Chapitre 1

Rappels d’intégration

1.1 Généralités
1.1.1 Remarque liminaire
Soit (X, A, µ) un espace mesuré. Si f est une fonction de X dans [0, +1] qui est
mesurable (à l’arrivée, on prendra toujours la tribu des boréliens ou la tribu de Lebesgue
sur R ou C ' R2 )), alors la quantité
Z
f dµ 2 [0, +1]
X

est bien définie (vous souvenez-vous de comment on la construit ?RVoir plus loin).
Par contre, si f est à valeursR réelles ou complexe, la quantité X f dµ n’a a priori pas
de sens. Elle a un sens lorsque X |f | dµ < +1 (on dit que f est µ-intégrable), ce dont il
faut s’assurer avant d’écrire l’intégrale.
De même, il est erroné de croire que pour deux fonctions mesurables f1 , f2 on a
Z Z Z
(f1 + f2 ) dµ = f1 dµ + f2 dµ.

Cependant, cela est vrai lorsque les fonctions sont positives, ou lorsqu’elles sont intégrables.
Si seulement l’une d’entre elles est intégrable, ça vous irait ?

1.1.2 Rappels sur la construction de l’intégrale

Sur un espace mesuré (X, A, µ), on commence par construire l’intégrale d’une fonction
mesurable étagée (c’est-à-dire ne prenant qu’un nombre fini de valeurs) positive
k
X
f= ci 1 A i
i=1

2
en posant
Z k
X
f dµ = ci µ(Ai ).
X i=1

Ici on autorise les ci à prendre la valeur +1, i.e. la fonction f est à valeurs dans [0, +1].
On notera que par définition Z
µ(A) = 1A dµ
X
pour toute partie mesurable A ⇢ X.
On passe ensuite aux fonctions positives (à valeurs dans [0, +1]) mesurables à l’aide
du résultat suivant.

Proposition 1 (lemme fondamental d’approximation). Pour toute f : X ! C ou [ 1, +1]

mesurable, il existe une suite (fn ) de fonctions étagées convergeant simplement vers f . De
plus,
a) si f est positive, on peut choisir la suite (fn ) positive et croissante.
b) si f est bornée, on peut choisir (fn ) de sorte que la convergence soit uniforme sur
X.

En fait, on montre la version plus précise suivante :

Lemme 2. Soit f : X ! [0, 1] une fonction mesurable. Alors il existe une suite (An )
d’ensembles mesurables tel que
+1
X
f= 2 n 1An .
n=1

Démonstration. Voit TD.

Ainsi, si f est une fonction à valeurs dans [0, +1] on "sait" (il y a plusieurs points et
propriétés à vérifier tout de même...) définir
Z
f dµ 2 [0, +1]
X

Ensuite, on souhaite passer à une fonction réelle f , à valeurs dans [ 1, +1]. Pour
continuer, on fait l’hypothèse que la fonction positive |f | a une intégrale (comme définie
précédemment) finie, Z
|f | dµ < +1.
X
On décompose alors f en parties positive et négative, f = f+ f et on pose
Z Z Z
f dµ = f+ dµ f dµ.
X X X
R R
Cela est possible car notre hypothèse garanti que les quantités f+ et f sont finies.

3
 R
Remarque 3 (Semi-intégrabilité). Si f dµ < +1, on peut encore poser
Z Z Z
f dµ = f+ dµ f dµ 2] 1, +1].
X X X
R
On dit que la fonction est semi-intégrable. Idem si f+ < +1.

On passe ensuite de même à une fonction f valeurs complexes, lorsque le module de f ,

|f |, est une fonction positive d’intégrale finie. R
Bref, lorsque f est positive ou intégrable, on sait définir X f dµ.

1.1.3 Ce que vous devez connaitre

— Les propriétés de base de l’intégrale.
— Les grands théorèmes de convergences : convergence monotone, convergence domi-
née, Lemme de Fatou.
— La définition du produit de deux tribus, de la mesure produit, et le théorème de
Fubini (avec précision).
On pourra consulter le livre de Rudin pour ces points.

1.2 Entracte
Par construction, l’intégrale de Lebesgue d’une fonction f est intimement liée aux
mesures des sous-ensembles de niveau {f > t} où

{f > t} := {x 2 X ; f (x) > t}.

Remarquons tout d’abord que, pour une fonction positive f , la fonction t ! µ({f > t})
est une fonction décroissante sur R+ , qui est continue à droite (pourquoi ?).
Si f est une fonction mesurable positive sur un espace mesuré (X, A, µ), alors
Z Z +1
f dµ = µ({f > t}) dt
X 0

où dt est la mesure de Lebesgue sur R. Pour le voir, on peut commencer par étudier le cas
d’une fonction étagée positive, et passer au cas général par convergence monotone (dans
les deux intégrales).
Faisons ici une parenthèse sur les fonctions indicatrices. On a donc noté 1A la fonction
indicatrice d’un ensemble A. Cette fonction est une fonction booléenne : elle ne prend que
deux valeurs, 0 et 1. Réciproquement, toute fonction booléenne H sur un ensemble X
s’écrit comme une fonction indicatrice , H = 1A avec A = {H = 1}. Lorsqu’on est sur
un espace mesurable, la mesurabilité de 1A équivaut à la mesurabilité de A. Le point de
vue booléen est intéressant lorsqu’on commence à combiner plusieurs variables/paramètres.
Par exemple, si on a une fonction réelle positive f sur un ensemble X et t 2 R+ , on peut

4
considérer 1{f >t} comme une fonction sur X, mais on peut aussi voir t comme une variable
et considérer la fonction sur X ⇥ R+

(x, t) ! 1{f >t} (x).

