Département Génie Informatique,

i
Réseaux et Télécommunications

ou
Cours

lla
Analyse 4
lA
.E
.A
of

Niveau : 2ème année CP (S2) Prof. Abdelati El Allaoui

Pr

2023-2024
Table des matières

i
ou
0 Rappel sur les propriétés topologique de Rn 4
0.1 Normes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

lla
0.2 Ouverts, fermés et compacts de Rn . . . . . . . . . . . . . . . . . . . . . . . 5

1 Les distributions 7
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

lA
1.2 Fonctionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1 L’espace de fonctions tests D . . . . . . . . . . . . . .
1.2.2 Topologie de D . . . . . . . . . . . . . . . . . . . . . .
1.3 L’espace D0 des distributions . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
8
8
11
11
.E
1.3.1 Exemples, distributions régulières et singulières . . . . . . . . . . . . 12
1.3.2 Support d’une distribution . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4 Opérations sur les distributions . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4.1 Translation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
.A

1.4.2 Transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4.3 Dilatation (homothétie ou changement d’unité) . . . . . . . . . . . . 16
1.4.4 Multiplication des distributions . . . . . . . . . . . . . . . . . . . . . 17
1.4.5 Dérivation des distributions . . . . . . . . . . . . . . . . . . . . . . . 18
of

1.4.6 Dérivation d’une fonction discontinue . . . . . . . . . . . . . . . . . . 19

1.4.7 Convergence (faible) dans l’espace D0 des distributions . . . . . . . . 22
1.5 Distributions à plusieurs dimensions . . . . . . . . . . . . . . . . . . . . . . . 22
Pr

1.6 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.6.1 Convolution des fonctions . . . . . . . . . . . . . . . . . . . . . . . . 23
1.6.2 Convolution des distributions . . . . . . . . . . . . . . . . . . . . . . 23
1.6.3 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

2 Transformations intégrales : Fourier et Laplace 27

2.1 La Transformation de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . 27

1
 2.1.1 Transformée de Fourier des fonctions . . . . . . . . . . . . . . . . . . 27
2.1.2 Transformée de Fourier des distributions . . . . . . . . . . . . . . . . 36
2.2 La transformation de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.2.1 Transformée de Laplace des fonctions . . . . . . . . . . . . . . . . . . 40
2.2.2 Transformée de Laplace des distributions . . . . . . . . . . . . . . . . 49
2.3 Applications de la transformation de Laplace . . . . . . . . . . . . . . . . . . 50
2.3.1 Résolution des équations différentielles linéaires . . . . . . . . . . . . 50

i
ou
2.3.2 Résolution des équations intégrales . . . . . . . . . . . . . . . . . . . 52
2.3.3 Équations aux dérivées partielles linéaires . . . . . . . . . . . . . . . 52

lla
lA
.E
.A
of
Pr

2
La plupart des démonstrations non mentionnées dans ce cours sont effectuées en temps
réel pendant les séances en présentiel.

i
ou
lla
lA
.E
.A
of
Pr

3
Chapitre 0

i
ou
Rappel sur les propriétés topologique
de Rn

lla
Dans ce chapitre, on rappel quelques notions de base qui seront utilisées dans ce cours.

0.1 Normes
lA
Définition 1
.E
On appelle norme sur Rn toute application

k.k : Rn −→ R+
.A

telle que
1. kxk = 0 ⇔ x = 0
2. kλxk = |λ|kxk, ∀x ∈ Rn ∀λ ∈ R
3. kx + yk ≤ kxk + kyk, ∀x, y ∈ Rn (inégalité triangulaire)
of

La distance associée à une norme est définie par : d(x, y) = kx − yk. d est dite la
distance euclidienne.
Pr

Exemple 1 (Normes usuelles sur Rn )

Pour x = (x1 , x2 , . . . , xn ) ∈ Rn :
n
X
1. kxk1 = |xi |
i=1
v
u n 2
uX
2. kxk2 = t x i (norme euclidienne)
i=1

4
 3. kxk∞ = sup |xi |
1≤i≤n

0.2 Ouverts, fermés et compacts de Rn

Définition 2

(boule ouverte, boule fermée, ouvert, fermé)

i
– L’ensemble B(a, r) = {x ∈ Rn : kx − ak < r} s’appelle boule ouverte de centre

ou
a et de rayon r.
– L’ensemble B̄(a, r) = {x ∈ Rn kx − ak ≤ r} s’appelle boule fermée de centre a et
de rayon r.

lla
– Un sous-ensemble A ⊂ Rn est dit ouvert si ∀a ∈ A , ∃r > 0 tel que B(a, r) ⊂ A .
– B ⊂ Rn est dit fermé si son complémentaire B c = Rn \B est ouvert.
– Un ensemble V est un voisinage de x s’il contient une boule ouverte non vide de
centre x.
lA
Exemple 2 La représentation géométrique d’une boule dépend de la norme choisie dans Rn .
En effet, par exemple B(0, 1), la boule ouverte centrée en 0 et de rayon 1, de Rn admet
.E
différentes formes géométriques.
1. Sur R2 muni de la norme k · k1 , B(0, 1) s’exprime par {(x, y) ∈ R2 , |x| + |y| < 1}.
n √ o
2. Sur R2 muni de la norme k·k2 , B(0, 1) s’exprime par (x, y) ∈ R2 , x2 + y 2 < 1 . Dans
ce cas la boule B(0, 1) s’appelle disque ouvert centré en 0 et de rayon 1.
.A

3. Sur R2 muni de la norme k · k∞ , B(0, 1) s’exprime par {(x, y) ∈ R2 , sup(|x|, |y|) < 1}.
of
Pr

5
 Définition 3

– Un point x0 ∈ Rn est dit adhérent à une partie A de Rn si toute boule ouverte

centrée en x0 contient au moins un point de A i.e. pour tout r > 0, B (x0 , r)∩A 6= ∅.
– Un point x0 ∈ Rn est dit un point d’accumulation d’une partie A de Rn si toute
boule ouverte centrée en x0 contient au moins un point de A autre que x0 i.e. pour
tout r > 0, B (x0 , r) ∩ (A\ {x0 }) 6= ∅.

i
Si x0 est un point d’accumulation de A alors est adhérent à A. La réciproque est fausse ;

ou
il existe des points adhérents qui ne sont pas des points d’accumulation. Ce sont des points
isolés de A.
Définition 4

lla
– On appelle adhérence de A ⊂ Rn , l’ensemble des points adhérents à A, on le
désigne par Ā.
– On dit qu’une partie A de Rn est dense dans Rn si Ā = Rn i.e. l’adhérence de A
est Rn .
Proposition 1
lA
L’ensemble A est le le plus petit fermé contenant A.
.E
Définition 5

– Un ensemble E ⊂ Rn est dit borné s’il existe R > 0 tel que E ⊂ B̄(0, R) i.e.
kxk ≤ R pour tout x ∈ E.
.A

– Un ensemble E ⊂ Rn est dit compact si de toute famille d’ouverts (Ui )i∈I telle
que E ⊂ i∈I Ui on peut extraire une sous famille finie (U1 , . . . Um ) telle que E ⊂
S

(U1 ∪ . . . ∪ Um ) .

Théorème 1
of

Pour un ensemble E ⊂ Rn , les deux propriétés suivantes sont équivalentes.

1. E est compact.
Pr

2. E est à la fois fermé et borné.

Exemple 3 Les boules fermées et les pavés fermées [a1 ; b1 ] × . . . × [an ; bn ] de Rn sont des
ensembles compacts Rn .

6
Chapitre 1

i
ou
Les distributions

lla
1.1 Introduction
Les distributions peuvent être considérées comme une généralisation de la notion de fonc-

lA
tion. L’introduction des distributions est motivée par la difficulté de rendre compte rigoureu-
sement de certains phénomènes physiques à l’aide simplement de la notion de fonction.
Considérons l’exemple suivant : un choc élastique entre deux objets.
Considérons une partie de squash. On suppose que la balle arrive sur un mur (perpendicu-
.E
lairement 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 :
.A
of
Pr

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 :

7
 i
ou
La force exercée devrait toujours être proportionnelle à la dérivée de cette fonction donc

lla
F devrait être nulle pour tout t 6= 0 et vérifier

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

lA
ce qui est absurde car l’intégrale d’une fonction presque partout nulle est nulle. Par consé-
quent, ni cette intégrale, ni la dérivée précédente ne peuvent être traitées au sens des fonc-
tions ; on a besoin d’objets plus généraux, i.e., les distributions.
.E
1.2 Fonctionnelle
Définition 6
.A

On dit que l’on a une fonctionnelle sur un ensemble de fonctions appelées fonctions
tests, si à chacune de ces fonctions on peut associer un nombre complexe. Autrement dit
une fonctionnelle T sur un espace de fonctions F est une application de F dans C. Le
nombre associé par T à ϕ ∈ F est noté hT, ϕi.
of

Une grande variété de fonctions tests peuvent être utilisées et plus les conditions de régu-
larité imposées aux fonctions tests sont sévères, plus les fonctionnelles définies sont générales.
Les distributions seront définis comme fonctionnelles sur un certain espace, noté D, que nous
Pr

allons présenter maintenant.

1.2.1 L’espace de fonctions tests D

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.

8
 Définition 7

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}.

Rappel :

i
L’adhérence d’un ensemble non vide A, noté A est le plus petit fermé contenant cet en-

ou
semble. Dans le cas des fonctions d’une seule variable, l’adhérence est un intervalle compact
du type [a, b].
Le support de f est donc un ensemble fermé en dehors duquel f est nulle et en outre c’est

lla
le plus petit ensemble possédant cette propriété.
Définition 8

On définit l’ensemble D comme l’espace des fonctions (fonctions tests) à valeurs

Remarque 1
lA
complexes définies sur R, indéfiniment dérivables et à support borné.

C’est un espace vectoriel de dimension infinie.

