Département Génie Informatique,

i
Réseaux et Télécommunications

ou
Cours

lla
Analyse 4
lA
.E
.A
of

Niveau : 2ème année CP (S2) Prof. Abdelati El Allaoui

Pr

2023-2024
Table des matières

i
ou
0 Rappel sur les propriétés topologique de Rn 2
0.1 Normes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

lla
0.2 Ouverts, fermés et compacts de Rn . . . . . . . . . . . . . . . . . . . . . . . 3

1 Les distributions 5
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

lA
1.2 Fonctionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1 L’espace de fonctions tests D . . . . . . . . . . . . . .
1.2.2 Topologie de D . . . . . . . . . . . . . . . . . . . . . .
1.3 L’espace D0 des distributions . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
6
6
9
9
.E
1.3.1 Exemples, distributions régulières et singulières . . . . . . . . . . . . 10
1.3.2 Support d’une distribution . . . . . . . . . . . . . . . . . . . . . . . . 11
1.4 Opérations sur les distributions . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4.1 Translation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
.A

1.4.2 Transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4.3 Dilatation (homothétie ou changement d’unité) . . . . . . . . . . . . 14
1.4.4 Multiplication des distributions . . . . . . . . . . . . . . . . . . . . . 15
1.4.5 Dérivation des distributions . . . . . . . . . . . . . . . . . . . . . . . 16
of

1.4.6 Dérivation d’une fonction discontinue . . . . . . . . . . . . . . . . . . 17

1.4.7 Convergence (faible) dans l’espace D0 des distributions . . . . . . . . 20
1.5 Distributions à plusieurs dimensions . . . . . . . . . . . . . . . . . . . . . . . 20
Pr

1.6 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.6.1 Convolution des fonctions . . . . . . . . . . . . . . . . . . . . . . . . 21
1.6.2 Convolution des distributions . . . . . . . . . . . . . . . . . . . . . . 21
1.6.3 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2 Transformations intégrales : Fourier et Laplace 25

2.1 La Transformation de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . 25

1
 2.1.1 Transformée de Fourier des fonctions . . . . . . . . . . . . . . . . . . 25

i
ou
lla
lA
.E
.A
of
Pr

2
Chapitre 0

i
ou
Rappel sur les propriétés topologique
de Rn

lla
Dans ce chapitre, on rappel quelques notions de base qui seront utilisées dans ce cours.

0.1 Normes
lA
Définition 1
.E
On appelle norme sur Rn toute application

k.k : Rn −→ R+
.A

telle que
1. kxk = 0 ⇔ x = 0
2. kλxk = |λ|kxk, ∀x ∈ Rn ∀λ ∈ R
3. kx + yk ≤ kxk + kyk, ∀x, y ∈ Rn (inégalité triangulaire)
of

La distance associée à une norme est définie par : d(x, y) = kx − yk. d est dite la
distance euclidienne.
Pr

Exemple 1 (Normes usuelles sur Rn )

Pour x = (x1 , x2 , . . . , xn ) ∈ Rn :
n
X
1. kxk1 = |xi |
i=1
v
u n 2
uX
2. kxk2 = t x i (norme euclidienne)
i=1

3
 3. kxk∞ = sup |xi |
1≤i≤n

0.2 Ouverts, fermés et compacts de Rn

Définition 2

(boule ouverte, boule fermée, ouvert, fermé)

i
– L’ensemble B(a, r) = {x ∈ Rn : kx − ak < r} s’appelle boule ouverte de centre

ou
a et de rayon r.
– L’ensemble B̄(a, r) = {x ∈ Rn kx − ak ≤ r} s’appelle boule fermée de centre a et
de rayon r.

lla
– Un sous-ensemble A ⊂ Rn est dit ouvert si ∀a ∈ A , ∃r > 0 tel que B(a, r) ⊂ A .
– B ⊂ Rn est dit fermé si son complémentaire B c = Rn \B est ouvert.
– Un ensemble V est un voisinage de x s’il contient une boule ouverte non vide de
centre x.
lA
Exemple 2 La représentation géométrique d’une boule dépend de la norme choisie dans Rn .
En effet, par exemple B(0, 1), la boule ouverte centrée en 0 et de rayon 1, de Rn admet
.E
différentes formes géométriques.
1. Sur R2 muni de la norme k · k1 , B(0, 1) s’exprime par {(x, y) ∈ R2 , |x| + |y| < 1}.
n √ o
2. Sur R2 muni de la norme k·k2 , B(0, 1) s’exprime par (x, y) ∈ R2 , x2 + y 2 < 1 . Dans
ce cas la boule B(0, 1) s’appelle disque ouvert centré en 0 et de rayon 1.
.A

3. Sur R2 muni de la norme k · k∞ , B(0, 1) s’exprime par {(x, y) ∈ R2 , sup(|x|, |y|) < 1}.
of
Pr

4
 Définition 3

– Un point x0 ∈ Rn est dit adhérent à une partie A de Rn si toute boule ouverte

centrée en x0 contient au moins un point de A i.e. pour tout r > 0, B (x0 , r)∩A 6= ∅.
– Un point x0 ∈ Rn est dit un point d’accumulation d’une partie A de Rn si toute
boule ouverte centrée en x0 contient au moins un point de A autre que x0 i.e. pour
tout r > 0, B (x0 , r) ∩ (A\ {x0 }) 6= ∅.

i
Si x0 est un point d’accumulation de A alors est adhérent à A. La réciproque est fausse ;

ou
il existe des points adhérents qui ne sont pas des points d’accumulation. Ce sont des points
isolés de A.
Définition 4

lla
– On appelle adhérence de A ⊂ Rn , l’ensemble des points adhérents à A, on le
désigne par Ā.
– On dit qu’une partie A de Rn est dense dans Rn si Ā = Rn i.e. l’adhérence de A
est Rn .
Proposition 1
lA
L’ensemble A est le le plus petit fermé contenant A.
.E
Définition 5

– Un ensemble E ⊂ Rn est dit borné s’il existe R > 0 tel que E ⊂ B̄(0, R) i.e.
kxk ≤ R pour tout x ∈ E.
.A

– Un ensemble E ⊂ Rn est dit compact si de toute famille d’ouverts (Ui )i∈I telle
que E ⊂ i∈I Ui on peut extraire une sous famille finie (U1 , . . . Um ) telle que E ⊂
S

(U1 ∪ . . . ∪ Um ) .

