Intégration, Probabilités Et Processus Aléatoires

FIMFA
Int
egration, Probabilit
es
et Processus Al
eatoires
Jean-Francois Le Gall
Septembre 2006
Departement Mathematiques et Applications

Ecole normale superieure de Paris
2
Sommaire
I Int
egration 7
1 Espaces mesur es 9
1.1 Ensembles mesurables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Mesures positives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Fonctions mesurables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4 Classe monotone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2 Int
egration par rapport ` a une mesure 17
2.1 Integration de fonctions positives . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2 Fonctions integrables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3 Integrales dependant dun paramètre . . . . . . . . . . . . . . . . . . . . . . 26
3 Construction de mesures 29
3.1 Mesures exterieures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2 La mesure de Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3 Liens avec lintegrale de Riemann . . . . . . . . . . . . . . . . . . . . . . . . 38
3.4 Un exemple densemble non mesurable . . . . . . . . . . . . . . . . . . . . . 39
3.5 Integrale de Stieltjes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.6 Le theorème de representation de Riesz . . . . . . . . . . . . . . . . . . . . . 41
4 Espaces Lp 43
4.1 Definition et inegalite de Holder . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2 Lespace de Banach Lp (E, A, ) . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.3 Theorèmes de densite dans les espaces Lp . . . . . . . . . . . . . . . . . . . . 49
4.4 Le theorème de Radon-Nikodym . . . . . . . . . . . . . . . . . . . . . . . . . 52
5 Mesures produits 57
5.1 Generalites sur les espaces produits . . . . . . . . . . . . . . . . . . . . . . . 57
5.2 Construction de la mesure-produit . . . . . . . . . . . . . . . . . . . . . . . . 58
5.3 Le theorème de Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.4 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.4.1 Integration par parties . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.4.2 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.4.3 Calcul du volume de la boule unite . . . . . . . . . . . . . . . . . . . 67
3
6 Mesures sign ees 69
6.1 Definition et variation totale . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
6.2 La decomposition de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.3 La dualite Lp Lq . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
6.4 Le theorème de representation de Riesz . . . . . . . . . . . . . . . . . . . . . 79
7 Formule de changement de variables

et complements 81
7.1 La formule de changement de variables . . . . . . . . . . . . . . . . . . . . . 81
7.2 Mesure de Lebesgue sur la sphère unite . . . . . . . . . . . . . . . . . . . . . 85
II Probabilit
es 89
8 Fondements de la th eorie des probabilit es 91
8.1 Definitions generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
8.1.1 Espaces de probabilite . . . . . . . . . . . . . . . . . . . . . . . . . . 91
8.1.2 Variables aleatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
8.1.3 Esperance mathematique . . . . . . . . . . . . . . . . . . . . . . . . . 94
8.1.4 Exemple : le paradoxe de Bertrand . . . . . . . . . . . . . . . . . . . 96
8.1.5 Lois classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
8.1.6 Fonction de repartition dune variable aleatoire reelle . . . . . . . . . 99
8.1.7 Tribu engendree par une variable aleatoire . . . . . . . . . . . . . . . 100
8.2 Moments de variables aleatoires . . . . . . . . . . . . . . . . . . . . . . . . . 101
8.2.1 Moments dordre p et variance . . . . . . . . . . . . . . . . . . . . . . 101
8.2.2 La regression lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
8.2.3 Fonctions caracteristiques . . . . . . . . . . . . . . . . . . . . . . . . 104
8.2.4 Fonction generatrice . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
9 Ind
ependance 109
9.1 Evenements independants . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
9.2 Variables aleatoires et tribus independantes . . . . . . . . . . . . . . . . . . 111
9.3 Le lemme de Borel-Cantelli . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
9.4 Sommes de variables aleatoires independantes. . . . . . . . . . . . . . . . . . 119
10 Convergence de variables al eatoires 125

10.1 Les differentes notions de convergence . . . . . . . . . . . . . . . . . . . . . . 125
10.2 La loi forte des grands nombres . . . . . . . . . . . . . . . . . . . . . . . . . 127
10.3 La convergence en loi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
10.4 Deux applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
10.4.1 La convergence des mesures empiriques . . . . . . . . . . . . . . . . . 137
10.4.2 Le theorème central limite . . . . . . . . . . . . . . . . . . . . . . . . 138
10.4.3 Extension au cas vectoriel . . . . . . . . . . . . . . . . . . . . . . . . 140
4
11 Conditionnement 143
11.1 Conditionnement discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
11.2 La definition de lesperance conditionnelle . . . . . . . . . . . . . . . . . . . 145
11.2.1 Cas des variables integrables . . . . . . . . . . . . . . . . . . . . . . . 145
11.2.2 Cas des variables positives . . . . . . . . . . . . . . . . . . . . . . . . 147
11.2.3 Le cas particulier des variables de carre integrable . . . . . . . . . . . 150
11.3 Proprietes specifiques de lesperance conditionnelle . . . . . . . . . . . . . . . 150
11.4 Calculs desperance conditionnelle . . . . . . . . . . . . . . . . . . . . . . . . 153
11.4.1 Conditionnement discret . . . . . . . . . . . . . . . . . . . . . . . . . 153
11.4.2 Cas des variables à densite . . . . . . . . . . . . . . . . . . . . . . . . 153
11.4.3 Conditionnement gaussien . . . . . . . . . . . . . . . . . . . . . . . . 154
11.5 Probabilites de transition et lois conditionnelles . . . . . . . . . . . . . . . . 157
III Processus al
eatoires 161
12 Theorie des martingales
`
a temps discret 163
12.1 Definitions et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
12.2 Temps darret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
12.3 Convergence presque s ure des martingales . . . . . . . . . . . . . . . . . . . 169
12.4 La convergence dans Lp pour p > 1 . . . . . . . . . . . . . . . . . . . . . . . 176
12.5 Uniforme integrabilite et martingales . . . . . . . . . . . . . . . . . . . . . . 179
12.6 Martingales retrogrades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
13 Chanes de Markov 191

13.1 Definition et premières proprietes . . . . . . . . . . . . . . . . . . . . . . . . 191
13.2 Quelques exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
13.2.1 Variables aleatoires independantes . . . . . . . . . . . . . . . . . . . . 193
13.2.2 Marches aleatoires sur Zd . . . . . . . . . . . . . . . . . . . . . . . . 194
13.2.3 Marche aleatoire simple sur un graphe . . . . . . . . . . . . . . . . . 194
13.2.4 Processus de branchement . . . . . . . . . . . . . . . . . . . . . . . . 194
13.3 La chane de Markov canonique . . . . . . . . . . . . . . . . . . . . . . . . . 195
13.4 La classification des etats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
13.5 Mesures invariantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
13.6 Comportement asymptotique . . . . . . . . . . . . . . . . . . . . . . . . . . 211
13.7 Martingales et chanes de Markov . . . . . . . . . . . . . . . . . . . . . . . . 215
14 Introduction au mouvement brownien 219

14.1 Le mouvement brownien comme limite de marches aleatoires . . . . . . . . . 219
14.2 La construction du mouvement brownien . . . . . . . . . . . . . . . . . . . . 222
14.3 La mesure de Wiener . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
14.4 Premières proprietes du mouvement brownien . . . . . . . . . . . . . . . . . 227
14.5 La propriete de Markov forte . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
14.6 Fonctions harmoniques et problème de Dirichlet . . . . . . . . . . . . . . . . 233
5
14.7 Fonctions harmoniques et mouvement brownien . . . . . . . . . . . . . . . . 241
6
Partie I
Int
egration
7
Chapitre 1
Espaces mesur
es
Lidee de depart de la theorie de la mesure est dassigner un nombre reel positif (la mesure
de ce sous-ensemble) à chaque sous-ensemble dun ensemble donne, de manière à satisfaire
certaines proprietes naturelles dadditivite (la mesure dune reunion disjointe doit etre la
somme des mesures). Pour des raisons profondes, il nest pas possible en general de definir
la mesure de nimporte quel sous-ensemble, et on doit se restreindre à une certaine classe
(tribu) de sous-ensembles, appeles les sous-ensembles mesurables : un ensemble muni dune
tribu est appele espace mesurable. Ce chapitre introduit les notions fondamentales de tribu
(= famille des ensembles mesurables), de mesure sur un espace mesurable, et de fonctions
mesurables, qui sont les fonctions dont on saura plus tard definir lintegrale. Le dernier
paragraphe enonce une forme du lemme de classe monotone, qui joue un role très important
à la fois en theorie de la mesure et en theorie des probabilites.
1.1 Ensembles mesurables

Definition 1.1.1 Soit E un ensemble quelconque. Une tribu (ou -algèbre) sur E est une
famille A de parties de E telle que:
(i) E A ;
(ii) A A Ac A ;
[
(iii) Si An A pour tout n N, on a aussi An A.
nN
Les elements de A sont appeles parties mesurables, ou parfois A-mesurables sil y a ambigute.
On dit que (E, A) est un espace mesurable.
Enoncons quelques consequences de la definition :
(1) A
\
(2) Si An A pour tout n N, on a aussi An A.
nN
9
(3) Puisquon peut toujours prendre An = pour n assez grand, la propriete (iii) entrane
que A est stable par reunions finies (et de meme par intersection finies).
Exemples.
A = P(E) ;
A = {, E} est la tribu triviale ;
lensemble des parties de E qui sont (au plus) denombrables ou dont le complementaire
est (au plus) denombrable forme une tribu sur E.
Pour donner des exemples plus interessants, on remarque quune intersection quelconque
de tribus est encore une tribu. Ceci conduit à la definition suivante.
efinition 1.1.2 Soit C un sous-ensemble de P(E). Il existe alors une plus petite tribu sur
D
E qui contienne C. Cette tribu notee (C) peut etre definie par
\
(C) = A.
A tribu,CA
(C) est appelee la tribu engendree par C.
Tribu bor elienne. Pour donner un premier exemple de linteret de la notion de tribu
engendree, considerons le cas o`
u E est un espace topologique.
Definition 1.1.3 Supposons que E est un espace topologique, et soit O la classe des ouverts
de E. La tribu (O) est appelee tribu borelienne et notee B(E).
La tribu borelienne est donc la plus petite tribu qui contienne tous les ouverts de E. Les
elements de B(E) sont appeles boreliens de E.
Dans la suite, à chaque fois que lon considerera un espace topologique, par exemple R
ou Rd , on supposera sauf indication du contraire quil est muni de sa tribu borelienne.
Exercice. Verifier que la tribu B(R) est aussi engendree par les intervalles ]a, b[, a, b R,
a < b, ou par les intervalles ] , a[, a R, ou encore les intervalles ] , a[, a Q (on
peut aussi remplacer intervalles ouverts par intervalles fermes).
Tribu-produit. Un deuxième exemple important de la notion de tribu engendree est la
tribu-produit.
Definition 1.1.4 Soient (E1 , A1) et (E2 , A2) deux espaces mesurables. La tribu-produit est
la tribu sur E1 E2 definie par
A1 A2 = (A1 A2 ; A1 A1 , A2 A2 }.
Exercice. Verifier que

B(R2 ) = B(R) B(R).
10
1.2 Mesures positives
Soit (E, A) un espace mesurable.
D efinition 1.2.1 Une mesure positive sur (E, A) est une application : A [0, ] qui
verifie les proprietes suivantes:
(i) () = 0 ;
(ii) Pour toute famille (An )nN de parties mesurables disjointes,

[ X
An = (An ).
nN nN
Remarquons quil est important dautoriser la valeur +. La propriete (ii) est appelee
-additivite. Elle contient evidemment le cas particulier o` u les An sont vides à partir dun
certain rang, ce qui donne la propriete dadditivite finie.
Propri
etes.
(1) Si A B, (A) (B) et si de plus (A) < ,
(B\A) = (B) (A) ;
(2) Si A, B A,
(A) + (B) = (A B) + (A B) ;
(3) Si An A et An An+1 ,
[
( An ) = lim (An ) ;
n
nN
(4) Si Bn A et Bn+1 Bn , et si (B0 ) < ,

\
( Bn ) = lim (Bn ) ;
n
nN
(5) Si An A, [ X
( An ) (An ).
nN nN
Demontrons seulement (3),(4) et (5). Pour (3), on pose C0 = A0 et pour tout n 1,
Cn = An \An1
de sorte que An = Cn . Puisque les Cn sont disjoints,
[ [ X N
X
( An ) = ( Cn ) = (Cn ) = lim (Cn ) = lim (AN ).
N N
nN nN nN n=0
11
Pour (4), on pose An = B0 \Bn pour tout n, de sorte que la suite (An ) est croissante.
Alors
\ \ [
(B0 ) ( Bn ) = (B0 \ Bn ) = ( An ) = lim (An ) = lim ((B0 ) (Bn )).
n n
nN nN nN
La condition (B0 ) < est utilisee notamment pour ecrire (An ) = (B0 ) (Bn ).
Enfin, pour (5), on pose C0 = A0 puis pour tout n 1,
n1
[
Cn = An \ Ak .
k=0
Les ensembles Cn sont disjoints et donc

[ [ X X
( An ) = ( Cn ) = (Cn ) (An ).
nN nN nN nN
Exemples.
(1) Si E = N, et A = P(N), la mesure de comptage est definie par
(A) = Card(A).
(On peut definir plus generalement la mesure de comptage sur (E, P(E)) lorsque E est
quelconque.) Cet exemple permet de voir que la condition (B0 ) < est necessaire dans
la propriete (4) ci-dessus : en prenant
Bn = {n, n + 1, n + 2, . . .}
on a (Bn ) = alors que Bn = et donc (Bn ) = 0.
(2) Soit (E, A) quelconque et soit x E. La mesure x definie par

1 si x A
x (A) = 1A (x) =
0 si x
/A
est appelee mesure de Dirac au point x. Plus generalement, si xn , n N sont des points de
P
E et n [0, ] on peut considerer la mesure n xn definie par
X X X
( n xn )(A) = n xn (A) = n 1A (xn ).
(3) Mesure de Lebesgue. Il existe une unique mesure positive sur (R, B(R)), notee , telle
que pour tout intervalle ouvert ]a, b[ de R on ait (]a, b[) = b a. Lexistence et lunicite de
cette mesure seront etablies plus loin.
D
efinitions.
est dite finie si (E) < (la quantite (E) est la masse totale de ).
est une mesure de probabilite si (E) = 1.
[ est dite -finie sil existe une suite croissante de parties mesurables En telles que
E= En et (En ) < pour tout n.
nN
x E est un atome de si ({x}) > 0 (on suppose que {x} A).
La mesure est dite diffuse si elle na pas datomes.
12
1.3 Fonctions mesurables
efinition 1.3.1 Soient (E, A) et (F, B) deux espaces mesurables. Une application f :
D
E F est dite mesurable si
B B , f 1 (B) A.
Lorsque E et F sont des espaces topologiques munis de leurs tribus boreliennes, on dit aussi
que f est borelienne.
Proposition 1.3.1 La composition de deux applications mesurables est encore mesurable.
Cest immediat en ecrivant (g f )1 (C) = f 1 (g 1 (C)).
Proposition 1.3.2 Pour que f soit mesurable, il suffit quil existe une sous-classe C de B
telle que (C) = B et telle que la propriete f 1 (B) A soit vraie pour tout B C.
Preuve. Soit
G = {B B : f 1 (B) A}.
Alors il est facile de verifier que G est une tribu. Par hypothèse C G. Il en decoule que G
contient (C) = B, do` u le resultat recherche.
Exemples. (1) Dans le cas o` u (F, B) = (R, B(R)), il suffit pour montrer que f est mesurable
detablir que les ensembles f (]a, b[), ou meme les f 1 (] , a[) sont mesurables.
1
(2) Dans le cas o`

u E et F sont des espaces topologiques munis de leurs tribus boreliennes,
toute application continue est aussi mesurable (prendre pour C la classe des ouverts de F ).
Op
erations sur les fonctions mesurables.
Lemme 1.3.3 Soient f1 : (E, A) (F1 , B1 ) et f2 : (E, A) (F2 , B2 ) deux applications

mesurables. Alors lapplication produit f : (E, A) (F1 F2 , B1 B2 ) definie par f (x) =
(f1 (x), f2 (x)) est aussi mesurable.
Preuve. On applique la dernière proposition en prenant
C = {B1 B2 ; B1 B1 , B2 B2 }.
Puisque f 1 (B1 B2 ) = f11 (B1 ) f21 (B2 ) A on obtient immediatement le resultat.

Remarque. La reciproque de la proposition (si f est mesurable, f1 et f2 le sont aussi) est
vraie et aussi facile.
Corollaire 1.3.4 Si f, g : (E, A) (R, B(R)) sont mesurables, alors les fonctions f + g,
f g, inf(f, g), f + = sup(f, 0), f = sup(f, 0) sont mesurables.
13
La demonstration est facile : par exemple f + g est la composee des deux applications
x (f (x), g(x)) et (a, b) a + b qui sont mesurables, la seconde parce que continue.
= R {, +}, on definit
Rappelons que si (an ) est une suite delements de R

lim sup an = lim sup ak , lim inf an = lim inf ak ,
n kn n kn
Alors, lim sup an et lim inf an sont respectivement la plus grande

les limites existant dans R.
et la plus petite valeur dadherence de la suite (an ).
alors
Proposition 1.3.5 Si fn est une suite de fonctions mesurables de E dans R,
sup fn , inf fn , lim sup fn , lim inf fn

n n
sont aussi mesurables. En particulier si la suite fn converge simplement, sa limite lim fn est
mesurable. En general, lensemble {x E : lim fn (x) existe} est mesurable.
Preuve. Soit f (x) = inf fn (x). Il suffit de montrer que pour tout a R, f 1 ([, a[) A.
Or [
f 1 ([, a[) = {x : inf fn (x) < a} = {x : fn (x) < a}
n
do`
u le resultat. On traite de meme le cas de sup fn .
Il en decoule que

lim inf fn = sup inf fk
n0 kn
est mesurable.
Pour la dernière assertion, on ecrit
{x E : lim fn (x) existe} = {x E : lim inf fn (x) = lim sup fn (x)} = G1 ()
si G est lapplication mesurable G(x) = (lim inf fn (x), lim sup fn (x)) et designe la diagonale
de R 2 , qui est mesurable parce que fermee.
Notion de mesure-image.
D efinition 1.3.2 Soit f : (E, A) (F, B) une application mesurable, et soit une mesure
positive sur (E, A). La mesure-image de par f , notee f () est la mesure positive sur (F, B)
definie par
f ()(B) = (f 1 (B)).
Il est facile de voir que la dernière formule definit bien une mesure sur (F, B). Les mesures
et f () ont meme masse totale, mais il peut arriver que soit -finie sans que f () le soit.
14
1.4 Classe monotone
efinition 1.4.1 Un sous-ensemble M de P(E) est appele classe monotone si
D
(i) E M ;
(ii) Si A, B M et A B, alors B\A M ;

[
(iii) Si An M et An An+1 , alors An M.
n
Toute tribu est aussi une classe monotone. Comme dans le cas des tribus, on voit
immediatement que toute intersection de classes monotones est encore une classe monotone.
Si C est une partie quelconque de P(E), on peut donc definir la classe monotone engendree
par C, notee M(C), en posant
\
M(C) = M.
M classe monotone, CM
Th eorème 1.4.1 (Lemme de classe monotone) Si C P(E) est stable par intersec-
tions finies, alors M(C) = (C).
Preuve. Puisque toute tribu est une classe monotone, il est clair quon a M(C) (C).
Pour etablir linclusion inverse, il suffit de montrer que M(C) est une tribu. Or une classe
monotone est une tribu si et seulement si elle est stable par intersections finies (en effet,
par passage au complementaire, elle sera alors stable par reunion finies, puis par passage
à la limite croissant par reunion denombrable). Montrons donc que M(C) est stable par
intersections finies.
Soit A C fixe. Posons
M1 = {B M(C) : A B M(C)}.
Puisque C est stable par intersections finies, il est clair que C M1 . Verifions ensuite que
M1 est une classe monotone:
E M1 est immediat.
Si B, B M1 et B B , on a A (B \B) = (A B )\(A B) M(C) et donc

B \B M1 .
Si Bn M1 pour tout n et la suite Bn crot, on a A (Bn ) = (A Bn ) M(C) et

donc Bn M1 .
Puisque M1 est une classe monotone qui contient C, M1 contient aussi M(C). On a donc
montre
A C, B M(C), A B M(C).
15
Ce nest pas encore le resultat recherche, mais on peut appliquer la meme idee une seconde
fois. Precisement, on fixe maintenant B M(C), et on pose
M2 = {A M(C) : A B M(C)}.
Daprès la première etape de la preuve, C M2 . En reprenant exactement les memes

arguments que dans la première etape, on montre que M2 est une classe monotone. Il en
decoule que M(C) M2 , ce qui montre bien que M(C) est stable par intersections finies et
termine la preuve.
Corollaire 1.4.2 Soient et deux mesures sur (E, A). Supposons quil existe une classe
C A stable par intersections finies, telle que (C) = A et (A) = (A) pour tout A C.
(1) Si (E) = (E) < , on a = .
(2) Sil existe une suite croissante de parties En C telles que E = En et (En ) =
(En ) < , on a = .
Preuve. (1) Soit G = {A A : (A) = (A)}. Par hypothèse, C G. Par ailleurs, on

verifie aisement que G est une classe monotone : par exemple, si A, B G et A B, on a
(B\A) = (B) (A) = (B) (A) = (B\A), et donc B\A E (noter quon utilise ici
le fait que et sont finies).
On conclut que G contient M(C) = (C) = A (la première egalite daprès le theorème
de classe monotone, la seconde par hypothèse). Donc G = A, cest-à-dire = .
(2) Notons, pour tout n, n la restriction de à En et n la restriction de à En :
A A , n (A) = (A En ), n (A) = (A En ).
On peut appliquer la partie (1) à n et n , et on trouve n = n . Finalement, en utilisant

les proprietes de limite croissante des mesures, pour tout A A,
(A) = lim (A En ) = lim (A En ) = (A).
Cons equence. Unicite de la mesure de Lebesgue. Il existe au plus une mesure sur
(R, B(R)) telle que pour tout intervalle ouvert non vide ]a, b[, on ait (]a, b[) = b a. En
effet, si est une seconde mesure ayant la meme propriete, on peut appliquer à et la
partie (2) du corollaire precedent, en prenant pour C la classe des intervalles ouverts (dont
on sait quelle engendre la tribu borelienne) et En =] n, n[ pour tout n.
De la meme facon, on deduit du corollaire precedent quune mesure finie sur R est
caracterisee par les valeurs de (] , a]) pour tout a R.
16
Chapitre 2
Int
egration par rapport `
a une mesure
Le premier objectif de ce chapitre est de construire lintegrale de fonctions mesurables. La

definition est facile pour les fonctions dites etagees, qui ne prennent quun nombre fini de
valeurs. Ensuite lintegrale dune fonction mesurable positive est definie comme le supremum
des integrales des fonctions etagees qui la minorent. Pour les fonctions de signe quelconque,
on raisonne par linearite en se limitant aux fonctions dites integrables, dont la valeur absolue
est dintegrale finie. Une fois construite lintegrale, on etablit les trois grands theorèmes de
convergence de la theorie, à savoir le theorème de convergence monotone, le lemme de Fatou
et le theorème de convergence dominee. Ces trois enonces visent à donner des conditions
assurant que lintegrale de la limite dune suite de fonctions est la limite des integrales de
ces fonctions. Le dernier paragraphe donne des applications importantes à la continuite ou
la derivabilite dintegrales dependant dun paramètre.
2.1 Int
egration de fonctions positives
On se donne un espace mesure, cest-à-dire un espace mesurable (E, A) muni dune mesure
.
Fonctions etagees. Une fonction mesurable f à valeurs dans R est dite etagee si elle ne
prend quun nombre fini de valeurs. Si 1 , 2 , . . . , n sont les valeurs prises par f , quon
peut supposer rangees par ordre croissant 1 < 2 < < n , on a alors
n
X
f (x) = i 1Ai (x)
i=1
où, pour chaque i {1, . . . , n}, Ai = f 1 ({i }) A. Lecriture precedente sera appelee
lecriture canonique de f .
D efinition 2.1.1 Supposons f à valeurs dans R+ . Lintegrale de f par rapport à est alors
definie par
Z Xn
f d = i (Ai )
i=1
u i = 0 et (Ai ) = .
avec la convention 0. = 0 dans le cas o`
17
R
On a a priori f d [0, ].
Supposons quon ait une autre ecriture de f sous la forme
m
X
f= j 1Bj
j=1
les ensembles mesurables Bj formant toujours une partition de E mais les nombres j netant
plus necessairement distincts. Alors il est facile de verifier quon a aussi
Z X m
f d = j (Bj ).
j=1
En effet, pour chaque i {1, . . . , n}, Ai doit etre la reunion disjointe des ensembles Bj pour
les indices j tels que j = i . Il suffit alors dutiliser la propriete dadditivite de la mesure
pour ecrire X
(Ai ) = (Bj )
{j:j =i }
ce qui conduit au resultat annonce.

Propri
et
es. Soient f et g deux fonctions etagees positives.
(1) Pour tous a, b 0,
Z Z Z
(af + bg)d = a f d + b gd.
(2) Si f g, Z Z
f d gd.
Preuve. (1) Soient

n
X m
X
f= i 1Ai , g = k 1Ak
i=1 k=1
les ecritures canoniques de f et g. En ecrivant chaque Ai comme la reunion disjointe des

ensembles Ai Ak , k {1, . . . , m}, et de meme pour chaque Ak , on voit quon peut ecrire
p p
X X
f= j 1Bj , g = j 1Bj
j=1 j=1
avec les memes ensembles mesurables disjoints Bj (mais les nombres j , resp. j , non
necessairement distincts). Daprès la remarque suivant la definition, on a
Z p
X Z p
X
f d = j (Bj ) , g d = j (Bj ).
j=1 j=1
R Pp
et de meme (af + bg)d = j=1 (aj + bj ) (Bj ), do`
u le resultat voulu.
18
(2) On applique (1) en ecrivant
Z Z Z Z
gd = f d + (g f )d f d.

Notons E+ lespace des fonctions etagees positives.
efinition 2.1.2 Soit f : E [0, ] une fonction mesurable. On pose

D
Z Z
f d = sup h d .
hE+ ,hf
La propriete (2) ci-dessus montre que cette definition est coherente avec la precedente
quand f est etagee.
On notera indifferemment
Z Z Z
f d = f (x)d(x) = f (x)(dx)
et on trouve parfois la notation h, f i ou meme (f ).

Propri et
es. R R
(1) Si f g, f d gd (evident sur R la definition)
(2) Si ({x E : f (x) > 0}) = 0, alors f d = 0. (en effet il suffit de le verifier lorsque
f est etagee, mais alors cest evident sur la definition)
Theorème 2.1.1 (Th eorème de convergence monotone) Soit (fn ) une suite croissante
de fonctions mesurables positives (à valeurs dans [0, ]), et soit f = lim fn . Alors
Z Z
f d = lim fn d.
n
Preuve. Daprès la propriete (1) ci-dessus, on a

Z Z
f d lim fn d
n
et il suffit donc detablir lautre inegalite. Pour cela, choisissons une fonction etagee positive
m
X
h= i 1Ai
i=1
avec h f . Soit a [0, 1[, et
En = {x E : ah(x) fn (x)}.
Alors En est mesurable. De plus en utilisant le fait que fn crot vers f , et la condition a < 1,
on voit que E est la reunion croissante des ensembles En .
19
Ensuite on remarque quon a linegalite fn a1En h, do`
u
Z Z m
X
fn d a1En h d = a i (Ai En ).
i=1
Puisque En E on a Ai En Ai et (Ai En ) (Ai ) quand n , daprès les proprietes

elementaires des mesures. En passant à la limite croissante il vient
Z m
X Z
lim fn d a i (Ai ) = a hd.
n
i=1
En faisant tendre a vers 1, on trouve

Z Z
lim fn d hd.
n
R
Comme f d est definie par le supremum des quantites de droite lorsque h decrit lensemble
des fonctions etagees positives majorees par f , on obtient bien linegalite recherchee.
Dans toute la suite fonction mesurable positive signifie fonction mesurable à valeurs
dans [0, ].
Proposition 2.1.2 (1) Soit f une fonction mesurable positive. Il existe une suite croissante
(fn ) de fonctions etagees positives telle que fn f .
(2) Si f et g sont mesurables positives et a, b R+ ,
Z Z Z
(af + bg)d = a f d + b gd.
(3) Si (fn ) est une suite quelconque de fonctions mesurables positives,

Z X XZ
fn d = fn d.
n n
Preuve. (1) Pour tout n 1 et tout i {0, 1, . . . , n2n 1}, posons
An = {x E : f (x) n}
Bn,i = {x E : i2n f (x) < (i + 1)2n }.
Soit ensuite fn la fonction etagee

n2n 1
X i
fn = 1 B + n 1 An .
i=0
2n n,i
On verifie aisement que fn (x) f (x) pour tout x E.
20
(2) On construit deux suites de fonctions etagees positives (fn ), (gn ) avec fn f , gn g.
Alors on a aussi afn + bgn af + bg, et en utilisant le theorème de convergence monotone
et les proprietes de lintegrale des fonctions etagees,
Z Z Z Z Z Z
(af + bg)d = lim (afn + bgn )d = lim (a fn d + b gn d) = a f d + b gd.
(3) Cette assertion decoule de (2) (cas dune somme finie) et du theorème de convergence
monotone.
u E = N et est la mesure de comptage. Alors
Remarque. Considerons le cas particulier o`
il est facile de voir que Z X
f d = f (k)
kN
et (3) redonne la propriete bien connue enoncant que pour toute suite double (an,k ) de reels
positifs, XX XX
an,k = an,k .
kN nN nN kN
Corollaire 2.1.3 Soit f mesurable positive, et pour tout A A, soit

Z Z
(not.)
(A) = 1A f d = f d.
A
Alors est une mesure positive sur (E, A), appelee mesure de densite f par rapport à , et
notee = f .
Preuve. Il est immediat que () = 0. Par ailleurs, si (An ) est une suite densembles
mesurables disjoints,
[ Z X XZ X
An = 1An f d = 1An f d = (An )
nN nN nN nN
en utilisant la propriete (3) ci-dessus.

R
Remarque. On a (A) = 0 (A) = 1A f d = 0.
On dit quune propriete est vraie presque partout, ou p.p. ou meme simplement
p.p. sil ny a pas ambigute, si elle est vraie en dehors dun ensemble de mesure nulle. Par
exemple si f et g sont deux fonctions mesurables, f = g p.p. signifie
({x E : f (x) 6= g(x)}) = 0.
Proposition 2.1.4 Soit f une fonction mesurable positive.

(1) Pour tout a > 0,
Z
1
({x E : f (x) a}) f d.
a
21
(2) On a Z
f d < f < p.p.
(3) On a Z
f d = 0 f = 0 p.p.
(4) Si g est une autre fonction mesurable positive,

Z Z
f = g p.p. f d = gd.
Preuve. (1) Posons Aa = {x E : f (x) a}. Alors f a1Aa et donc

Z Z
f d a1Aa d = a(Aa ).
(2) Pour tout n 1, soit An = {x E : f (x) n} et soit A = {x E : f (x) = }.

Alors, en utilisant (1),
\ Z
1
(A ) = An = lim (An ) lim f d = 0.
n n n
n1
(3) Limplication a dejà ete vue. Pour , soit, pour tout n 1, Bn = {x E :

f (x) n1 }. Alors, daprès (1),
Z
(Bn ) n f d = 0
[
et donc (Bn ) = 0 ce qui entrane ({x : f (x) > 0}) = Bn = 0.
n1
(4) Utilisons la notation f g = sup(f, g) et f g = inf(f, g). Alors f g = f g p.p.,
do`
u Z Z Z Z
(f g)d = (f g)d + (f g f g)d = (f g)d,
puisque f g f g = 0 p.p. Puisque f g f f g, et de meme pour g, il en decoule

que Z Z Z
f d = (f g)d = gd.
Th eor`
eme 2.1.5 (Lemme de Fatou) Soit (fn ) une suite quelconque de fonctions mesura-
bles positives. Alors, Z Z
(lim inf fn )d lim inf fn d.
22
Preuve. On a
lim inf fn = lim inf fn
k nk
et donc daprès le theorème de convergence monotone,

Z Z
(lim inf fn )d = lim inf fn d.
k nk
Par ailleurs, pour tout entier p k,
inf fn fp
nk
ce qui entrane Z Z

inf fn d inf fp d.
nk pk
En passant à la limite croissante quand k , il vient

Z Z Z
lim inf fn d lim inf fp d = lim inf fn d,
k nk k pk
ce qui termine la preuve.
2.2 Fonctions int

egrables
Definition 2.2.1 Soit f : E R une fonction mesurable. On dit que f est integrable par
rapport à (ou -integrable) si Z
|f | d < .
Dans ce cas on pose Z Z Z

+
f d = f d f d
u f + = sup(f, 0), resp. f = sup(f, 0) est la partie positive, resp. negative, de f . (Noter
o`
que f + et f sont mesurables et que f = f + f et |f | = f + + f .)
R R R
Remarque. ROn a f + d |f |d < et de meme f d < , ce qui montre que la
definition de f d a bien un sens. Dans le cas o` u f est positive, cette definition concide
bien sur avec la precedente.
On note L1 (E, A, ) lespace des fonctions -integrables. On utilisera parfois la notation
L1+ (E, A, ) pour les fonctions -integrables à valeurs positives.
Propri etes.
R R
(a) | f d| |f |d pour f L1 (E, A, ).
R
(b) L1 (E, A, ) est un espace vectoriel et lapplication f f d est une forme lineaire
sur cet espace vectoriel.
R R
(c) Si f, g L1 (E, A, ) et f g, alors f d gd.
23
R R
(d) Si f, g L1 (E, A, ) et f = g p.p., alors f d = gd.
Preuve. (a) On ecrit
Z Z Z Z Z Z
+ +
| f d| = | f d f d| | f d| + | f d| = |f |d.
(b) Soit f L1 (E, A, ). Pour a R,

Z Z
|af |d = |a| |f |d < .
Si a 0, Z Z Z Z
+
(af )d = (af ) d (af ) d = a f d
et si a < 0,
Z Z Z Z Z Z
+ +
(af )d = (af ) d (af ) d = (a) f d + a f d = a f d.
De plus, si f, g L1 (E, A, ), linegalite |f + g| |f | + |g| entrane que f + g L1 . En

outre,
(f + g)+ (f + g) = f + g = f + f + g + g
entrane
(f + g)+ + f + g = (f + g) + f + + g + .
En utilisant ladditivite de lintegrale pour les fonctions positives,
Z Z Z Z Z Z
(f + g) d + f d + g d = (f + g) d + f d + g + d,
+ +
do`
u, puisque toutes les integrales sont finies,
Z Z Z Z Z Z
(f + g) d (f + g) d = f d f d + g d g d,
+ + +
R R R
ce qui donne bien (f + R g)d =R f d +R gd.
(c) Il suffit decrire gd = f d + (g f )d.
(d) Legalite f = g p.p. entrane f + = g + et f = g p.p. Il suffit alors dutiliser les
resultats vus dans le cas des fonctions positives.
1
Remarque. OnRcombineRfacilement (c) et (d) pour obtenir que, si f, g L (E, A, ) et
f g p.p., alors f d gd.
Extension au cas complexe. Soit f : E C une fonction mesurable (cela equivaut à
dire que Re(f ) et Im(f ) sont toutes deux mesurables). On dit que f est integrable et on
note f L1C (E, A, ) si Z
|f |d < .
24
On pose alors Z Z Z
f d = Re(f )d + i Im(f )d.
Les proprietes (a),(b) et (d) ci-dessus restent vraies si L1 (E, A, ) est remplace par L1C (E, A, )
(pour montrer (a), remarquer que
Z Z
| f d| = sup a f d
aC,|a|=1
u a z designe le produit scalaire dans C identifie à R2 ).

o`
Th eorème 2.2.1 (Th eor`

eme de convergence domin ee) Soit (fn ) une suite de fonc-
tions dans L1 (E, A, ) (resp. dans L1C (E, A, )). On suppose:
(1) Il existe une fonction f mesurable à valeurs dans R (resp. dans C) telle que
fn (x) f (x) p.p.

R
(2) Il existe une fonction g : E R+ mesurable telle que gd < et pour tout n,
|fn | g p.p.
Alors f L1 (E, A, ) (resp. f L1C (E, A, )), et on a

Z Z
lim fn d = f d
n
et Z
lim |fn f |d = 0.
n
Preuve. On suppose dabord que les hypothèses suivantes plus fortes sont verifiees:
(1) Pour tout x E,
fn (x) f (x)
R
(2) Il existe une fonction g : E R+ mesurable telle que gd < et pour tout n
et tout x E
|fn (x)| g(x).
R
La propriete f L1 est alors claire puisque |f | g et gd < . Ensuite, puisque
|f fn | 2g et |f fn | 0, on peut appliquer le lemme de Fatou pour trouver
Z Z Z
lim inf (2g |f fn |) d lim inf(2g |f fn |) d = 2 gd.
Par linearite de lintegrale, il vient

Z Z Z
2 gd lim sup |f fn |d 2 gd,
25
do`
u Z
lim sup |f fn |d = 0,
R
et donc |f fn |d 0. Finalement il suffit decrire
Z Z Z

f d fn d |f fn |d.
Dans le cas general o`

u on suppose seulement (1) et (2), on pose
A = {x E : fn (x) f (x) et pour tout n, |fn (x)| g(x)}.
Alors (Ac ) = 0, et on peut appliquer la première partie de la preuve aux fonctions
fn (x) = 1A (x)fn (x) , f(x) = 1A (x)f (x).

R R R R R
On a f = f p.p., fn = fn p.p. et donc fn d = fn d, f d = fd et |fn f |d =
R
|fn f|d. Les resultats recherches decoulent du cas o`
u (1) et (2) sont verifies.
2.3 Int
egrales d
ependant dun param`
etre
On se donne un espace metrique (U, d) qui correspond à lespace des paramètres. Soit une
application f : U E R (ou C).
Th eme 2.3.1 Soit u0 E. Supposons

eor`
(i) pour tout u U, lapplication x f (u, x) est mesurable;
(ii) (dx) p.p. lapplication u f (u, x) est continue en u0 ;
(iii) il existe une fonction g L1+ (E, A, ) telle que pour tout u U,
|f (u, x)| g(x) (dx) p.p.

R
Alors la fonction F (u) = f (u, x)(dx) est bien definie en tout point u U et elle est
continue en u0.
Preuve. Lhypothèse (iii) entrane que la fonction x f (u, x) est integrable et donc F (u)
est bien definie. Ensuite, soit (un )n1 une suite convergeant vers u0 . Lhypothèse (ii) assure
que
f (un , x) f (u0 , x) , p.p.
n
Grace à lhypothèse de domination (iii), on peut appliquer le theorème de convergence

dominee, qui donne Z Z
lim f (un , x) (dx) = f (u0, x) (dx).
n
26
Exemples. (a) Soit une mesure diffuse sur (R, B(R)). Si L1 (R, B(R), ), la fonction
Z Z
F (u) = (x) (dx) = 1],u](x)(x) (dx)
],u]
est continue. Pour le voir, il suffit dappliquer le theorème à f (u, x) = 1],u](x)(x), en

prenant g = || et en observant que pour u0 R fixe, la fonction u f (u, x) est continue
en u0 pour tout x R\{u0}.
(b) Transformee de Fourier. Si L1 (R, B(R), ), la fonction
Z
(u)
= eiux (x) (dx)
est continue sur R.

(c) Convolution. Soit L1 (R, B(R), ), et soit h une fonction continue bornee de R
dans R. Alors la fonction h definie sur R par
Z
h (u) = h(u x) (x) (dx)
est continue (et bornee).

Nous passons maintenant à un theorème de derivabilite sous le signe integrale, et pour
cela nous supposons que U = I est un intervalle ouvert de R. Soit à nouveau une application
f : U E R (ou C).
Th eme 2.3.2 Soit u0 I. Supposons que

eor`
(i) pour tout u I, lapplication x f (u, x) est dans L1 (E, A, );
(ii) (dx) p.p. lapplication u f (u, x) est derivable en u0 de derivee notee
f
(u0 , x) ;
u
(iii) il existe une fonction g L1+ (E, A, ) telle que pour tout u I,
|f (u, x) f (u0 , x)| g(x)|u u0 | (dx) p.p.

R
Alors la fonction F (u) = f (u, x)(dx) est derivable en u0 , de derivee
Z
f
F (u0 ) = (u0 , x) (dx).
u
f
Remarque. A priori la derivee u (u0 , x) nest definie (par (ii)) que pour x appartenant
au complementaire dun ensemble de mesure nulle. On peut la prolonger à E tout entier
de manière arbitraire (par exemple par la valeur 0), de facon à definir lintegrale qui donne
F (u0).
27
Preuve. Soit (un )n1 une suite dans I\{u0 } convergeant vers u0 , et soit
f (un , x) f (u0 , x)
n (x) = .
un u0
Grace à (ii), n (x) converge vers fu
(u0, x), (dx) p.p. De plus lhypothèse (iii) permet
dappliquer le theorème de convergence dominee et dobtenir
Z Z
F (un ) F (u0) f
lim = lim n (x) (dx) = (u0 , x) (dx).
n un u0 n u

Remarque. Dans de nombreuses applications, les hypothèses (ii) et (iii) sont remplacees
par les hypothèses plus fortes
(ii) (dx) p.p. lapplication u f (u, x) est derivable sur I;
(iii) il existe une fonction g L1+ (E, A, ) telle que (dx) p.p.,
f

u I , (u, x) g(x).
u
(Noter que (iii)(iii) grace au theorème des accroissements finis.) Sous ces hypothèses, la
fonction F est derivable sur I. Lexercice ci-dessous montre cependant que la forme plus
precise de lenonce du theorème est parfois necessaire.
Exemples. (a) Soit L1 (R, B(R), ) telle que
Z
|x(x)| (dx) < .
Alors la transformee de Fourier (u)

est derivable sur R, et
Z
(u) = i x eiux (x) (dx).

(b) Soit L1 (R, B(R), ), et soit h une fonction de R R une fonction de classe C 1 ,
bornee ainsi que sa derivee. Alors la convolution h est derivable sur R, et
(h ) = h .
On peut bien s ur iterer. Par exemple si h est de classe C à support compact, h est
aussi de classe C .
Exercice. Soit une mesure diffuse sur (R, B(R)) et soit L1 (R, B(R), ) telle que
Z
|x(x)| (dx) < .
Pour tout u R, on pose Z

F (u) = (u x)+ (x) (dx).
R
Montrer que F est derivable sur R, de derivee
Z

F (u) = (x) (dx).
],u]
28
Chapitre 3
Construction de mesures
Le chapitre precedent partait de la donnee dune mesure sur un espace mesurable. Nous
montrons maintenant comment on construit des mesures interessantes, et particulièrement
la mesure de Lebesgue. Le premier paragraphe introduit la notion de mesure exterieure,
verifiant des proprietes des proprietes plus faibles que celles dune mesure, et montre com-
ment à partir dune mesure exterieure on peut construire une (vraie) mesure sur une tribu
convenable. Cette approche, qui est celle quavait utilisee Lebesgue, permet assez facilement
de construire la mesure de Lebesgue sur R ou sur Rd . Nous discutons aussi diverses pro-
prietes de la mesure de Lebesgue, ainsi que ses liens avec lintegrale de Riemann. Une autre
application est lintegrale de Stieltjes, qui correspond à lintegrale par rapport à une mesure
finie arbitraire sur la droite reelle.
3.1 Mesures ext

erieures
Definition 3.1.1 Soit E un ensemble quelconque. Une application : P(E) [0, ] est
appelee mesure exterieure si
(i) () = 0;
(ii) est croissante : A B (A) (B);
(iii) est -sous-additive : pour toute suite Ak , k N delements de P(E),

[ X
( Ak ) (Ak ).
kN kN
Les proprietes dune mesure exterieure sont moins contraignantes que celles dune mesure.
Remarquons cependant quune mesure exterieure est definie sur lensemble de toutes les
parties de E et non pas seulement sur une tribu.
Nous verrons plus loin sur des exemples comment on construit des mesures exterieures.
Notre objectif dans ce paragraphe est de montrer comment à partir dune mesure exterieure
on construit une mesure sur une tribu M() qui depend de . Dans la suite de cette
partie, on fixe une mesure exterieure .
29
efinition 3.1.2 Une partie B de E est dite -mesurable si pour toute partie A de E,
D
(A) = (A B) + (A B c ).
On note M() lensemble des parties -mesurables.
Remarque. Linegalite (A) (A B) + (A B c ) est toujours verifiee par -sous-

additivite. Pour verifier que B est -mesurable, cest donc linegalite inverse quil importe
de verifier.
Theorème 3.1.1 (1) M( ) est une tribu, qui contient toutes les parties B de E telles que

(B) = 0.
(2) La restriction de à M( ) est une mesure.
Preuve. (1) Notons M = M() pour simplifier. Si (B) = 0, linegalite

(A) (A B c ) = (A B) + (A B c )
montre aussitot que B M.
Ensuite on voit immediatement que M et que M est stable par passage au comple-
mentaire. Pour terminer la preuve de la partie (1), il reste a` montrer que M est stable par
reunion denombrable. On commence par etablir que M est stable par reunion finie. Soient
B1 , B2 M. Alors, pour toute A P(E), lhypothèse B1 M montre que
(A(B1 B2 )) = (A(B1 B2 )B1 )+ (A(B1 B2 )B1c ) = (AB1 )+ (AB2 B1c ).
Donc en utilisant successivement les proprietes B2 M et B1 M,
(A (B1 B2 )) + (A (B1 B2 )c )
= (A B1 ) + (A B1c B2 ) + (A B1c B2c ) = (A B1 ) + (A B1c ) = (A),
ce qui montre bien que B1 B2 M. Etant stable par passage au complementaire et
par reunion finie, M est stable par intersection finie. En consequence, si B, B M,
B\B = B B c M.
Compte-tenu de cette dernière remarque, il suffit pour completer S
la preuve de montrer
que si les ensembles Bk M, k N sont deux à deux disjoints on a Bk M. Pour cela
on montre par recurrence que pour tout entier m N et toute partie A de E,
m
X \
m

(A) = (A Bk ) + (A Bkc ). (3.1)
k=0 k=0
Pour m = 0, cest la definition de B0 M. Pour passer de letape m à letape m + 1, il

suffit decrire
\
m \
m m+1
\

(A Bkc ) = (A
Bkc
Bm+1 ) + (A Bkc )
k=0 k=0 k=0
m+1
\
= (A Bm+1 ) + (A Bkc )
k=0
30
en utilisant le fait que les Bk sont disjoints. On deduit de (3.1) que
m
X \

(A) (A Bk ) + (A Bkc )
k=0 k=0
et en faisant tendre m vers ,

X \

(A) (A Bk ) + (A Bkc )
k=0 k=0
[
\

(A Bk ) + (A Bkc ),
k=0 k=0

[
par -sous-additivite. Cela suffit pour conclure que Bk M.
k=0
(2) Notons la restriction de à M. On sait dejà que () = 0. Soient Bk , k M
des elements disjoints de M. La preuve de (1) montre que pour toute partie A de E,

X \

(A) (A Bk ) + (A Bkc )
k=0 k=0

[
et donc en prenant A = Bk ,
k=0

[
X

( Bk ) (Bk ).
k=0 k=0
Comme linegalite inverse est aussi vraie par -sous-additivite, cela termine la preuve.
3.2 La mesure de Lebesgue

Pour toute partie A de R, on definit
X [
(A) = inf{ (bi ai ) : A ]ai , bi [}.
iN iN
Linfimum porte sur tous les recouvrements denombrables de A par des intervalles ouverts
]ai , bi [, ai bi (evidemment il existe toujours de tels recouvrements).
Th
eor` eme 3.2.1 (i) est une mesure exterieure sur R.
(ii) La tribu M( ) contient B(R).
(iii) Pour tous a b, ([a, b]) = (]a, b[) = b a.
31
La restriction de à B(R) (ou à M()) est la mesure de Lebesgue sur R, et sera
notee simplement . En consequence des resultats de la fin du Chapitre 1, cest lunique
mesure sur B(R) qui verifie la propriete (]a, b[) = b a pour tout intervalle ]a, b[.
Preuve. (i) Il est immediat que () = 0 et que est croissante. Il reste à etablir la
sous-additivite. Pour cela, on se donne une suite (An )nN de parties de N. On peut supposer
(An ) < pour tout n (sinon il ny a rien à montrer). Soit > 0. Pour tout n N, on
(n) (n)
peut trouver une suite dintervalles ]ai , bi [, i N tels que
[ (n) (n)
An ]ai , bi [
iN
et X (n) (n)
(bi ai ) (An ) + .
iN
2i
(n) (n)
Il suffit alors de remarquer que les intervalles ]ai , bi [, n N, i N forment un recouvre-
ment denombrable de la reunion des An , et donc
[ X X (n) (n)
X
( An ) (bi ai ) (An ) + 2,
nN nN iN nN
do`
u le resultat puisque est arbitraire.
(ii) Puisque M( ) est une tribu, il suffit de montrer quelle contient une famille qui
engendre la tribu borelienne, par exemple la famille des intervalles ] , ], R. On
se donne donc R et on pose B =] , ]. Le problème est de verifier que pour toute
partie A de R,
(A) (A B) + (A B c ).
Soit (]ai , bi [)iN un recouvrement de A, et > 0. Les intervalles ]ai , (bi ) + 2i[
recouvrent A B, et les intervalles ]ai , bi [ recouvrent A B c . Donc
X
(A B) ((bi ) (ai )) + 2,
iN
X
c
(A B ) ((bi ) (ai )).
iN
En faisant la somme on trouve

X
(A B) + (A B c ) (bi ai ) + 2.
iN
Puisque etait arbitraire, on a

X
(A B) + (A B c ) (bi ai ),
iN
et comme (A) est par definition linfimum des sommes de droite sur tous les recouvrements
de A, linegalite recherchee en decoule.
32
(iii) Il est immediat par definition que
([a, b]) b a.
Pour linegalite inverse, supposons que

[
[a, b] ]ai , bi [.
iN
Par compacite, on peut trouver un entier N assez grand tel que

N
[
[a, b] ]ai , bi [.
i=0
Un raisonnement elementaire montre alors que

N
X
X
ba (bi ai ) (bi ai ).
i=0 i=0
Cela donne lautre inegalite b a ([a, b]). Il est facile de voir enfin que (]a, b[) =
([a, b]) (par exemple en observant que ({a}) = ({b}) = 0).
Extension en dimension d.
On appelle pave ouvert (resp. ferme) un sous-ensemble P de Rd de la forme
d
Y d
Y
P = ]aj , bj [ , (resp. P = [aj , bj ]).
j=1 j=1
Le volume de P est par definition

d
Y
vol (P ) = (bj aj ).
j=1
On definit alors pour toute partie A de Rd

X [
(A) = inf{ vol (Pi ) : A Pi }.
iN iN
o`
u linfimum porte sur tous les recouvrements denombrables de A par des paves ouverts.
On a alors lanalogue suivant du theorème precedent.
Th
eorème 3.2.2 (i) est une mesure exterieure sur Rd .
(ii) La tribu M( ) contient B(Rd ).
(iii) Pour tous pave (ouvert ou ferme) P , (P ) = vol (P ).
33
La restriction de à B(Rd ) (ou à M( )) est la mesure de Lebesgue sur Rd , et sera
notee simplement .
Preuve. La preuve de (i) est exactement la meme que dans le cas d = 1. Pour (ii), il suffit
de montrer que si A est un ensemble de la forme
A = R R] , a] R R,
on a A M( ) (il est facile de voir que les ensembles de cette forme engendrent la tribu
B(Rd )). La demonstration est alors tout à fait semblable à celle du cas d = 1. Enfin pour
(iii), on se ramène à montrer que si P est un pave ferme et si
n
[
P Pi
i=1
o`
u les Pi sont des paves ouverts, on a
n
X
vol (P ) vol (Pi ).
i=1
Cette assertion est laissee en exercice.

Remarque. On verra plus tard (dans le Chapitre 5) une autre facon de construire la mesure
de Lebesgue en dimension d à partir du cas de la dimension un.
On peut se demander si la tribu M( ) est beaucoup plus grande que la tribu B(R).
Nous allons voir quen un certain sens ces deux tribus ne sont pas très differentes. Nous
enoncons dabord une proposition preliminaire.
Proposition 3.2.3 Soit (E, A, ) un espace mesure. La classe des parties negligeables est
par definition
N = {A P(E) : B A, A B et (B) = 0}.
La tribu completee de A (par rapport à ) est A = (A N ). Il existe alors une unique
mesure sur (E, A) qui prolonge .
Preuve. On remarque dabord que la tribu A peut etre obtenue de la manière suivante : si
B = {A P(E) : B, B A, B A B et (B \B) = 0}
on a A = B. En effet on verifie facilement que B est une tribu. Il est clair que A B et
N B, ce qui entrane que A B. Enfin, si A B, on choisit B et B comme dans la
definition et on remarque que A = B (A\B), avec B A et A\B N . Linclusion B A
en decoule.
Une fois acquise legalite A = B, on construit le prolongement de à A de la manière
suivante. Si A A = B, et si B et B sont comme dans la definition de B ci-dessus,
on pose (A) = (B) = (B ). Cela ne depend pas du choix de B et B : si B, B est
un autre choix, on a à la fois (B) (B ) et (B
) (B) ce qui force les egalites

34
= (B
(B) = (B ) = (B) ). Enfin, il est facile de verifier que le prolongement de à
A est une mesure : si An , n N sont des elements disjoints de A, on peut pour chaque n
choisir Bn A, Bn An de manière que An \Bn soit negligeable, et on a
X X [ [
(An ) = (Bn ) = ( Bn ) = ( An ),
n n n n
S S S
la dernière egalite parce que n An \ n Bn n (An \Bn ) est negligeable.
d ) de B(Rd ) par rapport

Proposition 3.2.4 La tribu M( ) concide avec la completee B(R
a` la mesure de Lebesgue .
Preuve. Linclusion B(R d ) M( ) est immediate : si A P(Rd ) est tel que A B,

u B B(R ) et (B) = 0, alors (A) (B) = (B) = 0, et daprès le theorème du
o` d
paragraphe 1, on sait que cela entrane A M( ).

Inversement, soit A M( ). On veut montrer que A B(R d ). Sans perte de generalite,
d
on peut supposer A ]K, K[ (sinon on ecrit A comme la reunion croissante des ensembles
A] n, n[d ). On a alors (A) < , et donc pour chaque n 1 on peut trouver une famille
denombrable (Pin , i N) de paves ouverts contenus dans ] K, K[d tels que
[ X 1
A Pin , vol (Pin ) (A) + .
i i
n
Posons [ \
Bn = Pin , B= Bn .
i n
Alors B B(Rd ), A B, et dautre part pour chaque n,

X 1
(B) vol (Pin ) (A) +
i
n
ce qui implique (B) = (A). En remplacant A par ] K, K[d \A, on construit de meme
B B(Rd ), B
] K, K[d telle que ] K, K[d \A B et (] K, K[d \A) = (B).
Si
d
B =] K, K[ \B, on doit alors avoir B A et (B ) = (A). Finalement on a bien
trouve deux boreliens B et B avec B A B et (B\B ) = 0.
Theorème 3.2.5 La mesure de Lebesgue sur Rd est invariante par translation, au sens o` u
pour tout A B(Rd ) et tout x Rd , on a (x + A) = (A).
Inversement, si est une mesure sur (Rd , B(Rd )) finie sur les parties bornees et invari-
ante par translation, il existe une constante c 0 telle que = c.
Preuve. Notons x la translation x (y) = y x pour tout y Rd . La mesure-image x ()

est definie par
A B(Rd ), x ()(A) = (x1 (A)) = (x + A).
35
Legalite x ()(A) = (A) est vraie pour tout pave A (puisque A et x+A sont deux paves de
meme volume). A laide du lemme de classe monotone du Chapitre 1, il en decoule aussitot
que x () = , ce qui est la première assertion du theorème.
Inversement, soit une mesure sur B(Rd ) invariante par translation. Soit
c = ([0, 1[d ).
Comme [0, 1[d est la reunion disjointe de nd paves qui sont des translates de [0, n1 [d , il en
resulte que pour tout entier n 1,
1 c
([0, [d ) = d .
n n
Soient ensuite a1 , . . . , ad 0. En ecrivant
Yd d d
[naj ] Y Y [naj ] + 1
[0, [ [0, aj [ [0, [
j=1
n j=1 j=1
n
(o`
u [x] designe la partie entière de x), on trouve
Yd Yd Yd Yd Yd
c [naj ] [naj ] + 1 c
( [naj ]) d = ( [0, [) ( [0, aj [) ( [0, [) = ( [naj ] + 1) d .
j=1
n j=1
n j=1 j=1
n j=1
n
En faisant tendre n vers , il vient

d
Y n
Y d
Y
( [0, aj [) = c aj = c( [0, aj [)
j=1 j=1 j=1
et en utilisant linvariance par translation de on trouve que les mesures et c concident

sur tous les paves de la forme
Y d
[aj , bj [.
j=1
Comme dans la première partie de la preuve, cela suffit pour conclure que = c.
Proposition 3.2.6 La mesure de Lebesgue sur Rd est regulière au sens o`

u pour tout A
d
B(R ), on a
(A) = inf{(U) : U ouvert , A U}

= sup{(F ) : F compact , F A}.
Preuve. La quantite inf{(U) : U ouvert , A U} est toujours plus grande que (A). Pour
lautre inegalite, on peut supposer (A) < . Ensuite, par definition de (A) = (A), on
peut
P pour chaque > 0 trouver un recouvrement de A par des paves ouverts Pi tels que
(Pi ) P (A) + . Mais alors louvert U defini comme la reunion des Pi contient A et on
a (U) (Pi ) (A) + , ce qui conduit à linegalite voulue.
36
Pour la deuxième egalite de la proposition, on peut supposer A contenu dans un compact
C (sinon on ecrit (A) = lim (A [n, n]d )). Pour chaque > 0 on peut grace à la
première partie de la preuve trouver un ouvert U contenant C\A, tel que (U) < (C\A)+.
Mais alors F = C\U est un compact contenu dans A, et
(F ) (C) (U) (C) ((C\A) + ) = (A) ,
ce qui donne la deuxième egalite.
La proposition precedente peut etre etendue à un cadre beaucoup plus general. Nous
nous limitons au cas des mesures finies.
Proposition 3.2.7 Soit (E, d) un espace metrique, et soit une mesure finie sur (E, B(E)).
Alors, pour tout A B(E),
= sup{(F ) : F ferme , F A}.
Preuve. Notons O la classe des ouverts de E, et soit C la classe des ensembles A B(E)
qui verifient la propriete de la proposition. Puisque la tribu borelienne est par definition
engendree par O, il suffit de montrer que O C et que C est une tribu.
Si A O, la première egalite est triviale. Pour la seconde, on remarque que pour tout
n 1, lensemble
1
Fn = {x E : d(x, Ac ) }
n
est ferme. Par ailleurs A = lim Fn , ce qui entrane
(A) = lim (Fn ),
ce qui donne bien la seconde egalite et prouve que O C.
Il reste à montrer que C est une tribu. On a C et à cause de la symetrie entre ouverts
et fermes, on voit immediatement que C est stable par passage au complementaire. Soit
ensuite (An )nN une suite dans C et soit > 0. Pour chaque n, on peut trouver un ouvert
Un contenant An tel que (Un ) (An ) + 2n , do` u
[ [ X
Un \ An (Un An ) 2.
nN nN nN
[ [
Puisque Un est ouvert cela donne la première des deux egalites recherchees pour An .
Ensuite, soit N un entier assez grand pour que
N
[ [
( An ) ( An ) .
n=0 nN
Pour chaque n {0, 1, . . . , N} on peut trouver un ferme Fn An tel que (An \Fn ) 2n .
Alors
N
[
F = Fn
n=0
37
est ferme et
N
[ N
X
(( An )\F ) (An Fn ) < 2
n=0 n=0
do`
u

[
(( An )\F ) 3.
n=0
[
On conclut que An C, ce qui termine la preuve.
3.3 Liens avec lint

egrale de Riemann
Fixons un intervalle [a, b] non trivial de R. Une fonction h : [a, b] R est dite en escalier,
et on note h Esc, sil existe une subdivision a = x0 < x1 < < xN = b et des reels
y1 , . . . , yN tels que
i {1, . . . , N}, x ]xi1 , xi [, f (x) = yi.
On pose alors
N
X
I(h) = yi(xi xi1 ).
i=1
R
Il est immediat que I(h) = [a,b] h d.
Une fonction bornee f : [a, b] R est dite Riemann-integrable si
sup I(h) = inf I(h)

hEsc, hf hEsc, hf
et cette valeur commune est notee I(f ).
Proposition 3.3.1 Soit f une fonction Riemann-integrable sur [a, b]. Alors f est mesurable

pour la tribu completee B([a, b]), et
Z
I(f ) = f d.
[a,b]
Preuve. On peut trouver une suite (hn ) de fonctions en escalier sur [a, b] telles que hn f
et I(hn ) I(f ). Quitte à remplacer hn par h1 h2 hn , on peut supposer la suite (hn )
decroissante, ce qui permet de poser
h = lim hn f.
n ) de fonctions en escalier avec h

De meme, on peut trouver une suite croissante (h n f et
n ) I(f ), et poser
I(h
= lim h
h n f.
38
sont boreliennes bornees. Par convergence dominee,
Les fonctions h et h
Z Z
h d = lim hn d = lim I(hn ) = I(f ),
[a,b] [a,b]
Z Z

h d = lim n d = lim I(h
h n ) = I(f ).
[a,b] [a,b]
Donc, Z
)d = 0.
(h h
[a,b]
Puisque h h , cela entrane h = h , p.p. Comme h f h , f concide p.p.

avec une fonction borelienne,
den deduire que f est B([a, b])-mesurable. Enfin
R et il est facile
R
puisque f = h p.p. on a [a,b] f d = [a,b] h d = I(f ).
3.4 Un exemple densemble non mesurable

Considerons lespace R/Q des classes dequivalence des reels modulo les rationnels. Pour
chaque a R/Q, soit xa un representant de a dans lintervalle [0, 1]. On pose
F = {xa ; a R/Q} [0, 1].

