MAM 3 Math matiques de ling nieur 1 e e

Maureen Clerc

Martine Olivi1

3 janvier 2011

BP 93, 06902 Sophia-Antipolis Cedex, FRANCE, Martine.Olivi@sophia.inria.fr, phone : 33 4 92 38 78 77, fax : 33 4 92 38 78 58, http ://www-sop.inria.fr/members/Martine.Olivi/cours.html

1 INRIA,

Table des mati` res e

Signaux et syst` mes e 1.1

Exemples et applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.1.1 1.1.2 1.1.3 Signaux discrets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 Signaux analogiques . . . . . . . . . . . . . . . . . . . . . . . . . . 10 Syst` mes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 e

1.2

L tude des syst` mes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 e e 1.2.1 1.2.2 Propri t s alg briques des syst` mes . . . . . . . . . . . . . . . . . 13 ee e e Continuit dun syst` me . . . . . . . . . . . . . . . . . . . . . . . . 14 e e

1.3 1.4

Filtres analogiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

Int gration e 2.1 2.2 2.3 2.4

19

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 Ensembles mesurables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 Fonctions mesurables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 Int grale de Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 e 2.4.1 Int grale des fonctions simples positives. . . . . . . . . . . . . . . 26 e 3

2.4.2 2.4.3 2.4.4 2.5

Int grale des fonctions mesurables positives. . . . . . . . . . . . . 26 e Int grale des fonctions mesurables. . . . . . . . . . . . . . . . . . 27 e La notion de presque partout. . . . . . . . . . . . . . . . . . . . 28

Calcul int gral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 e 2.5.1 2.5.2 2.5.3 2.5.4 2.5.5 2.5.6 Le th or` me de la convergence domin e de Lebesgue . . . . . . . 29 e e e Comparaison avec lint grale de Riemann. . . . . . . . . . . . . . 31 e Fonctions d nies par des int grales. . . . . . . . . . . . . . . . . 32 e e Changement de variable . . . . . . . . . . . . . . . . . . . . . . . . 33 Le th or` me de Fubini . . . . . . . . . . . . . . . . . . . . . . . . . 34 e e Int gration et d rivation . . . . . . . . . . . . . . . . . . . . . . . . 34 e e

2.6 3

Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

Espaces de fonctions int grables e Convolution 3.1 3.2 3.3

41

Les espaces L p . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 Propri t s dinclusion et de densit . . . . . . . . . . . . . . . . . . . . . . 43 ee e Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 3.3.1 3.3.2 Convolution et th orie du signal. . . . . . . . . . . . . . . . . . . . 45 e Convolution et densit de D(R) dans L1 (R). . . . . . . . . . . . . 47 e 49

Signaux p riodiques et s ries de Fourier e e 4.1 4.2 4.3 4.4

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 Le cadre de lespace L2 (0, T ) . . . . . . . . . . . . . . . . . . . . . . . . . . 50 S ries de Fourier en sinus et cosinus. . . . . . . . . . . . . . . . . . . . . . 52 e Repr sentation ponctuelle dune fonction par sa s rie de Fourier . . . . . 53 e e 4

4.5 5

Conclusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 61

Transform e de Fourier. e 5.1 5.2

Transform e de Fourier dans L1 (R). . . . . . . . . . . . . . . . . . . . . . 61 e Transform e de Fourier dans L2 (R) e 5.2.1 5.2.2 . . . . . . . . . . . . . . . . . . . . . 64

` e Lespace S des fonctions a d croissance rapide. . . . . . . . . . . 64 ` Extension de la transform e de Fourier a L2 (R). . . . . . . . . . . 66 e

5.3

Application aux ltres analogiques . . . . . . . . . . . . . . . . . . . . . . 66 5.3.1 5.3.2 ` Cas ou lentr e et la sortie sont dans S . . . . . . . . . . . . . . . . 67 e ` Cas ou P( x )/Q( x ) na pas de pole sur laxe imaginaire et deg P < deg Q . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

5.4 6

Transform e de Fourier discr` te . . . . . . . . . . . . . . . . . . . . . . . . 68 e e 75

Quest-ce quune distribution ? 6.1

D nition dune distribution . . . . . . . . . . . . . . . . . . . . . . . . . 75 e 6.1.1 Support dune distribution . . . . . . . . . . . . . . . . . . . . . . 76

6.2

Exemples de distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 6.2.1 6.2.2 6.2.3 6.2.4 Distributions r guli` res . . . . . . . . . . . . . . . . . . . . . . . . 77 e e Distributions ponctuelles . . . . . . . . . . . . . . . . . . . . . . . 77 Peigne de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 Distributions p riodiques . . . . . . . . . . . . . . . . . . . . . . . 77 e

6.3

e Op rations el mentaires sur les distributions . . . . . . . . . . . . . . . . 78 e 6.3.1 6.3.2 6.3.3 Produit dune distribution par une fonction . . . . . . . . . . . . . 78 D riv e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 e e Limite dune suite de distributions . . . . . . . . . . . . . . . . . . 79 5

6.3.4 6.3.5

Convergence des s ries trigonom triques . . . . . . . . . . . . . . 80 e e D veloppement en s rie de Fourier du peigne de Dirac . . . . . . 80 e e

Echantillonnage et transform e de Fourier e 7.1

83

Lespace S des distributions temp r es . . . . . . . . . . . . . . . . . . . 83 ee 7.1.1 7.1.2 7.1.3 7.1.4 D nition de lespace S . . . . . . . . . . . . . . . . . . . . . . . . 83 e Convergence et d rivation dans S . . . . . . . . . . . . . . . . . . 84 e Distributions temp r es particuli` res . . . . . . . . . . . . . . . . 85 ee e Transformation de Fourier dans S . . . . . . . . . . . . . . . . . . 87

7.2

Distributions p riodiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 e 7.2.1 7.2.2 Caract risation par s rie de Fourier . . . . . . . . . . . . . . . . . 89 e e Transform e de Fourier des distributions p riodiques . . . . . . . 93 e e

7.3

Echantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 7.3.1 7.3.2 Echantillonnage dun signal . . . . . . . . . . . . . . . . . . . . . . 94 Th or` me de Shannon . . . . . . . . . . . . . . . . . . . . . . . . . 96 e e

7.4 7.5 7.6

Le recouvrement spectral (aliasing) . . . . . . . . . . . . . . . . . . . . . . 98 Transform e de Fourier discr` te . . . . . . . . . . . . . . . . . . . . . . . . 101 e e Transform e de Fourier rapide . . . . . . . . . . . . . . . . . . . . . . . . 104 e

Transform e de Laplace. e 8.1 8.2 8.3 8.4

107

Transform e de Laplace des fonctions causales . . . . . . . . . . . . . . . 107 e Premi` res propri t s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 e ee Comportement de L f . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110 Transform es de Laplace de primitives et de d riv es . . . . . . . . . . . 111 e e e 6

8.5 8.6 8.7

Transform e de Laplace et convolution . . . . . . . . . . . . . . . . . . . . 112 e Transform e inverse, recherche des originales . . . . . . . . . . . . . . . . 113 e Transformations de Laplace et de Fourier. . . . . . . . . . . . . . . . . . . 113

