Notes de cours

Intoduction à la Théorie Ergodique

Master 2 de Probabilités et
applications à l’UPMC

Janvier 2017
 Table des matières

Chapitre 1. Systèmes dynamiques mesurés : Premières propriétés et

exemples 5
1. Systèmes dynamiques 5
2. Récurrence de Poincarrré 6
3. Ergodicité 7
4. Mélange 9
5. Bernoulli 10
6. Exercices 10

Chapitre 2. Théorèmes ergodiques 13

1. Théorème ergodique en moyenne 13
2. Théorèmes ergodiques ponctuels 16
3. Preuve de l’inégalité maximale 20
4. Deux exemples d’applications 21
5. Exercices 22

Chapitre 3. Mesures invariantes d’un système dynamique topologique 25

1. Compacité 25
2. Structure convexe 26
3. Unique ergodicité 28

Chapitre 4. Théorie spectrale 33

1. Mélange faible 33
2. Spectre de l’opérateur de Koopman 36
3. Mesures spectrales et Théorème spectral 38
4. Exercices 41

Chapitre 5. Exemples 43
1. Sous décalage de type fini et mesures markoviennes 43
2. L’application de Gauss 44
3. Transformation de Chacon 46
4. Flot géodésique et horocyclique 47
5. Exercices 49
3
4 Table des matières

Chapitre 6. Entropie mesurée 51

1. Information 51
2. Entropie statique 52
3. KS-Entropie et théorème des générateurs 52
4. Formule de Katok, Newhouse et Shanon-Mcmillan-Breiman 54
5. Exemples 56
6. Exercices 57

Chapitre 7. Entropie topologique et principe variationnel 59

1. Complexité 59
2. Entropie topologique 60
3. Harmonicité de l’entropie 61
4. Entropie à la Bowen 61
5. Principe variationnel 62
6. Applications et exemples 64
7. Exercices 67
 Chapitre 1

Systèmes dynamiques mesurés : Premières propriétés

et exemples

Contents
1. Systèmes dynamiques 5
1.1. Actions sur les mesures 5
1.2. Actions sur Lp 6
1.3. Isomorphismes 6
2. Récurrence de Poincarrré 6
3. Ergodicité 7
4. Mélange 9
5. Bernoulli 10
6. Exercices 10

On considérera toujours dans ce chapitre un espace mesurable (X, B)

supposé Borel standard, i.e. X est un espace métrique complet séparable et
B sa tribu des Boréliens. Lorsque f : X → X est une application mesurable,
on dira que le triplet (X, B, f ) est un système dynamique mesurable.

1. Systèmes dynamiques

1.1. Actions sur les mesures. On note M(X) l’ensemble des me-
sures de proba sur (X, B). Le système mesurable (X, B, f ) induit une action
f ∗ sur M(X) en définissant f ∗ µ comme étant l’élément de M(X) satisfai-
sant f ∗ µ(A) = µ(f −1 A) pour tout A ∈ B.

Définition 1.1. Avec les notations précédentes, on dira qu’un mesure

est f -invariante lorsque f ∗ µ = µ. Le quadruplet (X, B, f, µ) est alors appelé
un système dynamique mesuré.

Exemples :
(1) Rotation : on considère la rotation fα d’angle α ∈ R sur le cercle
R/Z définie additivement par fα (x) = x + α,
(2) Doublement de l’angle : on considère toujours sur le cercle R/Z
l’application f qui à x associe 2x,
5
61. SYSTÈMES DYNAMIQUES MESURÉS : PREMIÈRES PROPRIÉTÉS ET EXEMPLES

(3) Soit A ∈ GLn (Z) une matrice carré d’ordre n inversible à coefficient
entiers de déterminant 1 (et donc d’inverse à coefficients entiers),
l’application x 7→ Ax descend sur le tore Rn /Zn en une application
noté fA .
On vérifie dans tous ces cas que la mesure de Lebesgue est invariante
(utiliser par exemple le théorème de changement de variable).
1.2. Actions sur Lp .
Proposition 1.2. Soit (X, B, f ) un système dynamique mesurable et
soit µ ∈ M(X). Alors µ est f -invariante ssi pour tout φ ∈ L1 (µ), on a
Z Z
φ ◦ f dµ = φdµ.

On en déduit que pour tout p ∈ [1, +∞[ et tout système dynamique

mesure (X, B, f, µ) l’ application Uf : Lp (µ) → Lp (µ) envoyant φ sur φ ◦ f
est une isométrie. On s’intéressera par la suite à l’opérateur Uf sur le Hilbert
L2 (µ) (appelé l’opérateur de Koopman).
1.3. Isomorphismes. Deux systèmes dynamiques mesurés (X, B, f, µ)
et (Y, C, g, ν) sont dit isomorphes (ou métriquement isomorphes) s’il existe
X 0 ∈ B et Y 0 ∈ C respectivement f et g invariants avec µ(X 0 ) = ν(Y 0 ) = 1
et une bijection bimesurable ψ : X 0 → Y 0 tel que ψ ◦ f = g ◦ ψ et ψ ∗ µ = ν.
Ces deux systèmes sont dits spectralement isomorphes si leur opérateurs
de Koopman sont unitairement équivalents, i.e. s’il existe une isométrie
bijective V : L2 (µ) → L2 (ν) telle que V Uf = Ug V .
Proposition 1.3. Deux systèmes mesurés métriquement isomorphes
sont spectralement isomorphes.
On verra par la suite que l’inverse est faux. Une propriété stable par
isomorphisme spectrale est dite spectrale.

2. Récurrence de Poincarrré
Théorème 2.1. Soit (X, B, f, µ) un système dynamique mesuré et E ∈
B avec µ(E) > 0. Alors

]{k ∈ N, f k x ∈ E} = +∞ pour µ-p.t. x ∈ E.

Démonstration. On note E0 := {x ∈ E, f k x ∈ / E pour tout k ∈ N∗ }.
Clairement f −n E0 ∩ f −m E0 = ∅ pour n 6= m ∈ N. Alors on a
!
[ X X
+∞ > µ f −n E0 = µ(f −n E0 ) = µ(E0 ).
n∈N n∈N n∈N
 3. ERGODICITÉ 7

On a donc nécessairement µ(E0 ) = 0. Puis si on note F := {x ∈ E, ]{k ∈

N, f k x ∈ E} < +∞}, on doit montrer µ(F ) = 0. Mais F = n∈N f −n E0 ...
S

Définition 2.2. Soit (X, B, f ) un système dynamique mesurable. Un

point x ∈ X est dit récurrent s’il existe une suite strictement croissante
k→+∞
d’entiers (nk )k telle que f nk x −−−−→ x.

Théorème 2.3. Soit (X, B, f, µ) un système dynamique mesuré. Alors

µ-p.t. x ∈ X est récurrent.

Démonstration. Soit V = (Vn )n une base dénombrable de voisinages

de X. Soit Fn le sous-ensemble des points de Vn revenant finiment souvent
dans Vn . D’après le théorème de récurrence de Poincarré, µ(Fn ) = 0. Alors
S
on vérifie facilement que tout x ∈
/ n∈N Fn est récurrent. 

3. Ergodicité
Un système dynamique mesuré est ergodique s’il est irréductible dans le
sens où on ne peut pas le décomposer en deux systèmes disjoints.

Définition 3.1. Un système mesuré (X, B, f µ) est dit ergodique lorsque

tout ensemble f -invariant A (i.e. f −1 A = A), est de mesure nulle ou totale.

Proposition 3.2. µ est ergodique ssi pour tout φ : X → R mesurable,

[φ ◦ f = φ µ p.p.] ⇒ [∃C ∈ R, φ = C µ p.p.] .

Démonstration. L’implication ⇐ suit directement en prenant φ = χA

avec f −1 A = A. Montrons maintenant ⇒. On commence par considérer φ =
χE une indicatrice. On pose E0 := {x ∈ X, f k x ∈ E pour une infinité de k ∈
N}. L’ensemble E0 est invariant, donc de mesure nulle ou totale. Il suffit pour
conclure de voir que χE = χE0 presque partout. D’après le théorème de ré-
f −k− E \E ⊂
S

curence de Poincaré, µ(E \E0 ) = 0. Puis on a E0 \E ⊂ k∈N
−k−1 −k
et µ(f −k−1 E \ f −k E) = µ(f −1 E \ E) = 0 (car
S

k∈N f E \ f E
χE ◦ f = χE µ p.p.). On suppose maintenant φ général. Pour tout réel
t, l’ensemble Et = {φ > t} est presque invariant, i.e. µ p.p. χEt ◦ f = χEt .
On déduit de la discussion précédente que µ(Et ) ∈ {0, 1}. On conclut faci-
lement que φ = c presque partout avec c = sup{t, µ(Et ) = 0}. 

Corollaire 3.3. L’ergodicité est une propriété spectrale : µ est ergo-

dique ssi l’espace propre de Uf associé à la valeur propre 1 est de dimension
1 (correspondant à l’ensemble des fonctions constantes presque partout).

Exemples :
81. SYSTÈMES DYNAMIQUES MESURÉS : PREMIÈRES PROPRIÉTÉS ET EXEMPLES

— la rotation d’angle α sur le cercle est ergodique (pour la mesure de

Lebesgue) ssi α est irrationnel.
— un automorphime linéaire du tore fA est ergodique ssi A n’a pas de
valeurs propres racines de l’unité.

Pour montrer l’ergodicité de la mesure de Lebesgue dans ces deux exemples

on peut par exemple utiliser le développement en série de Fourier pour éta-
blir qu’il n’existe pas de fonctions L2 invariantes autre que les constantes.
On conclut à l’aide du corollaire ci-dessus. Nous le démontrons pour les
automorphismes du tore et laissons le cas plus facile de la rotation irratio-
nelle. Sur le tore Rn /Zn les fonctions (ek )k∈Zn , ek (x) = e2iπ<k,x> definissent
une base hilbertienne de L2 . Soit φ ∈ L2 tel que φ ◦ fA = φ et notons
P
φ = k ak (φ)ek son développement en série de Fourier. Alors pour tout
n
k∈Z ,

ak (φ ◦ fA ) = < φ ◦ fA , ek >,
Z
= φ(Ax)e−2iπ<k,x> dLeb(x),
n
R /Z n
Z
−1
= φ(x)e−2iπ<k,A x> dLeb(x),
Rn /Zn
Z
∗ −1
= φ(x)e−2iπ<(A ) k,x> dLeb(x),
Rn /Zn
= a(A∗ )−1 k .

L’identité φ ◦ fA = φ donne alors aA∗ l = al pour tout l ∈ Zn . Si A n’a pas

de racine de l’unité il en est de même de A∗ (une matrice et son adjoint
ont le même spectre). Donc pour l 6= 0 le sous ensemble de Zn formé par
les (A∗ )k l est infini (pourquoi ?). La série des (ak )k étant de carré sommable
on a nécessairement al = 0 pour tout l 6= 0 et donc φ est constante. La
mesure de Lebesgue est en fait dans ce cas totalement ergodique, i.e. elle
est ergodique pour toutes les puissances de fA . Enfin si A et donc A∗ admet
une valeur propre racine nme de l’unité alors il existe l ∈ Zn et m ∈ N∗ tel
que (A∗ )m l = l. La fonction L2 0≤p<m e(A∗ )p l est alors fA -invariante.
P

Pour la rotation, au lieu des séries de Fourier on peut aussi utiliser "la
distorsion nulle” des translations comme suit (voir aussi Lemme 1.1 Cha-
pitre 5 sur l’application de Gauss). Soit A un ensemble invariant par fα
avec Leb(A) ∈]0, 1[ et établissons une contradiction. D’après le théorème
de différentiation de Lebesgue, presque tout point x ∈ A est de densité,
 4. MÉLANGE 9

r→0
i.e. Leb(B(x,r)∩A)
Leb(B(x,r))
−−→ 1. Soit x0 ∈ A un tel point de densité (par hy-
pothèse Leb(A) > 0) et soit r0 > 0 tel que pour tout r < r0 on ait
Leb(B(x0 ,r)∩A)
Leb(B(x0 ,r))
> Leb(A)(< 1). Alors par densité de αZ dans le cercle on
peut recouvrir le cercle par une collection dénombrable de boules (qui sont
ici juste des intervalles) fermées d’intérieur disjoint de la forme fαn B(x0 , r)
avec n ∈ Z et r < r0 (faites-le !). Enfin, on a pour chacune de ces boules,
par invariance de A et de la mesure de Lebesgue, Leb(fαn [B(x0 , r)] ∩ A) =
Leb(fαn [B(x0 , r) ∩ A]) = Leb(B(x0 , r) ∩ A) > Leb(A)Leb(B(x0 , r)) d’où la
contradiction en sommant l’inégalité précédente sur toutes les boules de la
collection.

4. Mélange

Définition 4.1. µ est dite mélangeante lorsque pour tout A, B ∈ B, on

a

n→+∞
µ f −n A ∩ B −−−−→ µ(A)µ(B).

Proposition 4.2. µ est mélangeante ssi pour tout φ, ψ ∈ L2 on a

Z Z Z
n n→+∞
φ ◦ f ψdµ −−−−→ ( φdµ)( ψdµ).

Autrement dit pour tout φ ∈ L2 , la suite (φ ◦ f n )n converge faiblement vers

R
φdµ. En particulier le mélange est une propriété spectrale.

Remarquez que pour montrer le mélange il suffit d’établir le critère pré-

cédent pour tout φ, ψ dans une partie dense de L2 (I).

Proposition 4.3. Le mélange entraine l’ergodicité.

Démonstration. Soit µ mélangeante et C invariant, f −1 C = C. Alors

en prenant A = B = C dans la definition du mélange, on obtient µ(A) =
µ(A)2 et donc µ(A) ∈ {0, 1}. 

Exemples :
— la rotation sur le cercle n’est jamais mélangeante,
— les automorphismes linéaire du n-tore ergodiques sont mélangeant.
Montrons le deuxième point. Il suffit de montrer la Proposition 4.2 pour
φ, ψ ∈ {ek , k ∈ Zn } (pourquoi ?). Remarquons que UfA laisse invariant cet
ensemble. Puis si k, l ∈ Zn , il existe au plus un entier n tel que ek ◦ fAn = el
(sinon ek serait invariant par une certaine puissance de fA , ce qui est exclu
puisque A est totalement ergodique). Donc pour m > n on a < ek ◦fAm , el >=
0 ce qui entraine bien le mélange.
10
1. SYSTÈMES DYNAMIQUES MESURÉS : PREMIÈRES PROPRIÉTÉS ET EXEMPLES

5. Bernoulli

Soit S l’ensemble fini S = {1, ..., s}. On note µp la mesure de Bernoulli

P
de paramètre p = (p1 , ..., ps ) (avec pi ≥ 0 et i pi = 1) sur S. On considère
le décalage σ sur le produit infini S Z , i.e. σ((xn )n ) = (xn+1 )n . On note µZp
l’unique measure de proba sur S Z (obtenu par le théorème de Carathéo-
dory ou loi de consistence de Kolmogorov) satisfaisant pour tout cylindre
[xk , ..., xl ] := {(yn )n ∈ S Z , yi = xi for i = k, ..., l} l’égalité suivante
l
Y
µZp ([xk , ..., xl ]) = p xi .
i=k

Clairement µZp est σ-invariante.

Proposition 5.1. Tout schéma de Bernoulli (S Z , B, σ, µZp ) est mélan-

geant.

Démonstration. Il suffit de montrer le mélange pour φ et ψ des

indicatrices de cylindres (pourquoi ?), disons respectivement [xk , ..., xl ] et
[ym , ..., yn ]. Alors φ ◦ σ n est l’indicatrice du cylindre [xk−n , .., xl−n ] de sorte
que pour l − n < m la fonction φ ◦ σ n ψ est l’indicatrice sur l’union des
cylindres de la forme [xk−n , ..., xl−n , zl−n+1 , ..., zm−1 , ym , ..., yn ] pour tous les
zl−n+1 , ..., zm−1 ∈ S. On calcule facilement que la mesure de cette union
coincide avec le produit des mesures des deux cylindres initiaux [xk , ..., xl ]
et [ym , ..., yn ]. 

