1. Dérivées de fonctions non dérivables.

Toutes les fonctions ne sont pas dérivables. Mais d’après la définition
VIII.7.2 toutes les distributions ont une dérivée. Or nous avons vu qu’une
fonction quelconque à croissance polynômiale (pouvant donc être un poids
dans une intégrale avec une fonction à décroissance rapide) s’identifiait à une
distribution : on identifie le poids p qui est une fonction, à la fonctionnelle
Tp qui est l’intégrale avec poids. Si le poids p est une fonction dérivable,
quel rapport y a-t-il entre p
(la dérivée de p au sens usuel) et la dérivée de
la distribution Tp ?
Pour le voir il suffit de calculer. Par la définition VIII.7.2,

+∞
Tp
, ϕ
= 


Tp , ϕ
=  p (x) ϕ
(x) dx (1.1)
−∞

Cette intégrale peut être intégrée par parties, ce qui donne

+∞
+∞

p (x) ϕ(x)  + p
(x) ϕ(x) dx (1.2)
−∞ −∞

La partie intégrée est nulle car la fonction p (x) ϕ(x) est nulle à l’infini (p
est à croissance polynômiale et ϕ à décroissance rapide). Il reste

+∞
Tp
, ϕ
= p
(x) ϕ(x) dx = Tp
, ϕ
(1.3)
−∞

On obtient donc un résultat qui montre la compatibilité entre la dérivation

au sens des distributions et la dérivation usuelle lorsque cette dernière est
possible.
On a déjà vu des exemples de ce qui se passe pour des fonctions non
dérivables : en VIII.7.5, on a obtenu la dérivée au sens des distributions de
la fonction de Heaviside, qui est δ. Et en VIII.7.6, la dérivée au sens des
distributions de la fonction x, qui est le poids égal à la constante 1 pour
x < 0 et à la constante +1 pour x > 0. Au point x = 0, ce poids n’a pas
besoin d’être défini, car la fonctionnelle correspondante (l’intégrale) n’est
pas affectée par ce qui se passe en un seul point ; en général, on ne change
pas la valeur d’une intégrale si on change la valeur que prend la fonction
en un nombre fini (ou même dénombrable) de points. Un poids n’a donc
230
 J. Harthong : cours d’analyse

pas à être défini partout, mais seulement presque partout(1) . Entre ces deux
exemples, il y a une différence qualitative : la fonction de Heaviside comme la
fonction x sont toutes deux des fonctions au sens usuel, mais si on les dérive
au sens des distributions, on obtient dans le premier cas une distribution
singulière, et dans le second une distribution régulière. Cela provient de la
discontinuité : la première est discontinue, la seconde continue.
On peut généraliser ces exemples comme suit.
Théorème 1. Soit p (x) une fonction poids dérivable par morceaux,
c’est-à-dire qu’il existe un nombre fini de points a0 , a1 , a2 , . . . an tels que p
soit dérivable sur chacun des intervalles ]  , a0 [, ]a0 , a1 [, ]a1 , a2 [, ]a2 , a3 [,
. . . ]an−2 , an−1 [, ]an−1 , an [, ]an , +[, mais pas aux points a0 , a1 , . . ., an . On
suppose aussi que la fonction a en chacun de ces points une limite à gauche
et une limite à droite finies, mais non nécessairement égales, de sorte qu’il
y a un saut de discontinuité si au point ai . Alors la dérivée au sens des
distributions de cette fonction p (x) est

Tp
= Tp
+ si δ{ai } (1.4)
i

où p
est la dérivée de p au sens usuel (définie en dehors des points ai ) et

δ{ai } le pic de Dirac au point ai : δ{ai } , ϕ
= ϕ(ai )
Démonstration. Par la définition VIII.7.2 on a

+∞
a0 
ai+1
n−1
+∞
Tp
, ϕ
=  p (x) ϕ
(x) dx =    (1.5)
−∞ −∞ i=0 ai an

Intégrons par parties chacune des intégrales de la somme ci-dessus.

a0 a0
a0


 p (x) ϕ (x) dx = p (x) ϕ(x)  + p
(x) ϕ(x) dx
−∞ −∞ −∞

ai+1 ai+1
ai+1

 p (x) ϕ
(x) dx = p (x) ϕ(x)  + p
(x) ϕ(x) dx
ai ai ai

+∞ +∞
+∞

 p (x) ϕ
(x) dx = p (x) ϕ(x)  + p
(x) ϕ(x) dx
an an an

En sommant tout, on obtient

+∞
— pour la somme des intégrales, p
(x) ϕ(x) dx ;
−∞
— pour la somme des parties intégrées : p− (a0 ) ϕ(a0 ) + p+ (a0 ) ϕ(a0 ) 
p− (a1 ) ϕ(a1 ) + p+ (a1 ) ϕ(a1 )  p− (a2 ) ϕ(a2 ) + p+ (a2 ) ϕ(a2 )     +    
(1)
La théorie de l’intégrale de Lebesgue donne un sens précis à cette expression. Voir
chapitre I de ce cours, pages 19 à 21.

231
 Calculer avec les distributions
p− (an ) ϕ(an ) + p+ (an ) ϕ(an ), les termes p () ϕ() étant nuls. Con-
formément aux hypothèses, p+ (ai ) n’est pas forcément égal à p− (ai ), mais
ϕ est continue. En regroupant les termes deux par deux, on obtient bien la
somme des [p+ (ai )  p− (ai )] ϕ(ai ) = si ϕ(ai ). CQFD

Il existe des fonctions qui sont si irrégulières qu’on ne peut découper leur
domaine en intervalles sur chacun desquels elle est dérivable. Par exemple
il existe des fonctions qui ne sont dérivables en aucun point. D’ailleurs,
il n’est même pas correct de dire qu’il en existe, car les fonctions qui ne
sont dérivables en aucun point sont infiniment plus nombreuses que les
fonctions dérivables par morceaux, et on les rencontre bien plus souvent
dans la nature. On est habitué en mathématique à utiliser des fonctions
construites avec les opérations arithmétiques, ce qui donne généralement
des fonctions analytiques. On finit alors par croire que ces fonctions sont
la règle, alors qu’elles sont l’exception. La trajectoire d’un grain soumis au
mouvement brownien ou un bruit blanc donnent une idée des fonctions qui
ne sont nulle part dérivables. C’est pourquoi il ne serait pas sans intérêt de
calculer les dérivées au sens des distributions de telles fonctions. Certaines
applications reposent même sur de tels calculs (géométrie fractale, analyse
du bruit). Mais cela demanderait un chapitre à part entière.
Bien entendu on obtiendrait pour les dérivées de telles fonctions des
distributions vraiment singulières, alors que le théorème 1 ci-dessus et le
théorème 2 ci-après prédisent que si on se limite aux fonctions “normales”,
on ne rencontrera rien d’autre en les dérivant que des combinaisons des trois
sortes de distributions suivantes : 1. les distributions régulières (ou fonctions
usuelles) ; 2. les pics de Dirac ; 3. les pseudofonctions.
La formule 1.4 donne la dérivée d’une fonction n’ayant que des disconti-
nuités dites de première espèce, c’est-à-dire lorsque les limites à gauche et à
droite de la discontinuité existent et sont finies. On va maintenant étudier
les distributions qu’on obtient en dérivant une fonction ayant une disconti-
nuité de seconde espèce (mais intégrable, car il doit s’agir d’un poids). Pour
simplifier l’énoncé on considérera le cas d’une seule discontinuité, contraire-
ment à ce qui a été fait au théorème 1 ; le passage au cas plus général où
il y aurait n discontinuités de seconde espèce, ou un mélange de disconti-
nuités de première et de seconde espèce, est alors une complication purement
technique.
Théorème 2. Soit p (x) une fonction dérivable sur  0, et ayant en
x = 0 une discontinuité de seconde espèce, mais intégrable ; c’est-à-dire que
l’une au moins des deux limites à droite ou à gauche est infinie, mais de

sorte que l’intégrale p (x) dx converge en x = 0. Alors la distribution Tp

232
 J. Harthong : cours d’analyse
est définie par
 


Tp
, ϕ
= lim [p(+ε)  p(ε)]ϕ(0) + p
(x) ϕ(x) dx (1.6)
ε→0  
|x|>ε

Remarques. La limite dans 1.6 existe toujours ; pourtant la fonction

p (x) n’est pas forcément intégrable en x = 0 ; par exemple 1/ x est
intégrable en x = 0, mais sa dérivée 1/x3/2 ne l’est pas. Si p
n’est pas
intégrable l’intégrale dans 1.6 tendra vers l’infini, et le terme p(+ε)  p(ε)
aussi, les deux infinis se compensant. Le mathématicien J. Hadamard

appelait la limite 1.6 la partie finie de l’intégrale p
(x)ϕ(x) dx, qui, elle
diverge (cf VII. 3.).
La démonstration du théorème est une simple intégration par parties.
L’exemple type pour illustrer le théorème 2 est la fonction


 xα−1
si x > 0 ;
Iα (x) = (α)


