1

SUPCOM

Support de cours:

Mathématiques pour les TICs

Enseignants:

Sameh Najeh ([email protected])

&
Zouheir Ben Jemaa ([email protected])

Durée : 21H, Classes: INDP1

Année universitaire: 2020-2021

2
Contents

1 Intégration 7
1.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Intégrale de Riemann et limitations . . . . . . . . . . . . . . . . . 7
1.2.1 Rappel: Intégrale de Riemann . . . . . . . . . . . . . . . 7
1.2.2 Propriétés de l’intégrale de Riemann . . . . . . . . . . . . 7
1.2.3 Fonction en escalier . . . . . . . . . . . . . . . . . . . . . 8
1.3 Principe de l’Intégrale de Lebesgue . . . . . . . . . . . . . . . . . 8
1.4 Ensemble Mesurable . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4.1 Ensemble dénombrable . . . . . . . . . . . . . . . . . . . . 9
1.4.2 Tribu et Mesure . . . . . . . . . . . . . . . . . . . . . . . 10
1.4.3 Mesure de Lebesgue sur R . . . . . . . . . . . . . . . . . . 13
1.5 Fonctions Mesurables . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.5.1 Intégrale de Lebesgue . . . . . . . . . . . . . . . . . . . . 14
1.6 Espaces Lp (R) et L∞ (R) . . . . . . . . . . . . . . . . . . . . . . . 16
1.6.1 Espaces Lp . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.6.2 Espaces L∞ (R) . . . . . . . . . . . . . . . . . . . . . . . . 16
1.7 Théorèomes de convergence . . . . . . . . . . . . . . . . . . . . . 17
1.7.1 Théoréme de Convergence monotone de Beppo-Levi . . . 17
1.7.2 Théorème de convergence dominée de Lebesgue . . . . . . 17
1.7.3 Intégrales dépendantes d’un paramétre . . . . . . . . . . . 18
1.7.4 Théorème de Fubini . . . . . . . . . . . . . . . . . . . . . 19
1.8 Produit de Convolution . . . . . . . . . . . . . . . . . . . . . . . 19
1.8.1 Définiton et propriétés . . . . . . . . . . . . . . . . . . . . 19
1.8.2 Convolution dans L1 (R) et L2 (R) . . . . . . . . . . . . . . 20

2 Théorie des distributions 21

2.1 Définition des distributions . . . . . . . . . . . . . . . . . . . . . 21
2.1.1 Espace D(R) des fonctions tests . . . . . . . . . . . . . . 21
2.2 Classes des distributions . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.1 Distributions régulières . . . . . . . . . . . . . . . . . . . 22
2.2.2 Distributions non régulières . . . . . . . . . . . . . . . . . 23
2.2.3 Distributions paires et impaires dans . . . . . . . . . . . . 23
2.2.4 Distributions périodiques . . . . . . . . . . . . . . . . . . 24
2.2.5 Support d’une distribution . . . . . . . . . . . . . . . . . 24

3
4 CONTENTS

2.2.6 Produit d’une distribution par une fonction . . . . . . . . 24

2.3 Dérivée dans D0 (R) . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.1 Dérivée d’une distribution . . . . . . . . . . . . . . . . . . 25
2.3.2 Propriétés de la dérivation dans D0 (R) . . . . . . . . . . . 25
2.3.3 Dérivée des distributions régulières . . . . . . . . . . . . . 26
2.3.4 Dérivée d’une fonction au sens des distributions . . . . . . 26
2.3.5 Dérivée des impulsions de Dirac . . . . . . . . . . . . . . 26
2.4 Convergence dans D0 (R) . . . . . . . . . . . . . . . . . . . . . . . 27
2.4.1 Définitions et exemples . . . . . . . . . . . . . . . . . . . 27
2.4.2 Convergence d’une suite ou d’une famille de fonctions au
sens des distributions . . . . . . . . . . . . . . . . . . . . 28
2.5 Résolution de l’équation gT = S . . . . . . . . . . . . . . . . . . 28
2.6 Produit de convolution dans D0 (R) . . . . . . . . . . . . . . . . . 29
Introduction

L’objectif de cet enseignement est l’acquisition par l’étudiant d’un nombre as-
sez important de méthodes de calculs mathématiques. Certaines preuves sont
données car elles peuvent permettre une meilleur compréhension des résultats,
elles ne sont pas un objectif en soi, parfois juste une esquisse de la preuve est
proposée.
1. En traitement du signal, lorsque la variable t ∈ R désigne le temps, une
fonction f : t ∈ R → f (t) ∈ R est appelée un signal réel, et une fonction
f : t ∈ R → f (t) ∈ C est appelée un signal complexe. Soit x(t) un signal,
l’énergie totale Wx et la puissance moyenne totale Px sont calculées sur
tout l’intervalle de temps comme suivent:
Z Z T
1
Wx = |x(t)|2 , Px = lim |x(t)|2 (1)
R T →+∞ T −T

2. La théorie des distributions a été définie par L. Schwartz en 1947. Elle

permet de donner un cadre théorique et rigoureux à des calculs formels
effectués par Heaviside dés 1896 et par Dirac en 1926 : pour étudier des
phénoménes de propagation, les physiciens ont manié des objets, comme
la distribution de Dirac δ, avec les mêmes régles opératoires que celles
utilisées par fonctions. La distribution δ est donnée par

+∞ si t = 0
δ(t) = (2)
0 sinon

Or ces objets ne peuvent pas être des fonctions. La théorie des distribu-
tions, extension de la notion de fonction, a permis de fonder ces calculs et
d’en préciser le maniement. La théorie des distributions va permettre en
outre de dériver des fonctions qui n’ont pas de dérivée au sens classique.
C’est l’outil de base pour l’étude des équations aux dérivées partielles.

5
6 CONTENTS
Chapter 1

Intégration

1.1 Motivation
Soit D la fonction de Dirichlet définie par:

1 si x ∈ Q ∩ [0, 1]
D : [0, 1] → R, D(x) = (1.1)
0 sinon
R
Question: Est-ce que l’intégrale R D(x)dx est convergente ?.
Réponse:D n’est pas intégrable.

1.2 Intégrale de Riemann et limitations

Soit f : [a, b] → R, une fonction bornée définie sur un intervalle bornée [a, b].

1.2.1 Rappel: Intégrale de Riemann

Soit ∆n une subdivision de l’intervalle [a, b] : a = x0 < x1 < x2 .... < xn−1 <
xn = b.
On rappelle que la somme de Riemann I(∆n ) est donnée par
n
X
I(∆n ) = f (ξi )(xi − xi−1 ), ξi ∈]xi−1 , xi [. (1.2)
i=1

Si I(∆n ) admet une limite finie, lorsque n → +∞ et la plus grande des longueurs
(xi − xi−1 ) tend vers 0, alors on dit que f est intégrable au sens de Riemann (ou
R-intégrable). La limite est appelée intégrale de Riemann sur a et b, et notée:
Rb
a
f (x)dx.

1.2.2 Propriétés de l’intégrale de Riemann

Rb
1. L’application f → a
f (x)dx est une forme linéaire.

