L3 2013

Formation Interuniversitaire de Physique
Annee 2013-2014
Mathematiques pour physiciens
Jean-Bernard Zuber
Figure 1
6 mathematiciens qui ont laisse des contributions fondamentales dans le sujet de ce cours.
Pierre-Simon Laplace (1749 - 1827) et (Jean-Baptiste) Joseph Fourier (1768 - 1830) ;
Simeon Denis Poisson (1781 - 1840) et Augustin-Louis Cauchy (1789 - 1857) ;
Henri Lebesgue (1875 - 1941) et Laurent Schwartz (1915 - 2002)
J.-B. Z L3 FIP 2013 30 janvier 2014
Bibliographie
[1] Walter Appel, Mathematiques pour la physique et les physiciens !, H& K

Editions
[2] Claude Aslangul, Des mathematiques pour les sciences, Cours et Exercices, de Broeck, 2011
[3] Claude Aslangul, Des mathematiques pour les sciences, Exercices corriges, de Broeck, 2013
[4] Henri Cartan, Theorie elementaire des fonctions analytiques dune ou plusieurs variables
complexes, Hermann 1961
[5] Jacques Gapaillard, Integration pour la licence, Dunod 2002
[6] John Lamperti, Probability, Benjamin 1966
[7] W. Rudin, Analyse reelle et complexe, Masson 1977.
[8] Laurent Schwartz, Methodes mathematiques pour les sciences physiques, Hermann, 1965.
[9] Laurent Schwartz, Theorie des distributions, Hermann, 1966.
[10] Laurent Schwartz, Analyse I. Topologie Generale et Analyse Fonctionnelle, Hermann, 1991.
Parmi ces ouvrages, certains sont ecrits dans un esprit assez proche de celui du present
cours, en particulier [1], dont je me suis beaucoup inspire. Le lecteur trouvera dinnombrables
applications et exercices dans [2] et [3].
ii BIBLIOGRAPHIE
Plan du cours
1 Rappels, convergence, series, fonctions 1 cours
2 Integration 2 cours
3 Distributions 1
1
2
cours
4 Transformation de Fourier 1
1
2
cours
5 Probabilites 2
1
2
cours
6 Series entières. Fonctions dune variable complexe 1 cours
7 Fonctions holomorphes. Theorème de Cauchy 2
1
2
cours
8 Fonctions de variables complexes, applications 1
1
2
cours
9 Transformation de Laplace 1
1
2
cours
10 Aspects de la theorie des groupes 1 cours
Table des matières
1 Rappels, convergence, series, fonctions 1
1.1 Topologie de la droite reelle (rappels) . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Suites convergentes. Suites de Cauchy . . . . . . . . . . . . . . . . . . . . 1
1.1.2 Ouverts, fermes. Points daccumulation . . . . . . . . . . . . . . . . . . . 2
1.1.3 Les deux proprietes fondamentales de R . . . . . . . . . . . . . . . . . . 3
1.1.4 Complements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Bribes de topologie generale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Petit glossaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Espaces vectoriels normes . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.3 Suites convergentes, suites de Cauchy dans un espace norme . . . . . . . 6
1.3 Suites et series de fonctions. Convergence simple, uniforme, en norme. . . . . . . 7
1.3.1 Convergence dune suite de fonctions . . . . . . . . . . . . . . . . . . . . 7
1.3.2 Continuite dune limite de fonctions continues . . . . . . . . . . . . . . . 8
1.3.3 Derivabilite dune limite de fonctions derivables. . . . . . . . . . . . . . . 8
1.3.4 Integrabilite dune limite de fonctions integrables. . . . . . . . . . . . . . 9
1.3.5 Series. Series de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 Integration 17
2.1 Integrale de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.1 Rappels sur lintegrale de Riemann . . . . . . . . . . . . . . . . . . . . . 17
2.1.2 Integrales impropres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.1.3 Problèmes avec lintegrale de Riemann . . . . . . . . . . . . . . . . . . . 19
2.2 Integrale de Lebesgue. Mesure . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.1 Idee intuitive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.2 Mesure (Bribes de theorie de la) . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.3 Retour ` a lintegrale de Lebesgue . . . . . . . . . . . . . . . . . . . . . . . 24
2.2.4 Integrales de Lebesgue sur R
2
ou R
n
. . . . . . . . . . . . . . . . . . . . 26
iv TABLE DES MATI
`
ERES
2.2.5 Espaces L
p
et L
p
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2.6 Comparaison entre integrales de Riemann et de Lebesgue . . . . . . . . . 28
2.3 Integrales dependant dun paramètre . . . . . . . . . . . . . . . . . . . . . . . . 31
3 Distributions 35
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.1.1 Distributions de charges electriques. . . . . . . . . . . . . . . . . . . . . 35
3.1.2 Diusion coherente par un reseau. Peigne de Dirac . . . . . . . . . . . . 36
3.1.3 Choc elastique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.1.4 Autres exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.2 Denitions et premières proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.2.1 Espace des fonctions-tests. Denition des distributions. . . . . . . . . . . 39
3.3 Operations sur les distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.3.1 Translation, dilatation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.3.2 Derivation dune distribution . . . . . . . . . . . . . . . . . . . . . . . . 43
3.4 Distribution delta et distributions reliees . . . . . . . . . . . . . . . . . . . . . . 44
3.4.1 Fonction de Heaviside, fonction signe . . . . . . . . . . . . . . . . . . . . 44
3.4.2 Relations fonctionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.4.3 sur une courbe, une surface, . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.5 Produit de distributions. Convolution . . . . . . . . . . . . . . . . . . . . . . . . 48
3.6 Exemple : Fonction de Green et potentiel de Coulomb en dimension d. . . . . . 51
4 Transformation de Fourier 55
4.0 Preambule physique.

Equation des ondes . . . . . . . . . . . . . . . . . . . . . . 55
4.1 Series de Fourier. Rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.2 Transformation de Fourier dans L
1
. . . . . . . . . . . . . . . . . . . . . . . . . 58
4.2.1 Denition. Conventions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.2.2 Existence et premières proprietes . . . . . . . . . . . . . . . . . . . . . . 59
4.2.3 Autres proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.2.4 Transformation de Fourier dans L
2
. . . . . . . . . . . . . . . . . . . . . 63
4.2.5 Transformation de Fourier et convolution . . . . . . . . . . . . . . . . . . 65
4.2.6 Diraction par une fente, par un reseau . . . . . . . . . . . . . . . . . . . 66
4.3 Transformees de Fourier des distributions . . . . . . . . . . . . . . . . . . . . . . 66
5 Probabilites 71
5.1

Evenements. Espace des epreuves. . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.2 Probabilites et mesure. Vocabulaire . . . . . . . . . . . . . . . . . . . . . . . . . 72
TABLE DES MATI
`
ERES v
5.2.1 Axiomes de Kolmogorov . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.2.2 Probabilite conditionnelle.

Evenements independants . . . . . . . . . . . 73
5.3 Variables aleatoires. Distributions de v.a. . . . . . . . . . . . . . . . . . . . . . . 74
5.3.1 Denition dune variable aleatoire ; loi de probabilite . . . . . . . . . . . 74
5.3.2 Les quantites et fonctions importantes attachees ` a une v.a. . . . . . . . . 75
5.3.3 Plusieurs variables aleatoires . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.3.4 Changement de variable aleatoire . . . . . . . . . . . . . . . . . . . . . . 83
5.3.5 Fonction caracteristique . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.4 Distributions classiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.4.1 Distribution uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.4.2 Distribution binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.4.3 Distribution normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.4.4 Distribution de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.4.5 Quelques autres lois rencontrees dans les sciences naturelles . . . . . . . . 93
5.4.6 Limites de la loi binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.4.7 Quelques exemples concrets . . . . . . . . . . . . . . . . . . . . . . . . . 96
5.5 Theorèmes limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.5.1 Convergence presque s urement, convergence en probabilite, convergence
en loi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.5.2 Loi des grands nombres . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5.5.3 Theorème limite central . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.5.4 Marche aleatoire. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
6 Series entières. Fonctions analytiques 115
6.1 Series entières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.1.1 Series formelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.1.2 Rayon de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.1.3 Continuite, integrabilite et derivabilite de la somme . . . . . . . . . . . . 118
6.1.4 Vitesse de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
6.2 Les fonctions exp et log . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
6.3 Series de Taylor. Fonctions analytiques . . . . . . . . . . . . . . . . . . . . . . . 121
6.3.1 Series de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.3.2 Fonctions analytiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.3.3 Prolongement analytique . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
6.4 Lacunes de ce chapitre. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
6.4.1 Series divergentes. Series asymptotiques . . . . . . . . . . . . . . . . . . 125
vi TABLE DES MATI
`
ERES
6.4.2 Produits innis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
7 Fonctions holomorphes. Theorème de Cauchy 127
7.1 Fonctions holomorphes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
7.1.1 Rappel : fonctions dierentiables de R
n
dans R
p
. . . . . . . . . . . . . . 127
7.1.2 Holomorphie. Conditions de CauchyRiemann . . . . . . . . . . . . . . . 128
7.1.3 Derivations ,

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
7.2 Integrales sur des chemins . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
7.2.1 Chemins et lacets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
7.2.2 Integrales de formes sur des chemins. . . . . . . . . . . . . . . . . . . . . 133
7.2.3 Integration sur des chemins dans C . . . . . . . . . . . . . . . . . . . . . 137
7.3 Theorème de Cauchy et consequences . . . . . . . . . . . . . . . . . . . . . . . . 139
7.3.1 Theorème de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
7.3.2 Integrale de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
7.4 Autres proprietes des fonctions holomorphes . . . . . . . . . . . . . . . . . . . . 141
7.4.1 Fonctions holomorphes et fonctions analytiques . . . . . . . . . . . . . . 141
7.4.2 Fonctions entières. Principe du maximum . . . . . . . . . . . . . . . . . . 142
7.5 Zeros et singularites des fonctions de variable complexe . . . . . . . . . . . . . . 143
7.5.1 Zeros dune fonction holomorphe . . . . . . . . . . . . . . . . . . . . . . 143
7.5.2 Poles, singularites essentielles . . . . . . . . . . . . . . . . . . . . . . . . 144
7.5.3 Series de Laurent. Fonctions meromorphes. Residus . . . . . . . . . . . . 145
8 Fonctions de variables complexes, applications 153
8.1 Calcul dintegrales, de transformees de Fourier, de sommes etc . . . . . . . . . . 153
8.1.1 Calcul pratique des residus . . . . . . . . . . . . . . . . . . . . . . . . . . 153
8.1.2 Lemmes de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
8.1.3 Integrales sur laxe reel . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
8.1.4 Integrales de fractions rationnelles trigonometriques . . . . . . . . . . . . 155
8.1.5 Transformees de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
8.1.6 Sommes innies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
8.1.7 Integrales sur un arc. P oles sur laxe reel . . . . . . . . . . . . . . . . . . 157
8.2 Fonctions multivaluees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
8.2.1 Points de branchement, feuillets, surface de Riemann . . . . . . . . . . . 158
8.2.2 Integrales de Cauchy de fonctions multivaluees . . . . . . . . . . . . . . . 161
8.3 Fonctions harmoniques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
8.4 Methode du col . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
TABLE DES MATI
`
ERES vii
8.4.1 Methode du col . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
8.4.2 Commentaires et variantes . . . . . . . . . . . . . . . . . . . . . . . . . . 165
8.4.3 Fonction . Formule de Stirling . . . . . . . . . . . . . . . . . . . . . . . 166
9 Transformation de Laplace 169
9.1 Denitions et premières proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . 169
9.1.1 Abscisse de sommabilite et transformee de Laplace . . . . . . . . . . . . 169
9.1.2 Holomorphie de

f, etc . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
9.1.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
9.2 Inversion, derivation, convolution etc . . . . . . . . . . . . . . . . . . . . . . . . 173
9.2.1 Inversion de la transformation de Laplace . . . . . . . . . . . . . . . . . . 173
9.2.2 Translation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
9.2.3 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
9.2.4 Operations de derivation et integration . . . . . . . . . . . . . . . . . . . 175
9.2.5 Autres exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
9.3 Transformee de Laplace des distributions . . . . . . . . . . . . . . . . . . . . . . 176
9.4 Applications de la transformee de Laplace . . . . . . . . . . . . . . . . . . . . . 177
9.4.1

Equations dierentielles, problème de Cauchy . . . . . . . . . . . . . . . 177
9.4.2 Exemple : Circuit LRC . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
9.4.3

Equations lineaires aux derivees partielles . . . . . . . . . . . . . . . . . 181
10 Aspects de la theorie des groupes 183
10.1 Representations lineaires des groupes . . . . . . . . . . . . . . . . . . . . . . . . 184
10.1.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
10.1.2 Representations reductibles ou irreductibles . . . . . . . . . . . . . . . . 184
10.1.3 Lemme de Schur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
10.2 Groupes et algèbres de Lie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
10.2.1 Groupes R, U(1) et SO(3). Algèbre de Lie . . . . . . . . . . . . . . . . . 185
10.2.2 Groupe de rotation ` a deux dimensions SO(2) . . . . . . . . . . . . . . . . 186
10.2.3 Generateurs innitesimaux de SO(3) . . . . . . . . . . . . . . . . . . . . 188
10.3 Algèbre de Lie de SO(3) et ses representations . . . . . . . . . . . . . . . . . . . 190
10.3.1 Algèbre de Lie so(3) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
10.3.2 Representations de lalgèbre so(3) et representations du groupe SO(3)). . 192
Chapitre 1
Rappels, convergence, series, fonctions
1.1 Topologie de la droite reelle (rappels)
1.1.1 Suites convergentes. Suites de Cauchy
On rappelle les denitions dune suite convergente u
n
dans R :
u
n
R N tel que n > N [u
n
[ <
(cest-` a-dire tous les u
n
sont arbitrairement près de , dès que n est susamment grand) et
dune suite de Cauchy u
n
R :
, N tel que n, n
t
> N [u
n
u
n
[ < .
Toute suite convergente est de Cauchy (par linegalite triangulaire), mais la reciproque nest
pas evidente. Ainsi elle nest en general pas vraie dans Q : une suite de Cauchy de rationnels
ne converge pas toujours dans Q. Par exemple, la suite dans Q denie par la fraction continue
u
n
= 2 +
1
2 +
1
2 +
1
2 +
tronquee au n-ième denominateur, ou encore denie par la relation de recurrence u
0
= 2, u
n
=
2+
1
u
n1
, est une suite de Cauchy (le verier), mais ne converge pas dans Q (puisquelle converge
vers 1 +
2 / Q) : on dit que Q nest pas complet. Au contraire, toute suite de Cauchy de reels
converge dans R par construction, voir plus bas. R est complet : cest cette non-convergence de
certaines suites de Cauchy dans Q quon corrige par lintroduction des nombres reels.
30 janvier 2014 J.-B. Z L3 FIP 2013
2 Chap.1. Rappels, convergence, series, fonctions
Theorème 1.1 : (a) Toute suite de Cauchy est bornee : M n [u
n
[ < M.
(b) Toute suite de Cauchy u
n
admettant une sous-suite convergeant vers converge elle-meme
vers .
Exercice : le demontrer. (Noter que ces resultats sappliquent ` a des suites dans R ou Q).
Rappel : Denition de R par suites de Cauchy de rationnels equivalentes
Rappelons la construction des nombres reels par les classes dequivalence de suites de Cauchy de rationnels.
On considère lensemble des suites u de Cauchy (u
n
Q) et on dit que u v si u
n
v
n
0. On verie
aisement quil sagit bien dune relation dequivalence et on considère alors lensemble des classes dequivalence.
On montre quon peut le doter des lois daddition et de multiplication (par addition et multiplication des suites
et compatibilite avec la relation ), quil forme un corps, quil contient un sous-corps isomorphe à Q, etc. Au
nal lensemble R est deni comme lensemble de ces classes dequivalence. Une propriete utile est que deux
suites adjacentes (u
n
) et (v
n
), cest-à-dire lune croissante, lautre decroissante, avec [u
n
v
n
[ 0, convergent
vers un meme reel x.
1.1.2 Ouverts, fermes. Points daccumulation
Sur R on denit les intervalles
ouverts, ]a, b[ : x ]a, b[ a < x < b, avec eventuellement a = et/ou b = +
fermes, [a, b] : x [a, b] a x b, a et b nis.
Un sous-ensemble borne E de R est un ensemble ` a la fois majore et minore :
m, M x E m x M .
La borne superieure B (resp. inferieure b) dun ensemble borne E est par denition le plus petit
majorant (resp. le plus grand minorant) de E. Ce nombre B (resp. b) existe et est unique. (La
preuve, classique mais un peu longue, procède par dichotomie ; elle ne sera pas reproduite ici.)
Soit E R un sous-ensemble (de cardinal
1
) inni de R. Par denition, est un point
daccumulation de E sil existe des points de E arbitrairement proches de mais distincts de
, autrement dit
x E, x ,= tel que x ] , +[ . (1.1)
Le point daccumulation peut appartenir ou non à lensemble E.
Theorème 1.2 (BolzanoWeierstrass) : Tout ensemble E R inni borne possède au
moins un point daccumulation.
1. la denition de cardinal est rappelee à lAppendice A.1
1.1. Topologie de la droite reelle (rappels) 3
Ou de fa con equivalente, toute suite (u
n
) dans E admet une sous-suite convergeant dans E.
Esquisse de preuve : Par dichotomie : si E [b
1
, B
1
], on coupe [b
1
, B
1
] en deux moities, dont lune au
moins, notons-la [b
2
, B
2
], a une intersection innie avec E, et on itère ; cela denit une suite dintervalles
[b
n
, B
n
] embotes, dont les extremites forment deux suites adjacentes (cf ci-dessus) denissant un point . On
montre aisement que est point daccumulation de E.
On denit alors les sous-ensembles ouverts ou fermes de R :
Un sous-ensemble O R est ouvert si tout point de O est le centre dun intervalle ouvert
entièrement contenu dans O.
Un ensemble ferme F R est un ensemble qui contient tous ses points daccumulation. Un
intervalle ferme [a, b] est clairement un ensemble ferme.
Le complementaire dans R dun ouvert est un ferme (exercice : le verier).
Lunion dun nombre quelconque douverts est un ouvert. Lunion dun nombre ni de fermes
est un ferme. En revanche, une union denombrable
2
de fermes peut ne pas etre fermee, par
exemple
nN
[
1
n
, 1] =]0, 1].
Par passage au complementaire : lintersection dun nombre quelconque de fermes est un
ferme. Lintersection dun nombre ni douverts est un ouvert. En revanche, une intersection
denombrable douverts peut ne pas etre ouverte, par exemple
nN
]
1
n
,
1
n
[= 0 = [0, 0].
1.1.3 Les deux proprietes fondamentales de R
Theorème 1.3 : Q est dense dans R, cest-à-dire tout reel est limite de nombre rationnels.
Theorème 1.4 : R est complet : toute suite de Cauchy y converge.
Le theorème 1.3 decoule de la construction de R que nous avons rappelee, comme ensemble
des classes dequivalence de suites de Cauchy dans Q : pour tout reel x, il existe une suite de
Cauchy de rationnels qui converge vers x, ce qui etablit la propriete de densite.
Pour le theorème 1.4, soit une suite u
n
de Cauchy de nombres reels. Par le theorème 1.3,
pour tout u
p
, il existe un rationnel r
p
, [u
p
r
p
[ < . Une nouvelle fois, linegalite triangulaire
vient à la rescousse et nous dit que lon peut rendre [r
p
r
q
[ [r
p
u
p
[ +[u
p
u
q
[ +[u
q
r
q
[ < 3
pour p et q assez grands, donc r
n
est une suite de Cauchy de rationnels qui denit un nombre
reel x, r
n
converge vers x et [u
n
x[ [u
n
r
n
[ +[r
n
x[ < 2, donc limu
n
= x.
1.1.4 Complements
On considère aussi parfois la droite achevee R = R , , voir App. A.3.
Autres notations : R
+
= x R; x 0, R
= R0, etc.
2. Voir la denition 1.8 ci-dessous à lAppendice A.
1.2 Bribes de topologie generale
Letude de la topologie de la droite reelle nous amène tout naturellement ` a des generalisations
et à des denitions. Une introduction très complète ` a la topologie peut etre trouvee dans [10].
1.2.1 Petit glossaire
Espace topologique (e.t.) : ensemble E dote dune collection de sous-ensembles O
i
, dits ouverts,
avec la propriete que toute union douverts ou toute intersection dun nombre ni douverts est
un ouvert, et que E et sont des ouverts. Soit O lensemble des ouverts O
i
. Cest en fait le
couple (E, O) qui constitute le.t. Tout sous-ensemble F E est un e.t. (un sous-e.t. de E)
pour la topologie denie par lensemble douverts O
i
F (note abusivement O F).
Exemple E = R, intervalles ouverts ]a, b[ et leurs unions (topologie usuelle de R) ;
Ferme de E : complementaire dun ouvert dans E.
Exemple E = R, fermes [a, b] et leurs unions nies.
Interieur
o
A de A E : plus grand ouvert contenu dans A.
Adherence (ou fermeture)

A de A : plus petit ferme contenant A.
Exemple A = [a, b[,
o
A=]a, b[,

A = [a, b].
Voisinage dun point x : sous-ensemble de E contenant un ouvert contenant x. On notera 1(x)
lensemble des voisinages de x. Exemple E = R, tout V =]x
1
, x +
2
[ est un voisinage de x, mais aussi
tout [x
1
, x +
2
].
Un espace topologique est separe (ou de Hausdor) si deux points distincts possèdent deux
voisinages disjoints.
Base de voisinages B(x) dun point x : sous-ensemble de 1(x) tel que tout V 1(x) contient
un W B(x). (Intuitivement, une base B(x) est constituee de susamment de voisinages de
x.)
Exemple E = R, B(x) = ]x
1
n
, x +
1
n
[
nN
Continuite : Une fonction f dun e.t. E dans un e.t. F est continue si pour tout ouvert O F,
lensemble f
1
(O) = x E tel que f(x) O est ouvert dans E.
Exemple E = F = R, on retrouve bien la denition usuelle de la continuite en a :
[x a[ < (cest-à-dire x ]a , a + [) [f(x) f(a)[ < (cest-à-dire f(x) ]f(a) , f(a) + [).
Voir TD.
Densite : Un sous-ensemble X dun e.t. E est dense dans E si a E, tout voisinage de a a
une intersection non nulle avec X.
Exemple : Q est dense dans R : on peut approcher arbitrairement près tout reel par un rationnel.
Connexite : Un e.t. E est connexe sil ne peut pas etre ecrit comme union disjointe de deux
ouverts non vides. Ou de facon equivalente (verier !), si les seuls de ses sous-ensembles ` a la
1.2. Bribes de topologie generale 5
fois ouverts et fermes sont E et .
Espace compact E : espace topologique (separe) tel que de tout recouvrement de E par des
ouverts, on peut extraire un recouvrement ni.
Consequences : si E est compact,
toute suite innie de points de E admet un point daccumulation (generalisation du theorème
de BolzanoWeierstrass) ;
si f : E F est continue, f(E) est compact ;
toute fonction reelle continue sur E est bornee.
Si E est un sous-espace de R
n
, E compact E borne et ferme (theorème de HeineBorel).
Espace localement compact : espace topologique (separe) dont tout point a au moins un voisinage
compact.
Exemples : R nest pas compact mais localement compact ; Q nest ni compact ni localement compact. On
peut compactier R en lui ajoutant un point à linni ; et de meme, on peut compactier C (le plan complexe)
en lui ajoutant un point à linni, le transformant en la sphère de Riemann, voir plus bas au Chap. 7, 7.5.3.
1.2.2 Espaces vectoriels normes
Un espace vectoriel E sur R ou C (de dimension nie ou innie) est dit norme si on peut y
denir une norme.
Denition 1.1 : Norme :
|x| 0
|x| = 0 x = 0 (1.2)
|x| = [[ |x|
|x +y| |x| +|y| inegalite triangulaire
Dans la denition dune semi-norme, on rel ache le deuxième axiome, |x| = 0 nimplique pas
x = 0.
Distance. Dans un e.v. norme E, on peut denir la distance d(x, y) = |x y|.
Exemple : les espaces R
n
(ou C, considere comme un e.v. de dimension 2 sur les reels) sont
des espaces normes par la norme euclidienne |x| = (
n
i=1
[x
i
[
2
)
1
2
, o` u les x
i
sont les composantes
de x dans une base orthonormee. Dans C, cette norme est le module du nombre complexe.
Espaces de fonctions normes
Sur lespace C([a, b]) des fonctions continues sur [a, b] à valeurs dans R ou C, on peut denir
des normes
|f|
1
=
_
b
a
[f(x)[dx
|f|
2
=
__
b
a
[f(x)[
2
_
1
2
dx (1.3)
|f|
= sup
x[a,b]
[f(x)[
Sur lespace des fonctions continues par morceaux (avec un nombre ni de discontinuites sur
[a, b]), |f|
1
et |f|
2
sont des semi-normes, |f|
est une norme, pourquoi ?

1.2.3 Suites convergentes, suites de Cauchy dans un espace norme
Les denitions de suite convergente ou de Cauchy du 1.1.1 setendent ` a tout espace norme.
Soit E un espace vectoriel norme et une suite u
n
E.
Denition 1.2 : La suite (u
n
) admet une limite u E, ou converge vers la limite u, et on
ecrit lim
n
u
n
= u ou simplement u
n
u, si la dierence u
n
u tend vers zero en norme
quand n tend vers linni
> 0 N tel que n > N |u
n
u| < . (1.4)
Denition 1.3 : Une suite u
n
est dite suite de Cauchy (ou elle satisfait le critère de Cauchy)
si
N tel que n, n
t
> N |u
n
u
n
| < . (1.5)
Comme precedemment, toute suite convergente est de Cauchy. La reciproque nest en general
pas vraie comme on a vu, une suite de Cauchy peut ne pas converger.
Denition 1.4 : Un espace vectoriel norme E est un espace complet ssi toute suite de Cauchy
y converge. Un tel espace est appele espace de Banach.
Cette notion prend son importance dans letude des espaces de fonctions, comme on va le
voir. En dimension nie, un corollaire simple du Theorème 1.4 est que
C ou tout espace vectoriel R
n
de dimension nie sur R est complet.
Preuve : Il sut de prendre la norme euclidienne : la condition de Cauchy dans R
n
implique que chaque
composante est de Cauchy dans R donc converge.
1.3. Suites et series de fonctions. Convergence simple, uniforme, en norme. 7
1.3 Suites et series de fonctions. Convergence simple,
uniforme, en norme.
1.3.1 Convergence dune suite de fonctions
On considère lespace des fonctions ` a valeurs dans R ou dans C, denies sur un sous-ensemble
X de R ou C, et bornees. Cet espace est muni de la norme |f|
= sup
xX
[f(x)[, voir ci-dessus.
Soit f
n
une suite de telles fonctions (toutes denies sur le meme X).
On peut denir deux notions de convergence f
n
f.
Denition 1.5 : La suite f
n
converge simplement vers f si x X, f
n
(x) converge vers f(x).
> 0 x X N tel que n > N [f
n
(x) f(x)[ < (1.6)
et on note f
n
CV.S.
f.
Denition 1.6 : La suite f
n
converge uniformement vers f si
> 0 N tel que x X n > N [f
n
(x) f(x)[ < (1.7)
ou encore
> 0 N tel que n > N |f
n
f|
<
et on note f
n
CV.U.
f.
Bien comprendre que dans le cas de la CVU, le nombre N est independant de x, alors qua
priori, il en depend dans la CVS. La convergence uniforme implique la convergence simple (le
verier), mais la reciproque nest pas vraie.
La denition de convergence CVS, CVU setend sans diculte ` a des suites de fonctions ` a
valeurs dans tout espace norme : il sut de remplacer dans (1.6,1.7) la valeur absolue par la
norme | |.
Exemples et contre-exemples.
Exemples : 1. Soit la suite de fonctions f
n
(x) = x
n
denies sur lintervalle [0, 1]. Pour tout
x < 1, x
n
0, tandis que pour x = 1, la valeur limite est 1. La fonction limite f(x) est donc
la fonction discontinue qui vaut 0 sur [0, 1[ et 1 en 1 (cest la fonction partie entière E(x),
restreinte à lintervalle [0, 1]). La convergence des f
n
nest pas uniforme vers f(x) = E(x),
comme on va le montrer plus bas, par labsurde.
Mais il est instructif de le comprendre directement. Montrons que a xe, avec 0 a < 1, la suite
f
n
(x) = x
n
converge uniformement vers 0 sur lintervalle [0, a]. En eet
n > N x [0, a] [x
n
0[ = x
n
a
n
< a
N
,
par des inegalites triviales. Pour assurer que [x
n
0[ < , il sut de choisir N tel que a
N
< ou encore de facon
equivalente, N >
ln
ln a
. Ce choix de N assure bien la convergence uniforme des f
n
vers 0 dans lintervalle [0, a].
Mais noter que ce N augmente sans limite quand a sapproche de 1. En consequence, la convergence uniforme
ne peut etre maintenue sur tout lintervalle [0, 1[, meme ouvert à droite.
2. Soit la suite de fonctions f
n
(x) =
_
_
_
(n 1)x si x [0,
1
n
]
1 x si x [
1
n
, 1]
. Pour x = 0, f
n
(0) = 0 donc
limf
n
(0) = 0. Pour tout x ,= 0, il existe un n assez grand ` a partir duquel tous les f
n
(x) = 1x.
La suite converge donc simplement vers la fonction discontinue f(0) = 0; f(x) = 1 x, x ,= 0,
mais la convergence nest pas uniforme.
3. En revanche les fonctions f
n
(x) = nsin
x
n
convergent uniformement vers f(x) = x sur lin-
tervalle [0, 1].
En eet [f
n
(x) x[ = x nsin
x
n

x
3
6n
2
<
1
6n
2
quel que soit x [0, 1]. On peut demontrer linegalite
()
def
= sin +

3
6
0 utilisee dans cet argument par etude des fonctions derivees successives
t
() et
tt
(), ou encore par utilisation de la formule de Taylor-Lagrange.
4. Autres exemples importants, les fonctions f
n
(x)
def
=
n
p=0
x
p
p!
, et g
n
(x) := (1+
x
n
)
n
, convergent,
pour tout x reel, vers la fonction exponentielle e
x
. La convergence est-elle uniforme ?
1.3.2 Continuite dune limite de fonctions continues
Theorème 1.5 : Une suite uniformement convergente de fonctions continues denies dans un
domaine D de R ou C et à valeurs dans un espace norme E a pour limite une fonction continue.
Preuve. Prenons E = R pour simplier les notations. Soit f la limite uniforme dune suite de fonctions f
n
continues sur [a, b]. Montrons la continuite de f en tout c D. Par la convergence uniforme,
N tel que n > N x D [f
n
(x) f(x)[ <

3
.
Choisissons un tel n > N. La continuite de f
n
dit que
tel que x : [c x[ < [f
n
(x) f
n
(c)[ <

3
et linegalite triangulaire dit alors que
[f(x) f(c)[ [f(x) f
n
(x)[ +[f
n
(x) f
n
(c)[ +[f
n
(c) f(c)[ <

3
+

3
+

3
= , CQFD.
Voir ci-dessus deux exemples de suites non uniformement convergentes de fonctions conti-
nues dont la limite nest pas continue.
1.3.3 Derivabilite dune limite de fonctions derivables.
Soit une famille de fonctions f
n
denies dans un intervalle I de R ` a valeurs dans R ou C,
ce quon notera dans la suite f
n
: I R (ou C). On suppose les f
n
derivables.
Theorème 1.6 : Si les f
n
CV.S.
f et les f
t
n
CV.U.
g, alors f est derivable et f
t
= g.
Contre-exemple (voir [1] p19, 246) : f
n
(x) =
8
n
k=1
sin
2
nx
4n
2
1
dont on montre quelles convergent unifor-
mement vers f(x) = [ sinx[. Les f
t
n
ne convergent pas uniformement et la fonction f nest pas derivable en 0.
Remarque. Ces notions de convergence absolue et de continuite ou derivabilite associees ne
sont pas quun problème academique pour le physicien. En Mecanique Statistique, la fonction
de partition dun système à N degres de liberte Z =
C
exp E(C) est la somme de poids de
Boltzmann sur un nombre ^ de congurations, grand mais ni. Cette somme dexponentielles
est une fonction inniment dierentiable (et meme analytique, voir Chap. 6) du paramètre
(= 1/k
B
T, k
B
la constante de Boltzmann), donc de la temperature T. Mais dans la limite
thermodynamique ^ , la convergence nest en general pas uniforme, ce qui peut occa-
sionner lapparition de discontinuites ou de singularites associees à des transitions de phase.
Letude de ces singularites dans les phenomènes critiques est un chapitre important de la
physique contemporaine.
1.3.4 Integrabilite dune limite de fonctions integrables.
Theorème 1.7 : Soit une suite de fonctions f
n
denies et integrables (au sens de Riemann)
sur un meme compact K R, convergeant uniformement vers f sur K. Alors f est integrable
(au sens de Riemann) sur K et
lim
n
_
K
f
n
(x)dx =
_
K
f(x)dx (1.8)
Autrement dit, sous lhypothèse de convergence uniforme,integration et limite commutent.
On donnera une preuve de ce theorème au chapitre 2. Mais on peut amoindrir lhypothèse de
convergence uniforme (theorème de convergence dominee), voir Chap. 2.
1.3.5 Series. Series de fonctions
Le problème de la convergence dune serie numerique
u
k
, o` u u
k
R ou C, relève de la
discussion de la convergence des suites : on sinteresse ` a la convergence de la suite des sommes
partielles s
n
=
n
k=1
u
k
. On se rappelle que la convergence absolue est une condition susante
de convergence
[u
k
[ converge

k
u
k
converge. Cela setend à des suites dans un e.v.
norme complet :
|u
k
| converge
k
u
k
converge : on parle de convergence en norme (ou
convergence normale) CVN.
Preuve : on utilise linegalite triangulaire pour ecrire
CVN : s
n
=

n
1
|u
k
| converge s
n
est de Cauchy : pour n, n
t
assez grands

n
n
|u
k
| < |
n
u
k
|
n
|u
k
| < donc s
n
=
n
1
u
k
est de Cauchy donc converge dans lespace complet.
De meme pour des series de fonctions, on peut denir la CVS ou la CVU comme on la fait
au 1.3.1, et aussi une convergence normale CVN dans la norme | |
du sup. Soit une serie
f
k
de fonctions de X ( R ou C) dans un e.v. norme E.
Denition 1.7 : La serie
f
k
converge
simplement vers F si x X N tel que n > N |
n
k=1
f
k
(x) F(x)| <
uniformement vers F si N tel que x X n > N |
n
k=1
f
k
(x) F(x)| <
cest-` a-dire lim
n
|
n
k=1
f
k
F|
= 0
normalement si
|f
n
|
converge .
N.B. Ne pas confondre la norme | | (sans indice) de lespace norme E et la norme | |
de
lespace des fonctions dans E.
Theorème 1.8 : Toute serie normalement convergente à valeurs dans un e.v. norme complet
est uniformement convergente, donc simplement convergente.
Donc CVN CVU CVS. (Exercice : le verier)
On est alors en mesure dappliquer ` a la somme F(x) les theorèmes sur la continuite, la
derivabilite ou lintegrabilite vus plus haut.
On rencontre souvent en Physique deux types de series de fonctions : les series entières
a
k
x
k
et les series de Fourier
a
k
e
ikx
. On y reviendra plus bas aux Chapitres 6 et 4, respec-
tivement.
Appendix A. Notations et rappels
A.1. Notations sur les ensembles
Complementaire de A dans E :
E
A note aussi

A quand il ny a pas dambigute sur E.
Identites classiques :
E
(A B) =
E
A
E
B et
E
(A B) =
E
A
E
B;
distributivite A (B C) = (A B) (A C) et A (B C) = (A B) (A C).
Si B A, AB
def
=
A
B = x[x A, x / B. Plus generalement, si
A, B E, AB
def
= A
E
B =
A
(A B), voir gure ci-contre.
A
B
Exercice : si A, B, C E et la barre designant le complementaire dans E, montrer que
A(BC) = (A

B) (A C).
Ensemble des parties (= sous-ensembles) de E : P(E) = A[A E).
Fonction indicatrice
A
dun sous-ensemble A E : fonction E 0, 1
A
(x) =
_
_
_
1 si x A
0 si x EA
(A.1)
Exercice : demontrer que lensemble des points de discontinuite de
A
pour A E e.t. est la
frontière de A, soit

A
o
A.
Pour un ensemble E ni, on appelle card (E) (cardinal de E) le nombre delements de
E. Deux ensembles nis E et F sont en bijection ssi ils ont meme cardinal. Cette notion
setend ` a des ensembles innis, voir sous- suivant. Pour E ni, card (E) = n ni, montrer que
card (P(E)) = 2
n
(Indication : pour chaque A P(E) on code chaque element a de E par 1
ou 0 selon que a A ou non, autrement dit, A ensemble des
A
(a)[
aE
, qui est dans 0, 1
n
.
On a donc une bijection P(E) 0, 1
n
. )
A.2. Ensembles denombrables et non denombrables. Ensemble de
Cantor
Denition 1.8 : Un ensemble est denombrable sil est en bijection avec N.
Autrement dit on peut numeroter ses elements. Ou encore, dans lenumeration de ses elements,
on atteint tout element au bout dun nombre ni doperations. Exemples : N, bien s ur, est
denombrable ; Z lest aussi, il sut denumerer 0, 1, 1, 2, 2, 3, 3, . Qest aussi denombrable,
ce qui est moins evident. On ecrit tout rationnel positif sous la forme p/q, avec p et q premiers
entre eux. On enumère ces fractions positives selon les valeurs croissantes de p +q, (en sautant
toutes les paires o` u p et q ne sont pas premiers) 1/1, 1/2, 2/1, 1/3, 3/1, 4/1, 3/2, etc. Il est clair
que tout rationnel > 0 est atteint au bout dun nombre ni de pas. On recombine ensuite
Q
+
et Q
comme dans Z. Plus generalement, toute union nie densembles denombrables est
denombrable, par le meme type dargument.
On etend la notion de cardinal ` a un ensemble denombrable. Par denition, le cardinal de N (ou
de tout ensemble denombrable) est note
0
(aleph zero).
Denition 1.9 : Un nombre algebrique est un nombre (reel ou complexe) solution dune equation algebrique
à coecients entiers a
0
z
n
+a
1
z
n1
+ +a
n
= 0, o` u a
i
Z.
Exercice. Montrer que lensemble des nombres algebriques est denombrable.
Le point est que tout ensemble nest pas denombrable. Ainsi lensemble des reels nest
pas denombrable. Pour sen convaincre, on procède par labsurde (argument de Cantor). On
considère les reels de lintervalle [0, 1[, decrits par leur developpement decimal 0,abcd . On
suppose quon a trouve une enumeration de ces reels sous la forme
x
1
= 0,a
1
b
1
c
1

x
2
= 0,a
2
b
2
c
2
(A.2)
x
3
= 0,a
3
b
3
c
3

.
.
.
et on construit alors un nombre 0,
1
3
o` u
1
,= a
1
,
2
,= b
2
,
3
,= c
3
, . . .. Ce nombre
nest pas dans la liste (A.2) puisquil nest pas à la première ligne car
1
,= a
1
, ni ` a la deuxième
car
2
,= b
2
, ni à la troisième etc
3
. Il y a contradiction, et lensemble des reels de [0, 1[ nest pas
denombrable. On dit quil a la puissance du continu et on note c son cardinal. On montre que
tout intervalle de R non vide est en bijection avec P(N
) et on ecrit c = 2
0
, voir par exemple
[5], Appendice A.2.
Plus generalement, un theorème de Cantor arme que pour tout ensemble A, card (A) <
card (P(A)) avec une inegalite stricte. Ainsi P(R) a pour cardinal 2
c
> c, ce qui signie quil
ne peut etre en bijection avec R.
Ensemble de Cantor. Il sagit dun ensemble remarquable, qui nous fournira des exemples
et contre-exemples dans la suite. On le construit de fa con recursive à partir de lintervalle [0, 1].
`
A letape 1, on retranche le tiers median ]
1
3
,
2
3
[ ce qui laisse lunion de deux segments fermes
[0,
1
3
] [
2
3
, 1]. Puis ` a chaque etape on retranche le tiers median ouvert de chaque segment.
`
A la
limite on obtient lensemble de Cantor /.
Plus precisement soit loperation qui au segment I = [a, b] associe lunion des deux segments [a, a+
ba
3
]
[a + 2
ba
3
, b]. Plus generalement pour une union nie de segments disjoints
n
k=1
I
k
, on denit (
n
k=1
I
k
) =
n
k=1
(I
k
). Alors si /
n
=
n
([0, 1]), / =
n=0
/
n
.
Lensemble de Cantor nest pas vide (par exemple il contient tous les nombres
1
3
n
) et a les
proprietes remarquables suivantes (que nous admettrons pour la plupart) :
il est compact (puisque ferme et borne) et na que des points daccumulation (ensemble
parfait) ;
il est non denombrable, il a la puissance du continu (voir [5] Appendice A) ;
3. Il faut noter que dans la notation decimale, on identie les paires de nombres 0, ab c9999 avec c < 9
et 0, ab (c + 1). Verier que cela naecte pas largument de Cantor.
il est dinterieur vide et de mesure nulle : on denira plus precisement cette notion au
Chapitre 2, contentons-nous ici de noter que la somme des longueurs des segments ` a la n-ième
etape de construction de / vaut (
2
3
)
n
, donc tend vers zero quand n ;
les points de discontinuite de son indicatrice
|
forment lensemble / lui-meme ;
il a des proprietes dauto-similarite (fractal) : /
1
/
2

1
3
/
1
, etc.
Ces proprietes semblent contradictoires et cet ensemble est assez deroutant !
A.3. Bornes. Limites superieure et inferieure
On rappelle que R = R , (droite reelle achevee), qui est compact. Linteret de
cette compactication est clair :
Tout sous-ensemble de R possède une borne inferieure et une borne superieure.
Toute suite croissante (resp. decroissante) dans R converge dans R :
lim
n
u
n
= sup
n1
u
n
, resp. lim
n
u
n
= inf
n1
u
n
, . (A.3)
Denition 1.10 : On appelle limite superieure, resp. limite inferieure, dune suite (u
n
) delements
de R lelement de R
lim
n
u
n
= inf
k1
(sup
nk
u
n
) = lim
k
(sup
nk
u
n
) (A.4)
resp. lim
n
u
n
= sup
k1
(inf
nk
u
n
) = lim
k
(inf
nk
u
n
) . (A.5)
Ces limites superieure et inferieure existent dans R pour toute suite ! En eet la suite
(sup
nk
u
n
) est une suite en k decroissante, donc convergente dans R, on peut donc lui appliquer
(A.3), et sa limite, notee lim
n
u
n
est inf
k1
(sup
nk
u
n
), et vice versa pour la limite inferieure
lim
n
u
n
.
Une caracterisation utile de la limite superieure dune suite u
n
> 0 (pour linferieure, changer
les signes dinegalite) est la suivante :
= lim
n
u
n
nie si N tel que n > N u
n
< +
et pour une innite de n > N , u
n
> ; (A.6)
= si M > 0 il existe une innite de u
n
> M .
Cette notion nous sera utile en particulier dans letude de la convergence des series entières.
A.4. Fonctions numeriques continues
Fonctions numeriques = fonctions E R R.
toute fonction continue f : [a, b] R (ou encore de R R ` a support compact) est
bornee, m f(x) M, avec M = sup
x[a,b]
f(x) resp. m = inf
x[a,b]
f(x), et prend toutes les
valeurs entre m et M. (On rappelle que support = domaine o` u la fonction est non nulle).
toute fonction continue f : [a, b] R est majoree et minoree par des fonctions en escalier.
Rappel : une fonction en escalier est par denition une fonction constante par morceaux,
cest-` a-dire prenant une valeur constante sur des intervalles ]a
i
, b
i
[ ;
toute fonction continue f : [a, b] R est limite uniforme dune suite de fonctions en
escalier ;
toute fonction continue f : [a, b] R est limite uniforme dune suite de polynomes
(theorème de Weierstrass). . . .
Classes de continuite. Theorèmes de Taylor et al
Une fonction numerique E R R est dite de classe C
n
si toutes les derivees f
(k)
,
k = 1, , n existent sur E et sont continues.
Rappelons alors les dierentes formes du theorème de Taylor, qui dit que sous des hypothèses
adequates, une fonction est approximee par son developpement de Taylor
f(x) =
n
k=0
(x x
0
)
k
k!
f
(k)
(x
0
) +
(x x
0
)
n
n!
R
n
(x)
avec un reste R
n
qui peut prendre plusieurs formes :
TaylorYoung
n
(x), lim
xx
0
n
(x) = 0 : f(x) =
n
k=0
(x x
0
)
k
k!
f
(k)
(x
0
) +
(x x
0
)
n
n!

n
(x)
TaylorLagrange , a < < x : f(x) =
n
k=0
(x x
0
)
k
k!
f
(k)
(x
0
) +
(x x
0
)
n+1
(n + 1)!
f
(n+1)
()
Taylor avec reste integral f(x) =
n
k=0
(x x
0
)
k
k!
f
(k)
(x
0
) +
_
x
x
0
(x t)
n
n!
f
(n+1)
(t)dt
Hypothèses : Dans tous les cas, on suppose f n fois derivable sur un intervalle I, x
0
I,
donc f est (au moins) de classe C
n1
. Pour les deux dernières formes, on suppose en outre que
f est de classe C
n
sur I et que f
(n+1)
existe sur linterieur de I. Pour Taylor-Young, lexistence
de la n-ième derivee sut ` a assurer que f(x)
n
k=0
(xx
0
)
k
k!
f
(k)
(x
0
) = o((x x
0
)
n
), ce qui est
bien le resultat enonce. Noter que la forme dite de TaylorLagrange generalise la formule dite
des accroissements nis (qui correspond au cas n = 0).
Lectures complementaires
Louvrage de L. Schwartz [10] est une mine dinformations sur les questions danalyse et de
topologie.
Chapitre 2
Integration
2.1 Integrale de Riemann
2.1.1 Rappels sur lintegrale de Riemann
Pour une fonction denie et disons, pour linstant, continue sur un intervalle [a, b], on in-
troduit dabord une subdivision de lintervalle [a, b] en N intervalles I
k
= [x
k1
, x
k
], x
0
= a,
x
N
= b, dunion I
k
= [a, b], voir gure 2.1, on choisit un point
k
I
k
, et on construit la
somme de Riemann
(R)
=
N
k=1
(x
k
x
k1
)f(
k
) . (2.1)
Si quand N et quand le decoupage devient de plus en plus n : sup
k
(x
k
x
k1
) 0, la
somme
(R)
a une limite independante du choix des intervalles I
k
et des points
k
, cette limite
est appelee integrale de Riemann et notee
_
b
a
f(x)dx. Son interpretation est claire : on a coupe
laire sous la courbe de f en tranches verticales de plus en plus nes.
On demontre aisement que toute fonction en escalier sur [a, b] est integrable au sens de
Riemann; mais aussi toute fonction reglee (limite uniforme de fonctions en escalier de supports
contenus dans un meme compact K), ce qui inclut les fonctions continues ou les fonctions
monotones sur [a, b], etc ; ou plus generalement toute fonction pas trop discontinue en un
sens quon precisera plus bas au 2.2.6 o` u on donnera un critère (condition necessaire et
susante) dintegrabilite au sens de Riemann.
Integrale et primitive
Toute fonction F de derivee F
t
= f est appelee primitive de f. Le calcul integral fournit
une methode de calcul des primitives dune fonction donnee f. Pour toute fonction continue f
18 Chap.2. Integration
N!1
y
x x =a
0 1
!
k
x
k
x
k!1
x
x = b
N
x
Figure 2.1 Decoupage de laire dans lintegration de Riemann
sur un intervalle [a, b], la famille de ses primitives, egales à laddition dune constante près, est
denotee par lintegrale indenie
_
f(x)dx, et une primitive quelconque est de la forme
F(x) =
_
x
a
f(x
t
)dx
t
+C x [a, b], C constante arbitraire . (2.2)
Il en decoule que lintegrale entre a et b est donnee par la variation dune primitive quelconque
F :
_
b
a
f(x)dx = F(b) F(a) . (2.3)
2.1.2 Integrales impropres
On etend ensuite cette integrale de Riemann dun intervalle compact [a, b] à un intervalle
[a, b[ avec eventuellement b = . Lintegrale impropre
_
b
a
f(x)dx est par denition la limite,
si elle existe, de
_
c
a
f(x)dx quand c b
. De meme pour la borne inferieure

_
f(x)dx, etc.
Noter que
_
f(x)dx est deni par la limite double lima

b
_
b
a
f(x)dx avec a et b tendant
independamment vers et . Rappelons les notions de convergence simple (CVS) et de
convergence absolue (CVA) :
_
c
a
f(x)dx, resp
_
c
a
[f(x)[dx, converge quand c b
, la CVA
impliquant la CVS mais pas linverse ; on parle dintegrale semi-convergente si on a CVS mais
pas CVA. Exemple : verier (par integration par parties) que
_
1
0
dx
x
sin
1
x
est CVS mais pas
CVA.
2.2. Integrale de Lebesgue. Mesure 19
2.1.3 Problèmes avec lintegrale de Riemann
Certaines fonctions sont trop irregulières pour etre integrables au sens de Riemann.
Exemple : fonction 1
Q
qui vaut 0 sur les rationnels et 1 sur les irrationnels de RQ :
son integrale de Riemann entre 0 et 1 nest pas denie.
Il sut pour sen convaincre de prendre les
k
dans (2.1) soit tous rationnels, soit tous irrationnels. On
obtient
(R)
= 0 ou 1 selon le cas !
Lintegrale de la limite f dune suite de fonctions f
n
peut etre dierente de la limite
des integrales. Exemple : f
n
(x) = 2
n
si 2
n
< x < 2
(n1)
, 0 ailleurs :
_
dxf
n
(x) = 1, mais
f
n
f = 0. En eet Integration sur un compact et limite commutent si la convergence est
uniforme, mais pas toujours sinon, cf le Theorème 1.7 du Chap 1.
Considerons la (semi-)norme sur les fonctions denie par lintegrale de Riemann et lespace
L
1
des fonctions de norme | |
1
nie : une suite de Cauchy ny converge pas toujours, lespace
L
1
nest pas complet. Exemple : fonctions denies sur R
+
, |f|
1
=
_
0
[f(x)[dx; suite f
n
(x) =
e
(i
1
n
)x
, n = 1, 2, , |f
n
|
1
= n est nie, mais lim
n
f
n
= e
ix
est de norme innie.
2.2 Integrale de Lebesgue. Mesure
2.2.1 Idee intuitive
Considerons dabord une fonction f continue et positive. Au lieu de couper en tranches
verticales laire sous la courbe de f (Riemann), on eectue une decoupe horizontale : soient
0
<
1
< <
N
une subdivision des valeurs prises par une fonction positive f(x), et on
suppose connue une mesure (A
k
) de lensemble A
k
des x tels que
k1
f(x) <
k
. On denit
la somme de Lebesgue
N
() =
N1
k=0
(A
k
)
k1
. Si quand la subdivision devient de plus en
plus ne : N avec sup
k
(
k
k1
) 0, la somme
N
() a une limite independante de la
subdivision , cette limite denit lintegrale de Lebesgue notee
_
fd et la fonction f est dite
integrable (au sens de Lebesgue). Voir gure 2.2.
Il est sans doute bon à ce point de citer Lebesgue lui-meme
1
:
Les geomètres du XVII
ème
siècle consideraient lintegrale de f(x) le mot integrale netait pas
encore invente, mais peu importe comme la somme dune innite dindivisibles
2
dont chacun
etait lordonnee, positive ou negative, de f(x). Eh bien! nous avons tout simplement groupes
les indivisibles de grandeur comparable ; nous avons, comme on dit en algèbre, fait la reunion, la
reduction des termes semblables. On peut dire encore que, avec le procede de Riemann, on essayait
de sommer les indivisibles en les prenant dans lordre o` u ils etaient fournis par la variation de x,
1. Henri Lebesgue, Sur le developpement de la notion dintegrale, Conference à la Societe Mathematique,
Copenhague, 1926. uvres Scientiques, LEnseignement Mathematique, Genève 1972.
2. nous dirions aujourdhui . . . innitesimaux
!
!
0
1
!!"
!
!
!
#
$
!
%
Figure 2.2 Decoupage de laire dans lintegration de Lebesgue
on operait donc comme le ferait un commercant sans methode qui compterait pièces et billets
au hasard de lordre o` u ils lui tomberaient sous la main; tandis que nous operons comme le
commercant methodique qui dit :
jai (1) pièces de 1 couronne valant 1 (1),
jai (2) pièces de 2 couronnes valant 2 (2),
jai (5) pièces de 5 couronnes valant 5 (5),
etc, jai donc en tout
S = 1 (1) + 2 (2) + 5 (5) +
Les deux procedes conduiront, certes, le commercant au meme resultat parce que, si riche quil
soit, il na quun nombre ni de billets à compter ; mais pour nous, qui avons à additionner une
innite dindivisibles, la dierence entre les deux facons de faire est capitale.
Pour une fonction continue (qui peut etre approchee de fa con uniforme par des fonctions en
escalier) et en prenant la mesure sur les intervalles fermes ([, ]) = , on retrouve
lintegrale de Riemann comme on le veriera plus bas. Mais lidee permet de denir une
integration plus generale. Elle repose bien s ur sur une denition plus precise de la mesure
.
2.2.2 Mesure (Bribes de theorie de la)
Tribu de Borel
On se donne un sous-ensemble X de R, et on cherche à donner une mesure à des familles
de sous-ensembles de X. On impose ` a une telle famille T de sous-ensembles de X, appelee tribu
(ou -algèbre), de satisfaire les axiomes suivants :
X T , T .
Si A T , son complementaire dans X :

