Chapitre 4

Théorie des distributions

Dans certains domaines mathématiques et de la physique, la notion de fonc-

tion s’avère insuffisante pour analyser et résoudre les problèmes. La théorie
des distributions, introduite par Laurent Schwartz en 1946, généralise la no-
tion de fonction et offre un cadre conceptuel élégant permettant d’analyser
ces problèmes (elle lui a d’ailleurs valu la médaille Fields). De plus, les dis-
tributions sont très souples à manipuler: toute distribution est dérivable et
sa dérivée est encore une distribution, les critères de convergence sont faciles
à vérifier, la dérivée de la limite est toujours égale à la limite des dérivées, ...
Les distributions sont devenues le cadre naturel dans lequel la plupart des
analystes se placent.

Dans tout ce chapitre, Ω désigne un ouvert (borné ou non) de Rd avec d ≥ 1.

4.1 Naissance des distributions

4.1.1 Insuffisances de la notion de fonction
Depuis l’introduction du calcul symbolique, les physiciens se sont couram-
ment servis de certaines notions ou de certaines formules dont le succès était
incontestable, alors qu’elles n’étaient pas justifiées mathématiquement. Par
exemple, afin d’effectuer les premiers calculs de mécanique quantique, Dirac
a introduit en 1926 la “fonction” qui porte son nom et qu’on note usuellement

79
δ ou δ0 , “définie” par
 Z
0 si x 6= 0,
δ(x) = et δ(x) dx = 1.
+∞ si x = 0, R

Formellement, δ est la dérivée de la fonction de Heaviside définie presque

partout par 
0 si x < 0,
H(x) =
1 si x ≥ 0.
Rx
puisque H(x) = −∞ δ(y) dy presque partout. Cette définition manque claire-
ment de rigueur mathématique. Et que penser de la considération des dérivées
successives de la fonction de Dirac! Pourtant, de telles expressions rendent
de constants services en physique. Considérons par exemple l’équation des
ondes en dimension 1,
1 ∂ 2u ∂ 2u
− = 0.
c2 ∂t2 ∂x2
Elle admet pour solutions les fonctions régulières de la forme

u(t, x) = f (x − ct).

Cependant même si f n’est pas régulière, disons le créneau f (x) = H(x) −

H(x − L), la fonction u définie ci-dessus peut s’interpréter comme la prop-
agation d’une onde sans déformation avec la célérité c dans le sens des x
croissants. On aimerait bien pouvoir la considérer comme une solution de
l’équation des ondes. Et c’est ce qu’on arrive à montrer en utilisant le for-
malisme de Dirac.

4.1.2 Changeons de point de vue

On a vu ci-dessus que si l’on tentait de définir la “fonction” δ comme une
fonction usuelle, c’est-à-dire en donnant ses valeurs ponctuelles, on aboutis-
sait à une impasse. Cela nécessite de changer de point de vue. La procédure
que l’on va utiliser est la suivante: nous allons introduire un ensemble d’objets

80
mathématiques (les distributions) tel que l’ensemble des fonctions “raisonnables”
soit en correspondance injective avec les distributions. Ce procédé n’est pas
nouveau, c’est le même qu’on a utilisé pour construire Q à partir de N par
exemple.
Pour ce faire, on ne va plus considérer les valeurs ponctuelles d’une fonction
f : Ω −→ R mais uniquement ses valeurs moyennes “contre” des fonctions
test ϕ, autrement dit les quantités
Z
f ϕ.
Ω

Les fonctions test doivent donc être “régulières” et “localisées“. On prendra

les fonctions C ∞ sur Ω à support compact. D’autres choix sont possibles et
ont donné lieu à d’autres théories de “fonctions généralisées”. La théorie des
distributions reste à la fois plus élémentaire et d’usage plus populaire.

On associe ainsi à la fonction f la forme linéaire sur D(Ω) notée Tf et définie

par
Tf : D(Ω) → R R
ϕ 7→ hTf , ϕi = Ω f ϕ.