7
8 CHAPTER 1. INTÉGRATION

2. Si f est une fonction bornée, continue sur [a, b] sauf en un nombre fini de
points, alors f est R-intégrable.

3. Si (fn )n∈N est une suite de fonctions R-intégrables sur [a, b] et si (fn )n∈N
converge uniformément vers une fonction f, alors f est R-intégrable et on
a Z b Z b
f (x)dx = lim fn (x)dx. (1.3)
a n→+∞ a

4. Soit f une
R xfonction continue sur [a, b] alors la fonction F définie par:
F (x) = a f (t)dt est dérivable sur [a, b] et sa dérivée est égale à f.

1.2.3 Fonction en escalier

Une fonction φ : [a, b] → R est dite en escalier s’il exite une subdivision
∆n de [a, b] telle que φ ait une valeur constante ci sur chacun des intervalles
]xi−1 , xi [, i = 1, ..n.
Pour une fonction en escalier φ, son intégrale est définie par
n
X
I(φ) = ci (xi − xi−1 ). (1.4)
i=1

L’intégrale inférieure I(f ) et l’intégrale supérieure I(f ) sont alors définies par:

I(f ) = sup{I(φ), φ fonction en escalier, φ ≤ f }. (1.5)

I(f ) = inf {I(ψ), ψ fonction en escalier, ψ ≥ f }. (1.6)

ˆ la fonction f est bornée: φ ≤ f ≤ ψ.

ˆ I(f ) et I(f ) existent et I(f ) ≤ I(f ).

ˆ f est R- intégrable si I(f ) = I(f ).

Exercice 1. La fonction de Dirichlet D est-elle R-intégrable?

Réponse: non, car I(D) = 0 et I(f ) = 1.

1.3 Principe de l’Intégrale de Lebesgue

Lorsqu’une suite de fonctions (fn )n∈N ne converge pas uniformément, mais sim-
plement vers une fonction f sur [a, b] et si fn sont R-intégrables, alors f peut ne
pas être R-intégrable.
En fait, les sommes de Riemann ne conviennent que pour des fonctions discon-
tinues qui varient peu dans l’intervalle ]xi−1 , xi [.

Exercice 2. 1. Calculer la limite ponctuelle de la suite définie par:

fn (x) = n2 xe−nx , x ≥ 0.
1.4. ENSEMBLE MESURABLE 9

Figure 1.1: Riemann vs Lebesque.

R +∞ R +∞
2. Comparer limn→+∞ 0
fn (x)dx et 0
limn→+∞ fn (x)dx. Conclure.
R +∞ R +∞
3. Comparer limn→+∞ a fn (x)dx et a limn→+∞ fn (x)dx, pour a > 0.
Conclure.
En fait, l’intégrale de Riemann parcourt le segment et mesure la hauteur de
la fonction au fur et à mesure. Tandis que l’intégrale de Lebesque considére la
taille des ensembles de niveau: au lieu de découper l’ensemble de départ en petits
morceaux, on découpe l’ensemble d’arrivée. Soit [α, β] l’intervalle des variations
de f(x), et soit la répartition suivante
α = y0 < y1 < .. < yn = β. (1.7)
Soit les ensembles Ei , avec i = 1, ...n définis comme suit
Ei = {x ∈ [a, b], yi−1 < f (x) < yi }. (1.8)
Ces ensembles Ei peuvent être compliqués en terme de calcul de leur mesure
m(Ei ). Pn
On remplace la somme de Riemann par les sommes i=1 µi m(Ei ), avec
yi−1 < µi < yi . (1.9)

1.4 Ensemble Mesurable

1.4.1 Ensemble dénombrable
Définition 1. Un ensemble E est dénombrable si et seulement s’il existe une
bijection de E dans N ou dans une partie de N.
10 CHAPTER 1. INTÉGRATION

PAR CONVENTION: Le vide est dénombrable

Exemples 1. ˆ N est dénombrable.

ˆ Q est dénombrable.

ˆ L’ensemble des entiers pairs (et entiers impairs) est dénombrable.

ˆ N2 est dénombrable.

ˆ P (N) n’est pas dénombrable.

Proposition 1. 1. Une réunion dénombrable d’ensembles dénombrables est

dénombrable.

2. Un produit fini d’ensemble dénombrable est dénombrable.

1.4.2 Tribu et Mesure

Définition 2. Un ensemble τ de parties de Rp est une tribu (ou σ-algébre), ssi:

1. ∅ ∈ τ, Rp ∈ τ

2. Si S ∈ τ , alors S c ∈ τ (S c désigne le complémentaire de S)

3. Si Si ∈ τ, i ∈ N alors ∪+∞
i=1 Si ∈ τ

Les éléments de τ sont appelés ensembles mesurables. On dit que (Rp , τ ) est un
espace mesurable.

Exemples 2. Soit E un ensemble, E = Rp

ˆ P (E) est une tribu appelée tribu triviale.

ˆ {∅, E} est une tribu appelée tribu grossiére.

ˆ Soit ∅ 6= A ⊂ P (E), alors la plus petite tribu engendrée par A définie par:
τ = {∅, A, Ac , E}.

Propriété 1. Soit τ une tribu

1. Si (Sn )n∈N ∈ τ , alors ∩n Sn ∈ τ . En effet, (∩n∈N Sn )c = ∪n∈N Snc ∈ τ

2. τ est stable par intersection et union finie

Définition 3. Soit F une famille de parties de (R)p .On note

σ(F ) = ∩ τ (1.10)
τ tribu sur Rp ,F ⊂τ

Alors, σ(F ) est une tribu sur Rp appelée tribu engendrée par F. C’est la plus
petite tribu sur Rp qui contient F.
1.4. ENSEMBLE MESURABLE 11

Définition 4. (Rappel): Une topologie sur Rp est une famille T de parties de

Rp , telque:
ˆ ∅ ∈ T , Rp ∈ T
ˆ Si O1 , ...On ∈ T, ∩ni=1 Oi ∈ T
ˆ Si (Oi )i∈I est une famille quelconque d’éléments de T, alors ∪i∈I Oi ∈ T
Les éléments de T sont appelés des ouverts de Rp . On dit que (Rp , T ) est un
espace topologique.
Définition 5. : (Tribu de Borel) Soit (Rp , T ) un espace topologique. On appellle
tribu de Borel sur Rp la tribu engendrée par les ouverts de Rp : τ = σ(T ).
Remarques 1. Soit p = 1, alors
1. on note B(R) la tribu de Borel sur R
2. B(R) contient tous les ouverts et tous les fermés de R.
3. B(R) contient les unions dénombrables de fermés.
4. B(R) contient les intersections dénombrables d’ouverts.
Proposition 2. La tribu B(R) est engendrée par les intervalles ]a, +∞[ pour
a ∈ R.
Preuve: en exercice

Proposition 3. B(R) est engendrée par les intervalles ]a, +∞[ avec a ∈ Q. En
effet, ∀a ∈ R, ∃(an )n∈N ∈ Q décroissante vers a.

Définition 6. Mesure: Soit (Rp , τ ) un espace mesurable. On appelle mesure

positive (ou mesure) sur Rp une application µ : τ → [0, +∞], vérifiant:
1. µ(∅) = 0
2. additivité dénombrable: Si (An )n∈N est une famille dénombrable d’ensembles
mesurables 2 à 2 disjoints, alors
X
µ(∪n∈N An ) = µ(An ) (1.11)
n∈N

On dit que (Rp , τ, µ) est un espace mesuré.

