UNIVERSITÉ CHOUAIB DOUKKALI 1

ÉCOLE NATIONALE DES SCIENCES APPLIQUÉES

Département : Sciences et Technologies Industrielles (STIN)

Polycopié de Cours

Module : Analyse III

Élément : Distributions

Filière : 2AP

Année Universitaire : 2020-2021

Présenté par :

Mohamed El Azzouzi

13 septembre 2020

1. ENSAJ : Route d’azzemour, Nationale N◦ 1, ELHAOUZIA BP : 1166 El Jadida 24002 Maroc

Table des matières

Introduction aux Distributions iv

0.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iv

0.2 L’espace de fonctions tests D(R) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii

0.3 Exemples de distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . x

0.4 Ordre d’une distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xii

0.5 Support d’une distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii

0.6 Opérations élémentaires sur les distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiv

0.6.1 Translation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiv

0.6.2 Symétrisée d’une distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiv

0.6.3 Dilatation (homothétie ou changement d’unité) . . . . . . . . . . . . . . . . . . . . . . . . xv

0.6.4 Multiplication des distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xv

0.6.5 Dérivation des distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xvi

0.6.6 Dérivation d’une fonction discontinue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xvii

0.6.7 Convergence (faible) dans l’espace D′ (R) des distributions . . . . . . . . . . . . . . . . . . xix

0.7 Primitive d’une distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xx

0.8 Distributions à plusieurs dimensions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xx

0.9 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxi

Produit de convolution xxiii

0.10 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxiii

0.11 Produit tensoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxiii

0.11.1 Produit tensoriel de deux fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxiii

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

TABLE DES MATIÈRES ii

0.11.2 Produit tensoriel de deux distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxiv

0.12 Produit de convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxv

0.12.1 Convolution de deux fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxv

0.12.2 Convolution de deux distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxvi

0.12.3 Propriétés du produit de convolution de deux distributions . . . . . . . . . . . . . . . . . xxvii

0.12.4 Algèbre de convolution et résolution d’équations différentielles . . . . . . . . . . . . . . . xxviii

0.12.5 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxviii

0.12.6 Résolution d’une équation différentielle avec conditions initiales . . . . . . . . . . . . . . . xxxi

0.13 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxxiii

Transformation de Fourier xxxv

0.14 Transformée de Fourier des fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxxv

0.14.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxxv

0.14.2 Définition et existence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxxvi

0.14.3 Propriétés de la Transformée de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxxvii

0.14.4 Convolution de deux fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xliv

0.14.5 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xlv

0.15 Transformée de Fourier des distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xlix

0.15.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xlix

0.15.2 Espace S(R) et transformée de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . l

0.15.3 Transformée de Fourier des distributions tempérées . . . . . . . . . . . . . . . . . . . . . . lii

0.15.4 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . liii

0.16 Convolution et transformation de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . liv

0.17 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lv

La Transformation de Laplace lix

0.18 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lix

0.19 Transformée de Laplace des fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lx

0.19.1 Définition et existence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lx

0.20 Propriétés de la transformation de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lxiii

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

TABLE DES MATIÈRES iii

0.21 Transformée de Laplace inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lxvi

0.22 Transformée de Laplace des fonctions usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lxix

0.22.1 Application à la résolution des équations différentielles ordinaires . . . . . . . . . . . . . . lxix

0.23 Transformée de Laplace des distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lxx

0.23.1 Calcul des fonctions de transfer en électronique . . . . . . . . . . . . . . . . . . . . . . . lxxi

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

Introduction aux Distributions

Sommaire
0.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iv
0.2 L’espace de fonctions tests D(R) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii
0.3 Exemples de distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . x
0.4 Ordre d’une distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xii
0.5 Support d’une distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii
0.6 Opérations élémentaires sur les distributions . . . . . . . . . . . . . . . . . . . . . . xiv
0.6.1 Translation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiv
0.6.2 Symétrisée d’une distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiv
0.6.3 Dilatation (homothétie ou changement d’unité) . . . . . . . . . . . . . . . . . . . . . . xv
0.6.4 Multiplication des distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xv
0.6.5 Dérivation des distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xvi
0.6.6 Dérivation d’une fonction discontinue . . . . . . . . . . . . . . . . . . . . . . . . . . . xvii
0.6.7 Convergence (faible) dans l’espace D′ (R) des distributions . . . . . . . . . . . . . . . . xix
0.7 Primitive d’une distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xx
0.8 Distributions à plusieurs dimensions . . . . . . . . . . . . . . . . . . . . . . . . . . . xx
0.9 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxi

0.1 Introduction

Les distributions sont utilisées depuis longtemps par les physiciens (distributions de Dirac, ...)
mais une théorie mathématique rigoureuse n’est apparue que récemment dans les travaux de
Sobolev (1936) et surtout L. Schwartz (1950) (en paralléle : Gelfand (1964)). C’est la théorie
la plus adaptée à l’étude de nombreux systèmes physiques et notamment à celle des systèmes
linéaires continus. Avec la notion de distribution, la convolution et la transformée de Fourier
deviennent des outils mathématiques d’une grande puissance.
Il y a plusieurs raisons pour introduire la notion de distribution. Certaines sont d’ordre pure-
ment physique (expérimental même ) alors que d’autres sont des raisons plus mathématiques.
Intuitivement, les distributions sont des outils mathématiques utilisés pour représenter des
phénoménes physiques que les fonctions classiques s’avérent incapables de transcrire.

Exemple 1 (Exemple introductif : Choc élastique entre deux objets)

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.1 Introduction v

Considérons une partie de squash. On suppose que la balle arrive sur un mur (perpendiculai-
rement à la surface pour simplifier) à la vitesse v0 et rebondit. La balle s’écrase quelque peu ce
qui fait que le choc dure un temps ∆t non nul, puis elle repart avec une vitesse −v0 . Le graphe
de la vitesse en fonction du temps est donc le suivant :

b
mur
v0
b b

v(t)
∞
b b

−∞

b
−v0 b

La loi de la mécanique Newtonienne stipule que, tout au long du mouvement, la force F exercée
sur la balle est telle que F = mv̇, elle est donc proportionnelle à la dérivée de la fonction
représentée ci-dessus. Maintenant, si l’on veut modéliser un choc dur (partie de pétanque), le
graphe de la vitesse devient alors :

b
mur
v0
b b

∞
b b

−∞

b
−v0 b

La force exercée devrait toujours être proportionnelle à la dérivée de cette fonction donc F
devrait être nulle pour tout t 6= 0 et vérifie

Z +∞
F (t)dt = v(+∞) − v(−∞) = −2v0 ,
−∞

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.1 Introduction vi

ce qui est absurde car l’intégrale d’une fonction presque partout nulle est nulle. Par conséquent,
ni cette intégrale, ni la dérivée précédente ne peuvent être traitées au sens des fonctions, on a
besoin d’objets plus généraux, i.e., les distributions.

Exemple 2 (Mesure d’une grandeur physique) Considérons la mesure d’une grandeur phy-
sique relativement courante comme la température d’un fil rectiligne "en un point donné". On
peut se convaincre que pour des raisons évidentes, une telle mesure n’est jamais réalisable par-
faitement. Tout thermométre, quel que soit le principe physique utilisé pour la mesure, possède
une extension spatiale qu’il est impossible de réduire à celle d’un point : ce qu’il faudrait réaliser
pour pouvoir mesurer la température en un point x0 .
On peut cependant admettre, dans le cas d’une mesure réaliste de température, que le ther-
mométre prend en compte toutes les températures dans un “voisinage” du point x0 selon une
fonction de sensibilité φ0 de telle sorte que pour une fonction de répartition T (x) de la tempé-
rature le long de la barre (fonction dont on ignore a priori ce qu’elle vaut vraiment en un point
précis de la barre), on puisse dire que la température mesurée T sera en fait
Z
T0 = T (x)φ0 (x) dx.

Si on effectuait la mesure en un autre point x1 on obtiendrait

Z
T1 = T (x)φ1 (x) dx

etc...

On voit que la température mesurée T , dans l’hypothèse où les fonctions T (x), φ0 , φ2 etc... sont
suffisamment régulières, se présente sous la forme d’un expression linéaire en la fonction de
sensibilité φ. On peut noter aventageusement cette expression sous la forme
Z
< T, φ >= T (x)φ(x) dx

Lorsque le produit x 7→ T (x)φ(x) est intégrable, cette écriture est parfaitement justifiée. Cepen-
dant, dans beaucoup de cas concrets, la grandeur physique en question (ici il s’agirait de T (x)
) se révéle être trop singuliére pour que l’intégrale écrite puisse avoir un sens quelconque avec
un choix réaliste pour la fonction φ.

Partant de cet échec, on a progressivement abstrait l’idée de concepts mathématiques qui ne

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.2 L’espace de fonctions tests D(R) vii

préserveraient que l’indispensable de l’expression

Z
< T, φ >= T (x)φ(x) dx,

partant d’un ensemble de fonctions φ représentant de manière suffisante toutes les mesures
d’une grandeur physique donnée qu’il est possible d’effectuer. L’ensemble des fonctions φ prend
alors naturellement le nom d’ensemble de fonctions "test" ou fonctions "d’essai". La mesure
d’une grandeur physique T est alors représentée par le "crochet"

< T, φ >

indépendamment d’une forme intégrale ou non pour cette expression. L’ensemble des grandeurs
T "mesurables" par les fonctions d’essai prend alors le nom générique de distributions.

Quel doit être le minimum exigé pour les objets ainsi considérés ?

1. L’ensemble des fonctions d’essai constitue un espace vectoriel de fonctions. C’est-à-dire

que toute combinaison linéaire à coefficients complexes de fonctions d’essai est encore une
fonction d’essai.

2. L’ensemble des distributions est l’ensemble des formes linéaires continues sur l’espace
vectoriel des fonctions d’essai.

3. Le résultat de la mesure de T par φ est alors le nombre complexe < T, φ >.

0.2 L’espace de fonctions tests D(R)

Dans ce chapitre, nous nous restreindrons au cas à une dimension, c’est-à-dire que les fonctions
considérées seront des fonctions à une seule variable réelle.

Définition 3 Soit f une fonction à valeurs complexes définie sur R. Le support de f , noté
Supp(f ), est l’adhérence des x ∈ R tels que f (x) 6= 0.

Supp(f ) = {x ∈ R, f (x) 6= 0}.

Le support de f est donc un ensemble fermé en dehors duquel f est nulle et en outre c’est le
plus petit ensemble possédant cette propriété.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.2 L’espace de fonctions tests D(R) viii

Exemple 4 La fonction indicatrice χ]0,1[ de l’intervalle ]0, 1[ est définie par


 1, si x ∈]0, 1[,
χ]0,1[ =
 0, si x ∈]0,/ 1[.

On a Supp(χ]0,1[ ) = ]0, 1[ = [0, 1].

Définition 5
On définit l’ensemble D(R) comme l’espace des fonctions à valeurs complexes définies sur R,
indéfiniment dérivables et à support compact. On dit qu’une fonction f ∈ D(R) est une fonction
test.

Exemple 6 (Exemple fondamental) Soient f , g et h trois fonctions définies sur R par :

  1
 e− x1 , si x > 0,  e− 1−x 2
, si |x| < 1,
2
f (x) = 1 − x , g(x) = et h(x) =
 0, si x ≤ 0.  0, si |x| ≥ 1.

On a h(x) = g ◦ f (x), les deux fonctions f et g sont de classe C ∞ (R) (à verifier), donc la
fonction h est de classe C ∞ (R). de plus f est à support compact, car Supp(h) = [−1, 1]. Donc
h ∈ D(R).

Définition 7 (Convergence dans D(R)) Une suite (ϕn )n≥0 de fonctions de D(R) converge
vers une fonction ϕ lorsque n tend vers l’infini si :

1. Il existe un compact K (indépendant de n) de R tel que pour tout n ≥ 0, Supp(ϕn ) ⊂ K,

(j)
2. Pour tout entier j ≥ 0, la suite des dérivées (ϕn )n≥0 converge uniformément sur R vers
ϕ(j) .

D(R)
Notation 8 On écrit ϕn −→ ϕ pour dire que (ϕn )n≥0 ) converge dans D(R) vers ϕ.

(j)
Remarque 9 La suite (ϕn )n≥0 converge uniformément vers ϕ(j) dans K si, quel que soit ε > 0,
(j)
il existe un entier N tel que, pour tout n ≥ N et tout x ∈ K, on ait |ϕn − ϕ(j) | < ε c’est-à-dire
si
lim (Supx∈K |ϕ(j) (j)
n − ϕ |) = 0.
n→∞

Définition 10 On appelle distribution toute application T : D(R) −→ C qui vérifie les deux
conditions :

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.2 L’espace de fonctions tests D(R) ix

1. T est C-linéaire :

∀ϕ, ψ ∈ D(R), ∀α ∈ C T (αϕ + ψ) = αT (ϕ) + T (ψ).

D(R)
2. Si ϕn −→ ϕ, alors la suite T (ϕn )n≥0 converge au sens usuel vers T (ϕ).

On dit que T est une forme C-linéaire continue sur D(R). On note souvent hT, ϕi au lieu de
T (ϕ).

Proposition 11 Une forme linéaire sur D(R) est une distribution si et seulement si, pour tout
compact K, il existe une constante CK > 0 et un entier mK tels que :
mK
X
∀ϕ ∈ D(R) avec supp(ϕ) ⊂ K, | hT, ϕi | ≤ CK supx∈K |ϕ(j) (x)|.
j=0

Preuve :
D(R)
⇐) : Soit (ϕn )n∈N une suite dans D(R) telle que ϕn −→ 0, donc il existe un compact K tel que
(j) P K (j)
supp(ϕn ) ⊂ K et supx∈K |ϕn (x)| −→ 0 pour tout j ∈ N, donc m j=0 supx∈K |ϕn (x)| −→

0. Or mK
X
| hT, ϕn i | ≤ C supx∈K |ϕ(j)
n (x)|.
j=0

Par coséquent hT, ϕn i −→ 0, et par suite T est une distribution.

⇒) Réciproquement : Supposons qu’il existe un compact K, tel que pour tout n ∈ N, il
P (j)
existe ϕn telle que supp(ϕn ) ⊂ K et | hT, ϕn i | ≥ n nj=0 supx∈K |ϕn (x)|. Posons
1
ψn (x) = Pn (j)
ϕn (x).
n j=0 supx∈K |ϕn (x)|

On a ∀n ∈ N, ψn ∈ D(R). De plus, pour tout N ∈ N, on a

N
X n
X 1
∀n > N, supx∈K |ψn(j) (x)| ≤ supx∈K |ψn(j) (x)| ≤ .
j=0 j=0
n

D(R)
Il en résulte que ψn −→ 0. Or | hT, ψn i | ≥ 1 pour tout N ∈ N. Donc hT, ψn i ne converge
pas vers 0 ce qui est absurde car T est une distribution.

′
L’ensemble des distributions est un espace vectoriel noté D (R). La somme de deux distributions
et le produit d’une distribution par un scalaire sont définis comme suit : Pour D(R) et λ ∈ C :
i) hS + T, ϕi = hS, ϕi + hT, ϕi,

ii) hλT, ϕi = λ hT, ϕi.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.3 Exemples de distributions x

0.3 Exemples de distributions

Définition 12 Une fonction f : R −→ R (ou C) est dite localement intégrable si elle est
intégrable sur tout intervalle borné [a, b], c’est-à-dire, si
Z b
|f (x)|dx < ∞.
a

Soit f : R −→ R (ou C) une fonction localement intégrable. Nous allons montrer que l’applica-
tion Tf : D(R) −→ C définie par
Z +∞
hTf , ϕi = f (x)ϕ(x)dx
−∞

est une distribution.

