Académique Documents
Professionnel Documents
Culture Documents
J IMMY R OUSSEL
2021
femto-physique.fr/omp
Cours sur les outils et méthodes scientifiques – femto-physique.fr
J IMMY R OUSSEL, professeur agrégé à l’Ecole Nationale Supérieure de Chimie de
Rennes
La physique est une science qui repose essentiellement sur la mesure et la modéli-
sation. Le bagage du physicien doit donc contenir les outils et les méthodes qui lui
permettent :
1. de tirer une information rationnelle à partir de ses mesures ;
2. d’approcher le comportement d’un système modèle à l’aide d’une analyse ma-
thématique.
C’est pourquoi ce cours est découpé en deux parties : une première autour de la
mesure, une autre autour des concepts mathématiques utiles au physicien.
Ce cours s’adresse à un public relativement large car il aborde différents outils mobili-
sés aussi bien en Lycée que dans l’Enseignement Supérieur.
Jimmy Roussel
Table des matières
Preface iii
A UTOUR DE LA MESURE 1
1 UNITÉS ET DIMENSIONS 3
1.1 Dimension d’une grandeur . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Le SI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Analyse dimensionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 MESURES ET INCERTITUDES 11
2.1 Mesurer c’est évaluer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Estimation d’une incertitude . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3 Propagation des erreurs . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3 VALIDER UN MODELE 21
3.1 Modélisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2 Comparer deux valeurs . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3 Valider une loi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
O UTILS MATHÉMATIQUES 31
4 LES CONIQUES 33
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.2 L’ellipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.3 La parabole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.4 L’hyperbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
6 OPÉRATEURS DIFFÉRENTIELS 45
6.1 L’opérateur gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
6.2 L’opérateur divergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
6.3 L’opérateur rotationnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.4 L’opérateur laplacien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.5 Accélération d’une particule de fluide . . . . . . . . . . . . . . . . . . . 50
7 SÉRIE DE FOURIER 51
7.1 Séries de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
7.2 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
7.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
8 TRANSFORMÉE DE FOURIER 61
8.1 Transformation de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . 61
8.2 Impulsion de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
8.3 La TF en sciences-physiques . . . . . . . . . . . . . . . . . . . . . . . . . 69
Bibliographie 75
L’alphabet grec 75
Notations 76
Table des figures
4.2 La parabole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.3 Hyperbole d’excentricité 𝑒 = 1, 6. . . . . . . . . . . . . . . . . . . . . . . . . . 36
Une grandeur physique est une quantité qui se rapporte à une pro-
priété et qui peut se mesurer. Or, mesurer, c’est comparer. C’est com-
parer à l’aide d’un instrument, une grandeur physique inconnue avec
une grandeur de même nature – on dira de même dimension – prise
comme référence que l’on appelle étalon.
Par exemple, le poids de Miss Univers peut être comparé à celui d’un
étalon (1 kg par exemple) à l’aide d’une balance : le poids de Miss
Univers est une grandeur physique. En revanche, sa beauté est une
propriété subjective qui ne peut être mesurée compte tenu qu’il n’existe
pas d’étalon de beauté. En d’autres termes, la beauté se rapporte à
l’aspect physique mais ne relève pas de la Physique ; il ne s’agit pas
d’une grandeur physique.
Notion de dimension
Il ne faut pas confondre cette notion avec l’unité qui est purement
conventionnelle alors que la dimension est une propriété indépendante
de tout système d’unités.
)
se mesure en faisant le rapport de la longueur d’arc A0B0 et du rayon
du cercle.
𝑟 B’ • B
O • 𝜃
• A
)
A’ A0B0
𝜃,
𝑟
F IGURE 1.1 – Définition de l’angle plan.
TABLE 1.1 – Symbole donné aux dimen- On constate donc que si l’on double le rayon du cercle, la longueur
sions des grandeurs de base.
d’arc double également de sorte que l’angle ne dépend pas de la taille
Dimension Symbole du cercle. Il est alors assez évident que si l’on décide de mesurer les
Longueur L distances en centimètre, en pouce, ou dans n’importe quel système
Masse M d’unités, le résultat de l’angle 𝜃 ne changera pas. L’angle est donc
Temps T
Intensité électrique I
sans dimension. De la même manière, une grandeur définie comme
Température Θ le rapport de deux grandeurs de même dimension, ne présente pas de
Quantité de matière N dimension.
Une loi physique affirme l’égalité de deux grandeurs qui sont nécessai-
rement de même nature. Une loi physique est donc aussi une relation
entre différentes dimensions : on parle d’équation aux dimensions.
Voyons comment obtenir ces équations aux dimensions sur quelques
exemples.
[𝑣] = LT−1
1.2 Le SI 5
[𝑣]
[𝑎] = = LT−2
T
[F] = MLT−2
[ 𝑝] [𝑉] [𝐹] L3
[𝑅] = = 2 × = ML2 T−2 Θ−1 N−1
[𝑛] [𝑇] L 𝑁Θ
[𝐹] MLT−2
[𝐵] = = = MT−2 I−1
[𝑞] [𝑣] IT × LT−1
Comme on l’a déjà dit, mesurer c’est comparer une grandeur physique
avec un étalon qui définit l’unité de mesure. Celle-ci relevant d’un
choix arbitraire il faut bien convenir d’un système d’unités pour pou-
voir communiquer (transactions commerciales, rapports scientifiques,
etc.). La bonne idée consiste alors à choisir des étalons dont la défi-
nition est indépendante du lieu et du temps et avec lesquels on peut
construire toutes les unités. C’est l’ambition du Système international
d’unités (SI) adopté par quasiment tous les pays2 . Né officiellement 2. Trois pays n’ont pas encore adopté
en 1960, il s’agit d’une extension de l’ancien système MKSA. officiellement le système métrique : le
Libéria, la Birmanie et. . . les Etats-Unis.
Notez que ces constantes sont des grandeurs physiques sans incerti-
tude. En revanche, certaines grandeurs auparavant fixées (avant mai
2019) retrouvent leur statut de grandeur expérimentale. Par exemple,
une mole de carbone 12 pesait auparavant 12 g par définition ; doréna-
vant sa valeur n’est plus connue exactement. Elle présente donc une
incertitude.
Les sept unités de base du système international sont les « unités fon-
damentales » à partir desquelles sont obtenues par combinaison toutes
les autres unités, dites unités dérivées. Certaines d’entre-elles se sont
vues attribuer un nom qui rappelle une personnalité scientifique : new-
ton, pascal, joule, volt, tesla, henry etc. Il peut donc y avoir différentes
Préfixes SI
Une loi physique impose une contrainte qui n’existe pas en mathéma-
tique ; elle doit être homogène, c’est-à-dire constituée de termes de
même dimension. Sommer deux grandeurs de dimension différente
n’a aucun sens en physique. Ainsi pour vérifier une loi physique, la
première chose à faire est de vérifier l’homogénéité !
𝜃 max 2
r r
ℓ + 𝜃 max ℓ
𝑇 = 2𝜋 𝑇 = 2𝜋 1+
𝑔 − 𝜃 max 𝑔 16
r r
ℓ ℓ 𝜃 max
𝑇 = 2𝜋 𝑇 = 2𝜋 1+
𝑔𝜃 max 𝑔 ℓ
8 1 UNITÉS ET DIMENSIONS
Bien entendu, cela ne signifie pas qu’une formule homogène soit for-
cément exacte, mais cela permet déjà de trier ce qui n’a aucun sens
physique de ce qui peut en avoir. De manière générale, l’analyse di-
mensionnelle est un outil de réfutation, pas de validation.
