Partie 1 : Signaux déterministes ou certains

Chap. 1 : Introduction au T.S

Chap. 2 : Généralités sur les signaux
Chap. 3 : Représentation vectorielle des signaux
Chap. 4 : Série de Fourier – Transformée de Laplace et Transformée
de Fourier
Chap. 5 : Convolution et corrélation
Chap. 6 : Echantillonnage
Chap. 7 : Transformée de z, Transformée de Laplace et
Transformée de Fourier des signaux à temps discrets
Chap. 8 : Filtrage des signaux déterministes
Partie 2 : Signaux aléatoires
Chap. 1 : Variables et fonctions aléatoires
I. Variables aléatoires
1) Généralités
2) Moments-Esperance et Ecart type d’une V.A
3) Fonction caractéristique d’une V.A
4) Deux ou plusieurs V.A(coefficient de corrélations)
5) V.A Gaussiennes (à une, deux ou n dimensions)
Loi de Rayleigh
6) Loi de Poisson (Processus poissonniers)
II. Fonctions aléatoires
1) Définition
2) Loi temporelle d’un processus (densité, moments,
covariance)
3) Exemples de processus gaussiens
Chap. 2 : Processus du second ordre
1) Covariance
2) Convergence en m.q (moyenne quadratique)
3) Transformée de Fourier en m.q
4) Distributions aléatoires
Partie 3 : Processus stationnaires
Introduction
Chap. 1 : Processus stationnaires d’ordres 2
1) Stationnarité
2) Fonction de corrélation
 3) Propriétés des fonctions de corrélation
4) Ergodisme
5) Processus Gaussiens stationnaires
6) Processus presque périodiques
7) Corrélations
8) Exemples de traitements par corrélation
Chap. 2 : Analyse harmonique en M.Q
1) Représentation harmonique d’un processus
2) Fonction de corrélation et fonction spectrale
3) Spectre continu (densité spectrale de puissance) et spectre
de Raies
4) Théorème de B.W.K (Becher-Wiener-Khintechne)
5) Remarque (ergodisme)
Chap. 3 : Filtrage des processus stationnaires
Introduction
1) Réponse à un signal aléatoire
2) Filtrage d’un bruit blanc
3) Echantillonnage d’un bruit blanc à spectre borné
4) Processus filtré par un passe-bande idéal
5) Le filtre adopté (et filtrage optimal)
Chap. 4 : Application au rapport signal/bruit (S/B)
Introduction
1) Généralités sur le bruit
2) Bruit thermique
3) Température du bruit
4) Rapport signal/bruit
5) Détection quadratique d’un bruit
6) Détection linéaire d’un bruit
7) Rapport S/B quand le signal est un bruit
8) Rapport S/B quand le signal est sinusoïdal
9) Rapport S/B d’un corrélateur
Première partie : Signaux déterministes ou certains

Chap. 1 : Introduction au T.S

I. Théorème du signal

La théorie du traitement du signal intéresse tous les secteurs techniques dans

lesquels l’information est perçue par l’intermédiaire d’observation expérimentale
d’objet mesurable.
La théorie et le traitement du signal trouvent leurs applications dans les domaines
scientifiques, industriels, biomédical, militaire etc…

1) Signal : Le signal est la représentation physique de

l’information dont il est le support depuis la source de
l’émission jusqu’au destinataire.
Exemple : température, pression, tension.

2) Bruit : Le bruit est un phénomène perturbateur gênant la

perception ou le signal utile.
Exemple : interférences, signaux parasites, bruits de fond.

Le rapport S/B permet de caractériser la qualité d’un signal par rapport à son bruit.
Il est généralement noté S/B ou S/N.

On dit souvent que le S/B mesure le degré de contamination du signal par le bruit
: c’est un rapport de puissance.

De façon générale, on a : (S/B) =Ps/Pb,

À l’échelle logarithmique, on aura : (S/B)db= 10log(Ps/Pb).

3) Qu’est-ce que le théorème du signal

L’objectif fondamental de la théorie du signal est la description mathématique
(modélisation) du signal, elle fournit :
➢ Les moyens de mise en évidence (sous forme mathématique)
des principales caractéristiques du signal que sont :
• La distribution spectrale de l’énergie et du signal
• La distribution de l’amplitude et du signal
➢ Les moyens d’analyser la nature des altérations subies par le
signal lors de son passage au travers les dispositifs électriques,
électroniques etc…
 4) Modèle et mesure des signaux

Le modèle mathématique d’un signal est une fonction à une ou plusieurs

dimensions réelles ou complexes d’une ou plusieurs variables réelles. Si
cette fonction est à une ou plusieurs dimensions, on parle de signal scalaire
ou vectoriel.

Exemple : v(t) est un signal scalaire.

V(t)= A.cos2 fot

A : amplitude ; fo : fréquence

V[v1(t) ; v2(t) ; v3(t)] : signal vectoriel.

