Vous êtes sur la page 1sur 90

Notes du cours d'quations aux Drives Partielles de l'ISIMA, deuxime anne

http://www.isima.fr/leborgne

Introduction la thorie des Distributions


Gilles Leborgne
8 mars 2006

Table des matires


1 Premires dnitions et proprits des distributions
1.1
1.2
1.3

1.4

1.5

1.6
1.7

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . .
L'espace D() des fonctions C () support compact . . .
1.2.1 Dnitions . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2 Convergence dans D() (au sens de D()) . . . . . .
L'espace D0 () . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.1 Dnitions . . . . . . . . . . . . . . . . . . . . . . . .
1.3.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.3 Remarque pour la notation intgrale . . . . . . . . . .
1.3.4 L'espace vectoriel D0 () . . . . . . . . . . . . . . . . .
1.3.5 Convergence (faible) dans D0 () . . . . . . . . . . . .
Masses de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4.1 Masse de Dirac a en a . . . . . . . . . . . . . . . . .
1.4.2 0 comme limite de fonctions portes . . . . . . . . . .
1.4.3 0 comme limite de fonctions de D(R) . . . . . . . . .
Dnitions d'oprations lmentaires sur les distributions . .
1.5.1 Translation (changement d'origine) . . . . . . . . . . .
1.5.2 Transposition et notation T . . . . . . . . . . . . . . .
1.5.3 Changement d'unit . . . . . . . . . . . . . . . . . . .
1.5.4 `Multiplication' : par une fonction C . . . . . . . . .
1.5.5 Application : a est un lment absorbant . . . . . .
Drivation des distributions . . . . . . . . . . . . . . . . . . .
1.6.1 Dnition . . . . . . . . . . . . . . . . . . . . . . . . .
1.6.2 Linarit de la drivation et passage la limite . . . .
Exemples de drivations . . . . . . . . . . . . . . . . . . . . .
1.7.1 Fonction C 1 (R) . . . . . . . . . . . . . . . . . . . . . .
1.7.2 Fonction C 0 (R), et C 1 (R) par morceaux . . . . . . . .
1.7.3 Fonction C 0 (R) par morceaux et C 1 (R) par morceaux
1.7.4 Masse de Dirac . . . . . . . . . . . . . . . . . . . . . .
1.7.5 Drivation d'ordre 1 d'un produit . . . . . . . . . . . .
1.7.6 Formule de Leibniz . . . . . . . . . . . . . . . . . . . .
1.7.7 Drivations successives d'une fonction tronque . . . .
1.7.8 Rsolution de T 0 = 0 . . . . . . . . . . . . . . . . . . .
1.7.9 Drivation de Log|x| et valeur principale de Cauchy .

2 Distribution support born, E 0 ()


2.1

2.2
2.3
2.4

Support d'une distribution, distribution support compact


2.1.1 max (T ) . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.2 supp(T ) et E 0 () . . . . . . . . . . . . . . . . . . . .
2.1.3 suppsing(T ) . . . . . . . . . . . . . . . . . . . . . . .
Dual de C () : E 0 () . . . . . . . . . . . . . . . . . . . .
Application : xT = 0 implique T = c0 . . . . . . . . . . . .
Gnralisation de la dnition : supports compatibles . . . .

3 Drivation et intgration sous le crochet

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

4
4
4
5
6
6
6
8
8
8
9
9
9
10
10
10
11
11
11
12
12
12
13
13
13
14
14
15
15
16
16
17
18

19

20
20
21
21
22
23
24

24

4 Produit tensoriel de distributions : thorme de Fubini


4.1
4.2

Thorme de Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5 Produit de convolution de fonctions


5.1
5.2
5.3
5.4
5.5

Rappel formel . . . . . . . . . . . . .
5.1.1 Dans R . . . . . . . . . . . .
5.1.2 Dans Rn . . . . . . . . . . . .
Dnition et cas L1 . . . . . . . . . .
Cas de g D() : rgularisation C
Suite rgularisante ou approximation
Rgularisation C d'une fonction en

. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
de l'identit
escalier . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

6 Produit de convolution de distributions


6.1

6.2
6.3
6.4

Dnition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1.1 Dnition formelle . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1.2 Domaines de dnition : supports convolables . . . . . . . . . . . . .
6.1.3 Application : convolution de fonctions L1loc (R) . . . . . . . . . . . . .
Rgularisation C des distributions . . . . . . . . . . . . . . . . . . . . . .
6.2.1 Rgularisation C des distributions . . . . . . . . . . . . . . . . . .
6.2.2 Densit de D() dans D0 () . . . . . . . . . . . . . . . . . . . . . .
Convolution d'une fonction par une distribution support compact . . . . .
6.3.1 Convolution par 1 et par des polynmes d'une distribution support
6.3.2 Autre exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Masses de Dirac et convolution . . . . . . . . . . . . . . . . . . . . . . . . .
6.4.1 Elment unitaire : masse de Dirac 0 . . . . . . . . . . . . . . . . . .
6.4.2 Translation : masse de Dirac a . . . . . . . . . . . . . . . . . . . . .
6.4.3 Drivation : drive de Dirac 00 . . . . . . . . . . . . . . . . . . . . .
6.4.4 Fonctions de Heaviside et H0 ex . . . . . . . . . . . . . . . . . . . .

7 Transforme de Fourier
7.1

7.2

7.3

7.4

7.5
7.6

Transformation de Fourier de fonctions . . . . . . . . . .


7.1.1 Srie de Fourier d'une fonction priodique . . . .
7.1.2 Introduction la transforme de Fourier . . . . .
7.1.3 Premires proprits de la transforme de Fourier
7.1.4 Notation F . . . . . . . . . . . . . . . . . . . . .
7.1.5 Notations, drivation et produit . . . . . . . . . .
Transforme de Fourier dans S . . . . . . . . . . . . . .
7.2.1 Dnition . . . . . . . . . . . . . . . . . . . . . .
7.2.2 F(S) S . . . . . . . . . . . . . . . . . . . . . .
7.2.3 Topologie sur S . . . . . . . . . . . . . . . . . . .
7.2.4 F : S S est continue . . . . . . . . . . . . . .
7.2.5 Densit de D(R) dans S . . . . . . . . . . . . . .
Les Gaussiennes et l'galit de Parseval . . . . . . . . .
7.3.1 talement ou concentration par Fourier . . . . .
7.3.2 Conservation des gaussiennes par Fourier . . . .
7.3.3 galit de Parseval . . . . . . . . . . . . . . . . .
7.3.4 Application : relations d'incertitude d'Heisenberg
Espace S 0 des distributions tempres . . . . . . . . . .
7.4.1 Dnition et exemples . . . . . . . . . . . . . . .
7.4.2 Convergence dans S 0 . . . . . . . . . . . . . . . .
7.4.3 Convergence pour les gaussiennes . . . . . . . . .
Transforme inverse dans S . . . . . . . . . . . . . . . .
Transforme de Fourier d'une distribution tempre . .
7.6.1 Dnition . . . . . . . . . . . . . . . . . . . . . .
7.6.2 F(S 0 ) S 0 . . . . . . . . . . . . . . . . . . . . .
7.6.3 Proprits . . . . . . . . . . . . . . . . . . . . . .
7.6.4 Transforme de Fourier de 0 et de a . . . . . .
7.6.5 Transforme de Fourier de 1R et de eix . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
compact
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

26

26
28

29

29
29
30
30
32
32
32

33

33
33
34
35
36
36
37
37
37
38
38
38
38
39
39

39
39
40
41
42
43
43
45
45
46
47
47
47
48
48
49
49
50
51
51
52
53
54
55
55
55
55
56
56

7.7
7.8
7.9

7.6.6 Exercice : transforme de Fourier d'une distribution support compact


Transforme inverse dans S 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Transforme de Fourier dans L2 . . . . . . . . . . . . . . . . . . . . . . . . . . .
change du produit simple et du produit de convolution . . . . . . . . . . . . .
7.9.1 change dans le cas des fonctions . . . . . . . . . . . . . . . . . . . . . .
7.9.2 Prliminaire : convergence et densit . . . . . . . . . . . . . . . . . . . .
7.9.3 change dans le cas des distributions tempres . . . . . . . . . . . . . .

8 Rsolution d'quations direntielles


8.1
8.2

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

10.1 Partition de l'unit, Formules de Stokes et de Green . . . . . . . . . . . . . .


10.1.1 Partition de l'unit . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10.1.2 Domaine rgulier, lment de surface et normale extrieure . . . . . .
10.1.3 Formule de Stokes . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10.1.4 Intgration par parties et formule de Green . . . . . . . . . . . . . . .
10.2 Formule des sauts dans l'espace et formule de Rankine-Hugoniot . . . . . . .
10.2.1 Formule des sauts dans l'espace . . . . . . . . . . . . . . . . . . . . . .
10.2.2 Formule de Rankine-Hugoniot . . . . . . . . . . . . . . . . . . . . . . .
10.3 quations aux drives partielles . . . . . . . . . . . . . . . . . . . . . . . . .
10.3.1 Existence et unicit dans E 0 (Rn ) . . . . . . . . . . . . . . . . . . . . .
10.3.2 quation de Laplace dans R3 : distributions et fonctions harmoniques
10.3.3 quation de Poisson dans R3 . . . . . . . . . . . . . . . . . . . . . . .
10.3.4 Principe du maximum et fonctions harmoniques . . . . . . . . . . . .
10.3.5 Retour l'quation de Poisson . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

8.3
8.4

8.5

Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Algbre de convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.2.1 Convolution de plusieurs distributions . . . . . . . . . . . . . . . .
8.2.2 Algbres de convolution . . . . . . . . . . . . . . . . . . . . . . . .
quations de convolution et solution lmentaire . . . . . . . . . . . . . .
8.3.1 Solution lmentaire dans une algbre de convolution . . . . . . . .
8.3.2 Contre-exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
quations direntielles . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.4.1 Calcul d'une solution lmentaire . . . . . . . . . . . . . . . . . . .
8.4.2 Remarque : drivation comme inverse de l'intgration dans D0 (R)+
8.4.3 Solution gnrale au sens des fonctions . . . . . . . . . . . . . . . .
8.4.4 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Calcul symbolique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.5.1 Produit d'inverses de convolution . . . . . . . . . . . . . . . . . . .
8.5.2 Application : Dcomposition en facteurs . . . . . . . . . . . . . . .
8.5.3 Rsum et notations symboliques pour le calcul de E = H0 w . . .
8.5.4 Application : calcul symbolique de Heaviside . . . . . . . . . . . .

.
.
.
.
.
.
.

9 Transforme de Laplace
9.1
9.2
9.3
9.4
9.5

Dnitions et holomorphie . . . . . . . . . .
9.1.1 Cas des fonctions et holomorphie . .
9.1.2 Cas des distributions et holomorphie
Drives et translations, exemples . . . . . .
Inversion de la Transforme de Laplace . . .
Transforme de Laplace et convolution . . .
Retour sur le calcul symbolique . . . . . . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

10 Rsolution d'quations aux drives partielles

A Annexe : topologie de D() et ordre d'une distribution

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

A.1 * topologie de D() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .


A.2 * Ordre d'une distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

57
58
58
59
59
59
60

62

62
62
62
63
64
64
65
65
65
67
67
68
69
70
70
71
71

73
73
73
74
75
76
76
77

78

78
78
78
80
81
82
82
83
83
83
84
85
85
86

86

86
88

1 Premires dnitions et proprits des distributions


1.1 Introduction
Les distributions gnralisent la notion de fonction et permettent de faire et justier des calculs
sans ambiguit. En particulier, on introduit la masse de Dirac a , ou mesure de Dirac, comme tant
l'oprateur qui agit sur les fonctions f qui sont continues en a R :
(1.1)

a (f ) = f (a).

On rappelle qu'un objet de densit : [a, b] R, o L1 ([a, b]), a sa masse donne par
Rb
M = a (x) dx. Mais cette formule n'est pas applicable pour un objet ponctuel de masse unit :
Ra
on aurait, si cet objet plac en a pouvait tre reprsent par une densit : 1 = M = a (x) dx = 0,
ce qui est absurde. Donc une masse ponctuelle ne peut pas tre mesure par une fonction (densit).
Ce sera la mesure (masse) de Dirac qui permettra de mesurer la masse d'un objet ponctuel.
La thorie des distributions permettra de faire des calculs systmatiques quand il s'agira de
calculer des valeurs (masse d'un objet ponctuel, charge lectrique ponctuelle, distribution de charges
lectriques...) non calculables de manire classique, ainsi que de drives des fonctions qui ne sont
mmes pas continues : la drivation ne sera pas une drivation au sens des fonctions mais une
drivation gnralise (au sens des distributions).
Notez que toutes les formules qu'on va tablir pour les distributions devront tre valides pour
les fonctions. On dit d'ailleurs que les distributions sont des fonctions gnralises.

1.2 L'espace D() des fonctions C () support compact


On se donne un ouvert de Rn (ventuellement Rn tout entier), pour n 1. On se placera le
plus souvent dans R pour simplier la prsentation.

1.2.1 Dnitions
Si f : R est une fonction de L1 () ( valeurs relles), on appelle support de f le ferm :

supp(f ) = adhrence de {~x : f (~x) 6= 0},

(1.2)

i.e., le plus petit ferm sur lequel f (x) 6= 0. C'est donc l'ensemble des points o il est intressant
d'tudier f (ailleurs f est identiquement nulle).
Par exemple dans R, la fonction de Heaviside H0 = 1[0,[ a pour support R+ (elle est nulle
sur R ). Et la fonction x x1]1,1] a pour support [1, +1], faire le dessin.
On note D() l'espace des fonctions relles C (, R) = C () support compact (ferm
et born) :
D() = { C () : supp() , supp() compact}.
(1.3)
En particulier, une fonction D() sera nulle dans un voisinage du bord de , puisque supp()
est un ferm de ouvert. D() est aussi appel l'espace des fonctions inniments lisses support
compact (appellation anglophone `innitly smooth').

Remarque 1.1 Si on se place dans un compact K de Rn , on a tout simplement :


K compact

D(K) = C (K),

(1.4)

puisque les fonctions de C (K) sont C et support compact. On ne considrera pas ce cas : on
verra qu'il faudra considrer D() avec ouvert pour ne pas avoir de problme avec le bord de ,
les fonctions de D() tant identiquement nulles dans un voisinage ouvert du bord de .

Exemple 1.2 L'espace D(R) n'est pas vide. Par exemple la fonction :

exp( 1 ),
1 x2
(x) =

0,

x ] 1, 1[,

(1.5)

x 6] 1, 1[,

dont le support est [1, 1] appartient D(] 2, 2[). On a galement D(] 1 , 1 + [) pour
tout > 0.
4

1.2. L'espace D() des fonctions C () support compact

Exemple 1.3 Plus gnralement, on note :

exp( 1 ( 1 1 ),
2 bx ax
ab (x) =

0,

x ]a, b[,

(1.6)

x 6]a, b[,

fonctions C (R) dont le support est [a, b] et qui appartiennent D(]a, b+[) pour tout > 0.

Exemple 1.4 Et dans Rn , considrer :


(~x) = exp(

1
),
1 |~x|2

(1.7)

si ~x est dans la boule unit, et 0 sinon.

Exemple 1.5 Pour f L1 () support born dans R (ou dans Rn avec intgrales multiples), si
D(), la fonction convole
Z
Z
(x) = (f )(x) =
f (t)(x t) dt (=
f (x t)(t) dt)
(1.8)
R

S
est une fonction de D(). En eet, est suport born inclu dans supp(f ) supp(). Et elle est
C (R) comme l'application du thorme de la convergence domine de Lebesgue le montre, puisque
k
(k)
presque tout t R, x f (t)(x t) est C k (en x), et | x
(t)|f (t)
k (f (t)(x t))| supR |
intgrable (indpendamment de x). On aura mme D() dense dans L1 ().

Exemple 1.6 (Rgularisation) On considre la fonction, pour n 1 :


(nx)
n (x) = R
(nx) dx
R

1 1
(donc supp(n ) = [ , ] et
n n

Z
n = 1).

(1.9)

Montrer que la fonction : = n 1]a,b[ est dans D(]a n2 , b + n2 [), est positive, et vaut 1 sur ]a, b[.
Cette fonction est une rgularise de la fonction discontinue 1]a,b[ . Faire le dessin.
T
Exercice 1.7 Montrer que si f et g sont deux fonctions, alors supp(f g) suppf suppg .
(Et, par exemple, si f = 1R+ et g = 1R alors f g = 0 et donc supp(f g) = , alors que
T
T
suppf = R+ et suppg = R d'o suppf suppg = {0}, et l'inclusion supp(f g) suppf suppg
est stricte.)

1.2.2 Convergence dans D() (au sens de D())


Dnition 1.8 On dit qu'une suite (n )nN de D() converge vers D() ssi :
K , K compact, tel que :

1) n N,

supp(n ) K,

2) i N,

sup | i n (x) i (x)| 0.


K

(1.10)

Donc les n ont toutes un support inclu dans un compact commun K , et elles convergent uniformment ainsi que toutes leurs drives vers (qui a donc son support inclus dans K ).

Remarque 1.9 Cette notion de convergence sera susante un `certain temps' : elle donnera la
continuit des distributions comme limite : si j au sens de la convergence (1.10), alors
j

T : D() R sera un oprateur continu si T (j ) T () dans R.


j

Par contre, pour certaines proprits des distributions support compact, on aura besoin de
regarder la topologie de D() (ses ouverts). Cette topologie est celle d'un espace mtrique non
norm (il n'y a pas de norme sur D() associe la distance), et sera rapidement dcrite quand
on abordera les distributions support compact.

1.3. L'espace D0 ()

1.3 L'espace D0 ()
1.3.1 Dnitions
Dnition 1.10 On appelle distribution T tout lment de L(D(), R) = D0 () ensemble des
formes linaires continues sur D(). I.e., toute fonctionnelle T : D() R telle que :
1. pour tout , D() et tout R :
(linarit),

T ( + ) = T () + T ()

(1.11)

2. si (n )nN est une suite de fonctions de D() qui converge vers D() (au sens de D()
voir (1.10)), alors :
dans R

|T (n ) T ()| 0
n

(continuit),

(1.12)

soit encore lim T (n ) = T ( lim n ) (dans R).


n

L'ensemble D () (dual topologique de D()) est appel espace des distributions sur .

Remarque 1.11 Donc, par dnition de la continuit de T , on peut passer la limite sous la
distribution T :

(1.13)

lim T (n ) = T ( lim n ) (= T ()).

ds que (n ) est une suite de D() qui converge vers D() au sens de D().

Notation : La linarit fait qu'on emploie le crochet de dualit :


T () = hT, i,
ou la notation intgrale :

D(),

(1.14)

T .

(1.15)

Z
T () =

Et la continuit de T fait qu'on peut passer la limite sous le crochet :

lim hT, n i = hT, lim n i

R
ou qu'on peut passer la limite sous le signe :
Z
Z
lim
T n = T lim n
n

(1.16)

(= hT, i),

Z
(=

(1.17)

T ),

ds que (n ) est une suite convergente dans D() (i.e. convergente au sens de D()).

1.3.2 Exemples
intgrables sur R,
Dnition 1.12 On appelle L1loc (R) l'espace des fonctions f qui sont localement
Z
i.e., l'ensemble des f intgrables sur tout compact K de R, i.e. t.q.

|f | dx < pour tout

compact K de R. En particulier, toute fonction intgrable est localement intgrable, et donc


L1loc (R) L1 (R), mais L1loc (R) 6 L1 (R) : par exemple la fonction 1R est L1loc (R) sans tre
dans L1 (R).

Dnition 1.13 Soit f L1loc (R). On appelle distribution rgulire T = Tf associe f : la


distribution dnie par :

D()

df
hTf , i =

Z
f (x)(x) dx.
R

(1.18)

On vrie que Tf ainsi dnie est bien une distribution. On identie dans ce cas Tf et f , et on
pourra noter hTf , i = hf, i.

1.3. L'espace D0 ()

Exemple 1.14 La fonction constante f =R1R dnit une distribution rgulire qui une fonction
associe son `aire sous la courbe' T1R () = R (x)
R dx.
Et pour une fonction f L1loc (R), Tf () = R (x) (f (x)dx) associe son aire pondre par
la densit dm = f (x)dx (une densit massique quand f est une fonction positive).

Exemple 1.15 La fonction x

1
x

ne dnit pas une distribution sur R. Mais sa restriction


]0, [ dnit une distribution rgulire dans D0 (]0, [).

Exemple 1.16 Le produit de deux distributions ne dnit pas forcment une distribution : La
fonction x 1

|x|

dnit une distribution sur R (elle est dans L1loc (R)) alors que son produit par

elle-mme ne dnit pas une distribution sur R.

Exemple 1.17 La masse de Dirac a dnie sur D(R) par :


df
a () = (a)
est une distribution. En eet la linarit est immdiate, et si n dans D(), alors en particulier
n (a) (a) (car supxR |n (x) (x)| 0). Donc a est continue.
1
R Mais ce n'est pas une distribution rgulire : si elle l'tait, il existerait f Lloc (R) telle a () =
f (x)(x) dx
R
R pour tout D(R), et en particulier pour tout D(R {a}) on aurait a () =
(a) = 0 = R f (x)(x) dx. Et donc f = 0 presque partout (pour la mesure de Lebesgue). D'o
a = 0. Ce qui est faux, puisque a () = e1 6= 0 (avec donn en (1.5)).
P
Exemple 1.18 Le peigne de Dirac kZ k D0 (R) dnit une distribution. Le vrier. Mais ce
n'est pas une distribution rgulire.

Exemple 1.19 La drive de la masse de Dirac a0 , dnie par ha0 , i = 0 (a) pour tout

D(R), est une distribution. De mme que toutes les drives de la masse de Dirac dnies sur D(R)
par :
df
ha(k) , i = (1)k (k) (a).
Le vrier. Mais ce ne sont pas des distributions rgulires.
P
Exemple 1.20 La fonctionnelle nk=0 0(k) dnit une distribution pour n N.
P (k)
Par contre la fonctionnelle k=1 0 ne dnit pas de distribution : considrer une fonction
P
P (k)
D(R) qui vaut ex au voisinage de 0 et pour laquelle h k=1 0 , i =
1 1 = 6 R.
(On pourra prendre par exemple (x) = ex (1 1[2,2] )(x) o 1 1[2,2] est la rgularise de la
fonction 1[2,2] , voir exemple 1.6.)
P
(k)
dnit une distribution. Le vrier.
Exemple 1.21 la fonctionnelle
k=1 k

Exemple 1.22 Dans Rn la masse de Dirac en ~0 donne ici h~0 , i = (~0) et au point ~a Rn :
h~a , i = (~a). On vrie que ce sont bien des distributions sur D(Rn ).
Exemple 1.23 Dans Rn , le moment d'inertie par rapport ~x0 d'une distribution support compact est dni par :

I(~x0 ) = hT, ||~x ~x0 ||2 i.

(1.19)

Si T = Tf est une distribution associe une fonction f support born K , le moment d'inertie
par rapport ~0 vaut :
Z
I(~0) =
f (~x) r2 dx,
(1.20)
K

o r = ||~x||. Et si T = ~a , alors I(~a) = ||~a||2 .

Exemple 1.24 Si T = Tf est une distribution rgulire avec f L1 (Rn ) de support excluant ~0,

i.e. f = 0 dans un voisinage de ~0, le potentiel Newtonien est dni au point ~x0 par :
Z
f (~x)
1
i=
d.
U (~x0 ) = hTf ,
||~x0 ~x||
||~
x
x||
n
0 ~
~
xR

(1.21)

Et pour la masse de Dirac ~a de support compact {~a} il est dni par :

U (~x0 ) = h~a ,

1
1
i=
,
||~x0 ~x||
||~x0 ~a||

pour ~x0 6= ~a.


7

(1.22)

1.3. L'espace D0 ()

1.3.3 Remarque pour la notation intgrale


La proprit de linarit de T fait qu'on peut utiliser formellement le signe de l'intgration :
Z
Z
T () = hT, i = T = hT (x), (x)i = T (x) (x) dx.
(1.23)
Mais attention, ce n'est qu'une notation formelle. En particulier T (x) ne veut rien dire puisque
seul T () a un sens : le domaine de dnition de T est l'ensemble des fonctions D() et non un
ensemble de points.
Par exemple, 0 (x) n'a aucun sens puisque 0 n'est pas une fonction. C'est 0 () pour une
fonction qui a un sens. Par contre l'criture abusive 0 (x) utilise dans l'expression h0 (x), (x)i
permettra d'allger les notations lorsque sera une fonction paramtre, x jouant alors le rle de
la variable `muette' d'intgration.
Ainsi on aura h0 (x), (x, y)i = (x, y)|x=0 = (0, y) alors que h0 (y), (x, y)i = (x, y)|y=0 =
df
(x, 0). Pour tre rigoureux, on aurait d'abord d dnir les fonctions y : x y (x) = (x, y)
df
et x : y x (y) = (x, y) et crire h0 , y i(= y (0) = (0, y)) dans le premier cas, et h0 , x i(=
x (0) = (x, 0)) dans le second cas.

1.3.4 L'espace vectoriel D0 ()


On dnit dans D0 () les oprations d'addition et de multiplication par un rel : pour deux
distributions S et T et un rel R, les distributions (S + T ) et (T ) sont dnies par :

hS + T, i df
= hS, i + hT, i, D(R)
(1.24)

df
hT, i = hT, i, D(R)
On vrie que les fonctionnelles (S + T ) et (T ) ainsi dnies sont bien des distributions. Et
D0 () = (D0 (), +, .), espace D0 () muni des oprations + (addition interne) et . (multiplication
externe), est ainsi un espace vectoriel.

Exemple 1.25 Montrez que si T = Tf et T = Tg sont deux distributions rgulires, alors Tf +


Tg = Tf +g (l'intgrale est linaire).
Remarque 1.26 L'addition de deux fonctions et la multiplication par un scalaire avaient t de

mme dnies par (f + g)(x) =df f (x) + g(x) et (f )(x) =df (f (x)) pour tout x ce qui faisait de
l'espace des fontions F(, R) un espace vectoriel. Et pour toutes fonctions localements sommables
f et g et tout R, on avait, l'intgration tant une opration linaire, pour tout D() :
Z
Z
Z
(f + g)(x) (x) dx =
f (x) (x) dx +
g(x) (x) dx
(1.25)

Soit, au sens des distributions (les fonctions f et g tant identies aux distributions rgulires Tf
et Tg ) :
hf + g, i = hf, i + hg, i, D()
(1.26)
Les oprations + et . dnies sur D0 () sont donc des gnralisations compatibles avec les oprations usuelles de l'intgration classique.

1.3.5 Convergence (faible) dans D0 ()


Dnition 1.27 On dit qu'une suite de distributions (Tn )nN de D0 () converge dans D0 () si
quelque soit D(), la suite des scalaires hTn , i converge (dans R) :

D(),

c R,

lim hTn , i = c .

On note alors c = T () la limite relle.

Proposition 1.28 Si elle existe, la limite T de la suite Tn est galement une fonctionnelle linaire
et continue sur D(), i.e. T dnit une distribution.
8

1.4. Masses de Dirac

Preuve. Pour tout , D() et tout R on a hT, + i = limn hTn , + i =

limn (hTn , i + hTn , i) = limn hTn , i + limn hTn , i = hT, i + hT, i, d'o la linarit.
Soit (k ) une suite de D() convergeant vers D(). On a limk hT, k i = limk limn hTn , k i.
On admet qu'on peut inverser les signes limites.D'o = limn hTn , i = hT, i, d'o la continuit.
Donc : (Tn ) converge vers T dans D0 () ssi :

D(),

hTn , i hT, i dans R,


n

(1.27)

ou encore si, x (quelconque), |Tn () T ()| 0 dans R. On note alors :


faiblement dans D0 ()

Tn * T

(1.28)

C'est similaire la convergence simple des fonctions : (fn ) converge simplement vers f si pour
chaque x (quelconque x), on a fn (x) f (x).
n

Ici, les distributions Tn ne sont pas des fonctions mais des fonctionnelles (elles agissent sur des
fonctions et non sur des points), et la convergence simple est appele convergence faible.

Exemple 1.29 Montrez que n * 0 dans D0 (R).

1.4 Masses de Dirac


1.4.1 Masse de Dirac a en a
La masse de Dirac en a R est la distribution dnie par :

D(),

df
ha , i = (a).

(1.29)

La masse de Dirac n'est pas une distribution rgulire (n'est pas identiable une fonction L1loc (R)),
voir exemple 1.17.

1.4.2

0 comme limite de fonctions portes

On regarde ici la masse de Dirac 0 en 0, la masse de Dirac a en a s'en dduisant facilement


par la translation :  a (x) = 0 (x a), voir plus loin.
Soit les fonctions `portes' :

1 1

n
,
[,
pour x ]
2n 2n
1
1
n (x) = n 1] 2n
=
(1.30)
, 2n [
1

0
pour |x|
,
2n
( dessiner) qui sont des fonctions de L1 (R) de masse 1 :
Z
Z
n (x) dx = 1
(=

1
2n

n dx).

1
2n

(1.31)

Cette suite de fonctions ne converge pas vers une fonction dans L1 (R) : cette fonction limite
vaudrait 0 sur R , et donc nulle presque partout, mais avec une Rmasse gale 1. (On vrie
d'ailleurs que ce n'est pas une suite de Cauchy dans L1 (R) puisque R |n (x) 2n (x)| dx = 1.)
Cependant, pour tout D(R) :
Z
n (x)(x) dx (0).
(1.32)
R

En eet, tant continue on a (x) = (0) + o(x) (dveloppement limit de ), et donc quelque
soit > 0, on peut choisir n susamment grand de telle sorte que cette intgrale soit encadre par
(0) et (0) + .
Donc les fonctions n de L1 (R) sont identiables des distributions rgulires qui tendent vers
0 au sens de D0 (R) (mais distribution non rgulire) : pour D(R) (quelconque) :

h0 , i = (0) = lim hn , i,
n

ou encore :
Et symboliquement, on peut noter

n * 0

R 0

dans D0 (R).

= 1.
9

(1.33)
(1.34)

10

1.5. Dnitions d'oprations lmentaires sur les distributions

Remarque 1.30 On aurait aussi bien pu utiliser les fonctions portes non centres n (x) = n 1]0, n1 [
au lieu des fonctions portes centres (1.30).
1.4.3

0 comme limite de fonctions de D(R)

On considre la fonction dnit en (1.5), et on va rtrcir son support, cela masse constante.
On considre pour n 1 les fonctions positives dnies en (1.9) :

(x)
df
1 (x) = R
,
(x)
dx
R

df
n (x) = n1 (nx),

qui satisfont , pour tout n N :

1 1
supp(n ) = [ , ],
n n

n (x) dx = 1.
R

On a alors au sens des distributions (mme dmarche que pour les fonctions portes) :

n * 0 dans D0 (R),
Z
i.e., pour toute fonction D(R) : lim
n (x) (x) dx = (0) R.
n

(1.35)

1.5 Dnitions d'oprations lmentaires sur les distributions


On dnit les oprations sur les distributions de manire retrouver les rsultats connus dans
le cas des fonctions intgrables. Ce sont des dnitions qu'on donne dans ce paragraphe.

1.5.1 Translation (changement d'origine)


Pour f une fonction localement sommable, on a, pour tout D(R) :
Z
Z
f (x a)(x) dx =
f (x)(x + a) dx.
R

(1.36)

On note a f la translate de f : `a f (x) = f (x a)'. On a donc au sens des distributions :

ha f, i = hf, a i,

D(R).

(1.37)

(On aurait d noter hTa f , i = hTf , a i, mais on a identi la distribution rgulire  Tf  avec
la fonction  f , ce que nous ferons dans la suite.)

Dnition 1.31 De mme pour une distribution T D(R), on dnit la distribution translate
a T D(R) par :

df
ha T, i = hT, a i,

D(R).

(1.38)

On vrie immdiatement qu'eectivement a T D(R). Et, avec des notations abusives,


voir (1.23) :
df
hT (x a), (x)i = hT (x), (x + a)i, D(R).
(1.39)

Exemple 1.32 On retrouve ainsi la masse de Dirac en a dnit par a = a 0 : pour tout
D() :

ha , i = ha 0 , i = h0 , a i = a (0) = (x + a)|x=0 = (a),

soit encore avec des notations abusives : a (x) = 0 (x a).

10

(1.40)

11

1.5. Dnitions d'oprations lmentaires sur les distributions

1.5.2 Transposition et notation T


Un changement de variables donne, pour f L1loc (R) et D(R) :
Z
Z
f (x)(x) dx =
f (x)(x) dx

(1.41)

On note f la fonction dnie par f(x) = f (x), et la formule ci-dessus s'crit au sens de D0 (R) :

hf, i = hf, i.

(1.42)

Dnition 1.33 Et on dnit pour une distribution T D0 (R) la distribution T par :


df
hT, i = hT, i,

(1.43)

D(R).

On vrie immdiatement qu'eectivement T D0 (R).


On peut noter alors (abusivement), si D(R) :
df
hT (x), (x)i = hT (x), (x)i.

(1.44)

Et on appelle `distribution paire' une distribution T D(R) qui satisfait T (x) = T (x), i.e.,
pour tout D(R), hTx , (x)i = hTx , (x)i.
Et une distribution de D(R) est dite impaire si T (x) = T (x).

1.5.3 Changement d'unit


Pour f localement sommable, R et D(R), on a par changement de variables :
Z
Z
1
x
f (x)(x) dx =
f (x)( ) dx.
(1.45)
||

Soit au sens des distributions :

hf (x), (x)i =

1
x
hf (x), ( )i.
||

(1.46)

Dnition 1.34 Et on dnit pour une distribution T D0 (R) la distribution S :


x
1
df
( )i,
hS, i = hT (x),
||

(1.47)

D().

On vrie immdiatement que S est bien une distribution sur R. On note `S(x) = T (ax)', ce qui
donne :
1
x
df
hT (ax), (x)i = hT (x),
( )i, D().
(1.48)
||

Exemple 1.35 ha (x), (x)i =

1
a
|| ( ),

et en particulier h0 (x), (x)i =

1
|| (0).

Donc attention !
On rappelle que les dnitions sont donnes pour gnraliser les oprations sur les fonctions.
Donc, de manire systmatique, les formules valides pour les fonctions seront valides pour les
fonctions gnralises qu'on appelle les distributions.

1.5.4 `Multiplication' : par une fonction C


On ne peut pas multiplier deux distributions entre elles. Par exemple la distribution Tf associe la fonction f (x) = 1x L1loc (R) ne peut pas tre multiplie par elle-mme : l'intgrale
R 1
(x) dx n'a pas de sens en gnral, ou encore la fonction x x1 ne dnit pas une distribution
R x
sur R.
Mais pour une fonction f L1loc (R) et une fonction C (R), on a pour tout D(R) :
Z
Z

f (x)(x) (x) dx =
f (x) (x) (x) dx,
(1.49)
R

et ce avec D(R) (vrication triviale). Soit au sens de D0 (R) :

hf , i = hf, i,
11

D(R).

(1.50)

12

1.6. Drivation des distributions

Dnition 1.36 Et si T D0 () est une distribution, ds que C () on dnira la distribution (T ) = (T ) D0 () par :

df
hT , i = hT, i.

D(),

(1.51)

On vrie immdiatement que T est bien une distribution sur R.

