Sur la convergence des séries de Fourier : théorème de ...
Transcript of Sur la convergence des séries de Fourier : théorème de ...
MOSTAFA MACHE
Sur la convergence des séries de Fourier théorème de Car leson
Mémoire présenté à la Faculté des études supérieures de l'Université Laval
dans le cadre du programme de maîtrise en mathématiques pour l 'obtention du grade de Maître ès sciences (M.Sc.)
FACULTÉ DES SCIENCES ET DE GÉNIE UNIVERSITÉ LAVAL
QUÉBEC
2009
©Mostafa Mache, 2009
Résumé
La convergence d 'une série de Fourier est toujours un t hème d 'actualité. Notre sujet
d 'étude porte sur la convergence presque p artout de la série de Fourier d 'une fonction·
de carré sommable, démont rée par L. Carleson en 1966 en ut ilisant une décomposit ion
de cette fonction. C. Feffermann , en 1973, utilise la décomposition de l 'opérateur de
Carleson. Puis, dans la deuxième moit ié des années 1990, C. Thiele et M. T . Lacey
reprennent cette décomposit ion en s 'appuyant sur la st ructure du plan t emps-fréquence.
C 'est dans cett e opt ique qu 'on va discuter de ce suj et , en tirant profit de la géométrie
du plan temps-fréquence et de l 'analyse des paquets d 'ondes .
Avant-propos
J 'aimerais remercier mon directeur de recherche M. Thomas Ransford , professeur au
département de mathématiques et de statistique à l 'Université Laval , pour ses conseils
pertinents , sa disponibilité et son soutien. Par l'occasion même, je remercie les autres
enseignants que rai côtoyés tout au long de mes études, mes collègues étudiants avec
qui j 'ai partagé des moments de travail sérieux ou de joie. Sans soutien financier ou
documentation mis à ma disposition, ce travail n 'aurait jamais vu le jour.
Je profite de cette occasion pour remercier mes parents Amina et Ahmed qui ont
tout sacrifié pour m 'instruire, mes frères et soeurs et plus particulièrement Smaïl et
Bouazza qui m'ont beaucoup encouragé tout au long de ma vie.
l\!Ion dernier remerciement est à ma femme Julie et mes deux filles Lamia et Safi a
de leur présence qui illumine mon chemin.
Table des matières
Résumé
Avant-Pr opos
Table d es matières
Table des figures
1 Introduction
1.1 Histoire .
1.2 P réliminaires
2 Outils d e l'analyse de paquet d'ondes
3 Décomposition de l'opérateur de Carleson
4 Les Lemmes Principaux
5 Preuves des lemmes
5.1 Lernme de la densité
5. 2 Lemme de la t aille
5.3 Lemme de l 'arbre ..
6 Généralisations et problèmes ouverts
A Analyse de Fourier
Bibliogr aphie
ii
iii
iv
v
1
1
3
6
13
18
24
24
26
29
39
4 2
Table des figures
2.1 Différents ratios fréquence/temps d 'une tuile Il
2.2 A llure d e Ç3 12
4.1 Deux tuiles telles que s < s' 18 4.2 Un arbre+ 20 4.3 Illustration du fait que size( 5') < 2 22
5.1 La densité d 'une tuile . 24
5.2 Disjonction des ensembles N - 1 (w s ) n 1s 25
5.3 Disjonction fort e entre deux arbres. 2'7 . {
5.4 Illustration de la fon ction T 34
Chapitre 1
Introd uction
1.1 Histoire
Représenter une fonction -f définie sur un intervalle de longueur 21f de IR par une
série trigonornétrique de la forme
00
f(x) = L (ak cos(kx) + bk sin(kx)) , k = O
apparaît, naturellement, lorsqu'on veut utiliser la méthode de séparation des variables
pour résoudre une équation aux dérivées partielles.
Chronologiquement, Daniell Bernoulli (1753) a été le premier à approcher ul~e fonc
tion f par une série trigonométrique afin de résoudre l'équation de la corde
voir aussi [2, p.140]. Ensuite , Fourier (1800) a étudié le problème de la diffusion de la
chaleur en utilisant les séries de Fourier (publié dans [8]).
Notons la Nème somme partielle symétrique de la série de Fourier de f par
N
SNf(x) = L Î(k)eikx,
k=-N
où ---- 1 l 7r -f(k) = - f( x )e- tkXdx .
21f -7r
Chapitre 1. Introduction
Notre premier espoir de représenter f par sa série de Fourier est de savoir si
limN~CXJ SNf(x) existe pour chaque x, ensuite si cette limite est égale à f( x) .
2
Dirichlet (1829) a apporté une réponse posit ive en affirmant que si une fonction f est
bornée, continue par morceaux et a un nombre fini de minima et maxima, alors
En 1870, Heine prouve que la série de Fourier d 'une fonction 2n-périodique, CCXJ-par
morceaux converge uniformément dans chaque intervalle sans point de discont inuité. Et
avec moins de condit ions, Jordan (1 881) montre qu 'une fonction f à variation bornée a une série de Fourier qui converge simplement vers ~ (f (x+) + f (x - )) . Il faut noter
qu 'on ne peut pas t ouj ours retrouver f cornme limite simple de sa série de Fourier
puisque Du Bois-Reymond (1876) donne le premier exemple d 'une fon~ction continue
dont la série de Fourier diverge en un point. Cela a poussé Féjer (1908) à ut iliser les
t echniques de sommabilité en approchant une fonction f E .cP (IR) , en norme /:,P, avec
sa moyenne de Césaro an(f , x) = n~l I:~=o Skf( x ). Puis vers 1913, Lusin conj ecture la convergence simple de la série de Fourier d 'une fonction f E .c2(1r). Cette dernière
conj ecture n 'est pas vraie dans le cas .cl (1r) , puisque Kolmogorov (1923) donne un
exemple d 'une fonction f E .cl (1r) avec une série de Fourier divergente part out . Ce fut
Carleson qui prouva la conjecture de Lusin en 1966 ; puis , en 1967 Hunt généralise pour
le cas 1 < p < 00.
Plusieurs variations de la preuve de Carleson sont apparues . C . Fefferrnann [6] a
suggéré la décomposition de l'opérat eur de Carleson et l 'utilisation du plan temps
fréquence. J. A. De Reyna [4] utilise la fonction maximale de Hardy-Lit tlewood et la
t ransformée de Hilbert . Nous nous concentrons sur la preuve donnée par NI. Lacey et
C. Thiele qui est basée sur les idées de C. Fefferman avec de nouveaux outils.
Dans cet exposé, on va parler plutôt de la transformée de Fourier d 'une fonction
f E .c2 (IR) , au lieu de la série de Fourier de f E L 2 (1r) . À noter que pour 1r , on a
l 'inclusion .cP(1r) c .cl (1r) pour tout p > 1. Ceci implique que la transformée de Fourier
d 'une fonction f E .cP(1r) a la rnême définition classique que dans .cl (1r) , tandis que
sur IR , on a .cP(IR) ct. .cl (IR) , ce qui nous oblige à définir la transformée de Fourier de
f E .cP (IR) par d 'autres procédés (par exemple, densité de LI (IR) n .c2 (IR) dans .c2 (IR) ) .
Chapitre 1. Introduction 3
1.2 Préliminaires
Définissons l 'esp ace de Schwartz par
S(IR) == {f E COO (IR) : sup IxQ 8fJ f( x) 1 < 00, Va {3 E N}, où N == {O, 1, 2 ... }. xE~
Considérons la transformée de Fourier
f E S(IR).
Pour de t elles fonctions, on a la formule d 'inversion
1 lN /'0. . f( x ) == lim - f(ç) etÇXdç , N---too 21r - N
x E IR. (l.1 )
Pour la preuve de (1..1), voir [17, p.170] ou (Annexe A) . Une autre preuve dans [9 , p.68]
utilise l 'opérat eur SN : f ~ SN(f) , où SN f( x ) == 2~ J!'N l(~) eiçxd~ .
Voici le théorème de Carleson.
Théorème 1.1. Soit f E .c2 (IR) . Alors SN f( x ) ~ f( x ), p.p.
La formule d 'inversion (1.1) p eut S i écrire aussi
f( x ) == lim ~ j 'N J(~)eiÇX d~ , p.p. N ---t00 27r . - 00
(1. 2)
En effet , soit f E S(IR). Alors on peut écrire f == f l + f 2) où supp h c [0 , oq) et supp ]; ç (-00, 0] . Donc
De même
p.p.
En addit ionnant les deux derniers men1bres de droite , on t rouve
1 lN /'o. • .
- f(~) e1,ÇX d~ ~ f( x ) p .p. 21r -N
Posons
1 lN /'0. • F :== {f E .c2 (IR) : lim - f (ç ) etÇX d~ == f( x ) p .p .}. N---too 27r -00
(1.3)
Chapitre 1. Introduction 4
Pour mont rer que F == {:2(IR) , ce qui est le but du théorème de Carleson , il suffit de
mont rer que F est fermé dans {:2(IR). En effet , S(IR) c F ç {:2(IR) . Or S(IR) est dense
dans {:2(IR) , donc F est aussi dense dans {:2(IR) , et le fait que F soit fermé impliquerait que F == {:2(IR).