L’intégrale ci-dessus existe car on intégre sur le support de ϕ qui est borné.
i) Tf est linéaire en effet, soient ϕ, ψ ∈ D(R) et λ ∈ C,
R +∞
hTf , λϕ + ψi = −∞
f (x)(λϕ(x) + ψ(x)) dx

R +∞ R +∞
= λ −∞
f (x)ϕ(x)dx + −∞
f (x)ψ(x) dx

= λ hTf , ϕi + hTf , ψi .

ii) Tf est continue : en effet, par hypothèse la suite (ϕk ) converge vers ϕ dans D(R), c’est-
à-dire tous les supports des ϕk sont contenus dans un même compact [a, b] et pour tout
(j)
j ∈ N, la suite des dérivées (ϕk ) converge uniformément vers ϕ(j) ,

lim (Supx∈[a,b] |ϕ(j) (j)

n − ϕ |) = 0.
k→∞

Montrons que (hTf , ϕk i) converge vers hTf , ϕi. On a

| hTf , ϕk i − hTf , ϕi | = | hTf , ϕk − ϕi |

R +∞
= | −∞
f (x)(ϕk (x) − ϕ(x))dx|

Rb
≤ a
|f (x)||ϕk (x) − ϕ(x)|dx

Rb
≤ ( a
|f (x)|dx)Supx∈[a,b]|ϕk (x) − ϕ(x)|.

Par conséquent, on a :

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.3 Exemples de distributions xi

Proposition 13 Toute fonction f localement intégrable définit une distribution Tf par hTf , ϕi =
R +∞
−∞
f (x)ϕ(x)dx, ϕ ∈ D(R).

Une telle distribution est dite régulière. Les autres (celles qui ne s’écrivent pas sous la forme
Tf pour f localement intégrable) sont dites singulières.

Proposition 14 Deux fonctions localement intégrables définissent la même distribution si et

seulement si elles sont égales presque partout.

Exemple 15 La fonction f (x) = x2 est localement intégrable. Elle détermine donc une distri-
R +∞
bution en posant hTf , ϕi = −∞ x2 ϕ(x)dx, ϕ ∈ D(R).

Exemple 16 (Distribution de Heaviside ) La fonction de Heaviside H est définie par


 1, si x ≥ 0,
H(x) =
 0, si x < 0.

H est une fonction localement intégrable, elle détermine donc une distribution régulière TH
R +∞
définie par hTH , ϕi = 0 ϕ(x)dx, ϕ ∈ D(R).

Exercice 17 Soient a et b deux éléments de R tels que a < b. Montrer que l’application
Z b
T : ϕ ∈ D(R) 7−→ ϕ(x)dx
a

définie une distribution.

Exemple 18 (Distribution de Dirac) L’exemple le plus usuel de distribution singulière est la

distribution de Dirac notée δ et définie par :

hδ, ϕi = ϕ(0), ϕ ∈ D(R).

Plus généralement, on définit la distribution de Dirac au point a et on note δa la distribution

définie par
hδa , ϕi = ϕ(a), ϕ ∈ D(R).

Remarques 19 i) Les ouvrages de Physique et d’Électronique utilisent dans leur grande

majorité la notation δ(x) pour la distribution δ et δ(x − a) pour la distribution δa . Cette

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.4 Ordre d’une distribution xii

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.
ii) Toute combinaison linéaire de distributions de Dirac est une distribution singulière.
iii) En particulier la distribution Σ+∞
n=−∞ δn (n entier) a des propriétés intéressantes et joue

un rôle important en physique. On l’appelle distribution peigne de Dirac et on la note

III.

0.4 Ordre d’une distribution

Définition 20 Soit T une distribution. On suppose l’existence d’un m ∈ N tel que : Pour tout
compact K, il existe une constante CK tel que :
X
m
∀ϕ ∈ D(R) avec supp(ϕ) ⊂ K, | hT, ϕi | ≤ CK supx∈K |ϕ(j) (x)|.
j=0

(m independant de K.) On dira que T est d’ordre fini. Le plus petit entier m vérifiant l’inégalité
précedente s’appelle l’ordre de T .

Exemples 21 1) La distribution de Dirac δa au point a est d’ordre 0.

2) Les fonctions localement intégrables définissent des distributions d’ordre 0.

Exercice 22 Pour toute fonction ϕ ∈ D(R) et tout ε > 0, on définit une application sur D(R),
appelée valeur principale de Cauchy, en posant
  Z
1 ϕ(x)
vp( ), ϕ = lim dx.
x ε→0 |x|≥ε x

1. Montrer que cette application a bien un sens.

2. Montrer qu’elle est une distribution et déterminer son ordre.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.5 Support d’une distribution xiii

0.5 Support d’une distribution

Définition 23
On dit que deux distributions S et T de D ′ (R) sont égales sur R si hS, ϕi = hT, ϕi quel que
soit ϕ ∈ D(R). On dit qu’elles sont égales sur un ouvert Ω ⊂ R si hS, ϕi = hT, ϕi quel que soit
ϕ ∈ D(R) ayant son support dans Ω.

Exemples 24

1) Les distributions T et T + δ sont égales sur tout ouvert ne contenant pas l’origine.

2) Les distributions δ et III sont égales sur ] − 21 , 21 [.

Définition 25
Soit Ω ⊂ R un ouvert. On dit qu’une distribution T est nulle sur Ω si l’on a < T, ϕ >= 0, pour
toute fonction ϕ ∈ D(R), ayant son support dans Ω.

Exemple 26
La distribution δ de Dirac est nulle sur tout ouvert Ω ne contenant pas l’origine, par exemple
R∗ . En effet, < δ, ϕ >= ϕ(0) = 0, car 0 ∈
/ Supp(ϕ).

Définition 27
Considérons la réunion de tous les ouverts sur lesquels une distribution T est nulle. Cet ensemble
est alors le plus grand ouvert sur lequel T est nulle. Son complémentaire (qui est un fermé) est
appelé support de la distribution T , on le note Supp(T ).

Exemple 28
Supp(δa ) = {a} et Supp(III) = Z.

Proposition 29
Soit f une fonction localement intégrable, alors Supp(Tf ) ⊂ Supp(f ), avec l’égalité si f est
continue.

Remarque 30
Soient ϕ ∈ D(R) et T une distribution. Si les supports de T et ϕ sont disjoints, alors hT, ϕi = 0.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.6 Opérations élémentaires sur les distributions xiv

Exercice 31

1. Démontrer que le support de la distribution vp( x1 ) est R.

2. Déterminer le support de la distribution S = αδa + βδb où α et β sont des constantes.

0.6 Opérations élémentaires sur les distributions

On souhaite définir un certain nombre d’opérations sur les distributions. Pour ceci, on va étudier
comment ces opérations sont définies pour une fonction localement intégrable, traduire ceci avec
le langage des distributions sur la distribution régulière associée et généraliser.

0.6.1 Translation

Si f est localement intégrable et si a ∈ R, alors la translatée τa f de f est la fonction donnée

par τa f (x) = f (x − a). La distribution régulière associée à fa vérifie donc
Z Z
∀ϕ ∈ D(R), hTτa , ϕi = f (x − a)ϕ(x)dx = f (x)ϕ(x + a)dx = hTf , τ−a ϕi .

Définition 32 La translatée d’une distribution T , notée τa T est la distribution définie par :

∀ϕ ∈ D(R), hτa T, ϕi = hT, τ−a ϕi .

Exemple 33 La translatée de la distribution de Dirac au point a est τa δ = δa .

Exercice 34 Déterminer τa vp( x1 ).

0.6.2 Symétrisée d’une distribution

Soit f une fonction localement intégrable et cherchons la distribution associée à la fonction fe

qui à x associe f (−x). On a
D E Z Z
∀ϕ ∈ D(R), Tfe, ϕ = f (−x)ϕ(x)dx = f (x)ϕ(−x)dx = hTf , ϕi
e .
R R

Définition 35 La symétrisée d’une distribution T , notée T‹ est la distribution définie par :

D E
‹
∀ϕ ∈ D(R), T , ϕ = hT, ϕi
e .

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.6 Opérations élémentaires sur les distributions xv

1 1
Exemples 36 1) vfp( ) = −vp( ).
x x
2) δe = δ.

Ceci permet de définir des distributions paires et impaires comme pour les fonctions.

Définition 37 Une distribution T est dite

1. paire si T‹ = T ,

2. impaire si T‹ = −T .

1
Exemple 38 δ est paire et vp( ) est impaire.
x

0.6.3 Dilatation (homothétie ou changement d’unité)

Si f est localement intégrable et si a ∈ R∗ , alors la dilatée de la fonction f est définie par

x 7−→ f (ax). Sa distribution régulière associée vérifie
Z Z
x 1 1 D x E
∀ϕ ∈ D(R), Tf (ax) , ϕ = f (ax)ϕ(x)dx = f (x)ϕ( ) dx = Tf , ϕ( ) .
R R a |a| |a| a

Définition 39 La dilatée d’une distribution T est la distribution définie par :

1 D x E
∀ϕ ∈ D(R), hT (ax), ϕi = T, ϕ( ) .
|a| a

1
Exemple 40 δ(ax) = δ.
|a|

0.6.4 Multiplication des distributions

Il n’existe pas de moyen de définir le produit de deux distributions quelconques. En outre, si f

et g sont deux fonctions localement intégrables, alors leur produit ne l’est pas nécessairement
1
(f (x) = g(x) = √ ). Cependant si ψ est une fonction indéfiniment dérivable, alors le produit
x
par ψ d’une fonction test de D(R) est encore dans D(R). Soit f une fonction localement
sommable et ψ une fonction indéfiniment dérivable. On a alors
Z Z
∀ϕ ∈ D(R), hTψf , ϕi = (ψ(x)f (x))ϕ(x)dx = f (x)(ψ(x)ϕ(x))dx = hTf , ψϕi .

Définition 41 Soit ψ une fonction indéfiniment dérivable. Le produit ψT d’une distribution T

par ψ est la distribution définie par :

∀ϕ ∈ D(R), hψT, ϕi = hT, ψϕi .

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.6 Opérations élémentaires sur les distributions xvi

Exercice 42 Soit ψ une fonction indéfiniment dérivable. Montrer que ψδ = ψ(0)δ.

Solution :
∀ϕ ∈ D(R), hψδ, ϕi = hδ, ψϕi = ψ(0)ϕ(0) = ψ(0) hδ, ϕi ,

d’où le résultat.

Exercice 43 Déterminer les distributions suivantes :

i) xδ,
1
ii) xvp( ),
x

Exercice 44 Soit l’application P f ( H(x)

x2
) : D(R) −→ R définie par :
  Z +∞ 
H(x) ϕ(x) ϕ(0) ′
P f ( 2 ), ϕ = lim dx − + ϕ (0)logε .
x ǫ→0 ε x2 ε
1. Montrer que P f ( H(x)
x2
) est une distribution.

2. Calculer xP f ( H(x)
x2
) et x2 P f ( H(x)
x2
).

0.6.5 Dérivation des distributions

Soit f une fonction localement intégrable que nous supposons de plus dérivable. Dans ce cas,
f ′ est localement intégrable et sa distribution régulière associée vérifie :
Z Z
∀ϕ ∈ D(R), hTf ′ , ϕi = − f (x)ϕ(x)dx = f (x)ϕ′ (x)dx = − hTf , ϕ′ i .
′

Notons que ceci s’obtient par intégration par partie en utilisant le fait que ϕ est à support
compact. C’est la raison principale du choix restrictif des fonctions tests.

Définition 45 La dérivée T ′ d’une distribution T est la distribution définie par :

∀ϕ ∈ D(R), hT ′ , ϕi = − hT, ϕ′ i .

De même on pourra définir les dérivées successives T (m) par :

∀ϕ ∈ D(R), T (m) , ϕ = (−1)m T, ϕ(m) .

Exemple 46 TH′ = δ. En effet

Z +∞
∀ϕ ∈ D(R), hTH′ , ϕi ′
= − hTH , ϕ i = − ϕ(x)′ dx = −[ϕ(x)]+∞
0 = ϕ(0) = hδ, ϕi .
0

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.6 Opérations élémentaires sur les distributions xvii

Lemme 47 Soit T une distribution quelconque et ψ une fonction indéfiniment dérivable. On a

alors la régle suivante :
(ψT )′ = ψ ′ T + ψT ′ .

Preuve : En exercice.

1
Exercice 48 Calculer les dérivées de vp( ) et log|x|.
x

0.6.6 Dérivation d’une fonction discontinue

On a vu que la dérivée au sens des distributions de la distribution de Heaviside était égale

à la distribution de Dirac. Maintenant si on considére la fonction de Heaviside, sa dérivée
est nulle partout sauf en 0 où elle n’est pas définie et la distribution associée n’est pas δ. Par
conséquent, les opérations "prendre la distribution associée" et "dérivation" ne commutent pas,
ou, autrement dit, (Tf )′ 6= Tf ′ . Cela sera ainsi pour toute fonction présentant une discontinuité
en un point. Soit f une fonction de classe C 1 pour x < 0 et x > 0, mais présentant une
discontinuité de premiére espéce en x = 0, c’est-à-dire les limites f (0+ ) = limx7→0+ f (x) et
f (0− ) = limx7→0− f (x) existent et sont distinctes. Au point x = 0, la fonction f subit un saut
σ(0) = f (0+ ) − f (0− ). On désigne par f ′ la dérivée usuelle de f pour x < 0 et x > 0 et qui
n’est pas définie pour x = 0. On a

Tf′ , ϕ = − hTf , ϕ′ i
R +∞
= − −∞ f (x)ϕ′ (x)dx
R0 R +∞
= − −∞ f (x)ϕ(x)dx − 0 f (x)ϕ(x)dx
R0 R +∞ ′
= −[f (x)ϕ(x)]0−∞ − [f (x)ϕ(x)]+∞0 + −∞
f ′
(x)ϕ(x)dx + 0
f (x)ϕ(x)dx
R +∞
= (f (0+ ) − f (0− ))ϕ(0) + −∞ f ′ (x)ϕ(x)dx
= σ(0) hδ, ϕi + hTf ′ , ϕi .

Par conséquent, on a
Tf′ = σ0 δ + Tf ′ .

Le saut σ(0) de f apparaît, dans la distribution dérivée, sous forme d’une masse ponctuelle
σ(0) au point de discontinuité. En prenant f = H, σ(0) = 1, H ′ = 0 , on retrouve le résultat
précédent, c’est-à-dire TH′ = δ.

Plus généralement, si f une fonction de classe C 1 (R\{a1 , · · · , an }), on a le résultat suivant :

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.6 Opérations élémentaires sur les distributions xviii

Théoréme 1 (formule des sauts) Soit f ∈ C 1 (R\{a1 , · · · , an }). On suppose qu’en chaque
point ai le nombre σ(ai ) = f (a+ −
i ) − f (ai )). Où σ(ai ) étant le saut de f au point ai . Posons Tf
′
la distribution associée à f et Tf ′ la distribution associée a f , alors
n
X
′
(Tf ) = Tf ′ + σ(ai )δai .
i=1

Preuve :

Z +∞
′ ′
h(Tf ) , ϕi = − hTf , ϕ i = − f (x)ϕ′ (x)dx.
−∞
On pose a0 = −∞ et an+1 = +∞ alors

Tf′ , ϕ = − hTf , ϕ′ i

Pn R ai+1
= − i=0 ai
f (x)ϕ′ (x)dx

Pn ai+1 R ai+1
= i=0 {−[f (x)ϕ(x)]ai + ai
f ′ (x)ϕ(x)dx}

R +∞ Pn Pn
= −∞
f ′ (x)ϕ(x)dx − i=0 f (a− −
i+1 )ϕ(ai+1 ) + i=0 f (a+ +
i+1 )ϕ(ai+1 ).

En faisant un changement d’indice on obtient

R +∞ P
Tf′ , ϕ = −∞ f ′ (x)ϕ(x)dx + ni=0 (f (a+ −
i ) − f (ai ))ϕ(ai ).

Pn
= hTf ′ , ϕi + i=0 σ(ai )δai .

′ Pn
D’où le résultat : (Tf ) = Tf ′ + i=1 σ0 (ai )δai .

Exemple 49 Soit f une fonction de C ∞ (R)

Z +∞
hTHf , ϕi = f (x)ϕ(x)dx.
0

Hf admet un saut σ(0) = f (0).

Dérivons Hf au sens des distributions on obtient

(Hf )′ = f ′ H + f (0)δ.