Remarque 1.37 Donc par dnition, la distribution S dnie par hS, i =df hT, i est note

indiremment S = T ou S = T .

1.5.5 Application : a est un lment absorbant


Pour la masse de Dirac 0 , si C (R) :

h0 , i = h0 , i = (0)(0) = (0)h0 , i = h(0)0 , i,


pour tout D(). Soit :

0 = (0)0 ,

dans D0 (R).

(1.52)
(1.53)

On voit ici le caractre `absorbant' de la masse de Dirac 0 : la distribution 0 est `nulle' l o 0


l'est, et dans la distribution 0 , seule la valeur de en 0 est intressante.

Exercice 1.38 Montrer que, si a R et C (R), alors :


(1.54)

a = (a)a ,
i.e. que a absorbe : seule la valeur de en a intervient.

Remarque 1.39 Attention : on verra que les drives de a ne sont pas absorbantes ! En particulier,
a0 6= (a)a0 .
Voir paragraphe suivant, o on montrera que
a0 = (a)a0 0 (a)a ,

(1.55)

qui n'est autre que la formule de leibniz  (a )0 = 0 a + a0 , qui s'crit bien, comme a est
absorbant comme  ((a)a )0 = 0 (a)a + a0 .

1.6 Drivation des distributions


1.6.1 Dnition
Pour f fonction C 1 (]a, b[), une intgration par partie donne :

Z
a

Z
f 0 (x)(x) dx =

f (x)0 (x) dx,

D(]a, b[),

(1.56)

puisque est nul au bord. Au sens des distributions cela s'crit :

hf 0 , i = hf, 0 i,

D().

(1.57)

Dnition 1.40 On dnit alors la drive T 0 de la distribution T D0 () par :


df
hT 0 , i = hT, 0 i,

D().

(1.58)

Si D() alors on vrie trivialement que 0 D() et cette dnition a bien un sens. Et on
vrie immdiatement que cela fait bien de T 0 une distribution.
On en dduit qu'on peut driver une distribution tout ordre : pour m N, notant T (m) =
(T
) :
hT (m) , i = (1)m hT, (m) i, D().
(1.59)
(m1) 0

12

13

1.7. Exemples de drivations

Exemple 1.41 La masse de Dirac drive 00 est donc la distribution dnie par :
h00 , i = 0 (0),

(1.60)

D()

(Attention au signe.)

Exemple 1.42 La fonction x |x| n'est pas drivable en 0 au sens classique (au sens des fonctions). Par contre elle est drivable au sens des distributions, sa drive vaut :
(|x|)0 = H0 (x) + H0 (x) = 1R (x) + 1R+ (x) dans D0 (R)
Le vrier.
Rponse : considrer D(R) et calculer
R
R0
R
h|x|0 , i =df h|x|, 0 i = R |x|0 (x) dx = (x)0 (x) dx + 0 x0 (x) dx,
0 ), i + hH0 , i. Ce rsultat
puis intgrer par partie pour obtenir, pour tout D(R) : h|x|0 , i = h(H
tait attendu, car eectivement, l o elle est dnie classiquement la drive vaut bien -1 sur R et +1
sur R+ .
2

Remarque 1.43 La fonction |x| est elle-mme la drive de la fonction signe(x) x2  (qui est dans
C 1 (R)) qui vaut

x2
2

sur R et

x2
2

sur R+ , et signe(x) x2  n'est donc pas C 2 (R).

1.6.2 Linarit de la drivation et passage la limite


Il est immdiat que

Proposition 1.44 Pour toutes distributions S et T D0 (), et tout R :


(S + T )0 = S 0 + T 0 ,

(1.61)

et donc l'opration de drivation est une opration linaire dans D0 ().


Et si (Tn ) est une suite de distribution de D0 () qui converge vers T D0 (), alors (Tn0 ) est
une suite de distribution qui converge vers T 0 D0 ().

Preuve. Puisque l'addition est linaire dans D0 () : pour tout D() on a :


h(S + T )0 , i = h(S + T ), 0 i = hS, 0 i hT, 0 i = hS 0 + T 0 , i.

(1.62)

Puis, hTn , 0 i hT, 0 i dans R par dnition de la convergence (faible ou simple) dans R, ce
pour tout D(R).

1.7 Exemples de drivations


1.7.1 Fonction C 1 (R)
Une fonction f C 1 (R) est en particulier L1loc (R). Et on a immdiatement :

Proposition 1.45 Si f C 1 (R) et si Tf est la distribution rgulire associe f alors :


(Tf )0 = T(f 0 ) ,
i.e. la drive de la distribution rgulire est la distribution rgulire associe la drive. Ou
encore, si on identie Tf f , on peut galement identier (Tf )0 f 0 .

Preuve. C'est immdiat car pour toute D(R) :


Z
h(Tf )0 , i =

Z
f (x)0 (x) dx =

13

f 0 (x)(x) dx = hT(f 0 ) , i.

14

1.7. Exemples de drivations

1.7.2 Fonction C 0 (R), et C 1 (R) par morceaux


On rappelle que H0 = 1R+ (et H0 est appele fonction de Heaviside).
On commence par regarder la fonction f = xH0 (qui vaut 0 sur R et x sur R+ , faire le dessin).
Cette fonction est trivialement continue sur R, C 1 sur R+ et sur R , et de drive droite et
gauche nie en 0.
Cette fonction n'est pas drivable en 0 (au sens classique). Regardons sa drive au sens des
distributions : soit donc Tf la distribution rgulire associe f . Alors :

(Tf )0 = H0 dans D0 (R),

(not (xH0 )0 = H0 dans D0 (R)).

En eet, pour tout D(R) :


Z
Z
h(Tf )0 , i = xH0 (x)0 (x) dx =
R

Z
x0 (x) dx =

(1.63)

(x) dx 0 = hH0 , i.
0

Exercice 1.46 Montrer que |x|0 = H0 (x) + H0 (x) dans D0 (R).


Rponse. On pourra se servir de la linarit de la drive en crire que |x| = x(H0 (x) H0 (x)).

Exercice 1.47 Montrer que (xa)H0 (xa) = H0 (xa) au sens D0 (R). La fonction H0 (xa) =

(a H0 )(x) est aussi note Ha (x) et est la fonction troncature au point a.

La gnralisation aux fonctions continues sur R et C 1 par morceaux sur R est immdiate : une
telle fonction est de la forme :

f (x) = f1 (x) +

n
X

i (x xi )H0 (x xi ),

(1.64)

i=1

o f1 est une fonction C 1 sur R, et o les rels i reprsentent les sauts de pente de f aux points xi .

Proposition 1.48 On a alors :


(Tf )0 = T(f10 ) +

n
X

i H0 (x xi )

dans D0 (R).

(1.65)

i=1

Preuve. Linarit.
1.7.3 Fonction C 0 (R) par morceaux et C 1 (R) par morceaux
L'exemple de base est la fonction de Heaviside (`unit step function', ou `marche unit en 0')
H0 (x) = 1[0,[ . C'est une fonction de L1loc (R) qui n'est pas drivable en 0 (elle n'est mme pas
continue en 0). On peut cependant calculer au sens des distributions sa drive en 0 : notons TH0
la distribution (rgulire) associe H0 . Alors :

(TH0 )0 = 0

(not H00 = 0 )

En eet, pour tout D(R) :


Z
Z
h(TH0 )0 , i = H0 (x)0 (x) dx =
R

dans D0 (R).

0 (x) dx = [(x)]
0 = (0) = h0 , i.

(1.66)

(1.67)

Exercice 1.49 Montrer que Ha0 = a dans D0 (R).


Remarque 1.50 On `retrouve' le fait que sur R , H00 = 0, ce qui n'a de sens qu'au sens des

distributions et qui signie : si D(R ) (donc nul dans un voisinage de 0), alors H00 () = 0
(c'est galement vrai si D(R) et (0) = 0).
Ce rsultat sur R tait attendu : H0 tant constante par morceaux, sa drive est nulle sur
chacun des morceaux. Le seul point problme est le point 0 o il est ncessaire d'utiliser les
distributions pour donner un sens la drive de H0 en 0.

14

15

1.7. Exemples de drivations

La gnralisation aux fonctions continues et C 1 par morceaux sur R est immdiate : une telle
fonction est de la forme :

f (x) = f1 (x) +

n
X

i (x xi )H0 (x xi ) +

i=1

n
X

i Hxi (x),

(1.68)

i=1

la fonction f1 tant C 1 (R), les


i mesurant les sauts de f au point xi .

Proposition 1.51 On a alors :


(Tf )0 = (Tf1 )0 +

n
X

i (x xi )H0 (x xi ) +

i=1

n
X

i xi

dans D0 (R).

(1.69)

i=1

Preuve. Exercice.
1.7.4 Masse de Dirac
La drive de la masse de Dirac est donne par dnition : pour tout D(R) :
df
h00 , i = h0 , 0 i = 0 (0),

(1.70)

D(R).

Exercice 1.52 Montrer qu'avec a = a 0 on a ha0 , i = 0 (a) pour D(R).


On a galement vu que 0 tait la limite des fonctions portes n (x), cf. (1.30). Par dnition
des distributions, on peut passer la limite voir proposition 1.44, et doit retrouver le fait que :

00 = lim 0n
n

au sens de D0 ().

(1.71)

Montrons-le :
Les fonctions portes lmentaires n (x) cf. (1.30) peuvent s'crire :
1 (x)) =
n (x) = n (H 1 (x) H 2n
2n

Hh (x) Hh (x)
2h

h=

1
0.
2n n

(1.72)

On en dduit par linarit de la drive au sens des distributions :

0n =

1
h (x) h (x) ,
2h

au sens de D0 (),

(1.73)

i.e., pour tout D(), (avec (h 0) (n )) :

h0n , i =

(h) (h)
0 (0).
h0
2h

(1.74)

Et on a bien n * 00 dans D0 (R).


h
h
Remarque 1.53 Et on a vu que 0n = h
et l'expression limite est 00 = limh0 h
,
2h
2h

qui, au signe prs, est l'criture classique de la drive.

En lectrostatique, 00 reprsente un doublet, i.e., l'eet que donne les deux charges ponctuelles
unitaires + 2 et 2 de signes opposs et distantes de .
Le doublet unit des lectriciens est en fait orient par convention de la charge vers la charge +
et vaut donc 00 et non 00 .

1.7.5 Drivation d'ordre 1 d'un produit


Si C 1 (; ) et C (), alors :

()0 = 0 + 0 ,
dont on dduit que :

15

(1.75)

16

1.7. Exemples de drivations

Proposition 1.54 pour T D0 () et C () la distribution (T )0 est donne par :


(T )0 = T 0 + T 0

dans D0 ().

(1.76)

Preuve. En eet, pour tout D() et C () on a , 0 et 0 dans D() et les

expressions suivantes ont un sens ; on a :


h(T )0 , i = hT , 0 i = hT, 0 i = hT, ()0 i + hT, 0 i = hT 0 , i + hT 0 , i.

Exemple 1.55 Si T = 0 , alors on a, pour C () :


(0 )0 = 00 + 0 0 .

(1.77)

Et un calcul direct donne, pour tout D(), sachant que la distribution 0 n'est autre que la
distribution (0)0 , car 0 est lment absorbant voir paragraphe 1.5.5, d'o :

(0 )0 = (0)00 .

(1.78)

C'est le mme rsultat que (1.77) ! Pour s'en convaincre, montrer que 00 = 0 (0)0 + (0)00
dans D0 (R).

1.7.6 Formule de Leibniz


On rappelle que, pour les fonctions f et g dans C k (), le produit f g est dans C k () et que sa
drive l'ordre k est donne par :
k
X

Ckj f (j) g (kj) ,

(1.79)

(f g)00 = f 00 g + 2f 0 g 0 + f g 00 .

(1.80)

(f g)(k) =

j=0

o Ckj =

k!
j!(kj)! .

Par exemple,

On la dmontre par rcurrence pour les distributions, ce au sens des distributions :

Proposition 1.56 pour T D0 (R) et C (R) :


(T )(k) =

k
X

Ckj T (j) (kj)

dans D0 (R),

(1.81)

j=0

i.e., pour toute fonction D() :

h(T )(k) , i =

k
X

Ckj hT (j) (kj) , i.

(1.82)

j=0

Preuve. Exercice.
1.7.7 Drivations successives d'une fonction tronque
Dans le cas simple d'une fonction tronque, on a une formule plus simple que la formule de
Leibniz (formule quivalente) : on se sert du fait que 0 est absorbant (voir paragraphe 1.5.5).
On considre une fonction f D() et la fonction tronque (en 0) associe :
(
f (x)
x > 0,
g(x) = f (x)H0 (x) =
(1.83)
0
x 0.
Cette fonction g n'est pas drivable au sens usuel, mais au sens des distributions :

(Tg )0 = f 0 H0 + f (0)0

dans D0 (),

(1.84)

car 0 est absorbant. Continuant driver, la drivation tant linaire et f (0)R tant une
constante, on obtient :
not

(Tg )00 = f 00 H0 + f 0 (0)0 + f (0)00 = g 00

dans D0 ().

(1.85)

Et de manire gnrale, la drive m-ime de la fonction tronque f H0 vaut :


(m1)

(Tf H0 )(m) = f (m) H0 + f (m1) (0)0 + . . . + f (0)0


16

not

= (f H0 )(m)

dans D0 ().

(1.86)

17

1.7. Exemples de drivations

Remarque 1.57 Le rsultat (1.86) sera trs utilis lors de l'tude des quations direntielles et
de son application au calcul symbolique.

Exemple 1.58 Soit T = 0 avec D(R) :


(0 )00 = 000 + 200 0 + 0 00

au sens de D0 (),

(1.87)

h(0 )00 , i = h0 , ()00 i 2h0 , ( 0 )0 i + h0 , 00 i.

(1.88)

ce qui veut dire que pour tout D() :

Et on vrie immdiatement que c'est bien gal :

h(0 )00 , i = h0 , 00 i = h0 , 00 i = (0)00 (0) = (0)h000 , i,


i.e. :

(1.89)

(0 )00 = (0)000 ,

rsultat plus simple crire. On retrouve le fait que (0 )00 = ((0)0 )00 = (0)000 (linarit de la
drivation), ce qui n'a donc rien de contradictoire avec la formule de Leibniz.

Exemple 1.59 Vrier que, dans D0 (R) :


(H0 (x) cos(x))0 = H0 (x) sin(x) + 0 ,
(H0 (x) sin(x))0 = H0 (x) cos(x).

(1.90)

Remarque 1.60 Pour la fonction tronqu g = f H0 donne en (1.83) on peut galement appliquer

la formule de Leibniz, en faisant attention son criture au sens des distributions. Par exemple
pour m = 2, on a au sens des distributions :

(f H0 )00 = f 00 H0 + 2f 0 H00 + f H000 = f 00 H0 + 2f 0 0 + f 00

au sens de D0 (),

(1.91)

avec 2f 0 0 = 2f 0 (0)0 ainsi que f 00 = f 0 (0)0 + f (0)00 . Le vrier avec la formule de Leibniz.
Et on retrouve bien le rsultat (1.86) : (f H0 )00 = f 00 H0 +f 0 (0)0 +f (0)00 . La formule de Leibniz
n'est ici pas approprie tant donn que 0 est `absorbant' et qu'il est beaucoup plus simple de
considrer la distribution 0 comme tant la distribution (0)0 .
Rappel : on a f 0 = f (0)0 , i.e. la masse de Dirac est `absorbante', mais f 00 6= f (0)00 (sauf
dans les cas particuliers o f 0 (0) = 0) : la drive 00 n'est pas absorbante.

1.7.8 Rsolution de T 0 = 0
On dispose d'une distribution T (un instrument de mesure) dont on sait a priori que sa drive T 0
est nulle. Peut-on en dduire T ?
Il est immdiat que si T = c constante, alors T 0 = 0 : en eet, pour tout D(R) il vient par
intgration par parties (sachant nulle l'innie car support compact) :
Z
Z
hT 0 , i = hT, 0 i = c0 (x) dx =
0 (x) dx [c(x)]
= 0 0 = 0.
R

Et
R dans ce cas TR = c, il est immdiat que, si D(R) est une fonction Rdonne, alors hT, i =
c (x) dx = c R (x) dx, et hT, i ne dpend que de l'aire sous la courbe R (x) dx (et d'aucune
R
valeur ponctuelle de en particulier).
On va tablir la rciproque :

Proposition 1.61 Si T D0 (R) vrie T 0 = 0 alors T = c est une distribution constante (i.e.

T est la distribution rgulire Tc associe


R la fonction constante c1R ), la constante c valant hT, i
pour toute fonction D(R) telle que R (x) dx = 1.

17

18

1.7. Exemples de drivations

(Remarque
: si T = c, alors hT, i =
R
vriant = 1.)

R
c = c( ) qui est une valeur relle indpendante des

Preuve. Soit T une distribution qui vrie T 0 = 0. Il faut vrier qu'il


cR
R existe une constante
R

telle que pour tout D(R) on ait hT, i = hc1R , i, i.e. hT, i = R c (x) dx = c R (x) dx.
On a par hypothse T 0 = 0, i.e. qu'on connat hT 0 , i pour tout D(R) ( savoir hT 0 , i = 0).
I.e., par dnition de la drive T 0 , on sait que hT, 0 i = 0 pour tout D(R).
Et on cherche connatre T , i.e. hT, i pour tout D(R). Ce serait chose faite si pour toute
fonction D(R) il existait une fonction D(R) telle que = 0 . Et on aurait alors hT, i = 0
pour tout D(R).
Rx
Mais si une telle fonction existait, ayant () = 0, on aurait (x) = (t) dt et en
R
particulier que (+) = R (x) dx = 0. Or il existe desR fonctions positives non nulles dans D(R)
(par exemple la fonction de (1.5)) qui vrient donc R (x) dx > 0. Donc donn, il n'existe
pas en gnral de D(R) telle que 0 = .
la valeur nie non nulle
RIl faut corriger cette approche, i.e. il faut s'arranger pour compenser
R
de R (x)dx. On prend une seconde fonction D(R) telle que R (x) dx = 1 et on pose, pour
donn (quelconque) :
Z x
Z x
Z
(x) =
(t) dt ( (x) dx)
(t) dt.

On vrie maintenant que D(R) : le caractre C est immdiat, et le support de est born
car si x est droite ou gauche de la runion des supports de et , alors (x) = 0. Et on a :
Z
0 (x) = (x) ( (x) dx)(x).
R

Et par hypothse T 0 = 0 donc :

Z
0 = hT, i = hT, i hT, i( (x) dx),
0

(1.92)

ce, quel que soit D(R). Donc :

hT, i = hT, ih1, i = hT, i1, ,

(1.93)

D(R),

i.e., T = hT, i1R est une distribution constante.


On vrie Rimmdiatement que c = hT, i est indpendant de la fonction choisie vriant
D(R) et = 1. En eet,
si 2 D(R) est aussi de masse unit,
on obtient de la mme

manire hT, i = hT, 2 i, pour tout D(R) et par dirence, hT, 2 i hT, 1 i, = 0 pour
tout D(R) et donc hT, 2 i hT, 1 i = 0 dans D0 (R).

1.7.9 Drivation de Log|x| et valeur principale de Cauchy

Rx
On note ici Log la fonction logarithme nprien : pour x > 0, Log(|x|) = 1 1t dt et pour x < 0
R x 1
R 1 1
Log(|x|) = Log(x) = 1 t dt, i.e. Log(x) = x t dt pour x < 0 (vrication immdiate).

Remarque 1.62 En clair, on dnit la fonction g : x R g(x) par g(x) = Log(x) si x > 0 et

par g(x) = Log(x) si x < 0. Et on a donc g(x) = g(x) (= Log|x|)) et g est une fonction paire
(primitive de la fonction impaire t 1t ). Et on a g(x) = Log|x| pour tout x 6= 0. Dessiner g .
Rx
R x dt R x du
On a donc, pour x > 0 : g(x) = 1 dt
t , et pour x < 0 : g(x) = 1
t = 1 u . Faire un dessin.
R 1
En particulier, pour 1 < x < 0 on a g(x) < 0 et pour x < 1 on a g(x) = x dt
t > 0 (oppose
de l'aire sous la courbe qui est ngative).
S
On rappelle que pour une fonction f intgrable sur ]a, c [ ]c + , b[, o > 0 et > 0 et
a < c < b, on a f intgrable sur ]a, b[ uniquement sous les deux conditions :
Z b
Z c
f (x) dx < .
(1.94)
f (x) dx <
et
lim
lim
0

c+

Il se peut que ces limites n'existent pas, comme dans le cas de la fonction f (x) =
mais que la limite suivante existe quand on prend = :
Z b
Z c

f (x) dx +
f (x) dx < ,
lim
0

cas de la fonction f (x) =

1
x

c+

pour c = 0.
18

1
x

pour c = 0,
(1.95)

19

On dit que f est dans ce cas convergente en valeur principale de Cauchy, et on note :
Z b
Z b
Z c

df
v.p.
f (x) dx = lim
f (x) dx +
f (x) dx ,
0

c+

(1.96)

Rtoujours pour a < c < b. Et on note v.p.(f ) la distribution associe. Donc hv.p.(f ), i =
f (x)(x) dx pour tout D(R).
R

Exemple 1.63 On vrie immdiatement que, pour a, b R (positifs ou ngatifs, mais non
nuls) :

v.p.
a

1
|b|
dx = Log .
x
|a|

(1.97)

La fonction logarithme nprien g(x) = Log|x| est localement intgrable dans R tout entier :
en eet, une primitive est  G(x) = xg(x) x = xLog(|x|) x (pour x 6= 0 la drive est G0 (x) =
g(x) + xg 0 (x) 1 avec g 0 (x) = x1 , et on prolonge usuellement par continuit en 0, i.e. on pose
G(0) = 0).
On note Tg =not g la distribution rgulire associe (puisque g L1loc (R)), et sa drive au
sens des distributions est donne par, pour tout D(R) :
Z
hTg0 |x|, i = hLog|x|, 0 i = Log|x|0 (x) dx.
(1.98)
R

On aimerait cependant retrouver une expression plus classique de Log0 (x), savoir x1 . On approche
la dernire intgrale de (1.98) par les termes (symtriques) :
Z
Z 0
Z
Log|x|0 (x) dx =
Log(x) 0 (x) dx
Log(x) 0 (x) dx
R

0
(1.99)
Z
Z

Log(x) 0 (x) dx +

= lim
0

Log(x) 0 (x) dx .

Intgrant par parties l'expression sous la limite on obtient une criture qui a un sens lorsque > 0 :
Z
Z
Z
(x)
(x)
Log|x|0 (x) dx =
dx +
dx Log()() + Log()().
(1.100)
x
x
R

On fait un passage la limite lorsque tend vers 0. Le terme Log()(() ()) tend vers 0
(puisque () () est de l'ordre de O(), cf. dveloppement limit l'ordre 1 au voisinage
de 0), et il reste :
Z
Z (x)
(x)
0
hLog |x|, i = lim
dx +
dx .
(1.101)
0
x
x

On note alors v.p. x1 la distribution Tg0 =not Log0 |x| :

1
df
hv.p. , i = lim
0
x

(x)
dx +
x

(x)
dx ,
x

pour tout D(R), i.e. :

1
dans D0 (R).
(1.102)
x
est la notation dsignant la drive de la fonction Log(x) au sens des distributions :
Z
1
(x)
dx,
D(R).
(1.103)
hLog0 , i = hv.p. , i = v.p.
x
x

(Log|x|)0 = v.p.

Donc v.p. x1

C'est une fonction trs utilise en physique.

2 Distribution support born, E 0 ()


On traitera pour simplier le cas = Rn , le cas ouvert quelconque s'en dduisant aisment.
19

20

2.1. Support d'une distribution, distribution support compact

2.1 Support d'une distribution, distribution support compact


2.1.1

max (T )

Faire des dessins, et tout sera clair.

Dnition 2.1 Soit un ouvert de Rn . On dit qu'une distribution T D0 (Rn ) est nulle sur
ssi hT, i = 0 pour tout D() :

T nulle sur

D(),

hT, i = 0.

(2.1)

Et donc, T est non nulle sur ssi il existe D() telle que hT, i =
6 0.

Exemple 2.2 La masse de Dirac 0 est nulle sur R , sur R+ et sur R . En eet, si D(R)
son support dans R , i.e. si D(R ), alors (0) = 0 et 0 () = 0. De mme sur R+ et sur R .
Et la masse de Dirac est non nulle sur tout intervalle ouvert contenant 0.

Exemple 2.3 Soit f L1loc (R) telle que


R supp(f ) est compact. Alors la distribution rgulire
associe Tf est nulle sur R supp(f ), car
On note :

max (T ) =

f (x)(x) dx est nulle pour tout D(R supp(f )).


[

{T nulle sur }.

(2.2)

ouverts

En particulier max (T ) est ouvert (runion d'ouverts).

Proposition 2.4 Si T D0 (R) est nulle sur deux ouverts 1 et 2 , alors T est nulle sur 1

2 .
D'o T est nulle sur max (T ). Et il n'existe pas d'ouvert strictement plus grand que max tel
que T est nulle sur .

Preuve. Supposons T nulle sur deuxS ouverts 1 et 2 , i.e. hT, i = 0 pour tout
S D(1 ) et

pour tout D(2 ). Soit D(1 2 ). On note K = supp et on a K 1 2 .


On applique le thorme 10.2 de partition de l'unit : il existe deux fonctions 1 D(1 ) et
2 D(2 ) telles que pour tout xK : 1 (x) + 2 (x) = 1.
On pose alors 1 = 1 D(1 ) et 2 = 2 D(2 ), et on a = 1 + 2 .
D'o hT, i = hT, 1 i + hT, 2 i = 0, car T est nulle sur 1 et sur 2 , et T est bien nulle sur
S

S1 2 . Et par rcurrence, si T est nulle sur n ouverts k pour k = 1, ..., n, alors T est nulle sur
{k : k = 1, ..., n}.
On en dduit que T est nulle sur max . En eet, soit D(max ), etS
soit K = supp. Comme
K est compact, on peut le recouvrir par un nombre ni d'ouverts k { : T nulle sur }. Et
donc hT, i = 0.
Enn, il n'existe pas d'ouvert strictement plus grand que max tel que T est nulle sur .
C'est la dnition de max (qui devrait donc contenir un tel ).

Proposition 2.5 On a x max (T ) ssi il existe > 0 tel que T est nulle sur B(x, ) la boule de
rayon centre en x, i.e. ssi : > 0, D(B(x, )) on a hT, i = 0.
On encore, on a x
/ max (T ) ssi > 0, D(B(x, )) t.q. hT, i 6= 0.
Preuve. Montrons . Supposons x max (T ). Par dnition de max (T ), si x max (T ) alors
x appartient l'union, i.e. il existe max (T ) tel que x et T est nulle sur .
Et comme les boules forment une base de voisinage, l' ci-dessus contient une boule B(x, ).
Et si D() on a T () = 0, et en particulier, D(B(x, )) on a hT, i = 0.
Rciproquement, montrons . Supposons qu'on a un > 0 tel que T () = 0 pour tout
D(B(x, )). Alors B(x, ) max (T ), et donc x max (T ).
Proposition 2.6 On a x / max (T ) ssi > 0, D(B(x, )) t.q. hT, i 6= 0.
Preuve. Montrons . Il est quivalent de dmontrer que : si > 0 t.q. D(B(x, )) on a
hT, i = 0, alors x max (T ). Et cette armation est vraie car l'hypothse dit que T est nulle
sur = B(x, ).
Rciproquement, montrons . Par hypothse il n'existe pas d'ouvert 3 x tel que T est nul
sur . Donc x
/ max (T ).
20

21

2.1.2

2.1. Support d'une distribution, distribution support compact

supp(T ) et E 0 ()

Dnition 2.7 Le support de T est par dnition le complmentaire de max :


df
supp(T ) = R max (T ).

(2.3)

Par dnition, supp(T ) est donc ferm (complmentaire d'un ouvert).


Donc si on cherche supp(T ), soit on commence par calculer max (T ), soit on cherche les x
supp(T ) vriant la proposition 2.6.

Exemple 2.8 Pour T = 0 , on a max (0 ) = R et supp(0 ) = {0}.

En eet : 1- on sait dj que 0 est nulle sur R+ et sur R . Donc 0 est nulle sur R+ R = R ,
donc max (0 ) R .
2- Puis on a x = 0
/ max (0 ), car pour tout > 0, il existe n N tel que n1 < , et pour un
tel n on a n D(B(0, )) (cf (1.9)), avec 0 (n ) = n (0) > 0. D'o 0 supp(0 ).
D'o max = R .

Exemple 2.9 Pour T = 1R (notation abusive de T = T1R ), on a max = .

En eet, soit B(x, ) =]x, x+[. Et soit = ab , voir (1.6), o a=x 2 et b=x+ 2 . On a
1 > 0, et donc T n'est pas nulle sur B(x, ). Comme x et sont quelconques, T n'est nulle
R R
sur aucune boule, et les boules formant une base de voisinage, on en dduit que T n'est nulle sur
aucun ouvert. D'o max = .

Exemple 2.10 Soit T = T , distribution rgulire associe D(R) (fonction donne et xe).
Montrons que suppT = supp, i.e. que T est nulle
T sur R supp, et que max = Rsupp.
Prenons R D(Rsupp) i.e. t.q. supp supp = . Les supports de et de tant
disjoints, on a R (x)(x) dx = 0, i.e. hT , i = 0. On en dduit que T est nulle que Rsupp,
et donc que max Rsupp.
Puis soit x supp et soit > 0.Par dnition de supp, quelque soit >0, il existe y B(x, )
tel que (y) 6= 0. Supposons par exemple (y)>0. Par continuit de en y , il existe > 0 tel
que (z)> 21 (y) pour tout zB(y, ). Et soit la fonction non nulle ab , voir (1.6), o a=y 2 et
b=y+ 2 . On a alors hT, ab i>0. Donc T n'est nul dans aucune boule B(x, ). Donc x 6 max .
Dnition 2.11 La distribution T D0 () est dite support compact dans si suppT est

compact dans .

Notation. On note E 0 () l'espace des distributions support compact.


Proposition 2.12 E 0 () est un sous-espace vectoriel de D0 ().
Preuve. Vrication immdiate : pour S et T dans E 0 (), S + T D0 () son support inclu dans
suppS + suppT , donc born, donc S + T E 0 (). Et si R alors supp(T ) = supp(T ), et donc
si T E 0 () alors T D0 ().

2.1.3

suppsing(T )

Ce paragraphe ncessiterait quelques dveloppements. Comme dans la suite on ne se servira


que des distributions non rgulires qui sont des combinaisons linaires (ou limites de combinaisons
linaires) de masses de Dirac et de ses drives, on se contente ici du minimum intuitif.

Dnition 2.13 On appelle support singulier d'une distribution T , et on note suppsing(T ) le sous
ensemble de suppT sur lequel T n'est pas distribution rgulire.

Donc sur = Rn suppsing(T ) on a T qui s'crit comme une distribution


R rgulire, i.e. il
existe f L1loc (R) telle que pour tout D(Rn suppsing(T )) on a hT, i = Rn f (x)(x) dx.

Remarque 2.14 Pour tre prcis, il faudrait considrer les


R ouverts U tels que T est rgulire
1

sur U , i.e. tels que il existe fU Lloc (R) vriant hT, i = Rn fU (x)(x) dx pour tout D(U ),
puis considrer la runion Umax de tous ces U , puis dire qu'il n'y a qu'une fonction fUmax telle que
fUmax restreinte U vaut fU , et appeler suppsing(T ) = Rn Umax .
21

22

2.2. Dual de C () : E 0 ()

Exemple 2.15 On a suppsinga = {a} = suppa . En eet, on a suppsing suppa = {a} et


suppsinga 6= car a n'est pas uneP
distribution rgulire.
Et pour le peigne de Dirac T = kZ k D0 (R), le support singulier est Z.

Exemple 2.16 Pour f L1loc (R) on a supp(Tf ) = supp(f ) et suppsing(Tf ) = .


Exemple 2.17 Soit T = 0 + TH0 . Si D(R ) alors hT, i = 0, d'o max R , d'o

suppT R+ . Puis suppT = R+ (exercice). Puis si D(R+ ) alors hT, i = hTH0 , i d'o T est
rgulire sur R+ . D'o suppsingT {0}.
Et T n'est pas une distribution rgulire, d'o suppsingT = {0}. (S'il existait une fonction f
L1loc (R) telle que T = Tf D0 (R), on aurait immdiatement f = H0 p.p. sur R, car Tf = TH0
dans D(R ), et donc T = TH0 , ce qui est faux.)

2.2 Dual de C () : E 0 ()
Pour toute fonction f L1loc (R) on avait dni la distribution rgulire Tf associe, le domaine
de dnition de Tf tant D(R).
Ici, pour toute fonction f L1loc (R) support born (donc a fortiori f L1 (R)), on peut
considrer son action sur les fonctions C (R) (sans restriction de support pour les ) :
Z
1

f dx < ,
(2.4)
f Lloc (R), supp(f ) born, C (R), hf, i =

Z
puisque

Z
f dx =

f dx (

sup
xsupp(f )

supp(f )

On a plus gnralement :

|(x)|) ||f ||1 < .

Proposition 2.18 et dnition Si T E 0 (), si C () alors, pour toute fonction D()

telle que (x) = 1 pour tout x dans un voisinage ouvert de suppT , on a D() et la quantit
hT, i est indpendante de . Et on pose par dnition :

T E 0 (R),

C (R),

df
hT, i = hT, i.

(2.5)

Preuve. Soit D() une autre fonction telle que (x) = 1 pour tout x dans un voisinage ouvert
de suppT (on dmontrera par convolution qu'une telle fonction existe). Alors ( )(x) = 0 dans
un voisinage ouvert de suppT . Et donc D( suppT ) et donc pour tout C (R) on a
( ) D( suppT ) et :
hT, i hT, i = hT, ( )i = 0,

(2.6)

i.e., hT, i = hT, i est bien indpendante de ( partir du moment o 1 dans un voisinage
ouvert de suppT ).

Remarque 2.19 Il n'est pas susant dans la proprit ci-dessus de considrer des fonctions et

de D() qui valent 1 sur suppT : il faut avoir 1 dans un ouvert 0 qui contient le compact suppT (i.e.
il faut avoir 1 dans un voisinage ouvert de suppT ). Sinon on n'a pas ( ) D( suppT ),
mais uniquement ( )|suppT = 0 ce qui est insusant pour conclure. Un exemple est donn par
la distribution
m

X
1
T : D(R) T () = lim
( ) m(0) log(m)0 (0)
m
j
j=1
S
1
1
dont le support est {1, 2 , ..., m , ...} {0}, et le problme est que 0 est un point d'accumulation
dans le support. Voir par exemple Zuily [12], exercice 10 page 29, pour les calculs.

Proposition 2.20 Le dual de C () est l'ensemble E 0 () (= L(C (), R)).


Preuve. Admis (hors programme).

Ide : on munit C () de la famille de normes pK,m rendant C () complet, voir annexe A.