Remarquons que Tf est définie pour toute fonction f de L1loc (Ω). Par ailleurs,
si f et g sont deux fonctions de L1loc (Ω),
Z Z
Tf = Tg ⇔ ∀ϕ ∈ D(Ω), fϕ = gϕ ⇔ f =g presque partout.
Ω Ω

Cette dernière équivalence n’est pas triviale : elle fait l’objet du théorème 4.9,
qui sera démontré plus tard. Elle signifie que l’on peut identifier la fonction
f et la forme linéaire Tf .

Ce changement de point de vue donne lieu à une généralisation naturelle

de la notion de fonction. On définit une distribution sur Ω comme une
forme linéaire continue (en un sens qui sera précisé plus loin) sur D(Ω) et
on note D′ (Ω) l’espace vectoriel des distributions sur Ω. On vient de voir
qu’il existe une injection naturelle f 7→ Tf de L1loc (Ω) dans D′ (Ω). Mais il
existe des distributions qui ne peuvent pas être représentées par des fonctions
(l’application f 7→ Tf est loin d’être surjective).

81
4.2 Définitions et exemples
4.2.1 Définition
Venons en maintenant à la définition rigoureuse de ce qu’est une distribution.
Rappelons pour commencer ce qu’est le support d’une fonction continue.

Définition 4.1 (Support d’une fonction continue). Soit ϕ : Ω −→ R une

fonction continue. On définit le support de ϕ par
Supp(ϕ) = {x ∈ Ω, ϕ(x) 6= 0} ∩ Ω.
Définition 4.2 (L’espace D(Ω)). On note D(Ω) l’espace des fonctions indéfiniment
dérivables sur Ω (i.e. C ∞ ) et à support compact. Ces fonctions sont appelées
fonctions d’essai ou fonctions test dans Ω. Pour K compact dans Ω, on note
DK (Ω) l’espace des fonctions test à support dans K.
L’espace des fonctions test jouit de nombreuses propriétés accommodantes
comme le fait d’être dense dans l’espace L1 (Ω) (voir Théorème 4.36 et autres
lemmes de la section 4.5).
Définition 4.3 (Distribution). On dit que T est une distribution dans l’ouvert
Ω si T est une forme linéaire sur D(Ω) qui vérifie la propriété de continuité
suivante : pour tout compact K de Ω, il existe un entier p et une constante
C tels que
∀ϕ ∈ DK (Ω), |hT, ϕi| ≤ C sup |∂ α ϕ(x)|. (4.2.1)
x∈K, |α|≤p

On note D′ (Ω) l’espace vectoriel des distributions dans Ω.

Remarque 4.4. Sur un espace vectoriel normé (E, k · k), la propriété de
continuité des formes linéaires s’écrit tout simplement
∀x ∈ E, |hT, xi| ≤ Ckxk.
La forme plus complexe de la propriété de continuité (4.2.1) vient du fait
que la topologie dont il faut munir l’espace vectoriel D(Ω) pour que son dual
D′ (Ω) ait de bonnes propriétés n’est pas une topologie issue d’une norme.
Définition 4.5 (Ordre d’une distribution). Lorsque l’entier p peut être choisi
indépendamment de K on dit que la distribution T est d’ordre fini, et la plus
petite valeur de p possible est appelée l’ordre de T .

82
Remarque 4.6. Heuristiquement, plus l’ordre d’une distribution est élevé,
plus celle-ci est singulière.

Dans les sections 4.2.2, 4.2.3 et 4.2.4, nous donnons des exemples des princi-
pales distributions que nous rencontrons en pratique.

4.2.2 Fonctions localement sommables

Proposition 4.7. Soit f ∈ L1loc (Ω). La forme linéaire Tf définie par
Z
∀ϕ ∈ D(Ω), hTf , ϕi = f ϕ. (4.2.2)
Ω

est une distribution d’ordre 0 sur Ω.

Exercice 4.8. Démontrer la proposition 4.7.

Comme nous l’avons mentionné dès le début du chapitre, l’espace des fonc-
tions test est suffisamment riche pour que l’application naturelle f 7→ Tf
de L1loc (Ω) dans D′ (Ω) soit injective. C’est ce que nous prouvons dans le
théorème suivant. On peut donc identifier une fonction de L1loc (Ω) et la dis-
tribution qui lui est associée et noter f à la place de Tf .

