******************************************

Théorie des distributions

Cours et Exercices
Table des matières

2
 Chapitre 1

Espaces vectoriels topologiques

1. Semi-normes
Définition 1.
Soit E un espace vectoriel sur un corps K = R, C.
On appelle semi-norme sur E toute application p : E −→ R+ vérifiant :
— ∀λ ∈ K , ∀x ∈ E , p(λx) = |λ|p(x).
— ∀x, y ∈ E , p(x + y) É p(x) + p(y).

Exemple 1
Toute norme sur E est une semi norme.

Exemple 2
On considère K R l’ensemble des compacts de R. Soit K ∈ K R .
 Pour f ∈ C (R, R), on considère p( f ) = max| f (x)|. L’application p définit une semi-
x∈K
norme sur l’espace C (R, R).
 Soit k ∈ N∗ . Pour f ∈ C k (R, R), on considère p k,K ( f ) = max | f (m) (x)|. L’application
x∈K ,mÉk
k
p k,K définit une semi-norme sur l’espace C (R, R).
 Soit n ∈ N∗ . Pour f ∈ C ∞ (R, R), on considère p n,K ( f ) = max | f (m) (x)|. La famille
x∈K ,mÉn
p n,K n∈N∗ est une famille de semi-normes sur l’espace C ∞ (R, R).
¡ ¢

Proposition 1.
On a ∀x, y ∈ E , |p(x) − p(y)| É p(x − y).

Définition 2. ¡ ¢
On dit qu’une famille des semi-normes p α α∈I est séparante si pour tout x ∈ E ,

x 6= 0 =⇒ ∃α ∈ I , p α (x) 6= 0.

3
 Espaces vectoriels topologiques

Exemple 3
¡ ¢ ¡ ¢ ¡ ¢
Les familles de semi-normes p K K ∈K R , p k,K K ∈K R et p n,K n∈N∗ ,K ∈K R définies précédemment
respectivement sur les espaces C (R, R), C k (R, R) et C ∞ (R, R) sont séparantes.

Définition 3.
β pγ, γ ∈
©
On
ª dit qu’une famille des semi-normes (p α )α∈I est filtrante si ∀α, ∈ E , sup(p α , p β ) ∈
I .

Exemple 4
La famille (p k,K )k∈N∗ ,K ∈K R de semi-normes définie précédemment sur l’ espace C ∞ (R, R) est
filtrante.

2. Espaces vectoriels topologiques

2.1. P-Topologie
Soit P := (p α )α∈I une famille de semi-normes sur E .
Définition 4.
On appelle une ”P −boule” de centre x 0 et de rayon r > 0 l’ensemble
© ª
Vn (x 0 , r ) := x ∈ E , p i (x − x 0 ) < r, pour i ∈ J n ⊆ I , J n fini .

On écrit aussi © ª
Vn (x 0 , r ) = x ∈ E , maxp i (x − x 0 ) < r, J n ⊆ I , J n fini .
i ∈J n

Définition 5.
On appelle une ”P −topologie”associée à la famille des semi-normes (p α )α∈I la topologie formée
des intersections finies ou des réunions quelconques des p−boules.
C’est la topologie engendrée par la famille (p α )α∈I . (i.e la plus petite rendant les p α continues.

Définition 6.
On dit qu’un sous-ensemble O de E est ouvert s’il est vide ou bien si, pour chaque x 0 ∈ O, il
existe un sous-ensemble fini non vide J n de I et un réel r > 0 tels que Vn (x 0 , r ) ⊂ O.

Les ensembles de la forme Vn (x 0 , r ) sont des ouverts et jouent un rôle analogue à celui des
boules ouvertes dans les espaces métriques. Les sous-ensembles de E de la forme :
© ª
Vn (x 0 , r ) := x ∈ E , maxp i (x − x 0 ) É r
i ∈J n

sont des fermés et jouent un rôle analogue à celui des boules fermées dans les espaces métriques.

Remarque
Les P −boules forment une base pour la P −topologie.

4
 Espaces vectoriels topologiques

Théorème 1.
Si la famille des semi-normes P = (p α )α∈I est sépartante, alors la P −topologie associée est
séparée.
i.e ∀x, y ∈ E , si x 6= y, alors ∃U ouvert contenant x , ∃V ouvert contenant y tels que U ∩V = ∅.

Preuve : Soient x, y ∈ E tels que x 6= y. On a x 6= y, donc x − y 6= 0. Alors ∃α ∈ I , r :=

p α (x − y) > 0.
On considère U = {z ∈ E , p α (x − z) < r2 } et V = {z ∈ E , p α (y − z) < r2 }. U et V sont deux ouverts
de la p− topologie.
Supposons qu’ il existe z ∈ U ∩ V. Alors p α (x − z) < r2 et p α (y − z) < r2 . D’où p α (x − y) < r , ce
qui est absurde. Par conséquent U ∩ V = ∅.
2.2. Espace vectoriel topologique
Définition 7.
Un K −espace vectoriel E muni d’une opologie T est un espace vectoriel topologique (E.v.t)
si
— (A 1 ) : H1 : (x, y) 7−→ x + y est une application continue de E × E dans E .
— (A 2 ) : H2 : (λ, x) 7−→ λx est une application continue de K × E dans E .

Il est évident que dans les deux axiomes on considère la topologie produit dans des espaces
vectoriels produits. La structure d’espace vectoriel de E est dite compatible avec la topologie
T si les axiomes (A 1 ) et (A 2 ) sont vérifiés.
Exemple 5
L’espace normé (E , k.k) est un espace vectoriel topologique.

Théorème 2.
Un espace vectoriel E muni de la topologique engendrée par une famille séparante de semi-
normes est un espace vectoriel topologique.

Preuve : Etablissons la continuité de l’addition en un point (a, b). Fixons un indice i 0 ∈ I

et un reel ε > 0. Pour (x, y) ∈ E × E nous avons
£ ¤
p i 0 (x + y) − (a + b) É p i 0 (x − a) + p i 0 (y − b).

Il s’en suit que p i 0 (x + y) − (a + b) É ε dès que p i 0 (x −a) É 2ε et p i 0 (y −b) É 2ε . D’où la continuité

£ ¤

de l’addition au point (a, b).

Pour la multiplication externe (λ, x) 7−→ λx , établissons sa continuité en un point (α, a).
Fixons un indice i 0 ∈ I et un reel ε > 0. Pour (λ, x) ∈ K × E nous avons

p i 0 [(λx) − (αa)] É |λ − α|p i 0 (x) + |α|p i 0 (x − a).

Fixons un réel r > 0 tel que |α|r É 2ε . Nous observons que pour x vérifiant p i 0 (x−a) É r nous avons
p i 0 (x) É p i 0 (a)+r et donc |λ−α|p i 0 (x) É |λ−α|(p i 0 (a)+r ). Fixons alors un réel η tel que η(p i 0 (a)+
r ) É 2ε . Pour (λ, x) ∈ K × E vérifiant |λ − α| < η et p i 0 (x − a) < r , nous avons p i 0 [(λx) − (αa)] É ε,
d’où la continuité de la multiplication au point (α, a).
On en déduit ainsi que :
 Les translations et les homothéties, de rapports k 6= 0, sont des homéomorphismes.

5
 Espaces vectoriels topologiques

 L’ensemble V (a) des voisinages d’un point a ∈ E est l’image par la translation τa de
l’ensembles des voisinage V (0) de 0. La topologie d’un espace vectoriel est connue dès que l’on
connait les voisinages de 0 :
V (a) = τa (V (0)).
Autrement dit on a l’équivalence suivante :
V ∈ V (0) ⇐⇒ a + v ∈ V (a). (2.1)

2.3. Espace vectoriel topologique localement convexe

Rappel : Soit A un sous-ensemble de E .
A est convexe si, pour chaque x, y ∈ A et chaque λ ∈ [0, 1], on a λx + (1 − λ)y ∈ A.
Définition 8.
Soit E un espace vectoriel topologique.
E est localement convexe s’il existe un système fondamental (base) de voisinages convexes de
l’origine.

Théorème 3.
Soit E un espace vectoriel.
Si la topologie de E est définie par une famille de semi-normes (p i )i ∈I , alors E est un espace
topologique localement convexe.

Preuve : Si la topologie de E est définie par une famille de semi-normes (p i )i ∈I , alors les
ensembles
Vn (ε) := {x ∈ E , p i (x) < ε, pour i ∈ J n ⊆ I , J n fini}
où 0 < ε < 1, forament un système fondamentale de voisinages convexes de l’origine.
Exemple 6
p
Soit Ω un ouvert de Rn et 1 É p < +∞. Notons L l oc (Ω) l’espace des fonctions
Z
mesurables
p−localement intégrable sur Ω c’est-à-dire : pour tout compact K de Ω on a | f (x)|p < +∞.
K
On définie une semi-norme par
·Z ¸1
p
p
pK ( f ) = | f (x)| < +∞.
K

p
La famille de semi-normes (p K )K ∈K Ω détermine une topologie faisant de L l oc (Ω) un espace
vectoriel localement convexe.

2.4. Espace vectoriel topologique métrisable

Définition 9.
On dit qu’une métrique d sur un espace vectoriel E est invariant par translation si, pour
chaque x, y, a ∈ E , on a d (x, y) = d (x + a, y + a).

Deux métriques d et d 0 , invariantes par translation sur le même espace vectoriel E , qui
déterminent la même topologie sont uniformément équivalentes (c’est-à-dire que I E : (E , d ) −→
(E , d 0 ) et I E : (E , d 0 ) −→ (E , d ) sont uniformément continues). Lorsque d et d 0 sont deux métriques
invariantes par translation et topologiquement équivalentes sur E alors (E , d ) est complet si, et
seulement si, (E , d 0 ) est complet.

6
 Espaces vectoriels topologiques

Définition 10.
On dit que la topologie T d’un espace vectoriel topologique E est métrisable s’il existe une
métrique sur E , invariante par translation, qui détermine la topologie T .

Théorème 4.
La topologie sur un espace vectoriel déterminée par une suite séparante de semi-normes (i.e
I est auplus dénombrable) est métrisable.

Preuve : Soit (p k )k une suite séparante de semi-normes sur un espace vectoriel E . Pour
x, y ∈ E définissons
+∞ p k (x − y)
2−k
X
d (x, y) =
k=1 1 + p k (x − y)
Il est facile de vérifier que d est une distance invariante par translation sur E qui détermine la
même topologie que la suite (p k )k .
Exemple 7
Lorsque (p k )1ÉkÉm est une suite finie séparante de semi-normes sur E , alors
à !1
m r

p kr
X
max p k et , 1 É r < +∞.
1ÉkÉm k=1

sont des normes équivalentes qui déterminent la même topologie que la suite (p k )1ÉkÉm .

Définition 11.
On dit que E est un espace de Fréchet si E est un espace vectoriel topologique localement
convexe dont la topologie associée est métrisable et pour la métrique associée, E est complet.

Exemple 8

Les espaces C (R, R), C k (R, R) et C ∞ (R, R) sont des espaces de Fréchet.

2.5. Convergence dans un espace vectoriel topologique

Définition 12.
On dit qu’une suite (x n )n de E converge vers un élément x ∈ E si, pour chaque voisinage V
de 0, il existe un entier m0 tel que, pour chaque entier m > m0 , on a x m − x ∈ V.

Comme la topologie étant séparée, une suite convergente possède une seule limite. En terme
de semi-normes on a la définition équivalente :
Définition 13.
Une suite (x n )n de E converge vers un élément x ∈ E si, pour chaque indice i ∈ I et chaque
ε > 0 il existe un entier m 0 tel que pour chaque entier m > m0 on a p i (x m − x) É ε.

On peut introduire dans les espaces vectoriels topologiques la notion de suite de Cauchy :
Définition 14.
On dit qu’ une suite (x n )n de E est une suite de Cauchy si, pour chaque chaque voisinage V
de 0, il existe un entier m0 tel que, pour chaque entier m, m 0 > m0 , on a x m − x m 0 ∈ V.

Ce qui se traduit en terme de semi-normes par :

7
 Espaces vectoriels topologiques

Définition 15.
Une suite (x n )n de E est une suite de Cauchy si, pour chaque indice i ∈ I et chaque ε > 0 il
existe un entier m0 tel que pour chaque entier m, m 0 > m0 on a p i (x m − x m 0 ) É ε.

Remarque
D’une façon analogue on peut étendre les notions topologiques vues en Licence au cadre
des espaces vectoriels dont la topologie est déterminée par une famille séparante de semi-
normes.

2.6. Applications et formes linéaires

E et F désignentt deux espaces vectoriels munis respectivement par des topologies détermi-
nées par les familles de semi-normes (p i )i ∈I et (ql )l ∈L .
Définition 16.
Une application f de E dans F est continue au point a ∈ E si, et seulement si, pour chaque
l ∈ L et chaque réel ε > 0, il existe un sous-ensemble fini non vide I n ⊂ I et un réel r > 0 tels
que
maxp i (x − a) < r =⇒ q l ( f (x) − f (a)) < ε.
i ∈I n

Si f est une application linéaire cette définition se reformule ainsi :

Théorème 5.
Soit f une application linéaire de E dans F . Les affirmations suivantes sont équivalentes :
1. f est continue sur E .
2. f est continue en 0.
3. ∀l ∈ L, il existe I n ⊂ I , fini, ∃c > 0, tels que pour chaque x ∈ E on a : ql ( f (x)) É
c maxp i (x).
i ∈I n

La caractérisation (??) du voisinage d’un point a par le voisinage de 0 permet de voir

facilement que ”f est continue sur E ” est équivalente à ”f est continue en 0”.
Lorsque F = K et f une forme linéaire sur E , on a
Théorème 6.
Soit f une forme linéaire sur E . Les affirmations suivantes sont équivalentes :
1. f est continue sur E .
2. f est continue en 0.
3. Il existe I n ⊂ I , fini, ∃c > 0, tels que pour chaque x ∈ E on a : | f (x)| É c maxp i (x).
i ∈I n

Si de plus la famille des semi-normes (p i )i ∈I est filtarante on a le résultat suivant :

Théorème 7 (Théorème fondamental).
Soit E un espace vectoriel topologique localement convexe dont la topologie est définie par une
famille de semi-normes (p i )i ∈I séparante et filtrante. Soit f une forme linéaire sur E . Les
affirmations suivantes sont équivalentes :
1. f est continue sur E .
2. f est continue en 0.

8
 Espaces vectoriels topologiques

3. Il existe α ∈ I , ∃c > 0, tels que pour chaque x ∈ E on a : | f (x)| É c p α (x).

Exercice 1

Montrer le théorème fondamental ci dessus

3. Topologie limite inductive

Nous aborderons, dans la suite, la notion de topologie limite inductive d’un point de vue qui
nous permettra de définir l’espace des fonctions tests et la notion duale des distributions. Soit
(E i )i ∈N une suite croissante d’espaces topologiques localement convexes tels que l’application
+∞
identité E i ,→ E i +1 soit continue pour chaque i . Posons E =
[
Ei .
i =1
Définissons sur E la topologie localement convexe la moins fine rendant les identités E i ,→
E i +1 continues pouri = 1, 2, · · · . Elle est dite topologie limite inductive de E définie par les sous-
espaces E i . L’espace E muni de cette topologie est dit limite inductive des espaces (E i )i ∈N .
Pour que un convexe V soit un voisinage de 0 dans la topologie limite inductive, il faut et
il suffit que chaque intersection V ∩ E i pour tout i = 1, 2, · · · . Ainsi, nous obtenons un système
fondamentale de voisinages de l’origine dans E en prenant toutes les enveloppes convexes de la
forme
¡ +∞
[ ¢
V = C onv Vi
i =1

où chaque Vi appartient au système fondamentale de voisinages convexes de chaque E i , i =

1, 2, · · · .
Proposition 2.
Soit E la limite inductive de (E i )i ∈N et soit F un espace localement convexe. Une application
linéaire u : E −→ F est continue si, et seulement si, la restriction u i = u|E i de u est continue
de E i dans F pour tout i ∈ N.