Chapitre 1 Signaux et syst` mes e

Les notions de signaux et syst` mes apparaissent dans de nombreux domaines des e sciences et technologies. Pour les d crire et les etudier, on dispose de puissants outils e ` math matiques, sufsament g n raux pour sappliquer a des domaines tr` s divers. e e e e Lobjectif de ce cours est de pr senter lessentiel de ces outils math matiques. e e Lorsque on observe des ph nom` nes physiques, la notion de signal correspond aux e e variations dune quantit en fonction dune ou plusieurs variables, par exemple : e - lintensit dun courant electrique e - la diff rence de potentiel e - la position dun mobile au cours du temps - les niveaux de gris des points (pixels) dune image - lintensit dun son e

Nous nous bornerons au cas dune seule variable qui peut etre le temps, mais aussi la profondeur en g ophysique, laltitude en m t orologie, etc... La notion de fonction, e ee en math matiques permet de mod liser de nombreux signaux. Cependant, la notion e e ` de distribution est une mod lisation a la fois plus g n rale et plus satisfaisante des e e e signaux. On distingue les signaux analogiques x : t x (t) pour lesquels la variable t est continue et les signaux discrets x : n x [n], n Z pour lesquels la variable n est discrete. En economie, lindice hebdomadaire Dow-Jones est un signal discret. Dans les etudes d mographiques, on trouve aussi de nombreux signaux discrets. Cependant, e un signal discret r sulte souvent de l chantillonnage dun signal analogique. e e On appelle syst` me, un processus dans lequel on peut distinguer des signaux dentr e e e et des signaux de sortie. En th orie du signal, on ne sint resse pas n cessairement aux e e e ` composantes du syst` me, mais surtout a la facon dont il transforme un signal dentr e e e en signal de sortie. Cest une bote noire. Elle sera mod lis e par un op rateur agis e e e 9

sant sur des signaux : X Y x y

avec x X, lensemble des signaux dentr e et y Y, lensemble des signaux de sortie. e Un syst` me analogique transforme un signal analogique en un autre signal analoe gique. Un syst` me discret transforme un signal discret en un autre signal discret. e

1.1
1.1.1

Exemples et applications
Signaux discrets
[0] = 1 [n] = 0 si n = 0
6

Impulsion unit e

Echelon unit e
[n] = 0 n entier n gatif e [n] = 1 si n entier positif ou nul
6

1.1.2

Signaux analogiques

Echelon unit de Heaviside e

(t) = 0 si t < 0 1 si t > 0
6

0 10

Ce signal mod lise l tablissement instantan dun r gime constant. e e e e La valeur en t = 0 peut etre pr cis e ou non. On verra que pour lint gration cette e e e valeur na pas dimportance.

Cr neau centr e e
(t) =

0 si |t| > a 1 si |t| < a

6

a > 0 donn e

Signaux exponentiels r els e Les signaux exponentiels r els sont de la forme e

x (t) = Ce at , ou C et a sont des nombres r els. e

Signaux sinusoidaux Les valeurs dun signal sont souvent en pratique des nombres r els. Cependant pour e ` des raisons de commodit on utilise couramment des fonctions a valeurs complexes. e En particulier, le signal monochromatique
x (t) = eit , ou est un nombre r el positif appel la pulsation. Ce signal est p riodique de e e e p riode T = 2/ : x (t + T ) = x (t). La fr quence de ce signal est f = 2 , elle e e mesure le nombre de cycles par unit de mesure. Dans le domaine temporel, la e 1 . Plus g n ralement, on consid` rera les signaux fr quence sexprime en Hz = s e e e e de la forme x (t) = Aei(t+) , ` ou A est lamplitude du signal et la phase a lorigine. La partie r elle de ce signal e est x (t) = A cos(t + ).

Signaux exponentiels complexes. Il sagit de signaux de la forme

x (t) = Aert+i(t+) , et leur partie r elle e x (t) = Aert cos(t + ).

Elles sont repr sent es par des sinusodes damplitude croissante (r > 0) ou d croise e e sante (r < 0). 11

1.1.3

Syst` mes e
y(t) = k x (t), k constante

1. amplicateur id al e

` 2. ligne a retard y(t) = x (t a), a constante 3. d rivateur e y(t) = x (t) 4. circuit RC

R

x(t) i(t)

v(t)

Lentr e est la tension x (t), la sortie la tension v(t) aux bornes du condensateur : e : x (t) v(t)

1.2

L tude des syst` mes e e

Lobjet de la th orie des syst` mes ou th orie du controle est l tude des processus e e e e ` entr e-sortie en vue de pr dire leur comportement ou de les commander, cest a dire e e de d terminer lentr e qui produira un comportement donn . Pour cela, il faut tout e e e dabord etablir un mod` le math matique du syst` me : equation diff rentielle, fonce e e e tion dite de transfert, qui va relier les signaux dentr e aux signaux de sortie. Pour e cela, on utilise la connaissance que lon a du processus : lois physiques, hypoth` ses e raisonnables (lin arit , invariance, causalit ...) et les mesures exp rimentales dont on e e e e dispose. Pour mesurer lad quation du mod` le au processus r el on comparera pour e e e un m me signal dentr e la sortie num rique avec le signal r el. Cette comparaison e e e e seffectuera au moyen de normes qui mesurent la distance entre deux fonctions. 12

CONCRET Entrees Processus

lois physiques hypotheses experimentations

Sorties

x(t)

Modele Mathematique

y(t)

ABSTRAIT

Dans la suite de ce chapitre, nous allons introduire quelques notions essentielles en th orie des syst` mes. e e

1.2.1

Propri t s alg briques des syst` mes ee e e

Lensemble X des signaux dentr e et celui Y des signaux de sortie sont suppos s mue e nis dune structure despace vectoriel : espace stable par addition de deux signaux, et par multiplication dun signal par une constante. e Lin arit . On lappelle aussi principe de superposition. Le syst` me e e : X Y, est lin aire si x1 , x2 X, R ou C e ( x1 + x2 ) = ( x1 ) + ( x2 ) ( x1 ) = ( x1 ) Invariance par translation. Un syst` me est dit invariant par translation ou stationnaire e si une translation du temps sur lentr e entraine la m me translation du temps e e ` sur la sortie : si ( x ) = y, alors ( x a ) = y a ou x a et y a sont les signaux translat s e d nis par e x a (t) = x (t a) y a ( t ) = y ( t a ). Causalit . Un syst` me est dit causal si pour deux signaux dentr e qui concident e e e jusquau temps t = t0 , les signaux de sortie concident au moins jusquau temps t0 : t t0 , x1 ( t ) = x2 ( t ) t t0 , y1 ( t ) = y2 ( t ). 13

` Cette propri t est naturelle pour un syst` me ou la variable est le temps. Un ee e syst` me lin aire invariant est causal si et seulement si e e

t 0, x (t) = 0 t 0, y(t) = 0.

