Lecture Slides Reichert

Espace de Hilbert
Cours 1
Espace de Hilbert Espace de Hilbert et
séries de Fourier
Introduction et rappels
Mathématiques Générales I Orthogonalité et projection

Bases orthonormées
octobre 2020 Séries de Fourier abstraites

Séries de Fourier
classiques
Séries de Fourier
généralisées
Distributions
Introduction
L’espace D (R) des
fonctions test
0
distributions
Opérations usuelles sur les
distributions
Transformée de Fourier des
distributions
Christian Reichert
INSA Lyon
1.1
Espace de Hilbert
Plan du cours
1 Espace de Hilbert et séries de Fourier

Introduction et rappels Espace de Hilbert et
séries de Fourier
Orthogonalité et projection Introduction et rappels
Orthogonalité et projection
Bases orthonormées Bases orthonormées
Séries de Fourier abstraites
Séries de Fourier abstraites Séries de Fourier
classiques
Séries de Fourier classiques Séries de Fourier
généralisées
Séries de Fourier généralisées Distributions
Introduction
fonctions test
2 Distributions 0
distributions
Introduction Opérations usuelles sur les
distributions
L’espace D(R) des fonctions test Transformée de Fourier des
distributions
L’espace D 0 (R) des distributions
Opérations usuelles sur les distributions
Transformée de Fourier des distributions
1.2
Espace de Hilbert
Introduction du module
Espace de Hilbert et
séries de Fourier
Le module MA1 se compose de deux parties : Introduction et rappels
1. Analyse numérique Bases orthonormées

Séries de Fourier
2. Mathématiques générales classiques
Séries de Fourier
Contrôles : généralisées
Distributions
DS de février d’analyse numérique (0.35) Introduction
fonctions test
DS de février de maths générales (0.5) 0
distributions
TP noté d’analyse numérique (0.15) Opérations usuelles sur les

distributions
distributions
1.3
Espace de Hilbert
Espace vectoriel
Définition Espace de Hilbert et

séries de Fourier
Un espace vectoriel V sur K = R, C est un ensemble muni Introduction et rappels
d’une loi de composition interne d’addition + : V × V → V et Bases orthonormées
d’une loi de composition externe de multiplication · : K × V → V Séries de Fourier
classiques
telles que les propriétés suivantes soient vérifiées : Séries de Fourier
généralisées
(i)
∀u, v ∈ V , α, β ∈ K : αu + βv ∈ V , Distributions
Introduction
(ii)
∀u, v , w ∈ V : u + v = v + u, u + (v + w) = (u + v ) + w, L’espace D (R) des
fonctions test
0
(iii)
∀α, β ∈ K, v ∈ V : α(βv ) = (αβ)v , L’espace D (R) des
distributions
(iv)
∀u, v ∈ V , α, β ∈ K : α(u+v ) = αu+αv , (α+β)v = αv +βv , distributions
(v)
Il existe un élément 0 ∈ V tel que v + 0 = v ∀v ∈ V , distributions
(vi)
1 · v = v ∀v ∈ V .
1.4
Espace de Hilbert
Espace vectoriel
Exemple
séries de Fourier
1 L’espace Kn = {(x1 , . . . , xn ) : xi ∈ K, i = 1, . . . , n} avec les Introduction et rappels
opérations x + y = (x1 + y1 , . . . , xn + yn ), Orthogonalité et projection

Bases orthonormées
αx = (αx1 , . . . , αxn ) et le vecteur 0 = (0, . . . , 0). Séries de Fourier abstraites

Séries de Fourier
L’espace KN = {x = (x0 , x1 , . . .) : xi ∈ K, i ∈ N}.

classiques
2
Séries de Fourier
généralisées
3 L’espace C 0 (K, K) = {f : K → K : f continue} avec les Distributions
opérations (f + g)(x) = f (x) + g(x), (αf )(x) = αf (x) et Introduction

l’élément 0 est la fonction f définie par f (x) = 0 ∀x ∈ K. fonctions test

0
distributions
distributions
Définition Transformée de Fourier des
distributions
Un sous-espace vectoriel W d’un espace vectoriel V est une

partie W ⊂ V , W 6= ∅, telle que 0 ∈ W et
∀α, β ∈ K, w, x ∈ W : αw + βx ∈ W .
1.5
Espace de Hilbert
Espace vectoriel
Exemple
P∞ p
Les espaces `p = x = (xn ) ∈ KN : n=0 |xn | < ∞ sont des
séries de Fourier
N
sous-espaces de K ainsi que l’espace Introduction et rappels
`∞ = x ∈ KN : supn |xn | < ∞ . Ce résultat découle de

Bases orthonormées
l’inégalité de Minkowski (admise), Séries de Fourier
classiques
Pn p 1/p Pn p 1/p Pn p 1/p
k =0 |xk + yk | ≤ k =0 |xk | + k =0 |yk | . Séries de Fourier
généralisées
Distributions
Introduction
Definition 1 L’espace D (R) des

fonctions test
0
Un espace vectoriel V est normé s’il existe une application distributions
k·k : V → R+
0 telle que
distributions
(i)
∀v ∈ V : kv k > 0 si v 6= 0 et k0k = 0, distributions
(ii)
∀α ∈ K, v ∈ V : kαv k = |α| kv k,
(iii)
∀u, v ∈ V : ku + v k ≤ kuk + kv k (inégalité triangulaire).
1.6
Espace de Hilbert
Espace pré-hilbertien
Exemple
On peut munir les espaces `p de la norme
P∞ p 1/p Espace de Hilbert et
kxk`p = n=0 |xn | . séries de Fourier
Bases orthonormées
Définition Séries de Fourier abstraites

Séries de Fourier
classiques
Un espace pré-hilbertien est un espace vectoriel V muni d’un Séries de Fourier
généralisées
produit scalaire (·, ·) : V × V → K ayant les propriétés
Distributions
(i)
∀α ∈ K, u, v ∈ V : (αu, v ) = α (u, v ), Introduction
fonctions test
(ii)
∀u, v , w ∈ V : (u + v , w) = (u, w) + (v , w), 0
distributions
(iii)
∀u, v ∈ V : (u, v ) = (v , u), en particulier, Opérations usuelles sur les
distributions
(u, αv ) = (αv , u) = α(v , u) = α (u, v ), Transformée de Fourier des

distributions
(iv)
(v , v ) ≥ 0 ∀v ∈ V et (v , v ) = 0 ⇔ v = 0.
p
On peut donc définir une norme sur V par kv k = (v , v ).
L’inégalité triangulaire pour cette norme découle de l’inégalité
de Cauchy-Schwarz (voir ci-dessous).
1.7
Espace de Hilbert
Espace de Hilbert
Remarque 2
Un espace pré-hilbertien réel de dimension finie est aussi séries de Fourier
appelé espace euclidien, dans le cas complexe on l’appelle Orthogonalité et projection

Bases orthonormées
aussi espace hermitien. Séries de Fourier abstraites
Séries de Fourier
classiques
Séries de Fourier
Definition 3 généralisées
Distributions
Un espace pré-hilbertien V est un espace de Hilbert s’il est de Introduction
plus complet par rapport à la norme induite par le produit fonctions test
0
scalaire, c’est-à-dire toute suite de Cauchy (vn ), vn ∈ V , distributions
converge vers un élément v ∈ V . On rappelle qu’une suite de distributions
Cauchy vérifie distributions
∀ > 0 ∃N ∈ N : kvn − vk k < si n, k ≥ N .
1.8
Espace de Hilbert
Espace de Hilbert
Exemple
Pn
1 Kn avec le produit scalaire (x, y ) = k =1 xk yk .
Kn est complet par rapport à la norme Espace de Hilbert et
P 1/2 séries de Fourier
n 2
p
kxk = (x, x) = k =0 |xk | . Introduction et rappels
P∞ Bases orthonormées
2 `2 muni du produit scalaire(x, y ) = k =0 xk yk . (voir TD) Séries de Fourier abstraites
Séries de Fourier
0
3 C ([a, b], C), [a, b] ⊂ R, muni du produit scalaire classiques
Séries de Fourier
Rb généralisées
(f , g) = a f (t)g(t) dt est un espace pré-hilbertien, mais Distributions
cet espace n’est pas complet donc ce n’est pas un espace Introduction
de Hilbert. fonctions test
0
distributions
Proposition 4 Opérations usuelles sur les
distributions
Soit V un espace pré-hilbertien. Alors ∀u, v ∈ V Transformée de Fourier des

distributions
(i)
|(u, v )| ≤ kuk kv k (inégalité de Cauchy-Schwarz),
(ii)
ku + v k ≤ kuk + kv k (inégalité triangulaire),
2 2 2 2
(iii)
ku + v k + ku − v k = 2(kuk + kv k ) (règle du
parallélogramme).
1.9
Espace de Hilbert
On dit que deux éléments u, v d’un espace de Hilbert V sont

orthogonaux, u⊥v , si (u, v ) = 0. Une famille {vn }, vn ∈ V , est Espace de Hilbert et
dite orthonormale ou orthonormée si (vi , vj ) = δij où δij = 1 si séries de Fourier
i = j et δij = 0 sinon. Orthogonalité et projection
Bases orthonormées
Soit V un espace de Hilbert et W un sous-espace de V . Le Séries de Fourier abstraites
complément orthogonal W ⊥ = {v ∈ V : (v , w) = 0 ∀w ∈ W } Séries de Fourier

classiques
de W est aussi un sous-espace de V . Séries de Fourier

généralisées
Distributions
Théorème 5 Introduction
fonctions test
Si W est un sous-espace fermé de V (c’est-à-dire la 0
distributions
convergence wn → w, wn ∈ W , n ∈ N, implique w ∈ W ), alors Opérations usuelles sur les
distributions
tout v ∈ V admet une décomposition unique v = w + u où Transformée de Fourier des
w ∈ W et u = v − w ∈ W ⊥ , c’est-à-dire V = W ⊕ W ⊥ . Le
distributions
vecteur w est appelé la projection de v sur W . De plus

kv − wk = kuk est le minimum de {kv − xk : x ∈ W }.
1.10
Espace de Hilbert
Projection
séries de Fourier
Exemple Introduction et rappels
Projection sur un sous-espace de dimension finie : Bases orthonormées

