[hang]2pc

R/e.PNG

Rapport de fin d’étude

En vue de l’obtention d’une Licence Fondamentale en

Sciences Mathématiques et Applications

Titre :
Transformation de Laplace et Fourier et
leurs Applications

Élaboré par :
Beta Reda
Nisbi Nassima

Encadré par :
Pr. El Zerouali Hassan

Soutenu le : 17/06/2019

Devant le jury composé de :

Pr. El Zerouali Hassan
Pr. Ezzahraoui Hamdi

Année universitaire : 2018-2019

 Remerciements

Tout d’abord j’envoie mes remerciement à monsieur le professeur Hassan El Zerouali

pour son encadrement et son soutien tout au long de la préparation de ce mémoire ; je lui
exprime ma haute gratitude pour sa disponibilité, ses encouragements et ses conseils qui
ont joué un rôle capital dans l’achèvement de ce travail. Je suis très reconnaissant envers
les membres du jury : H. Ezzahraoui, pour le temps qu’il m’a consacré en examinant
ce travail et le grand honneur qu’il m’a fait en acceptant de participer autant que jury.

2
 Transformation de Fourier, Laplace et application

14 juin 2019

Table des matières

I Transformation de Laplace et applications 6

1 Introduction 6

2 Transformation de Laplace 6
2.1 Transformation de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

3 Propriétés 9
3.1 Linéarité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Translation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.3 Théorème du retard (également dénommé deuxième propriété de translation) 10
3.4 Transformée de Laplace de l’homothétie . . . . . . . . . . . . . . . . . . . 10
3.5 Transformée du produit de convolution . . . . . . . . . . . . . . . . . . . . 11
3.6 Transformée de Laplace des dérivées . . . . . . . . . . . . . . . . . . . . . 12
3.7 Transformée de Laplace d’une primitive . . . . . . . . . . . . . . . . . . . 12
3.8 Multiplication tn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

4 Transformation inverse de Laplace 13

5 Propriété 15
5.1 Transformée inverse de Laplace d’une linéarité . . . . . . . . . . . . . . . . 15
5.2 Transformée inverse de Laplace d’une dérivée . . . . . . . . . . . . . . . . . 16
5.3 Transformée inverse de Laplace d’une Translation . . . . . . . . . . . . . . 16
5.4 Transformée inverse de Laplace d’une homothétie . . . . . . . . . . . . . . 16

2 Équation différentielle ordinaire 17

2.1 Application de la transformation de Laplace en analyse mathématique . . . 17
2.2 Application physique(analyse physique) . . . . . . . . . . . . . . . . . . . . 21
2.2.1 Système masse-ressort(Oscillation) . . . . . . . . . . . . . . . . . . 21
2.2.2 Équation Différentielles de la théorique des circuits électriques . . . 23

3 Notions fondamentales sur les E.D.P 24

3.1 Équation des ondes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

3
II Transformation de Fourier et applications 27
3 Rappel sur le développement en Séries de Fourier 27
3.1 Fonctions périodiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 Définition des Séries de Fourier . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3 Convergence des séries de Fourier . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.1 Convergence en norme quadratique . . . . . . . . . . . . . . . . . . 28
3.3.2 Convergence Simple . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.3 Convergence normale . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.4 Non convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

4 Introduction et motivation 29
4.0.1 Fonction localement intégrable . . . . . . . . . . . . . . . . . . . . . 30
4.0.2 L’intégrale de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . 30

5 Transformation de Fourier 32
5.1 Conditions suffisantes d’existence (conditions de Dirichlet) . . . . . . . . . 32
5.2 Importance de la phase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.3 Composantes de la Transformée de Fourier, spectre d’amplitude et spectre
de phase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.4 Quelques propriétés de la transformation de Fourier . . . . . . . . . . . . . 37
5.4.1 Lemme (de Riemann) . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.4.2 Théorème :Dérivée de la transformation de Fourier . . . . . . . . . 38
5.4.3 Théorème : Transformée de Fourier de la dérivée . . . . . . . . . . . 39
5.4.4 Linéarité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.4.5 Transformation de Fourier de la translation . . . . . . . . . . . . . 39
5.4.6 Transformation de Fourier de l’homothétie . . . . . . . . . . . . . . 40
5.4.7 Produit de convolution . . . . . . . . . . . . . . . . . . . . . . . . . 40

3 Introduction 42

4 Applications théorique 42
4.0.1 Résolution d’équations différentielles . . . . . . . . . . . . . . . . . 42
4.0.2 Résolution d’équation intégrale . . . . . . . . . . . . . . . . . . . . 44

5 Applications pratique 44
5.1 Principe d’incertitude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.1.1 Heisenberg et le principe d’incertitude . . . . . . . . . . . . . . . . 45
5.1.2 Principe d’incertitude dans l’analyse de Fourier . . . . . . . . . . . 45
5.2 Signaux numériques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.2.1 Application à la compression de signaux . . . . . . . . . . . . . . . 47
5.3 Géologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.4 Optique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.5 Communications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

4
 Introduction
La transformation de Laplace généralise la transformation de Fourier qui est également
utilisée pour résoudre les équations différentielles : contrairement à cette dernière, elle
tient compte des conditions initiales et peut ainsi être utilisée en théorie des vibrations
mécaniques ou en électricité dans l’étude des régimes forcés sans négliger le régime tran-
sitoire. Elle converge pour toutes les fonctions qui, sont pondérées par une exponentielle,
admettent une transformée de Fourier ; par conséquent les fonctions admettant une trans-
formée de Fourier admettent toutes une transformée de Laplace, mais la réciproque n’est
pas vraie. De manière générale, ses propriétés vis-à-vis de la dérivation permettent un trai-
tement plus simple de certaines équations différentielles, et elle est de ce fait très utilisée
en automatique.
Dans un premier temps, nous allons dériver les propriétés de la transformée de Laplace,
et énoncer les théorèmes principaux s’y rapportant. La formule d’inversion sera prouvée
et sera utile pour trouver les solutions des équations différentielles ordinaires (EDO) et de
équations aux dérivées partielles (EDP). Ensuite, nous donnerons quelques applications
de celle-ci à des problèmes physiques . Nous étudions les EDO concernant le mouvement
d’un système masse ressort et la théorique des circuits électriques . On va appliquer les
EDP pour traiter deux équations :
l’équation de chaleur qui décrit la propagation de la température en fonction du temps
et de l’espace, et l’équation des ondes décrivant les phénomènes de propagation des ondes
sonores et des ondes électromagnétiques comme la lumière dans des milieux comme l’air
ou le vide physique

Pour finir ce projet, nous faisons un parallèle avec la transformée de Laplace On in-
troduira successivement les séries et les transformées de Fourier qui jouit de propriétés
similaires mais leurs domaines d’application sont différents.
Dans les applications pratique on consacre sur l’analyse fréquentielle des signaux (1D :
son, 2D : images). Un des champs d’application ou la théorie de Fourier est la plus utilisée,
est le traitement des signaux. On verra, parmi beaucoup d’autres applications, comment
analyser une classe très importante d’opérateurs linéaires (les opérateurs stationnaires)
dans le cadre de la théorie de Fourier et comment concevoir des filtres pour modifier le
contenu fréquentiel du son et des images numériques, et nous étudions principe d’incerti-
tude dans l’analyse de Fourier Enfin, on parlera sur les applications Géologie et optique
et communications.

5
Première partie
Transformation de Laplace et
applications
1 Introduction
En mathématiques, la transformation de Laplace est une transformation intégrale,
c’est-à-dire une opération associant à une fonction continue f (à valeurs dans Rn ou dans
Cn ) une nouvelle fonction dite transformée de Laplace de f , notée traditionnellement F ,
via une intégrale.

→ Dans le cas présent nous nous limiterons aux fonctions f continues par morceaux
d’une variable et à support positif, c’est à dire les fonctions nulles sur ] − ∞, 0[ et conti-
nues par morceaux sur [0, +∞[. On note traditionnellement t le paramètre générique de
f (formant ainsi f (t)), tandis que l’on note plutôt s celui de sa transformée de Laplace F
(on écrit donc F (s)).

En physique, ce type de fonction f est appelé fonction causale et la transformation de

Laplace est souvent interprétée comme un passage du domaine du temps t au domaine
des fréquences s (complexes).

La transformation de Laplace généralise la transformation de Fourier : les fonctions ad-

mettant une transformée de Fourier admettent toutes une transformée de Laplace, mais
la réciproque n’est pas vraie. Mais contrairement à la transformation de Fourier (qui est
utilisée pour la détermination du spectre d’un signal périodique ou même quelconque),
elle tient compte des conditions initiales et peut ainsi être utilisée en théorie des vibrations
mécaniques ou en électricité dans l’étude des régimes forcés sans négliger le régime tran-
sitoire. De manière générale, les propriétés de la transformation de Laplace par rapport à
la dérivation permettent une résolution plus simple de certaines équations différentielles.
Elle est donc pour cette raison très utilisée en automatique.

2 Transformation de Laplace
2.1 Définition

On appelle originale toute fonction f (t) à valeurs complexes f : R → C , satisfai-

sant aux conditions suivantes :
i) f (t) est continue sur l’axe des t tout entier à l’exception de certains points en lesquels
elles présentent des discontinuités de première espèce qui ne peuvent être qu’en nombre
fini sur tout intervalle fini.
ii) f (t) est nulle en dessous de 0 :
f (t) =0 pour t < 0.
iii) f (t) est de type exponentiel en module, i.e. il existe des nombres M > 0 et s tels que

6
pour tout t :

| f (t) |≤ M est (1)

Il est clair que si l’inégalité (1) est remplie pour un s = s1 , elle le sera pour tout s2 > s1 .
La borne inférieure s0 de tous les nombres s pour lesquels a lieu (1) s’appelle ordre de
croissance de la fonction f (t) . Dans le cas général, l’inégalité :

| f (t) |≤ M es0 t
n’a pas lieu , par contre :

| f (t) |≤ M e(s0 +ε)t

où ε > 0 est arbitraire.
Exemple
La fonction f (t) = et , t ≥ 0 et f (t) = 0, t < 0.
La condition (1) est remplie pour tout s ≥ 0 et tout M ≥ 0. L’ordre de croissance est de
sorte que f (t) est un originale.
Définition
Une fonction f (t) est dite conditionnellement continue sur [a, b], si elle continue sauf en
un nombre fini de points et la discontinuité en ces points est de première espèce (i.e) les
limites à droite et à gauche en ces points existent mais non égales.
Définition
On dit que f (t) est d’ordre exponentiel quand t → +∞ s’il existe des constantes M,b et t
telles que |f (t)| ≤ M ebt pour t < t0 on dit alors que f (t) est de l’ordre de quand t → ∞.
Théorème
Si f (t) est conditionnellement continue sur chaque intervalle fini [0, a], a > 0, et est de
l’ordre de ebt quand t −→ ∞ , la transformée de Laplace L(f (t)) existe pour s > b.

2.1 Transformation de Laplace

Soit f (t) un original. on appelle transformée de Laplace de f (t) la fonction F (s)
de variable complexe s = q + iδ , définie par la formule :
Z +∞
F (s) = f (t)e−st dt (2)
0

La fonction F (s) s’appelle aussi image de f (t) par la transformation de Laplace

L[f (t)] = F (s)

Fonction k(t, s) = e−st dt est le noyau de cette transformation.

