de Laplace Cours et exercices
Ahmed Lesfari
Calcul différentie/, Marcel Grangé, 240 pages. 2012.
Concevoir et programmer en C++, Philippe d'Anfray, 576 pages,
2012.
Convolution. séries et intégrales de Fourier, Jacques Peyrière, 120
pages, 2012.
De /'intégration aux probabilités, Olivier Goret. Aline Kurtzmann.
504 pages, 2011.
Distributions. analyse de Fourier et transformation de Laplace -
Cours et exercices, Ahmed Lesfari, 384 pages, 2012.
Éléments d'analyse réelle - Rappels de cours illustrés et exercices
corrigés, Mohamed Boucetta, 288 pages, 2012.
Épistémologie mathématique, Henri Lombardi, 216 pages, 2011 .
L'évolution des concepts de la physique de Newton à nos jours,
Jean-Louis Farvacque, 360 pages, 2012.
Exercices de probabilités pour futurs ingénieurs et techniciens,
Antoine Clerc, 168 pages, 2012.
Géométrie euclidienne élémentaire, Aziz El Kacimi Alaoui. 240
pages, 2012.
Ingénierie Dirigée par les Modèles, Jean-Marc Jézéquel, Benoît
Combemale, Didier Vojtisek, 144 pages. 2012.
Intégration - Intégrale de Lebesgue et introduction à /'analyse
fonctionnelle, Thierry Goudon, 192 pages. 2011 .
Introduction à /'analyse des équations de Navier-Stokes, Pierre
Dreyfuss. 168 pages. 2012.
Introduction à /'Optimisation - 2° édition, Jean-Christophe
Culioli, 384 pages, 2012.
Le plan; la sphère et le théorème de Jordan. Jean-Yves Le Dimet.
144 pages, 2012.
Recherche Opérationnelle - Tome 1 - Méthodes d'optimisation,
Jacques Teghem, 624 pages, 2012.
Statistique mathématique, Benoît Cadre, Céline Vial. 192 pages,
2012.
Suites et séries numériques. Suites et séries de fonctions,
Mohammed El Amrani, 456 pages, 2011 .
Systèmes de communications numériques, Gaël Mahé, 216 pages,
2012.
Théorie des groupes, Felix Ulmer, 192 pages, 2012.
Traité de géométrie affine, Dominique Bourn, 168 pages, 2012.
Une introduction moderne à /'algèbre linéaire. Vincent Blanlœil,
216 pages, 2012.
ISBN 978-2-7298-76296 ©Ellipses Édition Marketing S.A., 2012
32, rue Bargue 75740 Paris cedex 15 ® DA~GER PllOTOCOPILLAGE
TIJELELIVRE
Le Code de la propriété intellectuelle n'autorisant, aux termes de
l'article L. 122-5.2° et 3°a), d'une part, que les «copies ou
reproductions strictement réservées à l'usage privé du copiste et
non destinées à une utilisation collective'" et d'autre part, que
les analyses et les courtes citations dans un but d'exemple et
d'illustration, «toute représentation ou reproduction intégrale ou
partielle faite sans le consentement de lauteur ou de ses ayants
droit ou ayants cause est illicite» (art. L. 122-4). Cette
représentation ou reproduction, par quelque procédé que ce soit
constituerait une contrefaçon sanctionnée par les articles L. 335-2
et suivants du Code de la propriété intellectuelle.
www.editions-ellipses.fr
Avant-propos
La théorie des distributions fut construite par le mathématicien L.
Schwartz entre 1944 et 1950 et lui valut la médaille Fields en
1950. Comme la plupart de grandes découvertes scientifiques, la
théorie de distributions est construite sur des bases provenant de
travaux effectués par de nombreux chercheurs : Heavi side en 1893,
Wiener en 1925, Dirac en 1926-27, Hadamard en 1932, Bochner en
1932, Leray en 1934, Sobolev en 1936, Carleman en 1944, etc.
L'objectif a été de généraliser la notion de fonction, afin de
donner un sens mathématique correct à des objets manipulés par les
physiciens et les ingénieurs.
La théorie des distributions est importante aussi bien en
mathématiques que dans plusieurs disciplines scientifiques. Elle
s'est révélée être une nécessité pour le progrès de plusieurs
théories en physique et en ingénierie où beau coup de problèmes
discontinus conduisent naturellement, entre autres, à des équations
différentielles dont les solutions sont des distributions plutôt
que des fonctions ordinaires. La théorie assure un certain nombre
d'opérations indis pensables auxquelles les fonctions ne se
prêtent pas toujours et a apporté les outils mathématiques dont les
physiciens et les ingénieurs avaient tant besoin. L'exemple le plus
célèbre de distribution est l'impulsion de Dirac, indispen sable
aussi bien pour la formulation de la mécanique quantique qu'en
analyse harmonique et en traitement du signal. Elle s'est révélée
en particulier être un moyen efficace pour mieux comprendre le
produit de convolution et la trans formée de Fourier qui sont des
instruments puissants de calcul en traitement du signal. D'ailleurs
il ne faut pas être étonné que l'un des premiers articles de
Schwartz sur la théorie des distributions fut publié en 1948 dans
les Annales des Télécommunications (Généralisation de la notion de
fonction et de déri vation; théorie des distributions. Annales des
Télécommunications, vol. 3, pp. 135-140, 1948).
Par ailleurs un autre point important qu'apporte la théorie des
distributions sur celle des fonctions provient de ce que les
distributions sont dérivables autant de fois que l'on veut, ce qui
n'est évidemment pas le cas des fonctions. Au sens des
distributions, la dérivabilité s'étend même à des fonctions
discontinues, qui sont indéfiniment dérivables. L'approche utilisée
par Schwartz est basée sur la
6 AVANT-PROPOS
dualité dans les espaces topologiques. Il s'agit là d'un concept
abstrait, profond et apparemment sans relation avec la physique.
Une telle théorie nécessite donc un bagage mathématique assez
poussé en analyse fonctionnelle, notamment sur la notion de
convergence forte qui détermine une topologie adéquate dans des
espaces de fonctions régulières ou de convergence faible dans les
espaces duaux de distributions.
En physique, on rencontre souvent des problèmes faisant intervenir
des ondes ou des vibrations ou encore des oscillations. Dans chaque
cas, la dé composition d'une vibration en une somme de vibrations
élémentaires ou har moniques pose le problème de la représentation
d'une fonction par une série trigonométrique. Cette décomposition
s'appelle analyse spectrale. L'exemple le plus ancien et le plus
important est donné par les séries de Fourier qui trouvent leur
origine dans l'étude de problèmes de la physique. En effet, la
théorie de l'analyse de Fourier (séries de Fourier et leur version
"continue" intégrales de Fourier) est issue de l'étude de diverses
équations de la physique mathématique, comme l'équation de la
chaleur. Faute de pouvoir résoudre ces équations, on a cherché à
représenter leurs solutions sous forme de séries de fonctions
trigo nométriques. C'est Euler, à propos d'un mémoire de Bernoulli
sur les cordes vibrantes qui a posé le problème de la
représentation d'une fonction par une série trigonométrique. Ce
problème a été repris en 1807 par Fourier dans ses travaux
concernant l'équation de la chaleur qui a affirmé que l'on pouvait
repré senter ainsi des classes de fonctions beaucoup plus larges
que celle des fonctions analytiques. En 1822, Fourier exposa les
séries et la transformation de Fourier dans son traité intitulé :
Théorie analytique de la chaleur. Des démonstrations rigoureuses de
ce fait ont ensuite été données par d'autres mathématiciens,
notamment Cauchy et Dirichlet. D'autres résultats importants ont
été obte nus par Dirichlet, Dini, du Bois-Reymond, Fejér, Cesàro,
Kahane, Katznelson, Carleson, Kolmogorov et d'autres.
L'étude des séries de Fourier est délicate et il fallut plus d'un
siècle pour éclaircir plusieurs questions relatives à ces séries.
Cette étude et les difficultés qu'elle souleva a obligé les
mathématiciens à formaliser des notions telles que la continuité,
la dérivabilité, la convergence selon divers modes et elle est à la
base de théories fondamentales : intégrales de Riemann, intégrales
de Lebesgue, théorie des ensembles (Cantor 1870) ainsi que les
premiers concepts de l'ana lyse fonctionnelle. A la suite des
travaux sur les séries de Fourier émergèrent plusieurs spécialités
nouvelles : analyse harmonique, théorie du signal, onde lettes et
qui font encore actuellement l'objet de recherches actives. A
l'heure actuelle, l'analyse de Fourier constitue l'un des moyens
les plus puissants de l'analyse et intervient dans la plupart des
domaines des mathématiques et de la physique. Elle constitue avec
les transformées de Laplace (transformations intégrales proche des
transformées de Fourier) et autres transformations inté-
AVANT-PROPOS 7
grales (transformée de Fourier discrète, transformée de Fourier
rapide, trans formée en Z, etc.) un des outils mathématiques les
plus utilisés dans plusieurs branches techniques avec des
applications vastes et diverses. On les rencontre par exemple dans
l'étude des signaux périodiques, des circuits électriques, des
ondes cérébrales, dans la synthèse sonore, le traitement d'images,
pour ne citer que quelques uns.
Cet ouvrage s'organise en trois grandes parties, respectivement
intitulées : Distributions, Analyse de Fourier et Transformation de
Laplace, ainsi qu'un Appendice. On trouvera une description
détaillée de toutes ces notions dans l'introduction propre à chaque
chapitre. Chaque chapitre commence par un exposé clair et précis de
la théorie (définitions, propositions, remarques, etc.). En
général, j'ai rédigé des démonstrations complètes, détaillées et
accessible à un large public. Par ailleurs, le souci de rendre les
notations aussi simples que possible a conduit à raisonner souvent
dans le cas d'une variable avec des indications sur les quelques
changements que demande le cas de plusieurs va riables. De
nombreux exemples se trouvent disséminés dans le texte. En outre,
comme il s'adresse principalement à tous les étudiants
scientifiques entrant dans un établissement d'enseignement
supérieur, chaque chapitre comporte de nombreux exercices de
difficulté variée complètement résolus, ainsi que des exercices
proposés avec éventuellement des réponses ou des indications. Cer
tains exercices ont fait l'objet de questions d'examen au cours des
dernières années. Par ailleurs parmi ces exercices il y en a des
classiques, que l'on retrou vera certainement ailleurs, et
d'autres qui sont vraisemblablement originaux. A la fin, j'ai
inclus une bibliographie comportant un petit nombre d'ouvrages fon
damentaux facilement accessibles. C'est avec reconnaissance que
j'accueillerai les critiques et suggestions que les lecteurs
voudront bien me faire parvenir.
Cet ouvrage est destiné aux étudiants de licence ou master de
mathéma tiques (12, 13, Ml) ainsi qu'aux élèves des grandes écoles
scientifiques et tech niques. Il peut également être utile aux
enseignants.
E-mail :
[email protected]
I DISTRIBUTIONS
1 Définitions et exemples 1.1 Espace des fonctions test 'D 1.2
Définition d'une distribution . 1.3 Exemples de distributions .
.
1.3.1 Fonctions localement sommables 1.3.2 Distribution de Dirac .
. . . . . . 1.3.3 Mesures . . . . . . . . . . . . . .
1.4 Quelques définitions et propriétés locales . 1.5 Extension de
l'espace 'D : espaces C, & et S 1.6 Exercices résolus 1. 7
Exercices proposés . . . . .
