Vous êtes sur la page 1sur 96

Thorie des Distributions Transforme de Fourier Convolution

Cours abrg
Olivier RIOUL TELECOM ParisTech Dpt. Comelec

olivier.rioul@enst.fr

Cadre priv } sans modications


Par le tlchargement ou la consultation de ce document, lutilisateur accepte la licence dutilisation qui y est attache, telle que dtaille dans les dispositions suivantes, et sengage la respecter intgralement. La licence confre lutilisateur un droit dusage sur le document consult ou tlcharg, totalement ou en partie, dans les conditions dnies ci-aprs, et lexclusion de toute utilisation commerciale. Le droit dusage dni par la licence est limit un usage dans un cadre exclusivement priv. Ce droit comprend : le droit de reproduire le document pour stockage aux ns de reprsentation sur un terminal informatique unique, le droit de reproduire le document en un exemplaire, pour copie de sauvegarde ou impression papier. Aucune modication du document dans son contenu, sa forme ou sa prsentation, ni aucune redistribution en tout ou partie, sous quelque forme et support que ce soit et notamment par mise en rseau, ne sont autorises. Les mentions relatives la source du document et/ou son auteur doivent tre conserves dans leur intgralit. Le droit dusage dni par la licence est personnel, non exclusif et non transmissible. Tout autre usage que ceux prvus par la licence est soumis autorisation pralable et expresse de lauteur : sitepedago@enst.fr

Table des matires


Introduction 1 Dnition des distributions 1.1 Drivation au sens des fonctions . . . . . . . . 1.2 Drivation formelle au sens des distributions 1.3 Complment : les mesures . . . . . . . . . . . . 1.4 Drivations successives de fonctions . . . . . . 1.5 Drivations successives de distributions . . . 1.6 Lespace D des distributions . . . . . . . . . 1.7 Complment : universalit des distributions . . 2 Premires proprits des distributions 2.1 Produit dune fonction par une distribution . 2.2 Formules de Leibniz . . . . . . . . . . . . . . . 2.3 Changement de variable . . . . . . . . . . . . . 2.4 Proprits locales des distributions . . . . . . 2.5 Distributions impulsives et formules des sauts 2.6 Complment : le problme de la division . . . . 2.7 Distributions support ni . . . . . . . . . . . 2.8 Intgrale dune distribution . . . . . . . . . . . 3 Croissance et dualit 3.1 Distributions O (|x | ) . . . . . . . . . 3.2 Distributions croissance lente . . . 3.3 Distributions tempres . . . . . . . 3.4 Distributions dcroissance rapide 3.5 Produit scalaire . . . . . . . . . . . . 3.6 Complment : dualit de Schwartz . v 1 1 3 6 8 10 12 13 17 17 19 20 22 24 26 27 28 33 33 34 36 37 39 41 47 47 50 52 53

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

4 Transforme de Fourier 4.1 Transforme de Fourier dune fonction intgrable . . 4.2 Transforme de Fourier dune fonction tempre . . 4.3 Transforme de Fourier dune distribution tempre 4.4 Transforme de Fourier inverse . . . . . . . . . . . . . iii

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

iv 4.5 4.6 4.7 4.8 4.9 4.10

TABLE DES MATIRES Complment : fonction caractristique . . . . . . . . . . . Translation, modulation, dilatation, symtries . . . . . . Transforme de Fourier et dcroissance rapide . . . . . . Transforme de Fourier dune distribution support ni Complment : transforme de Fourier dans L 2 . . . . . . Formule de Parseval . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 57 59 60 60 61 65 65 66 67 70 75 75 76 78 81 83 85 86

5 Convolution 5.1 Convolution de fonctions intgrables . . . . . . . . . . . 5.2 Complment : convolution de mesures . . . . . . . . . . . 5.3 Convolution par une distribution dcroissance rapide 5.4 Intgrale de convolution et produit scalaire . . . . . . . . 6 Sries de Fourier 6.1 Distributions discrtes . . . . . . . . . . . . . . . . . 6.2 Distributions priodiques . . . . . . . . . . . . . . . 6.3 Sries de Fourier au sens des distributions . . . . . 6.4 Complment : sries de Fourier au sens des fonctions 6.5 Priodisation et formule de Poisson . . . . . . . . . 6.6 Complment : convolution priodique . . . . . . . . 6.7 Complment : convolution discrte . . . . . . . . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

Introduction
Bien quil y ait eu de nombreux prcurseurs (Heaviside en 1893, Wiener en 1925, Dirac en 1926-27, Hadamard en 1932, Bochner en 1932, Leray en 1934, Sobolev en 1936, Carleman en 1944), la premire tude systmatique et complte de la thorie des distributions est due Laurent Schwartz en 1945, et lui a valu en 1950 la mdaille Fields (le prix Nobel des mathmaticiens). La notion de distribution est une gnralisation de la notion de fonction qui sest rvle tre une ncessit pour le progrs de plusieurs thories physiques. La thorie assure un certain nombre doprations indispensables auxquelles les fonctions ne se prtent pas toujours. Lexemple le plus connu de distribution est limpulsion de Dirac, indispensable aussi bien pour la formulation de la mcanique quantique quen analyse harmonique et en traitement du signal. La thorie des distributions a apport les outils mathmatiques dont les ingnieurs avaient dsesprment besoin. Elle sest rvle en particulier tre un moyen exceptionnel pour comprendre le produit de convolution et la transforme de Fourier, instruments puissants de calcul en traitement du signal. Il est dailleurs symptomatique quun des premiers articles de Schwartz sur les distributions ait t publi dans les Annales des Tlcommunications1 . La richesse supplmentaire quapporte la thorie des distributions sur celle des fonctions ou des mesures provient fondamentalement de ce que les distributions sont destines tre drives. La difcult initiale (une fonction, mme continue, nest pas toujours drivable) est compltement limine : considre comme distribution, toute fonction continue est drivable ; la drivabilit stend mme des fonctions discontinues, qui sont drivables autant de fois que lon veut. Lapproche de Schwartz [1, 2] est base sur la dualit dans les espaces topologiques, un concept profond, abstrait, et sans relation apparente avec la physique. Elle ncessite donc un bagage mathmatique assez important en analyse fonctionnelle moderne, en particulier sur la dtermination du type de convergence qui dtermine une topologie adquate dans des espaces de fonctions rgulires (convergence forte) ou dans les espaces duaux de distributions (convergence faible).
1 Gnralisation de la notion de fonction et de drivation ; thorie des distributions , Annales des Tlcommunications, vol. 3, 1948, pp. 135140.

vi

INTRODUCTION

Lapproche de J. Sebastio e Silva2 est la fois lgante et simple. La thorie entire se fonde sur un petit nombre daxiomes intuitifs comme toute fonction est une distribution et toute distribution est drivable . Dans ce modle, les distributions sont considres simplement comme des drives de fonctions ordinaires, la drivation tant correctement interprte au sens gnral des distributions. De plus, certains rsultats difciles de la thorie de Schwartz (en particulier ceux qui relient une distribution dun certain type une fonction dont elle est drive) deviennent triviaux dans lapproche de Silva, car ils sont quasiment inclus dans les dnitions. On peut rsumer en disant que lon prend au mot la rexion de Schwartz dans [2] : Les distributions sont un peu pour les fonctions ce que sont les nombres complexes pour les nombres rels ; tout quation algbrique coefcients rels ou complexes a des racines complexes, toute fonction localement sommable ou toute distribution a des drives successives de tous ordres qui sont des distributions.

Guide de lecture
Ce document prsente tout ce quil faut savoir sur les distributions et leur utilisation en sciences de lingnieur. On insiste en particulier sur leur application ltude du produit de convolution, de la transforme et des sries de Fourier. Comme pr-requis mathmatique on suppose connus les proprits de base des fonctions dune variable relle et les rsultats essentiels sur lintgration de ces fonctions au sens de Lebesgue. Ces rappels sont donnes dans le texte sans preuve. En revanche, contrairement la plupart des manuels sur le sujet, aucun thorme sur les distributions nest admis ou laiss au lecteur : tous les rsultats noncs sur les distributions sont dmontrs soigneusement. Les dnitions, notations, propositions, remarques, exemples et exercices sont numrotes conscutivement, indpendamment de la numrotation des chapitres et des paragraphes. Dans le texte, on fait rfrence un rsultat par son numro, parfois plac en exposant et entre parenthses comme ceci(22) . Chaque chapitre se termine par des noncs dexercices, qui ne sont pas souvent dtaills par sous-questions ; il sagit, pour le lecteur, de se convaincre par lui-mme de ce qui est nonc.

2 Sur une construction axiomatique de la thorie des distributions , Rvista Fac. Ciencias Lisboa, 2e srie, A, vol. 4, 1955, pp. 79186.

Chapitre 1

Dnition des distributions


On considre des fonctions f (x ) (ou des distributions) dnies sur un certain intervalle1 I R, valeurs dans R (ou C). Muni de laddition f (x ) + g (x ) et de la multiplication c f (x ) par un scalaire c R ou C, un ensemble donn de fonctions (ou de distributions) forme souvent un espace (vectoriel) sur R (ou C).

1.1 Drivation au sens des fonctions


La drivation est une opration particulire sur des fonctions que lon modlise ici par la donne : dun espace de fonctions E de rfrence ; dun sous-espace D = D (E ) des fonctions de E qui sont drivables ; dun oprateur qui f D associe sa drive f E : : D (E ) E f f Le cadre usuel est celui o : E = C 0 , lespace des fonctions continues ; D (E ) = C 1 , lespace des fonctions continment drivables. On peut aussi considrer le cas plus gnral : E = D 0 , lespace des fonctions localement intgrables2 (aussi not L 1 ); loc D (E ) = D 1 , lespace des fonctions absolument continues3 .
1 Comme cest lusage, on supposera I ouvert, pour viter certains effets de bord et exclure le

cas particulier o I est rduit un point. 2 Une fonction f est localement intgrable si elle est intgrable (au sens de Lebesgue) sur tout intervalle ni [a , b ] contenu dans lintervalle de dnition I (une telle fonction peut tre discontinue, par exemple continue par morceaux ). De faon gnrale, une proprit est satisfaite localement si elle lest sur tout sous-intervalle ni J inclus dans I . Il est dusage de supposer alors que J est aussi ferm, donc du type [a , b ]. La proprit en question sera alors sastisfaite sur tout intervalle (plus gnralement sur tout ensemble) compact (cest--dire ferm born). Pour rsumer : localement est synonyme de sur tout compact . 3 Une fonction f est absolument continue si pour tout > 0, il existe > 0 tel que pour tous intervalles [a i , b i ] (i = 1, . . . , n ) disjoints dans I , n |b a i | < implique n | f (b i ) f ( a i )| < . i =1 i i =1

CHAPITRE 1. DFINITION DES DISTRIBUTIONS

Dans ces deux cas, on a les formules usuelles suivantes. Toute fonction f de C 1 (respectivement D 1 ) admet une drive f dans C 0 (resp. D 0 ) donne par4 : f (x ) = lim f (x + h ) f (x ) . h

h 0

Toute fonction f de C 0 (resp. D 0 ) admet une primitive f dans C 1 (resp. D 1 ) de drive gale f donne par la formule gnrale5 :
x

f (x ) = c +

f (t ) d t ,
a

o c est une constante arbitraire. Ces formules constituent le rsultat central en calcul diffrentiel et intgral (en anglais : fundamental theorem of calculus). Grce elles, on a les proprits habituelles de la drivation : 1. est un oprateur linaire de D = D (E ) dans E : ( f + g ) = f + g pour toutes constantes , R ou C ; 2. est surjectif (dimage Im() = E ) : toute fonction de E admet une primitive dans D = D (E ) ; 3. Le noyau de est lespace C des fonctions constantes (ker() = C ) : f = 0 si et seulement si f est une fonction constante. Par linarit, cela revient dire que f = g si et seulement si f g est constante, autrement dit : la primitive est dnie une constante additive prs. Ces proprits sont rsums dans la dnition abstraite suivante, qui regroupe tous les ingrdients utiles dans la suite. Dnition 1 [drivation]: Etant donn trois espaces de fonctions C D E sur R (ou C), o C est lespace des fonctions constantes, un oprateur : D E est appel oprateur de drivation sil est linaire, surjectif et de noyau = C . Un oprateur de drivation sera not dornavant D (E ) E . Lintrt de 1 0 1 0 choisir le cadre D D plutt que C C est que le premier est une extension du second, qui permet de driver des fonctions plus gnrales (la drive de f C 1 concide avec celle de f considre dans D 1 ). On illustre ceci par le diagramme : C1 C0

D1 D0 Lobjectif de la thorie des distributions est dtendre encore la notion de drive : on y dnit des objets mathmatiques plus gnraux que les fonctions, qui permettent de driver autant de fois quon veut, mme des fonctions qui ne sont pas drivables .
4 Seulement pour presque tout x dans le cas o f D 1 , la fonction localement intgrable f

ntant dnie que presque partout. 5 Lintgrale est de Riemann si f C 0 , de Lebesgue si f D 0 .

1.2. DRIVATION FORMELLE AU SENS DES DISTRIBUTIONS

1.2 Drivation formelle au sens des distributions


La notion de distribution gnralise celle de fonction un peu de la mme faon que la notion de nombre complexe gnralise celle de nombre rel. On applique un principe fondamental et fructueux en mathmatiques qui consiste passer outre une impossibilit en dnissant formellement lobjet de linterdit, et en donnant les rgles qui gnralisent les oprations classiques6 . Ici, on se heurte limpossibilit de driver les fonctions f E qui ne sont pas. . . drivables (il faut pour cela que f D (E )). On va donc dnir la drive (formelle) f dune fonction f comme une distribution, puis on justiera cette approche par les rgles de calcul qui gnralisent les rgles usuelles pour les fonctions. Bien entendu, la nouvelle notion de drive au sens des distributions doit gnraliser la drive usuelle au sens des fonctions (la drive au sens des fonctions, si elle existe, concide avec celle au sens des distributions). On part de lespace des fonctions E de rfrence muni dun oprateur de drivation(1) : D (E ) E . La cl va tre donne par la remarque suivante. Remarque 2 [loi disomorphisme]: Daprs la premire loi disomorphisme, on a une application linaire inversible (cest--dire un isomorphisme despaces vectoriels) Im = D / ker , cest dire : E = D (E )/C Cet isomorphisme identie f E la classe dquivalence modulo C dune de ses primitives, cest dire lune quelconque de ses primitives, dnie une constante additive prs. Proposition 3 [espace de drives formelles]: Il existe un espace D 1 (E ) unique ( un isomorphisme despaces prs) contenant E et muni dun oprateur de drivation E D 1 (E ) qui tend loprateur de drivation initial D (E ) E : D (E ) E E D 1 (E )

Preuve : Si cet oprateur de drivation E D 1 (E ) existe, alors(2) on a lisomorphisme D 1 (E ) = E /C . Ceci montre lunicit de D 1 (E ) un isomorphisme prs. Dnissons donc D 1 (E ) = E /C , lespace des f E une constante additive prs. Lapplication E E /C (rduction modulo C ) est linaire, surjective et de noyau = C , et forme donc un oprateur de drivation E D 1 (E ).
6 Lexemple des nombres est bien connu : on passe de N Z de faon pouvoir toujours soustraire, un nombre relatif tant dni comme une soustraction a b , mme si a < b ; on passe de Z Q de faon pouvoir toujours diviser (par un entier non nul), un nombre rationnel tant dni comme une fraction a /b , mme si a nest pas divisible par b ; de mme, on passe de Q R de faon pouvoir toujours passer la limite dune suite de Cauchy ; de R C de faon pouvoir toujours dterminer une racine dune quation algbrique, etc.

CHAPITRE 1. DFINITION DES DISTRIBUTIONS

Puisque(2) E = D (E )/C , on peut identier lespace E au sous-espace D (E )/C de E /C = D 1 (E ), de sorte que lon a bien E D 1 (E ). La restriction de loprateur de drivation E D 1 (E ) = E /C D (E ) est bien loprateur de drivation D (E ) D (E )/C o D (E )/C est identi E . Cela rpond bien notre objectif : le nouvel oprateur de drivation formelle f E f D 1 (E ) est surjectif et permet donc didentier les lments de lespace de distributions D 1 (E ) aux drives formelles f de fonctions f E ; puisque E D 1 (E ), toute fonction f E est une distribution particulire. la drivation E D 1 (E ) au sens des distributions se restreint bien la drivation au sens des fonctions D (E ) E pour des fonctions drivables de D (E ). la drivation au sens des distributions tant toujours linaire, une combinaison linaire de deux distributions f , g dans lespace D 1 (E ) est dnie par f + g = ( f + g ) Exemple 4 [espace C 1 ]: Pour E = C 0 , D (E ) = C 1 , on dnit lespace des distributions C 1 = D 1 (E ) des drives formelles de fonctions continues. On a donc les inclusions C 1 C 0 C 1 et le diagramme : C1 C0

C0 C 1 Exemple 5 [espace D 1 ]: Pour E = D 0 , D (E ) = D 1 , on dnit lespace des distributions D 1 = D 1 (E ) des drives formelles de fonctions localement intgrables. On a le diagramme : D1 D0

D0 D 1 Une fonction absolument continue est continue, et une fonction continue est localement intgrable : D 1 C 0 D 0 . Par unicit de C 1 on peut donc identier D 0 un sous-espace de C 1 , et par unicit de D 1 , lespace C 1 est lui-mme identi un sous-espace de D 1 . En rsum, on a les inclusions C 1 D 1 C 0 D 0 C 1 D 1 . Les distributions seront le plus souvent notes par les lettres r , s , t , etc. Poursuivant la convention habituelle pour les fonctions dnies sur un intervalle I valeurs relles ou complexes, une distribution s sera aussi note s (x ) en explicitant la variable x I , et on dira que s (x ) est dnie sur I , valeurs

1.2. DRIVATION FORMELLE AU SENS DES DISTRIBUTIONS

dans R ou C. Cependant, s nadmet pas ncessairement une valeur s (x ) pour x I x, et donc, ces expressions de langage nont pas le sens usuel. Lexempletype est la distribution de Dirac (impulsion) qui se dnit simplement comme la drive formelle dun saut . Exemple 6 [impulsion de Dirac]: La fonction chelon (ou fonction de Heaviside) est la fonction localement intgrable sur I = R dnie par7 : H (x ) = 1 pour x > 0 0 pour x < 0

On a ici un saut damplitude H (0+ ) H (0 ) = 1. La fonction continue V (x ) = x 1 0 H (t ) d t = x H (x ) D est une primitive de H (x ). La fonction H (x ) admet en tout point x = 0 une drive (au sens usuel) gale 0 donc = 0 presque partout ; mais on ne peut pas en dduire que H (x ) est constante (le critre habituel ne sapplique pas car H (x ) D 1 ). On appelle impulsion de Dirac la drive formelle de H (x ) : ( x ) = H ( x ) Puisque H (x ) est discontinue en 0, (x ) nest pas une fonction, cest une distribution D 1 . Limpulsion de Dirac jouera prcisment un rle fondamental pour faire le lien entre drive usuelle des fonctions et drive au sens des distributions.
1 Exemple 7 [valeur principale de x ]: La fonction log |x | est continue en tout point x = 0 et prsente une singularit essentielle en x = 0. Cependant, lintgrale log |t | d t converge en t = 0, et donc log |x | est localement intgrable ( x D 0 ). La fonction continue L (x ) = 0 log |t | d t = x log |x | x D 1 (o lon convient que L (0) = 0) est une primitive de log |x |. La fonction log |x | admet en tout point x = 0 une drive (au sens usuel) 1 1 gale x . Cependant x nest pas localement intgrable, et on se gardera donc de dire que cest la drive de log |x | sur R (elle ne dnit pas une distribution 1 sur R). On appelle valeur principale de x la distribution drive de log |x | :

v. p.

1 = (log |x |) x

1 1 On la note aussi parfois P. f. x ( pseudo-fonction ou partie nie de x ). 1 Puisque log |x | est discontinue en x = 0, v. p. x nest pas une fonction, mais une distribution D 1 .

Bien entendu, on peut faire des combinaisons linaires des deux exemples 1 prcdents. Ainsi (x ) + v. p. x , o et sont deux constantes, est une distribution (drive de H (x ) + log |x |).
7 Elle est aussi souvent note Y (x ). Il est inutile de la dnir en x = 0, car une fonction localement intgrable nest dnie que presque partout.

CHAPITRE 1. DFINITION DES DISTRIBUTIONS

1.3 Complment: les mesures


La drivation fonctionnelle D 1 D 0 peut encore tre tendue une drivation : M 1 M 0 f d f pour laquelle les objets drivs d f ne sont plus des fonctions, mais des mesures : E = M 0 , lespace des mesures8 ; D (E ) = M 1 , lespace des fonctions localement variation borne9 . On montre que les fonctions f M 1 sont exactement les fonctions de rpartition de mesures , dnies ( une constante additive prs) par la formule10 : f (x ) = c + (d t ) = c + (]a , x ]).

]a ,x ]

Par le thorme de prolongement des mesures, une fonction f M 1 dnit une mesure unique telle que (]a , b ]) = f (b ) f (a ) pour tout a < b . Cette mesure = d f est la drive de f . Par exemple, la mesure le Lebesgue est = d x (drive de la fonction f (x ) = x ), elle est telle que (]a , b ]) = b a . Grce ces proprits, on vrie immdiatement que loprateur f M 1 d f M 0 est bien un oprateur de drivation au sens de la dnition 1. Remarque 8: Une mesure dnie par une densit g localement intgrable vrie la proprit : d x ( A ) = 0 = ( A ) = 0 (tout borlien ngligeable pour la mesure de Lebesgue lest pour ). On dit que est absolument continue11 . Par le thorme de RadonNikodym, toute mesure absolument continue est dnie par une densit g (x ) D 0 qui est unique p.p. Lespace des mesures absolument continues est donc isomorphe D 0 , et on peut identier une mesure absolument continue sa densit. Par exemple, la mesure de Lebesgue d x est identie la fonction constante = 1. Grce cette identication, on a linclusion despaces D 0 M 0 . Par ailleurs une fonction absolument continue est toujours localement variation borne, elle-mme toujours localement intgrable. On a donc les inclusions despaces D 1 M 1 D 0 M 0 , et la drivation M 1 M 0 tend bien la drivation D 1 D 0 (la drive f de f D 1
8 Une mesure sur I est une application qui tout ensemble borlien A I (en particulier

tout intervalle) associe sa mesure ( A ), avec la proprit dadditivit dnombrable : ( i A i ) = i ( A i ) pour toute famille de borliens disjoints A i de runion disjointe note i A i . 9 Une fonction f est localement variation borne si pour tout intervalle compact J , il existe une constante c telle que pour tous intervalles [a i , b i ] (i = 1, . . . , n ) disjoints dans J , on ait n | f (b ) f (a )| c . Une telle fonction est videmment localement borne ; elle est caractrii i i =1 se par le fait quelle est la diffrence de deux fonctions croissantes (localement bornes). 10 Avec notre dnition, cette fonction est continue droite ; on supposera que f est seulement dnie presque partout, de sorte quil est inutile de prciser la continuit droite ; en effet, une fonction de M 1 admet toujours une limite gauche et droite en tout point, et nadmet quun nombre au plus dnombrable de discontinuits : elle peut donc toujours tre rendue continue droite en modiant un nombre au plus dnombrable de points. 11 On devrait plutt dire que sa fonction de rpartition est absolument continue ( D 1 ).

1.3. COMPLMENT: LES MESURES


sidentie la mesure absolument continue d f , drive de f considre dans M 1 ) : D1 D0

M1 M0 Exemple 9 [distribution de probabilit]: Une mesure dnie sur I est dite positive si ( A ) 0 pour tout borlien A I ; cela revient dire que sa fonction de rpartition est croissante12 . Une mesure positive est dite borne si ( I ) est nie ; cela revient dire que toute primitive de est croissante et borne. Une mesure positive, borne et normalise par la condition ( I ) = 1 est appele ou distribution de probabilit ou mesure de probabilit (sur I ). On la note souvent par la lettre p . En thorie des probabilits, une variable alatoire relle X est dnie par une distribution de probabilit p M 0 telle que : P r ob { X A } = p ( A ) = d P (x ).
A

La fonction de rpartition P (x ) = P r ob { X x } = p (] , x ]) M 1 est une primitive de p = d P qui dtermine compltement la variable alatoire X ; elle est croissante, continue droite et tend vers 0 (resp. 1) lorsque x (resp. +). Voici quelques exemples de mesures de probabilit. Exemple 10 [variable alatoire absolument continue]: Une variable alatoire X est dite absolument continue si (la fonction de rpartition de) sa mesure de probabilit lest, cest--dire si X est dnie par une densit de probabilit p (x ) telle que : P r ob { X A } = 0, intgrable sur R et dintgrale p (R) = p (x ) d x = 1. La R p (x ) d x . Cette densit est mesure de probabilit d P (x ) = p (x )d x M 0 sidentie la densit intgrable p (x ). Par exemple, une variable alatoire gaussienne (de moyenne m et de variance 2 ) est dnie par la densit gaussienne p (x ) =
1 e 22
(x m )2 22

Exemple 11 [masse de Dirac]: La fonction chelon H (x ) (avec la convention H (0) = 1 pour que H (x ) soit continue droite) dnit une mesure = d H appele masse de Dirac (ou mesure de Dirac) en x = 0. La mesure de Dirac dun borlien A vaut ( A ) = A d H (x ) = 1 A (0) (fonction indicatrice de A en x = 0). Cest une mesure de probabilit, qui dnit une variable alatoire X = 0 p.s. La masse de Dirac au point x = a , drive de la fonction de rpartition H (x a ) et note a est une mesure de probabilit qui dnit une variable alatoire X = a p.s. Exemple 12 [mesure discrte]: Un ensemble (ni ou inni dnombrable) de masses c i R places en des points distincts a i , dnit une mesure discrte : ( A ) = i c i 1 A (a i ) quon peut noter = i c i ai (combinaison linaire de masses de Dirac). Sa fonction de rpartition est une fonction en escalier prsentant des sauts damplitudes c i en x = x i . Cette mesure est positive si les c i le sont, et cest une mesure de probabilit lorsque i c i = 1.
12 Puisquune fonction de M 1 est la diffrence de deux fonctions croissantes, une mesure relle quelconque est la diffrence de deux mesures positives.

CHAPITRE 1. DFINITION DES DISTRIBUTIONS

Bien que E = M 0 soit un espace de mesures et non de fonctions, on peut quand mme appliquer la proposition 3 E = M 0 et D (E ) = M 1 . On dnit ainsi lespace M 1 = D 1 (E ) des drives formelles de mesures. On a le diagramme : M1 M0

M0 M 1 Puisque M 1 D 0 M 0 , par unicit de D 1 on peut identier M 0 un sous-espace de D 1 , et par unicit de M 1 , lespace D 1 est lui-mme identi un sous-espace de M 1 . On a alors les inclusions D 1 M 1 D 0 M 0 D 1 M 1 . Il en rsulte quune mesure peut toujours tre identie une distribution de D 1 . Par exemple, la masse de Dirac M 0 sidentie limpulsion de Dirac D 1 . En 1 D 1 nest pas une mesure(32) . revanche, v. p. x

1.4 Drivations successives de fonctions


Si la drive f de f admet elle-mme une drive, celle-ci est appele drive seconde et note f . On dnit donc lespace D 2 (E ) des fonctions deux fois drivables comme limage rciproque de D (E ) par loprateur de drivation D (E ) E . On dnit de mme, par rcurrence sur n , lespace D n (E ) des fonctions n fois drivables, de drive n ime f (n ) E . Leur intersection est D (E ), lespace des fonctions indniment drivables. Exemple 13 [classes C n ]: Par exemple, si E = C 0 , D (E ) = C 1 , alors D 2 (E ) = C 2 et plus gnralement D n (E ) = C n , lespace des fonctions n fois continment drivables (dites de classe C n ). Si f est n fois drivable, il lest aussi n 1 fois ; on a donc les inclusions despaces C C n C 1 C 0 . Le diagramme suivant regroupe les oprateurs de drivations successives : Cn C n 1

C n 1 C n 2 . . . . . .. . . C1 C0

o la compose C n C n 1 C 1 C 0 est loprateur de drivation n ime f f (n ) . Par construction, chaque oprateur de drivation tend la prcdente. Lespace D (E ) = C , intersection des C n , est lespace des fonctions indniment drivables. Exemple 14 [classes D n ]: Lchelle de rgularit de fonctions de classe C n est bien connue, mais mal adapte lintgration au sens de Lebesgue car elle ne

1.4. DRIVATIONS SUCCESSIVES DE FONCTIONS

contient pas les fonctions localement intgrables. On peut y remdier en dnissant une nouvelle chelle de classes D n . Partant de E = D 0 et D (E ) = D 1 , on obtient D 2 (E ) = D 2 et plus gnralement D n (E ) = D n , lespace des fonctions n fois drivables dont la drive n ime est localement intgrable. On a le mme diagramme que ci-dessus pour les classes D n . Puisque C 1 D 1 C 0 D 0 , on dduit immdiatement (par rcurrence) que n C D n C n 1 pour tout n 1. En particulier, dire quune fonction de classe D (E ) = D (cest--dire de classe D n pour tout n ) revient dire quelle est de classe C . On a donc lgalit D = C . En rsum, on a les inclusions suivantes : D = C C n D n C n 1 D 1 C 0 D 0 . Etant donn un espace E muni dun oprateur de drivation D (E ) E , tout f E admet une primitive (dnie une constante additive prs), note f (1) . Plus gnralement, on note f (n ) une primitive n ime de f (dont la drive n ime est f ). Les primitives de 0 sont les fonctions constantes, les primitives secondes de 0 sont les polynmes de degr 1, et ainsi de suite : les primitives n imes de 0 sont exactement les polynmes p n de degr < n . Ainsi, tout espace D n (E ) (donc D (E )) contient le sous espace des polynmes. Proposition 15 [drivation n ime]: Loprateur compos : D n (E ) E f f (n ) est linaire, surjectif et de noyau = P n , lespace des polynmes de degr < n. Preuve : Etant compose dapplications linaires surjectives D k (E ) D k 1 (E ) pour k = n , . . . , 2, 1, cet oprateur est galement linaire et surjectif. Son noyau est P n car toute primitive n ime de 0 est un polynme p n de degr < n . On dira alors que cest un oprateur de drivation nime. Cela signie en clair que ( f + g )(n ) = f (n ) + g (n ) pour toutes constantes , R ou C ; tout f E admet une primitive n ime f (n ) dans D n (E ) ; cette primitive n ime est dnie laddition prs dun polynme de degr < n . Par exemple(6) V (x ) = x H (x ) est une primitive de H (x ), et par rcurrence, x n 1 (n ) n 1 ( x ) = (n est une primitive n ime de (x ), dnie laddition 1)! H (x ) D prs dun polynme de degr < n . Remarque 16: Considrons deux drives f (m ) et g (n ) , et pour un entier k suprieur m et n , des primitives F = f (m k ) et G = g (n k ) . Alors f (m ) = F (k ) et g (m ) = G (k ) : deux drives peuvent toujours scrire sous la forme F (k ) , G (k ) avec le mme indice k . On a alors galit f (m ) = g (n ) si et seulement si F (k ) = G (k ) , cest dire F = G + p k o p k est un polynme de degr < k . En rsum, pour tout entier k max(m , n ) : f (m ) = g (n ) f (m k ) = g (n k ) + p k .

