Analyse fonctionnelle : du continu au discret

ENSIMAG 2ème Année 1er semestre

S. Meignen

2022/2023
Table des matières

1 Espaces de Hilbert 7
1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Projection sur un convexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Représentation de Riesz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.4 Bases hilbertiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5 L’espace L2 (I) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.6 Bases hilbertiennes de L2 (I) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.6.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.6.2 Théorème de Parseval . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.7 Séries de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.8 Polynômes orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

2 Transformée de Fourier Discrète 21

2.1 Lien entre convolution et convolution circulaire . . . . . . . . . . . . . . . . . . . . . 21
2.2 Définition de la TFD et propriété . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.2 TFD et convolution circulaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.3 Autres propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3 Exemples d’applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.1 calcul rapide d’une convolution . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.2 Approximation des coefficients de Fourier par TFD . . . . . . . . . . . . . . . 23
2.3.3 Relation entre coefficients de Fourier exacts et approchés . . . . . . . . . . . 24
2.4 L’algorithme de la FFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

3 Rappel : transformée de Fourier des fonctions 27

3.1 Transformée de Fourier dans L1 (RN ) . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.1.1 Théorèmes de densité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.1.2 Définition de la transformée de Fourier dans L1 (RN ) et propriétés . . . . . . 28
3.1.3 Inversion de la transformée de Fourier dans L1 (RN ) . . . . . . . . . . . . . . 31
3.1.4 Produit de convolution dans L1 (RN ) . . . . . . . . . . . . . . . . . . . . . . . 33
3.1.5 Convolution et transformée de Fourier dans L1 (RN ) . . . . . . . . . . . . . . 34
3.2 Transformée de Fourier dans L2 (RN ) . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.2.1 L’espace L2 (RN ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.2.2 Convolution dans L2 (RN ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

3
4 TABLE DES MATIÈRES

3.2.3 Transformée de Fourier dans L2 (RN ) . . . . . . . . . . . . . . . . . . . . . . . 35

3.2.4 Propriété de la transformée de Fourier dans L2 (RN ) . . . . . . . . . . . . . . 37

4 Théorie élémentaire des distributions 39

4.1 Motivations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2 L’espace des fonctions test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2.1 Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.2.2 Support d’une fonction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.2.3 Définition des fonctions test D(Ω) . . . . . . . . . . . . . . . . . . . . . . . . 40
4.2.4 Convergence dans D(Ω) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.3 Définition des distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.4 Convergence des distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.5 Opérations sur les distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.5.1 Dérivation des distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.5.2 Multiplication par les fonctions C ∞ . . . . . . . . . . . . . . . . . . . . . . . 48
4.5.3 Convolution d’une fonction et d’une distribution : D0 (Ω) ∗ D(Ω) . . . . . . . . 50
4.6 Distributions périodiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.7 Distribution à support compact . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

5 Transformée de Fourier des Distributions 53

5.1 L’espace de Schwartz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.2 Distributions Tempérées S 0 (RN ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.3 Transformée de Fourier dans S 0 (RN ) . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.4 Propriétés de la transformée de Fourier des distributions . . . . . . . . . . . . . . . . 60
5.5 Convolution S 0 (RN ) ∗ S(RN ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.6 Convolution E 0 (R) ∗ D0 (R) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

6 Théorème de Shannon 65
6.1 Formule de Poisson dans S 0 (R) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
6.1.1 Forme duale de la formule de Poisson . . . . . . . . . . . . . . . . . . . . . . 65
6.1.2 Forme directe de la formule de Poisson . . . . . . . . . . . . . . . . . . . . . . 66
6.2 Formule de Poisson dans L1 (R) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.3 Théorème de Shannon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

7 Etude des filtres discrets, transformée en Z 69

7.1 Définition des filtres discrets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
7.2 Stabilité et causalité des filtres discrets . . . . . . . . . . . . . . . . . . . . . . . . . . 70
7.3 Transformée en Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
7.4 Filtre gouverné par une équation aux différences linéaire . . . . . . . . . . . . . . . . 72

8 Quelques rappels de calcul différentiel 73

8.1 Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
8.2 Le théorème de dérivation des applications composées . . . . . . . . . . . . . . . . . 74
8.3 Les formules de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
8.3.1 La formule de Taylor avec reste intégral . . . . . . . . . . . . . . . . . . . . . 75
8.3.2 La formule de Taylor-Young . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
8.3.3 Application : interprétation du gradient . . . . . . . . . . . . . . . . . . . . . 77
TABLE DES MATIÈRES 5

8.4 La formule de Green et ses variantes . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

8.4.1 Un doigt de géométrie : domaines réguliers . . . . . . . . . . . . . . . . . . . 77
8.4.2 Formule de Green . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
8.4.3 Un exemple en thermique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6 TABLE DES MATIÈRES
Chapitre 1

Espaces de Hilbert

Soit H un espace vectoriel sur K = R ou C.

1.1 Définitions
Définition 1 Un produit scalaire sur H est une application de H × H → K (notée (x, y) 7→ hx, yi)
vérifiant :
(i) ∀ λ, µ ∈ K, ∀ x, y, z ∈ H, hλx + µy, zi = λhx, zi + µhy, zi
(ii) ∀ x, y ∈ H, hx, yi = hy, xi
(iii) ∀ x ∈ H, hx, xi ≥ 0
(iv) ∀ x ∈ H, hx, xi = 0 ⇐⇒ x = 0

Proposition 1
On a :
1) L’inégalité de Cauchy-Schwarz :

∀ x, y ∈ H, |hx, yi|2 ≤ hx, xi · hy, yi

(On a égalité lorsque x et y sont colinéaires.)

p
2) L’identité du parallélogramme : Si on note kxk = hx, xi, on a :
 
2 kxk2 + kyk2 = kx + yk2 + kx − yk2

Démonstration Si hx, yi = 0, c’est clair ; sinon soit t ∈ C.

0 ≤ hx + ty, x + tyi = hx, xi + t hy, xi + t hx, yi + |t|2 hy, yi
= hx, xi + 2 Re (t hy, xi) + |t|2 hy, yi
∃ θ ∈ [0, 2π[ et r > 0 tq hy, xi = r · eıθ
Prenons t = s · e−ıθ où s ∈ R.
hx, xi + 2rs + s2 hy, yi ≥ 0
Le discriminant de ce polynôme en s doit être négatif.

7
8 CHAPITRE 1. ESPACES DE HILBERT

Remarque 1 Pour démontrer 1, on n’a pas utilisé hx, xi > 0 pour x 6= 0.

Proposition 2
p
L’application x 7−→ hx, xi = kxk est une norme sur H.

Démonstration
kx + yk2 = hx, xi + hx, yi + hy, xi + hy, yi
= kxk2 + 2 Rehx, yi + kyk2
≤ kxk2 + kyk2 + 2 kxk kyk
= (kxk + kyk)2

Définition 2 Un espace préhibertien est un espace vectoriel H muni d’un produit scalaire. Si cet
espace est complet pour la norme provenant du produit scalaire, on dit que H est un espace de Hilbert.

Exemples 1
n
X
1) H = RN , K = R, hx, yi = xj yj est un Hilbert.
j=1
n
X
2) H = CN , K = C, hx, yi = xj yj est un Hilbert.
j=1

3) Soit Ω ⊂ RN
un ouvert borné.
Z


1. H = C Ω, C , K = C, hx, yi = x (t) y (t) dt est un préhilbertien. Il n’est pas complet.
Ω
Z
2
2. H = L (Ω), K = C, hx, yi = x (t) y (t) dt est un Hilbert. C’est le complété de l’espace
Ω
préhilbertien défini précédemment.
X X
2 (N) = {x = (x )
4) H = lC n n∈N | ∀ n, xn ∈ C, |xn |2 < +∞}, hx, yi = xn yn est un
n≥0 n≥0
Hilbert.

Définition 3 Soit H un préhilbertien.

1) x, y ∈ H sont orthogonaux si hx, yi = 0.
2) Soit A ⊂ H, A 6= ∅.
On appelle orthogonal de A dans H l’ensemble noté A⊥ tel que :

A⊥ = {x ∈ H | ∀ y ∈ A, hx, yi = 0}

Remarque 2 On peut donner la définition 3 dans un espace vectoriel H muni d’une application
vérifiant seulement 1 et 2 de la définition 1.
1.2. PROJECTION SUR UN CONVEXE 9

Proposition 3
Soit H un préhilbertien.
1) Soit A ⊂ H, A 6= ∅. Alors A⊥ est un sous-espace vectoriel fermé de H.
2) Soit A, B ⊂ H, A 6= ∅ et A ⊂ B. Alors B ⊥ ⊂ A⊥ .

⊥
3) Soit A ⊂ H, A 6= ∅. Alors A ⊂ A⊥ .

⊥
4) Soit A un sous-espace vectoriel de H. Si H est complet alors A = A⊥ .

Le dernier point est le seul non trivial...

⊥ ⊥
Remarque 3 A = A⊥ et vect(A) = A⊥

1.2 Projection sur un convexe

Théorème 1 Projection sur un convexe fermé

Soit H un espace de Hilbert. Soit C ⊂ H une partie convexe fermée et non vide. Alors pour tout
x ∈ H, il existe un unique a ∈ C tel que :

kx − ak = d (x, C) = inf kx − yk
y∈C

Démonstration
— Existence :
Soit (yn )n∈N une suite d’éléments de C telle que kx − yn k −→ d (x, C).
1 yn + ym 2
∀ n 6= m, kyn − ym k2 = kx − yn k2 + kx − ym k2 − 2 x −
2 2
yn + ym
Et ∈ C car C est convexe.
2
yn + ym
Donc x − ≥ d (x, C).
2
On a alors :
1
0 ≤ kyn − ym k2 ≤ kx − yn k2 + kx − ym k2 − 2d (x, C)2
2 | {z }
−−−−−−→ 0
n,m→+∞
Donc (yn )n∈N est de Cauchy. Comme H est complet, il existe a ∈ H tel que lim yn = a.
Comme C est fermé, a ∈ C.
d (x, C) = lim kx − yn k = kx − ak
n→+∞
— Unicité :
Supposons qu’il existe a et b ∈ C tels que kx − ak = kx − bk = d (x, C).
On définit la suite (yn )n∈N d’éléments de C par : y2p = a et y2p+1 = b.
On sait que kx − yn k −→ d (x, C), et donc que (yn ) est de Cauchy dans H complet.
10 CHAPITRE 1. ESPACES DE HILBERT

Ainsi, a = b par unicité de la limite.

Théorème 2 Caractérisation de la projection

Soit H un espace de Hilbert. Soit C ⊂ H une partie convexe, fermée et non vide. On a
l’équivalence suivante :
(i) a ∈ C est la projection de x sur C
(ii) a ∈ C et ∀ y ∈ C, Re hx − a, y − ai ≤ 0

Démonstration
— i) ⇒ ii)
Soit y ∈ C et soit t ∈ ]0, 1].
(1 − t) · a + t · y ∈ C car C est convexe.
kx − ((1 − t) a + ty)k2 ≥ kx − ak2
Or,
kx − ((1 − t) a + ty)k2 = kx − a − t (y − a)k2
= kx − ak2 + t2 ky − ak2 − 2 Re (thx − a, y − ai)
Donc ∀ t ∈]0, 1], 2 Re (thx − a, y − ai) ≤ t2 ky − ak2
D’où ∀ t ∈]0, 1], 2 Re hx − a, y − ai ≤ t ky − ak2
On fait t −→ 0, d’où : Re hx − a, y − ai ≤ 0.
— ii) ⇒ i)
Soit y ∈ C.
kx − yk2 = kx − a + a − yk2 = kx − ak2 + ky − ak2 − 2 Rehx − a, y − ai
Donc par ii) kx − yk2 ≥ kx − ak2 + ky − ak2 ≥ kx − ak2
d’où : kx − ak = inf kx − yk
y∈C

Proposition 4
Soit H un espace de Hilbert. Soit C ∈ H une partie convexe, fermée et non vide. Pour x ∈ H,
on note Pc x la projection de x sur C. On a :

∀ x1 , x2 ∈ H, kPc x1 − Pc x2 k ≤ kx1 − x2 k

Démonstration
Posons aj = Pc xj pour j = 1, 2.
ka1 − a2 k2 = ha1 − a2 , a1 − a2 i = Reha1 − a2 , a1 − a2 i
= Reha1 − x1 , a1 − a2 i +Rehx1 − x2 , a1 − a2 i + Rehx2 − a2 , a1 − a2 i par le théorème 2 (page 10)
| {z } | {z }
≥0 ≥0
≤ Rehx1 − x2 , a1 − a2 i ≤ kx1 − x2 k ka1 − a2 k d’après Cauchy-Schwarz.
1.3. REPRÉSENTATION DE RIESZ 11

Corollaire 1
Soit H un espace de Hilbert et soit F un sous-espace vectoriel fermé de H (F est donc convexe).

a∈F
1) a = PF x est caractérisé par :
∀ y ∈ F, hx − a, yi = 0
2) PF est linéaire et continue
3) H = F ⊕ F ⊥

Démonstration
1) a = PF x est caractérisé par :

∀ y ∈ F, Rehx − a, y − ai ≤ 0 d’après le théorème 2 (page 10)
(1)
a∈F
Ce qui est équivalent à :

a∈F
(2)
∀ y ∈ F, hx − a, yi = 0
En effet :
— 2⇒1
∀ y ∈ F, hx − a, y − ai = 0 car y − a ∈ F , donc Rehx − a, y − ai ≤ 0
— 1⇒2
On a : ∀ y ∈ F, Rehx − a, y + a − ai ≤ 0 car y + a ∈ F
i.e. : ∀ y ∈ F, Rehx − a, yi ≤ 0
Mais si y ∈ F , alors −y ∈ F , donc Rehx − a, −yi ≤ 0
D’où ∀ y ∈ F, Rehx − a, yi = 0
Si y ∈ F, iy ∈ F
Rehx − a, iyi = 0 d’où Imhx − a, yi = 0
2) Soit x, x0 ∈ H, λ, µ ∈ C.
On veut savoir si : PF (λx + µx0 ) = λPF x + µPF x0
Or, par 1 ∀ y ∈ F, hλx + µx0 − PF (λx + µx0 ) , yi = 0
et ∀y ∈ F, hλx + µx0 − λPF x − µPF x0 , yi = λhx − PF x, yi + µhx0 − PF x, yi = 0
3) F ∩ F ⊥ = {0}
∀ x ∈ H, x = PF x + x − PF x
|{z} | {z }
∈F ∈F ⊥

Remarque 4 Dans le théorème 1 (page 9), on peut supposer H préhilbertien avec C ⊂ H une
partie non vide convexe et complète. Même remarque pour le corollaire 1 (page 11).

1.3 Représentation de Riesz

12 CHAPITRE 1. ESPACES DE HILBERT

Théorème 3 Théorème de représentation de Riesz

Soit L ∈ L (H, K) = H 0 , H Hilbert.
Il existe a ∈ H unique tel que :
∀ x ∈ H, L (x) = hx, ai
De plus : | kLk | = kak

Démonstration
Posons F = L−1 (0).
1. Si F = H, alors L ≡ 0 1 et on prend a = 0.
2. Sinon, soit z ∈ F ⊥ \{0} (base de F ⊥ puisque sa dimension est de 1)
— Existence :  
=F ⊥
z }| {
∀ x ∈ H, ∃ λ ∈ K, y ∈ F tq x = y + λz H = F ⊕ V ect(z)
 

L(x)
L (x) = L (y) + λ · L (z) = λ · L (z) =⇒ λ =
L(z)
L(x) L(x)
0 = hy, zi = hx − L(z) · z, zi = hx, zi − L(z) · kzk2
L(z) L(z)
L(x) = kzk2
· hx, zi = hx, kzk2 · zi

L(z)
On prend a = ·z
kzk2
— Unicité : ∀ x ∈ H, hx, ai = hx, a0 i ⇐⇒ ∀ x ∈ H, hx, a − a0 i = 0 ⇐⇒ a = a0
D’après l’inégalité de Cauchy-Schwarz : |L(x)| = |hx, ai|≤ kxk
 · kak ⇒ | kLk | ≤ kak
a
Or, si L ≡ 0, alors | kLk | = kak = 0. Sinon, a 6= 0 et L = kak ⇒ | kLk | = kak
kak

Remarque 5
— Soit
θ : H −→ H 0
où ϕa (x) = hx, ai
a 7−→ ϕa
θ est une bijection, et est anti-linéaire :
θ (a + b) = θa + θb
θ (λ · a) = λ · θ (a)
N.B. : H 0 dual de H. Ici, il faut H complet car H 0 l’est forcément et il y a isomorphisme.
— Si H Hilbert sur R, f : H −→ R différentiable, ∀ x ∈ H, f 0 (x) ∈ L(H, R) = H 0
∀ x ∈ H, ∃ a ∈ H tq ∀ h ∈ −H, f 0 (x)(h) = hh, ai = ha, hi
−→ 
On note : a = ∇f (x) = gradf (x)

Définition 4 Soit H un espace de Hilbert.

Soit (Hn )n∈N une suite de sous-espaces vectoriels fermés de H.
M
On dit que H est somme hilbertienne des Hn notée : H = Hn si :
n≥0

1. identiquement égal à
1.3. REPRÉSENTATION DE RIESZ 13

1) ∀ n 6= m, ∀ x ∈ Hn , ∀ y ∈ Hm , hx, yi = 0
2) L’espace vectoriel F engendré par les Hn est dense dans H
(F est l’ensemble des combinaisons linéaires finies d’éléments des Hn , n ∈ N).

Théorème 4
M
On suppose que H = Hn . Si x ∈ H, on note xn = PHn x.
n≥0
Alors, on a :
1)
X N
X
x= xn (i.e. x = lim xn )
N →+∞
n≥0 n=0

2) X
kxk2 = kxn k2
n≥0

(Identité de Bessel-Parseval)
Réciproquement, soit (xn )n∈N une suite d’éléments de H telle que :

∀ n ∈ N, xn ∈ Hn

et telle que : X
kxn k2 < +∞
n≥0
X P
Alors la série xn converge dans H et si x = n≥0 xn , alors ∀ n ≥ 0, xn = PHn x
n≥0

Démonstration
1) Posons pour N ∈ N,
N
X
SN = PHn
n=0

Si x ∈ H,
N
X
SN x = xn
n=0

et on doit montrer que :

lim kx − SN xk → 0
N →+∞

N
X N
X N
X N
X
kSN xk2 = hSN x, SN xi = h xn , xn i = hxn , xn i = kxn k2 (4)
n=0 n=0 n=0 n=0

Ce que l’on pouvait directement obtenir grâce au théorème de Pythagore.

14 CHAPITRE 1. ESPACES DE HILBERT

Soit ε > 0, comme F est dense dans H, il existe x∗ ∈ F tel que kx − x∗ k ≤ ε/2
∃ N0 ∈ N tq ∀ N ≥ N0 , SN x∗ = x∗
Soit N ≥ N0 ,
kSN x − xk ≤ kSN x − SN x∗ k + kSN x∗ − xk
= kSN x − SN x∗ k + kx − x∗ k
≤ kx − x∗ k + kx − x∗ k car SN opérateur de projection
≤ ε
X
2) (4) ⇒ kxk2 = kxn k2
n≥0

Réciproquement Posons
N
X
uN = xn
n=0

Soit p > q dans N :

2
p
X p
X
kup − uq k2 = xn = kxn k2 −−−−−→ 0
p,q→+∞
n=q+1 n=q+1

Donc, la suite u est de Cauchy, et elle converge.