1.2.2

Continuit dun syst` me e e

Un syst` me est dit continu si, lorsque la suite ( xn )n tend vers x, la suite yn = ( xn ) e tend vers y = ( x ). On suppose pour cela quune notion de convergence est d nie e sur les ensembles X et Y des signaux dentr e et de sortie. La continuit est une hye e ` poth` se naturelle. Elle exprime que deux signaux dentr e proches conduisent a des e e sorties proches. ` La notion de limite est souvent d nie a laide dune norme. Pour les signaux analoe giques d nis sur un intervalle Iles normes les plus courantes sont : e (i) la norme de la convergence uniforme x

= sup{| x (t)|, t I },

(ii) la norme de la convergence en moyenne x (iii) l nergie du signal : e x

2 1

=
I

| x (t)| dt ,
1/2

=
I

| x (t)| dt
v ( t )2

e ` e (cf l nergie dissip e dans une r sistance : I R dt). Cette derni` re a lavantage d tre e e e associ e a un produit scalaire, et permet de disposer dune notion dorthogonalit de e ` e deux signaux. Un syst` me lin aire est continu sil existe M > 0 tel que pour tout signal x X e e ( x ) ` ou
X Y

M x

X,

et

d signent les normes respectives sur les espaces X et Y. e

1.3

Filtres analogiques

e e Un ltre analogique est un syst` me analogique qui est lin aire, stationnaire et continu. On montre [11, III.3] quun tel syst` me est d crit par un produit de convolution : e e ` x h x ou (h x )(t) = h(t s) x (s) ds,

14

avec h la r ponse impulsionnelle du syst` me. La r ponse impulsionnelle nest pas toue e e jours une fonction et peut- tre une distribution (g n ralisation de la notion de fonce e e tion). La r ponse impulsionnelle est caract ristique du ltre, puisque sa connaissance e e ` entrane celle de la sortie correspondant a une entr e quelconque. e ` La r ponse dun syst` me de convolution a un signal de type exponentielle complexe e e x (t) = et , C est donn e, lorsque lint grale converge, par e e y(t) = On a donc et .

h(t s)es ds =

h(s)e(ts) ds = et

h(s)es ds.

( x ) = H () x,

e Le signal dentr e a simplement et multipli par un e e pour x de la forme x (t) = t est une fonction propre du nombre complexe constant H (). On dit que le signal e syst` me, associ e a la valeur propre H (). De l` vient limportance des signaux de e e ` a type exponentiel pour l tude des syst` mes de convolution. e e e e La fonction H () est la transform e de Laplace de la r ponse impulsionnelle h(t) H () =

h(s)es ds,

elle est appel e fonction de transfert du syst` me. La fonction de transfert du circuit RC e e s crit e 1 H () = . 1 + RC ` En particulier, la r ponse dun syst` me de convolution a un signal monochromatique e e it est un signal de m me fr quence x (t) de la forme x (t) = e e e y(t) = H (i )eit , e e dont lamplitude est donn e par la transform e de Fourier de la r ponse impulsione nelle h(t) H (i ) =

h(s)eis ds.

Le syst` me ne change pas la fr quence dun signal monochromatique mais modie e e ` son amplitude, qui devient H (i ), dou le nom de ltre. Si on envoie successivement au syst` me des signaux monochromatiques de la forme e in t ou w prend un certain nombre de valeurs, pour n = 1, . . . , N, dans un in` n e tervalle (bande de fr quence), on obtient ainsi des mesures de la fontion de transe fert sur laxe imaginaire H (in ), n = 1, . . . , N. On appelle ces mesures des mesures harmoniques. En pratique, de telles mesures sont souvent disponibles et le probl` me e ` de lidentication harmonique consiste a obtenir un mod` le math matique du syst` me e e e ` a partir de telles mesures. 15

1.4

Conclusion

Nous avons vu que lint gration est un outil n cessaire pour d nir une norme, ou e e e exprimer la sortie dun syst` me LTI (Linear Time Invariant) comme un produit de e convolution. Or, un signal nest pas toujours une fonction bien r guli` re (continue, e e ` analytique). On aura donc besoin dune notion dint grale convenant a une large classe e de fonctions. Cest pourquoi nous allons aborder lint grale de Lebesgue. Cela va nous e permettre de d nir les espaces L p de fonctions int grables qui fournissent des espaces e e de signaux avec lesquels on pourra travailler. Dans ce cadre, on etudiera les produits de convolution. Les signaux exponentiels complexes jouent un role essentiel en traitement du signal. Nous verrons que tout signal p riodique peut s crire sous la forme dune somme e e innie de signaux monochromatiques x (t) =
n Z

cn eint ,

ou s rie de Fourier. Les exponentielles complexes interviennent aussi dans l tude des e e ` syst` mes de convolution : ce sont des fonctions propres. Ils sont a lorigine des transe form es de Fourier et de Laplace, qui permettent de d nir la fonction de transfert e e dun syst` me de convolution. La transform e de Laplace a la propri t de transfore e ee mer un produit de convolution en produit, une equation diff rentielle en equation e alg brique ... de transformer certains probl` mes difciles en des probl` mes plus fae e e ` e ciles a r soudre. Bibliographie : C. Gasquet, P. Witomski [4] ; A.V. Oppenheim et al. [6], C-T. Chen [3], L. Schwartz [11] Animations java : le ressort amorti, ltres R,L,C : http ://www.sciences.univ-nantes.fr/physique/perso/gtulloue/

16

Exercices
1. Soit : x [n] y[n] un signal discret, lin aire, stationnaire et continu. On note e h[n] la r ponse du syst` me au signal [n]. Montrer que e e y[n] = x [n] = Cest un produit de convolution. 2. Montrer quun syst` me lin aire, invariant : x (t) y(t) est causal si et seulee e ment si : x (t) = 0 pour t < 0 y(t) = 0 pour t < 0. Les syst` mes suivants sont-ils lin aires ? stationnaires ? causaux ? e e (a) y(t) = x (t 2) + x (2 t) (b) y(t) = cos(3t) x (t) 2t (c) y(t) = x (s) ds 3. Circuit RC.
R

+
k=

x [ k ] h [ n k ].

x(t) i(t)

v(t)

Lentr e est la tension x (t), la sortie est la tension v(t) aux bornes du condensae teur, : x (t) v(t) Ecrire l quation diff rentielle qui relie x (t) et v(t). e e ` Calculer la solution v(t) de cette equation diff rentielle (la r ponse a lentr e e e e nulle est nulle). Ce syst` me est-il lin aire ? stationnaire ? causal ? e e Montrer quil est continu pour la norme de la convergence uniforme. Montrer que v(t) s crit comme un produit de convolution e v(t) =
+

h(t s) x (s) ds

pour une fonction h(t) que lon explicitera. ` e Calculer la r ponse h1 (t) du ltre a l chelon unit (t), appel e r ponse indie e e e cielle, et sa fonction de transfert H (z). Calculer K = H (0) (gain du ltre) et montrer que limt h1 (t) = K. Tracer h(t), h1 (t) et H (i ), R. ` 4. Une masse m est suspendue a un point xe par linterm diaire dun ressort de e raideur k. Le d placement y(t) de la masse satisfait l quation diff rentielle e e e my (t) + ky(t) = f (t), 17

` ou f (t) est la force appliqu e a la masse. On consid` re le syst` me : f (t) y(t). e ` e e On pose = k/m. ` Quelles sont les propri t s de ce syst` me ? On suppose le syst` me soumis a une ee e e entr e sinusodale : f (t) = cos(0 t)(t). Calculer la solution y(t) satisfaisant e y(0) = y (0) = 0, lorsque 0 = et lorsque 0 = . Dans ce dernier cas, la solution est-elle born e ? Il sagit du ph nom` ne de r sonnance. e e e e

