Distributions PDF

Table des matières
1 Notion de distributions 2
1.1 Rappels sur les espaces de Lebesgue . . . . . . . . . . . . . . . . . . . . . . 4
1.2 L’espace D(Ω) des fonctions test . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 La notion de distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.1 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.2 Quelques exemples de distributions . . . . . . . . . . . . . . . . . . 9
1.3.3 Convergence dans D0 (Ω) . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.4 Dérivation des distributions . . . . . . . . . . . . . . . . . . . . . . 13
1.3.5 Ordre d’une distribution . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.6 Produit entre une fonction C ∞ et une distribution . . . . . . . . . . 17
1.3.7 Primitive des distributions en dimension 1 . . . . . . . . . . . . . . 19
1.3.8 Support d’une distribution . . . . . . . . . . . . . . . . . . . . . . . 19
2 Convolution des distributions 21

2.1 Rappel sur la Convolution de fonctions . . . . . . . . . . . . . . . . . . . . 21
2.2 Suite régularisante et partition de l’unité . . . . . . . . . . . . . . . . . . . 22
2.3 Convolution de Distributions . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3 Transformée de Fourier 30
3.1 Motivations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.2 Transformée de Fourier de fonctions . . . . . . . . . . . . . . . . . . . . . . 31
3.2.1 Définition et Exemple . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.2.3 Dérivabilité de la transformée de Fourier . . . . . . . . . . . . . . . 33
3.2.4 Transformée de Fourier d’une dérivée . . . . . . . . . . . . . . . . . 34
3.3 Transformée de Fourier de distributions . . . . . . . . . . . . . . . . . . . . 34
3.3.1 L’espace de Schwartz S(Rn ) . . . . . . . . . . . . . . . . . . . . . . 34
3.3.2 Transformée de Fourier sur S . . . . . . . . . . . . . . . . . . . . . 35
3.4 Transformée de Fourier d’une distribution tempérée . . . . . . . . . . . . . 36
3.4.1 L’espace S 0 des distributions tempérées . . . . . . . . . . . . . . . . 36
3.4.2 Transformée de Fourier d’une distribution tempérée . . . . . . . . . 38
4 exercices 39
1
Chapitre 1
Notion de distributions
Dans plusieurs domaines des sciences (physique, mécanique, analyse numérique, etc.)
apparaı̂tt la nécessité de développer un calcul différentiel ”généralisé” pour des fonctions
peu réguliéres, par exemple discontinues. La première leçon présente une situation de ce
genre. L’objet de ce cours est d’introduire la théorie des distributions qui fournit une
réponse élégante à ce problème.
Dans un premier temps, nous présentons la notion de distribution, généralisant la no-

tion de fonction, et les premières propriétés de ces objets mathématiques.
On montre ensuite comment certaines opérations bien connues sur les fonctions, en
particulier la dérivation, se prolongent naturellement au cadre des distributions.
Le cours s’achève sur quelques applications à des exemples classiques d’équations aux
dérivées partielles linaires.
2
3
Programme du cours
Semaine 1 :
Rappelssur les espaces de Sobolev
Espace des Fonctions test
Semaine 2 :
La notion de distributions
Quelques exemples de distributions
Convergence de distribution Dérivation des distributions
semaine 3 :
Ordre de distribution
Produit entre fonction
mathcalC ∞ et distribution
Support de distribution
Semaine 4 :
Convolution de fonctions,
Convolution de distributions
Semine 5 :
Régulariation
Semaine 6 :
Transformées de Fourier de fonctions,
Dérivation,
Transformée de Fourier d’une dérivée,
Distributions à support compact
Semaine 7 :
Transformées de Fourier de fonctions, Transformée de Fourier d’une dérivée,
Transformés de Fourier de distributions
L’espace de Schwartz,
Transformation de Fourier sur la classe de Schwartz
Distributions tempérées.
Transformation de Fourier pour les distributions tempérées
Semaine 9 :
Problème de Cauchy au sens des distributions Exemples d’EDP d’évolution d’ordre 1
1.1 Rappels sur les espaces de Lebesgue 4
La première étude complète de la théorie des distributions est due à Laurent Schwartz
en 1945, et lui a valu en 1950 la médaille Fields.
La notion de distribution est une généralisation de la notion de fonction qui s’est révélée
être une nécessité pour le progrés de plusieurs théories physiques. La théorie des distribu-
tions assure un certain nombre d’opérations indispensable auxquelles les fonctions ne sont
pas prêtes toujours. L’idée centraleRest de ne pas regarder une fonction f ponctuellement
mais à travers les quantités ϕ −→ Ω f (x)ϕ(x)dx où ϕ ∈ D(Ω). L’exemple le plus connu
de distributions est l’impulsion de Dirac, indispensablle aussi bien pour la formulation de
la mécanique quantique qu’en analyse harmonique et en traitement du signal.
Elle s’est révélée être un moyen exceptionnel pour comprendre le produit de convolution
et la transformée de Fourier.
La richesse suppémentaire qu’apporte la théorie des distributions sur celle des fonctions
ou de mesures provient fondamentalement de ce que les distributions sont appelées à être
dérivées. En général, une fonction même si elle est continue, n’est pas toujours dérivable,
si elle est considéré comme distribution, elle sera dérivable autant de fois que l’on veut.
1.1 Rappels sur les espaces de Lebesgue

(Voir cours Mesure et Intégration L3).
Soit Ω ⊂ Rn et p un nombre tel que 1 ≤ p ≤ +∞.
1. 1 ≤ p < +∞.
On définit l’ensemble
Z
p
L (Ω) = {u : Ω −→ C |u(x)|p dx < +∞}.
Ω
avec aussi la convention qu’on ”ne distingue pas” deux fonctions qui sont égale
presque partout.
Par exemple, la fonction u définie sur R qui est égale partout à zéro sauf dans un
point où elle vaut 1, est considérée comme l’élément zéro de Lp (R) (on confond cette
fonction avec la fonction 0).
La raison de cette convention supplémentaire est le fait que nous voulons que Lp (Ω)
h i p1
p
soit un espace de Banach muni de la norme kukLp (Ω) = |u(x)| dx . Alors il doit
satisfaire une propriété essentielle : kukLp (Ω) = 0 =⇒ u = 0 ; si u est tel que
kukLp (Ω) = 0 alors on en déduit u = 0 mais pas nécessairement partout sur Ω mais
seulement p.p x ∈ Ω, cest pourquoi on doit confondre toute fonction égale presque
partout à zéro avec la fonction zéro.
En fait la définition complète de Lp (Ω) est plus compliquée et elle fait appel à la
notion de classes d’équivalence.
2. p = +∞.
On définit
L∞ (Ω) = {u : Ω → C, ∃a ≥ 0, |u(x)| ≤ a, p.. x ∈ Ω}.

1.2 L’espace D(Ω) des fonctions test 5
avec la même convention : on confond les fonctions égale presque partout. Il est
facile de voir que toute fonction bornée est un élément de L∞ (Ω). Un exemple de
fonction non bornée qui est dans L∞ (Ω) est la fonction définie sur R et qui vaut 0
partout, sauf dans les points n ∈ N où elle vaut n. La propriété de la définition est
vraie pour tout a ≥ 0; en fait on confond cette fonction avec la fonction nulle.
L’ensemble L∞ (Ω) est aussi un espace de Banach muni de la norme kukL∞ (Ω) =
inf{a ≥ 0, |u(x)| ≤ a, p.p. x ∈ Ω}. Cette dernière quantité s’appellele supremum
essentiel de |u| et le plus souvente il n’est utre que supx∈Ω |u(x)|.
3. Fonctions localement intégrables
Une fonction définie sur R est localement intégrable si elle est intégrable sur tout
compact.
Rappelons tout d’abord qu’en notant χI l’indicatrice d’un domaine I ⊂ R :

1 si t ∈ I
χI (t) = (1.1)
0 si non,
on définit
L1loc (R) = {f : R → C, f χI ∈ L1 (R) ∀I ⊂ R borné}.
En dimension n on définit
L1loc (Rn ) = {f : Rn → C, f χΩ ∈ L1 (R) ∀Ω ⊂ Rn compact}. (1.2)
Un ensemble de mesure nulle dans R est une partie ne contenant aucun intervalle,
mais une partie de R ne contenant aucun intervalle peut ne pas être de mesure
nulle, comme l’ensemble des irrationnels : c’est son complémentaire Q qui est de
mesure nulle. Par exemple un ensemble fini ou infini dénombrable de points isolés,
l’ensemble { n1 , n ∈ N} ∪ {0} (dans lequel 0 n’est pas isolé), l’ensemble de Cantor
(non dénombrable), toute réunion dénombrable d’ensembles de mesure nulle... sont
de mesure nulle. Dans RN , un ensemble de mesure nulle ne contient aucun pavé,
mais cette condition n’est pas suffisante : [0, 1] × ([0, 1] ∩ R\Q), de mesure 1, ne
contient aucun pavé. Il suffit, pour q’un ensemble soit de mesure nulle, que sa pro-
jection sur une droite soit de mesure nulle.
Deux fonctions localement intégrables qui ne diffèrent que sur un ensemble de mesure
nulle seront dites équivalentes, la relation étant réflexive, symétrique et transitive.
L’ensemble des classes d’équivalence définit l’espace vectoriel L1loc .
Ses éléments seront appelés, par abus de langage, des fonctions localement intégrables.
Ceci est justifié par le fait que des fonctions équivalentes ont la même intégrale.
1.2 L’espace D(Ω) des fonctions test

Dans toute la suite de ce cours Ω est un ouvert de Rn .
1.2 L’espace D(Ω) des fonctions test 6
Définition 1.2.1 Soit ϕ : Ω −→ C une fonction continue. On appelle support de ϕ noté

supp(ϕ) l’adhérence dans Rn de l’ensemble {x ∈ Ω, ϕ(x) 6= 0}.
Le support de ϕ est toujours fermé.
Les fonctions de classe C ∞ à support compact jouent, en Analyse, plusieurs rôles distincts,
également importants :
a) elles servent à localiser les fonctions sans en dégrader les hypothèses de régalarité. b)
elles servent à approcher les fonctions localement intégrables par des fonctions de classe
C ∞.
c) enfin, c’est à partir des fonctions de classe C ∞ à support compact et par un procédé
de dualité que l’on va étendre le calcul différentiel des fonctions aux distributions, qui
sont des objets plus généraux que les fonctions. Notation : On note par C0∞ (Ω) ou D(Ω)
l’ensemble des fonctions ϕ : Ω −→ C indéfiniment dérivable et à support compact et
inclus dans Ω.
Pour α ∈ Nn , α = (α1 , . . . , αn ), αj ∈ N, ∀j = 1, . . . , n
Dα ϕ = ϕ si α = (0, . . . , 0).
∂ |α| ϕ
Dα ϕ = sinon où |α| = α1 + . . . + αn .
∂ α 1 x1 ∂ α 2 x2 . . . ∂ α n xn
Commençons par donné quelques exemples de fonctions C ∞ à support compact.
1
Exemple 1.2.1 Considérons la fonction E : R −→ R définie par E(x) = e x si , x < 0 et
E(x) = 0 si x ≥ 0.
Il est clair que E est de classe C ∞ sur R∗ ; d’autre part on montre que
1 1
E (n) = Pn ( )e x pour tout x < 0,
x
où Pn est la suite de polynômes définis par la récurrence
P0 (X) = 1,
Pn+1 (x) = −X 2 (Pn0 (X) + Pn (X)), n ≥ 0.

On en déduit que
E (n) (x) → 0 lorsque x → 0− pour tout n ≥ 0
et donc que E ∈ C ∞ (R). D’autre part le support de E est R− .
A partir de la fonction E, on construit très simplement une fonction F de classe C ∞ sur
R et à support compact dans un segment [a, b], où a < b sont deux réels quelconques : il
suffit de poser
F (x) = E(a − x)E(x − b) pour tout x ∈ R
c’est à dire b−a
F (x) = e− (b−x)(x−a) si x ∈]a, b[
F (x) = 0 si x ∈] − ∞, a] ∪ [b, +∞[.
1.3 La notion de distribution 7
Il est clair que F ∈ C ∞ (R) et que supp(F ) = [a, b].

On construit de même un exemple de fonction de classe C ∞ sur Rn et à supportcompact,
en posant
G(x) = Πnk=1 E(ak − xk )E(xk − bk ) pour tout x = (x1 , . . . , xN ) ∈ Rn .
On vérifie que G ∈ C ∞ et que supp(G) = [a1 , b1 ] . . . [aN , bN ].
Exemple 1.2.2 1. La fonction constante 0 ∈ D(Ω), car son support est l’ensemble
vide qui est considéré comme compact inclus dans tout ensemble.
2. Ω = R. On introduit θ1 : R −→ C définie par
( 1
e x2 −1 si |x| < 1,
θ1 (x) = (1.3)
0 si |x| ≥ 1.
suppθ1 (x) = {x ∈ R, θ1 (x) 6= 0} = [−1, 1] qui est un compact de R et θ1 (x) est

indéfiniment dérivable.
Exemple 1.2.3 Si f ∈ D(Ω) et g ∈ C ∞ (Ω) alors f g ∈ D(Ω).