A =
X
A T .
Si A
n
est un ensemble ni ou denombrable delements de T ,
n
A
n
T .
Autrement dit, une tribu est une famille de sous-ensembles stable par passage au complementaire
et par union nie ou denombrable, et contenant .
Exercice : montrer que si A
n
T , (ensemble ni ou denombrable),
n
A
n
T .
Noter que la tribu est stable par les seules unions (nies ou) denombrables delements. Cela dière de la
propriete des ouverts dun e.t., pour lesquels toute union est un ouvert.
Dans la suite, en theorie de lintegration mais aussi en theorie des probabilites, on fera sou-
vent appel ` a la tribu borelienne B(R), qui est la plus petite tribu contenant O(R), lensemble des
ouverts ]a, b[ de R, y compris les cas o` u a = ou b = +. Par passage au complementaire,
on verie que tout [a, +[, ] , a] ou [a, b] appartient à B(R), qui contient donc tous les
ouverts, tous les fermes, et toutes les unions nies ou denombrables douverts et/ou de fermes
(et bien plus encore). On appelle borelien un element de B(R).
On peut denir de fa con analogue la tribu borelienne B(E) de tout espace topologique E, comme tribu
engendree par les ouverts de E, cest-à-dire la plus petite tribu contenant ces ouverts. Pour un sous-e.t. F E,
B(F) = B(E) F (avec à nouveau une notation un peu abusive).
Mesure de Lebesgue.
On suppose donnee une tribu T de X R.
Denition 2.1 : Une mesure sur (X, T ) est une fonction sur T ` a valeurs dans R
+ def
= R
+
telle que
() = 0 ;
pour toute famille nie ou denombrable (A
n
) delements de T deux ` a deux disjoints :
A
i
A
j
= si i ,= j, on a
(
n
A
n
) =
n
(A
n
) . (2.4)
La propriete (2.4) est appelee additivite denombrable (ou -additivite).
Exemples de mesures : Tout (X, T ) possède (au moins) une mesure , par exemple la mesure
triviale nulle ; ou encore la mesure (A) = card(A), nie ou innie ; ou bien encore, si a X, la
mesure de Dirac
a
telle que pour A T ,
a
(A) = 1 ou 0 selon que a A ou a / A. On parle
de masse de Dirac, une notion que nous retrouverons dans letude des distributions. On peut
nalement faire des combinaisons lineaires de telles masses de Dirac =
an
, avec une
suite (nie ou innie) de points a
n
X et des poids
n
R
+
.
Lexistence de mesure sur tout (X, T ) permet les denitions suivantes
Denition 2.2 : Un couple (X, T ) est dit mesurable ; le triplet (X, T , ) est dit mesure une
fois que lon a choisi une mesure .
Exercice : montrer que les axiomes precedents sur la mesure impliquent sa monotonicite :
si B C, (B) (C) (ecrire C = B (CB)) ; et sa sous-additivite : pour B, C T ,
(B C) (B) +(C), qui se generalise ` a tout ensemble ni ou denombrable
n
B
n
.
Les notions precedentes de tribu de Borel, de mesure et despace mesure setendent à des espaces topologiques
plus generaux que R.
En fait on va sinteresser surtout ` a une mesure sur R generalisant la mesure naturelle pour
un intervalle : ([a, b]) = [b a[. On peut demontrer le
Theorème 2.1 (Mesure de Lebesgue sur les boreliens de R) : Lensemble (R, B) admet
une unique mesure telle que a, b R, ([a, b]) = [b a[.
Il en decoule que pour un point a = [a, a], (a) = 0, puis par union denombrable, que
pour tout sous-ensemble Y ni ou denombrable de R, (Y ) = 0. En particulier
(N) = (Z) = (Q) = 0 . (2.5)
Un exemple densemble de mesure nulle mais non denombrable est oert par lensemble de
Cantor /, voir Appendice A du chap. 1.
Un ensemble A tel que (A) = 0 est dit negligeable ou de mesure nulle.
Remarques
1. La propriete enoncee dans le Theorème est non triviale. Il sagit de demontrer que la denition de setend des
intervalles à tout borelien. Lidee est de prendre le sup((K)) pour tout compact K A, ou encore linf((O))
pour tout ouvert O A, [5] et la diculte est de sassurer que la -additivite est bien satisfaite.
2. Il existe des sous-ensembles de R non mesurables pour la mesure de Lebesgue, en ce sens quaucune extension
de la mesure sur les intervalles ne peut etre denie sur eux sans incoherence. Leur construction est delicate et
pas explicite, faisant appel à laxiome du choix (Zermelo), voir quelques indications dans [1] (p. 62 et note p.
55).
3. Il peut arriver quun ensemble A B(R) soit de mesure nulle, mais quil possède des sous-ensembles B
non mesurables ! Ainsi si toute partie de lensemble de Cantor / etait mesurable, elle serait de mesure nulle
puisque contenue dans / de mesure nulle, donc serait dans la tribu de Borel B(R). Mais card(P(/)) = 2
c
>
c = card(B(R)) contredit P(/) B(R). Noter que cet argument nest pas constructif, il arme lexistence
de sous-ensembles non mesurables de /, mais sans les donner explicitement.
On peut donc souhaiter etendre la mesure de Lebesgue à une tribu de Lebesgue contenant la tribu de Borel,
de telle fa con que tout sous-ensemble dun ensemble de mesure nulle soit lui-meme mesurable et de mesure
nulle. Le lecteur curieux est renvoye à la litterature sur cette extension [5].
La mesure de Lebesgue denie sur les boreliens est ensuite etendue à une tribu plus large,
que nous ne preciserons pas davantage. Dans la suite la mesure consideree sera cette mesure de
Lebesgue, et ensemble mesurable signiera ensemble mesurable pour la mesure de Lebesgue.
Proprietes vraies presque partout
Denition 2.3 : Une proposition P(x), x X R, est vraie presque partout (vraie p.p.) si
elle est vraie pour tout x sauf sur un ensemble contenu dans un ensemble de mesure nulle.
On dit encore que P(x) est vraie pour presque tout x X.
Exemples. 1. La fonction partie entière, notee E(x) (ou x|),
E(x) = n si n x < n + 1 (2.6)
est derivable et de derivee nulle en tout point x / Z, elle est donc derivable p.p.
2. La fonction de Dirichlet D(x) =
Q
(x), egale ` a 1 sur Q, à 0 sur RQ, est nulle p.p.
Fonctions mesurables
Denition 2.4 : Une fonction f : R R est mesurable si B R mesurable, f
1
(B)
def
= x
R : f(x) B est mesurable.
On comparera cette denition à celle donnee plus haut dune fonction continue (limage inverse
de tout ouvert est un ouvert).
Un exemple utile de fonction mesurable est celui dune fonction constante, x R, f(x) = a :
pour tout B mesurable, ou bien a B et f
1
(B) = R, ou bien a / B et f
1
(B) = , et dans les
deux cas, f
1
(B) est mesurable. On montre que toute fonction f : R R qui est soit continue,
soit monotone, est mesurable ([5], p. 30) ; que si f : R R est mesurable, f
= sup(f, 0) le
sont, donc aussi [f[ = f
+
+f
.
La reciproque nest pas vraie : [f[ peut etre mesurable sans que f le soit. Soit A R mais A / B(R) (un ensemble
non mesurable comme ci-dessus un sous-ensemble de lensemble de Cantor /). Considerons la fonction f prenant
la valeur 1 selon que x appartient ou non ` a A. Puisque f
1
(1) = A nest pas mesurable, f ne lest pas. Mais
[f[ lest puisque cest une fonction constante.
Enoncons un fait dexperience : toutes les fonctions rencontrees en Physique sont mesurables.
Cela est d u à la grande diculte, mentionnee plus haut, de construire des ensembles non
mesurables, et donc ` a leur caractère très articiel, jamais realise en physique. Pour cette raison,
nous ne nous etendrons pas davantage sur cette notion.
Mesures sur R
n
Sur R
2
, on denit la tribu notee B(R) B(R) engendree par (cest-` a-dire la plus petite
tribu contenant) tous les produits A B de boreliens. Il existe sur cette tribu une mesure
heritee de la mesure sur les boreliens :
2
(A B) = (A)(B). Un resultat très utile est
linvariance de la mesure
2
non seulement par translation ou reexion, mais aussi par rotation
ou plus generalement par deplacement dans R
2
. Cela se generalise bien s ur à R
n
.
2.2.3 Retour à lintegrale de Lebesgue
On va reprendre et preciser la construction du 2.2.1. Dans ce qui suit, E est un espace mesure
quelconque (donc en fait on se donne (E, B, )). On peut penser de facon concrète ` a E = R ou
une partie de R, ou E = R
n
, ou E = C, avec la mesure de Lebesgue, comme on la vu.
a. Fonctions etagees
Denition 2.5 : Une fonction de E dans R est dite etagee sil existe un nombre ni densembles
mesurables deux à deux disjoints A
j
, j = 1, , n et des nombres
1
, ,
n
R tels que
f =
n
j=1
A
j
, (2.7)
o` u
A
est la fonction indicatrice de lensemble A, cf (A.1). Elle est donc mesurable et ne prend
quun ensemble ni de valeurs. Exemple : la fonction de Dirichlet D = 0
R
+ 1
Q
.
Un cas particulier de fonctions etagees est celui des fonctions en escalier. Rappelons la
denition dej` a donnee à lApp. A.4 :
Denition 2.6 : Une fonction de R dans R est dite en escalier si elle est constante par mor-
ceaux.
Cest donc une fonction etagee dont les ensembles A
j
sont des intervalles bornes.
Par exemple, la fonction de Dirichlet dej` a rencontree, D(x) =
Q
(x), est etagee mais pas
en escalier.
Un theorème important pour la construction de lintegrale de Lebesgue est le suivant
Theorème 2.2 : Soit E un espace mesure. Toute fonction mesurable f : E R
+
est limite
simple dune suite croissante (f
n
) de fonctions etagees positives.
Suite croissante signie que pour tout n, on a f
n
f
n+1
. Autrement dit,
Corollaire : Lensemble des fonctions etagees est dense dans lensemble des fonctions mesu-
rables pour la topologie de la convergence simple.
La topologie de la convergence simple sur lespace des applications dun e.t. X dans un e.t. Y est denie
comme suit : les ouverts en sont les unions quelconques dintersections nies de parties de la forme W(x, V ) o` u
V est un ouvert quelconque de Y , x un point quelconque de X et W(x, V ) lensemble des fonctions f : X Y
telles que f(x) V .
Preuve du theorème 2.2 ([7], p. 15) : Considerons dabord une fonction mesurable f positive ; pour tout
entier n 1 et tout entier i tel que 1 i n2
n
on denit
E
n,i
= f
1
__
i 1
2
n
,
i
2
n
__
et F
n
= f
1
([n, ])
et la fonction
f
n
=
n2
n
i=1
i 1
2
n

En,i
+n
Fn
.
f etant mesurable, les ensembles E
n,i
et F
n
sont mesurables, cf. Def. 2.4. Verier que les fonctions f
n
sont bien
etagees et que la suite f
n
est bien croissante. Soit x E. Si f(x) est ni, f
n
(x) f(x) 2
n
pour n assez
grand. Si f(x) est inni, f
n
(x) = n. Donc dans tous les cas, f
n
(x) f(x). Si f est bornee sur E, cette meme
construction fournit une suite uniformement convergente de fonctions etagees positives, puisque [f f
n
[ < 2
n
.
Pour une fonction mesurable non positive, on ecrit f = f
+
f
, avec f
0 mesurables, etc.
b. Integrale de Lebesgue
Pour une fonction etagee positive, f : E R
+
, donc satisfaisant (2.7) avec
i
0, lintegrale
de Lebesgue est denie comme le nombre positif
_
fd
def
=
n
i=1
i
(A
i
)
(avec la convention que si
i
= et (A
i
) = 0,
i
(A
i
) = 0 et vice versa). Pour sassurer de la
coherence de cette denition, il faut verier son independance par rapport au choix des A
i
dans
(2.7), ce que nous admettrons. On note de fa con equivalente
_
fd =
_
E
fd =
_
E
f(x)d(x) ou
meme =
_
E
f(x)dx. Donc pour la fonction de Dirichlet,
_
D d = (Q) = 0,
_
[0,1]
(1D)d = 1,
_
(1 D)d = +.
Soit une fonction f mesurable à valeurs positives ; on denit son integrale par
_
fd
def
= sup
__
g d [ g etagee et 0 g f
_
. (2.8)
Cest un nombre de R
+
, donc eventuellement inni !
Denition 2.7 : Si ce nombre est ni, f est dite integrable (ou sommable) au sens de Lebesgue.
Finalement pour une fonction mesurable de signe quelconque, on denit ses parties positive
et negative comme ci-dessus, f
+
= max (f, 0) et f
= max (f, 0), toutes deux positives (ou

nulles) et mesurables. On a f = f
+
f
, [f[ = f
+
+f
. Alors f est integrable (ou sommable)

si separement f
+
et f
le sont, autrement dit si [f[ est integrable, et on ecrit lintegrale de

Lebesgue de f comme
_
fd =
_
f
+
d
_
f
d. (2.9)
Retenons donc que par denition,
f est integrable de Lebesgue ssi [f[ lest.
Pour une fonction à valeurs dans C, on procède de meme : on separe partie reelle et partie imaginaire et f
est integrable si 1e f et mf le sont, avec
_
fd =
_
1e fd +i
_
mfd.
2.2.4 Integrales de Lebesgue sur R
2
ou R
n
On a mentionne plus haut la mesure produit
2
denie sur les boreliens de R
2
. Cette
mesure est invariante par translation, rotation ou plus generalement par deplacement. On peut
alors denir une integrale de Lebesgue pour les fonctions R
2
= R R R quon notera
_
R
2
f(x, y)d
2
(x, y). Ici encore, la fonction f est dite integrable (de Lebesgue) ssi [f[ lest. Pour
un changement de variable arbitraire x
j
y
i
dans R
n
, la formule de changement de
variable implique le jacobien J = det
_
y
i
(x)
x
j
_
, voir Appendice B.
Un resultat très utile est le Theorème de Fubini qui justie linterversion des integrations.
Theorème 2.3 (Fubini) : Pour A, B B(R), et f integrable sur A B
_
AB
d
2
(x, y) f(x, y) =
_
B
d(y)
__
A
d(x)f(x, y)
_
=
_
A
d(x)
__
B
d(y)f(x, y)
_
. (2.10)
Inversement le fait que les deux integrales du milieu et de droite ne soient pas egales signale
que f nest pas integrable. Voir des exemples en TD.
En fait lhypothèse que f est integrable decoule elle-meme de lhypothèse que lune ou
lautre des integrales iterees du milieu ou de droite dans (2.10) est absolument convergente
(theorème de Tonelli).
Autrement dit Fubini nous dit : si f est integrable, alors x
_
dyf(x, y) existe p.p. et est integrable (et
ibid avec x y) et on peut intervertir les integrations ; Tonelli nous dit : si soit
_
B
d(y)
__
A
d(x)[f(x, y)[
_
,
soit
_
A
d(x)
__
B
d(y)[f(x, y)[
_
est nie, alors f est integrable et le theorème de Fubini sapplique !
Mais cette condition nest pas toujours remplie, meme en physique, donc prudence ! Voir
des exemples en TD.
2.2.5 Espaces L
p
et L
p
a. Espaces L
p
Pour f une fonction mesurable E R (E designant toujours un espace mesure), on se
rappelle que
_
[f[d est deni dans R
+
. On denit pour p reel 1
|f|
p
def
=
__
[f[
p
d
_1
p
. (2.11)
Proposition 2.4 : | |
p
est une semi-norme. En particulier
|f|
p
= 0 f nulle p.p. . (2.12)
Preuve : cest evident dans le sens ; dans le sens , on procède par labsurde. La propriete |f|
p
= [[|f|
p
est evidente et linegalite triangulaire est laissee en exercice (inegalite de Minkowski, voir TD).
On note L
p
(E) lespace vectoriel des fonctions mesurables f telles que [f[
p
soit integrable.
(Bien noter quon prend la valeur absolue de f, ce qui evite des problèmes quand f a des valeurs
negatives et que p est non entier. . .) Si E est de mesure nie, on montre que 1 p q implique
que |f|
p
(E)
1
p
1
q
|f|
q
et donc que L
q
(E) L
p
(E) L
1
(E) (cf [5], p.75). Par exemple, pour
E =]0, 1[, x 1/
x L
1
(]0, 1[) mais / L
2
(]0, 1[). Noter que la condition E est de mesure
nie exclut E =]1, [ ou R. Ainsi x 1/x / L
1
(]1, [) mais L
2
(]1, [). Donc attention !
il nexiste pas de relation dinclusion entre les L
p
(R).
Exercice : trouver un exemple de fonction qui L
1
(R) mais / L
2
(R) ; qui / L
1
(R) mais
L
2
(R) ; qui L
1
(R) et L
2
(R) .
Il conviendrait alors detudier les questions de convergence : quand une suite f
n
L
p
convergeant p.p.
vers f a-t-elle une limite f L
p
? (theorème de Fatou) ; quelles sont les relations entre la convergence p.p.
et la convergence dans la semi-norme | |
p
(ou convergence en moyenne dordre p) ? ; lespace L
p
est-il
complet ? (theorème de RieszFischer), voir plus bas. Pour toutes ces questions, nous renvoyons à la litterature
mathematique, voir references en n de chapitre, et nous nous contenterons denoncer un resultat remarquable
et très utile, d u à Lebesgue :
Theorème 2.5 de Lebesgue de convergence dominee : Soit (f
n
) une suite de fonctions
mesurables de E, sous-ensemble mesurable de R, dans R, qui converge simplement p.p. vers une
fonction f. On suppose quil existe une fonction g integrable t.q. n 1, [f
n
[ g p.p. Alors f
est integrable, (f
n
) converge pour la semi-norme | |
1
vers f et lon a lim
_
E
f
n
d =
_
E
fd.
La preuve, un peu technique, peut etre trouvee par exemple dans [5] pp 94-95, qui en donne aussi une
version pour des fonctions f
n
et g L
p
.
Autrement dit, lexistence dune majoration des [f
n
[ (domination) par une meme fonction
g independamment de n sut ` a assurer lintegrabilite L
1
de la limite et legalite des integrales
` a la limite, sans supposer de convergence uniforme comme dans le Theorème 1.8.
Ce theorème a dimportantes consequences pratiques sur lintegration terme à terme dune
serie, la continuite et la derivabilite dune integrale par rapport ` a un paramètre, etc, voir ci-
dessous 2.3.
Exemple : ([1] p. 65). Soit f
n
(x) =
e
x
2
/n
2
cos
x
n
1+x
2
qui converge simplement vers f(x) = 1/(1+x
2
)
qui est integrable et est dominee par ce f pour tout x. On en conclut que lim
n
_
f
n
(x)dx =
_
f(x)dx =
_
Arctan x
= . Voir dautres exemples en TD.

b. Espaces L
p
On a vu que si deux fonctions integrables f et g sont egales p.p., leurs integrales sont egales.
On va maintenant identier deux fonctions egales p.p. et on est amene à la
Denition 2.8 : Espaces L
p
. Soit E un espace mesure. Lespace L
p
(E) est lespace vectoriel
des fonctions (à valeurs dans R ou C) denies ` a une egalite p.p. près et telles que f
p
soit
integrable.
Exemple. La fonction de Dirichlet
Q
(x) sidentie dans L
1
` a la fonction nulle.
On peut munir ces espaces de la norme |f|
p
def
=
_
[f[
p
d. Nous aurons à travailler tout
particulièrement avec les espaces L
1
et L
2
.
Theorème 2.6 (RieszFischer) : Lespace L
p
(E) des fonctions integrables (à valeurs dans
R ou C), muni de la norme |f|
p
= (
_
[f[
p
d)
1/p
est un e.v. norme complet. Lespace C([a, b]),
resp. C[R] des fonctions continues sur [a, b], resp. R, est dense dans L
1
([a, b]), resp. L
1
(R).
On a donc resolu une des dicultes de lintegrale de Riemann mentionnee au 2.1.3.
2.2.6 Comparaison entre integrales de Riemann et de Lebesgue
1. Proprietes communes aux integrales de Riemann et Lebesgue
Lintegrale de Lebesgue possède les proprietes suivantes :
(a) linearite : lensemble des fonctions integrables (sur un certain espace mesure E) est
un espace vectoriel et f
_
fd est une forme lineaire ;
(b) croissance : si f et g sont reelles et integrables et f g, alors
_
fd
_
gd;
(c) si f est integrable (` a valeurs dans R ou C),
_
fd

_
[f[d;
(d) domination : si g 0 est integrable et si f mesurable satisfait p.p. [f[ g, alors f
est integrable.
(e) additivite : si A et B sont mesurables et AB est ni ou de mesure nulle, et si f est
integrable sur A B,
_
AB
fd =
_
A
fd +
_
B
fd.
(f) si f et g sont egales p.p. sur A mesurable,
_
A
fd =
_
A
gd;
(g) si une fonction mesurable f positive sur A a une integrale sur A nulle, elle y est nulle
p.p.
Les proprietes (a), (b), (c) sont aussi satisfaites par lintegrale de Riemann; (e) generalise
_
b
a
f(x)dx =
_
c
a
f(x)dx +
_
b
c
f(x)dx si c ]a, b[. Les proprietes (f) et (g) generalisent au sens du
p.p des proprietes de lintegrale de Riemann. La propriete (d) (qui decoule du Theorème de
Lebesgue de convergence dominee) ne se transpose pas navement ` a lintegrale de Riemann
3
.
Une fois encore, un contre-exemple nous est fourni par la fonction f =
Q[0,1]
qui nest pas
integrable de Riemann mais satisfait [f[ <
[0,1]
et est integrable de Lebesgue.
2. Changement de variable
Soit f une fonction integrable sur B R. Soit une fonction de classe C
1
(contin ument
dierentiable) et de derivee non nulle sur A =
1
(B). Alors f est integrable sur A et
_
B
f(y)d(y) =
_
A
f((x))[
t
(x)[d(x) . (2.13)
Pour lintegrale de Riemann sur un intervalle image par monotone de [, ] on reconnat la
formule familière de changement de variable par y = (x)
_
()
()
f(y)dy =
_

f((x))
t
(x)dx .
La formule (2.13) setend aux integrales dans R
n
, voir App. B.
3. Integrabilite à la Riemann, à la Lebesgue
Un theorème d u à Lebesgue arme
Theorème 2.7 (Critère de Lebesgue) : Soit f une fonction denie et bornee sur [a, b] et
soit lensemble des points de discontinuite de f sur [a, b]. Alors f est integrable au sens de
Riemann si et seulement si est contenu dans un ensemble de mesure de Lebesgue nulle.
3. Il existe aussi des versions du theorème de convergence dominee pour lintegrale de Riemann, voir par
exemple, http://jf.burnol.free.fr/convergencedominee_v2.pdf
Exemples : la fonction indicatrice de lensemble de Cantor
|
est integrable de Riemann
bien que non reglee (def. 2.1.1), et bien quayant une innite non denombrable de points de
discontinuite ; celle de X = Q [0, 1] ne lest pas.
En eet on se rappelle (App A.1) que lensemble des points de discontinuite de
X
est la frontière de X, soit
=

X
o
X. Ici

X = [0, 1],
o
X= , () = 1.
Ce critère permet aussi de demontrer le theorème 1.7 du chapitre 1 sur la commutation de
lintegration et de la limite, sous lhypothèse de convergence uniforme.
En eet f
n
integrable de R.
n
est de mesure nulle ; la CVU implique que f est continue à tous les points
o` u les f
n
sont continues
n
n
est de mesure nulle f integrable de R.
On a vu que toute fonction reglee est integrable de Riemann; on montre quelle est aussi
integrable de Lebesgue, par application du theorème de Lebesgue de convergence dominee, (voir
[5] p 104), et leurs integrales sont egales. Plus generalement
Theorème 2.8 : Toute fonction R R qui est integrable au sens de Riemann lest aussi au
sens de Lebesgue et leurs integrales sont egales
_
R
f(x)dx =
_
R
fd.
Mais bien s ur, et cest linteret de lintegrale de Lebesgue, il existe des fonctions non
integrables au sens de Riemann mais integrables au sens de Lebesgue. Exemple, la fonction
de Dirichlet D =
Q[0,1]
.
Par ailleurs, la condition R R du Theorème precedent exclut le cas des integrales im-
propres de fonctions sur [a, b[, avec b ni ou inni, cf ci-dessus 2.1.2. Il faut donc reprendre
lanalyse dans ce cas-l` a.
Pour une fonction f : [a, b[R, on note f
son prolongement ` a R[a, b[ par 0. Par denition

de lintegrale de Lebesgue, f
est integrable de Lebesgue ssi

_
b
a
fdx est absolument convergente.
Par consequent les integrales semi-convergentes, telle
_
1
dx
x
sin x, ne peuvent etre in-
terpretees comme integrales de Lebesgue.
Remarque. Lintegrale fonction de sa borne superieure.
Comme on la rappele plus haut, pour lintegrale de Riemann, integration et derivation sont
des operations inverses lune de lautre : si f est continue donc integrable au sens de Riemann
sur [a, b], pour tout x ]a, b[ F(x) :=
_
x
a
f(x
t
)dx
t
est derivable et F
t
(x) = f(x). De plus
_
b
a
f(x
t
)dx
t
= F(b) F(a). Pour lintegrale de Lebesgue, cela nest plus toujours le cas : on
verra plus bas, au Chap. 5, le cas de la fonction de Cantor F telle que F(1) F(0) = 1 mais
dont la derivee est denie et nulle p.p. Clairement on ne peut avoir F(1) F(0) =
_
1
0
F
t
(x)dx.
Dune manière generale, si f est integrable de Lebesgue, lintegrale de Lebesgue
_
x
a
f(x
t
)dx
t
est
derivable avec pour derivee f(x) sauf sur un ensemble de mesure nulle.
2.3. Integrales dependant dun paramètre 31
2.3 Integrales dependant dun paramètre
On considère une fonction de deux variables reelles f : R [a, b] R (si cest C, il
sut de separer partie reelle et partie imaginaire), on suppose x f(x, t) mesurable pour tout
t [a, b], et on sinteresse ` a la fonction denie par lintegrale
(t) =
_
R
dx f(x, t) t [a, b] (2.14)
et à ses proprietes de continuite, de derivabilite et dintegrabilite etc.
Theorème 2.9 : Pour t
0
[a, b], si pour presque tout x R, t f(x, t) est continue en t
0
,
et sil existe une fonction g : R R
+
, integrable et dominant [f[ dans un voisinage 1 de t
0
[f(x, t)[ g(x) p.p. en x R
alors t (t) est continue en t
0
.
La preuve repose sur le theorème de convergence dominee de Lebesgue, ([1], p 66).
Avec les memes notations
Theorème 2.10 : Si dans un voisinage de t
0
la fonction x f(x, t) est integrable et la
fonction t f(x, t) est derivable pour presque tout x R et que la derivee est dominee
f
t
(x, t)
g(x) t 1 et p.p. en x R,
avec g integrable, alors la fonction t (t) est derivable en t
0
et
d
dt
_
R
f(x, t)dx
t=t
0
=
_
R
f
t
(x, t
0
)dx , (2.15)
autrement dit, on peut deriver sous le signe somme.
Il sagit là dun resultat important en pratique en physique, o` u on est souvent amene ` a
deriver sous le signe somme. Il importe donc de connatre les conditions qui justient cette
operation.
En ce qui concerne lintegrabilite de (t), on a vu plus haut le Theorème de Fubini.
Dans le meme esprit, quand peut-on integrer terme à terme une serie de fonctions ? Un theorème donne une
condition susante
Theorème 2.11 (B. Levi) : Si une suite de fonctions f
n
de L
1
(R) est telle que
n=1
_
R
[f
n
(x)[dx < +,
alors la serie
f
n
converge absolument p.p., sa somme f est integrable et
_
fdx =
_
f
n
dx.
Exemples, contrexemples
a) Considerons la fonction f : f(x, 0) = 0 et si t ,= 0, f(x, t) =
1
2
exp
_
1
2
(x
1
t
)
2
. La
fonction t f(x, t) est continue pour tout x R. Pour t ,= 0, la fonction x f(x, t) est une
gaussienne dintegrale (t) = 1. Mais pour t = 0, f = 0 a une integrale nulle. La fonction est
discontinue en t = 0. Dans ce cas, on na pas de fonction g dominante.
b) Considerons la fonction (t) =
_
0
dx
cos(xt)
1+x
2
, dont on montrera (Chap. 8, 8.1.5) quelle
vaut (t) =

2
e
[t[
, et donc quelle est continue mais non derivable en t = 0. Voir TD2.
Appendice B. Changements de variables dans une integrale
sur un domaine de R
n
. Jacobien
Nous admettrons les resultats suivants, qui constituent une generalisation ` a R
n
du resultat
bien connu (2.13) sur les fonctions R R.
Soient et
t
deux ouverts de R
n
et une application bijective et contin ument dierentiable
(= de classe C
1
) de sur
t
(x
1
, x
2
, , x
n
) (y
1
, y
2
, , y
n
) = (x
1
, , x
n
) . (B.1)
Denition 2.9 : On appelle matrice jacobienne la matrice des derivees partielles

D(y
1
, y
2
, , y
n
)
D(x
1
, x
2
, , x
n
)
def
=
_
y
i
x
j
_
1i,jn
, (B.2)
et on appelle Jacobien le determinant de la matrice jacobienne
J
= det
. (B.3)
Si ce jacobien J
ne sannule pas sur , la fonction inverse

1
:
t
est aussi contin ument
dierentiable sur
t
. On appelle un tel un dieomorphisme de .
Avec ces notations, on a le
Theorème 2.12 (changement de variables) : Supposons que le jacobien J
ne sannule
pas sur . Soit f une fonction
t
R
p
. Alors
f integrable sur
t
f integrable sur
et
_
f(y)d
n
y =
_
(f )(x)[J
(x)[d
n
x .
2.3. Integrales dependant dun paramètre 33
Cela sapplique en particulier aux changements de coordonnees rectangulaires polaires
dans R
2
ou cylindriques ou spheriques dans lespace R
3
.
Coordonnees polaires dans R
2
(x = r cos , y = r sin ), r 0, 0 < 2 dx dy = rdr d (B.4)
Coordonnees cylindriques dans R
3
(x = r cos , y = r sin , z), r 0, 0 < 2 dx dy dz = rdr dz d (B.5)
Coordonnees spheriques dans R
3
(x = r cos sin , y = r sin sin , z = cos ) , r 0, 0 < 2, 0 ,
dx dy dz = r
2
dr sin d d. (B.6)
Exercice : ecrire les coordonnees spheriques et leur jacobien dans R
n
, n arbitraire.
Voir Appel [1], et pour plus de precisions mathematiques, Gapaillard [5] et Rudin, [7].
Chapitre 3
Distributions
3.1 Introduction
Le physicien rencontre frequemment des situations o` u les fonctions regulières continues,
une fois, deux fois . . . dierentiables de lanalyse classique savèrent insusantes. Ce sont en
general des limites singulières de problèmes bien denis, voir ci-dessous des exemples, et le
physicien a donc à sa disposition une regularisation naturelle de la singularite, fournie par le
problème etudie avant den prendre la limite. Cette regularisation nest pas toujours evidente
dans une formulation mathematique generale. Cela va nous amener à introduire des objets
mathematiques nouveaux, les fonctions generalisees ou distributions.
Ces concepts ont ete intuites par le physicien P.A.M. Dirac et developpes par les mathemati-
ciens Sergei Sobolev et Laurent Schwartz, dans les annees 1935-1945.
Commencons par presenter quelques problèmes physiques o` u se rencontrent ces problèmes.
Il sagit en general didealisations de situations bien denies : limite de charge electrique ponc-
tuelle, de reseau diuseur inniment etendu, de choc inniment bref avec changement instantane
de la vitesse, etc.
3.1.1 Distributions de charges electriques.
On considère le potentiel cree en r R
3
par une charge electrique q isolee et localisee en r
0
V
0
(r) =
1
4
0
q
|r r
0
|
(3.1)
et on le compare au potentiel cree par une distribution continue de charges, de densite (r),
i.e. telle que la charge contenue dans un petit volume d
3
r autour de r est (r)d
3
r
V (r) =
1
4
0
_
d
3
r
t
(r
t
)
|r r
t
|
. (3.2)
36 Chap.3. Distributions
Comment passer de (3.2) à (3.1) quand la charge est localisee en le seul point r
0
? Il faut imaginer
que la fonction (r) a un support de plus en plus restreint quand un paramètre , par exemple
le diamètre de ce support, tend vers zero, et est telle que lim
0
_
d
3
r
t
(r
t
)(r
t
) = q(r
0
) pour
toute fonction pas trop singulière comme 1 ou comme 1/|r r
t
|. A la limite, devrait
donc etre nulle presque partout. On voit quau sens de lintegrale de Lebesgue du chapitre 2,
son integrale devrait alors etre nulle, alors quon attend que cette integrale vaille q. Cette limite
de ne peut donc pas sassimiler ` a une fonction. On ecrira lim
0
(r
t
) = q(r
t
r
0
), et , la
distribution delta de Dirac, nulle p.p. et dintegrale egale ` a 1, nous ore un premier exemple
de distribution.
3.1.2 Diusion coherente par un reseau. Peigne de Dirac
Notre deuxième exemple concerne la diusion dune onde electromagnetique, supposee monochromatique de
vecteur donde k et de pulsation = 2, (avec [k[ = /c), incidente selon un angle sur un reseau suppose ici
unidimensionnel et constitue de 2L+1 centres diuseurs, espaces dune longueur a. Un calcul classique montre
que londe diusee dans la direction a une amplitude multipliee par
L
=L
e
ik
=
e
i(L+1)k
e
iLk
e
ik
1
=
sin(2L + 1)k
2
sink
2
(3.3)
o` u = a(sin sin) est la dierence de chemins optiques entre deux rayons lumineux incidents sur des
centres adjacents, voir Fig. 3.1.
0 !!" !"
! " sin
(b)
"
" " sin
!
! " sin
" " sin
(a)
(c)
"
!
Figure 3.1 (a) Diusion par un reseau ni fait de 2L + 1 centres diuseurs. (b-c) Dierence de
chemin optique entre deux rayons lumineux adjacents observes en transmission (b) ou en reexion (c).
Dans la limite o` u le nombre 2L + 1 de diuseurs tend vers linni, le facteur (3.3) apparaissant dans
lamplitude devient de plus en plus pique et grand au voisinage de toute valeur 2K de x, cf Fig 3.2. La limite
(dans un sens qui devra etre precise) est donc innie en tout point 2K, nulle ailleurs. On notera 2
P
(x) cette
limite, o` u lindice P rappelle sa nature periodique, de periode 2,
P
(x)
?
=
1
2
=
e
ix
.
3.1. Introduction 37
-3 -2 -1 1 2 3
-0.4
-0.2
0.2
0.4
0.6
0.8
1
-3 -2 -1 1 2 3
-0.4
-0.2
0.2
0.4
0.6
0.8
1
Figure 3.2 La fonction sin(2L+1)
x
2
/[(2L+1) sin
x
2
] entre et pour deux valeurs de L = 10 et
L = 50. On voit que la fonction nest dordre 1 que dans un intervalle [x[ O(
1
L
) autour de chaque
multiple de 2.
Noter que son integrale vaut 1 sur tout intervalle de longueur 2 (on intervertit hardiment integration et
sommation innie, il faudrait revenir à la somme de L à L)
_

P
(x)dx =
1
2
_

=
e
ix
dx =
0
= 1 , (3.4)
et on peut donc ecrire toujours de facon très heuristique
P
comme une superposition lineaire de distributions
de Dirac localisees aux multiples de 2
P
(x) =
K=
(x 2K) .
On donne pour cela à cette fonction generalisee, dont on a tente de dessiner le graphe à la gure 3.3, le nom de
peigne de Dirac, et on remplace souvent la notation
P
par celle, plus suggestive, de X (la lettre cyrillique
cha). On y reviendra plus bas, equ. (3.7).
! " # # "
x/2
Figure 3.3 Le peigne de Dirac
3.1.3 Choc elastique
Une balle rebondit elastiquement sur un obstacle. Sa vitesse avant le choc est v
0
, elle est v
0
après (hy-
pothèse de choc elastique, sans perte denergie cinetique). Supposons pour simplier que le prol de vitesse
pendant lintervalle t du choc est lineaire, voir gure 3.4. Par la loi de Newton, la force à laquelle la balle
est soumise est F = m v = mv/t, donc F = 2mv
0
/t. La variation de la quantite de mouvement,
21
p = p
2
p
1
= 2mv
0
= Ft est independante de t. Dans le cas limite o` u t 0, la force F est mal
denie, mais son integrale sur tout intervalle de temps [t
1
, t
2
] qui mesure cette variation de la quantite de mouve-
ment
21
p = p
2
p
1
=
_
t2
t1
dt F(t) reste, elle, bien denie. En particulier, pour tout ,= 0,
_
dt F(t) = 2mv
0
.
`
A nouveau lanalyse usuelle faisant appel à des fonctions ordinaires ne peut rendre compte de ce F(t).
t
v
t
v
!t
Figure 3.4 (a) prol de vitesse lors dun choc elastique ; (b) limite dun choc instantane
3.1.4 Autres exemples
On rencontrera dautres exemples en mecanique quantique, en physique statistique, puis par la suite, en
theorie quantique des champs.
3.2 Denitions et premières proprietes
Lidee est de denir des objets dont lintegrale avec des fonctions susamment regulières
est bien denie. Plut ot que de denir une fonction f par sa valeur en chaque point, on veut
en donner la moyenne locale obtenue par integration avec une fonction-test de support suf-
samment concentre. Ainsi dans les exemples precedents, la densite de charge peut etre un
objet singulier ` a la limite ponctuelle, mais la charge totale est bien denie ; la force dans un
choc instantane est mal denie, mais son integrale sur le temps de la collision, cest-` a-dire la
variation de quantite de mouvement, est bien denie, etc. Pour donner un sens plus precis ` a
cette idee, il faut dire avec quelles fonctions f, quelles fonctions-tests, on va travailler.
Remarque : Lintegration dune fonction est une operation lineaire : si est une fonction
de R
n
dans C dune classe T ` a preciser, et f une fonction telle que f(x)(x) soit integrable,
(fonction localement integrable, voir plus bas), lapplication
_
R
n
d
n
xf(x)(x) est une
forme lineaire, cest-` a-dire une application lineaire de T dans C. On va exploiter cette remarque
pour denir les distributions comme formes lineaires sur des espaces de fonctions bien choisis.
3.2. Denitions et premières proprietes 39
3.2.1 Espace des fonctions-tests. Denition des distributions.
Denition 3.1 : T(R
n
) (en general on ecrira plus simplement T) est lespace des fonctions
lisses, cest-à-dire des fonctions de R
n
dans C de classe C
(inniment dierentiables), et de
support borne.
Un exemple standard sur R est fourni par la fonction de support (a, b) :
(x) =
_
_
_
c exp
1
(xa)(xb)
si a < x < b
0 sinon ,
(3.5)
voir gure 3.5.
0.5 0.5 1.0 1.5
0.005
0.010
0.015
Figure 3.5 La fonction (3.5) pour a = 0, b = 1, c = 1
Denition 3.2 : Une distribution est une forme lineaire continue sur T. Lespace des distri-
butions est note T
t
, cest le dual de T.
Si T T
t
est une distribution, on notera T, ) la forme lineaire T().
Mais quentend-on par forme lineaire (ou fonctionnelle) continue ?
Denition 3.3 : Une suite de fonctions-tests
n
T converge dans T vers T si les
supports des
n
sont contenus dans un meme ensemble borne independant de n et si toutes les
derivees partielles des
n
convergent uniformement vers celles de ,
(p)
n
CVU

(p)
.
Denition 3.4 : Une forme lineaire (ou fonctionnelle) sur T est continue ssi pour toute
suite de fonctions-tests
n
T convergeant dans T vers T, T,
n
) T, ) .
Ce point complète la denition des distributions. Retenir quune distribution doit etre une
fonctionnelle lineaire et continue. Ce dernier point est souvent le plus delicat à verier.
Commentaire sur le choix de lespace T. Pourquoi ce choix, qui semble assez restrictif ? Noter
que plus on restreint la classe des fonctions-tests, plus grand sera lespace des distributions
denies sur ces fonctions
1
. Le fait que les fonctions-tests soient de classe C
nest pas très

restrictif, toute fonction continue ` a support borne etant limite uniforme de telles fonctions
2
;
le fait quelles soient de support borne sera leve plus tard : on considerera au Chap. 4 lespace o
des fonctions-tests lisses (cest-` a-dire de classe C
) et ` a decroissance rapide ainsi que toutes

leurs derivees (o pour Schwartz), et lespace dual o
t
qui en resultera sera plus petit que T
t
.
Distributions regulières
Denition 3.5 : Une fonction mesurable f de R
n
dans C est localement integrable si pour
tout compact K R
n
, la fonction f
K
est integrable, autrement dit
_
K
f(x)dx existe. On
note L
1
loc
(R
n
) lensemble des fonctions localement integrables sur R
n
.
Si la propriete dintegrabilite est vraie sur tout R
n
, la fonction est integrable. Par exemple
la fonction 1/
x, ou la fonction constante 1, sont localement integrables sur R mais pas

integrables. La fonction 1/x nest pas localement integrable. Toute fonction de L
p
(R
n
), p 1,
est localement integrable.
Toute fonction localement integrable denit une distribution par integration :
Theorème 3.1 : Si f est localement integrable, elle denit une distribution, notee egalement
f, par
T f, ) =
_

f(x)(x)dx .
Cette distribution est appelee la distribution regulière associee ` a la fonction localement integrable
f.
Preuve : Il est clair que lintegrale existe, puisque restreinte à un intervalle compact, le support de . La
fonctionnelle est bien lineaire. Elle est continue car si la suite
n
T converge vers T, avec des supports
contenus dans un compact K, [
_
f(
n
)[
_
[f[ [
n
[ |
n
|
_
K
[f[ = M|
n
|
, o` u M =
_
K
[f[
existe puisque f est localement integrable. Mais lhypothèse CVU : |
n
|
0 donc f,
n
) f, ).
Ces distributions regulières expliquent en quoi les distributions sont des fonctions generalisees.
Elles vont nous guider dans la denition des operations de derivation, etc, des distributions.
1. au contraire du cas dun espace vectoriel E de dimension nie, pour lequel dimE
t
= dimE, cf App. B
2. cest le theorème de StoneWeierstrass, une generalisation du theorème de Weierstrass cite à lApp. A.4
du Chap. 1.
Noter que deux fonctions localement integrables egales p.p. denissent la meme distribution
regulière.
Distributions singulières
Ce sont les distributions que lon ne peut pas associer ` a des fonctions localement integrables.
Exemples :
1. Distribution de Dirac sur R. Cest la distribution notee
x
0
ou encore (x x
0
) denie
par

x
0
, ) = (x
0
) (3.6)
comme anticipe plus haut dans les exemples physiques.
2. Distribution de Dirac sur R
n
: ibidem, denie par
r
0
, ) = (r
0
).
3. Peigne de Dirac, cf 3.1.2. Pour T(R), cest la distribution denie par
X, )
def
=
n=
(n) . (3.7)
On peut donc ecrire X=
n=
n
.
Exercice : calculer la somme (x) =
k=
e
2ikx
en la testant sur une fonction periodique
de periode 1 donnee par son developpement en serie de Fourier : on nintegrera dabord que sur
une periode puis on retablira la periodicite ; verier que (x) est egal ` a X(x). Comparer avec
la discussion du 3.1.2.
4. Partie principale de Cauchy de 1/x. Soit T(R). On denit la distribution PP
1
x
,
partie principale de Cauchy, (certains auteurs parlent de valeur principale), par
PP
1
x
, ) = PP
_
(x)
x
dx
def
= lim
0+
_
[x[>
(x)
x
dx . (3.8)
(On note aussi lintegrale de partie principale
_
-
(x)
x
dx. ) Bien noter que lintegrale est calculee
de facon symetrique en x = 0. On denit par extension la PP
1
xa
en tout point a.
Support dune distribution
Soit O un ouvert de R
n
, T(O) lespace des fonctions lisses de support contenu dans O et T T
t
(O) une
distribution. On dit que T est nulle sur un ouvert U O si T(O) de support contenu dans U, on a
T, ) = 0.
Denition 3.6 : On appelle support dune distribution T sur O le complementaire du plus grand ouvert sur
lequel T est nulle.
Remarque : Le support est bien deni, car si une distribution est nulle sur chacun des ouverts dune famille,
elle est nulle sur leur reunion; son support est donc le complementaire de la reunion de tous les ouverts sur
lesquels elle est nulle.
Exemples : Si T est une distribution regulière associee à une fonction continue, alors le support quon vient
de denir sidentie au support deni precedemment pour les fonctions continues. Si T est une distribution
ou nimporte laquelle de ses derivees, son support se reduit au point 0.
3.3 Operations sur les distributions
On se propose de denir sur les distributions un certain nombre doperations : translation,
reexion, dilatation de la variable, derivation, changement de variable, . . . La methode est
decrire dabord ces operations sur des distributions regulières en les exprimant dans le langage
des distributions, puis de les etendre comme denitions dans les cas non reguliers.
3.3.1 Translation, dilatation
Pour une fonction f : R R, on denit laction sur f dune translation de la variable
x x
t
= x + a par f
a
(x
t
) = f(x), soit f
a
(x) = f(x a). Pour une fonction f localement
integrable et T, on a donc f
a
, ) =
_
R
f(x a)(x)dx =
_
f(x)(x + a)dx = f,
a
).
En general, pour toute distribution T T
t
, on denit sa translatee T
a
par
T
a
, )
def
= T,
a
) (3.9)
qui est bien une fonctionnelle lineaire et continue.
Exemple : la partie principale PP
1
xa
est la translatee de PP
1
x
.
Cette operation de translation setend bien evidemment ` a R
n
.
Pour le changement de variable par dilatation, x x
t
= x/k, on procède de meme. On
denit dabord la transformation de la fonction f : R R, f
(k)
(x
t
) = f(x), donc f
(k)
(x) =
f(kx), puis f
(k)
, ) =
_
R
f(kx)(x)dx = =
1
[k[
f,
(k
1
)
), quon generalise à une distribu-
tion quelconque T T
t
en posant par denition
T
(k)
, ) =
1
[k[
T,
(k
1
)
) , (3.10)
ou encore
T(kx), (x) ) =
1
[k[
_
T(x),
_
x
k
__
. (3.11)
Ainsi par exemple, pour la distribution de Dirac, on ecrira
(kx) =
1
[k[
(x) . (3.12)
3.3. Operations sur les distributions 43
`
A nouveau, lextension ` a R
n
est aisee, mais attention, le jacobien est maintenant
1
[k[
n
!
dans R
n
T
(k)
, ) =
1
[k[
n
T,
(k
1
)
) . (3.13)
3.3.2 Derivation dune distribution
On part dune fonction f localement integrable ainsi que sa derivee : f, f
t
L
1
loc
(R). On
ecrit alors pour la distribution regulière associee à f
t
f
t
, ) =
_

f
t
(x)(x)dx =
_

f(x)
t
(x)dx = f,
t
) , (3.14)
o` u on a utilise une integration par parties, sans terme de bord puisque est ` a support borne.
Cela suggère la
Denition 3.7 : La derivee dune distribution T de T
t
est denie par
T
t
, )
def
= T,
t
) (3.15)
(Elle est appelee d-derivee dans les TD)
Cette denition, que nous allons beaucoup utiliser, setend très naturellement aux derivees
dordre superieur, mais aussi aux derivees partielles pour des distributions sur R
n
, etc. Nous
nous interesserons plus bas au laplacien de T T
t
(R
n
)
T : T, ) = T, ) .
On voit que la derivabilite des distributions ne pose pas de problème. En fait meme si une
fonction (localement integrable) nest pas derivable comme fonction, elle est toujours derivable
en tant que distribution! Exemple : la fonction saut de Heaviside,
H(x) =
_
_
0 si x < 0
1
2
si x = 0
1 si x > 0
(3.16)
est une fonction localement integrable ; elle est discontinue en 0 et nest donc pas derivable en
ce point. Sa derivation en tant que distribution, cependant, ne pose pas de problème :
H
t
, ) = H,
t
) =
_

0
t
(x)dx = []
0
= (0) = , )
donc
H
t
= (3.17)
La derivee de H est la distribution de Dirac ! Noter que selon une remarque faite plus haut, on
peut modier la valeur de H en x = 0 sans modier la distribution H.
3.4 Distribution delta et distributions reliees
3.4.1 Fonction de Heaviside, fonction signe
On vient de rencontrer la distribution de Heaviside H(x) ou fonction saut, notee aussi
souvent (x) par les physiciens. Une fonction ou distribution reliee est la fonction signe
(x) sgn(x) = 1 + 2H(x) =
_
_
1 si x < 0
0 si x = 0
1 si x > 0
(3.18)
Cest au signe près et à une dilatation verticale près la fonction qui decrit la discontinuite de
vitesse dans lexemple du choc du 3.1.3.
Par le meme calcul que plus haut, on a
t
= 2.
Les derivees successives de la distribution de Dirac se denissent de meme et peuvent etre
rencontrees en physique.
3.4.2 Relations fonctionnelles
Anticipant un peu sur la suite, on peut denir le produit de toute distribution T par
une fonction de classe C
: T, ) = T, ), voir ci-dessous 3.5. Loperation est

particulièrement simple pour la distribution : (x)(x) = (0)(x). En particulier on a
x = 0 ; reciproquement, il est naturel de se demander : quelles distributions T T
t
sont telles
que xT = 0 ? ou telles que x
n
T = 0 ? Voir TD.
Composition dune distribution avec une fonction f
Rappelons dabord la formule de changement de variable dans une integrale de fonctions or-
dinaires (cf Chap. 2). Soient g une fonction localement integrable et f : R R une fonction
derivable et monotone, donc inversible au sens des fonctions (f
1
existe). On supposera aussi
que f
t
ne sannule pas. La composee g f est localement integrable et pour toute T
g f, ) =
_
R
g (f(x)) (x)dx =
_
R
g(y)
_
f
1
(y)
_
dy
[f
t
(f
1
(y)) [
=
_
g
[f
t
f
1
[
, f
1
_
o` u le denominateur vient du jacobien dans le changement de variable x y = f(x)
J =
dx
dy
= [f
t
(x)[
1
= [f
t
_
f
1
(y)
_
[
1
.
De la meme facon, pour une distribution T T
t
, on denit
T f, )
def
=
_
T
[f
t
f
1
[
, f
1
_
. (3.19)
3.4. Distribution delta et distributions reliees 45
Cest en particulier le cas pour la distribution
f, ) =
_

[f
t
f
1
[
, f
1
_
=
(f
1
(0))
[f
t
(f
1
(0)) [
, (3.20)
ou encore
(f(x)) =
1
[f
t
(x
0
)[
(x x
0
) (3.21)
avec x
0
lunique zero de la fonction (supposee monotone) f. (Si f ne couvre pas tout R et na
pas de zero, lintegrale est nulle). Noter quon a besoin de lhypothèse que f
t
ne sannule pas
au zero x
0
de f : f
t
(x
0
) ,= 0. Ainsi f(x) = x
3
est exclue.
On peut generaliser au cas dune fonction f nayant que des zeros isoles x
i
R o` u sa
derivee ne sannule pas. Il sut de couper le domaine dintegration en sous-domaines o` u f est
monotone, et la formule (3.21) donne alors
(f(x))
def
=
x
i
f(x
i
)=0
1
[f
t
(x
i
)[
(x x
i
) . (3.22)
Cette identite est très utile au physicien, on la rencontrera chaque fois quon imposera une
contrainte par lintermediaire dune distribution , voir ci-dessous 3.4.3 des exemples dappli-
cation.
On peut retrouver la relation (3.22) par un argument qualitatif (heuristique) : la distribution f localise
lintegration dans f, ) au voisinage des zeros x
i
de f. Au voisinage de chacun de ces zeros, on developpe
au premier ordre non nul f(x) f(x
i
) + (x x
i
)f
t
(x
i
) + = (x x
i
)f
t
(x
i
) + puisque f(x
i
) = 0 et quon
suppose f
t
(x
i
) ,= 0 ; on concoit que lon puisse ecrire (f(x)) =
i
(f
t
(x
i
)(x x
i
)) =
i
(xxi)
]f
(xi)]
(par (3.12)),
qui nest autre que (3.22).
comme limite de fonctions variees
Denition 3.8 : (Convergence faible dans T
t
) : Une suite T
n
de distributions de T
t
converge faiblement dans T
t
si T, la suite T
n
, ) converge dans C.
Cela denit une fonctionnelle lineaire T, on peut montrer que cette fonctionnelle est continue,
cest donc une distribution de T
t
et on ecrit T
n
T
T.
On montre aussi la compatibilite entre limite faible et derivation au sens des distributions :
si T
n
T
T, il y a aussi convergence faible de toutes les derivees T

(p)
n
T
T
(p)
.
Exemples. Considerons les deux suites de fonctions
gaussiennes f
n
(x) =
_
n
2
e
nx
2
2
, ce sont des fonctions de classe C
;
fonctions porte g
n
(x) =
n
2
(H(x +
1
n
) H(x
1
n
)), egales ` a
n
2
pour
1
n
x
1
n
, nulles
ailleurs : ce sont des fonctions en escalier.
2 1 0 1 2
0.5
1.0
1.5
2.0
2 1 1 2
3
2
1
1
2
3
Figure 3.6 Les fonctions gaussiennes f
n
de plus en plus piquees, de n = 1 à n = 5, et leurs derivees
premières de n = 1 à n = 3.
Ces fonctions f
n
et g
n
sont positives et normalisees par
_
f
n
dx = 1,
_
g
n
dx = 1. Elles
prennent des valeurs O(1) (en un sens quil faudrait preciser) dans un intervalle de longueur
tendant vers 0 quand n . Elles denissent des distributions regulières qui tendent faible-
ment dans T
t
vers quand n . Inversement elles peuvent constituer des regularisations
utiles de la distribution de Dirac.
Exercice : etudier analytiquement et avec le logiciel Maple ou Mathematica la convergence
des fonctions trigonometrico-rationnelles : h
n
(x) = sin
2
(nx)/nx
2
et de leurs derivees. Le cas
des fonctions sin nx/ sin x rencontrees dans lintroduction, ou celui des sin nx/x (cf [1] p. 210)
est plus delicat, mais permet aussi de construire les distributions X ou par une limite.
3.4.3 sur une courbe, une surface, . . .
Courant lineique
On apprend en electromagnetisme quune particule de charge q suivant une trajectoire despace
x(t) cree en tout point y = (y, t) un vecteur courant dexpression
j(y, t) = q
dx(t)
dt

3
(y x(t)) .
On peut aussi ecrire la densite de charge au point y comme
(y, t) = q
3
(y x(t)) .
Cette formule admet une interessante generalisation relativiste. Une particule de charge q suivant une
trajectoire despace-temps x
(), avec le temps propre, ds

2
= c
2
d
2
, cree en tout point y = (y, t) despace-
temps un quadri-vecteur courant dexpression
j
(y, t) = q
dx
()
dt