Donc, on peut poser :
X
x= xn
n≥0

Soit zn ∈ Hn , hx − xn , zn i = hx, zn i − hxn , zn i

N
X
et hx, zn i = lim hxp , zn i = hxn , zn i (dès que N ≥ n).
N →+∞
p=0
D’où
∀ zn ∈ Hn , hx − xn , zn i = 0

D’après le corollaire 1 (page 11) (avec xn ∈ Hn ), on a :

xn = PH n x

1.4 Bases hilbertiennes

Définition 5 On appelle base hilbertienne d’un espace de Hilbert H, une suite (en )n≥0 d’éléments
de H telle que :

1) ∀ n 6= m, hen , em i = 0 et ∀ n, hen , en i = 1
2) L’espace vectoriel engendré par les (en )n∈N est dense dans H.
1.5. L’ESPACE L2 (I) 15

Remarque 6 Soit H un Hilbert et (en )n∈N une base hilbertienne de H. D’après le théorème 4 avec
Hn = K en , tout x ∈ H s’écrit de manière unique :
X
x= hx, en ien
n≥0

et X
kxk2 = |hx, en i|2
n≥0

Les hx, en i sont les cœfficients de Fourier de x par rapport à la base hilbertienne (en )n≥0 .

X
Réciproquement 2 (N), alors la série
Si λ = (λn ) ∈ lK λn en est convergente vers un élément
n≥0
X 1
x ∈ H et ∀ n, λn = hx, en i et kxk2 = |λn |2 (exemple : λn = (n ≥ 0))
n+1
n≥0

Remarque 7 Ne pas confondre base hilbertienne et base algébrique, qui est une famille non forcément
dénombrable d’éléments de l’espace vectoriel qui est libre et telle que tout élément de l’espace vecto-
riel s’écrit comme une combinaison linéaire finie d’éléments de cette base. Par contre, il s’agit de
la même chose en dimension finie.

Remarque 8 Tout espace de Hilbert séparable admet une base hilbertienne.

Si l’espace de Hilbert n’est pas séparable, on peut faire des choses...

H est séparable s’il existe un sous-ensemble D ⊂ H dénombrable et dense dans [ H.

D = {v0 , v1 , . . . , vn , . . .} avec vj 6= 0 pour tout j. Fn+1 = V ect(v0 , v1 , . . . , vn ), Fn est dense dans
n≥1
H. Dans F1 , on prend un vecteur e1 de norme 1. Ensuite, on prend F2 tel que dim F2 = dim F1 +1 = 2
et on prend un vecteur e2 de norme 1 orthogonal à e1 , etc.

1.5 L’espace L2 (I)

1.5.1 Définitions
Définition 6 L2 (I), avec I intervalle ouvert, est l’espace des fonctions f : I → C telles que |f |2
est intégrable.

Définition 7 Produit Rscalaire sur L2 (I)

∀f, g ∈ L2 (I), hf, gi = I f (x)g(x)dx est un produit scalaire dans L2 (I) de norme associée : kf k22 =
R 2
I |f (x)| dx

1.5.2 Propriétés

Théorème 5
(L2 (I), k·k2 ) est un espace de Hilbert
16 CHAPITRE 1. ESPACES DE HILBERT

1.6 Bases hilbertiennes de L2 (I)

1.6.1 Définition
Définition 8 Soit B = (ϕn )n∈N , ϕn ∈ L2 (I)
B est une base hilbertienne de L2 (I) ssi :
1. ∀n, m ∈ N, hϕn , ϕm i = δn,m
2. Les combinaisons linéaires finies de fonctions ϕn sont denses dans L2 (I)

⇐⇒ B ⊥ = g ∈ L2 (I) | ∀n ∈ N, hg, ϕn i = 0 = {0}



1.6.2 Théorème de Parseval

Théorème 6
B = (ϕn )n∈N est une base hilbertienne si B vérifie l’une des deux propriétés suivantes
équivalentes :
1. Convergence de la série dans L2 (I) :
X
∀f ∈ L2 (I), f = hf, ϕn iϕn
n∈N

2. X
∀f ∈ L2 (I), kf k22 = |hf, ϕn i|2
n∈N

Remarque 9 Si on avait convergence ponctuelle de la série, on écrirait :

X
∀x ∈ I, f (x) = hf, ϕn iϕn (x)
n∈N

Dans le cas des bases hilbertiennes, la convergence (et les égalités) sont à prendre au sens de la
norme L2 , c’est-à-dire :

X N
X
2
f= cn ϕn dans L (I) ⇐⇒ lim f− cn ϕn =0
N →+∞
n∈N n=0 2
Z N 2
X
⇐⇒ lim f (x) − cn ϕn (x) dx = 0
N →+∞ I
n=0

1.7 Séries de Fourier

On considère l’espace L2 (]0, T [), muni du produit scalaire :
Z T
hf, gi = f (x)g(x)dx
0
1.7. SÉRIES DE FOURIER 17

On considère également la famille :

2πx
ein T
B = (en )n∈Z où en (x) = √
T

Théorème 7
B est une base Hilbertienne de L2 (]0, T [) donc
2πx
T
e−in T
Z
2
∀f ∈ L (]0, T [), cn (f ) = hf, en i = f (x) · √ dx
0 T
1. X
f= cn (f )en
n∈Z

2. Z T X
|f (x)|2 dx = |cn (f )|2
0 n∈Z

Pour la démonstration, on va utiliser les deux lemmes suivants :

Lemme 1 B est orthonormée

Démonstration 2πx
T
ei(n−m)
Z
T
hen , em i = dx = δm,n
0 T

Théorème 8
Soit ϕ ∈ Cc∞ (]0, T [). On pose :
2πx
T
e−in T
Z
∀n ∈ Z, cn (ϕ) = ϕ(x) √ dx
0 T
Alors : 2πx
X ein T
ϕ(x) = cn (ϕ) √
n∈Z
T
et la série converge uniformèment sur ]0, T [

Démonstration
— Convergence uniforme
2πx Z T
ein T 1 1 2πx
cn (ϕ) √ = √ |cn (ϕ)| = ϕ(x)e−in T dx
T T T 0
Z T Z T
1 1 00 −inx T
= ϕ (x)e dx ≤ 2 2 ϕ00 (x) dx
T (−i 2πn )2
0 4π n
T |0 {z }
c
18 CHAPITRE 1. ESPACES DE HILBERT

in 2πx
cn (ϕ) e √TT converge normalement, donc uniformèment.
P
Ainsi, la série
N
einθ
P
— Calcul de
n=−N

N 2N
X X 1 − ei(2N +1)θ
einθ = e−iN θ einθ = e−iN θ
1 − eiθ
n=−N n=0
2N +1
 
e i( θ ) e−i( 2N2+1 θ) − e+i( 2N2+1 θ)
sin N + 12 θ
2


= e−iN θ
=
eiθ/2 e−iθ/2 − eiθ/2 sin 2θ

La dernière expression s’appelle le noyau de Féjer.

Remarque 10
N N
! 2πθ
!
T T
1 ein T
Z Z
in 2πθ
X X
e T dθ = dθ =1
T 0 0 T
n=−N n=−N

donc
1 T sin (N + 21 ) 2πθ
Z
T
dθ = 1
T 0 sin πθ
T

N 2πt N 2πx
! 2πt
ein T T
e−in T ein T
X X Z
ϕ(t) − cn (ϕ) √ = ϕ(t) − ϕ(x) √ dx √
n=−N
T n=−N 0 T T
N
!
T
ϕ(x)
Z X 2π(t−x)
= ϕ(t) − ein T dx
0 T
n=−N

ϕ(x) sin (N + 21 ) 2π
T


T (x
− t)
Z
= ϕ(t) − dx
0 T sin Tπ (x − t)
1 T sin N + 12 2π ϕ(x) sin (N + 12 ) 2π


Z T

T (x
− t) T (x
− t)
Z
= ϕ(t)dx − dx
T 0 sin Tπ (x − t) 0 T sin Tπ (x − t)
1 T −t ϕ(t) − ϕ(u + t)
  
1 2π
Z
= sin N+ u du
sin Tπ u


T −t 2 T

Comme t ∈ [0, T ], fonction ϕ(t)−ϕ(u+t)

sin( Tπ u)
est continue sauf potentiellement en u = 0, mais dans ce cas
on a :
ϕ(t) − ϕ(u + t) ϕ(t) − ϕ(u + t) T
π

∼0 π → − ϕ0 (t),
sin T u T u π
donc on peut appliquer le théorème de Riemann-Lebesgue ce qui permet de conclure.

Démonstration du théorème
1. (admis) Cc∞ (]0, T [) est dense dans L2 (]0, T [), c’est-à-dire pour tout f ∈ L2 (]0, T [), on a la
proriété :
∀ε > 0, ∃ϕ ∈ Cc∞ (]0, T [) kf − ϕk2 < ε
1.8. POLYNÔMES ORTHOGONAUX 19

2. (th. de Féjer-Dirichlet)

ϕ ∈ Cc∞ (]0, T [), ε > 0, ∃N0 , ∀N ≥ N0 , kϕ − SN ϕk∞ ≤ ε,

où SN est l’opérateur de projection sur les Hn défini par les en . Or

Z T
kϕ − SN ϕk2 = |ϕ(x) − SN ϕ(x)|2 dx ≤ T kϕ − SN ϕk2∞ < 2πε2 .
0

Conclusion :
∀f ∈ L2 (]0, T [), ∀ε > 0, ∀N ≥ N0 ,

kf − SN f k2 = kf − ϕ + ϕ − SN ϕ + SN ϕ − SN f k2
≤ kf − ϕk2 + kϕ − SN ϕk2 + kSN ϕ − SN f k2
√
≤ 2ε + T ε,

en utilisant encore le fait que SN étant un opérateur de projection sur un convexe, il est
1-Lipschitzien.

1.8 Polynômes orthogonaux

On munit l’espace d’une nouvelle mesure, p(x)dx grâce à une fonction poids p : [a, b] → R+ continue.
Ce qu’on note :
L2 ([a, b], p(x)dx)
(on donne un poids à notre mesure) et tel que :
Z b
∀n ∈ N, |xn | p(x)dx < +∞
a

On munit l’espace du produit scalaire naturel pour cette nouvelle mesure :

Z b
hf, gi = f (x)g(x)p(x)dx
a

Dans cet espace, on considère la famille de polynômes :

B = (pn )n∈N , pn ∈ R[X], deg pn = n

Théorème 9
Si B est orthonormée pour h·, ·i, alors B une base Hilbertienne de L2 ([a, b], p(x)dx)

Démonstration
— Théorème de Weierstraß : Toute fonction continue est limite uniforme d’une suite de po-
lynômes sur [a, b]
— Les fonctions continues sont denses dans L2 ([a, b], p(x)dx)
20 CHAPITRE 1. ESPACES DE HILBERT

Exemple d’application : les polynômes orthogonaux

Soit (Pn )n≥0 une famille de polynômes sur [a, b] telle que d◦ Pn = n et hPn , Pm i = δn,m , où h·, ·i
est un produit scalaire sur L2 ([a, b]), (Pn )n≥0 est une base Hilbertienne de L2 ([a, b]) (en appliquant
Weierstraß)
— Polynômes de Legendre :
dn

n
pn (x) = 2n1n! dx 2

n x − 1 pour n ≥ 1
p0 (x) = 1

Propositionq
5 
2n+1
La famille 2 P n est une base Hilbertienne de L2 ([−1; 1])
— Base de Haar
Définition 9 La base de Haar On se place dans l’espace L2 ([0, 1]) munit du produit scalaire
usuel. Soit ϕ la fonction constante 1 et ψ la fonction définie par :

ψ(x) = ϕ(2x) − ϕ(2x − 1)

On pose :
ψj,k (x) = 2j/2 ψ 2j x − k

Théorème 10
(ϕ, ψj,k ) est une base Hilbertienne de L2 ([0, 1])
Chapitre 2

Transformée de Fourier Discrète

2.1 Lien entre convolution et convolution circulaire

On rappelle que la convolution de deux suites h et x est définie par lorsqu’elle existe :
X
yn = hk xn−k (2.1)
k∈Z

Définition 1 La convolution circulaire entre les suites h et x de taille N périodisées est définie
par :
X
(h ? x)n = xk hn−k mod N
0≤k≤N −1
X
= x(n−k)mod N hk (2.2)
0≤k≤N −1

Remarque 1 Cette suite est elle-même périodique de période N .

Le lien entre convolution et convolution circulaire est alors le suivant. Définissons

X
hN,n = hn−kN , (2.3)
k∈Z

qui existe si h ∈ l1 (Z). On a alors la propriété suivante :

Proposition 1
Soit x de taille N et périodisé à Z tout entier, alors on a la propriété suivante :

(h ∗ x)n = (hN ? x)n (2.4)

Remarque 2 Cette propriété montre que la convolution par h d’une suite x, supposée périodique
de période N , peut se calculer par convolution circulaire.

21
22 CHAPITRE 2. TRANSFORMÉE DE FOURIER DISCRÈTE

2.2 Définition de la TFD et propriété

2.2.1 Definition
Définition 2 Soit X = (x0 , x1 , · · · , xN −1 ) un vecteur de CN . On appelle transformée de Fourier
discrète (TFD) de X le vecteur X̂ = (x̂0 , x̂2 , · · · , x̂N −1 ) défini par :
N −1
X kn
x̂k = xn e−2iπ N k = 0, 1 · · · , N − 1 (2.5)
n=0
qui admet comme transformée inverse :
N −1
1 X kn
xn = x̂k e2iπ N n = 0, 1 · · · , N − 1 (2.6)
N
k=0
La démonstration est laissée en exercice.
P
Remarque 3 On peut voir la TFD comme la transformée de Fourier de la distribution n∈Z xn δn
évaluée en Nk .

2.2.2 TFD et convolution circulaire

Théorème 1
Soient deux suites complexes (xk ) et (hk ), de période N , et leurs transformées de Fourier discrètes
(x̂n ) et (ĥn ).
i) La suite définie par convolution circulaire

zn = (x ? h)n

a pour TFD
ẑk = x̂k ĥk
ii) La suite produit
pn = xn hn
a pour TFD
(x̂ ? ĥ)k

Nous avons de plus une propriété de conservation de la norme :

Théorème 2 (Formule de Parseval)

On a la relation :
N −1 N −1
X 1 X
xn ȳn = x̂k ŷ k
N
n=0 k=0

et par conséquent
N −1 N −1
X 1 X
|xn |2 = |x̂k |2
N
n=0 k=0
2.3. EXEMPLES D’APPLICATIONS 23

2.2.3 Autres propriétés

Proposition 2
En périodisant une suite de longueur N , (xn ) sur tout Z, on périodise aussi (x̂k ). Les suites (xn )
TFD
et (x̂k ) sont ici étendues à Z par périodisation de longueur N . Soit (xn ) → (x̂k ) alors :
TFD
1. (x−n ) → (x̂−k )
TFD
2. (xn ) → (x̂−k )
TFD
3. (x−n ) → (x̂k )

Proposition 3
Avec les mêmes notations que précédemment, on a :
i) (xn ) est paire (resp. impaire) ⇔ (x̂k ) est paire (resp. impaire)
ii) (xn ) est réelle ⇔ ∀k ∈ Z x̂−k = x̂k
iii) (xn ) est réelle paire ⇔ (x̂k ) est réelle paire
iv) (xn ) est réelle impaire ⇔ (x̂k ) est imaginaire pure, impaire.

2.3 Exemples d’applications

2.3.1 calcul rapide d’une convolution
On peut voir la convolution comme le calcul du produit de deux TFDs suivi d’une TFD inverse. Si
l’on fait le calcul direct, la convolution nécessite O(N 2 ) opérations, nous allons voir qu’il existe un
algorithme rapide appelé FFT permettant le calcul de la TFD en O(N log2 (N )), d’où un gain en
temps de calcul.

2.3.2 Approximation des coefficients de Fourier par TFD

On cherche à Rcalculer de manière approchée les coefficients de Fourier de f périodique de période
a t
a, soit ck = a1 0 f (t)e−2iπk a dt, pour − N2 ≤ k < N2 . La méthode des rectangles à gauche conduit à
la valeur approchée suivante :

N −1 N −1
1 X na −2iπ k na 1 X −nk N N
c̃k = f ( )e a N = yn ωN , − ≤k<
N N N 2 2
n=0 n=0

2iπ
en posant yn = f ( naN ) et ωN = e
N .

En appelant Yk la TFD de yn /N , il vient que ck ≈ c̃k = Yk si 0 ≤ k ≤ N2 et ck ≈ c̃k = Yk+N

si − N2 ≤ k < 0. Donc l’approximation des coefficients de Fourier par la méthode des rectangles
correspond à la transformée de Fourier discrète du signal échantillonné (modulo le passage de Y à
c̃, fftshift sous matlab).
24 CHAPITRE 2. TRANSFORMÉE DE FOURIER DISCRÈTE

2.3.3 Relation entre coefficients de Fourier exacts et approchés

Considérons le développement en série de Fourier de f :
n=+∞
X t
f (t) = cn e2iπn a
n=−∞

où l’on suppose pour simplifier que la série est absolument convergente :
n=+∞
X
|cn | < +∞,
n=−∞

ce qui est le cas si f est continue et C 1 par morceaux. On peut grouper les indices par paquets de
la manière suivante :
m=+∞ N/2−1 q=+∞
!
1 n yn 1 X mk 1 X X
nk
f (k ) = = cm ωN = cn+qN ωN
N N N N m=−∞ N q=−∞
n=−N/2

On en déduit, par transformée inverse, la formule :

q=+∞
X
c̃n = cn+qN
q=−∞

qui conduit à : X
c̃n − cn = cn+qN .
q6=0

On voit ainsi que l’approximation à N fixé cn ≈ c̃n pour − N2 ≤ n < N2 est d’autant meilleure que
les coefficients de Fourier tendent plus vite vers 0 lorsque n tend vers +∞.

2.4 L’algorithme de la FFT

2iπ
Cet algorithme est du à Cooley et Tuckey (1965). Supposons que N = 2m. Posons ωN = e N . Dans
l’expression de x̂k regroupons les termes d’indices pairs et d’indices impairs.
−k
x̂k = Pk + ωN Ik

avec (
−2k −(N −2)k
P k = x 0 + x 2 ωN + · · · + xN −2 ωN
−2k −(N −2)k
Ik = x1 + x3 ωN + · · · + xN −1 ωN
−(k+m) −k
On remarque que Pk+m = Pk et de même Ik+m = Ik . De plus comme ωN = −ωN , on peut
faire une première économie de calcul. Pour k = 0, · · · , m − 1, on calcule successivement :
−k
1. On calcule Pk et ωN Ik
−k
2. On forme x̂k = Pk + ωN Ik
−k
3. On en déduit x̂k+m = Pk − ωN Ik
2.4. L’ALGORITHME DE LA FFT 25

La première partie coute 2(m − 1)2 + m − 1 soit à peu près 12 N 2 multiplications contre N 2 multi-
plications pour un calcul direct.
Cependant, on remarque que Pk et Ik sont à leur tour des transformées de Fourier, indépendantes
l’une de l’autre. Il ne reste qu’à itérer l’astucieuse décomposition précédente à condition que m soit
encore pair. Le passage d’une étape (vecteur de longueur m) à l’autre (vecteur de longueur 2m) se
fait à l’aide des formules
−k

x̂k = Pk + ωN Ik
−k
x̂k+m = Pk − ωN Ik
Evaluation du coût de l’algorithme :
Pour N = 2p Soit Mp le nombre de multiplications utilisées par cet algorithme, et de même soit Ap
le nombre des additions :
— Cout du calcul des Pk : [Mp−1 , Ap−1 ]
— Cout du calcul des Ik : [Mp−1 , Ap−1 ]
−k
— Multiplications par ωN , k ≥ 1 : [2p−1 − 1, 0]
— Additions : [0, 2p ].
D’où les relations :
 
M1 = 0 A1 = 2
Mp = 2Mp−1 + 2 p−1 −1 Ap = 2Ap−1 + 2p

On obtient finalement :
Mp = (p − 2)2p−1 + 1


Ap = p2p
ou encore en fonction de N : [N/2(log2 (N ) − 2) + 1, N log2 (N )].
26 CHAPITRE 2. TRANSFORMÉE DE FOURIER DISCRÈTE
Chapitre 3

Rappel : transformée de Fourier des

fonctions

3.1 Transformée de Fourier dans L1 (RN )

3.1.1 Théorèmes de densité
Définition 1 On désigne par Cc (RN ) l’espace vectoriel des fonctions continues sur RN à support
compact.