Exercice 3. Soient un espace mesurable (E, τ ) et a ∈ E. Montrer que l’application
suivante δa est une mesure sur (E, τ ):

1 si a ∈ A
δa : τ → [0, +∞[, δa (A) = (1.12)
0 sinon

Cette mesure est appelée mesure de Dirac (ou masse de Dirac) au point a.
12 CHAPTER 1. INTÉGRATION

Proposition 4. 1. Monotonie: Soit A ∈ τ , B ∈ τ et A ⊂ B, alors:

µ(A) ≤ µ(B) (1.13)

2. Sous-Additivité: Soit An ∈ τ, n ∈ N, alors:

X
µ(∪n∈N An ) ≤ µ(An ) (1.14)
n∈N

3. Soit An ∈ τ, n ∈ N, si An ⊂ An+1 , ∀n ∈ N, alors:

µ(∪n∈N An ) = lim µ(An ) (1.15)
n→+∞

4. Soit An ∈ τ, n ∈ N, si An+1 ⊂ An , ∀n ∈ N et µ(A0 ) < ∞, alors:

µ(∩n∈N An ) = lim µ(An ) (1.16)
n→+∞

Proof. 1. On a B = A ∪ (B − A): union disjointe d’ élément de τ , donc:

µ(B) = µ(A) + µ(B − A) (1.17)
Puisque µ(B − A) ≥ 0, alors µ(A) ≤ µ(B)
2. Soit la suite (Bn )n∈N définie par:
B0 = A0 , B1 = A1 −A0 , B2 = A2 −(A0 ∪A1 )..., Bn = An −∪n−1
i=0 Ai (1.18)

Les Bn sont disjoints 2 à 2. Or,

∪ni=0 Ai = ∪ni=0 Bi (1.19)
Puisque: Bn ⊂ An , alors: µ(Bn ) ≤ µ(An )
Finalement, on a:
X X
µ(∪n An ) = µ(∪n Bn ) = µ(Bn ) ≤ µ(An ) (1.20)
n∈N n∈N

3. en exercice
4. en exercice

Exercice 4. Soit un espace mesurable (N, P(N)) muni de la mesure de comptage.

on considére les ensembles An définis par
An = {n, n + 1, n + 2, ...} (1.21)
A-ton ? \ X
µ( An ) = µ(An ) (1.22)
n n∈N

Expliquer?
1.5. FONCTIONS MESURABLES 13

Théorème 1. Mesure de Lebesgue sur R: Il existe une unique mesure positive

sur (R, B(R) notée λ, telle que

λ(]a, b[) = b − a, ∀a etb ∈ R et a < b (1.23)

Conséquence 1. La mesure de Lebesgue est diffuse

λ({x}) = 0, ∀x ∈ R (1.24)

En effet
1 1
{x} = ∩+∞
n=1 ]x − ,x − + [ (1.25)
n n
D’aprés la proposition précédente, on a
1 1 2
λ({x}) = lim λ(]x − , x − + [) = lim =0 (1.26)
n→+∞ n n n→+∞ n

On dit que la mesure de Lebesgue ne charge pas les points.

Conséquences 1. 1. λ(]a, b[) = λ([a, b[) = λ(]a, b]) = λ([a, b]) = b − a; a ≤ b
2. les ensembles dénombrables sont de mesure nulle.

1.4.3 Mesure de Lebesgue sur R

Il existe une unique mesure positive sur (R, B(R)) notée λ, ∀ le pavé P =
([a1 , b1 ] ∗ ... ∗ [ap , bp ]) dans Rp , et on a:
p
Y
λ(P ) = (bi − ai ) (1.27)
i=1

1.5 Fonctions Mesurables

Définition 7. Une fonction f : R → R est mesurable si et ssi: pour tout réel
a, l’ensemble f −1 (]a, +∞[) = {x ∈ R, f (x) > a} est mesurable.
Remarque 1. 1. f est mesurable ssi l’image réciproque de tout borélien est
mesurable.
2. L’ensemble A est mesurable ssi la fonction caractéristique χA de A, définie
par: χA (x) = 1, si x ∈ A et χA (x) = 0, sinon, est une fonction mesurable.
3. Il existe une analogie entre la Topologie et la Théorie des Mesure:

(a) Ouvert ←→ ensemble mesurable.

(b) Fonction continue ←→ fonction mesurable
Proposition 5. Toute fonction continue de f : R → R est mesurable.
14 CHAPTER 1. INTÉGRATION

Proof. L’image réciproque de tout ouvert est ouvert, donc borélien et alors f est
mesurable.
La réciproque est fausse, il suffit de prendre la fonction de Dirichlet D.
Proposition 6. Soient f et g deux fonctions mesurables de R dans R. Alors,
les fonctions suivantes sont mesurables:
λf (λ ∈ R), f +g, f g, |f |, sup(f, g), inf (f, g), f + = sup(f, 0), f − = −inf (f, 0) = sup(−f, 0)
(1.28)
Proposition 7. Soit (fn )n∈N une suite de fonctions mesurables. La limite
ponctuelle de la suite (fn )n , si elle existe, elle est mesurable.
Définition 8. Une fonction f : R → R est dite simple ou étagée, si elle ne
prend qu’un seul nombrePfini de valeurs.
n
Ainsi, la fonction f = i=1 ai χEi , où les ai sont des rèels et les Ei sont des
ensembles mesurables.
Propriété 2. La somme, le produit, la valeur abssolue simples sont simples.
L’importance des fonctions simples réside dans le théoréme d’approximation
suivant:
Théorème 2. Toute fonction mesurable positive est la limite d’une suite crois-
sante de fonctions simples.

1.5.1 Intégrale de Lebesgue

Définition 9. Pintégrale de fonctions simples positives Soit s une fonction simple
n
positive et s = i=n ai χEi .
L’intégrale de Lebesgue de s est le nombre positif dans R+ ∪ {+∞}, définie par
Z Xn
sdm = ai m(Ei ) (1.29)
i=1
R
On dit que s est intégrable au sens de Lebesgue, si s est finie.
Définition 10. Soit f une fonction mesurable positive. L’intégrale de Lebesgue
de f est le nombre positif (dans R+ ∪ {+∞}) définie par
Z Z
f dλ = sup{ s, 0 ≤ s ≤ f, ssimple} (1.30)
R
On dit que f est intégrable si f dm est finie.
Définition 11. Intégrale d’une fonction mesurable
Une fonction mesurable f est dite intégrable si les fonctions f + et f − ont
chacune une intégrale finie, et on a
Z Z Z
f dλ = f dλ(x) − f − dλ(x), f = f + − f −
+
(1.31)

En fait, les fonctions f + et f − sont mesurables positives.

R R
Si F est un ensemble mesurable, l’intégrale de f sur F est F f dλ(x) = f χF dλ(x)
1.5. FONCTIONS MESURABLES 15

R
Propriété 3. 1. L’application f 7−→ f dλ(x) est une application linéaire.