10

CHAPITRE 1. DFINITION DES DISTRIBUTIONS

1.5 Drivations successives de distributions


On a dj dni(3) lespace D 1 (E ) des distributions (drives formelles) f de f E . On peut rpter cette construction en lappliquant lespace D 1 (E ) lui-mme, pour dnir lespace D 2 (E ) = D 1 (D 1 (E )) des drives formelles s o s = f D 1 (E ). Le nouvel oprateur de drivation D 1 (E ) D 2 (E ) tend 1 encore loprateur de drivation formelle E D (E ). Lapplication compose 2 (surjective) E D (E ) associe alors chaque f sa drive seconde formelle f D 2 (E ). On dnit de mme, par rcurrence sur n 0, les espaces D n (E ) des drives nimes formelles f (n ) , o f E . Leur runion est D (E ), lespace de toutes les drives formelles successives f (n ) pour tout n 0. Ainsi, par extensions successives de la drivation, on obtient des espaces de distributions embots : E D 1 (E ) D 2 (E ) D n (E ) D (E ). On peut rsumer ces dnitions par le diagramme : E D 1 (E ) . . . . .. D 1 (E ) D 2 (E ) . . .

D (n 2) (E ) D (n 1) (E ) D (n 1) (E ) D n (E )

o la compose E D 1 (E ) D 2 (E ) D (n 1) (E ) D n (E ) est (n ) loprateur de drivation n ime f f . Exemple 17 [classes C n ]: Pour E = C 0 , on obtient D n (E ) = C n , lespace des distributions f (n ) qui sont des drives n imes formelles de fonctions continues. Leur runion est D (E ) = C , lespace de toutes les drives successives de fonctions continues. Exemple 18 [classes D n ]: Pour E = D 0 , on obtient D n (E ) = D n , lespace des distributions qui sont des drives n imes formelles de fonctions localement intgrables. Leur runion est D (E ) = D , lespace de toutes les drives successives de fonctions localement intgrables. Lchelle dirrgularit donne par des espaces D n complte lchelle de rgularit des classes D n . De proche en proche partir des inclusions D 0 C 1 D 1 , on identie n +1 D un sous-espace de C n , lui-mme identi un sous-espace de D n

1.5. DRIVATIONS SUCCESSIVES DE DISTRIBUTIONS

11

pour tout n . En prenant la runion, il vient C = D . En rsum, on obtient lchelle complte suivante : C = D C n D n C 0 D 0 C n D n C = D . A une extrmit de lchelle, nous avons les fonctions indniment drivables de classe C ; lautre extrmit, nous trouverons les distributions gnrales de classe D . Comme pour les fonctions, la drive s dune distribution sera note indifd ds (n ) fremment s (x ), d sera note s (n ) (x ) x s (x ) ou d x ; de mme, la drive n ime s dn ou d x n s (x ). Voici quelques exemples de drives successives de distributions. Exemple 19 [drives dune impulsion]: La distribution (x ) (impulsion de Dirac) admet des drives successives (x ), (x ), etc. Puisque (x ) D 1 , (n ) (x ) est de classe D (n +1) . Bien entendu, on peut faire des combinaisons linaires : (i ) n . i <n c i est une distribution de classe D
1 Exemple 20 [pseudo-fonction x1n ]: La fonction x 2 (dnie pour x = 0) nest pas localement intgrable en 0, et ne dnit donc pas une distribution sur R ; comme 1 cest, pour x = 0, la drive de x , et donc la drive seconde de log |x |, on dnit la distribution :

P. f.

1 d 1 d2 = log |x | v. p. = x2 dx x d x2
1 x2

de classe D 2 . On lappelle pseudo-fonction obtient les dnitions de : P. f. de classe D n .

. En continuant driver, on

1 (1)n 1 d n 1 1 (1)n 1 d n = v. p. = log |x | xn (n 1)! d x n 1 x (n 1)! d x n

Remarque 21: On note M n lespace des fonctions n fois drivables dont la drive n ime est est une mesure (section 1.3). Lorsque f M n pour tout n on dira que f est de classe M . Par les raisonnements habituels, on a les inclusions suivantes despaces : M = D M n D n 1 M n 1 M 1 D 0 M 0 . Dans lautre sens, pour E = M 0 (espace des mesures), on note M n = M n (E ) lespace des drives n imes de mesures. On note aussi M = D (M 0 ) lespace de toutes les drives successives de mesures. Par les raisonnements habituels, on a les inclusions D n M n D n 1 pour tout n , do il rsulte que M = D (espace de toutes les distributions). En rsum, on trouve lchelle des classes suivantes : D = M D n M n D 0 M 0 D n M n D = M . Par exemple, (n ) (x ) est de classe M n .

12

CHAPITRE 1. DFINITION DES DISTRIBUTIONS

1.6 Lespace D des distributions


Nous venons de voir la construction gnrale de lespace D des drives dordre quelconque de fonctions. Dans ce document, nous naurons pas besoin de dnir des objets mathmatiques plus gnraux que cela. Pour montrer les proprits des distributions il est souvent gal de considrer lchelle des classes C n ou D n . On adoptera de prfrence, dans ce document, lchelle des D n . Une distribution quelconque s D est toujours la drive formelle s = (n ) f (dun certain ordre n ) dune fonction (localement intgrable) f . Deux ou plusieurs distributions quelconques peuvent donc toujours tre vues comme des distributions dans le mme espace D n pour n assez grand. La drive de s = f (n ) D n est s = f (n +1) D (n +1) , et par rcurrence, sa drive m ime est s (m ) = f (m +n ) D (m +n ) . On peut rsumer les proprits gnrales de la drivation au sens des distributions par la proposition suivante. Proposition 22 [drive au sens des distributions]: Lapplication : D D s s est un oprateur de drivation(1) qui tend loprateur de drivation D 1 D 0 des fonctions. Lapplication : D D s s (n ) est un oprateur de drivation nime(15) . Preuve : Les proprits dmontrer de loprateur s D s D dcoulent directement de celles de la drivation D n D n 1 , en choisissant n sufsamment grand pour quune ou deux distributions quelconques donnes soient de mme classe D n . De mme, les proprits dmontrer de loprateur s D s (n ) D dcoulent directement de celles de loprateur s D m s (n ) D (m +n ) , pour m assez grand. Mais ces dernires sont une consquence immdiate de la proposition 15 applique E = D (m +n ) . Rappelons que cela signie que (s + t ) = s + t pour toutes constantes , R ou C ; toute distribution s = f (n ) admet une primitive ( savoir f (n 1) ) ; cette primitive est dnie une constante additive prs. Plus gnralement, on a la formule (s + t )(n ) = s (n ) + t (n ) ; toute distribution s = f (m ) admet une primitive n ime ( savoir f (m n ) , qui est une fonction si n m ) ; cette primitive n ime est dnie laddition prs dun polynme de degr < n . Remarque 23: Si s = f (n ) est une distribution, alors pour tout k n , une primitive (k n )ime de f : F = f (n k ) est toujours une fonction D k n . On a alors

1.7. COMPLMENT: UNIVERSALIT DES DISTRIBUTIONS

13

s = f (n k )(k ) = F (k ) . On peut donc crire toute distribution sous la forme f (n ) o n peut tre choisi aussi grand que lon veut, et la fonction primitive f sera alors aussi rgulire que lon dsire.

1.7 Complment: universalit des distributions


On va prciser algbriquement en quoi la construction des distributions faite cidessus est unique et on la comparera dautres approches possibles. Pour xer les ides, on choisit D 0 comme espace des fonctions de rfrence. Dnition 24 [espace de distributions]: On appelle espace de distributions E un espace contenant D 0 et muni dun oprateur de drivation E E qui tend loprateur de drivation des fonctions : D1 D0

E E Cela revient dire, en revenant aux dnitions, quun espace de distributions vrie les axiomes de base suivants : [A1] Toute fonction est une distribution particulire : un espace de distributions E contient D 0 comme sous-espace. [A2] On peut toujours driver au sens des distributions, et cette drivation gnralise celle au sens des fonctions : loprateur E E tend la drivation usuelle D 1 D 0. [A3] Toute distribution admet une primitive, dnie une constante additive prs. Exemple 25: Par la proposition 22, lespace D construit ci-dessus est bien un espace de distributions au sens de la dnition 24. Comme la drive ou la primitive dun polynme est toujours un polynme, lespace P des polynmes admet bien un oprateur de drivation P P ; de mme pour lespace C . Mais ces deux espaces ne contiennent 0 pas D , ce ne sont donc pas des espaces de distributions. Exemple 26 [espace des distributions la Schwartz ]: Selon lapproche classique de Schwartz, une distribution est dnie par dualit, comme une forme linaire continue sur un espace de fonctions rgulires D (les fonctions C support compact ). Lespace des distributions de Schwartz est not D . On montrera (section 3.6) que D vrie bien les proprits [A1][A3] requises par la dnition 24. Dnition 27 [morphisme despaces de distributions]: On appelle morphisme despaces de distributions E F une application linaire dun espace de distributions E dans un autre F qui laisse invariante toute fonction f D 0 et qui prserve la drivation : ( s ) = ( s ) . Un morphisme E F despaces de distributions E et F est donc tel que si s t par ce morphisme, alors s t o s est la drive dans E et t est la drive dans F . Autrement dit, ce morphisme rend le diagramme suivant commutatif : E F E F

14

CHAPITRE 1. DFINITION DES DISTRIBUTIONS

Dans le langage de la thorie des catgories, la classe des espaces de distributions, munie, pour tout couple despaces de distributions (E , F ), de lensemble de tous les morphismes E F , forme une catgorie, la catgorie des espaces de distributions. Proposition 28 [universalit de D ]: Pour tout espace de distributions E , il existe un unique morphisme despaces de distributions D E , qui est injectif. Dans le langage des catgories, on dit que D est un espace de distributions universel, solution du problme universel qui exprime comment gnraliser les fonctions par drivation. Preuve : Si un tel morphisme existe, alors il doit laisser invariante toute fonction : f f , pour tout f D 0 . Il doit, de plus, prserver la drivation, et on a donc f D f E , f D f E et ainsi de suite par rcurrence : f (n ) D (n ) f E . Comme toute distribution de D est de la forme f (n ) , cela dtermine de faon unique le morphisme . On peut appliquer la remarque 16 E = D (E ) : on a f (n ) = g (m ) dans E si et seulement si f (k m ) g (k m ) = p k , polynme de degr < k = max(m , n ) : cette dernire galit est une galit entre fonctions, qui si elle est satisfaite, lest pour tout espace E de distributions. Ceci montre que pour tous fonctions f , g D 0 et tous entiers m , n 0, on a f (m ) = g (n ) dans D si et seulement si f (n ) = g (m ) dans E ; lapplication f (n ) D f (n ) E est donc bien dnie et injective. Elle est aussi linaire, car toujours daprs la remarque 16, deux lments dun espace de distributions peuvent toujours scrire sous la forme f (k ) , g (k ) o k est choisi assez grand, et par linarit de la drive : f (k ) + g (k ) = ( f + g )(k ) D ( f + g )(k ) = f (k ) + g (k ) E . Enn, elle laisse bien invariante toute fonction : f f et prserve la drivation : si f (n ) f (n ) , alors f (n +1) f (n +1) . Lapplication est donc bien un morphisme injectif despaces de distributions D E. Les consquences de cette proposition sont remarquables. Tout dabord, il permet de montrer lunicit ( un isomorphisme prs) de lespace des distributions D , si on impose laxiome suivant en plus des axiomes [A1][A3] : [A4] Toute distribution est une drive f (n ) dun certain ordre dune fonction f qui est bien vri, par construction, pour D . Proposition 29 [unicit de D ]: Tout espace de distributions qui satisfait aux axiomes [A1][A4] est isomorphe D . Preuve : Si E est un espace de distributions vriant, en plus des axiomes [A1]-[A3], laxiome [A4], alors daprs la preuve de la proposition 28, on a la fois un morphisme unique D E et un morphisme unique E D . Ces deux morphismes sont ncessairement inverses lun de lautre, on a donc bien un isomorphisme E = D despaces de distributions (qui est lui-mme unique). En dautres termes, un espace de distributions est universel si et seulement si il vrie, en plus des axiomes [A1]-[A3], laxiome [A4]. Ce dernier axiome signie quon ne cherche pas dnir dautres distributions que celles dont on a besoin pour pouvoir driver autant de fois quon veut des fonctions. Au fond, nous avons introduit les distributions pour cela ; mais nous y avons introduit le minimum dlments nouveaux puisquil ny a que les drives dordre ni des fonctions.

1.7. COMPLMENT: UNIVERSALIT DES DISTRIBUTIONS

15

Remarque 30: Cette dernire remarque ne sapplique pas lespace D des distributions de Schwartz(26) , qui nest pas universel. En effet, on montrera (section 3.6) quil existe des distributions de D pathologiques et probablement jamais utilises en pratique dites dordre inni, qui ne sont pas des drives dordre ni de fonctions. On montre, cependant, que la plupart des distributions importantes ( support ni, tempres, etc.) sont dordre ni (voir lexercice 38 pour la dnition prcise de lordre dune distribution). Daprs la proposition 28, appliqu E = D , on a un morphisme injectif unique : D D qui permet de plonger D dans D , cest dire didentier D un sous-espace de distributions de D , savoir celui des distributions dordre ni. Ainsi, de ce point de vue, les deux constructions des distributions (par drive formelle et par dualit) sont quivalentes. La notre est cependant beaucoup plus simple (voir la section 3.6 pour plus dinformations).

Exercices
1 , on dnit : Exercice 31: Par un raisonnement analogue au cas de v. p. x

P. f.

H (x ) = ( H (x ) log x ) x

P. f.

1 = (sgn(x ) log |x |) |x |

(sgn x est la fonction signe = 1 si x > 0 et = 1 si x < 0).


1 Exercice 32: Contrairement (x ), la distribution v. p. x D 1 ne peut pas tre iden1 0 tie une mesure : v. p. x M . En effet, sa primitive log |x | nest pas localement variation borne, car elle nest mme pas localement borne (elle na pas de limite (x ) 1 gauche ou droite en 0). De mme, P. f. Hx et P. f. |x | ne sont pas des mesures.

Exercice 33: Soit P n lespace des polynmes de degr < n . Comme dans le cas(2) n = 1, on a un isomorphisme E D n (E )/P n qui f E associe la classe dquivalence dune de ses primitives n imes modulo P n . En particulier, D n = D 0 /P n : une distribution de D n peut sidentier une fonction dnie laddition prs dun polynme de degr < n . Exercice 34: Le sous-espace des distributions qui sont drivables dans D 1 (E ) est D (D 1 (E )) = E . De mme D 2 (D 2 (E )) = E , et ainsi de suite. Plus gnralement, toutes les notions de drives et de primitives dans les diffrents espaces D n (E ) sont compatibles, par construction mme de ces espaces : D p (D q (E )) = D p +q (E ) pour tous entiers p , q , positifs ou ngatifs. Exercice 35 [composition de drives et primitives]: Si m et n sont des entiers positifs ou ngatifs, on a la relation : s (m +n ) = (s (m ) )(n ) pour toute distribution s , les deux membres tant toujours bien dnis. Lgalit a lieu laddition prs dun polynme de degr adquat dans le cas de primitives..

16

CHAPITRE 1. DFINITION DES DISTRIBUTIONS

Exercice 36: Une distribution s D dont toutes les drives s , s , . . . sont des fonctions localement intgrables (respectivement des mesures, ou des fonctions continues) est en fait une fonction de classe C . Exercice 37: On sait que la drive usuelle (au sens des fonctions), si elle existe, concide avec celle au sens des distributions. Dans lautre sens, la primitive usuelle dune fonction f concide avec sa primitive au sens des distributions ; car cette dernire est aussi de la forme F + c o F = f . Exercice 38 [ordre dune distribution]: Une distribution est dite dordre n si elle est de classe D n mais pas de classe D n +1 . 1) Une distribution est dordre n si et seulement si elle peut scrire f (n ) o f est dordre 0 (localement intgrable, mais pas absolument continue). 2) Si s est dordre n , alors s (m ) est dordre n + m .
1 sont dordre 1, (n ) (x ) est dordre n + 1 et 3) H (x ) et log |x | sont dordre 0, (x ) et v. p. x 1 P. f. x n est dordre n .

4) Lordre de s + t est infrieur ou gal au maximum des ordres de s et t ; il est gal ce maximum lorsque s et t sont dordres diffrents. 5) La distribution est ses drives (i ) sont linairement indpendantes : une combinaison linaire nulle i c i (i ) = 0 implique c i = 0 pour tout i . En effet, dans le cas contraire, la combinaison linaire nulle serait dordre > 0, ce qui est impossible. Si lon prfre utiliser lespace M 0 des mesures comme espace de rfrence, une distribution sera dite dordre n si elle est de classe M n mais pas de classe M n +1 . Cette dnition est la dnition classique de Schwartz. On a alors des proprits analogues, 1 mais dans ce cas, est dordre 0, (n ) est dordre n , et v. p. x est toujours dordre 1.

Chapitre 2

Premires proprits des distributions


2.1 Produit dune fonction par une distribution
Le produit de deux fonctions ( f g )(x ) = f (x )g (x ) est videmment commutatif : f g = g f , associatif : ( f g )h = f (g h ) et distributif : ( f + g )h = f g + f h . Le produit dune fonction g D 0 par une fonction f C 0 (ou simplement localement borne) est aussi de classe D 0 , car | f g | | f ||g | est intgrable sur tout intervalle ni. Remarque 39 [produit de fonctions D 0 ]: Le produit de deux fonctions localement intgrables (de classe D 0 ) nest pas toujours une fonction de classe D 0 . Par 1 exemple, f (x ) = 1 est localement intgrable en 0 mais f 2 (x ) = f (x ) f (x ) = |x | |x | ne lest pas. A fortiori, on ne peut pas dnir le produit de deux mesures quelconques (encore moins le produit de deux distributions quelconques : voir aussi la remarque 46 ci-dessous). Pour quun produit de deux distributions ait un sens, il faudra que lun des facteurs soit dautant plus rgulier (de classe C n par exemple) que lautre est irrgulier (de classe C n ). La dnition de ce produit sera possible en gnralisant les proprits de drivation du produit de fonctions. Proposition 40 [drive de produit de fonctions]: Si f et g sont de classe D 1 (ou C 1 ), alors le produit f g aussi et on a la formule ( f g ) = f g + f g . Cela vient de la formule classique dintgration par parties
b a b a

f (t )g (t ) d t =

[ f (b )g (b ) f (a )g (a )] f (t )g (t ) d t . Considrons maintenant le cas dune distribution s = g , drive formelle dune fonction g ; on veut dnir son produit f g par une fonction f . Pour conserver le dveloppement ( f g ) = f g + f g bien connu, il est ncessaire que : f g = (f g) f g. 17

18

CHAPITRE 2. PREMIRES PROPRITS DES DISTRIBUTIONS

Cette formule va servir de dnition, les termes f g et f g (produits ordinaires) tant bien dnis pour f sufsamment rgulier. Pour une distribution s = g (n ) , la dnition se gnralise par rcurrence sur n . Proposition 41 [produit dune distribution par une fonction]: Il existe une et une seule faon de dnir le produit f s dune distribution s D par une fonction f C de telle sorte que : [1] Ce produit concide avec le produit ordinaire f s lorsque s est une fonction ; [2] On a toujours lidentit : ( f s ) = f s + f s . De plus, ce produit possde les proprits naturelles suivantes : [a] Si f est constante = c, le produit f s concide avec le produit c s dont est muni lespace des distributions. [b] Distributivit gauche et droite : ( f + g )s = f s + g s et f (s + t ) = f s + f t ; [c] Associativit : f (g s ) = ( f g )s (quon note simplement f g s) ; On notera indiffremment f s ou s f . Preuve : On procde par rcurrence sur n pour s = g (n ) D n . Pour n = 0, le produit f s est le produit ordinaire dont les proprits [a][c] sont bien connues. Supposons la construction faite et les proprits prouves lordre n 1 et considrons s D n . Pour que [2] soit vri lordre n il est ncessaire que f t = ( f t ) f t lorsque t D n +1 . On doit alors dnir le produit f s par la relation : f s = ( f t ) f t o t est une primitive quelconque de s . Pour que cette dnition soit valide il faut quelle soit indpendante de la primitive de s choisie. Or toute primitive scrit t + c , o c est une constante, et avec les proprits lordre n 1 on a bien ( f (t + c )) f (t + c ) = ( f t + c f ) f t c f = ( f t ) f t . De plus, cette dnition est compatible avec celle tablie ltape prcdente de la construction, car dans le cas particulier o s D n +1 , on a toujours la relation f s = ( f t ) f t . Les proprits [a][c] sen dduisent facilement lordre n : car si elles sont valables pour t , alors si f = c est constante, on obtient bien f s = (c t ) 0 = c t = c s ; la distributivit gauche et droite rsultent immdiatement de celle du produit ordinaire et de la linarit de la drivation ; enn, pour lassociativit : f (g s ) = f (g t ) f g t = f g t + f g t f g t = ( f g )t = ( f g )s . On peut gnraliser cette construction (exercice 81) pour dnir le produit f s o f C n et s M n (ou D n , ou C n ). Cela permet de traiter des cas plus gnraux. Exemple 42 [produit dune fonction par une impulsion]: Pour s = (impulsion de Dirac), on a f = f H = ( f H ) f H , o H est la fonction chelon. Si f (0) = 0, x on a f (x ) H (x ) = 0 f (t ) H (t ) d t ce qui montre que ( f H ) = f H , do f = 0. Dans le cas gnral, f = ( f f (0)) + f (0) = f (0) : f (x )(x ) = f (0)(x ). Ceci reste valable lorsque f est seulement continue car (x ) est une mesure(81) .

2.2. FORMULES DE LEIBNIZ

19

2.2 Formules de Leibniz


Pour dvelopper la drive n ime du produit f g de fonctions, on peut procder par rcurrence partir de ( f g ) = f g + f g , ou faire le calcul formel suii n i vant : tout polynme homogne deux variables p (x , y ) = n asi =0 a i x y n (i ) (n i ) socions P ( f , g ) = i =0 a i f g o les puissances i mes deviennent des drives i mes. Les deux formules ( f (i ) g ( j ) ) = f (i +1) g ( j ) + f (i ) g ( j +1) et x i +1 y j + x i y j +1 = (x + y )x i y j montrent que la drivation correspond formellement une multiplication par x + y . En traduisant les formules symboliques (x + y )n x 0 y 0 = n i n i n n i i 0 et x 0 y n = (x + y x )n = i (1)i n x y , on trouve : i =0 i x y i (x + y ) Proposition 43 [formules de Leibniz]: ( f g )( n ) =
n i =0 n i

f (i ) g (n i ) .

f g (n ) =

n i =0

(1)i

n i

( f (i ) g )(n i ) .

Pour s = g (n ) D n , la deuxime formule de Leibniz donne une expression explicite du produit f s . Exemple 44 [produit dune fonction par (n ) ]: Sachant que f (x )(x ) = f (0)(x ) pour f C 0 , la formule de Leibniz donne f (x ) (x ) = f (0) (x ) f (0)(x ) pour f C 1 , f (x ) (x ) = f (0) (x ) 2 f (0) (x ) + f (0)(x ) pour f C 2 et plus gnralement f ( x ) ( n ) ( x ) =
n

(1)i

i =0

n i

f (i ) (0)(n i ) (x )

m! m i (n i ) pour f C n . En particulier, x m (n ) = i (1)i n ) o les termes i ( (m i )! x m sont nuls pour i > m (car alors la drive i me de x est nulle). Les termes sont galement nuls pour i < m , puisque x (x ) = 0. On trouve donc : si m > n 0 m (n ) x (x ) = (1)n n ! (x ) si m = n (1)m n ! (n m ) (x ) si m < n . (n m )! 1 est la Exemple 45 [simplication en pseudo-fonction]: La distribution v. p. x 1 drive de log |x |, et donc x v. p. x = x (log |x |) = (x log |x |) log |x | = log |x | + 1 log |x | = 1 : 1 x v. p. = 1. x

Plus gnralement, x n P. f. x1n =

(1)n 1 n 1 (n 1) o la formule du produit (n 1)! x (v. p. x ) 1 (n 1) n! 1 (n 1i ) n 1 n i n 1 n i donne x (v. p. x ) = i =0 (1) i ( (n i )! x v. p. x ) . Par la relation 1 1 n n 1 n 1 i n x v. p. x = 1, on simplie et on trouve x P. f. x n = (1) i =0 (1) i = 1 :

x n P. f.

1 =1 xn

(n

1).

20

CHAPITRE 2. PREMIRES PROPRITS DES DISTRIBUTIONS

Remarque 46 [produit impossible de deux distributions]: Lexemple suivant, d Schwartz, montre quon ne peut pas, en gnral, dnir le produit de deux distributions de telle sorte quil vrie des proprits raisonnables : considrons le produit 1 v. p. x (x ). x
1 1 Sil tait bien dni et associatif, on aurait (v. p. x x ) (x ) = v. p. x (x (x )), cest 1 dire 1 (x ) = (v. p. x ) 0 ; do 1 = 0. . .

2.3 Changement de variable


On sintresse ici aux changements de variable les plus courants, du type ax + b o a et b sont des constantes relles avec a = 0. La fonction (x ) = ax + b est dnie sur un intervalle J valeurs dans lintervalle I ; si I = a J + b , le b changement de variable est inversible et son inverse est 1 (x ) = x a . Etant donne une fonction localement intgrable f (x ) dnie sur I , la fonction dduite de f par le changement de variable (x ) = ax + b , note f (ax + b ), est videmment localement intgrable sur J . Si f est drivable (de classe D 1 sur x I ), on peut crire f (x ) = f (c ) + c f (t ) d t . Par changement de variable, il vient x d f (ax + b ) = f (c ) + a (c b )/a f (au + b ) d u de drive d x f (ax + b ) = a f (ax +
n

d b ). Plus gnralement, si f est de classe D n , on a la formule d x n f (ax + b ) = n (n ) a f (ax + b ). Ceci suggre dadopter la dnition suivante pour gnraliser la notion de changement de variable ax + b aux distributions :

Dnition 47 [distribution dduite dun changement de variable]: Etant donne une distribution s = f (n ) dnie sur I , la distribution dduite de s par la changement de variable ax + b est la distribution dnie sur J par : s (ax + b ) = a n dn f (ax + b ). d xn

Cette dnition est bien cohrente, cest dire quelle ne dpend pas du reprsentant f (n ) choisi : si par exemple s = g (m ) o m > n , alors g (m n ) = f , et dm n d n donc a m d x m g (ax + b ) = a d x n f (ax + b ). Par ailleurs, cette dnition se rduit bien celle du changement de variable usuel dune fonction lorsque s D 0 (faire n = 0). Proposition 48 [proprits du changement de variable]: Le changement de variable ax + b vrie les proprits suivantes : d dn drivation : d x s (ax + b ) = as (ax + b ) et plus gnralement, d x n s (ax + b ) = a n s (n ) (ax + b ) ; linarit : (s + t )(ax + b ) = s (ax + b ) + t (ax + b ). composition : s (a (c x + d ) + b ) = s ((ac )x + (ad + b )). En particulier pour un b changement de variable inversible : t (x ) = s (ax + b ) s (x ) = t ( x a ). produit : ( f s )(ax + b ) = f (ax + b )s (ax + b ).

2.3. CHANGEMENT DE VARIABLE

21

Preuve : On obtient immdiatement ces proprits partir des proprits analogues pour les fonctions. Par exemple, pour le produit, on peut utiliser la formule de Leibniz : en posant s a ,b (x ) = s (ax + b ) o s = g (n ) D n , il vient ( f s )a ,b = n (i ) (n i ) (i ) (n i ) i n i i n g) g) a ((( f a ,b )(i ) g a ,b )(n i ) , a ,b avec ( f a ,b = a i =0 (1) i ( f do ( f s )a ,b = a n f a ,b (g a ,b )(n ) = f a ,b s a ,b . Voici quelques cas particuliers importants : Distribution translate : Etant donne une distribution s , la distribution translate par a est celle dduite de s par le changement de variable (x ) = x a . On la note s a (x ) = s (x a ). Evidemment s 0 = s . Les proprits de ce changement de variable particulier sont la drivation (s a ) = s a , plus gnralement (s a )(n ) = (s (n ) )a ; la linarit : (s + t )a = s a + t a ; la composition : (s a )b = s a +b , en particulier t = s a s = t a ; le produit : ( f s )a = f a s a . Distribution retourne Etant donne une distribution s , la distribution retourne est s (x ), dduite de s (x ) par le changement de variable (x ) = x . Les proprits de ce changement de variable particulier sont la drivation : d dn n (n ) (x ) ; la linad x s (x ) = s (x ), plus gnralement d x n s (x ) = (1) s rit : (s + t )(x ) = s (x ) + t (x ) ; la composition : s ((x )) = s (x ) ; le produit : ( f s )(x ) = f (x )s (x ). Distribution dilate/contracte Etant donne une distribution s et un nombre > 0, la distribution s (x ), dduite de s (x ) par le changement de variable (x ) = x est dite dilate si < 1 ou contracte si > 1. Les proprits de ce d changement de variable particulier sont la drivation : d x s (x ) = s (x ), dn n (n ) plus gnralement : d x n s (x ) = s (x ) ; la linarit : (s + t )(x ) = s (x ) + t (x ) ; la composition : s ((x )) = s (x ), en particulier t (x ) = x s (x ) s (x ) = t ( ) ; le produit : ( f s )(x ) = f (x )s (x ). Distribution restreinte Etant donne une distribution s dnie sur un intervalle I et un sous-intervalle (ouvert) J I , la distribution dduite de s par le changement de variable : x J x I est note s | J , restriction de s J . En particulier si s est une fonction f , on obtient la dnition habituelle f | J : x J f (x ). Dans le cas gnral, pour s = f (n ) o f est une fonction, sa restriction sobtient par drivation partir de la restriction de f : s | J = ( f | J )(n ) . Les proprits de ce changement de variable particulier sont la drivation : (s | J ) = s | J , et plus gnralement, (s | J )(n ) = s (n ) | J ; la linarit : (s + t )| J = s | J + t | J ; la composition : (s | J )|K = s |K pour K J I ; le produit : ( f s )| J = f | J s | J . Exemple 49 [impulsion de Dirac au point a ]: Limpulsion de Dirac au point x = a est la distribution a (x ) = (x a ), drive de lchelon translat H a (x ) = H (x a ). Au point x = 0, on a retrouve (x ) = 0 (x ). Pour f C , la relation f (x )(x ) = f (0)(x ), translate par a , donne f (x )a (x ) = f (a )a (x ).