2.2.1 Existence de la transformation de Laplace

7
Conditions d’existence :
−→ La transformée de Laplace n’existe pas pour n’importe quelle fonction.
R +∞Nous allons
maintenant donner des conditions sur f (t) qui garantiront l’existence de 0 f (t)e−st dt.
F(s) est définie par une intégrale généralisée, donc il faut que :
— F soit continue par morceaux sur R+ .
— ∃β ∈]0, 1[,tel que lim tβ |f | (t)= 0 .
t→0
— Rla fonction f est d’ordre exponentiel :|e−st f (t) | ≤ M e−(<(s)−α)t or
+∞ −(<(s)−α)t
0
e dt converge pour <(s) > α.
Remarque : Certaines fonctions ne possèdent pas de transformée de Laplace, par exemple
2
la fonction f (t) = 1t qui ne respecte pas la deuxième condition d’existence, ou f (t) = et
qui n’est pas d’ordre exponentielle.
Problème : Comment déterminer le meilleur s pour que l’intégrale converge ?. On admet
le théorème suivant :

Théorème :
Soit f :R+ → C fonction continue.
R +∞
1)∃!a ∈ R̄, <(s) > a ⇒ 0 e−st f (t) dt converge simplement.
R +∞
<(s) < a ⇒ 0 e−st f (t) dt diverge.
a est appelé abscisse de convergence simple.
R +∞ −st
2)∃!b ∈ R̄,<(s) > b ⇒ e f (t) dt converge absolument.
R0+∞ −st
<(s) < b ⇒ 0
e f (t) dt ne converge pas absolument.
b est appelé abscisse de convergence simple.

Exemple
a) Soit la fonction de Heaviside :

1 si t ≥ 0
U (t) =
0 si t < 0
R +∞
L(U (t))(s) = 0
e−st f (t) dt = 1
s
si <(s) > 0.
b) Soit : 
αt eαt si t ≥ 0 avec α ∈ C
f (t) = U (t)e =
0 si t < 0
R +∞
F(s) = L{f }(s) = 0
eαt e−st dt = 1
s−α
si <(s) > <(α).
c) Soit : 
tα si t > 0 avec α > −1
f (t) =
0 si t ≤ 0
Z +∞
F(s) = L{f }(s) = tα e−st dt
0

En posons u = st,
Z +∞
1 Γ(α + 1)
= uα e−u du = , <(s) > 0.
sα+1 0 sα+1

8
3 Propriétés
3.1 Linéarité
3.1.1 Proposition

Soit f, g : R+ → C deux fonctions admettant des transformées de Laplace L(f ) et L(g) et

soient α et β ∈ R alors :

L [αf (t) + βg(t) ] = αL[f (t) ] + βL[g(t) ]

Preuve

Z ∞ Z ∞
−st
L[αf (t) + βg(t)](s) = [αf (t) + βg(t) ]e dt = (αe−st f(t) + βe−st g(t) dt
0 0
Z ∞ Z ∞
−st
= α e f(t) dt + β e−st g(t)dt
0 0
= αL[f (t) ] + βL[g(t) ].

Exemple
ejωt +e−jωt
On a cos (ωt) = 2
donc
1 1 1 s + jω 1 s − jω s
L(cos (ωt)) = L(ejωt ) + L(e−jωt ) = . 2 + . = .
2 2 2 s + ω 2 2 s2 + ω 2 s2 + ω 2
ejωt −e−jωt
Et comme sin (ωt) = 2j
on a :
1 1 1 s + jω 1 s − jω ω
L(sin (ωt)) = L(ejωt ) − L(e−jωt ) = . 2 2
− . 2 2
= 2 .
2j 2j 2j s + ω 2j s + ω s + ω2

3.2 Translation
Soit f : R+ → C une fonction vérifiant f (t) = 0 si t < 0 et admettant une transformée
de Laplace L(f )(s). on considère la fonction fα définie par :

fα (t) = f (t − α); α > 0.

3.2.1 Proposition

L(fα )(s) = e−sα L(f)(s).

9
 Preuve
Remarquons d’abord que :

f (t-α) si t − α ≥ 0
fα (t) = (3)
0 si t − α ≤ 0
R∞ R∞ R∞
L(fα )(s) = 0 fα (t)e−ts dt = 0 f(t − α)e−ts dt = α f(t − α)e−ts dt.
En posant x = t − α,
On obtient R:
∞ R∞ R∞
L(fα )(s) = 0 f (x)e−(α+x)s dx = 0 f(x) e−xs e−αs = e−αs 0 f(x) e−xs dx = e−αs L(f)(s).

3.3 Théorème du retard (également dénommé deuxième propriété

de translation)
3.3.1 Proposition
Soient les fonctions f (t) et g(t),définies par :

g(t) = f(t − α) si t > α
(4)
g(t) = 0 si t < α
(g(t) est en retard sur f (t)).

L(g)(s) = e−sα L(f)(s).

Preuve

Z ∞ Z α Z ∞
−st −st
L(g)(s) = g(t)e dt = g(t)e dt + g(t)e−st dt
0
Z0 α Z ∞
α

= 0dt + f (t − α)e−st dt.

0 α

On pose t − α R= x et t = x + α.
∞ R∞
L(g)(s) = 0 + α f (x)e−(x+α)s d(x + α)= α f (x)e−(x+α)s d(x).
car d(x) =Rd(x + α).
∞ R∞
L(g)(s) = α f (x)e−sx e−sα dx = e−sα α f(x)e−sx dx = e−sα Lf(t).

3.4 Transformée de Laplace de l’homothétie

Soit k > 0 et f : R+ → C une fonction vérifiant f (t) = 0 si t < 0 et admettant une
transformée de Laplace L(f ). Soit fk la fonction définie par fk (t) = f (kt).
3.3.2 Proposition

L(fk )(s) = k1 L(f )( ks ).

Preuve R
∞ R∞
L(fk )(s) = 0 fk (t)e−ts dt = 0 f (kt)e−ts dt. On fait le changement de variable :

10
 dy
y = kt donc dt = k
.
Z ∞
1 s 1 s
L(fk )(s) = f (y)e−y( k ) dy = L(f)( )
k 0 k k

3.5 Transformée du produit de convolution

3.4.1 Définition : Produit de convolution

Soit f et g deux fonctions définies sur R. On appelle produit de convolution de f et

g et on note f ? g la fonction définie (si elle existe) par :
Z +∞
(f ? g)(x) = f (x − t)g(t)dt
−∞

3.4.2 Proposition

Soient les fonctions f, g : R+ → C vérifiant f (t) = g(t) = 0 si (t < 0) alors :

Z x
(f ? g)(x) = f (t)g(x − t)dt.
0

Preuve
D’après La définition du produit de convolution et d’après les hypothèses les fonctions ne
sont pas nulles que si t > 0 et x − t > 0 donc 0 < t < x.

Soient les fonctions f, g : R+ → C vérifiant f (t)=g(t)=0 si t < 0. Notons L(f ) et L(g)

respectivement leur transformée de Laplace.

3.4.3 Proposition

L(f ? g)(s) = L(f )(p)L(g)(s)

Preuve R +∞
Rappelons que (f ? g)(t) = −∞ f (t − u)g(u)du.
Tenant compte duR faitR que f (y) = g(y) = 0 si u < 0R lesRcalculs donnent :
∞ +∞ ∞ t
L(f ? g)(s) = R0 [R−∞ f (t − u)g(u)du]e−ts dt = 0 [ 0 f(t − u)g(u)du]e−ts dt
∞ ∞
= 0R [ u f (t − u)e−ts dt]g(u)du
∞
R ∞ Dans l’intégrale uR
f (t − u)e−ts dt. On fait le changement de variable v = t − u
∞
u
f (t − u)e−ts dt = 0 f (v)e−(u+v)s dv = e−us L(f )(s)(c’est la transformée de la transla-
tion ). R∞ R∞
Finalement, L(f ?g)(s) = 0 ets L(f )(s)g(u)du = L(f )(s) 0 g(u)e−us du = L(f)(s)L(g)(s)
Exemple
1
Cherchons l’original de la fonction F définie par F (s) = (s2 +ω 2 )2 .

On a :
sin(ωt)
1
F (s) = (s2 +ω 1
2 ) (s2 +ω 2 ) = L( ω
)L( sin(ωt)
ω
).
D’après le théorème qui précède , l’original f de F est donne par

11
 Rt sin(ω(t−u)) sin(ωu)
f (t) = 0 ω ω
du.
Comme on a sin a sin b = 21 (cos(a − b) − cos(a + b)), il vient
Rt cos(ωt) Rt
f (t) = 2ω1 2 0 (cos(ω(2u − t)) − cos(ωt))du = 2ω1 2 cos(2ωu − ωt) − 2ω 2 0
du
i.e.
f (t) = 2ω1 2 [sin(2ωu − ωt)] − t cos(ωt)
2ω 2
où
f (t) = 4ω1 2 (sin(ωt) − sin(−ωt)) − t cos(ωt)
2ω 2
= sin(ωt)
2ω 3
− t cos(ωt)
2ω 3

3.6 Transformée de Laplace des dérivées

3.5.1 Proposition
Soit f : R+ → C une fonction et σ(f ) son abscisse de convergence absolue.
i) f ∈ Cn (R+ , C).  
ii) Il existe M > 0 et a ∈ R tels que pour tout entier k ≤ n on a f k (t) ≤ M eat .
Alors
a)σ(f (k) ) ≤ a ; k = 0, 1.....n. P
b)L(f (n) )(s) = sn L(f )(s) − nk=1 sk−1 f (n−k) (0).

Preuve

a)Soient 0 ≤ k ≤ n, s = x + iy ∈ C tel que <(s) = x > a.

f (t)e−ts  = f k (t)e−tx  ≤ f k (t) e−tx ≤ M eat e−tx = M e−t(x−a) .
 k     

R∞
En outre, 0 e−t(x−a) dt converge si et seulement si x − a > 0 c’est-à-dire x > a. Donc si
<(s) > a, l’intégrale est absolument convergente ce qui exprime que σ(f k ) ≤ a.
b)La démonstration se fait par récurrence.
Pour n = 1.R
0 ∞ 0 0
L(f )(s) = 0 f (t) e−ts On fait une intégration par parties avec u = e−ts et dv = f (t)dt.
0 ∞ ∞
L(f )(s) = [f (t)e−ts ]0 + s 0 e−ts f(t)dt = sL(f)(s) − f(0).
R
00 0 0 0 0 0
L(f )(s) = L((f ) )(s) = sL(f (t)] − f (0) = s[sL[f (t)] − f (0)] − f (0).
0
= s2 L[f (t)] − sf (0) − f (0). Pn
Supposons que L(f n )(s) = sn L(f )(s) − P k=1 s
k−1 (n−k)
f (0).
n+1 0 n n 0 n k−1 0 (n−k)
L(f )(s) = L((f ) )(s) L(f )(s) − k=1 s (f )
Pn= s k−1 (0)
n 0
n (n−k) n+1
Pn k−1 (n−k)
= s (sL(f )(s)−f (0))−
Pn+1 k−1 k=1 p f (0) = s L(f )(s)−s f (0)− k=1 s f (0) =
n+1 (n+1−k)
s L(f )(s) − k=1 s f (0).

3.7 Transformée de Laplace d’une primitive

Rt 0
Soit F (t) = 0 f (x)dx une primitive de f On a alors F = f et F (0) = 0.
3.6.1 Proposition
L(f )(s)
L(F )(s) = s
.
0
D’après la proposition (3.5.1),L(F )(s) = sL(f )(s) − F (0) = sL(F )(s). De cette égalité.
On déduit :

12
 L(f )(s)
L(F )(s) = s
.

3.8 Multiplication tn
3.8.1 Proposition

Soit f une fonction de transformée de Laplace F = L(f ). On montre que la fonction

F est infiniment dérivable et, pour n ≥ 1, On a :
L(tn f (t)) = (−1)n F n (s).
0
En particulier, On a L(tf (t)) = −F (s).
Exemple
s
Cherchons l’original de s −→ (s2 +ω 2 )2 .
1
On va faire intervenir le dérivée de la fonction s −→ s2 +ω 2
ω
On a L(sin(ωt)U (t)) = s2 +ω 2 donc ,d’après le résultat précèdent :
d ω 2sω 2sω
L(sin(ωt)U (t)) = − dt [ s2 +ω2 ] = −[− (s2 +ω2 )2 ] = (s2 +ω2 )2
D’où
1 s
2ω
L(t sin(ωt)U (t)) = (s2 +ω 2 )2
1
Donc l’original cherché est la fonction t −→ 2ω sin(ωt)U (t)

4 Transformation inverse de Laplace

Considérons le problème inverse qui consiste à trouver une fonction f (t) par son
image F (s). Formulons des conditions suffisantes pour qu’une fonction F (s) de la variable
complexe s soit l’image d’une fonction .