Exercice 50

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.6 Opérations élémentaires sur les distributions xix

1. Calculer (Hf )(2) et (Hf )(3) .

2. Calculer (H sin x)(1) , (H sin x)(2) et (H sin x)(3) .

0.6.7 Convergence (faible) dans l’espace D ′ (R) des distributions

Définition 51 Soit (Tn )n∈N une suite de distributions. On dit que (Tn )n∈N converge dans D ′ (R)
si, pour tout ϕ ∈ D(R), la suite hTn , ϕi converge au sens ordinaire. Si on note hT, ϕi =
limn→∞ hTn , ϕi cette limite, alors l’application ϕ 7−→ hT, ϕi est une distribution.

Exemple 52 La suite des distributions de Dirac (δn )n converge vers 0 (la distribution nulle).
En effet, soit ϕ ∈ D(R), on a hδn , ϕi = 0 pour n assez grand. Car ϕ à support compact.

Remarque 53 Du point de vue expérimental, cette limite au sens des distributions veut
dire que pour n suffisamment grand la mesure par φ de la grandeur Tn donne pratiquement la
même valeur que celle de T . Il ne devient plus possible de distinguer expérimentalement ces
deux distributions.

Noter qu’une suite de distributions régulières peut avoir comme limite une distribution régulière.

Exercice 54 Montrer que si Tn est la distribution associée à la fonction x 7−→ sin(nx), on a

lim Tn = 0.
n→∞

Noter qu’une suite de distributions régulières peut avoir comme limite une distribution non
régulière.

Exercice 55 On définit la fonction porte Π par




1, si |x| ≤ 1 ;
2
Π(x) =


0, sinon.

et on pose gn (x) = nΠ(nx) (n ∈ N). Montrer que l’on a

lim gn = δ.
n→∞

Théoréme 2 Soit (Tn )n∈N une suite de distributions. Si (Tn )n∈N converge dans D ′ (R) vers une
(m)
distribution T , alors, pour tout m ∈ N, la suite de distributions (Tn )n∈N converge dans D ′ (R)
vers T (m) .

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.7 Primitive d’une distribution xx

Exercice 56 Soit la famille (Tε )ε>0 définies sur D(R) par :

Z +∞
ϕ(x)
hTε , ϕi = dx + ϕ(0)logε.
ε x
1. Montrer que Tε est une distribution.

2. Montrer que (Tε )ε>0 converge vers une distribution noteé P f ( x1 ) dite partie finie de la
fonction { x1 }.

Exercice 57 Montrer que limn→+∞ sinxnx = πδ.

0.7 Primitive d’une distribution

Définition 58 On dit qu’une distribution S est primitive d’une distribution T si et seulement

si S ′ = T .

Exemple 59 La distribution de Heaviside TH est une primitive de la distribution de Dirac.

R +∞
Exercice 60 1. Soit ϕ ∈ D(R). Montrer que si −∞
ϕ(x)dx = 0 alors ϕ admet une primi-
tive dans D(R).
R +∞
2. Soit χ ∈ D(R) tel que −∞
χ(x)dx = 1. Montrer que pour tout ϕ ∈ D(R) il existe une
seule fonction ψ ∈ D(R) telle que

ϕ = h1R , ϕi χ + ψ ′ .

3. Soit T ∈ D ′ (R) : Montrer que T ′ = 0 ⇐⇒ T est constante.

4. Déterminer les primitives des distributions suivantes : H, ex H, xH, δ et Vp ( x1 ).

0.8 Distributions à plusieurs dimensions

D’une façon plus générale, on peut définir des distributions à n dimensions comme forme linéaire
sur l’espace D(Rn ) des fonctions de Rn dans C indéfiniment dérivables sur Rn et à support
borné. Par exemple, la distribution régulière associée à une fonction f : Rn −→ C localement
sommable est définie par :
Z Z
n
(∀ϕ ∈ D(R )), hTf , i = ··· f (x1 , · · · , xn )ϕ(x1 , · · · , xn )dx1 · · · dxn .

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.9 Exercices xxi

0.9 Exercices

Exercice 61 Calculer les limites au sens des distributions des suites suivantes :

 n |t| ≤ 1 ,
2 n
1. fn (t) =
 0 |t| > 1 .
n

2. δan lorsque an ∈ R converge vers a ∈ R.

3. fn (t) = sin(2πnt).

4. gn (t) = cos(nt).

Exercice 62 Si on pose f (t) = | sin(t)|, calculer au sens des distributions f ′′ + f .

Exercice 63 Montrer que αδ + βδ ′ = 0 ⇐⇒ α = β = 0.

Exercice 64 1. Montrer que si f ∈ C ∞ alors f δ = f (0)δ.

2. Soit f ∈ C ∞ , Montrer que f δ ′ = f (0)δ ′ − f ′ (0)δ.

3. Vérifier que xδ (n) = −nδ (n−1) .


 0 x<0
Exercice 65 On considère la fonction f (x) =
 x x≥0
R +∞
1. Montrer que pour tout ϕ ∈ D(R), −∞ f (x)ϕ′′ (x) dx = ϕ(0).

2. Déduire f ′′ au sens de distribution.

Exercice 66 Soit ϕ ∈ D(R) telle que ϕ(0) = 0. On considère la fonction


 ϕ(x) x 6= 0
x
ψ(x) =
 ϕ′ (0) x = 0

R1
1. Montrer que pour tout x ∈ R, ψ(x) = 0
ϕ′ (tx)dt.

2. Déduire que ψ ∈ D(R).

Exercice 67 1. Montrer que f (x) = ln(|x|) est localement intégrable sur R.

2. Montrer que Tf′ = vp( x1 ).

Exercice 68 Résoudre l’équation xT ′ + T = 0.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.9 Exercices xxii

Exercice 69 Démontrer que limk→∞ gk = δ pour

sin2 kx
gk (x) =
πkx2

et pour
1 1
gk (x) = 2 1 .
kπ x + k2

Exercice 70 1. Soit φ0 ∈ D(R) telle que φ0 (0) = 1. Montrer que toute fonction φ ∈ D peut
s’écrire sous la forme
φ(x) = φ(0)φ0 + xψ(x),

où la fonction ψ est une fonction de D(R).

2. Résoudre dans D ′ (R) l’équation xT = 0.

3. Résoudre dans D ′ (R) l’équation xn T = 0, n ∈ N.

Exercice 71 Résoudre dans D ′ (R) les équations suivantes (a 6= b).

1. (x − a)(x − b)T = 0.

2. (x − a)(x − b)T = 1.

3. (x − a)2 T = 0.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

Produit de convolution

Sommaire
0.10 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxiii
0.11 Produit tensoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxiii
0.11.1 Produit tensoriel de deux fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxiii
0.11.2 Produit tensoriel de deux distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . xxiv
0.12 Produit de convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxv
0.12.1 Convolution de deux fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxv
0.12.2 Convolution de deux distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxvi
0.12.3 Propriétés du produit de convolution de deux distributions . . . . . . . . . . . . . . . xxvii
0.12.4 Algèbre de convolution et résolution d’équations différentielles . . . . . . . . . . . . . xxviii
0.12.5 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxviii
0.12.6 Résolution d’une équation différentielle avec conditions initiales . . . . . . . . . . . . . xxxi
0.13 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxxiii

0.10 Introduction

Le produit de convolution est une opération essentielle dans les mathématiques appliquées, il
possède un élément neutre, ce qui va permettre de résoudre certaines équations de convolution
et d’obtenir des solutions élémentaires d’opérateurs différentiels. Par exemple, le produit de
convolution est utilisé dans le traitement du signal, lorsque l’on utilise des filtres (passe-bas,
passe-haut, passe-bande). Si l’on a un signal entrant H(t) et un élément filtrant ayant une
fonction de transfert h(t) alors le signal sortant s(t) sera la convolution de ces deux fonctions :
s(t) = H(t) ∗ h(t).

0.11 Produit tensoriel

0.11.1 Produit tensoriel de deux fonctions

Définition 72 Soient f et g deux fonctions. On appelle produit tensoriel (ou produit direct) de
f par g la fonction h : R2 −→ R définie par h(x, y) = f (x)g(y) pour tout (x, y) appartenant à

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.11 Produit tensoriel xxiv

R2 . On note alors h = f ⊗ g.

Exemple 73 Produit tensoriel de la fonction H de Heaviside par la fonction « porte » ∐

donnée par 
 1 si x ∈ [− 12 , 21 ]
∐(x) =
 0 sinon.

On a 
 1 si y ∈ [− 12 , 21 ] et x ∈ [0, +∞[
(H ⊗ ∐)(x, y) = H(x) ∐ (y) =
 0 sinon.

0.11.2 Produit tensoriel de deux distributions

Cherchons maintenant à définir un produit tensoriel de deux distributions. Soient f et g deux

fonctions localement intégrables et soit h leur produit tensoriel. On a alors pour tout ϕ ∈ D(R2 )
(ensemble des fonctions indéfiniment dérivables et à support borné sur R2 ) :
R
hTf ⊗g , ϕi = R2 (f ⊗ g)(x, y)ϕ(x, y)dxdy

R
= R2
f (x)g(y)ϕ(x, y)dxdy

R R
= R
f (x)( R
g(y)ϕ(x, y)dy)dx

= hTf (x), hTg (y), ϕ(x, y)ii .

Définition 74 Soient S et T deux distributions sur R. On appelle produit tensoriel (ou produit
direct) de S par T la distribution notée S ⊗ T définie sur D(R2 ) par hS(x) ⊗ T (y), ϕ(x, y)i =
hS(x), hT (y), ϕ(x, y)ii.

Il n’est pas du tout évident de montrer que ce produit est bien défini. En particulier, on doit
vérifier que la fonction x 7−→< T (y), ϕ(x, y) > appartient bien à l’espace D(R) et que la
fonctionnelle ainsi défini est linéaire et continue.

Exemple 75 Produit tensoriel des distributions δ et H : Pour tout ϕ ∈ D(R2 ), hδ(x) ⊗ H(y), ϕ(x, y)i =
D R +∞ E R
+∞
hδ(x), hH(y), ϕ(x, y)ii = δ(x), 0 ϕ(x, y)dy = 0 ϕ(0, y)dy.

Exercice 76 Soient a et b deux éléments de R. Déterminer δa ⊗ δb .

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.12 Produit de convolution xxv

0.12 Produit de convolution

0.12.1 Convolution de deux fonctions

Définition 77 Soient f et g deux fonctions localement intégrables. On définit, s’il existe, le

R +∞
produit de convolution h de f et g par h(x) = −∞ f (t)g(x − t)dt, pour tout x appartenant à
R. On note alors h = f ∗ g.

Remarque 78 Ce produit de convolution n’existe pas toujours. Ce produit est commutatif dès
lors qu’il est défini.

Donnons une interprétation graphique de ce produit de convolution. Soit k le produit tensoriel

R +∞ R +∞
de f par g, k = f ⊗g. On a alors (f ∗g)(x) = −∞ f (t)g(x−t)dt = −∞ k(t, x−t)dt, c’est-à-dire
qu’on intégre la fonction k sur le chemin formé par la droite Dx de pente −1 et passant par
(0, x).

Exemple 79 Posons f (x) = ∐(x) et g(x) = ∐(x − 21 ). Déterminer f ∗ g.

Théoréme 3 Le produit de convolution de deux fonctions localement intégrables f et g existe

dès lors que l’une des conditions suivantes est satisfaite :

1) Les fonctions f et g sont toutes les deux à support borné,

2) Les fonctions f et g sont toutes les deux à support borné à gauche,

3) Les fonctions f et g sont toutes les deux à support borné à droite.

Exercice 80 Montrer que le produit de convolution de deux fonctions est : commutatif, asso-
ciatif et distributif.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.12 Produit de convolution xxvi

0.12.2 Convolution de deux distributions

On cherche à étendre le produit de convolution de deux fonctions aux distributions. Soient f

et g deux fonctions localement intégrables et soit ϕ ∈ D(R). On a
R +∞
hTf ∗g , ϕi = −∞
(f ∗ g)(t)ϕ(t)dt

R +∞ R +∞
= −∞
ϕ(t)( −∞
f (s)g(t − s)ds)dt

R +∞ R +∞
= −∞ −∞
f (s)g(t − s)ϕ(t)dsdt

R +∞ R +∞
= −∞ −∞
f (s)g(t)ϕ(t + s)dsdt

= hTf ⊗g , ϕ(t + s)i

Définition 81 Soient S et T deux distributions. On définit le produit de convolution de S et

T comme la distribution notée S ∗ T définie par :

∀ϕ ∈ D(R), hS ∗ T, ϕi = hS ⊗ T, ϕ(x + y)i .

Le produit de convolution de deux distributions appliqué à une fonction test ϕ de D(R) est
donc égal au produit tensoriel des deux distributions appliqué à ϕ(x + y).
Le produit de convolution de deux distributions n’existe pas toujours. En effet, si la fonction
ϕ a pour support le segment [a, b], alors le support de ϕ(x + y) est la bande comprise entre les
deux droites x + y = a et x + y = b. Puisque ϕ(x + y) n’est pas à support compact, il suffit que
l’une des deux distributions soit à support compact.
D’une manière générale, on a le résultat suivant :

Théoréme 4

i) Les distributions à support borné à gauche (resp. à droite) peuvent toujours être convoluées
entre elles.
ii) Une distribution à support borné peut être convoluée avec n’importe quelle autre distribu-
tion.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.12 Produit de convolution xxvii

0.12.3 Propriétés du produit de convolution de deux distributions

Commutativité et Associativité

i) Soient S et T deux distributions. On suppose que leur produit de convolution S ∗T existe.

Alors T ∗ S existe et S ∗ T = T ∗ S.
ii) Soient S, T et U trois distributions. Si S ∗ T , T ∗ U et S ∗ U existent, alors le produit de
convolution S ∗ T ∗ U a un sens et il est défini par S ∗ T ∗ U = S ∗ (T ∗ U) = (S ∗ T ) ∗ U.

Exemple 82 Il se peut que les deux derniers termes de l’égalité ci-dessus existent mais ne
′
soient pas égaux ! Par exemple (T1 ∗ δ ′ ) ∗ H 6= T1 ∗ (δ ∗ H) bien que les deux distributions sont
bien définies. On peut vérifier que T1 ∗ δ ′ = 0. En effet, Pour tout ϕ ∈ D(R) :

hT1 ∗ δ ′ , ϕi = hT1 ⊗ δ ′ , ϕ(x + y)i ,

= hT1 (x), hδ ′ (y), ϕ(x + y)ii ,
= hT1 (x), hδ ′ (y), ϕ(x + y)ii ,
= − hT1 (x), hδ(y), ϕ′(x + y)ii ,
= − hT1 (x), ϕ′ (x)i ,
R +∞
= − −∞ ϕ′ (x)dx = 0.

′ ′
et donc (T1 ∗ δ ′ ) ∗ H = 0. Or, d’un autre coté, on a δ ∗ H = δ donc T1 ∗ (δ ∗ H) = T1 . Ceci
′
s’explique par le fait que T1 ∗H n’est pas définie. Dans ce cas le produit de convolution T1 ∗δ ∗H
n’est donc pas défini.

Convolution et Dirac

Proposition 83 1) Soit T une distribution. On a δ ∗ T = T ∗ δ = T . La distribution de

Dirac est donc l’élément neutre du produit de convolution.

2) La translatée Ta d’une distribution T est égale au produit de convolution de T par la

distribution de Dirac δa au point a : Ta = T ∗ δa = δa ∗ T .

3) Les dérivations d’une distribution T s’obtiennent par convolution par les dérivées des
distributions de Dirac : pour tout m ∈ N, T (m) = δ (m) ∗ T = T ∗ δ (m) .

Preuve : En exercice.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.12 Produit de convolution xxviii

Dérivée d’un produit de convolution

D’après la proposition précedente, on a (S ∗ T )′ = δ ′ ∗ (S ∗ T ) = δ ′ ∗ S ∗ T = S ′ ∗ T . De même

(S ∗ T )′ = (S ∗ T ) ∗ δ ′ = S ∗ T ∗ δ = S ∗ T ′ . On obtient donc le résultat suivant :

Lemme 84 Pour dériver un produit de convolution, il suffit de dériver l’un des facteurs, i.e.,
pour tout S et T dans D(R)′ , on a :

(S ∗ T )′ = S ′ ∗ T = S ∗ T ′ .