Soit W un sous-espace de dimension finie n (et donc fermé) Séries de Fourier
classiques
engendré par la famille orthonormée {w1 , . . . , wn }, Séries de Fourier
généralisées
(wi , wk ) = δik . Pour calculer la projection w de v ∈ V sur W on Distributions
peut utiliser la condition v − w ∈ W ⊥ . Alors Introduction
fonctions test
0
n
X distributions
w= (v , wi ) wi Opérations usuelles sur les

distributions
i=1 Transformée de Fourier des

distributions
1.11
Bases orthonormées
Cours 2
Bases orthonormées Espace de Hilbert et
séries de Fourier
Mathématiques Générales I Bases orthonormées

Séries de Fourier
classiques
Séries de Fourier
généralisées
Distributions
Introduction
fonctions test
0
distributions
distributions
distributions
Christian Reichert
INSA Lyon
2.12
Bases orthonormées
Plan du cours

Introduction et rappels séries de Fourier

classiques
généralisées
Introduction
fonctions test
2 Distributions 0
distributions
distributions
distributions
2.13
Bases orthonormées
famille libre, dimension
Définition (Famille libre)

Soit V un espace vectoriel. La famille {v1 , . . . , vn } ⊂ V est dite
libre si α1 v1 + . . . + αn vn = 0 seulement pour Espace de Hilbert et
séries de Fourier
α1 = . . . = αn = 0. Dans le cas contraire on dit que la famille Introduction et rappels
est liée. Bases orthonormées
Séries de Fourier
classiques
Définition (dimension) Séries de Fourier
généralisées
Si la taille maximale d’une famille libre de V est n ∈ N on dit Distributions

Introduction
que la dimension de V est n, dim V = n. Si pour tout L’espace D (R) des
fonctions test
n = 1, 2, . . . il y a une famille libre de taille n de V on dit que la 0
distributions
dimension de V est infinie, dim V = ∞. Opérations usuelles sur les
distributions
distributions
Exemple
Soit V = K. Alors dim V = 1.
Soit V = Kn . Alors dim V = n.
Soit V = C 0 [a, b]. Alors dim V = ∞.
2.14
Bases orthonormées
Base en dimension finie
Définition (base, dimension finie)

Soit V un espace vectoriel de dimension finie n. On dit que la séries de Fourier
famille B = {e1 , . . . , en } forme une base de V si tout v ∈ V Orthogonalité et projection
Bases orthonormées
admet une représentation unique Séries de Fourier abstraites
Séries de Fourier
classiques
v = α1 e1 + . . . + αn en , αi ∈ K. Séries de Fourier
généralisées
Distributions
Introduction
Remarque 6 L’espace D (R) des
fonctions test
0
Dans ce cas B est une famille libre. distributions
distributions
Remarque 7 distributions
Dans un espace vectoriel de dimension finie n une famille libre

{e1 , . . . , en } de taille n est une base.
2.15
Bases orthonormées
Base en dimension infinie
En dimension infinie la représentation par une combinaison

linéaire finie d’éléments d’une base s’avère peu utile.
Définition (base, dimension infinie) Espace de Hilbert et
séries de Fourier
Soit V un espace vectoriel normé de dimension infinie. On dit Introduction et rappels
que la famille B = {e0 , e1 , . . .} forme une base de V si tout Bases orthonormées
v ∈ V admet une représentation unique Séries de Fourier abstraites

Séries de Fourier
classiques
Séries de Fourier
∞
X N
X généralisées
v= αi ei = lim αi ei , αi ∈ K, Distributions
N→∞ Introduction
i=0 i=0 L’espace D (R) des
fonctions test
c’est-à-dire 0
distributions
N
X distributions
v− αi ei → 0 (N → ∞). Transformée de Fourier des

distributions
i=0
Si V est un espace de Hilbert et la famille B est orthonormée

on dit que B est une base orthonormée de V ou base
hilbertienne de V .
2.16
Bases orthonormées
Base
Exemple Espace de Hilbert et

séries de Fourier
      Orthogonalité et projection

 1 0 0   Bases orthonormées


 0 1 0  Séries de Fourier abstraites
       Séries de Fourier
0 0 0 classiques
B =  , ,...,  Séries de Fourier
  ..   ..   ..  généralisées


 . .  . 
 Distributions
  Introduction
0 0 1
 
fonctions test
0
n
est la base canonique de K distributions
Soit B = {ek ; k ∈ N} où ek ∈ KN est la suite (ek )i = δki , distributions
c’est-à-dire le terme (ek )i = 1 si k = i et (ek )i = 0 sinon. distributions
Alors B est une base hilbertienne de `2 (voir TD).
2.17
Bases orthonormées
Inégalité de Bessel
Proposition 8 (Pythagore, Bessel)

Soit {ek } une famille orthonormée dans un espace Espace de Hilbert et
séries de Fourier
pré-hilbertien V . Alors Introduction et rappels
n Bases orthonormées
Pn 2 2
X 2 Séries de Fourier abstraites
∀v ∈ V : 0 ≤ v − k =0 (v , ek ) ek = kv k − |(v , ek )| Séries de Fourier
classiques
k =0 Séries de Fourier
généralisées
Distributions
En particulier, si V est de dimension finie n + 1 et {e0 , . . . , en } Introduction
est une base orthonormée on a le théorème de Pythagore : fonctions test
n 0
2 2
X distributions
kv k = |(v , ek )| Opérations usuelles sur les
distributions
k =0 Transformée de Fourier des
distributions
Si V est de dimension infinie on n’a, en général, que l’inégalité

∞
de Bessel X 2 2
|(v , ek )| ≤ kv k
k =0
2.18
Bases orthonormées
Série de Fourier abstraite
Soit {ek } une famille orthonormée dans un espace de Hilbert

V . On appelle série
Pde Fourier abstraite de v ∈ V (par rapport
∞
à {ek }) la somme k =0 (v , ek ) ek = limN→∞ SN où Espace de Hilbert et
PN séries de Fourier
SN = k =0 (v , ek ) ek . SN est donc la projection de v sur le Introduction et rappels
sous-espace engendré par {e0 , . . . , eN } Bases orthonormées
Séries de Fourier
Proposition 9 classiques
Séries de Fourier
La série de Fourier abstraite converge toujours. généralisées
Distributions
Introduction
Proposition 10 fonctions test
0
distributions
Si {ek }k ∈N est une base orthonormée d’un espace de Hilbert Opérations usuelles sur les
distributions
V , alors la série de Fourier abstraite de v ∈ V par rapport à Transformée de Fourier des
distributions
{ek } converge vers v ,
∞
X
v= (v , ek ) ek ∀v ∈ V .
k =0
2.19
Bases orthonormées
Parseval
séries de Fourier
Proposition 11 (relation de Parseval) Bases orthonormées

Si {ek } est une base orthonormée d’un espace de Hilbert V , Séries de Fourier
classiques
alors l’inégalité de Bessel devient une égalite : Séries de Fourier

généralisées
Distributions
∞ Introduction
2 2
X
kv k = |(v , ek )| ∀v ∈ V . fonctions test
0
k =0 distributions
distributions
distributions
2.20
Bases orthonormées
Série de Fourier classique
séries de Fourier
Bases orthonormées
Une fonction f : R → K = R(C), t 7→ f (t), est périodique de Séries de Fourier
classiques
période P si f (t + P) = f (t) ∀t ∈ R. On note L2per (0, 2π; K) Séries de Fourier
généralisées
l’espace des fonctions 2π-périodiques à valeurs dans K telles Distributions
R 2π 2
que 0 |f (t)| dt < ∞. C’est un espace de Hilbert avec le Introduction
R 2π fonctions test
produit scalaire (f , g) = 0 f (t)g(t) dt. Afin d’alléger la 0
distributions
notation nous allons par la suite munir L2per (0, 2π; R) du produit Opérations usuelles sur les
distributions
R 2π
scalaire (f , g) = π1 0 f (t)g(t) dt, respectivement L2per (0, 2π; C) Transformée de Fourier des
distributions
1
R 2π
du produit scalaire (f , g) = 2π 0
f (t)g(t) dt
2.21
Bases orthonormées
Série de Fourier classique
Proposition 12
Dans l’espace L2per (0, 2π; K) on considère les familles {ek }k ∈N Espace de Hilbert et
séries de Fourier
et {ẽk }k ∈N définies par Introduction et rappels
1 Bases orthonormées
K = R : e0 (t) = √ Séries de Fourier abstraites

Séries de Fourier
2 classiques
Séries de Fourier
e2p−1 (t) = cos(pt) e2p (t) = sin(pt), p = 1, 2, . . . généralisées
Distributions
K = C : ẽ0 (t) = 1 Introduction
ipt −ipt
ẽ2p−1 (t) = e ẽ2p (t) = e , p = 1, 2, . . . fonctions test
0
distributions
Ces familles sont orthonormées. distributions
distributions
Théorème 13
Les familles {ek } et {ẽk } constituent des bases orthonormées
de l’espace L2per (0, 2π; R), respectivement L2per (0, 2π; C).
2.22
Séries de Fourier
classiques
Cours 3
Séries de Fourier classiques Espace de Hilbert et
séries de Fourier
Mathématiques Générales I Orthogonalité et projection
octobre 2020 Bases orthonormées

Séries de Fourier
classiques
Séries de Fourier
généralisées
Distributions
Introduction
fonctions test
0
distributions
distributions
distributions
Christian Reichert
INSA Lyon
3.23
Séries de Fourier
Plan du cours classiques