Si la fonction est à une, deux ou 3 dimensions, on parlera de signal

1D, 2D ou 3D.

Exemple : 2D | E(x,y,t)
3D | E(x,y,z,t)

II. Traitement du signal

Le traitement du signal est la technique qui interprète et élabore d’autres signaux

porteurs d’informations à l’aide des ressources de l’électronique, de
l’informatique et de la physique appliquée. Cette discipline a son champ
d’application dans tous les domaines concernés par la perception, la transmission,
…:

➢ Télécommunication
➢ Météorologie
➢ Etude des vibrations mécaniques
➢ Surveillance des processus industriels
➢ Traitement d’image
➢ Analyse biomédicale
➢ Acoustique
III. Concept de signal et système

1) Concept de signal
Il en ressort de l’observation d’un phénomène de certaines informations qui
dépendent du temps, de l’espace, de la fréquence. Ces quantités supposées
mesurables seront appelées signaux correspondant en math à la notion de
fonction.
Exemple : La position d’un mobile dans le temps M(t).
La position d’un mobile dans l’espace M(x,y,z).

2) Concept du système

On appelle système tout entité ou appareil où l’on peut distinguer des signaux
d’entrée et des signaux de sortie. Ces signaux n’étant pas forcément de même
nature.

x(t) ∑ y(t)

Exemple :

x(t) moteur ɯ(t)

- Moteur, circuit électrique, téléphone, ….

CHAP. 2 : GENERALITES SUR LES SIGNAUX

1. Classification des signaux

1) Signaux physiquement réalisables et modèles théoriques

Un signal expérimental image d’un processus physique doit être
physiquement réalisable. Pour cela il doit être soumis à un certain nombre de
contraintes que sont :
• L’énergie doit être bornée.
• L’amplitude du signal doit être bornée.
• Le spectre du signal doit être borné et tendre vers 0 lorsque la
fréquence tend vers l’infini.
Le modèle théorique d’un signal est une fonction réelle complexe dépendant
d’une ou plusieurs variables. En général, on attribut chaque modèle à une classe
spécifique regroupant les signaux ayant les propriétés communes.
2) Classification phénoménologique
Selon leurs types d’évolution à caractère prédéterminé ou à caractère non
prévisible, on distingue les signaux déterministes ou les signaux aléatoires.
a. Les signaux déterministes
Un signal déterministe est un signal dont l’évolution en fonction du temps
peut être parfaitement prédite par un modèle mathématique.
Ce type de signal se rencontre en laboratoire.
Exemple : Un signal d’excitation (l’échelle unité).
Un signal de texte (code ASCII).
b. Les signaux aléatoires
Ils regroupent la plupart des signaux d’origine physique, ils ont un caractère
non reproductible.
C. Les signaux pseudo-aléatoires
Ce sont des signaux qui apparaissent aléatoire pour celui qui ne connait pas
les principes mais déterministes pour celui qui les connait.
 3) Classification énergétique
On distingue deux types de signaux.
a. Signaux à énergie finie
Ce sont des signaux déterministes de type Gaussien (ou sous la forme

e-at²) et de type transitoire ( e-atcosꞶt) avec a˃0.

b. Signaux à puissance moyenne finie et à énergie infinie
Ils regroupent la plupart des signaux périodiques à amplitudes bornées et
des nombreux signaux aléatoires.
+∞
On appelle énergie d’un signal x(t) la quantité Ex= ∫−∞ |𝑥(𝑡)|² 𝑑𝑡 et la
puissance moyenne est définie par la quantité
1 𝑇/2
:Px= lim ∫ |𝑥(𝑡)|² 𝑑𝑡
𝑇→∞ 𝑇 −𝑇/2
Remarque : Certains signaux ne vérifient pas les deux conditions de la
classification énergétique, c’est le cas de :
➢ L’impulsion de Dirac notée 𝛿(t)
➢ Peigne de Dirac noté шT(t)
➢ Échelon unité noté µ(t) ou ∂(t)

4) Classification morphologique
Selon le signal x(t) de la variable t est continu ou discret (t k= Kt), on distingue 4
types de signaux :
a. Signal analogique
X(t)

➢ Continu sur l’axe des temps

➢ Continu en amplitude
b. Signaux échantillonnés
X(t)

tk1 tk2 t
t1 t2 t3

➢ Continu en amplitude
➢ Discontinu sur l’axe des temps
c. Signaux quantifiés

X(t)

tk
t
t1 t2 t3

➢ Amplitude discrète
➢ Temps continu

d. Signaux digitaux ou numériques

X(t)

tk
t
t1 t2 t3
 ➢ Amplitude discrète
➢ Temps discret

A des instants réguliers, on prélève les valeurs du signal sur la courbe du signal
quantifié, on obtient celle du signal numérique (milieu des segments).
On peut également classifier les systèmes selon leur nature :
Exemple :
➢ Systèmes analogiques : micro, amplificateur, moteur ;
➢ Systèmes échantillonnés : Echantillonneur.
➢ Systèmes numérique ou digital : mémoires, filtres numériques ;
➢ Systèmes hybrides : CAN, CNA, …

5) Autres classes

a. Classification spectrale

L’analyse spectrale d’un signal conduit à une classification de la distribution φx(f)

de son énergie ou de sa puissance en fonction de sa fréquence : ce qu’on appelle
un spectre.

