Vous êtes sur la page 1sur 36

Chapitre 1: Introduction aux distributions

Mme Ouahiba Benmessaouda

EMSI Marrakech

October 28, 2020

1 / 36
I. Rappel
1. Espace vectoriel

Dénition
Un espace vectoriel est un ensemble non nul E muni de
I une loi de composition interne + telle que:
v1 et v2 deux vecteurs de E ⇒ v1 + v2 ∈ E
I une loi de composition interne · telle que:
λ ∈ K ( K est souvent R ou C), v ∈ E , on a λ · v ∈ E

Remarqe:
I Si K = R on parle d'un R-espace vectoriel
I Si K = C on parle d'un C-espace vectoriel
Exemple: Le R- espace vectoriel R2

2 / 36
I. Rappel
1. Espace vectoriel

Exemple: Le R- espace vectoriel R2

K = R et E = R2 = {(x , y )/x ∈ R, y ∈ R}
Soit

u ∈ E ⇒ u = (ux , uy )
v ∈ E ⇒ v = (vx , vy )

u + v = (ux , uy ) + (vx , vy ) = (ux + vx , uy + vy ) ∈ E


Soit λ ∈ R λu = λ(ux , uy ) = (λux , λuy ) ∈ E
⇒ R2 est un espace vectoriel.

3 / 36
I. Rappel
2. Espace fonctionnel

C'est un espace vectoriel dont les vecteurs sont des fonctions.


Soit F(R, R) l'ensemble des fonctions de R → R
Pour f , g ∈ F(R, R)
I f + g est déni par

∀x ∈ R (f + g )(x ) = f (x ) + g (x )
I λ ∈ R (λf )(x ) = λf (x )
Exemple
C([a b ]), R) est un R-espace vectoriel des fonctions continues dans R
sur [a b]
Soit f , g ∈ C ⇒ f + g ∈ C
λ ∈ R ⇒ λf ∈ C

4 / 36
I. Rappel
3. locale sommabilité- sommabilité

Soit f une fonction non nécessairement dénie partout sur un intervalle


I ⊂ R ou I ⊂ C
a. localement sommable
f est localement sur I si elle est absolument intégrable sur tout
intervalle fermé [a b] de I
Rb
c-à-d pour tout fermé [a b] ⊂ I a |f (x )|dx < ∞

Notation:
L'ensemble des fonctions localement sommables est noté L1loc (I)

Exemple:
f (x ) = 1, x ∈ R,

5 / 36
I. Rappel
3. locale sommabilité- sommabilité

Exemple:
f (x ) = 1, x ∈ R, R
b Rb
Pour tout [a b] a |f (x )|dx = a 1dx < ∞ = [x ]ba = b − a < ∞
⇒ f ∈ L1loc (R)

6 / 36
I. Rappel
3. locale sommabilité- sommabilité

Soit f une fonction non nécessairement dénie partout sur un intervalle


I ⊂ R ou I ⊂ C
b. sommable
Une fonction est sommable si elle est absolument intégrable sur R
c-à-d R |f (x )|dx < ∞
R

Notation:
L'ensemble des fonctions localement sommables est noté L1 (R)

Remarque: L1 et L1loc sont des espaces fonctionnels.


Exemples:
I f (x ) = x12

7 / 36
I. Rappel
3. locale sommabilité- sommabilité

Exemples:
I f (x ) = x12

1
Z Z
|f (x )|dx = dx
R R x2
1
 +∞
= − =0
x −∞

⇒ f est sommable.
I f (x ) = cosx 2x

8 / 36
I. Rappel
3. locale sommabilité- sommabilité

Exemples:
I f (x ) = cosx 2x
On a:

∀x ∈ R | cos x | ≤ 1
cos x 1
⇒ | 2 |≤ 2
x x
1
⇒ |f (x )| < 2
x
⇒ f est sommable
1dx
R
I R

9 / 36
I. Rappel
3. locale sommabilité- sommabilité

Exemples:
1dx = [x ]+∞
R
I R −∞ = +∞
⇒ f n'est pas sommable.
f ∈ L1loc (R) mais f ∈/ L1 (R)

10 / 36
I. Rappel
4. Vérité presque partout

On dit qu 'une propriété est vraie presque partout (pp ) dans R si elle est
vraie ∀x ∈ R sauf pour un ensemble dénombrable négligeable de valeurs.