3
(y x())[
t=x
0
()
= q
_
d
dx
()
d

4
(y x()) .
3.4. Distribution delta et distributions reliees 47
Noter que dans la 3ème expression on a recrit le courant sous forme explicitement covariante, en passant
dune distribution de Dirac à trois dimensions
3
à une distribution
4
. Exercice : verier lequivalence entre
les 2ème et 3ème expressions en utilisant (3.21). Ce courant a une composante temporelle, la densite de charge,
j
0
(y, t) = q
3
(y x())[
t=x
0
()
qui satisfait bien
_
d
3
y j
0
(y, t) = q et on verie quil est de (quadri)divergence
nulle :
(y) = 0.
On pourrait discuter de meme une distribution surfacique de charges, etc.
Particule relativiste sur sa couche de masse
En mecanique relativiste, on apprend quune particule de masse au repos m a une energie
E et une impulsion p reliees par la relation E
2
= p
2
c
2
+m
2
c
4
qui se reduit, pour une particule
au repos, au celebrissime E = mc
2
. On peut redire cela en termes du quadri-vecteur impulsion
p = (p
0
= E/c, p) dont la longueur minkovskienne carree est p
2
= (p
0
)
2
p
2
= m
2
c
2
. On choisit
generalement des unites o` u c = 1 et nalement
p
2
= (p
0
)
2
p
2
= m
2
. (3.23)
On a parfois à integrer sur des quadri-impulsions contraintes ` a satisfaire la condition (3.23),
cest-` a-dire à etre sur la couche de masse dans le jargon des physiciens, en fait un hyperbolode
` a deux nappes dans lespace de Minkowski. On peut imposer cela en inserant dans lintegration
une distribution (p
2
m
2
). En suivant (3.22) on recrit
(p
2
m
2
) =
(p
0
_
p
2
+m
2
)
2
_
p
2
+m
2
+
(p
0
+
_
p
2
+m
2
)
2
_
p
2
+m
2
mais on accompagne en general la condition (3.23) de la condition que lenergie p
0
est positive,
en dautres termes on sinteresse ` a
(p
2
m
2
) H(p
0
) =
(p
0
_
p
2
+m
2
)
2
_
p
2
+m
2
.
La mesure dintegration sur la couche de masse secrit donc
d
4
p (p
2
m
2
) H(p
0
) =
d
3
p
2
_
p
2
+m
2
(3.24)
o` u lexpression du membre de gauche, qui est evidemment invariante relativiste, nous garantit
que celle du membre de droite lest aussi. Il faut comprendre (3.24) au sens des distributions,
cest-` a-dire teste dans une integration avec une fonction T(R
4
) arbitraire
_
d
4
p (p
2
m
2
) H(p
0
) (p
0
, p) =
_
d
3
p
2
_
p
2
+m
2
(
_
p
2
+m
2
, p) .
3.5 Produit de distributions. Convolution
Il faut faire attention ` a ce que lon entend par produit de distributions. Plusieurs denitions
sont en eet possibles
1. Le produit dune distribution T par une fonction de classe C
ne pose pas de problème :

T, )
def
= T, ), puisque si T, T et lexpression de droite est bien denie,
cest une fonctionnelle continue et lineaire de , elle denit donc la distribution T.
Exemple : pour toute fonction C
, (x) (x) = (x) (0),

a
(x) (x) =
a
(x) (a).
2. Pour deux fonctions localement integrables f et g de R R, (et donc pour les distributions regulières
associees) on peut denir aussi un produit direct (ou tensoriel) f g qui est une fonction R
2
R
denie très naturellement par (f g)(x, y) = f(x)g(y). Plus generalement, pour deux distributions S
et T de T
t
(R), lune agissant sur la variable x, lautre sur y, ce quon note par S(x) T(y) est
la distribution de T
t
(R
2
) agissant sur des fonctions (x, y) par S T, ) =
_
dxdyS(x)T(y)(x, y).
Exemple, (x) (y) nest autre que la distribution notee plus haut
2
(x).
3. En revanche, le produit de deux distributions T
1
, T
2
T
t
(R) nest en general pas deni.
Cela apparat dejà sur le produit de deux fonctions localement integrables, qui na aucune
raison detre lui-meme localement integrable : ainsi (x) =
1
x
est localement integrable,
mais
2
(x) =
1
x
ne lest pas. En general les distributions, rappelons-le, prennent leur sens
quand elles sont testees sur des fonctions regulières (appartenant ` a T), pas sur dautres
distributions. Rien detonnant donc à ce que le produit inconsidere de deux distributions
amène ` a des resultats incontr olables . . . Lexemple le plus simple est donne par le produit
de deux distributions de Dirac :
?
=(0) qui nest pas deni.
On rencontrera ce genre de situations en physique, en Mecanique Quantique par exemple dans le calcul
de la règle dor de Fermi, ou en theorie quantique des champs o` u apparaissent des divergences
ultraviolettes, necessitant la mise en uvre de loperation de renormalisation. Quand il est confronte à
cette situation, le physicien doit chercher à revenir au problème de depart et à regulariser la quantite
responsable de lapparition des innis. Ainsi une distribution delta pourra etre remplacee par une courbe
en cloche très pointue, telle une gaussienne de largeur tendant vers 0, comme on a vu plus haut.
4. Finalement venons-en au produit le plus naturel sur des distributions, celui de convolution.
Dabord pour des fonctions f et g localement integrables, on denit leur produit de convo-
lution f g par lintegrale suivante, si elle existe,
(f g)(x) =
_
dyf(x y)g(y) . (3.25)
Il est aise de trouver des conditions susantes pour que cette integrale existe : par exemple si
f et g sont denies p.p. et localement integrables et de support borne ` a gauche, (resp. à droite,
ou a fortiori ` a gauche et à droite !), lintegrale en y est restreinte ` a un ensemble borne et existe
presque partout, cf [5], p. 164
3.5. Produit de distributions. Convolution 49
Exemples : La fonction de Heaviside H a un support borne ` a gauche (par 0). Son carre de
convolution H H existe donc. En revanche, H(x) H(x) nexiste pas.
Intuitivement, leet de la convolution dune fonction f par une fonction g T est de
lisser les singularites de f. Voir sur la gure 3.7 la convoluee dune fonction porte par
une fonction du type (3.5).
2 1 1 2 3
x
0.5
1.0
1.5
y
Figure 3.7 Convoluee de la fonction porte
[
1
4
,
3
4
]
avec la fonction (3.5) pour a = 0, b = 1. La
convoluee a un support decale vers la droite, pourquoi ?
Exercice (facile !) : Verier que le produit de convolution, sil existe, est commutatif : f g =
g f.
Une fois cette denition acquise, on peut envisager de letendre à des distributions. Pour
deux fonctions localement integrables f et g et T(R) considerons
f g, ) =
_
dx(f g)(x)(x) =
_
dx
_
dyf(x y)g(y)(x) =
_
dx
_
dyf(x)g(y)(x +y)
par un changement de variable evident x x+y de jacobien 1. Supposons que les supports de
f et g sont tels que les domaines dintegration sur x et sur y sont bornes. Par exemple si f est
` a support borne, comme lest aussi, les integrations sur x et sur y ont lieu sur des domaines
bornes. Le theorème de Fubini sapplique et on peut ecrire
f g, ) =
__
dxdyf(x)g(y)(x +y)
(= f g, (x+y) ) avec la notation du point 2 precedent.) Une fois encore nous generalisons
cette relation ` a un produit de deux distributions.
Denition 3.9 : Le produit de convolution de deux distributions T
1
et T
2
est deni par
lintegrale suivante
T
1
T
2
, )
def
= T
1
(x)T
2
(y), (x +y) )
si elle existe !
`
A nouveau on peut trouver des conditions susantes dexistence. Par exemple,
(exercice !) T
1
et T
2
sont toutes deux à support borne à gauche (resp. à droite). Ou bien lune
des deux est ` a support borne. (Voir la denition du support dune distribution au 3.2.1.)
Exercice : verier que le produit de convolution de distributions est commutatif et associatif :
(T
1
T
2
) T
3
= T
1
(T
2
T
3
) = T
1
T
2
T
3
, à condition que T
1
T
2
, T
1
T
3
et T
2
T
3
soient
denis. En revanche, examiner le cas de 1
t
H o` u 1 est la distribution regulière associee ` a
la fonction constante 1 et montrer que dans ce cas, on na pas associativite !
Importance des convolutions en mathematiques et en physique.
Linteret des convolutions est dabord dordre mathematique : nous verrons que par transfor-
mation de Fourier, produit de convolution et produit ordinaire sont echanges ; la convolution
apparat aussi dans la theorie des probabilites, etc. Mais ce produit est aussi très naturel
dans les systèmes lineaires, en physique. Considerons un système physique, represente par une
bote noire, qui peut etre de nature mecanique, electrique, optique, acoustique, etc. Un signal
dentree dependant du temps, note X(t) (qui peut etre multidimensionnel) est transforme par
le système en un signal de sortie Y (t) et la transformation X Y est supposee lineaire, mais
non instantanee, Y = /X. Donc Y (t) ` a un temps t donne est fonction lineaire des X(t
t
), t
t
< t
pour respecter la causalite. On suppose que loperation / nimplique pas de derivation (nous
verrons plus tard comment lever cette restriction). On ecrit donc Y (t) =
_
dt
t
K(t, t
t
)X(t
t
). Si on
suppose de plus quil y a invariance par translation dans le temps K(t +, t
t
+) = K(t, t
t
),
le noyau K ne depend en fait que de la dierence de ses arguments et, gardant la meme
notation K, on ecrit nalement
Y (t) =
_
dt
t
K(t t
t
)X(t
t
)
qui nest autre quun produit de convolution de K et de X. Pour une discussion plus approfon-
die de cette problematique, voir [8] et [1].
Autre exemple rencontre au debut de ce chapitre : le potentiel electrique cree par une distri-
bution de charges de densite est, voir (3.2), le produit de convolution de par le noyau de
Coulomb
1
4
0
1
[r[
. Cette fois, cest linvariance par translation spatiale qui jointe à la linearite
dicte la forme de convolution.
3.6. Exemple : Fonction de Green et potentiel de Coulomb en dimension d. 51
3.6 Exemple : Fonction de Green et potentiel de Cou-
lomb en dimension d.
On apprend dans le cours delectromagnetisme que le potentiel electrique V , ou le champ
electrique E qui en derive, E =
V , satisfont à lequation de Poisson

divE = V =

0
(3.26)
o` u est la densite de charge.
Rappelons que cette equation de Poisson est lexpression locale du fait que le ux du vecteur E à travers
une surface fermee S est egale (au facteur 1/
0
près) à la charge totale Q contenue dans le volume englobe par
S (theorème de Gauss-Ostrogradsky)
__
dS.E =
___
d
3
xdivE =
___
d
3
x

0
=
Q
0
. (3.27)
Pour une densite discrète de charges, cest-` a-dire localisee sur des charges ponctuelles en r
i
,
cela nous apprend que V sannule, donc que V est une fonction harmonique (voir ci-dessous
au Chap. 8), en tout point en dehors des charges.
Mais plus precisement, le potentiel coulombien V cree par les charges ponctuelles q
i
en r
i
doit satisfaire
V (x) =
1
i
q
i
3
(x r
i
) , (3.28)
en accord avec (3.27).
Generalisant le problème ` a d dimensions, cherchons une solution de lequation
x
G(x y) =
d
(x y) (3.29)
o` u x, y R
d
. (On donne le nom de fonction de Green ` a une telle solution.) Montrons que
G(x) =
_
_
_
C
1
d
|x|
d2
si d ,= 2
1
2
ln(
1
|x|
) si d = 2
(3.30)
est solution, o` u C
d
= (d 2)
d1
,
d1
laire de la sphère unite S
d1
dans R
d
:
d1
=
2
d
2
(
d
2
)
. (3.31)
designe une fonction speciale que lon etudiera en detail plus bas (Chap. 6 et 8). Quil
suse de dire ici que (x) generalise ` a x reel quelconque la fonction factorielle, (n) = (n1)!
si n N et pour n = p +
1
2
demi-entier, (p +
1
2
) =
(2p1)(2p3)1
2
p
. On retrouve en particulier
1
= 2,
2
= 4 etc.
Remarque. Comme pour des fonctions de la seule variable r,
=

2
r
2
+
d 1
r
r
=
1
r
d1
r
r
d1

r
, (3.32)
(verier !), on pourrait penser que
1
r
d2
= (d 2)
1
r
d1
r
(r
d1 1
r
d1
) 0. En fait cela nest
vrai que pour r ,= 0, et il nous faut faire un calcul de derivees au sens des distributions pour
obtenir le resultat correct.
Preuve de (3.30) : Pour d ,= 2 et une fonction test de T(R
d
), on veut calculer I =
_
d
d
x(x)
1
|x|
d2
.
Comme
1
|x|
d2
est invariant par rotation et ne depend que de la variable radiale r = |x|, seule contribue à
cette integrale la moyenne angulaire (r) de sur la sphère de rayon r
d1
r
d1
(r) =
_
|x|=r
d
d
x(x) ,
et I =
_
dr
d1
r
d1
(r)
1
r
d2
. Noter que est de classe C
sur R
+
, avec (0) = (0). On a alors
I =
d1
_

0
dr r
d1
(r)
1
r
d1
r
r
d1

r
1
r
d2
= (d 2)
d1
_

0
dr (r)

r
1
distrib.
=
d1
(d 2)
_

0
dr
t
(r) =
d1
(d 2)(0) = C
d
(0) ,
comme annonce en (3.30).
On eectue un calcul analogue en d = 2 (verier !).
On trouvera dans [8] ou [1] une autre demontration, faisant appel aux derivees (au sens des distributions)
de fonctions discontinues.
On note que la solution (3.30) contient bien la loi de Coulomb en 1/r ` a trois dimensions,
mais que le potentiel coulombien à deux dimensions est logarithmique !
La reference de base est bien s ur [9], ou dans une version plus proche de ce cours, [8].
Lexpose de [1] est très clair et complet.
Pour lhistoire du developpement des distributions, lire Jean-Michel Kantor, MATHEMA-
TIQUES DEST EN OUEST, theorie et pratique : lexemple des distributions, disponible sur
http://www.math.jussieu.fr/kantor/
Appendice C. Rappels dalgèbre
Outre les structures algebriques classiques, groupe, anneau, corps, espace vectoriel,. . ., on
utilise dans les notes celle dalgèbre : une algèbre A sur un corps K est un espace vectoriel
sur K qui a aussi un produit interne associatif qui en fait un anneau; les structures despace
3.6. Exemple : Fonction de Green et potentiel de Coulomb en dimension d. 53
vectoriel et danneau sont compatibles en ce sens que la multiplication par un scalaire de K
commute avec le produit interne ; et le produit interne est suppose bilineaire. Donc
(x +y)z = xz +yz bilinearite
x(y +z) = xy +xz (C.1)
x(yz) = (xy)z associativite
(x)y = (xy) = x(y)
Exemples : les polynomes dune variable à coecients dans R forment une algèbre sur R
notee R[x] ; lensemble M
n
(R) des matrices n n ` a elements dans R est une algèbre sur R. On
rencontrera au Chap. 6 lalgèbre des series entières.
Dual dun espace vectoriel (e.v.)
Soit E un e.v. sur R. Lespace dual E
t
est par denition lespace vectoriel des formes lineaires
sur E, T : E R, cest-` a-dire des applications lineaires de E dans R. Si dimE = n, soit e
i
, i =
1, n, une base de E : X E, X =
n
i=1
x
i
e
i
, et si T est une forme lineaire de E
t
, on note
T(X) ou T[X ) son action sur X, cest une fonction lineaire des x
i
: T(X) = T[X ) =
i
x
i
t
i
avec des coecients t
i
R, ce quon peut recrire comme T(X) = T[X ) =
i,j
x
i
t
j
f
j
[e
i
)
avec f
j
tels que f
j
[e
i
) =
ij
. On montre aisement que ces f
j
sont lineairement independants
et quils forment une base de E
t
, cest la base duale des e
i
dans E
t
. On note aussi que dimE
t
=
dimE = n. Cette propriete qui est vraie en dimension nie ne lest plus forcement en dimension
innie, comme on a vu au 3.2.1.
Chapitre 4
Transformation de Fourier
On va etudier la transformation integrale

f(k) =
_
dxe
ikx
f(x) qui fait passer dune fonction
f : R R ou C ` a une autre fonction

f : R C. Elle etend la decomposition en serie de Fourier
nZ
A
n
e
inx
des fonctions periodiques, dans laquelle napparaissent que des modes multiples
dun fondamental, en une superposition continue de modes. Cette transformation de Fourier
est extremement utile et dusage constant pour le physicien. Elle permet lanalyse en modes
dun signal, dun phenomène. Elle joue donc un r ole naturel en optique, en cristallographie, en
analyse du signal, . . . Elle est aussi très utile dans letude des systèmes lineaires (cest-` a-dire
regis des equations dierentielles ou aux derivees partielles lineaires) : ce nest pas pour rien
quelle porte le nom de Joseph Fourier, qui est un des premiers à avoir etudie lequation de la
chaleur. En physique quantique, elle relie des descriptions alternatives dans des variables x de
position et p = k dimpulsion. Elle intervient aussi en theorie des groupes, en probabilites,
etc.
En preambule nous montrons comment lequation des ondes conduit naturellement aux
representations de Fourier, puis nous rappelons la representation dune fonction periodique par
sa serie de Fourier.
4.0 Preambule physique.

Equation des ondes
Lequation des ondes à une dimension secrit
_
2
t
2
v
2

2
x
2
_
u(x, t) = 0 . (4.1)
Toute fonction de la forme F(x+vt)+G(xvt), F et G arbitraires (dierentiables) est solution,
et reciproquement, ces fonctions constituent les solutions generales de (4.1). Si on cherche une
56 Chap.4. Transformation de Fourier
solution sous la forme u(x, t) = X(x)T(t), on trouve que
1
X(x)
2
X(x)
x
2
=
1
v
2
T(t)
2
T(t)
t
2
dont le membre de gauche (resp. de droite) doit etre independant de t (resp. de x), donc au
total, etre une constante notee k
2
, k C. Finalement on a à resoudre
1
X
2
X
x
2
=
1
v
2
T
2
T
t
2
= k
2
(4.2)
dont les solutions sont des superpositions lineaires de
X(x) = e
ikx
T(t) = e
ivkt
.
Pour k reel, A(k) exp(ik(x vt)) decrit une onde progressive, monochromatique de vecteur
donde k, se deplacant vers la droite ` a la vitesse v. Mais toute superposition
_
dkA(k) exp(ik(x vt))
est aussi solution de (4.1) : cette solution a une amplitude qui est la transformee de Fourier
de lamplitude A(k) dans lespace des vecteurs donde. Noter que la vitesse v est la vitesse de
propagation de londe, lumineuse, acoustique, mecanique etc.
Equation dune corde vibrante.

Cherchons maintenant une solution de (4.1) decrivant les vibrations dune corde de longueur L
et dextremites xees. Lamplitude (transverse) de vibration de la corde est une fonction u(x, t),
0 x L, t 0, sujette aux conditions aux limites
u(x, 0) = f(x)
u(x, t)
t
t=0
= g(x) u(0, t) = u(L, t) = 0 , (4.3)
o` u les fonctions f et g decrivent comment la corde est excitee ` a linstant t = 0. Cherchant
des solutions reelles et factorisees en X(x)T(t) comme ci-dessus, on prend k
2
R et on ecarte
les cas o` u k
2
nest pas positif car ils ne peuvent decrire une amplitude bornee dune onde de
vibration, X(x) = Acos kx + Bsin kx, T(t) = a cos kvt + b sin kvt. (On notera kv = dans la
suite.) Les conditions aux limites despace restreignent ` a X(x) = Bsin kx, kL = n, n N,
donc
u(x, t) =
n=1
(a
n
cos
n
t +b
n
sin
n
t) sin k
n
x k
n
=
n
L

n
= n
v
L
et les conditions initiales ` a t = 0 se reètent dans les coecients a
n
et b
n
via les developpements
en serie de Fourier de f et g
1
f(x) =
n=1
a
n
sin
n
L
x g(x) =
n=1
b
n
n
sin
n
L
x .
1. ou plus precisement les developpements en serie de Fourier des prolongements des fonctions f et g en
fonctions impaires sur lintervalle [L, L], periodiques de periode 2L.
4.1. Series de Fourier. Rappels 57
Les deux types de developpements que nous allons discuter maintenant sont donc intimement
lies ` a la physique des ondes.
4.1 Series de Fourier. Rappels
Developpements en serie de Fourier : developpement en cos et sin, developpement
en exponentielles.
On demontre en Analyse que toute fonction f : R C susamment regulière (voir
ci-dessous) qui est periodique de periode 2, f(x + 2) = f(x), peut etre decomposee sur une
base de fonctions periodiques de periode 2, cos kx, sin kx
kN
ou exp ikx
kZ
f(x) =
1
2
a
0
+
n=1
(a
n
cos nx +b
n
sin nx) (4.4)
ou encore
f(x) =
n=
A
n
e
inx
. (4.5)
En utilisant les proprietes dorthogonalite des fonctions trigonometriques ou exponentielles : si
n, m N
_

cos mx cos nxdx = (

mn
+
0n
0m
) ,
_

sin mx sin nxdx =

mn
,
_

cos mx sin nxdx = 0

(4.6)
ou avec n, p Z
_

dx
2
e
i(np)x
=
np
, (4.7)
on voit que ces developpements, sils existent, impliquent les relations suivantes
a
0
=
1
f(x)dx a
n
=
1
f(x) cos nxdx b

n
=
1
f(x) sin nxdx (4.8)

et
A
n
=
1
2
_

f(x)e
inx
dx . (4.9)
Mais il sagit de savoir si ces series convergent, et si oui, si leur somme reproduit bien la fonction
f donnee.
Theorème de Dirichlet : condition susante de convergence
Theorème 4.1 : Si f(x) est denie sur [, ] et ny a quun nombre ni de discontinuites
nies et a ailleurs une derivee continue, (fonction C
1
par morceaux), alors le developpement
converge pour tout x [, ] ; sa somme est
1
2
_
f(x
) + f(x
+
)
_
en tout point de ] , [,
et
1
2
_
f(
+
) + f(
))
_
en . Dans tout sous-intervalle o` u la fonction f est continue, la
convergence de la serie de Fourier vers f est uniforme.
Relation entre la regularite de la fonction et les proprietes asymptotiques des
coecients.
Pour une fonction satisfaisant les conditions du theorème de Dirichlet, les coecients a
n
,
b
n
decroissent en valeur absolue au moins comme [a
n
[ 1/n, [b
n
[ 1/n pour n grand, ce qui
nassure pas en general la convergence absolue de la serie de Fourier, mais nexclut pas la conver-
gence simple pour certaines valeurs de x. Ces coecients peuvent decrotre plus rapidement, si
la fonction est plus regulière. En fait on peut demontrer le
Theorème 4.2 (Stokes) : Si f
(k)
est la première des derivees de f ` a avoir une discontinuite
(ou un nombre ni de discontinuites) alors [a
n
[, [b
n
[, [A
n
[
1
n
k+1
.
Proprietes de parite, de conjugaison des coecients
Si la fonction f est reelle, les coecients a
n
, b
n
sont reels, A
n
= A
n
et a
n
= 21e A
n
, b
n
=
2mA
n
. Si la fonction f est paire (resp. impaire), les b
n
(resp. a
n
) sannulent.
Phenomène de Gibbs. Considerons une fonction periodique, ayant un point de discontinuite x
0
sur sa
periode. Comment sa serie de Fourier, somme de fonctions continues, approxime-t-elle cette discontinuite ? Une
experience numerique avec Mathematica sur une serie de Fourier tronquee au 10ème, 20ème, 50ème ordre,
montre que la somme presente au voisinage du point x
0
une variation de plus en plus rapide, qui approxime
le saut de manière excessive ! Cest le très interessant phenomène de Gibbs, pour lequel nous renvoyons à la
litterature, par exemple [1].
4.2 Transformation de Fourier dans L
1
4.2.1 Denition. Conventions
Si f est une fonction R R (ou C), on denit
f(k) =
_

dx e
ikx
f(x) (4.10)
avec k R, si cette integrale existe (voir plus bas), et on appelle

f, notee aussi

f = T[f], la
transformee de Fourier de la fonction f. Cest une fonction R C.
4.2. Transformation de Fourier dans L
1
59
Autres conventions. Extension à R
n
On rencontre plusieurs conventions dans la denition de cette transformee de Fourier, selon
le domaine scientique concerne.
signe de lexponentielle
_
dx e
ikx
f(x)
normalisation globale :
1
2
_
dx e
ikx
f(x) ou
1
2
_
dx e
ikx
f(x)
normalisation de la variable k :
_
dx e
2ikx
f(x)
et diverses combinaisons de ces variantes, dont chacune a ses avantages, comme on verra.
Donc attention en utilisant des formules puisees dans la litterature ! !
La transformation de Fourier setend sans diculte à des fonctions R
n
R (ou C) : on
ecrit pour k R
n
,
f(k) =
_

d
n
x e
ik.x
f(x) (4.11)
sous reserve que cette integrale soit bien denie.
Premiers exemples.
Transformee de Fourier de
une fonction porte (x) =
[1,1]
(x), la fonction indicatrice de lintervalle [1, 1]. On
calcule (exercice : verier !) que

(k) = 2
sin k
k
. Noter que cette fonction

nest pas
integrable (de Lebesgue) sur R, meme si son integrale est semi-convergente ;
une fonction lorentzienne f(x) = 2a/(x
2
+ a
2
) o` u a > 0,

f = 2e
[k[a
, comme on le
verra plus tard par un calcul de residu (Chap. 8, equ. (8.4)) ;
une fonction gaussienne f(x) = exp
(xa)
2
2b
2
a pour transformee de Fourier
f(k) =
2[b[ e
iak
1
2
k
2
b
2
comme on le trouve par un changement de la variable x par une translation complexe
x
t
= x(a+ikb
2
), ce quon justiera au chapitre 7 par un changement de contour ; etc
Lanalyse complexe et ses methodes puissantes nous seront de grande utilite pour les calculs de
transformees de Fourier.
Certaines de ces fonctions et de ces formules vont jouer un role dans la suite : on rencontre
les fonctions lorentziennes en probabilites et en mecanique quantique, les gaussiennes sont
omnipresentes en probabilites et statistiques, en mecanique statistique, etc.
4.2.2 Existence et premières proprietes
On se rappelle la denition au Chap. 2 de lespace L
1
(R) des fonctions integrables de
Lebesgue (cest-à-dire absolument integrables sur (, )), et de lespace L
1
(R) de ces memes
fonctions denies ` a egalite p.p. près. On introduit une nouvelle notation commode : L
(R)
designe lespace (de Banach) des fonctions denies p.p. et bornees sur R.
Theorème 4.3 : Si f L
1
(R),

f est denie et continue sur R. Elle est bornee, donc

f L
et |
f|
|f|
1
.
Cela decoule du theorème 2.9 du chapitre 2, sur la continuite dune fonction denie par une integrale :
ici, f(x)e
ikx
est bien dominee par [f(x)[ qui est integrable. En outre on a [
f(k)[ =
dxe
ikx
f(x)
dx[f(x)[ = |f|
1
pour tout k R, do` u |
f|
= sup
kR
[
f(k)[ |f|
1
.
Bien noter que le fait quune fonction de L
1
est denie p.p. ninue pas sur lintegrale
denissant

f. Ainsi, pour la fonction porte dun exemple ci-dessus, qui est non denie en 1,
lintegrale

f est bien denie. (En revanche, sa transformee de Fourier

f = sin k/k est bornee,
[
f[ 1,

f L
, mais non integrable de Lebesgue,

f / L
1
.)
Theorème 4.4 : La transformation de Fourier est une operation lineaire et continue de L
1
(R)
dans L
(R).
Quelle est continue signie que pour toute suite de fonctions f
n
tendant (au sens de la norme
|.|
1
) dans L
1
vers une fonction f L
1
, T[f
n
] T[f], au sens de la norme |.|
. Par linearite,
cela decoule du Theorème 4.3 : |T[f
n
] T[f]|
= |T[f
n
f]|
|f
n
f|
1
0 . On peut
reexprimer ce theorème en disant : la transformee de Fourier transforme la convergence en
moyenne (au sens de L
1
) en convergence uniforme (au sens de L
).
Noter encore que la transformation de Fourier fait passer de lespace L
1
` a L
: comme
la montre lexemple de la fonction plus haut, la transformee de Fourier nappartient pas
toujours à L
1
(R) !
Theorème 4.5 (RiemannLebesgue) : Pour f L
1
(R), la transformee de Fourier

f tend
vers zero ` a linni
lim
k
[
f(k)[ = 0 .
Lidee de la preuve repose sur une astuce, linsertion dans lintegrale de e
i
= 1 sous la forme :
f(k) =
1
2
_
e
ikx
_
1e
ik.
k
k
2
_
f(x)dx =
1
2
_
e
ikx
f(x)dx
1
2
_
e
ik(x
k
k
2
)
f(x)dx =
1
2
_
e
ikx
_
f(x)f
_
x+
k
k
2
_
_
dx
Quand [k[ , lintegrand de la dernière integrale tend vers zero et nous admettrons que cela assure la
convergence vers zero de lintegrale, voir [5] 7.3.
1
61
Inversion de la transformee de Fourier
Dans les cas o` u

f L
1
, on peut inverser la transformation de facon tout à fait explicite :
Theorème 4.6 dinversion : Si f L
1
a une transformee de Fourier

f integrable,

f L
1
,
alors
f(x) =
1
2
_

dk e
ikx

f(k) p.p. en x.
De plus il y a egalite en tout point x o` u f est continue.
Autrement dit, au facteur 1/2 près, linversion de la transformation de Fourier est simplement
la transformation de Fourier complexe conjuguee : T
1
=
1
2
T, sauf peut-etre aux points de
discontinuite de f.
Esquisse de la preuve : elle fait appel à lidentite
_
R
f gdx =
_
R

fgdx pour toute paire de fonctions f et g
de L
1
, consequence du theorème de Fubini (le verier !) ; on applique ce lemme à la fonction f donnee et à la
suite de gaussiennes g
n
(y) = expy
2
/n
2
e
iyx
qui tendent vers la fonction e
ixy
quand n , tandis que leurs
transformees de Fourier g
n
(k) = n
e
n
2
(kx)
2
/4
tendent vers la distribution 2(k x), cf Chap. 3, 3.4.2.
Donc 2f(x) = lim
_
R
f(k) g
n
(k)dk = lim
_
R

f(k)g
n
(k)dk =
_
R
dk

f(k)e
ikx
.
On demontre aussi que la condition dintegrabilite de

f dans le theorème dinversion est
remplie dès que f est de classe C
2
et que f, f
t
et f
tt
sont integrables, cf Th. 4.8 ci-dessous.
Exemple : la fonction lorentzienne f(x) = 2a/(x
2
+ a
2
) vue plus haut. Les fonctions f
t
et f
tt
sont continues et integrables (se comportant respectivement comme x
3
, x
4
` a linni), et on
tire du theorème dinversion une transformation de Fourier quon verie aisement :
2a
x
2
+a
2
=
_
R
dk e
ikx
e
a[k[
.
4.2.3 Autres proprietes
Conjugaison, translation, dilatation
On lit sur lexpression de

f(k) = T[f](k) =
_
R
dke
ikx
f(x) les proprietes suivantes de
conjugaison T[f(x)] = T(f(x)) =

f(k), T[f(x)] =

f(k), T[f(x a)] = e
ika

f(k) et
T[f(x)e
ix
] =

f(k ).
f(x)

f(k)
f(x) = f(x) paire

f(k) =

f(k) paire
f(x) = f(x) impaire

f(k) =
f(k) impaire
f(x) = f(x) reelle

f(k) =

f(k) hermitienne
f(x) = f(x) imaginaire

f(k) =
f(k) anti-hermitienne
De meme un changement dechelle sur la variable x se traduit simplement par le changement
dechelle inverse sur la variable k de la t.F., à un prefacteur près !
a ,= 0 T[f(ax)] =
1
[a[
f
_
k
a
_
.
Derivation
On a les relations suivantes entre les transformees de Fourier des derivees :
f(x), xf(x), , x
n
f(x) L
1

f n fois derivable et

f
()
(k) = T[(ix)
f(x)], = 1, , n
(4.12)
par application de la derivation sous le signe somme (Theorème 2.10). Inversement, si f L
1
,
f de classe C
m
et f
()
L
1
pour = 1, , m, alors
T[f
()
(x)] = (ik)

f(k) pour = 1, , m (4.13)
par integrations par parties repetees de la formule de denition (4.10). (En eet : si g, g
t
L
1
,
[g(x)[ 0 quand x . Exercice : le verier.)
En particulier
T[f
t
(x)] = ik

f(k) et T[ixf(x)] =
d
dk
f(k)
Cela implique des relations importantes entre lexistence de derivees dune fonction et le com-
portement asymptotique de sa transformee de Fourier. Ainsi
Proposition 4.7 : Si f L
1
est ` a support borne, sa transformee de Fourier est de classe C
.
En eet si f L
1
est ` a support borne, tous les x
n
f L
1
, donc tous les

f
(n)
existent par (4.12).
Pour la reciproque, voir plus bas, Prop. 4.9.
On a vu plus haut (Theorème 4.5 de RiemannLebesgue) que si f est continue,

f(k) sannule
` a linni. Peut-on aner ce resultat et dire comment

f sannule ? Comme consequence de (4.12-
4.13), on a le
Theorème 4.8 : (a) Si f et ses derivees f
()
, = 1, , m sont integrables, alors
k R [
f(k)[ [k[
m
_
R
[f
(m)
(x)[dx ;
(b) si f et les fonctions x
f, = 1, , n sont integrables, alors

k R [
f
(n)
(k)[
_
R
[x
n
f(x)[dx ,
1
63
qui nous dit que des proprietes de regularite (existence dune derivee integrable) dune fonction
se traduisent par des proprietes de decroissance de sa transformee de Fourier et vice versa.
Ces resultats sont lanalogue des resultats concernant le comportement asymptotique des
coecients de la serie de Fourier (theorème 4.2 de Stokes).
Fonctions à decroissance rapide
Si dans le (b) du theorème precedent, lentier nest pas borne, on est dans la classe des
fonctions à decroissance rapide.
Denition 4.1 : Une fonction f est dite ` a decroissance rapide si N, lim
x
[x
f(x)[ =0.
Exemples : f(x) = e
x
2
est à decroissance rapide et de classe C
; f(x) = e
[x[
est à
decroissance rapide, mais pas de classe C
. Toute fonction ` a support borne est ` a decroissance

rapide.
Par la proposition precedente, si f est integrable ` a decroissance rapide, alors toutes les
derivees de

f existent.
Proposition 4.9 : La transformee de Fourier

f dune fonction integrable à decroissance rapide
est de classe C
. Reciproquement, si une fonction integrable est de classe C
, et si toutes ses
derivees sont integrables, alors

f est à decroissance rapide.
4.2.4 Transformation de Fourier dans L
2
Lespace o
Denition 4.2 : On designe par o (espace de Schwartz) lespace des fonctions de classe C
qui sont à decroissance rapide ainsi que toutes leurs derivees.

Exemple : si f T,

f est de classe C
(Prop. 4.7) ; toute derivee f

(n)
existe et est integrable,
donc par le Theorème 4.8(b),

f decrot au moins comme 1/[k[
n
pour tout n, donc

f o.
Dans cet espace, on dit quune suite de fonctions f
n
converge vers 0 si, pour tous p, q N,
lim
n
sup
xR
[x
p
f
(q)
n
(x)[ = 0
ce qui implique la convergence uniforme de f et de toutes ses derivees vers 0.
Linteret dintroduire ce nouvel espace apparat clairement dans le
Theorème 4.10 : La transformee de Fourier est un operateur lineaire continu de o dans o.
Preuve : La transformation de Fourier applique o dans o : en eet si f o,

f est de classe C
(Prop. 4.9) ;
toute derivee f
(k)
est à decroissance rapide et integrable, donc par le theorème 4.8,

f est aussi à decroissance
rapide. Il en est de meme de toutes ses derivees

f
(n)
, puisquelles sont les transformees de Fourier des x
n
f(x),
à qui largument precedent sapplique aussi. La continuite annoncee dans le theorème equivaut au fait que pour
toute suite f
n
o qui tend vers 0 au sens deni plus haut, les

f
n
tendent aussi vers 0.
Au lieu de la situation precedente o` u la transformation de Fourier T faisait passer de L
1
dans L
, T est maintenant un endomorphisme de o. De plus, la transformation de Fourier

inverse T
1
=
1
2
T a la meme propriete de continuite. T est donc une application bijective et
bicontinue (continue ainsi que son inverse) de o dans o.
Transformation de Fourier dans L
2
Ces resultats sur o vont nous permettre de denir maintenant la transformee de Fourier sur
lespace L
2
(R) des fonctions de carre integrable (ou sommable).
Il convient à ce point de souligner limportance en physique de cette classe de fonctions. En electromagnetisme
et en theorie des ondes, comme en theorie du signal,
_
dt[f(t)[
2
donne lenergie de londe ou du signal dam-
plitude f(t). En mecanique quantique, les etats dun système sont decrits par des fonctions donde complexes
, fonctions dune (ou plusieurs) variable(s) de position ou dimpulsion, et est requis à etre de module carre
integrable.
On montre, et nous admettrons, (voir [1] p. 269 ou [5] p. 173 et 199 . pour plus de details),
que
lespace o est dense dans lespace L
2
(R) pour la norme de L
2
; ce dernier est complet (cf
Chap. 2, Theorème 2.6) ;
cela permet detendre loperateur T de o ` a L
2
: cest un operateur lineaire continu sur L
2
.
Theorème 4.11 : La transformee de Fourier est un operateur lineaire continu de L
2
dans L
2
.
Enn on a limportant
Theorème 4.12 (ParsevalPlancherel) : Si f et g sont dans L
2
,

f et g le sont aussi et
_
R
f(x)g(x)dx =
1
2
_
R
f(k) g(k)dk (4.14)

En particulier pour g = f,
_
[f[
2
= (2)
1
_
[
f[
2
, ou encore, |f|
2
= (2)
1
|
f|
2
.
Preuve : Pour f, g C
2
(R) à support borne, f, g L
1
L
2
ainsi que

f, g (cf. Th. 4.8) et on a :
_
f(x)g(x)dx =
1
2
_
g(x)dx
_
dk e
ikx
f(k)
Fubini
=
1
2
_
dk

f(k)
_
g(x)e
ikx
dx =
1
2
_
dk

f(k) g(k). Pour
f, g L
2
quelconques, on les approche par des fonctions de C
2
à support borne, etc, cf [8] p. 216.
1
65
On peut redire cette propriete en termes plus geometriques : la transformation de Fourier
f (2)
1
2

f conserve la norme L
2
, cest une isometrie. Sur un plan plus physique, ce theorème
nous apprend que lenergie dun signal damplitude f(t) peut se calculer soit par
_
[f(t)[
2
dt,
soit par la somme des modules carres des modes de Fourier
_
[
f()[
2 d
2
.
Enn, et heureusement pour nous, la transformee de Fourier denie dans L
2
concide avec
celle denie dans L
1
pour toute fonction de L
1
L
2
.
Il peut arriver que f soit de carre integrable (cest-à-dire dans L
2
) sans etre integrable (dans
L
1
). Par exemple la fonction sinus cardinal rencontree plus haut (transformee de Fourier de
la fonction porte), sin x/x, nest pas (absolument) integrable sur R, comme on sait, mais son
carre lest (pourquoi ?). On peut toutefois le plus souvent calculer la transformee de Fourier de
f en prenant la partie principale à linni, cest-à-dire que ([1], p. 263)
f(k) = lim
M+
_
M
M
f(x)e
ikx
pour presque tout k R.
4.2.5 Transformation de Fourier et convolution
On a introduit au Chap. 3 la convolution de deux fonctions f et g localement integrables
(f g)(x) =
_
R
dyf(x y)g(y) .
Comment cela se marie-t-il avec la transformation de Fourier ?
Theorème 4.13 : Si f et g sont integrables ainsi que leur convoluee f g, alors
(a) T[f g] = T[f]T[g] ou encore

f g(k) =

f(k) g(k)
et si

f et g peuvent etre convoluees
(b) T[f.g] = 2T[f] T[g] ou encore

f.g(k) = 2

f(k) g(k)
En dautres termes, produit ordinaire et convolution sont echanges par transformation de Fou-
rier !
Preuve : Calculons la transformee de Fourier de f g :
T[f g](k) =
_

__

f(x y)g(y)dy
_
e
ikx
dx
Fubini
=
_

__

f(x y)g(y)e
ikx
dx
_
dy
=
_

__

f(x y)e
ik(xy)
dx
_
g(y)e
iky
dy =
_

f(k)g(y)e
iky
dy
=

f(k) g(k) cqfd. (4.15)
La formule T[f.g] = T[f]T[g] sobtient de la meme manière si

f et g sont integrables. Nous ladmettrons plus
generalement sous les hypothèses ci-dessus.
Ce theorème est de grande importance pratique en physique : cest lui qui permet le
decouplage des modes dans lanalyse dun système lineaire. On a vu au Chap. 3 que dans
un système lineaire decrit par un noyau K(t t
t
) et soumis à une excitation F(t), la reponse
au temps t est de la forme
G(t) =
_
dt
t
K(t t
t
)F(t
t
) ,
cest-` a-dire est la convolee G = K F. En passant aux transformees de Fourier,

G() =
K()

F(), il y a decouplage des dierentes valeurs de , cest-à-dire des dierents modes.
4.2.6 Diraction par une fente, par un reseau
En Optique, on etudie la diraction dune onde lumineuse monochromatique u(x, t) =
Ae
i(kxt)
par une fente de largeur d = 2a. A grande distance, lamplitude diractee est donnee
par les formules de Fraunhofer
2
qui reposent sur la transformee de Fourier.
Lamplitude de londe incidente de longueur donde et de vecteur donde k = 2/ etant decrite par la
fonction scalaire f(x), on ecrit que londe diractee est la superposition dondes spheriques emises par tous les
points de lobjet diractant, ici la fente. Donc lamplitude diractee en x est, pour r = [x[ a et dans la
direction
f
d
(x) = f
d
(r, ) =
k
(r)
_
a
a
dx
t
f(x
t
)e
ikx
sin
,
avec un prefacteur
k
(r) qui ne nous concerne pas ici. On voit que la transformee de Fourier

f de londe incidente
f donne, à un facteur près, lamplitude à grande distance de la lumière diractee par la fente, lintensite diractee
etant proportionnelle à [
f(k sin)[
2
. Voir TD pour les details du calcul.
4.3 Transformees de Fourier des distributions
Preambule
On aimerait maintenant etendre ces transformees de Fourier pour pouvoir les utiliser sur
les distributions telles , X ou H souvent rencontrees en physique. Lidee première est de
partir à nouveau dune fonction localement integrable, qui denit une distribution regulière,
den calculer la transformee de Fourier et de lappliquer à une fonction test. Mais on se rap-
pelle que lintegrabilite locale ne sut pas à assurer lexistence dune transformee de Fourier.
Restreignons-nous donc ` a des fonctions f integrables (dans L
1
). Selon le Theorème 4.3, sa
2. The equation was named in honor of Joseph von Fraunhofer although he was not actually involved in
the development of the theory. (sic) [Wikipedia].
`
A ce titre, elle constitue une illustration de la fameuse loi de
Stigler qui arme Une decouverte scientique ne porte jamais le nom de son auteur, . . . et cette loi sapplique
à elle-meme !
4.3. Transformees de Fourier des distributions 67
transformee de Fourier

f existe et est continue donc localement integrable. On ecrit alors, pour
toute fonction-test

f, ) =
_
R
f(k)(k)dk =
_
R
__
R
f(x)e
ikx
dx
_
(k)dk ,
mais on peut utiliser le theorème de Fubini (gr ace à lintegrabilite de f et ) pour intervertir
les deux integrales et ecrire

f, ) =
_
R
f(x)
__
R
e
ikx
(k)dk
_
dx =
_
R
f(x) (x)dx .
Ceci suggère, pour tout distribution T, la denition suivante de T[T]
T[T], )
def
= T, T[] ) . (4.16)
Mais une dernière diculte nous attend l` a ! La transformee de Fourier T[] dune fonction
T nest pas toujours dans T, et le membre de droite nexiste pas toujours ! (le support de
T[] nest pas necessairement borne) : la transformee T[T] nest pas toujours denie. Il nous
faut donc elargir la classe de fonctions-tests.
Distributions temperees
On a introduit plus haut (sect. 4.2.4) lespace o des fonctions ` a decroissance rapide, telles
que pour tout k N, et toutes ses derivees
(m)
satisfont
lim
x
[x
k
(m)
(x)[ = 0 .
Denition 4.3 : Soit o
t
le dual topologique de o (espace des formes lineaires continues sur
o). On appelle distribution temperee tout element de o
t
.
Verions dabord que o
t
T
t
: toute distribution temperee est une distribution ordinaire.
Cela decoule de T o et du fait que la continuite en un sens implique celle dans lautre (` a
verier). Cela implique que les proprietes dej` a etablies (translation, dilatation, derivabilite, etc)
pour les distributions ordinaires demeurent valables dans o
t
.
Quest-ce qui remplace dans o
t
les distributions regulières associees ` a une fonction loca-
lement integrable ? Denissons les fonctions ` a croissance lente comme les fonctions croissant au
plus ` a linni comme une puissance de x. Le produit dune telle fonction par une fonction test
de o est encore integrable. On etablit donc
Proposition 4.14 : Toute fonction localement integrable ` a croissance lente denit une distri-
bution de o
t
.
Mais de meme que T
t
contenait des distributions non regulières, o
t
en contient aussi qui ne
sont pas associees à des fonctions integrables à croissance lente.
Exemples. La distribution de Dirac est evidemment dans o
t
, son application sur toute
o etant bien denie (et lineaire et continue). Mais elle nest pas une fonction à croissance
lente.
Transformees de Fourier des distributions temperees
Nous avons maintenant un resultat important qui justie la demarche adoptee :
Theorème 4.15 : Toute distribution temperee admet une transformee de Fourier au sens des
distributions (4.16) qui est elle aussi une distribution temperee.
Autrement dit (4.16) sapplique pour tout T o
t
et o et denit T[T] o
t
. On
verie aussi que cette transformee de Fourier concide bien avec celle denie plus haut pour les
distributions regulières de L
1
ou de L
2
([1], p 273).
On verie enn que les formules dinversion du Theorème 4.6 sappliquent encore aux dis-
tributions temperees : si T o
t
, soit

T = T[T], alors
2T = T[
T]
avec T la transformation conjuguee. Ou encore, de facon plus cavalière, si

T(k) = T[T](k),
2T(x) = T[
T](x).
Exemples et applications. Transformee de Fourier de , etc
Considerons la fonction constante 1, x 1 : cest une fonction à croissance lente, donc
dans o
t
. Calculons sa transformee de Fourier. Soit o une fonction ` a decroissance rapide.
On a
1, )
def
= 1, ) =
_
R
(k)dk, ce qui, par les formules dinversion (Theorème 4.6), vaut
_
R
(k)dk = 2(0) = 2 , ). On en conclut que

1 = 2. Exercice : etablir selon la meme
methode que T[e
ika
] = 2
a
.
Proposition 4.16 : La transformee de Fourier de 1 est 2
T[1] = 2 , T[e
ika
] = 2
a
. (4.17)
Reciproquement la transformee de Fourier de est la fonction 1.
4.3. Transformees de Fourier des distributions 69
La preuve de la reciproque seectue de la meme manière :
, ) = , ) = (0) =
_
e
i0
(x)dx = 1, ) .
Des theorèmes de derivation et de translation decoulent alors des formules utiles
T[
t
] = ik , T[
(m)
] = (ik)
m
T[
a
] = e
ika
.
(Attention : ces formules dependent des conventions dans la denition de T !)
Exercice.

Etablir les formules suivantes pour les distributions frequemment rencontrees H,
X, PP, . . .
T[H(x)] = i PP
1
k
+ T[PP
1
x
] = i sgn k T[sgn (x)] = 2i PP
1
k
,
X(k) = X
_
k
2
_
.
On verra dautres exemples en TD.
Mon expose a suivi de très près celui de [1]. Pour plus de details, preuves, etc, voir [5], [7],
[8].
Exercices
1. Calculer la transformee de Fourier des fonctions suivantes :
(a) : 1/(p
2
+ m
2
), p R
3
, qui represente (` a un facteur près) lamplitude dune particule de
masse m et dimpulsion p.
(b)
e
mr
|r|
, pour r R
3
.
Ces fonctions jouent un r ole considerable en theorie quantique des champs.
2. Changement de normalisation.
Si on denit une transformee de Fourier avec dautres normalisations

T[f] = A
_
R
e
iBxk
dx, que
peut-on dire de
la transformee inverse ?
le theorème de ParsevalPlancherel ?
Chapitre 5
Probabilites
5.1

Evenements. Espace des epreuves.
La theorie des probabilites sest construite à partir de considerations sur la theorie des jeux.
Dans ces cas-l` a, (jeux de des, de cartes, paris, etc), on cherche ` a evaluer la probabilite dobserver
un type devenements donne dans un ensemble ni devenements possibles. Par exemple dans
un jeu o` u on lance deux des, quelle est la probabilite que la somme des deux des soit 6 ? Il
sut denumerer tous les evenements possibles (ici 6
2
) et tous les evenements favorables (ici
5 : 1+5, 2+4, 3+3, 4+2, 5+1) : si tous ces evenements se produisent a priori de fa con . . .
equiprobable ( !), (des non pipes), on denit la probabilite comme le rapport
P =
#cas favorables
#cas possibles
. (5.1)
En general, dans ce genre de situations, evaluer une probabilite equivaut à un problème de
denombrement, relevant de la combinatoire elementaire ou non
1
.
On souhaite generaliser cette denition à une classe devenements decrits par une ou des
variables prenant des valeurs, discrètes ou continues, en nombre inni. Se pose la question
de compter, ou plutot de mesurer ces evenements. On voit reapparatre la notion de mesure
abordee au chapitre 2.
On va donc devoir axiomatiser un peu notre approche.
1. Exemple dun problème simple à enoncer mais très ardu, le problème des menages : n couples sont places
de facon aleatoire autour dune table circulaire. Quelle est la probabilite quaucune femme ne soit assise à cote
de son conjoint ?
72 Chap.5. Probabilites
Espace des epreuves (ou univers)
Cet espace (qui nest en general ni vectoriel, ni topologique !) est la donnee de base dun
problème de probabilites. Cest lensemble de tous les evenements possibles. Plus precisement,
on appellera evenement elementaire (ou atomique) tout element de , et epreuve le choix dun
element a dans . En general, un evenement (evenement compose) est associe à une partie (ou
sous-ensemble) de . On va chercher ` a associer une probabilite P(A) à tout A . En fait
cela nest pas toujours possible et on doit se contenter de le faire pour des sous-ensembles bien
particuliers, des sous-ensembles mesurables.
Exemples : (a) ensemble ni des resultats de lancers de deux des, o` u on tient compte de
lordre (on distingue les deux des) ; le cardinal de est 6
2
= 36 ; A = sous-ensemble des lancers
contenant un 2 ; [A[ = 11 ; P(A) = 11/36.
(b) = R, A = Q, comment denir P(Q), la probabilite quun reel tire au hasard (il faudra
preciser) soit un rationnel ?
5.2 Probabilites et mesure. Vocabulaire
5.2.1 Axiomes de Kolmogorov
Dans le cas o` u lespace depreuves nest pas un ensemble ni, nous venons de voir que le
concept de probabilites sur est lie ` a celui de mesure sur cet ensemble. En general on dira
quon a probabilise lespace si on a pu denir une famille T de ses parties (sous-ensembles)
A et leur attacher un nombre 0 P(A) 1, la probabilite a priori de levenement A, avec les
axiomes suivants (Kolmogorov)
K(i) : T, et P() = 0 ;
K(ii) : T et P() = 1 ;
K(iii) : Si A T, son complementaire

A
def
= A T, et P(

A) = 1 P(A) ;
K(iv) : Si A, B T, A B implique P(A) P(B) ;
K(v) : T est stable par union denombrable ; si A, B T, donc A B et A B T, on a
P(A B) = P(A) +P(B) P(A B) ;
toutes proprietes qui generalisent celles familières pour un ensemble ni.
On voit que T satisfait les axiomes de denition dune tribu (cf Chap. 2) et P ceux dune
mesure, avec la condition supplementaire de normalisation
P() = 1 .
5.2. Probabilites et mesure. Vocabulaire 73
On peut alors transcrire dans ce nouveau contexte le vocabulaire introduit au chapitre 2 :
Une propriete vraie p.p. devient une propriete vraie presque s urement (p.s.) ;
A tel que P(A) = 0 est un evenement presquimpossible, A tel que P(A) = 1 est presque
s ur ;
une fonction mesurable X sur lespace (lunivers) à valeurs reelles est appelee variable
aleatoire, voir suivant ;
lintegrale dune telle v.a. X est son esperance E(X) =
_
XdP. En physique, on dit aussi sa

valeur moyenne et on la note generalement X ), ou quelquefois X, donc X ) E(X) X.
A cela sajoutent quelques elements de terminologie propres aux probabilites :
on vient de le voir, un element de T (donc une partie probabilisee de ) est un evenement ;
deux evenements A et B tels que AB = sont dits incompatibles ou mutuellement exclusifs ;
A B est levenement A et B ; A B est levenement A ou B.
Dans le cas o` u est un ensemble ni, on retrouve les denitions et resultats de la theorie
elementaire des probabilites. La donnee de la loi P se ramène à celle des probabilites des
evenements elementaires p
a
= P(a), completee par P(A) =
aA
p
a
, selon laxiome K(v).
La loi de probabilite est bien normalisee
a
p
a
= P() = 1, etc.
Remarques. On na pas cherche à donner une liste minimale daxiomes, de laquelle les
autres axiomes decoulent. Laxiome K(v) se generalise en une formule de Poincare pour une
union nie P(
i
A
i
) = , voir TD.
5.2.2 Probabilite conditionnelle.