18

Chapitre 2 Int gration e

2.1 Introduction

Les d veloppements de la th orie de la mesure et de lint gration peuvent se grouper e e e en quatre grandes p riodes. e Les origines sont tr` s anciennes et remontent au IV` me si` cle avant J.C. Avec Eudoxe e e e apparait le calcul daires et de volumes pour des cones, pyramides, etc... Archim` de e calcule les aires de certaines parties du plan en introduisant les notions de polygone int rieur et de polygone ext rieur (approximation par des fonctions lin aires par more e e ceaux). Le XVII` me si` cle voit la cr ation, essentiellement par Newton et Leibniz, du calcul e e e diff rentiel et int gral. Gr ce a la notion dinniments petits, on d termine la tangente e e a ` e ` a une courbe, on calcule laire dune surface en la d coupant en bandes inmes et e on sapercoit que d termination de tangentes et calcul daires sont deux facettes dun e m me ph nom` ne ; en fait deux op rations r ciproques lune de lautre. Les fonctions e e e e e e el mentaires sont d nies (par des expressions analytiques). Les int grales les plus e e x 2 x simples apparaissent ( a t dt) et Newton d couvre le logarithme (par log x = 1 dt ). e t On ne se pose pas alors la question de lint grabilit , pour cela, il faut attendre le d but e e e du XIX` me si` cle. Fourier d couvre que toute fonction continue peut se repr senter e e e e ` par une s rie trigonom trique, et constate la n cessit de proc der a des int grations e e e e e e ` sur de telles repr sentations. Cest pour r pondre a ce besoin que Cauchy et surtout e e Riemann cr ent, en reprenant lid e dArchim de dapproximation par des fonctions e e e en escalier, lint grale de Riemann (1867). e Soit f : [ a, b] R une fonction born e d nie sur un intervalle born [ a, b]. Soit n e e e 19

une subdivision de lintervalle [ a, b] : a = x0 < x1 < x2 < xn1 < xn = b. On consid` re la somme de Riemann e I (n ) =
n

i =1

f ( i )(xi xi1 ),

i ] xi1 , xi [.

D nition 2.1.1. On dit que f est intgrable au sens de Riemann (ou R-intgrable) si pour e e e toute suite de subdivisions {n }n=1... telle que la plus grande des longueurs maxi=1...n | xi xi1 | tende vers zro lorsque n , la somme de Riemann I (n ) admet une limite nie. e La limite est appel e int grale de Riemann sur a, b et not e e e e
b a

f ( x ) dx.

` On peut aussi d nir lint grale de Riemann a laide de fonctions en escalier : une e e fonction : [ a, b] R est dite en escalier si il existe une subdivision n de [ a, b] telle que ait une valeur constante ci sur chacun des intervalles ] xi1 , xi [, i = 1, . . . , n. Lint grale I () de est d nie par e e I () =

i =1

c i ( x i x i 1 ).

e e e Lint grale inf rieure I ( f ) et lint grale sup rieure I ( f ) de f sont alors d nies par e e I ( f ) = sup{ I (), fonction en escalier, f } I ( f ) = inf{ I (), fonction en escalier, f }. La fonction f etant born e, I ( f ) et I ( f ) existent et I ( f ) I ( f ). Lorsque I ( f ) = I ( f ), f e est R-int grable. e Par exemple, si E = Q [0, 1] est lensemble des rationnels de lintervalle [0, 1], la fonction caract ristique de E nest pas R-int grable. En effet, I ( E ) = 0 tandis que e e I ( E ) = 1. Propri t s : ee b lapplication I : f a f ( x )dx est une forme lin aire e e si f est une fonction born e, continue sur [ a, b] sauf en un nombre ni de points, alors f est R-int grable e Si ( f n )nN est une suite de fonctions R-int grables sur [ a, b] et si ( f n )nN converge e uniform ment vers une fonction f , alors f est R-int grable et e e
b a b

f ( x ) dx = lim 20

n a

f n ( x ) dx

Rappel : une suite de fonctions ( f n ) converge uniform ment vers une fonction f si e et seulement si pour tout > 0, il existe une entier N tel que pour tout n > N, fn f < . th or` me fondamental de lanalyse : si f est continue sur [ a, b] alors la fonction F e e d nie sur [ a, b] par e
x

F(x) =

f (t) dt,

` est d rivable sur [ a, b] et sa d riv e est egale a f . e e e Bien que cette approche semble parfaitement naturelle et simple, lint grale de Riee ` mann est imparfaite et son maniement est malais et limit . Cela tient a une raison e e unique dont nous donnons trois aspects : 1. Elle demande beaucoup de r gularit a la fonction que lon int` gre et pas assez e e` e de fonctions sont int grables. Par exemple, la fonction de Dirichlet sur [0, 1] : e fonction caract ristique des rationnels, qui vaut 1 pour x rationnel et 0 pour x e irrationnel, nest pas int grable. e 2. Il se peut quune suite ( f n ) de fonctions R-int grables converge simplement sur e [ a, b] vers une fonction f qui nest pas R-int grable. Par exemple, si on num rote e e les rationnels de lintervalle [0, 1] (d nombrables !) : r1 , r2 , . . . , rk , . . . et si pour e n N, on consid` re la fonction caract ristique gn de lensemble {r1 , r2 , . . . , rn }. e e Les gn sont R-int grables et la suite ( gn ) converge simplement vers la fonction e de Dirichlet, qui ne lest pas. Il en r sulte une difcult ou une impossibilit de combinaison avec les autres e e e op rations de lanalyse, i.e. d crire les relations suivantes e e
b a n b x x0 b

lim f n ( x ) dx = f ( x, t) dt = f n ( x ) dx = f ( x, t) dt =

n a b a x x0 b

lim

f n ( x ) dx

lim

a b

lim f ( x, t) dt f n ( x ) dx f ( x, t) dt

a n =1 b

n =1 a b a

qui sont pourtant tr` s utiles ... e 3. Si lon munit lespace C 0 [ a, b] des fonctions continues sur [ a, b] de la norme
b

=
a

| f ( x )|dx,

on obtient un espace vectoriel norm qui nest pas complet (voir Mesure et int e e grale de Lebesgue, exercice 1) Rappel : un espace vectoriel norm ( E, e ) est dit complet si dans cet espace toute suite de Cauchy converge. Une suite ( f n ) de E est de Cauchy si pour tout > 0, il existe un entier N tel que pour tout entier p > N et q > N, f p f q < . 21

 Les travaux de Riemann suscitent de nombreuses etudes pour d nir une notion dint e e grale dans les cas les plus g n raux. Cest vers 1900 que Lebesgue propose sa th orie e e e de lint gration. Les sommes de Riemann ne conviennent que pour des fonctions dise continues qui varient peu dans lintervalle ] xi1 , xi [. Le point de vue de Lebesgue est diff rent (voir [4, 11.3]). En cr ant son int grale, Lebesgue la lui-m me compar e e e e e e ` a lint grale de Riemann : Imaginez que je doive payer une certaine somme ; je e ` peux sortir les pi` ces de mon porte-monnaie comme elles viennent pour arriver a la e somme indiqu e, ou sortir toutes les pi` ces et les choisir selon leur valeur. La premi` re e e e ` m thode est lint grale de Riemann, la deuxi` me correspond a mon int grale. Lint e e e e e ` gration de Riemann parcourt le segment et mesure la hauteur de la fonction au fur et a mesure, tandis que lint grale de Lebesgue consid` re la taille des ensembles de niveau. e e Au lieu de d couper lensemble de d part en petits morceaux, on d coupe lensemble e e e darriv e, i.e. lespace des y : e = y0 < y1 < y2 < yn1 < yn = , ou [, ] est lintervalle des variations de f ( x ). A lintervalle Ji =]yi1 , yi [, il associe Ei = { x [ a, b], yi1 f ( x ) < yi }. Ces ensembles peuvent etre tr` s compliqu s et la difcult est de d nir convenablee e e e ment leur mesure m( Ei ). On remplace alors les sommes de Riemann par les sommes

i =1

i m( Ei ), yi1 < i < yi .