Preuve : Si u est continue, alors chaque restriction u i est continue puisque, par définition,
l’identité E i ,→ E est continue.
Inversement, supposons que chaque u i de E i −→ F est continue. Fixons U un voisinage
convexe de 0 dans F . S’il existe un voisinage convexe de 0, noté Vi , dans E i telque u i (Vi ) ⊂ U ,
alors,V = C onv(∪+∞ i =1 Vi est un voisinage de 0 dans E , et on a u(V ) ⊂ U . Donc u est continue de
E dans F .
Théorème 8.
Soit E la la réunion d’une suite croissante (E i )i ∈N d’espaces localement convexes tels que :
• Pour tout i , l’identité E i ,→ E i +1 est continue ;
• La topologie induite par E i +1 sur E i coincide avec la topologie de E i , pour tout i ;
• E i est un sous-espace fermé de E i +1 , pour tout i .
Alors :
1. La topologie limite inductive de E induit sur chaque E i sa topologie originale.
2. Un sous-ensemble A est borné dans la topologie inductive de E si, et seulement, il
existe un indice j tel que A est contenu et borné dans E j .

9
 Chapitre 2

Espaces des fonctions tests

Dans tout ce chapitre Ω désigne un ouvert de Rd .

1. Notations multi-indices
Un multi-indice α est un d −uplet d’entiers naturels α = (α1 , α2 , · · · , αd ) ∈ Nd .
α α α
∀x ∈ Rn , x α = x 1 1 x 2 2 · · · x d d .

La longueur d’un multi-indice α est |α| = α1 + α2 + · · · + αd

Soient α et β deux multi-indices. On a

α É β ⇐⇒ ∀i ∈ {1, · · · , d }, αi É βi .
α α!
µ ¶
= avec α! = α1 !α2 ! · · · αd !
β β!(α − β)!
∂α1 +α2 +···+αd ∂α1 ∂α2 ∂αd
∂α ϕ = α α αd ϕ = α ◦ α ◦···◦ α ϕ
∂x 1 1 ∂x 2 2 · · · ∂x d ∂x 1 1 ∂x 2 2 ∂x d d

Une formule importante est celle de Leibniz. Soient k Ê 1, ϕ, ψ ∈ C k (Ω).Alors, pour tout mul-
tiindice α de longueur inférieure ou égale à k, on a

α β α−β
µ ¶
α
∂ (ϕψ) = ∂ ϕ∂ ψ, .
X
0ÉβÉα
β

2. Fonction C ∞ à support compact

2.1. Support d’une fonction continue
Définition 17.
Soit f une fonction continue sur Ω ( f ∈ C 0 (Ω) ). On appelle support de la fonction f l’ensemble
supp ( f ) := x ∈ Ω, f (x) 6= 0 .
© ª

Autrement (supp ( f ))c est le plus grand ouvert où f est nulle.

Proposition 3.
Soient f et g deux fonctions continues sur Ω. On a
— supp ( f ) = ∅ ⇐⇒ f = 0 sur Ω.
— supp ( f g ) ⊂ supp ( f ) ∩ supp (g ).

10
 Espaces des fonctions tests

— Si f ∈ C k (Ω), alors pour tout α ∈ Nd , |α| É k , supp (∂α f ) ⊂ supp ( f ).

2.2. Espaces des fonctions tests (d’essais)

Choisissons pour commencer un espace de fonctions test qui présente toutes les caractéris-
tiques nécessaires aussi bien physiques que mathématiques.
Définition 18.
On appelle espace des fonctions tests sur Ω l’ensemble noté D(Ω) ou C c∞ (Ω) l’ensemble des
fonctions ϕ© ∈ C ∞ (Ω) telle qu’il existe un compact K ª⊂ Ω vérifiant K = supp (ϕ).
i.e D(Ω) = ϕ ∈ C ∞ , ∃ K ⊂ Ω compac t , K = supp (ϕ) .

Soit K ⊂ Ωª un compact fixé. On note par D K (Ω) ou C K∞ (Ω) l’ensemble D K (Ω) = ϕ ∈ C ∞ (Ω) :
©

supp (ϕ) Ú K .
Question : Est ce que D(Ω) 6= ∅?
Exemple 9
On considère la fonction ρ définie par
(
1
ρ(x) = exp(− 1−kxk 2) si kxk < 1
ρ(x) = 0 si kxk Ê 1

On a ρ ∈ C ∞ (Rd ) et supp (ρ) = B (0, 1). Alors ρ ∈ D(Rd ).

Figure 2.1 – Fonction ”Pic”

En effet, le dernier point est clair, et ρ est de C ∞ pour kxk 6= 1; comme ρ ne dépend que de kxk
et que x → kxk est C ∞ pour x 6= 0, il suffit de prouver que ρ est C ∞ dans le cas n = 1, et pour
P p (t ) 1
x = 1 (par parité) : comme ρ (p) (t ) est de la forme e t 2 −1 pour p ∈ N, |t | < 1, et 0 pour
(t 2 − 1) 2p
p
|t | > 1, on voit par récurrence sur p, que ρ ∈ C et ρ (p) (1) = 0.
pd
Z
Pour p ∈ N , posons alors ρ p (x) =
∗
ρ(px), avec I = ρ(x)d x
I Rd

Proposition 4. (a) ρ p ∈ D(Rd ) et ρ p Ê 0;

(b) supp (ρ p ) ⊂ B (0, p1 );
Z
(c) ρ p (x)d x = 1
Rd

11
Espaces des fonctions tests

Toute suite de fonctions vérifiant (a), (b) et(c) est appellée ”suite régularisante”
Exemple 10
Dans cet exemple on donne une méthode de construction d’une fonction de calasse C ∞ à
support compact. Soient a, b, c, et d des nombres réels tels que a < b < c < d .
 On considère la fonction ψ définie par
( −1
ψ(x) = e t , t > 0,
ψ(x) = 0 si non.

On peut voir que ψ ∈ C ∞ (R).

 on considère la fonction α : t 7−→ ψ(t
Z )ψ(1 − t ) > 0
t
α(s)d s
 on considère la fonction β : t 7−→ Z01 É 1.
α(s)d s
0
x−a
Alors la fonction ϕ : x7 → β( b−a
− )β( dd −x
est de classe C ∞ sur R et égale à 1 sur [b, c] et
−c
)
à support compact contenu dans [a, d ] . De plus 0 É ϕ É 1.
Cette fonction est appellée fonction plateau.

Figure 2.2 – Fonction Plateau

Exemple 11
Si α est une fonction indéfiniment dérivable sur R et si ϕ est une fonction de D(R), alors
leur produit αϕ est une fonction de D(R).

Exercice 2

Soit α une fonction définie sur R. Montrer que si ∀ϕ ∈ D(R), αϕ ∈ D(R), alors α ∈ C ∞ (R).

Conclusion :

∀ϕ ∈ D(R), αϕ ∈ D(R) ⇐⇒ α ∈ C ∞ (R).

12
Espaces des fonctions tests

Exemple 12
Soit ϕ une fonction de D(R). Alors les fonctions translatée τa ϕ et dilatée dλ ϕ sont aussi
dans D(R) avec τa ϕ définie par :

(τa ϕ)(x) = ϕ(x − a)

où a est réel et que d λ ϕ est définie par :

x
(d λ ϕ)(x) = ϕ( )
λ
où λ est un nombre réel différent de 0.

Exemple 13
Les fonctions d’essai de D(R) ainsi que toutes leurs dérivées sont intégrables et bornées.

Remarque [
1. On a D(Ω) = D K (Ω).
K ∈K (Ω

2. La topologie de D K (Ω) est définie par la famille des semi-normes :

P n (ϕ) = max |D α ϕ(x)|, |α| = α1 + α2 + · · · + αn

x∈K ,|α|Én

Lemme 1.
D K (Ω) est un espace de Fréchet.

Lemme 2 (Décomposition de Ω ).
Il existe une suite (K n )nÊ1 de compacts de Ω telle que :
◦
1. ∀n Ê 1, K n ⊂ K n+1
◦
2. Ω =
S S
Kn = K n.
nÊ1 nÊ2
3. Pour tout compact K de Ω, il existe n 0 Ê 1 tel que K ⊂ K n0 .

Preuve : Il suffit de prendre

1ª
K n = x ∈ Rd , kxk É n x ∈ Ω, d (x, Ωc ) Ê
© ª\©
n
On définit alors sur D(Ω) une famille de semi-normes comme suit :
P n (ϕ) = max |D α ϕ(x)|
x∈K n ,|α|Én

Cette suite de semi-normes permet de donner à D(Ω) une structure d’espace vectoriel topolo-
gique localement convexe et métrisable mais qui n’est pas complet.
2
Contre-exemple : Soit f une fonction définie par f (x) = e −x . On considère la suite de
fonctions (ψn )nÊ1 définie par : (
ψn (x) = 1, |x| É n,
ψn (x) = 0 |x| > 2n.

13
 Espaces des fonctions tests

La suite de fonctions (ψn f )nÊ1 est de Cauchy dans D(R), elle converge simplement vers f mais
ne converge pas dans D(R) car f n’appartient pas à D(R) du fait que supp ( f ) = R qui n’est pas
compact.
2.3. Convergence dans D(Ω)
Définition 19.
On dit qu’une suite (ϕn )nÊ0 d’éléments de D(Ω) converge vers ϕ ∈ D(Ω) si,
(i) Il existe un compact K de Ω tel que ∀n ∈ N, supp (ϕn ) ⊂ K .
(ii) (ϕn ) et (D α ϕn ) convergent uniformément sur K respectivement vers ϕ et D α ϕ pour
tout multi-indice α ∈ Nd .

Exemple 14
Soit ϕ ∈ D(R) fixée.
On considère la suite (ϕn )nÊ0 définie par
1
ϕn (x) = ϕ(x + ) − ϕ(x), ∀x ∈ R.
n +1
Montrer que (ϕn ) 7−→ 0 dans D(R).
On a ϕ ∈ D(R) donc il existe M > 0 tel que supp (ϕ) Ú [−M , M ] .
Alors ∀n ∈ N, supp (ϕn ) Ú [−M − 1, M + 1] .
1
En effet, ∀x ∈ R si x ∉ [−M − 1, M + 1], alors ϕ(x) = 0 et ϕ(x + n+1 ) = 0. D’où ϕn (x) = 0.
Daprès le théorème des accroissements finis, ona
1 1
kϕ(k) (k)
n (x)k = kϕ (x + ) − ϕ(k) (x)k É supkϕ(k+1) (x)k.
n +1 n + 1 x∈R
Or ∀ϕ ∈ D(Ω), supp ϕ(k) ⊂ supp ϕ. Donc
1 1 1
kϕ(k) (k)
n (x)k = kϕ (x + ) − ϕ(k) (x)k É supkϕ(x)k É sup kϕ(x)k.
n +1 n + 1 x∈R n + 1 x∈[−M ,M ]

par conséquent, (ϕ(k)

n ) converge uniformément vers 0 sur K = [−M − 1, M + 1] . D’où (ϕn ) 7−→ 0
dans D(R).

2.4. Produit de convolution

On se place dans l’espace mesuré (Rd , ML (Rd ), λd ). On veut définir le produit de convolution
de deux fonctions f et g par la formule
Z
d
∀x ∈ R , f ∗ g (x) = f (x − t )g (t )d t .
Rd

Dans le cas de fonctions f et g positives, leur mesurabilité suffit pour que cette formule ait un
sens. Sans cette hyptohèse de positivité, on peut encore définir le produit de convolution de f
et de g à condition de supposer, en plus de leur mesurabilité, une régularité L p .
Proposition 5.
Soit p ∈ [1, +∞]. Soient f ∈ L p (Rd ) et g ∈ L 1 (Rd ).
Pour presque tout x ∈ Rd , la fonction y 7−→ f (x − y)g (y) est intégrable. Alors le produit de
convolution f ∗ g est défini presque partout, de plus f ∗ g ∈ L p (Rd ) et k f ∗ g kp É k f kp kg k1 .

14
Espaces des fonctions tests

d’autre part on a f ∗ g = g ∗ f

Remarque
Notons τa f la translatée de vecteur a ∈ Rn de f , c’est-à-dire τa f (x) = f (x − a). Ona τa ( f ∗
g ) = (τa f ) ∗ g = f ∗ (τa g ),

Proposition 6.
Soient f ∈ L ∞ (Rd ), g ∈ L 1 (Rd ) et k ∈ N ∪ {∞}. On suppose que f est de classe C k et que ses
dérivées partielles de tous ordres sont bornées. Alors f ∗ g est de classe C k et, pour tout
α ∈ Nd ,
∂α ( f ∗ g ) = (∂α f ) ∗ g .

Preuve : Pour presque tout y ∈ Rd , la fonction x 7−→ f (x − y)g (y) est dans C k (Rd ). De plus,
pour tout x ∈ Rd ,
¯ α¡
¯∂ f (x − y)g (y) ¯ = ¯ ∂α ( f (x − y) g (y)¯ É k∂α f k∞ |g (y)|.
¢¯ ¯¡ ¢ ¯

Comme g ∈ L 1 (Rd ), on peut appliquer le théorème de dérivation sous le signe intégral pour
obtenir le résultat.
Deux autres propriétés essentielles du produit de convolution, vraies dans les deux cas ci-dessus,
et qui se généralisent à beaucoup d’autres cas, sont les suivantes :
− Propriété de support : supp ( f ∗ g ) ⊂ supp ( f ) + supp (g )
(Rappelons que A +B = {x + y/x ∈ A, y ∈ B }, que la somme de deux fermés est fermé dès que l’un
des deux est compact, et compact si les deux le sont, l’inclusion est clair sur la définition).
− Propriété de régularisation : De τa ( f ∗ g ) = (τa f ) ∗ g = f ∗ (τa g ), on tire par passage à
la limite (dérivation ”sous le signe somme”), que si f ∈ C p et g ∈ C q , alors f ∗ g ∈ C p+q et
d’ailleurs :
∀α, β ∈ N∗ , |α| É p, |β| É q : ∂α+β ( f ∗ g ) = (∂α f ) ∗ (∂β g )
En particulier si f ∈ C ∞ et g ∈ C 0 , alors f ∗ g ∈ C ∞ . la condition g ∈ L 1 l oc suffit d’ailleurs, des
primitives partielles étant alors continues ...).
Proposition 7.
p
Soient ϕ ∈ D(Rd ) et f ∈ L c (Rd ) = u ∈ L p (Rd ), u = 0 hors d’un compact de Rd . Alors ϕ ∗ f ∈
© ª

D(Rd ).