.E
Le support étant fermé par définition, on peut remplacer dans la définition précédente
support borné par support compact. En effet, pour qu’un sous-ensemble de R soit compact,
il faut et il suffit qu’il soit fermé et borné.
.A

Exemple 4 (exemple fondamental) : Soit ξa la fonction définie par :


 0 pour |x| ≥ 1/a,
ξa (x) = 
−1

 exp 1−a2 x2
pour |x| < 1/a,
of

h i
avec a > 0. Elle est indéfiniment dérivable, son support est −1 , 1 et il est facile de vérifier
a a
que toutes ses dérivées son nulles en x = a1 et x = −1
a
. Voici le graphe de ξ2 :
Pr

9
 i
ou
Une autre famille de fonctions de D est définie par

lla
ξ1 (kx)
γk (x) = R .
ξ1 (kx)dx

Ces fonctions permettent d’en construire beaucoup d’autres grâce au théorème suivant :

Rappel :
lA
– Une fonction f à valeurs réelles positives continue par morceaux sur un intervalle I est
dite intégrable (ou sommable) surZ I s’il existe un nombre réel positif M tel que, pour
tout segment J contenu dans I, f ≤ M . On pose alors
.E
J
Z Z
f = sup f.
I J J

– Une fonction f à valeurs réelles ou complexes continue par morceaux sur I est dite
.A

intégrable (ou sommable) sur I si |f | est intégrable.

Théorème 2

Si ϕ ∈ D et si f est une fonction sommable à support borné, alors

of

Z
ψ(x) = f (t)ϕ(x − t)dt

est une fonction de D.

Pr

Considérons maintenant la suite de fonctions

Z
ψk (x) = f (t)γk (x − t)dt.

On démontre que si f est continue, alors cette suite converge uniformément vers f . D’où le
théorème suivant :

10
 Théorème 3

(Théorème d’approximation de Weierstrass) Toute fonction continue à support borné

peut être approchée uniformément par une suite (ϕn )n>0 de fonctions de D.

∀ > 0, ∃N ∈ N, tel que, ∀n ≥ N, ∀x, |ϕn (x) − f (x)| ≤ 

i
1.2.2 Topologie de D

ou
Elle sera définie par un critère de convergence pour les suites.
Définition 9

lla
Une suite (ϕn )n>0 de fonctions de D converge vers une fonction ϕ lorsque n tend vers
l’infini si :
1. Il existe un ensemble borné B (indépendant de n ) de R tel que pour tout n > 0,
Supp (ϕn ) ⊂ B ;

vers ϕ(k) .
lA n

On peut montrer que la limite ϕ appartient alors à D.


2. Pour tout entier k ≥ 0, la suite des dérivées ϕ(k)

n
converge uniformément sur R
.E
1.3 L’espace D0 des distributions
Définition 10
.A

On appelle distribution toute fonctionnelle linéaire continue sur l’espace vectoriel D.

Soit T une distribution. Par définition, T est une fonctionnelle sur D donc T associe à
toute fonction ϕ ∈ D un complexe noté hT, ϕi (ou parfois T (ϕ) ).
of

La définition d’une distribution implique les deux points suivants :

1. Linéarité
Pr

- hT, ϕ1 + ϕ2 i = hT, ϕ1 i + hT, ϕ2 i ,

- hT, λϕ1 i = λ < T, ϕ1 > .

2. Si (ϕk )k>0 converge dans D vers ϕ, alors la suite (hT, ϕk i)k>0 converge au sens usuel
vers hT, ϕi, i. e.,

∀ > 0, ∃N ∈ N tel que, ∀k > N, |< T, ϕ > − < T, ϕk >| ≤ .

11
L’ensemble des distributions est un espace vectoriel noté D0 .
La somme de deux distributions et le produit d’une distribution par un scalaire sont définis
comme suit :
1. hS + T, ϕi = hS, ϕi + hT, ϕi,
2. hλT, ϕi = λhT, ϕi.

i
1.3.1 Exemples, distributions régulières et singulières

ou
Définition 11

Une fonction f : R → C est dite localement sommable si elle est intégrable sur tout

lla
intervalle borné.
À toute fonction f localement sommable, on associe la distribution Tf définie par
Z Z +∞
∀ϕ ∈ D, hTf , ϕi = f (x)ϕ(x)dx := f (x)ϕ(x)dx.

lA −∞

Une telle distribution est dite régulière. Les autres (celles qui ne s’écrivent pas Tf pour
f localement sommable) sont dites singulières.
Proposition 2
.E
Deux fonctions localement sommables définissent la même distribution si et seulement
si elles sont égales presque partout.

Rappel :
.A

Définition 12

On dit qu’une partie A de R est négligeable si, pour tout ε > 0, il existe une suite
(In )n≥0 d’intervalles In =] an , bn [ telle que
of

[ X
A⊂ In , (bn − an ) ≤ ε.
n≥0 n≥0

Définition 13
Pr

Une propriété est dite vraie presque partout si l’ensemble des points où elle n’est pas
vérifiée est négligeable.

– Un premier exemple de distribution régulière est la distribution valeur principale de

Cauchy de x1 notée vp 1 et définie par :
x

Z
ϕ(x) Z
ϕ(x) − ϕ(−x)
∀ϕ ∈ D, < vp 1 , ϕ >= lim+ dx = dx.
x →0 |x|> x R+ x

12
 – Un second exemple est la distribution de Heaviside.
La fonction H de Heavside est définie par

 1 pour x ≥ 0
H(x) =
 0 pour x < 0

La distribution de Heaviside, notée W = TH , est définie par

i
Z +∞

ou
∀ϕ ∈ D, < W, ϕ >= ϕ(x)dx.
0

– L’exemple le plus usuel de distribution singulière est la distribution de Dirac notée δ

et définie par :

lla
∀ϕ ∈ D, < δ, ϕ >= ϕ(0).

distribution définie par lA

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

∀ϕ ∈ D, hδa , ϕi = ϕ(a).
.E
Exemple 5 L’application
Z b
T : ϕ 7−→ hT, ϕi = ϕ(x)dx
a
.A

définit une distribution sur R. En effet, on a

Z b Z +∞
hT, ϕi = ϕ(x)dx = g(x)ϕ(x)dx = hTg , ϕi
a −∞

où
of


1

si a ≤ x ≤ b
g(x) = 
0 sinon
Pr

est une fonction localement sommable.

1.3.2 Support d’une distribution

13
 Définition 14

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

i
Exemple 6 Les distributions régulières T1 et W sont égales sur ]0, +∞[.

ou
Définition 15

Soit Ω ⊂ R, un ouvert. On dit qu’une distribution T est nulle sur Ω si l’on a hT, ϕi =

lla
0, pour toute fonction ϕ ∈ D, ayant son support dans Ω.

Définition 16

Considérons la réunion de tous les ouverts sur lesquels une distribution T est nulle. Cet

lA
ensemble est alors le plus grand ouvert sur lequel T est nulle (admis). Son complémentaire
(qui est un fermé) est appelé support de la distribution T ; on le note Supp(T ).

Définition 17
.E
0 0
L’espace D+ (resp. D− ) des distributions à support dans R+ (resp. R− ) est appelé
espace des distributions à support borné à gauche (resp. borné à droite).

Exemple 7 La distribution δ de Dirac est nulle sur tout ouvert ne contenant pas l’origine,
.A

par exemple R∗ . En effet, 0 ∈

/ supp(ϕ) et hδ, ϕi = ϕ(0) = 0.

Exemple 8 – Supp (δa ) = {a} : En effet

Soit ω = R/{a} et ϕ ∈ D(R), Supp(ϕ) ⊂ R/{a}. On a donc ϕ(a) = 0, donc hδa , ϕi = 0.
of

Donc δa est nulle sur R/{a}.

De plus, δa n’est pas nulle sur R car il existe des fonctions ϕ ∈ D(R) telles que hδa , ϕi =
6
0. Donc R/{a} est le plus grand ouvert sur lequel δa est nulle.
Pr

Donc Supp (δa ) = {a}, et δa a support compact.

 
– Supp vp 1 = R.
x

Proposition 3

Si Tf est la distribution associée à une fonction localement sommable f , alors

supp(Tf ) = supp(f ).

14
Preuve Posons F = supp(f ) et montrons que supp(Tf ) ⊂ F .
Soit ϕ ∈ D telle que : supp(ϕ) ⊂ F c .
Comme f = 0 sur supp(ϕ), alors hTf , ϕi = 0, c’est-à-dire Tf est nulle sur F c . Dès lors,

supp (Tf ) ⊂ (F c )c = F = supp(f ).

Il reste à prouver que supp(f ) ⊂ supp(Tf ).

i
Soit x ∈ F = supp(f ) et montrons que x ∈ supp(Tf ). On va raisonner par l’absurde en

ou
supposant que x ∈ / supp(Tf ).
Dans ce cas, il existe un intervalle I =]x − ε, x + ε[ tel que : pour toute fonction ϕ ∈ D ayant
son support dans I,

lla
Z +∞
hTf , ϕi = f (t)ϕ(t)dt = 0,
−∞

sur I. Dès lors, f est nulle sur I et par conséquent I ∩ F = ∅.

Donc, x ∈/ F ce qui est absurde.

Exemple 9 Supp(W ) = [0, +∞[.

1.4
lA
Opérations sur les distributions
.E
Dans cette section, on va définir un certain nombre d’opérations sur les distributions.
Pour ceci, on va étudier comment ces opérations sont définies pour une fonction localement
sommable, traduire ceci avec le langage des distributions sur la distribution régulière associée.
.A

1.4.1 Translation
Si f est localement sommable et si a ∈ R, alors la translatée fa de f est la fonction donnée
par fa (x) = f (x − a). La distribution régulière associée à fa vérifie donc
of

Z Z
∀ϕ ∈ D, hTfa , ϕi = f (x − a)ϕ(x)dx = f (y)ϕ(y + a)dy = hTf , ϕ−a i .
Pr

Définition 18

La translatée d’une distribution T , notée Ta est la distribution définie par :

∀ϕ ∈ D, hTa , ϕi = hT, ϕ−a i .

1
Exemple 10 La translatée de la valeur principale de Cauchy de x
est la valeur principale
1
de (x−a) .

15
1.4.2 Transposition
Soit f une fonction localement sommable et cherchons la distribution associée à la fonction
˜
f qui à x associe f (−x). On a
D E Z Z
∀ϕ ∈ D, Tf˜, ϕ = f (−x)ϕ(x)dx = f (x)ϕ(−x)dx = hTf , ϕ̃i .

i
Définition 19

ou
La transposée d’une distribution T , notée T̃ est la distribution définie par :

∀ϕ ∈ D, hT̃ , ϕi = hT, ϕ̃i.

lla
1.4.3 Dilatation (homothétie ou changement d’unité)

D
∀ϕ ∈ D, ”Tf (ax) ”, ϕ =
E Z
lA
Si f est localement sommable et si a ∈ R∗ , alors la dilatée de la fonction f est définie
par x 7→ f (ax). Sa distribution régulière associée vérifie

f (ax)ϕ(x)dx =
Z
f (y)ϕ
y dy
 

a |a|
=
1
|a|
< Tf , ”ϕ
x
a
”>.
 
