Académique Documents
Professionnel Documents
Culture Documents
MATHÉMATIQUES
DU SIGNAL
3e édition
Dariush Ghorbanzadeh
Pierre Marry
Nelly Point
Denise Vial
MATHÉMATIQUES
DU SIGNAL
MATHÉMATIQUES
DU SIGNAL
Rappels de cours et exercices résolus
Dariush Ghorbanzadeh
Maître de conférences au Conservatoire National
des Arts et Métiers (CNAM, Paris)
Pierre Marry
Maître de conférences au Conservatoire National
des Arts et Métiers (CNAM, Paris)
Denise Vial
Maître de conférences au Conservatoire National
des Arts et Métiers (CNAM, Paris)
Nelly Point
Professeur au Conservatoire National
des Arts et Métiers (CNAM, Paris)
3e édition
Préfacé par
Hervé Reinhard
Professeur au CNAM (Paris)
Illustration de couverture : DigitalVision
Un seul coup d’œil aux rayons « mathématiques » des librairies scientifiques suffit pour
réaliser qu’il est inutile de convaincre les étudiants de la nécessité de faire des exercices pour
réussir leurs examens. Les éditeurs le savent, qui publient une multitude de recueils d’exer-
cices ; les étudiants le savent, qui achètent ces ouvrages.
Tout mathématicien, même apprenti, sait cependant qu’une condition nécessaire n’est pas
toujours suffisante. Ainsi, il ne suffit pas d’acheter un livre d’exercices, ni même de le lire,
pour réussir une épreuve de mathématiques, et, encore moins, pour comprendre les éléments
d’une théorie et la façon de l’appliquer.
Il convient de faire un usage judicieux d’un ouvrage d’exercices corrigés. Les auteurs s’ex-
pliquent plus longuement sur ce point dans leur avant-propos.
Ceux-ci travaillent (ou ont travaillé) au sein de l’équipe d’enseignants des mathématiques du
signal au Conservatoire National des Arts et Métiers. Ils y ont acquis une grande expérien-
ce pédagogique au service des étudiants de cet établissement et ont su mettre au point, avec
toute l’équipe, en particulier Bénédicte Logé, des exercices variés et progressifs, adaptés à
© Dunod. La photocopie non autorisée est un délit.
cette discipline. Ils ont noué avec des collègues d’autres disciplines, comme avec les étu-
diants, un dialogue riche dont ils ont su tirer parti.
Les lecteurs devraient donc trouver dans cet ouvrage un outil particulièrement
efficace pour tester et approfondir leurs connaissances.
Hervé Reinhard
Avant propos
déjà connus. D’autres sont orientés vers l’utilisation des concepts dans des applications pra-
tiques.
Pour chaque exercice, le lecteur devrait essayer de chercher la solution, question par
question. Une fois la réponse trouvée, ou en cas d’échec prolongé, on peut se reporter à la
solution proposée et essayer de comprendre les erreurs ou les points de blocage éventuels
avant de passer à la question suivante. Lire d’emblée la solution d’un exercice n’est d’aucun
profit même si celle-ci est rédigée pour être facilement compréhensible.
Index des notations
n!
p n
Cn coefficient du binôme : Cnp = , noté aussi
(n − p)! p! p
C 0 (I ) espace vectoriel des fonctions continues sur l'intervalle I
C n (I ) espace vectoriel des fonctions n fois continûment dérivables sur
l'intervalle I
C ∞ (I ) espace vectoriel des fonctions indéfiniment dérivables sur l'intervalle I
L 1 (I ) espace vectoriel des fonctions sommables sur l'intervalle I
f 1 norme de f dans L (I ) : f 1 = f L 1 (I ) = | f (t)| dt
1
I
L 2 (I ) espace vectoriel des fonctions de carré sommable sur l'intervalle I
f,g produit scalaire de deux fonctions dans L (I ) : f,g =
2 f (t)g(t)dt
I
Préface V
Avant propos VII
Index des notations IX
CHAPITRE 0 • Intégration 1
CHAPITRE 1 • Espaces 19
CHAPITRE 2 • Orthogonalité, projections dans L 2 (I ) 31
CHAPITRE 3 • Séries de Fourier 45
CHAPITRE 4 • Intégrales à paramètre, convolution 65
CHAPITRE 5 • Transformation de Fourier 85
CHAPITRE 6 • Transformation de Laplace 105
CHAPITRE 7 • Introduction à la théorie des distributions 121
CHAPITRE 8 • Dérivation, convergence, convolution des distributions 131
CHAPITRE 9 • Transformée de Fourier et de Laplace des distributions.
© Dunod. La photocopie non autorisée est un délit.
Intégration
RAPPELS
b
• Si la fonction f est continue sur l’intervalle fermé borné [a,b], f (x)dx est
a
une intégrale définie et c’est un nombre si a, b et f sont spécifiés.
x
• Pour x ∈ [a,b], f (t)dt est une fonction de x. C’est la primitive de f qui s’an-
a
nule pour x = a.
• Si l’intervalle est non borné ou si f n’est pas bornée, on dit que l’intégrale est
impropre (ou généralisée).
∞ X
– f (x)dx est convergente si lim f (x)dx existe et a une valeur finie.
a X→+∞ a
b b−ε
– Si f n’est pas définie en b, f (x)dx est convergente si lim f (x)dx
a ε→0+ a
existe et a une valeur finie.
© Dunod. La photocopie non autorisée est un délit.
b b
• Une intégrale f (x)dx est dite absolument convergente si | f (x)|dx a une
a a
b b
valeur finie. Cela implique qu’elle est convergente car | f (x)dx| | f (x)|dx.
a a
On dit alors que la fonction f est sommable sur [a,b].
• Critères de comparaison
eX ln(X)
– Pour n > 0, n −−−→ + ∞ , −−−→ 0, εn ln(ε) −−→ 0 .
X X→+∞ X n X→+∞ ε→0
f (x)
– f et g sont équivalentes au voisinage de a, si lim = 1 , on note f ∼ g.
x→a g(x) a
b b
– f et g sont continues sur ]a,b] et si f ∼ g alors f (x) dx et g(x) dx sont
a a a
de même nature.
∞
– si f et g sont continues sur [a,+∞[ et si f ∼ g alors f (x)dx et
=∞
∞ a
∂g ∂g
où est l’image du domaine D, J est la matrice jacobienne : J = ∂u
∂h
∂v
∂h
∂u ∂v
et |J (u,v)| son déterminant, appelé Jacobien.
– Théorème de Fubini
Si f est sommable sur le domaine D, on peut indifféremment intégrer d’abord
en x ou en y, le résultat est identique.
Exercice 0.1
En appliquant la définition d’une intégrale impropre, dire si les intégrales suivan-
tes sont définies ou non.
∞ ∞
∫0 e ∫0 t
−t n −1 − t
I1 = dt I2 = Γ ( n ) = e dt avec n 1
∞ e−t 2 dt
∫−2
1
I5 =
I3 = ∫0 ln t dt I4 = ∫0 t
dt
4 − t2
0 • Intégration 3
X
1) I1 = lim
X →+∞ 0 ∫ e − t dt = lim [ − e − t ]0X = lim (1 − e − X ) = 1. Donc, I1 est définie et vaut 1.
X →+∞ X →+∞
X
2) I2 = lim
X →+∞ 0 ∫ t n −1e − t dt . Or, en intégrant par parties et si n > 1,
X X
∫ 0
t n −1e − t dt = − X n −1e − X + (n − 1) ∫ 0
t n − 2 e − t dt
X X
d’où : lim
X →+∞ 0 ∫ t n −1e − t dt = (n − 1) lim
X →+∞ 0 ∫ t n − 2 e − t dt
X
= ....... = (n − 1)(n − 2)...1 lim
X →+∞ 0 ∫ e − t dt = (n − 1)!
1
1
3) I3 = lim+ ∫ ln t dt = lim [t ln t ] − ∫ dt = lim {−ε ln ε − 1 + ε} = −1.
1
ε
ε →0 ε ε →0 + ε ε →0 +
1 e −t
Posons J (ε ) = ∫ ε t
dt . En intégrant par parties, on a :
1
J (ε ) = − ln ε e − ε + ∫ ln t e
−t
dt et lim+ J (ε ) = +∞ car l’intégrale est bornée.
ε ε →0
1 1 1
En effet : 0 lim+
ε →0 ∫ ε
ln t e − t dt lim+
ε →0 ∫ ε ∫
ln t e − t dt − ln t dt = 1 d’après 3).
0
A e −t X e −t
D’autre part, ∫ 1 t
dt est finie et lim
X →+∞ ∫ A t
dt existe car :
−t
© Dunod. La photocopie non autorisée est un délit.
X X
∫ ∫
e 1
0 lim dt lim e − t dt ∀ A 1. Donc, I4 diverge.
X →+∞ A t X →+∞ A eA
5) La fonction à intégrer étant paire, la nature de I5 est la même que celle de I6 où
2 2 −ε
∫ ∫
dt dt
I6 = et l’on a : I6 = lim+ .
0 4−t 2 ε →0 0 4 − t2
α
∫
cos x
En posant t = 2 sinx, I6 = lim+ dx où α = arcsin(1 – ε/2)
ε →0 0 cos x
ε π
d’où I6 = lim+ arcsin 1 − = , donc I5 existe et vaut 2I6 , soit π.
ε →0 2 2
4 Mathématiques du signal
Exercice 0.2
+∞
1) I1 = ∫ 0
e − t dt . Le seul problème est à l’infini. Or, si X est assez grand et
∞ ∞ +∞
∫ ∫
dt
e − t dt <
t X, et > t2 et 0
X X t2
, cette dernière intégrale étant convergente,
∫
X
e − t dt
aussi et I1 converge.
+∞
2) I2 = ∫ 0
t n −1 e − t dt . Là aussi, la fonction est continue en 0. À l’infini, si t est assez grand,
n −1 − t 1
on peut écrire et > tn+1 et, alors, t e < dont l’intégrale converge sur [X, ∞[ ∀ X > 0.
t2
I2 converge aussi.
+∞ e −t e −t 1
3) I4 = ∫ 0 t
dt . Pour t assez grand, et > t, et donc
t
< 2 dont l’intégrale converge
t
e −t 1 X e −t
au voisinage de l’infini. Mais
t
en 0 et
t ∫0 t
dt n’a pas de valeur finie ∀ X fini.
Donc, I4 diverge.
Cette façon de procéder par équivalences est plus rapide que l’utilisation de la définition.
(Comparer avec l’exercice 1).
2 2
∫ ∫
dt dt
4) I5 = = , et au voisinage de 2 (respectivement
−2 4−t 2 −2 2−t 2+t
b
∫ (b − t )
1 1 1 dt
– 2), (respectivement ). Or, si a < b, α
ou
4−t 2 2 2−t 2 2+t a
b
∫ (t − a )
dt
α
converge si α < 1. Donc I5 converge.
a
Exercice 0.3
0 +∞ 0
1) I1 = ∫
−∞
e − t dt + ∫
0
e − t dt . La première intégrale vaut lim ∫
Y →−∞ Y
e − t dt = +∞ après intégra-
tion directe et on a vu que la seconde converge. I1 diverge puisque somme d’une divergen-
te et d’une convergente.
2) Pour I2 , les seuls points à considérer sont 0 et +∞, la fonction à intégrer étant continue
1 1
entre les deux. À l’infini, qui est intégrable au voisinage de +∞. En 0,
(t + 1) t t 3 / 2
1 1
qui est intégrable au voisinage de 0. Donc I2 converge.
(t + 1) t t
3) En 1, la fonction est continue. Si α > 1, ∃ β tel que 1 < β < α et on peut écrire :
ln t ln t 1 ln t
= α − β β . Or, α − β → 0 , donc, pour t assez grand, cette quantité est bornée par une
tα t t t t →+∞
ln t 1
constante c et 0 < α c β qui est sommable sur tout intervalle (X, +∞) si X > 1.
t t
ln t A
Par contre, si α < 1, α α toujours pour t assez grand, car lnt tend vers +∞ avec t, donc
t t
est minoré par une constante A > 0, mais cette fonction n’est pas intégrable à l’infini. Donc
I3 diverge.
∞
Si α = 1, on pose u = lnt et I3 devient ∫ u du qui diverge.
0
1 +∞
∫t ∫
ln t ln t
4) I4 existe si dt et dt existent. Les points à considérer sont 0, 1, et ∞.
0
2
−1 1 t −1
2
ln t tβ 1
À l’infini, 0 < ∀ β > 0 ; cette fonction étant équivalente à 2 − β , qui est inté-
t −1 t −1
2 2
t
grable si 2 – β > 1, il suffit de choisir β = 1/2 et la fonction est intégrable à l’infini.
En 0, la fonction équivaut à – lnt, donc intégrable (cf. exercice 0.1).
© Dunod. La photocopie non autorisée est un délit.
En 1, la fonction n’est pas définie mais, si l’on pose x = t – 1, avec le développement limi-
ln(1 + x ) 1 1
té de ln(1 + x), qui tend vers quand x tend vers 0. La fonction, pro-
(2 + x ) x 2 + x 2
π2
longeable par continuité, est intégrable en 1. Donc I4 converge et vaut (cf. exercice
4
0.18).
6 Mathématiques du signal
Exercice 0.4
sin t
1) Étudier la sommabilité de sur ]0,1] et [1, +∞[ selon les valeurs de α
tα
(α > 0).
+∞ sin t
2) Quelles sont les valeurs de α pour lesquelles ∫0 tα
dt converge mais pas
+∞ sin t
∫0 tα
dt ?
∞ ∞
3) Application aux intégrales de Fresnel C = ∫0 cos t dt et S= ∫0 sin t dt .
2 2
1) Sommabilité sur ]0, 1] : la fonction est continue sur ]0, 1], non définie en 0 au voisina-
sin t sin t t 1
ge duquel on a : α = α α = α −1 , fonction sommable si et seulement si α – 1 < 1
t t t t
soit α < 2 .
sin t 1
Sommabilité sur [1, +∞[ : α α ,
fonction sommable si α > 1. Mais, si α 1, on a
t t
sin t
simplement majoré par une fonction non sommable, ce qui n’induit rien pour . Pour
tα
sin t sin t
s’assurer que α n’est pas sommable quand α 1, minorons par une fonction non
t tα
1 − cos 2t
sommable, à savoir : .
2t α
1
En effet, sin t sin 2 t = (1 − cos 2t ) 0 car a2 a si 0 a 1.
2
Pour 0 < α < 1, on a :
∞ ∞
∞ 1 − cos 2t sin 2t − ∞ α sin 2t
∫ ∫
1
α dt = α −1 − α dt .
1 t (1 − α )t 1 2t 1 1 2t α +1
α sin 2t α
Le dernier terme est fini car α +1 sommable sur [1,+∞[. Le deuxième terme
2t α +1 2t
− sin 2
vaut et le premier est infini car lim t α −1 = 0 .
2 t →+∞
∞ 1 − cos 2t ∞ ∞ sin 2t
dt = [ln t ]1∞ −
sin 2t
Pour α = 1, ∫ 1 t 2t 1
− ∫1 2t 2
dt de valeur infinie à cause du
premier terme.
0 • Intégration 7
sin t
Donc, est sommable sur ]0,1] pour 0 < α < 2 et sur [1,+∞[ pour α > 1.
tα
car α + 1 > 1 et donc l’intégrale converge sur ]0,+∞[ pour 0 < α < 2.
→+∞ → x3/ 2
2 x 0 4 0 x x x 2 x x 0 2 x 4 0
∞ X
1) VP ∫−∞
f (t ) dt = lim ∫
X →+∞ − X
f (t ) dt
= lim f (t ) dt = lim
0 X X
X →+∞ ∫ −X
f (t ) dt + ∫
0 X →+∞ ∫
0
[ f (t ) + f ( −t )] dt
X
= lim 2
X →+∞ ∫
0
f p ( t ) dt
2 1
3) Calculer VP ∫−1 t(t + 2) dt directement, puis en fonction de sa partie paire fp .
−2(t + 1)
1) La fonction n’est pas définie pour t = 0 et t = – 2 et f ′(t ) = est positive si
t 2 (t + 2 ) 2
t < – 1, négative sinon.
0 • Intégration 9
1 1
2) Au voisinage de 0, qui n’est pas intégra-
t (t + 2 ) 2 t
2
∫
1
ble et alors dt diverge.
−1 t (t + 2)
–1 –ε
2 −ε 2
∫ ∫ ∫
1 1 1 t
3) VP dt = lim+ dt + dt . –2 0 ε 2
−1 t (t + 2 ) ε →0 −1 t (t + 2 ) ε t (t + 2 )
= −
1 1 1 1
t (t + 2 ) 2 t t + 2
(
dt = lim+ [ln t ]−1 + [ln t ]ε − [ln t + 2 ]−1 − [ln t + 2 ]ε )
2
∫
1 1 −ε 2 −ε 2
et VP
−1 t (t + 2) 2 ε →0
1 ln 2
lim (ln ε + ln 2 − ln ε − ln(2 − ε ) − ln 4 + ln(2 + ε )) = −
= .
2 ε →0 + 2
Cette valeur représente la limite de la somme algébrique des aires hachurées quand ε → 0+.
a a
VP ∫−a
f (t ) dt = 2VP ∫ 0
f p (t ) dt où fp est la partie paire de f. Si f est impaire, fp est nulle et
a
VP ∫−a
f (t ) dt = 0 .
1 1
Ici, f p (t ) = ( f (t ) + f ( −t )) = 2 et fp ∈ L1(– 1,+ 1).
2 t −4
2 1 2
∫ ∫ ∫
1 1 1
Alors VP dt = 2 dt + dt .
−1 t (t + 2 ) 0t −4 t (t + 2 )
2
1
1
Calculer ψ = Hϕ puis η = Hψ dans le cas où : ϕ (t ) = .
t +1
2
10 Mathématiques du signal
1
1) Au voisinage de a, f se comporte comme et n’est donc pas sommable, mais, au
t−a
1
voisinage de l’infini, f (t ) qui est sommable.
t3
Donc, f est sommable sur ]–∞, a – ε1] ∪ [a + ε2 , +∞[, ∀ ε1 et ε2 > 0.
π aA π aA
= lim+ F( a − ε ) − − − F( a + ε ) avec
ε →0 2 2
(a + ε )2 + 1
F( a − ε ) − F( a + ε ) = Aln − a arctan(a − ε ) + a arctan(a + ε ) .
(a − ε ) + 1
2
∞ πa
Ainsi, lim+ {F( a − ε ) − F( a + ε ) } = 0 et VP
ε →0 ∫
−∞
f (t ) dt = −
a2 + 1
.
+∞
∫
1 dt u
2) ψ (u) = H (ϕ )(u) = VP =− 2 d’après 1).
π −∞ (t − u)(t + 1)
2
u +1
+∞ −u
∫
1
η(t ) = H (ψ )(t ) = VP du .
π −∞ (u − t )(u 2 + 1)
L’intégration se fait en décomposant en éléments simples :
−u A Bu + C −1
g(u) = = + où C = 2 , A = tC et B = – A.
(u − t )(u 2 + 1) u − t u 2 + 1 t +1
Une primitive de g est :
B u−t
G(u) = A ln u − t + ln(u 2 + 1) + C arctan u = A ln + C arctan u
2 u2 + 1
t −ε +∞
∫ ∫
1
η(t ) = lim+ g(u) du + g(u) du
π ε → 0 −∞ t +ε
1 1 −1
= [G( +∞) − G( −∞)] + lim+ [G(t − ε ) − G(t + ε )] = 2 = −ϕ (t ).
π π ε →0 t +1
Ainsi, H ( H (ϕ )) = −ϕ (voir exercice 9.10).
0 • Intégration 11
Exercice 0.8
avec D = ( x, y) / x 2 y x .
1
Calculer I = ∫∫D x dx dy 2
1) Dessiner le domaine et intégrer d’abord en y.
2) Intégrer d’abord en x. Comparer les deux résultats.
x dy dx =
12 x 12
∫ ∫ ∫
5
1) I = x ( x − x 2 ) dx = .
0 x 2 0 192
2) D’après la figure, x varie soit de y à y , soit de y à 1/2 : il faut alors couper le domai-
ne en deux.
y
1 4
y
12 12
y = x2 y=x
I= ∫ ∫
0
y
x dx d y +
∫ ∫
1 4 y
x dx dy
14 1 2 1
y2
∫ ∫
1 5
I= ( y − y 2 ) dy + − dy = . 1
0 2 1 4 8 2 192 2
1
4
On obtient le même résultat car on intègre une fonction x
continue sur un domaine fermé borné et le théorème de 0 1 1
2
Fubini s’applique, mais ce dernier calcul est plus long.
2
2x
sin dy dx .
y
Soit I = ∫1 ∫x x
© Dunod. La photocopie non autorisée est un délit.
2x
− x cos dx
2
∫
y
1) I = y
1 x x 5
2 y = 2x
∫
3
= −(cos 2 − cos1) x dx = (cos1 − cos 2). 4
1 2
3
D
2 y=x
1
x
0 0,5 1 1,5 2 2,5
∫∫ ∫∫
y y y
Comme sin est > 0 sur D, I = sin dx dy = sin dx dy d’après le théorème de
x D x D x
Fubini. On peut alors intégrer d’abord en x mais en vain, car on ne connaît pas de primitive
1 y
de sin , a fortiori de sin .
x x
∂u ∂v
2 2
I= ∫∫∆
sin v u du dv = ∫1
u du × ∫ sin v dv
1
0
u
1 2
3
= (cos1 − cos 2).
2
∂x ∂x
J = ∂r ∂θ = cos θ − r sin θ
∂y ∂y sin θ r cos θ = r
∂r ∂θ
0 • Intégration 13
2π
+∞ r dr dθ = 2π +∞ dr
∫∫ ∫ ∫ ∫
dx dy
I= α = qui
0 a rα α −1 y
r a r a r
∫∫ ∫
dx dy
2) I = α = 2π α −1 qui converge si et seule- r
r a r 0 r
θ
ment si α < 2. O
a
x
Exercice 0.11
∫∫ × e −( x
2
+ y2 )
Calculer I = + +
dx dy .
∞ ∞
∫0 e ∫−∞ e
− x2 − ax 2
En déduire la valeur de dx et de dx pour a > 0 .
y
Remarquons d’abord que la fonction est sommable car elle
1
est continue en 0, et, à l’infini, on peut écrire : e − r 3
2
M
r
(voir exercice 0.10). r
0 θ
x
Puisque le domaine est un « pavé » et que la fonction est le produit d’une fonction de x par
une fonction de y, on a :
+∞ +∞ +∞ +∞ +∞ 2
∫ e− x ∫ e − y dy dx = ∫ e − y dy × ∫ e − x dx = ∫ e − x dx
2 2 2 2 2
I=
0 0 0 0 0
π π
J = r et le domaine devient : ∆ = + × 0, .
© Dunod. La photocopie non autorisée est un délit.
2 2
∆
r
0
+∞
π −e − r
2
π 2 +∞ π
∫∫ e ∫ ∫
−r2 −r2
D’où : I = r dr dθ = dθ × re dr = = .
∆ 0 0 2 2 4
0
π π
+∞ 1 π
∫
+∞
e − au du =
2
∫ e − x dx = I =
2
Donc, I = , , et, en posant : x = u a 0 2 a
et
4 0 2
+∞ π
∫ e − ax dx =
2
.
−∞ a
14 Mathématiques du signal
Exercice 0.12
1
Calculer I = ∫∫D(a) f ( x )g( y) dx dy avec f ( x) =
π 1 − x2
1{ x <1} ( x ),
g( y) = ye − y / 211
2
l + ( y) et D(a) = {(x, y)/ xy < a} avec a > 0, en faisant le change-
*
t
ment de variables suivant : x = et y = u.
u
u = |t|
a t
0
ye − y +∞ ue − u 2 / 2
2
/2 a
Alors, I ( a) = ∫∫
D ′( a) π 1 − x 2
−∞ t π u − t2
dx dy =2
du d t
∫ ∫
On intègre d’abord en u, sinon il faudrait couper le domaine en deux sous-domaines et l’on
pose : ν 2 = u2 – t2. D’où ν dν = u du et
e −ν / 2
2
a +∞ a
∫ ∫ ∫
−t 2 / 2 1
e −t
2
I ( a) = e dν dt = /2
dt
−∞ 0 π 2π −∞
+∞ 1 π
∫ e − ax dx =
2
en utilisant .
0 2 a
I(a) est la fonction de répartition de la loi normale centrée réduite.
0 • Intégration 15
Exercices d’entraînement
12 1 12 1
2) ∫0
f ( x ) dx − ∫ 12
f ( x ) dx ∫ 0
f ( x ) dx − ∫
12
f ( x ) dx
b b
3) ∫a
f ( x ) dx ∫ max f ( x ) dx
a x ∈[ a, b ]
0.14 Étudier la sommabilité des fonctions f suivantes sur les intervalles précisés et cal-
culer les intégrales qui convergent (notées I).
1
1) (t3 + t + 1)e–2t sur [1,+∞[ 2) sur
ch t
1
3) (t – 1)–1/3 sur I1 = [1,2[ et I2 = [2,+∞[ 4) sur [1, +∞[
t t2 −1
t 1
5) sur [0, +∞[ 6) sur [0, +∞[
(1 + t 2 )2 (1 + t 2 )2
cos t ln t
7) sur ]0,1] 8) sur [1, +∞[
t (1 + t )2
0.15 Les fonctions suivantes sont-elles sommables sur les intervalles considérés ?
π π
cos t cos t
2 2
1) sur [0, 1[ 2) sur ]0, 1]
(1 − t )3 / 2 t3/ 2
e sin t 1
3) sur ]0, 1] puis [1, +∞[ 4) arctan sur ]0, 1] et [1, +∞[
© Dunod. La photocopie non autorisée est un délit.
t t
1 ln t β
5) sin sur ]0, 1] et [1, +∞[ 6) sur ]1, +∞[ et ]0, 1[
t tα
n −π t 2
0.16 Montrer que t e est sommable sur , ∀ n ∈ .
+∞
∫ t n e −π t dt . Calculer In sachant que I0 = 1.
2
Soit In =
−∞
∫∫
y
I2 = 2 dx dy avec D = {(x,y) / x y 4x, x 1}
2
Dx
I3 = ∫∫ D
x dx dy avec D = {(x,y) / 0 < x < 2, – 1 < y < 1, 0 < x + y < 1}
2
6
∫ ∫
2
I4 = e x dx dy
0 3y
∫∫
dx dy
I5 = . Pour I5 , intégrer 2 fois : d’abord en x, puis
+ × + (1 + y)(1 + x 2 y)
+∞
∫
ln x
d’abord en y. En déduire la valeur de J = dx
0 x2 −1
I6 = ∫∫∫ dx dy dz
D
avec D = {(x,y,z) / x2 + 2y2 z 1 – y2}
x−y
I3 = ∫∫ D1+ x + y
dx dy où D = {(x,y) / 0 y x, y 1 – x}
Poser : x – y = u, x + y = ν.
∫∫∫
dx dy dz
1) Montrer que, si r = x 2 + y 2 + z 2 et a > 0, converge
r a rα
si α > 3, diverge sinon.
∫∫∫
dx dy dz
2) En déduire le critère de convergence de .
r a rα
Réponses
0.13 1) Faux : l’inégalité est du type |a – b| |a + b| qui est fausse (il suffit de prendre a = 3 et
b = – 5). La majoration correcte est :
1 2 1 2 2
∫
0
f ( x ) dx −
∫1
f ( x ) dx
∫
0
f ( x ) dx +
∫1
f ( x ) dx
∫ f ( x ) dx
0
0 • Intégration 17
2) Faux : l’inégalité est du type |a – b| |a| – |b] qui est fausse (il suffit de prendre a = 3
et b = – 5). La majoration correcte est :
12 1 12 1 1
∫0
f ( x ) dx −
∫12
f ( x ) dx
∫ 0
f ( x ) dx +
∫
12
f ( x ) dx
∫ f ( x ) dx
0
∫
1
3) Faux : il suffit de prendre f(x) = x – 1 sur [0,1], alors f ( x )dx = et
0 2
1
b b
∫
a
f ( x ) dx
∫ max f ( x ) dx = max f ( x ) ⋅ (b − a)
a x ∈[ a,b ] x ∈[ a,b ]
1
0.14 1) f est intégrable ( e − t si t grand ). Écrire la primitive sous la
t5
forme : P(t)e–2t où P(t) est un polynôme de degré 3 dont on détermine les coefficients en
dérivant et en identifiant (on a : P ′(t) – 2P(t) = t3 + t + 1 ∀ t). On obtient :
29 −2
I = − P(1)e −2 = e .
8
2) f est intégrable (utiliser e|t| > t2 si t grand) et I = π en posant u = et.
3
3) f est intégrable sur I1 (et I = ) mais pas sur I2 .
2
1 π
4) f est intégrable (comparer à ). Poser t = chu, alors, I = .
tα 2
1
5) Poser u = 1 + t2, I = .
2
π
6) Poser t = tanθ, I = .
4
1
7) f en 0 et n’est donc pas intégrable.
t
© Dunod. La photocopie non autorisée est un délit.
1
8) f est intégrable (0 < f (t) ≤ ∀ α > 0 quand t est grand, prendre α = 1/2). En inté-
t 2−α
grant par parties, on a : I = ln2.
π
0.15 1) Oui : f (t ) quand t est voisin de 1, continue en 0.
2 1− t
1
2) Non : f (t ) 32 en 0.
t
1
3) Non sommable du tout : la fonction se comporte comme en 0 et, à l’infini, est supé-
t
e −1
rieure à (utiliser – 1 sint 1)
t
18 Mathématiques du signal
+∞ ln β u
∫
1
sur ]0,1], poser t = , alors I = 2 −α du qui converge si α < 1 et β > – 1 et si α = 1,
u 1 u
n −1 (2 p − 1)(2 p − 3)....1
In = In−2 et I1 = 0 ⇒ I2 p = , I2p+1 = 0.
2π (2π ) p
1
∫
dt
0.17 I1 ne converge pas mais converge en valeur principale, VP = 0.
−1 t
−2 + 2 ).
1
∫
dt
Pour I2 , pas de convergence du tout ( VP 2 = εlim
−1 t → 0 ε
1 (t + 2 )
∫
ln 2
Pour I3 , on a seulement : VP dt = .
−1 t (t + 3) 3
1 47 7
0.18 I1 = (aire de D) ; I2 = (intégrer en y d’abord) ; I3 = (couper le domaine en deux)
2 6 6
e36 − 1
; I4 = (permuter l’ordre d’intégration) ;
6
π2
I5 = (intégrer en x d’abord, puis t = y ) et si l’on intègre en y d’abord,
2
π2 π
I5 = 2J d’où J = ; I6 = (intégrer en z d’abord puis en (x,y) sur l’intérieur de l’el-
4 2 3
lipse : 3y2 + x2 1).
π 2 ln 2 − 1
0.19 I1 = (n + 1)! = Γ(n + 2) ; I2 = ; I3 = .
4(1 + t 2 ) 8
x = r cosϕ cosθ
0.20 1) Passer en coordonnées sphériques : y = r sin ϕ cosθ
z = r sin θ
π π ∞
θ ∈ − , , ϕ ∈ (0,2π), |J| = r2cosθ, I = 4π ∫
dr
.
2 2 a r α −2
2) α < 3.
Chapitre 1
Espaces L 1 , L 2 et convergences
RAPPELS
Pour chacune des fonctions suivantes, trouver des intervalles sur lesquels f appar-
tient à L1 ou L2 ou aux deux.
1 1
1) f (t ) = 2) f (t ) = sin 2 3) f(t) = (1 + t2)e1/t
(t + 1) t − 1
2
t
dt
Pour chaque fonction, on utilise la comparaison avec les intégrales de référence ∫t α et
dt
∫ (b − t ) ∫I f (t )
p
α (cf. R0.1 et R0.2) et on rappelle que f ∈ Lp(I) si dt a une valeur finie,
ici p = 1 ou 2. D’autre part, on ne spécifiera pas les intervalles fermés bornés sur lesquels f
est continue et f ∈ L1(I) ∩ L2(I).
1 • Espaces L1, L2 et convergences 21
+∞ 2 +∞ sin 2
sin 1 dt = 1 u
De même, ∫0 t2 2 ∫
0 u u
du qui converge car la fonction que l’on intègre
1
tend vers 0 quand u tend vers 0 et est majorée à l’infini par 3/ 2 qui est sommable. Donc,
u
f ∈ L1() ∩ L2().
3) Le domaine de définition de f est *. À l’infini, f (t ) t 2 qui est non sommable. Quand
1 1
t → 0– , → − ∞ , et f(t) → 0 mais, quand t → 0+ , f (t ) e1t > qui est non sommable.
t t
Donc f ∈ L1(– a, 0) ∀ a > 0, et comme f 2(t) = e2/t(1 + t2)2, on a aussi : f ∈ L2(– a, 0) ∀ a > 0.
© Dunod. La photocopie non autorisée est un délit.
Exercice 1.2
t + 1 si − 1 t 0
Soit g(t ) = et 0 sinon.
1 − t si 0 t 1
1) Faire le graphe de fn(t) = g(nt). Étudier les convergences ponctuelle, uniforme
sur , et en moyenne quadratique de la suite {fn}.
nt + 1 si − 1 nt 0
1) fn (t ) = 1 − nt si 0 nt 1 1
0 fn
sinon
1 0 1 a t
–
n n
quand n tend vers l’infini. La suite converge donc dans L2() vers 0.
t + 1 si − 1 t 0 1
n n
t t fn
2) fn (t ) = 1 − si 0 1
n n
t
0 sinon –n 0 n
La suite converge ponctuellement vers f(t) = 1 ∀ t ∈ : en effet, fn(0) = 1 et, pour tout t non
t
nul, il existe N tel que, ∀ n N, fn (t ) = 1 − (il suffit de prendre N > |t|). Donc,
n
lim fn (t ) = 1.
n →∞
t − n + 1 si − 1 t − n 0
3) fn (t ) = n + 1 − t si 0 t − n 1 1
0 fn
sinon
La limite ponctuelle de la suite est la fonction
f identiquement nulle : en effet, pour chaque 0 n–1 n n+1 t
t fixé et n assez grand (soit n > t + 1),
fn(t) = 0.
Mais, la convergence n’est pas uniforme sur car sup fn (t ) − f (t ) = 1, ne tend donc pas
t ∈
vers 0 quand n tend vers l’infini.
On constate que la convergence est uniforme sur ]–∞, a] quel que soit a fini car, si n est assez
grand, fn est nulle sur cet intervalle.
Pour la convergence en moyenne quadratique, f et fn ∈ L2() :
+∞ +∞ +∞
∫ ∫ ∫
2 2
fn − f 2
= fn (t ) − f (t ) dt = g 2 (t − n)dt = g 2 (u)du
−∞ −∞ −∞
expression indépendante de n, finie et non nulle. Donc || fn – f ||2 ne tend pas vers 0 et il n’y
a pas convergence en moyenne quadratique des fn vers f.
Exercice 1.3
n
et gn (t ) = 1 +
1 t
Soient les suites de signaux fn (t ) = t + où t ∈ [0,1].
n n
Examiner les convergences ponctuelle, uniforme sur [0, 1], et dans L2(0, 1) des sui-
tes fn et gn.
1 1/ n 1
fn ( t ) − f ( t ) = t+ − t = ∀ t ∈ [0,1], majoration obtenue en mul-
t + 1/ n + t
© Dunod. La photocopie non autorisée est un délit.
n n
1 1
tipliant par la quantité conjuguée puis en utilisant t+ . Donc
n n
1
0 sup fn (t ) − f (t ) , sup fn (t ) − f (t ) → 0 et la suite converge uniformément
t ∈[ 0,1] n t ∈[ 0,1] n →∞
n ln(1+ t / n )
2) gn(0) = 1 et lim gn (t ) = lim e = lim e t / n
= 1 si t =
/ 0 en utilisant ln(1 + u)
n →∞ n →∞ n →∞
u si u est petit. Donc, la suite converge ponctuellement vers la fonction g définie sur [0,1]
par g(t) = 1.
t
Pour la convergence uniforme, comme 1 + croît avec t, on a :
n
n n
sup gn (t ) − g(t ) = sup 1 + − 1 = 1 +
t 1
− 1 = gn (1) − 1.
t ∈[ 0,1] t ∈[ 0,1] n n
sup gn (t ) − g(t ) tend vers 0 quand n tend vers +∞ puisque gn(1) tend vers 1.
t ∈[ 0,1]
Exercice 1.4
1) fn(2) = nα, donc lim fn (2) vaut 1 si α = 0, 0 si α < 0 et n’est pas définie si α > 0, et,
n →∞
pour t =
/ 2, lim fn (t ) = 0 ∀ α. Ainsi, la suite ne converge ponctuellement sur que si
n →∞
α 0. La limite ponctuelle vaut 0 si α < 0, et 0 sauf en 2 où elle est égale à 1 si α = 0.
Mais, ∀ α, la suite converge vers 0 presque partout.
Étudions la convergence uniforme sur quand α 0 :
fn(t) – f(t) = fn(t) sauf si t = 2 et α = 0, car alors fn(2) – f(2) = 0.
Pour évaluer sup fn (t ) − f (t ) , on dérive donc fn :
t ∈
fn′(t ) = −2 nα + 2 (t − 2)e − n (t − 2 )2
2
s’annule pour t = 2, lim fn (t ) = 0 ,
t →∞
1 • Espaces L1, L2 et convergences 25
et alors sup fn (t ) − f (t ) = fn (2) = nα qui tend vers 0 quand n tend vers l’infini seulement si
t ∈
α < 0. D’où la convergence uniforme pour α < 0.
Pour la convergence dans L2(), fn ∈ L2() et f = 0 presque partout :
+∞ +∞ π 2α π 2α −1
∫ n 2α e −2 n dt = n 2 α ∫
(t − 2 )2
e −2 n
2 2 2 2
fn − f 2
= u
du = 2n = n
−∞ −∞ 2n 2
1
et l’expression tend vers 0 si α < .
2
+∞
2) On a donc lim fn = 0 presque partout quel que soit α et
n →∞ ∫
−∞ n →∞
lim fn (t )dt = 0 alors que
+∞ +∞ π α
∫ nα e − n dt = n α ∫ n = π nα −1 qui ne tend vers 0 que si α < 1.
(t − 2 )2
e−n
2 2 2
u
du =
−∞ −∞ n2
On n’a donc l’égalité que si α < 1.
Exercice 1.5
1
Soit la suite de fonctions fn (t ) = n 2 − t 2 11l [ − n,n ] (t ). Examiner les convergen-
np
ces uniforme et au sens de l’énergie de la suite pour p = 2 et p = 1.
1 t2
Si p = 2, fn ∈ L2(), f (t ) = lim fn (t ) = lim 1 − 2 11l [– n,n](t) = 0
n →∞ n →∞ n n
1
sup fn (t ) − f (t ) = fn (0) = tend vers 0 quand n tend
t ∈ n 1/n1
1 n 4 1/n2
∫
2
fn − f = (n 2 − t 2 )dt =
2
n4 −n 3n – n2 – n1 0 n1 n2 t
Exercice 1.6
π
1) fn(π/2) = 1, et fn (t ) → 0 si t ≠ , car |sint| < 1, donc f est nulle sauf en π/2 où elle
n→∞ 2
vaut 1 : elle est donc nulle presque partout.
2) La convergence n’est pas uniforme sur car les fn sont continues mais pas f (cf. R1.3).
π π
∫ ∫ sin t (sin t )2 n −1 dt et en intégrant par
2
3) fn − f 2
= (sin t )2 n dt = In . En écrivant In =
0 0
π (2n)!
In = .
2 2 n (n!)2
π
Avec l’approximation de n! , on a : In qui tend vers 0 quand n tend vers l’infini. La
n
suite converge donc en moyenne quadratique vers 0.
π 2
Remarque. On peut aussi montrer que In tend vers 0 ainsi : d’abord, In = 2 ∫0
(sin t )2 n dt
puisque sin(π – u) = sinu et on découpe l’intervalle :
π π
−ε π
2n
π
In = 2 ∫ 2
(sin t ) dt +
2n
∫2 2n
π (sin t ) dt 2 sin − ε − ε + ε
0
2
−ε
2 2
1 • Espaces L1, L2 et convergences 27
π
en majorant sint par k = sin − ε < 1 dans la première intégrale et par 1 dans la seconde
2
π
et la quantité k 2 n − ε + ε est aussi petite que l’on veut car k 2 n → 0 . On a :
2 n →∞
Exercices d’entraînement
1.7 Pour chacune des fonctions f suivantes, trouver des intervalles sur lesquels f appar-
tient à L1 ou à L2 ou aux deux.
1 1 1
1) 2) ln1 − 3) arctan 4) |t|αeβ t
t t −1
2 t t
1.8 Étudier les convergences uniforme et en moyenne quadratique des suites fn :
1) n 2) n 2 sin π nt 11
l 1 1 (t )
− ,
π (1 + n 2 t 2 ) n n
1 − e−n t
2 2
1 1
3) , 0 en 0 4) arctan , 0 en −
t 1 + nt n
t
5) 11l π π (t ).
π − ,
n n
− nt
2
1.9 Soit la suite de signaux fn (t ) = t e .
1) Examiner les convergences ponctuelle et uniforme sur .
d
2) A-t-on : lim fn′(t ) = [ lim fn (t )] ?
n→∞ dt n→∞
© Dunod. La photocopie non autorisée est un délit.
1.10 On suppose que les suites {fn} et {gn} convergent dans L2(I) vers f et g respective-
ment, pour tout intervalle I.
A-t-on lim fn + gn = f + g et lim fn gn = fg dans L2(I)
n→∞ n→∞
Réponses
1
2) Domaine de définition : ]1, ∞[. À l’infini, f (t ) non sommable et, en 1, si l’on
t
1+ε ε
1 x
pose t = 1 + x, ∫
1
ln1 − dt
t ∫ ln 2 dx qui converge.
0
1.8 1) fn → 0 sauf en 0 où il n’y a pas de limite. Il n’y a donc pas convergence uniforme sur
. En posant u = nt, fn − f 2
= c n avec c constante non nulle, donc pas de convergen-
ce dans L2().
1 1
2) D’abord, lim fn = 0 car − , → {0} et fn(0) = 0, et fn ∈ L2().
n→∞ n n
Mais la convergence ne peut être uniforme puisque
sup fn (t ) − f (t ) = fn = n2 . Pour la convergence dans L2() :
1
t ∈ 2n
+∞ 2 +1 n
∫ ∫
2
fn − f 2
= f n ( t ) − f ( t ) dt = n 4 sin 2 π nt dt = n 3 (en linéarisant).
−∞ −1 n
Donc, la suite ne converge pas dans L2() : on verra qu’elle converge au sens des distribu-
tions.
1
3) f (t ) = et 0 en 0. fn continues et f discontinue impliquent : pas de
t
convergence uniforme sur , ni dans L2() d’ailleurs car f ∉ L2().
π π
4) fn est discontinue, fn (0) = , f est nulle sauf en 0 où elle vaut .
4 4
π
sup fn (t ) − f (t ) = donc pas de convergence uniforme sur .
t ∈ 2
1 • Espaces L1, L2 et convergences 29
1
fn (t ) ⇒ fn ∈ L2 ( )
∞ nt
+∞ 2 +∞ 2
arctan 1 dt = 1 arctan 1 du = c
∫ ∫
2
fn − f = et c =
/ 0.
2 −∞ 1 + nt n −∞ u n
d’où la convergence dans L2() vers 0 presque partout.
π
5) fn(0) = 0 et, si t =
/ 0 et n assez grand (tel que < t ), fn(t) = 0. Donc, la limite f est nulle
n
1
et la convergence est uniforme sur car sup fn (t ) − f (t ) = qui tend vers 0.
t ∈ n
π n 2
t dt = 2π
∫
2
fn − f =2 et la suite converge vers 0 dans L2().
2 0 π 3n3
On a : fg ∈ L1(I).
La convergence a lieu dans L1(I) car :
|| fngn – fg||1 || fn||2||gn – g||2 + ||g||2|| fn – f ||2 .
Chapitre 2
Orthogonalité,
projections dans L 2 (I )
RAPPELS
• Produit scalaire dans L 2 (I ) : f,g = f (t)g(t)dt .
I
Propriétés : – linéarité : α f + βh,g = α f,g + βh,g
– f,g = g, f , donc f,αg = α f,g
– f, f 0 et f, f = 0 ⇒ f = 0 dans L 2 (I )
√
• Norme associée au produit scalaire : f = | f (t)|2 dt = f, f
I
- Deux fonctions f et g sont orthogonales si leur produit scalaire est nul. Alors,
© Dunod. La photocopie non autorisée est un délit.
k=n
| f,ϕk |2
f − f˜2 = f 2 − f˜2 avec f˜2 = . (R2.2)
k=0
ϕk 2
• Exemples de bases :
– base orthogonale dans L 2 (0,T ) :
2πt 2πt n2πt n2πt
1,cos ,sin ,. . . ,cos ,sin ,. . . (R2.3)
T T T T
0
f3 = 1 . On rappelle que le produit scalaire de deux vecteurs u et v de 3 de com-
0
3
posantes ui et vi dans la base canonique vaut : u, v = ∑
i =1
ui vi .
2 −1 4 2
uF = u, f2 f2 + u, f3 f3 = − f2 + 2 f3 = 2 et uF ⊥ = u, f1 f1 = f1 = 0 et la
2 1 2 2
relation de Pythagore est vérifiée puisque uF ⊥ uF ⊥ .
2 2
En effet, uF + uF ⊥ = 6+8= u 2
= 14 .
x n , pk
/ k et on a : αn,k = −
car p j , pk = 0 pour j = d’où pn .
pk 2
2 • Orthogonalité, projections dans L2(I) 35
−1 15 1
f 2 (x) = a0 P0 (x) + a1 P1 (x) + a2 P2 (x) = sh(1) + 3e x + e − 7e x −
2
4 3
≈ 0.99629 + 1.10364x + 0.53672 x 2
Si on utilise la base des pi qui est orthogonale mais pas normée, on a alors
i=n
e x , pi
f n (x) = pi (x)
i=0 pi 2
ce qui évite d’avoir des racines carrées dans les calculs.
b) L’erreur f − f n 2 correspond en traitement du signal soit à l’énergie soit à la puissance.
On a :
i=n
i=n
f − f n 2 = f − ai Pi , f − ai Pi
i=0 i=0
i=n i=n i=n i=n
= f − f,
2
ai Pi − ai Pi , f + ai Pi , ai Pi
i=0 i=0 i=0 i=0
i=n
i=n
i=n
= f 2 − 2 ai f,Pi + ai2 = f 2 − ai2
© Dunod. La photocopie non autorisée est un délit.
x
2
1
e2 − e−2
f 2 = e dx = = sh2 = 3.62686
−1 2
1 1
a02 = (e1 − e−1 )2 = (e2 − 2 + e−2 ) = ch2 − 1 ∼ 2.76220
2 2
3
a12 = 4e−2 = 6e−2 ∼ 0.81201
2
2
45 2 14 5
a22 = e − e−1 = (e2 − 14 + 49e−2 ) ∼ 0.05121
8 3 3 2
36 Mathématiques du signal
2 2 2
1 1 1
0 0 0
–1 0 1 –1 0 1 –1 0 1
3) a) D’après (R2.4), Pn est de degré n, P2k est pair et P2k+1 est impair.