2 Dérivation des distributions 2.1 Définition et propriétés
.......... . 2.2 Exemples . . . . . . . . . . . . . . . . . .
2.2.1 Dérivée de la fonction d'Heaviside 2.2.2 Dérivée de la
distribution de Dirac 2.2.3 Dérivée d'une fonction
discontinue
2.3 Extension au cas de plusieurs variables . 2.4 Exercices résolus
2.5 Exercices proposés ..
3 Opérations élémentaires 3.1 Multiplication des distributions 3.2
Translation d'une distribution . 3.3 Changement d'échelle . . . . .
3.4 Transposée et parité d'une distribution . 3.5 Exercices résolus
3.6 Exercices proposés ........... .
13
15 16 18 20 20 24 25 25 28 29 37
41 42 43 43 43 44 45 46 63
67 67 69 70 70 71 81
10 TABLE DES MATIÈRES
4 Convergence des distributions
4.1 Définitions et propriétés
5.5.3 Équations différentielles linéaires à coefficients constants
124
5.6 Exercices résolus . 126
5.7 Exercices proposés . . . . . . . . . . . . . . . . . . . . . .
. . . 136
ANALYSE DE FOURIER 139
6.3 Cesaro, Fejér, Jordan et Weierstrass .. 164
6.4 Égalité de Parseval et inégalité de Bessel . 169
6.5 Séries de Fourier des distributions . 173
6.6 Exercices résolus 180
6.7 Exercices proposés .. 224
Transformée de Fourier 235 7.1 Transformée de Fourier dans C,1 .
236
7.2 Transformée de Fourier dans S 243
7.3 Transformée de Fourier des distributions 248
7.4 Transformée de Fourier dans C,2 . • . . • 257
7.5 Transformée de Fourier à plusieurs variables 261
7.6 Exercices résolus 264
7.7 Exercices proposés .............. 284
8.4 8.5
Transformée de Laplace des fonctions . Transformée de Laplace des
distributions . Applications . . . . . . . . . . . . . . . . .
8.3.1 Équations différentielles ..... . 8.3.2 Résolution des
équations de convolution 8.3.3 Résolution des équations intégrales
. . . 8.3.4 Etude de la stabilité de quelques systèmes non-linaires
Exercices résolus . Exercices proposés
9 Appendice 9.1 Éléments de topologie ..... . 9.2 Mesure et
intégrale de Lebesgue .
Bibliographie
Index
11
289
291 291 303 307 307 312 313 316 322 358
365 365 371
Introduction
Dans ce chapitre on introduit tout d'abord un espace de base, noté
'D, constitué de fonctions indéfiniment dérivables à support borné.
Ensuite on donne les exemples 1.1.3 et 1.1.4 de fonctions
appartenant à l'espace 'D. Ces fonctions sont souvent utilisées
aussi bien dans les démonstrations de quelques théorèmes que dans
la résolution de nombreux exercices. Une distribution T est une
fonctionnelle linéaire
T: 1J ~ R(ou C), cp 1----' (T, cp},
et continue (en un sens qui sera précisé) sur l'espace 'D. On donne
d'autres définitions équivalentes, utiles en pratique. Les
distributions forment un es pace vectoriel, noté 'D', dual de 'D.
On montre que les fonctions localement sommables déterminent des
distributions :
1J ~ R(ou C), cp 1----' f f(x)cp(x)dx. }~n
Ce résultat nous sera d'un grand recours pour la suite car pour
définir les opé rations sur les disributions on commence tout
d'abord par les définir sur les fonctions localement sommables et
ensuite on généralise les définitions obtenues à l'ensemble des
distributions. Un autre exemple important est la distribution ô de
Dirac (elle représente une masse ou une charge +1 placée à
l'origine). On la définit d'une manière rigoureuse et on explique
pourquoi elle ne peut pas être une fonction. Ensuite on définit une
mesure comme étant une fonctionnelle linéaire continue (dans un
sens qui sera précisé) sur l'espace C des fonctions continues à
support borné. On montre que toute mesure est une distribution et
que la réciproque n'est pas nécessairement vraie. La distribution ô
de Dirac
16 CHAPITRE 1. DÉFINITIONS ET EXEMPLES
est une mesure. A partir de quelques définitions locales sur des
ouverts recou vrant Rn, on reconstitue la définition globale d'une
distribution sur Rn. C'est l'objet du théorème du recollement par
morceaux, que nous démontrons. Ceci nous permet d'introduire la
notion de support d'une distribution. Nous verrons qu'une
distribution particulière peut admettre une extension à un espace
plus large que V. Enfin plusieurs exercices concernant la valeur
principale de Cau chy, les supports des fonctions et des
distributions, la parité des distributions, les parties finies de
Hadamard, etc., sont traités en détail. Les exercices 1.6.1 et
1.6.3 sont très importants et seront souvent utilisés par la
suite.
1.1 Espace des fonctions test V
Définition 1.1.1 On définit le support d'une fonction f: Rn--+ R(ou
C) par
suppf = adh {x E Rn: f(x) =/= O},
c'est-à-dire l'adhérence de l'ensemble des x tels que f(x) est non
identiquement nulle. Autrement dit, c'est le plus petit ensemble
fermé en dehors duquel f est identiquement nulle.
Exemple 1.1.1 Soit x = (xi, ... , Xn) E Rn, r = llxll = Jxî + · · ·
+ x~. On pose
f(x) = { e-1!r2 s~ r < 1 0 sir~ 1
On a suppf = { x E Rn : llxll ~ 1} ; la boule de centre 0 et de
rayon 1.
Définition 1.1.2 On désigne par 'JJ(Rn), ou tout simplement, 1J
l'ensemble des fonctions indéfiniment dérivables à support
borné
1) = { <p E C00 : suppf borné}.
Cet ensemble s'appelle espace de base et ses éléments fonctions de
base (ou fonctions tests).
Notons que 1J est un espace vectoriel sur C (si <pi, <p2 E 1J
et a, f3 E C, alors a<p1 + f3<p2 E 'JJ) de dimension infinie.
Il n'est pas évident que l'espace 1J contient d'autres fonctions
que les fonctions nulles. Nous donnerons ci-après (voir exemples
1.1.3 et 1.1.4 ainsi que l'exercice 1.7.1) quelques exemples de
telles fonctions et qui seront utiles par la suite.
1.1. ESPACE DES FONCTIONS TEST1J 17
Exemple 1.1.2 La fonction f: R--+ R définie par
est de classe C00 • Si x < 0, toutes les dérivées de f sont
nulles. Si x = 0, les dérivées à gauche de f sont nulles. Si x >
0, on a
! "( ) _ 4 - 6x2 -~ f(k)( ) _ P(x) -~ x - 6 e "' , ... , x - 3k e
"' , X X
où P(x) est un polynt1me. Dès lors,
- 1 3k ( ) e ;;;2" uT
lim f k (x) = P(O) lim ~ = P(O) lim - = 0, x--+O+ x--+O X u--+oo
eu
il suffit d'appliquer plusieurs fois la règle de l'Hospital. Enfin,
si x = 0, les dérivées à droite de f sont nulles : J(k)(O) = 0, Vk
E N. En effet, procèdons par récurrence sur k. Pour k = 0, c'est
évident. Supposons que J(k)(O) = 0 et montrons que : J(k+l)(O) =O.
On a
1 1 f (k)(x) - J(k)(O) -;;;2" -;;;2"
/(k+l)(o) = lim = lim P(x)-e- = P(O) lim _e_ =O. x--+O X - 0 x--+O
x3k+ 1 x--+O x3k+ 1
Ainsi f(x) est indéfiniment dérivable.
Exemple 1.1.3 La fonction cp: R ~ R définie par
cp(x) = { e - 1 - 1 "'2 si lxl < 1 0 si lxl ~ 1
appartient à 1J. En effet, si lxl > 1, alors cp(x) = 0 et cp E
C00 • De méme, si 1
lxl < 1, 1!x2 E C00 et cp(x) = e- 1-0:2 E C00 • Si lxl = 1, on
utilise le méme raisonnement que dans l'exemple précédent. On
montre dans ce cas que l'on a cp(k)(x) = 0, donc cp E C00 • En
outre, supp cp = [-1, 1] et par conséquent cp E 1J.
Exemple 1.1.4 (Lemme d'Urysohn) : Soit K un compact de Rn. Alors il
existe une fonction cp E 1J telle que :
(i) 0 :S cp(x) :S 1 pour tout x E Rn. (ii) cp(x) = 1 sur K. (iii)
cp(x) = 0 en dehors d'un ouvert contenant K.
18 CHAPITRE 1. DÉFINITIONS ET EXEMPLES
Notation : Si c.p est une fonction de V et si a = (a1, ... ,an) E
Nn est un multi-indice, on pose
( a )°'1 ( a )°'n a'°''"'
D°'c.p = 8x1 ... 8xn = âxf1 ... ax~n '
avec 1 a I= a1 + · · · + an.
Remarque 1.1.1 On peut munir l'espace D de la topologie limite
inductive, en introduisant une famille de semi-normes mais dans
tout ce qui va suivre, la connaissace de cette topologie n'est pas
nécessaire; il suffit de connaître la notion de convergence des
suites dans V.
Définition 1.1.3 On dit qu'une suite de fonctions ( 'Pk) E V
converge dans V vers une fonction c.p E V si :
{i) tous les supports des 'Pk sont contenus dans un même compact
K.
{ii} pour tout j E N, la suite des dérivées ( c.p~)) converge
uniformément1 vers c.p(j) sur K.
Remarque 1.1.2 Dans le cas de plusieurs variables, la condition
{ii} est rem placée par celle-ci : {ii}' Pour tout a E Nn, la
suite (D°'c.pk) converge unifor mément vers D°'c.p sur K.
Notation : On écrit 'Pk ~ c.p pour dire que (c.pk) converge dans V
vers c.p.
1.2 Définition d'une distribution
Définition 1.2.1 On appelle distribution T une fonctionnelle
linéaire conti nue sur V.
{i) fonctionnelle linéaire signifie : une application T de V dans ~
(ou C) faisant correspondre à une fonction c.p E 'D, un nombre noté
(T, c.p) tel que : pour tous c.p1, c.p2 EV et a, {3 E C, on a
Au lieu de fonctionnelle linéaire, on dit aussi forme linéaire.
{ii} continue signifie : si la suite ( 'Pk) converge dans V vers
c.p, alors (T, 'Pk)
converge au sens usuel vers (T, c.p). Autrement dit, une
fonctionnelle linéaire sur V définit une distribution si
pour toute suite (c.pk) E V qui converge dans V vers zéro, la suite
(T, 'Pk) converge au sens usuel vers zéro.
1La suite (<p~)) converge uniformément vers <p(i) dans Ksi,
quel que soit e > 0, il existe un entier N(e) tel que, pour tout
k 2:: N(e) et tout x E K, on ait 1 <p~>(x) - <p(il(x) j::;
e
c'est-à- dire si limk-+oo sup.,EK 1 <p~>(x) -
<p<i>(x) 1 =O.