Pour mont rer que F est fermé dans {:2 (IR), on considère l ' op"érateur de Carleson
défini par
(1 .4)
On va adopter les conventions suivantes : A ;:s B veut dire que A ::; kB où k est une constante absolue. Aussi A ~ B veut dire que A :s B et B :S A . Enfin , 1 ... 1
désignera la valeur absolue ou la mesure d 'un ensemble selon le contexte.
On a la proposition suivante :
Proposition 1.2. Supposons que l Jopérateur de Carleson satisfasse
). > o. (1.5)
Alors l Jensemble F est f er'mé daris {:2 (IR).
Remarques. - Rappelons que la constante C, implicite dans ;S , est universelle.
Dans l 'est imé (1.5), elle est indépendante de f. - L 'estimé (1. 5) veut dire que l 'opérateur de Carleson C est de type faible (2,2) .
Preuve de la proposition .l .il . Soit f E {:2(IR). On va lTIOntrer que
1
1 jN ---- . 1 Lf(x) :== lim sup f( x ) - - f(ç) etxE.dç == 0, N --700 2n . - 00
p.p.
Pour cela, il suffit de montrer que pour t out E > 0, on a I{Lf > E}I ;S E. Comme
C~ (Il{) est dense dans {:2 (IR) , alors il exist e 9 E C~ (IR) telle que Iif - gl1 2 :s; E ~. P ar
l 'inégalité de Chebyshev , il suit que 1 {I f - 9 1 > E} 1 :s; E. Notons que 9 vérifie la formule
d 'inversion(l. l ) , car C~ (IR) c S(IR). D 'aut re part ,
If (x ) - 2~ J: !(ç)eiXÇdçl < If(x) - g(x)1 + Ig(x) - 217r l: g(ç)eixçdçl
+ I~ j N (1(1;) _ g(ç» eiXçdçl 2n -00
En passant à .la lim sup N --7 00 ' cett e dernière inégalité devient
Lf :::; If - gl + C(f - g) ,
car
(1.6)
Chapitre 1. Introduction 5
et
Puis, p ar (1.5 ) ,
L 'inégalité (1.6) implique que
{L f > E} ç: {If - gl > E/2} U {C (f ~ g) > t/2} ,
I{Lf > E}I < 1{lf - gl > E/2}1 + I{CU - g) > E/2}1 < E/2 + E/ 2 = E.
D
Le travail de Carleson est de prouver l 'estimé (1.5) , et le t héorème de Carleson
(Théorèm e 1. 1) peut être énoncé de façon équivalente :
Théorème 1.3. L ) estimé (.1. 5) est , valide) et par suite (1, ,'2) est vraie pour tout
f E .c2 (ffi:).
La preuve du t héorèrne se fait en trois étapes:
1. Décomposition appropriée de l 'opérateur de Carleson.
2. Introduction de trois lemmes que l'on combine pour prouver le théorème.
3. Les preuves des trois lemmes.
Chapitre 2
Outils de l'analyse de paquet
d'ondes
La transformée de Fourier est , à const ante multiplicative près, un opérat eur unitaire
de .c2 (IR). Ceci est une façon équivalente d 'énoncer le théorème de P arseval dans .c2 (IR).
Proposition 2.1. Pour toutes j ,g E .c2 (IR) ) on a (j ,g) = c(Î, g) ) avec c = 1/21r .
On a besoin de quelques définitions de la-t héorie des distributions pour introduire
le lemme qui suivra.
Définition' 2.1 (Convergence dans C~(IR)). Soit X un ouVert de IR, (tpn ) une suite et
tp un élément de C~ (IR). On dit que rpn -+ rp dans C~ (IR) si :
1. 3K compact de X t el que supp rpn ç; K , Vn .
2. Va (multi-indice) , 8arpn -+ Barp, uniformément sur X.
Définition 2.2 (Espace des distribut ions) . Soit X un ouvert de IR. Une distribution
sur X est une fonctionnelle linéaire, u : C~(X) -+ C, qui est séquentiellem ent continue,
dans le sens que : rpn -+ rp dans C~ (X) implique (u , rpn ) -+ (u , rp ) (u(tp ) = (u , rp )). La
famille des distribut ions sur X est not ée par D'( X ). C'est un espace vectoriel.
Définition 2.3 (Distribut ion ten1pérée) . L 'espace S' (IR) des distributions tempérées
est l 'espace vectoriel de toutes les fonctionnelles linéaires , u : S (IR) -+ CC qui sont
séquentiellement continues .
Lemme 2.2. S i vIn opérateur T de .c2 (IR) comJm ute avec les translaüons) alors
T (j ) = 1jJ * j ) où 1jJ est une distribution tempérée . En plus) Tf = ;{; Î .
Chapitre 2. Outils de Fanalyse de paquet d 'on des 7
Preuve du lem m e. Soit 1jJ E D'(IR) et f E C~ (IR) , on défini t
(1jJ * f)( x ) :== 1jJ (Txl) , (2. 1 )
où Txf(y) == f( x - y) et l( x ) == f(- x ). Définissons aussi
1jJ (f) :== (Tl) (0). (2 .2).
Soit (fn)n une suite dans S(lE.) avec fn ~ 0 dans S(lE.) . Alors l n ~ 0 dans S(lE.) car
l'opérateur f ~ 1 est continue de S (lE.) -t S (lE.). Et puisque T est cont inue sur 1:,2 (lE.) et S(lE. ) c 1:,2 (lE.) , on déduit que (Tln) (o) ~ O. Ceci prouve la cont inuité de 1jJ sur
S(lE.) , i. e. 1jJ E S'(lE.). Comme T commute avec les t ranslations , on a
'ix E lE. , (2.3)
d 'où
Montrons , m aintenant , que Tf == (1jJ * fY'= '9Î, voir [17, p.179] pour plus de dét ails .
Admettons que 1jJ * f E S' (lE.). Alors , elle admet une transformée de Fourier définie par:
pour cp E D(lE.) avec supp cp == K , on a
(1/J * f t( cp ) . - (1/J * f) ( <p ) = l (1/J * f) ( x ) cp ( - x ) dx
L 1/; [cp( - X)Txr] dx = 1/J [L cp ( - x ) Tx]dx ] = 1/J [(j * cp r ] ~ [(f * cp)j = ~[ÎSÔ] = Î~(ép) .
Donc Tf == (1jJ * fY'= f~.
Définition 2.4. Soit f : lE. ~ lE. une fonction . On défini t les opérateurs:
- Translation: Try f( x ) :== f( x - y) , - Modulation: Modç f( x ) :== eixç f( x ), - Dilatation: Dil~:== À - l/p f( x / À) , 0 < p :::; 00 , À > O.
On défini t la transformée de Fourier d 'un opérateur comme suit.
Définition 2.5. Pour u E S'(lE.) , nous définissons sa t r ansformée de Fourier
fi : S (lE.) -t C , par : (fi, cp ) == (u , ~) , cp E S (lE. ) .
D
Propriété 2.3. Les transformées de Fourier des opérateurs ci-dessus se calculent comme
suit :
Chapitre 2. Outils de l'analyse de paquet d ion des 8
Preuve . On va mont rer juste la première, les autres se démont rent de la même façon .
o
Propriété 2.4. Soit C l 'opérateur de Carleson, défin i en (1.4) . Alors, pour tout y , ç E IR}
et tout À > 0,
Tr y 0 C == C 0 Tr y; Di! i 0 C == C 0 Dili ; C 0 Mo d~ == C.
En d 'autres mots, l 'opérateur C commute avec les translations et les dilatations, et reste
invariant par rapport aux modulations.
Preuve. Nous avons
(Try 0 C)f(x )
et
(DilioC)f( x )
Finalement,
C 0 Mod~ f( x ) s~p 1 L: ~f(z) eiXZ dz l = s~ 1 J: Trç j( z )eiXZ dz l
. s~p 1 L: l( z - E,) eiXZ dz l = ~~ 1 J: Î(u) eix(u+Odul
sup 1 jM Î(u)eiXUdu l = C f( x ). 1\1 -00
Définition 2.6. On définit l'opérat eur P_ : L:2 (IR) ---7 L:2 (IR) par
P- f( x) := t oo Î(Oeixf.dE,.
o
(2 .4)
Cl1apitre 2. Outils de l 'analyse de paquet d'ondes 9
On remarque que P_ est la proj ection sur l 'axe négatif des fr équences.
'Conséquence 2.5.
. (2. 5)
Voici une caractérisation de l 'opérat eur p_ :
Propriété 2.6. À constante multiplicative près) p_ est l 'unique opérateur borné de
[:2(~) qui:
(a) commute avec les translations)
(b) commute avec les dilatations)
(c) a pour noyau, les fonctions f avec supp Î ç ~+.