Théorème 4.9. Soit f et g dans L1loc (Ω). Alors

f =g ⇔ Tf = Tg dans D′ (Ω).

Preuve. L’implication ⇒ est évidente. Nous allons démontrer la réciproque

en nous limitant au cas où Ω = Rd et où f et g sont dans L1 (Rd ) (ceci pour
éviter des complications techniques). Considérons donc f et g dans L1 (Rd )
vérifiant Tf = Tg et posons h = f − g ; il s’agit de vérifier que h = 0 presque
partout, sachant qu’on a
Z
∀ϕ ∈ D(Rd ), hϕ = 0.
Ω

Soit ε > 0 et ψ ∈ D(Rd ) vérifiant

kh − ψkL1 ≤ ε/3.

83
L’existence d’un tel ψ résulte de la densité de D(Rd ) dans L1 (Rd ) (cf. théorème 4.36).
Soit une fonction χ ∈ D(Rd ) positive à support dans la boule unité et
d’intégrale égale à 1. On construit la suite de fonctions (χn )n∈N∗ définie
par
χn (x) = nd χ(n x).
Une telle suite s’appelle une approximation de l’identité (cf. section 4.3).
Considérons maintenant la suite de fonctions (hn )n∈N∗ définie par
Z
hn (x) = (h ⋆ χn )(x) = h(y) χn (x − y) dy.
Rd

Comme pour tout n ∈ N∗ , χn ∈ D(Rd ), la suite (hn )n∈N∗ est en fait iden-
tiquement nulle sur Rd . On a donc

khkL1 = kh − h ⋆ χn kL1 ≤ kh − ψkL1 + kψ − ψ ⋆ χn kL1 + k(h − ψ) ⋆ χn kL1 .

En utilisant l’inégalité (3.6.5), on obtient

k(h − ψ) ⋆ χn kL1 ≤ kh − ψkL1 kχn kL1 ≤ ε/3,

(on vérifie en effet que kχn kL1 = 1 pour tout n ∈ N∗ ). Par ailleurs, nous
montrons ci-dessous que

kψ − ψ ⋆ χn kL1 −→ 0. (4.2.3)
n→+∞

On peut donc choisir n assez grand pour que

kψ − ψ ⋆ χn kL1 ≤ ε/3,

ce qui conduit finalement à

khkL1 ≤ ε.
Cette majoration est valable pour tout ε > 0. Donc h = 0 dans L1 . Termi-
nons la preuve en démontrant (4.2.3). Remarquons d’abord que
Z 
 
|ψ ⋆ χn (x)| =  ψ(x − y) χn (y) dy  ≤ sup |ψ|,
Rd

et que

Supp(ψ ⋆ χn ) ⊂ Supp(ψ) + Supp(χn ) ⊂ Supp(ψ) + Supp(χ).

84
On obtient d’autre part en utilisant le changement de variable z = yn,
Z Z
d
ψ ⋆ χn (x) = n ψ(x − y) χ(ny) dy = ψ(x − z/n) χ(z) dz
Rd Rd

Il résulte alors du théorème de convergence dominée 3.26 que ψ ⋆ χn (x) tend

vers ψ(x) pour tout x ∈ Rd . En regroupant ces résultats, on aboutit à

pour tout n ∈ N∗ ,
(
|ψ − ψ ⋆ χn | ≤ 2 sup |ψ|1Supp(ψ)+Supp(χ)
(ψ − ψ ⋆ χn )(x) −→ 0 pour tout x ∈ Rd .
n→+∞

La convergence (4.2.3) découle donc à nouveau du théorème de convergence

dominée.

Remarque 4.10. On écrira

L1loc (Ω) ⊂ D′ (Ω),

de la même façon qu’on écrit

N ⊂ R ⊂ C.

La notation A ⊂ B signifie dans ce cadre qu’il existe une injection naturelle

de A dans B.

Remarque 4.11. Attention! La notion de distribution généralise en un

certain sens la notion de fonction mais cela ne veut pas dire que toutes les
fonctions sont des distributions. Seules les fonctions de L1loc sont en effet des
1
distributions. Ainsi, la fonction f (x) = définit une distribution dans Rd
|x|
pour d ≥ 2 mais pas dans R.