Preuve : Soient A et B deux réels tels que supp ϕ ⊂ B (0, A) et f (y) = 0 pour |y| Ê B.
Soit x ∈ Rd tel que |x| > A + B. Comme dans l’intégrale qui définie ϕ ∗ f on peut supposer
que x − y ∈ supp ϕ, on a |x − y| É A. Alors, |y| Ê |x| − |x − y| > A + B − A = B. Donc f (y) = 0.
D’où,(ϕ ∗ f )(x) = 0 pour tout x tel que |x| > A + B. Donc supp (ϕ ∗ f ) ⊂ B (0, A + B ).
Nous allons utiliser les résultats précédents pour montrer que l’on peut ”régulariser” une
fonction non régulière en la ”convolant” par une fonction régulière. On commence par considérer
une fonction ”pic” ρ dont le support est inclus dans B (0, 1) et dont l’intégrale sur Rd vaut 1.
Pour ε > 0, on pose : ρ ε = ε1d ρ( 1ε ). La suite (ρ ε ) est appelée une ”approximation de l’unité”.

Proposition 8. 1. Si u ∈ C ck (Rd ), k ∈ N, alors pour tout α ∈ Nd , |α| É k, (∂α (ρ ε ∗ u))

converge vers ∂α u uniformément sur Rd lorsque ε −→ 0.
p p
2. Si u ∈ L c (Rd ), alors (ρ ε ∗u)) converge vers u dans L c (Rd ) pour tout 1 É p < +∞ lorsque
ε −→ 0.

15
 Espaces des fonctions tests

2.5. Quelques résultats de densité

On donne un résultat de densité qui nous sera utile par la suite
Théorème 9.
L’espace D(Ω) est dense dans C k (Ω) pour tout k ∈ N et dans L p (Ω) pour tout 1 É p < +∞.

Comme application de ce théorème on donne le lemme suivant dit le Lemme de Dubois-

Reymond
Lemme 3 ( Dubois-Reymond). Z
Soit f ∈ L 1l oc (Ω). On suppose que, pour toute ϕ ∈ D(Ω) , f (x)ϕ(x)d x = 0. Alors f = 0 presque
Ω
partout.

16
 Chapitre 3

Distributions sur un ouvert de Rd

Dans tout ce chapitre, Ω désigne un ouvert de Rd .

1. Définitions
Nous allons donner deux définitions équivalentes de la notion de distribution, l’une fonction-
nelle et théorique dans laquelle la continuité est exprimée topologiquement, une autre effective
dans laquelle la continuité est exprimée directement par des estimations.
1.1. Définition fonctionnelle
Définition 20.
Une distribution sur l’ouvert Ω est une forme linéaire T : D(Ω) −→ K (= R ou C) continue ® en 0,
i.e. telle que, pour toute suite (ϕn )n ∈ N d’éléments de D(Ω) qui converge vers 0, T, ϕn 7−→ 0.
­

On notera D 0 (Ω) l’ensemble des distributions sur Ω.

Le symbole T, ϕn désigne ici un crochet de dualité il signifie simplement l’action de T sur
­ ®

ϕn : T (ϕn ). D 0 (Ω) n’est autre que le dual topologique de D(Ω). La convergence dans D(Ω) étant
une condition très contraignante, la condition de continuité vis-à-vis de cette topologie est très
forte et cela impliquera donc de nombreuses propriétés pour les distributions. Cette définition
abstraite des distributions pourra être utilisée pour des questions théoriques, mais pour montrer
en pratique qu’une forme linéaire sur D(Ω) est une distribution, nous lui préfèrons la définition
qui suit.

Remarque
Une autre définition qu’ on peut déduire de cette définition fonctionnelle est la suivante :
Une forme linéaire T sur D(Ω) est une distribution sur Ω si et seulement si, pour tout
compact K ∈ K Ω , la forme linéaire T |K est continue.
[
La preuve est basée sur le fait que D(Ω) = D K (Ω)
K ∈K Ω

1.2. Définition d’ordre

Proposition 9.
Une forme linéaire T sur D(Ω) est une distribution sur Ω si et seulement si, pour tout
compact K de Ω , il existe m ∈ N et C K > 0 tels que, pour toute fonction test ϕ ∈ D(Ω) telle
que supp ϕ ⊂ K ,
α
| T, ϕ | É C K max |∂ ϕ(x)|.
­ ®
x∈K ,|α|Ém

17
 Distributions sur un ouvert de Rd

Notation : On pourra noter P m (ϕ) = max |∂α ϕ(x)|.

x∈K ,|α|Ém
Preuve : Supposons que T ∈ D 0 (Ω). On raisone par l’absurde. Pour delà supposons qu’il
existe un compact K ⊂ Ω sur lequel :

∀m ∈ N, ∀c > 0, ∃ϕm ∈ D(Ω) t el l e que supp (ϕ) ⊂ K et | T, ϕm | > C P m (ϕ).

­ ®

ϕ
On considère ϕ̃m = 〈T,ϕm 〉 . Puisque T est linéaire, alors T, ϕ̃m = 〈〈T,ϕm 〉〉 = 1. De plus supp ϕ̃m ⊂
­ ® T,ϕ
m m
K car supp ϕ̃m = supp ϕm . Par suite ϕ̃m ∈ D(Ω).
P m (ϕ) 1
D’autre part, on a P m (ϕ̃m ) = |〈T,ϕ <m . Donc, P m (ϕ̃) 7−→ 0.
m 〉|
Soit k ∈ N fixé. Montrons que P k (ϕ̃m ) 7−→ 0.
m−→+∞
On a ∀m Ê k, P k (ϕ̃m ) É P m (ϕ̃m ) 7−→ 0. Cela signifie exactement que la suite (ϕ̃m ) tend
m−→+∞
vers 0 dans D(Ω). Or, T, ϕ̃m = 1 ne tend pas vers 0 ce qui contredit T ∈ D 0 (Ω).
­ ®

Montrons la réciproque. Soit (ϕn ) une suite qui converge vers 0 dans D(Ω). Soit K un
compact qui contient tous les supp­ϕn . Par® définition de la convergence dans D(Ω) on a, pour
tout m ∈ N, P m (ϕn ) −→ 0. Alors | T, ϕm | É C K ,m P m (ϕn ) −→ 0. Donc T ∈ D (Ω).
0
n−→+∞ n−→+∞
Cette caractérisation des distributions sera constamment utilisée par la suite. Elle mène
aussi directement à la notion d’ordre d’une distribution.
1.3. Ordre d’une distribution
Dans la définition d’une distribution, l’entier m dépend a priori du choix du compact K .
Si on peut trouver un entier m qui convient pour tous les compacts K de Ω, on dira que la
distribution est d’ordre fini.
Définition 21.
Une forme linéaire T sur D(Ω) est une distribution d’ordre fini au plus m sur Ω lorsqu’il
existe m ∈ N tel que, pour tout compact K de Ω, il existe C K > 0 telle que, pour toute fonction
test ϕ ∈ D(Ω), supp ϕ ⊂ K , on a

| T, ϕ | É C K max |∂α ϕ(x)|.

­ ®
x∈K ,|α|Ém

Le plus petit entier m possible est appelé l’ordre de la distribution T.

Le plus petit entier m possible est appelé l’ordre de la distribution T.

2. Exemples de distributions
2.1. Distributions régulières
Une des premières choses à vérifier est que la théorie des distributions généralise bien la
théorie des fonctions classiques, typiquement des fonctions intégrables. On va donc montrer
comment les fonctions L 1l oc (Ω) s’injectent dans D(Ω).
Proposition 10.
Soit f ∈ L 1l oc (Ω). On peut lui associer une distribution sur D(Ω), notée T f , telle que
Z
∀ϕ ∈ D(Ω), 〈T f , ϕ〉 = f (x)ϕ(x)d x.
Ω

Cette distribution est d’ordre 0.

Preuve :

18
Distributions sur un ouvert de Rd

Z
• La linéarité de l’application T f : ϕ 7−→ f (x)ϕ(x)d x est triviale.
Ω
• La continuité :
Tout d’abord, on vérifie que, comme f est dans L 1l oc (Ω), sa restriction à tout compact est
L1.
Soit K un compact de Ω. Soit ϕ ∈ D(Ω), telle que supp ϕ ⊂ K . la fonction f est L 1 sur K .
Comme ϕ est bornée, car continue sur le compact K , on en déduit que f ϕ ∈ L 1 (Ω), et que
¯Z ¯ Z
¯ ¯ ¯ ¯
¯ f (x)ϕ(x)d x ¯ É max|ϕ(x)| ¯ f (x)¯ d x.
¯ x∈K
Ω
¯
K
Z
La forme linéaire T f : ϕ 7−→ f (x)ϕ(x)d x est donc bien une distribution, qui est d’ordre au
Ω
plus 0, donc d’ordre 0.

Remarque
L’application f ∈ L 1l oc (Ω) 7−→ T f ∈ D 0 (Ω) est linéaire et injective.
On écrit L 1l oc (Ω) ,→ D 0 (Ω)

Exemple 15

Étant données deux fonctions localement intégrables f et g égales presque partout, i.e.

f (x) = g (x) p.p.

les distributions associées sont égales,

T f = Tg .

Réciproquement en utilisant le lemme de Dubois-Reymond, on a le résultat suivant

Théorème 10.

T f = 0 ⇐⇒ f (x) = 0 p.p.

Définition 22.
Une distribution T est régulière si elle est associée à une fonction localement intégrable f .

Notation : Lorsque le contexte ne prête à aucune confusion, il est très souvent plus simple
de noter T f tout simplement f .
Par contre la notation f (x), tolérée pour une fonction f l’est moins pour la distribution T f ,
car elle laisse croire à tort qu’il est possible de connaı̂tre la valeur d’une distribution en un point
précis x (elle est cependant utilisée !).
Exemple 16. Distribution constante
C’est ainsi que nous définissons la distribution (régulière) constante C par
Z Z
< C , ϕ >= C ϕ(x) d x = C ϕ(x) d x,
R R

19
 Distributions sur un ouvert de Rd

pour toute fonction d’essai ϕ. En particulier C = 0 définit la distribution (régulière) nulle.

Exemple 17. Heaviside

De même, la fonction de Heaviside
(
1, si x Ê 0;
H (x) =
0, sinon.

définit la distribution de Heaviside H par

Z Z
< H , ϕ >= H (x)ϕ(x) d x = ϕ(x) d x,
R R+

et la fonction 2H (x) − 1 = sg n(x) définit la distribution ε, qui est aussi notée sg n x .

2.2. Distributions non régulières

Définition 23.
Toute distribution qui n’est pas régulière est dite non régulière ou singulière.

2.2.1. Distribution de Dirac

Exemple 18. Distribution de Dirac
Soit a ∈ Ω. La forme linéaire δa : D(Ω) −→ C définie par

∀ϕ ∈ D(Ω), 〈δa , ϕ〉 = ϕ(a).

est une distribution sur Ω, d’ordre 0.

Cette distribution est dite masse de Dirac au point a.

Preuve :
Soit K un compact de Ω. Soit ϕ ∈ D(Ω), telle que supp ϕ ⊂ K . Alors,
¯〈δa , ϕ〉¯ = |ϕ(a)| É max|ϕ(x)|.
¯ ¯
x∈K

La forme linéaire δa est donc bien une distribution, qui est d’ordre 0.
La distribution δa n’est associée à aucune fonction de L 1l oc (Ω).
En effet, supposons
Z qu’il existe f ∈ L 1 (Ω) telle que δa = T f
c-à-d 〈δa , ϕ〉 = f (x)ϕ(x)d x = ϕ(a), ∀ϕ ∈ D(Ω).
Ω
Posons Ω̃ = Ω − {a}. Alors
Z
〈δa , ϕ〉 = f (x)ϕ(x)d x = 0, ∀ϕ ∈ D(Ω̃).
Ω

Z de Dubois-Reymond, f = 0 presque partout dans Ω̃ et donc presque

Donc, d’aprés le Lemme
partout dans Ω. Ainsi, f (x)ϕ(x)d x = 0 pour tout ϕ ∈ D(Ω). Par suite, ∀ϕ ∈ D(Ω), ϕ(a) = 0,
Ω
ce qui absurde.
Mise en garde. Les ouvrages de Physique et d’Électronique utilisent dans leur grande
majorité la notation δ(x) pour la distribution δ et δ(x − x 0 ) pour la distribution δx0 . Cette

20
 Distributions sur un ouvert de Rd

notation est une source d’erreur constante dans les calculs, puisqu’elle laisse supposer que
ces distributions ont une valeur donnée en un point donné. Pour éviter les erreurs, il est donc
fortement recommandé d’effectuer les calculs au sens des distributions, quitte à présenter ensuite
les formules finales comme le font traditionnellement les physiciens et les électroniciens.
2.2.2. La valeur principale de x1
1
Exemple 19. La valeur principale de x

Considérons la fonction x 7−→ x1 de R dans R. Cette fonction n’est pas localement intégrable
sur R ; mais elle l’est sur R∗ . Nous allons voir comment prolonger à R la distribution que
cette fonction définit sur R∗ .
Proposition 11.
La forme linéaire vp x1 définie par

1 ϕ(x) ϕ(x) ϕ(x)

Z Z Z
< vp , ϕ >= lim+
£ ¤
dx + d x = lim+ d x, ∀ϕ ∈ D(R),
x ε→0 x<−ε x x>ε x ε→0 |x|>ε x

est une distribution d’ordre 1.

Cette distribution est notée vp x1 et est appellée la valeur principale de 1
x

Preuve : Soit ϕ ∈ D(R) telle que supp (ϕ) Ú [−A, A]. Il existe ψ ∈ C ∞ (R) telle que
ϕ(x) = ϕ(0) + xψ(x), avec ψ(0) = ϕ0 (0). on a

1 n ·Z −ε dx
Z A dx
¸ Z −ε Z A o Z A
< vp , ϕ >= lim+ ϕ(0) + + ψ(x)d x + ψ(x)d x = ψ(x)d x.
x ε→0 −A x ε x −A ε −A

D’où
¯ < vp 1 , ϕ > ¯ É 2A max |ψ| É 2A max |ϕ0 |
¯ ¯
x x∈[−A, A] x∈[−A, A]
ϕ(x)−ϕ(0)
car pour x 6= 0, ona ψ(x) = x = ϕ0 (θx), 0 < θ < 1 et ψ(0) = ϕ0 (0). Par conséquent, vp x1
est donc une distribution sur R, d’ordre É 1.
Deuxième méthode :
On peut remarquer qu’en utilisant un changement de variable on obtient
1 ϕ(x) − ϕ(−x)
Z
< vp , ϕ >= lim+ d x.
x ε→0 x>ε x

On a
ϕ(x) A ϕ(x) − ϕ(−x) A¡
Z Z Z
¤A
ϕ(x) − ϕ(−x) ln x ε − ϕ0 (x) + ϕ0 (−x) ln xd x.
£¡ ¢ ¢
dx = dx =
|x|>ε x ε x ε

Or ϕ(x) =¡ ϕ(0) + xψ(x),¢ donc ϕ(ε) = ϕ(0) + εψ(ε) et ϕ(−ε) = ϕ(0) − εψ(−ε).
D’où ϕ(ε) − ϕ(−ε) ln(ε) = ε ln(ε)ψ(ε) + ε ln(ε)ψ(−ε)
Or ε ln(ε) 7−→ 0 et ψ(ε) 7−→ ψ(0), donc ε ln(ε)ψ(ε) 7−→ 0 et ε ln(ε)ψ(−ε) 7−→ 0. Par
ε7−→0 ε7−→0 ε7−→0 ε7−→0

21
 Distributions sur un ouvert de Rd

conséquent,

1
Z A Z A
< vp , ϕ > = − ϕ0 (x) ln |x|d x − ϕ0 (−x) ln |x|d x
x 0 0
Z +A
=− ϕ0 (x) ln |x|d x
−A

Soit K un compact de R, et soit ϕ ∈ D(R) telle que supp (ϕ) ⊂ K . On a

1
Z
< vp , ϕ >= − ϕ0 (x) ln |x|d x.
x K

Donc
1
Z
< vp , ϕ > = − ϕ0 (x) ln |x|d x
x ZR
=− ϕ0 (x) ln |x|d x
K

car supp ϕ0 ⊂ supp ϕ ⊂ K .