Preuve. D 'abord P_ satisfait (a) , (b) et (c). En effet , pour (a)
De même pour (b),
Finalement , (c) est évident.
l= Q(E,)eiXE,dE, = l= Mod_y Î(E,) eiXE,dE,
l= Î(E,) e- iYE, eiXE,dE, = l= Î(E,) ei(x-y)E,dE,
P-f( x - y) == Try P-f( x ).
10 ----- 1° - 00 Dil~ g(ç) eiXÇdç == -00 Dilî/À g(ç)eiXÇdç
À 1/2l= g( ÀE,) eiXE,dE"
À -1 / 2 P_g(x j À) = À -1/2l= g(E,) eiE,xf>.dE,
,\1/2]° g(ç) eiXç/À dç == ,\1/2]° g('\ z )eiXz dz . -00 ,\ - 00
Soit, maintenant, T un opérateur borné de [:2 (~) qui satisfait ( a) , (b) et (c). Alors ,
d 'après le lemme 2.2, T est donné par Tf == 1jJ * f avec 1jJ une distribution. Cet opérateur
est caractérisé dans la variable fréquence par Tf .== T 1, où T est une fonction b ornée.
On a la caract érisation car T f E S' (~) et
S'(~) ----7 S'(~) ,
g ~ g
Chapitre 2. Outils de l'analyse de paquet d 'ondes 10
est un isomorphisme. La condition (b) implique T(Ç-) == T(ç/lçl), pour tout ç -=1- 0, car
--- ---T 0 Dil~ f == Dil~ oT f =} T 0 Dil~ j(ç) == Dil~ oT f(~)
=} T(Ç-)À 1jp Î(ç-.À) == À1jPT(Ç.À)Î(ç.À)
=} T(Ç-) == T(Ç-.À).
Ensuite, une fonction f est dans le noyau de T veut dire que Tf == 0, ceci implique
Tf == 0 ou encore TÎ == O. Par suite, suPPÎ ç N(T) où N(T):== {x: T(X) == O}. Donc, (c) entraine que T est nulle sur [0 ,(0), constante et non-nulle sur (-00,0]. Ainsi , Test
un multiple de P_. D
On se donne une constante C > O. Une fonction cp est dite adaptée à l'intervalle
I == [a , b) s'il existe un entier N tel que
où c(I) est le centre et III la longueur de l 'intervalle 1, la constante C pouvant varier
selon le contexte de cp. Remarquons que si cp E S (IR), alors
est une fonction adaptée à l'intervalle I.
Soient I et ]' deux intervalles avec deux longueurs presque égales. Supposons que
leurs centres soient éloignés d'une distance de l'ordre de leurs longueurs. Alors une
fonction cp est adaptée à 1 ;un de ces deux intervalles si et seulement si elle l 'est aussi
pour l'autre.
De, là l 'intérêt de remplacer 1 j ensernble continu de tous les intervalles de IR par un
sous-ensemble discret, en l 'occurence D défini ci-dessous.
Définition, 2.7 (INTERVALLES DYADIQUES ET TUILES). Notons l 'ensemble des in
tervalles dyadiques par D := {[.12k, Cj + 1 )2k) ; j, k E Z}. Une tuile est un rectangle
s E D x D , avec aire égale à 1. On écrit s == I x w, où lest l'intervalle-temps, et w
l'iI).tervalle-fréquence. On note par T l 'ensemble de toutes les tuiles du plan.
Remarques . • D est stable par les dilatations de facteur 2n, nEZ.
• Comn1e l'aire d'une tuile est égale à 1, le ratio fréquence/temps peut être arbitraire
(voir figure 2.1).
• Le choix d'une aire égale à 1 est motivé par le principe d 'incertitude de la transformée
de Fourier : plus on localise x, moins on localise ç; et vice versa.
• Deux intervalles dyadiques non disjoints sont ou bien égaux, ou bien l'un est inclus dans l'autre.
Chapitre 2. Ou tils de l'analyse de paquet d 'ondes Il
!: : ]
FIGURE 2.1 - Différents ratios fréquencejtenlps d 'une tuile
Notations. w étant défini comme avant:
1. w+ (resp. w_) désigne la moitié droite (resp. gauche) de w.
2. Au rect angle s = Is x W s correspondent les deux rectangles s± = Is x W s±.
Not ons que la notion de fonction adaptée à un intervalle 1 n 'est p as invariante p ar
modulation . On doit , donc, concevoir une théorie invariante sous modulation , en l 'occu
rence un p aquet d 'ondes . On appelle !fJs un paquet d 'ondes adapté à la tuile s = 1 x w
si !fJs est supportée dans w et e-ixc(w) rps (x ) est adaptée à 1. R,em arquons que la restric
t ion sur le support de rps d 'être inclus dans w se compense par le choix libre d 'un w
avec Iwl = 111 - 1, t andis que la définition d 'une fonction adaptée à un intervalle 1 nous
permet de considérer les intervalles dyadiques voisins.
Enfin , si les tuiles s et s' sont disjointes, alors rps et rps' sont "presque ort hogonales".
À la lumière de cela, introduisons des fonctions fort ut iles pour la suite de l 'exposé.
Notation. Fixons rp E SOR), avec 1[-1/ 9,1 /9] :S cp :::; 1[- 1/8,1/8]' À la t uile s, associons
(2.6)
où c( J) désigne le centre de l 'intervalle J.
Chapitre 2. Outils de l'analyse de paquet (fond es
[j ..... u .. u i ...
- 1 o 1
F IGURE 2.2 - Allure de rp
Or 1[- 1/ 9,1 /9] ::; rp ::; 1 [-1/8,1 /8], d 'où supp rp ç [-1/8, 1/8] et par suite
su pp <p C [e(ws - ) - 8 1~s l ' e(ws _ ) + 8 1~s l] [e(ws -) - ~I ws- I , e(ws-) + ~I ws- I] ç;; W s-·
12
De plus , sUPP 4?s est localisé autour de l s, car 4?s (x ) == Ils l - 1/2eixc(ws-)4? ( XI~~rs) ) . Bref,
dans le plan temps-fréquence, le support de 4? est essent iellement autour de l s x ws- .
Dans les chapit res qui suivront , on fera souvent appel au lemme suivant.
Lemme 2.7. Soient ?/JI , ?/JI' deux fonctions adaptées aux intervalles 1, l' et supposons
que 111 ::; 11'1· Alors
1(",uJ,,,,ur)1 ::; ClII 1/
2 In- 1/2 [1 + le(I) 1~lle(II)lrN (2.7)
Preuve . Si 1 c( 1) ,- c( l') 1 ::; 11'1 , alor~ on ut ilise l 'inégalité de RaIder
1(?/J1,1/)1')1 ::; 111/)11 11 11 1/)1'11 00 ::; Cl lI1 /2 11'1-1/2 .
Supposons 1 c( J) - c(l') 1 > 11'1 . Soit c le point milieu ent re c( 1) et c( 1') . Sans perte de
généralit é, on peut supposer que c(I ) ::; c(I'). On décornpose
En appliquant l 'inégalité de Rülder à nouveau , on aura
Comme
Ic - c (l)1 == le - e(l')1 == le(J) - c(J')1/2
et 111 < IJ'I , le premier terme domine le deuxième terme pour N ~ 2, ce qui prouve
l 'estÏlné du lemme 2.7. 0
Chapitre 3
Décomposition de l'opérateur de
Carleson
Notre but est de concevoir une décomposition de la projection P_ en utilisant les
tuiles. Rappelons que T désigne l 'ensemble de toutes les tuiles du plan. Pour un choix
ç de IR , soit
Qçj := ~ 1ws+(ç)(j , CPs)<Ps. (3.1 ) sET
À noter que ç peut être à l 'intérieur ou au bord d 'une chaine infinie d 'intervalles dya
diques. En plus , pour un ç donné , seulement certaines tuiles contribuent à la somme
(3.1 ). Ces tuiles sont déterminées par l 'expansion de ç en base 2.
Voici les principales propriétés de Qç . .
Proposition 3.1. Pour tout ç) Qç est un opérateur borné de L:2 (IR) avec borne in
dépendant e de ç) il est semi-défini posit~f et son noyau contient les fonctions j avec
supp l ç [ç , (0). De plus) pour tout kEN,
D e plus)
où
Qç,k:= ~ l w s+(ç)(j , CPs)CPs. sET
Ils 1 S2k
(3.2)
(3.3)
(3.4)
Preuve. Soit {w (1'1) : 1'1 E Z } r ensemble des intervalles dyadiques tels que ç E w (1'1) +,
Chapitre 3. Décomposition de l'opérateur de Carleson 14
ordonnés en croissance
... C w(71,) C w(n + 1) c ...