Alors F nest pas borelien, ni meme mesurable par rapport à la tribu completee B(R).
Pour le verifier, supposons F mesurable et montrons que cela conduit à une contradiction.
Dabord, on a par construction [
R (q + F )
qQ
et donc (F ) > 0, car sinon R serait contenu dans une reunion denombrable densembles de
mesure nulle.
Par ailleurs, les ensembles q + F , q Q sont disjoints (si q + xa = q + xa on a xa xa =
q q Q et donc a = a puis q = q ). De linclusion
[
(q + F ) [0, 2]
qQ[0,1]
on deduit donc X
(q + F ) 2
qQ[0,1]
do`
u (F ) = 0 ce qui est la contradiction recherchee.
3.5 Int
egrale de Stieltjes
Le theorème suivant donne une description de toutes les mesures finies sur (R, B(R)). Le
resultat peut etre facilement etendu aux mesures de Radon.
39
Th eme 3.5.1 (i) Soit une mesure finie sur (R, B(R)). Pour tout x R, soit
eor`
F (x) = (] , x]).
La fonction F est croissante, bornee, continue à droite et F () = 0.

(ii) Inversement, soit F : R R+ une fonction est croissante, bornee, continue à droite
et telle que F () = 0. Il existe alors une unique mesure finie sur (R, B(R)) telle que
F = F .
Remarque. Lorsque F = F , on note souvent

Z Z
f (x) (dx) = f (x) dF (x).
Cest lintegrale de Stieltjes de f par rapport à F . On a en particulier

Z
dF (x) = F (b) F (a),
]a,b]
et Z Z
dF (x) = lim dF (x) = F (b) F (a),
[a,b] n ]an1 ,b]
o`
u F (a) designe la limite à gauche de F en a.
Preuve. (i) La verification des proprietes de F est facile. Par exemple si xn x, les
intervalles ] , xn ] decroissent vers ] , x], et donc
F (xn ) = (] , xn ]) (] , x]) = F (x).
De meme, si xn , les intervalles ] , xn ] decroissent vers et donc F (xn ) 0.

(ii) Lunicite de est une consequence du lemme de classe monotone (cf Chapitre 1) : la
classe C = {] , x]; x R} est stable par intersection finie et engendre la tribu B(R).
Pour montrer lexistence, on pose pour tout A R:
X [
(A) = inf{ (F (bi ) F (ai )) : A ]ai , bi ]}.
iN iN
(Noter quon recouvre A par des intervalles ouverts à droite et fermes à gauche, et non plus
des intervalles ouverts comme pour la mesure de Lebesgue.) Les memes arguments que dans
le cas de la mesure de Lebesgue montrent que est une mesure exterieure. On verifie par
la meme methode que dans le cas de la mesure de Lebesgue que les intervalles ] , ] sont
dans M( ) (en fait cest meme plus facile ici). Il en decoule que la tribu M( ) contient la
tribu borelienne, et que la restriction, notee , de à M( ) est une mesure sur (R, B(R)).
Pour terminer, il reste à montrer que (] , x]) = F (x) pour tout x R. Il suffit pour
cela detablir que (]a, b]) = F (b) F (a) pour tous a < b (ensuite faire tendre a vers ).
Linegalite
(]a, b]) F (b) F (a)
40
est immediate par construction de .
Dans lautre sens, soit (]xi , yi ])iN un recouvrement denombrable de ]a, b]. Soit
]0, b a[. Pour chaque i N, on peut trouver yi > yi tel que F (yi ) F (yi ) + 2i . Ensuite,
on remarque quon peut recouvrir lintervalle compact [a + , b] par une sous-famille finie
(]xi , yi [)i{0,1,...,N } de la famille des intervalles ouverts (]xi , yi [)iN . Un raisonnement simple
montre qualors
N
X
X
X
F (b) F (a + ) (F (yi ) F (xi ))
(F (yi ) F (xi )) (F (yi ) F (xi )) + 2.
i=0 i=0 i=0
En faisant tendre vers 0 on trouve

X
F (b) F (a) (F (yi ) F (xi ))
i=0
ce qui par definition de donne bien la minoration (]a, b]) F (b) F (a).
Cas des mesures de Radon. La formule

(]0, x]) si x 0,
F (x) =
(]x, 0]) si x < 0,
donne une correspondance bijective entre mesures de Radon sur R et fonctions F : R R

croissantes continues à droite et nulles en 0. Ce resultat decoule facilement du cas des mesures
finies. On a encore legalite (]a, b]) = F (b) F (a). Dans le cas particulier F (x) = x la
mesure est la mesure de Lebesgue.
3.6 Le th
eor`
eme de repr
esentation de Riesz
Soit X un espace metrique. On note Cc (X) lespace des fonctions continues à support
compact sur X. Une forme lineaire J sur Cc (X) est dite positive si J(f ) 0 dès que f 0.
Si est une mesure de Radon sur X, on definit une forme lineaire J sur Cc (X) en posant
Z
J(f ) = f d.
Noter que lintegrale est bien definie puisque |f | C 1K , o`

u K est un compact de X, et
est finie sur les compacts. De plus J est positive.
Le theorème de representation de Riesz montre que sous des hypothèses convenables
toute forme lineaire positive sur Cc (X) est de ce type.
Theor`
eme 3.6.1 Soit X un espace metrique localement compact separable, et soit J une
forme lineaire positive sur Cc (X). Il existe alors une unique mesure de Radon sur
(X, B(X)) telle que Z
f Cc (X), J(f ) = f d.
41
u pour tout A B(X),
La mesure est regulière au sens o`

= sup{(F ) : F compact , F A}.
De plus, pour tout ouvert U de X,
(U) = sup{J(f ) : f Cc (X), 0 f 1U }.
Exemple. Si X = R, on peut prendre J(f ) = I(f ), o` u I(f ) est comme ci-dessus lintegrale
de Riemann de la fonction f . On verifie aisement que J est une forme lineaire positive sur
Cc (R). La mesure associee est (bien s
ur) la mesure de Lebesgue. Cela fournit donc une autre
construction de la mesure de Lebesgue (en supposant construite lintegrale de Riemann des
fonctions continues).
Nous ne donnons pas ici la preuve du Theorème 3.6.1 : voir le Theorème 10.1 de Briane
et Pagès [2] ou le chapitre 2 de Rudin [7], qui donne un enonce un peu plus precis.
42
Chapitre 4
Espaces Lp
Ce chapitre est consacre principalement à letude de lespace Lp des fonctions dont la valeur
absolue est de puissance p-ième integrable. Les inegalites fondamentales de Holder, de
Minkowski et de Jensen constituent un outil important pour cette etude. On etudie no-
tamment la structure despace de Banach de lespace Lp , et dans le cas particulier p = 2
la structure despace de Hilbert de L2 . Les theorèmes de densite montrant quon peut ap-
procher nimporte quelle fonction de Lp par des fonctions plus regulières jouent un role
important dans beaucoup dapplications en analyse. En application de la structure hilber-
tienne de L2 , on etablit le theorème de Radon-Nikodym, qui etant donne une mesure de
reference permet de decomposer nimporte quelle autre mesure en la somme dune mesure à
densite par rapport à la mesure de reference et dune mesure etrangère.
4.1 D
efinition et in
egalit
e de H
older
Dans tout ce chapitre on considère un espace mesure (E, A, ). Pour tout reel p 1 on pose
Z
L (E, A, ) = {f : E R mesurable; |f |p d < }
p
et on definit aussi
L (E, A, ) = {f : E R mesurable; C R+ : |f | C, p.p.}.
On pourrait aussi considerer les espaces LpC et L C obtenus en consid erant des fonctions à
valeurs complexes, mais dans ce chapitre nous nous interesserons surtout au cas reel.
Pour chaque p [1, ], on definit une relation dequivalence sur Lp en posant
f g si et seulement si f = g, p.p.
Cela conduit à definir lespace quotient
Lp (E, A, ) = Lp (E, A, )/ .
Un element de Lp (E, A, ) est donc une classe dequivalence de fonctions egales p.p. Dans
la suite on fera presque systematiquement labus decriture consistant à identifier un element
de Lp (E, A, ) à lun de ses representants.
43
Pour toute fonction f : E R mesurable, on note pour p [1, [,
Z 1/p
p
kf kp = |f | d
(avec la convention 1/p = ) et
kf k = inf{C [0, ] : |f | C, p.p.}
de facon que kf k kf k , p.p. et que kf k est le plus petit nombre dans [0, ] avec
cette propriete.
Soient p, q [1, ]. On dit que p et q sont des exposants conjugues si
1 1
+ = 1.
p q
En particulier, p = 1 et q = sont conjugues.
Theorème 4.1.1 (In egalit

e de Holder) Soient p et q des exposants conjugues. Alors, si
f et g sont deux fonctions mesurables de E dans R,
Z
|f g| d kf kp kgkq .
En particulier, f g L1 (E, A, ) dès que f Lp (E, A, ) et g Lq (E, A, ).

R
Preuve. Si kf kp = 0, on a f = 0, p.p., ce qui entrane |f g|d = 0, et linegalite est
triviale. On peut donc supposer kf kp > 0 et kgkq > 0. Sans perte de generalite on peut
aussi supposer f Lp (E, A, ) et g Lq (E, A, ).
Le cas p = 1, q = est facile : on a |f g| kgk |f |, p.p., do`
u
Z Z
|f g| d kgk |f |d = kgk kf k1 .
Supposons 1 < p < (et donc 1 < q < ).

Soit ]0, 1[. On a pour tout x R+
x x 1 .
En effet la fonction (x) = x x a pour derivee sur ]0, [, (x) = (x1 1) qui
est positive sur ]0, 1[ et negative sur ]1, [. Donc est maximale en x = 1, ce qui donne
linegalite recherchee. En appliquant cette inegalite à x = uv , o`
u u 0 et v > 0, on trouve
u v 1 u + (1 )v,
1
inegalite qui reste vraie si v = 0. On prend alors = p
(donc 1 = 1q ) puis
|f (x)|p |g(x)|q
u= , v=
kf kpp kgkqq
44
pour aboutir à
|f (x)g(x)| 1 |f (x)|p 1 |g(x)|q
+ .
kf kp kgkq p kf kpp q kgkqq
En integrant cette dernière inegalite par rapport à , il vient
Z
1 1 1
|f g|d + = 1.
kf kp kgkq p q

Exercice. Lorsque 1 < p < , montrer quil y a egalite dans linegalite de Holder ssi il
existe deux reels positifs , non tous deux nuls, tels que |f |p = |g|q p.p.
Le cas particulier p = q = 2 de linegalite de Holder est linegalite de Cauchy-Schwarz
Z Z 1/2 Z 1/2
2
|f g| d |f | d |g|2d .
Considerons le cas particulier o`

u est finie. En prenant g = 1, on trouve
Z
|f | d (E)1/q kf kp
ce qui montre que Lp L1 pour tout p ]1, ]. En remplacant |f | par |f |r (r 1) et en

posant r = pr, on trouve pour tous 1 r r
1 1
kf kr (E) r r kf kr ,

et donc Lr Lr (toujours dans le cas o` u est finie). Lorsque est une mesure de probabilite
on a kf kr kf kr pour tous 1 r r .
Cette dernière inegalite peut etre vue comme un cas particulier de linegalite de Jensen.
Th eorème 4.1.2 (In

egalit
e de Jensen) Supposons que est une mesure de probabilite,
et soit : R R+ une fonction convexe. Alors, pour f L1 (E, A, ),
Z Z
f d f d .
R
Remarque. Lintegrale f d est bien definie comme integrale dune fonction mesurable
positive.
Preuve. Soit
E = {(a, b) R2 : x R, (x) ax + b}.
Les proprietes bien connues des fonctions convexes assurent que
x R , (x) = sup (ax + b).

(a,b)E
45
En consequence,
Z Z
f d sup (af + b)d
(a,b)E
Z
= sup a f d + b
(a,b)E
Z
= f d

Exercice. Montrer que si (E) < on a
kf k = lim kf kp .
p
4.2 Lespace de Banach Lp(E, A, )

Theorème 4.2.1 (In egalite de Minkowski) Soit p [1, ], et soient f, g Lp (E, A, ).
Alors, f + g Lp (E, A, ) et
kf + gkp kf kp + kgkp .
Preuve. Les cas p = 1 et p = sont faciles en utilisant simplement linegalite |f + g|

|f | + |g|. Supposons donc 1 < p < . En ecrivant
|f + g|p 2p (|f |p + |g|p )

R
on voit que |f + g|pd < et donc f + g Lp . Ensuite, en integrant par rapport à
linegalite
|f + g|p |f | |f + g|p1 + |g| |f + g|p1
on trouve Z Z Z
p p1
|f + g| d |f | |f + g| d + |g| |f + g|p1d.
En appliquant linegalite de Holder aux reels conjugues p et q = p/(p 1), il vient

Z Z p1 Z p1
p p p p p
|f + g| d kf kp |f + g| d + kgkp |f + g| d .
R
Si |f + g|p d = 0, linegalite du theorème est
R triviale.p Sinon on peut diviser chacun des
(p1)/p
deux membres de linegalite precedente par ( |f + g| d) et on trouve le resultat
recherche.
Th eme 4.2.2 (Riesz) Pour tout p [1, ], lespace Lp (E, A, ) muni de la norme
eor`
f kf kp est un espace de Banach (i.e. un espace vectoriel norme complet).
46
Preuve. On se limite au cas 1 p < (le cas p = est plus facile). Verifions dabord
que f kf kp est une norme sur Lp . On a
Z
kf kp = 0 |f |p d = 0 f = 0 p.p.
ce qui signifie que f = 0 dans Lp (f appartient à la classe dequivalence de 0). La propriete

kf kp = ||kf kp pour R est immediate, et linegalite de Minkowski donne linegalite
triangulaire.
Il reste à montrer que Lp muni de cette norme est complet. Soit (fn )n1 une suite de
Cauchy dans Lp . Alors on peut choisir une suite dentiers (kn ) strictement croissante de
facon que pour tout n 1,
kfkn+1 fkn kp 2n .
Posons gn = fkn et remarquons en utilisant le theorème de convergence monotone puis
linegalite de Minkowski que
Z X
p Z X
N p
|gn+1 gn | d = lim |gn+1 gn | d
N
n=1 n=1
X
N p
lim kgn+1 gn kp
N
n=1
X
p
= kgn+1 gn kp
n=1
< .
On a donc
X
|gn+1 gn | < , p.p.
n=1
et cela permet de poser

X
h = g1 + (gn+1 gn )
n=1
la serie convergeant absolument sauf sur un ensemble de mesure nulle sur lequel on peut
prendre une definition arbitraire de h (par exemple h = 0). La fonction h est alors mesurable.
Puisque gN converge vers h, p.p., on a |h| = lim inf |gN |, p.p. et le lemme de Fatou montre
immediatement que
Z Z Z
p p
|h| d lim inf |gN | d sup |gN |p d < ,
N 1
puisque la suite fn etant de Cauchy est bornee dans Lp . Enfin, à nouveau grace au lemme
de Fatou, on a
Z Z
p p
kh gn kp = |h gn | d lim inf |gN gn |p d = lim inf kgN gn kpp (2n+1 )p
N N
47
en majorant pour N > n, kgN gn kp kgn+1 gn kp + +kgN gN 1 kp 2n+1 . Linegalite
precedente montre que gn converge vers h dans Lp . Cela entrane que fn converge vers h et
termine la preuve.
Exemple. Si E = N et est la mesure de comptage, pour tout p [1, [, lespace Lp est
lespace des suites a = (an )nN de reels tels que

X
|an |p <
n=0
muni de la norme
X
1/p
kakp = |an |p .
n=0

Lespace L est simplement lespace des suites (an )nN qui sont bornees, muni de la norme
kak = sup(an ). Remarquons que dans ce cas il ny a pas densemble non vide de mesure
nulle et donc Lp concide avec Lp . Cet espace est en general note p = p (N). Il joue un role
important dans la theorie des espaces de Banach.
La dernière preuve fait apparatre un resultat intermediaire qui merite detre enonce.
Proposition 4.2.3 Soit p [1, [ et soit (fn ) une suite qui converge vers f dans Lp (E, A, ).
Il existe alors une sous-suite (fkn ) qui converge p.p. vers f .
Remarque. Le resultat est aussi vrai pour p = , mais dans ce cas lextraction dune sous-
suite nest pas necessaire puisque la convergence L equivaut à une convergence uniforme
sauf sur un ensemble de mesure nulle.
On peut se demander si inversement la convergence p.p. entrane la convergence Lp .
Cela nest pas vrai, mais le theorème de convergence dominee montre que si :
(i) fn f , p.p.
R
(ii) Il existe une fonction g 0 telle que |f |p d < et n, |fn | g, p.p.
alors fn f dans Lp .
Exercice. On suppose (E) < . Soit p [1, [. Montrer que les conditions
(i) fn f , p.p.
Z
(ii) Il existe r > p tel que sup |fn |r d <
n
entranent fn f dans Lp .
Le cas p = 2 du theorème de Riesz est particulièrement important puisque lespace L2 a
une structure despace de Hilbert.
48
Th eme 4.2.4 Lespace L2 (E, A, ) muni du produit scalaire
eor`
Z
hf, gi = f g d
est un espace de Hilbert (reel).
Preuve. Linegalite de Cauchy-Schwarz montre que si f, g L2 , f g est integrable et donc

hf, gi est bien defini. Ensuite il est clair que (f, g) hf, gi definit une forme bilineaire
symetrique definie positive, et que la norme associee est la norme kf k2 . Le caractère complet
decoule du theorème de Riesz.
On peut donc appliquer à L2 (E, A, ) les resultats classiques sur les espaces de Hilbert.
En particulier, si : L2 (E, A, ) R est une forme lineaire continue, il existe un (unique)
element g de L2 (E, A, ) tel que f L2 , (f ) = hf, gi. Ce resultat nous sera utile dans la
suite de ce chapitre.
Remarque. Comme les resultats precedents, le theorème ci-dessus setend au cas complexe.
Lespace L2C (E, A, ) est un espace de Hilbert complexe pour le produit scalaire
Z
hf, gi = f g d.
4.3 Th
eor` e dans les espaces Lp
emes de densit
Si (E, d) est un espace metrique, une mesure sur (E, B(E)) est dite exterieurement regulière
si
A B(E) , (A) = inf{(U) : U ouvert, A U}.
Une fonction f : E R est dite lipschitzienne sil existe une constante K telle que
x, y E , |f (x) f (y)| K d(x, y).
Th eorème 4.3.1 Soit p [1, [.

(1) Lespace des fonctions etagees integrables est dense dans Lp (E, A, ).
(2) Si (E, d) est un espace metrique, et une mesure exterieurement regulière sur
(E, B(E)), lespace des fonctions lipschitziennes bornees qui sont dans Lp est dense dans
Lp (E, B(E), ).
(3) Si (E, d) est un espace metrique localement compact separable, et une mesure de
Radon sur E, alors lespace des fonctions lipschitziennes à support compact est dense dans
Lp (E, B(E), ).
Preuve. (1) En decomposant f = f + f , il suffit de montrer que si f Lp est positive,

alors f est limite dans Lp dune suite de fonctions etagees. On sait que
f = lim n
n
49
R R
u pour chaque n, 0 n f et n est etagee. Alors, |n |p d |f |pd < et donc
o`
n Lp (ce qui pour une fonction etagee equivaut à n L1 ). Puisque |f n |p f p , le
theorème de convergence dominee donne
Z
lim |f n |p d = 0.
n
(2) Il suffit de montrer que toute fonction etagee integrable est limite dans Lp de fonctions
lipschitziennes bornees. On se ramène aisement au cas f = 1A , A B(E), (A) < . Soit
alors > 0. On peut trouver un ouvert O contenant A tel que (O\A) < (/2)p , et donc

k1O 1A kp < .
2
Ensuite, pour tout k 1, on pose k (x) = (k d(x, O c )) R 1. La fonction k est lipschitzienne
et k 1O quand k . Par convergence dominee, |1O k |p d 0 quand k ,
et donc on peut choisir k assez grand pour que

k1O k kp < .
2
Finalement,
k1A k kp k1A 1O kp + k1O k kp < .
(3) On utilise le lemme suivant, dont la preuve est repoussee à la fin de la demonstration.

Rappelons que si A est un sous-ensemble de E, A designe linterieur de A.
Lemme 4.3.2 Soit E un espace metrique localement compact separable. Alors il existe une
[ [
suite croissante de compacts (Ln )n1 tels que, pour tout n, Ln Ln+1 et E = Ln = Ln .
n1 n1
Il est facile de deduire du lemme que toute mesure de Radon sur E est exterieurement
regulière (ce qui a dejà ete vu, sans demonstration, dans lenonce du theorème de representa-
tion de Riesz). En effet, si A est un borelien de E, on peut en considerant la restriction de

à Ln (qui est une mesure finie) appliquer un resultat de regularite exterieure du chapitre

precedent et trouver pour chaque n un ouvert On Ln tel que A Ln On et

(On \(A Ln )) 2n .
Alors la reunion O des On est un ouvert de E et

X
(O\A) (On \(A Ln )) .
n1
Ensuite, puisque est exterieurement regulière, on peut appliquer la partie (2) du

theorème. On est ainsi ramene à montrer que toute fonction f lipschitzienne bornee telle
50
R
que |f |p d < est limite dans Lp de fonctions lipschitziennes à support compact (noter
que celles-ci sont automatiquement dans Lp ). Par convergence dominee, on a
Z
lim |f |p d = 0,
n (Ln )c
et donc kf f 1 kp 0. Dautre part, pour chaque n fixe, et pour tout k 1, soit

Ln

n,k (x) = k d(x, (Ln )c ) 1.
Alors n,k Lp puisque n,k 1 . De plus, par convergence dominee à nouveau, on voit
Ln
que pour chaque n fixe, n,k converge vers 1 dans Lp quand k . Finalement, en
Ln
ecrivant
kf f n,k kp kf f 1 kp + kf 1 f n,k kp kf f 1 kp + kf k k1 n,k kp

Ln Ln Ln Ln
et en choisissant n puis k assez grands, on approche f dans Lp par la fonction f n,k qui est
lipschitzienne à support compact.
Preuve du lemme. On montre dabord que E est reunion dune suite croissante de com-
pacts (Kn )n1 . Pour cela, soit (xp )p0 une suite dense dans E. Introduisons lensemble I de
couples dentiers defini par
p , 2k ) est compact},
I = {(p, k) N2 : B(x
o` r) designe la boule fermee de centre x et de rayon r. En utilisant le fait que E est

u B(x,
localement compact et la densite de la suite (xp ) il est facile de voir que
[
E= p , 2k ).
B(x
(p,k)I
Par ailleurs, I etant denombrable, on peut trouver une suite croissante de sous-ensembles
finis In , n 1 de I tels que I soit la reunion des In . Alors il suffit de poser
[
Kn = p , 2k )
B(x
(p,k)In
pour avoir les proprietes recherchees.

Ensuite, on construit la suite (Ln ) par recurrence sur n. On prend L1 = K1 . Si on a
construit Ln , on recouvre le compact Kn+1 Ln par une reunion finie V1 V2 . . . Vp
de voisinages ouverts dadherence compacte de points de Kn+1 Ln , et on prend Ln+1 =
V1 V2 . . . Vp .
Cons equences. Pour p [1, [, on a :
(i) Lespace Cc (Rd ) des fonctions continues à support compact sur Rd est dense dans
L (Rd , B(Rd ), ). On peut remplacer par nimporte quelle mesure de Radon sur (Rd , B(Rd )).
p
51
(ii) Lensemble des fonctions en escalier (à support compact) est dense dans Lp (R, B(R), ).
En effet il sufit de verifier que toute fonction f Cc (R) est limite dans Lp de fonctions en
escalier. Cela se voit en ecrivant
X k
f = lim f ( ) 1[ k , k+1 [ .
n
kZ
n n n
Application. Si f L1 (R, B(R), ),

f() 0.
||
On se ramène par densite au cas o` u f est une fonction en escalier : si f est limite dans L1
dune suite (n ) de fonctions en escalier,
Z Z

sup |f() n ()| = sup f (x)e dx n (x)eix dx kf n k1
ix
R R
p
X
qui tend vers 0 quand n . Ensuite, si f est en escalier, f = j 1]xj ,xj+1 [ , on a
j=1
p
X eixj+1 eixj
f() = j 0,
j=1
i ||
do`
4.4 Le th
eor`
eme de Radon-Nikodym
efinition 4.4.1 Soient et deux mesures sur (E, A). On dit que:
D
(i) est absolument continue par rapport à (notation ) si
A A, (A) = 0 (A) = 0.
(ii) est etrangère à (notation ) sil existe N A tel que (N) = 0 et (N c ) = 0.
Exemple. Si f est mesurable positive , la mesure = f definie par

Z
(A) = f d
A
est absolument continue par rapport à .
Th eme 4.4.1 (Radon-Nikodym) Soient et deux mesures -finies sur (E, A). Il
eor`
existe alors un unique couple (a , s ) de mesures -finies sur (E, A) telles que
52
(1) = a + s .
(2) a et s .
De plus, il existe une fonction mesurable g : E R+ telle que

Z
A A, a (A) = g d
A
et la fonction g est unique à un ensemble de -mesure nulle près.
Preuve. On traite dabord en detail le cas o` u les deux mesures et sont finies. Lextension
au cas -fini ne presentera pas de difficulte. R R
Cas o` u . Dans un premier temps, on suppose , cest-à-dire g d g d
pour toute fonction mesurable positive g. Considerons alors lapplication : L2 (E, A, )
R definie par Z
(f ) = f d.
Remarquons que lintegrale a bien un sens puisque

Z Z
|f |d |f |d
et on sait que pour une mesure finie RL2 () L1 (). De plus, (f ) ne depend pas du
representant de f choisi pour calculer f d :
Z Z

f = f , p.p. f = f , p.p. f d = f d.
Linegalite de Cauchy-Schwarz montre que

Z 1/2 Z 1/2
2 1/2 2
|(f )| f d (E) f d (E)1/2 = (E)1/2 kf kL2 () .
Donc est une forme lineaire continue sur L2 (E, A, ) et on sait alors quil existe une
fonction h L2 (E, A, ) telle que
Z
2
f L (E, A, ), (f ) = hf, hi = f h d.
En particulier, en prenant f = 1A ,
Z
A A, (A) = h d.
A
On peut aussi remarquer que 0 h 1, p.p. En effet, pour tout > 0,

Z
({x : h(x) 1+}) ({x : h(x) 1+}) = hd (1+)({x : h(x) 1+})
{x:h(x)1+}
53
ce qui implique ({x : h(x) 1+}) = 0. On montre de meme que h 0 p.p. Remarquons
que quitte à remplacer h par (h 0) 1, on peut supposer 0 h(x) 1 pour tout x E.
Cas general. On applique la première partie de la preuve aux mesures et + . Il existe
donc une fonction mesurable h telle que 0 h 1 et, pour toute fonction f L2 ( + ),
Z Z
f d = f h d( + ).
En particulier, pour toute fonction f mesurable bornee,

Z Z Z
f d = f h d + f h d
do`
u Z Z
f (1 h) d = f h d.
En utilisant le theorème de convergence monotone, on voit que cette dernière egalite est
vraie pour toute fonction f mesurable positive.
Posons N = {x E : h(x) = 1}. Alors en prenant f = 1N , on voit que (N) = 0. La
mesure
s = 1N (A A, s (A) = (A N))
est donc etrangère à . Dautre part, en remplacant f par 1N c (1 h)1 f dans legalite
ci-dessus, on trouve que pour toute fonction f mesurable positive,
Z Z Z
h
f d = f d = f g d,
Nc Nc 1h
h
o`
u g = 1N c 1h . En posant
a = 1N c = g
on a bien les proprietes (1) et (2) du theorème, et la representation annoncee pour a .
Lunicite du couple (a , s ) est facile. Si (
a , s ) est un autre couple avec les proprietes
(1) et (2), on a
A A, a (A) a (A) = s (A) s (A).
Mais comme s et s sont portees respectivement par des ensembles N et N de -mesure
nulle, on a
)) s (A (N N )) = a (A (N N
s (A) s (A) = s (A (N N )) a (A (N N )) = 0
à cause de la propriete a , a . Enfin, pour obtenir lunicite de g, on se donne une

autre fonction g avec la meme propriete, et on observe que
Z Z
g d = a ({
g > g}) = g d,
{
g >g} {
g >g}
do`
u Z
g g) d = 0
(
{
g >g}
54
ce qui force g g, p.p. et par symetrie g = g, p.p.
Il reste à saffranchir de lhypothèse supplementaire que et sont finies. Si et sont
seulement -finies, on peut construire une partition mesurable denombrable (En )nN de E
de manière que (En ) < et (En ) < pour tout n. Notons n la restriction de à En
et n la restriction de à En . En appliquant le debut de la preuve on peut ecrire pour tout
n N,
n = an + sn
où sn n , et an = gn n , la fonction mesurable gn etant nulle sur Enc (puisque n (Enc ) = 0,
il est clair quon peut imposer cette dernière condition). On obtient le resultat du theorème
en posant X X X
a = an , s = sn , g = gn .
nN nN nN
(Dans la dernière somme, remarquer que pour chaque x E il y a au plus une valeur de n
pour laquelle gn (x) > 0.) La verification des proprietes dunicite ne presente pas de difficulte.
55
56
Chapitre 5
Mesures produits
Etant donne deux espaces mesurables munis chacun dune mesure, on peut construire sur
leur produit cartesien une mesure appelee la mesure produit. De plus lintegrale dune
fonction definie sur lespace produit peut etre calculee en integrant dabord par rapport à la
mesure sur le premier espace puis par rapport à la mesure sur le second, ou bien dans lordre
inverse : cest le fameux theorème de Fubini. Outre ses applications importantes en analyse
(integration par parties, convolution, etc.) ou en theorie des probabilites, le theorème de
Fubini est un outil essentiel pour le calcul effectif des integrales.
5.1 G
en
eralit
es sur les espaces produits
Soient (E, A) et (F, B) deux espaces mesurables. On peut alors munir le produit E F de
la tribu-produit
A B = (A B ; A A, B B).
Les ensembles de la forme A B sont appeles paves mesurables. Il est facile de verifier que
AB est la plus petite tribu sur E F qui rende mesurables les deux projections canoniques
1 : E F E et 2 : E F F .
Soit (G, C) un troisième espace mesurable, et soit f : G E F . Notons f (x) =
(f1 (x), f2 (x)). On a vu dans le Chapitre 1 que f est mesurable (E F etant muni de la
tribu produit) ssi les deux applications f1 et f2 le sont.
On etend facilement la definition de la tribu produit au cas dun nombre fini quelconque
despaces mesurables (E1 , A1), . . . , (En , An ) :
A1 A2 An = (A1 An ; Ai Ai )
et on a les proprietes dassociativite attendues, à savoir par exemple pour n = 3,
(A1 A2 ) A3 = A1 (A2 A3 ) = A1 A2 A3 .
Proposition 5.1.1 Si E et F sont deux espaces metriques separables, on a
B(E F ) = B(E) B(F ).
57
Preuve. Linclusion B(E F ) B(E) B(F ) est vraie sans hypothèse de separabilite :
elle decoule de ce que les projections 1 et 2 sont continues donc mesurables pour la tribu
B(E F ).
Dans lautre sens, on observe quon peut trouver un ensemble denombrable douverts
U = {Un , n 1} de E tels que tout ouvert de E soit reunion dune sous-famille de U (si
(xk ) est une suite dense dans E, il suffit de prendre pour U les boules ouvertes de rayon
rationnel centrees en lun des xk ). Soit V = {Vn , n 1} une famille analogue pour F . Pour
tout ouvert O de E F et tout z = (x, y) O, on sait que O contient un ouvert de la
forme U V , o` u U, resp. V , est un ouvert de E, resp. de F , contenant x, resp. y. Il
en decoule que O doit etre reunion (au plus denombrable) dune sous-famille de la famille
{Un Vm ; n, m 1}. Donc tout ouvert de E F est mesurable pour B(E) B(F ) et cela
entrane B(E F ) B(E) B(F ).
u (E, A) et (F, B) sont deux espaces mesurables quelconques. Si
On revient au cas o`
C E F , on pose pour x E
Cx = {y F : (x, y) C}
et pour y F ,
C y = {x E : (x, y) C}.
Si f est une fonction definie sur E F , on note pour x E, fx (y) = f (x, y) et pour y F ,
f y (x) = f (x, y).
Th eorème 5.1.2 (i) Soit C A B. Alors, pour tout x E, Cx B et pour tout y F ,

C y A.
(ii) Soit f : E F G une application mesurable pour la tribu produit A B. Alors, pour
tout x E, fx est B-mesurable, et pour tout y F , f y est A-mesurable.
Preuve. (i) Fixons x E et posons
C = {C A B : Cx B}.
Alors C contient les paves mesurables (si C = A B, Cx = B ou Cx = selon que x A

ou x / A). Par ailleurs il est facile de verifier que C est une tribu, et donc C = A B.
(ii) Pour toute partie mesurable D de G,
fx1 (D) = {y F : (x, y) f 1 (D)} = (f 1 (D))x
qui est dans B daprès (i).
5.2 Construction de la mesure-produit

Th eorème 5.2.1 Soient et deux mesures -finies respectivement sur (E, A) et sur
(F, B).
58
(i) Il existe une unique mesure m sur (E F, A B) telle que
A A, B B, m(A B) = (A)(B)
(avec la convention usuelle 0 = 0). Cette mesure est -finie, et est notee m = .
(ii) Pour tout C A B,
Z Z
(C) = (Cx ) (dx) = (C y ) (dy).
E F
Preuve. Unicite. Il existe une suite croissante An A, resp. Bn B, telle que (An ) < ,
resp. (Bn ) < , pour tout n, et E = An , resp. F = Bn . Alors, si Cn = An Bn , on a
aussi [
EF = Cn .
n

Soient m et m deux mesures sur A B verifiant la propriete enoncee en (i) du theorème.
Alors,
m et m concident sur la classe des paves mesurables, qui est stable par intersection finie
et engendre la tribu A B;
pour tout n, m(Cn ) = (An )(Bn ) = m (Cn ) < .
Daprès une consequence du lemme de classe monotone vue dans le Chapitre 1, cela suffit
pour dire que m = m .
Existence. On pose pour tout C A B,
Z
m(C) = (Cx ) (dx). (5.1)
E
Remarquons que (Cx ) est bien definie pour tout x E daprès le theorème precedent. Pour
verifier que la formule (5.1) a bien un sens il faut aussi montrer que lapplication x (Cx )
est A-mesurable.
Supposons dabord finie et posons
G = {C A B : x (Cx ) est A-mesurable}.
Alors
G contient les paves mesurables : si C = A B, (Cx ) = 1A (x)(B).
G est une classe monotone : si C C , on a ((C\C )x ) = (Cx ) (Cx ) (parce que

est finie !) et si Cn est une suite croissante, ((Cn )x ) = lim ((Cn )x ).
Daprès le lemme de classe monotone, on a donc G = A B, ce qui donne la mesurabilite
recherchee pour lapplication x (Cx ).
Dans le cas general où nest pas finie mais seulement -finie, on choisit la suite (Bn )
comme ci-dessus et on peut remplacer par n (B) = (B Bn ), pour obtenir que x
(Cx ) = lim n (Cx ) est mesurable pour tout C A B.
59
Il est ensuite facile de montrer que m est une mesure sur A B : si (Cn ) est une famille
de parties disjointes dans A B, les (Cn )x sont aussi disjoints pour tout x E, et donc
[ Z [
m Cn = (Cn )x (dx)
n E
Z Xn
= ((Cn )x ) (dx)
E n
XZ
= ((Cn )x ) (dx)
n E
X
= m(Cn )
n
linterversion entre somme et integrale etant justifiee par un resultat du Chapitre 2.

Il est immediat que m verifie la propriete
m(A B) = (A)(B).
Par ailleurs, si on definit m par

Z

m (C) = (C y ) (dy),
F
les memes arguments montrent que m est une mesure sur AB qui verifie la meme propriete,
ce qui daprès lunicite entrane m = m . On en deduit lassertion (ii) du theorème, ce qui
complète la preuve.
Remarques. (i) Lhypothèse de -finitude est essentielle au moins pour la partie (ii). En
effet, si on prend (E, A) = (F, B) = (R, B(R)), = et la mesure de comptage, on
remarque que pour C = {(x, x) : x R},
Z Z
= (Cx ) (dx) 6= (C y ) (dy) = 0.
(ii) Si on a maintenant n mesures -finies 1 , . . . , n , on peut definir le produit 1 n

en posant
1 n = 1 (2 ( n )).
Lordre des parenthèses na en fait pas dimportance car la mesure 1 n est caracterisee
par ses valeurs sur les paves
1 n (A1 An ) = 1 (A1 ) . . . n (An ).
Exemple. Si (E, A) = (F, B) = (R, B(R)), et = = , on verifie facilement que est

la mesure de Lebesgue sur R2 (observer que la mesure de Lebesgue sur R2 est caracterisee
par ses valeurs sur les rectangles [a, b] [c, d], toujours daprès le lemme de classe monotone).
Ceci se generalise en dimension superieure et montre quil aurait suffi de construire la mesure
de Lebesgue en dimension un.
60
5.3 Le th
eor`
eme de Fubini
On commence par donner lenonce qui concerne les fonctions positives. Comme dans le
paragraphe precedent, on considère deux espaces mesurables (E, A) et (F, B), et le produit
E F est muni de la tribu A B.
Th eor`
eme 5.3.1 (Fubini-Tonnelli) Soient et deux mesures -finies respectivement
sur (E, A) et sur (F, B), et soit f : E F [0, ] une fonction mesurable.
(i) Les fonctions
Z
x f (x, y) (dy)
Z
y f (x, y) (dx)
sont respectivement A-mesurable et B-mesurable.

(ii) On a
Z Z Z Z Z
f d = f (x, y) (dy) (dx) = f (x, y) (dx) (dy).
EF E F F E
R
Preuve. (i) Soit C A B. Si f = 1C , on aRdejà vu que la fonction x f (x, y)(dy) =
(Cx ) est A-mesurable, et de meme y f (x, y)(dx) = (C y ) est B-mesurable. Par
linearite, on en deduit que le resultat de (i) est vrai pour toute fonction etagee positive.
Enfin, si f est quelconque, on peut ecrire f = lim fn , o` u les fonctions fn sont etagees
positives, et on utilise le fait qualors
Z Z
f (x, y) (dy) = lim fn (x, y) (dy)
R
et de meme pour f (x, y) (dx).
(ii) Pour f = 1C , legalite annoncee est
Z Z
(C) = (Cx ) (dx) = (C x ) (dy)
E F
et a dejà ete vue dans le paragraphe precedent. On en deduit par linearite le resultat voulu
quand f est etagee positive, puis par limite croissante pour f quelconque : on remarque par
exemple que si f = lim fn ,
Z Z Z Z
f (x, y) (dy) (dx) = lim fn (x, y) (dy) (dx)
E F E F
par une double application du theorème de convergence monotone.

Nous passons maintenant au cas de fonctions de signe quelconque. On conserve les
hypothèses du theorème precedent.
61
Th eme 5.3.2 (Fubini-Lebesgue) Soit f L1 (E F, A B, ) (ou f L1C (E
eor`
F, A B, )). Alors
(a) (dx) p.p. la fonction y f (x, y) est dans L1 (F, B, ),
(dy) p.p. la fonction x f (x, y) est dans L1 (E, A, ).

R R
(b) Les fonctions x f (x, y) (dy) et y f (x, y) (dx), bien definies sauf sur un
ensemble mesurable de mesure nulle, sont respectivement dans L1 (E, A, ) et L1 (F, B, ).
(c) On a
Z Z Z Z Z
f d = f (x, y) (dy) (dx) = f (x, y) (dx) (dy).
EF E F F E
Preuve. (a) En appliquant le theorème precedent à |f |,

Z Z Z
|f (x, y)| (dy) (dx) = |f | d < .
E F
cela entrane que (dx) p.p. Z

|f (x, y)| (dy) <
F
et donc la fonction y f (x, y), dont on sait dejà quelle est mesurable, est dans L1 (F, B, ).
(b) En ecrivant f = f + f et en utilisant le theorème precedent, on voit que
Z Z Z
x f (x, y) (dy) = f (x, y) (dy) f (x, y) (dy)
+
est mesurableR (pour etre precis, il faudrait donner

R une valeur arbitraire, par exemple 0, à
lintegrale f (x, y) (dy) pour les x tels que |f (x, y)| (dy) = , qui forment un ensemble
de mesure nulle). De plus,
Z Z Z Z Z

f (x, y) (dy)(dx) |f (x, y)| (dy) (dx) = |f | d < .
E F E F
(c) Il suffit de faire la difference terme à terme dans les egalites

Z Z Z
+
f (x, y) (dy) (dx) = f + d
ZE ZF ZEF
f (x, y) (dy) (dx) = f d .
E F EF

1
Remarque. Lhypothèse f L () est cruciale. Il peut arriver en effet que les proprietes
(a) et (b) soient toutes les deux satisfaites, et donc que les quantites
Z Z Z Z
f (x, y) (dy) (dx) et f (x, y) (dx) (dy)
E F F E
62
soient bien definies, sans que ces quantites soient egales. Pour donner un exemple, con-
siderons la fonction
f (x, y) = 2e2xy exy
definie pour (x, y) ]0, []0, 1]. Alors, pour tout y ]0, 1],
Z Z Z
2xy
f (x, y) dx = 2 e dx exy dx = 0
]0,[ 0 0
et pour tout x > 0,

Z Z 1 Z 1
2xy ex e2x
f (x, y)dy = 2 e dy exy dy = .
]0,1] 0 0 x
On voit alors que Z Z
f (x, y) dx dy = 0
]0,1] ]0,[
alors que Z Z Z
ex e2x
f (x, y)dy dx = dx > 0.
]0,[ ]0,1] 0 x
Evidemment dans cet exemple on a
Z
|f (x, y)| dxdy = .
]0,[]0,1[
En pratique, il faut se souvenir que lapplication du theorème de Fubini est toujours

justifiee pour des fonctions mesurables positives, et que dans le cas de fonctions de signe
quelconque, il faut sassurer que Z
|f | d <
ce qui se fait le plus souvent en appliquant le cas des fonctions positives.

Notation. Lorsque lapplication du theorème de Fubini est justifiee (et seulement dans ce
cas), on omet souvent les parenthèses et on ecrit
Z Z Z
f d = f (x, y) (dx)(dy).
E F
5.4 Applications
5.4.1 Int
egration par parties
Soient f et g deux fonctions mesurables de R dans R localement integrables (i.e. integrables
sur tout compact pour la mesure de Lebesgue). On pose pour x R,
Z x ( R !
[0,x]
f (t) dt si x 0
F (x) = f (t) dt = R
0 [x,0]
f (t) dt si x < 0
Z x
G(x) = g(t) dt.
0
63
Alors, pour tous a < b,
Z b Z b
F (b)G(b) = F (a)G(a) + f (t)G(t)dt + F (t)g(t)dt.
a a
On voit facilement que cette egalite equivaut à

Z b Z b
f (t)(G(t) G(a)) dt = (F (b) F (t))g(t) dt.
a a
Pour etablir cette dernière egalite, on ecrit

Z b Z b Z t
f (t)(G(t) G(a)) dt = f (t) g(s)ds dt
a a a
Z bZ b
= 1{st} f (t)g(s)ds dt
a a
Z bZ b
= 1{st} f (t)g(s)dt ds
a a
Z b Z b
= g(s) f (t)dt ds
a s
Z b
= g(s)(F (b) F (s))ds.
a
Dans la troisième egalite on a applique le theorème de Fubini-Lebesgue à la fonction
(s, t) = 1{st} f (t)g(s)
en observant que, grace au theorème de Fubini-Tonnelli,

Z Z Z Z
|(s, t)|dsdt |f (t)||g(s)|dsdt = |f (t)|dt |g(s)|ds < .
[a,b]2 [a,b]2 [a,b] [a,b]
5.4.2 Convolution
Si f et g sont deux fonctions mesurables sur Rd , la convolution
Z
f g(x) = f (x y)g(y) dy
Rd
est bien definie à condition que

Z
|f (x y)g(y)| dy < .
Rd
Dans ce cas, linvariance de la mesure de Lebesgue par translation et par la symetrie y y

entrane aussitot que g f (x) est bien definie et g f (x) = f g(x).
64
Proposition 5.4.1 Soient f, g L1 (Rd , B(Rd ), ). Alors, pour presque tout x Rd , la
convolution f g(x) est bien definie. De plus, f g L1 () et kf gk1 kf k1 kgk1.
Remarque. Cela a bien un sens de dire quune fonction definie presque partout est dans
L1 () : on peut choisir de manière arbitraire le prolongement sur lensemble o`
u la fonction
nest pas definie.
Preuve. Daprès le theorème de Fubini-Tonnelli,
Z Z Z Z
|f (x t)||g(t)|dt dx = |f (x t)||g(t)|dx dt
Rd Rd ZR
d Rd Z

= |g(t)| |f (x t)|dx dt
RZd Rd Z

= |g(t)|dt |f (x)|dx
Rd Rd
<
ce qui montre que Z

|f (x t)||g(t)|dt < dx p.p.
Rd
et donne la première assertion. Pour la seconde, on utilise encore le calcul precedent pour
ecrire Z Z Z
|f g(x)|dx |f (x t)||g(t)|dt dx = kf k1 kgk1 < .
Rd Rd Rd

La proposition suivante donne un autre cadre dans lequel on peut considerer la convolu-
tion de f et g.
Proposition 5.4.2 Soit p [1, [, et soit q ]1, ] tels que p1 + 1q = 1. Soient f

Lp ((Rd , B(Rd ), ) et g Lq (Rd , B(Rd ), ). Alors, pour tout x Rd , la convolution f g(x)
est bien definie et f g est uniformement continue et bornee sur Rd .
Preuve. Linegalite de Holder donne

Z Z 1/p
|f (x y)g(y)| dy |f (x y)|pdy kgkq = kf kp kgkq .
Rd
Cela donne la première assertion et montre aussi que f g est bornee par kf kp kgkq . Pour
luniforme continuite, on utilise le lemme suivant.
Lemme 5.4.3 Notons x (y) = y x. Pour f Lp (Rd , B(Rd ), ), p [1, [, lapplication

x f x est uniformement continue de Rd dans Lp (Rd , B(Rd ), ).
65
Si on admet le lemme, il est facile de completer la preuve de la proposition : pour
x, x Rd ,
Z

|f g(x) f g(x )| |f (x y) f (x y)||g(y)| dy
Z 1/p
kgkq |f (x y) f (x y)|pdy
= kgkq kf x f x kp
et on utilise le lemme pour dire que kf x f x kp tend vers 0 quand x x tend vers
0.
Preuve du lemme. Supposons dabord f Cc (Rd ). Alors,
Z Z Z
|f x f y | d = |f (z x) f (z y)| dz = |f (z) f (z (y x))|p dz
p p
qui tend vers 0 quand y x 0 par convergence dominee. Dans le cas general, on peut
trouver une suite fn Cc (Rd ) qui converge vers f dans Lp () (cf Chapitre 4). Alors
kf x f y kp kf x fn x kp + kfn x fn y kp + kfn y f y kp
= 2kf fn kp + kfn x fn y kp .
Pour > 0, on choisit dabord n tel que kf fn kp < /4, puis > 0 tel que kfn x fn
y kp /2 si |x y| < . Les inegalites precedentes montrent alors que kf x f y kp
si |x y| < .
Approximations de la mesure de Dirac. On dit quune suite n dans Cc (Rd ) est une
approximation de 0 si :
Il existe un compact K tel que supp(n ) K pour tout n.
Pour tout n, n 0 et Z
n (x) dx = 1.
Rd
Pour tout > 0, Z

lim n (x) dx = 0.
n {|x|>}
Il est facile de construire des approximations

R de 0 . Si : Rd R+ est une fonction
continue à support compact telle que (x)dx = 1, il suffit de poser
n (x) = nd (nx) , x Rd .
On peut meme sarranger pour que les fonctions n soient de classe C : prendre par
exemple 1
(x) = c exp 1{|x|<1},
1 |x|2
R
la constante c > 0 etant choisie pour que la condition (x)dx = 1 soit satisfaite.
66
Proposition 5.4.4 Soit (n ) une approximation de 0 .
(i) Si f : Rd R est continue, on a n f f quand n , uniformement sur tout
compact.
(ii) Si f Lp (Rd , B(Rd ), ), avec p [1, [, on a n f f dans Lp .
Preuve. La partie (i) est facile à etablir, en ecrivant

Z Z
n f (x) = f (x y)n (y)dy + f (x y)n(y)dy
|y| |y|>
et en utilisant la continuite de f . Pour la partie (ii), on observe que si f, g Lp (Rd , ),

Z Z Z p
p
|n f (x) n g(x)| dx n (x y)|f (y) g(y)|dy dx
Z Z
p
n (x y)|f (y) g(y)| dy dx
Z Z
p
= |f (y) g(y)| n (x y)dx dy
Z
= |f (y) g(y)|pdy
u la deuxième inegalite est une consequence de linegalite de Jensen (observer que n (x

o`
y)dy est une mesure de probabilite). Cette majoration permet de se ramener au cas o` u
d
f Cc (R ), et alors le resultat decoule de (i) et du theorème de convergence dominee.
Application. En dimension d = 1, on peut prendre
n (x) = cn (1 x2 )n 1{|x|1}
R
o`
u la constante cn est choisie pour que n (x)dx = 1. Soit alors [a, b] un intervalle contenu
dans ]0, 1[, et soit f une fonction continue sur [a, b]. On peut facilement prolonger f en une
fonction continue sur R et à support compact contenu dans [0, 1] (prendre par exemple f
affine sur les intervalles [0, a] et [b, 1]. Alors,
Z
n f (x) = cn (1 (x y)2 )n 1{|xy|1} f (y)dy f (x)
uniformement sur [a, b]. Pour x [a, b], on peut clairement enlever lindicatrice 1{|xy|1} , et
on voit que f est limite uniforme sur [a, b] de polynomes (theorème de Stone-Weierstrass).
5.4.3 Calcul du volume de la boule unit

e
On note ici Bd la boule unite fermee de Rd , et d la mesure de Lebesgue sur Rd . En vue de
calculer d = d (Bd ) on observe dabord que pour tout a > 0, limage de d par lapplication
x ax est ad d : pour tout A B(Rd ),
d (a1 A) = ad d (A)
67
(il suffit de le verifier lorsque A est un pave, et alors cest evident). En particulier,
d (aBd ) = ad d (Bd ).
Ensuite on ecrit en utilisant le theorème de Fubini, si d 2,

Z Z
d = 1Bd (x)dx = 1{x21 ++x2d 1} dx1 . . . dxd
Rd Rd
Z 1 Z
= 1{x21 ++x2d1 1x2d } dx1 . . . dxd1 dxd
1 Rd1
Z 1 q
2
= d1 1 xd Bd1 dxd
1
Z 1
= d1 (1 x2d )(d1)/2 dxd
1
= d1 Id1
à condition de poser pour tout entier n 0,

Z 1
In = (1 x2 )n/2 dx.
1
Une integration par parties simple montre que pour n 2,

n
In = In2 .
n+1
En utilisant les cas particuliers I0 = 2, I1 = /2, on en deduit par recurrence que pour tout
d 2,
2
Id1 Id2 = .
d
En consequence, pour d 3,
2
d = Id1 Id2 d2 = d2 .
d
A partir des cas particuliers 1 = 2, 2 = 1 I1 = , on en deduit
k k
2k = , 2k+1 =
k! (k + 21 )(k 12 ) 32 1
2
ce quon peut regrouper dans la formule
d/2
d = .
( d2 + 1)
68
Chapitre 6
Mesures sign
ees
A la difference des chapitres precedents, on considère ici des mesures signees, pouvant prendre
aussi bien des valeurs negatives que des valeurs positives. Le resultat principal de ce chapitre
est la decomposition de Jordan, qui fournit une ecriture minimale dune telle mesure signee
comme la difference de deux mesures positives portees par des ensembles mesurables disjoints.
A titre dapplication, on etablit un theorème important danalyse fonctionnelle, qui affirme
que pour deux exposants p et q conjugues ( 1p + 1q = 1) lespace Lq est le dual topologique de
Lp .
6.1 D
efinition et variation totale
Definition 6.1.1 Soit (E, A) un espace mesurable. Une mesure signee sur (E, A) est une
application : A R telle que () = 0 et que pour toute famille (An )nN delements
disjoints de A, la serie
X
(An )
nN
converge absolument, et [ X
An = (An ).
nN nN
Th eme 6.1.1 Soit une mesure signee sur (E, A). Pour tout A A, posons
eor`
X [
||(A) = sup |(An )| : A = An , An disjoints
nN nN
o`
u le supremum porte sur toutes les ecritures de A comme reunion dune famille denombrable
(An )nN de parties mesurables disjointes. Alors || est une mesure positive finie sur (E, A),
et pour tout A A, |(A)| ||(A).
Preuve. On montre dabord que || S est une mesure positive. Soit (Bi )iN une famille de
parties mesurables disjointes, et B = iN Bi . Par definition, si ti [0, ||(Bi)[ (ou ti = 0
69
S
dans le cas ||(Bi ) = 0), on peut trouver une partition1 mesurable Bi = nN An,i , de facon
que X
|(An,i)| ti .
nN
Alors (An,i )n,iN est une partition denombrable de B, et donc

XX X
||(B) |(An,i| ti .
iN nN iN
Puisque les ti peuvent etre choisis arbitrairement proches des ||(Bi ), il en decoule que
X
||(B) ||(Bi).
iN
Pour obtenir linegalite inverse, soit (An )nN une partition de B. Alors
X X X
|(An )| = | (An Bi )|
nN nN iN
XX
|(An Bi )|
nN iN
XX
= |(An Bi )|
iN nN
X
||(Bi),
iN
la dernière inegalite decoulant du fait que les An Bi , n N forment une partition de Bi ,

et de la definition de ||(Bi ). En prenant le supremum sur les partitions (An )nN de B, on
trouve X
||(B) ||(Bi )
iN
ce qui achève de montrer que || est une mesure positive.