4.0.1 Définition
L’inverse de la transformée de Laplace consiste à déterminer la fonction original f (t) à
partir de sa transformée de Laplace F (s).
f (t) = L−1 F (s)

⇒ Recherche de l’original avec une table des images.

Pour déterminer une fonction par son image, on fait appel à des tables. si la fonction
F (s) étudiée est une fonction assez compliquée, on essaye préalablement de la ramener à
une fonction tabulaire : si par exemple F (s) est une fonction rationnelle, on la décompose
en fractions élémentaires auxquelles on applique les propriétés de la transformation de
Laplace.
Exemple 1
s
Trouver l’original de la fonction F (s) = 2 .
s + 2s + 5
En mettant la fonction F (s) sous la forme
s s s+1 2
F (s) = = = −
s2 + 2s + 5 (s + 1)2 + 22 (s + 1)2 + 22 2((s + 1)2 + 2)

13
Et en se servant des propriétés de translation et de linéarité de la transformation de La-
place , on obtient :
1
f (t) = e−t cos(2t) − e−t sin(2t)
2

Exemple 2
s
Trouver l’original de la fonction : F (s) =
s2 (s + 1)2
En mettant F (s) sous la forme :
s 1 1
F (s) = = 2− 2
s2 (s + 1) 2 s s +1
D’où
f (t) = t − sin(t)

• Le théorème d’inversion et ses conséquences. Établissons l’important formule

d’inversion de la transformation de Laplace qui encore dite formule de Mellin.
4.0.2 Théorème

Si une fonction f (t) est original d’ordre de croissance q0 et d’image F (s), en tout point
de continuité de f (t) on a :
Z q+i∞
1
F (s)est ds (5)
2πi q−i∞
Où l’intégrale est prise le long de la droite <(s) = q = const > q0 et comprise au sens de
la valeur principale : Z q+iy
1
lim F (s)est ds
y−→+∞ 2πi q−iy

Preuve
Supposons par exemple que f (t) est une fonction dérivable par morceaux d’ordre de
croissance q0 sur tout segment fini [0, α] et considérons la fonction :
Z +∞
1
ϕ(t) = √ φ(α)eiαt dα (6)
2π −∞
Où Z +∞ Z +∞
1 −iαt 1
φ(α) = √ ϕ(t)e dt = √ ϕ(t)e−iαt dt (7)
2π −∞ 2π 0

(ϕ(t) = 0 ∀t < 0)
En portant l’expression ϕ(t) = f (t)e−qt dans (7) , on obtient :
1 R +∞ −qt 1 R +∞ 1 R +∞ −st
φ(α) = √ 0
e f (t)e−iαt dt = √ 0
f (t)e−qt−iαt dt = √ e f (t)dt
2π 2π 2π 0
1
= √ F (s)
2π

14
 Où F (s) est la transformation de Laplace de f (t) pour s = q + iα la formule (6) peut
s’écrire donc :
Z +∞
−qt 1
ϕ(t) = e f (t) = eiαt F (q + iα)dα
2π −∞
D’où la formule d’inversion annoncée :
Z +∞ Z q+i∞
1 (q+iα)t 1
f (t) = e F (q + iα)dα = est F (s)ds q > q0
2π −∞ 2πi q−i∞
Le théorème d’inversion entraine le théorème d’unicité.
Unicité
Deux fonctions continues f (t) et g(t) possédant la même image F (s) sont identiques.
Le calcul de l’intégrale (5) est généralement compliqué. Mais il se simplifie sous certaines
conditions imposées à l’image F (s).

Formule de Heaviside
Cette formule permet de trouver l’originale d’une fraction rationnelle. Soit P, Q ∈ C[X]
deux polynômes tels que d0 (P ) < d0 (Q). Soit α1 , α2 ....., αn les zéros de Q qu’on suppose
P (s)
simples. On suppose de plus que la fraction rationnelle F (s) = Q(s) est irréductible .
Cherchons l’originale de F.
En décomposant en éléments simples, on a :
A1 A2 An
F (s) = − ...... .
s − α1 s − α2 s − αn

Le calcul d’un coefficient Ak , k = 1, 2....., n, est donné par la relation :

P (s)
Ak = lim (s − αk )F (s) = lim Q(s) (s − αk ) = QP0(α k)
(α )
s→αk s→αk k

car lim (s−α k)

Q(s)
= lim (s−αk )
Q(s)−Q(αk )
= 1
Q0 (αk )
.
s→α k
k
Pns→α P (αk ) −1 1
D’où F (s) = 1
K=1 Q0 (αk ) s−αk . Sachant que L ( s−a )(t) = e
at
et du fait que L−1 est
linéaire , l’originale de F est donnée par la formule :
L−1 (F )(t) = nK=1 QP0(α k ) αk t
P
(α )
e
k

Exemple

1 1 1 −1
F (s) = s2 +3s+2 = (s+1)(s+2) = s+1
+ s+2
.
−t −2t
f (t) = (e − e )(t).

5 Propriété
5.1 Transformée inverse de Laplace d’une linéarité
Remarque
Si F (s) = L(f )(s) on note f (t) = L−1 (F )(t).
Soit F (s) = L(f )(s) et G(s) = L(g)(s).

15
 L−1 (αF + βG) = αL−1 (F )(t) + βL−1 (G)(t)

Preuve
En effet, On sait que L(αf + βg) = αL(f ) + βL(g). Vu l’unicité de l’originale
L−1 (αL(f ) + βL(g)) = αf + βg = αL−1 (L(f )) + βL−1 (L(g)). Ceci revient à dire que la
transformation inverse de Laplace est linéaire.

5.2 Transformée inverse de Laplace d’une dérivée

R +∞
Soit f :R+ → C. On pose L(f )(s) = 0 e−ts f (t)dt sa transformée de Laplace. On
suppose que les conditions de dérivation
R +∞ R +∞sous le signe intégrale sont réunies. Alors :
0
L((f )) (s) = 0 δs δ
(e−st f (t)) dt = − 0 te−st f (t) dt = −L(tf (t))(s).En composant par
L−1 , on obtient :
0
L−1 [L((f )) ](t) = −tf (t)

Et par récurrence sur n, la dérivée d’ordre n :

L−1 [L((f ))n ](t) = (−1)n tn f (t)

5.3 Transformée inverse de Laplace d’une Translation

On cherche l’originale de L(f )(s − a).
R +∞
Si L(f )(s) = 0 e−ts f (t) dt, alors
R +∞ R +∞
L(f)(s − a) = 0 e−t(s−a) f (t) dt= 0 e−ts eta f (t)
R +∞
= 0 [f (t)eta ]e−ts dt
= L(eta f (t))(s).
où

L−1 [L(f )(s − a)](t) = f (t)eta

5.4 Transformée inverse de Laplace d’une homothétie

On cherche l’originale de L(f )(ks), avec s ∈ R et k > 0.
Posons (L(f ))(s) = L(f )(ks).
R k+∞ R +∞
L(f )(s) = 0 e−st f (t) dt ⇒ L(f )(ks) = 0 e−tks f (t) dt
On pose kt = u donc du = kdt on obtient alors :
R +∞
L(f )(ks) = k1 0 f ( uk )e−us du = k1 L(f( 1 ) )(s)
k

En composant par L−1 on obtient la relation de la transformée inverse par :

L−1 (L(fk ))(t) = k1 f 1 (t) = k1 f ( kt )

k

16
 Chapitre 2

Applications de la Transformation de Laplace

Dans le cadre du présent article, nous voulons apporter et exhiber l’importance de

l’interdisciplinarité en science en montrant qu’à partir du calcul transformationnel de
Laplace nous pouvons résoudre les problèmes lié de l’interdisciplinarité qui se pose en
montrant comment le calcul transformationnel de Laplace joue un rôle très important en
mathématique (Analyse), en physique, en électronique et dans d’autres branches de la
science.

Nous nous sommes servis des résultats de notre premier article évoqué ci-haut pour dé-
montrer quelques applications de la transformation de Laplace en mathématique (Ana-
lyse : précisément dans la résolution des équations différentielles linéaires et des systèmes
d’équations différentielles) et en physique dans la résolution des équations différentielles
des systèmes oscillants. Pour ce dernier cas, les problèmes étant délicats, nous avons étu-
dié d’une manière détaillée quelques cas concrets en nous attachant à dégager la méthode
générale qui, du reste, présidera à leur résolution et pourra aisément être transposée à
d’autre cas.

Enfin, les équations les plus importantes de la relativité générale et de la mécanique

quantique sont également des EDP. Ce sont des équations indispensables pour la réso-
lution de presque la totalité des problèmes dans ces domaines. Nous pouvons citer par
exemple : l’équation d’ondes décrivant les phénomènes de propagation des ondes sonores
et des ondes électromagnétiques comme la lumière dans des milieux comme l’air ou le
vide physique ; l’équation de la chaleur qui décrit de la température en fonction du temps
et de l’espace

2 Équation différentielle ordinaire

2.1 Application de la transformation de Laplace en analyse ma-
thématique
En analyse mathématique, la résolution des équations différentielles et des systèmes
d’équations différentielles est donnée de la manière suivante :
- On cherche d’abord la solution générale de l’équation

dn x dn−1 x dx
a0 n
+ a 1 n−1
+ .... + an−1 + an x(t) = f (t) (8)
dt dt dt

contenant n constantes arbitraires.

17
- Ensuite on détermine les constantes de manières que les conditions initiales
0 0 0
x(0) = x0 , x (0) = x0 , ..., xn−1 (0)x(0) = x0 , x (0) = x0 , ..., xn−1 (0) = x0n−1 (9)
soient vérifiées.

Cette méthode de résolution parait difficile et fastidieuse, nous proposons pour cet
effet une méthode plus simple basée sur la transformation de Laplace de la manière sui-
vante :
-On cherche l’image L de la solution de l’équation (8) vérifiant les conditions (9). Dési-
gnons cette image L par ainsi x e(s) → s(t).
e(s),ainsi par x
Supposons que l’image de la solution de l’équation (8) ainsi que ses dérivées jusqu’à l’ordre
n inclus existe(une fois la solution trouvée, nous pouvons vérifier la validité de cette sup-
position).
-Multiplions les deux membres de l’égalité (8) par e−st où s = a + ib et intégrons entre les
limites 0 et ∞ :
Z ∞ n Z ∞ n−1 Z ∞ Z ∞
−st d x −st d x −st
a0 e n
dt + a1 e n−1
dt + .... + an e x(t)dt = e−st f (t)dt. (10)
0 dt 0 dt 0 0
Dans le premier membre de (10) nous avons l’image L de la fonction x(t) et de ses dérivées,
dans le second membre l’image L de la fonction f (t) que nous désignons par F (s). Ainsi
(10) peut se mettre sous la forme :
dn x dn−1 x
a0 L[ ] + a 1 L[ ] + .... + an L[x(t)] = L[f (t)]
dtn dtn

Remplaçons dans cette égalité les images de la fonction et de ses dérivées par les ex-
pressions suivantes :
0
i)Si F (s) → f (t) alors sF (s) − f (0) → f (t).
0 00 0 00
ii)s[sF (s) − f (0)] − f (0) → f (t) ⇔ s2 F (s) − sf (0) − f (0) → f (t).
0
iii)sn F (s) − [sn−1 f (0) + sn−2 f (0) + ... + sf (n−2) (0) + ... + f (n−1) (0)] → f (n) (t).
On obtient :