1
Comme ai = f,Pi = f (x)Pi (x) dx et que f est impaire, on a :
−1
0 si i est pair
ai = 1 1
2 sgn(x)Pi (x)dx = 2 Pi (x)dx si i est impair
0 0
1
1 11 1 11
a5 = (63x − 70x + 15x) dx =
5 3
4 2 0 8 2
3
f 0 (x) = a0 P0 (x) = 0, f 1 (x) = f 0 (x) + a1 P1 (x) =
x, f 2 (x) = f 1 (x)
2
1 7 5x 3 − 3x 1
f 3 (x) = f 2 (x) + a3 P3 (x) = f 2 (x) − = (−35x 3 + 45x),
4 2 2 16
f 4 (x) = f 3 (x)
11 63x 5 − 70x 3 + 15x
f 5 (x) = f 4 (x) + a5 P5 (x) = f 4 (x) +
16 8
21(33x 5 − 50x 3 + 25x)
=
128
b) Les calculs sont les mêmes qu’à la question 2) :
1
f 2 = 12 dx = 2
−1
3 7 11
a12 = , a32 = , a52 =
2 32 128
f − f 1 2 = 2 − 1.5 = 0.5
f − f 3 2 = 2 − a12 − a32 ∼ 0.281
f − f 5 2 = 2 − a1 − a32 − a52 ∼ 0.195
Les erreurs relatives sont donc :
f − f 1 2 f − f 3 2 f − f 5 2
∼ 0.25 , ∼ 0.14 , ∼ 0.098
f 2 f 2 f 2
f − f5
L’erreur relative en norme L 2 est dans le dernier cas ∼ 0.31 ∼ 30%. On notera
f
que les erreurs sont plus grandes qu’à la question précédente : cela est dû à la discontinuité
de la fonction.
c)
© Dunod. La photocopie non autorisée est un délit.
1,5
f5 f3
1
0,5 f1
f0
0
– 0,5
–1
– 1,5
–1 – 0,5 0 0,5 1
38 Mathématiques du signal
1 f ( t ) g( t )
1) Dans L2(– 1,+ 1), on considère ϕ ( f , g) = ∫−1 1 − t2
dt .
1 Tn (t )Tm (t ) π dt
3) Tn , Tm = ∫ −1 1− t 2
dt = ∫
0
cos nθ cos mθ dθ car dθ = −
1− t2
.
1 π
D’où : Tn , Tm =
2 ∫ [cos(n + m)θ + cos(n − m)θ ] dθ .
0
1 π π
∫
2
Mais, si n = m, Tn [1 + cos 2 nθ ] dθ =
= Tn , Tn = si n =
/ 0 et π si n = 0. La famille
2 0 2
est orthogonale mais non orthonormée.
4) Notons fn l’approximation de f :
Tk
c’est la projection de f sur l’espace vectoriel engendré par la famille orthonormée T̃k =
Tk
k =n k =n
∑ ∑
1
pour k = 0 à n et fn (t ) = f , T˜k T˜k (t ) = 2 f , Tk Tk (t ).
k =0 Tk k =0
f , Tk
Posons : α k = 2 .
Tk
1 1 f (t )Tk (t ) 2 1 Tk (t ) 4 π /2
αk =
Tk
2 ∫−1 1− t2
dt =
Tk
2 ∫0 1− t2
dt =
π ∫ 0
cos kθ dθ si k est impair et αk = 0
4( −1) p
si k est pair, soit : α 2 p +1 = .
π (2 p + 1)
D’où : 1,5
f0(t) = 0 f5 f3
1
4
f1 (t ) = α1T1 (t ) = t = f2 ( t ) 0,5
π f1
f0
f3 (t ) = f1 (t ) + α 3T3 (t ) 0
16 3 8 – 0,5
=− t + t = f 4 (t )
3π π –1
f5 (t ) = f4 (t ) + α 5T5 (t ) – 1,5
–1 – 0,5 0 0,5 1
192t 5 − 320t 3 + 180t
=
15π
Parmi tous les polynômes P quelconques de degré 5, c’est f5 qui rend minimum la quan-
© Dunod. La photocopie non autorisée est un délit.
1 ( f (t ) − P(t ))2
tité ∫
−1 1− t2
dt .
Exercice 2.4
fk , f p .
L2 ( −1,1)
1) ϕ ( f , f ) = f
2
2 + f ′ 22 0 , et ϕ (f, f) = 0 ⇒ || f ||2 = 0, c’est-à-dire f = 0 dans L2(– 1,+ 1).
12
= iπke iπkt dt
1 1
∫ ∫
2 2
2) fk e iπkt dt + = 2 + 2π 2 k 2 alors que
E −1 −1
12
= e iπkt dt
1
∫
2
fk = 2.
2 −1
Et, si k =
/ p,
1
1 e iπ ( k − p )t 2 sin(π ( k − p))
∫
iπ ( k − p )t
fk , f p = e dt = = = 0,
2 −1 iπ ( k − p) −1 π ( k − p)
1 1
fk , f p
E
= ∫ −1
e iπ ( k − p )t dt + π 2 kp ∫−1
e iπ ( k − p )t dt = 0 également.
Les fonctions sont donc orthogonales pour les deux produits scalaires, mais de norme diffé-
rente.
Q0 (t )
3) On part de Q0(t) = 1 et P0 (t ) = de sorte que P0 est bien de norme 1. Puis,
Q0 E
Q1 (t )
Q1(t) = t – α0P0(t) où α0 est déterminé par Q1 , P0 E
= 0 et P1 (t ) = , et
Q1 E
Q2 (t )
Q2(t) = t2 – β1P1(t) – β0P0(t), avec Q2 , P0 E
= Q2 , P1 E
= 0 et P2 (t ) = .
Q2 E
12 12
= 1 dt =
1 1 8 3
Q1 E ∫ −1
t 2 dt + ∫ −1 3
et P1 (t ) =
8
t.
2
Q2 , P0 E
= t 2 , P0 − β1 P1 , P0 E
− β 0 P0 , P0 E
= − β0 = 0 .
E 3
1
Q2 , P1 E
= t 2 , P1 − β1 P1 , P1 E
− β 0 P0 , P1 E
= − β1 = 0 . D’où Q2 (t ) = t 2 − et
E 3
12
2
t 2 − 1 dt + 8 2 12
=
1 1
Q2 E
=
∫ −1 3 ∫−1
4t 2 dt
3 5
1 5 2
et P2 (t ) = (3t − 1) .
8 2
Exercice 2.5
Soit g(t) = 1l ]0,1[(t) et gk(t) = g(t – k) pour k dans .
1) Montrer que les fonctions gk sont orthonormées pour le produit scalaire réel
usuel de L2().
2) Quelle est la meilleure approximation f̃ d’une fonction f de L2() par une
fonction de l’espace engendré par {g0 , g1 , ......, gn} ?
1 1
1) gk , g p = ∫ g (t ) g (t ) dt = ∫ 11l ]
0
k p
0
k , k +1[ (t )1
1l] p, p +1[ (t ) dt .
k =n k +1
2) f˜ (t ) = ∑
k =0
f , gk gk (t ) où f , gk = ∫ k
f (t ) dt est la valeur moyenne de f sur l’inter-
k +1
valle (k, k + 1). Sur chaque intervalle ]k, k + 1[, f̃ est constante et vaut ∫ k
f ( t ) dt .
Exercices d’entraînement
2.7 Soient g(x) = sup(0,1 – |x|) et gk(x) = g(x – k). Les fonctions gk sont-elles ortho-
normées pour le produit scalaire réel usuel de L2() ?
1
2.8 L’expression ϕ ( f , g) = ∫−1
f ′(t ) g ′(t ) dt définit-elle un produit scalaire sur
L2(– 1,+ 1) ?
2.9 Soient E = L2(– π,π) et f (t ) = cos t 11
l π (t ). Quelle est la meilleure approxi-
0, 2
Réponses
1 2 b
2.6
−1 ∫ Pn (t ) Pm (t )dt =
b−a a ∫
Pn ( g( x )) Pm ( g( x )) dx .
En posant t = (2x – (b + a)) / (b – a) = g(x) et si on note Pn les polynômes de Legendre
orthonormés sur (– 1,+ 1) et Pn* les polynômes orthonormés sur (a,b), on a :
2 x − (b + a)
Pn
2
Pn* ( x ) = . Alors, si a = 0 et b = 1 : P0* ( x ) = 1,
b−a b−a
P1* ( x ) = 3 (2 x − 1), P2* ( x ) = 5 (6 x 2 − 6 x + 1).
2
2.7 Non, ||gk|| = gk , gk +2 = 0 , mais
3
k +1 1 1
gk , gk +1 =
∫k
g( x − k )g( x − k − 1) dx =
∫ (1 − t ) t dt = 6 .
0
2.8 Non, ϕ ( f, f ) = 0 ⇒ f = constante presque partout, non nécessairement nulle presque par-
tout.
+m
−i(n + ( −i )n+1 ) 1 π i
où cn = f , en . On obtient : cn = si n =
/ 1 et n =
/ – 1, c1 = −
2π (n 2 − 1) 2π 4 2
n = 4k + 3.
2 • Orthogonalité, projections dans L2(I) 43
2.10 Les polynômes orthonormés dans L2(0,1) sont ceux de l’exercice 2.6.
2
ϕ (t ) = ∑
i=0
f , Pi* Pi* (t ) = 3(13e − 35) + 4(147 − 54e)t + 30(7e − 19)t 2
3 3
P˜ ( x ) = x et a = c = 0, b = .
5 5
© Dunod. La photocopie non autorisée est un délit.
Chapitre 3
Séries de Fourier
RAPPELS
• Soit f une fonction de l’espace L 2 (0,T ).
Dans la base orthogonale {ϕ0 ,ϕ1 ,ϕ2 ,...,ϕn } on a
pp
+∞
f,ϕn T
f (x) = cn ϕn (x) avec cn = et f,g = f (x)g(x) dx
n=0
ϕn ,ϕn 0
T T
n2πx n2πx
+ an cos( ) + bn sin( ) + ...
T T
T T
1 2 n2πx
a0 = f (x)dx an = f (x)cos( )dx
T 0 T 0 T
T
2 n2πx
bn = f (x)sin( )dx
T 0 T
46 Mathématiques du signal
2π
soit en utilisant la pulsation ω =
T
S f (x) = a0 + (an cos(nωx) + bn sin(nωx)) (R3.1)
n∈N ∗
T α+T
Pour tout α réel f (x) dx = f (x) dx.
0 α
Si f est paire, les bn sont nuls, S f est une série de cosinus.
Si f est impaire, les an sont nuls, S f est une série de sinus.
– Dans la base orthogonale exp(inωx), avec n ∈ Z
T
1 in2πx
S f (x) = cn exp(inωx) et cn = f (x)exp(− ) dx. (R3.2)
n∈Z
T 0 T
an − ibn an + ibn
c0 = a0 , et pour n ∈ N ∗ cn = , c−n = . (R3.3)
2 2
pp
Dans les deux bases, on a S f (x) = f (x)
∞
∞
=T cn cn = T |cn |2 (R3.6)
n=−∞ n=−∞
3 • Séries de Fourier 47
Exercice 3.1
1 +π 2 π
ak =
π ∫−π
t 2 cos kt dt =
π ∫
0
t 2 cos kt dt
–π 0 π t
4 π 4 4
d’où, en intégrant par parties, ak = − ∫ t sin kt dt = 2 cos kπ = 2 ( −1) .
k
πk 0 k k
∞
π2 ( −1) k
La série de Fourier de f est S f (t ) =
3
+4
k =1
k ∑
2 cos kt
et, puisque f est continue et C1
Donc Sg n’est pas égale à g partout, sauf si l’on impose : g((2p + 1)p) = 0.
1 1
c) h est reliée à g par la relation h( t ) = g(π t ) d’où Sh (t ) = Sg (π t ) soit
π π
∞
( −1) k +1
∑
2 h
Sh (t ) = sin kπ t 1
π k =1
k
∞
K (t ) si t ≠ 2 pπ
∑
sin kt
SK ( t ) = π − 2 et Sk (t ) = .
k =1
k π si t = 2 pπ
S2 s’obtient avec f et t = 0 :
∞
π2 ( −1) n π2
S f (0) = f (0) = 0 =
3
+ 4 S2 ⇒ ∑
n =1
n2
= −
12
.
π 1
S3 s’obtient avec g et t = (ou bien avec h et t = ) :
2 2
∞ ∞
π ( −1) k +1 kπ ( −1) k +1 kπ π
2
=2 ∑
k =1
k
sin
2
⇒ ∑
k =1
k
sin
2
=
4
3 • Séries de Fourier 49
1 si k = 4 k + 1
kπ
et, puisque sin = −1 si k = 4 k + 3 , la série ci-dessus est bien S = 1 − 1 + 1 − 1 ... ⇒
2 3
3 5 7
0 si k pair
∞
(−1)n π
= .
n=0
2n + 1 4
π ∞
∑ (a )
1
E= ∫ f 2 (t )dt = 2π a02 + + bn2
2
n
−π 2 n =1
∞ ∞
π π5 π 4 1 16 1π4 π4 π4
∑n
1
soit ∫
−π
t 4 dt = 2
5
= 2π +
9 2
∑
n =1
n 4
⇒ S4 =
8 5
−
9
et
n =1
4 =
90
.
On note Sn(t) = h0(t) + h1(t) + ... + hn(t) la somme des (n + 1) premiers harmo-
niques.
1) Tracer les graphes de S1 , S3 , S15 et S40 pour les fonctions f et K de l’exercice
3.1, à l’aide d’une calculatrice. Que constate-t-on ?
n
sin kt
2) On s’intéresse à la fonction K et à Sn (t ) = π − 2 ∑ k
.
k =1
a) Calculer Sn′ (t ) en utilisant la relation :
θ sin n + 1 θ
sin n
n +1 2 = 2 1
© Dunod. La photocopie non autorisée est un délit.
1) Graphes des Sn(t) pour f (t) = t2 sur [0,p], paire, de période 2p.
10
n = 15
8
n=3
6
4 n=1
–2 0 2 4 6 8
10
2 n = 40
–2 0 2 4 6 8
2π
6
n=3
n = 15
4
π
n=1
0
–1
–2 0 2 4 6 2π 8
3 • Séries de Fourier 51
2π
6
2 n = 40
–1
–2 0 2 4 6 8
2π
Dans le cas de f, qui est continue, Sn(t) converge bien vers f(t) pour tout t et, d’ailleurs, la
convergence est uniforme.
Mais, pour K qui est discontinue, Sn(t) converge vers K(t) seulement pour
t=/ 2pπ (p ∈ ) et Sn(2pp) = p, alors que K(2pp) n’a pas été définie. On constate la pré-
sence d’oscillations au voisinage de chaque discontinuité, mais l’amplitude de ces oscilla-
tions semble se stabiliser.
1
t
sin n sin n + t
n
n +1 2 = 1− 2
2) a) Sn′ (t ) = −2 cos kt = −2 cos
∑ t .
2 t t
k =1 sin sin
2 2
n +1
b) Sn′ (t ) = 0 ⇔ cos
t t
t = 0 ou sin n = 0 avec sin ≠ 0 ce qui exclut
2 2 2
t = 0 et t = 2p.
t 2π 2 kπ
sin n = 0 ⇒ t = +
2 n n
n +1 π 2 kπ
cos t =0 ⇒ t= + .
2 n +1 n +1
© Dunod. La photocopie non autorisée est un délit.
π
La plus petite valeur positive de t qui annule la dérivée est : α n = .
n +1
et, d’après le graphe, Sn a un minimum en an : mn = Sn(an).
t
∫
Par ailleurs, on peut écrire que Sn (t ) = π + Sn′ (u) du puisque Sn(0) = p,
0
1
sin n + u
t
2
d’où :
∫
Sn (t ) = π + t −
0 sin
u
du
2
52 Mathématiques du signal
1
π sin n + u
π 2
et mn = π +
n +1
− ∫ 0
n +1
sin
u
du .
2
1
π sin n + u
2
c) lim mn = π − lim J n où J n =
n →+∞ n →+∞ ∫ 0
n +1
sin
u
du .
2
On peut écrire :
sin (2 n + 1)
u
π π
2 sin(2 n + 1) x
Jn = ∫ n +1
0
sin
u
du = 2 ∫ 0
2 ( n +1)
sin x
dx
2
π π
sin((2 n + 1) x )
sin((2 n + 1) x ) − dx
1 1
= 2
∫
0
2 ( n +1)
x
dx + ∫
0
2 ( n +1)
sin x x
2 n +1 π
sin ν
π
∫ ∫
2n + 2 2n + 2
= 2 dν + ϕ n ( x ) dx
0 ν 0
1 1 1 1
où ϕ n ( x ) − et la fonction − est continue, bornée au voisinage de 0, ten-
sin x x sin x x
dant vers 0 quand x tend vers 0 (comme on le constate avec un développement limité).
π π sin ν
Donc lim
n →∞ 0 ∫ 2n+2
ϕ n ( x ) dx = 0 , lim J n = 2
n →+∞ ∫ 0 ν
dν et
π sin ν
lim mn = π − 2
n →+∞ ∫ 0 ν
dν = − 0, 562281450 .
π sin ν
(On montre que ∫0 ν
dν = 1, 851937052 . )
Exercice 3.3
Soit la fonction f de période 2a, définie sur [– a, a] par :
f(t) = A P2b(t) avec b < a.
1) Tracer le graphe de f et calculer sa série de Fourier. Étudier la convergence de
cette série.
2) En déduire le développement en série de Fourier de la fonction g définie par :
A
g(t ) = f (t − b) − .
2
3 • Séries de Fourier 53
Tracer le graphe de g.
a
3) Préciser les coefficients de la série de Fourier de g dans le cas b = . Justifier
2
le résultat.
Calculer l’énergie E de g sur une période. Combien faut-il prendre d’harmo-
niques pour que le signal h0(t) + h1(t) + ... + hn(t), où hp est le pième harmonique,
ait une énergie au moins égale à 95 % de E ?
1) La fonction f est paire donc sa série de Fourier est une série de cosinus.
– 2a –b 0 b a 2a
b
La valeur moyenne est a0 = A × et on a
a
2 a 2π
an =
2a − a ∫
f (t )cos nω t dt avec ω =
2a
1 b nπ t 2A nπ b
= ∫
a −b
A cos
a
dt =
nπ
sin
a
.
La fonction f étant C1 par morceaux, sa série de Fourier converge, et elle converge presque
partout vers la fonction f. Plus précisément, en tout point t ∈ , la série de Fourier conver-
ge vers la demi-somme des limites à droite et à gauche de f en t (notées f(t +) et f(t –)).
Donc : ∀ t = / ± b + k2a, où k ∈ , Sf(t) = f(t) (c’est-à-dire 0 ou A),
© Dunod. La photocopie non autorisée est un délit.
A
∀ tk = ± b + k2a, où k ∈ , S f (tk ) = .
2
A
2) Le graphe de g est obtenu en translatant celui de f de b horizontalement et de − ver-
ticalement. Sa série de Fourier est : 2
A
Sg (t ) = S f (t − b) −
2
∞
nπ b nπ (t − b)
= A − ∑ n sin
b 1 2A 1
+ cos .
a 2 π a a
n =1
54 Mathématiques du signal
A
2
– 2a b 2b 2a
–A
2
a
3) Si b = , alors la fonction g est impaire et
2
nπ b π 0 si n = 2 k
sin = sin n = .
2 ( −1) si n = 2 k + 1
k
a
Comme, pour tout a réel, on a :
π π
cos α − kπ − = ( −1) k cos α − = ( −1) k sin α ,
2 2
on obtient :
∞
(2 k + 1)π t
∑
2A 1
Sg (t ) = sin .
π k = 0 2k + 1 a
On en déduit que :
an = 0 ∀n ∈
b2k = 0 si k ∈ *
2A 1
b2 k +1 = × ∀ k ∈ .
π 2k + 1
a
La série de Fourier de g est une série de sinus, ce qui est normal, car pour b = , g est
2
impaire.
pπ t
Dans ce cas, h0(t) = a0 = 0, et le pième harmonique est h p (t ) = b p sin .
a
Si on note Ep l’énergie du pième harmonique, l’identité de Parseval implique que :
∞
E = Ta02 + ∑E1
p.
4 A2 1
On a : E2k = 0 et E2 k +1 = a .
π (2 k + 1)2
2
3 • Séries de Fourier 55
2
aA 2
g(t ) dt = 2 a =
a A
∫
2
Or : E = .
−a 2 2
8 1
Donc : E2 k +1 = E.
π 2 (2 k + 1)2
Pour que la somme h0 + ... + h2k+1 ait une énergie au moins égale à 95 % de E, il faut et il
suffit que :
8 1 1 1 95
2 1 + 2 + 2 + ... + 2
π 3 5 (2 k + 1) 100
c’est-à-dire :
1 1 1 95 π 2
sk + 1 = 1 + + + ... + × = 1, 172 01...
9 25 (2 k + 1) 2 100 8
on a : s1 = 1, s2 = 1,111..., s3 = 1,151 1..., s4 = 1,171 5..., s5 = 1,183 9...
95 π 2
On a donc s5 × ce qui correspond à k = 4.
100 8
Donc, dans ce cas, il faut sommer la valeur moyenne (qui est nulle) et les 9 premiers har-
moniques pour obtenir un signal g̃ approchant le signal initial g et tel que
2 2
g − g˜ 2 5 % E = 5 % g 2 .
1
Dans ce cas, comme la série converge lentement (les coefficients sont en
), il faut un
n
grand nombre d’harmoniques. Il en faut moins si la série converge plus vite
(cf. exercice 3.7).
Exercice 3.4
Soient g et h deux fonctions périodiques de période 2π définies par :
g(t) = eat si t ∈ [0,p] et g paire
© Dunod. La photocopie non autorisée est un délit.
La fonction g étant continue et C1 par morceaux, Sg est égale à g sur et la convergence est
uniforme sur .
∞
e aπ − 1 2 a e aπ ( −1) n − 1
On a : g(t ) =
aπ
+
π ∑
n =1
a2 + n2
cos nt .
Exercice 3.5
2π
1) g est une fonction paire, de période T = et il en est de même de g+.
ω
g
1 π
ω
0 π 2π t
–1 2ω ω
g+
1
– π 0 π t
2ω 2ω
|g|
1
0 π t
2ω
+
Les coefficients de Fourier bn sont nuls et
ω π /ω ω π /( 2ω ) 1
a0+ =
2π ∫−π / ω
g + (t ) dt =
π ∫
0
cos ω t dt =
π
ω π /ω 2ω π /( 2ω )
an+ =
π ∫
−π / ω
g + (t )cos ω nt dt =
π ∫0
cos ω t cos ω nt dt
ω π /( 2ω )
∫
© Dunod. La photocopie non autorisée est un délit.
π π
sin (n + 1) sin (1 − n)
1 2 2
/ 1, an+ =
Si n =
π
{ n +1
+
1− n
}
π 0 si k = 2 p
Or, sin k =
2 ( −1) p
si k = 2 p + 1
a2+p +1 = 0 ( p ≠ 0)
d’où : + 2( −1) p .
a =
2 p π (1 − 4 p 2 ) ( p ≠ 0)
58 Mathématiques du signal
ω π /( 2ω ) ω π
+ 0 = .
1
a1+ =
π ∫
0
[1 + cos 2ω t ] dt =
π 2ω 2
|g| étant paire, ses coefficients b̃n sont nuls et ãn = 2 an+ − an si l’on considère que g, g+, |g|
2π
ont même période T = .
ω
Les coefficients an et bn de g sont nuls sauf a1 qui vaut 1 puisque :
2π t 2π
cos ω t = a0 + a1 cos + a2 cos 2t + ...
T T
= a0 + a1 cos ω t + a2 cos 2ω t + ... + an cos nω t + ...
a˜ = 2 a + − a = 2
0 0 0
π
a˜ = 2 a + − a = 1 − 1 = 0
1 1 1
d’où : ˜
a = 2 a2+p +1 − a2 p +1 = 0 ( p ≠ 0)
2 p +1
˜ + 4( −1) p
a 2 p = 2 a 2 p − a2 p = ( p > 0)
π (1 − 4 p 2 )
2π
La série de Fourier de |g| s’écrit, avec T = :
ω
∞
4( −1) p
∑
2
S g (t ) = + cos 2 pω t . (1)
π p =1
π (1 − 4 p 2 )
π
Mais, en réalité, la période de |cosω t| est et la série de Fourier s’écrit :
ω
∞
S g (t ) = a0* + ∑a
k =1
k cos 2ω
* kt . (2)
On constate que les termes en cos(2k + 1)ωt sont absents dans (2), donc ã2 k +1 = 0 et
ak* = a˜ 2 k .
3 • Séries de Fourier 59
Exercice 3.6
Soit f un signal périodique, de période 2a, défini par f(t) = et sur ]– a, a[,
a > 0, f(a) = b.
1) Tracer le graphe de f sur [– 3a, 3a].
2) Calculer la série de Fourier S de f.
3) Étudier la convergence de la série vers f. Comment faut-il choisir b pour qu’il y
ait convergence ponctuelle pour tout t ?
4) Quelle est la somme des séries :
∞ ∞
( −1)n 1
∑ 1 + n2
et ∑ 1 + n2 .
n =1 n =1
1)
– 3a –a 0 a 3a t
2) Comme f n’est ni paire, ni impaire, on calcule les coefficients de Fourier complexes αn,
a − ibn
on en déduira an et bn par : α n = n pour n 1.
2
2π π
On note ω = = .
2a a
1 a sh a
α0 = ∫ e t dt = = a0
© Dunod. La photocopie non autorisée est un délit.
2a −a a
1 a sh a e − inπ sh a ( −1) n
αn =
2a ∫ −a
e t e − iω nt dt =
a 1 − inω
=
a 1 − inω
d’où :
sh a ( −1) n (1 + inω ) an − ibn
αn = = pour n 1.
a 1 + (nω )2 2
∞
sh a 2( −1) n
S(t ) =
a
1 + ∑ 1 + (nω )
1
2 (cos nω t − nω sin nω t ) .
60 Mathématiques du signal
Pour calculer la deuxième série, on cherche t tel que sinnt = 0 et cosnt = (– 1)n, soit t = π.
Avec a = π, on a d’après 3) :
∞
1 π
∑1+ n − 1 .
1
=
1
2
2 thπ
Cette deuxième série étant à termes positifs, on peut essayer de la calculer en utilisant
Parseval, d’où :
∞
shπ 1
2
sh 2π = 2π 1+ 2 ∑1+ n 2 .
π
1
Exercices d’entraînement
3.7 Soit f un signal de période T, défini sur [0,T [ par f (t) = at(T – t) avec
a > 0.
1) Montrer que f est paire.
2) Calculer sa série de Fourier. Quelle est la nature de la convergence de cette
série vers f ?
3) Calculer l’énergie E de f sur une période.
2π t
Calculer l’énergie de h0(t) = a0 et de h1 (t ) = a1 cos .
T
2π t
En déduire l’énergie de a0 + a1 cos en fonction de E.
T
3.8 Développer en série de Fourier les fonctions suivantes :
1) f1(t) = cos2t en tant que fonction de période 2p puis p.
2) f2(t) = sin3t
3) f3(t) = sin3t si t ∈ [0,p], paire
3 • Séries de Fourier 61
∑
1 1
6) Pour t =/ np, établir les formules : cotan t = + 2t
t n1
t 2
− n 2π 2
∑
1 1 1
et = + 2t ( −1) n 2 2 2 .
sin t t n1
t − n π
A
T
3.9 Déterminer la série de Fourier complexe du
0 τ
signal f dont le graphe est ci-contre. τ+h
Qu’obtient-on si t = T – h ? Quelle est alors
la limite de la série quand h tend vers 0 ? Retrouver le résultat de l’exercice 3.1.
3.10 Calculer les coefficients de Fourier de la fonction de période 2p définie sur
[– p,p] par cos t 11l π (t ). Comparer à l’exercice 2.9.
0, 2
Réponses
2 a2T 5 2 a2T 5
3) f 2
= = E, h0 2
= = E × 0, 833,
30 36
2 8 2
h1 = a 2 T 5 = E × 0,154 , h0 + h1 = 0, 987 ⋅ E .
2 (2π )4 2
© Dunod. La photocopie non autorisée est un délit.
∞
3.8 1) f1 paire, T = 2π ⇒ S f (t ) = a0 + ∑ a cos nt
n =1
n
∞
T = π ⇒ S f (t ) = a˜ 0 + ∑ a˜ cos 2nt .
n =1
n
1 1 1
Or cos2 t = (cos 2t + 1) ⇒ a0 = , a2 = , an = 0 sinon.
2 2 2
1 1
a˜ 0 = , a˜1 = , ãn = 0 sinon.
2 2
62 Mathématiques du signal
3 1
2) f2 est impaire, T = 2p, sin 3 x = sin x − sin 3 x .
4 4
∑ b sin nt ,
3 1
S f (t ) = n b1 = , b3 = − , bn = 0 sinon.
4 4
n1
∑ a cos 2nt ,
4
3) f3 est de période p, S f (t ) = a0 = ,
n
3π
n1
24 1
an = .
π (1 − 4n )(9 − 4n2 )
2
cos(2,5x)
– 0,5
–1
– 15 – 10 – 5 –π 0 π 5 10 15
– 2π 2π
π π
sin λ sin λ 4λ
a0 = 2 , a = ( −1) n 2
π n
π λ2
− 4n2
λ
2
π π π π
sin 3 t = cos3 − t , t ∈ (0,π), − t ∈ − , , T = π
2 2 2 2
3 1 3 1
cos3 t = cos t + cos 3t ⇒ Ssin3 t (t ) = S 3 π (t ) = Sg,1 (t ) + Sg,3 (t ).
4 4 cos
−t
4 4
2
Aτ +h 1 1 1 −2 iπ n τ 1 −2 iπ n τ +h 2 iπ n t
∑
1
3.9 S f (t ) = − AT − + e T + e T e T.
π τ τ h
2 2
2 T n≠0
4 n h
−2 iπ 2 iπ n
nh t
∑
A 1 1 T , ∀ t.
Si τ = T – h, S f (t ) = − AT 2 − T e
1 e
2 n≠0
4π 2 n 2 (T − h)h
3 • Séries de Fourier 63
A i 2 iπ n T
t
Si de plus, h → 0, S f (t ) = 1 +
2 ∑
n≠0
πn
e ∀t=
/ kT, k ∈
an − ibn c
Les coefficients complexes sont α n = = n où les cn sont définis à l’exer-
2 2π
cice 2.9.
© Dunod. La photocopie non autorisée est un délit.
Chapitre 4
Intégrales à paramètre,
convolution
RAPPELS
lim
n→+∞ I I
Le théorème est encore vrai pour une famille de fonctions dépendant d’un para-
mètre continu λ. Sous les mêmes hypothèses
lim f λ (x)dx = lim f λ (x)dx (R4.1)
λ→λ0 I I λ→λ0
• Intégrale à paramètre
F(t) = f (x,t) dx
I
66 Mathématiques du signal
d F(t) b
∂f
F (t) = = (x,t) dx . (R4.2)
dt a ∂t
– Théorème dans le cas où I est non borné ou bien f est non bornée
1) si f (x,t) est définie et continue sur I × [c,d],
et si il existe g(x) sommable sur I telle que
∀x ∈ I, ∀t ∈ [c,d] | f (x,t)| g(x) avec 0 g(x) dx < +∞
I
alors la fonction F(t) est continûment dérivable sur ]c,d[ et sa dérivée est
d F(t) ∂f
F (t) = = (x,t) dx . (R4.3)
dt I ∂t
+∞
( f ∗ g) (x) = f (x − y)g(y)dy (R4.4)
−∞
• Une fonction causale s’écrit Y (x) f (x) avec Y (x) la fonction échelon (ou de
Heaviside) qui vaut 1 sur R+ et 0 ailleurs.
4 • Intégrales à paramètre, convolution 67
x
∀x ∈ R ( f ∗ g)(x) = Y (x) f (x − y)g(y)dy (R4.5)
0
Exercice 4.1
1 +∞
1) Soit fn (t ) =
1 + t 2 +1 / n
, n 0. Calculer lim
n→∞ ∫−∞ fn (t ) dt en utilisant le théorè-
me de convergence dominée.
+a
2) Soit gn(t) = nfn(nt). Calculer lim
n→∞ − a∫ gn (t ) dt , pour a > 0.
1) Le théorème de convergence dominée impose de trouver une fonction h sommable ici sur
, indépendante de n, telle que : |fn(t)| h(t), ∀ t.
+∞ +∞
Alors, lim
n →∞ −∞∫ fn (t ) dt = ∫
−∞ n →∞
lim fn (t ) dt .
1
On a : 1, ∀ t ∈ , mais la fonction égale à 1 partout n’est pas sommable sur
1 + t 2 +1 / n
1 1
. Par ailleurs, 2 +1 / n si |t| 1 car alors t2 t2+1/n. On prend donc, pour
1+ t 1+ t2
© Dunod. La photocopie non autorisée est un délit.
1 si t 1
majorer fn sur , la fonction h telle que : h(t ) = 1 si t > 1 et h est alors sommable
1 + t 2
sur .
1 +∞ +∞ 1
Et, comme lim fn (t ) =
n →∞ 1+ t2
, on a : lim
n →∞ ∫ −∞
f n ( t ) dt = ∫−∞ 1+ t2
dt = π .
+a +a + na
2) ∫−a
gn (t ) dt = ∫ −a
nfn (nt ) dt = ∫ fn (u) du en posant : u = nt.
− na
+a +∞
On peut aussi écrire : ∫
−a
gn (t ) dt = ∫ −∞
fn (u)11l[[–− na,na ] (u) du .
68 Mathématiques du signal
Et, puisque |fn(u) 1l [–na,na](u)| |fn(u)| h(u) d’après la question 1), et que
1 +a
lim fn (u)11l[[–− na,na ] (u) =
n →∞ 1+ u 2 , on a : lim
n →∞ − a
gn (t ) dt = π . ∫
Exercice 4.2
+∞ +∞
n→∞ ∫a ∫a nlim
3) Comparer lim f n ( t ) dt et f n ( t ) dt pour a > 0. Conclure.
→∞
sinon on aurait constaté l’égalité. Il n’existe donc pas de fonction g sommable sur + telle
que | fn(t)| g(t) ∀ t ∈ +.
+∞
[ ]a
+∞
3) ∫ a
n 2 t e − nt dt = −(nt + 1)e − nt = (na + 1)e − na .
+∞ +∞
Ici, on a bien lim
n →∞ a ∫ fn (t ) dt = 0 = ∫ lim fn (t ) dt .
a n →∞
Sur (a,+∞), le théorème de convergence dominée s’applique : en effet, lorsque n est assez
1 − nt 1
grand, donc nt aussi, on peut écrire n 2 t e − nt 2 puisqu’alors e ∀ α > 0 et
t (nt )α
la fonction majorante est sommable sur (a,+∞), ∀ a > 0.
Exercice 4.3
∞ e − t − e − tx
1) Soit F( x ) = ∫0 f (t, x ) dt où f (t, x ) =
t
. Pour quelles valeurs de x la
fonction F est-elle définie ?
2) Montrer que F est continue et dérivable sur son domaine de définition. Calculer
la valeur de F ′, en déduire celle de F.
4 • Intégrales à paramètre, convolution 69
e −t e − tx
1) Quand t est voisin de +∞, est sommable alors que ne l’est que si x > 0. Pour t
t t
e − t − e − tx 1 − t − (1 − tx )
voisin de 0, = x − 1, valeur finie. Donc, F est définie pour x > 0.
t t
2) f est continue pour t 0 et x > 0 et pour chaque x > 0, il existe α > 0 et A tels que
0 < α x A. Alors :
Pour tout t ∈ [0,1], f (t, x ) M ( x ) = max f (t, x ) , et, pour tout x ∈ [α, A],
t ∈[ 0,1]
1
Pour tout t > 1, <1 ⇒ f (t, x ) < e − t − e − xt e − t + e −α t .
t
M si 0 t 1
On a donc : f (t, x ) g(t ) = −αt , A −α t .
e + e si t > 1
Comme g est sommable sur [0 ,+∞[, F est continue sur tout intervalle [α , A], soit pour tout
x > 0.
∂f
Par ailleurs, (t, x ) = e − tx e −α t ∀ x α, et, pour t 0, cette fonction est sommable.
∂x
+∞ 1
Alors, d’après (R4.3), F est dérivable et F ′( x ) = ∫ 0
e − tx dt =
x
, d’où F(x) = lnx + C. Mais,
+∞
puisque f (t,1) = 0, on a, en particulier, F(1) = C = ∫ 0
0 dt = 0 . D’où F( x ) = ln x .
Exercice 4.4
Soient f et g les fonctions obtenues. Vérifier que f est impaire, que g est paire et
qu’elles sont toutes les deux indéfiniment dérivables sur . Expliciter leur dérivées
f ′et g′.
t +a
∫
t +a
= sin u du = [ − cos u]t − a = − cos(t + a) + cos(t − a).
t −a
70 Mathématiques du signal
+∞
– soit f (t ) = ∫
−∞
P2 a (u)sin(t − u) du
a
∫
a
= sin(t − u) du = [ + cos(t − u)]− a = cos(t − a) − cos(t + a).
−a
Dans les deux cas, on obtient la même expression qui peut encore s’écrire :
f (t ) = 2 sin a sin t t ∈ .
Le produit de convolution sint * P2a(t) est donc impair et de classe C∞ sur comme la fonc-
tion sinus.
De même, on obtient :
g(t ) = 2 sin a cos t t ∈ .
Exercice 4.5
Soient f et g deux fonctions et soit h = f * g, leur produit de convolution.
1) Montrer que si f et g ont même parité, alors f * g est paire et que si f et g ont des
parités opposées, f * g est impaire.
2) Montrer que si f (ou g) est translatée de a, alors f * g est translatée de a.
3) Montrer que si f et g sont nulles respectivement hors de [a, b] et hors de [c, d ],
alors f * g est nulle hors de [a + c, b + d ]. Vérifier en particulier que si f et g
sont causales (nulles sur –), alors f * g est aussi une fonction causale dont on
donnera l’expression.
Comme la variable d’intégration est une variable muette, cette dernière intégrale est égale à
h(t). Donc h(– t) = h(t), la fonction h est paire.
b) Si f et g ont des parités opposées, alors f (u)g(– t – u) = – f (– u)g(t + u) et il s’ensuit que
h(– t) = – h(t), h est alors impaire.
2) D’après la définition, le produit de convolution de la translatée de a de la fonction f par
la fonction g est :
+∞
k (t ) = ∫−∞
f (u − a)g(t − u) du .
il est donc clair que si le produit f (u)g(t – u) est nul pour toutes les valeurs de
u ∈ ]−∞,+∞[, alors h(t) est nul.
Pour comprendre ce qui se passe selon la valeur de f(u)
t considérée, il est commode de représenter sur un
0 a b u
axe les valeurs prises par la variable u et les inter-
valles sur lesquels f (u) (ou g(t – u)) est nulle. g(t – u)
Or si u ∉ [a, b], alors f (u) = 0
0 t–d t–c u
et si t – u ∉ [c, d ], alors g(t – u) = 0.
Si u n’est pas dans [a, b] ou si u n’est pas dans [t – d, t – c], alors le produit f (u)g(t – u)
est nul.
© Dunod. La photocopie non autorisée est un délit.
Si les segments [a, b] et [t – d, t – c] sont disjoints, alors, pour toute valeur de u, le produit
f (u)g(t – u) est nul. Ce sera le cas soit si b < t – d, soit si t – c < a, c’est-à-dire pour
t < a + c ou pour t > b + d .
Donc pour t ∉ [a + c, b + d ], h(t) est nul.
f(u)
Pour les valeurs de t ∈ [a + c, b + d ], il faut calcu-
0 u
ler h(t) en appliquant la définition.
Dans le cas où f et g sont causales, alors a = c = 0 et g(t – u)
b et d sont infinis, donc h(t) est nulle si t < a + c = 0.
0 t u
La fonction h est causale et définie par :
t
∫
f (u)g(t − u) du si t 0
h( t ) = 0 .
0 si t < 0
72 Mathématiques du signal
Exercice 4.6
1) D’après l’exercice précédent, il est clair que h1 est une fonction paire, nulle hors de
[– (a + b), a + b]. Il reste à calculer h1 pour t ∈ [0, a + b].
Par définition :
+∞ a
h1 (t ) = ∫
−∞
P2 a (u) P2 b (t − u) du = ∫
−a
P2 b (t − u) du .
–b –a 0t a b u
t–b t+b
– soit – a t – b a ⇔ b – a t a + b
1
a
alors h1 (t ) = ∫
t −b
1 dt = a + b − t .
–b –a 0 ta b t+b u
t–b
c’est-à-dire P2 a ∗ P2 a = 2 a∆ 2 a .
2) Le produit de convolution de deux fonctions causales est une fonction causale. Il suffit
de calculer h2 pour t 0 et l’on a :
t t
∫ e − au e − b( t − u ) du = e − bt ∫e
( b − a )u
h2 (t ) = du .
0 0
exp( − at ) − exp( − bt )
Pour b ≠ a , on a : h2 (t ) = Y (t ) .
b−a
Si b = a , le calcul précédent n’est plus valable, et on a :
t
h2 (t ) = e − at ∫ e du = te
− at
0
pour t 0.
0
exp( − bt ) − exp( − at )
lim = −t exp( − at ).
b→ a b−a
74 Mathématiques du signal
h2 avec a = 1, b = 3 h2 avec a = b = 1
0,4 0,4
0,2 0,2
0 0
–2 0 2 4 6 –2 0 2 4 6
{
1 si − a t − a a
P2 a (t − a) = 0 sinon
soit 0 t 2 a
.
P2a(u – a) P2a(u – a)
1 1
Y(t – u)e–b(t – u)
Y(t –u)e–b(t – u)
u u
0 t 2a 0 2a t
Pour 0 t 2a,
t
t e − b(t −u ) 1 − e − bt
h3 (t ) = ∫o
e − b ( t − u ) du =
b 0
=
b
.
Pour 2a t,
2a e − b( t − 2 a ) − e − bt
h3 (t ) = ∫
0
e − b( t − u ) du =
b
.
En conclusion :
1 1 − exp( − bt )
b [ ] pour 0 t 2 a
1
h3 (t ) = [exp(2 ab) − 1] exp( − bt ) pour 2 a t .
b
0 pour t < 0
1 pour − a t − u − a a ⇔ t − 2 a u t
Or P2 a (t − u − a) =
0 sinon
2 2
0 0
–1 0 1 2 3 –1 0 1 2 3
5) D’après l’index, pour x ∈ [−1,1] , 1 (x) = 1 − |x| et sinon 1 (x) = 0. On a
+∞
h 5 (x) = 1 (u)P1 (x − u)du
−∞
Les 2 fonctions sont à support borné. Le support de 1 est I = [−1,1]. Connaissant x, le
support de la porte P1 (x − u) est l’ensemble des u tels que −1/2 x − u 1/2 , c’est-à-
dire Ix = [x − 1/2,x + 1/2]. Il faut déterminer l’intersection de ces 2 supports selon les
valeurs de x :
a) Ix est à l’extérieur , à gauche de I si x + 1/2 < −1, c’est-à-dire pour x < −3/2
b) Ix intersecte I à gauche si x − 1/2 −1 x + 1/2, c’est-à-dire pour −3/2 x −1/2
c) Ix est à l’intérieur de I si −1 < x − 1/2 < x + 1/2 < 1, c’est-à-dire pour
−1/2 < x < 1/2
d) Ix intersecte I à gauche si x − 1/2 1 x + 1/2, c’est-à -dire pour 1/2 x 3/2
e) Ix est à l’extérieur, à droite de I si 1 < x − 1/2, c’est-à-dire pour 3/2 < x
© Dunod. La photocopie non autorisée est un délit.
Comme 1 et P1 sont paires, on sait que h 5 est aussi paire (cf. execice 4.5). Il suffit de la
calculer pour x positif, ce qui exclut les cas a) et b).
Le cas c) correspond à −1/2 < x < 1/2. Si 0 x < 1/2 alors
x+ 1
2
h 5 (x) = (1− |u|)du
x− 1
2
76 Mathématiques du signal
Pour ne plus avoir de valeur absolue dans l’intégrale, comme la valeur absolue |u| s’annule
pour u = 0, on écrit
0 x+ 1 2 0 x+ 1
2 (1 − u)du = u + u u2 2
h 5 (x) = (1 + u)du + + u−
x− 1 0 2 x− 1 2 0
2 2
2 2
1 1 1 1 1 1 3
=− x− − x− + x+ − x+ = − x2
2 2 2 2 2 2 4
0,7
2
0,6 0,75 – x
0,5
0,3
0,2
0,1
0
–3 –2,5 –2 –1,5 –1 –0,5 0 0,5 1 1,5 2 2,5 3
Exercice 4.7
2) En déduire que si f est dans L1(), si g est dans Ck() et si les fonctions g(p)
pour p = 0, … k sont bornées, alors h est définie et h est au moins de classe Ck
(et ceci même si f n’est même pas continue). On dit que le « produit de convo-
lution régularise ».
3) Calculer les produits de convolution suivants :
cost * P2a(t) et Y(t) cost * P2a(t).
Soient h1 et h2 les deux fonctions obtenues.
Montrer que h1 est une fonction de classe C∞.
Tracer les graphes de h1 et de h2 .
Vérifier que h2 n’est pas dérivable sur tout et expliquer pourquoi la formule
du 1) n’est pas utilisable.
Si f est dans L1() et g continue bornée, l’intégrale ci-dessus est bien définie pour tout t ∈ .
En supposant que l’on puisse dériver sous le signe d’intégration, on obtiendrait :
+∞
h ′(t ) = ∫ −∞
f ( u ) g ′ ( t − u ) du .
Pour justifier la formule ci-dessus, il faut vérifier que les hypothèses de (R4.3). Comme la
fonction g′ est bornée sur , ∀ u ∈ :
+∞
h ′(t ) = ∫ f (u)g ′(t − u) du = ( f ∗ g ′)(t ) .
© Dunod. La photocopie non autorisée est un délit.
−∞
3) Puisque cost est de classe C∞ et bornée ainsi que toutes ses dérivées, la fonction h1 doit
être de classe C∞, d’après ce qui précède.
+∞
∫
t+a
h1 (t ) = cos u P2 a (t − u) du = [sin u]t − a = sin(t + a) − sin(t − a)
−∞
h1 (t ) = 2 sin a cos t .
Comme prévu, h1 appartient à C∞() et en utilisant les résultats de l’exercice 4.4, on peut
vérifier la validité de la formule établie à la deuxième question.
Le calcul de h2 est plus complexe :
+∞ t +a
h2 (t ) = ∫
−∞
Y (u)cos u P2 a (t − u) du = ∫ Y (u)cos u du .
t −a
t–a t+a 0 u
• pour – a t a ⇔ t – a 0 t + a
t +a
∫
Y(u)
h2 (t ) = cos u du = sin(t + a) ; 1
0
t–a 0 t+a u
• pour a t ⇔ 0 t – a
t +a Y(u)
∫
1
h2 (t ) = cos u du = sin(t + a) − sin(t − a).
t −a
u
0 t–a t+a
a
0 0
–a
–2 –2
–5 0 5 10 –5 0 5 10
Exercice 4.8
Un système linéaire du premier ordre est caractérisé par une équation différentiel-
le du premier ordre liant les signaux d’entrée e et de sortie s :
∀ t ∈ ]0,+∞[, as′(t) + bs(t) = e(t), (où a et b sont des réels). (E)
(Par exemple en électricité les circuits RL et LC.)