.E
Définition 20

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

1 x
 
.A

∀ϕ ∈ D, < ”T (ax)”, ϕ >= < T, ”ϕ ”>.

|a| a

1
Exemple 11 ”δ(ax)” = |a|
δ.
of

Conclusion :
Translation :
Pr

hT (x − a), Φ(x)i = hT (x), Φ(x + a)i

Homothétie :

1 x
  
hT (ax), Φ(x)i = T (x), Φ
|a| a
hT (−x), Φ(x)i = hT (x), Φ(−x)i

16
1.4.4 Multiplication des distributions
Il n’existe pas de moyen de multiplier entre elles deux distributions quelconques. En
outre, si f et g sont deux fonctions localement sommables, alors leur produit ne l’est pas
√
nécessairement (f (x) = g(x) = 1/ x) (f (x)g(x) = x1 n’est pas intégrable en 0. Elle n’est
donc pas localement intégrable.
Cependant si ψ est une fonction indéfiniment dérivable, alors le produit par ψ d’une

i
fonction test de D est encore dans D. Soit f une fonction localement sommable et ψ une

ou
fonction indéfiniment dérivable. On a alors
Z Z
∀ϕ ∈ D, hTψf , ϕi = (ψ(x)f (x))ϕ(x)dx = f (x)(ψ(x)ϕ(x))dx = hTf , ψϕi .

lla
Définition 21

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

lA
ψ est la distribution définie par :

∀ϕ ∈ D, hψT, ϕi = hT, ψϕi.

À partir de cette définition, on peut définir le produit d’une distribution quelconque T par
.E
une distribution régulière Tψ associée à une fonction indéfiniment dérivable ψ de la manière
suivante :

∀ϕ ∈ D, hTψ T, ϕ >=< T, ψϕ > .

.A

Lemme 1

Soit ψ une fonction indéfiniment dérivable. On a :

ψδ = ψ(0)δ
of

Preuve
Pr

∀ϕ ∈ D, hψδ, ϕi = hδ, ψϕi = ψ(0)ϕ(0) = ψ(0) < δ, ϕ >= hψ(0)δ, ϕi,

d’où le résultat.

En particulier, xδ = 0.
L’équation xT = 0, de distribution inconnue T , a pour solutions les multiples de la distribu-
tion de Dirac.

17
Exemple 12 Pour tout x ∈ R, on a

1
 
x · vp =1
x

En effet, pour ϕ ∈ D(Ω) on a

Z +∞
1 1 xϕ(x) + xϕ(−x)
       
x · vp , ϕ = vp , xϕ = dx

i
x x 0 x
Z +∞ Z +∞

ou
= (ϕ(x) + ϕ(−x))dx = 1 · ϕ(x)dx
0 −∞

= h1, ϕi

lla
où 1 désigne la distribution régulière associée à la fonction constante x 7−→ 1.

1.4.5 Dérivation des distributions

vérifie :
Z
lA
Soit f une fonction localement sommable que nous supposons de plus dérivable et f 0 est
continue sur R. Dans ce cas, f 0 est localement sommable et sa distribution régulière associée

Z
.E
∀ϕ ∈ D, hTf 0 , ϕi = f 0 (x)ϕ(x)dx = − f (x)ϕ0 (x)dx = − hTf , ϕ0 i .

Notons que ceci s’obtient par intégration par partie en utilisant le fait que ϕ est à support
borné(comme la fonction ϕ est nulle en dehors d’un ensemble borné, les problèmes de bords
.A

peuvent être ignorés). C’est la raison principale du choix restrictif des fonctions tests, i.e., de
l’espace D.
Définition 22

La dérivée T 0 d’une distribution T de D0 est la distribution définie par :

of

∀ϕ ∈ D, hT 0 , ϕi = − hT, ϕ0 i .
Pr

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

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

Exemple 13 W 0 = δ. En effet
Z +∞
0 0
∀ϕ ∈ D, hW , ϕi = − < W, ϕ >= − ϕ0 (x)dx = −[ϕ(x)]+∞
0 = ϕ(0) =< δ, ϕ > .
0

18
 Lemme 2

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

alors la règle de Leibniz suivante :

(T ψ)0 = T 0 ψ + T ψ 0 .

i
Preuve

ou
1.4.6 Dérivation d’une fonction discontinue
Rappel :

lla
Définition 23

En un point x où une fonction f est discontinue, la discontinuité est dite de pre-

mière espèce si f admet en x une limite à gauche et une limite à droite finies. Il est de

de la valeur f (x). lA
plus supposé que l’une (au moins) de ces limites est distincte, soit de l’autre limite, soit

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

.E
à la distribution de Dirac. Maintenant si on considère 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 )0 6= Tf 0 . Cela sera ainsi pour toute fonction présentant une
.A

discontinuité en un point.
On s’intéresse ici à une discontinuité de première espèce.
of
Pr

L’expression du saut de la fonction est donnée par :

   
σa = f a+ − f a−

19
On veut calculer la dérivée (Tf )0 de Tf :
D E
(Tf )0 , ϕ = − hTf , ϕ0 i
D E Z a Z R
0 0
(Tf ) , ϕ = − f (t)ϕ (t)dt − f (t)ϕ0 (t)dt
−R a

En intégrant par parties et en considérant les spécificités de la fonction test ϕ :

i
ϕ(−R) = ϕ(+R) = 0 valeurs extrêmes en dehors du support

ou
   
ϕ a+ = ϕ a− = ϕ(a) continuité à l’intérieur du support

Il vient :

lla
D E Z +R
0
(Tf ) , ϕ = σa ϕ(a) + f 0 (t)ϕ(t)dt
−R
D E
0
(Tf ) , ϕ = σa hδa , ϕi + hTf 0 , ϕi

On a donc :
D

lA E
(Tf )0 , ϕ = hσa δa + Tf 0 , ϕi

(Tf )0 = Tf 0 + σa δa
.E
Dans le cas d’une fonction continue (saut de valeur nulle) :

(Tf )0 = Tf 0
.A

Formule généralisée à un ensemble de sauts :

Soit f une fonction C 1 par morceaux. Soient a1 , . . . , an les points de discontinuité de f (que
   
(0)
nous supposons en nombre fini) et σi := σa(0)
i
= f a +
i − f a−
i le saut de discontinuité de
of

f en ai .
n
(Tf )0 = Tf 0 + σa(0)
X
δai
Pr

i
i=1

Théorème 4

Soit f une fonction de classe C 1 par morceaux. Avec les notations précédentes, on a
alors
(Tf )0 = Tf 0 +
X (0)
σi δai .
i

20
 On notera plus simplement
(Tf )0 = Tf 0 + σ (0) δ

De même, soit f une fonction C ∞ par morceaux. Si l’on note σ (j) les sauts de discontinuité
de f (j) , on a
(Tf )(m) = Tf (m) + σ (m−1) δ + σ (m−2) δ 0 + · · · + σ (0) δ (m−1)

i
Exemple 14 La dérivée au sens des distributions de la fonction H de Heaviside :

ou
Soit W la distribution de Heaviside. C’est la distribution régulière associée à la fonction de
Heaviside H, définie pour x 6= 0 par

1, si x > 0

lla

H(x) =
0, si x < 0


La fonction H est discontinue en x = 0 et le saut en ce point vaut 1 ; de plus, sa dérivée est

la définition. lA
nulle pour x > 0 et pour x < 0. Alors W 0 = δ, ce que nous avons déjà trouvée en appliquant

Exemple 15 La fonction Signe est définie par :

.E

+1

t>0
sgn(t) =
−1

t<0

Le saut de la fonction a pour valeur σ = +2. On a donc :

.A

{sgn(t)}0 = 2δ

Exemple 16 Soit f la fonction périodique de période a définie sur (0, a) par f (x) = x/a.
of

La fonction f est continument dérivable excepté aux points {na, n ∈ Z} où elle présente une
discontinuité de première espèce. Le saut au point na est donné par σ(na) = −1, n ∈ Z. On
en déduit que
Pr

(Tf )0 = Tf 0 −
X
δna
n∈Z

Comme f 0 = 1/a presque partout, on a Tf 0 = T1/a , et on écrira

1 X
(Tf )0 = − δna
a n∈Z

21
1.4.7 Convergence (faible) dans l’espace D0 des distributions
Théorème 5

(Théorème et Définition) Soit (Tn )n∈N une suite de distributions. On dit que (Tn )n∈N
converge dans D0 si, pour tout ϕ ∈ D, la suite hTn , ϕi converge au sens ordinaire.
Si on appelle hT, ϕi = lim hTn , ϕi cette limite, alors l’application ϕ 7→ hT, ϕi est une
n
distribution.

i
ou
Exemple 17 Montrons que : δn −→ 0. En effet, on a

∀ϕ ∈ D(Ω) : hδn , ϕi = ϕ(n)

lla
et puisque ϕ est à support compact, alors

Théorème 6 lA
lim hδn , ϕi = lim ϕ(n) = 0
n→+∞ n→+∞

Soit (Tn )n∈N une suite de distributions. Si (Tn )n∈N converge dans D0 vers une distri-
 
converge dans D0
.E
bution T , alors, pour tout m ∈ N, la suite de distributions Tn(m)
n∈N
vers T (m) .
Convergence vers δ :
Si la suite de fonctions localement sommables (fk )k vérifie :
.A

1. ∃A > 0 tel que pour tout |x| ≤ A, fk (x) ≥ 0,

Z
2. ∀a > 0, fk (x)dx → 1 lorsque k → +∞,
|x|≤a
i
1
3. fk (x) → 0 uniformément dans tout ensemble 0 < a < |x| < a
< ∞(a ∈]0, 1 ,
of

alors la suite des distributions régulières (Tfk )k converge dans D0 vers δ.

Une suite de fonctions localement sommables satisfaisant les conditions précédentes est sou-
vent appelée suite de fonctions de Dirac.
Pr

Un exemple de suite de fonctions de Dirac est la suite (gn )n des gaussiennes définies par
gn (x) = √nπ exp (−n2 x2 ).