2. Si f et g sont mesurables sur E (un ensemble mesurable) et f ≤ g, alors

Z Z
f dλ(x) ≤ gdλ(x) (1.32)
E E

3. Si E ⊂ F sont deux ensembles mesurables et f est une fonction mesurable

positive, alors Z Z
f (x)dλ(x) ≤ f dλ(x) (1.33)
E F

4. Soit E et F deux ensembles mesurables et E ∩ F = ∅, alors on a

Z Z Z
f (x)dλ(x) = f (x)dλ(x) + f (x)dλ(x) (1.34)
E∪F E F

5. E = ∪n En , où (En )n est une suite d’ensembles mesurables, alors

Z Z
f dm(x) = limn7−→+∞ f dλ(x) (1.35)
E En

6. Soit f : R → R+ une fonction mesurable, alors

R
f (x)dm(x) = 0 ⇐⇒
f = 0(pp).

Proposition 8. Une fonction mesurable est intégrable ssi |f | est intégrable. On

a ainsi: Z Z
| f dm(x)| ≤ |f |dm(x) (1.36)

Définition 12. Une proposition liée à un point s ∈ Rp est vérifiée presque

partout (pp), si l’ensemble des points pour lesquels elle n’est pas vérifiée est de
mesure nulle.

Définition 13. Deux fonctions mesurables sont égales presque partout:

f = g (pp), si l’ensemble {x, f (x) 6= g(x)} est un ensemble de mesure nulle.

Exemples 3. 1. Soit la fonction de Heaviside (ou échelon unité) H, définie

par 
1 if x ≥ 0
H : R → R, H(x) = (1.37)
0 sinon
H est une fonction continue et dérivable (pp).
R
2. La fonction de Dirichlet D = 0(pp), donc: R D(x)dx = 0.

Exercice 5. Montrer que la relation (pp) est une relation d’équivalence (c.à.d
réflexive, symétrique et transitive).
16 CHAPTER 1. INTÉGRATION

1.6 Espaces Lp (R) et L∞ (R)

1.6.1 Espaces Lp
Soit p ∈ N∗ . Rappel: On appelle semi-norme sur E, une fonction S : E → R+
satisfaisant les deux conditions suivantes:
1. ∀x ∈ E, ∀λ ∈ R, S(λx) = |λ| S(x).
2. ∀x ∈ E, ∀y ∈ E, S(x + y) ≤ s(x) + S(y).
Une norme est une semi-norme satisfaisant (en plus) pour tout x ∈ E: S(x) =
0 ⇒ x = 0.
Définition 14. : Soit pour tout p ∈ N∗ et
Z
p 1
p
l (R) = {f : X → R mesurable, [ |f (x)| dλ(x)] p < ∞}. (1.38)
R
R p 1
Ainsi, l’application k.kp : f → kf kp = [ R |f (x)| dx] p est une semi-norme sur
lp (R), mais une norme sur l’espace vectoriel Lp (R) = lp (R)/pp .
Exercice 6. prouver que l’espace quotient Lp (R) est un espace vectoriel et que
k.kp définit une norme sur Lp (R).
Proposition 9. (Lp (R), k.kp ) est un espace complet (i.e toute suite de Cauchy
est convergente).
Preuve: en exercice.
En particulier, l’espace (L2 (R), k.k2 ) est un espace de Hilbert, le produit scalaire
associé est définie par Z
< f, g >= f (x)g(x)dx (1.39)
R

1.6.2 Espaces L∞ (R)

Définition 15. Soit f une fonction mesurable. f est dite essentiellement bornée
s’il existe une constante c > 0, tel que {x, kf (x)k > c} soit négligeable.
Exemple 1. : La fonction f définie par
(
x si x ∈ Z
f : R → R, x → f (x) = (1.40)
1 sinon

est une fonction essentiellement bornée.

Définition 16. Soit l∞ (R) l’espace vectoriel des fonctions mesurables essen-
tiellement bornées et soit L∞ (R) = l∞ (R)/(pp) , l’espace quotient obtenu en
considérant la relation d’q́uivalence (pp).
L’application f 7−→ kf k∞ = inf {c ≥ 0, λ{x, |f (x)| > c} = 0} est une norme
sur L∞ (R).
Muni de la norme k.k∞ l’espace L∞ (R) est complet.
1.7. THÉORÈOMES DE CONVERGENCE 17

1.7 Théorèomes de convergence

1.7.1 Théoréme de Convergence monotone de Beppo-Levi
Soit (fn )n∈N une suite de fonction mesurables positives de R dans R et crois-
santes. Alors la fonction f définie par

f : R → R ∪ {+∞}
(1.41)
x → f (x) = limn→+∞ fn (x)

est une fonction mesurable, positive et vérifie :

R R R
limn→+∞ R fn (x)dx = R limn→+∞ fn (x)dx = R f (x)dx (1.42)

Application 1. Pour tout entier naturel n et pour tout x ∈ [0, +∞[, soit
−x
fn (x) = nne
√
x+1

1. Montrer que, pour tout n, (fn (x))n∈N est intégrable pour la mesure de
Lebesgue.
R
2. Pour tout entier naturel n, soit an = R+ fn (x)dx. Montrer que la suite
(an )n∈N est convergente et calculer
√
sa limite.
R +∞ 2
On rappelle que 0 e−x dx = 2π .

e−nt
R1
3. Calculer la limite de la suite un = n 0
√
1+t
dt

1.7.2 Théorème de convergence dominée de Lebesgue

Soit (fn )n∈N une suite de fonctions mesurables définies sur R, convergeant
presque partout vers f. S’il existe une fonction g mesurable positive, intégrable
et telle que:
∀n ∈ N, |fn (x)| ≤ g(x), (pp) (1.43)
Alors, f est intégrable et pour tout ensemble mesurable X, on a:
R R
X
f (x)dx = limn→+∞ X fn (x)dx (1.44)

Ainsi, la limite d’une suite de fonctions Lebesgue-intégrables est une fonction

Lebesgue intégrable.

Application 2. :
Z +∞
1
1. Calculer dx.
−∞ 1 + n2 x2
+∞ 2
ne−x cos (x)
Z
2. Déduire lim dx.
n→+∞ −∞ 1 + n2 x2
18 CHAPTER 1. INTÉGRATION

1.7.3 Intégrales dépendantes d’un paramétre

Soit [a, b] ⊂ R un intervalle borné et f une fonction mesurable définie par

f : [a, b] × R → R
. (1.45)
(t, x) → f (t, x)

On pose pour t ∈ [a, b], Z

I(t) = f (t, x)dx (1.46)
R

Soit t0 ∈ [a, b] et V (t0 ) un voisinage de t0

Théoréme de la continuité d’une intégrale à paramétre

Si la fonction t → f (t, x) est une fonction continue en t0 pour presque pour
tout x ∈ R, telle qu’il existe une fonction g : R → R intégrable, telle que
∀t ∈ V (t0 ); |f (t, x)| ≤ g(x) (pp)
(1.47)
Alors, I est continue en t0 .

Proof. Soit (tn )n∈N∗ une suite dans V (t0 ), tn → t0 .

