1

TRANSFORMATION DE FOURIER DISCRÈTE

Cours

S. AYAD

Département de Mathématiques
Université Oran 1 Ahmed Ben Bella, Algérie
2
Table des matières

1 L'espace `2 (ZN ) 5
1.1 Dénitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 La base orthogonale des exponentiels complexes de `2 (ZN ) . . . . . . 7
1.4 La base orthonormale de Fourier de `2 (ZN ) . . . . . . . . . . . . . . 12
1.5 La base orthogonale de Fourier de `2 (ZN ) . . . . . . . . . . . . . . . 13

2 La transformée de Fourier discrète 17

2.2 La transformée de Fourier inverse (IDFT) . . . . . . . . . . . . . . . 19
2.5 Dénition de la DFT et de la IDFT avec la base orthonormale de Fourier 21
2.6 La base orthonormale de Fourier réelle . . . . . . . . . . . . . . . . . 23

3 Interprétation matricielle de la DFT et IDFT 25

3.1 La matrice de Vandermonde-Fourier . . . . . . . . . . . . . . . . . . . 25
3.2 La transformée de Fourier rapide (Fast Fourier Transform - FFT) . . 28

3
4 TABLE DES MATIÈRES
Chapitre 1

L'espace `2 (ZN )

Dans la partie du cours de cette année consacrée aux séries de Fourier, on a vu

comment associer à des fonctions périodiques, des suites de coecients de Fourier.
On va s'intéresser ici au raisonnement inverse, à savoir comment obtenir des fonctions
périodiques à partir de suites. Cette approche est importante notamment pour l'étude
des schémas numériques.

1.1 Dénitions et propriétés

Pour introduire l'espace vectoriel sur lequel on travaillera pour construire la
DFT (transformée de Fourier discrète), on considère des vecteurs complexes avec
un nombre N de composantes, 1 < N < +∞, et on interprète un vecteur de CN
comme une suite nie.

On commence par dénir

ZN = {0, 1, 2, . . . , N − 1} ⊆ Z.

Alors, une suite (nie) sur ZN à valeurs complexes est une fonction de la forme

z : ZN → C

j 7→ zj
On notera z(j) = zj . L'espace vectoriel complexe dans lequel on va travailler est
l'ensemble de toutes les suites sur ZN à valeurs complexes :

`2 (ZN ) = {z : ZN → C}.

5
6 CHAPITRE 1. L'ESPACE `2 (ZN )

L'ensemble `2 (ZN ) ( de dimension N ) est un espace vectoriel complexe pour les

opérations de somme et de multiplication par un scalaire usuelles, i.e. étant donnés
z, w ∈ `2 (ZN ) , α ∈ C, la somme et la multiplication par un scalaire complexe sont
dénies comme ceci :
z + w :ZN → C
j 7→ (z + w)(j) = z(j) + w(j)

αz : ZN → C
j → (αz)(j) = αz(j)
En fait, l'application qui associe à chaque suite z ∈ `2 (ZN ) ses images (z(0), z(1), . . . ,
z(N − 1)) :

`2 (ZN ) → CN  
z(0)
 z(1) 
z 7→ (z(0), z(1), . . . , z(N − 1)) =  ..
 
.

 
z(N − 1)

est un isomorphisme linéaire. On utilisera la représentation de z comme vecteur ligne

ou comme vecteur colonne selon nos besoins.
Grâce à l'isomorphisme ci-dessus, on peut dénir la base canonique B de `2 (ZN )
comme l'ensemble des N suites suivantes :

1 k=j
B = (e0 , e1 , . . . , eN −1 ) , ej (k) = δj,k = .
0 k 6= j

On peut introduire un produit scalaire dans `2 (ZN ) par :

N −1
¯
X
hz, wi = z(k)w(k),
k=0

N −1
¯ =
X
Donc z, w ∈ `2 (ZN ) sont orthogonales si et seulement si hz, wi = z(k)w(k)
k=0
0. La norme induite par ce produit scalaire est :

N −1
! 21
X
kzk = |z(k)|2 .
k=0
1.2. LA BASE ORTHOGONALE DES EXPONENTIELS COMPLEXES DE `2 (ZN )7

On aura besoin de considérer aussi les suites N -périodiques. Pour cela, on va étendre
la dénition précèdente de ZN à Z ainsi :

z(j + mN ) = z(j) , ∀j, m ∈ Z.

En pratique, pour déterminer z(j) quand j ∈/ {0, . . . , N − 1}, on doit ajouter à j un

multiple entier de N, qu'on écrit mN, m ∈ Z, tel que ̄ = j + mN ∈ {0, 1, . . . , N − 1}
et on dénit ensuite z(j + mN ) = z(ȳ).