Comme linegalite |(A)| ||(A) est immediate, il reste à etablir que || est une mesure
finie.
Lemme 6.1.2 Si A A est tel que ||(A) = , alors il existe deux parties mesurables
disjointes B et C telles que A = B C et |(B)| > 1, ||(C) = .
Preuve
S du lemme. Puisque ||(A) = , on peut trouver une partition mesurable A =
nN An de A de fa
con que
X
|(An )| > 2(1 + |(A)|).
nN
1
On fait un abus de langage puisque dans la definition usuelle dune partition les elements de la partition
sont tous non vides, ce qui nest pas forcement le cas ici.
70
On a alors par exemple X
(An )+ > 1 + |(A)|
nN
P
(le cas symetrique nN (An ) > 1 + |(A)| se traite de la meme manière). On pose alors
[
B= An
{n:(An )>0}
de facon que X
(B) = (An )+ > 1 + |(A)|.
nN
De plus, si C = A\B,
|(C)| = |(A) (B)| |(B)| |(A)| > 1.
Par ailleurs, puisque A = B C et que || est une mesure on doit avoir ||(B) = ou
|(C)| = , ce qui donne le resultat du lemme quitte à echanger les roles de B et C si
necessaire.
Nous pouvons maintenant completer la preuve du theorème. On suppose que ||(E) =
. Alors, on peut trouver des parties mesurables disjointes B0 et C0 avec |(B0 )| > 1 et
||(C0) = . En appliquant de meme le lemme à C0 on trouve B1 et C1 disjoints tels que
C0 = B1 C1 , |(B1 )| > 1 et ||(C1) = . Par recurrence, on construit ainsi une suite de
parties mesurables disjointes (Bn )nN , telle que |(Bn )| > 1 pour tout n. Cela contredit le
fait que la serie X
(Bn )
nN
doit converger absolument, daprès la definition dune mesure signee. On conclut que
||(E) < .
Exemple. Soit une mesure positive sur (E, A), et soit g L1 (E, A, ). Alors la formule
Z
(A) = g d
A
definit une mesure signee. En effet, si A est la reunion disjointe dune suite (An ) de parties
mesurables, legalite X
(A) = (An )
nN
est obtenue en observant que
g 1A = lim g 1nk An dans L1 ,

k
daprès le theorème de convergence dominee. Nous verrons plus loin que dans ce cas || =
|g| .
71
6.2 La d
ecomposition de Jordan
Soit une mesure signee sur (E, A). Alors, on verifie immediatement que les formules
1
+ = ( + ||),
2
1
= (|| ),
2
definissent deux mesures positives finies sur (E, A). De plus, = + et || = + + .
Th eme 6.2.1 Soit une mesure signee sur (E, A). Il existe une partie mesurable B de
eor`
E, unique à un ensemble de ||-mesure nulle près, telle que + = 1B || et = 1Bc ||
(de manière equivalente, + , resp. , est la restriction de || à B, resp. à B c ). De plus,
on a pour tout A A,
+ (A) = + (A B) = (A B) , (A) = (A B c ) = (A B c ).
En consequence,
(A) = + (A B) (A B c ),
||(A) = + (A B) + (A B c ).
Preuve. On verifie immediatement que + || et ||, et donc les mesures + et

sont absolument continues par rapport à ||. Daprès le theorème de Radon-Nikodym,
il existe deux fonctions mesurables positives (finies) h1 et h2 telles que + = h1 || et
= h2 ||. Puisque + || et ||, on sait que 0 h1 1 et 0 h2 1.
Si h = h1 h2 , on a alors, pour tout A A,
Z
+
(A) = (A) (A) = (h1 h2 ) d||.
A
Il est facile de deduire de cette egalite que |h1 h2 | = 1, || p.p. En effet, soit r < 1, et soit
(An )nN une partition mesurable de Er = {x E : |h1 (x) h2 (x)| r}. Alors
X X Z

|(An )| = (h1 h2 )d||
nN nN An
XZ
|h1 h2 |d||
nN An
X
r ||(An )
nN
= r ||(Er ).
De la definition de ||, il decoule alors que ||(Er ) r ||(Er ), et donc ||(Er ) = 0. Comme
cela est vrai pour tout r < 1, on a |h1 h2 | 1 p.p. et linegalite inverse est triviale.
72
Les proprietes 0 h1 1, 0 h2 1 et |h1 h2 | = 1 || p.p. entranent que
||(dx) p.p. ou bien h1 (x) = 1 et h2 (x) = 0,

ou bien h1 (x) = 0 et h1 (x) = 0.
On pose alors B = {x E : h1 (x) = 1}. Daprès ce qui precède on a h1 = 1B et

h2 = 1Bc , || p.p. Cela donne les egalites + = 1B || et = 1Bc ||. Lunicite de B est
une consequence de lunicite de la densite dans le theorème de Radon-Nikodym. Les autres
proprietes de lenonce sont ensuite facilement etablies.
Remarque. Si = 1 2 est une autre decomposition de comme difference de deux
mesures positives finies, on a necessairement 1 + et 2 . En effet,
1 (A) 1 (A B) (A B) = + (A B) = + (A).
Int
egration par rapport ` a une mesure sign
ee.
1
Si f L (E, A, ||), on definit
Z Z Z Z
+
f d := f d f d = f (1B 1Bc )d||.
Il est alors immediat que Z Z

f d |f |d.
Proposition 6.2.2 Soit une mesure positive sur (E, A), soit g L1 (E, A, ), et soit la
mesure signee definie par Z
(A) = gd.
A
Alors || = |g| . De plus, pour toute fonction f L1 (E, A, ||), on a f g L1 (E, A, )),
et Z Z
f d = f g d.
Preuve. Avec les notations du theorème precedent, on a pour tout A A :

Z Z Z
c
||(A) = (A B) (A B ) = gd gd = gh d,
AB AB A
en posant h = 1B 1Bc . En prenant A = {x E : g(x)h(x) < 0}, on deduit facilement de

cette egalite que gh 0, p.p. Donc gh = |gh| = |g|, p.p., do`
u
Z
||(A) = |g|d.
A
Ensuite, on a Z Z
|f |d|| = |f | |g|d
73
et donc f L1 (||) f g L1 (). Legalite
Z Z
f d = f g d
est vraie par definition si f est etagee. Dans le cas, general, on utilise le fait quon peut
u les fonctions fn sont etagees et dominees en valeur absolue par |f |. Le
ecrire f = lim fn , o`
theorème de convergence dominee applique à + , et donne le resultat voulu.
Le theor`
eme de Radon-Nikodym pour les mesures sign ees.
Soit une mesure positive, et soit une mesure signee. On dit que est absolument
continue par rapport à (notation : ) si
A A, (A) = 0 (A) = 0.
Theor` eme 6.2.3 Soit une mesure signee et soit une mesure positive -finie. Les trois
proprietes suivantes sont equivalentes :
(i) .
(ii) Pour tout > 0, il existe > 0 tel que
A A, (A) ||(A) .
(iii) Il existe g L1 (E, A, ) telle que :

Z
A A, (A) = gd.
A
Preuve. (ii)(i) est evident. Montrons (i)(iii). Si , on aussi + et , et

donc le theorème de Radon-Nikodym
R pour les mesures positives
R permet decrire + = g1
et = g2 avec g1 , g2 0, g1 d = + (E) < et g2 d = (E) < . On obtient
ainsi (iii) avec g = g1 g2 .
Il reste à montrer (iii)(ii). Daprès la proposition precedente, on a || = |g| . De
plus, le theorème de convergence dominee entrane que
Z
lim |g| d = 0.
n {|g|n}
Donc, si > 0 est fixe, on peut choisir N assez grand de facon que
Z

|g| d < .
{|g|N } 2
Alors, en prenant = /(2N), on a, pour tout A A tel que (A) < ,

Z Z Z

||(A) = |g|d |g| d + |g| d + N = .
A {|g|N } A{|g|<N } 2 2N

74
6.3 e Lp Lq
La dualit
Soit une mesure positive sur (E, A). Soit p [1, ] et soit q lexposant conjugue de p.
Alors, si on fixe g Lq (E, A, ), la formule
Z
g (f ) = f g d
definit une forme lineaire continue sur Lp (E, A, ). En effet, linegalite de Holder montre
dune part que g (f ) est bien definie, dautre part que
|g (f )| Cg kf kp
avec Cg = kgkq . On voit aussi que la norme operateur de g , definie par
kg k = sup |g (f )|,
kf kp 1
verifie kg k kgkq .
La question est alors de savoir si lon obtient ainsi toutes les formes lineaires continues
sur Lp (E, A, ) (dans le cas p = q = 2, la theorie des espaces de Hilbert nous dit dejà que la
reponse est oui). Le theorème suivant donne la reponse lorsque p < .
Th eme 6.3.1 Soit une mesure -finie sur (E, A), soit p [1, [ et soit q lexposant
eor`
conjugue de p. Alors, si est une forme lineaire continue sur Lp (E, A, ), il existe une
unique g Lq (E, A, ) tel que, pour toute f Lp (E, A, ),
Z
(f ) = f g d.
De plus la norme operateur de est
kk = kgkq .
Aves les notations precedant le theorème, on voit que lapplication g g permet

didentifier Lq () au dual topologique de Lp () (cest à-dire à lespace vectoriel des formes
lineaires continues sur Lp (), muni de la norme operateur). Nous verrons en remarque que
cette propriete ne subsiste pas dans le cas p = .
Preuve. Supposons dabord (E) < . Alors, pour tout A A, posons
(A) = (1A ),
ce qui a bien un sens puisque 1A Lp (). On commence par verifier que est une mesure
signee sur (E, A). Soit (An )nN une famille denombrable de parties mesurables disjointes.
Si A designe la reunion des An , on a
X
1A = lim 1 An
k
nk
75
dans Lp () (par convergence dominee, facilement justifiee puisque la fonction 1 est dans
Lp ()). En utilisant la continuite de , on obtient ainsi
X X
(A) = lim 1An = lim (An ).
k k
nk nk
P
La convergence absolue de la serie (An ) est une consequence : en notant An = An si
(An ) > 0 et An = sinon, et A la reunion des An , on a

X X X
(An )+ = (An ) = lim (An ) = (A ) < ,
k
n n nk
et de meme pour les termes negatifsPde la suite ((An )). Une fois acquise la convergence
absolue de la serie, legalite (A) = n (An ) decoule de ce qui precède.
Si A A et (A) = 0, on a 1A = 0 dans Lp (E, A, ) et donc (A) = (1A ) = 0. Donc
et le theorème precedent montre quil existe une fonction g L1 (E, A, ) telle que
Z
A A , (1A ) = (A) = g d.
A
Legalite Z
(f ) = f g d
est vraie par linearite lorsque f est etagee, puis lorsque f est seulement mesurable bornee
puisquune telle fonction est limite uniforme (donc dans Lp () parce que est finie) de
fonctions etagees.
Montrons maintenant que g Lq ().
Si p = 1, alors pour tout A A,

Z

gd = |(1A )| kk k1A k1 = kk (A)
A
ce qui entrane facilement que |g| kk, p.p. (pour le voir considerer A = {g >
kk + } ou A = {g < kk }), et donc kgk kk.
Si p ]1, [, on pose En = {x E : |g(x)| n}, puis fn = 1En |g|q1signe(g). Comme fn

est bornee, on a
Z Z Z 1/p
q
|g| d = fn g d = (fn ) kk kfn kp = kk |g|q d ,
En En
do`
u Z
|g|q d kkq .
En
En faisant tendre n vers , on trouve par convergence monotone que kgkq kk.
76
Dans les deux cas, on a obtenu que g Lq () et kgkq kk. Vus comme fonctions de
f Lp (), les deux membres de legalite
Z
(f ) = f g d
sont des fonctions continues sur Lp () qui concident lorsque f appartient au sous-ensemble
dense des fonctions mesurables bornees. Elles concident donc partout.
Par ailleurs, comme explique avant lenonce de theorème, linegalite de Holder entrane
que kk kgkq , et comme linegalite inverse a ete obtenue ci-dessus, on a kk
R = kgkq .
Enfin, lapplication qui à g Lq () associe la forme lineaire f f g d est une
isometrie de Lq () sur le dual topologique de Lp () (i.e. lespace des formes lineaires contin-
ues sur Lp ()) et est donc necessairement injective. Cela donne lunicite de g dans lenonce
du theorème.
Il reste à traiter le cas (E) = . Dans ce cas, on peut ecrire E comme la reunion dune
famille denombrable disjointe (En )nN de parties mesurables telles que (En ) < pour tout
n. Notons n la restriction de à En . Alors lapplication f f 1En induit une isometrie
de Lp (n ) sur un sous-espace de Lp (). En remplacant par n on peut donc appliquer la
première partie de la preuve à la forme lineaire continue n definie sur Lp (n ) par
n (f ) = (f 1En ).
Il existe donc une fonction gn Lq (n ) telle que, pour toute fonction f Lp (n ),
Z
(f 1En ) = f gn dn .
Quitte à remplacer gn par gn 1En on peut supposer que gn = 0 sur Enc , et reecrire le resultat
precedent sous la forme Z
(f 1En ) = f gn d,
pour toute fonction f Lp ().

Si f Lp (), on a X
f = lim f 1E n dans Lp (),
k
nk
ce qui entrane Z X
(f ) = lim f gn d.
k
nk
Par ailleurs, de linegalite

Z X X
f gn d = (f 1En ) kk kf kp
nk nk
u (E) < que, pour tout entier

on deduit grace aux memes arguments que dans le cas o`
k 1, X
k gn kq kk.
nk
77
Posons maintenant pour tout x E,
X
g(x) = gn (x)
nN
(il y a eu plus un terme non nul dans la somme pour chaque x). Si q = , linegalite
precedente montre que kgk kk. Si q < , la meme inegalite donne
Z XZ XZ
q q
|g| d = |gn | d = lim |gn |q d kkq .
k
nN nk
Dans les deux cas on a g Lq (). Enfin,

Z X Z
(f ) = lim f gn d = f g d,
k
nk
o`
u dans la deuxièmePegalite lapplication du theorème de convergence dominee est justifiee
par la majoration | nk gn | |g|.
Legalite kk = kgkq et lunicite de g sont maintenant obtenues par les memes arguments
que dans le cas o` u (E) < .
Remarque. Lorsque p = , le resultat du theorème est faux en general : il existe des

R eaires continues sur L (E, A,1 ) qui ne peuvent pas se representer
formes lin

sous la forme
(f ) = f g d avec une fonction g L (E, A, ). Considerons le cas de , qui est lespace
des suites bornees a = (ak )kN de reels, muni de la norme kak = sup ak . Soit H le sous-
espace (ferme) de defini par
H = {a : lim ak existe},
k
et definissons : H R par
(a) = lim ak .
k
Evidemment |(a)| kak . Le theorème de Hahn-Banach permet alors de prolonger à

une forme lineaire sur , de facon que la propriete |(a)| kak reste vraie pour tout
a . Il est facile de voir quon ne peut pas representer sous la forme
X
(a) = ak bk
kN
avec un element b = (bk )kN de 1 . En effet, si tel etait le cas, en considerant pour tout
(n)
n N lelement a(n) de defini par ak = 1{k=n}, on trouverait, pour tout n N,
bn = (a(n) ) = 0,
ce qui est absurde.
78
6.4 Le th
eor`
eme de repr
esentation de Riesz
Dans tout ce paragraphe, nous supposons que E est un espace metrique localement compact
separable. On note C0 (E) lespace des fonctions continues sur E qui tendent vers 0 à linfini :
f C0 (E) si et seulement si f est continue et si pour tout > 0 il existe un compact K de
E tel que |f (x)| < pour tout x E\K. Lespace C0 (E) est un espace de Banach pour la
norme
kf k = sup |f (x)|.
xE
Si est une mesure signee sur (E, B(E)), lapplication

Z
(f ) = f d , f C0 (E),
E
definit une forme lineaire continue sur C0 (E). De plus, cette forme lineaire est continue
puisque Z
|(f )| |f | d|| ||(E) kf k.
E
Cette inegalite montre meme que kk ||(E).
Th
eorème 6.4.1 Soit une forme lineaire continue sur C0 (E). Il existe alors une unique
mesure signee sur (E, B(E)) telle que
Z
f C0 (E) , (f ) = f d.
E
Nous renvoyons au chapitre 6 de Rudin [7] pour une preuve qui traite en fait le cadre
complexe plus general.
Remarque. Lespace M(E) des mesures signees sur E est un espace vectoriel, et il est facile
de verifier que lapplication ||(E) definit une norme sur cet espace vectoriel. De plus,
M(E) est complet pour cette norme. Le theorème precedent peut etre alors reformule en
disant que M(E) est le dual topologique de C0 (E).
Lorsque E est compact, lespace C0 (E) concide avec lespace Cb (E) des fonctions con-
tinues bornees sur E, et donc M(E) est le dual de Cb (E). Cette assertion devient fausse
lorsque E nest pas compact, par exemple lorsque E = R. Dans ce cas, il existe des formes
lineaires continues sur Cb (E) qui ne se representent pas par des mesures signees (on peut en
construire en adaptant lexemple de la fin de la partie precedente).
79
80
Chapitre 7
Formule de changement de variables

et compl
ements
La formule de changement de variables identifie limage par un diffeomorphisme de la mesure

de Lebesgue sur un ouvert de Rd . Après le theorème de Fubini, cest le deuxième outil
fondamental de calcul des integrales. Comme application particulièrement importante, on
donne ici la formule dintegration en coordonnees polaires dans Rd , ce qui conduit aussi à
introduire la mesure de Lebesgue sur la sphère unite.
7.1 La formule de changement de variables

Nous commencons par traiter le cas particulier important dune application affine.
Proposition 7.1.1 Soit b Rd et soit M une matrice d d à coefficients reels inversible.

Definissons f : Rd Rd par f (x) = Mx + b. Alors, pour tout borelien A de Rd ,
(f (A)) = |det(M)| (A).
Remarque. Si M nest pas inversible, f (A) f (Rd ) est contenu dans un hyperplan, qui
est de mesure de Lebesgue nulle (exercice !).
Preuve. Remarquons dabord que f (A) = (f 1 )1 (A) B(Rd ) si A B(Rd ). Grace à
linvariance par translation de la mesure de Lebesgue, on se ramène au cas b = 0. Dans ce
cas, on a pour tous a Rd et A B(Rd ),
(f (a + A)) = (f (a) + f (A)) = (f (A)),
ce qui montre que la mesure A (f (A)) (mesure-image de par f 1 ) est invariante par
translation. Donc il existe une constante c telle que, pour tout A B(Rd ),
(f (A)) = c (A).
Il reste à montrer que c = |det(M)|.
81
Si M est une matrice orthogonale, et Bd designe la boule unite fermee de Rd , on a
u il decoule aussitot que c = 1 = |det(M)| dans ce cas.
f (Bd ) = Bd , do`
Si M est une matrice symetrique definie positive, alors on peut trouver une matrice or-
thogonale P telle que t P MP soit diagonale avec coefficients diagonaux i > 0, i {1, . . . , d}.
Alors,
d
Y
d d
f (P ([0, 1] )) = {MP x : x [0, 1] } = {P y : y [0, i ]},
i=1
et donc, en utilisant le cas orthogonal,
d
Y Y
d Yd
c = c (P ([0, 1]d)) = (f (P ([0, 1]d))) = {P y : y [0, i]} = [0, i ] = i .
i=1 i=1 i=1
Dans ce cas on trouve encore c = |det(M)|.

Enfin, dans le cas general, on remarque quon peut
ecrire M = P S, o`
u P est orthogonale
t 1
et S est symetrique definie positive (prendre S = MM et P = MS ). En utilisant les
deux cas particuliers ci-dessus, on trouve aussitot :
c = |det(P )| |det(S)| = |det(M)|.

Soient U et D deux ouverts de Rd . On dit quune application : U D est un
diffeomorphisme de classe C 1 si est bijective et de classe C 1 sur U et si 1 est aussi de
classe C 1 sur D. On sait qualors la derivee (u) est inversible, pour tout u U.
Theorème 7.1.2 Soit : U D un diffeomorphisme de classe C 1 . Alors pour toute

fonction borelienne f : D R+ ,
Z Z
f (x) dx = f ((u)) |J(u)| du ,
D U
u J (u) = det( (u)) est le Jacobien de en u.

o`
Preuve. Par les arguments habituels (passage à la limite croissant) on se ramène au cas o` u
f est etagee positive, puis au cas f = 1A , A etant un borelien de D. Dans ce cas, legalite
du theorème secrit : Z
(A) = |J (u)| du.
1 (A)
Quitte à remplacer A par 1 (A), il suffit de montrer que, pour tout borelien A de U,
Z
((A)) = |J (u)| du. (7.1)
A
(Remarquer que (A) = (1 )1 (A) est borelien.)
82
Lemme 7.1.3 Soit K un compact de U et soit > 0. Alors on peut choisir > 0 assez
petit de manière que, pour tout cube C de faces parallèles aux axes, de centre u0 K et de
cote de longueur inferieure à ,
(1 )|J (u0 )| (C) ((C)) (1 + )|J (u0 )| (C).
Preuve du lemme. En utilisant la continuite de , on voit quon peut choisir > 0 assez
petit pour que dune part < 1d dist(K, U c ) et dautre part, pour tout u0 K et tout u Rd
tel que |u u0 | < d,
|(u) (u0 ) (u0 ) (u u0 )| |u u0 |.
Notons f (v) = (u0 ) + (u0 ) v pour v Rd . On voit que, si |u u0 | < d,
(u) = f (u u0 ) + h(u, u0 ),
avec |h(u, u0)| |u u0 |. En prenant g(u, u0) = (u0 )1 h(u, u0), on trouve que
(u) = f (u u0 + g(u, u0)),
u |g(u, u0)| a|u u0 |, avec a := sup{k (v)1 k; v K} < .
o`
Soit maintenant C un cube centre en u0 et de cote r . Il decoule de ce qui precède
que
e
(C) f ((1 + da)C),
o`
uCe est le cube translate de C centre en 0. Grace à la proposition ci-dessus, il vient alors
e = |det (u0 )| ((1 + da)C)
((C)) (f ((1 + da)C)) e = (1 + da)d |J (u0 )| (C),
ce qui donne la majoration souhaitee. La preuve de la minoration est analogue : on montre

que pour une constante c bien choisie, on a
e C,
1 (f ((1 c )C))
do`
u
e (C)
f ((1 c )C)
et on conclut de la meme manière.
On revient à la preuve du theorème. Soit n 1 un entier. On appelle cube elementaire
dordre n tout cube de la forme
d
Y
C= ]kj 2n , (kj + 1)2n ] , kj Z.
j=1
On note Cn lensemble des cubes elementaires dordre n.

Soit C0 un cube elementaire dordre n0 fixe, tel que C0 U, et soit > 0. Fixons n n0
assez grand pour que dune part la conclusion du lemme soit vraie pour K = C0 et = 2n ,
et dautre part, pour tous u, v K tels que |u v| d,
(1 )|J (u)| |J (v)| (1 + )|J (u)|. (7.2)
83
Alors, en notant xC le centre dun cube C,
X
((C0 )) = ((C))
CCn
CC0
X
(1 + ) |J (xC )| (C)
CCn
CC0
X Z
2
(1 + ) |J (u)| du
CCn C
CC0
Z
2
= (1 + ) |J (u)| du.
C0
On a utilise le lemme dans la première inegalite, et (7.2) dans la seconde. On obtient de

meme la minoration Z
((C0 )) (1 )2 |J (u)| du.
C0
Comme etait arbitraire, on conclut que

Z
((C0 )) = |J (u)| du.
C0
On a donc obtenu (7.1) lorsque A est un cube elementaire dadherence contenue dans A.
Le cas general decoule maintenant darguments de classe monotone. Notons la mesure-
image de la mesure de Lebesgue sur D par 1 :
(A) = ((A))
pour tout borelien A de U. Soit aussi

Z

e(A) = |J (u)| du.
A
On a obtenu que (C) = e(C) pour tout cube elementaire C dadherence contenue dans U.
Dautre part, si Un designe la reunion (disjointe) des cubes elementaires dordre n dadherence
contenue dans U {u : |u| n}, on a Un U quand n et (Un ) = e(Un ) < pour
tout n. Comme la classe des cubes elementaires dadherence contenue dans U est stable par
intersection finie et engendre la tribu borelienne B(U), on peut appliquer le dernier corollaire
du Chapitre 1 pour conclure que = e, ce qui etait le resultat recherche.
Application `
a lint
egrale en coordonn
ees polaires.
On prend d = 2, U =]0, [] , [ et D = R2 \{(x, 0); x 0}. Alors lapplication
(r, ) = (r cos , r sin ) , (r, ) U
84
est un diffeomorphisme de classe C 1 de U sur D. On calcule facilement

cos r sin
(r, ) =
sin r cos
et donc J (r, ) = r.
Il decoule du theorème que, pour toute fonction borelienne f : R2 R+ ,
Z Z Z Z
f (x, y) dxdy = f (r cos , r sin ) r drd = f (r cos , r sin ) r drd.
D U 0
Comme la demi-droite negative est de mesure de Lebesgue nulle dans R2 , on a aussi

Z Z Z
f (x, y) dxdy = f (r cos , r sin ) r drd.
R2 0
2 2
Exemple. Pour f (x, y) = exp(x y ), le theorème de Fubini-Tonnelli donne dune part
Z Z + 2
x2 y 2 2
e dxdy = ex dx
R2
et dautre part
Z Z Z
2
f (r cos , r sin ) r drd = 2 er r dr = ,
0 0
ce qui donne la valeur Z +

2
ex dx = .

7.2 Mesure de Lebesgue sur la sph`

ere unit
e
Dans cette partie on note d la mesure de Lebesgue sur Rd . Soit S d1 la sphère unite de Rd :
S d1 = {x Rd : |x| = 1}.
Si A B(S d1 ), on note (A) le borelien de Rd defini par
(A) = {rx; r [0, 1] et x A}.
Th eme 7.2.1 Pour tout A B(S d1 ), on pose

eor`
d (A) = d d ((A)).
Alors d est une mesure positive finie sur S d1 , qui est invariante par les isometries vecto-
rielles. De plus, pour toute fonction borelienne f : Rd R+ ,
Z Z Z
f (x) dx = f (rz) r d1 dr d (dz). (7.3)
Rd 0 S d1
Enfin la masse totale de d (volume de la sphère unite) est

2 d/2
d (S d1 ) = .
(d/2)
85
Remarque. On peut aussi montrer que toute mesure finie sur S d1 invariante par les
isometries vectorielles est proportionnelle à d .
Preuve. Il est immediat que d est une mesure positive finie sur S d1 : on peut la voir
x
comme limage de la restriction de d d à la boule unite Bd par lapplication x |x| . Le
d
fait que d soit invariante par les isometries vectorielles de R (proposition de la partie 1)
entrane facilement que d lest aussi. En effet, si est une telle isometrie,
d ((1 (A))) = d (1 ((A))) = d ((A)).
La masse totale de d est
d/2 2 d/2
d (S d1 ) = d d (Bd ) = d = .
( d2 + 1) ( d2 )
Il reste à etablir (7.3). Il suffit de traiter le cas f = 1B , où B est un borelien de Rd \{0}.
La formule Z Z
(B) = 1B (rz) r d1 dr d (dz)
0 S d1
definit une mesure sur Rd \{0} et le problème est de montrer que = d . Considerons
dabord le cas o`
u B est de la forme
x
B = {x Rd \{0}; a < |x| b et A},
|x|
u A est un borelien de S d1 , et 0 < a b. Alors,

o`
Z b
bd ad
(B) = d (A) r d1 dr = d (A).
a d
a
Pour calculer d (B), notons = b
]0, 1[, et pour tout entier n 0 posons
n (A) = {y = rx; n+1 < r n et x A}.
Alors, d (n (A)) = nd d (0 (A)) et par ailleurs

X
d ((A)) = d (n (A)).
n=0
Il en decoule aussitot que
1 d
d (0 (A)) = (1 d ) d ((A)) = d (A),
d
et puisque B = b 0 (A),
bd ad
d (B) = bd d (0 (A)) = d (A) = (B).
d
86
Finalement, la classe des ensembles B de la forme ci-dessus est stable par intersections
finies, et on voit facilement quelle engendre la tribu borelienne sur Rd \{0}. Les arguments
de classe monotone habituels montrent alors que = d .
Si f : Rd R+ est une fonction radiale, au sens où f (x) = f (|x|), le theorème montre
que Z Z
f (x) dx = cd f (r) r d1 dr,
Rd 0
avec cd = d (S d1 ).
87
88
Partie II
Probabilit
es
89
Chapitre 8
Fondements de la th
eorie des
probabilit
es
Ce chapitre introduit les notions fondamentales de la theorie des probabilites : variables

aleatoires, esperance, loi, moments de variables aleatoires, fonctions caracteristiques, etc.
Puisque un espace de probabilite nest rien dautre quun espace mesurable muni dune
mesure de masse totale 1, beaucoup de ces notions correspondent à ce qui a dejà ete vu dans
le cadre de la theorie de lintegration. Par exemple une variable aleatoire nest rien dautre
quune fonction mesurable, et la notion desperance concide avec lintegrale. Cependant, le
point de vue de la theorie des probabilites, qui est explique ci-dessous, est bien different,
et une difficulte importante est de comprendre ce point de vue. Ainsi, la notion de loi, qui
est un cas particulier de la notion de mesure-image, devient-elle maintenant fondamentale
car elle permet devaluer la probabilite quune variable aleatoire tombe dans un ensemble
donne.
8.1 D
efinitions g
en
erales
8.1.1 Espaces de probabilit
e
Soit (, A) un espace mesurable, et soit P une mesure de probabilite sur (, A). On dit
alors que (, A) est un espace de probabilite.
Un espace de probabilite est donc un cas particulier despace mesure, pour lequel la masse
totale de la mesure est egale à 1. En fait, le point de vue diffère de la theorie de lintegration :
dans le cadre de la theorie des probabilites, on cherche à fournir un modèle mathematique
pour une experience aleatoire.
represente lensemble de toutes les eventualites possibles, toutes les determinations du

hasard dans lexperience consideree.
A est lensemble des evenements, qui sont les parties de dont on peut evaluer la
probabilite. Il faut voir un evenement A A comme un sous-ensemble de contenant
toutes les eventualites pour lesquelles une certaine propriete est verifiee.
91
Pour A A, P (A) represente la probabilite doccurrence de levenement A. Dans les
premiers traites de theorie des probabilites, longtemps avant lintroduction de la theorie
de la mesure, la probabilite P (A) etait definie de la manière suivante : on imagine
quon repète lexperience aleatoire un nombre N de fois, et on note NA le nombre
de repetitions pour lesquelles levenement A est realise; alors, la proportion NA /N
converge quand N vers la probabilite P (A). Nous verrons plus loin le lien entre
cette definition historique et lapproche moderne.
Exemples. (1) On lance un de deux fois :
Card(A)
= {1, 2, . . . , 6}2 , A = P() , P (A) = .
36
Le choix de la probabilite correspond à lidee que tous les resultats possibles pour les deux
tirages sont equiprobables.
(2) On lance le de jusquà obtenir un 6. Ici le choix de est dejà moins evident. Comme
le nombre de lancers necessaires nest a priori pas borne, le bon choix est dimaginer quon
fait une infinite de lancers :

= {1, 2, . . . , 6}N
de sorte quun element de est une suite = (1 , 2, . . .) qui donne les resultats des tirages
successifs. La tribu A sur est la tribu-produit definie comme la plus petite tribu rendant
mesurables tous les ensembles de la forme
{ : 1 = i1 , 2 = i2 , . . . , n = in }
u n 1 et i1 , . . . , in {1, 2, . . . , 6} (A concide aussi avec la tribu borelienne pour la

o`
topologie produit sur ). Enfin P est lunique mesure de probabilite sur telle que, pour
tout choix de n et de i1 , . . . , in ,
1
P ({ : 1 = i1 , 2 = i2 , . . . , n = in }) = ( )n .
6
Lunicite de P est une consequence simple du lemme de classe monotone. Lexistence est
un cas particulier de la construction de mesures sur des produits infinis. On peut aussi
construire P facilement partir de la mesure dePLebesgue sur [0, 1] : si à tout reel x [0, 1]
on associe la suite (k )kN telle que x = k=1 (k 1) 6
k
(cette suite est unique pour
presque tout x), la probabilite P est obtenue comme mesure-image de la mesure de Lebesgue
sur [0, 1] par lapplication x (k )kN .
(3) On sinteresse au deplacement dans lespace dune particule ponctuelle soumise à des
perturbations aleatoires. Si on se limite à lintervalle de temps [0, 1], lespace de probabilite
naturel est C([0, 1], R3 ) : un element de , une trajectoire possible, est une fonction continue
: [0, 1] R3 . La tribu sur est alors la plus petite tribu qui rende mesurables toutes
les applications coordonnees (t) pour t R+ . Cette tribu concide avec la tribu
borelienne pour la topologie de la convergence uniforme sur . Il resterait à construire la
probabilite P , pour laquelle de multiples choix sont possibles. Lexemple le plus important,
92
à la fois du point de vue theorique et pour les applications, est la mesure de Wiener, qui est
la loi du mouvement brownien.
Remarque importante. Très souvent dans la suite, on ne specifiera pas le choix de lespace
de probabilite. Les donnees importantes seront les proprietes des fonctions definies sur cet
espace, les variables aleatoires.
8.1.2 Variables al
eatoires
Definition 8.1.1 Soit (E, E) un espace mesurable. Une application mesurable X : E
est appelee variable aleatoire (v.a. en abrege) à valeurs dans E.
Exemples. En reprenant les trois exemples ci-dessus :

(1) X((i, j)) = i + j definit une variable aleatoire à valeurs dans {1, 2, . . . , 12}.
(2) X() = inf{j : j = 6}, avec la convention inf = , definit une v.a. à valeurs dans
= N {}. Pour verifier la mesurabilite, on observe que, pour tout k 1,
N
X 1 ({k}) = { : 1 6= 6, 2 6= 6, . . . , k1 6= 6, k = 6}.
(3) Pour t [0, 1] fixe, X() = (t) est une v.a. à valeurs dans R3 . (Remarquons que nous
navons pas construit P dans cet exemple, mais cela nintervient pas pour les questions de
mesurabilite.)
Definition 8.1.2 La loi de la variable aleatoire X est la mesure-image de P par X. Cest

donc la mesure de probabilite sur (E, E), notee PX , definie par
PX (B) = P (X 1 (B)) , B E.
En pratique on ecrit plutot :
PX (B) = P (X B) (= P ({ : X() B}) ).
La loi PX permet de calculer la probabilite des evenements qui dependent de la v.a. X. Il

faut comprendre quà chaque on a associe un point aleatoire X() dans E, et que
PX (B) est la probabilite que ce point aleatoire tombe dans B.
Remarque. Si est une mesure de probabilite sur Rd , ou sur un espace plus general, il
existe une manière canonique de construire une variable aleatoire dont la loi est . Il suffit
de prendre = Rd , A = B(Rd ), P = , puis de poser X() = . La loi de X est , de
manière evidente.
Cas particuliers.
Variables aleatoires discr` u E est denombrable (et E est lensemble
etes. Cest le cas o`
des parties de E). La loi de X est alors
X
PX = px x
xE
93
o`
u px = P (X = x) et x designe la la mesure de Dirac en x. En effet,
[ X X
PX (B) = P (X B) = P ( {X = x} = P (X = x) = px x (B).
xB xB xE
En pratique, trouver la loi dune v.a. discrète, cest donc calculer toutes les probabilites
P (X = x) pour x E.
Exemple. Revenons à lexemple (2) ci-dessus, avec X() = inf{j : j = 6}. Alors, pour
tout k 1,
[ 1 1 5
P (X = k) = P {1 = i1 , . . . , k1 = ik1 , k = 6} = 5k1 ( )k = ( )k1.
i ,...,i 6=6
6 6 6
1 k1
P
Remarquons que k=1 P (X = k) = 1 et donc P (X = ) = 1 P (X N) = 0. Observons
que lensemble {X = } est loin detre vide puisquil contient toutes les suites (i1 , i2 , . . .)
qui ne prennent pas la valeur 6.
Variables al eatoires ` e. Une variable aleatoire X à valeurs dans (Rd , B(Rd )) est
a densit
dite à densite si PX est absolument continue par rapport à la mesure de Lebesgue .
Dans ce cas, le theorème de Radon-Nikodym montre quil existe une fonction borelienne
p : Rd R+ telle que Z
PX (B) = p(x) dx.
B
R
On a en particulier Rd p(x)dx = P (X Rd ) = 1. La fonction p, qui est unique à en ensemble
de mesure de Lebesgue nulle près, est appelee la densite de (la loi de) X.
Si d = 1, on a en particulier, pour tous ,
Z
P ( X ) = p(x) dx.

8.1.3 Esp
erance math
ematique
Definition 8.1.3 Soit X une variable aleatoire reelle (i.e. à valeurs dans R). On note
alors Z
E[X] = X() P (d),

qui est bien definie dans les deux cas suivants :
si X 0 (alors E[X] [0, ]), R
si X est de signe quelconque et E[|X|] = |X|dP < .
On etend cette definition au cas o` u X = (X1 , . . . , Xd ) est une variable aleatoire à valeurs
d
dans R en prenant alors E[X] = (E[X1 ], . . . , E[Xd ]), pourvu bien s ur que chacune des
esperances E[Xi ] soit bien definie.
Remarque. Si X = 1B , E[X] = P (B). En general, E[X] sinterprète comme la moyenne

de la v.a. X. Dans le cas particulier o`
u est fini et P attribue la meme valeur à chaque
singleton, E[X] est bien la moyenne au sens usuel des valeurs prises par X.
94
Proposition 8.1.1 Soit X une variable aleatoire à valeurs dans (E, E). Pour toute fonction
mesurable f : E [0, ], on a
Z
E[f (X)] = f (x) PX (dx).
E
Preuve. Cest evidemment une propriete generale des mesures-images dejà rencontree dans
le cours dintegration. On remarque que le resultat est vrai par definition pour f = 1B puis
par linearite pour toute fonction etagee positive. Dans le cas general, on utilise le theorème
de convergence monotone et le fait que toute fonction mesurable positive est limite croissante
dune suite de fonctions etagees positives.
Si f est de signe quelconque, la formule de la proposition reste vraie à condition que les
integrales soient bien definies, ce qui revient à E[|f (X)|] < .
La donnee de PX permet donc de calculer la valeur moyenne de variables aleatoires de
la forme f (X). Inversement, on utilise souvent la proposition pour calculer la loi dune v.a.
X : si on arrive à ecrire Z
E[f (X)] = f d
pour toute fonction f suffisamment generale, alors on peut identifier à la loi de X.

Donnons un exemple simple de ce principe.
Proposition 8.1.2 Soit X = (X1 , . . . , Xd ) une v.a. à valeurs dans Rd . Supposons que la
loi de X a une densite p(x1 , . . . , xd ). Alors, pour tout j {1, . . . , d}, la loi de Xj a une
densite donnee par
Z
pj (x) = p(x1 , . . . , xj1 , x, xj+1 , . . . , xd ) dx1 . . . dxj1 dxj+1 . . . dxd
Rd1
(par exemple, si d = 2,
Z Z
p1 (x) = p(x, y) dy , p2 (y) = p(x, y) dx).
R R
Preuve. Soit j la projection j (x1 , . . . , xd ) = xj . En utilisant le theorème de Fubini, on

ecrit, pour toute fonction borelienne f : R R+ ,
Z
E[f (Xj )] = E[f (j (X))] = f (xj )p(x1 , . . . , xd ) dx1 . . . dxd
R d
Z Z
= f (xj ) p(x1 , . . . , xd ) dx1 . . . dxj1 dxj+1 . . . dxd dxj
d Rd1
ZR
= f (xj )pj (xj ) dxj ,
R
ce qui donne le resultat voulu.
95
Remarque. Si X = (X1 , . . . , Xd ) est une v.a. à valeurs dans Rd , les lois PXj , quon appelle
souvent les lois marginales de X, sont determinees par la loi de X, simplement parce que
PXj = j (PX ), avec la notation ci-dessous. Il est important dobserver que :
la r
eciproque est fausse !
Pour un exemple, considerons une densite de probabilite q sur R, et observons que la fonction
p(x1 , x2 ) = q(x1 )q(x2 ) est alors aussi une densite de probabilite sur R2 . Daprès une remarque
ci-dessus on peut construire une v.a. X = (X1 , X2 ) à valeurs dans R2 dont la loi est la
mesure de densite p par rapport à la mesure de Lebesgue. Mais alors les deux v.a. X et
X = (X1 , X1 ) ont memes lois marginales (la proposition ci-dessus montre que PX1 (dx) =
PX2 (dx) = q(x)dx) alors que les lois PX et PX sont très differentes, simplement parce que
PX est portee par la diagonale de R2 , qui est de mesure de Lebesgue nulle.
8.1.4 Exemple : le paradoxe de Bertrand

Pour illustrer les notions introduites dans les paragraphes precedents, considerons le problème
suivant. On sinteresse à la probabilite quune corde choisie au hasard sur un cercle ait une
longueur plus grande que le cote du triangle equilateral inscrit. Sans perte de generalite on
peut supposer que le cercle est le cercle unite. Bertrand proposait deux methodes de calcul :
(a) On choisit les deux extremites de la corde au hasard sur le cercle. La première etant
choisie, la longueur de la corde sera plus grande que le cote du triangle equilateral inscrit
si et seulement si la seconde extremite est dans un secteur angulaire douverture 2/3.
La probabilite est donc 2/3
2
= 31 .
(b) On choisit le centre de la corde au hasard sur le disque unite. La probabilite desiree
est la probabilite que le centre tombe dans le disque de rayon 1/2 centre à lorigine.
Comme laire de ce disque est un quart de laire du disque unite, on trouve comme
probabilite 41 .
On obtient donc un resultat different dans les deux cas. Lexplication tient dans le fait
que les deux methodes correspondent à des experiences aleatoires differentes, representees
par des choix differents de lespace de probabilite. Il ny a donc aucune raison pour que la
loi de la variable aleatoire que lon considère (la longueur de la corde) soit la meme dans les
deux cas. Pour nous en convaincre, explicitons les choix des espaces de probabilite.
(a) Dans ce cas,
1
= [0, 2[2 , A = B([0, 2[2 ) , P (d) = 2
d d ,
4
u on note = (, ) pour . La longueur de la corde est
o`

X() = 2| sin( )|.
2
96
On calcule facilement la loi de X :
Z
E[f (X)] = f (X()) P (d)

Z 2 Z 2
1
= f (2| sin( )|) dd
4 2 0 0 2
Z
1 u
= f (2 sin( )) du
0 2
Z 2
1 1
= f (x) q dx.
0 1 4 x2
Donc X est une v.a. reelle à densite : PX (dx) = p(x)dx, avec

1 1
p(x) = q 1[0,2] (x).
1 x2
4
En particulier, la probabilite recherchee est

Z 2
1
P (X 3) =
p(x) dx = .
3 3
(b) Maintenant,
1
= { = (y, z) R2 : y 2 + z 2 < 1} , A = B() , P (d) = 1 (y, z) dy dz.

La longueur de la corde est p
X() = 2 1 y2 z2
et pour calculer sa loi on ecrit
Z p
1
E[f (X)] = f (2 1 y 2 z 2 ) 1{y2 +z 2 <1} dydz
R2
Z 1
= 2 f (2 1 r 2 ) r dr
Z0 2
1
= f (x) x dx.
2 0
Donc PX (dx) = p(x)dx, avec

1
1[0,2] (x) x dx.
p(x) =
2
On peut remarquer que la densite obtenue est très differente de celle du cas (a). En parti-
culier, Z 2
1
P (X 3) = p(x) dx = .
3 4
Exercice. Traiter le cas de la troisième methode proposee par Bertrand : on choisit au
hasard la direction du rayon orthogonal à la corde, puis le centre de la corde uniformement
sur ce rayon.
97
8.1.5 Lois classiques
On donne dans ce paragraphe quelques exemples importants de lois.
Lois discr`
etes.
(a) Loi uniforme. Si E est un ensemble fini, Card(E) = n, une v.a. X est de loi uniforme
sur E si
1
P (X = x) = , x E.
n
(b) Loi de Bernoulli de paramètre p [0, 1]. Cest la loi dune v.a. X à valeurs dans {0, 1}
telle que
P (X = 1) = p , P (X = 0) = 1 p.
On interprète X comme le resultat du lancer dune pièce truquee qui tombe sur pile
avec probabilite p.
(c) Loi binomiale B(n, p) (n N , p [0, 1]). Cest la loi dune v.a. X à valeurs dans
{1, . . . , n} telle que
P (X = k) = Cnk pk (1 p)nk .
On interprète X comme le nombre de piles obtenus en n lancers avec la pièce precedente.
(d) Loi geometrique de paramètre p ]0, 1[. Cest la loi dune v.a. X à valeurs dans N, telle
que
P (X = k) = (1 p) pk .
X est le nombre de piles obtenus avant le premier face.
(e) Loi de Poisson de paramètre > 0. X est une v.a. à valeurs dans N, et
k
P (X = k) = e , k N.
k!
On calcule facilement E[X] = . La loi de Poisson est très importante aussi bien
du point de vue theorique que dans les applications. Intuitivement, elle correspond
au nombre devenements rares qui se sont produits durant une periode longue. La
traduction mathematique de cette intuition est lapproximation binomiale de la loi de
Poisson : si pour tout n 1, Xn suit une loi binomiale B(n, pn ) et si npn quand
n , alors pour tout entier k N,
k
lim P (Xn = k) = e .
n k!
Lois continues. Dans les trois exemples qui suivent, X est une v.a. à valeurs dans R, à
densite p(x).
(a) Loi uniforme sur [a, b] (a < b).

1
p(x) = 1[a,b] (x).
ba
98
(b) Loi exponentielle de paramètre > 0.
p(x) = ex 1R+ (x).
Les lois exponentielles possèdent la propriete caracteristique suivante : si a, b > 0,
P (X > a + b) = P (X > a) P (X > b),
ce quon interprète en disant que la probabilite que X a > b sachant que X > a
concide avec la probabilite que X > b. Cest la propriete dabsence de memoire de
la loi exponentielle, qui explique quelle soit utilisee par exemple pour modeliser les
temps de vie de machine sans usure.
(c) Loi gaussienne, ou normale, N (m, 2 ) (m R, > 0).
1 (x m)2
p(x) = exp .
2 2 2
Avec la loi de Poisson, cest la loi la plus importante en theorie des probabilites. Sa
densite est la fameuse courbe en cloche. Les paramètres m et sinterprètent comme
m = E[X] , 2 = E[(X m)2 ].
On remarque aussi que X m suit la loi N (0, 2). La loi gaussienne jouera un role
important dans le Chapitre 10.
Par convention on dira quune v.a. constante egale à m suit la loi gaussienne N (m, 0).
Si X suit la loi N (m, 2), pour tous , R, X + suit la loi N (m + , 2 2 ).
8.1.6 Fonction de r
epartition dune variable al
eatoire r
eelle
Si X est une v.a. reelle, la fonction de repartition de X est la fonction FX : R [0, 1]
definie par
FX (t) = P (X t) = PX (] , t]) , t R.
La fonction FX est croissante, continue à droite et a pour limite 0 en et 1 en +.
Inversement, si on se donne une fonction F ayant ces proprietes, on a vu dans le cours
dintegration quil existe une (unique) mesure de probabilite telle que (] , t]) = F (t)
pour tout t R. Cela montre quon peut interpreter F comme la fonction de repartition
dune v.a. reelle.
Il decoule des resultats du cours dintegration que FX caracterise la loi PX de X. On a
en particulier
P (a X b) = FX (b) FX (a) si a b,
P (a < X < b) = FX (b) FX (a) si a < b,
et les sauts de FX correspondent aux atomes de PX .
99
8.1.7 Tribu engendr
ee par une variable al
eatoire
Soit X une v.a. à valeurs dans un espace mesurable quelconque (E, E). La tribu engendree
par X, notee (X), est par definition la plus petite tribu sur qui rende X mesurable :
(X) = {A = X 1 (B) : B E}.
Remarque. On peut generaliser cette definition à une famille quelconque (Xi )iI de v.a.,
Xi etant à valeurs dans (Ei , Ei ). Dans ce cas,
(X) = (Xi1 (Bi ) : Bi Ei , i I).
Proposition 8.1.3 Soit X une variable aleatoire à valeurs dans (E, E), et soit Y une v.a.
reelle. Il y a equivalence entre :
(i) Y est (X)-mesurable.
(ii) Il existe une fonction mesurable f de (E, E) dans (R, B(R)) telle que Y = f (X).
Preuve. Limplication (ii)(i) est facile puisquune composee de fonctions mesurables est
mesurable.
Dans lautre sens, supposons que Y est (X)-mesurable. Traitons dabord le cas o` uY
est etagee :
Xn
Y = i 1 Ai
i=1
u i R et Ai (X), pour tout i {1, . . . , n}. Alors, pour chaque i {1, . . . , n}, on
o`
peut trouver Bi E tel que Ai = X 1 (Bi ), et on a
n
X n
X
Y = i 1 Ai = i 1Bi X = f X,
i=1 i=1
Pn
u f = i=1 i 1Bi est E-mesurable.
o`
Dans le cas general, on sait que Y est limite simple dune suite de v.a. Yn etagees et
(X)-mesurables. Daprès la première etape, on peut ecrire, pour tout n, Yn = fn (X), o`
u la
fonction fn : E R est mesurable. On pose alors pour tout x E :
(
lim fn (x) si la limite existe,
f (x) = n
0 sinon.
On sait que la fonction f ainsi definie est mesurable. Par ailleurs, pour tout ,
X() appartient à lensemble des x pour lesquels lim fn (x) existe (puisque lim fn (X()) =
lim Yn () = Y ()), et de plus
f (X()) = lim fn (X()) = Y ()
ce qui donne la representation recherchee Y = f (X).
100
8.2 Moments de variables al
eatoires
8.2.1 Moments dordre p et variance
Soit X une v.a. reelle et soit p 1 un entier. Le moment dordre p de X est par definition
la quantite E[X p ], qui nest definie que si E[|X|p ] < , ou si X 0. La quantite E[|X|p ]
est appelee moment absolu dordre p. En particulier le moment dordre 1 est simplement
lesperance de X. On dit que la v.a. reelle X est centree si elle est integrable et si E[X] = 0.
Lesperance mathematique est un cas particulier dintegrale par rapport à une mesure
positive, et on peut donc lui appliquer les theorèmes generaux vus dans ce cadre. En parti-
culier, les theorèmes de convergence sont dun usage frequent :
Convergence monotone : Xn 0, Xn X E[Xn ] E[X].

Lemme de Fatou : Xn 0, E[lim inf Xn ] lim inf E[Xn ].
Convergence dominee : |Xn | Z E[Z] < , Xn X p.p. E[Xn ] E[X].
En theorie des probabilites on utilise lexpression presque s

urement (p.s. en abrege) plutot
que le presque partout (p.p.) de la theorie de la mesure.
Les espaces Lp (, A, P ) sont definis pour tout p [1, ] comme dans le cours dintegration.
Linegalite de Holder secrit
E[|XY |] E[|X|p ]1/p E[|Y |q ]1/q ,
pourvu que p1 + 1q = 1. En prenant Y = 1 on trouve kXk1 kXkp , ce qui se generalise

aussitot à kXkr kXkp si r p. En particulier Lp (, A, P ) Lr (, A, P ) si r p.
Linegalite de Cauchy-Schwarz secrit
E[|XY |] E[X 2 ]1/2 E[Y 2 ]1/2
et le cas particulier o`
uY =1
E[|X|]2 E[X 2 ]
est très souvent utile.
efinition 8.2.1 Soit X L2 (, A, P ). La variance de X est

D
var(X) = E[(X E[X])2 ]
et lecart-type de X est p
X = var(X).
De manière informelle, var(X) mesure la dispersion de X autour de sa moyenne E[X].

Remarquons que var(X) = 0 si et seulement si X est constante p.s.
101
Proposition 8.2.1 On a aussi var(X) = E[X 2 ] (E[X])2 , et pour tout a R,
E[(X a)2 ] = var(X) + (E[X] a)2 .
En consequence,
var(X) = inf E[(X a)2 ].
aR
Preuve. On a
E[(X a)2 ] = E[X 2 ] 2a E[X] + a2 = E[X 2 ] (E[X])2 + (E[X] a)2 .
Les deux premières assertions en decoulent aussitot, en prenant a = E[X] pour la première.

In e de Markov. (cf cours dintegration) Si X 0 et a > 0,
egalit
1
P (X a) E[X].
a
In
egalit e-Tchebicheff. Si X L2 (, A, P ) et a > 0,
e de Bienaym
1
P (|X E[X]| a) var(X).
a2
Cette inegalite decoule de linegalite de Markov appliquee à la variable positive (X E[X])2 .
efinition 8.2.2 Soient X, Y L2 (, A, P ). La covariance de X et Y est

D
cov(X, Y ) = E[(X E[X])(Y E[Y ])] = E[X(Y E[Y ])] = E[XY ] E[X]E[Y ].
Si X = (X1 , . . . , Xd ) est une variable aleatoire à valeurs dans Rd dont toutes les composantes
sont dans L2 (, A, P ) (ce qui equivaut à E[|X|2 ] < ), la matrice de covariance de X est

KX = cov(Xi , Xj ) .
1id,1jd
De manière informelle, la covariance de X et Y mesure la correlation existant entre X

et Y . Remarquons que cov(X, X) = var(X) et que, daprès linegalite de Cauchy-Schwarz,
p p
|cov(X, Y )| var(X) var(Y ).
Lapplication (X, Y ) cov(X, Y ) est une forme bilineaire sur L2 (, A, P ).

Dans le cas vectoriel X = (X1 , . . . , Xd ), la matrice KX est symetrique positive : pour
tous 1 , . . . , d Rd ,
d
X Xd
i j KX (i, j) = var i Xi 0.
i,j=1 i=1
Exercice. Si A est une matrice (deterministe) nd et Y = AX, verifier que KY = A KX t A.
102
8.2.2 La r
egression lin
eaire
Soient X, Y1 , . . . , Yn des variables aleatoires dans L2 (, A, P ). On cherche à trouver la
meilleure approximation de X comme fonction affine de Y1 , . . . , Yn . Precisement, on cherche
à minimiser
E[(X (0 + 1 Y1 + + n Yn ))2 ]
sur tous les choix possibles du (n + 1)-uplet de reels (0 , . . . , n ).
Proposition 8.2.2 On a
inf E[(X (0 + 1 Y1 + + n Yn ))2 ] = E[(X Z)2 ],
0 ,...,n R
o`
u n
X
Z = E[X] + j (Yj E[Yj ]), (1)
j=1
les coefficients j etant (nimporte quelle) solution du système

n
X
j cov(Yj , Yk ) = cov(X, Yk ) , 1 k n.
j=1
En particulier, si KY est non-degeneree, on a = cov(X, Y ) KY1 en notation matricielle.

Preuve. Soit H le sous-espace vectoriel de L2 (, A, P ) engendre par 1, Y1 , . . . , Yn . Alors,
on sait que la variable aleatoire Z qui minimise kX Uk2 pour U H est la projection
orthogonale de X sur H. On peut ecrire Z sous la forme
Xn
Z = 0 + j (Yj E[Yj ]).
j=1
Par definition de la projection orthogonale, X Z est orthogonal à H. On doit donc avoir

E[(X Z) 1] = 0,
u 0 = E[X]. De meme, pour tout k {1, . . . , n},
do`
E[(X Z) (Yk E[Yk ])] = 0,
ce qui equivaut à cov(Z, Yk ) = cov(X, Yk ), ou encore à
Xn
j cov(Yj , Yk ) = cov(X, Yk ).
j=1
Inversement, si les coefficients j verifient ce système dequations, il est immediat que la

variable Z definie par le membre de droite de (1) est un element de H tel que X Z soit
orthogonal à H, donc doit concider avec la projection orthogonale de X sur H.
Remarque. Si n = 1 et si on suppose que Y nest pas constante p.s., on trouve que la
meilleure (au sens L2 ) approximation de X par une fonction affine de Y est
cov(X, Y )
Z = E[X] + (Y E[Y ]).
var(Y )
Cest ce quon appelle parfois la droite de regression de X en Y .
103
8.2.3 Fonctions caract
eristiques
Definition 8.2.3 Si X est une variable aleatoire à valeurs dans Rd , la fonction caracteristique
de X est la fonction X : Rd C definie par
X () = E[exp(i X)] , Rd .
On peut aussi ecrire Z

X () = eix PX (dx)
ce qui permet de voir X comme la transformee de Fourier de la loi de X. On ecrit parfois

X () = PbX (). Le theorème de convergence dominee montre que X est continue (et
bornee) sur Rd .
Notre objectif est de montrer que la fonction caracteristique caracterise la loi de X. Nous
commencons par un calcul important dans un cas particulier.
Lemme 8.2.3 Soit X une variable aleatoire de loi gaussienne N (0, 2 ). Alors,
2 2
X () = exp( ), R.
2
Preuve. On a Z
1 2 2
X () = ex /(2 ) eix dx.
R 2
On se ramène facilement au cas = 1. Ensuite, un argument de parite montre que la partie

imaginaire de X () est nulle. Il reste à calculer
Z
1 2
f () = ex /2 cos(x) dx.
R 2
En derivant sous le signe integrale, on a
Z
1 2
f () = x ex /2 sin(x) dx
R 2
2 2
(la justification est facile puisque |x sin(x) ex /2 | |x| ex /2 qui est integrable). En
integrant par parties, il vient
Z
1 2
f () = ex /2 cos(x) dx = f ().
R 2
La fonction f est donc solution de lequation differentielle f () = f (), avec condition
initiale f (0) = 1. Il en decoule que f () = exp( 2 /2).
Theor` eme 8.2.4 La fonction caracteristique dune variable aleatoire X à valeurs dans Rd
caracterise la loi de cette variable aleatoire. Autrement dit, la transformee de Fourier definie
sur lespace des mesures de probabilite sur Rd est injective.
104
Preuve. On traite dabord le cas d = 1. Pour tout > 0, soit g la densite de la loi
gaussienne N (0, 2) :
1 x2
g (x) = exp( 2 ) , x R.
2 2
Si est une mesure de probabilite sur R, on pose
Z
(def)
f (x) = g (x y) (dy) = g (x),
R
(dx) = f (x) dx.
Pour montrer le resultat du theorème, il suffit detablir que

1. est determinee par
b.
R R
2. Pour toute fonction Cb (R), (x) (dx) (x)(dx) quand 0.
Pour etablir le point 1, on utilise le lemme pour ecrire, pour tout x R,
Z
x2
2 g (x) = exp( 2 ) = eix g1/ () d.
2 R
Il vient alors
Z Z Z
1
f (x) = g (x y) (dy) = ( 2) ei(xy) g1/ () d (dy)
R R R
1 Z ix Z
= ( 2) e g1/ () eiy (dy) d
R R
1 Z ix
= ( 2) e g1/ ()
b()d.
R
Dans lavant-dernière egalite, on a utilise le theorème de Fubini-Lebesgue, dont la justifica-

tion est facile puisque est une mesure de probabilite et que la fonction g1/ est integrable
pour la mesure de Lebesgue.
Pour le point 2, on ecrit dabord, pour toute fonction continue et bornee sur R,
Z Z Z Z
(x) (dx) = (x) g (y x)(dy) dx = g (y)(dy),
avec la meme justification pour appliquer le theorème de Fubini-Lebesgue. Ensuite, on utilise

les proprietes
Z
g (x) dx = 1 ,
Z
lim g (x) dx = 0 , > 0,
0 {|x|>}
pour obtenir que, pour tout y R,
lim g (y) = (y)

0
105
(cf les resultats du cours dintegration concernant les approximations de la mesure de Dirac
0 ). Par convergence dominee, facile à justifier puisque |g | sup ||, on obtient
Z Z
lim (x) (dx) = (x)(dx),
0
ce qui termine la preuve dans le cas d = 1.

