Initiation à la théorie des distributions

Pr [Link]
DEFINITION DES DISTRIBUTIONS
l’idée clef conduisant à la notion de distribution consiste à considérer,
au lieu d’une fonction f continue sur un ouvert Ω de RN , la forme
linéaire Z
∞
Cc (Ω) 3 φ 7→ f (x)φ(x)dx ∈ R ou C
Ω
l’idée clef conduisant à la notion de distribution consiste à considérer,
au lieu d’une fonction f continue sur un ouvert Ω de RN , la forme
linéaire Z
∞
Cc (Ω) 3 φ 7→ f (x)φ(x)dx ∈ R ou C
Ω

Dans ce contexte, les fonctions φ intervenant dans l’expression ci-

dessus sont appelées “fonctions test”
Notations usuelles pour les dérivées partielles
•Pour tout multiindice α = (α1 , . . . , αm ) ∈ Nm , on pose

|α| := α1 + . . . + αm , (longueur d’un multi-indice)

Notations usuelles pour les dérivées partielles
•Pour tout multiindice α = (α1 , . . . , αm ) ∈ Nm , on pose

|α| := α1 + . . . + αm , (longueur d’un multi-indice)

•Monôme de degré |α|: pour x = (x1 , . . . , xm ) ∈ Rm , on note

x α := x1α1 . . . xm
αm
Notations usuelles pour les dérivées partielles
•Pour tout multiindice α = (α1 , . . . , αm ) ∈ Nm , on pose

|α| := α1 + . . . + αm , (longueur d’un multi-indice)

•Monôme de degré |α|: pour x = (x1 , . . . , xm ) ∈ Rm , on note

x α := x1α1 . . . xm
αm

•Monôme différentiel d’ordre |α|: on note

∂ α := ∂1α1 . . . ∂m
αm
ou ∂xα := ∂xα11 . . . ∂xαmm
Notations usuelles pour les dérivées partielles
•Pour tout multiindice α = (α1 , . . . , αm ) ∈ Nm , on pose

|α| := α1 + . . . + αm , (longueur d’un multi-indice)

•Monôme de degré |α|: pour x = (x1 , . . . , xm ) ∈ Rm , on note

x α := x1α1 . . . xm
αm

•Monôme différentiel d’ordre |α|: on note

∂ α := ∂1α1 . . . ∂m
αm
ou ∂xα := ∂xα11 . . . ∂xαmm

avec
∂
∂j ou ∂xj =
∂xj
Fonctions test
Soit Ω ouvert de RN ; la notation K ⊂⊂ Ω signifie que K est un
compact de RN et que K ⊂ Ω. Pour tout K ⊂⊂ Ω, notons
Fonctions test
Soit Ω ouvert de RN ; la notation K ⊂⊂ Ω signifie que K est un
compact de RN et que K ⊂ Ω. Pour tout K ⊂⊂ Ω, notons

CK∞ (Ω) := {φ ∈ C ∞ (Ω) t.q. supp(φ) ⊂ K }

Fonctions test
Soit Ω ouvert de RN ; la notation K ⊂⊂ Ω signifie que K est un
compact de RN et que K ⊂ Ω. Pour tout K ⊂⊂ Ω, notons

CK∞ (Ω) := {φ ∈ C ∞ (Ω) t.q. supp(φ) ⊂ K }

Famille de normes sur CK∞ (Ω): pour tout p ∈ N et tout φ ∈ CK∞ (Ω)

kφkp,K := max max |∂ α φ(x)|

|α|≤p x∈K
Fonctions test
Soit Ω ouvert de RN ; la notation K ⊂⊂ Ω signifie que K est un
compact de RN et que K ⊂ Ω. Pour tout K ⊂⊂ Ω, notons

CK∞ (Ω) := {φ ∈ C ∞ (Ω) t.q. supp(φ) ⊂ K }

Famille de normes sur CK∞ (Ω): pour tout p ∈ N et tout φ ∈ CK∞ (Ω)

kφkp,K := max max |∂ α φ(x)|

|α|≤p x∈K

L’espace Cc∞ (Ω) n’est pas un espace normé; mais on a évidemment

[
Cc∞ (Ω) = CK∞ (Ω)
K ⊂⊂Ω

avec la famille de normes k · kp,K sur chaque espace CK∞ (Ω)