On peut montrer (faites le !) que le doublement de l’angle f2 est iso-

morphe à un schéma de Bernoulli de paramètre (1/2, 1/2). En particulier,
il est mélangeant aussi.

6. Exercices
Exercice 1. Formule de Kac.
Soit (X, B, µ, f ) un système mesuré et A ∈ B avec µ(A) > 0. D’après le
théorème de récurrence de Poincarré il existe A0 ⊂ A avec µ(A0 ) = µ(A)
tel que pour x ∈ A0 on revient dans A. On note τA : A0 → A l’application
de premier retour dans A, i.e. τA (x) = inf{n > 0, f n (x) ∈ A}.
— montrez par récurrence que pour tout φ ∈ L∞ (X) et pour tout entier
N,
Z Z NX−1 Z
φdµ = φ ◦ f .1τA >j dµ + φ ◦ f N .1TNj=1 f −j Ac dµ,
j
A j=0
R R PτA −1
— En déduire que φdµ = A k=0 φ ◦ f k dµ,
 6. EXERCICES 11

1
R
— Montrez que τ
A A
= µ(A)
.

Exercice 2.
On se propose de montrer que si ([0, 1], f, B[0,1] , µ) est un système mesuré
sur l’intervalle alors pour µ-p.t. x, on a
lim inf n|f n (x) − x| ≤ 1
n
— En raisonnant par l’absurde montrer qu’il existe c > 1 et N tel que
E = {x, n|f n (x) − x| > c pour tout n > N } est de mesure positive,
— Pour un point de densité a de E on considère Er = E ∩ B(a, r) pour
r petit. Donner une borne inférieure pour le temps de retour d’un
point de Er ,
— Obtenez une contradiction en utilisant la formule de Kac.

Exercice 3. Lemme de Rohlin.

Soit (X, f, B, µ) un système ergodique inversible apériodique. On se propose
de montrer que pour tout  > 0 et tout n > 0 il existe un A0 ∈ B tel que
A0 , f A0 , ..., f n−1 A0 soient deux à deux disjoints et µ( 0≤k<n f k A0 ) > 1 − .
S

— Montrer que pour tout A ∈ B avec µ(A) > 0, on a µ( n∈N f n A) = 1,

S

— Pour A ∈ B on note Ak = A ∩ {τA = k} avec τA le premier temps

de retour dans A. Montrer que les ensembles de la forme B = f mn Ak
avec mn < k vérifie que B, f B, ..., f n−1 B sont deux à deux disjoints,
— On considère l’union A0 de tous ces ensembles B. Montrez que A0 ,
f A0 ,..., f n−1 A0 sont deux à deux disjoints puis que
!
[
µ X \( T k A0 ) ≤ (n − 1)µ(A),
0≤k<n

— Conclure.
 Chapitre 2

Théorèmes ergodiques

Contents
1. Théorème ergodique en moyenne 13
2. Théorèmes ergodiques ponctuels 16
3. Preuve de l’inégalité maximale 20
4. Deux exemples d’applications 21
4.1. Nombres normaux 21
4.2. Exposant de Lyapunov maximal positif 22
5. Exercices 22

On considère toujours dans ce chapitre un système dynamique mesuré

(X, B, f, µ). On notera I la tribu des invariants, i.e.
I = {A ∈ B, f −1 A = A}.
On voit facilement que L2 (I) coincide avec {φ ∈ L2 (B), φ ◦ f = φ}. Pour
φ ∈ L2 = L2 (B) l’espérance conditionnellle de φ relativement à I est la
projection orthogonale de φ sur L2 (I). Lorsque la mesure est ergodique, la
tribu I des invariants est triviale (à des ensembles de mesure nulle près) et
R
donc E[φ|I] = φdµ pour tout φ ∈ L1 .

1. Théorème ergodique en moyenne

Rappelons enfin que l’opérateur de Koopman sur L2 qui à φ associe φ ◦ f

est noté Uf et définit une isométrie.

Théorème 1.1 (Théorème ergodique en moyenne). Avec les notations

ci-dessus, on a pour tout φ ∈ L2 ,

n−1
1 X k n→+∞
U φ −−−−→ E[φ|I] dans L2
n k=0 f

En fait ce résultat suit du théorème plus général suivant (prendre H =

L2 , U = Uf , Ker(Id − U ) = L2 (I)) :

Théorème 1.2. Soit H un espace de Hilbert et U : H → H une contrac-

tion linéaire. Alors on a pour tout x ∈ H,
13
14 2. THÉORÈMES ERGODIQUES

n−1
1 X k n→+∞
U x −−−−→ p(x),
n k=0
où p(x) est le projeté orthogonal de x sur Ker(Id − U ).

On commence par rappeler quelques faits classiques d’analyse hilber-

tienne.

Lemme 1.3. Soit H un hilbert. On a

— si F est un sev de H alors

H = F ⊕⊥ F ⊥ ,

— si U : H → H est une application linéaire continue, alors

Im(U )⊥ = Ker(U ∗ ),

— si U : H → H est une contraction linéaire (i.e. kU xk ≤ kxk pour

tout x), alors U ∗ est aussi une contraction linéaire et

Ker(Id − U ) = Ker(Id − U ∗ ).

Démonstration. On montre juste le dernier point les deux autres

étant classiques. On a par l’inégalité de Cauchy-Schwartz pour tout x, y :

< y, U ∗ x >=< U y, x >≤ kxkkyk.

Donc U ∗ est aussi une contraction linéaire. Puis x est dans le noyau de
Id − U ssi on est dans le cas d’égalité du Cauchy-Schwartz ci-dessus avec
x = y, qui entraine que x est aussi dans le noyau de Id − U ∗ . 

On montre maintenant le théorème 1.2. D’après le lemme précédent ap-

pliqué avec F = Im(Id − U ), on a

H = Im(Id − U ) ⊕⊥ Im(Id − U )⊥ ,
= Im(Id − U ) ⊕⊥ Ker(Id − U ∗ ),
= Im(Id − U ) ⊕⊥ Ker(Id − U ).

On a
— si x ∈ Ker(Id − U ), alors n1 n−1 k
P
k=0 U x = x = p(x),
— si x ∈ Im(Id − U ), il existe y ∈ X tel que x = y − U y et donc
1
Pn−1 k 1 n n
n k=0 U x = n (y − U y) → − 0 = p(x) puisque kU n yk ≤ kyk.
Par linéarité il s’ensuit que le théorème est vrai pour tout x ∈ Im(Id −
U ) ⊕⊥ Ker(Id − U ).
 1. THÉORÈME ERGODIQUE EN MOYENNE 15

Lemme 1.4. Soit (Un )n une suite de contractions linéaires, alors

G = {x ∈ H, (Un x)n converge}
est un sev fermé de H et la limite U : G → H est linéaire continue.

Ce lemme conclut la preuve du Théorème 1.2 avec Un = n1 n−1 k

P
k=0 U pour
tout n. Puis G étant dense dans H dans notre cas, on a la convergence en
tout point et la limite est continue. Puisqu’elle coincide avec p (continue sur
H) sur G elle est égale à p.
Démonstration du Lemme 1.4. On note pour tout x le reste de Cau-
chy
∆(x) = lim sup kUq x − Uq0 xk,
N q,q 0 >N

de sorte que (Un x)n converge ssi ∆(x) = 0. Montrons que G est fermé. Soit
(xp )p une suite de H telle que ∆(xp ) = 0 pour tout p et qui converge vers
x. On a alors
∆(x) ≤ ∆(x − xp ) + ∆(xp ),
≤ ∆(x − xp ),
≤ 2 sup kUn (x − xp )k,
n
p
≤ kx − xp k →
− 0.
On a clairement par linéarité des (Un )n que G est un espace vectoriel et
que la limite U est linéaire. Les applications (Un )n étant des contractions il
en est de même de U . 
Pn−1 R
Corollaire 1.5. µ est ergodique ssi ∀φ, ψ ∈ L2 , on a n1 k=0 φ◦
n n R R
f ψdµ → − φdµ ψdµ.

Théorème 1.6 (Théorème ergodique en moyenne L1 ). Avec les nota-

tions ci-dessus, on a pour tout φ ∈ L1 ,

n−1
1 X k n→+∞
Uf φ −−−−→ E[φ|I] dans L1 .
n k=0

Démonstration. Dans la preuve précédente nous avons vu que pour

la restriction U de Uf à L2 , le sous espace vectoriel F de L2 défini par
F = Im(Id−U )+Ker(Id−U ) était dense dans (L2 , kk2 ). L’espace L2 étant
dense dans (L1 , kk1 ) et l’injection canonique de (L2 , kk2 ) dans (L1 , kk1 ) étant
continue, l’espace vectoriel G est aussi dense dans (L1 , kk1 ). De plus pour
φ ∈ F on a la convergence L2 et donc L1 de (Un φ)n vers E[φ|I]. Le Lemme
1.4 permet de conclure la convergence L1 de (Un φ)n pour tout φ ∈ L1 . De
16 2. THÉORÈMES ERGODIQUES

plus la limite définit un opérateur linéaire continue. Celui-ci est égal sur
F à l’espérance conditionnelle relativement à la tribu des invariants, qui
est aussi un opérateur linéaire continue de (L1 , kk1 ). Par densité de F dans
(L1 , kk1 ) ils coincident sur tout L1 . 

2. Théorèmes ergodiques ponctuels

Théorème 2.1 (Théorème ergodique ponctuel). Soit (X, B, f, µ) un

système dynamique mesuré et I sa tribu des invariants. Alors pour tout
φ ∈ L1 (µ),

n−1
1X n
φ(f k x) →
− E[φ|I] pour µ p.t. x.
n k=0
La convergence a aussi lieu dans L1 .

Une conséquence directe du théorème ergodique est donnée par le lemme

suivant, dont nous donnons une preuve directe indépendante.

Lemme 2.2. Avec les notations précédentes,

1 n
φ(f n x) →
− 0 pour µ p.t. x.
n
Démonstration. Pour  > 0 on a
X X  |φ| 
n
µ(|φ ◦ f | > n) = µ >n ,
n≥1 n≥1

Z
φ
≤ dµ.
|φ|> 

On conclut à l’aide du lemme de Borel-Cantelli. 

Théorème 2.3 (Théorème ergodique sous-additif). Soit (X, B, f, µ) un

système dynamique mesuré et (φn )n ∈ L1 (µ)N une suite sous-additive (pour
f ), i.e. φn+m (x) ≤ φn (x) + φm (f n x) pour tout entiers m, n ≥ 0 et tout
x ∈ X. Alors il existe une fonction φ ∈ L1 (µ) f -invariante telle que

φn (f n x) n
→
− φ pour µ p.t. x.
n R
R φ
La convergence a aussi lieu dans L1 et φ = inf n n n .

Nous allons montrer le théorème ergodique sous-additif. Celui-ci entraine

le théorème ergodique ponctuel. En effet la limite presque sûre φ coincide
nécessairement dans ce cas avec la limite L1 qui est l’espérance condition-
nelle relativement aux invariants d’après le Théorème 1.6 (on peut extraire
 2. THÉORÈMES ERGODIQUES PONCTUELS 17

de tout suite convergente dans L1 une sous-suite qui converge presque sû-
rement vers la limite L1 ).

L’outil fondamental pour montrer la convergence presque sûr d’une fa-

mille de fonctions est une inégalité dite maximale (voir aussi le théorème de
différentiation de Lebesgue ou le théorème de Doobs de convergences des
martingales).

Lemme 2.4 (Inégalité Maximale). Soit (φn )n ∈ L1 (µ)N suraddditive, i.e.

(−φn ) sousadditive, et φn ≥ 0 pour tout n. Alors pour tout α > 0
  R
φn φn dµ
αµ sup > α ≤ sup .
n n n n
Pour φ ∈ L1 (µ) et n ∈ N∗ on note Un (φ) la suite (sous, sur)-additive
donne par
n−1
X
Un (φ) = φ ◦ f k.
k=0
Clairement lorsque φ est un cobord borné (i.e. il existe ψ ∈ L∞ (µ) tel
que φ = ψ ◦ f − ψ) ou φ une fonction invariante (i.e φ ◦ f = φ) ou encore une
combinaison linéaires de telles fonctions, les suites (sous) additives (Un (φ))n
verifient le théorème ergodique sous-additif. On va montrer :
— toute suite sous-additive est limite dans un certain sens d’une telle
suite,
— la convergence p.p. et L1 passe à la limite au moyen de l’inégalité
maximale.

On va commencer par établir le premier point mais précisons tout d’abord

la notion de convergence utilisée. Soit (ψn ) et (φ1n ), (φ2n ),... des suites de fonc-
tions L1 . On dira que "(φn )p converge vers (ψn ) quand p tend vers l’infini"
s’il existe des suites (θn )p dans L1 (µ), tels que
— (θn )p est positive et suradditive pour f p , i.e. θ(m+n)p (x) ≥ θmp (x) +
θnp (f pm x) pour tout m, n ∈ N et tout x ∈ X,
p p
θnp θn
— lim supn np
= lim supn n
presque partout et dans L1 ,

— |ψn − φpn | ≤ θnp pour tout n, p,

R p
θnp dµ p
— supn np
→
− 0.
18 2. THÉORÈMES ERGODIQUES

On déduit facilement de la preuve du théorème ergodique en moyenne le

lemme suivant.

Lemme 2.5. L’espace vectoriel Ep de L∞ ∩ L1 (µ) engendré par {φ :

∃ψ ∈ L∞ (µ), φ = ψ ◦ f p − ψ} et {φ : φ ◦ f p = φ} = L1f p (I) est dense dans
L1 (µ).

Démonstration. On peut supposer p = 1. On a vu que l’espace vec-

toriel engendré par {φ : ∃ψ ∈ L2 , φ = ψ ◦ f − ψ} et {φ ∈ L2 : φ ◦ f = φ}
est dense dans L2 . L’espace L∞ étant dense dans L2 l’espace E1 est aussi
dense dans L2 . Or L2 est un sous ensemble dense de L1 et l’injection de L2
dans L1 est continue. Il s’en suit que E1 est aussi dense dans L1 .


Pour tout p et toute suite φ = (φn ) ∈ L1 (µ)N (avec φ0 = 0) on note

(Unp φ)n la suite définie pour tout x et tout entiers n, p par

[n/p]
X
Unp φ(x) = φn−[n/p]p (f [n/p]p
x) + φp (f kp x).
k=0
∞
Comme
 pon l’a remarqué précédemment pour φp ∈ Ep et φ1 , ..., φp−1 ∈ L
la suite Un φ(x)
n
converge pour presque tout x.
n

Lemme 2.6. Soit (φn ) ∈ L1 (µ)N une suite sous-additive et (φ̃n ) ∈ n En

Q

avec kφn − φ̃n k1 < 1 pour tout n, alors (Unp φ̃)p "converge vers" (φn ).

Démonstration. On a |Unp φ − Unp φ̃| ≤ Unp |φ − φ̃| et ainsi |Unp φ̃ − φn | ≤

Unp |φ− φ̃|+Unp φ−φn . Le terme de droite θnp définit bien une suite suradditive
p p
θnp
pour f p et positive. De plus on vérifie lim supn np = lim supn θnn . En effet si
on pose Vnp = (Unp φ − φn )n alors on a pour n = (k + 1)p − s et r = p − s
avec 0 ≤ s < p on a
p
V(k+1)p (x) ≥ U(k+1)p (x) − φn (x) − φs (f n x),
p
≥ Ukp (x) + φp (f kp x) − φn (x) − φs (f n x),
≥ Vn (x) − φr (f kp x) + φp (f kp x) − φs (f n x).

Les trois termes de droites quotientés par n tendent vers 0 d’après le Lemme
2.2. De meme on a
p
U(k+1)p |φ − φ̃|(x) ≥ Unp |φ − φ̃|(x) + |φp − φ̃p |(f kp x) − |φr − φ̃r |(f kp x).
p p
θnp θn
On conclut alors que lim supn np
= lim supn n
.
 2. THÉORÈMES ERGODIQUES PONCTUELS 19

Enfin on a pour tout entier n > 0

R p
θnp dµ
Z 
1 p p

= Unp |φ − φ̃| + Unp φ − φnp dµ
np np
Z  
kφp − φ̃p k1 φp φnp
≤ + sup − dµ,
p n p np
puis d’après le Lemme 3.2 énoncé plus loin
R p
θnp dµ
Z Z
φp φm p→+∞
sup ≤ 1/p + dµ − lim dµ −−−−→ 0.
n>0 np p m m

On montre maintenant le deuxième point.