En effet : f g ∈ C ∞ (Ω) et en plus on a supp(f g) ⊂ supp(g) donc comme supp(g) alors
supp(fg) est aussi compact.
Cet exemple donne une manière de construire plusieurs éléments de D(Ω) si on en connait
un seul. Exemple xθ1 , cos xθ1 (x), . . . sont des fonctions de D(Ω).
Proposition 1.2.1 Toute combinaison linéaire des éléments de D(Ω) est un élément de
D(Ω).
Preuve. Exercice :
Définition 1.2.2 Soit ϕp une suite d’éléments de D(Ω) et ϕ ∈ D(Ω). On dit que ϕp −→ ϕ
au sens D(Ω) si les deux conditons suivantes sont vérifiées :
1. Il existe un compact K fixe, indépendant de p avec K ⊂ Ω tel que supp(ϕp ) ⊂
K, ∀p ∈ N et aussi supp(ϕ) ⊂ K.
2. Pour tout multi-indice α ∈ NN , la suite Dα ϕp converge uniformément sur K vers
Dα ϕ, i.e.
sup |Dα ϕp (x) − Dα ϕ(x)| → 0 pour p → +∞.
x∈K
1.3 La notion de distribution

La notion essentielle pour la théorie des distributions est la notion de dualité.
Définition 1.3.1 Etant donné un espace fonctionnel E, on définit l’espace dual de E,

noté E 0 , comme l’espace des formes linéaires continues sur E, c’est à dire l’ensemble des
applications linéaires
T : E −→ C, f ∈ E 7−→< T, f >∈ C
satisfaisant les propriétés suivantes :
1. Linéarité : pour toutes f, g ∈ E et λ, µ ∈ C,
< T, λf + µg >= λ < T, f > +µ < T, g >,
2. Continuité
fn → f dans E =⇒< T, fn >→< T, f > dans C.
Définition 1.3.2 On appelle distribution sur Ω toute application linéaire continue de

D(Ω) dans C ; i.e. une application T : D(Ω) −→ C est une distribution sur Ω si elle
satisfait les deux conditions suivantes :
1. T (α1 ϕ1 + α2 ϕ2 ) = α1 T (ϕ1 ) + α2 T (ϕ2 ) ∀α1 , α2 ∈ C, ∀ϕ1 , ϕ2 ∈ D(Ω).
2. Pour toute suite (ϕp )p dans D(Ω) tel que ϕp → 0 au sens D(Ω) on a T (ϕp ) → 0
dans C.
On notera par D0 (Ω) l’ensemble des distributions sur Ω. On dit que D0 (Ω) est le dual de
D(Ω). Dans la suite, on utilisera < T, ϕ > crochet de dualité au lieu de T (ϕ) pour toute
distribution T ∈ D0 (Ω) et tout élément ϕ ∈ D(Ω).
Si Ω est un sous ensemle ouvert de Rn et K un sous ensemble de Ω, on notera K ⊂⊂ Ω

si K est relativement compact dans Ω i.e. K̄ est compact inclus dans Ω.
Si Ω est un sous-ensemble ouvert de Rn , on note D(Ω) l’ensemble des fonctions C ∞ sur
Rn telles que suppϕ ⊂⊂ Ω.
Si K ⊂⊂ Ω, on note DK (Ω) l’ensemble des fonctions ϕ ∈ D(Ω) telles que supp ϕ ⊂ K.

La définition pr’ecédente est aussi équivalente à la suivante
Définition 1.3.3 Soit Ω un sous-ensemble ouvert de Rn . On dit que T est une distribu-
tion sur si et seulement si T est une forme linéaire sur D(Ω) telle que
∀K ⊂⊂ Ω, ∃N ∈ N ∃C > 0, ∀ϕ ∈ DK (Ω), |T (ϕ)| ≤ C sup sup |∂ α ϕ|.

α∈Nn |α|≤N K
1.3.1 Propriétés
1. L’espace D0 (Ω) est un espace vectoriel avec les lois suivantes :
∀T1 , T2 ∈ D0 (Ω), < T1 + T2 , ϕ >=< T1 , ϕ > + < T2 , ϕ >
∀λ ∈ C, < λT, ϕ >= λ < T, ϕ > .
2. Une distribution T ∈ D0 (Ω) est nulle si et seulement ∀ϕ ∈ D(Ω), < T, ϕ >= 0.
3. T1 = T2 si ∀ϕ ∈ D(Ω), < T1 , ϕ >=< T2 , ϕ > .
1.3.2 Quelques exemples de distributions

1. Distribution de Dirac
– Si a ∈ Ω, on définit la distribution de Dirac δa en a par ∀ϕ ∈ D(Ω), < δa , ϕ >=

ϕ(a).
En effet, soit K ⊂⊂ ΩΩ.
Si a ∈ K alors, pour tout ϕ ∈ DK (Ω), | < δ, ϕ > | = |ϕ(a)| ≤ supK |ϕ|.
Si non, on a alors pour tout ϕ ∈ DK (Ω), ϕ(a) = 0 et donc < δ, ϕ > | = 0 ≤
supK |ϕ|.
– De même pour α ∈ N∗ , ϕ → Dα ϕ(a) est une distribution.
P∞
– ϕ→ j=0 ϕ(j) (j) est une distribution sur R.
2. Distribution associée à une fonction
En quoi les distributions sont des généralisations des fonctions ? On va voir que
l’espace D(R) contient l’espace L1loc (R) dans un certain sens qu’on va préciser. Rap-
pelons tout d’abord qu’en notant χI l’indicatrice d’un domaine I ⊂ R :

1 si t ∈ I
χI (t) = (1.4)
0 si non,
on définit
L1loc (R) = {f : R → C, f χI ∈ L1 (R) ∀I ⊂ R borné}.
A toute fonction de L1loc (R) on peut associer une distribution de la façon suivante :On
définit une distribution Tf par
Z
∀ϕ ∈ D(Ω), < Tf , ϕ >= f ϕ, .
Ω
Comme f, ϕ ∈ D(R), cette intégrale est absoluement convergente. De plus, il est

immédiat de vérifier que Tf est une forme linéaire sur D0 (R).
Le point le plus délicat reste donc de montrer la continuité de Tf .
En effet,si K est un compact et si ϕ ∈ DK (Ω) alors on a
Z
< Tf , ϕ >≤ (sup |ϕ|) |f |,
K K
ce qui prouve bien la continuité de T.
Ainsi, à toute fonction de localement intégrable f , on peut associer une distribution,

appelée distribution régulière Tf ∈ D0 .
En dimension n on définit les distributions de la même manière qu’en dimension 1.
L1loc (Rn ) = {f : Rn → C, f χΩ ∈ L1 (R) ∀Ω ⊂ Rn compact}. (1.5)

On associe à toute fonction f ∈ L1loc (Rn ) la distribution régulière Tf définie par

Z
< Tf , ϕ >= f (x)ϕ(x)dx (1.6)
Rn
R
Lemme 1.3.1 Si f ∈ L1loc (Ω) est tel que Ω f (x)ϕ(x)dx = 0 ∀ϕ ∈ D(Ω) alors
f = 0 p.p
De manière équivalente, Tf = 0 =⇒ f = 0.
Dans la suite, par abus de notation, on identifiera Tf et f.
f ∈ L1loc (Ω) −→ Tf ∈ D0 (Ω) est injective.
3. Distribution valeur principal de x1 .
La fonction x1 n’est pas localement intégrable sur R. On définit la distribution valeur
principale de x1 et on note V p( x1 ) par
Z
1 ϕ(x)
∀ϕ ∈ D(R), < V p( ), ϕ >= lim dx.
x →0 |x|> x
Exercice 1.3.1 Montrer que V p( x1 ) est une distribution

R R +∞ ϕ(x)
−
< V p( x1 ), ϕ >= lim→0+ −∞ ϕ(x)
x
dx + x
ϕ(x)
L’intégrale existe car x 7→ x
, |x| ≥ , est C ∞ à support compact. On peut écrire :
Z − Z R
ϕ(x) ϕ(−x)
dx = − dx
−R x x
Ce qui donne
R
ϕ(x) − ϕ(−x)
Z Z
ϕ(x)
= dx,
≤|x|≤R x x
Or pour tout 0 ≤ x ≤ , ϕ(x)−ϕ(−x)
x
∼ 2ϕ0 (0), et l’intégrale de 0 à tend vers 0 ce
qui assure l’existence de la limite :
ϕ(x) − ϕ(−x)
Z
1
< V p( , ϕ >= dx
x R+ x
L’intégrale est calculer sur un compact, le support de ϕ − ϕ− , si ϕ− = ϕ(−x)

Comme ϕ(x) = ϕ(0) + xϕ0 (h), ϕ(x)−ϕ(−x)
x
= 2ϕ0 (k), on a en restriction à un compact
K de mesure m
1
| < V p( ), ϕ/K > | ≤ mkϕ0 k∞
x
d’où la continuité. Ce qui montrer que V p est bien une distribution.
4. Distribution Partie finie de x12 et de x13

Peut-on définir une distribution à partir de la fonction
1
x2
si |x| > ,
f (x) = (1.7)
0 si x ∈ [−, ]
Comme ϕ(x) = ϕ(0) + xϕ0 (0) + . . . , on a pour tout > 0 :
Z − Z 1
ϕ(0) ϕ(0) ϕ(0)
2
dx + 2
dx = −2 + 2
−1 x x
et
− 1
xϕ0 (0) xϕ0 (0)
Z Z
dx + dx = 0
−1 x2 x2
0
La partie divergente de < f , ϕ > est égale à 2 ϕ (0) et on peut donc définir la partie
finie de x12 comme la limite quand tend vers 0+ de la distribution associée à f
moins sa partie divergente :
1 Z ϕ(x) ϕ(0)
= lim 2
dx − 2
x →0+ |x|≥ x
On définit de la même manière la distribution partie finie de x13 . La divergence vient
0 ϕ0 (0)
du terme ϕx(0)2 ; elle est égale à 2
; on pose alors
1 Z ϕ(x) ϕ0 (0)
= lim+ 3
dx − 2
x →0 |x|≥ x
En raisonnant comme pour V p( x1 ), on montre que
| | ≤ 2mkϕ”k∞ ,

(1.8)
| | ≤ 2mkϕ(3) k∞ ,
d’où la continuité de ces deux formes linéaires.
Exercice 1.3.2 Soit Ω un ouvert de Rn et a ∈ Ω. Montrer qu’il n’existe pas de fonction

f ∈ L1loc (Ω) tel que δ = Tf
On peut utiliser des distributions unidimensionnelles pour construire des distributions

multidimensionnelles, par la méthode du produit tensoriel. Commençons par le cas des
distributions régulières. Dans le cas bidimensionnel, soient u, v ∈ L1loc(R) .
On définit u ⊗ v ∈ D(R2 ) par
(u ⊗ v)(x, y) = u(x)v(y). (1.9)
Soit Tu⊗v la distribution régulière associée. On a alors pour ϕ ∈ D(R2 )
Z Z +∞ Z +∞
< Tu⊗v , ϕ >= u(x)v(y)ϕ(x, y)dxdy = u(x) v(y)ϕ(x, y) dx
R2 −∞ −∞
Z +∞ Z +∞
= v(x) u(y)ϕ(x, y) dx
−∞ −∞
De façon général, étant donnés T, S ∈ D0 (R), T agissant sur la variable x et S sur la

variable y, on définira U = T ⊗ S de la façon suivante : pour toute f ∈ D0 (R2 ),
< T ⊗ S, ϕ >=< T, < S, ϕ >>=< S, < T, ϕ >>
où par exemple < T, < S, ϕ >> représente la dualité par rapport à la variable x, et
produit une fonction de y, et < S, < T, ϕ >> représente cette fois la dualité par rapport
à la variable y.
1.3.3 Convergence dans D0 (Ω)

On définit une topologie dans D0 (Ω).
Définition 1.3.4 Soit (Tp )p une suite d’éléments de D0 (Ω) et T ∈ D0 (Ω). On dit Tp → T
quand p → +∞ dans D0 (Ω) si
< Tp , ϕ >→< T, ϕ > pour p → +∞, ∀ϕ ∈ D(Ω).
Exemple 1.3.1 Considérons la suite de fonctions fp : R → C,

p
2
si |x| ≤ p1
fp (x) = (1.10)
0 si non.
Il est facile de voir que fp ∈ L1loc (R). Alors fp peut être vue comme une suite de distribution
sur R. La suite fp admet une limite au sens des distributions. En effet pour ϕ ∈ D(Ω)
Z Z 1
p p
< Tfp , ϕ >= fp (x)ϕ(x)dx = ϕ(x)dx = ϕ(ap )
R 2 − p1
avec ap ∈] − p1 , p1 [. Comme |ap | < p1 , ap → 0 lorsque p → +∞ et comme ϕ est continue

on en déduit que ϕ(ap ) → ϕ(0). Ce qui donne
< Tfp , ϕ >→ ϕ(0) =< δ, ϕ >
donc fp → δ au sens D0 (Ω).
Exercice 1.3.3 Montrer les convergences au sens des distributions lorque n → +∞ ou

→ 0.
sin2 (nx)
a) lim x2x
+2

= 0, lim x2 +2 = πδ, lim nx2
= πδ.
sin nx
b) lim cos(nx) = lim sin(nx) = 0, lim nx = πδ.
Définition 1.3.5 Une suite Tp est une suite de Dirac si sa limite est δ.
Exemple 1.3.2 1. La suite (fp )p définie dans l’Exemple 1.3.1 est une suite de Dirac.
2. Si par exemple, l’intégrale sur R d’une fonction positive est égale à 1 et si fn (x) =
nf (nx), alors la distribution associée fn noté Tfn est une suite de Dirac.
En effet l’intégrale de fn est égale à 1 pour n ∈ N, et en posant y = nx
Z Z
y
< fn , ϕ >= nf (nx)ϕ(x)dx = f (y)ϕ( )dy.
R R n
Mais on | R f (y)ϕ( ny )dy| ≤ kϕk∞ R f (y)dy = kϕk∞ . Donc en passant à la limite