Evenements independants
On la dit, P(A) represente la probabilite a priori de levenement A, compte tenu de la
seule information dont nous disposons : A . Si maintenant une information supplementaire
est apportee, à savoir quun evenement B sest produit, le calcul de la probabilite de A est ` a
reconsiderer, et on peut parler de probabilite a posteriori, ou de probabilite de A conditionne
par B, ce quon symbolise par A[B. La denition suivante semble naturelle
Denition 5.1 : (Axiome de Bayes) Si A, B sont deux evenements, avec P(B) ,= 0,
la probabilite conditionnelle de A sachant B (ou A si B) est
P(A[B) =
P(A B)
P(B)
.
Il decoule de cette denition une propriete simple mais utile ` a laquelle on donne aussi le
nom de Bayes : P(A B) = P(A[B)P(B) = P(B[A)P(A) donc
Proposition 5.1 (Bayes) : P(A[B) =
P(B[A)P(A)
P(B)
.
Denition 5.2 : Deux evenements A et B de sont independants si
P(A[B) = P(A) ou de facon equivalente P(B[A) = P(B) ou encore P(A B) = P(A)P(B) .
(5.2)
Une famille nie devenements A
i
est dite independante si pour toute sous-famille des A
i
,
P(
i
A
i
) =
i
P(A
i
).
N.B. Bien noter le toute sous-famille, et non pas seulement toutes les intersections deux ` a
deux, ou lintersection de tous les A
i
!
5.3 Variables aleatoires. Distributions de v.a.
Dans de nombreux cas concrets, en physique notamment, lespace est gigantesque et ne
se prete pas bien ` a une description quantitative directe. (Quon pense aux O(10
23
) variables
de vitesse des molecules dans un volume macroscopique dun gaz. . .) On va alors chercher ` a
decrire les proprietes (statistiques) de ce système à laide dune ou de quelques fonctions ` a
valeurs reelles sur lespace . Cela nous amène ` a la denition dune variable aleatoire.
5.3.1 Denition dune variable aleatoire ; loi de probabilite
Denition 5.3 : Si est un espace probabilise, une variable aleatoire (v.a) (unidimensionnelle)
X est une fonction mesurable de dans R. On denit de meme une v.a. n-dimensionnelle
X : R
n
.
Dans la suite, sauf mention explicite et pour la simplicite des notations, nous discuterons le
cas dune v.a. unidimensionnelle. Par lhypothèse de mesurabilite de X, pour toute partie
borelienne B de R (cest-` a-dire tout element de la tribu (borelienne) B(R)), A = X
1
(B) T,
la tribu de . Cela permet alors de denir une probabilite pour toute partie B B(R) :
P
X
def
= P X
1
, une notation un peu cavalière signiant P
X
(B) = P(A). Autrement dit on a
remplace lespace probabilise initial (, T, P) par lespace (R, B(R), P
X
), et on dit que X suit
la loi (de probabilite) P
X
. Ce P
X
nest pas en general la mesure de Lebesgue. Bien s ur, la
nouvelle loi P
X
obeit tous les axiomes de Kolmogorov, en particulier P
X
(R) = 1, condition de
normalisation qui exprime que X prend s urement une valeur reelle. Donc
Denition 5.4 : On appelle loi de probabilite P
X
de la v.a. X : R la probabilite image
de P par X, P
X
def
= P X
1
.
(Dans la suite on notera P au lieu de P
X
chaque fois quil ny aura pas dambigute.)
5.3. Variables aleatoires. Distributions de v.a. 75
5.3.2 Les quantites et fonctions importantes attachees à une v.a.
Valeur moyenne, moments, variance et ecart-type, etc.
Comme on la vu plus haut, on denit lesperance ou valeur moyenne dune v.a. X par
E(X) X )
def
=
_
XdP =
_
R
xdP
X
(x) (5.3)
ou plus generalement celle de toute fonction G(X), pourvu quelle soit integrable !
E(G) = G(X) )
def
=
_
G(X)dP =
_
R
G(x)dP
X
(x) . (5.4)
En particulier on denit les moments
k
def
= X
k
) . (5.5)
Attention! certains de ces moments peuvent ne pas exister :
k
existe si X L
k
. On verra
par la suite des exemples (distribution lorentzienne) de loi pour lesquelles seuls les moments les
plus bas existent.
Dans le cas dune v.a. discrète, pour laquelle la loi P
X
est donnee par les probabilites p
i
que X prenne la valeur x
i
, i = 1, 2, , les expressions de ces esperance/valeur moyenne et
moments se reduisent ` a
E(X) = X ) =
i
p
i
x
i
,
k
=
i
p
i
x
k
i
,
sous reserve que si i prend une innite de valeurs, ces sommes convergent !
Le deuxième moment entre dans la denition de la variance, notee var(X) ou
2
(X) :
var(X)
2
(X)
def
= X
2
) X )
2
=
2
2
1
(5.6)
ou encore, en developpant le carre
var(X)
2
(X) = (X X ))
2
) . (5.7)
Lecart-type (X) est la racine carree positive de cette variance.
Linteret de ces deux quantites variance ou ecart-type est de donner une indication sur la
dispersion des valeurs de X autour de sa valeur moyenne X ). Une variance (donc un ecart-
type) faible signale des valeurs de la v.a. resserrees autour de la moyenne X).
`
A linverse, une
variance elevee signie que X peut prendre (avec une probabilite non negligeable) des valeurs
eloignees de X).
Il est utile dobserver comment se transforment X ),
k
,
2
par translation ou dilatation
de la v.a. X : La variance est insensible ` a une translation de la v.a. X par une constante c. En
eet, si X
t
= X + c, X
t
) = X) + c et X X) = X
t
X
t
), donc les variances de X et X
t
sont les memes. Par une dilatation par un facteur , la moyenne et lecart-type sont dilatees
par ce meme facteur X X, X) X), varX
2
varX,
k

k
k
, donc X)/,
k
/
k
sont invariants.
On peut aussi construire des combinaisons des moments, homogènes de degre k par dilatation et invariantes
par translation : ce sont les cumulants. Par exemple,
3
= (X X))
3
) est le cumulant dordre 3 (ou skewness) ;
4
= (X X))
4
) 3
4
est le cumulant dordre 4, qui intervient en physique, et
4
/
4
est le kurtosis, qui
decrit de fa con plus ne la forme de la distribution de probabilite. Voir TD?
On peut encore denir dautres quantites qui donnent telle ou telle information quantitative sur la v.a. X.
La mediane de la loi dune v.a. X est par denition la valeur x
m
telle que P(X x
m
) = P(X > x
m
) =
1
2
.
`
A
ne pas confondre avec la valeur moyenne.
Exemple. Considerons une v.a. discrète prenant les valeurs 0, 1, 2, 3, 4 avec les probabilites
1
12
1, 5, 1, 2, 3.
Sa moyenne est 25/12 > 2, tandis que sa mediane est entre 1 et 2.
Inegalite de Tchebychev
Supposons que la v.a. est de classe L
k
(R), donc E([X[
k
) existe. Pour a > 0,
P([X[ > a) = E(([X[ a)) E(([X[ a)
X
a
k
) E
_
X
a
k
_
(on rappelle que H, la distribution de Heaviside), donc
P([X[ > a)
1
a
k
E([X[
k
) . (5.8)
Cette inegalite nous sera très utile dans letude des Theorèmes limites, voir 5.5.
Covariance, coecient de correlation.
Considerons maintenant deux v.a. X et Y attachees au meme espace . On denit leur
covariance et leur coecient de correlation par les formules
cov (X, Y ) = (X X ))(Y Y )) ) = XY ) X ) Y ) (5.9)
r(X, Y ) =
cov (X, Y )
(X)(Y )
(5.10)
Ces quantites servent ` a evaluer la correlation, au sens commun du mot, entre les deux variables.
Noter que si les deux variables sont independantes, le numerateur cov (X, Y ) se factorise en
X X ) ) Y Y ) ) = 0 puisque X X ) ) = 0. Mais la reciproque : cov (X, Y ) = 0
?
X, Y independantes nest en general pas vraie, on en verra un contre-exemple plus bas.

Fonction de repartition
On denit alors la fonction de repartition
2
F(x)
F(x) = P(X x) (5.11)
correspondant donc à un intervalle (borelien) (, x]
3
. Il en decoule par laxiome K(v) que
pour tout intervalle ]a, b] (attention au sens des crochets !)
P(]a, b]) P(a < X b) = F(b) F(a) ,
et par passage au complementaire, P(X > x) = 1 F(x).
Cette fonction jouit des proprietes suivantes
elle est positive et prend ses valeurs dans [0, 1] (cest une probabilite !) ;
F() = 0 ; F() = 1.
Plus precisement, si la v.a. prend ses valeurs dans lintervalle (a, b) (a, b nis ou innis),
F(a) = 0, F(b) = 1 ;
F est monotone croissante au sens large (non decroissante) : si x < y, F(x) F(y).
Cela decoule de laxiome K(v) :
F(y) = P(X y) = P(X x) +P(x < X y) P(X x) = F(x) ;
F est partout continue à droite : F(x + ) F(x) = P(x < X x + ) donc ` a la
limite 0, la mesure de lintervalle ]x, x +] tend vers zero,
lim
0
F(x +) = F(x) ,
ce qui est la denition de la continuite ` a droite.
Ces proprietes sont caracteristiques, en ce sens que toute fonction F les possedant peut etre
consideree comme la fonction de repartition dune v.a.
F est donc continue à droite. En revanche, elle peut ne pas etre continue ` a gauche. Cest le
cas quand la variable X peut prendre des valeurs discrètes x
k
avec une probabilite non nulle
p
k
= P(X = x
k
) :
lim
0
(F(x
k
) F(x
k
)) = lim(P(x
k
< X x
k
)) = limP(x
k
) = p
k
.
Exemple. La fonction de repartition dun de bien equilibre est representee sur la gure 5.1.
Elle est discontinue en x = 1, 2, 3, 4, 5, 6.
2. appelee aussi fonction de distribution cumulative, le danger etant que fonction de distribution est
aussi utilise dans un autre sens, voir plus bas.
3. Autre denition frequemment rencontree dans la litterature : F(x) = P(X (, x[) avec une inegalite
stricte X < x!
1
1/6
1 2 3 4 5 6
...
...
F(x)
x
Figure 5.1 Fonction de repartition dun de bien equilibre. Elle est partout continue à droite,
discontinue à gauche aux 6 points marques.
En general on peut demontrer (Lebesgue) que la fonction F peut etre decomposee de fa con
unique en la somme de trois composantes
F = F
at.
+F
abs. cont
+F
sing cont
(5.12)
chaque composante est non-decroissante ;
la composante atomique F
at.
est une fonction en escalier, somme des contributions dun
nombre ni ou denombrable de sauts en x
k
: elle represente la partie discontinue de F,
F F
at.
est continue ;
la composante absolument continue F
abs.cont
est une fonction continue et derivable p.p.,
F
t
abs.cont
est integrable de Lebesgue et on peut ecrire
F
abs. cont
(x) =
_
x
f(x
t
)dx
t
(5.13)
avec une fonction f egale p.p. à F
t
abs.cont
, positive ou nulle (puisque F
abs.cont
est non-
decroissante) ;
enn la composante singulière continue F
sing.cont
decrit le reste ! Elle est continue mais
non derivable, et elle ne varie que sur un ensemble de mesure nulle. On peut rencontrer
` a loccasion cette situation exotique en physique. . .
4
Complements.
1. On dit que la fonction F est absolument continue sur lintervalle [a, b] si, pour tout reel > 0, il existe un
> 0 tel que, pour toute suite ([a
n
, b
n
])
nN
de sous-intervalles de [a, b] dinterieurs disjoints,

n0
(b
n
a
n
) <

n0
[F(a
n
) F(b
n
)[ < .
On montre (theorème d u à Lebesgue) que
F abs. continue sur [a, b] Fderivable p.p., F
t
integrable au sens de Lebesgue et F(x)F(a) =
_
x
a
F
t
(x
t
)dx
t
;
alors F absolument continue F continue, et derivable p.p.
4. Voir par exemple S. Aubry, J. Physique, 44 (1983) 147-162.
2. Fonction de Cantor ou escalier du Diable : exemple de fonction continue F sur [0, 1] telle que F(0) = 0,
F(1) = 1, qui est derivable presque partout, la derivee etant presque partout nulle. On reprend la construction
de lensemble de Cantor / (cf App. A2) et on construit à chaque etape une fonction lineaire par morceaux : à
letape 0, cest la fonction f
0
(x) = x; à letape 1, f
1
est la fonction continue ane par morceaux qui vaut 0 en
0, 1 en 1, et
1
2
sur [
1
3
,
2
3
] ; à la n + 1-ième etape, la fonction f
n+1
= f
n
sur les intervalles o` u f
n
est constante,
et sur chaque intervalle [a, b] o` u f
n
nest pas constante, f
n+1
est la fonction lineaire par morceaux qui vaut
fn(a)+fn(b)
2
sur
_
2a
3
+
b
3
,
a
3
+
2b
3
. Il est aise de voir que pour tout x, [f

n+1
(x) f
n
(x)[ 2
n
, ce qui montre que
la serie de fonctions

n0
(f
n+1
f
n
) converge uniformement, et donc que la suite f
n
converge uniformement.
La fonction limite F est continue, monotone, et lon a F(0) = 0 , F(1) = 1. De plus, F a une derivee nulle
sur le complementaire de lensemble de Cantor /, puisque ce complementaire est une reunion dintervalles sur
lesquels f, par construction, est constante (do` u le nom descalier du Diable !). Elle a donc bien les proprietes
annoncees : F(0) = 0, F(1) = 1, F
t
= 0 p.p. ; les points o` u elle nest pas derivable sont les points de lensemble
de Cantor, non denombrable mais de mesure nulle. Comme anticipe au 2.2.6, cette fonction est telle que
1 = F(1) F(0) ,=
_
1
0
F
t
(x)dx = 0. Clairement cette fonction nest pas absolument continue ! Voir son graphe
sur la gure 5.2.
3. La fonction de Cantor est la fonction de repartition dune variable aleatoire reelle X entre 0 et 1 dont les chires
du developpement en base trois sont obtenus par des tirages independants equiprobables avec P(0) = P(2) =
1
2
,
P(1) = 0.
Mais ces cas exotiques mis ` a part, la situation rencontree le plus souvent concerne une
fonction de repartition de la forme F = F
at
+ F
abs.cont
, ce quon peut encore recrire sous la
forme uniee (5.13) à condition dautoriser dans f des contributions de distributions delta
f(x) f(x) +
k
p
k
(x x
k
).
Figure 5.2 Graphe de la fonction de Cantor
Fonction de repartition continue et derivable
Supposons maintenant que la fonction F(x) ne comporte que la composante absolument
continue : elle est non seulement continue mais aussi derivable. Soit f(x) = F
t
(x). Inversement
F(x) est la primitive de f(x) sannulant pour x , donc
F(x) =
_
x
f(x
t
)dx
t
, (5.14)
et en general
P(a X b) =
_
b
a
f(x)dx . (5.15)
La fonction f, appelee densite de probabilite
5
, est positive (puisque F est croissante) et telle
que P(R) =
_
f(x)dx = 1 , on dit quelle est normalisee. Noter que f(x)dx represente la

probabilite que la v.a. X appartienne à lintervalle (x, x + dx).
Remarques.
1. Bien comprendre que dans ce cas dune v.a. continue X ` a fonction de repartition F absolu-
ment continue, on ne parle pas de la probabilite que X prenne une valeur x, mais seulement
quelle soit dans un intervalle, quil soit ni (a, b), inni (, a) ou innitesimal (x, x + dx).
2. Le mode de la loi dune v.a. X est par denition la (ou les) valeur(s) de x o` u f(x) atteint
son maximum. Par extension, pour une v.a. discrète, cest la (ou les) valeur(s) de k telles que
P(X = k) = p
k
soit maximale. Bien voir que les trois notions de valeur moyenne, mode et
mediane sont distinctes. Exercice : dessiner le graphe dune loi f dont le mode est inferieur ` a
la valeur moyenne.
3. Lesperance et les moments sexpriment aisement en termes de f
E(X) X ) =
_
xf(x)dx ,
k
=
_
x
k
f(x)dx .
Graphe dune loi f. Il est commode de visualiser une loi de probabilite par le graphe de la fonction f. Noter
la relation entre ce graphe et les histogrammes que lon peut construire à partir dechantillons de N evenements :
tout histogramme à N ni donne (à un facteur N près) une approximation du graphe de f. Intuitivement, on
sattend à ce que dans la limite o` u N et o` u la largeur des intervalles tend vers 0, lhistogramme approche
le graphe, puisque f(x) = lim
h0
F(x+h)F(x)
h
, donc pour h petit, f(x)h P(x X < x + h), mais cela
meriterait detre justie plus precisement . . .
5.3.3 Plusieurs variables aleatoires
Ce qui vient detre dit pour une v.a. continue peut etre repete pour deux v.a., qui appliquent
lespace sur R
2
. Ce R
2
peut etre visualise comme le plan muni de deux coordonnees x et y, et
5. appelee aussi probability distribution fonction, ou PDF, en anglais. . .
les deux v.a. X, Y prenant des valeurs x et y avec une certaine loi decrivent un point aleatoire
dans le plan.
La fonction de repartition F(x, y) est alors denie comme
F(x, y) = P(X x Y y) ; (5.16)
quand F est continue et derivable en x et en y, on lui associe la densite de probabilite jointe
f(x, y)
f(x, y)dxdy = P(x < X x + dx y < Y y + dy) , (5.17)
fdxdy est la probabilite que le point aleatoire soit dans le pave innitesimal (x, x + dx)
(y, y + dy), et F(x, y) =
_
x
_
y
f(x
t
, y
t
)dx
t
dy
t
.
Si f est factorisee, f(x, y) = f
1
(x)f
2
(y), les deux v.a. X et Y sont independantes, puisque
P(a X< b c Y < d) =
_
b
a
dx
_
d
c
dyf(x, y) =
_
b
a
f
1
(x)dx
_
d
c
f
2
(y)dy = P(a X< b) P(c Y < d)
qui est bien la denition de lindependance, voir plus haut, (5.2). Reciproquement, verier que
si X et Y sont independantes, leur loi f est factorisee.
Distributions marginales
Soit f(x, y) la densite de probabilite dune paire de v.a. (X, Y ). On etudie la loi marginale
sur la seule v.a. X quand on ne sinteresse pas à la v.a. Y , autrement dit quand on somme
sur les valeurs possibles de Y . La valeur moyenne/esperance de toute fonction G(X) est donc
donnee par
G(X)) =
_
dxdyf(x, y)G(x) =
_
dxG(x)
_
dyf(x, y)
ou encore
G(X)) =
_
dxf
1
(x)G(x) avec f
1
(x)
def
=
_
dyf(x, y) .
La loi marginale en x a donc pour densite
_
dyf(x, y), le mot marginal venant des tableaux
comptables à deux entrees o` u les sommes selon une variable etaient reportees dans la . . . marge
du tableau!
Fonctions de correlation de plusieurs v.a.
Quand on dispose de plusieurs v.a., comme X et Y ci-dessus, on sinteresse à leur fonction de
correlation X Y ) qui vaut
XY ) =
_
f(x, y) xy dxdy . (5.18)
Sous lhypothèse de factorisation de la densite f(x, y) = f
1
(x)f
2
(y), donc dindependance des
v.a. X et Y , on a
XY ) = X)Y ) .
Inversement si XY ) , = X)Y ), cela implique que X et Y ne peuvent etre independantes. Le
calcul de
XY )
c
def
= XY ) X)Y ) (5.19)
fournit donc une mesure de la non-independance, ou de la correlation, des v.a. X et Y . Plus
generalement, on peut bien s ur denir des fonctions de correlation plus compliquees, telles
P(X)Q(Y )) o` u P et Q sont par exemple des polynomes, pourvu que ces valeurs moyennes
soient bien denies.
Remarque importante : XY )
c
= 0 est une condition necessaire pour que les v.a. X et
Y soient independantes, mais elle nest pas susante : elle nimplique pas que X et Y sont
independantes. Ainsi soit une v.a. angulaire prenant des valeurs sur [0, 2[ avec une densite
uniforme f() =
1
2
. Soient les v.a. X = cos et Y = sin . Montrer que XY )
c
= 0. Il
est pourtant clair que X et Y ne sont pas independantes, etant toutes deux liees à la v.a.
. Exercice : montrer dans cet exemple que X
2
Y
2
) ,= X
2
) Y
2
), ce qui verie la non-
independance de X et Y .
On passe sans diculte de 2 ` a n v.a. X
1
, , X
n
. On rencontrera souvent dans la suite le
cas de n v.a. independantes et de meme loi, ou egalement distribuees
6
, donc dotees dune
densite factorisee f
n
(x
1
, x
n
) =
n
i=1
f(x
i
).
Exemple physique : dans un barreau de fer, laimantation est due aux moments magnetiques m
i
portes
par les ^ atomes, plus precisement à leet cooperatif de ces moments microscopiques. Selon les lois de la
Mecanique Statistique, on peut decrire un tel système par une approche probabiliste.
`
A chaque conguration
de moments magnetiques m
i
, on associe son energie c( m
i
) qui depend de tous ces moments et de leurs
interactions, et aussi deventuels champs magnetiques appliques, etc. Le principe fondamental de la Mecanique
Statistique est quà lequilibre à une temperature T (temperature absolue, mesuree en Kelvin), la probabilite
de cette conguration est
P( m
i
) =
1
Z
e
L( mi])
(5.20)
o` u
def
= (k
B
T)
1
, avec k
B
la constante de Boltzmann, k
B
= 1, 380 10
23
J K
1
. Le facteur exponentiel
e
L( mi])
est appele poids de Boltzmann de la conguration. Le facteur Z, appele fonction de partition du
système, est deni par
Z =
cong.
e
L( mi])
(5.21)
o` u on somme sur toutes les congurations des moments magnetiques, de telle facon que la probabilite (5.20)
est bien normalisee :

cong.
P( m
i
) = 1. Le resultat de lanalyse theorique, en accord avec lobservation, est
quà haute temperature les moments microscopiques sont desordonnes, pointant dans toutes les orientations,
6. Les probabilistes anglo-saxons parlent de variables i.i.d, independent, identically distributed.
laimantation totale est alors nulle et le corps est dans sa phase paramagnetique ; à temperature inferieure à la
temperature de Curie, en revanche, les moments magnetiques ont tendance à sorienter parallèlement les uns
aux autres, creant ainsi une aimantation macroscopique

M : on est dans la phase ferromagnetique. La valeur
moyenne m
i
) du moment de latome i est nulle dans la phase paramagnetique, et non nulle et egale à
1
A
M
(par denition) dans la phase ferromagnetique. La fonction de correlation m
i
m
j
) des moments de deux atomes
i et j distants sannule avec leur separation dans la phase paramagnetique, elle tend vers le carre de m) dans
la phase ferromagnetique.
5.3.4 Changement de variable aleatoire
On considère un phenomène aleatoire dont les evenements sont decrits par une v.a. X reelle,
par exemple une coordonnee dun point M. Pour une raison ou une autre, on peut etre interesse
` a changer la description du phenomène en passant de la variable X ` a une autre, par exemple
Y = aX + b ou toute autre fonction (monotone croissante) Y = (X). Comment la loi de
X se modie-t-elle par ce changement de variable (ce changement de coordonnee) ? Appelons
f(x) et

f(y) les densites de probabilite qui decrivent le phenomène dans les deux variables. La
quantite f(x)dx qui fournit la probabilite que x < X x+dx doit etre independante du choix
de variable, en ce sens que
P(M I) = P(x < X < x + dx) = P(y < Y < y + dy)
donc
f(x)dx =

f(y)dy avec y = (x) et dy =
t
(x)dx (5.22)
donc f(x) =

f(y)
dy
dx
=

f(y)
t
(x)

f(y) =
f(x)
t
(x)
. (5.23)
Noter que lon a suppose explicitement que y est une fonction croissante de x, sinon que faudrait-
il faire ?
Exemples 1. Un point aleatoire sur le segment [1, 1] est decrit par une coordonnee X ou
par un angle ,
1
2

1
2
, avec X = sin . Les densites sont reliees par

f() = f(x)
dx
d
=
f(sin ) cos ou f(x) =

f()
1x
2
.
2. Passage en coordonnees radiales. Supposons quon se donne une distribution aleatoire de
points dans le plan, decrits par une densite (de probabilite) f(x, y). En coordonnees polaires,
(x, y) (r, ), on va ecrire
f(x, y) dx dy =

f(r, ) dr d
mais on sait bien que lelement de surface innitesimal dxdy = rdrd, donc

f(r, ) = rf(x, y).
Si la distribution en est uniforme, on peut se reduire à la seule coordonnee radiale r et ecrire
f(r) = 2rf(x, y). Exemple : des points sont distribues dans le plan avec la densite f(x, y) =
Aexp (x
2
+ y
2
) (loi gaussienne, voir paragraphe suivant). Cette densite est evidemment
invariante par rotation dans le plan (elle ne depend que de la distance de lorigine au point M
de coordonnees (x, y)), et il est naturel dutiliser la coordonnee radiale r =
_
x
2
+y
2
. La densite
dans la v.a. R correspondante est

f(r) = 2Ar exp r
2
. De la meme facon, une distribution
dans lespace R
3
peut se recrire en coordonnees spheriques (r, , ), avec 0 , 0 2.
On a alors

f(r, , ) = r
2
sin f(x, y, z), ou sil y a invariance par rotation (independance en
, ),

f(r) = 4r
2
f(x, y, z). On verra plus bas ( 5.4.7) une application de ces considerations ` a
la distribution de Boltzmann des vitesses des molecules dun gaz.
5.3.5 Fonction caracteristique
Un outil très utilise en probabilites est la fonction caracteristique de la v.a., qui est la
transformee de Fourier de la densite f, notee ici
(u) =
_

e
iux
f(x)dx . (5.24)
Cette integrale converge absolument puisque [
_
e
iux
f(x)dx[ <
_
[e
iux
[f(x)dx =
_
f(x)dx = 1.
En etendant aux fonctions complexes la notion desperance
(u) = E(e
iuX
) .
Comme on a vu, la fonction (supposee integrable) determine complètement la fonction f,
donc la loi de probabilite, gr ace aux formules dinversion
f(x) =
1
2
_

e
iux
(u)du . (5.25)
Lutilite de cette fonction caracteristique tient au resultat suivant :
Proposition 5.2 : La somme de N v.a. independantes a pour fonction caracteristique le pro-
duit des fonctions caracteristiques.
Preuve : Soient n v.a. independantes X
1
, , X
n
de densites de probabilite f
1
, f
n
. La densite
de probabilite jointe est, on la vu, le produit
i
f
i
(x
i
). La v.a. X =
n
X
i
a pour densite
f(x) =
_
dx
1

_
dx
n
i
f
i
(x
i
) (x
i
x
i
)
comme on le verie en calculant lesperance de toute fonction G de X seule :
G(X) ) =
_

i
(dx
i
f
i
(x
i
))G(
i
x
i
) =
_

i
(dx
i
f
i
(x
i
))
_
dx(x
i
x
i
)G(x) =
_
dxf(x)G(x) .
5.4. Distributions classiques 85
La v.a. X a donc pour fonction caracteristique
(u) =
_

e
iux
f(x)dx =
_

dxe
iux
_
dx
1

_
dx
n
i
f
i
(x
i
)(x
i
x
i
)
=
_
dx
1

_
dx
n
j
f
j
(x
j
)e
iux
j
=
j
(u) . (5.26)
En particulier
La somme de N v.a. independantes et de meme loi f a pour fonction caracteristique la
puissance N-ième de la fonction caracteristique de f
N
(u) = (u)
N
. (5.27)
On peut denir aussi cette fonction caracteristique dans le cas dune variable discrète entière :
soit X une v.a. discrète prenant la valeur entière k avec la probabilite p
k
. On a (u) =
k
p
k
e
iuk
ou, de facon equivalente, (z = e
iu
) =
k
p
k
z
k
. Sous cette dernière forme, comme fonction de
z, on lappelle aussi fonction generatrice des probabilites p
k
. En eet on retrouve les p
k
` a partir
de cette fonction generatrice par dierentiation
p
k
=
1
k!
_
d
dz
_
k
(z)
z=0
. (5.28)
Exemple : loi binomiale. Une v.a. prend la valeur 0 avec la probabilite 1 p et 1 avec la
probabilite p, donc (z) = 1 p + pz. La somme de N v.a. independantes et de meme loi a
pour fonction caracteristique
N
(z) = (z)
N
=
N
k=0
C
k
N
(1p)
Nk
p
k
z
k
. Cela donne la reponse
` a un problème classique : si on tire ` a pile (0) ou face (1), quelle est la probabilite dun score
total k après N tirages ? Reponse, p
k
= (1 p)
Nk
p
k
C
k
N
. On reviendra sur cette loi binomiale
au paragraphe suivant.
5.4 Distributions classiques
Dans ce paragraphe nous denissons et etudions quelques distributions usuelles, ou lois, de
variables aleatoires discrètes ou continues.
5.4.1 Distribution uniforme
Cest la plus simple des distributions de v.a. : la densite est constante et non nulle dans un
intervalle [a, b]. La valeur de cette constante p est xee par la normalisation
_
b
a
f(x)dx =
f(x)
1
a b
x
F(x)
Figure 5.3 Densite et fonction de repartition dune distribution uniforme sur lintervalle [a, b].
(b a)p = 1 soit p =
1
ba
, voir Fig. 5.3. La fonction de repartition F(x) est nulle pour x a,
crot lineairement de a ` a b et vaut 1 pour x b.
Dans sa version discrète, o` u la v.a. prend un nombre ni de valeurs x
i
avec des probabilites
p
i
, les p
i
sont egales, les valeurs x
i
sont equiprobables. Cest le cas dune pièce (au jeu de pile
ou face) ou dun de bien equilibres, avec des probabilites respectives de p
p
= p
f
=
1
2
ou de
p
i
=
1
6
. Dans sa version continue, cest la distribution des generateurs de nombres aleatoires
usuels, qui engendrent des nombres x
i
de lintervalle [0, 1] avec une densite de probabilite
constante.
`
A partir de cette densite sur [0, 1], on fabrique une distribution uniforme sur tout
autre intervalle [a, b] en translatant et dilatant la variable en y = x(b a) + a et en prenant
f(y) =
1
ba
f(x) =
1
ba
f(
ya
ba
) pour y [a, b].
Moyenne, variance, moments, fonction caracteristique
Le calcul de la moyenne, de la variance et des moments est aise
X) =
1
b a
_
b
a
dx x =
a +b
2
(5.29)
m
k
= X
k
) =
1
b a
_
b
a
dx x
k
=
b
k+1
a
k+1
(k + 1)(b a)
=
1
k + 1
(a
k
+a
k1
b + +b
k
) (5.30)
var X = X
2
) X)
2
=
1
12
(a b)
2
(5.31)
(u) =
_
b
a
dxe
iux
1
b a
=
e
iub
e
iua
iu(b a)
(5.32)
(5.33)
5.4.2 Distribution binomiale
Cest la distribution rencontree au paragraphe 5.3.2 dans la discussion des sommes des valeurs
de pile ou face : si on a tire à pile ou face n fois, quelle est la probabilite de k faces ?
Supposons la pièce mal equilibree, avec une probabilite p de tomber sur face, 0 < p < 1
et q = 1 p de tomber sur pile. Dans une serie de n lancers, les resultats successifs sont des
variables independantes (la pièce ne garde pas le souvenir si elle est tombee sur pile ou face
les fois precedentes !). Par consequent la probabilite dune suite donnee de k faces et donc de
n k piles est independante de lordre de ces faces ou piles et elle est factorisee de la forme
p
k
q
nk
. Comme deux suites de k faces dierant par leur ordre sont des evenements A et B
mutuellement exclusifs, la probabilite de A B est la somme des probabilites de A et de B,
chacune egale ` a p
k
q
nk
, et plus generalement la probabilite totale cherchee p
(n)
k
est p
k
q
nk
fois
le nombre total de suites avec k faces, soit C
k
n
, do` u
B(n, p) : P(X = k) = p
(n)
k
def
= C
k
n
p
k
q
nk
. (5.34)
La loi est bien normalisee :
p
(n)
k
=
n
k=0
C
k
n
p
k
q
nk
= (p +q)
n
= 1.
La distribution (5.34) est la loi binomiale B(n, p).
0 1 2 3 4 5 6 7 8 9 10
0.05
0.10
0.15
0.20
0.25
0 1 2 3 4 5 6 7 8 9 10
0.05
0.10
0.15
0.20
0.25
Figure 5.4 Distribution binomiale pour p = 0, 5 et pour p = 0, 3 et n = 10.
Elle se rencontre chaque fois quon sinteresse à n occurrences dun evenement se produisant
ou non avec une probabilite p ou 1 p. Par exemple, on considère n noyaux radioactifs dont
chacun a la probabilite p de se desintegrer pendant un intervalle t. Quelle est la probabilite que
k noyaux se soient desintegres au bout de ce temps ? (on suppose que les desintegrations sont des
phenomènes aleatoires independants, cest-` a-dire quelles ne sinuencent pas mutuellement.)
Nous reviendrons en detail sur cet exemple au 5.4.7.
Moyenne, variance, moments. Fonction caracteristique
`
A nouveau, le calcul de la moyenne et de la variance est un bon exercice
X) =
k
kp
(n)
k
= np (5.35)
X
2
) =
k
k
2
p
(n)
k
= n(n 1)p
2
+np (5.36)
varX = X
2
) X)
2
= n(p p
2
) = npq (5.37)
(5.38)
dans lequel on pourra utiliser de facon repetee lidentite kC
k
n
= nC
k1
n1
. Pour la fonction ca-
racteristique (u) =
k
p
k
e
iuk
, on a pour la distribution binomiale
Bin(n)
(u) =
k
p
(n)
k
e
iuk
=
n
k=0
C
k
n
e
iuk
p
k
q
nk
= (1 p +pe
iu
)
n
. (5.39)
Nous ferons usage de cette expression dans la suite.
5.4.3 Distribution normale
Rappelons dabord que
I =
_

e
x
2
dx =
. (5.40)
Cest la très fameuse integrale gaussienne.
Cette formule très utile se demontre aisement de la fa con suivante : calculons le carre de lintegrale, considere
comme une integrale dans le plan et appliquons lui le changement de variables en coordonnees polaires.
Explicitement I
2
=
_
dxe
x
2
_
dy e
y
2
=
_
R
2
dxdy e
x
2
y
2
=
_
R
2
rdrd e
r
2
= 2
_
0
1
2
d(r
2
) e
r
2
=
0
due
u
= , cqfd.
Par un simple changement de variable, on en deduit que pour tout > 0
I() =
_

e
x
2
dx =
_
(5.41)
et en particulier
1
2
2
_

x
2
2
2
dx = 1 . (5.42)
On denit alors une v.a. gaussienne x par sa densite
^(, ) : f
Gauss
(x) =
1
2
2
e
(x)
2
2
2
. (5.43)
5 5 10
0.02
0.04
0.06
0.08
0.10
0.12
Figure 5.5 Densite dune distribution gaussienne, = 2, = 3 et = 5. Le maximum est atteint
en x = , la largeur du pic (par exemple à la hauteur e
1
fois le maximum) est proportionnelle à .
On parle de la loi normale ^(, ). Elle depend de deux paramètres et
2
que nous allons
maintenant interpreter. Calculons pour cela la moyenne et la variance de cette v.a.
X) =
_

dx xf
Gauss
(x) =
_

dx
_
(x ) +
_
f
Gauss
(x) = 0 + :
le premier terme est nul car dans le calcul de x) on peut eectuer le changement de variable
dintegration x
t
= x et lintegrale qui en resulte dune fonction impaire x
t
e
ax
2
sur (, )
est nulle ; le deuxième terme de la moyenne est egal à car lintegrale est bien normalisee.
Pour le calcul de la variance, remarquons dabord quen dierentiant les deux membres
de I() dans (5.41)
7
par rapport ` a on obtient

I() =
_
dxx
2
e
x
2
=
1
2
I(). Prenant
= (2
2
)
1
, on est alors en mesure de calculer
varX =
_

dx (x )
2
f
Gauss
(x) =
_
dx
2
2
(x )
2
e
(x)
2
2
2
=
_
dx
t
2
2
x
t2
e
x
2
2
2
=
2
.
Par consequent les deux paramètres et
2
dont depend la loi gaussienne (5.43) sinterprètent
respectivement comme sa moyenne et sa variance.
Le graphe de f(x) a une allure caracteristique de courbe en cloche, voir Fig. (5.5). Elle
est centree en x = , et est dautant plus etroite que lecart-type (ou la variance
2
) est
plus faible. Cette variance peut etre mesuree par la largeur du pic, denie comme la distance
2
2 entre les points x =
2 o` u f est reduit dun facteur e par rapport ` a son maximum :

f(
2) =
f()
e
.
Denition 5.5 : On dit quune v.a. X a une loi normale centree normalisee si elle est gaus-
sienne avec = 0 et
2
= 1 (loi normale ^(0, 1)).
7. La derivation sous le signe somme est ici parfaitement justiee, pourquoi ?
Moments.
Les calculs qui precèdent ont prepare le terrain au calcul des moments dordre arbitraire.
Par changement de variable on ramène tout calcul de moment de X ` a celui de X
t
= X. Pour
la variable X
t
qui est centree, tous les moments impairs sont nuls, par largument de parite
donne pour la moyenne. Ses moments pairs sobtiennent ` a nouveau par dierentiation repetee
par rapport ` a dans (5.41).
Exercice. Selon ce principe, verier les formules suivantes
X
2
) =
2
+
2
; X
3
) =
3
+ 3
2
; X
4
) =
4
+ 6
2
2
+ 3
4
.
On verra plus bas une autre manière de calculer ces moments.
La conclusion importante est que pour la distribution gaussienne, tous les moments existent
et sont calculables explicitement.
Au vu de linegalite de Tchebychev (5.8), lexistence de moments dordre quelconque implique que la pro-
babilite P([X[ > a) sannule très vite quand a crot, plus vite que toute puissance inverse a
k
; ceci est en
accord avec notre intuition : dans la distribution gaussienne les evenements très eloignes de la moyenne sont
extremement rares.
Fonction caracteristique
Puisque la fonction caracteristique est une transformee de Fourier, on connat par le Chap. 4 le resultat
pour la loi normale : la transformee de Fourier dune gaussienne centree ( = 0) est une gaussienne centree, et
en general, pour tout
Gauss
(u) = e
iu
e
1
2
u
2
2
, (5.44)
une expression qui permet aussi de calculer aisement tous les moments de la distribution gaussienne. En eet
la fonction caracteristique (u) peut etre consideree comme une fonction generatrice des moments, en ce sens
que sa derivee n-ième en 0 vaut
(n)
Gauss
(0) = i
n
_
dxx
n
f(x)
qui sannule pour n impair, comme on a vu; donc
(2p)
Gauss
(0) = (1)
p
m
2p
est au signe près, le 2p-ième moment
de la distribution ^(, ). Montrer en utilisant lexpression (5.44) que si = 0
m
2p
= (2p 1)!!
2p
, (5.45)
o` u (2p 1)!!
def
= 1.3. .(2p 3)(2p 1). Ces calculs prendront une grande importance en mecanique statistique
et en theorie quantique des champs. . .
Importance des variables gaussiennes
Pour des raisons que lon va voir, cette distribution joue un r ole particulièrement important.
La distribution gaussienne joue un r ole central aussi bien en probabilites et statistiques quen
physique. En probabilites et statistiques, cela tient en particulier au theorème limite central,
que nous etudierons au paragraphe suivant, selon lequel cette distribution apparat comme
limite de nombreux phenomènes aleatoires. En physique, elle est au cur de très nombreuses
considerations ; en physique statistique, en relation avec les poids de Boltzmann : pour un
système de particules sans interactions, tel un gaz parfait, lenergie cinetique est E =
1
2
mv
2
i
,
et les vitesses considerees comme des v.a. obeissent ` a une loi gaussienne dictee par le poids
de Boltzmann e
E
k
B
T
=
i
e
mv
2
i
2k
B
T
, (voir ci-dessous 5.4.7) ; cest le cas encore avec letude
densembles doscillateurs harmoniques, que lon rencontre en physique des solides et en theorie
quantique des champs, etc etc.
5.4.4 Distribution de Poisson
Soit un paramètre reel positif, et k une v.a. discrète à valeurs entières 0. La distribution
de Poisson est denie par la loi de probabilite
T() : P(X = k) = p
Poisson
k
def
=

k
k!
e
. (5.46)
Il convient dabord de verier que cette loi est bien normalisee, ce qui est immediat :
k=0
p
k
=
e
k=0
k
k!
= 1.
0 1 2 3 4 5 6 7 8 9 10
0.05
0.10
0.15
0.20
0.25
0 5 10 15 20 25 30 35 40 45 50
0.02
0.04
0.06
0.08
Figure 5.6 Distribution de Poisson pour = 2, 5 et = 20.
Moyenne, variance, moments, fonction caracteristique
Une fois encore, on calcule aisement les moyenne et variance de la distribution et sa fonction
caracteristique :
X) =
k=0
k
k
e
k!
= (5.47)
X
2
) =
k=0
k
2
k
e
k!
=
2
+ (5.48)
varX = X
2
) X)
2
= (5.49)
(u) = e
(e
iu
1)
ou (z) = e
(z1)
. (5.50)
Exercices : verier ces formules. Chercher le ou les mode(s) de T(), au sens du 5.3.2. Montrer
que si est un entier n, les modes sont les deux valeurs n1 et n; et que si nest pas entier,
le mode est | (partie entière de ).
Importance de la loi de Poisson
La loi de Poisson apparat dans de nombreux phenomènes naturels ou de la vie pratique,
chaque fois que des evenements independants se produisent à un taux constant (dans lespace
et/ou le temps) : la loi p
Poisson
k
donne alors la probabilite davoir k occurrences de levenement.
Ainsi supposons que N objets ont ete distribues au hasard pendant un temps T donne (cela
peut sappliquer à des appels telephoniques, ` a des impacts de particules emises par une source,
` a des gouttes de pluie ou autres projectiles supposes repartis ` a un rythme constant, etc). On
sattend donc à en recevoir en moyenne = N/T par unite de temps. La probabilite den
recevoir k pendant un temps t T est donnee par la loi de Poisson de paramètre t. Exemple :
je re cois en moyenne 50 e-mails par jour, repartis grosso modo de fa con uniforme dans le temps.
Quelle est la probabilite que jen recoive k un certain jour ? Reponse : p
Poisson
k
avec = 50. Que
jen recoive 9 en une demi-journee ? Reponse : p
Poisson
9
avec
t
= Nt/T = 25.
Pour se convaincre que cette interpretation est correcte, montrons que la loi de Poisson jouit
dune propriete dinvariance par divisibilite dans le sens suivant. Considerons un processus
decrivant loccurrence devenements dans un intervalle de temps (ou un intervalle de droite,
un element de surface, etc) suivant une loi de Poisson P(X = n) =

n
n!
e
, et supposons quon
subdivise cet intervalle en m sous-intervalles de meme taille. On sattend ` a ce que les evenements
se repartissent dans ces sous-intervalles de fa con independante et avec la meme loi. Si le nombre
total devenements X est xe, le nombre X
i
devenements dans le i-ième sous-intervalle donne
suit la loi binomiale : un evenement a une probabilite 1/m de se produire dans lintervalle
considere, et la probabilite (m 1)/m de se produire en dehors, donc P(X
i
= k[X = n) =
C
k
n
1
m
k
(
m1
m
)
nk
=
n!(m1)
nk
k!(nk)!m
n
. Par la formule de Bayes, P(X
i
= k X = n) =
n!(m1)
nk
k!(nk)!m
n
n
n!
e
et la probabilite P(X
i
= k) est donc
P(X
i
= k) =
n=k
P(X
i
= k X = n) =
e
k
k! m
k
n=k
nk
(m1)
nk
(n k)!m
nk
=
e
k
k! m
k
e
m1
m
=
e
m
k!
_
m
_
k
(5.51)
qui est une loi de Poisson de paramètre /m, cqfd. Bien entendu, X
i
) = var(X
i
) =

m
.
Cette meme distribution de Poisson sapplique aussi aux phenomèmes quantiques. Ainsi le
nombre de particles ou de photons emis par une source avec un taux moyen donne suit une loi
de Poisson. On parle de bruit (par exemple de photons) poissonnien.
Cette apparition de la loi de Poisson tient au fait quelle decrit une certaine limite de la loi
binomiale, comme on le verra au 5.4.6.
5.4.5 Quelques autres lois rencontrees dans les sciences naturelles
Loi exponentielle
Pour R
+
, on denit la loi exponentielle de paramètre par
f
exp
(x) = e
x
si x > 0 , 0 sinon. (5.52)
Sa fonction de repartition est F(x) =
_
x
f
exp
(x
t
)dx
t
= 1 e
x
. Une propriete remarquable de cette loi est
son absence de memoire : P(X > x +y [ X > y) = P(X > x) x, y 0 .
Loi lorentzienne ou de Cauchy
Pour R
+
, on denit la loi lorentzienne de paramètre (aussi appelee loi de Cauchy) par
f
Lorentz
(x) =
1
x
2
+
2
x R. (5.53)
Sa fonction de repartition est F(x) =
_
x
f
Lorentz
(x
t
)dx
t
=
1
2
+
1
Arctan
x
.
Calcul de lesperance ? On voit immediatement que E(X) X) nest pas denie. La lorentzienne est un
exemple de loi large dont lesperance nest pas denie.
Loi de Pareto
Une variable aleatoire X suit la loi de Pareto de paramètre > 0 si elle prend des valeurs reelles superieures
à un reel positif x
m
et que la probabilite P(X > x) est de la forme
P(X > x) =
_
x
m
x
_
pour x > x
m
, 0 sinon. (5.54)
avec k un reel positif. On en deduit la fonction F(x) de repartition de X, F(x) = p(X x) = 1
_
xm
x
_
et la densite de probabilite f(x) de X, f(x) = F

t
(x) =
x
m
x
+1
. Cette loi intervient beaucoup en economie
1.5 2.0 2.5 3.0
0.5
0.5
1.0
1.5
2.0
Figure 5.7 Densite de probabilite de la loi de Pareto, = 1 (courbe en tirets), = 2 (continue),
avec x
m
= 1.
(distribution des richesses) mais aussi en geophysique (distributions des ressources en minerais, des tailles des
meteorites, . . .), etc.
Exercice : determiner pour quelles valeurs de les moments dordre k sont denis. Calculer la probabilite
P(X > x +y[X > y) pour x > 0, y > x
m
et sa limite quand y .
On verra en TD dautres de ces lois.
5.4.6 Limites de la loi binomiale
Limite gaussienne.
Comme le suggère le graphe de la distribution binomiale (voir Fig. (5.4)), avec sa forme en
cloche très proche de celle de la gaussienne, la distribution gaussienne est une bonne approxi-
mation de la loi binomiale p
(n)
k
dans la limite des n grands, et pour k np, avec p et q = 1 p
nis, donc n 1, k 1, n k 1. Cest donc la partie centrale de la distribution que lon
explore là.
La demonstration repose sur letude dans la limite consideree des fonctions caracteristiques calculees plus
haut, cf (5.39) et (5.44). Calculons le logarithme de
Bin(n)
(u) pour u petit (qui seul nous interesse si k 1)
ln
Bin(n)
(u) = nln(1 +p(e
iu
1)) n
_
p(e
iu
1)
1
2
p
2
(e
iu
1)
2
+
_
= n
_
p(iu
u
2
2
+ ) +
1
2
p
2
u
2
+O(u
3
)
_
(5.55)
= n
_
iup
u
2
2
p(1 p) +
_
.
et comparons-le à celui de
Gauss
(u), cf (5.44)
ln
Gauss
(u) = iu
1
2
u
2
2
Pour k 1, donc u 1, on voit que les deux fonctions caracteristiques concident pourvu que dune part les
valeurs moyennes X) = np et , de lautre les variances var X = np(1 p) et
2
concident.
En pratique, pour comparer la distribution (discrète) binomiale et la distribution (continue)
gaussienne, il faut calculer numeriquement ` a laide de cette dernière la probabilite que la variable
x soit dans un intervalle de longueur 1 centre sur lentier k
p
t
k
= P(k
1
2
< x < k +
1
2
) =
_
k+
1
2
k
1
2
dxf
Gauss
(n) = F(k +
1
2
) F(k
1
2
)
et la comparer à p
(n)
k
calcule avec la loi binomiale. Par exemple pour n = 50 et p = 0, 2, on
trouve que p
t
k
dière de p
(n)
k
dau plus 8% dans lintervalle 6 k 16, voir la gure 5.8.

5 10 15 20
0.00
0.02
0.04
0.06
0.08
0.10
0.12
0.14
Figure 5.8 Comparaison de la distribution binomiale (n = 50, p = 0, 2 : petits disques) et de la
gaussienne ( = 10, =
_
np(1 p) : petits carres) integree dans chaque intervalle de longueur 1.
Limite poissonnienne
Il peut etre aussi interessant detudier la limite de la loi binomiale quand p est très petit et
np (la valeur moyenne de k) est nie, tandis que n 1. Il faut bien comprendre que lon explore
maintenant le bord de la distribution binomiale, loin de son maximum. Poisson a montre que
lon trouve alors la distribution qui porte son nom.
p
(n)
k
n1
p
Poisson
k
=

k
k!
e
(5.56)
avec = np supposee nie tandis que n .
Demonstration de cette limite :
p
(n)
k
=
n!
k!(n k)!
p
k
(1 p)
nk
=
n(n 1) (n k + 1)
k!
(np)
k
n
k
_
1
np
n
_
nk
(5.57)
=
n(n 1) (n (k 1))
k!
k
n
k
(1

n
)
nk
(5.58)
=

k
k!
_
1

n
_
n
_
1
1
n
__
1
2
n
_

_
1
k 1
n
__
1

n
_
k

k
k!
e
_
1 +O(n
1
)
_
(5.59)
en se rappelant que lim
n
_
1

n
_
n
= e
.
A nouveau une petite experience numerique est utile. Pour n = 50, p = 0, 02, on voit que la
distribution de Poisson pour = np = 1 approxime ` a moins de 2% la binomiale pour 0 k 3,
comme le montre cette table
k 0 1 2 3 4 5
Binomiale p
(50)
k
0, 36417 0, 37160 0, 18580 0, 06067 0, 01454 0, 002731
Poisson p
Poisson
k
=1
0, 36788 0, 36788 0, 18394 0, 06131 0, 01533 0, 003066
Table 5.1 Comparaison des lois binomiale et de Poisson
Recapitulons. Pour n très grand et p nie, la loi binomiale est bien approximee par une
gaussienne pour les valeurs de k les plus probables, k pn n : les sommets des deux cloches
binomiale et gaussienne se superposent bien. Pour p très petit et k) = pn ni, les evenements
` a k n (le bord gauche de la cloche binomiale) sont bien decrits par la loi de Poisson.
5.4.7 Quelques exemples concrets
Laiguille de Buon
Voici le problème pose par Buon : on laisse tomber une aiguille sur un parquet, quelle est la probabilite que
laiguille chevauche deux lames du parquet ?
De facon plus precise, soit un ensemble de droites parallèles à laxe des x, espacees dune distance . Quelle
est la probabilite pour un segment de longueur b uniformement distribue en position et en orientation detre
secant à une de ces droites ?
Dans la bande (la lame du parquet) o` u se trouve le milieu du segment, soit y la distance de ce milieu au
bord inferieur. Soit langle quil fait avec le bord, 0 < .
Lhypothèse de distribution uniforme en position et angle signie que la densite de probabilite autour du
point (y, ) est f(y, ) =
1
qui est bien normalisee puisque

_
dydf(y, ) =
_
0
dy
0
d
= 1.
La condition que le segment recoupe un bord est y <
1
2
b sin (bord inferieur) ou y <
1
2
b sin (bord
superieur). La probabilite pour le segment de ne pas etre secant est donc
P
NC
=
_

0
d
_

1
2
b sin
1
2
b sin
dy
=
_

0
d
(1
b
sin) (5.60)
= 1
2b
.
La probabilite de croisement est donc
P
C
=
2b
.
Distribution de MaxwellBoltzmann des vitesses dans un gaz
Dans un gaz (parfait) à lequilibre, soit f(v
x
, v
y
, v
z
) la densite de probabilite des vitesses dune molecule.
Montrons que des considerations de symetrie et dindependance conduisent à lexpression de f. Supposons en
eet que les v.a. v
x
, v
y
et v
z
sont independantes, une hypothèse quil faudrait justier soigneusement. . . La
fonction f est donc factorisee, cf 5.3.3, et le gaz etant isotrope, les trois directions despace jouent le meme
role et les trois fonctions sont identiques
f(v
x
, v
y
, v
z
) = g(v
x
)g(v
y
)g(v
z
) .
Par ailleurs, par invariance par rotation, la fonction f(v
x
, v
y
, v
z
) doit netre fonction que de v
2
= v
2
x
+v
2
y
+v
2
z
.
On cherche donc une fonction
f(v
x
, v
y
, v
z
) = h(v
2
x
+v
2
y
+v
2
z
) = g(v
x
)g(v
y
)g(v
z
) . (5.61)
Seule la fonction exponentielle a cette propriete :
f(v
x
, v
y
, v
z
) = Ae
(v
2
x
+v
2
y
+v
2
z
)
et cest donc une distribution gaussienne !
Preuve. Derivant (5.61) par rapport à v
x
ou v
y
, on a
g
(vx)
2vxg(vx)
=
g
(vy)
2vyg(vy)
, dont le membre de droite ne
depend pas de v
x
et est donc une constante. On intègre alors lequation dierentielle ordinaire par rapport à v
x
avec le resultat g(v
x
) = a exp(v
2
x
) etc.
La normalisation de f xe A =
_
_3
2
et le coecient est identie avec
1
2
m, = (k
B
T)
1
, de telle sorte
quapparat dans lexponentielle
1
2
mv
2
=
1
kBT
energie cinetique de la molecule,
f(v
x
, v
y
, v
z
) =
_
m
2k
B
T
_3
2
e
m(v
2
x
+v
2
y
+v
2
z
)
2k
B
T
. (5.62)
Enn il peut etre utile dexprimer cette loi en termes de la seule variable v =

v
2
. Pour cela on eectue un
changement de variable des coordonnees (v
x
, v
y
, v
z
) (v, , ), cf 5.3.4, on intègre sur les angles et dont
la densite f ne depend pas et on trouve nalement
f(v) = 4
_
m
2k
B
T
_3
2
v
2
e
mv
2
2k
B
T
, (5.63)
cest la distribution de Maxwell-Boltzmann des vitesses dun gaz, que lon etudie en Mecanique Statistique.
Exercice : utiliser la derivation sous le signe somme pour calculer v
2
) et montrer que v
2
) = 3 v
2
x
) o` u la
moyenne de v
2
x
est calculee avec la distribution (5.62). Cela netait-il pas attendu?
Desintegrations radioactives
On sinteresse ici à la desintegration de noyaux dun isotope X X
t
. On decrit en general le phenomène par
une loi empirique : le nombre de desintegrations par unite de temps est proportionnel au nombre N(t) de
noyaux X presents à linstant t, avec un taux de desintegration constant , caracteristique du noyau etudie X
et de son mode de desintegration X X
t
. Pendant le temps dt, le nombre de noyaux se desintegrant selon ce
mode est
[dN[ = Ndt = dN . (5.64)
Autrement dit, la fonction N(t) satisfait lequation dierentielle

N(t) = N(t). En lintegrant, on trouve
N(t) = N(0)e
t
, (5.65)
la quantite de lisotope considere decrot exponentiellement. On denit la demi-vie, notee , par le temps au
bout duquel le nombre N a decr u par un facteur 2. On a donc N() = N(0)/2, ce qui conduit à
=
ln2
N(t) = N(0) e
t ln 2/
= N(0)2
t/
. (5.66)
Le nombre de noyaux de lisotope aura decr u dun facteur 1000 au bout dun temps
ln 1000
ln 2
10 (se rappeler
que 2
10
10
3
).
Par exemple, pour lisotope naturel
238
U de lUranium, qui se desintègre en Thorium selon
238
92
U

234
90
Th
en emettant un noyau dHelium (particule ), la demi-vie est = 4, 5 Gans, (1 Gan= 1 milliard dannees !)
donc le nombre N aura decr u dun facteur 1000 au bout dun temps t = 45 Gans, soit trois fois lage actuel de
lUnivers. . . En revanche, pour les isotopes
131
I et
137
Cs, les demi-vies sont respectivement de 8j et 30 ans. . .
Le problème de desintegration de noyaux atomiques peut et doit en fait etre traite par une approche
probabiliste, puisque cest bien là le fond de la question : un noyau (comme tout système individuel de nature
quantique) a une probabilite de transition de tel ou tel etat vers tel autre. Le traitement qui a precede sest
applique implicitement à une vaste population de noyaux (dont le nombre a ete traite comme une variable
continue, et non comme un entier discret), et a concerne en fait le nombre moyen (la valeur moyenne ou
esperance au sens probabiliste) de la v.a. nombre total de noyaux de lisotope X. Lequation (5.64) se redit en
termes probabilistes comme suit : la probabilite dun noyau donne de subir la desintegration etudiee pendant le
temps dt est P(X X
t
; dt) = dt. Notons P
N
(t) la probabilite davoir N noyaux dans letat initial (radioactif)
X au temps t. Les desintegrations des dierents noyaux etant supposees des evenements independants, on a
P
N
(t +dt) = (1 dt)
N
_
P
N
(t) +(N + 1)P
N+1
(t)dt
_
+O(dt
2
) ,
somme des probabilites des evenements exclusifs suivants : aucune desintegration des N noyaux (probabilite
(1 dt) pour chacun, factorisation pour lensemble puisque evenements independants) + une desintegration
dun des N + 1 noyaux avec la probabilite dt fois la probabilite que les N autres restent inchanges + des
desintegrations multiples dordre plus eleve en dt.