Puis, pour tout T dans E 0 (), et pour tous et dans C () et tout R, on a T ( + ) =
T () + T () (linarit) ; et pour toute suite (n ) d'lments de C () convergeant vers dans
C () au sens des normes pK,m o il sut de prendre K compact voisinage de supp(T ), on a
hT, n i 0 (continuit).
22

23

2.3. Application : xT = 0 implique T = c0

Remarque 2.21 On vient de voir deux dualits : d'une part entre D0 () et D() (entre distri-

butions quelconques et fonctions C () support born), et d'autre part entre E 0 () et C ()


(entre distributions support born et fonctions C () sans restriction sur le support).
Entre ces deux extrmes, on introduira lorsque = R, une autre dualit sans condition de
support, mais avec conditions de dcroissance l'inni (distributions croissance lente, et fonctions C dcroissance rapide). Elle sera introduite avec la transformation de Fourier.

2.3 Application : xT = 0 implique T = c0


On note (abusivement) I = x la fonction C (R; R) dnie par I : x I(x) = x (identit). Et
comme I C (R), le produit IT = xT a bien un sens, voir paragraphe 1.5.4.
Problme pos : on dispose d'une distribution T dont on sait qu'elle vrie xT = 0 dans D0 (R).
Que peut-on dire de T ? Il est immdiat que si T = C0 , alors xT = 0 : en eet,
hxT, i = Chx0 , i = Ch0 , xi = C0(0) = 0, ce pour tout D(R).
Donc pour tout C R, on a x(C0 ) = 0. C'est la rciproque qu'il s'agit d'tablir.

Proposition 2.22 Si une distribution T D0 (R) vrie xT = 0, alors T est proportionnelle la


masse de Dirac 0 . I.e., il existe une constante C telle que T = C0 .
Et la constante C est alors donne par C = hT, 1R i.

Preuve. Soit T une distribution telle que xT = 0 dans D0 (R). On veut montrer que :

il existe C R, pour tout D(), on a hT, i = C(0).


On remarque d'abord que T a son support born et mieux, contenu dans {0}. En eet, soit D(R)
telle que supp() R , posons = x : on a D(R), et ayant hxT, i = 0 par hypothse, on
a donc hxT, x i = 0 = hT, x x i = hT, i = 0. Ceci tant vrai pour toute telle que supp() R ,
on a max R , d'o suppT {0}.
T tant donc support compact, hT, i a un sens pour toute fonction C (R). Et l'hypothse 0 = hxT, i =df hT, xi vraie pour toute fonction D(R) est galement vraie pour toute
fonction C (R) (proposition 2.18).
On cherche connatre T , i.e. calculer hT, i pour tout C (R). Si pour toute fonction

C (R) il existait une fonction D(R) telle que = x, on aurait hT, i = 0 (et donc T = 0).
Mais cela imposerait = x , et ne serait pas dnie au voisinage de 0 ds que (0) 6= 0 :
donn, on ne peut donc pas dnir aussi brutalement.
On corrige : pour C (R) donne, on considre la fonction C (R) dnie sur R par :

(x) =

(x) (0)
x

Il est immdiat que C (R) (c'est trivial sur R , et en 0 le vrier l'aide du dveloppement
limit de au voisinage de 0), et comme hT, xi = 0 :

hT, i = hT, xi + hT, (0)i = 0 + (0)hT, 1i = h 0 , ihT, 1i = hT, 1i 0 ,


Ceci tant vrai pour tout C (R), on en dduit que : si T est une distribution donne telle que
xT = 0, alors posant C = hT, 1i, on a T = C0 .

Remarque 2.23 Dans la dmontration prcdente, mme si D(R), la fonction construite


n'est pas a support compact cause de (0)
x qui ne s'annule pas l'inni, d'o l'utilisation de la
dualit E 0 (R)C (R).
Remarque 2.24 Dans la dmonstration prcdente, il n'tait pas ncessaire de considrer la dua-

lit entre E 0 (R) et C (R) : on pouvait rsoudre cet exercice au paragraphe 1.5.4 : il aurait sut
de considrer la fonction (x) = (x)(x)(0)
o D(R) avec (0) = 1, la fonction tant
x
maintenant dans D(R) ds que D(R). Exercice.

23

24

2.4. Gnralisation de la dnition : supports compatibles

2.4 Gnralisation de la dnition : supports compatibles


La dnition d'une distribution est actuellement limite aux deux cas suivants :
1. T distribution support quelconque agissant sur fonction C support compact,
2. T distribution support compact et pas de restriction sur le support de (avec C (Rn )).
Mais il sut en fait pour dnir la quantit hT, i que l'intersection des supports soit borne :
T
Proposition 2.25 dnition. Si T D(Rn )0 et C (Rn ) sont tels que K = suppT supp
est compact, et si est une fonction de D(Rn ) qui vaut 1 sur un voisinage ouvert de K , alors
hT, i est indpendant de . On dnit alors :
df
hT, i = hT, i.

(2.7)

Et on dit que les supports de T et de sont compatibles.

Preuve. Tout d'abord, une telle fonction existe (on le verra avec le produit de convolution et
la proposition 5.13), et de plus le produit est bien dans D(Rn ), et donc hT, i a bien un sens.
Soit maintenant un autre fonction D(Rn ) qui vaut galement 1 sur un voisinage ouvert
de K . Montrons que hT, i = hT, i, i.e. que hT, ( )i = 0. On a :
\

supp( ) R K, donc supp ( ) supp() (R K)


(2.8)

T
T
et donc supp ( )
supp(T ) K (R K) = et donc hT, ( )i = 0, voir proposition 2.5. On a bien hT, i = hT, i, et la quantit hT, i est bien indpendante de : la
dnition propose est lgitime.

3 Drivation et intgration sous le crochet


Pour : (~x, ~y ) Rn Rm (~x, ~y ), ~x x on note ~x (~y ) = (~x, ~y ) et on s'intresse , pour
T D0 (Rm ) :
Z
not
(~x) = hT, ~x i = hT (~y ), (~x, ~y )i
(= T (~y )(~x, ~y ) dy ),
~
y

le crochet (l'intgrale) qui dpend du paramtre ~x, et ~y tant le nom de la variable d'intgration.

Proposition 3.1 Soit C (Rn+m ; R) et soient TK1 Rn et K2 Rm tels que supp


0
m
K1 K2 . Soit T D (R ), et on suppose que suppT
supports). Alors la fonction :

K2 est compact (pour la compatibilit des

not

: ~x Rn (~x) = hT, ~x i = hT (~y ), (~x, ~y )i

(3.1)

est dans C (Rn ) (et mme dans D(Rn ) si K1 est compact). Et


(i) On peut driver sous le crochet, pour i = 1, ..., n :

(hT (~y ), (~x, ~y )i) = hT (~y ),


(~x, ~y )i,
(3.2)
xi
xi
Z
Z

T (~y ) (~x, ~y ) dy =
T (~y )
(~x, ~y ) dy .
i.e. on peut driver sous le signe somme :
xi ~y
x
i
~
y
(ii) On peut intgrer sous le crochet, si K est un compact de Rn :
Z
Z
hT (~y ), (~x, ~y )i dx = hT (~y ),
(~x, ~y ) dx i,
(3.3)
~
xK

Z
ou encore :

(
~
xK

~
xK

Z
~
y Rm

Z
T (~y ) (~x, ~y ) dy ) dx =

24

Z
T (~y )(

~
y Rm

~
xK

(~x, ~y ) dx ) dy .

25

Preuve. On se place pour simplier les notations dans le cas n = m = 1 avec de plus D(R2 ),

donc support compact, et donc on peut prendre K1 = [a, b] et K2 = [c, d] compacts (faire un
dessin), et avec T D0 (R), les autres cas tant laisss au lecteur (modications simples de la
dmonstration).
Soit une fonction quelconque de D(R2 ). Alors x x quelconque, la fonction x : y
x (y) = (x, y) est dans D(R) (de support dans K2 ), et pour T D0 (R), la quantit hT, x i a
bien un sens ( x x).
Dans la suite, on notera hT, x i = hT (y), x (y)i = hT (y), (x, y)i (i.e. y est la variable d'intgration et x n'est qu'une constante dans cette expression).
Posons (x) = hT (y), (x, y)i. Montrons que D(R). Tout d'abord, elle est support compact : si supp K1 K2 alors supp() K1 . En eet, si x 6 K1 alors x = (x, .) 0 sur R
(fonction nulle), et (x) = hT, 0i = 0. D'o est nul sur l'ouvert R K1 , d'o supp K1 .
Montrons que est continue sur R. Soit x0 R : pour h R, on a :

(x0 + h) (x0 ) = hT (y), (x0 +h, y) (x0 , y)i = hT (y), h (x0 , y) (x0 , y)i,
o on a not h (x, y) = (x+h, y), et on vrie immdiatement que h D(R2 ).
Et on a h (x0 , .) (x0 , .) au sens de D(R), cf. dnition 1.10 : en eet, 1- il sut de
h0

considrer les |h| < 1 et (x, .) et les h (x, .) ont leur support dans le mme compact K1 +[1, 1] =
{x1 + x2 : x1 K1 , x2 [1, 1]}, et 2- (k) (x0 +h) = (k) (x0 ) + o(h) donne ||(k) (x0 +h, .)
(k) (x0 , .)|| 0 quand h0.
Donc, T tant continue sur D(R) (par dnition d'une distribution) et ayant h (x0 , .)(x0 , .)
dans D(R), on a bien (x0 +h) (x0 ) 0 quand h 0.
De mme, est drivable par continuit de T car :

(x0 +h) (x0 )


(x0 +h, y) (x0 , y)

= hT (y),
i hT (y),
(x0 , y)i.
h0
h
h
x
0 ,y)
En eet (x0 +h,y)(x

h
x (x0 , y) au sens de D(R) (vrication facile avec le dveloppement
limit au premier ordre des (k) au voisinage de x0 ), et T est une distribution. On vient par la
mme occasion d'tablir la drivation sous le h., .i.
Et de mme par rcurrence, elle est C . tant support compact, est donc bien dans D(R).
Rx
Passons l'intgration. Posons F (x, y) = a (t, y) dt pour a R. On a F C (R2 ), et Fx (y)
son support contenu dans K2 . Posons alors :
Z x
(x) = hT (y), F (x, y)i = hT (y),
(t, y) dti,
(3.4)

pour laquelle (a) = 0 car F (a, y) = 0 pour tout y .


Par drivation sous le crochet (qui vient d'tre tablie), il vient :

0 (x) = hT (y), (x, y)i.


et donc par intgration :

(3.5)

(3.6)

hT (y), (t, y)i dt.

(x) (a) =
a

Donc avec (3.4) on vient de voir qu'on peut donc intgrer sous le h., .i.

Remarque 3.2 Attention, le fait qu'on puisse toujours driver sous le signe

au sens des distributions ne remet pas


en
cause
le
thorme
de
convergence
domine
de
Lebesgue
: on ne peut
R
driver sous le signe
que parce que uniformment continue et uniformment drivable (car
D(R)), et qu'en particulier le thorme de convergence domine s'applique lorsque T = Tf est
une distribution rgulire.

Exercice 3.3 Soit (x) = h0 (y), (x, y)i pour C (R2 ; R). Vrier la formule de drivation
sous le crochet.

Rponse. On a par dnition de 0 : (x) = (x, 0) (on prend la valeur pour y=0). Donc on a 0 (x) =

(= limh0 (x+h)(x)
= limh0 (x+h,0)(x,0)
).
h
h
Et par drivation sous le crochet, on a 0 (x) = h0 (y),
(x, y)i donc =
x
pour y=0).

(x, 0)
x

25

(x, 0)
x

(on prend la valeur

26

Exercice 3.4 Soit


f L1 (R) support compact, et soit sa transforme de Fourier dnie sur R
R

par f() =

1
2

xR

f (x)eix dx. Mettre f sous la forme f() = hT (x), (x, )i, et driver f.

Dans quel sens f est drivable ?

Rponse. On pose T = Tf qui est dans E 0 (R), et (x, ) =


f() = hTf ,

1 eix i
2
0

1 eix
2

qui a bien un sens car l'exponentielle est C

qui est dans C (R2 ). Et on a

et les supports sont compatibles.

ix

D'o la drive (f ) () = hTf ,


= hTf (x),
xf (x)e
idx , qui a bien un sens car xeix est C est
support de Tf est compact (compatibilit des supports). Ici on a obtenu la drive au sens des distributions.
Mais on ne peut pas crire (f)0 () = hTixf (x), eix idx , moins que xf soit dans L1loc (R) (et dnit
ainsi une distribution rgulire). Et dans ce dernier cas, on peut eectivement appliquer le thorme de
convergence domine pour driver sous le signe somme. En fait ici, ayant f dans L1 support compact,
on a galement xf L1 puisque |xf | est domine par M |f | o M vrie [M, M ] suppf .
i

4 Produit tensoriel de distributions : thorme de Fubini


4.1 Thorme de Fubini
Soit f une fonction numrique sur Rm et g une fonction numrique sur Rn . On appelle produit
tensoriel f g des fonctions f et g la fonction h : Rm+n R dnie par le produit :

h(x, y) = f (x)g(y)

(4.1)

(= (f g)(x, y))

h est donc `variables spares' sur Rm+n = Rm Rn . Elle est galement note abusivement :
(4.2)

h(x, y) = f (x) g(y)

(au lieu de (f g)(x, y).)


Si f et g sont localement sommables (=intgrables) sur Rm et Rn , alors h est localement sommable sur Rm+n , et on peut tendre le produit tensoriel aux distributions : si (x, y) D(Rm+n )
est de la forme u(x)v(y) avec u(x) D(Rm ) et v(x) D(Rn ) alors :
Z
Z
Z
hf (x) g(y), u(x)v(y)i =
f (x)g(y)u(x)v(y) dxdy =
f (x)u(x) dx
g(y)v(y) dy
Rm+n

Rm

Rn

= hf (x), u(x)i hg(y), v(y)i


Et si n'est pas de cette forme, alors on applique le thorme de Fubini :
Z
Z

hf (x) g(y), (x, y)i =


f (x)
g(y)(x, y) dy dx
m
Rn
R

= f (x) , hg(y), (x, y)i = g(y) , hf (x), (x, y)i

(4.3)

ce qui est toujours licite quand D(Rm+n ) puisque qu'alors l'intgrant (x, y) f (x)g(y)(x, y)
est intgrable (dans L1 (Rm+n )).
La gnralisation aux distributions est donne par la proposition suivante :

Proposition 4.1 et dnition, thorme de Fubini :

tant donnes deux distributions S D(Rm )0 et T D(Rn )0 , il existe une unique distribution
W D(Rm+n )0 telle que pour tout u D(Rm ) et v D(Rn ) on ait :

hW (x, y), u(x)v(y)i = hS(x), u(x)i hT (y), v(y)i

(4.4)

Et W est appel le produit tensoriel de S par T et not S T , et donc hS T, u vi = hS, ui hT, vi.
Et pour D(Rm+n ) (non variables spares), la fonction :

(x) = hT (y), (x, y)i


est dans D(Rm ) et on a peut inverser l'ordre des calculs (thorme de Fubini) :

hS(x) T (y), (x, y)i = S(x), hT (y), (x, y)i = T (y), hS(x), (x, y)i

26

(4.5)

(4.6)

27

4.1. Thorme de Fubini

(On a fait bien sr l'abus de notation hW, i =not hW (x, y), (x, y)i.)

Preuve. On admet ce rsultat. Les tapes sont : on vrie que W = S T est bien une distribution
et son unicit est admise.
Puis la drivation sous le crochet, proposition 3.1, nous donne la rgularit de .
Enn, on admet que l'ensemble engendr par les combinaisons linaires de fonctions de la
forme 1 2 avec (1 , 2 ) D(Rm ) D(Rn ) est dense dans D(Rm+n ). De (4.4) on dduit alors
l'inversion des crochets pour le calcul de hS(x) T (y), (x, y)i.
Notations : les indices des crochets de dualit sont implicites dans (4.4) qui s'crit aussi :
hW (x, y), u(x)v(y)iD0 (Rm+n ),D(Rm+n ) = hS(x), u(x)iD0 (Rm ),D(Rm ) hT (y), v(y)iD0 (Rn ),D(Rn ) .
(On n'a pas le choix.)

Remarque 4.2 Avec le thorme de Fubini, on retrouve les drivations et intgrations sous le
crochet. En eet, on veut (3.2), i.e. :

(hT (y), (x, y)idy ) , (x) dx = hT (y),


(x, y)idy , (x) dx ,
xi
xi

D(Rm ),

(4.7)

o on a indic les crochets par dx ou bien dy pour prciser les variables d'intgration. Mais le
membre de gauche de (4.7) donne, par application de Fubini :

(hT (y), (x, y)idy ) , (x) dx = hT (y), (x, y)idy ,


(x) dx = T (y), h(x, y),
(x)idx dy
xi
xi
xi

(x, y), (x)idx dy = hT (y),


(x, y)idy , (x) dx ,
= T (y), h
xi
xi
d'o (4.7). Et pour l'intgration (3.3) :
Z
Z

hT (y), (x, y)idy dx = 1x , hT (y), (x, y)i dx = T (y), h1x , (x, y)idx dy = hT (y), (x, y) dxi
xR

comme souhait.
Et en ce qui concerne le support de W on a :

Proposition 4.3 Si W = S T alors suppW = suppS suppT .


Preuve. (Faire un dessin dans le cas m = n = 1.) Soit W = S T . Montrons que suppW
suppS suppT . Soit (x, y)
/ suppS suppT . Soit alors D(B((x, y), )) o = 21 d, avec
d = d((x, y), suppS suppT la distance de (x, y) suppS suppT . On a > 0 car suppS suppT
est ferm et (x, y) n'est donc pas hypothse pas dans l'adhrence.
Si x suppS alors y
/ suppT . D'o l'aide du thorme de Fubini, pour tout
D(B((x, y), )) :

hW, i = S(x), hT (y), (x, y)i = hS(x), 0i = 0.


Et si x
/ suppS alors l'aide du thorme de Fubini, pour tout D(B((x, y), )) :

hW, i = T (y), hS(x), (x, y)i = hT (y), 0i = 0.


Donc pour tout D(B((x, y), )) on a hW, i = 0, et donc (x, y) max (W ), i.e. (x, y)
/
supp(W ).
Rciproquement, soit (x0 , y0 ) suppS suppT . Donc x0 suppS , et y0 suppT . Donc, pour
toute boule ouverte B(x, x ) de Rm , il existe D(B(x, x )) telle que hS, i 6= 0. De mme il
existe D(B(y, y )) telle que hT, i 6= 0. Et on a :

hS T, i = hS, ihT, i =
6 0.
Comme tout ouvert de Rm+n contenant (x, y) contient un ouvert de type B(x, x ) B(y, y ), on
en dduit que (x, y)
/ max (W ), i.e. (x, y) suppW .
Et on a la proposition :
27

28

4.2. Exemples

Proposition 4.4 Le produit tensoriel S T a un sens sur une fonction C (Rm Rn ) ds


que :

E = (suppS suppT )

(4.8)

supp

est born. Et pour une telle fonction on peut appliquer le thorme de Fubini :

hS(x) T (y), (x, y)i = S(x), hT (y), (x, y)i = T (y), hS(x), (x, y)i .

Preuve. (i) D'abord, si est support compact, aucune condition n'est requise sur le support de
S et T : c'est la dnition des distributions, dualit entre D(Rk ) et D(Rk )0 pour k N.
(ii) Cas gnral. C'est grce la dnition gnralise (voir la proposition 2.25) : soit
C (Rm+n ) donne et soit D(Rm+n ) avec = 1 dans un voisinage ouvert U de E . La
fonction est dans D(Rm+n ), et donc hS T, i R est bien dni, et on a le thorme de
Fubini :

hS(x) T (y), (x, y)(x, y)i = S(x), hT (y), (x, y)(x, y)i = T (y), hS(x), (x, y)(x, y)i .
Il reste voir que ces quantits sont indpendantes de , ds que D(Rm+n ) avec = 1 dans
un voisinage ouvert de E . C'est le cas pour hS(x) T (y), (x, y)(x, y)i, voir proposition 2.25.
Et x x, la quantit f (x) = hT (y), (x, y)(x, y)i ne dpend pas de . En eet, si
est une fonction qui vaut galement
T 1 dans un voisinage ouvert U de E , alors est
nulle dans le voisinage ouvert U U de E et donc hT (y), ((x, y) (x, y))(x, y)i = 0, i.e.
hT (y), (x, y)(x, y)i = hT (y), (x, y)(x,
y)i. Par consquent, hS(x),
fx i est indpendant de . Il
en est de mme pour le dernier terme T (y), hS(x), (x, y)(x, y)i .

4.2 Exemples
Exemple 4.5 Une fonction w(x, y) de Rm Rn est indpendante de x si elle est de la forme

w(x, y) = (1R v)(x, y) = v(y).


De mme, on dira qu'une distribution de D(Rm+n ) est indpendante de x si elle est de la forme
1R (x) T (y) = T (y). On a alors, pour tout D(Rm+n ) :
Z
Z
h1R (x) T (y), (x, y)i = h1R (x), hT (y), (x, y)ii =
hT (y), (x, y)i dx = hT (y),
(x, y) dxi
Rm

Rm

(4.9)

Exemple 4.6 La masse de Dirac ~x pour ~x = (x1 , . . . , xn ) est dnie par :


~x = x1 . . . xn

(4.10)

C'est donc la distribution de support rduit {~x} et dont l'action un sens sur toute fonction
continue f : on a dans ce cas h~x , f i = f (~x).

Exercice 4.7 Montrer que si W est le produit tensoriel des distributions rgulires T et T o
L1 (R) et L1 (R), alors W = T T est la distribution rgulire W = T associe la
fonction ( ) L1 (R2 ).
Et noter que cette distribution W est dirente de la distribution T T .

Rponse : Par dnition, W = T T est dni sur les pour et dans D(R) par :
hW, i = hT , i hT , i.
Et on a avec le thorme
R de Fubini : R
R
hT , i hT , i = ( R (x)(x) dx)( R (y)(y) dx) = R2 ((x)(y)) ((x)(y)) dxdy.
D'o le rsultat. Et en gnral,
R
R
R
R
( R (x)(x) dx)( R (y)(y) dx) 6= ( R (x)(x) dx)( R (y)(y) dx),
i.e. T 6= T . Exemple : (x) = x et (x) = x2 qui donne ( )(x, y) = xy 2 et ( )(x, y) = x2 y .

Exercice 4.8 Montrer que si Dxp est une drivation par rapport x, alors :
Dxp (S(x) T (y)) = (Dxp S(x)) T (y)
Rponse : avec le Thorme de Fubini on obtient :
hDxp (S(x) T (y)), i = (1)p h(S(x) T (y)), Dxp i = (1)p hT (y), hS(x), Dxp ii...

28

29

Exercice 4.9 Soit la fonction de Heaviside de n variables H(~x) = H0 (x1 ) . . . H0 (xn ), i.e.,
H vaut 1 dans le `quadrant positif' et 0 ailleurs. Montrer que :
H
(~x) = 0 H(x1 ) . . . H(xn ) et
x1

nH
(~x) = x1 . . . xn .
x1 . . . xn

Rponse : crivons le rsultat pour ~x = (x, y) R2 pour simplier les critures. Et notons TH0 la distribution rgulire associe H0 . Alors, pour tout D(R2 ), avec le thorme de Fubini :
hDx (TH0 (x) TH0 (y)), (x, y)i = h(TH0 (x) TH0 (y)), Dx (x, y)i = hTH0 (y), hTH0 (x), Dx (x, y)ii
= hTH0 (y), hDx TH0 (x), (x, y)ii = hDx TH0 (x) TH0 (y), (x, y)i
= h0 (x) TH0 (y), (x, y)i.

5 Produit de convolution de fonctions


5.1 Rappel formel
5.1.1 Dans R
On rappelle que pour deux fonctions f et g , quand cela a un sens, le produit de convolution
f g est donn par l'intgrale :
Z
Z
h(x) = (f g)(x) =
f (t)g(x t) dt
(=
f (x t)g(t) dt).
(5.1)
tR

(L'intgrale h(x) est une intgrale dpendant du paramtre x.)

Exemple 5.1 En particulier, si f L1 (R) et g = 1R , on (f 1R )(x) =

f (t) dt =constante, et
R
donc f 1R est la fonction constante `aire sous la courbe f ' (indpendante de x).

Exemple 5.2 Si g = 0 alors on verra que f 0 = f , i.e. h(x) = f (x) pour tout x :
(5.2)

h = f 0 = f = 0 f.

C'est `naturel', une fois qu'on considre une approximation de 0 par des fonctions, comme les
1
1
fonctions portes, k (x) = k1] 2k
, 2k
[ car on a :

Z
(f k )(x) = k

1
x+ 2k

(5.3)

f (t) dt,

1
x 2k

1
1
qui reprsente la valeur moyenne de f sur ]x 2k
, x + 2k
[.
En particulier, la mesure de f en x travers un appareil (idal) de prcision parfaite reprsente
par f g o g = 0 permettra de connatre f (x) en chaque point x. Alors qu'un appareil rel ne
1
1
permettra de connatre qu'une valeur moyenne f(x) ( travers une fentre de largeur ] 2k
, 2k
[).

Puis on rappelle que :

Proposition 5.3 Si f et g sont convolables, i.e. si h(x) = (f g)(x) a un sens, alors le support de
la fonction h = f g vrie :

supp(f g) suppf + suppg,

i.e. supp(f g) {x R : (y, z) suppf suppg, x = y + z}.

Preuve. En eet, pour x R (quelconque mais x) :


Z

(f g)(x) =

f (t)g(x t) dt
suppf

: est = 0 ds que x t
/ suppg, t suppf.

Et x t
/ supp(g) pour tout tsuppf quivaut x
/ t + supp(g) pour tout tsuppf , i.e.
x
/ suppf + suppg . Donc si x est dans l'ouvert R (suppf + suppg), on a bien (f g)(x) = 0.

Exercice 5.4 Montrer que f 1[a,b] vrie (f 1[a,b] )(x) =

R
tsuppf [xb,xa]

f (t) dt.

Rponse. On a 1[c,d] (z) = 1[d,c] (z) (vaut 1 ssi d z c ssi c z d), d'o x x,
1[a,b] (x t) =
1[b,a] (t x) =
1[xb,xa] (t) (vaut 1 ssi x b t x a).
29

30

5.2. Dnition et cas L1

5.1.2 Dans Rn
De mme, quand cela a un sens, la convolution dans Rn est dnie par :
Z
Z
h(~x) = (f g)(~x) =
f (~t )g(~x ~t ) dt
(=
f (~x ~t )g(~t ) dt)
~
t Rn

~
t Rn

(5.4)

(l'intgrale est une intgrale dpendant du paramtre ~x.)

5.2 Dnition et cas L1


Les dnitions ci-dessus sont formelles. On prcise :

Dnition 5.5 Soient f L1loc (R) et g L1loc (R) deux fonctions localement intgrables. On

appelle produit de convolution de f par g la fonction note f g dnie par, lorsqu'elle existe :
Z
f (t) g(x t) dt.
(5.5)
(f g)(x) =
R

(Intgrale dpendant du paramtre x, galement intgrale de f (pondre) pour la mesure =


g(x t) dt.)

Notation. On note symboliquement (f g)(x) = (f (t) g(t))(x) pour viter d'introduire trop
de
notations.
On impose explicitement le nom (ici t) de la variable d'intgration : (f (t) g(t))(x) =
R
f (t)g(x t) dt.
tR
Exemple :
Z
is
h(t) = (f (s) e )(t) =
f (s) ei(ts) ds,
R

o s est le nom (impos explicitement) de la variable d'intgration. Il faudrait en toute rigueur


poser g (s) = eis et crire (f g )(t) et non (f (s) g (s))(t) = (f (s) eis )(t), mais a alourdi
l'expos quand le contexte n'est pas ambig.

Proposition 5.6 Quand elle est dnie, l'opration est distributive et commutative :
f (g1 + g2 ) = f g1 + f g2 ,

g f = f g,

(5.6)

d'o le nom de `produit'.

Preuve. La commutativit est triviale l'aide du changement de variable y = xt, dy = dt. Et la


distributivit rsulte de la distributivit de la multiplication de R et de la linarit de l'intgrale.
L'existence du produit de convolution f g est soumis des restrictions sur f et g .RPar exemple,

on ne peut pas convoler les deux fonctions constantes gales 1 : on aurait (11)(x) = 1dt = .
R
Notant ||f ||1 = ||f ||L1 (R) = R |f (x)| dx quand f L1 (R) on a :

Proposition 5.7 Si f L1 (R) et g L1 (R) (intgrables), alors f g est bien dnie, et de plus
f g L1 (R) (est aussi intgrable) avec :

||f g||L1 (R) ||f ||1 ||g||1 .

(5.7)

Mme rsultat si f et g sont dans L1 (Rn ).

Preuve. La dmonstration est base sur le thorme de Fubini qui donnera :


Z

Z
Z
|(f g)(x)| dx =
|
f (t) g(x t) dx| dt
xR
tR
xR
Z
Z
Z
Z

|f (t)| |g(x t)| dx dt =


|f (t)|
|g(x t)| dx dt
tR
xR
ZtR xR
Z
=(
|f (t)| dt)(
|g(y)| dy) = ||f ||1 ||g||1 < .

||f g||1 =

tR

(5.8)

yR

Pour pouvoir appliquer le thorme de Fubini, il faut montrer que la fonction F dnie par F (t, y) =
f (t)g(y) est bien dans L1 (R2 ), ce qui est le cas, car F = f g avec f et g dans L1 . D'o on peut
30

31

5.2. Dnition et cas L1

R
R
R
appliquer Fubini t,y |f (t)| |g(y)| dtdy = tR |f (t)|( yR |g(y)| dy) dt. Puis par changement de
variables, sachant le domaine d'intgration R2 = {(t, y) R2 } vaut :
2
2
2
R R = {(t,
R xt) R : t R,R xtR R} = {(t, x) R : t R, xt R}, il vient :
|f (t)|( yR |g(y)| dy) dt = tR ( xR |f (t)| |g(x t)| dx) dt, cette dernire intgrale tant suptR
R
R
rieure tR (| xR f (t) g(x t) dx|) dt.

Remarque 5.8 L'ingalit obtenue ||f g||1 ||f ||1 ||g||1 est donc une ingalit o gauche on a
une intgrale double, alors qu' droite on a un produit des deux intgrales simples.
En particulier, ||f g||1 (calcul d'une intgrale double) n'a rien voir avec le produit ||f g||1
(calcul d'une intgrale simple) qui en gnral n'a pas de sens pour f et g dans L1 (R).

R1
Par exemple, f (t) = g(t) = 1t 1]0,1] sont dans L1 (R) (avec 0 1t = [2 t]10 = 2), mais (f g)(t) =
R 1
1
1
1 dt est dans L1 (R) :
t 1]0,1] n'est pas dans L (R). Alors que f g donne par (f g)(x) = t
|t|

|xt|

cette fonction est dnie p.p., et plus prcisment pour tout x R , et n'est pas dnie en x=0,
mais ce n'est pas gnant ici puisque
R seul le caractre intgrable (au sens de Lebesgue) nous intresse
ici. En particulier, on a vu que R |f g|(x) dx ||f ||1 ||g||1 < .
On a galement le rsultat suivant :

Proposition 5.9 Si f L1 (R) et g Lp (R), alors f g Lp (R) et :


(5.9)

||f g||p ||f ||1 ||g||p .


Mme rsultat si f L1 (Rn ) et g Lp (Rn ).

Preuve. On se ramne auR cas de la proposition 5.7, sachant f L1 (R) et g p L1 (R).


On veut montrer que

xR

|(f g)(x)|p dx < , i.e. que :


Z

xR

f (t)g(x t) dt dx < .

(5.10)

tR

Il faut donc pour commencer regarder si (f g)(x) =


presque tout x. On a :

R
tR

f (t)g(x t) dt a un sens x x pour

1
1
|f (t)g(x t)| = |f (t)| p |g(x t)| |f (t)| q ,
o q est l'exposant conjugu de p :
1
q

1
p

1
q

(5.11)

= 1.
1

Puisque f L (R) on a |f | L (R) ; et x x, on a t |f (t)| p |g(x t)| Lp (R) puisque


(|f (t)| |g(x t)|)p dt = (f g p )(x) a un sens d'aprs la proposition 5.7 (on a bien f L1 (R) et
R
p
g L1 (R)).
D'o avec l'ingalit d'Hlder (voir cours d'intgration) on a x x, t f (t)g(x t) L1 (R)
et :
Z
Z
Z
p1

1
p
|f (t)| |g(x t)| dt
|(f g)(x)| = |
f (t)g(x t) dt|
|f (t)| dt q ,
(5.12)

tR

tR

et donc :

|(f g)(x)|p |(|f | |g|p )(x)| ||f ||1q .

D'o avec la proposition 5.7 :


Z

p
q

(5.13)

xR

soit puisque 1 +

tR

|(f g)(x)|p dx ||f ||1 ||g p ||1 ||f ||1q

(5.14)

=p:
||f g||p =

1
|(f g)(x)|p dx p ||f ||1 ||g||p .
xR

Dmonstration similaire dans Rn .

31

(5.15)

32

5.3. Cas de g D() : rgularisation C

5.3 Cas de g D() : rgularisation C


On commence par noter qu'il sut de supposer que l'une des deux fonctions est support
compact pour que le produit de convolution est un sens, puis, si le produit de convolution a un
sens et si l'une des fonctions est C alors le produit est C : le produit de convolution est
rgularisant :

Proposition 5.10 Si f L1loc (R) et si g D(R), alors f g est une fonction de C (R).
Preuve. On note k(x, t) = f (t)g(x t) = kx (t) l'intgrant de (f g)(x).

x x quelconque la fonction partielle kx (t) = k(x, t) est intgrable car mesurable (produit
de fonctions mesurables), support born car g l'est, et borne en valeur absolue par C|f (t)| o
C = supyR |g(y)| (qui existe car g est continue support compact).
On peut donc appliquer le
R
critre d'intgrabilit par domination : x x, (f g)(x) = kx (t) dt a un sens.
Et pour le caractre C (R) on est dans le cas d'une intgrale h(x) = (f g)(x) dpendant d'un
paramtre x et on applique le thorme de convergence domine de Lebesgue : 1- on a vu que pour
tout x l'application kx est intgrable, 2- t x l'application partielle kt (x) = k(x, t) est C (R)
(m)
en x car g l'est, 3- et sa kt (x) drive d'ordre m est borne sur tout compact par Cm |f (t)| o
Cm = ||g (k) || , et donc h est C sur tout compact, donc sur R.

Remarque 5.11 Par contre, il n'y a aucune raison pour que f R g soit support compact si f

n'est
pas support compact : prendre f = 1R et (1 g)(x) = R g(t) dt constante non nulle si
R
g(t)
dt 6= 0. Ce mme exemple montre que dans ce cas f g n'est pas non plus dans L1 (R).
R

5.4 Suite rgularisante ou approximation de l'identit


Dnition 5.12 On appelle suite rgularisante une suite (k ) de D(R) telle que :

k (x) 0 x R

1 1
supp(k ) [ , ]
k
k
Z

k (x) dx = 1

(5.16)

Une telle suite approchant 0 est galement appele approximation de l'identit, l'oprateur (0 )
tant l'oprateur identit, i.e. (0 )f = f . Voir paragraphes suivants sur la convolution des distributions.
Dnition similaire dans Rn o [ k1 , k1 ] est remplac par la boule de centre 0 et de rayon k1 .
On a construit une suite rgularisante en (1.9) page 5, savoir (k )kN , o k (x) =

R (kx)
.
|(kt)| dt
R

5.5 Rgularisation C d'une fonction en escalier


On ane le rsultat de rgularisation donn dans la proposition 5.10.