0 00 0
a◦ {sn x
e(s) − [sn−1 x◦ + sn−2 x◦ + sn−3 x◦ + ... + xn−1
◦ ]} + a1 {sn−1 x
e(s) − [sn−2 x◦ + sn−3 x◦
00
+sn−4 x◦ + ... + xn−2
◦ ]} + an−1 {se
x(s) − x◦ } + an x
e(s) = F (s)(11)
Cette équation (11) est appelée équation auxiliaire au équation image d’inconnue
l’image x
e(s) que l’on peut déterminer à partir même de cette équation. Transformons
cette équation en laissant dans le premier membre des termes contenant xe(s) :

0
[a◦ sn + a1 + ... + an−1 + an ]e
x(s) = a◦ [sn−1 x◦ + sn−2 x◦ + ..... + x◦n−1 ] + a1 [sn−2 x◦
0 0
+sn−3 x◦ + ... + xn−2
◦ ] + ....an−2 [sx◦ + x◦ ] + an−1 x◦ + F (s).(12)
Le coefficient x
e(s) dans le premier de (12) est un polynôme en s d’ordre n que que l’on

18
peut obtenir si dans le premier membre de l’équation (8), on remplace les dérivées par les
puissance correspondantes de s. Désignons-le par : Pn (s) on a :

Pn (s) = a◦ sn + a1 sn−1 ... + an−1 s + an (13)

Le second membre de (11) est ainsi composé :

-Le coefficient an−1 est multiplié par x◦ .
0
-Le coefficient an−2 est multiplié par sa◦ + x◦ ...
0
-Le coefficient a1 est multiplié par sn−2 x◦ + sn−3 x◦ + ... + x◦n−2 .
0
-Le coefficient a◦ est multiplié par sn−1 x◦ + sn−2 x◦ + ... + x◦n−1 .
On obtient alors un polynôme en s de degré n − 1 dont le coefficient sont connus. On a :
Pn−1 (s) F (s)
x(s) = Pn−1 (s) + F (s) ⇒ x
Pn (s)e e(s) = + (14)
Pn (s) Pn (s)

D’où xe(s) est l’image de la solution x(t) de l’équation (8) vérifiant conditions initiales.
Si on trouve une autre fonction x∗ (t) dont l’image est xe(s) définie par l’égalité (14) c’est-
à-dire que x∗ (t) = x(t).

Remarque :
0
Si les conditions initiales sont telles que : x◦ = x◦ = .......... = x◦n−1 = 0 alors Pn−1 (s) = 0.
D’où

F (s) F (s)
x
e(s) = Pn (s)
ou x
e(s) = a◦ sn +a1 sn +...+an
(15)

A. Quelques Exemples de résolution des équations différentielles linéaires par

la méthode de la transformation de Laplace.

Exemple 1 :

Trouver la solution de l’équation dxdt

+ x = 1 vérifiant les conditions initiales x◦ = 0
pour t=0.
Solution :
x(s) = 0 + 1s (car 1s → 1)
Équation auxiliaire (s + 1)e
1
⇐⇒ x e(s) = s .

En décomposant la fraction du second membre en éléments simples, on obtient x

e(s) =
1 1
s
− s+1 .

En s’appuyant sur le fait que F (s) = L[f (x)] = 1

s
alorsf (t) = L−1 [F (s)] = 1 et
1
F (s) = L[f (x)] = s+a et f (t) = L−1 [F (s)] = e−at .
On a : x(t) = 1 − e−t .

Exemple 2 :

19
 d2 x
Trouver la solution de l’équation dt2
+ 3 dx
dt
+ 2x = t vérifiant les conditions initiales
0
x◦ = x◦ = 0 pour t=0.

Solution :

1
Pn−1 (s) = 0. Écrivons l’équation auxiliaire :(s2 + 3s + 2)e
x(s) = s2

1 1 1
ou x
e(s) = s2 s2 +3s+2
= s2 (s+1)(s+2)
.

Décomposons cette fraction en éléments simples :

1 A B Cs+D
s2 (s+1)(s+2)
= s+1
+ s+2
+ s2
;
−3
1 1 s+ 12
x
e(s) = s+1
− 4(s+2)
+ 4
s2
.

1 1 −3 1 1 1
x
e(s) = s+1
− 4(s+2)
+ 4 s
+ 2 s2
.

D’où,x(t) = e−t − 14 e−2t − 34 + 21 t.

B. Exemple de résolution des systèmes d’équations différentielles par la mé-
thode de la transformée de Laplace

1. Trouver la solution du système d’équations différentielles :

 dx dy
2 dt + dt − 4x − y = et (1)
f (x) = dx .
dt
+ 3x + y = 0 (2)

Vérifiant les conditions initiales x = 0, y = 0 pour t=0.

Désignons par x(t) ← x e(s) et y(t) ← ye(s) et écrivons le système d’équations auxiliaires :
1

(2s − 4)e
x(s) + (s − 1)ey (s) = s−1 (3)
f (x) =
(s + 3)e
x(s) + ye(s) = 0 (4)

En multipliant (4) par (s-1) on trouve (s2 +2s−3)e x(s)+(s−1)e y (s) = 0 (5) faisant
1
(3)-(5) donne :−(s2 + 1)e x(s) = s−1
−1
⇒x e(s) = (s−1)(s 2 +1)
1
D’où x(t) = − 2 − (et − cos(t) − sin(t)),ensuite nous tirons

−1
 ye(s) = −(s + 3)e
 x(s) (s−1)(s 2 +1)
−1 s+3
= −(s + 3) (s−1)(s 2 +1) = (s−1)(s2 +1)
s 3
= (s−1)(s 2 +1) + (s−1)(s2 +1)



D’où y(t) = 21 [sin(t) + (et − cos(t)] + 32 [et − cos(t) − sin(t)]

y(t) = 2et − 2 cos(t) − sin(t)

20
Les solutions cherchées du système sont donc
x(t) = 12 sin(t) − 21 cos(t) − 12 et
y(t) = − sin(t) − 2 cos(t) + 2et

2.2 Application physique(analyse physique)

2.2.1 Système masse-ressort(Oscillation)
Lors de l’étude du mouvement d’un système masse-ressort les équations différentielles
de mouvement sont parfois d’un ordre très élevé donc trop complique à résoudre de ma-
nière classique , il faut donc utiliser les méthodes alternatives de calculer pour résoudre .
Nous allons ici nous intéresser à la méthode de Laplace .
Système masse-ressort : il s’agit d’un système très simple à réaliser.

Si la masse m est écartée légèrement de sa position d’équilibre et relâchée sans vitesse

initiale, à osciller autour de cette position d’équilibre ,de l’évolution au cours du temps
de l’élongation x(t) du ressort (par rapport à la position ou la masse est au repos ) où
sont purement sinusoïdales de pulsation ω◦ si l’influence de s frottement est négligée.
La valeur de ω◦ ne dépend que la valeur de masse et des propriétés du ressort plus
précisément de sa raideur k.
Donc facilement montrer que ql’équation du mouvement masse ressort s’écrit :
d2 x k
d2 t
+ ω◦2 x(t) = 0 avec ω◦ = m .
L’équation horaire est donnée par :

x(t) = xm cos(ω◦ t + φ◦ )
où
xm : l’amplitude des oscillations maximal.
φ◦ : la phase à l’origine le mouvement est qualifiée d’harmonique de pulsation propre .
ω◦ : la caractéristique du système .

11.jpg

Représentation schématique de l’évolution dans le temps de l’élongation de la masse m.

Exemple :
Nous allons donc étudier le cas d’un système masse-ressort composé de deux masses
m1 = m2 = 0.1, et de trois ressorts de constantes de rappelle k1 = k3 = 20 et k2 = 10.

21
Nous avons donc deux ressorts identiques nommerons K et nous appellerons le troisième
k. les masses , toutes deux identiques.
Serons appelées m, enfin on pose x1 (t) et x2 (t) les deux équation de position liées respec-
tivement m1 et m2 . Nous appliquons principe fondamental de la dynamique à ce système.
on a :
mx..1 = −Kx1 − k(x1 − x2 ).
mx..2 = −Kx2 − k(x2 − x1 ).
Conditions initiales : on donne x1 (0) = 0.1 et x2 (0) = 0.1. Autrement dit les deux masses
sont lâchées en phase.
Puis nous appliquons la transformée de Laplace à ces deux équations :
0
(1) m(s2 L1 (x) − sx1 (0) − x1 (0)) + KL1 (x) − k(L1 (x) − L2 (x)) = 0.
0
(2) m(s2 L2 (x) − sx2 (0) − x2 (0)) + KL2 (x) − k(L2 (x) − L1 (x)) = 0.
En effectuant (1)-(2) on remarque que L1 (x) = L2 (x).
Ce résultat nous apparait logique car le système est en phase , nous pouvons donc résoudre
une des deux équation.
0
m(s2 L1 (x) − sx1 (0) − x1 (0)) + KL1 (x) = 0.
ms2 L1 (x) − msx1 (0) + KL1 (x) = 0.
Nous cherchons ensuite à isoler L1 (x).
L1 (x) = msx 1 (0)
K+ms2
.
On remplace ensuite par les conditions initiales.Nous avons donc
L1 (x) = L2 (x) = s20,1.s
+200
.
On applique la transformation √ inverse de Laplace et nous déduisons que :
x1 (t) = x2 (t) = 0, 1 cos(10 2t)

22
2.2.2 Équation Différentielles de la théorique des circuits électriques

Soit un circuit composé d’une résistance, d’une bobine, d’un condensateur et d’un
générateur. Les conditions antérieures à t = 0 sont les suivantes : le générateur délivre
une tension nulle, le courant est nul et le condensateur n’est pas chargé. A t = 0, le
générateur délivre subitement une tension E(t) : un courant circule alors dans le circuit
et charge le condensateur.
L : inductance(constant).

R : Résistance(constant).

C : capacité(constant).

I : courant.

Rt
On a donc L dI + RI + 1
I(τ )dτ = E(t).
Rdtt C 0
Avec Q(t) = 0 I(τ )dτ et I = dQdt
.

Donc on peut écrire

dQ2 dQ Q
L 2
+R + = E(t)
dt dt C
.

On suppose que le courant I électrique de circuit s’écrit :

dI
L + RI = E◦ sin ωt
dt
.
Avec L, R, E◦ et ω t constant on cherche de I(t) = i; t > 0 I(0)=0 donc LsL(i)+RL(i) =
E◦ ω
s2 +ω 2
.

Eω
L(I) = (Ls+R)(s2 +ω 2 )
.

23
 ω
E◦L A Bs+C
L(I) = (s+ R )(s 2 +ω 2 ) = s+ R + s2 +ω 2 .
L L
On trouve :
A = L2Eω◦2Lω
+R2
, B = L−E ◦ Lω E◦ Rω
2 ω 2 +R2 , C = L2 ω 2 +R2 .

R
donc i(t) = E◦ Lω
L2 ω 2 +R2
e− L t + E◦ Lω
L2 ω 2 +R2
cos(ωt).

Ce résultat est compliqué à résoudre de manière classique

C’est pour ça on utilise la méthode de Laplace.

3 Notions fondamentales sur les E.D.P

On appelle équation aux dérivées partielles une équation de la forme :
δu δu δmu
F (x1 , x2 , ..., xn , , ...., , ....., k )=0 (1)
δx1 δxn δx1 , δxk2 , ..., δxkn
Où k1 , k2 , ...kn , sont des entiers positifs tels quek1 + k2 + ... + kn = m .l’équation (1) lie
les variables indépendantes x1 , x2 , ..., xn à la fonction inconnue = u = u(x1 , x2 , ..., xn ) et
à l’une au moins de ses dérivées partielles. On appelle ordre d’une équation différentielle
l’ordre de la dérivée supérieure figurant dans cette équation. Une équation aux dérivées
partielles est dite linéaire si elle est linéaire par rapport à la fonction inconnue et à ses
dérivées et non linéaire dans le cas contraire.