Ecrivant P
N
(t + dt) = P
N
(t) + dt
d
dt
P
N
(t) + O(dt
2
) et ne
gardant que les termes dordre dt, on a donc
d
dt
P
N
(t) =
_
(N + 1)P
N+1
(t) NP
N
(t)
_
(5.67)
On se donne (avec probabilite 1) la valeur initiale N
0
au temps 0, P
N
(t = 0) =
NN0
. On resout lequation
(5.67) en considerant la fonction caracteristique, fonction generatrice des P
N
(t)
(x, t) =
N0
N=0
x
N
P
N
(t) . (5.68)
Calculons les derivees partielles de (x, t)
t
(x, t) =
N0
N=0
x
N
d
dt
P
N
(t) ,
x
(x, t) =
N0
N=1
Nx
N1
P
N
(t) =
N01
N=0
(N + 1)x
N
P
N+1
(t) =
N0
N=0
(N + 1)x
N
P
N+1
(t)
car p
N0+1
(t) = 0 ! (5.69)
x

x
(x, t) =
N0
N=0
Nx
N
P
N
(t) .
On a donc fait apparatre les trois termes de lequation (5.67), ce qui conduit donc à une equation aux
derivees partielles pour
t
(x, t) = (1 x)

x
(x, t) . (5.70)
La methode systematique de resolution fait appel à la transformation de Laplace, qui sera etudiee au chapitre
9. Contentons-nous dobserver que toute fonction de la forme (x, t) = G((1 x)(t)), avec G une fonction
arbitraire, est solution de (5.70) à condition que

(t) = (t), soit (t) = ae
t
, a une constante quelconque.
La fonction jusque là arbitraire G est xee par la condition initiale (x, 0) = x
N0
= G(a(1 x)), soit G(ax) =
(1 x)
N0
, et nalement la solution unique de (5.70) completee par cette condition initiale est
(x, t) =
_
1 (1 x)e
t
_
N0
=
_
(1 e
t
) +xe
t
_
N0
(5.71)
=
N0
N=0
C
N
N0
x
N
e
Nt
(1 e
t
)
N0N
(5.72)
qui permet didentier
P
N
(t) = C
N
N0
e
Nt
(1 e
t
)
N0N
.
On voit apparatre la loi binomiale B(N
0
, p(t)) pour une probabilite p(t) = e
t
! On peut alors calculer
lesperance de la variable aleatoire N
N )(t) =
N0
N=0
NP
N
(t) =
(x, t)
x
x=1
= N
0
e
t
.
On retrouve bien le resultat obtenu plus haut à partir de lequation dierentielle (5.64), qui sappliquait donc
en fait à N ).
Si N
0
est très grand et p = e
t
petit, on peut remplacer la loi binomiale B(N
0
, p(t)) par sa limite poisson-
nienne P( = N
0
e
t
), dont lesperance est encore N )(t) = = N
0
e
t
.
On pourrait aussi etudier maintenant ce que sont les uctuations de la v.a. N autour de cette valeur
moyenne.
5.5 Theorèmes limites
5.5.1 Convergence presque s urement, convergence en probabilite,
convergence en loi
Considerons dabord une suite innie X
n
de v.a. reelles, n = 1, 2, , denies sur le meme
espace depreuves . On peut denir plusieurs types de convergence de ces v.a.
On dira que la suite X
n
converge presque s urement vers la v.a. X denie sur sil existe
un
0
de mesure nulle : P(
0
) = 0 tel que /
0
, X
n
() converge vers X().
/
0
N : n > N [X
n
() X()[ < . (5.73)
On dira que la suite X
n
converge en probabilite vers la v.a. reelle X si pour tout h,
P([X
n
X[ > h) 0 :
h > 0, > 0, N : n > N P([X
n
() X[ > h) < . (5.74)
Enn on dira que la suite X
n
converge en loi vers X si la suite des fonctions de repartition
F
n
converge (simplement) vers celle, notee F, de X (en tout point de continuite de F)
pour presque tout x , > 0, N : n > N [P(X
n
x) P(X x)[ < . (5.75)
On demontre la
Proposition 5.3 : CV ps CV p CV l .
Moyenne arithmetique de N v.a.
Soient X
1
, X
2
, , X
N
N v.a. reelles independantes et distribuees selon la meme loi de pro-
babilite. (Elles ont donc en particulier meme valeur moyenne X
i
) = m et meme variance
varX
i
=
2
, si cette moyenne et cette variance existent). Ce peut etre par exemple le resultat
de N lancers successifs dun meme de (quil soit honnete ou pipe), la taille de N individus
choisis au hasard dans une population homogène, N mesures repetees dune quantite physique
entachees derreurs, etc. On denit alors une nouvelle v.a., leur moyenne arithmetique,
Y =
1
N
(X
1
+X
2
+ +X
N
) . (5.76)
Bien distinguer cette moyenne arithmetique Y des X
i
, qui est une v.a., de leur valeur moyenne
X
i
), qui est un nombre reel.
On se propose detudier la loi que suit Y dans la limite o` u N est grand.
5.5. Theorèmes limites 101
De facon qualitative (nous allons preciser les hypothèses et demontrer precisement les choses
ci-dessous)
la loi des grands nombres nous dit que la v.a. Y converge en probabilite quand N vers
la valeur commune des X
i
) ;
le theorème limite central arme que la v.a. Y converge en loi vers une v.a. normale (gaus-
sienne) de moyenne X ) et de variance
1
N
var(X
i
) dans la limite N .
5.5.2 Loi des grands nombres
Le theorème et sa preuve
Theorème 5.4 : Soient X
1
, X
2
, X
N
une suite de v.a. independantes et de meme loi. On
suppose que la valeur moyenne m est bien denie. Alors la moyenne arithmetique Y de (5.76)
converge en probabilite vers sa valeur moyenne m quand N .
Preuve : Pour simplier la preuve, on va faire lhypothèse supplementaire que la variance
2
commune des X
i
existe aussi. Par lhypothèse que les X
i
sont independantes et ont meme
loi, donc meme valeur moyenne (ou esperance) X
i
) = m, on a dabord
Y ) =
1
N
N
i=1
X
i
) = m .
Calculons alors la variance de Y
varY = (Y m)
2
) =
_
_
1
N
N
i=1
(X
i
m)
_
2_
=
1
N
2
i
(X
i
m)
2
_
+
2
N
2
i<j
(X
i
m)(X
j
m) )
=
1
N
2
i
(X
i
m)
2
_
+
2
N
2
i<j
(X
i
m) ) (X
j
m) ) (independance)
=
1
N
2
i
(X
i
m)
2
_
=
1
N
2
N
2
puisque (X
i
m) ) = 0 (5.77)
donc var Y =
1
N
2
=
1
N
varX (5.78)
On est maintenant en mesure dappliquer linegalite de Tchebychev ((5.8), avec k = 2) ` a la
v.a. Y m
P([Y m[ > h)
(Y m)
2
)
h
2
=

2
Nh
2
. (5.79)
Quel que soit h > 0, la probabilite P([Y m[ > h) tend vers zero quand N , CQFD.
Sous des hypothèses plus fortes, (par exemple existence du 4ème moment), on peut demontrer (Kolmogorov)
la CV ps de Y vers m : cest la loi forte des grands nombres.
Deux illustrations
1.

Evaluation empirique de la probabilite ou de la moyenne X )
La loi des grands nombres nous permet de justier a posteriori la denition intuitive dune
probabilite dun evenement comme une frequence doccurrence de cet evenement. Soit A un
evenement aleatoire se realisant avec la probabilite p, associons lui une v.a. X prenant la
valeur X = 1 si A se realise, X = 0 sinon. Donc P(X = 1) = p, P(X = 0) = 1 p,
X ) = 1 p + 0 (1 p) = p. Eectuons un grand nombre depreuves X
i
, i = 1, , N et
considerons leur moyenne arithmetique Y =
1
N
(X
1
+X
2
+ +X
N
). Cette v.a. est la frequence
de realisation de A dans nos N epreuves. La loi des grands nombres nous dit que Y tend en
probabilite vers X ) = p et elle fournit donc une estimation de cette probabilite.
Cest bien de cette facon que nous nous assurons quun de est honnete : chacun des
6 nombres vient avec une frequence
1
6
dans une serie dun grand nombre de lancers. La
meme methode permet destimer la (valeur) moyenne dune v.a. X, en mesurant la moyenne
(arithmetique) dun echantillon de taille N susamment grande.
Les sondages dopinion procèdent de manière analogue. Pour savoir quel pourcentage de
la population aime les savonnettes Truc, ou a une opinion favorable de M. X, etc, cest-à-dire
quelle est la probabilite quun individu tire au hasard ait telle ou telle opinion, on prend un
echantillon de taille N et on mesure lopinion moyenne de cet echantillon. Noter que (5.77) nous
enseigne que lecart-type de Y (cest-` a-dire la largeur de la distribution des Y ) decrot comme
N
1
2
: la precision dun sondage est donc dordre N
1
2
, cest-` a-dire que pour gagner un facteur
10 sur lincertitude, il faut multiplier la taille de lechantillon par 100 !
Gr ace à linegalite de Tchebychev (5.79), on peut meme estimer la taille de lechantillon
necessaire pour obtenir une precision donnee. Quelle doit etre cette taille N (ou le nombre
depreuves ou de mesures dans les exemples precedents) pour que la probabilite que Y fournisse
la valeur de m = X ) avec une erreur relative de moins de 1% soit de 95%, autrement dit pour
que P([Y m[ > 0,01m) < 0,05 ? Il sut que

2
Nh
2
=
10
4
N
_
m
_
2
< 0,05, soit N > 200 000
_
m
_
2
.
On a dejà note que la quantite sans dimension

m
est la bonne facon de mesurer letalement
de la distribution dune v.a. On voit que cest elle encore qui donne la taille de lechantillon
requise pour atteindre une precision donnee.
2.

Evaluation Monte-Carlo dune integrale.
Supposons les v.a. X
1
, , X
N
uniformement distribuees entre 0 et 1, (donc avec une densite
de probabilite f(x) = 1). Soit g(x) une fonction (de carre integrable), g(X
i
) est une nouvelle
v.a. dont la valeur moyenne et la variance se calculent aisement
m
g
= g(X
i
) ) =
_
1
0
g(x)dx
2
g
=
_
1
0
(g(x) m
g
)
2
dx . (5.80)
La loi (forte) des grands nombres nous dit que la moyenne arithmetique des g(X
i
)
1
N
(g(X
1
) + +g(X
N
))
converge (p.s) vers la valeur moyenne m
g
= g(X) ) =
_
1
0
g(x)dx et que lecart-type de la
dierence est
g
= /N
1
2
. Cela signie quon a une approximation
1
N
(g(x
1
) + +g(x
N
))
_
1
0
g(x)dx (5.81)
dans laquelle les x
i
sont des valeurs tirees de tables de nombres aleatoires uniformement dis-
tribues entre 0 et 1 ; la precision de cette approximation se comporte en N
1
2
.
Cette methode de calcul est appelee methode de Monte-Carlo. La convergence en N
1
2
nest
pas très rapide et necessite beaucoup de points. La methode prend toute son importance pour
des integrales multiples et est très utilisee. On peut lui apporter toutes sortes dameliorations
et de ranements. . .
5.5.3 Theorème limite central
On a vu au chapitre precedent que la limite quand N 1 dune loi binomiale au voisinage de
son maximum est une loi normale. Or cette loi binomiale decrit la distribution des evenements
quand on repète N fois une epreuve dont la probabilite de succès est p. Le theorème limite
central, appele encore (incorrectement) theorème de la limite centrale, generalise ce resultat.

Enonce et remarques
Theorème 5.5 : Soient N v.a. X
1
, , X
N
independantes et de meme loi, dont la valeur
moyenne m et la variance
2
existent (cest-` a-dire sont nies). Leur moyenne arithmetique Y ,
denie en (5.76), est une v.a. dont la loi

f tend quand N vers une loi normale de moyenne
m et de variance
2
/N (convergence en loi)
f(y) f
(N)
G
(y) =
1
N
exp
(y m)
2
2
_

N
_
2
. (5.82)
Les hypothèses excluent donc une loi lorentzienne f(x) =

(x
2
+
2
)
dont la valeur moyenne
et la variance nexistent pas, cf supra.
Il faut dabord noter que la fonction gaussienne f
(N)
G
qui apparat au second membre
de (5.82) est de plus en plus piquee quand N : en eet elle est bien normalisee,
_
dyf
(N)
G
(y) = 1, sa variance est de plus en plus petite
2
N
=

2
N
et son maximum de plus en
plus grand f
(N)
G
(m)
N. Le graphe de f
(N)
G
est donc un pic de plus en plus haut et de plus
en plus etroit au dessus de la valeur y = m, mais toujours daire 1. On a vu au chap. 3 que la
suite des fonctions f
(N)
G
tend vers la distribution
m
: f
(N)
G
(y) (y m).
On voit alors que le theorème central limite implique la loi des grands nombres : la loi de
la moyenne Y est de plus en plus concentree en Y = m, autrement dit la v.a. Y converge en
probabilite vers la valeur moyenne m des v.a. X
i
.

Elements de preuve du theorème
La methode de preuve est analogue à celle suivie pour la limite de la loi binomiale dans (5.55). Elle repose sur
la comparaison des fonctions caracteristiques de la v.a. Y et de la loi normale, quand N . Puisque Y est
la somme de N v.a. independantes
1
N
X
i
de meme loi, sa fonction caracteristique vaut
Y
(u) = (
X/N
(u))
N
.
On sait que
X/N
(u) =

e
iuX/N
_
= 1 +
iu
N
X)
u
2
2N
2
X
2
) +O(
u
3
N
3
)
= 1 +im
u
N

u
2
2N
2
(
2
+m
2
) +O(
u
3
N
3
) (5.83)
et donc pour le logarithme de la fonction caracteristique de Y
ln
Y
(u) = N ln
X/N
(u) = N ln
_
1 +im
u
N

u
2
2N
2
(
2
+m
2
) +O(
u
3
N
3
)
_
= N
_
im
u
N

u
2
2N
2
2
_
+O(
u
3
N
3
)
= imu
u
2
2N

2
+O(
u
3
N
2
)
= ln
(N)
Gauss
(u) +O(
u
3
N
2
) (5.84)
o` u
(N)
Gauss
(u) = e
ium
e
1
2
u
2
2
/N
est la fonction caracteristique de la loi normale de moyenne m et de variance
2
/N, cf equ. (5.44). Ce calcul montre que dans la limite N , la fonction caracteristique de la moyenne
arithmetique Y des N v.a. X
i
tend vers la fonction caracteristique de la loi normale attendue. Nous admettrons
que cela sut à demontrer la convergence de la loi de Y vers la loi normale, cest-à-dire le theorème limite
central (P. Levy).
Illustrations
Le resultat du theorème central limite est remarquable : quelle que soit la loi des v.a. X
1
, , X
N
,
la loi limite de leur moyenne (5.76) est une loi normale ! La loi normale a ainsi un caractère
duniversalite. Testons numeriquement ce resultat sur des lois simples : les gures qui suivent
presentent la densite de probabilite de la v.a. Y pour N v.a. X obeissant à une loi simple f,
soit la loi uniforme, soit la loi triangle
f(x) =
_
_
4x si 0 x
1
2
4(1 x) si
1
2
x 1
0 sinon
(5.85)
dont la moyenne est
1
2
et la variance
1
24
. Pour chacune de ces lois, nous calculons numeriquement
la densite de Y donnee par lexpression que nous admettrons
f(y) = N
_
dx
1
dx
N1
f(x
1
)f(x
2
) f(x
N1
)f(Ny x
1
x
N1
)
`
A titre dexercice, eectuons ce calcul de

f pour N = 2 v.a. obeissant à une loi uniforme entre 0 et 1
f(y) = 2
_
1
0
dx
1
f(x
1
)f(2y x
1
) .
La première fonction f(x
1
) est non nulle (et egale à 1) ssi 0 x
1
1, la deuxième f(2yx
1
) ssi 0 2yx
1
1.
Il faut prendre lintersection des deux domaines 0 x
1
1 et 2y 1 x
1
2y, ce qui dière selon que y <
1
2
ou y >
1
2
. Si 0 y
1
2
, 2y1 0 mais 2y 1, donc

f(y) = 2
_
2y
0
dx = 4y, tandis que si
1
2
y 1, 2y 1 mais
2y 1 0 donc

f(y) = 2
_
1
2y1
= 4(1 y). On constate que la loi

f obtenue nest autre que la loi triangle de
(5.85), cf gure de gauche de la Fig. 5.9.
0.2 0.4 0.6 0.8 1.0
0.5
1.0
1.5
2.0
0.2 0.4 0.6 0.8 1.0
0.5
1.0
1.5
2.0
0.2 0.4 0.6 0.8 1.0
0.5
1.0
1.5
2.0
2.5
3.0
Figure 5.9 Distribution

f(y) de la moyenne de N v.a. de loi uniforme, et comparaison avec la loi
normale de meme moyenne m =
1
2
et de variance
1
12N
(en ligne brisee). Successivement N = 2, 3, 5.
0.2 0.4 0.6 0.8 1.0
0.5
1.0
1.5
2.0
0.2 0.4 0.6 0.8 1.0
0.5
1.0
1.5
2.0
2.5
0.2 0.4 0.6 0.8 1.0
0.5
1.0
1.5
2.0
2.5
3.0
Figure 5.10 Distribution

f(y) de la moyenne de N v.a. de loi triangle (5.85), et comparaison
avec la loi normale de meme moyenne m =
1
2
et de variance
1
24N
(en ligne brisee). Successivement
N = 1, 2, 3.

Evaluations de lerreur
Reexprimons le theorème en termes de la v.a.
Z =
Y m
N
1
2
=
X
i
Nm
N
1
2
Elle est centree Z ) = 0 et le theorème nous dit quelle obeit asymptotiquement (quand
N ) à une loi normale centree normalisee (de variance 1). On en deduit que
P([Z[ > )
2
2
_

s
2
2
ds (5.86)
ou de fa con equivalente, dans les variables de depart,
P([Y m[ > ) = P([
1
N
(X
i
m)[ > )
2
2
_

N
1
2 /
e
s
2
2
ds (5.87)
En raison de leur importance en probabilites et en statistiques, on a donne un nom aux integrales
gaussiennes incomplètes
erf(x) =
2
_
x
0
dt e
t
2
erfc(x) =
2
_

x
dt e
t
2
= 1 erf(x) . (5.88)
Ce sont respectivement la fonction derreur erf et la fonction derreur complementaire erfc. Le
graphe de la seconde est represente sur la gure (5.11) et leurs valeurs sont tabulees dans la
Table 1. On peut donc recrire (5.86) et (5.87)
P([Z[ > ) erfc
_

2
_
ou P([Y m[ > ) erfc
_
N
1
2
/
2
_
. (5.89)
Avec (5.86) et (5.87) on a retrouve la loi des grands nombres : la somme
(X
i
m) est
approximativement normale et centree avec un ecart-type N
1
2
. Mais les expressions (5.86)
et (5.87) permettent daner lestimation faite au paragraphe precedent de la taille dun
echantillon necessaire pour atteindre une precision donnee. Reprenons lexemple du 5.5.2 :
quel N permet dobtenir P([Y m[ > 0,01m) < 0,05 ? Daprès (5.89) il faut chercher N tel
que erfc
_
N
1
2 m
100
2
_
< 0,05. On lit sur la Table 1 que erfc(x) = 0,05 pour x
2, (en fait
x = 1, 386), donc N
1
2
> N
1
2
0
200
m
soit N
0
40 000(
m
)
2
. On a gagne un facteur 5 par
rapport à lestimation plus grossière venant de linegalite de Tchebychev !
3 2 1 1 2 3
0.5
1.0
1.5
2.0
Figure 5.11 Graphe de la fonction erfc(x/
2). On y voit que erfc(1, 96/
2) 0, 05 (plus exacte-
ment=0,0499958 !)
x erf(x) erfc(x) x erf(x) erfc(x)
0. 0 1.000000 1.3 0.9340079 0.06599206
0.05 0.05637198 0.9436280 1.4 0.9522851 0.04771488
0.1 0.1124629 0.8875371 1.5 0.9661051 0.03389485
0.15 0.1679960 0.8320040 1.6 0.9763484 0.02365162
0.2 0.2227026 0.7772974 1.7 0.9837905 0.01620954
0.25 0.2763264 0.7236736 1.8 0.9890905 0.01090950
0.3 0.3286268 0.6713732 1.9 0.9927904 0.00720957
0.35 0.3793821 0.6206179 2. 0.9953223 0.00467773
0.4 0.4283924 0.5716076 2.1 0.9970205 0.00297947
0.45 0.4754817 0.5245183 2.2 0.9981372 0.00186285
0.5 0.5204999 0.4795001 2.3 0.9988568 0.00114318
0.55 0.5633234 0.4366766 2.4 0.9993115 0.00068851
0.6 0.6038561 0.3961439 2.5 0.9995930 0.00040695
0.65 0.6420293 0.3579707 2.6 0.9997640 0.00023603
0.7 0.6778012 0.3221988 2.7 0.9998657 0.00013433
0.75 0.7111556 0.2888444 2.8 0.9999250 0.00007501
0.8 0.7421010 0.2578990 2.9 0.9999589 0.00004110
0.85 0.7706681 0.2293319 3. 0.9999779 0.00002209
0.9 0.7969082 0.2030918 3.1 0.9999884 0.00001165
0.95 0.8208908 0.1791092 3.2 0.9999940 6.025 10
6
1. 0.8427008 0.1572992 3.3 0.9999969 3.057 10
6
1.1 0.8802051 0.1197949 3.4 0.9999985 1.522 10
6
1.2 0.9103140 0.08968602 3.5 0.9999993 7.43 10
7
Table 1. Table des valeurs des fonctions erf(x) et erfc(x)
Remarques nales
1. Comme note plus haut, le theorème central limite ne sapplique pas ` a des lois larges comme
la loi lorentzienne, dont la moyenne ou la variance nexistent pas.
2. Le fait que des lois normales apparaissent empiriquement (et approximativement) dans de
très nombreux phenomènes naturels, taille ou poids dindividus dans une certaine population,
erreurs dans les mesures successives dune meme grandeur, etc, pourrait trouver son origine
dans le fait que le phenomène en question resulte dun grand nombre de variables aleatoires
independantes et de meme loi. Mais ceci explique-t-il vraiment cela ? . . .
5.5.4 Marche aleatoire.
Une large classe de phenomènes physiques est modelisee par le problème de la marche au hasard, o` u les pas suc-
cessifs dun marcheur sont des v.a. independantes, tirees selon une certaine loi. On sinteresse au comportement
asymptotique de telles marches, dans la limite dun grand nombre de pas elementaires. Cest par exemple le cas
du celèbre mouvement brownien
8
quaccomplissent des particules en suspension dans un uide, sous leet des
chocs avec les molecules de ce uide : voir le site
http://www.phy.ntnu.edu.tw/ntnujava/index.php?topic=24 ou le site de Wikipedia Brownian motion
pour une très jolie simulation du phenomène ou un fac-simile de son observation par le physicien Jean Perrin.
Figure 5.12 Observation du mouvement brownien par le physicien Jean Perrin (1908) : la position
de trois particules collodales (de diamètre 0,53 m), est observee sous le microscope et notee toutes
les 30 secondes. Le pas de la grille est de 3,2 m. (Source : Wikipedia)
On va dabord sinteresser à une version simple du problème, o` u la marche se fait sur une grille, un reseau
regulier.
Marche au hasard sur un reseau
On considère un reseau carre de maille a, de vecteurs de base e
1
et e
2
(de norme a), voir gure 5.13
9
. Chaque site
du reseau a 4 voisins. On considère un mobile (marcheur) qui à chaque instant t
n
= n, n = 1, 2, 3, , saute
8. du nom du botaniste Robert Brown (17731858) qui a le premier observe le phenomène sous le microscope
9. Toute la discussion qui suit pourrait etre menee en dimension arbitraire, sur un reseau hypercubique
de dimension d. Nous nous restreignons à d = 2 dimensions pour la commodite de lexposition et des dessins.
r
r
0
e
1
e
2
Figure 5.13 Marche aleatoire sur un reseau carre
du site o` u il se trouve vers un des 4 sites voisins. On suppose ce saut aleatoire et equidistribue : la probabilite de
sauter sur nimporte lequel des sites adjacents est egale à 1/4. Les sauts successifs sont supposes independants.
Soit P(r, t
n
[r
0
, t
0
) la probabilite conditionnelle que le marcheur se trouve au point r du reseau à linstant
t
n
, sachant quil etait en r
0
à linstant t
0
. On va sinteresser à la determination de cette probabilite et à ses
proprietes, en particulier dans la limite n 1.
On observe dabord que cette probabilite satisfait une condition initiale
P(r, t
0
[r
0
, t
0
) =
r,r0
(4.90)
o` u
r,r0
= 1 si r = r
0
, = 0 sinon, cest un delta de Kronecker à deux dimensions :
r,r0
=
x,x0
y,y0
en termes
des composantes x et y des vecteurs r et r
0
. La probabilite P satisfait aussi une condition de normalisation
r
P(r, t
n
[r
0
, t
0
) = 1 (4.91)
o` u lon somme sur tous les sites du reseau, condition qui exprime quà linstant t
n
, le marcheur se trouve bien
quelque part !
Moins trivial est le fait que P satisfait aussi une relation de recurrence entre les temps t
n
et t
n+1
, qui
exprime que le marcheur ne peut etre en r au temps t
n+1
que sil etait au temps t
n
en un des points voisins sur
le reseau, r e
j
, j = 1, 2. Comme les evenements correspondants (etre en r e
j
à linstant t
n
) sont exclusifs,
leurs probabilites sajoutent et on a donc
P(r, t
n+1
[r
0
, t
0
) =
1
4
=rej
P(r
t
, t
n
[r
0
, t
0
) (4.92)
(Cette relation rappelle et generalise la relation de recurrence du triangle de Pascal, qui correspondrait à un
reseau à une dimension.) Cette relation de recurrence, completee par la condition initiale, sut en principe à
determiner complètement la probabilite P.
Notons encore que le problème etant invariant par translation despace et de temps, la fonction P(r, t
n
[r
0
, t
0
)
ne depend que des dierences rr
0
et t
n
t
0
= n, et que pour des raisons dimensionnelles, elle ne peut dependre
que des rapports
1
a
(r r
0
) et
tnt0
= n
P(r, t
n
[r
0
, t
0
) = F(
r r
0
a
,
t
n
t
0
) . (4.93)
Processus stochastiques, propriete de Markov
La marche au hasard sur un reseau que nous venons de denir est un exemple de processus aleatoire ou processus
stochastique, cest-à-dire dun système dont levolution temporelle est probabiliste, au contraire dun système
deterministe. La marche au hasard a de plus la propriete de Markov, ce qui signie que levolution au temps t ne
depend pas de lhistoire passee du système. (Ce ne serait pas le cas si on imposait que le marcheur ne recroise
jamais sa trajectoire passee.)
Dans notre problème de marche au hasard sur le reseau, on a aussi la propriete que si t
t
> t > t
0
,
P((r
t
, t
t
[r
0
, t
0
) =
r
P((r
t
, t
t
[r, t)P((r, t[r
0
, t
0
) (4.94)
qui exprime quentre les instants t
0
et t
t
le marcheur passe en un temps intermediaire t par un point r, que
les evenements correspondant à des r dierents sont exclusifs et ont des probabilites qui sajoutent, et que les
evolutions entre les temps t
0
et t et entre t et t
t
etant independantes (processus de Markov), leurs probabilites
se multiplient.
Limite continue et equation de la chaleur
Si on soustrait aux deux membres de lequation (4.92) la quantite P(r, t
n
[r
0
, t
0
), elle peut etre recrite sous la
forme suivante :
P(r, t
n+1
[r
0
, t
0
) P(r, t
n
[r
0
, t
0
) =
1
4
=rej
(P(r
t
, t
n
[r
0
, t
0
) P(r, t
n
[r
0
, t
0
)) (4.95)
=
1
4
j=1,2
(P(r +e
j
, t
n
[r
0
, t
0
) +P(r e
j
, t
n
[r
0
, t
0
) 2P(r, t
n
[r
0
, t
0
)) . (4.96)
Supposons maintenant quon laisse les increments de temps et despace et a tendre vers zero. Dans cette
limite, les coordonnees de temps et despace, qui etaient discretisees, tendent vers des variables continues. On
regarde donc la limite continue du problème initial. (De fa con equivalente au vu de (4.93), cette limite decrit
la situation o` u les separations despace r r
0
ou de temps t
n
t
0
= n sont très grandes par rapport à a et
.) Dans la limite 0 et a 0, le membre de gauche de (4.95) est approxime par

t
P(r, t
n
[r
0
, t
0
), celui de
droite par
1
4
a
2
P(r, t
n
[r
0
, t
0
) o` u est le laplacien à 2 dimensions
=

2
x
2
+

2
y
2
(4.97)
agissant sur les coordonnees x et y de r. Dans cette limite lequation (4.92) devient

t
P =
1
4
a
2
P (4.98)
qui est une equation fondamentale de la physique, decrivant les phenomènes de diusion, (diusion de particules
dans un milieu, de chaleur etc). Selon le contexte, cette equation est appelee equation de Fick, equation de la
chaleur, . . .
La solution de lequation (4.98) completee par une condition initiale qui est la version continue de (4.90),
voir plus bas, est bien connue :
F
_
r r
0
a
,
t t
0
_
= P(r, t[r
0
, t
0
) =
A
(t t
0
)
e
(rr
0
)
2
a
2
(tt
0
)/
(4.99)
o` u on suppose t t
0
> 0 et o` u la constante A va etre xee plus bas. Exercice : verier que cette fonction est
bien solution de (4.98).
Dans la limite qui nous occupe o` u r est une variable (aleatoire) continue, il faut remplacer la probabilite
du marcheur detre en un point donne r par une densite de probabilite,
p(r, t
n
[r
0
, t
0
) =
1
a
2
P(r, t
n
[r
0
, t
0
) (4.100)
(qui a bien la dimension dune densite à deux dimensions). La condition de normalisation (4.91),
r
a
2
P(r,tn]r0,t0)
a
2
=
r
a
2
p(r, t
n
[r
0
, t
0
) = 1 peut etre consideree comme une somme de Riemann de lintegrale de p et donne donc
dans la limite a 0
_
d
2
r p(r, t
n
[r
0
, t
0
) = 1 , (4.101)
qui est bien la condition de normalisation dune densite de probabilite, comme nous lavons vu, mais ici pour
une v.a. à deux dimensions r. Cette condition xe la constante A =
1
, (cf les integrales gaussiennes du 5.4.3),

donc
p(r, t
n
[r
0
, t
0
) =

a
2
(t t
0
)
e
(rr
0
)
2
a
2
(tt
0
)/
.
Le calcul jusquici a suppose que les limites a 0 et 0 etaient independantes. An de se debarrasser
complètement de ces echelles microscopiques, on voit quil convient de prendre a
2
. On choisira lechelle
de temps de telle sorte que
=
1
4
a
2
(4.102)
(et plus generalement, en dimension despace d, on prendrait =
1
2d
a
2
). Lexpression nale de la densite de
probabilite p est donc
p(r, t
n
[r
0
, t
0
) =
1
4(t t
0
)
e
(rr
0
)
2
4(tt
0
)
, (pour t > t
0
) (4.103)
(et plus generalement, en dimension despace d, le prefacteur serait (4(t t
0
))
d/2
).
La condition initiale satisfaite par cette solution est obtenue en prenant la limite t
n
t
0
0. Cette limite
est une distribution delta de Dirac, cf 3.4.2. On ecrit donc
lim
tnt00
p(r, t
n
[r
0
, t
0
) = (r r
0
) = (x x
0
)(y y
0
) (4.104)
qui est la version continue de la condition initiale (4.90).
Notons enn que si t
t
> t > t
0
, la propriete (4.94) se recrit pour p selon
_
d
2
r p(r
t
, t
t
[r, t)p(r, t[r
0
, t
0
) = p(r
t
, t
t
[r
0
, t
0
)
comme on le veriera en calculant cette convolution dintegrales gaussiennes, un calcul qui après un changement
de variables adequat se ramène à nouveau à une integrale dune gaussienne.
Lapparition dune gaussienne, cest-à-dire dune loi normale pour p, comme solution de notre marche au
hasard ne doit pas surprendre : elle decoule du theorème limite central, la trajectoire de r
0
à r resultant de
laddition dun grand nombre n = (t t
0
)/ de pas elementaires (qui sont des v.a. independantes et de meme
loi).
Lois dechelle dans la marche au hasard
Une propriete très remarquable de la solution (4.103) est son invariance par le changement simultane
r r
0
(r r
0
) ; t t
0

2
(t t
0
)
p(r, t
n
[r
0
, t
0
)
2
p(r, t
n
[r
0
, t
0
)
p(r, t
n
[r
0
, t
0
)d
2
r p(r, t
n
[r
0
, t
0
)d
2
r (4.105)
o` u nous avons souligne que par cette dilatation, la densite de probabilite p est multipliee par un facteur
2
,
tandis que la probabilite p d
2
r que r soit dans un petit domaine au voisinage de r est invariante. Cette propriete
qui relie les dilatations de lespace et du temps apparaissait dejà dans la relation (4.102) entre les echelles
microscopiques a et .
Une consequence de cette invariance est que lecart-type de la loi (4.103), (rr
0
)
2
)
1
2
, qui decrit letalement
de la distribution, cest-à-dire le rayon typique R de la region couverte par le marcheur dans sa marche au hasard,
crot comme
R = (r r
0
)
2
)
1
2
[t t
0
[
1
2
. (4.106)
Inversement la relation [t t
0
[ R
2
est interpretee en disant que la marche au hasard a une dimension
fractale, (plus precisement une dimension de Hausdor), egale à 2 : si le marcheur deroule une bobine de l
(l dAriane ?) le long de sa trajectoire, à un taux constant par unite de temps, il aura consomme une quantite
R
2
de l quand il se sera eloigne de R de son point de depart. . .
Cette invariance de dilatation (4.105) est un exemple de ce que lon appelle une loi dechelle et le nombre
=
1
2
qui apparat dans la puissance de (t t
0
) dans (4.106) est un exemple dexposant critique. Il est tout à
fait remarquable que cet exposant soit independant du detail de la marche au hasard : pas discrets egaux à
les vecteurs de base du reseau, ou mouvement brownien avec des pas de longueur arbitraire, etc. Il ne depend
pas non plus de la dimension de lespace o` u seectue cette marche. La raison etant une fois encore le theorème
limite central et luniversalite de la loi gaussienne qui en decoule. En revanche, cet exposant serait modie si on
imposait que le marcheur ne recoupe jamais sa trajectoire passee. . .
Letude de systèmes ayant un comportement dechelle et des exposants critiques est un thème majeur de la
physique contemporaine, qui sapplique par exemple au comportement dun ferromagnetique au point de Curie,
mais cela est une autre histoire !
Figure 5.14 Deux marches aleatoires sur reseau, vues à des echelles dierentes. Sur la première, o` u
on distingue bien les pas sur le reseau discret, on constate que le mouvement ne setale pas beaucoup,
le marcheur revenant souvent sur ses pas. Cela est encore plus visible sur la seconde, o` u apparat
aussi une propriete remarquable du mouvement brownien continu, son invariance dechelle (proprietes
fractales) : le grossissement dune petite partie de la courbe est de meme nature que la courbe
originale.
Chapitre 6
Series entières. Fonctions analytiques
Ce chapitre est le premier dune serie qui va porter sur dierents aspects des fonctions dune
variable complexe. On va sinteresser dabord ` a des series
k
a
k
z
k
dune variable complexe z.
Sauf mention du contraire, ces sommes seront supposees commencer à k = 0.
6.1 Series entières
6.1.1 Series formelles
En preambule, mentionnons dabord que lon peut sinteresser aux objets algebriques S(X) =
n
a
n
X
n
et aux operations que lon peut eectuer sur eux, sans se soucier de la nature de la
variable X ni de la convergence de la somme. Cest ce quon appelle une serie formelle. Ces
series (avec les coecients a
n
appartenant ` a un corps K de nombres, typiquement R ou C)
forment une algèbre notee K[[X]] : on peut les ajouter, les multiplier par un nombre de K, les
multiplier entre elles selon les règles familières. On peut aussi prendre linverse de toute serie
ayant a
0
,= 0 : linverse de S(X) =
n
a
n
X
n
(a
0
,= 0) est la serie formelle T(X) =
n
b
n
X
n
t.q. S(X).T(X) = 1. On peut composer deux series S(X) =
n
a
n
X
n
et T(Y ) =
n
b
n
Y
n
en considerant que Y = S(X), à condition que a
0
= 0 : on obtient une nouvelle serie formelle
T S(X). Sous les hypothèses a
0
= 0, a
1
,= 0 sur S, on peut aussi denir la serie reciproque T
de S (cest-` a-dire inverse pour la composition) : T S = I (la fonction identite I : x x).
Linteret de ces series formelles est quelles dissocient les questions de convergence de ces
manipulations algebriques. Cest par exemple interessant dans des applications ` a des problèmes
de combinatoire, o` u on denit des fonctions generatrices. Si on a une collection de nombres
a
n
indexes par un entier n, il est souvent utile de considerer la fonction generatrice des a
n
,
denie comme la serie formelle
n
a
n
X
n
.
116 Chap.6. Series entières. Fonctions analytiques
Exemple. Le nombre de partitions P
n
dun entier n est le nombre de facons de lecrire comme
somme non ordonnee n = p
1
.1+p
2
.2+ +p
n
.n, p
i
0. Par exemple P
5
= 7 (verier). Montrer
que la fonction generatrice des P
n
est donnee par la formule dEuler
n=0
P
n
X
n
=
1
m=1
(1 X
m
)
. (6.1)
Or on peut montrer (Hardy et Ramanujan, voir aussi plus bas la methode du col) quasymptotiquement
P
n

1
4n
3
e
2n
3
, une croissance beaucoup trop rapide pour que la serie converge, pour quelque valeur de X
que ce soit. On dira dans la suite que la serie a un rayon de convergence nul. La serie est et reste une serie
formelle. Mais telles quelles, ces fonctions generatrices series formelles sont très utiles.
Exemple : En factorisant le produit

m=1
(1 X
m
) en deux produits sur les m pairs et impairs, demontrer
lidentite entre series formelles (en fait produits formels . . .)
m=1
(1X
2m1
)
m=1
(1+X
m
) = 1. En deduire,
en ecrivant leurs fonctions generatrices, que les nombres de partitions dun entier en nombres impairs ou en
nombres distincts sont egaux. Par exemple pour n = 5, P
distincts
(5) = 3 : 5, 4, 1, 3, 2, 1 et P
impairs
(5) =
3 : 1, 1, 1, 1, 1, 3, 1, 1, 5. Pour le physicien, les nombres de partitions en nombres distincts sont reliees au
comptage detats fermioniques denergie donnee, dans un potentiel harmonique. . .
6.1.2 Rayon de convergence
On considère la serie entière
k
a
k
z
k
o` u les a
k
C.
Denition 6.1 : Le rayon de convergence de la serie
k
a
k
z
k
est le nombre R reel positif ou
nul, (eventuellement inni), deni par
R
def
= supt R
+
tel que
n
[a
n
[t
n
est borne . (6.2)
(Lensemble de ces t nest pas vide puisquil contient au moins 0, donc son sup est bien deni
dans R.) Par exemple, si la suite [a
n
[
1
n
a une limite , alors R =
1
.
Mais plus generalement, on va montrer que (formule dHadamard)
1
R
= lim
n
[a
n
[
1/n
(6.3)
o` u la limite superieure dune suite a ete denie à lAppendice 1.3.5,
lim
n
u
n
= lim
k
(sup
nk
u
n
) .
La preuve de (6.3) repose sur la règle de Cauchy (comparaison avec une serie geometrique) : soit une suite
b
n
> 0 ; si lim
n
b
1/n
n
< 1,

n
b
n
< +, et si lim
n
b
1/n
n
> 1,

n
b
n
= + (verier en utilisant (A.6) ).
On applique cela à b
n
= [a
n
[r
n
et on en conclut que

[a
n
[r
n
converge pour r
1
> lim
n
[a
n
[
1/n
, et diverge
si r
1
< lim
n
[a
n
[
1/n
ce qui, compte tenu de la denition (6.2) etablit (6.3).
On appellera disque de convergence le domaine ouvert [z[ < R, appellation justiee par le
theorème fondamental
6.1. Series entières 117
Theorème 6.1 : La serie entière
k
a
k
z
k
converge normalement et uniformement dans tout
disque [z[ r interieur au disque de convergence (0 < r < R) ; elle converge absolument pour
tout z dans le disque de convergence [z[ < R et diverge pour tout z hors de ce disque, [z[ > R;
sur le bord du disque, [z[ = R, la serie peut etre convergente ou divergente.
(Pour les denitions des dierents types de convergence, se reporter à la Denition 1.7.) Si
R = 0, la serie ne converge que pour z = 0. Si R = , elle converge dans tout le plan.
La convergence normale est claire : pour la norme du sup, si [z[ r < R,

[[a
k
z
k
[[ =

[a
k
[r
k
<
par denition du rayon de convergence ; et les CVU et CVA decoulent du Theorème 1.8. Bien noter que la
convergence normale et la convergence uniforme ne sont etablies que dans tout disque plus petit que le disque
de convergence.
Exemples.
1. La serie
z
n
n!
est convergente dans tout le plan, puisque = 0, donc R = .
Rappelons largument : pour tout entier m superieur à [z[, on a [z
n
/n![ =
1
m!
]z]
n
(m+1)n
<
m
m
m!
]z]
n
m
n
dès que
n > m do` u [z
n
/n![
1
n
<
]z]
m
_
m
m
m!
_
1
n
qui tend vers [z[/m < 1. cqfd
2. A linverse, z
n
n! est telle que = , R = 0, donc la serie ne converge quen 0.
3.
_
z
r
_
n
, r ,= 0. On a = 1/r, donc un rayon de convergence R = r. Sur le cercle de
convergence, pour [z[ = r, la serie ne converge en aucun point (puisque le terme dordre
n ne sannule pas).
4.
z
n
n
, R = 1, la serie converge pour tout z, [z[ < 1, elle diverge pour [z[ > 1 ; pour
z = 1 elle est divergente ; pour z = 1, elle est semi-convergente (convergente mais pas
absolument convergente) en tant que serie alternee, et plus generalement elle converge
(mais pas absolument) sur tout le bord du disque sauf en z = 1. On reconnat la serie de
log(1 z).
5.
z
n
n
2
, R = 1. Sur tout le bord du disque de convergence, y compris z = 1, convergence
absolue.
6. nz
n
, R = 1, la serie diverge sur tout le bord du disque.
Il ressort de cette serie dexemples que le comportement sur le bord du disque est une question
delicate ` a etudier avec soin.
On peut additionner, multiplier ou inverser des series entières de rayon de convergence non nul et on obtient
une autre serie entière de rayon de convergence non nul. (Pour linverse de
a
n
z
n
il faut supposer que a
0
,= 0.)
On peut aussi composer la serie T() =
n=0
b
n
n
par S(z) =
k=1
a
k
z
k
,
1
cest-à-dire construire T(S(z)) qui
est de rayon de convergence non nul si S et T le sont. En particulier si a
1
,= 0 la serie reciproque U de la serie
S(z), telle que U(S(z)) = z, existe et a un rayon de convergence non nul.
1. bien noter que la sommation sur k demarre à 1 !
6.1.3 Continuite, integrabilite et derivabilite de la somme
Une serie entière convergeant uniformement dans tout disque ferme contenu dans son
disque de convergence, on peut lui appliquer les theorèmes de continuite, de derivabilite et
dintegrabilite enonces au chapitre 1, en se restreignant dabord à une variable reelle : pour x
reel et r < R, (inegalite stricte !), sur le segment r x r, la somme S(x) de la serie
a
n
x
n
est continue. En integrant terme à terme la serie
a
n
x
n
, la serie entière
an
n+1
x
n+1
converge
pour [x[ < R vers lintegrale
_
x
0
S(x
t
)dx
t
. Enn la serie derivee terme à terme,
na
n
x
n1
, est
convergente pour [x[ < R et a pour somme S
t
(x). En fait on demontre que ces series derivee et
integree ont le meme rayon de convergence que la serie initiale. (Exercice : le verier.)
Exemple. En integrant terme ` a terme entre 0 et x la serie geometrique
n=0
(1)
n
x
n
qui
converge vers 1/(1 +x) pour x ] 1, 1[, on obtient
ln(1 +x) =
n=1
(1)
n1
x
n
n
(6.4)
qui converge pour [x[ < 1. Pour x = 1, la serie converge encore, et on a 1
1
2
+
1
3
= ln 2.
On peut en fait etendre cette derivation à la serie de la variable complexe z. On y reviendra
au chapitre suivant. Si S(z) =
n=0
a
n
z
n
est la somme dune serie de rayon R, la derivee de S
par rapport ` a la variable z
S
t
(z) = lim
hC, h0
h=0
S(z +h) S(z)
h
existe
2
et est donnee par la serie derivee
S
t
(z) =
n=1
na
n
z
n1
(6.5)
qui converge dans le meme disque de rayon R. (Preuve, voir [4], chap. I.)
Coecients de la serie entière
On peut donc deriver terme ` a terme une serie entière ` a linterieur de son disque de conver-
gence, puis deriver ` a nouveau, etc. La somme de la serie S(z) =
a
n
z
n
est donc indeniment
derivable et ses derivees successives en z = 0 sont donnees par S
(n)
(0) = n!a
n
, soit a
n
=
S
(n)
(0)
n!
. Pour [z[ < R, la serie entière S(z) =
a
n
z
n
sidentie au developpement de Taylor(
Maclaurin) de S(z)
S(z) = S(0) +zS
t
(0) +
z
2
2
S
tt
(0) + +
z
n
n!
S
(n)
(0) + (6.6)
2. Bien noter que h est un complexe quelconque tendant vers 0.
6.2. Les fonctions exp et log 119
6.1.4 Vitesse de convergence
Etant donnee une serie entière de rayon de convergence R ,= 0 connu, un problème pratique est celui de
la vitesse de convergence de cette serie. Intuitivement, cette vitesse peut sevaluer à nouveau par comparaison
de series, et nous nous attendons à ce quune serie dont le terme general a
n
se comporte par exemple comme
a
n
n
converge dautant plus vite que est plus grand. Peut-on aller au delà de cette simple observation?
Combien de termes de la serie faut-il garder pour avoir une approximation dordre donne de la somme ? Y a-t-il
des moyens daccelerer cette convergence par des procedes de resommation? Toutes ces questions sont dun
grand interet pour le physicien . . . mais nous ne pourrons pas nous y arreter.
6.2 Les fonctions exp et log
Comme on la vu plus haut, la serie
e
z
=
n=0
1
n!
z
n
a un rayon de convergence inni. Daprès (6.5)
S
t
(z) = S(z)
et on retrouve lequation dierentielle satisfaite par la fonction exponentielle.
On verie aussi aisement que
e
z
e
z
= e
z+z
, e
z
e
z
= e
0
= 1 .
ce qui implique que
z C e
z
,= 0 . (6.7)
On peut restreindre la variable z ` a des valeurs reelles, retrouver les proprietes et inegalites
familières (positivite, convexite,. . .) de la fonction exponentielle reelle, denir la fonction recipro-
que log sur R
+
etc etc.
On peut aussi restreindre z ` a des valeurs purement imaginaires, R y e
iy
ce qui fournit un
homomorphisme
3
du groupe additif R dans le groupe multiplicatif U(1) des nombres complexes
de module 1 (que lon peut voir aussi comme le cercle unite) :
e
iy
e
iy
= e
i(y+y
)
.
3. Rappelons quun homorphisme dun groupe G dans un groupe H est une application de G dans H qui
est compatible avec les deux structures de groupe : g, g
t
(g g
t
) = (g) (g
t
) .
Le noyau de cet homomorphisme, cest-` a-dire les y qui sont appliques sur lelement 1 sont les
multiples de 2 : y = 2k, k Z. Autrement dit à tout nombre u de module 1 (` a tout point
du cercle unite) correspond une famille de y denis modulo 2 tels que u = e
iy
: ce sont les
dierentes determinations de largument de u.
y = arg u mod 2 .
On etend alors la fonction argument ` a tout le plan pointe à lorigine C
= C0 par
w ,= 0 arg w = arg(w/[w[) .
Logarithme complexe
Finalement interessons-nous à la fonction reciproque de lexponentielle (complexe).