yi yi1

x i1 x i

a Ei Partition de Lebesgue

Partition de Riemann

La situation pour les ensembles de fonctions est la m me que pour les ensembles de e nombres : si les calculs pratiques se font sur lensemble des rationnels, lensemble complet des r els est tr` s utile pour l tude de la convergence des suites. Ce sont les e e e int grales de Riemann que lon calcule. Par contre, les combinaisons de lint gration e e ` avec les autres op rations de lanalyse (passages a la limite, d rivation sous le signe e e somme ....) sont facilit es avec lint grale de Lebesgue. Si le manuel de lutilisateur de e e lint grale de Lebesgue est simple, sa construction est difcile ... nous ne ferons que la e survoler. 22

2.2

Ensembles mesurables

Lid e est d tendre la notion de mesure dun intervalle, daire dun rectangle ... On e e donne ici les propri t ensemblistes fondamentales des ensembles mesurables. ee D nition 2.2.1. Un ensemble T de parties de R p est une tribu si et seulement si e (i) T , R p T (ii) S T R p \ S T ( le complmentaire de S par rapport a R p ) e ` (iii) S1 , S2 , . . . T

T. Les elments de T sont appels ensembles mesurables. e e

D nition 2.2.2. Une mesure sur une tribu T est une application m : T [0, ] qui e poss`de les proprits suivantes : e ee (i) m() = 0 (ii) Additivit d nombrable : Si Sn est une suite densembles mesurables, deux a deux e e ` disjoints, on a :

n =1 S n

m
n =1

Sn

n =1

m ( Sn )

La notion de mesure est d nie pour un ensemble queconque et joue un role essentiel e en probabilit . e On appelle tribu des bor liens, not e B , la plus petite tribu contenant (ou tribu ene e gendr e par) lensemble des ouverts de R p pour la mesure euclidienne. Pour construire e e la mesure de Lebesgue, on commence par d nir la mesure dun pav de R p e P =] a1 , b1 [ . . .] an , bn [, ai < bi . de la facon suivante : m( P) = (b1 a1 ) . . . (bn an ). ` Puis, on montre quon peut etendre cette mesure a la tribu des bor liens (difcile). e Cest la mesure de Lebesgue, on la notera m. Elle est invariante par translation m( x + E ) = m ( E ). ` En fait, la tribu des bor liens nest pas tout a fait la plus grande possible sur lae quelle on puisse d nir la mesure de Lebesgue. Elle ne contient pas tous les ensembles e n gligeables, cest-` -dire contenus dans un bor lien de mesure nulle. On aimerait bien e a e que les n gligeables soient de mesure nulle. Cest pourquoi, on est amen a consid rer e e` e la tribu de Lebesgue, not e L, engendr e par les bor liens et les n gligeables. La mee e e e ` sure de Lebesgue s tend a L. e Les ensembles de mesure nulle jouent un role primordial pour lint gration. Tout ene semble d nombrable est de mesure nulle. La r ciproque est fausse, par exemple, lene e semble triadique de Cantor est n gligeable mais a la puissance du continu (il est en e 23

bijection avec lensemble des r els). Cet ensemble K est d ni comme une intersection e e e e K = nN Cn ou les ensembles Cn sont d nis par r currence : C0 lensemble [0, 1]. 1 C1 lensemble [0, 3 ] [ 2 , 1]. 3 1 7 9 C2 lensemble [0, 9 ] [ 2 , 3 ] [ 6 , 9 ] [ 8 , 9 ] 9 9 9 9 1 Cn lensemble 1 .Cn1 (Cn1 + 2). 3 . 3

Lensemble triadique de Cantor. Notons que les inclusions B L R p sont strictes. Cependant, la tribu des bor liens e contient tous les ouverts, tous les ferm s, toutes les r unions d nombrables de ferm s, e e e e intersections d nombrables douverts, etc... il y a donc enorm ment densembles mee e e surables, tous les ensembles se pr sentant naturellement sont mesurables. Limpossibilit de mesurer tous les ensembles se r v` lera sans gravit . Il est au contraire dife e e e cile de construire un ensemble non mesurable (Vitali, 1905), il faut pour cela utiliser laxiome du choix : dans lintervalle [0, 1], on consid` re la relation d quivalence : x et y e e sont dits equivalents si x y est rationnel. Soit A un sous-ensemble de [0, 1] obtenu en e prenant un el ment dans chacune des classes d quivalences ; A nest pas mesurable ! e

2.3

Fonctions mesurables

Dans le chapitre pr c dent on a introduit les ensembles sur lesquels on va pouvoir e e int grer. De m me, il faut d nir les fonctions avec lesquelles on va pouvoir travailler : e e e les fonctions mesurables. e On note R = R {} {}. Si on d nit la borne sup rieure dune partie non e vide, non major e comme etant +, alors toute partie non vide de R admet une borne e sup rieure. e Proposition 2.3.1. Une fonction f : R p R est mesurable si et seulement si pour tout rel e a lensemble f 1 (] a, +[) = { x R p ; f ( x ) > a} est mesurable. Remarques. 24

1. En fait, f est mesurable si et seulement si limage r ciproque de tout bor lien est e e mesurable. On peut choisir pour le montrer nimporte quelle partie qui engendre B (cf. section 2.2) : les intervalles de la forme ] a, +[, ou [ a, +[... 2. Le lien entre ensembles mesurables et fonctions mesurables est le suivant : lensemble A est mesurable si et seulement si la fonction caract ristique A de A e d nie par e 1 si x A A (x) = 0 si x A / est mesurable. 3. Il y a une analogie de d marche entre la topologie et la th orie de la mesure : e e ouverts ensembles mesurables fonctions continues fonctions mesurables. Exemples. 1. Toute fonction continue est mesurable. Il existe beaucoup de fonctions mesurables non continues. 2. La fonction caract ristique A dun ensemble mesurable A, est mesurable. En e particulier, la fonction caract ristique des rationnels est mesurable. e Proposition 2.3.2. Soient f et g des fonctions mesurables de R p dans R. Alors, les fonctions suivantes sont mesurables : f ( rel) ; f + g (lorsque cette somme est dnie) ; f g ; | f | ; e e + = sup( f , 0) ; f = inf( f , 0) = sup( f , 0). sup( f , g), inf( f , g) ; f Remarque : f g peut ne pas etre mesurable. Proposition 2.3.3. Soient ( f n ) une suite de fonctions mesurables. La limite ponctuelle de la suite ( f n ), si elle existe, est mesurable. Comme pour les ensembles, la famille des fonctions mesurables est tr` s etendue. e Nous allons maintenant d nir les fonctions simples. Il sagit des fonctions les plus e e el mentaires, qui jouent pour lint grale de Lebesgue le role des fonctions en escae lier pour lint grale de Riemann. Ce sont des combinaisons lin aires de fonctions cae e ract ristiques. e e D nition 2.3.1. Une fonction mesurable f : R p R est dite etage ou simple si elle ne e prend quun nombre ni de valeurs. Elle peut se reprsenter sous la forme e f =

i =1

ai Ei ,

(2.1)

ou les ai sont des rels et les Ei des ensembles mesurables. e La repr sentation (2.1) nest bien sur pas unique, mais il existe une repr sentation e e unique, dite standard de f dans laquelle les ai sont distincts et les Ei disjoints. On a alors Ei = { x R p ; f ( x ) = ai }. 25

La somme, le produit, le module de fonctions simples sont simples. Limportance des fonctions simples r side dans le th or` me dapproximation suivant : e e e Th or` me 2.3.1. Toute fonction mesurable positive est la limite dune suite croissante de e e fonctions simples. On va d nir lint grale de Lebesgue en proc dant par etapes, en consid rant des e e e e fonctions de plus en plus compliqu es : e 1. fonctions caract ristiques e 2. fonctions simples 3. fonctions mesurables positives 4. fonctions mesurables

2.4

Int grale de Lebesgue e

Si E est un ensemble mesurable, on d nit lint grale de Lebesgue de sa fonction cae e ract ristique E par e E dm =
E

dm = m( E).