1) Expliciter le signal de sortie s correspondant à un état initial α, s(0+) = α.
Montrer que, pour α = 0, c’est le produit de convolution de l’entrée e par une
fonction h à déterminer.
2) On suppose maintenant que le signal d’entrée est la fonction échelon Y. Calculer
la sortie correspondante s sachant que s(0+) = 0. La fonction s est-elle dérivable
sur , sur * ?
1) La résolution d’une équation linéaire non homogène comporte les étapes suivantes.
a) Résolution de l’équation linéaire homogène associée
Donc s0 (t ) = exp − t est solution de (EH) ainsi que toutes les fonctions Cs0(t) où C est
b
a
© Dunod. La photocopie non autorisée est un délit.
une constante.
b) Recherche d’une solution particulière de l’équation (E).
Dans des cas particuliers, on peut trouver une solution d’après l’expression du 2e membre.
Dans le cas général, la méthode de la variation de la constante consiste à remplacer s(t) par
e(t )
K(t)s0(t) dans (E), d’où K ′(t ) = .
a s0 ( t )
On obtient une solution particulière en prenant par exemple la primitive de K ′ qui s’annule
en 0, d’où :
t e(u ) s (t )
∫
s p ( t ) = K ( t ) s0 ( t ) = 0
o a s0 ( u )
du .
80 Mathématiques du signal
exp − t .
Y (t ) b
s = e∗h où h( t ) =
a a
Y (t ) b
Donc s( t ) = 1 − exp − t .
b a
Cette fonction n’est pas dérivable en t = 0, mais, sur *, on a :
exp − t = h(t ).
Y (t ) b
s ′( t ) =
a a
La dérivée de la réponse indicielle est la fonction h qui est aussi appelée réponse impul-
sionnelle (cf. exercice 10.4).
Exercices d’entraînement
4.9 Peut-on utiliser le théorème de convergence dominée pour calculer la limite l des
intégrales In suivantes quand n tend vers +∞ ?
1
1 + e − t / n dt
1 n t
∫ (1 − e − t ∫
2
/n
1) ) dt 2)
0 0 n n
n +∞
1 − t t x −1dt avec x > 0
n
∫ ∫ n 3t 2 e − n t dt
2 2
3) 4)
0 n −∞
Indication
Si on ne trouve pas de fonction g sommable telle que |fn(t)| g(t), on compare
lim In et ∫ lim f (t ) dt .n
4 • Intégrales à paramètre, convolution 81
+∞ sin tx π +∞ sin u
4.10 Soit f ( x ) =
0 ∫ t
dt . Expliciter f (x) en utilisant
0 u 2
. Montrer ∫ du =
que f est dérivable pour x =
/ 0 mais que, cependant, on ne peut dériver sous le
signe ∫.
x2
+∞ − t 2 + 2
∫
t
4.11 Soit F( x ) = f (t, x ) dt avec f (t, x ) = e .
0
1 − x2 / 2 x
4.13 Soient ϕ ( x ) =
2π
e et Φ ( x ) = ϕ (t ) dt .
−∞ ∫
+∞
∫ e − u du = π , montrer que Φ (x) + Φ (– x) = 1,
2
1) En utilisant
−∞
∀ x ∈ . En déduire Φ (0).
+∞
2) Soit F(θ ) = ∫
0
ϕ ( x )Φ (θx ) dx où θ ∈ . Calculer F ′, en déduire F.
+∞
3) Calculer G(θ ) = ∫
−∞
ϕ ( x )Φ (θx ) dx .
1 t2
4.15 Soit la fonction f (t ) = exp − . Calculer f * f sachant que
2π 2
+∞
∫ −∞
exp( −u 2 ) du = π .
4.18 Vérifier que le produit de convolution de deux densités de probabilité sur + est
aussi une densité de probabilité : c’est-à-dire que si f et g sont dans L1(+),
positives ou nulles et telles que
+∞ +∞
∫ 0
f (t ) dt = ∫ 0
g(t ) dt = 1,
n
3) Oui, | fn(t)| e–tt x–1, l = Γ (x) car 1 − → e − t .
t
n n→∞
π
4) Non, lim In =
2 ∫
≠ lim fn (t ) dt = 0 .
π 2 si x > 0
4.10 f ( x) = donc f ′(x) = 0 pour x =
/ 0,
− π 2 si x < 0
∞ ∂f ∞
mais f ′( x ) ≠ ∫
0 ∂x
(t, x ) dt =
∫
0
cos tx dt qui diverge.
2
4.11 1) f est continue pour t > 0 et x ∈ . f (t, x ) e − t sommable. D’où F existe et est conti-
nue.
2 Ae − t / t 2
2
∂f pour t 1
2) Pour 0 < α |x| A, ( t , x ) g( t ) = sommable
∂x 2 Ae
−α 2 / t 2
/ t2 pour 0 < t < 1
1
(poser t = sur ]0, 1[ ). On peut dériver sur * et F ′(x) = – 2F(x) si x > 0.
u
π −2 x
D’où F(x) = Ce–2x avec C = F(0) = π 2 et, puisque f est paire, F( x ) = e .
2
4.12 1) 0 |x| A ⇒ t2 t2 + x2 t2 + A2
ln t 2 ln(t 2 + A2 )
et | f (t,x)| g(t) sommable où g(t ) = max , ⇒ F continue.
1 + t2 1 + t2
∂f 2A
(t , x ) 2 sommable pour 0 < α |x| A
∂x (t + α 2 )(1 + t 2 )
donc F dérivable si x ≠ 0.
2x ∞ 1 1 π
2) Pour x > 0 , F ′( x ) = 2 ∫−
x − 1 0 1 + t 2 t 2 + x 2
dt =
1+ x
,
−x +∞ +∞ 1
∫ ∫ ∫
2
4.13 1) Φ ( − x ) = ϕ (t ) dt = ϕ ( −u) du = e − u du , Φ (0) = .
−∞ x x 2
1 1 1 1
2) F ′(θ ) = , F(θ ) = arctan θ + C et lim F (θ ) = ⇒ C = .
2π (θ 2 + 1) 2π θ →+∞ 2 4
1
3) G(θ ) = F (θ ) + F ( −θ ) = .
2
4.14 La fonction f est dans L1() ∩ L2() et continue bornée, g est dans C∞(), bornée ainsi
que toute ses dérivées, mais ni dans L1() ni dans L2(). Donc f * g est dans C∞() et dans
L2(), f * f est dans L1() et bornée (cf. (R4.6) et exercice 4.7). Mais g * g n’est pas défi-
nie.
Comme f est paire et g impaire, f * f est paire et f * g impaire.
(f * f)(t) = (1 + |t|) exp(– |t|)
+∞ +∞
( f ∗ g)(t ) = sin t
∫
−∞
exp( − u )cos u du − cos t
∫
−∞
exp( − u )sin u du .
pour 2 a t 4 a
2
4.18 h est dans L1(+), de plus h(t) 0.
+∞ +∞
t
∫0
h ( t ) dt =
∫ ∫ f (u)g(t − u) du dt = ∫∫ f (u)g(t − u) du .
0 0 D
D(t, u)
En posant x = u et y = t – u , on a t = x + y et u = x, d’où = −1.
D( x, y)
Et D = {(t,u) / 0 u t} d’où ∆ = {(x, y) / 0 x x + y} = + × +
+∞ +∞ +∞
∫ 0
h ( t ) dt =
∫∫ ∆
f ( x ) g ( x ) d x dy =
∫ 0
f ( x ) dx
∫
0
g( y) dy = 1.
Chapitre 5
Transformation de Fourier
RAPPELS
+∞
f ∈ L 1 (R) ∪ L 2 (R) F( f )(ν) = f (x) e−2iπνx dx (R5.1)
−∞
+∞
−1
F (g)(ν) = g(x) e+2iπνx dx (R5.2)
−∞
© Dunod. La photocopie non autorisée est un délit.
pp pp
F −1 F( f )(x) = FF −1 ( f )(x) = f (x) (R5.3)
+∞
∀x ∈ R F( f )(ν) e+2iπνx dν = f (x) (R5.4)
−∞
86 Mathématiques du signal
• Translation en fréquence
• Changement d’échelle
1 ν
F( f (ax))(ν) = F( f (x)) (R5.9)
|a| a
(n)
F( f )(ν) = (2iπν)n F( f )(ν) (R5.10)
d n F( f )(ν)
= (−2iπ)n F(x n f )(ν) (R5.11)
dνn
5 • Transformation de Fourier 87
sin(πνa)
Pa (x) = 11[−a/2,a/2] (x) asinc(aν) = a (R5.13)
πνa
sin(πνa) 2
a (x) = (1 − |x/a|)11[−a,a] (x) a (R5.14)
πνa
2a
exp(−a |x|) (R5.15)
a2 + 4π2 ν2
π π2 ν2
exp(−ax ) 2
exp(− ) (R5.16)
a a
• Intercorrélation de deux fonctions f et g
+∞
K f, g (τ) = g(u + τ) f (u) du = K g, f (−τ) (R5.17)
−∞
• Autocorrélation de f
+∞
K f (τ) = f (u + τ) f (u)du (R5.18)
−∞
f ∈ L 2 (R) et ∀τ ∈ R K f (τ) K f (0) = f 2
2
Exercice 5.1
Comme e−2iπνt = cos(2πνt) − i sin(2πνt), et si f est paire, f (t) cos(2πνt) est paire et
f (t) sin(2πνt) impaire. Donc
+∞ +∞
fˆ(ν) = f (t) e−2iπνt dt = 2 f (t) cos(2πνt)dt
−∞ 0
b) Si f est impaire, on a f (t) cos(2πνt) impaire et f (t) sin(2πνt) paire, d’où le résultat
demandé.
Ces formules sont valables même si f est à valeurs complexes.
2) Les fonctions Pa et ∆a sont paires et à valeurs réelles. On a donc :
+∞ a/2 a/2
sin(2πνt)
F(Pa )(ν) = 2 Pa (t)cos(2πνt)dt = 2 cos(2πνt)dt = 2 ,
0 0 2πν 0
d’où : sin(πaν)
F(Pa )(ν) =
πν
+∞ a
t
F(a )(ν) = 2 a (t)cos(2πνt)dt = 2 1− cos(2πνt)dt .
0 0 a
5 • Transformation de Fourier 89
t 1
On intègre par parties en posant U = 1 − et dV = cos(2π νt) dt, soit dU = − dt et
a a
sin(2πνt)
V = . Il vient :
2πν
a a
t t sin(2πνt) a 1
1− cos(2πνt)dt = 1 − + sin(2πνt)dt .
0 a a 2πν 0 2aπν 0
1 cos(2πνt) a
Le premier terme du second membre est nul. Le deuxième terme est − ,
2aπν 2πν 0
1 − cos(2πaν) sin2 (πaν)
soit , ou encore .
4aπ2 ν2 2aπ2 ν2
sin2 (πaν)
Par conséquent : F(a )(ν) = .
aπ2 ν2
3) L’intégrale I(ω) est une intégrale du type considéré à la question 1) a). On peut
+∞ sin 2 x ω x
∫ cos 2π
x
par exemple écrire I (ω ) = dx . En posant = t , on a alors
0 x2 2 π π
+∞ 2
ω +∞ 2
ω
sin (πt) π sin (πt)
I (ω) = cos 2π t dt = · 2 cos 2π t dt ,
0 π2 t 2 2 2 0 π2 t 2 2
2
π sin (πt) ω
soit I (ω) = F , d’après la question 1) a).
2 π2 t 2 2
sin2 (πν)
La transformée de Fourier inverse de est, d’après la deuxième question (cas où
π2 ν2
a = 1), ∆1(t). En intervertissant les rôles des variables t et ν, on en déduit que la transformée
sin2 (πt)
de Fourier inverse de est ∆1(ν), donc que sa transformée de Fourier directe est
π2 t 2
∆1(– ν), égale à ∆1(ν) puisque ∆1 est paire. On a donc :
π ω π ω ω
I(ω ) = ∆1 = 1 − 11[ −1,1]
© Dunod. La photocopie non autorisée est un délit.
2 2 2 2 2
π ω
soit I(ω ) = 1 − si |ω | < 2 et I(ω) = 0 si |ω | 2.
2 2
Exercice 5.2
On considère le signal défini pour a > 0 par fa(t) = Y(t)e–at et les signaux ga et ha
tels que :
ga(t) = fa(t) + fa(– t) et ha(t) = fa(t) – fa(– t).
90 Mathématiques du signal
3) Quelles sont les limites ponctuelle et presque partout de ga et F(ga) quand a tend
vers 0 ? A-t-on : lim F( ga ) = F(lim ga ) ?
a→ 0 a→ 0
4) Mêmes questions pour ha .
1)
y y y
1 1 1
t t t
–1
y = fa(t) y =ga(t) y = ha(t)
+∞
+∞ +∞ e − ( a + 2 iπ v )t 1
F( fa )(ν ) = ∫ −∞
Y (t ) e − at e −2 iπ νt dt = ∫
0
e − ( a + 2 iπ ν )t dt =
− ( a + 2 iπ v )
=
0 a + 2 iπ v
.
1
D’autre part, F( fa ( −t ))(ν ) = F( fa )( −ν ) = .
a − 2iπν
1 1 2a
Donc, F( ga )(ν ) = + =
a + 2iπν a − 2iπν a + 4π 2ν 2
2
1 1 − 4iπ ν
et F(ha )(ν ) = − =
a + 2iπν a − 2iπν a 2 + 4π 2ν 2
2) Comme F(ga) est dans L1 , que ga(t) = e – a|t| presque partout et que e – a|t| est continue,
F ( F( ga ))(t ) = e − a t ∀ t ∈ (R5.4)
+∞ ∞
= ∫−∞
F( ga )(ν )e −2 iπνt dν = 2 ∫0
F( ga )(ν ) cos(2π νt ) dv
∞ cos ω x π
∫ 0 1+ x2
dx = e − ω
2
.
5 • Transformation de Fourier 91
∞
F ( F(ha ))(t ) = 2i ∫
0
F(ha )(ν )sin 2π νt d v = ε e − a t presque partout et où ε = sgn(t)
d’où, en posant ω = 2π t, a = 2π et ν = x :
∞ x sin ω x π −ω
∫ 0 1+ x 2 dx = ε
2
e pour ω =
/ 0, et ε = sgn(ω).
3) lim ga (t ) = 1 si t =
/ 0, ga (0) = 2 ⇒ lim ga (0) = 2 . Donc ga converge presque partout
a→ 0 a→ 0
vers 1 qui n’est ni dans L1(), ni dans L2(), et n’a donc pas de transformée de Fourier au
sens des fonctions.
0 si ν ≠ 0
Par ailleurs, lim F( ga )(ν ) = .
a→ 0 +∞ si ν = 0
Donc, F(ga) converge vers 0 presque partout.
On n’a donc pas lim F( ga ) = F(lim ga ) car 0 =
/ F(1).
a →∞
Par contre, au sens des distributions, on verra que l’égalité est vraie car
lim F( ga ) = δ = F(lim ga ) = F([1]).
a→ 0 a→ 0
4) lim ha (t ) = sgn(t ) si t =
/ 0 et lim ha (0) = 0 .
a→ 0 a→ 0
Mais la limite de ha n’est ni dans L1(), ni dans L2() et n’a donc pas de transformée de
Fourier.
1
lim F(ha )(ν ) = si ν =
/ 0 et lim F(ha )(0) = 0 .
a→ 0 iπ ν a→ 0
Cette limite n’est ni dans L1(), ni dans L2(). On verra que, au sens des distributions,
1 1
lim F(ha ) = F(lim ha ) = F([sgn(t )]) = PFf .
a→ 0 a→ 0 iπ ν
© Dunod. La photocopie non autorisée est un délit.
Exercice 5.3
sin(πνa)
1) F(Pa )(ν) = (cf. exercice 5.1).
πν
92 Mathématiques du signal
Puisque Pa est bornée, continue par morceaux et à support borné, F(Pa ) est de classe C ∞
(cf. R5.11). Comme Pa appartient à L 2 (R) il en est de même de F(Pa ) (cf. R5.6). Enfin
F(Pa ) est réelle et paire comme Pa .
sin(πνa)
F( f )(ν) = e−i πa .
πν
sin(πνa)
Donc, Pa et f ont même spectre d’amplitude : et cette propriété est vérifiée par
πν
tous les signaux translatés, le spectre de phase de Pa est nul et celui de f vaut – π a.
∞ sin 2 u
3) ∫ −∞ u
2 du représente, à une constante près, l’énergie de P1 et d’après (R5.6),
+∞ +∞
∫ ∫
2 2
E= P1 (t ) dt = F( P1 )(ν ) dν
−∞ −∞
+∞
1/2
sin2 (πν)
soit : dt = 1 = dν
−1/2 −∞ π2 ν2
+∞ sin 2 u
et, en posant u = π ν, ∫ −∞ u 2 du = π .
Par ailleurs, si g ∈ L2(), F ( F( g)) = g , égalité dans L2() c’est-à-dire presque partout. En
tout point où g est continue, d’après (R5.4) on a
+∞
g(t ) = F ( F( g))(t ) = ∫ −∞
F( g)(ν )e 2 iπ νt dν .
∞ sin π u
∫ −∞ u
du = π .
5 • Transformation de Fourier 93
1
car ∆B est continue sur . D’où, avec B = :
π
sin 2 ν
F 2 (t ) = π∆1 / π (t ) ⇒ I = π∆1 / π (0) = π .
ν
Exercice 5.4
∞
3) En déduire la transformée de Fourier de e − at et la valeur de ∫−∞e
2
− at 2
dt pour
a > 0.
4) En déduire la transformée de fourier de
t 2
1 −
f σ (t) = √ e 2σ2 avec σ > 0
σ 2π
+∞
et montrer que f σ (t) dt = 1
−∞
© Dunod. La photocopie non autorisée est un délit.
1) f ′(t) = – 2π t f (t).
En appliquant la transformée de Fourier à cette relation, puisque t f(t) ∈ L1(), on obtient :
F( f ′)(ν) = – 2π F(t f )(ν)
et, avec les relations (R5.10) et (R5.11) :
2π
2iπ νF( f )(ν ) = − [ F( f )(ν )]′
−2iπ
on obtient : [F( f )(ν)]′ = – 2π νF( f )(ν)
d fˆ
d’où, si fˆ = F( f ), (ν ) + 2π ν fˆ (ν ) = 0 .
dν
94 Mathématiques du signal
2
Or, puisque f ∈ L1 ∩ L2 et fˆ ∈ L , on a (R5.6) :
2
= fˆ
2
f 2
soit :
2
∞ ∞ 2
∫ ∫
2
f (t ) dt = fˆ (ν ) dν
−∞ −∞
∞ ∞
∫ e −2π t dt = K 2 ∫ e −2π
2
ν
2 2
c’est-à-dire : dν d’où K 2 = 1.
−∞ −∞
∞
∫ e −π t dt = K ⇒ K > 0 ⇒ K = 1 et
2
Or, F( f )(0) = fˆ (0) =
−∞
∞
∫ e −π t dt = 1 F(e −π t )(ν ) = e −π ν
2 2 2
et .
−∞
2
a
−π t
− at 2 π a
3) e =e = f ( kt ) où k = .
π
Et, en utilisant la formule de changement d’échelle :
ν
F( f ) .
1
F( f ( kt ))(ν ) =
k k
2
π 2ν
2
− at 2 π −π ν
a − at 2 π −π
On obtient : F(e )(ν ) = e ⇒ F (e )(ν ) = e a
a a
∞ ∞ π
∫ e − at dt = F(e − at )(0) ⇒ ∫
2 2
e − at dt =
2
et .
−∞ −∞ a
1
4) Il suffit de remplacer dans la relation ci-dessus a par , on obtient
2σ2
−
t2 √
2πσ2 e−2σ π ν
2 2 2
F(e 2σ2 )(ν) =
σ 2π
+∞
Quelle que soit f, on a f (t) dt =F( f )(0), et comme F( f σ )(0) = e0 = 1, la fonction
−∞
+∞
gaussienne f σ vérifie f σ (t) dt = 1 (c’est une densité de probabilité).
−∞
5 • Transformation de Fourier 95
Exercice 5.5
puisque le produit de deux fonctions portes est une fonction porte dont le support est l’in-
tersection des supports.
pp
Comme Pc = F( f c ), on obtient
pp
F( f a ∗ f b ) = F( f c ) avec c = min(a,b)
La fonction sinus cardinal est continue sur R tout entier donc l’égalité a lieu partout.
2) De la même façon, on a F( f a ∗ f b ) = F( f a )F( f b ) d’après (R5.12). Or, d’après l’exer-
cice 5.4, on a
t2
1 − 2
(ν) = e−2π a ν
2 2 2
F √ e 2a
a 2π
donc
© Dunod. La photocopie non autorisée est un délit.
Exercice 5.6
Le premier membre de l’équation (E) est le produit de convolution de f par la fonction ga(t)
= exp(– at2). L’équation (E) s’écrit donc : ga * f = g1 .
Comme f est sommable par hypothèse, elle admet une transformée de Fourier fˆ .
π π 2ν 2
D’autre part (cf. R5.16), la transformée de Fourier de ga est gˆ a (ν ) = exp − , et
a a
En prenant les transformées de Fourier des deux membres de (E), sachant que la transfor-
mée de Fourier d’un produit de convolution est le produit (ordinaire) des transformées de
Fourier de chacun des facteurs (R5.12), on obtient l’équation :
π π 2ν 2 ˆ
exp − f (ν ) = π exp( −π 2ν 2 ) ( Eˆ )
a a
1 π 2ν 2 ( a − 1)
d’où : fˆ (ν ) = a exp −π 2ν 2 1 − = a exp − .
a a
a π π 2ν 2
Posons k = . La transformée de Fourier inverse de exp − est gk. Comme
a −1 k k
ak π π 2ν 2
fˆ (ν ) = ⋅ exp − , on en déduit que :
π k k
ak a at 2
f (t ) = exp( − kt 2 ) = exp − .
π π ( a − 1) a − 1
5 • Transformation de Fourier 97
Exercice 5.7
sin(πat)
Soit f la fonction définie par f (t) = avec a > 0.
πt
2
1) En utilisant la transformée de Fourier de f, évaluer f 2
puis calculer
( f * f )(θ) et préciser pour quelles valeurs de θ ce produit de convolution s’an-
nule.
2) Pour quelles valeurs de θ la fonction f (t – θ) est-elle orthogonale à la fonction
f (t) pour le produit scalaire de L2() ? Vérifier que ces valeurs de θ sont
dénombrables et de la forme θn = nC avec n ∈ * et C constante. Soient
gn(t) = f (t – nC) avec n ∈ . Vérifier que les fonctions gn sont orthogonales
deux à deux.
+a / 2 +∞ sin(πa) 2
∫
2
Or Pa 2 = 1 dt = a , donc ||
2
f ||22 = πt dt = a .
−a / 2 −∞
F ( f ∗ f ) = F ( F( Pa ) ∗ F( Pa )) = F ( F( pa )) ⋅ F ( F( Pa )) = Pa ⋅ Pa .
Or Pa = Pa (car Pa(t) = 0 ou 1), donc f * f = F(Pa), mais comme f = F(Pa) on en déduit que,
2
Comme f est continue, f * f aussi car le produit de convolution régularise. Donc l’égalité est
© Dunod. La photocopie non autorisée est un délit.
sin(πaθ)
( f ∗ f )(θ) = f (θ) = .
πθ
+∞
Comme f est paire, on a f (θ − t) f (t)dt = 0 c’est-à-dire ( f * f )(θ) = 0. Donc, d’après
−∞
n
1), il faut que θ = avec n ∈ *. Il y a donc une infinité dénombrable de fonctions ortho-
a
n sin(πat − πn)
gonales à g0(t) = f (t) qui sont gn (t ) = f t − c’est-à-dire : gn (t ) = a .
a πat − πn
Vérifions que, pour tout n =
/ p, gn est orthogonale à gp . On a :
+∞ +∞ +∞ n − p
f t − f t − dt = f u −
n p
∫−∞
gn (t )g p (t ) dt = ∫−∞ a a ∫ −∞ a
f (u) du = 0
2 2
Comme l’énergie est invariante par translation, on a gn 2
= f 2
= a , donc les fonctions
1
gn sont orthonormées. Ces fonctions-là sont précisement celles qui interviennent dans
a
le théorème d’échantillonnage de Shannan comme base du sous-espace des fonctions de
L 2 (R) dont la transformée de Fourier est à support borné.
Exercice 5.8
Si t 0, alors :
+∞ 1
h(t ) = e − bt ∫0
e − ( a + b )u du = e − bt
a+b
.
Si t 0, alors :
+∞ e + ( a + b )t e + at
h(t ) = e − bt ∫−t
e − ( a + b )u du = e − bt
a+b
=
a+b
5 • Transformation de Fourier 99
e − bt
si t 0
donc : h(t ) = a +at b .
e si t 0
a + b
Cette fonction h est maximale pour t = 0, cela signifie que f (u) et g(u + t) ont une ressem-
blance maximale pour t = 0.
L’autocorrélation Kf de f est une fonction paire :
e−a t
K f (t ) = .
2a
+∞ 1
∫
2
Comme K f (0) = f (u) du , on en déduit que l’énergie de f est .
−∞ 2a
Exercice 5.9
1 −t 2
On considère le signal gaussien f (t ) = exp .
2π 2
+∞
∫−∞ exp(−u ) du = π , calculer l’énergie de ce signal.
2
1) Sachant que
2
+∞
t2
+∞ −
1 e 2 dt = 1
+∞ π
∫ ∫ ∫ e − t dt =
2 2
Ef = f (t ) dt = .
−∞ −∞ 2π 2π −∞ 2π
1
Donc : Ef = .
2 π
Comme f est réelle et paire, F( f ) est aussi réelle et paire et, par conséquent, son spectre de
phase, qui est l’argument, est nul, et son spectre d’amplitude est égal à |F( f )(ν)| = F( f )(ν)
car F( f ) est positive.
La densité spectrale d’énergie est le carré du module de la transformée de Fourier donc ici :
2
F( f )(ν ) = exp( − 4π 2ν 2 ) .
+∞ +∞
3) K g (τ ) = ∫
−∞
g(t + τ )g(t ) dt = ∫
−∞
g(u)g(u − τ ) du en posant u = t + τ.
K f (τ ) = F (exp( − 4π 2ν 2 )).
1
Et, en utilisant la formule vue au 2) avec a = , il s’ensuit que :
4
1 τ2
K f (τ ) = exp − .
2 π 4
1 +∞
On vérifie que K f (0) = = E f (en effet, K f (0) =
∫
2
f (t ) f (t ) dt = f 2 ).
2 π −∞
1
f (x) = f (0) + f (0)x + f (0)x 2 + x 2 ε(x)
2
5 • Transformation de Fourier 101
ν
passe en logarithme puis on utilise le développement à l’ordre 2 en zéro de F(g) √ .
n
On a
ν ν
ln F(h n ) √ = nln F(g) √
n n
2
ν 2 2ν ν2 ν
Comme ln(1 + u) ∼ u et que F(g) √ = 1 − 2π σ + ε √ , en posant
u=0 n n n n
ν2 ν2 ν
u = −2π2 σ2 + ε √ on obtient
n n n
ν ν2 ν2 ν ν
ln F(h n ) √ ∼ n −2π2 σ2 + ε √ = −2π2 σ2 ν2 + ν2 ε √
n ∞ n n n n
102 Mathématiques du signal
ν
Comme ε √ −−→ 0 , on a
n n→∞
ν
ln F(h n ) √ −−→ − 2π2 σ2 ν2
n n→∞
C’est-à-dire
ν
−−→ e−2π σ ν
2 2 2
F(h n ) √
n n→∞
2
1 t
−
Or la transformée de Fourier inverse de e−2π σ ν est h(x) = √ e 2σ2 d’après l’exer-
2 2 2
σ 2π
cice 5.4 (cf. en probabilité, théorème Limite central).
Exercice 5.11
K f, g (τ) = K g, f (−τ)
En déduire K f −g à l’aide de K f , K g et K f g .
2) On pose : g(t) = f (t − a). Montrer que
K f = Kg.
C’est-à-dire qu’une fonction et sa translatée ont même fonction d’autocor-
rélation.
Calculer K f,g en fonction de K f .
Pour quelle valeur de τ cette fonction d’intercorrélation est maximale et que
vaut ce maximum ?
3) Application : Soit PL la fonction porte de largeur L et h définie par :
h(t) = PL (t − a) − PL (t − b)
Calculer K h en fonction de K PL .
Sachant que K PL = L L (cf. exercices 5.9 et 4.6) , calculer K h .
Application numérique : L = 1, a = 3/2 et b = 1/2.
Faire le graphe de h et celui de K h .
5 • Transformation de Fourier 103
Mais comme les fonctions sont à valeurs réelles, on a K f,g (τ) = K g, f (−τ) et K f est paire.
Par définition l’autocorrélation de la fonction réelle f − g est l’intégrale de
( f − g)(u + τ)( f − g)(u)
= f (u + τ) f (u) − f (u + τ)g(u) − g(u + τ) f (u) + g(u + τ)g(u)
Donc
K f −g (τ) = K f (τ) − K f,g (−τ) − K f,g (τ) + K g (τ)
2) En faisant le changement de variable v = u + τ avec dv = du on a
+∞ +∞
K g (τ) = f (u − a + τ) f (u − a) du = f (v + τ) f (v) dv = K f (τ).
−∞ −∞
h
1
t
0 1 2
–1
104 Mathématiques du signal
Exercices d’entraînement
2
5) sin πt e −π t .
− at 2
5.13 Calculer les transformées de Fourier des fonctions t e et t 2 e − a t .
1
5.16 Calculer la fonction d’autocorrélation temporelle Kf du signal f (t ) = .
t +12
Réponses
−π ν 2 +
1
4
5) −i sh π ν ⋅ e .
π 2ν 2
iπ ν π − 4 a( a 2 − 12π 2ν 2 )
5.13 F (t e − at 2
)(ν ) = − e a , F (t 2e − a t )(ν ) = .
a a ( a 2 + 4π 2ν 2 )3
5.14 E = 64.
sin t
5.15 f (t ) = π .
t
2π
5.16 K f (τ ) = .
τ2 + 4
Chapitre 6
Transformation de Laplace
RAPPELS
• La transformée de Laplace de f est notée L( f )
+∞
L( f )( p) = f (t)exp(− pt) dt avec p ∈ C (R6.1)
0
• Formule du retard
• Changement d’échelle
1 p
∀a > 0, L( f (at))( p) = L( f (t))( ) (R6.5)
a a
(n)
L( f )( p) = pn L( f )( p) − pn−1 f (0+ ) − pn−2 f
(0+ ) − ... − f (n−1) (0+ )
(R6.6)
d n L( f )( p)
= (−1)n L(t n f (t))( p) (R6.7)
dpn
L( f ∗ g) = L( f )L(g) (R6.8)
Exercice 6.1
2
3π 3π sin(x) f
1) f (t) = Y t − sin t − 1
4 4
3π 0
f s’obtient à partir de Y(t)sint par translation de .
4
–1
Alors, avec (R6.3),
0 3π 5 10 15
3π 3π 4
− p − p 1
L( f )( p) = e 4 L
(Y (t )sin t )( p) = e 4
p +1
2
pour p > 0.
108 Mathématiques du signal
t 3π
3) f est la translatée de Y (t )sin de , alors, avec (R6.3)
3 4
3π 3π
− −
4 L Y (t )sin t
p p 3
L( f )( p) = e ( p) = e 4
(p > 0).
3 9p +1
2
−1 p
4) Avec 2) et (R6.4) : L( f )( p) = où p > 1.
2 ( p − 1)2 + 1
a +ε e − pt 1 − e – pε
5) L( fε )( p) = ∫a ε
dt = e − ap
pε
et lim L( fε )( p) = e − ap avec p quelconque.
ε →0 +
Mais lim+ fε (t ) = 0 si t =
/ a et n’est pas définie en a.
ε →0
Donc lim+ L( fε ) ≠ L lim+ fε . On verra que, au sens des distributions, on a l’égalité car
ε →0 ε →0
lim fε = δ a et que L(δa)(p) = e–ap.
ε →0 +
∞ X
6) e− pt f (t)dt = lim e− pt f (t)dt .
0 X→∞ 0
Pour tout X fixé, il existe un n unique tel que nT < X < (n + 1)T . D’où :
X (k+1)T
k=n−1 X
e− pt f (t)dt = e− pt f (t)dt + e− pt f (t)dt .
0 k=0 kT nT
X X (n+1)T
− pt −Re( p)nT −Re( p)nT
| e f (t)dt| e | f (t)|dt e | f (t)|dt
nT nT nT
X T
c’est-à-dire : | nT e− pt f (t)dt| e−Re( p)nT 0 | f (t)|dt, qui tend vers 0 quand n tend vers
+∞ . On a donc :
∞ n
X
1 − (e− pT ) L( f 0 )( p)
e− pt f (t)dt = lim e− pt f (t)dt = lim −
L( f 0 )( p) = .
0 X→∞ 0 n→∞ 1 − e pT 1 − e− pT
Exercice 6.2
Calculer la transformée de Laplace des fonctions fi dont les graphes suivent, à par-
tir de la première. Préciser l’abscisse de convergence.
a
1 a
1) 2) 3)
0 1 0 c 0 α β
a a
4) 5)
0 c 0 α β
Toutes ces transformées de Laplace existent et sont continues pour tout p car on intègre une
fonction continue sur un intervalle borné. Donc, dans ce qui suit, L( fi )(0) = lim L( fi )( p).
p→ 0
−p
1 1− e
1) L( f1 )( p) = ∫e dt = si p =
/ 0, 1 sinon.
– pt
0 p
c
a(1 − e − cp )
L( f2 )( p) = acL( f1 )(cp) = si p =
/ 0, ac sinon.
p
Exercice 6.3
+∞
G( p ) = ∫ p
L( f )(u) du .
Y (t )sin t
2) g(t ) = tend vers 1 quand t tend vers 0+ donc g est sommable en 0 et
t
+∞ π
L
Y (t )sin t 1 1
t
( p) = ∫ p 1 + u2
du = − arctan p = arctan avec p > 0.
2 p
Alors,
+∞
L
Y (t )sin t sin t 1
t
( p) = ∫ 0
e − pt
t
dt = arctan
p
+∞ +∞ sin t π
∫
sin t
et, L(g) étant continue en 0, lim
+
p→ 0 ∫0
e − pt
t
dt =
0 t
dt =
2
.
6 • Transformation de Laplace 111
Exercice 6.4
1 π
Soit J0 (t ) =
π ∫0 cos(t sinθ ) dθ , fonction de Bessel d’ordre 0 où t 0.
1) Montrer que J0 est solution de l’équation différentielle :
tJ0′′(t) + J0′(t) + t J0(t) = 0.
Préciser J0(0) et J0′(0).
2) Appliquer la transformée de Laplace à l’équation différentielle en supposant J0
nulle pour t < 0 et calculer L(J0).
3) En déduire L(J0 * J0) puis J0 * J0 .
1) Puisque l’on intègre une fonction continue et dérivable par rapport à t sur un intervalle
borné, [0,π] on peut dériver sous le signe somme.
1 π 1 π 2
J 0′ (t ) = −∫ π 0 ∫
sin θ sin(t sin θ ) dθ , J 0′′(t ) = −
π 0
sin θ cos(t sin θ ) dθ
1 π 1
∫
J 0 (t ) + J 0′′ (t ) =
π 0
cos 2θ cos(t sin θ ) dθ = − J 0′ (t ) en intégrant J0′ par parties, d’où le
t
résultat. De plus, J0(0) = 1 et J0′(0) = 0.
2) On applique les formules (R6.6) et (R6.7) et on pose F = L(J0).
Alors : L(J0′′)(p) = p2F(p) – pJ0(0) – J′0(0) = p2F(p) – p
© Dunod. La photocopie non autorisée est un délit.
1
3) L( J 0 ∗ J 0 )( p) = [ L( J 0 )( p)]2 = = L(Y (t )sin t )( p) et donc
p +1
2
Exercice 6.5
1 1 1
1) ϕ ( p) = − après décomposition en éléments simples. Donc,
3 p −1 p + 2
1
f (t ) = (e t − e −2 t )Y (t ).
3
On peut aussi traiter le problème par la convolution :
ϕ (p) = L(e–2tY(t))(p) ⋅ L(etY(t))(p) = L(e–2t Y(t) * etY(t))(p).
2) Le problème n’étant pas facile à traiter directement, on calcule j ′.
p 1
ϕ ′( p ) = 2 2 2 − et on a d’une part ϕ ′= L(2(cosat – 1)Y(t)) et, d’autre part,
p +a p
2(1 − cos at )
ϕ ′ = [L( f )]′ = – L(t f (t)). D’où f (t ) = Y (t ).
t
1 p
3) Sachant que L(Y (t )sin t )( p) = , L(Y (t )cos t )( p) = 2 ,
p +1
2
p +1
2p p2 − 1
L(Y (t )t sin t )( p) = et L ( Y ( t )t cos t )( p ) = , on cherche une décomposi-
( p 2 + 1)2 ( p 2 + 1)2
tion de j de la forme :
1 p 2p p2 − 1
ϕ ( p) = a +b 2 +c 2 2 +d
p +1
2
p +1 ( p + 1) ( p 2 + 1) 2
d’où en identifiant : a = 4, b = c = 0, d = – 3, et
4 p2 − 1
ϕ ( p) = − 3 , ce qui donne f (t) = (4sint – 3t cost)Y(t).
p2 + 1 ( p 2 + 1)2
La décomposition en éléments simples conduit au même résultat.
6 • Transformation de Laplace 113
Exercice 6.6
3 3
En déduire Γ , valeur de la fonction gamma en .
2 2
2) Soit g(t ) = sin t . Montrer que g est la solution d’une équation différentielle
linéaire du second ordre.
3) Appliquer la transformation de Laplace à cette équation.
En déduire L(sin t ).
2 2
t2
− x − dx = 1 − − 1 dx .
t t t t t 2x
1) ( f ∗ f )(t ) = ∫
0
x (t − x ) dx = ∫
0 4 2 2 ∫0 t
2x t2 π π t2
En posant
t
− 1 = cos θ , on obtient ( f ∗ f )(t ) =
4 ∫ 0
sin 2 θ dθ =
8
.
π π
D’où L( f ∗ f )( p) = = ( L( f )( p))2 et L( f )( p) = 3 / 2 .
4 p3 2p
+∞ +∞ √
√ −p 3 π
(x) = t x−1 e−t dt et L( f )( p) = te dt donc = L( f )(1) =
0 0 2 2
1 1 1
2) g ′(t ) = cos t et g ′′(t ) = − cos t − sin t impliquent
2 t 4t t 4t
4tg′′(t) + 2g′(t) + g(t) = 0 avec g(0) = 0, g′(0) non définie mais g′ sommable au voisinage
de 0.
3) On note L(g) = ϕ. L(g′) existe et vaut L(g′) = pϕ (p), L(tg′′) existe et vaut L(tg′′)(p) =
© Dunod. La photocopie non autorisée est un délit.
π π e −1 /( 4 p )
D’où : K = et L(sin t )( p) = .
2 2 p3 / 2
114 Mathématiques du signal
3) Pour résoudre une équation différentielle classique, on se place sur des intervalles ouverts
de , où toutes les fonctions qui interviennent sont définies et continues. La fonction au
second membre de l’équation étant discontinue en 0, on résout (1) successivement sur –
puis sur +. Sur –, y′′(t) – a2y(t) = 0, et on recherche des solutions sous la forme ert.
Alors r2 – a2 = 0 et y–(t) = Ceat + De–at pour t dans –.
Sur +, la solution générale de (1) est la somme de la solution générale de l’équation homo-
gène, Aeat + Be–at, et d’une solution particulière de (1) que l’on cherche sous la forme µte–at
car le deuxième membre est en e–at et que – a est racine de l’équation caractéristique. Par
6 • Transformation de Laplace 115
1 1 − at
identification, on obtient µ = − et y+ (t ) = Ae at + Be − at − te . D’où une infinité de
solutions de la forme : 2a 2a
Ce at + De − at si t < 0
yc (t ) = at − at 1 − at . (2)
Ae + Be − 2 a te si t > 0
Utiliser la transformée de Laplace pour résoudre (1), signifie implicitement que, parmi les
solutions définies en (2), on ne retient que celles qui sont nulles sur –.
1 β 1 1 β 1
Donc en choisissant dans (2) , C = D = 0, A = α + + 2 et B = α − − 2 ,
2 a 2a 2 a 2a
pour assurer y(0 ) = α, y′(0 ) = β, on trouve yc = yL .
+ +
Résoudre une équation différentielle par la transformée de Laplace revient en fait à résoud-
re cette équation uniquement sur *+ , ou encore à tronquer toutes les fonctions qui inter-
viennent, y compris le second membre, en les multipliant par Y(t).
Chercher une solution de (1) par la transformée de Fourier suppose que y, y′, et y′′ sont som-
mables sur ou de carré sommable et, pour pouvoir utiliser (R5.10) pour y′ et y′′, que y et
y′ sont continues sur .
Dans (2), la sommabilité de y sur impose A = 0, D = 0. La continuité en 0 de y et y′ impose
1 1
de plus : A + B = C + D et a( A − B) − = a(C − D) soit B = C = − 2 .
2a 4a
− 1 at
si t < 0
4a 2 e
D’où yc (t ) = 1 1 – at , c’est-à-dire yc = yF .
− 2 e − at − te si t > 0
4a 2a
D’une manière générale, résoudre une équation différentielle d’ordre n par la transformée de
Fourier revient à chercher parmi les solutions classiques sur des intervalles ouverts ]ai , ai+1[
pour i = 0, ..., p, avec a0 = – ∞ et ap = +∞, celles qui sont sommables et de classe Cn–1(),
donc pour l’ordre 2, continues et dérivables sur .
Exercice 6.8
© Dunod. La photocopie non autorisée est un délit.
Exercices d’entraînement
6.9 Calculer la transformée de Laplace, si elle existe, des fonctions causales f sui-
vantes :
cost
1) (t – 3)2e–2t 2) sin2ω t 3) t2e–4t 4)
t
t sin x +∞ x sin t x
5) ∫
0 x
dx 6)
0 ∫1+ x2
dx .
1
1
f3 f4 a 2a 3a 4a
0 a 2a 3a 4a –1
6.11 Évaluer les intégrales suivantes en les considérant comme des valeurs particuliè-
res de transformées de Laplace.
+∞ +∞ e − t − e − λt
I1 =
0 ∫
t cos t e −3t dt I2 =
0 ∫ t
dt où λ > 0.
Y (t )
6.12 1) Soit f (t ) = . Calculer f * f puis L( f * f ) et en déduire la valeur de
t
+∞ e − pt
dt et de Γ . Retrouver le résultat de l’exercice 6.6, en écrivant
1
I= ∫ 0 t 2
que f (t ) = (2Y (t ) t )′ .
2) Soient f (t) = Y(t)e–t et g(t) = 11l [0,1](t). Calculer L( f * g). En déduire f * g.
6.13 Trouver les originales f des transformées de Laplace j suivantes :
p p 3 − 17 p 2 + 75 p − 133
1) 2 2) .
p + 2 aω p + ω 2
( p 2 + 4)( p − 5)3
6 • Transformation de Laplace 117
f ′(t ) − f (t ) − 3g(t ) = t
3) pour t > 0 avec f (0) = 0, g(0) = 0.
g ′(t ) − f (t ) + g(t ) = 0
t
4) ∫0
f ′( x ) e − t + x dx + e − t = 1 pour t > 0 avec f (0) = 4.
Réponses
11 p
2) On linéarise et L( f )( p) = − pour p > 0.
2 p p2 + 4ω 2
1 ′′ 2
3) L( f )( p) = [ L(e −4 t )( p)]′′ = = ( p + 4)3 pour p > – 4.
p + 4
cost
4) L(f) n’existe pas : n’est pas intégrable en 0.
t
π
et après décomposition en éléments simples, L( f )( p) =
2( p + 1)
+∞ x sin tx π
et f (t ) = ∫0 1 + x2
dx = Y (t ) e − t pour t > 0.
2
118 Mathématiques du signal
L( f0 )( p)
6.10 On utilise l’exercice 6.1 : L( fi )( p) = avec Re(p) > 0.
1 − e − pt
π
1 + e −π p coth p
1) T = π, L( f0 )( p) = , L( f1 )( p) = 2.
1 + p2 1 + p2
1 + e −π p 1
2) T = 2π, L( f0 )( p) = , L( f2 )( p) = .
1 + p2 (1 + p2 )(1 − e −π p )
(1 + e − ap )2
3) T = 2a, L( f0 )( p) = (voir exercice 6.2, cas 4) et 5)),
ap2
(1 − e − ap )2 1 ap
L( f3 )( p) = = th .
ap2 (1 − e −2 ap ) ap2 2
1 ap
4) f4 (t ) = af3′(t ), d’où : L( f4 )( p) = apL( f3 )( p) − af3 (0) = th .
p 2
8
6.11 I1 = L(t cos t )(3) = −[ L(cos t )( p)]′p=3 = .
100
e − t − e − λt ∞
I2 = L
t (0) =
∫
0
L(e − t − e − λ t )( x ) dx = ln λ . (Cf. exercice 6.3.)
t dx 2 t dx
∫ ∫
2x
6.12 1) ( f ∗ f )(t ) = = = πY (t ) en posant − 1 = u.
x (t − x ) t 2
1−
0 0 2x t
−1
t
π π ∞ e − pt
D’où L( f ∗ f )( p) =
p
= ( L( f )( p))2 et L( f )( p) =
p
=
∫0 t
dt ,
Γ = L( f )(1) = π .
1
2
1 − e− p 1 1
2) L( f ∗ g)( p) = L( f )( p) L( g)( p) = = (1 − e − p ) − d’où par l’applica-
p( p + 1) p p + 1
tion inverse, ( f * g)(t) = Y(t)(1 – e–t) – Y(t – 1)(1 – e–(t–1)) soit
1 − e − t sur [0,1]
( f ∗ g) = − t , 0 sinon. (Cf. exercice 4.6.)
e (e − 1) si t 1
p −ε ω t
Si |a| = 1, L−1 (t ) = Y (t )e (1 − εω t ) où ε = sgn(a).
( p + aω ) 2
, f (t ) = Y (t ) sin 2t − t 2e5t .
1 2 1
2) ϕ ( p) = −
p2 + 4 ( p − 5)3 2
6.14 1) Poser f ′(0) = α, α sera déterminé par la valeur de f (1)
f (t ) = Y (t )et 3t + t 2 + t 4 .
1 1
2 12
2) f (t) = 3Y(t)e4t.
1 1 1 1 1
3) f (t ) = Y (t ) ch 2t + sh 2t − (1 + t ) , g(t ) = Y (t ) sh 2t − t .