Introduction et rappels Espace de Hilbert et
Orthogonalité et projection séries de Fourier
Bases orthonormées Orthogonalité et projection
Bases orthonormées
Séries de Fourier abstraites Séries de Fourier abstraites
Séries de Fourier
Séries de Fourier classiques classiques
Séries de Fourier
Séries de Fourier généralisées généralisées
Distributions
Introduction
2 Distributions fonctions test
0
Introduction distributions
L’espace D(R) des fonctions test

distributions

distributions

3.24
Séries de Fourier
Série de Fourier classique, cas réel classiques
P∞
Si K = R, alors f = k =0 (f , ek ) ek ∀f ∈ L2per (0, 2π; R) au sens
de l’espace L2per (0, 2π; R).
!
Z 2π
1 1 1
(f , e0 ) e0 = f (t) √ dt √ Espace de Hilbert et
π 0 2 2 séries de Fourier
! Orthogonalité et projection
Z 2π
k = 2p − 1 : (f , ek ) ek = f (t) cos(pt) dt cos(pt) Séries de Fourier abstraites
π 0 Séries de Fourier
classiques
! Séries de Fourier
Z 2π
1 généralisées
k = 2p : (f , ek ) ek = f (t) sin((pt) dt sin(pt) Distributions

π 0 Introduction
fonctions test
0
distributions
On définit les coefficients de Fourier classiques par distributions

distributions
Z 2π
1
an = f (t) cos(nt) dt, n ≥ 0 (1)
π 0
Z 2π
1
bn = f (t) sin(nt) dt, n ≥ 1 (2)
π 0
3.25
Séries de Fourier
Série de Fourier classique classiques
Finalement,
∞
X
f (t) = (f , ek ) ek (t)
k =0 séries de Fourier
∞ Introduction et rappels
1 X Orthogonalité et projection
= Sf (t) = a0 + (an cos(nt) + bn sin(nt)) Bases orthonormées
2 Séries de Fourier abstraites
n=1 Séries de Fourier
classiques
Séries de Fourier
au sens de l’espace L2per (0, 2π; R), c’est-à-dire si généralisées
Distributions
Introduction
N L’espace D (R) des
1 X fonctions test
Sf ,N (t) = a0 + (an cos(nt) + bn sin(nt)) 0
2 distributions
n=1 Opérations usuelles sur les
distributions
est la série de Fourier tronquée, alors distributions
!1/2
Z 2π
1 2
lim f − Sf ,N = lim f (t) − Sf ,N (t) dt = 0.
N→∞ N→∞ π 0
3.26
Séries de Fourier
Série de Fourier classique, cas complexe classiques
Si K = C on trouve de manière similaire que

∞
X N
X
f (t) = cn eint = lim cn eint
N→∞
n=−∞ n=−N
séries de Fourier
au sens de l’espace L2per (0, 2π; C). Ici les coefficients de Fourier Introduction et rappels
classiques sont définis par Bases orthonormées
Z 2π Séries de Fourier
1 −int
classiques
cn = f (t)e dt. Séries de Fourier
2π 0
généralisées
Distributions
Puisqu’on peut considérer R ⊂ C on peut utiliser cette forme Introduction

de la série de Fourier classique aussi quand f ∈ L2per (0, 2π; R). fonctions test
0
Dans ce cas c−n = cn et on a distributions

distributions
1 Transformée de Fourier des
c0 = a0 ⇔ a0 = 2c0 distributions
2
an cos(nt) + bn sin(nt) = cn eint + c−n e−int , n = 1, 2, . . .
⇔ an = cn + c−n , bn = i(cn − c−n )
1 1
⇔ cn = (an − ibn ), c−n = (an + ibn ).
2 2
3.27
Séries de Fourier
Parseval classiques
Dans le cas K = R on trouve, avec les coefficients de Fourier

classiques,
1 Espace de Hilbert et
(f , e0 ) = √ a0 séries de Fourier
2 Introduction et rappels
k = 2p − 1 : (f , ek ) = ap , p = 1, 2, . . . Bases orthonormées
k = 2p : (f , ek ) = bp , p = 1, 2, . . . Séries de Fourier
classiques
Séries de Fourier
généralisées
Donc avec 11 : Distributions
Introduction
∞ ∞
1 2π L’espace D (R) des
Z
2 2
X 2 1 X
|(f , ek )| = a02 + an2 + bn2 .
fonctions test
kf kL2 = |f (t)| dt = 0
per π 0 2 distributions
k =0 n=1 Opérations usuelles sur les
distributions
Dans le cas K = C on a distributions
Z 2π ∞
1 2
X 2
|f (t)| dt = |cn | .
2π 0 n=−∞
3.28
Séries de Fourier
Période quelconque classiques
Soit maintenant f périodique de période P telle que

RP 2 P

0
|f (t)| dt < ∞. Alors g(s) = f 2π s est 2π-périodique et
Z 2π Z P
2 2 2π
|g(s)| ds = |f (t)| dt < ∞ Espace de Hilbert et
0 0 P séries de Fourier
P
avec le changement de variable t = 2π s. On peut développer g Bases orthonormées
2 Séries de Fourier abstraites

en série de Fourier et au sens de Lper (0, 2π, R) on a Séries de Fourier
P∞ classiques
g(s) = a20 + n=1 (an cos(ns) + bn sin(ns)) avec les coefficients Séries de Fourier
généralisées
1. Or Distributions
Introduction
1 2π 1 2π
Z Z L’espace D (R) des
P fonctions test
an = g(s) cos(ns) ds = f s cos(ns) ds 0
π 0 π 0 2π distributions
Z P Z P Opérations usuelles sur les
1 2π 2π 2 distributions
= f (t) cos n t dt = f (t) cos(nωt) dt Transformée de Fourier des

distributions
π 0 P P P 0
2π
où ω = P . Pour bn on a
Z P
2
bn = f (t) sin(nωt) dt
P 0
3.29
Séries de Fourier
Période quelconque classiques
Donc
∞
2π a0 X
f (t) = g t = g(ωt) = + (an cos(nωt) + bn sin(nωt))
P 2
n=1
séries de Fourier
au sens de L2per (0, P; R). Pour le cas K = C on trouve Introduction et rappels
Bases orthonormées
∞ Z P
X
inωt 1 −inωt
f (t) = cn e avec cn = f (t)e dt. Séries de Fourier

classiques
n=−∞
P 0 Séries de Fourier
généralisées
Distributions
En ce qui concerne la relation de Parseval, Introduction
fonctions test
2π ∞
a2 X 2 0
Z
1 2
|g(s)| ds = 0 + (an + bn2 ) distributions
π 0 2 distributions
n=1 Transformée de Fourier des
∞ distributions
2 P a2
Z
2
X
⇔ |f (t)| dt = 0 + (an2 + bn2 )
P 0 2
n=1
∞
1 P a 2
Z
2 1 X
⇔ |f (t)| dt = 0 + (an2 + bn2 ).
P 0 4 2
n=1
3.30
Séries de Fourier
Calcul classiques
Proposition 14
Si f est une fonction P-périodique, intégrable sur tout intervalle
de longeur P, alors
Z P Z a+P séries de Fourier
∀a ∈ R : f (t) dt = f (t) dt. Introduction et rappels
0 a
Bases orthonormées
On peut, par ailleurs, calculer les coefficients de Fourier sur Séries de Fourier
classiques
n’importe quel intervalle de longeur P. Séries de Fourier

généralisées
Distributions
Si la fonction f est paire ou impaire, le calcul de la série de Introduction
Fourier se simplifie. fonctions test
0
Si f est paire, f (−t) = f (t), on a distributions
2 P 2 P/2
Z Z distributions
an = f (t) cos(nωt) dt = f (t) cos(nωt) dt distributions
P 0 P −P/2
4 P/2
Z
= f (t) cos(nωt) dt
P 0
2 P/2
Z
bn = f (t) sin(nωt) dt = 0.
P −P/2 3.31
Séries de Fourier
Calcul classiques
séries de Fourier
Si f est impaire, f (−t) = −f (t), on a Introduction et rappels

Bases orthonormées
Z P/2 Séries de Fourier abstraites
2 Séries de Fourier
an = f (t) cos(nωt) dt = 0 classiques
P −P/2 Séries de Fourier
généralisées
Z P/2 Z P/2
2 4 Distributions
bn = f (t) sin(nωt) dt = f (t) sin(nωt) dt. Introduction
P −P/2 P 0 fonctions test
0
distributions
distributions
distributions
3.32
Séries de Fourier
Convergence ponctuelle classiques
Définition
On dit qu’une fonction f possède une limite à droite (à gauche) Espace de Hilbert et
en t0 , notée f (t0 +) (f (t0 −)), si f (t0 +) = limh→0+ f (t0 + h) existe, séries de Fourier
respectivement f (t0 −) = limh→0+ f (t0 − h) existe. Orthogonalité et projection
Bases orthonormées
Séries de Fourier
Définition classiques
Séries de Fourier
généralisées
On dit qu’une fonction f : [A, B] → R est continûment dérivable
Distributions
par morceaux s’il existe un nombre fini de points Introduction
A = a0 < a1 < . . . < aN = B tels que fonctions test
0
(i)
f est continûment dérivable sur ]A, a0 [, ]a0 , a1 [, ..., ]aN , B[ distributions
et possède une limite à droite en a0 , . . . , aN−1 ainsi qu’une distributions

limite à gauche en a1 , . . . , aN . distributions
(ii)
f 0 possède une limite à droite en a0 , . . . , aN−1 ainsi qu’une
limite à gauche en a1 , . . . , aN .
3.33
Séries de Fourier
Exemple
1 f (t) = Rect(t). En t0 = 1/2 : Rect(t0 +) = 0, Rect(t0 −) = 1. Espace de Hilbert et

séries de Fourier
2 f (t) = Trian(t). Continûment dérivable sur ] − 1, 0[ avec Introduction et rappels
f 0 (t) = 1 et continûment dérivable sur ]0, 1[ avec Bases orthonormées
f 0 (t) = −1, f (0+) = f (0−) = 1, f 0 (0+) = −1, f 0 (0−) = 1.