22

CHAPITRE 2. PREMIRES PROPRITS DES DISTRIBUTIONS

Exemple 50 [distributions paires, impaires]: Une distribution s (x ) est paire si d s (x ) = s (x ) et impaire si s (x ) = s (x ). Puisque d x s (x ) = s (x ), la drive 1 1 change la parit. Ainsi H (x ) 2 = 2 sgn(x ) est impaire, donc sa drive (x ) est paire : (x ) = (x ). En drivant encore, (x ) est impaire, et ainsi de suite. De 1 1 est impaire, P. f. x mme log |x | est paire, donc v. p. x 2 et paire, et ainsi de suite en drivant. Bien entendu, toutes les distributions ne sont pas ncessairement 1 ). paires ou impaires (considrer par exemple (x ) + v. p. x Exemple 51 [distributions homognes]: Si > 0, on a la relation H (x ) = H (x ), 1 do en drivant : (x ) = (x ) ; on dit que (x ) est homogne de degr 1. 1 Plus gnralement pour tout = 0 on a (x ) = | | (x ). En drivant la relation
1 log |x | = log || + log |x |, on trouve v. p. x = mogne de degr 1. 1 1 v. p. x , 1 donc v. p. x est aussi ho-

2.4 Proprits locales des distributions


Pour faciliter ltude locale des distributions, on adopte la notation suivante : Notation 52 [galit locale de distributions]: On dit que deux distributions s , t sont gales sur lintervalle ouvert J , et on note : s (x ) = t (x ) pour x J

lorsque les restrictions concident : s | J = t | J . Le rsultat suivant montre quune distribution est uniquement dtermine par sa donne au voisinage de chaque point de lintervalle de dnition I . Proposition 53 [principe de localisation]: Deux distributions gales sur une famille (nie ou innie) I i dintervalles ouverts sont gales sur la runion I = i I i . Preuve : Par diffrence on se ramne montrer que si s |I i = 0 pour tout i alors s = 0 sur la runion I = i I i . Posons s = f (n ) o f D 0 . La condition s |I i = 0 signie que f (x ) = p i ,n (x ), polynme de degr < n pour tout x I i . Si deux intervalles I i et I j se recouvrent, alors p i ,n (x ) = p j ,n (x ) pour tout x I i I j . Cette intersection tant de longueur non nulle, elle contient une innit de points qui sont racines du polynme p i ,n p j ,n ; on a donc identiquement p i ,n = p j ,n . En prenant une suite dintervalles I i recouvrant I on trouve ainsi que p i ,n = p n , (n ) polynme de degr < n , est indpendant de i . Do f = p n et s = f (n ) = p n =0 sur tout I . Remarque 54: On a suppos explicitement que les intervalles I i sont ouverts de sorte que si I i et I j se recouvrent, alors leur intersection I i I j est un intervalle de longueur > 0. Le rsultat subsiste pour des intervalles I i quelconques qu cette condition. Par exemple, la fonction chelon H est constante p.p. pour x 0 et pour x 0, et donc |[0,+[ = 0 et |],0] = 0 ; mais on ne peut pas en dduire que = 0, puisque lintersection ] , 0] [0, +[= {0} se rduit un seul point.

2.4. PROPRITS LOCALES DES DISTRIBUTIONS

23

On a la gnralisation importante suivante de la proposition 53, qui montre que lon peut recoller des morceaux de distributions s i pour former une distribution s . Proposition 55 [recollement des morceaux]: Considrons une famille (nie ou innie) I i dintervalles ouverts dont la runion est un intervalle I = i I i , et une famille s i D n ( I i ) de distributions dnies sur I i et compatibles , dans le sens o s i et s j sont gales sur lintersection I i I j ds que I i et I j se recouvrent. Alors il existe une distribution recolle s D n ( I ) unique dnie sur I , qui est gale s i sur chaque I i . Preuve : Puisque s i D n ( I i ) pour tout i , on peut crire s i = f i(n ) o f i est localement intgrable sur I i . Par hypothse, sur chaque intersection non vide I i I j , on a f i(n ) = f j(n ) ; autrement dit : f i f j est un polynme de degr < n . On peut trouver une suite de polynmes p i ,n de degr < n tels que f i + p i ,n = f j + p j ,n chaque fois que I i et I j se recouvrent. Il suft alors de dnir s = f (n ) o f est la fonction gale f i + p i ,n sur I i , pour tout i ; la distribution s vrie bien les proprits demandes. Elle est unique par le principe de localisation(53) . Remarque 56: Lhypothse que s i D n ( I i ) pour tout i est superue si les s i sont en nombre ni, car un tel indice n (assez grand) existe toujours dans ce cas. Par contre, cette hypothse est essentielle si les s i sont en nombre inni ; en effet, si elle nest pas satisfaite, la distribution recolle s nexiste pas car il faudrait quelle soit drive n ime dune fonction pour n aussi grand quon veut1 . Exemple 57 [distribution discrte]: Etant donn un ensemble discret {x i } de points distincts x i R (en nombre ni sur tout intervalle ni), on peut recouvrir R = i I i par des intervalles I i contenant x i (et aucun autre x j ) pour tout i . Si on pose que s i D 1 ( I i ), est une impulsion s i = c i xi en x = x i (o les c i R ou C sont des constantes), la distribution recolle est note : s (x ) =
i

c i (x x i ).

Cest une combinaison linaire (nie ou innie) dimpulsions, de classe D 1 . On peut crire s = f o f est une fonction constante par morceaux avec des sauts + damplitude f (x i ) f (x i ) = c i en x = x i . En gnral, parler de s (x ) pour x donn na pas de sens. Mais si s (x ) est une fonction continue dans un voisinage de x , on peut dnir la valeur s (x ) dune distribution en x ; cette valeur est unique grce au principe de localisation. Dnition 58 [valeurs dune distribution]: Si une distribution s est gale une fonction continue f sur un intervalle J (cest dire s | J = f | J ), alors on dit que la distribution s (x ) admet une valeur gale f (x ) , pour tout x J .
1 En revanche, dans la thorie classique de Schwartz (section 3.6), on obtient toujours une distribution recolle, qui peut tre dordre inni.

24

CHAPITRE 2. PREMIRES PROPRITS DES DISTRIBUTIONS

Exemple 59: Puisque la fonction chelon H (x ) est constante pour x > 0 et pour x < 0, sa drive (x ) est nulle sur chacun des deux intervalles ] , 0[, ]0, +[. On peut donc crire : ( x ) = 0 pour x = 0. Ainsi (x ) admet la valeur 0 pour tout x = 0 ; mais elle nadmet aucune valeur en x = 0. En drivant la restriction de sur chacun des deux intervalles, on obtient immdiatement que (n ) (x ) = 0 pour x = 0, n 0. Exemple 60: Puisque la drive (usuelle) de log |x | est = v. p. 1 1 = x x pour x = 0.
1 x

pour x = 0 :

1 1 Ainsi v. p. x admet la valeur x pour tout x = 0 ; mais elle nadmet aucune valeur en x = 0. En drivant encore pour x > 0 et pour x < 0, on obtient P. f. x1n = x1n pour x = 0, n > 0.

2.5 Distributions impulsives et formules des sauts


Dnition 61 [distribution impulsive]: Une distribution est dite impulsive ou ponctuelle en x = a si son support est rduit au point {a } : ( x ) = 0 pour tout x = a

Autrement dit, la restriction de aux deux intervalles ] , a [ et ]a , +[ est nulle. Les distributions impulsives en un point donn forment (avec la distribution nulle) un espace de distributions (sur R ou C), stable par multiplication par une fonction C . Exemple 62: La distribution de Dirac (x ), ainsi que chacune de ses drives (n ) (x ), sont nulles(59) pour x = 0 et donc impulsives en x = 0. Il en est de mme de toute combinaison linaire nie (non nulle) de et de ses drives : n = c n 1 + c n 2 + + c 0 (n 1) . En fait, les combinaisons linaires de drives distributions de Dirac en un point sont les seules distributions impulsives : Proposition 63 [caractrisation des distributions impulsives]: Une distribution est impulsive en x = a si et seulement si elle scrit sous la forme : (x ) = c 0 (x a ) + c 1 (x a ) + + c n 1 (n 1) (x a ) Preuve : Par translation on se ramne au cas o a = 0. Si une distribution = f (n ) est impulsive en 0, on a f (n ) = 0 pour x > 0 et pour x < 0, et donc f (x ) est polynomiale de degr < n la fois pour x > 0 et pour x < 0. Puisque f est

2.5. DISTRIBUTIONS IMPULSIVES ET FORMULES DES SAUTS

25

dni laddition prs par un polynme de degr < n , on peut supposer que f (x ) = 0 pour x < 0 et = p n (x ), polynme de degr < n , pour x > 0. Autrement dn n n 1 dit (x ) = d H (x ) pour x n (p n (x ) H (x )). Puisque la drive de x H (x ) est = nx n > 0 et = (x ) pour n = 0, en drivant n fois on obtient bien une distribution de la forme = i <n c i (i ) . Remarque 64 [indpendance des drives dimpulsion]: Daprs la preuve cidessus, une primitive n ime de = i <n c i (i ) est de la forme p n (x ) H (x ), o i (i ) p n (x ) = i <n c i x = 0, cette prii <n c i i ! est un polynme de degr < n . Si mitive n ime doit tre gal au polynme p n , ce qui implique que p n = 0, do c 0 = c 1 = = c n 1 = 0. Ainsi, la distribution est ses drives (i ) sont linairement indpendantes : i c i (i ) = 0 = c i = 0 pour tout i (voir lexercice 38 pour une autre preuve). Il en rsulte que les coefcients c i dune distribution impulsive = i c i (i ) sont uniquement dtermins par . Le degr de est, par dnition, le plus petit indice i tel que c i = 0. Un distribution impulsive est de classe D n si et seulement si elle est de degr < n . Les deux propositions suivantes montrent que les distributions impulsives permettent dexpliciter la diffrence entre drive au sens des distributions et drive au sens des fonctions. Tout dabord, des sauts (discontinuits) damplitudes nies produisent des impulsions de Dirac de mmes amplitudes dans la drive au sens des distributions : Proposition 65 [formule des sauts]: Soit f (x ) une fonction dnie sur un intervalle I , de classe D 1 (donc continue) sauf en un ensemble discret de points x i R, + o elle prsente des sauts damplitudes nies f i = f (x i ) f (x i ). La drive de f (x ) (au sens des distributions) est : f (x ) = { f (x )} +
i

f i x i (x )

o { f (x )} D 0 est la drive au sens des fonctions de f (x ), dnie pour presque tout x I (non dnie aux points x i ). Preuve : Considrons dabord le cas dun seul saut f 0 = f (0+ ) f (0 ) en x = 0. Posons f + (x ) = f (x ) pour x > 0 et = f (0+ ) pour x 0 ; et de mme f (x ) = f (x ) pour x < 0 et = f (0 ) pour x 0. Les fonctions f + et f sont de classe D 1 sur tout I , de drives = { f (x )} pour x > 0 (respectivement pour x < 0), et nulles ailleurs ; on a la dcomposition f (x ) = f + (x ) + f (x ) + f (0+ ) f (0 ) H (x ) f (0+ ), o H (x ) est la fonction chelon. En drivant au sens des distributions on trouve bien f (x ) = f + (x ) + f (x ) + f 0 H (x ) = { f (x )} + f 0 (x ). Le cas dun saut en un point quelconque sen dduit immdiatement par translation. Dans le cas gnral, on peut recouvrir I = i I i par des intervalles I i contenant x i (et aucun autre x j ) pour tout i . Alors f { f } = f i xi sur chaque I i , do par recollement des morceaux(55) : f { f } = i f i xi sur I .

26

CHAPITRE 2. PREMIRES PROPRITS DES DISTRIBUTIONS

Dans les drivations ultrieures (dordre n ), les sauts produisent des distributions impulsives (de degr < n ) : Proposition 66 [formule des sauts drivs]: Sous les mmes hypothses que la proposition 65, on suppose en outre que f (x ) est de classe D n sauf en les x i R, o f et ses n 1 premires drives prsentent des sauts damplitudes nies f i(k ) = + ). La drive nime de f (x ) (au sens des distributions) est : ) f (k ) ( x i f (k ) (x i f (n ) (x ) = { f (n ) (x )} +
i n 1) f i(n 1) xi (x ) + f i(n 2) xi (x ) + + f i ( (x ) xi

Preuve : Comme dans la preuve de la proposition prcdente, il suft de consi(1) drer un seul saut (disons en x = 0). Daprs la formule des sauts, f = { f }+ f 0 . En drivant cette relation on obtient (toujours par la formule des sauts) f = (2) (1) { f } + f0 + f0 , et ainsi de suite par rcurrence.

2.6 Complment: le problme de la division


Le problme de la division par une fonction f (x ) C consiste dterminer, pour une distribution t (x ) donne, les solutions s (x ) de lquation f (x )s (x ) = t (x ). Si f (x ) 1 ne sannule pas sur R, alors on peut multiplier par f ( x ) C , et on trouve la solution
1 unique s (x ) = f ( x ) t (x ). Lorsque f (x ) sannule, le problme de la division devient plus difcile. On examine ici quelques cas particuliers les plus importants :

Proposition 67 [rsolution de lquation x n s (x ) = 0]: xs (x ) = 0 s (x ) = c (x )


n

(c constante)

et plus gnralement, les solutions de lquation x s (x ) = 0 (o n > 0) sont les distributions impulsives s (x ) = c 0 (x ) + c 1 (x ) + + c n 1 (n 1) (x ) de degr < n. Preuve : Une solution vrie ncessairement la relation xs (x ) = 0 pour x = 0. En divisant par x = 0, il en rsulte que s (x ) = 0 pour tout x = 0 ; s (x ) est donc une distribution impulsive du type i c i (i ) (x ). En reportant dans lquation x n s (x ) = 0 et en tenant compte de lexpression vue(44) de x n (i ) (x ), on trouve une combinaison linaire nulle de (n ) , (n +1) , . . . (linairement indpendantes(64) ) dont les coefcients sont ncessairement nuls. Il en rsulte que c n = c n +1 = = 0, do la solution gnrale nonce. Remarque 68 [division avec zro unique]: Si f (x ) est C avec un unique zro simple en x = 0, alors on toujours : f (x )s (x ) = 0 s (x ) = c (x ) (c constante). En effet, on se f (x ) ramne lquation xs (x ) = 0 en divisant par x , qui est toujours C (mme en x = 0). Le cas dun zro de f en x = a se dduit immdiatement par translation : on a alors f (x )s (x ) = 0 s (x ) = c (x a ) (c constante). Plus gnralement, si f (x ) est C avec un unique zro multiple en x = 0 de multiplicit n , alors f (x )s (x ) = 0 si et seulement si x n s (x ) = 0. Proposition 69 [rsolution de lquation x n s (x ) = 1]: xs (x ) = 1 s (x ) = v. p. 1 + c ( x ) x (c constante)

et plus gnralement, les solutions de lquation x n s (x ) = 1 (o n > 0) sont de la forme s (x ) = P. f. x1n + c 0 (x ) + c 1 (x ) + + c n 1 (n 1) (x ).

2.7. DISTRIBUTIONS SUPPORT FINI

27

Preuve : On sait que P. f. x1n est une solution particulire de lquation x n s (x ) = 1. Par diffrence, la solution gnrale est de la forme P. f. x1n + r (x ) o r (x ) est la solution gnrale de lquation x n r (x ) = 0.

2.7 Distributions support ni


Dnition 70 [distribution support ni]: Une distribution s est dite support ni 2 (dans un intervalle ni [a , b ]) si : s (x ) = 0 pour x [a , b ]

Autrement dit, les restrictions de s ] , a [ et ]b, +[ sont nulles. Exemple 71: Une distribution impulsive est videmment support ni (faire a = b ). Il rsulte immdiatement de la formule ( f s )| J = f | J s | J que le produit f s est support ni ds que f ou s lest. Lensemble des distributions support ni forme un espace de distributions (sur R ou C), stable par multiplication par une fonction C . On le note souvent E dans la littrature. Remarque 72: La formule (s |I ) = s |I montre que si s est support ni, toutes ses drives s (n ) le sont aussi. Par contre, lexemple de (x ) montre quune distribution peut tre support ni sans quaucune de ses primitives (n ) (x ) = x n 1 (n 1)! H (x ) + p n (x ) ne le soit. Proposition 73 [caractrisation des distributions support ni]: Une distribution s (x ) est support ni dans [a , b ] si et seulement si elle scrit sous la forme s ( x ) = f ( n ) ( x ) + n ( x ) o f (x ) est une fonction intgrable support ni dans [a , b ] et o n (x ) est une distribution impulsive (de degr < n) en x = c, le point c tant choisi librement dans [a , b ]. Preuve : Si une distribution s = g (n ) est support ni dans [a , b ], elle sannule pour x < a et pour x > b , donc g (x ) est une fonction polynomiale de degr < n la fois pour x < a et pour x > b . Puisque g (x ) est dnie laddition prs dun polynme de degr < n , on peut supposer que g (x ) = 0 pour x < a et g (x ) = p n (x ), polynme de degr < n , pour x > b . Pour c [a , b ] quelconque, posons h (x ) = p n (x c ) H (x c ). On sait(63) que n = h (n ) est impulsive au point c , de degr < n . Par ailleurs, la fonction f (x ) = g (x ) h (x ) sannule en dehors de lintervalle [a , b ] et est intgrable dans cet intervalle. On a donc bien la reprsentation voulue s = g (n ) = f (n ) + n ; rciproquement, une distribution de cette forme est bien support ni dans [a , b ].
2 Le support dune distribution support ni dans [a , b ] est, par dnition du support(89) ,

ferm et inclus dans [a , b ]. Ce support est donc la fois ferm et born, cest dire compact. Par consquent, distribution support ni et support compact sont synonymes.

28

CHAPITRE 2. PREMIRES PROPRITS DES DISTRIBUTIONS

Dans cette preuve on peut choisir n sufsamment grand pour que g (x ) soit aussi rgulire quon veut. En prenant c = a ou b on obtient une fonction f (x ) aussi rgulire quon veut dans [a , b ]. Remarque 74: La reprsentation 73 nous permettra de prouver facilement de nombreux rsultats concernant ces distributions support ni. Supposons par exemple quune proprit linaire soit vraie pour toute fonction (rgulire) support ni. Si on montre alors quelle est stable par drivation (vraie pour s si elle est vraie pour s ) et par ailleurs vraie pour limpulsion , alors elle sera vraie pour toutes drives (n ) ou f (n ) et donc par linarit pour toute distribution support ni.

2.8 Intgrale dune distribution


Lintgrale de Lebesgue dune fonction f D 0 support ni dans [a , b ] est b f (x )d x = a f (x ) d x . On sait que pour une primitive quelconque de f , on a f (x )d x = f (1) (b ) f (1) (a ) (indpendant du choix de la primitive). On a mme f (1) (x ) = f (1) (b ) pour tout x b et f (1) (x ) = f (1) (a ) pour tout x a . Notons f (1) (+) et f (1) () ces deux quantits (valeurs de f (1) (x ) pour x assez grand ou assez petit, respectivement). On obtient alors la formule : f (x )d x = f (1) (+) f (1) (). Il est facile de gnraliser aux distributions : Dnition 75 [intgrale dune distribution]: Etant donne une distribution support ni s (x ), son intgrale est dnie par : s (x ) d x = s (1) (+) s (1) () o s (1) (+) et s (1) () sont les valeurs dune primitive quelconque de s (x ) pour x assez grand et x assez petit, respectivement. Cette dnition est cohrente (elle ne dpend pas du choix de la primitive), car si s est support ni dans [a , b ], on a s |]b,+[ = 0 et s |],a [ = 0, donc toute primitive s (1) est telle que s (1) |]b,+[ et s (1) |]b,+[ sont des constantes (respectivement s (1) (+) et s (1) ()), et puisque la primitive est elle-mme dnie une constante additive c prs, la diffrence s (1) (+) s (1) () ne dpend pas du choix de la primitive. On retrouve bien sr lintgrale usuelle si s (x ) est une fonction. Exemple 76 [intgrale dune impulsion]: H (x ) vaut 1 pour x > 0 et 0 pour x < 0, donc ( x ) d x = 1 (en accord avec la formule (R) = d H (x ) = 1 pour la mesure = d H ). Puisque (x ) vaut 0 pour x = 0 : (x ) d x = 0 et, de mme, (n ) (x ) d x = 0 pour tout n > 0.

2.8. INTGRALE DUNE DISTRIBUTION

29

Proposition 77 [linarit de lintgrale]: Si s et t sont des distributions support ni, alors s + t aussi pour toutes constantes , et s (x ) + t (x ) d x = s (x ) d x + t (x ) d x. Preuve : La distribution s + t est support ni dans un intervalle ni contenant les deux supports de s et t . Si s (1) et t (1) sont des primitives de s et t , alors s (1) + t (1) est une primitive de s + t , do (s (1) (+) + t (1) (+)) (s (1) () + t (1) ()) = (s (1) (+) s (1) ()) + (t (1) (+) t (1) ()). Proposition 78 [changement de variable ax + b ]: Si s (x ) est support ni et 1 a = 0, alors s (ax + b ) d x = |a | s (x ) d x.
1 (1) s (ax + b ), avec Preuve : Une primitive de t (x ) = s (ax + b ) est t (1) (x ) = a 1 1 (1) (1) (1) (1) t () = a s () si a > 0 et t () = a s () si a < 0, do t (x ) d x = s (1) (+)s (1) () |a |

dans tous les cas.

En particulier, la translate s a (x ) = s (x a ), retourne s (x ) et dilate/contracte ||s (x ), ont toutes mme intgrale que s (x ). Par exemple, on a (x a ) d x = 1 (x )d x = 1 et (x ) d x = | |. Proposition 79 [intgration par parties]: Si s est une distribution et f une fonction C telles que f s et f s sont toutes deux support ni : f (x )s (x ) d x = [ f s (+) f s ()] La formule se simplie : ni. f (x )s (x ) d x .

f (x )s (x ) d x = f (x )s (x ) d x si f ou s est support

Noter que dans ce dernier cas, on trouve la formule gnrale f (x )s (n ) (x ) d x = (1)n f (n ) ( x ) s ( x ) d x

au bout de n intgrations par parties successives. Preuve : Notons t = f s ; ce produit est bien dni et on a la formule t = f s + f s . Les distributions f s et f s sont support ni, donc t aussi. Lintgrale de t = f s + f s est donc bien dnie et par linarit de cette intgrale : t (x )d x = t (+) t () = f (x )s (x ) d x + f (x )s (x ) d x . Si f ou s est support ni, alors f s et f s sont support ni et la formule dintgration par parties reste valable. De plus, f s est aussi support ni et donc f s (+) = f s () = 0. Exemple 80: Puisque(42) f (x )(x ) = f (0)(x ), on a, par linarit de lintgrale : f (x )(x ) d x = f (0) (Par translation par a on obtient f (x )(x a ) d x = f (a ).) Par intgration par parties successives on en dduit que : f (x )(n ) (x ) d x = (1)n f (n ) (0).

30

CHAPITRE 2. PREMIRES PROPRITS DES DISTRIBUTIONS

Exercices
Exercice 81: Daprs la formule dintgration par parties gnralise pour les intgrales b b de Lebesgue-Stieltjes : a f (t ) d g (t ) = [ f (b )g (b ) f (a + )g (a + )] a f g (t ) d f (t ), on a la formule gnrale ( f g ) = f g + f g pour tout f , g M 1 . On peut alors reprendre la dnition du cours ; il existe une et une seule faon de dnir le produit : fs ( f C n , s M n , n 0),

(en particulier valable pour s D n ou C n ) de telle sorte que ce produit concide avec le produit ordinaire f s lorsque n = 0, et que lon ait toujours la relation : ( f s ) = f s + f s pour f C n , s M n +1 , n 1. On a, de plus a les proprits suivantes : f s est de classe M n (respectivement D n , C n ) pour f C n et s M n (respectivement D n , C n ) ; distributivit gauche et droite ; associativit.
1 1 Exercice 82: On note P. f. |x | la drive de sgn(x ) log |x |. Alors x P. f. |x | = (|x | log |x |)

(x ) sgn(x ) log |x | = sgn(x ). De mme, on trouve x P. f. Hx = x ( H (x ) log x ) = H (x ).

Exercice 83 [formules de Leibniz]: On a, de mme que pour les fonctions, les formules : ( f s )(n ) =
n i =0 n i

f (i ) s (n i ) .

f s (n ) =

n i =0

(1)i

n i

( f (i ) s )(n i ) .
(n )

pour une distribution s quelconque et f C . En notant s [n ] = sn ! , ces formules se simplient : ( f s )[n ] = i + j =n f [i ] s [ j ] et f s [n ] = i + j =n (1)i ( f [i ] s )[ j ] . Exercice 84: Lordre(38) de f s est toujours au plus gal celui de s . Exercice 85 [parties paire et impaire dune distribution]: Toute distribution s se dcompose sous la forme s (x ) = s 0 (x ) + s 1 (x ) o s 0 (x ) est paire, s 1 (x ) est impaire, toutes 1 1 deux uniquement dtermines par s (x ). Par exemple : P. f. |x | et v. p. x sont les parties

(x ) . paire et impaire de 2 P. f. Hx

Exercice 86 [changement de variable (cas gnral)]: On appelle changement de variable une fonction C strictement monotone dun intervalle J vers un intervalle I , qui t J associe x = (t ) I . Essayer de gnraliser lapproche du cours pour dnir la distribution note s ou s (), dduite dune distribution s dnie sur I par le changement de variable . Exercice 87: Retrouver que (n ) (x ) = 0 et P. f. x1n = x1n pour x = 0, en multipliant les relations connues x n (n 1) (x ) = 0 et x n P. f. x1n = 1 par x1n qui est C dans chacun des intervalles ] , 0[ et ]0, +[. Exercice 88 [extension dune distribution]: Etant donne une distribution t dnie sur J , on dit quune distribution s dnie sur I J est une extension de t si sa restriction J est s | J = t . Supposons ici que 0 J et I = R : 1) Limpulsion (x ), de mme que chaque drive (n ) (x ), est une extension de la fonc1 1 tion nulle. La distribution v. p. x est une extension de la fonction x . 2) Une extension s (si elle existe) nest pas unique. Il y en a une innit dautres (s + , s + + , etc).

2.8. INTGRALE DUNE DISTRIBUTION

31

3) Il ny a pas dextension s (x ) R de la fonction e 1/x D 0 (]0, +[), car toutes les primitives successives de e 1/x sont non intgrables en x = 0. Exercice 89 [support dune distribution]: Etant donne une distribution s dnie sur I , on considre lensemble de tous les intervalles ouverts J sur lesquels s sannule : s | J = 0. Par principe de localisation(53) , s sannule sur la runion O de ces intervalles. On appelle support de s le complmentaire S = I \ O . La runion O tant le plus grand ouvert sur lequel s sannule, le support S est donc le plus petit ensemble ferm tel que s | J = 0 pour tout intervalle J en dehors de S (inclus dans I \ S ). Retrouver la dnition habituelle du support pour une fonction de D 0 ou de C 0 . Par exemple, le support de la fonction x est R tout entier (0 en fait partie). Le support dune fonction ne peut tre rduit un point, car si f (x ) = 0 pour tout x = x 0 , alors f = 0 p.p., donc f est la fonction nulle et son support est vide. Par contre, le support de la distribution est rduit {0}. Si f et s sont de supports disjoints, alors f s sannule dans tout intervalle et donc f s = 0. Plus gnralement, le support de f s est contenu dans lintersection des supports de f et s . Si f C est tel que f et toutes ses drives sannulent sur le support de s , alors f s = 0. Le produit x ne vrie aucune de ces deux conditions. Exercice 90 [produit par une distribution impulsive]: On considre une distribution impulsive (x ) en x = a et une fonction f (x ) de classe C telle que f (a ) = 0. Lexemple x (x ) = (x ) montre quon a pas forcment f (x )(x ) = 0. 1) Trouver lexpression gnrale de la distribution f (x )(x ) grce aux formules donnes dans lexemple 44 ; vrier directement que cette distribution est impulsive. 2) Avec cette expression, on trouve que f (x )(x ) = 0 pour tout de degr < n si et seulement si f (x ) et toutes ses drives dordre < n sannulent en a . Exercice 91: Calculer les drives successives de H (x ) sin x . Exercice 92: (x ) est ( un facteur constant prs) lunique vecteur propre de loprateur de multiplication par x associ la valeur propre .
1 et plus gnralement x n s (x ) = P. f. x1 Exercice 93: Rsoudre xs (x ) = v. p. x m.

