REPUBLIQUE DU BENIN

*****
MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA
RECHERCHE SCIENTIFIQUE
*****
UNIVERSITE NATIONALE DES SCIENCES, TECHNOLOGIES,
INGENIEURIE ET MATHEMATIQUES (UNSTIM Abomey)
*****
ECOLE NATIONALE SUPERIEURE DE GENIE MATHEMATIQUE ET
MODELISATION (ENSGMM)

Filière : ING-GMM 1

METHODES MATHEMATIQUES DE L’INGENIEUR II

THEME
DISTRIBUTIONS ET APPLICATION AUX EDP

Présenté par : Sous la supervision de :

- ADJIBI Julian Dr Aliou DJIBRIL MOUSSA
- AGOSSADOU Guérin
- ODJO Noel
- KOLOBOE Abraham
ANNEE ACADEMIQUE: 2019-2020
 Plan
Introduction

I- Distributions
II- Convolution des distributions
III- Régularisation des distributions
IV- Distributions tempérées

Conclusion

2
 INTRODUCTION

En analyse mathématique, une distribution également appelée fonction

généralisée est un objet qui généralise la notion de fonction et de mesure. La
théorie des distributions étend la notion de dérivée à toutes les fonctions
localement intégrables et au-delà, et est utilisée pour formuler des solutions à
certaines équations partielles. Elles sont importantes en physique et en ingénierie
où beaucoup de problèmes discontinus conduisent naturellement à des équations
différentielles dont les solutions sont des distributions plutôt que des fonctions
ordinaires.

3
I- Distributions
1- Définitions

Définition 1-1
Soit Ω un ouvert de R N .
Une distribution T sur Ω est une forme linéaire sur C ∞c (Ω ) à valeurs réelles (ou
complexes) vérifiant la propriété de continuité suivante :
Pour tout compact K ⊂ Ω, il existe C K > 0 et p K ∈ N tels que, pour toute fonction
test φ ∈C ∞c ( Ω ) avec supp ( φ ) ⊂ K , ¿ ¿αmax ¿ ¿ ∂α φ ( x)∨¿ ¿
K
∨≤ p x ∈ K

Lorsque p K peut être choisi indépendamment de K dans la condition de

continuité ci-dessus, c’est- à -dire lorsqu’il existe un entier p ∈ N tel que p K < p pour tout
compact K ⊂ Ω, on dit que T est une distribution d’ordre ≤ p sur Ω.
Dans ce cas, on appelle ‘’ordre de la distribution T ‘’ le plus petit entier p positif
ou nul tel que T soit une distribution d’ordre ≤ p.
Définition 1-2
Une distribution sur Ω est une forme linéaire T :C ∞c ( Ω ) → C continue en 0 telle que, pour
toute suite ¿ d’éléments de C ∞c (Ω ) qui converge vers φ , ¿ T , φ n>→<T , φ>¿ quand n → ∞.
Notation :
On note souvent D ( Ω )=C ∞c ( Ω ) et toujours D' ( Ω ) l’ensemble des distributions à valeurs
réelles ou complexes sur Ω. On dit que D' ( Ω ) est le dual topologique de C ∞c (Ω ).
Pour T ∈ D' ( Ω ) on notera indifféremment T ( φ ) ou ¿ T , φ> ¿.
Le symbole ¿ T , φ> ¿ désigne ici un crochet de dualité et signifie simplement l’action de T
sur φ : T ( φ ) .

2- Distributions à support compact

2.1 Support d’une distribution
Soit Ω un ouvert de R N et T une distribution sur Ω . On définit supp(T ) comme le plus
petit fermé F de Ω tel que T ∨¿Ω ¿=0¿ . Autrement dit :
supp ( T ) =¿ F ϵ F(T )F où F ( T )={F fermé de Ω/T ∨¿Ω ¿=0}¿

4
 2.2 Ensemble des distributions à support compact
Soit Ω ouvert de Rn . On note l’ensemble des distributions à support compact
E ' (Ω) = {T ϵ D ' (Ω)/ supp ( T ) compact dans Ω}

Remarque
on note E (Ω) ou C ∞(Ω) l’espace des fonctions indéfiniment dérivables sur Ω. Son dual
topologique est E ' (Ω). On a par ailleurs l’inclusion D ( Ω ) ⊂ E (Ω) qui induit l’injection
linéaire E ' (Ω) ↪ D '(Ω) .