Séries de Fourier
classiques
Séries de Fourier
généralisées
Théorème 15 (Dirichlet) Distributions

Introduction
Soit f une fonction P-périodique, continûment dérivable par L’espace D (R) des
fonctions test
morceaux sur une période (par exemple [0, P]) Alors la série 0
distributions
de Fourier Sf (t) associée à f converge et on a Opérations usuelles sur les
distributions
distributions
1
∀t0 ∈ R : Sf (t0 ) = [f (t0 +) + f (t0 −)]
2
En particulier, si f est continue en t0 , Sf (t0 ) = f (t0 ).
3.34
Séries de Fourier
Phénomène de Gibbs :
séries de Fourier
Bases orthonormées
Séries de Fourier
classiques
Séries de Fourier
généralisées
Distributions
Introduction
fonctions test
0
distributions
La convergence assurée par le théorème de Dirichlet n’est pas distributions
uniforme. Au voisinage d’un « saut » on peut observer un distributions
dépassement d’environ 9 % des sommes partielles de la série

de Fourier.
3.35
Séries de Fourier
séries de Fourier
Exemple Introduction et rappels
Bases orthonormées
Soit f la fonction P-périodique en dents de scie définie par Séries de Fourier abstraites
Séries de Fourier
( classiques
2t/P si − P/2 < t < P/2 Séries de Fourier

généralisées
f (t) = .
0 si t = P/2 Distributions
Introduction
RP fonctions test
1 2 0
Etudions la convergence de Sf (t) et calculons P 0
|f (t)| dt. L’espace D (R) des
distributions
distributions
distributions
3.36
Séries de Fourier
Exemple Espace de Hilbert et

séries de Fourier
Soit f la fonction 2π-périodique définie par f (t) = π − |t| pour Introduction et rappels
t ∈ [−π, π[, Bases orthonormées
Tracer la fonction f . Séries de Fourier
classiques
Calculer la série de Fourier réelle de f Séries de Fourier

généralisées
Étudier sa convergence. Distributions

Introduction
P∞ 2 L’espace D (R) des
1 π
Montrer que p=0 (2p+1) 2 = 8 . En déduire la valeur de la fonctions test
0
P∞ 1 L’espace D (R) des
distributions
somme p=1 p2 . Opérations usuelles sur les
distributions
P∞ 1
P∞ 1
Déterminer la valeur des séries p=0 (2p+1)4 et p=1 p4 .
distributions
3.37
Séries de Fourier
Procédé de Gram-Schmidt classiques
Soit {xk }k ∈N une famille libre dans un espace de Hilbert V . (En Espace de Hilbert et
séries de Fourier
dimension infinie cela signifie que chaque sous-famille de taille Introduction et rappels
finie {xk1 , . . . , xkN } doit être libre.) On peut construire une Orthogonalité et projection
Bases orthonormées
famille orthogonale {ẽn } à partir de {xk } comme suit : Séries de Fourier abstraites
Séries de Fourier
classiques
ẽ0 = x0 Séries de Fourier

généralisées
n Distributions
X ẽk ẽk Introduction
ẽn+1 = xn+1 − xn+1 , L’espace D (R) des
kẽk k kẽk k fonctions test
k =0 0
distributions
On obtient une famille orthonormée {en } en posant distributions
en = ẽn / kẽn k. distributions
3.38
Séries de Fourier
Polynômes de Legendre classiques
Exemple
Soit V = L2 ([−1, 1]; R) avec le produit scalaire séries de Fourier
R1
(f , g) = −1 f (t)g(t) dt et {xk } = {1, t, t 2 , . . .} : Orthogonalité et projection
Bases orthonormées
2
√ Séries de Fourier
ẽ0 (t) = 1, kẽ0 k = (ẽ0 , ẽ0 ) = 2, e0 (t) = 1/ 2 classiques

Séries de Fourier
généralisées
1 1
Z
1 1 Distributions
ẽ1 (t) = t − t, √ √ =t− t dt = t, Introduction
2 2 2 −1 L’espace D (R) des
r fonctions test
Z 1 0
2 2 3
kẽ1 k = t dt = 2/3, e1 (t) = t distributions
−1 2 distributions
.. distributions
3.39
Séries de Fourier
Polynômes de Legendre classiques
Les polynômes de Legendre {pn } sont les polynômes {ẽn }

ainsi construits multipliés par un facteur de normalisation tel
que pn (1) = 1 ∀n :
séries de Fourier
p0 (t) = 1 Introduction et rappels
p1 (t) = t Bases orthonormées
1
p2 (t) = (3t 2 − 1)
Séries de Fourier
classiques
généralisées
1 3
p3 (t) = (5t − 3t) Distributions
2 Introduction
.. fonctions test
0
. distributions
distributions
On peut montrer qu’avec cette normalisation Transformée de Fourier des

distributions
2
(pi , pk ) = δik ,
2i + 1
2
en particulier, kpi k = 2/(2i + 1).
3.40
Séries de Fourier
Série de Fourier-Legendre classiques
La famille {pk }k ∈N forme une base orthogonale (mais pas

orthonormée) de L2 ([−1, 1]; R). On peut donc développer une
fonction f ∈ L2 ([−1, 1]; R) en série par rapport à {pk } :
séries de Fourier
∞
X Introduction et rappels
f = αk pk Orthogonalité et projection
Bases orthonormées
k =0 Séries de Fourier abstraites
Séries de Fourier
classiques
2
au sens de L ([−1, 1]; R). Cette série est appelée série de Séries de Fourier
généralisées
Fourier-Legendre. Or Distributions
Introduction
∞ ∞
X X 2 2 fonctions test
0
(f , pi ) = αk (pk , pi ) = αk δki = αi . distributions
2k + 1 2i + 1 Opérations usuelles sur les
k =0 k =0 distributions
distributions
Donc Z 1
2i + 1 2i + 1
αi = (f , pi ) = f (t)pi (t) dt
2 2 −1
est le coefficient de Fourier-Legendre.
3.41
Séries de Fourier
Série de Fourier-Legendre classiques
Exemple
Soit f (t) = sin(πt).
Z 1
1 Espace de Hilbert et
α0 = sin(πt)1 dt = 0 séries de Fourier
2 −1 Introduction et rappels
Z1
3 3 Bases orthonormées
α1 = sin(πt)t dt = Séries de Fourier abstraites
2 −1 π Séries de Fourier
classiques
α2 = 0 Séries de Fourier
généralisées
1 Distributions
7(π 2 − 15)
Z
7 1
α3 = sin(πt) (5t 3 − 3t) dt = Introduction
2 −1 2 π3 fonctions test
0
.. distributions
. Opérations usuelles sur les

distributions
distributions
Donc
3 π 2 − 15 1 3
f (t) = sin(πt) = t +7 (5t − 3t) + . . .
π π3 2
au sens de L2 ([−1, 1]; R).
3.42
Distributions
Cours 4
Distributions Espace de Hilbert et
séries de Fourier

Séries de Fourier
classiques
Séries de Fourier
généralisées
Distributions
Introduction
fonctions test
0
distributions
distributions
distributions
Christian Reichert
INSA Lyon
4.43
Distributions
Plan du cours



classiques
généralisées
Introduction
fonctions test
2 Distributions 0
distributions
distributions
distributions

4.44
Distributions
Motivation
Un problème motivant l’introduction de « fonctions

généralisées », appelées distributions, est le suivant : on Espace de Hilbert et
séries de Fourier
considère un circuit dérivateur, par exemple Introduction et rappels
Bases orthonormées
Séries de Fourier
classiques
Séries de Fourier
généralisées
Distributions
Introduction
fonctions test
0
distributions
distributions
distributions
Le signal de sortie y (t) = Vs (t) est lié au signal d’entrée
x(t) = Ve (t) par Vs (t) = −RCVe0 (t), c’est-à-dire y = S[x] ∼ x 0 ,
au moins quand x est dérivable. Que faire quand x = 1+ ?
4.45
Distributions
Motivation
En 1927 le physicien Dirac introduit (dans un article sur la

mécanique quantique) de façon heuristique un objet Espace de Hilbert et
séries de Fourier
aujourd’hui appelé impulsion de Dirac ou « fonction » δ de Introduction et rappels
Dirac : Bases orthonormées
« One cannot go far in the development of the Séries de Fourier
classiques
theory...without needing a notation for that function Séries de Fourier
généralisées
of...x that is equal to zero except when x is very small, Distributions
and whose integral through a range that contains the Introduction
point x = 0 is equal to unity. We shall use the sym- fonctions test
0
bol δ(x) to denote this function,
R ∞ i.e. δ(x) is defined by
distributions
δ(x) = 0 when x 6= 0 and −∞ δ(x) dx = 1. Strictly, distributions
of course, δ(x) is not a proper function of x, but can distributions
be regarded only as a limit of a certain sequence of

functions. »
4.46
Distributions
Motivation
Supposons pour l’instant que δ(t) est une fonction au sens

classique. Alors séries de Fourier
Z t (
0 si t < 0 Bases orthonormées
δ(τ ) dτ = = 1+ (t) Séries de Fourier abstraites
−∞ 1 si t > 0 Séries de Fourier

classiques
Séries de Fourier
généralisées
au moins quand t 6= 0. L’échelon unité est une primitive de δ. Distributions

De plus, en supposant ϕ dérivable, ϕ(∞) < ∞, Introduction
fonctions test
Z Z ∞ Z 0
distributions
+ ∞ + 0
δ(t)ϕ(t) dt = δ(t)ϕ(t) dt = 1 (t)ϕ(t)|−∞ − 1 (t)ϕ (t) dt Opérations usuelles sur les
distributions
R −∞ R Transformée de Fourier des
Z ∞ distributions
0
= ϕ(∞) − ϕ (t) dt = ϕ(∞) − (ϕ(∞) − ϕ(0)) = ϕ(0).
0
4.47
Distributions
Motivation
Nous allons essayer de retrouver ces propriétés de δ aussi

dans une théorie rigoureuse. Espace de Hilbert et
séries de Fourier
Afin de généraliser les fonctions, on les considère, comme Introduction et rappels
dans le calcul ci-dessus, comme des opérateurs agissant par Orthogonalité et projection
Bases orthonormées
intégration sur d’autres fonctions : Séries de Fourier abstraites
Séries de Fourier
classiques
Z Séries de Fourier
T{f } (ϕ) = f (t)ϕ(t) dt. généralisées
Distributions
R
Introduction
fonctions test
0
Remarque 16 distributions
Nous utiliserons les notations T{f } (ϕ), Tf (ϕ) et hTf , ϕi en distributions

parallel pour cette intégrale. distributions
Un tel opérateur qui associe un scalaire à une fonction est

appelé une fonctionnelle.
4.48
Distributions
Intégrale de Lebesgue
Dans la théorie des distributions on utilise l’intégrale de

Lebesgue. L’idée de l’intégrale de Lebesgue est illustrée dans
l’image suivante :
séries de Fourier
Bases orthonormées
Séries de Fourier
classiques
Séries de Fourier
généralisées
Distributions
Introduction
fonctions test
0
distributions
distributions
L’intégrale
R dePRiemann (en bleu) est calculé comme distributions
f (x) dx ≈ i f (xi ) × longeur(Ii ) où les intervalles Ii sont une

décomposition de l’abscisse en sous-intervalles et xi ∈ Ii Dans
l’approche dePLebesgue (en rouge) on calcule
f (x) dx ≈ i yi × mesure(f −1 (Ji )) où les intervalles Ji sont
R
une décomposition de l’ordonnée et yi ∈ Ji .