Ce spectre est caractérisé par la largeur de bande du signal. Elle est définie
par : B= f2-f1 ; où f2= fréquence max f1= fréquence min.
φx(f)

f1 f2 f

b. Signaux de durée finie

Un signal x(t) est de durée finie si x(t)= 0 ∀ t ɇ ⟦0; 𝑇⟧
c. Signaux bornés en amplitude

Un signal x(t) est borné en amplitude si ces amplitudes sont finies, i.e ∀ t ϵ D,
|𝑥(𝑡)| ≤ 𝐴.
 d. Signaux pairs et impairs
Un signal est pair si x(t)= x(-t) ∀ t.
Un signal est impair si x(t)= -x(t) ∀ t.
Remarque : Tout signal peut se décomposer en une partie paire et une partie
impaire.
Démonstration : Soit un signal s(t) donné.
Posons s(t)= sp(t)+si(t) (1)
Supposons que sp(t) est paire et si(t) est impaire.
Donc sp(-t)= sp(t) et si si(-t)= -si(t).
Déterminons s(-t)
s(-t)= sp(-t)+si(-t)
s(-t)= sp(t)-si(t) (2)
(1)+(2) s(t)+s(-t)= 2sp(t)
1
𝑆𝑝(𝑡) = [𝑠(𝑡) + 𝑠(−𝑡)]
2

(1)-(2) s(-t)-s(-t)= 2si(t)

1
Si (𝑡) = [𝑠(𝑡) − 𝑠(−𝑡)]
2

Application : soit s(t)= t²+sin t

1
sp (𝑡) = [𝑡 2 + sin 𝑡 + (−𝑡)2 + sin⁡(−𝑡)]
2
1
= [𝑡 2 + sin 𝑡 + 𝑡 − ⁡sin⁡(𝑡)] = t²
2
1
= [𝑡 2 + sin 𝑡 − (−𝑡 2 ) − ⁡sin⁡(−𝑡)]
2
1
= [𝑡 2 + sin 𝑡 − 𝑡 2 + ⁡sin⁡ 𝑡]
2
= sint
D’où s(t)= sp(t)+si(t)
avec sp= t² et si= sin t.
e. Signal causal

x(t) causal si x(t)≡0 t 0.

II . Energie et puissance des signaux

➢ La puissance instantanée d’un signal aux bornes d’un dipôle est

donnée par : P(t)= µ(t).i(t)
➢ Energie disposée sur
𝑡2
𝑊 (𝑡1, 𝑡2) = ⁡ ∫𝑡1 𝑃(𝑡)𝑑𝑡
𝑊(𝑡1,𝑡2)
➢ La puissance moyenne : P(𝑡1, 𝑡2) =
𝑡2−𝑡1
➢ La valeur quadratique d’un signal :
𝑡2
𝑊𝑥 (𝑡1, 𝑡2) = ∫𝑡1 𝑃(𝑡)𝑑𝑡
➢ La valeur quadratique moyenne :
𝑊𝑥(𝑡1,𝑡2)
𝑃𝑥(𝑡1, 𝑡2) = ⁡
𝑡2−𝑡1
➢ La valeur efficace : X𝑒𝑓𝑓 = ⁡ √𝑃𝑥(𝑡1, 𝑡2)
+∞
➢ L’énergie totale de x(t) ; 𝑊𝑥 = ⁡ ∫−∞ |𝑥(𝑡)|²𝑑𝑡
1 𝑇⁄
➢ La puissance moyenne totale : 𝑃𝑥 = lim ∫−𝑇⁄2 |𝑥(𝑡)|²𝑑𝑡
𝑇 𝑇→∞ 2

1. Signaux à énergie finie

+∞
Ce sont des signaux pour lesquels :∫−∞ |𝑥(𝑡)|²𝑑𝑡 est finie,
+∞
i.e ∫−∞ |𝑥(𝑡)|2 𝑑𝑡⁡ < ⁡∞⁡, on les appels des signaux à puissance moyenne
nulle.

2. Signaux à puissance moyenne finie

Ce sont des signaux pour lesquels : est finie

i.e .
Ce sont des signaux généralement à énergie infinies donc généralement non
réalisables.

