Cours Belkoura Distributions

Introduction
Espaces des fonctions tests-Espaces des distributions

Opérations sur les Distributions
Convolution
Transformée de Fourier
Master Recherche AG2I, Systèmes à Etats Continus
Introduction aux distributions
Lotfi Belkoura
LAGIS (CNRS UMR 8146) & Projet ALIEN INRIA-Futurs,

Université des Sciences et Technologies de Lille, France,
lotfi.belkoura@univ-lille1.fr
Introduction aux Distributions AG2I SEC 1/ 74

Introduction
Convolution
1 Introduction
2 Espaces des fonctions tests-Espaces des distributions
3 Opérations sur les Distributions
4 Convolution
5 Transformée de Fourier

Introduction
Convolution
Introduction
La recherche de solutions classiques des équations différentielles est apparue

trop restrictive au début 20ème siècle → Notion de solution faible, introduite vers
1930 par J Leray et L. Sobolev, afin d’y inclure des objets plus singuliers.
Etablie vers les années 50 par Laurent Schwartz, la théorie générale des
distributions fournit un cadre rigoureux et des méthodes simples à appliquer à
de nombreux problèmes de la physique.
Diverses opérations sont légitimes au sens des distributions et non au sens des
fonctions → Evite des complications inutiles. (On peut par exemple, sans
hypothèses, ”dériver” une fonction localement sommable qui n’est pas dérivable
au sens des fonctions).
Elle apporte une justification complète et correcte des règles de calcul
symbolique utilisées auparavant.

Introduction
Convolution
Introduction
De Riemann à Lebesgue
Par les outils qu’elle met à disposition pour résoudre de nombreux problèmes
(convergence, Int. dépendant d’un paramètres, fonction définie par une intégrale,
etc...), la théorie de Lebesgue présente des avantages décisifs.
Au sens de Riemann, l’intégration d’une fonction f f (x)

consiste à approcher la surface comprise entre le
graphe et l’axe des abscisse par des petits
rectangles [ai1 , ai ]× ”hauteur moyenne” sur
l’intervalle. x
ai−1 ai
Au sens de Lebesgue, c’est l’axe des ordonnées qui
est découpé en petits intervalles pour approcher
l’intégrale par f (x)
Z X bi
f ≈ 0.5(bi−1 + bi ) × Ei . bi−1
i
x
La principale difficulté provient de la mesure des
Ei
ensembles Ei .

Introduction
Convolution
Introduction
Tribus et mesures
Tribu : Soit Ω un ensemble et B une famille de parties de P de Ω. B est dite une

tribu (ou σ-algèbre de Boole si) :
a) ∃P ∈ B, b) ∀P ∈ B, CΩ P ∈ B, c) ∀Pi , ∪∞
i=1 Pi ∈ B.
Ex : Ω = R, et B contient tous les intervalles du type ] − ∞, a], (tribu borélienne).

Mesure : On appelle mesure µ sur B toute application B ∋ P 7→ µ(P) ∈ C t.q. :
∞
X
a) µ(∅) = 0, b) ∀Pi , Pj , Pi ∩ Pj = ∅, µ(∪∞
i=1 Pi ) = µ(Pi );
i=1
Ex1 : µ(]a, b]) = b − a, (mesure de Lebsegue),

Rb
Ex2 : si ϕ est une fonction localement Riemann intégrable, µ(]a, b]) = a ϕ(x)dx,
Ex3 : µ(P) = 1 si a ∈ P, et 0 sinon (mesure de Dirac en a)
Fonction mesurable : Un application f (Ω → Ω′ ) est dite mesurable si
∀P′ ∈ B′ , f −1 (P′ ) ∈ B.

Introduction
Convolution
Introduction
Intégrale de Lebesgue
Fonction étagée : C’est une fonction ϕ(x) ne prenant qu’un nombre fini de
valeurs ϕ1 , · · · , ϕn . En notant Ei = {xi ; ϕ(x) = ϕi }, on définit son intégrale par :
Z X
n
ϕ dµ = ϕi µ(Ei )
i=1
Intégrale : toute fonction mesurable positive est limite d’une suite de fonction
étagée, et on définit son intégrale (peut être infinie) par :
Z Z
f dµ = sup ϕ dµ
R
Elle sera dite sommable si i) f est mesurable et ii) |f |dµ est finie.
Pour une fonction quelconque, on pose f = f+ − f− et par suite
Z Z Z
fdµ = f + dµ − f − dµ
ce qui définit,Rsi µ est la mesure de Lebesgue, l’intégrale de Lebesgue de f

(notée aussi f dx).

Introduction
Convolution
Introduction
Propriétés de l’intégrale de Lebesgue
Une suite fk (x) converge simplement presque partout vers f (x) si fk (x) converge
simplement vers f (x) en tout point extérieur à un ensemble de mesure nulle.
Th. de convergence dominée : Si fk converge p.p. vers f et s’il existe g
sommable telle que |fk | ≤ g, alors :
Z Z Z
lim fk dx = lim fk dx = f dx.
k→∞ k→∞
Th. Fubini-Lebesgue Pour une fonction mesurable f (x, y) ≥ 0, on a toujours :

Z Z Z Z Z Z
f (x, y) dx dy = dx f (x, y)dy = dy f (x, y)dx.
On peut également définir l’espace Lα des classes de fonctions mesurables et

telles que
Z Z 1/α
|f |α dx < +∞, auxquelles on associe ||f || = |f |α dx
qui fait des Lα , (α ≥ 1) des espaces vectoriels normés et complets (Banach).

Introduction
Convolution
Introduction
La dualité
Dans de nombreux problèmes, le passage à la limite nécessite de sortir du cadre

de la théorie des fonctions. L’exemple typique est celui des fonctions positives fn
dont la masse est concentrée à l’origine, ce qui se lit
Z Z
fn (t) dt = 1, et ∀a > 0, fn (t) dt → 0.
R |t|≥a
R tendent vers la ”fonction de Dirac” telle que δ(0) = +∞, δ(t) = 0 pour
Ces objets
t 6= 0 et δ(t)dt = 1. Mais il n’existe pas de fonction au sens mathématique.
La dualité consiste à représenter une fonction par une forme linéaire sur un
espace E de fonctions approprié. Ainsi par exemple, toue fonction f ∈ Lp définit
une forme linéaire Tf sur E = Lq , (avec 1/p + 1/q = 1) par :
Z
Tf = f (t)ϕ(t) dt
R
En prenant pour E l’espace vectoriel des fonctions continues à support borné on
établit alors le fait ci dessous qui permet d’interpréter δ comme une forme
linéaire sur E telle que f 7→ f (0).
Z
Tfn = fn (t)ϕ(t) dt → ϕ(0), qui s’interprète Tfn → δ.

Introduction
Convolution
Introduction
Approche fonctionnelle
On notera par la suite D0 l’espace vectoriel des fonctions continues à support borné.
Concernant les mesures, on établit que tout élément de D0 est sommable pour toute
mesure µ sur la tribu borelienne, i.e.
Z
∀ϕ ∈ D0 ∀µ, ϕ dµ < +∞
Ainsi, toute mesure µ apparaı̂t comme une fonctionnelle (linéaire et continue) sur
l’espace D0 , càd comme un opérateur
Z
D0 ∋ ϕ 7→ ϕ dµ ∈ C.
Réciproquement (Th. de Riesz), toute fonctionnelle linéaire et continue sur D0

définit une mesure µ. Dans cette approche fonctionnelle :
Les mesures ne sont autres que les fonctionnelles linéaires et continues sur D0 .
En restreignant l’espace fonctionnel à celui des fonctions indéfiniment dérivables à

support compact, on obtient les distributions.

Introduction
Espace vectoriel D(Ω)
Espace vectoriel D ′ (Ω)
Convolution

Définition
Définition (brique de base)

Soit Ω un ouvert de R. On note D(Ω) l’espace des fonctions indéfiniment dérivables à
support compact dans Ω.
Rappel : Si A est l’ensemble des t t.q. ϕ(t) 6= 0, supp ϕ=sous-ensemble fermé Ā.
Exemple : toute fonction ζab (t) définie comme suit

est une fonction de D de support dans [a, b].
(
0.1
0 h i t ∈]a,
/ b[
ζab (t) =
exp 21 1
t−b
− 1
t−a
t ∈]a, b[ 0.05
0
1.5 2 2.5 3 3.5
Théorème (Ou comment en construire beaucoup d’autres)

Si ϕ ∈ D
R et si f est une fonction sommable à support borné, alors :
ψ(t) = f (θ)ϕ(t − θ)dθ est une fonction de D.

Introduction
Convolution

Outils
Un exemple utile pour certaines

démonstrations (partition de l’unité) :
K
Pour un compact quelconque K ⊂ Ω, il
existe toujours une fonction ϕ de D(Ω) support de ϕ
égale à 1 dans K Ouvert Ω
Notion de convergence dans D : On dit qu’un suite de fonctions ϕk (t) de D converge

dans D vers ϕ(t) lorsque :
Les supports des ϕk sont contenus dans un même ensemble borné indépendant
de k,
Les dérivées de chaque ordre des ϕk convergent uniformément vers les dérivées
correspondantes de ϕ.