Etant
donne w C, on cherche z tel que e
z
= w. Il est clair par (6.7) que z nexiste que si w ,= 0 et
que si z est solution, tout z + 2ik lest aussi. Si on note z = log w, z nest deni que modulo
2i. En identiant les modules et arguments on a
e
z
= e
x+iy
= w = [w[e
i arg w
x = log [w[, y = arg w mod 2
donc
z = log w = [ log w[ +i arg w (6.8)
Attention : on a utilise la meme notation log pour la fonction dej` a bien denie sur les reels et
pour le logarithme complexe. De plus, il faut garder à lesprit que la partie imaginaire de ce
log w est deni ` a laddition près dun multiple entier de 2i.
Ainsi il faut prendre garde que les identites familières du logarithme peuvent etre aectees
par ces determinations multiples, telle
log ww
t
= log w + log w
t
mod 2i .
Le logarithme complexe ainsi deni est, comme la fonction arg ci-dessus, un exemple de
fonction multivaluee. Dans un domaine ouvert connexe du plan complexe, ne contenant pas O
et simplement connexe (heuristiquement, domaine sans trou, on verra plus precisement au
chapitre suivant ce quil faut entendre par là), le logarithme admet une determination qui est
une fonction continue de la variable w. Et toute autre determination en dière par un multiple
entier de 2i.
Par exemple, dans le domaine ouvert D : [w[ > r > 0, [ arg w[ < (r et petits : plan
coupe le long de laxe reel negatif), (6.8) fournit la determination principale du logarithme
log w.
6.3. Series de Taylor. Fonctions analytiques 121
Developpement en serie du logarithme
La serie entière
T(u) =
n=1
(1)
n1
u
n
n
a pour rayon de convergence 1 (cf supra). Elle donne la determination principale de log(1 +u).
En eet, comme on le sait bien, cette serie est la serie reciproque de celle de lexponentielle ;
donc e
T(u)
= 1 + u; cest bien la determination principale : si [u[ < 1, w = 1 + u a une partie
reelle > 0 donc appartient au domaine D ci-dessus, et en u = 0, T(u) sannule, tout comme la
determination principale.
6.3 Series de Taylor. Fonctions analytiques
6.3.1 Series de Taylor
Soit un ouvert de R ou C. Soit f une fonction denie sur , et z
0
.
Denition 6.2 : La fonction f est developpable en serie entière centree en z
0
sil existe un
ouvert
t
contenant z
0
et une suite a
n
C tels que
z
t
f(z) =
n=0
a
n
(z z
0
)
n
. (6.9)
Restreignons-nous (pour le moment) au cas reel. Soient I un ouvert de R, x
0
I, f une
fonction de I dans C developpable en serie entière centree en x
0
, f(x) =
n=0
a
n
(x x
0
)
n
,
de rayon de convergence R. Comme on la vu plus haut en (6.6), la fonction est de classe C
(inniment derivable) dans louvert ]x

0
R, x
0
+R[, avec
k f
(k)
(x) =
n=k
n!
(n k)!
a
n
(x x
0
)
nk
(6.10)
et donc a
n
=
f
(n)
(x
0
)
n!
. On appelle la serie
n=0
f
(n)
(x
0
)
n!
(x x
0
)
n
serie de Taylor(MacLaurin) de
f en x
0
.
6.3.2 Fonctions analytiques
Soit une fonction f dun ouvert de R ou C dans C.
Denition 6.3 : La fonction f est analytique sur si pour tout z
0
, elle admet un
developpement en serie entière centre en z
0
.
Daprès ce qui precède, si f est analytique dans , elle y est indeniment derivable et
ses derivees successives y sont analytiques ; 1/f est analytique dans prive des points z
0
o` u
f(z
0
) = 0 ; si f admet une primitive dans connexe (denie ` a une constante additive près),
cette primitive est aussi analytique.
Exemples : les polyn omes de z sont analytiques dans C; les fractions rationnelles de z sont
analytiques dans le plan prive des zeros du denominateur. On va voir que la classe des fonctions
analytiques est bien plus vaste :
Theorème 6.2 : La somme dune serie entière
a
n
z
n
de rayon de convergence R > 0 est
analytique en tout point z
0
du disque ouvert de convergence.
Autrement dit, si
n
a
n
z
n
est convergente dans le disque ouvert [z[ < R, la fonction f(z) =
n
a
n
z
n
est analytique en tout point z
0
de ce disque, donc tel que [z
0
[ < R. Cela est non
trivial : lexistence du developpement en serie entière centre en 0 nimplique pas evidemment
la meme propriete en tout point du disque !
Exemple. Soit la serie
n=0
x
n
. Elle converge dans le disque de rayon 1 vers la fonction
f(x) =
1
1x
. Pour tout x
0
, 1 < x
0
< 1, on peut ecrire f(x) =
1
1x
0
(xx
0
)
et developper
f(x) =
n=0
(xx
0
)
n
(1x
0
)
n+1
. Quel est le domaine de convergence de ce nouveau developpement ?
Preuve du Theorème. Montrons que la serie

n
1
n!
f
(n)
(z
0
)u
n
a un rayon de convergence R
t
R [z
0
[ et
que
f(z) =
n
1
n!
f
(n)
(z
0
)(z z
0
)
n
pour [z z
0
[ < R [z
0
[ . (6.11)
En eet si r
0
= [z
0
[,
n
= [a
n
[, on a
f
(m)
(z
0
) =
p
(m+p)!
p!
a
m+p
z
p
0
[f
(m)
(z
0
)[
p
(m+p)!
p!

m+p
r
p
0
Si r
0
r < R,
m
1
m!
[f
(m)
(z
0
)[(r r
0
)
m
m,p
(m+p)!
m!p!

m+p
r
p
0
(r r
0
)
m
0mn
n!
m!(n m)!
r
nm
0
(r r
0
)
m
=
n
r
n
< ,
La serie à coecients positifs
0mn
n!
m!(nm)!
r
nm
0
(r r
0
)
m
converge donc, ce qui justie a posteriori
la modication de lordre des termes quon a eectuee. Cela prouve que la serie (6.11) a un rayon de convergence
R
t
r r
0
, et puisque r peut etre arbitrairement près de R, R
t
R r
0
.
On considère maintenant z tel que [z z
0
[ < R r
0
. La serie double

m,p
(m+p)!
m!p!
a
m+p
z
p
0
(z z
0
)
m
etant
6.3. Series de Taylor. Fonctions analytiques 123
absolument convergente daprès ce qui precède, on peut la resommer de deux fa cons dierentes :
m,p
(m+p)!
m!p!
a
m+p
z
p
0
(z z
0
)
m
=
n
a
n
0mn
n!
m!(n m)!
z
nm
0
(z z
0
)
m
=
n
a
n
z
n
= f(z)
=
m
(z z
0
)
m
m!
p
(m+p)!
p!
a
m+p
z
p
0
=
m
(z z
0
)
m
m!
f
(m)
(z
0
)
do` u f(z) =
m
(zz0)
m
m!
f
(m)
(z
0
) q.e.d.
Remarques.
1. Le rayon R
t
de convergence de la serie (6.11) peut etre plus grand que R r
0
. Exemple,
considerer la serie f(z) =
n
(iz)
n
=
1
1iz
de rayon R = 1 et en etudier le developpement en un
point reel x
0
< 1. Montrer que le nouveau rayon de convergence est R
t
=
_
1 +x
2
0
> 1 [x
0
[.
2. Pour une fonction de variable reelle, lhypothèse danalyticite est plus forte que celle de
dierentiabilite C
. Ainsi, soit la fonction f(x) = e

1/x
2
pour x ,= 0, f(0) = 0. La fonction
est C
, toutes ses derivees sannulent en 0, et la serie de Taylor est donc convergente, mais
sa somme est nulle donc ne converge pas vers f : la fonction nest pas analytique ! Lorigine
du problème est que, au voisinage de 0, (dans les directions imaginaires) la fonction et ses
derivees croissent très vite (comme e
1/[x[
2
). . . Il existe des conditions (necessaires et/ou su-
santes) danalyticite dune fonction f de classe C
, typiquement des conditions majorant la

croissance des derivees f
(n)
au voisinage du point considere ([4], chap. 1).
6.3.3 Prolongement analytique
Problème :

Etant donnee une fonction f analytique dans , ouvert connexe, et
t
un
ouvert connexe contenant , existe-t-il une fonction g analytique dans
t
telle que g = f sur
?
Si cest le cas, on dit que g est un prolongement analytique de f ` a
t
. Exemple : la fonction
f(z) =
n
z
n
= (1 z)
1
est analytique dans [z[ < 1. Elle admet donc un developpement en
serie autour de tout point du disque : [z[ < 1, par exemple z
0
=
1
2
+
3i
4
(voir gure 6.1) et ce
developpement a un rayon donne par la distance de z
0
au point 1, soit r
0
=
_
1
4
+
9
16
=
13
4
: soit
D le disque de centre z
0
et de rayon r
0
. La fonction est analytique en tout point de
t
= D.
Ce nouveau domaine
t
deborde largement les limites de : on a donc bien prolonge f au
del` a du disque initial. On pourrait iterer cette operation et de proche en proche, prolonger
analytiquement f au plan prive du point 1.
Un theorème nous garantit lunicite de ce prolongement, sil existe :
Theorème 6.3 : Soit f une fonction analytique dans un ouvert connexe et soit z
0
. Les
trois conditions suivantes sont equivalentes
1. n 0 f
(n)
(z
0
) = 0 ;
2. f 0 dans un voisinage de z
0
;
3. f 0 dans .
Rappelons la denition dun ensemble connexe E : tout sous-ensemble X de E ` a la fois ouvert
et ferme est E lui-meme ou .
Preuve. Il est clair que 3. 1. Par ailleurs 1. 2. selon (6.11) et 2. 1. est evident. Enn pour etablir
2. 3., considerons lensemble
t
des points z
t
de au voisinage desquels f 0 ;
t
est non vide (par 2.), et
ouvert (par denition). Pour demontrer quil est aussi ferme, considerons un point z
1

t
de son adherence
(def. 1.2.1) ; il existe des points z
t
de
t
arbitrairement proches de z
1
et pour lesquels donc f
(n)
(z
t
) = 0 pour
tout n (en appliquant 2. 1. à z
t
), et par continuite des f
(n)
, il en decoule que f
(n)
(z
1
) = 0, et (par 1. 2.
applique à z
1
) f 0 au voisinage de z
1
, donc z
1

t
qui est bien ferme. etant connexe, on a
t
= q.e.d.
1
0
0
z
Figure 6.1 Prolongement analytique de la somme de la serie

n
z
n
au delà de son disque de
convergence.
Corollaire : Si deux fonctions f et g analytiques dans un ouvert connexe concident au
voisinage dun point de , elles sont identiques sur .
Exemples et contre-exemple de prolongement analytique
Considerons la serie f(z) =
n=0
z
n
, convergente et analytique pour [z[ < 1 et la fonction
g(z) =
1
1z
denie et analytique dans le plan pointe C1. Elles concident dans le disque
[z[ < 1 et g denit donc le prolongement analytique de f au plan pointe.
Considerons ensuite le developpement en serie de la fonction logarithme. On peut eectuer ce
developpement autour du point 1, f
0
(z) = log z =
n=1
(1)
n1
(z1)
n
/n, qui converge dans le
disque D
0
= [z1[ < 1, ou autour du point e
i/4
, f
1
(z) =
i
4
+
n=1
(1)
n1
e
in/4
(ze
i/4
)
n
/n
qui converge dans le disque D
1
= [z e
i/4
[ < 1, etc. Ces deux fonctions concident au voisinage
de z
0
=
i
8
(verier !) donc dans tout D
0
D
1
selon la Proposition precedente. f
1
est donc lunique
prolongement de log z au domaine D
1
. On pourrait iterer et denir de proche en proche les
prolongements f
k
dans les disques D
k
: [z e
ik/4
[ < 1. Mais attention! rien ne nous dit que
6.4. Lacunes de ce chapitre. . . 125
le prolongement au domaine D
8
autour de e
i2
= 1 concide avec la fonction f
0
= log de depart.
En fait comme on sait f
8
denit une autre determination de la fonction log, dierant de f
0
par
2i.
`
A linverse, le prolongement analytique dune fonction somme dune serie entière nest pas toujours possible.
Considerons par exemple la fonction f(z)
def
=

n=1
z
2
n
. Elle converge pour [z[ < 1, diverge pour tout z, [z[ > 1
et aussi pour z = 1, point o` u elle a une singularite
4
. En fait on demontre aisement (cf Exercice) quelle a une
singularite pour toute racine 2
p
-ième de lunite. Ces racines etant denses sur le cercle unite [z[ = 1, ce cercle
constitue une frontière essentielle de la fonction, au delà de laquelle un prolongement analytique est impossible.
On con coit quen general, un prolongement analytique nest possible que sil est possible de se glisser entre les
singularites. . .
Applications physiques
A cote des applications mathematiques, le prolongement analytique dune fonction peut aussi etre utile en
physique.
Exemple : les notions dimpedance Z et de son inverse Y , ladmittance, qui decrivent la reponse dun circuit
electrique à une excitation, sont familières : il sagit de fonctions (complexes) de la variable reelle de frequence
(angulaire) . Il se trouve que le prolongement de Z() et de Y () à des valeurs complexes de est possible,
en faisant appel à la causalite, et quil contient une information utile. On verra au chapitre 8 dautres exemples
de ce cas (relations de dispersion).
Dautres exemples concernent le prolongement de quantites physiques denies pour une variable entière à des
valeurs reelles ou complexes arbitraires : cest le cas du moment cinetique J qui en mecanique quantique prend
des valeurs quantiees, multiples entières ou demi-entières de , mais qui sous des hypothèses adequates sur le
potentiel de diusion, peut etre prolonge dans le plan complexe (Regge) ; là encore, les proprietes danalyticite
dans la variable J peuvent etre riches dinformations . . . Cest encore le cas avec dautres nombres au depart
entiers nombre Q detats dans le modèle de Potts de la mecanique statistique ; dimension despace-temps
prolongee à partir de d = 4 en mecanique statistique et theorie des champs, etc.
6.4 Lacunes de ce chapitre. . .
6.4.1 Series divergentes. Series asymptotiques
Il conviendrait de discuter aussi le cas des series asymptotiques, qui sont divergentes et qui apparaissent
par exemple en mecanique celeste, ou dans les developpements perturbatifs de mecanique quantique ou de
theorie quantique des champs. On se bornera à dire ici quune serie de rayon de convergence nul peut neanmoins
contenir une information utile . . . et utilisable avec des outils de resommation adequats et mathematiquement
justies.
4. On donnera au chapitre 7 un sens precis à ce terme. Contentons-nous pour le moment de la denition
suivante : une singularite dune fonction denie par une serie

a
k
z
k
est un point o` u la serie diverge.
6.4.2 Produits innis
Il conviendrait aussi detudier comment on peut donner un sens aux produits innis

n1
(1
z
an
). Parmi
toutes les belles formules que lon peut demontrer, nen citons quune
sinz = z
n=1
_
1
z
2
n
2
_
. (6.12)
Exercices
1. Considerer la serie
S =
k=0
_
1
16
_
k
_
4
8k + 1

2
8k + 4

1
8k + 5

1
8k + 6
_
(6.13)
Quel est le comportement asymptotique du terme general ? La convergence est-elle lente ou
rapide ?
Pour determiner sa somme, construire la serie entière
S(x) =
k=0
_
x
8
16
_
k
_
4x
8k + 1

2x
4
8k + 4

x
5
8k + 5

x
6
8k + 6
_
. (6.14)
a) Quel est son rayon de convergence ? ;
b) Montrer que la fonction S(x) satisfait S
t
(x) = (4 2x
3
x
4
x
5
)/(1 x
8
/16) et
S(0) = 0 ;
c) Verier que la fonction (x)
def
= 4Arctan (1 x) + 2 ln(2 x
2
) 2 ln(x
2
2x + 2)
satisfait la meme equation dierentielle et (0) = . On pourra utiliser un logiciel de
calcul formel comme Mathematica ou Maple pour verier les points b) et c), un peu
fastidieux à la main. . .
En conclure que S(x) = (x) + , et en deduire la valeur de la somme S de (6.13). Tester
numeriquement la convergence de la serie (6.13) vers sa limite.
2. Soit I un intervalle de R et f une fonction f : I C analytique dans I. Montrer quon
peut la prolonger en une fonction analytique dans un ouvert C contenant I.
3. Soit f(z)
def
=
n=1
z
2
n
.
Montrer quelle converge dans le disque [z[ < 1 et quelle a une singularite en z = 1.
Montrer que f satisfait les relations fonctionnelles f(z) = z
2
+ f(z
2
), et plus generalement
f(z) = z
2
+ z
4
+ z
8
+ + z
2
p
+ f(z
2
p
) pour tout p entier. En deduire que f a aussi des
singularites en toute racine 2
p
-ième de lunite.
Chapitre 7
Fonctions holomorphes. Theorème de
Cauchy
On va voir dans ce chapitre que la condition quune fonction de variable complexe est
derivable est très contraignante. Les fonctions derivables ou holomorphes possèdent des pro-
prietes remarquables que nous allons explorer.
7.1 Fonctions holomorphes
7.1.1 Rappel : fonctions dierentiables de R
n
dans R
p
Soit un ouvert de R
n
, a et soit une fonction f : R
p
. On dit que f est dierentiable
en a sil existe une application lineaire notee df
a
de R
n
dans R
p
telle que
h R
n
f(a +h) f(a) df
a
(h) = o(|h|) , (7.1)
o` u o(|h|)/|h| 0 quand h 0. df
a
est appelee la dierentielle (ou lapplication lineaire
tangente) de f en a. Si on note x
i
, i = 1, , n, des coordonnees dans (une base de) R
n
, et si
h = (h
1
, , h
n
) dans cette base, lapplication lineaire df
a
secrit
df
a
(h) =
n
i=1
h
i
f
x
i
a
(7.2)
et les
f
x
i
a
sidentient aux derivees partielles en a comme denies usuellement. La dierentiabilite
en a implique donc lexistence des derivees partielles en a ; linverse nest pas vrai, voir ci-
dessous. (Remarque : h = (h
i
) est ce que lon appellera plus tard un vecteur tangent.)
128 Chap.7. Fonctions holomorphes. Theorème de Cauchy
On peut aussi introduire les (formes) dierentielles dx
i
, telles que dx
i
(h) = h
i
. (Ce sont des
formes (lineaires) car elles sont ` a valeurs dans R, et elles agissent sur les vecteurs tangents,
ici h). On recrit alors (7.2) sous la forme
df
a
=
n
i=1
f
x
i
a
dx
i
. (7.3)
Plus generalement on aura ` a considerer plus bas des formes dierentielles =
i
F
i
(x)dx
i
.
Si f est dierentiable en tout point de et que lapplication a df
a
est continue, on
dit que f est contin ument dierentiable (ou de classe C
1
). Si n = 1 (fonction dune variable
reelle), la notion de dierentiabilite sidentie à celle de derivabilite, denie par lexistence de la
derivee. Si n > 1, cependant, cela nest plus toujours vrai : f peut avoir des derivees partielles
en a sans etre dierentiable. Considerons par exemple la fonction de R
2
dans R :
f(x, y) =
_
_
_
y
3
/(x
2
+y
2
) si (x, y) ,= (0, 0)
0 si (x, y) = (0, 0)
.
Elle est continue en (0, 0), y admet des derivees partielles . . . mais nest pas dierentiable ! En
eet
x
f(0, 0) = 0,
y
f(0, 0) = 1, mais (f(h, k) 0 k)/|(h, k)| = kh
2
/(h
2
+k
2
)
3/2
ne tend
pas vers 0 independamment de la direction suivie.
Dans la suite de ce chapitre, on va sinteresser à n = 2, p = 1 ou 2 (fonctions reelles ou
complexes dune variable complexe).
7.1.2 Holomorphie. Conditions de CauchyRiemann
Dans ce qui suit, designe un ouvert du plan complexe C, et f : C une fonction (` a
valeurs complexes) de z .
Denition 7.1 : La fonction f : C est derivable ou holomorphe en z
0
si
f
t
(z
0
)
def
= lim
zz
0
f(z) f(z
0
)
z z
0
existe, cest-à-dire sil existe un nombre complexe note f
t
(z
0
) tel que
f(z) f(z
0
) f
t
(z
0
)(z z
0
) = o([z z
0
[) . (7.4)
f est holomorphe sur si elle est holomorphe en tout point de .
Bien voir que lhypothèse est que la limite existe et est independante de la facon dont z approche
z
0
. Si on ecrit z = x + iy et que lon considère f comme une fonction

f des deux variables
reelles x et y,

f(x, y) = f(x + iy), on va voir que cette condition de derivabilite de f est plus
forte (plus contraignante) que celle de dierentiabilite de

f.
7.1. Fonctions holomorphes 129
Theorème 7.1 (conditions de CauchyRiemann 1) : Si f : C et si

f : R
2
C
est la fonction de x et y correspondante, alors f est derivable en z
0
= x
0
+iy
0
ssi
f est dierentiable dans R

2
et

f
x
(x
0
, y
0
) = i

f
y
(x
0
, y
0
) , (7.5)
et alors, f
t
(z
0
) =

f
x
(x
0
, y
0
) .
Preuve. Supposons f derivable et notons z z
0
= h + ik et c = f
t
(z
0
) : (7.4) se reexprime en termes de

f
selon
f(x
0
+h, y
0
+k)

f(x
0
, y
0
) c(h +ik) = o(
_
h
2
+k
2
) (7.6)
ce qui prouve que

f est dierentiable, qui identie

f
x
= c,

f
y
(x
0
, y
0
) = ic, et qui etablit (7.5). Reciproquement
si

f satisfait (7.5), alors on a bien (7.6) avec c =

f
x
(x
0
, y
0
) et la fonction f(z) est donc derivable en z
0
avec
f
t
(z
0
) = c.
Contre-exemple : Soit f(z) = z z,

f(x, y) = x
2
+ y
2
. La fonction

f est bien dierentiable :
x

f(1, 0) =
2,
y

f(1, 0) = 0 et

f(x, y)

f(1, 0) = (1 + h)
2
+ k
2
1 2h = h
2
+ k
2
. Examinons la derivabilite en z
0
= 1.
f(z)f(1)
z1
=
z z1
z1
= z +
z1
z1
. Quand z 1, le premier terme 1 mais le second est une phase qui depend de
la direction dapproche.
Dans la suite on ne distinguera plus f et

f. Il est souvent commode decrire
f = P +iQ avec P = 1e f , Q = mf .
Les conditions de CauchyRiemann se recrivent alors sous la forme
Theorème 7.2 (conditions de CauchyRiemann 2) : Si f : C est derivable en
z
0
, et f = P +iQ avec P = 1e f , Q = mf , alors
P
x
(x
0
, y
0
) =
Q
y
(x
0
, y
0
)
Q
x
(x
0
, y
0
) =
P
y
(x
0
, y
0
) (7.7)
Interpretation geometrique : les deux courbes 1e f(z) = const. et mf(z) = const. sont
orthogonales au point z
0
.
Preuve (de cette interpretation) : voir TD.
Notons nalement que par les formules de CauchyRiemann, nous avons plusieurs expres-
sions equivalentes pour la derivee dune fonction holomorphe :
f
t
(z) =
P
x
+i
Q
x
=
Q
y
i
P
y
=
P
x
i
P
y
=
Q
y
+i
Q
x
. (7.8)
Exemples, contre-exemples. Tout polynome R(z) (` a coecients dans C) est derivable donc
holomorphe en tout point z de C. Les fonctions e
z
, sin z, cos z etc sont holomorphes sur C.
La fonction f : z 1/z est holomorphe sur C
def
= C0. En revanche la fonction f : z z
nest pas derivable/holomorphe. En eet pour tout z
0
, examinons la limite =
z z
0
zz
0
quand
[z z
0
[ 0. Posant z z
0
= (z)e
i(z)
, on voit que = e
2i(z)
qui peut prendre toute valeur
selon la fa con dont z approche z
0
. Le rapport na pas de limite bien denie et la fonction
nest pas derivable. Pour la meme raison, les fonctions z [z[, z 1e z, z mz, ne sont
pas non plus holomorphes.
De fa con heuristique, sont holomorphes les fonctions (susamment regulières) de z seule-
ment. On voit apparatre une idee interessante : les variables z et z peuvent etre considerees
comme independantes, une idee que lon retrouvera dans la suite.
7.1.3 Derivations ,

Comme on la rappele plus haut en (7.3), pour une fonction f : R

2
R
2
dierentiable au
point (x
0
, y
0
), on peut ecrire la dierentielle en (x
0
, y
0
) comme
df =
f
x
(x
0
,y
0
)
dx +
f
y
(x
0
,y
0
)
dy . (7.9)
Appliquons cela ` a des fonctions f : C dune variable z = x + iy. Pour les fonctions
z z et z z on a dz = dx + idy et d z = dx idy, soit encore dx =
1
2
(dz + d z) et
dy =
1
2i
(dz d z). Lexpression (7.9) conduit alors à
df =
1
2
f
x
(dz + d z) +
1
2i
f
y
(dz d z)
=
1
2
_
f
x
i
f
y
_
dz +
1
2
_
f
x
+i
f
y
_
d z . (7.10)
Il est donc naturel de noter
z
def
=
1
2
_

x
i

y
_

z
def
=
1
2
_

x
+i

y
_
(7.11)
et ces operateurs dierentiels seront notes aussi
z
et
z
, ou plus simplement et

chaque fois
quil ny aura pas dambigute.
On a donc nalement pour la dierentielle de f lexpression compacte
df =
f
z
dz +
f
z
d z
` a nouveau en accord avec la remarque ci-dessus : les variables z et z peuvent etre considerees
comme independantes.
Ce qui a precede na fait usage que de la dierentiabilite dans R
2
de la fonction f. Supposons
maintenant la fonction f derivable dans C (holomorphe) :
7.2. Integrales sur des chemins 131
Theorème 7.3 (conditions de CauchyRiemann 3) : Si f : C est derivable en
z
0
, alors
f
z
(z
0
) = f
t
(z
0
) et
f
z
(z
0
) = 0 , (7.12)
puisque compte tenu de (7.10) et (7.5),
f
z
(z
0
) =
1
2
_
f
x
(x
0
, y
0
) i
f
y
(x
0
, y
0
)
_
=
f
x
(x
0
, y
0
) =
f
t
(z
0
), (Theorème 7.1), tandis que
f
z
(z
0
) =
1
2
_
f
x
(x
0
, y
0
) +i
f
y
(x
0
, y
0
)
_
= 0, cette dernière
relation exprimant à nouveau lindependance de f par rapport ` a z .
Exercice. Verier ` a laide de cette nouvelle forme des conditions de CauchyRiemann que
la fonction z [z[ nest pas holomorphe.
Application. Utilisons ce qui precède pour etablir la
Proposition 7.4 : Soit f holomorphe dans un ouvert connexe ; si 1e f est constante, alors
f est constante.
Preuve. Comme 1e f =
1
2
(f +

f), on a d(f +

f) = 0, ce qui compte tenu de lholomorphie
z
f = 0 et (par
conjugaison)
z

f = 0, conduit à
z
f dz +
z

f d z = 0. Mais cela nest possible que si separement
z
f = 0 et
z

f = 0. Donc df = 0 et f est constante.
On demontre de meme (voir TD) que sous la meme hypothèse f holomorphe dans connexe,
mf = const. = f = const., [f[ = const. = f = const. ; si f ,= 0 dans , log [f[ =
const. = f = const., arg f = const. = f = const.
7.2 Integrales sur des chemins
7.2.1 Chemins et lacets
On appelle chemin dierentiable dans un ouvert de C une application contin ument dieren-
tiable dun intervalle [a, b] de R (avec a < b) dans . (On peut penser au paramètre t [a, b]
comme ` a une variable de temps quand on parcourt le chemin. . .) Par abus de notation, designe
` a la fois la fonction et son image dans le plan C. Les points (a) et (b) sont appeles lorigine
et lextremite de . Le chemin est ferme si (a) = (b) (on parle aussi de lacet). Il est simple
sil ne se recoupe pas (lapplication est injective), sauf en a et b sil est ferme.
On est souvent amene ` a eectuer un changement de parametrisation : si t [a, b] et t = (u),
u [a
1
, b
1
] avec : [a
1
, b
1
] [a, b], fonction continue, dierentiable et strictement croissante,
les deux parametrisations t (t) et u ( )(u) decrivent des chemins equivalents. Par
exemple les fonctions t e
2it
de [0, 1] C et u e
2i cos u
de [0,
1
2
] C denissent deux
chemins equivalents, cest-à-dire de meme image (ici le cercle unite) parcourue dans le meme
sens.
Pour decrire des chemins ayant un nombre ni de points anguleux, tel le bord dun rectangle,
on doit un peu generaliser les denitions qui precèdent et considerer des chemins dierentiables
par morceaux : lintervalle [a, b] peut etre subdivise en un nombre ni p dintervalles adjacents
[a
i
, a
i+1
], a
0
= a, a
p
= b, tels que soit continue sur [a, b] et contin ument dierentiable sur
chaque [a
i
, a
i+1
]. Cela sera implicite dans la suite quand on parlera de chemin.
Chemins homotopes dans
Denition 7.2 : On dit que deux chemins
0
: [0, 1] et
1
: [0, 1] de memes
extremites
0
(0) =
1
(0) et
0
(1) =
1
(1) sont homotopes dans sil existe une deformation
continue de
0
en
1
, cest-à-dire une fonction : [0, 1] [0, 1] telle que
t [0, 1] (t, 0) =
0
(t) (t, 1) =
1
(t) (7.13)
u [0, 1] (0, u) =
0
(0) =
1
(0) (1, u) =
0
(1) =
1
(1) (7.14)
Autrement dit dans (t, u), u est le paramètre de deformation, et tous les chemins (, u)
interpolant entre
0
et
1
ont memes extremites. La relation dhomotopie est une relation
dequivalence entre chemins, quon notera simplement
0

1
.
Denition 7.3 : Un ouvert de C est dit simplement connexe si tout chemin ferme est
homotope à un point.
Heuristiquement, dire que est simplement connexe signie quil na pas de trou, contrairement au cas
represente sur la Fig. 7.1. Noter que le trou peut etre reduit à un point : le plan complexe pointe C
nest
pas simplement connexe. Remarque : les notions de chemins, dhomotopie et de simple connexite setendent à
tout espace topologique E.
2
!
"
Figure 7.1 Le chemin

1
est homotope à
2
dans , mais pas à
3
. Le domaine nest pas
simplement connexe ; il a pour bord oriente
1

2
.
Bord dun domaine compact
Soit B un domaine compact du plan. On dit quil a pour bord oriente =
i
i
, o` u chaque
chemin
i
est simple et dierentiable par morceaux, et o` u les images des dierents
i
sont
disjointes, si est la frontière de B (cest-` a-dire =

B
o
B, cf Chap. 1) et (orientation) si
quand on parcourt chaque
i
dans le sens des t croissants, on a localement à sa gauche des
points de B et ` a sa droite des points de son complementaire. Cette denition qui peut etre
formalisee davantage (cf [4] p. 65-66) recouvre un fait assez intuitif, illustre sur la gure 7.1 o` u
le bord de est constitue de =
1

2
. En general, il est commode de noter B le bord
oriente de B.
7.2.2 Integrales de formes sur des chemins.
Considerons maintenant une forme dierentielle dans louvert , cest-` a-dire une expression
= Pdx +Qdy
o` u P et Q sont à valeurs reelles ou complexes. Par denition lintegrale de la forme sur un
chemin dierentiable : t [a, b] (x(t), y(t)) est
_
def
=
_
b
a
() (7.15)
o` u la forme
() est donnee par
() =
_
P(x(t), y(t))x
t
(t) +Q(x(t), y(t))y
t
(t)
_
dt . (7.16)
On note quun changement de parametrisation de la courbe ne modie pas cette integrale :
si t = (u),
() =
_
P(x((u)), y((u)))x
t
(t)
t
(u) + Q(x((u)), y((u)))y
t
(t)
t
(u)
_
du =
(P( x(u), y(u)) x
t
(u)+Q( x(u), y(u)) y
t
(u))du. Ces considerations setendent à des chemins dieren-
tiables par morceaux : lintegrale de est la somme des integrales sur les morceaux dierentiables
successifs de la courbe,
_
p
i=1
_
i
.
Si : [0, 1] est un chemin dorigine et dextremite , on note le chemin parcouru en sens inverse
(t) = (1 t) ; il a pour origine et pour extremite . On a bien s ur
_
=
_
. Dans le meme ordre

didees, si le chemin
2
a pour origine lextremite du chemin
1
, on peut composer les deux chemins en un
chemin
1
+
2
1
dorigine
1
(0) et dextremite
2
(1). Enn, si
1
et
2
ont meme origine et meme extremite
, le chemin
1
2
est un chemin ferme de à .
Bien comprendre quune integrale sur un chemin dextremites et donnees
depend en general de ce chemin. Cest une question qui va nous occuper maintenant
1. une notation pas très heureuse, puisquon ne peut pas en general denir
2
+
1
. . .
de trouver quelles conditions doivent etre satisfaites pour que lintegrale ne depende pas du
chemin, et quon puisse deformer le chemin (ou contour) dintegration.
Formes exactes, formes fermees, primitives
Supposons que est une forme exacte dans louvert , cest-à-dire quelle y est la dierentielle
dune fonction f : = df, contin ument dierentiable, appelee la primitive de la forme ; alors
pour un chemin (dierentiable par morceaux)
_
df = f((b)) f((a)) . (7.17)

En particulier, pour un chemin ferme (complètement contenu dans ), on voit que
_
df = 0.
Attention que la denition de la primitive f de la forme exacte impose que f est denie dans tout . Une
condition plus faible serait que localement, cest-à-dire dans un voisinage de tout point, il existe une fonction f
telle que = df. Une telle forme peut etre appelee fermee
2
.

Evidemment toute forme exacte est fermee, la
reciproque netant en general pas vraie. Exemple, dans = C
(plan pointe à lorigine), = dz/z est fermee,

puisque localement = dlog z, mais pas exacte. En eet comme on verie aisement,
_
= 2in o` u n est le
nombre algebrique de fois o` u le chemin tourne autour de lorigine, voir ci-dessous (7.23).
Proposition 7.5 : Si = df est exacte dans , son integrale le long du chemin est la meme
pour tous les chemins homotopes ` a .
La preuve est simple : si
0

1
,
_
0

_
1
peut etre consideree comme lintegrale le long
du chemin ferme
0
1
obtenu en composant
0
et
1
, cest-` a-dire le chemin
1
parcouru en
sens inverse. Il decoule de la remarque suivant (7.17) que
_
1
df = 0. cqfd.
Proposition 7.6 : Pour quune forme dierentielle admette une primitive dans , il faut et
il sut que
_
= 0 pour tout chemin ferme dierentiable par morceaux et contenu dans .

Preuve. On vient de voir que la condition est necessaire. Quelle est susante resulte de la construction suivante :
soit = Pdx + Qdy une forme satisfaisant la condition du Theorème ; on se donne un point (x
0
, y
0
)
quelconque dans et on denit f(x, y) =
_
o` u est un chemin dierentiable dans dorigine (x

0
, y
0
) et
dextremite (x, y). Sous lhypothèse de la Proposition, f(x, y) ne depend pas du choix de , puisque pour un
autre chemin
1
de (x
0
, y
0
) à (x, y),
_

_
1
=
_
1
et que
1
est un chemin ferme. On verie alors
aisement que f est contin ument dierentiable dans et que
f
x
= P(x, y),
f
y
= Q(x, y). (Idee : calculer ces
derivees partielles en integrant le long de segments de droite entre x et x +dx etc.) f est bien la primitive de
, cqfd.
Remarque. La condition precedente, qui porte sur tout chemin ferme , semble dapplication dicile. En fait il
sut dassurer une condition moins forte :
2. Par la suite on donnera une denition dierente : est fermee si sa dierentielle que nous ne denirons
pas ici sannule : d = 0, une condition quon montre etre equivalente à est localement exacte.
Proposition 7.7 : Soit D un disque ouvert. Si
_
= 0 pour tout chemin qui est le bord

dun rectangle complètement contenu dans D, alors a une primitive dans D (elle est exacte).
Par rectangle complètement contenu . . . , on veut dire que linterieur et la frontière du
rectangle sont contenus dans D, voir Fig. 7.2(a).
La preuve est instructive : Soit (x
0
, y
0
) le centre du disque. Tout point (x, y) de D denit avec (x
0
, y
0
) un
rectangle complètement contenu dans D, voir Fig. 7.2(a). Les deux integrales de (x
0
, y
0
) à tout (x, y) le
long des deux contours (x
0
, y
0
) (x, y
0
) (x, y) ou (x
0
, y
0
) (x
0
, y) (x, y) sont egales puisque
_
= 0 et
denissent une primitive F(x, y) de (meme calcul que dans la Prop. 7.6).
Si au lieu dun disque on prend un ouvert quelconque, on peut appliquer un raisonnement
du meme genre, en prenant un point de base (x
0
, y
0
) tel que le rectangle de sommets
(x
0
, y
0
) et (x, y) soit complètement contenu dans , ce qui est toujours possible pour tout point
(x, y) de louvert . Mais la construction sera locale, et la fonction f ainsi construite ne sera
pas necessairement une primitive denie dans tout . Donc
Proposition 7.8 : Soit un ouvert. La forme est fermee si et seulement si
_
= 0 chaque
fois que est le bord dun petit rectangle contenu dans louvert .
)
0
x ,y ( )
(x,y
0
)
) x,y (
a ,b
1
(
1
) )
0 0
(
a ,b
2
(
2
a ,b
)
1
x ,y
D
(a)
(b)
A

a ,b
1
(
2
)
2
(
Figure 7.2 (a) Contour rectangulaire partant du centre (x
0
, y
0
) du disque D; (b) Rectangle A
contenu dans louvert .
Formule de GreenRiemann
Theorème 7.9 (GreenRiemann) : Soit = Pdx + Qdy une forme dierentielle denie
dans un ouvert , avec
P
y
et
Q
x
continues dans . Soit K un domaine compact contenu dans
, = K son bord oriente suppose simple (ne se recoupant pas). Alors
_
(Pdx +Q dy) =
__
K
_
Q
x

P
y
_
dx dy . (7.18)
Ce theorème quon a dejà rencontre à travers ses applications physiques (la circulation dun vecteur le long
dun chemin ferme egale le ux de son rotationnel à travers la surface dont est le bord oriente. . .) est un
cas particulier dune classe de resultats auxquels on donne le nom de theorème de Stokes, de la forme generale
_
d =
_
pour des domaines et des formes dierentielles de dimension plus elevee, cf le theorème de
Gauss-Ostrogradsky rencontre en electromagnetisme : le ux dun vecteur à travers une surface fermee egale
lintegrale de sa divergence dans le volume limite par la surface, etc. Nous naurons malheureusement pas le
temps daborder ces questions.
Preuve de la formule de GreenRiemann. On ne donnera la preuve que dans le cas dun rectangle de cotes
parallèles aux axes des x et des y, voir Fig. 7.2(b). Soient a
1
< a
2
les abscisses des sommets du rectangle, b
1
< b
2
leurs ordonnees. Le chemin ferme est fait de 4 segments orientes : [(a
1
, b
1
) (a
2
, b
1
)], [(a
2
, b
1
) (a
2
, b
2
)],
[(a
2
, b
2
) (a
1
, b
2
)], [(a
1
, b
2
) (a
1
, b
1
)]. On a
__
A
P
y
dxdy =
_
a2
a1
dx
_
b2
b1
dy
P
y
=
_
a2
a1
P(x, b
2
)dx
_
a2
a1
P(x, b
1
)dx =
_
Pdx
et une expression analogue pour
__
Q
x
dxdy. En remettant tout ensemble, on a bien (7.18).
Nous ferons par la suite usage de la Proposition suivante :
Proposition 7.10 : Soit une forme dierentielle = Pdx + Qdy denie dans un ouvert
connexe , telle que
P
y
et
Q
x
sont continues dans . Alors
P
y
=
Q
x
(7.19)
est une condition necessaire pour que = df dans . Elle est susante localement (forme
fermee) ; elle est susante globalement dans tout (forme exacte) si est un disque ouvert.
Preuve : Dire que = df =
f
x
dx +
f
y
dy equivaut à dire que P =
f
x
et Q =
f
y
, un système de deux
equations aux derivees partielles dont la condition necessaire et susante dintegrabilite (locale) est
Q
x
=
P
y
=
2
f
xy
, cf Appendice D. Ou encore, autre methode, si (7.19) est satisfaite, alors le theorème de GreenRiemann
nous dit que
_
= 0 pour tout chemin rectangulaire et la Proposition 7.8 nous dit que admet localement
une primitive (elle est fermee). La condition (7.19) est necessaire : si est fermee, la Proposition 7.8 et le
theorème de G-R nous disent que
__
A
(
P
y

Q
x
) = 0 pour tout petit rectangle A , ce qui implique (par
labsurde) que (
P
y

Q
x
) = 0 en tout point (x, y) de . Si le domaine est un disque, (7.19) est une condition
susante pour que soit exacte, car on applique la Proposition 7.7. Comme on va le voir ci-dessous, cest aussi
une condition susante pour un domaine simplement connexe.
Exemple : la forme = dz/z satisfait bien (7.19) dans C
, elle est fermee (localement

exacte) = d log z, mais pas exacte dans tout C
, en raison une fois encore des determinations

multiples du log, ou du fait que C
nest pas simplement connexe.

Nous avons nalement le theorème suivant
Theorème 7.11 : Soit une forme dierentielle fermee dans un ouvert connexe . Alors
(i) pour deux chemins homotopes
1
et
2
(de memes extremites),
_
1
=
_
2
; ou de facon
equivalente, pour tout chemin ferme homotope à un point,
_
= 0 ;
(ii) si est simplement connexe, y est exacte (elle admet une primitive dans ).
Elements de preuve : (i) La forme est fermee, donc (Proposition 7.10 et Theorème de GreenRiemann),
_
= 0 le long de tout chemin ferme simple complètement contenu dans . Cela sapplique au chemin ferme
1

2
quon supposera simple (quitte à le decomposer en un nombre ni de lacets simples sil a des points
multiples). Donc
_
1
=
_
2
, cqfd. Pour le point (ii), on observe que si est simplement connexe, tout
chemin ferme y est homotope à un point, donc
_
= 0, et on applique alors la Proposition 7.6. Pour une

demonstration plus soigneuse, se reporter à [4], p. 60-61.
7.2.3 Integration sur des chemins dans C
Examinons maintenant comment ces formules se transcrivent en variables complexes.
Denition 7.4 : Soit =
1
dz +
2
d z une forme denie sur , et un chemin dans .
Lintegrale de sur le chemin est denie par
_
def
=
_
b
a
(
1
((t))
t
(t) +
2
((t))
t
(t)) dt . (7.20)
Le chemin est appele contour dintegration dans le plan complexe.
En particulier, si = fdz, (f pas necessairement holomorphe),
_
f(z)dz =
_
b
a
f((t))
t
(t)dt.
Si = df,
_
df = f((b)) f((a)) comme en (7.17).

Cette denition est lequivalent des formules (7.15, 7.16) et en decoule via les formules
exprimant dx et dy en termes de dz et d z. Elle est egalement insensible ` a un reparametrage du
chemin , grace aux formules de changements de variable dans une integrale (Verier !).
Avec cette notation, on a le resultat important
Theorème 7.12 : Soit f : C une fonction holomorphe et : [a, b] C un chemin dans
. Alors
f((b)) f((a)) =
_
f
z
(z)dz . (7.21)
Autrement dit, sous les hypothèses du theorème, lintegrale de contour ne depend pas du contour
mais seulement de ses extremites.
Preuve : La relation (7.17) sapplique à df, mais f etant holomorphe, df =
f
z
(z)dz.
Attention : cette formule nest valable que pour f holomorphe.
Exemple dintegrale de contour : soit le cercle de centre a C et de rayon R, quon
parametrise par exemple par [0, 2] () = a +Re
i
. Si f est une fonction (holomorphe
ou non) denie dans un ouvert contenant , alors (7.20) applique ` a = f(z)dz donne
_
f(z)dz =
_
2
0
f(a +Re
i
) iRe
i
d
Cas particulier : integrons f(z) = 1/z sur le cercle de centre O et de rayon R, (ici = C
) :
1
2i
_
dz
z
=
1
2i
_
2
0
ie
i
e
i
d = 1 , (7.22)
puisque z = Re
i
. On note que le resultat ne depend pas de R.
Proposition 7.13 : Pour tout chemin ferme ne passant pas par lorigine,
1
2i
_
dz
z
est un
entier.
Preuve : la forme dz/z nest pas exacte, mais localement elle admet comme primitive log z. On
se rappelle (chap. 6) que la fonction log admet plusieurs determinations. Lintegrale de contour
1
2i
_
dz
z
est donc egale ` a la dierence de deux determinations du logarithme divisee par 2i,
soit un entier.
Corollaire : Pour tout chemin ne passant pas par lorigine,
1
2
_
xdyydx
x
2
+y
2
est un entier.
Preuve : calculer la dierentielle de m log z = arg z = Arctan
y
x
.
Indice dun chemin ferme par rapport à un point
Theorème 7.14 : Soit un chemin ferme et soit U le complementaire de dans le plan
complexe. Soit z un point nappartenant pas à (donc z U). Lindice de par rapport à z,
deni par
Ind
(z)
def
=
1
2i
_
d
z
(7.23)
est un nombre entier, constant dans chaque composante connexe de U, nulle sur la composante
connexe non bornee de U et variant de 1 ` a chaque traversee du chemin en dehors des points
multiples.
Heuristiquement lindice mesure le nombre algebrique de tours queectue le chemin autour
du point z.
Preuve du Theorème. Que ce soit un entier decoule de la proposition 7.13. Par ailleurs
lindice est une fonction continue de z tant que z / U et sa valeur est un entier, donc cest
une constante dans chaque composante connexe de U. Ou inversement, cest une fonction qui
ne varie pas quand est deforme sans passer par z. Si z appartient ` a la composante connexe
non bornee de U, peut etre deforme en un point sans croiser z, donc lindice est nul. Enn
la traversee par z de en dehors dun point multiple equivaut à modier en +
1
, avec
1
deformable en un cercle parcouru une fois dans le sens positif ou negatif, voir Figure 7.3 droite.
On a fait ici appel à des deformations de contour dintegration, une methode très utilisee dans
la suite. Pour une autre demonstration, voir [1], Annexe D.
7.3. Theorème de Cauchy et consequences 139
!
"
!
#
#
"
"
z

1
1
z
1
1
z
1
z
Figure 7.3
`
A gauche : Lindice du chemin par rapport à un point est constant dans chaque
composante connexe du complementaire U de .
`
A droite : La traversee par z du contour equivaut
à ajouter la contribution du lacet
1
: Ind
(z) = Ind
(z
1
) = Ind
(z
1
) + Ind
1
(z
1
) = Ind
(z
1
) + 1.
7.3 Theorème de Cauchy et consequences
7.3.1 Theorème de Cauchy
Proposition 7.15 : Soit f une fonction holomorphe sur un ouvert , un chemin ferme dans
, alors
_
f
t
(z)dz = 0.
En eet cela est une consequence du Theorème 7.12,
_
f
t
(z)dz = f((b)) f((a)) = 0
puisque le chemin est ferme. En revanche, si f nest pas holomorphe,
_
f
z
dz na aucune raison
de sannuler. (Remarquer la notation
_
qui signale que lon intègre sur un chemin ferme.)
Exemple : f = z z, lintegrale de
f
z
= z le long du cercle de centre O et de rayon R est (on
parametrise z = Re
i
comme ci-dessus)
_
2
0
iR
2
d = 2iR
2
. Noter que sur le cercle, z = R
2
/z,
et on vient juste de repeter le calcul de (7.22) !
Corollaire : Pour tout chemin ferme et tout entier n ,= 1, on a
_
z
n
dz = 0. (Pour n < 0
on suppose que ne passe pas par 0.)
La preuve est claire : pour n ,= 1, z
n
a pour primitive z
n+1
/n+1, qui est holomorphe dans C
(resp. C
si n < 1) et la proposition precedente sapplique.

Theorème 7.16 (Cauchy) : Si f est une fonction holomorphe sur , la forme f(z)dz est
fermee dans : localement elle admet une primitive f(z)dz = dF(z).
Il sagit l` a dun theorème fondamental dont vont decouler beaucoup de consequences et dap-
plications. Demontrons-le en faisant lhypothèse supplementaire que
f
x
et
f
y
sont continues
dans . (On verra plus bas que cette propriete est en fait toujours satisfaite par une fonction
holomorphe. Mais on peut aussi etablir directement, avec un peu plus deort, le theorème de
Cauchy sous la seule hypothèse dholomorphie, voir [4], p. 7071.) Il sut alors decrire la forme
f(z)dz = f(z)dx +if(z)dy, soit dans les notations de la Prop. 7.10, P = f(z), Q = if(z). Les
conditions dholomorphie de CauchyRiemann
f
y
= i
f
x
et la Proposition 7.10 nous assurent
alors que fdz est fermee.
Corollaire : Si f est holomorphe dans , on a
_
f(z)dz = 0 pour tout chemin ferme homotope

` a un point dans . De facon equivalente, pour deux chemins
1
et
2
de memes extremites et
homotopes,
_
1
f(z)dz =
_
2
f(z)dz.
Cest la transcription en variables complexes du Theorème 7.11, et cest sous cette forme, ou
sous lune des formes equivalentes ci-dessous, que le theorème de Cauchy va nous etre le plus
utile. La deuxième formulation de ce corollaire implique que lon peut deformer contin ument
le contour dintegration dune fonction holomorphe, à extremites xes, ce qui generalise ce que
lon a vu au Theorème 7.12. Une forme plus faible de ce corollaire (elle aussi decoulant du
Theorème 7.11) consiste ` a dire
Corollaire : Si f est holomorphe dans un ouvert simplement connexe, on a
_
f(z)dz = 0
pour tout chemin ferme dans .
7.3.2 Integrale de Cauchy
Theorème 7.17 : Soit f holomorphe dans , a , et un chemin ferme dans ne passant
pas par a et homotope ` a un point dans . Alors
1
2i
_
f(z)dz
z a
= Ind
(a) f(a) . (7.24)

Voilà un resultat qui va nous etre extremement utile ! Donnons-en la preuve.
Soit g(z) la fonction denie par
g(z) =
_
_
_
f(z) f(a)
z a
si z ,= a
f
t
(a) si z = a ,
(7.25)
elle est denie et continue pour tout z , et holomorphe pour z ,= a. Un theorème de Riemann
(voir plus bas Theorème 7.23) assure alors quelle est holomorphe sur tout . On a donc par le
corollaire du theorème de Cauchy :
0 =
_
g(z)dz =
_
f(z)dz
z a

_
f(a)dz
z a
=
_
f(z)dz
z a
2i Ind
(a)f(a)
ce qui etablit (7.24).
Nous verrons au chapitre suivant des applications concrètes de cette formule au calcul
dintegrales. Dans le reste de ce chapitre nous en discutons quelques consequences fondamen-
tales.
7.4. Autres proprietes des fonctions holomorphes 141
Theorème 7.18 (theorème de la moyenne) : Si f est holomorphe sur , pour tout a
et r > 0 tel que le disque ferme de centre a et de rayon r soit contenu dans , on a
f(a) =
_

f(a +re
i
)
d
2
. (7.26)
Autrement dit la valeur de f en tout point a est egale à sa moyenne sur un cercle centre en a.
La preuve decoule simplement de lintegrale de Cauchy : si est le bord du disque oriente dans
le sens positif
f(a) =
1
2i
_
f(z)dz
z a
=
1
2i
_
f(a +re
i
)ire
i
d
re
i
=
_

f(a +re
i
)
d
2
.
7.4 Autres proprietes des fonctions holomorphes
7.4.1 Fonctions holomorphes et fonctions analytiques
Theorème 7.19 : Une fonction est holomorphe dans un ouvert ssi elle est analytique sur
.
Resultat remarquable : deux conditions sur les fonctions de variable complexe derivabilite et
analyticite ont nalement abouti à la meme classe de fonctions ! !
Preuve : Soit f une fonction holomorphe dans . Soit z
0
, il existe un disque ouvert de
centre z
0
et de rayon R contenu dans . Pour r < R, soit z : [z z
0
[ < r et prenons pour un
cercle de centre z
0
et de rayon r
t
, r < r
t
< R. Si , on a
zz
0
z
0
zz
0
r
< 1, donc la serie

geometrique
n=0
(zz
0
)
n
(z
0
)
n+1
converge et a pour somme ( z)
1
. Selon (7.24),
f(z) =
1
2i
_
f()
z
d =
1
2i
_
n=0
(z z
0
)
n
( z
0
)
n+1
f()d
et la convergence uniforme (car normale) de la serie pour [z[ r et [ z
0
[ = r
t
fait quon peut
lintegrer terme ` a terme (cest-` a-dire permuter integration et sommation)
f(z) =
n=0
(z z
0
)
n
1
2i
_
f()
( z
0
)
n+1
d =
n=0
a
n
(z z
0
)
n
(7.27)
ce qui etablit bien que f est developpable en serie entière en z
0
, avec
a
n
=
1
2i
_
f()
( z
0
)
n+1
d .
Cela etant vrai en tout point z
0
, f est bien analytique dans . Et comme (7.27) converge
pour tout r < R, le rayon de convergence de la serie est au moins egal à R. Selon la formule
(6.6), on a de plus
1
n!
f
(n)
(z
0
) = a
n
=
1
2i
_
f()
( z
0
)
n+1
d . (7.28)
Reciproquement on veut montrer que si f est analytique dans , elle est indeniment derivable
en tout point de , donc holomorphe. Cela a ete mentionne au Chap. 6 pour des fonctions
analytiques de variable reelle, mais la demonstration doit etre reprise pour etablir lholomorphie.
Considerons le developpement en serie de f au point z
0
quon prendra egal à 0 sans perte de generalite :
f(z) =

n
a
n
z
n
qui converge dans un disque ouvert de rayon R. On a vu au 6.1.3 que la serie derivee
n
na
n
z
n1
a aussi R comme rayon de convergence. Pour z tel que [z[ < R, soient r : [z[ < r < R et h C :
0 ,= h r [z[. Formons
f(z +h) f(z)
h

n
na
n
z
n1
=
n1
u
n
(z, h)
avec
u
n
(z, h) = a
n
_
(z +h)
n1
+z(z +h)
n2
+ +z
n1
nz
n1
_
Puisque [z[, [z + h[ r, on a [u
n
(z, h)[ 2n[a
n
[r
n1
et comme r < R, cette serie converge, donc , il existe
n
0
tel que

n>n0
2n[a
n
[r
n1
1
2
. Quant à la somme nie

nn0
u
n
(z, h), elle sannule en h = 0 donc peut
etre rendue
1
2
en prenant [h[ < . Avec ces choix de n
0
et de , on a donc rendu
f(z+h)f(z)
h

n
na
n
z
n1
arbitrairement petite, et donc etabli que f
t
(z) = lim
h0
f(z+h)f(z)
h
, cest-à-dire lholomorphie de f.
Complement : Principe de symetrie de Schwarz. Soit un ouvert connexe de C symetrique par
rapport à laxe reel. Soit
t
, resp.
tt
, lintersection de avec le demi-plan superieur y 0, resp. inferieur
y 0. Soit une fonction f continue dans
t
, holomorphe aux points de
t
tels que y > 0 et à valeurs reelles
sur laxe reel. On va montrer que f peut etre prolongee de facon unique en une fonction holomorphe sur .
Sur
tt
on denit g(z) = f( z). Elle est continue dans
tt
et on verie quelle est holomorphe en tout point non
reel de
tt
. La fonction h(z) egale à f(z) sur
t
et à g(z) sur
tt
est continue dans et holomorphe sur R.
Une reciproque (theorème de Morera) du theorème de Cauchy arme alors quelle est aussi holomorphe en tout
point de . Elle prend des valeurs complexes conjuguees en des points symetriques par rapport à laxe reel. Elle
est unique (prolongement analytique).
7.4.2 Fonctions entières. Principe du maximum
Denition 7.5 : On appelle fonction entière une fonction holomorphe dans le plan C tout
entier.
Exemple : la fonction e
z
qui est analytique avec un rayon de convergence inni est holo-
morphe dans tout C donc entière.
Theorème 7.20 (Liouville) : Une fonction entière bornee est constante.
7.5. Zeros et singularites des fonctions de variable complexe 143
Autrement dit, une fonction entière non constante doit tendre vers linni dans certaines di-
rections du plan complexe. Voir lexemple de exp z qui tend vers linni quand [z[ avec
1e z > 0. Inversement ce theorème de Liouville est utile pour etablir des identites entre fonc-
tions analytiques : si on peut montrer quune combinaison de fonctions analytiques na pas de
singularite et demeure bornee, cest une constante. (Exemple, voir TD.)
Preuve. Soit f entière et bornee, [f(z)[ < M. Calculons f
t
(z) par Cauchy, ou plutot par (7.28) : f
t
(z) =
1
2i
_
f()
(z)
2
d le long dun cercle de rayon R autour de z. Donc [f
t
(z)[
1
2
_
2
0
]f()]
](z]
2
Rd
M
R
. Comme R
peut etre pris arbitrairement grand, [f
t
(z)[ = 0 et f est une constante.
Application : theorème de dAlembert. Montrons que le theorème fondamental de lalgèbre,
tout polyn ome P ` a coecients complexes et non constant possède au moins une racine complexe,
decoule de ce theorème de Liouville. Raisonnons par labsurde et supposons que P ne sannule
pas. Alors 1/P(z) serait holomorphe dans C et borne. En eet P(z) = z
n
(a
n
+
a
n1
z
+ +
a
0
z
n
)
quand [z[ , donc il existe un disque compact ` a lexterieur duquel 1/P(z) est borne
(puisque [P[ ` a linni) et ` a linterieur duquel il est egalement borne en tant que fonction
continue. Donc (Liouville) P serait constant ce qui est contraire à lhypothèse. q.e.d.
Theorème 7.21 (Principe du maximum) : Soit f continue dans et satisfaisant la pro-
priete de moyenne, (par exemple f holomorphe dans ). Si [f[ a un maximum local en un point
a , cest-à-dire [f(z)[ [f(a)[ au voisinage de a, alors f est constante dans ce voisinage.
Esquisse de preuve. On peut toujours supposer f(a) reel > 0, quitte à multiplier la fonction par expi arg(f(a)).
Pour r 0 assez petit, M(r)
def
= sup
[f(a + re
i
)[ f(a) par lhypothèse de maximum. Mais la pro-
priete de moyenne donne f(a) =
1
2
_
2
0
f(a + re
i
)d = [ ] M(r). Donc f(a) = M(r). La fonction
g(z)
def
= 1e (f(a) f(z)) est donc 0 pour [z a[ = r assez petit [. . . ] ; de plus [. . . ] g(z) = 0 ssi f(z) = f(a)
. Mais g(z), qui est 0 et continue, ayant une valeur moyenne nulle sur le cercle de centre a et de rayon r est
identiquement nulle sur ce cercle. Donc f(z) = f(a) q.e.d. (Exercice : completer les [. . . ] de cette preuve.)
Noter que ce theorème ninterdit pas un minimum local : ainsi la fonction z z a un
minimum de son module en z = 0.
Ce theorème du maximum sapplique aussi aux fonctions harmoniques, de grand interet par
exemple en electrostatique (potentiel), voir Chap. 8.
7.5 Zeros et singularites des fonctions de variable com-
plexe
7.5.1 Zeros dune fonction holomorphe
Soit f holomorphe dans un ouvert connexe , et soit Z(f)
def
= a : f(a) = 0 lensemble
des zeros de f dans . Cet ensemble peut etre vide, cf la fonction exponentielle.
Theorème 7.22 : (i) Les zeros dune fonction holomorphe non nulle sont isoles : tout zero a
possède un voisinage sans autre zero. Autrement dit, si Z(f) possède un point daccumulation
dans , f = 0 sur .
(ii) Si f ,= 0, Z(f) est ni ou denombrable. En chaque zero a Z(f), on peut ecrire pour tout
z ,
f(z) = g(z) (z a)
m(a)
(7.29)
o` u g est holomorphe dans et ne sannule pas au voisinage de a, et lentier m(a) 1 est lordre
du zero a.
Exemple, la fonction f(z) = sin z a des zeros isoles en z
k
= k. Contre-exemple : la fonction
f(z) = 1 + exp
1
z
est holomorphe dans = C0 et a des zeros en z
k
= i((2n + 1))
1
qui
saccumulent en 0, mais 0 / .
Elements de preuve. Soit a un zero de f analytique dans . Nous admettrons que si toutes les derivees
de f en a sannulent, alors f 0. Si f ,= 0, soit m 1 le plus petit entier k tel que f
(k)
(a) ,= 0 et donc
dans le developpement en serie de f en a : f(z) =

