Vous êtes sur la page 1sur 32

1. Introduction.

La thorie mathmatique des distributions est une synth`se de tous les e e e procds qui permettent de donner un sens aux intgrales divergentes, aux e e e drives de fonctions non drivables, etc. e e e Une distribution est un mod`le mathmatique pour une distribution e e de charges lectriques, do` le nom. Nimporte quelle distribution peut e u se reprsenter intuitivement comme une certaine rpartition de charges e e dans lespace, soit continue, soit discr`te. Lorsquon crit lquation de e e e llectrostatique e U = 4 (1.1)

le param`tre reprsente la densit de charges. Mais si les charges sont e e e discr`tes, on doit prendre pour une combinaison de charges ponctuelles e dont chacune est reprsente par la pseudodensit . La thorie des distrie e e e butions permet denglober les deux cas sous un concept unique. Il est vident que pour le physicien il ny a pas de sparation objective e e entre les densits continues et les distributions de charges discr`tes : une e e charge place au point x = 0 (sur la droite, pour xer les ides) pourrait e e aussi bien se reprsenter par une densit continue e e (x) =

x2/22

(1.2)

avec susamment petit, que par (x). Mais les r`gles de calcul avec sont e bien plus simples quavec . Si on veut reprsenter un diple (deux charges opposes tr`s proches), e o e e on a le choix entre les mod`les mathmatiques suivants (gure 1) : e e une densit continue dipolaire, telle que par exemple (x) = e ; cette densit prsente un minimum tr`s aigu pour e e e (1/ 2 3 ) x e e e x = (charge ngative) et un maximum tr`s aigu pour x = + (charge positive) ; une distribution discr`te 2 [(x e 1 x = et charge ngative en x = ) ; e
x2/22

) (x + )] (charge positive en

192

J. Harthong : cours danalyse une nouvelle distribution dite dipolaire, qui est la limite de lune ou lautre des deux prcdentes lorsque tend vers zro (les deux limites, prises e e e au sens des distributions, sont gales). e La troisi`me reprsentation nest pas plus juste que les deux premi`res, e e e mais les r`gles de calcul sont bien plus simples avec elle. Les distributions e peuvent toujours tre drives, et on verra que la distribution dipolaire est e e e gale a . e `

2. Dnition mathmatique des distributions. e e Nous avons vu ` la n du chapitre prcdent que les fonctions I, (x) a e e navaient pas de limite au sens usuel, mais que les intgrales I, (x) (x) dx e ( ). De la mme faon, la famille des e c en avaient pour toute fonction fonctions 1.2 na pas de limite au sens usuel (sa limite dans un autre sens serait ), mais les intgrales e

x2/22

(x) dx

(2.1)

en ont une lorsque

0 pour nimporte quelle fonction continue (pourvu


+x2

videmment quelle ne croisse pas comme e e 1). Les fonctions (x) = (1/ 2 3 ) x e 0, mais les intgrales e
+

a ` linni). nont pas de limite quand

Il en est de mme pour les diples considrs dans la section 1 (gure e o ee


x2/22

x2/22 1 xe (x) dx 2 3

(2.2)

en ont une pour nimporte quelle fonction continuement drivable (et e raisonnable a linni). ` On peut calculer facilement la limite de 2.1 et 2.2. On remarque que la famille de fonctions 1.2 tend uniformment vers zro dans tout intervalle e e , a] ou [+a, + [ ; dautre part, si est continue, elle de la forme ] est pratiquement gale a (0) au voisinage de x = 0, de sorte que 2.1 se e ` dcompose en e

x2/22

(x) dx =

+a a

+ +a

(2.3)

o` le premier et le troisi`me terme tendent vers zro et o` le deuxi`me est u e e u e quivalent a e ` +a x2/22 1 e dx (2.4) (0) a 2

193

Distributions (thorie) e

Densit de charge continue (` gauche) et distribution discr`te (` droite) reprsentant e a e a e un mme diple. La distance entre les charges est 2. e o

Diple de mme moment que ci-dessus, mais la demi-distance entre les deux charges o e est plus petite (les charges sont donc plus grandes). Lorsquon fait tendre vers zro et e les charges vers linni, le moment dipolaire restant constant, on obtient une limite (au sens des distributions). gure 1

194

J. Harthong : cours danalyse Un calcul direct (faire dans lintgrale le changement de variable x = y) e montre que lintgrale ci-dessus tend vers 1 quand tend vers zro. e e Autrement dit, la limite de 2.1 est tout simplement (0) (si est continue en x = 0) On remarque que la densit qui intervient dans 2.2 est au signe pr`s la e e drive de celle qui intervient dans 2.1 : e e

x2/22 1 xe = 2 3

d dx 1

x2/22

(2.5)

Par consquent, en faisant dans 2.2 une intgration par parties on se ram`ne e e e a ` 2.1 et on voit que la limite de 2.2 est (0). Le bilan de ces quelques exemples montre que selon les cas, il faut que soit continue, ou continuement drivable, ou (pour I ) susamment e drivable. Il fallait aussi quelle soit raisonnable a linni. Pour tre s r de e ` e u couvrir tous ces cas, on suppose que est dans lespace ( ).

Toutes les distributions envisages jusquici taient alors des limites e e dintgrales de la forme e
+

fn (x) (x) dx

ou

f (x) (x) dx

pour n ou 0. Il est clair que les proprits de linarit des ee e e intgrales passent a la limite. On gnralise donc la notion dintgrale en e ` e e e disant que les expressions suivantes
+ + +

(x) (x) dx = (0)

(2.6 a) (2.6 b) (2.6 c)

(x) (x) dx = (0)


+ 0

I (x) (x) dx = lim

I, (x) (x) dx

sont des fonctionnelles linaires ou des formes linaires sur lespace ( ). e e Cela signie quelles dpendent linairement de la variable , qui est une e e fonction, mais aussi un vecteur de lespace vectoriel ( ). Lexemple f (x) dx est la standard de fonctionnelle linaire est lintgrale : f e e fonctionnelle linaire type. La thorie des distributions est une tentative e e russie dtendre la notion usuelle dintgrale. e e e

On donne alors la dnition mathmatique suivante : e e Dnition. On appelle distribution une forme linaire continue sur e e lespace ( ).

195

Distributions (thorie) e Autrement dit, une distribution est une application T de lespace vectoriel ( ) dans (ou parfois ) :

T : qui est linaire : e

()

T ()

(2.7)

T (1 + 2 ) = T (1 ) + T (2 ) T () = T () et aussi continue :
n

lim n =

lim T (n ) = T ()

(2.8)

Au premier abord, il peut para curieux quon exige la continuit pour une tre e application linaire, mais lespace ( ) tout comme les espaces 1 ( ) e et 2 ( ) est un espace vectoriel de dimension innie. Sur un tel espace, il peut y avoir des fonctions linaires discontinues. Il ny a pas besoin de e chercher loin pour en trouver : prenons la fonctionnelle linaire e

A:

1 () 2 () f

f (x) dx

Cette fonctionnelle est simplement lintgrale. Elle est discontinue si on e consid`re lespace vectoriel E = 1 ( ) e 2 ( ) avec la notion de limite en moyenne quadratique (mais elle serait continue avec la limite en moyenne tout court). En eet, soit par exemple la suite de fonctions fn (x) =
1 1 ln(n+1) 1+|x|

si x n; si x > n.