Théorème 1
of

Pour un ensemble E ⊂ Rn , les deux propriétés suivantes sont équivalentes.

1. E est compact.
Pr

2. E est à la fois fermé et borné.

Exemple 3 Les boules fermées et les pavés fermées [a1 ; b1 ] × . . . × [an ; bn ] de Rn sont des
ensembles compacts Rn .

5
Chapitre 1

i
ou
Les distributions

lla
1.1 Introduction
Les distributions peuvent être considérées comme une généralisation de la notion de fonc-

lA
tion. L’introduction des distributions est motivée par la difficulté de rendre compte rigoureu-
sement de certains phénomènes physiques à l’aide simplement de la notion de fonction.
Considérons l’exemple suivant : un choc élastique entre deux objets.
Considérons une partie de squash. On suppose que la balle arrive sur un mur (perpendicu-
.E
lairement à la surface pour simplifier) à la vitesse v0 et rebondit. La balle s’écrase quelque
peu ce qui fait que le choc dure un temps ∆t non nul, puis elle repart avec une vitesse −v0 .
Le graphe de la vitesse en fonction du temps est donc le suivant :
.A
of
Pr

La loi de la mécanique Newtonienne stipule que, tout au long du mouvement, la force

F exercée sur la balle est telle que F = mv̇ ; elle est donc proportionnelle à la dérivée de
la fonction représentée ci-dessus. Maintenant, si l’on veut modéliser un choc dur (partie de
pétanque), le graphe de la vitesse devient alors :

6
 i
ou
La force exercée devrait toujours être proportionnelle à la dérivée de cette fonction donc

lla
F devrait être nulle pour tout t 6= 0 et vérifier

1 Z +∞
F (t)dt = v(+∞) − v(−∞) = −2v0 ,
m −∞

lA
ce qui est absurde car l’intégrale d’une fonction presque partout nulle est nulle. Par consé-
quent, ni cette intégrale, ni la dérivée précédente ne peuvent être traitées au sens des fonc-
tions ; on a besoin d’objets plus généraux, i.e., les distributions.
.E
1.2 Fonctionnelle
Définition 6
.A

On dit que l’on a une fonctionnelle sur un ensemble de fonctions appelées fonctions
tests, si à chacune de ces fonctions on peut associer un nombre complexe. Autrement dit
une fonctionnelle T sur un espace de fonctions F est une application de F dans C. Le
nombre associé par T à ϕ ∈ F est noté hT, ϕi.
of

Une grande variété de fonctions tests peuvent être utilisées et plus les conditions de régu-
larité imposées aux fonctions tests sont sévères, plus les fonctionnelles définies sont générales.
Les distributions seront définis comme fonctionnelles sur un certain espace, noté D, que nous
Pr

allons présenter maintenant.

1.2.1 L’espace de fonctions tests D

Dans ce chapitre, nous nous restreindrons au cas à une dimension, c’est-à-dire que les
fonctions considérées seront des fonctions à une seule variable réelle.

7
 Définition 7

Soit f une fonction à valeurs complexes définie sur R. Le support de f , noté Supp(f ),
est l’adhérence des x ∈ R tels que f (x) 6= 0.

Supp(f ) = {x ∈ R; f (x) 6= 0}.

Rappel :

i
L’adhérence d’un ensemble non vide A, noté A est le plus petit fermé contenant cet en-

ou
semble. Dans le cas des fonctions d’une seule variable, l’adhérence est un intervalle compact
du type [a, b].
Le support de f est donc un ensemble fermé en dehors duquel f est nulle et en outre c’est

lla
le plus petit ensemble possédant cette propriété.
Définition 8

On définit l’ensemble D comme l’espace des fonctions (fonctions tests) à valeurs

Remarque 1
lA
complexes définies sur R, indéfiniment dérivables et à support borné.

C’est un espace vectoriel de dimension infinie.

.E
Le support étant fermé par définition, on peut remplacer dans la définition précédente
support borné par support compact. En effet, pour qu’un sous-ensemble de R soit compact,
il faut et il suffit qu’il soit fermé et borné.
.A

Exemple 4 (exemple fondamental) : Soit ξa la fonction définie par :


 0 pour |x| ≥ 1/a,
ξa (x) = 
−1

 exp 1−a2 x2
pour |x| < 1/a,
of

h i
avec a > 0. Elle est indéfiniment dérivable, son support est −1 , 1 et il est facile de vérifier
a a
que toutes ses dérivées son nulles en x = a1 et x = −1
a
. Voici le graphe de ξ2 :
Pr

8
 i
ou
Une autre famille de fonctions de D est définie par

lla
ξ1 (kx)
γk (x) = R .
ξ1 (kx)dx

Ces fonctions permettent d’en construire beaucoup d’autres grâce au théorème suivant :

Rappel :
lA
– Une fonction f à valeurs réelles positives continue par morceaux sur un intervalle I est
dite intégrable (ou sommable) surZ I s’il existe un nombre réel positif M tel que, pour
tout segment J contenu dans I, f ≤ M . On pose alors
.E
J
Z Z
f = sup f.
I J J

– Une fonction f à valeurs réelles ou complexes continue par morceaux sur I est dite
.A

intégrable (ou sommable) sur I si |f | est intégrable.

Théorème 2

Si ϕ ∈ D et si f est une fonction sommable à support borné, alors

of

Z
ψ(x) = f (t)ϕ(x − t)dt

est une fonction de D.

Pr

Considérons maintenant la suite de fonctions

Z
ψk (x) = f (t)γk (x − t)dt.

On démontre que si f est continue, alors cette suite converge uniformément vers f . D’où le
théorème suivant :

9
 Théorème 3

(Théorème d’approximation de Weierstrass) Toute fonction continue à support borné

peut être approchée uniformément par une suite (ϕn )n>0 de fonctions de D.