Soit la suite de fonction fn : x → f (tn , x), on alors

lim fn (x) = lim f (tn , x) = f (t0 , x), ∀x ∈ R (1.48)

n→+∞ n→+∞

De plus, on a
|f (tn , x)| = |fn (x)| ≤ g(x), , (pp) (1.49)
D’après le théorème de la convergence dominée de Lebesgue, on a
Z Z Z Z
lim fn (x)dx = lim f (tn , x)dx = lim f (tn , x)dx = f (t0 , x)dx = I(t0 )
n→+∞ R n→+∞ R R n→+∞ R
(1.50)

Théorème de la dérivabilité d’une intégrale à paramétre

Si t → f (t, x) est dérivable au voisinage de t0 pour presque tout x ∈ R et s’il
existe une fonction g : R → R intégrable,

∂f
(t, x) ≤ g(x), , (pp) (1.51)
∂t
R
Alors I(t) = R
f (t, x)dx est dérivable en t0 et on
Z
∂f
I 0 (t0 ) = (t, x)dx/t=t0 (1.52)
R ∂t
1.8. PRODUIT DE CONVOLUTION 19

1.7.4 Théorème de Fubini

Soit f : R2 → R mesurable. Si f est intégrable (au sens de Lebesgue) sur R2 ,
alors on a:

1. fx : y → fx (y) = f (x, y) est intégrable pour presque tout x ∈ R et fy :

x → fy (x) = f (x, y) est intégrable pour presque tout y ∈ R.
R
2. Les
R fonctions correspondantes définies par: x → R f (x, y)dm(y) et y →
R
f (x, y)dm(x) sont dans L1 (R).

3. on a:
Z Z Z Z Z
f (x, y)dm(x, y) = [ f (x, y)dm(x)]dm(y) = [ f (x, y)dm(y)]dm(x)
R2 R R R R
(1.53)

1.8 Produit de Convolution

1.8.1 Définiton et propriétés
Définition 17. Soit f, g : R → R ou C mesurables. On pose, formellement
Z
f ∗ g(x) = f (x − y)g(y)dy (1.54)
Rn

Si cette inégrale est définie, on appelle f ∗ g le produit de convolution de f et de

g.

Propriété 4. 1. Commutativité: si f ∗ g est défini, alors:

f ∗ g(x) = g ∗ f (x) (1.55)

2. Distribution: si f ∗ g et f ∗ h sont définis, alors:

(f ∗ (g + h))(x) = (f ∗ g)(x) + (f ∗ h)(x) (1.56)

3. Associativité: Si f ∗ (g ∗ h) est défini, alors

f ∗ g ∗ h = (f ∗ g) ∗ h = f ∗ (g ∗ h) (1.57)

4. Invariance au décalage: pout tout x0 ∈ R, et si f ∗ g existe, alors

f (x) ∗ g(x − x0 ) = f (x − x0 ) ∗ g(x) (1.58)

Preuve: en exercice
20 CHAPTER 1. INTÉGRATION

1.8.2 Convolution dans L1 (R) et L2 (R)

Propriété 5. soit (f, g) ∈ L1 (R) × L1 (R), alors on a
1. f ∗ g est définie pp et que f ∗ g ∈ L1 (R)

2. La convolution est un opérateur bilinéaire continue de L1 (R)×L1 (R) dans

L1 (R) et que
kf ∗ gk1 ≤ kf k1 kgk1 (1.59)

Preuve: en exercice
Propriété 6. soit (f, g) ∈ L2 (R)2 , alors on a
1. f ∗ g est partout définie, continue et borné sur R

2. kf ∗ gk∞ ≤ kf k2 kgk2
Preuve: en exercice
Propriété 7. soit (f, g) ∈ L1 (R) × L2 (R), alors on a
1. f ∗ g existe pp

2. f ∗ g ∈ L2 (R) et kf ∗ gk2 ≤ kf k1 kgk2

Preuve: en exercice
Propriété 8. Soient n ∈ N∗ , f ∈ L1 (R) et g ∈ C n (R). Supposons que g (k) est
bornée à l’infini pour k = 0, 1, ..n, alors on a

1. f ∗ g ∈ C n (R)
2. (f ∗ g)(n) = f ∗ g (n)
Preuve: en exercice.
Chapter 2

Théorie des distributions

Introduction
1. Communications Numériques: Les signaux numériques qui sont constitués
d’implusions successives brèves, mais transportent chacune de l’énergie.
Comment trouver dans ce cas, le modèle mathématique ? Comment trou-
ver une fonction qui représente une implusion.
2. Physique: Mesurer la température d’un fil rectiligne en un point donné.
Cette mesure n’est pas réalisable.
En fait, pour ce faire le thermométre prend en compte toutes les températures
dans un voisinage du point x0 selon une fonction de sensibilité Φ0 .
ROn note T0 la température mesurée, elle est ainsi définie par: T0 =
R
T (x)Φ0 (x)dx. où T est la fonction de répartition de la température
le long de la barre. R
En un autre point x1 , on a: T1 = R T (x)Φ1 (x)dx
R
Ainsi, l’opérateur Φ →< T, Φ >= R T (x)Φ(x)dx est un opérateur linéaire.

2.1 Définition des distributions

2.1.1 Espace D(R) des fonctions tests
Définition 18. : On note D(R) l’ensemble des fonctions indéfiniment dérivales
sur R et à support borné. Une fonction φ ∈ D(R) est appelée une fonction
test ou une fonction d’essai. L’ensemble D(R) est appelé espace fonctionnel de
Schwartz.
Exemple 2. Pour a > 0, soit ϕa la fonction définie par:
( 2
− a2a−x2
ϕa := e , si |x| < a (2.1)
0 , sinon
Ainsi, ϕa ∈ D(R).

21
22 CHAPTER 2. THÉORIE DES DISTRIBUTIONS

Définition 19. : On appelle distribution toute application linéaire et continue

T : D(R) → R
(2.2)
ϕ → T (ϕ)

Remarque 2. La contuité de T se traduit par: ϕn → ϕ dans D(R), alors:

T (ϕn ) → T (ϕ).
Définition 20. : On dit que (ϕn )n∈N tend vers ϕ dans D(R), si
1. les supports de tous les (ϕn ) sont inclus dans un intervalle compact fixe
[a, b].
(p)
2. ∀p ∈ N les suites de fonctions (ϕn )n∈N converge uniformément vers ϕ(p)
sur R quand n → +∞.
Proposition 10. : Si une suite (ϕn ) d’éléments de D(R) tend vers 0 dans
D(R) quand n tend vers +∞, alors la suite (ϕ0n ) dans D0 (R) tend vers 0 dans
D(R).
Définition 21. : On note par D0 (R) l’ensemble de toutes les distributions.

Remarque:
D0 (R) est aussi appelé Dual topologique de D(R).
Exemple 3. : Distribution ponctuelle.
Soit a ∈ R et δa l’application définie par δa (ϕ) = ϕ(a) pour tout ϕ ∈ D(R). δa
est une distribution appelée distribution de Dirac au point a.
On note δ = δ0 la distribution du Dirac au point 0.