4 8 4 8 4
4) f (t) = Y(t)[t + 4].
© Dunod. La photocopie non autorisée est un délit.
Chapitre 7
Introduction à la théorie
des distributions
RAPPELS
( p)
– ϕn converge uniformément vers ϕ sur K, et pour tout p ∈ N∗ , ϕn converge
uniformément vers ϕ( p) sur K.
D
Nous noterons lim D
ϕn = ϕ ou ϕn −−−→ ϕ.
n→+∞ n→+∞
• Une distribution T est une forme linéaire continue sur D, c’est-à-dire une appli-
cation de D dans R qui est :
– linéaire : ∀ϕ, ψ ∈ D, ∀λ,µ ∈ R, T (λϕ + µψ) = λT (ϕ) + µT (ψ) .
– continue : si lim D ϕn = ϕ, alors lim T (ϕn ) = T (ϕ).
n→+∞ n→+∞
Au lieu de T (ϕ), on utilise souvent les notations < T,ϕ >, ou < T (t),ϕ(t) >
lorsque le besoin de faire référence à une variable réelle t se fait sentir.
122 Mathématiques du signal
• Une distribution qui n’est pas régulière est dite singulière. Exemples courants :
– distributions de Dirac : < δ,ϕ >= ϕ(0), < δa ,ϕ >= ϕ(a). On note aussi δa
par δ(t − a).
−ε +∞
1 1 ϕ(t) ϕ(t)
– pseudo-fonction : < Pf ,ϕ(t) >= lim dt + dt .
t t ε→0+ −∞ t ε t
• Si g est de classe C ∞ ,
g(t)δa = g(a)δa (R7.2)
Exercice 7.1
1) y1(t) est de classe C∞ sur , mais n’est pas nulle hors d’un segment donc
sint ∉ D.
2) y2(t) = sintj (t) est de classe C∞ comme produit de fonctions de classe C∞. Comme ϕ est
nulle hors d’un segment, sintϕ (t) aussi. Donc sintϕ (t) ∈ D.
3) Comme j est de classe C∞, les fonctions y3 et y4 peuvent être prolongées par continui-
té en 0. En effet :
ϕ (t ) − ϕ ( 0 )
lim ψ 3 (t ) = lim = ϕ ′( 0 ) = ψ 3 ( 0 )
t →0 t →0 t−0
Note : Dans tous les exercices qui suivent, a, b et c désignent des nombres réels fixés.
7 • Introduction à la théorie des distributions 123
ϕ (t ) − ϕ ( 0 ) + ϕ ( 0 ) − ϕ ( − t )
lim ψ 4 (t ) = lim = 2ϕ ′(0) = ψ 4 (0).
t →0 t →0 t
Comme j, elles sont indéfiniment dérivables sur *, et on peut démontrer en utilisant les
développements limités au voisinage de 0 qu’elles sont indéfiniment dérivables en 0.
Montrons, par exemple, que y3 est dérivable en 0. Pour cela, d’après la définition de la déri-
vation, il faut étudier l’existence de la limite suivante :
ψ (t ) − ψ 3 ( 0 )
lim 3 .
t →0 t−0
ψ 3 (t ) − ψ 3 (0) ϕ (t ) − ϕ (0) − tϕ ′(0)
Or = , pour lever l’indétermination, on fait donc un
t−0 t2
développement limité à l’ordre 2 du numérateur.
t2
Comme ϕ (t ) = ϕ (0) + tϕ ′(0) + ϕ ′′(0) + t 2 ε (t ),
2
t2
le numérateur est égal à ϕ ′′(0) + t 2 ε (t ), où ε (t) tend vers 0 avec t.
2
1
Il s’ensuit que ψ 3′ (0) existe et vaut ψ 3′ (0) = ϕ ′′(0).
2
De même, on pourrait montrer que ψ 3′′ existe en 0, etc. Nous admettrons que y3 est indéfi-
niment dérivable en 0 et qu’elle appartient donc à C∞().
En utilisant la même démarche, on peut démontrer que y4 est de classe C∞.
Pour que ces fonctions soient dans D, il reste à vérifier qu’elles sont nulles hors d’un seg-
ment. Pour t assez grand, ϕ (t) = 0 et j (– t) = 0, donc y4(t) est nulle, par contre
ϕ (0)
ψ 3 (t ) = − , y3 ne sera pas nulle hors d’un segment sauf si j (0) = 0. Donc :
t
ϕ (t ) − ϕ ( 0 ) ϕ (t ) − ϕ ( − t )
∉ D et ∈D .
t t
ϕ (t )
4) y5(t ) = ne peut être prolongée par continuité en 0 que si ϕ (0) = 0 et alors elle est
© Dunod. La photocopie non autorisée est un délit.
t
ϕ (t )
dans D, mais en général ϕ (0) =
/ 0, et ∉D .
t
Exercice 7.2
Si c’est le cas, préciser s’il s’agit ou non d’une distribution régulière, et, dans
l’affirmative, donner une fonction localement sommable à laquelle cette distribu-
tion est associée.
1
1) < T1 ,ϕ >= ϕ(t)dt .
0
1
2) < T2 ,ϕ >= |ϕ(t)| dt.
0
+∞
3) < T3 ,ϕ >= t 2 ϕ(t)dt .
0
+∞
ϕ(t)
4) < T4 ,ϕ >= dt.
1 t −1
+∞
5) < T5 ,ϕ >= ϕ(n) (n).
n=0
6) < T6 ,ϕ >= ϕ(0) + ϕ (1) .
Les applications T1, T3, T5 et T6 sont des distributions, les applications T2 et T4 n’en sont pas.
1) T1 est la distribution régulière associée à la fonction localement sommable f définie par
f (t) = 1 si t ∈ [0,1], f (t) = 0 sinon.
2) T2 n’est pas linéaire. En effet, soit par exemple ϕ une fonction test à valeurs strictement
1 1
positives sur [0,1]. On a donc < T2 ,ϕ >= |ϕ(t)| dt = ϕ(t)dt > 0 . Si T2
0 0
était linéaire, on aurait en particulier < T2 ,−ϕ >= − < T2 ,ϕ > < 0 . Comme
< T2 ,−ϕ >=< T2 ,ϕ > , il y a contradiction.
3) T3 est la distribution régulière associée à la fonction localement sommable Y (t)t 2 .
ϕ(t)
4) Si ϕ est une fonction test telle que ϕ(1) =
/ 0, est équivalente, lorsque t → 1+ , à
t −1
ϕ(1)
qui n’est pas intégrable au voisinage de 1. Donc < T4 ,ϕ > n’est pas défini dans ce
t −1
cas.
5) Soit ϕ une fonction test. Comme ϕ est nulle en dehors d’un segment [a,b], on a pour tout
+∞
n ∈ N, n > b, ϕ(n) (n) = 0. La somme ϕ(n) (n) ne comportant qu’un nombre fini de ter-
n=0
mes non nuls est donc bien définie. La linéarité de T5 résulte immédiatement de la linéarité
de la dérivation.
Donc T5 est bien une distribution, mais < T5 ,ϕ > ne peut pas s’écrire sous la forme d’une
+∞
intégrale f (t)ϕ(t)dt , donc T5 est singulière.
−∞
7 • Introduction à la théorie des distributions 125
+∞
De fait, on a T5 (t) = (−1)n δ(n) (t − n) (cf. chapitre 8).
n=0
Exercice 7.3
−∞ −∞
+∞
+∞
< S(−t), ϕ(t) > = < S(t), ϕ(−t) > = ϕ(−ap) = ϕ(an)
P=−∞ n=−∞
en posant n = – p.
Donc le peigne de Dirac S(t) est pair.
Pour étudier la parité de la distribution gS on calcule :
< g(t)S(t), j (– t) > = < S(t), g(t) j (– t) >.
Comme S est paire, on a : < S(t), g(t) j (– t) > = < S(t), g(– t) j (t) >.
Si g est paire, on obtient donc : <g(t)S(t), j (– t) > = < g(t)S(t), j (t) >, ce qui implique gS
paire (respectivement gS impaire si g est impaire).
126 Mathématiques du signal
2
sin an δ(t − an)
Ta,0 (t ) = δ(t ) + ∑
n ∈*
an
.
2
∑
2
d’où : Tπ / 2,0 (t ) = δ(t ) + 0 + δ(t − (2 p + 1)π / 2) .
p∈
(2 p + 1)π
Pour a = π et b = π /2 on a :
2
∑
1
Tπ ,π / 2 (t ) = δ(t − π (n − 1 / 2)) = Tπ / 2,0 (t ) − δ(t ) .
nπ + π / 2
n ∈
g a =π
b =π
2
0 π 2π 3π 0 π 2π 3π
a=π a =π
b=0 2
b=0
– 3π 0 π 2π 3π 0 π 2π 3π
Exercice 7.4
1 1
1) La distribution appelée pseudo-fonction , notée Pf , est définie par :
t t
+∞ 1 −ε +∞
ϕ (t ) dt .
1 1 1
< Pf , ϕ > = VP
t ∫−∞ t ϕ (t ) dt = εlim
→ 0 ∫−∞ t
ϕ (t ) dt + ∫
+ε t
7 • Introduction à la théorie des distributions 127
Montrer que l’on peut donner de cette distribution la définition suivante ne fai-
sant pas intervenir de limite :
1 +∞ ϕ (t ) − ϕ ( − t )
< Pf , ϕ > =
t 0 t ∫ dt .
1 1
2) Vérifier que t Pf et sin t Pf sont des distributions régulières mais que
t t
1 1
cost Pf est une distribution singulière comme Pf .
t t
1
2) Vérifions que t Pf = [1] , en effet :
t
1 1 −ε tϕ (t ) +∞ tϕ (t ) +∞
< t Pf , ϕ > = < Pf , tϕ > = lim
t t ε → 0 ∫ −∞ t
dt + ∫ε t
dt =
∫
−∞
ϕ (t ) dt = < 1, ϕ > .
1 sin t sin t
De même, on peut vérifier que sin t Pf = car la fonction est prolongeable par
t t t
continuité en 0 et par conséquent localement sommable.
© Dunod. La photocopie non autorisée est un délit.
cost
Par contre, la fonction n’est pas sommable au voisinage de 0 d’après le critère de
t
cos t 1 1
Riemann car . Il s’ensuit que cost Pf est une distribution singulière.
t 0t t
Exercices d’entraînement
En faisant une intégration par partie, montrer que c’est la somme d’un Dirac et
d’une distribution régulière.
7.8 En utilisant la définition du produit d’une distribution par une fonction de classe
C∞, simplifier les distributions suivantes :
Réponses
1 cost
7.5 1) Oui sauf , .
t−a t
1
2) Les seules sommables sur sont exp(– |t|) et .
1 + t2
7.6 Soit f (t) = (1 – |t|)P2(t) + Y(t – 1)lnt, f est une fonction définie sur , continue par mor-
ceaux donc localement sommable. On a :
+∞
T (ϕ ) =
∫
−∞
f (t )ϕ (t ) dt donc T = [f] ∈ D′.
∞
[ ] ∫ 3t ϕ (t ) dt = 4 ϕ (4) − 0 − ∫
4 4
7.7 T (ϕ ) = t 3ϕ (t ) − 2 3
3t 211l [ 0,4 ] (t )ϕ (t ) dt donc T est la somme
0 0 −∞
d’une distribution singulière et d’une distribution régulière :
T = 43δ4 – [3t211[0,4](t)] = 43δ(t – 4) – [3t2P4(t – 2)]
où P4 est la fonction porte de largeur égale à 4.
2 sin π t sin π t
7.8 sin(π t)δ1 = 0, sin(π t / 4)δ1 = δ1 , comme =π → π,
2 t π t t→0
sin π t δ = π δ sin π t
est prolongeable par continuité en t = 0 par p .
t 0 0
t
7 • Introduction à la théorie des distributions 129
dn
7.9 On a : (ϕ ( −t )) = ( −1)n ϕ ( n ) ( −t ) donc :
dt n
dn
< Sn (−t), ϕ(t) > = < Sn (t), ϕ(−t) > = (−1) n (ϕ(−t)) n
dt t=0
= (−1)n (−1)n ϕ(n) (0) = (−1)n < Sn (t), ϕ(t) > ,
donc Sn(– t) = (– 1)nSn(t), et en particulier S0 = δ est paire, S1 = δ′ impaire.
Dérivation, convergence,
convolution des distributions
RAPPELS
• Définition de la dérivée T d’une distribution T :
(gT ) = g T + gT (R8.3)
132 Mathématiques du signal
(S ∗ T ) = S ∗ T = S ∗ T
Exercice 8.1
[ ] +∫
1 1
= − (1 − t 2 )ϕ (t ) − 2t ϕ (t ) dt
−1 −1
= 0 + < −2tP2 (t ), ϕ >
8 • Dérivation, convergence, convolution des distributions 133
et donc : T ′ = [ −2tP2 (t )] .
donc : T ′′ = 2δ1 + 2δ −1 − [2 P2 (t )] .
Et de même :
1
< T ′′′ , ϕ > = − < T ′′, ϕ ′ >= −2ϕ ′(1) − 2ϕ ′( −1) + ∫ −1
2 ϕ ′(t ) dt
= −2ϕ ′(1) − 2ϕ ′( −1) + 2ϕ (1) − 2ϕ ( −1)
–2
dent T ′′′ = −2δ −1 + 2δ1 + 2δ ′−1 + 2δ1′ .
Exercice 8.2
et donc T ′ = [cos t Y (t )] .
donc T ′′ = δ 0 − [sin t Y (t )] = δ 0 − T .
Exercice 8.3
1) La fonction t → ln|t| est continue sur R∗. Elle est donc intégrable sur tout segment
ne
1 −1
contenant pas 0. D’autre part, lim |t| ln|t| = 0, donc au voisinage de 0, |ln|t|| = o |t|
2 2
t→0
et t → ln|t| est donc intégrable au voisinage de 0. Cette fonction est donc localement som-
mable sur R.
Soit ϕ une fonction test. On a :
+∞
< [ln|t|] ,ϕ(t) >= − < [ln|t|],ϕ (t) >= − ln|t|ϕ (t)dt.
−∞
On ne peut effectuer une intégration par parties sur R, car ln|t| = 1t qui n’est pas locale-
ment sommable en t = 0 , mais on peut écrire :
+∞
−ε +∞
© Dunod. La photocopie non autorisée est un délit.
Une intégration par parties sur chacun des intervalles ] − ∞,−ε] et [ε,+∞[ donne :
+∞
−ε +∞
ϕ(t) ϕ(t)
ln|t|ϕ (t)dt = lim ϕ(−ε) ln ε − dt − ϕ(ε) ln ε − dt ,
−∞ ε→0+ −∞ t ε t
−ε +∞
ϕ(t)
donc < [ln|t|] ,ϕ(t) >= lim [ϕ(ε) − ϕ(−ε)] ln ε + lim + dt .
ε→0+ ε→0+ −∞ ε t
Par la formule des accroissements finis, il existe θ ∈] − 1,1[ tel que ϕ(ε) − ϕ(−ε) = 2εϕ (θε) ,
donc :
lim [ϕ(ε) − ϕ(−ε)] ln ε = lim 2ϕ (θε)ε ln ε = 2ϕ (0) lim ε ln ε = 0.
ε→0+ ε→0+ ε→0+
136 Mathématiques du signal
ε +∞
ϕ(t) 1
D’autre part, lim + n’est autre que < Pf ,ϕ(t) >, d’où le résultat
dt
ε→0+ −∞ ε t t
demandé.
2) a) On a ln|at| = ln|t| + ln|a| et ln|bt| = ln|t| + ln|b|, donc f a,b (t) = ln|t| + ga,b (t) , où
ga,b est la fonction définie par ga,b (t) = ln|a| si t > 0 et ga,b (t) = ln|b| si t < 0 . Cette fonc-
tion est localement sommable (fonction en escalier). Comme t → ln|t| est aussi localement
sommable, f a,b est localement sommable.
1
b) On a f a,b = [ln|t|] + ga,b = Pf + ga,b . D’autre part :
t a
ga,b = ga,b + ga,b (0+) − ga,b (0−) δ = ln δ.
b
0 ln|a|−ln|b|
a
1
On en déduit que f a,b = Pf + ln δ.
t b
1
On peut remarquer que pour tout t =
/ 0 on a f a,b (t) = , mais que cela n’implique pas que
t
1
f a,b = Pf .
t
Exercice 8.4
1) Soit la fonction f (t) = |sint| et soit f0 la fonction égale à f sur [0,π] et nulle
ailleurs. Expliciter la fonction f à l’aide de f0 et de translatées de f0 . Tracer le
graphe de f et expliciter ses dérivées première et seconde à l’aide de f0 , f0′ et f0′′.
Tracer les graphes de f ′ et f ′′.
2) Expliciter les dérivées première et seconde de la distribution [ f ].
1) Si f est une fonction périodique de période T, en notant f0 la fonction égale à f sur [0,T [
et nulle ailleurs, on peut écrire f sous la forme d’une somme infinie de translatées de f0 :
f (t ) = ∑ f (t − nT ).
n ∈
0
On a donc f (t ) = ∑ f (t − nπ ) =∑ sin(t − nπ ) 1l
n ∈
0
n ∈
]0,π [ (t − nπ ).
t
–π 0 π 2π
f′
–π t
0 π 2π
–π –1
f ′′
–π 0 π 2π
t
–1
1) Pour tout ϕ ∈ D on a < (T (at)) ,ϕ(t) >= − < T (at),ϕ (t) >
1 t
= − < T (t), ϕ >.
|a| a
1 t
D’autre part, < aT (at),ϕ(t) >= a < T (at),ϕ(t) >= a < T (t), ϕ >
|a| a
1 t t 1 t
= −a < T (t), ϕ > . Comme ϕ = ϕ , on a :
|a| a a a a
1 t
< aT (at),ϕ(t) > = −a < T (t), ϕ >
|a|a a
1 t
= − < T (t), ϕ >=< (T (at)) ,ϕ(t) > .
|a| a
Exercice 8.6
1) Soit g une fonction de classe C∞. En comparant les résultats obtenus en dérivant
de deux façons différentes g(t)δ, trouver l’expression simplifiée de g(t)δ′.
Application : calculer exp(at)δ′, t δ′, t2 δ′.
2) Généralisation : en utilisant la définition du produit d’une distribution par une
fonction, expliciter g(t)δ(n) à l’aide des g(n)(0), dérivées successives de g en 0
(calculer d’abord g(t)δ′ et g(t)δ′′).
On en déduit :
exp(at)δ′ = δ′ – aδ, tδ′ = – δ, t2δ′ = 0.
vation on obtient :
∀ ϕ ∈ D, < gδ′, ϕ> = <δ′, gϕ> = – <δ, (gϕ)′>.
Or : (gϕ)′ = g′ϕ + gϕ′,
donc : – <δ, (gϕ)′> = – g′(0)ϕ(0) – g(0)ϕ′(0) = <– g′(0)δ + g(0)δ′, ϕ>
De même, sachant que (gϕ)′′ = g′′ϕ + 2g′ϕ′ + gϕ′′, et que, quelle que soit ϕ on a :
<gδ′′,ϕ> = <δ′′, gϕ> = (–1)2<δ, (gϕ)′′> = g(0)ϕ′′(0)+2g′(0)ϕ′(0) + g′′(0)ϕ(0)
n
d’où : g(t )δ ( n ) = ∑ (−1)
p=0
p
Cnp g ( p ) (0)δ ( n − p ) .
Exercice 8.7
1) D’une façon générale, les solutions d’une équation linéaire non homogène (avec second
membre) sont la somme d’une solution particulière de l’équation non homogène et de la
solution générale de l’équation homogène (sans second membre). Vérifions-le dans le cas
particulier considéré.
Soit S une distribution connue, on cherche T telle que : tT = S.
Si on connaît une solution particulière T0 alors : tT0 = S.
8 • Dérivation, convergence, convolution des distributions 141
T =
sin t
forme : + Aδ .
t
cost
2) La fonction n’est pas localement sommable au voisinage de 0, donc elle ne peut
t
1
définir une distribution régulière. Par contre, il est facile de vérifier que cost Pf est solu-
t
1
tion de l’équation, et donc T = cos t Pf + Aδ .
t
δ 1
3) L’écriture n’a pas de sens car la fonction n’est pas définie en 0 et a fortiori elle
t t
n’est pas de classe C∞ sur . Cependant dans l’exercice précédent on a vu que tδ′ = – δ,
donc l’équation t T = δ a une solution particulière T0 = – δ′, et toutes les solutions sont de
la forme T = − δ ′ + Aδ .
4) a) Une translation de – a donne (t – a + a)T(t + a) = t T(t + a) = 0. Cette dernière équa-
tion a pour solution T(t + a) = Aδ(t). Après une translation de a des deux membres, on
obtient T(t ) = Aδ(t – a) qui peut aussi s’écrire :
T = Aδ a .
δa δ
b) Puisque a =
/ b, = a est solution. Toutes les solutions sont donc de la forme :
t−b a−b
© Dunod. La photocopie non autorisée est un délit.
δa
T= + Aδ b .
a−b
c) Soit S = (t – b)T, alors (t – a)(t – b)T = 0 ⇔ (t – a)S = 0 et donc S = Cδa où C est une
constante arbitraire.
Il faut donc résoudre maintenant l’équation (t – b)T = Cδa .
δa δ
/ b, il y a une solution particulière T0 = C
Comme a = =C a .
t−b a−b
Exercice 8.8
dt
1) Calculons les intégrales par parties, en posant U = ϕ (t) et dV = . On a alors dU =
t2
1
ϕ′(t)dt et V = − et il vient :
t
− ε ϕ (t ) −ε − ε ϕ ′(t ) − ε ϕ ′(t )
dt = − ϕ (t ) +
1 1
∫−∞ t 2
t −∞ ∫−∞ t
dt = ϕ ( − ε ) +
ε ∫−∞ t
dt ,
+∞ ϕ (t ) +∞ +∞ ϕ ′(t ) +∞ ϕ ′(t )
dt = − ϕ (t ) +
1 1
∫ε t 2
t ε ∫ ε t
dt = ϕ (ε ) +
ε ∫ ε t
dt ,
− ε ϕ ′(t ) +∞ ϕ ′(t )
Lorsque ε → 0+, la quantité ∫ −∞ t
dt + ∫ε t
dt tend vers une limite finie, qui n’est
1
autre que Pf , ϕ ′(t ) . D’autre part, la formule des accroissements finis permet d’écrire :
t
ϕ (ε) = ϕ (0) + εϕ′(0) + o(ε), ϕ (– ε) = ϕ (0) – εϕ′(0) + o(ε)
8 • Dérivation, convergence, convolution des distributions 143
ϕ (ε ) + ϕ ( −ε ) − 2ϕ (0)
et donc : = o(1),
ε
donc cette quantité tend vers 0 lorsque ε → 0+. Il s’ensuit que :
− ε ϕ (t ) +∞ ϕ (t ) 2 1
lim
ε →0 + ∫−∞ t 2 dt + ∫ε t2
dt − ϕ (0) = Pf , ϕ ′(t ) .
ε t
Y ( − t − ε ) + Y (t − ε ) 2
Tε (t ), ϕ (t ) = − ε δ(t ), ϕ (t )
t2
Y ( −t − ε ) Y (t − ε )
= , ϕ (t ) +
2
, ϕ (t ) − δ(t ), ϕ (t )
t 2
t 2
ε
+∞ Y ( −t − ε )ϕ (t ) +∞ Y (t − ε )ϕ (t ) 2
= ∫
−∞ t2
dt + ∫ −∞ t 2 dt − ϕ ( 0 )
ε
− ε ϕ (t ) +∞ ϕ (t ) 2
= ∫
−∞ t 2 dt + ∫ ε t 2 dt − ϕ (0).
ε
1 ′
Pf , ϕ ′(t ) = − Pf , ϕ (t ) ,
1
t t
1 ′
on en déduit que : lim+ Tε (t ) = − Pf .
ε →0 t
Exercice 8.9
© Dunod. La photocopie non autorisée est un délit.
Soit Ci la fonction appelée cosinus intégral, définie sur *, paire, et telle que, pour
t cos(θ )
t < 0, on ait : Ci(t ) =
−∞ θ
dθ . ∫
1) Calculer la dérivée de la fonction Ci pour t < 0 et pour t > 0.
2) Montrer que Ci est sommable sur tout segment. Soit [Ci] la distribution régu-
1
lière associée. Montrer que sa dérivée est [Ci(t )]′ = cost Pf .
t
144 Mathématiques du signal
1) Pour t < 0, on dérive une intégrale par rapport à sa borne supérieure, et donc :
d cost
Ci(t ) = .
dt t
Par ailleurs, on sait que la dérivée d’une fonction paire est impaire, donc :
cos( −t ) cos t
Ci(t ) = − Ci ( −t ) = −
d d
pour t > 0, = .
dt dt −t t
d cost
On a donc pour tout t de * : Ci(t ) = .
dt t
2) Comme Ci est dérivable sur *, elle y est continue donc sommable sur tout segment
inclus dans *. Il reste à montrer que Ci est sommable au voisinage de 0, et, comme Ci est
0
paire, il suffit de montrer l’existence de ∫ −ε
Ci(t )dt pour un nombre ε > 0. On peut donc
chercher à préciser le comportement de Ci(t) au voisinage de 0 pour t < 0. On peut écrire
pour t < 0 :
Puisqu’une fonction constante est sommable sur [– e,0], il reste à montrer que la fonction
définie par la dernière intégrale est aussi sommable sur [– e,0]. Or pour – π /2 < – e, comme
– e < t < 0, et que – p /2 < θ < t,
t 1 t cos θ
on a : 0 < cosθ < 1, donc :
−π / 2 θ ∫
dθ <
−π / 2 θ
dθ < 0 , ∫
π t cos θ
ou encore : ln t − ln
2
< ∫−π / 2 θ
dθ < 0 . (2)
On sait que la fonction ln |t| est sommable sur [– ε,0] ainsi que toute fonction constante. La
t cos θ
fonction ∫
−π / 2 θ
dθ est négative et minorée par une fonction sommable sur [– e,0], par
−ε +∞
< [Ci]′ , ϕ > = − lim
ε →0 ∫ −∞
Ci(t )ϕ ′(t ) dt + ∫ +ε
Ci(t )ϕ ′(t ) dt .
8 • Dérivation, convergence, convolution des distributions 145
En intégrant par parties, et en utilisant la parité de Ci et le fait que j est nulle hors d’un seg-
ment, on obtient :
−ε +∞
< [Ci]′ , ϕ > = lim (ϕ (ε ) − ϕ ( −ε ))Ci(ε ) +
ε →0 ∫−∞
Ci(t )ϕ ′(t ) dt + ∫+ε
Ci(t )ϕ ′(t ) dt .
lim
(ϕ (ε ) − ϕ (−ε )) = 2ϕ ′(0).
ε →0 ε
Par ailleurs, en utilisant les relations (1) et (2) on obtient :
π π
ln t − ln < Ci(t ) − Ci < 0 pour – π /2 < t < 0.
2 2
π π π
On en déduit : ε ln ε − ε ln + ε Ci < ε Ci(ε ) < ε Ci ,
2 2 2
(ϕ (ε ) − ϕ (−ε )) ε Ci(ε ) = 0 .
et donc lim ε Ci(ε ) = 0 . Par conséquent lim
ε →0 ε →0 ε
On a donc :
−ε +∞
< [Ci]′ , ϕ > = lim
ε →0 −∞∫ Ci ′(t )ϕ (t ) dt +
+ε ∫
Ci ′(t )ϕ (t ) dt
−ε cos t +∞ cos t
= lim
ε →0 −∞∫ t
ϕ ( t ) dt + ∫
+ε t
ϕ ( t ) dt
1 1
= < Pf ,cos tϕ (t ) > = < cos tPf , ϕ (t ) > .
t t
Exercice 8.10
© Dunod. La photocopie non autorisée est un délit.
n
1) 2) nt n1l [0,1](t)
1 + n2t 2
n
n
1
1
t t
0 0 1
1
1
–π
1
–π n 0 –1 – n
t t
π π 0 1 1
n n
n
∀ϕ∈D < , ϕ (t ) > → πϕ (0) = π < δ 0 , ϕ >
1 +n2t 2 n →+∞
n D′
on a donc : 2 2 → π δ0 .
1 + n t n→+∞
8 • Dérivation, convergence, convolution des distributions 147
L’intégrale Jn tend vers 0 d’après le théorème de convergence dominée. En effet, sur [0,1],
n n +1
on a |t n+1| 1 et donc t ϕ ′(t ) M puisque toute fonction test est bornée.
n +1
n
Lorsque n tend vers +∞, → 1 et comme, sur [0,1] la quantité t n+1 converge vers 0
n + 1 n→+∞
presque partout, on en déduit que Jn tend vers 0.
D′
c’est-à-dire : nt n11l [ 0,1](t ) → δ1 .
n →+∞
3) D’après l’allure des graphes des fonctions, on peut penser que la suite tend au sens des
distributions vers kδ′0 .
Première méthode : pour faire intervenir ϕ′, on fait une intégration par parties. On a :
π
< fn (t ), ϕ (t ) > = < n 2 sin nt 11
l
π π (t ), ϕ (t ) > =
− n , n
∫ −
n
π
n
n 2 sin nt ϕ (t ) dt .
π π
On obtient : < fn (t ), ϕ (t ) > = [ − n cos ntϕ (t )] n π − ∫
n
π − n cos nt ϕ ′(t ) dt .
− −
n n
π
π π
On a : [−n cos nt ϕ (t )]− π n
= n ϕ − ϕ − → 2πϕ ′(0)
n
n n n→∞
© Dunod. La photocopie non autorisée est un délit.
ϕ (ε ) − ϕ ( − ε ) ϕ ( ε ) − ϕ ( 0 ) + ϕ ( 0 ) − ϕ ( − ε ) 2ϕ ′(0)
= → = ϕ ′(0). (1)
2ε 2ε ε →0 2
Par ailleurs, en utilisant le théorème de convergence dominée :
π
π π
cos u ϕ ′ du →
u
∫ n cos nt ϕ ′(t ) dt = ∫ ∫ cos u ϕ ′(0) du = 0 ⋅ ϕ ′(0).
n
π
−
n
−π n n→∞ −π
D′
Donc : [n 2 sin nt11l π π (t )] → − 2π δ ′0 .
− , n →+∞
n n
148 Mathématiques du signal
d’où, en posant u = nt :
π u u
< fn (t ), ϕ (t ) >= ∫ n sin u ϕ − ϕ − du .
0 n n
u
Si |u| π, alors ε = tend vers 0 et donc d’après la définition de la dérivée (1) :
n
n u u
2u sin u ϕ − ϕ − → 2u sin uϕ ′(0).
2u n n ε →0
π π
Comme : ∫ 0
2u sin u du = [ −2u cos u]π0 − ∫
0
− 2 cos u du = 2π + 0
on en déduit :
< n 2 sin nt11
l π π (t ), ϕ (t ) > → 2π ϕ ′( 0 ) = −2π < δ ′, ϕ >
n →+∞
− n , n
D′
c’est-à-dire : [n 2 sin nt11l π π (t )] → − 2π δ ′0 .
n →+∞
− n , n
1/ n
< fn (t ), ϕ (t ) > = ∫ n (1 − nt )(ϕ (t ) − ϕ (−t )) dt
2
0
u u
= ∫ n(1 − u) ϕ − ϕ − du .
1
0 n n
Exercice 8.11
u( x ) = 1 − x 2 11l [ −1,1] ( x )
est sommable.
2) Expliciter les fonctions suivantes pour n > 1 puis tracer leurs graphes :
fn ( t ) = u gn (t ) = u
1 t t
hn (t ) = n u(nt )
n n n
1) Comme la fonction u est définie et continue sur et nulle hors du segment [– 1,1], elle
est sommable sur .
n 2 − t 2 1l 1 f1
2) On a fn (t ) = 1[ − n,n ] (t )
n2 1/2
f2
–2 –1 0 1 2 t
1
n2 − t 2 g2
gn (t ) = 11
l [ − n, n ] (t ) g1
n
–2 –1 0 1 2 t
2
h2
hn (t ) = n 1 − n 2 t 2 11
l 1 1 (t )
© Dunod. La photocopie non autorisée est un délit.
− n , n 1
h1
–1 0 1/2 1 t
n 2 − t 2 1l n 1
3) Comme fn ( t ) = 2 1[ − n,n ](t ) 2 = , les fonctions fn convergent uniformé-
n n n
ment vers 0 sur , dans ce cas les distributions régulières [ fn] convergent vers la distribu-
tion nulle. En effet, soit [– A, A] un segment en dehors duquel ϕ est nulle :
n n2 − t 2 1 A
< fn (t ), ϕ (t ) > = ∫−n n 2 ϕ (t ) dt
n ∫−A
ϕ ( t ) dt → 0 .
n→+∞
150 Mathématiques du signal
n 2 − t 2 1l D′
Donc : 2 1[ − n,n ] (t ) → 0 .
n n →+∞
n2 − t 2
Par contre ici, gn (t ) = → 1, les fonctions gn ne convergent pas uniformément
n n →+∞
vers 1 sur , mais comme elles convergent uniformément vers 1 sur tout intervalle borné (cf.
exercice 1.5), les distributions régulières [gn] convergent vers la distribution constante et
égale à 1. On peut d’ailleurs le vérifier directement en utilisant le théorème de convergence
dominée :
A n2 − t 2 A +∞
< gn (t ), ϕ (t ) > = ∫
−A n
ϕ (t ) dt →
n →+∞ ∫ −A
ϕ (t ) dt = ∫
−∞
ϕ (t ) dt ,
n 2 − t 2 1l D′
et donc : 1[ − n,n ] (t ) → 1 .
n n →+∞
Pour montrer que les fonctions hn tendent au sens des distributions vers un Dirac en 0, on
peut procéder comme dans l’exercice 8.10, 1) et utiliser le changement de variable y = nt,
on a alors :
∞
u( x )ϕ dx .
1 x
∀ϕ∈D < hn (t ), ϕ (t ) > = ∫ −∞
n u(nt )ϕ (t ) dt = ∫−1 n
Comme |x| 1, et que les fonctions tests sont continues, lorsque n tend vers +∞ on obtient :
1 − x 2 ϕ dx → ϕ (0)
1 x 1
∫−1 n n→+∞ ∫−1
1 − x 2 dx
et comme :
1 π /2 π /2 1 + cos 2θ
π /2 π
∫ −1
1 − x 2 dx = ∫
−π / 2
1 − sin 2 θ cos θ dθ = ∫ −π / 2
cos 2 θ dθ = ∫ −π / 2 2
dθ =
2
on en déduit que :
π π
∀ϕ∈D < hn (t ), ϕ (t ) > → ϕ (0) = < δ 0 , ϕ > .
n →+∞ 2 2
D′ π
Donc : n 1 − n 2 t 2 1l1 1 1 (t ) → δ0 .
− , n →+∞ 2
n n
8 • Dérivation, convergence, convolution des distributions 151
Exercice 8.12
A exp( − n 2 t 2 )
∫0 t
(ϕ (t ) − ϕ (−t )) dt n→+∞
→ 0.
+∞ 1 1
Donc : < fn (t ), ϕ (t ) > →
n →+∞ 0 ∫ t
(ϕ (t ) − ϕ (−t )) dt = < Pf
t
, ϕ (t ) >
1 − exp( − n 2 t 2 ) D′ 1
en utilisant l’exercice 7.4. On a donc : → Pf
n→+∞ .
t t
A ∞
en effet : < tfn (t ), ϕ (t ) > → ∫
n → +∞ − A
ϕ ( t ) dt = ∫−∞
ϕ (t ) dt = < 1, ϕ > .
D’après (R8.4), la limite T de [ fn(t)] doit donc vérifier t T = 1. On a vu que les solutions de
1
cette équation sont T = Pf + aδ, avec a réel (cf. exercice 8.7).
t
Comme [ fn] est impaire, sa limite doit être impaire aussi, or la distribution de Dirac en 0 est
1
paire, donc : T = Pf .
t
Exercice 8.13
Comme ϕ (t) est nulle à l’infini, le terme entre crochets est nul. On a :
+∞ n
< [ fn ], ϕ > =
−∞ 2 ∫
exp( − n 2 t 2 ) ϕ ′(t ) dt =< [ Fn ], ϕ ′ > = − < [ Fn ]′ , ϕ >
u
Quand n → +∞ , ϕ( ) → ϕ(0).
n
D’après le théorème de convergence dominée :
√
1 +∞ π
lim [Fn ],ϕ = ϕ(0) exp(−u 2 )du = ϕ(0), ∀ϕ ∈ D.
n→+∞ 2 −∞ 2
√
π
Donc [Fn ] → δ.
2
Comme [ fn] = – [Fn]′ et avec (R8.5), on en déduit que :
π
[ fn ] → − δ′ .
n →+∞ 2
Exercice 8.14
1) Pour dériver un produit de convolution au sens des distributions, il suffit de dériver l’un
des facteurs, donc :
([Y ] * T)′ = [Y ] * T ′ = [Y ]′ * T = δ * T = T
car δ est l’élément neutre pour le produit de convolution.
S(t ) =
p0
∑
δ(t − p) *
q 0
∑
δ(t − q ) =
∑ δ(t − p) * δ(t − q).
p0
q 0
S(t ) = ∑
p0
δ(t − ( p + q)) = ∑ ∑
n 0 p + q = n
∑
δ(t − ( p + q )) =
n 0
(n + 1) δ(t − n)
q 0
= ∑ (n + 1) [Y (t − n)] = ∑ (n + 1) Y (t − n) .
n 0 n 0
fonction en escalier nulle pour t < 0 et qui est définie pour t ∈ [n, n+1[, n entier positif ou
nul, par :
n n +1
(n + 1)(n + 2)
f (t ) = ∑
k =0
( k + 1) = ∑p=
p =1
2
.
Exercices d’entraînement
8.15 1) Calculer les dérivées des distributions suivantes en utilisant (R8.1) puis (R8.2) :
a) [Y(t – a)], b) [sgnt],
c) [E(t)] où E(t) = n ∈ avec n t < n + 1.
2) Calculer les dérivées des distributions suivantes en utilisant (R8.2) puis (R8.3) :
[|t|]= t[sgnt], sht[Y(t – a)], [|sht|], [|cht|].
8.16 Montrer que l’ application T de D dans suivante, est une distribution réguliè-
re associée à une fonction f que l’on précisera.
1 +∞
T (ϕ ) = ∫−1 / 2
cos πt ϕ (t ) dt + ∫ 1
ϕ (t ) dt .
d 2T
8.18 Calculer S = + ω 2 T pour les distributions régulières Ti suivantes :
dt 2
sin ωt
T1 = [Y(t)sinω t] T2 = [Y(t)cosω t] T3 = Y (t)
t
8.19 1) Calculer les dérivées des distributions régulières suivantes :
T1 = [Y(ω t – π)] T2 = [Y(ω (t – π))]
2) Montrer que si f est dérivable sur \{a}, alors pour tout réel ω on a :
[ f(ω t)]′ = ω [ f ′(ω t))] + ( f (a+) – f (a–))δa/ω .
8.20 Calculer la dérivée nième de la distribution régulière T = [|sht|] (on distinguera les
cas n pair et n impair).
8.21 Trouver toutes les distributions T solutions des équations suivantes :
1) t nT = δ 2) tT = ∑ (−1) δ
n ∈
n
n
8.22 Pour tout entier n strictement positif, soient fn et gn les fonctions définies par :
0 pour t 0 0 pour t 0
1
fn (t ) = t 1 / n pour 0 < t < 1 gn (t ) = ( n −1) / n pour 0 < t < 1
1 pour 1 t nt
0 pour 1 t
Graphe des fonctions fn et gn . Préciser les limites des suites [ fn] et [gn].
8.23 Quelle est la limite au sens des distributions de la suite { fn} avec :
fn(t) = Y(t)n2 t exp(– nt) ?
8.24 Soit f (t) = Y(t)lnt, où Y(t) est la fonction échelon.
1) Vérifier que f est localement sommable. Vérifier que cette fonction est dérivable
presque partout. La fonction f ′ est-elle localement sommable ? Peut-on définir [ f ]′
en utilisant (R8.2) ?
2) Montrer que la distribution régulière T = [Y(t)lnt] peut être définie comme la limite
quand ε tend vers 0 de la suite de distributions régulières :
© Dunod. La photocopie non autorisée est un délit.
Tε = [Y(t – ε )lnt].
Y (t − ε)
T = lim+ ln εδ(t) +
ε→0 t
Y (t) Y (t)
Cette distribution, appelée pseudo-fonction , est notée P f
t t
156 Mathématiques du signal
Y (t )
8.25 Soit f (t ) = , où Y(t) est la fonction échelon.
t
1) Vérifier que f est localement sommable. Montrer que sa dérivée f ′ qui est défi-
nie sur *, n’est pas localement sommable.
Y (t − ε )
2) On note Tε la distribution régulière associée à fε (t ) = . Calculer la
t
distribution dérivée Tε′.
3) Vérifier que Tε tend vers [ f ] quand ε tend vers 0. En déduire l’expression de
Y (t )
la distribution dérivée de [ f ] qui est notée Pf .
t3/ 2
4) Généralisation : soit T est une distribution régulière associée à une fonction f,
nulle sur ]– ∞,0[. Si la dérivée f ′ est définie sur * et non sommable au voisina-
ge de 0, montrer que T ′ peut être définie comme limite de distributions.
8.26 1) En partant de la définition du produit de convolution, calculer les produits de
convolution suivants :
δa * δb′ Y(t) * δb′ δa * 1 .
D′
2) Vérifier que si a tend vers +∞, alors δ a → 0.
n →+∞
Réponses
8.15 1) δa , 2δ , δn
n∈Z
2) [|t|]′= [sgnt]+ 2tδ = [sgnt], (sht[Y(t – a)])′ = cht[Y(t – a)] + shaδa ,
[|sht|]′ = cht[sgnt], [|cht|]′ = |sht| +2δ .
Comme f est continue, elle n’a pas de saut et T f′ = Tf ′ . Par contre, f ′ a des sauts et on a :
T f′′ =Tf ′′ + δ–2 + δ–1 + δ1 + δ2 .
sin ω t − ω t cos ω t
8.18 S1 = w δ, S2 = δ′, S3 = 2Y (t ) + ω δ′ .
t3
8.19 T1′ = ω δ(ω t − π ) = δ π / ω , T2′ = ω δ(ω (t − π )) = δπ .
8.20 T ′ = [cht sgnt], T ′′ = T + 2δ,
k −1 k −1
Pour k 1 : T ( 2 k +1) = T ′ + 2 ∑
p=0
δ ( 2 p+1) , T ( 2 k ) = T + 2 ∑δ
p=0
(2 p)
.
p=0
2) On a ∑ (−1) δ
n∈
n
n = S + δ 0 avec S = ∑ (−1) δ .
n∈*
n
n
( −1)n
L’équation t T = S a pour solution particulière T1 = ∑
n∈ *
n
δn .
( −1) n
T = T1 + T0 + Aδ 0 = ∑
n∈*
n
δ n − δ ′0 + Aδ 0 .
158 Mathématiques du signal
8.22 La fonction fn est continue, dérivable pour t =/ 0 et t =/ 1, et la dérivée fn′ est presque par-
tout égale à gn . Comme [ fn] tend vers Y(t), [gn] = [ fn]′ tend vers δ(t) (cf. (R8.5)).
8.23 Les fonctions fn sont continues, positives, nulles pour t = 0 et pour t tendant vers +∞.
Comme fn′(t) = Y(t)n2(1 – nt)exp(– nt), le maximum est atteint pour t = 1/n, et il vaut n/e.
Pour t fixé strictement positif, fn(t) tend vers 0 pour n tendant vers +∞, car l’exponentielle
impose sa limite au polynôme n2. Donc la suite { fn} converge ponctuellement vers la fonc-
tion nulle sur . On fait le changement de variable u = nt dans :
+∞ +∞
u exp( −u)ϕ du .
u
< fn (t ),ϕ (t ) > =
∫ 0
n2t exp( − nt )ϕ (t ) dt =
∫ 0 n
Comme ϕ est continue et bornée, (R4.3) permet de montrer que :
+∞
lim [ fn ] = δ(t )
n→+∞ ∫ 0
u exp( −u) du = δ(t ).
Y (t − ε )
T ′ = lim+ ln ε δ(t − ε ) +
ε →0 t
Y (t − ε )
= lim+ ln ε (δ(t − ε ) − δ(t )) + ln ε δ(t ) +
ε →0 t
Y (t ) = lim ln ε δ(t ) + Y (t − ε ) ,
d’où : T ′ = [Y (t ) ln t ]′ = Pf
t ε → 0 + t
c’est-à-dire :
+∞ ϕ (t )
∀ j ∈ D, < T ′, ϕ > = lim+ ln εϕ (0) +
ε →0 ∫ ε t
dt .
Y (t )
8.25 1) Dans * f ′(t ) = , pas sommable au voisinage de 0, donc elle ne peut définir une
t3 / 2
distribution régulière. Par contre f est localement sommable, mais non sommable à +∞.
Comment est alors définie [ f ]′ ?
d Y (t − ε ) δ (t − ε ) 1 Y (t − ε ) δ (t − ε ) Y (t − ε )
2) Tε′ = = 1/ 2 − = 1/ 2 − .
dt t1 / 2 t 2 t3 / 2 ε 2t 3 / 2
A ϕ (t ) A ϕ (t )
3) < Tε ,ϕ > = ∫ε t 1/ 2 dt →
ε →0 0∫ t1 / 2
dt = < f ,ϕ > , donc [ f ] = lim Tε .
ε →0
8 • Dérivation, convergence, convolution des distributions 159
ϕ (ε ) +∞ ϕ (t )
= < Pf 3 / 2 , ϕ (t ) > .
Y (t )
< [ f ]′ , ϕ > = lim < Tε′, ϕ > = lim 1 / 2 −
ε →0 ε →0 ε ∫ε 2t 3 / 2 dt
t
4) On peut définir T comme la limite de Tε = [Y(t – ε) f (t)]. D’après (R8.5) T ′ est la limite
de Tε′ = f (ε)δ(t – ε) + [Y(t – ε) f ′(t)].
8.26 1) δa * δb′ = δ′a +b , Y(t) * δb′ = δb , δa * 1 = 1.
2) lim (δ a ∗ 1) = 1 et ( lim δ a ) ∗ 1 = 0 .
a→+∞ a→+∞
3) f (t ) = 2
Y (t )
( a + 1)2
(
( −2 a + ( a 2 + 1) t )exp( at ) + 2 a cos t + ( a 2 − 1)sin t . )
8.29 Tf = [ f ], δ′ * Tf = [ f ]′ = [ f ′] + f (a+)δ,
δ′′ * Tf = [ f ]′′ = [ f ′′] + f ′(a+)δ + f (a+)δ′, d’où :
[ f ′′ – 3f ′ + 2f ] + f ′(a+)δ + f (a+)δ′ – 3f (a+)δ = a δ + b δ′.
D’où le résultat en identifiant les parties régulières et singulières.
© Dunod. La photocopie non autorisée est un délit.
Chapitre 9
Transformées de Fourier
et de Laplace des distributions.
Transformée en z des signaux
numériques
RAPPELS
I. Transformation de Fourier
© Dunod. La photocopie non autorisée est un délit.