La preuve dans le cas d quelconque est similaire. On utilise les fonctions
d
Y
g(d) (x1 , . . . , xd ) = g (xj )
j=1
en remarquant que pour Rd ,

Z d Z
Y (d)
g(d) (x) eix dx = g (xj ) eij xj dxj = (2)d/2 g1/ ().
Rd j=1
Proposition 8.2.5 Soit X = (X1 , . . . , Xd ) une v.a. à valeurs dans Rd et de carre integrable.
Alors X est de classe C 2 et
d
X d d
1 XX
X () = 1 + i j E[Xj ] j k E[Xj Xk ] + o(||2)
j=1
2 j=1 k=1
quand = (1 , . . . , d ) tend vers 0.
Preuve. En derivant sous le signe integrale, on trouve

X
() = i E[Xj eiX ],
j
la justification etant facile puisque |iXj eiX | = |Xj | et Xj L2 L1 . De meme, puisque

E[|Xj Xk |] E[Xj2 ]1/2 E[Xk2 ]1/2 < , on peut deriver une seconde fois et trouver que
2 X
() = E[Xj Xk eiX ].
j k
X 2
De plus le theorème de continuite sous le signe integrale assure que j k
() est fonction
continue de .
Enfin la dernière assertion est simplement le developpement de Taylor de X à lordre 2
à lorigine.
Remarque. Si on suppose que X est de puissance p-ième integrable (p 1 entier) le meme
raisonnement montre que X est de classe C p . Cest cependant le cas p = 2 qui sera le plus
utile dans la suite.
106
8.2.4 Fonction g
en
eratrice
Dans le cas de variables aleatoires à valeurs dans N, on utilise les fonctions generatrices
plutot que les fonctions caracteristiques.
Definition 8.2.4 Soit X une v.a. à valeurs dans N. La fonction generatrice de X est la
fonction gX definie sur lintervalle [0, 1] par

X
gX (r) = E[r X ] = P (X = n) r n .
n=0
La fonction gX est continue sur [0, 1] (cela decoule par exemple du theorème de conver-
gence dominee), et on a gX (0) = P (X = 0) et gX (1) = 1. Le rayon de convergence de la serie
entière qui apparat dans la definition est donc superieur ou egal à un. Cela montre que la
fonction generatrice gX caracterise la loi de X, puisque les nombres P (X = n) apparaissent
comme les coefficients du developpement de Taylor de gX en 0.
On voit facilement que gX a toujours une derivee à gauche en 1, eventuellement infinie,
et que

gX (1) = E[X].
Plus generalement, pour tout entier p 1,
(p)
lim gX (r) = E[X(X 1) (X p + 1)]
r1
ce qui montre comment retrouver tous les moments de X à partir de la connaissance de la

fonction generatrice.
107
108
Chapitre 9
Ind
ependance
Le concept dindependance est sans doute la première notion importante o` u la theorie

des probabilites se differencie nettement de lintegration. Sil est plus facile de compren-
dre intuitivement la definition de lindependance de deux evenements ou de deux variables
aleatoires, la notion la plus fondamentale est celle de lindependance de deux (ou plusieurs)
sous-tribus. Un resultat-cle de ce chapitre relie lindependance de deux variables aleatoires au
fait que la loi du couple forme par ces deux variables est la mesure-produit des lois individu-
elles. Avec le theorème de Fubini, cela permet des reformulations souvent utiles de la notion
dindependance. A titre dapplication, on etablit le celèbre lemme de Borel-Cantelli (dont
une application amusante donne des proprietes surprenantes du developpement dyadique
dun nombre reel choisi au hasard) et une première forme de la loi des grands nombres, qui
suffit à etablir le lien entre notre approche axiomatique des probabilites et la definition his-
torique (probabilite dun evenement = frequence dapparition de cet evenement lorsquon
repète un grand nombre de fois la meme experience aleatoire).
9.1 Ev
enements ind
ependants
Dans tout ce chapitre on se place sur un espace de probabilite (, A, P ). Si A, B A sont
deux evenements, on dit que A et B sont independants si
P (A B) = P (A)P (B).
Au moins lorsque P (B) > 0, on peut interprèter cette definition en disant que la probabilite
conditionnelle
(def) P (A B)
P (A | B) =
P (B)
concide avec P (A) : le fait de savoir que B est realise ne donne pas dinformation sur la
realisation ou non de levenement A (et on peut intervertir les roles de A et B).
Exemples. (i) Lancer de deux des : = {1, 2, . . . , 6}2 , P ({}) = 1/36 pour tout .
Les evenements A = {6} {1, 2, . . . , 6} et B = {1, 2, . . . , 6} {6} sont independants. En
fait la probabilite P a ete construite precisement pour quun evenement relatif au resultat
du premier lancer soit independant dun evenement relatif au resultat du second.
109
(ii) Lancer dun seul de : = {1, 2, . . . , 6}, P ({}) = 1/6 pour tout . Les evenements
A = {1, 2} et B = {1, 3, 5} sont independants.
Definition 9.1.1 On dit que n evenements A1 , . . . , An sont independants si, pour tout sous-
ensemble non vide {j1 , . . . , jp } de {1, . . . , n}, on a
P (Aj1 Aj2 . . . Ajp ) = P (Aj1 ) P (Aj2 ) . . . P (Ajp ).
Remarques. Il ne suffit pas que lon ait
P (A1 A2 . . . An ) = P (A1 ) P (A2 ) . . . P (An ).
Il ne suffit pas non plus que, pour chaque paire {i, j} {1, . . . , n}, les evenements Ai et Aj
soient independants. Pour donner un exemple, considerons lespace correspondant à deux
lancers de pile ou face (pièce non truquee) et prenons
A = {pile au premier lancer}

B = {pile au second lancer}
C = {meme resultat aux deux lancers}.
Les evenements A, B, C sont independants deux à deux mais non independants.
Proposition 9.1.1 Les n evenements A1 , . . . , An sont independants si et seulement si on a
P (B1 . . . Bn ) = P (B1 ) . . . P (Bn )
dès que Bi (Ai ) = {, Ai , Aci , } pour tout i {1, . . . , n}.
Preuve. Il est clair que la condition donnee est plus forte que celle de la definition : prendre
Bi = Ai si i {j1 , . . . , jp } et Bi = sinon. Inversement, supposons que A1 , . . . , An sont
independants. Pour verifier la propriete de la proposition, on peut supposer Bi 6= pour
tout i {1, . . . , n}. Ensuite, si {j1 , . . . , jp } = {i : Bi 6= }, on est ramene à montrer que
P (Bj1 Bj2 . . . Bjp ) = P (Bj1 ) P (Bj2 ) . . . P (Bjp ),
dès que Bjk = Ajk ou Acjk . Finalement, il suffit de montrer que si C1 , C2 , . . . , Cp sont
independants, C1c , C2 , . . . , Cp le sont aussi. Mais cela est facile puisque, pour tout sous-
ensemble {i1 , . . . , iq } de {2, . . . , p},
P (C1c Ci1 Ciq ) = P (Ci1 Ciq ) P (C1 Ci1 Ciq )

= P (Ci1 ) . . . P (Ciq ) P (C1 )P (Ci1 ) . . . P (Ciq )
= P (C1c )P (Ci1 ) . . . P (Ciq )
110
9.2 Variables al
eatoires et tribus ind
ependantes
La notion la plus generale est celle de tribus independantes.
Definition 9.2.1 Soient B1 , . . . , Bn n sous-tribus de A. On dit que B1 , . . . , Bn sont indepen-

dantes si et seulement si
A1 B1 , . . . , An Bn , P (A1 A2 . . . An ) = P (A1 ) P (A2) . . . P (An ).
Soient X1 , . . . , Xn n variables aleatoires à valeurs respectivement dans (E1 , E1 ), . . . , (En , En ).

On dit que les variables X1 , . . . , Xn sont independantes si les tribus (X1 ), . . . , (Xn ) le sont.
Cela equivaut encore à dire que
F1 E1 , . . . , Fn En , P ({X1 F1 } . . . {Xn Fn }) = P (X1 F1 ) . . . P (Xn Fn )

(9.1)
1
(en effet on sait que (Xi ) = {Xi (F ) : F Ei }).
De manière intuitive, les v.a. X1 , . . . , Xn sont independantes si la connaissance de cer-

taines dentre elles ne donne pas dinformation sur les autres.
Remarques. (i) Si B1 , . . . , Bn sont n sous-tribus independantes, et si, pour tout i
{1, . . . , n}, Xi est une v.a. Bi -mesurable, alors X1 , . . . , Xn sont independantes.
(ii) Les n evenements A1 , . . . , An sont independants si et seulement si les tribus (A1 ), . . . ,
(An ) le sont (cf proposition precedente).
Si X1 , . . . , Xn sont des variables aleatoires à valeurs dans (E1 , E1), . . . , (En , En ) respec-
tivement, le n-uplet (X1 , . . . , Xn ) est une v.a. à valeurs dans lespace E1 En muni de
la tribu produit E1 En .
Th eorème 9.2.1 Les n variables aleatoires X1 , . . . , Xn sont independantes si et seulement

si la loi du n-uplet (X1 , . . . , Xn ) est le produit des lois de X1 , . . . , Xn :
P(X1 ,...,Xn ) = PX1 PXn .
De plus, on a alors
hY
n i n
Y
E fi (Xi ) = E[fi (Xi )]
i=1 i=1
dès que fi est une fonction mesurable positive sur (Ei , Ei ), pour tout i {1, . . . , n}.
Preuve. Soit Fi Ei, pour tout i {1, . . . , n}. On a dune part
P(X1 ,...,Xn ) (F1 Fn ) = P ({X1 F1 } . . . {Xn Fn })
et dautre part
n
Y n
Y
PX1 PXn (F1 Fn ) = PXi (Fi ) = P (Xi Fi ).
i=1 i=1
111
En comparant avec (9.1), on voit que X1 , . . . , Xn sont independantes si et seulement si les
deux mesures de probabilite P(X1 ,...,Xn ) et PX1 PXn prennent les memes valeurs sur
les paves F1 Fn . Mais comme on sait (lemme de classe monotone) quune mesure de
probabilite sur un espace-produit est caracterisee par ses valeurs sur les paves, cela equivaut
encore à dire que P(X1 ,...,Xn ) = PX1 PXn .
La deuxième assertion est ensuite une consequence du theorème de Fubini-Tonnelli :
hY
n i Z n
Y
E fi (Xi ) = fi (xi ) PX1 (dx1 ) . . . PXn (dxn )
i=1 E1 En i=1
n Z
Y
= fi (xi ) PXi (dxi )
i=1 Ei
n
Y
= E[fi (Xi )].
i=1

Le theorème ci-dessus montre aussi comment construire des v.a. independantes. Con-
siderons le cas de v.a. reelles, et soient 1 , . . . , n des mesures de probabilite sur Rn . Alors,
comme on la observe dans le Chapitre 8, on peut construire une v.a. Y = (Y1 , . . . , Yn ) à
valeurs dans Rn dont la loi est 1 n . Daprès le theorème precedent, les composantes
Y1 , . . . Yn de Y sont des v.a. reelles independantes de lois respectives 1 , . . . , n .
Remarques. Si les fonctions fi sont de signe quelconque, legalite
hY
n i Yn
E fi (Xi ) = E[fi (Xi )]
i=1 i=1
reste vraie à condition que E[|fi (Xi )|] < pour tout i {1, . . . , n}, et on a alors aussi
hY
n i n
Y
E |fi (Xi )| = E[|fi (Xi )|] <
i=1 i=1
ce qui justifie lexistence du terme de gauche dans la formule precedente.

En particulier, si X1 , . . . , Xn sont n v.a. reelles independantes et dans L1 , on a aussi
X1 Xn L1 , et
n
Y
E[X1 Xn ] = E[Xi ].
i=1
Remarquons quen general le produit de v.a. dans L1 nest pas dans L1 (lindependance est
une propriete très particulière).
Corollaire 9.2.2 Si X1 , X2 sont deux variables aleatoires reelles independantes et dans L2 ,

on a cov(X1 , X2 ) = 0.
Cela decoule de ce qui precède puisque cov(X1 , X2 ) = E[X1 X2 ] E[X1 ]E[X2 ].
112
La reciproque du corollaire est fausse. La propriete de covariance nulle (pour deux v.a.
dans L2 ) est beaucoup plus faible que lindependance. Pour donner un exemple, partons
dune R v.a. reelle X1 dont la loi a une densite notee p(x) symetrique (p(x) = p(x)) et telle
que x p(x)dx < (de sorte que X1 L2 ). On peut par exemple choisir pour X1 une v.a.
2
de loi N (0, 2). Soit ensuite une deuxième v.a. à valeurs dans {1, 1}, independante de
X1 et telle que P ( = 1) = P ( = 1) = 21 . Alors, si X2 = X1 , on voit immediatement
que cov(X1 , X2 ) = 0 alors que X1 et X2 ne sont pas independantes. En effet, si X1 et X2
letaient, |X1 | serait independante de |X2 | = |X1 |. Or si une v.a. reelle est independante
delle-meme, elle doit etre constante p.s. (exercice !) et donc sa loi est une mesure de Dirac.
Cest une contradiction puisque la loi de |X1 | a une densite donnee par 2 p(x)1R+ (x).
Corollaire 9.2.3 Soient X1 , . . . , Xn n variables aleatoires reelles.
(i) Supposons dabord que, pour tout i {1, . . . , n}, la loi de Xi a une densite notee pi , et
que les variables aleatoires X1 , . . . , Xn sont independantes. Alors, la loi de (X1 , . . . , Xn ) a
une densite donnee par
n
Y
p(x1 , . . . , xn ) = pi (xi ).
i=1
(ii) Inversement, supposons que la loi de (X1 , . . . , Xn ) a une densite de la forme
n
Y
p(x1 , . . . , xn ) = qi (xi ),
i=1
u les fonctions qi sont boreliennes positives sur R. Alors les variables aleatoires X1 , . . . , Xn
o`
sont independantes et pour chaque i {1, . . . , n}, la loi de Xi a une densite pi qui secrit
pi = Ci qi , o`
u Ci > 0 est une constante.
Preuve. La première partie est une consequence immediate du theorème ci-dessus, puisque
si PXi (dxi ) = pi (xi )dxi , le theorème de Fubini-Tonnelli montre que
Y
n
PX1 PXn (dx1 . . . dxn ) = pi (xi ) dx1 . . . dxn .
i=1
Pour la partie (ii), on remarque dabord que, toujours à laide du theorème de Fubini-
Tonnelli, on a
Yn Z Z
qi (x)dx = p(x1 , . . . , xn )dx1 . . . dxn = 1,
i=1 Rn
R
et en particulier Ki := qi (x)dx) ]0, [ pour tout i {1, . . . , n}. Ensuite, daprès un
resultat du Chapitre 8, la densite de Xi est
Z Y 1
pi (xi ) = p(x1 , . . . , xn )dx1 . . . dxi1 dxi+1 . . . , dxn = Kj qi (xi ) = qi (xi ).
Rn1 j6=i
Ki
Cela permet de reecrire la densite de (X1 , . . . , Xn ) sous la forme

n
Y n
Y
p(x1 , . . . , xn ) = qi (xi ) = pi (xi )
i=1 i=1
113
et on voit que P(X1 ,...,Xn ) = PX1 PXn do`
u lindependance.
Exemple. Soit U une variable de loi exponentielle de paramètre 1 et soit V une variable
uniforme sur lintervalle [0, 1]. On suppose que U et V sont independantes. Alors, si on
definit
X = U cos(2V ) , Y = U sin(2V ),
les deux variables aleatoires X et Y sont independantes. Pour le voir calculons la loi du
couple (X, Y ). Pour toute fonction mesurable positive sur R2 ,
Z Z 1
E[(X, Y )] = ( u cos(2v), u sin(2v)) eu dudv
0 0
Z Z 2
1 2
= (r cos , r sin ) rer drd
0 0
Z
1 2 2
= (x, y) ex y dxdy.
R2
On obtient que la loi du couple (X, Y ) a pour densite 1 exp(x2 y 2) qui a une forme
produit comme dans la partie (ii) de la proposition. Donc X et Y sont independantes (on
voit aussi que X et Y ont la meme densite
1
p(x) = exp(x2 )

et donc X et Y suivent chacune la loi N (0, 1/2)).

Remarque. Si X1 , . . . , Xn sont n variables aleatoires reelles, il y a equivalence entre :
(i) X1 , . . . , Xn sont independantes.

Qn
(ii) Pour tous a1 , . . . , an R, P (X1 a1 , . . . , Xn an ) = i=1 P (Xi ai ).
(iii) Si f1 , . . . , fn sont continues à support compact de R dans R+ ,

hY
n i Yn
E fi (Xi ) = E[fi (Xi )].
i=1 i=1
(iv) La fonction caracteristique de X est

n
Y
X (1 , . . . , n ) = Xi (i )
i=1
(pour montrer (iv)(i), utiliser linjectivite de la transformee de Fourier, cf Chapitre 8).

Nous passons maintenant à un resultat technique très utile.
114
Proposition 9.2.4 Soient B1 , . . . , Bn des sous-tribus de A. Pour tout i {1, . . . , n}, soit
Ci Bi une classe stable par intersections finies, contenant et telle que (Ci ) = Bi .
Supposons que
C1 C1 , . . . , Cn Cn , P (C1 C2 . . . Cn ) = P (C1) P (C2) . . . P (Cn ).
Alors, les tribus B1 , . . . , Bn sont independantes.
Preuve. Fixons dabord C2 C2 , . . . , Cn Cn , et posons
M1 = {B1 B1 : P (B1 C2 . . . Cn ) = P (B1 ) P (C2) . . . P (Cn )}.
Alors C1 M1 par hypothèse, et dautre part on voit facilement que M1 est une classe
monotone. Le lemme de classe monotone entrane que M1 contient (C1 ) = B1 , et on a
montre
B1 B1 , C2 C2 , . . . , Cn Cn , P (B1 C2 . . . Cn ) = P (B1 ) P (C2) . . . P (Cn ).
Pour continuer, on fixe B1 B1 , C3 C3 , . . . , Cn Cn et on pose
M1 = {B2 B2 : P (B1 B2 C3 . . . Cn ) = P (B1) P (B2 ) P (C3) . . . P (Cn )}.
A nouveau, M2 est une classe monotone qui contient C2 et donc aussi (C2 ) = B2 . En
raisonnant par recurrence, on arrive facilement au resultat voulu.
Cons equence. Regroupement par paquets. Soient B1 , . . . , Bn des tribus independantes,
et soient n0 = 0 < n1 < < np = n. Alors les tribus
(not)
D1 = B1 Bn1 = (B1 , . . . , Bn1 )
D2 = Bn1 +1 Bn2

Dp = Bnp1 +1 Bnp
sont independantes. Pour le voir, il suffit dappliquer la proposition ci-dessus en prenant

pour Cj la classe des parties de la forme
Bnj1 +1 Bnj
u Bi Bi pour tout i {nj1 + 1, . . . , nj }.

o`
En particulier, si X1 , . . . , Xn sont independantes, les v.a.
Y1 = (X1 , . . . , Xn1 ), . . . , Yp = (Xnp1 +1 , . . . , Xnp )
sont independantes.
Exemple. Si X1 , . . . , X4 sont des v.a. reelles independantes, les v.a.
Z 1 = X 1 X3 , Z2 = X23 + X4
115
sont independantes.
Independance dune famille infinie. Soit (Bi )iI une famille quelconque de sous-tribus
de A. On dit que cette famille est independante si pour tout sous-ensemble fini {i1 , . . . , ip }
de I, les tribus Bi1 , . . . , Bip sont independantes.
Si (Xi )iI est une famille quelconque de variables aleatoires, cette famille est dite indepen-
dante si la famille de tribus ((Xi ))iI lest.
Proposition 9.2.5 Soit (Xn )nN une suite de variables aleatoires independantes. Alors,
pour tout entier p N, les deux tribus
B1 = (X0 , . . . , Xp ) , B2 = (Xp+1 , Xp+2 , . . .)
sont independantes.
Preuve. Il suffit dappliquer la proposition precedente en prenant
C1 = (X0 , . . . , Xp ) = B1

[
C2 = (Xp+1, Xp+2 , . . . , Xk ) B2
k=p+1
et en remarquant que lhypothèse est satisfaite grace au principe du regroupement par pa-
quets.
9.3 Le lemme de Borel-Cantelli

Si (An )nN est une suite devenements on note
[
\
lim sup An = Ak
n=0 k=n
et
\
[
lim inf An = Ak
n=0 k=n
Lemme 9.3.1 Soit (An )nN une suite devenements.

P
(i) Si nN P (An ) < , alors
P (lim sup An ) = 0
ou de manière equivalente,
p.s. {n N : An } est fini.
116
P
(ii) Si nN P (An ) = et si les evenements An sont independants, alors
P (lim sup An ) = 1
p.s. {n N : An } est infini.
Remarque. Lhypothèse dindependance (ou une autre hypothèse convenable) est necessaire
u An = A pour tout n N, avec 0 < P (A) < 1.
dans (ii), comme le montre lexemple trivial o`
P
Preuve. (i) Si nN P (An ) < , alors
hX i X
E 1 An = P (An ) <
nN nN
P
et donc nN 1An < p.s.
(ii) Fixons dabord n0 N, et observons que si n n0 ,
\
n n
Y n
Y
P Ack = P (Ack ) = (1 P (Ak )).
k=n0 k=n0 k=n0
P
La divergence de la serie P (Ak ) entrane alors que
\

P Ack = 0.
k=n0
Comme cela est vrai pour tout n0 N, on a aussi

[
\

P Ack =0
n0 =0 k=n0
et, en passant au complementaire,

\
[

P Ak = 1,
n0 =0 k=n0
ce qui est le resultat voulu.

Deux applications. (1) Il nexiste pas de mesure de probabilite sur N telle que la probabilite
de lensemble des multiples de n soit egale à 1/n pour tout entier n 1. En effet, supposons
quil existe une telle probabilite, notee P . Soit P lensemble des nombres premiers et pour
tout p P, notons Ap = pN lensemble des multiples de p. Alors, il est facile de voir que les
Ap , p P, sont independants. En effet, si p1 , . . . , pk sont des nombres premiers distincts,
Y k
1
P (Ap1 . . . Apk ) = P (p1 N . . . pk N) = P ((p1 . . . pk )N) = = P (Apj ).
p1 . . . pk j=1
117
Par ailleurs, on sait que
X X1
P (Ap ) = = .
pP pP
p
On peut donc appliquer la partie (ii) du lemme de Borel-Cantelli pour obtenir que presque
tout (au sens de la probabilite P ) entier n appartient à une infinite densembles Ap , et donc
est multiple dune infinite de nombres premiers distincts. Cest evidemment absurde.
(2) Considerons le cas o`
u
(, A, P ) = ([0, 1[, B([0, 1[), ).
Pour tout n 1, on pose
[0, 1[, Xn () = [2n ] 2[2n1 ],
u [x] designe la partie entière dun nombre reel x. Alors Xn () {0, 1} et on verifie
o`
aisement par recurrence sur n que, pour tout [0, 1[,
n
X
0 Xk ()2k < 2n ,
k=1
ce qui montre que

X
= Xk () 2k .
k=1
Les nombres Xk () sont donc les coefficients du developpement dyadique (propre) de . En

explicitant lensemble {Xn = 1} on montre facilement que pour tout n 1,
1
P (Xn = 0) = P (Xn = 1) = .
2
Enfin, on observe que la suite (Xn )n1 est independante. En effet, il suffit ici de verifier que,
pour tous i1 , . . . , ip {0, 1}, on a
p
1 Y
P (X1 = i1 , . . . , Xp = ip ) = p = P (Xj = ij ).
2 j=1
Or, on voit immediatement que

p p
X X
j
{X1 = i1 , . . . , Xp = ip } = [ ij 2 , ij 2j + 2p [,
j=1 j=1
do`
Soit p 1 un entier quelconque, et soient i1 , . . . , ip {0, 1}. Alors, le lemme de Borel-
Cantelli permet de voir que
p.s. Card{k 0 : Xk+1 = i1 , . . . , Xk+p = ip } = . (9.2)
118
Cela montre quune suite finie donnee de 0 et de 1 apparat une infinite de fois dans
le developpement dyadique de presque tout (au sens de la mesure de Lebesgue) reel de
lintervalle [0, 1[. Pour etablir (9.2), il suffit de poser, pour tout entier n N,
Yn = (Xnp+1, Xnp+2, . . . , Xnp+p ).
Le principe du regroupement par paquets montre que la suite (Yn )nN est independante, et
le resultat recherche decoule dune application du lemme de Borel-Cantelli à la suite des
evenements
An = {Yn = (i1 , . . . , ip )}
qui sont independants et tous de probabilite 2p .
Puisquune reunion denombrable densembles de probabilite nulle est encore de proba-
bilite nulle, on peut renforcer (9.2) sous la forme
p.s. p 1, i1 , . . . , ip {0, 1}, Card{k 0 : Xk+1 = i1 , . . . , Xk+p = ip } = .
Autrement dit, pour presque tout reel x de [0, 1[, nimporte quelle suite finie de 0 et de 1
apparat une infinite de fois dans le developpement dyadique de x.
9.4 Sommes de variables al

eatoires ind
ependantes.
Les sommes de variables aleatoires independantes jouent un role important en theorie des
probabilites, et seront etudiees dans le chapitre suivant. Nous regroupons dabord quelques
proprietes importantes sous la forme dune proposition. Si et sont deux mesures de
probabilite sur Rd , on note la mesure-image de par lapplication (x, y) x + y :
pour toute fonction mesurable positive sur Rd ,
Z Z Z
(z) (dz) = (x + y) (dx)(dy).
Rd Rd Rd
Proposition 9.4.1 Soient X et Y deux variables aleatoires independantes à valeurs dans

Rd .
(i) La loi de X + Y est PX PY . En particulier, si X a une densite notee pX et Y a une
densite notee pY , X + Y a pour densite pX pY .
(ii) La fonction caracteristique de X+Y est X+Y () = X ()Y (). (De manière equivalente,
si et sont deux mesures de probabilite sur Rd , [
= .)
(iii) Si X et Y sont de carre integrable, KX+Y = KX + KY ; En particulier, si d = 1,
var(X + Y ) = var(X) + var(Y ).
Preuve. (i) Si X et Y sont independantes, on sait que P(X,Y ) = PX PY , et donc, pour

toute fonction mesurable positive sur Rd ,
Z Z Z Z
E[(X+Y )] = (x+y) P(X,Y ) (dxdy) = (x+y) PX (dx)PY (dy) = (z) PX PY (dz)
119
par definition de PX PY . Si de plus X et Y ont une densite,
Z Z Z Z
E[(X + Y )] = (x + y) pX (x)pY (y)dxdy = (z) pX (x)pY (z x)dx dz,
ce qui montre bien que X + Y a pour densite pX pY (remarquer que pX pY est ici bien
definie presque partout comme convolution de deux fonctions de L1 (Rd , )).
(ii) Il suffit decrire
X+Y () = E[eiX eiY ] = E[eiX ] E[eiY ] = X ()Y ().
(iii) Si X = (X1 , . . . , Xd ) et Y = (Y1 , . . . , Yd ), lindependance de X et Y entrane que

cov(Xi , Yj ) = 0 pour tous i, j {1, . . . , d}. En consequence, par bilinearite,
cov(Xi + Yi, Xj + Yj ) = cov(Xi , Xj ) + cov(Yi , Yj )
ce qui donne bien KX+Y = KX + KY .
Th eorème 9.4.2 (Loi faible des grands nombres) Soit (Xn )n1 une suite de variables
aleatoires reelles independantes et de meme loi. Si E[X12 ] < , on a
1 L2
(X1 + + Xn ) E[X1 ].
n n
Preuve. Par linearite, h1 i

E (X1 + + Xn ) = E[X1 ].
n
En consequence,
h 1 2 i 1
n
1 X 1
E (X1 + + Xn ) E[X1 ] = 2 var(X1 + + Xn ) = 2 var(Xj ) = var(X1 )
n n n j=1 n
qui tend vers 0 quand n .

Remarque. La preuve montre que le resultat reste vrai sous des hypothèses bien plus faibles.
Au lieu de supposer que les v.a. Xn ont meme loi, il suffit de demander que E[Xn ] = E[X1 ]
pour tout n et que la suite E[Xn2 ] soit bornee. Au lieu de lindependance, il suffit quon ait
cov(Xn , Xm ) = 0 dès que n 6= m, ce qui est beaucoup plus faible.
Le mot faible dans la loi faible des grands nombres renvoie au fait que la convergence
du theorème a lieu dans L2 , alors que dun point de vue probabiliste il est plus significatif
davoir une convergence presque s ure, cest-à-dire une convergence simple en dehors dun
ensemble de probabilite nulle (on parle alors de loi forte). Nous donnons un premier enonce
allant dans ce sens, qui sera considerablement ameliore dans le chapitre suivant.
Proposition 9.4.3 Reprenons les hypothèses du theorème precedent, et supposons de plus

que E[X14 ] < . Alors on a presque s
urement
1
(X1 + + Xn ) E[X1 ].
n n
120
Preuve. Quitte à remplacer Xn par Xn E[Xn ], on peut supposer que E[Xn ] = 0. Alors,
1 1 X
E[( (X1 + + Xn ))4 ] = 4 E[Xi1 Xi2 Xi3 Xi4 ].
n n
i1 ,...,i4 {1,...,n}
En utilisantlindependance et la propriete E[Xk ] = 0, on voit que les seuls termes non nuls
de la somme sont ceux pour lesquels chaque valeur prise par une composante du quadruplet
(i1 , i2 , i3 , i4 ) apparat au moins deux fois dans ce quadruplet. En utilisant le fait que les Xk
ont meme loi, on trouve
1 1 C
E[( (X1 + + Xn ))4 ] = 4 nE[X14 ] + 3n(n 1)E[X12 X22 ] 2
n n n
pour une certaine constante C < . Il en decoule que

X 1
E[( (X1 + + Xn ))4 ] < .
n=1
n
En intervertissant somme et esperance, on obtient

hX
1 i
E ( (X1 + + Xn ))4 < ,
n=1
n
do`
u
X 1
( (X1 + + Xn ))4 < , p.s.
n=1
n
ce qui entrane lassertion de la proposition.
Corollaire 9.4.4 Si (An )n1 est une suite devenements independants de meme probabilite,
on a n
1 X p.s.
1Ai P (A1 ).
n i=1 n
Ce corollaire fait le lien entre notre approche axiomatique moderne et la definition his-
torique de la probabilite comme frequence dapparition dun evenement quand on repète un
grand nombre de fois une experience aleatoire.
Revenons à la deuxième application du lemme de Borel-Cantelli donnee ci-dessus, qui
concernait le developpement dyadique

X
= Xk () 2k
k=1
dun reel [0, 1[. Si p 1 est fixe, on a vu que les v.a. Y1 = (X1 , . . . , Xp ), Y2 =
(Xp+1, . . . , X2p ), . . . sont independantes et de meme loi. On deduit alors du corollaire que,
pour tous i1 , . . . , ip {0, 1},
1 1
d p.s. Card{j n : Yj () = (i1 , . . . , ip )} p .
n n 2
121
Pour chaque {1, . . . , p}, le meme argument applique aux v.a. (X , X+1 , . . . , Xp+1),
(Xp+ , Xp++1, . . . , X2p+1), . . . conduit à
1 1
d p.s. Card{j n : Xjp+() = i1 , . . . , X(j+1)p+1 () = ip } p .
n n 2
En combinant ces resultats on trouve

1 1
d p.s. Card{k n : Xk+1 () = i1 , . . . , Xk+p () = ip } p .
n n 2
Comme une reunion denombrable densembles de probabilite nulle est encore de probabilite
nulle, on a aussi, pour tout [0, 1[ sauf sur un ensemble de mesure nulle :
1 1
p 1, i1 , . . . , ip {0, 1}, Card{k n : Xk+1 () = i1 , . . . , Xk+p () = ip } p .
n n 2
(9.3)
Autrement dit, pour presque tout reel de [0, 1[, la frequence dapparition de nimporte
quel bloc de longueur finie de 0 et de 1 dans le developpement dyadique de existe et est
egale à 2p si p est la longueur du bloc. Remarquons quil nest pas facile dexhiber un reel
pour lequel la propriete (9.3) soit vraie. En fait, le moyen le plus rapide pour prouver
que de tels reels existent est très certainement le raisonnement qui precède. Ceci est typique
de lapplication des probabilites à des problèmes dexistence : pour etablir lexistence dun
objet ayant certaines proprietes, on montre quun objet pris au hasard (selon une loi de
probabilite bien choisie) verifie les proprietes en question.
Semigroupes de convolution
Soit I = N ou I = R+ .
Definition 9.4.1 Soit (t )tI une famille de mesures de probabilite sur R (ou sur Rd ). On
dit que (t )tI est un semigroupe de convolution si 0 = 0 et si
t t = t+t , t, t I.
Linterpretation probabiliste est que si X a pour loi t , Y a pour loi t et si X et Y sont

independantes, alors X + Y a pour loi t+t (cf la première proposition de cette partie).
Lemme 9.4.5 Pour que (t )tI soit un semigroupe de convolution, il suffit quil existe une
fonction : R C telle que :
t () = ()t , t I;
si I = N,
si I = R,
t () = exp(t()), t I.
La preuve est immediate puisque si

t a la forme donnee, on a immediatement
t+t =
t = \
t t t
et linjectivite de la transformee de Fourier donne t+t = t t .
122
Exemples.
(1) I = N et, pour tout n N , n est la loi binomiale B(n, p) (on a fixe p [0, 1]).
La propriete n+m = n m est immediate à partir de linterpretation probabiliste de
la loi binomiale. Alternativement on peut utiliser le lemme en remarquant que n () =
i n
(pe + 1 p) .
(2) I = R+ et, pour tout t R+ , t est la loi de Poisson de paramètre t. Dans ce cas,
k
X t

t () = eik et = exp(t(1 ei )).
k=0
k!
(3) I = R+ et, pour tout t > 0, t est la loi Gaussienne N (0, t). On a dejà calcule dans
le Chapitre 8
t 2
t () = exp( ).
2
Cons
equence importante. Si X et Y sont deux v.a. reelles independantes et
si X suit la loi de Poisson de paramètre et X la loi de Poisson de paramètre , alors

X + X suit la loi de Poisson de paramètre + ;
si X suit la loi gaussienne N (m, 2 ) et X suit la loi gaussienne N (m , 2 ), alors X + X

suit la loi gaussienne N (m + m , 2 + 2 ). (On se ramène au cas m = m = 0 en
considerant X m et X m .)
Plus generalement toute combinaison lineaire de variables aleatoires gaussiennes indepen-

dantes est encore gaussienne.
123
124
Chapitre 10
Convergence de variables al
eatoires
La première partie de ce chapitre presente les differentes notions de convergence de variables

aleatoires, et les liens existant entre ces notions. On etablit ensuite la loi forte des grands
nombres, qui est lun des deux theorèmes limites fondamentaux de la theorie des probabilites.
Le troisième paragraphe presente la convergence en loi des variables aleatoires : ce type de
convergence est sans doute le plus delicat à comprendre, en partie parce quil sagit dune
convergence de mesures (ce sont les lois des variables aleatoires qui convergent et non les
variables elle-memes). La notion de convergence en loi, et le theorème important reliant
cette convergence à celle des fonctions caracteristiques, permettent darriver au deuxième
theorème limite fondamental qui est le theorème central limite.
10.1 Les diff

erentes notions de convergence
Soient (Xn )n1 , X des variables aleatoires à valeurs dans Rd , definies sur un espace de
probabilite (, A, P ). On a dejà rencontre plusieurs notions de convergence de la suite (Xn )
vers X. En particulier
p.s.
Xn X si P ({ : X() = lim Xn ()}) = 1,
n n
et, pour p [1, [,

Lp
Xn X si lim E[|Xn X|p ] = 0.
n n
D
efinition 10.1.1 On dit que la suite (Xn ) converge en probabilite vers X, et on note
(P)
Xn X
n
si pour tout > 0,

lim P (|Xn X| > ) = 0.
n
Proposition 10.1.1 Soit L0Rd (, A, P ) lespace de toutes les variables aleatoires à valeurs
dans Rd , et soit L0Rd (, A, P ) son quotient par la relation dequivalence X Y ssi X = Y
p.s. Alors, la formule
d(X, Y ) = E[|X Y | 1]
125
definit une distance sur L0Rd (, A, P ) qui est compatible avec la convergence en probabilite,
au sens o` u une suite (Xn ) converge en probabilite vers X ssi d(Xn , X) tend vers 0. De plus,
lespace L0Rd (, A, P ) est complet pour la distance d.
Preuve. Il est facile de verifier que d est une distance. De plus, si la suite (Xn ) converge
en probabilite vers X, on a pour tout > 0,
E[|Xn X|1] E[|Xn X|1{|Xn X|} ]+E[(|Xn X|1)1{|Xn X|>} ] +P (|Xn X| > ).
Daprès la definition de la convergence en probabilite, cela entrane lim sup d(Xn , X) , et

puisque etait arbitraire on a d(Xn , X) 0. Inversement, si d(Xn , X) 0, alors, pour
tout ]0, 1],
P (|Xn X| > ) 1 E[|Xn X| 1] = 1 d(Xn , X) 0.

n
Il reste à voir que L0 est complet pour la distance d. Soit donc (Xn ) une suite de Cauchy
pour la distance d. On peut trouver une sous-suite Yk = Xnk telle que, pour tout k 1,
d(Yk , Yk+1) 2k .
Alors

X
X
E[ (|Yk+1 Yk | 1)] = d(Yk , Yk+1) < ,
k=1 k=1
P P
ce qui entrane k=1 (|Yk+1 Yk | 1) < p.s., et donc aussi k=1 |Yk+1 Yk | < p.s.
(p.s. il ne peut y avoir quun nombre fini de valeurs de k pour lesquelles |Yk+1 Yk | 1).
On definit ensuite une v.a. X dans L0 en posant

X
X = Y1 + (Yk+1 Yk ).
k=1
Par construction, la suite (Yk ) converge p.s. vers X, et cela entrane
d(Yk , X) = E[|Yk X| 1] 0,
k
par convergence dominee. Donc la suite (Yk ) converge en probabilite vers X, et cela est aussi
vrai pour la suite de depart (Xn ).
La preuve precedente montre en particulier que de toute suite qui converge en probabilite
on peut extraire une sous-suite qui converge p.s. (vers la meme limite). Nous reprenons cette
propriete dans lenonce suivant.
Proposition 10.1.2 Si la suite (Xn ) converge p.s., ou dans Lp , vers X, elle converge aussi
en probabilite vers X. Inversement, si la suite (Xn ) converge en probabilite vers X, il existe
une sous-suite (Xnk ) qui converge p.s. vers X.
126
Preuve. La deuxième assertion a dejà ete vue. Pour la première, si Xn converge p.s. vers
X,
d(Xn , X) = E[|Xn X| 1] 0,
n
p
par convergence dominee. Si Xn converge dans L vers X,
d(Xn , X) kXn Xk1 kXn Xkp 0.

n

En resume la convergence en probabilite est plus faible a` la fois que la convergence p.s. et
que la convergence dans Lp pour nimporte quel p [1, [ (et a fortiori pour p = ). Dans
lautre sens, la convergence en probabilite entrane la convergence p.s. pour une sous-suite,
et la proposition ci-dessous donne des conditions qui permettent de deduire la convergence
Lp de la convergence en probabilite.
Proposition 10.1.3 Soit (Xn ) une suite de v.a. convergeant en probabilite vers X. Sup-
posons quil existe r ]1, [ tel que la suite (Xn ) soit bornee dans Lr . Alors, pour tout
p [1, r[, la suite (Xn ) converge vers X dans Lp .
Preuve. Par hypothèse, il existe une constante C telle que E[|Xn |r ] C pour tout n. Le
lemme de Fatou entrane alors E[|X|r ] C et donc X Lr . Ensuite, en utilisant linegalite
de Holder, on a pour tout p [1, r[ et tout > 0,
E[|Xn X|p ] = E[|Xn X|p 1{|Xn X|} ] + E[|Xn X|p 1{|Xn X|>} ]
p + E[|Xn X|r ]p/r P (|Xn X| > )1p/r
p + 2p C p/r P (|Xn X| > )1p/r .
En utilisant lhypothèse de convergence en probabilite, il vient
lim sup E[|Xn X|p ] p

n
do`
u le resultat annonce puisque est arbitraire.
10.2 La loi forte des grands nombres

Notre objectif est de montrer que si (Xn ) est une suite de v.a. independantes et de meme loi,
dans L1 , alors les moyennes n1 (X1 + + Xn ) convergent p.s. vers E[X1 ]. Nous avons dejà
obtenu ce resultat sous lhypothèse supplementaire que E[|X1 |4 ] < , mais nous cherchons
maintenant à letablir sous des hypothèses optimales. Nous commencons par un resultat
preliminaire important.
Th eorème 10.2.1 (Loi du tout ou rien) Soit (Xn )n1 une suite de variables aleatoires
independantes, à valeurs dans des espaces mesurables quelconques. Pour tout n 1 soit Bn
la tribu
Bn = (Xk ; k n).
127
Alors la tribu asymptotique B definie par

\
B = Bn
n=1
u P (B) = 0 ou 1 pour tout B B .

est grossière, au sens o`
Preuve. Posons
Dn = (Xk ; k n).
On a observe dans le Chapitre 9 que pour tout n, Dn est independante de Bn+1 , donc a
fortiori de B . Ainsi,

[
A Dn , B B , P (A B) = P (A)P (B).
n=1
S
Puisque la classe n=1 Dn est stable par intersections finies, un autre r
esultat du Chapitre
9 permet alors de conclure que B est independante de
[

Dn = (Xn ; n 1).
n=1
En particulier, B est independante delle-meme, et pour tout B B , P (B) = P (B B) =

P (B)2, ce qui nest possible que si P (B) = 0 ou 1.
On verifie aisement quune v.a. reelle mesurable par rapport à une tribu grossière est
constante p.s. (sa fonction de repartition ne peut prendre que les deux valeurs 0 ou 1). On
peut appliquer le theorème precedent à toute suite (Xn )n1 de v.a. reelles independantes. Il
est facile de voir que la v.a.
1
lim sup (X1 + + Xn )
n n
est mesurable par rapport à B , et cela entrane que cette variable (à valeurs dans [, ])
est constante p.s. En particulier, si on sait que la suite n1 (X1 + + Xn ) converge p.s. la
limite est constante (p.s.).
Avant dutiliser la loi du tout ou rien pour etablir la loi forte des grands nombres, nous
donnons dabord une application plus facile au jeu de pile ou face.
Proposition 10.2.2 Soit (Xn )n1 une suite de variables aleatoires independantes , de meme
loi donnee par P (Xn = 1) = P (Xn = 1) = 21 . Pour tout n 1, posons
S n = X1 + X2 + + X n .
Alors,
p.s. sup Sn = + et inf Sn = .
n1 n1
En particulier, il existe p.s. des entiers n arbitrairement grands tels que Sn = 0.
128
En dautres termes si on imagine un jeu o` u à chaque instant entier le joueur gagne ou
perd un Euro avec probabilite 1/2, Sn represente le gain (positif ou negatif) accumule après
n instants. La proposition montre que quand n , Sn prend tantot des valeurs positives
tantot des valeurs negatives, de plus en plus grandes en valeur absolue.
Preuve. On commence par montrer que, pour tout entier p 1,
P (p inf Sn sup Sn p) = 0.
n n
Pour cela on fixe un entier k > 2p, et on remarque que

[
{Xjk+1 = Xjk+2 = = Xjk+k = 1} ({p inf Sn sup Sn p})c .
n n
j=0
Or une application du lemme de Borel-Cantelli (cf le Chapitre 9 pour des raisonnements

analogues) montre que lensemble de gauche a probabilite 1, ce qui donne le resultat annonce.
En faisant tendre p vers , on trouve
P ({inf Sn > } {sup Sn < }) = 0,

n n
do`
u
P ({inf Sn = } {sup Sn = }) = 1,
n n
et en particulier
P ({inf Sn = }) + P ({sup Sn = }) 1.
n n
Un argument de symetrie montre que
P ({inf Sn = }) = P ({sup Sn = })
n n
et daprès ce qui precède ces deux probabilites sont strictement positives. Pour conclure, on
remarque que
{sup Sn = } B .
n
En effet, pour tout entier k 1,
{sup Sn = } = {sup(Xk + Xk+1 + + Xn ) = } Bk

n nk
et donc levenement {supn Sn = } est mesurable par rapport à lintersection des tribus Bk ,
cest-à-dire B . La loi du tout ou rien montre alors que P ({supn Sn = }) = 1.
Nous passons maintenant au resultat principal de ce paragraphe.
Th eorème 10.2.3 (Loi forte des grands nombres) Soit (Xn )n1 une suite de variables
aleatoires independantes, de meme loi, dans L1 . Alors,
1 p.s.
(X1 + + Xn ) E[X1 ].
n n
129
Remarques. (i) Lhypothèse dintegrabilite est optimale dans le sens o` u elle est necessaire
pour que la limite E[X1 ] soit bien definie (et finie). Dans le cas o`
u les v.a. Xn sont positives
et E[X1 ] = , on montre facilement que
1 p.s.
(X1 + + Xn ) +
n n
en appliquant le theorème aux v.a. Xn K.

(ii) On peut montrer que la convergence du theorème a aussi lieu dans L1 . Nous ne donnerons
pas la preuve ici (elle sera donnee à la fin du chapitre 12 en application de la theorie des
martingales). Du point de vue probabiliste, cest la convergence presque s ure qui a le plus
de signification.
Preuve. Pour alleger les notations on pose Sn = X1 + + Xn , S0 = 0. Soit a > E[X1 ], et
M = sup(Sn na)
nN
qui est une v.a. à valeurs dans [0, ]. Nous allons montrer que
M <, p.s. (10.1)
Puisque linegalite Sn na + M est vraie pour tout n, il en decoule aussitot que
1
lim sup Sn a , p.s.
n n
En considerant une suite de valeurs de a qui decrot vers E[X1 ], on trouve alors
1
lim sup Sn E[X1 ] , p.s.
n n
En remplacant Xn par Xn , on obtient linegalite inverse
1
lim inf Sn E[X1 ] , p.s.
n n
et lenonce du theorème decoule de ces deux dernières inegalites.
Il reste à montrer (10.1). On remarque dabord que, avec les notations de la loi du tout
ou rien, levenement {M < } est dans la tribu B . En effet, il suffit decrire pour tout
entier k 0,
{M < } = {sup(Sn na) < } = {sup(Sn Sk (n k)a) < }

nN nk
et de remarquer que le dernier evenement est mesurable pour la tribu (Xk+1, Xk+2 , . . .).
Pour conclure il suffira donc de montrer que P (M < ) > 0, ou de manière equivalente que
P (M = ) < 1, ce que nous ferons en raisonnant par labsurde.
130
Commencons par quelques notations. Pour tout entier k N, posons
Mk = sup (Sn na),

0nk
Mk = sup (Sn+1 S1 na).

0nk
Alors Mk et Mk ont meme loi : en effet dune part les vecteurs (X1 , . . . , Xk ) et (X2 , . . . , Xk+1)
ont meme loi et dautre part on peut ecrire Mk = Fk (X1 , . . . , Xk ) et Mk = Fk (X2 , . . . , Xk+1)
avec la meme fonction (deterministe) Fk : Rk R. Il en decoule que
M = lim Mk
k
et
M = lim Mk
k
ont aussi meme loi (ecrire P (M x) = lim P (Mk x) = lim P (Mk x) = P (M x)).

Par ailleurs, il decoule des definitions que pour tout k 1,

Mk+1 = sup 0, sup (Sn na) = sup(0, Mk + X1 a),
1nk+1
ce quon peut encore reecrire sous la forme
Mk+1 = Mk inf(a X1 , Mk ).
Puisque Mk a meme loi que Mk (et que ces deux v.a. sont clairement dans L1 ), on trouve
E[inf(a X1 , Mk )] = E[Mk ] E[Mk+1 ] = E[Mk ] E[Mk+1 ] 0
grace à linegalite triviale Mk Mk+1 . On peut maintenant appliquer le theorème de

convergence dominee à la suite des v.a. inf(a X1 , Mk ), qui sont dominees en valeur absolue
par |a X1 | (rappelons que Mk 0). Il vient alors
E[inf(a X1 , M )] = lim E[inf(a X1 , Mk )] 0.

k
Si on avait P (M = ) = 1, on aurait aussi P (M = ) = 1, puisque les v.a. M et M ont

meme loi, et donc inf(a X1 , M ) = a X1 p.s. Mais alors linegalite precedente donnerait
E[a X1 ] 0, ce qui est absurde puisquon a choisi a > E[X1 ]. Cette contradiction termine
la preuve.
10.3 La convergence en loi

Rappelons que Cb (Rd ) designe lespace des fonctions continues bornees de Rd dans R, quon
munit de la norme sup
kk = sup |(x)|.
xRd
131
efinition 10.3.1 Une suite (n ) de mesures de probabilite sur Rd converge etroitement
D
(e)
vers une mesure de probabilite sur Rd (on note n ) si
Z Z
d
Cb (R ) , dn d.
n
Une suite (Xn ) de v.a. à valeurs dans Rd converge en loi vers une v.a. X à valeurs dans Rd
(loi)
(on note Xn X) si la suite (PXn ) converge etroitement vers PX . Cela equivaut encore `
a
Cb (Rd ) , E[(Xn )] E[(X)].

n
Remarques. (i) Il y a un abus de langage à dire que la suite de v.a. (Xn ) converge en loi vers
X, car la v.a. limite X nest pas definie de manière unique : seule sa loi PX lest (pour cette
raison on ecrira parfois quune suite de v.a. (Xn ) converge en loi vers mesure de probabilite
sur Rd , et il faudra evidemment comprendre que la suite (PXn ) converge etroitement vers ).
Notons aussi quon peut considerer la convergence en loi de v.a. definies sur des espaces de
probabilite differents (ici nous supposerons toujours implicitement quelles sont definies sur
le meme espace de probabilite), ce qui rend la convergence en loi très differente des autres
convergences discutees ci-dessus.
(ii) Lespace des mesures de probabilite sur Rd peut etre vu comme un sous-ensemble du
dual Cb (Rd ) . La convergence etroite correspond alors à la topologie faible * sur le dual
(topologie de la convergence simple, les elements du dual etant vus comme des fonctions sur
Cb (Rd )).
Exemples. (a) Si les v.a. Xn et X sont à valeurs dans Zd , alors Xn converge en loi vers X
si et seulement si
x Zd , P (Xn = x) P (X = x)
n
(limplication demande un petit raisonnement : largument est facile si on sait, ce qui sera
etabli plus tard, quon peut remplacer Cb (Rd ) par Cc (Rd ) dans la definition de la convergence
etroite).
(b) Si les Xn sont des v.a. à densite, PXn (dx) = pn (x)dx, si on suppose
pn (x) p(x) , dx p.p.
R
et sil existe une fonction q 0 telle que Rd q(x)dx < et
n , pn (x) q(x) , dx p.p.
alors p est une densite de probabilite sur Rd , et Xn converge en loi vers la loi p(x)dx. Cela
decoule du theorème de convergence dominee.
n
(c) Si Xn est de loi uniforme sur { 21n , 22n , . . . , 22n }, alors Xn converge en loi vers la loi uniforme
sur [0, 1]. Ce resultat decoule de lapproximation de lintegrale dune fonction continue par
ses sommes de Riemann.
(d) Si Xn est de loi gaussienne N (0, n2 ) et si n 0, alors Xn converge en loi vers la v.a.
constante egale à 0.
132
Proposition 10.3.1 Si la suite (Xn ) converge en probabilite vers X alors la suite (Xn )
converge en loi vers X.
Preuve. Supposons dabord que Xn converge p.s. vers X. Alors, pour toute fonction
Cb (Rd ), (Xn ) converge p.s. vers (X) et donc le theorème de convergence dominee
entrane E[(Xn )] E[(X)], do` u la convergence en loi recherchee.
Dans le cas general, raisonnons par labsurde en supposant que Xn ne converge pas en loi
vers X, donc quil existe une fonction Cb (Rd ) telle que E[(Xn )] ne converge pas vers
E[(X)]. On peut trouver une sous-suite (nk ) et > 0 tels que |E[(Xnk )] E[(X)]|
pour tout k. Mais, daprès un resultat de la partie 1, il existe une sous-sous-suite (nk )
telle que (Xnk ) converge p.s. vers X. La première partie de la preuve donne alors une
contradiction.
Remarque. Il existe un cas o` u la reciproque de la proposition est vraie. Cest le cas o`
u la
d
v.a. limite X est constante (p.s.). En effet, si Xn converge en loi vers a R , il decoule de
la propriete (ii) de la proposition qui suit que pour tout > 0,
lim inf PXn (B(a, )) 1
n
o`
u B(a, ) est la boule ouverte de centre a et de rayon . Cest exactement dire que Xn
converge en probabilite vers a.
Si (Xn ) est une suite de v.a. convergeant en loi vers X, il nest pas toujours vrai quon
ait
P (Xn B) P (X B)
pour tout borelien B de Rd (prendre B = {0} dans lexemple (d) ci-dessus). On a cependant
le resultat suivant.
Proposition 10.3.2 Soient (n ), des mesures de probabilite sur Rd . Les quatre assertions
suivantes sont equivalentes.
(i) La suite (n ) converge etroitement vers .
(ii) Pour tout ouvert G de Rd ,
lim inf n (G) (G).
(iii) Pour tout ferme F de Rd ,

lim sup n (F ) (F ).
(iv) Pour tout borelien B de Rd tel que (B) = 0,

lim n (B) = (B).
Preuve. Commencons par montrer (i)(ii). Si G est un ouvert de Rd , on peut trouver une
suite (p ) de fonctions continues bornees telles que 0 p 1G et p 1G (par exemple
p (x) = p dist(x, Gc ) 1 ). Alors,
Z Z
lim inf n (G) sup lim inf p dn = sup p d = (G).
n p n p
133
Lequivalence (ii)(iii) est immediate par passage au complementaire.
Montrons que (ii) et (iii) entranent (iv). Si B B(Rd ),
lim sup n (B) lim sup n (B) (B)

lim inf n (B) lim inf n (B) (B).

