Vous êtes sur la page 1sur 14

Chapitre 4

Distributions

4.1 Introduction
Il y a plusieurs raisons pour introduire la notion de distribution. Certaines sont dordre purement
physique (experimental meme ) alors que dautres sont des raisons plus mathematiques.

4.1.1 Unite pour la convolution.


Comme nous lavons remarque lors de letude de la convolution des fonctions integrables, il
ny a pas de fonction integrable qui puisse servir dunite pour le produit de convolution de ces
fonctions. Dans lespace des distributions, il y a effectivement une telle distribution unite pour le
produit de convolution : cest la distribution de Dirac, qui satisfait a

T = T = T.

4.1.2 Densite de charge dune charge ponctuelle


En electrostatique, le potentiel electrique V (~r) en un point ~r donne de lespace, pour une
distribution de charge de densite (~r) donnee est solution de lequation de Laplace

2 2 2 1
( 2
+ 2 + 2 )V (~r) = (~r).
x y z 40
La question quon se pose est de savoir ce que signifie cette equation dans la limite ou la charge,
source du potentiel, peut dune maniere physiquement raisonnable etre assimilee a une charge
ponctuelle. On sait que dans ce cas le potentiel cree (mesure physiquement) est un potentiel en 1r .
Lequation de Laplace pose par contre dans ce cas un probleme mathematique serieux : quelle est
la densite de charge dune charge ponctuelle ? La reponse la plus simple se trouve naturellement
dans la theorie des distributions. La densite dune telle charge est en fait proportionnelle a une
distribution de Dirac situee au point ou se trouve la charge electrique.

4.1.3 Mesure dune grandeur physique


Considerons la mesure dune grandeur physique relativement courante comme la temperature
dun fil rectiligne en un point donne. On peut se convaincre que pour des raisons evidentes,
une telle mesure nest jamais realisable parfaitement. Tout thermometre, quel que soit le principe
physique utilise pour la mesure, possede une extension spatiale quil est impossible de reduire a
celle dun point : ce quil faudrait realiser pour pouvoir mesurer la temperature en un point x0 . On
peut cependant admettre, dans le cas dune mesure realiste de temperature, que le thermometre
prend en compte toutes les temperatures dans un voisinage du point x0 selon une fonction de
sensibilite 0 (fig.1.) de telle sorte que pour une fonction de repartition T (x) de la temperature le

1
2 CHAPITRE 4. DISTRIBUTIONS

THERMOCOUPLE

FIL
0 x0

Fig. 4.1 Mesure dune temperature le long dune barre

long de la barre (fonction dont on ignore a priori ce quelle vaut vraiment en un point precis de la
barre), on puisse dire que la temperature mesuree T sera en fait
Z
T0 = T (x)0 (x) dx.

Si on effectuait la mesure en un autre point x1 on obtiendrait


Z
T1 = T (x)1 (x) dx

etc...
On voit que la temperature mesuree T , dans lhypothese ou les fonctions T (x), 0 , 2 etc...
sont suffisamment regulieres, se presente sous la forme dun expression lineaire en la fonction de
sensibilite . On peut noter aventageusement cette expression sous la forme
Z
< T, >= T (x)(x) dx

Lorsque le produit x 7 T (x)(x) est integrable Lebesgue, cette ecriture est parfaitement jus-
tifiee. Cependant, dans beaucoup de cas concrets, la grandeur physique en question (ici il sagirait
de T (x) ) se revele etre trop singuliere pour que lintegrale ecrite puisse avoir un sens quelconque
avec un choix realiste pour la fonction .
Partant de cet echec, on a progressivement abstrait lidee de concepts mathematiques qui ne
preserveraient que lindispensable de lexpression
Z
< T, >= T (x)(x) dx,

partant dun ensemble de fonctions representant de maniere suffisante toutes les mesures dune
grandeur physique donnee quil est possible deffectuer. Lensemble des fonctions prend alors
naturellement le nom densemble de fonctions test ou fonctions dessai. La mesure dune
grandeur physique T est alors representee par le crochet