III - Les signaux de base

1) La fonction signe ou sigmum

 1⁡∀⁡⁡𝑡 > 0
Elle est notée sgn= { ; Par convention en termes de représentation
−1⁡∀⁡⁡𝑡 < 0
sgn(t)= 0.

sgn(t)

1
0
-1

2) Saut unité ou échelon unité ou échelon d’Heaviside

;
par convention = 1.
𝜕 (𝑡 )
1

t.

3) Fonction rampe

r(t)=

r(t)

0 t
 4) Fonction rectangulaire ou fonction 𝜋 (𝑡 )
porte

rect(t)=
-1/2 ½

On peut généraliser la fonction porte par la fonction :

;
Pour T
𝜋( 𝑡)

-T/2 T/2

5) La fonction triangle
Ʌ(t)
1 − |𝑡|⁡⁡∀⁡|𝑡| ≤ 𝑇 (
Elle est notée Λ(𝑡) = {
0⁡𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠

-1 0 1

On définit une fonction triangle généralisée par :

|𝑡|
Λ(𝑡) = {1 − 𝑇 ⁡⁡∀⁡|𝑡| ≤ 𝑇
0⁡𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠

Ne pas écrire Λ 1(t) mais Λ (t) -T 0 T

Λ T(t)= Λ (𝑇𝑡 )

• Produit de convolution
 Le produit de convolution de 2 signaux x(t) et y(t) est définie par :
x(t)

Exercice :
1.
a. Exprimer en fonction de sgn(t)
b. Exprimer en fonction de
c. Exprimer r(t) en fonction de
d. Représenter les signaux suivants :
(t+1) ; (t+4) ; r(t-1)
2.
a. Exprimer ∆T(t) en fonction de ∆(t)
b. Déterminer le signal s(t)=
c. Conclure
d.
Solution :1.

b.

∂(t+1) ∂(t-1)

-1/2 1/2
e. Représentation
 ; ∂(t+1)

𝜋 (𝑡)

-4,5 -4 -3,5 0

r(t-1)

0 1 t

2.a.

∆(t/T)=
∆(t/T) = ∆(t)

b.Calcul de

s(t)

-1/2 0 1/2
 -1/2 /2 -1/2

t-

-1/2 ½

On a : 1 pour -1/2 /2

et = 1 pour
Cherchons , on aura :

1er cas :
t-1/2 t+1/2 -1/2 ½
Donc = 0 ; d’où s(t)= 0 pour t+1/2 ; t t
s(t)= 0.
2e cas : t s(t)= 0
-1/2 t-1/2 ½ t+1/2

3e cas : -1/2 t-1/2 t+1/2 1/2

On a : s(t)= 1 pour t- et t+1/2

; donc pour t=0, s(t)=1

car s(t)=

4e cas :

-1/2 t-1/2 ½ t+1/2

On a : s(t)= -t+1/2+1/2= 1-t pour -1/2

 5e cas :

t-1/2 -1/2 t+1/2 ½

On a : s(t)= t+1/2+1/2= 1+t pour -1/2

Résumé : = s(t)=
F. Impulsion de

Dirac ; d’où = ∆(t)

1
Notée 𝛿(t), elle est formellement
définie par un intégral :
-1 0 1
x(to)=

Pour to dt
L’impulsion de Dirac est définie par un produit scalaire
❖ Propriétés :
• Si x(t)=1, ∀ 𝑡 on a : dt= 1
D’une manière générale, on admettra que :

donc
Donc

❖ Autre définition de l’impulsion de Dirac :

Soit le signal x(t)= (t) ayant pour représentation

 1/T x(t)

-T/2 T/2

On a : 𝛿 (t) = lim 1 πT(t) 𝛿 (t)

𝑇 →0𝑇

➢ Autres propriétés de l’impulsion de Dirac

• x(t).𝛿(t)= x(0).𝛿(t)
• x(t).𝛿(t − to)= x(tO).𝛿(t − to)
• x(t).𝛿(t − to)= x(t-to)
•

Réponse impulsionnelle à 1 système

H(P)

e(t) S(t)

On parle de réponse impulsionnelle lorsque :

e(t)= 𝛿(t) ⇒ 𝑆(𝑡) = ℎ(𝑡)

7) La fonction Shash ou Jeigne de Dirac

C’est une suite d’impulsion de Dirac rejetée avec une période T notée шT(t),
définie par :
 шT(t)= ∑+∞
−∞ 𝛿 (t − kT)

-3T -2T -T 0 T 2T 3T

Multiplions un signal quelconque x(t) par Shash, on :

x(t). шT

0 T 2T 3T

Multiplier un signal x(t) par la fonction Shash revient à échantillonner ce signal à

la période T.

8) Opérateur de répétition

Il permet de rejeter ou de périodiser les signaux.