D’où
1
Z
| < vp , ϕ > | É max|ϕ0 (x)| ln |x|d x.
x x∈K K

Alors vp x1 est une distribution d’ordre au plus 1.

Exercice : Montrer que vp x1 n’est pas une distribution d’ordre 0.

Remarque
1. Puisque vp x1 est une distribution d’ordre 1, alors elle ne poura jamais être régulière.
2. Dans cet exemple , nous avons fait appel à l’imparité de la fonction x1 pour définir
la distribution vp x1 comme limite, lorsque ε −→ 0, de la distribution associée à la
χ (x)
fonction {x:|x|>ε}
x
. Pour une fonction non impaire une telle procédure ne fonctionne
pas et ce qui nous amène à introduire un terme correctif (divergent) pour pallier à
ce défaut en utilisant la méthode des parties finies.

2.2.3. La Partie finie de x α

H (x)
Exemple 20. La Partie finie de x
¡ H (x) ¢
La forme linéaire notée Pf x
définie sur D(R) par :
+∞ ϕ(x)
³ Z ´
∀ϕ ∈ D(R), < Pf Hx(x) , ϕ >= lim d x + ϕ(0) log(ε)
¡ ¢
ε−→0 ε x

est une distribution d’ordre 1.

22
 Distributions sur un ouvert de Rd

1
Exemple 21. La Partie finie de
x2
1
La fonction x 7−→ n’est pas localement intégrable sur R, on ne peut pas, de ce fait, lui as-
x2 Z +∞
ϕ(x)
socier une distribution régulière. Pour éliminer la partie divergente de l’intégrale x2
dx
0
pour ϕ ∈ D(R), on définit la partie finie de cette intégrale
¡1¢ ϕ(x) ϕ(0) ´ +∞ ϕ(x) + ϕ(−x) − 2ϕ(0)
³ Z Z
< Pf 2 , ϕ >= lim d x − 2 = d x.
x ε−→0 |x|Êε x
2 ε 0 x2
¡1¢
Pf est une distribution.
x2

Exemple 22. La Partie finie de x α

On peut chercher à continuer à intégrer des fonctions non intégrables, par exemple x α pour
−2 < α < −1 et x > 0. On vérifie que
Z +∞ Z +∞ Z +∞
α α
∀ϕ ∈ D(R), x ϕ(x)d x = x ϕ(0)d x + x α+1 ϕ0 (0)d x + · · ·
ε ε ε

α+1
Le premier terme est − εα+1 ϕ(0) et qui tend vers +∞ quand ε 7−→ 0. Il s’agit de la partie
infinie de x α . Plus précisément, on a l’égalité suivante :
+∞ εα+1 +∞ x α+1 0
Z Z
α
∀ϕ ∈ D(R), x ϕ(x)d x = − ϕ(ε) − ϕ (x)d x.
ε α+1 ε α+1
α+1
La fonction xα+1 est, quant à elle, intégrable car α + 1 > −1, donc définit une distribution.
On voit donc apparaitre la partie finie.
Définition 24.
La partie finie de x α , notée Pf(x α ) est la distribution définie par

εα+1
+∞ Z +∞ α+1
x
µZ ¶
α α
∀ϕ ∈ D(R), < Pf(x ), ϕ >= lim x ϕ(x)d x + ϕ(ε) = − ϕ0 (x)d x.
ε7−→0 ε α+1 0 α+1

On peut définir de même Pf(x α ) pour α ∈] − n − 1, −n[, grâce à

+∞ x α+n
Z
α n
∀ϕ ∈ D(R), < Pf(x ), ϕ >= (−1) ϕ(n) (x)d x.
0 (α + 1)(α + 1) · · · (α + n)

Dans ce cas Pf(x α ) définit une distribution d’ordre n.

2.3. Autres exemples

2.3.1. Mesure de Radon

23
 Distributions sur un ouvert de Rd

Exemple 23. Mesure de Radon

Soit µ une mesure de Radon sur Ω. Z
La forme linéaire ϕ ∈ D(Ω) 7−→ ϕd µ est une distribution d’ordre 0 sur Ω.
Ω

Théorème 11 (Admis).
Soit T ∈ D 0 (Ω) d’ordre 0. Alors, il existe une mesure de Radon µ sur Ω telle que
Z
∀ϕ ∈ D(Ω), < T, ϕ >= ϕd µ.
Ω

La démonstration de ce théorème se base sur le fait que, grâce au théorème de représentation

de Riesz, les mesures de Radon positives sur Ω s’identifient aux formes linéaires positives sur
C c0 (Ω) par
ϕ : µ −→ ϕ(µ)
avec Z
ϕ(µ) : f ∈ C c0 (Ω) 7−→ f d µ.
Ω

2.3.2. Distributions positives

Exemple 24. Distributions positives
On dit qu’une distribution T ∈ D 0 (Ω) est positive lorsque :

∀ϕ ∈ D(Ω), ϕ Ê 0 =⇒< T, ϕ >Ê 0.

Une distribution positive est une distribution d’ordre 0.

En effet, soit K un compact de Ω et soit χ ∈ D(Ω), χ = 1 sur K et 0 É χ¡É 1.
Si ϕ ∈ D(Ω), supp ϕ ⊂ K et ϕ est réelle, alors les fonctions ψ± : x 7−→ χ(x)max|ϕ(x)| ±
¢
x∈K
ϕ(x) sont dans D(Ω) et sont positives. Alors < T, ψ± >Ê 0. D’où

| < T, ϕ > | É | < T, χ > | max|ϕ(x)| = C K max|ϕ(x)|.

x∈K x∈K

ce qui signifie que T est d’ordre au plus 0, donc d’ordre 0.

2.3.3. Distribution d’ordre infini

Exemple 25. Distribution d’ordre infini
Soit T la forme linéaire sur D(R) définie par
+∞
∀ϕ ∈ D(R), < T, ϕ >= ϕ(n) (n).
X
n=0

T est une distribution. En effet, comme un compact de R ne contient qu’un nombre fini
d’entiers n ∈ N la somme ci dessus est une somme finie de termes non nuls.
Soient K un compact de R et N = max(N∩K ). Alors pour tout ϕ ∈ D(R) telle que supp ϕ ⊂

24
 Distributions sur un ouvert de Rd

K , on a

N N
| < T, ϕ > | = | ϕ(n) (n)| É max|ϕ(n) (x)| É (N + 1) |ϕ(n) (x)| = P N ,K (ϕ)
X X
max
n=0 n=0 x∈K x∈K ,0ÉnÉN

D’où T est une distribution.

On peut montrer aussi que T est une distribution d’ordre infini. (voir TD)

Soit N ∈ N, fixé. Soient K un compact de R et ϕ ∈ D(R) telle que supp ϕ ⊂ K . On pose

N
< T N , ϕ >= ϕ(n) (n).
X
n=0

Donc on peut voir que T N est linéaire D’autre part, puisque supp ϕ(n) ⊂ supp ϕ, alors
N
| < TN , ϕ > | É max|ϕ(n) (x)| É N max |ϕ(n) (x)| = N P N ,K (ϕ)
X
n=0 x∈K x∈K ,nÉN

Par suite T N est une distribution d’ordre au plus N .

Remarquons que < T, ϕ >= lim < T N , ϕ > .
N →+∞

Remarque
1. Implicitement on peut voir que D 0 (Ω) est un K-espace vectoriel K = R ou C).
2. L’exemple ci dessus nous amène à définir la notion de convergence dans l’espace des
distributions D 0 (Ω).

3. Convergence des suites de distributions

Nous allons voir que les suites de distributions étant des suites d’applications linéaires conti-
nues, elles se comportent de manière trés ”simple”. Cela est principalement dû au théorème
de Banach-Steinhaus qui est un résultat d’uniformisation des bornes sur les familles de formes
linéaires continues sur un espace de Banach. Commençons par donner la définition de la conver-
gence dans D 0 (Ω).
3.1. Définition et exemples
Dans l’espace de distributions D 0 (Ω), la topologie faible est la topologie engendrée par la
famille de semi-normes définies par

P ϕ (T ) = | < T, ϕ > |, ϕ ∈ D(Ω), T ∈ D 0 (Ω),

faisant de D 0 (Ω) un espace localement convexe. La convergence pour cette topologie est la
convergence simple. Plus précisement, on a la définition suivante :
Définition 25.
On dit que la suite de distributions (Tn )n de D 0 (Ω), converge vers la distribution T si

lim < Tn , ϕ >=< T, ϕ >

n→∞

pour toute fonction d’essai ϕ de D(Ω).

25
Distributions sur un ouvert de Rd

Remarque
Si cette distribution limite T existe, elle est unique.

Exemple 26
Soit (Tn )nÊ1 une suite de D 0 (R) définie par : Tn = Te i nx . On a Te i nx 7−0→ 0.
D (R)
En effet, soit ϕ ∈ D(R). Il existe A > 0 tel que supp ϕ Ú [−A, A] .
On a
Z +∞
< Tn , ϕ > = e i nx ϕ(x)d x
−∞
Z A
= e i nx ϕ(x)d x
−A
¸A
1 A i nx 0
·
1 i nx
Z
= e ϕ(x) − e ϕ (x)d x
in −A i n −A

Donc
1
Z A 2
| < Tn , ϕ > | É ϕ0 (x) É Akϕ0 k∞ 7−→ 0.
n −A n
Par conséquent, ∀ϕ ∈ D(R), < Tn , ϕ >7−→ 0.
Alors Te i nx 7−0→ 0.
D (R)

Remarque
On a
Tcos nx 7−0→ 0 et Tsin nx 7−0→ 0.
D (R) D (R)

Exemple 27. Suites de fonctions convergeant vers δ

Z
1. Soit ( f n ) une suite de fonctions positives intégrables telles que f n (x)d x = 1 et que
R
f n (x) soit nulle en dehors d’un intervalle [−εn , +εn ] avec lim εn = 0. Alors la suite T f n
de distributions régulières définies par f n tend vers δ.
Z
2. Soit f une fonction intégrable vérifiant f (x)d x = 1.
R
On consid‘ere, pour ε > 0, la distribution T f ε régulière définie par la fonction f ε =
1 x
ε f ( ε ).
Alors T f ε tend vers δ lorsque ε −→ 0.

Exemple 28
Soit (Tn )nÊ1 une suite de D 0 (R) définie par :

∀n ∈ N∗ , Tn = n δ 1 − δ −1
¡ ¢
n n

On a
Tn 7−0→ T
D (R)

26
 Distributions sur un ouvert de Rd

avec T définie par < T, ϕ >= 2ϕ0 (0). En effet, soit ϕ ∈ D(R). On a

< Tn , ϕ > = n < δ 1 − δ −1 , ϕ >

n n
1 −1 ¢
= n ϕ( ) − ϕ( )
¡
n n
Z 1
Rappelons que ϕ(x) = ϕ(0) + xψ(x) où ψ(x) = ϕ0 (t x)d t .
0
Donc, ϕ( n1 ) = ϕ(0) + n1 ψ( n1 ) et ϕ( −1
n
) = ϕ(0) − n1 ψ( −1
n
).
Par suite,
¡ 1 −1 ¢ 1 −1
n ϕ( ) − ϕ( ) = ψ( ) + ψ( ) −→ 2ψ(0) = 2ϕ0 (0).
n n n n
Alors < Tn , ϕ >−→< Tn , ϕ > . D’où
Tn 7−0→ T
D (R)

On verra au chapitre suivant que T est exactement T = −2δ00 .

Attention
Une suite de distributions régulieres peut converger vers une distribution régulière comme
elle peut converger vers une distribution singulière comme c’est le cas dans l’exemple ??.

De la même façon que pour les suites de distributions on peut définir la convergence d’une série
de distributions.
Définition 26. ∞ X
On considère la suite de distributions (Tn )∞
1 . On dit que la série de distributions Tn définit
n=1
N
X
une distribution T de D 0 (Ω), si la suite des sommes partielles S N = Tn converge au sens
n=1
des distributions vers T .
∞
X
Dans la pratique, on a très souvent des séries du type Tn . Dans ce cas la définition
n=−∞
de la convergence est tout à fait analogue au cas précédent : il suffit en fait de considérer la
N
X
convergence de la suite des sommes partielles ”symétriques” S N = Tn .
n=−N

Exemple 29
N
La suite ∆N = δn converge dans D 0 (R) vers une distribution notée δn , qu’on appelle
X X
n=−N nεZ
Cha et qu’on note I I I (lettre de l’alphabet cyrillique). En physique on l’appelle aussi ”Peigne
de Dirac”.

3.2. Autres résultats de convergence

Quand une suite T f n de distributions, qui est définie par des fonctions localement intégrables
f n , il faut bien faire la différence entre la convergence au sens classique (convergence simple) et
la convergence au sens des distributions. Le théorème suivant caratérise les suites de fonctions
pour lesquelles les limites simples coincident avec les limites dans D 0 (Ω) :

27
Distributions sur un ouvert de Rd

Théorème 12.
Soit ( f n ) une suite de fonctions localement intégrables dans Ω qui converge vers f presque
partout dans Ω ; et soit g ∈ L 1l oc (Ω) telle que | f n | É g ; alors

f n converge vers f dans D 0 (Ω)

D 0 (Ω)
i .e T f n −→ T f .

Preuve : Soit KZ⊂ Ω un compact et soit ϕ ∈ D(Ω) telle que supp ϕ ⊂ K .

On a < T f n , ϕ >= f n (x)ϕ(x)d x.
Ω
Puisque f n converge vers f presque partout dans Ω, donc f n ϕ converge vers f ϕ presque
partout dans Ω. En plus on a | f n ϕ| É |g ϕ|. Alors par application du théorème de la convergence
dominée de Lebesgue on a
Z
lim < T f n , ϕ > = lim f n (x)ϕ(x)d x
n−→+∞ n−→+∞ Ω
Z
= lim ( f n (x))ϕ(x)d x
n−→+∞
ZΩ
= f (x)ϕ(x)d x
Ω
=< T, ϕ >

D 0 (Ω)
Par conséquent, T f n −→ T f .

Attention
La convergence presque partout sur Ω n’implique pas la convergence dans D 0 (Ω).