1.2. DÉFINITION D'UNE DISTRIBUTION 19
Proposition 1.2.2 Une fonctionnelle linéaire sur V est une
distribution si et seulement si, pour tout compact K et pour toute
fonction cp E V avec supp cp c K, il existe une constante C > 0
et un entier m tels que :
m
1 (T,cp) I~ CI:sup 1 cp~)(x) I · j=OxEK
{l.2.1)
Démonstration : Soit T une distribution sur V et supposons que pour
toute constante C > 0 et tout entier m, il existe un compact K
et une fonction 'Pk EV, supp 'Pk C K tels que:
m
1 (T,cpk) I~ CI:sup 1 cp~)(x) I · j=OxEK
Choisissons C = m = k et posons 1/Jk = (T~~k) . La fonction 1/Jk
appartient à
V car 1/Jk E C00 et supp 1/Jk C supp 'Pk c K. Dês lors,
k
1 = (T,1/Jk) 2: k I:sup 11/J~)(x) 1, j=OxEK
et
lim (sup 11/J~)(x) 1) = 0, k 2: j k-+oo xEK
c'est-à-dire 1/J~) converge uniformément vers 0 ce qui est absurde
puisque (T, 1/Jk) ne converge pas (au sens usuel) vers O.
Réciproquement, supposons que la suite (cpk) converge dans V vers 0
c'est-à-dire supp 'Pk C K et cp~)(x) converge uniformément vers O.
Donc
lim (sup 1 cp~)(x) 1) = 0, k-+oo xEK
et d'après (1.2.1), (T, 'Pk) converge (au sens usuel) vers O. Donc
la définition précédente et la proposition 1.2.2 sont équivalentes.
D
Remarques 1.2.1 a) Dans le cas de plusieurs variables, l'expression
{1.2.1} est évidemment remplacée par celle-ci
1 (T, cp) I~ C L sup 1 Dacp(x) 1 . lal~mxEK
b} Une distribution n'a pas de valeur en un point, mais on peut
parler de la valeur d'une distribution dans un ouvert
quelconque.
20 CHAPITRE 1. DÉFINITIONS ET EXEMPLES
c) On dira qu'une distribution T est réelle si (T, cp) est réel où
cp E V(IR). Toute distribution arbitraire T peut s'écrire sous la
forme T = R + iS où R et S sont des distributions réelles,
autrement dit,
(T, cp) = (R, cp) + i(S, cp), cp E V(IR)
De meme, on définit la distribution complexe conjuguée (notée T)
d'une dis tribution T en posant
(T, cp) = (T, cp), cp E V(IR)
Soient T1, T2, T des distributions et >. un scalaire. On définit
la somme T1 + T2 et le produit >.T, par les relations :
(T1, cp) + (T2, cp), Vcp EV
>.(T, cp), Vcp E V
Les applications T1 + T2 et >.T de V dans IR (ou C), sont des
distributions. Donc
Proposition 1.2.3 Les distributions forment un espace vectoriel que
l'on note V' (espace dual de V).
Soit vm l'espace vectoriel des fonctions ayant des dérivées d'ordre
j conti nues pour 0 :::; j :::; m et à support borné.
Définition 1.2.4 On dit qu'une suite de fonctions ( cpk) E vm
converge dans vm vers une fonction cp E vm si :
(i) tous les supports des cpk sont contenus dans un m€me compact
K.
(ii) pour tout j E N, 0 :::; j :::; m, la suite des dérivées (cp~))
converge uniformément vers cp(j) sur K. Toute fonctionnelle
linéaire continue sur vm est dite distribution d'ordre m. Autrement
dit, d'après la proposition 1.2.2, la distribution Test dite
d'ordre m lorsque l'inégalité (1.2.1) est satisfaite pour 0:::; j
:::; m. De telles distributions constituent un espace vectoriel
noté V'm.
1.3 Exemples de distributions
1.3.1 Fonctions localement sommables
Définition 1.3.1 Une fonction f: !Rn -----+IR (ou C) est dite
localement som mable si elle est sommable sur tout ensemble borné
K de !Rn, c'est-à-dire, si
l lf(x)ldx < +oo.
1.3. EXEMPLES DE DISTRIBUTIONS 21
Soit f : R ---+ R (ou C) une fonction localement sommable. Nous
allons montrer que f(x) engendre une distribution Tt par
1+00
f(x)cp(x)dx, cp E 'D.
L'intégrale ci-dessus existe car on intégre en fait, non sur R,
mais sur le support borné de cp.
{i) Tt est linéaire en effet, soient cp1, cp2 E 'D et a, /3 E
C,
(T1 1 acp1 + /3cp2) = 1_:00 f(x)(acp1(x) + /3cp2(x))dx,
= a 1_:00 f(x)cp1(x)dx+/31_:00 f(x)cp2(x)dx,
= a(T1 1 cp1) +(Tt, cp2).
{ii) Tt est continue : en effet, par hypothèse la suite (cpk)
converge vers cp dans 'D, c'est-à-dire tous les supports des 'Pk
sont contenus dans un même compact [a,b] et pour tout j EN, la
suite des dérivées (cp~)) converge unifor mément vers cp(j),
lim ( sup lcp~)(x) - cp(j)(x)I) =O. k-+oo xE[a,b]
Montrons que (T1, 'Pk) converge vers (T1 1 cp). On a
l(T,,cpk) - (T,,cp)I = l(T,,cpk -cp)I,
Par conséquent, on a
Proposition 1.3.2 Toute fonction f(x) localement sommable définit
une dis tribution Tt par
1+00
22 CHAPITRE 1. DÉFINITIONS ET EXEMPLES
Dans Rn, toute fonction f (xi, ... , Xn) localement sommable
définit une dis tribution Tt par la relation
cp E 'D.
Proposition 1.3.3 Deux fonctions f et g localement sommables
définissent la meme distribution si et seulement si elles sont
égales presque partout.
Démonstration : Si f(x) = g(x) presque partout, alors (Tt, cp} =
(Tg, cp}, quel que soit cp E 'D. Montrons que la réciproque est
vraie. Par hypothèse, on a (Tt, cp} = (Tg, cp}, c'est-à-dire
1:00 f(x)cp(x)dx = 1:00
g(x)cp(x)dx,
qui peut encore s'écrire J~;: h(x)cp(x)dx = 0, où h(x) = f(x) -
g(x). Il s'agit
de montrer que h(x) = 0 presque partout. Pour cela, posons 1/Jk =
(cpa(x)) 1fk, k E N* où 'Pa : R ---t R est une fonction définie
par
( ) - { e - a2 ~o:2 si lxl < a 'Pa X -
0 si lxl ~a
avec a > 0, une constante. Comme dans l'exemple 1.1.3, on a 1/Jk
E 'D avec supp 'lfJk = [-a, a]. Posons 9k(x) = h(x)'lfJk(x). Pour
tout x E] - a, a[, on a limk--+oo 9k(x) = h(x). En outre, pour tout
k EN* et tout x ER, il existe une fonction sommable qui majore
l9k(x)I :
l9k(x)I = lh(x)'l/Jk(x)I ~ lh(x)I. sup'l/Jk(x)I. lR
Ainsi, les hypothèses du théorème de convergence dominée de
Lebesgue sont satisfaites et on peut donc permuter limite et
intégrale :
0 = kl!__.~1:00 h(x)'lfJk(x)dx = l: h(x)dx,
car supp 1/Jk = [-a, a] et limk--+oo 'lfJk(x) = 1. D'où, h(x) = 0
sur [-a, a] et puisque a est arbitraire, h(x) = 0 presque partout
sur R D
Remarque 1.3.1 D'après les deux propositions précédentes, on
convient dans la suite d'identifier le symbole f qui représente la
fonction localement sommable définie presque partout, à celui qui
représente la distribution Tt qui lui est associée : Tt = f.
1.3. EXEMPLES DE DISTRIBUTIONS
Exemple 1.3.1 Toute constante C définit une distribution telle que
:
r+oo (C, cp) = C l-oo cp(x)dx,
Exemple 1.3.2 La fonction
cp EV.
23
est localement sommable si et seulement si Re a > -1. Elle
détermine donc une distribution sur IR en posant
r+oo (f,cp) = l-oo x°'cp(x)dx, cp EV.
{Voir aussi l'exercice 1. 7.9).
Exemple 1.3.3 L'application
définit une distribution sur R En effet, on a
l b r+oo (!, cp) = a cp(x)dx = l-oo g(x)cp(x)dx = (g, cp),
où
est une fonction localement sommable.
Exemple 1.3.4 La fonction ln lxl définit une distribution sur IR
car elle est localement sommable. En effet, la fonction ln lxl est
continue sur IR*, donc elle est localement sommable. Dans un
voisinage de 0 par exemple ] - 1, 1[, l'intégrale J~1 llnlxlldx est
convergente; on a f0
1 lnxdx = -1, donc J0 1 lnxdx
existe. Méme argument pour l'intégrale J~1 ln(-x)dx. {Une autre
méthode : la fonction ln lxl pour x i- 0 est localement sommable
dans IR car dans un
voisinage de 0, on al ln lxll :S lx~°' pour 0 <a< 1).
24 CHAPITRE 1. DÉFINITIONS ET EXEMPLES
1.3.2 Distribution de Dirac
Définition 1.3.4 La distribution de Dirac à l'origine est une
fonctionnelle, notée ô, défini par (ô, cp) = cp(O), cp E 'D.
On vérifie aisément qu'il s'agit bien d'une distribution : pour
tous cp1, cp2 E
'D et a,(3 E C, on a acp1(0) + f3cp2(0) = (acp1 + f3cp2)(0), et dès
lors
(ô, acp1 + f3cp2) = a(ô, cp1) + (3(ô, cp2),
donc ô est linéaire. Pour la continuité, on a par hypothèse 'Pk ~
cp. Donc limk-+oo 'Pk(O) = cp(O) et par conséquent, limk-+oo(ô,
'Pk) = (ô, cp). La distribu tion ô représente une masse (ou une
charge) +1 placée au point O. On définit de même la distribution de
Dirac Ôa au point a par (ôa, cp) = cp(a), cp E 'D. Elle représente
une masse (ou une charge) + 1 placée au point a.
Remarque 1.3.2 Les physiciens utilisent l'écriture
où
1+00 -oo ô(x)cp(x)dx = cp(O),
ô ( x) = { 0 pour x i- 0 oo pour x = 0
1+00 -oo ô(x)dx = 1.
{l.3.1)
(1.3.2)
En fait, cette écriture est incorrecte car le symbole ô(x) n'a pas
de sens {il n'y a pas de valeur de ô en x). De plus ô(x)
n'appartient pas à la classe de fonctions localement sommables
(voir exercice 1. 7.4). Aucune fonction ne peut satisfaire aux
relations ( 1. 3.1) et ( 1. 3. 2) qui sont contradictoires : en
effet, d'après {1.3.1), ô(x) est nul partout sauf au point 0, donc
ô(x) est presque partout nul et d'après une propriété de Lebesgue,
son intégrale est nulle ce qui contredit (1.3.2).
Par la suite, nous écrirons indifféremment ô ou ô(x), Ôa ou Ôa(x)
ou encore ô(x - a).
Les distributions de la forme
1+00 (Tf, cp) = _
00 f(x)cp(x)dx, cp E 'D,
sont dites régulières, les autres (celles qu'on ne peut pas mettre
sous la forme ci-dessus) sont dites singulières (par exemple la
distribution de Dirac).
1.4. QUELQUES DÉFINITIONS ET PROPRIÉTÉS LOCALES 25
Il n'est pas possible de représenter une distribution singulière
sur un graphe mais, par convention, on symbolise la distribution de
Dirac ôa(x) au point a, par une flèche (ou un baton) verticale de
longueur unité.