Notion de distribution

Une distribution T sur Ω ouvert de RN est une forme linéaire sur

Cc∞ (Ω) dont la restriction à chacun des sous-espaces CK∞ (Ω) est
continue pour l’une au moins des normes k · kp,K . Autrement dit
Notion de distribution

Une distribution T sur Ω ouvert de RN est une forme linéaire sur

Cc∞ (Ω) dont la restriction à chacun des sous-espaces CK∞ (Ω) est
continue pour l’une au moins des normes k · kp,K . Autrement dit

pour tout K ⊂⊂ Ω, il existe pK ∈ N et CK > 0 t.q.

φ ∈ CK∞ (Ω) ⇒ |hT , φi| ≤ CK kφkpK ,K
Notion de distribution

Une distribution T sur Ω ouvert de RN est une forme linéaire sur

Cc∞ (Ω) dont la restriction à chacun des sous-espaces CK∞ (Ω) est
continue pour l’une au moins des normes k · kp,K . Autrement dit

pour tout K ⊂⊂ Ω, il existe pK ∈ N et CK > 0 t.q.

φ ∈ CK∞ (Ω) ⇒ |hT , φi| ≤ CK kφkpK ,K

Lorsque pK peut être choisi égal à p indépendant de K , on dit que

T est une distribution d’ordre ≤ p dans Ω.

•Ordre de T = le plus petit entier p ≥ 0 t.q. T soit d’ordre ≤ p

Notion de distribution

Une distribution T sur Ω ouvert de RN est une forme linéaire sur

Cc∞ (Ω) dont la restriction à chacun des sous-espaces CK∞ (Ω) est
continue pour l’une au moins des normes k · kp,K . Autrement dit

pour tout K ⊂⊂ Ω, il existe pK ∈ N et CK > 0 t.q.

φ ∈ CK∞ (Ω) ⇒ |hT , φi| ≤ CK kφkpK ,K

Lorsque pK peut être choisi égal à p indépendant de K , on dit que

T est une distribution d’ordre ≤ p dans Ω.

•Ordre de T = le plus petit entier p ≥ 0 t.q. T soit d’ordre ≤ p

Notation: D0 (Ω) est l’espace vectoriel des distributions sur Ω

Exemples de distributions

Exemple 1: les fonctions localement intégrables

Une fonction mesurable f définie p.p. sur Ω ouvert de RN et à
valeurs dans R ou C est localement intégrable sur Ω si
Exemples de distributions

Exemple 1: les fonctions localement intégrables

Une fonction mesurable f définie p.p. sur Ω ouvert de RN et à
valeurs dans R ou C est localement intégrable sur Ω si
Z
|f (x)|dx < ∞ pour tout K ⊂⊂ Ω
K
Exemples de distributions

Exemple 1: les fonctions localement intégrables

Une fonction mesurable f définie p.p. sur Ω ouvert de RN et à
valeurs dans R ou C est localement intégrable sur Ω si
Z
|f (x)|dx < ∞ pour tout K ⊂⊂ Ω
K

L’ensemble des fonctions localement intégrables sur Ω est noté L1loc (Ω)
Tout élément f de L1loc (Ω) définit une distribution d’ordre 0 sur Ω
en posant
Exemples de distributions

Exemple 1: les fonctions localement intégrables

Une fonction mesurable f définie p.p. sur Ω ouvert de RN et à
valeurs dans R ou C est localement intégrable sur Ω si
Z
|f (x)|dx < ∞ pour tout K ⊂⊂ Ω
K

L’ensemble des fonctions localement intégrables sur Ω est noté L1loc (Ω)
Tout élément f de L1loc (Ω) définit une distribution d’ordre 0 sur Ω
en posant
Z
hTf , φi = f (x)φ(x)dx
Ω
Exemple 2: masses de Dirac
Soit Ω ouvert non vide de RN ; pour tout x0 ∈ Ω, on définit la masse
de Dirac en x0 par la formule
Exemple 2: masses de Dirac
Soit Ω ouvert non vide de RN ; pour tout x0 ∈ Ω, on définit la masse
de Dirac en x0 par la formule

hδx0 , φi = φ(x0 ) pour tout φ ∈ Cc∞ (Ω)

Il est évident que δx0 est une distribution d’ordre 0 sur Ω.