4.49
Distributions
Intégrale de Lebesgue
L’avantage principal de Lebesgue sur Riemann est le théorème Espace de Hilbert et

de convergence dominée suivant qui permet de passer à la séries de Fourier
limite sous l’intégrale : Orthogonalité et projection
Bases orthonormées
Théorème 17 Séries de Fourier
classiques
1
Soit g ∈ L (R), > 0, une famille de fonctions continues par Séries de Fourier
généralisées
morceaux telle que Distributions

Introduction
(i) : g (x) → g(x) ( → 0) pour presque tout x. L’espace D (R) des
(ii) : ∀x ∈ R, > 0 : |g (x)| ≤ h(x) avec h ∈ L1 (R)

fonctions test
0
distributions
Alors g est intégrable et Opérations usuelles sur les
distributions
Z Z Transformée de Fourier des
distributions
lim g (x) dx = g(x) dx.

→0 R R
4.50
Distributions
Définition
Une fonction ϕ : R → C est une fonction test de D(R) si
(i)
ϕ est nulle en dehors d’un intervalle borné séries de Fourier
(ii)
ϕ est indéfiniment dérivable. Orthogonalité et projection
Bases orthonormées
Donc Séries de Fourier
D(R) = {ϕ ∈ C (R; C) : supp(ϕ) borné}

∞ classiques
Séries de Fourier
généralisées
où supp(ϕ) = {t : ϕ(t) 6= 0} est le support de ϕ. Distributions

Introduction
fonctions test
0
Exemple distributions
La fonction ρ(t) définie par distributions
distributions
( 2
e−1/(1−t ) si |t| < 1
ρ(t) =
0 si |t| ≥ 1
est une fonction test de D(R), supp(ρ) = [−1, 1]
4.51
Distributions
Le graphe de ρ :
0.35 séries de Fourier
0.3 Bases orthonormées

Séries de Fourier
classiques
0.25 Séries de Fourier
généralisées
Distributions
0.2
Introduction
fonctions test
0.15 0
distributions
0.1 distributions
distributions
0.05
-1 -0.5 0.5 1
4.52
Distributions
Définition (convergence en D)
On dit que la suite (ϕn )n∈N d’éléments de D converge vers 0 Espace de Hilbert et
séries de Fourier
dans D si Introduction et rappels
(i)
Il existe un intervalle [a, b] ⊂ R tel que Bases orthonormées
supp(ϕn ) ⊂ [a, b] ∀n ∈ N Séries de Fourier
classiques
(ii)
(ϕn ) ainsi que toutes les suites dérivées (ϕ0n ), (ϕ00n ), . . . Séries de Fourier
généralisées
convergent vers 0 uniformément sur R Distributions

Introduction
kϕn k∞ = sup |ϕn (t)| → 0 (n → ∞) fonctions test
0
t∈R distributions
kϕ0n k∞ → 0 (n → ∞)
distributions
.. distributions
La convergence ϕn → ϕ dans D signifie que

ψn = ϕn − ϕ → 0 (n → ∞).
4.53
Distributions
Définition
Definition 18
On appelle distribution toute application Espace de Hilbert et
séries de Fourier
T : D → C, ϕ 7→ T (ϕ) = hT , ϕi qui est linéaire et continue, Introduction et rappels
c’est-à-dire : Bases orthonormées
Séries de Fourier
hT , αϕ + βψi = α hT , ϕi + β hT , ψi ∀α, β ∈ C, ϕ, ψ ∈ D classiques
Séries de Fourier
ϕn → ϕ dans D =⇒ hT , ϕn i → hT , ϕi dans C
généralisées
Distributions
Introduction
Si on définit l’addition de deux distributions T , S et la fonctions test
0
multiplication par un scalaire α ∈ C par distributions
distributions
hT + S, ϕi = hT , ϕi + hS, ϕi , Transformée de Fourier des

distributions
hαT , ϕi = α hT , ϕi ,
l’ensemble D 0 (R) des distributions est un espace vectoriel sur

C.
4.54
Distributions
Définition
Exemple
Soit f une fonction qui est intégrable sur tout intervalle Espace de Hilbert et
borné fermé de R, c’est-à-dire f ∈ L1loc (R). Alors Tf définie séries de Fourier
par Orthogonalité et projection

Bases orthonormées
Z
hTf , ϕi = f (t)ϕ(t) dt Séries de Fourier
R classiques
Séries de Fourier
généralisées
est une distribution. Tf est appelée la distribution régulière
Distributions
associée à f . Introduction
La distribution δ de Dirac est définie par hδ, ϕi = ϕ(0) pour fonctions test
0
ϕ ∈ D et on définit aussi δa par hδa , ϕi = ϕ(a) distributions
Le peigne de Dirac. Soit (λn ) ∈ CZ , a > 0. Un peigne de

distributions
distributions
Dirac est une distribution de la forme
∞
X ∞
X
T = λn δna , hT , ϕi = λn ϕ(na), ϕ ∈ D.
n=−∞ n=−∞
4.55
Distributions
Définitions
Remarque 19
La distribution δ de Dirac n’est pas régulière. Supposons
δ = Tf pour f ∈ L1loc (R). Soit ρ(t) la fonction test définie séries de Fourier
précédemment. On aurait Orthogonalité et projection
Bases orthonormées
Z Séries de Fourier abstraites
hδ, ρ(nt)i = hTf , ρ(nt)i = f (t)ρ(nt) dt = ρ(0) = e−1 ∀n Séries de Fourier

classiques
Séries de Fourier
R généralisées
Distributions
Or Introduction
fonctions test
Z Z 1/n 0
f (t)ρ(nt) dt = f (t)ρ(nt) dt distributions
R −1/n distributions
Z 1/n Z 1/n distributions
≤ |f (t)| |ρ(nt)| dt ≤ |f (t)| dt → 0 (n → ∞)

−1/n | {z } −1/n
≤1
ce qui est absurde.
4.56
Distributions
Cours 5
séries de Fourier

Séries de Fourier
classiques
Séries de Fourier
généralisées
Distributions
Introduction
fonctions test
0
distributions
distributions
distributions
Christian Reichert
INSA Lyon
5.57
Distributions
Plan du cours



classiques
généralisées
Introduction
fonctions test
2 Distributions 0
distributions
distributions
distributions

5.58
Distributions
Définition
Néanmoins il est possible d’approcher la distribution δ par des

distributions régulières. Pour cela on définit d’abord une notion Espace de Hilbert et
de convergence dans D 0 : séries de Fourier
Définition (Convergence dans D ) 0 Bases orthonormées

Soit (Tn )n∈N , Tn ∈ D 0 , une suite dans D 0 . On dit que

Séries de Fourier
classiques
Séries de Fourier
généralisées
lim Tn = T dans D si ∀ϕ ∈ D : lim hTn , ϕi = hT , ϕi dans C .

0
Distributions
n→∞ n→∞ Introduction
fonctions test
0
Proposition 20 distributions
distributions
(Approximation de δ) Transformée de Fourier des
Soit φ ∈ L1 (R) une fonction positive avec R φ(t) dt = 1 . Pour

R distributions
> 0 on définit φ par φ (t) = 1 φ(t/). Alors T = T{φ } → δ

dans D 0 quand → 0.
5.59
Distributions
Définitions
Exemple
1
R
Si
R on définit la fonction ρ̃ = I ρ, avec I = R ρ(t) dt, alors
R
ρ̃(t) dt = 1 et les distributions associées à la suite nρ̃(nt) Espace de Hilbert et
séries de Fourier
convergent vers δ quand n → ∞ : Introduction et rappels
Bases orthonormées
Séries de Fourier
classiques
généralisées
Distributions
Introduction
fonctions test
0
10 distributions
distributions
distributions
-1 -0.5 0.5 1
5.60
Distributions
Produit distribution-fonction
La stratégie pour généraliser les opérations usuelles sur les
fonctions aux distributions est de s’inspirer des distributions
régulières.
Produit d’une distribution par une fonction : Espace de Hilbert et
séries de Fourier
Si T = Tf est une distribution régulière, on aimerait définir le Introduction et rappels
produit de cette distribution par une fonction g par Bases orthonormées
Z Z Séries de Fourier
classiques
hTf · g, ϕi = (f (t)·g(t))ϕ(t)dt = f (t)·(g(t)ϕ(t))dt = hTf , gϕi . Séries de Fourier
généralisées
R R
Distributions
Problème : est-ce que gϕ est une fonction test de D ? Sinon le Introduction

fonctions test
crochet hTf , gϕi n’a pas de sens ! 0
On aura gϕ ∈ D si g ∈ C ∞ (R; C) et dans ce cas la définition

distributions
distributions
hT · g, ϕi = hT , gϕi distributions
a un sens pour tout T ∈ D 0 .