0 si x < 0.
pour 0 < α < 1. Cette fonction est en effet intégrable en x = 0 et y a une
discontinuité de seconde espèce (N.B. pour α = 1 la discontinuité est de
première espèce et pour α > 1 la fonction est continue).
Laissant de côté le facteur de normalisation 1/ (α), nous devons dériver
au sens des distributions le poids
0 si x < 0 ;
p (x) = α−1
x si x > 0.
pour 0 < α < 1. Par définition de la dérivée (d’une distribution), la dérivée
de p est la distribution définie par

∞
∞


T, ϕ
=  p (x) ϕ (x) dx  lim p (x) ϕ
(x) dx
0 ε→0 ε
En intégrant par parties, on obtient :

∞
T, ϕ
= lim p (ε) ϕ(ε) + p
(x) ϕ(x) dx
ε→0 ε
Il est facile de voir que le terme p (ε) ϕ(ε) est équivalent, lorsque ε 0, à

p (ε)
ε
p (ε) ϕ(ε) p (ε) ϕ(0) ε 0 ϕ(x) dx
233
 Calculer avec les distributions
ce qui montre que si on introduit le poids

 0 si x < 0 ;


qε (x) = p (ε)/ε si 0 < x < ε ;



p
(x) si x > ε.
on peut écrire

+∞
T, ϕ
= lim qε (x) ϕ(x) dx
ε→0 −∞

ce qui — étant valable ϕ  ( ) — signifie que la distribution T que

nous cherchons est la limite faible des fonctions qε lorsque ε tend vers zéro.
(voir figure 1).

figure 1

Suite de fonctions qui tendent faiblement vers la distribution I−1/2

Le calcul ci-dessus a été effectué pour un poids p (x) qui, dans le cadre
de l’exemple, était supposé être xα−1 (pour x > 0, et 0 pour x < 0). Mais le
calcul est le même pour n’importe quel poids du même type. On voit que,
si p (ε) tend vers l’infini lorsque ε tend vers zéro, p (ε)/ε tendra encore plus
vite vers l’infini ; par contre la dérivée p
(x), forcément négative puisque
p (x), partant de +, ne peut que décroı̂tre, tend vers  quand x 0+ .
C’est bien ce qu’on peut voir sur la figure 1. Il faut donc se représenter la
distribution T comme la limite (faible) des fonctions du type qε . Ceci est
évidemment à rapprocher des distributions Iα , qui sont obtenues comme
limite des fonctions Iα,ε : pour p (x) = xα−1 (0 < α < 1), on a T = (α)  Iα .
Un autre exemple illustrant le théorème 2 est la distribution de poids
ln(x]) (figure 2). La fonction ln(x]) a bien une singularité intégrable en
234
 J. Harthong : cours d’analyse

figure 2

Fonction poids p (x) = ln(|x|).

x = 0 ; elle diffère de l’exemple Iα surtout par le fait qu’elle tend vers

l’infini des deux côtés, alors que Iα ne tendait vers l’infini que du côté
x > 0. Si on applique le théorème 2, on constate que dans 1.6, le terme
[p (+ε)  p (ε)]ϕ(0) est nul, puisque p (x) = ln(x) est une fonction paire.
La dérivée de cette fonction au sens des distibutions est une distribution
classique qu’on rencontre dans des applications, et qu’il faut connaı̂tre ; on
l’appelle valeur principale de x1 et on note V.P (x1). D’après le théorème 2 :

−ε
+∞
1 1 1
V.P ( x ) , ϕ
= lim x ϕ(x) dx x ϕ(x) dx (1.7)
ε→0 −∞ +ε

Dans 1.6, le terme [p (+ε)  p (ε)]ϕ(0) doit compenser l’infini de l’intégrale ;

ici, sa disparition est liée au fait que la fonction x1 , qui tend vers  pour
x < 0 et vers + pour x > 0, compense déjà deux infinis opposés : les deux
intégrales de 1.7 divergent toutes les deux, mais avec des signes opposés. La
fonction x1 n’est donc pas un poids, car la singularité n’est pas intégrable.
C’est pour souligner cette particularité qu’on note V.P (x1) et non x1 . Cette
notation sert à rappeler aux distraits que l’intégrale

+∞
1
−∞ x ϕ(x) dx (1.8)

n’est pas une intégrale au sens usuel, et qu’on ne peut pas lui appliquer
par exemple l’inégalité de la moyenne ou les théorèmes généraux de passage

à la limite sous le signe : il faut remplacer ces derniers par de nouveaux
théorèmes de passage à la limite, prévus pour les distributions, et qui sont
essentiellement les suivants :
235
 Calculer avec les distributions
— on peut passer à la limite sous le signe T, ϕn
selon ϕn , si ϕn tend
vers une limite dans  ( ) (donc au sens défini par les semi-normes j,k ) ;
— on peut passer à la limite sous le signe Tn , ϕ
selon Tn , si Tn tend
faiblement vers une distribution T .
Il est donc absurde, pour passer à la limite sur ϕ dans l’intégrale 1.8,
d’invoquer la convergence uniforme comme s’il s’agissait d’une intégrale au
sens usuel.

figure 3

Suite de fonctions qui tendent faiblement vers la distribution V.P (x1).

Comme toujours, on peut interpréter 1.7 en disant que la distribution

V.P (x1) est la limite faible, quand ε tend vers zéro, des poids

1
x si x  ε ;
pε (x) =
0 si x < ε.
Les graphiques de ces poids sont donnés dans la figure 3.
Une dernière remarque : lorsqu’on définit une distribution, il faut toujours
vérifier avec soin qu’il s’agit bien d’une fonctionnelle linéaire continue. En
principe, cela demande de jongler un peu avec les semi-normes, comme nous
avons vu au chapitre VIII. En jonglant justement avec ces semi-normes, on
se rendra aisment compte que :
— une intégrale avec poids est une distribution si le poids est localement
intégrable (i.e. si toutes ses singularités sont intégrables) et si à l’infini il
croı̂t polynômialement.
En effet, l’intégrale :

+∞
p(x) ϕ(x) dx
−∞

236
 J. Harthong : cours d’analyse
Ê
ne peut être convergente pour toute ϕ ∈ S( ) que si la fonction p est dépourvue de
singularités qui la rendraient divergente, et si la décroissance rapide de ϕ(x) compense la
croissance de p(x). Pour que la fonctionnelle linéaire soit continue, il faudra aussi pouvoir
appliquer l’inégalité de la moyenne comme ceci :

+∞ 
+∞
  |p(x)|
 p(x) ϕ(x) dx ≤ dx × N0,m (ϕ)
 1 + |x|m
−∞ −∞

et il faudra donc pouvoir choisir un m tel que le pemier facteur soit fini.
— la dérivée d’une distribution est toujours une distribution (en effet,
si T est une distribution et que  -lim ϕn = 0, alors  -lim ϕ
n = 0, donc
T
, ϕ
=  T, ϕ

tend vers zéro) ;
— la transformée de Fourier d’une distribution est toujours une distribu-
tion (même argument : si T est une distribution et que  -lim ϕn = 0, alors
n = 0, donc T
 -lim ϕ  , ϕ
= T, ϕ

tend vers zéro).