Exercice 94 [distributions homognes support ni]: Les seules distributions homognes (s (x ) = s (x ) pour tout > 0) support ni sont impulsives et donc de la forme a b s = c (n ) . En effet, pour > 0, s (x ) est support ni dans lintervalle [ , ] ; en faisant on obtient bien que s (x ) est ncessairement une distribution impulsive en x = 0. Exercice 95: Dnir une gnralisation de lintgrale sur [a , b ] pour une distribution support quelconque dont la primitive est gale une fonction dans un voisinage de a b 1 et de b . Montrer ainsi que a v. p. x d x = log | b a |. Exercice 96 [changement de variable dintgration (cas gnral)]: Pour un changement de variable(86) C de R dans R, s ((t )) est support ni si s (x ) lest, et : s (x ) d x = s ((t )) | (t )| d t

En effet, si est croissante, le membre de droite est lintgrale de (s ()) et vaut s ((+)) s (()) = s (+) s (), do s ((t )) (t ) d t = s (x ) d x . Si est dcroissante, s ((+)) s (()) = s () s (+), et donc s ((t )) (t ) d t = s (x ) d x . Exercice 97: Retrouver que f (x )(n ) (x ) d x = (1)n f (n ) (0) avec lexpression qui donne (i ) le produit(44) f (n ) = i (1)i n (0)(n i ) . i f

32

CHAPITRE 2. PREMIRES PROPRITS DES DISTRIBUTIONS

Chapitre 3

Croissance et dualit
3.1 Distributions O (|x | )
Pour une fonction localement intgrale f (x ), la notation : f (x ) = O (|x | ) (sous-entendu quand |x | ) signie que pour |x | assez grand, | f (x )| c |x | pour presque tout x R ; 0 est un exposant de croissance linni de la fonction f ; si 0, alors est un exposant de dcroissance linni. Pour = 0, la fonction f est dite borne ( linni) : f (x ) = O (1). Toute combinaison linaire de fonctions = O (|x | ) est aussi une fonction = O (|x | ), et donc ces fonctions forment un espace, aussi not O (|x | ). On a f (x ) = O (|x | ) si et seulement si f (x ) = ( 1 + x 2 ) b (x ) o b (x ) = O (1) est une fonction borne linni. Dans cette criture, on a choisi la fonction 1 + x 2 parce quelle est C pour tout R. Pour simplier on notera : |x | = 1 + x2

(crochet japonais). Les fonction |x | serviront dchelle de rfrence pour ltude des proprits de croissance ou de dcroissance linni de fonctions. On peut gnraliser aux distributions en dnissant lespace des distributions = O (|x | ) pour R donn. Cet espace doit videmment contenir toutes les fonctions = O (|x | ) et on impose quil est stable par drivation de faon obtenir des distributions. Il doit donc contenir toutes les drives f (n ) de fonctions = O (|x | ), ainsi que toutes les combinaisons linaires (nies) de ces drives : Dnition 98 [croissance dune distribution]: Pour R, on note : s (x ) = O (|x | )
i si s (x ) est une combinaison linaire s = k de drives de fonctions i =1 c i f i f i (x ) = O (|x | ). Pour = 0, on dit que s (x ) = O (1) est borne linni.

(n )

33

34

CHAPITRE 3. CROISSANCE ET DUALIT

Avec cette dnition, toute combinaison linaire de distributions = O (|x | ) est toujours une distribution = O (|x | ). Ainsi les distributions O (|x | ), en particulier les distributions bornes linni, forment bien un espace de distributions, stable par drivation. Lespace des distributions bornes ( linni) est parfois not B dans la littrature. Exemple 99 [distributions bornes]: Toute fonction borne au sens usuel est videmment une distribution borne linni. Limpulsion de Dirac = H est borne linni car la fonction chelon lest ; on en dduit que les drives (n ) , et plus gnralement toute distribution impulsive, sont bornes linni. Encore plus gnralement, toute distribution support ni est borne linni, car de la forme(73) f (n ) + o f est une fonction continue support ni (donc borne) et o est impulsive. Proposition 100 [proprits des distributions O (|x | )]: Si s (x ) = O (|x | ) alors : (drivation :) s (x ) = O (|x | ) ; (croissance :) s (x ) = O (|x | ) pour tout . (produit par un polynme p de degr k) p (x )s (x ) = O (|x |+k ) ; (produit par une puissance de |x | :) |x | s (x ) = O (|x |+ ) o R. En particulier, on a, comme pour les fonctions, la caractrisation s (x ) = O (|x | ) si et seulement si |x | s (x ) = O (1). Preuve : La premire proprit est immdiate par dnition, la deuxime dcoule immdiatement de la proprit correspondante pour les fonctions. Pour (n ) les deux dernires, on a affaire un produit de la forme f (x )s (x ) o1 f = 0 ; posons s =
(n k ) (n k ) k ck f k

O (|x |n ) pour tout n duit f (x ) f k

o f k (x ) = O (|x | ). Le proi (1) i nk i (i ) f fk (n k i )

(x ) est donn par la formule de Leibniz

(i ) o f (x ) f k (x ) = O (|x |i + ) = O (|x |+ ). Il en rsulte bien, par linarit, que

lon a f (x )s (x ) = O (|x |+ ).

Remarque 101: Pour une fonction f (x ), la relation f (x ) = O (|x | ) au sens des 2 distributions na pas forcment lieu au sens des fonctions. Par exemple 2i xe i x = d i x2 nest pas une fonction borne linni, alors que cest une distribution dx e borne linni. Par contre, on verra(107) que tout polynme non constant p (x ) nest effectivement pas born au sens des distributions.

3.2 Distributions croissance lente


Une fonction f (x ) est dite croissance lente ( linni) sil existe ( 0 suft) tel que f (x ) = O (|x | ). Sa drive peut ne pas tre croissance lente : un exemple est sin e x de drive e x cos e x . Par contre, on a le rsultat suivant pour les primitives :
1 On vrie immdiatement par rcurrence que d n |x | = O (|x |n ) pour tout R et n d xn

0.

3.2. DISTRIBUTIONS CROISSANCE LENTE

35

Proposition 102 [croissance linni et primitives]: Si f (x ) = O (|x | ), > 1, alors toute primitive f (1) (x ) est telle que f (1) (x ) = O (|x |+1 ), do par rcurrence, f (n ) (x ) = O (|x |+n ). Cela rsulte immdiatement dune majoration de lintgrale c + 0 f (t ) d t qui dnit une primitive de f . Ce rsultat suggre de dnir une fonction f D n croissance lente comme une fonction qui est croissance lente ainsi que toutes ses drives dordre n . Lorsque n on obtient la dnition suivante. Dnition 103 [fonction C croissance lente (espace O M )]: On dit quune fonction f est C croissance lente si elle est indniment drivable, croissance lente ainsi que toutes ses drives. Ces fonctions forment un espace (et mme une algbre) parfois not O M dans la littrature. Exemple 104: Tout polynme est C croissance lente, ainsi que les fonctions 2 sin x , e i x , e i x , log(x 2 + 1), tanh x et |x | = ( 1 + x 2 ) . Les fonctions e x et sin e x sont C mais pas C croissance lente. La gnralisation aux distributions de la notion de fonction croissance lente est immdiate : Dnition 105 [distribution croissance lente]: Une distribution s (x ) est dite croissance lente sil existe tel que s (x ) = O (|x | ). On a la caractrisation simple suivante : Proposition 106: Une distribution s (x ) est croissance lente si et seulement si elle scrit s = f (n ) , n 0 o f est une fonction croissante lente. Preuve : Une drive n ime dune fonction = O (|x | ) est videmment une distribution = O (|x | ) croissance lente. Rciproquement, si s (x ) est une distribu(n ) tion croissante lente, elle scrit comme une combinaison linaire k c k f k k de drives de fonctions croissance lente. Par la proposition 102, toutes les primitives des f k sont croissante lente, et on peut donc crire s = f (n ) pour n (n n ) assez grand o f = k c k f k k est croissance lente. Remarque 107: Par le mme argument, on obtient la gnralisation suivante de la proposition 102 : si s (x ) = O (|x | ) o > 1, alors on peut crire, pour n assez grand, s = f (n ) o la fonction s (n ) (x ) = f (x ) = O (|x |+n ) (au sens des fonctions). En particulier, une distribution borne s scrit s = f (n ) , o f (x ) = O (|x |n ) au sens des fonctions. Ceci montre, en particulier, quun polynme p (x ) nest born (au sens des distributions) que si cest une fonction constante : en effet, sil tait de degr m > 0 on aurait p (n ) (x ) = O (|x |n +m ) = O (|x |n ) au sens des fonctions. Exemple 108 [distributions croissance lente]: Tout polynme p (x ), et plus gnralement toute fonction croissance lente, est une distribution croissance lente. Toute distribution support ni est croissance lente, car elle peut scrire
x

36

CHAPITRE 3. CROISSANCE ET DUALIT

sous la forme f (n ) o f (x ) est polynomiale de degr < n en dehors du support, donc , donc croissance lente. (On a vu quelle est mme borne linni(99) .) En particulier, toute distribution impulsive, comme (x ) et ses drives, est 1 croissance lente. La distribution v. p. x = (log |x |) est croissance lente car log |x | 1 lest ; mme rsultat pour P. f. x n . La fonction e x nest pas une distribution croissance lente, car aucune de ses primitives (= e x ) ne peut tre croissance lente.

3.3 Distributions tempres


Nous allons voir que les distributions croissance lente sidentient aux distributions dites tempres. Une fonction (localement intgrable) f est dite tempre sil existe un exposant ( 0) telle que |x | f (x ) soit intgrable ( L 1 ). Il revient au mme dcrire f (x ) que |x |k f (x ) est intgrable pour un entier k assez grand : (1+x 2 )k d x < ou de dire que f (x ) scrit f (x ) = p (x )g (x ) o p (x ) est un polynme et o g (x ) est intgrable. Ainsi toute fonction tempre sobtient partir dune fonction L 1 par multiplication par un polynme. 2 1 Toute fonction intgrable (comme 1+ , e x , e |x | ) est videmment tempx2 x re. Les fonctions non intgrables 1 2 ou sin x sont tempres. Toute fonction croissance lente est tempre, car si f (x ) = O (|x | ), alors |x |+2 est intgrable. Par contre, une fonction tempre peut ne pas tre croissance lente : un exemple (pathologique) est donn par f (x ) = e n pour |x n | e 2n (n > 0) et f (x ) = 0 ailleurs (fonction intgrable mais croissance exponentielle). Si f (x ) est tempre, sa drive peut ne pas ltre : ainsi sin e x est borne, t cos e t donc tempre ; mais sa drive e x cos e x nest pas tempre, car e dt = (1+t 2 ) cos x 2 d x diverge linni pour tout > 0. Par contre, grce la majora0 tion vidente |x | | f (1) (x )| tat suivant pour les primitives :
(1+log x ) x 0 |x | | f 1+ x f (x )

( t )| d t

x 0 |t | | f

(t )| d t , on a le rsul-

Proposition 109 [primitives tempres]: Si f est tempre, toute primitive f (1) est croissance lente (donc tempre). Remarque 110: Ceci suggre de dnir les fonctions f C tempres comme celles pour lesquelles f et toutes ses drives soient tempres. Mais ces drives seront alors toutes des primitives de fonctions tempres, donc croissance lente. Ainsi fonction C tempre et C croissance lente sont synonymes (espace O M ). Dnition 111 [distribution tempre (espace S )]: Une distribution s est dite tempre si on peut crire s = f (n ) o n 0 et f est une fonction tempre. Une fonction croissance lente tant tempre, une distribution croissance lente est ncessairement tempre. Rciproquement si s = f (n ) o f est tempre, alors toute primitive F de f est croissance lente, et s = F (n +1) . Ainsi dire

3.4. DISTRIBUTIONS DCROISSANCE RAPIDE

37

que s est tempre revient dire que s est croissance lente : distribution tempre et croissance lente sont synonymes. Ces distributions forment un espace not S dans la littrature. Daprs la dnition, si s S , alors toute drive ou toute primitive de s est aussi dans S . De plus, cet espace est stable par multiplication par une fonction C croissance lente : Proposition 112: Si s est une distribution tempre et f est C croissance lente, alors f s est une distribution tempre : s S , f O M = f s S . Preuve : Posons s = g (n ) o g est une fonction croissance lente ; toute fonction produit f (i ) g est croissance lente donc tempre, il en rsulte que le produit (i ) (n i ) i n g) , est bien f s = f g (n ) , donn par la formule de Leibniz n i =0 (1) i ( f une distribution tempre. Remarque 113: Ainsi, toute distribution qui provient dune fonction intgrable (ou borne, ou tempre, ou croissance lente) f par oprations rptes de multiplication par un polynme et de drivation est une distribution tempre. Rciproquement, par la dnition, une distribution tempre est une drive n ime dune fonction tempre g qui peut scrire sous la forme g (x ) = (1 + x 2 )k f (x ) o f (x ) est intgrable (L 1 ). Ainsi toute distribution tempre sobtient partir dune fonction f L 1 par multiplication par un polynme et par drivations successives. Dans cette reprsentation on peut dailleurs prendre n assez grand pour que f soit aussi rgulire que lon veut ; on peut galement prendre k assez grand pour que f soit dcroissance O ( |x1 |m ) linni aussi rapide que lon veut. Si on combine ces deux choix (n et k assez grands), daprs la formule de drivation g (x ) du produit(43) f (x ) = (1+x 2 )k , on peut imposer que f et un nombre arbitrairement grand < n de ses drives successives soient toutes dcroissance linni aussi rapide quon veut : f (i ) (x ) = O ( |x1 |m ) pour m arbitrairement grand. Remarque 114: La reprsentation s = g (n ) , g (x ) = (1 + x 2 )k f (x ) nous permettra de prouver facilement de nombreux rsultats concernant ces distributions tempres. Supposons par exemple quune proprit linaire soit vraie pour toute fonction intgrable f (x ) (sufsamment rgulire et dcroissant sufsamment vite linni). Si on montre alors que cette proprit est stable par drivation et multiplication par x (vraie pour s (x ) et pour xs (x ) si elle est vraie pour s (x )) alors elle sera vraie par linarit pour toute fonction p (x ) f (x ) o p (x ) est un polynme, et donc par drivation pour toute distribution tempre.

3.4 Distributions dcroissance rapide


Une fonction f (x ) est dite dcroissance rapide ( linni) si f (x ) = O ( |x1| ) pour tout ( 0). Cela revient dire que |x | f (x ) est borne pour tout ou

38

CHAPITRE 3. CROISSANCE ET DUALIT

que p (x ) f (x ) est borne pour tout polynme p (x ). Les fonctions dcroissance 2 exponentielle comme e x ou e |x | sont dcroissance rapide. La drive dune fonction dcroissance rapide peut ne pas ltre : ainsi 2 2 2 2 x 2 e sin e x est dcroissance rapide ; mais sa drive 2x (cos e x e x sin e x ) ne lest visiblement pas. Si f est une fonction dcroissance rapide, il est possible quaucune de ses primitives ne le soient : ainsi toute primitive g dune fonction 2 2 gaussienne e x est telle que g (+) g () = R e x d x > 0 et donc ne peut tre dcroissance rapide. Par analogie avec les fonctions C tempres ( croissance lente ainsi que toutes leurs drives), on peut dnir les fonctions C dcroissance rapide : Dnition 115 [fonction C dcroissance rapide (espace S )]: Une fonction f est dite C dcroissance rapide si elle est indniment drivable, dcroissance rapide ainsi que toutes ses drives f (m ) (m > 0). Ces fonctions forment un espace (et mme une algbre) not S (espace de Schwartz). Exemple 116: Toute fonction gaussienne e (ax ) est C dcroissance rapide, 2 1 ainsi que tout produit p (x )e (ax ) par un polynme p (x ). La fonction cosh x lest aussi. Toute fonction C support ni est C dcroissance rapide. Toute fonction C dcroissance rapide est a fortiori C croissance lente. Daprs la formule de Leibniz(43) , le produit dune fonction C croissance lente par une fonction C dcroissance rapide est encore C dcroissance rapide. La dnition dune fonction dcroissance rapide se gnralise immdiatement aux distributions : Dnition 117 [distribution dcroissance rapide (espace OC )]: Une distribution s (x ) est dcroissance rapide ( linni) si s (x ) = O ( |x1| ) pour tout . Comme pour les fonctions, cela revient dire(100) que |x | s (x ) est borne pour tout , ou encore que p (x )s (x ) est borne pour tout polynme p (x ). Une distribution dcroissance rapide est videmment tempre ( croissance lente) et mme borne linni (faire = 0). Les distributions dcroissance rapide forment un espace, parfois not OC dans la littrature. Daprs la dnition, si s OC , alors toute drive est aussi dans OC , ainsi que tout produit p (x )s (x ) par un polynme ; en effet, si p (x ) est de degr k , on a(100) p (x )s (x ) = O (|x |k ) pour aussi grand que lon veut. Exemple 118: Toute fonction dcroissance rapide f est videmment une dis2 1 tribution dcroissance rapide. Cest le cas de e |x | , e x , cosh x et leurs produits par des polynmes. Toute distribution s (x ) support ni est dcroissance rapide, car |x | s (x ) est aussi support ni pour tout , donc borne linni(99) . En particulier toute 1 distribution impulsive, comme (x ) et ses drives. Par contre, v. p. x nest pas 1 (107) 2 . De mme P. f. x1n nest dcroissance rapide, car x v. p. x = x nest pas borne pas dcroissance rapide.
2

3.5. PRODUIT SCALAIRE

39

Remarque 119 [reprsentation de Schwartz]: Daprs la dnition des distributions O (|x | ), dire que s (x ) est dcroissance rapide revient dire que pour tout > 0, s (x ) peut scrire comme une combinaison linaire de drives de fonctions = O ( |x1| ) : s (x ) =
i

ci f i

(n i )

o f i (x ) = O ( |x1| ).

Dans cette reprsentation, on peut choisir les f i (x ) aussi rgulires quon veut. En effet |x | s (x ) est borne, cest dire combinaison linaire de drives de fonction bornes ; en considrant les primitives n imes de ces fonctions, on obtient, daprs la proposition 102, que |x | s (x ) est une combinaison linaire de drives de fonctions O (|x |n ) de classe D n . Daprs la preuve de la proposition 100, il en rsulte que s (x ) est combinaison linaire de drives de fonction O (|x |n ) de classe D n , pour aussi grand quon veut.

3.5 Produit scalaire


Comme pour le produit multiplicatif f s , on dnit ici le produit scalaire (s | f ) dune distribution s contre une fonction f C . Il y a deux faons de dnir le produit scalaire : soit directement comme une intgrale de la distribution f s , sous rserve quelle soit support ni ; soit sous une contrainte de comportement linni adquat de f et s . Pour le premier cas ( f s support ni) on se limite au cas o f ou s est support ni : Dnition 120 [produit scalaire support ni]: Le produit scalaire dune distribution s contre une fonction f C , telles que f ou s est support ni est lintgrale : (s | f ) = s (x ) f (x ) d x .

On note indiffremment (s | f ) ou ( f | s ), et sil est ncessaire de prciser la variable on notera s (x ) | f (x ) . Voir ci-dessous(127) pour des exemples de fonctions C support ni. Remarque 121: Une autre dnition courante du produit scalaire est : s | f = s (x ) f (x ) d x = (s | f )

o f est le complexe conjugu de f . Le premier produit scalaire (s | f ) (not ici avec des parenthses) est aussi appel produit intrieur (inner product en anglais) ou produit de dualit ; le deuxime s | f (not ici avec des crochets) gnralise la dnition du produit scalaire hermitien pour des fonctions valeurs complexes. On se limite ici aux proprits de (s | f ), celles de s | f sen dduisant immdiatement.

40

CHAPITRE 3. CROISSANCE ET DUALIT

Les proprits de lintgrale (linarit(77) , intgration par parties(79) , etc.) se traduisent immdiatement sur les produits scalaires : bilinarit : (s + t | f ) = (s | f ) + (t | f )et (s | f + g ) = (s | f ) + (s | g ). drivation : (s | f ) = (s | f ) et plus gnralement (par intgrations par parties successives) (s (n ) | f ) = (1)n (s | f (n ) ). 1 x b changement de variable ax + b : (s (ax + b ) | f (x )) = |a | (s (x ) | f ( a )). En particulier pour la translation s a (x ) = s (x a ), on a (s a | f ) = (s | f a ). produit par une fonction g C quelconque : (g s | f ) = (s | f g ). Exemple 122: Daprs lexemple 80, on a ( | f ) = f (0) et plus gnralement ((n ) | f ) = (1)n f (n ) (0). On peut aussi dnir un produit scalaire (s | f ) sans contrainte de support, pour lequel les proprits ci-dessus restent valables. Il faut, pour cela, un comportement linni adquat de s et f : Proposition 123 [produit scalaire tempr]: Il existe une et une seule faon de dnir le produit scalaire (s | f ) dune distribution tempre ( croissance lente) s contre une fonction C dcroissance rapide f de telle sorte que : [1] le produit scalaire (s | f ) est le produit scalaire usuel est une fonction tempre ; s (x ) f (x ) d x lorsque s

[2] on ait toujours la relation de drivation (s | f ) = (s | f ), do par rcurrence sur n, la relation (s (n ) | f ) = (1)n (s | f (n ) ). On pourra toujours crire (formellement) (s | f ) = intgrale ne soit pas toujours dnie. s (x ) f (x ) d x bien que cette

Preuve : Posons s = g (n ) o g est une fonction tempre. Pour que le produit scalaire soit dni il est ncessaire que lon ait la relation (s | f ) = (g (n ) | f ) = (1)n (g | f (n ) ) pour toute fonction C dcroissance rapide f , o (g | f (n ) ) est lintgrale usuelle g (x ) f (n ) (x ) d x (qui converge bien puisque f (n ) est dcroissance rapide). On doit donc dnir (s | f ) par cette relation (et on aura bien lidentit (s | f ) = (g (n +1) | f ) = (1)n +1 (g | f (n +1) ) = (g (n ) | f ) = (s | f )). Il reste montrer que cette dnition est cohrente, cest--dire indpendante du reprsentant g (n ) choisi tel que g soit tempre. Or dune part, g est dnie laddition prs dun polynme p n de degr < n ; mais par intgration par parties usuelle, on a (les termes tout intgrs tant nuls) : p n (x ) f (n ) (x ) d x = (n ) (n ) (1)n p n (x ) f (x ) d x = 0 car p n = 0. Dautre part, en choisissant n est mini(n ) mal pour que s = g soit tempre, pour tout autre reprsentant s = h (m ) o m n , h = g (n m ) est tempre et (1)m (h | f (m ) ) = (1)n (g | f (n ) ) par m n intgrations par parties usuelles. Ceci montre bien la cohrence de la dnition.

3.6. COMPLMENT: DUALIT DE SCHWARTZ

41

Il est immdiat de vrier que ce nouveau produit scalaire vrie bien les mmes proprits que lancien concernant la bilinarit et le changement de variable ax + b (cela se dduit des proprits correspondantes du produit scalaire usuel de fonctions). De plus, on a bien la relation (hs | f ) = (s | f h ) pour toute fonction C croissance lente h . En effet, avec les hypothses de la proposition ci-dessus, f h est C dcroissance rapide et par Leibniz, (hs | f ) = (hg (n ) | (i ) (n i ) (i ) (n i ) f ) = i (1)i n ) = (1)n i n | f = (1)n i n i (h g ) i (g | i (h g | f (i ) (n i ) n (n ) (n ) h f ) = (1) (g | (h f ) ) = (g | h f ) = (s | h f ). Remarque 124: En fait, ces deux dnitions du produit scalaire concident bien lorsquelles sappliquent toutes les deux. En effet, il y a alors deux possibilits. La premire est que s = g (n ) est tempre et f est C support ni ; dans ce cas on a bien f (x )s (x ) d x = (1)n f (n ) (x )g (x ) d x = (s | f ) selon les deux dnitions. La deuxime possibilit est que s est support ni et f est C dcroissance rapide ; daprs la reprsentation(73) s = g (n ) + , il suft pour conclure de traiter le cas o s = est impulsive ou mme (par linarit) lorsque s = (n ) ; or(122) (n ) (x ) f (x ) d x = (1)n f (n ) (0) = (1)n +1 0 f (n +1) (x ) d x = (1)n +1 ( H | f (n +1) ) = ((n ) | f ) selon les deux dnitions. Exemple 125: Calculons le produit scalaire
2

e x (fonction gaussienne). Par intgration par parties, ce produit scalaire vaut 2 2 t sgn x log |x |(2x )e x d x = 4 0 x log xe x d x = 0 log( )e t d t o on 2 t a fait le changement de variable t = x . Sachant que 0 log(t )e d t = (1) = o (x ) est la fonction Gamma et est la constante dEuler, on trouve immdiatement : 2 1 e x d x = log . P. f. |x | Remarque 126 [produit scalaire impossible]: On vient de dnir le produit scalaire (s | f ) lorsque s est une distribution croissance lente (s S ) et f est une fonction C dcroissance rapide ( f S ). On pourrait penser dnir aussi le produit scalaire (s | f ) lorsque s est une distribution dcroissance rapide (s O C ) et f est une fonction C croissance lente ( f O M ). Malheureusement, cest impossible, car daprs lexercice 142, la fonction e i x (ou e i x ) est la fois une fonction C croissance lente et une distribution dcroissance rapide, et 2 2 lintgrale e i x e i x d x = d x = + diverge.
2 2

1 tempre P. f. |x dcroissance rapide | = (sgn x log |x |) contre la fonction C

1 x P. f. |x d x de la distribution | e
2

3.6 Complment: dualit de Schwartz


Lespace des fonctions C support ni est souvent not D dans la littrature. Ces fonctions jouent un rle important dans la thorie de Schwartz des distributions. Pour simplier on choisit R comme corps de base, le cas de C se traitant de la mme faon. Exemple 127 [fonction de D ]: ] La fonction g (x ) = e 1/x pour x > 0 et nulle pour x 0 est C (ses drives sannulent toutes en 0). La fonction suivante est donc C support

42

CHAPITRE 3. CROISSANCE ET DUALIT

ni : f (x ) = g (1 + x )g (1 x ) = e 1x 2 pour |x | < 1, et nulle ailleurs. Par translation et dilatation/contraction on peut construire une fonction f D positive support inclus dans tout intervalle donn lavance. Pour un intervalle donn [a , b ] quelconque et > 0 sufsamment petit, on vrie b facilement que la fonction (x ) = a f (x t ) d t , o f (x ) D est positive support dans [, ], est une fonction de D nulle en dehors de [a , b + ] et constante = f (x ) d x dans [a + , b ]. Pour une distribution quelconque s D donne, lapplication qui f D associe le produit scalaire : (s | f ) = s (x ) f (x ) d x R

vrie la relation de linarit (s | f + g ) = (s | f ) + (s | g ). Cest donc une forme linaire, dite forme linaire associe s . Ecrivons s = g (n ) avec g D 0 ; puisque (s | f ) = (1)n (g | f (n ) ), on peut majorer : |(s | f )| = g (x ) f (n ) (x ) d x c max | f (n ) (x )|
x [a ,b ] b

o le support de f est contenu dans [a , b ] et o c = a |g (x )| d x . Il en rsulte que si une (n ) suite de fonctions f k D , toutes supports dans [a , b ], est telle que f k tend uniformment vers 0 pour tout n (on dit pour abrger que f k 0 dans D ), alors (s | f k ) tend vers 0. Par linarit, si f k f dans D (au sens o f k f 0 dans D ) alors (s | f k ) (s | f ). On exprime ceci en disant que la forme linaire f (s | f ) est continue sur D . Dans lapproche classique de Schwartz, la donne dune telle forme linaire continue dnit une distribution : Dnition 128 [distribution de Schwartz]: On appelle distribution (de Schwartz) une forme linaire continue sur D . Ces formes linaires continues sont des lments du dual topologique de D , not D . Ainsi, s D est une forme linaire continue : s : D R f s ( f ) o s ( f ) est aussi not (s | f ) (comme un produit scalaire). Clairement, D est un espace vectoriel, lespace des distributions de Schwartz. On va vrier que D est bien un espace de distributions au sens de la section 1.7, cest dire vrie les axiomes [A1][A3] noncs dans cette section. Proposition 129: Toute fonction g D 0 sidentie la distribution de Schwartz g D qui f D associe (g | f ) = g (x ) f (x ) d x. Par suite, D 0 est identi un sous-espace de D , et D vrie donc laxiome [A1]. Preuve : Comme tout produit scalaire (s | f ) dune distribution s contre des fonctions de D , (g | f ) dnit une forme linaire continue sur D , cest dire une distribution D . Il faut montrer que celle-ci dtermine g D 0 de faon unique. Par diffrence, il suft de montrer que si g (x ) f (x ) d x = 0 pour tout f D , alors g = 0 p.p. (dans D 0 ). Pour un intervalle [a , b ] donn, choisissons(127) f D nulle en dehors de [a , b +] et constante = 1 dans [a + , b ], de sorte que f converge uniformment vers la fonction indicatrice b 1[a ,b ] (x ) de lintervalle quand 0. Il vient g (x ) f (x ) d x a g (x ) d x = 0 pour tout intervalle [a , b ], et donc g = 0 p.p.

3.6. COMPLMENT: DUALIT DE SCHWARTZ

43

Dans la thorie de Schwartz, certaines proprits (vues ci-dessus) du produit scalaire (s | f ) servent de dnitions. Ainsi : Dnition 130 [drive au sens de Schwartz]: La drive s D de s D est dnie par la relation (s | f ) = (s | f ) pour tout f D . Ce s dnit bien une forme linaire continue sur D , donc une distribution D ; en effet, si f k 0 dans D , alors clairement f k 0 dans D , et (s | f k ) = (s | f k ) 0. Puisque pour g D 1 , on a (g | f ) = (g | f ) pour tout f D (formule usuelle dintgration par parties), la drive au sens des distributions (de D ) gnralise bien celle au sens des fonctions, et D vrie donc laxiome [A2]. Finalement, le rsultat suivant montre quil vrie aussi laxiome [A3] : Proposition 131: Toute distribution t D admet une primitive s D (telle que s = t ), unique une constante additive prs. Preuve : Si une telle primitive s existe, on doit avoir (s | F ) = (t | F ) pour tout F D . Or, on doit dnir (s | f ) pour tout f D , et une telle fonction f nadmet pas ncessaix rement de primitive F D ; ce nest le cas que si la primitive F (x ) = f (t ) d t sannule pour x assez grand, cest--dire si lintgrale I = f (x ) d x = (1 | f ) est nulle. Posons f 0 D dintgrale f 0 (x ) d x = 1 ; on a alors, dans le cas gnral, (s | f ) = (s | f 0 I ) + (s | f f 0 I ) = (c | f ) + (s | F ) = (c | f ) (t | F ), o c = (s | f 0 ) est une constante et o F est la primitive de f f 0 I dans D , qui par construction existe car f f 0 I est dintgrale nulle. Ceci montre bien que s nest dnie qu une constante additive prs c . Dnissons alors s D par la formule quon vient dtablir : (s | f ) = (c | f ) (t | F ). Pour f = F il vient I = 0, (c | f ) = c I = 0, donc (s | F ) = (t | F ) pour tout F D , do s = t . Proposition 132: Lespace des distributions D sidentie au sous-espace de D des distributions de Schwartz dordre ni (drives dordre ni de fonctions) Preuve : Daprs les rsultats de la section 1.7, il rsulte des axiomes [A1][A3] vris par D que lon peut identier toute distribution de s D une distribution de Schwartz, aussi note s D . Plus prcisment, s = f (n ) dans D n si et seulement si s = f (n ) dans D . Comme consquence de ce rsultat, la donne du produit scalaire (s | f ) pour tout f D dtermine compltement la distribution s D . Exemple 133 [impulsion de Dirac]: La forme linaire : : D R f f (0) est clairement continue sur D , et dnit donc une distribution D . Puisque f (0) = 0 f (t ) d t = ( H | f ), il vient = H , et D sidentie donc limpulsion de Dirac D 1 . On vrie de mme que la forme linaire continue f (1)n f (n ) (0) est la drive n ime de la distribution D , qui sidentie donc (n ) D n . Dans le cas de D , on obtient aussi dautres distributions, dites dordre inni, qui ne sont pas des drives dordre ni de fonctions.