S(t)= x(t). шT
S(t)= repT

9) La fonction sinus cardinal

Elle est définie par : sin

❖ Propriétés :

On a aussi :
 10) L’impulsion Gaussienne

Elle est définie par : ig(t)=

On montre que :

Exercice :

1.a. Calculer avec

b. On pose x(t)= repT , y(t)= rep2T ; Calculer les
valeurs moyennes de x(t) et y(t).

c. Evaluer ; avec a
Correction :
1.a. Calculons :

avec x

On sait que : ;

D’où

On sait que :
𝑡 𝑡 𝑡
Λ( ) =⁡{1 − | | ∀⁡| | ≤ 1⁡ → |𝑡| ≤ 𝑇
𝑇 𝑇 𝑇
0⁡𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠⁡

+∞ +∞ 𝑇 |𝑡|
∫−∞ 𝑦1(𝑡) = ⁡ ∫−∞ 𝐴⁡ ∧ (𝑡) = ⁡ ∫−𝑇 𝐴(1 − 𝑇
)⁡𝑑𝑡

0 |𝑡| 𝑇 |𝑡|
𝐴 ∫−𝑇(⁡1 − )𝑑𝑡 + ⁡𝐴 ∫0 (1 − ) ⁡𝑑𝑡
𝑇 𝑇
 0 |𝑡| 𝑇 |𝑡|
𝐴 {∫−𝑇(⁡1 − )𝑑𝑡 + ⁡ ∫0 (1 − ) ⁡𝑑𝑡}
𝑇 𝑇

𝑡2 0 𝑡2 T
𝐴 {[𝑡 + ⁡] + [𝑡 − ]⁡⁡⁡}
2𝑇 -T 2𝑇 0

=AT

Donc

b). On pose x(t)= repT et y(t)= rep2T

• Calculons de x(t)

or x(t)= x

x x
; x

On a :

Comme alors on aura :

car en choisissant k=0, ;

donc

• Calcul de de y(t)

or y(t)= y
 1
𝑦̅ = ∫ [∑+∞
2𝑇 2𝑇 −∞ 𝑦1(𝑡 − 2𝑘𝑡)]⁡𝑑𝑡

𝑡 𝑡−2𝑘𝑡
𝑦1(𝑡) = 𝐴⁡Λ⁡ ( ) =˃ y1 (t – 2kt) = A Ʌ ( )
𝑇 𝑇

𝑡 − 2𝑘𝑡 𝑡 − 2𝑘𝑡
𝑦1(𝑡) = ⁡ {𝐴 (1 − | 𝑇
|) ⁡𝑠𝑖⁡ |
𝑇
|≤1
0⁡𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠

Comme alors k=0

On aura

c.Evaluons ; avec a

Posons

Donc

Exercice 1 :
Calculer la puissance et l’énergie des

signaux : x1(t)= A (t)= A. ;

 x3(t)= A. ; x4(t)= ;
x5(t)= t∂(t) ; x6(t)=

a. Conclure

Exercice 2 :

a. Déterminer la partie paire et impaire du signal suivant :

b. Calculer les valeurs moyennes efficaces des signaux

obtenus.
Remarque : soit x(t) un signal quelconque, on a :

(valeur moyenne) et Xeff

Chap. 3 : Représentation vectorielle des signaux

I. Espace des signaux

Soit (E) un espace donné.
Soit x1, x2 deux vecteurs de E, (λ ;λ )
Alors, on a : λ x1+λ x2 E, soit une base de E, soit x(t) un signal de E.
des coefficients

A. Notion de produit scalaire

Le produit scalaire est une forme bilinéaire symétrique, définie, positive.
L’espace (E) considéré sera muni d’un produit scalaire dans R appelé espace
euclidien.
Soit une forme bilinéaire. est
produit scalaire i.e
 Exemple : a.

B
A

C AH AH
b. avec

c.

1. Distance entre deux signaux

La distance est définie comme étant la norme entre deux signaux :

Exemple :
a. d(A,B)=

A B

b. d(x,y)=

c. d(x,y)=

2. Signaux orthogonaux
Deux signaux x(t) et y(t) sont orthogonaux(Ʇ) si et seulement si

Exemple :
 On pose donc 1Ʇt.
Exercice : Montre que avec est
une base orthogonale par rapport au produit scalaire

Solution :
Calculons : < 𝜑𝑛(𝑡),𝜑𝑚(𝑡) >

= 0 ⇒ (𝜑𝑖)𝑖=1,𝑛 est une base Ʇ.

Remarque : La valeur moyenne d’un cos est nulle sur une période.

donc (𝜑𝑖)𝑖=1,𝑛 est Ʇ pour n≠m,

∀ 𝑛, 𝑚 ∈ ℕ∗.
 II. Approximation des signaux au sens des moindres carrées
1. Approximation optimale dans L² (a,b)
L²(a,b) : L’ensemble des signaux dont le carré est intégrale sur . Soit x(t)
E, x(t) L² (a,b)
est une base.
e(t)= x(t)-x1(t) ; e(t) : signal erreur entre
x(t) et x1(t). est minimale ssi est
minimale.