R R
par convergence dominée on a

Z Z
y
< fn , ϕ >= nf (nx)ϕ(x)d = f (y)ϕ( )dy → ϕ(0) =< δ, ϕ > .
R R n
3. Plus généralement, on peut remplacer n par un réel positif a que l’on fait tendre
vers zéro ou l’infini. Si les fonctions fa ∈ L1 (R), a ∈ R, sont telles que

 ∃A ∈ R∗+ , ∀a ∈ R : R fa (x)dx ≤ A
R
∀x 6= 0 : Rlima→0 fa (x) = 0 (1.11)

lima→0 R fa (x)dx = 1

La limite quand a → 0 de fa n’est pas une fonction car si c’était le cas son intégrale
serait nulle.
Z
lim fa (x)(ϕ(x) − ϕ(0))dx = lim fa (x)(ϕ(x) − ϕ(0))dx
a→0 R a→0
est nulle car l’expression sous le signe somme est nulle et donc
< lim fa , ϕ >=< δ, ϕ > .

a→0
1.3.4 Dérivation des distributions

L’objectif de ce paragragrahe est de définir la dérivée d’une distribution de telle
manière que si elle associée à une fonction f de classe C 1 , la dérivée au sens des distribu-
tions de la distribution associée à la fonction coincide avec celle de f au sens classique. La
dérivée au sens classique d’une fonction se calcule en un point. Au sens des distributions
ce sera la dérivée de l’action de f sur D.
Soit f une fonction dérivable de dérivée f 0 . La distribution associée à f 0 notée Tf 0 qu’on
identifiera à f 0 est Z
0
< f , ϕ >= f 0 (x)ϕ(x)dx ∀ϕ ∈ D(R),
R
d’où en intégrant par parties, on obtient
Z
0
< f , ϕ >= [f (x)ϕ(x)]+∞
−∞ − f (x)ϕ0 (x)dx.
R
[f (x)ϕ(x)]+∞
−∞ étant nulle car ϕ ∈ D(R), donc on a
< f 0 , ϕ >= − < f, ϕ0 > .

Ainsi, pour une distribution Tu associée à une fonction u, sa dérivé (Tu )0 vérifie
< (Tu )0 , ϕ >= − < Tu , ϕ0 > ∀ϕ ∈ D(Ω).
Définition 1.3.6 Soit T ∈ D0 (Ω) et α ∈ Nn . On appelle dérivée d’ordre α de T notée
∂ |α| T
Dα ou ∂xα1 ∂x α2
...∂xαn
définie par
1 2 n
< Dα T, ϕ >= (−1)|α| < T, Dα ϕ >, ∀ϕ ∈ D(Ω).

Remarque 1.3.1 On peut donc indéfiniment dériver les distributions.
Exercice 1.3.4 Montrer que Dα T définie bien une distribution.
Cas particulier :
Pour i = 1, 2, . . . n on a
∂T ∂ϕ
< , ϕ >= − < T, >, ∀ϕ ∈ D(Ω).
∂xi ∂xi
Si n = 1 (Ω = R), on note par T 0 , T 00 , T (k) les dérivées successives d’une fonction. Ainsi
< T (k) , ϕ >= (−1)k < T, ϕ(k) >, ∀ϕ ∈ D(Ω).

Exemple 1.3.3 1. Si Ω ⊂ R et u ∈ C k , alors (Tu )k = Tu(k) .
En effet,
Z Z
(k) k
< (Tu ) , ϕ >= (−1) < Tu , ϕ (k)
>= (−1) k
uϕ (k) k−1
= (−1) u0 ϕ(k−1)
Ω Ω
Z
= ... uk ϕ =< Tu(k) , ϕ > .
Ω
2. En dimension n on en le résultat suivant :
Si Ω ⊂ Rn , u ∈ C k (Ω), k ∈ N∗
Dα (Tu ) = TDα u , ∀α ∈ Nn avec |α| ≤ k.
∂
En effet Dα = ∂xi
;
Z Z Z
∂ ∂ϕ ∂ϕ ∂u
< (Tu ), ϕ >= − < Tu , >= − u = ϕdx − uϕνi dσ.
∂xi ∂xi ∂xi Ω ∂xi ∂Ω
R
Comme ϕ ∈ D(Ω), ∂Ω uϕνi dσ = 0 et on a
∂
< (Tu ), ϕ >=< T ∂u , ϕ > donc
∂xi ∂xi
∂
(Tu ) = T ∂u .
∂xi ∂xi
Définition 1.3.7 On appelle fonction de Heaviside, la fonction H : R −→ C définie

comme la fonction indicatrice de [0, +∞[, donc

1 si x ≥ 0
H(x) = (1.12)
0 si x < 0.
La fonction H(x) ∈ L1loc (R), donc elle peut être vu comme une distribution sur R.
Proposition 1.3.1 La dérivée de la fonction de Heaviside H au sens des distributions

est la distribution de Dirac.
Preuve. Soit ϕ ∈ D(Ω),

Z Z +∞
0 0 0
< (TH ) , ϕ >=< H , ϕ >= − H(x)ϕ (x)dx = ϕ0 (x)dx = ϕ(0),
R 0
donc (TH )0 = δ au sens des distributions i.e. H 0 = δ.
Exercice 1.3.5 1) Montrer que la fonction x → ln |x| est une distribution sur R, de
d’erivée Vp ( x1 ).
2) Calculer la dérivée de la distribution Vp ( x1 ).
3) Calculer la dérivée de la distribution P f ( x12 ).
Solution 1.3.5 : 1) x → ln |x| est une fonction localement intégrable, donc définit une dis-
tribution sur R.
Z Z
0 0 0 ϕ(x) 1
< (ln |x|) , ϕ >= − < ln |x|, ϕ >= − ln |x|ϕ (x)dx = dx =< V p( ), ϕ > .
R R x x
2)
ϕ0 (x)
Z
1 1 0
< V p( ), ϕ >= − < V p( ), ϕ >= − lim+ dx
x x →0 |x|≥ x
h ϕ(x) i+∞ h ϕ(x) i−∞ Z ϕ(x)
= − lim+ + + 2
dx
→0 x x − |x|≥ x
Z ϕ(x) ϕ(0)
= − lim+ 2
dx − 2
→0 |x|≥ x
1
= − < pf ( ), ϕ > .
x2
3)
ϕ0 (x) ϕ0 (0)
Z
1 0 1 0

< (P f ( 2 )) , ϕ >= − = lim −2 dx
x x →0 |x|≥ x2
d’où en intégrant par parties, on a < (P f ( x12 ))0 , ϕ >= −2P f ( x13 ).
On a ainsi le tableau récaputilatif
< T 0 , ϕ >= − < T, ϕ0 >

< H 0 , ϕ >= δ
< δ 0 , ϕ >= −ϕ0 (0)
< δ (n) , ϕ >= (−1)n ϕ(n) (0).
(ln |x|)0 = V p( x1 )
(V p( x1 ))0 = −P f ( x12 )
(P f ( x12 ))0 = −2P f ( x13 ).
Proposition 1.3.2 Soit (Tp ) une suite de distributions tendant vers T. Alors la suite
(Tp0 ) des dérivées de Tp tend vers T 0 .
Preuve.
< Tp0 , ϕ >= − < Tp , ϕ0 >→ − < T, ϕ0 >=< T 0 , ϕ > .
∂T
P
Définition 1.3.8 Une distribution T est homogène de degré a si xi ∂xi
= aT.
1.3.5 Ordre d’une distribution

Définition 1.3.9 On dit qu’une distribution T ∈ D0 (Ω) est d’ordre au plus m ∈ N si
pour tout compact K ⊂ Ω, il existe une constante CK telle que
| < T, ϕ > | ≤ CK sup sup |Dα ϕ(x)|, ∀ϕ ∈ D(Ω) : suppϕ ⊂ K.

|α|≤m| x∈K
Remarque 1.3.2 1. Si l’ordre de T est p celui de T 0 est au plus p + 1.

2. Les distributions régulières sont d’ordre
Ra zéro ;
si suppϕ ⊂ [−a, a], | < f, ϕ| ≤ 2a −a f (t)dtkf k∞ .
3. La distribution de Heaviside H est d’ordre zéro ; sa dérivée δ est d’ordre au plus 1,

en fait elle d’ordre zéro, < δ, ϕ >= |ϕ(0)| = kϕk∞ .
4. La distribution singulière V p( x1 ) est d’ordre 1 ; sur un compact K ne contenant pas

zéro, l’ordre est 0 si K contient 0.
5. La distribution δ (n) est au plus d’ordre n. On voit qu’elle est d’ordre n en considérant
en considérant la fonction φ(x) = xn p, p étant une fonction plateau valant valant 1
en x = 0, dont les dérivées en x = 0 sont nulles sauf ϕ(n) .
6. La distribution < T, φ >= n∈N φ(n) (n)
P
La somme étant finie car limité aux n ∈ suppφ est d’ordre infini car sa restriction
au compact [n − 12 , n + 21 ] est d’ordre n, ∀n ∈ N.
7. Toute distribution à support compact est d’ordre fini d’après la définition de la conti-
nuité.
8. Si T est à support compact K, d’ordre m et si φ et ses dérivées jusqu’à l’ordre m

sont nulles, < T, φ >= 0.
1.3.6 Produit entre une fonction C ∞ et une distribution

Définition 1.3.10 Soit g ∈ C ∞ (Ω) et T ∈ D0 (Ω). On définit le produit de g par T noté
g · T comme la distribution définie par
< g · T, ϕ >=< T, gϕ >, ∀ϕ ∈ D(Ω).
Exemple 1.3.4 1. Si a ∈ Ω et g ∈ C ∞ (Ω), alors g.δa = g(a)δa .

En effet , < gδa , ϕ >=< δa , gϕ >= g(a)ϕ(a) = g(a)δa .
Ainsi on a < xδ, ϕ >=< δ, xϕ >= (xϕ)(0) = 0 donc xδ = 0.
2. Si u ∈ L1loc (Ω) alors g · Tu = Tgu .
3. Si f et g ∈ C ∞ (Ω), et T est une distribution alors f · (g · T ) = (f g) · T.
4. Si g = constante alors gT = λT.
Proposition 1.3.3 Soit T une distribution telle que
xT = 0 (1.13)
c’est à dire le produit de T par la fonction linéaire t → t est la distribution nulle. Alors
T est multiple de la distribution de Dirac, i.e.
T = αδ, α ∈ C. (1.14)
Plus généralement on a
xn T = 0 (1.15)
Alors T est combinaison
Pn−1 linéaire de la distribution de Dirac et de ses n − 1 premières
(k)
dérivées T = k=0 αk δ , αk ∈ C.
Remarque 1.3.3 Alors que le produit d’une distribution T ∈ D0 (R) par une fonction C ∞
est bien définie, le produit d’une distribution par une autre distribution n’a généralement
pas de sens, c’est à dire ne définit pas une nouvelle distribution. Par exemple, le produit
δδ n’a pas de sens.
Proposition 1.3.4 Si g ∈ C ∞ (Ω) et T ∈ D0 (Ω) alors
∂ ∂g ∂T
(g · T ) = T +g· .
∂xi ∂xi ∂xi
Preuve.
∂ ∂ϕ ∂ϕ
< (gT ), ϕ >= − < gT, >= − < T, g >
∂xi ∂xi ∂xi
Or
∂(gϕ) ∂g ∂ϕ
= ϕ+g
∂xi ∂xi ∂xi
D’où
∂ ∂(gϕ) ∂g ∂(gϕ) ∂g
< (gT ), ϕ >= − < T, − ϕ >= − < T, > + < T, ϕ>
∂xi ∂xi ∂xi ∂xi ∂xi
∂T ∂g
=< , gϕ > + < T, ϕ>
∂xi ∂xi
∂T ∂g
=< g , ϕ > + < T, ϕ>
∂xi ∂xi
∂T ∂g
=< g ,ϕ > + < T, ϕ >
∂xi ∂xi
∂T ∂g
=< g + T, ϕ >
∂xi ∂xi
donc
∂ ∂g ∂T
(g · T ) = T +g· .
∂xi ∂xi ∂xi
Exercice 1.3.6 Calculer au sens des distributions xδ 0 .

x ∈ C ∞ , , δ ∈ D0 (R); (xδ)0 = x0 δ + xδ 0 = δ + xδ 0
< xδ, ϕ >=< δ, xϕ >= 0 donc (xδ)0 = 0 =⇒ (δ + xδ 0 ) = 0 donc xδ 0 = −δ.
Proposition 1.3.5 Soit T une distribution solution de
xT = 1,
Alors T est égale à la valeur principale de x1 , plus un multiple de la distribution de Dirac
1
T = V p( ) + αδ, α ∈ C.
x
Preuve. Notons S = T − V p( 1t ). on a alors tS = 0 donc d’après une proposition du cours
S = αδ, α ∈ C. Ainsi, T − V p( 1t = αδ, i.e. T = V p( 1t ) + αδ.
1.3.7 Primitive des distributions en dimension 1

