Filière: R.O.S.

E
Support de cours MAT 345 : Mesures et Intégration
Semestre I
Année académique: 2024-2025

Enseignant: Dr. KAMDEM T. Vidal

E-mail: [email protected]
 INTRODUCTION

i
 TABLE DES MATIÈRES

Introduction i

1 Tribus et mesures 1
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 L’idée de mesure et les expériences aléatoires . . . . . . . . . . . . . 1
1.1.2 Cas d’un problème discret . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Définitions (Algèbre, Tribus et Mesure) . . . . . . . . . . . . . . . . . . . . 2
1.3 Propriétés des mesures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

ii
CHAPITRE 1

TRIBUS ET MESURES

Le but de ce chapitre est de définir les objets que nous seront amenés à mesurer : les
ensembles mesurables et les fonctions mesurables

1.1 Introduction

1.1.1 L’idée de mesure et les expériences aléatoires

L’idée de départ de la théorie de la mesure est d’assigner à chaque partie d’un ensemble
donné, un nombre réel positif (la mesure de la partie), de manière à satisfaire certaines
propriétés naturelles, notamment l’additivité. Ceci généralise les notions classiques de
longueur d’une courbe, d’aire d’une surface ou de volume d’un solide.
Pour des raisons profondes, il n’est généralement pas possible de définir la mesure de
toute partie de Ω. On doit se restreindre à une certaine classe (tribu) de parties (dites
mesurables).
Il se trouve que le concept de probabilité est mathématiquement un cas particulier de celui
de mesure, correspondant au cas où la mesure (de la masse totale) vaut 1. A la suite des
travaux de Borel et de Fréchet qui ont laissé entrevoir les applications de la théorie de la
mesure au calcul des probabilités, puis de ceux de Lévy, qui a compris le rôle fondamental
de la notion de convergence en loi des suites de variables aléatoires, Kolmogorov a dégagé
le modèle mathématique d’une expérience aléatoire.

1
1.2. Définitions (Algèbre, Tribus et Mesure)

1.1.2 Cas d’un problème discret

Pour introduire la série de définitions qui suivent, commençons par quelques exemples,
tirés du calcul des probabilités. Le calcul des probabilités s’intéresse à mesurer la (chance)
qu’un certain événement, résultat d’une expérience a de se produire. Considérons par
exemple l’expérience qui consiste à lancer un dé. On appelle éventualité associée à cette
expérience un des résultats possibles de cette expérience, et univers des possibles l’en-
semble E de ces éventualités. Dans notre exemple, les éventualités peuvent être 1, 2, 3, 4, 5
ou 6, on pourrait choisir aussi comme éventualités les résultats correspondant au dé cassé.
On peut donc tout de suite remarquer que l’ensemble E des univers du possible dépend de
la modélisation, c’est-à-dire, de la formalisation mathématique que l’on fait du problème.
Notons qu’il est parfois difficile de définir l’ensemble E.
A partir des éventualités, qui sont donc les éléments de l’univers des possibles E, on définit
les événements qui forment un ensemble de parties de E. Dans notre exemple du lancer de
dé, l’ensemble des événements est l’ensemble des parties de E, noté P(E). Dans l’exemple
du dé, la partie {2, 4, 6} de E est l’événement : le résultat du lancer est pair. On appelle
événement élémentaire un singleton, par exemple {6}, événement certain l’ensemble E
tout entier et l’événement vide l’ensemble ∅. Pour mesurer la chance qu’a un événement
de se réaliser, on va définir une application p de l’ensemble des événements (donc de P(E)
dans notre exemple du lancer de dé) dans [0, 1] avec certaines propriétés (qui semblent
naturelles...). La chance (ou probabilité) pour un événement A ⊂ E de se réaliser sera
donc le nombre p(A), appartenant à [0, 1].
L’exemple du lancer de dé que nous venons de considérer est un problème discret fini,
au sens où l’ensemble E est fini. On peut aussi envisager des problèmes discrets infinis,
l’ensemble E est alors infini dénombrable (on rappelle qu’un ensemble I est dénombrable
s’il existe une bijection de I dans N, il est au plus dénombrable s’il existe une injection de
I dans N), ou des problèmes (parfois appelés continus) où E est infini non dénombrable.