Soit T(n) := {s ET: W S = w(n)}, et
Q(n) I:= L (l , VJs)VJs . sET(n)
Ici, on a décomposé Qf" selon les 71, tels que ~ E w(n) et à chaque 71, correspondent
plusieurs s, avec Ws = w(71,), qui définissent Q (n)'
Les intervalles w(71,)- sont disjoints en n, car si 71, < m et ç E w(n)+ , w(m)+, alors
w(71,) C w(m)+, et par suite w(71,) - nw(m)-= 0. Or supp~ ç w(s)-, donc les Q (n)
sont orthogonaux en n. En effet, si 71, t- 71,', alors
(Q,(n),Q(n')) = L (l, VJs)(I,VJt)(VJs, VJt). sET(n) tET(n')
Puisque VJs, VJt E S(~) c 1:2 (IR) , alors par le théorème de Plancherel (VJs, <Pt)
2~ (9s, ((Jt ), et comIne supp VJs ç w(s)- = w(71,)-, supp VJt ç w(t)- = w(71,/)- et
w(n) - n w(71,/)- == 0, on déduit que (9s, [Pt) = O. P ar suite (Q(n), Q(n')) = O.
Pour montrer que Qf" est borné, Il suffit de montrer que Q(n) est uniformément borné
en 71,. En effet, 1:2 = ( ~Hn) EB M où Hn = span { VJs : s E T(n)} , on a Hn ..l Hm si
m #- 71,. Si 1 E 1:2, alors 1 = Ln Pnl + g , avec Pn : 1:2 --7 Hn la projection orthogonale
sur Hn· Comme Qf,,1 = Ln Qnl = Ln Qn(Pnl) , si les Qn sont uniformément bornés ,
alors il existe C > 0 telle que IIQnll s C. On déduit que
n n
vu que Im(Qn) C Hn et 11111 2 = Ln II Pnll1 2 + Ilg112. Et on déduit que Qf" est borné.
Remarquons que les opérateurs Q(n) et Q(nf) diffèrent par des modulations et dila
tations qui préservent la norme 1:2 (par exemple Il Modf" 1112 = 111112)' Donc , il suffit de
considérer la borne, en norme 1:2, d'un Q(n) avec 11s1 = 1 pour tout s E T(n), car si VJs
est à décroissance rapide, le lemme 2.7 nous dit que
Pour s fixé et vu que 11s1
mEZ.
1 (~S> ~s,) 1 :s [ dist(Js,!s') r4 (3.5)
1 Is' 1 l , les tuiI'es s' sont distantes de s par un entier
Chapitre 3. Décomposition de l'op érateur de Carleson 15
Donc dist (ls , Is') = m i. e. Is' = Is + m, d 'où
L L (j , <P s) ( <P s, <P s' ) ( <P s' , j) sET(n) s'ET(n)
L L IU,~s)U,~s') I [ dist(Is,!s,)r4
< r-....J
sET(n) s'ET (n)
:s L L lU, ~s)(f, ~ (Is+m) xw (n))I~ mEZ sET(n) . m
:s sup{ L IU,~s)(f,~(1s+m)xw(n) )I} L ~ m EZ sET (n) m EZ m
L I(j, <Ps )1 2. <
r-....J
sET(n)
Or
lU, ~sW :s J INI~sldx, car, par l 'inégalité de Cauchy-Schwarz ,
Donc
L IU,~sW:S J Ifl2 L 1 ~ ,ldx :S IIfllH s~p L l ~s (x)I):S IIfll ~ · sET(n) sET(n) sET(n)
Par suite les Q(n) sont urliforrnérnent bornés en n, et enfin Qç est borné.
D 'aut re part , si supp Î ç [Ç- , 00) et ét ant donné que supp <Ps ç ws-, on déduit que
(j , <Ps ) = (Î, <Ps ) = 0, par suite Qçj = O. Donc, le noyau de Qç contient les fonctions j
t elles que supp Î ç [~ , 00).
et
L 'opérat eur Qç est semi-défini positif, parce que
Pour montrer (3.2), on a
(Qç.ff) = L l(f ,<Ps )12 2 O.
sET çEws +
Dil~k Qçj(x ) = 2-kj2 Qçj( x 2- k) = 2-kj2 L l ws + (Ç-)(j , ((Js )({Js (x 2- k), sET
sET
2- k/2 L l ws+ (~2-k )(j( . 2- k ) , <Ps (. ))<Ps(x) . sET
Cllapitre 3. Décomposition de l'opérateur de Carleson 16
Les deux quant ités sont égales car pour un k fixé,
Pour montrer (3.3) , il suffit de voir que
o
On retourne à l 'opérateur de Carleson . Dans sa preuve, C. Feffermann [6] a suggéré
de linéariser le supremum. Pour cela, on considère la fonction mesurable N : IR ~ IR
qui à chaque x associe N( x ), là où le supremum est atteint dans (1.4). Donc , il suffit
de borner la norme de l 'opérat eur P_ ModN( x) ' Ainsi CJ(x ) == P_ ModN (x) ' Posons
CN J( x ) == L l ws+(N( x ))(J,(jJs )(jJs (X). (3.6) sE T
On a le lemme principal suivant .
Lemme 3.2. Il existe une constante universelle (implicite dans ;S) telle que, pour toutes
les fo nctions m esurables N : IR ~ IR, on a l 'estimé
(3.7)
La démonstration du lemme :3.2 s'obtient en combinant les estimés rencont rés dans
les t rois lemmes qui suivront dans le chapitre 4.
Conséquence Importante :
P ar la convexité de la norme .[2,00, on aura le même estimé (3.7) pour P_ ModN(x), ce
qui prouve l'estimé (1.5) et par suite la proposition 1.2.
Remarques Importantes . • pour montrer (3.7) , il suffit de mont rer
(3.8)
avec E de mesure finie. Pour voir cela , on prend E == {C N J > À} . • P ar la linéarité de eN, on peut supposer IIJ lb == 1, et par l 'invariance de CN vis-à-vis
des dilatations Dil~k, on p eut supposer que ~ < lEI ~ l.
L ___________ _
Chapitre 3. Décomposition de l 'op érateur de Carleson 17
Posons rPs = (lws + 0 N) <ps . Avec les remarques précédentes , on peut dire que pour
prouver (3.8) , il suffit de montrer que
L 1 (j , <Ps ) (cPs, l E ) 1 ;S 1. (3.9) s ET
Rem arquons que les t ermes apparaissant dans l'estimé (3.9) sont strictement posit ifs .
Donc , on peut considérer un sous-ensemble fini de t uiles dans T , et l 'est imé (3.9) doit
être compris dans cet esprit. P ar suite, les sommes qu 'on va considérer sont toutes finies
et les procédures itératives vont l 'être aussi.
.Chapitre 4
Les Lemmes Principaux
On a besoin de quelques concepts pour la suite de l 'exposé. Définissons un ordre
partiel sur T.
Définition 4.1. Soit S, s' deux tuiles. On a s < s' si 1s C 1s' et W s :) W s" Une t uile s
est dite maximale si elle l'est pour l'ordre partiel <.
1 .. 1
s
FIGURE 4.1 - Deux tuiles telles que s < s'
Remarque. Deux tuiles sont incomparables par < si elles sont disjointes .
On définit ensuite la not ion d'arbre.
Définition 4.2. Soit S un ensemble de tuiles , et soit T un sous ensemble de S.
Alors T est dit un arbre dans S s'il existe une t uile T = f T X LJT, appelé sommet de l 'arbre T , telle que s < T pour tout sE T.
Chapitre 4. Les Lemmes Principaux 19
Remarques . • Un sommet d 'un arbre n 'est pas forcément unique .
• Un sommet peut ne pas appartenir à l 'arbre .
• Un sommet d 'un arbre spécifie la localisation de la variable t emps des t uiles s de
l 'arbre car Is C IT . Pour la variable fréquence, WT est vu comme origine car WT C Ws.
La largeur IT sert à "mesurer" l 'arbre T , tandis que pour "mesurer " un ensemble
de t uiles, on a besoin de la défini t ion suivante.
Définition 4.3. Soit S un enserrible de t uiles . On dit que S a un compte au plus A , et
on écrit count (S) < A si S == U T , où chaque T est un arbre de S , a est l 'ensemble T E a
des arbres dans S et L: IIT I < A. T Ea
On va définir la notion de densité. Pour cela, fixons X(x ) :== (1 + Ixl) -K , où r\; est
une const ante t rès grande dont la valeur exacte n 'a pas une grande importance.
Définition 4.4 (densité). Soit S défini comme avant . On définit les quantit és sui
vantes :
(4 .1 )
dense(s ) :== sup r XIs,dx, s<s' } N - l (w s ' )
(4 .2)
dense ( S) :== sup ( dense( s)) , sES
SÇT. (4 .3)
R appelons que la fonction mesurable N : IR. ---7 IR. associe à chaque x la valeur N (x), là où le supremum est atteint dans (1.4). Rem arquons que la façon la plus naturelle de
définir la densité d 'une tuile est dense(s ) == IIsl-l.IN- 1 (ws) n Isi. Ensuite , le supremum
dans (4.2) ne devient clair que lors de la preuve du lemme de l 'arbre.