2.2 Classes des distributions

2.2.1 Distributions régulières
Proposition 11. : Si f est une fonction localementR integrable sur R, alors
l’application associée à f définie par Tf (ϕ) = R f (x)ϕ(x)dx est une distribution
appelée distribution régulière.

Preuve
ˆ Tf est linéaire
ˆ |Tf (ϕ)| ≤ R |f (x)ϕ(x)|dx ≤ ||ϕ||∞ support(ϕ) |f (x)|dx
R R

Proposition 12. : Soient deux fonctions localement intégrables f et g égales

presque partout, alors Tf = Tg .
Théorème 3. : Tf = 0 ⇔ f = 0 pp
2.2. CLASSES DES DISTRIBUTIONS 23

Exemple R4. : Distribution régulière constante c, elle est définie par

< c, φ >= R cφ(x)dx
En particulier, si c = 0, il s’agit de la distribution régulière nulle.
Exemple 5. : La fonction Heaviside

1, si x > 0
H(x) =
0, sinon

H(x) définit la distribution de Heaviside par:

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

Exemple 6. : La fonction sgn(x) = 2H(x) − 1 est une distribution, qu’on note

ε.

2.2.2 Distributions non régulières

Définition 22. : Toute distribution qui n’est pas régulière est dite non régulière
ou irrégulière.
Exemple 7. : La distribution de Dirac δ est irrégulière.
Preuve:
R En effet, s’il existe f localement integrable telle que ∀ϕ ∈ D,
R
f (x)ϕ(x)dx = ϕ(0). Soit
(
− 1
ϕ(x) = e 1−x2 , si|x| < 1
0, sinon

2.2.3 Distributions paires et impaires dans

On note par fσ (x) = f (−x) la symetrisée de f .
Soit Tf une distribution régulière, alors
Z
∀ϕ ∈ D , (Tf )σ (ϕ) = fσ (x)ϕ(x)dx (2.3)
R

Dans ce cas :
Z Z Z Z
(Tf )σ (ϕ) = fσ (x)ϕ(x)dx = f (−x)ϕ(x)dx = f (x)ϕ(−x)dx = f (x)ϕσ (x)dx
R R R R
(2.4)
On définit la symetrisée Tσ d’une distribution T par

Tσ (ϕ) = T (ϕσ ) , ∀ ϕ ∈ D (2.5)

ˆ T est paire si Tσ = T
ˆ T est impaire si Tσ = −T
Exemple 8. T = δ0 est paire.
24 CHAPTER 2. THÉORIE DES DISTRIBUTIONS

2.2.4 Distributions périodiques

Définition 23. : Soit a ∈ R∗ , la translaté τa T d’une distribution T est définie
par < τa T, ϕ >=< T, τ− aϕ > pour toute ϕ ∈ D(R).
Une distribution T est dite périodique de période a si τa T = T .

Exemple 9. : τa δb = δa+b

2.2.5 Support d’une distribution

Soit ϕ une fonction continue, on a: supp(ϕ) = {x ∈ R, ϕ(x) 6= 0}

Définition 24. : On dit qu’une distribution T est nulle sur un ouvert O si

T (ϕ) = 0 pour toute fonction test ϕ telle que supp(ϕ) ⊂ O.

Exemple 10. : δ = 0 sur ]0, +∞[

Remarque 3. : Ainsi on a Tf ≡ 0 sur O si et seulement si f (x) = 0 presque

partout sut O. Ou plus généralement: Tf ≡ 0 si et seulement si f (x) = 0
presque partout sut R.

Définition 25. : On appelle support d’une distribution T le complémentaire

du plus grand ouvert sur lequel T est nulle. supp(T ) est donc un fermé de R.

Proposition 13. : Si Tf est une distribution régulière, alors supp(Tf ) =

supp(f ).

Preuve
Tf 6= 0 sur θ = supp(Tf ) ⇔ f (x) 6= 0 pp x ∈ θ ⇔ θ = supp(f ).

Définition 26. : Une distribution T ∈ D(R) est dite causale si et seulement si

Supp(T ) ⊂ [0, +∞[.

2.2.6 Produit d’une distribution par une fonction

Définition 27. : Le produit d’une distribution T par une fonction g indéfiniment
dérivable est défini par:

∀ϕ ∈ D; < gT, ϕ >=< T, gϕ >

Exemple 11. : < gδa , ϕ >=< δa , gϕ >= g(a)ϕ(a) =< g(a)δa , ϕ >
Donc gδa = g(a)δa
En particulier si g(x) = x ⇒ xδ0 = xδ = 0
2.3. DÉRIVÉE DANS D0 (R) 25

2.3 Dérivée dans D0 (R)

2.3.1 Dérivée d’une distribution
Définition 28. :Soit T ∈ D(R)0 , on définit la dérivée T 0 ∈ D0 (R) de T , telle
que: ∀ϕ ∈ D(R); < T (n) , ϕ >= (−1)n < T, ϕ(n) >
Exemple 12. :
1. Calculer la dérivée de δa
2. Calculer la dérivée de Heaviside.

2.3.2 Propriétés de la dérivation dans D0 (R)

Théorème 4. 1. (T + S)0 = T 0 + S 0 , ∀T, S ∈ D0 (R)
2. (λT )0 = λT 0 , ∀T ∈ D0 (R) et ∀λ ∈ R
3. Soit g ∈ C ∞ et T ∈ D0 (R), alors (gT )0 = g 0 T + gT 0
4. Soit T ∈ D0 (R), et a ∈ R, alors (Ha T )0 = aHa T 0 . Ainsi si T est paire
alors T 0 est impaire et inversement.
5. (τa T )0 = τa T 0 , cu qui entraı̂ne que si T est a périodique, alors T 0 est
périodique et de même période a.
6. T est constante si et seulement si T 0 = 0.
Proof. 1. Evident
2. Evident
3. On a < (gT )0 , ϕ >= − < gT, ϕ0 >= − < T, gϕ0 >= − < T, (gϕ)0 −g 0 ϕ >=
− < T, (gϕ)0 > + < T, g 0 ϕ >=< T 0 , gϕ > + < g 0 T, ϕ >=< gT 0 , ϕ > + <
g 0 T, ϕ >.
D’où le résultat
4. < (T (at))0 , ϕ >= − < T (at), ϕ >= − |a|
1
< T (t), ϕ0 ( at ) > + < T, g 0 ϕ >
D’autre part, < aT (at), ϕ >= − |a| < T (t), ϕ0 ( at > + < T, g 0 ϕ >
0 1

Donc (T (at))0 = aT 0 (at)

Si a = −1, on a le résultat.
5. On a: < (τa T )0 , ϕ >= − < τa T, ϕ0 (t) >=< T (t), ϕ0 (t + a) > . Donc:
< (τa T )0 , ϕ >= − < T 0 (t), ϕ(t + a) >= − < τa T 0 , ϕ(t) >.
D’où (τa T )0 = τa T 0 Donc si τa T = T (t) alors (τa T )0 = T 0 (t) et T 0 est
périodique de période a.
6. Si T = k alors < T 0 , ϕ >= − < T, ϕ0 >= −k R φ0 (t)dt = 0, car ϕ ∈ D. Si
R

T 0 = 0, soit ϕ ∈ D, < T 0 , ϕ >= − < T, ϕ0 >= 0, Donc T = cste.