Définition R2 On appelle suite régularisante ϕε une fonction Cc∞ (RN ) à support inclus dans B(0, ε)
et telle que RN ϕε (x) = 1.

Théorème 1 (Densité de Cc∞ (RN ) dans Cc (RN ))

soit f ∈ Cc (RN ) alors ϕε ∗ f converge uniformément vers f

Démonstration Soit f ∈ Cc (RN ) telle que Supp (f ) = B(0, R). On remarque tout d’abord que
Supp (ϕε ∗ f ) = B(0, R + ε)
Z
ϕ ∗ f (x) − f (x) = ϕε (y)(f (x − y) − f (x))dy
RN

On obtient alors, en utilisant les propriétés de ϕε , que :

|ϕε ∗ f (x) − f (x)| ≤ sup |f (x − y) − f (x)|.
|y|≤ε

Or f est continue à support compact donc uniformément continue sur RN , d’où le résultat.

Théorème 2 (Densité de Cc (RN ) dans Lp (RN ))

Soit f ∈ Lp (RN ) avec 1 ≤ p < +∞ :

∀ε ∃ϕ ∈ Cc (RN ), kϕ − f kLp (RN ) ≤ ε

27
28 CHAPITRE 3. RAPPEL : TRANSFORMÉE DE FOURIER DES FONCTIONS

Démonstration Démonstration admise

Théorème 3 (Théorème de densité de Cc∞ (RN ) dans Lp (RN ))

Soit f ∈ Lp (RN ) avec 1 ≤ p < +∞. Alors si ϕε est définie comme au théorème précédent, on a
pour tout η > 0, il existe une fonction fη ∈ Cc∞ (RN ) telle que :

kf − fη kLp (RN ) ≤ η.

Démonstration Comme Cc (RN ) est dense dans Lp (RN ), étant donné η > 0, il existe ψ ∈ Cc (RN ),
telle que
η
kf − ψkLp (RN ) < .
2
En utilisant toujours la même suite régularisante que précédemment, on obtient :
sup |ϕε ∗ ψ(x) − ψ(x)| → 0 quand ε → 0
x∈RN

D’après l’inégalité de Hölder et en supposant Supp (ψ) ⊂ B(0, R), il vient que :
kϕε ∗ ψ − ψkLp (RN ) ≤ sup |ϕε ∗ ψ(x) − ψ(x)||B(0, R + ε)|1/p → 0
x∈RN

lorsque ε tend vers 0. On choisit alors ε suffisamment petit pour que :

η
kϕε ∗ ψ − ψkLp (RN ) <
2
et on pose fη = ϕε ∗ ψ.

3.1.2 Définition de la transformée de Fourier dans L1 (RN ) et propriétés

Définition 3 (Transformée de Fourier) Soit f ∈ L1 (RN ), on lui associe fˆ telle que :

Z
def
∀ν ∈ R , fˆ(ν) =
N
f (x)e−2iπhν,xi dx
RN

ω = 2πν : pulsation ( rad.s−1 ), ν : fréquence (Hz) L’application : F : f 7→ fˆ est appelée transformée

de Fourier.

Théorème 4 (Riemann-Lebesgue)

1. F : f 7→ fˆ est une application linéaire, continue de L1 (RN ) dans L∞ (RN ).

2. si f ∈ L1 (RN ), alors fˆ est continue sur RN et lim fˆ(ν) = 0.
kνk→±∞
3.1. TRANSFORMÉE DE FOURIER DANS L1 (RN ) 29

Démonstration
R
1. — F linéaire (linéarité de ).

— Montrons la continuité de F en 0, autrement dit :

∀f ∈ L1 (RN ), kF(f )kL∞ (RN ) ≤ Ckf kL1 (RN )

Z Z
∀ν, fˆ(ν) = f (x)e −2iπhν,xi
≤ |f (x)| dx = kf kL1 (RN )
RN RN

donc fˆ ∈ L∞ (RN ) et kfˆkL∞ (RN ) ≤ kf kL1 (RN ) .

2. Soit g ∈ Cc1 (RN ), supposons que Supp (g) ⊂ [−M, M ]N et choisissons une direction d’intégration
xj , alors en appliquant le théorème d’intégration par parties, il vient :

+M
e−2iπνj xj ∂g(x) e−2iπνj xj ∂g(x) e−2iπνj xj
Z  Z Z
−2iπνj xj
g(x)e dxj = g(x) − dxj = dxj
R −2iπνj −M R ∂xj −2iπνj R ∂xj 2iπνj

D’où

1
Z
∂g(x) k ∂g(x)
∂xj kL1 (RN ) ∂g(x)
|ĝ(ν)| ≤ dx = −−−−−→ 0 car < +∞.
2π |νj | RN ∂xj 2π |νj | νj →±∞ ∂xj L1 (R)

or Cc1 (RN ) est dense dans L1 (RN ), d’où :

∀f ∈ L1 (RN ), ∀ε > 0, ∃g ∈ Cc1 (RN ), kf − gkL1 (RN ) < ε

Alors, comme
|fˆ(ν)| ≤ kf − gkL1 (RN ) + |ĝ(ν)|,

on obtient lim fˆ(ν) = 0.

kνk→±∞

Exemple
1
sin(πν)
e−2iπνx dx =
R
Fonction “porte” : Π = 1l]− 1 ; 1 [ . Π̂(ν) = 2
− 12 πν : sinus cardinal.
2 2

Proposition 1 (du retard)

f ∈ L1 (RN ), τ ∈ RN . Posons ∀x ∈ RN , g(x) = f (x − τ ), alors ∀ν ∈ RN , ĝ(ν) = e−2iπhν,τ i fˆ(ν)

Remarque 1 e−2iπhν,τ i est un facteur de retard ou déphasage. On a ainsi :

∀ν ∈ RN , |ĝ(ν)| = fˆ(ν) et Arg(ĝ(ν)) = Arg(fˆ(ν)) − 2πhν, τ i

30 CHAPITRE 3. RAPPEL : TRANSFORMÉE DE FOURIER DES FONCTIONS

Démonstration Un changement de variable dans l’intégrale de Fourier donne le résultat.

Proposition 2
1
f ∈ L1 (RN ), a ∈ R. Posons ∀x ∈ RN , g(x) = f (ax). Alors ∀ν ∈ RN , F(g(ν)) = f ( νa )
|a|N

Théorème 5

1. si x → xα f (x) est dans L1 (RN ) pour |α| ≤ n alors :

∀|α| ≤ n, ∂ α fˆ(ν) = F ((−2iπx)α f (x)) (ν) ∀ν ∈ RN

2. Si f ∈ L1 (RN ) C n (RN ) et si ∂ α f ∈ L1 (RN ) pour tout |α| ≤ n, alors on a :

T

α f (ν) = (2iπν)α fˆ(ν)

∀|α| ≤ n, ∂d ∀ν ∈ RN

3. Si f ∈ L1 (RN ) et si Supp (f ) est borné, alors fˆ ∈ C ∞ (RN ).

Démonstration
∂f (x)e−2iπhν,xi
1. ∂νj = (−2iπxj )f (x)e−2iπhν,xi est continue pour tout νj et presque tout x, et ap-
partient à L1 (RN ) donc d’après théorème de dérivation d’une intégrale dépendant d’unpa-
∂ fˆ
ramètre ∂νjest dans L1 (RN )
et satisfait 1., en considérant les dérivées par rapport aux
autres coordonnées puis les dérivées à tout ordre, on obtient le résultat.
∂f
2. Calculons ∂x . En posant x0 (resp. ν 0 ) le vecteur x (resp. ν) privé de xj (resp. νj ) et en
d
j
faisant une intégration par parties il vient que :

 
∂f
Z Z
−2iπhν 0 ,x0 i
d
−2iπνj xj ∞ −2iπνj xj
(ν) = e [f (x)e ]−∞ + f (x)(2iπνj )e dxj dx0
∂xj R N −1 R
= (2iπνj )fˆ(ν)

En effet si f est intégrable et C 1 (R), telle que f 0 ∈ L1 (R) est intégrable alors
Z x
f (x) = f (a) + f 0 (t)dt
a

comme f 0 est intégrable, l’intégrale a une limite lorsque x tend vers ±∞, donc f (x) admet
une limite quand x tend vers l’infini. D’autre part, cette limite est nécessairement nulle car
f est intégrable. Ceci explique pourquoi le terme entre crochet de l’expression précédente
s’annule. On conclut en procédant par récurrence sur l’ordre de dérivation.
3.1. TRANSFORMÉE DE FOURIER DANS L1 (RN ) 31

Proposition 3
Soient f, g ∈ L1 (RN ). Alors f ĝ et fˆg appartient à L1 (RN ) et on a :
Z Z
f ĝ = fˆg
RN RN

Démonstration Remarquez que le théorème de Fubini s’applique à la fonction (x, ν) → f (x)g(ν)e−2iπhν,xi .

3.1.3 Inversion de la transformée de Fourier dans L1 (RN )

Définition 4 Pour toute fonction f appartenant à L1 (RN ) on note :
Z
F(f )(ν) = f (x)e2iπhν,xi dx
RN
On a alors le théorème d’inversion suivant :

Théorème 6

1. Soit f ∈ L1 (RN ). On suppose que f est continue au point x ∈ RN fixé et que fˆ ∈ L1 (RN ).
Alors on a,
F fˆ(x) = f (x)

2. Soit f ∈ L1 (RN ) et fˆ ∈ L1 (RN ) alors

F fˆ(x) = f (x) pour presque tout x

Démonstration 1) Nous démontrons d’abord le point 1

2π N
Pour n ∈ N∗ , on pose gn (x) = e− n kxk1 , on a gbn (ν) = 1 n 1 N
Q
π 1+n2 ν 2 . Comme gn est dans L (R ), on
i
i=1
peut écrire : Z Z
fˆ(ν)gn (ν)e2iπhx,νi dν = f (ν)gbn (ν − x)dν
RN RN
Le membre de gauche tend vers F fˆ(x) d’après R le théorème de convergence dominée. Montrons que
le membre de droite tend vers f (x). Comme RN gbn (ν)dν = 1, on peut écrire
Z Z
f (ν)gbn (ν − x)dν − f (x) = (f (ν + x) − f (x))gbn (ν)dν
RN RN
Soit  > 0, il existe η = η(, x) tel que ky − xk∞ ≤ η ⇒ |f (y) − f (x)| ≤  (f continue en x). On
peut alors écrire :
Z Z Z
(f (x + ν) − f (x))gbn (ν)dν = (f (x + ν) − f (x))gbn (ν) + (f (x + ν) − f (x))gbn (ν)
RN kνk∞ ≤η kνk∞ ≥η
32 CHAPITRE 3. RAPPEL : TRANSFORMÉE DE FOURIER DES FONCTIONS

Pour tout n ∈ N∗ , on a :
Z Z
|f (x + ν) − f (x)|gbn (ν)dν ≤  gbn (ν)dν = .
kνk∞ ≤η R

De plus,
N
2
Z Y
| f (x)gbn (ν)|dν ≤ |f (x)| (1 − arctan(νn))
kνk∞ ≥η π
i=1
qui tend vers 0 lorsque n tend vers l’infini. En outre, comme (gbn )i (fonction uniquement de la
variable νi ) est paire et décroissante sur R+
Z
| f (x + ν)gbn (ν)| ≤ gbn (η)kf k1 ,
kνk∞ ≥η

avec η = (η, · · · , η), cette expression tendant vers 0 lorsque n tend vers l’infini. Le point 1. du
théorème est donc démontré.
2 2
Nous démontrons ensuite le point 2. On multiplie l’intégrande par ĥ (ν) = e−π kνk2 :
Z Z
2 2
I = ( f (u)e−π kνk2 e2iπhν,(x−u)i du)dν
RN RN
2 2
on a (u, ν) → φ(u, ν) = f (u)e−π kνk2 e2iπhν,(x−u)i ∈ L1 (RN ×RN ). On va pouvoir appliquer Fubini
pour donner deux expressions de I :
i) On intègre par rapport à u :
Z
2 2
I = fˆ(ν)e−π kνk2 e2iπνx dν
RN
2 2
Or |fˆ(ν)e−π kνk2 e2iπνx | ≤ |fˆ(ν)| qui appartient à L1 (RN ) et lim e−π kνk2 = 1. Donc par le
2 2

→0
théorème de convergence dominée, on obtient que lim I = RN fˆ(ν)e2iπνx dx.
R
→0
ii) on intègre par rapport à v :
Z 
1 − kx−uk2 2
Z Z
−π2 kνk22 2iπhν,(x−u)i
I = f (u) e e dν du = f (u) e  du,
RN RN RN N
en utilisant les propriétés des transformées de Fourier des Gaussiennes et la formule de
kxk2 2
dilatation. Par ailleurs on sait que la fonction h (x) = 1N e−π(  ) est d’intégrale égale à 1.
On peut donc en déduire :
Z Z Z
|I (x) − f (x)| = |(f (x − u) − f (x))h (u)|du
RN R
Z Z
N R

= |f (x − u) − f (x)|h (u)du

R N R N
Z
≤ kf (x − u) − f (x)k1 h(u)du
RN

Or, dans L1 (RN ), nous avons la propriété suivante :

Proposition 4
Soit f ∈ L1 (RN ), h ∈ RN . On pose τh f (x) = f (x − h). Alors lim kτh f − f k1 = 0.
khk→0
3.1. TRANSFORMÉE DE FOURIER DANS L1 (RN ) 33

Démonstration La démontration utilise la densité des fonctions continues à support com-

pact dans L1 (RN ). En effet, il existe une suite gn ∈ Cc (RN ) telle que :

∀ > 0 ∃N ∀n ≥ N kf − gn k1 ≤ 

On a :
Z Z Z Z
|f (x+η)−f (x)| ≤ |f (x+η)−gn (x+η)|+ |gn (x+η)−gn (x)|+ |gn (x)−f (x)|
RN RN RN RN

Considérons N tel que kf − gN k1 ≤ 3 puis η tel que kgN (x + η) − gN (x)k1 ≤ 

3 (Théorème
de convergence dominée), d’où le résultat.
Revenons en alors à la démonstration du Théorème 6. Comme kf (x − u) − f (x)k1 |h(u)| ≤
2kf k1 |h(u)| qui appartient à L1 (RN ), on en déduit en appliquant le théorème de convergence
dominée que :

lim kI − f k1 = 0
→0

Donc I tend vers f dans L1 (RN ) donc il existe une sous suite Iφ() convergeant vers f
presque partout (résultat admis), d’où le résultat.

3.1.4 Produit de convolution dans L1 (RN )

Théorème 7 et définition
f ∈ L1 (RN ), g ∈ L1 (RN ). On pose : ∀x ∈ RN , (f ∗ g)(x) = RN f (y)g(x − y)dy.
R

Alors (f ∗ g) est défini presque partout , intégrable et kf ∗ gkL1 (RN ) ≤ kf kL1 (RN ) kgkL1 (RN ) .

Démonstration Appliquons le théorème de Fubini :

Z Z  Z Z 
|f (y)g(x − y)| dy dx = |f (y)| |g(x − y)| dx dy (3.1)
RN RN RN RN

Et par changement de variable u = x − y. Nous obtenons :

Z Z 
(3.1) = |f (y)| |g(u)| du dy = kf kL1 (RN ) kgkL1 (RN ) < +∞
RN RN
R
Donc x 7→ RN |f (y)g(x − y)| dy est intégrable donc finie presque partout. Donc (f ∗ g) est définie
presque partout, intégrable et :
Z
|(f ∗ g)(x)| dx ≤ kf kL1 (RN ) kgkL1 (RN )
RN
34 CHAPITRE 3. RAPPEL : TRANSFORMÉE DE FOURIER DES FONCTIONS

3.1.5 Convolution et transformée de Fourier dans L1 (RN )

Théorème 8 Convolution et transformée de Fourier

i) Soient f ∈ L1 (RN ), h ∈ L1 (RN ). Alors ∀ν ∈ RN , F(f ∗ h)(ν) = fˆ(ν)ĥ(ν).

ii) Soient f ∈ L1 (RN ), h ∈ L1 (RN ) tels que fˆ et ĥ soient aussi dans L1 (RN ). Alors pour
presque tout ν, on a : fˆ ∗ ĥ(ν) = F(f h)(ν)

Démonstration i) Appliquons le théorème de Tonelli :

Z Z 
|f (y)g(x − y)| dy e−2iπhν,xi dx = kf kL1 (RN ) kgkL1 (RN ) < +∞,
RN RN

car e−2iπhν,xi = 1. Nous pouvons alors appliquer le théorème de Fubini :

Z Z 
F(f ∗ g)(ν) = f (y)g(x − y)dy e−2iπhν,xi dx
N N
ZR ZR 
= f (y)g(x − y)dy e−2iπhν,(x−y+y)i dx
RN RN
Z Z 
−2iπhν,yi −2iπhν,(x−y)i
= f (y)e g(x − y)e dx dy
RN RN
Z Z 
= f (y)e −2iπhν,yi
g(u)e−2iπhν,ui
du dy = fˆ(ν)ĝ(ν)
RN RN

ii) Comme fˆ et ĝ sont dans L1 (RN ) nous avons d’après ce qui précède, en remarquant que F a les
mêmes propriétés que F :
F(fˆ ∗ ĝ) = F(fˆ)F(ĝ)
= f g p.p.
comme f = F(fˆ), f est bornée donc on peut considérer la transformée de Fourier de f g pour
finalement obtenir : fˆ ? ĝ = F(f g).

3.2 Transformée de Fourier dans L2 (RN )

Nous avons vu que la transformée de Fourier dans L1 (RN ) présente des inconvénients notant en
terme d’inversion. Dans ce qui suit, nous allons voir comment l’on peut définir la transformée de
Fourier sur L2 (RN ) comme une application bijective de L2 (RN ) dans L2 (RN ).

3.2.1 L’espace L2 (RN )

Soient f, g ∈ L2 (RN ), on rappelle que L2 (RN ) est muni du produit scalaire hf, gi = RN f (x)g(x)dx
R
p
et que la norme sur L2 (RN ) est alors définie par kf k2 = hf, f i
Remarque : L2 (RN ) est un espace de Hilbert (voir chapitre concerné) dans lequel on a le théorème
de Cauchy-Schwarz :
3.2. TRANSFORMÉE DE FOURIER DANS L2 (RN ) 35

Théorème 9 (Cauchy-Schwarz)
Soit f et g appartenant à L2 (RN ), on a la propriété suivante :
Z
| f (t)ḡ(t)| ≤ kf k2 kgk2
RN

3.2.2 Convolution dans L2 (RN )

On appelle convolution dans L2 (RN ) l’application définie pour toute fonction f et g de L2 (R) par :
Z
F (x) = f (x − y)g(y)dy
RN

On a alors le théorème suivant :

Théorème 10
F ∈ C 0 (RN ) L∞ (RN )
T

Démonstration F appartient à L∞ (RN ) par application directe du théorème de Cauchy-Schwarz.