Proposition 5.13 tant donn un intervalle ferm [a, b], avec < a < b < , et k est donne
par (1.9), la fonction = 1[a,b] k est une fonction de D(R) support dans [a k1 , b + k1 ], telle
que 0 1 et qui vaut 1 sur [a + k1 , b k1 ] ds que k2 < b a.
(k~
x)
Dans le cas de Rn , avec k (~x) = R n |(nt)|
o est donne dans (1.7), la fonction 1K k
d
R
1
n
~
est galement dans D(R ) de support K + B(0, k ), o B(~0, k1 ) est la boule unit de centre ~0 et
rayon k1 .
Preuve. La fonction 1[a,b] k est C car k l'est. On a (avec le changement de variable u = x t
donnant du = dt) :

Z
(x) = 1[a,b] k (x) =

t=a

k (u) du =
u=xa

Donc, sachant que supp(k ) [ k1 , k1 ], si x b >


supp(1[a,b] k ) [a k1 , b + k1 ].

1
k

32

xb

k (x t) dt =

k (u) du.
u[xb,xa]

ou si x a < k1 , on a 1[a,b] k (x) = 0, d'o

33

R
R
Et la fonction k tant positive d'intgrale R k = 1, on a 0 u[xb,xa] k (u) du 1, i.e.
0 1.
Enn, si x b < k1 et si x a > k1 , i.e. si x [a + k1 , b k1 ], alors
Z
Z
(x) =
k (u) du
k (u) du = 1.
1 1
u[ k
,k]

u[xb,xa]

Et l'autre rsultat attendu (trs utilis) est :

Proposition 5.14 tant donn un intervalle ouvert ]a, b[, avec < a < b < , et un intervalle
ferm [c, d] ]a, b[, il existe une fonction D(]a, b[) qui vaut 1 sur [c, d], et qui de plus est positive
et borne par 1.
Mmes rsultats dans Rn o [a, b] est remplac par un compact K .
Preuve. C'est un corollaire de la proposition prcdente : on prend = 1[a k1 ,b+ k1 ] k avec k

assez grand pour que c < a

1
k

et d > b + k1 .

6 Produit de convolution de distributions


6.1 Dnition
6.1.1 Dnition formelle
tant donn deux fonctions f et g de L1 (Rn ), leur produit de convolution est dni par, pour
x Rn :
Z
Z
(f g)(x) =
f (y)g(x y) dy
(=
g(x y)f (y) dy )
(6.1)
Rn

Rn

Au sens des distributions, cela donne pour toute fonction D() :


Z
Z
h(f g)(x), (x)i =
(f g)(x)(x) dx =
f (y)g(x y)(x) dx dy
Rn

soit encore :

R2n

(6.2)

h(f g)(x), (x)i =

f (y)g(x)(x + y) dx dy = hf (y) g(x), (x + y)i


R2n

(6.3)

ds que le produit f g a un sens.

Dnition 6.1 On dnit alors le produit de convolution de deux distributions S et T de D0 ()

par, lorsque cela a un sens :

D(Rn ),

df
df
hS T, i = hS T, hi o h(x, y) = (x + y)

(6.4)

Il est immdiat que si S T a un sens alors S T = T S (commutativit). Et on note abusivement :

D(Rn ),

df
hS T, i = hSx Ty , (x + y)i.

(6.5)

Un des outils principaux pour l'tude de ce produit de convolution sera le thorme de Fubini,
proposition 4.1.
qu'on ne peut pas convoler les deux fonctions constantes gales 1 :
Remarque 6.2 On rappelle
R
on aurait (1 1)(x) = R 1dt = .
De mme, la dnitionR auR sens des distributions pose un problme : pour D(R) on aurait
h1(x)
R1(y), (x + y)i = R ( R (z)dz)dx intgrale de fonctions variables spares donc gale
R
( R dx)( R (z)dz) = .

33

34

6.1. Dnition

6.1.2 Domaines de dnition : supports convolables


Le produit de convolution n'a pas toujours de sens : si D() est bien support born, la
fonction h(x, y) = (x + y) n'est jamais support born (sauf si 0). En eet, si a supp,
alors le sous ensemble x + y = a (droite de pente 1 dans R2 ) appartient au support de h, et donc
le support de h n'est pas born : h 6 D(R R). Et le support de h est la bande oblique dans R2
(`de pente -1') qui passe par supp() {0} R2 (faire le dessin).
Voici des cas o on restreint les support de S ou de T de manire conserver un sens S T :

Proposition 6.3 et dnition. Soit S, T D0 () deux distributions donnes. Pour que le pro-

duit de convolution S T ait un sens dans D0 (), i.e. pour que hS T, i ait un sens pour tout
D(), il sut que les sous ensembles de R2 :

E = {(x, y) R2n : x suppS, y suppT, et x + y supp}

(6.6)

soient borns (les E dpendent de , et chaque E doit tre born). C'est en particulier le cas si
les distributions S et T vrient :
1. suppS est born,
2. suppS et suppT sont limits tous deux gauche (ou tous deux droite).
On dit alors que les supports de S et T (ou simplement que S et T ) sont convolables.
Faire les dessins en commenant par reprsenter la bande oblique support de h(x, y) = (x + y).

Preuve. Plaons-nous, pour simplier les notations, dans le cas n = 1 (i.e. Rn = R). Pour S et T
dans D0 (R) et D(R), le produit de convolution hS T, i a un sens ssi hS T, hi a un sens o
h(x, y) =df (x + y).
Et, pour que hSx Ty , h(x, y)i ait un sens il sut que le support de Sx Ty et le support de h
ait une intersection borne, grce la proposition 4.4 (ou la propositiondnition 2.25).
Et les 2 cas prsents, satisfont visiblement cette condition quelque soit .
Exercice 6.4 Soient S D0 (R) et C (R) t.q. leurs supports soient compatibles (proposition

dnition 2.25). Montrer que les supports de S et de T ne sont pas forcment convolables.

Rponse. Soit S = 1R et = 1[1,[ 1 avec (t) = 1 pour t 0, voir (1.5) et (1.6) : ici suppS =], 0]

est limit droite et suppT = [1, [ est limit gauche, et suppS supp [1, 0]. Soit = 1 . Alors
E1 n'est pas born (faire le dessin) et les supports ne sont pas convolables.
R0
R
Et de plus S T n'a pas de sens en gnral : on a hS T , i = x= y=1 (y)(x + y) dydx)
et pour = 1 la fonction (x, y) (y)(x + y) n'est pas dans L1 (R [1, [). Sinon on pourrait
appliquer le thorme de Fubini qui donnerait = .

Exercice 6.5 Montrer que si les distributions S et T sont convolables alors on n'a pas forcment
suppS et suppT compatibles.
Rponse. On se met dans le cas 2. de la proposition avec S = 1R+ 1 = T = C (R). Alors S et T

sont convolables, mais hS, i = .

Remarque 6.6 La proposition


S 6.3 a pour hypothse que pour chaque , l'ensemble E est born.
Cela ne veut pas dire que ( D(R) E ) est borne !
Par exemple, si suppT est born et S = 1R (on est dans le cas 1. de la proposition), l'ensemble E
est contenu dans la bande oblique (de pente 1) qui coupe l'axe des x sur le support de , et qui
se situe dans la bande horizontale dlimite par suppT
S . Les n dnis par n (x) = (x n) sont
bien sr dans D(R), et En est born, mais l'union nN En n'est pas born.
Remarque 6.7 La proposition 6.3 ne donne que des conditions susantes pour que S T ait un
sens, pas des conditions susantes. Par exemple, si f et g sont des fonctions L1 (R) alors leurs
supports ne sont pas convolables, alors que f g a un sens (et f g L1 (R), voir proposition 5.7).
Et il en est de mme au sens des distributions pour f, g L1 (R) : Tf Tg a un sens puisque si
D(R), alors :
Z Z
hTf Tg , i =

f (x)g(y)(x + y) dxdy
R

et que l'intgrant est intgrable dans R2 car major par k(x, y) = |||| |f (x)g(y)|, et k L1 (R2 )
car k est une fonction variables spares, chaque fonction tant dans L1 (R).
34

35

6.1. Dnition

Remarque 6.8 Le cas 1. de la proposition 6.3 est intressant dans l'tude des E.D.P., et le cas 2.
dans l'tude des quations direntielles.

Remarque 6.9 Ne pas confondre supports compatibles au sens de la proposition 2.25 (qui s'applique l'opration h., .i) et supports convolables (qui s'applique l'opration de convolution).
6.1.3 Application : convolution de fonctions L1loc (R)
On a par exemple dans le cas de distributions rgulires (dnies par des fonctions de L1loc (R)) :

Lemme 6.10 Soient f L1loc (R) et g L1loc (R) deux fonctions localement sommables, Tf et Tg les

distributions rgulires associes. On suppose les supports de Tf et Tg convolables (proposition 6.3).


Alors :
Z
f (x t)g(t) dt
(6.7)
h(x) = (f g)(x) =
R

est localement sommable : h

L1loc (R).

Preuve. On considre f g au sens des distritutions, i.e. on considre Tf Tg : pour tout D() :
Z
hf g, i = hf (x)g(y), (x + y)i =

f (x)g(y)(x + y) dxdy
R2

(6.8)

Cela a bien un sens grce l'hypothse sur les supports de f et g : la fonction f (x)g(y)(x + y) est
localement sommable de support born et est donc sommable. On peut donc appliquer le thorme
de Fubini, ce qui donne, aprs changement de variable :
Z
Z Z
Z

hf g, i =
f (z y)g(y)(z) dzdy =
f (z y)g(y) dy (z) dz =
h(z)(z) dz (6.9)
R2

Et la fonction h(z)(z) tant sommable pour tout D(R), la fonction h(z) est localement
sommable (pour un compact K donn, prendre D(R) avec = 1 sur K ). Et comme hf g, i =
hh, i pour tout D(), on dduit que f g = h L1loc (R).

Notation. Corollaire : pour des distributions rgulires Tf , Tg avec f, g L1loc (R) et Tf , Tg

convolables, on note :

Tf Tg = f g.

(6.10)

Et pour f L1loc (R) et T D0 (R) avec Tf , Tg de supports convolables, on note :

Tf T = f T.

(6.11)

Exercice 6.11 Montrer que si f, g L1 (R), alors Tf Tg = Tf g .


Rponse. Voir remarque 6.7.

Exercice 6.12 Montrer que T 0 = T (= 0 Tf ) pour T D(R). Montrer que si f L1loc (R),

alors f 0 = Tf (= 0 f ).

Rponse. Comme 0 est support compact, T et 0 sont convolables. Et hT 0 , i = hT (x) 0 (y), (x +


y)i = hT (x), h0 (y), (x + y)ii grce au thorme de Fubini, = hT (x), (x)i. D'o T 0 = T , et de mme
0 T = T . En particulier si T = Tf alors Tf 0 = Tf , ce qui est not abusivement f 0 = f = 0 f .

Exercice 6.13 Montrer que T 00 = T 0 (= 00 T ) pour T D(R). Montrer que si f C 1 (R),

alors f 00 = f 0 (= 00 f ).

Rponse. Comme 00 est support compact, T et 00 sont convolables. Et hT 00 , i = hT (x) 00 (y), (x +

y)i = hT (x), h00 (y), (x + y)ii grce au thorme de Fubini, = hT (x), 0 (x)i = hT 0 , i. D'o T 00 = T 0 ,
et de mme 00 T = T 0 . En particulier si T = Tf alors 00 Tf = (Tf )0 , et si f C 1 (R) on a (Tf )0 = Tf 0 ,
d'o avec les notations abusives 00 f = f 0 = 00 f (pour f C 1 (R)).

35

36

6.2. Rgularisation C des distributions

6.2 Rgularisation C des distributions


6.2.1 Rgularisation C des distributions
On a vu dans 5.1 que convoler f par une fonction g en un point x sert connatre une valeur
moyenne de f autour du point x pour la mesure g(x t)dt. Une moyenne tant un objet `rgularisant', on peut s'attendre ce que le produit de convolution soit rgularisant. On le sait dj pour
les fonctions de L1loc (R), voir le paragraphe 5.5.

Proposition 6.14 et dnition. Soit ouvert de Rn . Si T D0 () et si C () sont telles

que leurs supports sont convolables (voir proposition 6.3), alors T est une fonction C () (avec
la notation (6.11)) et :
(T )(x) = hT (t), (x t)i
(6.12)

On dit que T est la rgularise de T par C (), et que la convolution par C () est
une rgularisation.
De plus, si (Tj ) est une suite de D0 (R) qui tend vers T dans D0 (R), alors :

(Tj )(x) (T )(x),

x R

(6.13)

Preuve. T T =not T a un sens car les supports sont supposs


R convolables. Puis dans

le cas o T = Tf est une distribution rgulire, on a (f )(x) = R f (t)(x t) dt. Et on a


x) = x (t)
, d'o (f )(x) = hf, x i
.
(x t) = (t
Montrons que si T et sont convolables, alors pour tout x les supports de T et de x sont
compatibles, voir proposition 2.25. Supposons le contraire, i.e. que il existe x t.q. suppT suppx
est non born. Regardons le cas du voisinage de + (mme dmarche pour le voisinage de ).

Donc, pour tout R > 0, il existe a > R tel que a suppT et x (a)
6= 0 i.e. (x a) 6= 0.
Donc par dnition du support de T , pour tout > 0, il existe D(B(a, )) avec (a) 6= 0 telle
que hT, i 6= 0. Puis on considre la fonction xa donne par xa (y) = (y + a x) Et on a
l'ensemble E(xa ) (de la proposition 6.3) qui contient le point (a, x a). En eet a suppT ,
x a supp et xa (a + x a) = (a) 6= 0. Comme on peut choisir a aussi grand que souhait,
les supports ne sont pas convolables, ce qui est contraire l'hypothse. Donc T et x ont leurs
supports compatibles. (Faire un dessin avec xa telle que (u, v) xa (u+v) = (u+v(xa))
a pour support la bande oblique qui passe par le point (u = a, v = x a).)
, fonction ainsi dnie pour chaque x. De
On peut donc poser h(x) = hT (t), (x t)i = hT, x i

plus h est C grce au thorme de drivation sous le crochet (proposition 3.1) puisque (x, t)
(x t) est trivialement C (R2 ) quand C (R). Donc h est localement intgrable et dnie
la distribution rgulire Th .
Montrons que T = la distribution rgulire Th , i.e. que T peut tre identie la fonction
h C (R). On a, pour tout D() :

hT , i = hT (x) (y), (x + y)i = hT (x), h(y), (x + y)ii


Z
Z
= hT (x),
(y)(x + y) dyi = hT (x),
(z)(z x) dzi
Rn

Rn

(6.14)

= hT (x), h(z), (z x)ii


= h(z), hT (x), (z x)ii = h, hi = hh, i.
Et donc T = h au sens des distributions (i.e. T T = Th ) et donc ici au sens des fonctions.
Puis, pour D(R) quelconque, x x, (Tj )(x) = hTj , xi hT, xi = (T )(x) par
dnition de la convergence dans D0 (R), voir paragraphe 1.3.5.

Remarque 6.15 Si f L1 (R) alors la formule (6.12) donne, pour C (R) et f et convo-

lables :

Z
(f )(x) = hf (t), (x t)i =

f (t)(x t) dt,
tR

et f est C .

36

(6.15)

37

6.3. Convolution d'une fonction par une distribution support compact

6.2.2 Densit de D() dans D0 ()


On sait dj que la distribution 0 (masse de Dirac) est limite de la suite de fonctions (k )
de D(R) (voir paragraphe 1.4.3).
On commence par le cas o = R tout entier (ou Rn ).

Proposition 6.16 Toute distribution T D0 (R) est limite dans D0 (R) d'une suite de fonctions

de D(R). On dit que D(R) est dense dans D0 (R).

Preuve. (Par rgularisation et troncature) On se donne une distribution T D0 (R). Il s'agit de

trouver une suite (k ) de D(R) telle que k * T dans D0 (R), i.e. telle que pour tout D(R)
hT k , i 0 quand k (voir paragraphe 1.3.5).
D'aprs le proposition 6.14, k T est une fonction C (R). On restreint son support : soit
k = k (k T ) o la fonction k D(R) vaut 1 sur [k, +k] et 0 sur [k1, k+1] (une telle
fonction existe, voir proposition 5.13). Il est immdiat que k D(R).
Enn, pour donn dans D(R), on a, en prenant k assez grand pour que supp() [k, k],
et donc k = :

hk (k T ), i = hk T, k i = hk T, i = Ty , hk (x), (x + y)i

(6.16)
Ty , h(0 )x , (x + y)i = hTy , (y)i = hT, i.
k

Ce rsultat tant vrai pour tout D(R) on a bien k = k (k T ) * T quand k .


Dans le cas o est un ouvert de R quelconque, le rsultat n'est pas modi :

Proposition 6.17 Toute distribution T D0 () est limite dans D0 () d'une suite de fonctions

de D(). On dit que D() est dense dans D0 ().

Preuve. On reprend la dmonstration prcdente, mais on construit maintenant une suite de

fonctions k de D() qui vaut 1 sur le compact K tel que d(K, R ) k1 (distance maximale du
bord de K au bord de ). Et une telle suite existe d'aprs la proposition 5.14.

6.3 Convolution d'une fonction par une distribution support compact


Proposition 6.18 Si T est une distribution support compact et si est C alors on a simple-

ment :

(T )(x) = hT (t), (x t)i.

Preuve. Voir proposition 6.14.


Exemple 6.19 (0 )(x) = h0 (t), (x t)i = (x).
6.3.1 Convolution par 1 et par des polynmes d'une distribution support compact
La proposition 6.3 ne donne qu'une condition susante, et non Rncessaire.
Pour une fonction
f L1 (R), on a h(x) = (f 1)(x) = hf, 1i = R f (t) dt et donc la fonction h
R
est constante = f . Et au sens des distributions toujours avec f L1 (R), et pour tout D(R) :
Z Z
Z Z
Z
hf 1, i =
f (x)1(y)(x + y) dxdy =
f (x) (u) dxdu = h f (x) dx, i = hhf, 1i, i,
R

et h = f 1 est donc la fonction constante hf, 1i au sens des distributions ou des fonctions.
Pour une distribution T support born, la convole T 1 a un sens (au sens des distributions car
les supports sont compatibles), et c'est la fonction constante hT, 1i : avec la proposition prcdente
il vient :
(T 1)(x) = hT (t), 1(x t)i = hT (t), 1i = cste.
On peut le vrier avec la dnition, pour quelconque dans D(R) :

h(T 1)(x), (x)iR = hT (t)1(x), (x+t)iR2 = T (t), h1, (u)iR R = hT (t), 1iR , (u) R = hc0 , iR ,
grce au thorme de Fubini, o c0 = hT, 1i.
37

38

6.4. Masses de Dirac et convolution

De mme, pour l'application linaire (x) = x, on a :

(T )(x) = hT (t), x ti = xhT (t), 1i + hT (t), ti = hc1 + c0 x, i,


o c0 = hT, 1i et c1 = hT (t), ti, et T est donc une application ane.
Plus gnralement, si P est un polynme de degr n il est donn par son dveloppement limit
Pn
k
au voisinage d'un point z par P (h + z) = k=0 hk! (k) (z).
Pn
k
Et donc P (x t) = k=0 xk! (k) (t) (son dveloppement de Taylor au voisinage de t). D'o
T P est aussi un polynme de degr n donn par (on suppose toujours T support born pour
tre assur de la compatibilit des supports) :

(T P )(x) = hT (t), P (x t)i =

n
X
xk
k=0

k!

hT (t), P (k) (t)i =

n
X
ck
k=0

k!

xk

(6.17)

o ck = hT (t), P (k) (t)i.

6.3.2 Autre exemple


Un cas o qui rentre dans le cadre de la proposition 6.3 est :

Exemple 6.20 Dans l'espace-temps R4 , supposons que suppS A et suppT B o A est le


cne d'ondes d'avenir et B le demi-espace des temps positifs :

A = {t = x4 0, x24 x21 x22 x23 0}

B = {t = x4 0}

(6.18)

Alors S T est bien dni : en eet, si ~x = (x1 , x2 , x3 , x4 ) et ~y = (y1 , y2 , y3 , y4 ), alors supposant


~x + ~y born, par exemple, maxi (xi + yi ) C , implique x4 + y4 C . Et comme x4 0 et y4 0
on en dduit que x4 et y4 sont borns. Puis comme x24 x21 + x22 + x23 , on dduit que les xi sont
borns, donc que les yi sont aussi borns.

6.4 Masses de Dirac et convolution


6.4.1 Elment unitaire : masse de Dirac 0
La masse de Dirac a un support born puisque rduit {0}. La proposition 6.18 donne, pour
f C (R) :
0 f = f = f 0
(6.19)
puisque (0 f )(x) = h(0 )t , f (x t)i = f (x) (c'est en fait vrai ds que f C 0 (R)).
Regardons la distribution T 0 . Elle a un sens car 0 est support born, voir proposition 6.3.
Et si D() alors :

h0 T, i = hTy , h0 (x), (x + y)ii = hTy , (y)i = hT, i


Donc :

T 0 = T = 0 T,

T D0 (R).

(6.20)
(6.21)

Et 0 est lment neutre pour l'opration de convolution dans D0 (R).


Et l'oprateur (0 ) : D0 (R) D0 (R) dnit par (0 )T = 0 T est l'oprateur identit.

6.4.2 Translation : masse de Dirac a


La masse de Dirac en a joue le rle de la translation : pour tout T D0 (Rn ) :

a T = a T
ou encore : a 0 T = 0 a T = a T .
En eet, ha T, i = hTy , (y + a)i = hT, a i = ha T, i pour tout D(Rn ).

38

(6.22)

39

6.4.3 Drivation : drive de Dirac 00


La drive de la masse de Dirac joue le rle de drivation :
(m)

00 T = T 0 = T 00 ,

(m)

T = T (m) = T 0

(6.23)

pour toute distribution T . En eet, comme 00 a un support born, 00 T a toujours un sens, et


on a, pour tout D() :

h00 T, i = h00 (x) T (y), (x + y)i = hT (y), h00 (x), (x + y)ii


= hT (y), 0 (y)i = hT 0 , i

(6.24)

En particulier, on a pour la fonction de Heaviside : 00 H0 = H00 = 0 .


Et pour la fonction constante unit : 00 1 = 10 = 0.

Exemple 6.21 Montrer que l'oprateur direntiel P =

d2
dx2

d
+ a1 dx
+ a2 , qui est dni en particulier sur les fonctions D(R), s'crit aussi appliqu D(R) :

P () = (000 + a1 00 + a2 0 )
Cela permettra de faire du calcul symbolique : au lieu de rsoudre une quation direntielle de
type P () = f on rsoudra une quation de produit (de convolution) A = f o ici A =
000 + a1 00 + a2 0 .

6.4.4 Fonctions de Heaviside et H0 ex


En vue de la rsolution des quations de convolution, on pose pour C et n N :
(n)

H() (x) = H0 (x)ex


Alors on a :

(n)

(m)

xn1
(n 1)!
(n+m)

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


En eet :

(n)
(H()

(m)
H() )(x)

(x)

(6.25)
(6.26)

(x t)n1 tm1
e(xt) et dt
(n 1)! (m 1)!
0
Z 1
ex xn+m1
=
(1 u)n1 um1 du
(n 1)! (m 1)! 0

aprs avoir pos t = xu. Or l'intgrale vaut

(n1)! (m1)!
(n+m1)!

(6.27)

(exercice).

7 Transforme de Fourier
7.1 Transformation de Fourier de fonctions
Ici on considre les fonctions f : R C (de la variable relle valeurs complexes). On notera
simplement L1 (R) = L(R; C) l'ensemble des fonctions (Lebesgue) intgrables sur R valeurs
ei
dans C. Exemple : f : 1+
2.
Les buts de la srie de Fourier, pour une fonction f qui est T priodique, et qu'il sut de
considrer sur l'intervalle [ T2 , T2 ], sont les suivants :
1- Connaissant la fonction f : t f (t) (de la variable temporelle), on souhaite connatre son
RT
2k
expression frquentielle. Les coecients de Fourier ck = T1 2T f (t) ei T t dt sont les expressions
2

frquentielles cherches pour la frquence k = 2k


T . Et les ck sont les composantes de f dans la
2k
2k
base orthogonale (ei T t )kZ de Fourier dans L2 ([ T2 , T2 ]) : on a ck = (f, ei T t )L2 .
2- Connaissant les expressions frquentielles ck (donnes par un oscilloscope par exemple)
d'une fonction, on souhaite connatre (rcuprer) la fonction f . Elle est donne par : f (t) =
P
i 2k
T t (ds que f est C 0 (R) et C 1 par morceaux par exemple). On a ainsi rcuprer f
k= ck e
(ou au moins ses valeurs moyennes) l'aide de ses composantes.
Pour les transformes de Fourier, la dmarche est la mme, pour une fonction f L1 (R) (sans
condition de priodicit) :
39

40

7.1. Transformation de Fourier de fonctions

1- Connaissant la fonction f : t f (t) (de la variable temporelle), on souhaite connatre son


expressionR frquentielle. Les coecients de Fourier, appels transformes de Fourier dans ce cas,

f = 12 f (t) eit dt sont les expressions frquentielles cherches pour la frquence = 2 .


2- Connaissant les expressions frquentielles f = f() (donnes par un oscilloscope par
exemple) d'une fonction, on souhaite connatre (rcuprer) la fonction f . Elle est donne par :
R
f (t) = = f() eit d (ds que f est L1 (R) par exemple).
Le cas des sries de Fourier est suppos connu. On va commencer par prciser le passage des
sries aux intgrales de Fourier, puis on dmontrera la transformation de Fourier inverse. Ensuite,
on passera aux transformes de Fourier des distributions.

7.1.1 Srie de Fourier d'une fonction priodique


Pour f une fonction L1loc (R) priodique de priode T , i.e. f (x + T ) = f (x) pour tout x R, on
dnit sa srie de Fourier Sf par :

(Sf )(t) =

ck ei

2k
T t

(7.1)

k=

o on a pos :

ck =

1
T

T
2

f (t) ei

2k
T t

dt

T2

(7.2)

On sait que Sf (t) = f (t) presque pour tout t et que Sf = f si par exemple la fonction priodique
f est C 0 (R) et C 1 par morceaux sur R.
Notons :
2ik
ek : t R ek (t) = e T t R.
les fonctions de base (trigonomtriques) de C 0 ([ T2 , T2 ]).

Remarque 7.1 (ek )kZ est une base orthogonale de L2 ([ T2 , T2 ]) : en particulier on vrie que

RT
R T 2ik
2i`
(ek , e` )L2 = 2T ek (t)e` (t) dt = 2T e T t e T t dt = T k` . Et ( ekT )kZ est une base orthonor2
2
me.

Et pour f L2 ([ T2 , T2 ]), les T ck sont les composantes de f sur la base orthonorme

R T2
R T2
2k
ek (t)
ek
k (t)

1
2 =
f (t) ei T t dt, expression de ck
( e
)
,
i.e.,
T
c
=
(f,
)
dt
=
kZ
k
T f (t)
L

T
T
T
T T2
2
quivalente la prcdente.
Ces composantes ck de f ne font intervenir aucune valeur ponctuelle de f , uniquement des
valeurs moyennes de f pour la mesure T1 eik t dt. En particulier, pour une fonction C 1 par morceaux,
(x)
la srie de Fourier Sf vrie (Sf )(x) = f (x+)+f
et n'est donc gale f qu'aux points o f est
2
continue.
Cette approche est donc trs dirente de l'approche par dveloppement limit qui fait intervenir
des valeurs ponctuelles de f .

Remarque 7.2 Pour un oprateur A L(E, E) d'un espace E dans lui-mme, un vecteur e non

nul est vecteur propre s'il existe R (valeur propre) tel que Ae = e, i.e., si l'espace Vect{e} est
invariant par A.
Si pour f L1 (R) on note Cf = f l'oprateur de L1 (R) dans L1 (R) dnit par Cf (g) = f g ,
2k
alors on a avec la dnition des coecients de Fourier, notant ek (t) = ei T t :
Z
2k
2k
Cf (ek )(t) = (f ek )(t) =
f (s)ei T (ts) ds = ei T t ck .
(7.3)
R

Et donc :

Cf (ek ) = f ek = ck ek
i 2k
T t

(7.4)

est fonction propre pour Cf associe la valeur propre ck


et donc la fonction ek (t) = e
(le k -ime coecient de Fourier de f ).

40

41

7.1. Transformation de Fourier de fonctions

Dnition 7.3 La pulsation d'ordre k associe la priode T est :


2k
= k1
T

k =

1
1
est la pulsation fondamentale. La frquence fondamentale est 1 =
=
, et les
T
2
k
frquences harmoniques sont donnes par k = k1 =
.
2

et 1 =

2
T

On notera galement = k+1 k , et donc = 2


T = 1 .
On a alors :
Z T2
1
f (t) eik t dt
ck =
T T2
et :

(Sf )(t) =

ck eik t

(= f (t) p.p.).

(7.5)

(7.6)

k=

Deux fonctions de bases successives ek et ek+1 ont pour pulsations k = 2k


et k+1 =
T
2(k+1)
= k + . Et quand T >> 1 (i.e. T est `grand'), << 1 (i.e. est `petit') et
T
les pulsations k et k+1 sont trs voisines. Et il pourra tre plus judicieux de considrer f (t)
comme une fonction qui dpend de manire
P continue de , et non de Rmanire discrte comme ici.
Et ainsi au lieu d'crire (Sf (t)) = f (t) = kZ ck eik t , crire f (t) = R b() eit d .
C'est le cas lorsque la fonction f considre a une priode trs grande, auquel cas on ne la
considre plus comme tant priodique
: ce cas est trait
R l'aide des transformes de Fourier, le
P
passage de la somme discrte Z la somme continue R tant l'objet du paragraphe suivant.

7.1.2 Introduction la transforme de Fourier


On prend une fonction qui n'est plus priodique, mais qui est intgrable (f L1 (R)). Heuristiquement, cela revient faire tendre T vers + de la manire suivante. On pose :

T
a(k ) = ck
2

1
i.e. a(k ) =
2

T
2

f (t) eik t dt

T2

(7.7)

d'o, en restreignant f l'intervalle [ T2 , T2 ] :

Sf (t) =

2 X
a(k ) eik t
T

(7.8)

Mais deux valeurs successives de k sont spares de =

2
T ,

d'o pour t [ T2 , T2 ] :

1 X
Sf (t) =
a(k ) eik t
2 k
Et lorsque T tend vers , 0, et on trouve heuristiquement :
Z
Z
1
1
a() eit d
o
a() =
f (t) eit dt
Sf (t) =
2
2

(7.9)

(7.10)

D'o :

Dnition 7.4 On appelle transforme de Fourier de f L1 (R), et plus gnralement d'une

fonction f L1 (R, C) fonction de la variable relle valeurs dans C, la fonction a : R C


donnant la valeur a() trouve en (7.10) (valeur qui dpend de f ). On note a() = (F(f ))() =
(Ff )() = fb(). Donc :
Z
df 1
f (t) eit dt
(7.11)
fb() =
2

41

42

7.1. Transformation de Fourier de fonctions

Ayant suppos f L1 (R), cette dnition a bien un sens : fb() est une intgrale dpendant du
paramtre , et la fonction t f (t) eit est intgrable puisque majore par |f (t)| indpendant
de .
On note galement de manire abusive :
Z
1
d
f (t) () =
f (t) eit dt,
(7.12)
2
avec donc t variable d'intgration (variable `muette') et paramtre.
On a donc, avec la notation (formelle) des distributions et du produit scalaire L2 (pour les
fonctions valeurs complexes) :
it

e
fb() = hf (t),

eit
ei.
i = (f (t), )L2 = (f, )L2
2
2
2

(7.13)

Et fb() est
. (Ne pas oublier que
R `donc' la `composante' de f correspondant la frquence
R
(f, g)L2 = f g dt C est associ la norme ||f ||2L2 = (f, f )L2 = |f |2 dt R).
Et (formellement) on reconstituera f l'aide des ses composantes : formellement on considre
la somme, pour presque tout t R :
Z
1
f (t) =
fb()eit d
(7.14)
2 R
(ce, ds que fb L1 (R).) Un des buts de ce cours est de prouver cette formule d'inversion,
comparer avec (7.11).

7.1.3 Premires proprits de la transforme de Fourier


Proposition 7.5 Si f L1 (R), la fontion :
(
fb :

R C
7 fb()

(7.15)

est une fonction qui est continue et borne par ||f ||L1 (R) .

R
Preuve. fb est borne sur R car : |fb()| R |f (t)| dt =

1 ||f ||1
2

pour tout R.
b
b
Et f est continue si pour 0 donn (quelconque) dans R on a f () 0 fb(0 ). Mais t x,
l'intgrant f (t) eit est une fonction continue de , et il est domin indpendamment de par la
fonction intgrable |f (t)|. Le thorme de la convergence domine de Lebesgue s'applique : fb est
continue.
On vient de voir que pour f L1 (R) = L(R; C) on a fb L (R) = L (R; C). On dnit alors
la fonctionnelle :
( 1
L (R) L (R)
F:
(7.16)
f 7 F(f ) = fb.
On rappelle que L (R) est l'ensemble des fonctions mesurables bornes, i.e. des fonctions f telles
que supxR |f (x)| < . Notant ||f || = supxR |f (x)|, on rappelle que (L (R), ||.|| ) est un
espace de Banach. (Plus exactement ||f || = sup essxR |f (x)|, le sup essentiel, i.e. un ensemble
ngligeable prs, voir cours d'intgration. Mais ici fb tant continue, c'est bien le sup sur tout R.)

Proposition 7.6 La fonctionnelle F est linaire et continue de (L1 (R), ||.||1 ) dans (L (R), ||.|| ).
Preuve. La linarit de F est vidente : F(f + g) = F(f ) + F(g) ds que f et g sont dans
L1 (R) et R par linarit de l'intgrale.
D'o F est continue s'il existe C > 0 tel que pour tout f L1 (R) on a ||fb|| C||f ||1
(continuit en 0). Ceci a t prouv dans la proposition 7.5 avec C = 1.
Corollaire 7.7 Si f L1 (R), la fontion fb : R C (qui est continue et borne) est telle que

|fb()| 0 quand .

42

43

7.1. Transformation de Fourier de fonctions

Preuve. Commenons par le cas o f = D(R) (donc en particulier 0 L1 (R)). Par intgra-

tion par parties il vient :

Z
()
b
=
R

eit 0
1 c0
(t) dt + 0 =
()
i
i

(7.17)

c0 born, et donc |()|


et comme 0 L1 (R), d'aprs (i) on a
b
0.

Maintenant, on sait que D(R) est dense dans L1 (R), et d'aprs la proposition 7.6, on a F :
1
L (R) L (R) continue de L1 (R) dans L (R). Ayant densit et continuit, on dduit que
pour f L1 (R) on a galement fb() 0. En eet, si n D(R) est une suite qui vrie

||f n ||1 0, alors 0 ||fb


bn || ||f n ||1 0. Donc ||fb
bn || 0 et sachant
n

bn () 0 on obtient fb() 0.

Remarque 7.8 Dire que la fonctionnelle F est continue (donc en un point f L1 (R)) ne veut pas

dire que la fonction fb est continue (en un point R), mais que la fonctionnelle F est continue
de L1 (R) dans L (R).