√
Exemple 1. : z ∈ `2 (Z12 ) , z = (1, i, i, 2i, 0, 0, 0, −1, 0, 0, 0, 2), i.e.


 z(0) = 1



 z(1) = z(2)
√ =i
 z(3) = 2i


z(4) = z(5) = z(6) = 0 .
z(7) = −1




z(8) = z(9) = z(10) = 0




z(11) = 2


Déterminons z(−21).
Comme N = 12, on doit chercher l'entier m 6= 0 tel que −21 + 12m ∈ {0, 1, . . . , 11} :


 −21 + 12 = −9 m = 1
−21 + 24 = 3 m=2

−21 + 12m =

 −21 + 36 = 15 m = 3
...


La valeur de m qui fait que −21 + 12m soit inclus dans {0, . . . , 11}
√ est m = 2 et
dans ce cas on a −21 + 2 · 12 = 3, ce qui implique z(−21) = z(3) = 2i.

1.2 La base orthogonale des exponentiels complexes

de `2 (ZN )
Le système de fonctions qu'on va dénir sera essentiel pour le développement de
l'analyse de Fourier discrète.
Avant de dénir ce système, on rappelle que :
1. z ∈ C quelconque, z = ρ[cos α + i sin α] = ρeiα , ρ, α ∈ R, ρ > 0;
8 CHAPITRE 1. L'ESPACE `2 (ZN )

2. Formules de Euler : cos α = 1

2
(eiα + e−iα ) , sin α = 1
2i
(eiα − e−iα ) ;
3. |z| = 1 ⇔ z = eiα ;
4. eiα = ei(α+2πk) , k ∈ Z;
5. Comme cas particulier du point ci-dessus, si α = 0 on trouve :

e2πik = 1 ∀k ∈ Z;

6. eiα eiβ = ei(α+β) ;

n
7. (eiα ) = einα ;
8. (eiα ) = e−iα ;
9. Soit z = ρeiα . Les solutions de l'équation wN = z sont les N racines complexes
√ 22 πm+α
données par la formule : wm = N ρ ei N , m = 0, . . . , N − 1;
10. En particulier :
m
Les racines N -ièmes de l'unité : ωm = e2πi N ,

m = 0, . . . , N − 1.

La dernière information dont on a besoin est la formule de la sommation géométrique,

dénie par
X k
2 k−1 k
Sk = 1 + z + z + . . . + z +z = zj .
j=0

Si z = 1, alors Sk = k + 1. Si z 6= 1, on observe que :

(1 − z)Sk = 1 + z + z 2 + . . . + z k − z + z 2 + . . . + z k + z k+1 = 1 − z k+1 ,

et donc : 
1 − z k+1
si z ∈ C\{1}

k 

1−z
X
zj = .

j=0
si z = 1

 k+1

On considère maintenant les suites de `2 (ZN ) dénies par des exponentiels com-
plexes, comme ceci :

Em :ZN −→ C
n −→ Em (n)
1.2. LA BASE ORTHOGONALE DES EXPONENTIELS COMPLEXES DE `2 (ZN )9

où 
 ε0 (n) = 1
n
2πi N

 E1 (n) = e 2π



E2 (n) = e2πi N .
..
.




 (N −1)n
EN −1 (n) = e2πi N


Donc
 E0 est la suite constante
 E0 (n) ≡ 1, ∀n ∈ ZN ; 
1 2 (N −1)
 E1 est la suite E1 = 1, e 2πi N
, e2πi N , . . . , e2πi N ;
 2 4 2(N −1)

 E2 est la suite E2 = 1, e2πi µ , e2πi N , . . . , e2πi N ;
(N −1)2
 N −1 2(N −1)

 EN −1 est la suite EN −1 = 1, e2πi N , e2πi N , . . . , e2πi N .

La suite générale de l'ensemble est :

mn
Em (n) = e2πi N = (ωm )n ∀m, n = 0, . . . , N − 1,

où (ωm )n est la puissance N -ième des racines N -ièmes de l'unité, ∀n ∈ {0, .., N − 1}.
En fait :
m
n in
(ωm )n = e2πi N = e2πi N .
Grâce à la formule z = eiα = [cos α + i sin α], on sait que le système qu'on vient de
dénir est un ensemble de suites de valeurs qui oscillent avec des fréquences dié-
rentes, car les arguments des fonctions cos et sin changent avec les coecients m et n.