Par ailleurs,
Z
|F (x + η) − F (x)| = | (f (x + η − y) − f (x − y)) g(y)|dy
RN
≤ kf (x + η − .) − f (x − .)k2 kgk2

On montre que kf (x + η − .) − f (x − .)k2 tend vers 0 avec η, en utilisant à nouveau la densité des
applications continues à support compact dans L2 (RN ). Donc f est continue en x.

3.2.3 Transformée de Fourier dans L2 (RN )

Théorème 11 (Plancherel-Parseval)
Soit f et h appartenant à L2 (RN ) L1 (RN ), alors on a :
T

Z Z
f (t)h(t)dt = fˆ(ν)ĥ(ν)dν
RN RN

Si f = h, on a la propriété suivante : kf k2 = fˆ
2

Démonstration On commence par démontrer que la transformée de Fourier d’une fonction

L1 (RN ) L2 (RN ) est dans L2 (R) en montrant que kf k22 = kfˆk22 .
T
36 CHAPITRE 3. RAPPEL : TRANSFORMÉE DE FOURIER DES FONCTIONS

2 α −N/2 − α
π 2
Pour cela, on considère gα (x) = e−αkxk2 dont la transformée de Fourier est ĝα (ν) = e kνk2 .


π
Par application du théorème de convergence monotone on a tout d’abord :
Z Z
ˆ 2
gα (x)|f (x)| → |fˆ|2 ≤ +∞
RN α→0 RN

car gα (x)|fˆ(x)|2 est positive, appartient à L1 (RN ) et est croissante lorsque α décroit.
Par ailleurs, comme la fonction (x, u, y) → f (y)f (u)ei2πx(u−y) gα (x) est dans L1 ((RN )3 ) (en appli-
quant le théorème de Tonnelli).
Z Z Z Z
gα (x)|fˆ(x)|2 = f (y) f (u) e−i2πhx,y−ui gα (x)dxdydu
N RN RNZ
Z R Z Z R
= f (y) f (u)ĝα (y − u)dydu = f (y + u)f (u)du ĝα (y)dy
RN RN RN RN
r
α −πy2
Z Z
= G(y)ĝα (y)dy = G( y)e dy
RN RN π
→ G(0) = kf k22 ,
α→0

où G est la corrélation de f avec elle-même, la limite s’obtenant en appliquant le théorème de

T conver-
gence dominée. Nous savons donc que la transformée de Fourier d’une fonction de L1 (RN ) L2 (RN )
est dans L2 (RN ).
Nous allons maintenant démontrer la formule de Plancherel. Soit f et h dans L1 (RN ) L2 (RN ). fˆĥ
T
appartient à L1 (RN ) en tant que produit de fonctions de L2 (RN ). Par ailleurs, si l’on pose ȟ(t) =
h̄(−t) on a F(f ∗ ȟ) = fˆĥ qui appartient à L1 (RN ), donc d’après le théorème d’inversion de la trans-
formée de Fourier et comme f ∗ ȟ est continue en tant que convolution de fonctions de L2 (R), on a f ∗
ȟ(x) = F(fˆĥ)(x), pour tout x. En considérant la valeur en x = 0, on obtient l’égalité de Plancherel.
Proposition 5
L’espace L1 (RN ) L2 (RN ) est dense dans L2 (RN ).
T

Démonstration Soit la suite fn (x) = χ[−n,n]N (x)f (x) qui appartient à L1 (RN ) L2 (RN ), on
T

vérifie que fn tend vers f dans L2 (RN ).

Considérons une suite fn de fonctions de L1 (RN ) L2 (RN ) convergeant vers f dans L2 (RN ). Nous
T
avons vu que fˆn appartient à L2 (RN ), d’autre part fˆn est de Cauchy dans L2 (RN ) puisque
kfˆn − fˆp k2 = kfn − fp k2 → 0 quand p et n tendent vers l’infini car fn de Cauchy.
On définit fˆ∞ la limite dans L2 (RN ) de fˆp .
Il faut montrer que cette limite est indépendante du choix de la suite fn tendant versTf . Il est
facile de voir que cela provient de l’égalité de Parseval. En effet, soit fn et f˜n de L1 (RN ) L2 (RN )
tendant vers f dans L2 (RN ) alors :

kfn − f˜n k2 = kfˆn − fn k2 → 0,

c̃

donc les transformées de Fourier ont la même limite dans L2 (RN ).

On a alors la définition suivante :
3.2. TRANSFORMÉE DE FOURIER DANS L2 (RN ) 37

Définition 5 La transformée de Fourier d’une fonction f de L2 (RN )Test définie comme la limite
dans L2 (RN ) de la transformée de Fourier de toute suite fn de L1 (RN ) 2 (RN ) tendant vers f dans
L2 (RN ).

On notera par la suite F(f ) la transformée de Fourier de f quand f est dans L2 (RN ).
Remarque : comme on a le choix de la suite, on prend fn = χ[−n,n]N f .

3.2.4 Propriété de la transformée de Fourier dans L2 (RN )

Théorème 12
La transformation de Fourier (resp. F) se prolonge en une isométrie de L2 (RN ) dans L2 (RN ).
Désignons toujours par F et F, ces prolongements, on a alors :
— ∀f ∈ L2 (RN ) FF(f
R ) = FF(f ) = fRpresque partout.
— ∀f, g ∈ L2 (RN ) RN f (x)g(x)dx = RN F(f )F(g)dξ
— ∀f ∈ L2 (RN ) kf k2 = kF(f )k2

1 (RN )
T 2 N
Démonstration La démonstration découle de la densité de L L (R ) dans L2 (RN ) (les
égalités étant vraies dans L (R ) L (R ), elles le sont aussi dans L (RN )).
1 N
T 2 N 2
38 CHAPITRE 3. RAPPEL : TRANSFORMÉE DE FOURIER DES FONCTIONS
Chapitre 4

Théorie élémentaire des distributions

4.1 Motivations
La théorie des distributions a été introduite pour élargir la notion de fonction et pour étendre
la notion de dérivation dans le cas de fonctions discontinues. Elle permet d’unifier l’étude des
phénomènes discrets et des phénomènes continus, entre autres en mécanique, en électronique et en
probabilités.
Pour modéliser des impulsions, le physicien Paul Dirac a l’idée dans les années 1920 d’utiliser une
pseudo-fonction, déjà introduite par Oliver Heaviside, connue maintenant sous le nom de distribu-
tion de Dirac et supposée vérifier :

+∞ si x = a
δa (x) =
0 sinon

et, pour toute fonction continue φ

Z +∞
δa (x)ϕ(x)dx = ϕ(a).
−∞

Cet objet δa n’est sûrement pas une fonction mais il faudra attendre les années 1945-1950 et les
travaux de Laurent Schwartz pour qu’un sens mathématique précis soit donné à ce concept et pour
que des règles précises d’utilisation soient rigoureusement établies. L’idée fondamentale
R consiste à
remarquer que pour connaı̂tre une fonction f il suffit de connaı̂tre les valeurs de R f (x)ϕ(x)dx pour
un ensemble bien choisi et assez grand de fonctions ϕ. Cet ensemble de fonctions est appelé l’en-
semble des fonctions tests. Pour pouvoir intégrer par parties sans problème, les ϕ seront supposées
indéfiniment dérivables. Pour que l’intégrale existe pour toute fonction f localement sommable, on
supposera qu’il existe, pour chaque fonction ϕ, un intervalle borné en dehors duquel ϕ s’annule.
La théorie des distributions va permettre en outre de dériver des fonctions qui n’ont pas de dérivée
au sens classique. C’est l’outil de base pour l’étude des équations aux dérivées partielles.

4.2 L’espace des fonctions test

4.2.1 Notations
Ω désigne une partie de RN . Un point de RN est noté x = (x1 , . . . , xN ).
Pour tout N -uplet d’entiers α = (α1 , . . . , αN ) on définit |α| = α1 + · · · + αN et α! = α1 ! · · · αN !

39
40 CHAPITRE 4. THÉORIE ÉLÉMENTAIRE DES DISTRIBUTIONS

Pour tout h ∈ RN et α ∈ NN on note : hα = hα1 1 · · · hαNN

∂α ∂ α1 ∂ α2 ∂ αN ∂ |α|
Toute dérivée partielle sera notée : ∂ α = ∂x α = α α ...
∂x 1 ∂x 2
α
∂x N
= α1 α
∂x1 ...∂xNN
1 2 N

4.2.2 Support d’une fonction

Dans ce chapitre nous allons nous intéresser aux fonctions à support compact :
Définition 1 Soit ϕ une fonction continue définie sur Ω. On appelle support de ϕ et on note
Supp (ϕ) l’adhérence (dans Ω) de l’ensemble des points où ϕ est non nulle.
Une définition équivalente : le complémentaire (dans Ω) du support d’une fonction ϕ est le plus
grand ouvert (dans Ω) sur lequel ϕ est nulle.

4.2.3 Définition des fonctions test D(Ω)

Définition 2 On note D(Ω) (ou encore Cc∞ (Ω)) l’ensemble des fonctions définies sur Ω et à valeurs
dans C, indéfiniment dérivables et à support compact inclus dans Ω.
D(Ω) est un espace vectoriel.
Remarque 1 Soit  ϕ ∈ D(Ω). Supp (ϕ) est compact et Supp (ϕ) ⊂ Ω.
0 si x ∈ RN \ Supp (ϕ)
Posons : ϕ̃(x) =
ϕ(x) si x ∈ Supp (ϕ)
alors ϕ̃ ∈ D(RN ).
(
−1
exp 1−kxk2 si kxk < 1
Exemple 1 ϕ(x) =
0 si kxk ≥ 1
ϕ ∈ D(RN ), Supp (ϕ) = B(0, 1)

Théorème 1
Pour tout ε > 0, il existe ϕ ∈ D(RN ) tel que :
ϕ(x) = 1 pour kxk ≤ 1, 0 ≤ ϕ ≤ 1 et ϕ(x) = 0 pour kxk ≥ 1 + ε.

Démonstration
R Considérons f l’indicatrice de B(0, 1), et une fonction ψ ∈ D(RN ), telle que
RN ψ(x)dx = 1 et Supp (ψ) = B(0, ε), alors ϕ = f ∗ ψ satisfait la propriété ( Supp (f ∗ ψ) ⊂
B(0, 1 + ε)). On peut obtenir une telle fonction ψ simplement à partir de l’exemple 1.

4.2.4 Convergence dans D(Ω)

Définition 3 Soient ϕn et ϕ ∈ D(Ω). On dit que ϕn converge vers ϕ dans D(Ω) si :
— ∃K compact, K ⊂ Ω tel que ∀ n, Supp (ϕn ) ⊂ K
— ∀ α ∈ NN , ∂ α ϕn −→ ∂ α ϕ uniformément.

Théorème 2
D(Ω) est dense dans Lp (Ω), 1 ≤ p < +∞.
4.3. DÉFINITION DES DISTRIBUTIONS 41

4.3 Définition des distributions

Définition 4 Une distribution T sur Ω est une forme linéaire continue sur D(Ω), c’est-à-dire :
(i) ∀ ϕ1 , ϕ2 ∈ D(Ω), ∀ λ ∈ C, T (ϕ1 + λϕ2 ) = T (ϕ1 ) + λT (ϕ2 )
(ii) Si ϕn −→ ϕ dans D(Ω), alors T (ϕn ) −→ T (ϕ) dans C

On note hT, ϕi ou T (ϕ).

Remarque 2 Notion équivalente pour le point ii) : Pour tout compact K ⊂ Ω, il existe Ck > 0
et k ∈ N tels que pour tout ϕ ∈ D(Ω) avec Supp (ϕ) ⊂ K, on ait hT, ϕi ≤ Ck kϕkC k (K) , avec
kϕkC k (K) = max k∂ α ϕk∞,K .
|α|≤k

On note D0 (Ω) l’ensemble des distributions sur Ω ; c’est un espace vectoriel.

Exemples
1. On note L1loc (Ω) l’ensemble des fonctions mesurables sur Ω, intégrables sur tout compact de
Ω. Par exemple, √1 ∈ L1loc (R).
|x|
1
R
Soit f ∈ Lloc (Ω). Pour ϕ ∈ D(Ω) on pose : hTf , ϕi = Ω f (x)ϕ(x) dx
Tf ∈ D0 (Ω) :
— Tf est bien définie puisque |f (x)ϕ(x)| ≤ kϕk∞ 1lSupp(ϕ) (x)|f (x)| ∈ L1 (Ω)
— Tf est linéaire (linéarité de l’intégrale).
— Tf est continue Z sur D(Ω) : Soit ϕZn ∈ D(Ω) telle que ϕn → 0 dansZ D(Ω).
|hTf , ϕn i| = f (x)ϕn (x)dx ≤ |f (x)| |ϕn (x)| dx ≤ kϕn k∞ |f (x)| dx
Ω K
2. Soit a ∈ RN . Pour ϕ ∈ D(RN ) on pose :

hδa , ϕi = ϕ(a)

δa ∈ D0 (RN ) :
— Linéarité : hδa , ϕ1 + λϕ2 i = (ϕ1 + λϕ2 )(a) = ϕ1 (a) + λϕ2 (a) = hδa , ϕ1 i + λhδa , ϕ2 i
— Continuité : Si ϕn −→ 0 dans D(RN ) : |hδa , ϕn i| = |ϕn (a)| ≤ kϕn k∞ −→ 0
Quand a = 0, on note δ = δ0 .
3. Soit f ∈ L1loc (Ω). Pour ϕ ∈ D(Ω) et j ∈ {1, . . . , N }, posons :

∂ϕ
Z
hT, ϕi = f (x) (x) dx
Ω ∂x j

Si ϕn −→ 0 dans D(Ω) : soit K compact tel que ∀ n, Supp (ϕn ) ⊂ K.

∂ ϕn
Z
|hT, ϕn i| ≤ |f (x)| dx −−−→ 0
∂xj K n→∞
∞

Proposition 1
L’application de L1loc (Ω) dans D0 (Ω) qui à f associe Tf est linéaire et injective.
42 CHAPITRE 4. THÉORIE ÉLÉMENTAIRE DES DISTRIBUTIONS

Démonstration
— ∀ f1 , f2 ∈ L1loc (Ω), ∀ λ ∈ C, Tf1 +λf2 = Tf1 + λTf2
En effet, soit ϕZ∈ D(Ω), Z Z
hTf1 +λf2 , ϕi = (f1 + λf2 ) ϕ = f1 ϕ + λ f2 ϕ = hTf1 , ϕi + λhTf2 , ϕi
Ω Z Ω Ω
— Si ∀ϕ ∈ D(Ω), hTf , ϕi = f (x)ϕ(x)dx = 0, alors f = 0. En effet, nous avons D(Ω) dense
Ω
dans RL2 (Ω), donc soit ϕn une suite tendant vers f dans L2 (Ω) alors Ω f (x)ϕn (x) = 0 tend
R

vers Ω |f (x)|2 = 0 donc f est nulle presque partout.

Remarque 3 L’application définie dans la proposition 1 n’est pas surjective. Elle permet d’identi-
fier L1loc (Ω) à un sous espace vectoriel de D0 (Ω) qu’on appelle les distributions régulières.

4.4 Convergence des distributions

Définition 5 On dit que la suite de distributions Tn ∈ D0 (Ω) converge vers la distribution T ∈
D0 (Ω) si pour toute ϕ ∈ D(Ω), hTn , ϕi −→ hT, ϕi.
X Xp
On dit qu’une série Tn converge et a pour somme T si la suite Sp = Tn converge vers T .
n≥0 n=0

Exemples 2
1. Soit fn (x) = cos(nx), fn ∈ L1loc (R). Tfn ∈ D0 (R).
R
lim Tfn = 0 (car ∀ ϕ ∈ D(R), hTfn , ϕi = cos(nx)ϕ(x)dx −−−→ 0).
n→+∞ n→∞
2. Soit n ∈ N, δn −→ 0 dans D0 (R).
Soit ϕ ∈ D(R), hδn , ϕi = ϕ(n) = 0 pour n grand (car ϕ à support compact).

Théorème 3
Soit Tn ∈ D0 (Ω), n ∈ N.
Si pour toute ϕ ∈ D(Ω), hTn , ϕi a une limite dans C, alors Tn a une limite dans D0 (Ω).

Démonstration
— ϕ ∈ D(Ω) entraine limn→+∞ hTn , ϕi existe.
ϕ1 , ϕ2 ∈ D(Ω) et λ ∈ C.
lim hTn , ϕ1 + λϕ2 i = lim hTn , ϕ1 i + λhTn , ϕ2 i = lim hTn , ϕ1 i + λ lim hTn , ϕ2 i, d’où la
n→+∞ n→+∞ n→+∞ n→+∞
linéarité.
— La continuité de lim Tn est une conséquence du théorème de Banach Steinhaus (admis)

n
X
Exemple 3 ∀ n, Tn = δp ∈ D0 (R). En effet, soit ϕ ∈ D(R), ∃ no ∈ N tq Supp (ϕ) ⊂ [−n0 , n0 ].
p=0
4.5. OPÉRATIONS SUR LES DISTRIBUTIONS 43

n0
X n0
X
hTn , ϕi = ϕ(p) −−−→ ϕ(p), donc il existe T ∈ D(R) tel que Tn −→ T dans D0 (R) : T =
n→∞
p=0 p=0
X
δp .
p≥0

4.5 Opérations sur les distributions

Le but : étendre aux distributions certaines opérations définies sur les fonctions.
Les conditions :
1. La nouvelle définition doit coı̈ncider avec l’ancienne pour les fonctions.
2. Continuité au sens des distributions des opérations définies.

4.5.1 Dérivation des distributions

Soit f ∈ C 1 (Ω) (donc ∈ L1loc (Ω)) et soit 1 ≤ j ≤ N . Pour ϕ ∈ D(Ω) :

∂f ∂ϕ
Z Z
(x)ϕ(x)dx = − f (x) dx
Ω ∂xj Ω ∂xj
∂ϕ
hT ∂ f , ϕi = −hTf , i
∂x
j ∂xj
Pour les distributions on a :
Définition 6 Soit T ∈ D0 (Ω), 1 ≤ j ≤ N et ϕ ∈ D(Ω), on définit ∂T
∂xj par :

∂T def ∂ϕ
h , ϕi = −hT, i
∂xj ∂xj

Proposition 2
Soit T ∈ D0 (Ω).
∂T ∂2T ∂2T
1. Pour 1 ≤ j ≤ N, ∈ D0 (Ω). Pour 1 ≤ j, k ≤ N on a : =
∂xj ∂xj ∂xk ∂xk ∂xj
2. T est indéfiniment dérivable et on a : ∀ ϕ ∈ D(Ω), h∂ α T, ϕi = (−1)|α| hT, ∂ α ϕi

Démonstration (du 1.)