Contre-exemple :
considérons la suite ( f n )nÊ1 de L 1l oc (Ω) définie par :
p −nx 2
f n : x 7−→ ne .
p.p
on a pour tout x 6= 0 f n (x) 7−→ 0. i.e f n 7−→ 0, mais la suite (T f n )nÊ1 converge dans D 0 (Ω) vers
p
πδ0 et non pas vers la distribution nulle. En effet, soit ϕ ∈ D(Ω).
On a
p
Z
2
< T f n , ϕ > = n e −nx ϕ(x)d x
R
y
Z
2
= e y ϕ( p )d y
R n

Par le Théorème de la convergence dominée on obtient

y p
Z
2
e y ϕ( p )d y 7−→ πϕ(0)
R n
p
D’où (T f n )nÊ1 converge dans D 0 (Ω) vers πδ0 .
p
Le théorème ?? se généralise pour les espaces L l oc (Ω), 1 É p É +∞ de la façon suivante :

28
Distributions sur un ouvert de Rd

Théorème 13.
p
La convergence dans L l oc (Ω), 1 É p É +∞ implique la convergence dans D 0 (Ω).
Autrement dit
p
L l oc (Ω) D 0 (Ω)
f n −→ f ⇒ T f n −→ T f .
p p
Preuve : Soit ( f n ) une suite de fonctions dans L l oc (Ω) qui converge dans L l oc (Ω) vers une
p
fonction f de L l oc (Ω).
Soit K ⊂ Ω un compact et soit ϕ ∈ D(Ω) telle que supp ϕ ⊂ K .
On a
| < T fn , ϕ > − < T f , ϕ > | = | < T fn − T f , ϕ > |
Z
¡ ¢
=| f n − f (x)ϕ(x)d x|
ZR
n
¡ ¢
=| f n − f (x)ϕ(x)d x|
K
·Z ¸1
p
¯ f n (x) − f (x)¯p
¯ ¯
É kϕ(x)d xkL q
K

où q est tel que p1 + q1 = 1.

il faut noter que ϕ ∈ L q (Ω) car elle est dans D(Ω)
p ·Z ¸1
L l oc (Ω) p D 0 (Ω)
¯ f n (x) − f (x)¯p
¯ ¯
or f n −→ f , alors 7−→ 0. De plus on a kϕkL q < ∞, alors T f n −→ T f .
K n−→+∞

Théorème 14.
Soit (Tn )nÊ0 une suite de distributions sur Ω telle que pour tout ϕ ∈ D(Ω) la suite < Tn , ϕ >
admet une limite dans K = R ou C. Alors la forme linéaire T définie sur D(Ω) par :

∀ϕ ∈ D(Ω), < T, ϕ >= lim < Tn , ϕ >

n−→+∞

est une distribution sur Ω. De plus pour tout compact K ⊂ Ω, ∃m ∈ N, ∃c > 0, tel que :

∀ϕ ∈ D(Ω) t.q. supp ϕ ⊂ K , sup| < Tn , ϕ > | É cP m,K (ϕ).

n∈N

Remarque
— La preuve est basée sur le théorème de Banach-Steinhaus
— La constante c et l’entier m sont indépendants de n.

Corollaire 1.
Soit (Tn )nÊ0 une suite de distributions sur Ω et soit (ϕn )nÊ0 une suite d’éléments de D(Ω).
D 0 (Ω) D(Ω)
Si Tn −→ T et ϕn −→ ϕ, alors < Tn , ϕn > −→ < T, ϕ > .
n−→+∞ n−→+∞ n−→+∞

Preuve : On a
| < Tn , ϕn > − < T, ϕ > | = | < Tn , ϕn > − < Tn , ϕ > + < Tn , ϕ > − < T, ϕ > |
= | < Tn , ϕn − ϕ > + < Tn − T, ϕ > |
É | < Tn , ϕn − ϕ > | + | < Tn − T, ϕ > |

29
Distributions sur un ouvert de Rd

Or

| < Tn , ϕn − ϕ > | É sup| < Tn , ϕn − ϕ > |

n∈N
É cP m (ϕn − ϕ) −→ 0
n−→+∞

D’autre part, | < Tn − T, ϕ > | −→ 0. Par conséquent, < Tn , ϕn > −→ < T, ϕ > .
n−→+∞ n−→+∞

30
 Chapitre 4

Opérations sur les distributions

Dans tout ce chapitre, Ω désigne un ouvert de Rd .

1. Multiplication par une fonction C ∞

La multiplication ou la division de deux distributions est une chose qui n’est pas toujours
valable et qui peut engendrer des problèmes, elle n’est pas en général définie ; comme on peut
le voir sur cet exemple pour f (x) = g (x) = p1x ∈ D 0 (R) car elles sont localement intégrables mais
1
f (x)g (x) = ∉ D 0 (R) : Par contre si f ∈ D 0 (R) et ψ ∈ C ∞ (R) le produit ψ f peut avoir un sens et
x
définit une distribution sur D(R) comme on peut le voir d’après ce qui suit.
1.1. Définition et quelques propriétés
Proposition 12 ( et Définition ).
Soient T une distribution de D 0 (Ω) et a une fonction de C ∞ (Ω). La forme linéaire S définie
sur D(Ω) par
< S, ϕ >=< T, aϕ >, ∀ϕ ∈ D(Ω)
est une distribution et elle est appelée ”Produit de a et T ”et on la note S = aT.

Preuve : Tout d’abord, on a bien aϕ ∈ D(Ω). donc le membre de droite est bien défini.
Soit K ⊂ Ω un compact et soit ϕ ∈ D(Ω) telle que supp ϕ ⊂ K . Puisque T ∈ D 0 (Ω), il existe
m ∈ N et C > 0 tels que,
| < T, ϕ > | É C P m (ϕ).
Or aϕ ∈ D(Ω) et supp (aϕ) ⊂ supp ϕ ⊂ K , alors

| < S, ϕ > | = | < T, aϕ > | É C P m (aϕ).

Par la formule de Leibniz, on a

α β α−β
µ ¶
α
∂ (aϕ) = ∂ a∂ ϕ.
X
0ÉβÉα
β

Alors
max|∂α (aϕ)(x)| É 2|α| max |∂β1 a(x)| max |∂β2 ϕ(x)|.
x∈K x∈K ,|β1 |É|α| x∈K ,|β2 |É|α|

D’où, pour tout α tel que |α| É m , on a

max|∂α (aϕ)(x)| É C̃ P m (ϕ) avec C̃ = 2m max |∂β1 a(x)|.

x∈K x∈K ,|β1 |Ém

31
 Opérations sur les distributions

Alors P m (aϕ) É C̃ P m (ϕ). et on a finalement,

| < S, ϕ > | = | < T, aϕ > | É C C̃ P m (ϕ).

ce qui montre que S est une distribution sur Ω.

Il est assez facile de vérifier les propriétéss suivantes :
Proposition 13.
Pour tout a, b ∈ C ∞ (Ω), pour tout T, S ∈ D 0 (Ω), on a

(a + b)T = aT + bT
(ab)T = a(bT )
a(T + S) = at + aS

1.2. Exemples
Exemple 30

Si a ∈ C ∞ (Ω), et si f ∈ L 1l oc (Ω), alors on a : aT f = T a f .

Exemple 31
Si a ∈ C ∞ (Ω), et si x 0 ∈ Ω, on a :
aδx0 = a(x 0 )δx0 .
En particulier dans R, xδ0 = 0.
La vérification est ici immédiate.

Exemple 32

Ona : x vp x1 = 1. Eneffet, si ϕ ∈ D(Ω), on a

1 1
< x vp , ϕ > =< vp , xϕ >
x xZ
xϕ(x)
= lim+ dx
ε→0 |x|>ε x
Z
= lim+ ϕ(x) d x
ε→0 |x|>ε
Z
= ϕ(x) d x
R
=< 1, ϕ >

1.3. Propriétés de convergence

Un autre résultat intéressant est que la multiplication par une fonction C ∞ est une opération
continue. Plus précisement on a le théorème suivant
Théorème 15.
Soient T ∈ D 0 (Ω), et a ∈ C ∞ (Ω). Soit (an )nÊ0 une suite qui converge vers a dans C ∞ (Ω) et
soit (Tn )nÊ0 une suite qui converge vers T dans D 0 (Ω). On a alors,

32
 Opérations sur les distributions

an T −→ aT, aTn −→ aT, a n Tn −→ aT.

n−→+∞ n−→+∞ n−→+∞
0
La convergence est dans D (Ω).

Preuve : Bien entendu, il suffit de montrer le troisième point.

Soit ϕ ∈ D(Ω). Posons pour tout n , ψn = an ϕ. Par la formule de Leibniz, on a ψn −→ aϕ.
n−→+∞
Le corrollaire ?? nous permet d’avoir

< a n Tn , ϕ >=< Tn , ψn > −→ < T, aϕ >=< aT, ϕ > .

n−→+∞

Remarque
L’application (a, T ) ∈ C ∞ (Ω) × D 0 (Ω) −→ aT ∈ D 0 (Ω) est continue.

1.4. Les équations xT = 0, xT = 1 et xT = S

Nous allons commencer par étudier ces trois équations pour d = 1. Nous donnerons ensuite
un résultat plus général en dimension d quelconque pour le système d’équations x i T = 0.
On donne un lemme utile pour la suite
Lemme 4.
On a
ψ = xθ, θ ∈ D(R) ⇐⇒ ψ ∈ D(R) et ψ(0) = 0.

Preuve : Tout d’abord, si ψ = xθ, θ ∈ D(R), il est clair que ψ ∈ D(R) et que ψ(0) = 0.
Réciproquement, soit ψ ∈ D(R) telle que ψ(0) = 0. Supposons que supp ψ Ú] − A, A[. Par la
formule de Taylor avec reste intégral à l’ordre 1, on peut écrire que
Z 1
ψ(x) = ψ(0) + x ψ0 (t x)d t = xθ(x)
0
Z 1
où θ(x) = ψ0 (t x)d t . Alors, θ ∈ C ∞ (R), et si |x| > A, on a ψ(x) = 0 d’où θ(x) = 0. Donc θ ∈ D(R).
0

Proposition 14.
Soit T ∈ D 0 (R) une distribution. les deux assertions suivantes sont équivalentes
1. xT = 0
2. T = cδ0 où c est une constante.

Preuve : On a déjà vu que, si T = cδ0 , alors xT = c xδ0 = c0 = 0. D’où une première

implication.
Pour l’autre sens, supposons que xT = 0. Pour θ ∈ D(R), on a 0 =< xT, θ >=< T, xθ > . Donc
T est nulle sur toutes les fonctions de la forme xθ, θ ∈ D(R). D’après le Lemme ??, T s’annule
sur toutes les fonctions ψ ∈ D(R) telles que ψ(0) = 0. Fixons χ ∈ D(R) telle que χ(x) = 1 pour
|x| É 1. Soit ϕ ∈ D(R). Posons ψ = ϕ − ϕ(0)χ. Alors ψ ∈ D(R) et ψ(0) = 0. Donc < T, ψ >= 0, soit
encore
< T, ϕ >= ϕ(0) < T, χ >= C < δ0 , ϕ > avec C =< T, χ > .
D’où l’autre implication.
On peut alors étudier la même équation avec un second membre. On commence par regarder
l’équation xT = 1.

33
 Opérations sur les distributions

Proposition 15.
Soit T ∈ D 0 (R) une distribution. les deux assertions suivantes sont équivalentes
1. xT = 1
2. T = cδ0 + vp( x1 ) où c est une constante.

Preuve : On a déjà vu en exemple que x vp( x1 ) = 1.

Donc si T est une solution de l’équation xT = 1, on doit avoir x(T − vp( x1 )) = 0. Par la
proposition précédente,
1
T − vp( ) = cδ0
x
avec c une constante.
Une simple vérification montre l’implication inverse.
On retrouve ici le principe général de résolution des équations linéaires : l’ensemble des
solutions est un espace affine dirigé par le noyau de l’application linéaire qui définit l’équa-
tion considérée (soit l’ensemble des solutions de l’équation homogène associée) et passant par
une solution particulière de l’équation. Nous pouvons en fait résoudre l’équation xT = S pour
n’importe quel second membre S ∈ D 0 (R).
Proposition 16.
Soit S ∈ D 0 (R) une distribution. Alors l’équation xT = S admet une solution T ∈ D 0 (R).

Preuve : Soit ϕ ∈ D(R) et soit χ ∈ D(R) telle que χ(x) = 1 pour |x| É 1. Posons ϕ̃ = ϕ−ϕ(0)χ.
Alors ϕ̃(0) = 0. Il existe donc θ ∈ D(R) telle que ϕ̃ = xθ. On définit la distribution T par :
< T, ϕ >=< S, θ > .

Alors < xT, ϕ >=< T, xϕ >=< S, ϕ >, d’où xT = S. En effet,

˜ = xϕ − (xϕ)(0)χ = xϕ
xϕ

et dans ce cas, θ = ϕ.
Il ne reste plus qu’ à vérifier que la formule < T, ϕ >=< S, θ > définit bien une distribution
T ∈ D 0 (R). Tout d’abord, si ϕ ∈ D(R) , on a supp θ ⊂ supp ϕ ∪ supp χ, donc θ ∈ C ∞ (R). Puis,
Z 1
comme S ∈ D 0 (R), alors | < S, θ > | É C S P m (θ). Or, θ = (ϕ0 (t x)d x − ϕ(0)χ0 (t x))d t , donc P m (θ) É
0
C P m+1 (ϕ). Ainsi,
| < T, ϕ > | É C S C P m+1 (ϕ).
Par conséquent T ∈ D 0 (R).
Exemple 33
On peut voir facilement que

x Pf x12 = vp x1 et x 2 Pf x12 = 1.
¡ ¢ ¡ ¢

2. Dérivation d’une distribution

On introduit dans cette section la notion de dérivation pour les distributions. On donne une
généralisation de la notion de dérivée pour les distributions mais tout en conservant cette même
notion classique pour des fonctions ordinaires. Par un choix particulier de quelques exemples
on met en exergue la diférence entre la dérivation classique (i.e. la déivation des fonctions) et
la dérivation distributionnelle.

34
 Opérations sur les distributions

2.1. Définition
Soit f ∈ C 1 (R) et ϕ ∈ D(R). Alors une intégration par parties donne
Z Z
0 0
< f , ϕ >= f (x)ϕ(x) d x = − f (x)ϕ0 (x) d x = − < f , ϕ0 > .
R R

ce qui motive la définition suivante :

Définition 27.
Par analogie, nous dirons que la dérivée d’une distribution T ∈ D 0 (R) est la distribution
T 0 ∈ D 0 (R) définie par
< T 0 , ϕ >= − < T, ϕ0 >, ∀ϕ ∈ D(R).
Si α est un multi-indice on définit ∂α T la dérivée de la distribution T ∈ D 0 (Ω) par

< ∂α T, ϕ >= (−1)|α| < T, ∂α ϕ >, ∀ϕ ∈ D(Ω).

Remarque
1. Pour i ∈ {1, 2, · · · , d }, ∂xi T est la i − ème dérivée partielle de T.
2. Il est clair que si T est une distribution d’ordre m , alors ∂xi T est d’ordre au plus
m + 1.
3. Il est clair, que toute distribution est indéfiniment différentiable, i.e. de classe C ∞ .

2.2. Exemples
Exemple 34

La dérivée d’une distribution T f avec f ∈ C 1 (R) est la distribution T f 0 . C’est l’objet du

calcul fait au début de cette section.

Exemple 35
1. Soit H la fonction de Heaviside sur R définie par
(
H (x) = 1, x > 0,
H (x) = 0, x < 0.

Alors H 0 = δ
En effet,
Z Z +∞
0 0 0
< H , ϕ >= − < H , ϕ >= H (x)ϕ (x)d x = ϕ0 (x)d x = −ϕ0 (0) =< δ0 , ϕ >, ∀ϕ ∈ D(R).
R 0

2. (si g nx)0 = 2δ, où si g nx = H (x) − H (−x).

Exemple 36

La dérivée p-ième δ(p) de δ est définie par

< δ(p) , ϕ >= (−1)p ϕ(p) (0)

35
Opérations sur les distributions

pour toute fonction d’essai ϕ.

Exemple 37
Les deux distributions δ et δ0 sont linéairement indépendantes, c’est-à-dire que si a et b
sont deux nombres complexes arbitraires

aδ + bδ0 = 0 ⇐⇒ a = b = 0.

