ (B) =

τ ({x ∈ E : (x, x) ∈ B}) pour tout B ∈ E ⊗ E.
Soit ρ un couplage de (µ − ν)+ et (µ − ν)− (c.-à-d. une mesure sur E 2 avec marginales
(µ−ν)+ et (µ−ν)− , respectivement). Calculer τ̃ (A×E)+ρ(A×E) et τ̃ (E×A)+ρ(E×A)
pour A ∈ E. Déduire la valeur de τ̃ (E 2 ) + ρ(E 2 ).
(e) Conclure.

– 153 –
CHAPITRE 7. ESPACES DE MESURES: MESURES SIGNÉES

– 154 –
Chapitre 8

Décomposition de Lebesgue et théorème

de Radon-Nikodim

Théorème 8.1. Soient (E, E) un espace mesurable, ν une mesure signée et µ une mesure
positive σ-finie sur (E, E). Alors il existe deux uniques mesures signées ν0 et ν1 telles que
ν = ν0 + ν1 et
ν0  µ et ν1 ⊥ µ.
De plus, il existe une unique fonction f ∈ L1 (E, E, µ) telle que

ν0 = f dµ.

La décomposition ν = ν0 + ν1 est appelée la décomposition de Lebesgue de ν. Le fait que

ν0 admet une densité (la fonction f ) par rapport à µ est ce qu’on appelle souvent le théorème
de Radon-Nikodim.

Corollaire 8.2 (Théorème de Radon-Nikodim). Soient µ, ν deux mesures sur un espace

mesurable (E, E) avec µ σ-finie et ν signée et telles que ν  µ. Alors il existe un unique
f ∈ L1 (E, E, µ) tel que ν = f dµ.

Le corollaire suit directement du théorème.

Preuve du Théorème 8.1: La partie difficile du théorème est l’existence de la décomposition;

l’unicité suit de vérifications standard: Si ν = ν0 +ν1 = ν00 +ν10 sont deux compositions avec
les propriétés demandées, alors ν0 − ν00 = ν10 − ν1 . Le terme de droite est une mesure signée
étrangère par rapport à µ, alors que celui de droite est absolument continue par rapport
à µ. Ainsi
R ν0 − ν00 = ν10 − ν1 = 0 (voir l’exerciceR 120). De plus, si νR0 = f dµ = g dµ, alors
on a A (f − g) dµ = 0 pour tout A ∈ E. Ainsi 1f ≥g (f − g)dµ = 1f ≤g (f − g) dµ = 0,
donc f = g, µ-p.p.
Commençons par prouver l’existence de la décomposition et celle de f quand ν est
positive et µ est finie (du fait que ν est signée et µ positive, les deux sont positives finies
dans ce cas). Considérons l’espace L2 (E, E, ν + µ). On sait par le Théorème 6.18 qu’il

155
CHAPITRE 8. DÉCOMPOSITION DE LEBESGUE ET THÉORÈME DE RADON-NIKODIM

s’agit d’un espace de Hilbert, donc auto-dual. Soit Λ : L2 (E, E, ν + µ) → R la fonction

définie par Z
f 7→ f dν.

Alors Λ est une forme linéaire sur L2 (E, E, ν + µ). Par l’inégalité de Cauchy-Schwarz, avec
Z Z Z 1/2
1/2
Λ(f ) ≤ |f | dν ≤ |f | d(ν + µ) ≤ |f |2 d(ν + µ) ν(E) + µ(E) .

Ainsi Λ est continue. Par l’auto-dualité de L2 (E, E, µ + ν) on peut choisir g ∈ L2 (E, E, µ +

ν) telle que
Z Z
Λ(f ) = f dν = f g d(ν + µ), ∀f ∈ L2 (E, E, µ + ν).

En particulier, pour tout f ∈ L2 (E, E, µ + ν) fonction positive

Z Z
f g d(µ + ν) = f dν ≥ 0. (8.1)

Il s’en suit que g ≥ 0, (µ + ν)-presque partout. D’autre part, pour tout f ∈ L2 (E, E, µ + ν)
fonction positive,
Z Z Z Z
0 ≤ f dµ = f d(µ + ν) − f dν = f (1 − g) d(µ + ν). (8.2)

Ainsi 1 − g ≥ 0, (µ + ν)-presque partout. Quitte à changer g sur un ensemble de mesure

nulle, on peut supposer que g(x) ∈ [0, 1] pour tout x ∈ E.

Posons B = {x ∈ E : g(x) = 1}. Alors

Z Z Z
ν(B) = 1B dν = g1B d(µ + ν) = 1B d(µ + ν) = µ(B) + ν(B).

On déduit que µ(B) = 0. Posons ν1 = ν(. ∩ B), la restriction de ν à B. Alors ν1 et µ sont

étrangères.