1.2 Définitions (Algèbre, Tribus et Mesure)

Dans toute la suite, E sera un ensemble quelconque non vide. On note alors P(E)
l’ensemble des parties de l’ensemble E.

Définition 1.1. L’ensemble A ⊂ P(E) est une algèbre (de boole) si pour tout A, B ∈ A

2
1.2. Définitions (Algèbre, Tribus et Mesure)

1. {∅, E} ∈ A

2. Ac = E\A ∈ A

3. A ∩ B ∈ A

4. A ∪ B ∈ A

Définition 1.2. Soient E un ensemble, T une famille de parties de E (i.e. T ⊂ P(E)).

La famille T est une tribu (on dit aussi une σ−algèbre) sur E si T vérifie :

1. ∅ ∈ T, E ∈ T,

2. T est stable par union dénombrable, c’est-à-dire, que pour toute famille dénombrable
(An )n∈N ⊂ T, on a ∪n∈N An ∈ T.

3. T est stable par intersection dénombrable, c’est-à-dire, que pour toute famille dé-
nombrable (An )n∈N ⊂ T, on a ∩n∈N An ∈ T.

4. T est stable par passage au complémentaire, c’est-à-dire, que pour tout A ∈ T, on

a Ac ∈ T (on rappelle que Ac = E\A)

Il est clair que, pour montrer qu’une partie T de P(E) est une tribu, il suffit de vérifier
par exemple, ∅ ∈ T ou (E ∈ T ), 2 (ou 3) et 4.

Exemple 1.1. Tout ensemble E possède des tribus, par exemple :

• T = {∅, E} est la plus petite,

• T = P(E) est la plus grande,

• La classe des parties A de E qui sont dénombrables ou de complémentaire dénombrable,

• Dans le cas où E = R, la classe des intervalles.

Définition 1.3. (Langage probabiliste) Soient E un ensemble quelconque ("l’univers

des possibles") et T une tribu, on appelle "éventualité" les éléments de E et "événements"
les éléments de T. On appelle "événement élémentaire" un singleton de T. On dit que deux
événements A, B ∈ T sont incompatibles A ∩ B = ∅

Proposition 1.1. (Stabilité par intersection des tribus) Soient E et I deux en-
sembles. Pour tout i ∈ I, on se donne une tribu, Ti sur E. Alors, la famille (de parties de
E) ∩i∈I Ti = {A ⊂ E, A ∈ Ti , ∀i ∈ I} est encore une tribu sur E. Cette proposition nous
permet de définir ci-après la notion de tribu engendrée.

3
1.2. Définitions (Algèbre, Tribus et Mesure)

Définition 1.4. (Tribu engendrée) Soient E un ensemble et C ⊂ P(E). On appelle

tribu engendrée par C la plus petite tribu contenant C, c’est-à-dire, la tribu T (C) inter-
section de toutes les tribus sur E contenant C (cette intersection est non vide car P(E) est
une tribu contenant C). Il est parfois utile d’utiliser la notion d’algèbre qui est identique
à celle de tribu en remplaçant "dénombrable" par "finie".

Définition 1.5. (Topologie) Une topologie sur E est une famille τ de parties de E telles
que :

1. ∅ ∈ τ, E ∈ τ

2. Si O1 , ..., On ∈ τ, alors ∩ni=1 Oi ∈ τ

3. Si O1 , ..., On ∈ τ, alors ∪ni=1 Oi ∈ τ

Les éléments de τ s’appellent les ouverts de E. On dit que (E, τ ) est un espace topologique.

Définition 1.6. (Tribu Borélienne) Soit E muni d’une topologie (un espace métrique,
par exemple). On appelle tribu borélienne (ou tribu de Borel) la tribu engendrée par
l’ensemble des ouverts de E, cette tribu sera noté B(E). Dans le cas E = R, cette tribu
est donc notée B(R).