∀ > 0, ∃N ∈ N, tel que, ∀n ≥ N, ∀x, |ϕn (x) − f (x)| ≤ 

i
1.2.2 Topologie de D

ou
Elle sera définie par un critère de convergence pour les suites.
Définition 9

lla
Une suite (ϕn )n>0 de fonctions de D converge vers une fonction ϕ lorsque n tend vers
l’infini si :
1. Il existe un ensemble borné B (indépendant de n ) de R tel que pour tout n > 0,
Supp (ϕn ) ⊂ B ;

vers ϕ(k) .
lA n

On peut montrer que la limite ϕ appartient alors à D.


2. Pour tout entier k ≥ 0, la suite des dérivées ϕ(k)

n
converge uniformément sur R
.E
1.3 L’espace D0 des distributions
Définition 10
.A

On appelle distribution toute fonctionnelle linéaire continue sur l’espace vectoriel D.

Soit T une distribution. Par définition, T est une fonctionnelle sur D donc T associe à
toute fonction ϕ ∈ D un complexe noté hT, ϕi (ou parfois T (ϕ) ).
of

La définition d’une distribution implique les deux points suivants :

1. Linéarité
Pr

- hT, ϕ1 + ϕ2 i = hT, ϕ1 i + hT, ϕ2 i ,

- hT, λϕ1 i = λ < T, ϕ1 > .

2. Si (ϕk )k>0 converge dans D vers ϕ, alors la suite (hT, ϕk i)k>0 converge au sens usuel
vers hT, ϕi, i. e.,

∀ > 0, ∃N ∈ N tel que, ∀k > N, |< T, ϕ > − < T, ϕk >| ≤ .

10
L’ensemble des distributions est un espace vectoriel noté D0 .
La somme de deux distributions et le produit d’une distribution par un scalaire sont définis
comme suit :
1. hS + T, ϕi = hS, ϕi + hT, ϕi,
2. hλT, ϕi = λhT, ϕi.

i
1.3.1 Exemples, distributions régulières et singulières

ou
Définition 11

Une fonction f : R → C est dite localement sommable si elle est intégrable sur tout

lla
intervalle borné.
À toute fonction f localement sommable, on associe la distribution Tf définie par
Z Z +∞
∀ϕ ∈ D, hTf , ϕi = f (x)ϕ(x)dx := f (x)ϕ(x)dx.

lA −∞

Une telle distribution est dite régulière. Les autres (celles qui ne s’écrivent pas Tf pour
f localement sommable) sont dites singulières.
Proposition 2
.E
Deux fonctions localement sommables définissent la même distribution si et seulement
si elles sont égales presque partout.

Rappel :
.A

Définition 12

On dit qu’une partie A de R est négligeable si, pour tout ε > 0, il existe une suite
(In )n≥0 d’intervalles In =] an , bn [ telle que
of

[ X
A⊂ In , (bn − an ) ≤ ε.
n≥0 n≥0

Définition 13
Pr

Une propriété est dite vraie presque partout si l’ensemble des points où elle n’est pas
vérifiée est négligeable.

– Un premier exemple de distribution régulière est la distribution valeur principale de

Cauchy de x1 notée vp 1 et définie par :
x

Z
ϕ(x) Z
ϕ(x) − ϕ(−x)
∀ϕ ∈ D, < vp 1 , ϕ >= lim+ dx = dx.
x →0 |x|> x R+ x

11
 – Un second exemple est la distribution de Heaviside.
La fonction H de Heavside est définie par

 1 pour x ≥ 0
H(x) =
 0 pour x < 0

La distribution de Heaviside, notée W = TH , est définie par

i
Z +∞

ou
∀ϕ ∈ D, < W, ϕ >= ϕ(x)dx.
0

– L’exemple le plus usuel de distribution singulière est la distribution de Dirac notée δ

et définie par :

lla
∀ϕ ∈ D, < δ, ϕ >= ϕ(0).

distribution définie par lA

– Plus généralement, on définit la distribution de Dirac au point a et on note δa la

∀ϕ ∈ D, hδa , ϕi = ϕ(a).
.E
Exemple 5 L’application
Z b
T : ϕ 7−→ hT, ϕi = ϕ(x)dx
a
.A

définit une distribution sur R. En effet, on a

Z b Z +∞
hT, ϕi = ϕ(x)dx = g(x)ϕ(x)dx = hTg , ϕi
a −∞

où
of


1

si a ≤ x ≤ b
g(x) = 
0 sinon
Pr

est une fonction localement sommable.

1.3.2 Support d’une distribution

12
 Définition 14

– On dit que deux distributions S et T sont égales si hS, ϕi = hT, ϕi quel que soit
ϕ ∈ D.
– On dit qu’elles sont égales sur un ouvert Ω ⊂ R si hS, ϕi = hT, ϕi quel que soit
ϕ ∈ D ayant son support dans Ω.

i
Exemple 6 Les distributions régulières T1 et W sont égales sur ]0, +∞[.

ou
Définition 15

Soit Ω ⊂ R, un ouvert. On dit qu’une distribution T est nulle sur Ω si l’on a hT, ϕi =

lla
0, pour toute fonction ϕ ∈ D, ayant son support dans Ω.

Définition 16

Considérons la réunion de tous les ouverts sur lesquels une distribution T est nulle. Cet

lA
ensemble est alors le plus grand ouvert sur lequel T est nulle (admis). Son complémentaire
(qui est un fermé) est appelé support de la distribution T ; on le note Supp(T ).

Définition 17
.E
0 0
L’espace D+ (resp. D− ) des distributions à support dans R+ (resp. R− ) est appelé
espace des distributions à support borné à gauche (resp. borné à droite).

Exemple 7 La distribution δ de Dirac est nulle sur tout ouvert ne contenant pas l’origine,
.A

par exemple R∗ . En effet, 0 ∈

/ supp(ϕ) et hδ, ϕi = ϕ(0) = 0.

Exemple 8 – Supp (δa ) = {a} : En effet

Soit ω = R/{a} et ϕ ∈ D(R), Supp(ϕ) ⊂ R/{a}. On a donc ϕ(a) = 0, donc hδa , ϕi = 0.
of

Donc δa est nulle sur R/{a}.