— Soit ϕ et ψ ∈ D(Ω), λ ∈ C.
∂T ∂
h , ϕ + λψi = −hT, (ϕ + λψ)i
∂xj ∂xj
∂ϕ ∂ψ
= −hT, +λ i
∂xj ∂xj
∂ϕ ∂ψ
= −hT, i − λhT, i
∂xj ∂xj
∂T ∂T
= h , ϕi + λh , ψi
∂xj ∂xj
44 CHAPITRE 4. THÉORIE ÉLÉMENTAIRE DES DISTRIBUTIONS

∂ ϕn
— Soit ϕn −→ 0 dans D(Ω), alors −→ 0 dans D(Ω).
∂xj
∂T ∂ ϕn
On a : h , ϕn i = −hT, i −→ 0
∂xj ∂xj
— Soit ϕ ∈ D(Ω).
∂2T ∂T ∂ϕ
h , ϕi = −h , i
∂xj ∂xk ∂xk ∂xj
∂2ϕ ∂2ϕ
= hT, i = hT, i d’après le théorème de Schwarz, car ϕ est régulière
∂xk ∂xj ∂xj ∂xk
∂T ∂ϕ ∂2T
= −h , i = h , ϕi
∂xj ∂xk ∂xk ∂xj

Proposition 3
La dérivation est continue sur D0 (Ω).
Si Tn , T ∈ D0 (Ω) et Tn −→ T dans D0 (Ω), alors ∀ α ∈ NN , ∂ α Tn −→ ∂ α T dans D0 (Ω).

Démonstration
Soit ϕ ∈ D(Ω), h∂ α Tn , ϕi = (−1)|α| hTn , ∂ α ϕi −→ (−1)|α| hT, ∂ α ϕi = h∂ α T, ϕi

Remarque 4 Toute fonction continue et même localement intégrable a des dérivées de tous les
ordres (en tant que distribution) : ces dérivées ne sont pas en général des fonctions 1 .

∂
Exemple 4 Si f ∈ C 1 (Ω) : (Tf ) = T ∂ f , la dérivée est encore une distribution régulière.
∂xj ∂x
j

Exemples 5

1 si x > 0
1. On considère TY , où Y est la fonction d’Heaviside définie par : Y (x) =
0 si x < 0

Y ∈ L1loc (R), donc Y définit une distribution TY ∈ D0 (R) (elle est dérivable).
Soit ϕ ∈ D0 (R)
Z +∞
hTY0 , ϕi = −hTY , ϕ0 i = − ϕ0 (x)dx = ϕ(0) = hδ0 , ϕi
0
Donc TY0 = δ0 .
2. Posons f (x) = ln |x| pour x 6= 0.
f ∈ L1loc (R) donc f définit une distribution de D0 (R).
Soit ϕ ∈ D(R).
Z Z
hTf0 , ϕi = −hTf , ϕ0 i = − f (x)ϕ0 (x)dx = − lim f (x)ϕ0 (x)dx par convergente do-
R ε→0+ |x|≥ε
minée.

1. i.e : des distributions de la forme Tf

4.5. OPÉRATIONS SUR LES DISTRIBUTIONS 45

Pour M suffisamment grand, on a que Supp (ϕ) ⊂ [−M, M ], donc on peut écrire :

Z Z M Z −ε
f (x)ϕ0 (x)dx = f (x)ϕ0 (x)dx + f (x)ϕ0 (x)dx
|x|≥ε ε
Z M −M Z −ε
M ϕ(x) −ε ϕ(x)
= f (x)ϕ(x)]ε − dx + f (x)ϕ(x)]−M − dx
ε x −M x
ϕ(x)
Z
= −ϕ(ε) ln(ε) + ϕ(−ε) ln(ε) − dx
| {z } ε≤|x| x
−→0

En effet : (ϕ(ε)−ϕ(−ε)) ln(ε) = 2εϕ0 (θ) ln(ε) où θ ∈]−ε, ε[, par théorème des accroissements
finis, d’où : |(ϕ(ε) − ϕ(−ε)) ln(ε)| ≤ 2 kϕk∞ |ε ln(ε)| −→ 0. On a donc, Tf0 est bien une
distribution et on définit vp x1 := Tf0 .

Définition 7 Soit a = a0 < a1 < . . . < ap < ap+1 = b des points de R. Soit f une application
définie sur ]a, b[\{a1 , . . . , ap }.
On dit que f est de classe C k par morceaux si ∀ j ∈ {1, . . . , p}, f a des dérivées jusqu’a l’ordre k
sur ]aj , aj+1 [ et si ces dérivées se prolongent continûment sur ]a, a1 ], [aj , aj+1 ] pour 1 ≤ j ≤ p − 1
(si p ≥ 2) et sur [ap , b[. On note f (ai ± 0) les limites à droite et à gauche en ai , i = 1, . . . , p.

Théorème 4 Formule des sauts

Soit f de classe C 1 par morceaux sur ]a, b[. On a :
p
X
Tf0 = Tf 0 + (f (ai + 0) − f (ai − 0))δai
i=1

où Tf0 désigne la dérivée de f au sens des distributions et Tf 0 désigne la distribution définie par
la dérivée de f en dehors des points ai , 1 ≤ i ≤ p.

Exemple 6 TY0 = T0 + δ0 = δ0
46 CHAPITRE 4. THÉORIE ÉLÉMENTAIRE DES DISTRIBUTIONS

Démonstration Pour p = 1 : Soit ϕ ∈ D(]a, b[).

hf 0 , ϕi = −hf, ϕ0 i
Z a1 Z b
0
= − fϕ − f ϕ0
a a1
Z a1 −1/n Z b
= − lim f ϕ0 − lim f ϕ0 par convergence dominée
n→+∞ a n→+∞ a +1/n
1
"  #
   a1 −1/n
1 1
Z
= − lim f a1 − ϕ a1 − − f 0ϕ
n→+∞ n n a
"     Z b #
1 1 0
− lim −f a1 + ϕ a1 + − fϕ
n→+∞ n n a1 +1/n
Z a1 Z b
0
= ϕ (a1 ) (f (a1 + 0) − f (a1 − 0)) + f ϕ+ f 0ϕ
a a1
| {z }
Rb
a f 0ϕ

On peut étendre la formule des sauts en dimension supérieure (avant de lire cette partie, veuillez
jeter un coup d’oeil aux rappels de calcul différentiel du chapitre 7).

Théorème 5 Formule des sauts dans RN

Soit Ω un ouvert régulier de classe C 1 de RN . On note ∂Ω son bord et f une fonction de classe
C 1 sur RN \ Ω telle que
— la restriction de f à Ω se prolonge en une fonction de classe C 1 sur un voisinage ouvert
de Ω et
— la restriction de f à RN \ Ω est une fonction de classe C 1 sur un voisinage ouvert de
RN \ Ω.
Alors la fonction f est localement intégrable sur RN et on a :

∂xj Tf = ∂xj f + [f ]∂Ω nj σ dans D0 (RN ) pour j = 1, · · · , N



∂xj f , la fonction continue par morceaux sur RN définie par la


Dans cette formule, on a noté
formule ∂xj f = ∂xj f pour tout x ∈ RN \ ∂Ω et [f ]∂Ω est le saut à travers l’hypersurface ∂Ω


dans la direction n :

[f ]∂Ω (x) = lim (f (x + tn(x)) − f (x − tn(x))), x∈Ω

t→0+

Enfin σ est la distribution définie par, pour toute fonction g définie sur ∂Ω :
Z
hgσ, ϕi = gϕds
∂Ω

où ds est la mesure de surface sur ∂Ω.

4.5. OPÉRATIONS SUR LES DISTRIBUTIONS 47

Démonstration Soit ϕ ∈ D(RN ), la formule de Green montre que :

Z Z Z
− f (x)∂xj ϕ(x)dx = − ∂xj (f ϕ)(x)dx + ϕ(x)∂xj f (x)dx
Ω ZΩ Ω Z
−
= − f (x)ϕ(x)nj (x)ds + ϕ(x)∂xj f (x)dx
∂Ω Ω

et que
Z Z Z
− f (x)∂xj ϕ(x)dx = − ∂xj (f ϕ)(x)dx + ϕ(x)∂xj f (x)dx
RN \Ω RN \Ω RN \Ω
Z Z
+
= f (x)ϕ(x)nj (x)ds + ϕ(x)∂xj f (x)dx
∂Ω RN \Ω

où l’on a noté f + (x) = lim f (x + tn(x)) et f − (x) = lim f (x − tn(x)). En additionnant membre
t→0+ t→0+
à membre ces deux égalités, on trouve que :
Z Z Z
− f (x)∂xj ϕ(x)dx = (f + (x) − f − (x))ϕ(x)nj (x)ds + ϕ(x)∂xj f (x)dx, j = 1, · · · , N.
RN ∂Ω RN

Le premier terme du membre de droite est h[f ]∂Ω nj σ, ϕi, le second est h ∂xj f , ϕi.

Théorème 6 Dérivation sous le crochet de dualité

Soit T ∈ D0 (Ω)
et une fonction test ϕ(x, y) ∈ C ∞ (Ω × RN ) à support dans K × RN avec K
compact. Alors la fonction :
y 7→ hT, ϕ(., y)i ∈ C ∞ (RN )
et l’on a :
∂yα hT, ϕ(., y)i = hT, ∂yα ϕ(., y)i

Démonstration Lorsque f ∈ L1loc (Ω), il s’agit d’une simple dérivation sous le signe intégral.
Dans le cas général, commençons par écrire la formule de Taylor à l’ordre 1 en y0 pour la fonction
y 7→ ϕ(x, y) :
XN
ϕ(x, y0 + h) = ϕ(x, y0 ) + ∂yi ϕ(x, y0 )hi + r(x, y0 , h)
i=1
avec
X hα Z 1
r(x, y0 , h) = 2 (1 − t)∂yα ϕ(x, y0 + th)dt.
α! 0
|α|=2

On remarque que la fonction x 7→ r(x, y0 , h) est à support compact. Par ailleurs, pour khk ≤ 1, on
a que
X
|∂xα r(x, y0 , h)| ≤ khk2 sup |∂xα ∂yβ ϕ(x, y)|
|β|=2 x∈K,ky−y0 k≤1

n(n + 1)
≤ khk2 max sup |∂xα ∂yβ ϕ(x, y)|.
2 |β|=2 x∈K,ky−y0 k≤1
48 CHAPITRE 4. THÉORIE ÉLÉMENTAIRE DES DISTRIBUTIONS

On en déduit donc :
N
X
hT, ϕ(., y0 + h)i = hT, ϕ(., y0 )i + hT, ∂yi ϕ(., y0 )ihi + hT, r(., y0 , h)i
i=1

où :

|hT, r(., y0 , h)i| ≤ CK khk2 max sup |∂xα ∂yβ ϕ(x, y)| = O(h2 )
|α|≤pK ,|β|=2 x∈K,ky−y0 k≤1

Ceci montre que la fonction

y 7→ hT, ϕ(., y)i
est differentiable sur RN et que ses dérivées partielles sont :

∂yi hT, ϕ(., y)i = hT, ∂yi ϕ(., y)i

En itérant l’argument par récurrence sur l’ordre de la différentiation, on obtient le résultat de la

proposition.

4.5.2 Multiplication par les fonctions C ∞

— La multiplication de deux distributions quelconques n’est pas possible en général.
Contre-exemple : f (x) = g(x) = √1 ; f, g ∈ L1loc (R). Donc Tf , Tg ∈ D0 (R) mais (f g)(x) =
|x|
1
/ L1loc (R).
∈
|x|
— Soit T ∈ D0 (Ω) et soit f ∈ C ∞ (Ω).
Cas particulier : Si T = Tg , g ∈ L1loc (Ω) : ∀ ϕ ∈ D(Ω), hf g, ϕi = Ω f gϕ = hg, f ϕi
R
def
Cas général : On pose : hf T, ϕi = hT, f ϕi, ϕ ∈ D(Ω). La formule a un sens, car f ϕ ∈ D(Ω).

Proposition 4
Avec les notations ci-dessus : f T ∈ D0 (Ω).

Démonstration
— Linéarité :
hf T, ϕ1 + λϕ2 i = hT, f (ϕ1 + λϕ2 )i = hT, f ϕ1 + λf ϕ2 i
= hT, f ϕ1 i + λhT, f ϕ2 i = hf T, ϕ1 i + λhf T, ϕ2 i
— Continuité :
D’après la formule de Leibniz RN :
X α 
∂ α (f g) = ∂ β f ∂ α−β g
β
β≤α
 
α α!
avec f, g ∈ C ∞ (Ω) ; α ∈ NN et = ; α! = α1 !α2 ! . . . αN !. L’inégalité β ≤ α
β β!(α − β)!
signifie : ∀i = 1, . . . N, βi ≤ αi .
Soit ϕn ∈ D(Ω), ϕn −→ 0. On a : f ϕn −→ 0 dans D(Ω).
En effet, ∃K compact, K ⊂ Ω tel que ∀ n, Supp (ϕn ) ⊂ K. Alors Supp (f ϕn ) ⊂ K.
4.5. OPÉRATIONS SUR LES DISTRIBUTIONS 49

Soit α ∈ NN ,
X α  X α 
α β α−β
|∂ (f ϕn )| = ∂ f∂ ϕn ≤ sup ∂ β f (x) ∂ α−β ϕn −−−→ 0
β β x∈K ∞ n→∞
β≤α β≤α

Exemples 7
1. Soit a ∈ Ω, f ∈ C ∞ (Ω), on a f δa = f (a)δa :
def
Soit ϕ ∈ D(Ω), hf δa , ϕi = hδa , f ϕi = f (a)ϕ(a) = f (a)hδa , ϕi
2. xvp x1 = 1 :

Soit ϕ ∈ D(R),
   
1 1 xϕ(x)
Z
hxvp , ϕi = hvp , xϕi = lim dx
x Zx ε→0+ |x|≥ε x
= lim ϕ(x)dx
ε→0+
Z |x|≥ε

= ϕ(x)dx(par le th. de convergence dominée)

= h1, ϕi

Proposition 5

1. Soient Tn , T ∈ D0 (Ω) et f ∈ C ∞ (Ω).

Si Tn −→ T dans D0 (Ω), alors f Tn −→ f T dans D0 (Ω).
2. Soient fn , f ∈ C ∞ (Ω) et T ∈ D0 (Ω).
Si ∀ α ∈ NN , ∂ α fn −→ ∂ α f uniformément sur tout compact de Ω, alors fn T −→ f T dans
D0 (Ω).

Démonstration
1. Soit ϕ ∈ D(Ω),
hf Tn , ϕi = hTn , f ϕi −−−→ hT, f ϕi = hf T, ϕi
n→∞
2. Soit ϕ ∈ D(Ω),
hfn T − f T, ϕi = hT, (fn − f )ϕi −→ 0 car (fn − f )ϕ −→ 0 dans D(Ω)

Remarque 5 Si Tn −→ T dans D0 (Ω) et si ∀α ∈ NN ∂ α fn −→ ∂ α f uniformément sur tout compact

(avec les notations de la proposition 4) alors fn Tn −→ f T (preuve laissée en exercice).

Proposition 6
Soit T ∈ D0 (Ω) et f ∈ C ∞ (Ω). On a :

∂f T ∂f ∂T
= T +f
∂xi ∂xi ∂xi
50 CHAPITRE 4. THÉORIE ÉLÉMENTAIRE DES DISTRIBUTIONS

Remarque 6 Ceci est aussi vrai à n’importe quel ordre, et cela se prouve en utilisant la formule
de Leibniz

Démonstration soit ϕ ∈ D(Ω).

h ∂f T ∂ϕ ∂ϕ
∂xi , ϕi = −hf T, ∂xi i = −hT, f ∂xi i
∂f ∂T ∂f ∂T ∂f ∂T
h ∂x i
T + f ∂x i
, ϕi = h ∂x i
T, ϕi + hf ∂xi
, ϕi = hT, ∂x i
ϕi + h ∂x i
, f ϕi
∂f ∂f ϕ ∂f ∂f ∂ϕ
= hT, ∂xi ϕi − hT, ∂xi i = hT, ∂xi ϕi − hT, ∂xi ϕ + f ∂x i
i
∂ϕ
= −hT, f ∂x i
i

4.5.3 Convolution d’une fonction et d’une distribution : D0 (Ω) ∗ D(Ω)

Définition 8 Soit T ∈ D0 (Ω) et ϕ ∈ D(Ω). Alors
def
∀x ∈ Ω, (T ∗ ϕ)(x) = hT, ϕ(x − .)i où ϕ(x − .) : y 7→ ϕ(x − y)

La définition est consistante, car à x fixé, y 7→ ϕ(x − y) est C ∞ , à support compact, c’est donc une
fonction de D(Ω).
Remarque 7 Encore une fois cette définition découle de la situation lorsque f est une distribution
fonction. En effet, la définition donne dans ce cas :
Z
(Tf ∗ ϕ)(x) = hTf , ϕ(x − .)i = f (y)ϕ(x − y)dy,
RN

et on retrouve donc la définition classique de la convolution de deux fonctions.

Théorème 7
Soit T ∈ D0 (Ω) et ϕ ∈ D(Ω).

Alors x 7→ (T ∗ ϕ)(x) est une f onction, continue, C ∞

Ω → C

Et on a : ∀α ∈ Nn , ∂ α (T ∗ ϕ)(x) = (∂ α T ∗ ϕ)(x) = (T ∗ ∂ α ϕ)(x)

Démonstration
Continuité :
(T ∗ ϕ)(x + h) − (T ∗ ϕ)(x) = hT, ϕ(x + h − ·) − ϕ(x − ·)i
| {z }
ϕx,h (y)∈D(Ω)

On a : ϕx,h −−−−→ 0 dans D(Ω) (ϕx,h et ∂ α ϕx,h −−−−→ 0 uniformément sur tout compact.
khk→0 khk→0
En effet, un développement à l’ordre 1 nous donne ϕx,h (y) = Dϕ(x − y + θh).h, avec θ ∈]0, 1[
(formule de Taylor-Lagrange dans RN ), |ϕx,h (y)| ≤ kϕkC 1 (K) khk, donc |ϕx,h (y)| tend vers 0
uniformément lorsque khk tend vers 0. De façon générale, on a ∂ α ϕx,h (y) = (−1)|α| ∂ α ϕ(x +
h − y) − (−1)|α| ∂ α ϕ(x − y), d’où |∂ α ϕx,h (y)| ≤ kϕkC |α|+1 (K) khk|α|+1 , d’où la convergence
uniforme lorsque khk tend vers 0. Enfin, comme T est continue sur D(Ω), limh→0 [(T ∗ ϕ)(x +
h) − (T ∗ ϕ)(x)] = 0.
4.6. DISTRIBUTIONS PÉRIODIQUES 51

Dérivabilité : D’après le théorème de dérivation sous le crochet dualité, il vient :

∂ α hT, ϕ(x − .)i = hT, ∂ α ϕ(x − .)i = (T ∗ ∂ α ϕ)(x).
par ailleurs d’après les propriétés de la dérivation :
hT, ∂ α ϕ(x − .)i = (−1)|α| hT, ∂ α (ϕ(x − .))i = h∂ α T, ϕ(x − .)i

Exemples 8
— (δ0 ∗ ϕ)(x) = hδ0 , ϕ(x − .)i = ϕ(x) d’où : δ0 ∗ ϕ = ϕ.
— (δa ∗ ϕ)(x) = hδa , ϕ(x − .)i = ϕ(x − a)

Remarque 8 ∗ est une opération régularisante.

4.6 Distributions périodiques

Définition 9 Soit a fixé. On définit hτa T, ϕi = hT, τ−a ϕi (on rappelle τa ϕ(x) = ϕ(x − a)). On dit
que T ∈ D0 (R) est périodique, de période a, si τa T = T .

Théorème 8
Soit (λn )n∈Z une suite dans C à croissance lente, c’est-à-dire :

∃m ∈ N, ∀n ∈ Z, |λn | ≤ C(1 + |n|)m

(où C est une constante indépendante de n).

Alors la série : X t
λn e2iπn a
n∈Z

converge au sens des distributions vers une distribution T de période a.

Lemme 1

Soient fn , f ∈ C 0 (Ω), bornées et telles que kfn − f k∞ −→ 0. Alors fn −→ f dans D0 (Ω).