Il est plus important de démontrer que le système des exponentiels qu'on vient de
dénir est une base orthogonale de `2 (ZN ) . La preuve nécessite un lemme prélimi-
naire.
Lemme 1.3. Pour tout j, k ∈ {0, 1, . . . , N − 1}, on a la formule :
N −1 N −1 
X
2πin i−k
X k−j N j=k
e N = e2πin N = N δj,k = . (1.1)
0 j 6= k
n=0 n=0

Preuve 1. On fait la preuve pour la première sommation. La même demonstration

vaut aussi pour la deuxième. On commence par utiliser les propriétés des exponentiels
complexes pour réécrire la formule comme ceci :
N −1 N −1  n
k
2πin Ni 2πi tN
X X
e = e .
n=0 n=0
10 CHAPITRE 1. L'ESPACE `2 (ZN )

On analyse les deux cas suivants :

1
 Si j = k, les exponentiels dans la somme sont égaux à 1, car e2πi N = 1. Donc
N −1 N −1
X i−j X
e2πin N = 1 = N.
n=0 n=0

 Si j 6= k, les exponentiels sont 6= 1. On a donc, grâce à la formule de la

sommation géométrique :
j−k N −1+1
 
2πi
N
X−1
i−k n
 1− e N

e2πi N = Lk
n=0 1 − e2πi N
U −k
1 − e2πi ( N )
=
1 − e2πi(j−k)
1 − e2πi(j−k)
= 2−k .
1 − e2πi N
Comme j − k = m ∈ Z, e2πi(j−k) = 1. Ainsi le numérateur de la dernière
formule est 0, si j 6= k.

Maintenant on peut démontrer facilement que E est une base orthogonale de `2 (ZN ).

Théorème 1.3.1. La famille E = (E0 , . . . , EN −1 ) est une base orthogonale de `2 (ZN ).

Preuve 2. Puisque E est donné par N éléments d'un espace vectoriel N dimensionnel
avec produit scalaire, donc si on prouve que E est une famille orthogonale, on aura
démontré le théorème.
En fait, on sait qu'une famille orthogonale est libre et qu'une une famille libre de N
vecteurs dans un espace vectoriel de dimension N est une base. On va donc calculer
les produits scalaires hEj , Ek i , ∀j, k ∈ {0, . . . , N − 1} :
N −1 N −1
k kπ
X X
hEj , Ek i = εj (n)Ek (n) = e2πi N e−2πi N
n=0 n=0
N −1
X (−k+k)n
= e2πi N = N δj,k ,
n=0
1.2. LA BASE ORTHOGONALE DES EXPONENTIELS COMPLEXES DE `2 (ZN )11

avec l'utilisation du Lemme 1.1 dans la dernière égalité. On a ainsi

hEj , Ek i = N δj,k ,

i.e. les éléments de la base sont orthogonaux entre eux.

Si dans l'équation hEj , Ek i = N δj,k , on considère j = k = m, on a alors hEm , Em i =

N δm,m = N . D'où
√
|Em |2 = N , kEm k = N , ∀m ∈ {0, 1, . . . , N − 1}.

On va donner deux exemples dans lesquels les exponentiels complexes ont une expres-
sion particulièrement simple : N = 2 et N = 4 (N = 3 ne donne pas une expression
de la base orthonormale de Fourier simple).
m.n
 Le cas N = 2 et `2 (Z2 ) = {z = (z(0), z(1)) ∈ C2 }. Alors Em (n) = e2πi 2 et
donc :  
2πi 0.0 , 2πi 0.1
P our m = 0, E0 = e 2 ,e 2 = (1, 1),
 1.0 1.1

et pour m = 1, E1 = e2πi 2 , e2πi 2 = 1, eπi .

Mais eπi = cos(π) + i sin(π) = −1, donc E1 = (1, −1). Alors

E = ((1, 1), (1, −1)) (1.2)

est la base des exponentiels complexes de `2 (Z2 ) .

 Le cas N = 4 et `2 (Z4 ) = {z = (z(0), z(1), z(2), z(3)) ∈ C4 }. La base des

exponentiels complexes est alors :

E = ((1, 1, 1, 1), (1, i, −1, −i), (1, −1, 1, −1), (1, −i, −1, i)). (1.3)
Quelques Résultats
Soit z, w ∈ `2 (ZN ) quelconques. On a alors :
12 CHAPITRE 1. L'ESPACE `2 (ZN )

 La décomposition sur la base orthogonale E :

N −1
X < z, εm >
z= εm ; (1.4)
m=0
N

 Identité de Parseval pour la base orthogonale E :

N −1
X hz, Em i hEm,w i
hz, wi = ; (1.5)
m=0
N

 Identité de Plancherel pour la base orthogonale de E :

N −1
X |hz, Em i|2
|z|2 = . (1.6)
m=0
N

1.4 La base orthonormale de Fourier de `2 (ZN )

On appelle base orthonormale de Fourier de `2 (ZN ), l'ensemble E = (E0 , E1 , E2 , . . . , EN −1 )
des N suites Em ∈ `2 (ZN ), i.e.

Em : ZN −→ C
n 7−→ Em (n),

qui vérient
√1


 E0 (n) = N



n

E1 (n) = √1 e2πi N



 N

2n

 E2 (n) = √1 e2πi N
N
..


.




 (N −1)n
√1 e2πi N

EN −1 (n) = .