Remarque 7.9 Le rsultat pour les fonctions valeurs complexes se dmontre de la mme manire : si f L1 (R, C), alors fb est borne et continue, et F est linaire continue de L1 (R, C) dans
L (R, C).
Exercice 7.10 Montrer formellement que fb = fb.
7.1.4 Notation F
On a par dnition, pour f L1 (R) :

1
F(f )() = fb() =
2

f (t) eit dt,

t=

On note alors, ds que g L1 (R) :

1
F(g)(t) =
2

g() eit d,

o F fait rfrence la conjugaison : eit = eit . (On montrera plus loin que F = F 1 .)

Exercice 7.11 Vrier que, pour g L1 (R) :


F(g) = F(
g)

Rponse. On a pour
R:
R
F(
g )() =

1
2

g(t) eit dt =

et F(
g ) = F(g) (i.e. gb = F(
g )).

1
2

g(t) eit dt = F(g)().

Remarque 7.12 La convole par la fonction priodique e : t


1
eis
(f (s) )(t) =
2
2

1 eit
2

de pulsation vaut :

eit
f (s)ei(ts) ds = fb() .
2
sR

(7.18)

Et donc e est fonction propre de l'oprateur  Cf (.) = f . associe la valeur propre a() = fb().
Ceci a un sens ds que f L1 (R).

7.1.5 Notations, drivation et produit


Pour simplier les critures, on a dj not L1 (R) pour dsigner L1 (R, C). On notera de mme
C (R) pour dsigner C (R, C) (fonctions C de la variable relle valeurs dans C). Ainsi e :
t 12 eit = 12 (cos(t) + i sin(t)) vrie e C (R).

43

44

7.1. Transformation de Fourier de fonctions

Dans ce qui suit, on change les notations prcdentes pour revenir x variable relle au lieu
de t. On notera la variable de la transforme de Fourier (au lieu de ). Donc on note pour R :
Z
1
(F(f ))() = fb() =
f (x) eix dx,
(7.19)
2 x=
ds que f L1 (R).
Et on note xf la fonction xf : x xf (x) dnie sur R quand f L1 (R), notation qui sous
entend que x est le nom de la variable.

Proposition 7.13 (i) Drive de la transforme de Fourier : si f L1 (R) et si xf L1 (R), alors

fb est C 1 (R) (i.e. fb continue, drivable, de drive continue) et on a :


0
d)
fb = i (xf

0
d)(),
fb () = i(xf

i.e.

R.

(7.20)

0
d) = i fb : la transforme de Fourier transforme l'expression polynomiale (algOu encore (xf
0
d) = fb .
brique) (xf ) en la drive (xf
(ii) Transforme de Fourier de la drive : si f L1 (R) et si f est drivable avec f 0 L1 (R), alors :

c
f 0 = i fb

c
f 0 () = i fb(),

i.e.

R,

(7.21)

i.e. la transforme de Fourier transforme la drive f 0 est en l'expression polynomiale (algbrique)


c
f 0 = fb.

Preuve. C'est immdiat avec le thorme de la convergence domine pour (i) et par intgration
par parties pour (ii) :
Z

Z
f 0 (x)eix dx =

f (x)(i)eix dx + [f (x)eix ]
.

et sachant f 0 L1 (R), on en dduit que f s'annule l'inni (voir remarque suivante) d'o le
rsultat.

Remarque 7.14 Le seul petit dtail manquant dans la dmonstration prcdente est la proprit
suivante : si f et f 0 sont dans L1 (R), alors f (x) x 0.
Montrons cette proprit. Comme f 0 L1 (R), on a :

> 0, A R, B > A,

|f 0 (x)| dx < .

RB

Donc, x, et A x en consquence, | A f 0 (x) dx| < i.e. |f (B) f (A)| < pour tout B > A.
Et donc x > A, |f (A)|+ > |f (x)| > |f (A)|. Et comme f L1 (R), on en dduitRque |f (A)|

(et donc que |f (x)| < 2). En eet, sinon |f (A)| = c > 0 et ||f ||L1 (R) A |f (x)| dx
R
(|f (A)| ) dx = , ce qui est absurde.
A
Donc, pour tout > 0, on a f (x) < 2 pour x assez grand, et donc f (x)0 quand x.

Remarque 7.15PAttention, f L1 (R) n'implique


R
P pas f (x) 0 quand x . Prendre par

exemple f (x) =

n=1

1[n,n+

1
n2

qui vrie

|f | =

1
n=1 n2

< et f (n) = 1 pour tout n N .

On P
peut mme avoir f L1 (R) et f non born au voisinage de
par exemple
R . Prendre
P

f (x) = n=1 n1[n,n+ 13 ] , qui vrie f (n) = n pour tout n N avec |f | = n=1 n12 < .
n

Donc dans la remarque prcdente, l'hypothse supplmentaire f 0 L1 (R) est indispensable.


On a eu besoin pour cette proposition d'hypothses de rgularits : on ne peut pas calculer sans
prcaution, l'espace L1 n'tant pas assez rgulier. Et de plus, F dni sur L1 n'est pas valeurs
dans L1 , et on ne peut pas parler en gnral de la transforme de Fourier inverse : les fonctions
de L1 (R) ne sont pas assez `rgulires'. Ce sont des motivations pour introduire l'espace S de
Schwartz des fonctions ayant par dfaut `toutes les bonnes proprits'.
44

45

7.2. Transforme de Fourier dans S

7.2 Transforme de Fourier dans S


7.2.1 Dnition
Dnition 7.16 On appelle fonction dcroissance rapide toute fonction C (R) qui dcrot
plus vite que toute fonction rationnelle x1k (o k N) au voisinage de , ainsi que toutes ses
drives. On note S l'espace de ces fonctions. Autrement dit, S ssi :

( C (R))

et (k N, l N, ||xk (l) || < ).

(7.22)

Cela veut dire : S ssi :

( C (R)) et

(k N,

l N,

Ckl () > 0,

sup |xk (l) (x)| < Ckl ()).


xR

(7.23)

(On notera Ckl () = Ckl s'il n'y a pas d'ambigut sur la fonction .) Ou encore, S ssi :

( C (R)) et

(k N,

l N,

x R ,

Ckl > 0,

|(l) (x)| <

Ckl
).
|xk |

(7.24)

(Comme annonc, ainsi que toutes ses drives sont majores par les fractions rationnelles.)

Exercice 7.17 Montrer que S quivaut aussi :


C (R) et

k N,

l N,

Ckl > 0,

x R,

|(l) (x)| <

Ckl
.
1 + x2k

ce qui vite dans de ne considrer que les x 6= 0.

Rponse. . Il s'agit de montrer que, tant C :


(k, l) N2 ,

kl > 0,
C

x R ,

kl .
1 + x2k (l) (x)| < C

On a p
| 1 + x2k (l) (x)|2 = |(1 + x2k )(l) (x)2 | |(l) (x)|2 + |xk (l) (x)|2 , et il sut donc de prendre
kl = C 2 + C 2 .
C
0l
kl
2
kl
(rciproque). On suppose que |(1 + x2k )((l) )2 (x)| < C
. On a donc, tous les termes tant positifs :
(l) 2
2
2k
(l) 2
2
k (l)

( ) (x) < Ckl et x ( ) (x) < Ckl , donc |x (x)| Ckl .

Exercice 7.18 Montrer que S quivaut aussi :


C (R) et

(k, l) N2 ,

Ckl > 0,

x R,

|(l) (x)| <

Ckl
1 + x2

Exemple 7.19 La gaussienne ex (fonction dcroissance `exponentielle') appartient S ainsi


2

que son produit par tout polynme.


Il en est de mme pour la fonction 1 e|x| (rgularise de la fonction dcroissance exponentielle).
1
1
3
La fonction (1+x
2 ) n'appartient pas S (dcroissance trop lente l'inni). En eet, |x (1+x2 ) |
n'est pas major quand x .

Proposition 7.20 On a D(R) S , et S est un sous-espace vectoriel de C (R). Et pour S

on a :
1- L (R),
2- xk (l) S pour tout (k, l) N2 ,
3- L1 (R) et Lp (R) pour p 1.

Preuve. Soit D(R) : est nulle au voisinage de donc est dcroissance rapide. En eet

xk (l) est uniformment continu sur supp, donc sur R, ce pour tout k , l, et donc ||xk (l) || est
atteint dans R : on note cette valeur Ckl , et (7.23) est alors vrie.
Si , S et R alors |xk ( + )(l) | Ckl () + Ckl () < . D'o ( + ) S et S
est un sous-espace vectoriel de C (R).
45

46

7.2. Transforme de Fourier dans S

Soit S . On a
1- |||| = ||x0 (0) || C00 < , et donc L (R).
2
m (n)
m k (l) (n)
2- Soit = xk (l)
et(m, n) N . Alors x = x (x ) , et la formule de Leibniz donne
Pn
Pn
n
(xk (l) )(n) = i=0
(xk )(i) (l+ni) = i=0 i xki (l+ni) o i R pour tout i = 1, ..., n.
i
P
D'o |xm (n) | i i Ck+mi,l+ni < pour tout x R n et m x qcq. D'o S .
3- Les fonctions et x2 : x x2 (x) sont dans S , et donc la fonction (1 + x2 ) S (espace
+C20
vectoriel), avec |(1 + x2 )(x)| C00 + C20 pour tout x R. D'o |(x)| C00
qui est
1+x2
C00 +C20 p
1
p
intgrable, d'o L (R). Et |(x)| ( 1+x2 ) qui est intgrable pour p 1, d'o Lp (R)
pour p 1.

7.2.2

F(S) S

Ayant S L1 (R), proposition 7.20, on peut en particulier appliquer la proposition 7.13 :

Proposition 7.21 Pour tout S , tout R et tout k, l N on a :

d
(l) () = (i)l ()
c0 () = i (),

0
(k)
()
k ()
b () = ix(),
c
()
b
() = (i)k xd
ia

b
a () = e

iax
a ()
b
= e\

(7.25)

Preuve. Pour S on sait que 0 S et sachant et 0 dans L1 (R), et les relations (7.25) ont

dj t dmontres dans la proposition 7.13 dans les cas k = l = 1. Puis sachant que 00 L1 (R),
00 () = i
c0 () = (i)2 ()
on a c
b , et par rcurrence,

on obtient la relation (7.25)1 pour tout l.


00
0
2 d
2
De mme, ()
b () = i (x)
c () = (i) x (), et par rcurrence, on obtient la relation (7.25)2 pour tout k .
Puis un calcul direct donne pour la translate :
Z
Z
1
1
ix
d
(x a) e
dx =
(y) ei(y+a) dy = eia ()
b
a () =
2 R
2 R
et de mme :

1
a ()
b
= (
b a) =
2

(7.26)

Z
(x) eix(a) dx = F((x) eixa )()
R

(7.27)

d'o le rsultat.

Proposition 7.22 Si f S alors fb S , i.e. F(S) S .


Preuve. Soit S . De (7.25) on dduit :
d
l | = |(x\
l )(k) |
| k
b(l) | = | k x

(7.28)

(la drivation est devenue puissance polynomiale et rciproquement.) Et comme = (xl )(k) S
et S L1 (R), on a F() = b born, i.e. | k
b(l) | born. Ceci tant vrai pour tout k, l N, on a
bien F() S et donc F(S) S .

Remarque 7.23 La transforme de Fourier s'crit ici, pour S :


eix
(F)() = h , (x)i
2

(7.29)

notation des distributions qui est trivialement dnie par l'intgrale usuelle de Lebesgue pour
S . On verra l'extension de la notion des distributions dnies sur S avec les distributions
tempres.
46

47

7.2. Transforme de Fourier dans S

7.2.3 Topologie sur S


On considre la famille de normes (pk,l )0k,l< dnies sur S par :
X
pk,l () =
||x () || .

(7.30)

k,l

La dnition (7.23) de S s'crit alors de manire quivalente : S ssi :

( C (R))

et (k N, l N, pk,l () < ).

(7.31)

On munit alors S de cette famille de normes.


En particulier, disposant d'une famille dnombrable de semi-normes, on munit S de la distance :

d(, ) =

X 1
pk,l ( ).
2k+l
k,l

Et on peut montrer que S muni de cette distance est un espace mtrique complet (admis). Et donc
les passages la limite ne poseront pas de problme pour la topologie induite : les suites de Cauchy
seront convergentes dans S .
L'utilisation de cette distance n'tant pas trs pratique, pour les proprits de convergence ou
de continuit on utilise en fait les semi-normes pk,l .
Note : il n'y a pas de normes sur S qui rende S complet, et en particulier la distance ci-dessus
ne drive pas d'une norme.

7.2.4

F : S S est continue

On a montr que F(S) S . On a galement, lorsque S est muni de la famille de seminormes pk,l :

Proposition 7.24 La transforme de Fourier F : S S est une application linaire et continue


de S dans lui-mme. Plus prcisment :

k, l N,

C > 0 : S,

pk,l (F()) C pl+2,k ().

Preuve. On a F linaire sur S puisque S L1 (R) et F linaire sur L1 (R), et pour montrer la

continuit (hors programme) il faut montrer que `toute image est borne par un antcdent' (avec
les semi-normes adquat), i.e. :

k, l N,
Mais on a :

d'o, avec

1
R 1+x2

k 0 , l0 N,

C > 0,

1
l )(k) |
|(x\
2

Z
R

S,

pk,l ()
b C pk0 ,l0 ()

1
dx
||(1 + x2 ) (xl )(k) ||
1 + x2

(7.32)
(7.33)

dx = [arctan]
= > 0 :
k

(l)

||
b ||
Et donc pour la norme (7.30) :

||x () ||

(7.34)

l+2, k

pk,l ()
b C pl+2,k ()

(7.35)

avec C > 0, et ce pour tout S . Et donc la tranforme de Fourier est bien continue de S
dans S .

7.2.5 Densit de D(R) dans S


Il est vident que D(R) S , une fonction nulle l'inni tant en particulier dcroissance
rapide l'inni. On a en fait :

47

48

7.3. Les Gaussiennes et l'galit de Parseval

Proposition 7.25 L'espace D(R) est dense dans S : pour S donn, il existe une suite (j )
D(R) telle que :

k, l N,

(7.36)

pk,l ( j ) 0
j

(Ou encore, > 0, S , D(R), k, l N2 , pk,l ( ) < .)

Preuve. (Par troncature et rgularisation.) Soit S donne, et soit 1 une fonction de D(R)
qui vaut 1 sur [1, 1] et support dans [2, 2] et telle que 0 1 (x) 1 sur R (une telle suite
dj t construite par rgularisation de 1[1,1] , savoir 1[1,1] 1 , voir proposition 5.13). On
construit la suite (j ) de D(R) qui vaut 1 sur [j, j] :
x
j (x) = 1 ( ),
j

(7.37)

x R

Puis on considre la suite de terme j = j de D(R), qui vrie (x) j (x) = 0 sur [j, j] (par
construction) et qui est dcroissance rapide puisque (x) j (x) = (x) pour x l'extrieur de
[2j, 2j].
Montrons que cette suite converge vers S , i.e. pour , N montrons que ||x (
()
j ) || 0 quand j . On a, avec la formule de Leibniz et ( j )(x) = (x)(1 1 ( xj )) :
()

( j )

(x) =

()


X
x
()
1 () x
(x)(1 1 ( ))

(x) 1 ( )
j

j
j
=1


1 X ()
1 () x
()
= (x)(1 j )(x)

(x) 1 1 ( )
j =1
j
j

(7.38)

D'o on dduit que (aprs multiplication par x ) :

1 X ()
||x
|| )
||x ( j )() || max |x () | + C(
j =1
|x|j

(7.39)

(avec C > 0) qui tend bien vers 0 quand j 0. Et pour k, l N, pk,l est une somme nie de
termes qui tendent vers 0 et tend donc vers 0.

7.3 Les Gaussiennes et l'galit de Parseval


7.3.1 talement ou concentration par Fourier
Et voici une proprit gnrale de la transforme de Fourier :

Proposition 7.26 Si S et si a = (ax) alors :

ca () =

b( )
a a

(7.40)

Et donc, la fonction a qui `tale' pour a < 1 est tranforme par Fourier en une fonction qui
`concentre'
b. Et la fonction a qui `concentre' pour a > 1 est tranforme par Fourier en une
fonction qui `tale'
b.

Preuve. On a a S et :
1
\
a (x) () =
2

1
(ax)eix dx =
a 2
R

Z
y

(y)ei a dy =
R

b( )
a a

(7.41)

Donc, si a << 1, alors a est trs `tale', et sa transforme de Fourier est trs `concentre au
voisinage de 0'. Et rciproquement, si a >> 1, alors a est trs `concentre au voisinage de 0', et
sa transforme de Fourier est trs `tale'.

48

49

7.3. Les Gaussiennes et l'galit de Parseval

7.3.2 Conservation des gaussiennes par Fourier


2

La gaussienne x eax est une fonction fondamentale de S pour la transforme de Fourier :


elle se transforme en une autre gaussienne par Fourier comme le montre la proposition suivante.

Proposition 7.27 Par Fourier, une gaussienne est transforme en une gaussienne : pour a > 0 :
2
2
1
(F(eax ))() = e 4a
2a

et en particulier, la gaussienne rduite e

x2
2

x2
2

(7.42)

est conserve :

2
2

(7.43)

Preuve. Posons : x eax pour a > 0. On remarque que a satisfait l'quation direntielle :
2

0a (x) + 2a xa (x) = 0,

a (0) = 1

(7.44)

Et en appliquant la transforme de Fourier cette quation (la transformation F est une opration
linaire) on obtient :
1
0
i
ba () + 2ai (b
a ) () = 0,

ba (0) =
(7.45)
2a
la condition initiale tant calcule directement l'aide de :
Z
2
1
1

ba () =
eax eix dx qui donne
ba (0) =
(7.46)
2 R
2a
R
2
RR
2
2
2
(On rappelle que R ey dy = R2 ex y dxdy = est calcul par passage en coordonnes
polaire.)
Et donc :
1
1
0
(b
a ) () +

ba () = 0,

ba (0) =
(7.47)
2a
2a
Et
ba satisfaisant le mme type d'quations que a , on en dduit que (unicit de la solution pour
une quation direntielle linaire) :
2
1

ba () = e 4a
2a

(7.48)

Donc une gaussienne est transforme en une gaussienne par Fourier. En faisant a = 12 , on trouve
la Gaussienne rduite.
On retrouve la proprit d'talement  concentration dans ce cas particulier.

7.3.3 galit de Parseval


On a le lemme immdiat :

Proposition 7.28 Si et sont dans S , alors :


Z

b dy =
(y)(y)
yR

()
b () d
R

(7.49)

Preuve. C'est une galit entre intgrales doubles : c'est une application immdiate du thorme
de Fubini.

On en dduit que l'nergie est conserve par transforme de Fourier :

Proposition 7.29 On a l'galit de Parseval, pour tout , S :


Z

b d
()
b ()

(x) (x) dx =
xR

En particulier, l'nergie est conserve par transforme de Fourier : pour tout S :


Z
Z
2
|(x)|2 dx =
|()|
b
d
xR

49

(7.50)

(7.51)

50

7.3. Les Gaussiennes et l'galit de Parseval

(On a not la fonction conjugue x (x).)

Preuve. On a besoin pour dmontrer cette proposition d'admettre le rsultat suivant, qui sera

bb
dmontr au paragraphe 7.5 : si S , alors ()
= () pour tout R (i.e. que la transforme
de Fourier inverse de F est F ).
b , i.e. dnie par g(y) =
Dans (7.49) on prend la fonction g S qui vrie g(y) = g(y) = (y)
b
b . On a alors b
b = (). Et enn on remarque que b
(y)
g () = ()
g () = gb() puisque :
Z
Z
1
1
b
g () =
g(y) eiy dy =
g(y) eiy dy = gb()
2 y
2 y
R
R
D'o xR (x) g(x) dx = R ()
b gb() d i.e. (7.50).

(7.52)

Remarque 7.30 Il est immdiat que S L2 (R), et donc (7.50) et (7.51) s'crivent :
(f, g)L2 = (fb, gb)L2 ,

||f ||L2 = ||fb||L2

ds que f et g sont dans S . Et on verra que c'est encore vrai pour f et g dans L2 (R).

7.3.4 Application : relations d'incertitude d'Heisenberg


En mcanique quantique, ce sont les mesures Wx et W de l'nergie qui permettent de situer
la particule (probabilit de prsence) ou de connatre sa quantit de mouvement :

R
Wx2

R
R

x2 |f (x)|2 dx
|f (x)|2 dx
R

et

W2

2 |fb()|2 d
.
|fb()|2 d

(7.53)

Proposition 7.31 (Principe d'incertitude) On a si f S :


Wx W

1
.
2

(7.54)

(Ce n'est rien d'autre qu'un rsultat de talement-concentration par Fourier : si Wx est concentr,
alors W est tal, et si W est concentr, alors Wx est tal, et on mesure le minimum du
produit Wx W .)
Voir un cours de mcanique quantique pour l'interprtation de cette ingalit : si une particule
tourne autour d'une position moyenne x = 0, alors l'cart quadratique moyen (ou dispersion) est
donn par Wx , et si cette dispersion Wx est petite (particule ne s'loignant que trs peu de 0),
alors la dispersion sur la vitesse donne par W est ncessairement grande, i.e. la vitesse est mal
connue. Autrement dit, on ne peut pas simultanment mesurer prcisment la position et la vitesse
d'une particule.

Preuve. On vrie que si f S alors f L2 (R) ainsi que xf . On peut appliquer l'ingalit de

CauchySchwarz :

Z
x f (x) f 0 (x) dx|2

|
R

x2 |f (x)|2 dx

|f 0 (x)|2 dx .

On regarde chacun des trois termes de cette ingalit.


Pour le membre de gauche, par intgrations par parties, il vient :
Z
Z
i
1
1h
0
(x) (f (x) f (x)) dx =
f 2 (x) dx + xf 2 (x)
,
2 R
2

R
et le terme de bord est nul car f S .

50

(7.55)

(7.56)

51

7.4. Espace S 0 des distributions tempres

Pour le membre de droite de (7.55), l'galit de Parseval donne :


Z
Z
Z

0
2
2
0
c
|f (x)| dx =
|f ()| d =
| 2 fb()|2 d .
R

D'o on dduit de (7.55) que :


1 Z
2 Z
Z

f 2 (x) dx
x2 |f (x)|2 dx
| 2 fb()|2 d
2 R
R
R

R
R
Et l'galit de Parseval donnant R |f (x)|2 dx = R |fb()|2 d il vient :
Z
Z
Z
Z

1
|f (x)|2 dx
|fb()|2 d
x2 |f (x)|2 dx
2 |fb()|2 d
4 R
R
R
R

(7.57)

(7.58)

(7.59)

ce qui est le rsultat cherch.

7.4 Espace S 0 des distributions tempres


7.4.1 Dnition et exemples
Dnition 7.32 Soit T D0 (R) une distribution. T est dite distribution tempre si T est une

forme linaire continue sur D muni de la topologie induite par S , i.e., T linaire et continue au
sens (image borne par un antcdent) :

C > 0,

k, l N,

D(R),

|hT, i| C pk,l ()

(7.60)

On note S 0 l'espace des distributions tempres.


Et on admet :

Thorme 7.33 (Extension de la dualit) Si T : D(R) R est une distribution tempre, alors T
se prolonge de manire unique S , et T conserve la continuit. I.e. on a T : S R et :

C > 0,

k, l N,

S,

|hT, i| C pk,l ()

(7.61)

Et S 0 dnit le dual topologique de S .

Preuve. Admis. La dmonstration est base sur la densit de D(R) dans S , voir 7.2.5, et le
prolongement par continuit, et ce thorme exprime le fait qu'une distribution tempre est
`croissance au plus polynomiale' l'inni.
Exemple 7.34 Une fonction f L1 (R) dnit une distribution tempre, puisque :
Z
|

Z
f (x) (x) dx| (

|f (x)| dx) |||| = C p0,0 ()


R

(7.62)

avec C = ||f ||L1 (R) .

Exemple 7.35 Une fonction f L2 (R) (qui n'est pas en gnral dans L1 (R)) dnit une distri-

bution tempre.
R
R
1
En eet, pour S , on a R f = R (f (1 + x2 ))( 1+x
2 ) dx, et les deux termes de l'intgrant
2
tant dans L , on en dduit que :
Z
Z
Z
1
1
1
f ( (f (x)(1 + x2 ))2 dx) 2 ( (
)2 dx) 2
2
R
R
R 1+x
Z
Z
1
1
1
1
2 2 2
2
2
(sup(|(1 + x )| ) ( (f (x) ) dx) ( (
)2 dx) 2 C p20 ()
2
R
R
R 1+x

R
1
1
2
2
(ingalit de CauchySchwarz) o C = ||f ||L2 ( R ( 1+x
2 ) dx) .
p
0
De mme, si p > 1, toute fonction f L (R) est dans S (grce l'ingalit de Hlder).
51

52

7.4. Espace S 0 des distributions tempres

Exemple 7.36 Toute fonction polynme dnit une distribution tempre. On vrie par exemple

que tout monme xk est tempr puisque pour tout S :


Z
Z
1
|hxk , i = | xk (x) dx| (
dx) ||xk (1 + x2 )|| C pk+2,0 ()
(7.63)
2
1
+
x
R
R
R
1

o C = R 1+x
2 dx = [arctan] = > 0.
En particulier, une fonction constante est tempre, et toute fonction dont le module est born
par un poylnme dnit une distribution tempre.

Exemple 7.37 La fonction complexe : x R

1 eix
2

qui dpend du paramtre R dnit


une distribution tempre (majore en module par la fonction constante 1). C'est une distribution
rgulire (fonction de L1loc ) mais non intgrable sur tout R.
C'est la distribution (tempre) qui dnit la transforme de Fourier ()
b
= 12 heix , (x)i
pour S .

Exemple 7.38 0 est tempre ainsi que ses drivs 0(`) : dmonstration immdiate car (`) (0)

||(`) || = p0,` ().


Et on peut montrer que toute distribution support compact dnit une distribution tempre :
vrication immdiate en se rfrant au A.2.

Dnition 7.39 On appelle fonction croissance lente, une fonction C (R) borne par un

polynme ainsi que toutes ses drives : C (R) et

l N,

Cl > 0,

ml N,

x R,

|f (l) (x)| Cl (1 + |x|)ml

(7.64)

Grce l'exemple 7.36 on a alors la proprit immdiate :

Proposition 7.40 Toute fonction croissance lente dnit une distribution tempre.
Exemple
7.41 RL'exponentielle ex ne dnit pas une distribution tempre, puisque ex 2 S et
R
2
2
2

ex ex dx = R dx = n'est pas born : pour tout C > 0, pour tout k, l N, = ex S


donne hT, i C pk,l ().
R

Exemple 7.42 Soit (ak )kZ une suite numrique quelconque.

(i) Montrer que ak k D0 (R) et que ak k * 0 dans D0 (R).


(ii) Montrer que ak k S 0 et que ak k * 0 dans S 0 si et seulement si (ak )kZ est croissance
lente. (On dit que (ak )kN est croissance lente ssi C > 0, m N, k Z, |ak |
C(1 + |k|)m .)
P
(iii)PMontrer que Z ak k est dans S 0 si et seulement si (ak )kZ est croissance lente. (IndicaC
tion :
ak (k) < puisque (k) (1+|k|)
m+2 pour k assez grand.)
Et on a la proprit immdiate :

Proposition 7.43 Si T S 0 , alors toutes ses drives T (l) , l N, appartiennent S 0 .


Preuve. Au sens des distributions, pour T D0 (R), on a hT 0 , i = hT, 0 i, pour tout D(R).
Et si de plus T S 0 , cette dnition est conserve pour tout S , puisque D(R) est dense
dans S . Et puisque pour S on a 0 S , on en dduit que si T S 0 alors T 0 S 0 (vrier
la dnition 7.32). Puis il est clair (par rcurrence) que pour tout l N que T (l) S 0 ds que
T S 0.
7.4.2 Convergence dans S 0
S 0 est le dual de S (i.e. S 0 est l'ensemble des applications linaires et continues sur S ), et on
retrouve la convergence faible :

Dnition 7.44 On dit que la suite (Tj ) de distributions tempres converge vers T dans S 0 si :
S,

hTj , i hT, i (dans R)


j

(7.65)

Et on note (Tj ) * T dans S 0 (convergence faible ou ponctuelle, i.e. pour x on a convergence).


52

53

7.4. Espace S 0 des distributions tempres

On a alors :

Proposition 7.45 Si (Tj )jN est une suite de S 0 telle que Tj * T dans S 0 alors pour tout l N,
(l)

Tj

* T (l) dans S 0 .

Preuve. Et pour (Tj ) suite de S 0 qui converge faiblement vers T S 0 , on a hTj0 , i = hTj , 0 i
pour tout S , qui converge vers hT, 0 i = hT 0 , i. Et donc Tj0 * T 0 dans S 0 .
(l)

Et par rcurrence sur l on montre le rsultat de convergence Tj

* T (l) .

7.4.3 Convergence pour les gaussiennes


On a vu que, cf (7.40) et (7.42), la transforme de Fourier transforme les fonctions concentres autour de l'origine en fonctions tales, et rciproquement. Prcisons ce rsultat pour les
gausiennes , voir 7.3.2 :

2
1 2
d
(x) = ( x) = ex
e 4
donne
(
(7.66)
)() =
2
L'ensemble des points d'ordonne suprieure avec ]0, 1[ est donn par :

1
1

I = {x : (x) } = [M, M ],
M=
|Log |

m = 2 |Log
|
J = { : (
)() } = [m, m],

(7.67)

Et x, quand 0, alors Ix tend vers R et J tend vers {0}.


D'ailleurs on a (au sens des distributions) :

Proposition 7.46 On a au sens de S 0 , quand 0 :


2

ex * 1R

et

i.e., pour tout S :


Z
Z
2
ex (x) dx (x) dx

et

2
1
e 4 * 2 0
2
Z
R

2
1
e 4 () d 2 (0)
0
2

(7.68)

(7.69)

Preuve.

R
2
1- On s'intresse F () = R ex (x) dx, et on applique le thorme de convergence domine
de Lebesgue.
2
L'intgrant f (, x) = ex (x) est, x quelconque, bien dans L1 , et x x on a
f (, x) 0 (x). Puis |f (, x)| (x) avec L1 . D'o F ()F (0) = h1R , i.
R
x2
2- Puis on s'intresse F () = R 12 e 4 (x) dx. Dans ce cas, le thorme de Lebesgue
x2

n'est pas applicable : l'intgrant f (, x) = 12 e 4 (x) est, x quelconque, bien dans L1 ,


et x 6= 0 x on a f (, x) 0 0 (avec f (, 0) 0 (0)). Mais |f (, x)| n'est pas domine
R
par une fonction h L1 : si c'tait le cas on pourrait passer la limite sous le signe
et on
aurait F (0) = 0. Or il sut de prendre = 1 dans un voisinage de 0 pour voir que c'est faux (cas
particulier de la dmonstration suivante).

On commence par faire le changement de variable y = x2 , d'o dx = 2 dy et :


Z

y2
F () =
e 2 ( 2y) dy.
yR

Et l on peut appliquer le thorme de convergence domine de Lebesgue.

Preuve. Autre dmonstration du 2- ci-dessus. Pour D(R) alors est continue en 0, d'o,
sachant que

1
2

e 4 d =

2 :

2
1
h e 4 , (x)i 2(0) = h 20 , i.
0
2

(7.70)

Le vrier avec susamment petit pour `craser' ailleurs que dans un voisinage de 0, cf. (7.67).
Le passage par densit de D(R) S est laiss en exercice.
53

54

7.5. Transforme inverse dans S

7.5 Transforme inverse dans S


Connaissant S , on peut calculer
b. Rciproquement, on va montrer qu'on peut reconstituer
connaissant
b l'aide de la transforme inverse :

Proposition 7.47 La transforme de Fourier est un isomorphisme de S dans S d'inverse donn


par, pour tout S :
Z
1

1
(F )(x) =
() e+ix d = (F)(x) (= fb(x) = fb(x)).
(7.71)
2 R
En particulier, on a :

(x) = (F

1
F)(x) =
2

Z
()
b e+ix d = (FF)(x)

b
b
(= fb(x) = fb(x)).

(7.72)

On notera F 1 = F (en rfrence la conjugaison de l'exponentielle sous l'intgrale).

Preuve. Pour S , on a b S , et donc (F())(x)


b
pour S est bien dnie pour tout x R
et donc (F(F())(x) est bien dnie pour tout x R.
Montrons que (F(F())(x) = (x) pour S , i.e. F()(x)
b
= (x). On a :
Z
Z Z

1
1
(F(F())(x) =
()
b e+ix d =
(y) eiy dy e+ix d.
(7.73)
2 R yR
2 R
R
Mais on ne peut pas inverser les signes d'intgration car R e+i(xy) d n'est pas dnie : on
ne peut pas appliquer le thorme de Fubini (l'intgrant (y, ) (y) ei(yx) n'est pas dans
L1 (R2 )).
On va montrer que (F(F())(x) = hx , i, i.e. on va travailler au sens des distributions.
On rcrit les intgrales en considrant que e+ix est Rune distribution tempre, et en introduisant une fonction S de telle sorte que maintenant R e+i(xy) () d soit bien dnie de
manire pouvoir appliquer le thorme de Fubini. On pose donc, pour S :
Z
e+ix
1
I(x, ) = h(), ()i,
b
=
()()
b e+ix d
2
2 R
2

et on choisira pour que () tende vers 1R . Prenons ds maintenant () = () = e . Cette


fonction est bien dans S et donc ()e+ix est une distribution tempre. De plus on a dans S 0 ,
voir (7.68) :
() * 1R .
0

D'o :

e+ix
e+ix
e+ix
b
h1, ()i
b
= h , ()i
b
= F()(x),
b
I(x, ) = h (), ()i
0
2
2
2

(7.74)

et I(x, ) tend bien vers l'expression souhaite (F(F())(x) de (7.73).


Et on peut maintenant appliquer le thorme de Fubini pour I(x, ) :
Z
Z
Z

1
1
+ix
()
b e
() d =
(y)
e+i(xy) () d dy
I(x, ) =
2 yR
2 R
R
Z
1
1
=
(y)b
(y x) dy = hb
(y), (x + y)i.
2 yR
2
Et avec (7.68), il vient :

1
I(x, ) h 20 (y), (x + y)i = (x).
0
2
Identiant la limit ci-dessus avec la limite trouve dans (7.74), on obtient F(F())(x) = (x)
pour tout x R (ds que S ), et F : F(S) S dni bien l'inverse de F .
Il reste montrer que F est surjective, i.e. que F(S) = S . Mais c'est immdiat car si S ,
alors = F(F())
et donc est l'image de F()
.
On obtient bien sr le mme rsultat en considrant F(F()).
54

55

7.6. Transforme de Fourier d'une distribution tempre

7.6 Transforme de Fourier d'une distribution tempre


7.6.1 Dnition
On a dj vu que pour les fonctions de S on avait, cf (7.49) :

b
h,
b i = h, i,

(7.75)

, S.

On gnralise cette proprit aux distributions tempres en posant la dnition :

Dnition 7.48 Pour T S 0 distribution tempre, on dnit sa transforme de Fourier par


dualit :

S,

df
hTb, i = hT, i
b

(7.76)

Cette dnition a un sens car si S alors


b S.