km
c
k
(z a)
k
, c
m
= f
(k)
(a)/m! ,= 0. La fonction g(z)
denie par
f(z)
za
est holomorphe dans sauf peut-etre en a, egale à c
m
en a, donc selon le meme theorème
de Riemann dejà invoque, (voir ci-dessous Th. 7.23), est holomorphe dans tout , ce qui prouve (ii). De plus,
g(z) = a
m
+
k>m
c
k
(z a)
km
est non nul dans un voisinage de a, ce qui etablit le caractère isole des zeros
de f. Et des points isoles dans C forment necessairement un ensemble ni ou denombrable (verier !).
Application au problème de prolongement : si on connat une fonction f, supposee holo-
morphe dans connexe, sur un ensemble E non denombrable, par exemple R , elle est (en
principe) determinee dans tout .
Autrement dit son prolongement de E à est unique. En eet si on avait deux fonctions f
1
et f
2
la
prolongeant de E dans , leur dierence g = f
1
f
2
serait holomorphe dans et y possederait un ensemble
non denombrable de zeros, donc par le Theorème precedent serait nulle.
Exemple : la fonction f(z) = sin
2
z +cos
2
z 1 est entière ; elle sannule sur R, elle sannule
donc partout. Lidentite sin
2
z + cos
2
z = 1 est donc vraie sur tout C.
En revanche, si la fonction f nest connue que sur les entiers de N (ou de Z), son prolonge-
ment ` a C nest pas unique, on peut par exemple la multiplier par e
2iz
.
7.5.2 Poles, singularites essentielles
Supposons quune fonction f est holomorphe dans un ouvert prive dun point a : on parle de
singularite isolee en a. (On verra plus bas quune singularite peut ne pas etre isolee : il nexiste
pas de disque ouvert pointe 0 < [z a[ < r dans lequel la fonction est holomorphe ; cest le
cas des points de branchement des fonctions multi-valuees, voir 8.2
3
.) Dans le cas dune
3. Cest le cas aussi pour une fonction telle que (1 + exp
1
z
)
1
dont les poles en z
k
= i((2n + 1))
1
saccumulent en 0.
singularite isolee, des theorèmes dus ` a Riemann, Weierstrass, Picard, . . . permettent darmer
que trois cas sont possibles.
Theorème 7.23 : Soit f holomorphe dans a :
1. ou bien f reste bornee au voisinage de a ; alors elle admet une limite en a et on peut la
prolonger en une fonction holomorphe sur : on parle de singularite apparente
4
;
2. ou bien lim
za
[f(z)[ existe (dans R) et vaut + : on parle de p ole en a ;
3. ou bien, si lim
za
[f(z)[ nexiste pas dans R, limage par f de tout disque ouvert pointe
0 < [z a[ < r contenu dans est dense dans C (Weierstrass). En fait (Picard) cette
image est le plan C tout entier ou le plan C prive dun point. On parle de singularite
essentielle.
Nous nous contenterons dindications et dexemples. Un exemple de singularite apparente
est fourni par la fonction f(z)
def
=
g(z)g(a)
za
si z ,= a, avec g holomorphe dans . Il est clair que
la fonction prolongee par f(a) = g
t
(a) est holomorphe dans tout , cf 7.3.2.
Un exemple de singularite essentielle est donne par la fonction f(z)
def
= exp
1
z
, qui est holo-
morphe dans C0. Exercice : montrer que toute valeur w ,= 0 est atteinte (une innite de
fois) par f(z).
On rencontre cette situation en physique dans des problèmes aussi varies que les singularites en temperature
de grandeurs thermodynamiques au voisinage de certaines transitions de phase (modèle XY de rotateurs à deux
dimensions, energie de marche dans la transition rugueuse, . . . ; ou que les proprietes danalyticite de certains
developpements perturbatifs en mecanique quantique ou theorie quantique des champs.
Denition 7.6 : Une fonction denie dans qui ny a que des poles comme singularites est
dite meromorphe sur .
Le cas des poles des fonctions meromorphes est celui qui va le plus nous occuper dans la
suite. Pour ne donner quun exemple, toute fraction rationnelle P(z)/Q(z) est une fonction
meromorphe, ses p oles sont les zeros (racines) du denominateur.
7.5.3 Series de Laurent. Fonctions meromorphes. Residus
Denition 7.7 : On appelle serie de Laurent une expression de la forme
a
n
z
n
(7.30)
4. ou articielle, ou eacable, . . .
Quand on discute la convergence dune telle expression, il faut bien comprendre quelle doit
etre consideree comme la somme de deux series, lune portant sur les indices 0, lautre sur les
negatifs, et que la convergence de (7.30) signie la convergence de chacune de ces deux sous-
series. Supposons que
n0
a
n
z
n
a pour rayon de convergence R
1
et que
n<0
a
n
n
a pour
rayon 1/R
2
en , donc que
n<0
a
n
z
n
converge pour [z[ > R
2
. Supposons aussi que R
2
< R
1
.
Alors (7.30) converge (uniformement et absolument) dans la couronne R
2
< [z[ < R
1
. Noter
que lon peut avoir R
2
= 0 et/ou R
1
= .
Theorème 7.24 : Toute fonction f holomorphe dans la couronne R
2
< [z[ < R
1
y est
developpable en serie de Laurent
f(z) =
a
n
z
n
, (7.31)
avec des coecients
a
n
=
1
2i
_
0
f()
n+1
d , (7.32)
le long dun contour entourant (une fois dans le sens positif) lorigine mais contenu dans la
couronne.
Nous avons centre la couronne en 0, mais rien ninterdit de la centrer en un autre point z
0
,
avec un developpement de Laurent en puissances de (z z
0
), f(z) =
a
n
(z z
0
)
n
.
La preuve de ce theorème est instructive. On considère le contour
dintegration represente sur la gure, complètement contenu dans la
couronne dholomorphie, donc avec des rayons interieur et exterieur res-
pectivement r
1
< R
1
et r
2
> R
2
, et parcouru dans le sens positif. Les
deux petits segments parallèles, choisis dans une direction dierente de
celle de z, sont distants de , que lon fait tendre vers zero. Dans cette
limite, leurs contributions se compensent et seules demeurent celles des
deux cercles
1
et
2
de rayon r
1
et r
2
.
0
z
!
"
La formule de Cauchy nous donne (dans la limite o` u 0)
2if(z) =
_
f()
z
d =
_
1
f()
z
d
_
2
f()
z
d
Pour
1
, [/z[ > 1 et on developpe (z)
1
=
n=0
z
n
n+1
, et sur
2
de meme, (z)
1
= z
1
(1/z)
1
=
n=1
z
n
n+1
, ce qui etablit le theorème, y compris lexpression de a
n
comme integrale sur le contour
1

2
ou tout autre contour homotope contenu dans la couronne.
Les dierents cas du Theorème 7.23 se lisent maintenant sur le developpement de Laurent
au voisinage de z
0
, cest-à-dire dans une couronne 0 < [z z
0
[ < r :
si le developpement de Laurent en z
0
na que des termes dindice 0, z
0
nest pas une
singularite, f est holomorphe en z
0
;
sil na quun nombre ni de termes dindice < 0, et que le plus petit de ces indices vaut m,
f a un p ole dordre m en z
0
; si m = 1, on parle de pole simple ;
enn sil a un nombre inni de termes dindice < 0, f a une singularite essentielle en z
0
.
2 exemples de developpement de Laurent
1. Fraction rationnelle f(z) =
1
(za)(zb)
avec par exemple [a[ < [b[, dont on cherche le
developpement de Laurent dans la couronne [a[ < [z[ < [b[. On peut soit utiliser directement
(7.32), nous y reviendrons plus bas (Exercice 3), soit decomposer en elements simples
f(z) =
1
(z a)(z b)
=
1
a b
_
1
z a

1
z b
_
et se ramener au developpement de Laurent dun pole simple
1
zb
=
n0
z
n
b
n+1
pour [z[ < [b[,
ou
1
za
=
n0
a
n
z
n+1
=
n<0
z
n
a
n+1
pour [z[ > [a[. Au total f(z) =
nZ
c
n
z
n
avec
c
n
=
_
_
_
1
b
n+1
(ab)
si n 0
1
a
n+1
(ab)
si n < 0
. (7.33)
Bien entendu, si [a[ ,= 0, cette meme fraction rationnelle f(z) admet aussi un developpement
en serie entière en z = 0, valable pour [z[ < [a[ < [b[.
2. Fonction generatrice des fonctions de Bessel J
n
: f(z) = e
t
2
(z
1
z
)
, t C, admet un
developpement de Laurent dans le plan pointe C
(cest-` a-dire R
2
= 0, R
1
= )
e
t
2
(z
1
z
)
=
nZ
J
n
(t)z
n
(7.34)
avec des coecients J
n
(t) fonctions de t appeles fonctions de Bessel. Selon (7.32),
J
n
(t) =
1
2i
_
0
e
t
2
(
1
n+1
d
sur un contour arbitraire entourant (une fois) lorigine, par exemple le cercle unite parametrise
par = e
i
, do` u
J
n
(t) =
1
2
_
2
0
e
in
e
it sin
d n Z, (7.35)
qui est souvent pris comme denition des fonctions de Bessel dindice entier J
n
. Prenant z = e
i
dans (7.34) on voit que lon a obtenu le developpement de Fourier de
e
it sin
=
nZ
J
n
(t)e
in
.
Residus
Soit f une fonction holomorphe dans une couronne R
2
< [z[ < R
1
centree à lorigine.
Denition 7.8 : On appelle residu de f ` a lorigine le coecient a
1
de (7.31), soit
Res (f, 0)
def
= a
1
=
1
2i
_
0
f()d . (7.36)
Plus generalement le residu en une (eventuelle) singularite z
0
est Res (f, z
0
) =
1
2i
_
z
0
df()
avec un contour entourant le point z
0
une seule fois et dans le sens positif.
k
k
1
1
z
z
Figure 7.4 La partie hachuree est le complementaire de A dans . Lintegrale sur le bord oriente
de A est la somme des integrales sur les
i
entourant des singularites.
Theorème 7.25 (theorème des residus) : Soit f une fonction holomorphe sur , sauf peut-
etre en des singularites isolees z
k
. Soit le bord oriente dun compact A contenu dans , ne
passant par aucun des z
k
. Alors les z
k
contenus dans A sont en nombre ni et
_
f(z)dz = 2i
k
z
k
A
Res (f, z
k
) . (7.37)
La preuve repose une fois encore sur la deformation du contour : avec les hypothèses faites,
lintegrale sur est une somme dintegrales sur des contours
1
, ,
k
encerclant les points
z
1
, , z
k
, voir gure 7.4. Chacun de ces integrales donne lieu au residu correspondant.
Ce theorème est très utile pour calculer des integrales comme sommes de residus, ou inver-
sement des sommes, considerees comme sommes de residus, comme des integrales. Cela va etre
amplement illustre au Chap. 8 et en TD.
Sphère de Riemann. Residu à linni
Il est souvent utile de considerer le plan complexe complete par le point ` a linni : comme la
limite [z[ ne doit pas dependre de arg z, ce point est unique ! Cela revient ` a compactier
le plan C R
2
en une sphère, la sphère de Riemann C S
2
.
M
S
2
R = C
2
u
N
S
z
w
Figure 7.5 Projections stereographiques dun point M depuis les poles Nord N et Sud S.
Ceci peut etre vu très explicitement par la projection stereographique, voir Fig 7.5. Un point M de la sphère
unite S
2
de coordonnees (x, y, u), x
2
+ y
2
+ u
2
= 1, est projete depuis le pole Nord N en un point du plan
(complexe) daxe z. Verier que z =
x+iy
1u
. Le pole Nord a pour image le point à linni dans le plan. La
projection depuis le pole Sud S donne de meme w =
xiy
1+u
, et on a pour un meme point M la relation z.w = 1.
Le pole Nord a cette fois pour image 0, tandis que S est applique à linni. Dans le langage de la geometrie
dierentielle, on dit que lon a besoin de deux cartes M z et M w pour decrire la sphère. Quand on
sinteresse au voisinage du point z inni, on utilise la coordonnee w = 1/z.
On denit sur cette sphère C = S
2
les notions douvert, de chemin dierentiable, de chemin
ferme, de bord oriente dun compact, etc : ` a distance nie, ce sont les notions dej` a rencontrees,
et au voisinage de linni, on utilise la variable w = 1/z.
On dit alors quune fonction f(z) est holomorphe (resp. est meromorphe, a une singularite
essentielle) ` a linni si g(w)
def
=
1
w
2
f(z = 1/w) est holomorphe (resp. est meromorphe, a une
singularite essentielle) au voisinage de w = 0. Pour une fonction f(z) meromorphe à linni, le
residu ` a linni se denit par
Res (f, ) =
1
2i
_
0
1
w
2
f
_
1
w
_
dw = Res (g(w), 0) (7.38)
avec un contour autour de lorigine, ou encore, si
n
a
n
z
n
est le developpement de Laurent de
f(z) au voisinage de linni, Res (f, ) = a
1
. Attention au signe ! ! Ce signe, qui provient du
changement de variable dans f(z)dz = g(w)dw, peut aussi etre vu comme lie au changement
dorientation dun contour positif dans le plan complexe quand il est repousse autour du point
` a linni : il entoure alors ce point à linni dans le sens negatif (faites lexperience avec un
elastique sur une orange !).
Par exemple, la fonction f(z) =
1
z
a un p ole simple ` a linni de residu 1. En eet g(w) =
1
w
, donc (7.38) donne Res (f, ) = Res (g(w), 0) = 1.
Theorème des residus generalise
Le theorème des residus admet une generalisation au cas o` u le contour est dessine sur la sphère
de Riemann. Il senonce essentiellement comme le theorème 7.25 :
Theorème 7.26 (theorème des residus generalise) : Soit un ouvert de la sphère de
Riemann et f une fonction holomorphe sur , sauf peut-etre en des singularites isolees z
k
. Soit
le bord oriente dun compact A de S
2
contenu dans , ne passant par aucun des z
k
ni par le
point à linni. Alors les z
k
contenus dans A sont en nombre ni et
_
f(z)dz = 2i
k
z
k
A
Res (f, z
k
) (7.39)
o` u la somme court sur tous les points singuliers z
k
A, y compris eventuellement le point ` a
linni.
Preuve : Si / A, on est dans le cadre du Theorème 7.25. Si A, soit un contour ferme homotope à
un cercle, oriente positivement, contenu dans A, ne passant pas par et englobant le bord de A. On suppose
que est à lexterieur de ce (au sens de C) et que toutes les singularites autres que sont à linterieur
de , (par exemple, on peut prendre pour un cercle [z[ = R susamment grand pour entourer toutes les
singularites à distance nie, tout en etant dans A.) Voir Fig. 7.6. On peut alors appliquer le theorème des
residus au contour . Lintegrale
_
fdz = 2i
z
k
A
z
k
=
Res (f, z
k
), tandis que
_
fdz = 2iRes (f, ).

On a donc
_
fdz =
k
2iRes (f, z
k
), y compris leventuel z
k
à linni, q.e.d.
Plus simplement, on peut aussi arguer quil existe toujours un changement de variable z w qui ramène à
distance nie toutes les singularites contenues dans le compact A (en nombre ni !), voir Exercice 4. On se
ramène donc au theorème des residus ordinaire.
8

k
k
1
1
z
z
Figure 7.6 La partie hachuree est le complementaire de A.

Exemple : reprenons la fonction f(z) =
1
z
et calculons I =
_
f(z)dz le long dun contour

positif nentourant ni 0 ni . Le theorème des residus ordinaire nous dit que I = 0 (pas de
p ole ` a linterieur de ) ; le theorème des residus generalise après deformation du contour en
deux contours entourant 0 et dans le meme sens negatif nous dit I = 2i(Res (f, 0) +
Res (f, )) = 2i(1 + 1) daprès le calcul ci-dessus. On a bien I = 0. En general, par
le meme argument, montrer que la somme des residus (y compris à linni) dune fraction
rationnelle sannule.
Dans ce chapitre, je me suis largement inspire de [4] et de [1], deux excellentes references
qui lune et lautre contiennent beaucoup dinformations supplementaires.
Exercices
1. Justier par un argument de deformation de contour le calcul de la transformation de
Fourier de la fonction gaussienne eectue aux chap.4 et 5.
2. f holomorphe dans , soit F(z)
def
=
1
f(z)
. Montrer que F est meromorphe dans .
3. Arme(e) du theorème des residus, reprendre le calcul de (7.33) par (7.32). Montrer que
selon que n < 0 ou n 0, on peut refermer le contour soit autour a soit autour de b (et
linni ?).
4. Soit f une fonction holomorphe dans un ouvert avec un nombre ni de singularites en
z
k
(y compris peut-etre ` a linni). Montrer quil existe un changement de variable z = (w) qui
applique tous les z
k
sur des w
k
` a distance nie. Soit

f
def
= f ; comparer les residus Res (f, z
k
) et
Res (

f.
t
, w
k
) et les theorèmes des residus pour les fonctions f et

f
t
. Montrer que le theorème
des residus generalise decoule alors du theorème usuel.
Appendix D. Système dierentiel
Soit une fonction f : R
2
R (ou C) satisfaisant le système de deux equations aux
derivees partielles
f(x, y)
x
= P(x, y)
f(x, y)
y
= Q(x, y) , (D.1)
o` u P et Q sont des fonctions donnees de classe C
1
. Montrons quune condition necessaire et
susante pour que le système admette (au moins) une solution locale est que
P(x, y)
y
=
Q(x, y)
x
, (D.2)
la condition dintegrabilite du système.
Il est clair que la condition est necessaire, puisque

2
f(x,y)
xy
=

2
f(x,y)
yx
. Montrons quelle est
susante. Integrons la première equation (D.1) en f(x, y) =
_
x
P(x
t
, y)dx
t
+(y) o` u est une
fonction de y seulement, de classe C
1
. Avec les hypothèses, on peut deriver sous le signe somme
et la deuxième equation (D.1) donne
f(x,y)
y
=
_
x P(x
,y)
y
dx
t
+
t
(y) = Q(x, y), qui est bien
coherente car (x, y) := Q(x, y)
_
x P(x
,y)
y
dx
t
ne depend pas de x :
(x,y)
x
=
Q(x,y)
x

P(x,y)
Y
=
0 par (D.2). On peut donc determiner (y) =
_
y
_
Q(x, y
t
)
_
x P(x
,y
)
y
dx
t
_
dy
t
+ const. et
nalement
f(x, y) =
_
x
P(x
t
, y)dx
t
+
_
y
_
Q(x, y
t
)
_
x
P(x
t
, y
t
)
y
dx
t
_
dy
t
+ const. (D.3)
qui satisfait bien (D.1).
Remarque. Cette construction est une construction locale, puisquimplicitement, on a integre P ou le long de
segments à y ou x constants à partir dun point de base donne, et que tout point de ne peut pas toujours
etre atteint ainsi à partir du meme point de base. La construction est globale, en revanche, si est un disque
ouvert ou un pave ]a, b[]c, d[ , pourquoi ?
On a retrouve le resultat de la Proposition 7.10 : la forme = Pdx +Qdy est fermee ssi (D.2) ; de plus elle
est exacte si le domaine est un disque ou un pave ouvert.
Chapitre 8
Fonctions de variables complexes,
applications
8.1 Calcul dintegrales, de transformees de Fourier, de
sommes etc
8.1.1 Calcul pratique des residus
Par denition, le residu Res (f, z
0
) dune fonction en z
0
est le coecient a
1
de son developpement
de Laurent au voisinage de z
0
. Si f a un p ole simple en z
0
Res (f, z
0
) = lim
zz
0
(z z
0
)f(z)
et cette formule se generalise au cas o` u le p ole est dordre m, comme on sen convainc aisement
Res (f, z
0
) = lim
zz
0
1
(m1)!
d
m1
dz
m1
((z z
0
)
m
f(z)) . (8.1)
Si f est une fraction rationnelle P(z)/Q(z), avec un p ole simple en z
0
, zero simple de Q, il
peut etre plus aise de faire appel à la règle de LHospital
Res
_
P
Q
, z
0
_
=
P(z
0
)
Q
t
(z
0
)
.
8.1.2 Lemmes de Jordan
Introduisons des notations commodes :
soit o(
1
,
2
) le secteur du plan complexe z = re
i
, r > 0, 0
1

2
; et (r;
1
,
2
)
larc de cercle [z[ = r dans o(
1
,
2
).
154 Chap.8. Fonctions de variables complexes, applications
Lemmes de Jordan : Soit f une fonction continue f : o(
1
,
2
) C.
1. Si zf(z) tend uniformement vers 0 sur larc (r;
1
,
2
),
2
2, quand r 0, resp. r ,
alors
lim
r0
+
resp.r+
_
(r;
1
,
2
)
f(z)dz = 0 ; (8.2)
2. Si f(z) tend uniformement vers 0 sur larc (r;
1
,
2
),
2
, quand r , alors
lim
r
_
(r;
1
,
2
)
e
iz
f(z)dz = 0 ; (8.3)
Preuve du 2ème lemme : on prend le secteur o(0, ) (qui est le cas le plus defavorable). Comme [e
iz
[ =
[e
ire
i
[ = e
r sin
, avec sin 0 avec lhypothèse sur le secteur, on peut majorer
_
(r;0,)
e
iz
f(z)dz
_

0
[f(re
i
)re
r sin
d
_
/2
0
_
[f(re
i
)[ +[f((re
i()
)[
_
re
r sin
d .
Comme f 0 uniformement à linni, > 0, R tel que r > R [0, ], [f(re
i
)[ . Donc pour r > R
_
(r;0,)
e
iz
f(z)dz
2
_
/2
0
re
r sin
d
Mais si 0 /2, 0 2/ sin comme on sen convainc immediatement. Donc
_
/2
0
re
r sin
d
_
/2
0
re
2r/
d =

2
(1 e
r
) <

2
,
do` u il decoule que pour tout r R,
_
(r;0,)
e
iz
f(z)dz
, arbitrairement petit, q.e.d.

La preuve du premier lemme, plus facile, est laissee en exercice. Voir aussi TD.
8.1.3 Integrales sur laxe reel
Considerons lintegrale sur laxe reel dune fraction rationnelle I =
_
P(x)
Q(x)
dx. On suppose
que Q na pas de racine reelle. Lintegrale converge ` a linni si deg Q deg P +2, ce que nous
supposerons. Procedons selon les etapes suivantes :
On considère lintegrale
_
R
R
P(x)
Q(x)
dx qui converge vers I quand R ;
on la remplace par lintegrale sur le contour ! ! , o` u la contribution du cercle
tend vers zero quand R , par le lemme de Jordan 1 ;
le theorème des residus nous donne alors
I = 2i
zeros z
j
de Q dans
demi-plan superieur
Res (P/Q, z
j
)
8.1. Calcul dintegrales, de transformees de Fourier, de sommes etc 155
On aurait pu aussi refermer le contour dans le demi-plan inferieur, mais attention au signe ! (le
contour est alors oriente negativement). Donc aussi bien : I = 2i
zeros z
j
de Q dans
demi-plan inferieur
Res (P/Q, z
j
).
Question : que vaut dans ce cas le residu ` a linni de P/Q?
Nous rencontrerons beaucoup dautres exemples de ce genre de calculs dans la suite.
8.1.4 Integrales de fractions rationnelles trigonometriques
Considerons lintegrale
I =
_
2
0
dt
a + sin t
avec a reel > 1. On ecrit sin t = (e
it
e
it
)/2i et on recrit cette integrale en termes de z = e
it
sur le cercle unite. Il vient
I =
_
0
2dz
z
2
+ 2iaz 1
=
_
0
2dz
(z z
+
)(z z
)
= 2i Res
_
2
(z z
+
)(z z
)
, z
+
_
= 2i
2
z
+
z
o` u z
= ia i
a
2
1 sont les deux poles, z
+
etant le seul ` a linterieur du cercle. Finalement
I =
2
a
2
1
(qui est positif comme il se doit !).
La meme methode sapplique ` a toute integrale
_
2
0
R(cos t, sin t) dt o` u R est une fraction
rationnelle.
8.1.5 Transformees de Fourier
On sinteresse ` a une integrale de la forme
I =
_

f(x)e
ikx
dx k R
qui est la transformee de Fourier de f. On va à nouveau remplacer cette integrale sur laxe reel
par une integrale de contour dans le demi-plan superieur ou inferieur, selon que le signe de k
est > 0 ou < 0. En eet quand [z[ , e
ikz
f(z) tend vers zero si 1e ikz < 0 et si f(z) crot
moins vite quune exponentielle (par exemple polynomialement) ; pour cela, si k > 0, il faut que
mz > 0. On peut alors appliquer le 2ème lemme de Jordan, remplacer I par lintegrale sur le
contour ! ! et utiliser le theorème des residus.
`
A linverse si k < 0, il faut refermer
le contour dans le demi-plan inferieur (en nomettant pas le signe venant de lorientation du
contour !).
Prenons comme exemple le cas de la fonction lorentzienne rencontree aux chap. 4 et 5,
f(x) =
1
x
2
+a
2
, a R, a > 0. La fonction f(z) = (z
2
+ a
2
)
1
a deux p oles en ia de residus
respectifs
1
2ia
. Selon la discussion precedente
_

1
x
2
+a
2
e
ikx
dx =
_
_
_
2i Res (f(z)e
ikz
, ia) =

a
e
ka
si k > 0
2i Res (f(z)e
ikz
, ia) =

a
e
ka
si k < 0
ce que lon regroupe en une formule unique
_

1
x
2
+a
2
e
ikx
dx =

a
e
[k[a
(8.4)
en accord avec un resultat annonce au 4.2.1.
Notons quen prenant la partie reelle de I, nous obtenons une autre integrale non triviale
I =
_
1
x
2
+a
2
cos kx dx =

a
e
[k[a
.
8.1.6 Sommes innies
Notons en preambule que cos z est une fonction entière, que sin z a des zeros en z = n Z,
et que cotan z = cos z/ sin z na que des p oles de residu 1/ en ces memes z = n.
Considerons alors la serie
S =
nZ
f(n)
o` u f est une fonction meromorphe qui na pas de p ole reel et qui tend susamment vite vers
zero ` a linni pour assurer la convergence. On peut ecrire f(n) = Res (f(z)cotan z, n) et
la somme S, limitee dabord ` a N n N, peut etre vue comme venant de lintegrale de
1
2i
f(z)cotan z sur lun des contours successifs gures ici
! !
o` u la contribution des deux demi-cercles tend vers zero quand N (Jordan 1 !) ; à la limite,
le dernier contour entoure les p oles de f(z) en dehors de laxe reel dans le sens negatif. Donc
S =
p oles z
j
de f
en dehors de laxe reel
Res (f(z)cotan z, z
j
) .
8.1. Calcul dintegrales, de transformees de Fourier, de sommes etc 157
Exemple. S =
nZ
1
n
2
+a
2
avec a > 0. Les poles non reels de

z
2
+a
2
cotan z sont en z = ia
et ont pour residu
2a
coth a. Finalement S =

a
coth a. On verie que quand a 0,
S 1/a
2
comme attendu. Exercice : dans la limite a 0, soustraire le terme n = 0 et verier
que lon retrouve lexpression bien connue
n1
1
n
2
=
2
/6.
Par une methode analogue faisant appel au 1/ sin plutot quau cotan , calculer
n1
(1)
n
n
4
,
reponse dans [1], p. 111.
8.1.7 Integrales sur un arc. Poles sur laxe reel
Supposons que f est holomorphe dans un secteur du type deni plus haut au 8.1.2 :
o = z : [z[ > 0, 0
1
arg z
2
avec un pole simple à lorigine, et quon veuille
calculer lim
r0
_
(r;
1
,
2
)
f(z)dz. On ecrit f(z) =
a
z
+ g(z) o` u g est holomorphe ` a lorigine et
a = Res (f, 0). Par Jordan.1, lim
r0
_
(r)
g(z)dz = 0 et donc
lim
r0
_
(r;
1
,
2
)
f(z)dz = a
_
(r;
1
,
2
)
dz
z
= ia(
2
1
) . (8.5)
Application au calcul de I =
_
0
sin x
x
dx. On ecrit
I =
1
2
_

sin x
x
dx =
1
2i
lim
0
__

e
ix
x
dx +
_

e
ix
x
dx
_
. (8.6)
Mais lintegrale de
e
ix
x
sur le contour ci-dessous est nulle
! !
puisque le contour nencl ot aucun p ole. Dans cette integrale de contour, la contribution sur laxe
reel tend vers 2iI quand r et 0, daprès (8.6) ; la contribution du grand cercle sannule
par Jordan.2 quand r ; et celle sur le petit cercle est donnee par le calcul precedent (8.5).
Il reste dans cette limite
2iI =
_
(,0,)
e
iz
z
dz = i
do` u nalement I =

2
.
8.2 Fonctions multivaluees
8.2.1 Points de branchement, feuillets, surface de Riemann
On a dej` a rencontre au 6.2 la notion de fonction multivaluee avec le logarithme complexe,
dont les dierentes determinations dans le plan complexe prive de lorigine (plan pointe
C
= C0) dièrent dun multiple entier de 2i. Considerons le plan prive dune demi-droite,
par exemple CR
, donc < arg z < : cest un domaine simplement connexe, le logarithme

y admet une determination unique, dite determination principale. Mais on peut très bien choisir
une autre demi-droite partant de lorigine, ou toute courbe ( joignant lorigine à linni. Dans
le plan prive de cette demi-droite ou courbe, le logarithme admet une determination unique.
C( est dit plan coupe le long de (, ( est la coupure, lorigine et le point ` a linni en sont les
points de branchement. (Que linni est un point de branchement du log se voit comme toujours
par changement de variable z w =
1
z
: log z = log w. . .)
Le logarithme nest pas la seule fonction multivaluee. La fonction racine carree (ou toute
autre racine) donne un autre exemple. En eet quand on ecrit z = e
i
, on peut penser denir
z
1
2
alias

z par

z =

i/2
. Mais etant deni à 2 près, /2 lest ` a près et

z est
deni ` a un signe près. Cest un problème que nous connaissons bien sur les reels ; mais ici sur
les complexes, il prend une nouvelle dimension puisquen suivant un chemin continu dans le
plan complexe, on peut passer dune determination ` a lautre. On va à nouveau introduire une
coupure du plan complexe partant de lorigine et denir une determination de la racine carree
dans ce plan coupe. Par exemple, en coupant le long de laxe reel negatif, donc en prenant à
nouveau < arg z < , on obtient dans CR
la determination usuelle de la racine, telle que

pour z reel > 0,

z > 0.
Les points de branchement dependent de la fonction consideree et peuvent etre nimporte
o` u dans le plan complexe complete. Par exemple
1 z a un point de branchement en 1 et un
` a linni. Les points de branchement de
1 z
2
sont 1 ; ceux de
_
(z
2
a
2
)(z
2
b
2
) sont en
a et b, et les coupures peuvent etre choisies entre a et a dune part, et b et b de lautre,
(ou entre a et b et entre a et b, justier ce point), etc.
Plut ot que de parler de fonction univaluee dans le plan (coupe), on peut preferer une autre
presentation.

Etant donnee un choix de coupure(s) et une determination, on peut associer les
autres determinations ` a dautres copies du plan coupe on parle des dierents feuillets de la
fonction consideree, puis recoller ces feuillets le long de la (ou des) coupure(s), en suivant
par continuite les determinations de la fonction. Lobjet obtenu par ce recollement est appele
surface de Riemann de la fonction consideree. Sur cette surface, qui est un revetement ` a plusieurs
feuillets du plan complexe initial, la fonction est univaluee.
8.2. Fonctions multivaluees 159
feuillet 1
x x 0 0
feuillet 2
Figure 8.1 Les deux feuillets de la fonction

z : le bord inferieur de la coupure du feuillet 1 est
recolle avec le bord superieur de celle du feuillet 2 et vice versa.
Figure 8.2 La surface de Riemann de la fonction

z : les deux feuillets sont recolles le long du
demi-axe reel negatif (en bleu).
Par exemple pour

z dans le plan coupe le long de R
, la gure 8.1 represente les deux

feuillets, la gure 8.2 montre la surface de Riemann. Noter que (contrairement aux apparences)
cette surface de Riemann est simplement connexe : un chemin ferme faisant deux fois le tour de
lorigine est homotope ` a zero, puisquil peut etre contracte sans rencontrer de singularite (de la
fonction). Cela apparat peut-etre plus clairement sur la Fig. 8.3 qui represente le voisinage de
lorigine, une fois la surface de Riemann depliee. La position des coupures est arbitraire et le
point O nest pas singulier. Le meme dessin devrait etre eectue (dans une autre coordonnee)
au voisinage du point à linni, avec la meme conclusion. En denitive la surface de Riemann
de la fonction

z est identiee ` a la sphère de Riemann. Elle est donc simplement connexe.
1
La meme construction sapplique à toute fonction multivaluee. La surface de Riemann de la
racine carree a deux feuillets, celle du logarithme en a une innite. Celle de z
1/3
en a trois, celle
de z
, reel irrationnel en a une innite. Celle de la fonction

_
(z
2
a
2
)(z
2
b
2
) en a quatre
etc. On trouve sur le web dadmirables gures de ces surfaces de Riemann . . . par exemple
http://en.wikipedia.org/wiki/File:Riemann surface log.jpg
1. Cela nest pas le cas general, la surface de Riemann dune fonction plus compliquee nest en general pas
simplement connexe, elle a un genre (= nombre de poignees) qui depend du nombre et de lordre des points
de branchement
II
I
II
III
II
I
III
I
II I
Figure 8.3 La surface de Riemann des fonctions z
1
2
(en haut) et z
1
3
(en bas) au voisinage de 0.
A gauche, les trois feuillets avec en hachures ou en couleurs les prescriptions de recollement ; à droite,
après depliement et recollement.
8.2. Fonctions multivaluees 161
8.2.2 Integrales de Cauchy de fonctions multivaluees
Une fonction multivaluee comme z
ou log z est holomorphe en dehors de ses points de

branchement (et de ses eventuelles autres singularites). Rien ninterdit dutiliser le theorème de
Cauchy et ses corollaires le long de chemins fermes evitant ces singularites et continus dans les
dierents feuillets.
r
x
0
R
Figure 8.4
Considerons par exemple lintegrale I =
_
0
F(x)
x
dx o` u 0 < < 1 et o` u F est une fraction

rationnelle sans pole sur le demi-axe x 0 ; on suppose (pour la convergence) que F 0
` a linni (donc au moins aussi vite que 1/z). Pour etendre f(z) = F(z)/z
` a des valeurs
complexes de z, on choisit une determination de z
, par exemple dans le plan coupe le long de

laxe reel positif, 0 < arg z < 2. Considerons alors lintegrale
_
F(z)
z
dz le long du contour de
la gure 8.4. Comme zf(z) 0 quand [z[ 0 et , les deux arcs de cercle (r) et (R)
ne contribuent pas dans les limites r 0 et R (Jordan-1), la determination de f sur le
contour reel superieur est reelle, celle sur le contour inferieur a un facteur relatif e
2i
. On a
donc
(1 e
2i
)I = 2i
Res (f(z))
o` u la somme court sur tous les p oles de F, reels negatifs ou complexes.
Exemple : I =
_
0
dx
x
(1+x)
. Le seul p ole est en 1 = e
i
(choix de la determination!), son
residu est e
i
, do` u I =

sin
.
Autre exemple : J =
_
0
F(x) log x dx o` u F est une fraction rationnelle sans p ole sur le
demi-axe x 0 ; on suppose (pour la convergence) que xF(x) 0 à linni. Lastuce est
cette fois de considerer f(z) = F(z)(log z)
2
avec un choix de coupure du log le long de laxe
reel positif. On intègre sur le meme contour de la gure 8.4.
`
A nouveau les deux arcs de
cercle ne contribuent pas, les deux determinations de log
2
z le long de laxe reel sont log
2
x
(bord superieur) et (log x + 2i)
2
(bord inferieur), donc
_
0
F(x)(log
2
x (log x + 2i)
2
)dx =
4iJ 4
2
_
0
F(x)dx = 2i
Res (F(z)(log z)
2
). Il reste à calculer
_
F(x)dx. Toutefois si F
est reel (sur laxe reel), cette dernière integrale est reelle et en prenant les parties reelle et imagi-
naire de la relation precedente on obtient J =
_
0
F(x) log x dx =
1
2
1e
Res (F(z)(log z)
2
),
_
0
F(x)dx =
1
2
m
Res (F(z)(log z)
2
).
8.3 Fonctions harmoniques
Denition 8.1 : Une fonction de deux variables reelles x et y denie dans un ouvert de R
2
est dite harmonique dans si elle est de classe C
2
(deux fois contin ument dierentiable) et
satisfait lequation
f = 0 (8.7)
o` u le laplacien est loperateur dierentiel
=

2
x
2
+

2
y
2
. (8.8)
En raison de lapparition du laplacien dans de nombreuses equations de la physique, equation
de Poisson (3.26), equation des ondes, equation de la chaleur, . . . les fonctions harmoniques y
jouent un role important.
Introduisant comme au 7.1.3 les variables z = x + iy et z = x iy et les operateurs
dierentiels

z
et

z
, on verie immediatement que
= 4

2
z z
. (8.9)
Une fonction f(z, z) satisfaisant

2
f
z z
= 0 est donc harmonique.
Theorème 8.1 : Toute fonction holomorphe est harmonique.
En eet si f est holomorphe (dans ) elle est indeniment derivable ; on a
f
z
= 0, donc aussi
f = 0.
En prenant les parties reelle et imaginaire de f il en decoule :
Corollaire : La partie reelle et la partie imaginaire dune fonction holomorphe sont harmo-
niques.
Exemple : En tout point non nul du plan complexe, log z est holomorphe, donc sa partie reelle
log [z[ est harmonique.
La reciproque nest vraie que localement :
Proposition 8.2 : Toute fonction reelle g(x, y) harmonique dans un ouvert est au voisinage
de chaque point de la partie reelle dune fonction f, holomorphe au voisinage de ce point,
determinee ` a laddition dune constante près.
8.4. Methode du col 163
Cette propriete locale devient globale (vraie en tout point) dans un ouvert simplement
connexe. Pour la preuve, voir [4] p. 125 ; voir aussi [1] p.124-125.
On se rappelle (cf Theorème 7.18) quune fonction holomorphe satisfait la propriete de
moyenne : en tout point, sa valeur au centre dun petit disque ferme contenu dans egale la
moyenne de ses valeurs sur le bord du disque.
Theorème 8.3 : Toute fonction harmonique satisfait en tout point de la propriete de
moyenne : pour r assez petit
u(x
0
, y
0
) =
1
2
_

u(x
0
+r cos , y
0
+r sin )d .
Cela decoule de la Proposition 8.2 : pour toute fonction harmonique reelle u et tout point
de il existe une fonction f holomorphe dans un disque centre en ce point, de partie reelle u
et qui satisfait la propriete de moyenne ; en prenant la partie reelle on voit que u satisfait la
propriete de moyenne.
Au chapitre 7, Theorème 7.21, nous avons montre que toute fonction possedant la propriete
de moyenne obeit aussi au principe de maximum. Il en est donc ainsi pour toute fonction
harmonique :
Proposition 8.4 : Toute fonction u reelle harmonique dans est ou bien constante, ou bien
na en aucun point de un maximum local ou un minimum local.
Cela sinterprète facilement en termes des derivees secondes de u. Un maximum (resp. minimum)
local en a signierait que

2
u
x
2
et

2
u
y
2
sont non nuls et de meme signe, en contradiction avec
lequation (8.7).
Ces proprietes trouvent des applications physiques, par exemple en electrostatique, dans
letude du potentiel cree par une distribution de charges. Comme on la rappele au chapitre 3.6,
la loi de Gauss implique que le potentiel electrostatique cree par une distribution de charges
est une fonction harmonique en tout point distinct des positions des charges. Une autre appli-
cation est en aerodynamique dans le calcul de la portance dune aile davion, voir [1], chap. 7.
Malheureusement le manque de temps ne permettra pas dexplorer les nombreuses applications
des considerations precedentes.
8.4 Methode du col
On est souvent confronte en physique au problème suivant : on cherche ` a calculer la limite
dune integrale de la forme
I
=
_
e
f(z)
dz (8.10)
quand le paramètre tend vers linni. f est supposee holomorphe sur un ouvert independant
de , est un chemin contenu dans .
Il existe plusieurs versions de ce problème, la methode du col, la methode de Laplace, la
methode de la phase stationnaire, etc. Nous nous bornerons ` a une discussion sommaire et à un
exemple.
8.4.1 Methode du col
Lidee intuitive est de chercher à minimiser la partie reelle de f tout en empechant sa
partie imaginaire de varier trop rapidement, ce qui risquerait de causer des compensations dans
lintegrale. On va preciser cette idee.
Etant donnee lintegrale (8.10), o` u nous prendrons reel positif, supposons que f est holo-
morphe dans un ouvert contenant le contour et quon sache deformer contin ument en
t
sans rencontrer de singularite de f de telle fa con que
(i) le long de
t
, mf est constante ;
(ii) il existe le long de
t
un point z
0
, dit col, tel que f
t
(z
0
) = 0 ;
(iii) 1e f(z) passe par un minimum local en z
0
;
La condition mf = const. determine en general le chemin
t
. La phase de lexponentielle est
alors constante. Developpons alors f(z) au voisinage du col. Puisque f
t
(z
0
) = 0,
f(z) = f(z
0
) +
1
2
(z z
0
)
2
f
tt
(z
0
) + o(z z
0
)
2
et avec f
tt
(z
0
) = e
i
, z z
0
= re
i
,
1e (f(z) f(z
0
)) =
1
2
r
2
cos(2 +) + o(r
2
)
m(f(z) f(z
0
)) =
1
2
r
2
sin(2 +) + o(r
2
) (8.11)
sur lequel on lit que, pour satisfaire (i), le chemin
t
doit etre tel que sin(2 + ) = 0 ce qui
donne deux directions possibles, orthogonales lune ` a lautre. Les directions medianes, o` u le cos
sannule, sont celles o` u la partie reelle change de signe, voir Fig. 8.5. Pour assurer que la partie
reelle passe bien par un minimum et non un maximum, cest le chemin passant dans les zones
II quon doit choisir. Quand , le minimum de 1e (f) est de plus en plus accentue, de
plus en plus pique, do` u le nom de steepest descent donne ` a la methode dans la litterature
anglo-saxonne. Cest ce qui fait que la contribution dominante ` a lintegrale vient de ce chemin.
Finalement on sattend ` a un comportement asymptotique (et on peut justier precisement avec
des hypothèses adequates sur f que nous ne detaillerons pas ici)
I
e
f(z
0
)
_

1
2
f
(z
0
)u
2
du
e
f(z
0
)
_
2
f
tt
(z
0
)
_1
2
. (8.12)
f
C
I
I
II
II
Re
Figure 8.5 Col de 1e f et trajectoires de mf constant.
8.4.2 Commentaires et variantes
Dans lintegrale (8.10) le paramètre prenant de grandes valeurs etait explicite et factorise
dans lexponentielle. Il peut aussi arriver que lon sinteresse au comportement dune integrale
o` u cette dependance nest pas aussi manifeste. Mais lidee est la meme : on cherche les points
stationnaires (cols) de la fonction en exponentielle. On en verra un exemple ci-dessous avec
la fonction . La methode du col possède aussi des variantes dont il est utile de connatre
lexistence mais que nous ne ferons que mentionner brièvement :
Methode de Laplace, col reel
Cest la situation o` u on intègre dans (8.10) une fonction f reelle.
J
=
_
R
e
f(x)
dx (8.13)
On na plus la liberte de deformer le contour dintegration, mais un resultat similaire sapplique :
le comportement dominant de lintegrale est à nouveau donne par le point x
0
o` u f est minimale.
Comme dans le cas complexe, on developpe f au voisinage de ce point
f(x) f(x
0
) +
1
2
(x x
0
)
2
f
tt
(x
0
) + o(x x
0
)
2
et lintegrale est approximee par une integrale gaussienne
J
e
f(x
0
)
_

1
2
f
(x
0
)x
2
dx = e
f(x
0
)
2
f
tt
(x
0
)
.
Voir ci-dessous lexemple de la fonction .
Methode de la phase stationnaire
Une autre variante est celle dune integrale sur R dune exponentielle dune fonction imaginaire
J
t
=
_
R
e
if(x)
dx (8.14)
o` u f est reelle. Cette fois encore il sagit de chercher un extremum ou un point stationnaire de f, o` u les
oscillations de la phase f sont moins rapides.
On parle de methode de phase stationnaire, et on ecrit
J
t
e
if(x0)
_
2i
f
tt
(x
0
)
_1
2
.
On rencontrera la methode du col et ses avatars dans de nombreux domaines de la physique,
en Mecanique Statistique (limite thermodynamique, modèles ` a grand nombre detats, . . .), en
Mecanique Quantique et en Optique (vitesse de groupe, limite de courte longueur donde. . .),
en theorie des champs (methode semi-classique, o` u le paramètre grand est 1/), etc.
8.4.3 Fonction . Formule de Stirling
Nous illustrerons la methode du col (reel) sur le cas de la fonction Gamma dEuler
(s)
def
=
_

0
u
s1
e
u
du . (8.15)
Observons dabord que cette integrale est absolument convergente pour 1e s > 0. On calcule
aisement (1) = 1 et, par integration par parties,
(s + 1) = s(s)
do` u il decoule immediatement que pour s = n 1 entier
(n) = (n 1)!
(s) extrapole donc ` a des valeurs reelles ou complexes la fonction factorielle.
Interessons-nous ` a lasymptotique de la fonction (s + 1). Selon la methode precedente, on
ecrit lintegrand e
f(u)
et on cherche les points stationnaires de f(u) = s log u u, soit ici u
0
solution de s/u
0
= 1, donc u
0
= s. On developpe alors f(u) = f(u
0
) + (u u
0
)f
t
(u
0
) +
1
2
(u
u
0
)
2
f
tt
(u
0
) + mais f
t
(u
0
) = 0, et f
tt
(u
0
) = 1/s, donc
(s + 1) e
f(u
0
)
_

e
1
2
v
2
f
(u
0
)
dv =
2s e
s log ss
ou encore
(s + 1) =
_
s
e
_
s
2s (1 + O(1/s)) ,
o` u on reconnat la formule de Stirling pour la factorielle asymptotique. . . Le lecteur courageux
peut-il/elle calculer le terme suivant en 1/s ? Attention, il faut pour cela developper la fonction
f jusquau terme (u u
0
)
4
(et non pas seulement (u u
0
)
3
, pourquoi ?).
La discussion a suivi H. Cartan [4] et W. Appel [1]. Pour plus de details sur les subtilites
de la methode du col, consulter C. Aslangul [2], chap. 7.