Exemple :
2 2 2
L’équation δδxu2 = x2 δu
δx2
+ e−x est linéaire.
2
Les équations y δu
δx
− x δu
δy
+ ua2 = 0; u δδxu2 + δu
δy
= x2 y sont non linéaires.
Dans le cas général, une équation différentielle linéaire du second ordre est de la forme :

δ2u δ2u δ2u δu δu

A(x, y) + 2B(x, y) + C(x, y) + a(x, y) + b(x, y) + c(x, y)u = f (x, y) (2)
δx2 δxδy δy 2 δx δy

Avec A(x, y)B(x, y), C(x, y), .., c(x, y), f (x, y)sont des fonctions de , définies dans un do-
maine D du plan.
Si f (x, y) = 0 dans D , l’équation (2) est dite homogène où sans second membre, sinon
non homogène où avec second membre.
Classification des équations différentielles linéaires du second ordre

On dit que dans un domaine D du plan une équation différentielle linéaire du second
ordre (2) est :
Parabolique si b2 − ac = 0 sur D .
Hyperbolique si b2 − ac > 0 sur D .
Elliptique si b2 − ac < 0 sur D .

24
3.1 Équation des ondes
En physique ondulations d’un milieu élastique ou d’un flux électromagnétique. Pertur-
bation d’un milieu qui se propage on peut décrire par l’équation :

δ2y 2
2δ y
= a x > 0, t > 0
δt2 δx2

La déplacement rest verticale est donnée par y(x, t) en position x et de temps t le constant
t
a, s’écrit a = avec t la tension de fil, p son masse par unité de longueur. le même
p
équation peut décrire la vibration .

Exemple

On résoudre l’équation suivant :

δ2y 2
2δ y
= a x > 0, t > 0
δt2 δx2
que l’on complète par les conditions initiales et aux limites

i) y(x, 0+ ) = 0, x > 0
ii)y(0, t) = f (t) avec (f (0) = 0)
iii) lim y(x, t) = 0
x→∞
On suppose que f est une fonction continue de la variable, et que les fonctions y, δy
δt
sont
à croissance au plus exponentielle, ce qui nous assure de pouvoir utiliser les résultats de
la proposition précédente. Par transformation de Laplace . (par rapport à la variable ),
en notant
Z ∞
Y (x, s) = y(x, t)e−st dt,
0
On se ramène à l’équation
2
2 +δ + 2d Y
s Y (x, s) − sy(x, 0 ) − y(x, 0 ) = a
δt dx2
d2 Y s2
⇒ − Y =0
dx2 a2
Dont la solution générale est de la forme :
s s
y(x, s) = c1 e a x + c2 e− a x
Si l’on impose à la solution d’être bornée quand y(x, t) → 0, x → ∞ , on a nécessaire-
s
ment c1 = 0 , Donc y(x, s) = c2 e− a x
s
pour iii) on a Y (0, s) = L(f (t)) = F (s) donc c2 = F (s) et Y (x, s) = F (s)e− a x
x
=⇒ Y (x, t) = y xa (t)f (t − )
a

25
 f (t − xa ) x

si t ≥ a
y(x, t) =
0 sinon
x
avec le temps de retard est a

26
Deuxième partie
Transformation de Fourier et
applications
chapitre 3
Transformation de Fourier

3 Rappel sur le développement en Séries de Fourier

On s’attache ici pour l’essentiel à l’étude du problème suivant :
Une fonction périodique F (x) de période T peut elle s’exprimer comme somme d’une série
trigonométrique
P :
(an cos nωx + bn sin nωx) avec ω = 2π/T .
Étudié par Fourier au début du dix-neuvième siècle dans sa recherche de solutions de
l’équation de la chaleur (équation de diffusion), ce problème conduit à une branche des
mathématiques toujours vivantes.

3.1 Fonctions périodiques

Une fonction f (x) est dite périodique de période T si :
, f (x + T ) = f (x)
(où T est une constante réelle positive). La plus petite des valeurs de T > 0 est appelée
" moindre période " ou " période " de f (x). On dit encore que la fonction f (x) est T-
périodique.
Exemples :
• sin x a pour période 2π, 4π, 6π,... et pour moindre période 2π :
• sin nx a pour moindre période 2π n
.
• tan x a pour moindre période π.
Remarque : si f est une fonction 2π-périodique sur R, alors la fonction g définie par :
2π
g(x) = f ( x)
T

2π est T-périodique. On peut par cette remarque ramener l’étude des fonctions T-périodiques
à celles des fonctions 2π-périodiques.

3.2 Définition des Séries de Fourier

Formule réelle
La série de Fourier correspondant à f (x) est définie par :

27
 +∞
a0 X
+ an cos(nωx) + bn sin(nωx)
2 n=1
où les coefficients an et bn ∀n ∈ N sont appelés coefficients de Fourier et valent :
R T2
an (f ) = T2 −T f (x) cos(nωx)dx
2
T
bn (f ) = T2 −T
R 2
f (x) sin(nωx)dx
2

Formule complexe
n=+∞
2π
X
f (x) = cn (f )ei T nx

n=−∞

Avec cn (f ) : coefficients de Fourier de f est :

R T2 2π
cn (f ) = T1 −T f (x)e−i T nx
2

Cette formule, plus générale, s’adapte aux fonctions complexes.

Il existe cependant une formule plus concise, qui calcule une décomposition spectrale plus
rapidement. Nous verrons dans nos exemples que la formule à coefficients réels est pratique
pour les fonctions paires ou impaires.

3.3 Convergence des séries de Fourier

3.3.1 Convergence en norme quadratique
Théorème de Parseval : f continue par morceaux, 2π-périodique ⇒ les sommes R +∞
1
partielles SN cv vers f en norme quadratique cad : lim || f − SN ||2 = lim 2π 0
|
N →∞ N →∞
f (t) − SN (t) |2 dt = 0 et on a la formule de Parseval :
X a2 1 X
| cn |2 =|| f ||2 = ◦ + (| an |2 + | bn |2 )
n∈Z
4 2 n≥1

3.3.2 Convergence Simple

Théorème de Dirichlet : f de classe C1 par morceaux, 2π-périodique (non nécessai-
rement continue)
⇒

+∞ 
a◦ X f (x) si f est continue en x
+ ak cos(nk) + bk sin(nk)) = 1 −
2 2
(f (x+ ) + f (x )) si f est discontinue en x
n=1

Remarque : On peut calculer des séries en prenant des valeurs particulières de x.

3.3.3 Convergence normale

f continue, C1 par morceaux, 2π-périodique ⇒ la série de fonctions converge normale-
ment vers f .

28
3.3.4 Non convergence
Si f est seulement continue (ou seulement continue par morceaux), on ne peut rien
dire sur la convergence de SN quand N tend vers +∞, elle peut diverger.
Remarque : f est continue par morceaux si sur tout segment elle est continue sauf en un
nombre fini de points de discontinuité x0 ou elle admet une discontinuité de 1ère espèce
cad lim
+
f et lim
−
f existent mais différent de f (x0 ).
x0 x0

4 Introduction et motivation
Le mathématicien qui a invente cette transformation est Jean Baptiste Joseph Fourier,
née le 21 mars 1768 à Auxerre et mort le 16 mai 1830 à Paris.
A Grenoble, Fourier développe ses expériences sur la propagation de la chaleur et, en
1822, il publie un des mémoires les plus influents de la mathématique moderne : La théo-
rie analytique de la chaleur. Dans le mémoire, il formule l’hypothèse (tries audacieuse
pour cette époque) que la solution de l’équation qui gouverne la diffusion de la chaleur
peut s’écrire comme une scierie de sin et cos ou des exponentielles complexes, comme ceci :

+∞
a◦ X
f (x) = + ak cos(nk) + bk sin(nk)
2 n=1

Ainsi que
+∞
X
f (x) = γn einx
n=−∞

ou f (x) est une fonction périodique de période 2π. On verra que les coefficients an , bn ,
n ∈ N , et γn , n ∈ Z s’appellent coefficients de Fourier et ils peuvent s’écrire explicitement
comme des intégrales. Ces intégrales représentent des produits scalaires dans un espace
fonctionnel qu’on appellera espace de Hilbert.
Quand f est une fonction denier sur R et n’est pas périodique, alors la série de Fourier
doit être remplacée par une transformation intégrale appelée transformée de Fourier :

Z +∞
1
f (x) −→ f (ω) = √
b f (x)e−iωx dx
2π −∞
L’importance de la série et de la transformée de Fourier réside dans le fait que les
nombres entiers n (dans le cas de la série) et la quantité réelles ω (dans le cas de l’inté-
grale),représentent les fréquences des ondes dont la superposition reproduit la fonction f
(dans un sens qu’on dévernira dans le PFE).
Dirichlet arrive a démontrer un ensemble de condition pour la convergence de la série de
Fourier ,qui a ouvert la porte à l’application de la théorie de Fourier a une grande quantité
de domaines différents. Les applications qu’on verra seront les suivantes :
• Analyse fréquentielle des signaux.
• Résolution des equations différentielles.

29
4.0.1 Fonction localement intégrable
Soit I un intervalle de R et soit f : R −→ R une application.

Définition On dit que f est localement intégrable sur I si f est intégrable sur tout
intervalle fermé borné contenu dans I. Rb
c-à-d , f est localement intégrable sur I , si : ∀[a; b] ⊂ I ⇒ a f (x)dx existe.

Remarque
Il est clair que toutes les fonctions continues sont localement intégrables.
On note par loc(I, R) = f : I → R; f localement intégrable
On a alors C(I, R) ⊂ loc(I, R)et l’inclusion est stricte . Comme exemple la fonction
f (x)=[x], (partie entière de x) est localement intégrable mais non continue.

Proposition
l’ensemble loc(I, R) est un sous-espace vectoriel deF (I; R) (espace de toutes les fonc-
tions définies de I dans R).

4.0.2 L’intégrale de Fourier

Pour conclure l’étude de la théorie des séries de Fourier, on examinera le cas limite
où l’intervalle ] − l; +l[, dans lequel on étudie la séries de Fourier, tend vers ] − ∞; +∞[
c’est-à- dire lorsque l −→ ∞ . R +∞
Soit f : R → R une fonction localement intégrable sur R et telle que I = −∞ | f (t) | dt
converge.