Introduction
Convolution
Espace vectoriel D′ (Ω)

Définition
Définition
Une distribution sur un ouvert Ω de R est une forme linéaire continue sur l’espace
D(Ω). Les distributions forment un espace vectoriel noté D′ (Ω).
Une distribution T est donc un application de D(Ω) dans C faisant correspondre à une
fonction test ϕ un nombre complexe noté hT, ϕi.
Linéarité : ∀ϕ1 , ϕ2 ∈ D(Ω), ∀λ ∈ C : hT, λϕ1 + ϕ2 i = λ hT, ϕ1 i + hT, ϕ2 i ,
Continuité : Si ϕk → ϕ dans D alors hT, ϕk i → hT, ϕi dans C.
Les distributions généralisent la notion de mesure définie par une fonctionnelle linéaire
et continue sur l’espace D0 des fonctions continues à support borné.
Remarque : La condition de continuité peut être remplacée par une majoration : ∀K

compact et ∀ϕ ∈ D de support dans K, Il existe une constants CK et un entier pK tels
que :
|hT, ϕi| ≤ CK sup sup |ϕ(n) (t)|.
n≤pk t∈K

Introduction
Convolution
Distributions régulières
Fonctions localement sommables
On distingue souvent deux classes de distributions : Les distributions régulières et les

autres, dites singulières.
Les distributions régulières sont définies par une fonction localement sommable f , et
pour laquelle : Z
hf , ϕi = f (t)ϕ(t)dt, ∀ϕ ∈ D(Ω)
Ω
On utilise souvent la même notation f ou f (t) pour désigner une fonction ou une
distribution, le sens étant précisé dans le contexte, de sorte que f (t) peut signifier :
f (t) = valeur que prend la fonction f pour la valeur t de la variable,
f (t) = fonction de la variable t,
f (t) = distribution, t étant la variable des fonctions tests.
Dans ce dernier cas, attribuer à f une valeur pour chaque t n’a pas de sens.

Introduction
Convolution
Distributions régulières
Fonctions localement sommables
La fonctionnelle ci-dessus est linéaire (intégrale). La continuité se montre en

l’appliquant à une suite ϕk :
Z Z b

|hf , ϕi − hf , ϕk i| = f (t) [ϕ(t) − ϕk (t)] dt ≤ |f (t)| . |ϕ(t) − ϕk (t)| dt

a
Z b
≤ sup |ϕ − ϕk | . |f (t)| dt
a
où [a, b] contient les supports des ϕk . Puisque sup |ϕ − ϕk | → 0 (convergence
uniforme), hf , ϕk i → hf , ϕi.
Les distributions sont une extension des classes de fonctions sommables p.p. égales.
Théorème
Deux fonctions localement sommables f et g définissent la même distribution
(régulière) si, et seulement si, elles sont égales presque partout.
Quand on considère par exemple la fonction de Heaviside définie ci-dessous, la valeur

en 0 de H en tant que distribution n’a pas besoin d’être définie.

1 t≥0
H(t) = .
0 t<0
Introduction
Convolution
Distributions singulières
Diracs et pseudo-fonctions
Les distributions singulières regroupent les autres : Exemples :

(k)
La distribution de Dirac en un point a, notée δa , et ses dérivées δa , définies
par : D E
(k)
hδa , ϕi = ϕ(a) et δa , ϕ = (−1)k ϕ(k) (a) ∀ϕ ∈ D(Ω)
Elle permet notamment de modéliser et de dériver un phénomène physique,
même brutal, comme un choc. On la retrouve également sous forme de peigne
de Dirac, X
x(t) = δ(t − k).
k∈Z
Les fonctions qui ne sont pas localement sommables et dont la distribution est
définie par la partie finie (notée pf) d’une intégrale divergente
Z
hpf f , ϕi = pf f (t)ϕ(t)dt.
Ω
Il faut dans chaque cas définir les conditions d’existence de la partie finie. Des
exemples classiques concernent les fonctions 1/tk .

Introduction
Convolution
Distributions singulières
Pseudo-fonctions
H(t)
Exemple : La fonction t
, n’est pas localement intégrable sur R. On définit
H(t)
cependant une distribution pf t
par la partie finie :
Z ∞
H(t) ϕ(t)
pf ,ϕ = lim dt + ϕ(0) log ǫ
t ǫ→0 ǫ t
A noter que cette partie finie n’est requise que si on considère les distributions
sur un ouvert Ω contenant l’origine. Une intégration par partie permet d’écrire :
Z ∞
H(t)
pf ,ϕ =− ϕ′ (t) log t dt,
t 0
ce qui justifie l’existence de la pf, la fonction ϕ′ (t) log t étant intégrable sur R. On
H(t)
a établit au passage que : pf t = [H(t) log t]′
Si la définition ne semble pas très attrayante, ces entités restent cependant très
manipulables. Ainsi par exemple :
′
H(t) H(t) H(t) H(t) (−1m ) m
tm . pf = pf k et pf = −m pf + δ (t).
tm+k t tm t m+1 m!

Introduction
Convolution
Convergence (faible) dans D′ (Ω)

Convergence
Une suite de distribution Tn converge dans D′ vers T lorsque la suite de nombres

complexes hTn , ϕi converge dans C vers hT, ϕi pour toute ϕ ∈ D :
lim Tn = T ⇔ lim hTn , ϕi = hT, ϕi ∀ϕ ∈ D
En particulier, la distribution δ peut être aussi vue comme limite (dans D′ ) de

fonctions sommables : Les fonctions γk et ζk convergent dans D′ vers δ.

1.2
4 γ1 ζ1
1
0 |t| ≥ 3.5
γ2
1
ζ2
Π(t) = 2
1
γ3 ζ3
1 |t| < 2
3
γ4
0.8
2.5
γk (t) = kΠ(kt) 2
0.6
1.5
1 0.4
ζk (t) = kΠ(kt/2)e k2 t2 −1 1
0.2
0.5
0 0
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1
Plus
R généralement, une suite de fk ≥ 0 localement sommables telles que
fk (x)dx = 1 et vérifiant fk (x) → 0 uniformément dans tout ensemble
0 < a < |x| < 1/a, tend vers δ.

Introduction
Convolution
Ordre d’une distribution

Définition
Définition
On appelle distribution d’ordre fini toute distribution T de D′ (Ω) pour laquelle il existe
k ∈ N, tel que pour tout compact K inclus dans Ω, on ait la relation suivante. L’entier k,
qui ne dépend pas de K, est appelé ordre de la distribution T.
∃CK > 0, ∀ϕ ∈ DK (Ω), |hT, ϕi| ≤ CK sup sup |Dα ϕ(t)|.
|α|≤k t∈Ω
Dans la pratique on retiendra essentiellement que :

Les fonction localement sommables et les combinaisons linéaires de Dirac sont
d’ordre 0 (mesures).
Pr (r)
Les distributions de la forme ( 0 ar δ + fonctions) sont d’ordre r.
Une autre définition, élargissant la notion aux ordres négatifs, peut être abordée via la
convolution (Y. Yamamoto 89).

Introduction
Convolution
Support d’une distribution

Restriction et support
Restriction d’une distribution à un ouvert : Considérons deux ouverts Ω ⊂ Ω′ de R

et soit T ∈ D′ (Ω′ ). Nous pouvons associer à T une distribution TΩ appelée restriction
de T à Ω, définie pour toute ϕ ∈ D(Ω) par :
hTΩ , ϕi = hT, ϕ̄i ,
et dans laquelle ϕ̄ est le prolongement par 0 de ϕ à Ω′ . Ainsi par exemple, pour
Ω′ = Ω − {a}, la distribution nulle et la mesure de Dirac en a on même restriction à Ω.
Définition
Le support de T, noté supp T est le complémentaire dans Ω du plus grand ouvert ω de
Ω tel que la restriction de T à ω soit nulle.
Il y a cohérence entre la notion de support établie du point de vue de la théorie des

fonctions et celle issue de la théorie des distributions.

Introduction
Convolution
Support d’une distribution

Exemples
Formulée autrement, un point a appartient au support de T s’il n’existe aucun ouvert

contenant a à l’intérieur duquel T est nulle.
1
Ex. supp δa = {a} , supp H = [0, ∞) , supp pf = supp log |t| = R.
t
Théorème
Toute distribution de support l’origine admet une décomposition unique comme
combinaison linéaire finie de dérivées de la distribution de Dirac :
X
T= cp δ (p) .
p≤m
Deux classes de distributions sont appelées à jouer un rôle important en physique.

Les distributions à support borné, (e.v. noté E ′ )
′ ).
Les distributions à support contenu dans [0, ∞)(e.v. noté D+
Les éléments de D+′ sont souvent appelée en physique distributions causales (la
variable étant dans ce cas le temps).