1.5 Distributions à plusieurs dimensions

D’une façon analogue, on peut définir des distributions à n dimensions comme fonction-
nelles sur l’espace D (Rn ) des fonctions de Rn dans C indéfiniment dérivables sur Rn et à

22
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 ) , < Tf , ϕ >= ··· f (x1 , . . . , xn ) ϕ (x1 , . . . , xn ) dx1 . . . dxn

1.6 Convolution

i
ou
1.6.1 Convolution des fonctions
Définition 24

Soient ϕ et ψ deux fonctions C ∞ à supports compacts. On pose :

lla
Z Z
(ϕ ∗ ψ)(x) = ϕ(y)ψ(x − y)dy = ϕ(x − y)ψ(y)dy. (1.1)

lA
La fonction (ϕ ∗ ψ) ainsi définie est de classe C ∞ à support compact vérifiant :

supp(ϕ ∗ ψ) ⊂ supp(ϕ) + supp(ψ) (1.2)

On l’appelle la convolée des deux fonctions ϕ et ψ.

.E
On peut bien sur définir la convolée de fonctions moins régulières.
L’extension la plus naturelle concerne les fonctions intégrables :
Si ϕ et ψ deux fonctions sommables, alors ϕ ∗ ψ définie par (1.1) est sommable et on a :
.A

Z Z Z
|ϕ ∗ ψ(x)|dx ≤ |ϕ(x)|dx · |ψ(x)|dx

Néanmoins, ce n’est pas cette extension que nous utiliserons le plus fréquemment, mais plutôt
celle décrite dans les définitions suivantes.
of

1.6.2 Convolution des distributions

Pr

Définition 25

Soient T ∈ D0 (R) et ϕ ∈ D (R), la formule

T ∗ ϕ(x) = hT, ϕx i , avec ϕx (y) = ϕ(x − y)

23
 définit sur R une fonction T ∗ ϕ de classe C ∞ . Cette fonction vérifie en outre :

(T ∗ ϕ)0 = T 0 ∗ ϕ = T ∗ ϕ0 (1.3)

supp(T ∗ ϕ) = supp(T ) + supp(ϕ) (1.4)

Remarque 2

i
ou
La convolution est à l’origine du très utile procédé de régularisation, que nous décri-
vons maintenant,

Définition 26

lla
Soit ϕ ∈ D (R), positive ou nulle d’intégrale égale à 1, et soit  > 0; on pose ϕ (x) =
1 x
ϕ  = nϕ(nx) ( pour n = 1/). Alors, si T ∈ D0 (R), la formule de fonctions C ∞ ,

T = T ∗ ϕ converge vers T lorsque  tend vers 0, au sens où :

∀ψ ∈ D, lA Z
T (x)ψ(x)dx −→ hT, ψi (1.5)

L’intérêt de ce procédé d’approximation par des fonctions régulières est que le mode de
convergence de T vers T est essentiellement décrit par la régularité de T .
.E
Pour définir la convolution de deux distributions, on constate d’abord que, si T ∈ D0 (R) , ϕ, ψ ∈
D (R),
Z
T ∗ ϕ(x)ψ(x)dx = hT, ϕ̃ ∗ ψi
.A

où ϕ̃ est la transposée de ϕ.
On pose, pour T ∈ D0 (R) , S ∈ D0 (R) a support compact et ϕ ∈ D (R),

hT ∗ S, ϕi = hT, S̃ ∗ ϕi.
of

On définit ainsi une distribution T ∗ S sur R, qui vérifie encore 1.3 et 1.4.
Pr

Exemple de la distribution de Dirac en convolution :

Convolution par δ :
Soit T une distribution quelconque et δ la distribution de Dirac à l’origine.
D E
hδ ∗ T, ϕi = T, δ̃ ∗ ϕ ,

24
et on a

δ̃ ∗ ϕ(y) = hδ̃, ϕy i = hδ, ϕy i = ϕy (0) = ϕ(y) (car δ̃ = δ)

On a donc :

hδ ∗ T, ϕi = hT, ϕi .

i
ou
Ainsi
δ∗T =T

La distribution de Dirac à l’origine est un opérateur unitaire dans la convolution.

lla
Convolution par δ(x − a) (la translatée de δ(x)) :
Dans les mêmes conditions :

On a donc :
lA
hδ(x − a) ∗ T (x), ϕ(x)i = hT (x), ϕ(a + x)i = hT (x − a), ϕ(x)i,

δ(x − a) ∗ T (x) = T (x − a)
(T (x − a) := Ta )
.E
En conclusion, pour translater une distribution, il suffit de la convoluer par la translatée
δ(x − a) de la distribution de Dirac.
En utilisant cette propriété, on peut en déduire que, si T = R ∗ S :
.A

T (x − a) = {R ∗ S} ∗ δ(x − a) = R(x − a) ∗ S = R ∗ S(x − a)

Convolution par la dérivée δ 0 :

hδ 0 ∗ T, ϕi = hδ 0 (x).T (y), ϕ(x + y)i = hT (y), hδ 0 (x), ϕ(x + y)ii

of

hδ 0 ∗ T, ϕi = − hT (y), ϕ0 (y)i = hT 0 , ϕi
D’où le résultat généralisé :
Pr

δ0 ∗ T = T 0 ⇒ δ (m) ∗ T = T (m)

Ainsi, pour dériver m fois une distribution, il suffit de la convoluer par la dérivée d’ordre m
de la distribution de Dirac. En utilisant cette propriété, on peut en déduire que :

T =R∗S ⇒ T 0 = R0 ∗ S = R ∗ S 0

25
1.6.3 Résultats
Proposition 4

(Commutativité) Soit T, S ∈ D0 (Ω). Si T ∗ S existe, alors

T ∗S =S∗T

i
Proposition 5

ou
(Distribution par rapport à l’addition) Soit T, S1 , S2 ∈ D0 (Ω).Si T ∗ S1 et T ∗ S2
existent, alors
T ∗ (S1 + S2 ) = T ∗ S1 + T ∗ S2 .

lla
Proposition 6

(Associativité) Soit T, S, R ∈ D0 (Ω). On a

lA
(T ∗ S) ∗ R = T ∗ (S ∗ R)

si deux au moins de ces distributions sont à supports compacts ou si toutes ces distribu-
tions ont leurs supports compacts d’un même côté.
.E
Proposition 7

(Dérivation d’une convolution) Soit T, S ∈ D0 (Ω). Si T ∗ S existe, alors

.A

(T ∗ S)0 = T 0 ∗ S = T ∗ S 0

Proposition 8

(Régularisation des distributions) Soient T une distribution et ϕ une fonction de

classe C ∞ . Si T ∗ ϕ existe, alors c’est une fonction de classe C ∞ , donnée par
of

T ∗ ϕ(y) = hTx , ϕ(y − x)i = ψ(y), y∈R

Pr

Remarque 3

Dans la proposition précédente, si ϕ ∈ D(Ω) et T ∈ D0 (Ω) alors le produit de convolu-

tion T ∗ ϕ existe car supp (ϕ) est compact. De même, si ϕ ∈ ξ(Ω) = C ∞ (Ω) et T ∈ ξ 0 (Ω)
(l’espace de distribution a support compact) alors supp(T ) est compact et T ∗ ϕ existe.

26
Chapitre 2

i
ou
Transformations intégrales : Fourier et
Laplace

lla
2.1

2.1.1
lA
La Transformation de Fourier

Transformée de Fourier des fonctions

Définition 27
.E
Soit f : R → R ou C une fonction de la variable réelle à valeurs réelles ou complexes.
On appelle transformée de Fourier (ou spectre) de f , si elle existe, la fonction fˆ : R → C
définie par Z +∞
ˆ
.A

f (ν) = f (x) exp(−2iπνx)dx

−∞

On écrira symboliquement

fˆ = F[f ] ou fˆ(ν) = F[f (x)](ν)

of

Notons que la transformée de Fourier de f existe s’il existe au moins un ν ∈ R tel que la
fonction x 7−→ f (x) exp(−2iπνx) soit intégrable sur R.
La transformée de Fourier n’existe pas toujours, par exemple la fonction x 7→ x2 n’admet
Pr

pas de transformée de Fourier car l’intégrale

Z +∞
x2 exp(−2iπνx)dx
−∞

n’existe pour aucune valeur de ν. Si des conditions d’existence de la transformée de Fourier

d’une fonction sont difficiles à écrire, on a en revanche la condition suffisante suivante :

27
 Théorème 7

Toute fonction intégrable possède une transformée de Fourier qui est une fonction
continue, bornée et tendant vers 0 lorsque |ν| tend vers l’infini.

Exemple 18 1. Fonction Porte :

Soit 
−1 1

i
1
 si ≤x≤
2 2

ou
f (t) = Π(t) =
0

sinon
Sa TF s’écrit : Z ∞
fˆ(ν) = Π(t)e−2iπνt dt

lla
−∞
1
Z
2 1 h −2iπνt i 12
= e−2iπνt dt = − e
− 12 2iπν − 21

sin(πν)

lA=
πν
.E
.A

Figure 2.1 – Fonction porte (à gauche) et sa transformée de Fourier (à droite)

of

2. Loi de Laplace :
Soit la fonction f (t) = e−|t| . C’est une fonction connue sous le nom de loi de laplace
dans le domaine des probabilités. Sa TF s’écrit :
Pr

Z ∞
fˆ(ν) = e−|t| e−2iπνt dt
−∞
Z 0 Z ∞
= et−2iπνt dt + e−t−2iπνt
−∞ 0
1 1
= +
1 + 2iπν 1 − 2iπν
2
=
1 + 4π 2 ν 2

28
 i
ou
Figure 2.2 – f (à gauche) et sa transformée de Fourier (à droite)

lla
Transformée de Fourier inverse

Soit f une fonction intégrable admettant une transformée de Fourier fˆ elle-même inté-
grable.

lA
Alors, en tout point x où f est continue, on a :

f (x) =
Z +∞

−∞
fˆ(ν)e2iπνx dν

Cette transformation est appelée transformée de Fourier inverse.