Exemple 7.49 Si f L1 (R) alors f est tempre (i.e. Tf distribution rgulire associe f est

tempre), et on retrouve la dnition usuelle puisque, pour tout S :


Z
Z
Z
b =
b d = 1
hf, i
f () ()
f () (x) eix dx d
2

x
Z Z
1
ix
( f () e
d) (x) dx = hfb, i
=
2 x

(7.77)

On peut en eet appliquer le thorme de Fubini puisque la fonction (x, ) (x)f () eix est
R
ix
dans L1 (R2 ). Et donc on retrouve bien fb(x) = 12 f () eix d = h e2 , f i.

7.6.2

F(S 0 ) S 0

La dnition par dualit donne :

Proposition 7.50 La transforme de Fourier d'une distribution tempre est une distribution
tempre, i.e., F(S 0 ) S 0 .
Preuve. On sait que F est un isomorphisme de S dans S , et donc, pour T S 0 on a Tb qui est

une application linaire et continue sur S (dnition (7.76)). La linarit est triviale et sachant
pk,l ()
b C pl+2,k () o C > 0 (voir proposition 7.24 et quation (7.35)), la continuit de Tb sur
0
S est immdiate.

7.6.3 Proprits
On a alors :

cj tend vers Tb
Proposition 7.51 Si (Tj )jN est une suite de S 0 qui tend vers T S 0 , alors T

dans S 0 :

Tj * T

dans S 0

cj * Tb
T

dans S 0

(7.78)

cj S 0 , on a pour tout S sachant


Preuve. Par dnition, sachant que Tj S 0 implique T
qu'alors
bS :

cj , i = hTj , i
hT
b hT, i
b = hTb, i
j

(7.79)

D'o le rsultat.
Et par dualit, avec la proposition 7.52 il vient :

Proposition 7.52 Pour tout T S 0 , tout R et tout k, l N on a :

(l) () = (i)l T
b()

Tc0 () = i Tb(),
Td

0
0

Tb () = ixT
k T ()
c (),
Tb () = (i)k xd
d

T () = eia Tb

iax T
a Tb() = e\
55

(7.80)

56

7.6. Transforme de Fourier d'une distribution tempre

Preuve. On applique la dnition hTb, i = hT, i


b pour T S 0 et S et on se sert de la

proposition 7.21. Le faire, presque facile : mais faire trs trs attention aux notations ! Par exemple,
pour tout S :
0
0 (x) (), ()i df
[ (x)i df
[ (x)i = hT (x), i()(x)i
\
hT\
= hT 0 (x), ()
= hT (x), ()

l'aide de (7.25). Puis :


df [
nota
\
ihT (x), ()(x)i
= ihT (x)(), ()i = ihTb(), ()i = hi Tb(), ()i
D'o le premier rsultat. On a crit toutes les variables `muettes' d'intgration, bien que ce soit
1
une notation abusive.
R On peut commencer par crire cette dmonstration pour T = f L (R) et
en utilisant le signe qui fait apparatre les variables d'intgration (`muettes') plutt que le signe
h., .i.

7.6.4 Transforme de Fourier de 0 et de a


0 n'est pas une fonction, mais c'est une distribution tempre. On peut donc lui appliquer la
transformation de Fourier.
Un calcul direct donne, pour tout S :
Z
1
1
hb0 , i = h0 , i
b = (0)
b
=
(x) e0 dx = h1, i
(7.81)
2 R
2
d'o :
Et de mme :

1
b0 =
2

(7.82)

1
ba = eia
2

(7.83)

7.6.5 Transforme de Fourier de 1R et de eix


La distribution T = 1R (fonction constante = 1) n'est pas dans L1 (R) et n'a pas de transforme
de Fourier au sens des fonctions. Mais c'est une distribution tempre, et on sait que, avec (7.68),
quand 0 :
2
ex * 1R
dans S 0
(7.84)
Par ailleurs on sait que, avec (7.68), quand 0 :

1 2
x2 =
e\
e 4 * 20 .
2
On en dduit, l'aide de la convergence dans S 0 que, proposition 7.51 :

b
1 = 20
dans S 0 .

(7.85)

(7.86)

Ici, la transforme de Fourier de 1R est obtenue comme limite de transforme de Fourier de fonctions
de S . Un calcul direct ne peut pas se faire puisqu'on ne peut pas inverser l'ordre de l'intgration
(le thorme de Fubini n'est pas applicable).
l'aide de la proposition 7.52, on en dduit :
+ix =
e[

ix =
e[

2 ,

ix = e[
ix 1 = b
puisque ed
1.

56

2 ,

(7.87)

57

7.6. Transforme de Fourier d'une distribution tempre

7.6.6 Exercice : transforme de Fourier d'une distribution support compact


Une distribution support compact est en particulier tempre. Et dans ce cas, l'expression :

1
Tb() = hTx , eix i.
2

(7.88)

est parfaitement dnie car x 12 eix est une fonction C (R) (et Tb() est not abusivement
R
1
T (x) eix dx, l'intgration se faisant sur le support born de T .)
2

Proposition 7.53 Si T E 0 (distribution support compact), alors sa transforme de Fourier

est donne par :

1
Tb() = hTx , eix i.
2

(7.89)

Preuve. T tant support compact est tempre (voir exemple 7.38) et Tb est donc bien dni et

est tempre. Montrons que Tb est bien donn par (7.89). Par dnition, pour tout S :
Z
1
hTb, i = hT, i
b = hT ,
(x) eix dxi.
(7.90)
2
xR
Et par intgration Fubini, on a :
Z
1
1
b
hT , i =
hT , eix i (x) dx = hhT , eix i , (x)i.
2 xR
2

(7.91)

D'o (7.89).

Exemple 7.54 La distribution 0 tant support compact, il vient :


1
1
b0 () = h(0 )x , eix i = 1.
2
2

(7.92)

Et on retrouve la transforme de Fourier de 0 dj calcule. Et de mme, ba () =


De mme pour les drives :

i
b00 () = ,
2

i
ba0 () = eia .
2

1 eia .
2

(7.93)

Proposition 7.55 Si T E 0 (distribution support compact), alors Tb est une fonction C

croissance lente ainsi que toutes ses drives.

Preuve. Ayant eix dans C (R), on a Tb qui est C (R) (proposition 3.1), et avec (7.89)

on a (drivation sous le crochet, proposition 3.1) :

d b
T () = hTx , (ix) eix i.
d

(7.94)

Il reste voir la lenteur de la croissance (au plus polynomiale). Hors programme (voir annexe) :
sachant T support compact, T est une distribution d'ordre nie p N :

C > 0,

C (R),

|hT, i| C

sup

|() (x)|,

xK,p

(7.95)

supp(T ). Et donc ici :


o K est un compact tel que K
hTx , (ix) eix i C
D'o :

sup

|(x eix )() |.

xK,p

d b
T ()| C 0 (1 + ||)p ,
d

(7.96)

(7.97)

avec C 0 > 0 donn par la formule de Leibniz. Et T est bien croissance lente ainsi que toutes ses
drives.
57

58

7.7. Transforme inverse dans S 0

7.7 Transforme inverse dans S 0


On dnit F sur S 0 par :
(On rappelle que (F

(1)

df
hFT, i = hT, Fi

)() = (F)() = (F)() =

1
2

R
R

(7.98)

(x) e

+ix

dx pour tout S .)

Proposition 7.56 La transforme de Fourier est un isomorphisme de S 0 dans S 0 et, pour tout

T S0 :

F (1) (T ) = F(T ) dans S 0

(7.99)

Preuve. Puisque pour T S 0 on a FT S 0 , on peut considrer FF T . Et on a pour tout S :


hFF T, i = hT, FFi = hT, i

(7.100)

D'o FF T = T et de mme FFT = T . On en dduit que F est inversible dans S 0 et que


F (1) = F .

2 b0 = 1R (calcul direct immdiat, voir (7.81) ou (7.92)), on en

dduit que F(1R ) = F( 2 0 ) et donc que, F(1R ) = 20 dans S 0 , rsultat quine peut pas tre
obtenu par un calcul immdiat. Et 0 n'tant pas une fonction, ce rsultat b
1 = 20 n'a pas de
sens au sens des fonctions.

Exemple 7.57 Si on sait


que

7.8 Transforme de Fourier dans L2


1
Les fonctions de L2 (R) ne sont pas dans L1 (R) en gnral : la fonction x 1+|x|
est dans L2 (R)
mais pas dans L1 (R) (problme l'inni). Et on ne peut pas dnir brutalement leurs transformes
de Fourier.
Par contre, les fonctions de L2 (R) sont croissance lente et dnissent en particulier des
distributions tempres. On a mieux :

Proposition 7.58 La transforme de Fourier F est une isomtrie bijective de L2 (R) sur lui-mme,
d'inverse F 1 = F .

Preuve. On a trivialement S L2 (R). De plus, muni de la norme de L2 (R), F : S S dnit une

isomtrie de S dans S pour le produit scalaire (, )L2 : c'est le thorme d'inversion 7.47 associ
au thorme de Parseval 7.29 (conservation du produit scalaire (, )L2 ).
Il reste considrer L2 (R) (et non seulement S ). Admettons un instant que S soit dense dans
2
L (R) muni de sa norme. Montrons que si (j ) suite de S tend vers f L2 (R), alors (
bj ) (qui
est une suite de S ) est convergente dans L2 () : on a ||f j ||2 0, et donc (j ) est une
suite de Cauchy de L2 () et ||i j ||2 0 dans L2 (R). Et l'aide du thorme de Parseval,
||
bi
bj ||2 0 dans L2 (R). Donc (
bj ) est une suite de Cauchy dans L2 (R) qui est complet. Donc
2
c'est une suite convergente de L (R). Notons g = lim(
bj ). Mais L2 (R) S 0 et donc fb = g dans
S 0 , et donc fb L2 (R).
Il reste dmontrer que S est dense dans L2 (R), ce qui est l'objet du lemme suivant.

Lemme 7.59 L'espace S est dense dans L2 (R) (muni de sa norme).


Preuve. (Par troncature et rgularisation.) On montre par exemple que D(R) est dense dans
L2 (R), puis on se sert de D(R) S L2 (R). Soit donc f L2 (R), et soit la fonction j = 1[j,j] .
On considre la fonction gj = f j (produit simple = troncature) qu'on rgularise pour former la
fonction hj = 1 gj D(R), avec 1 donn par (1.9), et on montre que (hj ) tend vers f dans
L2 (R) (le faire).
Un rsultat essentiel dans L2 (R) est l'identit de Parseval (7.50) qu'on rcrit dans L2 (R) ici
vu son importance (l'nergie est conserve par transforme de Fourier) :

58

59

7.9. change du produit simple et du produit de convolution

Proposition 7.60 On a l'galit de Parseval, pour tout , L2 (R) :


b L2 (R)
(, )L2 (R) = (,
b )

(7.101)

En particulier, l'nergie est conserve par transforme de Fourier : pour tout L2 (R) :

||||L2 (R) = ||||


b L2 (R)

(7.102)

Preuve. C'est un corollaire du lemme 7.59 et de (7.50).

7.9 change du produit simple et du produit de convolution


7.9.1 change dans le cas des fonctions
Le thorme de Fubini donne :

Proposition 7.61 Si S et S alors :


[
=

2
b b

(7.103)

i.e., F( ) = 2 F()F(). Et ces relations sont conserves si et sont dans L1 (R).


Et on en dduit, si S et S alors :

c = 1

b b
2

(7.104)

Et ces galits sont conserves si C (R) est croissance lente (toujours avec S ).

Preuve. La relation (7.103) n'est autre que l'intgrable double d'une fonction variables spares :
Z
Z
1
[

() =
(y) (x y) dy eix dx
2 xR yR
Z
Z

1
iy
b

=
(
e
(y) dy)(
eiz (z) dz) = 2 ()
b ()
2 yR
zR

(7.105)

le thorme de Fubini tant applicable la fonction (z, y) ei(y+z) (y) (z) tant dans L1 (R2 ).
Ces relations sont vraies pour les mmes raisons pour et dans L1 (R), et sont conserves si
on remplace F par F (calcul similaire).
On en dduit que, pour tout et dans S :

b = 2F()F(
b = 2
F(
b )
b
)
(7.106)

d'o en appliquant F :
b b = 2F(). Si est croissance lente et S , on a S , et

c S . Puis est tempre, et


b f i = h,

b est tempre, d'o, avec f S , on a h


b ,
b b f i =

c f i.
h, F(b f i) = 2h, fbi = 2h, fbi = 2h,

7.9.2 Prliminaire : convergence et densit


On commence par un lemme de calcul bas sur le thorme de Fubini :

Lemme 7.62 Si S E 0 (R) ( support compact) et si T D0 (R) alors pour tout D(R) :
hS T, i = hS, T i

(7.107)

Preuve. S tant support compact, S T a bien un sens dans D0 (R). Et, pour tout D(R) :

hS T, i = S(x), hT (y), (x + y)i = S(x), hT (y), (x y)i = hS, T i


ce qui est le rsultat annonc.
On a le rsultat de convergence :
59

(7.108)

60

7.9. change du produit simple et du produit de convolution

Lemme 7.63 Si S E 0 (R) ( support compact) et si Tj est une suite de D0 (R) qui converge vers
T dans D0 (R), alors la suite S Tj converge vers S T dans D0 (R) quand j :
S E 0 (R)

et Tj * T

S Tj * S T

(7.109)

Preuve. S tant support compact, STj a bien un sens dans D0 (R). Et on a, pour tout D(R) :
hS Tj , i = hS, Tj i

(7.110)

avec Tj C (R) et pour tout x R on a (Tj )(x) (T )(x) les fonctions Tj et T


tant C (R) (convergence ponctuelle, voir proposition 6.14). On en dduit que :

hS Tj , i = hS, Tj i hS, T i = hS T, i
j

(7.111)

(convergence dans R.) D'o le rsultat.


Et on a le rsultat de densit :

Lemme 7.64 Pour tout T S 0 (tempre), il existe une suite (Tj ) E 0 (R) ( support compact)
telle que Tj * T dans S 0 .

Preuve. (Par troncature et rgularisation.) Soit T S 0 et soit j = 1[j,j] 1 D(R) o 1 est


donne par (1.9). Alors la suite Tj = j T est une suite de E 0 (R). Et on a pour S :

|hT Tj , i| = |hT, (1 j )i| C pk,l ((1 j ))

(7.112)

o C , k et l ne dpendent que de T S 0 . Et pk,l ((1 j )) 0 quand j 0 voir par exemple le


paragraphe 7.2.5, d'o le rsultat.

7.9.3 change dans le cas des distributions tempres


On dduit par dualit :

Proposition 7.65 Si T S 0 (disribution tempre) et si f est une fonction C (R) croissance

lente (compatibilit avec T ), alors on conserve (7.104) au sens de S 0 :

1
fd
T = fb Tb
2

(7.113)

Et pour T S 0 (tempre) et S E 0 ( support compact), on conserve les relations (7.103) au


sens de S 0 :

\
S
T = 2 Sb Tb
(7.114)

i.e., F(S T ) = 2 F(S)F(T ), et de mme :

F(S T ) = 2 F(S)F(T )
(7.115)

Preuve. Avec T S 0 et f C (R) croissance lente on a f T S 0 (dmonstration immdiate).


Et par transforme de Fourier, pour tout S :

hfc
T , i = hf T, i
b = hT, f i
b

(7.116)

On vrie que cela a bien un sens car


b S et donc f
b S . Puis :

D'o :

1
1

f
b = F(F(f ))
b = F(Ff F())
b = F(fb )
2
2

(7.117)

1
1
1

hfc
T , i = hT, F(fb )i = hTb, fb i = hTb fb, i
2
2
2

(7.118)

ceci tant vrai pour tout S , on a obtenu (7.113).


Si T S 0 et S S 0 on procde l'aide des tapes suivantes :
60

61

7.9. change du produit simple et du produit de convolution

(i) Si S et T sont dans E 0 (R) alors S T a bien un sens (proposition 6.3), et S T E 0 (R2 ) (
support compact, de support le produit cartsien des supports). D'o :

1
1
\
S
T () = h(S T )(x), eix i = hS(x) T (y), ei(x+y) i
2
2

1
i(x+y)
b Tb()
= hS(x), hT (y), e
ii = hS(x), eix Tb()i = 2 S()
2

(7.119)

et le cas des distributions tempres support compact est trait.


(ii) Supposons encore S E 0 (R), avec maintenant T S 0 . On sait, avec le lemme 7.64, qu'il
existe une suite Tj E 0 (R) qui converge faiblement vers T dans S 0 .
Et, l'aide du lemme 7.63, on a :

S Tj * S T

d'o F(S Tj ) * F(S T )

(7.120)

par continuit de la transforme de Fourier dans S 0 .


Puis le (i) et la continuit de F donnent :
et F(Tj ) * F(T ) S 0

F(S Tj ) = F(S)F(Tj )

(7.121)

De plus, F(S) C (R) croissance lente (proposition 7.55). On en dduit que F(S)F(Tj ) *
F(S)F(T ) dans S 0 et donc :

F(S Tj ) * F(S)F(T ) dans S 0

(7.122)

D'o le rsultat (7.114). Et (7.115) est obtenue de la mme manire.

Exemple 7.66 On peut retrouver les rsultats de la proposition 7.52 : Pour T S 0 on a, si l N,


a R et R :

En eet :

(l) = il l T
b et

Td

(i)l xd
lT =T
b(l)
ia b

T
d
aT = e

iax T
a Tb = e\
T 0 = 00 T
1 i .
2

d'o

F(T (l) ) = (i)l l F(T )


(7.123)

0
c0 = \
T
0T =

0 b
b
2 c
0 T = iT

(7.124)

i
2

puisque F(00 ) =
De mme, F(00 ) =
et donc F(T 0 ) = i F(T ). Puis par rcurrence
sur l. Et la deuxime relation s'en dduit, voir la proposition 7.52.
La troisime relation s'obtient comme :

d
2F(a )F(T ) = eia F(T )
(7.125)
a T = F(a T ) =
puisque a E 0 (R) et donc F(a ) =
dduit, voir la proposition 7.52.

1 ha (x), eix i
2

61

1 eia .
2

Et la quatrime relation s'en

62

8 Rsolution d'quations direntielles


8.1 Motivation
On souhaite rsoudre uniquement en cherchant les racines d'un polynme (calcul symbolique)
une quation direntielle de degr m de type :
m
m1
u
du
d u +a d
+ . . . + am1
+ am u = f,
1
dxm
dxm1
dx
(8.1)

(m1)
u(0) = u0 , . . . , u
(0) = um1
(m conditions initiales),
l'inconnue u tant une distribution (ou plus simplement une fonction), les (ui )0im1 tant des
donnes du problme (constantes d'intgrations). On note P l'oprateur direntiel :

P =

dm
dm1
d
+ am ,
+ a1 m1 + . . . + am1
m
dx
dx
dx

(8.2)

et (8.1) s'crit alors :

u(0) = u0 , . . . , u(m1) (0) = um1 .

P (u) = f,

P est associ au polynme (not galement abusivement P ) :


P (z) = z m + a1 z (m1) + . . . + am

(= (z z1 )...(z zm )).

Et les racines zi de ce polynme (qu'on devra calculer) vont permettre de rsoudre simplement (8.1).
On se rappelle que :
(i) 0 est l'lment neutre pour la convolution : A 0 = 0 A = A pour tout distribution A
(cela a un sens car 0 est support born), et que,
(m)
(ii) 00 A = A0 pour toute distribution A, ainsi que 0 A = A(m) .
L'ide est d'crire P (u) = f comme l'quation de convolution :
(
P (0 ) u = f,

(8.3)

u(0) = u0 , . . . , u(m1) (0) = um1 ,


o P (0 ) est la distribution (de support compact rduit {0}) :
(m)

P (0 ) = 0

(m1)

+ a1 0

+ . . . + am1 00 + am 0

D0 (R).

(8.4)

(La notation P (0 ) est abusive, car P n'a t dni que sur les fonctions C m , mais elle est explicite :
polynme en 0 .)
Alors si on sait trouver un inverse de A = P (0 ) pour le produit de convolution, i.e. si B est
une distribution qui vrie A B = 0 = B A, i.e. B = A1 inverse au sens de la convolution,
et si B f a un sens, alors u = B f est solution aux conditions initiales prs.
Le problme des conditions initiales montre que cette approche formelle n'est pas bien dnie
(en ce qui concerne l'unicit de B ) : il faut se donner un cadre dans lequel l'inverse d'une distribution
existe et est unique. Ceci n'est pas possible en gnral : on se limitera au cas o on dispose d'une
algbre de convolution A0 , l'inverse dans une algbre tant unique quand il existe, et on supposera
que le second membre f est dans A0 . On cherchera alors une solution u dans A0 .
Ceci demande quelques prcisions, bien que le rsultat soit `simple' et donne naissance au calcul
symbolique dont la programmation est lmentaire.

8.2 Algbre de convolution


8.2.1 Convolution de plusieurs distributions
Soient trois distributions R, S et T de D0 (Rn ). On dnit formellement leur produit de convolution par :
hR S T, i = hRx Sy Tz , (x + y + z)i
(8.5)
Les proprits du produit tensoriel donne :
62

63

8.2. Algbre de convolution

Proposition 8.1 Le produit de convolution a un sens si en particulier :

1 - toutes les distributions, sauf une au plus, ont leurs supports borns,
2 - n = 1 et toutes les distributions ont leur support limits gauche,
Et dans le cas o le produit de convolution a un sens, il est associatif ((R S) T = R (S T ))
et commutatif (R S = S R).

Remarque 8.2 L'associativit n'est pas vrai si les supports ne sont pas convolutifs, i.e., bien que
chaque terme ait ventuellement un sens, (R S) T 6= R (S T ) en gnral. Par exemple :

0 = (1 00 ) H0 6= 1 (00 H0 ) = 1

(8.6)

En eet, 00 tant support compact les quantits suivantes ont un sens et


(1 00 ) = (10 0 ) = (0 0 ) = 0 d'o (1 00 ) H0 = 0, et
(00 H0 ) = (0 H00 ) = (0 0 ) = 0 , d'o 1 (00 H0 ) = 1.
Mais ici, les supports de 1, 00 et H0 ne sont pas compatibles. Par exemple 1(00 H0 ) = 1(H0 00 )
0
ne peut tre gal
R (1 H0 ) 0 car 1 H0 n'est pas dni, les supports n'tant pas compatibles
((1 H0 )(x) = R H0 (t) dt = pour tout x).

Remarque 8.3 La proposition ne donne qu'une condition susante. Dans R4 par exemple, R

S T a un sens si toutes les distributions ont leur support dans le demi-espace t 0 et en outre si
toutes, sauf une au plus, ont leur support dans le cne d'ondes d'avenir t 0, t2 x2 + y 2 + z 2 .

8.2.2 Algbres de convolution


Rappels.
Une loi interne + sur un ensemble E est une application (f, g) E Ef + g E , i.e. une
application telle que si f E et g E alors f + g E (stabilit).
Un groupe (E, +) est un ensemble E muni d'une loi interne + telle que :
(i) la loi + est associative (i.e. (f +g)+h = f +(g+h) pour tout f, g, h E ),
(ii) il existe un lment neutre e E (i.e. e+f = f +e = f pour tout f E ). (Si de plus on a
une structure d'anneau, cet lment neutre est appel lment nul et not e = 0.)
(iii) tout lment f E admet un oppos (ou inverse) dans E (i.e. il existe g E tel que
f +g = g+f = e) et cet inverse est alors unique (si h est un autre inverse, alors g = (h+f )+g =
h+(f +g) = h).
Et le groupe est commutatif si f +g = g+f pour tout f et g dans E .
Un anneau (E, +, ) est un groupe commutatif (E, +) muni d'une loi interne qui :
(i) est associative (i.e. (f g) h = f (g h) pour tout f, g, h E ),
(ii) admet un lment neutre (i.e. f = f = f pour tout f E ), appel lment unit.
(iii) est distributive (i.e. (f + g) h = f h + g h pour tout f, g, h E ),
Et un anneau est commutatif si f g = g f pour tout f, g E .
Et c'est un corps si tout lment non nul admet un inverse pour la loi , i.e., si f E {0}
alors g E : f g = g f = . Et un corps est commutatif si c'est un anneau commutatif (noter
qu'on dnit parfois un corps comme tant un corps commutatif).
Et dans un anneau, si l'inverse existe, il est unique. En eet, si f en 2 inverses g et h, alors
f g = et h f = d'o h = h (f g) = (h f ) g = g = g .
Un espace vectoriel (E, +, .) sur un corps K est un groupe commutatif (E, +) muni d'une loi
externe  ., fonction dnie par (, f ) K E.f , telle que, si on note 1 l'lment neutre du
corps K :
(i) 1.f = f , pour tout f E ,
(ii) .(f + g) = .f + .g , pour tout K et tous f, g E ,
(iii) ( + ).f = .f + .f , pour tous , K et tout f E ,
(iv) ().f = .(.f ), pour tous , K et tout f E .
Ces 4 lois impliquent galement que, si 0 est l'lment nul du corps K :
(v) 0.f = 0 pour tout f E , et
(vi) .0 = 0 pour tout K (ici 0 est l'lment neutre de (E, +)).
Une algbre A = (E, +, , .) sur un corps K (ce sera R ou C dans la suite) est un anneau
(E, +, ) muni d'une loi externe `.' telle que :
(i) (E, +, .) est un espace vectoriel sur K , et
(ii) .(f g) = (.f ) g = f (.g), pour tout K .
Et que cette algbre est commutative si (E, +, ) est un anneau commutatif.
63

64

8.3. quations de convolution et solution lmentaire

Exemple 8.4 Algbre Rn des matrices.


2

La proposition 8.1 permet de dnir des algbres de convolution, o 0 est l'lment unitaire :

0 T = T 0 = T

(8.7)

Voici des exemples :

Exemple 8.5 A = D0 (R)+ est l'algbre de convolution des distributions support limit gauche

en 0 : permet de traiter les quations direntielles avec conditions initiales. (Application galement
la transforme de Laplace).

Exemple 8.6 A = E 0 (Rn ) est l'algbre de convolution des distributions de Rn support born :
permet de traiter les quations aux drives partielles avec conditions aux limites.
Exemple 8.7 Dans R4 , on a l'algbre de convolution des distributions support dans le cne
d'avenir t 0, t2 x2 + y 2 + z 2 .

8.3 quations de convolution et solution lmentaire


8.3.1 Solution lmentaire dans une algbre de convolution
Soit A une algbre de convolution (ici A = D0 (R)+ ou = E 0 (R)). Pour A A et f A on veut
trouver u A telle que :
A u = f.
(8.8)

Dnition 8.8 On dit que E A est solution lmentaire de l'quation de convolution (8.8) si E
est solution de l'quation :

A E = 0

dans A,

(8.9)

i.e. si E est l'inverse de A dans A. On note E = A1 , et on dit encore que A admet une solution
lmentaire ou que A a inverse dans A.

Remarque 8.9 Il n'existe pas toujours de solution lmentaire. Par exemple si A = D(R)

(donc A C (R) support compact), il n'y a jamais de solution lmentaire : en eet, si E


D0 (R), alors E C (R) et est donc une fonction qui ne peut donc pas tre gale 0 (qui
n'est pas une fonction).
Par contre, un thorme de Malgrange et Ehrenpreis assure que toute quation aux drives
partielles coecients constants possde une solution lmentaire (et mme une innit).
Enn, il n'y a aucune raison pour que si la solution lmentaire existe, elle soit dans l'algbre A.
Mais si on en trouve une E qui soit dans A, alors E est l'inverse de A dans A (unicit de l'inverse
dans une algbre).

Proposition 8.10 On se donne une algbre de convolution A (par exemple D0 (R)+ ou E 0 (Rn )), et

on suppose A A et f A. Si (8.8) admet une solution lmentaire E (i.e. si A admet un inverse E


dans A), alors l'quation de convolution (8.8) admet une unique solution u dans A donne par
u = E f ( =not A1 f ).

Preuve. On suppose donc que A admet une solution lmentaire E = A1 A. On multiplie


(convolution) (8.8) gauche par E , et on obtient :

E A u = E f.
D'o u = E f est solution dans A car E et f sont dans l'algbre A.
Et l'unicit de u est donne par l'unicit de l'inverse dans une algbre.

64

(8.10)

65

8.4. quations direntielles

8.3.2 Contre-exemple
La recherche de la solution lmentaire est le problme essentiel de la rsolution. Et il est
indispensable de rester dans une algbre de convolution. Sinon :
Par exemple, dans R3 avec la distribution A = 0 et l'algbre de convolution E 0 (R3 ), qui
donne l'quation de Poisson :
0 u = f u = f
(8.11)
1
Il existe une solution lmentaire E = 4r
(i.e. E = 0 ), mais E 6 E 0 (R3 ), i.e. n'est pas
support born. Et le produit de convolution E f n'a pas de sens, moins que f soit support
born. Mais mme dans ce cas, il n'y a aucune raison pour que la solution soit unique. En eet, si
1
f est support born, u = 4r
f est solution particulire, la solution gnrale tant :

u=

1
f + distribution harmonique
4r

(8.12)

une distribution harmonique tant une distribution u solution de u = 0 (quation de Laplace


de solution dpendant des conditions aux limites, voir cours lments nis).
(On rappelle qu'une fonction harmonique est une fonction solution de l'quation de Laplace
u = 0, et que, dans R2 , toute partie relle d'une fonction holomorphe est une fonction harmonique.)

8.4 quations direntielles


On se placera dans l'algbre de convolution D0 (R)+ des distributions support dans [0, [
(l'lment unitaire 0 fait bien sr partie de cette algbre).

8.4.1 Calcul d'une solution lmentaire


Soit l'oprateur direntiel :

P =

dm
dm1
d
+
a
+ . . . + am1
+ am ,
1
dxm
dxm1
dx

(8.13)

Pour g D0 (R)+ donn, l'quation direntielle d'inconnue la distribution v D0 (R)+ :

P (v) = g

D0 (R)+ ,

(8.14)

D0 (R)+ ,

(8.15)

s'crit comme l'quation de convolution :

Av =g

o A est la distribution de D0 (R)+ (de support compact rduit {0}) :


(m)

A = 0

(m1)

+ a1 0

+ . . . + am1 00 + am 0 = P (0 ).

(8.16)

Le problme consiste donc chercher l'inverse E = A1 = (P 0 )1 de P 0 dans l'algbre


D0 (R)+ , i.e. de trouver la solution lmentaire E D0 (R)+ de :

A E = 0

i.e. P (0 ) E = 0 .

(8.17)

On cherche donc E comme solution de l'quation direntielle :

P (E) = 0 ,

(8.18)

v = A1 g = E g,

(8.19)

et la solution v de (8.15) sera donne par :

condition que g soit dans l'algbre de convolution D0 (R)+ .

65

66

8.4. quations direntielles

Proposition 8.11 Si P est un oprateur direntiel d'ordre m coecients constants de la forme


(8.13), alors A = P (0 ) est inversible dans l'algbre de convolution D0 (R)+ , et son inverse dans
cette algbre est la solution lmentaire E = A1 D0 (R)+ donne par :

E(x) = H0 (x)w(x)

D0 (R)+ ,

(8.20)

(c'est donc une fonction) o w C (R) est la solution classique C (R) de l'quation direntielle
homogne aux conditions initiales (de Cauchy) :

P (w) = 0,

w(0) = 0 = w0 (0) = . . . = w(m2) (0),

(m1)
w
(0) = 1.

(8.21)

(Toutes les conditions initiales sont nulles sauf la dernire qui vaut 1.)

Preuve. Le thorme de CauchyLipschitz donne l'existence et l'unicit de la solution homogne

w C (R). Pour tre dans l'algbre D0 (R)+ , on considre la fonction tronque H0 w (qui donc
par construction a bien son support dans R+ ).
Il s'agit de montrer que E = H0 w , i.e. :
P (0 ) (H0 w) = 0

Les drives de la fonction H0 w au sens des distributions se calculent squentiellement, en


tenant compte des conditions initiales :

(H0 w)0 = H0 w0 + w(0)0 = H0 w0 + 0 = H0 w0

...
(8.22)

(H0 w)(m1) = H0 w(m1) + 0 = H0 w(m1)

(H0 w)m = H0 w(m) + w(m1) (0)0 = H0 w(m) + 0


On en dduit, avec A = P (0 ), et notant pour une fonction g donne P (g) = P (0 ) g :

P (H0 w) = H0 P (w) + 0 = 0 + 0 = 0

(8.23)

puisque P (w) = 0. Et posant E = H0 w D0 (R)+ on a bien P (E) = A E = 0 , i.e. que


H0 w = E est inverse de A = P (0 ) pour la convolution dans l'algbre D0 (R)+ : H0 w = P (0 )1
dans D0 (R)+ .
D'o le corollaire :

Corollaire 8.12 Pour g D0 (R)+ , la solution v D0 (R)+ de P (v) = g est donne par :
v = (H0 w) g

D0 (R)+

Preuve. Vrions que P ((H0 w)g) = g , i.e. que P (0 )((H0 w)g) = 0 . On a P (0 )((H0 w)g) =
(P (0 ) (H0 w)) g = 0 g = g dans D0 (R)+ (associativit dans une algbre).

Le problme (8.15) se rsume ainsi : pour g D0 (R)+ ,

0
(

trouver E D (R)+ tel que :


0
trouver v D (R)+ tel que :
P (0 ) E = 0 ,

P (v) = g D0 (R)+ ,

puis calculer v = E g,
la seule quation direntielle rsoudre tant (8.21) qui donne w donc E = H0 w.

66

(8.24)

67

8.4. quations direntielles

8.4.2 Remarque : drivation comme inverse de l'intgration dans D0 (R)+


Soit l'quation direntielle (recherche de E dans D0 (R)+ ) :

dE
= 0 (= 00 v)
(8.25)
dx
La solution (lmentaire) est donne par E = H0 w o w est solution de l'quation homogne :
dw
= 0,
w(0) = 1
(8.26)
dx
La solution est w(x) = 1. Donc, la solution (lmentaire) E de E 0 = 0 dans l'algbre D0 (R)+ est :
P (w) =

(00 )1

Et donc
= H0 =
dans l'algbre D0 (R)+ .

E(x) = H0 (x)
d
dx

0 : l'inverse de la drive

est la primitive

(8.27)
: attention, uniquement

8.4.3 Solution gnrale au sens des fonctions


Attention : on a trouv une solution unique dans l'algbre D0 (R)+ . Et il n'a jamais t question
de conditions initiales !
Pour trouver une solution u de (8.1), on s'intresse uniquement aux valeurs u(x) pour x > 0 :
on tronque u en 0, i.e. on considre v = H0 u, et ainsi on s'est plac dans l'algbre D0 (R)+ . Et la
drivation de H0 u va introduire naturellement les conditions initiales u0 , ..., um1 comme donnes
du problme, i.e. dans le membre de droite.
On rappelle qu'on cherche rsoudre (8.1), i.e. qu'on cherche une solution classique aux conditions initiales : trouver u fonction telle que, pour f C 0 (R) une fonction donne :
(
P (u) = f,
(8.28)
u(0) = u0 , . . . , u(m1) (0) = um1 .
Le thorme de CauchyLipschitz nous dit qu'il existe une unique solution u C m (R). On ne peut
donc pas appliquer directement la proposition 8.11 puisqu'on n'est pas dans l'algbre D0 (R)+ .
On ramne l'quation (8.28) au cadre prcdent, i.e. dans l'algbre D0 (R)+ : on a v = H0 u
0
D (R)+ , et on commence par chercher l'quation satisfaite par v .
On calcule donc P (H0 u) = P 0 H0 u (au sens des distributions, la fonction tronque H0 u
n'tant pas drivable au sens des fonctions en gnrale) : on obtient l'aide des conditions initiales :

(m1)

P (H0 u) = H0 P (u) + e0 0 + . . . + em1 0


,
o

e
=
u
+
a
u
+
.
.
.
+
a
u
+
a
u
,
0
m1
1 m2
m2 1
m1 0

(8.29)
e1 = um2 + a1 um3 + . . . + am2 u0 ,

...

em1 = u0 .
Et donc :

P (H0 u) = H0 f +

m1
X

(k)

ek 0

D0 (R)+ .