N

La suite générale de la base orthonormale de Fourier est :

1 mn 1
Em (n) = √ e2πi N = √ (ωm )n , ∀m, n = 0, . . . , N − 1,
N N
et la formule d'orthonormalité hEj , Ek i = δj,k est valide.
 13

Grâce aux formules ( 1.2) et ( 1.3), on peut dire que :

1
E = √ ((1, 1), (1, −1)) (1.7)
2
est la base orthonormale de Fourier de `2 (Z2 ) et

1
E = ((1, 1, 1, 1), (1, i, −1, −i), (1, −1, 1, −1), (1, −i, −1, i)) (1.8)
2

est la base orthonormale de Fourier de `2 (Z4 ) .

Quelques résultats
Soit z, w ∈ `2 (ZN ) quelconques. On a alors :

 La décomposition sur la base orthonormale de Fourier :

N
X −1
z= hz, Em i Em ; (1.9)
m=0

 Identité de Parseval :
N
X −1
hz, wi = hz, Em i hEm , wi ; (1.10)
m=0

 Identité de Plancherel :
N
X −1
kzk =2
|hz, Em i|2 . (1.11)
m=0

1.5 La base orthogonale de Fourier de `2 (ZN )

On appelle base orthogonale de Fourier de `2 (ZN ), l'ensemble :

F = (F0 , F1 , F2 , . . . , FN −1 )
des N suites Fm ∈ `2 (ZN )
Fm : ZN −→ C
n 7−→ Fm (n)
14

où
F0 (n) = N1

 n
1 2πi N

 F1 (n) = N1 e 2n



F2 (n) = N e2πi N
..
.




 (N −1)n
FN −1 (n) = N1 e2πi N .


La suite générale de la base orthogonale de Fourier est alors :

1 2πi mn 1
Fm (n) = e N = (ωm )n , ∀m, n = 0, . . . , N − 1.
N N
Les relations entre les trois bases E, E et F sont les suivantes :
Em Em Em
Em = √ , Fm = , Fm = √ , ∀m ∈ {0, 1, . . . , N }. (1.12)
N N N
Grâce aux formules ci-dessus, on peut calculer facilement les bases orthogonales de
Fourier de `2 (Z2 ) et de `2 (Z4 ) :

 Base orthogonale de Fourier de `2 (Z2 ) :

1
F = ((1, 1), (1, −1)), (1.13)
2
 Base orthogonale de Fourier de `2 (Z4 ) :
1
F = ((1, 1, 1, 1), (1, i, −1, −i), (1, −1, 1, −1), (1, −i, −1, i)). (1.14)
4
Toujours grâce à (1.12), on peut déterminer l'équivalent des formules (1.9) (ou 1.4),
(1.10) (ou 1.5) et (1.11) (ou 1.6) pour deux éléments z, w ∈ `2 (ZN ) quelconques :

 Décomposition sur la base orthogonale de Fourier :

N
X −1
z=N hz, Fm i Fm ;
m=0

 Identité de Parseval pour la base orthogonale de Fourier :

N
X −1
hz, wi = N hz, Fm i hFm , wi ;
m=0
1.5. LA BASE ORTHOGONALE DE FOURIER DE `2 (ZN ) 15

 Identité de Plancherel pour la base orthogonale de Fourier :

N
X −1
||z||2 = N |hz, Fm i|2 .
m=0

On résume dans la table suivante la diérence entre les bases et les formules :
mn 1 mn 1 mn
Em (n) = e2πi N , Em (n) = √ e2πi N , Fm (n) = e2πi N
N N

Base Décomposition Identité de Parseval Identité de Plancherel

N −1
X hz, Em i P −1 hz,Em iEm,w i P −1 |hz,Em i|2
E z= Em hz, wi = N m=0 N
kzk2 = N m=0 N
m=0
N
N
X −1
PN −1 2
|hz, Em i|2
P
E z= m=0 hz, Em i Em hz, wi = m=0 hz, Em i hEm , wi ||z|| =
m=0
N
X −1
PN −1 PN −1
F z=N hz, Fm i Fm hz, wi = m=0 hz, Em i hEm , wi kzk2 = N m=0 |hz, Fm i|2
m=0
16
Chapitre 2

La transformée de Fourier discrète

La défnition de la transformée de Fourier discrète change selon les auteurs et les

applications. Les deux défnitions les plus répandues utilisent la base orthonormale
E et un mélange des bases orthogonales E et F . Les deux choix sont utiles selon les
besoins d'application :

 Utiliser la base orthonormale E permet d'obtenir des opérateurs unitaires.

 Utiliser un mélange des bases orthogonales E et F permet de simplifer beau-
coup de formules, notamment la formule de la convolution, qui est très utilisée
dans les applications.

On commence par reconsidérer la décomposition :

N −1 N −1
X hz, Em i X Em
z= Em = hz, Em i .
m=0
N m=0
N

On sait que Em /N = Fm . Donc :

N
X −1
z= hz, Em i Fm ,
m=0

i.e. on peut décomposer un élément z ∈ `2 (ZN ) quelconque sur la base orthogonale

de Fourier F avec des composantes données par les produits scalaires de z avec les
éléments de la base E .