.E
On écrira symboliquement f (x) = F[fˆ(ν)](x) = F −1 [fˆ(ν)](x) si f est continue en x et de
manière générale, si f est continue : f = F[fˆ] = F −1 [fˆ].
Si f est continue par morceaux, on peut donc obtenir f (x) à partir de fˆ(ν) presque
.A

partout.
Si f n’est pas continue en x, on a plus généralement :
Z +∞
1   +  
fˆ(ν) exp(2iπνx)dν = f x + f x−
−∞ 2
of

Transformée de Fourier en sinus et cosinus

Soit f une fonction de la variable réelle à valeurs réelles ou complexes. Il est connu que f
Pr

peut se décomposer en somme d’une fonction paire p et d’une fonction impaire q :

∀x ∈ R, f (x) = p(x) + q(x),

avec
1 1
p(x) = (f (x) + f (−x)), q(x) = (f (x) − f (−x))
2 2

29
On a alors Z +∞
fˆ(ν) = (p(x) + q(x))(cos(2πνx) − i sin(2πνx))dx
−∞

d’où Z +∞ Z +∞
fˆ(ν) = 2 p(x) cos(2πνx)dx − 2i q(x) sin(2πνx)dx
0 0

On écrit alors
F[f (x)](ν) = Fcos [p(x)] − iFsin [q(x)]

i
ou
où Fcos et Fsin sont les transformées de Fourier respectivement en cosinus et sinus définies
par :
Z +∞ Z +∞
Fcos [f (x)](ν) = 2 Fsin [f (x)](ν) = 2

lla
f (x) cos(2πνx)dx, f (x) sin(2πνx)dx
0 0

Lorsque la fonction f est à valeurs complexes, il faut décomposer p et q en parties réelles et

imaginaires. On obtient alors la correspondance :

lA
f (x) = partie réelle paire + imag. paire + réelle imp. + imag. imp.
fˆ(ν) = partie réelle paire + imag. paire + réelle imp. + imag.imp.
.E
On obtient le tableau suivant :
f (x) −→ fˆ(ν)
paire −→ paire
impaire −→ impaire
.A

réelle −→ hermitienne (fˆ(ν) = fˆ(−ν))

imaginaire −→ antihermitienne (fˆ(ν) = −fˆ(−ν))
réelle paire −→ réelle paire
réelle impaire −→ imaginaire impaire
of

imaginaire paire −→ imaginaire paire

imaginaire impaire −→ réelle impaire
Pr

Propriétés

Linéarité :
Z
F[λf (x) + µg(x)](ν) = (λf (x) + µg(x)) exp(−2iπνx)dx
Z Z
=λ f (x) exp(−2iπνx)dx + µ g(x) exp(−2iπνx)dx

= λF[f (x)](ν) + µF[g(x)](ν)

30
Transposition : Z
F[f (−x)](ν) = f (−x) exp(−2iπνx)dx
Z
= f (y) exp(2iπνy)dy

= fˆ(−ν)
Conjugaison : Z
F[f (x)](ν) = f (x) exp(−2iπνx)dx

i
ou
Z
= f (x) exp(2iπνx)dx

= fˆ(−ν)
Changement d’échelle :

lla
Z
F[f (ax)](ν) = f (ax) exp(−2iπνx)dx
−2iπνy 1
Z  

Translation :
lA = f (y) exp

=
1 ˆ ν
|a|
f
 

a
a |a|
dy
.E
Z
F[f (x − a)](ν) = f (x − a) exp(−2iπνx)dx
Z
= f (y) exp(−2iπν(y + a))dy
Z
= exp(−2iπνa) f (y) exp(−2iπνy)dy
.A

= exp(−2iπνa)fˆ(ν)
En d’autres termes, une translation dans le monde réel correspond à un déphasage (propor-
tionnel à la fréquence ν ) dans le monde de Fourier.
Modulation :
of

Z
F [exp (2iπν0 x) f (x)] (ν) = exp (2iπν0 x) f (x) exp(−2iπνx)dx
Z
Pr

= f (x) exp (−2iπ (ν − ν0 ) x) dx

= fˆ (ν − ν0 )

Moduler la fonction f par une exponentielle imaginaire revient à translater sa transformée

de Fourier.

31
Dérivation

Par rapport à x :
Supposons f sommable, dérivable et à dérivée sommable. Par intégration par partie (sachant
que lim f (x) = 0)), il vient alors
x→±∞

Z
F [f 0 (x)] = f 0 (x) exp(−2iπνx)dx

i
Z
[f (x) exp(−2iπνx)]+∞

ou
= −∞ + 2iπν f (x) exp(−2iπνx)dx

= 2iπν fˆ(ν)

Plus généralement, on obtient

lla
h i
F f (m) (x) = (2iπν)m fˆ(ν)

lA
De cette formule on tire (en prenant les modules)

|2πν| |fˆ(ν)| ≤
m
Z
f (m) (x) dx,

et on conclut que plus f est dérivable, à dérivées sommables, plus fˆ décroît rapidement à
.E
l’infini. En effet, si f est m fois dérivable et à dérivée m-ième sommable, fˆ décroît au moins
en 1/ν m .
Par rapport à ν :
.A

∂ ˆ Z
∂
f (ν) = f (x) exp(−2iπνx)dx
∂ν Z ∂ν
= (−2iπx)f (x) exp(−2iπνx)dx

= F[(−2iπx)f (x)](ν)
of

D’une manière générale, on obtient

fˆ(m) (ν) = F [(−2iπx)m f (x)] (ν)

Pr

Ce résultat conduit aussi à une majoration

Z
fˆ(m) (ν) ≤ |2πx|m |f (x)|dx

et donc : plus f décroit à l’infini, plus fˆ est dérivable (avec ses dérivées bornées). En effet, si f
décroît en 1/xm à l’infini, alors, fˆ est m fois dérivable (car |2πx|m |f (x)| est alors sommable)

32
et sa dérivée m-ième est bornée.

TF d’une convolution et d’un produit

Soient deux fonctions f et g de la même variable t, et h leur produit de convolution

Z ∞
h(t) = [f ∗ g](t) = f (t0 ) g (t − t0 ) dt0
t0 =−∞

i
ou
La TF de h s’écrit
Z ∞
ĥ(ν) = h(t)e−2iπνt dt
t=−∞
Z ∞ Z ∞
f (t0 ) g (t − t0 ) dt0 e−2iπνt dt

lla
=
t=−∞ t0 =−∞

↓ permutation des intégrales (théorème de Fubini)

Z ∞ Z ∞
0
= f (t ) g (t − t0 ) e−2iπνt dt dt0
t0 =−∞

= ĝ(ν)
lA
Z ∞

t0 =−∞

= ĝ(ν) · fˆ(ν)
|
t=−∞
{z
TF de g(t−t0 )

f (t0 ) e−2iπνt dt0

0
}
.E
On a montré le résultat bien connu selon lequel la TF d’un produit de convolution est un
produit simple des transformées. Montrons maintenant la propriété réciproque, c’est à dire
que la TF d’un produit de fonctions est la convolution des transformées :
.A

Z ∞
F[f (t) · g(t)] = f (t)g(t)e−2iπνt dt
t=−∞

↓ on écrit g(t) comme la TF inverse de ĝ (ν 0 )

Z ∞ Z ∞
0
= f (t) ĝ (ν 0 ) e2iπν t dν 0 e−2iπνt dt
t=−∞ ν 0 =−∞
of

Z ∞ Z ∞
0
= ĝ (ν 0 ) f (t)e−2iπ(ν−ν )t dtdν 0
ν 0 =−∞ t=−∞
Z ∞
= ĝ (ν 0 ) fˆ (ν − ν 0 ) dν 0
Pr

ν 0 =−∞

= [ĝ ∗ fˆ](ν)

On retiendra les propriétés suivantes :

F
f (t) · g(t) −→ [fˆ ∗ ĝ](ν)
F
[f ∗ g](t) −→ fˆ(ν) · ĝ(ν)

33
Exemple 19 On se propose de calculer la transformée de Fourier de la fonction Λ définie
par : 




1+x pour −1 ≤ x ≤ 0
Λ(x) =  1 − x pour 0≤x≤1

0 pour |x| ≥ 1



On commence par montrer que Λ(x) = (Π ∗ Π)(x) et on en déduit que

i
!2
sin(πν)

ou
2
F[Λ(x)] = (F[Π(x)]) =
πν

Formule de Parseval-Plancherel

lla
La relation suivante a été établie par Parseval et généralisée par Plancherel aux transfor-
mées de Fourier :
Théorème 8

lA
Soient f et g deux fonctions de carré sommable. On a alors :
Z
f (x)g(x)dx =
Z
fˆ(ν)ĝ(ν)dν
.E
Un cas particulier important est le cas f = g c’est-à-dire
Z Z
2
|f (x)| dx = |fˆ(ν)|2 dν. (2.1)
.A

Preuve On a
Z Z  Z
f (x)g(x)dx = F[f ḡ]|ν=0 = [fˆ(ν) ∗ ĝ(−ν)]|ν=0 = fˆ(t)ĝ(t − ν)dt = fˆ(t)ĝ(t)dt
|ν=0
of

En physique, si f est une onde ou une vibration et si la variable x est temporelle (x = t), alors
|f (x)|2 dx peut représenter la puissance (ou l’énergie) totale dans le domaine temporel et
R

|fˆ(ν)|2 dν représente la puissance totale dans le domaine fréquentiel.

R
Pr

34
 i
ou
Figure 2.3 – représentations temporelle (a) et fréquentielle (b)

Exemple 20 (Exemple d’application : Calcul d’intégrales)

lla
Certaines intégrales sont plus simples à calculer en utilisant l’identité de Parseval.
Par exemple soit la fonction f (t) = Π(t)
sin(πν)
Sa TF est fˆ(ν) = sinc(πν) = .
(πν)

Z ∞

−∞

Z ∞
lA
On peut alors calculer l’intégrale suivante, en application de l’équation (2.1)

2
sinc(πν) dν =
Z ∞

−∞
Π(t)2 dt = 1

sinc(πν)2 dν est beaucoup plus délicat.