• Formulaire succinct :
– L(T (t − a))( p) = e−ap L(T )( p) .
© Dunod. La photocopie non autorisée est un délit.
– L T (m) ( p) = pm L(T )( p).
– L(δ)( p) = 1. On en déduit que L(δa )( p) = e−ap et L δ(m) ( p) = pm .
• Remarque importante : lorsque l’on connaît une solution particulière T0 de
l’équation en la distribution inconnue T suivante : (1) gT = U, où g est une fonc-
tion C ∞ et U une distribution donnée, les solutions de (1) sont de la forme
T = T0 + S, où S est solution de l’équation « homogène » (2) gT = 0.
On utilisera souvent ce résultat dans le cas où g(t) = t k , les solutions de (2) étant
dans ce cas les distributions de la forme S = a0 δ + a1 δ + . . . + ak−1 δ(k−1) , où
les ai sont des constantes arbitraires.
164 Mathématiques du signal
III. Transformation en z
définie lorsque ces deux limites existent. Les résultats sur les séries de Laurent
montrent que :
– soit le domaine de définition de Tz ( f ) est vide.
– soit Tz ( f ) est définie sur C tout entier.
– soit il existe r et R, avec 0 r R +∞, tels que Tz ( f )(z) soit définie pour
r < |z| < R, et non définie pour |z| < r et |z| > R. Sur les cercles |z| = r et
|z| = R, Tz ( f )(z) peut être définie en certains points, non définie en d’autres.
L’ensemble C(r,R) = {z ∈ C/r < |z| < R} est la couronne (ouverte) de
convergence de Tz ( f ).
– Tz ( f ) est définie en 0 si et seulement si f (n) = 0 pour tout n ∈ N∗ .
Dans ce cas, on a r = 0 et, si R > 0, Tz ( f ) est définie sur le disque
D(0,R) = {z ∈ C/|z| < R}, non définie pour |z| > R.
– si f est causal, alors R = +∞, et si r est fini, la couronne de convergence de
Tz ( f ) est C(r,+∞), soit {z ∈ C/|z| > r}.
• Formulaire succinct :
Soit f un signal numérique, Tz ( f ) sa transformée en z supposée définie pour
r < |z| < R.
Tz ( f )(z)
– Tz ( f (n − n 0 ))(z) = , pour r < |z| < R.
z n 0
z
– Tz (a n f (n))(z) = Tz ( f ) , pour ar < |z| < a R.
a
– Tz (n f (n))(z) = −z Tz ( f ) (z), pour r < |z| < R.
1 1 1
– Tz ( f (−n))(z) = Tz ( f ) , pour < |z| < .
z R r
– Si f est causal, lim Tz ( f )(x) = f (0). Si de plus lim f (n) = , Tz ( f ) est
x→+∞ n→+∞
définie en tout z tel que |z| > 1 et lim (x − 1)Tz ( f )(x) = .
x→1+
9 • Transformées de Fourier et de Laplace des distributions. 165
n
– Soit f ∗ g le signal numérique défini par ( f ∗ g)(n) = f (k)g(n − k), où f
k=0
et g sont deux signaux numériques causaux, de transformées en z supposées
toutes deux définies pour |z| > r .
Alors pour tout z tel que |z| > r on a Tz ( f ∗ g)(z) = Tz ( f )(z)Tz (g)(z) .
Exercice 9.1
Première méthode :
1 + cos 4π ω t
On a : cos 2 2π ω t = ,
2
1
cos 4π ω t = (exp( 4iπ ω t ) + exp( − 4iπ ω t )),
2
1
F([cos 4π ω t ])(ν ) = (δ(ν − 2ω ) + δ(ν + 2ω )), F([1])(ν ) = δ(ν ),
2
1
donc : F([cos 2 2π ω t ])(ν ) = (2δ(ν ) + δ(ν − 2ω ) + δ(ν + 2ω )).
4
Seconde méthode :
1
On a : F([cos 2π ω t ])(ν ) = (δ(ν − ω ) + δ(ν + ω )).
2
Comme : cos22π ω t = cos2π ω t ⋅ cos2π ω t, on a (R9.4) :
F([cos 2 2π ω t ])(ν ) = F([cos 2π ω t ])(ν ) ∗ F([cos 2π ω t ])(ν )
1
= (δ(ν − ω ) + δ(ν + ω )) ∗ (δ(ν − ω ) + δ(ν + ω ))
4
© Dunod. La photocopie non autorisée est un délit.
1
= (δ(ν − ω ) ∗ δ(ν − ω ) + 2δ(ν + ω ) ∗ δ(ν − ω ) + δ(ν + ω ) ∗ δ(ν + ω )) .
4
En utilisant l’égalité δ(n – a) * δ(n – b) = δ(n – (a + b)), valable pour tous a ∈ et
b ∈ , on retrouve bien :
1
F([cos 2 2π ω t ])(ν ) = (2δ(ν ) + δ(ν − 2ω ) + δ(ν + 2ω )).
4
Exercice 9.2
Soit f la fonction nulle pour |t| 1 et telle que f (t) = 1 – t2 pour |t| < 1.
166 Mathématiques du signal
–2
–2
En dérivant à nouveau, on obtient :
[ f(t)]′′′ = [ f ′′′(t)] – 2δ(t + 1) + 2 δ(t – 1) + 2δ′(t + 1) + 2δ′(t – 1)
= – 2δ(t + 1) + 2δ(t – 1) + 2δ′(t + 1) + 2δ′(t – 1),
puisque f ′′′(t) = 0 sur \{– 1,+ 1} .
2) On a F([ f ]′′′)(n) = (2ipn)3F([ f ])(n)
= – 2[exp(2ip n)] + 2 [exp(– 2ip n)] + 2[2ip n exp(2ip n)]
+ 2[2ip n exp(– 2ip n)],
ce qui, réduit et simplifié, donne : −8iπ3 ν3 F([ f ])(ν) = −4i sin(2πν) + 8iπν cos(2πν) .
Mais, comme f est sommable, F([ f ]) = F( f ) : c'est une distribution régulière, égale à la
transformée de Fourier de f au sens des fonctions, définie et continue sur R.
sin(2πν) − 2πν cos(2πν)
/ 0,
On a donc, si ν = f (ν) = et on peut la prolonger par continuï-
2π3 ν3
té en 0.
Exercice 9.3
Soit f (t) la fonction périodique de période 2a, définie pour |t| a par
f (t) = |t|.
1) Calculer [ f ]′′.
2) Calculer les transformées de Fourier de [ f ]′′ puis de [ f ].
3) En déduire le développement en série de Fourier de f .
9 • Transformées de Fourier et de Laplace des distributions. 167
1 − exp −2iπ a
k
2a 1 − exp( −ikπ )
∑ δ ν− = ∑ δ ν − ,
k k
=
a 2 a a 2 a
k ∈ k ∈
puisque l’on sait que le produit d’un Dirac par une fonction C∞ est égal à son produit par la
valeur de la fonction au point où il est situé (R7.2). Comme d’autre part exp(– ikp) = (–1)k,
on a 1 – exp(– ikp) = 0 si k est pair, et 1 – exp(– ikp) = 2 si k est impair. On a donc :
2 q + 1
∑ δ ν −
2
F([ f ]″ )(ν ) = .
a q ∈ 2a
© Dunod. La photocopie non autorisée est un délit.
1
car l’égalité – 4p 2 n 2T(n) = S(n) implique que T (ν ) = − S(ν ) + R(ν ), où R(n)
4π 2ν 2
est solution de l’équation – 4p 2 n 2R(n) = 0, équivalente à n 2R(n) = 0, dont on sait que la
solution générale est R(n) = Aδ′(n) + Bδ(n), où A et B sont des constantes arbitraires.
Comme [ f ] est paire, il en est de même de sa transformée de Fourier, ce qui implique,
puisque δ′(n) est impaire, que A = 0 (on pourrait aussi utiliser (R9.2) : la transformée de
168 Mathématiques du signal
Fourier d’une distribution périodique est un peigne de Dirac modulé, et ne saurait donc
contenir de terme en δ′(n)). D’autre part, le coefficient B de δ(ν) dans la transformée de
1
Fourier de [ f(t)] est égal (R9.2) à F(T0 )(0), où T0 est la restriction de [ f(t)] à [0, 2a].
2a
On a :
1 1 2a 1 2a 1 2 a
2a
F(T0 )(0) =
2a ∫0
f (t ) exp( −2iπ 0t ) dt =
2a ∫
0
f (t ) dt =
2a
a = = B.
2
Donc :
2 q + 1
∑ δν −
a 1
F([ f ])(ν ) = δ(ν ) −
2 2 aπ 2ν 2 q ∈
2a
2 q + 1
∑
a 1
= δ(ν ) − 2 2 δ ν −
2 q ∈
2 aπ ν 2a
2 q + 1
∑
a 1
= δ(ν ) − 2 δ ν −
+ 2a
2 aπ 2
2 q ∈
2 q 1
2a
2 q + 1
∑
a 2a
= δ(ν ) − 2 δ ν − ,
2 q ∈
π (2 q + 1)
2
2a
2 q + 1
∑
a 2a 1
soit : F([ f ])(ν ) = δ(ν ) − 2 2 δ ν − .
2 π q ∈ (2 q + 1) 2a
(2 q + 1)π t
∑
a 4a 1
f (t ) = − cos .
2 π 2 q0 (2 q + 1)2 a
Exercice 9.4
a
On considère la fonction fa (t ) =
π ∑ exp(−a(t − n)2 ), où a est un nombre réel
n∈
positif.
1) Vérifier que fa(t) est périodique de période 1.
9 • Transformées de Fourier et de Laplace des distributions. 169
1) On a :
t
–2 –1 0 1 2
2) On peut écrire :
∑[exp(−a(t − n) )] = ∑ ([exp(−at
a a
[ fa (t )] = 2 2
)] ∗ δ(t − n))
π n ∈
π n ∈
a a
=
π
exp( − at 2 ) *
n∈
∑
δ (t − n ) =
π
exp( − at 2 ) *
n∈
δ(t)
(t ) . ∑
a
Par conséquent (R9.3) F([ fa (t )]) = F exp( − at 2 ) ⋅ F( (t) ) soit :
π
© Dunod. La photocopie non autorisée est un délit.
π 2ν 2 π 2ν 2 π 2n2
fˆa (ν ) = exp −
a n∈ ∑
δ(ν ) = exp −
a n∈
δ(ν − n) =
n∈
∑
exp −
a
δ(ν − n). ∑
π 2n2
3) Lorsque a → +∞, exp − tend vers 1 pour tout n ∈ et donc :
a
lim fˆa (ν ) =
a →+∞
∑ δ(ν − n) =
n ∈
(v) .
lim [ fa (t )] = (t) .
a →+∞
170 Mathématiques du signal
Exercice 9.5
1) La fonction y (t) est nulle, donc C∞, sur ]a, b[ et également C∞ sur
]– ∞,1[ ∪ ]2,+∞[ comme rapport de fonctions C∞ dont le dénominateur ne s’annule pas,
donc cette fonction est C∞ sur ]a, b[ ∪ ]–∞, 1[ ∪ ]2, +∞[ = . D’autre part, lorsque j (t)
= 0, il en est de même pour y (t), et donc y (t) est, comme j (t), nulle en dehors d’un seg-
ment et nulle sur [a, b]. Il s’ensuit que y (t) est une fonction test, nulle sur [a,b].
2) On a l’égalité j (t) = (t2 – 3t + 2)y (t). Par conséquent :
< T(t), j (t) > = < T(t), (t2 – 3t + 2)y (t) > = < (t2 – 3t + 2)T(t), y (t) >
= < 0, y (t) > = 0.
On en déduit que T est nulle en dehors du segment [a,b]. La transformée de Fourier Tˆ (ν )
de T(t) est donc une fonction C∞.
δ ′(ν ) et
3) Les transformées de Fourier de [1], [t] et [t2] étant respectivement δ(n),
−2iπ
δ ′′(ν )
, on a :
( −2iπ )2
1 3
F([t 2 − 3t + 2])(ν ) = 2 δ ′′(ν ) − δ ′(ν ) + 2δ(ν )
( −2iπ ) −2iπ
1 3
= − 2 δ ′′(ν ) + δ ′(ν ) + 2δ(ν )
4π 2iπ
et F((t2 – 3t + 2)T(t)) = F([t2 – 3t + 2]) * F(T(t)) = 0, ce qui donne l’équation différentielle
linéaire homogène à coefficients constants :
1 3 1 3 ˆ
− δ ′′(ν ) + δ ′(ν ) + 2δ(ν ) ∗ Tˆ (ν ) = − 2 Tˆ ′′(ν ) + T ′(ν ) + 2Tˆ (ν ) = 0 .
4π 2 2iπ 4π 2iπ
Le polynôme caractéristique de cette équation est :
1
P(r ) = − 2 (r 2 − 6iπ r − 8π 2 ), dont les racines sont 2ip et 4ip. La solution générale de
4π
l’équation différentielle est donc :
9 • Transformées de Fourier et de Laplace des distributions. 171
Exercice 9.6
1
1) On a l’égalité sin π t = (exp(iπ t ) − exp( −iπ t )), et par conséquent
2i
1
[sin π t ] = ([exp(iπ t )] − [exp( −iπ t )]).
2i
La transformée de Fourier de [exp2ip at] étant δ(n – a), celle de [sinp t] est donc
1 1 1
δ ν − − δ ν + .
2i 2 2
Fˆ ′(ν ) = δ ν + − δ ν − = [ P1 ]′ (ν ) ,
1 1
2 2
1 1
où P1(ν) est la fonction « porte », égale à 1 pour ν et nulle pour ν > .
2 2
La transformée de Fourier inverse de [P1(ν) + K] est T(t) + Kδ(t). Comme elle est égale à
+∞ sin π t
déduit que P1 (0) = 1 = Fˆ (0) = ∫
−∞ πt
dt , soit, en posant p t = u :
+∞ sin u
∫−∞ u
du = π .
Exercice 9.7
1 1 1
Soit L(t) la fonction nulle pour t et égale à − t pour t < . On pourra
2 2 2
1
vérifier que Λ(t ) = ∆1 / 2 (t ) (cf. index).
2
1) Calculer la dérivée seconde de la distribution régulière [L(t)]. En déduire la
transformée de Fourier Λˆ (ν ) de L(t) .
2) Déterminer la transformée de Fourier de la distribution régulière [L(t)sin4kπ t],
avec k ∈ *.
3) Déterminer le développement en série de Fourier réelle de la fonction f (t) pério-
dique de période 1 qui coïncide avec L(t)sin4kp t sur − 1 , + 1 .
2 2
1) Comme L(t) est continue, on a [L(t)]′ = [L′(t)]. D’autre part, la dérivée seconde L′′(t) de
L(t) au sens des fonctions est nulle.
1
y
1
+
2
t t
1 1 1 1
– + – +
2 2 2 2
–1
y = Λ (t) y = Λ ′(t)
9 • Transformées de Fourier et de Laplace des distributions. 173
sin 2 π ν sin 2 π ν
1
= δ(ν − 2 k ) ∗ 2 22 − δ(ν + 2 k ) ∗ 2 2
2
2i π ν π ν
2 π (ν − 2 k ) π (ν + 2 k )
1 sin sin 2
= 2 2
2 − 2
2i π (ν − 2 k ) π (ν + 2 k )
2 2
© Dunod. La photocopie non autorisée est un délit.
en utilisant les relations δ(t – a) * T(t) = T(t – a) et sin(q + kp) = (–1)ksinq pour k entier.
3) Notons j (t) la fonction L(t)sin4kp t. D’après (R9.2), la distribution régulière [ f ] associée
à la fonction f n’est autre que [ j ]* . Par suite :
πν
4ikν sin 2
F([ f ])(ν ) = F([ϕ ])(ν ) ⋅ F( )(v) = − 2 2 2 ⋅ (v)
π (ν − 4 k 2 )2
πν πν
4ikν sin 2 4ikν sin 2
=− 2 2 2
π (ν − 4 k 2 )2 ∑
n ∈
δ(ν − n) =
n ∈
∑− 2 2
π (ν − 4 k
2
2 2 δ(ν − n)
)
174 Mathématiques du signal
nπ
4ikn sin 2
= ∑
n ∈
− 2 2
π ( n − 4 k
2 δ(ν − n) .
2 2
)
Pour n = 2p pair avec p = / ± k, le coefficient est nul car le dénominateur est non nul et le sinus
0
du numérateur est nul. Pour n = ± 2k, on a une forme indéterminée , mais l’indétermina-
0
tion est facile à lever. Par exemple, pour n = 2k, posons ν = 2k + h. On peut constater que
π (2 k + h) πh
sin 2 = sin 2 et donc que :
2 2
πν πν πh πh
sin 2 sin 2 sin 2 sin 2
2 2 2 2 ⋅ π2
= = = .
(ν 2 − 4 k 2 )2 (ν − 2 k )2 (ν + 2 k ) 2 h 2 ( 4 k + h) 2 π h 2 4( 4 k + h) 2
2
π2
Cette quantité tend vers lorsque h → 0 et le coefficient de δ(n – 2k) est donc égal à
64k 2
4ik (2 k ) π 2 i
− ⋅ 2 =− .
π 2
64 k 8
i
On montrerait de même que le coefficient de δ(n + 2k) est égal à + .
8
nπ (2 p + 1)π π
Pour n = 2p + 1 impair, on a sin = sin = sin + pπ = ( −1) p , et le coefficient
2 2 2
4ik (2 p + 1)
de δ(ν – (2p + 1)) est − . On a donc :
π ((2 p + 1)2 − 4 k 2 )2
2
2p +1
∑
i 4ik
F([ f ])(ν ) = (δ(ν + 2 k ) − δ(ν − 2 k )) − 2 δ(ν − (2 p + 1))
8 π p∈ ((2 p + 1)2 − 4k 2 )2
2p +1
∑ ((2 p + 1)
1 8k
[ f (t )] =
4
[sin 4kπ t ] + π 2 2
− 4k 2 )2
[sin(2(2 p + 1)π t )] .
p∈
sin 4 kπ t 8k 2p +1
4
+ 2
π ∑ ((2 p + 1)
p∈
2
− 4k 2 )2
sin(2(2 p + 1)π t ) .
9 • Transformées de Fourier et de Laplace des distributions. 175
1 1
1) On a cos t = (exp(it) + exp(−it)), donc T (t) = ([exp(it)] + [exp(−it)]).
2 2
1
On a exp(±it) = exp 2iπ ± t , donc la transformée de Fourier de [exp(±it)] est
© Dunod. La photocopie non autorisée est un délit.
2π
1
δ ν∓ .
2π
1
Il s'ensuit que T̂ = δ 1 + δ− 1 .
2 2π 2π
π
π
pπ π
3) On a (−1)k δk π = δ2qπ − δ(2q+1)π = δ2qπ ∗ δ0 − δ2qπ ∗ δπ , d'où le
k∈Z q∈Z q∈Z q∈Z q∈Z
résultat demandé.
1 t
On a δ2qπ (t) = , dont la transformée de Fourier est
q∈Z
2π 2π
1
(2πν) = δ q (ν) .
2π q∈Z 2π
1
= (1 − exp(−iπq)) δ q (ν).
2π q∈Z 2π
puisque cette derniére série de fonctions (prolongées par continuité sur πZ) converge uni-
formément sur R.
9 • Transformées de Fourier et de Laplace des distributions. 177
fˆx (ν) = 2 − n 2 π2
δ ν − .
n∈Z
x 2
En déduire que la série de Fourier réelle S F( f x ) de f x est donnée par :
sin x +∞
2(−1)n x sin x
S F( f x )(t) = + cos nπt.
x n=1
x 2 − n 2 π2
Préciser pourquoi l'on a f x (t) = S F( f x )(t) pour tout t ∈ R .
sin x +∞
2(−1)n x sin x
3) Calculer la somme + pour tout x ∈ R tel que
x n=1
x 2 − n 2 π2
0 < |x| < π.
sin 2x +∞
(−1)n x sin 2x
En déduire que l'on a cos x = + 2 − n 2 π2
pour tout x ∈ R tel
2x n=1
x
que 0 < |x| < π.
4) Montrer que cette dernière égalité reste valide pour tout x ∈ R, à condition de
prolonger par continuité les termes du second membre.
1) On peut calculer ĝx à l'aide de l'intégrale habituelle, mais on peut aussi procéder comme
© Dunod. La photocopie non autorisée est un délit.
suit :
On a [gx (t)] = [gx (t)] + gx (−1+)δ(t + 1) − gx (1−)δ(t − 1)
= i x[gx (t)] + exp(−i x)δ(t + 1) − exp(i x)δ(t − 1) .
En prenant les transformées de Fourier des deux membres, il vient :
2iπν[ĝx (ν)] = i x[ĝx (ν)] + exp(−i x)[exp(2iπν)] − exp(i x)[exp(−2iπν)],
soit i(2πν − x)[ĝx (ν)] = [exp(i(2πν − x)) − exp(−i(2πν − x))] = [2i sin (2πν − x)] . On
2sin (2πν − x) 2sin (2πν − x)
en déduit que [ĝx (ν)] = et ĝx (ν) = , car, gx étant à sup-
2πν − x 2πν − x
port borné, la transformée de Fourier de [gx ] est une distribution régulière, associée à la
fonction C ∞ ĝx , et il ne peut y avoir, dans l'expression de sa transformée de Fourier,
178 Mathématiques du signal
Exercice 9.10
Soit s(t) une fonction réelle de la variable réelle t, tempérée. On note sˆ(ν ) la trans-
formée de Fourier de la distribution tempérée [s(t)], et l’on suppose que sˆ(ν ) n’est
pas singulière à l’origine, de telle sorte que le produit Y (ν ) sˆ(ν ) a un sens.
On appelle signal analytique associé à s(t) le signal sa(t) tel que
sˆa (ν ) = 2Y (ν ) sˆ(ν ).
1) Déterminer sa(t) pour s(t) = cosω t et s(t) = sinω t.
1 t
2) Déterminer sa(t) pour s(t ) = et s(t ) = 2 .
t +1
2
t +1
3) Montrer que la partie réelle de sa(t) est égale à s(t) et que la partie imaginaire de
sa(t) est égale à la transformée de Hilbert inverse de s(t). Retrouver ainsi les
résultats du 2) de l’exercice 0.7.
1 ω ω
1) La transformée de Fourier de [cosωt] est δ ν − +δ ν + et donc, pour s(t)
2 2π 2π
ω
= cosw t, on a : sˆa (ν ) = 2Y (ν )sˆ(ν ) = δ ν − et par conséquent sa(t) = expiw t.
2π
ω ω
on a sˆa (ν ) = 2Y (ν )sˆ(ν ) = δ ν − = −iδ ν −
1
et par conséquent
i 2π 2π
π
sa (t ) = −i exp iω t = exp i ω t − .
2
1 1
i
ν ν
ω ω
2π 2π
1
2) Si s(t ) = , on a sˆ(ν ) = π exp( −2π ν ) (R5.15).
t +1 2
[π exp(−2π ν )]′ = − 2i (exp(−2π ν ))′ = [−iπ sgn(ν ) exp(−2π ν )],
1 1
sˆ(ν ) = −
2iπ
car exp(–2π |ν|) est continue, et donc la dérivée de la distribution régulière associée à cette
fonction est la distribution régulière associée à sa dérivée. On en déduit :
sˆa (ν ) = 2Y (ν )sˆ(ν ) = −2iπ Y (ν ) exp( −2π ν ),
car Y(ν) sgn(ν) = Y(ν). Par transformation de Fourier inverse, et en utilisant le résultat du
cas précédent, on obtient immédiatement :
1 t 1
sa (t ) = − i = 2 −i 2 .
1 − it t + 1 t + 1
3) Dans le cas général, l’égalité sˆa (ν ) = 2Y (ν )sˆ(ν ) donne par transformation de Fourier
inverse, sachant que la transformée de Fourier inverse d’un produit est le produit de convo-
lution des transformées de Fourier inverses de chacun des facteurs, et que d’autre part,
(avec la relation F ( f )(ν ) = F( f )( −ν ) ) la transformée de Fourier inverse de [Y(n)] est
1 1 1
δ(t ) − Pf :
2 2iπ t
, donc H 2 = − 2
1 1 t 1 t
• Pour s(t ) = , on a sa (t ) = 2 +i 2 .
t +1
2
t +1 t +1 t +1 t +1
, donc H 2 = 2
t t 1 t 1
• Pour s(t ) = , on a sa (t ) = 2 −i .
t2 +1 t +1 t2 +1 t + 1 t + 1
Exercice 9.11
Soit E(t) la fonction « partie entière de t », égale pour chaque valeur de t au plus
grand nombre entier relatif inférieur ou égal à t. Soit T(t) la distribution régulière
associée à la fonction Y(t)E(t).
1) Calculer la dérivée de T .
2) Déterminer la transformée de Laplace de T ′ et en déduire celle de T .
1) La fonction Y(t)E(t) est constante sur les intervalles ]– ∞,1[, [1,2[, …, [n,n+1[, … et dis-
continue seulement pour t ∈ *, valeurs de t en lesquelles le saut de Y(t)E(t) vaut 1. Par
conséquent T ′(t ) = ∑
δ(t − n).
n1
1
et donc, la transformée de Laplace de [Y(t)] étant , que :
p
∑
1
F ( p) = exp( − np).
p n1
Exercice 9.12
Soit f(t) la fonction nulle pour t < 0 ou t > p, et égale à sint pour 0 t p.
1) Vérifier que f (t) = Y(t)sint + Y(t – p)sin(t – p). En déduire la transformée de
Laplace de [ f ].
2) Exprimer [Y(t)|sint|] sous forme d’un produit de convolution [ f ] * T, où T est
une distribution causale que l’on déterminera. En déduire la transformée de
Laplace de [Y(t)|sint|].
∑ exp(−nπ p) = ∑ exp(−π p)
1
L(T )( p) = n
= .
n 0 n 0
1 − exp( −π p)
Par conséquent :
L([Y (t )sin t ])( p) = L([ f (t )] ∗ T (t ))( p) = L([ f (t )])( p) ⋅ L(T )( p)
πp
coth
1 + exp( −π p) 1 1 1 + exp( −π p)
= ⋅ = ⋅ = 2 2 .
p2 + 1 1 − exp( −π p) p 2 + 1 1 − exp( −π p) p +1
9 • Transformées de Fourier et de Laplace des distributions. 183
(Il est conseillé de chercher l’exercice 9.33 pour comparer les techniques. Voir aussi l’exer-
cice 6.10.)
Exercice 9.13
Déterminer les fonctions dérivables sur qui vérifient pour t 0 l’équation inté-
gro-différentielle :
df t
dt 0 ∫
t (t ) + f (t ) = 2 f (u)sin(t − u) du .
Soit T(t) la distribution régulière associée à la fonction sommable sur tout segment Y(t) f (t),
et soit α = f (0) le saut de Y(t) f (t) en 0. On a :
dT
= Y (t ) (t ) + α δ(t ) ,
df
dt dt
Y (t ) d f (t ) = dT − α δ(t ) .
dt dt
t
0∫
D’autre part, on a Y (t ) f (u)sin(t − u) du = [Y (t ) f (t )] ∗ [Y (t )sin t ]. En multipliant les deux
membres de l’équation proposée par Y(t) et en prenant les distributions régulières associées,
il vient donc :
dT
t − α t δ(t ) + T = 2T ∗ [Y (t )sin t ] ,
dt
dT
ou encore, comme t δ(t) = 0, t + T = 2T ∗ [Y (t )sin t ].
dt
Prenons les transformées de Laplace des deux membres, en appelant F celle de T. Il vient :
d 1
− ( pF( p)) + F( p) = 2 F( p) 2
© Dunod. La photocopie non autorisée est un délit.
,
dp p +1
ce qui donne :
dF 2
−p ( p) = 2 F ( p)
dp p +1
dF 2 dp dp 2 pdp
=− = −2 +
F p( p + 1)
2
p p2 + 1
qui s’intègre en :
F ( p)
ln = −2 ln p + ln( p 2 + 1),
K
184 Mathématiques du signal
p2 + 1 1
F ( p) = K = K 1 + 2 ,
p2 p
dont l’originale est T(t) = K(δ(t) + [tY(t)]). Pour que T(t) soit une distribution régulière, il
faut que K = 0 (car δ(t) est une distribution singulière), et donc que Y(t) f (t) soit nulle
presque partout. Il s’ensuit, par continuité de f, que f doit être nulle sur [0,+∞[. Les solutions
au problème proposé sont donc les fonctions dérivables sur nulles pour t 0.
Exercice 9.14
Sachant que les transformées de Laplace de Y(t) cost et Y(t) sint sont respectivement p
p +1
2
1
et , on en déduit celles de Y(t)t cost = tY(t) cost
p +1
2
d p p2 − 1
− 2 = 2 ,
dp p + 1 ( p + 1)2
d 1 2p
− = .
dp p 2 + 1 ( p 2 + 1)2
p2 − 1
F ( p ) 2
− G ( p ) 2
=
On obtient donc le système : ( p 2 + 1)2 .
2p
2 F( p)G( p) = 2
( p + 1)2
Posons U(p) = F(p) + iG(p). On a U(p)2 = F(p)2 – G(p)2 + 2iF(p)G(p),
2
p 2 − 1 + 2 pi ( p + i)2 p+i
donc : U ( p) 2 = = 2 = 2 .
( p + 1)
2 2
( p + 1)
2
p + 1
p+i p 1
On en déduit que : U ( p) = F( p) + iG( p) = ± 2 = ± 2 +i 2 ,
p + 1 p +1 p + 1
d’où, en reprenant les originales et en identifiant parties réelles et parties imaginaires, les
deux solutions possibles suivantes :
9 • Transformées de Fourier et de Laplace des distributions. 185
Exercice 9.15
ω= ω 02 − λ2 .
1) On suppose que x(t) vérifie les conditions initiales x(0) = 0 et x′(0) = ν0 , et soit
y(t) = [Y(t)x(t)] la distribution régulière associée à la fonction Y(t)x(t). Écrire
l’équation différentielle (H ′) vérifiée par y(t) et déterminer sa solution au moyen
de la transformation de Laplace (on distinguera les cas l < ω0, l = ω0 et
l > w0).
2) On se place désormais dans le cas où l < w0 et l’on entretient le mouvement de
l’oscillateur en lui appliquant tous les deux passages à la position d’équilibre
2π
une impulsion d’intensité fixe a = n0(1 – e–lT), avec T = . On démontre que
ω
l’équation différentielle régissant l’amplitude est alors :
2π n
[ x (t )]′′ + 2λ[ x (t )]′ + ω 02 [ x (t )] = a ∑ δ t − ω
, (E)
n∈
où [x(t)] est la distribution régulière associée à x(t), que nous supposerons tem-
pérée.
1) Multiplions les deux membres de (H) par Y(t) et prenons les distributions régulières asso-
ciées. Il vient [Y(t)x′′(t)] + 2l[Y(t)x′(t)] + w02 [Y(t)x(t)] = 0.
On a y′(t) = [Y(t)x(t)]′ = [Y(t)x′(t)], puisque Y(t)x(t) est continue. Puisque le saut de Y(t)x′(t)
en 0 est n0 et que Y(t)x ′(t) est continue ailleurs, on a également
y′′(t) = [Y(t)x′(t)]′ = [Y(t)x′′(t)] + n0δ(t), soit
Soit X(p) la transformée de Laplace de y(t). Celles de y′(t) et y′′(t) sont alors respectivement
pX(p) et p2X(p). L’équation (H ′) donne alors :
ν0 ν 0 −λ t
Si l < w0 , ω 02 − λ2 > 0 , donc X ( p) = et x (t ) = e sin ω t .
( p + λ )2 + ω 2 ω
ν0
Si l = w0 , ω 02 − λ2 = 0 , donc X ( p) = et x(t) = ν0te–λt.
( p + λ )2
v0 ν 0 −λ t
Si l > w0 , ω 02 − λ2 < 0 , donc X ( p) = et x (t ) = e shω t .
( p + λ )2 − ω 2 ω
y y
t t
0 T 2T 0
λ < ω0 λ ω0
aω nω
∑ − 4π ν
1
xˆ (ν ) = 2 δ ν −
2π n ∈
2 2
+ 4iπ λν + ω 0 2π
aω nω
∑ −n ω
1
= 2 δ ν −
2π n ∈
2 2
+ 2iλnω + ω 0 2π
aω (ω 02 − n 2ω 2 ) − 2iλnω nω
=
2π ∑ (ω
n ∈
2
0 − n ω
2 2 2
) + 4 λ2 2 2 δ ν −
n ω 2π
.
et, en regroupant les termes d’indices opposés, la série de Fourier réelle de x(t) :
aω 1 ω 02 − n 2ω 2 2λnω
x (t ) = 2 + ∑
π 2ω 0 n1 (ω 0 − n ω ) + 4λ n ω
2 2 2 2 2 2 2 cos nω t + 2 2 2 sin nω t .
(ω 0 − n ω ) + 4λ n ω
2 2 2 2
On a donc :
[ f (t )]′′ = [ g(t )]′ − λ[ f (t )]′
© Dunod. La photocopie non autorisée est un délit.
n ∈
∑
= −ω 2 [ f (t )] − λ[ g(t )] + a δ(t − nT ) − λ ([ g(t )] − λ[ f (t )])
∑
= (λ2 − ω 2 )[ f (t )] − 2 λ[ g(t )] + a δ(t − nT ) .
n ∈
On en déduit :
b) On a :
2π n
[ x (t )]′′ + 2 λ[ x (t )]′ + ω 02 [ x (t )] = a ∑ δ t −
n ∈
ω
,
2π n
[ f (t )]′′ + 2 λ[ f (t )]′ + ω 02 [ f (t )] = a ∑ δ t −
n ∈
ω
.
dont la solution générale est U(t) = A[e–λt cosω t] + B[e–λt sinω t].
Comme [x] est tempérée (par hypothèse) et [f] est tempérée, il doit en être de même pour U,
ce qui implique que A = B = 0 (étudier le comportement de la fonction Ae–λt cosω t + Be–λt
sinω t lorsque t → –∞). Donc U = 0 et x = f.
Le graphe de y = x(t) est représenté ci-dessous :
y
t
– 2T –T 0 T 2T
On pourra remarquer que sur l’intervalle [0,T ], x(t) coïncide avec la solution de l’équation
(H) étudiée dans la première question.
Exercice 9.16
a > – 1, et Tα (t ) =
1
Γ (α + 1)
[ ]
Pf Y (t )t α si a < – 1.
1) La transformée de Laplace de [Y(t)tα ] est la fonction, définie pour tout p réel strictement
positif :
+∞
Fα ( p) = ∫
0
t α exp( − pt ) dt .
dn
[
2) On a Pf Y (t )t α = ] 1
(α + n)(α + n − 1) … (α + 1) dt n
[ ]
Y (t )t α + n . Donc si Fα(p) désigne la
Fα ( p) =
1
(α + n)(α + n − 1)…(α + 1)
p n L Y (t )t α + n ([ ])
1 Γ (α + n + 1) Γ (α + 1)
= pn = .
(α + n)(α + n − 1)…(α + 1) pα + n +1 pα +1
1
3) La transformée de Laplace de Tα est donc . Il s’ensuit que celle de Ta * Tb est
pα +1
1 1 1
× = dont l’originale n’est autre que Tα+β+1 .
pα +1 p β +1 pα + β + 2
© Dunod. La photocopie non autorisée est un délit.
1 1
La transformée de Laplace de T–3/2 étant = = p1 / 2 , celle de T–3/2 * T–3/2
p ( −3 / 2 ) +1 p −1 / 2
est donc p1/2 ⋅ p1/2 = p, et par conséquent T–3/2 * T–3/2 = δ′.
Remarquons que si S est une distribution causale quelconque, on a :
T–3/2 * (T–3/2 * S) = (T–3/2 * T–3/2) * S = δ′ * S = S′.
Par conséquent, la convolution avec T–3/2 est une opération qui, répétée deux fois de suite,
donne une dérivation. On peut donc légitimement dire que convoluer avec T–3/2 c’est « déri-
ver une demi-fois », ou encore que l’opérateur de convolution avec T–3/2 est une racine car-
rée de l’opérateur de dérivation des distributions causales.
190 Mathématiques du signal
Exercice 9.17
∑ n! z = exp . En effet, on a :
1 1
1) La transformée en z de f (n) est F( z ) = n z
n=0
+∞ x n ′ +∞
nx n −1
+∞
x n −1
+∞
xp
+∞
xn
∑ =
n= 0 n!
∑
n =1
n!
= ∑
n =1
(n − 1)!
= ∑
p=0
= ∑
p! n = 0 n!
.
+∞
xn
La fonction y( x ) = ∑
n=0
n!
est donc égale à sa dérivée, par conséquent y(x) = C exp(x), et
comme y(0) = 1, on a C = 1.
2) Soit G(z) la transformée en z de g(n). On a :
+∞ +∞ +∞ +∞
1 + ( −1) n 1 ( −1) n F( z ) + F( − z )
∑ ∑ ∑ ∑
1 1 1
G( z ) = = n = n + = .
k =0
(2 k )! z 2k
2 n= 0 n! z 2 n= 0 n! z n=0
n! z n 2
exp + exp −
1 1
F( z ) + F( − z ) z
= ch .
z 1
On en déduit : G( z ) = =
2 2 z
De même la transformée en z de h(n) est :
exp − exp −
1 1
F( z ) − F( − z ) z z
= sh .
1
H(z) = =
2 2 z
Exercice 9.18
Déterminer la transformée en z des signaux numériques causaux suivants :
1) f (n) = an2 + bn + c pour tout n ∈ (a, b, c réels donnés).
2) g(n) = shnq pour tout n ∈ (q réel donné).
On précisera dans chaque cas la couronne de convergence.
9 • Transformées de Fourier et de Laplace des distributions. 191
+∞
∑z −n z
La somme S( z ) = est convergente pour |z| > 1 et égale à . On en déduit :
n=0
z −1
+∞
∑ nz −n z
S1 ( z ) = = − z S ′( z ) = pour |z| > 1,
n=0
( z − 1)2
+∞
z( z + 1)
S2 ( z ) = ∑n z
n=0
2 −n
= − z S1′( z ) =
( z − 1)3
pour |z| > 1,
1 nθ 1
2) On a shnθ = (e − e − nθ ) = ((e −θ ) − n − (eθ ) − n ). La transformée en z de g(n) est donc :
2 2
+∞ +∞ +∞
1 S(e −θ z ) − S(eθ z )
G( z ) = ∑
n=0
shnθ z − n = ∑ −θ −n
(e z ) +
2 n=0 n=0
∑
(eθ z ) − n =
2
,
1 e −θ z eθ z 2 z shθ z shθ
soit G( z ) = −θ − θ = = 2 .
2 e z − 1 e z − 1 2( z − 2 z chθ + 1) z − 2 z chθ + 1
2
La couronne de convergence est définie par |eqz| > 1 et |e–qz| > 1, c’est-à-dire |z| > e–q et |z|
> eq, soit en définitive |z| > e|q|.
Exercice 9.19
© Dunod. La photocopie non autorisée est un délit.
Pour tout nombre réel a > 0, soit fa(n) le signal numérique causal défini par fa(n)
= an pour tout n ∈ .
1) Soit b un nombre réel strictement positif. Déterminer le produit de convolution
fa * fb (on distinguera les cas b =
/ a et b = a).
2) Retrouver ces résultats en utilisant la transformation en z.
n n
1) On a ( fa ∗ fb )(n) = ∑
k =0
f a ( k ) fb ( n − k ) = ∑a b
k =0
k n−k
. Cette somme est égale à :
a n +1 − b n +1
/ a et à (n + 1)a si b = a.
n
si b =
a−b
192 Mathématiques du signal
z
2) La transformée en z de fa(n) étant Fa ( z ) = , définie pour |z| > a, celle de fa * fb est
z−a
z2 z2
Fa(z)Fb(z), soit si b =
/ a et si b = a, définie pour |z| > max(a, b).
( z − a)( z − b) ( z − a) 2
Dans le premier cas, on décompose la fraction rationnelle en éléments simples :
z2 ( a + b)z − ab a2 b2
= 1+ = 1+ + .
( z − a)( z − b) ( z − a)( z − b) ( a − b)( z − a) (b − a)( z − b)
La fonction constante 1 est la transformée en z du signal s(n) tel que s(0) = 1 et s(n) = 0 pour
n=/ 0. D’autre part a = z − ( z − a) = z − 1, donc a est la transformée en z de
z−a z−a z−a z−a
b est la transformée en z de f – s. Il s’ensuit que z2
fa – s. De même b est la
z−b ( z − a)( z − b)
transformée en z du signal :
n +1 n +1
1 − a − b s(n) + a f (n) + b f (n) = afa (n) − bfb (n) = a − b .
a − b b − a a−b
a
b−a
b
a−b a−b
z2 2 az − a 2 z a
Dans le deuxième cas, on écrit = 1 + 2 = 1+ a 2 + qui est la
( z − a) 2
( z − a) ( z − a) z−a
transformée en z de s(n) + anan–1 + (an – s(n)), soit (n+1)an.
Exercice 9.20
1) Déterminer les signaux numériques fa(n) et ga(n) dont les transformées en z sont
1 1
respectivement les fonctions et (a ∈ *) :
z−a ( z − a)2
a) sur la couronne |z| > |a|.
b) sur la couronne |z| < |a|.
2) En déduire le signal numérique h(n) dont la transformée en z est la fonction
z + 11
H( z) = 3 :
z − 3z + 2
a) sur la couronne |z| > 2.
b) sur la couronne 1 < |z| < 2.
c) sur la couronne |z| < 1.
9 • Transformées de Fourier et de Laplace des distributions. 193
+∞ +∞ +∞
an an
∑ ∑ ∑a
1 1 1 n −1 − n
1) a) Pour |z| > |a|, on a : = = = n +1 = z , donc :
z−a a z z n
z
z 1− n=0 n=0 n =1
z
Exercices d’entraînement
9.21 Soit f une fonction continue, de carré sommable sur . On rappelle que sa trans-
formée de Hilbert H(f ) est donnée par :
1 +∞ f (u )
H ( f )(t ) =
π
VP ∫
−∞ u−t
du .
sin nt
9.22 1) Soit fn (t ) = . Déterminer fˆn (ν ).
t
2) Calculer lim fˆn (ν ) et en déduire lim [ fn (t )].
n →+∞ n →+∞
sin t
2
9.23 En utilisant l’identité t Pf = sin t , calculer la transformée de Fourier de
t2
sin t
Pf .
t2
9.24 Soit f (t) = Y(t)exp(– at), a > 0.
1) Calculer [f ]′ et en déduire fˆ .
2) En déduire les transformées de Fourier de exp(– a|t|),
1 t
sgnt ⋅ exp(– a|t|), et (cf. exercice 5.2).
t +1
2
t +1
2
9.25 1) Calculer les transformées de Fourier des distributions régulières associées aux
fonctions t + 1, t – 1, t2 – 1, (t2 – 1)n (n ∈ *).
1 dn 2
2) Pour tout n ∈ *, on pose Pn (t ) = ((t − 1) n ). Déterminer la trans-
2 n ! dt n
n
1 τ τ
9.26 Soit Dτ(t) la distribution égale à δ t + − δ t − .
τ 2 2
1) Calculer la transformée de Fourier de Dτ(t), puis celle de :
9.27 Soit E(t) la partie entière de t, c’est-à-dire le plus grand nombre entier relatif
inférieur ou égal à t.
9 • Transformées de Fourier et de Laplace des distributions. 195
1
1) Vérifier que E t + est une distribution impaire.
2
2) Calculer la dérivée, la transformée de Fourier de la dérivée et la transformée
1
de Fourier de T (t ) = E t + .
2
3) En déduire la transformée de Fourier de [E].
9.29 On considère la fonction f périodique de période T, définie sur [0,T ] par l’égali-
té f (t) = at(T – t) (a > 0).
1) Calculer [ f ]′′. En déduire les transformées de Fourier de [f ]′′ et de [ f ].
2) Déterminer les séries de Fourier complexe, puis réelle, de f (comparer avec
l’exercice 3.7).
9.30 Soit g(t) = |sinπ t|. Calculer [g]′′. En déduire la transformée de Fourier de [g] et
la série de Fourier réelle de g.
9.31 Pour tout k ∈ *, soit fk(t) la fonction périodique de période 2p telle que pour
t
|t| p on ait fk (t ) = cos .
2k
1) Calculer [ fk]′′. En déduire la transformée de Fourier f̂k de [ fk] et la série de
Fourier complexe de fk .
© Dunod. La photocopie non autorisée est un délit.
9.34 Soit f (n) un signal numérique, F(z) sa transformée en z. Déterminer les transfor-
mées en z des signaux numériques suivants :
1) g(2k) = f (2k) et g(2k +1) = 0 pour tout k ∈ .
2) h(2k +1) = f (2k +1) et h(2k) = 0 pour tout k ∈ .
3) r(2k) = (– 1)kf (2k) et r(2k + 1) = 0 pour tout k ∈ .
4) s(2k +1) = (– 1)kf (2k +1) et s(2k) = 0 pour tout k ∈ .
9.35 Déterminer les signaux numériques f (n) dont les transformées en z sont les frac-
tions rationnelles suivantes :
1
1) a) sur la couronne |z| > 1,
z( z + 1)
2
1
2) a) sur la couronne |z| > 2,
z 2 − 2z + 4
b) sur la couronne |z| < 2.
1
3) 4 a) sur la couronne |z| > 2,
z + 5z 2 + 4
b) sur la couronne 1 < |z| < 2,
c) sur la couronne |z| < 1.
Réponses
1 1
9.21 1) [ H ( f )] = Pf ∗ [ f ], F(H( f ))(n) = – i sgnν ⋅ F( f )(n).
π t
2) H(H( f )) = – f.
πν
9.22 1) fˆn (ν ) = π P1 . 2) lim fˆn (ν ) = π et lim [ fn (t )] = π δ(t ).
n n→+∞ n→+∞
sin t
9.23 Soit T (t ) = Pf . Alors Tˆ (ν ) est la distribution régulière associée à la fonction qui
t2
1 1
vaut – iπ sgn(ν) pour |n| et – 2ip2n pour |n| .
2π 2π
1
9.24 1) [ f (t)]′ = δ(t) – a[ f (t)], fˆ (ν ) = .
a + 2iπ ν
2a − 4iπ ν
2) , , p exp(–2p|n|), – ip sgnn exp(– 2p|n|).
a 2 + 4π 2ν 2 a 2 + 4π 2ν 2
1 1 1
9.25 1) δ(ν ) − δ ′(ν ), −δ(ν ) − δ ′(ν ), −δ(ν ) − 2 δ ′′(ν ),
2iπ 2iπ 4π
n
δ ( 2 k ) (ν )
( −1)n ∑
k =0
Cnk
22 k π 2 k
.
9 • Transformées de Fourier et de Laplace des distributions. 197
(2 k )!i n
2) ∑
n2 k2 n
2 π
2k 2k
k !( n − k )!( 2 k − n )!
δ ( 2 k −n ) (ν ).
n
sin π τν sin π τν sin π τν
9.26 1) F( Dτ )(ν ) = 2i = 2iπ ν , F ( Dτ∗n )(ν ) = (2iπ ν )n .
τ π τν π τν
2) δ(n)(t).