0.12.4 Algèbre de convolution et résolution d’équations différentielles

0.12.5 Définition

Rappelons qu’une algèbre sur le corps K des nombres réels ou complexes, est un ensemble A
muni des trois opérations : somme, produit par un scalaire, et produit, ayant les propriétés
suivantes :
— A muni de la somme et du produit par un scalaire est un espace vectoriel,
— A muni de la somme et du produit est un anneau,
— ∀α ∈ K, ∀(x, y) ∈ A2 ,

(α · x) × y = x × (α · y) = α · (x × y).
On s’intéresse ici aux algèbres pour les opérations : somme de deux distributions, produit d’une
distribution par un scalaire, et convolution de deux distributions.

Définition 85 Une algèbre de convolution A est un sous-espace vectoriel de D ′ (R) tel que :
i) quels que soient S et T dans A, le produit de convolution S ∗ T existe et appartient à A.
ii) le produit de convolution, dans A, est associatif et δ ∈ A.
Dans une algèbre de convolution A , le produit de convolution joue le rôle de la multiplication
et est commutatif. Dans A , la distribution δ de Dirac joue le rôle d’élément neutre.

L’espace D ′ (R) n’est pas une algèbre de convolution (voir l’exemple précédent sur l’associativité
du produit de convolution des distributions).

Proposition 86 Les espaces D ′ (R)+ des distributions à support dans R+ , D ′ (R)− des distri-
butions à support dans R− et E ′ (R) des distributions à support compact sont des algèbres de
convolution.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.12 Produit de convolution xxix

Calcul algébrique

Soient A et B deux distributions données appartenant à une algèbre de convolution A.

Définition 87

a) On appelle équation de convolution, toute équation de la forme A ∗ X = B, où X est une

distribution inconnue appartenant à A.
b) On appelle inverse A−1 de A dans A, toute solution X de l’équation A ∗ X = δ, où δ
est la distribution de Dirac. On dit que A−1 est une solution élémentaire de l’équation
A ∗ X = B.

Le problème consiste à étudier l’existence et l’unicité de la solution X dans l’algèbre de convo-

lution A.

Proposition 88 Si A possède un inverse A−1 dans une algèbre de convolution A, alors cet
inverse est unique et l’équation A ∗ X = B, B ∈ A, a une solution unique donnée par X =
A−1 ∗ B.

Preuve : En effet, A admet un inverse unique car si A ∗ X = δ avait une autre solution Y
dans A, on aurait A ∗ Y = δ ou, compte tenu de la commutativité, Y ∗ A = δ. Dès lors,
Y = Y ∗ δ = Y ∗ (A ∗ X) = (Y ∗ A) ∗ X = δ ∗ X = X. On déduit par convolution des deux
membres de l’équation A∗X = B par A−1 que : A−1 ∗A∗X = A−1 ∗B, c’est-à-dire X = A−1 ∗B.

Exemple 89 Montrons que :

(δ ′ − cδ)−1 = H(t)ect ,

où c ∈ C et H(t) est la fonction de Heaviside. En effet, on a

(δ ′ − cδ) ∗ H(t)ect = δ ′ ∗ H(t)ect − cδ ∗ H(t)ect

= (H(t)ect )′ − cH(t)ect
= H ′ (t)ect
= δect
= δ

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.12 Produit de convolution xxx

Le problème du calcul de l’inverse de convolution d’une distribution est en général difficile.

Cependant, nous avons le résultat suivant très utile en pratique :

Proposition 90 Soit D un opérateur différentiel à coefficients constants, unitaire et d’ordre

m ∈ N∗ en une variable, i.e.,

dm dm−1 d
D = m + am−1 m−1 + · · · + a1 + a0 .
dx dx dx

Alors la distribution
Dδ = δ m + am−1 δ m−1 + · · · + a1 δ ′ + a0 δ.

admet un inverse de convolution dans D ′ (R)+ qui est donné par (Dδ)−1 = Hz(t), où z est
l’unique fonction solution de l’équation différentielle

z (m) (t) + am−1 z (m−1) (t) + · · · + a1 z ′ (t) + a0 z(t) = 0,

vérifiant les conditions initiales

z(0) = z ′ (0) = · · · = z (m−2) (0) = 0, z (m−1) (0) = 1.

Preuve : Il suffit de vérifier que X = (Dδ)−1 = H(t)z(t), est bien solution de l’équation :
Dδ ∗ X = δ. Cette dernière s’écrit

(δ (m) + a(m−1) δ (m−1) + · · · + a1 δ ′ + a0 δ) ∗ X = δ,

c’est-à-dire

δ (m) ∗ X + a(m−1) δ (m−1) ∗ X + · · · + a1 δ ′ ∗ X + a0 δ ∗ X = δ,

ou,
X (m) + am−1 X (m−1) + · · · + a1 X ′ + a0 X = δ,

ou encore, sous forme condensée DX = δ. Comme X = Hz, alors

X′ = (Hz)′ = H ′ z + Hz ′ = δz(0) + Hz ′
X ′′ = δ ′ z(0) + H ′ z ′ + Hz ′′ = δ ′ z(0) + δz ′ (0) + H ′′
.. .
. = ..
X (m−1) = δ (m−2) z(0) + · · · + δ (m−2) z(0) + Hz (m−1)
X (m) = δ (m−1) z(0) + · · · + δ (m−1) z(0) + Hz (m) .

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.12 Produit de convolution xxxi

En tenant compte des conditions initiales, on obtient

X = Hz, X ′ = Hz ′ , · · · , x(m−1) = Hz (m−1) , x(m) = δ + Hz (m) .

On a donc
DX = δ + Hz (m) + am−1 Hz (m−1) + · · · + a1 HZ ′ + a0 Hz,
= δ + H(z (m) + am−1 z (m−1) + · · · + a1 z ′ + a0 z),
= δ + HDz,
= δ.

Nous allons déterminer, dans D ′ (R)+ , les inverses de convolution de quelques opérateurs cou-
ramment utilisés.

Exemple 91 (L’oscillateur harmonique) Un oscillateur harmonique est caractérisé par une

équation de convolution du type

(δ ′′ + ω 2 δ) ∗ X(t) = B(t),

où B(t) est une distribution caractérisant le signal extérieur. D’après la propositions précédnte
on a (δ ′′ + ω 2 δ) ∗ ω1 H(t) sin(ωt) = δ. Or la distribution ω1 H(t) sin(ωt) appartient à D ′ (R)+ donc
pour tout B ∈ D ′ (R)+ , l’équation admet l’unique solution X(t) = ω1 H(t) sin(ωt) ∗ B ∈ D ′ (R)+ .
−1 −1
On montre aussi que (δ ′′ + ω 2 δ) ∗ ω
H(−t) sin(ωt) = δ, avec ω
H(−t) sin(ωt) appartient à
−1
D ′ (R)− , l’équation admet l’unique solution X(t) = ω
H(−t) sin(ωt)∗B ∈ D ′ (R)− . On voit donc
que l’inverse de convolution et donc la solution de l’équation dépend de l’algèbre de convolution
dans laquelle on travaille. Ici l’équation n’admettra pas de solutions dans E(R).

0.12.6 Résolution d’une équation différentielle avec conditions initiales

Un problème de Cauchy est la donnée d’une équation différentielle avec des conditions initiales.
Par exemple pour le premier ordre, on considère une équation différentielle

u̇ + αu = 0, (1)

et on cherche une solution u : R+ −→ R telle que u(0) = u0 . Il est possible d’utiliser les
distributions pour résoudre ce genre d’équation en cherchant non plus une fonction solution
mais une distribution solution de la forme U = Hu où u est une fonction indéfiniment dérivable.
Si u est solution de ( (1)), alors

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.12 Produit de convolution xxxii

U̇ = H u̇ + u0 δ et donc U vérifie l’équation différentielle

U̇ + αU = u0δ qui se réécrit sous la forme d’une équation de convolution dans D ′ (R)+ :

(δ ′ + αδ) ∗ U = u0 δ. Il ne nous reste donc plus qu’à trouver dans D(R)′+ l’inverse de convolution
de δ ′ + αδ. D’après la proposition précédente, on peut vérifier que ce dernier est donné par
H(t)exp(−αt). D’où la solution U = H(t)exp(−αt) ∗ u0 δ = H(t)u0 exp(−αt) ∈ D ′ (R)+ ,

et finalement u(t) = u0 exp(−at).

Exemple 92 (Réponse d’un circuit LC) — Équa. diff. régissant le comportement d’un
circuit LC :
Z
di 1
L + idt = e(t).
dt C
— En dérivant et en posant ω0 = √1 , on obtient :
LC

d2 1 de
( 2
+ ω02 )i =
dt L dt
— En régime permanent (e(t) constant), on cherche i tel que :
d2
∀t ≥ 0, ( + ω02 )i = 0.
dt2

Cherchons une distribution I = H(t)i(t) solution.

— I doit alors vérifier l’équation différentielle :
 2 
d di
2
+ ω0 I = i(0)δ ′ + (0)δ,
2
dt dt
— Donc I doit vérifier l’équation de convolution :

di
δ ′′ + ω02 δ ∗ I = i(0)δ ′ + (0)δ,
dt
— Dans D ′ (R)+ , on obtient donc
 
1 ′ di
I = H(t) sin(ω0 t) ∗ i(0)δ + (0)δ ,
ω0 dt
d’où en développant le calcul
 
1 ′
I = H(t) i(0) cos(ω0 t) + i (0) sin(ω0 t) ,
ω0

Équation de la chaleur

L’équation de la chaleur (ou équation de diffusion) à une dimension est donnée par
∂ ∂2
( − α 2 ))u(x, t) = 0,
∂t ∂x
M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions
0.13 Exercices xxxiii

où u(x, t) représente par exemple la température d’une barre au point x et au temps t. On

cherche une solution correspondant à une répartition initiale de température u(x, 0) donnée.
On cherche donc une distribution U(x, t) = H(t)u(x, t) solution où u est une fonction solution
de l’équation différentielle. La dérivation au sens des distributions conduit à
∂ ∂2
( − α 2 ))U(x, t) = u(x, 0)δ(t).
∂t ∂x
En effet, on a

∂ 2
∂ ∂ ∂ 2
( ∂t − α ∂x 2 ))U(x, t) = ∂t
(H(t)u(x, t)) − α ∂x 2 (H(t)u(x, t))

∂ ∂ 2
= δ(t)u(x, t) + H(t) ∂t u(x, t) − αH(t) ∂x 2 u(x, t)

∂ ∂ 2
= δ(t)u(x, 0) + H(t)( ∂t u(x, t) − α ∂x 2 u(x, t))

= δ(t)u(x, 0).
En écrivant cette équation comme une équation de convolution, on obtient alors :
∂ ∂2
( δ(x, t) − α 2 δ(x, t)) ∗ U(x, t) = u(x, 0)δ(t).
∂t ∂x
On peut alors vérifier qu’en se plaçant dans une algèbre de convolution convenable, la fonction
∂ ∂ 2
de Green (l’inverse de convolution) de ( ∂t δ(x, t) − α ∂x 2 δ(x, t)) est donnée par

H(t) x2
√ exp(− ),
2 απt 4αt
de sorte que la solution cherchée s’écrit finalement
H(t) x2
U(x, t) = u(x, 0)δ(t) ∗ √ exp(− ),
2 απt 4αt
ou encore Z +∞
H(t) (x − s)2
U(x, t) = √ u(s, 0)exp(− )ds.
2 απt −∞ 4αt

0.13 Exercices

Exercice 93 Calculer les produits de convolution suivants :

— δa ∗ δa .
— δm ∗ δn.

Exercice 94 Soit f la fonction définie par f (x) = x2 . Calculer le produit de convolution :

H ∗ f H, où H est la fonction de Heaviside.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.13 Exercices xxxiv

Exercice 95 Calculer les inverses, dans D ′ (R)+ , des distributions suivantes :

a) H,
b) δ ′ ,
c) δ ′ + H.

Exercice 96 Calculer le produit de convolution

Σ∞ ∞
n=0 δn ∗ Σn=0 δn .

Exercice 97 Résoudre dansD ′(R)+ l’équation suivante :

DT = 2δ ′ , T ∈ D ′ (R)+

d3 2
où D = dt3
− 2 dtd 2 + d
dt
− 2.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

Transformation de Fourier

Sommaire
0.14 Transformée de Fourier des fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . xxxv
0.14.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxxv
0.14.2 Définition et existence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxxvi
0.14.3 Propriétés de la Transformée de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . xxxvii
0.14.4 Convolution de deux fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xliv
0.14.5 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xlv
0.15 Transformée de Fourier des distributions . . . . . . . . . . . . . . . . . . . . . . . . xlix
0.15.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xlix
0.15.2 Espace S(R) et transformée de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . l
0.15.3 Transformée de Fourier des distributions tempérées . . . . . . . . . . . . . . . . . . . . lii
0.15.4 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . liii
0.16 Convolution et transformation de Fourier . . . . . . . . . . . . . . . . . . . . . . . . liv
0.17 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lv

0.14 Transformée de Fourier des fonctions

0.14.1 Motivation

Les phénomènes physiques ne se restreignent évidemment pas aux phénomènes périodiques, et

il est trés naturel de se poser la question de la représentation des phénomènes physiques non
périodiques par un analogue des séries de Fourier. La transformation de Fourier joue précisé-
ment ce rôle.
En analyse, la transformation de Fourier est une extension, pour les fonctions non périodiques,
du développement en série de Fourier des fonctions périodiques. La transformation de Fourier
associe à une fonction intégrable, définie sur l’ensemble des nombres réels ou celui des nombres
complexes, une fonction appelée transformée de Fourier dont la variable indépendante peut
s’interpréter en physique comme la fréquence ou la pulsation. La transformée de Fourier s’ex-
prime comme « somme infinie » des fonctions trigonométriques de toutes fréquences. Une telle
sommation se présente sous forme d’intégrale. L’analyse non standard permet de la présenter
sous forme d’une série et justifie le point de vue intuitif. Séries et transformation de Fourier

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.14 Transformée de Fourier des fonctions xxxvi

constituent les deux outils de base de l’analyse harmonique. Lorsqu’une fonction représente un
phénomène physique, comme l’état du champ électromagnétique ou du champ acoustique en
un point, on l’appelle signal et sa transformée de Fourier s’appelle son spectre.
Elle permet (entre autres) de calculer explicitement les solutions d’une classe assez large d’équa-
tions différentielles posées sur l’espace tout entier (R, R2 , etc. ) en suivant le schéma (F désigne
la transformation de Fourier) :
F F −1
Equation différentielle −→ Equation algébrique −→ solution −→ solution de l’equa-
tion initiale.

Dans ce chapitre on désigne par Lp (R), p ≥ 1, l’espace

Z +∞
p
L (R) = {f : R −→ C : |f (t)|p dt < ∞}.
−∞

0.14.2 Définition et existence

Définition 98 Soit f : R −→ R ou C. On appelle transformée de Fourier (ou spectre) de

f , si elle existe, la fonction notée fb : R −→ C définie par
Z +∞
b
f (ξ) = f (t)e−2iπξt dt.
−∞

On écrira symboliquement fb = F [f ] ou fb = F [f (x)].

R +∞
On a |e−2πiξt f (t)| = |f (t)| donc si −∞ |f (t)| dt est convergente, alors fb est bien définie. Par
conséquent
Z +∞
|fb(ξ)| ≤ |f (t)| dt.
−∞

D’où, fb est une fonction bornée.

L’intégrale et donc la transformée de Fourier n’existe pas toujours, par exemple la fonction
R +∞
t 7−→ t2 n’admet pas de transformée de Fourier car l’intégrale −∞ t2 e−2iπξt dt n’existe pour
aucune valeur de ξ.

Exemples 99


 sin πξ
 si ξ 6= 0
’
1. ∐(x)(ξ) = πξ

 1 si ξ = 0.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.14 Transformée de Fourier des fonctions xxxvii

r
π − π 2 ξ2
2. Pour a > 0, e’ (ξ) =
−at2 e a .
a
1
3. Pour a > 0, e⁄
−at H(t)(ξ) = .
a + 2πiξ
π −2πa|ξ|
4. Pour a > 0, t’ 1
2 +a2 (ξ) = e .
a
2a
5. Pour a > 0, e’
−a|t| (ξ) = .
a2 + 4π 2 ξ 2

Définition 100 1. Le graphe représentatif de la fonction ξ 7−→ |fb(ξ)| est appelé le spectre
de f .