Définition 1.3.11 Soit T ∈ D0 (I), I =]a, b[. On dit que U ∈ D0 (I) est une primitive de
T sur I si on a
U 0 = T au sens des distributionsD0 (I).
Exemple 1.3.5 1. La fonction de Heaviside H est une primitive au sens des distri-
butions de la distribution de Dirac i.e. H 0 = δ. Les primitives de δ sont de la forme
H + M où M est une constante.
2. Une primitive de la fonction x → 1 estRx → x
En effet < (x)0 , ϕ >= − < x, ϕ0 >= − R xϕ0 (x)dx = R ϕ(x)dx =< 1, ϕ > .
R
1.3.8 Support d’une distribution

Soit f une fonction continue. Le support de f est définit comme étant l’ensemble de
non annulation de f i.e.
supp(f ) = {x ∈ Ω, f (x) 6= 0}.
On définit donc dans ce qui suit le support d’une distribution.
Définition 1.3.12 Soit f : Rn −→ C une fonction. On appelle ouvert d’annulation, noté
O(f ), le plus grand ouvert de Rn sur lequel f = 0 presque partout i.e. f = 0 p.p sur O(f ).
On admet qu’un tel ouvert O(f ) existe et est unique et qu’il peut aussi s’écrire comme
l’union de tous ouverts ω de Rn tel que f = 0 p.p i.e. O(f ) = ∪ω∈A ω où A = {ω ouvert ⊂
Rn f = 0 p.psur ω}.
Pour toute fonction f : Rn −→ C, supp(f ) = Rn \O(f ).
Définition 1.3.13 Soit Ω un ouvert de Rn et soit T ∈ D0 (Ω). On appelle ouvert d’annu-
lation noté O(T ) le plus grand ouvert sur lequel T est nulle, autrement dit O(T ) est un
ensemble ouvert tel que T = 0 sur O(T ) et pour tout ouvert U ⊂ Ω tel que T = 0 sur U
on a U ⊂ O(T ).
Proposition 1.3.6 Soit Ω un ouvert de Rn et soit T ∈ D0 (Ω). Alors il existe un plus

grand ouvert d’annulation de T.
Preuve. Soit O(T ) la réunion de tous les ouverts d’annulation de T. Montrons O(T )
est aussi un ouvert d’annulation de T.
Soit K un compact inclus dans O(T ). Alors ∃U1 , . . . , Un ouverts d’annulationPN tels que
N
K ⊂ ∪i=1 Ui . On prend une partition de l’unité ρj ∈ D(Uj ) tel que 0‘ρj ≤ 1 et j=1 ρj = 1
au voisinage de K. Si ρ ∈ DK (Ω) alors < T, ϕ >= N
P
j=1 < T, ρρj >, ce qui montre que T
est un ouvert d’annulation.
Définition 1.3.14 Soit Ω un ouvert de Rn et soit T ∈ D0 (Ω). On appelle support de T
et on note supp(T ), le complémentaire du plus grand ouvert d’annulation de T, i.e.
supp(T ) = Rn \O(T ).
Exemple 1.3.6 1. Soit u ∈ L1loc (Rn ). Alors supp(Tu ) = supp(u).

2. Soit a ∈ Rn , δa est une distribution.
O(δa ) = Rn \{a}. On en déduit que supp(δa ) = {a}.
On note par ε0 (Ω) l’ensemble des distributions à support compact. Notons que l’ensemble
ε0 (Ω) n’est pas vide. On a δa ∈ ε0 (Rn ), cependant on H n’appartient pas à ε0 (Ω).
Théorème 1.3.1 Toute distribution T ∈ ε0 (Ω) est d’ordre fini. Plus précisément, si N
est l’ordre de T, pour tout voisinage compact K de supp(T ) il existe une constante C telle
que
∀ϕ ∈ D(Ω), | < T, ϕ > | ≤ C sup sup |Dα ϕ(x)|.
|α|≤N x∈K
Preuve. Soit L le support de T. On prend une fonction θ à support compact dans Ω

qui vaut 1 au voisinage de L. On en déduit que si ϕ ∈ D(Ω), alors ϕ − θϕ est nulle au
voisinage de L. = supp(T ), donc ϕ − θϕ ∈ D(Ω\supp(T )) et donc< T, ϕ >=< T, θϕ > .
Soit K un compact de Ω. ∃N ∈ N et c > 0 tel que si ϕ ∈ DK (Ω) alors
| < T, ϕ > | = | < T, θϕ > | ≤ C sup sup |Dα ϕ(x)|.

|α|≤N x∈M
Or si |α| ≤ N gràce à la formule de Leibniz,

X
sup |Dα (θϕ)| = |Dα (θϕ)| ≤ C2 ( sup sup Dβ θ)(sup sup Dβ θ)
x∈M |α|≤M β≤α x∈K β≤α
x∈K∩M
et donc
| < T, ϕ > | ≤ C2 sup sup |Dα (θϕ)|,
|α|≤N x∈K
où C2 est indépendante de K.

Chapitre 2
Convolution des distributions
Nous commencerons d’abord par rappeler la notion de convolution de fonctions.
2.1 Rappel sur la Convolution de fonctions

Définition 2.1.1 Soient f, g : Rn −→ C deux fonctions. On appelle convolution de deux
fonctions f, g ∈ L1 (Rn ) notée f ∗ g la fonction
Z
f ∗ g(x) = f (x − t)g(t)dt, ∀x ∈ Rn .
Rn
f ∗ g(x) est une intégrale dépendant du paramètre x.

Proposition 2.1.1 Quand elle est définie, l’opération ∗ est commutative et distributive :
f ∗ g = g ∗ f, f ∗ (g1 + λg2 ) = f ∗ g1 + λf ∗ g2 .
et on a 

 f et g paires =⇒ f ∗ g paire
f et g impaires =⇒ f ∗ g paire

(2.1)

 f paire et g impaire =⇒ f ∗ g impaire
f impaire et g paire =⇒ f ∗ g impaire

R R
Preuve. (f ∗ g)(x) = R f (t)g(x − t)dt = R f (x − u)g(u)du = (g ∗ f )(x) donne la
commutativite. Et la distributivité resulte de la distributivité de la multiplication de R
et de la linéarite de
R l’intégrale. R
Puis(f
R ∗g)(−x) = R
f (t)g(−x−t)dt : si g est paire, alors (f ∗g)(−x) = R
f (t)g(x+t)dt =
R
f (−u)g(x − u)dt, d’où si f est paire alors (f ∗ g)(−x) = (f ∗ g)(x), et si f est impaire
alors (f ∗ g)(−x) = −(f ∗ g)(x); et f ∗ g = g ∗ f.
Proposition 2.1.2 Si f, g ∈ L1 (R) alors f ∗ g ∈ L1 (R), avec

kf ∗ gkL1 ≤ kf kL1 kgkL1 .
En particulier si f ∈ L1 (R) et ϕ ∈ D(R), alors f ∗ ϕ ∈ L1 (R).
21
2.2 Suite régularisante et partition de l’unité 22
Exercice 2.1.1
R Montrer que siRf, g, h ∈ L1 (R) sont positives et f ≥ g, alorrs h∗f ≤ h∗g.
h ∗ f (x) = R f (t)h(x − t)dt ≤ R g(t)h(x − t)dt = (h ∗ g)(x)
1 R 1
On rappelle que si f g ∈ Lp ←→ |g|p ∈ L1 , et que kgk = (kg p kL1 ) p = ( R |g(x)|p dx) p .
Proposition 2.1.3 Si f ∈ L1 (R) et g ∈ Lp (R), 1 ≤ ∞, alors f ∗ g ∈ Lp (R) et
kf ∗ gkp ≤ kf k1 kgkp ,
i.e L1 (R) ∗ Lp (R) ⊂ Lp (R).
Proposition 2.1.4 Pour f, g : R → R avec suppf et suppg compacts, la fonction convolée

f ∗ g verifie (quand elle a un sens) :
supp(f ∗ g) ⊂ suppf + suppg.
Proposition 2.1.5 Si f, g ∈ L1 (R), si g est derivable et si g 0 ∈ L∞ (R) (i.e. g’ est bornée),

alors f ∗ g est derivable et :
(f ∗ g)0 = f ∗ g 0 .
Preuve. |f (t)g 0 (x − t)| ≤ kgk∞ |f (t)|, et on applique le théorème de convergence dominée.
Proposition 2.1.6 Si f ∈ L1loc (R) et si ϕ ∈ D(R), alors f ∗ ϕ ∈ C ∞ (R).
Preuve. Exercice
2.2 Suite régularisante et partition de l’unité

Définition 2.2.1 Suite régularisante
On appelle suite régularisante ou approximation de l’identité une famille (ξ )0<<0 de
fonctions définies sur Rn vérifiant les propriétés suivantes : pour tout ∈]0, 0 [
Z
∞ n
ξ ∈ C (R ), supp(ξ ) ⊂ B(0, r), ξ ≥ 0, et ξ (x)dx = 1,
Rn
où on a supposé que r → 0+ .
Voici comment construire un exemple de suite régularisante. On part de la fonction H

définie par (
H(x) = 0 si |x| ≥ 1,
H(x) = E(|x|2 − 1) = 1 (2.2)
H(x) = e |x|2 −1 si |x| < 1
2.2 Suite régularisante et partition de l’unité 23
Remarquons que H ≥ 0 sur Rn et que H > 0 sur B(0, 1), de sorte que
Z
H(x)dx > 0.
Rn
On définit une fonction ζ en posant

H(x)
ζ(x) = R pour tout x ∈ RN .
Rn
H(z)dz
Il est clair que ζ ∈ C ∞ (Rn ) et que supp(ζ) = B(0, 1) et supp(H) = B(0, 1); de plus, on a
ζ ≥ 0 et Z
ζ(x)dx = 1.
Rn
Posons alors, pour tout > 0,
1 x
ζ (x) = ζ( );
n
on vérifie facilement que (ζ )>0 est une suite régularisante sur Rn , avec r = .
Soit f ∈ Cc (Rn ) et soit ζ une suite régularisante. Alors
ζ ∗ f ∈ Cc∞ (Rn ) et ζ ∗ f → f uniformément sur Rn
lorsque → 0+ .
Avant de donner le théorème de partition de l’unité, nous rappelons le rśultat suivantt
qui sera utile pour sa preuve.
Lemme 2.2.1 Soit K un compact contenu dans la réunion finie d’ouverts ∪m
i=1 Ωj . Alors
m
il existe des compacts Kj tels que K ⊂ ∪i=1 Kj .
Preuve. Soit x ∈ K et soit jx ∈ [1, m] tel que x ∈RΩjx . Puis soit Cjx un compact inclus
dans Ωjx qui soit un voisinage de x, c’est à dire x ∈ (Cjx ). On a donc K ⊂ ∪x∈K int(Cjx ).
On applique B − L : il existe un recouvrement fini de K par M ouverts int(Ck ) = int(Cjkx
ppour k = 1, . . . , M, c’est à dire il existe un nombre fini de xk tels que les int(Cxk recouvre
K. On prend pour Kj la réuion finie ∪xk ∈Ωj C¯jxk et on a le résultat.
Théorème 2.2.1 (Partitions de l’unité)

Soient K ⊂ Rn compact, et des ouverts de Rn notés Ω1 , . . . , Ωn tels que
K ⊂ Ω1 ∪ . . . ∪ Ωn .
Alors il existe des fonctions ϕ1 , . . . , ϕn de classe C 1 sur Rn telles que
0 ≤ ϕk ≤ 1 et supp(ϕk ) compact ⊂ Ωk ,
pour k = 1, . . . , n,
vérifiant
n
X
ϕk = 1 sur un voisinage de K.
k=1
2.3 Convolution de Distributions 24
Preuve. Admettons un instant qu’on puisse trouver des compacts Kj ⊂ Ωj en nombre

fini qui recouvrent K : K ⊂ ∪m j=1 Kj .
1
Pm alors Ψj ∈ C (Ωj ) une 1fonction qui vaut 1 dans un voisinage de Kj . En particulier
Soit
k=1 ψj est une fonction C strictement positive dans un voisinage de K. On pose dans
n
R
ψj (x)
χj (x) = Pm
i=1 ψj (x)
On vérifie que les χj conviennent.De tels Kj existent d’après le lemme précédent.
2.3 Convolution de Distributions

Dans tout ce qui suit, nous allons définir la convolution de deux distributions, c’est à
dire donner un sens à T ∗ S où S et T ∈ D0 (Rn ). On veut en même temps que si S et T
sont deux distributions régulières, c’est à dire associée à des fonctions f et g de L1loc (Rn )
alors la convolution soit la convolution des fonctions comme celle définie précédemment,
Tf ∗ Tg = Tf ∗g .
On aurait donc le calcul formel suivant pour une fonction test ϕ ∈ D(Rn ) arbitraire
Z Z Z
< Tf ∗ Tg , ϕ >=< Tf ∗g , ϕ >= (f ∗ g)(x)ϕ(x)dx = f (x − t)g(t)ϕ(x)dxdt
Rn Rn Rn
En faisant le changement de variable x = y + t donc dx = dy,, on a

Z Z Z hZ i
< Tf ∗ Tg , ϕ >= f (y)g(t)ϕ(y + t)dxdt = f (y) g(t)ϕ(y + t)dt dy
Rn Rn Rn Rn
Ainsi donc on a
< Tf ∗ Tg , ϕ >=< Tf , < Tg , ϕ(y + t) >>

Tg ∈ D0 (Rn ) s’applique à la fonction test t 7−→ ϕ(y+t) pour y fixé. Ensuite < Tg , ϕ(y+t) >
est une fonction test dépendant de y pour Tg .
< Tf ∗ Tg , ϕ >=< (Tf )y , < (Tg )t , ϕ(y + t) >>

Lemme 2.3.1 Soit T ∈ D0 (Rn ) et ϕ ∈ D(Rn ). Alors
x ∈ Rn −→< (Tf )y , ϕ(x + y) >∈ C
est une fonction appartenant à C ∞ (Rn ).