Toute combinaison linéaire des distributions de Dirac en différents
points, forme une distribution singulière appelée peigne de Dirac
et est symbolisée par
OO OO
Li(x) = L ôk(x) = L ô(x - k), k E Z k=-oo k=-oo
1.3.3 Mesures
Soit C l'espace des fonctions continues et à support borné. Cet
espace est muni de la topologie de la convergence uniforme sur tout
compact. Une suite de fonctions ( 'Pk) E C converge dans C vers une
fonction cp E C si :
(i) tous les supports des 'Pk sont contenus dans un même compact K.
(ii) la suite (cpk) converge uniformément vers cp sur K.
Définition 1.3.5 Une mesure est une fonctionnelle linéaire et
continue sur l'espace C.
Les mesures forment un espace vectoriel noté C' (dual de C).
L'espace V est un sous-espace vectoriel de l'espace C. Toute mesure
définit une distribution mais la réciproque n'est pas
nécessairement vraie. Cependant, on peut montrer qu'une ditribution
positive est une mesure positive (une distribution Test dite
positive si, pour toute fonction positive cp de V, le nombre (T,
cp) est positif).
Exemple 1.3.5 ô est une mesure (on dit mesure de Dirac} et est
définie par (ô, cp) = cp(O). Pour que cette expression ait un sens,
il n'est pas nécessaire que cp EV, il suffit que cp soit continue à
l'origine.
1.4 Quelques définitions et propriétés locales
Soit n c !Rn, un ouvert. On dit qu'une distribution T est nulle sur
n si l'on a (T, cp) = 0, pour toute fonction cp E 'D, ayant son
support dans O.
Exemple 1.4.1 La distribution ô de Dirac est nulle sur tout ouvert
ne conte nant pas l'origine, par exemple IR*. En effet, 0 ~ supp
cp et (ô, cp) = cp(O) =O.
Deux distributions Ti et T2 sont .dites égales sur n, si pour toute
fonction cp EV, ayant son support dans n, (Ti, cp) = (T2, cp), ou
de manière équivalente si la distribution Ti - T2 est nulle sur
n.
26 CHAPITRE 1. DÉFINITIONS ET EXEMPLES
Exemple 1.4.2 Les distributions T et T + o sont égales sur tout
ouvert ne contenant pas l'origine. En effet, ceci résulte
immédiatement de l'exemple pré cédent puisque la différence de ces
distributions est égale à o.
On définit une distribution sur n, par analogie sur Rn, comme suit
: On désigne par 'Dn le sous-espace de 'D, constitué des fonctions
cp de classe C00
ayant un support inclus dans n. Une suite (cpk) E 'Dn converge vers
cp si tous les supports des 'Pk sont contenus dans un même compact
K c n et si pour tout j EN, la suite des dérivées ( cp~)) converge
uniformément vers cp0) sur K. Par définition, une distribution sur
n est une fonctionnelle linéaire et continue sur 'Dn.
A partir de ces définitions locales sur des ouverts recouvrant Rn,
on peut re constituer la définition globale d'une distribution sur
Rn. C'est l'objet du théo rème du recollement par morceaux (voir
ci-dessous). Définissons tout d'abord ce qu'est une partition de
l'unité : Soit (ni)iEJ un recouvrement ouvert de n où I désigne un
ensemble (d'indices) quelconque. On démontre l'existence de
fonctions 9i de clase C00 telles que :
(i) gi(x) ~ 0 pour tout XE n. (ii) supp 9i C ni pour tout i E J. (
iii) sur tout compact de n, un nombre fini des 9i sont différents
de O. (iv) I:iEJ 9i(x) = 1 pour tout X En.
Une telle famille (gi)iEI est dite partition de l'unité relative au
recouvrement (ni)iEl·
Proposition 1.4.1 (théorème de recollement par morceaux) : Soit n =
uni où ni sont des ouverts. Supposons définie sur chaque ni, une
distribution '.li telle que : '.li = Ti sur ni n ni. Il existe
alors sur n une distribution T unique qui, sur chaque ni, se réduit
à '.li.
Démonstration : Soit (gi)iEI une partition de l'unité dans n,
relative au recou vrement (ni)iEJ. Unicité : Supposons que T
existe et que T = '.li sur ni. Soit cp E 'Dn, on a 9i'P E 'Dni et
cp = I:iEJ 9i'P· Cette somme est finie puisqu'il n'y a qu'un nombre
fini de 9i qui sont différents de 0 sur supp cp. Dês lors,
(T,cp) = / T, LBi'P) = L(T,gicp). \ iEJ iEJ
Or (voir exercice 1.6.4),
supp (gicp) c supp Bi n supp cp c supp Bi c ni,
1.4. QUELQUES DÉFINITIONS ET PROPRIÉTÉS LOCALES 27
et nous avons supposé que T = 11 sur ni, donc
(T,cp) = L(Ti,gicp). (1.4.1) iEI
Si T existe, elle est unique et est définie par (1.4.1). Existence
de T : Mon trons que l'application définie par (1.4.1) détermine
une distribution. Elle est évidemment linéaire. En ce qui concerne
la continuité, soit K c n, un com pact et J un ensemble (fini)
d'indices i E I tel que : 9i(x) =f:. 0 sur K. On
'DK 'Dn. suppose que 'Pk ---t cp, d'où 9i'Pk ---4 9i'P, quel que
soit i E J. Dès lors,
(11, 9i'Pk) ~ (11, 9i'P), et par conséquent
iEJ iEJ
Montrons que, sur chaque nj, la distribution T se réduit à Tj, quel
que soit j E /. En effet, soit cp E 'Dni avec supp cp c ni et j E
/. D'après l'exercice 1.6.4, on a supp (gicp) c supp 9i n supp cp c
ni n ni, et par hypothèse Ti = Ti sur ni n ni. Donc
ce qui achève la démonstration. D Considérons tous les ouverts ni
où T s'annule. Le plus grand ouvert sur
lequel T est nulle est n = uni. L'existence de cet ouvert est
justifiée par le théorème précédent. Son complémentaire ne, est
appelé support de la distri bution T (noté supp T), c'est-à-dire
le plus petit fermé en dehors duquel T s'annule. Autrement dit, x E
supp T si et seulement si T est nulle sur aucun voisinage de
x.
Exemple 1.4.3 Le support de la distribution ô de Dirac est {O}. En
effet, d'après l'exemple 1.4.1, ô s'annule sur IR* et dès lors supp
ô = {O}.
Exemple 1.4.4 Si T1 est la distribution associée à une fonction
continue f, alors su pp T1 = su pp f. En effet, posons F = su pp f
et montrons que supp T1 CF. Soit cp EV telle que : supp cp c Fe.
Comme f = 0 sur supp cp, alors (TJ, cp) = 0, c'est-à-dire T1 est
nulle sur Fe. Dès lors,
supp T1 c (Fer= F = supp f.
Il reste à prouver que supp f c supp T1. Soit x E F = supp f et
montrons que x E supp T1. On va raisonner par l'absurde en
supposant que x (j:. supp T1.
28 CHAPITRE 1. DÉFINITIONS ET EXEMPLES
Dans ce cas, il existe un intervalle I = ]x - e, x + e[ tel que :
pour toute fonction cp E V ayant son support dans I,
l +oo (T1, cp = _
00 f(x)cp(x)dx = 0,
sur I. Dès lors, f est nulle sur I et par conséquent In F = 0.
Donc, x ~ F ce qui est absurde.
1.5 Extension de l'espace V : espaces C, & et S
Nous avons défini les distributions sur l'espace de base V. Or ils
existent des distributions particulières qui sont définies comme
des fonctionnelles linéaires et continues sur des espaces plus
larges que V.
Soit f(x) une fonction localement sommable. Cette fonction peut
représen ter la densité avec laquelle est répartie uniformément
sur l'axe réel une masse, une charge électrique, une loi de
probabilité, etc. L'expression
l +oo (!, cp) = _
représente la masse totale lorsque l'on fait cp(x) = 1,
c'est-à-dire
l +oo (!, 1) = -oo f(x)dx,
mais cp(x) = 1 ~ V. Le moment d'inertie de cette répartition de
masse par rapport à l'origine s'écrit
l +oo (!, x2) = -oo f(x).x2dx,
mais alors cp( x) = x2 ~ V. Une distribution particulière peut
admettre une extension à un espace plus
large que V. Nous allons définir une extension comme suit : i) Soit
T une distribution dont le support est compact. Soit e = C00
,
l'espace des fonctions indéfiniment dérivables. D'après l'exemple
1.1.4, on sait qu'on peut construire une fonction a EV égale à 1
sur un voisinage du supp T. On sait aussi (exercice 1.6.5) que pour
toute fonction cp E C, acp E V et dès lors (T, acp) existe. Ce
nombre est indépendant du choix de a. En effet, soit (3 une
fonction de V égale à 1 sur un voisinage du supp T, on a (a - (3)cp
EV et supp (a -(3)cp C (supp T)c. Donc (T,acp) = (T,(3cp). On peut
donc définir une application
T: e ~ C, cp 1-----t (T, cp),
1.6. EXERCICES RÉSOLUS 29
en posant (T, <p) = (T, a<p), avec a E 'D et a= 1 sur un
voisinage du supp T. Cette définition étend la fonctionnelle T à
l'espace e. On vérifie aisément que la fonctionnelle T ainsi
définie sur e est linéaire et continue. Pour la continuité sure, on
utilisera la définition de convergence suivante : une suite (cpk)
de e converge vers <p E e, si pour tout compact K et tout j E N,
la suite (<p~)) converge uniformément sur K vers cpÜ). On notera
&' (dual de &) l'ensemble des distributions à support
compact. C'est un sous-espace vectoriel de V'. On démontre que
l'espace des distributions à support compact e' est identique à
l'espace des fonctionnelles linéaires et continues sur e.
ii) Soit T une distribution dont le support n'est pas compact. Soit
<p E e une fonction telle que : supp <p n supp T est borné.
En procédant comme précédemment, on définit une extension de T à
l'espace de ces fonctions <p (espace plus large que 'D), en
posant (T, cp) = (T, a<p), avec a E 'D valant 1 sur un voisinage
de supp <p n supp T.
Nous avons vu dans la section 1.3.3, que les mesures sont des
distributions particulières définies sur l'espace C des fonctions
continues à support borné. Un autre espace, fréquemment rencontré,
est l'espace de Schwartz
S = {<p E C00 : \;/p,q E N,sup lxP<p(q)(x)I < oo},
xElR
formé par les fonctions <p à décroissance rapide. Autrement
dit,
S = {cp E C00 : Vp, q EN, lim lxP<p(q)(x)I = 0}, lxl-+oo
ou, ce qui revient au même, S est l'ensemble des fonctions
indéfiniment dé rivables telles que : <p et toutes ses dérivées
décroissent plus rapidement que
toute puissance de l~I quand !xi ---+ oo. Notons que S est un
espace vectoriel
et que 'D c Sc C. L'espace S sera étudié en détail dans le chapitre
des trans formées de Fourier où on définira à cette occasion des
distributions d'un type particulier, appelés distributions
tempérées.
1. 6 Exercices résolus
Exercice 1.6.1 1) Soit I un intervalle et f : I --+ IR. une
fonction de classe cn+I. Montrer que si Xo et Xo + X E I'
alors
{formule de Taylor d'ordre n avec reste sous forme
intégrale).
30 CHAPITRE 1. DÉFINITIONS ET EXEMPLES
2) Pour tout cp E 'D, on pose
n k
cp(x) = L ~! f(k)(o) + xn+lo(x), XE~* k=O
et cp(n+l)(O) = (n + 1)!0(0). a) Montrer que la fonction 0 est
continue sur R b) On suppose que supp cp c [-c, c], c >O.