Lemme 2.7. Avec les notations precedentes on suppose que (φp )p = (φpn )p
converge vers ψ = (ψn ).
p
1. si pour tout p la suite ( φnn(x) ) converge pour µ p.t. x, alors la suite ( ψnn(x) )
converge aussi pour µ p.t. x,
p
2. si pour tout p la suite ( φnn ) converge dans L1 , alors la suite ( ψnn ) converge
aussi dans L1 .

Démonstration. Pour x ∈ X et une suite de fonction φ = (φn )n

on note ∆φ(x) le reste de Cauchy en x de la suite φnn(x) , i.e. ∆(x) :=
φq0 (x)
limN supq,q0 ≥N | φqq(x) − q0
|. On a pour tout x et tout p

∆ψ(x) ≤ ∆|ψ − φp |(x) + ∆(φp ),

≤ ∆|ψ − φp |(x).
puis pour tout α > 0
µ(∆ψ > α) ≤ µ(∆|ψ − φp | > α),
|ψn − φpn |
≤ µ(lim sup > α),
n n
θp
≤ µ(lim sup n > α).
n n
p p
θnp θn
Par hypothèse lim supn np
= lim supn n
et donc en utilisant ensuite l’in-
egalite maximale :
θnp
µ(∆ψ > α) ≤ µ(lim sup > α),
n n
p
θnp
≤ µ(lim sup > α),
n np
R p
1 θnp dµ
≤ sup .
α n np
20 2. THÉORÈMES ERGODIQUES

Comme ce dernier terme tends vers 0 quand p tends vers l’infini on en

deduit que ∆ψ(x) = 0 pour µ pp x.
Montrons enfin le second point qui n’utilise pas l’inégalité maximale. En
notant comme dans le Lemme 1.4 la notation ∆(Ξ) pour désigner le reste
de Cauchy d’une suite Ξ de L1 (µ) on a avec Ψ = (ψn /n)n , Φp = (φpn /n),
Θp = (θnp /n)n et Θ̃p = (θnp
p
/np)n :

∆(Ψ) = ∆(|Ψ − Φp |),

≤ ∆(Θp ),
p
≤ ∆(Θ̃p ) =→
− 0.

3. Preuve de l’inégalité maximale

Il nous reste a montrer l’inégalité maximale.

Inegalite maximale. On aura besoin du lemme élémentaire suivant

dû à F. Riesz :

Lemme 3.1. Soient u1 , ..., un ∈ R. On note vj = max(0, uj+1 , uj+1 +

uj+2 , ..., uj+1 + ... + uj+n ) pour j = 0, ..., n − 1 et vn = 0. Alors
n−1
X
uj+1 1vj >0 ≥ 0.
j=0

Le lemme se déduit facilement des observations suivantes. Pour tout

j ≥ 0, on a
vj ≤ vj+1 + uj+1 1vj >0
puis en sommant sur j = 0, ..., n − 1 on obtient

n−1
X
0 ≤ v0 − vn = v0 ≤ uj+1 1vj >0 .
j=0

On revient maintenant à la preuve de l’inégalité maximale. On applique

le lemme de Riesz au n-uplet uj = φj − φj−1 − α pour j = 1, ..., n :

n−1
X
(φj − φj−1 − α)1vj >0 ≥ 0
j=0

Puis (φn )n est suradditive positive, donc croissante d’où pour tout j

φj − φj−1 ≥ (φj − φj−1 )1vj >0 et donc

 4. DEUX EXEMPLES D’APPLICATIONS 21

n−1
X
φn ≥ α 1vj >0
j=0
puis en intégrant
Z X
φn dµ ≥ α µ(vj > 0)
j

Mais par suradditivité on a (vj > 0) = (maxn≥l>j (φl − φj ) > (l − j)α) ⊃

(maxn−j≥l−j>0 (φl−j ◦f j ) > (l−j)α). Par invariance de µ ce dernier ensemble
à même mesure que (maxn−j≥l−j>0 (φl−j ) > (l − j)α) et donc en changeant
les variables, k = n − j et m = l − j,

X X φm
µ(vj > 0) ≥ µ( max > α).
j k=1,...,n
0≤m≤k m
k→+∞
et donc puisque µ(max0≤m≤k φmm > α) −−−−→ µ supn φn


n
> α on a par
Césaro R  
φn dµ φn
lim inf ≥ αµ sup >α .
n n n n
R R
φ dµ φ dµ
Il suffit pour conclure de verifier que lim inf n nn = supn nn . Cela vient
R
de la suradditivité de ( φn dµ)n et du lemme classique suivant

Lemme 3.2. Soit (an )n ∈ RN une suite suradditive, i.e. an+m ≥ an + am

pour tout entiers n, m. Alors la suite (an /n)n converge vers supn an /n.

Dans le théorème ergodique de Birkhof, si on suppose φ dans Lp pour

p ∈ [1, +∞[ alors les moyennes de Birkhof n1 k<n φ ◦ f k converge vers
P

E[f |I] dans Lp . En effet si φ ∈ L∞ il suffit d’appliquer le théorème ergo-

dique ponctuel et théorème de convergence dominée. Puis on conclut avec
le Lemme 1.4.

4. Deux exemples d’applications

4.1. Nombres normaux. Un nombre x ∈ [0, 1) est dit normal s’il ad-
met un unique developement en base 2 avec une fréquence 1/2 de 0 et de 1.

La mesure de Lebsegue sur le cercle étant invariante par x 7→ 2x mod 1,

il suit du théorème ergodique :

Corollaire 4.1. Lebesgue presque tout point x ∈ [0, 1) est normal.

22 2. THÉORÈMES ERGODIQUES

4.2. Exposant de Lyapunov maximal positif. Soit (X, B, f, µ) un

système mesuré ergodique et soit A : X → Md (R) une application mesu-
rable. On considère le cocycle (An : X → Md (R))n associé à A définie pour
n > 1 par recurrence :

∀x ∈ X, An (x) = A(f n x) ◦ An−1 (f n−1 x).

Pour une norme multiplicative sur Md (R) la suite log kAn (x)k est sous-
additive. On déduit alors du théorème ergodique sous additif :

Corollaire 4.2. On suppose x 7→ log+ kA(x)k ∈ L1 (µ). La suite

( n1 log kAn (x)k)n converge pour p.t. x vers inf n n1 log kAn (x)kdµ(x). Cette
R

limite (indépendante de la norme k sur Md (R)) est appelée l’exposant de

Lyapunov (maximal) du cocycle A.

5. Exercices
Exercice 4. Récurrence de Kintchine.
Un ensemble d’entiers est dit relativement dense s’il intersecte tout intervalle
d’entiers de longueur ≥ L pour un certain L. Soit (X, B, µ, f ) un système
mesuré, on se propose de montrer que pout tout A ∈ B et tout  > 0 il
existe un ensemble relativement dense d’entiers N , tel que pour tout n ∈ N
on a :
µ(A ∩ f −n A) > µ(A)2 − 
— En utilisant le théorème ergodique de Von Neuman montrer que pour
n assez grand on a pour tout entier l,

n−1
1X
k (1A ◦ f k − 1A ◦ f k+l k2 < 2,
n k=0
— En déduire que m(A)2 <  + N12 0≤n,m≤N −1 µ(f −m A ∩ f −n−l A),
P

— Conclure.

Exercice 5. Capacité orbitale.

Soit X un espace compact métrisable et T : X → X une application conti-
nue. Pour tout borélien A ⊂ X on note ocap(A) sa capacité orbitale définie
par :
1
ocap(A) := lim sup ]{0 ≤ k < n, T k x ∈ A}.
n n x∈X

— Montrer que la limite est bein définie,

— Montrez que pour tout A et toute mesure de proba T -invariante on a
µ(A) ≤ ocap(A),
 5. EXERCICES 23

— Montrez que pour A fermé, on a

sup µ(A) = ocap(A),
µ

— Donner un exemple de A où l’inégalité est stricte.

Exercice 6.
Soit (X, A, µ, f ) un système dynamique mesuré et soit φ ∈ L1 .
— Pour tout  > 0 on pose A := {x, Sn φ(x) > } et B := k∈N f −k A .
S
n
Montrer que si Sn φ(x) →− +∞ alors x ∈ B .
— On suppose que µ p.t. x ∈ X n∈N φ(f n x) = +∞. Montrer que
P
Z
φdµ > 0.
 Chapitre 3

Mesures invariantes d’un système dynamique

topologique

Contents
1. Compacité 25
2. Structure convexe 26
3. Unique ergodicité 28
3.1. Exercices 31

On considère dans tout ce chapitre un système dynamique topologique

(X, f ), i.e. X est un espace metrisable compact et f : X → X une ap-
plication continue. On note C(X) l’ensemble des applications continues de
X dans C muni de la topologie de la convergence uniforme et M(X) l’en-
semble des mesures de probabilités boréliennes muni de la topologie faible-*.
Rappelons que cette topologie est la plus petite toplogie rendant les appli-
R
cations µ 7→ φdµ pour φ ∈ C(X). Muni de cette topologie M(X) est
compacte et cette topologie est métrisable. Par exemple si (fn )n est une
partie dense dénombrable de C(X) alors la métrique d suivante induit la
topologie faible-*
R R
X | φn dµ − φn dν|
d(µ, ν) :=
n
2n (1 + kφn k∞ )
Uf agit sur C(X) par composition Uf (φ) = φ◦f et sur M(X) par dualité
f µ = µ(f −1 .) :
∗

Z Z
∗
φ(f µ) = φ ◦ f dµ pour tout (µ, f φ ∈ M(X) × C(X).

1. Compacité
Lemme 1.1. L’application f ∗ : M(X) → M(X) est continue.

Lemme 1.2. L’ensemble M(X, f ) := {µ ∈ M(X), µ est f -invariante}

est un compact convexe non vide de M(X).

Démonstration. C’est un fermé comme ensemble des points fixes

d’une application continue. Montrons qu’il est non vide. Pour x ∈ X on
25
26 3. MESURES INVARIANTES D’UN SYSTÈME DYNAMIQUE TOPOLOGIQUE

1
Pn−1
note δx la mesure de Dirac en x. On note aussi µxn := n k=0 δf k x . On vérfie
facilement,

n
1X
(1.1) f ∗ µxn = δ k ,
n k=1 f x
1
(1.2) = µxn + (δf n x − δx ) .
n
Si µ = limk µnk est une limite faible dans M(X) de (µn )n alors par
continuité de f ∗ , on a limk f ∗ (µnk ) = f ∗ (µ) et donc en passant à la limite
dans (1.1) on obtient f ∗ µ = µ, c’est à dire µ ∈ M(X, f ). 
En fait le même argument permet de montrer l’énoncé suivant (faites-
le !) :
Pn−1 ∗ k
Lemme 1.3. Avec les notations précédentes et Unf := n1 k=0 (f ) , la
f
suite de compacts Un M(X) converge pour la topologie de Hausdorf vers
M(X, f ).

On notera par la suite Me (X, f ) le sous ensemble de M(X, f ) formé par

les mesures ergodiques.

Lemme 1.4. On suppose µ ∈ Me (X, f ). Alors pour µ p.t. x, on a

n−1
1X n→+∞
δf k x −−−−→ µ dans M(X).
n k=0

Démonstration. Soit (φn )n une partie dense dénombrable de C(X).

En raisonnnant par densité (comme dans le lemme 1.4) il suffit de montrer
qu’il existe un ensemble de mesure totale E telle que pour tout x ∈ E
on est n1 n−1
P k
R
k=0 φn (f x) converge vers φn dµ quand n tends vers l’infini.
Mais on sait d’après le théorème de Birkhof que pour chaque n il existe un
ensemble En de mesure totale tel que tout x ∈ En satisfait cette propriété
T
de convergence. Il sufffit donc de prendre x ∈ E := n En . 

2. Structure convexe
Pour un ensemble convexe C l’ensemble extrémal, ex(C), est l’ensemble
des points de C qui ne sont pas dans des segments ouverts de C.

Lemme 2.1.
Me (X, T ) = ex(M(X, T ))
En particulier d’après le théorème de Krein-Millman, il existe toujours des
mesures ergodiques f -invariantes.
 2. STRUCTURE CONVEXE 27

Démonstration. — ⊃ Soit E invariant alors µ|E et µ|X\E sont

aussi f -invariantes et donc

µ = µ(E)µ|E + (1 − µ(E))µ|X\E ,

— ⊂. On propose deux preuves. On suppose par l’absurde que µ ∈

Me (X, f ) n’est pas extrémal, i.e. il existe t ∈]0, 1[ et µ1 6= µ2 ∈
M(X, f ) tels que µ = tµ1 + (1 − t)µ2 .
[Link] E ∈ B. D’ après le théorème ergodique ponctuelle, on a la
convergence µ p.p.
n−1
1X
1E ◦ f n → µ(E), Eµi [1E |I].
n k=0

En particulier µ(E) = µi (E) pour i = 1, 2, mais µ1 6= µ2 .

2. Puisque µi << µ, il existe d’après le théorème de Radon-
Nykodin φi ∈ L1 (µ) tels que µi = φi dµ. L’invariance de µi et µ en-
traine celle de φi . Par ergodicité de µ les fonctions φi sont constantes
d’intégrale 1 donc égales à 1.


Lemme 2.2. Soient µ et ν deux mesures ergodiques distinctes. Alors

µ⊥ν, i.e. il existe E ∈ B avec µ(E) = 0 et ν(E) = 1.

Démonstration. D’après le lemme précédent, la mesure χ = 21 (µ + ν)

n’est pas ergodique. Soit donc E un ensemble f -invariant avec χ(E) 6=
{0, 1}. Mais µ et ν étant ergodiques on a (µ(E), ν(E)) ∈ {0, 1}2 6= (0, 0), (1, 1).


Lorsque M est une mesure de proba sur M(X, T ) on peut lui associer un
barycentre, bar(M ). C’est l’unique élément de M(X, f ) tel que pour tout
fonction affine continue φ : M(X, T ) → R

Z
f (ν)dM (ν) = φ(bar(M )).

Le convexe compact M(X, f ) étant métrisable on peut montrer le théo-

rème suivant (voir R. Phelps, "Lectures on Choquet’s theorem" ) :

Théorème 2.3. Pour toute mesure µ ∈ M(X, f ) il existe une unique

mesure Mµ (appelée la décomposition ergodique de µ,) supportée sur les
mesures ergodiques telle que bar(Mµ ) = µ.
28 3. MESURES INVARIANTES D’UN SYSTÈME DYNAMIQUE TOPOLOGIQUE

3. Unique ergodicité

Le système topologique (X, f ) est dtit uniquement ergodique ssi il existe

une unique mesure invariante (ergodique).

Théorème 3.1. (X, f ) est uniquement ergodique ssi pour tout φ ∈

C(X) la suite de fonction (Unf φ) converge uniformément vers une fonction
R
constante (égale à φdµ avec µ l’unique mesure invariante).

Démonstration. Puisque M(X, f ) est limite pour la topologie de

Hausodrf de Ufn M(X) le diamètre de Ufn M(X) tend vers 0 quand n tend
vers l’infini. En particulier si φ est une fonction continue
Z n−1 Z
1X n
φd(Ufn δx ) = φ(f k x) →
− φdµ
n k=0
uniformément en x. 

Proposition 3.2. Pour α irrationnel, (S1 , fα ) est uniquement ergo-

dique.