Exemple 38. Dérivation d’un produit aT

Si T est une distribution et a une fonction C ∞ on a

(aT )0 = a 0 T + aT 0 .

En effet pour ϕ ∈ D(Ω) on a

< (aT )0 , ϕ > = − < aT, ϕ0 >

= − < T, aϕ0 >
= − < T, (aϕ)0 − a 0 ϕ >
=< T 0 , (aϕ) > + < T, a 0 ϕ >
=< aT 0 , ϕ > + < a 0 T, ϕ >
=< aT 0 + a 0 T, ϕ >

En général on peut démontrer la formule de Leibniz pour le produit d’une distribution par
une fonction de classe C ∞ et on a
α β
µ ¶
α
∂ (aT ) = ∂ a ∂α−β T
X
0ÉβÉα
β

pour T ∈ D 0 (Ω) et a ∈ C ∞ (Ω).

Application : Pour a ∈ C ∞ (Ω), on a

aδ0 = a(0)δ − a 0 (0)δ.

Cas particulier : xδ0 = −δ et ∀k > 1 x k δ0 = 0.

Exemple 39
Soit f la fonction définie sur R par
(
f (x) = log(|x|), x 6= 0,
f (x) = 0, x = 0.

f ∈ L 1l oc (R) on peut donc lui associer une distribution T f ∈ D(R).

On a alors : (T f )0 = vp( x1 ). En effet, il suffit de revoir le calcul fait dans l’exemple ??.

36
Opérations sur les distributions

Exemple 40
Z x
Soit u ∈ L 1l oc (R) et posons, pour x ∈ R, v(x) = u(t )d t . Alors v est une fonction continue
0
sur R et v = u au sens des distributions.
0

Z v. Soit b ∈ R et soit (x n ) une suite qui

En effet, Commençons par montrer laZ continuité de
xn
converge vers b . On a : ∀n Ê 0, v(x n ) = 1(0,xn ) u(t )d t . Par le Théorème de la
u(t )d t =
0 Z R
convergence dominée de Lebesgue, la suite (v(x n )) converge alors vers 1(0,b) u(t )d t = v(b),
R
d’où la continuité de v en b, donc sur R.
Soit ϕ ∈ D(R) et supposons que supp ϕ Ú [−A, A]. on a :

< v 0 , ϕ > = − < v, ϕ0 >

Z
= − v(x)ϕ0 (x)d x
R
Z A
=− v(x)ϕ0 (x)d x
−A
Z A Z x
u(t )d t ϕ0 (x)d x
¡ ¢
=−
−A 0
Z AZ x Z 0 Z 0
0
=− u(t )ϕ (x)d t d x + u(t )ϕ0 (x)d t d x
0 0 −A x
| {z } | {z }
I1 I2

On utilise Fubini pour l’intégrale I 1 : On a

( (
0Ét Éx 0Ét É A
⇐⇒
0Éx É A t ÉxÉA

Alors
Z A Z A
ϕ0 (x)d x d t
¡ ¢
I1 = − u(t )
0 t
Z A
=− u(t )(ϕ(A) − ϕ(t ))d t
0
Z A
= u(t )ϕ(t )d t c ar ϕ(A) = 0.
0
Z 0
De la même façon on montre que I 2 = u(t )ϕ(t )d t . Par suite
−A
Z A Z 0
0
< v ,ϕ > = u(t )ϕ(t )d t + u(t )ϕ(t )d t
0 −A
Z A
= u(t )ϕ(t )d t
Z−A
= u(t )ϕ(t )d t
R
=< u, ϕ >

37
 Opérations sur les distributions

On a bien T v0 = Tu , autrement dit v 0 = u dans D 0 (R).

2.3. Continuité de l’opérateur dérivée

Dans cette sous section on donne un résultat simple mais intéressant de la continuité de
l’opérateur dérivée sur l’espace des distributions.
Théorème 16.
Soit (Tn ) une suite telle que Tn −→ T dans D 0 (Ω). Alors, pour tout multi-indice α ∈ Nd fixé,
on a ∂α Tn −→ ∂α T dans D 0 (Ω).
Preuve : Soit ϕ ∈ D(R). On a
< ∂α Tn , ϕ >= (−1)|α| < Tn , ∂α ϕ >−→ (−1)|α| < T, ∂α ϕ >=< ∂α T, ϕ > .
D’où
∂α Tn −→ ∂α T.

2.4. Application : Résolution de l’équation T 0 = 0 et ∂xi T = 0

On commence par un lemme qui nous sera utile par la suite.
Lemme 5.
On a Z
0
ψ = ϕ , ϕ ∈ D(R) ⇐⇒ ψ ∈ D(R) et ψ(x)d x = 0.
R

Preuve : =⇒) : Ce sens direct estZévident puisque ϕ est à support compact.

⇐=) : on suppose que ψ ∈ D(R) et ψ(x)d x = 0.
Z Rx
On considère ϕ définie par ϕ(x) = ψ(t )d t . et supp ψ Ú [−M , M ] .
−∞
Il est clair que ϕ ∈ C ∞ (R) et que ϕ0 (x) = ψ(x), ∀x ∈ R. Montrons que supp ϕ Ú [−M , M ] .
• Si x > M , alors
Z x
ϕ(x) = ψ(t )d t
−∞
Z M Z x
= ψ(t )d t + ψ(t )d t
−∞ M
| {z }
=0
Z M
= ψ(t )d t
−∞
Z M
= ψ(t )d t
Z−M
= ψ(t )d t
R
=0
D’où
x > M =⇒ ϕ(x) = 0.
• De la même façon on montre que
x < −M =⇒ ϕ(x) = 0.
Alors supp ϕ Ú [−M , M ] . par suite, ϕ ∈ D(R).
Conclusion : il existe ϕ ∈ D(R) telle que ψ = ϕ0 .

38
Opérations sur les distributions

Proposition 17.
Soit T ∈ D 0 (R) une distribution sur R. On a

T 0 = 0 ⇐⇒ T est constante.

Preuve : ⇐=) : On suppose que T ≡ c.

Soit ϕ ∈ D(R) telle que supp ϕ Ú [−A, A]. On a

< T 0 , ϕ > = − < T, ϕ0 >

Z
=− cϕ0 (t )d t
R)
Z A
=− cϕ0 (t )d t
−A
Z A
= −c ϕ0 (t )d t
¡ −A
= −c ϕ(A) − ϕ(−A)
¢

=0

Donc < T 0 , ϕ >= 0, ∀ϕ ∈ D(R). Alors T 0 = 0.

⇒) : Pour le sens direct, supposons que T 0 = 0. Alors,

∀ϕ ∈ D(R), < T 0 , ϕ >= − < T, ϕ0 >= 0.

Donc T s’annule sur toutes les fonctions ψ ∈ D(R) de la forme ψ = ϕ0 où ϕ ∈ D(R). D’après le
Lemme ??, ona Z
ψ = ϕ0 , ϕ ∈ D(R) ⇐⇒ ψ ∈ D(R) et ψ(x)d x = 0.
R
Z
Grâce à cette équivalence on déduit que ∀ψ ∈ D(R) telle que ψ(x)d x = 0, < T, ψ >= 0.
Z R
Soit χ ∈ D(R) fixée telle que χ(x)d x = 1. Soit ϕ ∈ D(R). Posons
R
Z
∀x ∈ R, ψ(x) = ϕ(x) − ϕ(x)d x χ(x).
¡ ¢
R
Z
Alors ψ ∈ D(R) et ψ(x)d x = 0. Par conséquent, < T, ψ >= 0. Alors par linéarité de T , on
R
obtient Z
< T, ϕ >=< T, χ > ϕ(x)d x. = c < 1, ϕ >=< c, ϕ > avec c =< T, χ > .
R
Donc T est constante et T = c..
Conclusion : T 0 = 0 ⇐⇒ T ∈ vec t (1).
Le résultat persiste en dimension supérieure, mais sa démonstration est plus difficile. Nous
allons admettre un résultat plus général dont on déduira le résultat voulu immédiatement.
Théorème 17.
Soit T ∈ D 0 (Ω) une distribution sur Ω. On suppose qu’il existe f 1 , f 2 , · · · , f d des fonctions
continues sur Ω telles que
∀i ∈ {1, · · · , d }, ∂xi T = f i .
Alors il existe f ∈ C 1 (Ω), T = f .

39
 Opérations sur les distributions

Corollaire 2.
Soit T ∈ D 0 (Ω) une distribution sur Ω un ouvert connexe de Rd . On suppose

∀i ∈ {1, · · · , d }, ∂xi T = 0.

Alors T est constante.

Preuve : Il suffit d’appliquer le théorème précédent puis le résultat classique sur les fonc-
tions de classe C 1 de dérivées nulles sur un ouvert connexe (résultat basé sur les accroissements
finis).
2.5. Formule des sauts en dimension 1
Soit f une fonction localement intégrable sur R, donc définit une distribution T f .
On suppose que la dérivéee ddx f existe au sens ordinaire partout sauf en un nombre fini de
points ai ; i =, 1 · · · , n où f admet une limite à gauche f (ai− ) et une limite à droite f (ai+ ). Alors
sa dérivée au sens des distributions est :
n ¡
(T f )0 = T f 0 + f (a i+ ) − f (a i− ) δai .
X ¢
(2.1)
i =1

Cette formule s’appelle formule des sauts.

En effet, soit ϕ ∈ D(R), telle que supp ϕ Ú [−A, A], alors pour un point de discontinuité a ,
on a

< (T f )0 , ϕ > = − < T f , ϕ >

Z
= − f (x)ϕ0 (x)d x
ZRa Z +∞
0
=− f (x)ϕ (x)d x − f (x)ϕ0 (x)d x
−∞ a
Z a Z A
=− f (x)ϕ0 (x)d x − f (x)ϕ0 (x)d x
−A a
Z a Z A
− 0 +
= − f (a )ϕ(a) + f (x)ϕ(x)d x + f (a )ϕ(a) + f 0 (x)ϕ(x)d x
−A a
Z a Z A
= f (a + ) − f (a − ) ϕ(a) + f 0 (x)ϕ(x)d x + f 0 (x)ϕ(x)d x
¡ ¢
−A a
Z A
+ −
= f (a ) − f (a ) ϕ(a) + f 0 (x)ϕ(x)d x
¡ ¢

Z−A
= f (a + ) − f (a − ) ϕ(a) + f 0 (x)ϕ(x)d x
¡ ¢
R
+ −
= f (a ) − f (a ) < δa , ϕ > + < T f 0 , ϕ >
¡ ¢

=< f (a + ) − f (a − ) δa , ϕ > + < T f 0 , ϕ >

¡ ¢

=< f (a + ) − f (a − ) δa + T f 0 , ϕ >
¡ ¢

Par conséquent,
< (T f )0 , ϕ >=< T f 0 + f (a + ) − f (a − ) δa , ϕ >, ∀ϕ ∈ D(R).
¡ ¢

Conclusion :
(T f )0 = T f 0 + f (a + ) − f (a − ) δa .
¡ ¢

40
Opérations sur les distributions

Remplaçons maintenant a par ai et sommons pour i = 1, 2, · · · , n.

Si on suppose que a1 < a2 < · · · < an , alors pour tout ϕ ∈ D(R), on a
Z a1 n−1
X Z ai +1 Z +∞
0 0 0
< (T f ) , ϕ >= − < T f , ϕ >= − f (x)ϕ (x)d x − f (x)ϕ (x)d x − f (x)ϕ0 (x)d x.
−∞ i =1 a i an

Par des intégrations par parties on peut facilement voir que

n ¡ Z +∞
0
< (T f ) , ϕ >= (a i+ ) − (a i− ) ϕ(a i ) + f 0 (x)ϕ(x)d x, ∀ϕ ∈ D(R).
X ¢
f f
i =1 −∞

Par conséquent,
n ¡
(T f )0 = T f 0 + f (a i+ ) − f (a i− ) δai .
X ¢
i =1

Remarque
On peut avoir la même chose même dans le cas d’un nombre dénombrable de points de
discontinuité (ai )+∞
i =1
i.e.
+∞
(T f )0 = T f 0 + f (a i+ ) − f (a i− ) δai .
X¡ ¢
i =1

Exemple 41
En utilisant la formule des sauts on peut retrouver les résultats suivants :
H 0 = δ0

41
 Opérations sur les distributions

Figure 4.1 – Dérivée de H

et si g n 0 = 2δ0

Figure 4.2 – Dérivée de sgn

Exemple 42
Soit f la fonction définie sur R telle que
1 x
f (x) = (1 − ), x ∈ [0, 2π]
2 π
périodique de période 2π : Le saut aux points de discontinuité x = ±2mπ; m ∈ N, est 1. Alors
en appliquant la formule des sauts on obtient

1 +∞
(T f )0 = − δ2mπ .
X
+
2π m=−∞

Remarque
Le résultat sur la formule des sauts peut s’étendre aus dérivées successives, comme pour
la dérivée seconde, en considérant les sauts de f et ceux de sa dérivée :
n ¡ n ¡
(T f )00 = T f 00 + f (a i+ ) − f (a i− ) δ0ai + f 0 (a i+ ) − f 0 (a i− ) δai .
X ¢ X ¢
i =1 i =1

3. Transformations des distributions

3.1. Translation d’une distribution
Notons d’abord que pour une fonction f localement intégrable dans Rd et a ∈ Rd ; par le
changement de variable on a
Z Z
f (x − a)ϕ(x)d x = f (x)ϕ(x + a)d x
Rd Rd

En notant par τa g la translation par le vecteur a de la fonction g et qui est définie par

τa g (x) = g (x − a), ∀x ∈ Rd ,

on obtient Z Z
τa f (x)ϕ(x)d x = f (x)τ−a ϕ(x)d x
Rd Rd

42
Opérations sur les distributions

Autrement,
< τa f , ϕ >=< f , τ−a ϕ > .
On généralise le résultat pour une distribution quelconque.
Définition 28.
Soit T ∈ D 0 (Rd ) une distribution et a ∈ Rd .
La transalatée de T par le vecteur a est la distribution notée τa T et définie par

< τa T, ϕ >=< T, τ−a ϕ >, ∀ϕ ∈ D(R).

Exemple 43
On a
τa δ = δa .
En effet, soit ϕ ∈ D(R).

< τa δ, ϕ > =< δ, τ−a ϕ >

= τ−a ϕ(0)
= ϕ(a)
=< δa , ϕ >

Alors τa δ = δa .

Remarque
Une distribution T est dite périodique de période a, si τa T = T.

Exemple 44
Soit ϕ ∈ D(R).

< τ2π Tsin , ϕ > =< Tsin , τ−2π ϕ >

Z
= sin x ϕ(x + 2π)d x
ZR
= sin(x − 2π) ϕ(x)d x
ZR
= sin(x) ϕ(x)d x
R
=< Tsin , ϕ >

Alors τ2π Tsin = Tsin . Par conséquent Tsin est 2π−périodique.

Exemple 45
Soit α une fonction indéfiniment dérivable et T une distribution de D 0 (R). Pour tout a réel,

τa (αT ) = (τa α)(τa T ).

43
 Opérations sur les distributions

Exemple 46
Pour tout a réel,
(x − a)T = 0 ⇐⇒ T = kδa .

3.2. Dilatation d’une distribution

Pour λ ∈ R \ {0}, on rappelle que la dilatée dλ g d’une fonction g définie sur Rd la fonction
définie par :
x
d λ g (x) = g ( ) ∀x ∈ Rd .
λ

Définition 29.
Soit λ ∈ R \ {0} et soit T une distribution de D 0 (R). La dilatée dλ T de la distribution T est la
distribution définie par
< d λ T, ϕ >=< T, |λ|d 1 ϕ >, ∀ϕ ∈ D(R).
λ

Exemple 47

d λ δ = |λ|δ.