Montrer que
sup IO(x)I ~A sup lcp[n+l)(x)I, xE[-c,c] xE[-c,c]
où A> 0, est une constante.
Solution : 1) Sans restreindre la généralité, on peut supposer que
xo = O. D'après le théorème fondamental du calcul différentiel et
intégral, on a
f(x) = f(O) +fox f'(u)du.
f(O) + xf'(O) +fox (x - u)f"(u)du,
f(O) + xf'(O) - [(x - u)2 !"(o)] X+ r (x - u)2 f( 3)(u)du, 2 0 lo
2
x2 1 rx f(O) + xf'(O) + 2 f"(O) + '2 Jo (x - u)2
/<3)(u)du,
n k l 1x = L ~ f(k)(O) + - (x - u)n f(n+l)(u)du.
k=O k! n! 0
On va raisonner par récurrence. Pour n = 1, 2 la formule ci-dessus
est satisfaite. Supposons qu'elle est vraie à l'ordre n et montrons
qu'elle est vraie à l'ordre n+ 1. Comme
- (x- urf(n+l)(u)du 11x n! o
= _!_ (-[(x-u)n+l f(n+l)(u)]x + rx (x-ur+l f(n+2)(u)du)' n! n + 1 0
Jo n + 1
= X j<n+l)(O) + (x - ur+l j(n+2)(u)du, n+l 1 11 (n+ 1)! (n+ 1)!
0
1.6. EXERCICES RÉSOLUS 31
n+l k X
f(x) = L ~ j<k)(O) + 1 f (x - u)(n+l) J<n+2)(u)du. k=O k! (n
+ 1)! } 0
Pour obtenir la formule en question, il suffit de poser u = tx,
d'où
n+I k n+I 11 f(x) = ~ ~ f(k)(o) + x (1 - tr JCn+I)(tx)dt.
L.J k! (n + 1)! o k=O
2) a) Il suffit évidemment de montrer que limx-+O O(x) = 0(0).
Comme cp E 'D, alors d'après la question précédente, on a
et donc O(x) = ~ f0 1 cp(n+l)(tx)(l - trdt, xi- O. Dês lors,
lim O(x) = _.!._ f 1 lim cp(n+l)(tx)(l - trdt, X-+Ü n! lo
X-+Ü
_!_cpcn+i) (O) f 1 lim (1 - trdt, n! }0 x-+O
= 1 cp(n+l)(o) (n+ 1)! ' 0(0).
b) Pour x E [-c, c], x #- 0, on a
IO(x)I < _.!._ f 1 1cpCn+i)(tx)l(l - trdt, n! lo
< A sup lcp(n+l)(tx)I l\1- trdt, n. xE[-c,c),x;éO lo
1 ---, sup lcp(n+l)(x)I, (n + 1). xE[-c,c),#0
< A sup lcp(n+l)(x)I, xE[-c,c)
' 1 ou A= ( )'.Pour x = 0, on a
n+l.
(n + 1). xE[-c,c)
32 CHAPITRE 1. DÉFINITIONS ET EXEMPLES
Exercice 1.6.2 Pour toute fonction cp E 'D, on considère une
application sur 'D, en posant
Prouver que cette applicaton existe et qu'elle détermine une
distribution sur R. Quelle est son ordre ? On pourra utiliser le
résultat suivant :
J~~ (t 1- ln n) = C = 0, 5772 ... (constante d'Euler). k=l
Solution: Soit cp E 'D, on a d'après l'exercice 1.6.1 (avec n =
1),
cp(x) = cp(O) + xcp'(O) + x28(x),
où 8 est continue sur R et supxEIR IB(x)I ~ AsupxEIR lcp"(x)I. Dès
lors,
(T, <p) = .U~'! (t, (<p(O) + ~<p'(O) + ~O m) -rnp(O)
-<p'(O) ln n) , <p'(O) .~ (t, ~ -Inn) + J~'! ~2 0 m , Ccp'(O)
+ kl~1! : 28 (1).
Comme lbB{!)I ~ bsupxeJRlcp"(x)I, et que E~1 k1-supxe1Rlcp"(x)I est
une série convergente, alors d'après le critère de comparaison, la
série E~1 bB(Î) converge aussi, donc limn-+oo E~=l bB (i) existe et
est finie. Donc,
OO 1 (1) (T, cp) = Ccp'(O) + L k28 k ' k=l
existe. L'application proposée est linéaire et en outre si [a, b]
désigne un com pact de R, alors
OO 1 (1) l(T, cp)I = ICcp'(O) + L k28 k 1, k=l
< C sup lcp'(x)I + (f :2 ) A sup lcp"(x)I, xE(a,b) k=l
xE[a,b)
donc il s'agit bien d'une distribution. Son ordre est évidemment ~
2.
1.6. EXERCICES RÉSOLUS 33
Exercice 1.6.3 Pour toute fonction cp E V et tout é > 0, on
définit une application sur V, appelée valeur principale de Cauchy,
en posant
1 j+oo cp(x) (vp -, cp) = vp -dx =
X _ 00 X lim ( r-e cp(x) dx + l+oo cp(x) dx) ' ê--+Ü 1-oo X e
X
lim r cp(x) dx. e--+0 llxl?.e X
a) Montrer que cette application a bien un sens. b) Montrer qu'elle
est une distribution sur lR et déterminer son ordre.
Solution: a) Soit cp E 'D, on a d'après l'exercice 1.6.1 (avec n =
1),
cp(x) = cp(O) + xcp'(O) + x2B(x),
où() est continue sur lR et supxEIR IB(x)I ~ AsupxEIR lcp"(x)I. On
suppose que supp cp c [-c, c] et on pose 'lj;(x) = cp'(O) + x()(x),
d'où cp(x) = cp(O) + x'lj;(x), avec 'lj; continue sur R On a
1 (vp -;;' cp) j +oo cp(x)
vp --dx, -oo X
1. 1 cp(O) + x'lj;(x)d lIIl x,
ê--+Ü e?. lxl ?.e X
l~ ( {-e cp(O) dx +le cp(O) dx + {-e 'lj;(x)dx ++le 'lj;(x)dx) , e
0 1-e X e X 1-e e
1-: 'lj;(x)dx,
X 1
b) L'application vp - est linéaire car si a, {3 E Cet cp1, cp2 E
'D, alors X
1. 1 acp1(x)+f3cp2(x)d lill x,
e--+O lxl?.e X
a lim r cpi(x) dx + {3 lim r 'P2(x) dx, e--+O llxl?.e X e--+0
llxl?.e X
1 1 = a(vp -, acp1) + {J(vp -, acp2).
X X
34 CHAPITRE 1. DÉFINITIONS ET EXEMPLES
Montrons que l'application proposée est continue. Cela veut dire
que si la suite (cpk) converge dans 'D vers cp (c'est-à-dire supp
'Pk c [-c, c] et (cp~)) converge
( ") 1 1 uniformément vers cp J ), alors (vp -, acpk) converge vers
(vp -, acp). On a X X
l(vp ~,cpk) - (vp ~,cp)I = l(vp ~,cpk - cp)I,
= 11: ('lfJk(x) - 'l/J(x))dxl, (d'après a)),
< l: l'l/Jk(x) - 'l/J(x)ldx.
Or d'après le théorème des accroissements finis (si une fonction f
est continue sur [a, b] et dérivable sur ]a, b[, alors il existe Ç
E]a, b[ tel que: f(bt"=~(a) = f'(Ç)), on a
'l/J(x) = cp(x) - cp(O) = cp'(Ç), Ç E]O, x[. X
En outre, l'l/J(x)I = lcp'(Ç)I ~ SUPxe[-c,c) lcp'(x)I, et par
conséquent,
l(vp .!, 'Pk) - (vp .!, cp)I ~ r sup lcpk(x)-cp'(x)I = 2 sup
1cpk(x)-cp'(x)1. X X J _c xE[-c,c) xE [-c,c)
Commelimk->oo (supxE[-c,c) lcpk(x) - cp'(x)I) = 0 (convergence
uniforme), alors
(vp ~, cpk) converge vers (vp ~' cp). En conclusion, l'application
proposée dé termine une distribution sur lR et son ordre est ~ 1.
Une autre méthode pour montrer que vp ~ est une distribution,
consiste à utiliser la proposition 1.2.2. En effet, d'après la
question a), on a (vp ~, cp) = f~c 'l/J(x)dx, et on sait que
l'l/J(x)I ~ supxE[-c,c) lcp'(x)I, donc
l(vp .!,cp)I ~ 2c sup lcp'(x)I, X xE[-c,c)
ce qui montre que vp ~ est une distribution d'ordre ~ 1.
Exercice 1.6.4 Soient f et g deux fonctions quelconques. Montrer
que :
supp (fg) c supp f n supp g.
Solution : On considère les ensembles
A= {x: J(x) =/; O}, B = {x: g(x) =/; O}, An B = {x: (fg)(x) =/;
O}.
Comme An B c A et An B c B, alors on a adh (An B) c adh A et adh
(An B) c adh B. Par conséquent, adh (An B) c adh An adh B, et le
résultat s'en déduit.
1.6. EXERCICES RÉSOLUS 35
Exercice 1.6.5 Soit f : ~ -----+ C, une fonction de classe C00 •
Montrer que si cp E 'D, alors f cp E 'D. Conclusion ?
Solution : Il est évident que fcp E C00 • En outre, on sait d'après
l'exercice précédent que supp (fcp) c supp f nsupp cp, donc supp
(fcp) c supp cp, et par conséquent fcp E 'D. L'espace 'D muni de la
multiplication ordinaire est ainsi un anneau.
Exercice 1.6.6 Montrer que seules les applications b) et d)
déterminent des distributions.
a) 'D 3 cp 1----+ (!, cp) = fo1 lcp(x)ldx. n
b) 'D 3cp1----+ (j,cp) = L'P(j)(O). j=O
OO
OO
d) v 3 cp 1----+ u, cp) = L: cp(j) (j). j=O
Solution : a) L'application en question ne détermine pas une
distribution car elle n'est pas linéaire.
b) L'application proposée est évidemment linéaire. Montrons qu'elle
est continue. Si la suite ( 'Pk) converge dans 'D vers cp, cela
veut dire que tous les supports des 'Pk sont contenus dans un même
compact et que pour tout
j E N, la suite (cp~)) converge uniformément vers cp(j). Dès lors,
la suite
(!, 'Pk) = Ej=o cp~) (0) converge vers Ej=o cp(j) (0) = (!, cp).
Donc il s'agit bien d'une distribution.
c) La série E~o cp(j)(O) peut ne pas converger puisque on ne sait
rien sur cp(j)(O). En effet, soit f E C00 telle que : f(O) i- 0
(par exemple f(x) = é1}
D'après l'exemple 1.1.a (ou l'exercice 1.7.1), on peut toujours
construire une fonction 'ljJ E 'D telle que: 'l/J(x) = 1
surl'intervalle compact [-a, a]. La fonction cp(x) = f(x)'ljJ(x)
appartient à 'D et on a cp(i) = f(O) i- O. La série en question
diverge car la condition nécessaire de convergence n'est pas
satisfaite. Par conséquent, l'application proposée n'est pas une
distribution.
d) Comme cp E 'D, on peut donc supposer que: supp cp c [-n, n].
Dans ce cas, on a aussi su pp cp(j) C [-n, n]. Alors pour j <:J.
[O, n] on a cp(j) (j) = 0 et par conséquent (!, cp) = Ej=o cp(j)
(j). Cette application est évidemment linéaire et continue sur 'D.