< T, >
4.2. LESPACE DES FONCTIONS DESSAI D 3

independamment dune forme integrale ou non pour cette expression. Lensemble des grandeurs T
mesurables par les fonctions dessai prend alors le nom generique de distributions.
Quel doit etre le minimum exige pour les objets ainsi consideres ?
1. Lensemble des fonctions dessai constitue un espace vectoriel de fonctions. Cest-a-dire que
toute combinaison lineaire a coefficients complexes de fonctions dessai est encore une fonction
dessai.
2. Lensemble des distributions est lensemble des formes lineaires sur lespace vectoriel des
fonctions dessai.
3. Le resultat de la mesure de T par est alors le nombre complexe < T, >.
Remarque. Dans un esprit dutilisation pratique (et elementaire) des distributions, nous
reduisons ici, les considerations danalyse fonctionnelle au minimum. Pour cette raison, nous
considererons que toutes les formes lineaires sur nos espaces de fonctions test sont des formes
lineaires continues. Mathematiquement on sait que de telles formes lineares non continues existent,
mais comme personne na reussi, a ce jour, a les ecrire explicitement, nous ferons comme si elles
nexistaient pas !

4.2 Lespace des fonctions dessai D


Choisissons pour commencer un espace de fonctions test qui presente toutes les caracteristiques
necessaires aussi bien physiques que mathematiques.

Definition 1 Les fonctions test x 7 (x) sont definies pour x reel et sont a valeurs complexes.
On exige delles quelles soient indefiniment derivables pour toutes les valeurs de x (elles sont donc
C ). Elles sont de plus, nulles en dehors dun intervalle borne. Lensemble de ces fonctions est
designe par D(R) ou simplement D.

Lensemble des fonctions test de D constitue un espace vectoriel sur C. On peut se convaincre
que ce sont la des proprietes raisonnables pour des fonctions de sensibilite dappareil.

Exemple 2 La fonction a definie par


 2
exp( a2ax2 ) si |x| < a
a (x) =
0 si |x| a

est pour a > 0 une fonction dessai.

Exemple 3 Si est une fonction indefiniment derivable et si est une fonction de D, alors leur
produit est une fonction de D.

On montre [1] que la classe de toutes les fonctions telles que est une fonction de D quel
que soit appartenant a D, est precisement lensemble de toutes les fonctions C .

Remarque 4 Pour ceux qui veulent en savoir plus , il faut dire quil est possible de definir une
notion de proximite entre deux fonctions de D. Cest ce quon designe sous le nom de topologie
sur D [2].

Exemple 5 Soient f une fonction integrable sur R, nulle en dehors dun intervalle borne et
une fonction de D. Alors leur produit de convolution
Z
(f )(x) = f (t)(x t) dt
R

est une fonction de D.


4 CHAPITRE 4. DISTRIBUTIONS

Exemple 6 Soit une fonction de D. Alors les fonctions translatee a et dilatee d sont aussi
dans D. On rappelle que
(a )(x) = (x a)
ou a est reel et que
x
(d )(x) = ( )

ou est un nombre reel different de 0.

Exemple 7 Les fonctions dessai de D ainsi que toutes leurs derivees sont integrables et bornees.

Ces deux proprietes sont souvent utilisees dans les calculs.

4.3 Lespace des distributions D0


En accord avec la discussion de lintroduction, nous definissons les distributions de la facon
suivante.

Definition 8 Une distribution est une application T qui a chaque fonction de D fait correspondre
un nombre complexe T () FINI qui verifie la propriete suivante

T (a + b) = aT () + bT ()

pour tous nombres complexes a et b et toutes fonctions dessai et dans D.

Remarque 9 En termes algebriques, on voit donc quune distribution T est une forme lineaire
sur lespace vectoriel D. Dou la notation D0 qui indique que lespace des distributions est en fait
un espace dual de lespace vectoriel des fonctions dessai [3].