pH = − log H3 O+
Conversion d’unités
Modéliser
𝐺 = Cte 𝑝 1 𝛼 𝑝 2 𝛽
𝑇 = Cte 𝑚 𝛼 𝑔 𝛽 ℓ 𝛾
où Cte est un facteur adimensioné. Cela nous donne l’équation aux dimen-
sions
T = M 𝛼 L𝛾+𝛽 T−2𝛽
La loi devant être homogène on doit poser 𝛼 = 0, 𝛽 = −1/2 et 𝛾 = 1/2. La
forme générale est donc
s
te ℓ
𝑇 =C
𝑔
Attention, ce n’est pas parce que l’on trouve une loi qu’elle est juste ! L’ana-
lyse dimensionnelle nous dit simplement que la loi est correcte en termes
de dimension. C’est à l’expérience de confirmer ou d’infirmer l’analyse. Par
exemple, dans le cas du pendule, supposer comme nous l’avons fait, que
la période du pendule ne dépend pas de l’amplitude des oscillations est
en contradiction avec les faits a . Il faut alors introduire l’amplitude 𝜃 0 des
oscillations dans l’analyse dimensionnelle :
𝑇 = 𝑓 (𝑚, 𝑔, ℓ, 𝜃 0 ) =⇒ 𝑇 = Cte 𝑚 𝛼 𝑔 𝛽 ℓ 𝛾 𝜃 0 𝛿
T = M 𝛼 L𝛾+𝛽 T−2𝛽
a. On peut montrer que cette propriété n’est correcte que si les angles sont petits.
mesure no 1 2 3 4
durée 𝑡 3,62 s 3,47 s 3,44 s 3,30 s
Ainsi, l’erreur sur une mesure est la somme d’un biais et d’une
quantité aléatoire :
𝜖 = 𝑥𝑖 − 𝑥 vraie = (𝑥 𝑖 − 𝑥) + (𝑥 − 𝑥vraie ) = 𝜖 𝑎 + 𝜖 𝑠
12 2 MESURES ET INCERTITUDES
Écriture scientifique
n’a aucun sens, puisque l’incertitude indique que nous n’avons pas
d’information au delà de la deuxième décimale. Il faut donc arrondir
le résultat au centième.
Comment arrondir ?
Pour les arrondis on adopte la méthode qui consiste à arrondir au
plus près : cela consiste à repérer le dernier chiffre à arrondir (en
fonction de la précision) puis à l’augmenter d’une unité si le chiffre
suivant est au moins égal à 5 ou à le conserver sinon. Par exemple,
• arrondir 1,645 à l’unité donne 2 ;
• arrondir 1,645 au dixième donne 1,6 ;
• arrondir 1,645 au centième donne 1,65.
En résumé
Une fois l’incertitude estimée, on l’arrondit à un ou deux chiffres.
On ajuste la valeur de la mesure 𝑥m de manière à ce que son dernier
chiffre significatif soit à la même position que celui de l’incerti-
tude en arrondissant au plus près. Le résultat se met sous la forme
( 𝑥−𝑥) 2
𝑝 ( 𝑥) =
−
√1 e 2𝜎 2
Généralités
𝜎 2𝜋
Estimation de type A
Cas où 𝑛 ≥ 10
𝑥1 + 𝑥2 + · · · + 𝑥 𝑛
𝑚, '𝑥 ♥ (2.1)
𝑛
Notez que dans cette formule, la somme des écarts quadratiques est
divisé par 𝑛 − 1 et non par 𝑛 comme on pourrait s’y attendre. Une façon
de retenir ce facteur 𝑛 − 1 est de réaliser que pour estimer un écart-type
il faut au moins deux mesures ce qui implique 𝑛 > 1.
Cas où 𝑛 ≤ 10
𝜎 𝑡𝑠
𝜎𝑚 = √ ' √
𝑛 𝑛
0, 1575
𝑚 = 3, 4575 et 𝜎𝑚 = √ = 0, 0787
4
Après avoir arrondi à un chiffre l’incertitude-type on peut finalement écrire
le résultats de nos observations :
Estimation de type B
𝑥 max + 𝑥min Δ
𝑥' et 𝜎'√ ♥ (2.4)
2 12
Exemples –
1. On souhaite déterminer par autocollimation la focale d’une lentille
convergente. La plage de distance qui permet d’obtenir l’image nette
de l’objet par le miroir est 9, 8 cm ↔ 11, 2 cm. Comme valeur vraie, on
prendra le centre de la plage :
11, 2 + 9, 8
𝑓0 = = 10, 5 cm
2
Pour calculer l’incertitude, on effectue
11, 2 − 9, 8
𝜎𝑓 0 = √ = 0, 4 cm
12
et l’incertitude-type
0, 0632
𝜎= √ ' 0, 02 V
12
Incertitude composée
0, 01
𝜎𝐵 = √ = 3 ms
12
On constate que l’erreur liée au manipulateur est prépondérante et qu’il est
légitime de négliger l’erreur liée à l’instrument : 𝜎total = 𝜎𝐴.
Incertitude élargie
Δ𝑥
On définit aussi l’incertitude relative par 𝑥 exprimé en %. Plus elle est
petite, plus la mesure est précise.
𝐺 Commençons par un cas simple, celui d’une relation affine à une seule
variable :
• 𝐺 = 𝑎𝑥 + 𝑏 avec 𝑥 = 𝑥 𝑚 ± Δ𝑥
𝐺m 2Δ𝐺 • pente 𝑎
2Δ𝑥 Dans ce cas, il est facile de voir sur un graphique qu’une incertitude
𝑏 •
𝑥 Δ𝑥 produit une incertitude Δ𝐺 = |𝑎|Δ𝑥 de sorte que le calcul donne
𝑥m
F IGURE 2.2 – Propagation des incerti- 𝐺𝑚 = 𝑎𝑥m + 𝑏
tudes dans le cas d’une relation affine 𝐺 = 𝐺 𝑚 ± Δ𝐺 avec ♥ (2.7)
Δ𝐺 = |𝑎|Δ𝑥
Δ𝑉 Δ𝑟
𝑉m = 89, 80 mm3 et =3 = 0, 54% =⇒ Δ𝑉 = 0, 5 mm3
𝑉 𝑟
Méthode générale
𝐺 = 𝑓 (𝑥) avec 𝑥 = 𝑥 𝑚 ± Δ𝑥
p 𝜕𝑓
Δ𝐺 = (𝑎 1 Δ𝑥 1 ) 2 + (𝑎 2 Δ𝑥2 ) 2 + . . . + (𝑎 𝑛 Δ𝑥 𝑛 ) 2 avec 𝑎1 = ... ♥
𝜕𝑥1
(2.10)
Calcul d’une puissance électrique – Un dipôle électrique est soumis à la
tension 𝑈 = (2, 6 ± 0, 3) V ce qui produit un courant d’intensité 𝐼 = (0, 89 ±
0, 06) A. Calculons la puissance électrique 𝑃 = 𝑈.𝐼 fournie à ce dipôle.
Tout d’abord, la valeur numérique de la puissance vaut
𝑃m = 𝑈m 𝐼m = 2, 6 × 0, 89 = 2, 314 W
𝜕𝑃 𝜕𝑃
=𝐼 et =𝑈 =⇒ d𝑃 = 𝐼 d𝑈 + 𝑈 d𝐼
𝜕𝑈 𝜕𝐼
On en déduit l’incertitude sur le calcul de 𝐺 :
q
Δ𝑃 = (0, 89 × 0, 3) 2 + (2, 6 × 0, 06) 2 = 0, 31 W
On écrira donc :
𝑃 = 2, 3 ± 0, 3 W
Règle de calcul
Parmi les grandeurs utilisées dans ce calcul, les moins précises com-
portent deux chiffres significatifs ; le résultat sera alors exprimé avec
deux chiffres significatifs, soit
𝐿 = 1, 5 · 102
Bien que très pratique, cette règle est à utiliser avec précaution no-
tamment lorsque le calcul fait intervenir la différence de deux termes
proches.