Si en plus T ∈ E 0 (Rn ) alors cette application est un élément de D(Rn ).
En plus on a
∂ ∂
< (T )y , ϕ(x + y) >= − < (T )y , ϕ(x + y) > .
∂xi ∂xi
Exemple 2.3.1 Soit a ∈ Rn et T = δa . Alors l’application
x ∈ Rn →< (δ)y , ϕ(x + y) >= ϕ(x + a) ∈ C.
Définition 2.3.1 Si f est une fonction sur Rn et x ∈ Rn , on note par τx f et fˇ les

fonctions définies par
(τx f )(y) = f (y − x), et fˇ(y) = f (−y).
Exemple 2.3.2 Si u ∈ L1loc (Rn ),

Z
n
x ∈ R →< (Tu )y , ϕ(x + y) >= u(y)ϕ(x + y)dy ∈ C ∞ (Rn ).
Rn
Définition 2.3.2 Soient T, S ∈ D0 (Rn ) tels que l’une des distributions est à support
compact(donc T ∈ E 0 (Rn ) ou S ∈ E 0 (Rn ).
On appelle convolution de T et S noté T ∗ S la convolution sur Rn définie par :
soit < T ∗ S, ϕ >=< (S)x , < (T )y , ϕ(x + y) >> si T ∈ E 0 (Rn ),
soit < T ∗ S, ϕ >=< (T )x , < (S)y , ϕ(x + y) >> si S ∈ E 0 (Rn ).

On admet que ces relations définissent dans chaque cas respectif une distribution et qu’on
a aussi
< (S)x , < (T )y , ϕ(x + y) >>=< (T )x , < (S)y , ϕ(x + y) >> si T, S ∈ E 0 (Rn )
Exemple 2.3.3 1. f, g ∈ L1loc (RnR) avec supp(f ) compact ou supp(g) compact alors
Tf ∗ Tg = Tf ∗g avec (f ∗ g)(x) = Rn f (x − t)g(t)dt.
2. Pour tout T ∈ D0 (Rn ), T ∗ δ a un sens car δ ∈ E 0 (Rn ).
< T ∗δ, ϕ >=< (T )x , < (δ)y , ϕ(x+y) >>=< (T )x , ϕ(x+0) >>=< (T )x , ϕ(x) >>=< T, ϕ > .
Proposition 2.3.1 Si T ∈ D0 (R), T ∗ δ = δ ∗ T = T. δ est l’elément neutre du produit

de convolution.
En particulier si f ∈ L1loc (R)
f ∗ δ = f = δ ∗ f.
Proposition 2.3.2 Soient T, S ∈ D0 (Rn ), tels que T ∈ E 0 (Rn ) ou S ∈ E 0 (Rn ) :

1. ∀i = 1, . . . , n on a
∂ ∂ ∂
(T ∗ S) = (T ) ∗ S = T ∗ (S).
∂xi ∂xi ∂xi
2. Pour tout α ∈ Nn , on a
Dα (T ∗ S) = Dα (T ) ∗ S = T ∗ Dα (S).
3. ∀β1 , β2 ∈ C, ∀T1 , T2 ∈ D0 (Rn ) tels que les opérations de convolution ont un sens
(β1 T1 + β2 T2 ) ∗ S = β1 (T1 ∗ S) + β2 (T2 ∗ S).
Proposition 2.3.3 Si T ∈ D0 (R), alors
δ0 ∗ T = T 0 = T ∗ δ0
En particulier, pour f ∈ L1loc (R)

δ0 ∗ f = f 0.
Définition 2.3.3 Convolution D ∗ D0

Pour toute distribution T ∈ D0 (Rn ) et toute fonction test ϕ ∈ D(Rn ), on définit
T ∗ ϕ(x) =< T, ϕ(x − ·) >=< T, (τx ) ∗ ϕ̃ >, pour tout x ∈ Rn
où on a noté ϕ̃ la fonction définie par
ϕ̃(x) = ϕ(−x)
et où τx désigne la translation de vecteur x
τx :7−→ τx (y) = y + x;
c’est à dire que
(τx ) ∗ f (y) = f ◦ τ−x = f (y − x), pour tout x, y ∈ Rn .
Proposition 2.3.4 Pour toute distribution T ∈ D0 (Rn ) et pour toute fonction ϕ ∈

D(Rn ), on a
supp(T ∗ ϕ) ⊂ supp(T ) + supp(ϕ).
Preuve. Si x ∈ Rn \{supp(T ) + supp(ϕ)}, alors
supp(ϕ(x − ·)) = {x} − supp(ϕ), donc supp(ϕ(x − ·)) ∩ supp(T ) = ∅
ceci entraine
T ∗ ϕ(x) =< T, ϕ(x − ·) >= 0.
Par conséquent,
T ∗ ϕ = 0 sur l’ouvert Rn \(supp(T ) + supp(ϕ)),
ce qui montre que cet ouvert est inclus dans le complémentaire du support de T ∗ ϕ
Rn \(supp(T ) + supp(ϕ)) ⊂ Rn \(supp(T ∗ ϕ)).
D’où le résultat par passage au complémentaire.
Définition 2.3.4 Convolution E 0 ∗ C ∞

On définit le produit de convolution d’une distribution à support compact par une fonction
C ∞ par la même formule que dans la définition précédente : pour S ∈ E 0 (Rn ) et f ∈
C ∞ (Rn ), on pose
S ∗ f (x) =< S, f (x − ·) >, pour tout x ∈ Rn .
Le même argument ci dessus montre que
S ∗ f ∈ C ∞ (Rn ) pour tout S ∈ E 0 (Rn ) et pour tout f ∈ C ∞ (Rn )
et que
Dα (S ∗ f ) = (Dα S) ∗ f = S ∗ (Dα f ).
Définition 2.3.5 Produit de convolution D0 ∗ E 0

Pour tout T ∈ D0 (Rn ) et tout S ∈ E 0 (Rn ), on définit le produit de convolution T ∗ S ∈
D0 (Rn ) par la formule
< T ∗ S, ϕ >=< T, S̃ ∗ ϕ >
pour toute fonction test ϕ ∈ D0 (Rn ).
Théorème 2.3.1 (Régularisation des distributions)

Soient T ∈ D0 (Rn ) et (ξ )>0 une suite régularisante, c’est à dire que ξ (x) = n ξ( x ) avec
Z
∞ n
ξ ∈ C (R ) à support dans B(0, 1), ξ ≥ 0 et ξ(x)dx = 1.
Rn
Posons T = T ∗ ξ . Alors, pour tout > 0, on a
T ∈ C ∞ (Rn ) et T → T dans D0 (Rn ) lorsque → 0+ .

Preuve. Que T appartient à C ∞ (Rn ) pour tout > 0 découle de la proposition précédente.
Pour toute fonction ϕ ∈ C0∞ (Rn ),
Z Z Z
< T , ϕ >= T (x)ϕ(x)dx = < T, ξ (x − ·) > ϕ(x)dx =< T, ξ (x − ·)ϕ(x)dx > .
Rn Rn Rn
Or Z
ξ (x − y)ϕ(x) = ξ˜ ∗ ϕ(x), pour tout y ∈ Rn ,
Rn
de sorte que, pour tout ]0, 1[,
supp(ξ˜ ∗ ϕ) ⊂ K,
où K{x ∈ Rn : dist(x, supp(ϕ)) ≤ 1} est compact car fermé et borné dans Rn .
D’autre part, Dα (ξ˜ ∗ ϕ) = ξ˜ ∗ Dα ϕ de sorte que pour tout α ∈ Nn , Dα (ξ˜ ∗ ϕ) → Dα ϕ
uniformément sur K lorsque → 0+ .
On vient donc de montrer que, pour toute suite n → 0 lorsque n → +∞ et telle que
n ∈]0; 1[ pour tout n ∈ N, l’on a
ξñ ∗ ϕ → ϕ dans D(Rn ) lorsque n → +∞,
et comme ceci vaut pour toute fonction test ϕ ∈ C0∞ (Rn ), et toute suite n lorsque n → +∞
telle que n ∈]0, 1[ pour tout n ∈ N, on en conclut que T → T dans D0 (Rn ) lorsque → 0+ .
Proposition 2.3.5 Majoration du support

Pour tout T ∈ D0 (Rn ) et tout S ∈ E 0 (Rn ), on a
supp(T ∗ S) ⊂ supp(T ) + supp(S).
Preuve. supp(T ) + supp(S) est fermé dans Rn , puisque supp(S) est compact dans Rn .
Soient O = Rn \(supp(T ) + supp(S)) et ϕ ∈ C ∞ (Rn ) à support dans l’ouvert O. Donc la
fonction S̃ ∗ ϕ est de classe C ∞ sur Rn et à support dans
supp(S̃) + supp(ϕ) = {−x + y : x ∈ supp(S) et y ∈ supp(T )}.
Or
supp(T ) ∩ (supp(S̃) + supp(ϕ)) = ∅,
sinon il existerait x ∈ supp(S) et y ∈ supp(ϕ) tels que
y ∈ supp(T ) + {x} ⊂ supp(T ) + supp(S)
ce qui contredit l’hypothèse que ϕ est à support dans O.
Comme S̃ ∗ ϕ est une fonction de classe C ∞ sur Ω à support compact ne rencontrant pas
supp(T ), on en déduit que
< T ∗ S, ϕ >=< T, S̃ ∗ ϕ >= 0.
Par conséquent T ∗ S/O = 0, d’oùla majoration.
Théorème 2.3.2 Soient (Tn )n≥1 de D0 (Rn ) et(Sn )n≥1 de E 0 (Rn ) telles que
Tn → T et Sn → S dans D0 (Rn ) lorsque n → +∞.
Supposons en outre qu’il existe un compact K ⊂ Rn fixe tel que
supp(Sn ) ⊂ K pour tout n ≥ 1.

Alors
Tn ∗ Sn → T ∗ S dans D0 (Rn ) lorsque n → +∞.
Preuve. Soit ϕ ∈ D(Rn ), on a < Tn ∗ Sn , ϕ >=< Tn , S̃n ∗ ϕ > . Par hypothèse, pour tout
n ≥ 1,
supp(S̃n ∗ ϕ) ⊂ supp(S̃n ) + supp(ϕ) ⊂ supp(ϕ) − K.
On a
Dα (S̃n ∗ ϕ) = (Dα S̃n ) ∗ ϕ → (Dα S̃) ∗ ϕ = Dα (S̃ ∗ ϕ) uniformémentsur Rn
l orsque n → +∞. Autrement dit
S̃n ∗ ϕ → S̃ ∗ ϕ dans D(Rn ).
Alors on a
< Tn ∗ Sn , ϕ >=< Tn , S̃n ∗ ϕ >→< T ∗ S, ϕ >
lorsque n → +∞. ϕ étant arbitraire, on en déduit que Tn ∗Sn → T ∗S dans D0 (Rn ) lorsque n →
+∞.
Théorème 2.3.3 T ∈ D0 (Rn ) et S ∈ S 0 (Rn ). Alors, pour tout multi-indice α ∈ Nn , on a

Dα (T ∗ S) = (Dα T ) ∗ S = S ∗ (Dα T ).
Preuve. Soit ϕ ∈ D(Rn ), alors
< Dα (T ∗S), ϕ >= (−1)|α| < T ∗S, Dα ϕ >= (−1)|α| < T, S̃∗Dα ϕ >= (−1)|α| < T, Dα (S̃∗ϕ) >
=< Dα T, S̃ ∗ ϕ >=< (Dα T ) ∗ S, ϕ > .
De même
< Dα (T ∗ S), ϕ >= (−1)|α| < T, S̃ ∗ Dα ϕ >
=< T, (−1)|α| (Dα S̃) ∗ ϕ >
^
=< T, (D α S) ∗ ϕ >=< T ∗ D α S, ϕ > .
Théorème 2.3.4 (Associativitè du produit de convolution)

Soient R, S et T, trois distributions sur Rn . Supposons qu’au moins deux de ces distri-
butions sont à support compact dans Rn . Alors
R ∗ (S ∗ T ) = (R ∗ S) ∗ T.
Chapitre 3
Transformée de Fourier
3.1 Motivations
La transformation de Fourier est un outil particulièrement important en mathèmatiques,
que ce soit du point de vue fondamental, ou de celui des applications (à la thèorie du si-
gnal par exemple, ou encore à tous les phénomènes ondulatoires). Les motivations pour
l’étudier sont donc très nombreuses et variées, et il n’est pas possible de donner ici une
juste idée de cette diversité. Nous allons donc motiver l’introduction de la transformation
de Fourier à partir des séries de Fourier dont le lecteur a déjà l’habitude.
Rappelons l’idée de base des séries de Fourier :
Soit f : [− L2 , L2 ] qu’on peut prolonger par périodicité. On souhaite connaı̂tre ses compo-
2πk
i 2πk
santes dans la base de Fourier (ei L t )k∈Z i.e. écrire f (t) = +∞ t
P
k=−∞ ck e : les coefficients
L
L 2πk
de Fourier sont les ck donnés par ck = L1 −2L e−i L t dt.
R
2
Connaissant les coefficients de Fourier de f , on peut reconstituer f à l’aide de f (t) =
i 2πk
P+∞ t
k=−∞ ck e .
T
Pour l’étude des transformées de Fourier, la démarche est la même que celle des séries
de Fourier i.e. pour une fonction f : R −→ C cas limite des séries de Fourier, on souhaite
connaı̂tre l’expression fréquentielle de f. Les coefficients
R +∞ de Fourier, appelés dans ce cas
transformées de Fourier sont les fˆ(w) = √12π −∞ f (t)e−iwt dt : ce sont les expressions
fréquentielles cherchées Rpour la fréquence νω = 2πω. La connaissance de fˆ(ω) entraine la
∞
connaissance de f (t) = ω=−∞ fˆ(ω)eiωt dw. forme
30
3.2 Transformée de Fourier de fonctions 31
3.2 Transformée de Fourier de fonctions