Par conséquent toute fonctionnelle qui se déduit d’une intégrale avec

poids par dérivation ou transformation de Fourier sera forcément une
distribution. De même, toute fonctionnelle qui se déduit par dérivation ou
transformation de Fourier d’une distribution déjà connue comme telle, sera
forcément aussi une distribution. La vérification directe, “à la main”, par
des inégalités de semi-normes, ne sera donc nécessaire que dans les cas où on
ne peut pas se ramener aux cas précédents ; cela pourra malheureusement
arriver parfois, pour des distributions définies comme produit ou comme
convolution (voir section suivante), car il n’existe pas, pour ces opérations,
de critère aussi simple que pour la dérivation ou la transformation de
Fourier.
Ainsi il n’est pas nécessaire de vérifier directement que V.P (x1) est bien
une fonctionnelle continue, puisqu’elle est la dérivée du poids ln(x).
Calculons encore la dérivée de la distribution V.P (x1). Par définition, ce
sera la distribution T telle que ϕ  ( ) :
 
ε
+∞
1 1
1

T, ϕ
=  V.P x , ϕ

= lim 
x ϕ (x) dx  ϕ (x) dx .
ε→0 −∞ +ε x
En intégrant par parties les deux intégrales ci-dessus, on obtient

ε
+∞
1 1 1
T, ϕ
= lim ε [ϕ(ε) + ϕ(+ε)]  ϕ(x) dx  ϕ(x) dx .
ε→0 −∞ x2 +ε x2
Lorsque ε tend vers zéro, le terme [ϕ(ε) + ϕ(+ε)]/ε a la même limite que
2ϕ(0)/ε, ou encore que

+ε
1
ϕ(x) dx .
ε ε2

237
 Calculer avec les distributions
En fin de compte on voit que

+∞
T, ϕ
= lim fε (x)ϕ(x) dx
ε→0 −∞

où fε est la fonction définie par

 2

 1/x si x < ε ;


fε (x) =

1/ε2 si 0 < x < ε ;


 2
1/x si x > ε.
Ainsi, la distribution que nous cherchons est la limite faible des fonctions
fε (figure 4).

figure 4
d 1
Suite de fonctions qui tendent faiblement vers la distribution dx V.P (x).

Dans la théorie des distributions, on montre que toute distribution est

limite faible de fonctions (Schwartz, Théorie des distributions page 75 ;
voir aussi page 166, et aussi plus loin dans ce cours le théorème 7). Le
meilleur moyen de représenter graphiquement une distribution est donc de
dessiner le graphe d’une fonction proche (au sens de la limite faible) de cette
distribution.

2. Multiplication et Convolution des distributions.

Les distributions étant une extension des fonctions, les opérations
usuelles sur les fonctions doivent s’étendre aux distributions. On a déjà
vu cela pour la dérivation et la transformation de Fourier. Toutefois, la
dérivation et la transformation de Fourier sont possibles pour n’importe
238
 J. Harthong : cours d’analyse
quelle distribution car l’espace  ( ) a été construit spécialement pour cela.
Les deux nouvelles opérations que nous allons examiner maintenant ne sont
pas toujours possibles.
La multiplication de deux fonctions f et g est simplement la fonction f g
dont la valeur en x est le produit des deux nombres f (x) et g (x) :

x , f g (x) = f (x)  g (x) (2.1)

Cette opération a toujours un sens puisqu’elle se ramène au produit de

deux nombres (aussi bien lorsque f et g prennent leurs valeurs dans ou


dans ). Mais les distributions singulières ne sont pas sensées avoir une
valeur numérique pour tout x, donc on ne peut pas utiliser 2.1. La théorie
des distributions étant essentiellement construite par analogie à partir des
intégrales avec poids, il faut regarder à quoi correspond le produit de deux
poids. Or l’intégrale de poids p (x) q (x) peut s’écrire de trois façons :

+∞
+∞
[p (x) q (x)] ϕ(x) dx = p (x) [q (x) ϕ(x)] dx =
−∞ −∞

+∞ (2.2)
= q (x) [p (x) ϕ(x)] dx
−∞

Ces trois écritures sont équivalentes à cause de l’associativité du produit.

En écriture fonctionnelle, ces trois formes de l’intégrale deviennent :

Tpq , ϕ
= Tp , qϕ
= Tq , pϕ
(2.3)

Pour que dans l’une ou l’autre des deux dernières variantes, Tp ou Tq puisse
être considérée comme une fonctionnelle opérant sur  ( ), il faut que
(respectivement) qϕ ou pϕ soit dans  ( ).
Or si p est infiniment dérivable et à croissance polynômiale ainsi que
toutes ses dérivées, alors ϕ  ( )  pϕ  ( ). De même pour q. Par
analogie on est donc conduit à poser :
Définition. Si T est une distribution et p une fonction infiniment
dérivable et à croissance polynômiale ainsi que toutes ses dérivées, le produit
pT est la fonctionnelle

ϕ  pT, ϕ
= T, pϕ
(2.4)

Il faut comme toujours vérifier la cohérence de cette définition en s’assurant que si

T est continue, alors pT est continue (la linéarité ne pose évidemment aucun problème).
Or si p est à croissance polynômiale ainsi que toutes ses dérivées, on aura

=j  
dj [pϕ]  j dj−
p d
ϕ
= (2.5)
dxj  dxj−
dx


=0

239
 Calculer avec les distributions
dj−
p
et chacun des facteurs dxj−

sera majoré par une expression du type Mj,
(1 + |x|nj
) ;
de sorte que

=j  
 j
Nj,k (pϕ) ≤ Mj,
N
,nj



=0

ce qui prouve bien la continuité.

La définition 2.4 du produit pT est donnée sous une condition assez
restrictive : p est supposé être une fonction infiniment dérivable et à crois-
sance polynômiale ainsi que toutes ses dérivées. Nous venons de voir que
cette condition est suffisante pour garantir, en vertu de l’argument simple
ci-dessus, que si T est une fonctionnelle continue sur  ( ), il en sera au-
tomatiquement de même de pT . Toutefois cette condition suffisante n’est
de loin pas toujours nécessaire ; certaines distributions particulières peuvent
être multipliées par des fonctions plus générales, par exemple des fonctions
non infiniment dérivables. En voici quelques exemples.
— la distribution δ peut être multipliée par n’importe quelle fonction
continue en x = 0 : si f (x) est une fonction aussi irrégulière qu’on voudra,
qui peut même être discontinue en tout point autre que x = 0, le produit
f  δ a un sens, c’est la fonctionnelle f δ, ϕ
= f (0)ϕ(0). Par contre si f est
discontinue en x = 0, on ne peut donner un sens cohérent au produit f  δ,
même si f est aussi régulière qu’on voudra en dehors de x = 0. Par exemple,
si H(x) est la fonction de Heaviside, on ne peut pas faire des calculs sensés
avec le produit H  δ.
— si T est l’intégrale de poids p0 , on peut la multiplier par n’importe
quelle fonction p localement intégrable et à croissance polynômiale, même
partout discontinue, car dans ce cas le produit p  p0 est le produit usuel des
fonctions, et si p et p0 sont tous deux à croissance polynômiale, il en sera
de même de leur produit.
Une des faiblesses classiques de la théorie des distributions est l’inexis-
tence d’une multiplication qui serait possible sous des conditions à la fois
simples et générales. Beaucoup de mathématiciens ont tenté de définir un
produit de deux distributions arbitraires, mais aucun n’y est parvenu sans
imposer des bases théoriques d’une complexité exorbitante. Il faut donc
retenir que le produit est une affaire qui doit se régler dans chaque cas
particulier, lorsque c’est possible. La définition 2.4 ci-dessus peut servir de
modèle, mais il ne faudra jamais hésiter à sortir de son cadre (nous le ferons
à l’occasion). Dans les applications, il arrive en effet assez souvent que la
condition invoquée pour 2.4 ne soit pas vérifiée, mais que le cas particulier
considéré permette néanmoins la multiplication.
Une autre opération très courante et soumise aux mêmes aléas est la
convolution. On appelle produit de convolution de deux fonctions f et g la
240
 J. Harthong : cours d’analyse
nouvelle fonction h = f g définie par

+∞
+∞
h(x) = f (x  y) g(y) dy = f (y) g(x  y) dy (2.6)
−∞ −∞

les deux intégrales ci-dessus sont convergentes si f et g sont toutes deux


dans l’espace 1 ( ) ; leur égalité signifie que f  g = g  f , autrement dit
que la convolution est une opération commutative entre éléments de l’espace
 1 ( ). La fonction h = f  g est alors elle aussi dans l’espace 1 ( ). En 
effet, d’après l’inégalité de la moyenne appliquée à 2.6, on aura pour tout
x :

+∞
h(x)  f (x  y) g(y) dy
−∞

et donc en intégrant cela par rapport à la variable x :

+∞
+∞
+∞
h(x) dx  f (x  y) g(y) dy dx (2.7 a)
−∞ −∞ −∞

+∞
+∞



= f (x ) g(y) dy dx (2.7 b)
−∞ −∞

+∞
+∞



= f (x ) dx  g(y) dy (2.7 c)
−∞ −∞

Le passage de 2.7 a à 2.7 b résulte du changement de variable (x, y) 

(x  y, y) et le passage de 2.7 b à 2.7 c de la factorisation de l’intégrale.
En notation plus condensée :

f  g 1  f 1  g 1 (2.8)

La convolution a beaucoup d’applications en traitement du signal (filtrage).