Chapitre 9
Transformation de Laplace
La transformation de Laplace fait passer dune fonction f ` a valeurs reelles ou complexes
dune variable t reelle non negative : f R
+
R ou C, ` a une fonction dune variable complexe
p,

f(p) =
_
0
e
pt
f(t)dt, avec bien s ur des conditions sur f pour assurer la convergence. Elle
est donc apparentee à la transformation de Fourier, mais en dière par quelques points que
nous allons examiner. Comme la transformation de Fourier, la transformation de Laplace est
un outil puissant dans letude des equations dierentielles ou aux derivees partielles et des
systèmes lineaires en physique.
9.1 Denitions et premières proprietes
9.1.1 Abscisse de sommabilite et transformee de Laplace
On rencontre souvent en physique des fonctions denies seulement sur la demi-droite reelle
positive R
+
. Cest par exemple le cas dans un système dynamique soumis au temps t = 0 à
une excitation (une source) : on sinteresse ` a sa reponse f(t) aux temps ulterieurs t 0.
On peut aussi considerer que la fonction f est denie pour tout t R mais nest non nulle que
pour t 0. Do` u la
Denition 9.1 : On appelle fonction causale une fonction t f(t) nulle pour t < 0.
Denition 9.2 : Pour une fonction causale, on denit la transformee de Laplace par
f(p)
def
=
_

0
e
pt
f(t)dt (9.1)
170 Chap.9. Transformation de Laplace
mais aussi, compte tenu de lhypothèse dannulation ` a t < 0, par
_
e
pt
f(t)dt.
La transformee de Lapace est notee selon les auteurs (et les circonstances !)

f(p), L[f](p),
L
f
(p), etc, et la transformation parfois f(t)

f(p).
Il reste à preciser les conditions de convergence. On va dabord supposer que f est localement
integrable (cest-` a-dire integrable sur tout compact, cf Def. 3.5), ce qui ninterdit pas ` a la
fonction davoir une singularite integrable ` a distance nie, comme par exemple [t 1[
1
2
. Par
ailleurs on observe que si [f(t)[e
st
est integrable pour s R, il en est de meme de [f(t)[e
s
t
pour tout s
t
> s. (On rappelle que la fonction f est causale, seule nous interesse la convergence
en +.) Cela conduit ` a la
Denition 9.3 : On appelle abscisse de sommabilite de f la borne inferieure des s R tels
que f(t)e
st
est integrable.
def
= infs R : [f(t)[e
st
est integrable . (9.2)
Cette abscisse de sommabilite peut etre innie, voir plus bas.
Plus precisement, si on pose p = x+i, lintegrabilite de f(t)e
pt
equivaut à celle de f(t)e
xt
,
et est assuree pour x > . La transformee de Laplace est donc denie pour x = 1e (p) >
1
.
Inversement lintegrale ne converge certainement pas pour x < . Pour x = , on peut avoir
ou non integrabilite au sens de Lebesgue ; lintegrale impropre
_
e
pt
f(t)dt peut etre non
integrable de Lebesgue mais semi-convergente pour certaines valeurs de p, permettant ainsi
detendre la transformee de Laplace ` a ces valeurs : il faut se livrer à une etude cas par cas pour
le determiner. En resume,
Proposition 9.1 : La transformee de Laplace est denie dans le demi-plan ouvert de somma-
bilite, 1e (p) > .
Heuristiquement, lexistence dune abscisse de sommabilite nie ou signie que f a une
croissance au plus exponentielle ` a linni.
Exemples : a) Une fonction constante a une abscisse de sommabilite nulle ; la transformee de
Laplace est denie pour x = 1e (p) > 0. Ainsi pour f = 1 (pour t 0 cest-à-dire en fait pour
la fonction de Heaviside H !).
H(p) =
_

H(t)e
pt
dt =
_

0
e
pt
dt =
1
p
[e
pt
]
0
donc

H(p) =
1
p
pour 1e (p) > 0. On note que dans ce cas,

H peut etre etendue (prolongee) à
tout p ,= 0, en particulier pour 1e (p) = 0, m(p) = ,= 0 avec le resultat

H(i) =
1
i
.
1. Certains auteurs appellent original une fonction f ayant les proprietes enumerees ci-dessus : causalite,
integrabilite locale, existence dune abscisse de sommabilite, et image sa transformee de Laplace.
b) f(t) = 1/(1 +t
2
) a aussi une abscisse de sommabilite nulle ; mais la transformee de Laplace
est denie pour tout x = 1e (p) 0. (Son expression implique des fonctions speciales, le
sinus integral et le cosinus integral.)
c) La fonction e
at
2
pour a > 0 a une abscisse de sommabilite = : la transformee de
Laplace existe pour tout p ; à linverse pour a < 0, f na pas dabcisse de sommabilite (ou si on
veut, = ) et la transformee de Laplace nest denie pour aucun p. Nous verrons dautres
exemples au 9.1.3 ci-dessous.
9.1.2 Holomorphie de

f, etc
Proposition 9.2 : La transformee de Laplace

f(p) est une fonction holomorphe, donc analy-
tique, de la variable p dans le demi-plan ouvert de sommabilite.
Preuve :

Etablissons dabord que labscisse de sommabilite
t
de tf(t) egale celle de f notee . Heuristiquement,
si [f[ a une croissance exponentielle en e
t
à linni, il en est de meme de t[f(t)[. Plus precisement, utilisons
une evidence utile : si g domine f ([f[ < [g[) pour t assez grand, lintegrabilite de g e
st
assure celle de
fe
st
, donc labscisse de sommabilite de f est inferieure ou egale à celle de g. Ici, si t > 1, [tf(t)[e
st
>
[f(t)[e
st
, donc
t
; mais par ailleurs comme t[f[ < e
t
[f[ pour tout > 0 et t assez grand,
t
+
quel que soit , donc nalement =
t
, qed. Donc dans le demi-plan ouvert 1e (p) > ,
_
0
tf(t)e
pt
est
absolument convergente, on peut donc deriver

f(p) sous le signe somme par rapport à 1e (p) ou à m(p) ; on
trouve

f(p)
Je (p)
=
_
0
tf(t)e
pt
= i

f(p)
m(p)
, les conditions de CauchyRiemann sont satisfaites et on a donc
d

f(p)
dp
=

f
t
(p) =
_
0
tf(t)e
pt
.

f est derivable dans le demi-plan, cest-à-dire holomorphe, donc analytique.
Par recurrence la derivee n-ième vaut

f
(n)
(p) = (1)
n
_
0
t
n
f(t)e
pt
.
Relation avec la transformee de Fourier
On aura note que la transformee de Fourier dune fonction causale est sa transformee de
Laplace à 1e (p) = 0, cest-` a-dire sur laxe imaginaire.
f(k) = T[f](k) =
_

e
ikt
f(t)dt =
_

0
e
ikt
f(t)dt =

f(ik) . (9.3)
Selon le type de croissance de la fonction f pour t +, on peut voir si laxe imaginaire est
ou non dans le domaine de denition de

f et conclure ` a lexistence ou non de la transformee
de Fourier :
si f crot moins vite quune exponentielle, < 0, donc la transformee de Fourier existe ;
si f crot plus vite que toute puissance mais au plus comme une exponentielle, on a > 0,
laxe imaginaire nest pas dans le domaine de denition de

f et la transformee de Fourier
nexiste pas ;
dans le cas intermediaire o` u = 0, la transformee de Fourier nexiste pas toujours au
sens des fonctions.
Comportement asymptotique de

f
Proposition 9.3 : Soit f une fonction causale dabscisse de sommabilite et

f sa transformee
de Laplace. Si x > , alors

f(x +i) 0 quand
Cela resulte du lemme 4.5 de RiemannLebesgue,
lim
_

0
_
f(t)e
xt
_
e
it
dt = 0
puisque f(t)e
xt
L
1
(R).
9.1.3 Exemples
a) On a vu la transformee de Laplace de f = 1 plus haut. Considerons maintenant celle
de f(t) = t. Un calcul immediat, par integration par parties ou par derivation sous le signe
somme, donne pour 1e (p) > 0
f(p) =
_

0
te
pt
dt =
d
dp
_

0
e
pt
dt =
1
p
2
,
qui est prolongeable en une fonction meromorphe avec un p ole en 0. Plus generalement, quelle
est la transformee de t
n
?
b) f(t) = cos t a pour abscisse de sommabilite = 0 et pour 1e (p) > 0 :
f(p) =
_

0
e
pt
cos t dt =
1
2
_

0
e
pt
(e
it
+e
it
) dt =
1
2
_
e
(ip)t
i p

e
(i+p)t
i +p
_
0
=
p
p
2
+ 1
,
qui est prolongeable en une fonction meromorphe avec deux poles en i.
c) f(t) = e
at
, avec a C a pour abscisse de sommabilite = 1e (a) et pour 1e (p) > 1e (a) :
f(p) =
_

0
e
(pa)t
dt =
1
p a
,
` a nouveau prolongeable en une fonction meromorphe avec un p ole en a.
d) Au vu de ces exemples, il est tentant de penser que la transformee de Laplace est toujours prolongeable
en une fonction meromorphe. Cela est souvent le cas mais nest pas vrai en general. Ainsi f(t) = 1/(t +1) (fois
H(t), fonction causale !) a une transformee de Laplace e
p
_
p
e
u du
u
(e
p
fois la fonction Gamma incomplète)
bien denie pour 1e (p) > 0 mais dont on montre quelle a un point de branchement en 0.
Cela apparat aussi sur la transformee de Laplace de la fonction f(t) = t
, reel, dont labcisse de sommabilite

est = 0. Se rappelant la denition de la fonction dans (8.15), on a pour > 1 et p reel dabord

f(p) =
_
0
e
pt
t
dt = p
+1
_
0
e
u
u
du =
(+1)
p
+1
. On invoque alors lholomorphie pour dire que

f(p) =
(+1)
p
+1
reste
vrai dans le demi-plan complexe, 1e (p) > 0. Pour > 1 non entier,

f(p) a un point de branchement en 0.
9.2. Inversion, derivation, convolution etc 173
9.2 Inversion, derivation, convolution etc
9.2.1 Inversion de la transformation de Laplace
La transformee de Laplace de f en p = x + i peut secrire comme une transformee de
Fourier dune fonction reliee ` a f :
f(x +i) =
_

H(t)f(t)e
xt
e
it
dt = T[H(t)e
xt
f(t)]() .
Utilisant alors la formule dinversion de la transformee de Fourier, pour t un point o` u H(t)f(t)
est continue (cf Theorème 4.6)
H(t)f(t)e
xt
=
1
2
_

f(x +i)e
it
d ,
donc
H(t)f(t) =
1
2
_

e
(x+i)t

f(x +i)d =
1
2i
_
Dx
f(p)e
pt
dp (9.4)
o` u lintegration en p est eectuee le long dune droite de Bromwich
D
x
def
= x +i; R . (9.5)
Bien noter que cette formule donne un resultat independant de x > , domaine o` u la trans-
formee de Laplace est holomorphe, gr ace au theorème de Cauchy. Il convient aussi de sassurer
que cette expression sannule bien pour t < 0. En eet pour t < 0, le lemme de Jordan 2 nous dit
que lon peut refermer le contour dintegration par un grand cercle dans le demi-plan à droite
de la droite 1e (p) = x, mais le contour est complètement dans le domaine dholomorphie, donc
le resultat est nul, comme attendu pour une fonction causale.
Theorème 9.4 : Soit f une fonction causale dabscisse de sommabilite et

f sa transformee
de Laplace. Alors en tout point de continuite de f et avec x > quelconque
f(t) =
1
2i
_
x+i
xi
f(p)e
pt
dp
Exemple : Prenons

f(p) =
1
pa
(transformee de Laplace de e
at
, voir plus haut). Pour x >
1e (a), on calcule
f(t) =
1
2i
_
x+i
xi
f(p)e
pt
dp = lim
R
1
2i
_
x+iR
xiR
1
p a
e
pt
dp
Si t > 0, on peut refermer le contour par un demi-cercle dans le demi-plan à gauche de la droite
1e (p) = x, qui ne contribue pas quand R (lemme de Jordan 2) et qui englobe le pole en
p = a ; le theorème des residus donne alors le resultat e
at
comme attendu. Si t < 0, le resultat
est nul, par largument precedent.
Dune fa con generale, la formule de Laplace inverse combinee avec la formule des residus fournit
le plus souvent le resultat cherche.
9.2.2 Translation
Soit f une fonction causale dabscisse de sommabilite , et

f sa transformee de Laplace.
On verie alors aisement que la transformee de Laplace de f(t)e
at
nest autre que

f(p +a)
_

0
f(t)e
at
e
pt
dt =
_

0
f(t)e
(p+a)t
dt =

f(p +a)
pour 1e (p) > 1e (a). Exemple, de L[1](p) =
1
p
on tire L[e
at
](p) =
1
pa
comme on a vu.
Attention quinversement

f(p)e
p
est la transformee de Laplace de H(t )f(t ) et non
de H(t)f(t ) !
_

H(t )f(t )e
pt
dt =
_

f(t )e
pt
dt =
_

0
f(t)e
p(t+)
dt =

f(p)e
p
.
9.2.3 Convolution
Pour deux fonctions causales f et g, le produit de convolution
f g(t) =
_

0
f(s)g(t s)ds =
_
t
0
f(s)g(t s)ds
ne depend que des valeurs de f et g dans lintervalle [0, t] pour t 0 et sannule pour t < 0. La
convolution preserve donc le caractère causal. On demontre alors comme pour la transformation
de Fourier le
Theorème 9.5 : Soit f et g deux fonctions causales dabscisses de sommabilite et
t
, et

f et
g leurs transformees de Laplace, denies respectivement dans les demi-plans ouverts 1e (p) > ,
1e (p) >
t
. Alors
L[f g](p) =

f(p) g(p)
est denie pour 1e (p) > max(,
t
). Inversement pour 1e (p) > +
t
et avec x
0
>
L[f.g](p) =
1
2i
_
x
0
+i
x
0
i
f(q) g(p q)dq .

La demonstration seectue comme au Theorème 4.13.
9.2. Inversion, derivation, convolution etc 175
9.2.4 Operations de derivation et integration
Soit une fonction causale quon suppose derivable (au sens des fonctions !), labscisse
de sommabilite de f, on suppose que f
t
a une abscisse de sommabilite
t
. Attention! par
transformee de Laplace de f
t
, on entend transformee de Laplace de H(t)f
t
(t), et non de (Hf)
t
!
Par integration par parties, pour 1e (p) > max (,
t
)
L[Hf
t
](p) =
_

0
e
pt
f
t
(t)dt = p
_

0
e
pt
f(t)dt +
_
f(t)e
pt
0
= pL[f](p) f(0
+
)
car lim
t
e
pt
f(t) = 0
2
.
Donc avec les hypothèses ci-dessus (f derivable, , resp.
t
les abscisses de sommabilite de
f et f
t
)
Proposition 9.6 : L[Hf
t
](p) = pL[f](p) f(0
+
) pour 1e (p) > max (,
t
).
La propriete se generalise aux derivees dordre superieur, cf. [1]
Proposition 9.7 : La transformee de Laplace de f
(n)
egale p
n

f(p)
n1
m=0
p
n1m
f
(m)
(0
+
).
Comme on la observe plus haut, si f a pour abscisse de sommabilite , pour tout n N,
t
n
f(t) est aussi causale avec la meme abscisse de sommabilite et
L[(t)
n
f(t)](p) =
d
n
dp
n
L[f](p) . (9.6)
On peut aussi integrer
Proposition 9.8 : Si f a pour abscisse de sommabilite et

f pour transformee de Laplace,
alors pour 1e (p) > max (, 0)
L
__
t
0
f(u)du
_
(p) =
f(p)
p
.
Inversement, si

f(p) decrot plus vite que 1/p ` a linni et si 1e (p) > max (, 0)
L
_
f(t)
t
_
(p) =
_

p
f(z)dz ,
avec un chemin dintegration de p ` a linni arbitraire dans le demi-plan de sommabilite, en
vertu de lholomorphie de

f.
2. On a suppose 1e (p) > max (,
t
), et lintegrabilite de fe
pt
et de sa derivee implique que
lim
t
e
pt
f(t) = 0, selon un argument dejà utilise dans la transformation de Fourier, cf remarque après
(4.13).
9.2.5 Autres exemples
Les exemples de la section 9.1.3 peuvent etre retrouves ou combines avec les proprietes de
derivation, dintegration et de linearite de la transformation de Laplace pour obtenir dautres
formules (o` u le H(t) est implicite)
L[e
it
](p) =
1
p i
L[cos(t)](p) =
p
p
2
+
2
, L[sin(t)](p) =

p
2
+
2
(9.7)
L[cosh(t)](p) =
p
p
2
2
, L[sinh(t)](p) =

p
2
2
,
toutes formules initialement valables pour 1e (p) > 0, puis prolongeables comme on a vu. De
meme pour 1e (p) > 1e (a),
L[H(t)e
at
](p) =
1
p a
puis par derivation
L
_
H(t)e
at
t
n1
(n 1)!
_
(p) =
1
(p a)
n
. (9.8)
En decomposant en p oles simples toute fraction rationnelle, on reconstruit son original, cest-
` a-dire la fonction dont elle est la transformee de Laplace, etc etc.
9.3 Transformee de Laplace des distributions
On a vu plus haut le cas de la transformee de Laplace de la fonction de Heaviside. Plus
generalement pour une fonction causale f localement sommable, la modication sur un ensemble
de mesure nulle ne modie pas lintegrale de denition de la transformee de Laplace. Cette
dernière est donc attachee ` a la distribution regulière denie par f. Plus generalement encore,
pour T une distribution de support contenu dans R
+
, (T T
t
+
), telle quil existe un reel tel
que pour tout x > , e
xt
T o
t
, (distribution temperee), on denit la transformee de Laplace
de T par
T(p) = T, e
pt
) pour 1e (p) > . (9.9)
En eet si x = 1e (p) > , il existe un y : < y < x et e
yt
T, e
(py)t
) existe bien et denit T, e
pt
)
independamment de y.
On appelle encore abscisse de sommabilite de T, et on demontre quà nouveau,

T(p) est
une fonction holomorphe de p dans le demi-plan ouvert 1e (p) > . Exemples : La distribution
de Dirac a un support dans R
+
, elle est temperee et e
xt
lest aussi pour tout x : = et
donc pour tout p, L[] = 1, L[
(m)
] = p
m
, L[
ta
] = e
pa
.
9.4. Applications de la transformee de Laplace 177
Les proprietes de la transformation de Laplace etudiees plus haut convolution, translation,
relation LaplaceFourier, etc setendent aux distributions. Le seul point necessitant un peu
dattention concerne la derivation. Si T T
t
+
, et si T
t
est la distribution derivee, alors L[T
t
](p) =
p
T(p), sans le terme supplementaire qui apparaissait ` a la Prop. 9.6. Cela est d u au fait que
la derivee au sens des distributions de la distribution regulière T = H(t)f(t) a deux termes :
T
t
= (t)f(0) + H(t)f
t
(t). Le calcul de la Prop. 9.6 ne retenait que le deuxième terme, celui
que nous faisons maintenant au sens des distributions les prend en compte tous les deux.
9.4 Applications de la transformee de Laplace
La transformee de Laplace, comme celle de Fourier, a pour eet de transformer les derivees en
multiples de la fonction. Elle simplie donc considerablement letude des equations dierentielles
ou aux derivees partielles et permet de prendre aisement en compte les conditions aux limites,
comme on va voir. La transformee de Laplace a de plus lavantage (par rapport ` a celle de
Fourier) de demander moins de regularite à la fonction : integrabilite locale et comportement
exponentiel à +, là o` u Fourier demande lintegrabilite au sens L
1
.
9.4.1

Equations dierentielles, problème de Cauchy
Rappelons dabord ce quon entend par problème de Cauchy pour une equation dierentielle.
Considerons par exemple le cas dune variable dynamique f(t) satisfaisant une equation dieren-
tielle lineaire du second ordre, ` a coecients constants, comme on en rencontre couramment en
Mecanique, en

Electricite, etc. Cette equation est completee par deux conditions au bord (ou
conditions initiales), ce nombre etant bien s ur egal à lordre de lequation. On considère donc
le système
a
2

f +a
1

f +a
0
f = g(t)
f(t)
t=0
= f
0
(9.10)
d
dt
f(t)
t=0
= f
1
.
Au nal, la fonction f satisfaisant (9.10) est unique, et on dit que le problème de Cauchy
admet une solution unique. Dun point de vue physique, cette unicite de la solution pour des
conditions initiales donnees est etroitement liee ` a la question du determinisme de la physique
classique : une fois donnees la position et la vitesse de depart et les equations du mouvement,
la dynamique du système est completement determinee à tous les temps ulterieurs.
On connat le principe de resolution : recherche de la solution generale de lequation ho-
mogène (sans second membre g), puis recherche dune solution particulière de lequation avec
second membre, enn determination des constantes dintegration en utilisant les conditions
initiales.
La transformation de Laplace va nous permettre de mener toutes ces operations simul-
tanement. Soit

f(p) la transformee de Laplace de f. On a
a
2
(p
2

f(p) pf
0
f
1
) +a
1
(p
f(p) f
0
) +a
0

f(p) = g(p)
do` u lon tire
f(p) =
g(p)
a
2
p
2
+a
1
p +a
0
+
a
2
(pf
0
+f
1
) +a
1
f
0
a
2
p
2
+a
1
p +a
0
, (9.11)
et il ne reste plus qu` a eectuer une transformation de Laplace inverse pour obtenir f(t)
f(t) =
1
2i
_
Bx
e
pt
g(p)
a
2
p
2
+a
1
p +a
0
dp +
1
2i
_
Bx
e
pt
a
2
(pf
0
+f
1
) +a
1
f
0
a
2
p
2
+a
1
p +a
0
dp , (9.12)
avec une integration le long dune droite de Bromwich. Le premier terme peut etre considere
comme une solution particulière de lequation avec second membre (la solution ` a f
0
= f
1
= 0),
tandis que le second est la solution generale (si f
0
et f
1
sont consideres comme des paramètres
arbitraires) de lequation sans second membre. Linteret de la methode est son caractère general
et systematique : pas besoin de chercher une solution particulière, (9.12) nous la fournit gra-
cieusement ! En pratique, le calcul explicite des integrales dans (9.12) est mene avec laide du
theorème des residus.
Un exemple simple
Soit à resoudre le système
f +f = 2 cos t f(0) = 0

f(0) = 1 .
Selon ce qui precède, g(t) = 2 cos t, g(p) = 2p/(p
2
+ 1), donc (9.11) donne
f(p) =
2p
(p
2
+ 1)
2

1
(p
2
+ 1)
dont il faut prendre la transformee de Laplace inverse. On peut faire ce calcul par le theorème des
residus, mais il est plus simple dobserver que
1
(p
2
+1)
= L[sin t] et
2p
(p
2
+1)
2
=
d
dp
1
(p
2
+1)
= L[t sin t]
(cf (9.6-9.7)), do` u la solution du problème f(t) = (t1) sin t, obtenue avec une grande economie
de moyens !
Fonction de transfert, susceptibilite, etc
Examinons la structure generale des formules (9.11-9.12). On appelle fonction de transfert
la fonction (de la variable de Laplace p)
Z(p) = a
2
p
2
+a
1
p +a
0
(ou plus generalement, pour une equation dierentielle lineaire du n-ième ordre ` a coecients
constants a
q
, Z(p) =
n
q=0
a
q
p
q
). Les zeros z
k
de Z(p) donnent des p oles (simples ou multiples)
` a

f(p), qui par transformation de Laplace inverse, donnent des exponentielles e
z
k
t
, (fois peut-
etre des puissances de t, cf (9.8)).
Dans le cas o` u Z(p) na que des p oles simples, Z(p) =
2
k=1
(p z
k
), la solution a la forme
generale f(t) =
2
k=1
A
k
Z
(z
k
)
e
z
k
t
o` u A
k
incorpore les conditions initiales.
Il est aussi dusage de denir la susceptibilite (p) =
1
Z(p)
, qui decrit la reponse du système
f ` a la source g ; par transformee de Laplace inverse, on construit (t), et la dependance de la
reponse f(t) dans la source g est via une integrale de convolution f(t) =
_
t
0
ds(ts)g(s)+ ,
o` u les points de suspension contiennent la dependance dans les conditions initiales, cf (9.12).
9.4.2 Exemple : Circuit LRC
Un exemple typique du problème precedent est celui du circuit LRC se chargeant ou se
dechargeant, voir Fig. 9.1. La tension u aux bornes du condensateur satisfait
LC u +RC u +u = v
o` u v est la tension appliquee aux bornes du circuit. Les conditions initiales specient les valeurs
de u(0) = u
0
et de u(0) = u
1
=
i
0
C
, i
0
le courant initial dans le circuit.
R
L
C
Figure 9.1 Circuit LRC.
On va considerer deux situations dierentes.
1. Le circuit nest pas charge et le courant y est nul, u
0
= u
1
= 0. On le branche au temps
t = 0 ` a un generateur v = V e
it
(comme toujours, on prendra la partie reelle de u ` a la n des
calculs.)
2. Le circuit est alimente pour t 0 par un generateur v = V = const ; au temps t = 0, on
ouvre le circuit (on deconnecte le generateur). Donc les conditions initiales sont u
0
= V , u
1
= 0.
La forme generale de la solution (9.11-9.12) fournit, avec Z(p) = LCp
2
+RCp + 1
u(p) =
v(p)
Z(p)
+
LCu
0
p +LCu
1
+RCu
0
Z(p)
. (9.13)
Les zeros de Z(p) sont en z
=
R
2L

1
2L
_
R
2
4L
C
. La susceptibilite du circuit se calcule
explicitement, selon le signe de = R
2
4L/C (quon supposera non nul)
(t) =
1
2i
_
dpe
pt
1
Z(p)
=
Res
_
e
pt
Z(p)
, z
_
= H(t)
_
_
_
2
C
e
Rt/2L
sinh(
2L
t) si > 0
2
C
e
Rt/2L
sin(
2L
t) si < 0 .
1. fermeture du circuit : le deuxième terme de la solution (9.13) est nul, il reste
u(t) = V
_
t
0
ds(t s)e
is
et on calcule
u(t) =
V e
it
Z(i)
+
V
LC(z
+
z
)
_
e
z
+
t
z
+
i

e
z
t
z
i
_
. (9.14)
Aux grands temps, comme 1e (z
) < 0, seul subsiste le premier terme, proportionnel ` a la

source, tandis que les deux derniers termes decrivent le comportement transitoire du circuit.
2 4 6 8 10
1.0
0.5
0.5
1.0
Figure 9.2 Les courbes pointillee, resp. brisee, representent le premier, resp le second terme de
(9.14), et la courbe pleine, la somme, cest-à-dire la solution u(t). On a pris R = C = L = = V = 1.
2. ouverture du circuit : cette fois, lequation est homogène, seul demeure le deuxième terme
de (9.13).
u(p) =
LCp +RC
Z(p)
V =
1
LC(z
+
z
)
(LCp +RC)
_
1
p z
+
1
p z
_
V
do` u
u(t) =
V
z
+
z
_
e
z
+
t
_
z
+
+
R
L
_
e
z
t
_
z
+
R
L
_
_
.
L` a encore, puisque 1e (z
) < 0, u(t) 0 pour t , comme on sy attend pour ce processus

de decharge.
2 4 6 8
0.2
0.4
0.6
0.8
1.0
Figure 9.3 La courbe de decharge du circuit, dans le cas (2), toujours avec R = C = L = =
V = 1.
Il faudrait completer cette discussion par le cas o` u = 0, R
2
= 4LC. Comme on sait bien
et comme on le retrouve ici via la transformation de Laplace, apparaissent alors des fonctions
te
at
. . .
9.4.3

Equations lineaires aux derivees partielles
La methode faisant appel à la transformation de Laplace peut aussi sappliquer aussi à des equations
dierentielles ` a coecients non constants, ou à des equations aux derivees partielles lineaires. Illustrons-le sur
le cas de la desintegration radioactive rencontre au chap 5.
On y considerait la fonction generatrice (x, t) =

N0
N=0
x
N
P
N
(t) des probabilites davoir N noyaux dans
letat initial au temps t ; on avait montre à lequation (5.70) que satisfait lequation aux derivees partielles
lineaire
t
(x, t) = (1 x)

x
(x, t) . (5.70)
avec des conditions aux limites quon va preciser. Considerons la transformee de Laplace

(x, p) de H(t)(x, t)
par rapport à la variable t (ce qui est naturel puisque dans ce problème t 0). Elle satisfait lequation
dierentielle ordinaire (
t
est la derivee par rapport à x)
(1 x)
t
(x, p) = p
(x, p) ,
equation à variables separees quon intègre en
(x, p) =

(0, p)(1 x)
p/
. (9.15)
Cest le moment de preciser les conditions aux limites.
`
A x = 0, (0, t) = P
0
(t) = (1 e
t
)
N0
puisque
chaque noyau a la probabilite 1 e
t
de setre desintegre au temps t et que ces noyaux se desintègrent
de fa con independante. Donc H(t)(0, t) =

N0
N=0
C
N
N0
(1)
N
e
Nt
H(t) dont la transformee de Laplace est
(0, p) =

N0
N=0
C
N
N0
(1)
N 1
p+N
. Après insertion dans (9.15) et transformation de Laplace inverse, on obtient
pour t 0 et a > 0
(x, t) =
1
2i
_
a+i
ai
N0
N=0
C
N
N0
(1)
N
1
p +N
(1 x)
p/
e
pt
dp
=
N0
N=0
C
N
N0
(1)
N
(1 x)
N
e
Nt
=
_
1 (1 x)e
t
_
N0
(9.16)
qui est le resultat obtenu en (5.71), do` u lon tire la probabilite cherchee P
N
(t) = C
N
N0
(1 e
t
)
N0N
e
tN
.
On voit que la transformee de Laplace nous a permis de reduire une equation aux derivees partielles (PDE
dans lacronyme anglo-saxon) en une equation dierentielle ordinaire (ODE), et de deduire la solution à x ni
de celle à x = 0.
Jai suivi la discussion de W. Appel [1] completee par celle de L. Schwartz [8], quon pourra
consulter pour plus de details. Le livre de C. Aslangul [2] contient de très nombreuses applica-
tions physiques.
Chapitre 10
Aspects de la theorie des groupes
R ole fondamental de la theorie des groupes en physique : transformations dun système (par
rotations, reexions, translations. . .), eventuellement invariances. Groupe des transformations,
groupe dinvariance dun système donne.
Dierents types de groupes et leur importance en physique
groupes nis : par ex. groupe dinvariance de rotation dune molecule ou dun cristal, sous-
groupe du groupe SO(3) des rotations de R
3
groupes innis discrets : par ex. groupe dinvariance dun cristal inni (rotations, reexions,
translations,. . .)
groupes continus compacts : groupes U(n), SU(n), O(n), SO(n),. . . (U(1) groupe de jauge
de lelectrodynamique, groupe SO(3) des rotations, groupes SU(2) et SU(3) en physique des
particules, etc)
groupes continus non compacts : groupe de Galilee dinvariance de la Mecanique classique,
groupes de Lorentz et de Poincare de la Relativite restreinte, . . .
On va se borner à introduire et etudier sommairement deux concepts fondamentaux :
representations lineaires dun groupe
avec la notion de representation irreductible et le lemme de Schur ;
groupes de Lie et algèbres de Lie
generateurs innitesimaux, et representations de lalgèbre de Lie
et les illustrer sur lexemple de l
algèbre de Lie de SO(3) et ses representations
ce qui fera la jonction avec le cours de Mecanique Quantique.
184 Chap.10. Aspects de la theorie des groupes
10.1 Representations lineaires des groupes
10.1.1 Denition
Dans de nombreuses situations en physique ou en mathematiques, on a à considerer laction
dun groupe G dans un espace vectoriel E. Le groupe agit par des operations lineaires du groupe
lineaire de E, note GL(E) (ou plus precisement GL(E, R) ou GL(E, C), selon les cas).
`
A tout
element g G on associe un operateur lineaire inversible D(g) GL(E). E peut etre lespace
physique, comme R
3
, ou un espace de tenseurs sur R
3
, ou etre plus general encore. (Il faut bien
voir quun groupe peut aussi agir sur des ensembles qui ne sont pas des e.v., cf par exemple
laction du groupe des rotations SO(3) sur la sphère S
2
R
3
.)
Il est naturel dimposer que la loi de composition du groupe est compatible avec celle dans le
groupe GL(E), ou en termes plus mathematiques, que lapplication G GL(E) : g D(g)
est un homomorphisme de groupes
g
1
, g
2
G D(g
1
.g
2
) = D(g
1
)D(g
2
) . (10.1)
On appelle representation du groupe G dans lespace E un tel homomorphisme G GL(E).
Noter que (10.1) implique que si e est lelement neutre de G, D(e) = I, loperateur identite
dans E, et que D(g)
1
= D(g
1
).
Letude et la classication des representations des groupes est un domaine important des
mathematiques, aux très nombreuses applications physiques.
10.1.2 Representations reductibles ou irreductibles
Supposons quune representation G (E, D) laisse un sous-espace E
1
de E invariant
x E
1
g G D(g)x E
1
.
Une telle representation est dite reductible. Dans le cas contraire (pas de sous-espace invariant)
on dit que la representation est irreductible. Dans les cas qui vont nous occuper (groupes nis
ou continus compacts), on peut toujours se ramener à une situation o` u une representation
reductible D laisse aussi un sous-espace E
2
supplementaire de E
1
invariant. Autrement dit (si
E est de dimension nie), la matrice de D(g) secrit dans une certaine base sous forme de blocs
D(g) =
_
D
1
(g) 0
0 D
2
(g)
_
o` u D
1
, resp. D
2
, est une representation de G dans E
1
, resp. E
2
.
10.2. Groupes et algèbres de Lie 185
Inversement on voit que toute paire de representations D
1
et D
2
dun groupe G donne, dans
des espaces E
1
et E
2
permet de construire une autre representation dans lespace E
1
E
2
somme
directe de E
1
et E
2
. Il va sure de savoir construire (et classier si possible) les representations
irreductibles pour construire les representations les plus generales.
10.1.3 Lemme de Schur
Un lemme important que nous admettrons enonce que
Lemme de Schur : Dans une representation irreductible de G dans GL(E, C), tout operateur
commutant avec tous les D(g) est un multiple de lidentite.
Donc si V tel que g G, D(g)V = V D(g), alors V = I. Le lemme est en defaut si la
representation nest pas irreductible, ou si elle est sur les reels. Exemple G = SO(2), D() =
_
cos sin
sin cos
_
, cf ci-dessous, groupe commutatif (abelien), donc D()D() = D()D()
semble un contre-exemple au lemme, mais ici la representation nest pas irreductible sur C,
puisque les sous-espaces colineaires aux vecteurs
_
1
i
_
sont invariants par les D().
10.2 Groupes et algèbres de Lie
Un groupe de Lie est un groupe topologique
1
dote de proprietes de dierentiabilite. On
va donc etre naturellement conduit ` a y considerer des operations innitesimalement proches
de lidentite. La propriete remarquable dun groupe de Lie est que la connaissance de ces
transformations innitesimales et de lalgèbre de Lie quelles forment sut essentiellement ` a
reconstruire tout le groupe. Cest ce que nous allons illustrer sur trois exemples de complexite
croissante.
10.2.1 Groupes R, U(1) et SO(3). Algèbre de Lie
Le plus simple des groupes continus est celui des translations ` a une dimension :
t(a) : x x
t
= x + a, avec x et a des variables reelles x, a R. Pour toute fonction reelle
f(x), denissons la nouvelle fonction f
t
= t(a)f par f
t
(x
t
) = f(x) ou de facon equivalente,
f
t
(x) = f(x a). La loi de composition de ces transformations (loi de groupe) est
t(b) t(a) = t(a +b) . (10.2)
1. Un groupe topologique est un groupe muni dune topologie, telle que les operations de produit et de
passage à linverse soient continues.
La loi est commutative, le groupe est abelien. Ce groupe est en fait R avec la loi de groupe
fournie par laddition des reels. Cest un groupe de dimension (reelle) egale ` a 1.
Si a est innitesimal, on peut ecrire f
t
(x) f(x) a
d
dx
f(x) ou encore
f
t
(x) =
_
1 a
d
dx
_
f(x)
soit encore, en denissant la variation de la fonction
f(x) = f
t
(x) f(x) = a
_
d
dx
_
f(x) .
La variation innitesimale de la fonction est lineaire dans le paramètre a (on travaille au 1er
ordre !) et dans la fonction f, et donnee par laction du generateur innitesimal T
a
= aT =
a
_
d
dx
_
.
Noter que la loi de groupe (10.2) et sa propriete de commutativite se traduisent au niveau
innitesimal par la commutativite des generateurs
[T
a
, T
b
] = T
a
T
b
T
b
T
a
= 0 .
Les transformations continues (et dierentiables) du groupe impliquent donc lexistence des
generateurs innitesimaux avec des proprietes qui reètent la loi de groupe. Inversement une
fois connu le generateur innitesimal T =
d
dx
, il est possible de reconstruire la transformation
nie par action exponentielle
exp(aT)f(x) = (1 aT +
1
2
a
2
T
2
+
a
3
3!
T
3
+ )f(x)
=
_
1 a
_
d
dx
_
+
a
2
2
_
d
dx
_
2
+
(a)
3
3!
_
d
dx
_
3
+
_
f(x)
= f(x a)
qui nest autre que la serie de Taylor, que nous supposons convergente (f analytique reelle).
Ces considerations setendent sans diculte ` a des translations t(a) dans lespace R
d
et ` a des
fonctions f des d variables (coordonnees) x
1
, , x
d
. La loi de groupe est toujours additive et
donc commutative t(a) t(b) = t(a + b) = t(b) t(a), le groupe nest autre que R
d
avec son
addition. Loperateur innitesimal est maintenant loperateur dierentiel T
a
= a.T avec T le
vecteur gradient T =

=
_
d
dx
1
,
d
dx
d
_
, et la formule de Taylor ` a d variables sapplique.
10.2.2 Groupe de rotation à deux dimensions SO(2)
Considerons maintenant le groupe des rotations ` a deux dimensions, note SO(2). Lelement
generique R() depend dun paramètre continu, langle de rotation deni modulo 2. La
rotation R() agit sur les vecteurs x du plan par
x x
t
= R()x (10.3)
o` u la notation doit etre comprise comme laction dun operateur lineaire sur le vecteur x, ou en-
core, dans un repère orthogonal, comme laction dune matrice orthogonale sur les composantes
x
1
, x
2
de x
x
t
=
_
x
t
1
x
t
2
_
=
_
cos sin
sin cos
__
x
1
x
2
_
(10.4)
(la matrice est orthogonale par denition de SO(2), ou encore, geometriquement, parce que les
transformations considerees preservent la norme | x
t
|=| x |, or x
t
.x
t
= x
T
(R
T
().R())x =
x.x donc R
T
().R() = 1l). Ces rotations se composent comme on sait bien
R()R() = R( +) = R()R() (10.5)
de facon à nouveau additive (en ) et commutative.
On peut aussi etudier ce groupe des rotations du plan autour de lorigine à laide de la coordonnee complexe
z = x
1
+ ix
2
. La transformation (10.4) sexprime par z
t
= e
i
z et on parle alors du groupe U(1), groupe
multiplicatif des nombres de module 1. On a donc lisomorphisme de groupes SO(2)
= U(1).
Dans le groupe SO(2), les generateurs innitesimaux sont des operateurs, ou des matrices
2 2. En eet, prenant innitesimal et developpant au premier ordre, cos 1, sin ,
donc
1 R() = 1l iJ = 1l i
_
0 i
i 0
_
avec J =
_
0 i
i 0
_
(10.6)
o` u lapparition du i peut paratre curieuse dans ce problème reel, mais est utile si on veut
considerer le generateur innitesimal J comme hermitien (plutot quantisymetrique reel donc
antihermitien).
Considerons maintenant la loi de groupe (10.5) pour = d innitesimal, en faisant usage
de (10.6) :
R( + d) = R(d)R() = (1l idJ)R() = R() idJR()
donc dR() = idJR(). On obtient donc lequation dierentielle
d
d
R() = iJR() (10.7)
o` u J est, rappelons le, une matrice xe, independante de . Cette equation dierentielle du
premier ordre à coecients constants et homogène, completee par la condition initiale R(0) = 1l,
se resout immediatement en
R() = exp iJ . (10.8)
Exercice. Pour J =
_
0 i
i 0
_
, verier que lexponentiation de iJ reproduit bien la matrice de R() donnee
plus haut. (Indication : calculer les puissances successives J
2
, J
3
, , J
n
et construire expiJ par son
developpement en serie.)
Laction (10.3) des rotations de SO(2) sur les vecteurs x R
2
nous donne un exemple de
representation. Cette representation est irreductible (sur les reels). Dautres representations
(irreductibles ou non) seraient fournies par laction de SO(2) sur des tenseurs.
10.2.3 Generateurs innitesimaux de SO(3)
Etudions maintenant le groupe SO(3) des rotations de lespace euclidien R

3
et ses generateurs
innitesimaux. Une rotation de SO(3) est speciee par son axe porte par un vecteur unitaire
n et langle de rotation . On la notera R
n
(). Attention que R
n
() = R
n
(), il faut donc
choisir 0 , et n quelconque sur la sphère unite, n S
2
. Une rotation de R
3
depend
donc de 3 paramètres reels, et on dit que le groupe SO(3) est de dimension 3.
Pour un angle d innitesimal, R
n
(d) dière de loperateur identite par un terme dordre
d, denissant le generateur innitesimal (un operateur). Comme dans le cas de SO(2) nous
suivons lusage des physiciens en ecrivant les generateurs innitesimaux des rotations comme
des operateurs hermitiens J = J
. Ainsi on ecrit au premier ordre en d

R
n
(d) = (I idJ
n
) (10.9)
o` u J
n
est le generateur de ces rotations
2
, une matrice 3 3, qui est hermitique comme
consequence de lunitarite (ou simplement ici, de lorthogonalite) de R
n
: R
n
.R
n
= I.
Pour trouver lexpression explicite de ces generateurs innitesimaux, on peut les considerer
soit comme des matrices 3 3 agissant sur les composantes des vecteurs x de R
3
(comme on a
fait pour SO(2)), soit comme des operateurs dierentiels agissant sur les fonctions de x (cf le
cas du groupe R). Pour une rotation innitesimale R
n
(d) agissant sur x, le vecteur transforme
x
t
est tel que x
t
x est orthogonal ` a x et à n, donc secrit
x
t
= x + d n x. (10.10)
Une fonction scalaire de x se transforme selon f
t
(x
t
) = f(x) soit pour une rotation innitesimale
f
t
(x) = f(R
1
x) = f(x d n x) = (1 d n x

)f(x) = (1 id n J)f(x) (10.11)
avec J
n
= i n x

x
soit encore
J
n
= n J avec J = ix

x
. (10.12)
2. Ne pas confondre J
n
indexe par le vecteur n, avec J
k
, kième composante de J. La relation entre les deux
va etre donnee ci-dessous.
Remarque. Dans le cours de mecanique quantique, on sest interesse ` a loperateur de moment
cinetique orbital L qui dière du present generateur J par un facteur : L = J. Attention !
J, operateur de moment angulaire total du cours de mecanique quantique, ne doit pas etre
confondu avec le present J.
Par ailleurs, introduisons les trois matrices de base J
1
, J
2
et J
3
qui decrivent les rotations
innitesimales autour des axes correspondants. De (10.10) on tire
J
1
=
_
_
_
0 0 0
0 0 i
0 i 0
_
_
_
J
2
=
_
_
_
0 0 i
0 0 0
i 0 0
_
_
_
J
3
=
_
_
_
0 i 0
i 0 0
0 0 0
_
_
_
(10.13)
ce quon peut exprimer par une formule unique
(J
k
)
ij
= i
ijk
(10.14)
` a laide du tenseur complètement antisymetrique
ijk
. Les trois matrices J
i
, i = 1, 2, 3 satisfont
les très importantes relations de commutation suivantes
[J
i
, J
j
] = i
ijk
J
k
(10.15)
quon verie aussi sur la forme (10.12). On a utilise la convention de sommation sur les indices
repetes, il y a donc un
3
k=1
implicite au membre de droite de (10.15). Par exemple (10.12)
nous donne J
1
= J
x
= i(y

z
z

y
), J
2
= J
y
= i(z

x
x

z
) do` u on tire [J
1
, J
2
] = iJ
3
.
Les generateurs innitesimaux etant determines, comment reconstruit-on les rotations -
nies ? Les rotations R
n
() autour dun axe n donne forment un sous-groupe (on parle de sous-
groupe à un paramètre) ; ces matrices commutent, le sous-groupe est commutatif (ou abelien).
Par la propriete de groupe,
R
n
( + d) = R
n
(d)R
n
() = (I idJ
n
)R
n
() , (10.16)
ou encore
R
n
()
= iJ
n
R
n
() (10.17)
equation dierentielle, qui, compte tenu de R(0) = I, sintègre en
R
n
() = e
iJ
n
. (10.18)
Comme la montre (10.12), on peut toujours ecrire
J
n
=
k
n
k
J
k
donc R
n
() = e
i
P
k
n
k
J
k
. (10.19)
Attention! En raison de la non-commutation des generateurs innitesimaux J
1
, J
2
et J
3
,
cf (10.15), la propriete bien connue de la fonction exponentielle e
a
e
b
= e
a+b
ne sapplique
pas : il ne faut pas ecrire e
i
P
k
n
k
J
k
?
=
k
e
in
k
J
k
.
Une autre facon decrire une rotation nie en termes des generateurs J
i
est dutiliser la
parametrisation des angles dEuler, cf Fig. 10.1. On a R(, , ) = R
z
()R
y
()R
z
(), avec
R
y
= e
iJy
, R
z
() = e
iJz
.
Z
z
u=R ( ) y
y
z
x
Y=R ( ) u
Z=R ( ) z

u

Figure 10.1 Angles dEuler
10.3 Algèbre de Lie de SO(3) et ses representations
10.3.1 Algèbre de Lie so(3)
Recapitulons : nous venons dintroduire lalgèbre de commutation des generateurs innitesimaux
(ou algèbre de Lie) du groupe SO(3), notee so(3). Elle est denie par les relations (10.15). On
utilise aussi beaucoup les trois combinaisons
J
z
J
3
, J
+
= J
1
+iJ
2
, J
= J
1
iJ
2
. (10.20)
Il est immediat de calculer
[J
3
, J
+
] = J
+
(10.21a)
[J
3
, J
] = J
(10.21b)
[J
+
, J
] = 2J
3
. (10.21c)
On verie aussi que loperateur
J
2
= J
2
1
+J
2
2
+J
2
3
= J
2
3
+J
3
+J
J
+
(10.22)
10.3. Algèbre de Lie de SO(3) et ses representations 191
commute avec tous les J
[J
2
, J
.
] = 0 . (10.23)
J
2
est loperateur de Casimir de lalgèbre de Lie so(3).
Lexpression des generateurs innitesimaux a ete trouvee dans la representation (10.13) du
groupe SO(3) sur les vecteurs de R
3
(la representation de denition de SO(3)) ou dans celle
(10.12) sur les fonctions. On demontre que dans toute representation du groupe, les generateurs
innitesimaux J
i
, i = 1, 2, 3, satisfont les memes relations de commutation. De meme quune
representation dun groupe etait denie par un homomorphisme D du groupe G dans un groupe
lineaire GL(E), de meme on appelle representation de lalgèbre de Lie so(3) un homomorphisme
d de so(3) dans lespace End(E) des operateurs lineaires sur un certain e.v. E, cest-` a-dire
une application de so(3) dans End(E) compatible avec les relations de commutation, donc
satisfaisant
d[J
i
, J
j
] = [d(J
i
), d(J
j
)] = i
ijk
d[J
k
] (10.24)
(toujours avec la sommation sur k implicite). Dans la suite, on omettra le d et on parlera de la
representation de so(3) par les generateurs innitesimaux J
i
agissant dans lespace E.
De meme que les transformations nies des groupes de Lie SO(2) et SO(3) ont ete recons-
truites par exponentiation des transformations innitesimales, de meme on peut esperer que la
connaissance des representations de lalgèbre de Lie sut à reconstruire les representations du
groupe. Cest vrai . . . ` a une petite subtilite près que nous allons voir plus bas dans le cas de
SO(3).
En physique, nous sommes surtout interesses par les representations unitaires, o` u les
generateurs J
i
, i = 1, 2, 3 sont hermitiques, donc
J
i
= J
i
, i = 1, 2, 3 J
= J
. (10.25)
Limportance de loperateur de Casimir J
2
est liee au lemme de Schur : J
2
commutant avec tous
les generateurs innitesimaux, il commute avec leur exponentielle, donc avec les operateurs de
rotation, et ce, dans toute representation. Dans une representation irreductible, J
2
est donc un
multiple de lidentite, J
2
= I. Loperateur J
2
etant semi-deni positif, ce coecient est reel
non negatif et on peut lecrire sous la forme j(j + 1), j reel 0.
La construction des representations de lalgèbre so(3) consiste alors ` a considerer des vecteurs
propres de J
z
et à montrer que leur valeur propre m est bornee : j m j, et que j m
doivent etre des entiers, donc que j et m sont simultanement entiers ou demi-entiers, cf le cours
de Mecanique Quantique.
10.3.2 Representations de lalgèbre so(3) et representations du groupe
SO(3)).
Letude qui a ete menee dans le cours de Mecanique Quantique a donc eu pour eet de
construire toutes les representations irreductibles de lalgèbre de Lie so(3).
Theorème 10.1 : Une representation irreductible de lalgèbre de Lie so(3) est speciee par
un entier ou demi-entier non negatif, le spin j de la representation. La representation de spin
j est de dimension 2j + 1, et une base est fournie par les etats propres de J
z
notes [j, m) avec
m = j, j + 1, , j 1. Parmi ces representations, seules celles de spin j entier sont des
representations du groupe SO(3).
Le point subtil de cette construction est que toutes ces representations de lalgèbre de Lie
ne fournissent pas par exponentiation une bonne representation (au sens de la Def. du 10.1.1)
du groupe des rotations SO(3). Cela se voit aisement sur la facon dont une rotation de 2, en
principe lidentite, est representee : D(R
z
(2)) = exp 2iJ
z
= (1)
2j
I qui vaut I si le spin j est
entier mais I sil est demi-entier.
`
A la rotation identite, ce D associe la matrice I. Ces D ne
forment donc pas vraiment une representation du groupe SO(3) et on parle de representation
au signe près. La cause profonde de cette curiosite, la relation entre les groupes SO(3) et SU(2),
le role de leur topologie en tant que varietes (simplement connexes ou non), et nalement la
raison de lapparition de ces representations ` a un signe près en Mecanique Quantique (theorème
de Wigner), autant de sujets passionnants . . . que nous ne pourrons pas aborder ici !
Lectures supplementaires
Il existe de nombreux textes dintroduction ` a la theorie des groupes pour les physiciens.
On pourra consulter les notes de lun des cours que jai donnes sur le sujet, sur ma page
http ://www.lpthe.jussieu.fr/zuber/Z Notes.html
Index
abelien, groupe, 189
abscisse de sommabilite, 170
absolument continue, fonction, 79
accumulation, point d, 2
achevee, droite reelle, 3, 13
additivite denombrable, 21
adherence, 4
adjacentes, suites, 2
0
(aleph zero), 11
algèbre, 53
algèbre de Lie so(3), 190
analytique, fonction, 121
argument arg, fonction, 120
Banach, espace de, 6
Bayes, axiome de, 73
Bessel, fonctions de, 147
BolzanoWeierstrass, theor eme de, 3
bord oriente, 133
Borel, tribu de, 21
borelien, 21
Bromwich, droite de, 173
Buon, aiguille de, 96
Cantor, ensemble de, 12, 79
Cantor, fonction de, 79
caracteristique, fonction, 84
cardinal, 11
Casimir, operateur de, 191
Cauchy, integrale de, 140
Cauchy, partie principale de, 41
Cauchy, règle de, 116
Cauchy, suite de, 1, 6
Cauchy, theorème de, 139
CauchyRiemann, conditions de, 128, 130
changement de variable, 32
chemin, 131
circuit LRC, 179
col, methode du, 163
compact, espace, 5
complet, ensemble, 3
connexe, espace, 5
continue, fonction, 4, 14
contour dintegration, 137
convergence dominee, theorème de, 27
convergence en probabilite, 100
convergence en loi, 100
convergence normale (CV.N.), 10, 116
convergence presque s urement, 100
convergence simple (CV.S.), 7, 10
convergence uniforme (CV.U.), 7, 10, 116
convolution de distributions, 49
convolution de fonctions, 48
convolution et transformation de Fourier, 65
coordonnees cylindriques, 33
coordonnees polaires, 33
coordonnees spheriques, 33
correlation, fonction de, 81
covariance, 76
cumulant, 76
194 INDEX
dAlembert, theorème de, 143
decroissance rapide, fonction ` a, 63
denombrable, 11
dense, ensemble, 3, 4
densite de probabilite, 80
densite de probabilite jointe, 81
desintegration radioactive, 97, 181
dieomorphisme, 32
dierentiable, fonction, 127
dierentielle, forme, 127
Dirac, distribution de, 36, 41
Dirac, masse de, 22
Dirac, peigne de, 36, 41
Dirichlet, fonction de, 23
Dirichlet, theorème de, 57
disque de convergence, 116
distribution, 35, 39
distribution marginale, 81
distribution regulière, 40
distribution singulière, 41
distribution temperee, 67
domination, 27, 29
dual, espace, 39, 53
ecart-type, 75
equation de la chaleur, 110
escalier du Diable, 79
escalier, fonction en, 14, 24
esperance, 75
espace des epreuves, 72
espace topologique (e.t.), 4
etagee, fonction, 24
Euler, angles d, 190
Euler, formule d, 116
evenement atomique, 72
evenement compose, 72
evenement elementaire, 72
ferme, ensemble, 3, 4
ferme, intervalle, 2
fonction , 125, 166
fonction causale, 169
fonction derreur complementaire erfc, 106
fonction derreur erf, 106
fonction de transfert, 179
fonction exponentielle, 119
fonction logarithme, 120
fonction multivaluee, 120
fonction saut, 43
fonction signe, 44
fonction-test, 38
forme exacte, 134
forme lineaire, 39, 53
Fourier, serie de, 57
Fourier, transformee de, 58
fraction continue, 1
frontière, 11
frontière essentielle, 125
Fubini, theorème de, 26
generateur innitesimal, 186
generateur innitesimal des rotations, 188
generatrice, fonction, 85
, fonction , 125, 166
Green, fonction de, 51
GreenRiemann, formule de, 135
harmonique, fonction, 51
Hausdor, espace de, 4
Heaviside, fonction de, 43
HeineBorel, theorème de, 5
hermitienne, fonction, 62
histogramme, 80
INDEX 195
holomorphe, fonction, 128
homomorphisme de groupe, 119, 184
homomorphisme de groupes, 119
homotopes, chemins, 132
impropre, integrale, 18
independants, evenements, 74
indicatrice, fonction, 11
indice dun chemin, 138
integrable au sens de Lebesgue, fonction, 25
irreductible, representation, 184
Jacobien, 32
Kolmogorov, axiomes de, 72
kurtosis, 76
Laplace, transformation de, 169
Laplace, transformation inverse, 173
Laurent, serie de, 146
Lebesgue, critère de, 30
Lebesgue, integrale de, 19, 24
Lebesgue, mesure de, 21
Lebesgue, theo. de convergence dominee, 27
Lie, groupe de, 185
limite superieure, inferieure, 13
Liouville, theorème de, 143
lisse, fonction, 39
localement compact, espace, 5
localement integrable, 40
logarithme complexe, 120
loi binomiale, 85, 87
loi de probabilite, 74
loi de Poisson, 91
loi des grands nombres, 101
loi forte des grands nombres, 101
loi normale, 88
lois dechelle, 112
marche aleatoire, 108
maximum, principe du, 143
MaxwellBoltzmann, distribution de, 97
mediane, 76
meromorphe, 145
mesurable, ensemble, 23
mesurable, espace, 22
mesurable, fonction, 23
mesure, denition, 21
mesure, espace, 22
mode, 80
moments, 75
Monte-Carlo, 103
mouvement brownien, 108
negligeable, ensemble, 22
norme, 5
norme, espace, 5
ondes, equation des, 55
ordre dun p ole, 147
ordre dun zero, 144
original, 170
ouvert, ensemble, 3, 4
ouvert, intervalle, 2
p ole, 145
p ole simple, 147
ParsevalPlancherel, theorème de, 64
partie principale de Cauchy, 41
partitions, 116
PDF, 80
phase stationnaire, methode de la, 166
pointe, plan, 120
Poisson, equation de, 51
presque partout, 23
presque s ur, p.s., 73
196 INDEX
primitive, 17
primitive dune forme, 134
principe de symetrie de Schwarz, 142
probabilite conditionnelle, 73
prolongement analytique, 123
propriete de Markov, 110
reglee, fonction, 17
repartition, fonction de, 77
residu, 148
residus, theorème des, 148
rayon de convergence, 116
representation à un signe près, 192
representation dun groupe, 184
representation de lalgèbre so(3), 191
representation reductible, irreductible, 184
Riemann, integrale de, 17
Riemann, sphère de, 5, 149
RiemannLebesgue, theorème de, 60
serie entière, 115
serie formelle, 115
Schur, lemme de, 185
Schwarz, principe de symetrie, 142
semi-norme, 5
separe, espace, 4
serie de Laurent, 146
serie reciproque, 115
-additivite, 21
simplement connexe, 132
singularite apparente, 145
singularite essentielle, 145
singularite isolee, 145
sinus cardinal, 65
SO(2), 186
SO(3), 188
sommable, fonction, 25
sphère de Riemann, 5, 149
spin dune representation, 192
Stokes, theorème de, 136
support, 14
support dune distribution, 41
susceptibilite, 179
Taylor, series de, 121
Taylor, theorèmes de, 14
Tchebychev, inegalite de, 76, 102
theorème limite central, 103
theorème des residus, 148
tribu, 21
tribu borelienne, 21
tribu engendree par . . ., 21
U(1), 186
univers, 72
valeur moyenne, 73, 75
variable aleatoire (v.a.), 74
variance, 75
voisinage, 4
Weierstrass, theorème de, 14

L3 2013

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

L3 2013

Transféré par

Droits d'auteur :

Formats disponibles

Formation Interuniversitaire de Physique

est une norme, pourquoi ?

du sup. Soit une serie

. De meme pour la borne inferieure

f(x)dx est deni par la limite double lima

= max (f, 0), toutes deux positives (ou

. Alors f est integrable (ou sommable)

le sont, autrement dit si [f[ est integrable, et on ecrit lintegrale de

= . Voir dautres exemples en TD.

son prolongement ` a R[a, b[ par 0. Par denition

est integrable de Lebesgue ssi

ne sannule pas sur , la fonction inverse

nest pas tr`es

) et ` a decroissance rapide ainsi que toutes

x, ou la fonction constante 1, sont localement integrables sur R mais pas

: T, ) = T, ), voir ci-dessous 3.5. Loperation est

T, il y a aussi convergence faible de toutes les derivees T

(), avec le temps propre, ds

ne pose pas de probl`eme :

, (x) (x) = (x) (0),

V , satisfont `a lequation de Poisson

Equation dune corde vibrante.

cos mx cos nxdx = (

sin mx sin nxdx =

cos mx sin nxdx = 0

f(x) cos nxdx b

f(x) sin nxdx (4.8)

, mais non integrable de Lebesgue,

f, = 1, , n sont integrables, alors

. Toute fonction ` a support borne est ` a decroissance

. Reciproquement, si une fonction integrable est de classe C

qui sont `a decroissance rapide ainsi que toutes leurs derivees.

(Prop. 4.7) ; toute derivee f

, T est maintenant un endomorphisme de o. De plus, la transformation de Fourier

f(k) g(k)dk (4.14)

XdP. En physique, on dit aussi sa

X, Y independantes nest en general pas vraie, on en verra un contre-exemple plus bas.

. Il est aise de voir que pour tout x, [f

f(x)dx = 1 , on dit quelle est normalisee. Noter que f(x)dx represente la

2 entre les points x =

2 o` u f est reduit dun facteur e par rapport ` a son maximum :

et la densite de probabilite f(x) de X, f(x) = F

qui est bien normalisee puisque

2). On y voit que erfc(1, 96/

, (cf les integrales gaussiennes du 5.4.3),

(inniment derivable) dans louvert ]x

. Ainsi, soit la fonction f(x) = e

, typiquement des conditions majorant la

f est dierentiable dans R

Comme on la rappele plus haut en (7.3), pour une fonction f : R

Figure 7.1 Le chemin

() est donnee par

. Dans le meme ordre

df = f((b)) f((a)) . (7.17)

(plan pointe `a lorigine), = dz/z est fermee,

= 0 pour tout chemin ferme dierentiable par morceaux et contenu dans .

o` u est un chemin dierentiable dans dorigine (x

= 0 pour tout chemin qui est le bord

, elle est fermee (localement

, en raison une fois encore des determinations

nest pas simplement connexe.

= 0, et on applique alors la Proposition 7.6. Pour une

df = f((b)) f((a)) comme en (7.17).