.E
alors que le calcul direct de
−∞

Théorème 9 (Injectivité de la transformée de Fourier)

Soient f et g deux fonctions sommables, Alors

.A

fb(λ) = gb(λ) ∀λ ∈ R =⇒ f =g p·p

Deux fonctions intégrables, ayant même transformée de Fourier sont égales presque par-
tout.
of

Exemple 21 (Un exemple d’utilisation de TF) Concluons cette utilisation conjointe

de la transformée de Fourier et du produit de convolution, par un exemple.
Pr

Soit à résoudre l’équation différentielle linéaire du second ordre, avec un second membre f (
supposée dans L1 (R))
1
− 2 g 00 + g = f
ω
Formellement, si on applique la transformée de Fourier aux deux membres de cette équation,
on obtient ( cf . transformée de Fourier et dérivation)

1
− (2iπt)2 gb(t) + gb(t) = fb(t)
ω2

35
soit encore " #
4π 2 t2
gb(t) 1 + = fb(t)
ω2
h i
4π 2 t2
Comme la fonction 1 + ω2
n’a pas de zéro réel, on en déduit

1
gb(t) = 4π 2 t2
fb(t)
1+ ω2

i
ou
On peut vérifier que
1 1
4π 2 t2
= h(t)
b avec h(x) = ωe−ω|x|
1+ ω2
2
Finalement, on peut écrire

lla
gb(t) = h(t)
b fb(t)

Comme ici, f et h sont sommables, alors on a ( cf . transformée de Fourier et convolution)

h(t). ∗ f (t) et grâce à l’injectivité de la transformée de Fourier
fb(t) = h[
b

ou encore
lA g =h∗f p.p.

1 Z −ω|x−t|
.E
g(x) = ω e f (t)dt p.p.t. x ∈ R
2 R

2.1.2 Transformée de Fourier des distributions

.A

Dans cette partie, on commence par définir la transformée de Fourier pour les distributions
régulières. Soit f une fonction intégrable qui définit une distribution régulière Tf et intéressons
nous à la distribution régulière associée à fˆ.
On a Z Z Z 
∀ϕ ∈ D, < Tfˆ, ϕ >= fˆ(t)ϕ(t)dt = f (x) exp(−2iπxt)dx ϕ(t)dt
of

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

Pr

Z Z  Z
∀ϕ ∈ D, < Tfˆ, ϕ >= f (x) exp(−2iπxt)ϕ(t)dt dx = f (x)ϕ̂(x)dx =< Tf , ϕ̂ > .

Le problème ici est que si ϕ appartient à D, il n’y a aucune raison pour que sa transformée
de Fourier ϕ̂ appartienne à D et donc hTf , ϕ̂i 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.

36
Transformée de Fourier sur l’espace S

Définition 28 (Espace de Schwartz)

Une fonction est dite à décroissance rapide si pour tout k dans N, lim xk f (x) = 0.
x→±∞
1
Une telle fonction décroit plus vite que toutes puissance de |x| à l’infini.
On note S l’ensemble des fonctions de R dans R ou C qui sont indéfiniment dérivables

i
et à décroissance rapide ainsi que toutes leurs dérivées.

ou
Exemple 22 – D ⊂ S.
−x2 2
– e ∈ S et pourtant e−x ∈/ D.

lla
– e−|x| ∈
/ S.

Intéressons nous maintenant à la transformée de Fourier de telles fonctions. Soit ϕ une fonc-
tion de S. On a :

lA
∀m ∈ N, ϕ̂(m) (ν) =
Z
(−2iπx)m exp(−2iπνx)ϕ(x)dx

et on en déduit que ϕ̂ ainsi que toutes ses dérivées sont aussi à décroissances rapides. D’une
.E
manière générale, on a le résultat suivant :
Théorème 10

La transformation de Fourier est une application linéaire (et continue) de S dans S.

.A

La transformation de Fourier est continue sur S au sens que si ϕn → ϕ dans S alors

ϕ̂n → ϕ̂ dans S.

Transformée de Fourier des distributions tempérées

Définition 29
of

On appelle distribution tempérée toute fonctionnelle linéaire et continue sur l’espace

de fonctions S.
Pr

Les distributions tempérées forment un sous-espace de D0 noté S 0 .

Exemple 23 Si f ∈ S, f définit une distribution tempérée Tf par la formule :

Z
hTf , ϕi = f (x)ϕ(x)dx.

37
Exemple 24 La distribution de Dirac en a ∈ R, notée δa , est définie par :

hδa , ϕi = ϕ(a).

Exemple 25 La fonction x1 ne définit pas une distribution tempérée comme dans l’exemple
 
24, mais on définit la distribution valeur principale de x1 , notée vp x1 ∈ S 0 , par :

i
1 ϕ(x)
    Z
vp , ϕ = lim+ dx

ou
x ε→0 |x|>ε x

Théorème 11 (Caractérisation des distributions tempérées)

lla
Pour qu’une fonctionnelle linéaire continue T sur S soit tempérée, il faut et il suffit
qu’il existe A > 0 et p ∈ N+ tels que, pour tout ϕ ∈ S, on ait :

| < T, ϕ > | ≤ Akϕkp ,

où lAkϕkp =
Z
p
|ϕ(t)| dt
1/p
.
.E
Théorème 12 (Théorème et Définition)

Toute distribution tempérée T admet une transformée de Fourier, notée F[T ] ou T̂ ,

qui est également une distribution tempérée. Elle est définie par :
.A

∀ϕ ∈ S, hT̂ , ϕi = hT, ϕ̂i.

Exemple 26 La transformée de δa :
Par définition, pour toute fonction φ de l’espace S, on a
of

D E D E Z
δˆa , φ = δa , φ̂ = φ̂(a) = e−2iπax φ(x)dx
R
Pr

Cela montre que δˆa est la distribution régulière définie par la fonction x 7→ e−2iπax . C’est à
dire, si on note g(x) = e−2iπax , δˆa = Tg .
En particulier, δ̂ est définie par la fonction constante égale à 1. Donc

δ̂ = T1 et δˆa = Tg .

38
Exemple 27 – F [T1 ] = δ
D E Z +∞
T̂1 , ϕ = hT1 , ϕ̂i = ϕ̂(ν)dν = ϕ(0) = hδ, ϕi,
−∞

h i
– F Texp(2iπax) = δa ,
h i
– F Tcos(2πax) = 21 (δa + δ−a ),
h i
1
– F Tsin(2πax) = (δa − δ−a ).

i
2i

ou
Transformée de Fourier inverse des distributions

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

lla
∀ϕ ∈ S, < F −1 F[T ], ϕ >=< F[T ], F −1 [ϕ] >=< T, FF −1 [ϕ] >=< T, ϕ >

Propriétés :

l’on a les propriétés suivantes :

Théorème 13
lA
On peut montrer, de la même façon que pour la transformée de Fourier des fonctions, que

Soit T une distribution tempérée. On a alors :

.E
1. (Dérivation)
 (m)
Tb = (−2πi)m F[xm T ], ∀m ∈ N∗ .

2. (Dérivation)
.A

(m) = (2iπν)m T
Td b, ∀m ∈ N∗ .

3. (Translation)
F[T (x − a)] = e−2πiνa Tb , ∀a ∈ R.
of

4. (Translation)
h i
Tb (ν − a) = F e2πixa T , ∀a ∈ R.
Pr

5. (Dilatation)
1 b ν
 
F[T (ax)] = T , ∀a ∈ R∗ .
|a| a
6. (Transposition)
Tb = Te .
e b

Preuve

39
 Théorème 14

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

F[T ] est une distribution régulière associée à une fonction indéfiniment dérivable.

2.2 La transformation de Laplace

i
ou
La transformation de Laplace est une sorte de généralisation de la transformation de
Fourier qui permet parfois d’éviter d’utiliser les distributions lorsqu’une fonction n’admet
pas de transformée de Fourier.

lla
2.2.1 Transformée de Laplace des fonctions
Définition 30

lA
Soit f une fonction définie pour tout t ∈ R+ et à valeurs réelles ou complexes. La
transformée de Laplace de f notée L[f (t)] ou L(s) est alors donnée, lorsqu’elle existe,
par la fonction de la variable complexe s ∈ C définie par :
Z +∞
.E
L[f (t)] = L(s) = f (t)e−st dt
0

Notons que si on ne fait aucune hypothèse sur f , alors l’intégrale 0+∞ f (t)e−st dt n’existe
R
2
pas forcément. Par exemple, la fonction t 7→ et n’admet pas de transformée de Laplace. Nous
.A

avons cependant le théorème d’existence suivant :

Théorème 15

Soit f une fonction continue par morceaux sur tout intervalle de la forme [a, b] avec
a, b ∈ R∗+ et vérifiant de plus
of

∀t ≥ 0, |f (t)| ≤ M eγt
Pr

pour certaines constantes réelles M > 0 et γ (dans ce cas, f est dite une fonction
d’order exponentielle). Alors la transformée de Laplace de f existe pour tout s =
x + iω ∈ C avec x > γ.

Remarque 4

La condition du théorème précédent est suffisante pour garantir l’existence de la

transformée de Laplace, mais n’est pas nécessaire. En effet

40
 la fonction t 7−→ √1t ne vérifie pas les conditions du théorème mais admet une transformée
de Laplace qui est définie par
!
1 π
r
L √ = .
t s

1
Exemple 28 – L (eat ) (p) = p−a .

i
iωt 1 p+iω
– L (e ) (p) = p−iω = p2 +ω2 = L(cos ωt)(p) + iL(sin ωt)(p).

ou
En identifiant partie réelle et partie imaginaire, on a :

p ω
L(cos ωt)(p) = et L(sin ωt)(p) =
p2 + ω2 p2 + ω2

lla
Soit f une fonction vérifiant les conditions du théorème précédent et soit s = x + iω ∈ C.
Alors, la fonction t 7→ f (t)e−st est intégrable si et seulement si la fonction t 7→ f (t)e−xt est
intégrable.

lA
.E
.A
of
Pr

41
 Définition 31

On appelle abscisse de sommabilité de la fonction f et on note α la borne inférieure

de tous les x pour lesquels il y a sommabilité :

α = inf {t 7→ |f (t)|e−xt est sommable }

x∈R

La transformée de Laplace L de f est donc définie pour tout s = x + iω ∈ C avec

i
x = Re(s) > α où α est l’abscisse de sommabilité de f . Dans certains cas, L est aussi définie

ou
pour x = α.

Exemple 29 On considère la fonction de Heaviside H. Pour x ∈ R, on a

lla
Z +∞ Z +∞
1
H(t)e−xt dt = e−xt dt = − [e−xt ]+∞
0
0 0 x

L’abscisse de sommabilité de H est donc α = 0 et L[H(t)] est définie pour tout complexe s

lA
ayant une partie réelle strictement positive : on a alors L[H(t)] = 1s .