4.2.3 Mesures
Une autre catégorie de distributions que l’on a déjà rencontrée sont les
mesures.

85
Proposition 4.12. Soit µ une mesure borélienne localement bornée (i.e. une
mesure µ définie sur l’ensemble B(Ω) des boréliens de Ω telle que µ(K) < +∞
pour tout compact K ⊂ Ω). La forme linéaire Tµ définie par
Z
∀ϕ ∈ D(Ω), hTµ , ϕi = ϕ dµ. (4.2.4)
Ω

est une distribution d’ordre 0 positive (positive signifie ϕ ≥ 0 ⇒ hT, ϕi ≥ 0).

Exercice 4.13. Démontrer la proposition 4.12.
Par conséquent, toute combinaison linéaire de mesures positives boréliennes
localement bornées (appelés mesures de Radon) sont des distributions d’ordre
0.
Exemple 4.14 (Mesures ponctuelles). La distribution
N
X
m k δ xk
k=1

est une mesure de Radon. C’est une mesure (positive) si et seulement si

mk ≥ 0 pour tout k.

En fait, il y a une bijection entre les distributions positives et les mesures

boréliennes localement bornées (voir par exemple [3]).
Exercice 4.15. Montrer que les distributions positives sont nécessairement
d’ordre 0.

4.2.4 Valeur principale

Les valeurs principales sont des distributions qui apparaissent naturellement
quand on cherche à interpréter en tant que distributions des fonctions sin-
gulières.
Proposition 4.16. La forme linéaire (appelée valeur principale de x1 ) définie
par  
1 ϕ(x)
Z
∀ϕ ∈ D(R), hvp , ϕi = lim dx. (4.2.5)
x ε→0+ |x|>ε x
est une distribution d’ordre 1.

86
Exercice 4.17 (Démonstration de la proposition 4.16).

1. Montrer que vp (1/x) est une distribution d’ordre inférieur ou égal à 1.

2. En considérant la suite de fonctions ϕj ∈ D(R) définies par ϕj (x) = 1

pour 1/j ≤ x ≤ 1, ϕ(x) = 0 si x 6∈ [1/2j, 2] et 0 ≤ ϕj (x) ≤ 1 sinon,
montrer que l’ordre de vp (1/x) est égal à 1.

4.3 Convergence des distributions

Définition 4.18 (Convergence dans D′ ). Soit (Tn )n∈N une suite de distribu-
tions dans Ω. On dit qu’une suite (Tn )n∈N converge vers T dans D′ (Ω) si et
seulement si
∀ϕ ∈ D(Ω), hTn , ϕi −→ hT, ϕi.
n→+∞

Exercice 4.19. Soit χ ∈ D(Rd ) positive, à support dans la boule unité et

d’intégrale égale à 1. Posons pour n ≥ 1

χn (x) = nd χ(n x).

Montrer que
χn −→ δ0 dans D′ (Rd ). (4.3.1)
n→+∞

Remarque 4.20. Une suite (χn )n∈N de D(Rd ) vérifiant (4.3.1) est appelée
une approximation de l’identité. Cette dénomination vient du fait que la
distribution δ0 est l’identité pour l’opération de convolution que nous avons
définie pour des fonctions de L1 (Rd ) au chapitre 3 et qui peut être étendue à
une certaine classe de distributions.

Quand des distributions sont aussi des fonctions, il est important de pouvoir
comparer la convergence au sens des distributions et la convergence dans le
sens Lp ou la convergence presque sure.

Proposition 4.21. Soit 1 ≤ p ≤ +∞. La convergence dans Lploc (Ω) implique

la convergence dans D′ (Ω).

87
Preuve. Soit (fn )n∈N tendant vers f dans Lploc (Ω). Soit ϕ ∈ D(Ω). En se
servant de l’inégalité de Hölder, on obtient pour 1 < p < +∞
Z 
 
|hfn , ϕi − hf, ϕi| =  (fn − f )ϕ
ZΩ
≤ |fn − f | |ϕ|
Ω
Z
≤ sup |ϕ| |fn − f |
Supp(ϕ)
Z 1/p Z 1/p′
p p′
≤ sup |ϕ| |fn − f | 1
Supp(ϕ) Supp(ϕ)
′
≤ sup |ϕ| kfn − f kLp (Supp(ϕ)) | Supp(ϕ)|1/p −→ 0.