9.27 1) ( )
t+
1
2
, ∑ (−1) δ(ν − n),
n∈
n
−
1
2iπ
δ ′(ν ) +
n∈∗
( −1)n
∑ 2iπ n δ(ν − n).
1 exp( − at )
9.28 1) fˆ (ν ) = . 2) g(t ) = sur [0,1[.
a + 2iπ ν 1 − exp( − a)
exp(2iπ nt )
∑ a + 2iπ n δ(ν − n), ∑
1
3) gˆ (ν ) = Sg (t ) = .
n∈ n∈
a + 2iπ n
∑ δ ν − , ∑
n
9.29 1) [ f (t )]′′ = 2 a −1 + T δ(t − nT ) , F ([ f ]′′ )(ν ) = 2 a
T
n∈ n∈∗
aT 2 aT 2
∑n
1 n
F ([ f ])(ν ) = δ(ν ) − 2 2 δ ν − .
6 2π T
n∈∗
t t
exp 2iπ n cos 2π n
2 1 T 2 1 T
∑ ∑
1 1
2) f (t ) = aT − 2 = aT − 2 .
6 2π n∈∗ n 2
6 π n1
n 2
∑ 1 − 4n
2 1
9.30 [ g(t )]′′ = −π 2 [ g(t )] + 2π (t) , gˆ (ν ) = δ(ν − n),
π n∈
2
cos 2π nt
∑ 4n
© Dunod. La photocopie non autorisée est un délit.
2 4
g( t ) = − .
π π n∈
2
−1
π
∑ δ(t − (2n + 1)π ),
1 1
9.31 1) [ fk (t )]′′ = − 2 [ fk (t )] + sin
4k k 2k n∈
π ( −1) n
π ( −1)n
∑ n
∑
2k 2k
fˆk (ν ) = sin 2 2 δ ν − , fk (t ) = sin exp int .
π 2k 1 − 4 k n 2π π 2 k 1 − 4k 2 n2
n∈ n∈
πp
+∞ coth
9.33 1) T ′′ + T = δ(t ) + 2 ∑ δ(t − nπ ).
n =1
2) 2 .
p2 + 1
F( z ) + F(− z ) F( z ) − F(− z )
9.34 1) G( z ) = . 2) H ( z ) = .
2 2
F (iz ) + F ( −iz ) F ( −iz ) − F (iz )
3) R( z ) = . 4) S( z ) = .
2 2i
9.35 1) a) f (2k + 1) = (– 1)k+1 pour tout k 1, f (n) = 0 si n est pair ou n < 3.
b) f (2k + 1) = (– 1)k pour tout k 0, f (n) = 0 si n est pair ou n > 1.
(n − 1)π
2) a) f (n) = 2 n−3 sin pour n 1, f (n) = 0 pour n 0.
3
(n − 1)π
b) f (n) = −2 n−3 sin pour n 0, f (n) = 0 pour n 1.
3
4 k −1 − 1
3) a) f (2 k ) = ( −1)k pour k 1, f (n) = 0 si n est impair ou n 1.
3
1 1 k −1
3 ( − ) pour k 1
b) f (2 k ) = , f (n) = 0 si n est impair.
1 ( −1)k −1 4 k −1 pour k 0
3
1 − 4 k −1
c) f (2 k ) = ( −1)k pour k 0, f (n) = 0 si n est impair ou n 2.
3
Chapitre 10
Filtrage
RAPPELS
I. Filtrage analogique
• Un filtre linéaire (permanent continu) est une fonctionnelle qui à un signal
d'entrée e appartenant à un certain ensemble A de distributions, associe un
signal de sortie, ou réponse, s = (e) (qui est également une distribution), telle
que vérifie les propriétés suivantes :
– linéarité : ∀e1 ,e2 ∈ A ,∀λ1 ,λ2 ∈ R,(λ1 e1 + λ2 e2 ) = λ1 (e1 ) + λ2 (e2 ) .
– permanence : pour tout e ∈ A, si (e) = s, alors (e(t − t0 )) = s(t − t0 )
pour tout t0 ∈ R.
– continuité : si (en )n∈N est une suite d'éléments de A convergeant vers e ∈ A,
alors :
© Dunod. La photocopie non autorisée est un délit.
lim (en ) = lim en = (e).
n→+∞ n→+∞
Pour qu'un filtre linéaire soit causal, il faut et il suffit que sa réponse impulsion-
nelle D soit causale, c'est à dire nulle pour t < 0.
Exercice 10.1
b d
R i
e(t) C s(t)
a c
10 • Filtrage 201
On crée entre les bornes a et b une différence de potentiel dépendant du temps e(t).
Soit alors s(t) la différence de potentiel entre les bornes c et d à l’instant t. On sup-
pose e(t) et s(t) nulles pour t < 0.
ds
1) Exprimer e(t) en fonction de s(t), (t ), R et C. Montrer que l’on peut écrire
dt
e = A * s, où A est une distribution causale que l’on déterminera.
1) Soit i(t) l’intensité traversant le circuit à l’instant t. La différence de potentiel entre les
bornes d et b de la résistance R à l’instant t est : e(t) – s(t) = Ri(t).
1
Celle aux bornes du condensateur C est s(t ) = q(t ), où q(t) est la charge du condensateur
C
à l’instant t. On a donc :
dq ds e(t ) − s(t )
i(t ) = (t ) = C (t ) = ,
dt dt R
ds
ce qui donne : e(t ) − s(t ) = RC (t )
dt
ds
e(t ) = s(t ) + RC (t )
dt
que l’on peut encore écrire : e(t) = (δ(t) + RCδ′(t)) * s(t) = (A * s)(t) en posant :
A = δ + RCδ ′ .
© Dunod. La photocopie non autorisée est un délit.
αω αω 1 p −α
S( p) = 2 = 2 − 2
( p + α )( p + ω ) α + ω p + α p + ω 2
2 2
αω 1 α ω p
S( p) = 2 + 2 − 2
α +ω p +α ω p +ω
2 2
p +ω2
αω α
dont l’originale est s(t ) = Y (t ) exp( −α t ) + sin ω t − cos ω t .
α2 +ω2 ω
1 α
c) Si e(t) = Y(t)exp(– at), E( p) = donc S( p) = .
p+a ( p + a)( p + α )
α 1 1
Si a=
/ α, S( p) = −
α − a p + a p+α
α
et s( t ) = Y (t )(exp( − at ) − exp( −α t )) .
α −a
α
Si a = α, S( p) = et s(t) = α Y(t)t exp(– α t).
( p + α )2
Exercice 10.2
a c
ds R de
1) Montrer que (t) + s(t) = (t) .
dt L dt
R
2) Soit T la distribution régulière associée à la fonction t →
Y (t)exp − t .
L
R
Calculer δ + δ ∗ T. En déduire la réponse indicielle du circuit, c’est-
L
à-dire la réponse s(t) correspondant au signal d'entrée e(t) = Y (t).
3) Calculer la réponse impulsionnelle D du circuit, c’est-à-dire la réponse s
correspondant au signal d'entrée e = δ. En déduire la fonction de transfert
G du circuit.
4) Déterminer la réponse s du circuit pour les signaux d'entrée suivants :
a) e(t) = Y (t) sin ωt .
R
b) e(t) = Y (t) 1 − exp − t .
L
di de ds di R
1) On a e − s = Ri et s = L , donc − =R = s, d'où le résultat demandé.
dt dt dt dt L
R R R
2) On a δ + δ ∗ T = δ ∗ T + δ ∗ T = T + T .
L L L
R R R R
Or T (t) = Y (t)exp − t = − Y (t)exp − t + δ(t) = − T (t) + δ(t) .
L L L L
R
On a donc δ + δ ∗ T = δ.
L
ds R d
Soit s la réponse indicielle du circuit. On a (t) + s(t) = [Y (t)] = δ(t), soit
dt L dt
R R
δ + δ ∗ s = δ. En convoluant les deux membres par T, il vient T ∗ δ + δ ∗ s =
L L
R R
© Dunod. La photocopie non autorisée est un délit.
ω
4) a) La transformée de Laplace de e(t) = Y (t) sin ωt est E( p) = . La transformée
p2 + ω2
de Laplace de la réponse correspondante est donc S( p) = G( p)E( p) =
pω
.
R 2
p+ p + ω2
L
En décomposant cette fraction rationnelle en éléments simples, on obtient :
L Rω 1 L Rω p L 2 ω2 ω
S( p) = − + + .
R 2 + L 2 ω2 R R 2 + L 2 ω2 p2 + ω2 R 2 + L 2 ω2 p2 + ω2
p+
L
En revenant aux originales, on obtient
Lω R
s(t) = 2 Y (t) −R exp − t + R cos ωt + Lω sin ωt .
R + L 2 ω2 L
R
b) La transformée de Laplace de e(t) = Y (t) 1 − exp − t est E( p) =
L
1 1 R 1 R 1
− = . Donc S( p) = G( p)E( p) = . On en déduit
p R L R L R
p+ p p+ ( p + )2
L L L
R R
s(t) = Y (t)texp − t .
L L
Exercice 10.3
On considère un filtre linéaire permanent continu Φ tel que lorsque le signal d’en-
trée est e(t) = [Y(t)] la réponse de Φ est :
s(t) = [Y(t)(1 – exp(– at))],
où a est une constante réelle strictement positive.
1) Calculer la dérivée de la distribution [Y(t)(1 – exp(– at))]. En déduire la répon-
se impulsionnelle D de Φ.
a
On a donc : Dˆ (ν ) = . D’autre part, la transformée de Laplace de D(t) est
a + 2 iπ ν
a
G( p ) = .
p+a
© Dunod. La photocopie non autorisée est un délit.
nω
3) La transformée de Fourier de [exp(inω t)] est δ ν − . On a :
2π
nω nω nω
Dˆ (ν )δ ν − δ ν − δ ν −
a a
= = ,
2π a + 2iπ ν 2π a + inω 2π
dont la transformée de Fourier inverse est la réponse D(t) * [exp(inω t)] au signal
a
[exp(inω t)]. Cette réponse est donc [exp(inω t )], qui est bien de la forme attendue,
a + inω
a
avec λ (n, ω ) = .
a + inω
206 Mathématiques du signal
1
De même, la transformée de Laplace de [Y(t)exp(inω t)] étant , son produit par
p − inω
a a 1 1
G(p) est = − . La réponse de Φ au signal d’entrée
( p + a)( p − inω ) a + inω p − inω p + a
[Y(t)exp(inω t)] est alors l’originale de cette fonction, soit :
a a
[Y (t ) exp(inω t )] − [Y (t ) exp( − at )].
a + inω a + inω
∑c
a
[ g(t )] = n [exp(inω t )],
n ∈
a + inω
∑c
a
et, g(t) étant continue sur , g(t ) = n exp(inω t ). De même, on a :
n ∈
a + inω
g(0)
Il vient donc : [ g+ (t ) − Y (t )g(t )] = − D(t ) .
a
Exercice 10.4
Si h(0+) =
/ 0, ce qui est le cas dans le cadre de l’exercice 4.8, il est clair que Y * h′ est dif-
férent de h sur ]0,∞[. Il est donc nécessaire d’utiliser la dérivation au sens des distributions
pour justifier la relation s′ = h.
Exercice 10.5
1) Soit E0 le signal numérique tel que E0(0) = 1 et E0(n) = 0 pour n = / 0. La réponse impul-
sionnelle h est, par définition, la réponse à ce signal d’entrée. On a donc :
0 si n < 0
n
h( n ) = ∑ E (k ) = 1
k =−∞
0
si n 0
.
208 Mathématiques du signal
+∞
∑ ∑z
z
La fonction de transfert en z de Φ est alors : H ( z ) = h( n ) z − n = −n
= , définie
n ∈ n=0
z −1
pour |z| > 1. Comme la réponse impulsionnelle est causale, le filtre Φ est causal. Comme
+∞
∑
n ∈
h( n ) = ∑1 est infini, le filtre Φ n’est pas stable.
n=0
+∞ p
z = 2 , définie pour |z| < 2. Comme la réponse impulsion-
H(z) = ∑2
n 0
n −n
z = ∑
p=0
2 2−z
nelle n’est pas causale, le filtre Φ n’est pas causal. Comme |z| = 1 est dans la couronne de
convergence de H(z), le filtre Φ est stable.
Exercice d’entraînement
10.6 Déterminer pour les filtres dont le schéma figure ci-dessous la réponse impul-
sionnelle D(t) et la fonction de transfert G(p).
b d
1)
C
e(t) R s(t)
a c
b d
2) R R
e(t) C C s(t)
a c
b d
3) C C
e(t) R R s(t)
a c
Réponses
Y (t ) t
exp −
RCp
10.6 1) G( p) = , D(t ) = δ(t ) − .
1 + RCp RC RC
© Dunod. La photocopie non autorisée est un délit.
1 Y (t )
2) G( p) = , D(t ) = (exp( −ω1t ) − exp( −ω 2t )) ,
R2C 2 p2 + 3 RCp + 1 2 RC 5
3− 5 3+ 5
avec ω1 = et ω 2 = .
2 RC 2 RC
R2 C 2 p 2 Y (t ) t
exp −
RC 1
3) G( p) = , D(t ) = δ ′(t ) − δ (t ) + .
1 + 2 RCp 2 4 8 RC 2 RC
Chapitre 11
Espace de probabilités
RAPPELS
k=1 k=1
• Propriétés des probabilités totales. Soit A1 ,. . . ,An une partition de telle que
∀ k, P(Ak ) =
/ 0. Alors, pour tout B ∈ A on a :
n
P(B) = P(B|Ak )P(Ak ) (R11.7)
k=1
P(B|Ak )P(Ak )
P(Ak |B) = (R11.8)
n
P(B|Ak )P(Ak )
k=1
Exercice 11.1
1
Donc, P ( A ∪ C ) = P ( A) + P ( C ) = (1 + P(C )).
2
• Si n = 2, on a Ω = {ω = (i,j) : i =
/ j et i, j ∈ {1,2,3,4}}, soit :
Ω = {(1,2);(1,3);(1,4);(2,3);(2,4);(3,4)} ; donc card(Ω) = 6 et S = 10.
A = {(2,4);(3,4)}, B = {(1,2);(1,3)}, C = {(1,4);(2,3)}.
2
Donc : P( A ∪ C ) = .
3
• Si n = 3, on a Ω = {ω = (i,j,k) : i =
/ j=
/ k et i, j, k ∈ {1,2,...,6}},
card(Ω) = 20 et S = 21.
On a : C = {(i,j,k) : i =
/ j= / k et i + j + k = 21 – (i + j + k)} = ∅, on en déduit que
1
P( A ∪ C ) = .
2
On remarque, que pour n impair, on a toujours C = ∅ ;
1
donc : P( A ∪ C ) = .
2
• Si n = 4, on a Ω = {ω = (i,j,k,m) : i =
/ j =
/ k =
/ m et i, j, k, m ∈ {1,2,...,8}},
card(Ω) = 70 et S = 36.
C = {(i,j,k,m) : i =
/ j=
/ k=/ m et i + j + k + m = 18}
= {{1,2,7,8);(1,3,6,8);(1,4,5,8);(1,4,6,7);(2,3,6,7);(2,3,5,8);(2,4,5,7);(3,4,5,6)}
donc card(C) = 8,
39
on en déduit que : P( A ∪ C ) = ≈ 0, 56 .
70
(Formule de Poincaré.)
214 Mathématiques du signal
2) La formule de Poincaré s’obtient par récurrence. Les cas n = 2 et n = 3 ont été traités au
1). Supposons que :
P( A1 ∪ A2 ∪ ... ∪ An −1 ) = ∑ P( A ) − ∑ P( A
1i1 n −1
i1
1i1 < i2 n −1
i1 ∩ Ai2 ) + ...
+( −1) k +1 ∑ P( A i1 ∩
1i1 < i2 <...< ik n −1
Ai2 ∩ ... ∩ Aik ) + ... + ( −1) n P( A1 ∩ A2 ∩ ... ∩ An −1 ).
+( −1) k +1 ∑ P( A i1 ∩
1i1 < i2 <...< ik n −1
Ai2 ∩ ... ∩ Aik ) + ( −1) n P( A1 ∩ A2 ∩ ... ∩ An −1 )
Il vient alors :
P((A1 ∩ An) ∪ ... ∪ (An–1 ∩ An)) = ∑ P( A
1i1 n −1
i1 ∩ An ) − ∑ P( A
1i1 < i2 n −1
i1 ∩ Ai2 ∩ An ) + ...
+( −1) k +1 ∑ P( A i1 ∩
1i1 i2 <...< ik n −1
Ai2 ∩ ... ∩ Aik ∩ An ) + ... +( −1) n P( A1 ∩ A2 ∩ ... ∩ An −1 ∩ An ).
Pk = ∑ P( Ai1
1i1 < i2 <...< ik n
∩ Ai2 ∩ ... ∩ Aik ) .
U
P Ai =
i =1
∑ (−1)
i =1
i +1
Si
où : Si = ∑ P( A j1
1 j1 < j2 <...< ji n
∩ A j2 ∩ ... ∩ A ji ).
1
Il est clair que : P( A j ) = , ∀ j.
n
Si = Cni × ... ×
1 1 1
D’où : = .
n n – i + 1 i !
n n
U ∑ (−1)
1 1 1 1
Ainsi : P Ai = 1 − + + ... + ( −1) n +1 = i +1
.
i =1 2 ! 3! n! i =1
i!
© Dunod. La photocopie non autorisée est un délit.
n +∞
U ∑ (−1) i +1 1 1
et lim P Ai = = 1− .
n →+∞
i =1 i =1
i! e
Exercice 11.3
Soit (Ω, (Ω), P) un espace probabilisé. Soient A1 , ..., An n événements de P(Ω).
1) Démontrer que :
P(A1 ∩ A2 ∩ ... ∩ An) = P(A1)P( A2 / A1) × P(A3 / A1 ∩ A2) × ...
× P(An / A1 ∩ A2 ∩ ... ∩ An–1).
(On supposera que P(A1 ∩ A2 ∩ ... ∩ An) = / 0).
216 Mathématiques du signal
1) La démonstation se fait par récurrence. Pour n = 2, on sait que, par définition de la pro-
babilité conditionnelle, on a :
P( A1 ∩ A2 )
P( A2 / A1) = . D’où : P(A1 ∩ A2) = P(A1) P( A2 / A1) (remarquons que :
P( A1 )
A1 ⊃ A1 ∩ A2 ∩ ... ∩ An . D’où : P(A1) P(A1 ∩ A2 ∩ ... ∩ An) > 0. Donc P(A1) =
/ 0, et la
définition de la probabilité conditionnelle est valide).
Supposons la formule vraie au rang n – 1, à savoir :
P(A1 ∩ A2 ∩ ... ∩ An–1) = P(A1) P( A2 / A1) × ... × P(An–1 / A1 ∩ A2 ∩ ... ∩ An–2) (1)
Examinons :
P(A1 ∩ A2 ∩ ... ∩ An–1 ∩ An) = P((A1 ∩ A2 ∩ ... ∩ An–1) ∩ An)
= P(An / A1 ∩ A2 ∩ ... ∩ An–1) P(A1 ∩ A2 ∩ ... ∩ An–1) (2)
10
2) La probabilité pour que le premier composant ne soit pas défectueux est . Si le pre-
15
mier composant n’est pas défectueux, la probabilité pour que le deuxième ne soit pas défec-
9
tueux est , car seuls 9 des 14 restants sont non défectueux.
14
Si les deux premiers composants sont non défectueux, la probabilité pour que le troisième ne
8
soit pas défectueux est car seuls 8 des 13 restants sont non défectueux.
13
D’après le résultat du 1), on a donc :
10 9 8 24
p= × × = .
15 14 13 91
Exercice 11.4
Or : P( An ) = 1 − P( An ) = 1 − pn
c
Exercice 11.5
Notons N = N1 + N2 + N3 et n = n1 + n2 + n3 .
Les fournisseurs de pneus F1 , F2 et F3 ont livré respectivement N1 , N2 et N3 pneus donc,
Ni
pour i = 1, 2, 3, on a P( Fi ) = .
N
Pour i = 1, 2, 3, le fournisseur Fi a livré ni pneus M1 donc :
ni N − ni
P(M1 / Fi ) = et P(M2 / Fi ) = i .
Ni Ni
On cherche à calculer P(F3 / M2 ). Par la formule de Bayes (R11.8), on a :
P( F3 ∩ M2 ) P( M2 /F3 )P( F3 )
P( F3 /M2 ) = =
P( M2 ) P( M2 )
3 3 3
∑ ∑ ∑ (N − n )
1
mais : P( M2 ) = P( Fi ∩ M2 ) = P( Fi )P( M2 /Fi ) = i i
i =1 i =1
N i =1
N3 − n3
donc : P( F3 /M2 ) = .
N−n
Exercice 11.6
Une boîte contient n 1 boules rouges et n 2 blanches. On tire une boule et on remet
dans la boîte M boules de l'autre couleur. Puis on tire une deuxième boule. En
admettant que, lors de chacun des tirages, toutes les boules ont la même probabili-
té d'être tirées, calculer la probabilité pour que :
1) la seconde boule tirée soit rouge
2) la seconde boule tirée soit blanche.
Or,
n2 n1
P(B1 ) = , P(R1 ) =
n1 + n2 n1 + n2
n1 + M n1 − 1
P(R2 /B1 ) = , P(R2 /R1 ) =
n1 + n2 + M − 1 n1 + n2 + M − 1
n 2 (n 1 + M) + (n 1 − 1)n 1
D'où P(R2 ) =
(n 1 + n 2 ) (n 1 + n 2 + M − 1)
11 • Espace de probabilités 219
n 2 (n 2 − 1) + n 1 (n 2 + M)
P(B2 ) =
(n 1 + n 2 ) (n 1 + n 2 + M − 1)
Exercice 11.7
n
On doit avoir ∑p
k =1
k = 1, ce qui donne :
1
Cn = n −1 .
∑
k =1
max{k , n − k}
∑ max{k , 2 m − k} = ∑ (2 m − k ) + ∑k.
© Dunod. La photocopie non autorisée est un délit.
donc
k =1 k =1 k = m +1
2 m −1 2 m −1 2 m −1
Dans la somme ∑
k = m +1
k , en posant j = k – m, l’on obtient ∑ k=
k = m +1
∑ ( j + m) .
j =1
m m −1
D’autre part, ∑ (2m − k ) = m + ∑ (2m − k ), il vient donc
k =1 k =1
2 m −1 m −1 m −1 m −1
1
d’où C2 m = .
m(3m − 2)
220 Mathématiques du signal
2 m + 1 − k si 1 k m
• cas n = 2m+1 : max{k , 2 m + 1 − k} =
k si m + 1 k 2 m
donc :
2m m 2m
∑
k =1
max{k , 2 m + 1 − k} = ∑
k =1
(2 m + 1 − k ) + ∑k
k = m +1
m m m
= ∑
k =1
(2 m + 1 − k ) + ∑
j =1
(m + j ) = ∑ (3m + 1) = m(3m + 1)
k =1
1
d’où C2 m +1 = .
m(3m + 1)
On remarque que la valeur de Cn ne dépend pas de θ.
Exercice 11.8
∞
On doit avoir ∫ −∞
f ( x ) dx = 1, ce qui donne :
1 0 ∞ 1 1 a+b
K
= ∫ −∞
exp( ax ) dx + ∫ exp(−bx ) dx = a + b =
0 ab
ab
soit K = .
a+b
x
On a ∀ x ∈ , F( x ) = ∫−∞
f (u) du .
Si x 0,
ab x b
F( x ) =
a+b ∫
−∞
exp( au) du =
a+b
exp( ax ).
Si x 0,
ab 0 ab x a
F( x ) =
a+b ∫−∞
exp( au) du +
a+b ∫ exp(−bu) du = 1 − a + b exp(−bx ).
0
11 • Espace de probabilités 221
Exercices d’entraînement
11.9 Dans une population 15 % des hommes et 5 % des femmes sont blonds. On
choisit au hasard une personne blonde. Quelle est la probabilité qu'il s'agisse
d'une femme :
a) si les femmes sont aussi nombreuses que les hommes ?
b) s'il y a trois fois plus de femmes ?
11.10 Un joueur de bridge possède dans sa main 13 cartes d'un jeu de 52 cartes distri-
buées au hasard. Calculer la probabilité qu'il ait :
a) un as exactement.
b) au moins un as.
c) un as et un roi.
d) au moins un as et au moins un roi.
e) une carte de chaque valeur.
11.12 Une urne contient 5 boules rouges et 3 boules noires. On tire une boule, si elle
est rouge, on la remplace par 7 boules noires, sinon, on la remplace par 2 bou-
les rouges et puis on tire une deuxième boule. Calculer la probabilité que la
deuxième boule tirée soit rouge.
ou égale à 15.
Réponses
11.9 Soit B = { la personne choisie est blonde} , F = { la personne choisie est une femme} et
H = { la personne choisie est un homme} . On cherche : P(F/B) . Par la formule de
Bayes on a :
P(B/F) P(F)
P(F/B) =
P(B/F) P(F) + P(B/H ) P(H )
222 Mathématiques du signal
1
a) On a : P(F) = P(H ) = d'où
2
5 1
100 2 5
P(F/B) = = = 0,25
5 1 15 1 20
+
100 2 100 2
3 1
b) On a : P(F) = et P(H ) = d'où
4 4
5 3
100 4 15
P(F/B) = = = 0,5
5 3 15 1 30
+
100 4 100 4
T 2 − 2 (T −2τ)
2
aire (RB) 2τT − τ2
d'où P(R B) = = = .
aire (Ω) T2 T2
11.12 Pour j = 1,2 soit R j = { la j-ème boule tirée est rouge} et N j = { la j-ème boule tirée est
noire} . On cherche P(R2 ). On a :
4 5 5 3
P(R2 ) = P(R2 /R1 ) P(R1 ) + P(R2 /N1 ) P(N1 ) = + = 0,3869
14 8 9 8
11.13 a) Ω = {(i 1 ,i 2 ,i 3 ) : 1 i 1 ,i 2 ,i 3 6} .
11 • Espace de probabilités 223
i1 i2 i3 i1 + i2 + i3 nombre de(i 1 ,i 2 ,i 3 )
3 6 6 15 3
4 5 6 15 6
4 6 6 16 3
5 5 5 15 1
5 5 6 16 3
5 6 6 17 3
6 6 6 18 1
card(A)=20
card(A) 20
P(A) = = 3 = 0,0926
card() 6
11.14 On a : Ω = {(P,P),(P,F),(F,P)(F,F)} .
Soit A = { au moins une P} , on a :
P(A) = 1 − P(Ac ) = 1 − P ((F,F)) = 1 − θ2
© Dunod. La photocopie non autorisée est un délit.
Chapitre 12
Variables Aléatoires
RAPPELS
• La loi d’une variable aléatoire réelle X est une distribution et pour toute fonction
h à support compact on a :
E [h(X)] =< PX ,h > (R12.5)
P(X = x|Y = y)
cas discret : P(X = x|Y = y) = (R12.9)
P(Y = y)
f X,Y (x,y)
cas continu : f X (x|y) = (R12.10)
f Y (y)
– Espérance conditionnelle :
cas discret : E [h(X)|Y = j] = h(i) P(X = i|Y = j) (R12.11)
i
∞
cas continu : E [h(X)|Y = y] = h(x) f X (x|y) dx (R12.12)
−∞
12 • Variables aléatoires 227
Du fait que X et Y suivent la même loi uniforme sur l’ensemble et qu’elles sont indépen-
dantes, on a :
1 1
P(X = i,Y = j) = P(X = i) P(Y = j) = ∀ i ∈ , ∀ j ∈ .
N N
1) On remparque que S = X + Y est à valeurs dans l’ensemble 1 = {2,. . . ,2N } ; donc
∀ k ∈ 1 on a :
P(S = k)= P(X = i,S = k) = P(X = i,X + Y = k)
i∈ i∈
= P(X = i,Y = k − i)
i∈,k−i∈
Or,
{i ∈ } ∩ {k − i ∈ }= {1 i N } ∩ {1 k − i N }
On en déduit :
min(N,k−1)
P(S = k)= P(X = i) P(Y = k − i)
i=max(1,k−N )
min(N ,k − 1) − max(1,k − N ) + 1
=
N2
k−1
si 2 k N + 1
N2
=
2N − k + 1
si N + 2 k 2N
N2
Or,
{ j ∈ } ∩ {k + j ∈ }= {1 j N } ∩ {1 k + j N }
min(N ,N − k) − max(1,1 − k) + 1
=
N2
N +k
si 1 − N k 0
N2 N − |k|
= =
N −k N2
si 1 k N − 1
N2
2N − X si N + 1 X 2N
X si 1 X N − 1
N si X = N
ce qui peut sécrire sous la forme : Y =
2N − X si N + 1 X 2N − 1
0 si X = 2N
On en déduit :
1
P(Y = 0) = P(X = 2N ) =
N (2N + 1)
N +1
P(Y = N ) = P(X = N ) =
N (2N + 1)
230 Mathématiques du signal
et pour k ∈ {1,. . . ,N − 1} ,
Exercice 12.3
∞ ∞ ∞
1) On doit avoir ∑
i = x0
P( X = i ) = 1 ; ∑
i = x0
P( X = i ) = Kp ∑q
i = x0
i −1
, dans la dernière somme, en
changeant i en j + x0 , on obtient :
∞ ∞
∑ ∑q
1
P( X = i ) = Kpq x0 −1 j
=Kpq x0 −1 = Kq x0 −1
i = x0 j =0
1− q
1− x 0
d’où K = q et l’expression de la loi de X devient :
P( X = x ) = pq x − x0 ∀ x x0 .
∞ ∞
On a : E[ X ] = ∑ i
iP( X = i ) = p ∑
i = x0
iq i − x0 = p ∑ ( j + x )q
j =0
0
j
∞ ∞ ∞
= x0 + p ∑j =0
jq j = x 0 + p ∑j =1
jq j = x 0 + pq ∑ jqj =1
j −1
∞
d 1
∑t − 1
d q
= x 0 + pq j
= x 0 + pq = x0 + .
dt
dt 1 − t t =q p
j =1 t =q
2) Soit D la variable aléatoire associée au montant des dépenses que devra affronter le ven-
deur pendant la période [τ0 ,τ1]. D prend les valeurs 0, d1 et d2 avec les probabilités
P(D = 0) = P(X = S), P(D = d1) = P(X < S) et P(D = d2) = P(X > S).
On a : P( D = 0) = P( X = S ) = pq S − x0
S −1 S −1
P( D = d1 ) = ∑
k = x0
P( X = k ) = p ∑q
k = x0
k − x0
. Dans la dernière somme, en changeant k en j + x0 ,
S − x 0 −1
on obtient : P( D = d1 ) = p ∑qj =0
j
= 1 − q S − x0 ,
∞ ∞
∑ ∑q
© Dunod. La photocopie non autorisée est un délit.
k − x0
P( D = d2 ) = P( X = k ) = p = q S +1− x0 .
k = S +1 k = S +1
On en déduit :
E[ D] = 0 P( D = 0) + d1 P( D = d1 ) + d2 P( D = d2 ) = d1 + (qd2 − d1 )q S − x0 .
Exercice 12.4
Un produit de saison rapporte un bénéfice net de λ euros par unité vendue mais,
inversement, chaque unité invendue à la fin de saison engendre une perte de
m euros. On admet que le nombre X d’unités achetées auprès d’un certain magasin
232 Mathématiques du signal
au cours des saisons de vente successive suit une loi continue de densité f à valeurs
positives. On admet que le magasin doit avoir constitué tout son stock avant la sai-
son. Combien d’unités faut-il stocker pour maximiser le profit moyen ?
∞ s
On remarque que : ∫ s
f ( x ) dx = P( X > s) = 1 – P( X s) = 1 − ∫0
f ( x ) dx , il vient donc
s s
h( s) = λs + (λ + m) ∫ 0
x f ( x ) dx − (λ + m)s ∫0
f ( x ) dx.
ψ (x)
Or, si G( x ) = ∫ϕ(x)
g(t ) dt, on a G ′( x ) = g(ψ ( x ))ψ ′( x ) − g(ϕ ( x ))ϕ ′( x ).
On en déduit :
s s
h ′( s ) = λ + ( λ + m )s f ( s ) − ( λ + m ) ∫0
f ( x ) dx − ( λ + m ) s f ( s ) = λ − ( λ + m ) ∫
0
f ( x ) dx .
λ s
Donc h′(s) = 0 implique
0 λ+m ∫ f ( x )dx =
et l’on obtient un maximum puisque
h′′(s) = – (λ + m)f(s) < 0 ∀ s > 0, car f est une densité de probabilité.
x
Si l’on note F( x ) = ∫0
f (t ) dt la fonction de répartition de la loi de X, on obtient
λ
s = F −1 , où F –1 désigne la fonction réciproque de F.
λ + m
Exercice 12.5
∑ ∑θ
1
1) On a : P(Y = 1) = P( X = 2 k ) = (1 − θ ) 2k
=
k =0 k =0
1+θ
∞ ∞
θ
P (Y = 1 − a ) = ∑
k =0
P( X = 2 k + 1) = (1 − θ ) ∑θ
k =0
2 k +1
=
1+θ
.
1 + θ (1 − a)
Donc : E[Y ] = ∑
j ∈{1,1− a}
j P (Y = j ) =
1+θ
1 + θ (1 − a)2 θ a2
et : E[Y 2 ] = ∑
j ∈{1,1− a}
j 2 P (Y = j ) =
1+θ
, d’où : Var[Y ] =
(1 + θ )2
.
2) On a :
∞ ∞
λ2 k eλ + e−λ 1
P(Y = 1) = ∑
k =0
P( X = 2 k ) = e − λ ∑k =0
( 2 k )!
= e−λ
2
−2 λ
= 2 (1 + e )
∞ ∞
λ2 k +1 eλ + e−λ 1
P (Y = 1 − a ) = ∑k =0
P( X = 2 k + 1) = e − λ ∑
k =0
( 2 k + 1 )!
= e−λ
2
−2 λ
= 2 (1 + e ).
a2
∑
a
Donc : E[Y ] = j P(Y = j ) = 1 − (1 − e −2 λ ) et Var[Y ] = (1 − e −4 λ ).
© Dunod. La photocopie non autorisée est un délit.
j ∈{1,1− a}
2 4
3) Si n = 2m, on a :
m m
∑ ∑ P( X = 2k − 1) = 2m = 2 .
m 1 m 1
P(Y = 1) = P( X = 2 k ) = = P (Y = 1 − a ) =
k =1
2m 2 k =1
et
a a2
Donc : E[Y ] = 1 − et Var[Y ] = .
2 4
Si n = 2m + 1, on a :
m m
m +1
∑ ∑
m
P(Y = 1) = P( X = 2 k ) = et P(Y = 1 − a) = P( X = 2 k + 1) = .
k =1
2m + 1 k =0
2 m + 1
234 Mathématiques du signal
m +1 m( m + 1) 2
Donc : E[Y ] = 1 − a et Var[Y ] = a .
2m + 1 (2 m + 1)2
Exercice 12.6
1) On a :
x −x
Φ(x) + Φ(−x) = ϕ(t) dt + ϕ(t) dt
−∞ −∞
I II
t −µ
en effectuant le changement de variable : u = , on obtient :
σ
x−µ
σ x −µ
FX (x) = ϕ(u) du = Φ( )
−∞ σ
2.b) On a :
µ−µ 1
E[U1 ] = P(X µ) = FX (µ) = Φ( ) = Φ(0) =
σ 2
E[V1 ] = P(µ − σ X µ + σ) = FX (µ + σ) − FX (µ − σ)
µ+σ−µ µ−σ−µ
= Φ( ) − Φ( ) = Φ(1) − Φ(−1)
σ σ
= 2 Φ(1) − 1 = 0,6827
µ
1 µ x −µ
E[U2 ] = x f X (x) dx = x ϕ( ) dx
−∞ σ −∞ σ
x −µ
En effectuant le changement de variable t = , on obtient :
σ
0 0 0
E[U2 ] = (µ + σ t) ϕ(t) dt = µ ϕ(t) dt + σ t ϕ(t) dt
−∞ −∞ −∞
d
en tenant compte de ϕ(t) = −t ϕ(t) , on a :
dt
µ σ
E[U2 ] = µ Φ(0) − σ ϕ(0) = −√
2 2π
1 µ+σ
x −µ
E[V2 ] = x f X (x) dx = x ϕ( ) dx
{|x−µ|σ} σ µ−σ σ
x −µ
En effectuant le changement de variable t = , on obtient :
σ
© Dunod. La photocopie non autorisée est un délit.
1 1 1
E[V2 ] = (µ + σ t) ϕ(t) dt = µ ϕ(t) dt + σ t ϕ(t) dt
−1 −1 −1
1
or, la fonction t −→ t ϕ(t) est impaire, donc t ϕ(t) dt = 0 et on en déduit :
−1
Exercice 12.7
µ−σ
1 x −µ x −µ
On a : a = ϕ dx , en effectuant le changement de variable : u = ,
−∞ σ σ σ
−1
on obtient : a = ϕ(u) du = Φ(−1) .
−∞
∞
x x −µ
On a : c1 (µ,σ) = ϕ dx, en effectuant le changement de variable :
µ−σ σ σ
x −µ
u= , on obtient :
σ
∞ ∞ ∞
c1 (µ,σ) = σ (u + µ) ϕ(u) du = σ µ ϕ(u) du + σ u ϕ(u) du
−1 −1 −1
= σ µ (1 − Φ(−1)) + σ [−ϕ(u)]∞
−1 = σ µ Φ(1) + σ ϕ(1)
12 • Variables aléatoires 237
De même, on a :
∞
c2 (µ,σ) = σ 2
(u + µ)2 ϕ(u) du
−1
∞
= σ2 µ2 Φ(1) + 2µ σ2 ϕ(1) + σ2 u 2 ϕ(u) du
−1
∞ ∞
or, u 2 ϕ(u) du = u d(−ϕ(u))
−1 −1
∞
= [−u ϕ(u)]∞
−1 + ϕ(u) du = Φ(1) − ϕ(1) .
−1
On en déduit
c2 (µ,σ) = σ2 µ2 Φ(1) + 2µ σ2 ϕ(1) + σ2 (Φ(1) − ϕ(1))
1) On a :
M(θ) = E θ 1l]−∞,µ−σ] (X) + X 1l]µ−σ,∞[ (X)
= θ E 1l]−∞,µ−σ] (X) + E X 1l]µ−σ,∞[ (X)
µ−σ ∞
=θ f (x) dx + x f (x) dx = a θ + c1 (µ,σ)
−∞ µ−σ
E h 2 (X) = θ2 E 1l]−∞,µ−σ] (X) + E X 2 1l]µ−σ,∞[ (X)
µ−σ ∞
= θ2 f (x) dx + x 2 f (x) dx = a θ2 + c2 (µ,σ)
−∞ µ−σ
d’où
V (θ) = E h 2 (X) − M 2 (θ) = a θ2 + c2 (µ,σ) − (a θ + c1 (µ,σ))2
2) On a :
© Dunod. La photocopie non autorisée est un délit.
d’où
c1 (µ,σ) ϕ(1)
V (θ) = 0 ⇐⇒ θ̂ = =σ µ+
1−a Φ(1)
θ=θ̂
On a :
M(θ̂) = a θ̂ + c1 (µ,σ) = θ̂
c12 (µ,σ)
V (θ̂) = c2 (µ,σ) −
1−a
On remarque que θ̂ est le point fixe de M.
238 Mathématiques du signal
Exercice 12.8
Un système électronique, ayant une entrée E et une sortie S, est constitué de trois
composants C1 , C2 et C3 montés en série selon le schéma suivant :
P ({T1 > t} ∩ {T2 > t} ∩ {T3 > t}) = P(T1 > t) P(T2 > t) P(T3 > t)
= (1 − P(T1 t)) (1 − P(T2 t)) (1 − P(T3 t))
= (1 − F1 (t)) (1 − F2 (t)) (1 − F3 (t))
Exercice 12.9
Soit (X,Y) un couple de variables aléatoires réelles dont la loi admet la densité :
f(x, y) = (y – x)1l]0,1[(x)1l]1,2[(y)
1) Déterminer les densités marginales de X et de Y.
2) X et Y sont-elles indépendantes ?
3) Déterminer la loi de U = X + Y.
X −θ
4) On considère le polynôme Q(t ) = t 2 − Yt − , où θ > 0.
4
Calculer, en fonction de θ, la probabilité que les racines de Q soient réelles et
distinctes.
3) On a :
E[ϕ (U )] = E[ϕ ( X + Y )] = ∫∫ 2
ϕ ( x + y) f ( x, y) dx dy .
{uv == xx + y {yx == uv − v .
© Dunod. La photocopie non autorisée est un délit.
Si D = {(x,y) : 0 < x < 1, 1 < y < 2}, D a pour image ∆ donnée par :
∆ = {(u,ν) : 0 < v < 1, 1 < u – ν < 2} = {(u,ν) : 0 < ν < 1, u – 2 < ν < u – 1}.
Donc : E[ϕ (U )] = ∫∫ ϕ (u) j(u,ν ) f (ν , u − ν ) du dν
∆
où j désigne le jacobien de la transfor-
mation donné par :
∂x ∂x
0 1
j (u, ν ) =
D( x, y)
= ∂u ∂ν = = −1.
D(u, ν ) ∂y ∂y 1 −1
∂u ∂ν
240 Mathématiques du signal
y v
D
∆
1 1
0 1 x 0 1 2 3 u
1 2 3 u
0 si θ ∈]0, 1]
θ (θ − 1) 2
1
P(U θ ) = 2
∫
(u − 1)du =
2
si θ ∈]1, 2]
.
θ (3 − θ ) 2
1 ∫
(u − 1)du + (3 − u)du = 1 −
2 ∫ 2
si θ ∈]2, 3[
1 si θ 3
1 si θ ∈]0,1]
(θ − 1)2
1 − si θ ∈]1, 2]
Donc : P( X + Y > θ ) = 2 .
( 3 − θ ) 2
si θ ∈]2, 3[
2
0 si θ 3
12 • Variables aléatoires 241
Exercice 12.10
On dit qu’une variable aléatoire réelle Z suit une loi exponentielle de paramètre
λ > 0 si la densité de la loi de Z est donnée par :
fZ(z) = λ e–λz1l]0,∞[(z).
X1 + X2
V2 = .
X3
5) Soit Z1 et Z2 deux variables aléatoires indépendantes ; on suppose que Z1 suit
une loi uniforme sur [0,θ] (θ > 0) et que Z2 suit une loi exponentielle de para-
mètre λ. On pose W = Z1 + Z2 et de T = Z2 – Z1 .
Déterminer la loi du couple (W,T). En déduire les lois marginales de W et de T.
1) On a :
© Dunod. La photocopie non autorisée est un délit.
∞ ∞ 1 ∞ Γ ( k + 1) k !
E[ Z k ] = ∫
−∞
z k f Z ( z ) dz = λ ∫
0
z k e − λz dz =
λk ∫0
u k e − u du =
λk
= k.
λ
1
D’où : Var[ Z ] = E[ Z 2 ] − ( E[ Z ])2 = .
λ2
3) On a :
X1 x1
E ϕ1 ( X1 + X2 )ϕ 2
X1 + X2 ∫∫
= 2 ϕ1 ( x1 + x 2 )ϕ 2 f X , X ( x1 , x 2 ) dx1 dx 2 .
x1 + x 2 1 2
Effectuons le changement de variables suivant :
u1 = x1 + x 2 x1 = u1ν1
ν = x1 ⇔
1 x1 + x 2 x 2 = u1 (1 − ν1 )
si D = {(x1 ,x2) : x1 > 0, x2 > 0}, D a pour image ∆ définie par :
∆ = {(u1 ,ν1) : u1 > 0, 0 < ν1 < 1}.
x2 v1
D 1
∆
0 x1 0 u1
Donc :
E[ϕ1 (U1 )ϕ 2 (V1 )] = ∫∫ ϕ (u )ϕ (ν )
∆
1 1 2 1 j (u1 , ν1 ) f X1 , X 2 (u1ν1 , u1 (1 − ν1 ) du1 dν1
= u 1 f X 1 (u 1 v1 ) f X 2 (u 1 (1 − v1 ))11 (u 1 ,v1 )
car X1 et X2 sont indépendantes.
D’où : fU1 ,V1 (u 1 v1 ) = λ2 u 1 exp(−λu 1 )11]0,∞[ (u 1 )11]0,1[ (v1 )
On remarque que U1 et V1 sont indépendantes ; en effet, V1 suit une loi uniforme sur ]0,1[
de densité fV1(ν1) = 11l ]0,1[(ν1) et la densité de la loi de U1 est donnée par fU1(u1) =
λ2u1exp(–λu1)1 1l ]0,∞[(u1).
4) Introduisons la nouvelle variable W = X1 + X2 et effectuons le changement de variables
suivant :
u = x1 + x 2 x = w
2 1 u
x1 2
x1 + x 2 1
ν 2 = ⇔ x 2 = w1 − .
x 3 u2
w = x1 + x 2 x = w
3 ν
2
12 • Variables aléatoires 243
w 1 w
= j (u2 , ν 2, w ) f X1 f X2 w1 − f X3 11 (u 2 ,v2 ,w)
u2 u2 ν 2
avec :
∂ x1 ∂ x1 ∂ x1 w 1
∂ u2 ∂ν 2 ∂w − 0
u22 u2
D( x1 , x 2 , x3)) ∂ x2 ∂ x2 ∂ x2 w 1 w2
j (u2 , ν 2 , w ) = = = 2 0 1− =− 2 2.
D(u2 , ν 2 , w ) ∂ u2 ∂ν 2 ∂w u2 u2 u2 ν 2
∂ x3 ∂ x3 ∂ x3 w 1
0 −
∂ u2 ∂ν 2 ∂w ν 22 ν2
D’où :
w2 1
fU2 ,V2 ,W (u2 , ν 2 , w ) = λ3
2 2 exp − λw 1 + 11 (u 2 ,v2 ,w)
u2 ν 2 ν 2
On en déduit la densité de la loi du couple (U2 ,V2) : ∀ u2 > 1, ν2 > 0
+∞ λ3 ∞ 1
fU 2 , V2 (u2 , ν 2 ) = ∫−∞
fU 2 , V2 , W (u2 , ν 2 , w ) dw =
u22ν 22 ∫
0
w 2 exp − λw1 + dw .
ν 2
1 ν2
Faisons le changement de variable t = λw1 + , d’où λ dw = dt et :
ν2 ν 2 +1
1 ν 23 ∞ 2ν 2
fU2 ,V2 (u2 , ν 2 ) =
u22ν 22 (ν 2 + 1)3 ∫ 0
t 2 e − t dt =
u22 (ν 2 + 1)3
.
On remarque que U2 et V2 sont indépendantes ; en effet, il est facile de vérifier que la den-
© Dunod. La photocopie non autorisée est un délit.