Une preuve classique attribué à Weyl consiste à montrer la convergence

uniformes des sommes de Birkhof associées aux monômes trigonométriques
puis à conclure en utilisant la densité des polynômes trigonométriques dans
C(S1 ). On propose ici une autre preuve utilisant la "rigidité" de la mesure
de Lebesgue.
Démonstration. Soit µ une mesure invariante par fα . On va montrer
que µ est invariante par toute rotation fβ . Clairement µ est invariante par
toutes les rotations fβ pour β ∈ αZ. Puisque αZ est dense dans R il suffit
donc de vérifier que γ 7→ fγ∗ µ est continue pour la topologie faible*. Mais
pour φ ∈ C(S1 ) on a γ 7→ φd(fγ∗ µ) = φ(x + γ)dµ(x) est continue
R R

(intégrale à paramètre). 
On dit qu’une suite (xk ) ∈ [0, 1]N est équidistribuée ssi pour tout φ ∈
C(X) on a
n−1 Z
1X n
f (xk ) →
− f dLeb.
n k=0

Proposition 3.3. Si P est un polynôme de degré supérieur ou égal à 1

avec un coefficient dominant irrrationnel, alors (P (n) mod 1)n est equidis-
tribuée.

On se propose de montrer ce résultat pour P (X) = X(X − 1)α/2, la

preuve du cas général suit les mêmes idées. En utilisant les séries de Fourier
 3. UNIQUE ERGODICITÉ 29

comme pour montrer l’ergodicité de la mesure de Lebesgue précédemment,

on montrer que Leb × Leb est une mesure ergodique pour le produit semi-
direct, S(x, y) = (x + α, x + y) sur le tore R/Z × R/Z.
On utilise ensuite le lemme suivant :
Lemme 3.4. Soit (X, T ) un système uniquement ergodique soit φ : X →
R/Z une fonction continue. On suppose que µ × LebR/Z est ergodique pour
le produit semi-direct Tφ (x, y) = (T x, y + φ(x)) avec µ l’unique mesure T -
invariante. Alors (X × R/Z, Tφ ) est uniquement ergodique.
Démonstration. Soit ν0 une mesure ergodique Tφ invariante. Pour
tout t on note gt le flot gt (x, y) = (x, y + t). Il commute avec Tφ si bien
que νt = gt∗ ν0 est Tφ invariante et ergodique et donc aussi la mesure ν :=
R
νt dLeb(t). On vérifie maintenant que ν = µ × Leb est invariante. Pour
toute fonction continue f ∈ C(X × R/Z) on a
Z Z Z 
f (x, y)dν(x, y) = f (x, y)dνt (x, y) dLeb(t),
Z Z 
= f ◦ gt (x, y) dLeb(t),
Z Z
= f (x, y + t)dν0 (x, y)dLeb(T ),

Z Z 
= f (x, z)dLeb(z) dν0 (x, y).

Mais si on note π : X × R/Z → X la projection sur le premier facteur

X, on a π ∗ ν ∈ M(X, T ) = {µ}. Donc
Z Z Z  Z
∗
f (x, y)dν(x, y) = f (x, z)dLeb(z) dπ ν0 (x, y) = f (x, z)dµ(x)dLeb(z).

On en conclut que ν = µ × Leb. Cette mesure étant supposé ergodique, elle

est extrémale dans l’ensemble des mesures invariantes et donc νt = µ × Leb
∗ ∗
pour Lebesgue presque tout t. Pour un tel t on a g−t νt = ν0 = g−t (µ×Leb) =
µ × Leb. 
En appliquant ce lemme on a donc que S est uniquement ergodique. En
particulier pour toute fonctione φ continue sur le cercle

n−1 Z
1X n
(1 × φ)(S n (0, 0)) →
− φdLeb
n k=0
Or on calcule facilement par récurrence : S n (0, 0) = (nα, n(n − 1)α/2).

La Proposition 3.3 peut aussi être démontrée à l’aide du lemme technique

suivant que l’on utilisera au chapitre suivant.
30 3. MESURES INVARIANTES D’UN SYSTÈME DYNAMIQUE TOPOLOGIQUE

Lemme 3.5 (Van der Corput). Soit H un espace préhilbertien et soit

(vn )n une suite d’éléments de H de norme inférieure ou égale à 1. Alors
N H−1 N
! 21
1 X 2 X 1 X
k vn k ≤ | < vn+h , vn > | + O(H/N ).
N n=1 H h=0 N n=1

Démonstration. Pour tout 0 ≤ h < H on a

N N
1X 1X
vn = vn+h + O(H/N )
n n=1 n n=1

avec un grand O uniforme en h.

En sommant sur h puis en appliquant l’inégalité triangulaire on obtient
N N H−1
1 X 1 X 1 X
k vn k ≤ k vn+h k + O(H/N ),
N n=1 N n=1 H h=0

puis par l’inégalité de Cauchy-Schwartz (dans RN )

N N H−1
! 21
1 X 1 X 1 X
k vn k ≤ k vn+h k2 + O(H/N ).
N n=1 N n=1 H h=0

En développant la norme au carré, on a

N H−1 H−1 N
! 12
1 X 1 XX 1 X
k vn k ≤ < vn+h , vn+k > + O(H/N ).
N n=1 H 2 h=0 k=0 N n=1

On a encore
N N
1 X 1 X
< vn+h , vn+k > = < vn+|h−k| , vn > + O(H/N ),
N n=1 N n=1

puis en sommant suivant les diagonales h = k + cst on obtient le résultat

voulu.


Corollaire 3.6. Soit (xn )n une suite telle que les suites (xn+h − xn )n
soient équidistribuées modulo 1 pour tout entier h > 0, alors la suite (xn )n
est aussi équidistribuée modulo 1.

Démonstration. On suit la preuve classique de Weyl de la Proposi-

tion 3.2 en montrant pour tout entier k non nul la convergence vers 0 de
1
PN 2ikπxn
N n=1 e . On applique pour cela le lemme de Van der Corput à la
suite (vn )n = (e2ikπxn )n (observez que vn+h vn = e2ikπ(xn+h −xn ) ).

 3. UNIQUE ERGODICITÉ 31

3.1. Exercices.
Exercice 7.
Soit (S1 , fα ) une rotation irrationnelle du cercle. On considère φ : S1 → R
une fonction continue et E ⊂ S1 de mesure de Lebesgue totale. Montrer que
pour tout  > 0 et tout y ∈ S1 il existe x ∈ S1 tel que
|Unfα φ(y) − Unfα φ(x)| < .
En déduire que fα est uniquement ergodique (supposant connue l’ergodicté
de la mesure de Lebesgue).

Exercice 8.
Soient α et β deux réels rationnellement indépendants. Montrer Rα × Rβ
est uniquement ergodique sur S1 × S1 .
 Chapitre 4

Théorie spectrale

Contents
1. Mélange faible 33
1.1. Définitions et premières caractérisations 33
1.2. Mélange faible d’ordre supérieur 34
1.3. Récurrence multiple et principe de correspondance de
Furstenberg 35
2. Spectre de l’opérateur de Koopman 36
2.1. Valeurs/vecteurs propres 36
2.2. Spectre purement ponctuel 37
2.3. Spectre de Lebesgue 37
3. Mesures spectrales et Théorème spectral 38
3.1. Liens avec le mélange/spectre 39
4. Exercices 41

1. Mélange faible
1.1. Définitions et premières caractérisations. Soit (X, B, µ, f )
un système dynamique mesuré. On dit que µ est faiblement mélangeante
lorsque pour tout A, B ∈ B on a

n−1
1X n
µ(A ∩ f −k B) − µ(A)µ(B) →
− 0,
n k=0
ou de façon equivalente pour tout φ, ψ ∈ L2

n−1 Z Z Z
1X n n
φ ◦ f ψdµ − φdµ ψdµ →
− 0.
n k=0
D’après le Corollaire 1.5 toute transformation faiblement mélangeante
est ergodique.

](E∩[1,N ]) 1
On rappelle qu’un sous ensemble E de N est de densité 1 lorsque N
→
−.

Lemme 1.1. Soit (ak )k une suite bornée de réels positifs. Alors les pro-
priétés suivantes sont equivalentes :
33
34 4. THÉORIE SPECTRALE

— limn n1 n−1
P
k=0 ak = 0,
— il existe un sous ensemble Z de N de densité 1, tel que limn→+∞, n∈Z an =
0.

Démonstration. Supposons limn n1 n−1

P
k=0 ak = 0 (l’autre implication
suit immédiatement des définitions et du caractère borné de la suite). Pour
tout p l’ensemble Zp := {k : ak ≥ p1 } est de densité nulle, en particulier il
existe un entier np tel que pour tout n ≥ np on a
] (Zp ∩ [1, n])
< 1/p.
n
On peut supposer de plus que (np )p est croissante. On vérifie alors que
S
le complémentaire de Z := p≥1 (Zp ∩ [np , ∞[) est de densité 1 : en effet
pour un entier n, il existe un entier p = pn tel que np ≤ n < np+1 et
alors Z ∩ [1, n] = q≤p (Zq ∩ [1, n]) = Zp ∩ [1, n] et ](Z∩[1,n])
S
n
< 1/p. Aussi
n 1
pn →
− +∞. Enfin si n est dans le complémentaire de Z an ≤ pn . 

Théorème 1.2. Les propriétés suivantes sont équivalentes :

(1) µ est faiblement mélangeante,
(2) µ × µ est faiblement mélangeante,
(3) µ × µ est ergodique.

Démonstration. Comme on l’a mentionné ci-dessus, (2) entraine (3).

Par définition de la mesure produit on vérifie facilement que (1) entraine
(2). Montrons donc que (3) entraine (1) : d’après le lemme précédent et le
corollaire 1.5, il suffit de vérifier que pour tout A, B ∈ B on a
n−1
1X n
|µ(f −k B ∩ A) − µ(A)µ(B)|2 →
− 0.
n k=0
Mais le terme de droite s’ecrit aussi comme
n−1 n−1
1X −k 1X
2 2
µ×µ((f ×f ) (B×B)∩(A×A)−µ(A) µ(B) −2µ(A)µ(B) µ(f −k B∩A)−µ(A)µ(B)
n k=0 n k=0
et par ergodicté de µ × µ et donc de µ on a toujours par le Corollaire 1.5
que ce terme tends vers 0 quand n tends vers l’infini. 

1.2. Mélange faible d’ordre supérieur.

Théorème 1.3. Soit (X, B, f, µ) un système faiblement mélangeant alors

pour tout φ1 , ..., φk ∈ L∞ (µ) on a la convergence suivante dans L2 (µ)

N Z Z
1 X n kn N →+∞
U (φ1 )...Uf (φk ) −−−−→ φ1 dµ... φ2 dµ.
N n=1 f
 1. MÉLANGE FAIBLE 35

Démonstration. La preuve se fait par induction sur k. Le cas k = 1

correspond au théorème ergodique en moyenne de Von Neuman. Le pas de
la récurrence se démontre à l’aide du théroème de Van der Corput comme
R
suit. On peut supposer φk dµ = 0. On note alors vn = Ufn (φ1 )...Ufkn (φk ) si
bien que
Z
< vn+h , vn >= φ1 U h φ1 ...U (k−1)n φk U (k−1)n+kh φk dµ.
P −1
Par l’hypothése de récurrence N1 N n=0 < vn+h , vn > tends vers sh =
R h
R kh
φ1 U φ1 dµ... φk U φk dµ quand n tends vers l’infini. Puis on conclut avec
R
le lemme de Van der Corput car sh ≤ kφ1 k2∞ kφk−1 k2∞ × | φk U kh φk dµ| et
la somme de Césaro de ce dernier facteur tends vers 0, le système (f k , µ)
étant faiblement mélangeant (pourquoi ?). 

Corollaire 1.4. Soit (X, B, f, µ) un système faiblement mélangeant,

alors pour tout entier k ≥ 2 et pour tout A1 , ..., Ak ∈ B,

N
1 X N →+∞
µ(A1 ∩ T −n A2 ∩ ... ∩ T −kn Ak ) − µ(A1 )...µ(Ak ) −−−−→ 0.
N n=1

Démonstration. D’après le lemme 1.1 il suffit de montrer que la série

de Césoaro associé aux carrés de µ(A1 ∩ T −n A2 ∩ ... ∩ T −kn Ak ) − µ(A1 )...µ(Ak ) n

converge vers 0. On développe alors le carré. La suite µ(A1 ∩ T −n A2 ∩

...∩T −kn Ak )2 = µ×µ (A1 × A1 ) ∩ ... ∩ (T −kn Ak × T −kn Ak ) converge vers

µ(A1 )2 ...µ(Ak )2 au sens de Césaro d’après le théorème précédent, la mesure

µ×µ étant faiblement mélangeante pour le produit f ×f d’après le théorème
1.2. Les autres termes du développement convergeant au sens de Césaro vers
−µ(A1 )2 ...µ(Ak )2 , cela conclut la preuve. 

1.3. Récurrence multiple et principe de correspondance de Furs-

tenberg.

Théorème 1.5. Récurrence multiple Soit (X, B, f, µ) un système me-

suré. Pour tout A ∈ B avec µ(A) > 0 on a pour tout entier k ∈ N
N
1 X
lim inf µ(A ∩ T −n A ∩ ... ∩ T −kn A) > 0.
N N n=1

Le mélange faible d’ordre supérieure entraine facilement le théorème de

récurrence multiple pour des systèmes faiblement mélangeants. Nous n’abor-
derons le cas général dans ces notes, mais nous expliquons maintenant com-
ment ce résultat entraine le théorème suivant dû à Szemeredi.
36 4. THÉORIE SPECTRALE

Théorème 1.6 (Szemeredi). Soit A un sous ensemble de Z de densité

supérieure de Banach positive, i.e. d(A) := lim supN ]A∩[−N,N
2N +1
]
> 0, alors A
contient des suites arithmétiques de longueur arbitrairement grande.

Ce théorème suit de la récurrence multiple du principe suivant. On asso-

cie à la suite A la suite (xAn )n de {0, 1}Z définie par xAn = 1 ssi n appartient
]A∩[−nj ,nj ]
à A. Si (nj )j est une suite d’entiers avec limj 2nj +1 = d(A) alors toute
 
limite faible µ de (µj )j := 2nj1+1 |l|≤nj δσl (xA ) vérifie µ(A) = d(A) > 0
P
j
avec A = [1] := {(xn )n , x0 = 1}. Le théorème de Szemeredi suit alors du
principe de récurrence appliqué au système mesuré ({0, 1}Z , σ, µ). En effet
il existe pour tout entier k un entier n tel que µ(A ∩ σ −n A ∩ ... ∩ σ −kn A) >
0. L’ensemble B = A ∩ σ −n A ∩ ... ∩ σ −kn A étant ouvert et fermé, on a
µ(B) = limj µj (B). En particulier pour j assez grand on a 0 < µj (B) =
1 l A
P
2nj +1 |l|≤nj δσ l (xA ) (A). Ainsi il existe l tel que σ x appartient à B, ce qui
est équivalent à l, l + k, ..., l + kn ∈ A.

2. Spectre de l’opérateur de Koopman

Pour un opérateur linéaire continue U d’un Banach dans lui-même, on

appelle spectre de U , l’ensemble des complexes λ tel que U − λId n’est pas
inversible.

2.1. Valeurs/vecteurs propres. Le spectre contient toujours l’en-

semble des valeurs propres, appelé aussi spectre ponctuel.

Lemme 2.1. Le spectre ponctuel de Uf est un sous ensemble dénombrable

de S1 et les fonctions propres associées à des valeurs propres distinctes sont
orthogonales. Si µ est de plus ergodique alors le spectre ponctuel est un sous
groupe de S1 et les fonctions propres sont de module constant.

Démonstration. Clairement Uf étant une isométrie toute valeur propre

est dans le cercle unité. De même on vérifie facilement l’orthogonalité de
fonctions propres associées à des valeurs propres distinctes. L’espace L2
étant séparable, l’ensemble des valeurs propres est donc au plus dénom-
brable.
Si µ ergodique et φ une fonction propre non nulle. Alors |φ| est invariant
et donc constant. Si φ ◦ f = αφ et ψ ◦ f = βψ alors 1/f et f g sont propres
pour α−1 et αβ respectivement. 