Donc elle détermine une distribution.
36 CHAPITRE 1. DÉFINITIONS ET EXEMPLES
Exercice 1.6.7 La fonction de Heaviside {dite échelon unité} est
définie par
H(x) = { ~ si X< 0 si X> 0
et détermine une distribution notée H. Déterminer les intervalles
de lR sur lesquels les distributions H + ô et~ (peigne de Dirac}
sont nulles.
Solution : Soit cp E V, on a
r+oo (H + ô, cp) = (H, cp) + (ô, cp) = Jo cp(x)dx + cp(O) = 0 sur]
- oo, 0[.
De même, on a
{ 1 sur {a} f(x) = 0 ailleurs,
la fonction caractéristique de {a} et soit f la distribution
associée à cette fonc tion. Déterminer supp f(x) et supp f.
Solution: Il est évident que supp f(x) = {a}. Comme f est une
distribution régulière, on peut écrire
1+00 (!, cp) = _
00 f(x)cp(x)dx.
En outre, f(x) est presque partout nulle et d'après Lebesgue (!,
cp) = 0, donc f = 0 et par conséquent supp f = 0.
Exercice 1.6.9 Soient cp EV et T une distribution. On suppose que
les sup ports de Tet f sont disjoints. Montrer que : (T, cp)
=O.
Solution : Soit n le plus grand ouvert où T = O. Son complémentaire
ne est, par définition, le support de T. Par hypothèse, supp T n
supp cp = 0, donc supp cp c n et dès lors (T, cp) = O.
Exercice 1.6.10 Démontrer que le support de la distribution vp ~
est JR.
1. 7. EXERCICES PROPOSÉS 37
Solution: Posons F = supp vp ~et désignons par pc le complémentaire
de F. Par définition, F est le plus petit fermé tel que : vp ~ est
nulle dans pc. Cela veut dire que : (vp ~' <p) = 0, pour toute
fonction <p E 'D, ayant son support dans Fe. Pour montrer que F
=IR., on va raisonner par l'absurde. On suppose que F n'est pas
égal à IR. avec (vp ~' <p) = 0, pour toute fonction <p E 'D,
ayant son support dans pc # 0. On montre dans ce cas qu'on peut
construire une fonction 'l/J E 'D, ayant son support dans pc telle
que (vp ~' 'l/J) = 0, ce qui est absurde. En effet, on sait que pc
# 0 et de plus pc est un ouvert de IR., donc tout élément a E pc
est intérieur à Fe, c'es-à-dire il exister> 0 tel que :
[a-r,a+r] c Fe. En d'autres termes, pc est voisinage de a.
Considérons une fonction 'l/J E 'D, définie par 'l/J(x) = x<p(x)
avec (voir exemple 1.1.3)
<p(x) = { e - r2-c!-aJ20 si lx - al < r si lx - al 2 r
On a supp 'l/J = [a - r, a+ r] et
1 1 'l/J(x) 1 1a+r (vp -, 'l/J) = lim -dx = lim <p(x)dx =
<p(x)dx. X e->O lxl>e X e->O lxl>e a-r
Puisque <p(x) > 0 sur ]a - r, a+ r[, alors (vp ~' 'l/J) est
aussi > 0, ce qui est contradictoire. Donc F = R
1. 7 Exercices proposés
Exercice 1. 7 .1 On considère les fonctions suivantes :
<p(x)={ e- 1- 1 "'2 silxl<l 0 si lxl 2 1
IT(x) = { 01 si lxl < t si lxl 2 2
La fonction IT(x) s'appelle ''fonction porte" (elle est couramment
utilisée en théorie du signal}. On sait, d'après l'exemple 1.1.3,
que la fonction <p appartient à V. Posons
()X - <p(x) ( ) - r~: <p(x)dx' 'l/Je(x) = ~() (~) , é >
O.
1) Exprimer <p(x) à l'aide de la fonction IT(x). 2) Etablir une
relation simple entre 'l/Je(x) et IT(x). 3) Prouver que '!/Je EV et
déterminer son support.
j +oo
38 CHAPITRE 1. DÉFINITIONS ET EXEMPLES
5) Soit f une fonction localement sommable à support borné. Montrer
que la fonction
j +oo Fë(x) = -oo f(x)'l/Je(x - y)dy,
appartient à V. 6) En déduire que si [a, b] est un compact
quelconque de ~' alors il existe
une fonction <pe E 1) égale à 1 dans [a, b].
1 1
Réponse: On obtient 1) cp(x) = II(~)e-1-:1:2 • 2) 1/Je(x) =
~Il(~)e-i-x2 te2 • 3) <p (~) E C00 et supp <p (~) = [-t:,t:],
donc 1/Je(x) EV, supp 1/Je(x) = [-t:,é]. 4) r~:: 1/Je(x)dx =
1.
Exercice 1.7.2 Déterminer le support de la distribution T de
l'exercice 1.6.2, ainsi que celui de la distribution S = a8a + f38b
où a et /3 sont des constantes.
Réponse: supp T = {O, 1, !, -!, ... }, supp S ={a, b}.
Exercice 1. 7.3 Pour toute fonction <p E V, on définit une
application T sur V, en posant
(T, cp) = lim (1-e f(x)cp(x) dx + 1+00 f(x)cp(x) dx) ' e-+0 -OO X e
X
où f est une fonction localement sommable. Prouver que T est une
distribution.
Exercice 1.7.4 Montrer que la distribution de Dirac ne peut etre
associée à une fonction localement sommable.
Indication : Soit f(x) une fonction localement sommable et f la
distribution qui lui est associée. On peut raisonner par l'absurde
en supposant que f = 8. On construit une fonction <p E 1) de
telle façon que : (8, cp) = cp(O) -j. 0 et (!, cp) = J~;:
f(x)cp(x)dx = 0, ce qui est absurde.
Exercice 1.7.5 Soit H la distribution d'Heaviside et Pf H~x) la
distribution définie par
(Pf H(x), cp) = lim (i+oo cp(x)cp(x) dx + cp(O) lnê) , X e-+0 e
X
où <p EV. Déterminer les supports des distributions H, H~x) et
Pf H~x).
Réponse: Tous les supports sont égaux à [O, +oo[.
1. 7. EXERCICES PROPOSÉS
Exercice 1.7.6 Soit x =(xi, ... ,xn) E ~n, r = Jx~ + · · · + x~. On
pose
( ) _ { e - oe2°~'r2 si r < a 'Pa X - 0 sir~a
et on désigne par C l'espace des fonctions continues à support
borné. 1) Soit f E C. Montrer que la fonction
appartient à V. 2) En posant
fa(X) = { J(t)cpa(X - t)dt, }JR.n
39
et en remarquant d'après la question précédente que 9a EV, montrer
que toute fonction de C, peut étre approchée uniformément par une
fonction de V {théo rème d'approximation de Weierstrass).
Exercice 1.7.7 Soient Ti et T2 deux distributions. Montrer
que:
supp (Ti + T2) C supp Ti U supp T2.
Exercice 1.7.8 On considère l'application
1 r)() a-i ( )d cp f----+ r(a) lo X cp X X,
où cp E V, a E C, Re a > 0 et r(a) = f0 00 e-tta-idt est la
fonction gamma
d'Euler. Montrer que cette application détermine une distribution
et calculer sa valeur pour a= -k où k EN.
Réponse : ô(k).
Exercice 1. 7.9 a) On considère la fonction définie par
X0t = { X0t si X > Ü + 0 six~O
où a E C et Re a > -1. Montrer que cette fonction détermine une
distribution sur~.
b) On suppose maintenant que: -2 <a< -1. La fonction définie
ci-dessus n'étant pas intégrable sur [-1, 1], on lui associe une
application notée Pf x+. en posant
(Pj x+, cp) =-JO xa+ilcp1(x)dx = lim ( { X0tcp(x)dx + g0t+llcp(e))
. -oo a+ e--+O Jlxl~e a+
Montrer que cette application détermine une distribution.
Chapitre 2
Introduction
Dans ce chapitre on définit la dérivée au sens des distributions et
on montre que les distributions sont indéfiniment dérivables et que
leurs dérivées succes sives sont aussi des distributions. L'un des
avantages de la théorie des distri butions est que (contrairement
aux fonctions quelconques) toute distribution peut être dérivée
autant de fois qu'on le veut. C'est là un résultat essentiel des
distributions et c'est pour l'obtenir que nous avons exigé que les
fonctions de l'espace 1J soient elles mêmes indéfiniment
dérivables. Nous avons montré dans le chapitre précédent, que toute
fonction localement sommable détermine une distribution, on peut
donc lui associer une dérivée au sens des distributions, qui est
aussi une distribution mais pas forcément une fonction. Les
distribu tions sont utilisées un peu partout dans les disciplines
faisant appel au calcul différentiel car elles sont toujours
dérivables alors que les dérivées au sens usuel n'existent pas
toujours. Ensuite on introduit la notion de primitive d'une dis
tribution et on verra au chapitre 3, que toute disribution possède
une infinité de primitives ne différant que par une constante. La
fonction d'Heaviside H(x) nulle pour x < 0 et égale à 1 pour x ~
0, a pour dérivée la mesure de ô de Dirac. La discontinuité que
présente H(x) à l'origine apparaît dans la dérivée de la
distribution associée, sous la forme d'une masse ( + 1) ponctuelle
placée à l'origine. Plus généralement, on montre que les sauts que
subit une fonction en ses points de discontinuités apparaîssent
dans la distribution dérivée sous forme de masses ponctuelles
placées aux points de discontinuités. La dérivée de la distribution
de Dirac représente ce qu'on appelle en physique un "doublet". De
nombreux exercices importants sont étudiés : valeur principale de
Cau chy, parties finies de Hadamard, opérateur de Laplace,
opérateur des ondes, opérateur de Cauchy-Riemann, Noyau de Gauss,
équation de la chaleur, etc.
42 CHAPITRE 2. DÉRIVATION DES DISTRIBUTIONS
2.1 Définition et propriétés
Soit f une fonction de classe C1. En faisant une intégration par
parties, on obtient immédiatement
l +oo (!', cp) = _
00 f'(x)cp(x)dx = -(!, cp'), cp E 1J
car cp{±oo) =O. On est donc conduit à la définition générale
suivante :
Définition 2.1.1 On appelle dérivée T' d'une distribution T, la
fonctionnelle définie par la relation
(T', cp) = -(T, cp'), cp E 1J
Proposition 2.1.2 Toute distribution admet des dérivées de tout
ordre qui sont aussi des distributions.
Démonstration : Soient Tune distribution et cp E 7J. On a par
définition,
(T',cp) = -(T,cp'), (T",cp) = -(T',cp') = (T,cp"), ... (T(j),cp) =
{-l)i(T,cp(j)),
où cp', cp", ... ,cpU) existent car cp E C00 • Montrons maintenant
que T(j) est une distribution. Elle est linéaire : soient <p1,
<p2 E 1J et a, f3 E C, on a
(T(j), acp1 + f3cp2) = a(T(i), cp1) + f3(T(j), cp2).
Pour établir la continuité de T(j), on suppose que la suite ( cpk)
converge dans
1J vers cp. Alors, par définition, (cp~)) converge uniformément
vers cp(j) et par conséquent
converge vers {-l)i(T,cp(j)) = (T(j) 1 cp),
ce qui achève la démonstration. D
Remarque 2.1.1 Soient TE 7J' et g E C00 • On montre (voir chapitre
3} que : (gT)' = g'T + gT' et (voir chapitre 4) T(x+hz-r(x) tend
vers T' lorsque h ---+ O.