3.2.1 Définition et Exemple
Définition 3.2.1 Etant donnée une fonction f, sa transformée de Fourier est une fonc-
tion, notée fôu Ff , d’une variable rélle notée ω, définie par
Z +∞
ˆ 1
f (ω) = √ f (t)e−iωt dt, (3.1)
2π −∞
pour toute valeur de ω pour la quelle cette intégrale existe.
On définit la transformé de Fourier conjuguée notée F, par
Z +∞
1
Fϕ(t) = √ ϕ(ω)eiωt dω. (3.2)
2π −∞
Lorsque la transformée de Fourier est inversible, la transformée inverse est donnée par
F̄.
Il faut donner un sens à la transformée de Fourier i.e. s’intéresser à la convergence de

l’intégrale. Il sera donc nécessaire de faire des hypothèses supplémentaires.
Supposons que f ∈ L1 (R), donc intégrable, alors
1 +∞
Z Z +∞
ˆ −iωt
1
|f (ω)| = √ f (t)e dt ≤ √ |f (t)|dt < +∞
2π −∞ 2π −∞
Donc fˆ(ω) existe pour tout ω ∈ R, et la transformée de Fourier de f est bien définie.
Ainsi donc L1 (R) est un espace naturel pour définir la transformée de Fourier.
Exemple 3.2.1 1. Considérons l’exemple de la fonction t → f (t) = e−λ|t| qui est une
fonction intégrable, donc sa transformée de Fourier est donc bien définie.
Z +∞ Z +∞ Z 0
ˆ 1 −λ|t| −iωt 1 −(λ+iω)t 1
f (ω) = √ e e dt = √ e dt + √ e(λ−iω)t dt
2π −∞ 2π 0 2π −∞
1 1 1 1 2λ
=√ + =√ .
2π λ + iω λ − iω 2π λ + ω 2
2
Construire les graphes de f et fˆ.

2. Considérons t → f (t) = χ[−1,1] (t),
Z 1
1 1 e−iω eiω 1 sin ω
fˆ(ω) = √ e−iωt dt = √ − =√ .
2π −1 2π −iω iω 2π ω
3. Pour a > 0 et f (t) = e−at 1R+ (t), fˆ(ω) = √1 1

2π a+iω
.
Dans ce qui suit, nous donnons quelques propriétés de la transformée de Fourier.
3.2.2 Propriétés
– Linéarité : Soient f, g deux fonctions intégrables et α, β ∈ C alors
\
αf + βg = αfˆ(ω) + βĝ(ω)
– Si f ∈ L1 (R) et à valeurs réelles, alors
Z +∞
1
fˆ(−ω) = √ f (t)eiωt dt = fˆ(ω)
2π −∞
– Comportement vis à vis des translations et des modulations
Considérons maintenant une fonction intégrable f . On définit la translatée de f par
la quantitée b ∈ R comme la fonction g ∈ L1 (R) définie par g(t) = f (t − b). On a
alors, par un simple changement de variables
Z +∞
1 iωb +∞
Z
1
gb(ω) = √ f (t − b)e −iωt
dt = √ e f (t − b)e−iω(t−b) dt = eiωb fˆ(ω)
2π −∞ 2π −∞
On dit que ĝ est une version modulée de fˆ.

– Comportement vis à vis des dilatations
Soit f une fonction intégrable, et soit fˆ sa transformée de Fourier. Si a est une
constante réelle, on considère une fonction t → fa (t), dilatée de f du facteur a,
définie par
t
fa (t) = f ( ).
a
Alors on a par un changement de variable u = at ,
Z +∞ Z +∞
ˆ 1 t −iωt a
fa (ω) = √ f ( )e dt = √ f (u)e−iaωu du = afˆ(aω).
2π −∞ a 2π −∞
– La transformée de Fourier conserve la parité : si f est paire alors fˆ est paire et si f
est impaire alors fˆ est impaire.
En effet
fˆ(ω) si f paire
Z Z
1 1
fˆ(−ω) = √ f (x)e+iωx
dx = √ f (−y)e −iyω
dy =
2π R 2π R −fˆ(ω) si f impaire
(3.3)
2
Exemple 3.2.2 Les Gaussiennes χa (x) = e−ax définies pour a > 0 sont dans L1 (R) :
elles sont positives et
√
Z
2
e−ax dx = πa.
R
2 R R −a(x2 +y2 ) R ∞ R 2π −ar2
En effet : ( R e−ax dx)2 = rdrdθ = πa . Par Fourier,
R
R2 e dxdy = r=0 θ=0
e
une Gaussienne est transformée en une Gaussienne : pour a > 0 :
−ax2 (ω) = √
1 − ω2
e[ e 4a ,
2a
2 /2
En particulier la Gaussienne réduite e−x est conservée :
x2 F ω2
e− 2 → e− 2 ,
2
Preuve. Posons χa : x → χa (x) = e−ax pour a > 0. On remarque que χa satisfait à
l’équation différentielle :
χ0a (x) + 2axχa (x) = 0, χa (0) = 1.
Et en appliquant la transformée de Fourier à cette équation on obtient :

1
iω χâ (ω) + 2ai(χâ )0 (ω) = 0, χâ (0) = √ ,
2a
la condition initiale étant calculée directement à l’aide de :
Z
1 2 1
χâ (ω) = √ e−ax e−ixω dx qui donne χâ (0) = √ .
2π R 2a
Et donc
1 1
(χâ )0 (ω) + ω χâ (ω) = 0, χâ (0) = √ .
2a 2a
Et χâ satisfait le même type déquation que χa . On en déduit que
1 t2 1
χâ (ω) = √ e− 4a = χ 1 .
2a 2a 4a
Donc une Gausienne est transformée en une gaussienne par Fourier. En faisant a = 21 , on
trouve la Gaussienne réduite : χˆ1 = χ 1 (ω).
2 2
Théorème 3.2.1 Riemann-Lebesgue

Soit f ∈ L1 (R). Alors sa transformée de Fourier fˆ est bornée, et uniformément continue :
pour tout > 0, il existe δ > tel qu’en tout point ω ∈ R
|fˆ(ω + δ) − fˆ(ω)| ≤ .
De plus, fˆ(ω) tend vers zéro quand ω tend vers ±∞.
Preuve. Exercice
3.2.3 Dérivabilité de la transformée de Fourier

Proposition 3.2.1 Si f ∈ L1 (R) et si de plus xf ∈ L1 (R) alors fˆ est une fonction de
C 1 (R) et on a
(fˆ)0 = −i(xf
d) c’est à dire (fˆ)0 (ξ) = −i(xf
d)(ξ), ∀ξ ∈ R
3.3 Transformée de Fourier de distributions 34
3.2.4 Transformée de Fourier d’une dérivée

Proposition 3.2.2 Si f ∈ L1 (R), si f est dérivable et si f 0 ∈ L1 (R) alors
fb0 = iξ fˆ c’est à dire fb0 (ξ) = iξ fb(ξ), ∀ξ ∈ R.
Preuve.
Z +∞ Z
1 0 −iωt 1 +∞
f (t)(−iω)e−itω dt+ f (t)e−itω −∞ = iω fb(ω)+0

fb0 (ω) = √ f (t)e dt = − √
2π −∞ 2π R
car f et f 0 ∈ L1 (R) impliquent f s’annule à l’infini.
3.3 Transformée de Fourier de distributions

3.3.1 L’espace de Schwartz S(Rn )
Définition 3.3.1 On appelle fonction à décroissance rapide toute fonction ϕ ∈ C ∞ (R)
qui décroit plus vite toute fonction rationnelle x1k , k ∈ N au voisinage de ±∞, ainsi que
toutes ses dérivées. On note S(Rn ) l’espace de ces fonctions.
Autrement dit, ϕ ∈ S si et seulement si ϕ ∈ C ∞ (R) et
Ckl
∀(k, l) ∈ N2 , ∃Ckl > 0, ∀x ∈ R∗ , |ϕ(l) (x)| <
|xk |
où la constante Ckl est indépendante de x.

Ou encore si et seulement si ϕ ∈ C ∞ (R) et :
∀(k, l) ∈ N2 , kxk ϕ(l) k∞ < ∞.

Dans le cas de la dimension n cette dernière inégalité est équivalente à : ϕ ∈ C ∞ (Rn ) et :
sup |xk Dβ ϕ| < ∞ pour tout α, β ∈ Nn .

x∈Rn
2
Exemple 3.3.1 1. La gaussienne e−x appartient à S(R) ainsi que son produit par
tout polynôme.
2
Toutes les fonctions de la forme φ(x) = P (x)e−a|x| , a > 0 et P polynôme appar-
tiennent à S(Rn )
1 3 1
2. La fonction 1+x 2 n’appartient pas à S(R). En effet, |x (1+x2 ) | n’est pas majoré quand
x → +∞.
En revanche aucune fraction rationnelle n’appartient à S.
2
3. Une fonction polynôme non nulle n’appartient pas à S, de même que ex .
4. Evidemment Cc∞ (Rn ) ⊂ S(Rn ).
3.3 Transformée de Fourier de distributions 35
La topologie de S(Rn ) n’est pas définie par une norme, mais par une famille dénombrable
de normes, définies comme suit : pour toute fonction φ ∈ S(Rn ), on pose
X
Np (ϕ) = sup |xα Dβ φ(x)|, p ∈ N.
x∈Rn
|α|,|β|≤p
Définition 3.3.2 Une suite (φn )n≥1 de fonctions de S(Rn ) converge vers une fonction
φ ∈ S(Rn ) dans l’espace S(Rn ) si
Np (φn − φ) → 0 pour tout p ≥ 0 lorsque n → ∞.
Proposition 3.3.1 Densité de Cc∞ (Rn ) dans S(Rn ). et Densité de S(Rn ) dans Lp (Rn ).
1. Toute fonction appartenant à S(Rn ) est limite dans S(Rn ) d’une suite de fonctions
appartenant à Cc∞ (Rn ).
2. Pour tout p ∈ [1, +∞[, toute fonction de Lp (Rn ) est limite au sens de la norme Lp
d’une suite de fonctions appartenant à S(Rn ).
Preuve. Exercice
Définition 3.3.3 On dit qu’une fonction continue f sur Rn est à croissance polynonmiale
s’il existe un entier n ≥ 0 tel que
f (x) = O(|x|n ) pour |x| → +∞.
3.3.2 Transformée de Fourier sur S

La transformée de Fourier sur la classe de Schwartz est beaucoup plus simple.
Définition 3.3.4 A toute fonction ϕ ∈ S(Rn ), on associe sa transformation de Fourier

Z
Fϕ(ξ) = e−iξ.x ϕ(x)dx, ξ ∈ Rn .
Rn
L’application linéaire F est définie pour tout ϕ ∈ S(Rn ), puisque, pour tout ξ ∈ Rn , on a
|e−iξ.x ϕ(x)| = |ϕ(x)| et que ϕ ∈ L1 (Rn ).
Proposition 3.3.2 Soit ϕ une fonction de S(Rn ). Alors

a) la fonction F(ϕ) est de classe C 1 (Rn ) et on a, pour tout j = 1, . . . , n
∂Fϕ(ξ)
= F(−ixj ϕ)(ξ), ξ ∈ Rn ;
∂ξj
3.4 Transformée de Fourier d’une distribution tempérée 36
b) Pour tout j = 1, . . . , n on a
∂ϕ
F( )(ξ) = iξj F(ϕ)(ξ), ξ ∈ Rn ;
∂xj
c) Pour tout a ∈ Rn , la fonction (τa ) ∗ ϕ = ϕ ◦ τ−a : x → ϕ(x − a) a pour transformée de
Fourier
F((τa ) ∗ ϕ)(ξ) = e−iξ.a Fϕ(ξ), ξ ∈ Rn ;
d) Pour tout a ∈ Rn , on a
F(e−iξ.a ϕ)(ξ) = (τa ) ∗ (Fϕ)(ξ) = Fϕ(ξ − a), ξ ∈ Rn .
On montre dans ce qui suit, dans le cas de la dimension 1 que F(S) ⊂ S. En d’autres
termes que la transformée de Fourier d’une fonction appartenant à S est une fonction de
S.
En effet, on remarque,
1. Si f ∈ S(R), alors tout polynôme t → P (t), la fonction P f : t → P (t)f (t) est une
fonction de S(R).
2. Si f ∈ S(R), alors f 0 ∈ S(R) et plus généralement, toutes les dérivées f (k) de f sont
des fonctions de S(R).
3. S(R) ⊂ L1 (R).
On déduit de ces remarques que la transformation de Fourier est bien définie sur S(R) :
toute fonction de S(R) possède une transformée de Fourier bornée. De plus, si f ∈ S(R),
alors pour tout k, tk f (t)
est aussi dans S(R) et est ainsi intégrable ; donc fˆ ∈ C k (R), et ce pour tout k. Donc
f ∈ C ∞ (R).
Le même raisonnement s’applique à toutes les dérivées de f : f (k) ∈ S(R) implique
que la fonction ω → ω k fˆ(ω) est bornée, et ce quel que soit k. Donc nous avons montré
que la transformée de Fourier ω → fˆ(ω) de toute fonction f ∈ S(R) est elle même une
fonction de S(R).
3.4 Transformée de Fourier d’une distribution tempérée