Exemple 48

d λ δx0 = |λ|δλx0 .

3.3. Parité d’une distribution

Définition 30.
Soit T une distribution de D 0 (R). La distribution notée Ť := d −1 T et définie par

∀ϕ ∈ D(R), < Ť , ϕ >=< T, ϕ̌ >,

où ϕ̌(x) = ϕ(−x),

est appelée la distribution symétrique de la distribution T.

Définition 31.
On dit que T est une distribution paire si Ť = T et impaire si Ť = −T .

Exemple 49
La distribution δ est paire, de même que δx0 + δ−x0 .

Exemple 50

La distribution vp x1 est impaire, de même que sg n x = 2H − 1.

44
 Opérations sur les distributions

Exemple 51
La distribution H n’a pas de parité bien définie, de même que δx0 pour x 0 6= 0.

Exercice 3

Toute distribution peut s’écrire de façon unique comme somme d’une distribution paire et
d’une distribution impaire
T + Ť T − Ť
T= +
2 2
Appliquer cette formule aux distributions H et δx0 .

3.4. Homogéniété d’une distribution

Le but de cette sous section est d’étudier l’effet d’un changement de variable sur une distri-
bution.
On considère l’homothetie hλ définie sur Rd par :

h λ (x) = λx, ∀x ∈ Rd .

Soit T une distribution de D 0 (R). A cette distribution T on associe une distribution notée T ◦hλ
et définie par
1
< T ◦ h λ , ϕ >= < T, ϕ ◦ h λ >, ∀ϕ ∈ D(R).
|λ|

Remarque
Si T ◦ hλ = T , on dit que la distribution T est invariante par hλ .

Définition 32.
On dit que T est une distribution homogène de degré p ∈ N si

T ◦ h λ = λp T, ∀λ > 0.

Exemple 52
1. La distribution |x| est homogène de degré 1.
2. La distribution sg n x est homogène de degré 0.
3. La distribution vp( x1 ) est homogène de degré −1.

45
 Chapitre 5

Support d’une distribution

Dans tout ce chapitre, Ω désigne un ouvert de Rd .

1. Restriction et prolongement d’une distribution

1.1. Partitions de l’unité
Nous commençons par rappeler un lemme assurant l’existence d’une fonction de type plateau
Lemme 6.
Soient a ∈ Rd et r > 0.
Il existe une fonction ϕ ∈ D(Ω) telle que :
(i) supp ϕ ⊂ B (a, 2r ),
(ii) 0 É ϕ É 1,
(iii) ϕ|B (a,r ) = 1.

Définition 33.
p
Soit K un compact tel que K ⊂ Ω et K ⊂ Ω j avec (Ω j )1É j Ép une famille finie d’ouverts
[
j =1
inclus dans Ω
p
Ω j de K est une suite de fonctions
[
Une partition de l’unité subordonnée au recouverement
j =1
(χ j )1É j Ép dans D(Ω) telles que :
(i) 0 É χ j É 1, ∀ j ∈ {1, · · · , p},
(ii) supp (χ j ) ⊂ Ω j , ∀ j ∈ {1, · · · , p},
p
χ j (x) = 1.
X
(iii) Il existe un voisinage V de K tel que ∀x ∈ V,
j =1

Nous donnons un lemme technique qui nous sera très utile par la suite, il s’agit du lemme
des partitions de l’unité. Ce lemme est un outil permettant de passer du local au global.
Lemme 7.
p
pour tout K un compact de Ω et pour tout recouvrement ouvert Ω j de K , il existe une
[
j =1
p
Ωj .
[
partition de l’unité subordonnée au recouverement
j =1

46
 Support d’une distribution

Preuve : Tout d’abord, si S est un compact inclus dans un ouvert U de Rd , alors il

© un ouvert V ⊂ V ª⊂ U tel que S ⊂ V et V est compact. En effet, il suffit de construire
existe
V = x ∈ U /d (x, S) < δ/2 où δ = min d (x,U c ).
x∈S
Soit S 1 = K \(Ω2 ∪· · ·∪Ωp ). Alors, S 1 est fermé et borné donc compact. De plus, S 1 ⊂ Ω1 . Donc
il existe un ouvert V1 d’adhérence compacte tel que S 1 ⊂ V1 et V1 ⊂ Ω. Alors, K ⊂ S 1 ∪Ω2 ∪· · ·∪Ωp ,
d’où K ⊂ V1 ∪Ω2 ∪· · ·∪Ωp . Puis, on pose S 2 = K \(Ω1 ∪Ω3 ∪· · · Ωp ) ⊂ Ω2 et on construit de même V2
un voisinage ouvert d’adhérence compacte de S 2 tel que V2 ⊂ Ω2 . Alors, K ⊂ Ω1 ∪V2 ∪Ω3 ∪· · ·∪Ωp ,
d’où par intersection, K ⊂ V1 ∪ V2 ∪ Ω3 ∪ · · · ∪ Ωp . On construit donc par récurrence une suite
d’ouverts V1 , · · ·Vp d’adhérence compactes tels que pour tout j , K ⊂ V1 ∪· · ·∪V j ∪Ω j +1 ∪· · ·∪Ωp .
Pour tout j ∈ {1, ..., p}, soit χ˜j ∈ C 0∞ (Ω) telle que supp (χ˜j ) ⊂ Ω j , χ˜j = 1 sur V j et 0 É χ˜j É 1. On
pose enfin χ1 = χ˜1 , χ2 = χ˜1 (1− χ˜2 ) et χ j = (1− χ˜2 ) · · · (1− χ˜j ). Les χ j conviennent car on a de plus,
p p
χj = (1 − χ˜j ) = 0 sur K .
X Y
1−
j =1 j =1

1.2. Localisation et recollement d’une distribution

Définition 34.
Soit w ⊂ Ω un ouvert et soit T ∈ D 0 (Ω).
Pour ϕ ∈ D(w) on définit ϕ̃ ∈ D(Ω) qui est égale à ϕ sur w et à 0 sur Ω \ w. Alors, la forme
linéaire T |w définie sur D(w) par

∀ϕ ∈ D(w), < T |w , ϕ >=< T, ϕ̃ >

est une distribution sur w appelée la restriction de T à w .

Il est clair par raccordement, puisque supp ϕ ⊂ w ⊂ Ω est un compact, que ϕ̃ ∈ D(Ω). Donc
la définition est bien posée.
Définition 35.
Soit T ∈ D 0 (Ω) et soit w ⊆ Ω un ouvert. On dit que T est nulle dans w si T |w = 0.

Remarque
On peut aussi écrire

T |w = 0 ⇐⇒ < T, ϕ >= 0, ∀ϕ ∈ D(Ω) telle que supp ϕ ⊂ w.

47
 Support d’une distribution

Exemple 53
1. Soit T = δ ∈ D 0 (R) et soit w =]1, 2[⊂ R.
Soit ϕ ∈ D(R) telle que supp ϕ ⊂ w. On a < δ, ϕ >= ϕ(0) = 0. Donc T |w = 0.
2. Soit T = H ∈ D 0 (R). On a T |R∗− = 0.
3. Soit f ∈ D(R) telle que supp f ⊂ [a, b]. On a T f |]−∞,a[ = T f |]b,+∞[ = 0.

On a alors un résultat de passage du local au global pour cette notion de nullité locale d’une
distribution.
Lemme 8.
Soit (w i )i ∈I une famille d’ouverts de Ω et soit w leur réunion (w = w i ). Soit T ∈ D 0 (Ω)
[
i ∈I
telle que pour tout i ∈ I , T |w i = 0. Alors T |w = 0.

[ pour toute ϕ ∈ D(w), < T, ϕ >= 0. Soit donc ϕ ∈ D(w)

Preuve : On doit montrer que,
et soit K = supp ϕ. Comme K ⊂ w i , on peut extraire de ce recouvrement ouvert de K un
i ∈I
sous-recouvrement fini indixé par J ⊂ I fini (propriété de Borel-Lebesgue). Soit alors (χi )i ∈J une
partition de l’unité relative au recouvrement (w i )i ∈J de K . Alors
[ pour tout i X∈ J ,χi ∈ D(w i ) et
χi (x) = 1 pour x ∈ w i . Comme ϕ est à support dans K ⊂ w i , on a ϕ = χ j ϕ et ainsi
X [
j ∈J i ∈J i ∈J j ∈J

< T, ϕ >= < T, χi ϕ >

X
j ∈J

Or, pour tout i ∈ J , χi ϕ ∈ D(w i ) et T |w i = 0, donc < T, χi ϕ >= 0 et < T, ϕ >= 0.

Une conséquence de ce lemme est la proposition suivante
Proposition 18.
Pour toute distribution T∈ D 0 (Ω), il existe un plus grand ouvert U ⊂ Ω tel que T |U = 0 .

2. Support d’une distribution

2.1. Définition
D’après la proposition ?? on a pour toute distribution T∈ D 0 (Ω), il existe un plus grand
ouvert où T est nulle. Ce résultat nous permet de définir le support d’une distribution comme
suit :
Définition 36.
Pour T ∈ D 0 (Ω), on appelle support de T, noté supp T , le complémentaire du plus grand
ouvert où T est nulle.

Remarque
Comme complémentaire d’un ouvert, supp T est toujours un fermé.

En traduisant la définition, on peut écrire les assertions suivantes :

Proposition 19.
Soit T ∈ D 0 (Ω). On a
1) x 0 ∉ supp T ⇐⇒ ∃Vx0 , un voisinage ouvert de x 0 tel que : ∀ϕ ∈ D Vx0 , < T, ϕ >= 0.
¡ ¢

48
 Support d’une distribution

ªc
2) supp T = x ∈ Ω / T nulle près de x .
©

3) x 0 ∈ supp T ⇐⇒ ∀Vx0 voisinage ouvert de x 0 , ∃ ϕ ∈ D Vx0 , < T, ϕ >6= 0.

¡ ¢

4) supp T ⊂ F ⇐⇒ T = 0 dans F c .

2.2. Exemples
Dans cette sous-section on donne quelques exemples. D’autres seront détaillés en travaux
dirigés.
Exemple 54
Cet exemple est fondamentale. Soit f une fonction continue sur Ω. Alors supp T f = supp f
où supp f est le support au sens classique de la fonction continue f .

En effet, si x 0 ∉ supp f , il existe Vx0 voisinage ouvert de x 0 tel que f (x) =Z 0 pour tout x ∈
Vx0 . Alors, pour tout ϕ ∈ D Vx0 , on a (ϕ f )(x) = 0 dans Ω. Alors < T f , ϕ >=
¡ ¢
f (x)ϕ(x)d x =
Ω
0. Donc, x 0 ∉ supp T f . D’où la première inclusion : supp T f ⊂ supp f .
Réciproquement,
Z si x 0 ∉ supp T f , il existe Vx0 voisinage ouvert de x 0 tel que ∀ϕ ∈
D(Vx0 ), f (x)ϕ(x)d x = 0. Par le lemme de Dubois-Reymond, f est nulle presque partout
Ω
(donc partout puisque f est continue) dans Vx0 . Donc,x 0 ∉ supp f . D’où la seconde inclusion.

Exemple 55
Pour tout a ∈ Ω, supp δa = {a}.

En effet, soit ϕ ∈ D(Ω − {a}), on a < δa , ϕ >= ϕ(a) = 0, donc supp δa ⊂ {a}.
Réciproquement, soit Va un voisinage ouvert de a et soit ρ une fonction pic au voisinage
de a , ρ(a) = 1. Alors, < δa , ρ >= ρ(a) 6= 0. Donc a ∈ supp δa . D’où l’inclusion inverse.

Exemple 56

Pour tout a ∈ Ω et pour tout n ∈ N , on a supp δ(n)

a = {a}.

En effet, soit ϕ ∈ D(Ω − {a}), on a < δ(n) n (n) (n)

a , ϕ >= (−1) ϕ (a) = 0, donc supp δa ⊂ {a}.
Réciproquement, soit Va un voisinage ouvert de a et soit χ ∈ D(Va ) une fonction plateau
au voisinage de a , χ(a) = 1 au voisinage de a. On considère la fonction ϕ définie par

(x − a)n
ϕ(x) = χ(x).
n!

Par application de la formule de Leibniz, il est facile de voir que < δ(n)
a , ϕ >= 1 6= 0. Donc
(n)
a ∈ supp δa . D’où l’inclusion inverse.

49
 Support d’une distribution

Exemple 57

On a supp vp( x1 ) = R.
En effet, soit x 0 6= 0. Supposons que x 0 > 0, la démonstration
¸ est la même pour x 0 < 0. Soit
x 0 3x 0 x0
·
ρ x0 une fonction pic centrée en x 0 et supportée sur , . Pour tout ε > 0 tel que ε < ,
2 2 2
on a
Z 3x0
ρ x0 (x) ρ x0 (x) 2 ρ x (x)
Z Z
0
dx = dx = x dx =C > 0
|x|Êε x xÊε x 2
0 x

D’où, < vp( x1 ), ρ x0 >6= 0 et x 0 ∈ supp vp( x1 ). Donc R∗ ⊂ supp vp( x1 ) ⊂ R. comme le support
d’une distribution est un fermé, on a nécessairement supp vp( x1 ) = R.

2.3. Propriétés
Un résultat utile en pratique est donné sous la forme suivante :
Proposition 20.
Pour toute distribution T ∈ D 0 (Ω), supp T = ; ⇐⇒ T = 0.

Preuve : Si T = 0 il est clair par définition que supp T = ;.

[ x ∈ Ω, il existe un ouvert w x ∈ Ω contenant
Réciproquement, si supp T = ;, alors pour tout
x tel que T |w x = 0. Par le lemme ??, T = 0 car w x = Ω.
x∈Ω
Cette proposition a pour corollaire un principe de localisation.
Corollaire 3.
Soit T ∈ D 0 (Ω). On suppose que T est localement une fonction C k pour 0 É k É ∞, i.e.

∀x ∈ Ω, ∃w x voisinage ouvert de x et ∃ f x ∈ C k (w x ), T |w x = T f x .

Alors, il existe f ∈ C k (Ω) telle que T = T f .

Preuve : En effet, comme Ω = w x , on peut choisir pour tout x ∈ Ω, f x ∈ C k (w x ) telle que

[
x∈Ω
T |w x = T f x . Or, sur w x ∩ w y , f x = f y car T f x |w x ∩w y = T |w x ∩w y = T f y |w x ∩w y , puis on utilise la conti-
nuité de f x et f y pour en déduire f x = f y partout et pas uniquement presque partout sur w x ∩w y .

Alors, on peut poser légitimement f : Ω → C définie par f (z) = f x (z) si z ∈ w x . La fonction f

est de classe C k sur Ω car elle est C k au voisinage de tout x ∈ Ω et on a : ∀x ∈ Ω, (T −T f )|w x = 0.
Par définition du support, supp (T −T f ) = ;, donc par la proposition précédente, T = T f . On a
aussi des résultats qui font le lien entre opérations sur les distributions et support. Tout d’abord,
la multiplication.
Proposition 21.
Soit T ∈ D 0 (Ω) et soit a ∈ C ∞ (Ω). Alors : supp (aT ) ⊂ supp a ∩ supp T.

Preuve : Soit x 0 ∈ (supp a)c ∪ (supp T )c .