En theorie des distributions on note en general T () sous la forme < T, > et on dit que la
distribution T est appliquee a . Ceci est en conformite avec notre notation de lintroduction qui
exprime le fait quon peut dire que physiquement < T, > est le resultat dune mesure par
de la distribution T .
Lespace des distributions D0 est aussi un espace vectoriel sur C, il suffit pour cela de definir
la somme T1 + T2 de deux distributions ainsi que le produit aT dun nombre complexe a et dune
distribution T . On definit

< T1 + T2 , >=< T1 , > + < T2 , >

pour tout dans D, et


< aT, >= a < T, > .
pour tout nombre complexe a et tout dans D.
La distribution nulle, quant a elle, est definie par

T = 0 < T, >= 0

pour tout dans D.


Remarquons quune telle definition est parfaitement raisonnable du point de vue experimental
puisquelle veut dire quune quantite physique est nulle si et seulement si nimporte quelle mesure
representee par donne un resultat nul.
Mise en garde. Il nest pas question de definir le produit de deux distributions quelconques
entre elles car cela, on le verra par la suite, ne peut se faire que dans des cas extremements
limites . Ce dernier point est bien entendu une des tares principale de la theorie des distributions
et limite ainsi leur utilisation aux problemes lineaires. Il touche dailleurs aux aspects les plus
fondamentaux de la physique quantique moderne.
4.3. LESPACE DES DISTRIBUTIONS D0 5

4.3.1 Les distributions regulieres


Definition 10 Une fonction f est dite localement integrable si elle est integrable sur tout
intervalle borne (fini). On note f L1loc cette propriete.

Exemple 11 A toute fonction localement integrable on peut associer une distribution definie par
Z
< Tf , >= f (x)(x) dx,
R

pour toute fonction dessai dans D.

Exemple 12 Etant donnees deux fonctions localement integrables f et g egales presque partout,
i.e.
f (x) = g(x) p.p. dx,

les distributions associees sont egales,


Tf = Tg .

La reciproque est aussi vraie [4]. Dou

Theoreme 1
Tf = 0 f (x) = 0 p.p. dx.

Definition 13 Une distribution T est reguliere si elle est associee a une fonction localement
integrable f .

Notation 14 Lorsque le contexte ne prete a aucune confusion, il est tres souvent plus simple de
noter Tf tout simplement f .

Par contre la notation f (x), toleree pour une fonction f lest moins pour la distribution Tf ,
car elle laisse croire a tort quil est possible de connatre la valeur dune distribution en un point
precis x (elle est cependant utilisee !).

Exemple 15 Cest ainsi que nous definissons la distribution (reguliere) constante C par
Z Z
< C, >= C(x) dx = C (x) dx,
R R

pour toute fonction dessai . En particulier C = 0 definit la distribution (reguliere) nulle.

Exemple 16 De meme, la fonction de Heaviside


(
1, si x 0;
H(x) =
0, sinon.

definit la distribution de Heaviside H par


Z Z
< H, >= H(x)(x) dx = (x) dx,
R R+

et la fonction 2H(x) 1 = sgn(x) definit la distribution , qui est aussi notee sgnx .
6 CHAPITRE 4. DISTRIBUTIONS

4.3.2 Distributions non regulieres


Definition 17 Toute distribution qui nest pas reguliere est dite non reguliere.

Exemple 18 La distribution de Dirac a lorigine est definie par

< , >= (0)

pour toute fonction dessai .

Elle nest pas reguliere.

Exemple 19 La distribution de Dirac x0 au point x0 R est definie par

< x0 , >= (x0 )

pour toute fonction dessai .

Mise en garde. Les ouvrages de Physique et dElectronique utilisent dans leur grande majorite
la notation (x) pour la distribution et (x x0 ) pour la distribution x0 . Cette notation est
une source derreur constante dans les calculs, puisquelle laisse supposer que ces distributions ont
une valeur donnee en un point donne. Pour eviter les erreurs, il est donc fortement recommande
deffectuer les calculs au sens des distributions, quitte a presenter ensuite les formules finales comme
le font traditionnellement les physiciens et les electroniciens.