Remarque 1
On dit qu’une fonction f périodique de période T=2π satisfait aux conditions de Dirichlet
si :
• Les discontinuités de f (si elles existent) sont de première espèce (i.e) les limites à droite
et à gauche en points d’intervalle existent mais non égaux ; et sont en nombre fini dans
tout intervalle fini.
• La fonction f admet en tout point une dérivée à droite et une dérivée à gauche.
On suppose que satisfait aux conditions de Dirichlet et admet un développement en
série de Fourier dans l’intervalle [−l; +l](l > 0).Donc ∃g : R → R une fonction périodique
de période T = 2π ω
= 2l vérifiant les hypothèses de Dirichlet (donc développable en série
de Fourier) telle que la restriction g[−l;+l] = f . Alors pour tout x ∈ [−l; +l] on a :
+∞ +∞
a0 X a0 X nπ nπ
f (x) = + an cos(nωx) + bn sin(nωx) = + an cos( x) + bn sin( x)
2 n=1
2 n=1
l l
(1)
π
Z +ω Z +l
ω 1 nπ
an = f (x) cos(nωx)d(x) = f (x) cos( x)dx
π π
−ω l −l l
(2)

30
 π
Z +ω Z +l
ω 1 nπ
bn = f (x) sin(nωx)d(x) = f (x) sin( x)dx
π π
−ω l −l l
(3) En remplaçant les quantités (2) et (3) dans (1), on a finalement : (4)
" +∞ Z #
1 +l 1 X +l
Z
nπt nπx nπt nπx
f (x) = f (x)dx + f (t)(cos( ) cos( ) + sin( ) sin( ))dt
2l −l l n=1 −l l l l l
+∞ Z
1 +l 1 X +l
Z
nπ
= f (x)dx + f (t)(cos( (t − x))dt
2l −l l n=1 −l l
Nous allons étudier cette dernière intégrale quand l → +∞
Posons a1 = πl , a2 = 2πl , ......., an = nπ
l
, ∆an = an−1 − an = πl
On reportant dans l’expression (4) ci-dessus, on obtient :
" +∞ Z #
1 +l 1 X +l
Z
f (x) = f (t)dt + f (t) cos an (t − x)dt ∆an
2l −l π n=1 −l
Z +l
Posons Φ(an ) = f (t) cos(an (t − x))dt. Il en résulte de cela
−l

n−1
X +∞ Z
X +l 
Φ(ak )∆ak = f (t)(cos ak (t − x)dt)dak
k=1 k=1 −l

P+∞ R +∞
par conséquent : lim k=1 Φ(ak )∆ak = π f (a)da (l’intégrale de Riemann) donc
n→+∞ l

n−1
" n−1 Z #
1X 1 X +l
lim Φ(ak )∆ak = lim ( f (t)(cos ak (t − x)dt)∆ak
n→+∞ π n→+∞ π
k=1 k=1 −l

Ainsi Z +∞ Z +∞ Z +l
1 1
Φ(a)da = ( f (t) cos(a(t − x))dt)da
π π
l
π π
l
−l
comme +∞
1 +∞
Z Z
1
Φ(a)da =
lim Φ(a)da
π l→+∞ π π 0
l
Z +∞ Z +l
1 +∞
 Z Z +∞ 
1
lim f (t) cos(a(t − x))dt) da = f (t) cos(a(t − x))dt) da
l→+∞ π π −l π 0 −∞
l

On a finalement la relation pour continue :

1 +∞
Z Z +∞ 
f (x) = f (t) cos(a(t − x))dt) da
π 0 −∞

Cette dernière expression appelée intégrale de Fourier. Cette égalité a lieu en tout point
ou est continue. Si possède des discontinuités, on a la formule valable pour tout :
1 +∞
Z +∞ 
f (x + 0) + f (x − 0)
Z
f (t) cos(a(t − x))dt da =
π 0 −∞ 2

31
 R +∞
Posons maintenant Φ(a) = π1 −∞ f (t) cos(a(t − x))dt il est clair que Φ(−a) = Φ(a) et
donc Φ est paire et par suite
Z +∞
1 +∞
Z
Φ(a)da = Φ(a)da
0 2 −∞
On a finalement l’intégrale de Fourier
Z +∞ Z +∞ 
1
f (x) = f (t) cos(a(t − x))dt) da
2π −∞ −∞

5 Transformation de Fourier
Définition
Soit : R → R une fonction localement intégrable et absolument intégrable sur R ;on définit
la transformation de Fourier de ; la fonction notée f ou F(f )de R → C et sa transformée
inverse de C → R :
Transformation de Fourier
Z +∞
1
F(f )(a) = f = √
b f (x)e−iax dx
2π −∞
Transformation inverse de Fourier
Z +∞
1 f (x + 0) + f (x − 0)
√ fb(α)e−iax dx =
2π −∞ 2

Remarque
Deux fonctions égales presque partout ont même transformée de Fourier

5.1 Conditions suffisantes d’existence (conditions de Dirichlet)

La transformée de Fourier d’une fonction f (x) existe si f (x) est absolument intégrable,
c’est-à-dire : Z +∞
| f (x) | dx < +∞
−∞

On écrit cette dernière condition sous la forme f ∈ L1(R). En effet, si f (x) est absolument
intégrable, alors :
Z +∞ Z +∞
−iωx
| f (x)e | dx = | f (x) | dx < +∞
−∞ −∞

puisque l’on a | f (x)e−iωx |=| f (x) |

Notons que cette condition garantit l’existence de la transformée de Fourier, mais n’est
pas nécessaire. Pour que la transformation inverse redonne la fonction f (x), les conditions
supplémentaires :
• f est continue par morceaux sur tout intervalle fini
0
• f est continue par morceaux sur tout intervalle fini
sont également suffisantes.

32
5.2 Importance de la phase
Il est fréquent en traitement du signal de ne parler que des spectres d’amplitudes et de
de laisser quelque peu les spectres de phases. Cette attitude est due au fait que lors du fil-
trage de signaux audio, on se contente de modifier le spectre d’amplitudes car l’oreille est
peu sensible aux distorsions de phase. Cependant, lorsque l’on désire conserver la forme
d’un signal, en particulier dans le cas du filtrage d’images, il est très important de ne pas
négliger le spectre de phases.

Un exemple en est donné à la figure 14, où une série de photos basées sur le portrait
de Joseph Fourier illustre l’importance de la phase dans la reconstitution des signaux.
• L’image du haut de la figure est le portrait de Joseph Fourier.
• Au centre, on y voit les spectres d’amplitudes et de phases de l’image de Fourier ; les
niveaux de gris correspondent à la valeur de ces fonctions.
• Les deux images du bas sont des images reconstruites par transformation inverse. Pour
construire celle de gauche, on a utilisé le spectre d’amplitudes et remplacé le spectre de
phases par un spectre de phases nulles. Pour celle de droite, on a fait l’inverse : le spectre
de phases a été conservé alors que le spectre d’amplitudes a été remplacé par des ampli-
tudes constantes.
De ces illustrations, on déduit que la phase contient une part importante de l’information
concernant la forme d’un signal. Les deux dernières images illustrent particulièrement
bien ce fait puisque le portrait initial ne peut pas être reconstruit avec un seul des deux
spectres.

33
5.3 Composantes de la Transformée de Fourier, spectre d’ampli-
tude et spectre de phase
Si la fonction f (x) ne possède pas de symétrie particulière, sa transformée de Fourier
est une fonction complexe :

F{f (x)}(α) = F (α) = Fr (α) + iFj (α)

Plutôt que les composantes, on peut utiliser le module et la phase de la transformée de

Fourier, respectivement appelés spectre d’amplitude et spectre de phase :
p
| F (α) | = Fr (α)2 + Fj (α)2
F (α)
arg{F (α)} = atan Frj (α)

Exemples

1. Exemple 1 : transformée de Fourier d’une fonction porte

• Trouvons la transformée de Fourier de :

1 si | x |< a
f (x) =
0 si | x |> a

34
• Dessinons la transformée de Fourier pour a = 3
• La transformée de Fourier de f (x) est :
Z +∞ Z a  −iαu 
−iαu −iαu e
F (α) = f (u)e du = (1)e du =
−∞ −a −αu
iαa −iαa
= e −e iα
= 2 sin αa
α
Pour α = 0, on obtient : F (α) = 2α.
• Les graphes de f (x) et F (α) pour a = 3 sont donnés ci-dessous :

2. Exemple 2 : transformée de Fourier d’exponentielles

Soient les fonctions x1 (t) = exp(−at)U (t) et x2 (t) = exp(at)U (−t) où a est un réel
positif et U (t) la fonction échelon de Heaviside.

Calculons les transformées de Fourier de ces deux signaux ; on obtient :

Z +∞
1
X1 (f ) = T F {x1 (t)} = e−(a+i2πf )t dt =
0 a + i2πf

35
et de la même façon :
1
X2 (f ) = T F {x2 (t)} =
a − i2πf
Calculons maintenant la transformée de Fourier d’une exponentielle symétrisée

s(t) = x1 (t) + x2 (t) = exp(−a | t |) = exp(−at)U (t) + exp(at)U (−t)

En utilisant déjà la propriété de linéarité que nous prouverons plus tard, on a :

1 1 2a
s(f ) = + = 2
a + i2πf a − i2πf a + 4π 2 f 2
ce qui démontre que la transformée de Fourier d’une exponentielle symétrisée est une
lorentzienne.
Pour rappel, une fonction lorentzienne, ou courbe lorentzienne, est une fonction de la
forme suivante :
1 1
L(x) = 2
L(x) =
1+x 1 + x2
C’est l’expression la plus simple d’une lorentzienne, centrée en x = 0. Plus générale-
ment, une forme paramétrée par l’abscisse x0 du sommet et la largeur Γ à mi-hauteur
(couramment appelée largeur de la lorentzienne) est la fonction L définie par :
2π
Γ 1 Γ
L(x) = =
2π ( 1 Γ)2 + (x − x0 )2 1 + ( x−x0 2
Γ )
2 2

En son sommet, elle atteint :

2
L(x0 ) =
πΓ
C’est une courbe en cloche.

36
5.4 Quelques propriétés de la transformation de Fourier
5.4.1 Lemme (de Riemann)
On pose K = R ou C.
Soit f : [a, b] −→ K une fonction intégrable sur [a, b]. Alors les fonctions f (t) cos(αt) et
f (t) sin(αt) sont intégrables dans l’intervalle [a, b] pour tout α dans R et on a :
Z b Z b
lim f (t) cos(αt)dt = lim f (t) sin(αt)dt = 0
a→±∞ a a→±∞ a

Preuve :

f intégrable sur [a, b] implique que pour tout  > 0, il existe une subdivision de [a, b]
a = x◦ < x1 < x2 < ... < xn = b et une fonction en escalier,

g : [a, b] → R telles que |f (t) − g(t)| < 2(b−a) .
R  R
 b b 
Rb
 a (f (t) − g(t)) cos(αt)dt ≤ a |f (t) − g(t)| |cos(αt)| dt < 2(b−a) dt = 2 .

a
or , dans chaque intervalle ]xk , xk+1 [, la fonction g est constante et vaut g|]xk ,xk+1 [ (t) = ck .
On a alors,
Z b n−1 Z
X xk+1 n−1
X Z xk+1
g(t) cos(αt)dt = g(t) cos(αt)dt = ck cos(αt)dt
a k=0 xk k=0 xk
n−1 n−1
X sin(αt) xk+1 1 X
= ck ( ) xk = ck (sin αxk+1 − sin αxk ) −→ 0.
k=0
α α k=0
α→±∞

Et par suite
Z b
lim f (t) cos(αt)dt = 0
α→±∞ a

Raisonnement identique pour la deuxième intégrale.

Théorème
Soit f : R → C une fonction localement intégrable et absolument intégrable sur R. Alors :
R +∞
1.f (α) = √2π −∞ f (x)e−iαx dx normalement convergente.
b 1

2.fb est bornée.

3. lim fb(α) = 0
α→±∞
Preuve
1. c’est
 immédiat
 car |f (x)e−iαx | = |f (x)|qui est intégrable sur R par hypothèse .
R +∞ R +∞
2. fb(α) < √12π −∞ |f (x)e−iαx | dx = −∞ |f (x)| dx = M.
 
Ra
3. Posons I(a) = √12π −a |f (x)| dx
R +∞
lim I(a) = √12π −∞ |f (x)| dx = I existe.
a→∞
Soit  > 0. Il existe alors b > 0 tel que |I − I(b)| = I − I(b) ≤ 2 .

37
    
 b   √1 R +∞
f (α) =  2π −∞ f (x)e−iαx dx =

 Z b Z b Z +∞ 
 1 −iαx 1 −iαx 1 −iαx

√ f (x)e dx + √ f (x)e dt + √ f (x)e dx  ≤
 2π 2π 2π 
−∞ −b b
Z b Z b  Z +∞
1 1  1
f (x)e−iαx  dx + √

√ |f (x)| dx + √  |f (x)| dx
2π −∞ 2π −b 2π b

 Donc R 
 b
f (α) ≤ I − I(b) + √12π  −b f (x)e−iαx dx.
b  

Comme la fonction f (x)e−iαx est localement intégrable, d’après le lemme de Riemann,

lim f (x)e−iαx dx = 0.
a→±∞ R 
1  b −iαx 
Il existe alors M > 0, tel que pour tout |α| ≥ M , on a 2π  −b f (x))e
√  dx ≤ 2 .
 