Version en ligne
3.1 Modélisation
𝐹𝑥 𝑥 𝐹𝑦 𝑦
=− et =−
𝐹 ℓ 𝐹 ℓ
où 𝐹 désigne l’intensité de la tension du fil. Projetons la seconde loi de
newton suivant les axes O𝑥 et O𝑦 :
𝐹
𝑚 𝑦¥ = −𝑚𝑔 + 𝐹𝑦 = −𝑚𝑔 −
𝑦
ℓ
𝐹
𝑚 𝑥¥
= 0 + 𝐹𝑥 = − 𝑥
ℓ
Par ailleurs, supposons l’angle d’oscillation suffisamment petit de sorte
que cos 𝜃 ' 1. En pratique, cela correspond à des angles inférieurs à
10◦ si la précision recherchée est de l’ordre de 1%. Cela implique
𝐹 = 𝑚𝑔
𝑚𝑔
𝑚 𝑥¥
= − 𝑥
ℓ
Finalement, le mouvement horizontal est décrit par l’équation
𝑔
𝑥¥ + 𝑥=0 (3.1)
ℓ
Cette équation à pour inconnue une fonction : elle relie une fonction
à ses dérivées. Ici l’ordre maximum des dérivées vaut 2 ; on dit qu’il
s’agit d’une équation différentielle d’ordre 2. Par ailleurs, on a des
contraintes imposées par les conditions initiales
𝑥(𝑡 = 0) = 𝑥0 et ¤ = 0) = 0
𝑥(𝑡
d2 𝑔 h 𝑔i
2
(𝑥0 cos 𝑏𝑡) + 𝑥0 cos 𝑏𝑡 = 0 d’où 𝑥0 cos(𝑏𝑡) −𝑏 2 + =0
d𝑡 ℓ ℓ
p
équation qui n’est vérifiée que si 𝑏 = 𝑔/ℓ. L’unique solution de notre
équation est donc r
𝑔
𝑥(𝑡) = 𝑥0 cos 𝑡
ℓ
Il nous reste à déterminer la période 𝑇 des oscillations. Le pendule
passe à la verticale quand 𝑥(𝑡) = 0 soit
r r
𝑔 𝑔
cos 𝑡=0 =⇒ 𝑡 𝑘 = 𝜋/2 + 𝑘 𝜋
ℓ ℓ
Toute prédiction théorique doit être mise à l’épreuve des faits avant
d’être validé. Illustrons cette étape sur les oscillations du pendule
simple dont une modélisation aboutit au résultat théorique
s
ℓ
𝑇 = 2𝜋
𝑔
ℓ [cm] 70,0 ± 0,1 48,0 ± 0,1
et confrontons celui-ci aux mesures que donne une série d’expériences
𝑇 [s] 1,67 ± 0,03 1,38 ± 0,06
(cf. Table 3.1). Ici, les deux mesures indépendantes doivent fournir
TABLE 3.1 – Mesure de la période du deux valeurs compatibles de 𝑔.
pendule simple pour deux longueurs dif-
férentes.
Généralités
•
• C
• B
A
F IGURE 3.2 – A et B sont significativement
différents contrairement à B et C.
3.2 Comparer deux valeurs 25
Exemple
On a
𝜕𝑔 4𝜋 2
=
𝜕ℓ 𝑇2
=⇒ d𝑔 = 4𝜋 2 𝑇 −2 dℓ − 8𝜋 2 ℓ 𝑇 −3 d𝑇
𝜕𝑔 8𝜋 2 ℓ
= − 3
𝜕𝑇 𝑇
de sorte que l’incertitude sur 𝑔 vaut
p
Δ𝑔 = (4𝜋 2 𝑇 −2 Δℓ) 2 + (8𝜋 2 ℓ 𝑇 −3 Δ𝑇) 2
Supposons que l’on cherche à vérifier une loi du type 𝑦 = 𝑓 (𝑥) prévue
par un modèle théorique à partir de 𝑛 mesures (𝑦 𝑖 , 𝑥𝑖 ). Tester la validité
de la loi 𝑦 = 𝑓 (𝑥) c’est répondre à deux questions :
p
Exemples – On cherche à vérifier la loi du pendule simple 𝑇 = 2𝜋 ℓ/𝑔. On
collecte donc des mesures de la période pour différentes valeurs de ℓ.
• Si l’on porte 𝑦 = 𝑇 en fonction de 𝑥 = ℓ on s’attend à trouver une loi
du type
√
𝑦 = 𝑎1 𝑥 modèle racine carré
√
• On peut aussi porter 𝑦 = 𝑇 en fonction de 𝑥 = ℓ. On s’attend à trouver
une loi du type
𝑦 = 𝑎1 𝑥 modèle linéaire
Utilisation de Regressi
Une fois les grandeurs définies, un tableau nous est proposé (onglet
F IGURE 3.6 – Entrée des données au cla- Variables). Le remplissage du tableau ne pose pas de difficulté par-
vier.
ticulière. Pour saisir les incertitudes, il suffit de cliquer sur l’icône
√
𝜎 . Créons la grandeur 𝑥 = ℓ en cliquant sur l’icône Y+ . Cochons
Grandeur calc. puis rentrons la formule x=sqrt(L).
𝑎 = 2, 00 ± 0, 02 s.m−1/2
3.3 Valider une loi 29
√
Or, la théorie prévoit 𝑎 = 2𝜋/ 𝑔 ce qui permet d’obtenir une nouvelle
valeur de 𝑔 :
4𝜋 2 Δ𝑔 Δ𝑎
𝑔= = 9, 87 m.s−2 et =2 = 2%
𝑎2 𝑔 𝑎
4.2 L’ellipse
Propriétés de l’ellipse
Par définition, l’ellipse est une conique d’excentricité 𝑒 < 1. Son équa-
tion polaire s’écrit donc :
𝑝
𝑟 (𝜃) = avec 𝑝>0 et 0≤𝑒<1 (4.1)
𝑒 cos(𝜃) + 1
2𝑝
2𝑎 = 𝑟 a + 𝑟 p =
1 − 𝑒2
Équation cartésienne
𝑟 = 𝑝 − 𝑒(𝑥 − 𝑐) =⇒ 𝑟 2 = (𝑥 − 𝑐) 2 + 𝑦 2 = 𝑝 2 + 𝑒 2 (𝑥 − 𝑐) 2 − 2𝑒 𝑝(𝑥 − 𝑐)
𝑥 2 (1 − 𝑒 2 ) + 𝑦 2 = 𝑎 2 (1 − 𝑒 2 ) (4.4)
4.3 La parabole
Propriétés
𝑦
Équation cartésienne
F IGURE 4.2 – La parabole
Élevons au carré :
𝑝 2 𝑝 𝑝
𝑦 2 + (𝑥 − ) = 𝑝 2 + (𝑥 − ) 2 + 2𝑝(𝑥 − )
2 2 2
Après simplification, on trouve que l’équation cartésienne d’une para-
bole de paramètre 𝑝 s’écrit
𝑦 2 = 2𝑝 𝑥 (4.7)
4.4 L’hyperbole
Propriétés
𝑦
B+ B−
M(𝑟 − , 𝜃)
𝜃
2𝑏
M(𝑟+ , 𝜃)
•
Foyer 𝑥
2𝑎
Par ailleurs,
√ la pente des asymptotes vaut aussi ±𝑏/𝑎 de sorte que
2
𝑏/𝑎 = 𝑒 − 1 c’est-à-dire
𝑐2 = 𝑎2 + 𝑏2 (4.8)
Équation cartésienne
𝑥 2 (1 − 𝑒 2 ) + 𝑦 2 = 𝑎 2 (1 − 𝑒 2 )
Généralités
Une équation différentielle est une relation entre une fonction et ses
dérivées successives. L’ordre d’une équation différentielle correspond
au degré maximal de dérivation de la fonction inconnue : Ainsi, une
équation différentielle d’ordre 1 est une relation où interviennent une
fonction et sa dérivée première. Résoudre une équation différentielle,
c’est trouver toutes les fonctions qui vérifient la relation sur un inter-
valle donné.