Introduction
Convolution
Sous espaces de D′ (Ω)

Autres distributions
Si l’on prend des espaces de fonctions tests moins restreints que D, on obtient des
sous espaces de D′ . Les espaces de fonctions tests :
espace S : espace des fonctions indéfiniment dérivables décroissant à l’infini,
ainsi que toutes leurs dérivées, plus vite que toute puissance de 1/|t|.
espace E : espace des fonctions indéfiniment dérivables quelconques.
conduisent aux sous espaces de D′ :
espace S ′ : espace des distributions tempérées,
espace E ′ : espace des distributions à support borné.
Fonctions tests Distributions
E S D E′ S′ D′
Les distributions tempérées jouent un rôle particulièrement important en physique

(toute distribution tempérée admet une transformée de Fourier qui est elle même une
distribution tempérée).
Introduction
Espaces des fonctions tests-Espaces des distributions Dérivation
Opérations sur les Distributions Multiplication des distributions
Convolution Distributions dans Rn , Produit direct, Image
Dérivation
Définition
C’est une propriété essentielle des distributions. Pour une fonction continûment
dérivable, et par intégration par parties,
Z Z

′

f (t), ϕ(t) = f ′ (t)ϕ(t)dt = − f (t)ϕ′ (t)dt = − f , ϕ′ .
Définition (Dérivation des distributions)

hT ′ , ϕi = − hT, ϕ′ i et plus généralement T (m) , ϕ = (−1)(m) T, ϕ(m)
Ainsi toute distribution est indéfiniment dérivable. Cette définition coı̈ncide avec la
notion usuelle de dérivée pour les fonctions dérivables (ci-dessus).
Exemple du Dirac : hδ ′ , ϕi = − hδ, ϕ′ i = −ϕ′ (0).
Exemple du Heaviside : H ′ = δ car :
Z ∞

′

H (t), ϕ(t) = − H(t), ϕ′ (t) = − ϕ′ (t)dt = − [ϕ(t)]∞
0 = ϕ(0).
0
La dérivation n’augmente pas le support : supp T ′ ⊂ supp T.

Introduction
Dérivation
Formule des sauts
Par dérivation, on ne perd pas d’informations essentielles sur le signal telles que
ses discontinuités.
Notations :
σ1 σν
Dp f =dérivées distribution,
f (p) =dérivées au sens usuel,
σ0
Sauts de f (p) en tν :
t0 t1 tν
σνp = f (p) (tν + 0) − f (p) (tν − 0)).
Z XZ Z X

′ ′
tν+1
′ ′
hDf , ϕi = − f , ϕ =− f (t)ϕ (t)dt = − f (t)ϕ (t)dt, = − f (t)ϕ(t)dt+ ϕ(tν )σν
ν tν ν
X
Df = f ′ + σν δν
ν
Les discontinuités de f se traduisent en dérivation par des Diracs pondérées par

l’amplitude des sauts. La généralisation à la dérivée d’ordre p se traduit par :
X X X (p−1)
Dp f = f (p) + σνp−1 δν + σνp−2 δν′ + · · · + σν δν
ν ν ν

Introduction
Multiplication
Définition
√
La multiplication des deux fonctions loc. sommables f (t) = g(t) = 1/ t n’est pas
une fonction loc. sommable. Cet exemple montre que le produit de deux
distributions quelconques n’est pas toujours défini.
Dans le cas ou un des éléments (disons α) est une fonction C ∞ , on définit le
produit (qui a toujours un sens) par :
hαT, ϕi = hT, αϕi , ∀ϕ ∈ D .
Les règles usuelles de dérivation d’un produit s’appliquent (à savoir la règle de
Leibniz) : X
Dm (αT) = k
Cm (D(m−k) α)Dk T.
k≤m

′
′
′
′ ′
Preuve à l’ordre 1 : (αT) , ϕ = − αT, ϕ = − T, αϕ = − T, (αϕ) − α ϕ

′
′
′
′
= − T, (αϕ) + T, α ϕ = T , αϕ + α T, ϕ

′
′
′ ′
= αT , ϕ + α T, ϕ = αT + α T, ϕ .

Introduction
Multiplication
Généralisation
Pour certaines distributions, la définition du produit reste applicable même si la

fonction α n’est pas indéfiniment dérivable. Par exemple si α est continue en 0,
hα(t)δ(t), ϕ(t)i = hδ(t), α(t)ϕ(t)i = α(0)ϕ(0) = hα(0)δ(t), ϕ(t)i .
On obtient donc α(t)δ(t) = α(0)δ(t) et en particulier tδ = 0. Cette formule se
généralise : (
l (n) 0 l > n,
t δ = n!
(−1)l (n−l)! δ (n−l) l ≤ n.
Ce résultat s’inscrit dans un cadre plus général sur l’annihilation d’une distribution par
multiplication :
Théorème
Si T a un support compact K, et est d’ordre (nécessairement fini) m, αT est nulle
toutes les fois que α et ses dérivées d’ordre ≤ m sont nulles sur K

Introduction
Multiplication
Propriétés
Théorème
Le produit de plusieurs distributions, lorsque toutes, sauf une au plus, sont des
fonctions indéfiniment dérivables au sens usuel, est associatif et commutatif.
(α1 + α2 )T = α1 T + α2 T, (α1 α2 )T = α1 (α2 T), α(T1 + T2 ) = αT1 + αT2
Si les conditions ne sont pas vérifiées, la multiplication n’est plus nécessairement

associative, comme le montre l’exemple suivant avec δ, t, et pf 1t :
1
(δ t) pf t
=0 car δ t = 0,
1 1
δ (t pf t
) =δ car t pf t
= 1.
D E D E R∞ R∞
tϕ
Pour ce dernier en effet : t pf 1t , ϕ = pf 1t , tϕ = pf −∞ t dt = −∞ ϕ(t)dt.
On note aussi la propriété sur les supports :supp αT ⊂ supp α ∩ supp T.

Introduction
Multiplication
Propriétés
Le produit de deux distributions peut également être étendu en faisant appel à la

notion de support singulier :
Définition
Soit T une distribution sur un ouvert Ω de R. Le support singulier de T est par définition
le complémentaire du plus grand ouvert ω de Ω tel que la restriction de T à D(ω)
coı̈ncide avec la distribution associée à une fonction de classe C ∞ sur ω.
H(t)
Ainsi, par exemple, les distributions pf tn ou plus simplement la fonction de Heaviside
(en prenant n = 0) ont pour support [0, ∞[ et pour support singulier l’origine. On a
alors la
Proposition
Soient T1 et T2 deux distributions de supports singuliers disjoints. On peut alors donner
un sens au produit T1 T2 en tant que distribution.

Introduction
Division
La formule tδ = 0 montre que le produit de deux distributions peut être nul sans
qu’aucune d’elles le soit. Réciproquement, qu’en est-il d’une distribution T telle que
tT = 0 ?
Proposition
Les solutions de l’équation tT = 0 sont les distributions T = cδ, où c ∈ C.
Preuve : On utilise une réécriture de ϕ sous la forme : ϕ = ϕ(0)θ + tχ avec θ, χ ∈ D

et θ(0) = 1. Ensuite :
hT, ϕi = ϕ(0) hT, θi + hT, tχi = hδ, ϕi hT, θi + htT, χi = c hδ, ϕi
Plus généralement, si α ∈ C ∞ n’admet que des racines simples ai à l’équation α = 0,
alors, par le même raisonnement :
X
αT = 0 ⇒T= ci δ(t − ai )
Pour un second membre donné S et connaissant une solution particulière T0 , on établit

immédiatement que :
X
αT = S ⇒ α(T − T0 ) = 0 ⇒ T = T0 + ci δ(t − ai ).

Introduction
Division
Exercices :
Résoudre (t − a)T = 1.
Résoudre tT = δ. (utiliser (tδ)′ ).
Généralisation à αT = S, α ∈ C ∞ .
1
Si α n’est jamais nulle, 1/α ∈ C ∞ et T = α
S
Si α n’a qu’un seul zéro d’ordre 1 en {a}, α(t) = (t − a).h(t) avec 1/h ∈ C ∞ et on
a à résoudre (t − a)T = 1h .S
Ce dernier point se généralise à plusieurs racines {ai }, simples ou multiples.

Introduction
Distributions dans Rn
Définitions
Les définitions et propriétés précédentes se généralisent à Rn en considérant les

fonctions tests ϕ(x), x = (x1 , x2 , . . . , xn ) à support compact.
Les fonctions localement sommables définissent les distributions régulières
Z Z
hf , ϕi = ··· f (x)ϕ(x)dx
Rn
Les distributions singulières prennent en compte cette nouvelle dimension. Ainsi

définit-on dans R3 les distributions de Dirac ponctuelle, superficielle (s étant
une surface) et linéaire ( l étant une courbe) :
ponctuelle superficielle linéaire
R R R
hδ, ϕi = ϕ(0) hδs , ϕi = s ϕds hδl , ϕi = l ϕdl
L’opérateur de dérivation Dk suivant, d’ordre |k| = k1 + k2 + . . . + kn , permet de

définir la dérivation par :
∂ k1 +k2 +...+kn D E D E
Dk = Dk T, ϕ = (−1)|k| T, Dk ϕ
∂ k1 x1 ∂ k2 x2 . . . ∂ kn xn

Introduction
Propriétés
la distribution de Dirac ponctuelle admet ainsi 3 dérivées partielles, notées

δx′ , δy′ , δz′ , avec

′ ∂ϕ
δx , ϕ = − δ, = −ϕ′x (0).
∂x
La formule des sauts appliquée à une fonction f définie de part et d’autre d’une
surface s se traduit par :
x3
s

∂f ∂f
x2
dx3 d
= σ0 cos θi δs + θ1
∂xi ∂xi
où σ0 est le saut de f à travers s et θi
l’angle entre xi et la normale à s.
x2 x1
On retrouve les formules usuelles en physique concernant la fonction f définie

dans un volume v et le champ de vecteurs f = (f1 , f2 , f3 ) :
Z Z Z Z Z Z Z Z Z Z
gradf dv = f .n ds divf dv = (f.n)ds
v s v s

Introduction
Exemple
Exemple : considérons la région C définie par s

t2 − s2 ≥ 0, t ≥ 0, et la fonction E(s, t) = 1 dans x
C et 0 ailleurs. Ses dérivées partielles
s’écrivent :
∂E 1 o C t
= √ [δoy + δox ]
∂t 2
∂E 1
= √ [δoy − δox ] y
∂s 2
2
∂2 E
Supposons que l’on s’intéresse à ∂∂t2E − ∂s2
, il vient, pour toute ϕ(s, t) ∈ D :
2
∂ E ∂2E 1 ∂ϕ ∂ϕ ∂ϕ ∂ϕ
− ,ϕ = −√ δoy , − + δox , +
∂t2 ∂s2 2 ∂t ∂s ∂t ∂s
Z Z
∂ϕ ∂ϕ
= − dy − dx = 2ϕ(0, 0)
oy ∂y ox ∂x
2 2
En d’autres termes, 21 ∂∂t2E − ∂ E
∂s2
= δ(s, t) et 12 E est la solution élémentaire de
l’équation des ondes.