Cette fonction est une fonction booléenne sur X ⇥ R+ : elle vaut 1 si et seulement si la
condition f (x) > t est vérifiée. On a plusieurs écriture possible, suivant le point de vue
privilégié :
1{f >t} (x) = 1{(y,s)2X⇥R+ ; f (y)>s} (x, t) = 1{s2R+ ; s<f (x)} (t).
Revenons à l’expression de l’intégrale ci-dessus. Pour tout fonction f positive, sur un
ensemble X on peut écrire :
Z +1
8x 2 X, f (x) = 1{f >t} (x) dt. (1.1)
0

Le résultat précédent s’ensuit alors par le théorème de Fubini.

Voici une version générale.

Proposition 4. Soit ⌫ une mesure sur les boréliens sur R+ tel que la fonction

(t) := ⌫([0, t[) (1.2)

soit finie pour tout t > 0. On remarquera que (0) = 0 et que est croissante.
Alors, si f est une fonction positive mesurable sur un espace mesuré (X, A, µ) on a
Z Z +1
(f (x)) dµ(x) = µ({f > t}) d⌫(t).
X 0

En particulier, en prenant d⌫(t) = ptp 1 dt avec p > 0, on a

Z Z p 1
p
f dµ = p µ({f > t}) tp 1 dt.
X 0

Démonstration. [Lieb and Loss] p. 26-27

On remarque que si on prend pour µ la mesure de Dirac en x 2 X, alors on retrouve
la formule (1.1).
Si on se donne une fonction croissante continue sur [0, +1[, avec (0) = 0 et telle que
soit de classe C 1 sur ]0, +1[, alors la mesure d⌫(t) = 0 (t) dt vérifie bien les hypothèse
et on a Z Z +1
(f (x)) dµ(x) = µ({f > t}) 0 (t) dt.
X 0

L’exemple principal reste (t) = t avec p > 0.

p

Voici un autre exemple d’utilisation des ensembles de niveaux, pour un problème va-
riationnel.

5
Proposition 5. Soit (X, A, µ) un espace mesuré et f une fonction positive mesurable sur
X. On se donne s0 2]0, µ(X)[ et on suppose qu’il existe t0 > 0 tel que µ({f > t0 }) = s0 .
Alors, parmi tous les ensembles A ⇢ X de mesure fixée µ(A) = s0 , la quantité
Z
f (x) dµ(x)
A

est maximale pour

A0 = {f > t0 }

Démonstration. On a
Z Z
(1A 1A0 )f dµ = (1A 1A0 )(f t0 ) dµ

et
8x 2 X, (1A (x) 1A0 (x))(f (x) t0 )  0.

1.3 L’inégalité de Jensen

Soit ' une fonction convexe sur R. La convexité de ' est équivalente à la propriété
suivante pour les taux d’accroissements : pour tout s, t, u 2 R

'(t) '(s) '(u) '(t)

s < t < u =)  . (1.3)
t s u t
En utilisant deux fois cette inégalité, on voit que pour s < t < u < v ,

'(t) '(s) '(u) '(t) '(v) f (u)

  . (1.4)
t s u t v u
De cela, on déduit qu’en tout point, ' admet une dérivée à gauche et une dérivée à droite
(en particulier ' est continue), que ces dérivées sont croissantes, et que '0g  '0d en tout
point. On a pour, pour tout t0 2 R et ` 2 ['0g (t0 ), '0d (t0 )],

8s 2 R, '(s) '(t0 ) + `(s t0 ).

Pour le voir, on utilise (1.4). En résumé : en tout point, le graphe d’une fonction convexe
sur R admet une tangente, et le graphe reste au dessus de ses tangentes.
La fonction ' est dite strictement convexe sur R si pour s, t 2 R, s 6= t et 2]0, 1[, on
a
'((1 )s + t) < (1 )'(s) + '(t).
Cela équivaut à dire que le graphe de ' ne contient pas de segment. En particulier, toute
tangente ne touche le graphe qu’en un seul point.

6
Thé́orème 6. Soit ' une fonction convexe sur R. Si µ est une probabilité sur un espace
mesurable (X, A) et f une fonction µ-intégrable à valeurs R, alors [' f ] est intégrable,
et ainsi ' f est semi-intégrable, et on a
⇣Z ⌘ Z
' f dµ  '(f (x)) dµ(x), (1.5)
X X

avec égalité si f est une fonction constante.