17
18 CHAPITRE 2. LA TRANSFORMÉE DE FOURIER DISCRÈTE

En rappelant la dénition du produit scalaire de z ∈ `2 (ZN ), on peut écrire :

N
X −1 N
X −1
mn

hz, Em i = z(n) (Em (n)) = z(n) e2πi N
n=0 n=0
N −1
mn
X
= z(n) e−2πi N .
n=0

Dénition 2.1. Soit z ∈ `2 (ZN ) quelconque. On appelle les valeurs complexes

hz, Em i , m ∈ {0, 1, . . . , N − 1}, les coecients de Fourier de z , qu'on écrit avec
ẑ(m). Autrement dit, on a :

N −1
mn
X
ẑ(m) = z(n) e−2πi N  Coecients de Fourier de z , (2.1)
n=0

et on écrit avec ẑ ∈ `2 (ZN ), la suite des coecients de Fourier de z :

ẑ = (ẑ(0), ẑ(1), ẑ(2), . . . , ẑ(N − 1)). (2.2)

On appelle l'opérateur linéaire qui transforme z ∈ `2 (ZN ) en la suite ẑ ∈ `2 (ZN ) de

ses coecients de Fourier, i.e.

DF T ≡ ˆ : `2 (ZN ) → `2 (ZN ) ,
z 7→ DFT(z) ≡ ẑ,
avec
N −1
mn
X
ẑ(m) = z(n)e−2πi N , ∀m ∈ {0, 1, . . . , N − 1},
n=0

la transformée de Fourier discrète, qu'on écrira DFT (Discrete Fourier Transform).

Avec la dénition ci-dessus, on peut écrire la décomposition de z comme ceci :
N
X −1
z= ẑ(m)Fm , (2.3)
m=0

i.e. les coecients de Fourier de z sont les composantes de z dans la base orthogonale
de Fourier F :

ẑ = [z]F . (2.4)
2.2. LA TRANSFORMÉE DE FOURIER INVERSE (IDFT) 19

Si on utilise la notion qu'on vient d'introduire, on peut réécrire le théorème de décom-

position sur la base orthonormale de Fourier et les identités de Parseval et Plancherel
comme cela :

 Décomposition de z sur la base orthogonale de Fourier :

N −1
1 X mn
z(n) = ẑ(m)e2πi N , ∀n = 0, 1, . . . , N − 1; (2.5)
N m=0
 Identité de Parseval :
N −1
1 X 1
hz, wi = ẑ(m)(ŵ(m)) = hẑ, ŵi; (2.6)
N m=0 N
 Identité de Plancherel :
N −1
1 X 1
kzk2 = |ẑ(m)|2 = kẑk2 . (2.7)
N m=0 N

2.2 La transformée de Fourier inverse (IDFT)

Il est intéressant de comparer les formules :
N −1 N −1
X
−2πi mn 1 X mn
ẑ(m) = z(n)e N , z(n) = ẑ(m)e2πi N , ∀n, m ∈ {0, 1, . . . , N − 1}.
n=0
N m=0
La première relation montre que, si on connait les valeurs z(n), alors on peut recons-
truire les valeurs ẑ(m) grâce à la formule ( 1.15).
La deuxième relation montre que, si on connait les valeurs ẑ(m), alors on peut re-
construire les valeurs z(n) grâce à la formule ( 1.19).
Ceci montre une "dualité" entre les deux formules : on peut passer de la suite z à la
suite ẑ et inversement, via les relations ( 1.15) et ( 1.19).
On va formaliser cette dualité avec la dénition et le théorème qui suivent.
Dénition 2.3. On appelle l'opérateur linéaire :
IDF T ≡ ˇ : `2 (ZN ) → `2 (ZN )
z 7→ IDFT(z) ≡ ž,
N −1
1 X mn
ẑ(n) = z(m)e2πi N , ∀n ∈ {0, 1, . . . , N − 1},
N m=0
20 CHAPITRE 2. LA TRANSFORMÉE DE FOURIER DISCRÈTE

la transformée de Fourier discrète inverse, qu'on écrira IDFT (Inverse Discrete Fou-
rier Transform).

Théorème 2.3.1. La IDFT est l'opérateur linéaire inverse de la DFT est vice-versa :
IDF T = DF T −1 , DF T = IDF T −1 ,

autrement dit :
ẑˇ = z, žˆ = z ∀z ∈ `2 (ZN ) .

Preuve 3. On doit démontrer que la composition entre DFT et IDFT et entre IDFT
et DFT donne l'opérateur identité, i.e. DF T ◦ IDF T = IDF T ◦ DF T = id, avec
id(z) = z , ∀z ∈ `2 (ZN ) .