Exemple:
I fonction pp nulle
I fonction pp continue

Propriété:
Soit f une fonction presque partout nulle en A ⊂ R alors l'intégrale de f
en A est nulle.

11 / 36
II. Les distributions: motivation
1. Un premier exemple: densité massique

Considérons une masse unité (m = 1), répartie sur un axe (ox) ayant
pour densité fh où h ∈ R∗+

12 / 36
II. Les distributions: motivation
1. Un premier exemple: densité massique

Propriétés de fh
I fh (x ) ≥ 0 ∀x ∈ R
I fh (x ) = 0 si |x | ≥ h
I R fh (x )dx = m = 1
R

Q: Que se passe t-il si l'on compresse la masse en x = 0?


la masse n'est pas répartie le long de bâton, mais seulement en un point
( le milieu de bâton ).

13 / 36
II. Les distributions: motivation
1. Un premier exemple: densité massique

Q: Que se passe t-il si l'on compresse la masse en x = 0?


⇒ Il s'agit de considérer h → 0
Cette nouvelle forme de densité que l'on note δ a les propriétés suivantes:
I δ(x ) ≥ 0 ∀x ∈ R
I δ = 0 si x 6= 0
Et
I on voudrait R δ(x )dx = 1 (la
R

masse totale vaut 1)

P:
Il n'est pas possible de dénir une fonction qui vérie les trois propriétés
simultanément, car, l'intégrale d'une fonction pp nulle est nulle.

14 / 36
II. Les distributions: motivation
2. Exemple 2: Établissement d'un courant électrique

On considère le circuit suivant:

La fermeture de K permet l'établissement du courant suivant:

15 / 36
II. Les distributions: motivation
2. Exemple 2: Établissement d'un courant électrique

Établissement instantané
Il se présente par la fonction:

I =H:R → R
0 si t < 0

t →
1 si t ≥ 0
P: Dériver H!
H n 'est pas continue en 0 ⇒ H n'est pas dérivable!

16 / 36
II. Les distributions: motivation
2. Exemple 2: Établissement d'un courant électrique

Établissement instantané
S: des physiciens en 1920-1930
mettre une èche à l'origine sur l'axe des ordonnées de longueur 1 pour
indiquer que la fonction d'origine fait un saut deR 1.
Cet objet est appelé "impulsion de Dirac" avec R δ(t )dt = 1

Soucis: des mathématiciens


Comment étendre le formalisme générale de l'analyse fonctionnelle pour y
intégrer des objets mathématiques qui sont pas dénis en tant que des
fonctions, mais qui peuvent être dénis via des intégrales.
⇒ Théorie des distributions ( 1946).

17 / 36
II. Les distributions: motivation
2. Exemple 2: Établissement d'un courant électrique

Établissement instantané
Il se présente par la fonction:

I =H:R → R
0 si t < 0

t →
1 si t ≥ 0
P: Dériver H!
H n 'est pas continue en 0 ⇒ H n'est pas dérivable!

18 / 36
III. Dénitions et propriétés
1. fonctions test-Espace D

a. support d'une fonction


Soit f : R → R
Le support de f est le plus petit ensemble fermé en dehors duquel f est
nulle.
Exemple:

supp(f ) = [a b]

19 / 36
III. Dénitions et propriétés
1. fonctions test-Espace D

b. espace des fonctions test

L'espace des fonctions φ: R → R indéniment dérivable (φ ∈ C ∞ est à


support borné forme un espace vectoriel noté D.
Les fonctions φ de D sont appelées "fonctions test" ou "fonctions
d'essai".