Introduction
Produit direct (ou tensoriel) de distributions

Le produit direct de 2 distributions exprime le produit ordinaire de deux
distributions de variables différentes.
hS(x).T(y), ϕ(x + y)i = hS(x), hT(y), ϕ(x, y)ii
Pour f (x) et g(y) localement sommables, le produit direct est donné par
h(x, y) = f (x)g(y).
On peut aussi définir des distributions singulières telles que :

1(y)x(x) := x(x) et x(x, y) := x(x).x(y)
x(x) x(x, y)
y
x x
Le produit direct intervient aussi dans la définition du produit de convolution.

Introduction
Image d’une distribution

1ère approche
v
Lorsque v est un opérateur linéaire continu dans D : ϕ(t) 7→ ϕ(at + b), on définit par
transposition dans l’espace dual D′ l’opérateur t v qui à T ∈ D′ associe t v(T) tel que :

t
v(T), ϕ = hT, v(ϕ)i ∀ϕ ∈ D, ∀T ∈ D′ .
Avec f localement sommable et changement de variable, il vient :

1 t−b par analogie t 1 t−b
hf (t), ϕ(at + b)i = f( ), ϕ(t) → v(T)(t) = T( ).
|a| a |a| a
L’image d’une distribution par cet opérateur permet de caractériser des opérations
simples telles que :
Changement d’échelle (b = 0) : Exemple : δ(t/a) = |a|δ(t).
Parité (a = −1, b = 0) : Ť(t) := T(−t) et T est paire si Ť = T.
Translation (a = 1) : T périodique si T(t − b) = T(t).

Introduction

2nde approche
Autre point de vue : Soit x 7→ u = H(x)un difféomorphisme. L’image par H d’un ouvert
Ω est un ouvert Ω′ . Si T ∈ D′ (Ω), le changement de variable u = H(x) fournit, sur Ω′ ,
la distribution T ◦ H −1 telle que :
D E
T ◦ H −1 , ψ = hT, (ψ ◦ H).|Jac(H)|iΩ ∀ψ ∈ D(Ω′ )
Ω′
Le cas précédent est celui de H(x) = ax + b. Cette approche permet de montrer que la
règle de dérivation usuelle s’applique :
d d dx dT
(T ◦ H −1 ) = (T(x(u))) = (x(u))
du du du dx
et dans le cas de n variables :
∂ X ∂xk ∂T n
(T ◦ H −1 ) = (x(u))
∂uj k=1
∂uj ∂xk

Introduction

Exemple
s
Exemple : Si on reprend le cas de la fonction x
E(s, t) = 1 dans C et 0 ailleurs. Par le
changement de variables (de Jacobien unité) :
√ o C t
t+s = x 2
√
t − s = y 2,
y
E(s, t) devient Ē(x, y) = H(x)H(y) = H(x, y), et l’opérateur est transformé en :
∂2 ∂2 ∂2
2
− 2 =2
∂t ∂s ∂x∂y
ce qui conduit à :
∂2E ∂2E ∂2
− =2 H(x, y) = 2δ(x, y) = 2δ(s, t).
∂t2 ∂s2 ∂x∂y
On a ainsi retrouvé la solution élémentaire précédente.

Introduction

Exemple
On peut faire encore plus avec les distributions de Dirac : Si f est une fonction de
classe C1 ayant une seule racine a avec f ′ (a) 6= 0, on peut poser H = f −1 et
définir δ ◦ H −1 = δ ◦ f par

hδ ◦ f , ϕi = δ, ϕ(H(u))|H ′ (u)| = ϕ((H(0))|H ′ (0)| = ϕ(a)|f ′ (a)|−1 .
De plus, si f n’admet que des racines simples, on peut définir δ ◦ f comme la

somme des des distributions précédentes. Ainsi peut-on avoir
X
δ ◦ (arcsin)−1 = δ(sin x) = δkπ , et δ(x2 − 1) = (1/2)(δ1 + δ−1 )
k∈Z
Enfin, les dérivées jusqu’à l’ordre k, δ (k) (f (x)), sont également possibles lorsque
f est de classe Ck .

Introduction
Définition
Conditions d’existence
Propriétés
Convolution
Algèbre de convolution
Convolution
Définition
Outre les phénomènes physiques, le Th. des noyaux de Schwartz permet de modéliser
des systèmes agissant de manière linéaire et continue sur ces phénomènes :
Théorème (des noyaux)

Soit Ω un ouvert et L un opérateur linéaire et continu de D(Ω) dans D′ (Ω).Il existe une
unique distribution K sur Ω × Ω telle que : hL[ϕ], ψi = hK, ϕ ⊗ ψi.
Si ce système possède la propriété d’invariance par translation (i.e. réponde par

L[ϕ](t − t0 ) au phénomène ϕ(t − t0 )), alors :
hL[ϕ](η − t0 ), ψ(η)i = hK(ζ, η − t0 ), ϕ(ζ) ⊗ ψ(η)i ⇒ K(ζ, η − t0 ) = K(ζ + t0 , η)
= hL[ϕ(. − t0 )], ψi ⇒ [∂η + ∂ζ ]K = 0
= hK(ζ + t0 , η), ϕ(ζ) ⊗ ψ(η)i ⇒ ∃h t.q. K(ζ, η) = h(η − ζ).
L’action de L se trouve ainsi modélisée par la règle suivante qui n’est autre que la
définition du produit de convolution des deux distributions h et ϕ :
hL[ϕ], ψi = hh(η − ζ), ϕ(ζ) ⊗ ψ(η)i = hh(η) ⊗ ϕ(ζ), ψ(η + ζ)i .

Introduction
Définition
Propriétés
Convolution
Convolution
Définition
On commence par rappeler le produit de convolution de deux fonctions f et g. Lorsqu’il

existe le produit de convolution de f et g est la fonction h définie par :
Z
h(t) = f (t − θ)g(θ)dθ, et notée h = f ∗ g.
Lorsque f et g sont intégrables, h existe et est intégrable. Calculons alors la distribution

associée à h, en définissant pour toute ϕ ∈ D :
Z Z Z
hf ∗ g, ϕi = hh, ϕi = h(t)ϕ(t)dt = f (t − θ)g(θ)ϕ(t)dθ dt
Z Z
= f (u)g(v)ϕ(u + v)du dv, [v = θ, u = t − θ].
Ceci suggère de définir le produit de convolutions S et T par :
Définition
On appelle produit de convolution de deux distributions S et T, la distribution S ∗ T,
quand elle existe, telle que pour toute ϕ ∈ D :
hS ∗ T, ϕi = hS(u).T(v), ϕ(u + v)i .

Introduction
Définition
Propriétés
Convolution
Sur les supports
Si (a, b) est le support de ϕ, le support de (u, v) 7→ ϕ(u + v) est la bande

a ≤ u + v ≤ b, et par suite ϕ(u + v) n’est pas un élément de D. ⇒ Le produit de
convolution n’est pas toujours défini. Il l’est dans chacune des situations
suivantes :
v
toutes sauf une au plus sont à supp ϕ(u + v)
support compact,
toutes ont leur support limité à
gauche (resp. à droite),
u
les produit deux à deux sont bien
définis.
supp ϕ(u)
Il est commutatif, S ∗ T = T ∗ S et l’extension au produit de plusieurs distributions
(dans cet exemple 3) se généralise en :
hR ∗ S ∗ T, ϕi = hR(u).S(v).T(w), ϕ(u + v + w)i ,

Introduction
Définition
Propriétés
Convolution
Propriétés
Unité et translation
δ étant à support compact, δ ∗ T existe pour toute distribution T, et, par définition :
hδ ∗ T, ϕi = hδ(u)T(v), ϕ(u + v)i = hT(v), hδ(u), ϕ(u + v)ii
= hT(v), ϕ(v + 0)i = hT, ϕi
Ce qui montre que la distribution de Dirac joue le rôle de l’unité pour le produit de
convolution, i.e. :
δ ∗ T = T,
Convolution par δ(t − a) : Ici encore, l’application de la définition conduit à :
hδ(t − a) ∗ T(t), ϕ(t)i = hδ(u − a)T(v), ϕ(u + v)i
= hT(v), hδ(u − a), ϕ(u + v)ii
= hT(v), ϕ(v + a)i = hT(t − a), ϕ(t)i ,
ce qui permet de conclure que pour translater une distribution de a, il suffit de la
convoluer avec la translatée δ(t − a) de la distribution de Dirac δ.