Lorsque ' est strictement convexe, il y a égalité dans (1.5) si et seulement si f est une
fonction "constante" (plus précisément, égale µ-pp à une constante, i.e. il existe a 2 R tel
que f = a µ-pp).
R
Démonstration. On pose m = X f dµ 2 R. Comme ' est convexe, il existe au moins
une droite située en-dessous du graphe de ' et passant par (m, '(m)), d’équation y =
(x m) + '(m). Ceci se traduit par

'(u) (u m) + '(m) u2R

et donc pour tout x 2 X,

' f (x) (f (x) m) + '(m).

La fonction ' f étant minorée par une fonction intégrable, elle admet une intégrale (qui
ne peut être égale à 1) et
Z Z Z
' f dµ (f m) dµ + '(m) dµ = 0 + '(m),
X X X

par linéarité (pour les fonctions µ-intégrables), et parce que µ est une probabilité.
Si f n’est pas constante, il existe un ensemble A 2 A de mesure non-nulle tel que
f (x) 6= m pour tout x 2 A. Si ' est strictement convexe, on a alors

8x 2 A, F (x) := ' f (x) (f (x) m) + '(m) > 0

R R
et X
F dµ A
F dµ > 0. L’inégalité sera donc stricte.

1.4 La mesure de Lebesgue

On admettra l’existence et les propriétés fondamentales (régularité) de la mesure de
Lebesgue, qui sont résumées dans le théorème suivant. Voir le livre de Rudin pour la
construction et les preuves.

Thé́orème 7. Il existe une mesure définie sur une tribu L de Rn qui vérifie les propriétés
suivantes :

7
 1. L contient les boréliens de Rd , et est complète (càd si A 2 L est tel que (A) = 0,
alors N ⇢ A ) N 2 L).
n
Y k
Y
2. [ai , bi ] = |bi ai |.
i=1 i=1
3. est invariant par translation : si E 2 L et x0 2 R, (E + x0 ) = (E).
De plus, elle vérifie aussi les propriétés suivantes :
a) Pour tout A 2 L,
(A) = inf{ (U ) ; U A, U ouvert}.
b) Pour tout A 2 L, avec (A) < +1, ou A ouvert, on a

(A) = sup{ (K) ; K ⇢ A, Kcompact}.

En conséquence, pour A 2 L, on peut trouver F une réunion dénombrable de compacts et

V intersection dénombrable d’ouverts tel que F ⇢ A ⇢ V avec (V \ F ) = 0.

Pour la mesure de Lebesgue sur Rn , on parle aussi de volume.

Je suppose aussi que vous connaissez la formule de changement de variable dans Rn .
La régularité de la mesure de Lebesgue, à savoir les points a) et b) du théorème pré-
cédent, est essentielle pour étudier les approximations par des fonctions régulières. À titre
d’exemple, voici un joli résultat du à Lusin.

Thé́orème 8 (Lusin). Soit f une fonction mesurable sur Rn , à valeurs complexes, nulle en
dehors d’un ensemble de mesure (volume) fini. Pour tout " > 0, il existe une une fonction
g continue sur Rn à support compact tel que

({f 6= g})  ".

De plus, on peut s’arranger pour que sup |g|  sup |f |.

Nous n’utiliserons pas explicitement ce résultat ; on pourra consulter [Rudin, p. 55]

pour la démonstration. Nous utiliserons cependant la brique suivante, qui est un résultat
purement topologique.

Lemme 9 (Lemme d’Urysohn). Soit K un compact et U un ouvert de Rn tels que K ⇢ U .

Alors, il existe une fonction f continue sur Rn , qui vérifie
1. f est à valeurs dans [0, 1] et à support compact,
2. f (x) = 1 si x 2 K,
3. f (x) = 0 si 2
/ U.

Démonstration. On rappelle que la distance à un ensemble A ⇢ Rn est définie par d(x, A) =

inf{|y x|; y 2 A}. Pour tout ensemble A (non vide), cette fonction est 1-lipschitzienne,
donc continue. On a d(x, A) = 0 si et seulement si x appartient à l’adhérence de A.

8
 Pour " > 0 on considère

K" := {x 2 Rn , d(x, K) < "}

C’est un ouvert borné, contenant K, et qui pour un certain "0 assez petit sera dans U . En
effet, si ce n’est pas le cas, on pourrait construire une suite xn 2
/ U avec d(xn , K) < n1 .
Comme K est borné, cette suite est bornée et on peut donc en extraire une sous-suite
convergente. Sa limite x1 serait dans K, puisque d(x1 , K) = 0 et K est fermé, et ne serait
pas dans U car le complémentaire de U est fermé. Cela contredirait K ⇢ U .
On a donc K ⇢ K"0 ⇢ U . On définit sur Rn ,
1⇣ ⌘ ⇣ 1 ⌘
f (x) = "0 d(x, K) = 1 d(x, K) .
"0 + "0 +

Cette fonction vérifie les conditions demandées.