Démonstration (Lemme)R R
∀ ϕ ∈ D(Ω), hfn , ϕi = fn ϕ −→ f ϕ = hf, ϕi (par th. de convergence dominée)

Démonstration (Théorème)
N  a m+2
X t
Pour N ∈ N, posons : SN (t) = λn e2iπn a
n=−N
2iπn
n6=0
SN vérifie les conditions du lemme 1. Donc SN −→ S ∈ D0 (R) (au sens des distributions).
Alors : (SN )(m+2) −→ S (m+2) dans D0 (R) et on rajoute λ0 . La limite est évidemment périodique en
tant que limite de suite de fonctions périodiques.
52 CHAPITRE 4. THÉORIE ÉLÉMENTAIRE DES DISTRIBUTIONS

4.7 Distribution à support compact

Définition 10 Soit T ∈ D0 (Ω). Soit ω ⊂ Ω un ouvert. On dit que T est nulle sur ω si pour toute
ϕ ∈ D(ω), hT, ϕi = 0.

Exemple 9 Soit a ∈ RN . δa est nulle sur RN \ {a}. Si ω ⊂ RN ouvert et a ∈

/ ω, δa est nulle sur ω.

Définition 11 Soit T ∈ D0 (Ω). Le support de T , noté Supp (T ), est le complémentaire (dans Ω)

du plus grand ouvert ω sur lequel T est nulle.

On peut montrer que ω existe.

Exemples 10
— Supp (δa ) = {a}
— Pour tout a ∈ RN et tout α ∈ NN , on a Supp (∂ α δa ) = {a}
— Si f ∈ C 0 (Ω) et Supp (f ) est compact, Tf ∈ E 0 (Ω).

Théorème 9 Distributions à support dans un singleton

Soit x0 un point de Ω et une distribution T ∈ D0 (Ω). Supposons que Supp (T ) ⊂ {x0 }. Alors il
existe une suite (aα )α∈NN , de nombre réels (ou complexe) telle que :
X
T = aα ∂ α δx0
α∈NN

Définition 12 On note E 0 (Ω) l’espace vectoriel des distributions à support compact (dans Ω).

Théorème 10
E 0 (Ω) est le dual de l’espace des fonctions C ∞ (Ω) donc E 0 (Ω) ( D0 (Ω).

Démonstration On montre que, pour toute fonction ϕ dans C ∞ (Ω) et toute fonction χ ∈ D(Ω)
telle que χ = 1 sur un voisinage ouvert de Supp (T ), hT, χϕi est indépendante du choix de χ et on
définit alors :
hT, ϕi := hT, χϕi
pour une telle fonction χ.
En effet, soient χ1 et χ2 appartenant à D(Ω), valant sur deux voisinages ouverts V1 et V2 de
Supp (T ), alors
(χ1 − χ2 )|V1 T V2 = 0
T
et comme V1 V2 est un voisinage ouvert de Supp (T ) dans Ω, pour T toute fonction ϕ ∈ D(Ω), la
∞
fonction (χ1 − χ2 )ϕ appartient à C Ω) et vérifie : Supp ((χ1 − χ2 )ϕ) Supp (T ) = ∅. d’où,

hT, (χ1 − χ2 )ϕi = 0

de sorte que hT, χ1 ϕi = hT, χ2 )ϕi

Chapitre 5

Transformée de Fourier des

Distributions

La transformée de Fourier des distributions va être définie pour un sous-ensemble de D0 (RN ),

appelées distributions tempérées. Celles-ci sont définies comme des formes linéaires continues sur
l’espace de Schwartz que nous introduisons dans un premier temps. Avant d’entamer ce chapitre il
est indispensable de réviser le chapitre sur la transformée de Fourier de première année.

5.1 L’espace de Schwartz

Définition 1 On note S(RN ) l’ensemble des fonctions φ : RN → C telles que :
— φ ∈ C ∞ (RN )
C
— ∀α ∈ NN , n ∈ N, ∃C tel que |∂ α φ(x)| ≤ (1+kxk) n (décroissance rapide)

Autrement dit, les fonctions de S(RN ) sont les fonctions C ∞ (RN ) dont les dérivées de tout ordre
sont à décroissance rapide.
2
Exemple : φ(x) = e−x

Théorème 1
S(R) a les propriétés suivantes :
1. ∀φ ∈ S(R), ∀P ∈ C[X] P φ ∈ S(R)
2. ∀φ ∈ S(RN ), ∂xj φ ∈ S(RN )
3. 1 ≤ p ≤ ∞ S(RN ) ⊂ Lp (RN )

Théorème 2
De plus, F (i.e. la transformée de Fourier, F(φ) = φ̂) est une bijection (linéaire) de S(RN ) sur
lui-même et d’inverse F.

53
54 CHAPITRE 5. TRANSFORMÉE DE FOURIER DES DISTRIBUTIONS

Démonstration Faisons la démonstration dans R pour simplifier. Soit f appartenant à S(R),

comme pour tout k, xk f (x) est dans L1 (R), fˆ appartient à C ∞ (R). Soit n ∈ N and p ∈ N, on a :

ξ n fˆ(p) (ξ) = ξ n F((−2iπx)p f (x)) par le théorème de différentiation sous le signe intégral
1
= F(((−2iπx)p f (x))(n) ) propriétés sur la transformée de Fourier de la dérivée.
(2iπ)n

En utilisant les propriétés de stabilité de S(R) par produit par un polynôme et par dérivation, on
obtient que la fonction dont on prend la transformée de Fourier est dans S(R), donc sa transformée
de Fourier est bornée, ce qui prouve que fˆ appartient à S(R).
Par ailleurs, comme f et fˆ sont dans L1 (R) et que f est continu, on a f (x) = F(fˆ)(x).
La topologie de l’espace S(RN ) n’est pas définie par une norme mais par une famille dénombrable
de normes :
∀φ ∈ S(RN ), Np (φ) = max sup |xα ∂ β φ(x)|, p ∈ N
|α|,|β|≤p x∈RN

On dit qu’une suite φn converge vers φ dans S(RN ) si :

Np (φn − φ) → 0 pour tout p ≥ 0, lorsque n → ∞

Autrement dit, on peut aussi définir la convergence dans S(RN ) :

∀α, β ∈ NN xα ∂ β φn (x) → xα ∂ β φ(x) uniformément sur RN

5.2 Distributions Tempérées S 0 (RN )

Nous avons besoin de définir la transformée de Fourier dans un cadre plus général que celui des
fonctions pour donner un sens à la transformée de Fourier de signaux échantillonnés qui sont les
signaux rencontrés en pratique.
L’ensemble des distributions tempérées S 0 (RN ) est défini par :

T : S(RN ) → linéaire, 00 continue00

 
C
ϕ 7→ hT, ϕi

Ici, on entend par continue, la notion suivante :

∃m, Cm tel que ∀φ ∈ S(RN ), |hT, φi| ≤ Cm Nm (φ)

où avec les suites :

φn → φ dans S(RN ) ⇒ hT, φn i → hT, φi dans C

Remarque 1 D(RN ) ⊂ S(RN ) et si T est continue pour la topologie sur S(RN ) elle l’est aussi
pour la topologie sur D(RN ), donc S 0 (RN ) ⊂ D0 (RN ). Par ailleurs, on peut montrer que D(RN )
est dense dans S(RN ) pour la topologie de S(RN ). Une conséquence est que pour la continuité dans
S 0 (RN ), il suffit de se restreindre à des fonctions de D(RN ), c’est-à-dire :

∃m, Cm tel que ∀φ ∈ D(RN ), |hT, φi| ≤ Cm Nm (φ)

où avec les suites : φn ∈ D(RN ), φn → φ dans S(RN ) ⇒ hT, φn i → hT, φi dans C
5.2. DISTRIBUTIONS TEMPÉRÉES S 0 (RN ) 55

Exemples 1
— f ∈ L1 (R), L2 (R) ou L∞ (R) ⇒ Tf ∈ S 0 (R)
On suppose que f est dans Lp (R). Pour la continuité de FT , il suffit de remarquer, que si
φn tend vers 0 dans S(RN ) alors elle tend vers 0 dans Lq (R) pour q ≥ 1 :
1
Z Z
q
|φn (x)| = 2 q
(1 + kxk2 )q |φn (x)|q
RN RN |(1 + kxk )
1
Z
2 q q
= sup(1 + kxk ) |φn (x)| 2 q
→ 0 lorsque n → ∞
x RN |(1 + kxk )

— Dirac δa ∈ S 0 (R)P
— Peigne de Dirac n∈Z δn ∈ S 0 (R), pour l’existence on utilise le fait que les fonctions de S(R)
sont à décroissance rapide, et pour la continuité on écrit que φp tend vers 0 dans S(R) :
X X
|h δn , φp i| = φp (n)
n n
X 1
= | 2
(1 + |n|2 )φp (n)|
n
1 + |n|
X 1
≤ sup(1 + |x|2 )|φp (x)| → 0 lorsque p → ∞
x n
1 + |n|2

— E 0 (RN ) ⊂ S 0 (RN )
— L’ensemble des fonctions à croissance lente est dans S 0 (R). On dit qu’une fonction est à
croissance lente si :
∃c > 0 ∃N ∈ N, ∀x ∈ R |f (x)| ≤ c(1 + |x|)N
La démonstration est identique au cas précédent, pour la continuité on considère φp qui tend
vers 0 dans S(R) :
Z
|hTf , φp i| = | f (x)φp (x)|
ZR
f (x)
= | N +2
(1 + |x|)N +2 φp (x)|
R (1 + |x|)
1
Z
N +2
≤ c sup(1 + |x|) |φp (x)| 2
→ 0 lorsque p → ∞
x R (1 + |x|)

— Si la suite (yn )n∈Z est à croissance lente (i.e. ∃m ∈ N, c ∈ R tel que |yn | ≤ C(1 + |n|)m , n ∈
Z), la distribution X
T = yn δna
n∈Z
est tempérée. Pour la continuité on considère φp qui tend vers 0 dans S(R) :
X
|hT, φp i| = | yn φp (na)|
n∈Z
X |yn |
= (1 + |n|)m+2 |φp (na)|
(1 + |n|)m+2
n∈Z
X 1
= C sup(1 + |x|)m+2 |φp (ax)| → 0 lorsque p → ∞
(1 + |n|)2 x
n∈Z
56 CHAPITRE 5. TRANSFORMÉE DE FOURIER DES DISTRIBUTIONS

Cet exemple est très important en

Ptraitement du signal car à un signal discret (yn )n∈Z , on
0
peut associer le peigne de Dirac n∈Z yn δna ∈ D (R). Si la suite est à croissance lente on
peut en prendre la transformée de Fourier comme nous allons le voir par la suite.

Proposition 1
Soit T ∈ S 0 (R)
1. ∀k ∈ N, xk T ∈ S 0 (R)
2. ∀α ∈ NN , ∂ α T ∈ S 0 (RN )
3. ∀k ∈ N, T → xk T et T → T (k) sont continues de S 0 (R) dans S 0 (R)

5.3 Transformée de Fourier dans S 0 (RN )

Définition 2 Soit T ∈ S 0 (R). On définit la transformée de Fourier
 
ϕ →7 hT̂ , ϕi = hT, ϕ̂i
T̂ :
S(RN ) → C

On a : T̂ ∈ S 0 (RN )

Remarque 2
— ϕ ∈ S(RN ) ⇒ ϕ̂ ∈ S(RN )
— Donc T̂ est bien définie, linéaire par linéarité de T, continue par continuité de T (et du fait
que S(RN ) est stable par transformée de Fourier).

Proposition 2
On dit qu’une suite Tn ∈ S 0 (RN ) converge vers T dans S 0 (RN ), si ∀ϕ ∈ S(RN ), hTn , ϕi → hT, ϕi.

Proposition 3
La transformée de Fourier est une application continue de S 0 (RN ) dans lui-même.

Démonstration Soit Tn tendant vers T dans S 0 (RN ) alors pour tout ϕ dans S(RN ), on a :

hT̂n , ϕi = hTn , ϕ̂i → hT, ϕ̂i = hT̂ , ϕi

5.3. TRANSFORMÉE DE FOURIER DANS S 0 (RN ) 57

Théorème 3

F: T 7→ T̂
S 0 (RN ) → S 0 (RN )
est inversible, et son inverse est :

F̄ : T 7→ F̄(T )
S 0 (RN ) → S 0 (RN )

avec hF̄(T ), ϕi = hT, F̄(ϕ)i

Démonstration Soit T ∈ S 0 (RN )

∀ϕ ∈ S(RN ), hF̄F(T ), ϕi = hF(T ), F̄(ϕ)i = hT, F F̄(ϕ)i = hT, ϕi

(car : F F̄ = Id dans S(RN ))

Remarque 3 On a FF(T ) = Tσ avec Tσ défini par hTσ , ϕi = hT, ϕσ i avec ϕσ (x) = ϕ(−x).

Exemples 2
(i) Soit f ∈ L1 (RN ) ou L2 (RN ), Alors Tf ∈ S 0 (RN ).
Z Z
hT
cf , ϕi = hTf , ϕ̂i = f (y)ϕ̂(y)dy = fˆ(y)ϕ(y)dy = hTfˆ, ϕi
RN RN

Donc T cf = T ˆ. En effet si f est dans L1 (RN ), le résultat découle de la proposition 3 du

f
chapitre 2 et du Théorème 12 chapitre 3, si f est dans L2 (RN ).
Conclusion : une fonction dont on sait calculer fˆ a pour transformée de Fourier au sens des
distributions Tfˆ.
(ii)
R +∞
∀ϕ ∈ S(R), hδ̂, ϕi = hδ, ϕ̂i = ϕ̂(0) = −∞ ϕ(x)e−2iπ0x dx
R +∞
= −∞ ϕ(x)dx = hT1 , ϕi

Donc δ̂ = T1 .
(iii) Avec δa = δ(x − a)
Z +∞
∀ϕ ∈ S(R), hδˆa , ϕi = hδa , ϕ̂i = ϕ̂(a) = ϕ(x)e−2iπax dx = he−2iπax , ϕi
−∞

. Donc δˆa = Te−2iπax . On retrouve la transformée de Fourier de δ̂, mais avec un déphasage.
(iv)
Z +∞
∀ϕ ∈ S(R), hT\
e2iπk0 x , ϕi = hTe2iπk0 x , ϕ̂i = e2iπk0 y ϕ̂(y)dy = ϕ(k0 ) = hδk0 , ϕi
−∞
 58 CHAPITRE 5. TRANSFORMÉE DE FOURIER DES DISTRIBUTIONS

Donc T\
e2iπk0 x = δk0 (cas particulier : T
c1 = δ0 ).
Puis par linéarité on a :
\ x) = δk0 + δ−k0
Tcos(2πk0
2

\ x) = δk0 − δ−k0
Tsin(2πk 0
2i

(v)
Proposition 4
Soit T un réel strictement positif et (yn )n∈Z une suite à croissance lente, alors
1. X X
F( yn δnT ) = yn e−2iπnT x
n∈Z n∈Z

2. X X 1 X
F( δnT ) = e−2iπnT x = δ Tn
T
n∈Z n∈Z n∈Z

La transformée de Fourier d’un peigne de Dirac de période T est un peigne de Dirac de

période T1 .

Démonstration
1. En utilisant la continuité de la transformée de Fourier sur S 0 (R), on a :

X\ X X
yn δnT = yn δ̂nT = yn e−2iπnT x
n∈Z n∈Z n∈Z

La dernière égalité étant obtenue en utilisant FF(T ) = Tσ .

2. Par définition du peigne :
X X n
h δ Tn , ϕi = ϕ( )
T
n∈Z n∈Z

Montrons que :

\
X X 1 X n
∀ϕ ∈ S(R), h δnT , ϕi = ϕ̂(nT ) = ϕ( )
T T
n∈Z n∈Z n∈Z

On introduit alors ϕ̃ : x 7→ n∈Z T1 ϕ(x + Tn ) (l’idée étant d’écrire cette fonction en la

P
développant en séries de Fourier et de finalement prendre sa valeur en 0). On remarque
que ϕ̃ est périodique de période T1 . On peut montrer que ϕ̃ admet alors un développement
en série de Fourier et que l’on a l’égalité ponctuelle de la fonction avec sa série de Fourier
(Le cadre général pour lequel cela est vrai est ϕ dans L1 (R), continue et la dérivée au sens
5.3. TRANSFORMÉE DE FOURIER DANS S 0 (RN ) 59

des distributions aussi dans L1 (R), voir [1] p.282). La série de Fourier de ϕ̃ sécrit :
X 1
ϕ̃(x) = ck (ϕ̃)eiωkx (ω = 2πT, car la période est )
T
k∈Z
Z 1 Z 1 X
T T n
avec ck (ϕ̃) = T ϕ̃(x)e−iωkx dx = T ϕ(x + )e−iωkx dx
0 0 n∈Z T
X Z T1 n −iωkx X Z n+1
T n
= ϕ(x + )e dx = ϕ(y)e−iωk(y− T ) dy
T n
n∈Z 0 n∈Z T
Z +∞
= ϕ(y)e−2iπkT y dy = ϕ̂(kT )
−∞
X
0
d où : ϕ̃(x) = ϕ̂(kT )e2iπT kx
k∈Z

Il y a égalité pour tout x car ϕ̃ est C 1 (la série et la série des dérivées converge normale-
ment car ϕ et ϕ0 sont à décroissance rapide).
X 1 X n
P our x = 0, ϕ̂(kT ) = ϕ( )
T T
k∈Z n∈Z
X X 1 X
Alors F( δnT ) = e−2iπnT x = δ Tn
T
n∈Z n∈Z n∈Z

Ce dernier exemple est très important en traitement du signal. Les traiteurs de signaux définissent
la transformée de Fourier à temps discret (TFTD) d’une suite (xn ) sous réserve de convergence de
la manière suivante :
Définition 3 La transformée de Fourier à temps discret de la séquence (xn ) est définie par :
X
X(e2iπω ) = xn e−2iπnω (5.1)
n∈Z

lorsqu’elle existe. La transformée TFTD inverse de la fonction 1 périodique X(ω) est

Z 1/2
xn = X(e2iπω )e2iπnω dω, n ∈ Z (5.2)
−1/2

TFTD
Lorsque la TFTD existe, on note : xn ↔ X(e2iπω )
P
Remarque 4 On reconnait dans cette définition la transformée de la distribution xn δn . Pour
n∈Z
pouvoir écrire (5.2), il faut que X soit une fonction, cependant la transformée inverse existe toujours
au sens des distributions (à condition que xn soit à croissance lente).

cadre classique du traitement du signal : Si la suite xn ∈ l1 (Z), alors la TFTD converge normale-
ment et X(e2iπω ) est continue.
Si maintenant on considère une suite xn dans l2 (Z), alors X(e2iπω ) appartient à L2 ([−1/2, 1/2]). En
R 1/2
effet, (e−2inω )n∈Z est une base de cet espace et l’on a l’égalité de Parseval : −1/2 |X(e2iπω )|2 dω =
2
P
n∈Z |xn | . Ainsi, l’égalité (5.1) est vraie presque partout.
60 CHAPITRE 5. TRANSFORMÉE DE FOURIER DES DISTRIBUTIONS

Remarque 5 On voit que si l’on sort du cadre des suites de l1 (Z) ou l2 (Z) alors l’approche en
utilisant les distributions prendPtout son [Link] par exemple la suite xn = 1 pour tout n,
alors la transformée de Fourier n∈Z xn δn est n∈Z e−i2πnx , calcul que l’on peut pas mener lorsque
l’on reste dans le cadre classique des suites sommable ou de carré sommable.