Si x 0 ∈ (supp a)c , il existe Vx0 voisinage de x 0 tel que a(x) = 0 pour tout x ∈ Vx0 .
Alors si ϕ ∈ D(Vx0 ), on a, pour tout x ∈ Ω, a(x)ϕ(x) = 0. D’où < aT, ϕ >=< T, aϕ >= 0 et par
suite, x 0 ∉ supp (aT ).
Si x 0 ∈ (supp T )c , il existe Vx0 tel que < T, ψ >= 0 pour tout ψ ∈ D(Vx0 ).
Soit ϕ ∈ D(Vx0 ). On a aϕ ∈ D(Vx0 ), donc < aT, ϕ >=< T, aϕ >= 0. Alors x 0 ∉ supp (aT ).
Pour la dérivation le résultat est évident.

50
 Support d’une distribution

Proposition 22.
Soit T ∈ D 0 (Ω). Pour tout α ∈ Nd , supp ∂α T ⊂ supp T.

Proposition 23.
Soit T ∈ D 0 (Ω) et soit ϕ ∈ D(Ω). On a

supp T ∩ supp ϕ = ; =⇒< T, ϕ >= 0.

Preuve : La démonstration n’est que la propriété de Borel-Lebesgue appliquée à un re-

couvrement ouvert du compact supp ϕ.

Attention
Soit T ∈ D 0 (Ω) et soit ϕ ∈ D(Ω).
Il est possible que ϕ = 0 sur supp T mais < T, ϕ >6= 0.

Contre exemple :
On considère T = δ0 . Soit ϕ ∈ D(R). On a supp T = {0}. D’autre part

< T, ϕ >=< δ0 , ϕ >= − < δ, ϕ0 >= −ϕ0 (0).

Existe-t-il ϕ ∈ D(R) telle que ϕ0 (0) 6= 0 et ϕ(0) = 0?

Soit θ ∈ D(R) une fonction plateau qui prend la valeur 1 sur [−1, 1] et nulle hors de [−2, 2] .
On considère maintenant ϕ = x θ . On a ϕ ∈ D(R) , ϕ0 (0) = 1 6= 0 et ϕ(0) = 0.
Proposition 24.
Soient T, S ∈ D 0 (Ω). On a supp (T + S) ⊂ supp T ∪ supp S.

3. Distributions à support compact

Les distributions à support compact jouent un rôle important dans la théorie des distribu-
tions. En effet, une distribution à support compact est une somme finie de dérivées (multiples)
au sens des distributions de fonctions continues. Ceci confirme en quelque sorte que la notion
de distribution est bien l’extension minimale de la notion de fonction continue pouvant être
dérivée autant de fois qu’on le désire.
3.1. Definition et propriétés
Définition 37.
On dit que T ∈ D 0 (Ω) est à support compact lorsque supp T est compact. On note l’ensemble
0
des distributions à support compact E (Ω).
0
Evidemment, E (Ω) est un sous-espace vectoriel de D 0 (Ω) sur R (ou C). A priori, une distri-
bution à support compact est une forme linéaire continue sur l’espace des fonctions de classe
C ∞ à support compact. Mais comme le support de la distribution est lui même compact, on
peut ignorer les fonctions test en dehors du support de la distribution. Ceci permet d’étendre
la dualité et de considérer les distributions à support compact comme les formes linéaires conti-
nues sur l’espace des fonctions C ∞ (Ω) équipé de la topologie de la convergence uniforme sur
tout compact des dérivées de tous ordres, c’est exactement l’objet de la sous section suivante.

51
 Support d’une distribution

3.1.1. Topologie de C ∞ (Ω)

Soit ϕ ∈ C ∞ (Ω). Grâce au lemme de décomposition Lemme ?? on peut définir sur C ∞ (Ω)
une famille de semi-normes (P n )n par :
P n (ϕ) = max |∂α ϕ(x)|.
|α|Én,x∈K n

Théorème 18.
L’espace C ∞ (Ω) muni de la P −topologie associée à la famille de semi-normes (P n )n est un
espace de Fréchet.

Définition 38.
Soit T : C ∞ (Ω) −→ K = R ou C une forme linéaire.

T est continue ⇐⇒ ∃ c > 0, ∃ n 0 ∈ N, ∀ϕ ∈ C ∞ (Ω), | < T, ϕ > | É cP n0 (ϕ).

Une définition séquentielle équivalente est donnée par :

Définition 39.
On dit qu’ une suite (ϕn ) de C ∞ (Ω) converge vers ϕ dans C ∞ (Ω) si pour tout multi-indice
α ∈ Nd , ∂α ϕn converge vers ∂α ϕ uniformément dans tout compact de Ω.

Remarque
1. Contrairement à la convergence dans D(Ω), il n’y a pas ici d’hypothèse sur les
supports.
¢0 C (Ω) de la même
∞
2. On a défini la continuité et la linéarité d’une fonctionnelle
¡ ∞ sur
manière que dans D(Ω) ; le dual de C (Ω) est noté C (Ω) qui est l’espace des
∞

fonctionnelles linaiires continues définies sur C ∞ (Ω).

On rappelle le résultat de densité suivant :

Proposition 25.
L’espace D(Ω) est dense dans C ∞ (Ω).

3.1.2. Prolongement de distribution à support compact

Proposition 26.
Une distribution de E 0 (Ω) peut être prolongée à C ∞ (Ω).

Preuve : Soit K le support compact de T ∈ E 0 (Ω). On se donne K 0 un compact contenant

K et K 00 un compact contenant K 0 de sorte qu’il existe χ une fonction plateau qui soit égale à
1 sur K 0 et qui soit supportée dans K 00 .

52
Support d’une distribution

On vérifie que, pour ϕ ∈ D(Ω) :

< T, ϕ >=< T, χϕ > + < T, (1 − χ)ϕ > .

comme (1 − χ)ϕ est supportée dans un compact contenu dans le complémentaire du support de
T , < T, (1 − χ)ϕ >= 0. D’où
∀ϕ ∈ D(Ω), < T, ϕ >=< T, χϕ > . (3.1)
Vue la densité de D(Ω) dans C ∞ (Ω), on peut définir sur C ∞ (Ω) une fonctionnelle T̃ prolongeant
T par :
∀ϕ ∈ C ∞ (Ω), < T̃ , ϕ >=< T, χϕ > . (3.2)
Comme χϕ ∈ D(Ω), < T, χϕ > est bien definie, de plus,

∃ c 1 > 0, ∃ n ∈ N, | < T̃ , ϕ > | = | < T, χϕ > | É c 1 max max |∂α (χϕ)(x)|.

|α|Én x∈supp(χϕ)

D’autre part, on a
|∂α (χϕ)| É c 2 max max |∂β ϕ(x)|
|β|É|α| x∈K 00

Par conséquent,
∃ c > 0, ∃ n ∈ N, | < T̃ , ϕ > | É c max max |∂β ϕ(x)|.
|β|Én x∈K 00

En fin,
∃ c > 0, ∃ n 0 ∈ N, ∀ϕ ∈ C ∞ (Ω), | < T̃ , ϕ > | É c P n0 (ϕ).
¢0
On en déduit que T̃ ∈ C ∞ (Ω) .
¡

Conséquence :
On vient de montrer que pour T ∈ E 0 (Ω) il existe une application linéaire T̃ de C ∞ (Ω) vers
C vérifiant :
(i) < T̃ , ϕ >=< T, ϕ >, ∀ϕ ∈ D(Ω).
(ii) < T̃ , ϕ >= 0, ∀ϕ ∈ C ∞ (Ω), supp ϕ ∩ supp T = ∅.
(iii) Il existe n 0 ∈ N, un compact K (voisinage de K 0 = supp T ) et c > 0 tels que

∀ϕ ∈ C ∞ (Ω), | < T̃ , ϕ > | É c max max |∂β ϕ(x)|.

|β|Én 0 x∈K

Remarque
1. L’expression (??) définissant T̃ est indépendante de la fonction χ. En effet,
Soient χ1 et χ2 ∈ D(Ω) telles que

χ1 |V1 = 1 et χ2 |V2 = 1

où V1 et V2 sont deux voisinages ouverts de K dans Ω. Alors

χ1 − χ2 |V1 ∩V2 = 0

et comme V1 ∩ V2 est un voisinage ouvert de supp(T )dans Ω, pour toute fonction

ϕ ∈ D(Ω), la fonction (χ1 −χ2 )ϕ, qui est de classe C ∞ sur Ω, vérifie supp(χ1 −χ2 )ϕ∩
suppT = ∅. Par suite, < T, (χ1 − χ2 )ϕ >= 0. Par conséquent, < T, χ1 ϕ >=< T, χ2 ϕ > .

53
 Support d’une distribution

2. Grâce à ce prolongement on ¡peut identifier

¢0 E 0 (Ω) avec (C ∞ (Ω))0 tout comme ce
0 ∞
qu’on a déjà vu pour D (Ω) = C c (Ω) . En fait on a le résultat suivant.

Proposition 27. ¢0
Φ E 0
C qui associe à T ∈ E 0 (Ω) la forme linéaire continue T̃ ∈
¡ ∞
L’application
¢0 de (Ω) vers (Ω)
C (Ω) est une application linéaire bijective. Elle permet d’identifier E 0 (Ω) avec (C ∞ (Ω))0 .
¡ ∞

Proposition 28.
Toute distribution à support compact est d’ordre fini.

Preuve : Soit K le support compact de T ∈ E 0 (Ω). On se donne K 0 un compact contenant

K et K 00 un compact contenant K 0 de sorte qu’il existe χ une fonction plateau qui soit égale à
1 sur K 0 et qui soit supportée dans K 00 . On rappelle que

∀ϕ ∈ D(Ω), < T, ϕ >=< T, χϕ > + < T, (1 − χ)ϕ >=< T, χϕ >

En considérant le compact K 00 et puisque T ∈ D 0 (Ω), Il existe alors un entier m0 et une constante

C 0 , tels que
∀φ ∈ D K 00 (Ω), | < T, φ > | É C 0 max max |∂α φ(x)|.
|α|Ém 0 x∈K 00

D’autre part, puisque ϕχ ∈ D K 00 (Ω), (i.e. suppotée dans K 00 ), alors

| < T, ϕ > | É C 0 max max |∂α (ϕχ)(x)|.

|α|Ém 0 x∈K 00
X ³α ´
L’application de la formule de Leibniz donne ∂α (ϕχ) = ∂β ϕ∂γ χ et les majorations uni-
β
γ+β=α
X ³α ´
formes, pour |γ| É m0 de |∂γ χ| par kχkm0 = max max |∂γ χ(x)| et de β =2
|α|
permettant
|γ|Ém 0 x∈K 00 β+γ=α
d’obtenir une constante C telle que

C 0 max max |∂α (ϕχ)| É C max max |∂α ϕ(χ)|

|α|Ém 0 x∈K 00 |α|Ém 0 x∈supp ϕ
et
| < T, ϕ > | É C max max |∂α ϕ(χ)|.
|α|Ém 0 x∈supp ϕ

Celà prouve que T est d’ordre au plus m0 , donc d’ordre fini.

3.2. Distributions à support ponctuel
Nous avons déjà vu dans les exemples plus haut que que le support des dérivées du Dirac
est supp δ(n)
a = {a}. Réciproquement, les distributions à support dans un singleton admettent
une caractérisation très simple.
Théorème 19.
Soit T ∈ D 0 (Ω) et soit x 0 ∈ Ω. Supposons que supp T = {x 0 }. il existe alors un entier m et des
nombres complexes (aα )|α|Ém tels que
∀ϕ ∈ D(Ω), < T, ϕ >= a α ∂α ϕ(x 0 ),
X
|α|Ém

ce qui peut encore s’ecrire

ã α ∂α δx0 , où ã α = (−1)|α| a α .
X
T=
|α|Ém

54
Support d’une distribution

Preuve : Pour simplifier les notations et ne conserver que les principales idées de la preuve,
nous allons nous restreindre au cas de la dimension d = 1. Sans perdre en généralité on peut
aussi supposer que x 0 = 0.
Tout d’abord, comme T est à support compact, T est d’ordre fini. Notons m l’ordre de T . Soit
χ une fonction plateau valant 1 dans un voisinage de 0 inclus dans ] − 1, 1[ et 0 hors de ] − 1, 1[.
Pour r > 0 et x ∈ R on note, χr (x) = χ(x/r ).
Soit ϕ ∈ D(R). Alors, par la formule de Taylor avec reste intégrale on a
m ϕ(k) (0) x m+1 1
Z
∀x ∈ R, ϕ(x) = xk + (1 − u)m ϕ(m+1) (xu)d u.
X
k=0 k! m! 0

x m+1 1
Z
En posant, pour tout x ∈ R, ψ(x) = (1 − u)m ϕ(m+1) (xu)d u , on définit une fonction de
m! 0
classe C ∞ et on a ψ(x) = o(x m ) au voisinage de 0. Comme supp T = {0}, on a
m ϕ(k) (0)
< T, ϕ >=< T, χϕ >= < T, χx k > + < T, χψ > .
X
k=0 k!

Or, χψ est dans D(R) et (χψ)(x) = o(x m ) au voisinage de 0. Montrons que celà entraine que
< T, χψ >= 0.
Notons ψ̃ = χψ. Par la formule de Leibniz, on a
l ³ ´
¢(l ) X l (l −k) (k)
∀l É m, χr ψ̃ = k χr ψ̃ .
¡
k=0

Soit ε > 0. Comme ψ̃(x) = o(x m ) au voisinage de 0, par unicité du développement limité, ψ̃(k) =
o(x m−k ). Par ailleurs, pour tout x ∈ R, χ(lr −k) (x) = r k−l χ(l −k) (x/r ). Alors, pour r assez petit et
|x| É r ,
|χ(lr −k) (x)ψ̃(k) (x)| É r m−k r k−l kχ(l −k) k∞ = r m−l kχ(l −k) k∞ É εkχ(l −k) k∞
Donc,
¢(l )
lim max | χr ψ̃ (x)| = 0.
¡
r →0 kxkÉr

comme supp T = {0} et que χr vaut 1 au voisinage de 0,

∀r > 0, < T, ψ̃ >=< T, χr ψ̃ > .

Comme T est d’ordre m , que χr ψ̃ est à support compact dans [−r, r ] ⊂ [−1, 1] qui est un compact
fixé, on a
¢(l )
∀0 < r < 1, | < T, χr ψ̃ > | É c [−1,1] max k χr ψ̃ k∞ → 0.
¡
l Ém r →0

D’où, | < T, χr ψ̃ > | → 0 et ainsi < T, ψ̃ >= 0. Finalement,

r →0

m ϕ(k) (0) m µ1 ¶
k k
< T, ϕ >= < T, χx > +0 = < T, χx > ϕ(k) (0).
X X
k=0 k! k=0 k!

55
Bibliographie

[1] F. Hirsch et G. Lacombe, Éléments d’Analyse Fonctionnelle, Dunod, 1999, Paris.

[2] R. S. Pathak, A Cours in Distribution Theory and Applications, Alpha Science, 2001, UK.
[3] L. Schwartz, Théorie des Distributions, Hermann, 1966, Paris.
[4] L. Schwartz, Méthodes Mathématiques pour les Sciences Physiques, Hermann, 1983, Paris.
[5] C. Zuily, Éléments de Distributions et d’équations aux Dérivées Partielles, Hermann, 1988,
Paris.
[6] C. Zuily, Problems in Distributions and Partial Differential Equations, Dunod, 2002, Paris.

56