Une propriété essentielle, relative à la transformation de Fourier, est la
suivante :
Théorème 3. Si f et g sont deux fonctions de 1 ( ) on a

f g
g =f  (2.9)

Autrement dit : la transformée de Fourier de la convolution est le produit

des transformées de Fourier.
Remarques. L’égalité 2.9 est vraie pour la transformation de Fourier f → f. Si on
utilise d’autres versions de la transformation de Fourier (voir VI.6.2, VI.6.3, et VI.6.5)
il faudra modifier 2.9 par un coefficient multiplicatif. Pour la transformation VI.6.2 :

+∞
1 ixξ
F1 f (ξ) = √ f (x) e dx
2π −∞
on aura
√
F1 (f ∗ g) = 2π F1 (f ) · F1 (g) (2.9 a)

241
 Calculer avec les distributions
Pour VI.6.3 :
+∞
2πixξ
Φ1 f (ξ) = f (x) e dx
−∞
on aura
Φ1 (f ∗ g) = Φ1 (f ) · Φ1 (g) (2.9 b)
et enfin pour VI.6.3 (qui est la transformation de Fourier de la Mécanique quantique) :

+∞
− i xξ
Fh̄ f (ξ) = √ 1 f (x) e h̄ dx
2πh̄ −∞
on aura √
Fh̄ (f ∗ g) = 2πh̄ Fh̄ (f ) · Fh̄ (g) (2.9 c)
Si on utilise une autre variante, il faudra faire les modifications convenables ; par exemple
pour la transformation f → f (inverse de f → f), on aura

f
∗ g = 2π f · g (2.9 d)

Démonstration du théorème 3. Étant donné que f  g 1 ( ), la

transformée de Fourier de f  g est tout simplement l’intégrale

+∞
+∞
+∞
ixξ ixξ
e f  g (x) dx = e f (x  y) g (y) dx dy
−∞ −∞ −∞

+∞
+∞
i(x
+y)ξ
= e f (x
) g (y) dx
dy
−∞ −∞

+∞
+∞
ix
ξ

iyξ
= e f (x ) dx  e g (y) dy
−∞ −∞

CQFD
Il s’agit maintenant d’étendre la convolution aux distributions. On
procède toujours par analogie à partir des intégrales avec poids. Si p et

q sont deux fonctions de 1 ( ), et ϕ  ( ), l’intégrale de poids p  q est

+∞ 

+∞
p (x  y) q(y) dy ϕ(x) dx (2.10 a)
−∞ −∞

+∞
+∞
= p (x) q(y) ϕ(x + y) dx dy (2.10 b)
−∞ −∞

+∞ 
+∞ 
= p (x  y) ϕ(x) dx q(y) dy (2.10 c)
−∞ −∞

+∞ 

+∞
= p (x) q(y  x) ϕ(y) dy dx (2.10 d)
−∞ −∞

On a fait dans l’intégrale double 2.10 b les changements de variable (x, y) 

(x  y , y) pour obtenir 2.10 c, et (x, y)  (x , y  x) pour obtenir 2.10 d.
Dans les notations fonctionnelles, cela se résume comme suit :

p  q , ϕ
= q , p̆  ϕ
= p , q̆  ϕ
(2.11)
242
 J. Harthong : cours d’analyse
où on a introduit la notation p̆, q̆ qui représente la fonction p̆(x) = p(x).
D’autre part, puisque p q =p q , on peut aussi écrire :

p  q , ϕ
= p  q , ϕ

= p
,  
= 
qϕ q , p  ϕ

(2.12)

en supposant qu’on puisse donner un sens largi à q , p  ϕ


, ce qui ramène la
convolution au produit. On va donc étendre la convolution aux distributions
par la définition suivante :
Définition. Étant données deux distributions S et T , la convolution
S  T est l’une quelconque des fonctionnelles suivantes :
— si la transformée de Fourier (au sens des distributions) de S est une
fonction p (x) infiniment dérivable à croissance polynômiale :
ϕ  T , p  ϕ

(2.13) ;
(2)
— si S est une fonction p (x) localement intégrable à croissance
polynômiale (c’est-à-dire si en tant que fonctionnelle S est l’intégrale de
poids p) :
ϕ  T , p̆  ϕ
(2.14).
Pour que cette définition soit cohérente, il faut que les conditions
suivantes soient satisfaites :
a) l’expression 2.13 ou 2.14 doit avoir une valeur finie pour toute
ϕ  ( );
b) cette même expression doit tendre vers zéro lorsque ϕ tend vers zéro
dans  ( ).
Ces conditions ne sont pas forcément satisfaites : cela dépendra des
distributions S et T ; comme pour le produit, on ne peut pas donner une
définition qui satisfasse automatiquement ces conditions, tout en couvrant
l’ensemble des cas intéressants. On peut certes donner de la convolution
de deux distributions une définition plus générale que celle ci-dessus ; cela
exigerait encore un supplément de théorie. La définition ci-dessus couvre à
peu près les cas qu’on rencontre en pratique, mais il faudra vérifier cas par
cas si les conditions a) et b) ci-dessus sont bien satisfaites.
Il est d’ailleurs logique que les difficultés soient les mêmes pour les
produits et pour les convolutions, puisque la transformation de Fourier
transforme l’un en l’autre. Il reste donc la charge de prouver la légimité
de l’opération dans chaque cas particulier.
(2)
Une fonction localement intégrable est pour nous une fonction continue par morceaux,
qui peut devenir infinie en certains points singuliers, mais qui est alors intégrable en ces
points.

243
 Calculer avec les distributions
Dans 2.14 on a défini la fonctionnelle p  T , ϕ
comme étant égale à
T , p̆  ϕ
. Cela peut paraı̂tre à première vue contraire à la nature des
distributions, qui veut qu’en tant que fonctionnelles, elles opèrent sur les
fonctions infiniment dérivables ; mais en réalité, la fonction p̆  ϕ est bien
infiniment dérivable, car :

Théorème 4. Dans la convolution de deux fonctions, si l’une, p, est lo-

calement intégrable et à croissance polynômiale, mais non nécessairement
dérivable, et l’autre, ϕ, dans  ( ), alors leur convolution sera aussi infini-
ment dérivable (mais pas forcément à décroissance rapide), et on aura :

(p  ϕ)
= p  ϕ
(2.15)

Démonstration. Pour s’assurer que p ∗ ϕ est bien infiniment dérivable,

 il suffit
de remarquer que les théorèmes généraux de dérivation sous le signe s’appliquent à
l’intégrale

+∞
p (y) ϕ(x − y) dy .
−∞

L’hypothèse que p est à croissance polynômiale et ϕ à décroissance rapide garantit les


conditions pour que ces théorèmes généraux s’appliquent. Si on dérive sous le signe ,
seules les dérivées de ϕ interviennent, puisque p (y) ne dépend pas de x.