R
[0, 𝑇] →
𝑦:
𝑡 ↦→ 𝑦(𝑡)
Exemple
𝑥 𝑥¤ 0
© ª © ª © ª
𝑧 ® 𝑧¤ ® 0 ®
y = ® et 𝑓 (𝑡, y) = 𝛽
√ ® avec y0 = ®
𝑥¤ ® − ¤
𝑥 𝑥¤ 2 + 𝑧¤2 ® 𝑣 0 cos 𝜃 ®
® 𝑚
𝛽
√ ® ®
𝑧¤ 2 2 sin
« ¬ « −𝑔 − 𝑚 𝑧¤ 𝑥¤ + 𝑧¤ ¬ 𝑣
« 0 𝜃 ¬
Définitions
Propriétés générales
Méthodologie
Enfin, tout système physique régi par une équation différentielle li-
néaire obéit au principe de superposition. En effet, supposons que l’on
connaisse la solution 𝑦 1 de l’équation L(𝑦) = 𝑓1 (𝑡) ainsi que la solution
𝑦 2 de l’équation L(𝑦) = 𝑓2 (𝑡). Dans ce cas, 𝑦 1 + 𝑦 2 sera solution de
l’équation L(𝑦) = 𝑓1 (𝑡) + 𝑓2 (𝑡). Cela signifie que si l’on excite un sys-
tème linéaire de manière compliquée, mais que l’on peut décomposer
cette excitation en une somme de termes simples, alors il suffit de
42 5 RÉSOUDRE UNE ÉQUATION DIFFÉRENTIELLE
où les constantes 𝑎 𝑘 ainsi que la fonction 𝑓 (𝑡) sont connues. Il est facile
de voir que l’opérateur différentiel est bien linéaire. Cette équation
est dite linéaire à coefficients constants avec second membre. Pour
résoudre cette équation il suffit donc de trouver les solutions de l’équa-
tion homogène ainsi qu’une solution particulière de l’équation (5.4).
On admettra les résultats suivants. Solution particulière – Il existe
une méthode générale pour trouver la solution particulière mais dans
la plupart des cas, il suffit de chercher une solution ayant la même forme
que le second membre 𝑓 (𝑡). On retiendra notamment que :
𝑎 𝑝 𝑟 𝑝 + ... + 𝑎 2 𝑟 2 + 𝑎 1 𝑟 + 𝑎 0 = 0
𝑘=
Õ𝑝
𝑦 h (𝑡) = 𝐴 𝑘 𝑒 𝑟𝑘 𝑡
𝑘=1
𝑘=
Õ𝑝
𝑦(𝑡) = 𝐴 𝑘 𝑒𝑟𝑘 𝑡 + 𝑦 p (𝑡)
𝑘=1
Définition
𝑚 𝑣¤ + 𝛽𝑣 2 = 𝑚𝑔 avec 𝑣(0) = 0
1
𝑣¤ 𝛽 2
=𝑔
1− 𝑚𝑔 𝑣
Or ∫
d𝑥 𝑎 𝑎 +𝑥
= ln
1 − (𝑥/𝑎) 2 2 𝑎−𝑥
𝑚𝑔 e𝑡/𝜏 − e−𝑡/𝜏
r r
𝑚
𝑣(𝑡) = −𝑡/𝜏
avec 𝜏 =
𝛽 e +e
𝑡/𝜏 𝑔𝛽
La vitesse croit
p (au début comme 𝑔𝑡) puis atteint une limite asympto-
tique 𝑣 ∞ = 𝑚𝑔/𝛽.
OPÉRATEURS
DIFFÉRENTIELS 6
6.1 L’opérateur gradient . . . . . 45
Complément de cours sur ce qu’il faut savoir à propos des opérateurs Définition . . . . . . . . . . . 45
différentiels utilisés en physique. Propriétés . . . . . . . . . . . 46
6.2 L’opérateur divergence . . . 46
Définition . . . . . . . . . . . 46
Version en ligne Propriétés . . . . . . . . . . . 47
6.3 L’opérateur rotationnel . . . 48
Définition . . . . . . . . . . . 48
https : //femto − physique.fr/omp/operateurs − differentiels.php
Propriétés . . . . . . . . . . . 48
6.4 L’opérateur laplacien . . . . 49
Le laplacien scalaire . . . . . 49
Le laplacien vectoriel . . . . 49
6.1 L’opérateur gradient 6.5 Accélération d’une particule de
fluide . . . . . . . . . . . . . . . . 50
Définition
1 2
Exercice – Calculer le gradient des champs suivants : 𝑓 (𝑥, 𝑦, 𝑧) = (𝑥 +
2
𝑦 2 + 𝑧 2 ) et 𝑔(𝑟, 𝜃, 𝜑) = − 𝑟1 .
→− −−−→ →−
Rép. ∇ 𝑓 = (𝑥, 𝑦, 𝑧) = OM et ∇ 𝑔 = 𝑟12 𝑢→
−.
𝑟
Propriétés
En conséquence,
17. La surface de niveau de 𝑓 est l’en- →−
semble des points M pour lesquels • Le vecteur ∇ 𝑓 (M, 𝑡) est perpendiculaire à la surface de niveau17
𝑓 ( 𝑀 , 𝑡) conserve la même valeur à un de 𝑓 passant par M à l’instant 𝑡.
instant 𝑡 fixé. En dimension 𝑑 = 2, cet
ensemble donne une courbe de niveau. • Le vecteur gradient est orienté vers les valeurs croissantes de 𝑓
et sa norme mesure le taux de variation spatiale dans la direction
de plus grande pente
−
d 𝑓
→
∇ 𝑓
=
dℓ
Exercice – Considérons le champ scalaire de l’espace bi-dimensionnel,
→−
𝑓 (𝑥, 𝑦) = 𝑥 2 + 𝑦 2 . Représenter les courbes de niveau puis calculer ∇ 𝑓 .
Tracer quelques vecteurs gradients.
→
−
Rép. Les courbes de niveau sont des cercles de centre O. On a ∇ 𝑓 =
−−−→
(2𝑥, 2𝑦) = 2OM. Les vecteur gradients sont effectivement perpendiculaires
aux cercles.
Définition
→
− © 𝜕/𝜕𝑥 ª © 𝐴𝑥 ª 𝜕 𝐴 𝑥 𝜕 𝐴 𝑦 𝜕 𝐴𝑧
div 𝐴 (𝑥, 𝑦, 𝑧, 𝑡) = 𝜕/𝜕𝑦 ® · 𝐴𝑦 ®= + + ♥ (6.2)
® ® 𝑑𝑥 𝑑𝑦 𝑑𝑧
« 𝜕/𝜕𝑧 ¬ « 𝐴𝑧 ¬
6.2 L’opérateur divergence 47
→
− →− TABLE 6.2 – Expressions de la diver-
Système Expression de div 𝐴 = ∇ · 𝐴 gence dans différents systèmes de coor-
données.
𝜕𝐴 𝑥 𝜕𝐴 𝑦 𝜕𝐴 𝑧
cartésien + +
𝑑𝑥 𝑑𝑦 𝑑𝑧
𝜕(𝑟 𝐴𝑟 ) 𝜕( 𝐴 𝜃 ) 𝜕𝐴 𝑧
cylindriques + +
𝑟 d𝑟 𝑟 d𝜃 d𝑧
1 𝜕(𝑟 2 𝐴𝑟 ) 1 𝜕(sin 𝜃 𝐴 𝜃 ) 1 𝜕𝐴 𝜑
sphériques + +
𝑟2 𝜕𝑟 𝑟 sin 𝜃 𝜕𝜃 𝑟 sin 𝜃 𝜕𝜑
→
− 𝑢→
−
𝑟
Exercice – Considérons le champ vectoriel 𝐴 (𝑟, 𝜃, 𝜑) = 2 . Calculer la
𝑟
divergence de ce champ en tout point M autre que O.
→− →−
Rép. On trouve div 𝐴 = 0. On dit que 𝐴 est un champ à flux conservatif
(sauf en O).