Exemple 2: masses de Dirac
Soit Ω ouvert non vide de RN ; pour tout x0 ∈ Ω, on définit la masse
de Dirac en x0 par la formule

hδx0 , φi = φ(x0 ) pour tout φ ∈ Cc∞ (Ω)

Il est évident que δx0 est une distribution d’ordre 0 sur Ω.

Exemple 3: distributions de Dirac sur R
Soit I un intervalle ouvert non vide de R; pour tout x0 ∈ I et tout
p ∈ N, on définit la distribution de Dirac d’ordre p en x0 par la
formule
Exemple 2: masses de Dirac
Soit Ω ouvert non vide de RN ; pour tout x0 ∈ Ω, on définit la masse
de Dirac en x0 par la formule

hδx0 , φi = φ(x0 ) pour tout φ ∈ Cc∞ (Ω)

Il est évident que δx0 est une distribution d’ordre 0 sur Ω.

Exemple 3: distributions de Dirac sur R
Soit I un intervalle ouvert non vide de R; pour tout x0 ∈ I et tout
p ∈ N, on définit la distribution de Dirac d’ordre p en x0 par la
formule
(p)
hδx0 , φi = (−1)p φ(p) (x0 ) pour tout φ ∈ Cc∞ (I )

(p)
Il est évident que δx0 est une distribution d’ordre p sur I .
La notion de distribution ainsi construite généralise bien la notion de
fonction (au moins de fonction localement intégrable).
La notion de distribution ainsi construite généralise bien la notion de
fonction (au moins de fonction localement intégrable).

Prop. 1 L’application linéaire f 7→ Tf de L1loc (Ω) dans D0 (Ω) est

injective et non surjective.
La notion de distribution ainsi construite généralise bien la notion de
fonction (au moins de fonction localement intégrable).

Prop. 1 L’application linéaire f 7→ Tf de L1loc (Ω) dans D0 (Ω) est

injective et non surjective.
Le caractère non surjectif est évident: pour Ω = R et p ≥ 1
(p)
ordre(δ0 ) = p > 0 = ordre(Tf )
(p)
⇒ δ0 6= Tf pour tout f ∈ L1loc (R)
La notion de distribution ainsi construite généralise bien la notion de
fonction (au moins de fonction localement intégrable).

Prop. 1 L’application linéaire f 7→ Tf de L1loc (Ω) dans D0 (Ω) est

injective et non surjective.
Le caractère non surjectif est évident: pour Ω = R et p ≥ 1
(p)
ordre(δ0 ) = p > 0 = ordre(Tf )
(p)
⇒ δ0 6= Tf pour tout f ∈ L1loc (R)

L’injectivité est obtenue en vérifiant que

Z
f (x)φ(x)dx = 0 pour tout φ ∈ Cc∞ (Ω) ⇒ f = 0 p.p. sur Ω
Ω
La notion de distribution ainsi construite généralise bien la notion de
fonction (au moins de fonction localement intégrable).