2. L’application F : f 7−→ fb est appelée la transformation de Fourier. On note F (f ) = fb.

R +∞
Remarques 101 1. Si f est périodique −∞
|f (t)| dt n’est pas finie et la transformée de
Fourier de f risque de ne pas exister. On utilise dans ce contexte les séries de Fourier au
lieu de la transformée de Fourier.

2. La transformée de Fourier se définie de trois maniéres différentes :

R +∞
a) Fréquence : fb(ξ) = −∞ f (t)e−2πiξt dt.
R +∞
b) Pulsation : fb(ξ) = −∞ f (t)e−iξt dt.
R +∞
c) Symétrie de Pulsation : fb(ξ) = √12π −∞ f (t)e−iξt dt.

3. La transformée de Fourier n’est pas définie seulement pour les fonctions intégrables mais
aussi pour d’autres classes de fonctions. On cite, à titre d’exemple, les fonctions à carrées
R +∞
intégrables : les fonctions f telles que −∞ |f (t)|2 dt est finie.

0.14.3 Propriétés de la Transformée de Fourier

Proposition 102 La transformation de Fourier est une application linéaire :

F (αf + βg) = αF (f ) + βF (g), pour tout α, β ∈ R, f, g ∈ L1 (R).

Preuve : L’égalité découle de la linéarité de l’intégrale.

Définition 103 Soient f ∈ L1 (R), τ ∈ R et d ∈ R∗ . On appelle la translation de f , la

fonction
fτ (t) = f (t − τ ), pour tout t ∈ R.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.14 Transformée de Fourier des fonctions xxxviii

La fonction de dilatation de f est la fonction

t
g(t) = f ( ), pour tout t ∈ R.
d

Proposition 104 Soient f ∈ L1 (R), τ ∈ R et d ∈ R∗ .

1. Symétrie hermitienne :
fb(−ξ) = fb(ξ).

2. Si f est paire (respectivement impaire) alors fb est paire (respectivement impaire).

3. Translation :
fcτ (ξ) = e−2πiξτ fb(ξ).

4. Dilatation :
gb(ξ) = dfb(dξ).

Preuve :

1.
R +∞
fb(−ξ) = −∞
f (t)e−2πi(−ξ)t dt

R +∞
= −∞
f (t)e2πiξt dt

R +∞
= −∞
f (t)e−2πiξt dt

R +∞
= −∞
f (t)e−2πiξt dt

= fb(ξ).

2. On suppose que f est paire.

R +∞
fb(−ξ) = −∞
f (t)e2πiξt dt

R +∞
= −∞
f (−t)e−2πiξ(−t) dt

R +∞
= −∞
f (t)e−2πiξt dt

= fb(ξ).

De même si f est impaire, on démontre que fb est impaire.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.14 Transformée de Fourier des fonctions xxxix

3.
R +∞
fcτ (ξ) = −∞
f (t − τ )e−2πiξt dt

R +∞
= −∞
f (t)e2πiξ(t+τ ) dt

R +∞
= e−2πiξτ −∞
f (t)e−2πiξt dt

= e−2πiξτ fb(ξ).

4.
R +∞
gb(ξ) = −∞
f ( dt )e−2πiξt dt

R +∞
= d −∞
f (t)e−2πi(dξ)t dt

= dfb(dξ).

Proposition 105 (Continuité de la transformée de Fourier) Si f ∈ L1 (R) alors fb est

uniformément continue.

Preuve : Soient ξ, h ∈ R et T > 0, on a

R +∞
|fb(ξ + h) − fb(ξ)| = −∞
f (t)[e−2πi(ξ+h)t − e−2πiξt ]dt ,

R +∞  
= −∞
f (t)e−2πiξt e−πiht e−πiht − eπiht dt ,

R +∞
= −∞
f (t)e−2πiξt e−πiht [−2i sin(πht)] dt ,

R −T
≤ −∞
f (t)e−2πiξt e−πiht [−2i sin(πht)] dt

RT
+ −T
f (t)e−2πiξt e−πiht [−2i sin(πht)] dt

R +∞
+ T
f (t)e−2πiξt e−πiht [−2i sin(πht)] dt .

Comme les intégrales Z +∞

f (t)e−2πiξt e−πiht [−2i sin(πht)] dt
T

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.14 Transformée de Fourier des fonctions xl

et Z −T
f (t)e−2πiξt e−πiht [−2i sin(πht)] dt
−∞
sont convergentes, alors
Z −T Z +∞
−2πiξt −πiht
lim f (t)e e [−2i sin(πht)] dt = lim f (t)e−2πiξt e−πiht [−2i sin(πht)] dt = 0.
T →+∞ −∞ T →+∞ T

En particulier, pour tout ε > 0, il existe T0 tel que pour tout T > T0 on a
Z +∞
ε
f (t)e−2πiξt e−πiht [−2i sin(πht)] dt < , et
T 3
Z −T
ε
f (t)e−2πiξt e−πiht [−2i sin(πht)] dt < .
−∞ 3
D’autre part, puisque | sin(x)| ≤ |x|, on a :
Z T Z T
−2πiξt −πiht
f (t)e e [−2i sin(πht)] dt ≤ 2π|h|T |f (t)|dt ≤ 2π|h|T M,
−T −T
R∞ ε
où M = −∞
|f (t)|dt. On en déduit que si |h| < η = 6πT M
alors

|fb(ξ + h) − fb(ξ)| < ε.

Proposition 106 (Lemme de Riemann-Lebesgue) Si f ∈ L1 (R) alors

lim fb(ξ) = 0.
ξ→±∞

Preuve : Soit f ∈ L1 (R) et ε > 0. D’après la définition de l’intégrale de Riemann, il existe une
R∞
fonction en escalier fN telle que −∞ |f (t) − fN (t)|dt < 2ε .
R∞
|fb(ξ)| = −∞
f (t)e−2πiξt dt

R∞ R∞
= −∞
(f (t) − fN (t))e−2πiξt dt + −∞
fN (t)e−2πiξt dt

R∞ R∞
≤ −∞
(f (t) − fN (t))e−2πiξt dt + −∞
fN (t)e−2πiξt dt

R∞ R∞
≤ −∞
|f (t) − fN (t)| dt + −∞
fN (t)e−2πiξt dt

< ε
2
+ |fbN (ε)|.

Comme limξ→±∞ fbN (ξ) = 0, il existe A > 0 tel que pour tout |ξ| > A on a |fbN (ξ)| < 2ξ . D’où,
pour |ξ| > A on a |fb(ξ)| < ξ.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.14 Transformée de Fourier des fonctions xli

Nous allons étudier ci-dessous un certain nombre de propriétés élémentaires sur les transformées
de Fourier.

Proposition 107 (Dérivée de la transformée de Fourier)

Si pour k ∈ {0, 1, · · · , n} les fonctions t 7−→ tk f (t) ∈ L1 (R) alors fb est de classe C n et

ÿ
fb(k) (ξ) = (−2πi)k [tk f (t)](ξ).

Preuve : Pour la preuve, nous avons besion du théoréme suivant.

Théoréme 5 Soit ]a, b[⊂ R un intervalle borné ou non. Si g :]a, b[×R −→ C telle que :
i) Pour tout t ∈]a, b[, ξ −→ g(t, ξ) est de classe C 1 sur R.
Rb
ii) Pour tout ξ ∈ R, a g(t, ξ) dt est convergente.
iii) Il existe une fonction positive h intégrable sur ]a, b[ telle que pour tout ξ ∈ R et t ∈]a, b[
on a | ∂g
∂ξ
(t, ξ)| ≤ h(t).
Rb
Alors la fonction F (ξ) = a g(t, ξ) dt est de classe C 1 et on a
Z b
∂F ∂g
(ξ) = (t, ξ) dt.
∂ξ a ∂ξ

On prend a = −∞ et b = +∞ et g(t, ξ) = f (t)e−2πiξt . Les conditions du théoréme précédent

sont satisfaites. De plus, on a :
∂g
| (t, ξ)| = | − 2πtf (t)e−2πiξt | ≤ 2π|tf (t)| = h(t).
∂ξ
D’après le théoréme, fb est dérivable et
∂ fb
R +∞∂g
∂ξ
(ξ) = −∞ ∂ξ
(t, ξ) dt
R +∞
= (−2πi) −∞ tf (t)e−2πiξt dt
◊
= (−2πi)[tf (t)](ξ).
Par récurrence, on établit la proposition.

Proposition 108 (Transformée de la dérivée) Soit f une fonction de classe C n sur R telle
que la fonction f (k) ∈ L1 (R) pour tout k ∈ {0, 1, · · · , n}. Alors on a

f‘
(k) (ξ) = (2πiξ)k fb(ξ), k ∈ {0, 1, · · · , n}.

Preuve : Pour T > 0, on a Z T

f (T ) = f (0) + f ′ (t) dt.
0

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.14 Transformée de Fourier des fonctions xlii

Comme f ′ est intégrable, alors limT →+∞ f (T ) existe et puisque f est intégrable donc cette
limite est nulle. De même on a : limT →+∞ f (−T ) = 0. En utilisant l’intégration par partie, on
a: Z Z
T T
′ −2iπξt
f (t)e dt = [f (t)e−2iπξt ]T−T + (2πiξ) f (t)e−2iπξt dt.
−T −T

En tendant T vers l’infini, on aura :

fc′ (ξ) = (2πiξ)fb(ξ).

On compléte la démonstration par récurrence.

Proposition 109 (Formule d’échange) Si f et g sont deux fonctions de L1 (R), alors :

1. fbg ∈ L1 (R) et f gb ∈ L1 (R).

2. De plus, on a
Z +∞ Z +∞
fb(t)g(t)dt = f (t)gb(t)dt.
−∞ −∞

R +∞
Preuve : Comme supξ∈R |fb(ξ)| ≤ −∞
|f (t)| dt, alors
R +∞ b R
b(ξ)| +∞ |g(t)| dt
−∞
f (t)g(t)dt ≤ sup ξ∈R | f −∞

R +∞ R +∞
≤ −∞
|f (t)| dt −∞
|g(t)| dt < +∞.

De même, on a Z Z Z
+∞ +∞ +∞
gb(t)f (t)dt ≤ |f (t)| dt |g(t)| dt < +∞.
−∞ −∞ −∞

D’autre part, on a
R +∞ b R +∞ hR +∞ −2πixt
i
−∞
f (t)g(t)dt = −∞ −∞
f (x)e dx g(t) dt,

R +∞ R +∞
= −∞ −∞
f (x)g(t)e−2πixt dx dt,

R +∞ hR i
+∞
= −∞
f (x) −∞
g(t)e−2πixt dt dx,

R +∞
= −∞
f (x)gb(x) dx.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.14 Transformée de Fourier des fonctions xliii

Proposition 110 (Formule d’inversion (admis)) Soit f une fonction de L1 (R) telle que
fb ∈ L1 (R). Si f est continue en t0 ∈ R, alors
Z +∞
f (t0 ) = fb(ξ)e2πiξt0 dξ.
−∞

Remarque 111 1. Sous les hypothéses du théoréme, on a

f (t0 ) = F (F (f ))(t0),

si f est continue, on a alors

f = F (F (f )).

2. Si f n’est pas continue en t0 , on a

Z +∞
f (t+ −
0 ) + f (t0 )
= fb(ξ)e2πiξt0 dξ.
2 −∞

Proposition 112 Si f est continue telle que f ∈ L1 (R) et fb ∈ L1 (R), on a

F (F (f ))(t) = f (−t).

Preuve : Posons g = fb. On a

Z +∞
gb(−t) = g(ξ)e2πiξt dξ = F(F (f ))(t).
−∞

D’après la formule d’inversion, on a F(F (f ))(t) = f (t). D’où, F (F (f ))(−t) = f (t) et donc
F (F (f ))(t) = f (−t).

Proposition 113 Si f ∈ C 2 (R) et f, f ′ , f ′′ ∈ L1 (R), alors fb ∈ L1 (R).

Preuve : D’après le théorème de la transformée de la dérivée, on a

fc′′ (ξ) = −4π 2 ξ 2 fb(ξ),

et D’après le lemme de Riemann-Lebesque

lim fc′′ (ξ) = 0,

ξ→±∞

il existe alors M > 0 tel que si |ξ| > M, on a 4π 2 ξ 2 |fb(ξ)| ≤ 1. La fonction fb est continue et
1
majorée par au voisinage de l’infini. Ce qui implique fb ∈ L1 (R).
4π 2 ξ 2

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.14 Transformée de Fourier des fonctions xliv

On termine cette partie par le théorème suivant :

Théoréme 6 (Identité de Parseval) Si f ∈ L1 (R) ∩ L2 (R) et fb ∈ L1 (R) ∩ L2 (R) alors

Z +∞ Z +∞
b 2
|f (ξ)| dξ = |f (t)|2 dt.
−∞ −∞

Preuve : On démontre ce théorème dans le cas où f est continue.

R +∞ b 2 R +∞
−∞
|f (t)| dt = −∞ fb(t)fb(t) dt,

R +∞ c
= −∞
f (t)fc(t) dt,

R +∞
= −∞
|f (t)|2 dt.

0.14.4 Convolution de deux fonctions

Définition 114 Soient f et g deux fonctions localement intégrables. On définit, s’il existe, le
R +∞
produit de convolution h de f et g par h(x) = −∞ f (t)g(x − t)dt, pour tout x appartenant à
R. On note alors h = f ∗ g.

Remarque 115 Ce produit de convolution n’existe pas toujours. Ce produit est commutatif dès
lors qu’il est défini.

Donnons une interprétation graphique de ce produit de convolution. Soit k le produit tensoriel

R +∞ R +∞
de f par g, k = f ⊗g. On a alors (f ∗g)(x) = −∞ f (t)g(x−t)dt = −∞ k(t, x−t)dt, c’est-à-dire
qu’on intégre la fonction k sur le chemin formé par la droite Dx de pente −1 et passant par
(0, x).

Exemple 116 Posons f (x) = ∐(x) et g(x) = ∐(x − 21 ). Déterminer f ∗ g.

Théoréme 7 Le produit de convolution de deux fonctions localement intégrables f et g existe

dès lors que l’une des conditions suivantes est satisfaite :

1) Les fonctions f et g sont toutes les deux à support borné,

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

 0.14 Transformée de Fourier des fonctions xlv

2) Les fonctions f et g sont toutes les deux à support borné à gauche,

3) Les fonctions f et g sont toutes les deux à support borné à droite.

Exercice 117 Montrer que le produit de convolution de deux fonctions est : commutatif, asso-
ciatif et distributif.

Proposition 118 (Transformée de Fourier et convolution) Si f, g ∈ L1 (R), alors

f’
∗ g = fbgb.

Si de plus fb, gb ∈ L1 (R), alors

f”g = fb ∗ gb.

Preuve : En exercice.

Exemple 119 On se propose de calculer la transformée de Fourier de la fonction Λ définie

par : 

 1 + x si −1 ≤ x ≤ 0,


Λ(x) = 1 − x si 0 ≤ x ≤ 1,




0 si |x| ≥ 1.
1. Calculer F [Π(x)].

2. Montrer que Λ = Π ∗ Π.

3. Déduire F [Λ(x)].

0.14.5 Applications

Le circuit RC

u(t) On considére le circuit décrit par la figure suivante :

R
b b

b b b b

b b b

b b b b b
v(t)

b
u(t) b b b

b b

b b

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.14 Transformée de Fourier des fonctions xlvi

Composé d’une résistance R et d’une capacité C soumis à une tension t 7−→ u(t). On note par
q(t) la charge du condensateur, i(t) l’intensité du courant. La tension aux bornes du condensa-
teur est
q(t)
v(t) = .
C
En utilisant la loi d’Ohm, on a
Ri(t) + v(t) = u(t).