44

CHAPITRE 3. CROISSANCE ET DUALIT

Exemple 134 [distribution dordre inni]: La forme linaire : s : D R f


k 0

(1)k f (k ) (k )

est clairement continue sur D (la somme est nie car f est support ni), et dnit donc une distribution dans D , que lon note s = k 0 (k ) (x k ). Cependant, une telle distribution ne peut tre la drive dordre ni dune fonction, car si ctait le cas, on aurait, daprs la majoration faite au dbut de cette section, un entier n tel que |(s | f )| c maxx [a ,b ] | f (n ) (x )| pour tout f D de support dans [a , b ]. En prenant un support [a , b ] localis autour de k = n + 1 avec f (n +1) (n + 1) qui crot sufsamment vite, on obtient une contradiction. Par exemple, on choisit (x ) D nulle pour |x | > 1 2 et constante = 1 pour
3 enn f (x ) = ((x n 1)) (o > 1) de support inclus dans [a , b ] = [n + 1 2 , n + 2 ], qui est telle que f (n +1) (n + 1) = n +1 . Lingalit sur |(s | f )| ci-dessus prend alors la forme n +1 c n maxx [a ,b ] |(n ) (x )| ce qui est absurde pour assez grand. Noter quici, on a affaire un recollement de morceaux(55) particulier : La restriction de s un intervalle I k =]k 1, k + 1[ est s k (x ) = (k ) (x k ) pour tout k 0, mais chaque s k est dordre k . La suite des ordres nest pas borne, ce qui explique pourquoi la distribution recolle s ne peut pas(56) dnir une distribution D n . 1 , puis (x ) = |x | < 4 x n +1 (n +1)! (x )

de sorte que (k ) (0) = 0 pour k

n et (n +1) (0) = 1, et

Il est possible de gnraliser les distributions (dordre ni) dnies dans ce document, par recollement dun nombre inni de morceaux compacts ; on obtient des distributions globales qui sidentient exactement aux distributions obtenues avec lapproche classique de Schwartz (voir [4] pour plus de dtails). Cependant, une distribution dordre inni est plutt un cas pathologique ; la plupart des espaces de distributions utiles dans les applications sont constitus de distributions dordre ni. Voici quelques exemples. Exemple 135 [distributions de Schwartz support ni]: Notons E = C . Pour une distribution s D support ni dans [a , b ], lapplication qui f E associe le produit scalaire (s | f ) = s (x ) f (x ) d x est une forme linaire sur E . Ce produit scalaire ne dpend pas des valeurs de f en dehors de lintervalle [a , b ], et la majoration faite ci-dessus dans le cas f D sapplique et donne : |(s | f )| c maxx I | f (n ) (x )| pour tout intervalle ouvert I contenant [a , b ]. Il en rsulte que si une suite de fonctions f k E est telle que (n ) fk tend uniformment vers 0 sur I pour tout n (on dit pour abrger que f k 0 dans E ), alors (s | f k ) tend vers 0. Ainsi, la forme linaire f (s | f ) est continue sur E . Une distribution de Schwartz support ni est dnie comme une forme linaire continue sur E = C . Leur ensemble est le dual topologique de E , not E D . On montre (dans la thorie de Schwartz) que tout s E est dordre ni ; il en rsulte que lespace des distributions de D support ni sidentie compltement E . Exemple 136 [distributions tempres de Schwartz]: Pour une distribution s D tempre, lapplication qui f S (espace de Schwartz des fonctions C dcroissance rapide) associe le produit scalaire (s | f ) = s (x ) f (x ) d x est une forme linaire sur S . Posons s = g (n ) o g (x ) = |x |m b (x ), la fonction b (x ) tant borne. On a alors la majoration : |(s | f )| = g (x ) f (n ) (x ) d x c sup ||x |m f (n ) (x )|
x R

3.6. COMPLMENT: DUALIT DE SCHWARTZ

45

(n ) (x ) tend uniformIl en rsulte que si une suite de fonctions f k S est telle que x m f k ment vers 0 sur R pour tout n et tout m 0 (on dit pour abrger que f k 0 dans S ), alors (s | f k ) tend vers 0. Ainsi, la forme linaire f (s | f ) est continue sur S . Une distribution de Schwartz tempre est dnie comme une forme linaire continue sur S . Leur ensemble est le dual topologique de S , not S D . On montre (dans la thorie de Schwartz) que tout s S est dordre ni ; il en rsulte que lespace des distributions tempres dans D sidentie compltement S .

On montre de mme que notre espace des distributions de D bornes (respectivement dcroissance rapide) sidentie compltement lespace B des distributions bornes (respectivement lespace O C des distributions dcroissance rapide) dni par Schwartz [1]. Observer que les trois cas o lon a dni le produit scalaire (s | f ) correspondent aux trois dualits classiques : D D , E E , et S S . En revanche, conformment la remarque 126, il ny a pas de dualit entre O M et O C . Les proprits des distributions sont souvent plus compliques tablir avec une approche par dualit. Dj au dpart, dnir une distribution suppose la donne dune forme linaire en f dont il faut vrier quelle est continue pour la bonne topologie. A ce propos citons Schwartz [2] : On peut dmontrer mathmatiquement (avec laxiome du choix) lexistence de fonctionnelles linaires discontinues sur D ; mais on ne peut pas en citer explicitement une seule, et il y a peu de chances quon en rencontre jamais dans la pratique. Ensuite, les proprits ci-dessus du produit scalaire (s | f ) servent de dnitions dans lapproche par dualit de Schwartz : (s | f ) = (s | f ) pour dnir la drive dune distribution ; (s + t | f ) = (s | f ) + (t | f ) pour la somme ; (g s | f ) = (s | g f ) pour le produit par g C ; (s a | f ) = (s | f a ) pour la translation, etc. De ce fait, la plupart des calculs sur les distributions de Schwartz ncessitent de revenir aux formes linaires, ce qui rend certains calculs pnibles. Voici un exemple. Exemple 137 [valeur principale de Cauchy]: Dterminons la forme linaire associe f (x ) f (0) 1 1 . Puisque f D il en est de mme de g (x ) = et on peut crire f (x ) v. p. x = v. p. x x 1 1 1 (1) g (x )x v. p. x + f (0) v. p. x = g (x ) + f (0) v. p. x . Une primitive est de la forme g (x ) + f (0) log |x |. Pour a assez grand on a donc :
1 (v. p. x | f )= a

f (x ) v. p.
a

1 dx = x

a g (x ) d x + f (0) log | | = a a f (x ) dx x

a a

f (x ) f (0) d x. x

On peut crire cette dernire intgrale comme la limite quand 0+ de :


<|x |<a

f (x ) f (0) dx = x

<|x |<a

1 o la simplication est due au fait que la fonction x est impaire et intgrable sur < |x | < a . Puisque f est support ni dans [a , a ] on a nalement : 1 (v. p. x | f ) = lim

0+

|x |>

f (x ) dx x

quon note aussi

f (x ) x

d x ou v. p.
f (x ) x

f (x ) x dx

et quon appelle valeur principale de Cau-

chy de lintgrale divergente d x. 1 Dans lapproche classique de Schwartz, on dnit v. p. x par cette relation, aprs avoir montr que cette forme linaire est continue. Puis on utilise le critre (s | f ) = (s | f ) pour montrer par force manipulation de valeurs principales dintgrales que cest la drive de log |x |. Tout cela prend des pages [2]. Dans ce document, cest cette 1 dernire proprit v. p. x = log |x | qui a servi de dnition.

46

CHAPITRE 3. CROISSANCE ET DUALIT

Exercices
Exercice 138: Dnir de faon analogue au cours la relation s (x ) = o (|x | ), et tablir les principales proprits. Exercice 139: Si une fonction est une distribution croissance lente, elle nest pas forcment une fonction croissance lente (exemple : e x cos e x de primitive borne) ; de mme, si une fonction est une distribution dcroissance rapide, elle nest pas forc2 2 ment une fonction dcroissance rapide (exemple : la drive de e x sin e x ).
d 2 k Exercice 140 [reprsentation de Schwartz]: En dveloppant s (x ) = d x n (1 + x ) f (x ) on obtient la reprsentation gnrale de toute distribution tempre ( croissance lente) comme une somme nie du type s (x ) = i , j c i , j x i f ( j ) (x ) o f est continue borne (ou arbitrairement rgulire avec un nombre arbitrairement grand de ses drives dcroissant arbitrairement vite en |x1 |m linni).
n

Exercice 141: Contrairement ce qui se passe pour la croissance lente, une distribution dcroissance rapide nest pas forcment la drive n ime dune distribution dcroissance rapide. Un exemple est (x ), dont aucune primitive nest dcroissance rapide. Exercice 142: La fonction e i x est une fonction borne, C tempre, qui ne tend pas 2 vers 0 linni. Et pourtant, e i x est une distribution dcroissance rapide. En effet 2 toute combinaison linaire de drives de e i x est une distribution borne, et scrit 2 d k i x2 sous la forme k c k d e = k c k Hk (x )e i x = O (1) o Hk (x ) est un polynme (dHerxk mite) de degr k . En choisissant, pour chaque n 0, les c k tels que k c k Hk (x ) = (1 + 2 2 x 2 )n , il en rsulte que (1 + x 2 )n e i x = O (1) pour tout n 0 et donc e i x = O ( |x1 | ) pour tout . Exercice 143: Si s est dcroissance rapide, son produit f s par une fonction C croissance lente nest pas toujours une distribution dcroissance rapide. Par exemple(142) 2 2 e i x e i x = 1 nest pas dcroissance rapide. Par contre, f s sera dcroissance rapide si f (x ) est une fonction C croissance limite : f (i ) (x ) = O (|x | ), pour tout i , o est constante.
(x ) Exercice 144 [partie nie de Hadamard]: La forme linaire associ P. f. Hx est, par un raisonnement analogue lexemple 137, (x ) (P. f. Hx | f ) = lim
2

0+

f (x ) d x + f (0) log x

De mme pour P. f. x12 : (P. f. x12 | f ) = lim f (0) f (x ) dx 2 . 2 x

0+

|x |>

Ce genre de dnition est connue sous le nom de partie nie de Hadamard (dune intgrale divergente en x = 0).

Chapitre 4

Transforme de Fourier
Pour ltude de la transforme de Fourier (en abrg TF), on considre des fonctions ou distributions dnies sur R. On notera de prfrence t R la variable des fonctions (paramtre de temps ), et R celle de leurs transformes de Fourier (paramtre de frquence ). La notation adopte pour la transforme de Fourier suit la convention habituelle en traitement du signal : S () = s (t )e 2i t d t

Cest aussi la notation utilise par Schwartz [1, 2].

4.1 Transforme de Fourier dune fonction intgrable


Le cadre L 1 (des fonctions intgrables sur R) est le cadre naturel pour dnir la TF dune fonction : Dnition 145 [TF dans L 1 ]: La transforme de Fourier de f (t ) L 1 est la fonction F () dnie par1 : F () = f (t )e 2i t d t .

Noter que lintgrale converge absolument. Comme consquence immdiate du thorme de convergence domine de Lebesgue, cette transforme de Fourier F () est une fonction continue ; elle est aussi borne (par la norme L 1 de f ) et elle tend mme vers 0 linni (proprit de Riemann-Lebesgue). La TF est videmment une opration linaire : la TF de f (t ) + g (t ) est F ()+G (). Le calcul explicite de lintgrale de Fourier (quand il est possible !) est plus ou moins ais selon les cas. Voici quelques exemples instructifs : Exemple 146 [TF dune porte]: Une fonction porte est la fonction indicatrice dun intervalle. Prenons lexemple dune porte de largeur T , centre autour de
1 Par convention, le signe intgral seul implique une intgration sur tout R.

47

48

CHAPITRE 4. TRANSFORME DE FOURIER

0, est normalise de sorte que son intgrale sur R vaille 1 : ( t ) =


1 T

pour |t | < ailleurs.

T 2

Le calcul direct de lintgrale de Fourier donne : () = 1 T


T /2 T /2

e 2i t d t =

e i T e i T sin T = 2i T T

quon appelle sinus cardinal, not sinc(T ) ; noter que ce rsultat nest pas intgrable ( L 1 ). Exemple 147 [TF dune exponentielle]: Une fonction exponentielle est du type ce at dni pour t > 0 ; ici a doit tre choisi ngatif pour que cette fonction soit L 1 . Prenons f (t ) = e t pour t > 0, et = 0 pour t < 0. Autrement dit f (t ) = H (t )e t , dintgrale f (t ) d t = 1. On trouve immdiatement : F () =
0

e (1+2i )t d t =

1 . 1 + 2i

Exemple 148 [TF dune gaussienne]: On appelle fonction gaussienne une fonc2 2 tion du type ce (at ) . Prenons g (t ) = e t dintgrale = 1. Alors : G () = e t e 2i t d t = e
2 2

e (t +i ) d t
2 2 2 2

Si i R tait imaginaire pur on trouverait G () = e e t d t = e . Mais les deux membres sont des fonctions analytiques entires de la variable complexe C, qui concident pour i R et donc par prolongement analytique sur tout C. En particulier pour R : G () = e .
2

La fonction e t est gale sa TF. Plus gnralement, par changement de variable dans lintgrale pour une gaussienne quelconque :
2

ce (at ) e 2i t d t =
2

c a e

La transforme de Fourier dune gaussienne est une gaussienne. Rappelons que la formule dinversion de Fourier permet de retrouver f (t ) partir de sa transforme de Fourier F () : Proposition 149 [Formule dinversion de Fourier (cas L 1 )]: Si f (t ) est une fonction intgrable, de transforme de Fourier F () intgrable, alors : f (t ) = F ()e 2i t d .

4.1. TRANSFORME DE FOURIER DUNE FONCTION INTGRABLE

49

Noter que dans ce cas, la fois f et F sont continues et bornes. Nous verrons que la transforme de Fourier est toujours inversible, mme dans des cas beaucoup plus gnraux. Lorsque f (t ) et F () se correspondent par transforme de Fourier, on notera : T.F. f (t ) F (). Exemple 150: On peut vrier directement la formule dinversion de Fourier pour une fonction gaussienne quelconque (qui est bien L 1 , continue et borne) : on a(148) ce (at ) e 2i t d t =
2

les notations, on trouve e 2i t d = ce (at ) . (On introduit dailleurs a e la gaussienne dans la dmonstration classique de la formule dinversion.)
2

c a e

. Par consquent, en modiant

Exemple 151 [TF dune cauchienne]: On appelle fonction de Cauchy, ou cauchienne (aussi appele fonction de Lorentz ou lorentzienne) une fonction de la c forme a + o a > 0. Le calcul direct de lintgrale de Fourier de cette fonction t2 est possible (mais pnible) par la mthode des rsidus ; le rsultat est une lapla|| cienne 1 . Mais le calcul de la TF inverse de la laplacienne est immdiat : 2e
1 || 2i t e 2e

d =

1 (2i t 1) 1 0 (2i t +1) d + d e e 2 2 0 1 1 1 1 = + = 2 1 + 2i t 1 2i t 1 + 4 2 t 2

Comme les cauchienne et laplacienne sont toutes deux intgrables, on peut appliquer la formule dinversion, ce qui fournit sans douleur le rsultat : e 2i t || dt = 1 . 2e 1 + 4 2 t 2 Puisque les distributions sont des drives de fonctions, lextension de la transforme de Fourier aux distributions sera possible grce ses proprits de drivation : Proposition 152 [drive de la TF]: Si f (t ) et t f (t ) sont L 1 , alors F () est continment drivable et : T.F. 2i t f (t ) F (). Cela revient dire quon peut driver par rapport sous lintgrale de Fourier : F () = 2i t f (t )e 2i t d t . La preuve repose sur le thorme de Fubini appliqu la primitive de la fonction dnie par cette dernire intgrale. Noter que lhypothse f (t ) et t f (t ) sont L 1 revient dire que |t | f (t ) est L 1 , o |t | = 1 + t 2 . Remarque 153 [la dcroissance implique la rgularit en TF]: Par une rcurrence immdiate, si |t |n f (t ) est L 1 alors t k f (t ) est intgrable pour k = 0 n ,

50

CHAPITRE 4. TRANSFORME DE FOURIER

est L 1 et donc F () est n fois continment drivable (de classe C n ), borne ainsi que ses n drives successives (elles tendent mme vers zro linni par la proprit de Riemann-Lebesgue). Les fonctions porte, laplacienne et gaussienne vrient cette condition pour tout n . On en dduit en particulier que le sinus cardinal, ainsi que la cauchienne, sont de classe C (et toutes leurs drives tendent vers zro linni). Proposition 154 [TF de la drive]: Si f et f sont toutes deux L 1 , alors : f (t ) 2i F (). Cela provient dune simple intgration par parties : 2i F () = f (t )e 2i t d t .
T.F.

donc F () est de classe C n et la drive k ime F (k ) () est la TF de (2i t )k f (t ) n pour k = 1 n . En particulier f (t ) = O ( |t |n1 +1+ ) linni (o > 0), alors | t | f ( t )

Remarque 155 [la rgularit implique la dcroissance en TF]: Par rcurrence, si f (de classe D n ) et ses n premires drives sont L 1 , alors la TF de f (n ) (t ) est (2i )n F (). Comme f (n ) est L 1 , sa TF est continue et borne, donc F () 1 dcrot en O ( | |n ) linni. Les fonctions gaussienne et sinus cardinal sont deux exemples qui satisfont cette condition pour tout n . Par contre, la laplacienne 1 nest pas de classe D 2 , alors que sa TF (cauchienne) dcrot en O ( | ) linni. |2 On vient de voir que la dcroissance (respectivement la rgularit) implique la rgularit (respectivement la dcroissance) en transforme de Fourier. Dans le cas o on a la fois rgularit et dcroissance pour un ordre inni, on obtient immdiatement : Proposition 156: la transforme de Fourier dune fonction C dcroissance rapide est aussi une fonction C dcroissance rapide : f (t ) S F () S . Lexemple-type est la fonction gaussienne e t , gale sa transforme de Fourier.
2

4.2 Transforme de Fourier dune fonction tempre


On va progressivement tendre la dnition de la transforme de Fourier des fonctions et distributions plus gnrales que les fonctions intgrables. Lextension des fonctions tempres (de la forme p (t )g (t ), o p (t ) est un polynme et g (t ) est intgrable) sera possible grce la proprit de drivation de la T.F. TF : 2i t f (t ) F (). La TF sera alors une drive dune fonction, cest--dire une distribution. Proposition 157 [TF dune fonction tempre]: Il existe une et une seule faon de dnir la transforme de Fourier (distribution) F () dune fonction tempre f (t ) de telle sorte que cette TF est une opration linaire qui concide avec la TF T.F. usuelle lorsque f (t ) L 1 , et vrie la proprit 2i t f (t ) F () pour toute fonction tempre f .

4.2. TRANSFORME DE FOURIER DUNE FONCTION TEMPRE

51

Par rcurrence, la TF de (2i t )n f (t ) sera F (n ) (). On pourra toujours crire (formellement) F () = f (t )e 2i t d t bien que lintgrale diverge en gnral. En fait, la TF dune fonction tempre f (t ) sera dnie par la formule :
d k ) F () = (1 d 2
2

f (t )e 2i t (1 + 42 t 2 )k

dt

o lentier k est tel que (1 + t 2 )k f (t ) soit L 1 ; ici lintgrale de Fourier est prise d au sens usuel (de Lebesgue), et la drivation d est au sens des distributions. Preuve : Pour que la proprit concernant F () soit vrie au sens des distri2 F butions il est ncessaire que F () = d () soit la TF de (2i )2 f (t ) = 42 f (t ), d 2
d et donc par linarit que (1 d )F () soit la TF de (1 + 42 t 2 ) f (t ). Par rcur2
2 2

d k rence, (1 d ) F () doit tre la TF de (1 + 42 t 2 )k f (t ). En appliquant ce rsultat 2

la fonction intgrable g (t ) =

f (t ) (1+42 t 2 )k

on obtient que la formule intgrale cif (t )

dessus donne ncessairement la TF de la fonction (1 + 42 t 2 )k (1+42 t 2 )k = f (t ), cest dire F (). On dnit donc F () au sens des distributions par cette formule. Pour que cette dnition soit cohrente il faut quelle soit indpendante du choix de k entier tel que (1 + 42 t 2 )k f (t ) soit intgrable. Or si k 0 dsigne le plus petit entier vriant cette condition, pour k k 0 , la fonction g k (t ) = (1 + 42 t 2 )k f (t ) est telle que (1 + 42 t 2 )k k0 g k (t ) est intgrable. Sa TF G k () est donc de classe d 2 k k 0 ) C k k0 et (1 d G k () = G k0 () (drive au sens des fonctions) est la TF de 2
2 2

d k d k0 ) G k0 () = (1 d ) G k (), ce qui montre g k0 (t ). On a donc bien F () = (1 d 2 2 la cohrence de la dnition. Avec cette dnition, on vrie facilement que la TF reste linaire (lopd2 k rateur (1 d ) est linaire), et concide avec la dnition usuelle pour des 2 fonctions intgrables (faire k = 0). Il reste vrier que F () est toujours la TF k de 2i f (t ). Cela est vrai pour g k (t ) pour k assez grand de sorte que dG d ()

est la TF de 2i t g k (t ). En appliquant loprateur (1


d 2 k dG k d d2 k que (1 d ) d () = d (1 d 2 ) G k () 2 2i t (1 + 42 t 2 )k g k (t ) = 2i t f (t ).

dF d ()

d2 k ) d 2

on obtient bien

est (par dnition) la TF de

Exemple 158 [TF dune fonction constante]: Par la dnition ci-dessus, la TF de la fonction constante = 1 est :
d ) (1 d 2
2

e 2i t d 2 1 || d t = (1 d ) e 2 2 1 + 4 2 t 2

o on a reconnu la TF dune cauchienne(151) . On doit calculer la drive seconde au sens des distributions ; pour cela on applique la formule des sauts(66) . La fonc1 || tion 2 e est gale sa drive seconde pour = 0 ; en = 0 elle admet un saut || damplitude 0 et sa drive = 1 admet un saut damplitude = 1. 2 sgn()e

52
2

CHAPITRE 4. TRANSFORME DE FOURIER

d || || ) 1 e || = 1 1 + () = (). Ainsi la transforOn obtient donc (1 d 2e 2e 2 2 me de Fourier de la fonction 1 est limpulsion de Dirac (), ce quon peut crire formellement :

e 2i t d t = (). Exemple 159 [TF dun polynme]: Puisque la TF de 1 est (), celle de (2i t )n est la drive n ime (n ) (). Ainsi : t n e 2i t d t = ( 2i )n (n ) () De mme, la TF dun polynme (combinaison linaire de t n ) est une combinaison linaire de (n ) (). Autrement dit : La transforme de Fourier dun polynme est une distribution impulsive (de mme degr). Pour tendre la dnition de la TF aux distributions, on a besoin de la seT.F. conde proprit de drivation f (t ) 2i F (). Proposition 160 [TF de la drive (cas tempr)]: Si f et f sont toutes deux T.F. tempres, alors f (t ) 2i F (). Preuve : Choisissons n > 1 assez grand pour que g (t ) = (1 + t 2 )n f (t ) et (1 + t 2 )n f (t ) soient tous deux L 1 . Puisqualors g (t ) L 1 , la proprit prouver est vraie(154) pour g (t ). Or, si la proprit est vraie pour une fonction g (t ) tempre de drive tempre, alors elle est vraie pour h (t ) = 2i t g (t ) (elle-mme tempre et de drive tempre). En effet, h (t ) = 2i g (t ) 2i t g (t ) a pour d TF : 2i G () + d (2i G ()) = 2i H (). Par rcurrence, la proprit est donc n vraie pour t g (t ) pour tout n , et donc par linarit pour f (t ) = (1 + t 2 )n g (t ).

4.3 Transforme de Fourier dune distribution tempre


Pour tendre encore la notation de transforme de Fourier aux distributions, T.F. on utilise la proprit de drivation f (t ) 2i F () qui permet de dnir la TF pour toute drive (dordre quelconque) dune fonction tempre, cest--dire pour toute distribution tempre. Proposition 161 [TF dune distribution tempre]: Il existe une et une seule faon de dnir la transforme de Fourier S () dune distribution tempre s (t ) de telle sorte quelle concide avec la TF dj dnie lorsque s (t ) est une fonction temT.F. pre et vrie la proprit s (t ) 2i S () pour toute distribution tempre s. Par rcurrence, la TF de s (n ) (t ) sera (2i )n S (). On crira (formellement) S () = s (t )e 2i t d t . Preuve : Posons s = f (n ) o f est une fonction tempre. Pour que la proprit de drivation soit satisfaite, il est ncessaire que S () = (2i )n F () o F () est

4.4. TRANSFORME DE FOURIER INVERSE

53

la TF de f au sens des fonctions tempres. On dnit donc S () par cette formule. Pour que cette dnition soit cohrente, il faut quelle soit indpendante du choix du reprsentant f (n ) choisi o f est une fonction tempre. Or si s = f (n ) = g (m ) o g est une fonction tempre de transforme de Fourier G (), avec disons m > n , alors f = g (m n ) + p n o p n est un polynme de degr < n dont la TF est une distribution impulsive(159) n () de degr < n . Comme g (m n ) = f p n est une fonction tempre, sa TF est(160) (2i )m n G (), et on a donc F () = (2i )m n G () + n () do (2i )n F () = (2i )m G () + (2i )n n (). Le produit (2i )n n () disparat(67) , et il ne reste que (2i )n F () = (2i )m G (), ce qui montre la cohrence de la dnition. La nouvelle TF concide bien avec celle dj dnie lorsque s (t ) est une fonction tempre (faire n = 0), et la distribution 2i S () = (2i )n +1 F () est bien la TF de ( f )(n ) = s . La proposition suivante rsume les proprits essentielles de la transforme de Fourier au sens des distributions. Proposition 162: La transformation de Fourier est une opration linaire dans lespace des distributions tempres (s (t ) S = S () S ) qui vrie toujours les proprits suivantes : 2i t s (t ) S () s (t ) 2i S () Preuve : La TF dune distribution tempre provient, daprs les dnitions, dune fonction continue borne (TF dune fonction intgrable) par des oprations de drivation et de multiplication par un polynme, cest donc une distribution tempre. La TF est bien linaire, car si r = f (n ) et s = g (n ) avec le mme indice n sufsamment grand pour que f et g soient toutes deux tempres, alors la TF de r + s = ( f + g )(n ) est (2i )n (F () + G ()) = R () + S (). La T.F. proprit 2i t s (t ) S () est vraie pour les fonctions tempres ; dans le cas gnral s = f (n ) o f est une fonction tempre, S () = 2i n (2i )n 1 F () + (2i )n F () est bien la TF de 2i n f (n 1) (t ) + (2i t f (t ))(n ) = 2i t f (n ) (t ) = 2i t s (t ), o on a utilis la formule de Leibniz. Enn, la deuxime proprit T.F. s (t ) 2i S () a t prouve la proposition prcdente.
T.F. T.F.

4.4 Transforme de Fourier inverse


La formule dinversion de Fourier(149) pour une fonction f (t ) L 1 de transforme de Fourier F () L 1 scrit : f (t ) = F ()e 2i t d . La seule diffrence avec la TF directe est le signe dans lexponentielle imaginaire. Cela suggre de dnir la transforme de Fourier conjugue dune distribution tempre quelconque S () comme la retourne (en t ) de sa transforme de Fourier, qui est

54

CHAPITRE 4. TRANSFORME DE FOURIER

encore une distribution tempre s (t ) ; soit formellement s (t ) = S ()e 2i t d . On notera alors : s (t ) S () La formule dinversion de Fourier pour les distributions tempres afrme que si s (t ) S (), alors s (t ) S () (on notera alors simplement s (t ) S ()). Proposition 163 [Formule gnrale dinversion de Fourier]: Pour toute distribution tempre s (t ) de transforme de Fourier S (), s (t ) est la transforme de Fourier conjugue de S (). Formellement : s (t ) = S ()e 2i t d .
T.F. T.F. T.F. T.F.

Preuve : Daprs la remarque 113, toute distribution tempre s (t ) sobtient, par oprations rptes de drivation et de mulitplication par t , partir dune fonction f (t ) arbitrairement rgulire avec un nombre arbitrairement grand de ses drives dcroissant arbitrairement vite en |t1 |m linni). Or, daprs les remarques 153 et 155, sa transforme de Fourier F () vriera les mmes proprits (aussi rgulire et dcroissante linni quon veut). En particulier, f (t ) et F () sont L 1 , et la proprit dmontrer est donc(149) vraie pour f . Pour conclure, il suft(114) de montrer que si la proposition est vraie pour T.F. s (t ) alors elle est vraie pour s (t ) et pour t s (t ). Or si s (t ) S (), alors : 2i t s (t ) S ()
T.F.

s (t ) 2i S (),

T.F.

et comme la TF conjugue a les mmes proprits que la TF au signe de i prs : si s (t ) S (), alors : s (t ) 2i S ()
T.F. T.F.

2i t s (t ) S ().

T.F.

Ainsi, la TF conjugue vrie prcisment les proprits inverses de la TF directe concernant la drivation et la multiplication par t . La formule gnrale dinversion de Fourier est donc dmontre. Cette proposition est fondamentale : elle signie que la transforme de Fourier est un automorphisme de lespace des distributions tempres (application linaire inversible de cet espace dans lui-mme). En particulier, la TF est injective, cest dire que S () est caractristique de s (t ) : la seule distribution de TF nulle est la fonction nulle, et plus gnralement, deux fonctions ou distributions diffrentes ne peuvent avoir la mme TF. On pourra ainsi trouver la TF de nombreuses fonctions et distributions en les exprimant comme transformes de Fourier inverses (suivant la mme mthode que dans lexemple 151), ou en reT.F. T.F. marquant (ce qui revient au fond au mme) que si s (t ) S () alors S (t ) s ().