On commence par vérier que, si on a une suite z ∈ `2 (ZN ) quelconque, et si on

applique la DFT pour obtenir la suite des coecients de Fourier ẑ ∈ `2 (ZN ), alors
on peut revenir à la suite initiale via l'application IDFT :

`2 (ZN ) −→ `2 (ZN ) −→ `2 (ZN )

DFT IDFT
z 7−→ ẑ 7−→ ẑˇ = z.
Avant d'écrire la composition, on souligne qu'il ne faut pas confondre l'indice de
sommation, dont le symbole n'a aucune importance, avec les variables xées n, m de
ž(n) et ẑ(m). Pour éviter ce problème, on utilise j comme symbôle de sommation de
la première transformation, qui est celle écrite à l'intérieur de l'expression composée :
−1 −1 N −1
N N
!
1 1 m
z(j)e −2πi N ) e2πi N
mn mn
X X X
ˇ
ẑ(n) = ẑ(m)e2πi N =
N m=0 N m=0 j=0
N −1 N −1
1 XX n−j
= z(j)e2πim N
N m=0 j=0
N −1 −1
N
!
1 X X
2πim n−j
= z(j) e N
N j=0 m=0
N −1
1 X
= z(j)N δj,n
N j=0
= z(n), ∀n ∈ {0, 1, . . . , N − 1}.
2.5. DÉFINITION DE LA DFT ET DE LA IDFT AVEC LA BASE ORTHONORMALE DE FOURIER 21

Maintenant, on vérie que la composition inverse donne encore l'identité :

`2 (ZN ) −→ `2 (ZN ) −→ `2 (ZN )

IDFT DFT
z 7−→ ž 7−→ žˆ = z.
−1 −1 N −1
N N
!
X mn
X 1 X n mn
žˆ(m) = z̃(n)e−2πi N = z(j)e2πi N e−2πi N
n=0 n=0
N j=0
N −1 N −1
1 X X j−m
= z(j)e2πin N
N n=0 j=0
−1 −1
N N
!
1 X X
2πin j−m
= z(j) e N
N j=0 n=0
N −1
1 X
= z(j)N δj,m .
N j=0
= z(m), ∀m ∈ {0, 1, . . . , N − 1}.
ˇ
Donc, ẑ(n) = z(n) = žˆ(m), ∀n, m ∈ {0, 1, . . . , N − 1}, et le théorème est prouvé.


Notons la grande similarité entre DFT et IDFT : seuls le coecient 1/N et le signe
de l'exponentiel complexe changent.

Nous avons ainsi démontré les formules suivantes :

PN −1 mn
ˇ
ẑ(n) = 1
ẑ(m)e2πi N = z(n) , ∀n ∈ ZN ,
N m=0
PN −1 mn
žˆ(m) = n=0 ž(n)e−2πi N = z(m) ∀m ∈ ZN
Dénition 2.4. On appelle le couple (z, ẑ) ∈ `2 (ZN )×`2 (ZN ) un couple de Fourier.

2.5 Dénition de la DFT et de la IDFT avec la base

orthonormale de Fourier
Une dénition alternative des coecients de Fourier, DFT et IDFT, qu'on trouve
surtout dans la littérature mathématique plus théorique, utilise la base orthonormale
22 CHAPITRE 2. LA TRANSFORMÉE DE FOURIER DISCRÈTE

de Fourier E :
Analyse de fourier discrète orthonormal : Soit z, w ∈ `2 (ZN ). Alors
 Coecients de Fourier :

N −1
1 X mn
ẑ(m) = √ z(n)e−2πi N . (2.8)
N n=0
 Décomposition sur la base orthonormale de Fourier :

N −1
1 X mn
z(m) = √ ẑ(n)e2πi N .
N n=0

 DFT :
N −1
1 X mn
ẑ(m) = √ z(n)e−2πi N , ∀m ∈ {0, 1, . . . , N − 1}.
N n=0
 IDFT :
N −1
1 X mn
ž(n) = √ z(m)e2πi N , ∀n ∈ {0, 1, . . . , N − 1}.
N n=0
 Identité de Parseval :
N
X −1
hz, wi = ẑ(m)(ŵ(m)) = hẑ, ŵi.
m=0

 Identité de Plancherel :
N
X −1
2
kzk = |ẑ(m)|2 = kẑk2 .
m=0

On voit que l'avantage le plus important d'utiliser la base orthonormale de Fourier

pour défnir les objets de l'analyse de Fourier discrète est que la DFT et la IDFT
sont des opérateurs qui conservent le produit scalaire, et donc aussi la norme, par
conséquent, ils sont représentés avec des matrices unitaires.

On observe aussi que, indépendemment de la dénition qu'on utilise, le produit des

coecients de ẑ et ž doit toujours être égale à 1/N pour garantir que IDF T =
DF T −1 .
2.6. LA BASE ORTHONORMALE DE FOURIER RÉELLE 23

2.6 La base orthonormale de Fourier réelle

On peut écrire la base de Fourier et la DFT avec une notation réelle. L'avantage
d'avoir une base de Fourier réelle est que, si z est réel, alors on peut éviter l'intro-
duction de composantes imaginaires. Par ailleurs, on considère la base de Fourier
orthonormale pour simplier les formules.