Il résulte que pour tout |α| ≥ M, fb(α) ≤ 2 + 2 = , ce qui traduit le fait que
 

lim fb(α) = 0.
α→±∞

Notations
R +∞
1. M = {f : R → C, f ∈ Loc(R) et −∞ |f (t)| dt < ∞ }.
 
2. B = f : R → C : lim f (x) = 0 .
x→±∞
3. D :opérateur de dérivation définie sur l’ensemble des fonction dérivables D(R, C) par
0
Df = f .
4. P : opérateur défini dans l’ensemble des fonctions M(R, C) par (P f )(x) = xf (x).
fb(α) = F(f (x))(α)

5.4.2 Théorème :Dérivée de la transformation de Fourier

Soit f : R → C une fonction satisfaisant aux conditions suivantes :
ii)f ∈ M
ii)f continue
iii)P f ∈ M
Alors
fb ∈ C 1 (R, C)(fonctions continûment dérivables) et on a :
0
F (f (x))(α) = −iF(xf (x))(α)

Preuve

Soit la fonction φ : R ∗ R → C définie par φ(t, x) = f (t)e−itx .

φ possède les propriétés suivantes :
a)φ est continue comme produit de deux fonctions continues.
b) δφ
δx
(t, x) = itf (t)e−itx = −itφ(t, x)est continue.
R +∞
c)L’intégrale −∞ φ(t, x)dt est normalement convergente car |φ(t, x)| = |f (t)| et f ∈ M

38
 R +∞
d) −∞ δφ
 δφ 
(t, x)dt est normalement convergente car  (t, x) = |tf (t)| = |(P f )(t)| et
δx δx
Pf ∈ M R +∞
Pour ces raisons fb(x) = √12π −∞ δφ
δx
(t, x)dt est dérivable dans R et on a :
+∞ +∞
−i
Z Z
0
c (x) = √1
fb (x) = Df
δφ
(t, x)dt = √ [tf (t, x)]e−itx dt
2π −∞ δx 2π −∞

c (x) = −iPcf (x)ou iDf

Ce qui se traduit par Df c (x) = Pcf (x)en multipliant par i chaque
membre.

5.4.3 Théorème : Transformée de Fourier de la dérivée

Soit f : R → C une fonction satisfaisant aux conditions suivantes :
1)f ∈ M
2)f ∈ C 1 (R) continue
3)Df ∈ M
Alors f ∈ B
0
F (f (x))(α) = iαF(xf (x))(α)

5.4.4 Linéarité
Soient f, g ∈ R et a, b ∈ R Alors

F(af + bg)(x) = aF(f )(x) + bF(g)(x)

En effet :la linearite de l’integrale nous donne :

R +∞ R +∞ R +∞
√1
2π −∞
(af (x) + bg(x))e−iαx dx = a √12π −∞
(f (x))e−iαx dx + b √12π −∞
(g(x))e−iαx dx
= aF(f )(α) + F(g)(α)

5.4.5 Transformation de Fourier de la translation

Soit T ∈ R et soit f : R −→ C une application . On note fT (x) = f (x − T ).
Si f ∈ M :
Z +∞ Z +∞
1 −iαx 1
FfT (α) = √ (f (x))e dx = Ff( T )(α) = √ (f (x − T ))e−iαx dx
2π −∞ 2π −∞
On pose x − T = t. alors
Z +∞ Z +∞
e−iT α +∞
Z
1 −i(t+T )α 1 −itα −iT α
FfT (α) = √ (f (x−T ))e dt = √ f (t)e e dt = 1 f (t)e−itα
2π −∞ 2π −∞ √ −∞
2π

Donc
FfT (α) = e−iT α F(f )(α)

39
5.4.6 Transformation de Fourier de l’homothétie
Soit k > 0, f : R −→ C. On note fk (x) = f (kx)
Si f ∈ M .
Z +∞ Z +∞
1 −iαx 1
Ffk (α) = √ fk (x)e dx = √ f (kx)e−iαx dx
2π −∞ 2π −∞
En posons kx = t, on obtient :
+∞ t +∞ α
f (t)e−iα k f (t)e−it k
Z Z
1 1 1 1 α
Ffk (α) = √ dt = [ √ dt] = F(f )( )
2π −∞ k k 2π −∞ k k k

5.4.7 Produit de convolution

Problème : étant donnée deux fonctionsf et g et leurs transformées de Fourier F(f )(α)
et F(g)(α) , peut-on trouver une fonction k telle que

F(k)(α) = F(f )(α)F(g)(α)?

Solution
On a :
Z +∞ Z +∞
1 −iαx 1
F(f )(α)F(g)(α) = √ f (x)e dx. √ g(y)e−iαy dy
2π −∞ 2π −∞
Z +∞ Z +∞
1
= √ f (x)g(y)e−iαt dxdy
2π −∞ −∞
Posons :x + y = t et donc dy = dt, l’intégration double devient :
Z +∞ Z +∞
1
F(f )(α)F(g)(α) = √ f (x)g(t − x)e−iαt dxdt
2π −∞ −∞
R +∞ R +∞
Posons : h(t) = √12π −∞ −∞ f (x)g(t − x)e−iαt dx, donc :
Z +∞ Z +∞
1 −iαt 1 1 1
F(f )(α)F(g)(α) = √ h(t)e dt = √ ( √ h(t)e−iαt dt) = √ F(h)(α)
2π −∞ 2π 2π −∞ 2π

En posant k(t) = √12π F(h)(α)

En posant k(t) = √12π h(t), la fonction k est solution du problème posée.
R +∞
k(t) = −∞ f (x)g(t − x)dx
Définition
f, g : R −→ R deux fonctions intégrables sur R on appelle produit de convolution de f
par g la fonction notée f ? g : R −→ R définie par :
Z +∞
(f ? g)(t) = f (t − x)g(x)dx
−∞

40
 Proposition :
Le produit de convolution est commutatif ; et on a :
√
F(f ? g)(α) = 2πF (f )(α).F (g)(α)

Preuve :La preuve découle directement de la définition ; puisque :

∀α ∈ R F(f )(α).F(g)(α) = F(g)(α).F(f )(α).

Exercice : On montre la commutativité R +∞ directement à partir de la définition intégrale.

En effet dans l’intégrale (f ?g)(t) = −∞ f (t−x)g(x)dx , on fait le changement de variable
en posant t − x = y. on obtient
Z +∞ Z +∞
(f ? g)(t) = f (y)g(t − y)dy = g(t − y)f (y)dy = (g ? f )(t)
−∞ −∞

41
 chapitre 4
Applications de transformation de Fou-
rier

3 Introduction
La théorie de Fourier est appliquée dans beaucoup de domaines :
— Analyse fréquentielle des signaux (1D : son, 2D : images). Un des champs
d’application ou la théorie de Fourier est la plus utilisée, est le traitement des signaux. On
verra, parmi beaucoup d’autres applications, comment analyser une classe très importante
d’opérateurs linéaires (les opérateurs stationnaires) dans le cadre de la théorie de Fourier
et comment concevoir des filtres pour modifier le contenu fréquentiel du son et des images
numériques. Notamment, on verra le principe de fonctionnement de l’égalisateur graphique
utilisé par les DJ ;
— Résolution des equations différentielles en dérivées ordinaires et partielles
(EDO et EDP) : avec la transformée de Fourier, on a la possibilité de transformer
certaines equations différentielles en equations algébriques, qui sont beaucoup plus simples
a résoudre.

4 Applications théorique
La transformation de Fourier peut être utilisée avec succès à la résolution des équa-
tions différentielles et intégrales.

4.0.1 Résolution d’équations différentielles

d
Soit P ( dx )un opérateur différentiel linéaire d’ordre m à coefficient constants :

d dm dm−1 d
P ( ) = a0 m + a1 m−1 + ... + am−1 + am
dx dx dx dx
la formule de la transformation de Fourier d’une dérivée nous donne :
d
F[p( )y] = P (iξ)F[y]
dx
Soit l’équation différentielle
d
p( )y = f (x) (18)
dx
d
Où P ( dx ) est l’opérateur différentiel introduit ci-dessus et soit ỹ(ξ)etf˜(x) les transformée
de Fourier respectives de la solution cherchée y(x)et f (x) .
La transformation de Fourier transforme l’équation différentielles ( 18) en une équation
algébrique par rapport à ỹ(ξ).
p(iξ)ỹ = f˜(ξ)

42
 f˜(ξ)
D’où ỹ(ξ) =
p(iξ)
De sorte que formellement
˜
f (ξ)
y(x) = F −1 [ ]
p(iξ)
Où F −1 désigne la transformation inverse de Fourier.
Exemple
Résoudre le problème de Cauchy suivant :

` 2`
ùtt (x, t) = a ùxx

u(x, 0) = ϕ(x) (∗)

ùt (x, 0) = 0


Où a = cst,t∈]−∞; +∞[. Ce problème décrit les vibrations libres d’une corde homogène
infinie dont l’écart initial ϕ(x)est donné et la vitesse initiale est nulle. puisque la variable
spatiale x varie entre −∞ et+∞ , on appliquera la transformation de Fourier par rapport
à x aux équations (*).on admettra que :
-Les fonctions u(x, t) et ϕ(x) sont suffisamment dérivables et tendent vers 0 lorsque
| x |−→ +∞ et ∀t ≥ 0 assez vite pour qu’existent les transformées de Fourier
1 R +∞ −iαx 1 R +∞
v(α, t) = √ u(x, t)e dx, ϕ̃(x) = √ ϕ(x)e−iαx dx.
2π −∞ 2π −∞
-La dérivation est licite , en sorte que :
Z +∞ 2 Z +∞
1 ∂ u(x, t) −iαx ∂2 1 −iαx ∂ 2 v(α, t)
√ e dx = ( √ u(x, t)e dx) =
2π −∞ ∂t2 ∂t2 2π −∞ ∂t2
Z +∞ 2
1 ∂ u(x, t) −iαx
√ e dx = (iα)2 v(α, t) = −α2 v(α, t)
2π −∞ ∂t2
En multipliant les equation (*) par √12π e−iαx et intégrant sur x entre −∞et +∞ on obtient

2 2
v(α, t) − a α v = 0

v(α, 0) = ϕ̃(x) (∗∗)

v̀1 (α, 0) = 0


La transformation de Fourier transforme donc le problème de Cauchy (*) en le problème

de Cauchy(**) pour une equation différentielle ordinaire, où αest un paramètre .
La résolution de ce problème nous donne :
v(α, t) = A(α)cos(αat) + B(α)sin(αat)
des condition initiales que A(α) = ϕ̃(α)et B(α) = 0,donc v(α, t) = ϕ̃(α)cos(aαt).en ap-
pliquant la transformation réciproque de Fourier ,on obtient la formule :
Z +∞ Z +∞
1 −iαx 1
u(x, t) = √ v(α, t)e =√ ϕ̃(x)cos(aαt)eiαx dα
2π −∞ 2π −∞

+∞
eiα(x+at) + eiα(x−at) ϕ(x + at) + ϕ(x − at)
Z
1
=√ ϕ̃(x) dα =
2π −∞ 2 2

43
4.0.2 Résolution d’équation intégrale
La transformation de Fourier peut être utilisée pour résoudre des équations inté-
grales ; c’est-à-dire des équations dans lesquelles la fonction inconnue figure sous le signe
d’intégration.
Exemple
R +∞ √
considérons l’équation : −∞
ϕ(x)e−ix dx = 2πe−|| (*)
Où ϕ(x)est la fonction inconnue.
1 R +∞ −ix
√
En mettant (*) sous la forme √ ϕ(x)e dx = 2πe−|| (**)
2π −∞
On remarque que le premier membre de (**) peut être traité comme la transformée de
Fourier de ϕ(x) , de sorte que (**) équivaut à la relation
√
F(ϕ) = 2πe−||

La formule d’inversion nous donne

R +∞ R0 R +∞ 2
ϕ(x) = −∞ eix e−|| d = −∞ e(1+ix) d + 0 e−(1−ix) d =
1 + x2
2
La fonction ϕ(x) = est la solution de l’équation (*).
1 + x2

5 Applications pratique
Les premières idées de Fourier sur l’analyse qui porte son nom remontent à 1807,
date de publication de son mémoire sur les décompositions en série, etont été abouties
dans son livre .Théorie analytique de la chaleur(1822).
Dans ce livre,Joseph Fourier montre en particulier comment son formalisme permet de
résoudre le problème du calcul de l’évolution temporelle de la température en tout point
d’une barre (conductrice de chaleur) chaulée au préalable en un bout et laissée ensuite
en évolution libre.Il résulte de mes recherches sur cet objet que les fonctions arbitraires,
même discontinues, pouvent toujours être représentées par des développements en sinus
ou cosinus d’arcs multiples...
Depuis, l’analyse de Fourier a été appliquée à bien d’autres problèmes physiques, comme
le rayonnement thermique et les transmissions radio etc....
Physique
La transformée de Fourier a de nombreuses applications. En fait, n’importe quel domaine
de la science physique qui utilise des signaux sinusoïdaux, comme la mécanique, l’élec-
tricité, les mathématiques appliquées, la chimie, font usage des séries de Fourier et de la
transformée de Fourier.
Il serait impossible de donner des exemples de tous les domaines où la transformée de
Fourier importe, mais voici quelques exemples issus de la physique, de l’ingénierie, et du
traitement du signal.