Si (B) = 0 on a (B) = (B) = (B) et on obtient (iv).
Il reste à montrer limplication (iv)(i). Soit Cb (Rd ). Quitte à decomposer =
+ on peut supposer 0. Soit K > 0 tel que 0 K. Alors le theorème de
Fubini montre que
Z Z Z K Z K
(x)(dx) = 1{t(x)} dt (dx) = (Et )dt,
0 0
o`
u Et = {x Rd : (x) t}. De meme, pour tout n,
Z Z K
(x)n (dx) = n (Et )dt.
0
Remarquons que Et
{x Rd : (x) = t}, et quil existe au plus une infinite denombrable
de valeurs de t telles que
({x Rd : (x) = t}) > 0
(en effet il y a au plus k valeurs distinctes de t telles que ({x Rd : (x) = t}) k1 ). Donc
(iv) entrane
n (Et ) (Et ) , dt p.p.
n
et par convergence dominee on obtient
Z Z K Z K Z

(x)n (dx) = n (Et )dt n (Et )dt = (x)(dx).
0 n 0

Cons equence. Une suite (Xn ) de v.a. reelles converge en loi vers une v.a. X si et seulement
si les fonctions de repartition FXn (x) convergent vers FX (x) en tout point x o` u FX est
continue. Limplication decoule immediatement de la propriete (iv) ci-dessus. Dans
lautre sens, on observe que sous la condition de convergence des fonctions de repartition (en
tout point où FX est continue), on a pour tout x R,
lim inf FXn (x) FX (x),
lim sup FXn (x) FX (x).
Il decoule de cette observation que la condition (ii) de la proposition est satisfaite pour
n = PXn et = PX lorsque G est un intervalle ouvert. Il suffit ensuite decrire un ou-
vert quelconque comme reunion denombrable disjointe dintervalles ouverts pour aboutir au
resultat desire.
Rappelons la notation Cc (Rd ) pour lespace des fonctions continues à support compact
sur Rd .
134
Proposition 10.3.3 Soient (n ) et des mesures de probabilite sur Rd . Soit H un sous-
ensemble de Cb (Rd ) dont ladherence (pour la norme sup) contient Cc (Rd ). Les proprietes
suivantes sont equivalentes :
(i) La suite (n ) converge etroitement vers .
(ii) On a Z Z
d
Cc (R ) , dn d.
n
(iii) On a Z Z
H , dn d.
n
Preuve. Il est evident que (i)(ii) et (i)(iii). Supposons ensuite que (ii) est satisfaite.
Soit Cb (Rd ) et soit (fk ) une suite de fonctions dans Cc (Rd ) telles que 0 fk 1 et
fk 1 quand k . Alors pour tout k, fk Cc (Rd ) et donc
Z Z
fk dn fk d.
n
Par ailleurs,
Z Z Z

d n f k d n sup |(x)| 1 fk d n ,
xR
Z Z Z

d fk d sup |(x)| 1 f k d .
xR
Donc, pour tout k,

Z Z Z Z

lim sup dn d sup |(x)| lim sup(1 fk dn ) + (1 fk d)
n xR n
Z
= 2 sup |(x)| (1 fk d) .
xR
R R
Il suffit maintenant de faire tendre k vers pour trouver que dn converge vers d,
et on a etabli (i).
Il reste à montrer (iii)(ii). On suppose donc que la propriete (iii) est satisfaite. Ensuite,
si Cc (Rd ), on peut pour chaque entier k 1 trouver une fonction k H telle que
k k k 1/k. Mais alors, pour tout k 1,
Z Z
lim sup | dn d|
n
Z Z Z Z Z Z 2
lim sup | dn k dn | + | k dn k d| + | k d d| .
n k
R R
Comme k est arbitraire cela donne dn d, do` u la propriete (ii).
135
Th
eorème 10.3.4 (L evy) Une suite (n ) de mesures de probabilite sur Rd converge etroite-
ment vers une mesure de probabilite sur Rd si et seulement si
Rd , bn ()
b().
n
De manière equivalente, une suite (Xn ) de variables aleatoires à valeurs dans Rd converge
en loi vers X si et seulement si
Rd , Xn () X ().
n
Preuve. Il suffit de montrer la première assertion. Dabord, si on suppose que la suite (n )

converge etroitement vers , la definition meme de cette convergence assure que
Z Z
d ix
R , bn () = e n (dx) eix (dx) =
b().
n
Supposons inversement que b() pour tout Rd et montrons qualors la suite

bn ()
(n ) converge etroitement vers . Pour alleger lecriture on traite seulement le cas d = 1.
Soit f Cc (R) et pour tout > 0 soit
1 x2
g (x) = exp( 2 ).
2 2
Alors on a dejà observe à la fin du Chapitre 8 que g f converge simplement vers f quand
0. En fait on verifie aisement que cette convergence est uniforme sur R.
Par ailleurs, si est une mesure de probabilite sur R, on a vu dans la preuve du theorème
dinjectivite de la transformee de Fourier (fin du Chapitre 8) que
Z Z Z Z
1 ix
g f d = f (x) g (x)dx = f (x) ( 2) e g1/ ()b
()d dx.
b() pour tout R, le theorème de convergence dominee entrane que

bn ()
Puisque
Z Z
ix
n ()d
e g1/ ()b eix g1/ ()b
()d,
n
et puisque ces quantites sont bornees en module par 1, on peut utiliser la formule precedente
et à nouveau le theorème de convergence dominee pour obtenir que
Z Z
g f dn g f d.
n
Finalement, soit H le sous-espace de Cb (Rd ) defini par
H = { = g f : > 0 et f Cc (Rd )}.
Alors ladherence de H dans Cb (Rd ) contient Cc (Rd ) (on a remarque que d

R si f CRc (R ),
kg f f k tend vers 0 quand 0) et on vient de montrer que dn d
pour toute fonction H. Daprès la proposition precedente, cela suffit pour donner la
convergence etroite de la suite (n ) vers .
136
10.4 Deux applications
10.4.1 La convergence des mesures empiriques
Soit (Xn )n1 une suite de variables aleatoires à valeurs dans Rd , independantes et de meme
loi. Ces variables peuvent representer les resultats successifs dune meme experience aleatoire
repetee de manière independante. Un problème statistique fondamental est destimer la loi
de X1 à partir de la donnee de X1 (), X2(), . . . , Xn () pour une seule valeur de .
Exemple : th eorie des sondages. Imaginons quon a une population de N individus
numerotes 1, 2, . . . , N . Lentier N est suppose très grand (on peut penser à la population
francaise). A lindividu i est attache un paramètre a(i) Rd (par exemple, lage de lindividu,
son intention de vote, son revenu mensuel, etc.). Si A B(Rd ), on sinteresse alors à la
quantite
N
1 X
(A) = 1A (a(i))
N i=1
qui est la proportion dindividus dans la population dont le paramètre est dans A (par
exemple la proportion dindividus de plus de cinquante ans qui ont lintention de voter
Chirac et ont un revenu mensuel superieur à 2000 Euros).
Comme N est très grand, il est hors de question de calculer exactement (A). Le principe
dun sondage est alors de choisir un echantillon de la population, cest-à-dire de prendre au
hasard n individus (n grand mais petit devant N) en esperant que la proportion dindividus
choisis dans cet echantillon pour lesquels le paramètre est dans A sera proche de la meme pro-
portion calculee pour la population totale. Pour rendre ceci precis en termes mathematiques,
on se donne une famille Y1 , . . . , Yn de variables aleatoires independantes de loi uniforme
sur {1, . . . , N} (ce sont les individus de notre echantillon). La valeur du paramètre pour
lindividu Yj est Xj = a(Yj ). Les v.a. X1 , . . . , Xn sont evidemment independantes et de
meme loi. De plus, cette loi est
N
1 X
PX1 (A) = P (a(Y1) A) = 1A (a(i)) = (A).
N i=1
Par ailleurs, la proportion calculee sur les individus de lechantillon est

n n
1X 1X
1A (Xj ()) = X () (A)
n j=1 n j=1 j
Finalement, la question de savoir si la proportion calculee sur lechantillon est proche de

la proportion reelle (A) se ramène à verifier que la mesure, dite mesure empirique,
n
1X
X ()
n j=1 j
est proche de PX1 quand n . Le theorème suivant apporte une reponse à cette question.
137
Th eor` eme 10.4.1 Soit (Xn )n1 une suite de variables aleatoires independantes et de meme
loi, à valeurs dans Rd . Pour tout et tout n 1, soit n, la mesure de probabilite sur
Rd definie par
n
1X
n, = X () .
n i=1 i
Alors, p.s.,
(e)
n, PX1 .
n
Remarque. Dun point de vue pratique, le theorème precedent na aucun interet si on na

pas destimation de la vitesse de convergence. En revenant a` lexemple donne avant lenonce
du theorème, il faut que la mesure empirique n, soit suffisamment proche de PX1 pour
des valeurs de n grandes mais petites devant la taille N de la population (en pratique, N est
de lordre de 107 et n seulement de lordre de 103 ).
Preuve. Soit H un sous-ensemble denombrable dense de Cc (Rd ). Si H, la loi forte des
grands nombres appliquee aux v.a. (Xi ) assure que
n
1X p.s.
(Xi ) E[(X1 )].
n i=1 n
On peut reecrire cela sous la forme

Z Z
p.s.
dn, dPX1 .
n
Puisque H est denombrable, quitte à ecarter une reunion denombrable densembles de prob-
abilite nulle, on obtient
Z Z
p.s. H, dn, dPX1 .
n
Daprès une proposition du paragraphe precedent, cela suffit pour dire que p.s. n, converge
etroitement vers PX1 .
10.4.2 Le th
eor`
eme central limite
Soit (Xn )n1 une suite de variables aleatoires reelles independantes et de meme loi, dans L1 .
La loi forte des grands nombres montre que
1 p.s.
(X1 + + Xn ) E[X1 ].
n n
On cherche alors à savoir à quelle vitesse cette convergence a lieu, cest-à-dire quel est lordre
de grandeur de la difference
1
(X1 + + Xn ) E[X1 ]
n
138
quand n est grand.
Sous lhypothèse supplementaire que les variables Xi sont dans L2 , on devine la reponse
en calculant, comme dans la preuve de la loi faible des grands nombres,
E[(X1 + + Xn n E[X1 ])2 ] = var(X1 + + Xn ) = n var(X1 ).
Ce calcul indique que la valeur moyenne de (X1 + + Xn n E[X1 ])2 crot lineairement

avec n, donc suggère fortement que lordre de grandeur de X1 + + Xn
n E[X 1 ] est n,
1
ou encore que lordre de grandeur de n (X1 + + Xn ) E[X1 ] est 1/ n. Le theorème
central limite rend ceci plus precis.
Th eor` eme 10.4.2 (Th eor`

eme central limite) Soit (Xn )n1 une suite de variables aleatoires
reelles independantes et de meme loi, dans L2 . Soit 2 = var(X1 ). Alors,
1 (loi)
(X1 + + Xn n E[X1 ]) N (0, 2)
n n
u N (0, 2 ) designe la loi gaussienne centree de variance 2 . De manière equivalente, pour

o`
tous a, b R avec a < b,
Z b
1 x2
lim P (X1 + + Xn [nE[X1 ] + a n, nE[X1 ] + b n]) = exp( ) dx.
n 2 a 2 2
Preuve. La deuxième partie de lenonce est une consequence de la première, compte-tenu

de la formulation de la convergence en loi en termes des fonctions de repartition (noter ici
que la fonction de repartition de la variable limite est continue). Pour montrer la première
partie de lenonce, on remarque dabord quon peut supposer E[X1 ] = 0, quitte à remplacer
Xn par Xn E[Xn ]. Posons alors
1
Zn = (X1 + + Xn ).
n
La fonction caracteristique de Zn est

h X + + X i h in
1 n
Zn () = E exp i( ) = E exp i X1 = X1 ( )n ,
n n n
o`
u, dans la seconde egalite, on a utilise le fait que les v.a. Xi sont independantes et de meme
loi. Daprès un resultat du Chapitre 8, on a
1 2 2
X1 () = 1 + iE[X1 ] 2E[X12 ] + o( 2 ) = 1 + o( 2 )
2 2
quand 0. Pour R fixe, on a donc aussi
2 2 1
X1 ( ) = 1 + o( )
n 2n n
139
quand n . En combinant avec ce qui precède, on a pour tout R,
2 2 1 2 2
lim Zn () = lim (1 + o( ))n = exp( ) = U ().
n n 2n n 2
si U suit la loi N (0, 2). Le theorème de Levy permet maintenant de conclure que Zn
converge en loi vers U, ce qui est le resultat du theorème.
Cas particulier : Th eorème de de Moivre. On suppose que les Xn sont des variables
de Bernoulli de paramètre 21 (i.e. P (Xn = 1) = P (Xn = 0) = 21 ) independantes. Alors
Sn = X1 + + Xn suit une loi binomiale B(n, 12 ) :
P (Sn = k) = Cnk 2n .
Comme 2 = 1/4 dans ce cas particulier, le theorème entrane que, pour tous a < b,
r Z b
X 2 2
n
2 Cnk e2x dx.
n n a
2
+a nk n
2
+b n
Cette dernière convergence peut etre verifiee directement (avec certains efforts) à laide de
la formule de Stirling. On montre en fait un resultat plus precis de la forme
r
n k 2 2 n
n 2 Cn = exp( (k )2 ) + o(1)
n 2
avec un reste o(1) uniforme quand k varie dans {0, 1, . . . , n}.
10.4.3 Extension au cas vectoriel

Supposons maintenant que (Xn )n1 est une suite de variables aleatoires independantes de
meme loi à valeurs dans Rd et integrables. Alors, on peut appliquer la loi forte des grands
nombres coordonnee par coordonnee pour obtenir
1 p.s.
(X1 + + Xn ) E[X1 ],
n n
u la limite E[X1 ] sinterprète evidemment comme le vecteur (E[X11 ], . . . , E[X1d ]) si on a

o`
ecrit X = (X11 , . . . , X1d ). Supposons de plus que les v.a. Xn sont de carre integrable. Il
nest pas aussi facile dobtenir une version multidimensionnelle du theorème central limite :
contrairement à ce qui se passe pour la convergence presque s ure, il ne suffit pas pour
obtenir la convergence en loi dune suite de v.a. à valeurs dans Rd de savoir que chaque
suite coordonnee converge en loi (on peut aussi remarquer que la loi de la limite nest pas
determinee par la connaissance de chacune de ses marginales).
Pour etendre le theorème central limite au cas de v.a. à valeurs dans Rd , nous devons
commencer par generaliser la notion de loi gaussienne.
140
Definition 10.4.1 Soit C une matrice d d à coefficients reels, symetrique positive. Une
v.a. X à valeurs dans Rd , de carre integrable, est appelee vecteur gaussien centre de covari-
ance C si
1
Rd , X () = E[eiX ] = exp( t C).
2
On dit aussi que X suit la loi N (0, C).
Remarque. Soit a Rd . On dit plus generalement que X suit la loi N (a, C) si X a suit
la loi N (0, C).
On a vu dans le Chapitre 8 que si X = (X 1 , . . . , X d ) est une v.a. à valeurs dans Rd et
de carre integrable, on a le developpement limite
d
X d d
1 XX
X () = 1 + i j E[X j ] j k E[X j X k ] + o(| 2|)
j=1
2 j=1 k=1
quand 0. On en deduit immediatement que si X suit la loi N (0, C) on a E[X] = 0 et

KX = C.
Proposition 10.4.3 Soit C une matrice symetrique positive. Il existe un vecteur gaussien
centre de covariance C.
Preuve. Rappelons dabord (voir la fin du Chapitre 9) quune combinaison lineaire de v.a.
gaussiennes independantes
est encore gaussienne.
On pose A = C de sorte que A est une matrice symetrique positive et A2 = C. Soient
ensuite Y 1 , . . . , Y d d v.a. reelles independantes de loi N (0, 1). Soit Y la v.a. à valeurs dans
Rd dont les coordonnees sont Y 1 , . . . , Y d . Alors, X = AY suit la loi N (0, C). Pour le voir,
considerons Rd et observons que X est une combinaison lineaire des v.a. Y 1 , . . . , Y d ,
et est donc une v.a. gaussienne centree. Precisement, X suit la loi N (0, 2) avec
2 = E[( X)2 ] = E[t AY t Y A] = t A E[Y t Y ] A = t A2 = t C,
en calculant de manière matricielle, et en utilisant le fait que E[Y t Y ] = Id puisque les

coordonnees de Y sont des v.a. de loi N (0, 1) independantes. Finalement, grace à la formule
pour la fonction caracteristique dune v.a. de loi N (0, 2 ), on a pour tout u > 0,
2 u2 u2
E[eiu X ] = exp( ) = exp( t C)
2 2
et en prenant u = 1 on a le resultat voulu.
Remarques. (i) Avec les notations de la preuve ci-dessus, Y suit la loi N (0, Id).
(ii) Une v.a. X à valeurs dans Rd est un vecteur gaussien centre si et seulement si toute
combinaison lineaire de ses composantes est gaussienne centree : en effet on a alors E[eiX ] =
exp( 21 E[( X)2 ]) = exp( 21 t KX ).
Exercice. Soit X un vecteur gaussien centre. Montrer que X a une densite si et seulement
si KX est non degeneree, et calculer alors la densite de X.
141
Theorème 10.4.4 (Th eor`
eme central limite vectoriel) Soit (Xn )n1 est une suite de
variables aleatoires independantes de meme loi à valeurs dans Rd , de carre integrable. Alors,
1 (loi)
(X1 + + Xn n E[X1 ]) N (0, KX1 )
n n
Preuve. Cest la meme que dans le cas reel. On peut supposer E[X1 ] = 0. Ensuite, pour
tout Rd ,
h X1 + + Xn i h in
E exp i ( ) = E exp i X1 = X1 ( )n .
n n n
Dautre part, on sait que

1 t 1
X1 ( ) = 1 KX1 + o( ).
n 2n n
On conclut que
h X1 + + Xn i 1
lim E exp i ( ) = exp( t KX1 ),
n n 2
do`
u le resultat grace au theorème de Levy.
142
Chapitre 11
Conditionnement
Ce chapitre est consacre à la construction et aux proprietes de lesperance conditionnelle.

Intuitivement, lesperance conditionnelle dune variable aleatoire reelle donnee par rapport
à une sous-tribu est la variable aleatoire mesurable pour cette sous-tribu qui est la plus
proche de la variable aleatoire donnee. Pour de nombreux problèmes concrets (prediction,
observation incomplète, etc.) il est important de pouvoir estimer une variable aleatoire sur
laquelle on na quune information partielle, et lon comprend dès lors limportance de la
notion desperance conditionnelle. La definition axiomatique de cette notion (dans laquelle
la propriete caracteristique joue un role essentiel) est motivee par le cas discret traite dans
le premier paragraphe. Le calcul explicite des esperances conditionnelles, qui est en general
un problème difficile, est illustre sur plusieurs cas, dont le cas gaussien particulièrement
important pour les applications. La notion de loi conditionnelle, utile dans ce cours dun
point de vue conceptuel surtout, est introduite à la fin du chapitre.
11.1 Conditionnement discret

Comme dans les chapitres precedents on se place sur un espace de probabilite (, A, P ). Soit
B A un evenement tel que P (B) > 0. On peut definir une nouvelle probabilite sur (, A),
appelee probabilite conditionnelle sachant B, en posant pour tout A A,
P (A B)
P (A | B) = .
P (B)
De meme, pour toute v.a. X 0, ou pour X L1 (, A, P ), lesperance conditionnelle de

X sachant B est definie par
E[X 1B ]
E[X | B] = .
P (B)
Cette quantite est aussi lesperance de X sous la probabilite P ( | B), et elle sinterprète
comme la valeur moyenne de X quand B est realise.
Nous cherchons ensuite à definir lesperance conditionnelle sachant une variable aleatoire
(et non plus sachant un evenement). Considerons une v.a. Y à valeurs dans un espace E
143
denombrable. Soit E = {y E : P (Y = y) > 0}. Pour tout y E , et pour toute v.a.
X L1 (, A, P ), on peut definir, comme cas particulier de ce qui precède,
E[X 1{Y =y} ]
E[X | Y = y] = .
P (Y = y)
Definition 11.1.1 Soit X L1 (, A, P ). Lesperance conditionnelle de X sachant Y est

la variable aleatoire reelle definie par
E[X | Y ] = (Y ),
u la fonction : E R est donnee par

o`

E[X | Y = y] si y E ,
(y) =
0 si y E\E .
Remarque. Le choix de la valeur de sur E\E est arbitraire : de toute facon ce choix
ninfluence la definition de E[X | Y ] que sur un ensemble de probabilite nulle, puisque
X
P (Y E\E ) = P (Y = y) = 0.
yE\E
On pourrait changer la definition de sur E\E et cela donnerait la meme v.a. E[X | Y ] à
un ensemble de mesure nulle près. Dans les situations plus generales que nous rencontrerons
plus tard, les esperances conditionnelles (sachant une v.a. ou une tribu) seront toujours
definies à un ensemble de probabilite nulle près.
En comparant avec le conditionnement par rapport à un evenement, on observe que
lesperance conditionnelle E[X | Y ] est maintenant une variable aleatoire : cest la v.a. qui
donne la valeur moyenne de X quand on connait Y : p.s.,
E[X | Y ]() = E[X | Y = y] , si Y () = y.
Remarquons aussi que E[X | Y ] est une fonction de Y donc une v.a. (Y )-mesurable. Dans
un sens qui sera precise plus loin, cest la meilleure approximation de X par une fonction de
Y.
1
Exemple. Lancer dun de. On prend = {1, 2, . . . , 6} et P ({}) = 6
pour tout .
Soient
1 si est impair,
Y () =
0 si est pair,
et X() = . Alors,
3 si {1, 3, 5},
E[X | Y ]() =
4 si {2, 4, 6}.
Proposition 11.1.1 On a E[|E[X | Y ]|] E[|X|]. En particulier, E[X | Y ] L1 (, A, P ).

De plus, pour toute v.a. Z (Y )-mesurable bornee,
E[ZX] = E[Z E[X | Y ]].
144
Preuve. Daprès la definition de lesperance conditionnelle E[X | Y ], on a
X |E[X 1{Y =y} ]| X
E[|E[X | Y ]|] = P (Y = y) E[|X| 1{Y =y} ] = E[|X|].
P (Y = y)
yE yE
Pour la dernière assertion, on utilise le fait quon peut ecrire Z = (Y ), avec une fonction
bornee. Alors,
X X
E[(Y ) E[X | Y ]] = (y) E[X 1{Y =y} ] = E[(Y )X 1{Y =y} ] = E[(Y )X].
yE yE

equence. Si Y est une autre v.a. discrète telle que (Y ) = (Y ), on a
Cons
E[X | Y ] = E[X | Y ] p.s.
En effet, en appliquant la proposition avec Z = 1{E[X|Y ]>E[X|Y ]} , qui est bien mesurable pour
(Y ) = (Y ) puisque E[X | Y ] et E[X | Y ] le sont, on trouve
E[1{E[X|Y ]>E[X|Y ]} (E[X | Y ] E[X | Y ])] = 0
doù E[X | Y ] E[X | Y ] p.s., et on obtient de meme lautre inegalite. Cela montre aussi que
la dernière propriete de la proposition caracterise E[X | Y ] parmi les v.a. (Y )-mesurables
et integrables.
Lobservation precedente conduit à dire que la bonne notion de conditionnement est
la notion de conditionnement par rapport à une tribu. Cest cette notion que nous allons
developper dans les paragraphes suivants en nous basant sur la propriete de la proposition
ci-dessus.
11.2 La d
efinition de lesp
erance conditionnelle
11.2.1 Cas des variables int
egrables
Th eor`
eme et d efinition 11.2.1 Soit B une sous-tribu de A, et soit X L1 (, A, P ). Il
existe alors une unique variable aleatoire dans L1 (, B, P ), notee E[X | B], telle que
B B , E[X 1B ] = E[E[X | B] 1B ]. (11.1)
On a plus generalement, pour toute variable aleatoire Z B-mesurable bornee
E[X Z] = E[E[X | B] Z]. (11.2)
Si X 0 on a aussi E[X | B] 0.
Le point crucial est le fait que E[X | B] est mesurable pour la tribu B. Lune ou lautre
des proprietes (11.1) et (11.2) caracterise lesperance conditionnelle E[X | B] dans la classe
145
des v.a. de L1 (, B, P ). Dans la suite nous ferons reference à lune ou lautre comme à la
propriete caracteristique de lesperance conditionnelle.
Dans le cas particulier o` u la tribu B est engendree par une variable aleatoire Y , on ecrira
indifferemment
E[X | B] = E[X | (Y )] = E[X | Y ].
Cette notation est coherente avec le cas discret traite dans la partie precedente : comparer
(11.2) et la proposition ci-dessus.
Preuve. Commencons par lunicite. Soient X et X deux v.a. dans L1 (, B, P ) telles que
B B , E[X 1B ] = E[X 1B ] = E[X 1B ].
En prenant B = {X > X } (qui est bien B-mesurable puisque X et X le sont), on trouve
E[(X X )1{X >X } ] = 0
u X X p.s., et de meme X X p.s.

do`
Pour lexistence, supposons dabord X 0, et soit Q la mesure finie sur (, B) definie
par
B B , Q(B) = E[X 1B ].
Alors, si on voit aussi P comme une mesure de probabilite sur (, B), il est immediat quon
a Q P . Le theorème de Radon-Nikodym, applique sur lespace mesurable (, B), assure
donc lexistence dune v.a. Xe B-mesurable positive telle que
B B , e 1B ].
E[X 1B ] = Q(B) = E[X
En prenant B = , on voit que E[X] e = E[X] < , donc X L1 (, B, P ). Finalement,

e verifie la propriete de lenonce. Lorsque X est de signe quelconque, il suffit de
E[X | B] = X
prendre
E[X | B] = E[X + | B] E[X | B].
Enfin, le passage de (11.1) à (11.2) se fait en utilisant lapproximation usuelle des fonctions
mesurables par des fonctions etagees.
Exemple. Prenons =]0, 1], A = B(]0, 1]) et P (d) = d. Soit B la tribu engendree par
les intervalles ] i1
n n
, i ], i {1, . . . , n}, o`
u n 1 est fixe. Un element f de L1 (, A, P ) est une
R1
fonction mesurable f :]0, 1] R telle que 0 |f ()|d < . Alors on verifie très facilement
que
Xn
E[f | B] = fi 1] i1 , i ] ,
n n
i=1
R i/n
o`
u fi = n (i1)/n
f ()d est la moyenne de f sur ] i1
n n
, i ].
Propri
et
es de lesp
erance conditionnelle.
(a) Si X est B-mesurable, E[X | B] = X.
(b) Lapplication X E[X | B] est lineaire.
146
(c) E[E[X | B]] = E[X].
(d) |E[X | B]| E[|X| | B] p.s., et en consequence E[|E[X | B]|] E[|X|].
(e) X X E[X | B] E[X | B] p.s.
Preuve. (a) decoule immediatement de lunicite dans le theorème ci-dessus. Il en va de

meme pour (b) en observant que, si X, X L1 (, A, P ) et , R, la v.a.
E[X | B] + E[X | B]
satisfait la propriete caracteristique (11.1) pour X + X . La propriete (c) est le cas

particulier B = dans (11.1). Pour (d), rappelons que si X 0 on a E[X | B] 0. Cela
entrane
|E[X | B]| = |E[X + | B] E[X | B]| E[X + | B]] + E[X | B] = E[|X| | B].
Enfin, (e) est immediat par linearite.
11.2.2 Cas des variables positives

Th eme 11.2.2 Soit X une variable aleatoire à valeurs dans [0, ]. La formule
eor`
E[X | B] = lim E[X n | B] p.s.

n
definit une variable aleatoire à valeurs dans [0, ], qui est caracterisee (à un ensemble de
probabilite nulle près) par la propriete suivante : pour toute variable aleatoire Z B-mesurable
positive,
E[XZ] = E[E[X | B]Z]. (11.3)
Dans le cas o` u X est aussi integrable, en comparant la dernière propriete du theorème

avec (11.1), on voit immediatement que lon retrouve la meme definition de E[X | B] que
dans le paragraphe ci-dessus. De meme que dans le cas des variables integrables, la propriete
(11.3) sera appelee propriete caracteristique de lesperance conditionnelle.
Preuve. La croissance de la limite dans la definition de E[X | B] decoule de la propriete
(e) ci-dessus. Ensuite, si Z est B-mesurable positive, le theorème de convergence monotone
entrane que
E[E[X | B]Z] = lim E[E[X n | B](Z n)] = lim E[(X n)(Z n)] = E[XZ].
n n
Il reste à etablir lunicite. Soient donc X et X deux variables aleatoires B-mesurables à

valeurs dans [0, ] telles que
E[X Z] = E[X Z]
pour toute v.a. Z B-mesurable positive. Prenons
Z = 1{X a<bX }
147
u on a fixe a, b Q+ , avec a < b. Il vient
o`
a P (X a < b X ) b P (X a < b X )
ce qui nest possible que si P (X a < b X ) = 0. On a donc

[

P {X a < b X } = 0
a,bQ+
a<b
ce qui entrane X X p.s. Par un raisonnement symetrique on a aussi X X p.s.

Remarque. On peut avoir X < p.s. et simultanement P (E[X | B] = ) > 0. Par
exemple, si B = {, }, on verifie aisement que E[X | B] = E[X], qui peut bien s ur etre
infini pour des v.a. X finies p.s. Pour donner un exemple moins trivial, reprenons le cas o` u
=]0, 1], B = (] i1
n n
, i
]; i {1, . . . , n}) et P (d) = d. Alors, si X() = 1

, on a
n
X i
E[X | B] = 1 1
]0, n ] + n log( ) 1 i1 i .
i=2
i 1 ] n ,n]
Propri
et
es.
(a) Si X et X sont des v.a. positives et a, b 0,
E[aX + bX | B] = a E[X | B] + b E[X | B].
(b) Si X est B-mesurable, E[X | B] = X.
(c) Si (Xn ) est une suite croissante de v.a. positives, et X = lim Xn ,
E[X | B] = lim E[Xn | B] , p.s.

n
(d) Si (Xn ) est une suite de v.a. positives,
E[lim inf Xn | B] lim inf E[Xn | B] , p.s.
(e) Soit (Xn ) une suite de v.a. integrables convergeant p.s. vers X. Supposons quil existe
une v.a. positive Z telle que |Xn | Z p.s. pour tout n, et E[Z] < . Alors,
E[X | B] = lim E[Xn | B] , p.s. et dans L1 .

n
(f) Si f est convexe positive, et si X L1 ,
E[f (X) | B] f (E[X | B]).
148
Remarque. La mention p.s. devrait figurer dans chaque enonce impliquant une esperance
conditionnelle, puisque celle-ci nest definie quà un ensemble de probabilite nulle près. Le
plus souvent cependant, cette mention est sous-entendue, comme dans (a),(b) et (f) ci-dessus.
Preuve. (a) et (b) sont faciles en utilisant la caracterisation de E[X | B] donnee dans le
theorème.
(c) Il decoule de (a) que si X1 X2 0 on a E[X1 | B] E[X2 | B]. Sous les hypothèses
de (c), on peut donc poser X = lim E[Xn | B], qui est une v.a. B-mesurable à valeurs dans
[0, ]. On a alors, pour toute v.a. Z B-mesurable positive,
E[ZX ] = lim E[Z E[Xn | B]] = lim E[Z Xn ] = E[ZX]
ce qui daprès la caracterisation du theorème entrane X = E[X | B].
(d) On ecrit, en utilisant (c),
h i

E[lim inf Xn | B] = E lim inf Xn B
k nk
h i

= lim E inf Xn B
k nk

lim inf E[Xn | B]
k nk
= lim inf E[Xn | B].
(e) Il suffit dappliquer (d) deux fois :
E[lim inf(Z Xn ) | B] E[Z | B] lim sup E[Xn | B]
E[lim inf(Z + Xn ) | B] E[Z | B] + lim inf E[Xn | B]
ce qui conduit à
E[X | B] lim inf E[Xn | B] lim sup E[Xn | B] E[X | B],
u la convergence p.s. recherchee. La convergence L1 est maintenant une consequence
do`
du theorème de convergence dominee, puisque |E[Xn | B]| E[|Xn | | B] E[Z | B] et
E[E[Z | B]] = E[Z] < .
(f) Notons
Ef = {(a, b) R2 : x R, f (x) ax + b}.
Alors, il est facile de verifier que
x R2 , f (x) = sup (ax + b) = sup (ax + b).
(a,b)Ef (a,b)Ef Q2
En utilisant le fait que Q2 est denombrable, on en deduit que p.s.

h i

E[f (X) | B] = E sup (aX + b) B sup E[aX + b | B] = f (E[X | B]).
(a,b)Ef Q2 (a,b)Ef Q2

Remarque. Par analogie avec la formule P (A) = E[1A ], on ecrira souvent pour A A,
P (A | B) := E[1A | B].
Prendre garde cependant que P (A | B) ainsi definie est une variable aleatoire.
149
11.2.3 Le cas particulier des variables de carr
e int
egrable
Dans le cas o` u X est de carre integrable, il existe une autre interpretation remarquable de
E[X | B]. Avant denoncer le resultat, observons que L2 (, B, P ) sidentifie à un sous-espace
ferme de L2 (, A, P ), à savoir lespace des elements de L2 (, A, P ) dont un representant au
moins est B-mesurable.
Theor` eme 11.2.3 Si X L2 (, A, P ), alors E[X | B] est la projection orthogonale de X
sur L2 (, B, P ).
Preuve. La propriete (f) ci-dessus montre que E[X | B]2 E[X 2 | B] p.s. Cela entrane que
E[E[X | B]2 ] E[X 2 ] < , et donc la v.a. E[X | B] est dans L2 (, B, P ).
Par ailleurs, pour toute v.a. Z B-mesurable bornee,
E[Z(X E[X | B])] = E[ZX] E[ZE[X | B]] = 0,
toujours daprès la propriete caracteristique de E[X | B]. Donc X E[X | B] est orthogonal
à toutes les v.a. bornees B-mesurables, et par un argument de densite, X E[X | B] est
orthogonal à L2 (, B, P ). Le resultat annonce en decoule.
On peut utiliser le theorème precedent pour donner une autre construction de lesperance
conditionnelle, evitant le recours au theorème de Radon-Nikodym, en commencant par le
cas des v.a. de carre integrable. Observons aussi que ce theorème donne une interpretation
interessante de lesperance conditionnelle : si X est de carre integrable, E[X | B] est la
meilleure (au sens de la norme L2 ) approximation de X par une v.a. B-mesurable.
11.3 Propri
et
es sp
ecifiques de lesp
erance condition-
nelle
Les proprietes etablies ci-dessus sont analogues aux proprietes de lesperance (ou de lintegrale
de fonctions mesurables). Nous etablissons dans ce paragraphe des proprietes plus parti-
culières à lesperance conditionnelle.
Proposition 11.3.1 Soit X une variable aleatoire reelle, et soit Y une variable aleatoire
B-mesurable. Alors,
E[Y X | B] = Y E[X | B]
dès que les esperances conditionnelles sont bien definies, cest-à-dire si X et Y sont positives,
ou si X et Y X L1 .
Preuve. Supposons X 0 et Y 0. Alors, pour toute v.a. Z B-mesurable positive,
E[Z(Y E[X | B])] = E[(ZY )E[X | B]] = E[ZY X].
Puisque Y E[X | B] est une v.a. B-mesurable positive, cette egalite suffit pour conclure que
Y E[X | B] = E[Y X | B].
Dans le cas où X et Y X sont integrables, on obtient le resultat en decomposant X =
X + X et Y = Y + Y .
150
Proposition 11.3.2 Soient B1 et B2 deux sous-tribus de A telles que B1 B2 . Alors, pour
toute variable aleatoire X positive ou integrable,
E[E[X | B2 ] | B1 ] = E[X | B1 ].
Remarque. On a aussi E[E[X | B1 ] | B2 ] = E[X | B1 ] sous les memes hypothèses, mais cela
est evident puisque E[X | B1 ] est B2 -mesurable.
Preuve. Traitons le cas o` u X 0. Soit Z une v.a. B1 -mesurable positive. Alors, puisque
Z est aussi B2 -mesurable,
E[Z E[E[X | B2 ] | B1 ]] = E[Z E[X | B2 ]] = E[ZX].
Cela suffit pour etablir legalite annoncee.
Th eme 11.3.3 Deux sous-tribus B1 et B2 sont independantes si et seulement si, pour

eor`
toute v.a. X B2 -mesurable positive (ou pour toute v.a. X L1 (, B2 , P ), ou bien pour toute
v.a. X de la forme X = 1A , avec A B2 ), on a
E[X | B1 ] = E[X].
Preuve. Supposons dabord que B1 et B2 sont independantes. Alors, si X est une v.a.
B2 -mesurable positive, on a pour toute v.a. Z B1 -mesurable positive,
E[ZX] = E[Z]E[X] = E[Z E[X]],
et donc la v.a. constante E[X] satisfait la propriete caracteristique de lesperance condition-

nelle E[X | B1 ]. Dans le cas o`
u X est integrable, il suffit dutiliser la linearite de lesperance
conditionnelle.
Supposons inversement que
A B2 , E[1A | B1 ] = E[1A ] = P (A).
Alors, pour tout B B1 ,
P (A B) = E[1A 1B ] = E[E[1A | B1 ] 1B ] = E[P (A) 1B ] = P (A)P (B)
ce qui montre que les tribus B1 et B2 sont independantes.

Remarque. Soient X et Y deux v.a. reelles. Puisque les v.a. mesurables par rapport
à la tribu (X) sont les fonctions de X, le theorème precedent montre que X et Y sont
independantes si et seulement si
E[h(X) | Y ] = E[h(X)]
pour toute fonction borelienne h telle que E[|h(X)|] < (rappelons que E[h(X) | Y ] =
E[h(X) | (Y )]). Si X est integrable on a donc en particulier
E[X | Y ] = E[X].
151
Cependant cette dernière propriete seule ne suffit pas pour donner lindependance de X et
Y . Pour sen convaincre, il suffit de traiter le cas où X suit une loi N (0, 1), et Y = |X|.
Alors, toute v.a. Z (Y )-mesurable bornee secrit Z = g(Y ), avec une fonction g bornee, et
donc Z
1 2
E[ZX] = E[g(|X|)X] = dy ey /2 g(|y|)y = 0,
2
ce qui montre que E[X | Y ] = 0 = E[X], alors que X et Y ne sont bien s ur pas independantes.
Nous enoncons maintenant un autre theorème reliant esperance conditionnelle et indepen-
dance, qui est très souvent utile pour les calculs explicites desperance conditionnelle.
Th eor`
eme 11.3.4 Soient X et Y deux variables aleatoires à valeurs respectivement dans
les espaces mesurables E et F . Supposons que X est independante de B et que Y est B-
mesurable. Alors, pour toute fonction mesurable g : E F R+ ,
Z
E[g(X, Y ) | B] = g(x, Y ) PX (dx),
où PX designe la loi deRX. Le terme de droite est la composee de la variable aleatoire Y par
lapplication : y g(x, y) PX (dx) ( est mesurable grace au theorème de Fubini).
Remarque. De manière informelle on peut expliquer le theorème de la manière suivante.

Si on conditionne par rapport à la sous-tribu B, la v.a. Y , qui est B-mesurable, se comporte
comme une constante et comme par ailleurs la connaissance de B ne donne aucune infor-
mation sur X la meilleure approximation de g(X, Y ) est obtenue en integrant g(, Y ) par
rapport à la loi de X.
Preuve. Il suffit de montrer que pour toute v.a. Z B-mesurable positive,
E[g(X, Y )Z] = E[(Y )Z].
Notons P(X,Y,Z) la loi du triplet (X, Y, Z), qui est une mesure de probabilite sur E F R+ .
Comme X est independante de (Y, Z), on a
P(X,Y,Z) = PX P(Y,Z)
et donc, en utilisant le theorème de Fubini,

Z
E[g(X, Y )Z] = g(x, y)z P(X,Y,Z) (dxdydz)
Z
= g(x, y)z PX (dx)P(Y,Z) (dydz)
Z Z
= z g(x, y)PX (dx) P(Y,Z) (dydz)
F R+ E
Z
= z(y) P(Y,Z) (dydz)
F R+
= E[(Y )Z]
ce qui etait le resultat recherche.
152
11.4 Calculs desp
erance conditionnelle
11.4.1 Conditionnement discret
Soit Y une v.a. à valeurs dans un espace denombrable E, et soit X L1 (, A, P ). Alors on
a dejà vu que
E[X | Y ] = (Y )
o`
u
E[X 1{Y =y} ]
(y) =
P (Y = y)
pour tout y E tel que P (Y = y) > 0 (et (y) peut etre choisie de manière arbitraire
lorsque P (Y = y) = 0).
11.4.2 Cas des variables `

a densit
e
Soient X et Y deux v.a. à valeurs respectivement dans Rm et dans Rn . Supposons que le
couple (X, Y ) a pour densite p(x, y) : pour toute fonction borelienne f : Rm Rn R+ ,
Z
E[f (X, Y )] = f (x, y) p(x, y) dxdy.
Rm Rn
Alors la densite de Y est la fonction

Z
q(y) = p(x, y) dx
Rm
R
(en toute rigueur il faut prendre q(y) = 0 pour les valeurs de y telles que p(x, y) dx = ,
qui forment un ensemble de mesure nulle; nous negligerons cependant ce point de detail dans
les calculs qui suivent).
Soit maintenant h : Rm R+ une fonction mesurable. Alors on calcule E[h(X) | Y ] de
la facon suivante. Pour toute fonction g : Rn R+ borelienne, on a
Z
E[h(X)g(Y )] = h(x) g(y) p(x, y) dxdy
Rm Rn
Z Z
= h(x) p(x, y) dx g(y) dy
Rn Rm
Z R
Rm
h(x) p(x, y) dx
= g(y) q(y)1{q(y)>0} dy
n q(y)
ZR
= (y) g(y) q(y)1{q(y)>0} dy
Rn
= E[(Y ) g(Y )],
o`
u on a pose Z

1
h(x) p(x, y) dx si q(y) > 0,
(y) = q(y) Rm

h(0) si q(y) = 0
153
(la valeur de (y) lorsque q(y) = 0 est arbitraire : le choix de la valeur h(0) sera commode
dans lenonce qui suit). Dans le calcul quiR precède, on a utilise implicitement le fait que si
q(y) = 0 on a p(x, y) = 0 dx p.p., et donc h(x) p(x, y) dx = 0.
Il decoule du calcul ci-dessus et de la caracterisation de lesperance conditionnelle que
E[h(X) | Y ] = (Y ).
Nous reenoncons ce resultat sous une forme un peu differente.
Proposition 11.4.1 Pour tout y Rn , soit (y, dx) la mesure de probabilite sur Rm definie
par 1
p(x, y) dx si q(y) > 0,
(y, dx) = q(y)

0 (dx) si q(y) = 0.
Alors, pour toute fonction h : Rm R+ borelienne,
Z
E[h(X) | Y ] = (Y, dx) h(x).
On ecrit souvent, de manière un peu abusive, pour tout y R,

Z Z
1
E[h(X) | Y = y] = (y, dx) h(x) = h(x) p(x, y) dx
q(y)
et on dit que (y, dx) est la loi conditionnelle de X sachant que Y = y. La fonction
p(x, y)
x
q(y)
est appelee densite conditionnelle de X sachant que Y = y.

Exercice. Sous les hypothèses precedentes, montrer plus generalement que, pour toute
fonction borelienne h : Rm Rn R+ , on a
Z
E[h(X, Y ) | Y ] = h(x, Y ) (Y, dx).
11.4.3 Conditionnement gaussien

Soient X, Y1 , . . . , Yp p + 1 variables aleatoires reelles dans L2 (, A, P ). Comme cela a ete vu
dans le paragraphe 2.3 ci-dessus, lesperance conditionnelle
E[X | Y1, . . . , Yp ]
est la projection orthogonale de X sur lespace L2 (, (Y1 , . . . , Yp ), P ) qui est de dimen-

sion infinie sauf dans des cas triviaux. Cette projection orthogonale est aussi la meilleure
approximation de X, au sens de la norme L2 , par une v.a. de la forme (Y1 , . . . , Yp ).
154
Par ailleurs, nous avons aussi etudie, dans le Chapitre 8, la meilleure approximation de
X par une fonction affine de Y1 , . . . , Yp , qui est la projection orthogonale de X sur lespace
vectoriel (de dimension finie) engendre par 1, Y1 , . . . , Yp . En general cette dernière projection
est très differente de lesperance conditionnelle E[X | Y1 , . . . , Yp ] qui fournit une bien meilleure
approximation de X. Nous allons cependant etudier une situation o` u les deux concident, ce
qui a lenorme avantage de ramener les calculs desperance conditionnelle à des projections
en dimension finie.
Nous avons vu dans le Chapitre 10 quune v.a. Z = (Z1 , . . . , Zk ) à valeurs dans Rk est un
vecteur gaussien centre si toute combinaison lineaire de Z1 , . . . , Zk est gaussienne centree, ce
qui equivaut encore à
1t
Rk , E[exp(i Z)] = exp( KZ ).
2
Cest par exemple le cas si les composantes Z1 , . . . , Zk sont des v.a. gaussiennes independantes.
Proposition 11.4.2 Soit (X1 , . . . , Xm , Y1 , . . . , Yn ) un vecteur gaussien centre. Alors les

vecteurs (X1 , . . . , Xm ) et (Y1 , . . . , Yn ) sont independants si et seulement si
cov(Xi , Yj ) = 0 , i {1, . . . , m}, j {1, . . . , n}. (11.4)
Preuve. Il suffit de montrer que, sous la condition (11.4), (X1 , . . . , Xm ) est independant de
(Y1, . . . , Yn ) (linverse est toujours vrai). Or, pour = (1 , . . . , m , 1 , . . . , n ) Rn+m ,
1t
E[exp(i (X1 , . . . , Xm , Y1 , . . . , Yn ))] = exp( K(X1 ,...,Xm ,Y1 ,...,Yn ) )
2
et, sous la condition (11.4),
m
X n
X
t
K(X1 ,...,Xm ,Y1 ,...,Yn ) = j k cov(Xj , Xk ) + j k cov(Yj , Yk ).
j,k=1 j,k=1
Cela entrane
m
X n
X
E[exp(i (X1 , . . . , Xm , Y1 , . . . , Yn ))] = E[exp(i j Xj )] E[exp(i j Yj )],
j=1 j=1
soit encore
Pb(X1 ,...,Xm ,Y1 ,...,Yn ) (1 , . . . , m , 1 , . . . , n ) = Pb(X1 ,...,Xm ) (1 , . . . , m ) Pb(Y1 ,...,Yn ) (1 , . . . , n ).
En utilisant linjectivite de la transformee de Fourier, on a donc
P(X1 ,...,Xm ,Y1 ,...,Yn ) = P(X1 ,...,Xm ) P(Y1 ,...,Yn )
ce qui est lindependance recherchee.

Cons equence. Soit (X1 , . . . , Xn ) un vecteur gaussien centre tel que cov(Xj , Xk ) = 0 si
j 6= k. Alors, les v.a. X1 , . . . , Xn sont independantes. En effet, la proposition precedente
155
entrane dabord que Xn est independant de (X1 , . . . , Xn1 ), puis que Xn1 est independant
de (X1 , . . . , Xn2 ), etc., ce qui permet de conclure.
Plus generalement, si la matrice de covariance de (X1 , . . . , Xn ) est diagonale par blocs
de tailles respectives i1 , . . . , i (avec i1 + + i = n) les sous-vecteurs (X1 , . . . , Xi1 ),
(Xi1 +1 , . . . , Xi1 +i2 ), . . . , (Xi1 ++i1 +1 , . . . , Xn ) sont independants.
Th eorème 11.4.3 Soit (Y1 , . . . , Yn , X) un vecteur gaussien centre. Alors, E[X | Y1 , . . . , Yn ]

concide avec la projection orthogonale de X sur lespace vectoriel engendre par Y1 , . . . , Yn .
Il existe donc des reels 1 , . . . , n tels que
n
X
E[X | Y1 , . . . , Yn ] = j Y j .
j=1
De plus, pour toute fonction borelienne h : R R+ ,

Z
E[h(X) | Y1 , . . . , Yn ] = h(x) qPnj=1 j Yj ,2 (x) dx,
R
o`
u
n
X
2 = E[(X j Y j )2 ]
j=1
et pour tout m R,
1 (x m)2
qm,2 (x) = exp( )
2 2 2
est la densite de la loi N (m, 2 ).
P
Remarque. Le cas = 0 se produit si et seulement si X = nj=1 j Yj , et alors X est
mesurable par rapport à (Y1 , . . . , Yn ), de sorte que la deuxième formule du theorème doit
sinterpreter comme E[h(X) | Y1 , . . . , Yn ] = h(X). Nous ecartons ce cas trivial dans la preuve
qui suit.
Preuve. Soit X b = Pn j Yj la projection orthogonale de X sur lespace vectoriel engendre
j=1
par Y1 , . . . , Yn . Alors, pour tout j {1, . . . , n},
b Yj ) = E[(X X)Y
cov(X X, b j] = 0
par definition de la projection orthogonale. Puisque le vecteur (Y1 , . . . , Yn , X X) b est

gaussien centre (toute combinaison lineaire de ses composantes est une combinaison lineaire
de Y1 , . . . , Yn , X), la proposition precedente montre que X X b est independant de Y1 , . . . , Yn .
Donc,
b | Y1 , . . . , Yn ] + X
E[X | Y1, . . . , Yn ] = E[X X b = E[X X]b +X b = X.
b
On a utilise le fait que X b est mesurable par rapport à (Y1 , . . . , Yn ), puis lindependance de
de X Xb et de (Y1 , . . . , Yn ) qui entrane E[X X
b | Y1 , . . . , Yn ] = E[X X]
b = 0.
156
Pour la dernière assertion, notons Z = X X, b de sorte que Z est independante de
(Y1, . . . , Yn ) et suit la loi N (0, ) (Z est gaussienne centree et par definition 2 = E[Z 2 ]).
2
On utilise alors le theorème 11.3.4 qui montre que

n
X Z n
X
E[h(X) | Y1, . . . , Yn ] = E[h( j Yj + Z) | Y1 , . . . , Yn ] = h( j Yj + z) PZ (dz).
j=1 j=1
En ecrivant PZ (dz) = q0,2 (z)dz et en faisant un changement de variables evident, on aboutit

à la formule de lenonce.
11.5 Probabilit
es de transition et lois conditionnelles
Les calculs precedents desperance conditionnelle peuvent etre reenonces de manière plus
agreable à laide de la notion de probabilite de transition.
Definition 11.5.1 Soient (E, E) et (F, F ) deux espaces mesurables. On appelle probabilite
de transition (ou parfois noyau de transition) de E dans F une application
: E F [0, 1]
qui verifie les deux proprietes suivantes :
(i) pour tout x E, (x, ) est une mesure de probabilite sur (F, F );
(ii) pour tout A F , lapplication x (x, A) est E-mesurable.
De manière intuitive, à chaque fois que lon fixe un point x du premier espace E, la
mesure de probabilite (x, ) donne le moyen de choisir de manière aleatoire un point y du
deuxième espace F . Dans la theorie des chanes de Markov, sur laquelle nous reviendrons,
on etudie levolution au cours du temps dun phenomène aleatoire dans lequel letat y à
linstant n + 1 depend de letat x à linstant n, et dautres paramètres aleatoires non connus
à linstant n : la loi de letat à linstant n + 1 connaissant letat à linstant n est alors fournie
par une probabilite de transition (x, dy).
Exemple. Soit une mesure positive -finie sur (F, F ), et soit f : E F R+ une
application mesurable telle que
Z
f (x, y) (dy) = 1 , x E.
F
Alors Z
(x, A) = f (x, y) (dy)
A
definit une probabilite de transition de E dans F . La propriete (ii) de la definition decoule

en particulier du theorème de Fubini.
157
Proposition 11.5.1 (i) Si h est une fonction mesurable positive (ou bornee) sur (F, F ),
alors Z
(x) := (x, dy) h(y) , x E
est une fonction mesurable positive (ou bornee) sur E.

(ii) Si est une mesure de probabilite sur (E, E), alors
Z
(A) := (dx) (x, A) , A F
est une mesure de probabilite sur (F, F ).
La verification de ces proprietes est facile. Dans (i), on suppose dabord h etagee, puis
on utilise un passage à la limite croissant.
Nous en venons maintenant au lien entre la notion de probabilite de transition et lesperance
conditionnelle.
Definition 11.5.2 Soient X et Y deux variables aleatoires à valeurs respectivement dans

(E, E) et dans (F, F ). On appelle loi conditionnelle de Y sachant X toute probabilite de
transition de E dans F telle que, pour toute fonction h mesurable positive sur (F, F ), on
ait Z
E[h(Y ) | X] = (X, dy) h(y).
R
Remarque.
R La v.a. (X, dy) h(y) est obtenue en composant X et lapplication x
(x, dy) h(y), qui est mesurable daprès la proposition precedente. Cest donc bien une
fonction de X, comme doit letre lesperance conditionnelle E[h(Y ) | X].
Par definition, si est une loi conditionnelle de Y sachant X, on a pour tout A F ,
P (Y A | X) = (X, A) , p.s.
Il est tentant de remplacer cette egalite de variables aleatoires par legalite de nombres reels
P (Y A | X = x) = (x, A),
pour tout x E. Bien quexpliquant lintuition de la notion de loi conditionnelle, cette

dernière egalite na en general pas de sens (sauf si X est une v.a. discrète) puisque quon
aura souvent P (X = x) = 0 pour tout x, ce qui interdit de definir P (Y A | X = x). La
seule formulation correcte est donc la première egalite P (Y A | X) = (X, A).
Discutons maintenant lunicite de la loi conditionnelle de Y sachant X. Si et sont
deux lois conditionnelles, on aura, pour tout A F ,
(X, A) = P (Y A | X) = (X, A) , p.s.
ce qui equivaut encore à dire que, pour tout A F ,
(x, A) = (x, A) , PX (dx) p.s.
158
Supposons que lespace mesurable (F, F ) soit tel quune mesure de probabilite sur (F, F )
soit caracterisee par ses valeurs sur une famille denombrable densembles mesurables (cest le
cas pour (Rd , B(Rd )), en considerant les paves à coordonnees rationnelles). Alors on conclut
que
(x, ) = (x, ) , PX (dx) p.s.
Il y a donc unicite en ce sens (et clairement on ne peut pas esperer mieux). Par abus de
langage on parlera cependant souvent de la loi conditionnelle de Y sachant X.
Considerons maintenant le problème de lexistence de lois conditionnelles.
Th eorème 11.5.2 Supposons que (E, E) et (F, F ) soient des espaces metriques complets
separables munis de leur tribu borelienne. Alors il existe toujours une loi conditionnelle de
Y sachant X.
Nous ne demontrerons pas ce theorème qui est un resultat assez difficile de theorie de la
mesure. Dans la suite de ce cours, nous naurons de toute facon pas besoin du Theorème
11.5.2, car une construction directe permet deviter le recours au theorème dexistence. Pour
illustrer cela reprenons les exemples traites dans la partie precedente (attention les roles de
X et Y sont intervertis).
(1) Si X est une v.a. discrète, cest-à-dire si E est denombrable, alors on peut definir (x, A)
par
(x, A) = P (Y A | X = x) si x E := {a E : P (X = a) > 0)
(x, A) = y0 (A) / E
si x
o`
u y0 est un point fixe de F , dont le choix est arbitraire.
(2) Supposons que X et Y sont à valeurs respectivement dans Rm et dans Rn et que le couple
(X, Y ) a pour densite p(x, y), (x, y) Rm Rn . La densite de X est alors
Z
q(x) = p(x, y) dy.
Rn
La Proposition 11.4.1 montre quon peut definir la loi conditionnelle de Y sachant X par
Z
1
(x, A) = dy p(x, y) si q(x) > 0
q(x) A
(x, A) = 0 (A) si q(x) = 0.
(3) Supposons enfin que (X1 , . . . , Xn , Y ) soit un vecteur gaussien centre, et notons
n
X
j Xj
j=1
la projection orthogonale de Y sur lespace vectoriel engendre par X1 , . . . , Xn . Notons aussi

n
X
2
= E[(Y j Xj )2 ].
j=1
159
Le Theorème 11.4.3 montre que la loi conditionnelle de Y sachant X = (X1 , . . . , Xn ) est
Z
(x1 , . . . , xn ; A) = qPnj=1 j xj ,2 (y) dy
A
u qm,2 est la densite de la loi gaussienne N (m, 2 ). DePmanière legèrement abusive on dit
o`
que conditionnellement à (X1 , . . . , Xn ), Y suit la loi N ( nj=1 j Xj , 2 ).
160
Partie III
Processus al
eatoires
161
Chapitre 12
Theorie des martingales

`
a temps discret
12.1 D
efinitions et exemples
On se place sur un espace de probabilite (, F , P ). Par definition un processus aleatoire est
une suite (Xn )nN de variables aleatoires definies sur (, F , P ). Dans ce chapitre, tous les
processus aleatoires seront à valeurs reelles.
Definition 12.1.1 Une filtration de (, F , P ) est une suite croissante (Fn )nN de sous-
tribus de F . On a donc
F0 F1 F2 F
On dit aussi que (, F , (Fn )nN , P ) est un espace de probabilite filtre.
On interprète souvent le paramètre n comme un temps. La tribu Fn correspond alors à

linformation acquise au temps n.
Exemples. (a) Si (Xn )nN est une suite quelconque de v.a. definies sur (, F , P ), on definit
FnX comme etant la plus petite tribu rendant mesurables les v.a. X1 , X2 , . . . , Xn :
FnX = (X0 , X1 , . . . , Xn ).
Alors (FnX )nN est une filtration appelee filtration canonique du processus aleatoire (Xn )nN .
(b) Supposons que = [0, 1[, F est la tribu borelienne sur [0, 1[, et P est la mesure de
Lebesgue. Posons
i1 i
Fn = ([ n , n [; i = 1, 2, . . . , 2n ).
2 2
Alors (Fn )nN est une filtration appelee filtration dyadique de [0, 1[.
Definition 12.1.2 Un processus (Xn )nN est dit adapte à la filtration (Fn )nN si pour tout
n N, Xn est mesurable par rapport à la tribu Fn .
163
La filtration canonique est par construction la plus petite filtration qui rende le processus
adapte.
Dans toute la suite du chapitre (à lexception de la partie 6), on fixe un espace de
probabilite filtre (, F , (Fn )nN , P ), dont le choix sera parfois precise dans les exemples. Les
notions qui suivent sont bien entendu relatives à cet espace.
efinition 12.1.3 Soit (Xn )nN un processus adapte, tel que E[|Xn |] < pour tout n N.
D
On dit que le processus (Xn )nN est:
une martingale si, pour tout n N,
E[Xn+1 | Fn ] = Xn ;
une surmartingale si, pour tout n N,
E[Xn+1 | Fn ] Xn ;
une sous-martingale si, pour tout n N,
E[Xn+1 | Fn ] Xn .
Une consequence immediate de la definition dune martingale est la propriete apparem-

ment plus forte : pour tous 0 n m,
E[Xm | Fn ] = Xn (12.1)
Cela est facile à verifier par recurrence sur la valeur de m n : si m = n, la propriete est
triviale, si m = n + 1, cest la definition, et si m n 2, une propriete bien connue des
esperance conditionnelles donne
E[Xm | Fn ] = E[E[Xm | Fm1 ] | Fn ] = E[Xm1 | Fn ].
Remarquons que (12.1) entrane E[Xm ] = E[Xn ] = E[X0 ].

De meme, si (Xn )nN ) est une surmartingale (resp. une sous-martingale), on a pour tous
0 n m,
E[Xm | Fn ] Xn (resp. E[Xm | Fn ] Xn ),
et donc E[Xm ] E[Xn ] (resp. E[Xm ] E[Xn ]).
Il est souvent utile dinterpreter une martingale comme un jeu equitable : la variable Xn
correspond à lavoir du joueur à linstant n, et Fn est linformation dont dispose le joueur
à cet instant (en particulier les resultats des jeux precedents). La propriete de martingale
E[Xn+1 | Fn ] = Xn traduit donc le fait que la valeur moyenne de lavoir à linstant n + 1,
lorsquon connait le passe jusquà linstant n, est lavoir à linstant n (en moyenne le joueur
ne perd ni ne gagne). De la meme facon, une surmartingale correspond à un jeu defavorable.
Il est evident que si (Xn )nN est une surmartingale, (Xn )nN est une sous-martingale.
Pour cette raison, la plupart des resultats qui suivent et sont enonces seulement pour des
surmartingales ont un analogue immediat pour des sous-martingales (ou bien inversement).
164
Exemples. (i) Si X L1 (, F , P ) on pose
Xn = E[X | Fn ].
Alors (Xn )nN est une martingale :
E[Xn+1 | Fn ] = E[E[X | Fn+1] | Fn ] = E[X | Fn ] = Xn .
Une martingale de ce type est dite fermee.

(ii) Si (Xn )nN est une suite decroissante et adaptee de v.a. integrables, alors (Xn )nN est
une surmartingale :
E[Xn+1 | Fn ] E[Xn | Fn ] = Xn .
(iii) Marche aleatoire sur R. Soit x R et soit (Yn )n1 une suite de v.a. reelles independantes
et de meme loi , telle que E[|Y1 |] < . On pose
X0 = x et Xn = x + Y1 + Y2 + . . . + Yn si n 1.
On definit aussi la filtration (Fn )nN par
F0 = {, } et Fn = (Y1 , . . . , Yn ) si n 1
(cest en fait la filtration canonique de (Xn )nN ). Alors (Xn )nN est
une martingale si E[Y1 ] = 0;
une surmartingale si E[Y1 ] 0;
une sous-martingale si E[Y1 ] 0.
En effet, par exemple dans le cas E[Y1 ] = 0, on a
E[Xn+1 | Fn ] = E[Xn + Yn+1 | Fn ] = Xn + E[Yn+1 ] = Xn ,
puisque par construction Yn+1 est independant de Fn .

Le processus (Xn )nN est appele marche aleatoire sur R de loi de saut , issue de x.
(iv) Reprenons lexemple (b) despace de probabilite filtre donne ci-dessus. Soit une mesure
finie sur [0, 1[, et rappelons que P = est la mesure de Lebesgue sur [0, 1[. Pour tout entier
n N, posons
d
fn =
d |Fn
qui designe la derivee de Radon-Nikodym de par rapport à , lorsque et sont vues
comme des mesures sur la tribu Fn (sur la tribu Fn , toutes les mesures sont absolument
continues par rapport à ). Il est facile de verifier que
2n
X ([(i 1)2n , i2n [)
fn () = 1[(i1)2n ,i2n [ ().
i=1
2n
165
Alors (fn )nN est une martingale : si A Fn ,
Z Z
E[1A fn+1 ] = 1A () fn+1() d = (A) = 1A () fn () d = E[1A fn ],
ce qui suffit pour obtenir fn = E[fn+1 | Fn ].

u est absolument continue par rapport à (sur F ), la martingale
Dans le cas particulier o`
(fn )nN est du type considere en (i) ci-dessus : on verifie aisement que
fn = E[f | Fn ],
o`
u f est la derivee de Radon-Nikodym de par rapport à .
Deux transformations de martingales.
Proposition 12.1.1 Soit : R R+ une fonction convexe, et soit (Xn )nN un processus
adapte, tel que E[(Xn )] < pour tout n N.
(i) Si (Xn ) est une martingale, ((Xn )) est une sous-martingale.
(ii) Si (Xn ) est une sous-martingale et si est croissante, ((Xn )) est une sous-martingale.
En particulier, si Xn est une martingale, |Xn | est une sous-martingale (ainsi que Xn2 si
E[Xn2 ] < pour tout n) et si Xn est une sous-martingale, Xn+ est encore une sous-martingale.
Preuve. (i) Daprès linegalite de Jensen pour les esperances conditionnelles,
E[(Xn+1 ) | Fn ] (E[Xn+1 | Fn ]) = (Xn ).
(ii) De meme, puisque Xn E[Xn+1 | Fn ] et est croissante,
E[(Xn+1 ) | Fn ] (E[Xn+1 | Fn ]) (Xn ).
efinition 12.1.4 Une famille (Hn )n1 de v.a. reelles est dite previsible si, pour tout n 1,
D
Hn est bornee et Fn1 -mesurable.
Proposition 12.1.2 Soit (Xn )nN un processus adapte, et (Hn )n1 une famille previsible.
On pose (H X)0 = 0 et pour tout entier n 1,
(H X)n = H1 (X1 X0 ) + H2 (X2 X1 ) + + Hn (Xn Xn1 ).
Alors,
(i) Si (Xn ) est une martingale, ((H X)n ) est aussi une martingale.
(ii) Si (Xn ) est une surmartingale (resp. une sous-martingale), et si Hn 0 pour tout
n 1, ((H X)n ) est une surmartingale (resp. une sous-martingale).
166
Preuve. (i) Puisque les v.a. Hn sont bornees, il est facile de verifier que les v.a. (H X)n
sont integrables. De plus le processus ((H X)n ) est adapte par construction. Il suffit ensuite
de verifier que, pour tout n N,
E[(H X)n+1 (H X)n | Fn ] = 0.
Or (H X)n+1 (H X)n = Hn+1 (Xn+1 Xn ) et puisque Hn+1 est Fn -mesurable, on a
E[Hn+1 (Xn+1 Xn ) | Fn ] = Hn+1 E[Xn+1 Xn | Fn ] = 0.
La preuve de (ii) est analogue.

Si on interprète (dans le cas dune martingale) Xn comme lavoir du joueur à linstant n,
la difference Xn+1 Xn sinterprète comme le gain realise entre les instants n et n + 1. On
peut imaginer que le joueur à linstant n modifie sa mise en la multipliant par Hn+1 (qui doit
etre Fn -mesurable). Le jeu reste equitable, mais le nouveau gain realise entre les instants
n et n + 1 est Hn+1 (Xn+1 Xn ). Ceci fournit une explication intuitive de la definition de
(H X)n .
12.2 Temps darr

et
D efinition 12.2.1 Une v.a. T : N = N {+} est appelee temps darret (de la
filtration (Fn )) si pour tout entier n N, on a
{T = n} Fn .
Il est très facile de voir que cela est equivalent à imposer que pour tout n N on a
{T n} Fn . Dans la suite nous utiliserons indifferemment lune ou lautre definition.
Il est important de noter que la valeur + est autorisee. En ecrivant
[
{T = +} = \ {T = n}
nN
on voit que {T = +} F , o`
u
_ [
F = Fn = Fn .
nN nN
En revenant à linterpretation en termes de jeu, les temps darret sont les instants
aleatoires auxquels on peut decider de sarreter : le point-cle est que pour decider de sarreter
à linstant n, on na à sa disposition que linformation acquise à cet instant, cest-à-dire les
evenements de Fn . Pour prendre une image tiree de la Bourse, il est impossible de decider
de vendre ses actions au moment o` u elles vont etre à leur cours maximum de lannee (cela
demanderait de connatre le futur à cet instant !).
Exemples. (i) Si k N, le temps constant T = k est evidemment un temps darret.
(ii) Si (Yn )nN est un processus adapte, et si A est un borelien de R,
TA := inf{n N : Yn A}
167
est un temps darret, appele temps dentree dans A. En effet, pour tout entier n 0,
{TA = n} = {Y0
/ A, Y1
/ A, . . . , Yn1
/ A, Yn A} Fn .
Remarquons que, dans la definition de TA , on fait la convention inf = +. Cette conven-

tion sera constamment utilisee dans la suite.
(iii) En revanche, si on fixe N > 0 et on pose
LA := sup{n N : Yn A} (sup = 0 par convention)
LA nest en general pas un temps darret. En effet, pour n {1, . . . , N 1},
{LA = n} = {Yn A, Yn+1

/ A, . . . , YN
/ A}
nest a priori pas dans Fn .
Proposition 12.2.1 (i) Si S et T sont deux temps darret, S T et S T sont aussi des
temps darret.
(ii) Si (Tk )kN est une suite de temps darret, alors inf(Tk ), sup(Tk ), lim sup(Tk ) et lim inf(Tk )
sont aussi des temps darret.
Preuve. (i) On ecrit {ST n} = {S n}{T n} et {ST n} = {S n}{T n}.