• Théorème de la projection

est minimale ssi e(t) Ʇ

Le théorème étant vérifié i.e e(t) Ʇ

e(t)= x(t)-x1(t) ; e(t) : erreur optimale, x1(t) : meilleur approximation de x(t)

au sens des moindres carrés.

; : erreur quadratique optimale.

Soit la quantité d’approximation optimale :

C. Détermination de x1
minimale ssi e(t) Ʇ
e(t) Ʇ ssi or
e= x-
 𝑃. 𝛼 = 𝜕
⇒ 𝛼 = 𝑃−1 . 𝜕

𝑋1 = 𝑡2 (𝜑𝜑1 )
𝑚

Exercice : Soit l’espace 1(t) muni du produit scalaire

.
a. Déterminer la meilleure approximation de t² sur 1(t)

b. Déduire l’erreur quadratique

c. Calculer la quantité d’approximation optimale

2. Déterminer le
Solution :
 1
b.⁡⁡⁡⁡𝑒(𝑡) = 𝑥 − 𝑥1 ⇒ 𝑒(𝑡) = ⁡ 𝑡 2 − 𝑡 +
6
1
‖𝑒(𝑡)‖2 = ∫ 𝑒 2 (𝑡)𝑑𝑡
0
1
1
= ∫ (𝑡 2 − 𝑡 + ⁡)²⁡𝑑𝑡
0 6
1
1 1 𝑡
= ∫ (𝑡 4 + 𝑡 2 + − 2𝑡 3 + 𝑡 2 − ) ⁡𝑑𝑡
0 36 3 3
1 1 4 1 1
=[ − + − + ]
5 2 9 6 36
1
‖𝑒(𝑡)‖2 =
80
• 𝑒(𝑡) = 𝑥(𝑡) − 𝑥̃(𝑡) avec 𝑥̃(𝑡) = 𝑥1 (𝑡)

𝑒(𝑡) est optimale ssi

‖𝑒(𝑡)‖ est minimale ⇔ ‖𝑒(𝑡)‖² est minimale
1 2
Or ‖𝑒(𝑡)‖2 = ‖𝑥(𝑡) − 𝑥̃(𝑡)‖2 = ∫0 (𝑥(𝑡) − 𝑥̃(𝑡)) 𝑑𝑡
1
= ∫0 (𝑡 2 − 𝛼𝑡 + 𝛽)²

car 𝑥(𝑡) = 𝑡 2 ;⁡𝑥̃(𝑡) = ⁡𝛼𝑡 + 𝛽

1 1
d’où⁡𝑀𝑖𝑛 ∫0 (𝑡 2 − 𝛼𝑡 + 𝛽)²𝑑𝑡 =
180

• Cas particulier : (φi) constitue une base orthogonale

‖𝜑1 ‖2 ⁡⁡(0)
<𝑥,⁡⁡⁡𝜑 > <𝑥,⁡⁡⁡𝜑 >
𝜑=| ⋱ | ; 𝛼𝑖 = ‖𝜑 ‖²𝑖 ; 𝑥̃ = ∑𝑛𝑖=0 ‖𝜑 ‖²𝑖 𝜑𝑖 ;
𝑖 𝑖
(0)⁡⁡⁡‖𝜑𝑥 ‖²
𝑛
|< 𝑥,⁡⁡⁡𝜑𝑖 >|²
‖𝑒(𝑡)‖2 = ‖𝑥(𝑡)‖2 − ⁡ ∑
‖𝜑𝑖 ‖2
𝑖=0
 D. Développement en série de fonction orthogonal

Soit 𝑥(𝑡) ∈ 𝐸, soit orthogonal

𝑥(𝑡) = ⁡ ∑ 𝛼𝑖 𝜑𝑖 (𝑡)
𝑖=1
𝑛

< 𝑥(𝑡), 𝜑𝑗 >=⁡< ∑ 𝛼𝑖 𝜑𝑖 (𝑡) , 𝜑𝑗 (𝑡) > ∀⁡𝑗

𝑖=1
𝑛
= ⁡ ∑𝑖=1 ∝ 𝑖 < 𝜑𝑖 , 𝜑𝑗 > ∀⁡𝑗
= 𝛼𝑗 < 𝜑𝑗 , 𝜑𝑗 >
<𝑥(𝑡),𝜑𝑗 > <𝑥(𝑡),𝜑𝑗 >
Pour un j fixer : 𝛼𝑗 = d’où 𝑥(𝑡) = ⁡ ∑𝑛𝑗=1 𝜑𝑗
‖𝜑𝑗 ‖² ‖𝜑𝑗 ‖²