Il reste à montrer que ν0 = ν − ν1 = ν(. ∩ B c ) admet une densité par rapport à µ. Un

g
calcul directe nous montre que cette densité devrait être h = 1−g . Pour montrer que c’est
en effet le cas, observons que pour tout A ∈ E et n ≥ 1, en utilisant (8.1),
Z Z
(1 − g n+1 )dν = (1 − g)(1 + g + · · · + g n )dν
A ZA Z
n
= (1 + g + · · · + g )dν − g(1 + g + · · · + g n )dν
ZA A Z
n
= g(1 + g + · · · + g )d(µ + ν) − g(1 + g + · · · + g n )dν
ZA A

= g(1 + g + · · · + g n )dµ.
A

Quand n tend vers l’infini, 1 − g n+1 (x) → 1g(x)<1 = 1B c (x). D’autre part g(x)(1 + g(x) +

– 156 –
CHAPITRE 8. DÉCOMPOSITION DE LEBESGUE ET THÉORÈME DE RADON-NIKODIM

· · · + g n (x)) → g(x)/(1 − g(x)) pour tout x ∈ B c . Comme µ(B) = 0, on peut récrire ça:
g
g(1 + g + · · · + g n ) → , µ presque partout.
1−g

Ainsi, parle théorème de convergence monotone (les deux limites sont croissantes),

g
Z
c
ν0 (A) = ν(A ∩ B ) = dµ.
A 1−g
g
On conclut que 1−g est la densité de ν0 par rapport à µ. En particulier ν0  µ.
Passons au cas où ν est positive finie et µ est σ-finie. Alors il existe une faille
F
d’ensembles disjoints (An )n≥0 ∈ E N avec µ(An ) < ∞ pour tout n et n≥0 An = E.
Écrivons µ(n) et ν (n) pour les restrictions de µ et ν, respectivement, à An . On peut
appliquer la partie précédente à µ(n) et ν (n) . Écrivons, pour n ≥ 0,
(n)
ν (n) = ν1 + f (n) dµ
(n) (n)
avec ν1 ⊥ µ(n) . Posons Bn ⊂ An tel que µ(n) (Bn ) = µ(Bn ) = 0 et ν1 (Bnc ) = 0.
P (n)
Soit B = ∪n Bn , ν1 = n ν1 et f = n≥0 f (n) Alors ν1 est une mesure sur E avec
P

(n) (n)
X X X
ν1 (B c ) ≤ ν1 (B c ) ≤ ν1 (Bnc ) = 0 et µ(B) ≤ µ(Bn ) = 0;
n n n

donc ν1 ⊥ µ. De plus, par le théorème de convergence monotone, pour A ∈ E,

 n  n  Z  Z
(k)
[ X
(k)
ν(A) = lim ν A ∩ An = lim ν1 (A) + f dµ = ν1 (A) + f dµ.
n n A A
k=0 k=0

Enfin supposons que ν est signée et µ est σ-finie. Écrivons ν = ν+ − ν− , avec ν+

et ν− données par (7.4). Alors ν+ et ν− sont des mesures positives finies sur E, on peut
donc appliquer le point précédent. Écrivons

ν+ = ν+,1 + f+ dµ et ν− = ν−,1 + f− dµ,

où ν+,1 , ν−,1 ⊥ µ (notons B+ et B− des supports µ-négligeables de ν+,1 et ν−,1 ) et f+ , f− ∈

L1 (E, E, µ). Posons ν1 = ν+,1 − ν−,1 , f = f+ − f− .
Alors µ(B+ ∪ B− ) = 0 et |ν1 |(B+ ∪ B− )c ≤ |ν+,1 |(B+ ∪ B− )c + |ν−,1 |(B+ ∪ B− )c = 0.
Ainsi ν1 ⊥ µ. D’autre part, pour A ∈ E,
Z Z
ν(A) = ν+ (A) − ν− (A) = ν+,1 (A) − ν−,1 (A) + (f+ − f− ) dµ = ν1 (A) + f dµ.
A A

Ainsi, ν = ν0 + ν1 avec ν1 = f dµ est une décomposition de Lebesgue.

Exercice 120.
Soient µ, ν deux mesures sur un espace mesurable (E, E) avec µ σ-finie et ν signée. Supposons
que ν  µ et ν ⊥ µ. Montrer que ν = 0.

– 157 –
CHAPITRE 8. DÉCOMPOSITION DE LEBESGUE ET THÉORÈME DE RADON-NIKODIM

Exercice 121.
Existence de la décomposition de Hahn par le théorème de Radon Nikodim.
Soit ν une mesure signée sur un espace mesurable (E, E). Observons que dans la preuve du
Théorème 8.1 on a utilisé la décomposition ν = ν+ − ν− (donc implicitement l’existence de
la mesure finie |ν| – Théorème 7.4) mais pas le fait que ν+ ⊥ ν− .
Le but est de montrer que ν+ ⊥ ν− suit du théorème de Radon-Nikodim.
(a) En utilisant le théorème de Radon-Nikodim, montrer qu’il existe une fonction f ∈
L1 (E, E, |ν|) telle que ν = f d|ν|.
(b) Du fait que |ν(A)| ≤ |ν|(A) pour tout A ∈ E, déduire que |f | ≤ 1, |ν|-p.p.
(c) En utilisant la définition de |ν|, montrer que |f | = 1, |ν|-p.p.
(d) Exprimer ν+ et ν− en fonction de f et déduire que ν+ ⊥ ν− .