(ii) De meme, {inf(Tk ) n} = {Tk n} et, par exemple,
[
\
{lim inf(Tk ) n} = {Tk n} .
m=0 k=m
D
efinition 12.2.2 Soit T un temps darret. La tribu du passe jusquà linstant T est
FT = {A F : n N, A {T = n} Fn }.
On verifie aisement que FT est une tribu et que FT = Fn si T = n.
Proposition 12.2.2 Soient S et T deux temps darret avec S T . Alors, FS FT .
Preuve. Soit A FS . Alors, pour tout n N,

n
[
A {T = n} = (A {S = k}) {T = n} Fn .
k=0
Proposition 12.2.3 Soit (Yn )nN un processus adapte, et soit T un temps darret. Alors la
v.a. 1{T <} YT definie par

Yn () si T () = n N
1{T <} YT () =
0 si T () = +
est FT -mesurable.
168
Preuve. Soit B un borelien de R. Alors, pour tout n N,
{1{T <} YT B} {T = n} = {Yn B} {T = n} Fn ,
ce qui montre que {1{T <} YT B} FT . Si 0 B, il suffit decrire {1{T <} YT B} =

{1{T <}YT B c }c .
Lorsque le temps darret T est fini p.s. on ecrira bien sur simplement YT au lieu de
1{T <} YT . En particulier, si T est un temps darret quelconque, n T est aussi un temps
darret (lemme 12.2.1) et on deduit de la proposition que YnT est FnT -mesurable donc
aussi Fn -mesurable daprès la proposition 12.2.2.
Theorème 12.2.4 (Th eorème darr et) Soit (Xn )nN une martingale (resp. une surmartin-
gale) et soit T un temps darret. Alors (XnT )nN est aussi une martingale (resp. une
surmartingale). En particulier, si le temps darret T est borne, on a XT L1 , et
E[XT ] = E[X0 ] (resp. E[XT ] E[X0 ]).
Preuve. Pour tout n 1, posons
Hn = 1{T n} = 1 1{T n1} .
Alors la famille (Hn )n1 est previsible. Puisque
XnT = X0 + (H X)n
la première partie du theorème decoule de la proposition 12.1.2. Ensuite, si le temps darret

est borne par N, on a E[XT ] = E[XN T ] = E[X0 ] (resp. E[X0 ] dans le cas dune
surmartingale).
Lhypothèse que T est borne est necessaire comme le montre lexemple simple suivant.
Considerons la marche aleatoire Xn = Y1 + + Yn issue de 0 et de loi de saut P (Y1 = 1) =
P (Y1 = 1) = 1/2 (cest ce quon appelle la marche aleatoire simple sur Z, ou encore pile ou
face). Alors il decoule dun exemple precedent que (Xn )nN est une martingale. Cependant,
si on pose
T = inf{n 0 : Xn = 1}
on a T < p.s. (cf Proposition 10.2.2 une autre demonstration sera donnee dans la partie
suivante) mais
1 = E[XT ] 6= E[X0 ] = 0.
Bien s
ur le temps darret T nest pas borne, et il ny a pas de contradiction avec le theorème.
12.3 Convergence presque s

ure des martingales
Nous allons maintenant etudier la convergence presque s
ure dune martingale ou dune sous-
martingale quand n . Considerons dabord une suite numerique = (n )nN . Pour
169
tous les reels a < b on introduit deux suites de temps Sk () et Tk () appartenant à N, qui
sont definies de la manière suivante : on pose
S1 () = inf{n 0 : n a}
T1 () = inf{n S1 () : n b}
puis, par recurrence,
Sk+1 () = inf{n Tk () : n a}
Tk+1 () = inf{n Sk+1 () : n b}.
Bien entendu, on utilise toujours la convention inf = + dans ces definitions. On pose
ensuite pour tout entier n,

X
Nn ([a, b], ) = 1{Tk ()n} ,
k=1

X
N ([a, b], ) = 1{Tk ()<} .
k=1
La quantite N ([a, b], ) est le nombre de montees effectuees le long de lintervalle [a, b] par
la suite (n )nN . Nous utiliserons le lemme simple danalyse suivant.
Lemme 12.3.1 La suite (n )nN converge dans R ssi pour tout choix des rationnels a et b
tels que a < b, on a N ([a, b], ) < .
Considerons maintenant un processus adapte (Xn )nN . Alors les quantites Sk (X), Tk (X)
deviennent des v.a. à valeurs dans N, et plus precisement il est facile de verifier que ce sont
des temps darret. En effet, on a par exemple
[
{Tk (X) n} = {Xm1 a, Xn1 b, . . . , Xmk a, Xnk b},
0m1 <n1 <<mk <nk n
ce qui montre que {Tk (X) n} Fn .

Il en decoule en particulier que Nn ([a, b], X) est Fn -mesurable.
Lemme 12.3.2 (In egalite des nombres de mont ees de Doob) Supposons que (Xn )nN
est une sous-martingale. Alors, pour tous les reels a < b et pour tout n N,
(b a) E[Nn ([a, b], X)] E[(Xn a)+ (X0 a)+ ].
Preuve. On pose Yn = (Xn a)+ . Daprès la proposition 12.1.1, (Yn )nN est encore une
sous-martingale.
Pour alleger les notations posons Nn = Nn ([a, b], X), et ecrivons Sk , Tk au lieu de
Sk (X), Tk (X). Definissons alors une famille previsible (Hn )n1 en posant

X
Hn = 1{Sk <nTk } 1
k=1
170
(observer que levenement {Sk < n Tk } = {Sk n 1}\{Tk n 1} est dans Fn1 ,
parce que Sk et Tk sont des temps darret). Alors, on verifie facilement que
Nn
X Nn
X
(H Y )n = (YTk YSk ) + 1{SNn +1 <n} (Yn YSNn +1 ) (YTk YSk ) Nn (b a).
k=1 k=1
La première inegalite est vraie parce que YSNn +1 = 0 sur lensemble {SNn +1 < }, et Yn 0.
On a donc en particulier
E[(H Y )n ] (b a) E[Nn ].
Par ailleurs, si Kn = 1 Hn , (Kn )nN est une famille previsible positive, et la proposition
12.1.2 montre que (K Y ) est une sous-martingale, do` u E[(K Y )n ] E[(K.Y )0 ] = 0.
On observe ensuite que
(K Y )n + (H Y )n = ((K + H) Y )n = Yn Y0 ,
et donc
(b a) E[Nn ] E[(H Y )n ] E[(K Y )n + (H Y )n ] = E[Yn Y0 ]
ce qui est linegalite du lemme.
Th
eor`
eme 12.3.3 Soit (Xn )nN une sous-martingale telle que
sup E[(Xn )+ ] < . (12.2)

nN
Alors la suite Xn converge p.s. quand n . De plus sa limite X verifie E[|X |] < .
Remarque. En ecrivant E[Xn ] = E[(Xn )+ ] E[(Xn ) ], et en rappelant quune sous-

martingale verifie E[Xn ] E[X0 ], on voit que, pour tout k 0,

E[(Xk ) ] sup E[(Xn )+ ] E[X0 ].
nN
Lhypothèse (12.2) est donc equivalente à imposer que
sup E[|Xn |] <

nN
cest-à-dire que la suite (Xn ) est bornee dans L1 .

Preuve. Soient a, b Q tels que a < b. Daprès le lemme 12.3.2, on a pour tout n 1,
(b a) E[Nn ([a, b], X)] E[(Xn a)+ ] |a| + E[(Xn )+ ] |a| + sup E[(Xk )+ ].
kN
En faisant tendre vers +, et en utilisant (12.2), on trouve
(b a) E[N ([a, b], X)] <
171
et donc N ([a, b], X) < p.s. Quitte à ecarter une reunion denombrable densembles de
probabilite nulle, on obtient ainsi que p.s., pour tous les rationnels a < b, N ([a, b], X) < .
Daprès le lemme 12.3.1, cela suffit pour affirmer que p.s. la suite Xn converge dans R.
Ensuite, à laide du lemme de Fatou, et de la remarque suivant lenonce, on a
E[|X |] lim inf E[|Xn |] sup E[|Xn |] <

n nN
et en particulier |X | < p.s.
Corollaire 12.3.4 Soit (Xn )nN une surmartingale positive. Alors Xn converge p.s. Sa
limite X est dans L1 et verifie Xn E[X | Fn ] pour tout n N.
Preuve. On applique le theorème 12.3.3 à Xn = Xn , en remarquant que lhypothèse

(12.2) est alors trivialement verifiee. La dernière assertion decoule du lemme de Fatou pour
les esperances conditionnelles :
Xn lim inf E[Xm | Fn ] E[lim inf Xm | Fn ] = E[X | Fn ].

m m
Exemples. (1) Soit Yn = 1 + Z1 + + Zn une marche aleatoire simple (pile ou face) issue
de 1. On a vu que (Yn )nN est une martingale par rapport à sa filtration canonique. Posons
ensuite
T = inf{n 0 : Yn = 0}.
Alors T est un temps darret. Du theorème 12.2.4 on deduit que Xn = YnT est une
martingale positive, à laquelle on peut appliquer le corollaire. Donc Xn converge p.s. vers
X tel que X < . Puisque sur lensemble {T = } on a |Xn+1 Xn | = [Yn+1 Yn | = 1
pour tout n, cela nest possible que si T < p.s. Modulo un argument de symetrie
evident, cela demontre la propriete qui avait ete utilisee dans le dernier exemple de la partie
precedente.
Dans ce cas on a X = 0 p.s. et donc linegalite Xn E[X | Fn ] = 0 nest pas une
egalite, bien que la suite (Xn ) soit une martingale.
Cet exemple montre aussi que la convergence du corollaire (ou du theorème precedent)
na pas forcement lieu dans L1 : ici E[Xn ] = 1 pour tout n alors que E[X ] = 0.
(2) Processus de branchement. Soit une mesure de probabilite sur N, telle que

X
m= k (k) < .
k=1
On exclut les cas particuliers o` u est la mesure de Dirac en 1 ou la mesure de Dirac en 0.

Soit ensuite (n,j )n,jN une famille de v.a. independantes de loi . On fixe aussi un entier
1 et on definit par recurrence une suite (Xn ) de v.a. à valeurs dans N en posant
X0 =
Xn
X
Xn+1 = n,j , n N.
j=1
172
La quantite Xn sinterprète comme le nombre dindividus dans une population à la generation
n, sachant que le nombre denfants de chaque individu suit la loi (et les nombres denfants
des differents individus sont des v.a. independantes).
Alors la suite mn Xn est une martingale relativement à la filtration
F0 = {, }
Fn = (k,j : k < n, j N) , si n 1.
En effet, il est facile de voir que le processus (Xn ) est adapte (la definition de Xn ne fait
intervenir que les k,j pour k < n). Ensuite, pour tout n 0,
X
X
E[Xn+1 | Fn ] = E[ 1{jXn } n,j | Fn ] = 1{jXn } E[n,j | Fn ] = m Xn
j=1 j=1
puisque n,j est independante de Fn , et donc E[n,j | Fn ] = E[n,j ] = m. En consequence,

E[m(n+1) Xn+1 | Fn ] = mn Xn .
Cela montre dabord que les v.a. Xn sont dans L1 (une recurrence immediate montre que
E[Xn ] = mn ) et ensuite que la suite mn Xn est une martingale positive.
Distinguons maintenant trois cas :
m < 1. Puisque Xn est à valeurs entières, la convergence de mn Xn vers une quantite
finie nest possible que si Xn = 0 pour tout n assez grand (extinction presque s ure de la
population).
m = 1. Dans ce cas Xn est une martingale positive et on a la meme conclusion
(extinction presque sure) une fois que lon a verifie que
P (N 1, p 1 : n N, Xn = p) = 0.
Cette dernière assertion est obtenue comme une consequence facile du lemme de Borel-
Cantelli (on utilise le fait que (1) < 1).
m > 1. On a
mn Xn Z (12.3)
n
et sur lensemble {Z > 0} on voit que Xn est de lordre de mn quand n est grand. On voudrait
alors verifier que P (Z > 0) > 0 (et aussi que Z > 0 p.s. sur lensemble {lim inf Xn > 0} de
non-extinction). Remarquons que si la convergence (12.3) a lieu dans L1 on a P (Z > 0) > 0,
puisque dans ce cas E[Z] = lim mn E[Xn ] = . On peut montrer (theorème de Kesten-
Stygum) que la convergence (12.3) a lieu dans L1 ssi

X
k log(k) (k) <
k=1
et qualors Z > 0 p.s. sur lensemble de non-extinction. Nous verrons un resultat un peu
plus faible dans la partie 4 ci-dessous.
Si (Xn )nN est une martingale bornee dans L1 , on peut lui appliquer le theorème 12.3.3
et obtenir que Xn converge p.s. vers X . Les exemples precedents montrent quil ny a pas
necessairement convergence dans L1 . Le theorème suivant caracterise les martingales pour
lesquelles cest le cas.
173
Theor` eme 12.3.5 Soit (Xn )nN une martingale. Les deux conditions suivantes sont equiva-
lentes:
(i) Xn converge vers X p.s. et dans L1 .
(ii) Il existe une v.a. Z L1 (, F , P ) telle que Xn = E[Z | Fn ] pour tout n N.

De plus, si ces conditions sont satisfaites, on peut prendre Z = X dans (ii). On dit alors
que la martingale (Xn )nN est fermee.
Preuve. Supposons dabord (i). En ecrivant
Xn = E[Xm | Fn ] , m > n
et en utilisant le fait que lapplication Y E[Y | Fn ] est une contraction de L1 (i.e.

E[|E[Y | Fn ]|] E[|Y |]), on trouve en faisant tendre m vers que Xn = E[X | Fn ].
Inversement, supposons (ii). La suite (Xn )nN est alors bornee dans L1 et donc converge
p.s. daprès le theorème 12.3.3. Pour obtenir la convergence L1 , traitons dabord le cas o`
u
la v.a. Z est bornee par une constante K < . Alors, toutes les v.a. Xn sont aussi bornees
par K, et le theorème de convergence dominee donne le resultat voulu. Dans le cas general,
fixons > 0, et choisissons M > 0 assez grand pour que
E[|Z Z 1{|Z|M } |] < .
Alors, pour tout n,
E[|Xn E[Z 1{|Z|M } | Fn ]|] = E[|E[Z Z 1{|Z|M } | Fn ]|] < .
Daprès le cas borne, la martingale E[Z 1{|Z|M } | Fn ] converge dans L1 . Donc on peut
choisir n0 assez grand pour que, pour tous m, n n0 ,
E[|E[Z 1{|Z|M } | Fm ] E[Z 1{|Z|M } | Fn ]|] < .
En combinant ceci avec la majoration precedente, on trouve que, pour tous m, n n0 ,
E[|Xm Xn |] < 3.
Comme etait arbitraire, la suite (Xn ) est de Cauchy dans L1 .
Corollaire 12.3.6 Soit Z L1 (, F , P ). La martingale Xn = E[Z | Fn ] converge p.s. et

_
dans L1 vers X = E[Z | F ], o`
u F = Fn .
n=1
Preuve. Compte-tenu du theorème precedent, il reste à montrer que X = E[Z | F ].

Remarquons dabord que X est F -mesurable puisque les v.a. Xn le sont. Ensuite, pour
tout n N et A Fn , on a
E[Z 1A ] = E[Xn 1A ] = E[X 1A ].
174
Un argument simple de classe monotone (cf Theorème 1.4.1) montre que legalite E[Z 1A ] =

[ [
E[X 1A ], vraie pour A Fn , reste vraie pour A Fn = F . Le resultat
n=1 n=1
recherche decoule ensuite de la propriete caracteristique de lesperance conditionnelle.
Exemple. Reprenons lexemple (iv) de la partie 1 : = [0, 1[, F est la tribu borelienne sur
[0, 1[, et P = est la mesure de Lebesgue. On considère la filtration dyadique
i1 i
Fn = ([ , [; i = 1, 2, . . . , 2n ).
2n 2n
Soit une mesure finie sur [0, 1[, et pour tout entier n N,
2n
X ([(i 1)2n , i2n [)
d
fn () = () = 1[(i1)2n ,i2n [ ().
d |Fn i=1
2n
On a dejà remarque que (fn )nN est une martingale (positive), et on a donc (Corollaire
12.3.4)
p.s.
fn f
n
R
avec f d < . De plus fn E[f | Fn ], ce qui montre que, pour tout A Fn ,
Z Z Z
(A) = fn 1A d E[f | Fn ]1A d = f 1A d.
En utilisant la densite dans L1 des fonctions continues à support compact (cf Theorème
4.3.1), on verifie aisement que lespace des combinaisons lineaires à coefficients positifs de
fonctions indicatrices dintervalles dyadiques est dense dans lespace L1+ ([0, 1[, ) des fonc-
tions -integrables positives, pour toute mesure finie sur [0, 1[. On deduit alors de linegalite
precedente que, pour toute fonction g mesurable positive bornee sur [0, 1[, on a
Z Z
g d gf d.
Il en decoule que = f est une mesure positive sur [0, 1[.

Montrons que est etrangère à . Pour tout n 0, posons
d
hn = = fn E[f | Fn ].
d |Fn
Dans cet exemple on a F = F et donc le corollaire 12.3.6 montre que E[f | Fn ] f
p.s. En consequence hn 0 p.s. et donc
n o
x [0, 1[: lim sup hn (x) > 0 = 0. (12.4)
n
Dautre part, pour tout > 0,

Z
({x [0, 1[: hn (x) }) = 1{hn }hn d ,
175
ce qui entrane
n o [
\

x [0, 1[: lim sup hn (x) < {hn } .
n
N =1 n=N
On obtient ainsi n o
x [0, 1[: lim sup hn (x) = 0 =0
n
et en comparant avec (12.4) on voit que et sont portees par des boreliens disjoints.
Finalement lecriture = f + est la decomposition de Lebesgue de la mesure
comme somme dune mesure absolument continue et dune mesure etrangère à la mesure de
Lebesgue. De plus, est absolument continue par rapport à ssi = 0 ce qui equivaut à
dire que la martingale (fn ) est fermee.
12.4 La convergence dans Lp pour p > 1

Notre but est maintenant detudier sous quelles conditions une martingale (Xn ) converge
dans Lp lorsque p > 1. Cela nous amènera à obtenir des estimations importantes pour la
probabilite de grandes valeurs du supremum supnN Xn .
Lemme 12.4.1 Soit (Xn )nN une sous-martingale, et soient S et T deux temps darret
bornes tels que S T . Alors
E[XS ] E[XT ].
Remarque. Le cas S = 0 a dejà ete vu dans le theorème 12.2.4.

Preuve. On sait dejà que XS et XT sont dans L1 . On definit ensuite une famille previsible
en posant, pour tout n 1,
Hn = 1{S<nT } = 1{Sn1} 1{T n1} .
Alors, si N est un entier choisi pour que S T N, on a
(H X)N = XT XS
et E[(H.X)N ] 0 puisque H.X est une sous-martingale (theorème 12.1.2).
Theorème 12.4.2 (In egalit

e maximale de Doob) Soit (Xn )nN une sous-martingale. Alors,
pour tout a > 0 et tout n N,
h i
a P sup Xk a E Xn 1{sup0kn Xk a} E[Xn+ ].
0kn
Preuve. Introduisons le temps darret
T = inf{n 0 : Xn a}.
176
Alors, si
A = { sup Xk a}
0kn
on a A = {T n}. Par ailleurs, en appliquant le lemme precedent aux temps darret T n

et n, on a
E[XT n ] E[Xn ]
et dautre part,
XT n a 1A + Xn 1Ac .
En combinant ces deux inegalites, on trouve
E[Xn ] aP (A) + E[Xn 1Ac ]
do`
u la première inegalite du theorème. La seconde est immediate.
Proposition 12.4.3 Soit p > 1 et soit (Xn )nN une sous-martingale positive. Posons
en = sup Xk .
X
0kn
Alors, pour tout n 0,

e n )p ] ( p p
E[(X ) E[(Xn )p ].
p1
En consequence, si (Yn )nN est une martingale et si
Yn = sup |Yk |
0kn
on a pour tout n 0 :
p p
E[(Yn )p ] ( ) E[|Yn |p ].
p1
Preuve. La deuxième partie de la proposition decoule de la première appliquee à la sous-
martingale Xn = |Yn |. Pour la première partie, on peut supposer E[(Xn )p ] < , car sinon il
ny a rien à montrer. Alors, linegalite de Jensen pour les esperances conditionelles montre
que, pour tout 0 k n, on a
E[(Xk )p ] E[E[Xn | Fk ]p ] E[E[(Xn )p | Fn ]] = E[(Xn )p ]. (12.5)
On a donc aussi E[(X en )p ] < .

Daprès le theorème 12.4.2, on a pour tout a > 0
en a) E[Xn 1 e
a P (X {Xn a} ].
on multiplie chaque membre de cette inegalite par ap2 et on intègre par rapport à la mesure
de Lebesgue da sur ]0, [. A gauche, il vient
Z hZ en
X i 1
p1
a en a) da = E
P (X e n )p ]
ap1 da = E[(X
0 0 p
177
en utilisant le theorème de Fubini. De meme, à droite on a
Z h Z en
X i
p2 p2
a E[Xn 1{Xen a} ]da = E Xn a da
0 0
1 en )p1 ]
= E[Xn (X
p1
1 1 p1
e n )p ] p .
E[(Xn )p ] p E[(X
p1
daprès linegalite de Holder. Il vient donc
1 en )p ] 1 E[(Xn )p ] p1 E[(X
p1
e n )p ] p
E[(X
p p1
do` en )p ] < ).
u linegalite de la première partie de la proposition (on utilise le fait que E[(X

Si (Xn )nN est un processus aleatoire, on note

X = sup |Xn |.
nN
Th
eor`
eme 12.4.4 Soit (Xn )nN une martingale. Supposons quil existe p > 1 tel que
sup E[|Xn |p ] < .

nN
Alors, Xn converge p.s. et dans Lp vers une v.a. X telle que
E[|X |p ] = sup E[|Xn |p ]

nN
et on a
p p p
E[(X ) ]( ) E[|X |p ].
p1
Preuve. La martingale (Xn ) etant bornee dans L1 , on sait dejà que Xn converge p.s. vers
X . De plus, la proposition 12.4.3 montre que, pour tout n N,
p p
E[(Xn )p ] ( ) sup E[|Xk |p ].
p 1 kN
En passant à la limite croissante qund n , on a
p p p
E[(X ) ]( ) sup E[|Xk |p ] <
p 1 kN

et donc X Lp . Puisque toutes les v.a. |Xn | sont dominees par X

, le theorème de
p
convergence dominee montre que la suite Xn converge dans L vers X . Enfin, puisque la
suite E[|Xn |p ] est croissante (cf (12.5)) on a
E[|X |p ] = lim E[|Xn |p ] = sup E[|Xn |p ].

n nN
178
Exemple. Revenons au processus de branchement (Xn )nN introduit dans la partie prece-
dente. On suppose que la loi de reproduction satisfait

X
m= k (k) ]1, [
k=0
et
X
k 2 (k) < .
k=0
P
On pose aussi 2 = var() = k 2 (k) m2 . On a vu que mn Xn est une martingale.
Verifions que cette martingale est bornee dans L2 . On calcule facilement
hX
i
2
E[Xn+1 | Fn ] = E 1{jXn ,kXn} n,j n,k | Fn
j,k=1

X
= 1{jXn ,kXn} E[n,j n,k ]
j,k=1
X
= 1{jXn ,kXn} (m2 + 2 1{j=k})
j,k=1
= m2 Xn2 + 2 Xn .
On a donc
2
E[Xn+1 ] = m2 E[Xn2 ] + 2 mn .
En posant an = m2n E[Xn2 ], on obtient
an+1 = an + 2 mn2
et puisque m > 1 la suite (an ) converge. En consequence, la martingale mn Xn est bornee
dans L2 . Daprès le theorème 12.4.4, cette martingale converge dans L2 vers Z. En partic-
ulier, E[Z] = E[X0 ] = et donc P (Z > 0) > 0 (il nest pas très difficile de voir quon a en
fait Z > 0 p.s. sur lensemble de non-extinction de la population).
12.5 Uniforme int

egrabilit
e et martingales
Definition 12.5.1 Une famille (Xi )iI de v.a. dans L1 (, F , P ) est dite uniformement
integrable (u.i. en abrege) si

lim sup E[|Xi |1{|Xi |>a} ] = 0.
a+ iI
Il est immediat quune famille uniformement integrable est bornee dans L1 : il suffit de
choisir a assez grand pour que

sup E[|Xi |1{|Xi |>a} ] 1
iI
179
et decrire ensuite E[|Xi |] E[|Xi |1{|Xi |a} ] + E[|Xi |1{|Xi |>a} ] a + 1. La reciproque est
fausse : une famille bornee dans L1 nest pas necessairement u.i.
Exemples. (1) Une famille reduite à un singleton est u.i. (cest une consequence sim-
ple du theorème de convergence dominee). Plus generalement, tout sous-ensemble fini de
L1 (, F , P ) est u.i.
(2) Si Z est une v.a. positive dans L1 (, F , P ), lensemble des v.a. X telles que |X| Z
est u.i. (il suffit en effet de majorer E[|X|1{|X|>a} ] E[Z1{Z>a} ] et dutiliser lexemple (1)).
(3) Soit : R+ R+ une fonction telle que x1 (x) + quand x +. Alors,
pour tout C > 0,
{X L1 (, F , P ) : E[(|X|)] C}
est u.i. En effet, il suffit decrire
x
E[|X|1{|X|>a} ] (sup ) E[(|X|)].
x>a (x)
(4) Si p > 1, tout sous-ensemble borne de Lp (, F , P ) est u.i. Cest le cas particulier de (3)
u (x) = xp .
o`
Le nom uniformement integrable est justifie par la proposition suivante.
Proposition 12.5.1 Soit (Xi )iI une famille bornee dans L1 . Il y a equivalence entre :
(i) La famille (Xi )iI est u.i.
(ii) Pour tout > 0, on peut choisir > 0 de facon que, pour tout evenement A F de
probabilite P (A) < , on ait
i I, E[|Xi |1A ] < .
Preuve. (i)(ii) Soit > 0. On peut choisir a > 0 assez grand tel que

sup E[|Xi |1{|Xi |>a} ] < .
iI 2
Si on pose = /(2a), alors la condition P (A) < entrane que, pour tout i I,

E[|Xi |1A ] E[|Xi |1A{|Xi |a} ] + E[|Xi|1{|Xi |>a} ] aP (A) + < .
2
(ii)(i) Soit C = supiI E[|Xi |]. Daprès linegalite de Markov, pour tout a > 0,
C
i I, P (|Xi| > a) .
a
Soit > 0 et choisissons pour que la propriete de (ii) soit verifiee. Alors si a est assez
grand pour que C/a < , on a
i I, E[|Xi |1{|Xi |>a} ] <
do`
u luniforme integrabilite.
180
Corollaire 12.5.2 Soit X L1 (, F , P ). Alors la famille des esperances conditionnelles
E[X | G] quand G decrit toutes les sous-tribus de F est u.i.
Preuve. Soit > 0. Puisque le singleton {X} est u.i., la proposition precedente permet de
choisir > 0 tel que, pour tout A F avec P (A) < on ait
E[|X|1A ] .
Ensuite, pour tout a > 0,

1 E[|X|]
P (|E[X | G]| > a) E[|E[X | G]|] .
a a
Donc, si a est suffisamment grand pour que E[|X|]/a < , on a en utilisant la propriete
caracteristique de lesperance conditionnelle,
E[|E[X | G]|1{|E[X|G]|>a}] E[E[|X| | G]1{|E[X|G]|>a}] = E[|X|1{|E[X|G]|>a}] <
ce qui donne luniforme integrabilite recherchee.
Th
eorème 12.5.3 Soit (Xn )nN une suite de v.a. dans L1 qui converge en probabilite vers
X . Alors il y a equivalence entre :
(i) La suite (Xn )nN converge dans L1 vers X .
(ii) La suite (Xn )nN est uniformement integrable.
Remarque. Le theorème de convergence dominee affirme quune suite (Xn )n convergeant

p.s. (donc aussi en probabilite) converge dans L1 à condition que |Xn | Z pour tout n,
u Z 0 est telle que E[Z] < . Cette hypothèse de domination est bien s
o` ur plus forte
que luniforme integrabilite (cf exemple (2) ci-dessus), qui donne une condition necessaire et
suffisante pour la convergence dans L1 .
Preuve. (i)(ii) Dabord, la suite (Xn )nN est bornee dans L1 . Ensuite, soit > 0. On
peut choisir N assez grand tel que, pour tout n N,

E[|Xn XN |] < .
2
Puisque lensemble fini {X0 , X1 , . . . , XN } est u.i. on peut choisir > 0 assez petit de facon
que, pour tout evenement A de probabilite P (A) < ,

n {0, 1, . . . , N}, E[|Xn |1A ] < .
2
Mais alors, si n > N, on a aussi
E[|Xn |1A ] E[|XN |1A ] + E[|Xn XN |] < .
On a verifie la condition (ii) de la proposition 12.5.1, do`

u luniforme integrabilite.
181
(ii)(i) En utilisant la caracterisation de luniforme integrabilite fournie par la proposition
12.5.1(ii), on voit immediatement que la famille (Xn Xm )n,mN est aussi u.i. Donc, si > 0
est fixe, on peut choisir a assez grand pour que, pour tous m, n N,
E[|Xn Xm |1{|Xn Xm |>a} ] < .
Alors, pour tous m, n N,
E[|Xn Xm |]
E[|Xn Xm |1{|Xn Xm |}] + E[|Xn Xm |1{<|XnXm |a} ] + E[|Xn Xm |1{|Xn Xm |>a} ]
2 + a P (|Xn Xm | > ).
La convergence en probabilite de la suite (Xn ) entrane que

P (|Xn Xm | > ) P (|Xn X | > ) + P (|Xm X | > ) 0.
2 2 n,m
On a ainsi obtenu
lim sup E[|Xn Xm |]
m,n
et puisque etait arbitraire, cela montre que la suite (Xn )nN est de Cauchy pour la norme
L1 .
Remarque. En consequence du theorème, si une suite (Xn )n converge en probabilite et
est bornee dans Lp pour une valeur p > 1, alors elle converge dans L1 , et meme dans Lq
pour tout q < p (appliquer le theorème à |Xn X |q ).
Application aux martingales. En combinant le theorème precedent avec le theorème
12.3.5, on obtient que les trois conditions suivantes sont equivalentes pour une martingale
(Xn )nN :
(i) Xn converge vers X p.s. et dans L1 .
(iii) La martingale est fermee : il existe une v.a. Z L1 (, F , P ) telle que Xn = E[Z | Fn ]
pour tout n N.
Remarquons que (ii) decoule aussi de (iii) via le corollaire 12.5.2. En particulier toute
martingale uniformement integrable est fermee, et inversement. Rappelons que dans ce cas
on a Xn = E[X | Fn ] pour tout n.
Th eorèmes darr
et. Si (Xn )nN est un processus adapte qui converge p.s. vers X , on
definit XT pour tout temps darret T fini ou non en posant

X
XT = 1{T =n} Xn + 1{T =} X .
n=0
Une extension facile de la proposition 12.2.3 montre que XT est FT -mesurable.
182
Theor`
eme 12.5.4 Soit (Xn )nN une martingale uniformement integrable. Alors, pour tout
temps darret T fini ou non,
XT = E[X | FT ],
et en particulier E[XT ] = E[X ] = E[Xn ] pour tout n N. Si S et T sont deux temps
darret tels que S T , on a
XS = E[XT | FS ].
Remarques. (i) Une consequence du theorème et du corollaire 12.5.2 est que la famille
{XT , T temps darret} est u.i.
(ii) Pour une martingale quelconque (Xn )nN , on peut appliquer le theorème, pour tout
entier N 0 fixe, à la martingale arretee (XnN )nN qui est u.i. On retrouve ainsi certains
des resultats precedents.
Preuve. Verifions dabord que XT L1 :

X
E[|XT |] = E[1{T =n} |Xn |] + E[1{T =} |X |]
n=0
X
= E[1{T =n} |E[X | Fn ]|] + E[1{T =} |X |]
n=0

X
E[1{T =n} E[|X | | Fn ]] + E[1{T =} |X |]
n=0
X
= E[1{T =n} |X |] + E[1{T =} |X |]
n=0
= E[|X |] < .
De plus, si A FT ,
X
E[1A XT ] = E[1A{T =n} XT ]
nN{}
X
= E[1A{T =n} Xn ]
nN{}
X
= E[1A{T =n} X ]
nN{}
= E[1A X ].
Dans la première egalite on utilise le fait que XT L1 pour appliquer le theorème de Fubini et
echanger somme et integrale, et dans la troisième egalite on utilise legalite Xn = E[X | Fn ]
et la propriete de definition A {T = n} Fn . Puisque XT est FT -mesurable, lidentite
precedente suffit à montrer que XT = E[X | FT ].
Les autres assertions sont faciles : pour la dernière, linclusion FS FT entrane que
XS = E[X | FS ] = E[E[X | FT ] | FS ] = E[XT | FS ].
183
Theorème 12.5.5 Soit (Xn )nN une surmatingale. Supposons que lune des deux conditions
suivantes soit verifiee :
(i) Xn 0 pour tout n N.
Alors, pour tout temps darret T , fini ou non, on a XT L1 . De plus, si S et T sont deux
temps darret tels que S T , on a :
dans le cas (i), 1{S<} XS E[1{T <} XT | FS ];
dans le cas (ii), XS E[XT | FS ].
Preuve. Traitons dabord le cas (i). On a vu que si le temps darret T est borne, on a
E[XT ] E[X0 ] (theorème 12.2.4). Le lemme de Fatou montre alors que pour un temps
darret quelconque,
E[XT ] lim inf E[XT k ] E[X0 ]
k
1
et donc XT L . Soient ensuite S et T deux temps darret tels que S T . Supposons
dabord que S et T sont bornes par lentier N. Alors le lemme 12.4.1 montre que E[XS ]
E[XT ]. Plus generalement, pour tout evenement A FS , on peut considerer le temps darret

A S() si A,
S () =
N si / A,
et de meme le temps darret T A (noter que A FT ). En ecrivant E[XS A ] E[XT A ], on

trouve
A FS , E[XS 1A ] E[XT 1A ].
u S et T sont des temps darret quelconques avec S T , et soit
Revenons au cas general o`
B FS . En appliquant ce qui precède aux temps darret S k, T k et A = B {S k},
on trouve
E[XSk 1B{Sk} ] E[XT k 1B{Sk} ] E[XT k 1B{T k} ]
puisque {S k} {T k} et XT k 0. Donc,
E[XS 1B{Sk} ] E[XT 1B{T k} ]
et en faisant tendre k vers on trouve par convergence dominee
E[XS 1B{S<} ] E[XT 1B{T <} ].
eS = 1{S<} XS et X
En notant X eT = 1{T <} XT on a donc, pour tout B FS ,
eS 1B ] E[X
E[X eT 1B ] = E[E[X
eT | FS ]1B ].
eS est FS -mesurable, cela entrane facilement X

Puisque X eS E[X
eT | FS ].
184
Traitons maintenant le cas (ii). Puisque (Xn )nN est u.i., (Xn )nN est bornee dans L1 , et
donc converge p.s. vers X . La convergence a aussi lieu dans L1 grace au theorème 12.5.3.
La convergence L1 permet de passer à la limite m dans linegalite Xn E[Xn+m | Fn ],
et dobtenir, pour tout n N,
Xn E[X | Fn ].
Par ailleurs, le corollaire 12.3.6 montre que la martingale fermee Zn = E[X | Fn ] converge
p.s. vers X (noter que X est F -mesurable). Si on pose Yn = Xn Zn , (Yn )nN est
une surmartingale positive, telle que Y = 0. Du cas (i) (et du theorème 12.5.4) on deduit
dabord que XT = YT + ZT est dans L1 , puis que
YS E[YT | FS ]
(les fonctions indicatrices sont superflues puisque Y = 0). De plus, en appliquant le
theorème 12.5.4 à la martingale u.i. Zn , on a aussi
ZS = E[ZT | FS ].
En combinant les deux relations obtenues on trouve bien
XS E[XT | FS ].
Exemple. Ruine du joueur. Considerons à nouveau une marche aleatoire simple (pile ou
face) avec X0 = k 0. Soit m 1 un entier tel que 0 k m. On pose
T = inf{n 0 : Xn = 0 ou Xn = m}.
Il decoule dun exemple traite dans la partie 3 que T < p.s. La martingale Yn = XnT
est uniformement integrable, puisque bornee, et on a donc E[Y ] = E[Y0 ] = k, soit
m P (XT = m) = k
do`
u on deduit facilement que
k k
P (XT = m) = , P (XT = 0) = 1 .
m m
On peut generaliser au pile ou face biaise : on suppose que Xn = k + Y1 + . . . + Yn , o`
u les
v.a. Yi sont independantes et de meme loi
P (Y1 = 1) = p , P (Y1 = 1) = 1 p = q,
u p ]0, 1[\{ 12 }. Alors il est facile de verifier que
o`
q
Zn = ( )Xn
p
est une martingale. Si T est defini comme ci-dessus, le fait que la martingale ZnT converge
entrane que T < p.s. Ensuite en appliquant le theorème darret à la martingale bornee
ZnT , on trouve
q h q i q
( )k = E ( )XT = ( )m P (XT = m) + P (XT = 0)
p p p
do`
u
( pq )k 1 ( pq )m ( pq )k
P (XT = m) = q m , P (XT = 0) = q m .
(p) 1 (p) 1
185
12.6 Martingales r
etrogrades
Une filtration retrograde est une famille (Fn )nN indexee par les entiers negatifs de sous-
tribus de F , telle que, pour tous m, n N,
n m Fn Fm .
On notera \
F = Fn
nN
qui est encore une sous-tribu de F . Remarquons que, à la difference du cas direct etudie
precedemment, la tribu Fn devient de plus en plus petite quand n .
Un processus (Xn )nN indexe par les entiers negatifs est une martingale retrograde (resp.
une surmartingale retrograde, une sous-martingale retrograde) relativement à la filtration
(Fn )nN si Xn est Fn -mesurable et E[|Xn |] < pour tout n N, et si, pour tous
m, n N,
n m Xn = E[Xm | Fn ] (resp. Xn E[Xm | Fn ], Xn E[Xm | Fn ]).
Th
eor`
eme 12.6.1 Soit (Xn )nN une surmartingale retrograde. Supposons que
sup E[|Xn |] < . (12.6)
nN
Alors la suite (Xn )nN est uniformement integrable et converge p.s. et dans L1 vers X
quand n . De plus, pour tout n N,
E[Xn | F ] X .
Remarques. (a) Dans le cas dune martingale retrograde, la condition (12.6) est automa-
tiquement satisfaite puisquon a Xn = E[X0 | Fn ] et donc E[|Xn |] E[|X0 |] pour tout
n N. Pour la meme raison, luniforme integrabilite de la suite (Xn )nN , dans le cas
dune martingale, decoule du corollaire 12.5.2.
(b) Dans le cas direct etudie precedemment, le fait quune surmartingale (ou une mar-
tingale) soit bornee dans L1 nentrane pas son uniforme integrabilite : en ce sens le cas
retrograde est très different du cas direct.
Preuve. Nous commencons par etablir la convergence p.s. de la suite (Xn )nN , qui decoule
à nouveau de linegalite sur les nombres de montees de Doob. Fixons un entier K 1 et
posons pour tout n {0, 1, . . . , K}
YnK = XK+n ,
GnK = FK+n .
Pour n > K, on prend aussi YnK = X0 et GnK = F0 . Alors (YnK )nN est une surmartingale
relativement à la filtration (GnK )nN . En appliquant le lemme 12.3.2 à la sous-martingale
YnK , on trouve pour tous a < b,
(b a) E[NK ([a, b], Y N )] E[(YKK a)+ ] = E[(X0 a)+ ] |a| + E[|X0 |].
186
On verifie aisement que quand K , NK ([a, b], Y N ) crot vers
N([a, b], X) := sup{k N : m1 < n1 < < mk < nk 0,

Xm1 a, Xn1 b, . . . , Xmk a, Xnk b}
qui est le nombre total de montees de (Xn )nN le long de [a, b]. Le theorème de convergence
monotone entrane donc
(b a) E[N([a, b], X)] |a| + E[|X0 |] < .
On obtient ainsi que N([a, b], X) < pour tous les rationnels a < b, p.s. Par une adaptation
evidente du lemme 12.3.1 cela entrane la convergence presque s ure de la suite (Xn )nN
quand n , et le lemme de Fatou montre que la limite X verifie E[|X |] < .
Montrons maintenant que la suite (Xn )nN est uniformement integrable. Soit > 0.
La suite (E[Xn ])nN etant croissante et majoree (grace à (12.6)) on peut choisir un entier
K 0 assez petit de facon que, pour tout n K,

E[Xn ] E[XK ] + .
2
La famille finie (XK , XK+1 , . . . , X1 , X0 ) etant uniformement integrable, on peut choisir
a > 0 assez grand de manière que, pour tout n {K, K + 1, . . . , 1, 0},
E[|Xn |1{|Xn |>a} ] < .
De plus, on peut choisir > 0 assez petit de facon que, pour tout A F tel que P (A) <
on ait

E[|XK |1A ] < .
2
Ensuite, si n < K,
E[|Xn |1{|Xn |>a} ] = E[Xn 1{Xn <a} ] + E[Xn 1{Xn >a} ]

= E[Xn 1{Xn <a} ] + E[Xn ] E[Xn 1{Xn a} ]

E[E[XK | Fn ]1{Xn <a} ] + E[XK ] + E[E[XK | Fn ]1{Xn a} ]
2

= E[XK 1{Xn <a} ] + E[XK ] + E[XK 1{Xn a} ]
2

= E[XK 1{Xn <a} ] + E[XK 1{Xn >a} ] +
2

E[|XK |1{|Xn |>a} ] + .
2
Dans la première inegalite ci-dessus, on a utilise la propriete E[Xn ] E[XK ] + /2 et
linegalite de surmartingale Xn E[XK | Fn ]. On observe maintenant que
1 C
P (|Xn | > a) E[|Xn |]
a a
187
u C = sup E[|Xk |] est fini par hypothèse. Quitte à choisir a encore plus grand, on peut
o`
supposer que C/a < , de sorte que

E[|XK |1{|Xn |>a} ] <
2
et en combinant avec ce qui precède,
E[|Xn |1{|Xn |>a} ] < ,
pour tout n < K. Comme cette inegalite est aussi vraie pour n {K, K + 1, . . . , 1, 0},
cela termine la preuve de luniforme integrabilite de la suite (Xn )nN .
Le reste de la preuve est facile. Luniforme integrabilite et la convergence p.s. entranent
la convergence dans L1 . Ensuite, en ecrivant
E[Xn 1A ] E[Xm 1A ]
pour m n et A F Fm , et en passant à la limite m , on trouve
E[Xn 1A ] E[X 1A ] , A F .
On a donc aussi
E[E[Xn | F ]1A ] E[X 1A ] , A F .
et puisque X est clairement F -mesurable, cela suffit pour entraner E[Xn | F ] X .
Corollaire 12.6.2 Soit Z une v.a. dans L1 , et soit (Gn )nN une suite decroissante de tribus.
Alors,
p.s.,L1
E[Z | Gn ] E[Z | G ]
n
o`
u \
G = Gn .
nN
Preuve. Pour tout n N, posons Xn = E[Z | Gn ] et Fn = Gn . Alors (Xn )nN est une
martingale relativement à la filtration retrograde (Fn )nN . Le theorème assure donc que
Xn converge p.s. et dans L1 quand n . De plus, grace à la dernière assertion du
theorème, X = E[X0 | F ] = E[E[Z | F0 ] | F ] = E[Z | F ].
Applications. (A) La loi forte des grands nombres. Soit 1 , 2, . . . une suite de v.a. reelles
independantes et de meme loi, dans L1 . On pose S0 = 0 et pour tout n 1,
Sn = 1 + + n .
On remarque que
1
E[1 | Sn ] = Sn . (12.7)
n
188
En effet, on sait quil existe une fonction mesurable g telle que E[1 | Sn ] = g(Sn ). Si
k {1, . . . , n}, le couple (k , Sn ) a meme loi que (1 , Sn ), de sorte que, pour toute fonction
h mesurable bornee,
E[k h(Sn )] = E[1 h(Sn )] = E[g(Sn )h(Sn )]
ce qui montre quon a aussi E[k | Sn ] = g(Sn ). Il en resulte que
ng(Sn ) = E[1 + + n | Sn ] = Sn
do`
u lidentite annoncee (12.7).
On a aussi, pour tout n 1,
1
E[1 | Sn , n+1, n+2 , . . .] = Sn . (12.8)
n
Cela decoule immediatement de (12.7) et du lemme suivant, applique en prenant Z = 1 ,
H1 = (Sn ) et H2 = (n+1 , n+2, . . .).
Lemme 12.6.3 Soit Z une v.a. dans L1 et soient H1 et H2 deux sous-tribus de F . Sup-
posons que H2 est independante de (Z) H1 . Alors,
E[Z | H1 H2 ] = E[Z | H1 ]
La preuve de ce lemme est une application simple du lemme de classe monotone (Theorème
1.4.1) : on voit immediatement que la propriete E[1A Z] = E[1A E[Z | H1 ]] est vraie pour
les ensembles A H1 H2 de la forme A = B C, avec B H1 , C H2 , et il en decoule
que cette propriete est vraie pour tout A H1 H2 .
On peut maintenant appliquer le corollaire 12.6.2 en prenant Z = 1 et pour tout n 0,
Gn = (Sn , n+1, n+2 , . . .),
de sorte que n1 Sn = E[Z | Gn ] par (12.8). On obtient que la suite n1 Sn converge p.s. et
dans L1 . La loi du tout ou rien de Kolmogorov (Theorème 10.2.1) assure que la limite est
constante et donc egale à lim n1 E[Sn ] = E[1 ].
(B) La loi du tout ou rien de Hewitt-Savage. Soit 1 , 2 , . . . une suite de v.a. independantes et
de meme loi à valeurs dans un espace mesurable (E, E). Lapplication (1 (), 2(), . . .)

definit une v.a. à valeurs dans lespace produit E N , qui est muni de la plus petite tribu
rendant mesurables les applications coordonnees (x1 , x2 , . . .) xi pour tout i N . Une

fonction mesurable F definie sur E N est dite symetrique si
F (x1 , x2 , x3 , . . .) = F (x(1) , x(2) , x(3) , . . .)
pour toute permutation de N à support fini.

Th eme 12.6.4 Si F est une fonction symetrique sur E N la variable aleatoire F (1 , 2, . . .)
eor`
est constante p.s.
189
Exemple. Supposons les v.a. 1 , 2 , . . . à valeurs dans Rd , et considerons la marche aleatoire
(en dimension d)
Xn = 1 + + n .
Si B est un borelien de Rd ,
1{Card{n1:Xn B}=}
est une fonction symetrique de 1 , 2 , . . .. On a donc
P (Card{n 1 : Xn B} = ) = 0 ou 1.
Preuve. Sans perte de generalite on peut supposer F bornee. On pose
Fn = (1 , . . . , n ) , Gn = (n+1 , n+2, . . .).
On note Y = F (1 , 2 , . . .) et on pose pour tout n N
Xn = E[Y | Fn ] , Zn = E[Y | Gn ].
Alors le corollaire 12.3.6 assure que Xn converge p.s. et dans L1 vers E[Y | F ] = Y ,
cependant que le corollaire 12.6.2 montre que Zn converge p.s. et dans L1 vers E[Y | G ] =
E[Y ] puisque G est grossière (loi du tout ou rien de Kolmogorov). Donc pour tout > 0,
on peut choisir n assez grand de facon que
E[|Xn Y |] < , E[|Zn E[Y ]|] < . (12.9)
Dautre part, il existe une fonction mesurable g : E n R telle que Xn = g(1, . . . , n ),
et la première borne de (12.9) se traduit par :
E[|F (1 , 2, . . .) g(1 , . . . , n )|] < .
Puisque la suite (n+1 , . . . , 2n , 1 , . . . , n , 2n+1 , . . .) a meme loi que (1 , 2 . . .), cette borne
entrane aussi que
E[|F (n+1, . . . , 2n , 1 , . . . , n , 2n+1 , . . .) g(n+1, . . . , 2n )|] < .
Mais F (n+1 , . . . , 2n , 1 , . . . , n , 2n+1 , . . .) = F (1 , . . . , n , n+1, . . . , 2n , 2n+1, . . .) = Y grace
à la symetrie de F , et on a donc obtenu
E[|Y g(n+1, . . . , 2n )|] < . (12.10)
En prenant lesperance conditionnelle par rapport à Gn , on a
E[|E[Y | Gn ] E[g(n+1, . . . , 2n ) | Gn ]|] < ,
soit
E[|Zn g(n+1, . . . , 2n )|] < . (12.11)
En combinant (12.10) et (12.11) avec la deuxième borne de (12.9), on trouve
E[|Y E[Y ]|] < 3.
Puisque etait arbitraire on a donc Y = E[Y ] p.s.
190
Chapitre 13
Chanes de Markov
13.1 D
efinition et premi`
eres propri
et
es
Dans tout ce chapitre, E est un espace fini ou denombrable, qui est muni comme dhabitude
de la tribu P(E). Une matrice stochastique sur E est une famille (Q(x, y), x, y E) de
nombres reels satisfaisant les deux conditions :
(i) 0 Q(x, y) 1 pour tous x, y E;
X
(ii) pour tout x E, Q(x, y) = 1.
yE
Cette notion est equivalente à celle de probabilite de transition de E dans E : si on pose

X
(x, A) = Q(x, y) , x E, A E,
yA
on voit que est une probabilite de transition de E dans E (voir le Chapitre 11), et inverse-
ment si on part dune telle probabilite de transition , la formule Q(x, y) = (x, {y}) definit
une matrice stochastique sur E.
Pour tout entier n 1, on peut definir Qn = (Q)n : Q1 = Q, et ensuite par recurrence,
X
Qn+1 (x, y) = Qn (x, z)Q(z, y).
zE
On verifie que Qn est encore une matrice stochastique sur E. On pose aussi Q0 (x, y) = 1{x=y} .
Pour toute fonction f : E R+ , on notera Qf la fonction definie par
X
Qf (x) = Q(x, y)f (y).
yE
D efinition 13.1.1 Soit Q une matrice stochastique sur E, et soit (Xn )nN un processus
aleatoire à valeurs dans E. On dit que (Xn )nN est une chane de Markov de matrice de tran-
sition Q si pour tout entier n 0, la loi conditionnelle de Xn+1 connaissant (X0 , X1 , . . . , Xn )
est Q(Xn , y). De manière equivalente, cela signifie que
P (Xn+1 = y | X0 = x0 , X1 = x1 , . . . , Xn = xn ) = Q(xn , y),
pour tous x0 , x1 , . . . , xn , y E tels que P (X0 = x0 , X1 = x1 , . . . , Xn = xn ) > 0.
191
Remarques. (i) En general, la loi conditionnelle de Xn+1 connaissant X0 , X1 , . . . , Xn
depend de toutes les variables X0 , X1 , . . . , Xn et pas seulement de la dernière Xn . Le fait
quici cette loi conditionnelle ne depende que de Xn est ce quon appelle la propri et
e de
Markov : pour predire le futur (Xn+1 ) la connaissance du passe (X0 , X1 , . . . , Xn ) ne donne
pas plus dinformation que celle du present (Xn ). Nous verrons plus tard dautres formes
plus precises de la propriete de Markov, qui correspondent à la meme idee.
(ii) La fonction Q(x, ) donnant la loi conditionnelle de Xn+1 sachant que Xn = x ne depend
pas de lentier n : cest le caractère homogène de la chane de Markov. On pourrait aussi
considerer des chanes de Markov inhomogènes, pour lesquelles le mecanisme de transition
entre les instants n et n + 1 depend de n.
Proposition 13.1.1 Un processus (Xn )nN a` valeurs dans E est une chane de Markov de
matrice de transition Q ssi, pour tout n 0 et pour tous x0 , x1 , . . . , xn E,
P (X0 = x0 , X1 = x1 , . . . , Xn = xn ) = P (X0 = x0 )Q(x0 , x1 )Q(x1 , x2 ) Q(xn1 , xn ). (13.1)
En particulier, on a si P (X0 = x0 ) > 0,
P (Xn = xn | X0 = x0 ) = Qn (x0 , xn ).
Preuve. Si (Xn )nN est une chane de Markov de matrice de transition Q la formule donnee
est immediate par recurrence sur n en ecrivant
P (X0 = x0 , X1 = x1 , . . . , Xn = xn , Xn+1 = xn+1 ) =

= P (X0 = x0 , . . . , Xn = xn ) P (Xn+1 = xn+1 | X0 = x0 , . . . , Xn = xn ).
Inversement, si la formule donnee est vraie, on verifie immediatement que
P (X0 = x0 )Q(x0 , x1 ) Q(xn1 , xn )Q(xn , y)

P (Xn+1 = y | X0 = x0 , . . . , Xn = xn ) =
P (X0 = x0 )Q(x0 , x1 ) Q(xn1 , xn )
= Q(xn , y).
La dernière assertion sobtient en remarquant que

X
Qn (x0 , xn ) = Q(x0 , x1 )Q(x1 , x2 ) Q(xn1 , xn ).
x1 ,x2 ,...,xn1 E
Remarque. La formule (13.1) montre que pour une chane de Markov (Xn )nN , la loi de
(X0 , X1 , . . . , Xn ) est complètement determinee par la connaissance de la loi initiale (la loi de
X0 ) et de la matrice de transition Q.
La proposition suivante rassemble dautres proprietes simples des chanes de Markov.
Dans (ii) ci-dessous, on utilise la notation P (A | Z) pour designer lesperance conditionnelle
E[1A | Z].
Proposition 13.1.2 Soit (Xn )nN une chane de Markov de matrice de transition Q.
192
(i) Pour tout entier n 0 et toute fonction mesurable f : E R+ ,
E[f (Xn+1 ) | X0 , X1 , . . . , Xn ] = E[f (Xn+1 ) | Xn ] = Qf (Xn ).
Plus generalement, pour tout sous-ensemble fini {i1 , . . . , ik } de {0, 1, . . . , n 1}, on a
E[f (Xn+1 ) | Xi1 , . . . , Xik , Xn ] = Qf (Xn ).
(ii) Pour tous les entiers n 0, p 1 et pour tous y1 , . . . , yp E,

P (Xn+1 = y1 , . . . , Xn+p = yp | X0 , . . . , Xn ) = Q(Xn , y1 )Q(y1 , y2 ) . . . Q(yp1, yp ),
et donc
P (Xn+p = yp | Xn ) = Qp (Xn , yp ).
Si on pose Yp = Xn+p pour tout p N, le processus (Yp )pN est encore une chane de
Markov de matrice de transition Q.
Preuve. (i) Daprès la definition,

X
E[f (Xn+1 ) | X0 , X1 , . . . , Xn ] = Q(Xn , y)f (y) = Qf (Xn ).
yE
Ensuite, si {i1 , . . . , ik } est un sous-ensemble fini de {0, 1, . . . , n 1}, on a

E[f (Xn+1 ) | Xi1 , . . . , Xik , Xn ] = E[E[f (Xn+1 ) | X0 , X1 , . . . , Xn ] | Xi1 , . . . , Xik , Xn ]
= E[Qf (Xn ) | Xi1 , . . . , Xik , Xn ]
= Qf (Xn ).
(ii) Il decoule immediatement de (13.1) que
P (Xn+1 = y1 , . . . , Xn+p = yp | X0 = x0 , . . . , Xn = xn ) = Q(xn , y1)Q(y1 , y2) Q(yp1, yp ).
La formule pour P (Xn+p = yp | Xn ) en decoule en sommant sur les choix possibles de
y1 , . . . , yp1. Enfin, pour la dernière assertion, on deduit de ce qui precède que
P (Y0 = y0 , Y1 = y1 , . . . , Yp = yp ) = P (Xn = y0 )Q(y0 , y1 )Q(y1 , y2 ) . . . Q(yp1 , yp ),
et on utilise la caracterisation donnee dans la proposition 13.1.1.
13.2 Quelques exemples

13.2.1 Variables al
eatoires ind
ependantes
Si (Xn )nN est une suite de v.a. independantes à valeurs dans E, de meme loi , alors
(Xn )nN est une chane de Markov de matrice de transition
Q(x, y) = (y), x, y E.
La verification est immediate. Ce nest pas lexemple le plus interessant de chane de Markov !
193
13.2.2 eatoires sur Zd
Marches al
Soient , 1, 2 , . . . , n , . . . des v.a. independantes à valeurs dans Zd . On suppose que 1 , 2 , . . .
ont meme loi et on pose pour tout n 0,
Xn = + 1 + 2 + + n .
Alors (Xn )nN est une chane de Markov de matrice de transition
Q(x, y) = (y x), x, y E.
En effet, en remarquant que n+1 est independante de (X0 , X1 , . . . , Xn ), on a
P (Xn+1 = y | X0 = x0 , X1 = x1 , . . . , Xn = xn )
= P (n+1 = y xn | X0 = x0 , X1 = x1 , . . . , Xn = xn )
= P (n+1 = y xn )
= (y xn ).
1
Soit (e1 , . . . , ed ) la base canonique de Rd . Dans le cas où (ei ) = (ei ) = 2d pour tout
i {1, . . . , d}, la chane de Markov obtenue est appelee la marche aleatoire simple sur Zd .
13.2.3 Marche al
eatoire simple sur un graphe
Soit P2 (E) lensemble des parties de E à deux elements, et soit A un sous-ensemble de
P2 (E). Pour tout x E, on note
Ax = {y E : {x, y} A}.
On suppose que Ax est fini et non vide pour tout x E. On definit alors une matrice de
transition Q sur E en posant pour tous x, y E,

1
si {x, y} A
Q(x, y) = Card Ax
0 sinon.
Une chane de Markov de matrice de transition Q est appelee marche aleatoire simple sur le
graphe (E, A).
13.2.4 Processus de branchement

Rappelons la definition de ces processus dejà etudies dans le chapitre precedent. Si est
une mesure de probabilite sur N, et N, on definit par recurrence une suite (Xn ) de v.a.
à valeurs dans N en posant
X0 =
Xn
X
Xn+1 = n,j , n N ,
j=1
194
u les v.a. n,j , n, j N sont independantes et de loi . Alors, (Xn )nN est une chane de
o`
Markov sur E = N de matrice de transition
Q(x, y) = x (y), x, y N,
u x est la convolution de x fois avec elle-meme, ou de manière equivalente la loi de la
o`
somme de x v.a. independantes de loi (en particulier 0 est la mesure de Dirac en 0). En
effet, en observant que les v.a. n,j , j N sont independantes de X0 , . . . , Xn , on a
P (Xn+1 = y | X0 = x0 , X1 = x1 , . . . , Xn = xn )
xn
X
= P( n,j = y | X0 = x0 , X1 = x1 , . . . , Xn = xn )
j=1
Xxn
= P( n,j = y)
j=1
xn
= (y).
13.3 La chane de Markov canonique

Nous commencons par un resultat dexistence de chane de Markov associee à une matrice
de transition donnee.
Proposition 13.3.1 Soit Q une matrice stochastique sur E. On peut trouver un espace de
probabilite ( , F , P ) sur lequel il existe, pour tout x E, un processus (Xnx )nN qui est une
chane de Markov de matrice de transition Q, issue de X0x = x.
Preuve. On peut prendre = [0, 1[, muni de la tribu borelienne et de la mesure de
Lebesgue. A partir du developpement dyadique (propre) dun reel [0, 1[,

X
= n () 2n1, n () {0, 1}
n=0
on construit une suite (n )nN de v.a. independantes de meme loi P (n = 1) = P (n = 0) =

1/2. Si est une injection de N N dans N, les v.a. i,j = (i,j), i, j N sont (evidemment)
encore independantes et de meme loi. En posant

X
Ui = i,j 2j1
j=0
on obtient une suite U0 , U1 , U2 , . . . de v.a. Ppindependantes de loi uniformePsur [0, 1] (pour voir
que Ui suit la loi uniforme, noter que j=0 i,j 2 j1
a meme loi que pn=0 n 2n1 , pour
tout entier p, et faire tendre p vers ).
Soit y1 , y2 , . . . , yk , . . . une enumeration des elements de E. Fixons aussi x E. On pose
X0x = x puis X X
X1x = yk si Q(x, yj ) < U1 Q(x, yj )
1j<k 1jk
195
de sorte quil est clair que P (X1x = y) = Q(x, y) pour tout y E. On continue par recurrence
en posant X X
x
Xn+1 = yk si Q(Xnx , yj ) < Un+1 Q(Xnx , yj ).
1j<k 1jk
En utilisant lindependance des v.a. Ui , on verifie très facilement que pour tout k 1,
x
P (Xn+1 = yk | X0x = x0 , X1x = x1 , . . . Xnx = xn )
X X
= P( Q(xn , yj ) < Un+1 Q(xn , yj ) | X0x = x0 , X1x = x1 , . . . Xnx = xn )
1j<k 1jk
X X
= P( Q(xn , yj ) < Un+1 Q(xn , yj ))
1j<k 1jk
= Q(xn , yk ),
de sorte que (Xnx )nN est une chane de Markov de transition Q.