Pour p = 1 ou p = +∞, la preuve est encore plus facile; elle est laissée en
exercice.
Remarque 4.22. La convergence presque partout n’implique pas la conver-
gence dans D′ et réciproquement. Ainsi :
1. il peut y avoir convergence dans D′ et pas convergence presque partout ;

2. il peut y avoir convergence presque partout et pas convergence dans D′ ;

3. il peut y avoir convergence presque partout et convergence dans D′ sans

que les deux limites soient égales.
L’exercice suivant fournit des exemples de tels comportements.
Exercice 4.23.
1. Soit fn : x ∈ R 7→ einx . Étudier la convergence presque partout et la
convergence dans D′ (R).
n  
X 1
2. Soit gn : x ∈ R 7→ χn2 x − (où (χn )n≥1 désigne une approx-
k=1
k
imation de l’identité). Étudier la convergence presque partout et la
convergence dans D′ .

3. Soit hn = n1[0,1/n] . Étudier la convergence presque partout et la con-

vergence dans D′ .

88
Nous admettrons le résultat suivant.

Théorème 4.24. Soit (Tn )n∈N une suite de distributions dans Ω. On suppose
que pour tout ϕ ∈ D(Ω), la suite (hTn , ϕi)n∈N converge vers une limite lϕ .
Alors, l’application T définie par

hT, ϕi = lϕ

est une distribution sur Ω.

Ce résultat permet de faire l’économie de la vérification de la continuité de

l’application T (qui est manifestement une forme linéaire sur D′ (Ω)). C’est
l’un des résultats qui rend les distributions si faciles à manier.

4.4 Dérivation au sens des distributions

Au début du 20ème siècle, on s’est soucié de développer une théorie cohérente
de l’intégration qui permet d’intégrer un maximum de fonctions. Avec la
théorie de l’intégration de Lebesgue, la plupart des fonctions sont intégrables,
mais très peu de fonctions sont dérivables. De plus, comme on a vu au
chapitre 3, l’intégration est une opération continue vis-à-vis de la convergence
des fonctions, uniforme ou même simple (ponctuelle). Alors que la dérivation
est une opération grossièrement discontinue (voir exercice 4.39).
Les distributions ont été en partie inventées pour pouvoir être dérivées.
Nous allons voir qu’elles remplissent le contrat de ce point de vue: toute
distribution est infiniment dérivable et la dérivation est continue par rapport
à la topologie que nous avons définie à la section précédente.

4.4.1 Définition
Considérons une fonction f ∈ C 1 (R). On a pour une telle fonction la formule
d’intégration par parties

df dϕ
Z Z
∀ϕ ∈ D(R), ϕ=− f .
R dx R dx

En s’inspirant de cette formule, on définit la dérivée de n’importe quelle

distribution.

89
Définition 4.25 (Dérivée d’une distribution). Soit Ω un ouvert de Rd et T ∈
D′ (Ω). On définit la dérivée de la distribution T par rapport à la variable xi ,
∂T
que l’on note , par la relation
∂xi

∂T ∂ϕ
∀ϕ ∈ D(Ω), h , ϕi = −hT, i.
∂xi ∂xi

∂T
Exercice 4.26. Vérifier que la forme linéaire est bien une distribution.
∂xi
L’espace D′ (Ω) muni de la topologie définie plus tôt possède la propriété
remarquable que les opérateurs de dérivation y sont continus.

Proposition 4.27. Si la suite (Tn ) tend vers T dans D′ (Ω), alors pour tout
α ∈ Nd , (∂ α Tn ) converge vers ∂ α T dans D′ (Ω).

Preuve. Soit ϕ ∈ D(Ω). On a

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

Donc ∂ α Tn −→ ∂ α T dans D′ (Ω).

Comme corollaire immédiat, énonçons la proposition suivante.