2.4.1

Int grale des fonctions simples positives. e

D nition 2.4.1. Soit s simple positive, et e s=

i =1

ai Ei ,

e e sa reprsentation standard. Lintgrale de Lebesgue de s est le nombre positif (ventuellement e +) s dm = On dit que s est intgrable si e s dm est nie.
i =1

ai m(Ei ).

2.4.2

Int grale des fonctions mesurables positives. e

` Le passage a une fonction mesurable positive se fait gr ce au Th or` me 2.3.1. a e e 26

D nition 2.4.2. Soit f une fonction mesurable positive. Lintgrale de Lebesgue de f est le e e nombre positif (ventuellement +) e f dm = sup e On dit que f est intgrable si s dm, 0 s f , s simple .

f dm est nie.

Le premier th or` me fondamental de la th orie de lint gration est le suivant : e e e e Th or` me 2.4.1 (convergence monotone). Soit f n une suite croissante de fonctions mesue e rables positives qui converge vers une fonction f . Alors, f dm = lim
n

f n dm.

Remarques. 1. Les deux membres de l galit sont nis ou innis, la suite ( e e sante dans R. f n dm) etant crois-

2. Lint grale de la fonction de Dirichlet (fonction caract ristique des rationnels) est e e nulle. Elle nest pas int grable au sens de Riemann. e 3. Le th or` me tombe si ( f n ) nest pas croissante. e e

2.4.3

Int grale des fonctions mesurables. e

Lint grale dune fonction f mesurable sobtient en d composant f en f = f + f , e e + = sup( f , 0) et f = inf( f , 0) = sup( f , 0) sont mesurables et ` ou les fonctions f positives. On a aussi | f | = f + + f . D nition 2.4.3. Une fonction f mesurable est dite intgrable ou sommable si les fonctions e e f + et f ont chacune une intgrale nie. Lintgrale de f est alors dnie par e e e f dm = f + dm f dm.

Si E est un ensemble mesurable, lintgrale de f sur E est e

E

f dm =

f E dm.

Exemples : Une fonction constante non nulle est non int grable. e Nous verrons que la fonction sin x nest pas int grable. e x Propri t s : ee 27

1. Lapplication f

f dm est lin aire e

E

2. f , g mesurables, f g

f dm

g dm (E mesurable)
E E

3. E F mesurables et f mesurable positive 4. E, F mesurables et E F = 5. E =

n E F

f dm f dm +

F F

f dm f dm

f dm =

En , ( En ) suite croissante densembles mesurables, alors

E

f dm = lim

n En

f dm

Proposition 2.4.1. Une fonction f mesurable est intgrable si et seulement si | f | est intgrable. e e e e On a lingalit de la valeur absolue f dm

| f | dm.

Si f est mesurable, g L-intgrable et si | f | | g|, alors f est intgrable et e e f dm

| g| dm.

Ceci marque une nouvelle diff rence avec lint grale de Riemann. Une fonction f peut e e ne pas etre Riemann int grable alors que | f | lest. On peut prendre par exemple la e fonction d nie sur [0, 1] et telle que e f (x) = 1 1 pour x Q, pour x Q. /

La notion dint grale semi-convergente est particuli` re a lint grale de Riemann et e e ` e nexiste pas pour lint grale de Lebesgue. e ` ` On d nit lint grale dune fonction a valeurs complexes f ( x ) = u( x ) + i v( x ), ou les e e ` fonctions u et v sont a valeurs r elles, par e f dm = u dm + i v dm.

2.4.4

La notion de presque partout.

Une propri t li e a un point s R p est v ri e presque partout (p.p.) si lensemble ee e ` e e des points pour lesquels elle nest pas v ri e est de mesure nulle : e e - deux fonctions mesurables f et g sont dites egales presque partout : f = g p.p. si lensemble E = { x, f ( x ) = g( x )} est de mesure nulle. - f : E R p R est d nie presque partout si le compl mentaire de E dans R p est e e de mesure nulle. 28

Proposition 2.4.2. Soit f mesurable positive et E tel que m( E) > 0. Alors seulement si f = 0 p.p. sur E.

f dm = 0 si et

Une cons quence de cette proposition est que lon peut modier une fonction int grable e e sur un ensemble de mesure nulle sans changer son int grale. En particulier, si f est mee e e e surable d nie presque partout et sil existe g int grable telle que f = g p.p., on d nit lint grale de f par e f dm = g dm.

Du point de vue des propri t s de lint grale, on ne distinguera plus deux fonctions ee e egales p.p. Elles sont equivalentes par la relation d quivalence gales p.p.. Cette e e relation permet de quotienter lespace vectoriel des fonctions int grables. e D nition-Proposition 2.4.1. On note L1 (R p ) lespace vectoriel des classes de fonctions e intgrables sur R p . La quantit e e

| f | dm
est une norme sur L1 (R p ). Une cons quence de la proposition 2.4.1 est que si f : R p R est une fonction e mesurable, born e presque partout sur un ensemble de mesure nie E, alors f est e L-int grable. Cependant f int grable nimplique pas f born e p.p., mais f nie p.p. e e e ` Grace a la notion de presque partout, on peut aussi caract riser les fonctions R-int grae e e bles : on montre quune fonction f born e sur un intervalle born [ a, b] est R-int grable e e si et seulement si elle est continue p.p.

2.5

Calcul int gral e

Dans cette section, on va donner les r` gles qui permettent de calculer en pratique des e int grales. e

2.5.1

Le th or` me de la convergence domin e de Lebesgue e e e

Cest le r sultat le plus important de la th orie de lint gration. e e e Th or` me 2.5.1. Soit ( f n ) une suite de fonctions intgrables qui converge presque partout e e e vers une fonction f . On suppose quil existe une fonction positive intgrable g telle que, pour e tout n, on ait | f n | g p.p. 29

Alors f est intgrable et on a e f dm = lim

n

f n dm

Remarques. ` 1. Ce th or` me fournit un nouvel exemple de situation ou on a la possibilit dine e e tervertir le signe lim et celui dint gration. Le gain est manifeste par rapport e ` lint grale de Riemann, ou il fallait la convergence uniforme. e 2. Il fournit egalement un crit` re dint grabilit et un moyen de calcul de lint grale. e e e e Attention, lhypoth` se de domination nest pas toujours satisfaite, comme le mone tre la gure (fonctions de plus en plus efl es ou fonctions qui se d calent vers e e linni). 3. Cas particulier : Th or` me de la convergence born e (Beppo Levi). e e e Si ( f n ) est une suite de fonctions int grables sur un ensemble E de mesure nie e convergeant simplement vers une fonction f , et si la suite ( f n ) est uniform ment e born e sur E : e M > 0, x E, n | f n ( x )| M, alors f est int grable sur E et e
E

f dm = lim

n E

f n dm

4. Supposons que lensemble des rationnels soit ordonn en une suite r1 , r2 , . . . , rn , . . . e et consid rons la fonction d nie sur [0, 1] par e e f n (x) =

+1 si x {r1 , r2 , . . . , rn } 0 sinon

La suite f n converge ponctuellement vers la fonction carat ristique de Q [0, 1]. e Les fonctions f n sont R-int grable (dint grale nulle), mais f nest pas R-int grable. e e e Le th or` me de Lebesgue permet de r soudre ce probl` me : pour tout n N, e e e e | f n | 1 et lint grale de Lebesgue de f n est nulle car f n est nulle presque pare tout. Le th or` me de convergence domin e sapplique : f est L-int grable et son e e e e int grale est nulle. e 30

2.5.2

Comparaison avec lint grale de Riemann. e

Th or` me 2.5.2. Soit f : [ a, b] R borne, R-intgrable, alors elle est L-intgrable et les e e e e e deux intgrales sont egales : e
b

[ a,b]

f dm =

f ( x ) dx .