Introduction
Définition
Propriétés
Convolution
Propriétés
Dérivation
Convolution par δ (m) : on considère tout d’abord le cas m = 1 qui conduit par
définition à :

′
′

δ ∗ T, ϕ = δ (u)T(v), ϕ(u + v) = T(v), δ ′ (u), ϕ(u + v)

′

′

= − T(v), ϕ (v) = T , ϕ ,
ce qui montre que la dérivation équivaut à une convolution avec δ ′ . On établirait
de même que :
δ (m) ∗ T = T (m) .
Plus généralement encore, si T = R ∗ S, le produit de convolution étant associatif,
on obtiendrait :
(R ∗ S)(m) = R ∗ S(m) = R(m) ∗ S,
que l’on retient en disant que pour dériver un produit de convolution, il suffit de
dériver l’un quelconque de ses termes.

Introduction
Définition
Propriétés
Convolution
Propriétés
Primitives
′ : Si f est une fonction de

Primitives d’ordre n dans D+ ′ , c’est à dire dont le
D+
support est contenu dans (0, ∞), nous pouvons écrire :
Z t Z ∞
f (θ) dθ = H(t − θ)f (θ) dθ = (H ∗ f )(t),
0 0
de sorte qu’intégrer f de 0 à t revient à convoluer f avec la fonction de Heaviside.

Nous avons, en d’autres termes, obtenu une primitive de la fonction f . Plus
généralement, la primitive d’ordre n s’écrit :
Z tZ θ Z θ Z t
n−1 1 1
··· f (θ) dθ1 · · · dθn−1 dθ = f (θ)(t − θ)n−1 dθ.
0 0 0 (n − 1)! 0
H(t)tn−1
Si on note Hn la fonction t 7→ Γ(n) , la primitive d’ordre n de f s’écrit Hn ∗ f . Ces
considérations se généralisent également à l’obtention de la dérivée et la
primitive d’ordre α avec α complexe.

Introduction
Définition
Propriétés
Convolution
Propriétés
Polynômes-exponentielles
Convolution de polynômes-exponentiels : avec f1 et f2 sommables et dans D+ ′ , le
produit de convolution de deux distributions s’identifie à celui des fonctions :

Z t
h(t) = (f1 ∗ f2 )(t) = H(t) f1 (θ)f2 (t − θ)dθ.
0
A titre d’exemple et par application directe :

eλ1 t − eλ2 t
H(t)eλ1 t ∗ H(t)eλ2 t = H(t) ,
λ1 − λ2
H(t)tn−1 λt H(t)tm−1 λt H(t)tn+m−1 λt
e ∗ e = e
Γ(n) Γ(m) Γ(n + m)
Ce dernier cas utilise un changement de variable θ = tω, et la propriété :
Z 1
Γ(n)Γ(m)
(1 − ω)(n−1) ω (m−1) dω = .
0 Γ(n + m)

Introduction
Définition
Propriétés
Convolution
Propriétés
Multiplication et convolution
Multiplication par tn , eat , et convolution : Si l’une des distributions S ou T est à

support compact, alors :
X
n
tn (S ∗ T) = Cnk (tk S) ∗ (tn−k T), eat (S ∗ T) = (eat S) ∗ (eat T).
0

D
E D D EE
at at aζ aη aζ+aη
e S ∗ e T, ϕ = e Sζ , e Tη , ϕ(ζ + η) = Sζ , e Tη , ϕ(ζ + η)
D D EE

aζ+aη at at
= Sζ , Tη , e ϕ(ζ + η) = (S ∗ T)t , e ϕ(t) = e (S ∗ T)t , ϕ(t) .
Ainsi par exemple, en notant respectivement z = e−γt y puis zi = ti y, on obtient

que :
(1) (2)
e−γt y(2) = γ 2 z + 2γ z(1) + z(2) et t3 y(2) = −6 z1 + 6 z2 − z3
L’intégrale de ces quantités ne donne rien d’autre que la formule d’intégration par
parties.

Introduction
Définition
Propriétés
Convolution
Propriétés
Support
Nous disposons de l’inclusion suivante dans laquelle le membre de droite

(somme de Minkowsky) se lit selon (∗) :
supp S ∗ T ⊂ supp S + supp T,
avec {x + y; x ∈ supp S, y ∈ supp T} . (∗)
Ex : supp S ⊂ [a, ∞), supp T ⊂ [b, ∞), ⇒ supp S ∗ T ⊂ [a + b, ∞)
′
Cette inclusion est en général au sens strict. Considérer par ex. T = δτ et V =cte
sur (a, b) pour lesquelles
supp T ∗ V = {τ + a, τ + b} 6= [τ + a, τ + b].
Un résultat plus précis existe (Théorème des supports), dans lequel conv(supp X)
désigne l’enveloppe convexe du support de X.
conv(supp S ∗ T) = conv(supp S) + conv(supp T),

Introduction
Définition
Propriétés
Convolution
Propriétés
Régularité
La convolution par une fonction a un effet régularisant (lissant), ce qui se traduit

notamment par :
Théorème
Lorsqu’il existe, le produit de convolution d’un distribution T et d’une fonction ψ
indéfiniment dérivable est une fonction h donnée par h(t) = hT(u), ψ(t − u)i .
En particulier, si T ∈ E ′ et ψ un polynôme (resp. une exponentielle), T ∗ ψ est un

polynôme (resp. une exponentielle).
Si f est une fonction continue, nulle hors d’un borné, Rρ(x) = exp(−/(x2 − 1)) pour
|x| ≤ 1 et ρ(x) = 0 ailleurs, et enfin ρα (x) = ρ(x/α)/ ρ(x/α), alors la fonction
ϕα = f ∗ ρ α
est dans D et converge uniformément vers f . (ϕα est dite régularisée de f par
ρα ) et ce résultat montre que D est dense dans Cc0 .

Introduction
Définition
Propriétés
Convolution
Résolution d’équations
′ des distributions à support dans

On s’intéresse plus particulièrement à l’algèbre D+
[0, ∞), pour lesquelles :
′ muni de la somme et du produit par un scalaire est un espace vectoriel,
D+
′ × ′ dans
le produit de convolution est une application bilinéaire de D+ ′ ,
D+ D+
le produit est associatif.
Puisque δ ∈ D+ ′ ( ′ possède donc un élément unité), le principal intérêt tient à ce
D+
que si T admet une inverse de convolution (notée par la suite T ∗−1 ou T −1 ), cette
inverse est unique et on pourra résoudre des équations de convolution.
Si ∃T ∗−1 t.q. T ∗ T ∗−1 = δ, alors T ∗ X = W ⇒ X = T ∗−1 ∗ W
pour un W donné. A noter que cette inverse n’existe pas toujours (exemple T ∈ D), et
que compte tenu de l’associativité :
(T1 ∗ · · · ∗ Tm )−1 = T1−1 ∗ · · · ∗ Tm−1 .

Introduction
Définition
Propriétés
Convolution
Exemples
′ . Montrer que la seule primitive de W (i.e. solution de X ′ = W)

Ex 1 : Soit W ∈ D+
est X = H ∗ W.
′ , l’inverse de δ ′ − λδ, λ ∈ C, est donnée par H(t)eλt .
Ex2 : Montrer que dans D+
Plus généralement (Th. Malgrange-Ehrenpreis),
P
tout opérateur différentiel à
coefficients constants A = |α|≤m aα Dα admet une solution élémentaire E, i.e
une distribution vérifiant A(E) = δ.

Introduction
Définition
Propriétés
Convolution
Equations différentielles
Equations différentielles : Toute équation différentielle à coefficients constants admet

la représentation équivalente :
y(n) + an−1 y(n−1) + · · · + a0 y = f , ⇔ P(δ) ∗ y = f ,
où P(δ) est le polynôme symbolique en δ :
P(δ) = δ (n) + an−1 δ (n−1) + · · · + a0 δ = (δ (1) − λ0 δ) ∗ · · · ∗ (δ (1) − λn δ).

La résolution de l’équation différentielle se ramène donc à la recherche des inverses
de (δ (1) − λi δ). Cette inverse a déjà été établit précédemment, si bien que :
(P(δ))∗−1 = H(t)eλ0 t ∗ · · · ∗ H(t)eλn t , et y = (P(δ))∗−1 ∗ f .

Introduction
Définition
Propriétés
Convolution
Conditions initiales
Conditions initiales : Pour la résolution, au sens des fonctions, et connaissant les

conditions initiales y(0), y(1) (0), · · · , y(n−1) (0), il suffit de multiplier l’équation par H(t),
de poser z(t) = H(t)y(t), et de former l’équation différentielle vérifiée par z. Exemple :
y(2) + a1 y(1) + a0 y = f .
Par dérivation (règles précédentes ou formule des sauts),
z(t) = H(t)y(t) ⇒ z(1) = Hy(1) + y(0)δ, ⇒ z(2) = Hy(2) + y(0)δ (1) + y(1) (0)δ,
et la substitution dans la relation précédente (multipliée par H) conduit à :
z(2) + a1 z(1) + a0 z = Hf + y(0)δ (1) + (y(1) (0) + a1 y(0))δ.
Il suffit alors d’inverser l’opérateur P(δ) = δ (2) + a1 δ (1) + a0 δ pour obtenir :
h i
z = (P(δ))−1 ∗ Hf + y(0)δ (1) + (y(1) (0) + a1 y(0))δ .