Exemple 20 La forme lineaire vp x1 definie par


Z Z
1 (x) (x)
< vp , >= lim+ [ dx + dx]
x 0 x< x x> x

pour toute fonction dessai , est une distribution non reguliere.

4.4 Suites et series de distributions


4.4.1 Limite dune suite de distributions.
Definition 21 On dit que la suite de distributions {Tn } 0
0 de D , converge vers la distribution T
si la suite de nombres complexes < Tn , > tend vers le nombre complexe < T, > pour toute
fonction dessai de D.

On ecrit cela sous la forme


lim (D)Tn = T.
n

Ce qui, dapres la definition est equivalent a

lim < Tn , >=< T, >


n

pour toute fonction dessai de D.

Remarque 22 Si cette distribution limite T existe, elle est unique.

Remarque 23 Si on peut trouver un nombre K() qui depend de la fonction dessai choisie et
qui est tel que
lim < Tn , >= K()
n

Alors la suite de distributions Tn tend vers la distribution T , et on a

< T, >= K().


4.4. SUITES ET SERIES DE DISTRIBUTIONS 7

Remarque 24 Du point de vue experimental, cette limite au sens des distributions veut
dire que pour n suffisamment grand la mesure par de la grandeur Tn donne pratiquement la
meme valeur que celle de T . Il ne devient plus possible de distinguer experimentalement ces deux
distributions.
Noter quune suite de distributions regulieres peut avoir comme limite une distribution reguliere.
Exercice 25 Montrer que si T est la distribution associee a la fonction sin x, on a
lim (D0 )T = 0.

Noter quune suite de distributions regulieres peut avoir comme limite une distribution non
reguliere.
Exercice 26 On definit la fonction porte par
(
1, si |x| 12 ;
(x) =
0, sinon.

et on pose gk (x) = k(kx). Montrer que lon a


lim (D0 )gk = .
k

4.4.2 Series de distributions


Definition 27 On considere la suite de distributions {Tn }
1 . On dit que la serie de distributions

X
Tn
n=1

definit une distribution T de D0 , si la suite des sommes partielles


N
X
SN = Tn
n=1

converge au sens des distributions vers T , cest-a-dire, lorsquon a


N
X
lim (D0 )SN = lim (D0 ) Tn = T.
N N
n=1
P
Dans la pratique, on a tres souvent des series du type n= Tn . Dans ce cas la definition de la
convergence est tout a fait analogue au cas precedent : P
il suffit en fait de considerer la convergence
N
de la suite des sommes partielles symetriques SN = n=N Tn .
PN
Exemple 28 La suite N = n=N n converge dansD0 vers une distribution notee nZ n ,
P
quon appelle Cha et quon note III (lettre de lalphabet cyrillique). En physique on lappelle aussi
Peigne de Dirac.

4.4.3 Suites de fonctions convergeant vers


Deux theoremes sont dun usage courant et permettent de reconnatre si une suite de distribu-
tions regulieres converge vers .
Theoreme 2 Soit {fn }
R
n=0 une suite de fonctions positives integrables telles que R fn (x) dx = 1
et que fn (x) soit nulle en dehors dun intervalle [n , +n ] avec limn n = 0. Alors la suite de
distributions regulieres definies par fn tend vers ,
lim (D0 )fn = .
n
8 CHAPITRE 4. DISTRIBUTIONS

R
Theoreme 3 Soit f une fonction integrable verifiant R
f (x) dx = 1. On considere, pour > 0 la
distribution reguliere definie par la fonction
1 x
f (x) = f ( ).

Alors f tend vers lorsque 0,
lim (D0 )f = .
0

Exercice 29 Demontrer que limk (D0 )gk = pour

gk (x) = k(kx)

et pour
a (kx)
gk (x) = R
(kx) dx
R a

ou et a ont ete definis precedemment.