Propriétés
−→ext
∬ ∭
→
− →
− →
− → − →−
𝐴 (M) · d𝑆 = div 𝐴 (M) d𝜏 avec div 𝐴 = ∇ · 𝐴
M∈ (𝑆) M∈𝑉
−𝑣 = 1 D V
div→
V D𝑡
48 6 OPÉRATEURS DIFFÉRENTIELS
−→→ − → − →−
Système rot
𝐴= ∇∧ 𝐴
𝜕𝐴 𝑧 𝜕𝐴 𝑦 𝜕𝐴 𝑥 𝜕𝐴 𝑧 𝜕𝐴 𝑦 𝜕𝐴 𝑥
cartésien − , − , −
𝜕𝑦 𝜕𝑧 𝜕𝑧 𝜕𝑥 𝜕𝑥 𝜕𝑦
1 𝜕𝐴 𝑧 𝜕𝐴 𝜃 𝜕𝐴𝑟 𝜕𝐴 𝑧 1 𝜕(𝑟 𝐴 𝜃 ) 1 𝜕𝐴𝑟
cylindrique − , − , −
𝑟 𝜕𝜃 𝜕𝑧 𝜕𝑧 𝜕𝑟 𝑟 𝜕𝑟 𝑟 𝜕𝜃
1 𝜕(sin 𝜃 𝐴 𝜑 ) 1 𝜕𝐴𝑟 1 𝜕(𝑟 𝐴 𝜑 ) 1 𝜕(𝑟 𝐴 𝜃 ) 1 𝜕𝐴𝑟
1 𝜕𝐴 𝜃
sphérique − , − , −
𝑟 sin 𝜃 𝜕𝜃 𝑟 sin 𝜃 𝜕𝜑 𝑟 sin 𝜃 𝜕𝜑 𝑟 𝜕𝑟 𝑟 𝜕𝑟 𝑟 𝑑𝜃
Définition
𝜕 𝜕 𝐴𝑧 𝜕 𝐴 𝑦
© © 𝐴𝑥 ª © − ª
𝜕𝑥 ª® ® 𝜕𝑦
® 𝜕𝑧 ®
®
®
−→→− ® 𝜕𝐴 ®
𝜕 ®® 𝐴 𝑦 𝑥 𝜕 𝐴𝑧
rot 𝐴 = ∧ ®= − ♥ (6.3)
® ®
®
𝜕𝑦 ®® ® 𝜕𝑧 𝑑𝑥 ®
® 𝐴 ®
® 𝜕𝐴
®
®
𝜕 ® 𝑧 𝑦 𝜕 𝐴𝑥
−
® ®
« 𝜕𝑧 ¬ « ¬ « 𝑑𝑥 𝑑𝑦 ¬
Propriétés
−→ →
− →
− −→→− −→→−
rot 𝛼 𝐴 + 𝛽 𝐵 = 𝛼 rot 𝐴 + 𝛽 rot 𝐵 avec (𝛼, 𝛽) ∈ R2
−→ −−−→ →− −−→ → −
rot grad 𝑓 = ∇ ∧ ( ∇ 𝑓 ) = 0
−→ → − → − →− →− →− →− → − −−−→ →− −→→−
rot 𝑓 𝐴 = ∇ ∧ ( 𝑓 𝐴 ) = ∇ 𝑓 ∧ 𝐴 + 𝑓 ∇ ∧ 𝐴 = grad 𝑓 ∧ 𝐴 + 𝑓 .rot 𝐴
Théorème de Stokes
La circulation d’un champ vectoriel le long d’un contour C fermé
et orienté est égal au flux du rotationnel de ce champ à travers une
surface S délimité par C.
−
→ −→
∮ ∬
→− −→→−
𝐴 (M) · dℓ = rot 𝐴 (M) · d𝑆
M∈ C M∈S
−→
avec d𝑆 orienté à partir du sens de parcours de C et de la règle du
tire-bouchon.
→
− 1 −→−
Ω = rot→
𝑣
2
Le laplacien scalaire
−−−→ 𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
4 𝑓 (M, 𝑡) = div( grad 𝑓 ) = ∇2 𝑓 = + + ♥ (6.4)
𝜕𝑥 2 𝜕𝑦 2 𝜕𝑧 2
Le laplacien vectoriel
−→ −→→ − → − →− → − →− →
− →− − −−−→
→ →
− →
−
rot rot 𝐴 = ∇ ∧ ∇ ∧ 𝐴 = ∇ ∇ · 𝐴 − ∇2 𝐴 = grad(div 𝐴 ) − 4 𝐴
[2]: R OUSSEL (2010), Cinématique des On a vu [2] que l’accélération d’une particule de fluide située en M à
fluides l’instant 𝑡 pouvait s’obtenir à l’aide du champ de vitesse →
−𝑣 (M, 𝑡) :
→− →
−𝑣 · −
→
−𝑎 (M, 𝑡) = 𝜕 𝑣 + → ∇ → −𝑣
𝜕𝑡
où le dernier terme désigne la partie convective de l’accélération. Ex-
plicitons la composante suivant Ox de ce terme en utilisant l’égalité
→
− → − → − →
−→ − → − → −→ − → − →− − → − → − →− −
𝐴 ∧ ( 𝐵 ∧ 𝐶 ) = ( 𝐴 . 𝐶 ) 𝐵 − ( 𝐴 . 𝐵 ) 𝐶 avec 𝐴 = →
𝑣 , 𝐵 = ∇ 𝑣 𝑥 et 𝐶 = →
𝑢𝑥:
→
−𝑣 · − −𝑢 →
− →−
→ ∇ 𝑣𝑥 →−𝑢 = → −𝑣 · → →− →
−
𝑥 𝑥 ∇ 𝑣𝑥 − 𝑣 ∧ ∇ 𝑣𝑥 ∧ 𝑢 𝑥
→
− −𝑣 ∧ → −𝑢 = 1→
− − 2 → →
−
= 𝑣 𝑥 ∇ 𝑣 𝑥 −→ ∇ 𝑣 𝑥 ∧→ 𝑥 ∇ 𝑣 𝑥 − −𝑣 ∧ ∇ 𝑣 𝑥 ∧ 𝑢−
→
𝑥
2
Ainsi en procédant de la même façon pour les deux autres compo-
santes, on obtient
−𝑣 = 1→
→
−𝑣 · − − 2 −𝑣 ∧ →
−
−𝑢 + →
− −𝑢 + →
−
→ ∇ → ∇ 𝑣 𝑥 + 𝑣 2𝑦 + 𝑣 2𝑧 −→ ∇ 𝑣 𝑥 ∧→ ∇ 𝑣 𝑦 ∧→ ∇ 𝑣 𝑧 ∧→
−𝑢
𝑥 𝑦 𝑧
2
−→−
On reconnait 𝑣 2 dans le gradient et l’on voit apparaître rot→
𝑣 dans le
dernier terme. On aboutit alors à une nouvelle expression de l’accélé-
ration
→− −−→ 𝑣 2 −→− →
−𝑎 (M, 𝑡) = 𝜕 𝑣 + −
→ grad + rot→ 𝑣 ∧ −𝑣 ♥ (6.5)
𝜕𝑡 2
SÉRIE DE FOURIER 7
En 1822, Joseph Fourier publie Théorie analytique de la chaleur, ouvrage 7.1 Séries de Fourier . . . . . . . 51
dans lequel il utilise une technique qui consiste à décomposer une Signaux périodiques . . . . 51
fonction périodique par une somme infinie de sinus et de cosinus. Bien Théorème de Fourier . . . . 52
que suscitant quelques réserves de la part de nombreux mathémati- Illustration sur un exemple 53
Notation complexe . . . . . 55
ciens de l’époque, l’analyse de Fourier est de nos jours solidement
Relation de Parseval . . . . 55
structurée et bien comprise.
7.2 Applications . . . . . . . . . 56
Ce chapitre explique cette décomposition spectrale et l’illustre dans le Filtrage analogique . . . . . 56
domaine de l’électronique et de la physique ondulatoire. Physique de la corde vibrante58
7.3 Conclusion . . . . . . . . . . 60
Version en ligne
https : //femto − physique.fr/omp/serie − de − fourier.php
Signaux périodiques
Théorème de Fourier
Nous savons tous qu’une même note jouée sur un violon ou sur un
piano sonne différemment bien que leurs fréquences sont identiques.
En effet, l’oreille humaine, à l’instar d’un prisme avec la lumière, dé-
compose les sons complexes en un spectre de sons purs que le cerveau
est capable de comparer et d’interpréter. C’est l’idée de base de l’ana-
lyse de Fourier : décomposer un signal périodique de fréquence 𝜈 en
une somme de sinus de fréquences multiples de 𝜈.
F IGURE 7.2 – Note Do3 jouée au violon.