En tenant compte des relations :

dq(t) dv(t)
i(t) = =C .
dt dt
La tension v(t) satisfait alors l’équation différentielle ordinaire suivante :
dv(t)
RC + v(t) = u(t).
dt
t
Si l’on pose w(t) = v(t)e RC , l’équation différentielle devient :
dω(t) 1 t
= e RC u(t).
dt RC
1
Rt s
La solution est ω(t) = RC
e RC u(s)ds, ou encore
−∞
Z t Z +∞
1 − t−s
v(t) = e RC u(s)ds = h(t − s)u(s)ds = h ∗ u(t),
RC −∞ −∞

1 t
où h(t) = RC
H(t)e− RC et H est la fonction de Heaviside.
Il est clair que h ∈ L1 et on a :
b 1
h(ξ) = .
1 + 2πiRCξ
Si l’on soumis le circuit sous la tension


 1 t
e RC si t ≤ 0
RC
u(t) =
 0 si t > 0.
Il est facile de vérifier que u ∈ L1 et on a :
1
ub(ξ) = .
1 − 2πiRCξ
En particulier, puisque h, u ∈ L1 , on a

vb(ξ) = h’ b
∗ u(ξ) = h(ξ) ub(ξ).
1 1 −|t|
Ce qui donne que vb(ξ) = , et alors v(t) = RC
e RC .
1+ 4π 2 R2 C 2 ξ 2

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.14 Transformée de Fourier des fonctions xlvii

Le circuit RLC
u(t)
b

b b

b b

b
u(t)
v(
b b b

b b

On considére un circuit RLC. Si q(t) désigne la charge électrique du condensateur

dq(t)
i(t) = dt
: La tension du courant ,
uR (t) = Ri(t) : Tension aux bornes de la résistanceR,
2
uL (t) = L di(t)
dt
= L d dtq(t)
2 : Tension aux bornes de l’inductance L,
q(t)
uC (t) = C
: Tension aux bornes du condensateur.

En utilisant la loi d’Ohm, on a

d2 q(t) R dq(t) q(t) u(t)
2
+ + = .
dt L dt LC L
Afin de résoudre (RLC), on cherche q ∈ C 2 (R) telle que q, qb, q ′ , q ′′ ∈ L1 (R). Pour cela, on
suppose que u, ub ∈ L1 (R). Si l’on considére la transformée de Fourier, on obtient :
R 1 1
[(2πiξ)2 + 2πiξ) + ]qb(ξ) = ub(ξ).
L LC L
Ce qui implique que
ub(ξ)
qb(ξ) = 1 .
(2πiξ)2 L + (2πiξ)R + C
R 1 γ2
D’autre part, en posant γ = 2πL
, ω02 = 4π 2 LC
et ω12 = ω02 − 4
, on a :

1
(2πiξ)2 L + 2πiξ)R + C
= 4π 2 L[−ξ 2 + iγξ + ω02 ]

= 4π 2 L[ω12 − (ξ − i γ2 )2 ].

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.14 Transformée de Fourier des fonctions xlviii

γ
Si l’on suppose que ω0 > 2
on a :
1 1 1 1
= [ γ + ]
4π 2 L[−ξ 2 2
+ iγξ + ω0 ] 2
8ω1 π L ω1 − ξ + i 2 ω1 + ξ − i γ2

i 1 1
= [− γ + ]
2
8ω1 π L i(ξ − ω1 ) + 2
i(ξ + ω1 ) + γ2

i 1 1
= [− + ]
4ω1 πL i(2πξ − 2πω1 ) + πγ i(2πξ + 2πω1 ) + πγ

i
= F [(e−2πiω1 t − e2πiω1 t )H(t)e−πtγ ]
4ω1 πL
1
= F [sin(2πω1 t)H(t)e−πγt ].
2ω1 πL

1
En conclusion, si l’on pose χ(t) = sin(2πω1 t)H(t)e−πγt , la solution de l’équation est
2ω1 πL
donnée par : q(t) = (χ ∗ u)(t).

Équation de la chaleur

L’équation de la propagation de la chaleur le long d’une barre infinie est donnée par
∂u ∂2u
(t, x) − α 2 u(t, x) = 0, x ∈ R, t > 0,
∂t ∂x
avec une condition initiale u(0, x) = f (x), x ∈ R, où u(t, x) représente la température d’une
barre au point x et au temps t, f une fonction continue, bornée et f ∈ L1 (R).
Si l’on considére la transformée de Fourier relativement à x, on a :
∂ ub
(t, ξ) = α(2πiξ)2 ub(t, x), ξ ∈ R, t > 0.
∂t
La solution de cette équation est
2 αξ 2 t 2 αξ 2 t
ub(t, ξ) = ub(0, ξ)e−4π = fb(ξ)e−4π .

On a alors :
¤1 −1 2
ub(t, ξ) = fb(ξ) √ e 4αt x (ξ).
4πtα
Ce qui signifie que
−1 2
u(t, x) = f∗ √ 1 e 4αt x
4πtα
R +∞ 2
= √ 1
4απt −∞
f (y)exp(− (y−x)
4αt
)dy.
2
La fonction h(t, x) = √ 1 exp(− x ) est appelée le noyau de la chaleur et on a
4απt 4αt

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.15 Transformée de Fourier des distributions xlix

u(t, x) = (f ∗ h(t, x)),

R +∞
= −∞ h(t, y − x)f (y)dy.

0.15 Transformée de Fourier des distributions

On a déjà fait remarquer qu’une définition de la transformation de Fourier limitée aux fonc-
tions intégrables était beaucoup trop contraignante dans les applications. Ainsi, des fonctions
aussi courantes que les fonctions constantes ou la fonction de Heaviside, n’admettent pas de
transformées de Fourier au sens des fonctions, puisqu’elles n’appartiennent pas à L1 (R). Nous
montrons dans ce chapitre, que le cadre des fonctions généralisées, ou distributions, offre un
cadre beaucoup plus confortable qui permet de défnir beaucoup plus de transformées de Fou-
rier. Pour définir une opération au sens des distributions, la procédure est toujours la même :
on reporte la définition sur la fonction test. Suivant cette idée, ϕ étant une fonction test, la
transformée de Fourier de la distribution T , que nous noterons T“, pourrait être définie par
l’égalité
D E
T“, ϕ = hT, ϕi
b .

Cette définition peut sembler satisfaisante pour toute fonction test ϕ ∈ D(R), mais il apparai-
trait rapidement que les calculs effectifs mettant en jeu en partiulier l’inversion et la convolution
seraient assez malaisés dans ce cas.

0.15.1 Définition

Comme d’habitude on va tout d’abord essayer de définir la transformée de Fourier pour les
distributions réguliéres. Soit donc f une fonction intégrable qui définit une distribution réguliére
Tf et intéressons nous à la distribution réguliére associée à fb : on a :
D E Z Z Z 
∀ϕ ∈ D(R), Tfb, ϕ = b
f (t)ϕ(t) dt = f (x)e −2πixt
dx ϕ(t) dt
R R R

et en utilisant le théorème de Fubini pour intervertir les deux intégrales :

D E Z Z  Z
−2πixt
∀ϕ ∈ D(R), Tfb, ϕ = f (x) e ϕ(t) dt dx = f (x)ϕ(x)dx
b = hTf , ϕi
b .
R R R

Le probléme ici est que si ϕ appartient à D(R), il n’y a aucune raison pour que sa transformée
de Fourier ϕb appartienne à D(R) et donc hTf , ϕi
b n’a en général pas de sens. Pour obtenir une

définition satisfaisante de la transformée de Fourier des distributions, on doit donc se placer

sur un espace plus grand que D(R).

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.15 Transformée de Fourier des distributions l

0.15.2 Espace S(R) et transformée de Fourier

Si on considére un espace de fonctions tests plus grand que D(R), alors les applications linéaires
continues sur ce nouvel espace forment un sous-espace vectoriel de D ′ (R). Deux espaces de
fonctions tests couramment utilisés sont :

1. L’espace C ∞ (R) des fonctions indéfiniment dérivables quelconques,

2. L’espace S(R) des fonctions indéfiniment dérivables et qui décroissent, ainsi que leurs
1
dérivées, plus vite que toute puissance de à l’infini c’est-à-dire que pour tout n ∈ N et
x
pour tout p ∈ N, xn ϕ(p) (x) est bornée.

Définition 120 Une fonction ϕ est dite à décroissance rapide si :

i) ϕ ∈ C ∞ (R)
ii) Pour tout n, p ∈ N on a |xn ϕ(p) | ≤ Mp,n .
L’ensemble des fonctions à décroissance rapide est appelé l’espace de Schwartz et noté S(R) et
on a : D(R) ⊂ S(R).

Exercice 121 Montrer que ϕ ∈ C ∞ (R) si et seulement si pour tout n, p ∈ N on a

lim xn ϕ(p) (x) = 0.

|x|→+∞

Du fait de la contrainte trés forte de décroissance plus rapide que toute fonction en x−n , on
notera que les fonctions de S(R) sont, d’un point de vue pratique, trés semblables aux fonctions
de D(R).
Donnons quelques propriétés de ces fonctions.

Théoréme 8 Les fonctions de S(R) ainsi que toutes leurs dérivées sont bornées et intégrables
sur R.

Preuve : Soit ϕ ∈ S(R). Par définition, pour tout n, p ∈ N on a |xn ϕ(p) | ≤ Mp,n , et en
particulier que |(1 + x2 )ϕ(p) | ≤ Mp,0 + Mp,2 . Toutes les dérivées ϕ(p) sont donc bornées et
majorées par des fonctions intégrables. Elles sont donc intégrables.

2
Exemple 122 La fonction ϕ(x) = e−x est une fonction à décroissance rapide.

Définition 123 Soit (ϕn )n∈N une suite de S(R). On dit que (ϕn ) converge vers 0 dans S(R)

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.15 Transformée de Fourier des distributions li

S(R) (q)
et on note ϕn −→ 0 si pour tous entiers p et q, la suite (xp ϕn (x) converge uniformément vers
0.

De la même façon qu’on introduit l’espace des distributions D ′ (R) comme l’ensemble des formes
linéaires définies sur D(R), on définit l’espace des distributions tempérées S ′ (R). Comme
l’ensemble des formes linéaires définies sur S(R). Ce sont les distributions tempérées pour
lesquelles nous définirons une transformée de Fourier.

Définition 124 T : S(R) −→ R est une distribution tempérée sur R si et seulement si

a) T est linéaire.
b) Pour toute suite (ϕn ) de S(R) qui converge vers 0 dans S(R), on a hT, ϕn i au sens usuel
converge au sens usuel vers 0.

Théoréme 9 (Caractérisation des distributions tempérées) . Pour qu’une fonctionnelle

linéaire continue T sur S(R) soit tempérée, il faut et il suffit qu’il existe A > 0 et p ∈ N∗ tels
que, pour tout S(R), on ait :
| hT, ϕi | ≤ A k ϕ kp ,

où
Z  p1
p
k ϕ kp = |ϕ(t)| dt .

Concernant l’espace des distributions tempérées S ′ (R), les critéres suivantes permettent de
savoir dans de nombreux cas si une distribution est tempérée ou non.

Théoréme 10

1. Les fonctions qui sont soit intégrables, soit bornées, soit majorées par un polynôme défi-
nissent des distributions réguliéres tempérées.

2. Les distributions à support bornés sont tempérées.

R +∞
Preuve : Pour le premier point il faut montrer que −∞
f (x)ϕ(x) dx est finie lorsque ϕ ∈ S(R).
Comme ϕ est bornée, si f est intégrable ou bornée, l’intégrale est bien définie. Le produit d’un
polynôme et d’une fonction de S(R) est également une fonction de S(R), donc intégrable. Pour
le 2éme point, comme ϕ ∈ S(R), ϕ est C ∞ , et comme la distribution (disons T) est à support
borné par hypothése, le produit hT, ϕi a un sens.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.15 Transformée de Fourier des distributions lii

Exemple 125

1. Les distributions δa et δ (n) sont tempérées.

2. Les distributions réguliéres 1, H, cos(2πax), Hei2πax sont des distributions tempérées.

3. En général, si f est une fonction localement sommable, alors Tf n’est pas tempérée.

Remarque 126 Lorsque les théorème précédents ne peuvent être appliqués, pour savoir si une
distribution particuliére T est tempérée, il faut vérifier directement si hT, ϕi a un sens pour
toute fonction ϕ ∈ S(R).

Proposition 127 L’ensemble des distributions tempérées contient toutes les distributions à
support borné comme les Dirac, les dérivées des Dirac et les distributions réguliéres associées
aux fonctions à croissance lente comme les polynômes, les fonctions périodiques localement
intégrables.

Preuve : En exercice.

Exemple 128 la distribution réguliére Texp n’est pas tempérée puisque la fonction exponentielle
croit trop rapidement à l’infini.

0.15.3 Transformée de Fourier des distributions tempérées

Intéressons nous maintenant à la transformée de Fourier de telles fonctions. Soit ϕ une fonction
de S(R). On a : Z +∞
(m)
(∀m ∈ N), ϕb (ξ) = (−2iπx)m e−2iπξx ϕ(x) dx,
−∞

et on en déduit que ϕb ainsi que toutes ses dérivées sont aussi à décroissances rapides. D’une
maniére générale, on a le résultat suivant

Théoréme 11 La transformation de Fourier est une application linéaire et continue de S(R)

dans S(R).

Théoréme 12 Toute distribution tempérée T admet une transformée de Fourier, notée F [T ]

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.15 Transformée de Fourier des distributions liii

ou T“, qui est également une distribution tempérée. Elle est définie par :
D E
(∀ϕ ∈ S(R)), T“, ϕ = hT, ϕi
b .

Exemples 129 a) F [T1 ] = δ, en effet :

D E Z +∞
”
T ,ϕ = hT1 , ϕi
b = ϕ(x)
b dx = ϕ(0) = hδ, ϕi .
1
−∞

b) F [δ] = T1 :
D E Z +∞
b ϕ
δ, = hδ, ϕi
b = ϕ(0)
b = ϕ(x) dx = hT1 , ϕi .
−∞

Exercice 130 Calculer les transformées de Fourier des distributions suivantes : Te2iπax , Tsin(2πax)
et Tcos(2πax) .

0.15.4 Propriétés

On peut définir une transformée de Fourier inverse comme pour les fonctions : on a

(∀ϕ ∈ S(R)), F −1 F [T ], ϕ = F [T ], F −1[ϕ] = T, F F −1 [ϕ] = hT, ϕi .

On peut montrer, de la même façon que pour la transformée de Fourier des fonctions, que l’on
a les propriétés suivantes :

Théoréme 13 Soit T une distribution tempérée. On a alors :

1. F [T (m) ] = (2iπξ)m F [T ],

2. F [T (x − a)] = exp(−2iπξa)F [T ],
1 “ ξ
3. F [T (ax)] = |a|
T ( a ),

4. F [exp(−2iπxa)T ] = T“(ξ − a).

Preuve : En exercice.

Théoréme 14 Si T est une distribution tempérée à support borné, alors sa transformée de

Fourier F [T ] est une distribution réguliére associée à une fonction indéfiniment dérivable définie
par T“(ξ) = T, e−i2πxξ .

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.16 Convolution et transformation de Fourier liv

Preuve : Par définition :

 Z +∞  Z +∞
−i2πxξ
hF [T ], ϕi = hT, F ϕi = T, ϕ(x)e dx = T, e−i2πxξ ϕ(x) dx.
−∞ −∞

On notera que T, e−i2πxξ a un sens car T est à support borné. La fonction x 7−→ e−i2πxξ
étant C ∞ , il en est de même de la fonction x 7−→ T, e−i2πxξ qui définit donc une distribution
réguliére.

Exemple 131 Vérifier que δ“′ (ξ) = i2πξ en utilisant deux méthodes (la définition et le théo-
rème).

0.16 Convolution et transformation de Fourier

Pour ce qui concerne la convolution, l’échange entre produit de convolution et produit par TF
est total dans S(R).

Théoréme 15 Soient f et g deux fonctions de S(R). Alors, le produit f × g et le produit de

convolution f ∗ g sont aussi dans S(R) et l’on a : f’
∗ g = fb × gb et f÷
× g = fb ∗ gb.

Preuve : La premiére propriéte résulte d’un simple changement de variable, il est évident que
cette premiére propriéte vaut également avec la T F inverse : F −1 (f ∗ g) = F −1 (f ) × F −1 (g) or
F (f ) et F (g) sont également dans S(R) , donc F −1 (F (f ) ∗ F (g)) = F −1 (F (f )) × F −1 (F (g)) =
f g donc F (f ) ∗ F (g) = F (f g).