Dans la suite, il sera utile de faire un choix canonique de lespace de probabilite sur lequel
sera definie la chane de Markov etudiee. On prendra
= E N.
Un element de est donc une suite = (0 , 1 , 2 , . . .) delements de E. Les applications

coordonnees Xn , n N sont alors definies par
Xn () = n .
On munit de la plus petite tribu, notee F , qui rende mesurables les applications coor-
donnees. Cest aussi la tribu engendree par les cylindres, cest-à-dire les ensembles C de
la forme
C = { : 0 = x0 , 1 = x1 , . . . , n = xn }
u n N et x0 , x1 , . . . xn E.
o`
Lemme 13.3.2 Soit (G, G) un espace mesurable, et soit une application de G dans .
Alors est mesurable ssi Xn lest pour tout n N.
ur de montrer que si Xn est mesurable pour tout n, alors lest

Preuve. Il suffit bien s
aussi. Or,
{A F : 1 (A) G}
est une tribu sur qui par hypothèse contient tous les ensembles de la forme Xn1 (y), y E,
donc rend mesurables toutes les applications coordonnees Xn . Cette tribu est necessairement
F tout entière.
Theorème 13.3.3 Soit Q une matrice stochastique sur E. Pour tout x E, il existe une
unique probabilite, notee Px , sur = E N telle que sous Px , le processus des coordonnees
(Xn )nN est une chane de Markov de matrice de transition Q, et Px (X0 = x) = 1.
196
Preuve. Soit x E. La proposition 13.3.1 permet de construire sur un espace de probabilite
( , F , P ) un processus (Xnx )nN qui est une chane de Markov de transition Q telle que
X0x = x. On definit alors Px comme la mesure image de P par lapplication

(Xnx ( ))nN .
Cette application est mesurable grace au lemme precedent. On a Px (X0 = x) = P (X0x =

x) = 1 et de plus pour tous x0 , x1 , . . . , xn E,
Px (X0 = x0 , X1 = x1 , . . . , Xn = xn ) = P (X0x = x0 , X1x = x1 , . . . , Xnx = xn )

= P (X0x = x0 )Q(x0 , x1 ) . . . Q(xn1 , xn )
= Px (X0 = x0 )Q(x0 , x1 ) . . . Q(xn1 , xn )
ce qui montre que sous Px le processus des coordonnees est une chane de Markov de transition
Q (cf proposition 13.1.1).
Pour lunicite, on remarque que si Px est une autre mesure de probabilite satisfaisant la
propriete du theorème, les mesures Px et Px concident sur les cylindres. Or les cylindres
forment une classe stable par intersection finie et qui engendre la tribu F . Le lemme de
classe monotone montre alors que Px = Px (cf Corollaire 1.4.2).
Remarques. (a) De la dernière assertion de la proposition 13.1.1, on deduit que, pour tout
n 0 et tous x, y E,
Px (Xn = y) = Qn (x, y).
(b) Si est une mesure de probabilite sur E, on notera
X
P = (x) Px
xE
qui definit une mesure de probabilite sur . En ecrivant la formule explicite pour P (X0 =
x0 , . . . , Xn = xn ), on verifie immediatement que sous P , (Xn )nN est une chane de Markov
de transition Q, et X0 a pour loi .
(c) Si (Xn )nN est une chane de Markov de matrice de transition Q et de loi initiale , alors
pour toute partie mesurable B de = E N , on a
P ((Xn )nN B) = P (B).
En effet cette egalite est vraie lorsque B est un cylindre, et on peut ensuite utiliser le meme
argument quà la fin de la preuve ci-dessus. Cette egalite montre que tous les resultats
que nous etablirons dans la suite pour la chane de Markov canonique (celle fournie par le
theorème 13.3.3) se transporteront à une chane de Markov quelconque de meme matrice de
transition.
Lun des avantages importants de la chane de Markov canonique est de pouvoir utiliser
les operateurs de translation. Pour tout k N on definit lapplication k : en posant
k ((n )nN ) = (k+n )nN .
197
Le lemme 13.3.2 montre que ces applications sont mesurables.
On note Fn = (X0 , X1 , . . . , Xn ) la filtration canonique sur . On utilise aussi la notation
Ex pour designer lesperance sous la probabilite Px .
Theorème 13.3.4 (Propri ete de Markov simple) Soient F et G deux fonctions mesurables
positives sur et soit n 0. Supposons que F est Fn -mesurable. Alors, pour tout x E,
Ex [F G n ] = Ex [F EXn [G]].
De manière equivalente,
Ex [G n | Fn ] = EXn [G],
ce quon peut traduire en disant que la loi conditionnelle de n () connaissant (X0 , X1 , . . . , Xn )
est PXn .
Remarque. Cet enonce se generalise aussitot au cas o` u on remplace Ex par E pour

nimporte quelle loi initiale . Il en sera de meme pour lenonce suivant.
Preuve. Il suffit de montrer la première assertion, et pour cela de traiter le cas o`
u
F = 1{X0 =x0 ,X1 =x1 ,...,Xn =xn }
pour x0 , x1 , . . . , xn E. Considerons dabord le cas o`

u G est du meme type :
G = 1{X0 =y0 ,X1 =y1 ,...,Xp =yp }
u p 0 et y0 , . . . , yp E. Dans ce cas, si y E,
o`
Ey [G] = 1{y0 =y} Q(y0 , y1 ) . . . Q(yp1 , yp )
et par ailleurs
Ex [F G n ] = Px (X0 = x0 , X1 = x1 , . . . , Xn = xn , Xn = y0 , Xn+1 = yn+1 , . . . , Xn+p = yp )

= 1{x0 =x} Q(x0 , x1 ) . . . Q(xn1 , xn ) 1{y0 =xn } Q(y0 , y1 ) . . . Q(yp1 , yp )
de sorte quon obtient facilement le resultat. Un argument de classe monotone montre ensuite
que le resultat reste vrai pour toute fonction G = 1A , A F , ce qui permet de conclure.
Le theorème precedent donne une forme generale de la propriete de Markov (simple) :
la loi conditionnelle du futur n () connaissant le passe (X0 , X1 , . . . , Xn ) ne depend que
du present Xn . Il sera très important de pouvoir etendre cette propriete au cas o` u n est
remplace par un temps aleatoire T .
Pour illustrer linteret de cette extension, considerons le problème de savoir si partant
dun point x la chane y revient infiniment souvent. Autrement dit, en notant

X
Nx = 1{Xn =x}
n=0
198
a-t-on Px (Nx = ) = 1 ? Il suffit en fait de verifier que la chane revient au moins une fois
en x. Si
Hx = inf{n 1 : Xn = x}
avec la convention habituelle inf = +, on a lequivalence
Px (Nx = ) = 1 Px (Hx < ) = 1.
Limplication est triviale. Dans lautre sens, supposons Px (Hx < ) = 1. Mod-
ulo lextension de la propriete de Markov mentionnee ci-dessus, on sait que Hx () =
(Hx ()+n )nN a pour loi Px . Mais alors, en ecrivant
Nx () = 1 + Nx (Hx ())
on voit que Nx a meme loi que 1 + Nx sous Px , ce qui nest possible que si Nx = , Px p.s.
Le theorème qui suit permet de rendre ce raisonnement rigoureux (le resultat obtenu sera
repris et detaille dans la partie suivante).
Theorème 13.3.5 (Propri et

e de Markov forte) Soit T un temps darret de la filtration
(Fn ). Soient F et G deux fonctions mesurables positives sur . Supposons que F est FT -
mesurable. Alors, pour tout x E,
Ex [1{T <} F G T ] = Ex [1{T <} F EXT [G]].
De manière equivalente,
Ex [1{T <} G T | FT ] = 1{T <} EXT [G].
Remarque. La v.a. XT , definie sur lensemble FT -mesurable {T < }, est FT -mesurable

(cf Proposition 12.2.3 - dans le chapitre precedent on considère des processus à valeurs reelles,
mais largument reste le meme). La v.a. EXT [G], definie aussi sur lensemble {T < }, est
la composee des applications XT () et x Ex [G].
Preuve. Pour tout entier n 0,
Ex [1{T =n} F G T ] = Ex [1{T =n} F G n ] = Ex [1{T =n} F EXn [G]]
daprès la propriete de Markov simple (theorème 13.3.4) appliquee en observant que 1{T =n} F
est Fn -mesurable parce que F est FT -mesurable (cf definition de la tribu FT dans le chapitre
precedent). Il suffit ensuite de sommer legalite obtenue sur toutes les valeurs de n N.
Corollaire 13.3.6 Soit T un temps darret tel que Px (T < ) = 1. Supposons quil existe
y E tel que Px (XT = y) = 1. Alors sous Px , T () est independant de FT et de loi Py .
Preuve. Avec les notations du theorème, on a
Ex [F G(T ())] = Ex [F EXT [G]] = Ex [F Ey [G]] = Ex [F ] Ey [G]
do`
u les assertions de lenonce.
199
13.4 La classification des
etats
A partir de maintenant, on utilise uniquement (sauf exception, notamment dans les exem-
ples) la chane de Markov canonique construite dans le paragraphe precedent. Rappelons la
notation : pour x E,
Hx = inf{n 1 : Xn = x}
X
Nx = 1{Xn =x} .
n=0
efinition) Soit x E. On a :
Proposition 13.4.1 (et d
ou bien Px (Hx < ) = 1, et alors
Nx = , Px p.s.
dans ce cas x est dit recurrent;
ou bien Px (Hx < ) < 1, et alors
Nx < , Px p.s.
et plus precisement Ex [Nx ] = 1/Px (Hx = ) < ; dans ce cas x est dit transitoire.
Preuve. Pour tout entier k 1, la propriete de Markov forte montre que
Px (Nx k + 1) = Ex [1{Hx <} 1{Nx k} Hx ]
= Ex [1{Hx <} Ex [1{Nx k} ]]
= Px (Hx < ) Px (Nx k).
Puisque Px (Nx 1) = 1, une recurrence immediate donne Px (Nx k) = Px (Hx < )k1.
Si Px (Hx < ) = 1 il en decoule aussitot que Px (Nx = ) = 1. Si Px (Hx < ) < 1, on
trouve
X 1
Ex [Nx ] = Px (Nx k) = < .
Px (Hx = )
k=1
D efinition 13.4.1 Le noyau potentiel de la chane est la fonction U : E E [0, ]

definie par
U(x, y) = Ex [Ny ].
Proposition 13.4.2 (i) Pour tous x, y E,

X
U(x, y) = Qn (x, y).
n=0
(ii) U(x, x) = si et seulement si x est recurrent.

(iii) Pour tous x, y E, avec x 6= y,
U(x, y) = Px (Hy < ) U(y, y).
200
Preuve. La propriete (i) est obtenue en ecrivant :
hX
i
X
X
U(x, y) = Ex 1{Xn =y} = Px (Xn = y) = Qn (x, y).
n=0 n=0 n=0
La propriete (ii) est une consequence immediate de la proposition 13.4.1 et de la definition

de U.
Enfin (iii) decoule de la propriete de Markov forte :
Ex [Ny ] = Ex [1{Hy <} Ny Hy ] = Ex [1{Hy <} Ey [Ny ]] = Px (Hy < ) U(y, y).
Exemple. Considerons la chane de Markov sur Zd de matrice de transition

d
1 Y
Q((x1 , . . . , xd ), (y1 , . . . , yd )) = d 1{|yi xi |=1}
2 i=1
(cest un cas particulier de marche aleatoire sur Zd ). Cette chane de Markov issue de 0 a
meme loi que (Yn1 , . . . , Ynd )nN , o`
u les processus Y 1 , . . . , Y d sont des copies independantes de
la marche aleatoire simple (pile ou face) sur Z, issue de 0. En consequence,
Qn (0, 0) = P (Yn1 = 0, . . . , Ynd = 0) = P (Yn1 = 0)d .
Or P (Yn1 = 0) = 0 si n est impair, et si n = 2k est pair, un argument de denombrement

simple montre que
1
P (Y2k = 0) = 22k C2k
k
.
En consequence,

X
X
U(0, 0) = Q2k (0, 0) = (22k C2k
k d
) .
k=0 k=0
La formule de Stirling montre que

r
2k k ( 2k
e
)2k 4k 1
2 C2k .
k 22k (( ke )k 2k)2 k k
Donc 0 est recurrent si d = 1 ou 2, et transitoire si d 3.

On note R lensemble des etats (points) recurrents.
Lemme 13.4.3 Soit x R et soit y un autre point de E tel que U(x, y) > 0. Alors y R
et Py (Hx < ) = 1, donc en particulier U(y, x) > 0.
Preuve. Montrons dabord que Py (Hx < ) = 1. Pour cela on ecrit
0 = Px (Nx < ) Px (Hy < , Hx Hy = )

= Ex [1{Hy <} 1{Hx =} Hy ]
= Ex [1{Hy <} Py (Hx = )]
= Px (Hy < ) Py (Hx = ).
201
Lhypothèse U(x, y) > 0 entrane Px (Hy < ) > 0. On conclut que Py (Hx = ) = 0.
Ensuite, on peut trouver des entiers n1 , n2 1 tels que Qn1 (x, y) > 0, et Qn2 (y, x) > 0.
Pour tout entier p 0, on a alors
Qn2 +p+n1 (y, y) Qn2 (y, x)Qp (x, x)Qn1 (x, y)
et donc

X X

U(y, y) Qn2 +p+n1 (y, y) Qn2 (y, x) Qp (x, x) Qn1 (x, y) =
p=0 p=0
P
puisque x R entrane p=0 Qp (x, x) = U(x, x) = .
En consequence du lemme, si x R et y E\R on a U(x, y) = 0 : on ne peut pas passer
dun point recurrent à un point transitoire. Cette propriete joue un role important dans le
theorème suivant.
Th
eor`
eme 13.4.4 (Classification des
etats) Il existe une partition de R
[
R= Ri
iI
telle quon ait les proprietes suivantes :

si x R, et si i I est tel que x Ri , on a Px p.s.
Ny = + , y Ri ;
Ny = 0 , y E\Ri ;
si x E\R et T = inf{n 0 : Xn R}, on a Px p.s.
ou bien T = et Ny < , y E;
ou bien T < et il existe un indice (aleatoire) j I tel que : n T, Xn Rj .
Preuve. Pour x, y R, notons x y si U(x, y) > 0. Il decoule du lemme precedent quon

ainsi defini une relation dequivalence sur R (pour la transitivite, on observe que Qn (x, y) > 0
et Qm (y, z) > 0 entranent Qn+m (x, z) > 0. La partition du theorème correspond alors aux
classes dequivalence pour cette relation dequivalence, quon appelle aussi les classes de
recurrence de la chane de Markov.
Soit i I et x Ri . On a U(x, y) = 0 pour tout y E\Ri (dans le cas y E\R on
utilise le lemme) et donc Ny = 0, Px p.s. pour tout y E\Ri . En revanche, si y Ri , on a
Px (Hy < ) = 1 daprès le lemme, et la propriete de Markov forte montre que
Px (Ny = ) = Ex (1{Hy <} 1{Ny =} Hy ] = Px (Hy < ) Py (Ny = ) = 1.
Si x E\R et T = , alors on deduit facilement de la propriete de Markov forte que

Ny < pour tout y E\R. Si T < , notons j lindice (aleatoire) tel que XT Rj . En
appliquant la propriete de Markov forte en T , et la première partie de lenonce, on obtient
aisement que Xn Rj pour tout n T .
202
efinition 13.4.2 La chane est dite irreductible si U(x, y) > 0 pour tous x, y E.
D
Corollaire 13.4.5 Si la chane est irreductible :

ou bien tous les etats sont recurrents, il existe une seule classe de recurrence et on a pour
tout x E,
Px (Ny = , y E) = 1.
ou bien tous les etats sont transitoires et alors, pour tout x E,
Px (Ny < , y E) = 1.
Lorsque E est fini, seul le premier cas peut se produire.
Preuve. Sil existe un etat recurrent, le lemme 13.4.3 montre aussitot que tous les etats
sont recurrents, et puisque U(x, y) > 0 pour tous x, y E, on voit aussi quil y a une seule
classe de recurrence. Le reste decoule du theorème, à lexception de la dernière assertion :
si E est fini et si on suppose que tous les etats sont transitoires, on a
X
Px p.s. , Ny <
yE
ce qui est absurde puisque

X
XX X
X
Ny = 1{Xn =y} = 1{Xn =y} = .
yE yE n=0 n=0 yE

Une chane de Markov irreductible dont les etats sont recurrents sera dite recurrente
irreductible.
Exemples. Nous reprenons maintenant les differents exemples introduits ci-dessus pour
discuter dans chaque cas la classification des etats. Avant cela, insistons sur le fait que les
resultats obtenus pour la chane de Markov canonique se traduisent immediatement pour
une chane de Markov quelconque
P (Yn )nN de transition Q (et inversement). Par exemple, si
Y0 = y, en notant NxY = n=0 {Yn =x} , on a pour tout k N,
1
P (NxY = k) = Py (Nx = k))
puisque le terme de gauche secrit aussi bien
P ((Yn )nN B)
avec B = { E N : Nx () = k}, et il suffit dutiliser la remarque (b) suivant le theorème

13.3.3.
(1) Cas de variables al eatoires ind ependantes de loi . Dans ce cas Q(x, y) = (y).
On voit facilement que y est recurrent ssi (y) > 0, et il y a une seule classe de recurrence.
La chane est irreductible ssi (y) > 0 pour tout y E.
203
eatoire sur Z. On a
(2) Marche al
n
X
Yn = Y0 + i
i=1
u les v.a. i, à valeurs dans Z, sont independantes et de loi (et independantes de Y0 ).

o`
Dans ce cas, puisque Q(x, y) = (y x), on voit aisement que U(x, y) est fonction de y x,
et donc tous les etats sont du meme type, recurrent ou transitoire.
Th eme 13.4.6 Supposons E[|1 |] < et soit m = E[1 ].

eor`
(i) Si m 6= 0, tous les etats sont transitoires.
(ii) Si m = 0, tous les etats sont recurrents. De plus, la chane est irreductible ssi le
sous-groupe engendre par {y Z : (y) > 0} est Z tout entier.
Preuve. (i) Si m 6= 0, la loi forte des grands nombres montre aussitot que |Yn | p.s.
et donc tous les etats sont transitoires.
(ii) Supposons que m = 0 et que 0 est transitoire, donc U(0, 0) < . Nous allons voir que
ceci conduit à une contradiction. Sans perte de generalite, on suppose dans la suite que
Y0 = 0. On observe que, pour tout x Z,
U(0, x) U(x, x) = U(0, 0)
la première inegalite decoulant de la proposition 13.4.2(iii). En consequence, pour tout

n 1, X
U(0, x) (2n + 1)U(0, 0) Cn (13.2)
|x|n
avec C = 3U(0, 0) < .

Dautre part, on sait que n1 Yn converge p.s., donc aussi en probabilite, vers 0. Si on
pose = (4C)1 , on peut trouver N assez grand pour que, pour tout n N,
1
P (|Yn| n) > ,
2
X 1
Qn (0, x) > .
2
|x|n
Si n p N, on a aussi
X X 1
Qp (0, x) Qp (0, x) >
2
|x|n |x|p
puis en sommant sur p,

X n
X X nN
U(0, x) Qp (0, x) > .
p=N |x|p
2
|x|n
204
Mais dautre part, daprès (13.2), si n 1,
X n
U(0, x) Cn = .
4
|x|n
On obtient une contradiction dès que n est assez grand.

Il reste à etablir la dernière assertion. Notons G le sous-groupe engendre par {x Z :
(x) > 0}. Il est immediat que
P (Yn G, n N) = 1
(rappelons que nous avons pris Y0 = 0). Cela montre que si G 6= Z, la chane nest pas
irreductible. Inversement, supposons que G = Z. Alors, notons
H = {x Z : U(0, x) > 0}
et observons que H est un sous-groupe de Z :

si x, y H, linegalite
Qn+p (0, x + y) Qn (0, x) Qp (x, x + y) = Qn (0, x) Qp (0, y)
montre que x + y H;
si x H, comme 0 est recurrent, la condition U(0, x) > 0 entrane U(x, 0) > 0 (lemme
13.4.3) et puisque U(x, 0) = U(0, x) on a bien x H.
Finalement, puisque H contient {x Z : (x) > 0}, on a forcement H = Z.
1 1
Par exemple, si = 2 2 + 2 2 , tous les etats sont recurrents, mais il y a deux classes de
recurrence, les entiers pairs et les entiers impairs.
(3) Marche al eatoire sur un graphe. On considère ici le cas dun graphe fini : E est fini
et A est un sous-ensemble de P2 (E) tel que, pour tout x E, Ax := {y E : {x, y} A}
est non vide. Le graphe est dit connexe si pour tous x, y E, on peut trouver un entier
p 0 et des elements x0 = x, x1 , . . . , xp1 , xp = y de E tels que {xi1 , xi } A pour tout
i {1, . . . , p}.
Proposition 13.4.7 La marche aleatoire simple sur un graphe fini connexe est recurrente
irreductible.
Preuve. Le caractère irreductible de la chane decoule de la connexite du graphe. Il suffit

ensuite dappliquer le corollaire 13.4.5.
x
(4) Processus de branchement. Dans ce cas E = N et Q(x, y) = (y). On remarque
que letat 0 est toujours absorbant, au sens o`
u
P0 (n N , Xn = 0) = 1.
En consequence 0 est aussi recurrent.

Dans la proposition suivante, nous ecartons le cas trivial = 1 , o`
u tous les etats sont
absorbants.
205
Proposition 13.4.8 0 est le seul etat recurrent. En consequence, on a p.s.
ou bien N : n N , Xn = 0.
ou bien Xn + quand n .
Remarque. P On a vu dans le chapitre precedent que le premier cas se produit avec probabilite
1 si m = k(k) 1, et que le second cas se produit avec probabilite strictement positive
si m > 1 (sous lhypothèse supplementaire que a un moment dordre 2).
Preuve. Supposons dabord que (0) > 0. Si x 1, U(x, 0) Px (X1 = 0) = (0)x > 0
alors que U(0, x) = 0. Cela nest possible que si x est transitoire. Traitons ensuite le cas o`
u
(0) = 0. Comme nous excluons le cas = 1 , il existe alors k 2 tel que (k) > 0. Alors,
pour tout x 1, Px (X1 > x) > 0, ce qui entrane quil existe y > x tel que U(x, y) > 0.
Comme on a clairement U(y, x) = 0, on conclut encore que x est transitoire. Les autres
assertions decoulent maintenant du theorème 13.4.4.
13.5 Mesures invariantes

Definition 13.5.1 Soit une mesure positive sur E, telle que (x) < pour tout x E
et nest pas la mesure identiquement nulle. On dit que est invariante pour la matrice de
transition Q (ou simplement invariante sil ny a pas ambigute) si
X
y E , (y) = (x)Q(x, y).
xE
Sous forme matricielle, la condition dinvariance secrit Q = . Puisque pour tout n,

Qn = (Q)n , on peut iterer cette relation et obtenir que Qn = pour tout n N.
Interpr etation. Supposons de plus que (E) < (ce qui sera toujours le cas si E est fini).
Quitte à remplacer par (E)1 , on peut supposer (E) = 1. Alors, pour toute fonction
f : E R+ ,
X X X X X
E [f (X1 )] = (x) Q(x, y)f (y) = f (y) (x)Q(x, y) = (y)f (y)
xE yE yE xE yE
ce qui montre que sous P , X1 a meme loi que X0 . En utilisant la relation Qn = Q, on

obtient de meme que pour tout n N la loi de Xn sous P est . Plus precisement, pour
toute fonction F : R+ mesurable,
X
E [F 1 ] = E [EX1 [F ]] = (x) Ex [F ] = E [F ]
xE
ce qui montre que sous P , (X1+n )nN a meme loi que (Xn )nN (et de meme, pour tout entier
k 0, (Xk+n )nN a meme loi que (Xn )nN ).
Exemple. Pour toute marche aleatoire sur Zd (Q(x, y) = (yx) ne depend que la difference
y x), on verifie immediatement que la mesure de comptage sur Zd est invariante.
206
Definition 13.5.2 Soit une mesure positive non triviale sur E, telle que (x) < pour
tout x E. On dit que est reversible si
x, y E , (x)Q(x, y) = (y)Q(y, x).
Proposition 13.5.1 Toute mesure reversible est invariante.
Preuve. Si est reversible,

X X
(x)Q(x, y) = (y)Q(y, x) = (y).
xE xE

En revanche, il existe des mesures invariantes qui ne sont pas reversibles : nous avons
vu que la mesure de comptage est invariante pour toute marche aleatoire sur Zd , cependant
elle nest reversible que si la loi de saut est symetrique ((x) = (x)).
Exemples. (a) Pile ou face biais e. Cest la marche aleatoire sur Z de matrice de transition
Q(i, i + 1) = p
Q(i, i 1) = q = 1 p
u p ]0, 1[. Dans ce cas, on verifie aisement que la mesure
o`
p
(i) = ( )i , iZ
q
est reversible, donc invariante. Remarquons que est differente de la mesure de comptage
(qui est aussi invariante) sauf dans le cas p = 1/2.
(b) Marche al eatoire sur un graphe. La mesure
(x) = Card(Ax )
est reversible. En effet, si {x, y} A,
1
(x)Q(x, y) = Card(Ax ) = 1 = (y)Q(y, x).
Card(Ax )
(c) Mod` ele durne dEhrenfest. Cest la chane de Markov dans {0, 1, . . . , k} de matrice
de transition
Q(j, j + 1) = kj
k
si 0 j k 1
j
Q(j, j 1) = k si 1 j k.
Une mesure est reversible ssi
kj j+1
(j) = (j + 1)
k k
pour tout 0 j k 1. On trouve aisement que
(j) = Ckj
convient.
207
Th
eor`
eme 13.5.2 Soit x un point recurrent. La formule
h HX
x 1 i
(y) = Ex 1{Xk =y}
k=0
definit une mesure invariante. De plus, (y) > 0 ssi y appartient à la classe de recurrence
de x.
Preuve. Remarquons dabord que si y nest pas dans la classe de recurrence de x on a
Ex [Ny ] = U(x, y) = 0, et donc a fortiori (y) = 0.
Ensuite, on ecrit pour tout y E,
hX
Hx i
(y) = Ex 1{Xk =y}
k=1
X hX
Hx i
= Ex 1{Xk1 =z, Xk =y}
zE k=1

XX h i
= Ex 1{kHx , Xk1 =z} 1{Xk =y}
zE k=1

XX h i
= Ex 1{kHx , Xk1 =z} Q(z, y)
zE k=1
X hX
Hx i
= Ex 1{Xk1 =z} Q(z, y)
zE k=1
X
= (z)Q(z, y).
zE
Dans la quatrième egalite, on a utilise le fait que levenement {k Hx , Xk1 = z} est

Fk1-mesurable pour appliquer la propriete de Markov à linstant k 1.
On a obtenu lidentite Q = , quon peut iterer pour avoir Qn = pour tout entier
n 0. En particulier, pour tout entier n 0,
X
(x) = 1 = (z)Qn (z, x).
zE
Soit y un point de la classe de recurrence de x. Alors, il existe n 0 tel que Qn (y, x) > 0, et
la formule precedente montre que (y) < . On peut aussi trouver m tel que Qm (x, y) > 0,
et on a X
(y) = (z)Qm (z, y) Qm (x, y) > 0.
zE
Remarque. Sil existe plusieurs classes de recurrence Ri , i I, alors en choisissant pour
chaque i I un point xi Ri et en posant
xi 1
h HX i
i(y) = Exi 1{Xk =y}
k=0
208
on construit des mesures invariantes à supports disjoints.
Th eor`
eme 13.5.3 Supposons la chane recurrente irreductible. Alors la mesure invariante
est unique à une constante multiplicative près.
Preuve. Soit une mesure invariante. On montre par recurrence que, pour tout entier
p 0, pour tous x, y E,
h p(H
X x 1) i
(y) (x) Ex 1{Xk =y} . (13.3)
k=0
Dabord, si y = x, linegalite est immediate (avec meme une egalite). On suppose donc
y 6= x. Si p = 0, linegalite (13.3) est triviale. On suppose que (13.3) est vraie à lordre p.
Alors,
X
(y) = (z) Q(z, y)
zE
X h p(H
X x 1) i
(x) Ex 1{Xk =z} Q(z, y)
zE k=0
p
XX h i
= (x) Ex 1{Xk =z, kHx 1} Q(z, y)
zE k=0
p
XX h i
= (x) Ex 1{Xk =z, kHx 1} 1{Xk+1 =y}
zE k=0
h p(H
X x 1) i
= (x)Ex 1{Xk+1 =y}
k=0
h (p+1)H
X x i
= (x)Ex 1{Xk =y} ,
k=1
ce qui donne le resultat voulu à lordre p + 1. De manière analogue à la preuve du theorème

precedent, on a utilise le fait que levenement {Xk = z, k Hx 1} est Fk -mesurable pour
appliquer la propriete de Markov à linstant k.
En faisant tendre p vers + dans (13.3) on trouve
h HX
x 1 i
(y) (x) Ex 1{Xk =y} .
k=0
Fixons x E. La mesure
h HX
x 1 i
x (y) = Ex 1{Xk =y}
k=0
209
est invariante (theorème 13.5.2), et on a (y) (x)x (y) pour tout y E. Donc, pour tout
n 1, X X
(x) = (z)Qn (z, x) (x)x (z)Qn (z, x) = (x)x (x) = (x),
zE zE
ce qui montre que legalite (z) = (x)x (z) a lieu pour tout z tel que Qn (z, x) > 0.
Lirreductibilite assure que pour tout z E on peut trouver un entier n tel que Qn (z, x) > 0,
et on conlut donc que = (x)x , ce qui termine la preuve.
Corollaire 13.5.4 Supposons la chane recurrente irreductible. Alors :

(i) Ou bien il existe une mesure de probabilite invariante , et on a pour tout x E,
1
Ex [Hx ] = .
(x)
(ii) Ou bien toute mesure invariante a une masse totale infinie, et on a pour tout x E,
Ex [Hx ] = .
La chane est dite recurrente positive dans le cas (i) et recurrente nulle dans le cas (ii).
Remarque. Si E est fini seul le cas (i) se produit.

Preuve. Daprès le theorème 13.5.3, toutes les mesures invariantes sont proportionnelles.
Donc ou bien elles sont toutes de masse totale infinie (cas (ii)) ou bien elles sont toutes finies,
et on peut normaliser pour en trouver une qui soit une mesure de probabilite (cas (i)). Dans
le cas (i), soit lunique mesure de probabilite invariante et soit x E. Alors, si x designe
la mesure invariante fournie par le theorème 13.5.2,
h HX
x 1 i
x (y) = Ex 1{Xk =y} ,
k=0
est proportionnelle à x : = Cx avec C > 0. En ecrivant 1 = (E) = C x (E), on

trouve C = (x (E))1 , do`
u
x (x) 1
(x) = = .
x (E) x (E)
Or
X h HX
x 1 i x 1 X
h HX i
x (E) = Ex 1{Xk =y} = Ex 1{Xk =y} = Ex [Hx ].
yE k=0 k=0 yE
Dans le cas (ii), x est infinie, et donc, par le meme calcul,
Ex [Hx ] = x (E) = .
Proposition 13.5.5 Supposons la chane irreductible. Sil existe une mesure invariante
finie, la chane est recurrente (et donc recurrente positive).
210
Preuve. Soit une mesure invariante finie, et soit y E tel que (y) > 0. Pour tout
x E, la proposition 13.4.2(iii) donne linegalite

X
Qn (x, y) = U(x, y) U(y, y).
n=0
On multiplie les deux membres de cette inegalite par (x) et on somme sur toutes les valeurs
de x E. Il vient
X
Qn (y) (E) U(y, y).
n=0
Puisque est invariante on a Qn (y) = (y) > 0 pour tout n 0. On conclut donc que
(E) U(y, y) = .
Comme (E) < , cela entrane que U(y, y) = . Donc y est recurrent et puisque la chane
est irreductible elle est recurrente (corollaire 13.4.5).
Remarque. Lexistence dune mesure invariante infinie ne permet pas de conclure : con-
siderer par exemple le pile ou face biaise (exemple (1) ci-dessus après la proposition 13.5.1)
qui nest recurrent que si p = 1/2.
Exemple. Soit p ]0, 1[. Considerons la chane de Markov sur E = N de matrice de
transition
Q(k, k + 1) = p , Q(k, k 1) = 1 p , si k 1,
Q(0, 1) = 1.
Cette chane est irreductible. De plus on verifie immediatement que la mesure definie par
p k1
(k) = , si k 1,
1p
(0) = 1 p ,
est reversible donc invariante.
Si p < 21 , la mesure est finie, et la proposition 13.5.5 entrane que la chane est recurrente
positive. (Exercice : Montrer que la chane est recurrente nulle si p = 12 , et transitoire si
p > 12 .)
13.6 Comportement asymptotique

Nous continuons à considerer la chane de Markov canonique associee à une matrice de
transition Q.
Theorème 13.6.1 Supposons la chane recurrente irreductible,
R et soit une mesure
R invari-
ante. Soient f et g deux fonctions positives sur E telles que f d < et 0 < g d < .
Alors, pour tout x E on a Px p.s.
Pn R
k=0 f (Xk ) f d
Pn R .
k=0 g(Xk ) g d
n
211
Remarque. Le resultat reste vrai si (f ) = . Il suffit dutiliser un argument
R de compa-
raison en ecrivant f = lim fk , avec des fonctions positives fk telles que fk d < .
Corollaire 13.6.2 Si la chane de Markov est irreductible et recurrente positive, et si

designe lunique probabilite invariante, on a Px p.s.
n Z
1 X
f (Xk ) f d.
n k=0 n
Le corollaire decoule immediatement du theorème en prenant g = 1 dans lenonce.

Preuve du th eor` eme 13.6.1. On definit les temps darret
T0 = 0 , T1 = Hx
et par recurrence
Tn+1 = inf{k > Tn : Xk = x}.
Le temps Tn est linstant du n-ième retour en x de la chane. Puisque letat x est recurrent,
tous ces temps darret sont finis p.s. On pose aussi pour tout k 0,
Tk+1 1
X
Zk (f ) = f (Xn ).
n=Tk
Lemme 13.6.3 Les v.a. Zk (f ), k = 0, 1, 2, . . ., sont independantes et de meme loi.
Preuve. Soient g0 , g1, g2 , . . . des fonctions mesurables bornees sur R+ . Il suffit de montrer
que, pour tout entier k 0, on a
hY
k i k
Y
Ex gi (Zi (f )) = Ex [gi (Z0 (f ))].
i=0 i=0
On demontre cette identite par recurrence sur k. Pour k = 0 il ny a rien à montrer. Pour
passer de lordre k 1 à lordre k, on observe que :
les v.a. Z0 (f ), Z1 (f ), . . . , Zk1(f ) sont FTk -mesurables (exercice !);
la suite translatee Tk () est independante de FTk et de loi Px , daprès le corollaire 13.3.6;
on a Zk (f ) = Z0 (f ) Tk , par construction.
Il decoule de tout ceci que

hY
k i h k1
Y i h k1
Y i
Ex gi (Zi(f )) = Ex gi (Zi (f )) gk (Z0 (f ) Tk ) = Ex gi (Zi (f )) Ex [gk (Z0 (f ))],
i=0 i=0 i=0
do`
u le resultat voulu à lordre k.
212
Nous revenons à la preuve du theorème. Si x designe comme precedemment la mesure
invariante construite dans le theorème 13.5.2, on a = (x)x puisque x (x) = 1 et que
toutes les mesures invariantes sont proportionnelles (theorème 13.5.3). On observe alors que
h HX
x 1 X i R
X f d
Ex [Z0 (f )] = Ex f (y) 1{Xk =y} = f (y) x(y) = .
k=0 yE yE
(x)
Le lemme 13.6.3 et la loi forte des grands nombres montrent ensuite que Px p.s.
n1 R
1 X f d
Zk (f ) . (13.4)
n n (x)
k=0
Pour tout entier n, notons Nx (n) le nombre de retours en x effectues par la chane avant
linstant n, de sorte que TNx (n) n < TNx (n)+1 . En ecrivant
TNx (n) 1 n TNx (n)+1 1
X X X
f (Xk ) f (Xk ) f (Xk )
k=0 k=0 k=0

Nx (n) Nx (n) Nx (n)
ce qui equivaut à
Nx (n)1 Nx (n)
X n
X X
Zj (f ) f (Xk ) Zj (f )
j=0 k=0 j=0

Nx (n) Nx (n) Nx (n)
on deduit de la convergence (13.4) que Px p.s.
n R
1 X f d
f (Xk ) .
Nx (n) k=0 n (x)
Il suffit ensuite dutiliser le meme resultat avec f remplacee par g pour finir la preuve.
Corollaire 13.6.4 Supposons la chane recurrente irreductible. Alors, pour tout x E,
(i) dans le cas recurrent positif,

n1
1X p.s.
1{Xk =x} (x),
n k=0 n
o`
u est lunique probabilite invariante;
(ii) dans le cas recurrent nul,

n1
1X p.s.
1{Xk =x} 0.
n k=0 n
213
Dans les deux cas la convergence a lieu pour toute loi initiale de la chane.
D
efinition 13.6.1 Soit x un point recurrent, et
Lx = {n 0 : Qn (x, x) > 0}.
La periode de x, notee d(x), est le PGCD de Lx .
Remarque. Puisque Lx est stable par addition (Qn+m (x, x) Qn (x, x)Qm (x, x)), le sous
groupe engendre par Lx est Lx Lx = d(x)Z.
Proposition 13.6.5 Supposons la chane recurrente irreductible.

(i) Tous les points ont la meme periode, appelee la periode de la chane et notee d.
(ii) Si d = 1 (la chane est alors dite aperiodique), pour tous x, y E, il existe un entier
n0 tel que Qn (x, y) > 0 pour tout n n0 .
Preuve. (i) Soient x, y E. Puisque la chane est irreductible, il existe deux entiers n1 et
n2 tels que Qn1 (x, y) > 0 et Qn2 (y, x) > 0. Mais alors, si n Lx , on a n1 + n + n2 Ly , ce
qui entrane que Lx Lx Ly Ly et donc d(y) divise d(x). Par symetrie on a d(y) = d(x).
(ii) Clairement, il suffit de traiter le cas o`
u y = x. Puisque d(x) = 1, on peut trouver deux
entiers n1 , m1 0 tels que 1 = n1 m1 et
Qn1 (x, x) > 0, Qm1 (x, x) > 0.
Si m1 = 0, donc n1 = 1 le resultat est evident avec n0 = 0. Si m1 1, alors, pour tout

j {0, 1, . . . , m1 1}, on a
Qm21 +j (x, x) = Qjn1 +(m1 j)m1 (x, x) > 0.
Il en decoule que, si n0 = m21 on a pour tout entier j 0,
Qn0 +j (x, x) > 0.
Th eorème 13.6.6 Supposons la chane irreductible, recurrente positive et aperiodique. Alors,

si designe lunique probabilite invariante, on a pour tout x E,
X
|Px (Xn = y) (y)| 0.
n
yE
Preuve. La formule
Q((x1 , x2 ), (y1, y2 )) = Q(x1 , y1 )Q(x2 , y2 )
definit une matrice stochastique sur le E E. On note ((Xn1 , Xn2 )nN , (P (x1 ,x2 ) )(x1 ,x2 )EE )
la chane de Markov canonique associee.
Remarquons que Q est irreductible : si (x1 , x2 ), (y1 , y2) E E, la proposition 13.6.5(ii)
permet de trouver deux entiers n1 et n2 tels que Qn (x1 , y1 ) > 0 pour tout n n1 , et
Qn (x2 , y2) > 0 pour tout n n2 . Si n n1 n2 , on a par definition Qn ((x1 , x2 ), (y1, y2 )) > 0.
214
De plus la mesure produit est invariante pour Q :
X X X
(x1 )(x2 )Q(x1 , y1)Q(x2 , y2 ) = (x1 )Q(x1 , y1) (x2 )Q(x2 , y2 )
(x1 ,x2 )EE x1 E x2 E
= (y1)(y2 ).
La proposition 13.5.5 permet de conclure que la chane (Xn1 , Xn2 ) est recurrente positive.
Observons maintenant que
Px (Xn = y) (y) = Px (Xn2 = y) Px (Xn1 = y) = Ex [1{Xn2 =y} 1{Xn1 =y} ].
Introduisons le temps darret T = inf{n 0 : Xn1 = Xn2 }. Alors, legalite precedente montre
que
Px (Xn = y) (y) = Ex [1{T >n} (1{Xn2 =y} 1{Xn1 =y} )]

Xn X
+ Ex [1{T =k,Xk1 =Xk2 =z} (1{Xn2 =y} 1{Xn1 =y} )]. (13.5)
k=0 zE
Mais, pour tout k {0, 1, . . . , n} et tout z E, la propriete de Markov entrane que
Ex [1{T =k,Xk1 =Xk2 =z} 1{Xn2 =y} ] = Ex [1{T =k,Xk1 =Xk2 =z}] Qnk (z, y)
= Ex [1{T =k,Xk1 =Xk2 =z}1{Xn1 =y} ],
et donc le deuxième terme de la somme dans (13.5) est nul. On obtient ainsi que
X X
|Px (Xn = y) (y)| = |Ex [1{T >n} (1{Xn2 =y} 1{Xn1 =y} )]|
yE yE
X
Ex [1{T >n} (1{Xn2 =y} + 1{Xn1 =y} )]
yE
= 2 Px (T > n),
qui tend vers 0 quand n , grace à la recurrence de la chane (Xn1 , Xn2 ).
13.7 Martingales et chanes de Markov

On considère toujours la chane de Markov canonique de matrice de transition Q.
Definition 13.7.1 Une fonction f : E R+ est dite harmonique (resp. surharmonique)

si on a pour tout x E,
f (x) = Qf (x) (resp. f (x) Qf (x)).
Plus generalement, si F E, on dit que f est harmonique sur F (resp. surharmonique sur
F ) si la propriete f (x) = Qf (x) (resp. f (x) Qf (x)) est vraie pour x F .
215
Remarque. On pourrait considerer plus generalement des fonctions harmoniques ou surhar-
moniques de signe quelconque.
Proposition 13.7.1 (i) La fonction f est harmonique (resp. surharmonique) ssi, pour tout
x E, le processus (f (Xn ))nN est une martingale (resp. une surmartingale) sous Px ,
relativement à la filtration (Fn ).
(ii) Soit F E et G = E\F . On note TG le temps darret
TG = inf{n 0 : Xn G}.
Alors si f est harmonique (resp. surharmonique) sur F , le processus (f (XnTG ))nN est une
martingale (resp. une surmartingale) sous Px , pour tout x F .
Preuve. (i) Supposons dabord f harmonique. Alors, daprès la proposition 13.1.2(i),
Ex [f (Xn+1 ) | Fn ] = Qf (Xn ) = f (Xn )
et en consequence Ex [f (Xn )] = Ex [f (X0 )] = f (x), donc f (Xn ) L1 .

Inversement, supposons que f (Xn ) est une martingale sour Px . Il vient immediatement
que
f (x) = Ex [f (X0 )] = Ex [f (X1 )] = Qf (x).
Le cas dune fonction surharmonique est traite de la meme facon.
(ii) Traitons le cas dune fonction harmonique. On ecrit pour x F
Ex [f (X(n+1)TG ) | Fn ] = Ex [f (Xn+1 ) 1{TG >n} | Fn ] + Ex [f (XTG ) 1{TG n} | Fn ]

= 1{TG >n} Ex [f (Xn+1) | Fn ] + f (XTG ) 1{TG n}
= 1{TG >n} Qf (Xn ) + f (XTG ) 1{TG n}
= 1{TG >n} f (Xn ) + f (XTG ) 1{TG n}
= f (XnTG )
On a utilise le fait que f (XTG ) 1{TG n} = f (XTG n ) 1{TG n} est Fn -mesurable.
Th eme 13.7.2 Soit F un sous-ensemble non vide de E et G = E\F . Soit g : G R+

eor`
une fonction bornee.
(i) La fonction
h(x) = Ex [g(XTG ) 1{TG <}], xE
est harmonique sur F .
(ii) Supposons TG < , Px p.s. pour tout x F . Alors la fonction h est lunique fonction
bornee sur E qui
est harmonique sur F ,

concide avec g sur G.
216
Preuve. (i) On remarque que si x F on a Px p.s.
g(XTG ) 1{TG <} = g(XTG 1 ) 1{TG 1 <} .
Autrement dit, si U() = g(XTG ()) 1{TG ()<} , on a U = U 1 , Px p.s. Donc, pour x F ,
daprès le theorème 13.3.4,
h(x) = Ex [U] = Ex [U 1 ] = Ex [EX1 [U]] = Ex [h(X1 )] = Qh(x),
ce qui montre que h est harmonique sur F .

(ii) Il est trivial que h(x) = g(x) si x G. Soit h une autre fonction harmonique
sur F , bornee sur E et concidant avec g sur G. Si x F , daprès la proposition 13.7.1,
Yn = h (XnTG ) est une martingale sous Px . Cette martingale est bornee, donc uniformement
integrable, et converge Px p.s. vers h (XTG ) = g(XTG ). Daprès les resultats du chapitre 12,
on a donc
h (x) = Ex [Y0 ] = Ex [Y ] = Ex [g(XTG )] = h(x).
Exemple. Problème de Dirichlet discret. Soit F une partie finie de Zd . La frontière de F
est
F = {y Zd \F : x F, |y x| = 1}.
On note F = F F .
Une fonction h definie sur F est dite harmonique (au sens discret) sur F si pour tout
x F , h(x) est egal à la moyenne des valeurs de h sur les 2d plus proches voisins de x.
On retrouve la notion precedente en prenant comme chane de Markov la marche aleatoire
1
simple sur Zd : Q(x, x ej ) = 2d pour j = 1, . . . , d, o`
u (e1 , . . . , ed ) est la base canonique.
Alors, le theorème precedent conduit au resultat suivant : pour toute fonction (positive)
g definie sur F , la seule fonction h : F R+ telle que :
h est harmonique sur F ,
h(y) = g(y), y F ,
est donnee par

h(x) = Ex [g(XTF )] , x F,
o`
u
TF = inf{n 0 : Xn F }.
Noter que pour appliquer le theorème 13.7.2, on a a priori besoin de definir g sur Zd \F et
non pas seulement sur F : cependant le choix des valeurs de g sur Zd \F ninflue pas sur
les valeurs de h sur F .
217
218
Chapitre 14
Introduction au mouvement brownien
14.1 Le mouvement brownien comme limite de marches

al
eatoires
Lexplication physique du mouvement brownien justifie le mouvement très desordonne et
imprevisible dune particule brownienne par les nombreux chocs que cette particule recoit
du milieu environnant, qui provoquent des changements de direction continuels. Dun point
de vue mathematique, cela suggère de considerer le deplacement à temps discret, sur le
reseau Zd , dune particule ponctuelle qui à chaque instant choisit de manière independante
du passe une nouvelle direction.
Precisement on considère une marche aleatoire (Sn )nN sur Zd , issue de 0:
Sn = Y 1 + + Y n
u les v.a. Y1 , Y2 , . . . sont independantes à valeurs dans Zd , et de meme loi . On suppose

o`
que verifie les proprietes suivantes :
X
|k|2 (k) < ;
kZd
X
k(k) = 0 ( est centree).
kZd
On ajoute aussi à ces deux hypothèses principales la condition disotropie suivante :
il existe une constante > 0 telle que pour tous i, j {1, . . . , d},
X
ki kj (k) = 2 ij .
kZd
La marche aleatoire simple sur Zd (cf chapitre precedent) verifie ces hypothèses, avec
2
= 1/d, et il existe beaucoup dautres exemples.
219
On va sinteresser au comportement global de la fonction k Sk sur un long
intervalle de temps. Pour cela on introduit le changement dechelle suivant. Pour tout entier
n 1, pour tout reel t 0, on pose
(n) 1
St = S[nt]
n
o`
u [x] designe la partie entière du nombre reel x.
Proposition 14.1.1 Pour tout choix de lentier p 1 et des nombres reels 0 = t0 < t1 <
< tp , on a
(n) (n) (n) (loi)
(St1 , St2 , . . . , Stp ) (U1 , U2 , . . . , Up )
n
et la loi limite est caracterisee comme suit:
les v.a. U1 , U2 U1 , . . . , Up Up1 sont independantes;
pour tout j {1, . . . , p}, Uj Uj1 est un vecteur gaussien centre de matrice de covariance
2 (tj tj1 )Id (par convention, U0 = 0).
Remarque. La densite de la loi limite est facile à ecrire explicitement. La densite de

Uj Uj1 est p2 (tj tj1 ) (x), o`
u, pour tout a > 0,
1 |x|2
pa (x) = exp , x Rd
(2a)d/2 2at
est la densite du vecteur gaussien de covariance a Id (rappelons que les coordonnees dun tel
vecteur sont des v.a. reelles N (0, a) independantes, voir la Proposition 11.4.2 et la remarque
suivant cette proposition). Grace à lindependance des v.a. U1 , U2 U1 , . . . , Up Up1 , on
obtient que la densite de (U1 , U2 U1 , . . . , Up Up1 ) est
g(x1 , . . . , xp ) = p2 t1 (x1 )p2 (t2 t1 ) (x2 ) p2 (tp tp1 ) (xp ),
et par un changement de variables facile, la densite de (U1 , U2 , . . . , Up ) est
f (y1, . . . , yp ) = g(y1, y2 y1 , . . . , yp yp1 ) = p2 t1 (y1 )p2 (t2 t1 ) (y2 y1 ) p2 (tp tp1 ) (yp yp1 ).
Preuve. Il suffit de montrer que, pour tous 1 , . . . , p Rd ,

h Xp i h Xp i
(n)
E exp i j Stj E exp i j Uj .
n
j=1 j=1
Cela equivaut à dire que, pour tous 1 , . . . , p Rd ,

h Xp i h Xp i
(n) (n)
E exp i j (Stj Stj1 ) E exp i j (Uj Uj1 ) . (14.1)
n
j=1 j=1
220
Or on sait dejà, grace à lindependance des v.a. U1 , U2 U1 , . . . , Up Up1 , que
h X p i Yp h i X p
2 |j |2 (tj tj1)
E exp i j (Uj Uj1 ) = E exp ij (Uj Uj1 ) = exp
j=1 i=1 j=1
2
(on utilise la formule pour la transformee de Fourier de la loi gaussienne). Dautre part,
[ntj ]
(n) (n) 1 X
Stj Stj1 = Yk
n
k=[ntj1 ]+1
(n) (n)
ce qui montre dune part que les v.a. Stj Stj1 , 1 j p sont independantes, dautre
part que pour chaque j fixe
p
(n) (n) (loi) 1 [ntj ] [ntj1 ] 1
Stj Stj1 = S[ntj ][ntj1 ] = p S[ntj ][ntj1 ] .
n n [ntj ] [ntj1 ]
Grace au theorème central limite vectoriel, cette dernière variable converge en loi quand

n vers tj tj1 N, o` u N est un vecteur gaussien de covariance 2 Id (on utilise aussi
la propriete simple suivante : si Xn converge en loi vers X et si (an ) est une suite de reels
convergeant vers a, alors an Xn converge en loi vers aX). En consequence, pour chaque j
fixe,
h i p 2 | |2 (t t )
(n) (n) j j j1
E exp i j (Stj Stj1 ) E[exp(i tj tj1 j N)] = exp .
n 2
(n) (n)
Lindependance des v.a. Stj Stj1 , 1 j p, permet maintenant de conclure au resultat
recherche (14.1).
Definition 14.1.1 On appelle mouvement brownien (en dimension d, issu de 0) une famille
(Bt )tR+ de v.a. à valeurs dans Rd , definies sur un espace de probabilite (, F , P ), telles
que :
(P1) On a B0 = 0 p.s. De plus, pour tout choix de lentier p 1 et des nombres reels
0 = t0 < t1 < < tp , les v.a. Bt1 , Bt2 Bt1 , . . . , Btp Btp1 sont independantes,
et, pour tout j {1, . . . , p}, Btj Btj1 est un vecteur gaussien centre de covariance
(tj tj1 )Id.
(P2) Pour tout , la fonction t Bt () est continue.
Remarques. (i) En admettant lexistence du mouvement brownien (etablie ci-dessous), on

peut reformuler la Proposition 14.1.1 en disant que, pour tout choix de t1 < < tp ,
(n) (n) (n) (loi)
(St1 , St2 , . . . , Stp ) (Bt1 , Bt2 , . . . , Btp ).
n
A la multiplication par le scalaire près, le mouvement brownien apparat donc comme la

limite continue de marches aleatoires discrètes convenablement changees dechelle. Dune
221
certaine manière, cette limite correspond, pour le phenomène physique appele mouvement
brownien, au passage de lexplication microscopique aux observations macroscopiques.
(ii) Comme on la vu ci-dessus, la loi de (Bt1 , Bt2 , . . . , Btp ) est donnee par
Z
P (Bt1 , Bt2 , . . . , Btp ) A = dy1 . . . dyp pt1 (y1 )pt2 t1 (y2 y1 ) ptp tp1 (yp yp1 ),
A
(14.2)
pour toute partie brelienne A de (Rd )p .
14.2 La construction du mouvement brownien

Theor`
eme 14.2.1 Le mouvement brownien existe. Autrement dit on peut construire sur
un espace de probabilite convenable une famille (Bt )tR+ de v.a. satisfaisant (P1) et (P2).
Preuve. On traite dabord le cas d = 1, et dans un premier temps on va construire la

famille (Bt )t[0,1] . Le choix de lespace de probabilite (, F , P ) ne pose pas de problème : il
suffit de disposer sur cet espace dune suite de v.a. gaussiennes N (0, 1) independantes (on
a vu dans le chapitre precedent quen prenant = [0, 1] on pouvait construire une suite
de v.a. independantes de loi uniforme, quil est facile de transformer en une suite de v.a.
gaussiennes N (0, 1) independantes).
Introduisons les fonctions de Haar. On pose
h0 (t) = 1, t [0, 1]
puis, pour tout entier n 0 et pour tout k {0, 1, . . . , 2n 1},
hkn (t) = 2n/2 1[(2k)2n1 ,(2k+1)2n1 [ 2n/2 1[(2k+1)2n1 ,(2k+2)2n1 [ , t [0, 1].
On verifie que les fonctions h0 , hkn forment un système orthonorme de L2 ([0, 1], B([0, 1]), )
o`
u designe la mesure de Lebesgue. De plus ce système est total : toute fonction en escalier
constante sur les intervalles de la forme [i2n , (i+1)2n [ (pour n fixe) est combinaison lineaire
des fonctions h0 et hkp pour p < n. On conclut que la famille
h0 , (hkn )n0,0k2n 1
forme une base orthonorm

R1 ee de L2 ([0, 1], B([0, 1]), ).
Notons hf, gi = 0 f (t)g(t)dt le produit scalaire dans L2 ([0, 1], B([0, 1]), ). Alors, pour
toute fonction f L2 ([0, 1], B([0, 1]), ) on a
2X
1n
X
f = hf, h0 ih0 + hf, hkn ihkn .
n=0 k=0
Dautre part, nous disposons sur notre espace de probabilite (, F , P ) dune suite de v.a.
N (0, 1) independantes. Quitte à la renumeroter on peut ecrire cette suite sous la forme
N0 , (Nnk )n0,0k2n 1 .
222
Il est immediat de verifier que cette famille constitue un système orthonorme dans L2 (, F , P ).
Il existe alors une (unique) isometrie, notee B, de L2 ([0, 1], B([0, 1]), ) dans L2 (, F , P ) telle
que B(h0 ) = N0 et B(hkn ) = Nnk pour tous n 0, 0 k 2n 1. Precisement,
2X
1n
X
B(f ) = hf, h0 iN0 + hf, hkn iNnk ,
n=0 k=0
pour toute f L2 ([0, 1], B([0, 1]), ) (la serie converge dans L2 (, F , P )). Remarquons que
E[B(f )2 ] = kf k22
par la propriete disometrie, et que E[B(f )] = 0 puisque les v.a. N0 , Nnk sont toutes centrees.
De plus le lemme suivant montrera que B(f ) suit une loi gaussienne.
Lemme 14.2.2 Soit (Un ) une suite de v.a. gaussiennes qui converge dans L2 vers U. Alors
U est aussi gaussienne.
Preuve. Soit mn = E[Un ] et n2 = var(Un ). La convergence dans L2 assure que mn m =

E[U] et n2 2 = var(U). Mais dautre part, puisque la convergence dans L2 entrane la
convergence en loi on a aussi pour tout R,
2 2 /2
eimn n = E[eiUn ] E[eiU ]
ce qui montre que la fonction caracteristique de U secrit

2 2 /2
E[eiU ] = eim
et donc que U suit la loi N (m, 2 ).

En ecrivant n 1
m 2X
X
k k
B(f ) = lim hf, h0 iN0 + hf, hn iNn ,
m
n=0 k=0
et en utilisant le fait quune combinaison lineaire de v.a. gaussiennes independantes est

encore gaussienne, on deduit du lemme que B(f ) suit la loi N (0, kf k22). Remarquons aussi
que, pour f, f L2 ([0, 1], B([0, 1]), ),
cov(B(f ), B (f )) = E[B(f )B(f )] = hf, f i
grace à la propriete disometrie.