Exercice 122.
Soit E un ensemble fini ou dénombrable. Posons E = P(E) et notons µ la mesure de comptage
sur E. Soit ν une mesure signée sur (E, E). Montrer que ν  µ et déterminer la densité de
ν par rapport à µ.

Exercice 123 ( ).A

Le but de cet exercice est de montrer le théorème de Radon-Nikodim à partir du théorème
de Hahn. Pour simplifier, supposons que µ et ν sont deux mesures positives finies sur un
espace mesurable (E, E).
R
(a) Soit F = {f : E → R+ mesurable t.q. ν(A) ≥ A f dµ ∀A ∈ E}. Montrer que si
f, g ∈ F alors max{f, g} ∈ F et que si fn ∈ F est une suite croissante de fonctions,
alors limn fn ∈ F .
Déduire qu’il existe g ∈ F telle que
Z nZ o
g dµ = sup f dµ : f ∈ F .
E E

(b) Fixons g la fonction du point précédent. Argumenter que ν1 := ν − g dµ est une mesure
positive.
(c) Le but du reste de l’exercice est de montrer que ν1 ⊥ µ. Soit  > 0 et considérons la
mesure signée ν1 − µ. Par le théorème de Hahn, il existe A ∈ E tel que

(ν1 − µ)+ (Ac ) = 0 et (ν1 − µ)− (A ) = 0.

Montrer que ν1 (Ac ) ≤ µ(E).

(d) Montrer que µ(A ) = 0.
R par l’absurde etR montrer que si µ(A ) > 0, alors g + 1A ∈ F est
Indication: Procéder
une fonction avec E (g + 1A )dµ > E gdµ.
(e) Poser A0 = n≥1 A1/n . Montrer que µ(A0 ) = 0 et que ν1 (Ac0 ) = 0.
S

(f) Conclure.

– 158 –
CHAPITRE 8. DÉCOMPOSITION DE LEBESGUE ET THÉORÈME DE RADON-NIKODIM

8.1 Décomposition par rapport à la mesure de Lebesgue ∗

Considérons la décomposition de Lebesgue des mesures sur R par rapport à la mesure de
Lebesgue λ. Une consequence immédiate du théorème 8.1 est que toute mesure positive ν
sur (R, B(R)) qui est finie sur les compacts se décompose dans une partie absolument continue
νac par rapport à λ et une mesure étrangère ν0 (voir l’exercice 124). De plus, νac admet une
densité f par rapport à λ.
L’exemple le plus simple de mesures étrangères par rapport à λ sont les mesures purement
atomiques (voir l’exercice 125). Toutefois, il existe des mesures qui sont étrangères par
rapport à λ, mais qui ne contiennent pas d’atomes; on les appelle des mesures absolument
singulières (pour un exemple voir l’exercice 70).
La mesure ν1 obtenue au-dessus peut être encore décomposée en une partie purement
atomique et une partie absolument singulière. En effet, si on pose
X X
νat = ν1 ({x})δx = ν({x})δx ,
x∈R x∈R

alors νat est une mesure purement atomique et νae = ν1 − νat est une mesure positive absol-
ument singulière par rapport à la mesure de Lebesgue (voir les exercices 66 et 126).
Ainsi, la mesure originelle ν se décompose dans une partie absolument continue νac = f dx,
une partie purement atomique νat et une partie absolument singulière νas .
Le théorème suivant nous donne une méthode constructive pour décomposer ν.

Théorème 8.3. Soit ν une mesure sur R, finie sur les compacts. Posons F (t) = ν((0, t])
pour t ≥ 0 et F (t) = −ν((t, 0]) pour t < 0. Alors F est dérivable λ-presque partout. De plus,
la dérivée de F est la densité de la partie absolument continue de ν par rapport à λ.

Une version de ce théorème existe pour Rd . Dans ce cas, la dérivée de F doit être remplacée
d)
par lim→0 ν([t−h,t+h]
(2h) d . Le prevue du théorème fait appel à la notion de recouvrement de
Vitali. Pour des détails, voir [2, Sec. 6.2].
Exercice 124.
Soient λ la mesure de Lebesgue sur (R, B(R)) et ν une mesure positive finie sur les compacts.
Montrer que ν  λ si et seulement si il existe une fonction positive mesurable f : R → R
dont l’intégrale sur tout compact est finie et telle que ν = f dλ.
Plus généralement, montrer que ν se décompose en une partie absolument continue et
une partie étrangère par rapport à λ.
Indication: Appliquer le théorème 8.1 sur chaque intervalle [n, n + 1).

Exercice 125.
PA ⊂ R un ensemble et (ax )x∈A une famille de nombres strictement positifs. Définissons
Soient
µ = x∈R ax δx la mesure sur (R, B(R)) définie par
X
µ(B) = ax .
x∈A∩B

– 159 –
CHAPITRE 8. DÉCOMPOSITION DE LEBESGUE ET THÉORÈME DE RADON-NIKODIM

(a) A quelle condition est µ finie sur les compacts? Exprimer la condition en utilisant les
ensembles A = {x ∈ A : ax > }. Montrer que si µ finie sur les compacts, alors A est
au plus dénombrable.
(b) Montrer que si µ finie sur les compacts, alors elle est étrangère par rapport à λ.