Rappelons qu’on a vu que µ était ergodique ssi l’espace propre associé à

la valeur propre 1 était de dimension 1, réduit aux fonctions constantes.
 2. SPECTRE DE L’OPÉRATEUR DE KOOPMAN 37

Théorème 2.2. Si µ est faiblement mélangeante alors son spectre ponc-

tuel réduit à {1} et les constantes sont les seules fonctions propres.
L’inverse est aussi vrai et sera montré un peu plus tard.
Démonstration. Soit φ une fonction propre associé à une valeur propre
R R R
λ 6= 1. Alors φ dµ = 0 et φ ◦ f k φ dµ = λk |φ|2 dµ pour tout entier k.
Il s’en suit que
n−1 Z Z
1X
| φ ◦ f φ dµ| = |φ|2 dµ 6= 0,
j
n k=0
ce qui contredit le mélange faible. 
2.2. Spectre purement ponctuel. Lorsque le spectre coincide avec
le spectre ponctuel, i.e. quand les fonctions propres engendrent un espace
vectoriel dense, on dit que le spectre est purement ponctuel.
Le spectre de la rotation fα sur le tore est purement ponctuel : en effet
2iπk.
(e )k forme une base Hilbertienne de L2 et pour tout k la fonction e2iπk.
est une fonction propre pour e2iπkα .
Théorème 2.3 (Halmos-Von Neuman). Deux systèmes mesurés ergo-
diques à spectre purement ponctuel sont métriquement isomorphes ssi ils
ont le même ensemble de valeurs propres. De plus un tel système est métri-
quement isomorphe à la mesure de Haar pour une rotation sur un groupe
abélien compact. En particulier il n’est pas faiblement mélangeant.
2.3. Spectre de Lebesgue. On suppose ici pour simplifier les sys-
tèmes inversibles. Un système mesuré inversible est dit de spectre de Le-
besgue dénombrable lorsqu’il existe un sous espace vectoriel fermé G de L2
de dimension infinie tel que (Ufk G)k∈Z sont deux à deux orthogonaux et
!
M
L2 = 1 ⊕ Ufk G .
k

Théorème 2.4. Deux systèmes mesurés avec un spectre de Lebesgue

dénombrable sont spectralement isomorphes.
Démonstration. Il suffit de remarquer que deux espaces de Hilbert
séparables de dimension infine G et G0 sont isomorphes puis de prolonger
cet isomorphisme ψ à tout L2 en posant ψ(U k x) = U k ψ(x) pour tout k et
tout x ∈ G. 
Théorème 2.5. Tout schéma de Bernoulli a un spectre de Lebesgue dé-
nombrable, en particulier tous les schémas de Bernoulli sont spectralement,
isomorphes.
38 4. THÉORIE SPECTRALE

Démonstration. Pour tout sous tribu A on note L20 (A) le sous-espace

R
de L2 (A) orthogonal aux constantes, i.e. L20 (A) = {f ∈ L2 (A), f dµ = 0}.
On considère A la tribu engendré par les cylindres positifs [C0 , ..., Cn ] avec
n ∈ N et on note G = {φ ∈ L20 (A), φ⊥Uf (L20 (A))}. Clairement les Ufk G sont
deux à deux orthogonaux. De plus L20 (A) = k≥0 Ufk G et l’espace vectoriel
L

engendré par les Ufk G pour k ≤ 0 est dense dans L20 = L20 (B). On en déduit
L k

que H = 1 ⊕ k Uf G . Il reste à voir que G est de dimension infinie. Pour
cela on remarque que si φ est dans G et si (Ak )k∈N est une famille infinie
de Boréliens de f −1(A) deux à deux disjoints alors (1Ak φ)k est une famille
orthogonale de G. 

Théorème 2.6. Tout système inversible avec un spectre de Lebesgue

dénombrable est mélangeant.

Démonstration. Il suffit par linéarité et densité de montrer le mélange

pour φ ∈ G et ψ = 1 ou ψ dans Ufn G pour un certain n. L’orthogonalité
des Ufk G donne immédiatement le résultat voulu. 

3. Mesures spectrales et Théorème spectral

On rappelle que toute mesure ν sur le cercle est déterminé par ses coef-
ficients de Fourier (ν̂(n))n∈Z , définis pour tout n par
Z
ν̂(n) = z n dν(z).
S1

Proposition 3.1. Pour tout φ ∈ L2 il existe une unique mesure de proba

R
νφ telle que Ufn φφdµ = νˆφ (n). De plus, sur la fermeture Z(φ) de l’espace
cyclique engendré par Ufn φ avec n ∈ Z l’opérateur Uf est spectralement
isomorphe à l’opérateur de multiplication par z dans L2 (S1 , νφ ). La mesure
νφ est dite spectrale.

Démonstration. On considère pout tout z ∈ S1 et φ avec kφk2 = 1,

1 X
νN (z) := k z n Ufn φk22 .
N 0≤n<N
On a !
Z
1 X
νN (z) = 1+ z l−k Ufl−k φφdµ ,
N 0≤k6=l≤N
N R
de sorte que νN (z)dLeb(z) = 1 et νˆN (p) = NN−p Ufp φφdµ − → Ufp φφdµ.
R R

D’après le théorème de Levy sur le cercle, il existe une unique mesure νφ

sur le cercle telle que νn (z)dLeb(z) converge vers νφ en topologie faible-*.
De plus νˆφ (p) = Ufp φφdµ pour tout p.
R
 3. MESURES SPECTRALES ET THÉORÈME SPECTRAL 39

Maintenant on verifie facilement, que

Z Z
|P (z)| dνφ (z) = |P (Uf )φ|2 dµ,
2

Par densité des polynomes trigonométriques dans L2 on en déduit que

L2 (νφ , S1 ) est isométrique à L2 (µ, Z(φ)). De plus (Uf , L2 (X, µ)) est clai-
rement isomorphe à l’opérateur de multiplication par z sur L2 (S1 , νφ ). 

Théorème 3.2. Il existe une collection (au plus dénombrable) de mesure

spectrales sur le cercle ν1 >> ν2 >> ... >> νr telle que Uf : L20 soit
Lr 2 1
isométriquement conjugué à la multiplication par z dans k=1 L (S , νk ).
De plus à equivalence près des mesures (νk )k cette decomposition est unique.
La mesure ν1 est appelé la mesure spectrale maximale. Le spectre de Uf
coïncide avec le support de la mesure spectrale maximale.

Remark 3.3. Si ν est une mesure absolument continue relativement à

ν1 il existe alors φ ∈ L2 tel que νφ = ν. En effet si ν1 = νψ et g = dν
ν1
∈ L1
est le dérivée de Radon-Nykodin associée, alors la mesure spectrale associée
1
à g 2 (U )ψ coincide avec ν.

3.1. Liens avec le mélange/spectre. On fait dans cette partie le

lien entre les propriétés du mélange et celles du spectre. On commence tout
d’abord par le lemme suivant :

— µ est ergodique ssi pour tout φ ∈ L20 , on a n1 n−1

P R
Lemme 3.4. k=0 φ◦
k n
f φdµ → − 0,
Pn−1 R
— µ est faiblement mélangeante ssi pour tout φ ∈ L20 , on a n1 k=0 | φ◦
k n
f φdµ| → − 0,
R n
— µ est mélangeante ssi pour tout φ ∈ L20 , on a φ ◦ f n φdµ → − 0.

Démonstration. On suppose pour simplifier que (f, µ) est inversible.

Alors si ψ est dans (la fermeture de) l’espace cyclique engendré par φ, on
peut remplacer φ par ψ dans les limites des termes de droite. De même si
ψ est dans son orthogonal. 

Théorème 3.5. — (f, µ) ergodique a un spectre purement ponctuel

ssi toute mesure spectrale (resp. la mesure spectrale maximale) est
atomique,
— (f, µ) est faiblement mélangeante ssi sur L20 (µ) toute mesure spectrale
(resp. la mesure spectrale maximale) est non atomique,
— (f, µ) est de Lebesgue ssi les mesures spectrales associées à une famille
dense de L20 (µ) sont toutes équivalentes à la mesure de Lebesgue. De
40 4. THÉORIE SPECTRALE

plus toutes les mesures spectrales sont alors équivalentes à la mesure

de Lebesgues.

Remark 3.6. On peut aussi montrer que (f, µ) est de Lebesgue denom-
brable ssi r = ∞ et tous les νk sont équivalentes à la mesure de Lebesgue.

Démonstration. Pour le premier point, il suffit de remarquer que si

φ est une fonction propre de valeur propre λ, alors νφ a ses coefficient de
Fourier satisfaisant νˆφ (n) = λn et donc νφ coincide avec la mesure de Dirac
P
en λ. En effet si φ = n an φn avec φn fonction propre de valeur propre
(simple) λn et de norme 1 alors νφ = n |an |2 δλn .
P
Pn−1 R
Pour le deuxième, on a d’après le lemme 1.1 equivalence avec n1 k=0 | φ◦
k 2 n
f φdµ| → − 0. Mais ce terme s’écrit aussi

n−1 Z n−1 Z
1X k 2 1X
| φ ◦ f φdµ| = | z k dνφ (z)|2 ,
n k=0 n k=0
Z Z n−1
1X 0 k
= (z z) dνφ (z)dνφ (z 0 ).
n k=0

On conclut par convergence dominée que ce dernier terme tends vers

Z Z X
1z=z0 dνφ (z)dνφ (z 0 ) = νφ2 ({a}).
a∈S1

En particulier le mélange faible est équivalent au caractère continu des me-

sures spectrales de L20 .
Pour le dernier point il suffit de voir (pourquoi ?) que si φ ∈ G de norme
R
1, alors νφ est la mesure de Lebesgue. Mais νˆφ (n) = Ufn φφ = 0 ssi n 6= 0 et
vaut 1 si n = 0. Une mesure étant déterminée par ses coefficients de Fourier
il s’en suit que νφ est la mesure de Lebesgue.


On retrouve aussi le fait que tout système de spectre de Lebesgue dé-

nombrable est mélangeant. En effet il suffit d’après le lemme précédent de
R n R
voir que Ufn φφdµ → − 0 pour tout φ ∈ L20 mais Ufn φφdµ = νˆφ (n). Puisque
n
νφ est equivalent à la mesure de Lebesgue alors νˆφ (n) →
− 0 d’après le lemme
de Rieman-Lebesgue.
On peut montrer que toute mesure de proba sur le cercle est la mesure
spectrale maximale pour une certaine dynamique.
 4. EXERCICES 41

4. Exercices

Exercice 9.
A l’aide du théorème spectral, redémontrer le théorème ergodique en moyenne
de Von Neuman dans le cas ergodique.

Exercice 10. Théorème ergodique en moyenne pour les carrés.

Soit (X, B, f, µ) un système mesuré inversible. On se propose de montrer le
2
 P ergodiqueen moyenne pour les carrés, i.e. la convergence dans L
théorème
de n1 n−1k=0 φ ◦ f
k2
pour tout φ ∈ L2 .
n
2
— montrer qu’il suffit de montrer que pour tout φ ∈ L et tout l ∈ Z on
a convergence de n1 n−1
R 2
φ ◦ f k +l φdµ ,
P
k=0
n  P 
— montrer que pour tout z ∈ C de module 1 la suite n1 n−1 k=0 z k2
n
converge (distinguer le cas où z est racine de l’unité),
— Conclure. En travaillant encore un peu, on peut identifier la limite
comme étant λ vp λ2 Pλ avec Pλ le projecteur orthogonal sur Ker(λId−
P

Uf ).

Exercice 11.
On considère l’application f : R/Z×R/Z qui à (x, y) associe (x+α, x+y).
Déterminer les mesures spectrales νφ pour φ dans la base hilbertienne de
Fourier {ek,l }k,l∈Z .
 Chapitre 5

Exemples

Contents
1. Sous décalage de type fini et mesures markoviennes 43
2. L’application de Gauss 44
3. Transformation de Chacon 46
4. Flot géodésique et horocyclique 47
5. Exercices 49

1. Sous décalage de type fini et mesures markoviennes

Soit Y un sous ensemble fermé de {1, ..., d}Z invariant pas le décalage S.
Le système dynamique (Y, S) est appelé un sous décalage à alphabet fini.
Un sous décalage Y ⊂ {1, ..., d}Z est de type fini, lorsqu’il existe une matrice
A ∈ Md ({0, 1}) (appelée matrice d’adjacence) telle que

Y := {(xn )n ∈ {1, ..., d}Z , Axn ,xn+1 = 1 pour tout n}.

Une matrice P = (pij ) ∈ Md ([0, 1]) est dite stochastique lorsque

X
∀i, pij = 1.
j

Une proba π sur {1, ..., d} est dite stationnaire lorsque πP = π. On

appelle mesure markovienne la mesure invariante µπ associée à une proba
stationnaire π défini pour tout cylindre
j−1
Y
µπ ([ki , ..., kj ]) = π(ki ) pkl ,kl+1 .
l=i

On peut associer à toute matrice stochastique P le sous décalage de type

fini dont la matrice d’adjacence A = (aij ) est définie par aij = 1 ssi pij > 0.

Théorème 1.1. (Perron-Froebenius) Il existe toujours des probas sta-

tionnaires π relativement à P . De plus celle-ci est unique lorsque AP est
k n
irréductible et n1 n−1
P
k=0 ψP → − π pour tout vecteur de proba ψ. Si AP est
n
aussi apériodique, on a alors ψP n →
− π pour tout vecteur de proba ψ.
43
44 5. EXEMPLES

Démonstration. L’existence de mesure stationaire suit du théorème

de point fixe de Brower appliquée à la fonction ψ 7→ ψP du simplexe des
mesure de proba sur {1, ..., d} dans lui-même. De plus toute limite de suite
de la forme n1 n−1
P k


k=0 ψP n
est stationaire. Lorsque AP est irréductible on
voit facilement que tout vecteur de proba stationaire a ses coordonnées stric-
tement positives. L’unicité de la proba stationnaire dans le cas irréductible
(resp. la convergence forte dans le cas apériodique) résulte du théorème
de Perron-Froebenius, qui garantit pour une matrice positive irréductible
que le rayon spectral est valeur propre et que l’espace propre associé est
de dimension 1 (resp. les autres valeurs propres sont de module strictement
inférieurs). 

On a alors les propriétés suivantes pour la mesure Markovienne associée.

Théorème 1.2. Soit P une matrice stochastique et π une measure de

proba stationnaire. Alors la mesure de Markov associé à (π, P ) est :
— ergodique ssi AP est irréductible,

— mélangeante (même Bernoulli, en fait) ssi AP est apériodique.

Démonstration. On montre tout d’abord le cas mélangeant. On rai-

sonne comme dans la preuve du mélange de la mesure de Bernoulli : on
montre pour deux cylindres quelconques A := [k0 , ..., kj ] et B := [l0 , ..., li ]
n
que µπ (A ∩ σ −n B) →
− µπ (A)µπ (B). On a pour n > j

µπ (A ∩ σ −n B) = πk0 Pk0 k1 ...Pkj−1 kj (P n−j )kj l0 Pl0 l1 ...Pli−1 li .

D’après le théorème de Perron-Froebenius (P n−j )kj l0 converge vers πl0 quand

n tend vers l’infini et donc le terme de droite tends vers µπ (A)µπ (B). Réci-
proquement le mélange entraine facilement l’apériodicité. Pour le cas ergo-
dique on suit le même raisonnement en utilisant le Théorème 1.1.


2. L’application de Gauss
On considère pour x ∈ (0, 1] l’application de Gauss x 7→ 1/x − [1/x].

1 dx
Lemme 2.1. La mesure µG := log 2 1+x
est G-invariante.
 2. L’APPLICATION DE GAUSS 45

Démonstration. Il suffit de montrer que µG (G−1 [0, s]) = µG ([0, s]).

On a
[
G−1 ([0, s]) = [1/n + s, 1/n],
n≥1
XZ 1/n
−1 dx
µG (G ([0, s])) = = ,
n≥1 1/s+n log 2(1 + x)
 
1 X 1 + 1/n
= log ,
log 2 n≥1 1 + 1/s + n
1 X
= log(1 + s/n) − log(1 + s/n + 1),
log 2 n≥1
log(1 + s)
= = µG ([0, s]).
log 2


On montre désormais que µ = µG est ergodique.