Théorème de Fourier
Sous certaines conditions mathématiques assez peu restrictives
pour les grandeurs physiques, on montre qu’un signal périodique
𝑓 (𝑡) est développable en série de Fourier, comme suit :
∞
Õ
𝑓 (𝑡) = 𝑎 0 + 𝑎 𝑛 cos(𝑛 2𝜋𝜈 𝑡) + 𝑏 𝑛 sin(𝑛 2𝜋𝜈 𝑡) avec 𝑛 ∈ N (7.6)
𝑛=1
3 𝑓 (𝑡) 𝑎𝑛
1
𝑏𝑛
0.5
1
𝑛
1 2 3 4 5 6 7 8 9 F IGURE 7.3 – Passage de l’espace réel
𝑡
−1 1 (temporel) à l’espace de Fourier (fréquen-
−0.5 tiel).
𝑏 𝑛 sont tous nuls. Il ne nous reste plus qu’a déterminer les coefficients
𝑎 𝑛 donnés par
∫ 1/2
𝑎𝑛
= 𝑓 (𝑡) cos(2𝜋𝑛 𝑡) d𝑡
Rappelons que si 𝑓 est paire, 2 −1/2
∫ 𝑎 ∫ 𝑎 ∫ 1/2
𝑓 ( 𝑥) d𝑥 = 2 𝑓 ( 𝑥) d𝑥 = 2 𝑓 (𝑡) cos(2𝜋𝑛 𝑡) d𝑡
−𝑎 0 0
∫ 1/2
𝑎𝑛
= 2 ( 𝐴 − 4𝐴𝑡) cos(2𝜋𝑛 𝑡) d𝑡
2 0
0 si 𝑛 est pair
𝑎𝑛 = et 𝑏𝑛 = 0 (7.9)
8𝐴 1
2 2 , si 𝑛 est impair.
𝑎𝑛
𝜋 𝑛
8𝐴
𝜋2
𝑡 𝑡 𝑡 𝑡
−1 1 −1 1 −1 1 −1 1
−𝐴 −𝐴 −𝐴 −𝐴
Notation complexe
𝑎 − 𝑖𝑏 𝑛
𝑛
si 𝑛 > 0
𝑐𝑛 , 2 et 𝑐0 , 𝑎0
𝑐 −𝑛★
si 𝑛 < 0
∫ 𝑇
1
𝑐𝑛 = 𝑓 (𝑡) e−𝑖𝑛 2 𝜋𝜈 𝑡 d𝑡 avec 𝑛∈Z ♥ (7.10)
𝑇 0
Relation de Parseval
∞
Õ
𝑓2 = |𝑐 𝑛 | 2 ♥ (7.12)
𝑛=−∞
56 7 SÉRIE DE FOURIER
|𝑐𝑛 |
Exercice – On enregistre à l’oscilloscope une tension électrique 𝑢(𝑡) dont
1
on donne le spectre en amplitude. On envoie cette tension aux bornes d’un
voltmètre en mode AC. Quelle valeur affiche-t-il sachant que sa résolution
est de 10 mV ?
0.5 Rép. Le voltmètre affiche 0,98 V.
𝑛 7.2 Applications
−5 5
F IGURE 7.7 – Spectre de 𝑢 (𝑡)
Filtrage analogique
𝑆rms
𝐺 , |𝐻| = et 𝜙 = arg 𝐻 (7.14)
𝐸 rms
Exemple : filtre RLC – Étudions le filtre formé par la mise en série d’un
conducteur ohmique de résistance 𝑅, d’un condensateur de capacité 𝐶 et
d’une bobine de self-inductance 𝐿. Le signal d’entrée sera la tension aux
𝐶 𝐿
bornes de l’ensemble et le signal de sortie la tension aux bornes du conduc-
teur ohmique. Nous reconnaissons un diviseur de tension, de sorte qu’en
régime sinusoïdal on peut écrire a 𝑒 (𝑡) 𝑅 𝑠 (𝑡)
𝑍𝑅 1
𝑠(𝑡) = 𝑒(𝑡) avec 𝑍𝑅 = 𝑅 𝑍 𝐿 = 𝑗 𝐿𝜔 et 𝑍𝐶 =
𝑍 𝑅 + 𝑍𝐶 + 𝑍 𝐿 𝑗𝐶𝜔
Gain 𝐺
Lorsque l’on injecte en entrée d’un filtre un signal périodique, chaque 𝐺max
harmonique de rang 𝑛 est atténuée d’une quantité 𝐺 𝑛 = 𝐺 (𝑛𝜈) et
déphasée de 𝜙 𝑛 = 𝜙(𝑛𝜈). En vertu du principe de superposition, on max
𝐺√
2
bande-passante Δ𝜈
reconstitue le signal de sortie en sommant chaque harmonique une fois
transformée par le filtre. Formellement, si 𝑎 𝑛 et 𝑏 𝑛 sont les coefficients
de Fourier du signal d’entrée, alors le signal de sortie s’écrit
∞
Õ ∞
Õ 𝜈0
𝑠(𝑡) = 𝐺 0 𝑎 0 + 𝐺 𝑛 𝑎 𝑛 cos [𝑛 2𝜋𝜈 𝑡 + 𝜙 𝑛 ] + 𝐺 𝑛 𝑏 𝑛 sin [𝑛 2𝜋𝜈 𝑡 + 𝜙 𝑛 ]
𝑛=1 𝑛=1 F IGURE 7.12 – Courbe de réponse du cir-
cuit RLC.
58 7 SÉRIE DE FOURIER
1
𝐺=r avec 𝜔 = 2𝜋𝜈
2
1
1+ 𝐿𝜔
𝑅 − 𝑅𝐶 𝜔
La Figure 7.12 montre qu’il s’agit d’un filtre passe bande. La valeur
des composants permet de régler la position et la largeur de la bande
passante puisque l’on a
1 𝑅
𝜈0 = √ et Δ𝜈 =
2𝜋 𝐿𝐶 2𝜋𝐿
F IGURE 7.13 – Sélection de la seconde harmonique d’un signal périodique à l’aide d’un filtre passe-bande (simulation ©J.Roussel).
𝑥 Considérons une corde que l’on tend entre deux points fixes A et B.
𝐿 Lorsque l’on pince ou frappe cette corde, celle-ci se met à vibrer en
entretenant certaines ondes stationnaires.
29. Dans l’idéal, la corde doit être sans On montre que le déplacement de la corde29 𝑦(𝑥, 𝑡) obéit à l’équation
raideur et sans flexion. Par ailleurs on d’onde
suppose ici l’absence totale de dissipa- 𝜕2 𝑦 1 𝜕2 𝑦
tion d’énergie. (𝑥, 𝑡) − (𝑥, 𝑡) = 0
𝜕𝑥 2 𝑐2 𝜕𝑡 2
30. La vitesse de propagation des ondes où 𝑐 est la célérité30 des ondes transversales qui peuvent se propager.
p
vaut 𝑐 = 𝑇 /𝜇 avec 𝑇 la tension du fil On sait que les solutions s’écrivent comme combinaison de deux ondes
et 𝜇 sa masse par unité de longueur. progressives : 𝑥 𝑥
𝑦(𝑥, 𝑡) = 𝜓1 𝑡 − + 𝜓2 𝑡 + (7.15)
𝑐 𝑐
Les points A et B imposent des conditions aux limites puisque les deux
7.2 Applications 59
1
𝛼𝑛 = 0 si n pair et 𝑎𝑛 ∝ si n impair
𝑛2
Autrement dit, la vibration ne contient aucune harmonique paire. La
deuxième harmonique est 9 fois plus faible que la fondamentale etc.
Comme tout guitariste le sait, le timbre du son émis dépend –entre
autres– de l’endroit où l’on pince la corde.
60 7 SÉRIE DE FOURIER
7.3 Conclusion
Du discret au continu
Nous avons établi dans le chapitre précédent que tout signal pério-
dique physique peut s’écrire en notation complexe
∞
Õ 1
𝑓𝑇 (𝑡) = 𝑐 𝑛 e𝑖𝑛 2 𝜋𝜈 𝑡 avec 𝜈=
𝑛=−∞
𝑇
32. Rappelons qu’une intégrale peut être On reconnaît ici une intégrale au sens de Riemann32 . Ainsi, un signal
vue comme une somme de rectangles non périodique peut formellement s’écrire
sous la courbe avec un espacement ten-
dant vers 0. Mathématiquement on a ∫ ∞ ∫ ∞
0
l’identité 𝑓 (𝑡) = e𝑖2 𝜋𝜈 𝑡 𝑓 (𝑡 0) e−𝑖2 𝜋𝜈 𝑡 d𝑡 0 d𝜈
∫ ∞ ∞ −∞ −∞
Õ
𝑔 (𝜈) d𝜈 = lim 𝑔 (𝑛𝜈) 𝜈
−∞ 𝜈→0
𝑛=−∞ Le terme entre crochets est appelé transformée de Fourier.