Proposition 4.28. Soit (Tn )n∈N une suite dans D′ (Ω). Supposons que la
dans D′ (Ω) vers une distribution T . Alors, pour tout
P
série n∈N Tn converge
α ∈ Nd , la série n∈N ∂ α Tn converge dans D′ (Ω) et on a
P

X
∂ αT = ∂ α Tn .
n∈N

Dans D′ (Ω), on peut donc dériver sous le signe somme sans se poser de
questions.

90
4.4.2 Formule de saut en dimension 1
Dans cette section, nous faisons le lien avec la notion usuelle de dérivation
pour les fonctions C 1 puis montrons comment la dérivation au sens des dis-
tributions permet de définir la dérivée d’une fonction qui n’est que C 1 par
morceaux.

Cas des fonctions C 1

df
Soit f ∈ C 1 (]a, b[) ; f et sont dans L1loc (]a, b[), donc dans D′ (]a, b[). On a
dx
Z b
d dϕ
h Tf , ϕi = − f
dx a dx
Z b
df
= ϕ
a dx
= hT df , ϕi.
dx

On en déduit que
d
Tf = T df ,
dx dx

i.e. la dérivation au sens des distributions coı̈ncide avec la dérivation au sens

usuel pour les fonctions de classe C 1 .

Cas des fonctions C 1 par morceaux

Définition 4.29 (Fonction C k par morceaux). On dit qu’une fonction f est
de classe C k par morceaux sur ]a, b[ si pour tout intervalle compact [α, β]
inclus dans ]a, b[, il existe un nombre fini de points α = a0 < a1 < · · · <
aN < aN +1 = β tels que :

• dans chacun des intervalles ]ai , ai+1 [, f est de classe C k ;

• f et ses dérivées jusqu’à l’ordre k sont prolongeables par continuité à

droite et à gauche en les points a1 , · · · , aN .

On notera f (ai + 0) la limite à droite de f en ai et f (ai − 0) la limite à

gauche de f en ai .

91
Remarquons qu’une fonction de classe C 1 par morceaux sur ]a, b[ a un nombre
au plus dénombrable de points de discontinuité, les seuls points d’accumulation
éventuels sont a et b (le montrer en exercice).
Exemples et contre-exemples :
• une fonction en escalier est C 1 par morceaux ;

• la fonction x 7→ |x| est C 1 par morceaux sur R ;

• la fonction x 7→ tan x n’est pas C 1 par morceaux sur R ;

p
• la fonction x 7→ |x| est continue mais n’est pas C 1 par morceaux sur
R.

Théorème 4.30. Soit f de classe C 1 par morceaux sur ]a, b[. On a, avec les
notations de la définition ci-dessus, la formule des sauts suivante :
X
f ′ = freg
′
+ [f (ci + 0) − f (ci − 0)] δci ,
i∈I

où on a noté f ′ la dérivée de f au sens des distributions, (ci )i∈I l’ensemble des
′
points de discontinuité de f sur ]a, b[, freg la fonction continue par morceaux
qui est la dérivée (au sens usuel) de f en dehors des points ci et δci la masse
de Dirac en ci .

Preuve. Ce résultat s’obtient par simple intégration par parties.

Pour une fonction C 1 par morceaux, la dérivée usuelle est définie presque
partout, mais ne rend pas correctement compte des variations de f puisqu’elle
ignore les sauts: c’est la dérivée au sens des distributions qui est le bon
concept.

Cas des fonctions L1loc

Lorsque f est dérivable en tout point sans être de classe C 1 , la situation
est plus subtile: lorsque la dérivée est localement sommable, les deux con-
cepts coı̈ncident Tf ′ = (Tf )′ . Dans le cas contraire, la dérivée au sens des
distributions est en quelque sorte une “partie finie” de la dérivée usuelle.
En dimension d ≥ 2, nous avons des résultats similaires.