Lebesgue

Riemann
a b

Pour lint grale de Riemann, on donne un sens au symbole e

a b

f ( x ) dx, pour a < b :

f ( x ) dx =

b a

f ( x ) dx.

On adoptera la m me convention pour lint grale de Lebesgue : e e

0 1

f ( x ) dx =

[0,1]

f dm.

Lint grale de Riemann nest d nie que pour des fonctions born es sur un intere e e e valle born . Lorsque ce nest pas le cas, on peut d nir les int grales de Riemann e e g n ralis es. Nous allons maintenant examiner les relations qui existent entre int grale e e e e de Riemann g n ralis e et int grale de Lebesgue. e e e e Proposition 2.5.1. Soit [ a, b] un intervalle born de R. Soit f : [ a, b] R telle que pour tout e > 0, lintgrale de Riemann e
b

I = existe. (i) Si lim

a+

| f ( x )| dx

I = I < , alors f est L-intgrable sur [ a, b] et e

[ a,b]

| f ( x )| dm = I.

(ii) Si lim

I = , alors f nest pas L-intgrable sur [ a, b]. e

Dans le cas (i), lint grale de Riemann g n ralis e e e e e

b

lim

0 a +

f ( x ) dx,

existe (on dit quelle est absolument convergente). Dans le cas (ii), si f est positive, lint grale de Riemann g n ralis e nexiste pas non plus. Par contre si f est de signe e e e e quelconque, lint grale de Riemann g n ralis e peut exister (on dit quelle est semie e e e convergente). 31

On a des r sultats analogues sur un intervalle non born , par exemple [ a, +[. Lint e e e grale de Riemann g n ralis e est alors e e e
T T a

lim

f ( x ) dx.

Exemples : 1 e e e e e f ( x ) = x sur ]0, 1] est L-int grable (int grale de Riemann g n ralis e absolument convergente). f ( x ) = 1 sur ]0, 1] nest pas L-int grable. e x sin x e e f ( x ) = x sur [0, ] nest pas L-int grable. Cependant elle admet une int grale de sin x Riemann g n ralis e semi-convergente : 0 x dx = 2 . e e e

2.5.3

Fonctions d nies par des int grales. e e

` Soit f : E I R, ou I est un intervalle ouvert de R, born ou non, et E R p un e ensemble mesurable. Consid rons la fonction de I dans R d nie par lint grale e e e F (t) =
E

f ( x, t) dm( x ), t I.

(2.2)

` La fonction a int grer d pend dun param` tre t I. Cest un moyen de d nir de e e e e nouvelles fonctions. Les r sultats suivants concernent les propri t s de continuit et e ee e de d rivabilit de cette fonction. e e Proposition 2.5.2 (Continuit ). Si la fonction f ( x, t) est telle que e 1. pour tout t I, la fonction x f ( x, t) est mesurable 2. pour presque tout x E, la fonction t f ( x, t) est continue au point t0 3. il existe g( x ) positive intgrable sur E telle que pour tout t I et pour presque tout x e

| f ( x, t)| g( x )
alors la fonction f ( x, t) est intgrable sur E et la fonction F (t) est continue en t0 : e
t t0

lim F (t) =

f ( x, t0 ) dm( x ).

32

On consid` re une suite tn qui converge vers t0 et on pose f n ( x ) = f (tn , x ). Pour e presque tout x, f n ( x ) converge vers la fonction x f (t0 , x ) et | f n ( x )| g( x ). Le th or` me de la convergence domin e sapplique et donne le r sultat. e e e e e Exemple : La transform e de Fourier dune fonction de L1 (R), f(t) =
R

e2itx f ( x ) dx.

Proposition 2.5.3 (D rivation). Si la fonction f ( x, t) est telle que e 1. pour tout t I, la fonction x f ( x, t) est intgrable sur E e 2. pour presque tout x E, t f ( x, t) est continument drivable sur I e 3. il existe g( x ) positive intgrable sur E telle que pour tout t I et pour presque tout e xE f ( x, t) g( x ) t Alors, pour tout t I, la fonction x a
f t ( x, t )

est intgrable, la fonction F est drivable et on e e

F (t) =

f ( x, t) dm( x ). t

Preuve On pose f n ( x ) =

On a des r sultats analogues lorsque t est une variable complexe. e

f (tn ,x ) f (t0 ,x ) t n t0

et on utilise le th or` me des accroissements nis. 2 e e

2.5.4

Changement de variable

Soit f : R p R une fonction et : x = ( x1 , x2 , . . . , xn ) y = (1 ( x ), 2 ( x ), . . . , n ( x )),

` ou et sont deux ouverts de R p et un un diff omorphisme de classe C1 , cest e ` a dire que et une bijection continuement diff rentiable ainsi que 1 . On appelle e Jacobienne de en x, la matrice des d riv es partielles de calcul es en x : e e e Jac ( x ) =
1 x1 ( x ) 2 x1 ( x ) 1 x2 ( x ) 2 x2 ( x )

. . . n x ( x )
1

. . . n xn ( x )

1 xn ( x ) 2 xn ( x )

(2.3)

On note J ( x ) le d terminant de la matrice Jacobienne et | J ( x )| la valeur absolue de e ce d terminant. e 33

Th or` me 2.5.3 (Changement de variable). Si f une fonction mesurable positive (resp. e e intgrable) dnie sur . Alors la fonction x ( f )( x )| J ( x )| est mesurable positive e e (resp. intgrable) sur et on a e

f (y)dm(y) =

( f )( x )| J ( x )|dm( x )

2.5.5

Le th or` me de Fubini e e

Le th or` me de Fubini pr cise les r` gles de permutation dans les int grales doubles. e e e e e Th or` me 2.5.4 (Fubini). Soit f : R R R une fonction mesurable et E F un ensemble e e mesurable de R R. (i) Si f est positive sur E F, on a
E F

f ( x, y) dx dy =

f ( x, y) dy

dx =

f ( x, y) dx

dy

(2.4)

(ii) Si f est intgrable sur E F, la fonction x f ( x, y) est intgrable pour presque tout y, e e la fonction y f ( x, y) est intgrable pour presque tout x, et (2.4) est vrie. e e e (iii) f est intgrable sur E F si et seulement si e

| f ( x, y)| dy

dx < ou

| f ( x, y)| dx

dy <

` Laspect pratique a retenir est que lon peut calculer une int grale double en choisise sant lordre dint grabilit que lon veut, pourvu que lune au moins des int grales en e e e module existe. Lexistence des deux int grales E dx F f ( x, y) dy et F dy E f ( x, y) dx e nimplique pas lint grabilit de f sur E F. e e

2.5.6

Int gration et d rivation e e

Quand on int` gre, au sens de Riemann une fonction continue f sur R, on constate que e x (i) la fonction x F ( x ) = a f (t) dt est continue, d rivable et de d riv e f ( x ) au e e e point x. En ce sens-l` , on peut dire que les deux op rations de d rivation et a e e dint ration sont r ciproques lune de lautre. e e (ii) si f est continument diff rentiable sur [ a, b] alors pour tout x [ a, b] on a e
x

f ( x ) = f ( a) + Quen est-il de lint grale de Lebesgue ? e Le point (i) se g n ralise de la facon suivante : e e 34

f (t) dt.