(8.30)

k=0

Et donc v = H0 u vrie :

P (v) = g

g = H0 f +

m1
X

(k)

ek 0

D0 (R)+ ,

(8.31)

k=0

avec les ek dnis dans (8.29). On vrie bien que tous les termes sont bien des distributions
support dans R+ : on est bien dans l'algbre D0 (R)+ .
Et donc :
m1
X
(k)
(v =) H0 u = E g = H0 w g = H0 w (H0 f +
ek 0 )
k=0

= H0 w H0 f +

m1
X

e k H0 w

(8.32)

(k)

k=0
(k)

(avec la proposition 8.11 et (H0 w) 0 = (H0 w)(k) = H0 (w)(k) pour k m 1, voir (8.22).)
Donc, on connat u(x) pour tout x > 0 (et on connat u(0) la condition initiale) :
67

68

8.4. quations direntielles

Proposition 8.13 Pour f C (R) donne, la solution de (8.28) est donne par :
Z
x > 0,

u(x) =

w(t)f (x t) dt +

m1
X

ek w(k) (x)

(8.33)

k=0

o w est la solution de (8.21).

Exemple 8.14 En particulier, rsoudre l'quation direntielle avec conditions initiales homognes : P (u) = f avec u(0) = ... = u(m1) (0) = 0 donne le rsultat simple u = (H0 w) (H0 f ).

Exemple 8.15 En particulier, l'quation direntiellePhomogne P (u) = 0 avec conditions inim1


tiales u(0), . . ., u(m1) (0) donns, a pour solution u = k=1 ek w(k) sur R+ .
Remarque 8.16 Pour x 0, il faut travailler dans l'algbre D0 (R) , et donc avec la fonction

H0 (x)u. On retrouve la mme formule (8.33) qui est donc valide pour tout x R.

8.4.4 Exemples
Exemple 8.17 Soit l'quation direntielle :
du
= f,
dx

(8.34)

u(0) = u0

o f est une fonction C 0 (R). La solution lmentaire E dans D0 (R)+ vaut E = H0 (x) (inverse de
00 dans D0 (R)+ ). D'o :
Z x
x > 0, u(x) = (H0 (H0 f ))(x) + e0 H0 (x) =
f (t) dt + u0
0

et on retrouve le rsultat connu.

Exemple 8.18 Soit l'quation direntielle, avec C :


du
+ u = f,
dx

(8.35)

u(0) = u0

La solution lmentaire dans D0 (R)+ de (00 + 0 ) E = 0 est donne par E = H0 w o w est


solution de l'quation homogne :

P (w) =

dw
+ w = 0,
dx

w(0) = 1

(8.36)

i.e. w(x) = ex . Donc, la solution (lmentaire) dans l'algbre D0 (R)+ est E(x) = H0 (x)ex . On
obtient :
Z x
x > 0, u(x) = (H0 w (H0 f ))(x) + e0 H0 (x)w(x) =
e(xt) f (t) dt + u0 ex
0

et on retrouve le rsultat connu (solution particulire + solution homogne).


d
d
Exemple
8.19
Cas d'un polynme racines multiples : pour l'oprateur P = ( dx
) . . . ( dx

d
(o la puissance m dnote donc la composition des oprateurs), la solution l
) = dx
mentaire de P E = 0 dans D0 (R)+ est donne par :

E = H0 (x) w(x) = H0 (x) (ex

xm1
),
(m 1)!

(8.37)

d'aprs (6.26). D'o la solution gnrale :

Z
x > 0,

u(x) =
0

m1
X
(x t)m1 (xt)
)e
f (t) dt +
ek w(k) (x),
(m 1)!
k=0

o il reste calculer w(k) (lmentaire : on connatra w l'aide du simple calcul symbolique, et il


restera driver).
68

69

8.5. Calcul symbolique

Exemple 8.20 Par exemple, pour m = 2, on a :

P =

dx

2
=(

d
d
d
d2
) (
) = 2 2
+ 2 ,
dx
dx
dx
dx

(8.38)

associ l'oprateur de convolution :

A = (00 0 ) (00 0 ) = 000 200 + 2 0 .

(8.39)

On sait que la solution gnrale de l'quation homogne P w = 0 (pour les fonctions) est une
combinaison linaire des solutions indpendantes ex et xex : w(x) = aex + bxex , et la solution
homogne qui nous intresse a pour conditions initiales w(0) = 0 et w0 (0) = 1, et donc :

w(x) = xex .
On retrouve (8.37). Donc l'quation direntielle :

2

(u) = f
dx

u(0) = u0 , . . . , u(m1) (0) = um1


a pour solution :

Z
x > 0,

u(x) =

(x t)e(xt) f (t) dt + e0 w(x) + e1 w0 (x).

Exemple 8.21 Polynme racines distinctes. Avec R, la solution homogne de (avec m = 2,


a1 = 0 et a2 = 2 ) :
Pw = (

d2
+ 2 )w = 0,
dx2

w0 (0) = 1,

w(0) = 0,

est w(x) = sin(x)


. Donc, avec P E = P (0 ) E = (000 + 2 0 ) E , la solution lmentaire de

P E = 0 est :
sin(x)
E = (000 + 2 0 )1 = H0 (x)
, x R.
(8.40)

On vrie bien que P (H0 (x) sin(x)


) = 0 . D'o pour la solution au sens des fonctions :

Pu = (

d2
+ 2 )w = f,
dx2

u(0) = u0 ,

u0 (0) = u1

on obtient e0 = u1 + 0 et e1 = u0 d'o :
Z x
sin((x t))
u1
x > 0, u(x) =
f (t) dt +
sin(x) + u0 cos(x)

0
(On rerouve le rsultat connu).
Cette quation est obtenue par transformation de Fourier partielle de l'quation des ondes (la
transforme de Fourier partielle permet dans ce cas de transformer une quation aux drives
partielles en une quation direntielle).

8.5 Calcul symbolique


But : calculer w solution de (8.21), et ainsi connatre la solution lmentaire E (avec E = H0 w =
fonction w tronque gauche en 0).

69

70

8.5. Calcul symbolique

8.5.1 Produit d'inverses de convolution


On a :

Proposition 8.22 Si deux distributions B D0 (R)+ et C D0 (R)+ sont inversibles dans D0 (R)+ ,
alors B C est inversible dans D0 (R)+ d'inverse :

(B C)1 = C 1 B 1

(= B 1 C 1 ).

(8.41)

Preuve. En eet, dans l'algbre de convolution, le produit de convolution est associatif et il vient :
(B C) (C 1 B 1 ) = B (C C 1 ) B 1 = B 0 B 1 = B B 1 = 0 ,

(8.42)

et le produit de convolution est commutatif quand il a un sens.


On en dduit :

Corollaire 8.23 Si dans l'algbre D0 (R)+ la distribution A est le produit B C , avec B et C

inversibles dans l'algbre D0 (R)+ , alors l'quation de convolution :

(8.43)

A E = 0 = B C E,

a pour solution lmentaire dans D0 (R)+ : E = B 1 C 1 .


Et si g D0 (R)+ , alors la solution dans D0 (R)+ de l'quation de convolution A v = g est :

v = B 1 C 1 g.

(8.44)

Preuve. On a B B 1 = 0 et C C 1 = 0 dans l'algbre D0 (R)+ , d'o E = B 1 C 1

D0 (R)+ et B C E = C B E = 0 d'aprs la proposition prcdente. Et E est bien la solution


lmentaire dans D0 (R)+ , dont on dduit que v = E g est la solution de l'quation de convolution
dans D0 (R)+ .

Exemple 8.24 Soit A = 000 + 2 0 = (00 + i0 ) (00 i0 ) = B C (avec 6= 0). On a

(00 + i0 )1 = H0 (x)eix dans D0 (R)+ et on dduit que la solution lmentaire de A (dans


l'algbre D0 (R)+ ) satisfait :
E(x) = (000 + 2 0 )1 (x) = (B 1 C 1 )(x) = H0 (x)eix H0 (x)eix
Z x
sin(x)
ix
=e
e2it dt =
,

x > 0,

(8.45)

et on retrouve le rsultat dj vu. Pour x < 0, il sut de se placer dans l'algbre D0 (R) pour
trouver le mme rsultat.

8.5.2 Application : Dcomposition en facteurs


On gnralise l'exemple prcdent. Dcomposant en facteurs le polynme :

P (z) = z m + a1 z m1 + . . . + am1 z + am = (z z1 )(z z2 ) . . . (z zm ),

(8.46)

on dduit que l'oprateur direntiel P dni par (8.13) donne :

P 0 = (00 z1 0 ) (00 z2 0 ) . . . (00 zm 0 ).

(8.47)

d
d
d
Et donc que P = ( dx
z1 ) ( dx
z2 ) . . . ( dx
z m ).
Avec le rappel prcdent, on dduit que :

E = (P 0 )1 = (00 z1 0 )1 (00 z2 0 )1 . . . (00 zm 0 )1


= H0 (x)ez1 x H0 (x)ez2 x . . . H0 (x)ezm x D0 (R)+ .

(8.48)

Exemple 8.25 Et en particulier, notant (00 z1 0 )m le produit de convolution (00 z1 0 ) . . .


(00 z1 0 ) (m-fois), et (00 z1 0 )m son inverse, on a :

(00 0 )m = H0 ex . . . H0 ex = H0 (x)ex
d'aprs (6.26).
70

xm1 not (m)


= H() (x),
(m 1)!

(8.49)

71

8.5. Calcul symbolique

8.5.3 Rsum et notations symboliques pour le calcul de E = H0 w


On a donc vu que, pour l'inverse pour le produit de convolution dans D0 (R)+ :
1
1. 00
= H0 dans D0 (R)+ (l'inverse de la drive 00 de 0 est la primitive H0 de 0 dans
0
D (R)+ ).

1
2. (0 )0 + 0
= H0 ex dans D0 (R)+ .

1
xm1
3. [(0 )0 + 0 ]m
= H0 (x) ex (m1)!
dans D0 (R)+ .
On note symboliquement :
nota
p = 00 ,

1 nota
= H0 ,
p

nota
1 = 0 ,

nota
=

(8.50)

puisque p1 := H0 est bien l'inverse de p := 00 dans D0 (R)+ .


On a donc la notation symbolique :
1. p1 = H0
2.

1
p+

3.

1
(p+)m

= H0 ex
m1

x
= H0 (x) ex (m1)!

8.5.4 Application : calcul symbolique de Heaviside


On calcule ici la solution lmentaire E = H0 w = P (0 )1 l'aide du calcul symbolique, i.e.
1
1
on crit E = P (p)1 = P (p)
, et il s'agit de calculer P (p)
. On dcompose alors la fraction rationnelle
1
P (p) en lments simples.

Exemple 8.26 On veut rsoudre

solution lmentaire E (telle que

u
x + a1 u = f avec
(00 a1 0 ) E = 0 ).

E=

1
p a1

D'o pour x > 0 :

u(x) =

u(0) = u0 . On commence par chercher la


On a :

soit E(x) = H0 (x)ea1 x .

ea1 t f (x t) dt + u0 ea1 x .

t=0

2u
u
x2 +a1 x +a2 = f avec u(0)
2
p +a1 p+a2 . Si z1 et z2 sont les racines,

Exemple 8.27 On veut rsoudre

par factoriser le polynme


1- si z1 6= z2 , alors :

= u0 et u0 (0) = u1 . On commence
on a p2 +a1 p+a2 = (pz1 )(pz2 ).

1
a
b
=
+
(p z1 )(p z2 )
p z1
p z2

1
1
avec a = z1 z
(quation ci-dessus multiplie par p z1 et valeur prise en p = z1 ) et b = z2 z
2
1
(quation ci-dessus multiplie par p z2 et valeur prise en p = z2 ). D'o la solution lmentaire :

E(x) = H0 (x)w(x) o w(x) = aez1 x + bez2 x =

1
1
ez1 x +
ez2 x .
z1 z2
z2 z1

2- si z1 = z2 , alors la solution lmentaire est :

E(x) = H0 (x)w(x) o w(x) = xez1 x .


Rx
D'o pour x > 0, u(x) = t=0 w(t)f (x t) dt + e0 w(x) + e1 w0 (x) o e1 = u0 et e0 = u1 + a1 u0 .

Exemple 8.28 On veut rsoudre


2

2u
x2

p + = (p i)(p + i). Puisque :

+ 2 u = f avec u(0) = u0 et u0 (0) = u1 . Donc ici P (p) =

1
1
1
1
1
= 2
=
(

)
2
P (p)
p +
2i p i p + i

(8.51)

il vient dans D0 (R)+ pour la solution lmentaire E(x) = ( 00 + 2 )1 dans D0 (R)+ :

1 ix
sin x
(e
eix ) =
(8.52)
2i

Rx
Dj fait dans l'exercice 8.21. D'o pour x > 0, u(x) = t=0 sint f (xt) dt+u1 sinx +u0 cos x.
E(x) = H0 (x)w(x) o w(x) =

71

72

8.5. Calcul symbolique

Exemple 8.29 On veut rsoudre P (0 ) u = f pour des C.I. u(0) = u0 , u0 (0) = u1 et u00 (0) = u2 ,

lorsque P (z) = (z z1 )2 (z z2 ) avec z1 6= z2 . La solution lmentaire est donne par :

E=

a
b
c
1
=
+
+
.
2
2
(p z1 ) (p z2 )
p z1
(p z1 )
p z2

(8.53)

1
Pour trouver c on multiplie (8.53) par p z2 puis on prend la valeur pour p = z2 : c = (z2 z
2.
1)
1
2
Pour trouver b on multiplie (8.53) par (p z1 ) puis on prend la valeur pour p = z1 : b = z1 z2 .
1
Pour trouver a on multiplie (8.53) par p et on fait tendre p vers : a = c = (z2 z
2.
1)
D'o :
E(x) = H0 (x)w(x) o w(x) = aez1 x + bxez1 x + cez2 x ,

D'o pour x > 0, avec e0 = u2 + a1 u1 + a2 u0 , e1 = u1 + a1 u0 et e2 = u0 :


Z x
(aez1 t + btez1 t + cez2 t )f (x t) dt + e0 w(x) + e1 w0 (x) + e2 w00 (x),
u(x) =
t=0

o w0 et w00 sont triviaux calculer.

Remarque 8.30 On rappelle que dans C les lments simples sont les fractions rationnelles
1
(zzi )j .

Ainsi la dcomposition en lments simples dans C est pour tout polynme P de la forme :

1
a11
a1k
an1
ank
=
+ ... +
+ ... +
+ ... +
,
P (z)
z z1
(z z1 )k1
z zn
(z zn )kn
si les zi sont les racines complexes de multiplicit ki (et zi 6= zj quand i 6= j ). (On appelle rsidu
ai1
les constantes ai1 C correspondant aux coecients zz
.)
i
1
Par contre si on cherche les racines relles, alors les lments simples sont les (xx
j et les
i)
x+
(x2 +ax+b)j

quand x2 + ax + b n'a pas de racines relles. Pour le calcul symbolique, on se place


toujours dans C, et si le polynme est un polynme relle alors les racines complexes sont 2 2
conjugues.
Pour le calcul gnral, on a, en regroupant les racines confondues (zi 6= zj pour i 6= j ) :
Y
(z zj )kj
(8.54)
P (z) = (z z1 )k1 (z z2 )k2 . . . (z zm )km =
j

Et donc :

A = P (0 ) =

Y
Y
(00 zj 0 )kj :=
(p zj )kj
j

On en dduit que :

E = A1 =

(00 zj 0 )kj :=

On dcompose

X
1
=
P (z)
j

1
P (z)

(8.55)

Y
j

1
(p zj )kj

(8.56)

en lments simples :

cj,kj
cj,1
+ ... +
(z zj )kj
(z zj )

D'o :

E = (P 0 )1 :=

cj,kj (z zj )kj + . . . + cj,1 (z zj )1

(8.57)

cj,kj (p zj )kj + . . . + cj,1 (p zj )1 =

X
xkj 1
:=
cj,kj H0 (x)ezj x
(kj 1)!
j

1
P (p)

+ . . . + cj,1 H0 (x)ezj x

(8.58)

On rsout donc les quations de convolution dans D0 (R)+ en dcomposant en lments simples le
polynme inverse.

72

73

Exemple 8.31 Voici un autre exemple d'application du calcul symbolique. Soit l'quation l'inconnue u :

cos(x t)u(t) dt = g(x)


0

(8.59)

On s'intresse x 0, et l'quation s'crit dans D0 (R)+ :

(H0 cos H0 u)(x) = H0 (x)g(x)


On a cos x = 12 (eix + eix ) et H0 (x)eix = (00 i0 )1 dans D0 (R)+ , et l'quation s'crit :

1 0
1
(( i0 )1 + (00 + i0 )1 ) H0 u = H0 (x)g(x)
2 0
2
Soit avec la notation symbolique :

1 1
1
(
+
)H0 u = H0 g
2 pi p+i
1
+
d'o, puisque 12 ( pi

1
p+i )

p
p2 +1

H0 u =

p2 + 1
1
H0 g = (p + )H0 g
p
p

Et revenant aux notations usuelles :

H0 u = (00 + H0 ) H0 g
D'o la solution :

Z
x > 0,

u(x) = g 0 (x) +

g(t) dt
0

(8.60)

Ne pas oublier de considrer H0 g et non simplement g puisque qu'on doit travailler dans l'algbre
D0 (R)+ : le membre de droite de l'quation de convolution doit tre pris dans l'algbre (le produit
de convolution n'a pas de sens en gnral sinon).

9 Transforme de Laplace
Cette transformation qui est une extension de la transforme de Fourier ncessite la connaissance
des fonctions holomorphes.
Ce paragraphe est une introduction la transforme de Laplace qui permet de justier le calcul
symbolique de manire plus simple a posteriori que la transforme de Fourier.

9.1 Dnitions et holomorphie


9.1.1 Cas des fonctions et holomorphie
Soit p = + i C o = Re(p) R et = Im(p) R.
Pour f : t R f (t) C, on pose quand cela a un sens :
Z
Z
df
L(f )(p) =
f (t)ept dt =
f (t)et eit dt
0

(9.1)

et L(f ) est appeme transforme de Laplace de la fonction f .


Il est clair que pour une fonction intgrable sur R+ (dans L1 (R+ )), la transforme de Laplace
aura un sens ds que > 0. De manire plus gnrale, on a :

Proposition 9.1 Si f L1loc (R) est telle que pour = 0 la fonction |f (t)e0 t | est intgrable,

alors pour tout R, posant p = 0 + i , la transforme de Laplace L(f )(p) est bien dnie. Et
il en est alors de mme pour tout p C tel que Re(p) 0 .

Preuve. On a |f (t)ept | |f (t)eRe(p)t | |f (t)e0 t | et par hypothse h(t) = |f (t)e0 t | est

intgrable : la domination par une fonction intgrable donne bien f (t)ept L1 (R) (cette fonction
tant mesurable comme produit de fonctions mesurables).

73

74

9.1. Dnitions et holomorphie

Dnition 9.2 Pour f L1loc (R) donn, le plus petit 0 vriant la proprit prcdente est ap-

pel l'abscisse de sommabilit (ou de convergence absolue) de l'intgrale de Laplace. Et le domaine


(demi-plan) {p C : Re(p) > 0 }, o 0 est l'abscisse de sommabilit, est appel domaine de
sommabilit de l'intgrale de Laplace.

Exemple 9.3 Pour f = polynme non nul, l'abscisse de sommabilit est 0 = 0 et le domaine de

sommabilit est le demi-plan de partie relle strictement positive.


Pour f (t) = et , l'abscisse de sommabilit est 0 = 1 et le domaine de sommabilit est le
demi-plan de partie relle strictement suprieur 1.
2
Pour f (t) = et , l'abscisse de sommabilit est 0 = .
2
Pour f (t) = et , l'abscisse de sommabilit est 0 = et le domaine de sommabilit est
l'espace C tout entier.
Dans tous les cas, pour dterminer l'abscisse de sommabilit, plutt que f , on considre en fait
les fonctions tonques H0 f , puisqu'on ne considre que l'intgrale sur R+ .
On a alors :

Proposition 9.4 La transforme de Laplace d'une fonction f est une fonction C () o C

est le domaine de sommabilit. Donc L(f ) est une fonction holomorphe dans et donc analytique
dans (dveloppable en srie entire au voisinage de tout point de ).

Preuve. C'est une application directe du thorme de la convergence domine de Lebesgue.


Exemple 9.5 Pour la fonction de Heaviside H0 , sa transforme de Laplace est donne par :
p C, p 6= 0, Re(p) 0,

L(H0 )(p) =

1
p

(9.2)

qui est bien analytique dans = R+ R.

9.1.2 Cas des distributions et holomorphie


On note S = S(C) l'espace des fonctions : t R (t) C telles que || : t R |(t)| R
soit dcroissance rapide : || S .
En particulier, pour 0 R et p C tels que Re(p 0 ) > 0, la fonction t e(p0 )t est
dans S .
Et dans ce cas, si T D0 (R)+ avec de plus e0 t T S 0 on pose :
df
L(T )(p) = he0 t Tt , e(p0 )t i,

p C tel que

(9.3)

Re(p) > 0

Cette quantit est bien dnie comme le montre l'application du thorme de la convergence
domine de Lebesgue.

Proposition 9.6 et dnition. Si T D0 (R)+ avec de plus e0 t T S 0 , alors si 1 > 0 on a


e1 t T S 0 et :

L(T )(p) = he1 t Tt , e(p1 )t i,

p C tel que

(9.4)

Re(p) > 1

Cette quantit est indpendante de 1 > 0 et on pose :


df
L(T )(p) = hTt , ept i

p C

tel que

(9.5)

Re(p) > 0
0 t

On appelle abscisse de sommabilit (ou de convergence absolue) le plus petit 0 tel que e
T S 0.
Et le domaine (demi-plan) {p C : Re(p) > 0 }, o 0 est l'abscisse de sommabilit, est le domaine
de sommabilit de l'intgrale de Laplace.

Preuve. Si 1 > 0 , on a, pour tout S que e(1 0 )t est C (R) dcroissance rapide en
+ et donc, pour T distribution support dans R+ :

he0 t Tt , e(1 0 )t i = he(1 0 )t e0 t Tt , i = he1 t Tt , i


toutes les quantits ci-dessus tant bien dni. On en dduit que e
e(p1 )t o Re(p) 1 (le support de T tant dans R+ ) :

1 t

Tt S . Puis avec (t) =

he1 t Tt , e(p1 )t i = he0 t Tt , e(p0 )t i = L(T )(p)


et cette quantit est bien indpendante de 1 > 0 .
Et comme pour les fonctions :
74

(9.6)

(9.7)

75

9.2. Drives et translations, exemples

Proposition 9.7 Les transformes de Laplace des distributions de D0 (R)+ sont holomorphes, et
donc analytiques, dans le domaine de sommabilit.

Preuve. C'est la proprit de drivation sous le signe h., .i, proposition 3.1.

9.2 Drives et translations, exemples


On a (gnralisation de la transforme de Fourier) :

Proposition 9.8 Si p C est dans le domaine de sommabilit de T D0 (R)+ , pour l N et pour


aR:

L(T 0 )(p) = pL(T )(p)


L(T )0 (p) = L(tT )(p)
ap

L(a T )(p) = e

L(T (l) )(p) = pl L(T )(p)

et
et

L(T )(l) )(p) = (1)l L(tl T )(p)

(9.8)

L(T )(p)

Et pour C si p et p + sont dans le domaine de sommabilit de T D0 (R)+ :

L(T )(p) = L(e+t T )(p)

(9.9)

En particulier, on retrouve le fait qu'une drivation est transforme en polynme par Laplace.

Preuve. On a, toutes les quantits ayant un sens :

L(T 0 )(p) = hTt0 , ept i = hTt , pept i = phTt , ept i puis par rcurrence pour l N on a la
premire relation. Puis par drivation sous le crochet :
d
L(T )0 (p) = dp
hTt , ept i = hTt , tept i = htTt , ept i = L(tT )(p) puis par rcurrence pour
l N on a la deuxime relation. Puis par un calcul direct :
L(a T )(p) = hTt , ep(t+a) i = epa hTt , ept i et quand cela a un sens :
L(e+t T )(p) = hTt , et ept i = hTt , et(p) i = L(T )(p ) = L(T ).

Exemple 9.9 Pour la masse de Dirac :


L(0 )(p) = 1

(= h0 , ept i)
(l)

L(00 )(p) = p et L(0 )(p) = pl


1
L(H0 )(p) =
p
L(a 0 )(p) = eap

(9.10)

La primitive H0 de 0 apparat donc comme l'inverse de la drive 00 de 0 aprs transformation


par Laplace : cela redonnera le calcul symbolique.
Les autres relations donnant L(t0 )(p) = 0 et a L(0 )(p) = 1.
On retrouve les mmes formules que dans le cas de la transforme de Fourier, p jouant le rle
de i .

Exemple 9.10 Pour p C et R tel que Re(p) > 0 :


L(H0 (t)eit )(p) = i L(H0 (t))(p) =

1
p i

1
p + i
p
L(H0 (t) cos(t))(p) = 2
p + 2

L(H0 (t) sin(t))(p) = 2


p + 2
L(H0 (t)eit )(p) =

(9.11)

Exemple 9.11 Pour la fonction H0 (t) tn! :


L(H0 (t)

tn
1
1 dn 1
1
)(p) = (1)n+1 L(H0 )(n) (p) = (1)n+1
( ) = n+1
n!
n!
n! dpn p
p

(9.12)

Et pour la fonction H0 (t)et tn! , ds que Re(p) > Re() :

L(H0 (t)et

tn
tn
1
)(p) = L(H0 (t) )(p) =
n!
n!
(p )n+1

75

(9.13)

76

9.3. Inversion de la Transforme de Laplace

9.3 Inversion de la Transforme de Laplace


Elle est donne l'aide de l'inversion de la transforme de Fourier : on a, dans le domaine de
sommabilit de f , i.e., pour > 0 :
Z

L(f )( + i) =
(f (t)et ) eit dt = 2F(H0 f et )()
(9.14)
0

Et on a par transforme de Fourier inverse :

Z
1
H0 (t)f (t)et = FF(H0 f e. )(t) =
F(H0 f e. )() e+it d
2 =
Z
Z
1
=
(
H0 (s)f (s)es eis ds) e+it d
2 = s=

D'o :

(H0 f )(t) =

et
2

L(f )( + i) e+it d

(9.15)

(9.16)

(donc on ne peut connatre f que sur R+ puisqu'on ne sait calculer que la fonction tronque H0 f .)
Soit encore, en intgrant sur la droite imaginaire z = avec donc dp = 0 + id :
Z +i
1
t 0,
f (t) =
L(f )(p) e+ipt dp
(9.17)
2i i
C'est la formule d'inversion. Il reste savoir sous quelles conditions cette formule est valide.
On sait que la transforme de Laplace est une fonction holomorphe. Il s'agit donc de savoir sous
quelles conditions une fonction holomorphe L(p) est la transforme de Laplace d'une distribution.

Proposition 9.12 Pour qu'une fonction holomorphe p L(p) soit la transforme de Laplace

d'une distribution de D0 (R)+ , il faut et il sut qu'il existe un demi-plan > 0 (domaine de
sommabilit) dans lequel L(p) soit tempre.
(Admis.)

9.4 Transforme de Laplace et convolution


Par Laplace, la convolution est transforme en produit :

Proposition 9.13 Soit S D0 (R)+ , resp. T D0 (R)+ , ayant une transforme de Laplace pour p
tel que Re(p) > 1 , resp. tel que Re(p) > 2 , avec 1 , 2 R.
Alors, pour tout p C tel que Re(p) > max(1 , 2 ), on a :

(9.18)

L(S T )(p) = L(S)(p)L(T )(p)

Preuve. Ce n'est autre que le thorme de Fubini :


L(S T )(p) = h(S T )t , ept i = hSx Ty , ep(x+y) i = hSx , epx ihTy , epy i

(9.19)

On retrouve par exemple :

Corollaire 9.14 Si T D0 (R)+ a une transforme de Laplace pour p dans le domaine de sommabilit Re(p) > 0 , alors dans le domaine de sommabilit :

L(T (l) )(p) = pl L(T )

(9.20)

Preuve. En eet, T (l) = 0(l) T , d'o L(T (l) )(p) = L(0(l) )L(T ) = pl L(T ).
Exemple 9.15 On retrouve :
L(0 )(p) = L(H00 )(p) = L(00 H0 )(p) = L(00 )(p) L(H0 )(p) = p
i.e., par Laplace, la drive 00 est bien l'inverse de la primitive H0 .
76

1
=1
p

(9.21)

77

9.5. Retour sur le calcul symbolique

9.5 Retour sur le calcul symbolique


On applique l'ide que l'intgration est l'opration inverse de la drivation : grce la transforme de Laplace applique l'intgrale H0 et la driv 00 de 0 :

L(0 ) = 1,

L(00 ) = p,

L(H0 ) =

1
p

(pour p R+ R)

(9.22)

Puis grce la transforme de Laplace d'un produit de convolution :

L(u0 ) = L(00 u) = L(00 )L(u) = pL(u)


on a transform une drivation en expression polynomiale, ceci dans R+ R.
Et avec :
Z T
1
u(t) dt)(p) = L(H0 H0 u)(p) = L(H0 )(p)L(u)(p) = L(u)(p)
L(
p
0

(9.23)

(9.24)

on a transform une primitive en expression rationnelle, ceci pour p R+ R.

Exemple 9.16 Soit rsoudre u00 + 2 u = f . On se limite la recherche de u(t) pour t 0. On


applique alors L pour obtenir partir de (000 + 2 0 ) u = f :

(p2 + 2 )L(u)(p) = L(f )(p)

(9.25)

On retrouve le polynme caractristique de l'quation direntielle :

d'inverse :

P (p) = p2 + 2 = (p i)(p + i)

(9.26)

1
1
1
1
=
(
+
)
P (p)
2i p + i p i

(9.27)

Et il vient :

L(u)(p) =

1
1
1
(
+
)L(f )(p)
2i p + i p i

(9.28)

D'o par transforme inverse (qui ne donne que u sur R+ ) :

(H0 u)(t) =

1
sin(t)
(H0 eit + H0 eit ) H0 f (t) =
H0 f (t)
2i

(9.29)

rsultat annonc dans l'exemple 8.28. Ne pas oublier de considrer H0 f et non simplement f
puisque la transforme de Laplace inverse ne donne que la fonction tronque H0 f (et non f ).

77

78

10 Rsolution d'quations aux drives partielles


10.1 Partition de l'unit, Formules de Stokes et de Green
10.1.1 Partition de l'unit
On rappelle la proposition 5.14 dans Rn .

Proposition 10.1 Soit un ouvert de Rn et K un compact, K . Alors il existe une fonction


D() telle que (x) = 1 dans un voisinage de K .

Preuve. Soit r la distance de K Rn . Soit Km = {x Rn : d(x, K)

1
m } pour
m 1Km

m N.
Soit alors (m ) D(R) une suite rgularisante, et on considre m =
D(R) qui
2
vaut 1 sur Km . On prend alors m (assez grand) tel que m
< r ce qui donne m D() avec m
qui vaut bien 1 au voisinage de K .
On en dduit :

Proposition
S 10.2 (Partition de l'unit.) Soit K un compact dont on considre un recouvrement
m

ni K j=1 j , les j tant des ouverts de Rn .


Il existe alors m fonctions j D(j ) telles que :

dans un voisinage de K

1 (x) + ... + m (x) = 1

(10.1)

Preuve.
Sm Admettons un instant qu'on puisse trouver des compacts Kj j qui recouvrent K :
K j=1 Kj .
Soit alors j D(j ) une fonction qui vaut 1 sur Kj (une telle fonction existe d'aprs la
proposition prcdente). On pose dans Rn :
1 (x) = 1 (x)
2 (x) = 2 (x)(1 1 (x))

(10.2)

...
m (x) = m (x)(1 m1 (x))...(1 1 (x))

On vrie que si x K1 on a 1 (x) + 2 (x) = 1 + 2 (x)(1 1) = 1 ; et si x K2 on a


1 (x)
S + 2 (x) = 1 (x) + 1(1 1 (x)) = 1 (x) + 1 1 (x) = 1 et donc que 1 (x) + 2 (x) = 1 sur
K1 SK2 . Et on vrie de mme que si x Ki , pour i quelconque, alors 1 (x) + ... + m (x) = 1
m
sur j=1 Kj .
Il reste montrer que de tels Kj existent. C'est l'objet du lemme suivant.

Lemme 10.3 Soit K un compact contenu dans la runion nie d'ouverts


des compacts Kj j tels que K

Sm

j=1

Kj .

Sm
j=1

j . Alors il existe

Preuve. Soit x K et soit jx [1, m] tel que x jx . Puis soit Cjx jx un compact inclu
j . On a donc K S

dans jx qui soit un voisinage de x, i.e. tel que x C


x
xK Cjx .
On applique le thorme de BorelLebesgue : il existe un recouvrement ni de K par M ouverts
k = C
j pour k = 1, M , i.e. il existe un nombre ni M de points xk tels que les C
j recouvrent K .
C
xk
xk
S
On prend maintenant pour Kj la runion (nie) = xk j Cjxk et on a le rsultat.
10.1.2 Domaine rgulier, lment de surface et normale extrieure
On notera Rn = Rn1 R = {~x = (x0 , xn ) Rn1 R}, ce qui donnera l'criture gnrique
n
d'une fonction : Rn1 R de graphe {(x0 , (x0 )) : x0 Rn1
q}R .
Et on notera x0 = (x1 , ..., xn1 ) Rn1 , ainsi que |x0 | =

x21 + ... + x2n1 .

Ainsi, une boule Bn1 Rn1 et un intervalle [an , bn ] dnissent le `cylindre' Bn1 [an , bn ],
et une fonction : Bn1 R avec C (Bn1 , R) dnira une `surface' rgulire (i.e., son
graphe {(x0 , (x0 )) : x0 Bn1 } est une `surface inniment lisse' de Rn ).

Dnition 10.4 On dit que ouvert born de Rn est une domaine rgulier si localement est
l'ensemble des points situs au dessus du graphe d'une fonction C (Rn1 , R), i.e. :
78

79

10.1. Partition de l'unit, Formules de Stokes et de Green

1. est un ouvert born connexe de Rn . On note sa frontire.