Définition 2.1.3 On dit qu'une distribution Test primitive d'une
distribution S si et seulement si T' = S.
Remarque 2.1.2 On montrera au chapitre 3, que les seules solutions
de l'équa tion différentielle T' = 0 sont les constantes. Ceci
nous permettra d'en déduire que toute distribution possède une
infinité de primitives ne différant que par une constante.
2.2. EXEMPLES 43
2.2.1 Dérivée de la fonction d'Heaviside
Rappelons que la fonction d'Heaviside (dite échelon unité) est
définie par
H(x) = { 0 s~ x < 0 1 s1x>O
et détermine une distribution notée H. Au sens des fonctions, la
dérivée de H(x) n'existe pas au point x = O. Mais au sens des
distributions, on a pour cp E 'D,
r+oo (H', cp} = -(H, cp'}, = - Jo cp'(x)dx = cp(O) = (8, cp},
car cp( +oo) = O. Par conséquent, H' = 8, c'est-à-dire la
distribution H a pour dérivée la distribution de Dirac. La
discontinuité que représente H(x) à l'origine apparaît dans la
dérivée de la distribution associée, sous la forme d'une masse ( +
1) ponctuelle placée à l'origine. Remarquons qu'il n'est pas
nécessaire de préciser la valeur de H(x) pour x = 0, qui est un
ensemble de mesure nulle. Par réitérations, on obtient
H(m+l) = 8(m), m E N.
2.2.2 Dérivée de la distribution de Dirac
On a (8',cp} = -(8,cp'} = -cp'(O).
En général, on a
Soient -~ et ~ deux masses placées respectivement aux points a et
a+ ë.
Lorsque ë --+ 0, on obtient un doublet. Il sera représenté par la
dérivée de la distribution de Dirac au point a. En effet, la
distribution définie par cette répartition est
et
k k k k cp( a + ë) - cp( a) (Te, cp} = -(8a+e 1 cp} - -(8a, cp =
-cp(a + ë) - -cp(a) = k .
ê ê ê ê ê
44 CHAPITRE 2. DÉRIVATION DES DISTRIBUTIONS
Si cp(x) = 1, on retrouve la masse totale, c'est-à-dire zéro. Si
cp(x) = x2,
on retrouve le moment d'inertie de cette distribution, c'est-à-dire
k(c + 2a). Lorsque c--+ 0, on a
1. (T. ) - k l' cp(a + c) - cp(a) - k(i: ') - -k(i:' ) lm g 1 cp -
lm - ua, cp - ua, cp , ê~O ê~O é
2.2.3 Dérivée d'une fonction discontinue
Soit f(x) une fonction de classe C1 pour X < 0 et X > 0, mais
présentant une discontinuité de première espèce en x = 0,
c'est-à-dire les limites
f(o+) = lim f(x), x~o+
f(o-) = lim f(x), x~o-
existent et sont distinctes. Au point x = 0, la fonction f subit un
saut ao, c'est-à-dire ao = J(o+) - f(o-). On désigne par f la
distribution associée à f(x), par f' la dérivée de cette
distribution et par {f'} la distribution associée à la dérivée
usuelle de f(x) pour x < 0 et x > 0 et qui n'est pas définie
pour x =O. On a
(!', cp) = -(!, cp'),
= -1-:00 f(x)cp(x)dx,
= - f(x)cp(x)l~oo + 1-~ J'(x)cp(x)dx
= (f(o+) - f(o-))cp(O) + 1:00 f'(x)cp(x)dx,
Par conséquent, on a f' = {!'} + aoô.
Le saut ao de f apparaît, dans la distribution dérivée, sous forme
d'une masse ponctuelle ao au point de discontinuité. En prenant f =
H, ao = 1, {!'} = 0, on retrouve le résultat précédent,
c'est-à-dire H' = ô.
2.3. EXTENSION AU CAS DE PLUSIEURS VARIABLES 45
Supposons que f(x) soit une fonction indéfiniment dérivable. En
désignant par u1, u2, ... , les sauts respectifs de f'(x), f"(x),
... , à l'origine, on aura en dérivant à nouveau :
!" {!"} + uoô' + u1 ô,
où j(m) désigne les dérivées successives de la distribution f et
{f(m)} désigne les distributions associées aux dérivées usuelles de
f(x) pour x < 0 et x > 0 et qui ne sont pas définies pour x =
O. Plus généralement, si f(x) admet des discontinuités aux points
ai, a2, ... , avec des sauts respectifs r1, r2, ... , on aura
J' = {J'} + L TkÔak •
2.3 Extension au cas de plusieurs variables
Dans le cas de plusieurs variables, on définit la dérivée ~ d'une
distribu tion T, par
\;~,~) = -\ T, ;~), i = 1,2, ... ,m.
On a
( ) OO ~ ~ où~ xi, x2, ... , Xm E C , donc axiax; = ax;axi, et par
conséquent
Plus généralement, on a
- ôx~1 . ax;2 ôx~ - ôx~1 ax;2 ... ôx~m .
2.4 Exercices résolus
Exercice 2.4.1 Dériver au sens des distributions les fonctions
suivantes : a) sgn(x) = 1:1 (fonction signe) b) f(x) = X[-!,!l(x)
c'est-à-dire la fonction caractéristique de[-!, !Légale
à 1 si x E [-!, ! ] et à 0 sinon.
Solution: a) On a
{ -1
si X> Ü
= 2cp(O),
= 2(ô,cp),
d'où sgn' = 2ô. Une méthode rapide consiste à utiliser la formule
établie dans la section 2.3. En effet, la fonction sgn(x) subit un
saut uo = 2 et sa dérivée au sens des fonctions vaut O. Donc
b) On a
sgn' = {sgn}' + uoô' = 2ô'.
2.4. EXERCICES RÉSOLUS 47
d'où f' = c5_1 -c51 = ô(x+ ~)-ô(x- ~).Comme dans la question
précédente, 2 2
on peut utiliser la formule établie dans la section 2.3. En effet,
la fonction f(x) admet deux discontinuités aux points - ~ et ~ avec
des sauts respectifs r _ 1 = 1
2 et n = -1. Sa dérivée au sens des fonctions est nulle. Donc
2
f 1 = {J}' + T_1Ô_1 + TlÔl = Ô_l - Ô1. 2 2 2 2 2 2
Exercice 2.4.2 Soit vp ~ la distribution (voir exercice 1.6.3}
définie par
(vp .!., cp) = lim (1-e cp(x) dx +le cp(x) dx) , cp EV. X e--+O -OO
X e X
1) Calculer au sens des distributions a) (vp l)'. b) ( vp
!Y'.
2) Pour tout cp EV, on pose
(Pf 1 2 , cp) = lim ( { cp(~) dx - 2 cp{O) dx) ,
X e--+0 Jlxl>e X ê
(Pf 1 3 , cp) = lim ( { cp(~) dx - 2 c,o'{O) dx) ,
X e--+0 Jlxl>e X ê
Le symbole Pf · · · désigne la partie finie de · · · a) Chercher
une relation simple entre Pf -J.x et ( vp ~ )' ainsi qu 'entre Pf
-:S
et (vp ~)''. b) Les applications Pf -J.x et Pf -:S sont-elles des
distributions sur lR ?
Justifier la réponse.
X
= - lim r cp'(x) dx e--+0 Jlxl>e X '
= - lim (1-e cp'(x) dx + 100 cp'(x) dx) ' e--+O -OO X e X
En effectuant une intégration par parties, on obtient
({vp .!. )', cp) = - lim (- cp(-ê) + cp(ê) + r cp(~) dx) . X e--+0
ê Jlxl>e X
Or d'après l'exercice 1.6.1, on a
d'où
lim cp(-t:) + cp(t:) = lim {2 cp(O) + t:(O(t:) + 0(-t:))} = 2 lim
cp(O). e-+0 é e-+O é e-+0 é
Par conséquent,
((vp .!. )', cp) = lim (2 cp(O) - f cp(~) dx) . X e-+O é Jlxl>e
X
b) On a
((vp .!.y',cp) = -((vp .!.)',cp') = lim (-2cp'(O) + f cp'(:) dx), X
X e-+O é ljxj>e X
d'après la question précédente. Puisque
f cp'(x) dx - Jlxl>e ~ -
1-e cp'(x) 100 cp'(x) - 2-dx+ - 2-dx,
-oo X e X
cp(~) ,-e + 2j-e cp~x) dx + cp(~) loo + 2foo cp(~) dx), X -OO -OO X
2 X e e X
= cp(-t:)-cp(t:)+21 cp(x)dx 2 3 '
é lxl>e X
d'où
lim cp(-t:) + cp(t:) = lim {-2 cp(O) - t:(O(-t:) + O(t:))} = -2 lim
cp'(O). e-+0 t:2 e-+0 é e-+0 é
2.4. EXERCICES RÉSOLUS 49
Par conséquent,
((vp _! )'', cp) = 2 lim (-2 cp'(O) + { cp(~) dx) . X e--+O ê
Jlxl>e X
2) a) On déduit immédiatement de 1) que
1 ( 1 )' Pf- = - vp - , x2 X
2Pf ~ = (vp _! )". x3 X
b) Une distribution étant toujours dérivable, on déduit de a) que
Pf ~et Pf ~ sont aussi des distributions.
Exercice 2.4.3 Exprimer les applications b) et d) de l'exercice
1.6.6 en fonc tion de la distribution de Dirac
Solution : Pour b), on a
n n n
(J,cp) = L'P(j)(o) = L(ô,cp(j)) = L(-1)i(ô(j),cp), j=O j=O
j=O
et par conséquent, n
f = L(-1)iô(j). j=O
OO OO OO
(J,cp) = L'P(j)(j) = L(ôj,cp(j)) = L(-1)i(ô)j),cp), j=O j=O
j=O
et donc OO
f = L(-1)iô)i). j=O
Exercice 2.4.4 Montrer que la fonction ln lxl détermine une
distribution sur lR et prouver qu'au sens des distributions
(ln lxl)' = vp .!. X
Solution : La fonction ln lxl définit une distribution sur lR car
elle est localement sommable. En effet, la fonction ln lxl est
continue sur JR*, donc localement
50 CHAPITRE 2. DÉRIVATION DES DISTRIBUTIONS
sommable. En outre, dans un voisinage de 0 par exemple J - 1, 1[,
l'intégrale f ~1 l ln lxl ldx est convergente : on a
f 1 1nxdx = lim 11 lnxdx = -1, lo e-+O e
donc J0 1 lnxdx existe. Même argument pour J~1 ln(-x)dx. (Une autre
mé
thode : la fonction ln lxl, xi= 0, est localement sommable dans lR
car dans un voisinage de 0, on al ln lxll ::; JXf-, pour 0
<a< 1). La dérivée de ln lxl, au sens des fonctions, n'est
pas localement sommable. Mais au sens des distributions, on a
((lnlxl)',<p) -(lnlxl,<p'), <p E 1J
-I:oo ln lxl<p'(x)dx,
- - lim (1-e ln(-x)<p1(x)dx + l+oo lnx<p1(x)dx), ê-+0 -OO
ê
- lim (1n(-x)<p(x)C~ -1-e <p(x) dx e-+0 _ 00 X
+ lnx<p(x)l;-00 - l+oo <p~) dx),
= lim(<p(ê) - <p(-ê)) lnê e-+0
+ lim (1-e <p( x) dx + 1+00 <p( x) dx) . e-+0 _ 00 X e
X
Comme (voir exercice 1.6.1),
<p(ê) = <p(O) + ê<p1(0) + ê20(ê),
alors lime-+O ( <p( ê) - <p( -ê)) ln ê = 0, et par
conséquent
((ln lxl)', <p) = (vp !, <p). X
Exercice 2.4.5 Soit T(n) la dérivée nième d'une distribution
arbitraire T.