3- Exemple de distributions
 Fonctions localement intégrables
A toute fonction f de L1loc (Ω), on associe la forme linéaire définie par
T f :φ ↦ ∫ f ( x ) φ ( x ) dx
Ω
pour tout fonction test φ de C ∞c (Ω ).
.
Observons que, pour tout compact K ⊂ Ωet pour toute fonction φ de C ∞c (Ω )
❑

à support dans K , on a ¿, avec C K =∫ ¿ f ( x)∨dx .

K

Donc T f est une distribution d’ordre 0 sur Ω.

 Masse de Dirac
A tout point x 0 ∈Ω ouvert de R N , on associe la forme linéaire définie par,
¿ δ x , φ>¿ φ( x 0 )
0

pour toute fonction test φ ∈ C ∞c (Ω ) .

Evidemment, pour tout compact K ⊂ Ωet toute fonction test φ ∈ C ∞c (Ω )
à support dans K , on a :
¿
Donc δ x est une distribution d’ordre 0 sur Ω.
0

 Valeur principale de Cauchy

Elle est définie par :
1
T f :φ ↦ lim ∫ ¿ ¿❑ φ ( x ) dx ¿
ε → 0 R ¿−ε ;ε ¿ x

5
 Pour tout R>¿ 1 et toute fonction test φ ∈C ∞ ( R) à support dans [ −R , R ] ,
on a :
¿

vp ( 1x ) est une distribution d’ordre 1 sur [−R , R ].

II- Convolution des distributions

Le produit de convolution acquiert des propriétés remarquables lorsqu’on la

généralise à l’ensemble des distributions.
A- Convolution (C ∞c ∗D ' ¿
Commençons d’abord par définir le produit de convolution d’une fonction L1loc par une
fonction de classe C ∞ à support compact.
Soit u ϵ L1loc( R N ¿et ϕ (x) ϵ C ∞c ( R N ¿ on a
❑
ϕ∗u ( x )=∫ ϕ( y− x)u ( y)dy x ϵ R N
N
R

Cette définition s’étend sans difficulté au cas du produit de convolution d’une

distribution par une fonction de classe C ∞ àsupport compact.

1- Définition :
Pour toute distribution T ϵ D '( R ¿¿ N)¿ et toute fonction test ϕ (x) ϵ C ∞c ( R N ¿, on définit
T∗ϕ ( x )= ⟨ T , ϕ ( x−· ) ⟩= ⟨ T , ( x−· ) , ( τ x )∗~
ϕ ⟩ , pour tout x ϵ R N

Où on a noté ~ ϕ la fonction définie par ~ ϕ ( x )=ϕ (−x ) et où τ x désigne la translation de

vecteurs τ x : y ⟼ τ x ( y )= y + x c’est-à-dire que ( τ x )∗f ( y )=f ⃘ τ −x =f ( y−x ) pour tout
x et y ϵ RN

2- Quelques propriétés

 Majoration du support
Pour toute distribution T ϵ D '( R ¿¿ N)¿et toute fonction test ϕ (x) ϵ C ∞c ( R N ¿, on a
supp(T ¿ ϕ ) ⊂ supp(T ) + supp(𝜙)
 Régularisation de la convolution C ∞c ∗D ' ¿

6
Pour toute distribution T ϵ D '( R ¿¿ N)¿et toute fonction testϕ (x) ϵ C ∞c ( R N ¿, le
produit de convolution de la distribution T par fonction test φ est de classe C ∞ sur R N , et
on a
∂αx ( T∗ϕ ) =(∂ ¿ ¿ x α T )∗ϕ=T∗(∂ ¿ ¿ x α ϕ)¿ ¿

3- Convolution et notions de convergence

Soit une fonction test ϕ (x) ϵ C ∞c ( R¿¿ N )¿ et ¿une suite de distributions sur Rn
convergeant vers T au sens des distributions. Alors, pour tout multi-indice α ϵ N N

∂α ( T n∗ϕ ) → ∂α (T ∗ϕ ) uniformément sur tout compact de R N lorsque n → ∞

B- Convolution ( E '∗C ∞ ¿
On définit le produit de convolution d'une distribution à support compact par une
fonction C ∞c par la même formule que dans la définition précédente pour C ∞c ∗D'
Pour S ϵ E '( R¿ ¿ N )¿ et toute fonction ϕ (x) ϵ C ∞( R N ¿, on définit
S∗ϕ ( x )=⟨ S ,ϕ ( x−· ) ⟩, pour tout x ϵ R N .