Lemme 2.2. Pour tout x 6= 0 on a

0
— |G (x)| ≥ 1,
— |(G ◦ G)0 (x)| ≥ 2,
0
— | (ln G0 ◦ G−1 ) (x)| ≤ 2.

Lemme 2.3 (Distorsion bornée). Il existe une constante C telle que pour
tout x, y dans la même n-branche inverse de G, on a

(Gn )0 (x)
≤ C.
(Gn )0 (y)
Démonstration. On a
n
(Gn )0 (x) X
log n 0 = log G0 ◦ G−1 (Gk x) − log G0 ◦ G−1 (Gk y),
(G ) (y) k=1
n
(Gn )0 (x) X
log n 0 ≤ 2 |Gk x − Gk y|,
(G ) (y) k=1
n
X
≤ 2 2−k/2 |x − y| ≤ C.
k=1

Corollaire 2.4. Pour tout A, B dans une même n-branche inverse, on

a
µ(Gn A) µ(A)
n
≤C .
µ(G B) µ(B)
46 5. EXEMPLES

On conclut maintenant l’ergodicité de µ en utilisant l’argument de point

de densité déja évoqué précédement. Soit A un ensemble invariant de µ
mesure mesure non nulle. On considère un point de densité de A pour µ <<
Leb. On note In la n-branche monotone contenant a on a alors
µ(A ∩ In ) n
→
− 1.
µ(In )
Mais d’après le corollaire précédent et par invariance de A on a

µ (Gn (Ac ∩ In )) µ(Ac ∩ In )

≤ C ,
µ(Gn In ) µ(In )
 
c µ(A ∩ In ) n
µ(A ) ≤ C 1 − →
− 0.
µ(In )
Donc µ(A) = 1 et ceci conclut l’ergodicité de µ. En travaillant encore un
peu on peut montrer que µ est en fait mélangeante.

3. Transformation de Chacon

On présente ici un exemple de transformation faiblement mélangeante

mais pas mélangeante. C’est un exemple d’une méthode de construction
plus générale connu sous le nom de "cutting and stacking" (découpage et
empilement). Ces transformations sont définies sur l’intervalle comme limite
de transformations (fn )n . Pour tout n la transformation fn est défine sur des
piles Pn obtenus avec les intervalles découpés. Enfin en dehors de ces tours
on garde un intervalle ("the spacer") que l’on redécoupe et qu’on pourra
intercaler avec les piles à l’étapes n pour former les piles à l’étape n + 1.
Dans le cas de la trasformation de Chacon on a à toute étape une seule
pile. La n + 1eme pile est obtenu en découpant verticalement la neme pile
en trois sous-piles de même taille, puis en empilant dnas l’ordre suivant les
deux premières sous-piles, un intervalle du "spacer" puis la dernière sous-
pile. On vérifie facilement que la transformation fn consistant à monter
verticalement dans la neme pile converge simplement sur [0, 1) et que la
limite f est inversible sur (0, 1) et préserve la mesure de Lebesgue.

Théorème 3.1. La transformation de Chacon est faiblement mélan-

geante mais non mélangeante.

Démonstration. 1. On montre tout d’abord l’ergodicité. Soit φ :

(0, 1) → R une application measurable telle que φ ◦ f = φ. Soit  > 0.
D’après le théorème de Lusin φ est continue sur un ensemble compact E
avec µ(E) > 1 − . Puis par uniforme continuité de φ sur E il existe N tel
que pour tout entier n ≥ N on ait |φ(x) − φ(y)| <  pour x, y ∈ E dans une
 4. FLOT GÉODÉSIQUE ET HOROCYCLIQUE 47

même "assiette" de la neme pile Pn . De plus pour n assez grand le spacer

est de longueur inférieur à epsilonde sorte que l’on peut choisir une telle
assiette An de sorte que µ(An ∩ E) ≥ 1−2
ln
avec ln la hauteur de la neme pile.
Par invariance de φ on obtient un ensemble E 0 avec µ(E 0 ) > 1 − 2 tel que
|φ(x) − φ(y)| <  pour x, y ∈ E 0 . Ceci étant vrai pour tout  on en déduit
facilement que φ est égale à une constante presque partout.

2. On vérifie maintenant la propriété de mélange faible. Il suffit de voir

que toute fonction propre est constante ou encore vu qu’on vient de mon-
trer l’ergodicité que le spectre ponctuel est réduit à {1}. Soit φ ∈ L2 tel que
φ ◦ f = λφ. Par ergodicité on peut supposser |φ| = 1. On choisi E comme en
1. On note ln la hauteur et An la base de la nme pile. Enfin on prend x0 dans
l’intersection f −ln E ∩E ∩f k An+1 pour un k < ln . C’est toujours possible car
Leb(f −ln E ∩ E) > 1 − 2 et Leb( k<ln f k An+1 ) = Leb(P n)
S
3
. Maintenant par la
procédure d’empilement on a f x0 ∈ f An et donc |φ(x0 ) − φ(f ln x0 )| < .
ln k

Mais φ ◦ f ln = λln φ donc |λln − 1| < . La même chose s’applique à n + 1

de sorte que |λln+1 − 1| < . Mais ln+1 = 3ln + 1 d’où λ = 1.

3. La transformation f n’est pas mélangeante. La base A0 de la première

pile est [0, 2/9[. L’empilement fait que Leb(A0 ∩ T l0 =1 A0 ) ≥ Leb(A3
0)
. Puis si
on note Ai0 pour i = 1, ..., 3 les trois sous intervalles découpés de A0 on a
Leb(Ai )
de même Leb(Ai0 ∩ T l1 Ai0 ) ≥ 3 0 pour tout i, et donc Leb(A0 ∩ T l1 A0 ) ≥
Leb(A0 )
3
. Par récurrence on montre de même que Leb(A0 ∩ T ln A0 ) ≥ Leb(A 3
0)

pour tout n. Mais si la transformation était mélangeante on aurait alors

Leb(A0 ∩ T ln A0 ) →n Leb(A0 )2 = ( 29 )2 . Or Leb(A
3
0)
= 29 × 39 ...


4. Flot géodésique et horocyclique

  
α β
La mesure de Haar sur le groupe (unimodulaire) SL2(R) = , αδ − γβ = 1
γ δ
est donnée par µ = dδdβdγ
|δ|
. Mais on a µ(SL2 (R)) = +∞. On s’intéresse au
sous groupe discret Γ = SL2 (Z) et au quotient X = SL2 (Z) \ SL2 (R)
muni de la topologie quotient (X n’est pas compact). On peut montrer que
SL2 (R) admet une distance invariante à gauche D. On considère alors la dis-
tance quotient d sur X définit par d(Γg, Γg 0 ) = inf γ∈Γ D(g, γg 0 ). Le groupe
Γ = SL2 (Z) étant discret la mesure µ induit une mesure ν sur X encore
invariante par translation à droite. On peut alors montrer que ν(X) < +∞.
48 5. EXEMPLES

Le flot géodésique est l’action associée au flot (gt )t∈R défini par gt (Γh) =
ΓhGt avec
 t/2 
e 0
Gt = .
0 e−t/2
−
 (hs )s et
On définit aussi les flots  (hs )s par hs (Γh) = ΓhHs et hs (Γh) =
1 0 1 s
ΓhHs avec Hs− = et Hs = .
s 1 0 1
La mesure ν étant invariante par translation a droite elle est en particu-
lier invariante par (gt )t , (ht )t et (h−
t )t . On rappelle que SL2 (R) est engendré
−
par les matrices Hs , Hs0 pour tout s, s0 ∈ R.

Théorème 4.1. La mesure ν est ergodique pour le flot géodésique sur

X.

Démonstration. On doit vérifier que si f ∈ L2 est gt -invariante alors

f est constante. Pour cela il suffit montrer que f est aussi hs et h−
s inva-
riante car ces éléments engendrent tout le groupe SL2 (R).

Pour g ∈ SL2 (R), on note Tg : L2 (X) → L2 (X) l’isométrie de L2 (X) qui

à f ∈ L2 (X) associe Γh 7→ f (Γhg). L’application g 7→ Tg (f ) est continue de
SL2 (R) dans L2 (X) (on peut supposer f continue à support compact par
densité, puis utiliser l’uniforme continuité de f ).
Soient h, g ∈ Sl2 (R) et f ∈ L2 (X) invariante par g alors

kTh f − f k = kTgn hg−n f − f k

Si g n hg −n tend vers l’identité quand n tend vers +∞, alors on aura à la

limite Th f = f .
On conclut en remarquant que Gt Hs G−1 t = Hset et Gt Hs G−1
t = Hse−t ,
d’où
n→+∞
(Gt )n Hs G−n
t −−−−→ Id for t < 0,
n→+∞
(Gt )n Hs− G−n
t −−−−→ Id for t > 0.


Théorème 4.2. La mesure ν est ergodique pour le flot horocyclique (hs )s

sur X.

Démonstration. D’après la preuve précédente il suffit de montrer que

toute fonction f ∈ L2 (X) qui est hs -invariante pour tout s est gt -invariante
pour un certain t > 0. Pour cela on raisonne comme précédemment en
utilisant pour s 6= 0 :
 5. EXERCICES 49

   
1 0 n n→+∞ 2 0
Hs−2n 1 Hs −−−−→
− 2ns 1 0 1/2

La mesure ν est en fait mélangeante pour les flots géodésique et horo-
cyclique (Théorème de Howe-Moore, cf Exercices ci-dessous). Le flot géodé-
sique est même Bernoulli, mais pas le flot horocyclique...

5. Exercices
Exercice 12.
Montrez que la mesure de Parry satisfait la propriété de Gibbs (Proposition
1.4).

Exercice 13. Théorème de Howe-Moore.

Avec les notations de la section 5.4 on se propose de montrer que pour
tout f ∈ L20 (ν) Tg f converge faiblement vers 0 quand g tends vers +∞.
Montrer que ceci entraine le mélange du flot horocyclique et géodésique
pour ν. On passe maintenant à la preuve du théorème. Nous rappelons que
tout g ∈ SL2(R) s’écrit sous la forme g = k1 ak2 avec ki orthogonales et a
diagonale à coeffcient positifs.
— Soit u une limite faible de (Tgn f )n . On note (k1 , k2 ) une limite de
k1 (gn ) et k2 (gn ). Montrez que Tan k2 f converge faiblement vers Tk1−1 u.
— En déduire que Tk1−1 u est hs -invariante.
— Conclure.

Exercice 14. Transformation de Von Neuman-Kakutani .

On considère la transformation définie par cutting and stacking comme suit.
On découpe l’intervalle [0, 1] en deux et on empile la partie droite [1/2, 1)
sur la gauche [0, 1/2). On effectue de nouveau l’opération sur la pile de
deux segments ainsi obtenue. On répète cette trasformation comme dans la
construction de la transformationde Chacon. La transformation limite f est
appelée transformation de Von Neuman-Kakutani.
— Etabllir l’ergodicité.
— Montrer que cette transformation n’est pas faiblement mélangeante.
 Chapitre 6

Entropie mesurée

Contents
1. Information 51
2. Entropie statique 52
3. KS-Entropie et théorème des générateurs 52
4. Formule de Katok, Newhouse et Shanon-Mcmillan-
Breiman 54
5. Exemples 56
6. Exercices 57

1. Information
Pour α, β deux partitions finies de X on dit que α est plus fine que β et on
note α > β, lorsque tout élément de β est l’union d’éléments de α. Enfin la
partition jointe α∨β est définie conmme α∨β := {A∩B, A ∈ α et B ∈ β}.

Définition 1.1. L’information de α relativement à β est la fonction

 
X X µ(A ∩ B)
I(α|β) := − 1A log E[1A |β] = − 1A∩B log .
A∈α A∈α,B∈β
µ(B)

On notera aussi µ(A|β) pour E[1A |β]. Remarquez que lorsque α et β

sont indépendantes, i.e. µ(A ∩ B) = µ(A)µ(B) pour tout (A, B) ∈ α × β
alors E[1A |β] = µ(A) et donc I(α|β) = I(α).

Lemme 1.2.
I(α ∨ β|γ) = I(α|β ∨ γ) + I(β|γ).

Démonstration. Il suffit d’écrire puis de sommer pour tout A ∈ α,

B ∈ β, C ∈ γ, l’égalité suivante :
     
µ(A ∩ B ∩ C) µ(A ∩ B ∩ C) µ(B ∩ C)
log = log + log .
µ(C) µ(B ∩ C) µ(C)

51
52 6. ENTROPIE MESURÉE

2. Entropie statique

Définition 2.1. L’entropie statique conditionelle de α sachant β est

Z
Hµ (α|β) = I(α|β)dµ.

Lorsque β est la partition triviale on note l’entropie statique de α (rela-

tivement à β) X
H(α) = − µ(A) log µ(A).
A∈α
On a alors X
Hµ (α|β) = µ(B)HµB (α).
B∈β

Lemme 2.2. Soient α, β, γ trois partitions finies,

— Hµ (α ∨ β|γ) = Hµ (α|β ∨ γ) + Hµ (β|γ),

— si β > γ, on a Hµ (α|β) ≤ Hµ (α|γ),

— Hµ (α) ≤ log ]α avec égalité ssi µ(A) = 1/]α pour tout A ∈ α.

Démonstration. La première identité s’obtient en intégrant l’identité

associée pour l’information. Pour la seconde inégalité remarquez que pour
tout C ∈ γ on a pour tout A ∈ α par convexité de φ(t) = −t log t
X
µ(B) (φ(µ(A ∩ B)/µ(B)) ≤ µ(C)φ(µ(A ∩ C)/µ(C)).
B∈β, B⊂C

Enfin pour la dernière égalité il suffit d’appliquer l’inégalité de Jensen

(et son cas d’égalité) à la variable aléatoire equidistribuée sur l’ensemble
{µ(A), A ∈ α}. 
Lorsque les partitions α et β sont indépendantes la première inégalité
devient pour γ triviale
Hµ (α ∨ β) = Hµ (α) + Hµ (β).

3. KS-Entropie et théorème des générateurs

Pour α, β deux partition finies il suit du lemme ci-dessus que la suite

n) Hµ (αn )
Hµ (αn |β n ) est sous additive. La limite h(f, α) = limn Hµ (α
n
= inf n n
est bien définie. L’entropie de µ est alors définie comme
h(f, µ) = sup h(f, α).
α f inie

Lemme 3.1. — h(f, α) − h(f, β) ≤ H(α|β),

 3. KS-ENTROPIE ET THÉORÈME DES GÉNÉRATEURS 53
WN
— pour (f, µ) inversible on a h(f, k=−N αk ) = h(f, α).

On dit qu’une partition finie P est génératrice pour un système inversible

lorsque n∈Z P k = B, i.e. la plus petite tribu contenant les éléments de P k
W

pour tout k est la tribu B.

Théorème 3.2. (Générateurs de Sinaï) Soit P une partition génératrice
pour un système inversible, alors
h(µ) = h(µ, P ).
Démonstration. Il suffit de montrer que H(β| N k
W
k=−N α ) tends vers
0 quand N tend vers l’infini.
N
_ XZ N
_
k
H(β| α ) = − 1B log µ(B| αk ),
k=−N B∈β k=−N

XZ N
_ N
_
k
= − µ(B| α ) log µ(B| αk ),
B∈β k=−N k=−N
N
!
XZ _
= φ µ(B| αk ) dµ,
B∈β k=−N

avec φ(t) = −t log t pour t ∈ [0, 1]. Par le théorème de convergence des mar-
tingales µ(B| N k
W
Rk=−N α ) converge
WN
ponctuellement
 vers 1B . Puis par conver-
gence dominée φ µ(B| k=−N αk ) dµ →N 0. 
On montre de même que si (αk )k est une suite croissante de partitions
W
finies telle que k αk = B alors h(µ) = limk h(αk ).
Lemme 3.3. — h(ν × µ) = h(ν) + h(µ),
— si π : (Y, ν) → (X, µ) est un facteur alors h(ν) ≤ h(µ),
— h(f k , µ) = kh(f, µ).
Démonstration. Par indépendance l’entropie pour la mesure produit
d’un produit de partition est donnée par la somme des entropies relatives à
ces partitions. La formule sur l’entropie du produit suit alors de la remarque
précédente puisque les partitions produits engendrent la tribu produit. Pour
le deuxième point on vérifie facilement que pour tout partition P on a
h(µ, P ) = h(ν, π −1 P ),
et donc h(µ) ≤ h(ν) en prenant le supremum sur toutes les partitions
finies. Enfin l’entropie des puissances suit de hf k (µ, P k ) = khf (µ, P ) et
Hf k (µ, P n ) ≤ Hf (µ, P kn ).