4.4. TRANSFORME DE FOURIER INVERSE

55

Remarque 164: Pour expliquer cette formule dinversion de Fourier, on peut faire le calcul suivant : S ()e 2i t d = = = s ()e 2i (t ) d d s ( ) par dnition de S ()

e 2i (t ) d d par permutation des intgrales car la TF de 1 est car s t = s (t )t car lintgrale de vaut 1.

s ()( t )d ( t )d

= s (t ) = s (t ).

Evidemment, presque toutes les tapes de ce calcul sont fausses (tout au moins, il est difcile de les rendre vraies en dveloppant un formalisme adquat). Exemple 165 [TF dune impulsion]: On a dj montr(158) que () est la TF de la constante 1 : T.F. 1 () On en dduit que : ( t ) 1 sans quil soit ncessaire de calculer directement la TF de (t ) (exercice 184). On en dduit les correspondances :
i n (n ) tn ( 2 ) ()
T.F. T.F.

n (n ) (t ) (2i )

T.F.

et par linarit : la TF (directe ou inverse) dun polynme est une distribution impulsive de mme degr. Exemple 166 [TF dun sinus cardinal]: On sait(146) que la transforme de Fourier dune porte de largeur T est un sinus cardinal. On en dduit la transforme de Fourier du sinus cardinal :
t sinc T ()
T.F.

o () est une porte en frquence de largeur 1/T : () = T pour || < nulle ailleurs. (Voir lexercice 186 pour un calcul direct).

1 2T

et

Exemple 167 [TF impossible dune distribution non tempre]: Dans ce document, la TF dune distribution tempre a t dnie en se ramenant au cas dune fonction intgrable, grce aux proprits de drivation et de multiplication par un polynme. Cette mthode ne permet donc pas de dnir la TF dune distribution non tempre comme e t . En fait, on peut vrier quil est impossible de dnir la TF de e t comme une distribution avec les proprits raisonnables quon attend dune TF : car si

56

CHAPITRE 4. TRANSFORME DE FOURIER

cette transforme de Fourier E () tait dnie, et vriait la proprit de TF de la drive, on aurait la relation E () = 2i E () puisque e t est gale sa drive. 1 En prenant la diffrence et en multipliant par 12 i C (R) il viendrait E () = 0, do (la TF tant toujours caractristique de la fonction) : e t = 0 pour tout t R! Dornavant, si on ne prcise rien, la TF sera entendue au sens des distributions tempres. On ne cherchera pas gnraliser davantage (il faudrait pour cela gnraliser dabord la notion de distribution).

4.5 Complment: fonction caractristique


Etant donne une mesure de probabilit p = d f associe une variable alatoire X (de fonction de rpartition f (x )), on dnit en thorie de lintgration lintgrale (de Lebesgue-Stieltjes) dune fonction (mesurable) par rapport cette mesure, note E ( X ) = (x )d f (x ) (esprance). Cette intgrale est nie lorsque est p -intgrable2 (cest toujours le cas si est continue et borne). En particulier, la probabilit dun ensemble (borlien) A est p ( A ) = A d f (x ), lintgrale de la fonction caractristique de A . Si X est une v. a. absolument continue, p sidentie une densit Lebesgue-intgrable p (x ), dont la transforme de Fourier est lintgrale e 2i x p (x ) d x = e 2i x d f (x ) = E(e 2i X ). Plus gnralement, pour tout v. a. X , la mesure p est une distribution tempre, car sa primitive f est borne linni. Nous allons montrer que sa transforme de Fourier sidentie la fonction P X () = E(e 2i X ), que lon appelle fonction caractristique de X . Ainsi, la fonction caractristique (si utile en thorie des probabilits) nest autre quune transforme de Fourier au sens des distributions. Proposition 168 [TF dune mesure de probabilit]: La transforme de Fourier dune mesure de probabilit p est donne par la formule P () = E(e 2i X ). Preuve : Notons f la fonction de rpartition (primitive) de p = d f . Par dnition, on a d2 P () = 2i F () = 2i (1 d )G (), o G () est lintgrale de Fourier (au sens usuel) 2 de g (x ) =
d2 ) d 2

2i x f (x ) d2 L 1 . Or E(e 2i X ) = e 2i x d f (x ) = (1 d ) 1e+42 x 2 d f (x ) = (1 1+42 x 2 2 d e 2i x d x 1+42 x 2 f (x ) d x o on a utilis lquivalent de la proposition 152 pour les

fonctions p -intgrables, suivi dune intgration par parties. Aprs drivation sous lintd2 d2 grale, il vient E(e 2i X ) = (1 d )2i G () + 4i G () = 2i (1 d )G () = P (). 2 2 Il en rsulte que P () est une fonction continue et borne : |P ()| P (0) = E(1) = 1. La formule dinversion de Fourier pour les distributions tempres montre que la fonction caractristique est effectivement caractristique de la distribution de probabilit dnissant la variable alatoire X (thorme de Lvy ). Exemple 169: Naturellement, pour une variable alatoire absolument continue, on se ramne au cas dune TF dune densit intgrable L 1 . Par exemple, si X est une variable alatoire gaussienne centre de variance 2 , sa fonction caractristique est la TF de p (x ) =
1 e 22 2
x2

, cest dire(148) P () = e 2

2 2 2

; si X est une variable alatoire de


(x )d p (x ),

2 Dans les manuels, lintgrale de par rapport p est souvent note d p ou mais cette notation est source de confusion : la mesure est p = d f et non d p .

4.6. TRANSLATION, MODULATION, DILATATION, SYMTRIES


Cauchy de distribution de probabilit p (x ) = P () = e 2a || .

57

1 a (151) x 2 +a 2 , sa fonction caractristique est

Exemple 170 [TF de la mesure de Dirac]: La TF de la mesure de Dirac = d H est lintgrale e 2i x d H (x ) = e 2i 0 = 1. On retrouve ainsi que la transforme de Fourier de (t ) est la fonction constante = 1. Une autre faon de faire le mme calcul est de considrer la variable alatoire X = 0 presque srement de distribution de probabilit (x ) ; sa fonction caractristique est E(e 2i X ) = E(e 2i 0 ) = E(1) = 1. Noter que cet exemple montre que la fonction caractristique ne tend pas toujours vers 0 linni, contrairement au cas dune variable alatoire absolument continue (pour laquelle la TF vrie la proprit de Riemann-Lebesgue).

4.6 Translation, modulation, dilatation, symtries


Les proprits suivantes de la TF sont dun usage frquent : Proposition 171 [translation, modulation et dilatation]: Si s (t ) S (), alors :
2i t 0 s (t t 0 ) S () e
T.F. T.F.

e 2i 0 t s (t ) S ( 0 )
T.F.

s ( t )

T.F.

1 || S ( ).
T.F.

Preuve : Il suft de prouver la correspondance gnrale s t0 ,0 , S 0 ,t0 ,1/ o on a pos s t0 ,0 , (t ) = e 2i 0 (t t0 /2) ||s ((t t 0 )). Cest immdiat (par changement de variable dans lintgrale) lorsque s (t ) est une fonction intgrable. Pour conclure, il suft(114) de montrer que si cest vrai pour s (t ) alors cest vrai aussi pour s (t ) et pour t s (t ). 1 d Or si on remplace s par s , alors (s )t0 ,0 , (t ) = d t s t 0 ,0 , (t ) 2i 0 s t 0 ,0 , (t ) 0 a pour TF 2i S 0 ,t0 ,1/ , ce qui revient bien changer S () en 2i S (). Par consquent la proprit est vraie pour s (t ) ds quelle lest pour s (t ). Puisque la TF conjugue a les mmes proprits que la TF condition de changer (t , ) en (, t ), on obtient, en remplaant (t 0 , 0 , ) par (0 , t 0 , 1/) que la proprit prouver est vraie pour S () ds quelle lest pour S (), sans quil soit ncessaire de refaire le calcul. Mais cela revient dire quelle est vraie pour 2i t s (t ) ds quelle est vraie pour s (t ). Les vrications sont donc acheves. La proposition 171 sinterprte de la manire suivante. Dune part, translater en temps (respectivement en frquence) quivaut moduler cest dire multiplier par une exponentielle imaginaire oscillante en frquence (respectivement en temps). Dautre part, selon que || est suprieur ou infrieur 1, contracter (respectivement dilater) en temps quivaut dilater (respectivement contracter) en frquence. Cela inclut galement le cas o < 0 ; pour = 1, on obtient : T.F. s ( t ) S ()

58

CHAPITRE 4. TRANSFORME DE FOURIER

cest--dire que retourner en temps quivaut retourner en frquence. En particulier, la distribution s (t ) est paire(50) (respectivement impaire) si et seulement si sa TF lest. Exemple 172 [ondes pures et raies spectrales]: On a
2i t 0 t 0 (t ) e
T.F.

e 2i 0 t 0 ()
T.F.

Une impulsion de Dirac en frquence est appele raie spectrale en traitement du signal. Cest la transforme de Fourier dune onde pure e 2i 0 t oscillant la frquence 0 .
1 1 Exemple 173 [TF de H (t ) et de v. p. 1 t ]: Ecrions H (t ) = 2 + 2 sgn t o sgn t est la fonction signe . Puisque s (t ) = sgn(t ) est la seule fonction impaire de drive = 2(t ), sa transforme de Fourier est la seule distribution impaire de lquation 1 2i S () = 2, cest dire(69) S () = v. p. i . On obtient donc : 1 sgn(t ) v. p. i
T.F.

1 1 H (t ) 2 () + v. p. 2i

T.F.

Par transforme de Fourier inverse de S () on en dduit : v. p. 1 i sgn t En gnral, la transforme de Fourier S () est valeurs complexes, mme si s (t ) est une distribution (tempre) valeurs relles. Si lespace des distributions est dni comme un espace sur C, on note s = f (n ) la distribution conjugue de s = f (n ) , o f est la conjugue de f . On a videmment toutes les bonnes proprits : (r + s ) = r + s , ( f s ) = f s , etc. Proposition 174 [TF de la conjugue]: Si s (t ) S () alors :
s (t ) S ()
T.F. T.F. T.F.

s (t ) S ()

T.F.

La distribution s (t ) sappelle parfois la paraconjugue de s (t ). Ainsi, la TF change conjugue et paraconjugue. Preuve : Par retournement il suft de prouver la premire formule. Cest im mdiat si s (t ) est une fonction intgrable : s (t )e 2i t d t = s (t )e 2i t d t = S (). Il suft, pour conclure(114) , de montrer que si cest vrai pour s (t ) alors cest aussi vrai pour s (t ) (et donc pour 2i t s (t ) en raisonnant en transforme de Fourier conjugue). Or si on remplace s (t ) par s (t ), alors (s ) (t ) = (s ) (t ) a pour transforme de Fourier 2i S () = (2i S ()) , ce qui revient bien remplacer S () par 2i S (). Les vrications sont donc acheves. En particulier, la distribution s est relle (s (t ) = s (t )) si et seulement si sa transforme de Fourier est symtrie hermitienne (S () = S ()). De mme, s est imaginaire (s (t ) = s (t )) si et seulement si sa transforme de Fourier est antisymtrie hermitienne (S () = S ()). En combinant avec les proprits de parti on trouve les correspondances suivantes :

4.7. TRANSFORME DE FOURIER ET DCROISSANCE RAPIDE s (t ) paire relle paire imaginaire impaire relle impaire imaginaire S () paire relle paire imaginaire impaire imaginaire impaire relle

59

4.7 Transforme de Fourier dune distribution dcroissance rapide


On a vu, dans le cas des fonctions, que la dcroissance (respectivement la rgularit) implique la rgularit (respectivement la dcroissance) en transforme de Fourier. En particulier(156) , la transforme de Fourier dune fonction C dcroissance rapide est aussi une fonction C dcroissance rapide. La caractrisation suivante gnralise ce rsultat : les distributions dcroissance rapide (espace OC ) et les fonctions C croissance lente (espace O M ) se correspondent en transforme de Fourier : Proposition 175 [TF dune distribution dcroissance rapide]: Une distribution tempre s (t ) est dcroissance rapide si et seulement si sa transforme de Fourier S () est une fonction C croissance lente. Il revient au mme de dire (considrer la TF conjugue) quune distribution dcroissance rapide est la TF dune fonction C croissance lente. Preuve : Si la distribution s (t ) est dcroissance rapide, daprs la reprsen(j) tation de Schwartz(119) , on peut crire s = i , j f i , somme nie de drives de fonctions f i intgrables. Sa TF est S () = i , j (2i ) j F i (), o les F i () sont continues et bornes, et donc S () est une fonction continue croissance lente. Puisque (2i t )n s (t ) est aussi dcroissance rapide pour tout n , S (n ) () est aussi une fonction continue croissance lente pour tout n , et S () est donc C croissance lente. Rciproquement, si S () est une fonction C croissance lente, on peut crire S () = (1 42 2 )k F () o k est choisi assez grand pour que F () soit ind2 k tgrable. Sa TF inverse s (t ) = (1 d ) f (t ) est une somme de drives de f , qui t2 est borne. La distribution s (t ) est donc borne. Puisque S (n ) () est aussi C croissance lente pour tout n , (2i t )n s (t ) est une distribution borne pour tout n 0, et donc s (t ) est dcroissance rapide. Exemple 176: Une fonction f dcroissance rapide admet une transforme de Fourier F () qui est C tempre ; en fait, daprs la remarque 153, F () est indniment drivable, borne ainsi que toutes ses drives. Par exemple, la TF de e |t | est une cauchienne qui vrie cette condition. On retrouve(118) que les fonctions ou distributions v. p. 1 t , H (t ), et tout polynme ne sont pas des distributions dcroissance rapide, car leurs transformes de Fourier ne sont pas des fonctions.

60

CHAPITRE 4. TRANSFORME DE FOURIER

4.8 Transforme de Fourier dune distribution support ni


Pour une distribution s (t ) support ni, lcriture s (t )e 2i t d t peut signier deux choses : 1o cest lcriture formelle de la transforme de Fourier S () ; 2o cest aussi lintgrale (au sens des distributions(75) ) de s (t )e 2i t , qui est une distribution support ni ou, si lon prfre, cest le produit scalaire s (t ) | e 2i t . Ces deux interprtations signient bien la mme chose : Proposition 177 [intgrale de Fourier dune distribution support ni]: Si s (t ) est une distribution support ni, alors sa transforme de Fourier S () C est donne par lintgrale au sens des distributions : S () = s (t )e 2i t d t = s (t ) | e 2i t .

Preuve : Lidentication est videmment vraie lorsque s est une fonction support ni, et aussi lorsque s = , car(80) (t )e 2i t d t = 1 est bien la TF(165) de (t ). Pour conclure, il suft(74) de montrer que lidentication est vraie pour s si elle est vraie pour s . Or, par intgration par parties(79) : s (t )e 2i t d t = (2i ) s (t )e 2i t d t = (2i )S (), qui est bien la TF de s (t ). Exemple 178 [TF et intgrale]: Une consquence immdiate de ce rsultat est que lintgrale de s (t ) (distribution support ni) est toujours gale la valeur en = 0 de sa transforme de Fourier : s (t ) d t = S (0). On retrouve ainsi que (t ) d t = 1 et (n ) (t ) d t = 0 pour n > 0. Remarque 179: Une distribution support ni tant dcroissance rapide(118) , sa transforme de Fourier S () est C tempre (voir lexercice 190 pour une preuve directe). On peut mme tablir une caractrisation : une distribution s (t ) est support ni dans [a , a ] si et seulement si sa TF S () se prolonge pour C en une fonction analytique entire de type exponentiel 2a (thorme de Paley-Wiener-Schwartz). On peut, plus gnralement, dnir une transforme de Fourier pour des valeurs complexes de , appele transforme de Fourier-Laplace ; pour une distribution causale (de support inclus dans [0, +[), S () est analytique dans le demi-plan complexe Im < 0. Il est dusage de poser p = 2i en considrant la transforme de Laplace comme une fonction de p analytique pour Re p > 0. Nous ne dtaillons pas davantage la thorie de la transformation de Laplace ici.

4.9 Complment: transforme de Fourier dans L 2


Une fonction (mesurable) f (t ) est dite de carr intgrable si R | f (t )|2 d t est nie. Lespace de ces fonctions est not L 2 (R) ou simplement L 2 , cest un espace vectoriel

4.10. FORMULE DE PARSEVAL


norm complet pour la norme f =

61
| f (t )|2 d t (quantit d nergie ), et mme

un espace hilbertien pour le produit scalaire f | g = f (t )g (t ) d t , avec lingalit de Schwarz3 | f | g | f 2 g 2. Une fonction f L 2 est localement intgrable, car pour tout intervalle ni [a , b ], b b a f 2 . De plus, cette fonction est tempar lingalit de Schwarz : a | f (t )| d t pre, car en posant |t | = f
2 dt | t |2

1 + t 2 , toujours grce lingalit de Schwarz :


f (t ) |t |

| f (t )| |t |

dt

< de sorte que

L1.

La transforme de Fourier dune fonction f L 2 est dnie classiquement comme k la limite dans L 2 des intgrales tronques : F k () = k f (t )e 2i t d t quand k . 2 Cette limite est une fonction F () L telle que F k F 2 0. Nous allons montrer que la TF dans L 2 est bien un cas particulier de la TF au sens des distributions tempres. On a dabord le rsultat suivant, analogue la proposition 152 mais dans le cadre L 2 : Proposition 180 [drive de la TF dans L 2 ]: Si f (t ) et t f (t ) sont L 2 , alors la transforme de Fourier F () (dans L 2 ) de f (t ) est de classe D 1 et la transforme de Fourier (dans L 2 ) de 2i t f (t ) est la drive F (). Preuve : Dire que f (t ) et t f (t ) sont L 2 revient dire que |t | f (t ) est L 2 , et donc f (t ) L 1 et F () C 0 . Posons g (t ) = 2i t f (t ) ; sa transforme de Fourier (dans L 2 ) G () est la k limite (dans L 2 ) de G k () = k g (t )e 2i t d t . Une primitive de G k () est a G k () d . Dune part, quand k , cette primitive converge (simplement) vers a G () d pour tout car par lingalit de Schwarz, la diffrence est borne par | a | G G k 2 0. k Dautre part, par Fubini, a G k () d = k f (t ) a (2i t )e 2i t d d t = F k () F k (a ) qui tend vers F () F (a ) car la diffrence F () F k () est borne par |t |>k | f (t )| d t 0 (convergence domine). Finalement a G () d = F () F (a ), ce qui montre bien que 1 F () D et que G () = F (). Proposition 181: La transforme de Fourier de f L 2 (au sens des distributions tempres) concide avec sa transforme de Fourier au sens L 2 . En particulier, une distribution tempre est une fonction L 2 si et seulement si sa transforme de Fourier est L 2 . Preuve : Si f L 2 , alors g (x ) =
d2 f (t ) 1+42 t 2

L 1 , et la TF F () au sens des distributions est

dnie par F () = (1 d 2 )G (), o G () est lintgrale de Fourier (au sens usuel) de g (t ). Mais en appliquant la proposition prcdente g (t ) puis t g (t ), la TF dans L 2 de d2 (1 + 42 t 2 )g (t ) = f (t ) est (1 d )G () = F (). 2

4.10 Formule de Parseval


Si f (t ) est intgrable de transforme de Fourier F () et si g (t ) est de transforme de Fourier G () intgrable, alors on a la formule de Parseval : f (t )g (t ) d t = F ()G ()d .

3 Karl Hermann Amandus Schwarz, mathmaticien allemand de la n du 19e sicle, ne pas confondre avec Laurent Schwartz.

62

CHAPITRE 4. TRANSFORME DE FOURIER

o les deux intgrales (au sens usuel de Lebesgue) sont nies. Il suft en effet dappliquer Fubini lintgrale double f (t )G ()e 2i t d t d . En particulier, si f = g est intgrable de transforme de Fourier intgrable, on a la formule de Plancherel : | f (t )|2 d t = |F ()|2 d qui montre que la fois f (t ) et sa TF sont non seulement L 1 , mais aussi L 2 . Plus gnralement, on sait les formules de Parseval-Plancherel sont valables pour des fonctions L 2 ; la transforme de Fourier est une isomtrie : f 2 = F 2 , ce quon interprte en disant que la transforme de Fourier conserve lnergie : lnergie en temps | f (t )|2 d t est gal lnergie en frquence |F ()|2 d . De plus, la formule de Parseval peut scrire : f | g = F | G o | dsigne le produit scalaire hermitien dans L 2 . Autrement dit, la transforme de Fourier conserve le produit scalaire. On peut facilement tablir la formule de Parseval pour un produit scalaire au sens des distributions : Proposition 182 [formule de Parseval]: Si s (t ) est une distribution tempre de transforme de Fourier S () (galement tempre), alors pour toute fonction C dcroissance rapide f (t ) de transforme de Fourier F () (galement C dcroissance rapide), on a : s (t ) f (t ) d t = S ()F ()d .

Rappelons(121) quici s | f = (s | f ), qui est le produit scalaire tempr dni la proposition 123. Preuve : La formule se rduit la formule de Parseval classique lorsque s (t ) est une fonction intgrable. Pour conclure, il suft(114) de montrer que si la formule est vraie pour s (t ), elle lest pour t s (t ) et pour s (t ). Il suft en fait de vrier la formule pour s (t ), car en raisonnant en transforme de Fourier conjugu elle sera vrie pour 2i t s (t ). Or si s | f = S | F , alors s | f = s | f = S () | (2i )F () = 2i S () | F (), ce qui montre la proprit pour s (t ) (de transforme de Fourier 2i S ()). Les vrications sont donc acheves. Remarque 183 [variante de la formule de Parseval]: On peut aussi crire la formule de Parseval sous la forme : (S | f ) = (s | F ), cest dire formellement S (x ) f (x ) d x = s (x )F (x )d x Il suft en effet de remplacer, dans la formule de Parseval initiale, F () par f (t ), dont la TF inverse (conjugue) est F (). Dans lapproche par dualit de Schwartz (section 3.6), cest cette identit qui sert de dnition de la transforme de Fourier.

Exercices
Exercice 184 [TF dune impulsion]: Puisque 2i t (t ) = 0 a pour TF la fonction nulle, la TF de limpulsion (t ) est de drive nulle, donc est constante = c . Mais cette mthode

4.10. FORMULE DE PARSEVAL

63

ne permet pas de dterminer la constante c . Une faon de dterminer la constante c est 2 dappliquer la formule de Parseval pour un produit scalaire contre la gaussienne e x . On trouve alors immdiatement c = 1. On peut calculer plus directement la transforme de Fourier () de limpulsion (t ), grce la formule des sauts(65) applique une fonction prsentant un saut isol et 1 dont on connat la TF. Prenons la fonction H (t )e t de transforme de Fourier(147) 1+2 i . 2i 1 d t t Puisque d t H (t )e = (t ) H (t )e il vient, par TF : 1+2i = () 1+2i do () = 1.
1 Exercice 185 [TF de v. p. 1 t ]: On peut dterminer la TF de v (t ) = v. p. t en remarquant (69) que v (t ) est la seule solution impaire de lquation t v (t ) = 1 : sa TF est donc la seule solution impaire de lquation V () = 2i (), cest dire V () = i sgn .

Exercice 186 [TF du sinus cardinal]: On peut faire un calcul direct de la TF du sinus 1 i t e i t ) v. p. 2i1 cardinal(166) : Puisque sinc t = t sinc t v. p. 1 t = (e t , sa TF est 2 sgn( + 1/2) sgn( 1/2) , cest une porte de largeur 1. Exercice 187 [TF de la pseudo-fonction 1/t n ]: Par drivation partir de la formule donnant la TF de v. p. 1 t :
2 P. f. t1 2 2 ||
T.F.

1 |t | 22 P. f.

T.F.

1 2

et plus gnralement, pour tout entier n

1:

n 1 T.F. n n 1 n ( i ) 2 P. f. t1 sgn . n (n 1)!

Exercice 188: Prendre la partie relle de s (t ) revient symtriser la transforme de Fourier. Par exemple, T.F. 1 cos 20 t 2 (0 () + 0 ()). Exercice 189: Calculer la TF de e i t et retrouver(142) que cette fonction est la fois une fonction C croissance lente et une distribution dcroissance rapide. Exercice 190: On peut prouver directement que la TF dune distribution support ni est C tempre : Daprs la proposition 73, toute distribution s support ni est de la forme s = f (n ) + , o f est une fonction intgrable support ni et o est une distribution impulsive. La TF de est un polynme(165) , qui est C tempre. Daprs la remarque 153, la transforme de Fourier F () de f est C , borne, ainsi que toutes ses drives, et donc (2i )n F (), TF de f (n ) , est bien C tempre. Exercice 191 [espaces de Sobolev H ]: On note H lespace des distributions tempres s (t ) telles quen transforme de Fourier, || S () L 2 (o || = 1 + 2 ). Evidemment H 0 = L 2 , et les espaces H sont embots : H H si . Plus est grand, plus les distributions de H sont rgulires et inversement. Noter que les espaces de Sobolev ne contiennent pas certaines distributions tempres comme lchelon H (t ) dont la TF nest pas une fonction. 1 , S () est intgrable par lingalit de Schwarz, donc les distributions de H Si > 2 sont des fonctions continues (tendant vers 0 linni). Plus gnralement si > m + 1 2 o m est un entier 0, les distributions de H sont des fonctions C m (tendant vers 0 linni ainsi que leurs drives dordre m ). Grce aux proprits de drivation de la
2

64

CHAPITRE 4. TRANSFORME DE FOURIER

TF et de la fonction || , on trouve facilement que pour m 0 entier, H m est lespace des fonctions dont toutes les drives dordre m sont L 2 . Une fonction f H , cest dire H pour tout , est une fonction C (qui tend vers 0 linni ainsi que toutes ses drives) dont toutes les drives sont L 2 . Lespace H est parfois nomm DL 2 dans la littrature. 1 , || est L 2 et donc (t ) et v. p. 1 Si < 2 t H . Ce nest plus un espace de fonctions. m Pour m 0 entier, on trouve facilement que H est lespace des distributions (tempres) qui sont combinaisons linaires nies de drives dordre m de fonctions L 2 . Une distribution tempre s H , cest dire H pour au moins un , est une combinaison linaire nie de drives de fonctions L 2 . Toute fonction C croissance lente S () vrie la condition || S () L 2 pour < 0 sufsamment grand ; H contient donc toutes les distributions dcroissance rapide. Lespace H est parfois nomm DL 2 dans la littrature.

Chapitre 5

Convolution
Pour ltude du produit de convolution : r s (x ) = r (t )s (x t ) d t = r (x t )s (t ) d t ,

on considre des fonctions et distributions dnies sur R. Comme pour le produit scalaire, la dnition du produit de convolution suppose une contrainte soit sur les supports (supports convolutifs), soit sur le comportement linni des facteurs. Dans le premier cas, on dnit le produit de convolution de distributions partir de celui de fonctions grce aux proprits de drivation de ce produit (voir [4]). Ce chapitre traite du deuxime cas, o il est plus rapide de dnir le produit de convolution au moyen de la transforme de Fourier.

5.1 Convolution de fonctions intgrables


Le produit de convolution de deux fonctions intgrables f , g L 1 : f g (x ) =
R

f (t )g (x t ) d t

est bien dni et lui-mme une fonction intgrable (cela provient du thorme de Fubini appliqu lintgrale double du produit f (t )g (u )). Lintgrale de f g est dailleurs gale au produit des intgrales de f et de g . Toujours par Fubini, on prouve facilement la proprit fondamentale suivante : si f , g L 1 ont pour TF respectives F () et G () (fonctions continues bornes), alors le produit de convolution f g L 1 a pour transforme de Fourier le produit multiplicatif F ()G () : T.F. f g (t ) F ()G () Ainsi, La transforme de Fourier transforme produit de convolution en produit simple. Cette proprit permet dtudier les proprits du produit de convolution en passant en frquence de sorte obtenir un produit simple dont ltude est plus. . . simple. Le retour au produit de convolution est assur par la formule dinversion de Fourier. 65

66

CHAPITRE 5. CONVOLUTION

Exemple 192 [TF dun triangle]: Calculons la TF du triangle (t ) =


t| 1 |T

pour |t | < T ailleurs.

Plutt que de faire le calcul direct par lintgrale de Fourier, on remarque que 1 = o (t ) est la fonction porte = T pour |x | < T 2 et = 0 ailleurs, dont la TF est le sinus cardinal(146) sinc(T ). On en dduit que la TF du triangle est le carr du sinus cardinal : T.F. 2 (t ) sinc (T ) Exemple 193 [convolution de gaussiennes]: Calculons le produit de convolu1 (t /a )2 1 (t /b )2 tion de deux gaussiennes ( L 1 ) : f (x ) = a e et g (x ) = b e o a et b sont positifs. Un calcul direct par lintgrale de convolution est possible, mais il 2 est plus rapide de passer par la transforme de Fourier(148) : On a F () = e (a ) 2 2 2 2 2 (t /c ) o et G () = e (b ) , do F ()G () = e (a +b ) , et donc : f g (t ) = 1 ce c= a 2 + b 2 : le produit de convolution de gaussiennes est une gaussienne. Exemple 194 [convolution de cauchiennes]: Calculons le produit de convolu1 a 1 b tion de deux cauchiennes ( L 1 ) : f (t ) = et g (t ) = o a et b sont t 2 +a 2 t 2 +b 2 positifs. Un calcul direct par lintgrale de convolution est possible (par dcomposition en lments simples ou par la mthode des rsidus), mais il est long et difcile. Il est beaucoup plus facile de passer par la transforme de Fourier(151) : On a F () = e 2a || et G () = e 2b || , do F ()G () = e 2(a +b )|| , et donc : 1 c f g (t ) = o c = a + b . Le produit de convolution de cauchiennes est une t 2 +c 2 cauchienne. Le passage en frquence (par transforme de Fourier) nous permet dobtenir facilement les proprits du produit de convolution dans L 1 . Par exemple, on a les proprits suivantes : commutativit : f g = g f ; associativit : ( f g ) h = f (g h ) ; distributivit : ( f + g ) h = f h + g h ; Cela se dduit immdiatement des proprits correspondantes en TF : F G = GF , (F G ) H = F (G H ), (F + G ) H = F G + F H .