Proposition 1.2. On note C1 l’ensemble des ouverts de R, C2 = {]a, b[, a, b ∈ R, a < b}

et C3 = {]a, +∞[, a ∈ R}. Alors T (C1 ) = T (C2 ) = T (C3 ) = B(R)
Preuve : On a par définition de B(R), T (C1 ) = B(R). On va démontrer ci-après que
T (C1 ) = T (C2 ) (le cas T (C2 ) = T (C3 ) est laissé au lecteur). Comme C2 ⊂ C1 , on
a T (C2 ) ⊂ T (C1 ). Il suffit donc de démontrer l’inclusion inverse. On va montrer que
C1 ⊂ T (C2 ), on aura alors que T (C1 ) ⊂ T (C2 ). Soit O un ouvert de R. On suppose O 6= ∅
(on sait déjà que ∅ ∈ T (C2 )). Il existe une famille (In )n∈A d’intervalles ouverts tels que
A ⊂ N et O = ∪n∈A In . Notons qu’on a aussi O = ∪n∈N In , en posant In = ∅, si n ∈ N\A.
Comme In ∈ C2 ⊂ T (C2 ) pour tout n ∈ A et ∅ ∈ T (C2 ), on en déduit par stabilité
dénombrable d’une tribu, que O ∈ T (C2 ). Donc, C1 ⊂ T (C2 ) et donc T (C1 ) ⊂ T (C2 ). On
a bien montré que T (C1 ) = T (C2 ).

Définition 1.7. (Espace mesurable ou probabilisable, partie mesurable ou pro-

babilisable) Soient E un ensemble, et T une tribu sur E. Le couple (E, T ) est appelé
"espace mesurable" ou (en langage probabiliste) "espace probabilisable". Les parties de
E qui sont (resp. ne sont pas) des éléments de T sont dites mesurables ou probabilisables
(resp. non mesurables, non probabilisables)

4
1.2. Définitions (Algèbre, Tribus et Mesure)

Définition 1.8. (Mesure) Soit (E, T ) un espace mesurable. On appelle mesure une
+ +
application m : T −→ R (avec R = R+ ∪ +∞) vérifiant :

1. m(∅) = 0

2. m est sigma−additive, c’est-à-dire, que pour toute famille (An )n∈N ⊂ T de parties
disjointes deux à deux, (i.e. tel que An ∩ Am = ∅, si n 6= m), on a :
X
m(∪n∈N An ) = m(An ) (1.1)
n∈N

Remarque 1.2.1. • Dans la définition précédente, la condition 1, peut être remplacée

par la condition : ∃A ∈ T, m(A) < ∞.

• Une conséquence immédiate de la σ−additivité est l’additivité, c’est-à-dire, que

n
X
m(∪np=0 Ap ) = m(Ap ),
p=0

pour toute famille finie (Ap )p=0,...,n d’éléments de T, disjoints 2 à 2. L’additivité se

démontre avec la σ−additivité en prenant Ap = ∅ pour p > n dans (1.1)

Définition 1.9. (Mesure finie) Soient E un ensemble et T une tribu sur E. On appelle
mesure finie une mesure m sur T telle que m(E) < ∞.

Définition 1.10. (Probabilité) Soient E un ensemble et T une tribu sur E. On appelle

probabilité une mesure p sur T tel que p(E) = 1.

Définition 1.11. (Espace mesuré, espace probabilisé) Soient E un ensemble, T une

tribu sur E et m une mesure (resp. une probabilité) sur T. Le triplet (E, T, m) est appelé
"espace mesuré" (resp. "espace probabilisé").

Définition 1.12. (Mesure σ−finie) Soit (E, T, m) un espace mesuré, on dit que m est
σ−finie (ou que (E, T, m) est σ−fini) si :

∃(An )n∈N ⊂ T, m(An ) < ∞, ∀n ∈ N et E = ∪n∈N An

Exemple 1.2. (Mesure de Dirac) Soient E un ensemble,  T une tribu sur E et a ∈ E.