Prop. 1 L’application linéaire f 7→ Tf de L1loc (Ω) dans D0 (Ω) est

injective et non surjective.
Le caractère non surjectif est évident: pour Ω = R et p ≥ 1
(p)
ordre(δ0 ) = p > 0 = ordre(Tf )
(p)
⇒ δ0 6= Tf pour tout f ∈ L1loc (R)

L’injectivité est obtenue en vérifiant que

Z
f (x)φ(x)dx = 0 pour tout φ ∈ Cc∞ (Ω) ⇒ f = 0 p.p. sur Ω
Ω

Dans toute la suite, on identifiera systématiquement toute fonction

localement intégrable f à la distribution Tf qu’elle définit
Exemple 4: distributions positives

Def. Une distribution T ∈ D0 (Ω) est dite positive si l’on a

Exemple 4: distributions positives

Def. Une distribution T ∈ D0 (Ω) est dite positive si l’on a

hT , φi ≥ 0 pour tout φ ∈ Cc∞ (Ω) t.q. φ ≥ 0 sur Ω

Notation: T ≥ 0 sur Ω

•La masse de Dirac δ0 est une distribution positive sur RN .

Exemple 4: distributions positives

Def. Une distribution T ∈ D0 (Ω) est dite positive si l’on a

hT , φi ≥ 0 pour tout φ ∈ Cc∞ (Ω) t.q. φ ≥ 0 sur Ω

Notation: T ≥ 0 sur Ω

•La masse de Dirac δ0 est une distribution positive sur RN .

•De même, pour tout f ∈ L1loc (Ω)

Tf ≥ 0 sur Ω ⇔ f (x) ≥ 0 p.p. en x ∈ Ω

Exemple 4: distributions positives

Def. Une distribution T ∈ D0 (Ω) est dite positive si l’on a

hT , φi ≥ 0 pour tout φ ∈ Cc∞ (Ω) t.q. φ ≥ 0 sur Ω

Notation: T ≥ 0 sur Ω

•La masse de Dirac δ0 est une distribution positive sur RN .

•De même, pour tout f ∈ L1loc (Ω)

Tf ≥ 0 sur Ω ⇔ f (x) ≥ 0 p.p. en x ∈ Ω

Thm. 2: Soit Ω ouvert de RN et T ∈ D0 (Ω). Alors

T ≥ 0 sur Ω ⇒ ordre(T ) = 0
DERIVATION DES DISTRIBUTIONS
On va chercher à définir, sur les distributions, les mêmes opérations
que sur les fonctions (dérivation, addition, multiplication, change-
ment de variables...)
On va chercher à définir, sur les distributions, les mêmes opérations
que sur les fonctions (dérivation, addition, multiplication, change-
ment de variables...)

Toutes ces opérations ont des propriétés de continuité bien connues

dans le cadre des fonctions, propriétés qui sont évidemment essen-
tielles en analyse.
On va chercher à définir, sur les distributions, les mêmes opérations
que sur les fonctions (dérivation, addition, multiplication, change-
ment de variables...)

Toutes ces opérations ont des propriétés de continuité bien connues

dans le cadre des fonctions, propriétés qui sont évidemment essen-
tielles en analyse.

Avant de définir les opérations analogues sur les distributions, il est

naturel de commencer par définir la convergence des suites de distri-
butions.
Convergence des suites de distributions

Déf. Soit Ω ouvert de RN . On dit qu’une suite (Tn ) de distributions

sur Ω converge vers T ∈ D0 (Ω) si
Convergence des suites de distributions

Déf. Soit Ω ouvert de RN . On dit qu’une suite (Tn ) de distributions

sur Ω converge vers T ∈ D0 (Ω) si

hTn , φi → hT , φi pour tout φ ∈ Cc∞ (Ω)

Notation:
Tn → T dans D0 (Ω)
Convergence vers la masse de Dirac

Exemple 1:
Soit (fn ) suite de fonctions mesurables sur Ω ouvert de RN vérifiant
Z
fn ≥ 0 pp. sur Ω , supp(fn ) ⊂ B(x0 , rn ) ⊂ Ω , et fn (x)dx → 1
Ω
Convergence vers la masse de Dirac

Exemple 1:
Soit (fn ) suite de fonctions mesurables sur Ω ouvert de RN vérifiant
Z
fn ≥ 0 pp. sur Ω , supp(fn ) ⊂ B(x0 , rn ) ⊂ Ω , et fn (x)dx → 1
Ω

Alors
rn → 0 ⇒ Tfn → δx0 dans D0 (Ω)
Valeur principale de Cauchy

Exemple 2: on sait que la fonction x 7→ x1 n’appartient pas à L1loc (R).