Un calcul simple donne A(fn ) = 2. Mais dautre part fn


2 2

1 1 dx = 2 2 1 2 ln (n + 1) (1 + x ) ln (n + 1)
2

1 n+1

ce qui tend vers zro quand n tend vers linni. On a donc ainsi un exemple e e e pour lequel fn 2 tend vers zro alors que A(fn ) = 2 ne tend pas vers zro. On voit que la continuit dune application linaire na rien dautomatique. e e Lexemple choisi est lintgrale ; cest lexemple le moins articiel possible, e puisque lide essentielle de la thorie des distributions est dtendre la e e e notion dintgrale sous la forme plus gnrale de fonctionnelle linaire : e e e e f (x) dx est une fonctionnelle linaire de f . Dans cette ordre dides, la e e continuit de ladite fonctionnelle linaire exprime le passage a la limite sous e e ` 196

J. Harthong : cours danalyse e e le signe : les crateurs de la thorie des distributions sont partis du principe que si on veut tendre la notion dintgrale a des fonctions qui ne sont pas e e ` intgrables au sens usuel, ces nouvelles intgrales doivent avoir la proprit e e ee du passage a la limite, sinon elles sont peu intressantes. Cest pour cette ` e raison quon exige la continuit. e e La limite des T (n ) ne pose aucun probl`me, car ils forment une suite numrique : la limite est la limite au sens usuel pour les suites de nombres. e Par contre il faut prciser ce quon entend par la limite de la suite n , car il e sagit dune suite de fonctions de lespace ( ). Si on adopte lun des deux sens usuels, ` savoir a a) la limite dite simple : pour tout x x, la suite numrique n (x) tend e e vers le nombre (x) ; b) la limite uniforme : la suite numrique supx n (x) (x) tend vers e zro ; e

ou bien encore le sens dni pour les espaces 1 ( ) ou 2 ( ), qui sapplique e e aussi dans lespace ( ), alors on ne pourra pas construire une thorie (1) cohrente des distributions. Il a fallu des annes de recherches e e pour trouver la bonne notion de limite et pour dmontrer quavec cette bonne e notion de limite tout marche bien.

Voici cette notion de limite. On introduit les nombres suivants, appels e les semi-normes de lespace ( ) :

j,k () = sup x

j (1 + x k ) d j (x) dx

(2.9)

). La dnition mme de lespace de Schwartz e e o` j et k sont des entiers ( u (2) garantit que ces nombres sont tous nis . On dit alors que la suite n tend vers zro dans ( ) si pour tout couple dentiers j et k ( 0), la suite e numrique j,k (n ) tend vers zro : e e

-lim n = 0 n

, k , -lim j,k (n) = 0 n

(2.10)

On a introduit les notations -lim et -lim pour rendre plus visible la dirence. La dnition 2.10 est donne pour les suites n qui tendent e e e
(1)

Voir les mmoires de Laurent SCHWARTZ (Un mathmaticien dans le si`cle, Editions e e e Odile Jacob, Paris, ), chapitre VI, pages 223 266. (2) La logique suivie jusquici dans ce cours peut donner le sentiment que lintroduction de ces semi-normes est naturelle ou vidente compte tenu de la structure de lespace S ( ) ; e ou encore, le fait quelles soient toutes nies peut sembler une co ncidence extraordinaire. Mais la voie suivie pour la dcouverte nest pas celle adopte pour ce cours : lespace de e e Schwartz a t construit a partir de la ncessit davoir ces semi-normes, et non linverse. ee ` e e

197

Distributions (thorie) e vers zro, mais cela sut puisque ( ) est un espace vectoriel : il revient e ou que n 0. En outre, videmment au mme de dire que n e e pour une forme linaire T , il revient au mme de dire que T (n ) e e T () 0 ; autrement dit, pour quune forme linaire soit continue, e ou T (n ) il sut quelle soit continue en 0. Ainsi, une distribution est une forme , k , limn j,k (n ) = 0, alors linaire sur ( ) telle que, si j e limn T (n ) = 0.

3. Exemples. Pour illustrer cela, on va immdiatement essayer cette dnition sur les e e exemples dj` voqus. eae e Soit dabord T () = (0) (T = de Dirac).

ee a) T est dnie sur tout ( ) : si est lment de ( ), elle est une e e e fonction dnie sur et a donc une valeur bien dtermine en x = 0 ; e

b) T est linaire ; en eet, si 1 et 2 sont deux lments de lespace e ee vectoriel ( ), leur somme = 1 + 2 est la fonction telle que x , (x) = 1 (x) + 2 (x), donc en particulier pour x = 0 ; de mme pour e .

c) Enn, T est continue, au sens de 2.10 : si pour tous j, k on a 0, alors on la en particulier pour j = k = 0, cest-`-dire a j,k (n ) 0 ; cela veut dire que n converge uniformment vers zro e e supx n (x) pour tout x, donc en particulier pour x = 0.

(0) est analogue (T = , drive de ). e e ee a) T est dnie sur tout () : si est lment de (), elle est une e fonction dnie sur et inniment drivable, donc a une valeur bien e e
Le cas T () = dtermine en x = 0 ; e e b) T est linaire ; en eet, si 1 et 2 sont deux lments de lespace e ee vectoriel ( ), leur somme = 1 + 2 est la fonction telle que x , (x) = 1 (x) + 2 (x), et on a alors aussi (x) = 1 (x) + 2 (x) pour tout x, en particulier pour x = 0 ; de mme pour . e

c) Enn, T est continue : si pour tous j, k on a j,k (n ) 0, alors on 0 ; cela la en particulier pour j = 1 et k = 0, cest-`-dire supx n (x) a e e veut dire que n converge uniformment vers zro pour tout x, donc en particulier pour x = 0. Le cas des distributions I ( < 1) est a peine plus compliqu. ` e || e /[(i) ]2 . Souvenons-nous que I, (x) est la transforme de Fourier de e 198

J. Harthong : cours danalyse Par consquent, dapr`s VI.3.5 (thor`me 3 du chapitre VI) on peut crire : e e e e e
+

I, (x) (x) dx =

||

[(i) ]2

() d

(3.1)

Posons alors que la distribution T = I ( < 1) est dnie comme tant e e T () = Dapr`s 3.1, cela quivaut a e e ` T () =

0 -lim 0 -lim

I, (x) (x) dx

(3.2)

||

[(i) ]2

() d

(3.3)

Or, contrairement a lintgrale 3.2 dans laquelle la fonction a intgrer na ` e ` e pas de limite quand 0, on peut passer a la limite sous le signe dans ` lintgrale 3.3 (la fonction sous le signe dans 3.3 satisfait eectivement les e conditions requises par les thor`mes gnraux, grce a la prsence de la e e e e a ` e e fonction ()). Par consquent : T () =
+

1 [(i) ]2

() d

(3.4)

On peut donc oublier maintenant 3.2 et 3.3, et considrer que 3.4 dnit e e T = I . On constate alors a) que T est bien dnie sur tout ( ) : si e ( ), alors ( ) (thor`mes 1 et 2 du chapitre VI) e e b) que T est linaire : si = 1 + 2 , on aura aussi = 1 + 2 et bien e entendu lintgrale 3.4 est linaire ; de mme pour . e e e c) Que T est continue : on peut rcrire 3.4 sous la forme ee

T () =

1 (1 + m+2 ) () d m+2 [(i) ]2 1 +

(o` m est un entier quon choisira juducieusement) de sorte quen appliquant u lingalit de la moyenne a cette derni`re expression on obtient e e ` e T ()

0,m+2()

1 d [(i) ]2 1 + m+2

Il sut de choisir m en fonction de pour assurer la convergence de lintgrale ci-dessus (par exemple on prend pour m le plus petit entier e e e suprieur a 1 ). On a alors lingalit e `

T ()

0,m+2()

199

Distributions (thorie) e o` M est la valeur de lintgrale en question, et ne dpend pas de . Il ne u e e -lim n = 0, ce qui provient reste plus qu` montrer que -lim n = 0 a dun thor`me de la section suivante. e e

4. La continuit dans lespace e

().

Dans la dnition des distributions, il y a trois conditions ; a) T est une e application de ( ) dans ; b) cette application est linaire ; c) elle est e continue. Cest videmment c) qui est la nouveaut, dicile ` comprendre. e e a Cest pourquoi on y consacrera toute la prsente section. e

Si un est une suite de nombres, on dit que un tend vers u si , n0 , n n0 u un . En franais, cela veut dire : plus n est grand, plus u un c est petit, cest-`-dire plus un est proche de u ; quand n est tr`s grand, un a e est tr`s proche de u. La proximit se traduit par la petitesse de u un , qui e e est la distance de u ` un . On voit ainsi que la notion de limite prsuppose a e une notion de proximit. e

Lorsquon dit quune suite de fonctions fn a pour limite uniforme une fonction f , cela veut dire que plus n est grand, plus le nombre supx fn (x) f (x) est petit. Cette fois, cest le nombre supx fn (x) f (x) qui mesure la distance de fn ` f . Cest-`-dire que fn est proche de f si supx fn (x) f (x) a a est petit (cela signie que, indpendamment de x, les nombres fn (x) et f (x) e sont tous proches, leur distance est petite uniformment en x). e

Au chapitre VI nous avons vu deux autres notions de limite ; la limite en moyenne, et la limite en moyenne quadratique. Dans ces deux cas, la distance tait respectivement fn f 1 et fn f 2 . La fonction fn est e alors proche de f si fn f 1,2 est petit. Concr`tement, cela signie que e les nombres fn (x) et f (x) sont proches pour la plupart des valeurs de x ; contrairement ` la proximit uniforme, il peut y avoir des valeurs de x pour a e lesquelles les nombres fn (x) et f (x) sont loigns lun de lautre, mais ces e e valeurs se regroupent sur des intervalles tr`s courts (dautant plus courts e que n est plus grand).