Il faut distinguer les cas N pair ou N impair. On commence par le cas N pair :
N = 2M , M ∈ N, M > 1. Alors, pour tout n = 0, 1, . . . , N − 1, on écrit :

c0 (n) = √1N


 q

 cm (n) = N2 cos 2πmn


, m = 1, 2, . . . , M − 1


N
 N  n
2π 2 n

 cM (n) = √1N cos N
= (−1)
√
N

 q
2 2πmn


 s (n) =
m sin
N
, m = 1, 2, . . . , M − 1.
N

Si N = 2M + 1, on dénit encore c0 , cm et sm comme ci-dessus, mais bien sûr le cas

m = N/2 ne doit pas être considéré car N/2 dans ce cas n'est pas un nombre entier.

Théorème 2.6.1. L'ensemble {c0 , c1 , . . . , cM −1 , cM , s1 , . . . , sM −1 } pour N = 2M (ou

l'ensemble {c0 , c1 , . . . , cM −1 , s1 , . . . , sM −1 } pour N = 2M + 1) est une base orthonor-
male de `2 (ZN ). Donc, pour tout z ∈ `2 (ZN ), on a :

M
X M
X −1
z= hz, cm i cm + hz, sm i sm (N = 2M ),
m=0 m=1
M
X −1 M
X −1
z= hz, cm i cm + hz, sm i sm (N = 2M + 1).
m=0 m=1

Dénition 2.7. On appelle base orthonormale réelle de Fourier de `2 (ZN ), l'en-

semble de suites de `2 (ZN ) {c0 , c1 , . . . , cM −1 , cM , s1 , . . . , sM −1 }, quand N = 2M, ou
l'ensemble de suites de `2 (ZN ) {c0 , c1 , . . . , cM −1 , s1 , . . . , sM −1 }, quand N = 2M + 1.

La relation de cette dénition avec les coecients de Fourier est donnée par les for-
mules suivantes :
24 CHAPITRE 2. LA TRANSFORMÉE DE FOURIER DISCRÈTE



 hz, c0 i = ẑ(0)
√
N
 ξ(M )
hz, c i =


 M √
 N
√ 1 (ẑ(m) + ẑ(N − m)), m = 1, 2, . . . , M − 1




 hz, c m i = 2N
hz, sm i = √−i (ẑ(m) − ẑ(N − m)), m = 1, 2, . . . , M − 1

√ 2N


 ẑ(0) = √ N hz, c0 i
ẑ(M ) = pN hz, cM i








 ẑ(m) = pN/2 (hz, cm i − i hz, sm i) , m = 1, 2, . . . , M − 1
ẑ(m) = N/2 (hz, cN −m i + i hz, sN −m i) , m = M + 1, M + 2, . . . , N − 1.

Chapitre 3

Interprétation matricielle de la DFT

et IDFT

3.1 La matrice de Vandermonde-Fourier

Par dénition, la DFT transforme les suites de z ∈ `2 (ZN ), représentées dans la
base canonique B de `2 (ZN ), en suites de `2 (ZN ) représentées dans la base orthogo-
nale F de Fourier de `2 (ZN ) (1.17) :

DFT : `2 (ZN ) −→ `2 (ZN )

z = [z]B 7−→ DFT(z) = ẑ = [z]F

Donc, la DFT est l'opérateur de passage de la base canonique B de `2 (ZN ) à la

base de Fourier F de `2 (ZN ) et, par conséquent, la IDFT est l'opérateur de passage
inverse, de F à B .

On veut trouver la représentation matricielle des opérateurs linéaires DFT et IDFT.

Pour cela, on introduit une notation habituelle dans la littérature relative à la DFT :
2πi
ωN = e− N . Grâce aux propriétés des exponentiels complexes, on peut écrire :
mn
(ωN )mn = e−2πi N ,

et donc les coecients de Fourier peuvent être réécrits comme ceci :

N −1 N −1
−2πi mn
X X
ẑ(m) = z(n)e N = z(n)(ωN )mn .
n=0 n=0

25
26 CHAPITRE 3. INTERPRÉTATION MATRICIELLE DE LA DFT ET IDFT

On dénit la matrice WN qui a comme éléments (ωN )mn :

Wmn = (ωN )mn ,

i.e. explicitement :
 
1 1 1 1 ... 1
2 3 N −1
 1 ωN ωN ωN ··· ωN 
2N −1
 2 4 6

 1 ωN ωN ωN ... ωN 
WN =  .
 3N −1

3 6 9
1 ωN ωN ωN ... ωN
.. .. .. .. .. ..
 
. . . . . .
 