26 CHAPTER 2. THÉORIE DES DISTRIBUTIONS

2.3.3 Dérivée des distributions régulières

Soit f localement integrable, Tf admet une dérivée qui est Tf0 . On dit que Tf0
est la dérivée de f au sens des distributions.
Lorsque f est une fonction absolument continue sur tout intervalle compact
[a, b], alors on:
Z Z
0 0 0
< Tf , ϕ >= − < Tf , ϕ >= − f (t)ϕ (t)dt = f 0 (t)ϕ(t)dt =< Tf 0 , ϕ > .
R R
(2.6)
Donc Tf0 = Tf 0 , d’où pour toute fonction absolument continue sur sur tout in-
tervalle compact [a, b], la dérivée de f au sens des distributions coincide presque
partout avec la dérivée usuelle.
Exemple 13. : f (x) = |x| ⇒ f 0 (x) = sign(x) presque pour tout x.

2.3.4 Dérivée d’une fonction au sens des distributions

Théorème 5. 1. Soit f une fonction de classe C 1 sauf aux points a1 , a2 , ..., ap .
On suppose qu’en chacun de ces points f admet un saut d’amplitude
−
∆f (an ) = f (a+
n ) − f (an ), alors on a:

p
X
Tf0 = Tf 0 + ∆f (an )δan (2.7)
n=1

2. Soit f une fonction de classe C 2 sauf aux points a1 , a2 , ..., ap . On suppose

qu’en chacun de ces points f admet un saut d’amplitude ∆f (an ) = f (a+ n )−
f (a− 0 0 0 +
n ) et que f admet un saut d’amplitude ∆f (an ) = f (an ) − f (an ),
0 −

alors on a:
p
X p
X
Tf00 = Tf 00 + ∆f (an )δa0 n + ∆f 0 (an )δan . (2.8)
n=1 n=1

Exemple 14. : Soit f (t) = t sur [0, 1[, on suppose que f est périodique de
période 1.
Calculer Tf0 et Tf00 .
Réponses:

P+∞
1. Tf0 = [1] − n=−∞ δn .
P+∞
2. Tf00 = − n=−∞ δn0 .

2.3.5 Dérivée des impulsions de Dirac

Proposition 14. Soit ϕ ∈ D(R), p ∈ N et a ∈ R , alors on
< τa δ (p) , ϕ >= (−1)p ϕ(p) (a) (2.9)
2.4. CONVERGENCE DANS D0 (R) 27

Preuve
On raisonne par récurrence sur p, comme suit:

1. si p = 0, < τa δ, ϕ >=< δ, τ−a ϕ >= ϕ(a)

2. si ce résultat pour p: (HR) < τa δ (p) , ϕ >= (−1)p ϕ(p) (a), montrons le pour
p + 1: on a: < τa δ (p+1) , ϕ >=< τa δ (p) , ϕ >= − < τa δ (p) , ϕ0 >. D’après
(HR)on a: < τa δ (p+1) , ϕ >= −(−1)p ϕ0(p) (a) = (−1)p+1 ϕ(p+1) (a).
D’où le résultat.

Théorème 6. 1. tδ (n) = −nδ (n−1) , n ∈ N∗

2. tn δ (n) = (−1)n n! δ, n ∈ N

3. tp δ (q) = 0, , si p > q

Preuve
En exercice

2.4 Convergence dans D0 (R)

2.4.1 Définitions et exemples
Définition 29. 1. On dit que (Tn )n∈N ∈ D0 (R) converge vers T , si ∀ϕ ∈
D(R), < Tn , ϕ > converge vers < T, ϕ >.

2. La famille Ta , a ∈ R de distributions a pour limite T lorsque a tend vers

a0 , si ∀ϕ ∈ D(R), < Ta , ϕ > converge vers < T, ϕ >.

Exemple 15. 1. Calculer limn→+∞ δn .

Réponse:
soit ϕ ∈ D, alors: < δn , ϕ >= ϕ(n) → 0 quand n → +∞, car ϕ ∈ D,
donc: limn→+∞ δn = 0

2. Soit h 6= 0, Th = h1 [τ−h T − T ]. Calculer limh→0 Th

Réponse:
soit ϕ ∈ D, alors on a: < Th , ϕ >= h1 < [τ−h T − T ], ϕ >= h1 [< τ−h T, ϕ >
− < T, ϕ >] = h1 [< T, τh ϕ > − < T, ϕ >].
Ainsi, nous avons: < Th , ϕ >=< T, h1 [τh ϕ − ϕ] > .
Puisque: h1 [τh ϕ − ϕ](x) = τh ϕ(x)−ϕ(x)
h = ϕ(x−h)−ϕ(x)
h → −ϕ0 (x), lorsque
h → 0.
Ainsi, nous avons:
< Th , ϕ >=< T, h1 [τh ϕ − ϕ] >→ − < T, ϕ0 >=< T 0 , ϕ >.
Conclusion: Th → T 0 , lorsque h 6= 0.
28 CHAPTER 2. THÉORIE DES DISTRIBUTIONS

2.4.2 Convergence d’une suite ou d’une famille de fonc-

tions au sens des distributions
Définition 30. 1. On dit qu’une suite (fn )n∈N de fonctions converge au sens
des distributions vers T lorsque n tend vers l’infini, si la suite des distri-
butions régulières associées a pour limite T .
2. On dit qu’une famille (fh )h∈R de fonctions converge au sens des distribu-
tions vers T lorsque h tend vers h0 , si la famille des distributions régulières
associées a pour limite T .
Théorème 7. Soit (fn )n∈N une suite de fonctions intégrables sur tout segment
et f une fonction intégrable sur tout segment.
1. Si (fn ) converge vers f uniformément sur tout segment, alors (fn ) con-
verge vers f dans D0 (R).
2. Si (fn ) converge vers f dans L2 (I) pour tout segment I, alors (fn ) con-
verge vers f dans D0 (R).
3. En particulier la somme δn = h0 + h1 + ... + hn des n + 1 premières
harmoniques d’une fonction f développable en série de fourier converge
dans D0 (R) vers f .

2.5 Résolution de l’équation gT = S

Soit g une fonction dans C ∞ (R), résolvons l’équation gT = S, où T, S ∈ D0 (R).
Théorème 8. Soit T0 une solution de gT = S, toute autre solution T est de la
forme: T = T0 + u, avec u est une solution de gT = 0.
Proof. on a: gT0 = S et gT = S, alors: g(T0 − T ) = 0. Donc: T0 − T = u. D’où
le résultat.
Théorème 9. ˆ Les solutions de l’équation tT = 0 sont T = kδ, avec k une
constante.
ˆ Les solutions de l’èquation: tn T = 0 sont: T = A0 δ +A1 δ 0 +....An−1 δ (n−1)

Application
Résoudre les équations suivantes: (t − a)n T = 0 et tn T = f , où la fonction
t → ft(t)
n est une fonction localement intégrable.