Pour voir que p ∗ ϕ n’est pas forcément à décroissance rapide, on examine le contre-
exemple H ∗ ϕ, où H est la fonction de Heaviside :

∞
x
H ∗ ϕ(x) = ϕ(x − y) dy = ϕ(z) dz
0 −∞

 +∞
Il est clair que si −∞ ϕ(z) dz n’est pas nulle, H ∗ ϕ(x) ne tend pas vers zéro quand
x → +∞. CQFD

Pour calculer avec la convolution des distributions, il faut connaı̂tre la

propriété importante suivante :

Théorème 5. Étant données trois distributions R, S, T , si les con-

volutions S  T , R  S, R  (S  T ), (R  S)  T sont définies, on a
nécessairement R  (S  T ) = (R  S)  T (associativité). On note donc
R  S  T . On a aussi pour les dérivées (R  S)
= R
 S = R  S
,
(R  S  T )
= R
 S  T = R  S
 T = R  S  T
, etc.

Démonstration. Vérifications élémentaires mais fastidieuses à partir de

2.13 et 2.14.

244
 J. Harthong : cours d’analyse
3. Exemples et applications des produits et convolutions.
A Convolution par les distributions de Dirac.
La transformée de Fourier de δ est la constante 1. En effet, d’après la
définition VIII.8.1, on doit avoir

+∞

δ, ϕ

= ϕ(0)
= δ, ϕ  = ϕ(x) dx . (3.1)
−∞

On reconnaı̂t bien l’intégrale de poids 1.

La distribution ϕ  δ, ϕ
= ϕ(0) est le “pic” de Dirac placé en x = 0 ;
le “pic” de Dirac placé en un point quelconque x = a est, en tant que
fonctionnelle, δa , ϕ
= ϕ(a). La transformée de Fourier est alors

+∞
iax
δa , ϕ
= δa , ϕ

= ϕ(a)
 = e ϕ(x) dx . (3.2)
−∞

iax
C’est l’intégrale de poids e .
iax
On constate que ces fonctions, 1 et e , sont infiniment dérivables et à
croissance polynômiale. On peut donc appliquer la définition 2.13, ce qui
donne pour une distribution arbitraire T : δ  T, ϕ
= T , 1  ϕ

= T, ϕ
.
D’où le résultat :
δT =T (3.3)

Remarque. D’après les conditions de validité de la convolution discutées

en section 2, il faut vérifier dans chaque cas particulier que le résultat obtenu
est bien une fonctionnelle continue ; mais ici, c’est évident.
Voyons le cas de δa . D’après 2.13, T étant une distribution arbitraire :
iax
δa  T, ϕ
= T , e  ϕ 
= T, ψa
, où la fonction ψa est la transformée de
iax
Fourier de e  ϕ,  c’est-à-dire :

+∞
ixξ ixa
ψa (ξ) = e e 
ϕ(x) dx = ϕ(ξ + a)
−∞

Si T était un poids p (x), alors T, ψa
serait l’intégrale

+∞
+∞
p (x) ψa (x) dx = p (x  a) ϕ(x) dx
−∞ −∞

c’est-à-dire que la convolution par δa équivaut à une translation. C’est

pourquoi la distribution δa  T est aussi appelée la translatée de T .
245
 Calculer avec les distributions
Pour vérifier que la fonctionnelle ϕ → T, ψa est continue, on observera d’abord
que ∀j j
 D ψa (x) = Dj ϕ(x + a) (D désigne
  par conséquent Nj,k (ψa ) =
la dérivation), et
supx (1 + |x| )Dj ϕ(x + a) = supx (1 + |x − a|k )Dj ϕ(x) . D’autre part
k

k     k  
 k  k
|x − a|k =  (−a)k−
x
 ≤ |a|k−
|x|

 

=0
=0

et
k   k   k  
k k k
|a|k−
(1 + |x|
) = |a|k−
+ |a|k−
|x|

  

=0
=0
=0
 k
k 
= (|a| + 1)k + |a|k−
|x|



=0
k  
k
≥1+ |a|k−
|x|



=0

d’où
k  
 k
1 + |x − a| ≤
k
|a|k−
(1 + |x|
).


=0

Par conséquent
k  
 k
Nj,k (ψa ) ≤ |a|k−
Nj,
(ϕ)


=0

Ê
Cette dernière inégalité montre que si ϕ tend vers zéro dans S ( ), il en sera de même
pour ψa . CQFD

On a déjà vu que la convolution est commutative et associative ; la dis-

tribution δ est donc un élément neutre pour cette opération. Cet élément

neutre n’est pas dans l’espace 1 ( ), sur lequel la convolution était cepen-
dant partout définie.
B Convolution par les dérivées de δ.
La transformée de Fourier de δ (j) (j e dérivée de δ) est la fonction (iξ)j .
Celle-ci est infiniment dérivable et à croissance polynômiale ; on se réfère
donc à 2.13 :
j j
δ (j)  T, ϕ
= T , (iξ)j  ϕ  , (1)j d ϕ
= T, (1)j d ϕ


= T
dxj dxj
Autrement dit, la convolution par δ (j) équivaut à la dérivation :
dj T
δ (j)  T = (3.4)
dxj
On ne trouvera rien de vraiment nouveau dans la convolution par les δa(j) ;
ce serait simplement la composition de la dérivation et de la translation.
246
 J. Harthong : cours d’analyse
La vérification que le résultat de la convolution est bien une fonctionnelle
continue est dans ce cas évidente : on sait déjà que les dérivées d’une
distribution sont des distributions.
C Régularisation.
Théorème 6. La convolution d’une distribution T par une fonction
infiniment dérivable φ, lorsqu’elle est possible, est une fonction infiniment
dérivable (c’est-à-dire : s’identifie en tant que fonctionnelle à une intégrale
avec un poids infiniment dérivable).
Démonstration.  Par la définition 2.14 on a φ̆ ∗ T, ϕ = T, φ ∗ ϕ . Prenons
ϕ(x) = ρn,a (x) = n/π exp{−n(x − a)2 } ; Lorsque n tend vers l’infini, ρn,a tend vers δa
selon la limite faible, donc φ̆ ∗ T, ρn,a = T, φ ∗ ρn,a va tendre vers T, φa , où φa est la
fonction translatée φa (x) = φ(x + a). Il est facile de voir que la fonction F : a → T,
 φa
est dérivable : puisque T est une fonctionnelle linéaire, on a F (a + h) − F (a) /h =
T, [φa+h − φa ]/h . Or S-limh→0 [φa+h − φa ]/h = φa , où φa (x) = φ (x + a). Comme en
outre T est aussi une fonctionnelle
 continue,
 on peut passer à la limite quand h tend vers
zéro, ce qui montre que F (a + h) − F (a) /h a bien une limite, qui est T, φa . Comme
la fonction φ est infiniment dérivable, on peut recommencer indéfiniment la procédure,
ce qui prouve que la fonction F : a → T, φa est infiniment dérivable.
On remarquera que cette démonstration utilise d’une manière essentielle la continuité
de la fonctionnelle : il faut pouvoir passer à la limite sous le signe  , lorsque h → 0.
Il reste à vérifier que φ̆ ∗ T, ϕ est identique à l’intégrale de poids F . L’idée est la
même que pour la dérivée : on joue sur la nature de l’intégrale, qui est une limite de
sommes finies (les sommes de Riemann). On fait passer la somme finie sous le signe  ,
grâce à la linéarité, puis on passe des sommes finies à leur limite (l’intégrale) grâce à
la continuité. Le détail est long et fastidieux, car il faut vérifier que l’intégrale est la
Ê
limite des sommes finies dans S ( ), mais l’idée est simple (Laurent Schwartz, Théorie
des distributions, page 166). On voit ici encore à quel point la continuité est essentielle.
 −nx2
Nous avons déjà vu que les poids ρn (x) = nπ e formaient une suite
qui converge faiblement vers la distribution δ (cf. chap. VIII, 2.1 – 2.3 –
2.4). On s’attend donc à ce que pour n’importe quelle distribution T , la
suite ρn  T converge faiblement vers T . C’est bien le cas :
Théorème 7. Si T est une distribution quelconque, les convolutions
ρn  T forment une suite de fonctions de  ( ) qui converge faiblement vers
T . Par conséquent, toute distribution est la limite (faible) d’une suite de
fonctions infiniment dérivables.
On peut donc approcher les distributions par des fonctions très régulières.
On appelle ce procédé la régularisation de la distribution. Nous avons vu
par exemple que les distributions Iα étaient les limites des poids Iα,ε . Le
théorème 7 nous dit que n’importe quelle distribution est toujours une
limite faible de “vraies” fonctions. C’est bien ce que nous avions constaté
empiriquement sur les exemples déjà étudiés. Imaginer les distributions
247
 Calculer avec les distributions
comme des fonctions extrêmement irrégulières est donc une représentation
correcte. La régularisation est un procédé essentiel en traitement du signal
(filtre passe bas). Elle généralise aussi la méthode du facteur régularisant
introduite au chapitre VII pour les intégrales divergentes. Ici nous avons
choisi le filtre gaussien pour effectuer les calculs, mais rien n’imposait ce
choix.
Démonstration du théorème 7. Dire que χn = ρn ∗ T converge faiblement vers T
signifie par définition que
Ê
∀ϕ ∈ S ( ) , χn , ϕ −→ T, ϕ
Mais on a aussi, par définition de la convolution (2.14) :
χn , ϕ = ρn ∗ T, ϕ = T, ρn ∗ ϕ ;
on notera que ρ̆n = ρn , puisque ρn est une fonction paire. Comme T est une distribution,
elle est continue en tant que fonctionnelle, donc il suffit de vérifier que ρn ∗ ϕ converge
Ê Ê
dans S ( ) vers ϕ. En résumé : il s’agit de montrer que ∀ϕ ∈ S ( ), la suite numérique
n −→ ρn ∗ T, ϕ = T, ρn ∗ ϕ tend vers T, ϕ . Le fait que ρn ∗ T, ϕ = T, ρn ∗ ϕ a
pour conséquence qu’il est exactement équivalent de dire que ρn ∗ T tend faiblement vers
Ê
T ou que ∀ϕ ∈ S ( ), la suite ρn ∗ ϕ tend dans S ( ) vers ϕ. Ê
La transformation de Fourier étant un opérateur continu et bijectif sur S ( ), il est Ê
Ê
encore équivalent de montrer que ∀ϕ ∈ S ( ), la suite ρ n · ϕ tend dans S ( ) vers ϕ. Ê
C’est sous cette dernière forme que la démonstration sera techniquement la plus aisée.
−x2/4n
Notons que ρ
n (x) = e . En posant ε = 1/4n, on doit donc montrer que les semi-
−εx2
normes Nj,k (ϕ − e ϕ) tendent toutes vers zéro lorsque ε tend vers zéro. Il va donc
 −εx2 
falloir majorer les expressions de la forme (1 + |x|k )Dj (1 − e )ϕ(x) , où Dj désigne
la dérivation d’ordre j.
Or, en utilisant la formule de Leibniz pour la dérivée d’un produit, on peut écrire :
j−1  