5.2 Complment: convolution de mesures


On se limite pour simplier aux mesures de probabilit du type p = d f , o f est la fonction de rpartition. Une telle mesure est associe une variable alatoire X . Si X et Y sont deux variables alatoires indpendantes de distributions de probabilits respectives p = d f et q = d g , celle du couple alatoire ( X , Y ) est le produit (tensoriel) des mesures de probabilits p (x )q ( y ) = d f (x ) d g ( y ), et par consquent, la mesure de probabilit de la somme X + Y est dnie par : P r ob { X + Y A } = d f (x ) d g ( y ) = p q ( A )

x+y A

5.3. CONVOLUTION PAR UNE DISTRIBUTION DCROISSANCE RAPIDE 67


pour tout borlien A . Cette mesure p q est le produit de convolution p q des deux mesures de probabilit p = d f et q = d g . En rsum : le produit de convolution p q est la mesure de probabilit de la somme X + Y de deux variables alatoires indpendantes X et Y de mesures de probabilit respectives p et q. Ceci explique limportance du produit de convolution de mesures bornes en thorie des probabilits. Rappelons (section 4.5) que si la variable alatoire X suit la mesure de probabilit p , la transforme de Fourier P () est la fonction caractristique E e 2i X . Comme dans le cas L 1 , on a la caractrisation suivante en transforme de Fourier : le produit de convolution p q de deux distributions de probabilit p , q est la transforme de Fourier inverse du produit P ()Q () des transformes de Fourier de p et q : p q (x ) P ()Q () En effet, il sagit du calcul suivant sur les fonctions caractristiques : E(e 2i ( X +Y ) ) = E(e 2i X e 2i Y ) = E(e 2i X )E(e 2i Y ) = P ()Q (). Exemple 195 [convolution par une mesure de Dirac]: Le produit de convolution p , o p = d f est une mesure de probabilit quelconque et = d H est la mesure de Dirac, se dtermine directement par la formule p ( A ) = x + y A d F (x )d H ( y ) = x A d F (x ) = p ( A ) ou par transforme de Fourier : P () 1 = P (). On trouve donc p = p . Dans le langage des variables alatoires, cette relation signie simplement que X + 0 = X . Pour des v. a. X , Y absolument continues, on retrouve la caractrisation par transforme de Fourier du produit de convolution des densits intgrables (L 1 ). Exemple 196 [v.a. gaussiennes indpendantes]: Deux variables alatoires X , Y gaussiennes, indpendantes, centres, dcarts-type respectifs > 0 et > 0 ont pour densits de probabilit p (x ) =
1 e 22 2
x2 T.F.

et q (x ) =

1 e 2 2 2

x2

. La densit de probabilit de
x2

X + Y est le produit de convolution(193) p q (x ) =

1 e 2 2 2

o =

2 + 2 . Ainsi,

la somme de variables alatoires indpendantes gaussiennes centres est encore une variable gaussienne centre, de variance gale la somme des variances. Exemple 197 [v.a. cauchiennes indpendantes]: Deux variables alatoires de Cauchy a 1 b 1 X , Y indpendantes on pour densits de probabilit p (x ) = et q (x ) = , o x 2 +a 2 x 2 +b 2 1 c (194) a , b > 0. La densit de probabilit de X + Y est donc p q (x ) = x 2 +c 2 o c = a + b . La somme de variables alatoires indpendantes de Cauchy est encore une variable de Cauchy. De mme que dans le cas des fonctions intgrables, on montre facilement (par transforme de Fourier) les proprits habituelles pour le produit de convolution de mesures de probabilit. En particulier, le produit de convolution p q de distributions de probabilits est commutatif : p q = q p et associatif : (p q ) r = p (q r ). En termes de variables alatoires (indpendantes) cela signie simplement que X + Y = Y + X et ( X + Y ) + Z = X + (Y + Z ).

5.3 Convolution par une distribution dcroissance rapide


On va gnraliser le produit de convolution des distributions tempres, sans restriction de supports, de sorte que, comme dans le cas L 1 , la transfor-

68

CHAPITRE 5. CONVOLUTION

me de Fourier de la convolution soit gal au produit des transformes de Fourier. Prcisons tout de suite que cela nest pas possible en gnral, car si r (t ) et s (t ) S sont des distributions tempres quelconques, alors les transformes de Fourier R () et S () aussi, et on ne peut pas, en gnral, dnir le produit R ()S () de deux distributions tempres quelconques(46) . Lorsquun des deux facteurs, disons S (), est une distribution tempre arbitraire, on na dni le produit R ()S () qu la condition que lautre facteur R () soit une fonction C ; mais il faut, de plus, garantir que ce produit est toujours une distribution tempre pour rcuprer, par TF inverse, le produit de convolution. Pour cela, on impose que R () soit C croissance lente (R () O M ), car on sait alors le produit R ()S () est toujours une distribution tempre(112) . Autrement dit, on ne dnira le produit de convolution r s , pour une distribution tempre s quelconque, que si r est la transforme de Fourier inverse dune fonction C croissance lente, cest--dire(175) une distribution dcroissance rapide (r (t ) OC ). Dnition 198 [convolution par une distribution dcroissance rapide]: Le produit de convolution de deux distributions tempres, dont lune au moins est dcroissance rapide, est dni comme la TF inverse du produit des transformes de Fourier : T.F. r s (t ) R ()S () Daprs les remarques ci-dessus, ce produit de convolution est bien dni en tant que distribution tempre. On notera formellement : r s (x ) = r (x t )s (t ) d t .

Par construction, ce produit de convolution concide avec le produit de convolution L 1 lorsque r et s sont des fonctions L 1 (et avec le produit de convolution de mesures lorsque r et s sont des mesures de probabilit). Noter galement que r s est toujours bien dni lorsque lun des facteurs est une distribution support ni (car celle-ci est toujours dcroissance rapide). Remarque 199 [TF du produit multiplicatif ]: Si lune des deux distributions tempres r , s est une fonction C tempre, alors : r (t )s (t ) R S (). La TF du produit multiplicatif est le produit de convolution des TF. Il suft en effet dappliquer la transforme de Fourier conjugue R S , dont lun des facteurs est une distribution dcroissance rapide. La dnition frquentielle (par transforme de Fourier) de la convolution nous permet, comme dans le cas L 1 , de montrer facilement les proprits du produit de convolution : Proposition 200: Le produit de convolution r s dune distribution tempre par une distribution dcroissance rapide vrie les proprits suivantes :
T.F.

5.3. CONVOLUTION PAR UNE DISTRIBUTION DCROISSANCE RAPIDE 69 commutativit : r s = s r ; cest--dire formellement : r (x t )s (t ) d t = r (t )s (x t ) d t . associativit : si au moins deux facteurs sur les trois sont dcroissance rapide : (r s ) t = r (s t ) ; distributivit : (r + s ) t = r t + s t ; Preuve : Il suft de vrier les proprits correspondantes en transforme de Fourier (qui sont videntes) : RS = SR ; (RS )T = R (ST ) si deux des trois facteurs sont C temprs ; (R + S )T = RT + ST . La proprit dassociativit permet de dnir le produit de convolution s 1 s 2 s k dune nombre quelconque de distributions tempres, qui sont toutes dcroissance rapide, sauf ventuellement une. Proposition 201 [unit du produit de convolution]: Limpulsion de Dirac est llment unit du produit de convolution : s = s pour tout s S . Formellement : s (x ) = s (t )(x t ) d t = s (x t )(t ) d t . Preuve : En transforme de Fourier, 1 S () = S (). Cet lment unit est ncessairement unique, car si e en tait une autre, on aurait e = e = . Il est donc remarquable que le produit de convolution nadmette dlment unit quau sens des distributions (ou des mesures, et non au sens des fonctions). En particulier = , ce qui scrit formellement (x ) = (t )(x t ) d t bien que le produit (t )(x t ) nait aucun sens (en particulier pour t = 0). Proposition 202 [translation]: Translater par a revient convoluer par a (x ) = (x a ) : on a s a = s a pour tout s S . Translater un produit de convolution revient translater lun des facteurs : (r s )a = r a s = r s a . Preuve : En transforme de Fourier : (e 2i a )S () = e 2i a S () et on a lassociativit du produit e 2i a R ()S (). Proposition 203 [drivation]: Driver revient convoluer par : on a s = s pour tout s S . Driver un produit de convolution revient driver lun des facteurs : (r s ) = r s = r s . Preuve : En transforme de Fourier : (2i ) S () = 2i S () et on a lassociativit du produit (2i )R ()S (). Par rcurrence, (n ) s = s (n ) ; cela revient driver formellement sous lintgrale partir de la formule s (x ) = s (t )(x t ) d t : s (n ) (x ) = s (t )(n ) (x t ) d t . De plus, toujours par rcurrence, si lune des distributions tempres r , s est dcroissance rapide : (r s )(n ) = r (p ) s (q ) o p + q = n . Dans lautre sens, si s est une distribution dcroissance rapide, s H (o H est la fonction chelon) est une primitive de s , car (s H ) = s H = s = s .

70

CHAPITRE 5. CONVOLUTION

Remarque 204 [convolution non associative]: Le produit de convolution : 1 H est bien dni ( tant dcroissance rapide, les produits 1 et H sont bien dnis) mais il nest pas associatif : (1 ) H = 0 H = 0 1 ( H ) = 1 = . Lexplication est que seule est dcroissance rapide, les deux autres facteurs ne le sont pas. Noter que cet exemple correspond exactement, en transforme de Fourier, lexemple 46 pour le produit. Proposition 205 [multiplication par la variable]: Si lune des distributions tempres r (t ), s (t ) est dcroissance rapide, alors : t (r s ) = (t r ) s + r (t s ). Preuve : En transforme de Fourier (RS ) = R S + RS . Proposition 206 [rgularisation par convolution]: Si f est une fonction C dcroissance rapide et s une distribution tempre quelconque, alors f s est une fonction C . La fonction f est appele rgularisante et f s rgularise de s par f . La drive n ime de f s sobtient par la relation ( f s )(n ) = f (n ) s C . Preuve : Le rsultat est immdiat lorsque s est une fonction intgrable, car f (n ) tant intgrable pour tout n , ( f s )(n ) = f (n ) s lest aussi, donc f s est de classe D n pour tout n , cest dire C . Il suft, pour conclure, de montrer que si la proposition est vraie pour s (t ), alors elle est vraie pour s (t ) et pour t s (t ). Mais cest immdiat, car f s = f s et f (t s ) = t ( f s ) (t f ) s , o f (t ) et t f (t ) sont C dcroissance rapide.

5.4 Intgrale de convolution et produit scalaire


Lorsque f S est C dcroissance rapide et s S est une distribution tempre quelconque, lcriture formelle f (t )s (x t ) d t = f (x t )s (t ) d t peut dsigner deux choses : 1o cest le produit de convolution (rgularis) f s C ; x | f ) = (s | fx ) o s (t ) = s (t ) et 2o cest le produit scalaire tempr (123) (s s x (t ) = s (t x ) dsigne les retourne et translate de s (t ). Ces deux interprtations signient bien la mme chose : Proposition 207 [convolution et produit scalaire]: Si s est une distribution tempre, alors pour toute fonction C dcroissance rapide f , le produit de convolution f s est donn par lun des deux produits scalaires : x | f ) f s (x ) = (s | fx ) = (s ( x R)

5.4. INTGRALE DE CONVOLUTION ET PRODUIT SCALAIRE

71

Preuve : Par changement de variable, les deux produits scalaires sont gaux. Considrons par exemple le premier, qui scrit s (t ) f (x t ) d t . Le rsultat est immdiat si s est une fonction intgrable, les produits scalaires se ramenant alors des intgrales de convolution (cadre L 1 ). Il suft, pour conclure(114) , de montrer que si la relation prouver est vraie pour s (t ), alors elle est vraie pour s (t ) et pour t s (t ). Pour la drive, on a dune part f s = f s et dautre part, d pour le produit scalaire : s (t ) f (x t ) d t = s (t ) d t f (x t ) d t = s (t ) f (x t ) d t o f S . Pour la multiplication par x , on a dune part f (xs ) = x ( f s ) (x f ) s et dautre part, pour le produit scalaire : t s (t ) f (x t ) d t = s (t )(x (x t )) f (x t ) d t = x s (t ) f (x t ) d t s (t )g (x t ) d t o g (t ) = t f (t ) S . Les vrications sont donc acheves. Lorsque f C et s est une distribution support ni, lcriture formelle : f (t )s (x t ) d t = f (x t )s (t ) d t peut dsigner soit le produit de convolution (rgularis) f s C , soit une intgrale. En effet, les produits f (t )s (x t ) et f (x t )s (t ), pour x x, sont bien dnis en tant que distributions et sont supports nis, et les deux intgrales ont un sens comme intgrales de distributions support ni(75) ; ce sont dailleurs, avec les mmes notations que ci-dessus, x | f ) = (s | fx ). Effectivement, les deux des produits scalaires support ni(120) (s interprtations signient bien la mme chose : Proposition 208 [intgrale de convolution au sens des distributions]: Si f C et s est distribution support ni, alors le produit de convolution f s est donn par lune des deux intgrales suivantes : f s (x ) = f (t )s (x t ) d t = f (x t )s (t ) d t ( x R)

Par rcurrence, toutes les drives seront de la mme faon des intgrales au dn (p ) sens des distributions : d ( t ) s (q ) ( x t ) d t = f (p ) ( x t ) s (q ) ( t ) d t x n f s (x ) = f o p + q = n . Preuve : Les deux intgrales sont gales par changement de variable(78) u = x t . Considrons par exemple la deuxime. Lidentication prouver est videmment vraie lorsque s est une fonction support ni, et aussi lorsque s = , car(80) f (x t )(t ) d t = f (x ) = f (x ). Pour conclure, il suft(74) de montrer que lidentication est vraie pour s si elle est vraie pour s . Or, par intgration par parties(79) : f (x t )s (t ) d t = f (x t )s (t ) d t o lintgrale de droite est une convolution au sens ordinaire. On a donc bien lidentication f (x t )s (t ) d t = f s (x ) = f s (x ). Exemple 209 [convolution par une constante]: Le produit de convolution s 1 dune distribution s avec la fonction constante = 1 est bien dni lorsque s est support ni et on a s 1 = (s | 1) = s (t ) d t . Cest donc une fonction constante gale lintgrale (au sens des distributions) de s .

72

CHAPITRE 5. CONVOLUTION

Exemple 210 [convolution par un polynme]: Le produit de convolution s p n dune distribution s avec un polynme p n (x ) de degr < n est bien dni lorsque s est support ni et cest aussi un polynme de degr < n , puisque (s p n )(n ) = (n ) s pn = s 0 = 0. On le voit aussi par transforme de Fourier : le produit dune fonction C par une distribution impulsive reste impulsive. La proposition 208 permet dexpliciter les coefcients de ce polynme : cri1 x i (i ) vons p n (x t ) = n i =0 i ! p n (t ) (formule de Taylor pour les polynmes). Alors par linarit de lintgrale :
n 1

s p n (x ) =

p n (x t )s (t ) d t =
i =0

xi i!

(i ) pn (t )s (t ) d t

Exercices
Exercice 211: En utilisant le rsultat de lexercice 189, montrer que le produit de convo2 2 i i t 2 /2 . lution e i t e i t est bien dni et gal 1+ 2 e Exercice 212: On retrouve par associativit que driver un produit de convolution revient driver lun de ses facteurs : (r s ) = (r s ) = r (s ) = r s . Raisonnement analogue pour la translation. Exercice 213: Daprs la reprsentation 73, le produit de convolution de deux distributions support ni est aussi une distribution support ni. Plus prcisment, si r est support dans [a , b ] et s dans [c , d ], alors r s est support dans [a + c , b + d ]. Muni du produit de convolution, lespace des distributions support ni devient une algbre commutative (lment unit ). Exercice 214 [intgralit du produit de convolution]: Le produit de convolution nest pas intgre : si r s = 0, on a pas forcment r = 0 ou s = 0. Par exemple : 1 = 0. En revanche, le produit de convolution est intgre dans lalgbre des distributions support ni (exercice 213). En effet, les TF de r et s sont des fonctions qui se prolongent analytiquement en des fonctions entires sur C, et il en rsulte que le produit S ()T () ne peut tre identiquement nul que si lun des deux facteurs lest. Exercice 215 [quation diffrentielle]: Rsoudre dans lespace des distributions tempres lquation diffrentielle linaire c 0 s + c 1 s + + c n s (n ) = r revient trouver linverse convolutif 1 de la distribution impulsive de degr n : = c 0 + c 1 + + c n (n ) . La solution gnrale est alors s = 1 r . Exercice 216 [convolution de distributions impulsives et support ni]: On a a n) (m ) (m +n ) b = a +b et ( a b = a +b . Par distributivit ( droite et gauche), le produit de convolution dune distribution impulsive en x = a par une distribution impulsive en x = b est une distribution impulsive en x = a + b : (
i i) c i ( a )( j

c j b ) =

(j)

i,j

c i c j a +b

(i + j )

5.4. INTGRALE DE CONVOLUTION ET PRODUIT SCALAIRE

73

Il est possible que le produit r s soit une distribution impulsive sans que r et s le soient. Par exemple, H = . En revanche, si r et s sont deux distributions support ni telles que r s est impulsive, alors par lexercice 213, les deux distributions r et s doivent tre impulsives, et r s est de la forme ci-dessus. En particulier, si r et s sont deux distributions support ni telles que r s = , alors, par indpendance(64) des drives de , r et s doivent tre de la forme r = c 0 et s = c 0 o c 0 c 0 = 1. Les seules distributions inversibles dans lalgbre de convolution des distributions support ni sont les distributions de Dirac, de la forme c . Autrement dit, linverse convolutif dune distribution support ni s ne peut tre elle-mme support ni, moins que s = c . Exercice 217: Donner les proprits du produit de convolution r s (dune distribution tempre par une distribution dcroissance rapide) pour la dilatation/contraction et pour les symtries (retournement et symtrie hermitienne). Exercice 218 [produit de convolution dans les cas dsesprs]: Dans certains cas particuliers, on peut dnir un produit de convolution r s (par transforme de Fourier) qui ne rentre dans aucun des cadres tudis dans ce document. Par exemple, la rela1 2 tion (i sgn )2 = 2 nous permet de dnir v. p. 1 t v. p. t = (t ). En drivant 1 1 1 1 2 2 v. p. t P. f. t 2 = (t ), P. f. t 2 P. f. t 2 = (t ), etc. Par contre, certains produits de convolution sont totalement dsesprs comme 1 1 ou 1 H . Par exemple, si on arrivait dnir 1 H avec les proprits habituelles, on aurait 1 H = 1 H cest dire 1 = 0. Exercice 219: Une fonction f C na jamais dinverse convolutif (cest dire une distribution s telle que f s = ), car sinon serait C . Exercice 220: Sous les conditions de la proposition 206, f s nest pas ncessairement 2 C dcroissance rapide. Par exemple e t H (t ) est une primitive dune gaussienne, qui nest jamais dcroissance rapide. Exercice 221: Sous les conditions de la proposition 207, par la formule de Parseval(182) il vient que f s (x ) est gal au produit scalaire S ()F ()e 2t d . Par ailleurs la TF de ce produit de convolution est F ()S (). Le calcul formel suivant est donc justi : S ( )F ( )e 2i ( )t d d t = S ()F (). Exercice 222: Dnir le produit de convolution r s de deux distributions de H (exercice 191) comme la TF inverse du produit R ()S (). Puisque r et s sont des combinaisons linaires nies de drives de fonctions L 2 , r s est une combinaison linaire nie de drives de fonctions bornes, cest donc une distribution borne. Exercice 223 [transforme de Hilbert]: Pour toute distribution dcroissance rapide ( valeurs relles) s (t ) de TF S (), on note z (t ) son signal analytique, dni par sa TF : Z () = 2 H ()S (). Montrer que z (t ) = s (t ) + i s H (t ), o s H (t ) est une distribution valeurs relles, appele transforme de Hilbert de s (t ) et donne par la formule : s H (t ) = v. p. 1 s (t ). t

1 1 Ainsi H (t ) = v. p. t , H (t ) = P. f. t 2 et si (t ) est la fonction porte = 1 pour |t | < 1 1 1+ t (nulle ailleurs), alors H (t ) = log 1t .

74

CHAPITRE 5. CONVOLUTION

Chapitre 6

Sries de Fourier
On applique ici la transforme de Fourier aux distributions discrtes et aux distributions priodiques. La transforme de Fourier dune distribution discrte (tempre) est une distribution priodique, et rciproquement. Cela permet de dvelopper toute distribution priodique en srie de Fourier. Dans tout ce chapitre, on se donne un nombre T > 0 appele priode.

6.1 Distributions discrtes


Dnition 224 [distribution discrte]: Une distribution s est dite T -discrte si elle scrit sous la forme(57) : s (t ) =
n Z

s n (t nT )

On la note aussi n s n nT . Cest la drive dune fonction en escalier, constante par morceaux sur chaque intervalle ]nT , (n + 1)T [ et prsentant des sauts damplitudes s n aux points t = nT , n entier. Une distribution discrte est de classe D 1 , bien dnie pour un choix quelconque de la suite {s n } R ou C, et uniquement dtermine par cette suite : n r n nT = n s n nT implique r n = s n pour tout n . Exemple 225 [peigne de Dirac et chantillonnage]: Le peigne de Dirac est la distribution discrte : ( t ) = (t nT )
n Z

correspondant la suite constante s n = 1. Cest la drive de la fonction en escat lier T (partie entire de t /T ). Les dents nT du peigne sont rgulirement espaces la priode T et sont de mme amplitude = 1. Si f C (ou simplement continue), le produit f (t )(t ) vaut f (t )nT (t ) = f (nT )nT sur tout intervalle ](n 1)T , (n + 1)T [, n Z. Par le principe de recollement des morceaux f (t )(t ) est une distribution discrte, et on a la formule : f (t )
n Z

(t nT ) =

n Z

f (nT )(t nT )

75

76

CHAPITRE 6. SRIES DE FOURIER

Cette opration de multiplication par (t ) correspond, en traitement du signal, une opration dchantillonnage ; T est alors appele priode dchantillonnage . Le peigne de Dirac est une distribution tempre, comme le montre la proposition suivante : Proposition 226 [distribution discrte tempre]: Une distribution T -discrte n s n (t nT ) est tempre ( croissance lente) si et seulement si la suite {s n } lest, cest--dire |s n | = O (|n | ) quand |n | pour un exposant > 0. Preuve : Il suft de montrer le rsultat pour t > 0, cest--dire lorsque s (t ) = n >0 s n nT (t ), le cas t < 0 tant similaire. Une primitive de s (t ) est la fonction f (t ) = n >0 s n H (t nT ) qui est borne par 0<nT t |s n | pour tout t > 0. Si t /T +1 |s n | = O (n ) on a alors | f (t )| ), et s (t ) est bien tempre. n =0 O (n ) = O (t Rciproquement, si s (t ) est tempre, crivons s = g (m ) o g (t ) = O (t ) quand t . On peut prendre comme primitive m ime g (t ) = n >0 s n H (m ) (t nT ) = (t nT )m 1 n >0 s n (m 1)! H (t nT ). On a donc, dans chaque intervalle ]nT , (n + 1)T [ : m 1 | n | = O (n ), do en dduit facilement, par rcurrence sur n , i =1 s i (n + 1 i ) m que |s n | = O (n ).

6.2 Distributions priodiques


Dnition 227 [distribution priodique]: Une distribution s est T -priodique si elle est gale sa translate par T : s (t ) = s (t T ). On dit aussi quelle admet la priode T . On a alors, par rcurrence, s (t ) = s (t kT ) pour tout entier k . Par drivation, s (t ) = s (t T ), et donc toutes les drives successives dune distribution priodique sont aussi priodiques. Si f (t ) est une fonction de classe C priodique, alors le produit f (t )s (t ) est aussi priodique : f (t T )s (t T ) = f (t )s (t ). Exemple 228: Une fonction (localement intgrable) f (t ) est priodique si f (t ) = f (t T ) pour presque tout t . La fonction e 2i nt /T , o n est entier, est un exempletype de fonction priodique (de classe C ). Toute combinaison linaire nie 2i nt /T (ou innie si la srie converge dans un espace de fonctions) est n sn e aussi priodique. Le peigne de Dirac (t ) = n (t nT ) est aussi priodique. Si s (t ) est priodique, ses primitives ne le sont pas forcment. Puisque s (t ) s (t T ) = 0 on a s (1) (t ) s (1) (t T ) = c , o c est une constante qui ne dpend pas du choix de la primitive, puisque cette dernire nest dnie qu une constante additive prs qui slimine dans cette expression.

6.2. DISTRIBUTIONS PRIODIQUES

77

Dnition 229 [intgrale et moyenne sur une priode]: Lintgrale sur la priode T dune distribution T -priodique s est dnie par : s (t ) d t = s (1) (t ) s (1) (t T )

(T )

(constante indpendante de la primitive choisie). Sa moyenne sur la priode T est dnie par : 1 S0 = s (t ) d t T (T ) Exemple 230 [intgrale dune fonction priodique]: Si f est une fonction (localement intgrable) priodique, alors (T ) f (t ) d t = f (1) (t ) f (1) (t T ) est lintgrale de Lebesgue usuelle sur un intervalle de longueur T (elle ne dpend pas de lintervalle de longueur T choisi). Exemple 231 [moyenne du peigne de Dirac]: Le peigne de Dirac (t ) = n (t nT ) a pour intgrale (T ) (t ) d t = 1 (amplitude commune des sauts de sa primi1 tive), et donc pour moyenne T . On montre facilement les proprits habituelles de lintgrale : Proposition 232 [proprits de lintgrale sur une priode]: Lintgrale sur la priode T dune distribution T -priodique a les proprits suivantes : linarit : (T ) r (t ) d t + (T ) s (t ) d t = (T ) (r (t ) + s (t )) d t ; anti-drivation : (T ) s (t )d t = 0 si s (t ) est priodique ; intgration par parties : (T ) f (t )s (t ) d t = (T ) f (t )s (t ) d t o f est C priodique. Par rcurrence, (T ) f (t )s (m ) (t ) d t = (1)m (T ) f (m ) (t )s (t ) d t pour m 0; 1 changement de variable : (T ) s (at + b ) d t = |a | (|a |T ) s (t ) d t pour a = 0. Preuve : Lintgrale sur T est linaire car une primitive de r + s est r (1) + s (1) ; la relation (T ) s (t )d t = s (t ) s (t T ) = 0 signie prcisment que s est priodique ; la formule dintgration par parties sen dduit en intgrant la relation 1 (1) 1 (1) s (at + b ) et a s (at + ( f s ) = f s + f s . Enn, la primitive de s (at + b ) est a 1 (1) 1 (1) 1 (1) b) a s (a (t T ) + b ) est de la forme |a | s (u ) | a | s (u |a |T ) en distinguant les cas a > 0 ou a < 0. Remarque 233 [distributions priodiques de moyenne nulle]: Si s (t ) est priodique de moyenne S 0 , on la centre (rend de moyenne nulle) en soustrayant S 0 : on obtient s c (t ) = s (t ) S 0 qui est la fois priodique et de moyenne nulle. Mais c alors s c (1) (t ) s c (1) (t T ) = s 0 = 0 pour toute primitive, autrement dit : toute primitive dune distribution priodique de moyenne nulle est priodique. Parmi ces primitives (dnie une constante additive prs), une seule est elle-mme de moyenne nulle (par choix appropri de la constante). Ses primitives sont donc priodiques, et ainsi de suite : Tout distribution priodique de moyenne nulle admet une unique primitive mime priodique de moyenne nulle.

78

CHAPITRE 6. SRIES DE FOURIER

Cette dernire remarque nous permet de caractriser compltement les distributions priodiques : Proposition 234 [caractrisation des distribution priodiques]: Une distribution s est T -priodique (de moyenne S 0 ) si et seulement si on peut crire : s = S 0 + f (m ) o f est une fonction (localement intgrable) T -priodique de moyenne nulle. Cette reprsentation est unique pour chaque m x assez grand. En particulier, toute distribution priodique est borne(98) et donc tempre. Preuve : Toute distribution de cette forme est videmment priodique. Daprs la remarque 233, s S 0 admet une primitive m ime priodique de moyenne nulle qui est unique. Pour m assez grand, cest une fonction f , et on obtient la reprsentation voulue s = S 0 + f (m ) . On peut toujours choisir m sufsamment grand pour que f soit continue ; tant aussi priodique, elle est borne, et s = S 0 + f (m ) est donc une distribution borne.

6.3 Sries de Fourier au sens des distributions


Les distributions priodiques et discrtes se correspondent par transforme de Fourier : Proposition 235 [TF de distributions priodiques/discrtes]: La transforme 1 de Fourier dune distribution T -priodique est une distribution T -discrte tempre, et vice versa : la transforme de Fourier dune distribution T -discrte tem1 pre est une distribution T -priodique. Preuve : Si s (t ) est T -priodique, elle est tempre et admet donc une transforme de Fourier S (). Puisque s (t ) = s (t T ) on doit avoir S () = e 2i T S (). Posons () = 1 e 2i T C . Dans chaque intervalle ](n 1)T , (n + 1)T [, on a n ()S () = 0 o () a un zro simple unique en = T . Ce problme de division n (68) se rsout immdiatement : il vient S () = S n ( T ) dans ](n 1)T , (n + 1)T [, n o S n est une constante. Par recollement des morceaux S () = n S n ( T ). Rciproquement, si s (t ) = n s n (t nT ) est T -discrte tempre, elle admet une transforme de Fourier S (). Puisque e 2i t /T s (t ) = n s n e 2i nT /T nT (t ) = 1 1 s (t ), il vient S () = S ( T ), et donc S () est T -priodique. Pour une distribution priodique s (t ), les coefcients S n des raies spectrales n dans la transforme de Fourier S () = n S n ( T ) sappellent les coefcients de Fourier. Ils sont uniquement dtermins par s (t ) ; rciproquement, par transforme de Fourier inverse, la suite des coefcients de Fourier dtermine s (t ) de manire unique. Il y a une formule explicite permettant de calculer S n partir de s (t ) :

6.3. SRIES DE FOURIER AU SENS DES DISTRIBUTIONS

79

Proposition 236 [coefcients de Fourier]: Pour une distribution T -priodique s (t ) donne, ses coefcients de Fourier S n sont dtermins par la formule intgrale : 1 Sn = s (t )e 2i nt /T d t . T (T ) En particulier, S 0 est la moyenne(229) de s (t ). Preuve : Il suft de montrer que le coefcient S 0 sidentie bien la moyenne 1 T (T ) s (t ) d t , car la formule gnrale sen dduit en considrant la distribution priodique e 2i nt /T s (t ) de transforme de Fourier S ( + n /T ) = k S k ( + (n k )/T ). Par la reprsentation gnrale 234, on peut crire s = M + f (m ) o M est 1 -discrte, la moyenne de s (t ), et o f est T -priodique ; la TF F () est donc T n m disons F () = n c n ( T ). Il vient : S () = M () + (2i ) F () = M () + n m n (2i n ) ( T ). Le terme en () dans la somme disparat, et par identication on a bien S 0 = M . La proposition suivante est lquivalent dune formule dinversion de Fourier. Proposition 237 [srie de Fourier]: Etant donne une suite (relle ou complexe) {S n } croissance lente : S n = O (|n | ), il existe une distribution T -priodique s (t ) unique dont les coefcients de Fourier sont les S n .
n ), quon appelle srie de FouCette distribution est la TF inverse de n S n ( T rier associe la suite {S n }. On la note formellement :

s (t ) =

n Z

S n e 2i nt /T .

