DÉVELOPPEMENTS POUR L’AGRÉGATION EXTERNE

Inversion de la transformée de Fourier

Leçons : 234, 235, 239, 240, 261

[Ouv2], section 12.3

Rappels :
 R → C
 d
1. Si µ est une mesure bornée sur Rd , on définit : µ
b :  .
t 7→ Rd eihx,ti dµ( x )
R
Z
2. Soit y ∈ Rd , si g(y − .) est µ-intégrable, on définit ( g ? µ)(y) = g(y − x ) dµ( x ).
Rd
Théorème
Soit µ une mesure bornée sur Rd et telle que µ
b ∈ L1 (λ).
 d Z
1
Alors µ  λ et sa densité (au sens de Radon-Nikodym) est : h( x ) = b(t)e−ihx,ti dt.
µ
2π Rd

Prérequis
k x k2
   
1
– Pour σ > 0, gσ : x 7→ √ exp − 2 est une densité de probabilité.
2πσ 2σ
√ d
– On a : ∀t ∈ Rd , gb1 (t) = 2π g1 (t).
– Par convergence dominée : ∀ f ∈ Cb Rd , ∀ x ∈ Rd , ( f ? gσ ) ( x ) −→ f ( x ).


σ →0

Démonstration :
d Z 
1
Étape 1 : On va montrer que : ∀y ∈ Rd , ( gσ ? µ) (y) = √ b(v) g1 (σv)e−ihy,vi dv.
µ
2π Rd
Comme gσ et µ sont bornées, on a bien : ∀y ∈ Rd , gσ (y − .) ∈ L1 (µ).
d d 
k x − y k2 x−y
    
1 1
De plus, gσ (y − x ) = gσ ( x − y) = √ exp − = √ g1 .
2πσ 2σ2 2πσ σ
Par un changement de variable, on obtient ensuite :
d Z d Z
x−y
    
1 dz 1
gσ ( y − x ) = √ g1 (z) exp i ,z = √ g1 (σv) exp(ih x − y, vi) dv
2π Rd σ σd 2π Rd

d Z
1
Z
Donc ( gσ ? µ) (y) = √ g1 (σv) exp(ih x − y, vi) dvdµ( x ).
Rd 2π Rd
d
σ 2 k v k2
  
1
Or | g1 (σv) exp(ih x − y, vi)| = √ exp − est intégrable par rapport à λ ⊗ µ car µ est
2π 2
σ 2 k v k2
 
bornée et v 7→ exp − ∈ L1 (λ).
2
On applique Fubini :
 d Z  d Z
1 1
Z
−ihy,vi ih x,vi
( gσ ? µ ) ( y ) = √ g1 (σv)e e dµ( x )dv = √ g1 (σv)e−ihy,vi µ
b(v)dv
2π Rd Rd 2π Rd

Étape 2 : Montrons que µ  λ.Z Z

 
Soit f ∈ CK Rd , on a : f ( x ) dµ( x ) = lim ( f ? gσ ) ( x ) dµ( x ).
Rd Rd σ →0
On applique le théorème de convergence dominée, car :
Z  Z
| f ( x − y)| | gσ (y)| dy 6 k f k∞ ∈ L1 (µ) car µ est bornée.
 
|( f ? gσ ) ( x )| = 
 f ( x − y) gσ (y) dy 6
Rd Rd

Florian L EMONNIER 1 ENS Rennes – Université Rennes 1

Diffusion à titre gratuit uniquement.
 DÉVELOPPEMENTS POUR L’AGRÉGATION EXTERNE

Z Z Z Z
On a donc : f ( x ) dµ( x ) = lim ( f ? gσ ) ( x ) dµ( x ) = lim f (y) gσ ( x − y) dydµ( x ).
Rd σ →0 Rd σ →0 Rd Rd
On applique Fubini, car | f (y) gσ ( x − y)| 6 | f (y)| k gσ k∞ est µ ⊗ λ-intégrable.
Ainsi
Z Z Z Z Z
f ( x ) dµ( x ) = lim f (y) gσ ( x − y) dµ( x )dy = lim f (y) gσ (y − x ) dµ( x )dy
Rd σ →0 Rd Rd σ →0 Rd Rd
Z
= lim f (y) ( gσ ? µ) (y) dy
σ →0 Rd

Mais on a :
 
Z  1 d  | f (y)|
| f (y) ( gσ ? µ) (y)| = | f (y)|  √ b(v) g1 (σv)e−ihy,vi dv 6 kµbk1
 
µ
 Rd 2π  (2π )d

qui est intégrable par rapport à la mesure de Lebesgue sur Rd .

Ainsi, par convergence dominée :
  Z Z
∀ f ∈ CK Rd , f ( x ) dµ( x ) = f (y) lim ( gσ ? µ) (y) dy
Rd Rd σ →0

On a donc bien µ  λ.
Étape 3 : La relation précédente nous donne : h( x ) = lim ( gσ ? µ) ( x ).
σ →0
 d Z
1 −ih x,vi
Ainsi : h( x ) = lim b(v) g1 (σv)e
µ dv.
σ→0 2π Rd
   1 d  
Or µ b(v) g1 (σv)e−ih x,vi  6 √ |µb(v)| ∈ L1 Rd .
 
2π
 d Z
1
Donc h( x ) = b(v)e−ih x,vi dv.
µ
2π Rd

Références
[Ouv2] J.-Y. O UVRARD – Probabilités 2, 3e éd., Cassini, 2009.

Florian L EMONNIER 2 ENS Rennes – Université Rennes 1

Diffusion à titre gratuit uniquement.