1
sité de la loi de U2 est donnée par fU2 (u 2 ) = 2 11]1,∞[ (u 2 ) et la densité de la loi de V2 par
u2
2v2
f V2 (v2 ) = 11]0,∞[ (v2 )
(v2 + 1)3
5) Effectuons le changement de variables suivant : t
t=w
z = 1 ( w − t )
w = z1 + z2 1 2
t=–w
t = w – 2θ
⇔ ∆
t = z − z z = 1 ( w + t )
2 1 2 2 θ
0 2θ w
–θ
244 Mathématiques du signal
w − t w + t
fW , T ( w, t ) = j ( w, t ) f Z1 , Z 2 , 11 (w,t)
2 2
w − t w + t
= j ( w, t ) f Z1 f 11 (w,t)
2 Z2 2
∂ z1 ∂ z1 1 1
−
D( z1 , z2 ) ∂w ∂t 2 2 1
j ( w, t ) = = = = .
D( w, t ) ∂ z2 ∂ z2 1 1 2
∂w ∂t 2 2
λ λ
D’où : fW ,T ( w, t ) = exp − ( w + t ) 11 (w,t).
2θ 2
w exp(λθ ) − 1
pour w > θ : fW ( w ) = ∫ w − 2θ
fW , T ( w, t ) dt =
θ
exp ( − λw )).
Exercice 12.11
1) Comme X et Y sont indépendantes, la densité de la loi du couple (X,Y) est donnée par :
1 x 2 + y2
f X ,Y ( x , y ) = exp − .
2π 2
On a :
X2
E[ϕ1 (U )ϕ 2 (V )] = E ϕ1 ( X 2 + Y 2 )ϕ 2 2 2
X + Y
x2
= ∫∫ 2
ϕ1 ( x 2 + y 2 )ϕ 2 2 2 f X ,Y ( x , y ) dx dy
x +y
∞ ∞ x2
=4 ∫ ∫
0 0
ϕ1 ( x 2 + y 2 ) ϕ 2 2 2 f X ,Y ( x , y ) dx dy .
x +y
Effectuons le changement de variables suivant : v
u = x 2 + y 2
x = uν
v = x
2
⇔ 1
x 2 + y2 y = u(1 − v) ∆
si D = {(x,y) : x 0, y 0}, D a pour image ∆ : 0 u
∆ = {(u,ν) : u 0, 0 ν 1}.
Donc : E[ϕ1 (U )ϕ 2 (V )] = 4 ∫∫ ϕ (u)ϕ (ν ) j(u,ν ) f uν , u(1 − ν ) du dν
© Dunod. La photocopie non autorisée est un délit.
1 2 X ,Y (
∆
∂x ∂x v u
D( x, y) ∂ u ∂ν 2 u 2 ν −1
avec : j (u, ν ) = = = = .
D(u, ν ) ∂ y ∂y 1−ν − u 4 ν (1 − ν )
∂u ∂ν 2 u 2 1−ν
On en déduit la densité de la loi du couple (U,V) donnée par :
fU , V (u, ν ) = 4 j (u, v) f X , Y ( uν , u(1 − ν ) )11l ∆ (u, ν ).
exp − 11l
1 1 u
D’où : fU ,V (u, ν ) = ∆ (u, ν ).
2π ν (1 − ν ) 2
246 Mathématiques du signal
1 x2
Soit X une variable aléatoire de loi N (0,1) de densité : ϕ(x) = √ e− 2
2π
x
et de fonction de répartition :
(x) = ϕ(t) dt .
−∞
1) Déterminer la loi de Y = |X|.
2) Pour θ ∈ R, déterminer la loi de Z = X 11[θ,∞[ (X).
3) Pour θ ∈ R, déterminer la loi de T = X 11]−∞,θ] (X).
4) Pour a < b, déterminer la loi de U = X 11[a,b] (X).
1) On remarque que Y est à valeurs dans [0,∞[. Pout tout y 0, la fonction de répartition
de la loi de Y est définie par :
y
FY (y) = P(Y y) = P(|X| y) = P(−y X y) = ϕ(x) dx =
(y) −
(−y)
−y
f Y (y) = FY (y) = (ϕ(y) + ϕ(−y)) 11[0,∞[ (y) = 2 ϕ(y) 11[0,∞[ (y)
ϕ(z)
f Z (z) = FZ (z) = 11[θ,∞[ (z)
1 −
(θ)
12 • Variables aléatoires 247
ϕ(t)
f T (t) = FT (t) = 11]−∞,θ] (t)
(θ)
ϕ(u)
fU (u) = FU (u) = 11[a,b] (u)
(b) −
(a)
Exercice 12.13
Soit X et Y deux variables aléatoires. On suppose que la loi de Y est définie sur l’in-
tervalle ]0,1[ de densité f et que conditionnellement à {Y = y}, X prend ses valeurs
© Dunod. La photocopie non autorisée est un délit.
y f ( y) si k = n
f X , Y ( k , y ) = P( X = k / Y = y ) f ( y ) = 1 − y ,
n − 1 f ( y) si k = 1,..., n − 1
1
et la loi marginale de X est donnée par : P( X = k ) = ∫0
f X ,Y ( k , y) dy, soit :
1
P( X = k ) = 0
∫
y f ( y) dy = µ si k = n
.
1 1 1− µ
n −1 0 ∫
(1 − y) f ( y) dy =
n −1
si k = 1,..., n − 1
On a :
n n −1 n −1
1− µ n(1 + µ )
E[ X ] = ∑ kP( X = k ) = nP( X = n) +∑ kP( X = k ) = nµ + n − 1 ∑ k =
k =1 k =1 k =1
2
n n −1 n −1
1− µ
E[ X 2 ] = ∑
k =1
k 2 P( X = k ) = n 2 P( X = n) + ∑
k =1
k 2 P( X = k ) = n 2 µ +
n − 1 k =1∑k2
y f ( y) si k = n
µ
fY(y/X = k) = .
1− y
f ( y) si k = 1,..., n − 1
1 − µ
3) On remarque que 0 < µ < 1 ; en effet, Y est à valeurs dans ]0,1[ ;
d’autre part, on a :
1 1 1 σ 2 + µ2
E[Y / X = n] = ∫
0
y fY (Y / X = n) dy =
µ ∫ 0
y 2 f ( y ) dy =
µ
et : ∀ k ∈ {1, ..., n – 1}
1 1 1 µ − (σ 2 + µ 2 )
E[Y / X = k ] = ∫ 0
y fY (Y / X = k ) dy =
1− µ ∫0
y(1 − y) f ( y) dy =
1− µ
σ2
donc : ∀ k ∈ {1, ..., n – 1}, E[Y / X = n] − E[Y / X = k ] = > 0.
µ (1 − µ )
12 • Variables aléatoires 249
Exercice 12.14
Soit X, Y et Z trois variables aléatoires. On suppose que la loi de X est définie sur ∗+
de densité f ( x ) =
1 −1 1l
4 exp []0 ,∞[ ( x ) et conditionnellement à {X = x}, Y et Z
16 x 2x
sont indépendantes et suivent la même loi (0,x), c’est-à-dire :
1 y2 1 z2
fY ( y / x ) = exp − , fZ ( z / x ) = exp − .
2π x 2x 2π x 2x
1) Déterminer la loi du couple (Y, Z).
2) Déterminer la loi de X conditionnellement à {Y = y, Z = z}.
3) Calculer E[X/Y, Z] .
4) On pose U = Y + Z. Déterminer la loi de X conditionnellement à {U = u}.
5) Calculer E[X/U] .
(1 + y 2 + z 2 ) 4 −1
soit : f X ( x / y, z ) = exp (1 + y 2 + z 2 )11l]]0, ∞[ ( x ).
96 x 5 2x
3) On a :
∞ 1 + y2 + z2 1
E[ X / Y = y, Z = z ] = ∫ −∞
x f X ( x / y, z ) dx =
12
Γ (3) = (1 + y 2 + z 2 ),
6
1
soit : E[ X / Y , Z ] = (1 + Y 2 + Z 2 ).
6
250 Mathématiques du signal
∞ −1
exp (2 + u 2 ) dx .
1 1
=
32 π ∫ 0 x 9/2
4x
2 + u2
En effectuant le changement de variable t = , on obtient :
4x
4 ∞ 4Γ ( 7 / 2 )
fU (u) =
π (2 + u )2 7/2 ∫0
t 5 / 2 e − t dt =
π (2 + u 2 ) 7 / 2
, et en tenant compte de Γ 1 = π
2
7
−
et Γ(α + 1) = αΓ(α) , Γ =
7 15 15
π et donc : fU (u) = (2 + u 2 ) 2 .
2 8 2
On a alors :
f ( x, u) (2 + u 2 ) 7 / 2 1 −1
f X ( x/u) = X ,U = exp (2 + u 2 )11l]]0, ∞[ ( x ).
fU (u) 16 × 15 π x 9 / 2
4x
∞ 2 + u2 2 + U2
5) On a : E[ X / U = u] = ∫ −∞
x f X ( x / u) dx =
10
, soit : E[ X / U ] =
10
.
Exercice 12.15
1) On a :
∞ 0 1
ϕ X (t) = f X (x) e−2iπt x dx = (1 + x) e−2iπt x dx + (1 − x) e−2iπt x dx
−∞ −1 0
2i πt −2i πt
1 + 2iπt − e 1 − 2iπt − e
= +
4π2 t 2 4π2 t 2
2
1 − cos(2πt) sin(πt)
= =
2π2 t 2 πt
2) Posons : an = 1 + θ2n .
b) On a :
© Dunod. La photocopie non autorisée est un délit.
∞ −θn
ϕn (t) = f n (x) e−2iπt x dx = (x + an ) e−2iπt x dx
−∞ −an
θn an
+ (an − θn ) e−2iπt x dx + (an − x) e−2iπt x dx
−θn θn
θn an
=2 (an − θn ) cos(2πt x) dx + 2 (an − x) cos(2πt x) dx
0 θn
cos(2πθn t) − cos(2πan t)
=
2 π2 t 2
252 Mathématiques du signal
c) Du fait que lim θn = 0 , on a : cos(2πθn t) −→ 1 et an = 1 + θ2n −→ 1,
n→∞ n→∞ n→∞
cos(2πan t) −→ cos(2πt) . On en déduit
n→∞
2
1 − cos(2πt) sin(πt)
∀t , lim ϕn (t) = = = ϕ X (t)
n→∞ 2π2 t 2 πt
1 si η −1
0
1
(1 + η)2
(1 + x) dx + (1 − x) dx = 1 − si − 1 η 0
η 0 2
=
1
(1 − η)2
(1 − = si 0 η 1
x) dx
2
η
0 si η 1
1
1) Pour x ∈]0,1[, étudier la variation de la fonction g(x) = − 4.
x(1 − x)
Soit U une variable aléatoire réelle de loi uniforme U ([0,1]). On définit la
1
variable aléatoire X par : X = − 4.
U (1 − U )
2) Déterminer f X la densité de la loi de X.
3) Déterminer FX la fonction de répartition de la loi de X.
4) Soit X 1 ,. . . ,X n des variables aléatoires indépendantes suivant la même loi
que X. On pose : Un = sup{X 1 ,. . . ,X n }.
2n
Déterminer Fn la fonction de répartition de la loi de Un. Montrer que Tn =
Un
converge en loi vers la variable aléatoire T de loi Exponentielle de paramè-
tre 1.
12 • Variables aléatoires 253
2x − 1
1) On a : lim g(x) = lim g(x) = ∞. D’autre part, g (x) = ; donc g s’annule
x→0 x→1 − x)2 x 2 (1
1 1 1 1
au point x = . g (x) 0 si x et g (x) 0 si x ; donc x = réalise le minimum
2 2 2 2
de g sur l’intervalle ]0,1[.
2) D’après 1), on remarque que X = g(U ) donc la variable aléatoire X est à valeurs dans
]0,∞[. Pour toute fonction h à support compact on a :
∞
E [h(g(U ))]= h(g(u)) fU (u) du
−∞
1 1 1
2
= h(g(u)) du = h(g(u)) du + h(g(u)) du
1
0
0 2
I1
I2
1
2 1
Dans I1 = h(g(u)) du, effectuons le changement de variable : x = g(u) = − 4.
u(1 − u)
0
1 1
On a : u 2 − u + = 0 ; du fait que g est décroissante sur l’intervalle 0, , on a :
x +4 2
1 1 1 1
u= − − . Donc quand u → 0 , x → ∞ et quand u → , x → 0 ; et
2 4 x +4 2
∞
dx dx
du = − √ . Il vient donc : I1 = h(x) √ .
x (x + 4)3/2 0 x (x + 4)3/2
1
Dans I2 = h(g(u)) du , effectuons le changement de variable :
1
2
1
x = g(u) = − 4.
u(1 − u)
1 1 1 1
Du fait que g est croissante sur l’intervalle ,1 , on a : u = + − . Donc
2 2 4 x +4
1 dx
quand u → , x → 0 et quand u → 1 , x → ∞ ; et du = √ . Il vient donc :
© Dunod. La photocopie non autorisée est un délit.
2 x (x + 4)3/2
∞
dx
I2 = h(x) √ . On en déduit :
0 x (x + 4)3/2
∞
2
E [h(X)] = I1 + I2 = h(x) √ dx
0 x (x + 4)3/2
2
Donc la densité de la loi de X est définie par : f X (x) = √ 11]0,∞[ (x) .
x (x + 4)3/2
254 Mathématiques du signal
Exercice 12.17
∑ P( X
1 k
or : P( X1 = k ) = , donc : P( X1 k ) = 1 = i) = ;
N i =1
N
n
d’où : P(Un k ) = 1 − 1 − .
k
N
n n
k − 1
Soit : P(Un = k ) = P(Un k ) − P(Un k − 1) = 1 − − 1 − .
k
N N
Loi de Vn : ∀ k ∈ {1,2,...,N}
n n
P(Vn k ) = P({∀ i = 1,..., n Xi k}) = P {Xi k} =
i =1
I ∏ P(X k )
i =1
i
n n
∏ P( X k ) = [P( X k )] = .
k
= n
1 1
N
i =1
n n
k − 1
Soit : P(Vn = k ) = P(Vn k ) − P(Vn k − 1) = −
k
.
N N
n n
n k − 1
2) On a : P(Un = k ) = 1 − − 1 −
n k
;
N n N n
n n
n k − 1
d’où : lim P(Un = k ) = lim 1 − − lim 1 −
n k
© Dunod. La photocopie non autorisée est un délit.
n →∞ n →∞ N n n →∞ N n
= e − ( k −1) − e − k = e − ( k −1) (1 − e −1 ) .
loi
On en déduit que Un → U , où U suit une loi géométrique de paramètre (1 – e–1).
n →∞
256 Mathématiques du signal
1) Soit Y une variable aléatoire à valeurs dans {−1,1} de loi P(Y = −1) = α,
P(Y = 1) = 1 − α avec 0 < α < 1.
Déterminer ϕY la fonction caractéristique de la loi de Y.
2) Soit (αn )n 1 une suite de réels tels que : ∀ n 1 , 0 < αn < 1 et
lim αn = α. On considère la suite de variables aléatoires indépendantes
n→∞
(X n )n 1 suivant la loi :
on en déduit :
Exercice 12.19
1) Pour tout i, posons Yi = Xi + 1 ; donc les variables Yi sont à valeurs dans de loi :
© Dunod. La photocopie non autorisée est un délit.
e −1
∀k∈ P(Yi = k ) = P( Xi = k − 1) = .
k!
On en déduit que les Yi suivent une loi de Poisson de paramètre 1 et en particulier,
Tn = Y1 + ... + Yn suit une loi de Poisson de paramètre n, c’est-à-dire ∀ k ∈
nk
P(Tn = k ) = e − n .
k!
On a : E[Tn] = Var[Tn] = n.
Pour tout k ∈ {– n,...,– 1,0,1,...}, la loi de Sn est de la forme :
nk +n
P( Sn = k ) = P(Tn − n = k ) = P(Tn = k + n) = e − n .
( k + n)!
258 Mathématiques du signal
Exercice 12.20
1 2 p(1 − p)
2) On a : E[Tn] = E[Y1] = 2p et Var[Tn ] = Var[Y1 ] = .
n n
2 p(1 − p)
3) On a : E[(Tn − 2 p)2 ] = Var[Tn ] = ,
n
2 p(1 − p)
donc : lim E[(Tn − 2 p)2 ] = lim = 0.
n →∞ n →∞ n
m.q.
On en déduit : Tn → 2 p.
n →∞
12 • Variables aléatoires 259
k=1
n
n
n
t
= E eit X k = ϕk (t) = cos
k=1 k=1 k=1
2k
t
sin t sint 2n
= =
t t t
2n sin n sin n
2 2
260 Mathématiques du signal
t
Or, lim 2n = 1 , on en déduit :
n→∞ t
sin n
2
sint
∀ t , lim ϕ Sn (t) = = ϕ X (t)
n→∞ t
Exercice 12.22
Sn − E[ Sn ] Sn
Par le théorème de la limite centrale, la suite de variables aléatoires Zn = =
Var[ Sn ] τ n
converge en loi vers une variable aléatoire Z de loi (0,1).
On a :
S S η
lim P( Sn η n ) = lim P n η = lim P n
© Dunod. La photocopie non autorisée est un délit.
n →∞ n →∞ n n→∞ τ n τ
η η η η η η
= lim P Zn = P Z = P − = Φ − Φ −
n →∞ τ τ τ τ τ τ
η η(1 − θ )
= 2Φ − 1 = 2Φ − 1,
τ θ (1 + θ )
Exercice 12.23
Soit (Xn)n1 une suite de variables aléatoires indépendantes, telle que Xi suit une
n
loi de Poisson de paramètre 1. On pose : Sn = ∑ Xi .
i =1
1) Déterminer la loi de Sn .
n
nk 1
2) En utilisant le théorème de la limite centrale, montrer que lim e − n
n→∞
∑ = .
k! 2
k!
n →∞
[
= lim P( − n Zn 0) = lim Φ (0) − Φ ( − n ) = Φ (0) =
n →∞
] 1
2
où Φ désigne la fonction de répartition de la loi (0,1).
Exercice 12.24
n
1
∑2
Xk
1) On a : Un = . Posons ak = , l’expression de Un devient alors :
n +1− k 2 n +1− k
k =0
n
Un = ∑a X
k =0
k k . Notons ϕn la fonction caractéristique de Un . On a :
n n
ϕ n (t ) = E[exp( −2iπ tUn )] = E exp −2iπ t ak Xk = E
k =0 k = 0
∑
exp( −2iπ tak Xk )
∏
n n n
= ∏k =0
E[exp( −2iπ tak Xk )] = ∏
k =0
ϕ X k ( ak t ) = ∏ϕ (a t ).
k =0
k
n n
Soit : ln(ϕ n (t )) = ∑ ln(ϕ (a t )) = ∑ψ (a t ).
k =0
k
k =0
k (1)
ϕ ′(t )
D’autre part, de ψ (t) = ln(ϕ (t)), on déduit ψ ′(t ) = et
ϕ (t )
2
ϕ ′′(t ) ϕ ′(t )
ψ ′′(t ) = − ; et en particulier en t = 0, on a :
ϕ (t ) ϕ (t )
ϕ ′( 0 )
ψ ′( 0 ) = = ϕ ′(0) = −2iπ E[ X1 ] = −2iπ µ
ϕ (0)
2
ϕ ′′(0) ϕ ′(0)
et ψ ′′(0) = − = ϕ ′′(0) − (ϕ ′(0)) = ( −2iπ ) E[ X1 ] − ( −2iπ E[ X1 ])
2 2 2 2
ϕ (0) ϕ (0)
[
= ( −2iπ )2 E[ X12 ] − ( E[ X1 ])2 = − 4π 2σ 2 . ]
En utilisant le développement limité de ψ (à l’ordre 2), au voisinage de t = 0, on a :
t2 1
ψ (t ) = ψ (0) + tψ ′(0) + ψ ′′(0) + o(t 2 ) = −2iπ µ t − (2π σ )2 t 2 + o(t 2 ).
2 2
© Dunod. La photocopie non autorisée est un délit.
∑ −2iπ a µt − 2 (2π a σ ) t 2 2
1
ln(ϕ n (t )) = + Rn (2)
k k
k =0
où lim Rn = 0 . Soit :
n →∞
n n
∑ ∑
1
ln(ϕ n (t )) = −2iπ µ t ak − (2π σ ) 2 t 2 ak2 + Rn . (3)
k =0
2 k =0
n n +1 n
∑ ak = 1 − ∑a = 1 − n +1 → .
1 1 1 1
Or : → 1 et 2
2 n →∞
k
3 4 n →∞ 3
k =0 k =0
264 Mathématiques du signal
2
1 2π σ 2
Donc de la relation (3) on déduit, lim ln(ϕ n (t )) = −2iπ µ t − t , soit
n →∞ 2 3
1 2π σ 2
2
loi
lim ϕ n (t ) = exp −2iπ µ t − t ; on en déduit que Un → U , où U suit une loi
n →∞ 2 3 n →∞
σ2
µ, .
3
Exercices d’entraînement
12.27 Soit X une variable aléatoire réelle suivant une loi normale N (µ,1) (µ > 0) de den-
1 (x−µ)2
sité : f X (x) = √ e− 2 .
2π
X −µ
1) Déterminer la densité de la loi de T = | |.
µ
2) Calculer E[T ] et Var [T ].
1
12.28 Soit X une variable aléatoire réelle de densité : f X (x) = 1l[1,∞[ (x).
x2
1
Déterminer la densité de la loi de U = 1 − .
X
1
12.29 Soit X une variable aléatoire réelle de densité : f X (x) = . Déterminer la
π (1 + x 2 )
1
densité de la loi de U = .
X
1
12.30 Soit X une variable aléatoire réelle de densité : f X (x) = 1l]0,∞[ (x).
(1 + x)2
√
1) Déterminer la densité de la loi de U = X .
2) Pour η > 0, déterminer P(U > η).
1
12.31 Soit X une variable aléatoire réelle de densité : f X (x) = .
π (1 + x 2 )
1
1) Déterminer la densité de la loi de U = .
1 + X2
2) Déterminer FU la fonction de répartition de la loi de U .
3) Calculer E[U ] et Var [U ].
12.32 Un système électronique, ayant une entrée E et une sortie S, est constitué de trois
composants C1 , C2 et C3 montés en parallèle selon le schéma suivant :
© Dunod. La photocopie non autorisée est un délit.
Le système cesse de fonctionner quand il n’y a plus de chemin entre E et S. Soit T1,
T2 et T3 les durées de vie respectives des composants C1 , C2 et C3 . On suppose que
ce sont des variables aléatoires réelles indépendantes de lois :
f j (t) = λ j e−λj t 1l]0,∞[ (t) j = 1,2,3 (λ j > 0)
On suppose que les durées de vie des 4 composants sont des variables aléatoires
réelles indépendantes de lois respectives :
12.34 Soit X et Y deux variables aléatoires réelles indépendantes suivant la même loi uni-
forme sur [0,1]. Déterminer la loi de U = X Y .
12.35 Soit X et Y deux variables aléatoires réelles indépendantes suivant la même loi uni-
forme sur [−1,1]. Déterminer la loi de U = X 2 + Y 2 .
12.36 Soit X et Y deux variables aléatoires réelles indépendantes suivant la même loi de
√
densité : f (x) = λ e−λ x 1l]0,∞[ (x) (λ > 0) . Déterminer la loi de U = X + Y .
12.38 Soit X et Y deux variables aléatoires réelles indépendantes suivant la même loi uni-
forme sur [0,1].
1) Déterminer la loi du couple (X,X − Y ).
2) X et X − Y sont-elles indépendantes ?
12.40 On considère (X,Y ) un couple de variables aléatoires dont la loi admet la densité :
f X,Y (x,y) = K e−(x +y 2 )
2
1l{x>0 , y>0}
12.41 Soit X et Y deux variables aléatoires indépendantes suivant la même loi uni-
forme sur l’intervalle [0,1]. On pose : U = −ln (1 − X Y ).
1) Déterminer fU la densité de la loi de U .
2) Déterminer FU la fonction de répartition de la loi de U .
3) Soit U1 ,. . . ,Un des variables aléatoires indépendantes suivant la même loi
que U .
On pose : Tn = sup{U1 ,. . . ,Un }. Déterminer FTn la fonction de répartition de la
loi de Tn.
© Dunod. La photocopie non autorisée est un délit.
12.42 Soit X et Y deux variables aléatoires indépendantes suivant la même loi uni-
X +Y
forme U ([0,1]). On définit la variable aléatoire U par : U = .
2− X −Y
1) Déterminer la loi du couple (X,U ).
2) X et U sont-elles indépendantes ?
3) Déterminer la loi marginale de U .
4) Déterminer la loi conditionnelle de X sachant {U = u}.
268 Mathématiques du signal
12.44 Soit X une variable aléatoire réelle dont la loi admet la densité :
1
f X (x) = e−|x−θ| (θ > 0)
2
1) Déterminer FX la fonction de répartition de la loi de X.
2) Déterminer E[X] et V ar[X].
3) Soit U une variable aléatoire suivant une loi uniforme sur l’intervalle [−θ,θ] .
On suppose que X et U sont indépendantes et on définit la variable aléatoire
Y par :
X si X θ
Y =
X + U si X > θ
Démontrer que, pour tout θ , V ar[Y ] > V ar[X].
Réponses
7
12.25 1) C = .
24
x
2) On a : FX (x) = P(X x) = f (t) dt .
−∞
• si x 0 , FX (x) = 0 ,
x(20 − 3x)
• si 0 < x 1 , FX (x) = ,
48
3 + 14x
• si 1 < x 2 , FX (x) = ,
48
15 + 2x + 3x 2
• si 2 < x 3 , FX (x) = ,
48
• si x 3 , FX (x) = 1 .
12 • Variables aléatoires 269
λ µ
2) E[U1 ] = et E[U2 ] = .
λ+µ λ+µ
−λ2 µ2
3) E[V1 ] = et E[V2 ] = .
λ+µ λ+µ
2µ µ2 t 2
12.27 1) f T (t) = √ e−
1l[0,∞[ (t) .
2
2π
√
2 π−2
2) E[T ] = √ et Var [T ] = 2 .
µ π µπ
12.28 U suit une loi uniforme sur l’intervalle [0,1], fU (u) = 1l[0,1] (u) .
1
12.29 U suit la même loi que X, fU (u) = .
π (1 + u 2 )
2u
12.30 1) fU (u) = 1l]0,∞[ (u) .
(1 + u 2 )2
1
2) P(U > η) = .
1 + η2
1
12.31 1) fU (u) = √ √ 1l]0,1[ (u) .
π u 1−u
2 √
2) ∀u ∈ [0,1] , FU (u) = arcsin( u) .
π
1 1
3) E[U ] = et Var [U ] = .
2 8
# $
π 1 1 u−1
12.35 fU (u) = 1l[0,1] (u) + arcsin √ − arcsin 1l[1,2] (u) .
4 2 u u
s 8 2 3
12.37 f S (s) = 2s (1 − ) 1l[0,1] (s) +
2
− 2s + s 1l[1,2] (s) .
2
3 3 3
12.38 Posons : U = X − Y .
1 e−u
12.39 1) f S,U (s,u) = √ 1l{u 0 , 2u−s 2 0} .
π 2u − s 2
2) S et U ne sont pas indépendantes.
f S,U (s,u) 1
4) f S (s|u) = = √ 1l[−√2u,√2u] (s) (u 0) .
fU (u) π 2u − s 2
5) E[S 2 ] = 1 et Var [S 2 ] = 2.
4
12.40 1) K = .
π
4
2) f S,U (s,u) = s exp −s 2 u 2 + (1 − u)2 1l]0,∞[ (s) 1l]0, 1[ (u)
π
4 1
4) fU (u) = 1l]0,1[ (u)
π 1 + (2u − 1)2
u
2 π
5) FU (u) = fU (t) dt = arctan(2u − 1) +
0 π 4
2 π
6) FV (v) = arctan(2v − 1) +
π 4
4 8 1
7) FT (t) = 1 − arctan(1 − 2t) , f T (t) = 1l 1 (t)
π π 1 + (1 − 2t)2 ]0, 2 ]
4 8 1
8) FZ (z) = arctan(2z − 1) , f Z (z) = 1l 1 (z)
π π 1 + (2z − 1)2 [ 2 ,1[
12 • Variables aléatoires 271
Covariance.
Coefficient de corrélation
RAPPELS
Soient X et Y deux variables aléatoires.
• covariance de X et Y :
Cov(X, Y ) = E [((X − E[X])(Y − E[Y ])] = E[X Y ] − E[X] E[Y ] (R13.1)
• Si Cov(X, Y ) = / 0 on dit que les variables X et Y sont corrélées.
• Si X et Y sont indépendantes on a : Cov(X, Y ) = 0, alors elles sont décorrélées
(en général, la réciproque est fausse).
• Propriétés de la covariance :
© Dunod. La photocopie non autorisée est un délit.
Cov(X, X) = V ar[X]
Cov(X, Y ) = Cov(Y, X)
(R13.2)
Cov(a X, bY ) = ab Cov(X, Y )
si Y = a X + b, alors Cov(X, Y ) = a V ar [X]
Cov(X, Y )
ρ= (R13.3)
V ar[X] V ar[Y ]
274 Mathématiques du signal
Exercice 13.1
Soit X une variable aléatoire telle que Var[X] = σ 2 < ∞ ; pour q ∈ , on définit les
variables aléatoires X1 , X2 , ..., Xn de la façon suivante :
X1 = X et ∀ i = 2, ..., n Xi = qXi–1 .
Calculer le coefficient de corrélation entre Xn et X1 . Commenter le résultat.
1 si n = 2 k + 1
soit : ρ ( Xn , X1 ) = .
sgn(θ ) si n = 2 k
Ce résultat est naturel car, pour Y = aX + b où a et b sont des constantes (a =
/ 0), on a r(X,Y)
= sgn(a) = ± 1. Or Xn = q n–1X1 , donc il est clair que si n – 1 est pair r(Xn,X1) = 1 et si
n – 1 est impair r(Xn,X1) = sgn(θ).
Exercice 13.2
Soit X1 , X2 , ..., X2n des variables aléatoires telles que pour tout
i = 1, ..., 2n (avec n 2) Var[Xi] = s 2 < ∞ et pour i ≠ j Cov(Xi ,Xj) = qs 2.
n 2n
Soit : Y = ∑ Xi et Z = ∑ Xi .
i =1 i =1
1) On a :
2n 2n
Var[ Z ] = Cov
i =1
∑ ∑
Xi , X j =
j =1
∑ Cov( X , X ) +∑ Cov( X , X )
i= j
i j
i≠ j
i j
De même Var[Y] = ns 2[1 + (n – 1)θ] ; avec 1 + (n – 1)q > 0, ce qui donne : θ > −1 . (2)
n −1
−1 −1 −1
Les conditions (1) et (2) sont réalisées si θ > sup , = (3)
n − 1 2 n − 1 2 n − 1.
D’autre part, par (R13.4), pour i =
/ j, on doit avoir |ρ(Xi,Xj)| 1, ce qui donne :
Cov( Xi , Yj )
= θ 1. (4)
Var[ Xi ]Var[Yj ]
−1 ,1 .
En regroupant les conditions (3) et (4), on obtient : θ ∈
2 n − 1
2) On a :
n 2n n n 2n
Cov(Y , Z ) = Cov
i =1
∑ ∑
Xi ,
j =1
X j = Cov
i =1
∑ ∑
Xi ,
j =1
Xj + ∑
Xj
j = n +1
n n n 2n n 2n
= Cov
∑ ∑
i =1
Xi ,
j =1
X j + Cov
∑ ∑
i =1
Xi , X j = Var[Y ] +
j = n +1
∑ ∑ Cov( X , X )
i =1 j = n +1
i j
Exercice 13.3
Soit (X,Y ) un couple de variables aléatoires réelles, on suppose que :
• Conditionnellement à {Y = y}, la loi de X a pour densité :
x + y −x
f X (x|y) = e 1l]0,∞[ (x) (∀y > 0)
1+y
• Conditionnellement à {X = x}, la loi de Y a pour densité :
x + y −y
f Y (y|x) = e 1l]0,∞[ (y) (∀x > 0)
1+x
276 Mathématiques du signal
1 + x −x 1 + y −y
On en déduit f X (x) = e 1l]0,∞ (x). De même : f Y (y) = e 1l]0,∞ (y).
2 2
2) Du fait que X et Y suivent la même loi, on a E[X] = E[Y ] et Var[X] = Var[Y ]. Or,
∞
1 ∞ 3
E[X] = x f X (x) dx = x (1 + x) e−x dx =
−∞ 2 0 2
∞ ∞
1
E[X 2 ] = x 2 f X (x) dx = x 2 (1 + x) e−x dx = 4
−∞ 2 0
7
d'où Var[X] = . D'autre part, on a :
4
∞ ∞
E[X Y ] = x y f X,Y (x,y) dx dy
−∞ −∞
13 • Covariance. Coefficient de corrélation 277
x + y −(x+y)
Or, f X,Y (x,y) = f Y (y|x) f X (x) = e 1l]0,∞[ (x) 1l]0,∞[ (y) ; ce qui implique :
∞ 2 ∞
1
E[X Y ] = y e−y x (x + y) e−x dx dy = 2
2 0 0
3.a) On a :
Var[X] 12 − Y
X̂ = E[X] + ρ (Y − E[Y ]) =
Var[Y ] 7
12
3.b) On a : e = Var[X] (1 − ρ2 ) = = 1,7143.
7
√
X̂ − X 4 3
L'erreur relative est définie par : = 1 − ρ2 = = 0,9897 .
X 7
Exercice 13.4
Soit U une variable aléatoire réelle suivant une loi uniforme sur l'intervalle [−1,1]
1
de densité fU (u) = 1l[−1,1] (u) . On définit les variables aléatoires X, Y, Z par :
2
X = cos3 (πU ) , Y = cos2 (πU ) et Z = cos(πU ).
1 0 si n = 2m − 1
On admet que : ∀n ∈ N , cos (πθ) dθ = C2m
n m
−1 si n = 2m
4m
1) Déterminer K X,Y,Z la matrice variance-covariance du vecteur (X,Y,Z ).
© Dunod. La photocopie non autorisée est un délit.
2) Déterminer :
b) X̂ − X2 l'erreur de l'approximation.
Var[X] Cov(X,Y ) Cov(X,Z )
1) Par définition on a : K X,Y,Z = Cov(X,Y ) Var[Y ] Cov(Y,Z ) .
Cov(X,Z ) Cov(Y,Z ) Var[Z ]
278 Mathématiques du signal
On a :
∞ 1
1
E[X] = cos3 (πu) fU (u) du = cos3 (πu) du = 0
−∞ 2 −1
∞ 1
1 5
E[X 2 ] = cos6 (πu) fU (u) du = cos6 (πu) du =
−∞ 2 −1 16
5
d'où Var[X] = . De même, on a :
16
∞
1 1 1
E[Y ] = cos2 (πu) fU (u) du = cos2 (πu) du =
−∞ 2 −1 2
∞ 1
1 3
E[Y 2 ] = cos4 (πu) fU (u) du = cos4 (πu) du =
−∞ 2 −1 8
1
d'où Var[Y ] = ; et
8
∞
1 1
E[Z ] = cos(πu) fU (u) du = cos(πu) du = 0
−∞ 2 −1
∞
1 1 1
E[Z ] =
2
cos (πu) fU (u) du =
2
cos2 (πu) du =
−∞ 2 −1 2
1
d'où Var[Z ] = . D'autre part, on a :
2
∞
1 1
E[X Y ] = cos5 (πu) fU (u) du = cos5 (πu) du = 0
−∞ 2 −1
∞ 1
1 3
E[X Z ] = cos4 (πu) fU (u) du = cos4 (πu) du =
−∞ 2 −1 8
∞ 1
1
E[Y Z ] = cos3 (πu) fU (u) du = cos3 (πu) du = 0
−∞ 2 −1
on en déduit :
Cov(X,Y ) = E[X Y ] − E[X] E[Y ] = 0
3
Cov(X,Z ) = E[X Z ] − E[X] E[Z ] =
8
Cov(Y,Z ) = E[Y Z ] − E[Y ] E[Z ] = 0
5 3
0
16 8
1
D'où K X,Y,Z =
0 0 .
8
3 1
0
8 2
13 • Covariance. Coefficient de corrélation 279
2.a) On a :
1
X̂ = E[X] + α1 (Y − E[Y ]) + α2 (Z − E[Z ]) = α1 (Y − ) + α2 Z
2
Cov(X,Y ) α1
où (α1 ,α2 ) sont solutions du système : = K Y,Z avec
Cov(X,Z ) α2
1
0
Var[Y ] Cov(Y,Z )
K Y,Z = =8
Cov(Y,Z ) Var[Z ] 0
1
2
3 3
On a donc α1 = 0 et α2 = d'où X̂ = Z.
4 4
2.b) L'erreur de l'approximation est définie par :
dét(K X,Y,Z ) 1
X̂ − X2 = = = 0,0313
dét(K Y,Z ) 32
Exercice 13.5
Soit U une variable aléatoire réelle suivant une loi exponentielle de paramètre λ
(λ > 0), de densité fU (u) = λ e−λ u 1l]0,∞[ (u) . On définit les variables aléatoires
X 1 ,. . . ,X n+1 par : X k = e−kU (k = 1,. . . ,n + 1) .
1) Pour k = 1,. . . ,n + 1, déterminer E[X k ] et Var[X k ].
2) Pour i =/ j, déterminer Cov(X i ,X j ). En déduire K n la matrice variance-cova-
riance du vecteur (X 1 ,. . . ,X n ).
3) On suppose n = 4 et λ = 1, déterminer :
a) X̂ n+1 la meilleure approximation de X n+1 par une variable aléatoire de la
n
forme β + αk X k .
k=1
© Dunod. La photocopie non autorisée est un délit.
1) Pour k = 1,. . . ,n + 1, on a :
∞ ∞
λ
E[X k ] = e−ku fU (u) du = λ e−(λ+k)u du =
−∞ 0 λ+k
∞ ∞
λ
E[X k2 ] = e−2ku fU (u) du = λ e−(λ+2k)u du =
−∞ 0 λ + 2k
2
λk
d'où Var[X k ] = .
(λ + k)2 (λ + 2k)
280 Mathématiques du signal
2) Pour i =
/ j , on a :
∞ ∞
λ
E[X i X j ] = e−iu e− ju fU (u) du = λ e−(λ+i+ j)u du =
−∞ 0 λ+i + j
d'où
λi j
Cov(X i ,X j ) = E[X i X j ] − E[X i ] E[X i ] =
(λ + i + j)(λ + i)(λ + j)
La matrice variance-covariance du vecteur (X 1 ,. . . ,X n ) est définie par :
Var[X 1 ] . . . Cov(X 1 ,X n )
. .. ..
Kn = .
. . .
Cov(X 1 ,X n ) . . . Var[X n ]
λ nλ
...
(λ + 1)2 (λ + 2) (λ + n + 1)(λ + 1)(λ + n)
..
= ... ..
. .
2
nλ n λ
...
(λ + n + 1)(λ + 1)(λ + n) (λ + n)2 (λ + 2n)
3.a) On a :
3
X̂ 4 = E[X 4 ] + αk (X k − E[X k ])
k=1
Cov(X 4 ,X 1 ) α1
où (α1 ,α2 ,α3 ) sont solutions du système : Cov(X 4 ,X 2 ) = K 3 α2 avec
Cov(X 4 ,X 3 ) α3
1 1 3 1
12 12 40 Cov(X 4 ,X 1 ) 15
1 4 1 8
K3 =
et Cov(X 4 ,X 2 ) = 105
12 45 12
Cov(X ,X )
3 1 9 4 3 3
40 12 112 40
2 9
On trouve α1 = , α2 = − , α3 = 2 . On en déduit
7 7
1 2 9
X̂ 4 = − + X1 − X2 + 2 X3
70 7 7
3
3
1
X̂ 4 − X 4 2 = Var[X 4 ] − αi α j Cov(X i ,X j ) = = 2,2676 10−5
i=1 j=1
44100
13 • Covariance. Coefficient de corrélation 281
Exercice 13.6
Soit X une variable aléatoire réelle admettant une densité de fonction de réparti-
tion F. Pour n 3 et j ∈ {1,. . . ,n − 1} on considère les variables aléatoires Y j
j
définies par : Y j = θ j 1l{X x j } où les points x j vérifient F(x j ) = et θ1 ,. . . ,θn−1
n
sont des réels.
1) Déterminer E[Y j ] et Var[Y j ] .
2) Pour i =
/ j, déterminer Cov(Yi ,Y j ).
j j
d'où Var[Y j ] = (1 − ) θ2j
n n
Cov(Yi ,Y j ) = − 2 θi θ j = 1− θi θ j
n n n n
Exercice 13.7
1) Déterminer V ar[Un ].
282 Mathématiques du signal
2
On en déduit : V ar[Un ] = V ar[X n − X 1 ] = V ar[X n ] + V ar[X 1 ] = .
λ2
Cov (Sn ,Un )
2) Le coefficient de corrélation entre Sn et Un est défini par : ρ = √ .
V ar[Sn ] V ar[Un ]
Or,
n
n−1
Cov Sn ,Un = Cov X i ,X n − X 1 = Cov X 1 + X i + X n ,X n − X 1
i=1 i=2
n−1
= Cov (X 1 ,X n − X 1 ) + Cov (X i ,X n − X 1 ) + Cov (X n ,X n − X 1 )
i=2
= −V ar[X 1 ] + 0 + V ar[X n ] = 0
On en déduit : ρ = 0.
3) Bien que Cov (Sn ,Un ) = 0, Sn et Un ne sont pas indépendantes.
Exercice 13.8
1 −|x|
Soit X une variable aléatoire réelle dont la loi admet la densité : f (x) = e .
2
Pour θ1 =
/ θ2 , on définit les variables aléatoires Y1 et Y2 par :
θ X si X 0 θ X si X 0
Y1 = 1 Y2 = 2
X si X > 0 X si X > 0
1) Exprimer Cov(Y1 ,Y2 ) en fonction de θ1 et θ2 .
√ √
1+ 8 −1 + 8
2) On suppose θ1 = − et θ2 = . Que constate-t-on ?
3 3
13 • Covariance. Coefficient de corrélation 283
Exercice 13.9
Soit X une variable aléatoire de loi uniforme sur l'intervalle [−1,1]. On défi-
n
© Dunod. La photocopie non autorisée est un délit.
Cov (X,Y )
Le coefficient de corrélation entre X et Y est défini par : ρ = √ .
V ar[X] V ar[Y ]
Or, pour k ∈ N ,
1 1 0 si k impair
E[X k ] = x k dx =
1
2
−1 si k pair
k+1
1 n
On en déduit : E[X] = 0, V ar[X] = E[X 2 ] = , E[Y ] = ai E[X 2i−1 ] = 0 ,
3 i=1
284 Mathématiques du signal
n n
V ar[Y ] = Cov (Y,Y ) = Cov ai X 2i−1
, aj X 2 j−1
i=1 j=1
n
n
= ai a j Cov X 2i−1 ,X 2 j−1
i=1 j=1
n
n
= ai2 cov X 2i−1 ,X 2i−1 + ai a j cov X 2i−1 ,X 2 j−1
i=1 i=
/ j
n
n
= ai2 V ar X 2i−1
+ ai a j E X 2i+2 j−2 − E X 2i−1 E X 2 j−1
i=1 i=
/ j
n
n
= ai2 E X 4i−2
+ ai a j E X 2i+2 j−2
i=1 i=
/ j
n
ai2 n
ai a j
= +
i=1
4i − 1 i =/ j 2i + 2 j − 1
n n
Cov (X,Y ) = Cov X, ai X 2i−1 = ai cov X,X 2i−1
i=1 i=1
n
n
ai
= ai E X 2i − E [X] E X 2i−1 =
i=1 i=1
2i + 1
On en déduit :
√ n ai √ n ai
3 3
i=1 2i + 1 i=1 2i + 1
ρ= =
n n
ai2 n
ai a j ai2 n
ai a j
+ +2
i=1 4i − 1 i=
/ j
2i + 2j − 1 i=1 4i − 1 i< j
2i + 2j − 1
Pour i =
/ j cherchons Cov(X i ,X j ). On a :
i
j
Cov(X i ,X j ) = αi−k α j−r Cov (k ,r )
k=1 r=1
du fait que que Cov(X i ,X j ) = Cov(X j ,X i ) , il suffit qu'on regarde le cas i < j. Or, si
i < j, on a :
i
j
i
i
i
j
i
j
= + = + +
k=1 r=1 k=1 r=1 k=1 r=i+1 k=r k=
/r k=1 r=i+1
On en déduit :
i
α j−i (1 − α2i ) 2
Cov(X i ,X j ) = αi+ j−2k Cov (k ,k ) = σ
k=1
1 − α2
ρi, j = − si α = −1 et m + M impair
! M
m
si α = −1 et m + M pair
M
286 Mathématiques du signal
Exercices d’entraînement
1 2
f X,Y (x,y) = (y − x 2 ) e−y 1l]0,∞[ (y) 1l[−y,y] (x)
8
1) X et Y sont-elles indépendantes ?
2) Déterminer les lois marginales de X et de Y.
3) Calculer Cov(X,Y ). Que remarquez-vous ?
13.12 Soit (X n )n1 une suite de variables aléatoires réelles indépendantes suivant la même
loi de densité :
x
1 −
f (x) = e θ 1l]0,∞[ (x) (θ > 0)
θ
13.13 Soit (X,Y ) un couple de variable aléatoire réelles telles que : E[X] = 1,
E[Y ] = −1 ,Var[X] = 1 + θ2 ,Var[Y ] = 1 + θ2 et Cov(X,Y ) = θ.
3) Déterminer :
a) X̂ la meilleure approximation de X par la droite aY + b.
b) e(θ) = X̂ − X2 la précision de l'approximation.
Réponses
13.11 1) X et Y ne sont pas indépendantes, car elles sont liées par la condition |X| Y .
1 1
2) On a : f X (x) = (1 + |x|) e−|x| et f Y (y) = y 3 e−y 1l]0,∞[ (y) .
4 6
3) On a : E[X] = 0 , E[Y ] = 4 et E[X Y ] = 0 , d'où Cov(X,Y ) = 0 . Bien que X et Y
ne soient pas indépendantes on a : Cov(X,Y ) = 0 .
Cov(X,Y ) θ
2) Par définition on a : ρ = √ = .
Var[X] Var[Y ] 1 + θ2
3.a) On a :
Var[X] θ
X̂ = E[X] + ρ (Y − E[Y ]) = 1 + (Y + 1)
Var[Y ] 1 + θ2
(θ2 + θ + 1)(θ2 − θ + 1)
3.b) On a : e(θ) = Var[X] (1 − ρ2 ) = .
1 + θ2
© Dunod. La photocopie non autorisée est un délit.
Chapitre 14
Vecteurs gaussiens
RAPPELS
Soit X un vecteur ligne aléatoire et t X son transposé.
• On définit le vecteur moyenne de X par :
E[X 1 ]
E[X 2 ]
MX = E[X] =
...
(R14.1)
E[X k ]
© Dunod. La photocopie non autorisée est un délit.
Exercice 14.1
Y1 = X1
2) On définit = t(Y ,Y ,Y )
1 2 3 par Y2 = X2 − X1 .
Y = X − X
3 3 2
Cov( Xi X j )
1) On doit avoir ∀ i =
/ j, 1 ce qui donne :
Var[ Xi ]Var[ X j ]
14 • Vecteurs gaussiens 291
a
1
a 2
1× 4
b
1 ⇔ b 3.