5.4 Propriétés de la transformée de Fourier des distributions

Proposition 5
Soit T ∈ S 0 (R), on a les propriétés suivantes
(i) T̂ (k) = (−2iπx)
\k T

(ii) Td (k) = (2iπξ)k T̂

2iπax T
(iii) τa T̂ = e\
(iv) τd −2iπaξ T̂
aT = e

Proposition 6
Soit T ∈ E 0 (RN ), alors Tb est une fonction C ∞ (RN ) à croissance lente.

5.5 Convolution S 0 (RN ) ∗ S(RN )

Théorème 4
Soit T ∈ S 0 (RN ) et ϕ ∈ S(RN ). Pour tout x ∈ RN , on définit :

(T ∗ ϕ)(x) = hT, ϕ(x − .)i

Alors :
T ∗ ϕ ∈ C ∞ (RN )à croissance lente ainsi que toutes ses dérivées


∀|α| ≥ 0, ∂ α (T ∗ ϕ) = ∂ α T ∗ ϕ = T ∗ ∂ α ϕ

Démonstration On peut montrer que toute distribution T tempérée peut s’écrire comme la
dérivée d’ordre α (au sens des distributions) d’une certaine fonction à croissance lente, c’est-à-dire
T = ∂ α Tf avec f à croissance lente (théorème de structure des distributions tempérées). Partant
de là, on peut donc écrire :
Z
α α
h∂ Tf , ϕ(x − .)i = hTf , ∂ ϕ(x − .)i = f (y)∂ α ϕ(x − y)dy
RN
5.6. CONVOLUTION E 0 (R) ∗ D0 (R) 61

qui est C ∞ d’après le théorème de dérivation sous le signe intégrale. ∂ α (T ∗ ϕ) = ∂ α T ∗ ϕ = T ∗ ∂ α ϕ

découle directement de l’écriture de T ∗ ϕ. Par ailleurs, on peut écrire :
Z Z Z
α α
| f (y)∂ ϕ(x − y)dy| = | f (x − y)∂ ϕ(y)dy| ≤ |f (x − y)∂ α ϕ(y)|dy
RN Z RN R N

= c(1 + kx − yk2 )|∂ α ϕ(y)|dy

RN

qui est un polynôme en x, donc est à croissance lente.

Proposition 7
Soit T ∈ S 0 (RN ), ϕ ∈ S(RN )
(i) F(T ∗ ϕ) = F(ϕ)F(T )
(ii) F(ϕT ) = F(T ) ∗ F(ϕ)

Démonstration i)

hϕ̂T̂ , ψi = hT̂ , ϕ̂ψi = hT, ϕ̂ψi

c
= hT, ϕσ ∗ ψ̂i = hT, hϕ(x), ψ̂(x + u)ii

car ϕ̂, ψ, ψ̂ et ψ appartiennent à L1 (RN ). En utilisant le théorème de structure des distributions

tempérées, on peut donc écrire :
Z Z
hT[∗ ϕ, ψi = hTy , ϕ(x − y)iψ̂(x)dx = h(∂ α Tf )y , ϕ(x − y)iψ̂(x)dx
N N
ZR R Z Z
α
= h(Tf )y , ∂ ϕ(x − y)iψ̂(x)dx = f (y)∂ α ϕ(x − y)ψ̂(x)dxdy
R N R N R N
Z Z 
|α| α
= (−1) f (y)∂ ϕ(x − y)ψ̂(x)dx dy = hTy , hϕ(x), ψ̂(x + y)ii
RN RN

Pour le point ii), on remarque que, si T ∈ S 0 (RN ) et ϕ ∈ S(RN ), il en est de même pour leur
transformée de Fourier, il vient en appliquant le point i) que

F(T̂ ∗ ϕ̂) = F(T̂ )F(ϕ̂) = ϕT

⇒ F(ϕT ) = T̂ ∗ ϕ̂

5.6 Convolution E 0 (R) ∗ D0 (R)

Considérons une fonction u ∈ Cc (RN ) et v ∈ L1loc (RN ) alors pour tout ϕ ∈ D(RN ), on peut écrire,
comme l’application de (x, y) 7→ u(y)v(x − y)ϕ(x) ∈ L1 (RN × RN ), en appliquant le théorème de
62 CHAPITRE 5. TRANSFORMÉE DE FOURIER DES DISTRIBUTIONS

Fubini :
Z Z Z  Z Z 
u ∗ v(x)ϕ(x)dx = u(y)v(x − y)dy ϕ(x)dx = u(y) v(x)ϕ(x + y)dx dy
RN RN RN RN RN
Z  Z 
= v(x) u(y)ϕ(x + y)dy dx.
RN RN

Ce que l’on peut récrire au sens des distributions sous la forme :

hTu∗v , ϕi = hTu , hTv , ϕ(. + y)ii = hTv , hTu , ϕ(. + y)ii.

On peut alors généraliser la propriété précédente en utilisant le théorème suivant portant sur la
transformée de Fourier dans E 0 (RN ) :

Définition 4 Soit S ∈ E 0 (RN ) et T ∈ D0 (RN ).

— Il existe une distribution, appelée convolution de S et T et notée S ∗ T telle que pour tout
ϕ ∈ D(RN ), on ait :

hS ∗ T, ϕi = hSt , hTx , ϕ(x + t)ii = hTu , hSx , ϕ(x + u)ii

— L’application (S, T ) → S ∗ T de E 0 (R) × D0 (RN ) dans D0 (RN ) est continue par rapport à
chaque variable.
— si T ∈ S 0 (RN ) alors S ∗ T ∈ S 0 (RN ).

Exemples : soit T ∈ D0 (RN ), δa ∗ T = T ∗ δa = τa T .

δ (k) ∗ T = T ∗ δ (k) = T (k)

Proposition 8
Soit S ∈ E 0 (RN ) et T ∈ S 0 (RN ), on a
S
\ ∗ T = Ŝ T̂

Démonstration S appartient à E 0 (RN ), donc Ŝ est C ∞ (RN ) à croissance lente, donc Ŝ T̂ ∈ S 0 (R).
On a :

hŜ T̂ , ϕi = hT̂ , Ŝϕi

= hT, Ŝϕi = hT, Sσ ∗ ϕ̂i En appliquant la proposition 6
c

= hTu , hSσ , ϕ̂(u − .)ii

= hTu , hSx , ϕ̂(u + x)ii
= hT ∗ S, ϕ̂i = hT \ ∗ S, ϕi

Il est important de faire le lien ici avec les applications en traitement du signal. On définit la
convolution en temps des séquences (hn ) et (xn ) par :
X
yn = xn−k hk (5.3)
k∈Z
5.6. CONVOLUTION E 0 (R) ∗ D0 (R) 63

P
Si le support de (hk ) est fini, on peut lui associer la distribution à support compact h = hk δk
P k∈Z
et si (xn ) est à croissance lente, on peut lui associer la distribution tempérée x = xk δk . En
Pk∈Z
appliquant la définition de la convolution on obtient la distribution tempérée y = yn δn et on
k∈Z
peut donc en prendre la transformée de Fourier.
Cadre classique du traitement du signal : Si (hn ) est support fini et si (xn ) est dans l1 (Z) ou l2 (Z)
alors on peut montrer que (yn ) appartient au même espace et on a :

Proposition 9

Y (e2iπω ) = X(e2iπω )H(e2iπω ).

ou Y, X et H sont les TFTD des séquences y, x et h respectivement.
L’intérêt du cadre des distributions est donc de pouvoir définir la transformée de Fourier de convo-
lutions de signaux discrets, celles-ci n’appartenant pas à l1 (Z) ou l2 (Z). Dans le cas l1 (Z) ou l2 (Z) la
formulation à l’aide de suites est suffisante. Nous verrons plus loin comment, grâce à la transformée
en Z, les traiteurs de signaux parviennent à contourner ces problèmes de convergence du produit
de convolution.
64 CHAPITRE 5. TRANSFORMÉE DE FOURIER DES DISTRIBUTIONS
Chapitre 6

Théorème de Shannon

6.1 Formule de Poisson dans S 0 (R)

6.1.1 Forme duale de la formule de Poisson
Echantillonner un signal f toutes les a secondes consiste à considérer une approximation constante
par morceaux de ce signal en la séquence (na) et à remplacer la P valeur de la fonction par celle de
son intégrale sur tout intervalle de longueur na, i.e. af ∆a = a f (na)δna .
n∈Z
Supposons que f est une distribution tempérée dont la transformée au sens des distributions satis-
fait :  
Supp fˆ ⊂ [−λc , λc ],

i.e. fˆ ∈ E 0 (R), on a alors, f étant C ∞ à croissance lente et appartenant à S 0 (R) :

X
af ∆a = a f (na)δna ∈ S 0 (R), (6.1)
n∈Z

donc par transformée de Fourier on obtient dans S 0 (R) :

X
afd
∆a (ξ) = a f (na)e−2iπnaξ . (6.2)
n∈Z

Par ailleurs, par transformée de Fourier de E 0 (R) ∗ S 0 (R) (proposition 8 chapitre 3), on a ainsi :

fˆ ∗ ∆
ˆ a = fd
∆a

d’où :

∆a (ξ) = fˆ ∗ ∆ 1 (ξ)propriétés de la transformée de Fourier d’un peigne de Dirac

afd
X a
= τ na fˆ(ξ). (6.3)
n∈Z

En utilisant les expressions données par (6.1) et (6.3), on obtient la forme duale de la formule de
Poisson (valable dans S 0 (R)) :

τ na fˆ(ξ) = a
X X
f (na)e−2iπnaξ (6.4)
n∈Z n∈Z

65
66 CHAPITRE 6. THÉORÈME DE SHANNON

6.1.2 Forme directe de la formule de Poisson

La forme directe de la formule de Poisson correspond à l’écriture suivante :

n=+∞ n=+∞
X 1 X ˆ n 2iπn t
τna f (t) = f ( )e a (6.5)
n=−∞
a n=−∞
a

Par analogie avec la formulation duale, supposons que f soit à support compact (f ∈ E 0 (R)), alors
on peut écrire :

f ∗ ∆a = F(fˆ∆
ˆ a)
!
1Xˆn
= F f ( )δ na
a a
n∈Z
1 X ˆ n 2iπn t
= f ( )e a
a a
n∈Z

6.2 Formule de Poisson dans L1 (R)

Théorème 1
+∞
Soit f ∈ L1 (R) et F (t) =
P
f (t − na), alors
n=−∞
1. F ∈ L1p (0, a) (périodique de période a) et la série converge dans L1 (0, a).
2. La formule (6.5) est vraie dans S 0 (R).
3. Si de plus f 0 (la dérivée étant prise au sens des distributions) est dans L1 (R), alors F
+∞
P
est continue sur R et f (t − na) converge normalement et (6.5) est vraie pour tout
n=−∞
t (propriété des séries de Fourier).

Remarque 1 Pour montrer la convergence de F vers sa série de Fourier dans S 0 (R), on a donc
juste besoin de savoir que F appartient à L1 (0, a). En revanche, si on se place dans le cadre fonc-
tionnel, il faudrait avoir dans L2 (0, a), ce qui est plus restrictif.

6.3 Théorème de Shannon

Le théorème de Shannon exprime comment reconstruire une fonction de L2 (R) dont la transformée
de Fourier est à support compact à l’aide de ces échantillons.
6.3. THÉORÈME DE SHANNON 67

Théorème 2 (Shannon)
Soit f une fonction de L2 (R) dont la transformée de Fourier est à support dans l’intervalle
[−λc , λc ]. On peut échantillonner f avec un pas d’échantillonnage a sans perte d’information si
1
a ≥ 2 λc .
Dans ce cas, on a : X π
f (x) = f (na) · sinc ( (x − na))
| {z } a {z
n∈Z | }
échantillons
base d0 interpolation de Shannon

Démonstration f est à croissance lente donc on la forme duale de la formule de Poisson :

fˆ(ξ) = a τ na fˆ(ξ).
X X
f (na)e−2iπnaξ =
n∈Z n∈Z

Comme fˆ dans L2 (R) et à support compact, on peut montrer facilement que l’égalité précédente est
1 1 1 1
aussi vraie dans L2p (− 2a , 2a ). Avec l’hypothèse faite sur a, on a ensuite dans L2p (− 2a , 2a ) (fonction
périodique de période 1/a et de carré sommable sur une période) :

fˆ(ξ) = a
X
f (na)e−2iπnaξ χ[− 1 , 1 ] (ξ).
2a 2a
n∈Z

En utilisant alors la continuité de la transformée de Fourier sur L2 (R) (cours 1A), on obtient :
 
f (na)F −1 e−2iπnaξ χ[− 1 , 1 ]
P
f (x) = a
2a 2a
n∈Z P
= f (na) sinc ( πa (x − na))
n∈Z
68 CHAPITRE 6. THÉORÈME DE SHANNON
Chapitre 7

Etude des filtres discrets, transformée

en Z

7.1 Définition des filtres discrets

Nous étudions dans ce chapitre les signaux discrets x définis de la manière suivante :
n=+∞
X
x= xn δna
n=−∞

Soit a fixé. On note Xa l’ensemble de ces signaux :

n=+∞
X
Xa = {x ∈ D0 (R), x = xn δna }
n=−∞

Il s’agit d’un espace vectoriel que l’on munit de la notion de convergence induite par celle sur D0 :
D0
(xN → x) ⇔ (∀n ∈ Z xN
n → xn )

On définit alors les filtres discrets de la manière suivante :

Définition 1 On appelle filtre discret toute application D : X → Xa linéaire, continue et invariante
par les translations τka k ∈ Z, où X est un sous-espace vectoriel de Xa contenant δ, invariant par
les translations τka ,i.e. D(τka x) = τka D(x) et muni de la même notion de convergence que Xa .

Proposition 1
Soit : D : X → Xa , un filtre discret et h = Dδ (h est appelée réponse impulsionnelle du filtre).
Alors D est un système de convolution :

∀x ∈ X Dx = h ∗ x

dans les deux cas suivants :

i) X = Xa et h est fini
ii) X est l’ensemble des signaux à support limité à gauche et h appartient aussi à cet en-
semble.
P +∞
P
Dans ces deux cas, y = Dx = h ∗ x = yn δna avec yn = hk xn−k où cette somme est finie.
n∈Z k=−∞

69
70 CHAPITRE 7. ETUDE DES FILTRES DISCRETS, TRANSFORMÉE EN Z

Remarque 1 Comme nous l’avions vu précédemment pour définir le filtrage dans le cadre des
distributions on n’a pas besoin d’avoir une suite (yn ) dans l1 (Z) ou l2 (Z).

7.2 Stabilité et causalité des filtres discrets

Commençons par la définition la notion de causalité :
Définition 2
( Le filtre D : X → Xa est causal ) ⇔ ((∀n < 0, xn = 0) ⇒ (∀n < 0, (Dx)n = 0))
Pour la notion de stabilité des filtres, nous avons besoin de l’ensemble :
X
la∞ = {x = xn δna , sup |xn | < +∞}
n∈Z

muni duquel nous pouvons alors écrire la définition de stabilité :

Définition 3
( Le filtre D : X → Xa est stable ) ⇔ (∃A > 0, ∀x ∈ X ∩ la∞ , kDxk∞ ≤ Akxk∞ )
Remarque 2 Pour qu’un filtre soit implémentable en temps réel (réalisable), il faut nécessairement
qu’il soit causal, i.e la sortie Dxn ne dépend que des valeurs de xm pour m ≤ n.
Les filtres stables et causaux qui s’écrivent sous forme de convolution sont alors caractérisés par :

Théorème 1
P
i) D est stable ⇔ |hn | < +∞
n∈Z
ii) D est causal ⇔ ∀ n < 0 hn = 0

Démonstration Dans le cas où la convolution existe (en particulier si h est fini ou si h et x sont
à support limité à gauche), on peut écrire :
X X
|yn | ≤ |hk ||xn−k | ≤ sup |xn | |hk |
n
k∈Z k∈Z

D est donc stable. La réciproque est évidente si D est fini. Examinons le cas de h et x à support
limité à gauche (on peut supposer sans perte de généralité que h est à support dans N).
Soit p appartenant à N, et xp défini par :

p sign(hp−n) si 0 ≤ n ≤ p et hp−n 6= 0
xn =
0 sinon
Ces signaux sont finis donc causals et kxp k∞ ≤ 1. On a alors
∞
X
ynp = hk sign(hp−n+k ).
k=0
p ∞
D’où, ypp =
P P
|hk | ≤ A, pour tout p ≥ 0 donc, |hk | ≤ +∞
k=0 k=0
7.3. TRANSFORMÉE EN Z 71

7.3 Transformée en Z
+∞
P
La transformée de Fourier d’un signal discret tempéré x = xn δna est la distribution périodique :
n=−∞

+∞
X
X(e2iπaω ) = xn e−2iπaωn . (7.1)
n=−∞

Cependant, comme nous l’avons vu, avoir la convergence de la série au sens des fonctions implique
que (xn ) soit dans l1 (Z) ou l2 (Z) ce qui est très restrictif. Par ailleurs, le fait de savoir que l’on peut
définir le filtrage dans un espace de distributions ne permet pas l’étude pratique des filtres.
En remplaçant e2iπaω dans (7.1) par un complexe z quelconque, on obtient ce qu’on appelle la
transformée en Z du signal x :

+∞
X
X(z) = xn z −n z ∈ C.
n=−∞

Dans ce qui suit, X(z) définit la transformée en z de (xn ). Pour se convaincre de l’intérêt d’une telle
transformation prenons la suite de Heaviside xn = 1 si n ≥ 0 et 0 sinon. On voit que X(z) = 1−z1 −1
si |z| ∈ [0, 1[, alors que la TFTD ne converge pas dans ce cas.
En général, lorsqu’elle existe la transformée en Z converge sur une couronne de convergence r <
|z| < R.
Pour l’étude des signaux discrets, on remplace la transformée de Fourier par la transformée en Z
pour des problèmes de convergence, comme nous venons de voir, mais aussi parce que l’étude des
filtres se ramène comme nous le verrons à étudier des fractions rationnelles en Z.
En revanche, la transformée en Z existe dès que la convolution des signaux x et h existent. Nous
avons la propriété essentielle qui va nous servir par la suite :

Théorème 2
P P
Soient deux signaux discrets h = hn δna et x = xn δna , satisfaisant les conditions d’exis-
n∈Z n∈Z
tence de la convolution (i.e. h est fini ou h et x sont a support limité à gauche). Alors, leurs
transformées en Z respectives H et X existent dans des couronnes C1 et C2 et nous avons alors :
\
∀z ∈ C1 C2 , Y (z) = H(z)X(z)

Remarque 3 Les couronnes de convergence peuvent être éventuellement vide.

On peut retrouver x à l’aide de X(z) en inversant la transformée en Z. Cependant, la fonction X(z)

est une fonction holomorphe dont l’inversion se fait par développement en séries de Laurent (comme
les séries entières mais sur Z) ou par la méthode des résidus (hors programme). Nous n’inverserons
donc la transformée en Z que dans les cas simples où nous reconnaissons des développements en
séries entières classiques.
72 CHAPITRE 7. ETUDE DES FILTRES DISCRETS, TRANSFORMÉE EN Z

7.4 Filtre gouverné par une équation aux différences linéaire

On considère la classe important des filtres discrets vérifiant l’équation aux différences linéaires à
coefficients constants :
Xp Xq X
yn = aj xn−j − bk yn−k = hk xn−k
j=0 k=1 k∈Z

On considère alors la transformée en z du système pour obtenir :

 
q p
!
X X
bk z −k Y (z) =  aj z −j  X(z)
k=0 j=0

et on obtient alors :
p
aj z −j
P
j=0
H(z) = q
bk z −k
P
k=0

On peut caractériser la stabilité des filtres à l’aide de leur fonction de transfert H(z). On appelle
zéros (resp. pôles) de H les racines du numérateur (resp. dénominateur).