De plus, δa n’est pas nulle sur R car il existe des fonctions ϕ ∈ D(R) telles que hδa , ϕi =
6
0. Donc R/{a} est le plus grand ouvert sur lequel δa est nulle.
Pr

Donc Supp (δa ) = {a}, et δa a support compact.

 
– Supp vp 1 = R.
x

Proposition 3

Si Tf est la distribution associée à une fonction localement sommable f , alors

supp(Tf ) = supp(f ).

13
Preuve Posons F = supp(f ) et montrons que supp(Tf ) ⊂ F .
Soit ϕ ∈ D telle que : supp(ϕ) ⊂ F c .
Comme f = 0 sur supp(ϕ), alors hTf , ϕi = 0, c’est-à-dire Tf est nulle sur F c . Dès lors,

supp (Tf ) ⊂ (F c )c = F = supp(f ).

Il reste à prouver que supp(f ) ⊂ supp(Tf ).

i
Soit x ∈ F = supp(f ) et montrons que x ∈ supp(Tf ). On va raisonner par l’absurde en

ou
supposant que x ∈ / supp(Tf ).
Dans ce cas, il existe un intervalle I =]x − ε, x + ε[ tel que : pour toute fonction ϕ ∈ D ayant
son support dans I,

lla
Z +∞
hTf , ϕi = f (t)ϕ(t)dt = 0,
−∞

sur I. Dès lors, f est nulle sur I et par conséquent I ∩ F = ∅.

Donc, x ∈/ F ce qui est absurde.

Exemple 9 Supp(W ) = [0, +∞[.

1.4
lA
Opérations sur les distributions
.E
Dans cette section, on va définir un certain nombre d’opérations sur les distributions.
Pour ceci, on va étudier comment ces opérations sont définies pour une fonction localement
sommable, traduire ceci avec le langage des distributions sur la distribution régulière associée.
.A

1.4.1 Translation
Si f est localement sommable et si a ∈ R, alors la translatée fa de f est la fonction donnée
par fa (x) = f (x − a). La distribution régulière associée à fa vérifie donc
of

Z Z
∀ϕ ∈ D, hTfa , ϕi = f (x − a)ϕ(x)dx = f (y)ϕ(y + a)dy = hTf , ϕ−a i .
Pr

Définition 18

La translatée d’une distribution T , notée Ta est la distribution définie par :

∀ϕ ∈ D, hTa , ϕi = hT, ϕ−a i .

1
Exemple 10 La translatée de la valeur principale de Cauchy de x
est la valeur principale
1
de (x−a) .

14
1.4.2 Transposition
Soit f une fonction localement sommable et cherchons la distribution associée à la fonction
˜
f qui à x associe f (−x). On a
D E Z Z
∀ϕ ∈ D, Tf˜, ϕ = f (−x)ϕ(x)dx = f (x)ϕ(−x)dx = hTf , ϕ̃i .

i
Définition 19

ou
La transposée d’une distribution T , notée T̃ est la distribution définie par :

∀ϕ ∈ D, hT̃ , ϕi = hT, ϕ̃i.

lla
1.4.3 Dilatation (homothétie ou changement d’unité)

D
∀ϕ ∈ D, ”Tf (ax) ”, ϕ =
E Z
lA
Si f est localement sommable et si a ∈ R∗ , alors la dilatée de la fonction f est définie
par x 7→ f (ax). Sa distribution régulière associée vérifie

f (ax)ϕ(x)dx =
Z
f (y)ϕ
y dy
 

a |a|
=
1
|a|
< Tf , ”ϕ
x
a
”>.
 
.E
Définition 20

La dilatée d’une distribution T est la distribution définie par :

1 x
 
.A

∀ϕ ∈ D, < ”T (ax)”, ϕ >= < T, ”ϕ ”>.

|a| a

1
Exemple 11 ”δ(ax)” = |a|
δ.
of

Conclusion :
Translation :
Pr

hT (x − a), Φ(x)i = hT (x), Φ(x + a)i

Homothétie :

1 x
  
hT (ax), Φ(x)i = T (x), Φ
|a| a
hT (−x), Φ(x)i = hT (x), Φ(−x)i

15
1.4.4 Multiplication des distributions
Il n’existe pas de moyen de multiplier entre elles deux distributions quelconques. En
outre, si f et g sont deux fonctions localement sommables, alors leur produit ne l’est pas
√
nécessairement (f (x) = g(x) = 1/ x) (f (x)g(x) = x1 n’est pas intégrable en 0. Elle n’est
donc pas localement intégrable.
Cependant si ψ est une fonction indéfiniment dérivable, alors le produit par ψ d’une

i
fonction test de D est encore dans D. Soit f une fonction localement sommable et ψ une

ou
fonction indéfiniment dérivable. On a alors
Z Z
∀ϕ ∈ D, hTψf , ϕi = (ψ(x)f (x))ϕ(x)dx = f (x)(ψ(x)ϕ(x))dx = hTf , ψϕi .

lla
Définition 21

Soit ψ une fonction indéfiniment dérivable. Le produit ψT d’une distribution T par

lA
ψ est la distribution définie par :

∀ϕ ∈ D, hψT, ϕi = hT, ψϕi.

À partir de cette définition, on peut définir le produit d’une distribution quelconque T par
.E
une distribution régulière Tψ associée à une fonction indéfiniment dérivable ψ de la manière
suivante :

∀ϕ ∈ D, hTψ T, ϕ >=< T, ψϕ > .

.A

Lemme 1

Soit ψ une fonction indéfiniment dérivable. On a :

ψδ = ψ(0)δ
of

Preuve
Pr

∀ϕ ∈ D, hψδ, ϕi = hδ, ψϕi = ψ(0)ϕ(0) = ψ(0) < δ, ϕ >= hψ(0)δ, ϕi,

d’où le résultat.

En particulier, xδ = 0.
L’équation xT = 0, de distribution inconnue T , a pour solutions les multiples de la distribu-
tion de Dirac.