Dans lespace ( ), cest lensemble des semi-normes j,k qui dnit la e proximit. La proximit est plus complexe que dans le cas des proximits e e e uniforme ou en moyenne, car il ny a plus un nombre unique qui mesure simplement la distance : deux fonctions et de lespace ( ) sont proches si tous les nombres j,k ( ) sont petits, mais on ne demande pas quils soient tous aussi petits en mme temps, cest-`-dire uniformment en j, k. e a e Ainsi, dire que n tend dans j,k vers (ce qui en langage mathmatique e scrit -lim n = ) signie que plus n est grand, plus les nombres e

200

J. Harthong : cours danalyse

j,k(n ) sont petits, ou en langage mathmatique : e j , k , -lim j,k (n ) = 0 (4.1) Si on revient a la dnition des semi-normes j,k , 4.1 signie que tous ` e e les nombres supx (1 + x k ) (j) (x) (j) (x) tendent vers zro quand n
n tend vers linni ((j) dsignant la j e drive de ). Ou encore : que e e e k (j) e les fonctions (1 + x ) n (x) tendent toutes uniformment vers (1 + k (j) x ) (x). Cette notion de limite est donc bien plus forte que la limite e uniforme : on ne demande pas seulement que n tende uniformment vers e , mais quen outre toutes les drives de n tendent uniformment vers e e les drives correspondantes de , et aussi que ces drives multiplies e e e e e k e par nimporte laquelle des fonctions 1 + x tende uniformment vers la limite correspondante. Dire que n tend uniformment vers signie e e e e ne seulement que 0,0 (n ) tend vers zro. en rsum : -lim n = entra u-lim n = , mais non linverse.

En utilisant judicieusement lingalit de la moyenne, on peut facilement e e montrer que la convergence dans ( ) entra aussi la convergence dans ne 1 ( ) ou dans 2 ( ):

= -lim n
+ +

1-lim n
+

et =

2-lim n

(4.2)

Il sut en eet de vrier que e


1

(x) dx =

1 dx 1 + x2

sup x

1 [(1 + x2 ) (x) ] dx 1 + x2 =

(1 + x2 ) (x)

0,2()

(4.3)

et de mani`re analogue e
2 2

=
+

(x) 2 dx =

1 [(1 + x ) (x) ]2 dx 2 (1 + x )

1 dx (1 + x )2

sup x

(1 + x )2 (x) 2 = 2

0,1()2

(4.4)

En rsumant 4.3 et en prenant la racine carre dans 4.4 on a donc : e e

0,1() (4.5) En conclusion : la convergence dune suite dans () entra sa converne

0,2()

et

gence uniforme, sa convergence en moyenne, et sa convergence en moyenne quadratique.

dans est Voyons maintenant la continuit. Une fonction f de e continue au point x0 si pour toute suite xn qui tend vers x0 , f (xn ) tend 201

Distributions (thorie) e vers f (x0 ). Par analogie on dit quune fonction de ( ) dans ( ) est continue au point si pour toute suite n qui tend dans ( ) vers , (n ) tend dans ( ) vers (). Il est un peu gnant dappeler e une fonction alors que sa variable et sa valeur sont elles-mmes des fonctions ; e une transformation ou un oprateur. e cest pourquoi on prf`re appeler ee Pour la mme raison, on a prfr appeler fonctionnelle ou forme linaire e eee e les applications linaires de ( ) dans . e

Un exemple de transformation ou doprateur est la transformation de e Fourier. Nous avions vu au chapitre VI que la transformation de Fourier tait une application continue de 2 ( ) dans 2 ( ). Il rsultait en eet e e ne e de la relation de Parseval que f 2 = 2 f 2 , ce qui entra videmment e e que si fn f 2 tend vers zro, il en sera de mme de fn f 2 . Nous allons maintenant prouver aussi que

e cela veut dire que la transformation est continue si on consid`re la limite e selon les j,k dans lespace de dpart et la limite selon 2 dans lespace darrive. Mais on ne peut pas en conclure la continuit pour la limite selon e e les j,k dans lespace darrive, car la convergence selon les j,k entra la e ne convergence selon e 2 , mais non linverse. Cest pourquoi il faut procder directement.

Autrement dit, si n tend vers zro dans (), alors n tend galement e e e e e vers zro dans (). Une remarque en passant : dapr`s ce qui prc`de, on e e peut immdiatement dire que si n tend vers zro dans (), alors n tend e e vers zro dans 2 (), et donc aussi que n tend vers zro dans 2 () ; e

Thor`me 1. La transformation de Fourier e e application linaire continue de ( ) dans ( ). e

: f

f est une

Dmonstration du thor`me 1. On va tablir des ingalits, qui e e e e e e toutes seront dduites de lingalit de la moyenne. Rappelons que la e e e transforme de Fourier de la fonction x e D j f (x) (o` D j f est la j e drive u e e j (i) f () , et que la transforme de Fourier de la e de f ) est la fonction k k fonction x x f (x) est la fonction iD f(x) (chapitre VI, thor`me e e 1). Par consquent e

( i)k D j f() =

D k [(ix)j f (x)] e

ix

dx

(4.6)

Dapr`s la formule de Leibniz pour la drivation dun produit, on a e e D [(ix) f (x)] =


=0 k j =k

Mj,k, xjk+ D f (x)

(4.7)

` o` les Mj,k, sont des constantes (quon peut exprimer a laide de factorielles u , etc., mais il ne sert ` rien ici den avoir une expression a de j, k, , j k, j

202

J. Harthong : cours danalyse exacte). En crivant la fonction sous e D k [(ix)j f (x)] = dans 4.6 sous la forme

1 (1 + x2 ) D k [(ix)j f (x)] 2 1+x

et en appliquant lingalit de la moyenne, puis 4.7, on obtient e e


k

D j f ()
=k

1 dx 1 + x2

sup (1 + x2) Dk [(ix)j f (x)] x


x

=0

Mj,k, sup xjk+ D f (x) + Mj+2,k, sup xj+2k+ D f (x)


x

=k

=
=0

Mj,k,

,jk+ (f ) + Mj+2,k, ,j+2k+ (f )


Mj,0,0

(4.8)

Pour k = 0, lingalit 4.8 devient aussi e e

,j (f ) + Mj+2,0,0) ,j (f ) (4.9) Les ingalits 4.8 et 4.9 sont vraies pour tout ; si on les ajoute membre e e
D j f() a ` membre on aboutit a `

j,k (f )

C te
j ,k

j ,k (f )

(4.10)

o` la somme comporte un nombre ni de termes gaux a une constante u e ` multiplie par lune des semi-normes (il importe peu de savoir exactement e , on en dduit que e lesquelles). Si on remplace ci-dessus f par n -limn (n ) = 0 = j , k , -limn j ,k (n ) = 0 = -limn j,k (n ) = 0, et dapr`s 4.10 cela est vrai quels que soient e CQFD les entiers j et k.