Exercice 126.
Soit µ une mesure sur (R, B(R)) finie sur les compacts. Posons
X
µat = ν1 ({x})δx
x∈R

Montrer que µat est une mesure purement atomique, finie sur le compacts. Montrer que
µ − µat est une mesure positive sur R, sans atomes.

– 160 –
Chapitre 9

Théorèmes de dualité

Le théorème de Radon-Nikodim nous permet de démontrer des théorèmes du dualité (dualité

entre les espaces Lp , Lq et le théorème de Riesz pour les mesures signées). Plus précisément,
il nous permet de trouver des représentant pour les formes linéaire continues (ce qui revient à
prouver la surjectivité des applications U définies dans le corollaire 6.17 et le Théorème 9.4).

9.1 Dualité Lp/Lq

Théorème 9.1. Soient (E, E, µ) un espace mesuré avec µ σ-finie et p, q ∈ [1, ∞] des
exposants conjugués avec q < ∞. La fonction U : Lp → (Lq )∗ notée f 7→ Uf et donnée
par
Z
Uf (g) = f gdµ, ∀f ∈ Lp et g ∈ Lq ,

est une isométrie bijective. On dit que (Lq )∗ s’identifie à Lp quand q < ∞.

Avant de faire la preuve de ce théorème remarquons une consequence directe.

Corollaire 9.2. Soient (E, E, µ) un espace mesuré avec µ σ-finie et p ∈ (1, ∞). Alors Lp
est réflexif.

Preuve du Corollaire 9.2: Soit q ∈ (1, ∞) l’exposant conjugué de p. Par deux applications
successives du théorème 9.1, ((Lp )∗ )∗ s’identifie à (Lq )∗ qui s’identifie à Lp . On vérifie
aisément que la composition de ces deux identifications est la fonction Φ du Thm 5.16.
Observons que les valeurs p = 1 et p = ∞ sont exclues du Corollaire 9.2. En effet, les
espaces L1 et L∞ ne sont pas généralement réflexifs. De ce point de vu, les espaces Lp avec
1 < p < ∞ sont similaires à l’espace L2 (dont la réflexivité suit du théorème 6.18). Cette
similarité vient d’une propriété géométrique des espaces Lp avec 1 < p < ∞, notamment
l’uniforme convexité de leur boule unité (voir exo 127).

161
CHAPITRE 9. THÉORÈMES DE DUALITÉ

Preuve du Théorème 9.1: On a déjà vu que la fonction U définie dans le théorème est une
isométrie (voir Corollaire 6.17). Il reste à montrer que U est surjective.
Supposons pour commencer que µ est finie. Soit Λ ∈ (Lq )∗ . Pour A ∈ E, 1A ∈ Lq ,
on peut donc définir
ν(A) := Λ(1A ).
Montrons que ν est un mesure signée sur E.
F
Évidement ν(∅) = 0. Soient A0 , A1 , · · · ∈ E disjoints et posons B = n≥0 An . Alors,
par le théorème de convergence monotone (c’est essentiel ici que q < ∞ et que µ(B) ≤
µ(E) < ∞),
n
X k.kq
1A0 ∪···∪An = 1Ak −−−→ 1B .
n→∞
k=0

Supposons pour commencer que ν(An ) ≥ 0 pour tout n. Par continuité de Λ on déduit
que

   
ν B = Λ 1A0 ∪A1 ∪... = lim Λ 1A0 ∪···∪An
n
n
X n
X X


= lim Λ 1Ak = lim ν(Ak ) = ν(Ak ).
n n
k=0 k=0 k≥0

Il en est de même si ν(An ) < 0 pour tout n.

Ainsi, pour une suite d’ensemble disjoints (An )n≥0 , sans conditions sur le signe de
ν(An ), on a
X X X
|ν(Ak )| = ν(Ak ) − ν(Ak )
k≥0 k: ν(Ak )≥0 k: ν(Ak )<0
 [   [ 
=ν Ak − ν Ak < ∞,
k: ν(Ak )≥0 k: ν(Ak )<0

et
X X X
ν(Ak ) = ν(Ak ) + ν(Ak )
k≥0 k: ν(Ak )≥0 k: ν(Ak )<0
 [   [  [ 
=ν Ak + ν Ak = ν Ak .
k: ν(Ak )≥0 k: ν(Ak )<0 k≥0

On conclut que ν est bien une mesure signée sur (E, E).
De plus, ν  µ. En effet, pour tout A ∈ E, si µ(A) = 0 alors k1A kq = 0, donc
ν(A) = Λ(1A ) = 0 (voir aussi exercice 117).
Par le théorème de Radon-Nikodim 8.1, il existe f ∈ L1 (µ) telle que

ν = f dµ.