16
Exemple 12 Pour tout x ∈ R, on a

1
 
x · vp =1
x

En effet, pour ϕ ∈ D(Ω) on a

Z +∞
1 1 xϕ(x) + xϕ(−x)
       
x · vp , ϕ = vp , xϕ = dx

i
x x 0 x
Z +∞ Z +∞

ou
= (ϕ(x) + ϕ(−x))dx = 1 · ϕ(x)dx
0 −∞

= h1, ϕi

lla
où 1 désigne la distribution régulière associée à la fonction constante x 7−→ 1.

1.4.5 Dérivation des distributions

vérifie :
Z
lA
Soit f une fonction localement sommable que nous supposons de plus dérivable et f 0 est
continue sur R. Dans ce cas, f 0 est localement sommable et sa distribution régulière associée

Z
.E
∀ϕ ∈ D, hTf 0 , ϕi = f 0 (x)ϕ(x)dx = − f (x)ϕ0 (x)dx = − hTf , ϕ0 i .

Notons que ceci s’obtient par intégration par partie en utilisant le fait que ϕ est à support
borné(comme la fonction ϕ est nulle en dehors d’un ensemble borné, les problèmes de bords
.A

peuvent être ignorés). C’est la raison principale du choix restrictif des fonctions tests, i.e., de
l’espace D.
Définition 22

La dérivée T 0 d’une distribution T de D0 est la distribution définie par :

of

∀ϕ ∈ D, hT 0 , ϕi = − hT, ϕ0 i .
Pr

De même on pourra définir les dérivées successives T (m) par :

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

Exemple 13 W 0 = δ. En effet
Z +∞
0 0
∀ϕ ∈ D, hW , ϕi = − < W, ϕ >= − ϕ0 (x)dx = −[ϕ(x)]+∞
0 = ϕ(0) =< δ, ϕ > .
0

17
 Lemme 2

Soit T une distribution quelconque et ψ une fonction indéfiniment dérivable. On a

alors la règle de Leibniz suivante :

(T ψ)0 = T 0 ψ + T ψ 0 .

i
Preuve

ou
1.4.6 Dérivation d’une fonction discontinue
Rappel :

lla
Définition 23

En un point x où une fonction f est discontinue, la discontinuité est dite de pre-

mière espèce si f admet en x une limite à gauche et une limite à droite finies. Il est de

de la valeur f (x). lA
plus supposé que l’une (au moins) de ces limites est distincte, soit de l’autre limite, soit

On a vu que la dérivée au sens des distributions de la distribution de Heaviside était égale

.E
à la distribution de Dirac. Maintenant si on considère la fonction de Heaviside, sa dérivée est
nulle partout sauf en 0 où elle n’est pas définie et la distribution associée n’est pas δ. Par
conséquent, les opérations "prendre la distribution associée" et "dérivation" ne commutent
pas, ou, autrement dit, (Tf )0 6= Tf 0 . Cela sera ainsi pour toute fonction présentant une
.A

discontinuité en un point.
On s’intéresse ici à une discontinuité de première espèce.
of
Pr

L’expression du saut de la fonction est donnée par :

   
σa = f a+ − f a−

18
On veut calculer la dérivée (Tf )0 de Tf :
D E
(Tf )0 , ϕ = − hTf , ϕ0 i
D E Z a Z R
0 0
(Tf ) , ϕ = − f (t)ϕ (t)dt − f (t)ϕ0 (t)dt
−R a

En intégrant par parties et en considérant les spécificités de la fonction test ϕ :

i
ϕ(−R) = ϕ(+R) = 0 valeurs extrêmes en dehors du support

ou
   
ϕ a+ = ϕ a− = ϕ(a) continuité à l’intérieur du support

Il vient :

lla
D E Z +R
0
(Tf ) , ϕ = σa ϕ(a) + f 0 (t)ϕ(t)dt
−R
D E
0
(Tf ) , ϕ = σa hδa , ϕi + hTf 0 , ϕi

On a donc :
D

lA E
(Tf )0 , ϕ = hσa δa + Tf 0 , ϕi

(Tf )0 = Tf 0 + σa δa
.E
Dans le cas d’une fonction continue (saut de valeur nulle) :

(Tf )0 = Tf 0
.A

Formule généralisée à un ensemble de sauts :

Soit f une fonction C 1 par morceaux. Soient a1 , . . . , an les points de discontinuité de f (que
   
(0)
nous supposons en nombre fini) et σi := σa(0)
i
= f a +
i − f a−
i le saut de discontinuité de
of

f en ai .
n
(Tf )0 = Tf 0 + σa(0)
X
δai
Pr

i
i=1

Théorème 4

Soit f une fonction de classe C 1 par morceaux. Avec les notations précédentes, on a
alors
(Tf )0 = Tf 0 +
X (0)
σi δai .
i

19
 On notera plus simplement
(Tf )0 = Tf 0 + σ (0) δ

De même, soit f une fonction C ∞ par morceaux. Si l’on note σ (j) les sauts de discontinuité
de f (j) , on a
(Tf )(m) = Tf (m) + σ (m−1) δ + σ (m−2) δ 0 + · · · + σ (0) δ (m−1)

i
Exemple 14 La dérivée au sens des distributions de la fonction H de Heaviside :

ou
Soit W la distribution de Heaviside. C’est la distribution régulière associée à la fonction de
Heaviside H, définie pour x 6= 0 par

1, si x > 0

lla

H(x) =
0, si x < 0


La fonction H est discontinue en x = 0 et le saut en ce point vaut 1 ; de plus, sa dérivée est

la définition. lA
nulle pour x > 0 et pour x < 0. Alors W 0 = δ, ce que nous avons déjà trouvée en appliquant

Exemple 15 La fonction Signe est définie par :

.E

+1

t>0
sgn(t) =
−1

t<0

Le saut de la fonction a pour valeur σ = +2. On a donc :

.A

{sgn(t)}0 = 2δ

Exemple 16 Soit f la fonction périodique de période a définie sur (0, a) par f (x) = x/a.
of

La fonction f est continument dérivable excepté aux points {na, n ∈ Z} où elle présente une
discontinuité de première espèce. Le saut au point na est donné par σ(na) = −1, n ∈ Z. On
en déduit que
Pr