Relation entre transformées de Laplace et de Fourier

Soit f une fonction causale, c’est-à-dire telle que f (t) = 0 pour tout t < 0, et supposons
.E
que f admette une transformée de Fourier fˆ. On a alors
Z +∞ Z +∞
ω
 
ω
−2iπ ( 2π )t
L(iω) = f (t)e−iωt
dt = f (t)e dt = fˆ
−∞ −∞ 2π
.A

La transformée de Laplace peut donc se voir comme une extension de la transformée de

Fourier.
L(x + iω) est la transformée de Fourier de t 7→ f (t)e−xt prise en 2π
ω
. Soit f une fonction
d’abscisse de sommabilité α et notons L sa transformée de Laplace. On a alors, pour x > α,
of

Z +∞
L(x + 2iπν) = H(t)f (t)e−xt e−2iπνt dt
−∞
Pr

D’où
L(x + 2iπν) = F[H(t)f (t)e−xt ](ν)

et en appliquant la transformée de Fourier inverse, il vient qu’en tout point t où Hf est

continue : Z +∞
H(t)f (t)e−xt = L(x + 2iπν)e2iπνt dν
−∞

42
Notons que pour pouvoir appliquer la transformée de Fourier inverse, on peut supposer que
F est intégrable. Ceci entraîne alors
Z +∞
H(t)f (t) = L(x + 2iπν)ext e2iπνt dν
−∞

On obtient donc
1 Z
H(t)f (t) = L(s)est ds

i
2iπ Dx

ou
où s = x + 2iπν et Dx = {x + iω; ω ∈ R} est appelé contour de Bromwich.
Théorème 16 (Inversion de la transformée de Laplace)

Soient f une fonction vérifiant les conditions du théorème précédent et L sa transfor-

lla
mée de Laplace que l’on suppose intégrable. Si l’on note α l’abscisse de sommabilité de
f , on a la formule d’inversion suivante (valable en tout point de continuité de Hf ) :

1 Z x0 +i∞

avec x0 > α quelconque.

lA
H(t)f (t) =
2iπ x0 −i∞
L(s)est ds

Si la transformée de Laplace d’une fonction existe, alors elle est unique. En ce qui concerne
.E
la transformée de Laplace inverse, nous avons le résultat suivant :
Proposition 9

Soient f et g deux fonctions qui vérifient les conditions du théorème 2.2.1 Si L[f (t)] =
L[g(t)], alors f (t) = g(t) en tout point t où f et g sont continues. En particulier, si deux
.A

fonctions continues sur R+ ont la même transformée de Laplace, alors elles sont identiques.

Définition 32

Pour une fonction f : [0, +∞[→ R dont sa transformée de Laplace existe et est notée
of

L alors, on définie la transformée de Laplace inverse si l’on considère uniquement les

variables sont réelles, ainsi
Pr

Z
f (t) = L(s)est ds, t≥0
R+

On trouve aussi parfois

Z
L−1 {L(s)}(t) = (Lf )(s)est ds, t≥0
R+

43
Propriétés

Nous allons citer ci-dessous quelques propriétés élémentaires sur les transformées de La-
place.
Proposition 10 (Linéarité)

La transformée de Laplace est une application linéaire. Plus précisément, Pour tout
α, β ∈ C, pour toutes fonctions f, g, d’abscisses de sommabilité respectives σ0 , ρ0 , alors

i
ou
L{αf (x) + βg(x)}(s) = αL{f (x)}(s) + βL{g(x)}(s) = αF (s) + βG(s),

où Re(s) > max {σ0 , ρ0 }.

lla
Preuve En effet, si les fonctions f et g admettent des transformées de Laplace :
Z ∞ Z ∞

alors
L{f (x)}(s) = F (s) =
0

lA
L{αf (x) + βg(x)}(s) =
f (x)e−sx dx,

Z ∞

0
Z ∞
L{g(x)}(s) = G(s) =

(αf (x) + βg(x))e−sx dx

Z ∞
0
g(x)e−sx dx
.E
=α f (x)e−sx dx + β g(x)e−sx dx
0 0

= αL{f (x)}(s) + βL{g(x)}(s)

= αF (s) + βG(s)
.A

où α et β sont des constantes. Si les abscisses de sommabilité de f et g sont respectivement σ0

et ρ0 , alors le domaine de sommabilité sur lequel αf +βg est défini est {s ∈ C : Re(s) > max {σ0 , ρ0 }}.

Proposition 11 (Translation)

Si L{f (x)}(s) = F (s), alors

of

L{f (x − c)}(s) = e−cs F (s), Re(s) > σ0 .

Pr

Preuve Posons 
 f (x − c) si x > c
g(x) = 
0 si x < c

44
On a Z ∞
L{g(x)}(s) = g(x)e−sx dx
0
Z c Z ∞
−sx
= g(x)e dx + g(x)e−sx dx
0 c
Z ∞
= f (x − c)e−sx dx
c
Z ∞
−sc
=e f (t)e−st dt, t=x−c
0

i
= e−sc F (s)

ou
ce qui achève la démonstration.

Proposition 12

lla
Si L{f (x)}(s) = F (s), alors
n o
L f (x)e−αx (s) = F (s + α), Re(s) > σ0 − Re(α).

Preuve On a évidemment
n
L f (x)e
lA
−αx
o
(s) =
Z ∞
f (x)e−(α+s)x dx = F (s + α)
.E
0

d’où le résultat.

Proposition 13 (Changement d’échelle)

.A

Soit c > 0. Si L{f (x)}(s) = F (s), alors

1 s
 
L{f (cx)}(s) = F , Re(s) > cσ0 .
c c
of

Preuve On a
Z ∞
1Z ∞ 1 s
 
s
−sx
f (t)e− c t dt = F
Pr

L{f (cx)}(s) = f (cx)e dx =

0 c 0 c c

où t = cx, ce qui achève la démonstration.

45
 Proposition 14 (Conjugaison complexe)

Si L{f (x)}(s) = F (s), alors

L{f¯(x)}(s) = F̄ (s̄), Re(s) > σ0 .

Preuve On a

i
Z ∞ Z ∞

ou
L{f¯(x)}(s) = f¯(x)e−sx dx = f (x)e−s̄x dx = F̄ (s̄)
0 0

et la démonstration s’achève.

lla
Proposition 15

La transformée de Laplace d’une fonction localement sommable f , est une fonction

holomorphe dans le domaine de sommabilité {s ∈ C : Re(s) > σ0 } et on a la formule

Rappel :
F (n)
(s) =
0
lA
Z ∞
(−x)n f (x)e−sx dx = (−1)n L {xn f (x)} (s)
.E
Définition 33

Soit f une fonction définie au voisinage d’un point z0 de C. On dit que f est C-
f (z) − f (z0 )
différentiable en z0 si z→z
lim existe.
0
z6=z0
z − z0
.A

f (z) − f (z0 )
On pose alors f 0 (z0 ) = lim .
z→z0 z − z0
Le nombre f 0 (z0 ) est appelé dérivée de f en z0 .

Définition 34
of

Soit D un ouvert de C. On dit qu’une fonction est holomorphe sur D si elle est
C-différentiable en tout point de D.
Pr

Exemple 30 Déterminons la transformée de Laplace de xn .

D’après la proposition précédente, on a L {xn f (x)} (s) = (−1)n F (n) (s).
Ici f (x) = 1 et F (s) = 1s , d’où
 (n)
n n 1
L {x } (s) = (−1)
s

46
Explicitement, on a

1 n o 2 n!
L{x}(s) = , L x2 (s) = , , L {xn } (s) =
s2 s3 sn+1

Le résultat suivant joue un rôle important dans la résolution des équations intégrales.
Proposition 16

i
Si L{f (x)}(s) = F (s) et L{g(x)}(s) = G(s), alors

ou
L{(f ∗ g)(x)}(s) = F (s)G(s), Re(s) > max {σ0 , ρ0 }

où σ0 et ρ0 sont les indices de sommabilité de f et g respectivement.

lla
Le résultat suivant est très utile en pratique dans la résolution des équations différentielles.
Proposition 17

lA
Soit f une fonction localement sommable. On suppose que pour tout x > 0, f est
continue, sa dérivée f 0 existe et est continue par morceaux. S’ il existe des constantes
M > 0 et σ0 telles que : |f (x)| ≤ M eσ0 x , pour tout x ≥ 0, alors
   
L {f 0 (x)} (s) = sL{f (x)}(s) − f 0+ = sF (s) − f 0+ ,
.E
Re(s) > σ0

De manière générale

n o n  
n
(n)
sk−1 f (n−k) 0+
X
L f (x) (s) = s F (s) −
.A

k=1

Corollaire 1

Si L{f (x)}(s) = F (s), alors

of

Z x
F (s)

L f (t)dt (s) = , Re (s) > max (0, σ0 )
0 s
Pr

Z x
Preuve Posons g(x) = f (t)dt. D’après la proposition précédente, on a
0

L {g 0 (x)} (s) = sL{g(x)}(s) − g(0) = sL{g(x)}(s)

car g(0) = 0.
Or g 0 (x) = f (x), d’où L {g 0 (x)} (s) = L{f (x)}(s).

47
On en déduit que sL{g(x)}(s) = L{f (x)}(s), c’est-à-dire

L{f (x)}(s)
Z x
F (s)

L f (t)dt (s) = =
0 s s

Exemple 31 (Un exemple d’utilisation de TL) On considère l’équation différentielle

(avec condition initiale) suivante 
 y 0 = y + tet

i
 y(0) = −1

ou
Soit f la solution de l’équation ci-dessus, on note F (s) = L {f (t)} alors, d’après la formule
donnant la transformée de Laplace d’une dérivée, on a

lla
 
L {f 0 (t)} = sF (s) − f 0+ = sF (s) + 1

D’autre part, la relation f 0 (t) = f (t) + tet et la linéarité de la transformation de Laplace

donnent

L {f 0 (t)} = L
n
lA o
f (t) + tet = L {f (t)} + L tet = F (s) + L tet .
1
Or L {t} = 2 donc L tet =
s
n o 1
(s − 1)2
. Il s’ensuit
n o n o
.E
1
L {f 0 (t)} = F (s) + .
(s − 1)2

On obtient donc
1
sF (s) + 1 = F (s) +
.A

(s − 1)2
i.e.
1
(s − 1)F (s) = −1
(s − 1)2
puis
of

1 1
F (s) = − .
(s − 1)3 s − 1
1
On sait que s−1 = L {et }.
Pr

n 2o n 2
o
De plus, on a s23 = L {t2 } donc 1
s3
=L t
2
puis 1
(s−1)3
= L et t2 . On a donc finalement
!
2
tt t
f (t) = e −e
2
2
i.e. la solution du problème est la fonction f donnée par f (t) = et t2 − et .