 −εx2  −εx2 j −εx2
Dj (1 − e )ϕ(x) = (1 − e )Dj ϕ(x) − Dj−
e · D
ϕ(x) (dem.1)


=0

−εx2
Il faut donc commencer par√majorer les expressions Dj−
e . Pour cela, on remarque
d’abord qu’en posant X = ε x, on a
d = √ε d (dem.2)
dx dX
d −X 2 −X 2
donc on est ramené à majorer les dérivées dX e . Comme e est une fonction
analytique dans tout le plan complexe, on peut utiliser les inégalités de Cauchy (chapitre
II, corollaire 6a) :
2
dn e−X = n! M (dem.3)
dX n rn r
−z 2 −(z 2 )
où Mr désigne le maximum de la fonction z → |e |=e sur le cercle |z − X| = r.
r 2 −X 2/2
Un calcul élémentaire montre que Mr ≤ e , de sorte que si on choisit r = 1 :
2 2
dn e−X ≤ n!e · e−X /2
(dem.4)
dX n

248
 J. Harthong : cours d’analyse
Le choix r = 1 est loin de donner la majoration la plus serrée, mais c’est celui qui donne
l’expression la plus simple. Par conséquent on aura :
2 1 2
dn e−εx ≤ n!e · εn/2 · e− 2 εx (dem.5)
dxn
En reportant cela dans dem.1, compte tenu de dem.2 et de l’inégalité dite du triangle,
on obtient
  −εx2   −εx2
 j
D (1−e )ϕ(x)  ≤ (1 − e )|Dj ϕ(x)| +
j−1  
 j − 1 εx2 

+ (j − )! e ε(j−
)/2 · e 2 · D ϕ(x) (dem.6)


=0

Pour avoir toutes les semi-normes, il faut encore multiplier cela par les facteurs 1 + |x|k ,
ce qui donne
  −εx2   −εx2

(1 + |x|k ) Dj (1 − e )ϕ(x)  ≤ (1 − e ) (1 + |x|k ) |Dj ϕ(x)| +
j−1  
 j − 1 εx2  
+ (j − )! e ε(j−
)/2 · e 2 · (1 + |x|k ) D
ϕ(x) (dem.7)


=0

−εx2
Dans le premier terme à droite ci-dessus, on a le produit (1 − e ) (1 + |x|k ) ; il faut
2
−εx
utiliser le fait que 1 − e tend vers zéro quand ε tend vers zéro, mais de manière à
retrouver la convergence au sens des semi-normes. Pour cela, on remarque que pour tout
−εx2
x, 1 − e ≤ εx2 ; d’où
−εx2  
(1 − e ) (1 + |x|k ) ≤ ε(x2 + |x|k+2 ) ≤ ε (1 + x2 ) + (1 + |x|k+2 ) (dem.8)

− 1 εx2
Dans les termes sous de dem.7, on a aussi le facteur e 2 , qui est toujours ≤ 1 de
sorte que dem.7 se majore comme suit :
  −εx2  

(1+|x|k ) Dj (1 − e )ϕ(x)  ≤ ε (1 + |x|2 ) |Dj ϕ(x)| + (dem.9)
  
j−1
j  
+ ε (1 + |x|k+2 ) |Dj ϕ(x)| + (j − )! e ε(j−
)/2 · (1 + |x|k ) D
ϕ(x) ≤


=0
j−1  
 j
≤ ε Nj,2 (ϕ) + ε Nj,k+2 (ϕ) + (j − )! e ε(j−
)/2 · N
,k (ϕ) (dem.10)


=0

Sur cette dernière inégalité, on voit clairement ce qui se passe : à droite on a une somme
de j termes, dont chacun contient un facteur εα , la plus petite valeur prise par α étant 12 .
Les coefficients de εα sont formés de factorielles qui ne dépendent que des indices j, k, ,
et de semi-normes Nj,2 (ϕ), Nj,k+2 (ϕ), N
,k (ϕ) qui sont toutes finies et indépendantes de
ε. Donc le tout tend bien vers zéro, et cela quels que soient les indices j, k choisis.
CQFD

D Résolution d’équations différentielles.

Cette application est la plus importante ; sa mise en œuvre utilise tout ce
qui a été vu jusqu’ici, y compris les considérations théoriques (notamment
249
 Calculer avec les distributions
la limite faible). On peut, même si on ne maı̂trise pas la théorie, suivre les
calculs présentés par un auteur, en lui faisant confiance pour ce qui est de
leur validité. Mais lorsqu’on est livré à soi-même, une connaissance correcte
de la théorie est malheureusement nécessaire. Ici nous étudierons un exemple
en dimension un, puisque nous avons fait toute la théorie des distributions
dans ce cadre. Cet exemple peut aussi être résolu sans les distributions,
par des méthodes élémentaires, justement parce qu’il est de dimension un.
C’est pourquoi la méthode des distributions ne devient vraiment puissante
qu’en plusieurs dimensions (équations aux dérivées partielles). Toutefois la
résolution par les distributions d’un problème à une dimension donnera une
idée de ce qu’on peut faire en dimension supérieure.
Soit par exemple l’équation

u

(x) + k 2 u(x) = 1 + x2 (3.5)

Cette équation est à coefficients constants, donc on est tenté de la résoudre

par la méthode de Fourier (cf. VI. 1). L’ennui est que toutes les intégrales
de Fourier qu’on va rencontrer seront divergentes. C’est pourquoi on va faire
appel à la transformation de Fourier au sens des distributions. On cherche
donc une distribution T = u  , telle que :

2
ξ  T + k 2 T = 2π (δ  δ

) (3.6)

Le terme ξ 2  T est le produit de T par une fonction infiniment dérivable et

à croissance polynômiale (cf. 2.4). Il provient de la transformation de Fourier
appliquée à u