÷ sin(πξ) 2
Exercice 132 Montrer que Π ∗ Π(ξ) = ( ) .
πξ

Rappelons que le produit de convolution des deux distributions S et T , lorsqui’il existe, noté
S ∗ T , est défini, pour tout ϕ ∈ D(R2 ) de la forme φ(x, y) = ϕ(x)ψ(y) avec ϕ, ψ ∈ D(R), par la
relation :
hS ∗ T, φi = hS, ϕi hT, ψi .

On rappelle également que le produit de convolution existe si l’une au moins des deux distri-
butions est à support borné.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.17 Exercices lv

Théoréme 16 Soient S et T deux distributions à support bornés. Alors leur produit de convo-
lution S ∗ T est aussi à support borné et vérifie :

F (S ∗ T ) = F (S) × F (T ).

Preuve : Si S et T sont à supports bornés, comme le support de S ∗ T est inclus dans la

somme du support de S et du support de T , le support de S ∗ T est donc donc borné. F (S)
et F (T ) étant à supports bornés, ce sont des distributions réguliéres définies par les fonctions
F (S)(x) = S, e−i2πxξ et F (T )(x) = T, e−i2πxξ . Le produit de ces deux fonctions est tel que :

F (S)(x)F (T )(y) = S, e−i2πxξ T, e−i2πyξ = S ∗ T, e−i2π(x+y)ξ .

Cette derniére expression est une fonction C ∞ (par rapport à la variable x + y) qui définit la
TF de la distribution S ∗ T .

0.17 Exercices

Exercice 133 On se propose de calculer la transformée de Fourier de la fonction Λ définie

par : 

 1 + x si −1 ≤ x ≤ 0


Λ(x) = 1 − x si 0≤x≤1




0 si |x| ≥ 1
1. Calculer F [Π].

2. Montrer que Λ = Π ∗ Π. avec


 1 si t ∈ [− 1 , 1 ]
2 2
Π(x) =
 0 sinon.

3. Déduire F [Λ(x)].

Exercice 134 Calculer la transformées de Fourier des fonctions suivantes :

1) t 7−→ te−t H(t).
1
2) t 7−→ t2 +2at+b2
, a2 < b2 .
2 +bt
3) t 7−→ e−at , a > 0.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.17 Exercices lvi

Exercice 135 Utiliser la formule de Parseval-Plancherel pour calculer les intégrales suivants :
Z
sin(x) n
( ) dx pour n = 2, 3, 4.
R x

Exercice 136 Soit α > 0, on pose f (x) = e−α|x| .

1) Calculer la transformée de Fourier de f .

1
2) Déduire la transformée de Fourier de x 7−→ (1+x2 )
.

2) Déduire la transformée de Fourier de x 7−→ x

(1+x2 )
.
R +∞ R +∞
2) Calculer 0 cos(mx)
1+x2
dt et 0 x sin(mx)
1+x2
dt
1
3) Calculer f ∗ f , puis, déduire la transformée de Fourier de x 7−→ (1+x2 )2
.

4) Utiliser la formule de Parseval-Plancherel pour calculer l’intégrale :

Z +∞
x2
dt
0 (1 + x2 )2

Exercice 137 On considére la fonction f (t) = te−t H(t).

1. Vérifier que f est continue et que f ∈ L1 ∩ L2 .

2. Calculer la transformée de Fourier de f .

3. En déduire que
Z +∞ Z +∞
2 −2t 1
te dt = dξ
0 0 (1 + 4π 2 ξ 2)2

Exercice 138 1. Montrer que si f est une fonction paire de L1 (R), alors
Z +∞
b
f (ξ) = 2 f (t) cos(2πξ) dt.
0

2. Montrer que si f est une fonction impaire de L1 (R), alors

Z +∞
b
f (ξ) = −2i f (t) sin(2πξ) dt.
0

a) Montrer que la fonction ξ 7−→ fb(ξ) = F (e−x )(ξ) vérifie l’équation diffé-
2
Exercice 139
rentielle :
fb′ (ξ) + 2π 2 ξ fb(ξ) = 0.

b) Calculer fb(0) puis déterminer la solution de l’équation différentielle.

c) Utiliser la proppriété de dilatation pour établir le résultat :
r
−ax2 π − π 2 ξ2
F (e )(ξ) e a pour a > 0.
a

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.17 Exercices lvii

2
Exercice 140 1. Montrer que la fonction x 7−→ e−x est une fonction de S(R).
2 2
2. Pour quelle raison la fonction x 7−→ e−x sin(ex ) n’est-elle pas à décroissance rapide ?
2
3. Montrer que la fonction x 7−→ ex définit une distribution réguliére qui n’est pas tempérée.

4. Déduire que le produit d’une distribution tempérée par une fonction C ∞ n’est pas toujours
tempéré.

Exercice 141 Etablir par un calcul direct que les distributions xn (n ≥ 0), ln(x) et vp( x1 ) sont
des distributions tempérées.

Exercice 142 Calculer les transformées de Fourier des distributions : δ ′ , δ (n) et δa .

Exercice 143 On cherche la solution de l’équation différentielle

T ′′ + a2 T = δ ′ .

1. Ecrire l’équation différentielle comme une équation de convolution.

2. Vérifier que la distribution H(x) sin(ax)

a
est la réponse impulsionnelle de l’équation étudiée.

3. Déterminer la solution de l’équation différentielle.

4. Vérifier le résultat par dérivation.

Exercice 144 Soit l’équation intégrale pour 0 < a < b et f ∈ L1 (R) :

Z +∞
f (t) 1
2 2
dt = 2 .
−∞ (x − t) + a x + a2
R +∞ f (t)
1) Ecrire l’intégrale −∞ (x−t)2 +a2 dt sous forme d’une convolution.

2) En déduire f .

R +∞ −t
Exercice 145 On considére la fonction f définie par f (x) = 0
e√
t
eitx dx.

1) Montrer que f satisfait une équation différentielle qu’il faut déterminer.

R +∞ 2
√
2) Déduire f . (On rappelle que 0 e−x dx = 2π )

Exercice 146 1. Soit a > 0. Déterminer la transformée des Fourier des fonctions sui-
vantes :

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.17 Exercices lviii

— f (t) = e−a|t| , pour t ∈ R.

— g(t) = e−at H(t) − e−at H(−t), pour t ∈ R.
R +∞ cos(ωt) R +∞ t sin(ωt)
2. Soit ω ∈ R. En déduire les valeurs des intégrales : 0 t2 +a2
dt, 0 t2 +a2
dt.

Exercice 147 Montrer que δ‘

(n) = (2iπξ)n .

Exercice 148 Montrer que les fonctions suivantes sont dans S(R).

1. x 7−→ e−|x| ,
2
2. x 7−→ e−x ,

3. x 7−→ e−|x| sin(x).

Résoudre l’équation xT ′ + T = 0.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

La Transformation de Laplace

Sommaire
0.18 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lix
0.19 Transformée de Laplace des fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . lx
0.19.1 Définition et existence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lx
0.20 Propriétés de la transformation de Laplace . . . . . . . . . . . . . . . . . . . . . . . lxiii
0.21 Transformée de Laplace inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lxvi
0.22 Transformée de Laplace des fonctions usuelles . . . . . . . . . . . . . . . . . . . . . lxix
0.22.1 Application à la résolution des équations différentielles ordinaires . . . . . . . . . . . . lxix
0.23 Transformée de Laplace des distributions . . . . . . . . . . . . . . . . . . . . . . . . lxx
0.23.1 Calcul des fonctions de transfer en électronique . . . . . . . . . . . . . . . . . . . . . lxxi

0.18 Introduction

La transformation de Laplace généralise la transformation de Fourier qui est également utilisée

pour résoudre les équations différentielles : contrairement à cette derniére, elle tient compte des
conditions initiales et peut ainsi être utilisée en théorie des vibrations mécaniques ou en électri-
cité dans l’étude des régimes forcés sans négliger le régime transitoire. Elle converge pour toutes
les fonctions qui, pondérées par une exponentielle, admettent une transformée de Fourier ; par
conséquent les fonctions admettant une transformée de Fourier admettent toutes une transfor-
mée de Laplace, mais la réciproque n’est pas vraie. De maniére générale, ses propriétés vis-à-vis
de la dérivée permettent un traitement plus simple de certaines équations différentielles, et est
de ce fait trés utilisée en automatique.
Dans ce type d’analyse, la transformation de Laplace est souvent interprétée comme un pas-
sage du domaine temps, dans lequel les entrées et sorties sont des fonctions du temps, dans le
domaine des fréquences, dans lequel les mêmes entrées et sorties sont des fonctions de la « fré-
quence ». Ainsi il est possible d’analyser simplement l’effet du systéme sur l’entrée pour donner
la sortie en termes d’opérations algébriques simples (cf. théorie des fonctions de transfert en
électronique ou en mécanique).
La transformation de Laplace permet parfois d’éviter les distributions lorsqu’une fonction n’ad-

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.19 Transformée de Laplace des fonctions lx

met pas de transformée de Fourier.

0.19 Transformée de Laplace des fonctions

0.19.1 Définition et existence

Définition 149 Soit f : [0, +∞[−→ R (ou C) une fonction. La transformée de Laplace de f
notée L(f ) la fonction de la variable complexe définie par
Z +∞
L(f )(λ) = F (λ) = e−λt f (t) dt.
0

La fonction f est appelée original de F et F l’image de f .

On définit ainsi une application L : f 7−→ L(f ). L’application L est appelée la transformation
de Laplace.

Pour λ ∈ C, on pose λ = x + iy avec x, y ∈ R.

Z +∞ Z +∞ Z +∞
−λt −xt
e f (t) dt = e cos(yt)f (t) dt − i e−xt sin(yt)f (t) dt.
0 0 0
R +∞ R +∞
En particulier, L(f )(λ) est bien définie si les deux intégrales 0
e−xt cos(yt)f (t) dt et 0
e−xt sin(yt)f (t)
convergent.

Remarques 150 1. Il faut noter que F (λ) n’existe pas toujours. Pour s’en convaincre, il
2
suffit de choisir l’exemple f (x) = ex . Pour cette fonction l’intégrale ci-dessus n’est pas
définie.

2. Les valeurs de f pour x < 0, n’interviennent pas dans la définition ci-dessus. Une fonction
f telle que : f (x) = 0 pour x < 0 est dite causale. Evidemment, on peut rendre une fonction
causale en la multipliant par la fonction de Heaviside.

3. Soit f une fonction définie sur R+ et possédant une transformée de Fourier fb. Soit λ =
x + iy ∈ C. Pour x = 0, l’expression
Z +∞ Z +∞
y y
F (iy) = f (t)e−iyt
dt = f (t)e−2πi 2π t dt = fb( ),
−∞ −∞ 2π

détermine un lien entre transformées de Laplace et de Fourier. La transformée de Laplace

peut-être considérée comme une extension de la transformée de Fourier. Par ailleurs, pour

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.19 Transformée de Laplace des fonctions lxi

x quelconque fixé, on a
Z +∞ Z +∞
−xt−iyt y   y
F (x + iy) = f (t)e dt = e−xt f (t)e−2πi 2π t dt = F e−xt f (t) ( ).
−∞ −∞ 2π

Exemples 151 1. Soit H la fonction de Heaviside, on a

R +∞
L(f )(λ) = 0 e−λt f (t)dt
RA
= limA7→+∞ 0 e−λt dt
−λt
.
= limA7→+∞ [ −eλ ]A
0
1−e−Aλ
= limA7→+∞ λ
.
1
Cette limite existe si et seulement si Re(λ) > 0. On a alors : L(f )(λ) = λ
, pour tout
Re(λ) > 0.

2. Pour f (t) = e−at avec a ∈ C. On a pour pour A > 0,

Z +∞
R A −at −λt
0
e e dt = e−(λ+a)t dt
0
e−(λ+a)t A
= [− ] , (λ + a 6= 0)
λ+a 0
1 − e−(λ+a)A
= , (λ + a 6= 0).
λ+a
1
D’où, L(f )(λ) = λ+a , si Re(λ + a) > 0.
En particulier, pour a = ±iw avec ω ∈ R∗ , on a
  1
L e±iωt (λ) = , si Re(λ) > 0.
λ∓ω
Ce qui implique que
1
L[cos(ωt)](λ) = 2
[L(eiωt )(λ) + L(e−iωt )(λ)]
1 1 1


= 2 λ−iω
+ λ+iω , .
λ
= λ2 +ω 2
.

1
L[sin(ωt)](λ) = 2i
[L(eiωt )(λ) − L(e−iωt )(λ)]
1 1 1


= 2i λ−iω
− λ+iω , .
ω
= λ2 +ω 2
.
3. On considére la fonction f définie par

 t si t ≤ 1,
f (t) =
 1 si t ≥ 1.

On montre facilement que

1 − e−λ
L(f )(λ) = , si Re(λ) > 0.
λ2
M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions
0.19 Transformée de Laplace des fonctions lxii

Exercice 152 Soit f la fonction définie par : f (t) = tn , avec t ≥ 0 et n ∈ N. Déterminer

L(f ).

Définition 153 On dit que f : [0, +∞[−→ C est d’ordre exponentiel au voisinage de +∞, s’il
existe des constantes M, ω0 , t0 telles que

|f (t)| ≤ Meωt , pour tout t ≥ t0 .

Définition 154 On dit que f est continue par morceaux sur l’intervalle [a, b] s’il existe un
nombre fini de points t1 = a < t2 < · · · < tn = b tel que f est continue sur ]ti , ti+1 [ et
limt→t+i f (t), limt→t−i+1 f (t) existent.
On dit que f est continue par morceaux sur [0, +∞[ s’elle est continue par morceaux sur [0, A]
pour tout A > 0.

Théoréme 17 Si f est continue par morceaux sur [0, +∞[ et d’ordre eω0 t au voisinage de +∞,
alors la transformée de laplace L(f )(λ) existe pour tout λ ∈ C tel que Re(λ) > ω0 .

Preuve : Comme f est d’ordre eω0 t au voisinage de +∞, alors il existe des constantes M, t0
telles que
|f (t)| ≤ Meω0 t , pour tout t ≥ t0 .
Rt
Or f est continue par morceaux sur [0, t0 ] alors l’intégrale 0 0 f (t)e−λt dt est convergente. En
particulier,
|f (t)e−λt | ≤ Me−(Re(λ)−ω0 )t , pour tout t ≥ t0 .
R +∞ R +∞
Ce qui entraine que l’intégrale t0 f (t)e−λt dt est convergente si l’intégrale t0 e−(Re(λ)−ω0 )t dt
est convergente. Cette derniére intégrale est convergente si Re(λ) > ω0 . En fin, si Re(λ) > ω0 ,
R +∞ Rt R +∞
0
f (t)e−λt dt = 0 0 f (t)e−λt dt + t0 f (t)e−λt dt est convergente.

Remarque 155 Notons aussi que le Théoréme 17 ne donne qu’une condition suffisante d’exis-
tence de transformée de Laplace et que cette condition n’est pas nécessaire. Par exemple, la
1
fonction t 7−→ √ ne vérifie pas les conditions du théoréme mais admet une transformée de
t r
1 π
Laplace qui est définie par L[ √t ](s) = .
s

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.20 Propriétés de la transformation de Laplace lxiii

0.20 Propriétés de la transformation de Laplace

Théoréme 18 Si f est continue par morceaux sur [0, +∞[ et d’ordre eω0 t au voisinage de +∞,
alors
lim L(f )(λ) = 0.
λ→+∞

Preuve : Il existe des constantes ω0 , M1 et t0 telles que

|f (t)| ≤ M1 eω0 t , pour tout t ≥ t0 .

En particuler, f est continue par morceaux sur [0, t0 ] et donc f est bornée sur [0, t0 ]. Il existe
alors M2 tel que
|f (t)| ≤ M2 , t ∈ [0, t0 ].

Si M = max(M1 , M2 ) et c = max(ω0 , 0), on a

|f (t)| ≤ Mect , pour tout t ≥ 0.

Par ailleurs, on a
R +∞ R +∞
| 0
e−λt f (t)dt| ≤ M 0
e(c−Re(λ))t dt|
M
≤ Re(λ)−c
, pour tout Re(λ) > c.