On va énoncer les principaux lemmes.
Lemme 4.1 (lemme de la densité). Tout S fin i (S c T) est une réunion de S heavy
et Slight; où 1
dense( Slight) < - dense( S) , 2
count (Sheavy ) ;'S [dense(S) rI (4.4)
(4.5)
Ce lemme admet une variante (le lemme qui suivra) qui est liée à la notion d ' or
t hogonalité et d 'arbre. Cette dernière doit êt re raffinée dans le sens de la définit ion qui suit .
Chapitre 4. Les Lemmes Principaux 20
Définition 4.5. Un arbre T avec sommet fT x WT est appelé un arbre+ si
et un arbre- si
FIGURE 4.2 - Un arbre+
Remarques . • Chaque arbre est une réunion d'un arbre+ et d 'un arbre- .
• Si T est un arbre+, alors les rectangles {fs x W s- : sET} sont deux à deux disjoints.
Définition 4.6. Soit T un arbre. On définit la quantité ~(T) par
[ll(T)f:= L IU,~s)12;S llfll~ (4.6) sE T
Le dernier estimé est vu dans la preuve de la proposition 3.1 . Cette dernière définition
motive une autre.
Définition 4.7 (taille). La taille de S est définie par
size(S):== sup{lfTI-l/2~(T) : T ç S~ Test un arbre+}. (4.7)
Chapitre 4. Les Lemmes Principaux 21
Lemme 4.2 (lemme de la taille). Tout S est une réunion de Sbig et Ssmall J où
et
1 size( Ssmall) < - size( S) )
2
Lemme 4.3 (lemme de l'arbre). Pour tout arbre T J
L 1 (j, CPs) (CPS) lE) 1 ;S IITI size(T) dense(T). sET
En admettant ces trois lemmes, on conclut la preuve de (3 .9) comme suit:
On a dense(T) < 2, pour un r\; 2:: 2 . En effet,
Vs E T,
(4.8)
(4.9)
( 4.10)
On prend un sous-ensemble fini S de T. Alors , évidemment, size(S) < 00. Si size(S) < 2,
on passe à la prochaine étape. Sinon, on itère le lemrne 4.2 pour obtenir une collection
Sn de sous-ensembles de S, n > 0, avec
Pour voir cela, on procéde itérativement.
Initialisation:
(4.11 )
( 4.12)
Remarquons que 2 < size( S) < 00 implique qu'il existe N E N tel que size( S) < 2N.
Avec le lernme 4.2, S == St:nall U S{1g. On pose alors SN == SCfg. Le rnêrne lemrne nous
informe que count(SN);S [size(S)] - 2;S 2-2N .
Mise à jour:
On applique le même lemme sur St:nall à la place de S , on trouve St:nall == S!~~l US{;[g-l .
O S · SN-l d' ' n pose: N-l == big , ou
Fin:
{ size(SN- l) ::;; size(S;:;"wll) < 2N- 1
,
count(SN-l) ;S 2-2(N-l).
On itère le processus jusqu'à N == 1.
Chapitre 4. Les Lemmes Principaux 22
. }' I GURE 4.3 - Illustration du fait que size( S') < 2
À la fin , on a un enselnble de tuiles S' = S \ U S n, dont la t aille et la densité sont infén >O
rieurs à 2. Il suffit de remarquer que S' c T et dense(T) < 2 impliquent dense ( S') < 2,
ensuite size( S') < 2.
En appliquant les lemmes 4. 1 et 4.2 itérativement , on arrive à des estimés (4.5) et
(4. 9) du même ordre, i. e. la densité est "presque" le carré de la t aille.
Effectivement , pour un nEZ, on a
{ dense(S') < 22n
,
size( S') < 2n.
Si 22(n-l ) < dense(S') , on applique le lemme 4.1 pour avoir S' = S'Zight US'heavY l ensuite
on remplace
{S' par S'light ,
S n par S n U S' heavy .
Alors 2 2n- 3 < dense( S') < 22n - 1 . Si dense ( S') < 2 2n-2 , c'est fini . Sinon , on applique
à nouveau le même lemme pour obtenir cet estimé. Maintenant , si 2n- 1 < size( S'), on
Chapitre 4. Les Lemmes Principaux 23
applique le lemme 4.2 pour avoir S' = S' small U S' big, ensuite on remplace
{S' par S' small,
Sn par S n U S'big'
Alors size( S') < 2n-l. Comme conséquence, on arrive à décomposer S en collection des
Sn qui satisfont (4.11 ),(4. 12) et
( 4.13)
(4.13) vientdu fait que size(Sn) < 2n et dense(Sn) ~ [size(Sn)]2.
On va utiliser les estimés (4.10) à (4.13) pour finaliser la preuve de (3.9). Sn s écrit
comme réunion d'arbres: Sn = U T, ces arbres satisfont l'estimé (4. 12).
On aura alors
L 1(1, C{Js )(cPs , lE)1 sE S n
< 2n min(2 , 22n) L IITI :s 2n min(2 , 22n )2- 2n
TETrl
En somrnant sur les nEZ, on aboutit à
LI (1, C{Js) (cPs, lE) 1 :s 1 sET
car L min(2-n , 2n) = 4. Cette dernière n 'est autre que (3.9) , en prenant S à la place nEZ
de T où S est la partie finie de T qui contribue à la sornme (3.9).
Chapitre 5
Preuves des lemmes
5.1 Lemme de la densité
Posons b = dense(S). Suivant [19 , p.8], supposons que la densité ait la défini t ion
"siIn ple" suivante :
(5.1)
~N(X)
- - - - - -FIGURE 5.1 - La densité d 'une tuile
La collection S heavy est une réunion d 'arbres, donc pour la connaître il suffit de
connaître les sommet s de ces arbres .
Notation . Tops désigne les sommets 5 des arbres de S tels que dense ( s ) > %' et qui
sont m aximaux pour la relation d 'ordre part iel (( <".
Conséque nces 5 .1. 1. L J arbre associé à un certain s E Top s est l ) ensemble des
tuiles de S qui sont inférieurs à s.
Chapitre 5. 'Preuves des lemmes 25
2. Les tuiles dans . Tops sont deux à deux incomparables par rapport à l 'ordre partiel
(( < ") et par suit e ce sont des rectangles deux à d f}, uX disjoints dans le plan t emps
fréquence. Par conséquent} les ensembles N - 1 (w s ) n 15 sont aussi deux à deux
disjoints (voir la figure 5. 2,)} et chacun de ces ensembles a une m esure au m oins
égale à %I]sl car il suffit d'appliquer (5.1).
: : : .-:-_.-: ----:" :-._-:, : • ~ , • • ; • i ",/ i . ' .. : ~ : : : .: : : ;. :
• * :: : ! : : : .: : : J. ". 1. • f • • f ~ • •
... , ·t • . , , • • •• l •• f •
• 1 :: , . · .. , . , . , .
FIGURE 5.2 - Disjonction des ensenlbles N - 1 (ws) n ls
3 . Un e autre façon de voir l 'estimé (4.5) du lemme de la densité est d )écrire
L IIs l:S <5- 1. (5.2)
sE Tops
L )estimé (5.2) vient du fait que
car I: IN-1 (w s ) n ]sl ::; lEI < 00. Pour se libérer de la définition simple qu )on sE Tops
a donné à la densité dans (5. 1)) on va utiliser une autre démonstration. Pour un
entier k ~ 0 et une constante ((petit e}) c) considérons Sk r ensemble des s E Tops
pour lesquels
(5.3)
Remarquons que pour chaque s E Tops ) avec k suffisamment petite} il existe ka
t el que s E Sko' Donc} pour montrer (5.,î ) il suffit de prouver que
L I]sl :s 2- k 8- 1. (5.4)
sE Sk
Fixons k } soit S~ le sous ensemble de S k form é des tuiles qui satisfont les deux
conditions :
{
.{2k l s x Ws : s E S~Jsont deux à deux disjoints ,
• si s E S k et s' E S~ avec (2k l s x Ws) n (2 k l s , x ws') ~ 0 alors IIsl ::; 1]5,1·
Chapitre 5. Preuves des lemmes
Comme les tuiles dans Sk sont in comparables) on utilise (5.3) pour conclure
5.2 Lemme de la taille
Soi t a = size ( S ) . On va construire une collecti on d ' ar bres T E Tzarg e , avec
Sbig = U T et T ET larg e
L IITI;S a - 2.
T ETlarg e
26
(5 .5)
La sélection des arbres T E Tz arge se fait conjointement avec la construction des arbres+ :
T+ E Tlarge+, cette dernière jouera un rôle important dans la vérification de (5. 5) . On
fera cette construction de façon récursive.