 
N −1 2(N −1) 3(N −1) (N −1)(N −1)
1 ωN ωN ωN . . . ωN
Cette matrice N × N est dite matrice de Vandermonde-Fourier. Elle est symétrique :
WN = WNt , i.e. Wmn = Wnm (ce qui est une conséquence évidente de la dénition de
Wmn car (ωN )mn = (ωN )nm ) et chaque ligne ou colonne est donnée par la progression
géométrique d'une puissance de ωN .

La convention quand on considère WN , consiste à considérer la variabilité de l'index

des lignes et des colonnes entre 0 et N − 1 (au lieu de la variabilité canonique de 1
jusqu'à N ). C'est grâce à cette convention qu'on a tous les éléments de la première
ligne (m = 0) et de la première colonne (n = 0) égaux à1.

Si on applique WN à z identié avec un vecteur colonne de CN , alors par déni-

tion du produit matriciel, on obtient un vecteur WN z dont la m -ième composante
(WN z) (m) est donnée par :
N −1 N −1
mn
X X
(WN z) (m) = Wmn z(n) = z(n)e−2πi N = ẑ(m),
n=0 n=0

pour tous m ∈ ZN . Donc :

ẑ = WN z, ∀z ∈ `2 (ZN ) .
Avec les mêmes considérations, on peut vérier que la IDFT est implémentée via la
matrice conjuguée de WN normalisée par le coecient 1/N (la transposition n'est
pas nécessaire car WN est symétrique) :
1
WN−1 = (WN ), ž = WN−1 z, ∀z ∈ `2 (ZN ) .
N
3.1. LA MATRICE DE VANDERMONDE-FOURIER 27

WN est la matrice de passage de la base de B à F et WN−1 = 1

N
(WN ) est la matrice
de passage de base de F à B .

Observation : Si on utilise la dénition de DFT correspondant à l'eq. (1.22), i.e.√via

la base orthonormale de Fourier, alors la matrice associée devient WN = WN / N ,
qui est une matrice unitaire, et donc sa matrice inverse est (W̃N ).

Exemple 2.  N = 2 : ω2 = e−2πi/2 = e−iπ = cos(π) − i sin(π) = −1, donc

 
1 1
W2 = ,
1 −1

d'où :  
1 1 1
W2−1 = .
2 1 −1

 N = 4 : ω4 = e−2πi/4 = e−iπ/2 = cos(π/2) − i sin(π/2) = −i, donc

 
1 1 1 1
 1 −i (−i)2 (−i)3 
W4 =  1 (−i)2 (−i)4 (−i)6  ,


1 (−i)3 (−i)6 (−i)9

d'où  
1 1 1 1
 1 −i −1 i 
W4 = 
 1 −1 1 −1  .
 (3.1)
1 i −1 −i
La matrice inverse est :
 
1 1 1 1
1  1 −i −1 i 
W4−1 =  . (3.2)
4  1 −1 1 −1 
1 i −1 −i

On observe que la matrice W4−1 a comme colonnes la base orthogonale F de `2 (Z4 )

comme vu dans la formule eq. (1.14), ce qui est cohérent avec le fait qu'elle est la
matrice de passage de la base orthogonale F à la base canonique de `2 (Z4 ) .
28 CHAPITRE 3. INTERPRÉTATION MATRICIELLE DE LA DFT ET IDFT

3.2 La transformée de Fourier rapide (Fast Fourier

Transform - FFT)
On vient de voir que l'action de la DFT sur un signal z ∈ `2 (ZN ) peut être
représentée comme un produit matriciel. Par conséquent, on a besoin de calculer N
multiplications pour chaque élément ẑ(m) de la suite ẑ ∈ `2 (ZN ) . Comme ẑ a N
composantes, l'algorithme de calcul de la DFT a une complexité de O (N 2 ) .

Pour des signaux de grande dimension, cette complexité implique que la DFT est très
lente, c'est pour cela que la transformée de Fourier a été utilisée presque seulement
dans un cadre théorique, plutôt que dans les applications, jusqu'aux années 60.

Néanmoins, Cooley et Tukey ont utilisé des symétries cachées dans la DFT pour
construire un algorithme rapide pour le calcul de la DFT, qu'ils ont appelé l'algo-
rithme Fast Fourier Transform  FFT .
La FFT a une complexité de l'ordre de O(N log N ) et elle permet de calculer la
transformée de Fourier d'un signal de grande dimension dans l'ordre d'une fraction
de secondes avec les ordinateurs modernes.

En particulier, la FFT est très ecace quand la dimension des signaux est une puis-
sance de 2. Cela explique pourquoi le format typique des images numériques est de
512 ou 1024, comme ceci on peut manipuler ces images ecacement avec la FFT.

Le dévelopement de la FFT est considéré comme une des plus grandes avancées
scientiques du XXème siècle, car il a permis d'utiliser dans une quantité énorme
d'applications pratiques la transformée de Fourier.