Exercice 30 Demontrer que limk (D0 )gk = pour

sin2 kx
gk (x) =
kx2
et pour
1 1
gk (x) = 1 .
k x2 + k2

Exercice 31 En admettant [5] que lon a pour > 0 (avec des notations incorrectes !)

sin x
lim (D0 ) = ,
x
donner une interpretation correcte de la formule des physiciens
Z
(k) = e2ikx dx.
R

Remarque 32 On voit donc sur ces derniers exemples quil est possible dapprocher une dis-
tribution aussi singuliere que par des distributions extremement regulieres. Le cas le plus
spectaculaire etant celui qui est fourni par le deuxieme exemple de lexercice 30, ou les distributions
approchant sont associees a des fonctions gk (x) qui se trouvent etre des fonctions dessai dans
D.

Ceci est en fait une propriete generale. On demontre quon peut approcher toute distribution
de D0 par une suite de distributions regulieres associees a des fonctions dessai de D. On dit que
lespace D est dense dans D0 .

4.5 Operations elementaires sur les distributions


Exercice 33 Designons par f et g les distributions regulieres associees aux deux fonctions loca-
lement integrables f et g. Montrer que lon a, pour toute fonction dessai
a) < f + g, >=< f, > + < g, >
b) < f, >= < f, > pour C
c) < f, >=< f, > pour , fonction C
d) < a f, >=< f, a > pour a R
e) < da f, >=< f, |a|d1/a > pour a R 0
4.5. OPERATIONS ELEMENTAIRES SUR LES DISTRIBUTIONS 9

Pour pouvoir reproduire ces resultats particuliers, on pose par definition, pour toute fonction
test :
Somme. Pour deux distributions T1 et T2 ;
< T1 + T2 , >=< T1 , > + < T2 , > .
Produit par un nombre. Pour une distribution T et un nombre complexe C,
< T, >= < T, > .
Produit par une fonction C . Soient une distribution T de D0 et une fonction C , on
definit leur produit T par
< T, >=< T, > .
Exemple 34 Pour , fonction C
= (0).
Cette relation est souvent interpretee en physique en disant que est une distribution propre
de loperateur de multiplication par une fonction , avec la valeur propre (0).
Exemple 35 En designant par x la fonction qui a x donne x
x = 0.
Exemple 36
1
xvp = 1.
x
Cette relation est extremement interessante, car elle nous dit que linverse de x au sens des distri-
butions nest autre que la distribution vp x1 et non pas x1 qui, de toute evidence ne peut pas definir
une distribution reguliere (pourquoi ?).
Exemple 37 Soit , une fonction de R C qui est C et qui ne sannule jamais. Pour toute
distribution T , on a
T = 0 T = 0.
On admettra [6] que si T D0
xT = 0 T = k.
ou k est un nombre complexe arbitraire.
Translation. Pour a R, la translatee a (T ) dune distribution T est definie par
< a T, >=< T, a > .
Exemple 38
a = a .
Exemple 39 Soit une fonction indefiniment derivable et T une distribution de D0 . Pour tout a
reel,
a (T ) = (a )(a T ).
Exemple 40 Pour tout x0 reel,
(x x0 )T = 0 T = kx0 .
Dilatation. Pour a R \ {0}, la dilatee da T dune distribution T est definie par
< da T, >=< T, |a|d a1 > .
Exemple 41
da = |a|.
Exemple 42
da x0 = |a|ax0 .
10 CHAPITRE 4. DISTRIBUTIONS

4.5.1 Parite
Posons T = d1 T
Exemple 43 Pour toute fonction test ,

< T , >=< T, >,

ou (x) = (x).

Definition 44 On dit que T est une distribution paire si T = T et impaire si T = T .

Exemple 45 La distribution est paire, de meme que x0 + x0 .

Exemple 46 La distribution vp x1 est impaire, de meme que sgnx = 2H 1.

Exemple 47 La distribution H na pas de parite bien definie, de meme que x0 pour x0 6= 0.

Exercice 48 Toute distribution peut secrire de facon unique comme somme dune distribution
paire et dune distribution impaire

T + T T T
T = +
2 2
Appliquer cette formule aux distributions H et x0 .