92
4.5 Multiplication d’une distribution par une
fonction régulière
Les distributions étant définies comme des formes linéaires, on peut les ad-
ditionner, soustraire, ou les multiplier par un scalaire. Nous avons aussi vu
à la section 4.4 que l’on peut dériver n’importe quelle distribution. Nous
verrons dans le chapitre 5 que certaines distributions admettent une trans-
formée de Fourier. On peut également convoluer certaines distributions et en
faire des produits tensoriels (nous n’aurons pas la chance de voir cela dans
ce cours). Par contre, la multiplication de deux distributions n’est pas bien
définie. Ainsi la fonction f (x) = √1 est dans L1loc (R) et définit donc une
|x|
1
distribution mais il n’en va pas de même pour la fonction f 2 = |x| qui n’est
1
pas dans Lloc (R)). Tout ce qu’on peut définir est la multiplication d’une
distribution par une fonction régulière.

Définition 4.31. Soit T ∈ D′ (Ω) et g ∈ C ∞ (Ω). On définit la distribution

gT par la formule

∀ϕ ∈ D(Ω), hgT, ϕi = hT, gϕi.

Exercice 4.32. Vérifier que gT est bien une distribution.

Annexe: Espace des fonctions test

L’espace des fonctions test joue un rôle central dans la construction et la
manipulation des distributions. On peut se demander si du fait que l’on
impose des conditions très fortes sur les fonctions test, l’espace D(Ω) ne se
réduit pas à la fonction nulle. Nous verrons que ce n’est pas le cas et qu’en
fait l’espace des fonctions test D(Ω) est suffisamment riche pour être dense
dans un espace aussi “gros” que L1 (Ω). Cette section constitue un catalogue
de lemmes qui permettent d’affirmer qu’il existe effectivement une fonction
test vérifiant telle ou telle propriété.

Lemme 4.33. Soit Ω ouvert de Rd et Ba (r) la boule de centre a ∈ Ω de rayon

r >R 0. Si Ba (r) ⊂ Ω, il existe ϕ ∈ D(Ω) à support dans Ba (r) vérifiant ϕ ≥ 0
et Ω ϕ = 1.

93
Lemme 4.34. Soit K compact inclus dans Ω. Il existe une fonction test
ϕ ∈ D(Ω) vérifiant les propriétés suivantes :

• 0 ≤ ϕ ≤ 1 sur Ω ;

• ϕ ≡ 1 sur K.

φ (x)
1

K
x
Ω

Lemme 4.35. (Lemme de partition de l’unité) Soit Ω1 , · · · , Ωn des ouverts

de Rd et K un compact de Rd tel que
n
[
K⊂ Ωk .
k=1

Il existe des fonctions test α1 , · · · , αn telles que :

• Supp(αi ) ⊂ Ωi ;

• 0 ≤ αi ≤ 1 ;
n
X
• αi = 1 sur K.
i=1

Théorème 4.36. D(Ω) est dense dans Lp (Ω) pour tout 1 ≤ p < +∞.

Remarque 4.37. Attention ! D(Ω) n’est pas dense dans L∞ (Ω). Exemple :
sur Ω = ]0, 1[, soit f ∈ L∞ (]0, 1[) définie par f (x) = 1 presque partout. On
a pour tout ϕ ∈ D(]0, 1[), kf − ϕkL∞ ≥ 1.

94
Corollaire 4.38. Pour tout entier k ≥ 0 et pour tout 1 ≤ p < +∞, C k (Ω) ∩
Lp (Ω) est dense dans Lp (Ω).

Preuve. Conséquence immédiate du théorème 4.36 puisque

D(Ω) ⊂ C k (Ω) ∩ Lp (Ω) ⊂ Lp (Ω).

4.6 Exercices supplémentaires

Exercice 4.39. Soit u : R → R une fonction périodique, continûment
dérivable (non identiquement constante) et soit la suite de fonctions (un )n≥1
définie par un (x) = u(nx)/n

1. Montrer que la suite (un )n≥1 converge uniformément vers la fonction

nulle.

2. Montrer que la suite (u′n )n≥1 des dérivées ne converge pas uniformément
vers 0, et ne converge pas vers 0 presque partout.

3. Montrer que la suite de fonctions (u′n )n≥1 converge au sens des distri-
butions vers 0.

Exercice 4.40.

1. Montrer que X
δn converge dans D′ (R).
n∈Z

2. La série
+∞
X
δ1/n
n=1

converge-t-elle dans D′ (R)? Même question avec D′ (]0, +∞[).

Exercice 4.41.

95