1. Initialisation: On pose s stock = S , Tlarge = 0 et Tlarge+ = 0. Tant que s ize (S stoCk) > a /2 , on choisit un arbre+ : T+ ç s stock t el que
(5.6)
En plus , le sommet IT+ x WT+ de T+ doit être maximal, pour l 'ordre partiel "< ", par rapport à tous les arbres qui satisfont (5.6), puis c( WT +) doit être minimal
par rapport à l 'ordre usuel de IR. Considérons T l 'arbre maximal, au sens de l 'in
clusion , dans s stock avec le même sommet IT+ x WT+ .
2. Mise à jour: On met àjour s stock = s stock""'T , Tlarge = Tl arge UT et Tz arge+ = Tzarge+ UT+.
3. Fin: Le processus est fini , car S est fini.
À la fin , on pose S small := s stock où S small est celui rencont ré dans le lemme 4.2 .
Il reste à montrer (5.5) , qui est une relation d 'orthogonalité "faible". Le cas le plus délicat
est lorsque ( C{Js, C{Js') #- O. En se rappelant de l 'expression de C{J s, ceci peut arriver quand
W s = W s" Ce cas 'peut être t raité direct ement comme dans la preuve de la proposition ~1.1. Sinon , on a par exemple W s - ~ W s' _ . La part ie cent rale de la preuve s 'explique par
Chapitre 5. Preuves des lemmes 27
l'aspect géométrique du plan temps-fréquence démêlé lors de la construction des arbres
T + E Tzarg e+'
Supposons qu 'on a deux arbres T -j T' E Ttarg e+ et deux tuiles 5 E T et s' E T' tels
que W s- C W s'-, alors 1s' n 1T = 0. Voir la figure 5.3.
L'arbreT
~-- ~--------~-~---- --- r---------... ~
ru s-
Une tuile s' de rarbre Tt
FIGURE 5.3 - Disjonction forte entre deux arbres.
Cette dernière relation est dite "disjonction forte " entre T et T'. C'est une condition
plus forte que le simple fait que les ensembles UsET 1s x W s - , T E TZarge+, soient dis
joints dans T. Pour voir cette disjonction forte , remarquons que W s - ~ W s'- implique
W s ~ W s ' - , et par suite WT C W s ~ W s' - ' D'où WT' est au dessus de WT. Par notre
construction récursive, T est construit en premier avant Tf. Si l'on suppose 1s' n 1T i= 0, alors l'un de ces deux intervalles doit être inclus dans l'autre. Dans ce cas , 1S1 C 1T ,
mais WT C W s', et ceci veut dire que s' E T. Or Test 'soustrait de sstock avant T'
et 5' E T', ceci est une contradiction.
On va utiliser la condition de disjonction forte et le critère de sélection (5.6) pour dé
duire (S.S). Posons S' := U T et F: = L (I, 'Ps )'Ps . L'opérateur  : f t-----t (I, 'Ps )'Ps T ETlorge- sES'
Chapitre 5. Preuves des lemmes
est auto-adjoint car (f , Ag) = (g , AJ) , pour tout J, g E S(IR ). Alors
sE S ' TETlarge+ sET
TETlarg e+
Or, par l 'inégalité de Cauchy-Schwarz,
Donc, on complétera la preuve en mont rant que
On a
sES'
s,s' ES' ws=:"';s ' "
Pour le t erme A, on a
voir lemme 2.7 ou [20, p.6], or
et par conséquent
IIFII ~ ;:S (52 L: IITI·
v
A
TE T large+
s,s' ES'
~s~Ws'
1 L: ( )4 < 00, n+1
v
B
1
(n + 1)4'
Pour le t erme B , il suffit de prouver que pour chaque arbre T , on a
L: L I(f, CPs )(CPs CPs' ) (cp , f) 1 :s (J2/IT/' sET s'ES'
ws ~ws '
28
(5 .7)
(5.8)
Chapitre 5 . . Preuves des lemmes 29
On pose S( s):= {s' E S' \ T : Ws- ~ WSI_ }' On va utiliser la disjonction forte deux
fois pour dire que si s ET et s' E S(s) alors Is' nIT = 0, car sinon s' E T. Ensuite,
si s' , sI! E S( s ) avec par exernple Ws- C Ws'- C Ws"- , alors ISI n Is" = 0, car sinon les
tuiles s' et sI! vont appartenir au même arbre, ce dernier n 'est pas un arbre+ .
Considérons la tuile s' comme un arbre T o avec un seul élément. La défini t ion de la
t aille 4.7 nous donne
(5.9) .
Comme Ws C Ws' , alors 11s 1 2:: 11s'I et I s, l s' sont disjoints car s ET et s' tj T . On a,
aussi , l 'est imé suivant
(5 .10)
voir [20 , 6] ou lemme 2.7. En tenant compte de (;5.9) et (5.10) , le premier membre de
(5.8) est borné comme suit:
2: 2: 1 (f , cp s) ( cp s, cp s' ) ( cp s' , f) 1 < (j22: '2: IIsl.IIs/l x Is (c(Is')) sET S'ES(s) sET S'ES(s)
< (j22:1 1slj XIs(x )dx sET S'\T
< (j2 2: Iisi { .XIs(x )dX sET l(lT) c
< (j211TI·
On a tenu cornpte du fait que XIs(x ) = Trc(Is) Dil;s X(x ), X(x ) = (1 + Ix l) - V et
1 I s' 1 XI s ( C ( I s' )):::; { XI s ( X ) dx :::; j' XI s ( X ) dx . lIs' S'\T
Ce qui prouve (5.5), et par suite le lemme 4.2 .
5.3 Lemme de l'arbre
On commence avec quelques remarques concernant une fonction maximale, à savoir
(5 .11)
Cet opérateur est borné dans .c2 (JR). En effet , pour chaque I E D , considérons l 'en
semble E (J ) ç l , sur lequel le supremum dans (5.11) est atteint . Les ensembles
{E(I ): 1 E D} sont deux à deux disjoints. '
Chapitre 5. Preuves des lemmes 30
Définissons l opérateur
(5.1 2) l EV
On va montrer que II A I1 2 est borné par une constante indépendante des ensembles E(I ). Soit j ~ o. Alors
l EV l EV
L l E(I) \ J, L l E( J ) ( X I , X J) ) == L l E(I ) ( X I , XJ ) (j , l E(J)) l EV J EV I ,JEV
< 2 L L l E(I) \ XI, XJ) \lE(J) l f) ;S L l E(I) {J , XI ) == A J. l EV IJI:::;I I I l EV
Le dernier ;S vient du fait que
donc
L ( X l i X J)l E( J ) ~ X I ,
IJI :::; III
IIA * II ~ sup (A* j ,A*f) == sup (f ,AA*f) 11 1112=1 111112=1
< sup II AA* 1112;S sup II A jll 2 == II AI12 . 111112=1 Ilf112=1
Et comme II A* 1I 2 == II ·AI1 2, on déduit que II A* 1I 2 ;S 1.
On a un raffinement de (5.11) . On considère ..1 une partition de IR. en intervalles
dyadiques. Pour chaque J E ..1 , associons G(J) c J avec IG(J)I ~ 61JI et 0 < 6 < 1
fixé. Considérons
(5.13)
alors (5. 14)
car
L IG(J)I sup I(f, x I)1 2 JE.:! I ~ J
< 6 L 111 sup l(f, XIW = 6 L l1J sup l(f, XIW J Ej T ~J J E.:! J I ~ J
6 L 1 sup 1J I(f, XIW .s 6 L 1 sup III (f, Xl )1 2
J E.:! J I ~J J E.:! J I ~J
< 6 L r sup1I I(f,XIW = 6 L r IMiI 2(x)dx JE.:! J J J JE.:! J )
;S 6I1 f ll~ ·
Chapitre 5. Preuves des lemmes 31
Le dernier ;S vient du fait que M est bornée dans L:2 (IR) [18].
Maintenant, on va commencer la partie principale de la preuve.
Soit 8 == dense(T) , a == size(T). Pour ch aque s, faisons un choix de signe Cs E {-1 + 1} t el que
~ 1 (j , ({Js ) (cPs, l E ) 1
sET sET
1 ~ (I, 'Ps }csif;sdx . E sET
(5 .15)
Soit J une partition de IR en intervalles dyadiques maximaux pour l 'inclusion , et t els
que 3J 1J fs pour tout s ET et t out J E J. Remarquons que si IJI ::; IITI , alors
J C 3fT . Et si IJI 2:: IITI , alors dist (J, IT) 2: IJI. Pour voir cette dernière, il suffit de
prendre dist( J, IT) 2:: 1 JI·
L'intégrale (5. 15) s 'écrit
~ (1 ~ Es (I , 'Ps )if;sdx ) = ~ (1 {~ Es (I, 'Ps) if;s + ~ Es (I, 'Ps )if;s }dx ) JEJ EnJ sET JEJ EnJ sET sET
Ils 1::::: IJI IIsl>IJI
v v
A B
Pour que B soit non nul , il faut que J C 3IT, car sinon J ct. 3IT. Il sui t que IJI > IITI ,
mais IIT I 2: IIsl et donc IJI > IIsl, par suite {s : IIsl > IJI} == 0.