48
2.2.2 Transformée de Laplace des distributions
Définition 35
0
Soit T une distribution de D+ (c’est-à-dire à support borné à gauche). Supposons qu’il
existe σ0 ∈ R tel que pour σ > σ0 , la distribution e−σt T soit tempérée, i.e., e−σt T ∈ S 0 .
Alors, la transformée de Laplace de T est la fonction de C dans C définie par

i
D E
LT (s) = T, e−st , Re (s) = σ > σ0

ou
Comme pour les fonctions, ici aussi la borne inférieure des σ0 s’appelle abscisse de som-
mabilité.

lla
Remarque 5

1. la transformée de Laplace d’une distribution n’est pas une distribution mais une
fonction qui à un complexe s associe le complexe hT, e−st i.

ment linéaire.
Remarque 6
lA
2. Comme pour les fonctions, la transformée de Laplace des distributions est évidem-
.E
Lorsque T est associée à une fonction localement sommable f de R+ dans R (ou C ),
on aura Z ∞
D E
−sx
L{f (x)} = f (x), e = f (x)e−sx dx.
0

On retrouve ainsi la définition de la transformée de Laplace au sens des fonctions.

.A

Exemple 32 La transformée de Laplace de la distribution δ de Dirac est Lδ = 1. En effet,

on a Lδ = hδ, e−sx i = 1
of

Exemple 33 La transformée de Laplace de la dérivée n ième de la distribution δ de Dirac

 
est L δ (n) = sn . En effet, on a
Pr

  D E
L δ (n) = δ (n) , e−sx
 
−sx (n)
 
n
= (−1) δ, e
D E
= (−1)n δ, (−s)n e−sx
= (−1)n (−s)n
= sn .

49
Proposition 18
0
Soient T, S ∈ D+ et possédant des transformées de Laplace LT et LS. Alors

L(T ∗ S) = (LT )(LS)

Exemple 34 En posant S = δ dans la formule ci-dessus, on retrouve le résultat obtenu dans

i
l’exemple 32 En effet, on a dans ce cas

ou
L(T ∗ δ) = (LT )(Lδ)

Or T ∗ δ = T , d’où LT = (LT )(Lδ) et par conséquent Lδ = 1.

lla
Proposition 19
0
Si T ∈ D+ et admet une transformée de Laplace LT , alors

 
lA  
L T (n) = sn (LT )

Exemple 35 La transformée de Laplace de la dérivée nième de la distribution δ de Dirac est

.E
L δ (n) = sn (Lδ) = sn . On retrouve ainsi le résultat obtenu dans l’exemple 33.

2.3 Applications de la transformation de Laplace

.A

La plupart des problèmes de physique conduisent à poser et à tenter de résoudre des

équations différentielle linéaire (ordinaires et partielles) avec des conditions aux limites ca-
ractéristiques de la situation étudiée. La transformée de Laplace permet de traiter un grand
nombre d’équations différentielles, et des équations intégrale.
of

2.3.1 Résolution des équations différentielles linéaires

Soit donnée une équation différentielle linéaire d’ordre n à coefficients constants
Pr

an y (n) + an−1 y (n−1) + . . . + a1 y 0 + a0 y = g(t)

On demande de trouver la solution de cette équation y = y(t), pour t ≥ 0 et vérifiant les

conditions initiales :
(n−1)
y(0) = y0 , y 0 (0) = y00 , . . . , y (n−1) = y0

On suit les étapes suivantes :

50
 1. Appliquer la transformation de Laplace des deux membres de l’équation :
n o
L an y (n) + an−1 y (n−1) + . . . + a1 y 0 + a0 y (s) = L{g(t)}(s) := G(s)

En utilisant les propriétés de linéarité :

n o n o
an L y (n) (s) + an−1 L y (n−1) (s) + . . . + a1 L {y 0 } (s) + a0 L{y}(s) = G(s)

i
ou
sachant que :
n o k  
k
(k)
si−1 f (k−i) 0+ .
X
L f (t) (s) = s F (s) −
i=1

lla
2. En utilisant des techniques algébriques pour obtenir la solution Y (s)
3. Retrouve y(t) en utilisant la transformation inverse sur Y (s).
Transformées de Laplace de quelques fonctions usuelles :

−at
e , a≥0
tn
f
lA
Sa transformé de laplace L{f (t)}(s)

s
n!
n+1
1
.E
s+a
s
cos(ωt)
s + ω2
2
ω
sin(ωt)
s + ω2
2
n!
tn e−at
.A

(s + a)n+1
g(t)e−at F (s + a)

Exemple 36 Déterminons la solution y(t) de l’équation différentielle :

of

y 00 (t) + y(t) = t
Pr


 y(0) = 1
avec des conditions aux limites suivantes :
 y 0 (0) = −2
1. Nous appliquons la transformation de Laplace aux deux membres de l’équation :

L {y 00 (t)} (s) + L{y(t)}(s) = L{t}(s)

51
 Si L{y(t)}(s) = Y (s) on a

1
s2 Y (s) − y 0 (0) − sy(0) + Y (s) =
s2

2. En utilisant des techniques algébriques nous trouvons

12 s
Y (s) = + 2 −
s2 (s2 s2

i
+ 1) +1 s +1
1 1 2 s

ou
= 2− 2 − 2 + 2
s s +1 s +1 s +1
1 3 s
= 2− 2 + 2
s s +1 s +1

lla
3. Nous appliquons la transformation inverse de Laplace aux deux membres de l’équation :

1 3 s
     
−1 −1
L {Y (s)}(t) = y(t) = L 2
(t) − L−1 2 (t) + L−1 2 (t)
s s +1 s +1

2.3.2
lA
y(t) = t − 3 sin t + cos t

Résolution des équations intégrales

.E
Une équation intégrale est une équation dans laquelle la fonction inconnue u(t) apparaît
sous le signe intégral. Une équation intégrale standard en u(t) est de la forme :
Z h(t)
u(t) = f (t) + α K(t, x)u(x)dx.
g(t)
.A

La transformée de la place est outil de résolution de certaines équations intégrales.

Exemple 37 Résoudre à l’aide la transformée de Laplace l’équation intégrale suivante :
Z t
u(t) = t2 + u(x) sin(t − x)dx.
of

2.3.3 Équations aux dérivées partielles linéaires

Pr

L’équation différentielle partielle (EDP) est une équation différentielle ordinaire (EDO)
pour la fonction de plusieurs variables. Nous la trouvons principalement dans toutes les équa-
tions de la physique. Par exemple : Les équations de Maxwell en électromagnétisme, l’équation
de Schrödinger en mécanique quantique, les équations de Navier-Stokes en hydrodynamique,
l’équation de la chaleur en thermodynamique, ...etc
La transformée de Laplace est également utile pour résoudre diverses équations aux déri-
vées partielles sous réserve de conditions limites.

52
Exemple 38 (Équation de la chaleur) Déterminons la solution u(x, t) de l’équation aux
dérivées partielles :
∂u ∂ 2u
=
∂t ∂x2
satisfaisant aux conditions :

 u(x, 0) = sin x, 0 < x < π.

i
 u(0, t) = u(π, t) = 0, t > 0.

ou
1. Si U (x, s) = L{u(x, t)}. On a
( ) ( )
∂u ∂ 2u
L =L

lla
∂t ∂x2

Or ( ) Z +∞
∂u ∂u −st
L = e dt
∂t

lA 0

= lim

= lim
∂t
Z h

h→+∞ 0 ∂t

h→+∞
∂u −st
e dt

u(x, t)e−st
h
0
+s
Z h

0
!
u(x, t)e−st dt
.E
Z +∞
=s u(x, t)e−st dt − u(x, 0)
0

= sU (x, s) − u(x, 0)
∂
On pose : v(x, t) = u(x, t), on obtient :
.A

∂x

( ) ( )
∂ 2u ∂v
L =L
∂x2 ∂x
Z +∞
∂v −st
= e dt
0 ∂x
of

d Z +∞
= v(x, t)e−st dt
dx 0
d Z +∞ ∂u −st
= e dt
Pr

dx 0 ∂x
d2 Z +∞
= 2 u(x, t)e−st dt
dx 0
d2
= 2 U (x, s)
dx

donc
d2
sU (x, s) − u(x, 0) = U (x, s)
dx2

53
 c-à-d
d2
U (x, s) − sU (x, s) = − sin x
dx2
2. La solution de cette équation est :

U (x, s) = Ug (x, s) + Up (x, s)

i
Ug (x, s) : solution générale de l’équation homogène.
√ √

ou
Ug (x, s) = K1 e sx + K2 e− sx , K1 , K2 sont des constantes.
Up (x, s) : solution particulière de l’équation non homogène.

1
Up (x, s) = C sin x, C=

lla
s+1

c-à-d
sin x
Up (x, s) = .

Alors

On a
lA
U (x, s) = K1 e
√
sx
s+1

+ K2 e−
√
sx
+
sin x
s+1
.E
U (0, s) = K1 + K2
√ √
U (π, s) = K1 e sπ
+ K2 e− sπ

Par hypothèse, Z +∞
U (0, s) = L{u(0, t)} = u(0, t)e−st dt = 0
.A

0
Z +∞
U (π, s) = L{u(π, t)} = u(π, t)e−st dt = 0
0

donc

K 1

+ K2 = 0, sin x
of

√ √ ⇒ K1 = K2 = 0 ⇒ U (x, s) =
K1 e sπ

+ K2 e − sπ
=0 s+1
Pr

3. Finalement, la solution de l’équation proposée est :

sin x 1
   
u(x, t) = L−1 {U (x, s)} = L−1 = sin x L−1 = e−t sin x
s+1 s+1

54
Exercice 1 Résoudre l’équation aux dérivées partielles suivantes :
 2
∂ u ∂ 2u
−


 4 + u = 16x + sin(x),
∂t2 ∂x2





u(0, t) = 0,





 u(π, t) = 16π,
∂



ut (x, 0) = u(x, t)|t=0 = 0,



i

∂t





ou

u(x, 0) = 16x + 12 sin(2x) − 8 sin(3x).



lla
lA
.E
.A
of
Pr

55