Pour λ ∈ R, λ > c, on a
M
|L(f )(λ)| ≤ → 0 quand λ → +∞.
λ−c

Théoréme 19 (Transformée de Laplace de la dérivée)

On suppose que f ∈ C n−1 ([0, +∞[) et que f, f ′ , f ′′ , · · · , f (n−1) sont d’ordre eω0 t au voisinage de
l’infini. Si f (n) est continue par morceaux sur [0, +∞[ et d’ordre eω0 t au voisinage de l’infini,
alors
L(f (n) )(λ) = λn L(f )(λ) − λn−1 f (0) − λn−2 f ′ (0) − · · · − f (n−1) (0).

En particulier,
L(f ′ )(λ) = λL(f )(λ) − f (0),
L(f ′′ )(λ) = λ2 L(f )(λ) − λf (0) − f ′ (0),
L(f 3 )(λ) = λ3 L(f )(λ) − λ2 f (0) − λf ′ (0) − f ′′ (0).

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.20 Propriétés de la transformation de Laplace lxiv

Preuve : Par récurrence sur n :

— Pour n = 1, on a |f (t)| = O(eω0 t ) pour tout t ≥ 0. Si λ ∈ C tel que Re(λ) > ω0 , alors
Z +∞
′
L(f )(λ) = f ′ (t)e−λt dt,
0

cette intégrale est convergente car |f (t)| = O(eω0 t ). une intégration par partie donne :
′

R +∞
L(f ′)(λ) = 0 f ′ (t)e−λt dt,
R +∞
= [f (t)e−λt ]+∞
0 + λ 0 f (t)e−λt dt,

= −f (0) + λL(f )(λ).

— Supposons que l’on a pour n ≥ 2,

L(f (n−1) )(λ) = λn−1 L(f )(λ) − λn−2 f (0) − · · · − f (n−2) (0).

— Si f (n) satisfait les conditions données, une intégration par partie donne :
R +∞
L(f (n) )(λ) = 0 f (n) (t)e−λt dt,
R +∞
= [f (n−1) (t)e−λt ]+∞
0 + λ 0 f (n−1) (t)e−λt dt,

= −f (n−1) (0) + λL(f (n−1) )(λ).

Remarque 156 Si dans le Théoréme précédente, f n’est pas continue en 0 mais f (0+ ) =
limt→0+ f (t) existe alors
L(f ′)(λ) = λL(f )(λ) − f (0+ ).

Plus généralement, on a :

Théoréme 20 Soient f et f ′ satisfont aux hypothéses du Théoréme 19 et f est continue pour

tout t ≥ 0 sauf pour des sauts finis t1 , t1 , · · · , tn . Alors,
X n
′
L(f )(λ) = λL(f )(λ) − f (0) − e−λti (f (t+ −
i ) − f (ti )), pour tout Re(λ) > ω0 .
k=1

Preuve :
R +∞
L(f ′)(λ) = 0
f ′ (t)e−λt dt
R t1 n−1
R ti+1 R +∞
= 0
f ′ (t)e−λt dt + Σi=1 ti
f ′ (t)e−λt dt + tn
f ′ (t)e−λt dt.

On compléte la démonstration par des intégrations par parties.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.20 Propriétés de la transformation de Laplace lxv

Théoréme 21 (Transformée de Laplace de l’intégrale) Si f est continue par morceaux

sur [0, +∞[ et d’ordre eω0 t au voisinage de +∞, alors
Z t
1
L( f (s)ds)(λ) = L(f )(λ), pour Re(λ) > max(1, ω0 ).
0 λ

On pose c = max(0, ω0 ). Il existe M > 0 telle que |f (t)| ≤ Mect pour tout t ≥ 0. D’autre part,
Rt
la fonction g(t) = 0 f (s) ds est continue et on a, si c = ω0 > 0,
Z t Z t
M ω0 t M ω0 t
|g(t)| ≤ |f (s)| ds ≤ M ecs ds = (e − 1) ≤ e .
0 0 ω0 ω0
Si c = 0, Z t
|g(t)| ≤ M ds = Mt ≤ Met .
0

Ainsi, |g(t) = O(e )| avec ω = max(1, ω0 ). D’aprés le Théoréme 19, si Re(λ) > ω, alors
ωt

L(f )(λ) = L(g ′)(λ),

= λL(g)(λ) − g(0),

= λL(g)(λ).

D’où,
1
λL(g)(λ) = L(f )(λ), pour Re(λ) > ω = max(1, ω0 ).
λ

Théoréme 22 (Dérivée de la transformée de Laplace) Si f est continue par morceaux

sur [0, +∞[ et d’ordre eω0 t au voisinage de +∞, alors pour tout n ∈ N, on a

dn
L(tn f )(λ) = (−1)n L(f )(λ), Re(λ) > ω0 + 1.
dλn

En particulier,
d
L(tf )(λ) = − L(f )(λ), Re(λ) > ω0 + 1.
dλ

Preuve : f vérifie les hypothéses du Théoréme 17, donc tn f (t) les vérifie aussi pour tout n ∈ N.
En effet, t 7−→ tn est continue et t 7−→ tn f (t) est continue par morceaux sur [0, +∞[. De plus,
on a
|tn f (t)| ≤ tn Meω0 t ≤ n!Me(ω0 +1)t pour t ≥ t0 .

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.21 Transformée de Laplace inverse lxvi

R +∞
Pour Re(λ) > ω0 + 1, on a F (λ) = 0
e−λt f (t)dt et
Z +∞
(n)
F (λ) = (−1) n
tn e−λt f (t)dt = (−1)n L(tn f )(λ).
0

Exemple 157 Déterminons la transformée de Laplace de t 7−→ tn . D’aprés la proposition

précédente, on a
(−1)n L(tn f (t))(λ) = F (n) (λ).

On prend f (x) = 1 et donc pour λ ∈ C tel que Re(λ) > 0 ona F (λ) = λ1 , d’où
 (n)
(n) n 1 n!
F (λ) = (−1) = n+1 Re(λ) > 0.
λ λ

Théoréme 23 (Transformée de fonctions périodiques) Si f est une fonction périodique

de période T > 0 ayant une transformée de Laplace, alors
Z T
1
L(f )(λ) = e−λt f (t)dt, Re(λ) > 0.
1 − e−λT 0

Preuve :
R +∞
L(f )(λ) = 0
f (t)e−λt dt,

R (n+1)T
= Σ+∞
i=0 nT
f (t)e−λt dt,

RT
= Σ+∞
i=0 0
f (s + nT )e−λnT −λs ds,

RT
= Σ+∞
i=0 e
−λnT
0
f (s)e−λs ds,

1
RT
= 1−e−λT 0
f (t)e−λt dt.

Exemple 158 Calculer la transformée de Laplace de la fonction t 7−→ cos(ωt).

0.21 Transformée de Laplace inverse

On pose maintenant le probléme de déterminer l’original f lorsque la transformée de Laplace F

est connue. Si L(f ) = F , on dit que f est la transformée de Laplace inverse de F et on note :

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.21 Transformée de Laplace inverse lxvii

f = L−1 (F ).

Proposition 159 (Linéarité) Si L−1 (F ) et L−1 (G) existent et α et β ∈ C, alors

L−1 (αF + βG) = αL−1(F ) + βL−1 (G).

Preuve : En exercice.

Proposition 160 (Translation) Soit a ∈ C. Si L−1 (F ) existe, alors

L−1 (F )(t) = e−at L−1 (F (λ − a))(t).

R +∞
Preuve : Supposons que F (λ) = 0
e−λt f (t)dt pour Re(λ) > ω0 . On a alors :
R +∞
F (λ − a) = 0
e−λt eat f (t)dt
= L(eat f ), pour tout Re(λ) > ω0 + Re(a).

1
Exercice 161 Déyerminer L−1 ( λ2 −6λ+13 ) = eat (cos(2t) + 23 sin(2t)).

Proposition 162 Si L−1 (F ) = f et c ≥ 0 tels que f est définie sur [−c, 0[, alors alors

L−1 (e−λc F ) = H(t − c)f (t − c).

Preuve :
R +∞
L(H(t − c)f (t − c))(λ) = 0
e−λt H(t − c)f (t − c)dt,
R +∞ −λt
= c
e f (t − c)dt,

R +∞
= 0
e−λ(t+c) f (t)dt,

R +∞
= e−λc 0
e−λt f (t)dt,

= e−λc F (λ).

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.21 Transformée de Laplace inverse lxviii

Proposition 163 (Convolution) Si L−1 (F ) = f , L−1 (G) = g et f et g vérifient les hypo-

théses du Théoréme 17, alors
Rt
L−1 (F G)(t) = 0
g(s)f (t − s)ds,
Rt
= 0
g(t − s)f (s)ds.

Preuve : Les transformées de Laplace de f et g s’écrivent :

Z +∞ Z +∞
−λt
F (λ) = e f (t)dt, G(λ) = e−λt g(t)dt.
0 0

on a aussi
R +∞
F (λ)G(λ) = F (λ) 0 e−λt g(t)dt,
R +∞
= 0 e−λt F (λ)g(t)dt.

Or, L−1 (e−λs F (λ))(t) = H(t − s)f (t − s), ce qui implique que
Z +∞
−λs
e F (λ) = e−λt H(t − s)f (t − s)dt.
0

On a alors,
R +∞ R +∞
F (λ)G(λ) = 0 0
e−λt H(t − s)f (t − s)g(s) dt ds,

R +∞ R +∞
= 0 s
e−λt f (t − s) dtg(s) ds,

R +∞ R +∞
= 0 0
e−λt χ[s,+∞[(t)f (t − s)g(s) dt ds,

R +∞ R +∞
= 0 0
e−λt χ[0,t] (s)f (t − s)g(s) dt ds,

R +∞ hR i
−λt t
= 0
e 0
f (t − s)g(s) ds dt,

Rt
= L( 0
f (t − s)g(s) ds).

Remarque 164 Un outil trés utile pour la détermination de la transformée de Laplace inverse
N (λ)
est la méthode de la décomposition en éléments simples. Si F (λ) = D(λ)
, où N(λ) et D(λ) sont
deux polynômes tels que deg(N) < deg(D) et N(λ) et D(λ) sont premiers entre eux, alors F (λ)
peut être exprimée comme somme finie de fractions partielles.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.22 Transformée de Laplace des fonctions usuelles lxix

Exemple 165 Déterminer la transformée de Laplace inverse de la fonction

2λ3 + λ
F (λ) = .
(λ2 − 1)(λ2 + 1)

0.22 Transformée de Laplace des fonctions usuelles

On montre assez facilement que :

1
L[1(t)](λ) = λ
Condition : λ > 0 L−1 [ λ1 ](t) = H(t)

n 1 1 n
L[ tn! ](λ) = λn+1
Condition : λ > 0 L−1 [ λn+1 ](t) = H(t) tn!

n 1 1 n
L[ tn! e−at ](λ) = (λ+a)n+1
Condition : Re(λ) > −Re(a) L−1 [ λ+a ](t) = H(t) tn! e−at

1 1
L[e−at ](λ) = λ+a
Condition : Re(λ) > −Re(a) L−1 [ λ+a ](t) = H(t)e−at

λ λ
L[cos(ωt)](λ) = λ2 +ω 2
Condition : λ > 0 L−1 [ λ2 +ω 2 ](t) = cos(ωt)H(t)

ω ω
L[sin(ωt)](λ) = λ2 +ω 2
Condition : λ > 0 L−1 [ λ2 +ω 2 ](t) = sin(ωt)H(t)

0.22.1 Application à la résolution des équations différentielles ordinaires

Exercice 166 Résoudre les équations différentielles suivantes :

 
 x′′ (t) − 3x′ (t) + 2x(t) = 4e3t  x′′ (t) + 4x(t) = 6 cos(t) − 3 sin(t), t > 0,
 x(0) = 4, x′ (0) = 9.  x′ (0) = 4, x( π ) = 1 + √1 .
4 2

Exercice 167 Résoudre les systémes suivants :

 

 x′ (t) − y ′ (t) + x − y = 2 + 3e2t , t > 0, 
 x′ (t) + y ′ (t) − x(t) − y(t) = 2et , t > 0,

 

x′ (t) + 2y ′(t) − 3x = −3 + 2e2t , t > 0, x′ (t) + y ′ (t) − 3x(t) − 4y(t) = e2t , t > 0,

 


 

x(0) = 4, y(0) = 1. x(0) = 4, y(0) = 1.

Exercice 168 On considére l’équation différentielle


 f ′′ − f ′ − 6f = 2H(t),
 f (0) = 1, f ′ (0) = 0.

1. Calculer F la transformée de Laplace de f .

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.23 Transformée de Laplace des distributions lxx

2. Décomposer en éléments simples la fraction

X2 − X + 2
X(X − 3)(X + 2)

3. En déduitre l’expression de f .

0.23 Transformée de Laplace des distributions

Définition 169 Soit T ∈ D ′ (R)+ . S’il existe α ∈ R tel que, pour tout x > α, la distribution
exp(−xt)T soit tempérée, i.e., exp(−xt)T ∈ S ′ (R), alors on peut définir la transformée de
Laplace de T par l’application

s 7−→ L[T ](s) = hT, exp(−st)i .

On voit donc que la transformée de Laplace d’une distribution n’est pas une distribution mais
une fonction qui à un complexe s associe le complexe hT, exp(−st)i.

Exercice 170 Montrer que :

1) L[δ](s) = hδ, exp(−st)i = 1 donc L[δ] = 1,

2) L[δ ′ ](s) = s,

3) L[H](s) = 1s ,

5) L[T ∗ S] = L[T ]L[S].

Exercice 171 Calculer directement les TL des distributions, δ ′ , δ (n) et δa .

Exercice 172 Quels sont les inverses de convolution des distributions δ ′ , H(t)eλt et H(t) cos(t) ?.

Exercice 173 1) Déterminer l’inverse de convolution de la distribution δ ′′ + a2 δ.

2) En déduire une solution particuliére des équations différentielles :

T ′′ + a2 T = H(t)f (t), T ′′ + a2 T = δ ′ ,

où f est une fonction localement intégrable.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

0.23 Transformée de Laplace des distributions lxxi

0.23.1 Calcul des fonctions de transfer en électronique

On considére un circuit RLC.

b b

R i(t)
b b b b b

A
b

b b

b
b

b b b UR
UL E(t)
L

b b b b
UC b

b b

−q C +q b

b b b b

b b

L’équation
différentielle régissant un tel circuit est alors donnée par
Z
di(t) 1 t
E(t) = L + i(x) dx + Ri(t).
dt C 0
Dans l’espace D ′ (R)+ des distributions à support borné à droite, cette équation s’écrit alors
1
E = (Lδ ′ + W + Rδ) ∗ i.
C
En prenant la transformée de Laplace, il vient alors
1
E(s) = (Ls + + R)I(s),
Cs
d’où
E(s) 1
Z(s) := = Ls + + R.
I(s) Cs
Ce rapport de la tension à l’intensité en régime exponentiel est appelé fonction de transfert du
circuit en régime exponentiel.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions

Bibliographie

[1] Pierre Pansu, Cours de distributions, UniversitéParis-Sud.

[2] Jean-Luc Raimbault, Transformation de Fourier, UniversitéParis-Sud.

[3] Jean-Luc Raimbault, Transformation de Laplace, UniversitéParis-Sud.

[4] Lesfari, A. : Distributions, Analyse de Fourier et Transformation de Laplace (Cours et

exercices). Livre, 384 pages, ISBN : 978-2-7298-7629-6, éditions Ellipses, Paris (2012).

[5] T.Cluzeau, Mathématiques pour l’Ingénieur, École Nationale Supérieure d’Ingnieurs de

Limoges.

[6] Walter Appel. Mathématiques pour la physique et les physiciens, H & K Éditions (2 e
édition), 2002.

[7] François Roddier. Distributions et transformation de Fourier (à l’usage des physiciens et

des ingénieurs) Ediscience, 1971.

[8] M.Laabissi, Transformation de Fourier, cours présenté à l’ENSA en 2011-2012.

[9] M.Laabissi, Transformation de Laplace, cours présenté à l’ENSA en 2011-2012.

M. El Azzouzi Version provisoire : 13 septembre 2020 Cours de distributions