Pour contrôler A , fixons un entier n 2:: 0 et considérons seulement les tuiles sE T
pour lesquelles Ilsl == 2-n IJI. Notons que dist(Is, J) 2: IJI car dist (Is, l) 2: clll, où
c == infsET { dist (Is, J)/IJI}.
On a aussi
(5 .16)
Chapitre 5. Preuves des lemmes 32
En effet, par la définition de CJ , on a I(I, CPs )1 ~ CJIIsI1/2. De plus
{ 1 cP si dx ~ 1 N - 1 ( W s) n 1 si max 1 cp si ,
JJnE J
car supp cPs ç IN- 1(ws)nIsl et par la définition "simple 'de 6 on a IN- 1(ws)nIsl S 61Isl, ensuite
1 1< II 1-1/2 1 (x - C(Is)) 1 < II 1-1/2 (dist(Is J)) - 10 mF CPs - s IDJX cp IIsl - s IIs l
puisque cp E S(IR.) implique Icp(x )1 ~ (1 + Ix l)-l0. En sommant (5.16) selon IIsl == 2- n IJI, on aura
En effet, si J ç 3IT alors IJI S IITI , et
On a tenu compte du fait que IJI S IITI, IIsl s IITI et dist(Is, J) 2: dist(IT , J). Sinon,
J Cl3IT et alors IJI2: IITI· On a aussi dist(Is,J) 2: dist(IT , J) 2: IJI? IJI, donc
ce qui donne
En conséquence
Bref,
(5.16) ~ CJ62-n min (IJI , IITI(IITI-1 dist(IT , J))-10).
Puis en son1mant selon n 2: 0 et J E :1, on aura A ;S CJ6IITI· Effectivement,
L L CJ62- n min (IJI , IITI(IITI-1 dist(IT , J))-10) == JE3 n20
L CJ{)min (IJI , IITI(IITI- 1 dist(IT , J)) - 10) == L ( ... ) + L ( ... );S CJ6IITI, JE3 JE3 JE3
IJ I:::; IITI IJI > IITI
car la somme ~ JE3 est finie , tandis que pour 1 JI > IITI, on a IJI :::;I IT I
dist(IT l J)) ~ 1 JI 2: lIT 1·
Chapitre 5. Preuves des lemmes
Pour borner B , on prend
G(J)=Jn( U N - 1(ws+)).
Alors
s ET 115 1::>:111
IG(J)I ;S 61JI·
33
( 5.17)
(5.18)
Pour mont rer (5 .18), on considère J' le prochain intervalle dyadique contenant J , i.e.
le "parent" de J. Alors 3J' doit contenir un certain 1"" car le principe de maximallité
pour J est brisé par J'. Soit s" une tuile t elle que l s' C l sll, 11sll 1 = IJI et W T C WS" ,
alors s' < s" . Par la définition de la densité (définition 4.4 ), on aura
Or , W T C W s et WT C W .,II entraînent W s n WS" =1- 0. Comme 11s1 2: IJ I 2: 11sll l, les s ET dans (517) vérifient W s C WS" . On a aussi N - 1(ws+) C N - 1(ws) C N - 1(wslI), ùonc
G(J ) ç N - 1 (wslI) . En conséquence, avec la définition de la densité,
Ceci n 'est aut re que (5 18).
Distinguons deux cas selon le signe de l'arbre. Si T est un arbre- , ceci veut dire que
les tniles {ls x ws+ : SE T} sont deux à deux disjointes . Dans l'intégrale qui défini t B , on intègre selon les x E J n E et t els que x E U sET N - 1 (w s+), d 'où
P ar conséquent
Comme
l's121.J1
x E J n U N - 1 (w s+) = G(J). sET
IIsl2V I
B ~ IG(J)I·II L: (l, <,os)<Psl loo· sET
IIsl21JI
L: 1(I,<,os)<Psl ~ (L:I(I,<,os)1 2f /2(L: lrPsI 2f/2 ~ (J l h l- l /2 (L:I <ps I 2r /2 , sET sET sET sE T
l/sI 21.J1
on déduit que
Or
Il L: 1(1': <,os) rPslll oo ;S (J.
sET Il sl21JI
IG(l)1 ,S 611 1,
Chapitre 5. Preuves des lemmes 34
donc B ;S balJI · En sommant sur les J tels que J C 3IT , on trouve B ;S ba lfT/' Maintenant , le cas le plus import ant , si T est un arbre+ alors les t uiles {fs x W s - : S ET} sont deux à deux disjointes. Posons
alors
F :== Mod_c(wT) L Es(J, <Ps)<Ps, sET
Il F II 2 == sup 1 (F, j) 1 ~ sup L 1 (J , <Ps) 12 .
11 / 112=1 11 / 11 2=1 sE T
Or , d 'après la définition de la taille 4.7,
L 1 (j , CPs ) 1 2 ::; a/lhl,
sE T
donc
IIFII2 ;S aVlhl· Posons T( X) == sup {IIsl : s ET; N(x) E ws+}.
't(x)
x
,.-----..;;;....;.N(x)
F IGURE 5.4 - Illustration de la fon ction T
En se rappelant que cPs (x) == l ws+(N(x)). <ps (x), on remarque que pour tout J et t out x E J , on a
sE T T(x)2I I s I2 IJI
(5.19)
Chapitre 5. Preuves des lemmes 35
Notons que le m embre droite de (5.19) est une troncat ure de la somm e qui définit F . Pour T > 0 et J E 3 , p osons
FT,J :== M od L Es {J , '{Js ) '{J s' sE T
T21 Isl2 111
D 'abord , suppFT, J ç [ ~7IJI-1 , ~lT-1 ]. En effet , sUPP <Ps ç [c(ws - )- 81~sl' c (ws- )+ 81 ~sl], d 'où
1 1 supp FT,] ç;; s~ [C(Ws-) - C(WT) - 811sl' c(ws - ) - C(WT) + 811sll·
T2 1Isl21 JI
D 'une p art , C(WT) - c(ws- ) ~ Iw;- I + Iws+ 1 == ~ Iws l donne c(ws- ) - C(WT) ~ - ~Iws l et par suitec(ws-)- C(WT)- 8 1 ~s l ~ 811: 1 ~ 8,JI. D 'autre part, C(WT) -C(W s-) ~ Iw;- I+ lw2
T1
implique
Ensuite, d ans la définition de '{J, on peut choisir 116 < a , b < 1 t els que
FT,J == (Dil~ l l l '{J - Dil~T '{J ) * F. On conclut que
Vx E J,
où M8 est défini d ans (5.1 :3 ). On aura alors
L J EJ
IJI :S 3abl'T 1
;S !UG(J) M6F( x )dx ;S 1 U G(J)1 1/
211 1VhF I12
111 :S 31ITI IJI :S3IIT I
On a t enu compt e du fait que
Chapitre 6
Généralisations et problèmes ouverts
Le théorème de Carleson a des formes équivalentes dans le c'as des groupes ~ , 1f et Z.
La preuve originale de Carleson est sur 1f. Celle de Fefferrpann traîte le cas ~, Màté[16]
l 'élargit à Z , où l 'opérateur de Carleson s'écrit
iTk
C-gf(j) := supsup 1 I: f(j - k);-I T N O<lkl <N
Il Y a plusieurs extensions du théorème de Carleson aux dimensions supérieures. On
définit la transforrnée de Fourier dans le plan par
Un opérateur maximal "intuitif" est
où west un rectangle arbitraire avec centre à l 'origine. Or , C. Fefferrnann [7] a prouvé
que ce n 'est pas un bon choix.
Théorème 6.1. Il existe une fonction f bornée) à support compact et telle que Rf = 00
sur un ensemble de m esure non nulle.
On peut considérer, par contre, l 'opérateur T qui est défini sur le disque unité par
T f( x ):= ( Î(ç) eiÇ,xdç. J1çl <1
C. Feffermann a prouvé que T est borné sur LP(~P) s( et seulement si p = 2. D autres
questions restent ouvertes.
Chapitre 6. Généralisations et problèrnes ouverts
Définition 6.1. Soit J : IR2 ~ IR ( ou C) une fonction mesurable. On dit que
f E W.c 2 (IR2) s 'il existe une cnstante C > 0 telle que pour tout t > 0 on a
C2
I{ x : If( x) 1 > t}1 ::; t2.
Conjecture 6.1. Est-il vrai que l 'opérateur
sup 1 r Î(ç)eiÇXdçl r > O JI~ I<r
est borné de .c2 (IR2) dans W.c2 (IR2
) ?
37
Rappel. Un opérateur T est dit borné de .c2 (IR2) dans W.c2 (IR2
) s'il vérifie un estimé
du type (1.5).
Conjecture 6.2. Est-il vrai que l 'opérateur
Revenons à la dimension l. On s 'intéresse à améliorer le resultat de Carleson au
voisinage de .cl. Soit 1r = [0, 1] le cercle unité et définissons la somme partielle de
Fourier d 'une fonction J par
SNf(x) = L j(n)e27rir>.X , Î(n) = t f( x )e-inxdx .