Introduction
Définition
Propriétés
Convolution
Conditions initiales
Cette démarche s’applique également aux équations aux dérivées partielles. Soit
par exemple l’équation homogène :

∂ ∂2
P(δ) ∗ u(x, t) = 0, P(δ) = − α 2 δ(x, t),
∂t ∂x
pour laquelle nous cherchons une solution correspondant à une répartition initiale
u(x, 0) donnée. La substitution U(x, t) = H(t)u(x, t) se traduit par
P(δ) ∗ U(x, t) = u(x, 0)δ(t).
et l’inverse de P(δ) est donnée par :
H(t) x2
P(δ)−1 = √ exp − .
2 απt 4αt
La solution recherchée s’obtient donc par la convolution (en x et t) :
Z ∞
H(t) (x − ξ)2
U(x, t) = u(x, 0)δ(t) ∗ P(δ)−1 = √ u(ξ, 0)exp − dξ
2 απt −∞ 4αt

Introduction
Définition
Propriétés
Convolution
Problème de Cauchy
Formulée autrement, le problème qui consiste à chercher u(x, t) vérifiant le problème

non homogène (∗) se récrit sous la forme (∗∗), et la solution est alors donnée par (†),
ou E est la solution élémentaire précédente.
8
< ∂u ∂u
− ∆u = f (t) − ∆u = u0 δ(t) + f (∗∗)
(∗) ∂t ∂t
: u(x, 0) = u0 u(t) = E ∗ u0 + E ∗ f (t) (†)
x (x,t)
En notant l’opérateur G(t) = E(t)∗, pour t ≥ 0, cette solution se lit aussi :

x
Z t
u(t) = G(t)u0 + G(t − θ)f (θ)dθ,
0
formule à rapprocher de celle connue en dimension finie avec G(t) = exp At. Cet
opérateur vérifie en outre la relation ci-dessous qui fait porter à la famille d’opérateurs
{G(t)}t≥0 le nom de semi-groupe :

G(t + s) = G(t) ◦ G(s) s ≥ 0, t ≥ 0
G(0) = I.

Introduction
Définition
Propriétés
Convolution
Problème de Cauchy
∂2 ∂2
De même, pour l’opérateur des ondes P = ∂t2
− ∂x2
pour lequel la solution
élémentaire s’exprime par :

1 t2 − x2 ≥ 0, t ≥ 0
E(x, t) = = (1/2)[H(x + t) − H(x − t)],
0 ailleurs
la solution u(x, t) vérifiant (∗) se reformule en (∗∗) et fournit la solution (†)
8
>
<
∂2u ∂2u ′
− =0 P(δ) ∗ u = u0 δt + u1 δ (∗∗)
(∗) ∂t2 ∂x2 ′
>
: u(x, 0) = u (x), ∂u(x, 0) u = Et ∗u0 + E∗u1 (†)
0 = u1 (x)
∂t
Explicitement cela fournit
Z x+t
1 1
u(x, t) = (u0 (x + t) + u0 (x − t)) + u1 (ζ)dζ.
2 2 x−t
La résolution au sens des distributions ne suppose pas de régularité sur u0 et u1 .

Introduction
Définition
Propriétés
Convolution
Quelques solutions élémentaires d’opérateurs différentiels
Quelques solutions fondamentales d’opérateurs différentiels
Pn
EDO A= i=0 ai di /dti an = 1 E = Hz avec z solution de A(z) = 0, et C.I.
z(0) = · · · = z(n−2) (0) = 0, z(n−1) (0) = 1
E = |x|/2, n=1
Pn ∂2 1
Laplacien A=∆= i=1
E= 2π log r n = 2
∂xi2 1
E= 4πr n=3
∂ H(t) |x|2
Eq. Chaleur A= −∆ E= exp(− 4t )
∂t (4πt)n/2
∂ ∂ 1
Eq. Ondes A= − E= 2 H(t)χ[−t,t] (x)
∂t2 ∂x2

Introduction
Définition
Propriétés
Convolution
Equations intégrales
Equations intégrales : Dans certaines équations intégrales, nous pouvons être

amené à inverser dans D+ ′ des éléments de le forme δ + K où K est une fonction de
′ . L’existence ainsi qu’une formulation de cette inverse sont données par la :
D+
Proposition
Si K ∈ D+ ′ est une fonction localement sommable et localement bornée, alors δ + K
est inversible dans D+ ′ et (δ + K)∗−1 = δ + S, où S est la somme de la série de terme
général (−1)n K ∗n .
Ainsi les équations de Volterra de la forme (∗), pour t ≥ 0, avec K et g sont

localement sommables, admettent l’écriture équivalente (∗∗) :
Z t
y(t) + K(t − θ)y(θ)dθ = g(t) (∗) (δ + K) ∗ y = g (∗∗)
0
et la solution recherchée admet la forme y = g + S ∗ g, soit, lorsque S est une fonction :

Z t
y(t) = g(t) + S(t − θ) g(θ) dθ.
0

Introduction
Définition
Propriétés
Convolution
Equations intégrales
Ce résultat peut également être appliqué aux équations différentielles avec retards,
comme le montre l’exemple simple suivant, avec Hτ = H(t − τ ) et δτ = δ(t − τ ), et en
faisant abstraction des conditions initiales,
y(1) (t) + y(t − τ ) = g(t) ⇔ (δ (1) − δτ ) ∗ y = δ (1) ∗ (δ − Hτ ) ∗ y = g,
et l’application de la proposition précédente conduit à la solution :
y = (δ − Hτ )∗−1 ∗ H ∗ g
= (δ − Hτ + Hτ∗2 + · · · + (−1)n Hτ∗n + · · · ) ∗ H ∗ g.
A noter que chaque terme de la série admet le formulation explicite ci-dessous de
support [nτ, ∞) :
(t − nτ )n−1
Hτ∗n = [(δτ ∗ H) · · · ∗ (δτ ∗ H)] = δnτ ∗ H ∗n = H(t − nτ ) .
| {z } (n − 1)!
n fois

Introduction
Définition
Propriétés
Convolution
Equations matricielles
Equations matricielles : La manipulation de systèmes d’équations de convolution se

plie aux mêmes règles que celles du produit matriciel ordinaire, dans lequel la
multiplication est remplacée par le produit de convolution. Dans ce cadre nous aurons
la
Proposition
Une matrice A (n × n) de convolution est inversible si et seulement si son déterminant
∆ est inversible au sens de la convolution dans D+′ . Son inverse s’obtient en convolant
∆∗−1 par la matrices des cofacteurs.
A titre d’exemple, la représentation dite d’état, qui au sens des fonction s’écrit :

0 1 0 y
x(1) = x+ u, avec x= .
−a0 −a1 b y(1)
Notant comme précédemment le vecteur z = Hx, il vient z(1) = Hx(1) + x0 avec

x0 = (y(0), y(1) (0))t , et la substitution dans la représentation d’état se lit :

δ (1) −δ 0
A ∗ z = B, avec A= , B= ∗ u + x0 δ.
a0 δ δ (1)+ a1 δ bδ

Introduction
Définition
Propriétés
Convolution
Equations matricielles
Il suffit donc de savoir inverser la matrice A au sens de la convolution. Son déterminant

est le polynôme de dérivation ∆ = δ (2) + a1 δ (1) + a0 δ, déjà rencontré. Il est toujours
inversible et la solution z s’exprime par :

δ (1) + a1 δ δ 0
z = ∆∗−1 ∗ ∗ ∗ u + x0 δ .
−a0 δ δ (1) bδ
Cette démarche ne se limite pas aux équations différentielles et peut s’étendre aux
équations intégro-différentielles. Considérons par exemple le système ci-dessous, pour
lequel nous ferons abstraction des conditions initiales :
8 R0
>
< ẏ1 (t) = y1 (t) + −1 y2 (t + θ)dθ
: ẏ (t) = y (t − 1) + y (t) + R 0 u(t + θ)dθ

>
2 1 2 −1
En notant π(t) = H(t) − H(t − 1), il est aisé de constater que les termes faisant
intervenir les intégrales se traduisent également sous forme de produit de convolution.
On obtient alors la description matricielle :

δ′ − δ −π y1 0
∗ = ∗u
−δ1 δ′ −δ y2 −π

Introduction
Transformée de Fourier de fonctions
Transformée de Fourier des distributions
Transformée de Laplace
Convolution
Espaces de Sobolev
Introduction
Pour un système linéaire et continu d’entrée u et de sortie y = L[u], la propriété

d’invariance dans le temps, L[u(θ − τ )](t) = L[u(θ)](t − τ ) permet aisément
d’établir que les fonctions u = est , s ∈ C, sont les fonctions propres de L.
Le principe consistant à décomposer un signal comme combinaisons linéaire
d’exponentielles (somme ou intégrale selon le cas de série ou transformée de
Fourrier) est à la base de l’analyse spectrale.
La transformée de Fourier échange les dérivations par des multiplications,
motivant en grande partie son utilisation pour la résolution d’équations
différentielles ou aux dérivées partielles.
”La théorie de la série et de l’intégrale de Fourier a toujours introduit de grandes
difficultés...pour mettre au point les questions de convergence. ... Pour l’intégrale
de Fourier, l’introduction des distributions est inévitable, sous forme directe ou
camouflée.” (Laurent Schwatrz).