Intégrale de Fourier
33. Précisément, on restreint l’étude à Tout signal physique33 peut se décomposer en une intégrale de
tous les signaux
∫ de carré sommable pour Fourier, de la forme
lesquelles R | 𝑓 (𝑡) | 2 d𝑡 est finie, c’est-à-
dire des signaux qui transportent une
∫ ∞
énergie finie. 𝑓 (𝑡) = 𝑓 (𝜈) e𝑖2 𝜋 𝜈 𝑡 d𝜈
b (8.1)
−∞
où b
𝑓 (𝜈) désigne la transformée de Fourier du signal. b
𝑓 (𝜈) est une
fonction continue à valeurs complexes, définie par
∫ ∞
𝑓 (𝜈) =
b 𝑓 (𝑡) e−𝑖2 𝜋 𝜈 𝑡 d𝑡 (8.2)
−∞
1
|𝜈| <
𝜏
En d’autres termes, plus brève est l’impulsion, plus vaste est le do-
− 𝜏2 − 𝜏1 0 1
𝜏
2
𝜏 maine des harmoniques qui constitue le signal. De façon équivalente,
𝜈
plus courte est la résolution temporelle avec laquelle on veut analyser
F IGURE 8.2 – Spectre en puissance d’une
fonction porte de largeur temporelle 𝜏.
un signal plus large sera la bande passante de l’analyseur employée
pour traiter le signal.
8.1 Transformation de Fourier 63
∞
Õ
La relation de Parseval 𝑓 2 = |𝑐 𝑛 | 2 rencontrée dans le Chapitre 7
𝑛=−∞
prend également une forme intégrale lors du passage au continu. On
obtient ∫ ∫
| 𝑓 (𝑡)| 2 d𝑡 = 𝑓 (𝜈)| 2 d𝜈
|b ♥ (8.3)
R R
TF
𝑓 (𝑡) −−−
↽ −−
−⇀
−− 𝑓 (𝜈)
b
TF−1
Énonçons34 quelques propriétés de la transformée de Fourier des si- 34. On donne ici des résultats faciles à
gnaux réels : démontrer à partir des relations (8.1) et
(8.2).
Linéarité – En vertu de la linéarité de l’intégration, la transformation
de Fourier est aussi une opération linéaire :
𝑎 𝑓 (𝑡) + 𝑏 𝑔(𝑡)
𝑓 (𝜈) + 𝑏 b
𝑎b 𝑔 (𝜈)
Parité – Si 𝑓 (𝑡) est une fonction paire alors b 𝑓 (𝜈) est réelle et paire. si
𝑓 (𝑡) est une fonction impaire alors b 𝑓 (𝜈) est imaginaire et impaire.
Dans tous les cas, | b𝑓 (𝜈)| est une fonction paire, c’est pourquoi,
on restreint parfois sa représentation sur R+ .
Translation – Translater un signal dans le temps revient à déphaser la
transformée de Fourier :
𝑓 (𝑡 − 𝜏)
e−2 𝜋𝑖 𝜈 𝜏 b
𝑓 (𝜈)
𝑓 (𝑡/𝑎)
𝑓 (𝑎 𝜈)
𝑎b
64 8 TRANSFORMÉE DE FOURIER
si 𝑓 (𝑡)
𝑓 (𝜈)
b alors 𝑓 (−𝑡)
b
𝑓 (𝜈)
Théorème de modulation
Cherchons quelle est l’allure du spectre d’un tel signal modulé. Appe-
lons b
𝑓 (𝜈) la transformée de Fourier du signal utile puis calculons celle
signal modulant
de 𝑠(𝑡) en utilisant l’identité cos(𝑥) = 12 (e𝑖 𝑥 + e−𝑖𝑥 ) :
𝑓b (𝜈) ∫
1
𝑠 (𝜈)
b = 𝑓 (𝑡) e𝑖2 𝜋𝜈0 𝑡 + e−𝑖2 𝜋𝜈0 𝑡 e−𝑖2 𝜋𝜈𝑡 d𝑡
R 2
∫ ∫
1 −𝑖2 𝜋 (𝜈−𝜈0 )𝑡 1
= 𝑓 (𝑡) e d𝑡 + 𝑓 (𝑡) e−𝑖2 𝜋 (𝜈+𝜈0 )𝑡 d𝑡
2 R 2 R
𝜈 1 hb i
𝑠 (𝜈)
b = 𝑓 (𝜈 − 𝜈0 ) + b 𝑓 (𝜈 + 𝜈0 )
signal modulé 2
𝑠 (𝜈)
b
Théorème de modulation
Après modulation d’une porteuse de fréquence 𝜈0 , le spectre est
simplement translaté de ±𝜈0 (au facteur 1/2 près).
𝜈
−𝜈0 𝜈0
F IGURE 8.3 – Effet d’une modulation Cette translation dans l’espace des fréquences peut présenter plusieurs
dans l’espace de Fourier. intérêts :
• faciliter la transmission du signal. On peut penser au transport
à travers une fibre optique dans laquelle la transparence est
maximale dans le domaine des infrarouges, d’où l’intérêt de
transporter le signal utile via une modulation d’un faisceau infra-
rouge.
• se protéger des signaux bruités. En général tout dispositif de
traitement du signal produit du bruit surtout à basse fréquence.
Moduler un signal utile permet de le déplacer dans un domaine
fréquentiel épargné par le bruit ; il suffit alors d’opérer un filtrage
passe-haut pour récupérer le signal modulé exempt de bruit puis
de procéder à une démodulation.
8.2 Impulsion de Dirac 65
Relation temps-fréquence
Δ𝜈 × Δ𝑡 = 2
Δ𝜈 × Δ𝑡 ∼ 1 ♥ (8.4)
1 1
Δ𝑡 = = s
25 × 625 × 720 11,25 · 106
Dans ces conditions, (8.4) montre que le signal occupe dans l’espace de
Fourier une bande de largeur Δ𝜈 ∼ 10 MHz. Les signaux de télévision
étant véhiculés par des ondes hertziennes (autour de 200 MHz), on
comprend pourquoi on ne peut recevoir qu’un nombre relativement
limité de canaux.
Définition
𝛿(𝑡)
1 et 1
𝛿(𝜈)
1
cos(2𝜋𝜈0 𝑡)
[𝛿(𝜈 − 𝜈0 ) + 𝛿(𝜈 + 𝜈0 )]
2
♥ (8.6)
1
sin(2𝜋𝜈0 𝑡)
[𝛿(𝜈 − 𝜈0 ) − 𝛿(𝜈 + 𝜈0 )]
2𝑖
8.2 Impulsion de Dirac 67
définir une transformée de Fourier d’un tel signal au sens des distribu-
tions. En effet, nous venons de rencontrer les paires de transformées
suivantes :
1
cos(2𝜋𝜈0 𝑡)
[𝛿(𝜈 − 𝜈0 ) + 𝛿(𝜈 + 𝜈0 )]
2
1
sin(2𝜋𝜈0 𝑡)
[𝛿(𝜈 − 𝜈0 ) − 𝛿(𝜈 + 𝜈0 )]
2𝑖
On peut donc écrire par linéarité
∞
Õ 𝑎𝑛 𝑏𝑛
𝑓 (𝜈)
b = 𝑎 0 𝛿(𝜈) + [𝛿(𝜈 − 𝑛𝜈0 ) + 𝛿(𝜈 + 𝑛𝜈0 )] + [𝛿(𝜈 − 𝑛𝜈0 ) − 𝛿(𝜈 + 𝑛𝜈0 )]
𝑛=1
2 2𝑖
∞
Õ 𝑎 𝑛 − 𝑖𝑏 𝑛 𝑎 𝑛 + 𝑖𝑏 𝑛
= 𝑎 0 𝛿(𝜈) + 𝛿(𝜈 − 𝑛𝜈0 ) + 𝛿(𝜈 + 𝑛𝜈0 )
𝑛=1
2 2
∞
Õ
𝑓 (𝜈)
b = 𝑐 𝑛 𝛿(𝜈 − 𝑛𝜈0 )
𝑛=−∞
𝑓 (𝑡) 𝑓 (𝑡)
𝑡 𝑡
−𝑇0 𝑇0 −𝑇0 𝑇0
𝑐𝑛
𝑓b (𝜈)
Or, dans l’intervalle [0,𝑇0 ], on peut remplacer 𝑓 (𝑡) par 𝑚(𝑡). Et comme
𝑚(𝑡) est nulle en dehors cet intervalle, on a
∫
1 1
𝑐𝑛 = 𝑚(𝑡) e−𝑖 2 𝜋 (𝑛𝜈0 )𝑡 d𝑡 = 𝑚 b (𝑛𝜈0 )
𝑇0 R 𝑇0
𝑚(𝑡) 𝑓 (𝑡)
𝑡 𝑡
−𝑇0 𝑇0
0
−5𝑇0
−4𝑇0
−3𝑇0
−2𝑇0
−𝑇0
𝑇0
2𝑇0
3𝑇0
4𝑇0
5𝑇0
En déduire la TF d’un peigne de Dirac de pas 𝑇0 .