Les propriétés vues précédemment sont également valables à ce niveau

C- Convolution de deux distributions

L’extension du produit de convolution au cas de deux distributions est absolument
fondamentale dans l’étude des équations aux dérivées partielles linéaires à coefficients
constants.
Pour toute distribution T ϵ D ' (R ¿¿ N)¿on notera ~
T la composée de T avec l’antipodie
~
⟼−x , T =T ∘(−I d R ) N

Autrement dit, pour toute fonction test ϕ ϵ C ∞c ( R N ¿

⟨~ ϕ ⟩ où ~
T , ϕ ⟩= ⟨ T , ~ ϕ ( x )=ϕ (−x )

1- Définition (Convolution E '∗D' ¿

Pour tout T ϵ D ' (R ¿¿ N)¿ et tout S ϵ E '( R¿ ¿ N )¿, on définit le produit de convolution
T∗S ϵ D ' (R¿¿ N ) ¿par la formule

⟨ T ∗S ,ϕ ⟩ =⟨ T , ~S∗ϕ ⟩ pour toute fonction test ϕ ϵ D( R ¿¿ N ) ¿

7
Cette nouvelle extension du produit de convolution conduit à la même propriété de
majoration du support vue précédemment.

2- Propriétés du produit de convolution

 Convolution avec la masse de Dirac en 0

La masse de Dirac en 0 est la distribution qui associe à toute fonction test sa valeur en 0.
C’est l’élément neutre pour le produit de convolution.
Pour toute distributionT ϵ D '( R ¿¿ N)¿, on a T∗δ 0=δ 0∗T =T

NB : Le produit de convolution qui n’avait pas d’élément neutre dans l’ensemble des
fonctions a un élément neutre dans l’ensemble des distributions.

 Convolution avec la distribution de Dirac en un réel a

On a T∗δ a=δ a∗T =τ a T =T ⃘ τ−a

 Commutativité de la convolution

Soit T ϵ D ' (R N )et S ϵ E '( R¿ ¿ N )¿, alors

- Pour tout ϕ (x) ϵ C ∞c ( R N ¿ , on a ⟨ T , ~S∗ϕ ⟩ =⟨ S , ~

T∗ϕ ⟩
~
- Si on définit T∗S par ⟨ T ∗S ,ϕ ⟩ =⟨ T , S∗ϕ ⟩ pour tout ϕ ϵ C ∞c ( R N ¿ alors

T∗S=S∗T

 Associativité de la convolution

Le produit de convolution n’est pas en général associatif. Il faut imposer certaines

conditions aux distributions.
Soit R, S et T, trois distributions sur R N . Supposons qu'au moins deux de ces
distributions sont à support compact dans R N . Alors
R∗( S∗T )=( R∗S )∗T

 Dérivation et convolution

Soit T ϵ D ' (R N ) et S ϵ E '( R¿ ¿ N )¿ et tout multi-indice α ϵ N N , on a

8
∂α ( T∗S )=∂α ( T )∗S=T∗∂α ( S )

 Dérivation et convolution par les dérivées de δ 0

Pour toute distributionTϵ D' (RN ), et pour tout multi-indice α ϵ N N , on a

T∗∂ α ( δ 0 )=∂α T

 Continuité séquentielle du produit de convolution

Soit des suites ¿ et ¿ ϵ E ' (R ¿¿ N)¿ telles que T n → T et Sn → S lorsque n → ∞

Supposons aussi qu’il existe un compact K ϵ R N fixe tel que supp ( Sn) ⊂ K alors

T n∗Sn →T∗S

III- Régularisation des distributions

La notion de régularisation et d’approximation des fonctions peu régulières par des

fonctions plus régulières est un terme bien connu en analyse. On sait par exemple
d’après le théorème Weierstrass qu’une fonction continue sur un segment peut être
approchée par une suite de polynômes au sens de la convergence uniforme. Que se
passe-t-il donc lorsqu’on élargit la notion de régularisation aux distributions ?
Avant de parler des distributions nous allons donner quelques notions relatives à la
régularisation des fonctions localement intégrable. L’outil de base pour procéder à cette
régularisation est la notion de suite régularisante dans un espace euclidien R