= δ

 u. La transformée de Fourier de la convolution étant le
produit des transformées, on obtient en effet u

= δ

 u =δ 

 u
 = ξ 2  T . Le
second membre de 3.5 se transforme comme suit : 1 = 2π δ et x2 = 2π δ

.
C’est ainsi qu’on obtient 3.6.
Pour résoudre 3.6, il suffit de diviser par k 2  ξ 2 :
2π (δ  δ

)
T = (3.7)
ξ 2 + k 2

On obtient alors la fonction u en prenant la transformée de Fourier inverse

de ce résultat. Comme ce résultat est le produit de 2π (δ  δ

) (la transformée
de Fourier du second membre de 3.5) et de la fonction g(ξ) = 1/(k 2  ξ 2),
on voit qu’il suffit de trouver la transformée de Fourier inverse de g au sens
des distributions.
L’intégrale de Fourier au sens usuel

+∞ −ixξ
1 e
G(x) = dξ
2π −∞ k2  ξ 2
250
 J. Harthong : cours d’analyse
est divergente en ξ = k. Mais cela n’exclut pas que la fonction g puisse
avoir une transformée au sens des distributions. Si c’est le cas, celle-ci devra
être la limite (faible) des transformées de Fourier des fonctions régularisées
1
gz (ξ) =  (3.8)
z2 + ξ2
où le dénominateur ne s’annule plus car on prend pour z un nombre
complexe de partie réelle > 0. Il est facile de vérifier que lorsque z tend
vers ik, gz tend faiblement vers gik = g (théorèmes généraux de passage

à la limite sous le signe ). Donc la transformée de Fourier de gik sera la
limite (faible) des transformées de Fourier des gz lorsque z ik (z > 0).
Mais on connaı̂t déjà la transformée de Fourier inverse de gz pour z réel > 0 :
−z|x|
c’est la fonction Gz (x) = e /2z. Par prolongement analytique (car tant
que z > 0 l’intégrale de Fourier dépend analytiquement de z en vertu des
théorèmes généraux), ceci reste vrai dans tout le demi-plan z > 0. Puis
par continuité cela reste encore vrai en passant à la limite faible z ik, de
sorte que
−ik|x|
Gik (x) = 
e (3.9)
2ik
On appelle cette fonction la fonction de Green de l’équation 3.5. On voit
comment la théorie des distributions permet un calcul rigoureux, alors
que par la méthode de Fourier classique, toutes les intégrales seraient
divergentes.
On obtient donc la solution de 3.5 sous la forme

+∞
2 i −ik|x−y|
u(x) = Gik  (1 + x ) =  e [1 + y 2 ] dy (3.10)
2k −∞

On remarquera que la fonction de Green Gik donne la solution par con-

volution avec le second membre, quel que soit ce second membre (pourvu
évidemment que cette convolution soit bien définie). Ainsi l’équation u

+
k 2 u = f aura pour solution u = Gik  f . On remarquera que c’est aussi le
résultat qu’on aurait obtenu par la méthode élémentaire de variation des
constantes. C’est pour cette dernière raison que la méthode décrite ci-dessus
est surtout intéressante en dimension supérieure (car alors elle n’a pas de
rivale).

4. La famille Yα
La famille de distributions Yα est à des détails près la famille déjà
rencontrée sous le nom Iα . Il s’agit des distributions définies comme suit
251
 Calculer avec les distributions
pour α
:

+∞ α−1

 x

 ϕ(x) dx si α > 0;

 0 (α)
Y α , ϕ
= 
(4.1)

 1 +∞ ϕ(ξ) 

 α
 2π −∞ α dx si < 1.
[(+iξ) ]2

Cette définition comporte deux cas : si α > 0, on voit que Yα est

simplement le poids nul pour x < 0 et égal à xα−1 / (α) pour x > 0.
Si α < 1, on reconnaı̂t que Yα est la transformée de Fourier inverse du
poids 1/[(+iξ)α ]2 . Dans les deux cas, le poids considéré satisfait bien aux
conditions requises pour définir une distribution (c’est-à-dire que l’intégrale
correspondante soit une fonctionnelle continue sur  ( )) : la fonction est
localement intégrable et à croissance polynômiale. La fonctionnelle est donc
bien définie dans les deux cas.
Lorsque 0 < α < 1, les deux cas se recouvrent. Il faut donc vérifier que
les deux définitions donnent le même résultat, c’est-à-dire que

+∞
+∞ 
xα−1 ϕ(x) dx = 1 ϕ(ξ)
dx (4.2)
0 (α) 2π −∞ [(+iξ)α ]2

On ne peut malheureusement pas faire la vérification directe par le calcul

intégral ordinaire, en utilisant par exemple le théorème 3 du chapitre VI, car

les fonctions xα−1 et 1/[(+iξ)α ]2 ne sont pas dans 1 ( ) (pour 0 < α < 1,
elles sont toutes deux intégrables en x = 0 ou ξ = 0, mais pas à l’infini).
On va donc utiliser le biais suivant : pour ε > 0, on a l’intégrale eulérienne
de seconde espèce :

+∞
xα−1 −(ε−iξ)x 1
e dx = (4.3)
0 (α) [(ε  iξ)α ]2

Quand ε 0, on ne peut pas prendre la limite sous le signe dans 4.3 ;
mais 4.3 signifie néanmoins que 1/[(ε  iξ)α ]2 est la transformée de Fourier
−εx
de la fonction égale à 0 pour x < 0 et à xα−1 e / (α) pour x > 0, qui,

elle, est dans 1 ( ) ; d’après le théorème 3 du chapitre VI, on peut donc
écrire, pour ϕ  ( ) :

+∞ −εx
+∞ 
xα−1 e ϕ(ξ)
ϕ(x) dx = dξ .
0 (α) −∞ [(ε  iξ)α ]2

 (ξ) = ϕ(
Mais d’autre part, ϕ  ξ)/2π ; en substituant et en effectuant le

252
 J. Harthong : cours d’analyse
changement de variable ξ  ξ, on obtient :

+∞ −εx
+∞ 
xα−1 e 1 ϕ(ξ)
ϕ(x) dx = dξ . (4.4)
0 (α) 2π −∞ [(ε + iξ)α ]2
 on peut passer à la limite
Cette fois (grâce à la présence du facteur ϕ ou ϕ),

sous le signe lorsque ε 0, ce qui donne 4.2 et prouve ainsi la cohérence
de la définition 4.1.
Les théorèmes généraux garantissent aussi que l’intégrale

+∞
xα−1 ϕ(x) dx
0 (α)
est analytique dans tout le demi-plan α > 0, et que l’autre intégrale

+∞  (ξ)
1 ϕ
dξ
2π −∞ [(+iξ)α ]2
est analytique dans tout le demi-plan α < 1. Cela prouve donc que pour
toute ϕ  ( ), la fonction

α  Y α , ϕ

est analytique dans
tout entier.

La famille Yα étant maintenant bien définie, on peut énoncer ses princi-
pales propriétés :
Théorème 8. Pour tout α