Introduction
Convolution
Espaces de Sobolev

Définition
Pour une fonction f (t), on définit sa transformée de Fourier par la fonction

complexe de la variable réelle ν :
Z
f̂ (ν) = f (t)e−2iπνt dt, notée encore f̂ = F [f ] ou f̂ (ν) = F [f (t)].
Cette intégrale existe (condition suffisante) pour toute f sommable (au sens de
Lebesgue). Elle est continue, bornée et tend vers 0 lorsque |ν| → ∞
Inversement, on démontre que f (t) peut s’obtenir par Transformée de Fourier
inverse
Z
f (t) = f̂ (ν)e2iπνt dν, notée encore f = F̄ [f̂ ] ou f (t) = F̄ [f̂ (ν)].
A notre que dans ce cas cette formule conduit à 1/2[f (t+ ) − f (t− )]] en cas de
discontinuité de f en t.

Introduction
Convolution
Espaces de Sobolev

Propriétés
Quelques propriétés de la transformée de Fourier de fonctions
Conjugaison F [f (−t)] = f̂ (−ν) Echelle F [f (at)] = 1

|a|
f̂ ( νa )
−2iπν a −2iπν0 t
Translation F [f (t − a)] = e f̂ (ν) Modulation F [e f (t)] = f̂ (ν − ν0 )
Convolution F [f ∗ g] = F [g]. F [f ] Produit F [f .g] = F [g] ∗ F [f ]
(m) (m)
Dérivation/t F [f (t)] = (2iπν)m f̂ (ν) Dérivation/ν m
F [(−2iπt) f (t)] = f̂ (ν)
Des dérivées /x et /ν, on retiendra en particulier les tendances :

Plus f (t) est dérivable, plus f̂ (ν) décroı̂t à l’infini.
Plus f (t) décroı̂t à l’infini, plus f̂ (ν) est dérivable.

Introduction
Convolution
Espaces de Sobolev

Exemples
Ra h ia
e−2iπνt sin 2πνa
Exemple : F χ[−a,a] (t) = −a e−2iπνt dt = −2iπν −a
= πν
2 2
Exemple : F [e−πt ] = e−πν . La preuve peut s’obtenir par dérivation /t et en
utilisant les propriétés précédentes :
f ′ + 2πt f = 0 ⇒ f̂ ′ (ν) + 2πν f̂ (ν) = 0,
2 R 2
par intégration f̂ (ν) = K e−πν et K = f̂ (0) = e−πt dt = 1.

R h sin πt i2
Exemple : F πt
dx = 1. Par application directe du Théorème de
R R
Parseval |f (x)|2 dx = |f̂ (ν)|2 dν

Introduction
Convolution
Espaces de Sobolev

Définition
Au vu de la définition précédente, nous serions tentés de définir, pour toute ϕ ∈ D, la

transformée d’une distribution T par : hF [T], ϕi = hT, F [ϕ]i. Cette définition ne peut
pas être retenue car le membre de droite ne définit pas un distribution.
Définition (Espaces S )
On appelle S l’espace des fonctions indéfiniment dérivables, décroissant ainsi que
toute leurs dérivées, quand t → ∞, plus vite que toute puissance de 1t .
Définition (Distributions tempérées ou Espaces S ′ )

On appelle distribution tempérée toute forme linéaire continue sur S .
Le résultat fondamental tient à ce que la T.F. d’une fonction ϕ ∈ S t est encore un

élément de S ν . Ceci permet maintenant de définir la T.F. d’une distribution T par :
hF [T], ϕi = hT, F [ϕ]i , ∀ϕ ∈ S ,
et toute distribution tempérée admet une T.F. qui est elle même tempérée.

Introduction
Convolution
Espaces de Sobolev

Propriétés
On retrouve sensiblement les mêmes propriétés que précédemment. A titre

d’exemple, en notant F [1] = T(ν), on peut observer que F [ dtd 1] = 0 = 2iπνT(ν),
soit νT(ν) = 0 et donc T = cδ. Une normalisation conduit à : F [1] = δ
Dans le cas particulier où T est un distribution à support compact, on montre que
sa transformée est la fonction indéfiniment dérivable :
D E
T̂(ν) = T(t), e−2iπνt ,
prolongeable, pour les valeurs complexes de ν en une une fonction holomorphe

dans tout le plan complexe.

C’est ainsi qu’à l’inverse, δ étant à support compact, F [δ] = δ, e−2iπνt = 1.
les autres résultats découlent des propriétés citées, à savoir, F [δ (m) ] = (2iπν)m ,
F [δ(t − a)] = e−2iπνa , F [e−2iπνa t ] = δ(ν − νa ), etc...

Introduction
Convolution
Espaces de Sobolev

Echantillonnage
Un résultat intéressant pour certaines applications concerne l’échantillonnage et

d’interpolation. Il se base sur le théorème énonçant que La F.T d’un peigne de
Dirac est un peigne de Dirac :
F [x(x)] = x(ν)
P P
Preuve (esquisse) : F [ k∈Z δ(t − k)] = k∈Z e−2iπνn = S(ν). Cette fonction est
périodique (période 1) et inchangée si on la multiplie par e−2iπν , si bien que :
(e−2iπν − 1)S(ν) = 0.
On retrouve ici le problème de la division par une fonction qui s’annule pour
ν ∈ Z. La solution S(ν) est donc un peigne de Dirac. Périodicité et normalisation
conduisent à S = x.

Introduction
Convolution
Espaces de Sobolev

Echantillonnage
Théorème
Une fonction f (t) réelle ayant une T.F. de support ⊂ [−ν0 , ν0 ] , est entièrement
déterminée par ses valeurs aux points t = kT où T < 1/2ν0
Preuve (esquisse) : T x(Tν) ∗ f̂ (ν) est une fonction périodique et on peut écrire (∗) et
en déduire (∗∗) par transformée de Fourier inverse,
ν
f̂ (ν) = [T x(Tν) ∗ f̂ (ν)].Π( ) (∗)
2ν0
t sin 2πν0 t
f (t) = [x( )f (t)] ∗ (∗∗)
T πt
qui s’écrit explicitement
X sin 2πν0 (t − kT)
f (t) = Tf (kT) .
k∈Z
π(t − nT)

Introduction
Convolution
Espaces de Sobolev

Application solutions élémentaires
Une recherche de la solution élémentaire de l’équation des ondes peut se

faire en considérant la T.F. partielle /x pour obtenir :
∂2E ∂2E ∂ 2 Ê
− = δ(x, t) → + (2πν)2 Ê = 1(ν)δ(t),
∂t2 ∂x2 ∂t2
équation différentielle bien connue de solution (∗). Sachant par ailleurs que
sin 2πνt
πν
a pour T.F. inverse χ[−t,t] (x), il vient la solution élémentaire (∗∗).
sin 2πνt 1
Ê(ν, t) = H(t) (∗) → E(x, t) = H(t)χ[−t,t] (x) (∗∗)
2πν 2
La même démarche s’applique à l’équation de la chaleur,
∂E ∂2E ∂ Ê
− = δ(x, t) → + (2πν)2 Ê = 1(ν)δ(t),
∂t ∂x2 ∂t
2
réponse impulsionnelle d’un 1er ordre donnant (∗). Ayant établit que e−πt était
invariant par T.F., on en déduit la solution élémentaire (∗∗).
2 H(t) −x2 /4t
Ê(ν, t) = H(t)e−(2πν) t (∗) → E(x, t) = e (∗∗)
(4πt)1/2

Introduction
Convolution
Espaces de Sobolev
Résumé
La transformée de Laplace s’étend aussi bien aux distributions. On retient

′ pour lesquelles elle est définie par :
généralement le cas des élément de D+

−s t

L(s, T) = T(t), e .
Cette définition n’a de sens que s’il existe un réel ζ tel que e−ζt T soit tempérée, et
auquel cas L(s, T) définie une fonction analytique dans le demi plan Re(s) > ζ.
′ L(s, δ) = 1
Dérivation L(s, T ) = s L(s, T)
(n) n
−a s L(s, δ ) = s
Translation L(s, T(t − a)) = e L(s, T)
−a s
1 L(s, δ(t − a)) = e
Echelle L(s, T(at)) = |a| L( as , T) 1
Convolution L(s, S ∗ T) = L(s, S). L(s, T) L(s, H(t)) =
s
−at tn−1 1
Produit L(s, e T) = L(s + a, T) L(s, H(t)e
at
)=
(n − 1)! (s − a)n
Quelques propriétés
Exemples de transformées
Le principal avantage de la T.L concerne l’utilisation du calcul symbolique pour la

résolution d’équations différentielles.