2. Pour tout ~a = (a0 , an ) , il existe un repre orthonorm Ra (dit adapt), il existe > 0
et > 0, et il existe une fonction a C (Rn1 , R) tels que : dans le repre Ra on ait
~a = (0, ..., 0) (origine dans Rn ) et :
\
{(x0 , xn ) : |x0 | < , |xn | < } = {(x0 , xn ) : |x0 | < , |xn | < et xn > a (x0 )} (10.3)
( est localement d'un seul ct du graphe de a .)
On se donne un domaine rgulier et un point ~a = (a0 , an ) . Avec a dni ci-dessus
dans un voisinageTVa de ~a, on dnit le vecteur normal unitaire extrieur (ou sortant) en
~x = (x0 , xn ) Va comme tant le vecteur normal unitaire au graphe de a en ~x dni par :

a (x0 )

x1

...
1
1
a (x0 )

~n(~x) = p
(10.4)

0 = p

(x
)
0
2
0
2
a
1 + |a (x )|
1 + |a (x )|

xn1
1
1
0

a (x )
a (x ) t
0
0
o a (x0 ) = ( x
, ...,
xn1 ) est le vecteur gradient de a en x = (x1 , ..., xn1 ), et |a (x )|
1
sa norme dans Rn1 . Noter que tant (localement) au dessus du graphe de a , la dernire
composante de ~n(~x) est bien dnie par un signe `' pour avoir la normale extrieure (ou sortante).
Pour mmoire :

Dnition 10.5 On appelle i-me cosinus directeur de la normale ~n(~x) la projection du vecteur
normal ~n(~x) dans la i-me direction : cos i = (~n(~x), ~ei )Rn = ni (~x).

Puis on dnit localement (au voisinage de ~a) l'lment de surface comme tant la mesure sur
Rn1 dnie au voisinage de ~a par :
p
da = 1 + |a (x0 )|2 dx0
(10.5)
o on a not dx0 = dx1 ...dxn1 . On montre que cette mesure est indpendante du choix du repre
1
Ra (exercice). Et
n'est autre que la jacobien de la transformation en x, voir cours
0 2
1+|a (x )|

d'intgration sur des surfaces paramtres.


Donc localement, i.e. pour D() o est un `petit' voisinage de ~a, on a dni da par :
Z
Z
p
0
0
0
2
hda , i = (x ) 1 + |a (x )| dx = da .
Puis, partir des proprits locales, on passe aux proprits globales : on recouvre K =
(compact) par un nombre ni d'ouverts
Quitte considrer des unions de tels
S S`cylindriques'.
m
ouverts, on note ce
recouvrement

)
,
o
on
a not 0 l'ouvert d'intersection vide
0
j
j=1
T
avec K et o j K 6= pour 1 j m. On se donne alors une partition de l'unit 0 + 1 +
... + m relative ce recouvrement, et on dnit l'lment de surface au voisinage de ~x K par :

d =

m
X

i (x0 )dai

(10.6)

i=1

On a ainsi une mesure globale sur (on fait la somme nie des mesures locales dans leurs repres
adaptes).
Puis on dnit l'intgrale de surface d'une fonction continue f par :
Z
hd, f i =
f (~x) d(~x)
(10.7)

Enn, on rappelle que pour une fonction f : Rn R qui est C 1 (Rn , R) on a en ~x :

f (~x + h~n) f (~x)


f
f
f
df
(~x) = lim
=
n1 + ... +
nn = f.~n
h0
n
h
x1
xn

(10.8)

C'est la drive de f dans la direction ~n. Attention, ici f est une fonction des n variables `(x0 , xn )'
et a un sens dans tout l'espace Rn et non seulement sur la surface (varit d'ordre n 1). Alors
que la surface est dnie (localement) comme une fonction des n 1 variables x0 .
79

80

10.1. Partition de l'unit, Formules de Stokes et de Green

10.1.3 Formule de Stokes


On note Rn+ le demi-espace Rn1 R+ . On commence par une proprit locale grce aux
fonctions support compact, et on regarde le cas d'une frontire `plane'.

Lemme 10.6 Si D(Rn1 ) et si f D(Rn ) alors, notant t = xn :


pour i = 1, ..., n 1 :
Z Z

x0 Rn1

t=0

f 0
(x , t + (x0 )) dx0 dt =
xi

Z
f (x0 , (x0 ))
x0 Rn1

(x0 ) 0
dx
xi

(10.9)

et pour i = n :

t=0

Z
x0 Rn1

f 0
(x , t + (x0 )) dx0 dt =
xn

Z
f (x0 , (x0 )) dx0
x0 Rn1

(10.10)

Et ceci est conserv si et f sont C 1 support compact.

Preuve. On applique le thorme de Fubini en posant g(x0 , t) = f (x0 , t + (x0 )) qui est C et qui

donne :

t=0

Z
x0 Rn1

g 0
(x , t) dx1 ...dxn1 dt = 0
x1

(en intgrant d'abord en x1 sur ] , [, g tant support compact.)


Et on a :
g 0
f 0
f 0
0
(x , t) =
(x , t + (x0 )) +
(x , t + (x0 ))
(x )
x1
x1
xn
x1
Il vient donc :
Z
Z
Rn1

f 0
(x , t + (x0 )) dx0 dt =
x1

Rn1

f 0
0
(x , t + (x0 ))
(x ) dx0 dt
xn
x1

Et tant indpendant de xn on a :
Z
Z
Z
i
f 0
0 h
(x , t + (x0 )) dx0 dt =
(x ) f (x0 , t + (x0 ))
dx0
x
x
t=0
n1
n1
1
1
R
0
R
d'o (10.9) pour i = 1 f tant support compact. Et mme calcul pour i n 1.
Pour i = n, on a directement, ne dpendant pas de xn :
Z Z
Z
f 0

0
0
(x , t + (x )) dx dt =
[f (x0 , t + (x0 ))]t=0 dx0
n
x
n
R+
Rn1

(10.11)

(10.12)

(10.13)

(10.14)

(10.15)

f tant support compact, i.e. (10.10).


On en dduit :

o
est
Thorme 10.7 (Formule de Stokes) Pour un domaine rgulier Rn et f C 1 ()

un voisinage de , on a, pour i = 1, ..., n :


Z
Z
f
(~x) dx =
f (~x) ni d(~x)

xi

(10.16)

o ~n = (n1 , ..., nn ) est le vecteur unitaire extrieur .


~ : Rn Rn qui est C 1 dans un voisinage de :
Et donc, pour tout champ de vecteur X
Z
Z
~
~ n d(~x)
div(X) dx =
X.~
(10.17)

(formule de Stokes.)

80

81

10.1. Partition de l'unit, Formules de Stokes et de Green

X1 (x1 , ..., xn )

..
~ : (x1 , ..., xn )
(On rappelle que pour X
un champ de vecteur C 1 donn,

.
~ =
on a div(X)

Xn (x1 , ..., xn )

X1
x1

+ ... +

Xn
xn .)

Preuve. OnSapplique le lemme prcdent : on considre le compact rgulier K = , et le recouvreSm


m
ment ni 0 j=1 j de la dnition de d . Et on prend une partition de l'unit relative j=0 j
avec laquelle on a :
m
m
X
X
df
f=
f j =
fj ,
fj = f j
j=0

j=0

Et on applique le lemme prcdent chaque fj , ce qui donne, pour 1 i n 1 et D(Rn ) :


Z
Z
fj 0
(x0 ) 0
0
fj (x0 , (x0 ))
(x , t + (x )) dx =
dx .
xi
xi
Rn
Rn1
+
Puis on passe de Rn+ : pour 1 i n 1, on prend pour la fonction dterminant localement ; on obtient, pour tout 0 j m, grce (10.4) :
Z
Z
Z
p
fj 0
(x , t + (x0 )) dx =
fj [ni . 1 + ||2 ) dx0 ] =
fj ni d
xi
Rn

+
P
Pm f
m
f
j=1 fj
= x
, on en dduit (10.16) pour tout 1 i n 1.
Puis comme j=0 xji =
xi
i
Le cas i = n est immdiat avec le lemme prcdent et la dnition de ~n donne en (10.4) ainsi
que de l'lment de surface d dni en (10.5). D'o la formule (10.16) pour tout 1 i n.
Et la formule de Stokes (10.17) s'en dduit puisque :

Z
~ dx =
div(X)

Z
n Z
n Z
X
X
Xi
~ n d
(~x) dx =
Xi ni d =
X.~
x
i

i=1
i=1

(10.18)

10.1.4 Intgration par parties et formule de Green


De la formule (10.16) on dduit immdiatement :

Thorme 10.8 (Intgration par parties) Si f et g sont deux fonctions C 1 dans un voisinage d'un
ouvert rgulier de Rn , on a, pour tout i = 1, ..., n :
Z
Z
Z
g
f
f
dx =
g dx +
f g ni d
xi

xi

(10.19)

Preuve. C'est la formule (10.16) applique la fonction f g .


Et de la formule de Stokes (10.17) on dduit immdiatement :

Thorme 10.9 (Formule de Green) Si f et g sont deux fonctions C 2 dans un voisinage d'un

ouvert rgulier de Rn , on a, pour tout i = 1, ..., n :


Z
Z
f
g

g) d
(f g g f ) dx =
(f
n
n

(10.20)

~ = f g qui donne divX


~ = f g + f.g , auquel
Preuve. On considre le champ de vecteur X
~ = gf , et on fait la
on applique la formule de Stokes, et de mme pour le champ de vecteur Y
dirence des deux formules trouves.

81

82

10.2. Formule des sauts dans l'espace et formule de Rankine-Hugoniot

10.2 Formule des sauts dans l'espace et formule de Rankine-Hugoniot


10.2.1 Formule des sauts dans l'espace
C'est la contrepartie du cas 1-D, paragraphe 1.7.2, pour une fonction C 1 et C 0 par morceaux
sur Rn .
Soit un ouvert rgulier de bord , et soit f une fonction dnie sur Rn suppose rgulire
par morceaux : on suppose f C 1 () et f C 1 (Rn ) avec de plus f prolongeable au bord :
d'une part en une fonction fint C 1 () (intrieure), et d'autre part en une autre fonction fext
C 1 (Rn ) (extrieure).
On applique alors le rsultat du cas 1-D, paragraphe 1.7.2, o maintenant l'lment de surface
orthogonal la direction x1 a pour mesure n1 d :

Proposition 10.10 Pour la fonction f C 1 par morceaux dnie ci-dessus, on a au sens des dis-

tributions, pour tout i = 1, ..., n :

f
f
=
+ fext fint ni d,
xi
xi

f
o
est la drive usuelle de f .
xi

au sens de D0 (Rn )

(10.21)

Preuve. Soit une fonction D(Rn ), alors f tant L1loc (Rn ) :


f

df
h
, i = hf,
i=
xi
xi

f (~x)
(~x) d =
x
n
i
R

Z
f (~x)
(Rn )

(~x) d
xi

(10.22)

On applique la formule d'intgration par parties (10.19) sur chaque morceaux (f y est C 1 ) :
Z
Z
Z

f
(~
x
)
(~
x
)
d
=

(~
x
)
(~
x
)
d
+
fint (~x) (~x) ni d

xi
xi

Z
Z
Z
(10.23)
f

(~x) d =
(~x) (~x) d +
fext (~x) (~x) (ni ) d
f (~x)
xi
Rn xi

Rn
(~n est la normale extrieure pour et ~n est la normale extrieure pour Rn .) On en dduit :
Z
Z
f
f
h
, i =
(~x) (~x) d +
(fext fint )(~x) (~x) ni d
(10.24)
xi
(Rn ) xi

ceci tant vrai pour tout D(Rn ), c'est le rsultat annonc.

Remarque 10.11 La formule des sauts (10.21) est aussi note, dans D0 (Rn ) :


f
f
f
(~x) =
(~x) + f (~x + 0~n) f (~x 0~n) ni d =
(~x) + f ni d
(10.25)
xi
xi
xi

o f dnote le saut de f travers . Et si ~x 6 , alors f est drivable en ~x, et la drive au
sens des distributions est identiable la drive usuelle : la mesure d son support dans et
si D(Rn ) est nulle sur , on a hd, i = 0.

Remarque 10.12 Une fonction d'une seule variable x1 , cas trait au paragraphe 1.7.2, se comporte comme le cas n-D o est un cylindre d'axe x1 , la normale sortante en `entre' ( gauche) du
cylindre valant ~n(1, 0, ..., 0). On retrouve alors : (i) 0 = f (~x+0)f (~x0) = f (~x+0~n)+f (~x0~n)
et (ii) n1 d = 1 0 0 . Et on retrouve

f 0 = {f 0 } + 0 0 ,

au sens de D0 (R)

(10.26)

La formule n-D peut s'en dduire heuristiquement en notant que la drive dans la direction 1 ne
dpend pas des autres directions, et en particulier, le taux de variation de f dans la direction 1 ne
dpend pas de l'inclinaison de la surface par rapport sur l'axe x1 (qui dpend des autres directions)
mais uniquement de l'aire de la surface projet, i.e., de n1 d .
82

83

10.3. quations aux drives partielles

10.2.2 Formule de Rankine-Hugoniot


On considre les variable (t, ~x) R Rn = Rn+1 . Un choc (type `onde de choc') est dcrit par
la discontinuit d'une fonction u : Rn+1 R note u(t, ~x) le long d'une surface de Rn+1 . Le
problme est alors de dcrire les lois de conservations sur , surface suppose rgulire. La normale
la frontire est note ~n = (n0 , n1 , ..., nn ) Rn+1 .
Une loi de conservation de u(t, ~x) est dcrite par :
n

u(t, ~x)
u(t, ~x) X
+ div(f~(u(t, ~x)) = 0 =
+
fi (u(t, ~x))
t
t
xi
i=1

(10.27)

f1 (v)

au sens des distributions, la fonction f~ : R Rn note f~(v) = ... tant une fonction qui
fn (v)
est C 1 (R, Rn ). On dduit de la formule des sauts que la densit par rapport d vaut :
n
X

u(x + 0~n) u(x 0~n) n0 +


fi (u(x + 0~n) fi (u(x 0~n) ni = 0

(10.28)

i=1

o avec le notation des sauts :

n
X

u n0 +
f i u ni = 0

(10.29)

i=1

C'est la formule de RankineHugoniot qui permet la description du choc (de la drive de la


discontinuit de u au sens des distribution).

10.3 quations aux drives partielles


Pour A E 0 (Rn ), on cherche une solution u D0 (Rn ) de l'quation :

Au=f

(10.30)

P
||
pour f D0 (Rn ). Dans le cas o A = ||m c x 0 est une combinaison linaire de masse de
Dirac et de ses drives, l'quation de convolution est l'quation aux drives partielles :
X || u
=f
x

(10.31)

||m

10.3.1 Existence et unicit dans E 0 (Rn )


Proposition 10.13 On se place dans l'algbre E 0 (Rn ) des distributions support compact. Si
A E 0 (R) admet une solution lmentaire E D0 (Rn ), alors si f E 0 (Rn ),
(i) il existe au moins une solution u D0 (Rn ) de (10.31) savoir u = E f D0 (Rn ),
(ii) il existe au plus une solution u E 0 (Rn ), c'est u = E f ,
(iii) si A est inversible dans l'algbre E 0 (Rn ), i.e., s'il existe une solution lmentaire E = A1
dans E 0 (Rn ), alors il existe une unique solution u E 0 (R) donne par u = A1 f .

Preuve. Ayant au moins deux des distributions ayant des supports compacts, savoir A et f , le
produit de convolution est associatif et :
A (E f ) = (A E) f = 0 f = f

(10.32)

d'o u = E f est solution. De plus, si on suppose u support compact, alors le produit de


convolution suivant est associatif et donne :

u = (E A) u = E (A u) = E f

(10.33)

et donc u s'il existe est unique. Et si A a un inverse dans l'algbre E 0 (Rn ), i.e. si A1 existe,
A1 E 0 (Rn ) et A1 f E 0 (Rn ), alors u = A1 f est bien solution dans E 0 (Rn ).

83

84

10.3. quations aux drives partielles

10.3.2 quation de Laplace dans R3 : distributions et fonctions harmoniques


Dnition 10.14 Une fonction (resp. distribution) u : Rn R est dite harmonique si elle satisfait
l'quation de Laplace :

(10.34)

u = 0
2

Les fonctions solutions de cette quation sont appeles fonctions harmoniques, et dans R , ce sont
les parties relles de fonctions holomorphes (voir par exemple Rudin [7] chapitre 11).

Proposition 10.15 La fonction ~r = (x, y, z) R3


harmonique dans R3 {0}.

1
|~
r|

= (x2 + y 2 + z 2 ) 2 R est une fonction

Preuve. En eet :
~r 6= 0,

1r
x
= 3,
x
r

2 1r
1
3x2
=

+
,
x2
r3
r5

1
=0
r

(10.35)

1 1
Il reste donc voir ce qui se passe en 0. Noter que E = 4
r est une fonction localement
intgrable de R3 et dnit une distribution rgulire. Par contre, ce n'est pas une distribution
support compact.

Proposition 10.16 Une solution lmentaire E D0 (R3 ) du Laplacien : 0 E = E = 0 est :


E=
o r = |~r| =

1 1
4 r

(10.36)

x2 + y 2 + z 2 si ~r = (x, y, z) est le rayon vecteur.

Preuve. On note S la sphre de centre 0 et de rayon , et on pose :

r
f (~r) =

(10.37)

(faire le dessin.) Un calcul direct montre que f = 0


R3 S . Et comme f converge presque partout vers 1r
dans D0 (R3 ). Et donc :
1
= lim f
r 0
0
(continuit de la drive dans D .)
D'autre part, la fonction f est continue sur S , et
distributions :

f
f
(~x) =
(~x) + f (~x + 0~n) f (~x 0~n) n1 d
x
xi

dans R3 S : f est harmonique dans


quand 0, on en dduit que f * 1r
(10.38)
la formule des sauts donne au sens des

f
xi

x , r >
r3
(~x) =
(10.39)

0, r <

On applique la formule des sauts f


x) et il vient :
x (~

2 f (~r)
2 f (~r)
f
f
=
+[
(~r + 0.~n)
(~r 0.~n)] n1 d
x2
x2
x
x

2
x
f (~r)
3 n1 d
=
x2
r

(10.40)

D'o :

1
~r.~n
d = 2 d
r3

puisque sur la sphre ~n = ~rr . D'o, pour tout D(R3 ) :


Z
1
1
hf , i = 2
(~r) d 2 (0)42 = 4h0 , i
0
S

f = 0

1
D'o 1r = 40 , et E = 4

1
r

est une solution lmentaire.

84

(10.41)

(10.42)

85

10.3. quations aux drives partielles

10.3.3 quation de Poisson dans R3


On en dduit :

Proposition 10.17 Si f E 0 (R3 ) alors l'quation de Poisson dans R3 :


(10.43)

u = f
admet une solution u dans D0 (R3 ) donne par :

u=Ef =

1 1
f
4 r

(10.44)

Cette solution est C (R3 supp(f )) et tend vers 0 l'inni.


(Il y a d'autres solutions, savoir u + v o v est harmonique. Par contre on montrera que
u = E f est la seule solution qui tend vers 0 l'innie. f E 0 reprsente une distribution de
charge en lectricit par exemple.)

Preuve. Puisque f E 0 (Rn ), la proposition 10.13 nous dit qu'eectivement E f est solution.

Maintenant, f tant support compact, pour ~r x, si ~r 6 supp(f ), alors pour tout ~x supp(f )
on a ~r ~x 6= 0 et :
Z
f (~x) E(~r ~x) d~x
(10.45)
(E f )(~r) = hf (~x), E(~r ~x)i =
~
xsupp(f )

(criture intgrale abusive si f n'est pas une fonction.) Et E f est bien C au voisinage de ~r
puisque ~x E(~r ~x) est C sur un voisinage de supp(f ) (drivation sous le crochet).
Il reste montrer que u = E f tend vers 0 l'inni : f est une distribution support compact
donc d'ordre ni (proposition A.7). Soit m l'ordre de f . On a, l'existence d'une constante C > 0
telle que, si K est un voisinage de suppf et si ~r
/K :

(f E)(~r) = hf~x , E(~r ~x)i C

|E () (~r ~x)|

sup
~
xK, ||m

Toutes les drives de 1r tant des fractions rationnelles d'ordre


r . Et on obtient (f E) 0 quand r .

1
rk

(10.46)

pour k 1 tendent vers 0 quand

Corollaire 10.18 Si R3 et si u D0 () est harmonique, i.e. u = 0, alors u est une fonction

C (). Autrement dit, les seules distributions harmoniques sont les fonctions harmoniques et
celles-ci sont C ().

Preuve. Il s'agit de montrer qu'en ~r donn, u est C . On se ramne une distribution

support compact v = u o D() vaut 1 dans un voisinage de ~r. Dans ce cas :

v = 0 v = (E 0 ) v = E (0 v) = E v

(10.47)

le produit de convolution tant associatif puisque deux des trois distributions sont support
compact. Et d'aprs la proposition prcdente, avec ici f = v , si ~r 6 supp(v), alors E v est
C au voisinage de ~r, donc v est C au voisinage de ~r.
Mais dans le voisinage , tant constante, v = u + 2u. + u = 0 + 0 + 0 = 0.
Donc ~r 6 supp(v) et v = u est C en ~r. Donc u = v/ est C au voisinage de ~r.
Il reste voir qu'une fonction harmonique ne tend pas vers 0 l'inni.

10.3.4 Principe du maximum et fonctions harmoniques


On vient de voir que les fonctions harmoniques taient C (R3 ). On a aussi :

Proposition 10.19 (Proprit de la moyenne.) Soit un ouvert de Rn et u une fonction harmo-

nique dans . Alors si B(~r0 , R) , o B(~r0 , R) est une boule de centre ~r0 de rayon R de frontire
SR , on a :
Z
1
u(~r) dR
(10.48)
u(~r0 ) =
4R2 SR
Autrement dit, pour u harmonique, la valeur de u en ~r0 est compltement dtermine par les
valeurs de u au bord SR .
85

86

Preuve. On sait que u C (), et il s'agit de montrer que :


h40 , ui = h

1
dR , ui
R2

(10.49)

On considre la fonction continue gR sur R3 :

1 1 , si r R
r
R
gR (~r) =

0, si r < R

(10.50)

qui donne (voir le calcul de f dans la dmonstration de la proposition 10.16) :

gR =

1
dR 40
R2

(10.51)

On en dduit (10.49).

Corollaire 10.20 (Principe du maximum) Une fonction harmonique non constante dans atteint
ses maximum et minimum au bord .
Preuve. Soit uM = u(~rM ) le maximum de u atteint en ~rM . La fonction v = u uM vrie
v(~rM ) = 0, elle est harmonique et C , et si elle n'est pas identiquement nulle on a v(~rM ) < 0 dans
une boule de centre ~rM d'aprs la proprit de la moyenne. Absurde, donc u = cste = uM .
Corollaire 10.21 Si u est une fonction harmonique qui tend vers 0 l'inni dans R3 , alors u = 0
dans R3 .

Preuve. Soit > 0 et R tel que |u(~r)| pour r > R. Et pour ~r0 donn, ~r0 est centre de la boule

de rayon |~r0 | + R, et l'ingalit de la moyenne donne u(~r0 )


u(~r0 ) = 0.

1
4 ,

et ce pour tout > 0. Donc

10.3.5 Retour l'quation de Poisson


Corollaire 10.22 Si f E 0 (R) alors la seule solution de l'quation de Poisson dans R3 :
u = f
qui s'annule l'inni est :

u=Ef =

1 1
f
4 r

(10.52)

(10.53)

cette solution tant C (R3 supp(f )).

Preuve. Si u = f alors (u E f ) = 0, et donc u E f est une fonction harmonique. Et si


elle s'annule l'inni, elle est identiquement nulle d'aprs le corollaire prcdent.

A Annexe : topologie de D() et ordre d'une distribution


A.1 * topologie de D()
Cette annexe est hors programme, un rsultat simple retenir tant la proposition A.9 : une
distribution ayant son support rduit un point {a} est une combinaison linaire (somme nie)
de drives de a .

86

87

A.1. * topologie de D()

Rappels

On dsigne par C m () l'espace des fonctions dnies et m-fois continment drivables dans
l'ouvert .
On rappelle qu'une fonction est continue sur si elle est continue en tout point x :

x ,

> 0,

x, ,

y ,

|x y| < x, = |f (x) f (y)| <

(A.1)

Par exemple, la fonction f (x) = x1 est continue sur ]0, [.


On rappelle qu'une fonction est uniformment continue sur si :

> 0,

x ,

y ,

|x y| < = |f (x) f (y)| <

(A.2)

Par exemple, la fonction f (x) = x1 n'est pas uniformment continue sur ]0, [ : il existe > 0, on
prend = 1 par exemple, tel que pour un quelconque, on peut trouver (il existe) x et y , et on
1
1
prend y = 2x tels que |x y| < et | x1 y1 | = | yx
xy | = | 2x | 1 : prendre x < avec x 2 .
Puis on rappelle que toute fonction continue sur un compact y est uniformment continue.

Remarque A.1 La notion de convergence uniforme est indpendante du point qu'on regarde et

permet de dnir une norme sur l'espace des fonctions uniformments continues sur un born :
||f || = supx |f (x)|.
Alors que la notion de convergence simple ou ponctuelle ne donne aucune structure topologique
associe une norme l'ensemble des fonctions simplement continues.

Norme sur C m (K)

Pour K compact , toute fonction continue tant uniformment continue sur un compact,
pour m N, on munit C m (K) de la topologie de la convergence uniforme, i.e., on considre la
norme sur C m (K) :
m
m
X
X
pK,m (f ) =
sup |f (j) (x)| =
||f (j) ||
(A.3)
j=0 xK

j=0

En particulier, pK,0 = supxK |f (x)| = ||f || est la norme de la convergence uniforme sur C 0 (K),
et C 0 (K) muni de cette norme est norm et complet. De mme, les (C m (K), pK,m ) sont des espaces
de Banach (norms et complets).

Distance sur C (K)

L'espace C (K) est muni de la famille de normes (pK,m )mN qui lui confre la structure
d'espace mtrique complet pour la distance :

d(f, g) =

X 1
min(1, pK,m (f g))
2m

(A.4)

mN

mais C (K) n'est pas un espace norm complet : il n'existe pas de norme qui le rende complet
(complet uniquement pour des distances).

Topologie sur D()

S
On dnit alors la topologie sur D() comme tant celle induite de K C (K), i.e. l'aide
de la famille (pK,m ) K de semi-normes pour K compact inclu dans . La notion de continuit
mN

sur D() (espace D0 ()) a t dnie avec cette topologie et la convergence d'une suite (j )
de D() vers une fonction D() a t donne en (1.10). On la rcrit comme (convergence
dans un C m (K) pour tout m) :

K , K compact, tel que :

1) n N, supp(n ) K,
2) m N, pK,m (n ) 0
n

87

(dans R).

(A.5)

88

A.2. * Ordre d'une distribution

Distance sur C ()

Pour C m (), et C (), on considre la famille de semi-normes indexe par K et m, o K est


un compact de :
X
pK,m (f ) =
sup |f (j) (x)|
(A.6)
jm

xK

Chacune de ces fonctionnelles pK,m est bien une norme sur C () (vrication immdiate). On
montre alors que C () a ainsi une structure d'espace mtrique (non normable), voir par exemple
l'annexe Espaces de Frchet dans Bony [2] ou voir Zuily [12] chapitre 1). Et la convergence d'une
suite (j ) de C () vers une fonction C () s'exprime comme :

K compact ,

m N,

pK,m (j ) 0
j

Remarque A.2 Plus simplement pour S


C (), si (Km ) est une suite croissante exhaustive de
compact de (telle que Km Km+1 et

Km = ), on considre :
X
pm (f ) =
sup |f (j) (x)|
jm

xKj

On dispose ainsi sur C () d'une famille de normes (pm ) dont on dduit une distance sur C ()
comme en (A.4).

A.2 * Ordre d'une distribution


La dnition 1.10 s'crit alors aussi, ayant une topologie sur D() (donne par une distance),
et ayant donc des ouverts, et donc des applications continues :

Dnition A.3 On appelle distribution T tout lment de L(D(), R) = D0 () ensemble des

formes linaires continues sur (D(), (pK,m ) K ). I.e., toute fonctionnelle T : D() R linaire
mN

telle que (continuit en 0) :

K compact , m N, C > 0
D() vriant supp() K,

t.q. :

|hT, i| C pK,m ()

(A.7)

Dnition A.4 Lorsque m peut tre choisi indpendamment de K , on dit que m est l'ordre de
la distribution. Donc, une distribution est d'ordre m si :

m N, K compact , C > 0
D() vriant supp() K,

t.q. :

|hT, i| C pK,m ()

(A.8)

Exemple A.5 Une fonction f L1 (R) dnit


une distribution d'ordre 0 puisque pour tout comR
pact K et toute fonction D(R) on a

f (x) (x) dx ||f ||0 pK,0 ().

Exemple A.6 Puisque h0 , i = (0) 1 pK,0 (), la masse de Dirac dnit une distribution
d'ordre 0 .
Et la drive de laP
masse de Dirac dnit une distribution d'ordre 1.
(k)
Et la distribution km 0 est d'ordre m.
P
(k)
Et la distribution kN k est d'ordre inni.
P
(k)
(Noter que la quantit kN 0 ne dnit pas une distribution : prendre une fonction qui au
P
P
(k)
voisinage de 0 vaut (x) = ex et pour laquelle h kN 0 , i = kN 1 = . C'est galement une
consquence de la proposition suivante.)
Proposition A.7 Toute distribution T E 0 () ( support compact dans ) est d'ordre ni. Et
plus prcisment :

m N,

K voisinage compact de supp(T ),

D(),

|hT, i| C

sup
xK,m

88

()

C > 0
(x)|

:
(A.9)

89

A.2. * Ordre d'une distribution

1 suppT ). Et T
Preuve. Soit K1 un voisinage compact de suppT (i.e. K1 compact et K
tant une distribution, par dnition A.3, K1 tant x, soit m le plus petit entier vriant :

D(),

supp() K1 ,

|hT, i| C pK1 ,m ()

(A.10)

avec C > 0 indpendant de . S'il existe, l'ordre de T est donc au moins m = m(K1 ) (i.e. m dpend
de K1 a priori). Montrons qu'il est au plus d'ordre m (indpendant de K1 contenant supp(T )).
1- Soit K compact K1 (K est un compact inclu dans K1 ), alors pour support compact
dans K on a support compact dans K1 et donc |hT, i| C pK1 ,m () C pK,m () (car est
nul l'extrieur de K ).
2- Soit K compact K1 . Et soit D() telle que supp() K . Soit D() avec (x) = 1
pour tout x dans un voisinage de supp(T ) avec (x) = 0 l'extrieur de K1 . Alors D(K1 ),
1 est un voisinage ouvert de supp(T ).
et (x) (x)(x) = 0 sur K1 et donc hT, i = 0 car K
Et donc :
|hT, i| = |hT, i| C pK1 ,m ()
(A.11)
avec C > 0 indpendant de . Et avec la formule de Leibniz, on a pour m :

|()() (x)| C 0 pK1 ,m ()

(A.12)

o C 0 est une constante qui fait intervenir les coecients binoniaux et les ||() || pour .
Et donc :
|hT, i| = |hT, i| C 00 pK1 ,m ()
(A.13)
avec C 00 > 0. Ceci est vrai quelque soit D() et donc T est au plus d'ordre m. Et comme il
est au moins d'ordre m, l'ordre de T est d'ordre ni m.

Corollaire A.8 Si T E 0 () et si son ordre est m, alors pour toute fonction D() telle que

et ses drives () soient nulles sur suppT pour m, alors hT, i = 0.

Preuve. On se ramne la proposition prcdente : soit donc K le voisinage de K dni par


K = {x : d(x, K) }. On suppose susamment petit pour que K3 .
Si D() vaut 1 sur K , alors :
(x) = (x) (x)(x) = 0,

x K

D'aprs la proposition prcdente on a donc hT, i = 0 et donc :

hT, i = hT, i
On prend = 1K avec k > 1 et ( (x) = 1 1 ( x )) est une approximation de 0 , voir (1.9).
()
()
1
En particulier (rgularise de 1K ) vaut 0 l'extrieur de K2 . On a (x) = 1+
1 ( x ) et
()
1
donc || ||1 = C 1+
avec C > 0 connu. Et sachant que (1K )() = 1K ( )() il vient :

sup |()
|
K

Puis le dveloppement de Taylor de donne au voisinage d'un point x0 K , avec c [x0 , x]


(ou bien c [x, x0 ] si x < x0 ) et avec |x x0 | < :

|() (x)| = |0 + (x x0 )m+1 (m+1) (c)| 0 + m+1 sup |(m+1) (y)| C m+1
yK

pour tout m avec C qui ne dpend pas de .


D'o avec la formule de Leibniz :
X
( )() C
( )C m+1 C 0

et on fait tendre vers 0 pour obtenir hT, i = 0.


Le cas particulier des distributions support rduit un point est donn par :
89

90

RFRENCES

Proposition A.9 Les distributions ayant leur support rduit un point {a} sont des combinaisons
linaires (somme nie) de drives de a .
Preuve. Une telle combinaison linaire s'crit

Pk

(j)
j=0 cj a

(somme nie) et son support rduit


{a}. Rciproquement, soit T D0 (R) avec suppT = {a}. Alors T est d'ordre ni d'aprs la
proposition prcdente. Soit m son ordre. On va montrer que, pour D(R) :

hT, i =

m
X

cj (j) (a)

(A.14)

j=0

On considre le dveloppement de Taylor au voisinage de a de :

(x) =

m
X
(x a)j
j=0

j!

(j) (a) + r(x)

(A.15)

o r D(R) s'annule en a ainsi que toutes drives jusqu' l'ordre m et donc hT, ri = 0 d'aprs le
corollaire prcdent. On en dduit que :

hT, i =

m
X

(j) (a)hT,

j=0

(x a)j
i+0
j!

d'o le rsultat avec cj = (1)(j) hT, (xa)


i : on a T =
j!

(A.16)

Pm

(j)
j=0 cj a .

Rfrences
[1] Artola M. : Distributions et quations aux drives partielles, Trait gnralits, A1230a.
Techniques de l'Ingnieur.
[2] Bony J.-M. : Analyse. ditions de l'cole Polytechnique, 1988.
[3] Dupraz J. : La thorie des distributions et ses applications. Cepadues, 1977.
[4] Guichardet A. : Calcul intgral, matrise de mathmatiques C2. Collection U, Armand Colin.
[5] Lachand-Robert T. : Analyse harmonique, distributions, convolution, Trait gnralits, A142.
Techniques de l'Ingnieur.
[6] Roddier F. : Distributions et transformation de Fourier. Ediscience.
[7] Rudin W. : Analyse relle et complexe. Masson.
[8] Schwartz L. : Mthodes mathmatiques pour les sciences physiques. Hermann.
[9] Schwartz L. : Thorie des distributions. Hermann.
[10] Spiegel M.R. : Analyse de Fourier et application aux problmes de valeurs aux limites. Mc
Graw Hill, Srie Schaum.
[11] Trves F. : Topological Vector Spaces, Distributions and Kernel. Academic Press.
[12] Zuily C. : Problmes de distributions avec solutions dtailles. Hermann.
[13] http://wims.unice.fr/wims/
[14] http://fr.wikipedia.org/wiki/Portail:Math%C3%A9matiques

90

Vous aimerez peut-être aussi