, on a la relation Yα
= Yα−1 ; pour tous
α, β,

, on a Yα  Yβ = Yα+β ; et enfin, pour n entier  0, Y−n = δ (n) .
On notera que la première relation se déduit des deux autres. La seconde
relation signifie que la famille Yα est un groupe pour la convolution. La
troisième relation montre que la convolution d’une distribution ou d’une
fonction par Yα peut être interprétée comme une dérivée d’ordre non entier.
1
Il est facile de voir que Yα est égale à 2π Iα , où Iα est la distribution déjà
introduite. La famille Yα renferme donc les distributions singulières les plus
courantes : δ et ses dérivées, ainsi que les pseudofonctions puissance.
Démonstration du théorème 8. Puisque α  Yα , ϕ
est, comme
nous avons vu plus haut, analytique, il suffit de vérifier la relation Yα
= Yα−1
pour des valeurs de α d’un domaine non discret. On peut donc choisir
un domaine où la vérification est particulièrement aisée, par exemple
α ]1, +[ . Dans ce cas Yα s’identifie au poids égal à zéro pour x < 0
et à xα−1 / (α) pour x > 0, ce qui est dérivable par morceaux et continu
(plus précisément, dérivable partout sauf au point x = 0, où la discontinuité
253
 Calculer avec les distributions
est nulle). Dans ce cas on a vu que la dérivée de la distribution s’identifie à la
dérivée usuelle, d’où le résultat ; [on rappelle que (α) = (α  1) (α  1)].
Sachant que la transformée de Fourier d’une convolution donne un
produit, la relation Yα  Yβ = Yα+β semble évidente si on remarque qu’après
transformation de Fourier elle devient [(+iξ)−α ]2  [(+iξ)−β ]2 = [(+iξ)−α−β ]2 .
Toutefois cette dernière égalité n’est évidente que pour α et β négatifs,
car dans le cas contraire les facteurs du produit ne sont pas de véritables
fonctions, ce sont des pseudofonctions ; l’égalité est bien sûr vraie, mais n’est
pas justifiée par la simple évidence, il faut des arguments supplémentaires ;
mais de tels arguments sont faciles à trouver : supposons que α et β ne
soient pas tous deux négatifs. Dans ce cas, on peut toujours trouver des
entiers m et n tels que α  m et α  n soient tous deux de partie réelle
négative ; de sorte que Yα−m  Yβ−n = Yα+β−m−n . Or d’après la première
(n) (m+n)
relation, cela équivaut à Yα(m)  Yβ = Yα+β . D’après les propriétés de la
convolution, cela signifie que la (m + n)e dérivée de Yα  Yβ est égale à la
(m + n)e dérivée de Yα+β , donc que Yα  Yβ diffère de Yα+β par un polynôme.
Mais ce polynôme est forcément nul puisque les distributions Yα sont nulles
sur ]  , 0 [.
La troisième relation est facile à prouver : la transformée de Fourier de
Yα est [(+iξ)−α ]2 ; pour α = n cette fonction cesse d’être multivoque et se
réduit à (+iξ)n , dont on sait que c’est la transformée de Fourier de δ (n) (la
ne dérivée de δ). CQFD
Nous savons déjà que, pour α < 1, la distribution Yα est la transformée
de Fourier inverse de la fonction ξ  1/[(+iξ)α ]2 , puisque cela résulte
directement de sa définition 4.1. Cette fonction est localement intégrable
(la question se pose en ξ = 0) et à croissance polynômiale et définit
bien un poids. Mais il n’en est plus de même pour α  1 (ou plus
généralement α  1) ; dans ce cas, la fonction ξ  1/[(+iξ)α ]2 n’est plus
intégrable en ξ = 0 et par conséquent ne peut plus être un poids dans une
intégrale (c’est pourquoi la définition 4.1 distingue deux cas). Nous avons
vu au chapitre VII qu’on régularise l’intégrale divergente correspondante
en la réinterprétant comme intégrale le long d’un chemin contournant la
singularité. Cette réinterprétation doit, pour être cohérente avec tout le
reste, redonner la distribution Yα (pour α > 1 cette fois) ; c’est bien le cas
si on compare le résultat du calcul avec la définition 4.1. La régularisation
par contournement doit donc aussi pouvoir s’interpréter par la théorie des
distributions. C’est ce que nous allons voir maintenant. Il s’agit donc de
voir de plus près de quelle nature est la fonctionnelle associée à la fonction
1/[(+iξ)α ]2 lorsque celle-ci n’est pas un poids, c’est-à-dire lorsque α > 1.
Lorsque α > 0, la distribution Yα est régulière, de poids p (x), égal à 0
254
 J. Harthong : cours d’analyse
pour x < 0 et à xα−1 / (α) pour x > 0. Ce poids est localement intégrable
et à croissance polynômiale, mais n’est pas dans l’espace 1 ( ). Donc sa 
transformée de Fourier n’est pas définie au sens usuel, et n’est donc pas non
plus une vraie fonction. En tant que fonctionnelle, par contre, sa transformée
de Fourier est définie par
1
+∞
Yα, ϕ
= 

Yα , ϕ = xα−1 ϕ
 dx (4.5)
(α) −∞

Comme toujours, le meilleur moyen de se représenter visuellement cette

distribution est de l’approcher (au sens de la limite faible) par des fonctions.
Pour y parvenir, on remarque que les poids

0 si x < 0 ;
pε (x) = α−1 −εx (4.6)
x e / (α) si x > 0.

tendent faiblement (lorsque ε 0) vers Yα ; en effet, cela signifie simplement


que ϕ  ( ), on peut passer à la limite sous le signe dans l’intégrale

∞
xα−1 −εx
e  (x) dx
ϕ
0 (α)


ce qui, grâce à la présence du facteur ϕ(x), est garanti par les théorèmes
généraux.
Donc, d’après la théorie, les transformées de Fourier des pε vont aussi
tendre (faiblement) vers Yα ; or les pε , eux, sont des fonctions de 1 ( ), 
et on peut calculer leurs transformées par le calcul intégral usuel. Ce qui
donne :

+∞ −εx
xα−1 e ixξ
pε (ξ) = e dx (4.7)
0 (α)

On reconnaı̂t l’intégrale eulérienne, et on obtient :

1
pε (ξ) = (4.8)
[(ε  iξ)α ]2

ce qui fournit une approximation (selon la limite faible) de la distribution

cherchée (voir figure 5).
La méthode qui a été suivie pour ce calcul peut se résumer ainsi :
pour calculer la transformée de Fourier d’une fonction p (x) qui n’est pas
intégrable, on commence par la multiplier par un facteur régularisant (ici
−εx
e ), ce qui donne une famille pε de fonctions intégrables ; puis
255
 Calculer avec les distributions

Vue en perspective du graphique de

−α
la fonction (ε − iξ) 2
pour différentes
valeurs de α et de ε. La perspective est
nécessaire puisque les valeurs sont com-
plexes ; le graphique est en trois dimen-
sions. La fonction reste très proche de
zéro en dehors d’une région de largeur
∼ ε, mais à l’intérieur de cette région elle
décrit des orbes d’amplitude ∼ ε−α .

figure 5

— a) on vérifie que pε tend faiblement vers p, ce qui est possible par les
passages à la limite élémentaires ;
— b) on en déduit que pε tend faiblement vers p, ce qui résulte de la
théorie ;
— c) en utilisant le fait que les pε sont des fonctions intégrables, on
calcule leur transformée de Fourier par le calcul intégral classique ;
— d) on obtient ainsi une approximation (au sens de la limite faible) de
la distribution cherchée par des fonctions.
Cette méthode a été suivie ici pour calculer les transformées de Fourier
−εx
des fonctions xα−1 , avec le facteur régularisant e . Mais la même méthode
avait été suivie au chapitre VIII (section 8, exemples 4 et 5) pour cal-
ix2
culer les transformées de Fourier des fonctions [(iξ)−α ]2 et e ; les fac-
256
 J. Harthong : cours d’analyse
−ε|x| −εx2
teurs régularisants étaient respectivement e et e . Le choix du fac-
teur régularisant est essentiel : il faut choisir celui qui rendra le calcul
 ixξ
des intégrales pε (x) e dx le plus simple possible. C’est la théorie
qui garantit que le résultat ne dépend pas du choix du facteur
régularisant : p est une distribution bien définie, qui sera forcément la
limite faible de n’importe quelle suite pε , pourvu que p soit bien la limite
faible de pε .
On peut aussi déduire de 4.8 par la formule d’inversion :

+∞ −ixξ
1 e
pε (x) = dξ (4.9)
2π −∞ [(ε  iξ)α ]2

En posant z = ε  iξ, on voit que la fonction sous le signe est une fonction
analytique de z en dehors de la demi-droite z < 0, et on peut interpréter
l’intégrale ci-dessus comme intégrale prise selon z le long du chemin z = ε,
qu’on peut donc déformer sans changer la valeur de l’intégrale :

+∞ −ixξ
zx
e −εx e
dξ = i e dz (4.10)
−∞ [(ε  iξ)α ]2 γ [z α ]2
En particulier, on peut prendre pour γ un chemin qui suit l’axe z = 0
excepté autour de z = 0, où le chemin fait un détour pour éviter la
singularité.
Ainsi se trouve justifié le procédé de régularisation d’intégrale divergente
introduit au chapitre VII section 3.

257