Un autre oprateur tr`s courant est la drivation : e e e d/dx. Contrairement ` la transformation de Fourier, celui-ci nest pas continu sur 2 ( ) : a si on prend par exemple fn (x) = e
1 1/4 n
1 2 1 2 x +inx , n

un calcul simple montre que

x fn 2 = qui tend vers zro, mais la drive est fn (x) = (i n ) e 2 e e e et le calcul donne fn 2 = 1 + 1/2n2 1/4 qui ne tend pas vers zro. Mais la e drivation devient continue pour le type tr`s particulier de limite considr e e ee sur lespace ( ) :

1 x2 +inx

Thor`me 2. Loprateur de drivation e e e e D:

()
203

( )
d dx

est continu pour la limite dnie par les semi-normes e

j,k

Distributions (thorie) e Dmonstration. Cela rsulte immdiatement de la relation e e e

j,k ( ) = j+1,k () ,
qui est vidente compte tenu de la dnition des semi-normes. e e 5. Intgrales avec poids, et extension. e Il a dj` t dit (section 2) quune intgrale est une forme linaire. ea ee e e Maintenant que nous avons une ide plus claire de la continuit sur les e e espaces de fonctions, notamment ( ), nous pouvons mieux discuter cela. On va donc reprendre quelques questions dj` discutes dans les sections 2 ea e et 3.
CQFD

Soit la fonctionnelle :

E f
+

f (x) dx

(5.1)

o` E est lun des espaces de fonctions dj` tudis, avec la notion particuli`re u e ae e e de limite qui le caractrise ; par exemple : e a) E = b) E = signie fn 2 c) E =

1 (), o` fn 0 signie fn 1 0 ; u 1 () 2 (), qui est un sous-espace de 2 (), o` fn u


0;

a) et c), elle est continue : cest quasiment tautologique pour a), et rsulte e de lingalit de la moyenne pour c). Par contre pour b) elle est discontinue e e (comme on a dj` vu en 2). ea

(), o` fn 0 signie que j, k 0, j,k (fn) 0. u e e e La fonctionnelle est videmment linaire (cest lintgrale) ; dans les cas

Plus gnralement, on peut considrer les intgrales avec poids. Une e e e e fonction p(x) tant xe (le poids), on pose e e

p :

E f

p(x) f (x) dx

(5.2)

Ceci est une fonctionnelle linaire ; elle est dnie et continue dans les cas e e suivants : a) E = 1 ( ) et p est une fonction continue borne ; cela rsulte e e immdiatement de lingalit de la moyenne. e e e b) E =

2 () et p 2 () ; cela rsulte de lingalit de Schwarz e e e


+

p(x) f (x) dx 204

J. Harthong : cours danalyse ` o c) E = ( ) et p est une fonction a croissance polynmiale ; cela rsulte de lingalit de la moyenne : que p soit a croissance polynmiale e e e ` o signie quil existe une constante M et un entier k tels que p(x) M (1 + x k ), donc

(f )
do` u

p(x) f (x) dx =
+

p(x) (1 + x k ) f (x) dx 1+ xk

(f )

M M

(1 + x k ) f (x) dx
+

0,k+2(f )

1+ xk dx 1 + x k+2

Lintgrale obtenue ci-dessus ne dpend que de k (donc de p) et non de f , e e 0 = (f ) 0. ce qui sut pour garantir que 0,k+2(f )

On pourrait aussi trouver des cas o` est discontinue, mais ce sont des u amusements pour intellectuels, or nous sommes presss. e Voici des conclusions plus utiles : Thor`me 3 : si le poids p est ` croissance polynmiale, en particulier e e a o e si p est un polynme, la fonctionnelle p dnit une distribution. o

Il sut en eet de remarquer que, conformment ` ltude du cas c) cie a e CQFD dessus, p est alors continue sur ( )

Toutefois la rciproque est fausse : toute fonctionnelle linaire continue e e e e sur ( ) nest pas forcment une intgrale avec poids. La preuve en est dj` la fonctionnelle dj` introduite plus haut ea ea

()
f

f (0)

(5.3)

Si on voulait la reprsenter sous la forme dune intgrale avec poids, cela e e donnerait f (0) =
+

(x) f (x) dx

(5.4)

ce qui est certes une notation courante, mais dont le sens est donn par la e notion de fonctionnelle, et non par la notion dintgrale. e La notation 5.4 utilise le signe dans un sens tendu et non dans son sens e usuel (celui de lintgrale de Riemann ou de Lebesgue). Une intgrale est une e e limite de sommes discr`tes, tandis quune fonctionnelle linaire est dnie e e e abstraitement. Il est tout a fait lgitime dutiliser la notation 5.4, mais on ` e 205

Distributions (thorie) e ne peut pas lui appliquer sans discernement les thor`mes qui sappliquent e e aux vraies intgrales, tels que par exemple lingalit de la moyenne ou e e e lingalit de Schwarz, ou encore des thor`mes de passage a la limite. Il e e e e ` faudra appliquer des thor`mes qui sont valables pour les fonctionnelles, et e e que nous verrons. Si T est une distribution, on peut lcrire comme fonctionnelle T (), mais e aussi comme dans 5.4 sous la forme : T () =
+

T (x) (x) dx

(5.5)

Une autre notation tr`s commode (quon comprendra mieux au chapitre e suivant) est la notation en produit scalaire T, . On peut donc indiremment crire e e T () T,
+

T (x) (x) dx

(5.6)

Il faut simplement viter de prendre au srieux la variable muette x dans e e la notation en forme dintgrale. e e Si T, est une intgrale avec le poids p(x), on peut prendre p(x) pour T (x) et ainsi T (x) sera une vritable fonction au sens usuel, et 5.5 une e vritable intgrale. On dit alors que T est une distribution rguli`re. e e e e Mais si T est une fonctionnelle qui ne se rduit pas a un poids (comme e ` par exemple ), on ne poura pas attribuer une valeur numrique ` T (x), du e a moins pas pour tout x. On dit alors que T est une distribution singuli`re. e La distribution T ntant alors pas une fonction au sens usuel, elle na pas e de valeur numrique et ne se dnit que par rapport aux fonctions qui e e sont dans lespace ( ).

On peut revenir a lanalogie faite au dbut du chapitre avec llectrosta` e e tique : si T reprsente une densit continue de charges p(x, y, z), le potentiel e e de ces charges sera V (X, Y, Z) =

3 (x X)2 + (y Y )2 + (z Z)2

p(x, y, z)

dx dy dz

Si les charges deviennent ponctuelles ou encore plus singuli`res (diples, e o quadruples, etc.), la densit p cessera dtre une vraie fonction (elle devieno e e dra innie l` o` il y a les charges et nulle partout ailleurs), mais le potentiel a u restera caractristique de la distribution des charges ; cette derni`re sera ree e connaissable dapr`s le potentiel quelle cre et qui, lui, est une vraie fonction e e (quoique ayant des singularits). Cest la mme ide que nous suivons ici, e e e 2 + (y Y )2 + (z Z)2 , mais au lieu de considrer les fonctions 1/ (x X) e

206

J. Harthong : cours danalyse qui deviennent innies en x = X, y = Y , z = Z, et qui par consquent sont e peu commodes pour lanalyse on prf`re utiliser lespace ( ). ee

Cette ide de gnraliser la notion usuelle de fonction ou dintgrale e e e e interdit dappliquer des thor`mes qui ont t prvus pour les vraies e e ee e fonctions et les vraies intgrales, mais videmment on cre la thorie des e e e e distributions de telle mani`re quon puisse disposer de proprits commodes e ee (en particulier pour les calculs). Revenons encore sur la proprit la plus importante des distributions : la ee continuit en tant que fonctionnelle. Elle signie que si -lim n = , alors e -lim T (n ) = T (). Si on interpr`te la distribution comme une fonction e e e e e gnralise et T, n ou T, comme des intgrales gnralises, en e e e utilisant la notation 5.5, on aura

-lim n

T (x) n (x) dx =

T (x) (x) dx

(5.7)

Cela exprime la proprit de passage a la limite sous le signe (remarque ee ` dj` faite en 2). Ainsi, cette proprit qui pour les vraies intgrales exige ea ee e une vrication soigneuse de sa validit, est ici partie intgrante de la e e e dnition. Le passage a la limite sous le signe est donc automatique pour e ` les distributions et nexige aucune prcaution (sauf videmment la garantie e e que T est bien une distribution).