Exemple:
Soit f : R → R tel que
1
(
f (x ) = ex
( −a)(x −b) si x ∈]a b[
0 si non
Montrer que f est une fonction test

20 / 36
III. Dénitions et propriétés
1. fonctions test-Espace D
b. espace des fonctions test
Exemple:
• f est par construction à support borné: supp(f ) = [a b]
• Vérions que f ∈ C
I sur ]−∞ a[∪]b + ∞[ f et f (n) sont nulles ∀n
1
sur ]a b [ f (x ) = fraction rationnelle × e x a x b
I (n ) ( − )( − )

⇒ f ∈ C ∞ ([a b [)
I en a et b on a:

∀x ∈]a b [ (x − a)(x − b ) < 0


1 1
⇒ lim e x a x b = 0 et
( − )( − ) lim e x a x b = 0 ( − )( − )
x →a + x →b −

Or le facteur exp gagne toujours sur le les termes polynomiaux


∀n ∈ N lim f (n) (x ) = lim f (n) (x ) = 0
x →a + x →b −

f (n ) ( a + ) = f (n ) ( a − )

On a donc ∀n ∈ N ⇒ f (n) ∈ C ∞ (R)
f (n ) ( b + ) = f (n ) ( b − )
⇒ f ∈ D(R)
21 / 36
III. Dénitions et propriétés
2. forme linéaire sur D: Distribution

a. fonctionnelle
On appelle fonctionnelle T sur un espace fonctionnelle F . Une
application de F dans R ou C et on note:

T :F → R ou C
f → < T,f >

Une fonctionnelle est une fonction des fonctions.


b. distribution
On appelle distribution toute fonctionnelle linéaire et continue sur D.

22 / 36
III. Dénitions et propriétés
2. forme linéaire sur D: Distribution

Commentaires
• Une distribution est une fonctionnelle et non pas une fonction.
• Soit T une distribution T :D→C
ϕ →< T , ϕ >
i) T est linéaire:
Pour ϕ1 et ϕ2 ∈ D; λ1 , λ2 ∈ C
< T , λ1 ϕ1 + λ2 ϕ2 >= λ1 < T , ϕ1 > +λ2 < T , ϕ2 >

ii) T est continue:


Soit
D
(ϕk )k >0 −→ ϕk → +∞,si
⇒ < T , ϕj >k −−−−→< T , ϕ >
k →+∞

Pour montrer qu'une fonctionnelle T sur D est une distribution,


nous allons se contenter de montrer que T est linéaire.

23 / 36
III. Dénitions et propriétés
3. Propriétés

0
L'ensemble des distributions est un espace vectoriel sur C noté D
• addition dans D
0

Soient T1 , T2 ∈ D , T1 + T2 est dénie par:


0

∀ϕ ∈ D < T1 + T2 , ϕ >=< T1 , ϕ > + < T2 , ϕ >

• multiplication par une constante


Soit T ∈ D λ ∈ C , on a:
0

∀ϕ ∈ D < λT , ϕ >= λ < T , ϕ >=< T , λϕ >


Remarque:0
Soit T ∈ D
T est nulle si ∀ϕ ∈ D < T , φ >= 0

24 / 36
III. Dénitions et propriétés
4. Les distributions régulières

A toute fonction f ∈ L1loc (R), on associe la distribution Tf dénie par:


Z
∀ϕ ∈ D < Tf , ϕ >= f (x )ϕ(x )dx
R

Tf est appelée distribution régulière, elle peut être notée aussi [f ], ou


simplement f .
Exemples:
• f (x ) = 1 ∀x ∈ R
f ∈ L1loc (R) ⇒ Tf est une distribution régulière telle que:
Z +∞ Z +∞
< [1], ϕ >= f (x )ϕ(x )dx = ϕ(x )dx ∀ϕ ∈ D
−∞ −∞