Exemple
Soit g ∈ C ∞ (R; C) et δ l’impulsion de Dirac en 0.
5.61
Distributions
Dérivée d’une distribution
Si T = Tf est une distribution régulière avec f 0 ∈ L1loc on a

Z Z
0 ∞
T{f 0 } , ϕ = f (t)ϕ(t) dt = f (t)ϕ(t)|−∞ − f (t)ϕ0 (t) dt Espace de Hilbert et
séries de Fourier
R | {z } R Introduction et rappels
=0 car supp(ϕ) borné Orthogonalité et projection
Z Bases orthonormées
0 0
=− f (t)ϕ (t) dt = − hTf , ϕ i . Séries de Fourier
classiques
R Séries de Fourier
généralisées
Pour une distribution T ∈ D quelconque on définit la dérivée

0 Distributions
Introduction
T 0 ∈ D 0 par L’espace D (R) des
fonctions test
hT 0 , ϕi = − hT , ϕ0 i . 0
distributions
La dérivée n-ième T (n) est définie par distributions
distributions
D E D E
T (n) , ϕ = (−1)n T , ϕ(n)
En particulier, toute distribution T ∈ D 0 est indéfiniment

dérivable (au sens de la définition ci-dessus).
5.62
Distributions
Exemple
(i)
δ0
(ii)
Soit f ∈ L1loc une fonction continûment dérivable sur les séries de Fourier
intervalles ] − ∞, a[, ]a, b[, ]b, ∞[ et admettant une limite à Orthogonalité et projection
gauche et à droite en a et b. Bases orthonormées

Séries de Fourier
classiques
Séries de Fourier
Remarque 21 généralisées
Distributions
On peut facilement généraliser le dernier exemple au cas où Introduction
on a un nombre fini de discontinuités et même au cas où les fonctions test
0
discontinuités constituent un ensemble dénombrable sans distributions
points d’accumulation (comme, par exemple, N ou Z). Opérations usuelles sur les
distributions
distributions
Une propriété intéressante de la limite dans D 0 est que
contrairement à l’analyse classique on peut toujours échanger
limite et dérivée : si limn→∞ Tn = T alors limn→∞ Tn0 = T 0 car
hTn0 , ϕi = − hTn , ϕ0 i → − hT , ϕ0 i = hT 0 , ϕi (n → ∞)
P∞ P∞
En particulier, S = k =0 Tk =⇒ S 0 = k =0 Tk0 . 5.63
Distributions
Exemple
On souhaite résoudre dans D0 (R) l’équation différentielle Espace de Hilbert et
séries de Fourier
y 00 + ω 2 y = aδ + bδ 0 , ω, a, b ∈ R, ω > 0 (E) Orthogonalité et projection

Bases orthonormées
Séries de Fourier
où δ est la distribution de Dirac définie par classiques
Séries de Fourier
généralisées
hδ, ϕi = ϕ(0). Distributions

Introduction
Avec T{1+ } la distribution définie par fonctions test

0
distributions
Z +∞ distributions
T{1+ } ,ϕ = ϕ(t)dt, Transformée de Fourier des

distributions
0
on cherche y de la forme y = ψT{1+ } où ψ est une fonction

C ∞ (R).
5.64
Distributions
Cours 6
séries de Fourier

Séries de Fourier
classiques
Séries de Fourier
généralisées
Distributions
Introduction
fonctions test
0
distributions
distributions
distributions
Christian Reichert
INSA Lyon
6.65
Distributions
Plan du cours



classiques
généralisées
Introduction
fonctions test
2 Distributions 0
distributions
distributions
distributions

6.66
Distributions
Petit bilan
Un signal « fonction » f est donné par les valeurs
t 7→ f (t)
Un signal « fonction » f correspond au signal « distribution séries de Fourier
régulière » Tf donné par les moyennes Introduction et rappels
Z Bases orthonormées
Tf (ϕ) = hTf , ϕi = f (t)ϕ(t) dt, ϕ ∈ D Séries de Fourier
classiques
R Séries de Fourier
généralisées
Un signal « distribution » T général comme δ est Distributions

uniquement donné par les moyennes Introduction
fonctions test
0
T (ϕ) = hT , ϕi , ϕ∈D L’espace D (R) des
distributions
distributions
Pour généraliser une opération Af (dérivée, c.d.v., Transformée de Fourier des
distributions
transformée) sur les fonctions aux distributions on cherche
Ã telle que D E
T{Af } , ϕ = Tf , Ãϕ
D E
et on prend hAT , ϕi = T , Ãϕ comme définition pour une
distribution générale.
6.67
Distributions
Translation et dilatation
Si f ∈ L1loc (R), a ∈ R, alors la translatée τa f de f est la fonction

(τa f )(t) = f (t − a). Sa distribution régulière associée vérifie
Z Z Espace de Hilbert et
séries de Fourier
T{τa f } , ϕ = f (t − a)ϕ(t) dt = f (s)ϕ(s + a) ds = hTf , τ−a ϕi Introduction et rappels
R R Orthogonalité et projection
Bases orthonormées
Séries de Fourier
Definition 22 classiques
Séries de Fourier
La translatée τa T d’une distribution T ∈ D 0 est définie par

généralisées
Distributions
Introduction
hτa T , ϕi = hT , τ−a ϕi , ϕ ∈ D. L’espace D (R) des

fonctions test
0
distributions
distributions
Pour t0 ∈ R,
hτt0 δ, ϕi = hδ, τ−t0 ϕi = ϕ(t0 ) = hδt0 , ϕi
car τ−t0 ϕ(t) = ϕ(t + t0 ).
6.68
Distributions
Translation et dilatation
Si f ∈ L1loc (R), a ∈ R, alors la dilatée µa f de f est la fonction

(µa f )(t) = f (at). Sa distribution régulière associée vérifie
Z Z
ds 1 Espace de Hilbert et
T{µa f } , ϕ = f (at)ϕ(t) dt = f (s)ϕ(s/a) = Tf , µ1/a ϕ . séries de Fourier
R R |a| |a| Introduction et rappels

Bases orthonormées
Séries de Fourier
Definition 23 classiques
Séries de Fourier
La dilatée µa T d’une distribution T ∈ D 0 est définie par

généralisées
Distributions
Introduction
1 L’espace D (R) des
hµa T , ϕi = T , µ1/a ϕ , ϕ ∈ D. fonctions test
0
|a| L’espace D (R) des
distributions
distributions
1 1 1
hµa δ, ϕi = δ, µ1/a ϕ = ϕ(0) = hδ, ϕi ,
|a| |a| |a|
1
donc µa δ = |a| δ.
6.69
Distributions
Convolution
Soient f , g ∈ L1loc (R) telles que f ∗ g ∈ L1loc (R). Pour la

distribution régulière T{f ∗g} on a (formellement)
séries de Fourier
Z Z Z Introduction et rappels
T{f ∗g} , ϕ = (f ∗ g)(t)ϕ(t) dt = f (s)g(t − s) ds ϕ(t) dt Orthogonalité et projection

Bases orthonormées
R R R Séries de Fourier abstraites
On pose u = t − s ⇔ t = u + s. Séries de Fourier

classiques
Z Z Séries de Fourier
généralisées
... = f (s)g(u)ϕ(s + u) ds du Distributions
ZR R Z Introduction
fonctions test
= f (s) g(u)ϕ(s + u) du ds 0
distributions
ZR R
distributions
= f (s) T{g(u)} , ϕ(s + u) ds Transformée de Fourier des

distributions
R
= T{f (s)} , T{g(u)} , ϕ(s + u)
6.70
Distributions
Convolution
séries de Fourier
Ce calcul formel suggère la définition suivante de la Introduction et rappels
convolution de deux distributions S, T : Bases orthonormées
Séries de Fourier
hS ∗ T , ϕi = hSs , hTt , ϕ(s + t)ii classiques
Séries de Fourier
généralisées
où la notation Tt signale que la distribution agit sur une Distributions

Introduction
fonction de la variable t. Le problème est que le support de L’espace D (R) des
fonctions test
ψ(s) = hTt , ϕ(s + t)i n’est pas forcément borné bien que 0
distributions
supp(ϕ) soit borné par définition et si ce n’est pas le cas le Opérations usuelles sur les
distributions
crochet hSs , ψ(s)i n’a pas de sens. Transformée de Fourier des
distributions
6.71
Distributions
Convolution
Definition 24
On dit que T ∈ D 0 (R) est nulle sur l’ouvert O ⊂ R si hT , ϕi = 0
pour tout ϕ ∈ D avec supp(ϕ) ⊂ O. On appelle support de T le Espace de Hilbert et
complémentaire du plus grand ouvert sur lequel T est nulle et séries de Fourier
on définit Orthogonalité et projection
E 0 = {T ∈ D 0 : supp(T ) borné}
Bases orthonormées
Séries de Fourier
classiques
Séries de Fourier
Exemple généralisées
Distributions
hδ, ϕi = ϕ(0) = 0 ⇔ 0 6∈ supp(ϕ) ⇔ supp(ϕ) ⊂ R \ {0}. Donc δ Introduction
est nulle sur R \ {0} et son support est supp(δ) = {0}. fonctions test
0
distributions
distributions
Théorème 25 Transformée de Fourier des
distributions
Si S, T ∈ D 0 et on a S ∈ E 0 ou T ∈ E 0 , alors le produit de
convolution S ∗ T définie par
hS ∗ T , ϕi = hSs , hTt , ϕ(s + t)ii
existe et S ∗ T = T ∗ S.
6.72
Distributions
Convolution
Exemple
séries de Fourier
1 Introduction et rappels
Bases orthonormées
hT ∗ δ, ϕi = hTs , hδt , ϕ(s + t)ii = hTs , ϕ(s)i = hT , ϕi Séries de Fourier abstraites
Séries de Fourier
hδ ∗ T , ϕi = hδs , hTt , ϕ(s + t)ii = hTt , ϕ(t)i = hT , ϕi classiques

Séries de Fourier
généralisées
Donc T ∗ δ = δ ∗ T = T ∀T ∈ D 0 (R), la distribution δ est Distributions