Ainsi
Z
Λ(g) = gf dµ, (9.1)

– 162 –
CHAPITRE 9. THÉORÈMES DE DUALITÉ

pour toute fonction indicatrice g. Par linéarité, on peut étendre cette égalité aux fonctions
étagées g ∈ Fet . En utilisant la densité de Fet dans L∞ et le fait que µ(E) < ∞, on déduit
(9.1) pour tout g ∈ L∞ .
Montrons que f ∈ Lp et que (9.1) est valable pour tout g ∈ Lq .
Cas 1: q = 1. Alors pour tout A ∈ E,
Z
f dµ = |Λ(1A )| ≤ k1A k1 · kΛk = µ(A)kΛk.
A

Cela implique |f | ≤ kΛk µ-presque partout, donc f ∈ L∞ et kf k∞ ≤ kΛk. Par densité de

Fet dans L1 , on conclut que (9.1) est valable pour tout g ∈ L1 .
Cas 2: q ∈ (1, ∞). Pour n ≥ 1, posons

gn (x) := sign(f (x)) · |f (x)|p−1 · 1|f (x)|≤n , ∀x ∈ E.

Alors gn ∈ L∞ et on peut appliquer (9.1) à gn :

Z
|f (x)|p 1|f (x)|≤n dµ(x) = Λ(gn ) ≤ kΛk · kgn kq
Z 1/q
= kΛk · |f (x)|(p−1)q 1|f (x)|≤n dµ(x)
Z 1/q
= kΛk · |f (x)|p 1|f (x)|≤n dµ(x) .

Ainsi Z 1− 1
q
|f (x)|p 1|f (x)|≤n dµ(x) ≤ kΛk.

Par le théorème de convergence monotone, l’intégrale dans le terme de gauche converge

quand n → ∞ vers kf kpp . On conclut que kf kp ≤ kΛk donc que f ∈ Lp .
Enfin, par le théorème de convergence dominée et la densité de Fet dans Lq , (9.1) est
valable pour tout g ∈ Lq . Ainsi Uf = Λ, donc U est bien surjective.
Passons au cas où µ est σ-finie. Soit (An )n∈N une famille d’ensembles disjoints avec
F
µ(An ) < ∞ pour tout n et n≥0 An = E. (L’existence d’une telle famille est garantie par
le fait que µ est σ-finie.)
Soit Λ ∈ Lq (E, E, µ)∗ . Pour n ≥ 0, soit µn la restriction de µ à An . Alors Lq (E, E, µn )
s’identifie de manière naturelle au sous-espace de Lq (E, E, µ) formé des fonctions g ∈
Lq (E, E, µ) avec g(x) = 0 pour µ-presque tout x ∈ / An . Ainsi Λ est une forme linéaire
continue sur Lq (E, E, µn ).
En appliquant la première partie de la preuve à Lq (E, E, µn ), on obtient pour chaque
n ≥ 0, une fonction fn ∈ Lp (E, E, µn ) telle que
Z Z
Λ(g) = gfn dµn = gfn dµ, ∀g ∈ Lq (E, E, µn ).
An

Comme les valeurs de fn en dehors de An n’ont pas d’importance, on peut prendre fn (x) =
0 pour tout x ∈
/ An . Ainsi, la fonction
X
f= fn
n≥0

– 163 –
CHAPITRE 9. THÉORÈMES DE DUALITÉ

est bien définie. Par le même calcul que dans le cas où µ est finie (il faut à nouveau séparer
entre le cas q = 1 et q ∈ (1, ∞)) on obtient

kf kp ≤ kΛk.

Enfin, on conclut que, pour g ∈ Lq ,

n
X  n
X Z n
X Z


Λ(g) = lim Λ g1Ak = lim Λ(g1Ak ) = lim fk g dµ = f g dµ.
n→∞ n→∞ n→∞
k=0 k=0 k=0

Ici on a utilisé le théorème de convergence dominée (pour dire que nk=0 g1Ak → g et
P
Pn q
k=0 fk g → f g dans L ) et la continuité de Λ pour la première égalité. Ainsi Uf = Λ,
donc U est bien surjective.

A
Exercice 127 ( ).
Soit (X, k.k) un espace vectoriel normé. On dit que X est uniformément convexe si pour tout
 > 0 il existe δ > 0 tel que, pour tous x, y ∈ X avec kxk = kyk = 1, on a
x+y
kx − yk >  ⇒ ≤ 1 − δ.
2
(a) Soit (E, E, µ) un espace mesuré. Montrer que pour 1 < p < ∞, l’espace de Ba-
nach Lp (E, E, µ) est uniformément convexe. Montrer que en général, L1 (E, E, µ) et
L∞ (E, E, µ) ne sont pas uniformément convexes.
(b) Soit X un espace de Banach uniformément convexe et Y ⊂ X un sous-espace vectoriel
fermé. Montrer que pour tout x ∈ X il existe un unique y ∈ Y tel que

kx − yk = dist(x, Y ) = inf{kx − zk : z ∈ Y }.

(c) (Théorème de Milman–Pettis) Montrer que tout espace de Banach X qui est uniformé-
ment convexe est réflexif.

9.2 Dual de C0: théorème de représentation de Riesz pour

les mesures signées
Dans cette partie on étudie les mesures signées comme formes linéaires sur l’espace des
fonctions continues. Cette partie est reliée fortement à la partie 3.4 et plus précisément au
théorème 3.33. On commence par un rappel des notions déjà introduites dans la partie 3.4.
Pour simplifier les énoncés et pour être cohérents avec la partie 3.4, on se placera dans le
cadre des espaces métriques propres. Fixons un tel espace E. Rappelons que les mesures µ
sur (E, B(E)) qui sont finies sur les compacts sont automatiquement régulières dans le sense
que

µ(A) = sup{µ(K) : K ⊂ A, K compact}

= inf{µ(U ) : A ⊂ U, U ouvert}, ∀A ∈ E.