4.6 Derivee dune distribution


Cest une operation qui est toujours realisable et cela autant de fois que lon veut sur les
distributions !

Exemple 49 Considerons une fonction x f (x) qui est derivable a derivee continue pour tout
x, on dit que cest une fonction C 1 , et on note x f 0 (x) sa derivee. Les deux fonctions f et f 0
definissent chacune une distribution que nous noterons aussi respectivement f et f 0 et on a

< f 0 , >= < f, 0 >

Definition 50 Par analogie, nous dirons que la derivee dune distribution T est la distribution
T 0 definie par
< T 0 , >= < T, 0 >
pour toute fonction dessai .

On verifie que pour une distribution reguliere Tf associee a une fonction f qui est C 1 , on
retrouve la formule precedente.

Exemple 51 a) Pour une constante K on a K 0 = 0.


b) H 0 =
c) (signx )0 = 2

Exemple 52 La derivee p-ieme (p) de est definie par

< (p) , >= (1)p (p) (0)

pour toute fonction dessai .

Exemple 53 Les deux distributions et 0 sont lineairement independantes, cest-a-dire que si a


et b sont deux nombres complexes arbitraires

a + b 0 = 0 a = b = 0.
4.6. DERIVEE DUNE DISTRIBUTION 11

Exemple 54 Si T est une distribution et une fonction C on a

(T )0 = 0 T + T 0 .

On admettra aussi [7] que lon a

T 0 = 0 T = K

ou K est une constante.

Exemple 55 Formule des sauts. Soit une fonction f qui est C 1 par morceaux, on suppose pour
simplifier la presentation, quelle na de discontinuite quen un seul point a de laxe reel, on a

(Tf )0 = T{f 0 } + a a .

ou a designe le saut (fini) de la fonction au point a,

0 a

Fig. 4.2 Fonction C 1 par morceaux

a = lim+ f (a + ) lim+ f (a ),
0 0

et ou on a note T{f 0 } la distribution reguliere associee a la fonction definie presque partout x


f 0 (x).

La generalisation est immediate au cas ou la fonction f possede N sauts aux points {ai }N
1

N
X
(Tf )0 = T{f 0 } + ai ai
i=1

et meme au cas ou N sous la condition ou la serie ecrite soit une serie convergente au sens
des distributions.

Exercice 56 Calculer la derivee au sens des distributions de


a) La distribution reguliere definie par la fonction porte (x).
b) La distribution reguliere definie par la fonction
(
1 |x|, si |x| 1;
(x) =
0, sinon.
12 CHAPITRE 4. DISTRIBUTIONS

Exercice 57 Calculer, au sens des distributions, les derivees


a) (|x|)(p) .
b) (|x|n )0 pour n entier et 1.
c) (H)(p) ou est une fonction C .

Application. Letudiant qui a loccasion dutiliser un oscillographe cathodique pourra deriver


a loscillographe nimporte quel signal et se convaincre sur un exemple donne (la distribution H
par exemple) que le resultat obtenu nest autre que la derivee du signal au sens des distributions.

4.7 Les operateurs continus sur D0


Definition 58 Un operateur lineaire A sur D0 est une application lineaire de D0 dans D0 ,
cest-a-dire que
A(aT1 + bT2 ) = aA(T1 ) + bA(T2 )

pour tout nombre complexe a, b et toute distribution T1 et T2 de D0 .

Definition 59 Un operateur A est un operateur continu si, quelle que soit la suite convergente
{Tn } de distributions Tn de D0
lim (D0 )Tn = T,
n

on a
lim (D0 )(ATn ) = AT.
n

La derniere egalite peut encore secrire sous la forme lapidaire

lim(ATn ) = A(lim Tn ),

indiquant que la continuite dun operateur A veut dire quon est autorise a permuter laction de A
et la prise de la limite.