(qui est dj` la plus forte parmi les limites usuelles) est la limite selon la ea semi-norme 0,0 ; dans lespace ( ) on exige encore une innit dautres e semi-normes. Pour quune suite n de fonctions tende vers 0 dans ( ) il faut quelle tende uniformment vers 0, mais cela ne sut de loin pas : il e faut en plus que toutes ses drives tendent uniformment vers 0, et encore e e e que toutes ces drives, multiplies par nimporte quel polynme (ou, ce qui e e e o k e est quivalent, par nimporte quel facteur 1 + x ), tendent uniformment e vers 0. Pour en donner une ide un peu plus concr`te, voici des exemples. e e

(). e La notion de limite choisie pour lespace () (celle dnie par les semie normes j,k ) est extrmement restrictive : on a vu que la limite uniforme
6. Derni`res remarques sur lespace e

(). Pour le vrier e n et (X) = eX . sans calculs, on proc`de comme suit : posons X = x/ e
a) n (x) = e
n x2 /n

; cette suite tend vers 0 dans

e e Si (j) (X) est la j e drive de , alors

n d j n e (j) (x) = j/2 dxj n

x n

207

Distributions (thorie) e Le maximum de dj n /dxj , cest-`-dire la semi-norme j,0 (n ), est via e demment une expression complique, dautant plus complique que j est e e plus grand. Mais la relation ci-dessus montre que ce maximum est gal a e ` n j/2 (j) e /n fois celui de (X) , qui est compliqu aussi, mais qui ne dpend e e pas de n. Ainsi

j,0(n) = ej/2 max (j)


n tend bien vers zro. Avec les facteurs x k on peut crire e e dj e nk/2 x n (x) = dxj nj/2
k n

X k (j) (X)

e Comme avant, et bien que cette fois nk/2 soit au numrateur, le facteur n n k/2 j/2 e lemporte et le coecient e n /n tend vers zro, tandis que e k (j) u e max X (X) reste constant, do` le rsultat. La vrication est assez longue, car il y a beaucoup de semi-normes : il e e faut vrier que chacun des j,k (n ) tend vers zro. Voici maintenant un e contre-exemple.

gure 2 Graphiques des quatre premi`res fonctions de la suite donne dans e e lexemple b) : n (x) = e e cos(3n x). On peut voir que ces fonctions sont uniformment de plus en plus petites mais leurs drives e e e de plus en plus grandes.
n x2 /n

208

J. Harthong : cours danalyse . On voit sans calcul que le maximum de b) n (x) = e cos(3n x) e n cette fonction est (pour tout n) atteint pour x = 0, et vaut e ; il tend donc vers zro, donc cette suite de fonctions tend unifomment vers zro e e e (voir sur la gure 2 les graphiques pour n = 1, 2, 3, 4). Par contre sa drive e e
n x2 /n

e (2x/n) cos(3n x) e ; on voit que pour est e 3n sin(3n x) e n e e x = 3 /2, cette drive vaut en valeur absolue (3/e)n exp( 2 /4 n 32n ), ce qui tend vers linni ; donc ` plus forte raison son maximum tend vers a linni. Cela montre que cette suite converge uniformment vers zro, mais e e pas dans ( ).

x2 /n

x2 /n

Troisi`me exemple : e . Inutile de faire les calculs en dtail, e c) n (x) = e cos(1.001n x) e jn n = mais on devine quen drivant j fois, on aura un facteur 1.001 e e e a [1.001j /e]n ; celui-ci va tendre vers zro tant que 1.001j /e < 1, cest-`-dire tant que j < 1/ ln(1.001) 1000, 499 917 (donc j 1000), puis tendra vers linni quand j sera gal a 1 001 ou plus. On a ainsi une suite de fonctions e ` pour lesquelles j,0 (n ) tend vers zro tant que j 1000, mais 1001,0 (n ) e tend vers linni.
n x2 /n

La question quon peut se poser est : pourquoi dnir la limite de faon e c aussi restrictive ? Pour y rpondre, notons que plus le type de limite est e contraignant, moins il y a de suites convergentes. Il y aura donc dautant plus de fonctionnelles linaires continues : en eet, T est continue si pour e e e toutes les suites n qui tendent vers zro, T, n tend vers zro ; il est vident quen rduisant lensemble des suites qui tendent vers zro, on rend e e e moins exigeante la condition que doit satisfaire T . Si par exemple on posait pour la limite dune suite la dnition la plus contraignante possible, a e ` savoir : n 0 si n , n = 0 ; alors il ny aurait quune seule suite qui tend vers zro, et toutes les fonctionnelles linaires seraient continues. Mais cela e e ne serait pas intressant car on ne pourrait pas avoir des r`gles de calcul e e opratoires. Les bonnes r`gles de calcul ne peuvent pas tre institues par e e e e dcret, et sont conditionnes par lexistence eective despaces fonctionnels e e tels que ( ), qui ont les bonnes proprits et quil faut dcouvrir. ee e

Apr`s le succ`s de la thorie des distributions, les mathmaticiens ont e e e e cherch ` pousser plus loin lide de fonctions gnralises ; dans tous e a e e e e les cas, cest la nature des limites qui dtermine lecacit algbrique des e e e nouveaux objets introduits, car on calcule principalement par passage a la ` limite. Or on na pas trouv mieux que les distributions de Schwartz : ce qui e est plus gnral ne fonctionne quavec des r`gles de calcul compliques, et e e e e ce qui est plus simple est insusant pour les applications (essentiellement : intgrales divergentes, fonctions de Green). Lespace ( ) est le meilleur e

209

Distributions (thorie) e compromis connu. Cette relation entre le choix dun espace fonctionnel possdant un type de e limite spcique, et la nature et les proprits des fonctionnelles continues e ee qui en rsultent, peut encore tre mis en vidence en prenant lespace 2 ( ). e e e Nous avons vu que la limite dans 2 ( ) est beaucoup moins contraignante que dans ( ). Dapr`s les remarques prcdentes, on sattend donc ` avoir e e e a e sur 2 ( ) beaucoup moins de fonctionnelles linaires continues. Cest bien ) quon admettra dit que toute le cas. Un thor`me (Fred. Riesz, e e e e fonctionnelle linaire continue sur 2 ( ) est forcment une intgrale avec e poids. De faon prcise : c e

Thor`me 4 (F. Riesz). Soit e e T :

2 () f
2

T, f

une fonctionnelle linaire continue, cest-`-dire telle que e a

n T, fn = 0 lim Alors il existe une fonction p dans 2 () telle que


n

lim fn

=0 =

2 ( ) ,

T, f =

p(x) f (x) dx

La dmonstration de ce thor`me exige des connaissances mathmae e e e tiques que nous ne verrons quau chapitre X, cest pourquoi on ne la donne pas ici. Mais sa signication est claire : si on prend 2 ( ) comme espace de rfrence, les fonctionnelles linaires continues ne fournissent ee e rien de nouveau par rapport aux fonctions usuelles. Pour avoir plus que les simples fonctions, il faut avoir plus de fonctionnelles, et donc il faut abaisser la contrainte de la continuit en renforant la contrainte e c sur les suites convergentes. Mais la commodit des r`gles de calcul sur les e e fonctionnelles sera videmment lie aux proprits de lespace de rfrence. e e ee ee Par exemple le fait que la transformation de Fourier transforme ( ) en lui-mme, et y est continue, permet de dnir la transforme de Fourier des e e e distributions, avec des r`gles de calcul simples et naturelles. Sil nexistait e aucun espace autre que 2 ( ) sur lequel la transforme de Fourier est e continue, on ne pourrait pas tendre la transformation de Fourier aux e distributions.