44
5.1 Principe d’incertitude
5.1.1 Heisenberg et le principe d’incertitude
En 1927 Heisenberg annonça son célèbre principe d’incertitude. Ce principe affirme
que la quantité de mouvement (impulsion) et la position d’un objet physique ne peuvent
pas être mesurées simultanément avec une précision arbitraire. Plus précisément, si ∆p et
∆q sont les erreurs faites dans la mesure de l’impulsion et la coordonnée en même temps,
alors ∆p ∗ ∆q ≥ h. Ce principe est confirmé par l’expérience. De façon schématique sup-
posons qu’un électron se déplace le long de l’axe x et nous voulons mesurer sa position
et sa quantité de mouvement simultanément. Pour trouver la position de l’électron ,nous
devons le voir, et par conséquent on fait rebondir de l’électron un rayon de la lumière. Si
ce rayon a la longueur d’onde λ, alors on ne peut pas localiser l’électron avec une précision
supérieur à λ, donc ∆x ≥ λ. Selon le postulat de Planck le rayon de la lumière doit porter
une énergie qui n’est pas inférieure àhν.
, où υ est la fréquence de rayon de la lumière. Puisque la vitesse de la lumière est c, ce
hν
rayon a une quantité de mouvement qui n‘est pas inférieure à , puisque λν = c donc
c
h
elle n’est pas inférieure à .
λ
h
Par conséquent le rayon de la lumière avait apporté la quantité de mouvement à l’élec-
λ
h
tron, alors ∆p ≥ et ∆x ∗ ∆p . Ceci donne un exemple d’interférence de mesures,Puisque
λ
h est très petit, ce phénomène n’est pas perceptible pour les objets de grande taille.

5.1.2 Principe d’incertitude dans l’analyse de Fourier

Remarque
Pour a, b ∈ R si nous définissons

fa,b (t) = e2πibt f (t − a)

alors

F[fa,b (t)] = e−2πia(ξ−b F(ξ − b) = e2πiab Fb−a (ξ) (19)

Principe d’incertitude
D’après le mathématicien G. B Folland le principe d’incertitude est partiellement une
description d’une caractéristique d’un système de la mécanique quantique, partiellement
donne des limitations sur le fait des mesures sur le système étudié et partiellement un
méta-théorème dans l’analyse harmonique qui peut être décrit de cette façon :
une fonction non nulle et sa transformée de Fourier ne peuvent pas être toute les deux
localisées de manière concentrée, nette et tranchante. 19
Quand on demande la formulation précise du principe 19, la réponse la plus commune est
l’inégalité de Heisenberg. Ces résultats ne sont pas effectivement apparus dans le docu-
ment de Heisenberg qui donne une analyse incisive, de physique, de son principe mais qui
ne contient que peu de précision mathématique. Cependant, cette omission fut bientôt
rectifiée par Kennard et Weyl.

45
Théorème si f ∈ L2 (R)et k f k2 = 1. alors :
1
V ((f )2 )V ((f˜)2 ) ≥
16π 2
2
En d’autres termes, pour toute fonction f ∈ L (R)et tout a, b ∈ R
kf k42
Z Z
(x − a) | f (x) | dx (ξ − b)2 | f˜(ξ) |2 dξ ≥
2 2
(20)
16π 2
2
L’égalité est vérifiée si et seulement si : f (x) = Ce2πibx e−y(x−a) pour certain C ∈ C et
y > 0.
Démonstration
Par l’utilisation de 19, on peut supposer que a = b = 0, et clairement onR assume que les
intégrales de 20 sont finies. PuisqueF[f´(t)] = 2iπξ f˜(ξ), la finitude de (ξ f˜)2 implique
0
que f est absolument continue etf ∈ L2 (R). La dérivation de | f |2 = f ∗ f¯ est 2Ref f¯,
alors si −∞ < c < d < +∞ l.intégration par parties donne :
Z d Z d
2Re ´ 2 t=d
tf (t)f (t) = [t | f (t) | ]t=c − | f (t) |2 dt
c c

. Puisque f, tf et f´ sont tous dans L2 (R), les intégrales dans cette égalité tendent vers
des limites finies quand c −→ −∞ ou d −→ +∞ et de même c | f (c) |2 et d | f (d) |2 .
Les limites dernières doivent être zéro car sinon | f (t) |2 serait comparable avec t−1 pour
t grand et f ne serait pas dans L2 (R). Donc
Z +∞ Z b
2Re ´
tf (t)f (t) = f (t) |2 dt
−∞ a
L’inégalité 20 résulte alors de l’inégalité de Schwarz et la formule de Plancheral
Z Z
k f k2 6 4 t | f (t) | dt | f´(t) |2 dt
4 2 2

Z Z
= 16π 2
t | f (t) | dt | f˜(ξ) |2 dξ
2 2

L’égalité tient ici si et seulement si f´ est un multiple réel de tf , i.e. f´(t) = −2γtf (t) avec
2
γ ∈ R Cela implique que f (t) = Ce− , et bien sur γ doit être positif pour que f soit dans
L2 (R).

Figure 1 – exemple de principe d’incertitude

5.2 Signaux numériques

Les signaux (sons, images) traités sur ordinateur sont tous numériques. On parle
aussi de signal discret ou digital (anglicisme). La fonctionf à analyser n’est pas connue
continûment au cours du temps, on n’en connaît qu’un certains nombres d’échantillons
y0 = f (t0 ); y1 = f (t1 ); · · · ; yN −1 = f (tN −1 ) àN instants t0 ; t1 ; ...tN −1 . On supposera dans
la suite que les points d’échantillonnage sont régulièrement espacés sur une période a de
f : ∀n ∈ [0; N − 1]; tk = ka N
.

46
5.2.1 Application à la compression de signaux
Pour compresser un signal, on effectue sa transformation de Fourier et on ne garde
que les fréquences dont le coefficient est parmi ceux de plus grande valeur. On stocke les
coefficients ‘a garder et le numéro de la fréquence correspondante, ce qui fait beaucoup
moins de données que le signal d’origine. On recrute sur demande le signal par une trans-
formation de Fourier inverse. C’est le principe de la compression jpeg pour les images.
La compression mp3 est aussi basée sur ce principe mais utilise aussi diverses astuces :
suppression des fréquences inaudibles, codage en mono des sons de basse, suppression des
sons masquées par d’autres fréquences. . .

Figure 2 – exemple de compression de signale

Compression avec perte

yLa compression de données ou codage est l’opération informatique une suite de bits
A en une suite de bits B plus courte pouvant restituer les mêmes information voisines en
utilisant un algorithme de décompression .
compression avec prête la suite de bits obtenue après décompression est plus ou moins
voisine de l’original selon la qualité désirer .les algorithme de compression avec prête sont

47
utiles pour les images ,le son rt la vidéo.
les formats donnes tels que Zip,RAR ,Gzip, MP3 et JPEG.

Transformée discrète en cosinus Le calcul de la Transformée de Fourier Dis-

crète d’un signal xn de longueurN a pour effet de « périodique » le signal. Ceci introduit
des discontinuités six0 6= xN −1 , et donc des effets de Gibbs. Une idée naturelle pour éviter
cela est de commencer par symétriser le signal (xn))0≤n≤N −1 en (yn )0≤n≤2N −1 avec xn = yn
si 0 ≤ n ≤ N − 1etyn = x2N −1−n sinon.

Définition
soit x = (xn )un signal de longueur N. la suite X̀ définie par
1
πn(k +
X̀n = ΣN −1 2)
k=0 xk cos( (21)
N
pour n ∈ 0, 1, 2, ...N − 1
est la transformée discret en cosinus qui applique a compression de l’information.

Remarque
pour la décompression de signale on fait la transformée discret en cosinus inverse. si xn
est un signal de longueur N et X̀n sa TDC :
1
1 2 N −1 πk(n +
xn = X̀0 + Σk=1 X̀k cos( 2) (22)
N N N
pour n ∈ 0, 1, 2, ...N − 1

Rappel de Transformée de Fourier Discrèt

Définition de la TFD
On appelle transformée de Fourier discrète d’une suite de N termes x(0), x(1), ..., x(N − 1)
la suite de N terme X(0), X(1), ..., X(N − 1), définis par
N −1
nk
X
X(k) = x(n)e−j2π N
n=0

En pratique ,les N termes x(n)peuvent être N échantillons d’un signal analogique échan-
tillonné :
xn = x(nTe ),et les N termes X(k) correspondre à une approximation (à un facteur
multiplicatif Te près) de la transformée de Fourier de ce signal aux N points de fréquence
fk = k fNe avec k entre 0 et N -1, c’est à dire f entre 0 et fe

5.3 Géologie
La recherche sismique a toujours été un utilisateur fréquent de la transformée de
Fourier discrète (et de la FFT). Si l’on regarde l’histoire de la FFT, l’on constater que
l’une des premières utilisations de la FFT était de faire la distinction entre les événements
sismiques naturels et les explosions nucléaires expérimentales, car ils génèrent des spectres
de fréquence différents.

48
5.4 Optique
En théorie électromagnétique, l’intensité de la lumière est proportionnelle au carré du
champ électrique oscillant qui existe en tout point de l’espace. La transformée de Fourier
de ce signal est l’équivalent de la séparation de la lumière dans le spectre lumineux.
Un exemple simple d’application de la transformée de Fourier en optique est la diffraction
de la lumière lorsqu’elle passe à travers des fentes étroites. Les idées représentées ici
peuvent également être appliquées à l’acoustique, aux rayons X, à la diffraction des micro-
ondes ou à toute autre forme de diffraction d’ondes.

5.5 Communications
Dans la théorie des communications, le signal est habituellement une tension, et la
théorie de Fourier est essentielle pour comprendre comment se comporte un signal quand
il passe à travers les filtres, les amplificateurs et les canaux de communication.
Même les communications discrètes numériques qui utilisent des 0 ou des 1 pour envoyer
des informations ont encore le contenu fréquentiel. C’est peut-être plus facile à saisir dans
le cas où l’on essaie d’envoyer une seul impulsion carrée dans un canal. Le domaine des
communications s’étend sur une gamme d’applications de gestion de réseau de haut ni-
veau jusqu’à envoyer des bits individuels dans un canal. La transformée de Fourier est
généralement associée à ces aspects de bas niveau des communications.

49