Introduction
l’élément neutre de la convolution. L’espace D (R) des

fonctions test
0
2 distributions
distributions
hT ∗ τt0 δ, ϕi = hTs , h(τt0 δ)t , ϕ(s + t)ii = hTs , hδt , ϕ(s + t + t0 ii Transformée de Fourier des
distributions
= hTs , ϕ(s + t0 )i = h(τt0 T )s , ϕ(s)i
Donc T ∗ τt0 δ = τt0 T .
6.73
Distributions
Idée
Soit f ∈ L1 , ϕ ∈ D. Alors f̂ est bornée et continue et engendre
une distribution régulière T{f̂ } ∈ D 0 .
D E Z Z
−i2πxy Espace de Hilbert et
T{f̂ (x)} , ϕ(x) = e f (y ) dy ϕ(x) dx séries de Fourier
R R Introduction et rappels
Z Z Orthogonalité et projection
−i2πxy Bases orthonormées

= f (y ) e ϕ(x) dx dy Séries de Fourier abstraites
ZR R Séries de Fourier
classiques
Séries de Fourier
= f (y )ϕ̂(y ) dy = T{f (y )} , ϕ̂(y ) généralisées
R Distributions
Introduction
où la dernière égalité est pour l’instant formelle car ϕ̂ n’est pas fonctions test
0
forcement dans D. Ce calcul suggère la définition distributions
distributions
D E Transformée de Fourier des
T̂x , ϕ(x) = hTy , ϕ̂(y )i . distributions
Le problème avec cette définition est que, pour ϕ ∈ D, ϕ̂ n’est

pas dans D en général, et dans ce cas le crochet hTy , ϕ̂(y )i
n’est pas défini. Il s’avère nécessaire de changer l’espace de
fonctions test afin d’obtenir un espace stable par transformée
de Fourier. 6.74
L’espace S de fonctions test à décroissance rapide
Distributions
La condition supp(ϕ) borné imposé aux fonctions test jusqu’à

présent est trop restrictif pour avoir ϕ̂ ∈ D ∀ϕ ∈ D. C’est L.
Schwartz (1947) qui a trouvé le bon espace de fonctions test, Espace de Hilbert et
l’espace des fonctions de Schwartz, noté S , que nous allons séries de Fourier
définir maintenant. Orthogonalité et projection

Bases orthonormées
Définition Séries de Fourier
classiques
Une fonction ϕ : R → C est dite à décroissance rapide si Séries de Fourier

généralisées
Distributions
∀p ∈ N : lim |t p ϕ(t)| = 0 Introduction
|t|→∞ L’espace D (R) des

fonctions test
0
distributions
−t 2
Exemple : ϕ(t) = e Opérations usuelles sur les
distributions
On définit Transformée de Fourier des

distributions
S = {ϕ ∈ C ∞ (R; C) :
ϕ et ses dérivées est à décroissance rapide}
En particulier, D ⊂ S .
6.75
L’espace S de fonctions test à décroissance rapide
Distributions
La convergence dans S est défini comme suit :
Définition
On dit que la suite (ϕn )n∈N d’éléments de S tend vers 0 quand

séries de Fourier
n → ∞ si Introduction et rappels
Bases orthonormées
p (q) p (q) Séries de Fourier abstraites

∀p, q ∈ N : t ϕn = sup t ϕn (t) → 0 (n → ∞) Séries de Fourier
∞ t classiques
Séries de Fourier
généralisées
ϕn → ϕ signifie ϕn − ϕ → 0. Distributions
Introduction
fonctions test
0
Théorème 26 L’espace D (R) des
distributions
L’espace S est stable par transformation de Fourier : Opérations usuelles sur les
distributions
distributions
ϕ ∈ S ⇒ ϕ̂ ∈ S et
Z
−1
∀t ∈ R : ϕ(t) = F [ϕ̂(f )](t) = ei2πft ϕ̂(f ) df .
R
ˆ = ϕ(−t).
En particulier, ϕ̂(t)
6.76
L’espace S 0 des distributions tempérées
Distributions
Définition
On appelle S 0 l’espace des fonctionnelles linéaires et
continues S → C, où la continuité est définie comme avant par
séries de Fourier
ϕn → ϕ dans S ⇒ hT , ϕn i → hT , ϕi dans C. Bases orthonormées
Séries de Fourier
Les éléments de S sont appelés distributions tempérées. Pour classiques

Séries de Fourier
T ∈ S 0 la transformée T̂ ∈ S 0 est définie par généralisées
Distributions
D E Introduction
T̂ , ϕ = hT , ϕ̂i , ϕ ∈ S . L’espace D (R) des

fonctions test
0
distributions
distributions
Exemple Transformée de Fourier des
distributions
(i)
La distribution δ de Dirac
(ii)
τa δ = δ a
(iii)
La distribution associée à la fonction constante 1, T{1}
6.77
Distributions
Transformée de Fourier de distributions tempérées
Théorème 27
La transformation de Fourier F : S 0 → S 0 est linéaire,
continue, et bijective où la transformée inverse F −1 : S 0 → S 0
est définie par séries de Fourier
F −1 (T ), ϕ = T , F −1 (ϕ) , T ∈ S 0, ϕ ∈ S .
Bases orthonormées
Séries de Fourier
classiques
Définition Séries de Fourier
généralisées
On dit que la fonction f : R → C est à croissance lente s’il Distributions
existent C > 0 et N ∈ N∗ tels que Introduction

fonctions test
0
∀t ∈ R : |f (t)| ≤ C(1 + t 2 )N distributions
distributions
L1loc (R) et T{f } ∈ D 0 Transformée de Fourier des

Il en résulte que f ∈ distributions
De plus, on a
Proposition 28
Toute fonction f à croissance lente engendre une distribution
tempérée T{f } ∈ S 0 .
6.78
Distributions
Exemple
On souhaite calculer la transformée de Fourier (au sens des
distributions) de la fonction sign définie par séries de Fourier
( Orthogonalité et projection
1 si t ≥ 0 Bases orthonormées
sign(t) = Séries de Fourier abstraites
−1 si t < 0. Séries de Fourier

classiques
Séries de Fourier
généralisées
et en déduire la transformée de 1+ . On introduit pour cela les Distributions
fonctions f , pour > 0, définies par Introduction

fonctions test
( 0
e−t si t ≥ 0 distributions
f (t) = Opérations usuelles sur les

distributions
−et si t < 0 Transformée de Fourier des
distributions
Soit T et T les distributions régulières définies par

Z Z
hT , ϕi = sign(t)ϕ(t)dt, et hT , ϕi = f (t)ϕ(t)dt.
R R
6.79
Distributions
Proposition 29 séries de Fourier
Soit T ∈ S une distribution tempérée. On a


Séries de Fourier
(i) (k )
Td = (i2πx)k T̂x classiques
x Séries de Fourier
généralisées
(ii)
T̂ (k ) = F[(−i2πx)k T ] Distributions
Introduction
fonctions test
0
Exemple L’espace D (R) des
distributions
(i)
La fonction x 7→ x k distributions
(ii)
La fonction f (t) = ei2πat , a ∈ R distributions
6.80
Distributions
Exemple
P
La transformée du peigne de Dirac ∆1 = n∈Z δn vérifie
F [∆1 ] = ∆1 (voir TD).
(i)
Montrer que pour tout T ∈ S 0 (R), on a séries de Fourier
−2iπax
F [τa T ] = e T̂ , Bases orthonormées
Séries de Fourier
classiques
où τa T est la translatée de la distribution T . EnPdéduire la Séries de Fourier
généralisées
transformée de Fourier de la distribution T1 = n∈Z δn−1/2 Distributions
. Introduction
(ii)
Montrer que pour tout T ∈ S (R), on a
0 fonctions test
0
distributions
F e2iπax T = τa T̂ ,
distributions
distributions
En déduire la transformée de Fourier de

T2 = n∈Z (−1)n δn .
P
(iii)
Calculer la transformée
P de Fourier de la distribution
tempérée T3 = n∈Z nδn .
(iv)
Calculer la transformée de Fourier de la distribution
δ0 .
P
tempérée T = 6.81
Distributions
Transformée de Fourier et convolution :

La convolution de deux distributions est définie si l’une des Espace de Hilbert et
séries de Fourier
deux est à support borné (c’est-à-dire dans E 0 ). Or E 0 ⊂ S 0 et Introduction et rappels
on peut montrer que la transformée de Fourier Ŝ ∈ S 0 de Bases orthonormées
S ∈ E 0 est engendrée par une fonction ψ ∈ C ∞ (R; C),

Séries de Fourier
classiques
Ŝ = T{ψ} . Le produit Ŝ.T̂ définie par ψ T̂ a donc un sens et on Séries de Fourier
généralisées
a le théorème suivant : Distributions
Introduction
Théorème 30 L’espace D (R) des
fonctions test
0
(Transformée de Fourier et convolution E ∗ S ) Si on prend
0 0 L’espace D (R) des
distributions
S ∈ E 0 et T ∈ S 0 on a Ŝ = T{ψ} pour une fonction Opérations usuelles sur les

distributions
ψ ∈ C ∞ (R; C) et Transformée de Fourier des

distributions
F [S ∗ T ] = Ŝ.T̂ = ψ.T̂
6.82
Distributions
Application au calcul de la transformée d’une fonction

périodique :
Soit f continue par morceaux et périodique de période P. On Espace de Hilbert et
pose f0P= f .1[0,P] et on définit le peigne de Dirac séries de Fourier
∆P = n∈Z δnP . Alors Orthogonalité et projection
Bases orthonormées
T{f } = T{f0 } ∗ ∆P car Séries de Fourier

classiques
Séries de Fourier
!
X X X généralisées
T{f0 } ∗ ∆P = T{f0 } ∗ δnP = T{f0 } ∗ δnP = τnP T{f0 } Distributions