Inl::;N
N. Antonov [1] a prouvé le théorème suivant.
Théorèrne 6.2. Pour tout J E L(log L) (lOg3 L) (li) i la série de Fourier de J converge
vers J presque partout.
Dans le sens négatif, le contre-exemple de l<olmogorov , d 'une fonction intégrable
avec sa série de Fourier divergente, adrnet une généralisation qui est due à Korner [13]
Théorème 6.3. Pour tout 'ljJ (x) = o(log log X)i il existe une fonction J : [0 , 21r] ~ IR
dont la série de Fourier est divergente et telle que
/Ifl 'lj! (f)dx < 00.
G. H. Hardy a montré que pour une fonction intégrable J, on a SnJ = o(log n) p.p.
et il s'est demandé si c'était le meilleur résultat possible. Cette question est, encore
ouverte. Dans le sens négatif, on a le théorème suivant dû à S. Konyagin [10 , Il]
Chapitre 6. Généralisations et problèm es ouverts 38
Théorème 6.4. Pour tout 1jJ(x) = o( lO~~~X ) J il existe une fon ction f E .L:1 (1r) telle que
Une aut re question soulevée par E. M. Stein concerne les intégrales à oscillation avec
une phase polynômiale.
Conjecture 6.3. Pour tout ent ier d j la fonction m aximale
Cdf( x );= sup 1 J eiP(y) f( x _ y ) dy 1
. d eg (P )=d Y
est un opérat eur borné de LP vers lui même.
Le cas d = 1 correspond à l 'opérat eur de Carleson.
Annexe A
Analyse de Fourier
On résume ici quelques notions de base de l 'analyse de Fourier tirées de [17] et [2].
Théorème A.l (D'INVERSION). Si 1 E S(~)J alors
Prell,ve : Pour l, 9 E L 1 (IR), on applique le théorème de Fubini à l iintégrale double
pour avoir l'égalité
l Î(y)g(y)dy = l f( x)g(x)dx (A.1)
Soit, maintenant, 9, cjJ E S(~) et I(x) = cjJ(x/ À), À > O. Du Inême coup gi cjJ, 1 E Ll(~).
Avec (j\.l ) et le fait que Î( t) = À~( Àt), on trouve
l ).,J()\t)g(t)dt = l rjJ(x/ ).,)g(x)dx,
(A.2) .
Quand À ---f 00 , g( u/ À) ---f g(O) et cjJ ( u/ À) ---f cjJ(O). Donc, pour À assez grand i g( u/ À)
et cjJ (X/À) sont bornés. Or S(IR) C Ll(~) i donc g, ~ E Ll(~) , et on peut appliquer le
théorème de la convergence dominée aux deux membres de CA. 2) pour trouver
g(O) l J(u)du = rjJ (O) l g(x)dx. (A.3)
Annexe A. Analyse de Fourier
En prenant cp ( x ) = e- x2 /2 dans (A .. . 3) et sachant que cp( 0) = 2~ IJR ~(u )du, on aura
g(O) = ~ r g( x )dx, 27r JJR
qui équivaut à
i. e.
T_tg(O) = ~ r rC;g(x )dx , 27r JJR
1 i . g(t) = - e'Ltxg( x) dx . 27r JR
40
o
Théorème A.2 (DE PLANCHEREL). Soit f une fon ction de .[2 (IR). Pour A > 0, consi
dérons cPA f( x ) = k I~A f(t) e-ixtdt. Alors cpA f converge dans .c2 (JR) , quand A ---7 00,
vers une fon ction f que l 'on appelle la transform ée de Fourier de f. L 'application
f r----+ f est une isométrie de L:2 (1R). Si de plus, f E L: 1 (1R) , alors f coïncide avec la
transformée de Fourier usuelle.
Critères de Convergence pour une série de Fourier :
• On a n 1 j'7r
Snf( x ) = L f(j) eijX = - Dn(x - t)f(t)dt ,
. 27r - 7r J=-n
avec
f(j) = ~ j'7r f(t) e-ijtdt , 27r -7r
D. (t) = ~ eijt = sin[(n + 1/2)t] n j~n sin(t/2) '
où f(j) est le coefficient de Fourier de f et Dn est le noyau de Dirichlet.
Théorème A.3 (TEST DE DINI). Si f E L:1 [-7r , 1f] et Io7r I f(x+t) +f(~- t) ~ 2f(x ) l dt < 00,
alors Snf( x ) -7 f( x ) quand n -7 00.
Théorème A.4 (TEST DE JORDAN). Si f E L:1 [-7r,7r] est de variation bornée dans
'un intervalle ouvert l contenant x, alors Snf( x ) -7 ~(f(x+) + f( x -)) quand n -7 00.
Techniques de sommabilité :
• On définit la moyenne de Césaro par
1 n 1 j7r O"nf(x ) := - L SnJ( x ) = - Fn(x - t)f(t)dt ,
n + 1 j = O 27r -7r
où
Fn(t) = _1_ t Dn(t) = t (1 -_IJ_", ) eijt
n + 1 j = O j =-n n + 1
est le noyau de Féjer.
-------------------------------------------------------------------------------------------
Annex e A. Analyse de Fourier 41
Théorème A.5. Soit (Kn) un noyau sommable, f : JR -----7 C continue et 2n-périodique.
Alors Kn * f( x ) converge uniform èm ent vers f( x) . E n plus, pour 1 ~ p < 00 et
f E LP[-n , n) , on a limn~bo IIKn * f - fl/ p == O .
• On défini t le noyau de Poisson par
~ 1 °1 Or 1 - r2
Pr ( t) : == L r J e ~J == , 0 < r < l. j =-oo 1 - 2r cos (t ) + r 2 -
Proposition A.5. Si f E L P[-n, 7r] avec 1 ~ P < 00 , ou p == 00 et f est continue avec
f( -n) == f(7r) , alors limr~ l - I/Pr * f - f l/ p == o.
Théorème A.7 (FATOU). Si f E Ll [-7r ,7r], alors, pour presque tout x E [-7r j 7r], on
a limr~ 1 - Pr * f ( x ) == f ( x ) et limn an f ( x ) == f ( x ) .
Bibliographie
[1] Ant onov N. , Yu, (1995). Convergence of Fourier series . P roceedings of the XX
Workshop on Function Th eory, vol. 2, 1996, pp. 187-196.
[2] Bachman G. , Narici L . and Beckenstein E. , (2000). Fourier and wavelet analysis ,
Springer-Verlag, New York.
[3] Carleson L. , (1966) . On convergence and growt h of part ial sumas of Fourier series. ·
A cta. Math. , 116, 135-157.
[4] De Reyna J.A., (2002). Pointwise convergence of Fourier series. A nn. of Math. ,
Springer-Verlag, New York.
[5] Duoandikoetxea J. , (2001). Fourier Analysis. A m erican M athematical Society.
[6] Feffermann C. , (1973). Pointwise convergence of Fourier series . Ann. of Math. ,
98 (n02) , 551-571.
[7] Feffermann C. , (1971) . On the divergence of mult iple Fourier series . B ull. Amer.
M ath. S oc., 77, 191-195.
[8] Fourier J. , (1822). Théorie analytique de la chaleur.
[9] Katznelson Y. , (2004). An int roduction t o harmonie analysis. Cambridge Univer
sity Press , Cambridge, U.K.
[10] Konyagin S. V. , (2000). On the divergence everywhere of trigonometric Fourier
series . Math. Sb. , 191 , 103-126.
[11] Konyagin S. V. , (1999). On t he di~ergence of t rigonometric Fourier series . C. R. A cad. S ei. Paris S ér. 1 M ath, 329, 693-697.
[12] Korner T.W. , (1 992). Fourier Analysis. Cambridge University P ress , Cambridge,
U.K.
[1 3] Korner T. W ., (1 981) . Everywhere divergent Fourier series. Colloq. Math., 45, 103-118.
BIBLIOGRAPHIE 43
[14] Lacey M., (2004). Carleson 's theorem Proof, Complements, Variations. Publ.
Math. , 48(n02) , 251-307.
[15] Lacey M. , Thiele C., (2000). A proof of boundedness of t he Carleson operator.
Math. R es. Lett. 7, n 0 4, 361-370.
[16] Màté A. , (1967). Convergence of Fourier series of square integrable functions. Mat .
,Lapok18 , 195-242.'
[17] Rudin W. (1973). Functional Analysis. Mc Graw-:-Hill Book Company, New York.
[18] Stein E.M. , (1993). Harmonie Analysis. Princeton University Press .
[19] Thiele C. , (2000),(http :j jwww.math .ucla.eduj thielejlecturenotesjelescoria12.pdf).
[20] Thiele C. , (2006). Wave Packet Analysis. CBMS(Conference Board of the Mathematical Sciences) , nO: 105.