– 164 –
CHAPITRE 9. THÉORÈMES DE DUALITÉ

Les fonctions continues tendant vers zero à l’infini forment l’espace


C0 (E) = f : E → R : f continue et ∀ > 0, ∃K compact avec sup |f (x)| <  .
x∈K
/

On regardera C0 (E) comme espace vectoriel normée avec la norme k.k∞ . On a déjà montré que
(C0 (E), k.k∞ ) est un espace de Banach (voir le Théorème 6.15, qui implique la complétude
de C0 (E)). Ainsi C0 (E) peut être vu comme l’adhérence dans L∞ de Cc (E), l’espace des
fonctions continues à support compact.
On rappelle le théorème de Riesz (Thm. 3.33) pour les mesures positives.
Théorème 9.3 (Riesz pour mesures positives). Soit E un espace métrique propre; posons
E = B(E). Alors pour toute forme linéaire positive Λ sur Cc (E), (c.-à-d. Λ forme linéaire
telle que si f ∈ Cc (E) est positive, alors Λ(f ) ≥ 0) il existe une unique mesure µ, telle que
Z
Λ(f ) = f (x) dµ(x), ∀f ∈ Cc (E). (9.2)

Inversement, si µ est une mesure finie sur les compacts, alors (3.11) définie une forme linéaire
positive sur Cc (E).
Ce théorème ressemble fortement à un théorème de dualité. En effet, il identifie les formes
linéaires positives sur Cc aux mesures de Radon (c.-à-d. aux mesures positives, finies sur les
compacts).
On verra par la suite un théorème reliée, qui porte aussi le nom de théorème de Riesz, et
qui s’écrit précisément comme théorème de dualité. Rappelons que M (E, E) désigne l’espace
des mesure signées sur E et qu’il est muni par défaut avec la norme de la variation totale k.kVT .

Théorème 9.4 (Riesz pour mesures signées). Soit E un espace métrique propre; posons
E = B(E). La fonction U : M (E, E) → C0 (E)∗ donnée par µ 7→ Uµ définie par
Z Z Z
Uµ (f ) = f dµ := f dµ+ − f dµ− , ∀f ∈ Cc (E) (9.3)

est une isométrie bijective. Ainsi C0 (E)∗ s’identifie de façon canonique à M (E, E).

Remarque 9.5. Ce théorème admet une version plus générale, ou l’hypothèse que E est propre
est remplacée par celle plus faible que E et localement compact. Alors les mesures finies sur
les compacts ne sont plus automatiquement régulières et M (E, E) doit être remplacé par
Mreg (E, E) = {µ ∈ M (E, E) : |µ| régulière}.
La preuve suivante est basée sur la version pour les formes linéaires positives: le Thm. 3.33.

Preuve: Commençons par montrer que l’application U définie dans (9.3) est une isométrie linéaire.
Soient µ ∈ M (E, E). Une fonction f ∈ C0 (E) est bornée, donc
Z Z Z Z
f dµ ≤ f dµ+ + f dµ− ≤ |f | d|µ| ≤ kf k∞ · kµkV T .

– 165 –
CHAPITRE 9. THÉORÈMES DE DUALITÉ

Ainsi Uµ (f ) est bien définie. La linéarité de Uµ est immédiate. On conclut que Uµ ∈

C0 (E)∗ et kUµ k ≤ kµkV T .
Montrons que kUµ k = kµkV T , en d’autres mots que U est une isométrie. Soit B
l’ensemble donné par la décomposition de Hahn de µ. Alors
Z
1B − 1B c = µ(B) − µ(B c ) = |µ|(E) = kµkV T .

/ Cc.
Cela n’implique pas kUµ k = kµkV T car 1B − 1B c ∈
Soit  > 0. Par régularité de |µ|, il existe un compact K+ ⊂ B avec |µ|(K+ ) ≥
|µ|(B) − . De même on trouve K− ⊂ B c compact avec |µ|(K− ) ≥ |µ|(B c ) − . Par le
lemme d’Urysohn, il existe une fonction f ∈ Cc (E) avec

kf k∞ ≤ 1; f (x) = 1, ∀x ∈ K+ ; f (x) = −1, ∀x ∈ K− .

Alors
Z Z Z Z
Uµ (f ) = f dµ = 1 dµ + (−1) dµ + f dµ
K+ K− E\(K+ ∪K− )
≥ µ(K+ ) − µ(K− ) − |µ| E \ (K+ ∪ K− ) ≥ |µ|(B) + |µ|(B c ) − 4 = kµkV T − 4.
 

Ainsi kUµ k ≥ kµkV T − 4 pour tout  > 0, donc kUµ k = kµkV T .

Enfin montrons que U est linéaire. Soient µ, ν ∈ M (E, E). Alors les mesures positives
finies µ+ + ν+ et µ− + ν− satisfont

µ+ + ν+ − (µ− + ν− ) = µ + ν.