1- Suite régularisante
Soit φ ∈C ∞c ( R N )telle que
 φ≥0
 supp ( φ ) ⊂ B ( 0,1 )
 ∫ R φ ( x ) dx=1
N

Nx
Posons φ ϵ ( x ) =φ( )/ϵ  où N est la dimension de l’espace R N . On obtient ainsi :
ϵ

 φ ϵ ∈C ∞c ( R N )
 supp(φ ¿¿ ϵ )⊂ B(0 , ϵ ) ¿
 ∫ R φϵ ( x ) dx=1
N

9
 Et donc φ ϵ →δ 0 (masse de Dirac en 0)
A partir de la définition ci-dessus, on peut aborder le concept de régularisation des
fonctions localement intégrable.

2- Régularisation des fonctions localement intégrables

Considérons le cas particulier de fonctions continues.

Pour tout f ∈ C(R¿ ¿ N )¿ (fonction localement intégrable) et pour tout compact K ⊂ RN ,
on a :
∞ N
 f∗φ ϵ ∈C (R ) et

 f∗φ ϵ ( x )converge uniformément vers f sur K quand ϵ → 0

¿ |f ∗φ ϵ ( x ) −f ( x )|→0 lorsque ϵ → 0
x∈ K

Ainsi f∗φ ϵ ( x ) converge vers f sur tout compact de R N .

On a donc définit pour toute fonction f continue sur R N un procédé de régularisation
telle que :
- f ↦ f ϵ =f ∗φϵ ( x ) ¿ ∀ ϵ , f ϵ ∈ C ∞ ( RN )

3- Régularisation des distributions

Théorème :
Soit T ∈ D' ( R N )et ( φ ϵ ) ϵ>0 une suite régularisante de R N

Pour toutT ϵ :=T ∗¿ φ ϵ ∈C ∞ ( R N ), T ϵ →T dans D' ( R N ) pour ϵ → 0+¿¿

4- Applications de la régularisation des distributions

On peut définir de nouvelles opérations linéaire sur les distributions par densité à partir
des opérations correspondantes sur les fonctions.

10
Exemples :
- Produit tensoriel de distributions
- Composée d’une distribution et d’une application C ∞ (pas forcément un
difféomorphisme…)

IV- Distributions tempérées

On souhaite étendre la transformation de Fourier aux distributions. Mais la difficulté

est la même que pour faire cette opération sur les fonctions en générale. En effet on ne
peut effectuer la transformation de Fourier sur une fonction à condition que cette
dernière décroit suffisamment. Pour rendre ce calcul possible, on définit donc une classe
de distribution qui est en quelque sorte une intermédiaire entre les distributions à
support compact et les distribution générales qui est la classe des distributions
tempérées sur R N . Cette nouvelle classe est appelée espace de Schwartz ou classe de
Schwartz.

1- Définition
Définition 1-1 :

La classe de Schwartz, définie sur R N et notée S( R N ) est l’ensembles des fonctions a

décroissance rapide ainsi que toutes leurs dérivées.

S ( R N )={ϕ ∈C ∞ ( R N ) t . q .¿ x ∈ R N |x α ∂β ϕ ( x )|< ∞ ∀ α , β ∈ N N }

Exemples d’éléments de S( R N )
 C ∞c ⊂ S ( R N )
 ϕ ( x )=P(x )exp ⁡¿ où P est un polynôme et a> 0.
Définition 1-2 :
Une distribution tempérée est une forme linéaire T continue sur S( R N ). La continuité de
la forme linéaire T sur S( R N ) peut s’exprimer de deux façons équivalentes :
- Pour toute suite ¿ convergeant vers ϕ dans S( R N ),
lim |‹ T , ϕ›|=¿∨‹ T , ϕ ›∨; ¿
n→∞

- ∃ un entier p ≥0 et un réel C> 0 pour lesquels ∀ ϕ ∈ S (RN ).