1
Mais on définit la distribution valeur principale de x par la formule

x
Valeur principale de Cauchy

Exemple 2: on sait que la fonction x 7→ x1 n’appartient pas à L1loc (R).

Mais on définit la distribution valeur principale de x1 par la formule

  Z ∞
1 φ(x) − φ(−x)
vp , φ = dx
x 0 x
Valeur principale de Cauchy

Exemple 2: on sait que la fonction x 7→ x1 n’appartient pas à L1loc (R).

Mais on définit la distribution valeur principale de x1 par la formule

  Z ∞
1 φ(x) − φ(−x)
vp , φ = dx
x 0 x

Prop. 3 La distribution vp x1 est d’ordre 1 sur R. De plus, pour

toute suite n > 0 tendant vers 0
1]n ,∞[ (|x|) 1
→ vp dans D0 (R)
x x
Valeur principale de Cauchy

Exemple 2: on sait que la fonction x 7→ x1 n’appartient pas à L1loc (R).

Mais on définit la distribution valeur principale de x1 par la formule

  Z ∞
1 φ(x) − φ(−x)
vp , φ = dx
x 0 x

Prop. 3 La distribution vp x1 est d’ordre 1 sur R. De plus, pour

toute suite n > 0 tendant vers 0
1]n ,∞[ (|x|) 1
→ vp dans D0 (R)
x x

1
Le caractère impair de x joue ici un rôle essentiel
Dérivation des distributions
Prop. et déf: Soient Ω ouvert de RN et une distribution T ∈ D0 (Ω).
La distribution dérivée partielle de T par rapport à la i-ème variable
est la distribution notée ∂i T définie par la formule
Dérivation des distributions
Prop. et déf: Soient Ω ouvert de RN et une distribution T ∈ D0 (Ω).
La distribution dérivée partielle de T par rapport à la i-ème variable
est la distribution notée ∂i T définie par la formule
h∂i T , φi := −hT , ∂i φi , i = 1, . . . , N
Dérivation des distributions
Prop. et déf: Soient Ω ouvert de RN et une distribution T ∈ D0 (Ω).
La distribution dérivée partielle de T par rapport à la i-ème variable
est la distribution notée ∂i T définie par la formule
h∂i T , φi := −hT , ∂i φi , i = 1, . . . , N

pour tout φ ∈ Cc∞ (Ω).

On vérifie sans peine que, pour tout K ⊂⊂ Ω et tout φ ∈ CK∞ (Ω)

|hT , φi| ≤ CK kφkpK ,K ⇒ |h∂i T , φi| ≤ CK k∂i φkpK ,K
≤ CK kφkpK +1,K
Dérivation des distributions
Prop. et déf: Soient Ω ouvert de RN et une distribution T ∈ D0 (Ω).
La distribution dérivée partielle de T par rapport à la i-ème variable
est la distribution notée ∂i T définie par la formule
h∂i T , φi := −hT , ∂i φi , i = 1, . . . , N

pour tout φ ∈ Cc∞ (Ω).

On vérifie sans peine que, pour tout K ⊂⊂ Ω et tout φ ∈ CK∞ (Ω)

|hT , φi| ≤ CK kφkpK ,K ⇒ |h∂i T , φi| ≤ CK k∂i φkpK ,K
≤ CK kφkpK +1,K

En particulier, si T est une distribution d’ordre fini

ordre(∂i T ) ≤ ordre(T ) + 1
Calculs élémentaires de dérivées de distributions

Exemple 1: cas des fonctions de classe C 1 Soient a < b ∈ R

f ∈ C 1 (]a, b[) ⇒ (Tf )0 = Tf 0

Calculs élémentaires de dérivées de distributions

Exemple 1: cas des fonctions de classe C 1 Soient a < b ∈ R

f ∈ C 1 (]a, b[) ⇒ (Tf )0 = Tf 0

La dérivation au sens des distributions coïncide avec la dérivation
usuelle pour les fonctions de classe C 1
Calculs élémentaires de dérivées de distributions