Les distributions sont donc dnies abstraitement : on les identie aux e fonctions lorsque (en tant que fonctionnelles) elles sont des intgrales avec e poids, et on les consid`re comme des fonctions gnralises dans le cas e e e e 210

J. Harthong : cours danalyse contraire, celui qui justement ne se produit pas sur 2 ( ). Mais il ne faudra jamais oublier que les distributions ne sont que des artices mathmatiques ; e il ny a pas plus dinformation dans lexpression
+

(x) (x) dx = (0)

que dans lexpression 2n3/2 n lim

xe

nx2

(x) dx = (0)

La dirence est quil existe des r`gles de calcul simples pour les expressions e e comme la premi`re qui vitent davoir a tra e e ` ner la seconde dans les calculs. 7. Drivation des distributions. e Lide de la thorie des distributions est dtendre les r`gles de calcul sur e e e e les fonctions telles que drivation, intgration, transformation de Fourier, etc e e aux fonctionnelles linaires continues. Pour que ces r`gles soient cohrentes e e e il faut que, lorsque la fonctionnelle sidentie ` une fonction usuelle (cesta a `-dire lorsquelle est une intgrale avec poids), ces oprations co e e ncident avec leur sens usuel. Donc lextension des oprations va toujours partir de e lanalogie avec les intgrales. e Voyons dabord la drivation. Si p est une fonction poids (` croissance e a ( ), la fonctionnelle associe ` la drive p sera e a e e polynmiale) et o

p (x) (x) dx

Une intgration par parties montre que ceci est gal a e e `


+

p (x) (x) dx ;

le produit p (x) (x) est en eet nul ` linni. Autrement dit, si Tp () a p (x) (x) dx, on aura la relation dsigne la fonctionnelle e Tp , =

Tp,

(7.1)

Si p est une fonction poids drivable, et quon lidentie a la distribution Tp , e ` cela signie quon obtient la drive dune distribution T , en faisant oprer e e e e e e T sur . On va donc tendre lopration de drivation aux fonctionnelles quelconques en posant : dT , = T, (7.2) dx

211

Distributions (thorie) e En itrant la dnition 7.2, la drive dordre j dune distribution T sera e e e e dnie par e dj dj T j , = ( 1) T, j (7.2 a) dxj dx

Pour que cette dnition de la drive soit cohrente, il faut vrier que la e e e e e d fonctionnelle T, dx est linaire et continue. La linarit est vidente. e e e e La continuit rsulte directement du thor`me 2 : si une suite n tend vers e e e e e e e e e zro dans ( ), alors dapr`s ce thor`me, la suite des drives n , tendra e e e e aussi vers zro, et donc de mme T, n , puisque T tait suppose tre une e e distribution. Autrement dit : si T est une fonctionnelle linaire continue, il e en est de mme de T . e

Cette dnition tendue de la drive donne des rsultats intressants e e e e e e si on lapplique a des vraies fonctions au sens usuel, mais non drivables. ` e Lexemple classique est videmment la fonction de Heaviside e p (x) = 1 si x > 0 ; 0 si x < 0.
0

(7.3)

celle-ci dnit bien une intgrale avec poids : e e

p (x) (x) dx =

(x) dx

(7.4)

Si on applique la dnition 7.2, cela donne e

,
Autrement dit, la drive de e e

(x) dx = (0)

(7.5)

est la distribution de Dirac (cf. 2.6 a).

Une autre exemple tr`s simple de fonction non drivable est la fonction e e p (x) = x . Cest bien une fonction ` croissance polynmiale, de sorte que a o lintgrale avec poids correspondante est une fonctionnelle continue : e
+

x (x) dx

x dx 1+ x3

0,3() = 343 0,3()

La drive de cette distribution est e e T, = =

x (x) dx =

x (x) dx

+ 0

x (x) dx

En intgrant par parties les deux intgrales obtenues : e e


0

x (x) dx = x(x) 212

(x) dx

J. Harthong : cours danalyse

+ 0

x (x) dx =

x(x) 0

+ 0

(x) dx

Les termes tout intgrs tant nuls, il reste e e e T, =

(x) dx +

+ 0

(x) dx

(7.6)

qui est lintgrale avec le poids e p (x) =

si x < 0 ; +1 si x > 0 ;

e e e ncide alors La fonction x est drivable pour tout x = 0 et sa drive co avec ce rsultat ; au point x = 0, il ny a pas de drive au sens usuel, et e e e au sens des distributions non plus, puisque les distributions nont pas une valeur en chaque point : elles ne sont dnies que comme fonctionnelle, ce e qui correspond exactement ` lgalit 7.6. Ceci illustre la compatibilit de a e e e lextension. On sait que pour les fonctions, seules les constantes ont une drive e e nulle, ce qui a pour consquence que les primitives sont dtermines ` une e e e a constante additive pr`s. En est-il de mme pour les distributions ? Cette e e question thorique est importante, car les distributions ont t inventes en e ee e grande partie pour rsoudre les quations direntielles, dont les solutions e e e sont dtermines ` une constante dintgration pr`s. Trouver toutes les e e a e e solutions possibles dune quation direntielle est un probl`me qui se e e e ram`ne de pr`s ou de loin ` celui de trouver toutes les solutions de e e a dT /dx = 0. La thorie des distributions se construit par analogie ` partir des e a intgrales avec poids ; il est donc naturel de dire que la distribution nulle est e la distribution dnie par lintgrale de poids 0, cest-`-dire la distribution e e a e T telle que T, = 0 pour toute fonction de lespace ( ). De mme la distribution correspondant ` la constante C doit tre lintgrale de poids a e e p (x) = C, soit

C, = C

(x) dx

(7.7)

La relation 7.1 identie la drive au sens des distributions ` la drive e e a e e au sens usuel, de sorte que, dans la thorie des distributions aussi, les e constantes ont une drive nulle. Rciproquement, on sait que les fonctions e e e de drive nulle sont constantes, mais quest-ce qui prouve quil ny aurait e e pas des distributions singuli`res ` drive nulle ? Il ne sagit pas dune simple e a e e vidence, et il faut voir cela de plus pr`s : e e 213

Distributions (thorie) e Thor`me 5. Toute distribution dont la drive est nulle est une e e e e distribution du type 7.7. Dmonstration. Dire que T = 0 quivaut a dire que pour toute e e ` ( ), on a T, = 0. On ne peut en dduire que T = 0, e fonction car les fonctions , drives dune fonction de ( ), ne peuvent pas tre e e e e nimporte quelle fonction de ( ) (en langage mathmatique : lapplication de ( ) dans ( ) nest pas surjective). Cela se voit tr`s bien sur e

lexemple suivant : la fonction e

x2

x daucune fonction de ( ) ; une primitive en est erf (x) = e dt qui , mais non pour x + , o` elle u tend rapidement vers zro pour x e a la mme drive et tend rapidement e e e tend vers . La fonction erf (x) + , mais non plus pour x . On ne peut trouver vers zro pour x e aucune constante qui, ajoute ` erf (x), donne une fonction de ( ), ceste a + a `-dire une fonction qui tend rapidement vers zro a la fois pour x e ` et pour x . Il est cependant facile de vrier que si e ( ), alors la primitive x e , et la primitive 1 (x) = (t) dt tend rapidement vers zro pour x x e + (il sut 2 (x) = + (t) dt tend rapidement vers zro pour x M t k ), mais dappliquer lingalit de la moyenne et les ingalits (t) e e e e ces deux primitives ne sont pas forcment gales ; toutefois elles di`rent e e e videmment dune constante, puisque toutes deux ont pour drive : cette e e e + constante est 1 2 = (t) dt. On voit ainsi que les fonctions qui sont e e la drive dune fonction de ( ) sont caractrises par le fait que les deux e e primitives 1 et 2 sont, justement, gales, car alors elles tendent rapidement e et x + ; ou encore autrement dit, ces vers zro a la fois pour x e ` + fonctions sont caractrises par le fait que (t) dt = 0. e e

est dans

(), mais nest la drive e e


t2

e Prenons maintenant une fonction 0 particuli`re de


+

0 (x) dx = 1 ; par exemple 0 (x) = + nimporte quelle fonction de ( ), posons A = (x) dx. Si est e la drive dune autre fonction de ( ), alors A = 0 dapr`s ce qui e e e prc`de. Si tel nest pas le cas, alors la fonction 1 = A0 vriera la e e + e e e condition 1 (x) dx = 0 et sera par consquent la drive dune fonction ( ), de sorte quon aura = 1 + A0 . Alors, puisque T est une 1 fonctionnelle linaire, on pourra crire que e e

() telle que ) ex . Etant donne (1/ e


2

T, = T, 1 + A T, 0 =

T , 1
+

+ A T, 0 .