(Tf )0 = Tf 0 −
X
δna
n∈Z

Comme f 0 = 1/a presque partout, on a Tf 0 = T1/a , et on écrira

1 X
(Tf )0 = − δna
a n∈Z

20
1.4.7 Convergence (faible) dans l’espace D0 des distributions
Théorème 5

(Théorème et Définition) Soit (Tn )n∈N une suite de distributions. On dit que (Tn )n∈N
converge dans D0 si, pour tout ϕ ∈ D, la suite hTn , ϕi converge au sens ordinaire.
Si on appelle hT, ϕi = lim hTn , ϕi cette limite, alors l’application ϕ 7→ hT, ϕi est une
n
distribution.

i
ou
Exemple 17 Montrons que : δn −→ 0. En effet, on a

∀ϕ ∈ D(Ω) : hδn , ϕi = ϕ(n)

lla
et puisque ϕ est à support compact, alors

Théorème 6 lA
lim hδn , ϕi = lim ϕ(n) = 0
n→+∞ n→+∞

Soit (Tn )n∈N une suite de distributions. Si (Tn )n∈N converge dans D0 vers une distri-
 
converge dans D0
.E
bution T , alors, pour tout m ∈ N, la suite de distributions Tn(m)
n∈N
vers T (m) .
Convergence vers δ :
Si la suite de fonctions localement sommables (fk )k vérifie :
.A

1. ∃A > 0 tel que pour tout |x| ≤ A, fk (x) ≥ 0,

Z
2. ∀a > 0, fk (x)dx → 1 lorsque k → +∞,
|x|≤a
i
1
3. fk (x) → 0 uniformément dans tout ensemble 0 < a < |x| < a
< ∞(a ∈]0, 1 ,
of

alors la suite des distributions régulières (Tfk )k converge dans D0 vers δ.

Une suite de fonctions localement sommables satisfaisant les conditions précédentes est sou-
vent appelée suite de fonctions de Dirac.
Pr

Un exemple de suite de fonctions de Dirac est la suite (gn )n des gaussiennes définies par
gn (x) = √nπ exp (−n2 x2 ).

1.5 Distributions à plusieurs dimensions

D’une façon analogue, on peut définir des distributions à n dimensions comme fonction-
nelles sur l’espace D (Rn ) des fonctions de Rn dans C indéfiniment dérivables sur Rn et à

21
support borné. Par exemple, la distribution régulière associée à une fonction f : Rn → C
localement sommable est définie par :
Z Z
n
∀ϕ ∈ D (R ) , < Tf , ϕ >= ··· f (x1 , . . . , xn ) ϕ (x1 , . . . , xn ) dx1 . . . dxn

1.6 Convolution

i
ou
1.6.1 Convolution des fonctions
Définition 24

Soient ϕ et ψ deux fonctions C ∞ à supports compacts. On pose :

lla
Z Z
(ϕ ∗ ψ)(x) = ϕ(y)ψ(x − y)dy = ϕ(x − y)ψ(y)dy. (1.1)

lA
La fonction (ϕ ∗ ψ) ainsi définie est de classe C ∞ à support compact vérifiant :

supp(ϕ ∗ ψ) ⊂ supp(ϕ) + supp(ψ) (1.2)

On l’appelle la convolée des deux fonctions ϕ et ψ.

.E
On peut bien sur définir la convolée de fonctions moins régulières.
L’extension la plus naturelle concerne les fonctions intégrables :
Si ϕ et ψ deux fonctions sommables, alors ϕ ∗ ψ définie par (1.1) est sommable et on a :
.A

Z Z Z
|ϕ ∗ ψ(x)|dx ≤ |ϕ(x)|dx · |ψ(x)|dx

Néanmoins, ce n’est pas cette extension que nous utiliserons le plus fréquemment, mais plutôt
celle décrite dans les définitions suivantes.
of

1.6.2 Convolution des distributions

Pr

Définition 25

Soient T ∈ D0 (R) et ϕ ∈ D (R), la formule

T ∗ ϕ(x) = hT, ϕx i , avec ϕx (y) = ϕ(x − y)

22
 définit sur R une fonction T ∗ ϕ de classe C ∞ . Cette fonction vérifie en outre :

(T ∗ ϕ)0 = T 0 ∗ ϕ = T ∗ ϕ0 (1.3)

supp(T ∗ ϕ) = supp(T ) + supp(ϕ) (1.4)

Remarque 2

i
ou
La convolution est à l’origine du très utile procédé de régularisation, que nous décri-
vons maintenant,

Définition 26

lla
Soit ϕ ∈ D (R), positive ou nulle d’intégrale égale à 1, et soit  > 0; on pose ϕ (x) =
1 x
ϕ  = nϕ(nx) ( pour n = 1/). Alors, si T ∈ D0 (R), la formule de fonctions C ∞ ,

T = T ∗ ϕ converge vers T lorsque  tend vers 0, au sens où :

∀ψ ∈ D, lA Z
T (x)ψ(x)dx −→ hT, ψi (1.5)

L’intérêt de ce procédé d’approximation par des fonctions régulières est que le mode de
convergence de T vers T est essentiellement décrit par la régularité de T .
.E
Pour définir la convolution de deux distributions, on constate d’abord que, si T ∈ D0 (R) , ϕ, ψ ∈
D (R),
Z
T ∗ ϕ(x)ψ(x)dx = hT, ϕ̃ ∗ ψi
.A

où ϕ̃ est la transposée de ϕ.
On pose, pour T ∈ D0 (R) , S ∈ D0 (R) a support compact et ϕ ∈ D (R),

hT ∗ S, ϕi = hT, S̃ ∗ ϕi.
of

On définit ainsi une distribution T ∗ S sur R, qui vérifie encore 1.3 et 1.4.
Pr

Exemple de la distribution de Dirac en convolution :

Convolution par δ :
Soit T une distribution quelconque et δ la distribution de Dirac à l’origine.
D E
hδ ∗ T, ϕi = T, δ̃ ∗ ϕ ,

23
et on a

δ̃ ∗ ϕ(y) = hδ̃, ϕy i = hδ, ϕy i = ϕy (0) = ϕ(y) (car δ̃ = δ)