Introduction
Convolution
Espaces de Sobolev
Introduction aux espaces de Sobolev

Introduction
Un inconvénient des distributions réside dans le fait que la convergence ne peut

pas être décrite par une norme → Introduction des espaces de Sobolev qui
sont sont des sous-espaces de D′ . Ces espaces sont essentiels pour l’analyse
des équations aux dérivées partielles.
Ils possèdent une structure d’espace de Hilbert d’utilisation commode (produit
scalaire et norme).
Ils permettent de rendre compte de la régularité d’une solution, permettant
ainsi de passer des solutions au sens faibles (distributions) à celles plus
classiques de solutions classe Cm .
Ils permettent de tenir compte des phénomènes de bord rencontrés dans la
plupart des e.d.p., et ce par l’introduction des espaces dits de traces des
espaces de Sobolev.

Introduction
Convolution
Espaces de Sobolev
Espaces de Sobolev
Introduction
La définition usuelle d’un espace de Sobolev fait intervenir les dérivations d’ordre
entier au sens des distributions :
n o
H m (Ω) = u ∈ L2 (Ω); Dα u ∈ L2 (Ω), |α| ≤ m .
On munit cet espace du produit scalaire et de la norme associée qui en font des
espaces de Hilbert,
XZ p
(u, v)m = Dα u(ζ)Dα v(ζ)dζ, kukH m (Ω) = (u, u)m
α≤m Rn
(On établit par exemple que tout élément u de H 1 (]a, b[) admet un représentant
continu sur [a, b] permettant de parler de u(a) et u(b)).
Pour les ordres négatifs, ces espaces sont caractérisés par
8 9
< X =
−m ′ α 2
H (Ω) = T ∈ D (Ω); T = D fα , fα ∈ L (Ω) .
: ;
α≤m
Cet espace s’identifie au dual de H0m (Ω), adhérence de D(Ω) dans H m (Ω). En
pratique, pour u ∈ H 1 (Ω), on a l’équivalence u ∈ H01 (Ω) ⇔ u = 0 au bord de Ω.

Introduction
Convolution
Espaces de Sobolev
Espaces de Sobolev
Introduction
Une définition équivalente et permettant d’élargir ces espaces aux ordres réels
entiers est fournie par la Transformée de Fourier de distributions tempérées :
n o
H s (Rn ) = u ∈ S ′ (Rn ); (1 + ζ 2 )s/2 û(ζ) ∈ L2 (Ω)
Z
(u, v) = (1 + ζ 2 )s/2 û(ζ)v̂(ζ)dζ.
Rn
Exemple : S ′ (Rn ) est contenu dans H s (Rn ) pour tout s ∈ R.

Exemple : δ ∈ S ′ (R) et vérifie δ̂ = 1, ⇒ (1 + ζ 2 )s/2 ∈ L2 (R) Ssi s < −1/2.
Exemple : l’opérateur de dérivation Dα = (∂/∂x1 )α1 ...(∂/∂xn )αn est une
application continue de H s dans H s−|α| , où |α| = α1 + ...αn .
L’intérêt de ces ordres réels est de pouvoir définir, pour s ≥ 1/2, des applications
γu dites traces de u qui permettent d’associer à u ∈ H s (Ω) sa restriction au
bord de Ω définie par un élément de H s−1/2 (∂Ω).

Introduction
Convolution
Espaces de Sobolev
Espaces de Sobolev
Introduction
Exemple d’utilisation : dans l’équation du pendule forcé α̈ + sin α = g, on

s’intéresse aux solutions particulières α(t) telles que α(0) = α(1) = 0. La
recherche de telles solutions peut être effectuée dans l’espace :
n o
H01 (]0, 1[) = u ∈ H 1 (]0, 1[); u(0) = u(1) = 0 .
Ces espaces permettent de caractériser les solutions au sens classique d’edp

telles que celle énoncée ci-après : Soit Ω un ouvert, λ ≥ 0, f ∈ H −1 (Ω),
g ∈ H 1/2 (∂Ω). Il existe un unique u ∈ H 1 (Ω) vérifiant
(−∆ + λ)u = f , γ0 u = g.
Le passage de la théorie H s à celle classique de Ck se fait grâce au
Théorème (de Sobolev)

Si k ∈ N et si s ≥ (n/2) + k, alors H s (Rn ) ⊂ Ck (Rn ), et si fn → 0 dans H s , alors
Dα fn → 0 uniformément sur tout compact de Rn et tout |α| ≤ k.

Introduction
Convolution
Espaces de Sobolev
Quelques références
L. Schwartz, Théorie des distributions (2nd ed.), Hermann, Paris, 1966.
R. Petit, l’outil mathématique (Enseignement de la physique), Masson, 1995.
N. Boccara, Distributions (Mathématiques pour l’ingénieur), Ellipses, 1997.
F. Rodier, Distributions et Transformation de Fourier, Ediscience, 1993.
J. Dupraz, La théorie des distributions et ses applications, Cepadues, 1977.
F.& G. Demengel, Mesures et distributions. Théorie et illustration, Ellipses, 2000.
F. Hirsh, G. Lacombe, Elements d’analyse fonctionnelle, Masson, 1997.
C. Zuily, Elements de distributions et d’équations aux dérivées partielles, Dunod, 2002.
M-T Lacroix-Sonier, Distributions, Esp. de Sobolev, Applications, Ellipses, 1998.
A. Yger, Analyse complexe et distributions, Ellipses, 2001.
R. Dautray, J-L Lions, Analyse mathématique et calcul numérique, vol. 4, méthodes

variationnelles, Masson 1988.

Cours Belkoura Distributions

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

Cours Belkoura Distributions

Transféré par

Droits d'auteur :

Formats disponibles

Introduction

Espaces des fonctions tests-Espaces des distributions

Master Recherche AG2I, Systèmes à Etats Continus

Introduction aux distributions

LAGIS (CNRS UMR 8146) & Projet ALIEN INRIA-Futurs,

Introduction aux Distributions AG2I SEC 1/ 74

2 Espaces des fonctions tests-Espaces des distributions

3 Opérations sur les Distributions

Introduction aux Distributions AG2I SEC 2/ 74

La recherche de solutions classiques des équations différentielles est apparue

Introduction aux Distributions AG2I SEC 3/ 74

Au sens de Riemann, l’intégration d’une fonction f f (x)

Introduction aux Distributions AG2I SEC 4/ 74

Tribu : Soit Ω un ensemble et B une famille de parties de P de Ω. B est dite une

Ex : Ω = R, et B contient tous les intervalles du type ] − ∞, a], (tribu borélienne).

Ex1 : µ(]a, b]) = b − a, (mesure de Lebsegue),

Introduction aux Distributions AG2I SEC 5/ 74

ce qui définit,Rsi µ est la mesure de Lebesgue, l’intégrale de Lebesgue de f

Introduction aux Distributions AG2I SEC 6/ 74

Th. Fubini-Lebesgue Pour une fonction mesurable f (x, y) ≥ 0, on a toujours :

On peut également définir l’espace Lα des classes de fonctions mesurables et

qui fait des Lα , (α ≥ 1) des espaces vectoriels normés et complets (Banach).

Introduction aux Distributions AG2I SEC 7/ 74

Dans de nombreux problèmes, le passage à la limite nécessite de sortir du cadre

Introduction aux Distributions AG2I SEC 8/ 74

Réciproquement (Th. de Riesz), toute fonctionnelle linéaire et continue sur D0

En restreignant l’espace fonctionnel à celui des fonctions indéfiniment dérivables à

Introduction aux Distributions AG2I SEC 9/ 74

Espace vectoriel D(Ω)

Définition (brique de base)

Exemple : toute fonction ζab (t) définie comme suit

Théorème (Ou comment en construire beaucoup d’autres)

Introduction aux Distributions AG2I SEC 10/ 74

Espace vectoriel D(Ω)

Un exemple utile pour certaines

égale à 1 dans K Ouvert Ω

Notion de convergence dans D : On dit qu’un suite de fonctions ϕk (t) de D converge

Introduction aux Distributions AG2I SEC 11/ 74

Espace vectoriel D′ (Ω)

Remarque : La condition de continuité peut être remplacée par une majoration : ∀K

Introduction aux Distributions AG2I SEC 12/ 74

On distingue souvent deux classes de distributions : Les distributions régulières et les

Introduction aux Distributions AG2I SEC 13/ 74

La fonctionnelle ci-dessus est linéaire (intégrale). La continuité se montre en

Quand on considère par exemple la fonction de Heaviside définie ci-dessous, la valeur

Les distributions singulières regroupent les autres : Exemples :

Introduction aux Distributions AG2I SEC 15/ 74

Introduction aux Distributions AG2I SEC 16/ 74

Convergence (faible) dans D′ (Ω)

Une suite de distribution Tn converge dans D′ vers T lorsque la suite de nombres

En particulier, la distribution δ peut être aussi vue comme limite (dans D′ ) de

Introduction aux Distributions AG2I SEC 17/ 74

Ordre d’une distribution

Dans la pratique on retiendra essentiellement que :

Introduction aux Distributions AG2I SEC 18/ 74

Support d’une distribution

Restriction d’une distribution à un ouvert : Considérons deux ouverts Ω ⊂ Ω′ de R

Il y a cohérence entre la notion de support établie du point de vue de la théorie des

Introduction aux Distributions AG2I SEC 19/ 74

Support d’une distribution

Formulée autrement, un point a appartient au support de T s’il n’existe aucun ouvert

Deux classes de distributions sont appelées à jouer un rôle important en physique.

variable étant dans ce cas le temps).