 0 si a ∈
/A
On définit sur T la mesure δa par (pour A ∈ T ) : δa = On peut remarquer
 1 si a ∈ A
que la mesure de Dirac est une probabilité.

Définition 1.13. (Partie négligeable) Soient (E, T, m) un espace mesuré et A ⊂ E.

On dit que A est négligeable s’il existe un ensemble B ∈ T tel que A ⊂ B et m(B) = 0.

5
1.3. Propriétés des mesures

1.3 Propriétés des mesures

Proposition 1.3. Soit (E, T, m) un espace mesuré. La mesure m vérifie les quatre pro-
priétés suivantes :

1. Monotonie : Soit A, B ∈ T, A ⊂ B, alors m(A) ≤ m(B)

P
2. σ−sous-additivité : Soit (An )n∈N ⊂ T, alors m(∪n∈N An ) ≤ n∈N m(An )

3. Continuité croissante : Soit (An )n∈N ⊂ T, tel que An ⊂ An+1 , pour tout n ∈ N, alors
m(∪n∈N An ) = limn−→∞ (m(An )) = supn∈N (m(An ))

4. Continuité croissante : Soit (An )n∈N ⊂ T, tel que An+1 ⊂ An , pour tout n ∈ N et
tel qu’il existe no ∈ N, m(Ano ) < ∞, alors
m(∩n∈N An ) = limn−→∞ (m(An )) = infn∈N (m(An ))

Preuve : La démonstration de ces propriétés est facile, elles découlent toutes du

caractère positif et du caractère σ−additif de la mesure.

1. Monotonie. Soit A, B ∈ T, tel que A ⊂ B. On a B = A ∪ (B\A) et A ∩ (B\A) = ∅.

Comme A ∈ T et B\A = B ∩ Ac ∈ T, l’additivité de m donne m(B) = m(A) +
m(B\A) ≥ m(A), car m prend ses valeurs dans R+ . Noter aussi que m(B\A) =
m(B) − m(A) si 0 ≤ m(A) ≤ m(B) < ∞ (mais cette relation n’a pas de sens si
m(A) = m(B) = ∞).
P
2. σ−sous additivité. (An )n∈N ⊂ T. on veut montrer que m(∪n∈N An ) ≤ n∈N m(An ).
n−1
On pose B0 = A0 et par récurrence sur n, Bn = An \(∪i=0 Bi ) pour n ≥ 1. Par
récurrence sur n, on montre que Bn ∈ T pour tout n en remarquant que, pour
n > 1, Bn = An ∩ (∩n−1 c
i=0 Bi ). La construction des Bn assure que Bn ∩ Bm = ∅, si

n 6= m et ∪n∈N An = ∪n∈N Bn . Pour vérifier cette dernière propriété, on remarque

que Bn ⊂ An donc ∪n∈N Bn ⊂ ∪n∈N An . Puis, si x ∈ An et x n’appartient pas à
∪n−1 n−1 c
i=0 Bi , on a alors x ∈ An (∩i=0 Bi ) = Bn . Ceci prouve que ∪n∈N An ⊂ ∪n∈N Bn

et donc, finalement, ∪n∈N An = ∪n∈N Bn . On utilise maintenant la σ−additivité de

m et la monotonie de m (car Bn ⊂ An ) pour écrire m(∪N An ) = m(∪n∈N Bn ) =
P P
n∈N m(Bn ) ≤ n∈N m(An ).

3. Continuité croissante. Soit (An )n∈N ⊂ T, tel que An ⊂ An+1 , pour tout n ∈ N.
Par monotonie de m, on a m(An+1 ) ≥ m(An ), pour tout n ∈ N, et donc lim =
n−→∞
supn∈N m(An ) ∈ R+ . On pose A = ∪n∈N An et on définit la suite (Bn )n∈N par B0 = A0

6
1.3. Propriétés des mesures

et Bn = An \An−1 pour tout n ≥ 1 (noter que An−1 ⊂ An ). On a A = ∪n∈N An =

∪n∈N Bn , Bn ∈ T