On a donc :

hδ ∗ T, ϕi = hT, ϕi .

i
ou
Ainsi
δ∗T =T

La distribution de Dirac à l’origine est un opérateur unitaire dans la convolution.

lla
Convolution par δ(x − a) (la translatée de δ(x)) :
Dans les mêmes conditions :

On a donc :
lA
hδ(x − a) ∗ T (x), ϕ(x)i = hT (x), ϕ(a + x)i = hT (x − a), ϕ(x)i,

δ(x − a) ∗ T (x) = T (x − a)
(T (x − a) := Ta )
.E
En conclusion, pour translater une distribution, il suffit de la convoluer par la translatée
δ(x − a) de la distribution de Dirac.
En utilisant cette propriété, on peut en déduire que, si T = R ∗ S :
.A

T (x − a) = {R ∗ S} ∗ δ(x − a) = R(x − a) ∗ S = R ∗ S(x − a)

Convolution par la dérivée δ 0 :

hδ 0 ∗ T, ϕi = hδ 0 (x).T (y), ϕ(x + y)i = hT (y), hδ 0 (x), ϕ(x + y)ii

of

hδ 0 ∗ T, ϕi = − hT (y), ϕ0 (y)i = hT 0 , ϕi
D’où le résultat généralisé :
Pr

δ0 ∗ T = T 0 ⇒ δ (m) ∗ T = T (m)

Ainsi, pour dériver m fois une distribution, il suffit de la convoluer par la dérivée d’ordre m
de la distribution de Dirac. En utilisant cette propriété, on peut en déduire que :

T =R∗S ⇒ T 0 = R0 ∗ S = R ∗ S 0

24
1.6.3 Résultats
Proposition 4

(Commutativité) Soit T, S ∈ D0 (Ω). Si T ∗ S existe, alors

T ∗S =S∗T

i
Proposition 5

ou
(Distribution par rapport à l’addition) Soit T, S1 , S2 ∈ D0 (Ω).Si T ∗ S1 et T ∗ S2
existent, alors
T ∗ (S1 + S2 ) = T ∗ S1 + T ∗ S2 .

lla
Proposition 6

(Associativité) Soit T, S, R ∈ D0 (Ω). On a

lA
(T ∗ S) ∗ R = T ∗ (S ∗ R)

si deux au moins de ces distributions sont à supports compacts ou si toutes ces distribu-
tions ont leurs supports compacts d’un même côté.
.E
Proposition 7

(Dérivation d’une convolution) Soit T, S ∈ D0 (Ω). Si T ∗ S existe, alors

.A

(T ∗ S)0 = T 0 ∗ S = T ∗ S 0

Proposition 8

(Régularisation des distributions) Soient T une distribution et ϕ une fonction de

classe C ∞ . Si T ∗ ϕ existe, alors c’est une fonction de classe C ∞ , donnée par
of

T ∗ ϕ(y) = hTx , ϕ(y − x)i = ψ(y), y∈R

Pr

Remarque 3

Dans la proposition précédente, si ϕ ∈ D(Ω) et T ∈ D0 (Ω) alors le produit de convolu-

tion T ∗ ϕ existe car supp (ϕ) est compact. De même, si ϕ ∈ ξ(Ω) = C ∞ (Ω) et T ∈ ξ 0 (Ω)
(l’espace de distribution a support compact) alors supp(T ) est compact et T ∗ ϕ existe.

25
Chapitre 2

i
ou
Transformations intégrales : Fourier et
Laplace

lla
2.1

2.1.1
lA
La Transformation de Fourier

Transformée de Fourier des fonctions

Définition 27
.E
Soit f : R → R ou C une fonction de la variable réelle à valeurs réelles ou complexes.
On appelle transformée de Fourier (ou spectre) de f , si elle existe, la fonction fˆ : R → C
définie par Z +∞
ˆ
.A

f (ν) = f (x) exp(−2iπνx)dx

−∞

On écrira symboliquement

fˆ = F[f ] ou fˆ(ν) = F[f (x)](ν)

of

Notons que la transformée de Fourier de f existe s’il existe au moins un ν ∈ R tel que la
fonction x 7−→ f (x) exp(−2iπνx) soit intégrable sur R.
La transformée de Fourier n’existe pas toujours, par exemple la fonction x 7→ x2 n’admet
Pr

pas de transformée de Fourier car l’intégrale

Z +∞
x2 exp(−2iπνx)dx
−∞

n’existe pour aucune valeur de ν. Si des conditions d’existence de la transformée de Fourier

d’une fonction sont difficiles à écrire, on a en revanche la condition suffisante suivante :

26
 Théorème 7

Toute fonction intégrable possède une transformée de Fourier qui est une fonction
continue, bornée et tendant vers 0 lorsque |ν| tend vers l’infini.

Exemple 18 1. Fonction Porte :

Soit 
−1 1

i
1
 si ≤x≤
2 2

ou
f (t) = Π(t) =
0

sinon
Sa TF s’écrit : Z ∞
fˆ(ν) = Π(t)e−2iπνt dt

lla
−∞
1
Z
2 1 h −2iπνt i 12
= e−2iπνt dt = − e
− 12 2iπν − 21

sin(πν)

lA=
πν
.E
.A

Figure 2.1 – Fonction porte (à gauche) et sa transformée de Fourier (à droite)

of

2. Loi de Laplace :
Soit la fonction f (t) = e−|t| . C’est une fonction connue sous le nom de loi de laplace
dans le domaine des probabilités. Sa TF s’écrit :
Pr

Z ∞
fˆ(ν) = e−|t| e−2iπνt dt
−∞
Z 0 Z ∞
= et−2iπνt dt + e−t−2iπνt
−∞ 0
1 1
= +
1 + 2iπν 1 − 2iπν
2
=
1 + 4π 2 ν 2

27
 i
ou
Figure 2.2 – f (à gauche) et sa transformée de Fourier (à droite)

lla
Transformée de Fourier inverse

Soit f une fonction intégrable admettant une transformée de Fourier fˆ elle-même inté-
grable.

lA
Alors, en tout point x où f est continue, on a :

f (x) =
Z +∞

−∞
fˆ(ν)e2iπνx dν

Cette transformation est appelée transformée de Fourier inverse.