Application :
Soit (𝜑𝑖 )𝑖=1,𝑛 tq 𝜑𝑖 = ∏ 𝑇 (𝑡 − 𝑖𝑇) et soit 𝑥(𝑡) = ⁡ ⋀𝑇 (𝑡)
2

Déterminer le développement de x(t) pour (𝜑𝑖 )𝑖=1,𝑛

Solution :

<𝑥(𝑡),𝜑𝑖 >
𝑥(𝑡) = ⁡ ∑𝑛𝑖=0 ‖𝜑𝑖 ‖²
𝜑𝑖

< 𝑥(𝑡), 𝜑𝑖 >⁡= ⁡ ∫ 𝑥(𝑡)𝜑𝑖 (𝑡)⁡𝑑𝑡

𝑇

= ⁡ ∫ ⋀𝑇 (𝑡)∏𝑇 (𝑡 − 𝑖𝑇)𝑑𝑡
𝑇 2

Pour i=0, on a :

< 𝑥(𝑡), 𝜑0 >= ⁡ ∫𝑇 ⋀𝑇 (𝑡)⁡∏ 𝑇

(𝑡)⁡𝑑𝑡
2

𝑇 𝑇
or ∏ 𝑇 = 1⁡∀ − < 𝑡 <
2 2
𝑇
2 2𝑡
= ∫ (1 − ) 𝑑𝑡
−
𝑇 𝑇
2
 𝑇
2 2
𝑇 2𝑡 𝑇2 𝑇
= ⁡ − [(1 − ) ] = =
2 𝑇 0
4 2

Pour 𝑖 > 0, on a :
< 𝑥(𝑡), 𝜑𝑖 >⁡= 0
𝑇
<𝑥(𝑡),𝜑0 >
𝑥(𝑡) = ⁡ 𝜑0 (𝑡) or ‖𝜑0 ‖2 2
= ∫ ∏ 𝑇 (𝑡)𝑑𝑡 = 𝑇
𝑇
‖𝜑0 ‖² −
2

𝑇2
𝑇 𝑇
𝑥(𝑡) = 4 𝜑0 (𝑡) = 𝜑0 (𝑡) ⇒ ⋀𝑇 (𝑡) = ∏ 𝑇 (𝑡)
𝑇 4 2 4

E. Orthogonalisation par la méthode de Gram schmidth

Soit (𝜑𝑖 )𝑖=1,𝑛 une base quelconque de E.

Soit (𝑣𝑖 )𝑖=1,𝑛 la base orthogonale à construire selon le principe de
Gram.
𝑣1 = 𝜑1
𝑣2 = 𝜑2 + 𝜆1 𝑣1 Remarque : 𝜆1 ≠
𝜆′1
𝑣3 = ⁡ 𝜑3 + 𝜆2 𝑣2 + 𝜑2 + 𝜆′1 𝑣1 ⁡
.
𝑣𝑘 = ⁡ 𝜑𝑘 + ⁡ ∑𝑘−1
𝑗=1 𝜆𝑗 𝑣𝑗

Soit 𝑙 ∈ [1, 𝑘]
< 𝑣𝑘 , 𝑣𝑙 >⁡= 0, ∀⁡𝑘 ≠ 𝑙
𝑘−1

< 𝑣𝑘 , 𝑣𝑙 >⁡=⁡< 𝜑𝑘 + ∑ 𝜆𝑗 𝑣𝑗 , 𝑣𝑙 >⁡= 0, ∀⁡𝑘 ≠ 𝑙

𝑗=1
𝑘−1

< 𝜑𝑘 , 𝑣𝑙 > ⁡ + ∑ 𝜆𝑗 < ⁡ 𝑣𝑗 , 𝑣𝑙 > = 0, ∀⁡𝑙 ∈ [0, 𝑘 − 1]

𝑗=1

< 𝜑𝑘 , 𝑣𝑙 > +⁡𝜆𝑙 < 𝑣𝑙 , 𝑣𝑙 >⁡= 0, ∀⁡𝑙 ∈ [0, 𝑘 − 1]

 < 𝜑𝑘 , 𝑣𝑙 >
𝜆𝑙 = ⁡ − ⁡∀⁡𝑙 ∈ [0, 𝑘 − 1]
‖𝑣𝑙 ‖2
𝑘−1
< 𝜑𝑘 , 𝑣𝑗 >
𝑣𝑘 = ⁡ 𝜑𝑘 − ∑ 2 𝑣𝑗
𝑗=1 ‖𝑣𝑗 ‖

• Cas particulier : Construction d’une base orthonormale

Soit (𝜑𝑖 )𝑖=1,𝑛 , cette base orthonormée.
𝑣𝑘
𝜑𝑘 =
‖𝑣𝑘 ‖

Exercice :

1
1. Construire une base orthogonale de ℝ3 [𝑋], < 𝑥, 𝑦 >⁡= ∫0 𝑥𝑦⁡𝑑𝑡
2. Déterminer une base orthonormée de l’hyperplan
𝑥+𝑦+𝑧−𝑡 =0
On utilise le produit scalaire euclidien.