F IGURE 8.9 – Peigne de Dirac de pas 𝑇0 .
d 𝑓 (𝑡)
𝑓 (𝜈) = 𝑖𝜔 b
𝑖2𝜋𝜈 b 𝑓 (𝜈)
d𝑡
On obtient
𝛼0 + j𝜔 𝛼1 + . . . + (j𝜔) 𝑛 𝛼𝑛
𝐻 (𝜈) = avec 𝜔 = 2𝜋𝜈
𝛽0 + j𝜔 𝛽1 + . . . + (j𝜔) 𝑚 𝛽𝑚
𝑠 (𝜈) = 𝐻 (𝜈) × b
b 𝑒 (𝜈)
b(𝜈)
𝑔
1
Le spectre en énergie de 𝑔(𝑡) s’écrit = 2 𝑔 (𝜈)| 2
|b . Son graphe a
𝜆 + 4𝜋 2 𝜈 2
la forme d’une courbe en cloche appelée courbe de Lorentz ou lorent-
zienne.
b (𝜈) | 2
|𝐸
Si l’on se restreint aux fréquences positives, le profil spectral est une
lorentzienne centrée sur la fréquence 𝜈0 .
Δ𝜈1/2
b(𝜈)| 2 = 𝐸 0 2 /4
|𝐸
𝜆2 + [2𝜋(𝜈 − 𝜈0 )] 2
𝜈
Sa largeur spectrale est liée au temps de vie de l’état excité 𝜏 = 1/𝜆 via 𝜈0
la relation F IGURE 8.12 – Profil d’une raie ato-
1 mique.
Δ𝜈1/2 × 𝜏 = (8.8)
𝜋
On retrouve la dualité temps-fréquence déjà discutée. D’ailleurs en
multipliant la relation précédente par la constante de Planck ℎ, on
obtient la relation d’indétermination d’Heisenberg
Δ𝐸 × 𝜏 ∼ ℎ̄
𝑡1 𝑡2 𝑡3 𝑡4 𝑡5
F IGURE 8.13 – Forme d’un train d’ondes quasi-harmoniques. Les flèches indiquent les instants de désexcitations aléatoires.
RMN
𝜔 𝜏
𝜔0
Spectre 𝐼
2𝜎
𝜔 𝜏
𝜔0
41. On parle alors de FTIR acronyme an- Cette technique est implémentée dans de nombreux spectrophoto-
glais pour Fourier Transform Infrared Spec- mètres notamment InfraRouge41 , car elle offre une meilleure résolution
troscopy.
que les spectromètres à réseau.
où b
𝑠 (𝜈) est le spectre normalisé de la source. Comme b 𝑠 (𝜈) est une
quantité réelle, le terme d’interférence est la transformée de Fourier
inverse du spectre ; réciproquement le spectre est la transformée de
Fourier du terme d’interférence :
F IGURE 8.17 – Schéma d’un spectropho- ∫ ∫
tomètre 𝑓 (𝜏) = 𝑠 (𝜈) e
b 𝑖2 𝜋𝜈 𝜏
d𝜈
b𝑠 (𝜈) = 𝑓 (𝜏) e−𝑖2 𝜋𝜈 𝜏 d𝜏
R R
8.3 La TF en sciences-physiques 73
P(𝑥, 𝑦)
•
𝑥 𝑦0
→
− M(𝑥 0 , 𝑦0 , 𝑧)
𝑘 •
O 𝜃𝑥
𝜃𝑦
𝑥0
→
− 2𝜋 → + 2𝜋 sin 𝜃 𝑢−
𝑘 = sin 𝜃 𝑥 𝑢−𝑥
→ →
−
𝑦 𝑦 + 𝑘 𝑧 𝑢𝑧
𝜆 𝜆
de sorte que le terme de phase s’écrit
→
− → 2𝜋
𝑘 · −𝑟 = (𝑥 sin 𝜃 𝑥 + 𝑦 sin 𝜃 𝑦 ) = 2𝜋(𝑥𝜈 𝑥 + 𝑦𝜈 𝑦 )
𝜆
où l’on fait intervenir les variables duales (𝜈 𝑥 , 𝜈 𝑦 ) conjuguées43 à (𝑥, 𝑦). 43. De la même façon, pour les signaux
𝜈 𝑥 et 𝜈 𝑦 sont appelées fréquences spatiales. Finalement, l’onde diffractée temporels, la fréquence 𝜈 est conjuguée
→− à la variable 𝑡.
dans la direction 𝑘 s’écrit
∬
→
−
𝜓( 𝑘 ) ∝ 𝑡 (𝑥, 𝑦) e𝑖 2 𝜋 ( 𝑥𝜈𝑥 +𝑦𝜈𝑦 ) d𝑥d𝑦 = TF2d [𝑡 (𝑥, 𝑦)] (8.10)
(𝑆)
Ouvrages
Autres sources
L’alphabet grec
Notation Signification
, relation de définition
∼ égal en ordre de grandeur
𝑓 moyenne temporelle de 𝑓 (𝑡)
𝑓pp amplitude crête-à-crête du signal 𝑓 (𝑡)
𝑓rms valeur efficace du signal 𝑓 (𝑡)
Π𝑎 (𝑡) fonction porte de largeur 𝑎
𝛿(𝑡) impulsion de Dirac
d𝑓
d𝑡 dérivée première par rapport au temps
d𝑛 𝑓
d𝑡 𝑛 dérivée n-ième par rapport au temps
−→ limite lorsque 𝑡 tend vers l’infini, équivalent à lim𝑡→∞
𝑡→∞
𝑧 grandeur complexe
𝑧★ complexe conjuguée
Re(𝑧) partie réelle d’un nombre complexe
Im(𝑧) partie imaginaire d’un nombre complexe
𝑓 (𝜈)
b transformée de Fourier associée à 𝑓 (𝑡) équivalent à ou TF[ 𝑓 (𝑡)]
𝑓 (𝜈 𝑥 , 𝜈 𝑦 )
b transformée de Fourier bi-dimensionnelle associée à 𝑓 (𝑥, 𝑦) équivalent à TF2𝑑 [ 𝑓 (𝑥, 𝑦)]
TF
−
−−
↽−−
−⇀
−− relation de dualité entre le signal et sa transformée de Fourier
TF−1
→
−𝑢 vecteur unitaire
( 𝑢−
→, 𝑢−
→→ −
𝑥 𝑦 , 𝑢𝑧 ) base cartésienne
→ − →−
k 𝐴 k ou 𝐴 norme du vecteur 𝐴
→− −
𝐴𝑧 composante suivant l’axe (O𝑧) = 𝐴 𝑧 = 𝐴 · →
𝑢𝑧
log10 logarithme à base 10