54 6. ENTROPIE MESURÉE

Il suit en particulier du deuxième point que l’entropie est invariante par

isomorphisme métrique.

4. Formule de Katok, Newhouse et Shanon-Mcmillan-Breiman

On définit maintenant l’entropie de façons différentes pour un système
ergodique :

log µ(Anx )
s+/− := limn −
n
( )
+/− 1 [
kλ := limn log min ]Cn , Cn ⊂ αn et µ( An ) > λ
n An ∈C n

( )
+/− 1 [
nλ := inf limn log min ]Cn , Cn ⊂ αn et E ⊂ An
E, µ(E)>λ n An ∈C n

On va montrer que pour un système ergodique ces quantités sont égales

à l’entropie de Kolmogorov-Sinaï.

Lemme 4.1. s+/− sont des constantes (presque partout).

R R
Démonstration. Puisque f dµ = f ◦ T dµ pour tout f ∈ L1 par
invariance de la mesure, toute fonction mesurable intégrable vérifiant f ◦T ≤
f satisfait f ◦ T = f p.p. et donc f est constante p.p. par ergodicité. Mais
log µ(Anx ) ≤ log µ(An−1
T x ) implique s
+/−
(T x) ≤ s+/− (x). 
On va maintenant comparer ces différentes quantités entre elles. Par une
inversion triviale d’infimum on a tout d’abord :

Lemme 4.2.
+/− +/−
kλ ≤ nλ

Lemme 4.3.
−
n+
λ ≤ s

Démonstration. Soit  > 0. Pour µ p.p. x on note n(x) le premier

−
entier n > 1/ tel que µ(Anx ) ≥ e−n(s +) . Soit G ⊂ X avec µ(G) > 1 −  tel
que n(x) < N0 pour tout x ∈ G. D’après le théorème ergodique de Birkhof,
il existe E ⊂ X avec µ(E) > λ et N1 tels que pour n > N1 et x ∈ E on ait
]{0≤k<n, T k x∈G}
n
' 1−. Pour x fixé dans E et n > N1 on decoupe l’intervalle
[0, n] comme suit. On marque avec [ le premier instant k0 avec f k0 x ∈ G puis
par ] l’instant k0 + n(f k0 x). Puis on marque de nouveau le premier instant
k1 dans G avec [ avec k1 > k0 + n(f k0 x). On continue jusqu’à dépasser n.
 4. FORMULE DE KATOK, NEWHOUSE ET SHANON-MCMILLAN-BREIMAN 55

On obtient ainsi une découpe de l’intervalle [0, n] avec des symboles [ et ],

qui marquent des entrées xi dans G et les longueur n(xi ) associées. Puisque
n(x) > 1/ pour tout x le nombre de configurations possibles est plus petit
que (Cnn )2 . Maintenant dans les intervalles délimités par [] le nombre de α-
0 −
codages possibles est borné par en (s +)) où n0 est la somme des longueurs de
ces intervalles. Or en dehors de ces intervalles on est dans le complémentaire
de E ou dans le dernier intervalle dépassant n (qui est de longueur au plus
N0 ), donc n0 & (1 − )n − N0 . Par conséquent
− +))
]{Cn ⊂ αn , E ⊂ Cn } ≤ (Cnn )2 ]αn+N0 en(s
On conclut en utiisant le fait qu’il existe φ avec lim→0 φ() = 0 tel que
Cnn ≤ eφ()n pour tout n. 

Lemme 4.4.
n+
λ ≥ s
+

Démonstration. Supposons par l’absurde que n+ +

λ < s . Soit  > 0 tel
que n+ + n
λ +  < s −  et soit E avec µ(E) > λ et Cn ⊂ α un recouvrement
+
minimal de E tel que pour tout n ∈ N on ait ]Cn . Ce(nλ +)n (pour un
C > 0). Alors pour n+ +
λ +  < b < s on a
 
X   X −bn
µ  x, µ(Anx ) < e−bn et An ∈ Cn  ≤ e ]Cn < +∞.
n∈F
| {z } n∈F
Bn

Par le lemme de Borel-Cantelli, µ-presque tout x appartient seulement à un

nombre fini de Bn pour n ∈ N. Mais par définition de s+ presque tout point
+
de X verifie µ(Anx ) < e−(s −)n pour une infinité de n. C’est en particulier
T
le cas pour µ p.p. x ∈ E ⊂ n∈N Cn . Contradiction. 

Lemme 4.5.
kλ− ≥ s−

Démonstration. Pour tout , λ il existe un ensemble F de mesure

plus grande que 1 − λ/2 et un entier N tel que pour tout n > N on a
−
µ(Anx ) . e−(s −)n pour x ∈ F . Si Cn ⊂ αn tel que µ(Cn ) > λ et donc
−
µ(Cn ∩ F ) > λ/2. Par conséquent ]Cn & λ2 e(s −)n et donc kλ− ≥ s− . 
On compare désormais ces quantités à l’entropie métrique. Une applica-
tion directe du lemme de Fatou donne

Lemme 4.6.
s− ≤ h

L’inégalité suivante permet de conclure :

56 6. ENTROPIE MESURÉE

Lemme 4.7.
h ≤ lim kλ+
λ→1

Démonstration. Pour une infinité de n on dispose d’une collection

Cn ⊂ αn de mesure totale plus grande que α telle que lognCn ' kλ+ . On a

H(αn ) ≤ H(αn |{X \ Cn , Cn }) + H({X \ Cn , Cn }),

≤ µ(X \ Cn )HµX\Cn (αn ) + µ(Cn )HµCn (αn ) + log 2,
≤ (1 − λ)n log ]α + λ log ]Cn + log 2.
En divisant par n et en prenant la limite supérieure en l’infini on obtient
le resultat voulu.


5. Exemples
Proposition 5.1. (1) L’entropie des mesures périodiques est tou-
jours nulle. L’entropie des rotations sur le cercle est nulle,
P
(2) l’entropie d’un Bernoulli de paramètre (p1 , ..., pn ) est i −pi log pi ,
(3) l’entropie d’une mesure de Markov avec proba stationnaire (πi ) et
P
matrice de transition (pij ) est − i πi pij log pij ,
(4) l’entropie de la mesure de Gauss est log |G0 |dµ,
R

(5) l’entropie de la mesure de Lebesgue pour un autmorphisme linéaire

P
fA du tore est i |λi | où les λi sont les logarithmes des modules
des valeurs propres de A de module > 1.

Démonstration. 1. Il suffit de montrer que pour toute partition en

intervalle α on a h(µ, α) = 0. En effet on peut trouver une suite croissante
(αk )k de telles partitions telles que (αk )k engendre la tribu des boréliens.
Il suffit en effet de considérer une suite de partitions dont le diamètre tend
vers 0. On conclut à l’aide du théorème des générateurs. Maintenant si α
est une partition en intervalle on voit facilement que ]αn ≤ n]α et donc
n) n)
h(µ, α) = limn H(α n
≤ limn log ](α
n
= 0.

2. La partition P0 en coordonnée zero est clairement génératrice. Il suffit

P
donc de calculer h(µ, P0 ). Clairement H(P0 ) = i −pi log pi . Mais par défi-
nition de la mesure de Bernoulli les partitions P0 et n−1 −k
W
k=1 P0 sont indépen-
n n−1 Hµ (P0n )
dantes de sorte que Hµ (P0 ) = Hµ (P0 ) + Hµ (P0 ). Donc n = Hµ (P0 )
pour tout n...
 6. EXERCICES 57

3. La partition P = {[1/n, 1/n + 1[, n ∈ N} en branches inversibles

est génératrice. On a vu en effet que diam(P n ) ≤ C/2n . Maintenant on a
µ(Anx ) ' m(Anx ) = 0,1 |(Gn1)0 |(y) dy. Mais par le lemme de distorsion, on a
R

C −1 |(Gn1)0 |(x) ≤ 0,1 |(Gn1)0 |(y) dy ≤ C |(Gn1)0 |(x) pour une constante C > 1. On
R
n) Pn−1
a donc pour n grand − log µ(A n
x
' n1 log |(Gn )0 |(x) = n1 k=0 log |G0 (Gk x)|.
D’après le théorème ergodique (rappelons que la mesure de Gauss est er-
godique) cette dernière quantité tend vers log |G0 |dµ. Enfin h = s+ =
R

log |G0 |dµ.

R

P
4. On verra dans les chapitres suivants que h(µ) ≤ i |λi | pour toute
P
mesure fA -invariante. Il suffit donc de montrer que h(Leb, β) ≥ i |λi |
−1
pour une partition β. On considère la partition β = {A |[0,1[d γ} avec γ
la partition de Rd en cubes de taille 1, i.e. x, y ∈ [0, 1[d sont dans le même
élément de β ssi Ax et Ay sont dans le même cube de γ . On peut décomposer
Rd = Eu ⊕ Ecs avec Eu , resp. Ecs , les sous espaces vectoriels réels invariants
correspondant aux espaces propres associées aux valeurs propres de modules
> 1, resp ≤ 1. Tout élément B n de β n est un polygone qui s’envoie par An
dans un polygone de longueur bornée par une constante (indépendante de
n) dans la direction Eu et tel que LebEcs (x) (An B n ∩ Ecs (x)) ≤ Jac(An |Ecs )
pour tout x. En utilisant le théorème de Fubini on obtient donc
Z Z 
n n
Leb(A Bx ) ≤ C 1An Bxn dz dy ≤ CJac(An |Ecs ).
Eu (x) Ecs (y)

Par changement de variable on a donc pour tout µ p.p. x

ln Leb(Bxn ) ln CJac (f n |Eu ) X
− ≥ →n |λi |.
n n i

On conclut en appliquant la formule de Shanon-Mcmillan-Breiman.



On a vu que deux systèmes de Bernoulli sont toujours spectralement

isomorphes (ils ont le spectre de Lebesgue dénombrable). Cependant ils
n’ont en général pas la même entropie et ne sont donc pas métriquement
isomorphes. Ornstein a montré que l’entropie classifiait complètement les
Bernoulli, i.e. deux systèmes de Bernoulli avec la même entropie sont (mé-
triquement) isomorphes.

6. Exercices
Exercice 15. Formule d’Abramov .
Soient (X, B, µ, f ) un système mesuré ergodique inversible et A ∈ B avec
58 6. ENTROPIE MESURÉE

µ(A) > 0. On note fA = f τA l’application de premier retour induite sur A

et µA = µ(. ∩ A)/µ(A).
— Vérifiez que µA est fA -invariante et ergodique,
— Montrez que
hf (µ)
hfA (µA ) = .
µ(A)
 Chapitre 7

Entropie topologique et principe variationnel

Contents
1. Complexité 59
2. Entropie topologique 60
3. Harmonicité de l’entropie 61
4. Entropie à la Bowen 61
5. Principe variationnel 62
6. Applications et exemples 64
6.1. Inégalité de Ruelle en dimension 1 64
6.2. Entropie des applications de l’intervalle monotone par
morceaux 65
6.3. Sous-décalage à alphabet fini 66
7. Exercices 67

On considère dans cette partie un système dynamique topologique (X, T ).

1. Complexité
Pour un recouvrement fini d’ouverts U de X, on note U [k,l] le recouvre-
ment itéré U [k,l] := lj=k T −j U. On note aussi UV le recouvrement induit sur
T

V ⊂ X. Pour deux recouvrements d’ouverts U et V on dit que V est plus

fin que U, noté V > U lorsque tout élément de V est inclus dans un élément
de U.
On note H(U) la complexité de U :
H(U) = log min{]W, W > U}
Si U et V sont deux recouvrements d’ouverts on définit la complexité
conditionnelle :
H(U|V) = sup log min{]W, W recouvrement de V avec W > UV }
V ∈V
Remarquez que les minimas ci-dessus sont toujours atteints pour un sous-
recouvrement W ⊂ U de U.

Lemme 1.1. — H(U ∨ V|W) ≤ H(U|V ∨ W) + H(V|W),

−1 −1
— H(T U|T V) ≤ H(U|V),
— si V > W alors H(U|V) ≤ H(U|W),
59
60 7. ENTROPIE TOPOLOGIQUE ET PRINCIPE VARIATIONNEL

— H(U) ≤ log ]U.

2. Entropie topologique
Comme pour l’entropie mesurée, on montre facilement avec le lemme pré-
cédent que la suite H(U n |V n ) est sous-additive et il s’en suit que htop (f, U) =
n) H(U n )
limn H(U
n
= inf n n
est bien définie (cette quantité est aussi notée h(U)
ou h(f, U) par la suite). L’entropie topologique est alors définie comme

htop (f ) = sup h(f, U).

U

Lemme 2.1. — h(U) − h(V) ≤ H(U|V),

— pour un homéomorphisme T on a h( N −k
W
k=−N T U) = h(U).

On dit qu’un homéomorphisme de X est expansif s’il existe un recouvre-

ment ouvert U tel que le diamètre de U n tendent vers 0 quand n tends vers
l’infini ou de façon équivalente les éléments de U ∞ sont des singletons. On
dira alors que U est un générateur topologique.
Par compacité de X pour tout recouvrement ouvert U de X il existe U
tel que toute boule de diamètre inférieur à U est inclus dans un élément
de U. Le maximum des tels U est appelé la constante de Lebesgue de U et
est notée Leb(U). Par définition si α est une partition dont le diamètre est
inférieur à la constante de Lebesgue d’un générateur topologique U alors α
est un générateur (au sens mesuré) pour toutes les mesures T -invariantes.

Théorème 2.2. Soit V un générateur topologique, alors

htop (T ) = h(V).

Démonstration. On commence comme pour le théorème des généra-

teurs de Sinaï : pour tout recouvrement d’ouvert U on a
N
_
h(U) − h(V) ≤ H(U| T −k V)
k=−N

Maintenant si N est choisi assez grand de sorte que le diamètre de

WN −k
k=−N T V soit plus petit que la constante de Lebesgue du recouvrement
U, alors
_N
H(U| T −k V) = 0
k=−N

 4. ENTROPIE À LA BOWEN 61

Comme dans le cas mesuré, on montre de la même façon que si (Uk )k

est une suite de recouvrements ouverts dont le diamètre tends vers 0 alors
htop (T ) = limk htop (T, Uk ). Le lemme suivant se montre comme dans le cas
mesuré.

Lemme 2.3. — htop (T × S) = htop (T ) + htop (S),

— si π : (Y, S) → (X, T ) est un facteur topologique alors htop (T ) ≤
htop (S),

— htop (T k ) = khtop (T ).

3. Harmonicité de l’entropie
Théorème 3.1. Soit (X, f ) un système mesuré et soient µ, ν deux me-
sures f -invariantes, alors pour tout λ ∈ [0, 1]
h(λµ + (1 − λ)ν) = λh(µ) + (1 − λ)h(ν).

Démonstration. Tout d’abord par concavité on a h(λµ + (1 − λ)ν) ≥

λh(µ)+(1−λ)h(ν). Montrons l’inégalité inverse. On considère X 0 = X1 X2
`

avec Xi des copies de X. Sur X1 on considère la mesure ξ correspondant à

λµ et (1 − λ)ν sur X2 . Pour α une partition de X on note α0 la partition
de X 0 donnée par les ensembles de la forme A1 ∪ A2 avec A1 , A2 la copie
du même élément de A ∈ α. Alors si β est la partition à deux éléments
β = {X1 , X2 } on a
Hξ (α0n ) ≤ Hξ (β) + Hξ (α0n |β),
≤ log 2 + ξ(X1 )HξX1 (α0n ) + ξ(X2 )HξX2 (α0n ),
≤ log 2 + λHµ (αn ) + (1 − λ)Hν (αn ).
On vérifie aussi directement que Hξ (α0n ) = Hλµ+(1−λ)ν (αn ). En divisant
par n on conclut facilement en prenant la limite quand n tends vers l’infini.