11
 ¿ ‹ T n , ϕ ›∨≤ C Ɲ P (ϕ) où Ɲ Pest la famille de semi norme définissant la topologie
sur S.
L’ensemble des distributions tempérées est un espace vectoriel, que l’on note S '( R N ).

2- Exemple de distribution tempérées

 Toute fonction localement intégrable sur Ω définit une distribution tempérée.
 Toute distribution à support compact est tempérée :
E '( R N )⊂ S ' ( R N )
 Toute fonction appartenant à l’espace de Lebesgue L p (R N ) avec1 ≤ p ≤ ∞.
 Toute fonction continue à croissance polynômiale définit une distribution
tempérée sur R N .
 Toute mesure de probabilité μ sur R N définit une distribution tempérée.
 Toute fonction continue et périodique sur R définit une distribution tempérée.
 En revanche, les distributions définies par les fonctions x ↦ e x, x → sinh x ou
x → cosh x ne sont pas des distributions tempérées.

3- Caractérisation des distributions S '( R N )

Toute distribution T ϵ S ' ( RN ) ¿ est de la forme :
T =∂αx ((1+¿ x∨¿2 ¿ ¿ ¿ n f )¿ au sens des distributions où α est un multi-indice,
n ∈ N , et f une fonction continue bornée sur R N .

4- Caractère tempéré d’une distribution

Pour voir si une distribution définie sur en ensemble est tempérée ou non, il ne
suffit pas d’étudier la croissance à l’infini du module de cette fonction. Considérons par
exemple la fonction x ↦ iex eix .
Evidemment
|ie x e ix|=e x qui a la même croissance à l’infini que les contre
exemples ci-dessus.
d ix
ie x e ix= (e )
dx

Et comme la fonction x ↦ eix est une fonction C 1 sur bornée R, elle définit une
distribution tempérée sur R.
En pratique, pour décider si une distribution T ϵ D ' (R N ) est tempérée, on
cherchera évidemment si elle appartient aux classes d’exemples ci-dessus, distributions
12
à support compact, fonctions de L p, fonctions à croissance polynômial. Si ce n’est pas le
cas, il faut ensuite chercher si la distribution considérée est une dérivée (d’ordre
quelconque) d’une distribution dont on sait déjà qu’elle est tempérée.
Si aucune de ses approches ne permet de conclure, il faut revenir à la définition
des distributions tempérées, et en vérifier la propriété de continuité.

5- Propriétés des distributions tempérées

SoientT ϵ S ' ( RN ) et fϵ C ∞ ( RN ).
 L’espace des distributions tempérées est stable par dérivation :
Pour tout α ∈ N N , ∂α T ϵ S '( R N );
 L’espace des distributions tempérées est stable par multiplication par les fonctions à
croissance polynomiale ainsi que toute leurs dérivées :
Pour tout α ∈ N N fT ∈ S ' (R N )
 L’espace des distributions tempérées est stable par convolution par les distributions à
support compact.
∀ E ∈ E '(R N ), T∗S ϵ S '( R N ).

6- Convergence dans S '( R N )

 On dit qu’une suite (T n)n ≥ 1 de distributions tempérées converge vers T ϵ S ' ( RN ) si

∀ ϕ ∈ S ( R N ) ,<T n , ϕ>⟶<T , ϕ> ¿ lorsque n ⟶ ∞.
 Pour tout multi-indiceα ϵ (N N ), on a
∂α T n ⟶ ∂α T dans S '( R N ) lorsque n ⟶ ∞

 Pour toute fonction f de classe C ∞ sur R N à croissance polynômiale ainsi que toutes
ses dérivées
f T n ⟶ fT dans S '( R N ) lorsque n ⟶ ∞

CONCLUSION

De tout ce qui précède, la théorie des distributions est une notion très
importante car elle permet de donner du sens à de nombreux problèmes physiques.

13
Elle intervient fortement dans la résolution des équations aux dérivées partielles en
permettant de trouver des solutions élémentaires aux différents opérateurs
différentiels.

14
BIBLIOGRAPHIE

- Equations aux dérivées partielles, Thierry Gallay et Julien Vovelle

- Théorie des distributions, H. Boumaza
- Distribution, analyse de Fourier, Equations aux dérivées partielles, F. GOLSE
- Distribution tempérées, Arthur Leclaire

15