Réponses
1. Les solutions de l’équation (t − a)n T = 0 sont données par:
(n−1)
T = A0 δa + A1 δa0 + ....A0 δa
2. Les solutions de l’équation tn T = f sont données par:
T = T fn + A0 δ + A1 δ 0 + ....A0 δ (n−1)
t
2.6. PRODUIT DE CONVOLUTION DANS D0 (R) 29

2.6 Produit de convolution dans D0 (R)

Définition 31. soient f et g deux fonctions intégrables, puisque h = f ∗ g ∈
L1 (R), et on a:
Z Z Z
< Th , ϕ >= h(t)ϕ(t)dt = [ f (u)g(t − u)du]ϕ(t)dt (2.10)
R R R

En faisant un changement de variable de la forme v = t − u et en appliquant le

théorème de Fubini, on obtient:
Z Z Z
< Th , ϕ >= f (u)ϕ(v + u)g(v)dudv = f (u)ψ1 (u)du = g(v)ψ2 (v)dv
R2 R R
(2.11)
Avec:
Z Z
ψ1 (u) = ϕ(v + u)g(v)dv, , ψ2 (v) = f (w)ϕ(v + w)dw (2.12)
R R

Si ψ1 et ψ2 sont deux fonctions tests, on définit le produit de convolution comme

suit:
< h(t), φ(t) >=< f (u), ψ1 (u) >=< g(v), ψ2 (v) > (2.13)

On en déduit T ∗ S.

Définition 32. Soient T et S deux distributions. On appelle produit de convo-

lution de T et de S, noté T ∗ S, la distribution définie, si elle existe par:

< T ∗ S, ϕ >= T ∗ S(φ) =< Tx , < Sy , φ(x + y) >> (2.14)

Où: Tx est une distribution qui s’applique qu’à la variable x et Sy est une
distribution qui s’applique qu’à la variable y.

Remarque 4. S ∗ T n’existe pas toujours, il faut que < Sy , φ(x + y) >∈ D(R):
ce qui n’est vrai en général

Proposition 15. Si T ∗ S existe, alors: T ∗ S = S ∗ T

Exercice 7. Soient T ∈ D0 (R) et a ∈ R. Calculer T ∗ δ et δ ∗ δa . Conclure.

Réponse: Soit une fonction test φ, alors: < T ∗ δ, φ >=< T x , < δ y , φ(x +
y) >>=< T x , φ(x) >=< T, φ >.
Donc: T ∗ δ = δ ∗ T = T , ainsi δ est l’élément neutre pour la loi ”*”.

Définition 33. Lorsqu’elle existe, la distribution KT = T ∗ Tσ , où Tσ est la

symétrisée de T , s’appelle l’auto-corrélation de T .
P
Exercice 8. Calculer KT pour T = δ et T = ψ = n∈Z δn
30 CHAPTER 2. THÉORIE DES DISTRIBUTIONS

Réponse
ˆ Kδ = δ

ˆ Kψ n’existe pas

Définition 34. Un distribution T ∈ D0 (R) est dite causale si et seulement si

Supp(T ) ⊂ [0, +∞[.

Théorème 10. 1. Si T est nulle en dehors d’un segment, alors pour toute
distribution S, T ∗ S existe.

2. Si T et S sont deux distributions nulles en dehors d’un segment, T ∗ S est

aussi nulle en dehors d’un segment.

3. Si T et S sont deux distributions causales, T ∗ S existe et est causale.

4. Si f est une fonction test, alors f ∗T existe et est une distribution régulière
g = f T , de plus g est de classe C ∞ .

Théorème 11. 1. Si S ∗ T1 et S ∗ T2 existent, alors:

S ∗ (a1 T1 + a2 T2 ) = a1 S ∗ T1 + a2 S ∗ T2 , pour ai , i = 1, 2 deux réels.

2. (S ∗ T )0 = S 0 ∗ T = S ∗ T 0

3. τa (S ∗ T ) = τa S ∗ T = S ∗ τa T

4. Soit (Tn )n une suite de distributions toutes nulles en dehors du même

segment [−A, A] et si (Tn )n converge dans D0 (R) vers T , alors:
limn→+∞ S ∗ Tn = S ∗ T

Remarque 5. 1. T (n) = δ (n) ∗ T, ∀T ∈ D0 (R).

En effet, δ ∗ T = T , alors: δ 0 ∗ T = T 0 , δ 00 ∗ T = T 00 , ...
Plus gńéralement, on a: δ (n) ∗ T = T (n)

2. Soit T une distribution causale et H l’échelon unité qui est aussi causal.
H ∗ T existe et est causal et (H ∗ T )0 = H 0 ∗ T = δ ∗ T = T .
Ainsi, H ∗ T est une primitive de T .

3. Si T est causale, toutes ses primitives sont de de la forme: S = H ∗ T + k,

avec k est une constante.

Théorème 12. soit f une fonction nulle en dehors de [0, a], a ∈ R et g est la
fonction de période a engendrée par f, alors: g = f ∗ ψa . En effet, ona:
X X X X X
f ∗ψa = f ∗ δna = f ∗δna = f ∗τna δ = τna f ∗δ = τna f (2.15)
n∈Z n∈Z n∈Z n∈Z n∈Z

Ainsi, pour périodiser une fonction, on la convolue par un peigne de Dirac,

alors que pour l’échantillonner on la multiplie par le peigne de Dirac.
2.6. PRODUIT DE CONVOLUTION DANS D0 (R) 31

Théorème 13. 1. Si S, T, U sont 3 distributions causales, alors:

S ∗ (T ∗ U ) = (S ∗ T ) ∗ U est causale (2.16)

2. Si S, T, U sont 3 distributions nulles en dehors d’un segment, alors:

S ∗(T ∗U ) = (S ∗T )∗U est une distribution nulle en dehors d’un segment

(2.17)

Rappel
S(R) est l’ensemble de toutes les fonctions à décroissance rapide, i.e

xp f (k) (x) → 0, |x| → +∞, ∀f ∈ C ∞ , k et p dans N (2.18)

Définition 35. Une distribution tempérée T fait correspondre à toute fonction

φ ∈ S(R), un nombre < T, ϕ >, tel que:

ˆ T est linéaire sur S(R): T (a1 ϕ1 + a1 ϕ1 ) = a1 T (ϕ1 ) + a2 φ2 )

ˆ T est continue sur S(R): limn→+∞ φn = ϕ dans S(R), alors:

limn→+∞ T (ϕn ) = T (ϕ)
On note S 0 (R) l’ensemble des distributions tempérées.
32 CHAPTER 2. THÉORIE DES DISTRIBUTIONS
Bibliography

[1] D. Ghorbanzadeh, P. Marry, N. Point et D. Vial, Mathématiques du Signal,

3ème édition, Dunod 1997.

[2] Analyse de Fourier et applications, C. Gasquet, P. Witomski: Université

de Grenoble I, Dunod 1996.
[3] C. Gasquet, P. Witomski, Fourier analysis and applications, Springer 1999.
[4] Y. Leroyer, P. Tesson, Mathématiques pour l’ingénieur, Dunod 2009.

[5] H. Reinhard, Éléments de mathématiques du signal, Dunod 2002.

[6] E. Roubine, Distributions Signal, Eyrolles 1999.
[7] R. Petit, L’outil mathématique, Masson 1995.

[8] C. Soize, Méthodes mathématiques en analyse du signal, Masson 1993.

33