Introduction
n∈Z n∈Z n∈Z L’espace D (R) des
X fonctions test
0
= T{f0 (t−nP)} = T{f (t)} L’espace D (R) des
distributions
n∈Z Opérations usuelles sur les

distributions
∈ E 0 , F T{f0 } = T{f̂0 } , ∆P ∈ S 0 et
distributions
Or T{f0 }
1X
F [∆P ] = δn/P (voir TD).
P
n∈Z
6.83
Distributions
Donc, d’après le théorème,
!
1X 1X
F T{f } = f̂0 . δn/P = f̂0 (n/P)δn/P où
P P
n∈Z n∈Z Espace de Hilbert et
Z séries de Fourier
1 1 −i2π Pn t Introduction et rappels
f̂0 (n/P) = f0 (t)e dt Orthogonalité et projection
P P R Bases orthonormées
Z P Séries de Fourier abstraites
1 n Séries de Fourier
= f (t)e−i2π P t dt = cn (f ) est le coefficient de Fourier cn de f .classiques
P 0 Séries de Fourier
généralisées
X
⇒ F T{f } = cn (f )δn/P . Distributions
Introduction
n∈Z L’espace D (R) des

fonctions test
0
Le spectre de la fonction P-périodique f est un peigne de Dirac distributions
avec la distance 1/P entre les impulsions et avec comme poids distributions
les coefficients de Fourier cn (f ) . En appliquant la transformée distributions
de Fourier inverse on obtient

X X
T{f } = cn (f )F −1 [δn/P ] = cn (f )T{exp(i2π n t)} .
P
n∈Z n∈Z
2π
X
Donc f (t) = cn (f )ein P t au sens de S 0 .
n∈Z
6.84
Distributions
Echantillonnage
L’échantillonnage avec une période T d’un signal x(t) donne

un signal échantillonné xe qui peut s’interpréter comme séries de Fourier
signal à temps discret : xe (n) = x(nT ) (→ TFD, Z) Orthogonalité et projection

Bases orthonormées
P
signal à temps continu : xe = n∈Z x(nT )δnT (→ Fourier) Séries de Fourier abstraites
Séries de Fourier
classiques
Séries de Fourier
généralisées
Z nT +/2 Z
1 1
x(nT ) ≈ x(t) dt = 1[nT −/2,nT +/2] (t)x(t) dt Distributions
nT −/2 R Introduction
fonctions test
1 0
et 1[nT −/2,nT +/2] → δnT ( → 0) distributions
distributions
L’interprétation du signal échantillonné comme signal à temps distributions
continu sous forme de distribution permet d’utiliser la

transformée de Fourier.
6.85
Distributions
Echantillonnage
X X séries de Fourier
xe = x(nT )δnT = x(t)∆T où ∆T = δnT Introduction et rappels
n∈Z n∈Z Bases orthonormées
1X
x̂e = x̂ ∗ F [∆T ] = x̂ ∗ δn/T Séries de Fourier
classiques
T Séries de Fourier
n∈Z généralisées
1X 1X Distributions
x̂e (f ) = x̂(f − n/T ) = x̂(f − nF ) Introduction
T T L’espace D (R) des

n∈Z n∈Z fonctions test
0
distributions
où F = 1/T est la fréquence d’échantillonnage. Opérations usuelles sur les

distributions
distributions
Le spectre du signal échantillonné xe est périodique de période

F = 1/T
6.86
Distributions
Reconstruction
Supposons maintenant que x est un signal à bande limitée,

supp(x̂) ⊂ [−Fmax , Fmax ].
1er cas : F ≤ 2Fmax . Il y a recouvrement, Espace de Hilbert et
séries de Fourier
x̂e (f ) Bases orthonormées

Séries de Fourier
classiques
Séries de Fourier
généralisées
Distributions
Introduction
fonctions test
0
distributions
distributions
distributions
− F2 F
2 f
la reconstruction est impossible en général.

6.87
Distributions
Reconstruction
Soit toujours supp(x̂) ⊂ [−Fmax , Fmax ].

2e cas : F > 2Fmax . pas de recouvrement,
séries de Fourier
x̂e (f ) Orthogonalité et projection
Bases orthonormées
Séries de Fourier
classiques
Séries de Fourier
généralisées
Distributions
Introduction
fonctions test
0
distributions
distributions
distributions
− F2 F
2 f
T x̂e et x̂ coïncident entre − F2 et F

2. La reconstruction exacte
est possible :
6.88
Distributions
Reconstruction
x̂(f ) = 1[−F /2,F /2] (f )T x̂e (f )

x(t) = T F −1 1[−F /2,F /2] ∗ F −1 [x̂e ]

séries de Fourier
! Introduction et rappels
X Orthogonalité et projection
= TF sinc(πFt) ∗ x(nT )δnT Bases orthonormées
n∈Z Séries de Fourier
X classiques
= x(nT )sinc (πF (t − nT )) Séries de Fourier

généralisées
n∈Z Distributions
Introduction
fonctions test
0
Théoreme d’échantillonnage distributions
Si F > 2Fmax la reconstruction exacte du signal x à partir du distributions
signal échantillonné xe est possible : distributions
X
x(t) = x(nT )sinc (πF (t − nT ))
n∈Z
Formule de Shannon (Whittaker, Nyquist, ...)

6.89
Distributions
Application
Audio :
Fréquences audibles : 20 Hz à 20 kHz
⇒ F > 40 kHz. CD : 44.1 kHz (Sony et Philips) Espace de Hilbert et
séries de Fourier
Téléphonie digitale : Orthogonalité et projection
Fmax acceptable à 3700 Hz ⇒ F = 8 kHz. Les amplitudes Bases orthonormées

codés en 8 bits sont transmis tous les 125µs. Séries de Fourier

classiques
Séries de Fourier
généralisées
Distributions
Introduction
fonctions test
0
distributions
distributions
distributions
6.90

Lecture Slides Reichert

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Lecture Slides Reichert

Transféré par

Droits d'auteur :

Formats disponibles

Espace de Hilbert

Mathématiques Générales I Orthogonalité et projection

octobre 2020 Séries de Fourier abstraites

1 Espace de Hilbert et séries de Fourier

1. Analyse numérique Bases orthonormées

TP noté d’analyse numérique (0.15) Opérations usuelles sur les

Définition Espace de Hilbert et

opérations x + y = (x1 + y1 , . . . , xn + yn ), Orthogonalité et projection

αx = (αx1 , . . . , αxn ) et le vecteur 0 = (0, . . . , 0). Séries de Fourier abstraites

L’espace KN = {x = (x0 , x1 , . . .) : xi ∈ K, i ∈ N}.

opérations (f + g)(x) = f (x) + g(x), (αf )(x) = αf (x) et Introduction

l’élément 0 est la fonction f définie par f (x) = 0 ∀x ∈ K. fonctions test

Un sous-espace vectoriel W d’un espace vectoriel V est une

`∞ = x ∈ KN : supn |xn | < ∞ . Ce résultat découle de

Definition 1 L’espace D (R) des

Définition Séries de Fourier abstraites

(u, αv ) = (αv , u) = α(v , u) = α (u, v ), Transformée de Fourier des

appelé espace euclidien, dans le cas complexe on l’appelle Orthogonalité et projection

∀ > 0 ∃N ∈ N : kvn − vk k <  si n, k ≥ N .

Soit V un espace pré-hilbertien. Alors ∀u, v ∈ V Transformée de Fourier des

On dit que deux éléments u, v d’un espace de Hilbert V sont

complément orthogonal W ⊥ = {v ∈ V : (v , w) = 0 ∀w ∈ W } Séries de Fourier

de W est aussi un sous-espace de V . Séries de Fourier

vecteur w est appelé la projection de v sur W . De plus

Projection sur un sous-espace de dimension finie : Bases orthonormées

w= (v , wi ) wi Opérations usuelles sur les

i=1 Transformée de Fourier des

octobre 2020 Séries de Fourier abstraites

1 Espace de Hilbert et séries de Fourier

Bases orthonormées Bases orthonormées

Définition (Famille libre)

Si la taille maximale d’une famille libre de V est n ∈ N on dit Distributions

Définition (base, dimension finie)

Dans un espace vectoriel de dimension finie n une famille libre

En dimension infinie la représentation par une combinaison

v ∈ V admet une représentation unique Séries de Fourier abstraites

v− αi ei → 0 (N → ∞). Transformée de Fourier des

Si V est un espace de Hilbert et la famille B est orthonormée

Exemple Espace de Hilbert et

Alors B est une base hilbertienne de `2 (voir TD).

Proposition 8 (Pythagore, Bessel)

Si V est de dimension infinie on n’a, en général, que l’inégalité

Soit {ek } une famille orthonormée dans un espace de Hilbert

La série de Fourier abstraite converge toujours. généralisées

Proposition 11 (relation de Parseval) Bases orthonormées

alors l’inégalité de Bessel devient une égalite : Séries de Fourier

K = R : e0 (t) = √ Séries de Fourier abstraites

octobre 2020 Bases orthonormées

1 Espace de Hilbert et séries de Fourier

L’espace D(R) des fonctions test

L’espace D 0 (R) des distributions

Opérations usuelles sur les distributions

k = 2p : (f , ek ) ek = f (t) sin((pt) dt sin(pt) Distributions

On définit les coefficients de Fourier classiques par distributions

Si K = C on trouve de manière similaire que

Puisqu’on peut considérer R ⊂ C on peut utiliser cette forme Introduction

Dans ce cas c−n = cn et on a distributions

Dans le cas K = R on trouve, avec les coefficients de Fourier

Soit maintenant f périodique de période P telle que

2 Séries de Fourier abstraites

Z P   Z P Opérations usuelles sur les

= f (t) cos n t dt = f (t) cos(nωt) dt Transformée de Fourier des

f (t) = cn e avec cn = f (t)e dt. Séries de Fourier

n’importe quel intervalle de longeur P. Séries de Fourier

∀ > 0 ∃N ∈ N : kvn − vk k < si n, k ≥ N .

Z P Z P Opérations usuelles sur les

(ii) : ∀x ∈ R, > 0 : |g (x)| ≤ h(x) avec h ∈ L1 (R)

lim g (x) dx = g(x) dx.

> 0 on définit φ par φ (t) = 1 φ(t/). Alors T = T{φ } → δ