1× 9
c c 6
4 × 9 1
1 0 0
2) a) On a = , avec = −1 1 0 ; donc, est un vecteur gaussien. Sa moyen-
0 −1 1
ne est M = M = 0 et sa matrice de covariance est K = Kt, d’après (R14.4),
1 a −1 b−a
K = a − 1 5 − 2a a − b + c − 4 .
b − a a−b+c−4 13 − 2c
b) Les variables gaussiennes Y1 , Y2 et Y3 sont indépendantes si et seulement si ∀ i =
/ j
Cov(Xi,Yj) = 0,
a − 1 = 0 a = 1
b − a = 0 ⇔ b = 1 ,
a − b + c − 4 = 0 c = 4
1 0 0
d’où : K = 0 3 0 .
0 0 5
On en déduit que Y1 suit la loi (0,1), Y2 suit la loi (0,3), Y3 suit la loi (0,5).
X1 X2 = Y12 + Y1Y2
X1 = Y1
c) On a : X2 = Y1 + Y2 , donc X1 X3 = Y12 + Y1Y2 + Y1Y3
X = Y + Y + Y
2 1 2 3 X2 X3 = Y1 + Y2 + 2Y1Y2 + Y1Y3 + Y2 Y3
2 2
© Dunod. La photocopie non autorisée est un délit.
Exercice 14.2
1) Soit Z une variable aléatoire de loi normale (0,σ 2).
Calculer E[Z 4] et Var[Z 2].
2) Soit = t(X1 , X2 , X3) un vecteur gaussien de moyenne M = 0 et de matrice de
covariance :
4 1 −1
K = 1 4 1 .
−1 1 4
292 Mathématiques du signal
1) On a :
∞ ∞ 2 ∞ z2
E[ Z 4 ] = ∫
−∞
z 4 f Z ( z ) dz = 2 ∫ 0
z 4 f Z ( z ) dz =
σ 2π ∫ 0
z 4 exp − 2 dz .
2σ
z2
En effectuant le changement de variable t = , on obtient :
2σ 2
1 ∞ dt 4σ 4 ∞ 4σ 4 5
E[ Z 4 ] =
π ∫0
(2σ 2 t ) 2 e − t
t
=
π ∫
0
t 3 / 2 e − t dt = Γ
π 2
.
Or : Γ =
5 3
π , d’où E[Z 4] = 3σ 4.
2 4
Donc : Var[Z 2] = E[Z 4] – (E[Z 2])2 = 3σ 4 – σ 4 = 2σ 4.
1
La condition Var[Y2] = Var[Y3] donne α = .
6
1
Donc, si α = , on a tAA = I3 et donc tA = A–1.
6
Or, Y1 suit une loi (0,2), Y2 suit une loi (0,5) et Y3 suit une loi (0,5) ; donc :
Exercice 14.3
1) Déterminer la loi de Y.
u u
2) On suppose : θ1 = θ + et θ 2 = θ − (u > 0).
n n
Que constate-t-on ?
© Dunod. La photocopie non autorisée est un délit.
∑ ∑
1 1
Y= [( Xi − θ )2 −( Xi − θ1 )2 ] + [( Xi − θ )2 −( Xi − θ 2 )2 ]
2 i =1
2 i = K +1
K n
X − θ1 + θ + (θ − θ ) θ2 + θ
soit : Y = (θ1 − θ ) ∑i =1
i 2
2 ∑ X −
i = K +1
i
2
.
θ1 + θ
Conditionnellement à {K = k}, pour i = 1, ... , k, Xi suit une loi (θ,1), donc Xi −
2
θ1 + θ θ − θ1
suit une loi θ − ,1 ≡ ,1 ; du fait que X1 , ... , Xk sont indépendantes,
2 2
K K
X − θ1 + θ k X − θ1 + θ suit une loi
∑i =1
i 2
suit une loi (θ − θ1 ), k et (θ1 − θ )
2
i =1
i ∑
2
u u 2
2) Si θ1 = θ + et θ 2 = θ − , on a µ k = − u et σ k2 = u 2 , ce qui signifie que Y et
n n 2
u2
K sont indépendantes et que Y suit une loi − , u 2 ; on constate que la loi de Y ne
2
dépend pas de n.
Exercice 14.4
1 x − µ x − µ
On désigne par : ϕ et Φ , la densité et la fonction de répartition
σ σ σ
1 x2
de la loi (µ,σ 2) où ϕ ( x ) = exp − et Φ ( x ) = x
2π 2 ∫−∞ ϕ (t ) dt .
14 • Vecteurs gaussiens 295
Dans cet exercice, pour des commodités de calcul, au lieu de travailler avec la
fonction caractéristique jX , on utilise :
ψ X (t ) = ϕ X −
t
= E[exp(tX )].
2iπ
Partie I
n
− n y
2 −1 −
2
de densité fY2 ( y) = l ]0,∞[ ( y). Déterminer ψ Y2 .
y 2 e 211
Γ n
2
Partie II
Soit X1 , X2 , ... , Xn des variables aléatoires indépendantes de même loi (m,s 2).
n n
1 1
On pose : Xn =
n ∑ Xi , Sn2 = ∑
n − 1 i =1
( Xi −Xn )2 .
i =1
296 Mathématiques du signal
n ( Xn − m )
2) Déterminer les lois de Xn , (n − 1)Sn et
2
.
σ2 Sn
3) Montrer que Sn2 converge en moyenne quadratique vers σ 2.
Partie I
1) On a :
∞ y − µ ∞ ( y − µ )2
e tyϕ
1 1
ψ Y1 (t ) = E[exp(tY1 )] = ∫ dy = ∫ exp ty − dy
τ −∞ τ τ 2π −∞ 2τ 2
∞
= exp µ t + τ 2 t 2
1
2
1
τ 2π ∫ −∞
1
(
exp − 2 y − ( µ + τ 2 t )2 dy
2τ
)
= exp µ t + τ 2 t 2 .
1
2
2) On a :
n
− n
∞ ∞ −1 1 − 2t
exp − y dy .
2 2
ψ Y2 (t ) = E[exp(tY2 )] = ∫ ∫
ty
e fY2 ( y) dy = y2
Γ
0 n 0 2
2
1 − 2t
En faisant le changement de variable λ = y, on obtient :
2
n
− n n n
1 2 2 2 2 ∞ −1 −
∀ t < , ψ Y2 (t ) =
2 n
Γ 1 − 2t
∫
0
λ 2 e − λ dλ = (1 − 2t ) 2 .
2
FY 2 (t ) = P(Y32 t ) = P(– t Y3 t ) = Φ ( t ) − Φ ( − t ) = 2Φ ( t ) − 1.
3
D’après la question 3), pour tout i = 1, ... , n, Vi2 suit une loi χ1 , donc
2
4)
1
−
ψ V 2 = (t )(1 − 2t ) 2 . D’autre part, comme V1 , V2 , ... , Vn sont indépendantes et suivent la
i
14 • Vecteurs gaussiens 297
même loi, on a :
n n
ψ V (t ) = E[exp(tV )] = E exp t
∑
i =1
Vi2 = E
i =1
∏
exp(tVi2 )
n n n
−
= ∏
i =1
E[exp(tVi2 )] = ∏ i =1
ψ V 2 (t ) = (1 − 2t )
i
2
5) Comme Y3 et Y4 sont indépendantes, la densité de la loi du couple (Y3 ,Y4) est donnée
par :
n
− n y4
2 2 −1 −
fY3 , Y4 ( y3 , y4 ) = fY3 ( y3 ) fY4 ( y4 ) = ϕ ( y3 ) y42 e 2 11
l ( y3 )11l ]0 , ∞[ ( y4 ).
Γ
n
2
y3
u = y y3 = u ν
Posons :
4
n ⇔ .
y4 y4 = nν
ν =
n
La densité de la loi du couple (U,V) est donnée par :
fU ,V (u, ν ) = j (u, ν ) fY3 ,Y4 (u ν , nν )11l (u)11l]0,∞[ (ν )
∂ y3 ∂ y3
u
∂u ∂ν ν
avec : j (u, v) = ∂ y = 2 ν = n ν , d’où :
4 ∂ y4
0 n
∂u ∂ν
n
n 2 n −1
2 nν u 2
fU ,V (u, ν ) = ν 2 exp − 1 + n 11l (u)11l] 0,∞[ (ν ).
2π Γ
n 2
© Dunod. La photocopie non autorisée est un délit.
2
∞
La loi marginale de U est donnée par : fU (u) = ∫
−∞
fU ,V (u, ν ) dν ;
soit : ∀ u ∈
n
n 2 n −1
2 ∞ nν u 2
fU (u) =
2π Γ
n ∫ 0
ν 2 exp − 1 + n dν .
2
2
nν u 2
En faisant le changement de variable λ = 1 + , on obtient :
2 n
298 Mathématiques du signal
1
−
n n + 1
Γ
2 n +1 n +1
− n −1 −
2 u2 2 ∞ 2 u2 2
fU (u) =
2π Γ
n 1+
n ∫0
λ 2 e − λ dλ =
n
nπ Γ
1+
n
.
2 2
Partie II
1) Posons = t(X1 , ..., Xn), où ∀ i = 1, ... , n, Xi suit une loi (m,σ2) ; alors, pour
t = t(t1 , ... , tn),
n n n
∑
ψ (t ) = E exp ti Xi = E
i =1 i =1
∏
exp(ti Xi ) =
∏ E[exp(t X )]
i =1
i i
n n σ2
n
2
= ∏ψ
i =1
Xi (ti ) ∑
= exp m ti +
i =1 2 ∑t
i =1
i .
(1)
∑ ∑ (s − s ) = 0 , il vient donc :
1
si l’on note s = si ; on a : i
n i =1 i =1
n
∑
ψ , ( s1 ,..., sn , λ ) = E exp si Xi + (λ − ns ) Xn
i =1
n n n
λ
∑ ∑ (λ − ns ) X = E exp ∑ n − s + s X .
1
= E exp si Xi + i i i
i =1 n i =1 i =1
λ
En utilisant la relation (1), avec ti = − s + si , on obtient :
n
λ λ
ψ , ( s1 ,..., sn , λ ) = ψ − s + s1 ,..., − s + sn
n n
n λ σ
2 n
λ
2
∑
= exp m − s + si +
i =1 n 2 ∑
i =1
− s + si
n
14 • Vecteurs gaussiens 299
σ2 λ2 n
2
= exp mλ +
2
+
2
∑ (s − s )
i
i =1
σ 2 n
2
1 σ2 2
= exp
2
∑ (s − s ) exp mλ + 2
i
n
λ = ψ , ( s1 ,..., sn , 0)ψ , (0,..., 0, λ ) .
i =1
Ceci montre que et = Xn sont indépendantes et en particulier :
σ 2 n
2
ψ ( s1 ,..., sn ) = ψ , ( s1 ,..., sn , 0) = exp ∑ (s − s )
i
2 i =1
1 σ2 2
ψ X (λ ) = ψ (λ ) = ψ , (0,..., 0, λ ) = exp mλ + λ . (2)
n
2 n
∑(X − X )
1
Sn2 = i n
2
.
n −1 i =1
1 σ2 2
2) Par la relation (2), on a ψ X (λ ) = exp mλ + λ ; donc Xn suit une loi
n
2 n
σ2
m, .
n
n ( Xn − m ) n( Xn − m)2
suit une loi χ1 .
2
Donc suit une loi (0,1), et d’après I.3), W =
σ σ 2
X −m
Pour i = 1, ... , n, posons Zi = i ; alors Z1 , ... , Zn sont indépendantes et suivent une
© Dunod. La photocopie non autorisée est un délit.
σ
n
loi (0,1), et donc Z = ∑Z i =1
2
i suit une loi χ n .
2
n −1 2
Soit : Y= Sn , on a alors : Z = W + Y ; en effet :
σ2
n n
∑(X − X ) ∑(X − m + m − X )
1 1
Y = i n
2
= i n
2
σ2 i =1
σ2 i =1
n
n( Xn − m)2
∑
1
= ( Xi − m ) 2 − .
σ2 i =1
σ2
300 Mathématiques du signal
n ( Xn − m )
donc, d’après I.5), suit une loi Tn–1 .
Sn
n −1 2
3) Comme 2 Sn suit une loi
χ n−1
2
, on a E (n − 1) Sn2 = n − 1 donc E[ Sn2 ] = σ 2 et
σ σ 2
(n − 1) 2σ 4
Var 2 Sn2 = 2(n − 1) et Var Sn2 =
σ n −1
[ ]
; d’autre part, on a :
2σ 4
n →∞
[ ]
lim E ( Sn2 − σ 2 )2 = lim Var Sn2 = lim
n →∞
[ ] n →∞ n − 1
=0
m.q.
ce qui montre que Sn2 → σ 2 .
n →∞
Exercices d’entraînement
X1
14.5 Soit X = X 2 un vecteur gaussien N3 (MX , KX ) avec MX = 0 et
X3
9 −2 2
KX = −2 9 2 .
2 2 5
Y1 α α −2α
On définit le vecteur Y = Y2 par Y = A X avec A = β β β où
Y3 γ −γ 0
α > 0, β > 0 et γ > 0.
1 1 1
2) Dans la suite on pose : α = √ , β = √ et γ = √ .
6 3 2
a) Calculer le produit A t A. (t A désigne la transposée de A).
1) Déterminer la loi de Y.
2) Déterminer θ0 de sorte que Y1 et Y2 soient indépendantes.
X
1
X
14.7 Soit X = 2 un vecteur gaussien N4 (MX , KX ) avec MX = 0 et
X3
X4
θ 1 1 1
1 θ 2 2
KX = (θ > 3)
1 2 θ 3
1 2 3 θ
Y2 = 3X 1 − 2X 2 − θ X 3 + X 4
1) Déterminer la loi de Y.
2) Déterminer θ0 de sorte que Y1 et Y2 soient indépendantes.
3) On suppose θ = 5 . Déterminer la loi conditionnelle de Y1 sachant {Y2 = y2 } et
puis calculer E[Y1 | Y2 ] et Var[Y1 | Y2 ].
302 Mathématiques du signal
Réponses
Processus stationnaires
du second ordre. Signaux aléatoires
RAPPELS
• Un processus aléatoire est une famille de variables aléatoires noté X (n,ω) dans
le cas d’un processus à temps discret et X (t,ω) dans le cas d’un processus à
temps continu. Dans les formules qui suivent on note X (t,ω) sachant que dans le
cas discret on doit remplacer t par n. Soit X un processus aléatoire.
• Fonction moyenne de X :
• Fonction covariance de X :
© Dunod. La photocopie non autorisée est un délit.
C X (t1 ,t2 ) = E X (t1 ,ω) − µ X (t1 ) X (t2 ,ω) − µ X (t2 ) (R15.2)
• Fonction d’autocorrélation de X :
R X (t1 ,t2 ) = E X (t1 ,ω)X (t2 ,ω) (R15.3)
• Fonction variance de X :
• Puissance instantanée de X :
E | X (t,ω) |2 (R15.5)
• Puissance de X :
PX = R X (0) (R15.7)
∞
temps discret : S X (ν) = F (R X )(ν) = R X (k) e−2iπkν
k=−∞
(R15.8)
∞
−2iπτν
temps continu : S X (ν) = F (R X )(ν) = R X (τ) e dτ
−∞
1 n
temps discret : lim X (k,ω) = µ X
n→∞ 2n
k=−n
T (15.9)
1
temps continu : lim X (t,ω) dt = µ X
T →∞ 2T −T
15 • Processus stationnaires du second ordre. Signaux aléatoires 305
Exercice 15.1
N
On considère le signal numérique X défini par : X (n, ω ) = ∑ θ k Yn − k (ω ), où
k =0
(Yk)k∈ est une suite de variables aléatoires indépendantes vérifiant :
∀k E[Yk] = 0, Var[Yk] = 1 et θ0 , θ1 , ...θN sont des nombres complexes.
Calculer la moyenne, la fonction covariance, la variance et la fonction d’autocor-
rélation de X.
[ ( )] [
CX (n, m) = E ( X (n, ω ) − µ x (n)) X ( m, ω ) − µ x ( m) = E X (n, ω ) X ( m, ω ) ]
N N N N
∑ ∑
= E θ k Yn − k θ p Ym − p =
k = 0 ∑∑ [
θ kθ p E Yn − k Ym − p . ]
p = 0 k = 0 p = 0
Or :
1 si n − k = m − p 1 si p = m − n + k
E[Yn − k Ym − p ] = =
0 si n − k ≠ m − p 0 si p ≠ m − n + k
donc :
CX (n, m) = ∑θ θ
k ∈∆
k m−n+k , où ∆ = {k : 0 k N et 0 m – n + k N}.
∑θ θ
© Dunod. La photocopie non autorisée est un délit.
• si n m : ∆ = {k : 0 k N + n – m} et CX (n, m) = k m−n+k
k =0
• si n > m : ∆ = {k : n – m k N} et
N N +m−n
CX (n, m) = ∑
k =n−m
θ kθ m − n + k = ∑θ
k =0
k + n − mθ k .
N N
∑ ∑θ
2
La variance de X est donnée par : σ X2 = CX (n, n) = θ kθ k = k .
k =0 k =0
306 Mathématiques du signal
La fonction d’autocorrélation de X est égale à sa fonction covariance car X est centré, soit :
N +n−m
∑
k =0
θ kθ m − n + k si n m
RX (n, m) = .
N +m−n
∑ θ k + n − mθ k si n > m
k =0
Exercice 15.2
CX(t,u) = cosθ t cosθ uE[Y 2] + sinθ t sinθ uE[Z 2] + (cosθ t sinθ u + cosθ u sinθ t )E[Y Z].
[ ]
RX (t, u) = E X (t, ω ) X (u, ω ) = σ 2 cos(t − u)θ .
Exercice 15.3
n
On considère le signal analogique X défini par : X (t, ω ) = ∑ Yk (ω )eitθ k
,
k =1
où Y1 , ..., Yn sont des variables aléatoires indépendantes vérifiant :
∀ k = 1, ..., n E[Yk] = 0, Var[Yk ] = σ k2 et θ1 , ..., θn sont des réels.
1) Calculer la moyenne, la fonction covariance, la variance et la fonction d’auto-
corrélation de X.
2) Démontrer que X est stationnaire au second ordre.
k =1
∑
µ X (t ) = E[ X (t, ω )] = E Yk e − itθ k =
∑e
k =1
− itθ k
E[Yk ] = 0 .
[ ] [
CX (t, u) = E ( X (t, ω ) − µ X (t ))( X (u, ω ) − µ X (u)) = E X (t, ω ) X (u, ω ) ]
n n n n
∑ ∑ iuθ
= E Yk e − itθ k Yp e p =
k =1 p =1 ∑∑Y e p
i ( u θ p − tθ k )
[
E Yk Yp . ]
k =1 p =1
[ ]
E Yk2 = Var[Yk ] = σ k2 si k = p
Or : [ ]
E Yk Yp =
[ ]
E Yk Yp = E[Yk ]E Yp = 0 si k ≠ p [ ]
n
d’où : C X (t , u ) = ∑σ
k =1
2 − i ( t − u )θ k
ke .
n
La variance de X est donnée par : σ X2 = CX (t, t ) = ∑σ 2
k.
© Dunod. La photocopie non autorisée est un délit.
k =1
[
RX (t, u) = E X (t, ω ) X (u, ω ) = ] ∑σ 2 − i ( t − u )θ k
ke .
k =1
n
2) On a µ X (t ) = 0 , et RX (t, u) = ∑σ
k =1
2 − i ( t − u )θ k
ke ne dépend que de la différence t – u ; donc
Exercice 15.4
où θ est un réel constant vérifiant |θ| < 1 et (Yn)n∈ est une suite de variables aléa-
toires indépendantes centrées de même variance σ 2.
1) Démontrer que X est stationnaire au second ordre.
2) Déterminer sa puissance.
3) Montrer que sa densité spectrale de puissance est donnée par :
σ2
SX (ν ) = .
1 + θ 2 − 2θ cos 2πν
or,
E[Yn − k Ym − p ] =
[ ]
E Yn2− k = σ 2 si n − k = m − p
0 si n − k ≠ m − p
σ 2 si p = m − n + k
=
0 si p ≠ m − n + k
donc, RX (n, m) = σ 2 ∑θ θ
k ∈∆
k m−n+k
,
où : ∆ = {k : 0 k ∞ et 0 m – n + k ∞}.
L’ensemble ∆ s’écrit sous la forme ∆ = {k : max{0, n – m} k ∞}
∞
θ m−n 2
• si n m : ∆ = {k : 0 k ∞} et RX (n, m) = σ 2 ∑
k =0
θ m−n+2k =
1−θ2
σ
15 • Processus stationnaires du second ordre. Signaux aléatoires 309
• si n > m : ∆ = {k : n – m k ∞} et
∞ ∞
θ m−n 2
RX (n, m) = σ 2 ∑
k =n−m
θ m − n + 2 k = σ 2θ n − m ∑
j =0
θ 2j =
1−θ2
σ .
n−m
θ
Donc : ∀ n ∈ , ∀ m ∈ , RX (n, m) == σ 2.
1−θ2
[ σ2
En particulier, on a : E X (n, ω ) 2 = RX (n, n) =
1−θ2
.]
On en déduit que X est stationnaire au second ordre.
θτ
2) On a : RX (τ ) = RX ( m + τ , m) = σ2.
1−θ2
σ2
La puissance de X est donnée par : PX = RX (0) = .
1−θ2
3) La densité spectrale de puissance de X est donnée par :
SX (ν ) = ∑R
k ∈
X ( k ) exp(2iπνk ).
∞
σ2
Donc : SX (ν ) =
1−θ2 ∑θ
k = −∞
k
exp(2iπνk )
0 ∞
σ2 σ2
=
1−θ2 ∑
k = −∞
θ − k exp(2iπνk ) +
1−θ2 ∑θ
k =1
k
exp(2iπνk ).
0
Dans la somme ∑θ
k = −∞
−k
exp(2iπνk ), en changeant k en – k, on obtient :
∞ ∞
σ2 σ2
SX (ν ) =
1−θ2 ∑
k =0
θ exp( −2iπνk ) +
k
1−θ2 ∑θ
k =1
k
exp(2iπνk )
σ2 ∞ ∞
soit : SX (ν ) = ∑
(θ exp( −2iπν )) k + ∑ (θ exp(2iπν )) k
© Dunod. La photocopie non autorisée est un délit.
1−θ2 k = 0 k =1
σ 2
1 1
= + − 1
1 − θ2 1 − θ exp( −2 iπν ) 1 − θ exp( 2 iπν )
σ2 1 θ exp(2iπν )
= +
1 − θ2 1 − θ exp( −2iπν ) 1 − θ exp(2iπν )
σ2
= .
1 + θ − 2θ cos 2πν
2
310 Mathématiques du signal
Exercice 15.5
1
Comme la loi de Z est uniforme sur ]– π, π], on a : f Z ( z ) =
2π
1 π
et E[h2 ( Z )] =
2π −π ∫
h2 ( z ) dz ; et du fait que Y et Z sont indépendantes, on a
E[h1(Y)h2(Z)] = E[h1(Y)]E[h2(Z)].
RX (t, u) =
1
2
{E[cos(2π (t − u)Y ) ] + E[cos(2π (t + u)Y + 2 Z )]} .
Par la même démonstration que pour µX(t) = 0, on a :
E[cos(2π(t + u)Y + 2Z)] = 0 ; il vient donc :
1 1 ∞
RX (t, u) = E[cos(2π (t − u)Y )] =
2 2 −∞ ∫
cos(2π (t − u) y) fY ( y) dy .
[ ] = R (t, t) = 12 ∫
∞ 1
2
E X (t , ω ) X fY ( y) dy = .
−∞ 2
On en déduit que X est stationnaire au second ordre.
1 ∞
2) On a : RX (τ ) = RX (u + τ , u) =
2 ∫−∞
cos(2πτy) fY ( y)dy .
1
La puissance de X est donnée par : PX = RX (0) = .
2
15 • Processus stationnaires du second ordre. Signaux aléatoires 311
1 ∞ ∞
SX (ν ) = ∫
2 −∞ −∞ ∫
cos(2πτy) exp( − 2iπτν ) fY ( y) dτ dy
1 ∞ ∞
= ∫
4 −∞ −∞ ∫
(exp(2iπτy) + exp( −2iπτy)) exp( −2iπτν ) fY ( y) dτ dy
1 ∞ ∞
= ∫
4 −∞ −∞ ∫
(exp(−2iπτ (ν − y)) + exp(−2iπτ (ν + y))) fY ( y) dτ dy
=
1
4
{ [ ] 1
}
F F [ fY ] (ν ) + F [ F[ fY ]]( −ν ) = ( fY (ν ) + fY ( −ν )).
4
Exercice 15.6
[ ] [ ]
E Y (u, ω )cos(2π t + Z ) = E Y (u, ω ) E[cos(2π t + Z )] = 0
1
E[cos(2πt + Z )cos(2πu + Z )] = E cos(2π(t − u)) + E cos(2π(t +u)+2Z )
2
1 1
= cos(2π(t − u))+ E cos(2π(t +u)+2Z )
2 2
=0
1
= cos(2π(t − u))
2
1
donc : RX (t, u) = RY (t, u) + cos(2π (t − u)).
2
Donc RX(t,u) ne dépend que de la différence t – u et X est stationnaire au second ordre.
[ ] 1
En particulier, on a : E X (t, ω ) 2 = RX (t, t ) = RY (t, t ) + .
2
2) On a :
1 1
RX (τ ) = RX (u + τ , u) = RY (u + τ , u) + cos(2πτ ) = RY (τ ) + cos(2πτ ).
2 2
La puissance de X est donnée par :
1 1
PX = RX (0) = RY (0) + = PY + .
2 2
3) Le spectre de puissance de X est donné par :
∞
∀v∈ SX (ν ) = ∫
−∞
RX (τ ) exp( −2iπτν ) dτ .
∞
R (τ ) + 1 cos(2πτ ) exp( −2iπτν ) dτ
SX (ν ) = ∫ −∞
Y
2
1 ∞ 1
= SY (ν ) +
2 ∫
−∞
cos(2πτ ) exp ( −2iπτν ) dτ = SY (ν ) +
4
(δ1 (ν ) + δ −1 (ν )).
15 • Processus stationnaires du second ordre. Signaux aléatoires 313
Exercice 15.7
[
RX (t, u) = E (Y (t + 1, ω ) − Y (t, ω ))(Y (u + 1, ω ) − Y (u, ω ))]
= E[Y (t + 1, ω ) Y (u + 1, ω )] − E[Y (t + 1, ω ) Y (u, ω )]
E[|X(t,ω)|2] = RX(t,t) = RY(t + 1,t + 1) – RY(t + 1,t) – RY(t,t + 1) + RY(t,t) = 2(RY(0) – RY(1)).
© Dunod. La photocopie non autorisée est un délit.
2) On a :
RX(τ) = RX(u + τ,u) = Ry(u + τ + 1,u + 1) – Ry(u + τ + 1,u) – Ry(u + τ,u + 1) + Ry(u + τ,u)
∞
mais : ∀ v ∈ ∫ −∞
RY (τ ) exp( −2iπτν ) dτ = SY (ν )
∞
∫ −∞
RY (τ + 1) exp( −2iπτν ) dτ = exp(2iπν )SY (ν )
∞
∫ −∞
RY (τ − 1) exp( −2iπτν )dτ = exp( −2iπν )SY (ν )
Exercice 15.8
[ ] [ ]
RX (t, u) = E X (t, ω ) X (u, ω ) = E (Y (t, ω ) − V (ω ))(Y (u, ω ) − V (ω ))
2 2
= E[Y (t, ω ) Y (u, ω )] +
T T
= R (t , u ) +
Y .
12 12
15 • Processus stationnaires du second ordre. Signaux aléatoires 315
[
RX (t, t ) = E X (t, ω )
2
] = RY (t, t ) +
T2
12
= RY (0) +
T2
12
.
2) On a :
T2 T2
RX (τ ) = RX (u + τ , u) = RY (u + τ , u) + = RY (τ ) + .
12 12
La puissance de X est donnée par :
T2 T2
PX = RX (0) = RY (0) + = PY + .
12 12
3) Le spectre de puissance de X est donné par :
∞ T2 T2
∀ v ∈ SX (ν ) = ∫
−∞
RY (τ ) +
12
exp( −2 iπτv ) dτ = SY (ν ) +
12
δ(ν ).
[ ] [
RZ (t, u) = E Z (t, ω ) Z (u, ω ) = E ( X (t, ω ) − X (t − s, ω ))( X (u, ω ) − X (u − s, ω )) ]
= E[ X (t, ω ) X (u, ω ) ] − E[ X (t, ω )Y (u − s, ω ) ]
[ ] [
− E X (t − s, ω ) X (u, ω ) + E X (t − s, ω ) X (u − s, ω ) ]
= RX (t, u) − RX (t, u − s) − RX (t − s, u) + RX (t − s, u − s)
= RY (t, u) − RY (t, u − s) − RY (t − s, u) + RY (t − s, u − s)
= 2RY (t − u) − RY (t − u + s) − RY (t − u − s).
© Dunod. La photocopie non autorisée est un délit.
2. On a :
RZ(u + τ,u) = RY(u + τ,u) – RY(u + τ,u – s) – RY(u + τ – s,u) + RY(u + τ – s,u – s)
= 2RY(τ) – RY(τ + s) – RY(τ – s) = RZ(τ).
La puissance de Z vaut :
PZ = RZ(0) = 2RY(0) – RY(s) – RY(– s) = 2(PY – RY(s)).
316 Mathématiques du signal
Exercice 15.9
On considère le filtre linéaire qui, à tout signal numérique d’entrée X(n), fait cor-
respondre le signal de sortie Y(n) défini par la relation de récurrence :
1
Y (n) − Y (n − 1) = X (n).
4
1) Vérifier que le filtre est causal. Déterminer la fonction de transfert H et le
domaine de convergence de H.
2) Déterminer la réponse impulsionnelle h.
3) On suppose que X est centré, stationnaire au second ordre de fonction d’auto-
corrélation :
θ si k = ± 1
RX ( k ) = 1 si k = 0
0
sinon
1
où θ . Déterminer le spectre de puissance de X.
2
4) Déterminer le spectre de puissance de Y.
5) Calculer la puissance en sortie.
1
1) La fonction de transfert H est définie par : H ( z ) = .
1 −1
1− z
4
1 −1 1
La solution causale correspond au domaine de convergence z <1⇔ z > .
4 4
15 • Processus stationnaires du second ordre. Signaux aléatoires 317
[ ]= ∫
1/ 2
© Dunod. La photocopie non autorisée est un délit.
2
PY = RY (0) = E Y (n) SY (ν ) dν ,
−1 / 2
1 + 2θ cos(2πν )
1/ 2 16 π 1 + 2θ cos x 8(2 + θ )
soit : PY = 16 ∫
−1 / 2 17 − 8 cos(2πν )
dν =
π ∫ 0 17 − 8 cos x
dx =
15
.
Exercice 15.10
On considère le filtre linéaire qui, à tout signal numérique, d’entrée X(n), fait cor-
respondre le signal de sortie Y(n) défini par la relation de récurrence :
5 1
Y (n) − Y (n − 1) + Y (n − 2) = X (n).
6 6
318 Mathématiques du signal
∑ ∑ ∑ ∑2
1 1 3 3
or, 2 z 3 z = ck z − k , avec ck = j k− j = k − k ;
k =0 k =0 k =0 j =0
3 2 3
∞
∑ 2
3 −k
∑
3
il vient donc : H ( z ) = − z = h( k ) z − k
k =0
k
3k k ∈
3
−
2
si k 0
ce qui donne : h( k ) = 2 k 3k .
0 si k < 0
15 • Processus stationnaires du second ordre. Signaux aléatoires 319
6 6 5 − (5 − 2 cos(2πν ))exp(2iπν )
= − =3 .
2 − exp( −2iπν ) 3 − exp( −2iπν ) (5 − 4 cos(2πν ))(5 − 3 cos(2πν ))
3) Le spectre de puissance de X est donné par :
∑
1 1
SX ( z ) = RX ( k )z − k = 2 + ( z −1 + z ) + ( z −2 + z 2 )
k ∈
2 2
et pour z = exp(2iπν), on obtient :
SX(ν) = 2 + cos(2πν) + cos(4πν) = 1 + cos(2πν) + 2cos2(2πν).
[ ]= ∫
1/ 2
2
PY = RY (0) = E Y (n) SY (ν ) dν ,
−1 / 2
Exercice 15.11
RX(τ) = cos(2τ) ∀ τ ∈ .
1) Déterminer la réponse impulsionnelle h. En déduire le gain en fréquence.
2) Déterminer le spectre de puissance de X.
3) Déterminer le spectre de puissance de Y.
4) Déterminer la fonction d’autocorrélation en sortie :
[
RY (τ ) = E Y (t + τ ) Y (t ) . ]
5) Calculer la puissance en sortie.
6) Déterminer la fonction d’intercorrélation entrée/sortie :
[
RYX (τ ) = E X (t + τ )Y (t ) . ]
320 Mathématiques du signal
∞
1) La réponse impulsionnelle h vérifie : Y (t, ω ) = ∫
−∞
h(t − u) X (u, ω ) du ,
donc, comme :
∞ ∞
Y (t , ω ) = 5 ∫ −∞
e t − u X (u, ω )11l ]t ,∞[ (u) du = 5 ∫
−∞
e t − u X (u, ω )11l]−∞,0[ (t − u) du ,
on en déduit : h( x ) = 5e x11l ]− ∞, 0[ ( x ).
On remarque que le filtre n’est pas causal.
On a :
∞ 0 5
∀v∈ H (v) = ∫
−∞
h( x )e −2 iπvx dx = 5 ∫ −∞
e x − 2 iπvx dx =
1 − 2iπv
2 5
et H (v) = .
1 + 4π 2 v 2
2) Le spectre de puissance de X est donné par :
∞ 1 ∞ −2 iτ
∀ v ∈ SX (ν ) =
−∞ ∫
RX (τ )e −2 iπντ dτ =
2 −∞
(e ∫
+ e 2 iτ ) e −2 iπντ dτ
1 ∞ 1 1
=
2 ∫ −∞
exp −2iπτ ν + + exp −2iπτ ν − dτ
π π
1
= δ 1 (ν ) + δ − 1 (ν ) .
2 π π
3) Le spectre de puissance de Y est donné par :
2 5
SY (ν ) = H (ν ) SX (ν ) = 2 2 δ 1 (ν ) + δ − 1 (ν ) .
2(1 + 4π ν ) π π
∞
5) La puissance en sortie est donnée par : PY =
∫ −∞
SY (ν ) dν = RY (0) = 1.
5
6) On a : SYX (ν ) = H (ν ) SX (ν ) = δ 1 (ν ) + δ − 1 (ν ) , donc :
2(1 − 2iπν ) π π
∞ 5 e 2 iτ e −2 iτ cos(2τ ) − 2 sin(2τ )
RYX (τ ) = ∫
−∞
SYX (ν ) e 2 iπτν dν = +
2 1 − 2i 1 + 2i
=
5
.
15 • Processus stationnaires du second ordre. Signaux aléatoires 321
Exercice 15.12
1) On a :
mX(t) = E[X(t,ω)] = E[exp(– 2iπ Y)]E[exp(– 2iπ t Z)] = ϕY(1)ϕZ(t) où ϕY et ϕZ désignent les
fonctions caractéristiques de Y et de Z données par :
[ ]
RX (t, u) = E X (t, ω ) X (u, ω ) = E[exp ( −2iπ (Y + tZ )) exp (2iπ (Y + uZ ))]
∞ ∞
∀ v ∈ , SX (ν ) = ∫−∞
RX (τ ) exp ( −2iπντ ) dτ = ∫ −∞
exp ( −2π 2τ 2 − 2iπντ ) dτ
ν2 ∞ iν
2
ν2
exp −2π 2 τ +
1
= exp −
2 ∫
−∞
2π
dτ =
2π
exp − .
2
4) On a :
1 T 1 T
lim ∫
T →∞ 2 T − T
X (t + τ , ω ) X (t, ω ) dt = lim
T →∞ 2 T ∫−T
exp( −2iπτZ (ω )) dt = exp( −2iπτZ (ω )).
Exercice 15.13
1 1
1) Pour k = 1, ..., N on a : E[ Zk ] =
2 ∫−1
z dz = 0 et d’autre part, du fait que
Z1, ..., ZN , Y1, ..., YN sont indépendantes, on a :
[
RX (t, u) = E X (t, ω ) X (u, ω ) ]
N 3 N
∑ ∑Z
3
= E Zk exp( −2iπ tYk ) exp(2iπ uYj )
N
j
N
k =1 j =1
N N
∑ ∑ E[ Z Z
3
= k j exp{−2iπ (tYk − uYj )}]
N k =1 j =1
N N
∑ ∑ E[ Z Z ] E[exp{−2iπ (tY
3
= k j k − uYj )}] .
N k =1 j =1
15 • Processus stationnaires du second ordre. Signaux aléatoires 323
N N
Or, ∑ ∑ =∑ +∑
k =1 j =1 k= j k≠ j
et comme pour k =
/ j, on a : E[ZkZj] = E[Zk] E[Zj] = 0, on en déduit que :
N N
∑ E[ Z ]E[exp{−2iπ (t − u)Y }] = N ∑ E[ Z ]ϕ
3 3
RX (t, u) = 2
k k
2
k Yk (t − u )
N k =1 k =1
[ ] 12 ∫
1 1
en tenant compte de E Zk = z 2 dz =
2
on obtient :
−1 3
N
∑ϕ
1
RX (t, u) = Yk (t − u).
N k =1
Du fait que Y1 , ..., YN suivent toutes la même loi, pour k = 1, ..., N on a ϕ Yk = ϕ Y1 . Il vient
1
2) Pour t = u + τ, on a : RX(τ) = RX(u + τ, u) = ϕ Y1 (τ ) = .
1 + 4π 2τ 2
La puissance de X est donnée par : PX = RX(0) = 1.
3) On a : ∀ v ∈ ,
∞ exp ( −2iπvτ )
∞ 1
SX (ν ) = ∫
−∞
RX (τ ) exp( −2iπντ ) dτ = ∫ 2 2 dτ =
−∞ 1 + 4π τ 2
exp ( − ν ).
3
4) Pour k = 1, ..., N, posons Xk (t, ω ) = Zk (ω ) exp{−2iπ tYk (ω )}. On a donc :
N
N
X (t , ω ) = ∑ X (t, ω ). D’autre part,
k =1
k
3 2
X k (t + τ , ω ) X k (t , ω ) = Zk (ω ) exp{−2iπ tYk (ω )}, donc :
N
1 T
lim ∫ X k ( t + τ , ω ) X k ( t , ω ) dt
© Dunod. La photocopie non autorisée est un délit.
T →∞ 2 T −T
1 T 2
T →∞ 2 T − T
= lim ∫
Zk (ω ) exp( −2iπτYk (ω )) dt =Zk2 (ω ) exp( −2iπτYk (ω )) .
On en déduit que, pour k = 1, ..., N, Xk n’est pas ergodique et donc X n’est pas ergodique.
Exercice 15.14
Soit U une variable aléatoire réelle de loi uniforme sur [0, 2π] et K une autre varia-
ble aléatoire discrète, indépendante de U, à valeurs dans Z de loi P(K = k) = pk ,
avec k ∈ Z. On définit le signal analogique X (t,ω) par :
X (t,ω) = cos (2πt K (ω) + U (ω))
324 Mathématiques du signal
∞
E[X (t,ω) | K = k] = E[cos (2πtk + U )] = cos (2πtk + u) fU (u) du
−∞
2π
1
= cos (2πtk + u) du = 0
2π 0
d’où m X (t) = E K [0] = 0 . D’autre par, la fonction d’autocorrélation de X est définie par :
R X (t,v) = E X (t,ω) X (v,ω) = E K E X (t,ω) X (v,ω) | K
Or,
E X (t,ω) X (v,ω) | K = k = E [cos (2πtk + U ) cos (2πvk + U )]
1
= E [cos (2πk (t + v) + 2 U ) + cos (2πk (t − v))]
2
1 1
= cos (2πk (t −v))+ E [cos (2πk (t +v)+2 U )]
2 2
=0
1
= cos (2πk (t −v))
2
1 1 ∞
d’où R X (t,v) = E [cos (2πK (t − v))] = cos (2πk (t − v)) pk .
2 2 k=−∞
On en déduit que X est stationnaire au second ordre.
1 ∞
2) On a : R X (τ) = cos (2πk τ) pk . En particulier, la puissance de X est définie par :
2 k=−∞
1 ∞
1
PX = R X (0) = pk =
2 k=−∞ 2
15 • Processus stationnaires du second ordre. Signaux aléatoires 325
∞
1 ∞
2i πk τ
= pk e + e−2i πk τ e−2i πντ dτ
4 k=−∞ −∞
1 ∞
= δ{k} (ν) + δ{−k} (ν) pk
4 k=−∞
1
( p−ν + pν ) si ν ∈ Z
= 4
0 sinon
Exercice 15.15
Pour n ∈ Z on a :
1/2 1/2
RY (n) = SY (ν) e2inπν dν = (1 − 8θ + 18θ2 ) e2in πν S X (ν) dν
−1/2 −1/2
R X (n)
1/2
+ 2θ(1 − 3θ) cos(2πν) e2in πν S X (ν) dν
−1/2
1/2
+ 2θ(1 − 4θ) cos(4πν) e2in πν S X (ν) dν
−1/2
Or,
1/2
1
cos(2πν) e2in πν S X (ν) dν = (R X (n − 1) + R X (n + 1))
−1/2 2
1/2
1
cos(4πν) e2in πν S X (ν) dν = (R X (n − 2) + R X (n + 2))
−1/2 2
d’où
RY (n) = (1 − 8θ + 18θ2 ) R X (n) + θ(1 − 3θ) (R X (n − 1) + R X (n + 1))
2) On a :
R X Y (n) = h ∗ R X (n) = h(n − k) R X (k) = h(n − k) R X (k)
k∈Z n−k∈{0,1,2}
Exercice 15.16
πθ πθ
cos cos
2 2 π
On admet que : lim = lim = .
θ→1 1 − θ2 θ→−1 1 − θ2 4
2) Soit H un signal analogique stationnaire au second ordre indépendant de Y
et Z. Dans la suite on notera : µ H , R H, PH et S H la fonction moyenne, la
fonction autocorrélation, la puissance et le spectre de puissance de H.
On considère le signal analogique X défini par :
X (t,ω) = cos (U (ω)) H (t,ω) .
a) Montrer que X est stationnaire au second ordre.
b) Calculer PX la puissance de X.
c) Déterminer S X le spectre de puissance de X.
On en déduit :
tZ πt
cos cos
2 2 2
ϕU (t) = E
π π2 − t 2 Z 2 = 1 − t 2
© Dunod. La photocopie non autorisée est un délit.
1) b) On a :
1 iU ϕ (1) + ϕU (−1) π
E [cos(U )] = E e + e−iU = U =
2 2 4
1 2iU ϕ (2) + ϕU (−2) 1
E [cos(2U )] = E e + e−2iU = U =
2 2 3
π
µ X = E [X (t,ω)] = E [cos (U (ω)) H (t,ω)] = E [cos (U (ω))] E [H (t,ω)] = µ
4 H
328 Mathématiques du signal
Par hypothèse le signal H est stationnaire au second ordre, donc µ H ne dépend pas du temps
t, il en est donc de même de µ X.
La fonction d’autocorrélation de X est définie par :
R X (t1 ,t2 ) = E X (t1 ,ω),X (t2 ,ω) = E cos (U (ω)) H (t1 ,ω) cos (U (ω)) H (t2 ,ω)
= E cos2 (U (ω)) E H (t1 ,ω) H (t2 ,ω)
1 2
= (1 + E [cos (2U (ω))]) R H (t1 ,t2 ) = R H (t1 ,t2 )
2 3
H étant stationnaire au second ordre, donc R H (t1 ,t2 ) ne dépend que de la différence : t1 − t2 ,
il en est donc de même de R X (t1 ,t2 ). En particulier on a :
2 2
R X (τ) = R X (t + τ,t) = R H (t + τ,t) = R H (τ)
3 3
2) b) La puissance de X est définie par :
2 2
PX = R X (0) = R H (0) = PH
3 3
2) c) Le spectre de puissance de X est définie par :
2 2
S X = F (R X ) = F (R H ) = S H
3 3
Exercices d’entraînement
Réponses
15.16 a) On a :
1
1
E [cos(πU )] = cos(πu) du = 0
2 −1
1 1 1
E cos2 (πU ) = + E [cos(2πU )] =
2 2 2
R X (τ) = E X (t + τ,ω) X (t,ω)
b)
c) ∀ν ∈ R ,
S X (ν) = F (R X )(ν)
∞
= 2 RY (τ) − ϕU (−1) RY (τ + 1) − ϕU (1) RY (τ − 1) e−2i πντ dτ
−∞
∞
= 2 SY (ν) − ϕU (−1) RY (τ + 1) e−2i πντ dτ
−∞
∞
−ϕU (1) RY (τ − 1) e−2i πντ dτ
−∞
= 2 − ϕU (−1) e2i πν − ϕU (1) e−2i πν SY (ν)
15.18 a) E [X (t,ω)] = E [Y (t,ω)] − E e−2i πt E [U ]
1
1
Or, E [U ] = u du = 0 , d’où E [X (t,ω)] = µY
2 −1
R X (τ) = E X (t + τ,ω) X (t,ω)
= RY (τ) − e2i πt + e−2i π(t+τ) µY E [U ] + e−2i πτ E U 2
1 1
1 1
Or, E U 2 = u 2 du = , d’où R X (τ) = RY (τ) + e−2i πτ
2 −1 3 3
1 1
b) PX = R X (0) = RY (0) + = PY + .
© Dunod. La photocopie non autorisée est un délit.
3 3
1
c) ∀ν ∈ R , S X (ν) = F (R X )(ν) = SY (ν) + δ{−1} (ν) .
3
b) PX = R X (0) = RY (0) .
c) ∀ν ∈ R , S X (ν) = F (R X )(ν) = SY (ν + 1) .
332 Mathématiques du signal
N −1
15.20 a) E [X (t,ω)] = 1 − ϕU (k) µY
k=1
N −1
R X (τ) = N RY (τ) − ϕU (k) RY (τ − k) + ϕU (−k) RY (τ + k)
k=1
+ ϕU (k − j) RY (τ − k + j)
k=
/j
N −1
b) PX = N PY − ϕU (k) + ϕU (−k) RY (k) + ϕU (k − j) RY (k − j)
k=1 k=
/j
c)
N −1
S X (ν) = SY (ν) N − ϕU (k) e−2i πk ν + ϕU (−k) e2i πk ν
k=1
+ ϕU (k − j) e−2i π(k− j)ν
k=
/j
15.21 a)
RY (τ)
N
E [X (t,ω)] = 0 , R X (τ) = e−2i πθk τ
N k=1
b) PX = PY
1 N
c) S X (ν) = SY (ν + θk ) .
N k=1
Index
MATHÉMATIQUES DU SIGNAL
Rappels de cours et exercices résolus
MATHÉMATIQUES
PHYSIQUE
CHIMIE
SCIENCES DE L’INGÉNIEUR
INFORMATIQUE
SCIENCES DE LA VIE
SCIENCES DE LA TERRE