Le terme T , 1 est nul puisque T = 0, il reste donc T, = A T, 0 = T, 0 214 (x) dx ,

J. Harthong : cours danalyse ce qui montre que T est lintgrale avec le poids constant C = T, 0 (cest e un nombre indpendant de qui ne dpend donc que de la distribution T e e donne). e CQFD 8. Transformation de Fourier des distributions. Voyons maintenant lautre opration classique sur les distributions, qui e est la transformation de Fourier. Cest toujours lintgrale avec poids qui sert e de base pour lanalogie. Si p est le poids, suppos ici appartenir ` 1 ( ), e a ( ) on a et

p (x) (x) dx =

p (x) (x) dx

ce qui conduit ` dnir la transforme de Fourier dune distribution comme a e e tant gale a e e ` T , = T, (8.1)

Pour que cette dnition soit cohrente, il faut vrier que e e e T, est une fonctionnelle linaire continue. Or ceci rsulte du thor`me 1 : e e e e est linaire et continue relativement ` la limite dans lespace ( ). Si donc e a la suite n tend vers zro dans ( ), il en sera de mme de n , et donc aussi e e e e e de T, , puisque T est suppose tre une fonctionnelle linaire continue. La dnition de la transforme de Fourier dune distribution a videme e e ment t choisie telle que, lorsque T est une intgrale avec poids p, cestee e a `-dire lorsque T sidentie ` une fonction p, on retrouve la transforme de a e Fourier usuelle.

Voyons quelques exemples. Exemple 1. Transforme de Fourier de 1. e La constante 1 est une fonction au sens usuel, mais non intgrable de e ix (3) sorte que lintgrale e dx diverge ; par consquent la transformation e e de Fourier ne peut tre considre au sens usuel. Mais la fonction p (x) = 1 e ee dnit bien un poids : la fonctionnelle e 1, =
+

(x) dx

est continue puisque dapr`s lingalit de la moyenne e e e 1,


(3)

0,2()

1 dx 1 + x2

Cette intgrale divergente a dj` t tudie au chapitre VII : cest lintgrale I pour e eae ee e e = 0.

215

Distributions (thorie) e Dapr`s la dnition 8.1 e e 1, =


+

(x) dx

Or dapr`s la formule dinversion, on a e


+

ixt

(x) dx = 2 (t)

Il sut donc de prendre t = 0 pour avoir 1, = 2 (0) , ce qui prouve que 1 = 2 (8.2)

Exemple 2. Transforme de Fourier dun polynme. e o j Nimporte quel polynme P (x) = o est un poids possible, j aj x puisquon peut dduire de lingalit de la moyenne lingalit suivante : e e e e e P,

0,k+2()
P, =
+

P (x) dx 1 + x k+2

o` k est le degr du polynme. Dapr`s la dnition 8.1 u e o e e P (x) (x) dx

e On sait dapr`s le thor`me 1 du chapitre VI que xj (x) est la transforme e e e j j j de Fourier de i d /dx . Dapr`s la formule dinversion, on a alors e
+

xj (x) dx = 2 ij
j

dj (0) dxj

et donc pour le polynme P (x) = o


+

aj xj on aura
j=k j

dj P (x) (x) dx = 2 aj i (0) dxj j=0

Cela montre que


j=k

P = 2
j=0

aj ij ( 1)j

dj = 2 P dxj

d i dx

(8.3)

d e e Lexpression P ( i dx ) est ce quon appelle un oprateur direntiel : on d remplace formellement dans le polynme P (X) la variable X par i dx . o

216

J. Harthong : cours danalyse On voit dans ces deux exemples que les oprations sur les distributions e (ou, ici, sur les fonctions non intgrables) consistent a toujours se ramener e ` aux oprations correspondantes sur les fonctions , pour lesquelles elles sont e ee e e lgitimes ; lespace ( ) a t spcialement fabriqu pour cela. e

Exemple 3. Transforme de Fourier de et de ses drives e e e

Soit (j) la j e drive de ; par dnition on a (j) , = ( 1)j (j) (0) ; e e e par consquent la transforme de Fourier sera dnie par e e e (j) , = ( 1)j [](j) (0) e e e Or la j e drive de est la transforme de Fourier de (ix)j (x), de sorte que (j) , =
+

( ix)j (x) dx

e qui est une intgrale avec poids p (x) = ( ix)j . Autrement dit la transforme e (j) de Fourier de est, en tant que fonctionnelle, lintgrale avec poids ( ix)j , e donc en identiant :

(j) = ( ix)j Exemple 4. Transforme de Fourier de 1/[ix ]2 e

(8.4)

Pour < 1, cette transforme de Fourier est par dnition la distribution e e ( ): T telle que

T, =

() [i ]2

On reconna que T est la distribution I introduite (pour < 1) a la t ` 1 lintgrale cie section 3, et sur laquelle on reviendra encore. Pour dessus diverge en = 0 ; Au chapitre VII nous avons trait ce cas en e contournant la singularit dans le plan complexe, mais ci-dessus on ne peut e faire cela car les fonctions ne sont pas forcment analytiques ; la valeur de e lintgrale ne serait plus indpendante du chemin choisi. Mais en calculant e e lintgrale selon cet artice, on trouvait (pour > 1) I (x) = 2 x1 / (), e ce qui est un poids acceptable, mme pour > 0. On va donc poser e
+

2x1 ()
+

(x) dx si > 0 ;

T, =

() d [i ]2 217

si < 1.

Distributions (thorie) e On vriera que les deux expressions sont compatibles quand 0 < < 1 e (utiliser le thor`me 3 du chapitre VI avec un facteur rgularisant). e e e Exemple 5. Transforme de Fourier de e e Cest la distribution T dnie par e T, =
+ ix2 ix2

e (x) dx

Lintgrale ci-dessus est la limite, lorsque z tend dans vers e 2 + z x (x) dx. Or, tant que de partie relle > 0, de e e fonction e
z x2

i en restant
z > 0, la
1

, contrairement a e `

ix2

, est intgrable, et sa transforme de e e


1 x2/4z

. Ici /z dsigne la e Fourier au sens usuel des fonctions est /z e e ] , 0]. dtermination N 1 de la racine carre, analytique sur 1 = e Par consquent, pour z > 0 : e

zx2

(x) dx =

1 z

x2/4z

(x) dx

Dans lintgrale de droite on peut aussi passer a la limite sous le signe e ` (les conditions pour cela sont satisfaites), ce qui donne T, =

ei/4

i x2/4

(x) dx

(8.5)

qui est une intgrale avec le poids e p(x) =

ei/4 ei x /4
2

(8.6)

La distribution T est donc une distribution rguli`re. e e Ainsi la transforme de Fourier au sens des distributions de la fonction e i x2 e e non intgrable e , est la fonction 8.6 (galement non intgrable) e 9. Limites de distributions. Tout au long de ce cours, nous avons tr`s frquemment utilis le pase e e sage a la limite pour obtenir des formules intgrales (voir notamment le ` e chapitre IV, fonctions eulriennes). Ces passages ` la limite sous le signe e a exigent que soient satisfaites des conditions bien prcises, quil faut vrier e e rigoureusement. Lorsquon interpr`te les distributions comme des extene sions de la notion dintgrale avec poids, le passage ` la limite sur les (au e a sens dni par les semi-normes j,k ) est automatique et fait partie de la e dnition mme des distributions. e e

Mais que se passe-t-il si on veut passer a la limite sur les poids (pour ` e e e un x) ? Soit par exemple pn une suite de poids. Dapr`s les thor`mes e 218

J. Harthong : cours danalyse e e gnraux classiques, si pn converge uniformment sur tout intervalle born e e vers une limite p, alors on aura

-lim n
et cela pour toute intgrales avec poids e

pn (x) (x) dx =

p (x) (x) dx

(). Mais nous avons vu aussi en section 3 que les


+

avaient pour toute ( ) une limite quand 0 (pour < 1), alors e que les poids I, (x) eux-mmes nen avaient pas (cf chapitre VII). Nous ( ), I , avons dni la distibution I en disant que pour toute e tait cette limite. Il serait donc naturel de dire que la distribution I est la e 0, des distributions I, . limite, pour

I, (x) (x) dx

(9.1)

Cest pourquoi on pose Dnition. On dit quune suite de distributions Tn a pour limite la e ( ) on a distribution T si pour toute

lim Tn , = T,

De mme, on dira que la famille de distributions T , paramtre par , tend e e e ( ) on a vers la distribution T si pour toute

lim T , = T,

Au contraire de la limite dnie sur lespace ( ), la limite ainsi dnie e e est tr`s peu contraignante : selon cette dnition, les fonctions I, (pour e e < 1) ont une limite pour 0 ! La limite selon les semi-normes j,k tait la plus contraignante de toutes celles que nous connaissons ; ` linverse, e a la limite selon la dnition ci-dessus est la moins contraignante de toutes. e Cest pourquoi on lappelle la limite faible.

