Académique Documents
Professionnel Documents
Culture Documents
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
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.
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.
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
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.
on définit
L1loc (R) = {f : R → C, f χI ∈ L1 (R) ∀I ⊂ R borné}.
En dimension n on définit
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.
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,
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.
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
2. Continuité
fn → f dans E =⇒< T, fn >→< T, f > 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).
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 La notion de distribution 9
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
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
1 Z ϕ(x) ϕ(0)
< P f ( 2 ), ϕ >= 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)
< P f ( 3 ), ϕ >= lim+ 3
dx − 2
x →0 |x|≥ x
Z +∞ Z +∞
= v(x) u(y)ϕ(x, y) dx
−∞ −∞
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.
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
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
Définition 1.3.5 Une suite Tp est une suite de Dirac si sa limite est δ.
1.3 La notion de distribution 13
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
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
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
[f (x)ϕ(x)]+∞
−∞ étant nulle car ϕ ∈ D(R), donc on a
∂
(Tu ) = T ∂u .
∂xi ∂xi
1.3 La notion de distribution 15
La fonction H(x) ∈ L1loc (R), donc elle peut être vu comme une distribution sur R.
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 >= − < P f ( 2 ), ϕ (x) >= 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
1.3 La notion de distribution 16
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.
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.
1.3 La notion de distribution 17
7. Toute distribution à support compact est d’ordre fini d’après la définition de la conti-
nuité.
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.
∂ ∂g ∂T
(g · T ) = T +g· .
∂xi ∂xi ∂xi
1.3 La notion de distribution 18
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
xT = 1,
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 La notion de distribution 19
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
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 ).
1.3 La notion de distribution 20
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
et donc
| < T, ϕ > | ≤ C2 sup sup |Dα (θϕ)|,
|α|≤N x∈K
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 .
kf ∗ gkp ≤ kf k1 kgkp ,
i.e L1 (R) ∗ Lp (R) ⊂ Lp (R).
Preuve. Exercice
Remarquons que H ≥ 0 sur Rn et que H > 0 sur B(0, 1), de sorte que
Z
H(x)dx > 0.
Rn
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.
Ainsi donc on a
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 :
< (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 > .
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
δ0 ∗ T = T 0 = T ∗ δ0
ϕ̃(x) = ϕ(−x)
τx :7−→ τx (y) = y + x;
ceci entraine
T ∗ ϕ(x) =< T, ϕ(x − ·) >= 0.
Par conséquent,
ce qui montre que cet ouvert est inclus dans le complémentaire du support de T ∗ ϕ
et que
Dα (S ∗ f ) = (Dα S) ∗ f = S ∗ (Dα f ).
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
ξ˜n ∗ 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+ .
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
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
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
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 −∞
−ax2 (ω) = √
1 − ω2
e[ e 4a ,
2a
3.2 Transformée de Fourier de fonctions 33
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 :
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
|fˆ(ω + δ) − fˆ(ω)| ≤ .
Preuve. Exercice
(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
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
Ckl
∀(k, l) ∈ N2 , ∃Ckl > 0, ∀x ∈ R∗ , |ϕ(l) (x)| <
|xk |
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
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
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 ).
∂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).
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) .
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).
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
3.4 Transformée de Fourier d’une distribution tempérée 40
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 .
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
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
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).
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
3.4 Transformée de Fourier d’une distribution tempérée 42
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
Solution 4.0.5
Exercice 4.0.6 Soit f et g deux fonctions de carrés sommables. Montrer que leur produit
de convolution existe.
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
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).
est une distribution d’ordre exactement 1. Montrer aussi que xV p( x1 ) = 1, et que supp(V p) =
R.
Solution 4.0.8
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 .
3.4 Transformée de Fourier d’une distribution tempérée 44
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 donc l’on a
√
[y0 ]” − 4[y0 ]0 + 2[y0 ] = 2(A0 − B0 )δ − 2(A0 + B0 )δ + (A0 + B0 )δ 0 .
1 si |x| < 12
Π(x) = (4.3)
0 si |x| ≥ 12
3.4 Transformée de Fourier d’une distribution tempérée 45
Calculer
H(x) sin x ∗ H(x) cos x.
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 ?