En travaillant encore un peu, on peut en fait montrer que h est harmo-

R
nique, i.e. si µ = νdMµ (ν) est la décomposition ergodique de µ alors
Z
h(µ) = h(ν)dMµ (ν).

4. Entropie à la Bowen
Pour x ∈ X, n ∈ N et  > 0 on note B(x, n, ) la (, n)-boule dynamique
B(x, n, ) := {y ∈ X, d(T k x, T k y) <  pour tout 0 ≤ k < n}.
62 7. ENTROPIE TOPOLOGIQUE ET PRINCIPE VARIATIONNEL

Clairement si U est un recouvrement d’ouvert de X avec diam(U) < 

(resp. Leb(U) < ) alors Uxn ⊂ B(x, n, ) (resp. B(x, n, ) ⊂ Unx ) pour tout
Uxn ∈ U n contenant x. En particulier on a
htop (T ) = lim htop (T, )
→0
1 [
avec htop (T, ) := lim sup log min{]Cn , B(x, n, ) = X}.
n n x∈C n

On montre aussi facilement que

htop (T ) = lim h0top (T, )

→0
1
avec h0top (T, ) := lim sup log max{]Cn , y ∈/ B(x, n, ) pour x 6= y ∈ Cn }.
n n
On vérifie en effet que
[
min{]Cn , B(x, n, ) = X} ≤ max{]Cn , y ∈
/ B(x, n, ) pour x 6= y ∈ Cn }
x∈Cn
et
[
max{]Cn , y ∈
/ B(x, n, ) pour x 6= y ∈ Cn } ≤ min{]Cn , B(x, n, /2) = X}.
x∈Cn

Lemme 4.1. On suppose µ ergodique. Soit α une partition avec µ(∂α) =

0. Alors pour tout δ > 0 il existe 0 tel que pour tout  < 0 pour µ pp x
1
lim sup log ]{An ∈ αn , An ∩ B(x, n, ) 6= ∅} < δ.
n n
Démonstration. Soit  > 0 tel que le -voisinage ∂  α de ∂α soit de
mesure plus petite que δ. D’après le théorème ergodique ponctuel, pour
µ presque tout x on a n1 ]{0 ≤ k < n, T k x ∈ ∂  α} →n µ(∂  α) < δ. Soit
0 = maxA∈α d (A, X \ (A ∪ ∂  α)). Alors B(x, n, 0 ) rencontre au plus (]α)an
éléments de αn avec an = ]{0 ≤ k < n, T k x ∈ ∂  α}. 

5. Principe variationnel
Le principe variationel relie l’entropie des mesures et l’entropie topolo-
gique.

Théorème 5.1.
htop (T ) = sup h(µ).
µ∈M(e) (X,T )

Démonstration. Montrons tout d’abord que h(µ) ≤ htop (T ) pour

toute mesure T -invariante. Par harmonicité de l’entropie il suffit de le mon-
trer pour des mesures ergodiques µ. Soit λ ∈ (0, 1) et soit E un ensemble
avec µ(E) > λ. On considère une partition α avec µ(∂α) = 0 et h(µ, α) '
 5. PRINCIPE VARIATIONNEL 63

h(µ). Pour δ fixé, d’après le lemme 4.1 il existe  > 0 et E 0 ⊂ E avec

µ(E 0 ) > λ tel que lim supn n1 supx∈E 0 log ]{An ∈ αn , An ∩B(x, n, ) 6= ∅} < δ.
On considère un recouvrement Cn de X par des boules dynamiques de
rayon /2, i.e. x∈Cn B(x, n, /2) = X. En particulier il existe Cn0 ⊂ E
S

avec ]Cn0 ≤ ]Cn tel que E ⊂ x∈Cn0 B(x, n, ). Par conséquent E 0 est cou-
S

vert par au plus enδ ]Cn éléments de αn pour n assez grand. En particulier
h(µ) = n+ λ (µ) ≤ htop (T ) + δ.

On montre désormais qu’il existe pour tout  > 0 une mesure T -invariante
µ avec h(µ) ≥ h0top (T ) − . Soit  > 0 tel que h0top (T, ) ' htop (T ) et α
une partition de diamètre < . On considère pour tout n un ensemble Cn
de cardinal maximal parmi les ensembles En vérifiant y ∈ / B(x, n, ) pour
1
P
x 6= y ∈ En . On pose µn := ]Cn x∈Cn δx . Par définition il y au plus un
élément de En dans chaque An ∈ αn . Il s’en suit que
Hµn (αn ) = log ]En .
On fixe maintenant un entier positif p < n on a par le lemme 2.2 du chapitre
précédent pour tout 0 ≤ j < p avec n − j = ([n/p] − 1)p + ij
[n/p]−2
X
n j ij
Hµn (α ) = Hµn (α ) + HT ([n/p]−1)p+j µn (α ) + HT∗qp+j µn (αp ),
∗
q=0
[n/p]−2
X
≤ 3p log ]α + HT∗qp+j µn (αp ),
q=0

puis par concavité on obtient en sommant pour tous les 0 ≤ j < p

[n/p]−2
1 p 1 X X 1
Hνn (α ) ≥ H qp+j (αp ),
p p 0≤j<p q=0 p([n/p] − 1) T∗ µn
1 3p
≥ Hµn (αn ) − log ]α,
n n
1
Pp([n/p]−1)−1 k
où on a noté νn := p([n/p]−1) k=0 T∗ µn . On montre comme dans le
lemme 1.2 que toute limite faible ν de (νn )n est invariante (νn ne l’était pas
log E
a priori). Soit (nk )k une sous suite telle que limk nknk = h0top (T, ). Soit ν
une limite faible de (νnk )k . On peut choisir la partition α avec ν(∂α) = 0
de sorte que µ 7→ Hµ (αp ) est une fonction réelle de M(X) continue en ν.
On a donc en passant à la limite en n (à p fixé) :
Hν (αp )
≥ lim h0top (T, ).
p
On conclut en passant à la limite en p que
h(µ) ≥ htop (T 0 , ).
64 7. ENTROPIE TOPOLOGIQUE ET PRINCIPE VARIATIONNEL


En général pour un système topologique il n’existe pas de mesure d’en-
tropie maximale, i.e. de mesure réalisant le supremum dans le principe va-
riationel.
Théorème 5.2. On suppose que T : X → X soit un homéomorphisme
expansif. Alors il existe une mesure d’entropie maximale.
Démonstration. Soit µn ∈ M(X, T ) tel que h(µn ) > htop (T )− n1 . Soit
µ une limite faible de (µn )n . On considère une partition α de diamètre infé-
rieur à la constante de Lebesgue d’un générateur topologique avec µ(∂α) =
0. Comme nous l’avons déja remarqué on a h(µ, α) = h(µ) pour tout µ. Pour
conclure il suffit de vérifier que lim supn h(µn , α) ≤ h(µ, α). Soit n tel que
h(µ, α) ' n1 Hµ (αn ). Puisque µ(∂α) = 0 la fonction µ 7→ Hµ (αn ) est continue
n) Hµ (αn )
donc pour ν proche de µ on a h(ν) ≤ Hν (α n
' n
' h(µ, α) = h(µ).


6. Applications et exemples
6.1. Inégalité de Ruelle en dimension 1.
Théorème 6.1. Pour tout application f continue C 1 par morceaux et
pour tout µ ∈ M([0, 1], f ), on a
Z
h(f, µ) ≤ log+ |f 0 |dµ.

En particulier
htop (f ) ≤ log+ kf 0 k∞ .
Démonstration. Soit α une partition de [0, 1] en intervalles de lon-
gueur . On a
n−1
1X
h(µ, α) = lim Hµ (αk+1 |αk ).
n n
k=0
Puis pour tout k on a
X
Hµ (αk+1 |αk ) ≤ µ(B) log ]{A ∈ αk+1 , A ⊂ B},
B∈αk
X
≤ µ(B) log ]{A ∈ α, f (Bk−1 ) ∩ A 6= ∅},
B=(B0 ,...,Bk−1 )∈αk
!
X
≤ µ(B) log max( sup |f 0 (x)|, 1) + 2 ,
x∈Bk−1
B=(B0 ,...,Bk−1 )∈αk
Z Z
0
≤ log 3 + +
log |f (f k−1
x)|α dµ(x) = log 3 + log+ |f 0 (x)|α dµ(x),
 6. APPLICATIONS ET EXEMPLES 65

avec |f 0 (f k−1 x)|α := supy∈α(x) |f 0 (y)|, où α(x) désigne l’élément de α

contenant x. Quand le diamètre de α tend vers 0 cette dernière intégrale
vers 2 + log+ |f 0 (x)|α dµ(x). On obtient donc à la limite
R
Z
h(f, µ) ≤ log 3 + log+ |f 0 |dµ.

En considérant f p pour p grand on a

h(f p , µ)
Z Z
log 3 1
h(f, µ) = ≤ + log |(f ) |dµ ' log+ |f 0 |dµ.
+ p 0
p p p


6.2. Entropie des applications de l’intervalle monotone par mor-

ceaux.

Théorème 6.2. Soit f une application continue par morceaux et soit α

la partition en branches monotones de α. Alors
1 1
htop (f ) = lim log ]αn = lim log ]{n-branches monotones}.
n n n n
Démonstration. Nous montrons tout d’abord que l’on peut toujours
recouvrir une n-branche monotone par /n (, n) boules dynamiques. Ceci
entrainera que htop (f ) ≤ limn n1 log ]{n-branches monotones}. En effet si
In est une n-monotone branche, i.e. In est un intervalle tel que f k |In est
S
monotone pour tout 1 ≤ k ≤ n alors on vérifie que x∈E B(x, n, ) ⊃ In
avec E := 0≤k<n f −k F et F = {k, k ∈ N} ∩ [0, 1]. En effet on vérifie
S

facilement que si x ∈ In est compris entre deux éléments consécutifs y0 et

y1 de E alors par monotonie x est dans la boule B(yi , n, ).
Il suffit maintenant pour conclure que htop (f ) ≥ limn n1 log ]αn car chaque
élément de αn est inclus dans une n-branche monotone. Soit U un recou-
vrement d’ intervalle ouverts de [0, 1] tel que tout élément de U rencontre
au plus trois éléments de α. On a facilement
1
log ]αn − log 3.
htop (f ) ≥ htop (f, U) ≥ lim
n n

En appliquant ceci non pas à (f, α) mais à (f p , αp ) pour un large p, on

obtient htop (f ) ≥ limn n1 log ]αn . 

On s’intéresse maintenant au cas particulier des applications tentes. Pour

tout 0 ≤ a ≤ 2 on pose Ta l’application de l’intervalle definie par

Ta (x) = ax pour x ≤ 1/2,

Ta (x) = a(1 − x) pour x ≥ 1/2.

66 7. ENTROPIE TOPOLOGIQUE ET PRINCIPE VARIATIONNEL

Théorème 6.3. Pour tout a, on a

htop (T, a) = log+ a

Démonstration. Par l’inégalité de Ruelle il suffit de montrer que

htop (T, a) ≥ log a pour a > 1. D’après la formule pour l’entropie des ap-
plications monotones par morceaux, l’entropie de Ta est donnée par le taux
de croissance exponentielle en n des n-branches monotones. Mais l’image par
Tan−1 d’une telle branche est de longueur ≤ 1/2. Donc toutes n-branche mo-
notone est de longueur ≤ 1/2an−1 . En particulier le nombre de n-branches
est ≥ 2an−1 . 

6.3. Sous-décalage à alphabet fini. Soit (Y, S) un sous-décalage à

alphabet fini, alors
log ]Yn
htop (Y, S) = lim
n n
avec Yn le nombre de mots à n lettres que l’on peut trouver dans Y .

Théorème 6.4. Soit (Y, σA ) un sous décalage de type fini avec A pour
matrice d’adjacence, alors
htop (σA ) = log ρ(A).

Démonstration. On suppose pour simplifier (faites le cas général) que

pour tout i, j ∈ {1, ..., K} il existe un entier pi,j tel que (Api,j )i,j > 0. Pour
calculer l’entropie de σ il suffit d’après la remarque ci-dessus d’estimer le
cardinal de Yn . Pour tout entier n il existe i, j ∈ {1, ..., K} tel que ]Yn (i, j) ≥
]Yn
K2
où Yn (i, j) est l’ensemble des mot à n lettres commençant par i et
finissant par j. Puisque (Apj,i )j,i > 0 on a aussi
]Yn
]Yn+pj,i (i, i) ≥ ]Yn (i, j) ≥
K2
et donc
log T r(An ) log ]Yn
log ρ(A) = lim ≥ lim ] = htop (σ).
n n n n
Comme T r(An ) est plus petit que le cardinal de Yn , on a en fait une égalité.


Soit A ∈ Md (0, 1) une matrice aperiodique et (u1 , ..., ud ) et (v1 , ..., vd ) les
vecteurs propres à gauche et à droite associés à la valeur propre maximale
λ > 0.

Définition-Proposition 6.5. La mesure de Parry du sous shift de

type fini de matrice d’adjacence A est la mesure Markovienne associé à la
 7. EXERCICES 67

matrice stochastique P et à la proba stationnaire π défine par

Aij
Pij =
λvj
ui vi
πi = P .
j uj vj

La mesure de Parry µ satisfait la propriété suivante (dite de Gibbs).

Proposition 6.6. Il existe 0 < a < b tels que pour tout n-cylindre Cn
on a
a b
n
≤ µ(Cn ) ≤ n
λ λ
Théorème 6.7. La mesure de Parry µ est l’unique mesure d’entropie
maximale de (Y, σA ).

Démonstration. On raisonne par l’absurde. Soit m est une autre me-

sure d’entropie maximale. On peut supposer m ergodique (pourquoi ?). Les
mesures ergodiques m et µ sont orthogonales : il existe un Borel E tel que
µ(E) = 0 et m(E) = 1. On considère une union En de [−n, n]-cylindres
tels que µ(En ) ' 0 et m(En ) ' 1. On a alors avec P0 la partition en 0-
coordonnées
h(m) = log λ,
1 [−n,n]
= lim Hm (P0 ),
n 2n + 1
1  [−n,n]

≤ Hm ({En , Y \ En }) + Hm (P0 |{En , Y \ En }) .
2n + 1
Puis la mesure µ étant de Gibbs on a :
(2n + 1) log λ . m(En ) [(2n + 1) log λ + log µ(En )]
+(1 − m(En )) [(2n + 1) log λ + log(1 − µ(En ))] ,
n
0 ≤ m(En ) log µ(En ) + (1 − m(En )) log(1 − µ(En )) →
− −∞.


7. Exercices

Exercice 16.
Montrer que tout homéomorphisme du cercle est d’entropie topologique
nulle.

Exercice 17.
Soit f : M → M un système dynamique C 1 sur une variété compacte lisse
M de dimension d. On note R(f ) = limn n1 log supx kDx f n k. Vérifiez que la
68 7. ENTROPIE TOPOLOGIQUE ET PRINCIPE VARIATIONNEL

limite est bien définie et ne dépend pas de la structure Riemanienne kk sur

M . Montrez enfin que
htop (T ) ≤ dR(T ).

Exercice 18.
Soient (Xn , Tn )n des systèmes topologiques. On compactifie l’union disjointe
des Xn ’s par un point ∗ (i.e. une base de voisinages (V (x))x de l’espace
toplogique X ainsi obtenue est donnée par V (x) étant les ouverts de Xn
S
lorsque x ∈ Xn et V (∗) étant les complémentaires des compacts de n Xn .
On considère la dynamique T sur X coincidant avec Tn sur Xn et avec
T ∗ = ∗.
— Montrer que htop (T ) = supn htop (Tn ),
— On suppose que (htop (T )n )n est une suite bornée strictement crois-
sante. Montrez que (X, T ) n’a pas de mesure d’entropie maximale.

David BURGUET
LPMA - CNRS UMR 7599
Universite Paris 6
75252 Paris Cedex 05
FRANCE [Link]@[Link]