Remarques. Cette limite faible sut pour tous les cas pratiques quon peut rencontrer. Mais cet avantage nest pas une vidence. Dans la dnition ci-dessus on a pris e e soin de prciser que la limite T est une distribution ; cest-`-dire que les Tn et aussi T e a sont supposes a priori tre des fonctionnelles linaires continues. Lorsque nous voudrons e e e montrer que T = lim Tn nous devrons montrer que S ( ) , lim Tn , = T, , mais aussi, indpendamment, que T, est une fonctionnelle continue. Cest ce e que nous avons fait pour I (voir section 3). Toutefois on peut dmontrer(4) que si une suite Tn de distributions est telle que e e pour toute S ( ), la suite numrique Tn , est convergente (dans ), alors

(4)

L. Schwartz, Thorie des distributions Ed. Hermann, Paris, , page 74. e

219

Distributions (thorie) e
la fonctionnelle lim Tn , est forcment continue. Cela rsulte dun thor`me e e e e obtenu par le mathmaticien polonais Stefan Banach ( )(5) , appel thor`me e e e e e dquicontinuit, qui sapplique ici parce que lespace S ( ) vrie les conditions requises. e e Sattarder sur ces questions thoriques est videmment sans intrt pour une formation e e e e dingnieur, et cette subtilit nest mentionne ici que pour attirer lattention sur le e e e caract`re non vident de la chose. e e

Dans les cas concrets qui se prsenteront, il y aura toujours un moyen direct et simple e (en gnral par lingalit de la moyenne) de montrer la continuit de la fonctionnelle e e e e e limite, de sorte quon peut enti`rement se passer du thor`me de Banach. Mais ce dernier e e e fournit malgr tout une garantie que les passages a la limite fonctionnent toujours sans e ` probl`mes ; sil nen tait pas ainsi, certains passages a la limite pourraient poser des e e ` probl`mes compliqus, et les distributions nauraient certainement pas le maniement e e simple qui explique leur succ`s. e

Pour illustrer cela, revenons a nos exemples (qui, soit dit en passant, ` ont t choisis parce quils sont les plus courants dans les applications.) En ee section 2 on a vu que les intgrales avec poids suivantes avaient une limite e ( ) (mais la limite ne passe pas sous le signe ) : pour toute

x2/22 1 xe (x) dx 2 3 + x2/22 1 xe dx 2 3

I, (x) dx

e e e e e Appelons le poids de la premi`re et (drive du prcdent) le poids de la deuxi`me, identis ` la distribution correspondante. En utilisant le e e a nouveau langage introduit, on peut dire que (distribution de Dirac) est la limite faible de quand 0 ; que (drive de la distribution de e e e Dirac) est la limite faible de , et que la distribution I (la transforme de Fourier de 1/[ix ]2 , pour < 1) est la limite faible de I, quand 0. Les exemples de distributions de charges de la section 1 sinterpr`tent e naturellement : les deux distributions qui reprsentaient le diple, la densit e o e x2/22 3 1 (x) = (1/ 2 ) x e et la distribution discr`te 2 [(x ) (x + e )] sont toutes deux proches (lorsque est petit) de la distribution dipolaire : elles sont proches au sens de la limite faible. Cest ce qui est crit cie e a e e dessus pour . Pour la distribution discr`te cest facile ` vrier. Prcisons dabord les notations : {a} dsignera la charge unit place au point x = a, e e e de sorte que

{a} , =
(5)

{a} (x) (x) dx =

(x

a) (x) dx

= (a)

S. Banach Thorie des oprations linaires, . e e e

220

J. Harthong : cours danalyse 1 [ 2 {}

{} ],

1 [() 2

()]

Cela tend bien vers (0) lorsque 1 {} ] tend faiblement vers 2 [{+}

0, cest-`-dire que la distribution a .

De la mme faon, en reprenant lexemple 5 de la section 7, on peut dire e c ix2 zx2 que la distribution rguli`re e est la limite faible des distributions e e e lorsque z tend dans vers i en restant dans le demi-plan z > 0(6) .

Si une suite Tn (ou une famille T ) de distributions tend faiblement vers la limite T , alors la suite de leurs drives tendra vers la drive de T , et la e e e e suite de leurs transformes de Fourier tendra vers la transforme de Fourier e e ( )= ( ), on peut crire la cha e ne de T . En eet, puisque logique

() , n Tn, = lim () , lim Tn , = n () , lim Tn , = n et de mme, puisque () () e () , lim Tn , = n () , lim Tn , = n () , lim Tn , = n

||

T, T, T ,

T, T, T,

Ainsi, les thor`mes lmentaires de passage a la limite sous le signe e e ee ` ( ), le chapitre 0 de ce cours) permettent de montrer que

(voir

lim

[(i) ]2

(x) d =

+ ||

1 [(i) ]2

(x) d

cest-`-dire que la limite faible des poids e a /[(i) ]2 est le poids 1/[(i) ]2 . On peut alors dduire de ce qui prc`de que pour < 1, la limite des e e e distributions I, est la distribution I , mais cela nest plus possible par
(6)

Cette condition est ncessaire : si z < 0, la densit e e e nest plus a croissance ` polynmiale et ne peut pas tre un poids, ni mme une distribution. o e e

zx2

221

Distributions (thorie) e les voies lmentaires et ncessite la thorie qui a t dveloppe dans ce ee e e ee e e chapitre. Cest donc la thorie des distributions qui donne un sens rigoureux ` e a e lintgrale divergente I du chapitre VII. On peut crire des formules telles e que
+

e dx = 2 () e
ix

ix

ou
+

[(i) ]2

d = I (x)

e Cependant il ne faudra pas oublier que () ou I (x), malgr la notation abusive, ne sont pas soumises aux r`gles de calcul sur les fonctions, mais e aux r`gles de calcul sur les distributions. e Remarque nale. La famille des distributions I a des proprits ee remarquables que nous tudierons encore dans les chapitres suivants. Pour e = n (entier 0), le poids 1/[(i) ]2 devient (i)n (pour entier, la fonction cesse dtre multiforme). Or on a vu que la transforme de Fourier e e (n) e e e e de ce poids est la distribution 2 (la n drive de 2 ). Par consquent :

In = 2 (n) Dautre part, pour toute

(9.2)

(), la fonction
+

1 [(i) ]2

(x) d

est une fonction analytique dans tout le plan complexe (sans point singulier ni coupure) ; cela se montre en appliquant a lintgrale ci-dessus un thor`me ` e e e lmentaire. Or cette intgrale (si on y remplace par ) nest autre que ee e I , . Ce qui signie que ( ), la fonction
+

2x1 ()
+

(x) dx si

> 0;

I , =

() [i ]2

si

< 1.

est analytique dans tout le plan complexe. Cela aura, comme nous le verrons, lavantage que toute galit vrie par la famille I sur un ensemble e e e e non discret de valeurs de (par exemple lintervalle ]0, 1[) se prolongera analytiquement ` toutes les valeurs de . a 222

J. Harthong : cours danalyse e La famille de distributions I intervient dans beaucoup de probl`mes (quations direntielles, traitement du signal). Elle permet de dnir une e e e drivation dordre non entier : en eet, puisque In est la ne drive de , e e e e e e on peut dire que, mme lorsque r nest pas entier, Ir est la r drive de e . La convolution (opration qui fait lobjet du chapitre suivant), permet e alors de driver une fonction ou une distribution quelconque a lordre r. e ` Mais indpendamment de cela, les distributions les plus courantes sont des e membres de cette famille : et ses drives, ainsi que les pseudofonctions de e e Hadamard, en sont des cas particuliers.

223