• f (x ) = e x ∀x ∈ R
f ∈ L1loc (R) ⇒ Tf est une distribution régulière telle que:
+∞ +∞
< [e x ], ϕ >= e x ϕ(x )dx
Z Z
f (x )ϕ(x )dx = ∀ϕ ∈ D
−∞ −∞

25 / 36
III. Dénitions et propriétés
5. Les distributions singulières

Ce sont les distributions non régulières


Exemple 1
• Distribution de Dirac δ
∀ϕ ∈ D < δ, ϕ >= ϕ(0)
• Distribution centrée en a

∀ϕ ∈ D < δa , ϕ >= ϕ(a)


Remarques:
I δa est souvent appelé masse de Dirac ou impulsion de Dirac au point
a.
I En physique, on écrit souvent δ(x ) ou δ(x − a) au lieu de δ et δa ,
cette écriture laisse croire que δ est une fonction, ce qui est faux.

26 / 36
III. Dénitions et propriétés
5. Les distributions singulières

Exemple 2: peigne de de Dirac δ


On la note x "Sha" telle que:

ϕ(n)
X X
< x, ϕ >= < δn , ϕ >=
n∈Z n∈Z
On peut souvent trouver la notation :

δ(t − n)
X
x=
n∈Z

27 / 36
III. Dénitions et propriétés
5. Les distributions singulières

Exemple 3: valeur principale de Cauchy de n1 (ou partie principale)


On la note 1
vp x ou pp x On considère la fonction dénie par:
1

f :R → R
1
x →
x
Q f ∈ L1loc (R)?
Il y a un problème en x =0
Z 0
lim f (x ) = ∞ et f (x )dx n0 existe pas
x →0 a
⇒ f ne peut pas dénir une distribution.
S Retirer [−ε ε] dans −∞ ϕ(xx ) dx puis faire tendre ε → 0
R +∞

On dénit alors la distribution vp ( x1 ):


1 −ε
ϕ(x ) +∞
ϕ(x )
Z Z
∀ϕ ∈ D < vp ( ), ϕ > = lim dx + dx
x ε→0+ −∞ x +ε x
ϕ(x )
Z
= lim dx
ε→0 |x |≥ε x 28 / 36
IV Opérations sur les distributions
1. translation

Soit f : R → R et a ∈ R
La translatée fa de f est la fonction de dénie par:
fa (x ) = f (x − a)
si f ∈ L1loc (R) ⇒ fa ∈ L1loc (R)
En tant que la distribution, fa agit ainsi:
Z Z
∀ϕ ∈ D < Tfa , ϕ > = fa (x )ϕ(x )dx = f (x − a)ϕ(x )dx
ZR R
Z
on pose y = x − a = f (y )ϕ(y + a)dy = f (y )ϕ−a (y )dy
R R
= < Tf , ϕ−a >

Généralement, la translatée d'une distribution quelconque T 0


∈ D notée
Ta est la distribution dénie par:

∀ϕ ∈ D < Ta , ϕ >=< T , ϕ−a >

29 / 36
IV Opérations sur les distributions
2. Dilatation

La dilatée de f est dénie par f(a) : x 7→ f (ax ). On suppose f ∈ L1loc (R),


La distribution associée vérie:
Z Z
∀ϕ ∈ D < Tf(a) , ϕ > = f(a) (x )ϕ(x )dx = f (ax )ϕ(x )dx
R R
f (y )ϕ( ya ) dya si a > 0
R

on pose y = ax
 R
=
− R f (y )(x )ϕ( ya ) dy si a < 0
 R
a
x dx
Z
= f (x )ϕ( )
R a |a|
1
= < Tf , ϕ( 1a ) >
|a |

Généralement, on a:

1
∀ϕ ∈ D < T(a) , ϕ >= < T , ϕ( 1a ) >
|a |

30 / 36
IV Opérations sur les distributions
3. multiplication gT quand g ∈ C∞
Soit f L1
∈ loc (R) et soitg : R 7−→ R
?
I si g ∈ L1loc (R) =⇒ f .g ∈ L1loc (R)
Exemple: On prend f = √1x ∈ L1loc (R) et g = √1x ∈ L1loc (R) mais
f .g = x1 ∈/ L1loc R
⇒ on peut pas dénir Tf .g .
I On suppose que g ∈ C ∞ et ϕ ∈ D ⇒ g .f ∈ D
Donc si Tf ∈ D alors:
0

Z
< Tf , g .ϕ > = f (x )g (x )ϕ(x )dx
Z
= f .g (x )ϕ(x )dx =< Tf .g , ϕ >

Dénition: Soit g ∈ C ∞ et T ∈ D
0

Le produit T par g est déni par:

∀ϕ ∈ D < g .T , ϕ >=< T , g .ϕ >


31 / 36
IV Opérations sur les distributions
3. multiplication gT quand g ∈ C∞

Exercice: Montrer que g δa = g (a)δa , g ∈ C∞.


Soit φ ∈ D

< g δa , ϕ > = < δa , g ϕ >= (g ϕ)(a) = g (a)ϕ(a)


= g (a) < δa , ϕ >
⇒ g .δa = g (a).δa
Cas particulier g (x ) = x

g δ = x δ = x (0)δ = 0.δ = 0
⇒ L'équation xT = 0 de distribution inconnue T a pour solutions les
multiples de δ

32 / 36
IV Opérations sur les distributions
4. dérivation d'une distribution

Soit f ∈ L1loc (R), on suppose que f ∈ L1loc (R)


0

On a ∀ϕ ∈ D
Z Z
< Tf , ϕ > f (x )ϕ(x )dx = [f f (x )ϕ (x )dx
0 +∞ 0
0 = ϕ]−∞ −
R R
− < Tf , ϕ >
0
=

Cela conduit à la dénition suivante:


a Dénition 0
Soit T ∈ D , la dérivée de T est notée T et est dénie par
0

∀ϕ ∈ D < T , ϕ >= − < T , ϕ >


0 0

b Prposition
Toute distribution est indéniment dérivable, et on a:

∀ϕ ∈ D, ∀T ∈ D < T (m) , ϕ >= (−1)m < T , ϕ(m) >


0

33 / 36
IV Opérations sur les distributions
4. dérivation d'une distribution

c Exemples
Exemple 1: Dérivées successives de Dirac

= − < δa , ϕ >= −ϕ (a)


0 0 0
∀ϕ ∈ D, < δa , ϕ >
(−1)2 < δa , ϕ >= ϕ (a)
00 00 00
< δa , ϕ > =

En générale
< δa(k ) , ϕ >= (−1)k ϕ(k ) (a)
Exemple 2: Dérivées de la fonction de Heaviside
H un échelon unité déni par H (x ) = 01 sisi xx < 0

Soit
≥0
H ∈ L1loc (R) ⇒ H dénit une distribution régulière TH .
Z +∞
< [H ] , ϕ >= − < [H ], ϕ >= − ϕ (x )dx = [−ϕ(x )]+∞
0 0 0
0 = ϕ(0)
0

⇒ [H ] = δ
0

34 / 36
IV Opérations sur les distributions
4. dérivation d'une distribution

d Formule des sauts


Soit f ∈ L1loc dérivable sur R sauf en x = a où elle admet une
discontinuité.
On note σ = f (a+ ) − f (a− ) le saut de f en a.

On a: Tf = Tf 0 + σδa
0

35 / 36
IV Opérations sur les distributions
4. dérivation d'une distribution

d Formule des sauts


Exemple: fonction de Heaviside
H est pp nulle ⇒ H
0 0
= 0 pp donc TH 0 = 0 et on a σ = 1
⇒ TH = δ .
0

c/c La discontinuité d'une fonction f se traduit en dérivation par


Dirac pondérée par l'amplitude du saut.

36 / 36

Vous aimerez peut-être aussi