On déduit que Z Z Z
f d(µ + ν) = f d(µ+ + ν+ ) − f d(µ− + ν− ),

pour toute fonction f ∈ Fet . En utilisant le théorème de convergence dominée et la densité

de Fet dans C0 (E), on étend cette relation aux fonctions f ∈ C0 (E). Ainsi U est linéaire.
Il nous reste à montrer le pas le plus important, à savoir que U est surjective. Soit Λ
une forme linéaire continue sur C0 (E). On va commencer par construire une forme linéaire
positive Φ sur Cc (E) pour appliquer le théorème de Riesz pour les formes linéaires positives
(Théorème 3.33). Posons, pour f ∈ Cc (E) fonction positive,

Φ(f ) = sup Λ(g) : g ∈ Cc (E) avec |g| ≤ f .

On étend Φ à Cc (E) par

Φ(f ) = Φ(f+ ) − Φ(f− ), ∀f ∈ Cc (E).

On peut facilement démontrer que Φ est linéaire. De plus, observons que, pour tout
f ∈ Cc (E),

|Φ(f )| = |Φ(f+ ) − Φ(f− )| ≤ Φ(f+ ) + Φ(f− ) = Φ(|f |) ≤ kΛk · kf k∞ .

La dernière égalité suit directement de la définition de Φ. On conclut que Φ est une forme

– 166 –
CHAPITRE 9. THÉORÈMES DE DUALITÉ

linéaire continue et positive sur Cc (E) avec kΦk ≤ kΛk.

Soit ν la mesure positive sur E donné par le Théorème
R 3.33 appliqué à la forme linéaire
Φ. Alors, pour toute fonction f ∈ Cc (E), Φ(f ) = f dν.
Comme ν est régulière, il existe une suite croissante de compacts (Kn )n≥0 de E tels
que ν(E) = limn ν(Kn ). Par le lemme d’Urysohn, pour chaque n il existe une fonction
positive fn ∈ Cc (E) avec kfn k∞ ≤ 1 et fn ≥ 1Kn . On obtient donc
Z
ν(E) = lim ν(Kn ) ≤ lim fn dν = lim Φ(fn ) ≤ lim kΦkkfn k∞ ≤ kΛk < ∞.
n n n n

Ainsi ν est une mesure positive finie sur E. On va obtenir la mesure signée µ avec Uµ = Λ
en décrivant sa densité par rapport à ν.
Par la finitude de ν, toute fonction f ∈ Cc (E) est ν-intégrable. Ainsi Cc (E) est un
sous-espace de L1 (E, E, ν). De plus il s’agit d’un sous-espace dense par le Théorème 6.12.
Pour f ∈ Cc (E), on a

|Λ(f )| ≤ |Λ(f+ )| + |Λ(f− )| ≤ Φ(f+ ) + Φ(f− ) = Φ(|f |) = kf k1 .

Ainsi Λ est une forme linéaire sur Cc (E), continue pour la norme k.k1 . On peut donc
étendre Λ par continuité à l’intégralité de L1 (E, E, ν) (voir exercice 16).
Par le Théorème 9.1, il existe g ∈ L∞ telle que
Z
Λ(f ) = f g dν, ∀f ∈ L1 (E, E, ν).

Posons µ = g dν. Comme ν est finie et régulière et g est bornée, µ ∈ M (E, E).
Avec cette notation, tenant compte que C0 (E) ⊂ L1 (E, E, ν),
Z
Λ(f ) = f dµ, ∀f ∈ C0 (E),

donc Uµ = Λ.

Exercice 128.
Montrer que si µ est une mesure positive, régulière et finie sur les compacts, mais avec
µ(E) = ∞, la forme linéaire Λ définie par (9.2) n’est pas continue.

Exercice 129.
Montrer que Cc est dense dans C0 . Déduire que Cc (E)∗ = C0 (E)∗ , donc que dans le Théorème 9.4
on peut remplacer Cc par C0 .

A
Exercice 130 ( ).
Soient (µn )n≥1 et ν des mesures de M (E, E). On dit que (µn )n≥1 faiblement vers ν, noté
∗
µn −−−→ ν si
n→∞
Z Z
f dµn −−−→ f dν pour tout f ∈ C0 (E, E).
n→∞

La topologie associée à cette convergence est appelée la topologie faible sur M (E, E). Par

– 167 –
CHAPITRE 9. THÉORÈMES DE DUALITÉ

comparaison, la topologie donnée par la norme k.kVT sur M (E, E) est appelée forte.
∗
(a) Montrer que si kµn − νkVT → 0 alors µn −−−→ ν.
n→∞
∗
(b) Donner un exemple ou µn −−−→ ν mais que kµn − νkVT ne converge pas vers 0.
n→∞
(c) Montrer que si (µn )n≥1 et ν sont des mesures positives de probabilité, alors µn converge
faiblement vers ν si et seulement si
Z Z
f dµn −−−→ f dν pour tout f ∈ Cc (E, E).
n→∞

Dans le cadre des mesures de probabilité, la convergence faible est aussi appelée en
distribution.
(d) Donner un contre-exemple au point précédent si les mesures µn et ν ne sont pas de
probabilité.
(e) Du fait que E est supposé propre, on déduit qu’il est séparable. Montrer que Cc (E, E)
est aussi séparable. Exhiber une distance pour la topologie de la convergence faible.