Exemple 1: cas des fonctions de classe C 1 Soient a < b ∈ R

f ∈ C 1 (]a, b[) ⇒ (Tf )0 = Tf 0

La dérivation au sens des distributions coïncide avec la dérivation
usuelle pour les fonctions de classe C 1
Démonstration: pour tout φ ∈ Cc∞ (]a, b[), on a
Z b
0 0
h(Tf ) , φi = −hTf , φ i = − f (x)φ0 (x)dx
a
Z b
= − [f φ]ba + f 0 (x)φ(x)dx = hTf 0 , φi
a

car φ est identiquement nulle au voisinage de a et de b.

Exemple 2: fonction de Heaviside La fonction de Heaviside est
la fonction indicatrice de R+ , c.a.d. la fonction discontinue

H(x) = 1 si x ≥ 0 , H(x) = 0 si x < 0

Exemple 2: fonction de Heaviside La fonction de Heaviside est
la fonction indicatrice de R+ , c.a.d. la fonction discontinue

H(x) = 1 si x ≥ 0 , H(x) = 0 si x < 0

Alors, en identifiant la fonction localement intégrable H à la distri-

bution TH qu’elle définit

H 0 = δ0 dans D0 (R)
Exemple 2: fonction de Heaviside La fonction de Heaviside est
la fonction indicatrice de R+ , c.a.d. la fonction discontinue

H(x) = 1 si x ≥ 0 , H(x) = 0 si x < 0

Alors, en identifiant la fonction localement intégrable H à la distri-

bution TH qu’elle définit

H 0 = δ0 dans D0 (R)
Démonstration: soit φ ∈ Cc∞ (R). Pour R > 0 assez grand, l’on a
supp(φ) ⊂] − R, R[ de sorte que
Z R
0
hH , φi = − φ0 (x)dx = φ(0) − φ(R) = φ(0) = hδ0 , φi
0
Dérivées partielles d’ordre supérieur à 1

Lemme 4 (Symétrie des dérivées secondes) Pour tout T ∈ D0 (Ω)

∂i (∂j T ) = ∂j (∂i T ) , i, j = 1, . . . , N

Démonstration. Pour φ ∈ Cc∞ (Ω), on a ∂i (∂j φ) = ∂j (∂i φ) donc

h∂i (∂j T ), φi = −h∂j T , ∂i φi = hT , ∂j (∂i φ)i = h∂j (∂i T ), φi

On définit par récurrence les dérivées partielles successives de T

Déf: pour tout T ∈ D0 (Ω), la distribution ∂ α T est donnée par

h∂ α T , φi = (−1)|α| hT , ∂ α φi , φ ∈ Cc∞ (Ω)

Dérivées partielles d’ordre supérieur à 1

Lemme 4 (Symétrie des dérivées secondes) Pour tout T ∈ D0 (Ω)

∂i (∂j T ) = ∂j (∂i T ) , i, j = 1, . . . , N
Dérivées partielles d’ordre supérieur à 1

Lemme 4 (Symétrie des dérivées secondes) Pour tout T ∈ D0 (Ω)

∂i (∂j T ) = ∂j (∂i T ) , i, j = 1, . . . , N

Démonstration. Pour φ ∈ Cc∞ (Ω), on a ∂i (∂j φ) = ∂j (∂i φ) donc

h∂i (∂j T ), φi = −h∂j T , ∂i φi = hT , ∂j (∂i φ)i = h∂j (∂i T ), φi

Dérivées partielles d’ordre supérieur à 1

Lemme 4 (Symétrie des dérivées secondes) Pour tout T ∈ D0 (Ω)