Montrer que supp T(n) c supp T. La réciproque est-elle vraie?
Justifier la réponse.
Solution: Soient n le plus grand ouvert où T = 0 et W le plus grand
ouvert où T(n) =O. Par définition, on a supp T =ne et supp T(n) =
we. Puisque T = 0 sur 0, alors T(n) = 0 sur n. Dès lors, W
:::>net par conséquent we c ne. La réciproque est fausse. En
effet, considérons la distribution T =constante. On a supp T = lR
alors que supp T(n) = 0.
2.4. EXERCICES RÉSOLUS 51
Exercice 2.4.6 Calculer au sens des distributions, les dérivées
successives de la fonction lxl.
Solution: Posons y= lxl. On a
y={ X -x
/ { -1 y= 1
Si X> 0 si X< 0
Au point x = 0, la fonction y' est discontinue et subit un saut u1
= 2. On a
y"= {y"}+ uo8' + u18 = 28, y(3) = 281, ... , y(n) = 28(n-2), n ~
2
On obtient immédiatement ce résultat en utilisant la formule (voir
section 2.3) :
Ici {y(n)} = 0, 0'1 = 2 et O"Q = 0'2 = 0"3 = ... = O'n =o.
Exercice 2.4.7 Soient H(x) la fonction d'Heaviside, a et w des
constantes réelles. Prouver, au sens des distributions, les
relations suivantes :
a) (fx - a) H(x)eax = 8.
b) ( d2 + 2) H(x) sinwx = 8 dX1 w w .
Solution : a) Soit cp E 7J. On a
Or
donc
52 CHAPITRE 2. DÉRIVATION DES DISTRIBUTIONS
d'où (d!: - a) H(x)eax = ô. On peut retrouver le même résultat, en
procédant comme suit,
b) Soit cp EV. On a
( ( .!___ 2) H(x) sinwx ) d 2 +w ,cp
X W
1+00 sin wx 1+00 = --cp"(x)dx + w sinwxcp(x)dx,
0 w 0
sinwx l+oo 1+00 1+00 = --cp'(x) - coswxcp'(x)dx + w sinwxcp(x)dx, w
0 0 0
r+oo r+oo = - Jo coswxcp'(x)dx + w Jo sinwxcp(x)dx,
r+oo r+oo = - coswxcp(x)lci00 - w Jo sinwxcp(x)dx + w Jo
sinwxcp(x)dx,
= cp(O),
= (ô, cp),
( d2 2) H(x) sinwx d'où d 2 + w = ô. On peut retrouver le même
résultat, en
X W
X W
d2 (H(x) sinwx) H( ) . =d 2 +w xsmwx, X W
d (H'(x) sinwx ) . = dx w +H(x)coswx +wH(x)smwx,
= d~ ( ô si:wx + H(x) coswx) + wH(x) sinwx,
= d~ (H(x) coswx) + wH(x) sinwx,
= H'(x) coswx - wH(x) sinwx + wH(x) sinwx,
= ôcoswx,
=Ô.
2.4. EXERCICES RÉSOLUS
Exercice 2.4.8 Soit u(x, t) la fonction définie dans Il~.2
par
u(x, t) = { a si. t2 - x2 2: 0, t 2: 0, 0 ailleurs,
53
a) Montrer que u(x, t) définit une distribution dans IR.2 et
déterminer son support.
b) C l l d d . 'b . l' . ( a2 a2 ) a2 a2 a cu er, au sens es istri
utions, expression Ft:I - &è1 u, Ft:I - &è1
étant l'opérateur des ondes.
c) Déterminer a de façon que u(x, t) soit solution de l'équation
suivante :
où v est une constante positive et ô = ô(x, t) la distribution de
Dirac.
Solution : a) La fonction u(x, t) définit une distribution dans
IR.2 car elle est localement sommable. Le support de u(x, t) est le
cône : t2 - x2 2: 0, t 2: O. b) Soit cp E V(IR.2), alors par
définition
On a
( â2cp) u, ât2 j +oo j+oo â2cp
u(x, t) â 2 dxdt, -OO -OO t
j +oo (l+oo â2cp ) = a â 2 dt dx, -OO lxl t
j +oo âcp 1 +oo a -8 (x, t) dx,
-OO t lxl
-OO t
-a (1-~ ~~ (x, -x)dx + fo+oo ~~ (x, x)dx) ,
( r+oo âcp r+oo âcp ) -a la ât (-x, x)dx +la ât (x, x)dx .
54 CHAPITRE 2. DÉRIVATION DES DISTRIBUTIONS
De même, on a
/ a2 ) j+oo j+oo 82cp \ u, âx~ = -oo -oo u(x, t) âx2 dxdt,
Dès lors,
Donc
r+oo (lt a2cp ) Jo -ta âx2 dx dt,
r+oo âcp lt = a Jo âx (x, t) x=-t dt,
r+oo ( âcp Ôcp ) aj0 âx(t,t)- 8x(-t,t) dt.
âcp âcp = âx (x, t)dx + ât (x, t)dt,
Ôcp Ôcp = - âx (-x, t)dx + ât (-x, t)dt,
âcp âcp âx (s, s)dx + ât (s, s)dt,
âcp Ôcp = - âx (-s, s)dx + ât (-s, s)dt.
( ~:~ - ~:~, cp) = -a fo+oo dcp(s, s) - a fo+oo dcp(-s, s),
et par conséquent
ô = ô(x, t).
2.4. EXERCICES RÉSOLUS
c) En remplaçant t par vt dans l'équation précédente, on
obtient
1 â2u â2u = 2aô(x, vt),
2a = -ô(x,t). V
Donc pour satisfaire à l'équation proposée, on doit avoir a=
~·
Exercice 2.4.9 Soit Pf ~C.:) la distribution définie par
\ Pf H(x), cp) = lim {i+oo cp(x) dx +A}, xk e-+O xk
ê
A = - ~ ( i - 1) ! . ( k - i)ck-i + ( k - 1) ! ln c'
et H(x) est la fonction d'Heaviside, cp EV et k EN*. Etablir la
relation
(Pf ~~))' = -kPf ~~; + (-l)kô~:). Solution: Soit cp E 'D. On
a
55
\ ( Pf ~~) )' , cp) = - \ Pf ~~) , cp1 ( x)) = - !~ { 1+oo cp~~) dx
+ B} , où
- k-1 cp(i) (0) 1 cp(k) (0) B = - ~ ( ) . ( ) k . + ( )' lnc. f=t.
i - 1 ! k - i é -i k - 1 .
En faisant une intégration par parties, on obtient
\ ( Pf H(x))', cp) = - lim {- cp(c) + k 1+oo cp(x) dx + n}. xk e-+O
ck xk+ 1
ê
un calcul direct montre que :
\ ( Pf ~~) )', cp) = -k \ Pf ~~;, cp) + (-k~)k ( ô(k), cp) ,
d'où le résultat.
56 CHAPITRE 2. DÉRIVATION DES DISTRIBUTIONS
Exercice 2.4.10 Soit z = x + iy E C et ~ = ! ( fx + ify),
l'opérateur de
Cauchy-Riemann. Calculer, au sens des distributions, l'expression~
(i).
Solution : La fonction i = x~iy est une distribution sur R.2 car
elle est locale ment sommable. Soit cp(x, y) E V(R.2). On a, par
définition,
j â (1) ) j 1 âcp) l+oo l+oo 1 1 (âcp ,Ôcp) \âz ; ,cp = -\;' âz = -
_00 _00 x+iy'2 âx +i ây ·
Pour calculer cette intégrale double, on va utiliser le théorème du
changement de variables et par la suite le théorème de Fubini. En
coordonnées polaires x = rcosfJ, y= rsinO, 0 < r < +oo, 0
< (J < 271", on sait que les opérateurs: fx, -/y, fr et f0
sont liés par les équations
â â l. â â. â 1 â âx = cos (J âr - r sm (J â(J, ây = sm (J âr + r
cos (J â(J .
Posons 'lfJ(r,O) = cp(rcosfJ,rsinfJ). L'intégrale précédente
s'écrit (en tenant compte du fait que le jacobien de la
transformation est r) sous la forme
-- - + -- drdfJ 1121f 1+00 (â'l/J i â'l/J) 2 0 0 âr râfJ '
1 121f 1+00 â'lfJ i 121f 1+00 1 â'lfJ = -- -drdfJ- - --drdfJ 2 0 0
âr 2 0 0 râfJ '
1 {21f i r+oo 1 = "2Jo 'lfJ(O,fJ)dfJ-"2Jo
;:-('l/J(r,27r)-'l/J(r,O))dr,
1 {21f 2 Jo cp(O, O)dfJ,
= 7rcp(O, 0), = 7r(ô,cp).
(H(x) lnx)' = Pf H(x), X
où H(x) est la fonction d'Heaviside et Pf H~x) la distribution
définie par
(Pf H(x), cp) = lim (l+oo cp(x) dx + cp(O) lne) , x e~o e x
pour tout cp E V.
2.4. EXERCICES RÉSOLUS
- fo00 lnx.r.p'(x)dx,
- lim f 00 lnx.r.p'(x)dx, e-->O le
- lim {r.p(x) lnxl~ - f 00 r.p(x) dx}' e-->O le X
lim {r.p(ê) lnê + f 00 r.p(x) dx}. e-->O le X
57
Comme r.p EV, on a d'après l'exercice 1.6.1, r.p(ê) = r.p(O)
+Er.p'(O) +E20(ê), où 0 est continue sur R On pose 'l/J(ê) =
r.p'(O) +êO(ê), d'où r.p(ê) = r.p(O) +ê'l/J(ê), avec 'ljJ continue
sur R On a
lim r.p(ê) ln ê = lim( r.p(O) + ê'l/J(ê)) ln ê = r.p(O) lim ln ê,
e-->0 e-->O e-->O
et par conséquent
((H(x) ln x )', r.p) = lim {r.p(O) lnê + f 00 r.p(x) dx} = j Pf
H(x), r.p) . e-->O le X \ X
Exercice 2.4.12 Soient r.p EV et x ER On pose D = --fl.x + 4d~'
et
J_ a r+oo (T, r.p) = -oo f(x)r.p(x)dx +la g(x)r.p(x)dx,
où a est une constante, f et g sont deux fonctions de classe C2
vérifiant les conditions: Df(x) = Dg(x) = 0, f(a) - g(a) = 1, f'(a)
- g'(a) = 5. Montrer qu'au sens des distributions DT = ô~ +
Ôa.
Solution : Soit r.p EV. On a
(DT,r.p) = (-T" +4T',r.p) = (-T",r.p) +4(T',r.p).
En utilisant deux fois la formule d'intégration par parties, on
obtient
(T, r.p") 1-: f(x)r.p"(x)dx + 100 g(x)r.p"(x)dx,
(f(a) - g(a))r.p'(a) - (f'(a) - g'(a))r.p(a)
+ 1-: f"(x)r.p(x)dx + 1-: g"(x)r.p(x)dx.
De même, on a
D'où
(DT, <p) = (g(a) - f(a))(<p'(a) + 4<p(a)) +(!'