9.3 Dual de L∞: mesures additives ∗

Soit (E, E, µ) un espace localement compact et σ-compact, muni d’une mesure régulière µ finie
sur les compacts. On vient de voir que (L1 )∗ s’identifie à L∞ . Ainsi, par le Théorème 5.16,
L1 ⊂ (L∞ )∗ .
D’autre part, C0 est un sous-espace de L∞ , et toute forme linéaire continue sur L∞ se
restreint en une forme linéaire continue sur C0 . Ainsi
injection canonique restriction
L1 −−−−−−−−−−→ (L∞ )∗ −−−−−→ Mreg .

Pour caractériser (L∞ )∗ il faut introduire la notion de mesures signées additives. Avant de
commencer, mentionnons que l’injection de L1 dans (L∞ )∗ n’est généralement pas surjective,
en particulier L1 n’est pas réflexif. La restriction des formes linéaires continues sur L∞ à C0
(c.-à-d. la deuxième flèche au-dessus) n’est ni injective, ni surjective.

Définition 9.6. Une mesure signée additive sur (E, E) est une fonction bornée ν : E → R
telle que, pour toute famille disjointe A1 , . . . , An ∈ E,
n
G  Xn
ν Aj = ν(Aj ). (9.4)
j=1 j=1

Notons ba(E, E) l’ensemble des mesures signées additives sur (E, E) avec kνkV T < ∞.

– 168 –
CHAPITRE 9. THÉORÈMES DE DUALITÉ

Pour ν ∈ ba(E, E), on pose

X
kνkV T = sup |ν(Aj )| : (Aj )j≥0 partition mesurable de E .
j≥0

On peut montrer, comme pour les mesures signées, que k.kV T est une norme sur ba(E, E)
et que ba(E, E), muni de cette norme, est une espace de Banach. De plus M (E, E) ⊂ ba(E, E);
en effet toute mesure signée satisfait bien (9.4). Ainsi M (E, E) est un sous-espace fermé (car
complet) de ba(E, E). L’inclusion de M (E, E) dans ba(E, E) est pas stricte, on peut prendre
l’exemple de E = Z et E = P(Z).
Par la suite, on écrit L∞ (E, E) pour l’ensemble des fonctions bornées (contrairement aux
fonction bornées presque partout).

Théorème 9.7. La fonction U : ba(E, E) → (L∞ (E, E))∗ , notée ν 7→ Uν et donnée par
Z
Uν (f ) = f dν, ∀f ∈ L∞ (E, E) et µ ∈ ba(E, E), (9.5)

est bien définie, linéaire, isométrique et bijective.

Notons ba(E, E, µ) = {ν ∈ ba(E, E) : pour tout A ∈ E avec µ(A) = 0 on a aussi ν(A) = 0}.
Il s’agit des mesures additives ν, absolument continues par rapport à la mesure µ (donc aussi
régulières). La restriction de U à ba(E, E, µ) induit un isomorphisme d’espace de Banach
entre ba(E, E, µ) et L∞ (E, E, µ).
En conclusion (L∞ (E, E))∗ s’identifie de manière canonique à ba(E, E) et (L∞ (E, E, µ))∗
à ba(E, E, µ).

La preuve de ce théorème peut être trouvée dans [1, Thm IV.8.16].

Mentionnons que l’intégrale dans (9.5) n’a pas été formellement définie, car ν n’est pas
une mesure au sens de la définition
P 1.2.
Toutefois, si on écrit F˜et = { nj=1 aj 1Aj : n ∈ N, a1 , . . . , an ∈ R et A1 , . . . , An ∈ E} alors,
pour ν ∈ ba(E, E) et f ∈ F˜et , l’intégrale se définie de manière évidente. Ainsi on obtient un
forme linéaire
Z
.dν : F˜et → R.

R avec norme bornée par kνkT∞

De plus, cette application est continue, V . Il est facile à voir que
˜ ∞
Fet est dense dans L (E, E), donc .dν s’étend par continuité à L (E, E).

– 169 –
CHAPITRE 9. THÉORÈMES DE DUALITÉ

– 170 –
Références

[1] N. Dunford and J.T. Schwartz, Linear Operators part I: General Theory, Wiley (1988).

[2] D.L. Cohn, Measure Theory, Birkhäuser (1980).

[3] K. Falconer, Fractal Geometry: Mathematical Foundations and Applications, 2nd ed,
Wiley (2003)

[4] P. R. Halmos, Measure Theory, Springer-Verlag (1950).

[5] J.F. Le Gall, Intégration, Probabilités et Processus Aléatoires, http://www.math.u-psud.

fr/~jflegall/IPPA2.pdf.

[6] W. Rudin, Real and complex analysis, 3rd ed, McGraw-Hill (1987)

[7] C. Villani, Intégration et Analyse de Fourier, http://cedricvillani.org/wp-content/

uploads/2013/03/IAF.pdf.

[8] S. Wagon, The Banach-Tarski Paradox, Cambridge University Press (1993).

[9] https://en.wikipedia.org/wiki/List_of_fractals_by_Hausdorff_dimension

171