3.4.1 L’espace S 0 des distributions tempérées
Définition 3.4.1 Soit T : D(R) → R une distribution. T est dite tempérée si et seule-
ment si T est continue au sens S, c’est à dire continue sur D(R) muni de la topologie
induite sur R. En d’autres termes si et seulement siT ∈ D0 (R) vérifie
∃C > 0, ∃k, l ∈ N, | < T, ϕ > | ≤ Cpk,l (ϕ)
où pk,l (ϕ) = α≤k, β≤l kxα ϕ(β) k∞ .
P
On note par S 0 l’espace des distributions tempérées.
0
S est le dual topologique de S.
Proposition 3.4.1 Si T ∈ S 0 alors toutes les distributions xk T (l) ∈ S 0 pour tout k, l.
Preuve. < xT, ϕ >=< T, xϕ > pour tout ϕ ∈ S et on a xϕ ∈ S. D’où | < xT, ϕ > | ≤
Cpk+1,l (ϕ)
< T 0 , ϕ >= − < T, ϕ0 > pour tout ϕ ∈ S et on a ϕ0 ∈ S. D’où | < T 0 , ϕ > | ≤ Cp1,l+1 (ϕ).
Et on fait une récurrence.
Proposition 3.4.2 On dit la suite (Tj ) de distributions tempérées converge vers T dans
S 0 si :
∀ϕ ∈ S, < Tj , ϕ >→< T, ϕ >
(l)
Si (Tj )j∈N est une suite de S 0 telle que Tj → T dans S 0 alors pour tout l ∈ N, Tj → T (l) .
Exemple 3.4.1 1. f ∈ L1 (R) alors la distribution associée à f est une distribution

tempérée. R R
En effet < Tf , ϕ >= | R f (x)ϕ(x)dx| ≤ ( R |f (x)|dx)kϕk∞ = Cp0,0 (ϕ).
2. f ∈ Lp (R) pour 1 ≤ p ≤ ∞ alors la distribution associée à f est une distribution
tempérée.
< Tf , ϕ >≤ Cp2,0 (ϕ)

1 1
En effet f ∈ Lp (R) et ϕ ∈ S ⊂ Lq () tel que p
+ q
= 1, l’inégalité de Holder
Z
| f (x)ϕ(x)dx| ≤ kf kLp (R) kϕkLq (R)
R
Or on a pour tout ϕ ∈ S alors pour 1 ≤ q ≤ ∞,
kϕkLq ≤ Cp2,0 (ϕ).
3. Toute fonction à décroissance lente définit une distribution tempérée.

On appelle fonction à décroissance lente , une fonction ϕ ∈ C ∞ (R) bornée par un
polynôme ainsi que toutes ses dérivées : ϕ ∈ C ∞ (R) et
√
∀l ∈ N, ∃Cl > 0, ∃ml ∈ N, ∀x ∈ R, |ϕ(l) (x)| ≤ Cl 1 + x2 )ml
On prend donc l=0 dans la d’efinition. On obtient pour ϕ ∈ S :

Z Z √ m0 1
| f (x)ϕ(x)dx| ≤ C 0 1 + x2 |ϕ(x)|(1 + x2 ) dx
R R 1 + x2
Z
1
≤ Cpm0 +2,0 (ϕ) (1 + x2 ) dx.
R 1 + x2
4. Tout polynôme est à croissante lente et définit une distribution tempérée.
5. δ la masse de dirac à l’origine est une distribution tempérée tempérée ainsi que
toutes ses dérivées.
En effet ϕ(l) (0) ≤ kϕ(l) k = p0,l (ϕ).
6. Toute distribution à support compact est tempérée.
en effet, onnrappelle que toute distribution à support compact est d’ordre fini, donc
il existe m ∈ N, tel que
∃C > 0, ∀ϕ ∈ D(R) on a < T, ϕ >≤ Cp0,m (ϕ).
3.4.2 Transformée de Fourier d’une distribution tempérée

Définition 3.4.2 Pour tout T ∈ S 0 , on définit sa transformée de Fourier par dualité :
∀ϕ ∈ S, < T̂ , ϕ >=< T, ϕ̂ > .
Exemple 3.4.2 1.
Z Z Z
1
< T̂f , ϕ >=< Tf , ϕ̂ >= f (ω)ϕ̂(ω)dω = √ f (ω) ϕ(x)e−ixω dxdω
R 2π R R
Z Z Z
1
=√ f (ω)e−ixω dω ϕ(x)dx = fˆ(x)ϕ(x)dx
2π R R R
=< T ˆ, ϕ >=< fˆ, ϕ >

f
2. Transformées de Fourier de δa et de δ 0 a.
Z
1
< δ̂a , ϕ >=< δ, ϕ̂ >= ϕ̂(a) = √ ϕ(x)e−iax dx,
2π R
et donc
1
δba = √ e−iax dans S 0 .
2π
Les transformées de Fourier des Dirac sont des distributions régulières. En particu-
lier
1
δb0 = √
2π
3. Pour ϕ ∈ S,
< δba0 , ϕ >=< δa0 , ϕ b0 >
b >= − < δa , ϕ
= −ϕb0 (a) == ic
xϕ(a) = i < δ, xϕ ˆ >= i < δa , xϕ >= i < xδba , ϕ >
d’où
i i
δ[0
a (x) = √ xe−iax , δ[
0 (x) = √ x.
2π 2π
Par une récurrence on a
\
(k) ik ik k
δa (x) = √ xk , δ\
(k) (x) = √ x .
2π 2π
Chapitre 4
exercices
Exercice 4.0.1 On considère la fonctionf définie pour tout x ∈ R∗ par f (x) = Y (x)xeλx ,
où Y (x) désigne la fonction de Heaviside définie sur R par Y (x) = 0 si x < 0 et Y (x) = 1
si x > 0.
1) Justifier pourquoi f est une distribution.
2) Calculer au sens des distributions
d2 df
− λf .
dx2 dx
Solution 4.0.1 1) La fonction f étant définie continue partout sur R, sauf peut être en
0, est localement intégrable sur R. Elle est définit donc une distribution.
2)
d2 df d3 f d2 f
− λf = − λ
dx2 dx dx3 dx2
La fonction xeλx ∈ C ∞ (R), on a
df
= Y 0 (x)xeλx + Y (eλx + λxeλx ) = Y (eλx + λxeλx )
dx
car Y 0 xeλx = δxeλx = 0.
En dérivant une seconde fois, on obtient
d2 f
2
= Y 0 (eλx + λxeλx ) + Y (2λeλx + λ2 eλx )
dx
et tenant compte du fait que Y 0 xeλx = xδeλx = 0 et Y 0 eλx = δ on a
d2 f
= δ + Y (2λeλx + λ2 xeλx )
dx2
Une troisième dérivation donne
d3 f
= δ 0 + 2λδ + Y (3λ2 eλx + λ3 xeλx )
dx3
39
d’où finalement
d2 df
2
− λf = δ 0 + 2λδ + Y (3λ2 eλx + λ3 xeλx ) − λδ + λY (2λeλ + λ2 xeλx )
dx dx
= δ 0 + λδ + λ2 Y eλx .
Exercice 4.0.2 1. Soit Ω un ouvert de Rn , on définit la masse de Dirac en a par
∀ϕ ∈ D(Ω), < δa , ϕ >= ϕ(a).
Montrer que δa définit bien une distribution.

2. Soit f une fonction localement intégrable définit de Ω −→ C. On définit la relation
suivante Z
∀ϕ ∈ D(Ω), < Tf , ϕ >= f ϕ.
Ω
Vérifier que Tf définit bien une distribution.
Solution 4.0.2 Soit K un compact inclus dans Ω. Si a ∈ Ω, alors pour tout ϕ ∈

DK (Ω), | < δ, ϕ > | = ϕ(a) ≤ supx∈K |ϕ|.
Si a n’appartient pas à Ω,alors pour tout ϕ ∈ DK (Ω), ϕ(a) = 0 et donc | < δ, ϕ > | =
0 ≤ supx∈K |ϕ|.
Ce qui assure la continuité de δa . La lináritést évidente.
2)Soit K un compact inclus dans Ω et soit ϕ ∈ DK (Ω), alors
Z
| < Tf , ϕ > | = sup |ϕ| |f |
x∈K K
ce qui prouve la continuité de Tf . La linéarité découle de la linéarité de l’intégrale.
Exercice 4.0.3 1) La relation T qui, à toute fonction ϕ de l’espace fonctionnel D associe

le nombre Z 1
< T, ϕ >= (ϕ(x))2 dx
0
0
définit-elle une distribution de D (R)?
2) La relation T qui, à toute fonction ϕ de l’espace fonctionnel D associe le nombre
Z 1
< T, ϕ >= ϕ(x)dx
0
définit-elle une distribution de D(R)?

R1
Solution 4.0.3 1) On peut d’abord remarquer que l’ intégrale 0 (ϕ(x))2 dx est toujours
définie quelle que soit la fonction ϕ de D. En effet, la fonction ϕ est continue donc la
fonction t 7→ (ϕ(x))2 est aussi continue. Conséquemment, son intégrale sur [0, 1] est bien
définie. Pour que T soit une distribution, il faut qu’elle soit linéaire. En d’autres termes,
il faut que l’on ait
< T, αϕ1 + βϕ2 >= α < T, ϕ1 > +β < T, ϕ2 >
pour toutes les constantes α, β et pour toutes les fonctions ϕ1 , ϕ2 dans D. Or, cette
égalité n’est pas vérifié. En effet, prenons β = 0 et α = −1. Alors on a
Z 1 Z 1
2
(ϕ1 (x)) dx = − (ϕ(x))2 dx,
0 0
pour toute fonction ϕ ∈ D. Ceci n’est pas vérifié car il existe des R 1 éléments de D non
entièrement nuls. 2)On peut d’abord remarquer que l’intégrale 0 ϕ(x)dx est toujours
définie quelle que soit la fonction ϕ de D. En effet, la fonction ϕ est continue. Conséquemment,
son intégrale sur [0, 1] est bien définie.
Pour que T soit une distribution, il faut qu’elle soit linéaire. En d’autres termes, il faut
que l’on ait
< T, αϕ1 + βϕ2 >= α < T, ϕ1 > +β < T, ϕ2 >
pour toutes les constantes α, β et pour toutes les fonctions ϕ1 , ϕ2 dans D. Or, cette
égalité est une conséquence immédiate de la linéarité de l’intégrale. Prouvons maintenant
la continuité. On se donne une suite de fonctions (ϕk )k∈N dans D qui converge vers une
fonction ϕ quand k tend vers l’infini. On a alors
Z 1 Z 1 Z 1
| < T, ϕk > − < T, ϕ > | = | ϕk dx− ϕ(x)dx| ≤ |ϕk (x)−ϕ(x)|dx ≤ sup |ϕk (x)−ϕ(x)|
0 0 0 x∈R
On a donc bien la continuité. Ainsi, la relation T est une distribution dans D.
Exercice 4.0.4 a) Calculer la dérivée au sens des distributions de la fonction de Heavi-

side Ha = 1[ a, +∞]
b) Montrer que la fonction x 7→ |x| n’est pas dérivable en 0 au sens classique. Montrer
qu’elle dérivable au sens des distributions, et que sa dérivée vaut :
(|x|)0 = −H0 (−x) + H0 (x) = −1R− (x) + 1R+ (x) dans D0 (R).
c) Calculer la dérivée au sens des distributions de la fonction x 7→ ln |x|.
Solution 4.0.4 a) Ha n’est pas continue en a donc n’est pas dérivable en a. Mais elle est
L1loc (R), donc dérivable au sens des distributions : Soit THa = Ha la distribution associée.
On note THa0 = Ha0 . Alors pour tout ϕ ∈ D(R) on a :
Z ∞
0 0
< Ha , ϕ >= − < Ha , ϕ >= − ϕ0 (x)dx = −[ϕ(x)]∞a = ϕ(a) =< δa , ϕ >
a
car ϕ ∈ D(R) implique ϕ(∞) = 0. D’où Ha0 = δa dans D0 (R).

b) La fonction |x| est L1loc (R), soit T|x| = |x| la distribution régulièreassociée. Notons
0
T|x| = (|x|)0 sa dérivée . Pour ϕ ∈ D(R), on a
Z Z 0 Z ∞
0 0 0 0
< |x| , ϕ >= − < |x|, ϕ >= |x|ϕ (x)dx = (−x)ϕ (x)dx + xϕ0 (x)dx
R −∞ 0
puis par intégration par partieson obtient < |x|0 , ϕ >=< (−H0 ), ϕ > + < H0 , ϕ > . Ce
résultat était attendu, car effectivement, là où elle est définie classiquement la dérivée
vaut -1 sur R∗− et +1 sur R∗+ .
2 2
Exercice 4.0.5 Soit la suite de fonctions fn (x) = sinnx2nx , n ≥ 1, définie par fn (x) = sinnx2nx
si x 6= 0 et fn (0) = 0.
1) Montrer que fn définit une distribution Tfn , pour tout n ≥ 1.
2) Soit ϕ ∈ D(R),
2 2 2 2
a) Montrer que sint2 t ϕ( nt ) → sint2 t ϕ(0) lorsque n → +∞ et que | sint2 t ϕ( nt )| ≤ M sint2 t , où
M est une constante positive qui dépend de ϕ.
2 2
b) Montrer que R sinnx2nx ϕ(x)dx = R sint2 t ϕ( nt )dt.
R R
3) Déduire de ce qui précède la limite de Tfn dans D0 (R).