Solution :
1. Soit (𝜑𝑖 )𝑖=1,2,3 cette base.
(𝜑1 ) = 1 , (𝜑2 ) = 𝑡 , (𝜑3 ) = 𝑡² , (𝜑4 ) = 𝑡 3
𝑣1 = 1
1 1
< 𝜑2 , 𝑣1 > 1 2
𝑣2 = ⁡ 𝜑2 − 𝑣1 ;⁡< 𝜑2 , 𝑣1 >⁡= ∫ 𝑡⁡𝑑𝑡 = ;⁡‖𝑣1 ‖ = ∫ 𝑑𝑡 = 1
‖𝑣1 ‖2 0 2 0

1
1
𝑣2 = 𝑡 − 2 . 1 ⇒ 𝑣2 = 𝑡 −
1 2
2
< 𝜑3 , 𝑣𝑗 >
𝑣3 = 𝜑3 − ∑ 2 𝑣𝑗
𝑗=1 ‖𝑣𝑗 ‖
< 𝜑3 , 𝑣1 > < 𝜑3 , 𝑣2 >
= 𝜑3 − [ 𝑣1 + 𝑣2 ]
‖𝑣1 ‖2 ‖𝑣2 ‖2
1
1 1 1 1 1
< 𝜑3 , 𝑣1 >⁡= ;⁡< 𝜑3 , 𝑣2 >⁡= ∫ 𝑡 2 (𝑡 − ) 𝑑𝑡 = − =
3 0 2 4 6 12
 1
2
1
1 2 1 1 3 1
‖𝑣2 ‖ = ∫ (𝑡 − ) 𝑑𝑡 = [(𝑡 − ) ] =
0 2 3 2 0 12
1
𝑣3 = 𝑡 2 − 𝑡 + ⁡
6
< 𝜑4 , 𝑣1 > < 𝜑4 , 𝑣2 > < 𝜑4 , 𝑣3 >
𝑣4 = 𝜑4 − 𝑣1 − 𝑣2 − 𝑣3
‖𝑣1 ‖2 ‖𝑣2 ‖2 ‖𝑣3 ‖2
1 1 1 1 3
< 𝜑4 , 𝑣1 >= ⁡ ∫0 𝑡 3 𝑑𝑡 = ; < 𝜑4 , 𝑣2 >⁡= ⁡ ∫0 𝑡 3 (𝑡 − ) 𝑑𝑡 = ;
4 2 40
1 1 1
< 𝜑4 , 𝑣3 >⁡= ⁡ ∫0 𝑡 3 (𝑡 2 − 𝑡 + ⁡)𝑑𝑡 = ;
6 120
1
1 61
‖𝑣3 ‖2= ⁡ ∫ (𝑡 2 − 𝑡 + ⁡)²𝑑𝑡 =
0 6 180
3 3 1
𝑣4 = 𝑡 3 − 𝑡 2 − 𝑡 −
2 5 20

1 0 0
0 1 0
2. 𝜑1 = (0) ;⁡𝜑2 = (0) ;⁡𝜑3 = (1)
1 1 1

1
0 < 𝜑2 , 𝑣1 >
𝑣1 = 𝜑1 = 0 ; 𝑣2 = 𝜑2 − 2
𝑣1
1 ‖𝑣1 ‖
( )
4

< 𝜑2 , 𝑣1 >⁡= ⁡ ∑ 𝜑𝑖 𝑣𝑖 = 1;⁡ ‖𝑣1 ‖2 = 2

𝑖=1
1 1
0 1 − −
2 2
1 1 0 1 1
𝑣2 = 0 − 0 = 0 ⇒ 𝑣2 = 0
1 2 1 1 1
( ) ( ) 2 2
( ) ( )
< 𝜑3 , 𝑣1 > < 𝜑3 , 𝑣2 >
𝑣3 = 𝜑3 − [ 𝑣1 + 𝑣2 ]
‖𝑣1 ‖2 ‖𝑣2 ‖2
1
1 −
− 3
0 1 2 1
0 0 1 −
1 1 3 2 √3
= 1 − 0 − 0 ⇒ 𝑣3 = ⁡ 1 ;⁡‖𝑣3 ‖2 =
1 2 1 3 1 3
1
( ) ( ) 2 3
( )
( )
 1
1 −
2
𝑣1 1 0 𝑣2 √3 0
𝜑1 = = 0 ;⁡𝜑2 = = 0
‖𝑣1 ‖ √2 1 ‖𝑣2 ‖ √2 1
( ) 2
( )
1
𝑣3 1
; 𝜑3 = −3
‖𝑣3 ‖ 1
( )