On pose alors, pour tout t [0, 1],
Bt = B(1[0,t] ).
En particulier, B0 = B(1{0} ) = B(0) = 0 p.s.

Verifions dabord que la famille (Bt )t[0,1] verifie la propriete (P1), restreinte à lintervalle
de temps [0, 1]. On se donne donc 0 = t0 < t1 < < tp 1. Par linearite, on a
Bti Bti1 = B(1]ti1 ,ti ] )
223
qui suit une loi N (0, ti ti1 ). De plus, si i 6= j,
cov(Bti Bti1 , Btj Btj1 ) = E[(Bti Bti1 )(Btj Btj1 )] = h1]ti1 ,ti ] , 1]tj1 ,tj ] i = 0.
Or il est facile de verifier que le vecteur (Bt1 , Bt2 Bt1 , . . . , Btp Btp1 ) est un vecteur
gaussien : si 1 , . . . , p R,
p
X X
p
j (Btj Btj1 ) = B j 1]tj1 ,tj ]
j=1 j=1
suit une loi gaussienne. Daprès la Proposition 11.4.2, le fait que la matrice de covariance
(cov(Bti Bti1 , Btj Btj1 ))i,j=1,...,p soit diagonale entrane lindependance des v.a. Bt1 , Bt2
Bt1 , . . . , Btp Btp1 , ce qui achève la preuve de (P1).
Il reste à etablir la propriete de continuite (P2). Pour linstant, Bt = B(1[0,t] ) est defini
comme un element de L2 (, F , P ), donc une classe dequivalence de variables egales p.s. Pour
que la verification de (P2) ait un sens, il est necessaire de specifier un representant dans cette
classe dequivalence, et cela pour chaque t [0, 1] (ce choix navait pas dinfluence sur la
validite ou non de (P1) mais il en a pour (P2)). A cette fin, nous allons etudier de plus près
la serie qui definit Bt . On commence par introduire les fonctions de Schauder
g0 (t) = h1[0,t] , h0 i = t
Z t
k k
gn (t) = h1[0,t] , hn i = hkn (s)ds.
0
Par construction, on a pour tout t [0, 1],

2X
1 n
X
Bt = B(1[0,t] ) = tN0 + gnk (t)Nnk
n=0 k=0
u la serie converge a priori dans L2 (, F , P ) pour chaque t [0, 1] fixe. Nous allons montrer
o`
bien plus, à savoir que la serie converge uniformement sur lintervalle [0, 1], pour tout ,
sauf peut-etre pour appartenant à un ensemble A F de probabilite nulle. On definit
alors Bt () comme la somme de la serie precedente si Ac et on prend Bt () = 0 pour
tout t [0, 1] si A (puisque si une suite de v.a. converge p.s. et dans L2 les limites p.s.
et L2 sont les memes, il est clair quon a ainsi simplement specifie un choix dans la classe
dequivalence de v.a. egales p.s. à B(1[0,t] ), et on na rien change à la validite de (P1)). On
obtiendra la continuite des applications t Bt () en observant quune limite uniforme de
fonctions continues est continue.
On remarque dabord que 0 gnk 2n/2 et que pour n fixe les fonctions gnk , 0 k
2n 1 sont à supports disjoints (gnk (t) > 0 seulement si k2n < t < (k + 1)2n ). Donc,
2X
n 1

sup gnk (t)Nnk 2n/2 sup |Nnk |.
t[0,1] 0k2n 1
k=0
224
Lemme 14.2.3 Si N suit la loi N (0, 1), on a pour tout a 1,
2 /2
P (|N| a) ea .
Preuve. Il suffit decrire
Z Z
2 x2 /2 2 x x2 /2 2 2
P (|N| a) = dx e dx e = ea /2 .
2 a 2 a a a 2

Puisque les v.a. Nnk sont toutes de loi N (0, 1), on peut utiliser le lemme pour majorer
n 1
2X
n
P sup |Nnk | >2 n/4
P (|Nnk | > 2n/4 ) 2n exp(2 2 1 ).
0k2n 1
k=0
En posant n o
An = sup |Nnk | > 2n/4
0k2n 1
on deduit du lemme de Borel-Cantelli et de lestimation precedente que

P (lim sup An ) = 0.
Donc si A = lim sup An on a P (A) = 0 et dautre part si
/ A, alors pour tout n assez
grand
sup |Nnk | 2n/4
0k2n 1
do`
u
2X
n 1

k
sup gn (t)Nn 2n/4
k
t[0,1] k=0
ce qui assure que la serie de la definition de Bt converge uniformement sur lintervalle [0, 1].
Cela termine la verification de (P2). On peut aussi remarquer que cette construction donne
B0 () = 0 pour tout et pas seulement p.s.
Il reste à saffranchir de la restriction t [0, 1], et à generaliser le resultat en dimension
(1) (2)
d quelconque. Dans un premier temps on considère des familles (Bt )t[0,1] , (Bt )t[0,1] , etc.
construites comme ci-dessus, en prenant à chaque fois une nouvelle suite de v.a. gaussiennes
independantes, independante des suites precedentes. On pose ensuite
(1) (2) (k) (k+1)
Bt = B1 + B1 + + B1 + Btk si t [k, k + 1[.
On verifie aisement que (Bt )tR+ est un mouvement brownien en dimension un.
Pour passer à une dimension d quelconque, il suffit de se donner d mouvements browniens
en dimension un independants, notes (Bt1 )tR+ , . . . , (Btd )tR+ et de poser
Bt = (Bt1 , Bt2 , . . . , Btd )
pour tout t R+ . Ceci achève la preuve du theorème.
Si x Rd , on appelle mouvement brownien issu de x tout processus (Bt )tR+ tel que
(Bt x)tR+ soit un mouvement brownien issu de 0.
225
14.3 La mesure de Wiener
Soit C(R+ , Rd ) lespace des fonctions continues de R+ dans Rd . On munit cet espace de la
tribu C qui est la plus petite tribu rendant mesurables les applications coordonnees w w(t)
pour tout t R+ .
Lemme 14.3.1 La tribu C concide avec la tribu borelienne lorsque C(R+ , Rd ) est muni de
la topologie de la convergence uniforme sur tout compact.
Preuve. Soit B la tribu borelienne. Linclusion C B decoule de ce que les applications

coordonnees sont continues donc mesurables pour la tribu boreliennes. Dans lautre sens,
rappelons quune distance sur C(R+ , Rd ) est fournie par

X
d(w, w ) = 2n sup (|w(t) w (t)| 1).
0tn
n=1
On sait que lespace C(R+ , Rd ) est separable et donc que tout ouvert est reunion denombrable
de boules. Il suffit alors de montrer que toute boule est dans la tribu C, ou encore que pour
w0 C(R+ , Rd ) fixe, lapplication w d(w0 , w) est C-mesurable. Or en ecrivant pour tout
n 1,
sup (|w(t) w0 (t)| 1) = sup (|w(t) w0 (t)| 1)
t[0,n] t[0,n]Q
on obtient immediatement cette propriete de mesurabilite.
Definition 14.3.1 Soit (Bt )tR+ un mouvement brownien en dimension d (issu de 0), defini
sur un espace de probabilite (, F , P ). La mesure de Wiener en dimension d est la mesure
de probabilite P0 sur C(R+ , Rd ) definie comme la mesure-image de P (d) par lapplication
: (Bt ())tR+
C(R+ , Rd )
Remarquons que lapplication est mesurable : comme cela a ete observe dans le chapitre
precedent dans un contexte un peu different, il suffit de voir que la composee de avec
chacune des applications coordonnees w w(t) est mesurable, ce qui est immediat (cette
composee donne les v.a. Bt ).
La definition precedente na de sens que parce quelle ne depend pas du choix du mouve-
ment brownien B. Cela se voit de la manière suivante. Si 0 = t0 < t1 < < tp , on a pour
tous A0 , A1 , . . . , Ap boreliens de Rd ,
P0 ({w C(R+ , Rd ) : w(t0 ) A0 , w(t1 ) A1 , . . . , w(tp ) Ap })

= P (Bt0 A0 , Bt1 A1 , . . . , Btp Ap )
Z
= 1A0 (0) dy1 . . . dyp pt1 (y1 )pt2 t1 (y2 y1 ) ptp tp1 (yp yp1 ),
A1 Ap
daprès la formule (14.2), qui est vraie pour nimporte quel mouvement brownien B (cest
juste une reformulation de (P1)). Or le lemme de classe monotone montre quune mesure de
226
probabilite sur C(R+ , Rd ) est caracterisee par ses valeurs sur les cylindres, cest-à-dire les
ensembles de la forme
{w C(R+ , Rd ) : w(t0 ) A0 , w(t1 ) A1 , . . . , w(tp ) Ap }.
Cela montre bien que P0 est determinee de manière unique, independamment du choix du
mouvement brownien B : autrement dit tous les mouvements browniens (issus de 0) ont la
meme loi, qui est la mesure de Wiener.
Remarque. En un certain sens, la mesure de Wiener joue sur lespace C(R+ , Rd ) un role
analogue à la mesure de Lebesgue sur [0, 1].
Si x Rd , on note aussi Px (dw) la mesure-image de P0 (dw) par la translation w x + w
(cest la loi du mouvement brownien issu de x).
Construction canonique du mouvement brownien. Elle consiste à prendre comme
espace de probabilite = C(R+ , Rd ) muni de la tribu C et de la probabilite P0 . On definit
alors pour tout t 0,
Bt (w) = w(t), w .
La famille (Bt )tR+ , definie sur lespace de probabilite (, C, P0 ), est un mouvement brownien
issu de 0. La propriete (P2) est evidente. La propriete (P1) decoule de la formule donnee
ci-dessus pour
P0 ({w C(R+ , Rd ) : w(t0 ) A0 , w(t1 ) A1 , . . . , w(tp ) Ap }).
De meme, sous Px , (Bt )tR+ est un mouvement brownien issu de x.
14.4 Premi`
eres propri
et
es du mouvement brownien
Dans ce paragraphe et le suivant, on considère un mouvement brownien B en dimension d,
issu de 0. Pour tout s 0 on note Fs la tribu engendree par les v.a. (Br , 0 r s). On
note aussi F la tribu engendree par toutes les v.a. Bt , t R+ .
Proposition 14.4.1 (i) Si est une isometrie vectorielle de Rd , ((Bt ))tR+ est aussi un
mouvement brownien (en particulier B est un mouvement brownien);
(ii) pour tout > 0, le processus Bt = 1 B 2 t est aussi un mouvement brownien (invariance
par changement dechelle);
(s)
(iii) pour tout s 0, le processus Bt = Bs+t Bs est un mouvement brownien independant
de Fs (propriete de Markov simple).
Preuve. (i) et (ii) sont très faciles. Pour lindependance dans (iii), on observe que pour
tout choix de t1 < t2 < < tp et r1 < r2 < < rq s, la propriete (P1) entrane que le
vecteur
(s) (s)
(Bt1 , . . . , Btp )
227
est independant de
(Br1 , . . . , Brq ).
(s)
En utilisant la Proposition 9.2.4, on en deduit aisement que la famille (Bt )tR+ est independante
de (Br )0rs .
Th
eor`
eme 14.4.2 (Loi du tout ou rien de Blumenthal) Soit
\
F0+ = Fs .
s>0
La tribu F0+ est grossière, au sens o`

u A F0+ , P (A) = 0 ou 1.
Preuve. Soit A F0+ et soient t1 , . . . , tp > 0. Pour > 0 assez petit, la propriete de Markov
simple (Proposition 14.4.1 (iii)) entrane que (Bt1 B , . . . , Btp B ) est independant de F ,
donc a fortiori de F0+ . En consequence, pour toute fonction f continue bornee sur (Rd )p ,
E[1A f (Bt1 B , . . . , Btp B )] = P (A) E[f (Bt1 B , . . . , Btp B )].
En faisant tendre vers 0 on trouve
E[1A f (Bt1 , . . . , Btp )] = P (A) E[f (Bt1 , . . . , Btp )],
et donc (Bt1 , . . . , Btp ) est independant de F0+ . Grace à nouveau à la Proposition 9.2.4, il
en decoule que F est independante de F0+ . En particulier F0+ F est independante
delle-meme, ce qui entrane que F0+ est grossière.
Corollaire 14.4.3 On suppose d = 1. Alors, p.s. pour tout > 0
sup Bs > 0, inf Bs < 0.

0s 0s
Pour tout a R, soit Ta = inf{t 0 : Bt = a} (inf = ). Alors,
p.s., a R, Ta < .
En consequence, p.s.,
lim sup Bt = +, lim inf Bt = .
t t
Remarque. Il nest pas a priori evident que la variable sup0s Bs soit mesurable: il
sagit dun supremum non denombrable de fonctions mesurables. Cependant, parce que
nous savons que les trajectoires de B sont continues, on peut se restreindre aux valeurs
rationnelles de s [0, ] et on obtient un supremum denombrable de variables aleatoires
(ou alors on peut utiliser le Lemme 14.3.1).
Preuve. Soit (p ) une suite de reels strictement positifs decroissant vers 0, et soit
\
A = { sup Bs > 0}.
0sp
p
228
Il est clair que levenement A est F0+ -mesurable. Dautre part,
P (A) = lim P ( sup Bs > 0),

p 0sp
et
1
P ( sup Bs > 0) P (Bp > 0) = ,
0sp 2
puisque Bp suit la loi gaussienne N (0, p ) qui est symetrique. Cela montre que P (A) 1/2.
Daprès le Theorème 14.4.2 on a P (A) = 1, do` u
p.s. > 0, sup Bs > 0.

0s
Lassertion concernant inf 0s Bs est obtenue en remplacant B par B.

Ensuite, on ecrit
1 = P ( sup Bs > 0) = lim P ( sup Bs > ),

0s1 0 0s1
et on remarque en appliquant la propriete dinvariance dechelle (Proposition 14.4.1 (ii)) avec

= que
P ( sup Bs > ) = P ( sup Bs > 1) = P ( sup Bs > 1)
0s1 0s1/2 0s1/2
(la dernière egalite est vraie parce que la loi du mouvement brownien est definie de manière
unique : voir les remarques suivant la Definition 14.3.1). En faisant tendre vers 0, on
trouve
P (sup Bs > 1) = 1.
s0
A nouveau un argument de changement dechelle montre que pour tout A > 0,
P (sup Bs > A) = 1
s0
et en utilisant le changement B B on a aussi
P (inf Bs < A) = 1.
s0
Les dernières assertions du corollaire en decoulent facilement: pour la dernière, on observe

quune fonction continue f : R+ R ne peut visiter tous les reels que si lim supt+ f (t) =
+, lim inf t+ f (t) = .
En utilisant la propriete de Markov simple, on deduit facilement du corollaire que p.s. la
fonction t Bt nest monotone sur aucun intervalle non-trivial.
229
14.5 La propri
et
e de Markov forte
Notre but est detendre la propriete de Markov simple (Proposition 14.4.1 (iii)) au cas o` u
linstant deterministe s est remplace par un temps aleatoire T . Nous devons dabord preciser
la classe des temps aleatoires admissibles. On garde les notations Ft et F introduites ci-
dessus.
Definition 14.5.1 Une variable aleatoire T à valeurs dans [0, ] est un temps darret si
t 0, {T t} Ft .
Remarque. Si T est un temps darret, pour tout t 0,

[
{T < t} = {T q}
qQ[0,t[
est dans Ft .
Exemple. En dimension d = 1, Ta = inf{t 0 : Bt = a} est un temps darret. En effet
{Ta t} = { inf |Br a| = 0} Ft .

rQ[0,t]
D
efinition 14.5.2 Soit T un temps darret. La tribu des evenements anterieurs à T est
FT = {A F ; t 0, A {T t} Ft }.
On verifie facilement que les variables aleatoires T et 1{T <} BT sont FT -mesurables
(pour la deuxième remarquer que

X
1{T <} BT = lim 1{i2n T <(i+1)2n } Bi2n ,
n
i=0
puis que, pour tout s 0, Bs 1{sT } est FT mesurable).
Theorème 14.5.1 (Propri e de Markov forte) Soit T un t.a. tel que P (T < ) > 0.
et
Alors, conditionnellement à {T < }, le processus B (T ) defini par
(T )
Bt = BT +t BT
est un mouvement brownien independant de FT .
Remarque. Pour etre tout à fait precis, il faut aussi definir B (T ) sur lensemble {T = },
par exemple en posant Bt () = 0 pour tout t 0 si T () = (ce choix na evidemment
aucune influence sur le resultat ci-dessus).
Preuve. Supposons dabord T < p.s. On va montrer que, pour A FT , 0 t1 < < tp
et F continue bornee de (Rd )p dans R+ , on a
(T ) (T )
E[1A F (Bt1 , . . . , Btp )] = P (A) E[F (Bt1 , . . . , Btp )]. (14.3)
230
Cela suffit pour etablir les differentes assertions du theorème : le cas A = montre que
(T )
B (T ) est un mouvement brownien (remarquer que les applications t Bt () sont contin-
ues) et dautre part (14.3) entrane que pour tout choix de 0 t1 < < tp , le vecteur
(T ) (T )
u il decoule que B (T ) est independant de FT .
(Bt1 , . . . , Btp ) est independant de FT , do`
Pour montrer (14.3), on observe dabord que p.s.
(T ) (T )
F (Bt1 , . . . , Btp )
X
= lim 1{(k1)2n <T k2n } F (Bk2n +t1 Bk2n , . . . , Bk2n +tp Bk2n ),
n
k=0
do`
u par convergence dominee,
(T ) (T )
E[1A F (Bt1 , . . . , Btp )]

X
= lim E[1A 1{(k1)2n <T k2n } F (Bk2n +t1 Bk2n , . . . , Bk2n +tp Bk2n )].
n
k=0
Pour A FT , levenement A {(k 1)2n < T k2n } est Fk2n -mesurable. Daprès la
propriete de Markov simple (Proposition 14.4.1 (iii)), on a donc
E[1A{(k1)2n <T k2n } F (Bk2n +t1 Bk2n , . . . , Bk2n +tp Bk2n )]

= P (A {(k 1)2n < T k2n }) E[F (Bt1 , . . . , Btp )],
et il ne reste plus quà sommer sur k pour arriver au resultat souhaite.

Lorsque P (T = ) > 0, les memes arguments conduisent à
(T ) (T )
E[1A{T <} F (Bt1 , . . . , Btp )] = P (A {T < }) E[F (Bt1 , . . . , Btp )]
et le resultat recherche en decoule à nouveau.

Une application importante de la propriete de Markov forte est le principe de reflexion
illustre dans la preuve du theorème suivant.
Theorème 14.5.2 On suppose d = 1. Pour tout t > 0, notons St = supst Bs . Alors, si

a 0 et b a, on a
P (St a, Bt b) = P (Bt 2a b).
En particulier, St a meme loi que |Bt |.
Preuve. On applique la propriete de Markov forte au temps darret
Ta = inf{t 0, Bt = a}.
On a dejà vu (Corollaire 14.4.3) que Ta < p.s. Ensuite,

(T )
P (St a, Bt b) = P (Ta t, Bt b) = P (Ta t, BtTa a b a),
231
(T )
puisque BtTa a = Bt BTa = Bt a. Notons B = B (Ta ) , de sorte que daprès le theorème
14.5.1, le processus B est un mouvement brownien independant de FTa donc en particulier
de Ta . Comme B a meme loi que B , le couple (Ta , B ) a aussi meme loi que (Ta , B ).
Notons H = {(s, w) R+ C(R+ , R); s t, w(t s) b a}. La probabilite precedente
vaut
P ((Ta , B ) H] = P [(Ta , B ) H)
(T )
= P (Ta t, BtTa a b a)
= P (Ta t, Bt 2a b)
= P (Bt 2a b)
parce que levenement {Bt 2a b} est contenu dans {Ta t}.

Pour la deuxième assertion on observe que
P (St a) = P (St a, Bt a) + P (St a, Bt a) = 2P (Bt a) = P (|Bt | a),
do`
On deduit immediatement du theorème precedent que la loi du couple (St , Bt ) a pour
densite
2(2a b) (2a b)2
g(a, b) = exp 1{a>0,b<a} .
2t3 2t
a2
Corollaire 14.5.3 (d = 1) Pour tout a > 0, Ta a meme loi que et a donc pour densite
B12
a a2
f (t) = exp 1{t>0} .
2t3 2t
Preuve. On ecrit
P (Ta t) = P (St a)
= P (|Bt | a) (Theorème 14.5.2)
= P (Bt2 a2 )

= P (tB12 a2 ) (Bt a meme loi que tB1 )
a2
= P ( 2 t).
B1
Ensuite, puisque B1 suit une loi N (0, 1) on calcule facilement la densite de a2 /B12 .
Reformulation sur lespace canonique.
En vue des applications qui suivent, il sera utile de reformuler la propriete de Markov sur
lespace canonique = C(R+ , Rd ). A partir de maintenant on se place donc sur cet espace,
sur lequel on considère le processus Bt (w) = w(t), et la filtration canonique Ft = (Bs , 0
s t). Rappelons que, pour tout x Rd , (Bt )t0 est sous Px un mouvement brownien issu
de x.
232
On introduit aussi les operateurs de translation. Pour tout s 0, s : est defini
par
(s w)(t) = w(s + t) , t 0.
Alternativement, Bt s = Bs+t .
Theorème 14.5.4 Soit T un temps darret, et soient F et G deux fonctions mesurables

positives sur . On suppose que F est FT -mesurable. Alors, pour tout x Rd ,
Ex [1{T <} F G T ] = Ex [1{T <} F EBT [G]].
Remarque. Comparer cet enonce avec le Theorème 13.3.5.

Preuve. On se ramène facilement au cas x = 0. Pour alleger lecriture supposons aussi
P0 (T < ) = 1. Le point-cle est dobserver que si T (w) < ,
(T )
(T w)(t) = w(T + t) = w(T ) + (w(T + t) w(T )) = BT (w) + Bt (w).
Ensuite on ecrit
E0 [1{T <} F G T ] = E0 [1{T <} F G(BT + B(T ) )] = E0 [1{T <} F E0 [G(BT + B(T ) ) | FT ]],
(T ) (T )
u B designe la fonction continue (Bt )t0 , vue comme v.a. à valeurs dans C(R+ , Rd ).
o`
(T )
Dune part BT est FT -mesurable, dautre part B est independant de FT et de loi P0 ,
daprès le Theorème 14.5.1. En utilisant le Theorème 11.3.4, on a
Z
(T )
E0 [G(BT + B ) | FT ] = P0 (dw) G(BT + w) = EBT [G]
do`
14.6 Fonctions harmoniques et probl`

eme de Dirichlet
Nous avons introduit dans le Chapitre 7 la mesure de Lebesgue sur la sphère S d1 notee d .
La mesure de probabilite uniforme sur la sphère S d1 est la mesure de probabilite d obtenue
en normalisant d . Daprès le Chapitre 7, d est donc reliee à la mesure de Lebesgue d sur
Rd par la formule explicite
( d2 + 1)
d (A) = d ({rx : 0 r 1, x A}),
d/2
pour tout borelien A de S d1 . Comme d , la mesure d est invariante sous laction des
isometries vectorielles. De plus, le Theorème 7.2.1 donne la formule dintegration en coor-
donnees polaires : pour toute fonction borelienne f : Rd R+ ,
Z Z Z
f (x) dx = cd f (rz) r d1 dr d (dz). (14.4)
Rd 0 S d1
2 d/2
avec cd = (d/2)
.
233
Lemme 14.6.1 La mesure d est la seule mesure de probabilite sur la sphère S d1 qui soit
invariante par laction des isometries vectorielles.
Preuve. Soit une autre mesure de probabilite sur S d1 invariante par laction des
isometries vectorielles. Alors, pour tout Rd et toute isometrie vectorielle ,
Z Z Z
ix i1 (x)

b() = e (dx) = e (dx) ei()x (dx) =
b(()).
b() ne depend que de ||, et donc il existe une fonction f : R+ C telle

Il en decoule que
que, pour tout Rd ,

b() = f (||).
Le meme argument montre quil existe une fonction g : R+ C telle que

bd () = g(||).
Alors, pour tout r 0,

Z Z Z
irx
e (dx) d (d) = f (r) d (d) = f (r)
S d1 S d1 S d1
et daprès le theorème de Fubini cela est aussi egal à

Z Z Z
irx
e d (d) (dx) = g(r) (dx) = g(r).
S d1 S d1 S d1
Donc f = g, do`
ub=
bd et = d grace au Theorème 8.2.4.
d r)
Si x R et r > 0 on note B(x, r) la boule ouverte de centre x et de rayon r, et B(x,
la boule fermee. La probabilite uniforme sur la sphère de centre x et de rayon r, notee x,r
est par definition limage de d (dy) par lapplication y x + ry.
Rappelons que jusquà la fin du chapitre on considère le mouvement brownien defini sur
lespace canonique comme cela a ete precise à la fin de la partie precedente.
Proposition 14.6.2 Soit x Rd et r > 0, et soit S le temps darret
S = inf{t 0 : |Bt x| r}.
La loi de BS sous Px est la probabilite uniforme x,r .
Preuve. Modulo une translation et un changement dechelle, il suffit de traiter le cas

x = 0, r = 1, dans lequel x,r = d . Les proprietes dinvariance du mouvement brownien
montrent que la loi de BS est alors invariante par laction des isometries vectorielles. Grace
au Lemme 14.6.1, la loi de BS doit etre d .
Rappelons quun domaine D est un ouvert connexe de Rd . Une fonction h : D R est
dite localement bornee si elle est bornee sur tout sous-ensemble compact de D.
234
Definition 14.6.1 Soit D un domaine de Rd . Une fonction mesurable localement bornee
r) soit
h : D R est dite harmonique si, pour tous x D et r > 0 tels que la boule B(x,
contenue dans D, on a Z
h(x) = h(y) x,r (dy). (14.5)
En dautres mots, la valeur de h en x concide avec sa moyenne sur la sphère de centre

r) soit contenue dans D.
x et de rayon r, pourvu que la boule fermee B(x,
Problème de Dirichlet classique. Etant donne un domaine borne D et une fonction
continue g : D R, on veut trouver une fonction h : D R telle que :
h|D = g au sens o`
u, pour tout y D,
g(y) = lim h(x) ;

xy,xD
h est harmonique sur D.
Le theorème suivant fournit un candidat à la solution du problème de Dirichlet.
Th
eor`
eme 14.6.3 Soit D un domaine borne, et soit g une fonction mesurable bornee sur
D. Notons
T = inf{t 0 : Bt
/ D}.
Alors la fonction
h(x) = Ex [g(BT )], xD
est harmonique sur D.
Ce theorème est bien s

ur analogue à un resultat de la fin du chapitre precedent concernant
les relations entre chanes de Markov et fonctions harmoniques discrètes.
Preuve. En ecrivant n o
c
{T t} = inf dist(Bs , D ) = 0
0st,sQ
on voit que T est un temps darret. Des proprietes du mouvement brownien en dimension
un il decoule aussi que T < Px p.s. On a vu qualors BT est une variable aleatoire (meme
FT -mesurable) et donc Ex [g(BT )] est bien definie, et bornee par sup{|g(y)|, y D}.
Justifions maintenant le fait que h est mesurable. Rappelons la notation C pour la
tribu introduite sur C(R+ , Rd ). Alors, pour tout A C, lapplication x Px (A) est
mesurable : cela est vrai pour les cylindres de la forme A = {w : w(t1 ) A1 , . . . , w(tp ) Ap },
puisque dans ce cas on a une formule explicite, et il suffit ensuite dutiliser un argument de
classe monotone. Il en decoule que pour toute fonction F mesurable bornee sur C(R+ , Rd ),
lapplication x Ex [F ] est mesurable. On applique ceci à
F (w) = 1{T (w)<} g(BT (w)) = 1{T (w)<} g(w(T (w)))
et on obtient ainsi que h est mesurable.
235
r) D. Posons
Fixons maintenant x D et r > 0 tels que B(x,
S = inf{t 0 : Bt
/ B(x, r)} = inf{t 0 : |Bt x| r}.
Il est clair que S T , Px p.s. (en fait S(w) T (w) pour tout w = C(R+ , Rd )). De
plus,
BT = BT S , Px p.s.
En effet cest simplement dire que si t w(t) est une trajectoire issue du point x, le point
de sortie de D pour cette trajectoire est le meme que celui pour la meme trajectoire dont
on a efface le debut entre le point de depart et le point de sortie de la boule B(x, r) : cela
r) D.
est evident parce que B(x,
On peut donc utiliser la propriete de Markov forte sous la forme du Theorème 14.5.4 et
obtenir
Z
h(x) = Ex [g(BT )] = Ex [g(BT ) S ] = Ex [EBS [g(BT )]] = Ex [h(BS )] = h(y) x,r (dy)
la dernière egalite etant la Proposition 14.6.2. Cela termine la preuve.

Pour montrer que la fonction h du theorème precedent est solution du problème de
Dirichlet (sous lhypothèse supplementaire de continuite de g), il faudrait aussi montrer que,
pour tout y D,
g(y) = lim Ex [g(BT )].
xy,xD
Intuitivement, si x D est proche de y D, le mouvement brownien partant de x va sortir

rapidement de D, donc le point de sortie BT sera proche de x, et aussi de y, et la continuite
de g assurera que g(BT ) est proche de g(y) ce qui conduira au resultat voulu. Avant de
rendre precis ce raisonnement, ce qui exigera certaines hypothèses supplementaires, nous
commencons par traiter la question de lunicite de la solution.
La proposition suivante montre que les fonctions harmoniques sont automatiquement très
regulières.
Proposition 14.6.4 Si h est harmonique sur D, h est de classe C sur D. De plus, si

r) D, on a
x D et r > 0 sont tels que B(x,
Z
1
h(x) = h(y) dy. (14.6)
d (B(x, r)) B(x,r)
Preuve. Soit r0 > 0, et soit
D0 = {x D : dist(x, D c ) > r0 }.
Il suffit de montrer que h est de classe C sur D0 . Pour cela, considerons une fonction
: R R+ de classe C à support compact contenu dans ]0, r0 [, et non identiquement
nulle. Alors, pour tout x D0 et tout r ]0, r0 [,
Z Z
h(x) = x,r (dz) h(z) = d (dy) h(x + ry).
236
On multiplie les deux membres extremes de cette egalite par r d1 (r) et on intègre par
rapport à dr entre 0 et r0 . En utilisant la formule (14.4) on trouve que, pour une constante
c > 0 dependant seulement de , on a pour tout x D0 ,
Z r0 Z
d1
c h(x) = cd dr r (r) d (dy) h(x + ry)
Z 0
= dz (|z|)h(x + z)
B(0,r0 )
Z
= dz (|z x|)h(x)
B(x,r0 )
Z
= dz (|z x|)e h(x)
Rd
où pour la dernière egalite on a note e

h la fonction obtenue en prolongeant h par la valeur 0 sur
D (le choix de cette valeur nintervient pas puisque si x D0 et z D c on a (|z x|) = 0).
c
On voit ainsi que sur D0 , h concide avec la convolution de la fonction z (|z|), qui
est de classe C et à support compact, avec la fonction e h, qui est mesurable bornee. Nous
avons remarque à la fin du Chapitre 2, comme application du theorème de derivation sous
le signe integrale, quune telle convolution est de classe C .
Il reste à etablir la deuxième assertion. En reprenant le calcul ci-dessus avec = 1[0,r0 [ ,
on trouve pour x D0 , Z

h(x) = c dy h(y)
B(x,r0 )
u la constante c depend seulement de , donc seulement de r0 . En prenant h = 1 (qui est

o`
harmonique), on voit que c = (d (B(x, r0 )))1 do`
u le resultat annonce.
Corollaire 14.6.5 Si une solution du problème de Dirichlet existe, elle est unique.
Preuve. Soient h1 et h2 deux solutions, et soit f = h1 h2 . Supposons f non identiquement

nulle. Quitte à echanger les roles de h1 et h2 on peut supposer que f prend des valeurs
strictement positives. La fonction obtenue en prolongeant f par la valeur 0 sur D est
continue sur D, et doit donc atteindre son maximum M dans D (rappelons que D est
suppose borne et donc D est compact). Soit x0 un point de D tel que f (x0 ) = M. Daprès
la proposition precedente on a pour tout r < dist(x0 , D c ),
Z
1
f (x0 ) = dy f (y),
d (B(x0 , r)) B(x0 ,r)
soit Z
dy (f (x0 ) f (y)) = 0.
B(x0 ,r)
Puisque f (x0 ) f (y) pour tout y D, ceci nest possible que si f (x0 ) = f (y), d (dy) p.p.
sur B(x0 , r). Comme f est continue (à nouveau grace à la proposition precedente) on a donc
f (x0 ) = f (y) pour tout y B(x0 , r). On a ainsi montre que {x D : f (x) = M} est ouvert.
237
Mais dautre part cet ensemble est aussi un ferme de D, et puisque D est connexe, on a
necessairement {x D : f (x) = M} = D. Cela est absurde puisque M > 0 et f doit tendre
vers 0 à la frontière de D.
efinition 14.6.2 On dit que D satisfait la condition de cone exterieur si, pour tout y
D
D, il existe r > 0 et un cone de revolution ouvert C de sommet y tels que C B(y, r) D c .
Th eorème 14.6.6 Supposons que D est un domaine borne satisfaisant la condition de cone
exterieur, et soit g une fonction continue sur D. Alors la fonction
h(x) = Ex [g(BT )], xD
est lunique solution du problème de Dirichlet.
Preuve. Compte-tenu du Theorème 14.6.3 et du Corollaire 14.6.5, il suffit de verifier que,
pour tout y D fixe,
lim h(x) = g(y). (14.7)
xy,xD
Soit > 0. Grace à la continuite de g, on peut choisir > 0 tel que, si z D et |z y| < ,
on a

|g(z) g(y)| < .
3
Soit ensuite M > 0 tel que |g(z)| < M pour tout z D. On a alors, pour tout > 0,
|Ex [g(BT )] g(y)| Ex [|g(BT ) g(y)|1{T }] + Ex [|g(BT ) g(y)|1{T >} ]
Ex [|g(BT ) g(y)|1{T }1{supt |Bt x|/2} ]

+2MPx sup |Bt x| > + 2M Px (T > )
t 2
= I + II + III.
Nous allons majorer separement les trois termes I, II, III.
Si |x y| < 2 , on a sur levenement {T } {supt |Bt x| /2}
|BT y| |BT x| + |x y| <
et le choix de assure que le terme I est majore par /3.
En utilisant linvariance par translation, on a

II = 2MP0 sup |Bt | >
t 2
et donc le terme II ne depend pas de x. Clairement II tend vers 0 quand tend vers 0
(cest juste dire que supt |Bt | 0 en probabilite sous P0 , ce qui est vrai puisquil y a
convergence p.s. par continuite). On peut donc choisir > 0 assez petit de manière que
II < /3.
Comme a ete choisi de manière arbitraire, il reste pour etablir (14.7) à montrer quon
peut choisir ]0, /2] suffisamment petit de manière que si |x y| < , le terme III =
2M Px (T > ) est aussi majore par /3. Or cela est une consequence du lemme suivant, qui
complète donc la preuve du theorème.
238
Lemme 14.6.7 Sous la condition de cone exterieur, on a pour tout y D et tout > 0,
lim Px (T > ) = 0.
xy,xD
Remarque. Comme cela a ete suggere après la preuve du Theorème 14.6.3, le point-cle dans
la verification de la condition frontière (14.7) est de sassurer que le mouvement brownien
partant près de la frontière de D va sortir de D rapidement, avec une grande probabilite.
Cest precisement ce que nous dit le lemme. La condition de cone exterieur nest pas la
meilleure possible pour cela, mais elle donne dejà des applications interessantes, comme
nous le verrons plus loin.
Preuve. Commencons par reecrire la condition de cone exterieur en y D. Pour u S d1
et > 0, notons
C(u, ) = {z Rd : z u > (1 )|z|}
le cone de revolution ouvert de sommet 0, de direction u et douverture . Alors on peut
choisir r > 0, u S d1 et > 0 tels que
y + (C(u, ) B(0, r)) D c .
Pour alleger lecriture on note C = C(u, ) B(0, r). Posons aussi
e = {z Rd : z u > (1 )|z|} B(0, r )
C
2 2
r
qui correspond à lintersection avec B(0, 2 ) dun cone un peu plus petit que C(u, r).
Il decoule facilement de la loi du tout ou rien (Theorème 14.4.2) que, si TCe = inf{t 0 :
e on a
Bt C},
TCe = 0 , P0 p.s..
e
En effet, si (n ) est une suite decroissant strictement vers 0, levenement lim sup{Bn C}
est dans la tribu F0+ , et un argument analogue à la preuve du Corollaire 14.4.3 montre que
cet evenement est de probabilite strictement positive.
Pour a ]0, r/2[, notons
ea = C
C e B(0, a)c .
Puisque les ensembles C ea croissent vers Ce quand a 0, on a T e T e = 0, P0 p.s., et donc
Ca C
pour tout > 0 on peut fixer a assez petit tel que
P0 (TCea ) > 1 .
En utilisant le fait que y + C D c , on a, avec des notations evidentes,
Px (T ) Px (Ty+C ) = P0 (Tyx+C ).
Or un raisonnement geometrique simple (faire un dessin!) montre que, dès que |y x| est
ea , et alors
assez petit, le cone translate y x + C contient C
Px (T ) P0 (TCea ) > 1
daprès le choix de a. Comme etait arbitraire on a termine la preuve du lemme.
Nous en venons maintenant à une autre caracterisation analytique des fonctions har-
moniques, qui est souvent prise comme definition.
239
Proposition 14.6.8 Soit h une fonction localement bornee sur le domaine D. Alors h est
harmonique sur D si et seulement si h est de classe C 2 sur D et h = 0.
Preuve. On suppose dabord que h est harmonique. La Proposition 14.6.4 montre que h
r0 ) soit contenue
est de classe C sur D. Soit x D et soit r0 > 0 tel que la boule B(x,
dans D. Toujours daprès la Proposition 14.6.4, on a pour tout r ]0, r0 ],
Z
1
h(x) = h(y) dy. (14.8)
d (B(x, r)) B(x,r)
Dautre part la formule de Taylor à lordre deux montre que, pour y B(x, r),
Xd d
h 1 X 2h
h(y) = h(x) + (x) (yi xi ) + (x) (yi xi )(yj xj ) + o(r 2 )
i=1
yi 2 i,j=1 yi yj
u le reste o(r 2 ) est uniforme quand y decrit B(x, r). En integrant cette egalite sur B(x, r),
o`
et en utilisant les symetries evidentes, on trouve
Z d Z
1 X 2h
h(y) dy = d (B(x, r)) h(x) + 2
(x) (yi xi )2 dy + o(r d+2 ).
B(x,r) 2 i=1
y i B(x,r)
R
Posons C1 = B(0,1) y12 dy > 0. Legalite precedente et (14.8) conduisent à
C1
h(x) r d+2 + o(r d+2 ) = 0
2
ce qui nest possible que si h(x) = 0.
Inversement supposons h de classe C 2 sur D et h = 0. Il suffit alors de montrer que
si U est une boule ouverte telle que U D, h est harmonique sur U. Daprès le Theorème
14.6.6, il existe une (unique) fonction e harmonique dans U, et telle que
h continue sur U,
e
h(x) = h(x) pour tout x U. De plus, la première partie de la preuve montre que e h=0
sur U. En appliquant le lemme suivant aux deux fonctions h e h et e
h h (definies sur U)
on trouve que h = e h sur U , ce qui termine la preuve de la proposition.
Lemme 14.6.9 (Principe du maximum) Soit V un ouvert borne de Rd , et soit u une

fonction continue sur V , de classe C 2 dans V et telle que u 0 sur V . Alors,
sup u(x) = sup u(x).

xV xV
Preuve. Supposons dabord quon a la propriete plus forte u > 0 sur D. On raisonne par
labsurde en supposant
sup u(x) > sup u(x).
xV xV
Dans ce cas on peut trouver x0 V tel que
u(x0 ) = sup u(x).

xV
240
On a alors
u
(x0 ) = 0 , j {1, . . . , d}
yj
et de plus la formule de Taylor à lordre deux assure que la matrice symetrique
2u
Mx0 = (x0 )
yi yj i,j{1,...,d}
est negative, au sens où la forme quadratique associee ne prend que des valeurs negatives ou
nulle. En particulier les valeurs propres de Mx0 sont toutes negatives ou nulles et la trace
de Mx0 lest aussi. Mais ceci est une contradiction puisque la trace de Mx0 est u(x0 ) > 0.
Si on fait lhypothèse plus faible u 0 sur D, il suffit de poser pour tout > 0, et tout
x V
u (x) = u(x) + x21 ,
de sorte que u = u + 2 > 0. La première partie de la preuve assure que
sup u (x) = sup u (x),

xV xV
et il ne reste plus quà faire tendre vers 0.
14.7 Fonctions harmoniques et mouvement brownien

Nous commencons par un resultat important qui fait le lien entre fonctions harmoniques,
mouvement brownien et martingales. Nous devons dabord introduire la notion de martingale
à temps continu, qui est une generalisation directe des martingales à temps discret etudiees
dans le Chapitre 12. Rappelons que nous nous sommes places sur lespace canonique du
mouvement brownien, decrit à la fin de la partie 3, et que Ft designe sur cet espace la
tribu engendree par (Bs , s t). Une famille (Mt )t0 , indexee par les reels positifs, de v.a.
integrables est une martingale si Mt est Ft -mesurable, pour tout t 0, et si la relation
E[Mt | Fs ] = Ms est vraie pour tous 0 s t.
Si U est un ouvert de Rd , on note HU = inf{t 0 : Bt / U}.
Theorème 14.7.1 Soit D un domaine de Rd . Une fonction continue h : D R est

harmonique si et seulement si pour tout ouvert borne U tel que U D et U satisfait la
condition de cone exterieur, le processus
(h(BtHU ))t0
est une martingale sous Px , pour tout x U.
De manière informelle les fonctions harmoniques sont celles qui composees avec le mou-
vement brownien donnent des martingales. La condition de cone exterieur dans lenonce qui
precède est superflue mais intervient pour des raisons techniques dans notre demonstration.
Preuve. Supposons dabord que h est harmonique, et soit U un ouvert satisfaisant les
conditions de lenonce. On note H = HU pour alleger, et on fixe x U. Remarquons que les
241
v.a. h(BtH ) sont bornees Px p.s. par sup{|h(y)| : y U } < . Soient s t. Observons que
la v.a. BsH est FsH -mesurable donc aussi Fs -mesurable. Pour obtenir legalite recherchee
E[h(BtH ) | Fs ] = h(BsH ), il suffit de montrer que, pour toute v.a. F Fs -mesurable bornee,
on a
Ex [F h(BsH )] = Ex [F h(BtH )].
Or on peut interpreter h comme la solution (unique) du problème de Dirichlet dans U dont
la condition frontière est simplement la restriction de h à U. Le Theorème 14.6.6 montre
que, pour tout y U,
h(y) = Ey [h(BH )].
Il en decoule que
Ex [F 1{s<H} h(BsH )] = Ex [F 1{s<H} h(Bs )] = Ex [F 1{s<H} EBs [h(BH )]].
Mais puisque F 1{s<H} est Fs -mesurable (exercice), la propriete de Markov (sous la forme
du Theorème 14.5.4, avec le temps darret constant s) montre que
Ex [F 1{s<H} EBs [h(BH )]] = Ex [F 1{s<H} h(BH )].
On obtient ainsi
Ex [F h(BsH )] = Ex [F 1{s<H} h(Bs )] + Ex [F 1{sH} h(BH )] = Ex [F h(BH )].
Evidemment le meme argument montre que
Ex [F h(BtH )] = Ex [F h(BH )] = Ex [F h(BsH )]
ce qui etait legalite recherchee.

Dans lautre sens, cest plus simple. Si on suppose que h verifie la propriete de lenonce,
on prend pour U une boule ouverte dont ladherence est contenue dans D. La propriete de
martingale permet decrire si x U
h(x) = Ex [h(BtH ) | F0 ] = Ex [h(BtH )].
En faisant tendre t vers , on a h(x) = Ex [h(BH )], et le Theorème 14.6.3 montre que h est
harmonique sur U ce qui suffit pour conclure.
A partir de maintenant, on suppose que d 2 (remarquer quen dimension un les fonc-
tions harmoniques sont les fonctions affines).
Proposition 14.7.2 Soient 0 a < b et soit Da,b le domaine

a).
Da,b = B(0, b)\B(0,
Soit f : Da,b R une fonction radiale, au sens o` u f (x) ne depend que de |x|. Alors f est
harmonique si et seulement sil existe deux constantes C, C R telles que

C + C log |x| si d = 2,
f (x) =
C + C |x|2d si d 3.
242
Preuve. Nous savons dejà que f doit etre de classe C . Soit g :]a, b[ R la fonction telle
que f (x) = g(|x|). Lexpression du Laplacien pour une fonction radiale montre que
d1
f (x) = g (|x|) + g (|x|).
|x|
Daprès la Proposition 14.6.8, f est harmonique si et seulement si g satisfait lequation
differentielle
d1
g (r) + g (r) = 0
r
quil suffit de resoudre pour obtenir la proposition.
Dans les deux enonces suivants on note TA = inf{t 0 : Bt A} pour tout ferme A de
Rd .
Proposition 14.7.3 Soit x Rd \{0}, et soient , R > 0 avec < |x| < R. Alors,

log Rlog |x| si d = 2,
log Rlog
Px (TB(0,)
< TB(0,R)c ) = (14.9)
|x|2d R2d si d 3.
2d R2d
Remarque. Lenonce analogue en dimension un est, pour a < x < b,

bx
Px (Ta < Tb ) =
ba
et se demontre exactement de la meme manière (exercice).
Preuve. Considerons le domaine D = D,R , qui verifie la condition de cone exterieur, et
soit g la fonction continue sur D definie par

g(y) = 1 si |y| = ,
g(y) = 0 si |y| = R.
Alors le Theorème 14.6.6 montre que
h(x) = Px (TB(0,)
< TB(0,R)c ) , < |x| < R
est la solution unique du problème de Dirichlet avec condition frontière g. Mais en utilisant
la Proposition 14.7.2, on voit immediatement que le terme de droite dans (14.9) est solution
du meme problème de Dirichlet. Cela donne legalite recherchee.
On peut deduire de la proposition precedente des informations interessantes sur le com-
portement presque s ur des fonctions t Bt .
Corollaire 14.7.4 (i) Si d 3, pour tous > 0 et x Rd tels que < |x|,
d2
Px (TB(0,)
< ) = ( ) .
|x|
De plus, pour tout x Rd ,

lim |Bt | = , Px p.s.
t
243
(ii) Si d = 2, pour tous > 0 et x Rd tels que < |x|,
Px (TB(0,)
< ) = 1
mais
Px (T{0} < ) = 0.
De plus, Px p.s., pour tout ouvert U de R2 , lensemble {t 0 : Bt U} est non borne.
Par analogie avec le cas des chanes de Markov, on dit que le mouvement brownien est
transitoire en dimension d 3 et recurrent en dimension d = 2. Noter que cette propriete
de recurrence dans le plan nentrane pas que tous les points soient visites : au contraire un
point fixe, autre que le point de depart, nest pas visite avec probabilite 1.
Preuve. (i) La première assertion est facile puisque
Px (TB(0,)
< ) = lim Px (TB(0,)
< TB(0,n)c )
n
et il suffit dappliquer la formule (14.9).

Ensuite, on pose pour tout entier n 1
T(n) = TB(0,2n )c .
En appliquant la propriete de Markov forte en T(n) et en utilisant à nouveau la formule

(14.9), on trouve, si |x| 2n ,
h i n
Px inf |Bt | n = Ex PBT(n) (TB(0,n)
< ) = ( n )d2 .
tT(n) 2
Le lemme de Borel-Cantelli entrane alors que Px p.s., pour tout entier n assez grand,
inf |Bt | > n

tT(n)
et donc la fonction t |Bt | converge vers quand t .

(ii) Daprès la formule (14.9) on a
log R log |x|
Px (TB(0,)
< TB(0,R)c ) =
log R log
dès que < |x| < R. En faisant tendre R vers dans cette formule on trouve
Px (TB(0,)
< ) = 1.
En faisant tendre vers 0 dans la meme formule on obtient
Px (T{0} < TB(0,R)c ) = 0.
Comme TB(0,R)c quand R , cela entrane
Px (T{0} < ) = 0.
244
On a donc à la fois
Px p.s. > 0, TB(0,)
<
et
Px p.s. 0
/ {Bt : t 0}.
Ces deux proprietes entranent que Px p.s. 0 est un point daccumulation de la fonction
t Bt quand t . Donc, pour tout ouvert U contenant 0, lensemble {t 0 : Bt U}
est Px p.s. non borne. Un argument de translation donne alors la dernière propriete du
corollaire, en remarquant aussi quon peut se limiter à une famillle denombrable de choix de
U.
Noyau de Poisson. Rappelons que nous nous placons en dimension d 2. Le noyau de
Poisson (de la boule unite) est la fonction definie sur B(0, 1) S d1 par
1 |x|2
K(x, y) = , x B(0, 1), y S d1 .
|x y|d
Lemme 14.7.5 Pour tout y S d1 fixe, la fonction x K(x, y) est harmonique sur
B(0, 1).
Preuve. Posons Ky (x) = K(x, y) pour x B(0, 1). Un calcul direct montre que Ky = 0
sur B(0, 1), et il suffit dappliquer la Proposition 14.6.8.
Lemme 14.7.6 Pour tout x B(0, 1),
Z
K(x, y) d (dy) = 1.
S d1
Preuve. Pour tout x B(0, 1), posons

Z
F (x) = K(x, y) d (dy).
S d1
Alors, on deduit facilement du lemme precedent que F est harmonique sur B(0, 1) : on
peut appliquer le theorème de Fubini pour verifier que F satisfait la propriete de moyenne
(ou deriver sous le signe integrale pour montrer que F = 0). Par ailleurs, en utilisant les
proprietes dinvariance de d et de K par les isometries vectorielles, on obtient que F est
une fonction radiale. Sur la boule ouverte privee de lorigine B(0, 1)\{0}, F doit donc etre
de la forme donnee dans la Proposition 14.7.2. Mais puisque F est aussi continue en 0, la
constante C intervenant dans les formules de cette proposition doit etre nulle. On a donc,
pour tout x B(0, 1), F (x) = F (0) = 1.
Theorème 14.7.7 Soit g une fonction continue sur S d1 . La solution du problème de
Dirichlet dans B(0, 1) avec condition frontière g est donnee par
Z
h(x) = K(x, y) g(y) d(dy) , x B(0, 1).
S d1
De plus, pour tout x B(0, 1) fixe, la fonction y K(x, y) est la densite par rapport à la
mesure d (dy) de la loi sous Px du point de sortie du mouvement brownien hors de B(0, 1).
245
Preuve. Les memes arguments que dans la preuve du Lemme 14.7.6 montrent que h est
harmonique dans B(0, 1). Pour verifier la condition frontière, fixons y0 S d1 . Pour tout
> 0, la forme explicite du noyau de Poisson montre que si x B(0, 1) et y S d1 sont
tels que |x y0 | < /2 et |y y0 | > on a
2
K(x, y) ( )d (1 |x|2 ).

Il decoule de cette majoration que, pour tout > 0,
Z
lim K(x, y) (dy) = 0. (14.10)
xy0 ,xB(0,1) {|yy0 |>}
Ensuite, si > 0 est donne, on choisit > 0 assez petit pour que |g(y) g(y0)| dès que
y S d1 et |y y0 | . Si M = sup{|g(y)| : y S d1 }, il vient
Z

|h(x) g(y0)| = K(x, y) (g(y) g(y0)) d (dy)
d1
SZ
2M K(x, y) (dy) + ,
{|yy0 |>}
en utilisant le Lemme 14.7.6 pour la première egalite, et ensuite le choix de . Grace à

(14.10), on obtient maintenant
lim sup |h(x) g(y0)| .

xy0 ,xB(0,1)
Comme etait arbitraire, cela donne bien la condition frontière voulue.

Enfin, pour la dernière assertion, on utilise le Theorème 14.6.6 qui affirme que la solution
du meme problème de Dirichlet est aussi donnee par
h(x) = Ex [g(BT )],
u T = inf{t 0 : Bt
o` / D}. En comparant les deux formules pour h on obtient precisement
que la loi de BT est la mesure K(x, y)d (dy).
246
Quelques r
ef
erences
Partie I : Integration.
Le livre classique de Rudin [7] est toujours une bonne reference. Le livre de Briane et
Pagès [2] est très detaille et assez complet.
[1] M.R. Adams, V. Guillemin. Measure Theory and Probability. Birkhauser, 1996.
[2] M. Briane, G. Pag`

es. Theorie de lIntegration. Vuibert, 2000.
[3] D.L. Cohn. Measure Theory. Birkhauser, 1980.
[4] J.L. Doob. Measure Theory. Springer, 1994.
[5] R.M. Dudley. Real Analysis and Probability. Chapman and Hall, 1989.
[6] D. Revuz. Mesure et Integration. Hermann, 1994.
[7] W. Rudin. Real and Complex Analysis. McGraw Hill, 1974.
[8] D.W. Stroock. A Concise Introduction to the Theory of Integration. Birkhauser,

1994.
Partie II : Probabilites.
[9] et [18] sont des ouvrages en francais dont le niveau correspond grosso-modo à celui
du cours. [10] et [11] sont des classiques dont la lecture est toujours interessante. [13] et [17]
sont des livres plus recents ecrits par des probabilistes de tout premier plan.
[9] P. Barbe, M. Ledoux. Probabilite. Belin, 1998.
[10] P. Billingsley. Probability and Measure, 3rd ed. Wiley, 1995.
[11] L. Breiman. Probability. Addison-Wesley, 1968.
[12] K.L. Chung. A Course in Probability Theory. Harcourt Brace and World, 1968.
[13] R. Durrett. Probability and Examples, 2nd ed. Duxbury Press, 1996.
247
[14] W. Feller. An Introduction to Probability Theory and Its Applications, Vol. I. Wiley.
(Un grand classique sur tout ce que vous pouvez faire en probabilites sans theorie de la
mesure)
[15] G. Grimmett, D. Stirzaker. Probability and Random Processes. Oxford Science

Publications, 1992.
[16] J. Neveu. Bases Mathematiques du Calcul des Probabilites. Masson, 1064. (Livre de
reference sur les outils de theorie de la mesure qui interviennent en probabilites)
[17] J. Pitman. Probability. Springer, 1993.
[18] D. Revuz. Probabilites. Hermann, 1997.
[19] D.W. Stroock. Probability Theory: An Analytic View. Cambridge U. Press 1993.
(Livre plus avance autour des liens entre analyse et probabilites)
Partie III : Processus aleatoires.
[20] J. Neveu Martingales à temps discret. Masson 1972
[21] D. Williams Probability with martingales. Cambridge University Press 1991
[22] C. Dellacherie, P.A. Meyer Probabilites et potentiels, Chapitres V à VIII. Theorie

des martingales. Hermann 1980 (traite aussi et surtout le cas des martingales à temps
continu)
[23] P. Baldi, L. Mazliak, P. Priouret Martingales et chanes de Markov. Hermann

1998
[24] K.L. Chung Markov chains with stationary transition probabilities. Springer 1967
[25] R. Durrett Essentials of stochastic processes. Springer 1999 (donne beaucoup dexemples
concrets de chanes de Markov)
[26] D.W. Stroock An introduction to Markov processes. Springer 2005 (pour une lecture
plus avancee sur chanes et processus de Markov).
248

Intégration, Probabilités Et Processus Aléatoires

Transféré par

Droits d'auteur :

Formats disponibles

Intégration, Probabilités Et Processus Aléatoires

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Intégration, Probabilités Et Processus Aléatoires

Transféré par

Droits d'auteur :

Formats disponibles

FIMFA

Departement Mathematiques et Applications

7 Formule de changement de variables

10 Convergence de variables al eatoires 125

13 Chanes de Markov 191

14 Introduction au mouvement brownien 219

1.1 Ensembles mesurables

Enoncons quelques consequences de la definition :

A = {, E} est la tribu triviale ;

(C) est appelee la tribu engendree par C.

Exercice. Verifier que

(ii) Pour toute famille (An )nN de parties mesurables disjointes,

(B\A) = (B) (A) ;

(4) Si Bn A et Bn+1 Bn , et si (B0 ) < ,

Demontrons seulement (3),(4) et (5). Pour (3), on pose C0 = A0 et pour tout n 1,

de sorte que An = Cn . Puisque les Cn sont disjoints,

Les ensembles Cn sont disjoints et donc

Proposition 1.3.1 La composition de deux applications mesurables est encore mesurable.

Cest immediat en ecrivant (g f )1 (C) = f 1 (g 1 (C)).

(2) Dans le cas o`

Lemme 1.3.3 Soient f1 : (E, A) (F1 , B1 ) et f2 : (E, A) (F2 , B2 ) deux applications

Preuve. On applique la derni`ere proposition en prenant

Puisque f 1 (B1 B2 ) = f11 (B1 ) f21 (B2 ) A on obtient immediatement le resultat.

Alors, lim sup an et lim inf an sont respectivement la plus grande

sup fn , inf fn , lim sup fn , lim inf fn

{x E : lim fn (x) existe} = {x E : lim inf fn (x) = lim sup fn (x)} = G1 ()

(ii) Si A, B M et A B, alors B\A M ;

Si B, B M1 et B B , on a A (B \B) = (A B )\(A B) M(C) et donc

Si Bn M1 pour tout n et la suite Bn crot, on a A (Bn ) = (A Bn ) M(C) et

Dapr`es la premi`ere etape de la preuve, C M2 . En reprenant exactement les memes

Preuve. (1) Soit G = {A A : (A) = (A)}. Par hypoth`ese, C G. Par ailleurs, on

On peut appliquer la partie (1) `a n et n , et on trouve n = n . Finalement, en utilisant

(A) = lim (A En ) = lim (A En ) = (A).

Le premier objectif de ce chapitre est de construire lintegrale de fonctions mesurables. La

ce qui conduit au resultat annonce.

Preuve. (1) Soient

les ecritures canoniques de f et g. En ecrivant chaque Ai comme la reunion disjointe des

efinition 2.1.2 Soit f : E [0, ] une fonction mesurable. On pose

et on trouve parfois la notation h, f i ou meme (f ).

Preuve. Dapr`es la propriete (1) ci-dessus, on a

avec h f . Soit a [0, 1[, et

Puisque En E on a Ai En Ai et (Ai En ) (Ai ) quand n , dapr`es les proprietes

En faisant tendre a vers 1, on trouve

(3) Si (fn ) est une suite quelconque de fonctions mesurables positives,

Preuve. (1) Pour tout n 1 et tout i {0, 1, . . . , n2n 1}, posons

Soit ensuite fn la fonction etagee

On verifie aisement que fn (x) f (x) pour tout x E.

Corollaire 2.1.3 Soit f mesurable positive, et pour tout A A, soit

en utilisant la propriete (3) ci-dessus.

({x E : f (x) 6= g(x)}) = 0.

Proposition 2.1.4 Soit f une fonction mesurable positive.

(4) Si g est une autre fonction mesurable positive,

Preuve. (1) Posons Aa = {x E : f (x) a}. Alors f a1Aa et donc

(2) Pour tout n 1, soit An = {x E : f (x) n} et soit A = {x E : f (x) = }.

(3) Limplication a dej`a ete vue. Pour , soit, pour tout n 1, Bn = {x E :

puisque f g f g = 0 p.p. Puisque f g f f g, et de meme pour g, il en decoule

et donc dapr`es le theor`eme de convergence monotone,

Par ailleurs, pour tout entier p k,

En passant `a la limite croissante quand k , il vient