2
On admettra que R sint2 t dt = π.
R
B. Soit gn (x) = ne−n|x| , n ≥ 0. En utilisant une démarche analogue à celle de A, calculer

dans D0 (R), la limite de la suite Tgn .
Solution 4.0.5
Exercice 4.0.6 Soit f et g deux fonctions de carrés sommables. Montrer que leur produit
de convolution existe.
Solution 4.0.6 Leur produit de convolution existe si l’int’grale

Z
f (y)g(x − y)dy converge.
R
En d’autres termes, y 7−→ f (y)g(x − y) est intégrable pour tout x. Or d’après Cauchy-
Schwatrz, on a
Z sZ Z
|f (y)g(x − y)|dy ≤ |f (y)| dy |g(x − y)|2 dy
2
R R R
sZ Z
= |f (y)|2 dy |g(z)|2 dz < ∞
R R
après avoir effectué le changement de variable z = x − y et en utilisant la sommabilité de

f 2 et de g 2 . L’intégrale converge, donc le produit de convolution converge pour tout x ∈ R.
Exercice 4.0.7 On rappelle que la dérivée au sens des distributions de la distribution

0
régulière àssocièe à la fonction localement sommable x 7−→ Sign(x) est TSign = 2δ0 .
En déduire la dérivée au sens des distributions de la fonction x 7−→ |x|.
Solution 4.0.7 |x| = xSign(x), on peut donc dériver comme suit :
d d
|x| = (xSign(x)) = Sign(x) + xSign0 (x) == Sign(x) + 2xδ.
dx dx
d
Or on a < xδ, ϕ >=< δ, xϕ >= (xϕ(x))(0) = 0 donc xδ = 0, on en déduit que dx
|x| =
Sign(x).
Exercice 4.0.8 Montrer que V p( x1 ) définit par

Z
1 ϕ(x)
< V p( ), ϕ >= lim dx
x →0 |x|> x
est une distribution d’ordre exactement 1. Montrer aussi que xV p( x1 ) = 1, et que supp(V p) =
R.
Solution 4.0.8
Exercice 4.0.9 Calculer δ 0 ∗ δ 0 .

2. Soient T et S deux distributions sur R, S étant à support compact ; X n désigne la
fonction x 7→ xn . Démontrer la formule suivante :
n
X
n
X (T ∗ S) = Cnk (X k T ) ∗ (X n−k S).
k=0
3. Soit T ∈ D0 (R). Montrer qu’il existe une distribution E à support compact telle que
E ∗ T = T (k) .
4. Montrer que δa ∗ T = τa T, où τa T est ladistribution définie par (τa T )φ) = T (φ(· + a)).
5. Soient S et T deux distributions convelables. Montrer que Supp(S ∗ T ) ⊂ Supp(S) +
Supp(T ).
6. Soient f1 et f2 ∈ L1loc (R), Y la fonction de Heaviside.
R x Montrer que TY f1 et TY f2 sont
convelables et que TY f1 ∗ TY f2 = TF avec F (x) = Y (x) 0 f1 (t)f2 (x − t)dt.
Solution 4.0.9
Exercice 4.0.10 Résoudre au sens des distributions l’équation suivante (on précisera la
solution fondamentale)
T ” − 4T 0 + 2T = δ0 .
Solution 4.0.10 On commence par résoudre l’équation homogène
T ” − 4T 0 + 2T = 0
Les solutions sont les distributions [y] où y est une solution ( de l’équation y”−4y+2y = 0.
Pour calculer explicitement ces solutions on résout d’abord l’équation caractéristique
r2 − 4r + 2 = 0.
√
On trouve deux solutions distinctes réelles r = 2 ± 2. La solution générale de l’équation
y” − 4y + 2y = 0 est donc
√ √
y(x) = Ae(2+ 2)x
+ Be(2− 2)x
avec A, B ∈ R.
Pour réspudre l’équation il nous reste à trouver une solution particulière. On cherche une
telle solution sous la forme [y0 ] avec

0 si x < 0
y0 (x) = √ √
(2+ 2)x
√ √ (4.1)
(2 + 2)A0 e + (2 − 2)B0 e(2− 2)x si x > 0
et, d’après la formule des sauts, on a :

√ √
[y00 ] = [y0 ”] + ((2 + 2)A0 + (2 − 2)B0 )δ
On en conclut que l’on a :

√ √
[y0 ]” = [y0 ”] + ((2 + 2)A0 + (2 − 2)B0 )δ + (A0 + B0 )δ 0
et donc l’on a
√
[y0 ]” − 4[y0 ]0 + 2[y0 ] = 2(A0 − B0 )δ − 2(A0 + B0 )δ + (A0 + B0 )δ 0 .
On est donc conduit à résoudre le système d’équations

√
A0 + B0 = 0 et 2(A0 − B0 ) = 1.
1
On obtient A0 = −B0 = √
2 2
. Finalement la solution générale de (1) est de la forme [f ]
où ( √ √
Ae(2+√2)x + Be(2− 2)x si x√< 0
f (x) = (4.2)
(A + 2√1 2 )e(2+ 2)x + (B − 2√1 2 )e(2− 2)x si x > 0
avec A, B ∈ R.
Exercice 4.0.11 Soit Π la fonction porte définie par
1 si |x| < 12

Π(x) = (4.3)
0 si |x| ≥ 12
Soit a un réel positif donné.

1. Calculer fa (x)Π(x) ∗ Π(x) et donner l’allure du graphe de la fonction fa .
2. Calculer (1 ∗ δ) ∗ H et 1 ∗ (δ 0 ∗ H). Conclusion ?
3. Montrer que si f et g sont deux fonctions localement et H la fonctionde Heaviside, le
produit de convolution : H(x)f (x) ∗ H(x)g(x) à toujours un sens si le résultat est pris au
sens des distributions et ce derné est donné par
Z x
H(x) f (t)g(x − t)dt.
0
Calculer
H(x) sin x ∗ H(x) cos x.
Exercice 4.0.12 Déterminer les transformées de Fourier de H(x) et H(−x). En déduire

la transformée de Fourier de f (x) = ei2π|x| .
2. On note V p( u1 ) la distributionvaleur principale de Cauchy de u1 et on pose
1 1
T1 (x) = (1 − x2 )Vp ( ) et T2 (x) = (1 − x2 )Vp ( ).
x−1 x−1
Ecrire, pour ϕ ∈ D les expressions de < T1 , ϕ > et < T2 , ϕ > .
Application :
trouver une distribution T vérifiant l’équation l’équation :
i
(1 − x2 )T = .
π
3. Calculer la dérivée seconde au sens des distributions de f (x). En déduire l’équation
différentielle satisfaisant sens des distributions par f. Que peut-on en déduire pour la
transformée fˆ(σ) de f ?

Distributions PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Distributions PDF

Transféré par

Droits d'auteur :

Formats disponibles

Table des matières

2 Convolution des distributions 21

Dans un premier temps, nous présentons la notion de distribution, généralisant la no-

1.1 Rappels sur les espaces de Lebesgue

L∞ (Ω) = {u : Ω → C, ∃a ≥ 0, |u(x)| ≤ a, p.. x ∈ Ω}.

Rappelons tout d’abord qu’en notant χI l’indicatrice d’un domaine I ⊂ R :

L1loc (Rn ) = {f : Rn → C, f χΩ ∈ L1 (R) ∀Ω ⊂ Rn compact}. (1.2)

1.2 L’espace D(Ω) des fonctions test

Définition 1.2.1 Soit ϕ : Ω −→ C une fonction continue. On appelle support de ϕ noté

Pn+1 (x) = −X 2 (Pn0 (X) + Pn (X)), n ≥ 0.

Il est clair que F ∈ C ∞ (R) et que supp(F ) = [a, b].

G(x) = Πnk=1 E(ak − xk )E(xk − bk ) pour tout x = (x1 , . . . , xN ) ∈ Rn .

On vérifie que G ∈ C ∞ et que supp(G) = [a1 , b1 ] . . . [aN , bN ].

suppθ1 (x) = {x ∈ R, θ1 (x) 6= 0} = [−1, 1] qui est un compact de R et θ1 (x) est

Exemple 1.2.3 Si f ∈ D(Ω) et g ∈ C ∞ (Ω) alors f g ∈ D(Ω).

1.3 La notion de distribution

Définition 1.3.1 Etant donné un espace fonctionnel E, on définit l’espace dual de E,

< T, λf + µg >= λ < T, f > +µ < T, g >,

Définition 1.3.2 On appelle distribution sur Ω toute application linéaire continue de

Si Ω est un sous ensemle ouvert de Rn et K un sous ensemble de Ω, on notera K ⊂⊂ Ω

Si K ⊂⊂ Ω, on note DK (Ω) l’ensemble des fonctions ϕ ∈ D(Ω) telles que supp ϕ ⊂ K.

∀K ⊂⊂ Ω, ∃N ∈ N ∃C > 0, ∀ϕ ∈ DK (Ω), |T (ϕ)| ≤ C sup sup |∂ α ϕ|.

1.3.2 Quelques exemples de distributions

– Si a ∈ Ω, on définit la distribution de Dirac δa en a par ∀ϕ ∈ D(Ω), < δa , ϕ >=

Comme f, ϕ ∈ D(R), cette intégrale est absoluement convergente. De plus, il est

ce qui prouve bien la continuité de T.

Ainsi, à toute fonction de localement intégrable f , on peut associer une distribution,

L1loc (Rn ) = {f : Rn → C, f χΩ ∈ L1 (R) ∀Ω ⊂ Rn compact}. (1.5)

On associe à toute fonction f ∈ L1loc (Rn ) la distribution régulière Tf définie par

Exercice 1.3.1 Montrer que V p( x1 ) est une distribution

L’intégrale est calculer sur un compact, le support de ϕ − ϕ− , si ϕ− = ϕ(−x)

4. Distribution Partie finie de x12 et de x13

En raisonnant comme pour V p( x1 ), on montre que

| < P f ( x12 ), ϕ > | ≤ 2mkϕ”k∞ ,

Exercice 1.3.2 Soit Ω un ouvert de Rn et a ∈ Ω. Montrer qu’il n’existe pas de fonction

On peut utiliser des distributions unidimensionnelles pour construire des distributions

De façon général, étant donnés T, S ∈ D0 (R), T agissant sur la variable x et S sur la

< T ⊗ S, ϕ >=< T, < S, ϕ >>=< S, < T, ϕ >>

1.3.3 Convergence dans D0 (Ω)

< Tp , ϕ >→< T, ϕ > pour p → +∞, ∀ϕ ∈ D(Ω).

Exemple 1.3.1 Considérons la suite de fonctions fp : R → C,

avec ap ∈] − p1 , p1 [. Comme |ap | < p1 , ap → 0 lorsque p → +∞ et comme ϕ est continue

< Tfp , ϕ >→ ϕ(0) =< δ, ϕ >

donc fp → δ au sens D0 (Ω).

Exercice 1.3.3 Montrer les convergences au sens des distributions lorque n → +∞ ou

Mais on | R f (y)ϕ( ny )dy| ≤ kϕk∞ R f (y)dy = kϕk∞ . Donc en passant à la limite

par convergence dominée on a

∀x 6= 0 : Rlima→0 fa (x) = 0 (1.11)

< lim fa , ϕ >=< δ, ϕ > .

1.3.4 Dérivation des distributions

< f 0 , ϕ >= − < f, ϕ0 > .

< Dα T, ϕ >= (−1)|α| < T, Dα ϕ >, ∀ϕ ∈ D(Ω).

< T (k) , ϕ >= (−1)k < T, ϕ(k) >, ∀ϕ ∈ D(Ω).

Définition 1.3.7 On appelle fonction de Heaviside, la fonction H : R −→ C définie

Proposition 1.3.1 La dérivée de la fonction de Heaviside H au sens des distributions

Preuve. Soit ϕ ∈ D(Ω),

donc (TH )0 = δ au sens des distributions i.e. H 0 = δ.

< T 0 , ϕ >= − < T, ϕ0 >

1.3.5 Ordre d’une distribution

| < T, ϕ > | ≤ CK sup sup |Dα ϕ(x)|, ∀ϕ ∈ D(Ω) : suppϕ ⊂ K.

Remarque 1.3.2 1. Si l’ordre de T est p celui de T 0 est au plus p + 1.

3. La distribution de Heaviside H est d’ordre zéro ; sa dérivée δ est d’ordre au plus 1,

4. La distribution singulière V p( x1 ) est d’ordre 1 ; sur un compact K ne contenant pas

où on a supposé que r → 0+ .

Posons T = T ∗ ξ . Alors, pour tout > 0, on a

T ∈ C ∞ (Rn ) et T → T dans D0 (Rn ) lorsque → 0+ .