.E
On écrira symboliquement f (x) = F[fˆ(ν)](x) = F −1 [fˆ(ν)](x) si f est continue en x et de
manière générale, si f est continue : f = F[fˆ] = F −1 [fˆ].
Si f est continue par morceaux, on peut donc obtenir f (x) à partir de fˆ(ν) presque
.A

partout.
Si f n’est pas continue en x, on a plus généralement :
Z +∞
1   +  
fˆ(ν) exp(2iπνx)dν = f x + f x−
−∞ 2
of

Transformée de Fourier en sinus et cosinus

Soit f une fonction de la variable réelle à valeurs réelles ou complexes. Il est connu que f
Pr

peut se décomposer en somme d’une fonction paire p et d’une fonction impaire q :

∀x ∈ R, f (x) = p(x) + q(x),

avec
1 1
p(x) = (f (x) + f (−x)), q(x) = (f (x) − f (−x))
2 2

28
On a alors Z +∞
fˆ(ν) = (p(x) + q(x))(cos(2πνx) − i sin(2πνx))dx
−∞

d’où Z +∞ Z +∞
fˆ(ν) = 2 p(x) cos(2πνx)dx − 2i q(x) sin(2πνx)dx
0 0

On écrit alors
F[f (x)](ν) = Fcos [p(x)] − iFsin [q(x)]

i
ou
où Fcos et Fsin sont les transformées de Fourier respectivement en cosinus et sinus définies
par :
Z +∞ Z +∞
Fcos [f (x)](ν) = 2 Fsin [f (x)](ν) = 2

lla
f (x) cos(2πνx)dx, f (x) sin(2πνx)dx
0 0

Lorsque la fonction f est à valeurs complexes, il faut décomposer p et q en parties réelles et

imaginaires. On obtient alors la correspondance :

lA
f (x) = partie réelle paire + imag. paire + réelle imp. + imag. imp.
fˆ(ν) = partie réelle paire + imag. paire + réelle imp. + imag.imp.
.E
On obtient le tableau suivant :
f (x) −→ fˆ(ν)
paire −→ paire
impaire −→ impaire
.A

réelle −→ hermitienne (fˆ(ν) = fˆ(−ν))

imaginaire −→ antihermitienne (fˆ(ν) = −fˆ(−ν))
réelle paire −→ réelle paire
réelle impaire −→ imaginaire impaire
of

imaginaire paire −→ imaginaire paire

imaginaire impaire −→ réelle impaire
Pr

Propriétés

Linéarité :
Z
F[λf (x) + µg(x)](ν) = (λf (x) + µg(x)) exp(−2iπνx)dx
Z Z
=λ f (x) exp(−2iπνx)dx + µ g(x) exp(−2iπνx)dx

= λF[f (x)](ν) + µF[g(x)](ν)

29
Transposition : Z
F[f (−x)](ν) = f (−x) exp(−2iπνx)dx
Z
= f (y) exp(2iπνy)dy

= fˆ(−ν)
Conjugaison : Z
F[f (x)](ν) = f (x) exp(−2iπνx)dx

i
ou
Z
= f (x) exp(2iπνx)dx

= fˆ(−ν)
Changement d’échelle :

lla
Z
F[f (ax)](ν) = f (ax) exp(−2iπνx)dx
−2iπνy 1
Z  

Translation :
lA = f (y) exp

=
1 ˆ ν
|a|
f
 

a
a |a|
dy
.E
Z
F[f (x − a)](ν) = f (x − a) exp(−2iπνx)dx
Z
= f (y) exp(−2iπν(y + a))dy
Z
= exp(−2iπνa) f (y) exp(−2iπνy)dy
.A

= exp(−2iπνa)fˆ(ν)
En d’autres termes, une translation dans le monde réel correspond à un déphasage (propor-
tionnel à la fréquence ν ) dans le monde de Fourier.
Modulation :
of

Z
F [exp (2iπν0 x) f (x)] (ν) = exp (2iπν0 x) f (x) exp(−2iπνx)dx
Z
Pr

= f (x) exp (−2iπ (ν − ν0 ) x) dx

= fˆ (ν − ν0 )

Moduler la fonction f par une exponentielle imaginaire revient à translater sa transformée

de Fourier.

30
Dérivation

Par rapport à x :
Supposons f sommable, dérivable et à dérivée sommable. Par intégration par partie (sachant
que lim f (x) = 0)), il vient alors
x→±∞

Z
F [f 0 (x)] = f 0 (x) exp(−2iπνx)dx

i
Z
[f (x) exp(−2iπνx)]+∞

ou
= −∞ + 2iπν f (x) exp(−2iπνx)dx

= 2iπν fˆ(ν)

Plus généralement, on obtient

lla
h i
F f (m) (x) = (2iπν)m fˆ(ν)

lA
De cette formule on tire (en prenant les modules)

|2πν| |fˆ(ν)| ≤
m
Z
f (m) (x) dx,

et on conclut que plus f est dérivable, à dérivées sommables, plus fˆ décroît rapidement à
.E
l’infini. En effet, si f est m fois dérivable et à dérivée m-ième sommable, fˆ décroît au moins
en 1/ν m .
Par rapport à ν :
.A

∂ ˆ Z
∂
f (ν) = f (x) exp(−2iπνx)dx
∂ν Z ∂ν
= (−2iπx)f (x) exp(−2iπνx)dx

= F[(−2iπx)f (x)](ν)
of

D’une manière générale, on obtient

fˆ(m) (ν) = F [(−2iπx)m f (x)] (ν)

Pr

Ce résultat conduit aussi à une majoration

Z
fˆ(m) (ν) ≤ |2πx|m |f (x)|dx

et donc : plus f décroit à l’infini, plus fˆ est dérivable (avec ses dérivées bornées). En effet, si f
décroît en 1/xm à l’infini, alors, fˆ est m fois dérivable (car |2πx|m |f (x)| est alors sommable)

31
et sa dérivée m-ième est bornée.

i
ou
lla
lA
.E
.A
of
Pr

32