Théorème 3

i) Pour que le filtre soit stable, il faut et il suffit que la couronne de convergence contienne
le cercle unité.
ii) Si le filtre est causal, il est stable si et seulement si les pôles de H(z) sont situés à l’intérieur
du disque unité.

Sous l’hypothèse que le filtre h cherché soit causal, on peut déterminer ses composantes par
récurrence de la manière suivante :

 h0 = a0
n
P
 hn = an − bk hn−k n = 1, 2, · · ·
k=1

Les coefficients yn étant donnés par :

+∞
X
∀n ∈ Z yn = hk xn−k
k=0
Chapitre 8

Quelques rappels de calcul différentiel

Cette note a pour but de généraliser les notions fondamentales du calcul différentiel au cas de
fonctions dépendant de plusieurs variables, qu’elles soient à valeurs réelles (i.e. des fonctions du
type f : Rd → R) ou vectorielles (i.e. du type f : Rd → Rn ).
De nombreux ouvrages traitent de ces résultats fondamentaux de manière détaillée. On pourra à ce
titre consulter la référence [2].

8.1 Notations
Soit d ≥ 1 un entier. On note (x1 , ..., xd ) les coordonnées d’un point x ∈ Rd . De même, si f : U → Rn
est une fonction définie sur un ouvert U ⊂ Rd , on note f = (f1 , ..., fn ) les composantes de celle-ci,
qui sont autant de fonctions de d variables, à valeurs réelles.
Soit U un ouvert de Rn ;
— Le gradient d’une fonction différentiable f : U → R est le champ de vecteurs ∇f : U → Rn
donné par :  
∂f ∂f
∀x ∈ U, ∇f (x) = (x), ..., (x) .
∂x1 ∂xn
Le gradient de f s’interprète comme la direction dans l’espace Rd des variables où f varie le
plus fortement ; voir la Section 8.3.3 à ce sujet.
— La jacobienne d’une fonction f : U → Rn est l’application Jac(ϕ) : U → Mn,d (R) de U vers
l’ensemble Mn,d (R) des matrices à n lignes et d colonnes, définie par :
 ∂ϕ1 ∂ϕ1
∂x1 (x) · · · ∂xd (x)


∀x ∈ U, Jac(ϕ)(x) =  .. ..
.
 
. .
∂ϕn ∂ϕn
∂x1 (x) ··· ∂xd (x)

En d’autres termes, la matrice Jac(ϕ)(x) est la matrice dont l’élément (i, j), pour i = 1, ..., n
∂ϕi
et j = 1, ..., d, vaut ∂ϕ j
(x).
— La divergence d’une fonction différentiable ϕ : U → Rd est la fonction div(ϕ) : U → R définie
par :
∂ϕ1 ∂ϕd
∀x ∈ U, div(ϕ)(x) = (x) + ... + (x).
∂x1 ∂xd
Ainsi, pour tout x ∈ U , div(ϕ)(x) est la trace de la matrice Jac(ϕ)(x) (qui est dans ce cas
une matrice de taille n × n).

73
74 CHAPITRE 8. QUELQUES RAPPELS DE CALCUL DIFFÉRENTIEL

D’un point de vue physique, la divergence d’un champ de vecteurs est une mesure de la
concentration ou de la dispersion induites par ce champ de vecteurs ; voir à ce sujet la
formule de Green (8.4).

8.2 Le théorème de dérivation des applications composées

Le résultat fondamental de cette section - appelé ‘chain rule’ dans la littérature anglo-saxonne -
est le suivant :

Théorème 1

Soit d, n, p ≥ 1 trois entiers, et U ⊂ Rd , V ⊂ Rn deux ouverts ; soit ϕ : V → Rp et ψ : U → Rn

deux fonctions différentiables telles que ψ(U ) ⊂ V . Alors la fonction composée ϕ ◦ ψ : U → Rp
est définie et différentiable sur U . Sa matrice jacobienne s’écrit :

∀x ∈ U, Jac(ϕ ◦ ψ)(x) = Jac(ϕ)(ψ(x))Jac(ψ)(x). (8.1)

On peut paraphraser ce résultat de la manière suivante :

La matrice jacobienne de la composée est le produit des matrices jacobiennes.

Noter que le produit matriciel figurant dans la formule (8.1) fait sens, puisque la matrice Jac(ψ)(x)
est de taille n × m et que Jac(ϕ)(ψ(x)) est de taille p × n (si bien que Jac(ϕ ◦ ψ)(x) est de taille
p × m). Une application de ce résultat est la formule fort utile suivante, que l’on pourra démontrer
à titre d’exercice :

Corollaire 1

Soit d ≥ 1 un entier et soit f : U → R une fonction différentiable sur un ouvert U de Rd . Soit

ϕ : I → Rd une fonction différentiable sur un intervalle de I de R (dont on note les composantes
ϕ(t) = (ϕ1 (t), ..., ϕd (t))) telle que ϕ(I) ⊂ U . Alors la fonction composée g = f ◦ ϕ : I → R est
une fonction dérivable et :
∂f ∂f
∀t ∈ I, g 0 (t) = (ϕ(t))ϕ01 (t) + ... + (ϕ(t))ϕ0d (t).
∂x1 ∂xd

8.3 Les formules de Taylor

Les formules de Taylor permettent d’approcher une fonction f : U ⊂ Rd → R au voisinage d’un
point x ∈ U par un polynôme en d variables. Plusieurs versions existent en fonction de la régularité
dont on dispose quant à f et qui permettent un contrôle plus ou moins précis du ‘reste’ - c’est-à-dire
de la différence entre f et le polynôme approchant.
8.3. LES FORMULES DE TAYLOR 75

8.3.1 La formule de Taylor avec reste intégral

La formule de Taylor avec reste intégral est le résultat le plus précis quant à l’estimation du ‘reste’,
puisqu’une formule explicite est disponible pour ce dernier. L’énoncé, connu du lecteur, dans le cas
d’une fonction en une variable est le suivant :

Théorème 2

Soit I un intervalle de R, et soit f : I → R une fonction de classe C p+1 pour un entier p ≥ 1.

Alors pour tous points x0 et x dans I :
p Z x
X 1 (k) k (x − t)p (p+1)
f (x) = f (x0 )(x − x0 ) + f (t) dt
k! x0 p!
k=0

Démonstration [Esquisse de preuve] La démonstration de cette formule est intéressante puis-

qu’elle offre un moyen rapide de vérifier que l’on ne s’est pas trompé dans l’écriture de la formule.
On procède par récurrence sur l’ordre p :
— Si p = 0, et que f est une fonction de classe C 1 sur I, on a bien sûr :
Z x
f (x) = f (x0 ) + f 0 (t) dt,
x0
et le théorème est donc vrai dans le cas p = 0.
— Admettons le résultat pour un certain entier p ∈ N, et soit f : I → R une fonction de classe
C p+2 . Appliquant l’hypothèse de récurrence au rang p à f , il vient :
p Z x
X 1 (k) k (x − t)p (p+1)
f (x) = f (x0 )(x − x0 ) + f (t) dt; (8.2)
k! x0 p!
k=0

f étant de classe C p+2 sur I, on peut effectuer une intégration par parties sur le reste intégral
de la formule précédente, ce qui donne :
R x (x−x0 )p (p+1) h ix
(x−t)p+1 (p+1) Rx p+1

x0 p! f (t) dt = − (p+1)! f (t) + x0 (x−t)

(p+1)! f (p+2) (t) dt,
p+1
x0
p+1 . (8.3)
= (x−x 0) (p+1) (x ) + x (x−t) (p+2) (t) dt.
R
(p+1)! f 0 x0 (p+1)! f
La combinaison de (8.2) et (8.3) montre que l’hypothèse de récurrence est vraie au rang p+1.
Le résultat suivant est une généralisation de la formule de Taylor avec reste intégral au cas d’une
fonction de plusieurs variables.

Théorème 3
Soit d ≥ 1 un entier et soit U un ouvert de Rn . Soit f : U → R une fonction de classe C p+1 sur
U pour un entier p ≥ 1. Soit x et y deux points de U tels que le segment [x, y] est inclus dans
U . Alors on a :
X k! X 1 Z 1
α α α
f (y) = ∂ f (x)(y − x) + (p + 1) (y − x) (1 − t)p ∂ α f (x + t(y − x)) dt.
α! α! 0
0≤k≤p |α|=p+1
|α|=k
76 CHAPITRE 8. QUELQUES RAPPELS DE CALCUL DIFFÉRENTIEL

Démonstration [Esquisse de preuve] L’idée consiste à appliquer la formule de Taylor avec reste
intégral ‘usuelle’ (cf. Théorème 2) à la fonction ϕ : [0, 1] → R définie par :

ϕ(t) = f (x + t(y − x)),

qui est bien définie et de classe C p+1 sur [0, 1] puisque [x, y] est inclus dans U et d’après le Théorème
1 de différentiation des applications composées. On observe que :

ϕ(0) = f (x) et ϕ(1) = f (y).

De plus, par le Théorème 1 (et plus précisément le Corollaire 1), la dérivée de ϕ vaut :

d
0
X ∂f
ϕ (t) = (x + t(y − x))(yi − xi ).
∂xi
i=1

De là, une récurrence facile (mais un peu fastidieuse à écrire) montre que pour tout 1 ≤ k ≤ p + 1,
la fonction ϕ est de classe C k sur [0, 1], avec :

X k! ∂ |α| f
ϕ(k) (t) = (x + t(y − x))(y − x)α .
α! ∂xα
|α|=k

Le résultat est alors conséquence de la formule de Taylor avec reste intégral du Théorème 2 appliqué
à la fonction ϕ.

8.3.2 La formule de Taylor-Young

La formule de Taylor-Young est valable sous de hypothèses un peu moins fortes que la formule de
Taylor avec reste intégral ; en contrepartie, on dispose de moins d’information quant à la forme du
reste.

Théorème 4

Soit d ≥ 1 un entier et soit U un ouvert de Rd . Soit f : U → R une fonction de classe C p sur U ,

et soit x ∈ U . Alors :
X k! ∂ |α| f
f (x + h) = α
(x)hα + o(khkp ),
0≤k≤p
α! ∂x
|α|=k

où la notation o(lhkp ) désigne une fonction telle que :

o(khkp )
lim = 0.
khk→0 khkp

On qualifie souvent cette formule de ‘locale’, puisque la chose que l’on sait du reste est qu’il décroı̂t
vers 0 plus vite que khkp lorsque khk → 0 (et donc que l’on se rapproche du point x où est écrite
la formule).
8.4. LA FORMULE DE GREEN ET SES VARIANTES 77

8.3.3 Application : interprétation du gradient

La formule de Taylor-Young du Théorème 4 permet de donner une interprétation physique du

gradient d’une fonction f : U → R, de classe C 1 sur un ouvert U ⊂ Rd . En effet, appliquant cette
formule avec p = 1, il vient, pour x ∈ U et h ∈ Rd assez ‘petit’, si l’on omet le ‘reste’ :
∂f ∂f
f (x + h) ≈ f (x) + ∂x1
(x)h1 + ... + ∂xd (x)hd ,
≈ f (x) + ∇f (x) · h.

Ainsi, si l’on souhaite maximiser la fonction f autour de x, i.e. si l’on cherche h ‘petit’ maximisant
la quantité
f (x) + ∇f (x) · h,
l’inégalité de Cauchy-Schwarz garantit que la meilleure direction est de la forme h = α∇f (x) pour
un coefficient α > 0. En d’autres termes,

Le gradient ∇f (x) de f en x pointe dans la direction de plus forte croissance de f au voisinage

de x.

Ce principe est à la base de nombreux algorithmes d’optimisation, et en particulier de l’algorithme

de gradient.

8.4 La formule de Green et ses variantes

La formule de Green est une généralisation de la formule d’intégration par parties au cas de fonctions
de plusieurs variables. Avant d’entrer dans le vif du sujet, il convient d’introduire quelques notations.

8.4.1 Un doigt de géométrie : domaines réguliers

La généralisation de la notion d’intervalle (ouvert) à la dimension multiple est donnée par les ouverts
réguliers (disons de classe C 1 ) de Rd .
La définition précise de ces entités est quelque peu technique, et emprunte à la théorie mathématique
des variétés différentiables. Ici, on se limitera à une définition ‘intuitive’, selon laquelle un ouvert
régulier de classe C 1 de Rd est un ouvert Ω ⊂ Rd dont la frontière est :
— Une courbe de classe C 1 (ou une réunion de telles courbes) dans le cas de la dimension d = 2 ;
— Une surface de classe C 1 (ou une réunion de telles surfaces) dans le cas de la dimension
d = 3.
On demande en outre que Ω se trouve d’un seul côté de sa frontière ∂Ω ; ainsi, les ouverts ‘fissurés’
ne sont pas des ouverts de classe C 1 au sens ci-dessus. On trouvera quelques exemples et contre-
exemples d’ouverts de classe C 1 sur la Figure 8.1.

Lorsque l’on considère un ouvert Ω de classe C 1 , une quantité intéressante est le vecteur normal n
à Ω. Il s’agit d’un champ de vecteurs n : ∂Ω → Rd défini et continu sur le bord de Ω qui jouit des
propriétés suivantes : pour tout point x ∈ ∂Ω, n(x) est proportionnel à la direction ‘orthogonale’
à la partie du bord ∂Ω située près de x ; il pointe vers l’extérieur de Ω et est de norme unité, i.e.
|n(x)|= 1 pour tout x ∈ ∂Ω (voir la Figure 8.1, droite).
78 CHAPITRE 8. QUELQUES RAPPELS DE CALCUL DIFFÉRENTIEL

n(x)
x•

⌦
⌦
⌦

Figure 8.1 – La figure de gauche ne décrit pas un domaine régulier, car Ω ne se situe pas d’un
seul côté de sa frontière (en raison de l’existence de la fissure) ; la figure au centre ne représente
pas non plus un domaine régulier car sa frontière est une courbe présentant des point anguleux (on
dit qu’un tel ouvert est un ouvert Lipschitz). Enfin, la figure de droite représente un domaine de
classe C 1 (qui a plusieurs composantes connexes).

Il est enfin possible de définir une notion d’intégration sur le bord d’un domaine régulier Ω (ou bien,
plus généralement sur une hypersurface régulière S ⊂ Rd ). La construction de la mesure de surface
qui permet ceci est là-encore assez technique. On pourra en trouver les détails dans l’ouvrage [3],
par exemple.
Dans la pratique, il convient de savoir que la mesure de surface, notée ds, permet de généraliser en
toute dimension
— La notion de longueur `(σ) d’une courbe σ ⊂ R2 en deux dimensions, qui s’écrit alors :
Z
`(σ) = ds;
σ

— La notion d’aire A(S) d’une surface S ⊂ R3 :

Z
A(S) = ds.
S

8.4.2 Formule de Green

Théorème 5

Soit Ω ⊂ Rd un ouvert borné, régulier de classe C 1 , et soit f : Ω → R une fonction de classe C 1 .

Alors on a, pour i = 1, ..., d :
∂f
Z Z
dx = f ni ds.
Ω ∂xi ∂Ω

Remarque 1
— Rigoureusement, l’hypothèse selon laquelle f : Ω → R est classe C 1 signifie que f est de
classe C 1 sur un ouvert U contenant le compact Ω.
8.4. LA FORMULE DE GREEN ET SES VARIANTES 79

— Cette formule est en réalité valable sous des hypothèses plus faibles que celles du Théorème
5. En particulier, il est possible de supposer le bord ∂Ω seulement Lipschitz (auquel cas le
vecteur normal n existe seulement presque partout sur ∂Ω).

Cette formule admet nombre de variantes, qui s’en déduisent facilement. Mentionnons :
— Si f : Ω → Rd est une fonction de classe C 1 , on a :
Z Z
div(f ) dx = f · n ds. (8.4)
Ω ∂Ω

D’un point de vue physique, cette formule exprime que le flux sortant du champ de vecteurs
f à travers la paroi ∂Ω est relié aux propriétés de concentration ou de dispersion de ce
champ de vecteurs. Le lecteur aura sans doute déjà rencontré cette formule en physique (par
exemple, en thermique ou en électrostatique) sous le nom de formule de Green-Ostrogradski.
— Si f, g : Ω → R sont deux fonctions différentiables, alors on a, pour i = 1, ..., d :

∂f ∂g
Z Z Z
g dx = f gni ds − f dx.
Ω ∂x i ∂Ω Ω ∂x i

Sous cette forme, la formule de Green apparaı̂t bien comme la généralisation multi-dimensionelle
de la formule d’intégration par parties sur un intervalle de R.

8.4.3 Un exemple en thermique

Soit Ω un ouvert de Rn , rempli d’un matériau conduisant la chaleur, dont on note γ la conductivité
thermique, et qui se trouve isolé du milieu extérieur. Soit u : Ω → R le champ de température dans
Ω. On cherche à caractériser u au moyen d’équations reliant ses dérivées partielles (en supposant
que u est suffisamment régulière afin que les développements suivants soient légitimes).
La loi de Fourier donne le flux de chaleur j : Ω → Rd au sein de Ω en fonction de la température
u et de la conductivité γ :
j(x) = −γ∇u(x), x ∈ Ω;
ainsi le flux de chaleur pointe depuis les fortes valeurs de u (le ‘chaud’) en direction de ses faibles
valeurs (le ‘froid’). Par définition, la quantité d’énergie traversant une surface S, orientée par la
vecteur normal n est : Z
E(S) = j(x) · n(x) ds.
S

Conformément à l’intuition, on vérifie que lorsque le flux de chaleur est tangent à S (traduisant
une convection de la chaleur parallèlement à S), cette énergie est nulle.
Soit f : Ω → R la source de chaleur dans le milieu ; la quantité d’énergie produite dans un volume
ω ⊂ Ω arbitraire s’écrit : Z
f (x) dx.
ω

Supposons à présent que le système est à l’équilibre. Alors, pour tout volume ω ⊂ Ω, la quantité
d’énergie produite dans ω coı̈ncide avec la quantité d’énergie qui s’en échappe, i.e. :

∂u
Z Z Z
f (x) dx = j(x) · n(x) ds = −γ (x) ds.
ω ∂ω ∂ω ∂n
80 CHAPITRE 8. QUELQUES RAPPELS DE CALCUL DIFFÉRENTIEL

Utilisant la formule de Green dans sa version (8.4), on obtient :

Z Z
f (x) dx = −γ ∆u(x) dx,
ω ω

où le Laplacien de u est défini comme ∆u = div(∇u). Puisque cette relation est vraie quelle que
soit le volume ω ⊂ Ω considéré, il vient :

−γ∆u = f dans Ω.

Enfin,
R l’hypothèse selon laquelle le milieu Ω est isolé de l’extérieur implique que la quantité d’énergie
∂u
−γ V ∂n ds traversant toute portion V ⊂ ∂Ω est nulle. Ainsi :

∂u
= 0 sur ∂Ω.
∂n
En fin de compte, on a montré que u satisfait l’équation de Poisson avec conditions de Neumann
au bord : 
−γ∆u = f dans Ω,
∂u
∂n = 0 sur ∂Ω.
Bibliographie

[1] C. Gasquet et P. Witomski, ”Analyse de Fourier et Applications”, Editions Masson.

[2] S. Benzoni-Gavage, Calcul différentiel et équations différentielles : Cours et exercices cor-
rigés, Dunod, (2010).
[3] J.-M. Bony, Cours d’analyse, théorie des distributions et analyse de Fourier, Éditions de
l’École Polytechnique, (2001).

81