1 Preuve : Un distribution T -priodique s (t ) admet une TF T -discrte tempn re, de la forme n c n ( T ) o les c n sont les coefcients de Fourier de s (t ) : 1 2i nt /T cn = T d t qui forment une suite croissance lente(226) . Si s (t ) (T ) s (t )e est telle que c n = S n , cest ncessairement la transforme de Fourier inverse de n n n c n ( T ) = n S n ( T ).

Remarque 238: La notation n S n e 2i nt /T est justie par le fait quon a effectivement s (t ) = n S n e 2i nt /T lorsque cette somme est nie (cest dire lorsque les S n = 0 sauf un nombre ni dentre eux). Mais en rgle gnrale, cette criture est formelle, tout comme lcriture s (t ) = S ()e 2i t d lest pour lintgrale de Fourier1 . En crivant s (t ) = n S n e 2i nt /T , on dit que lon a dvelopp s (t ) en srie de Fourier. La proposition 236 montre que toute distribution T -priodique s (t ) est dveloppable en srie de Fourier, car cest la TF inverse dune distribution temn 1 2i nt /T pre de la forme S () = n S n ( T ), o la suite des S n = T dt ( T ) s ( t )e
1 Il est possible, nanmoins, de montrer quil sagit dune srie convergente pour une notion de convergence bien dnie ( au sens des distributions ).

80

CHAPITRE 6. SRIES DE FOURIER

est ncessairement croissance lente(226) , car S () lest. Si, en revanche, on se donne une suite {S n } qui nest pas croissance lente, alors la srie de Fourier n associe s (t ) nexiste pas car n S n ( T ) nest pas tempre et nadmet donc pas de TF inverse. Pour simplier les critures on notera : s (t ) Sn lorsque s (t ) est une distribution priodique de coefcients de Fourier S n . Les sries de Fourier vrient des proprits similaires celles de la transforme de Fourier de distributions tempres : Proposition 239 [proprits des sries de Fourier]: Les sries de Fourier de distributions priodiques vrient les proprits suivantes : S.F. S.F. S.F. linarit : si r (t ) R n et s (t ) S n , alors r (t ) + s (t ) R n + S n , o , sont des constantes. S.F. S.F. drivation : si s (t ) S n , alors s (t )
S.F. S.F.

2 i n T Sn .

anti-drivation : si s (t ) S n et s (t ) est de moyenne nulle (S 0 = 0), de primitive s (1) (t ) de moyenne nulle, s (1) (t )
S.F. S.F.

T 2 i n S n .
S.F.

2i nt 0 /T translation et modulation : si s (t ) S n et S n , alors s (t t 0 ) e

e 2i n0 t /T s (t ) S n n0 .
S.F.

symtries : si s (t ) S n , alors s (t ) S n et s (t ) S n .

S.F.

S.F.

S.F.

Preuve : Ces proprits sont immdiates partir des proprits analogues sur la n () : La linarit provient de la linarit transforme de Fourier S () = n S n T n n n () = de la TF ; la TF de s (t ) est 2i S () = n S n 2i T () ; la n S n 2i T T proprit danti-drivation sen dduit en identiant les coefcients de Fourier de s (1) (t ) priodique de drive = s (t ). n n () et la TF Pour le reste : la TF de s (t t 0 ) est e 2i t0 S () = n S n e 2i T t0 T
0 de e 2i n0 t /T s (t ) est S ( n T )=

n S n n +n0 () =
T

S () = n S n n (). n S n T

n T

() =

n S n

n T

n () ; la TF de s ( t ) est n S n n 0 T n () et la TF de s (t ) est S () = n S n T () =

Remarque 240 [TF temps discret]: Bien entendu, on dnit de la mme faon la srie de Fourier en frquence comme la transforme de Fourier dune distribution discrte s (t ) = n s n (t nT ), que lon note : S () =
n

s n e 2i nT

les coefcients s n tant les coefcients de Fourier de S (). En traitement du signal, cette srie de Fourier sappelle transforme de Fourier temps-discret de la suite {s n }. Par la proposition 236, les coefcients s n sont donns par la formule : sn = T
1 (T )

S ()e 2i nT d .

6.4. COMPLMENT: SRIES DE FOURIER AU SENS DES FONCTIONS

81

En traitement du signal, cette formule sinterprte comme une formule dinversion de Fourier, car elle permet de retrouver s n partir de sa TF temps discret S () = n s n e 2i nT . On peut rsumer par les formules suivantes : s (t ) = s (t ) =
n

n Z

S n e 2i nt /T S () =
T.F. T.F.

n ) S n ( T

o S n =

1 T

s (t )e 2i nt /T d t
(T )

s n (t nT ) S () =

s n e 2i nT
n

o s n = T

1 (T )

S ()e 2i nT d .

6.4 Complment: sries de Fourier au sens des fonctions


La srie de Fourier au sens des distributions se rduit une simple srie de Fourier au sens des fonctions sous certaines conditions. Le cas le plus simple est celui de la convergence absolue de la srie. Proposition 241 [srie de Fourier absolument convergente]: Si la suite {S n } est sommable (on crit S n 1 ) : |S n | < ,
n Z

alors la srie de Fourier associe (au sens distributions) est une srie au sens usuel, absolument convergente, dont la somme est une fonction continue : s (t ) = S n e 2i nt /T .

n Z

Preuve : Puisque {S n } est sommable, la srie n Z S n e 2i nt /T converge absolument et uniformment sur R. Elle dnit donc une fonction continue priodique f (t ) (qui est une distribution priodique particulire). Ses coefcients de Fourier sont donns par 1 1 2i nt /T 2i (k n )t /T d t = k Z S k T d t = S n , et f (t ) sidentie la formule T (T ) f (t )e (T ) e (237) donc bien la somme s (t ) de la srie de Fourier au sens des distributions2 . Remarque 242: En particulier, si une fonction f C 2 est priodique de priode T , sa drive seconde est continue et priodique, de coefcients de Fourier c n borns 1 1 2i nt /T dt puisque |c n | = T (T ) f (t )e T (T ) | f (t )| d t . Les coefcients de Fourier T 1 de f scrivent c n = ( 2i n )2 c n pour n = 0 et donc c n = O ( n 2 ) forment une suite sommable. On a donc un dveloppement en srie de Fourier absolument et uniformment convergent pour tout fonction C 2 priodique. Plus gnralement, le thorme de Dirichlet (1828) garantit une convergence ponc+ s (t ) tuelle de la srie de Fourier vers s (t )+ sous certaines conditions de rgularit par 2 morceaux. En revanche, pour une fonction (localement intgrable) priodique, on a pas de rsultat gnral de convergence ponctuelle de la srie Fourier au sens des fonctions : on peut construire un exemple (Kolmogorov, 1922) o la srie de Fourier diverge pour chaque valeur de t .
2 En particulier, si S 1 alors S est une suite croissance lente ; cest par ailleurs vident car n n S n 0 quand n , cest--dire S n = o (1).

82

CHAPITRE 6. SRIES DE FOURIER

On peut affaiblir la notion de convergence au sens des fonctions pour obtenir des rsultats plus gnraux, par exemple pour des fonctions continues priodiques avec une convergence en moyenne de Csaro (Fejr, 1900). Le rsultat classique est celui de la convergence en moyenne quadratique (au sens L 2 ) quon prsente maintenant comme une application de la thorie des espaces hilbertiens (Plancherel, 1910). Tout dabord, quelques rappels : Une fonction priodique de priode T est dite L 2 priodique si (T ) | f (t )|2 d t est nie. Lespace de ces fonctions priodiques est not ici L 2 pour le distinguer de L 2 (R). Dire que f L 2 revient dire que f L 2 ( I ) pour tout intervalle ni I . On a donc, comme pour L 2 (R), toutes les proprits despace hilbertien pour la norme et le produit scalaire dnis par f
1 T (T ) 2 2

1 T

(T ) | f

(t )|2 d t et f | g =

f (t )g (t ) d t . En particulier L 2 est complet, et on a lingalit de Schwarz | f | g |

g 2 . Les coefcients de Fourier c n de f L 2 sont donns par le produit scalaire : c n = f (t ) | e 2i nt . On dit que la suite c n est de carr sommable (et on crit c n 2 ) si 2 2 est lui-mme hilbertien pour la norme et le produit scalaire n |c n | < . Lespace 2 dnis par : c 2 = n |c n | et c | d = n c n d n , avec lingalit de Cauchy |c | d | c 2 d 2 . Le rsultat fondamental est le suivant : f Proposition 243 [sries de Fourier dans L 2 ]: Les fonctions priodiques e 2i nt forment une base orthonorme de L 2 . Par consquent, la srie de Fourier f (t ) = n c n e 2i nt /T converge dans L 2 (en moyenne quadratique sur une priode) : 1 T f (t )
l c e 2i nt /T n =k n 2

(T )

dt 0

quand k , l

De plus, pour f (t ), g (t ) L 2 de coefcients de Fourier c n , d n 2 on a les formules de Bessel-Parseval : f 2 = c 2 et f | g = c | d , cest--dire en clair : 1 T | f (t )|2 d t =
n

(T )

|c n |2

et

1 T

(T )

f (t )g (t ) d t =
n 2

cn dn .

En rsum, on a un isomorphisme isomtrique L 2 =

Une fonction de L 2 est localement intgrable, car (T ) | f (t )| d t T f 2 par lingalit de Schwarz. On peut donc la voir comme une distribution. Etant priodique, cest une distribution borne, donc tempre. Proposition 244: La srie de Fourier (au sens des distributions) associe une suite S n 2 concide avec la srie de Fourier au sens L 2 . Une distribution priodique est L 2 si et seulement si ses coefcients de Fourier sont 2 . Preuve : Si S n 2 , notons f (t ) L 2 la somme de la srie de Fourier associe (au sens 1 2i nt /T L 2 ). Alors S n = f (t ) | e 2i nt = T d t sont les coefcients de Fourier (T ) f (t )e de la distribution priodique f (t ), qui sidentie donc(237) la somme s (t ) de la srie de Fourier au sens des distributions3 . Rciproquement, si s (t ) L 2 , ses coefcients de 1 2i nt /T Fourier sont donnes par S n = T d t = f (t ) | e 2i nt , et donc S n 2 (T ) f (t )e par Bessel-Parseval.
2 alors S est croissance lente, ce qui est par ailleurs une consn Sn 1 2 quence immdiate de lingalit de Cauchy : n =0 n n |S n | n =0 n 2 < +, do S n = 3 En particulier, si S n

o (|n |).

6.5. PRIODISATION ET FORMULE DE POISSON

83

6.5 Priodisation et formule de Poisson


On a vu que le peigne de Dirac (t ) = n Z (t nT ) est la fois une distribution discrte et priodique (pour la mme priode T ). Cest dailleurs la seule distribution ( une constante multiplicative prs) qui ait cette proprit, car si une distribution discrte s (t ) = n s n (t nT ) est priodique : s (t ) = s (t T ), en identiant on obtient s n = s n 1 pour tout n entier, cest dire s n = s 0 est constante. Cette remarque donne immdiatement le rsultat important suivant : Proposition 245 [TF dun peigne de Dirac]: La transforme de Fourier du peigne de Dirac est un peigne de Dirac : (t nT )
T.F.

n Z

1 T

n Z

n ( T ) 1 T,

Cela revient dire que les coefcients de Fourier de (t ) sont tous gaux cest--dire que lon a le dveloppement suivant en srie de Fourier : (t nT ) =
1 T

e 2i nt /T .
n

n Z

Preuve : La transforme de Fourier de (t ) = n Z (t nT ), qui est T -discrte 1 1 et T -priodique, doit tre une distribution T -priodique et T -discrte. Cest n donc un peigne de Dirac de la forme c n Z ( T ). La constante c doit tre 1 gale la moyenne S n = S 0 de (t ) sur une priode T , cest dire(231) c = T . Rappelons(225) que multiplier une fonction continue s (t ) par un peigne de Dirac revient l chantillonner : s (t ) n Z (t nT ) = n Z s (nT )(t nT ). Puisque (t ) est une distribution tempre, on peut aussi dnir son produit de convolution par une distribution dcroissance rapide : Dnition 246 [priodise dune distribution]: La priodise (de priode T ) dune distribution dcroissance rapide s (t ) est dnie par : s (t ) = s (t ) On crit formellement : s (t ) =
n Z

n Z

(t nT ).

s (t nT ).

En particulier le peigne de Dirac (t ) = n Z (t nT ) est bien la priodise de limpulsion de Dirac (t ). La notation s (t ) = n Z s (t nT ) est justie par le fait quon aurait effectivement s (t ) n Z (t nT ) = n Z s (t nT ) si la somme sur n tait nie (voir aussi lexercice 271). Dans le cas gnral dune distribution dcroissance rapide on a la caractrisation suivante.

84

CHAPITRE 6. SRIES DE FOURIER

Proposition 247 [formule de Poisson]: La priodise s (t ) de s (t ) (distribution dcroissance rapide) est une distribution priodique donne par le dveloppement en srie de Fourier : s (t nT ) =
1 T n 2i nt /T S( T )e .

n Z

n Z

Noter que la suite des coefcients de Fourier car S () est C croissance lente.

1 n T S( T )

est bien croissance lente,

Preuve : Le produit de convolution s est dni(198) comme la transforme de 1 1 n n n Fourier inverse du produit S () T n Z ( T ) = T n Z S ( T )( T ) (chantillonnage de S () qui est une fonction C ). Le rsultat suit par dnition des sries de Fourier. Remarque 248: Cette formule sinterprte en disant que priodiser en temps revient chantillonner en frquence. En considrant la TF conjugue on a aussi, pour toute fonction C croissance lente s (t ) :
1 T n S ( T )=

s (nT )e 2i nT
n

qui sinterprte en disant quchantillonner en temps revient priodiser en frquence. Plus prcisment, la TF temps discret(240) des chantillons s (nT ) de 1 s (t ) est gale la priodise (de priode T ) de sa transforme de Fourier S (). On peut aussi dnir le produit scalaire (tempr(123) ) du peigne de Dirac contre toute fonction C dcroissance rapide f , not ( | f ). Il vaut ( n HnT | f ) = n nT f (t ) d t = n f (nT ), do la formule : f (t )
n

(t nT ) d t =
n

f (nT )

Une application de la formule de Parseval(182) nous donne immdiatement la formule sommatoire de Poisson (1827). Proposition 249 [formule sommatoire de Poisson]: Si f (t ) est C dcroissance rapide, de transforme de Fourier F () (galement C dcroissance rapide), alors
n Z

f (n ) =

F (n ).
n Z n 1 n T F ( T ). n ( t

Plus gnralement pour tout T > 0,

f (nT ) =

Preuve : Par Parseval(182) appliqu au peigne de Dirac et f , on a 1 n nT ) | f (t ) = T n ( T ) | F () , do la formule.

6.6. COMPLMENT: CONVOLUTION PRIODIQUE

85

Remarque 250: En appliquant la formule sommatoire de Poisson aux fonctions x f (t x ) et x f (x )e 2i x on retrouve les formules dj vues : f (t nT ) =
1 T n 2i nt /T F(T )e

et
n

n Z

n Z

f (nT )e 2i nT =

1 T

F (
n

n ), T

le lien entre produit de convolution et produit scalaire pour une fonction C dcroissance rapide f tant donn par la proposition 207.

6.6 Complment: convolution priodique


Une fonction (localement intgrable) f est priodique (admet une priode T ) si f (x ) = f (x T ) pour presque tout x . Le produit de convolution priodique (ou cyclique, circulaire) de deux fonctions localement intgrables f et g priodiques est dni par : f g (x ) = 1 T f (x t )g (t ) d t

(T )

o lintgrale porte sur une priode (intervalle de longueur T ). Puisque la fonction t f (x t )g (t ) dnie presque partout est priodique, la dnition est videmment indpendante de lintervalle dintgration I choisi de longueur T ; le produit de convolution f g est lui-mme localement intgrable et priodique. On peut facilement dterminer S.F. ses coefcients de Fourier (par un calcul direct de lintgrale de Fourier) : Si f (t ) F n et g (t ) G n alors : f
S.F.

g (t ) F n G n . Cette proprit nous permet de gnraliser la notion

S.F.

de produit de convolution priodique aux distributions : Dnition 251 [convolution priodique de deux distributions]: Le produit de convolution priodique (ou cyclique, circulaire) de deux distributions r et s priodiques (de coefcients de Fourier respectifs R n et S n ) est dni par : r s (t ) Rn S n
S.F.

Ce produit de convolution est toujours bien dni car les produits R n S n forment toujours une suite croissance lente comme R n et S n . On crit formellement : r s (x ) = 1 T (T ) r (x t )s (t ) d t . Cette dnition par srie de Fourier nous permet de montrer facilement les proprits importantes : Proposition 252 [proprits de la convolution priodique]: Le produit de convolution priodique r s vrie les proprits suivantes : commutativit : r s = s r ; associativit : (r s ) t = s (r t ) ; distributivit : (r + s ) t = r t + s t ; lment unit (peigne de Dirac) : s = s ; drivation : s = s et (r s ) = r s = r s ; do par rcurrence, (n ) s = s (n ) et (r s )(n ) = r (p ) s (q ) o p + q = n ; translation circulaire : a s = s a et (r s )a = r a s = r s a ; moyenne S 0 = 1 s.

86

CHAPITRE 6. SRIES DE FOURIER

Preuve : Il suft de vrier les proprits correspondantes sur les coefcients de Fourier (qui sont videntes) : commutativit, associativit, distributivit du produit muln ou par e 2i na /T ; S 0 = tiplicatif ; lment unit 1 ; associativit du produit par 2iT S n n 0 .
1 Par commutativit, on peut crire formellement que r s (x ) = T (T ) r (x t )s (t ) d t = 1 (229) de la T (T ) r (t )s (x t ) d t . Mais cette notation suggre que r s (x ) est la moyenne distribution r (x t )s (t ) ou r (t )s (x t ), bien dnie lorsque r ou s est une fonction C . Effectivement :

Proposition 253 [convolution priodique et intgrale]: Si s est une distribution priodique quelconque, alors pour toute fonction C priodique f , le produit de convolution f s est donn par une des moyennes (intgrales sur la priode au sens des distributions priodiques) : f s (x ) = Noter que f 1 T f (x t )s (t ) d t = 1 T f (t )s (x t ) d t .

(T )

(T )

s est une fonction C par lexercice 274.

Preuve : Les deux intgrales sont gales par le changement de variable(232) u = x t . Considrons par exemple la deuxime. Le rsultat est la proprit f 1 = F 0 dj vue(252) lorsque s est une fonction constante. Grce la reprsentation(234) s = S 0 + g (m ) , il suft, par linarit, de montrer le rsultat pour s = g (m ) o g est une fonction prio1 (m ) dique. Or f g (m ) (x ) = f (m ) g (x ) = T (t )g (x t ) d t vaut, par m intgrations par (T ) f 1 1 parties(232) successives, T (T ) f (t )g (m ) (x t ) d t = T (T ) f (t )s (x t ) d t .

6.7 Complment: convolution discrte


Le produit de convolution r s de deux distributions discrtes, de la forme : r (t ) = et s (t ) = n Z s n (t nT ), se dnit comme dans le cas gnral : ou bien on impose une contrainte de supports convolutifs, ou bien on dnit la convolution par transforme de Fourier lorsquun des deux facteurs est une distribution dcroissance rapide et lautre une distribution tempre. On se limite ici la deuxime mthode. On sait quune distribution discrte s = n s n nT est tempre (cest dire croissance lente) si et seulement si(226) la suite s n est croissance lente. On a un rsultat analogue pour les distributions discrtes dcroissance rapide :
n Z r n (t nT

Proposition 254 [distribution discrte dcroissance rapide]: Une distribution discrte n s n nT est dcroissance rapide si et seulement si la suite {s n } lest, cest - -dire : |s n | = O ( |n1| ) quand |n | pour tout exposant > 0.

Preuve : Dire que s = n s n nT est dcroissance rapide revient dire(175) que sa transforme de Fourier S () est une fonction C croissance lente. Puisque S () est priodique et que toute fonction priodique est croissance lente, cela revient encore dire que S () est C priodique. Daprs lexercice 266, il revient au mme de dire que s n est une suite dcroissance rapide.

6.7. COMPLMENT: CONVOLUTION DISCRTE

87

Proposition 255 [convolution discrte]: Le produit de convolution de deux distributions discrtes tempres r = n r n nT et s = n s n nT dont lune est dcroissance rapide est une distribution discrte tempre, de la forme r s = n (r s )n nT o (r s )n =
m

r m s n m =

r n m s m

La suite (r s )n est encore appel produit de convolution discrte des suites r n et s n . Ici (r s )n est toujours bien dnie : les deux sries m r m s n m et m r n m s m convergent absolument grce aux hypothses faites sur r et s , qui reviennent dire que lune des deux suites s n et r n est croissance lente et lautre est dcroissance rapide. Preuve : Supposons par exemple que r soit dcroissance rapide. Le produit de convolution r s est, par dnition(198) , la TF inverse du produit multiplicatif R ()S () de la distribution priodique S () par la fonction C priodique R (). Ce produit est une distribution priodique, donc r s est bien une distribution discrte de la forme r s = n (r s )n nT o les coefcients (r s )n sont donns par la formule : (r s )n = T ( 1 ) S ()R ()e 2i nT d . T Si S () est une fonction, lintgrale ci-dessus est une intgrale ordinaire. La suite r n tant dcroissance rapide, la srie R () = n r n e 2i nT converge absolument et uniformment sur R. Do : (r s )n = m r m T ( 1 ) S ()e 2i (n m )T d = m r m s n m . T Daprs la caractrisation de la proposition 234, il reste, pour conclure, montrer que si la relation (r s )n = m r m s n m est vraie pour S (), alors elle est vraie en remplaant S () par S (), cest dire s n par s n = T ( 1 ) S ()e 2i nT d = 2i nT s n . Or, par intgration par parties(232) , on trouve facilement : (r s )n = T T
1 S ()R (T ) T

()e 2i nT d (2i nT )T

s )n o r n = 2i nTr n sont les coefcients de Fourier de R () C , qui forment toujours une suite dcroissance rapide. Finalement (s r )n = m r m s n m et (r s )n = m r m s n m 2i nT m r m s n m = m r m (2i (m n )T )s n m = m r m s n m .

1 S ()R ()e (T )

2i nT

d = (s r )n 2i nT (r

1 S (T )

()R ()e 2i nT d =

Exercices
Exercice 256: Si s (t ) = n s n (t nT ) est une distribution T -discrte, une primitive est s (1) (t ) = n 0 et s (1) (t ) = 0 i =n +1 s i pour t ]nT , (n + i =1 s i pour t ]nT , (n + 1)T [, n 0 (1) 1)T [, n < 0. Cela revient crire s (t ) = s H ( t nT ) n n = s n H (nT t ) o n =1 H (t ) est la fonction chelon. Exercice 257: Les distributions discrtes forment un espace de distributions, qui est stable par multiplication par une fonction continue, et isomorphe lespace des suites (relles ou complexes) {s n }. Exercice 258: Une suite {s n } est croissance lente si et seulement si elle est tempre sn | au sens o la srie n =0 ||n | converge pour un exposant > 0. Exercice 259: La distribution v. p. cot t = vrie la relation sin t v. p. cot t = cos t ,
d dt

log | sin t | est impaire et -priodique ; elle

Exercice 260: Lensemble des distributions priodiques forme un espace de distributions, stable par drivation. La drivation au sens des distributions est un automorphisme de lespace des distributions priodiques de moyenne nulle.

88

CHAPITRE 6. SRIES DE FOURIER

Exercice 261 [groupe des priodes]: Considrant que les priodes peuvent tre valeurs ngatives (T est une priode si et seulement si T lest) : Si s (t ) est priodique et admet la fois la priode T et T , alors elle admet aussi les priodes T T . Lensemble des priodes admises par s forme donc un groupe, appel groupe des priodes G . Si ce groupe est rduit {0}, s (t ) nest pas priodique. Sil existe une plus petite priode T0 > 0, le groupe des priodes est discret : G = T0 Z. On dit que T0 est la priode fondamentale de s (t ) : les autres priodes en sont des multiples. Si s (t ) nadmet pas de priode fondamentale, alors G est dense dans R. Pour chaque priode T G on une reprsentation s = s 0 + f (m ) C m , o f = f T est continue et T priodique. Deux fonctions f T et f T (o T , T G ) diffrent dun polynme de degr m , qui doit tre born sur R, donc constant. Ainsi f (t ) admet toute priode G . Comme ce groupe est dense, tout nombre rel T R est limite dune suite de priodes Tk G , et comme f est continue, on a f (t ) = f (t Tk ) f (t T ) pour tout T R ; f (t ) est donc constante, ainsi que la distribution s (t ) (son groupe de priodes est G = R tout entier). En rsum, si s (t ) est priodique et non constante, elle admet toujours une priode fondamentale T0 > 0. Exercice 262: Si s (t ) est priodique de priode fondamentale T0 , sa moyenne est indpendante de la priode considre T = nT0 , car s (1) (t ) s (1) (t nT0 ) = n (s (1) (t ) s (1) (t T0 )). Exercice 263: Re-dmontrer les proprits des sries de Fourier (proposition 239) en utilisant la proposition 236 et les proprits de lintgrale sur une priode(232) . Etablir aussi les proprits correspondantes pour la TF temps-discret. Exercice 264: Lespace des distributions priodiques est isomorphe celui des suites croissance lente (utiliser les sries de Fourier). Exercice 265: Si S n est une suite croissance lente de coefcients de Fourier dune disSn 1 tribution s , on peut trouver un indice k assez grand pour que n k = O ( n 2 ) quand |n | .

k La distribution priodique dont les coefcients de Fourier sont c n = ( 2iT n ) S n pour n = 0 et c 0 = 0 est alors une fonction continue de moyenne nulle, et on a s = S 0 + f (k ) . On retrouve la reprsentation dj vue(234) des distributions priodiques.

Exercice 266 [caractrisation des fonctions C priodiques]: Une distribution priodique est une fonction C si et seulement si ses coefcients de Fourier S n forment une 1 suite dcroissance rapide : S n = O ( |n ) pour tout k . |k Exercice 267: Si c n 1 , non seulement la srie de Fourier converge absolument et uniformment, mais elle converge aussi dans L 2 , car c n 1 implique c n 0 pour |n | et c n 2 . Lexemple c n = 1 pour n = 0 montre que la rciproque est fausse. En g|n | nral, une srie de Fourier convergente dans L 2 ne converge pas uniformment. On montre nanmoins (Carleson, 1966) quelle converge presque partout. Exercice 268 [espace de Sobolev H 1 ]: On note H 1 lespace de distributions dont la drive est L 2 . Si f H 1 , cest la primitive dune fonction localement intgrable, donc cest une fonction continue : H 1 C 0 . Elle est caractrise sur ses coefcients de Fourier par la condition n n 2 |c n |2 < . 1 Par lingalit de Cauchy appliqu |n | et |nc n | pour n = 0, il en rsulte que n |c n | est nie, et donc la srie de Fourier dune fonction H 1 converge absolument et uniformment sur R. Ce rsultat gnralise le cas dj vu(241) dune fonction C 2 .

6.7. COMPLMENT: CONVOLUTION DISCRTE


Exercice 269 [ingalit de Poincar-Wirtinger]: Lingalit traduit, par la formule de Bessel-Parseval, sous la forme f
n =0 |c n | T 2 2 2 n =0 |nc n | 2

89
se (ingalit de

Poincar-Wirtinger ) valable pour toute fonction f H 1 de moyenne nulle. Exercice 270: Montrer que
n Z (k )

(t nT ) =

(2i )k T k +1

nn

k 2i nt /T

Exercice 271 [priodise dune distribution support ni]: Si s (t ) est une distribution support ni, on a, dans tout intervalle ni I : s (t ) = n Z s (t nT ), qui est une somme nie pour tout t I . (Par le principe de localisation(53) cela dtermine compltement s (t ).) Il suft en effet(74) de montrer le rsultat pour (t ) (qui est clair) et pour une fonction f (t ) intgrable support ni. Or f (t ) n Z (t nT ) est la drive de t nT f (t ) n Z H (t nT )) = n f (u ) d u qui est la somme nie n f (t nT ) dans tout intervalle ni. Exercice 272: La formule sommatoire de Poisson stend des fonctions f intgrables de TF intgrable. En effet, dans la formule de Poisson de la proposition 247, les deux sries convergent absolument (cf. exemple 241). Exercice 273: Lespace des distributions priodiques est une algbre pour le produit de convolution. Ce produit nest pas intgre : r s = 0 nimplique pas r = 0 ou s = 0. Par exemple, il y a une innit (non dnombrable !) de solutions de lquation s s = . Exercice 274: Si f est C priodique, alors daprs lexercice 266, le produit f aussi C pour toute distribution priodique s . s est

Exercice 275: La preuve de la proposition 255 montre que la transforme de Fourier temps discret(240) du produit de convolution discrte (r s )n (une des deux suites tant dcroissance rapide) est le produit multiplicatif R ()S () des deux transformes de Fourier temps discret.

Bibliographie
[1] Laurent Schwartz, Thorie des Distributions, Institut de Mathmatiques de lUniversit de Strasbourg, Collection Activits Scientiques et Industrielles, 1950 et 1951, Hermann, Paris, 1966. [2] Laurent Schwartz, Mthodes Mathmatiques pour les Sciences Physiques, Collection Enseignement des Sciences, Hermann, Paris, 1961, dernire dition 1998. [3] Charles Goulaouic et Yves Meyer, Analyse Fonctionnelle et Calcul Diffrentiel, Ecole Polytechnique, Dpartement de Mathmatiques, 1984. [4] Jaime Campos Ferreira, Introduction to the Theory of Distributions, [Approche de Sebastio e Silva], Pitman Monographs and Surveys in Pure and Applied Mathematics 87, Addison Wesley Longman, 1997.

Aller la page :

http://comelec.enst.fr/~rioul/cours/MDI220.html
pour consulter dautres rfrences, y compris des articles historiques de Laurent Schwartz.

90