Exemple 60 Les operateurs suivants, definis sur D0 , sont tous continus


a) T T + T0 ou T0 D0
b) T aT ou a C
c) T T ou C
d) T a T ou a R
e) T da T ou a R
f) T T 0

Exercice 61 Montrer que 1 III = III . Que veut dire ce resultat ? Montrer que III est paire.

Exercice 62 Calculer III 0 ; III ou est C . Calculer (e2ix 1)III.

Exercice 63 Calculer (| cos x|)00 .

Exercice 64 Montrer que lim|| (D0 )( cos x) = 0

Remarque 65 Une categorie extremement importante doperateurs continus est constituee par
les filtres en theorie du signal.
4.8. LES ESPACES D(RN ) ET D0 (RN ) 13

4.8 Les espaces D(Rn ) et D0 (Rn )


Nous navons considere, jusqua present, que des distributions a une variable. Il est tout a
fait possible de considerer des distributions a n variables, les cas n = 3 et n = 4 representant
les cas physiques par excellence. En fait, au niveau elementaire, la generalisation a n variables ne
pose pas de gros problemes, si ce nest en ce qui concerne les notations. Ce nest qua un niveau
plus avance (analyticite, causalite...) que la difference est importante entre n = 1, n = 2, n = 3 et
n = 4.

Definition 66 Lensemble des fonctions dessai (test) D(Rn ) est lespace vectoriel sur C des
fonctions Rn C indefiniment derivables par rapport a toutes les variables x1 , x2 , x3 . . . xn et qui
sont nulles a lexterieur dun pave borne.

Donnons des exemples de fonctions de D(Rn )


a) Soient 1 , 2 , 3 . . . n un ensemble de n fonctions dessai de D(R) (fonctions a une variable).
La fonction a n variables

(x1 , x2 , x3 , . . . , xn ) = 1 (x1 )2 (x2 )3 (x3 ) . . . n (xn )

est une fonction dessai a n variables.


b) De meme pour

a2
a2 (x2 +x2 +...x2 ) Pn 2 2
a (x1 , x2 , x3 , . . . , xn ) = e 1 2 n , si i=1 xi < a ;
0, sinon.

Definition 67 On appelle D0 (Rn ) lespace vectoriel sur C des formes lineaires sur D(Rn ).

Exemple 68 La forme lineaire definie par

< , >= (0, 0, 0, . . . , 0),

pour toute fonction dessai , est la distribution de Dirac a lorigine de Rn .

Exemple 69 La forme lineaire ~k avec ~k = (k1 , k2 , k3 , . . . , kn ) est definie par

< ~k , >= (k1 , k2 , k3 , . . . , kn ),

pour toute fonction dessai . Cest la distribution de Dirac au point ~k Rn .

La plupart des notions introduites dans le cas dune variable se transposent, avec les modifica-
tions appropriees, au cas de n variables. En particulier, en ce qui concerne les suites de distributions
regulieres qui convergent vers Rn , on a

Theoreme 4 Remplacer intervalle par pave dans le theoreme 2.

Theoreme 5 Soit ~x f (~x) C qui appartient a L1 (Rn ) et qui verifie


Z
f (~x) dn x = 1.
Rn

Posons, pour > 0


1 ~x
f (~x) = f ( ).
n
Alors
lim (D0 (Rn ))(f ) = .
0
14 CHAPITRE 4. DISTRIBUTIONS

2
1 x
Exemple 70 Soit f (~x) = n e
2 avec > 0 et ~x Rn . On a

lim (D0 (Rn ))(f ) = .


0

Definition 71 Soit T D0 (Rn ). On definit la derivee partielle x



i
T de T au sens des distributions
par
T
< , >= < T, >.
xi xi

Exemple 72 On a pour toute distribution T D0 (Rn )

T T
=
xj xi xi xj

quelle que soit la paire {i, j} dindices i, j = 1, 2, . . . , n.

Exercice 73 Soit Y la fonction definie sur R R par



1 si x 0 et y 0;
Y (x, y) =
0 sinon.

Montrer que
2Y
= .
xy