∂i (∂j T ) = ∂j (∂i T ) , i, j = 1, . . . , N

Démonstration. Pour φ ∈ Cc∞ (Ω), on a ∂i (∂j φ) = ∂j (∂i φ) donc

h∂i (∂j T ), φi = −h∂j T , ∂i φi = hT , ∂j (∂i φ)i = h∂j (∂i T ), φi

On définit par récurrence les dérivées partielles successives de T

Déf: pour tout T ∈ D0 (Ω), la distribution ∂ α T est donnée par

h∂ α T , φi = (−1)|α| hT , ∂ α φi , φ ∈ Cc∞ (Ω)

Exemple: Pour tout p ∈ N∗ , la dérivée p-ième de la masse de Dirac
au point x0 ∈ R est la distribution de Dirac d’ordre p en x0 :
Exemple: Pour tout p ∈ N∗ , la dérivée p-ième de la masse de Dirac
au point x0 ∈ R est la distribution de Dirac d’ordre p en x0 :
dp (p)
p
δx0 = δx0 dans D0 (R)
dx

où on rappelle que
(p)
hδx0 , φi := (−1)p φ(p) (x0 )
Continuité séquentielle de la dérivation des distributions

Prop. 5 Soit Ω ouvert de RN . Soit (Tn ) une suite de distributions

sur Ω t.q.
Tn → T dans D0 (RN )
Continuité séquentielle de la dérivation des distributions

Prop. 5 Soit Ω ouvert de RN . Soit (Tn ) une suite de distributions

sur Ω t.q.
Tn → T dans D0 (RN )

Alors pour tout multiindice α ∈ NN

∂ α Tn → ∂ α T dans D0 (RN )
Continuité séquentielle de la dérivation des distributions

Prop. 5 Soit Ω ouvert de RN . Soit (Tn ) une suite de distributions

sur Ω t.q.
Tn → T dans D0 (RN )

Alors pour tout multiindice α ∈ NN

∂ α Tn → ∂ α T dans D0 (RN )

Démonstration. Pour tout φ ∈ Cc∞ (Ω), on a

h∂ α Tn , φi = (−1)|α| hTn , ∂ α φi → (−1)|α| hT , ∂ α φi = h∂ α T , φi

Exemple 1: Soit fn suite de fonctions de classe C ∞ sur Ω telle que
Z
|fn (x)|dx → 0 pour tout K ⊂⊂ Ω
K
Exemple 1: Soit fn suite de fonctions de classe C ∞ sur Ω telle que
Z
|fn (x)|dx → 0 pour tout K ⊂⊂ Ω
K

Alors, pour tout multiindice α ∈ NN

∂ α fn ' T∂ α fn = ∂ α Tfn → 0 dans D0 (Ω)

Exemple 1: Soit fn suite de fonctions de classe C ∞ sur Ω telle que
Z
|fn (x)|dx → 0 pour tout K ⊂⊂ Ω
K

Alors, pour tout multiindice α ∈ NN

∂ α fn ' T∂ α fn = ∂ α Tfn → 0 dans D0 (Ω)

bien qu’en général ∂ α fn ne converge même pas simplement sur Ω,

comme le montre l’exemple

sin(nx)
fn (x) =
n

En effet, la suite fn0 (x) = cos(nx) n’est simplement convergente sur

aucun intervalle ouvert non vide de R
Exercice:1

1. Montrer que la formule suivante :

Z +∞
1 φ(x ) − φ(−x )
hvp , φi = dx
x 0 x

définit une distribution, notée vp x1 , d’ordre au plus un.

2. Montrer que

1 φ(x )
Z
hvp , φi = lim+ dx ,
x ε→0 |x |>ε x

en est une définition équivalente.

Exercice:2

Montrer que x 7→ ln |x | est une fonction localement intégrable sur

R et que sa dérivée au sens des distributions est vp x1 .
Exercice:3

Montrer que la suite de fonctions

1
fn (x ) = i
x+ n

converge au sens des distributions vers la distrbution

1 1
:= vp − iπδ0 .
x + i0 x
Exercice:4

On dit qu’une distribution T sur Ω est positive (noté T ≥ 0), si

∀ϕ ∈ Cc∞ (R), ϕ≥0 ⇒ (T , ϕ) ≥ 0.

Montrer que toute distribution positive sur Ω est d’ordre 0.