(2.5)

Proposition 2.5.4. Soit f : [ a, b] R une fonction L-intgrable. Alors la fonction F dnie e e par
x

F(x) =

f (t) dt

(2.6)

est continue sur [ a, b]. Elle est drivable p.p. sur [ a, b] et on a e F ( x ) = f ( x ) p.p. Examinons maintenant la formule (2.5). Pour quelle ait un sens, il faut que f soit d rivable p.p. avec f int grable sur [ a, b]. On en d duit alors que f est continue sur e e e [ a, b]. Ces conditions ne sont pas sufsantes. On peut en effet construire une fonction f : [0, 1] [0, 1] continue, strictement croissante, telle que f (0) = 0 et f (1) = 1, et admettant presque partout une d riv e nulle (escalier de Cantor). Dans ce cas (2.5) nest e e pas v ri e. Les fonctions pour lesquelles (2.5) est v ri sont appel es absolument e e e e e continues. Cest le cas de la fonction primitive F ( x ) d nie par (2.6). On montre quune e fonction est absolument continue si, pour tout > 0, il existe tel que, pour toute n suite nie dintervalles disjoints ( xi , xi ), i = 1, . . . , n tels que i=1 | xi xi | < on n ait i=1 | f ( xi ) f ( xi )| < . Pour les fonctions absolument continues, on a le r sultat e suivant : Th or` me 2.5.5 (int gration par parties). Soient u et v deux fonctions absolument continues e e e sur ( a, b). Alors,
b a

u( x )v ( x ) dx = u(b)v(b) u( a)v( a)

b a

u ( x )v( x ) dx.

2.6

Conclusion

Le principal avantage de la th orie de Lebesgue sur celle de Riemann et quelle admet e de bons th or` mes de convergence. Pour la th orie de Riemann, les fonctions int e e e e grables sont essentiellement continues et les th or` mes de convergence n cessitent la e e e convergence uniforme. Ces hypoth` ses sont trop fortes dans de nombreuses applicae tions pratiques du calcul int gral. Par exemple, en traitement du signal, on approxime e un signal tr` s bruit par des echantillons obtenus par superposition de signaux sinue e soidaux. Mais ces echantillons ne convergent que rarement de mani` re uniforme vers e le signal original. On a besoin pour approcher des invariants du signal d nis par une e int grale ( nergie) davoir des th or` mes de convergence qui fonctionnent pour un e e e e mode de convergence plus faible (convergence simple p.p.). La th orie de Lebesgue e fournit un cadre approppri pour le traitement du signal (s ries et transform es de e e e Fourier), celui des espaces de fonctions int grables qui font lobjet du chapitre suivant. e Par contre lint grale de Lebesgue ne poss` de pas de notion dint grale semi-convere e e gente. De ce fait, les rapports entre la th orie de lint gration et le calcul diff rentiel e e e sont ambigus (cf. section 2.5.6). 35

Ce quil faut retenir ...

Pourquoi dnir la mesure de Lebesgue ? e Pour mesurer des ensembles compliqu s comme par exemple : e lensemble des rationnels de [0, 1] : sa mesure est nulle. son compl mentaire, lensemble des irrationnels de [0, 1] : sa mesure est 1. e Quelle est la mesure dun intervalle ? La mesure dun intervalle [ a, b], [ a, b[, ] a, b], ] a, b[ est toujours b a. Quels sont les ensembles mesurables de R ? Quasiment tous ... il est difcile den construire un qui ne lest pas. Comment montrer quun ensemble est de mesure nulle ? On montre quil est possible de linclure dans un ensemble d nombrable dintere valles dont la somme des longueurs est arbitrairement petite. Les ensembles nis, les ensembles d nombrables (en bijection avec N, i.e. que lon e peut enum rer) sont des ensembles de mesure nulle. e A quoi sert une norme ? ` Une norme sert a mesurer la taille dun objet ou la distance entre deux objets, comme la valeur absolue dans R, la norme euclidienne dans R2 . Sur un espace de fonc` tions, une norme va permettre de donner un sens a des phrases comme : ces deux fonctions sont proches, ces deux signaux sont proches, ces deux syst` mes sont e proches. A quoi sert la notion de convergence ? La notion de convergence permet dapprocher un objet compliqu par des objets e plus simples. Par exemple, la suite u n +1 = u0 =
1 2 3 2

un +

2 un

est une suite de nombre rationnels qui converge vers 2. ` De m me, on cherchera a approcher (repr senter) les signaux p riodiques par des e e e objets plus simples, les s ries de Fourier et on se posera des probl` mes de convere e gence.
Quest-ce quun espace complet ? Un espace complet est un espace dans lequel une suite qui a tout pour converger (suite de Cauchy) converge effectivement. Lorsquun espace nest pas complet, cest quil lui manque des points ... Par exemple, Q nest pas complet : la suite un de la question pr c dente est de Cauchy, mais elle ne converge pas dans Q puisque e e 2 Q. Le compl t de Q est R. / ee Pourquoi dnir lintgrale de Lebesgue ? e e Lint grale de Riemann est d nie pour des fonctions continues par morceaux, or e e on veut pouvoir calculer des surfaces qui sont limit es par des courbes evene tuellement bizarres (pas continues du tout), 36

 les fonctions que lon veut int grer en pratique (signaux ..) ne sont g n ralement e e e pas continues. Il faut une int grale pour laquelle davantage de fonctions soient int grables ! e e Pour lensemble des fonctions Riemann int grables sur un intervalle [ a, b], lapplie cation I : f I( f ) =
b a

| f ( x )|dx

nest pas une norme car on na pas ( I ( f ) = 0) ( f = 0). Prendre par exemple une fonction qui vaut z ro sauf en un nombre ni de points : son int grale de Riemann e e est nulle, mais pas elle ! Si on se limite aux fonctions continues sur [ a, b], alors I : C ([ a, b]) R+ est bien une norme (cf TD), mais lespace vectoriel norm obtenu nest pas complet. Par exemple, e la suite de fonctions f n converge vers une fonction qui nest pas continue : y 1 f n (x)

x 1 Pour avoir un espace vectoriel complet, il faut consid rer lensemble des e 1 ([ a, b ]). La notion de presque partout permet de fonctions Lebesgue int grables L e montrer que I : L1 ([ a, b]) R+ est une norme. L1 ([ a, b]) est le compl t de C ([ a, b]). ee
11 2 ne norm

A quoi sert la notion de presque partout ? La notion de presque partout est essentielle car deux fonctions egales presque partout ont m me int grale. Ce qui se passe sur un ensemble de mesure nulle na pas e e dinuence sur lint grabilit . Du point de vue de lint gration, on peut identier e e e deux fonctions egales presque partout. R ciproquement, | f g| = 0 f = g p.p. e Cest gr ce a cette propri t que lapplication I : L1 ([ a, b]) R+ est une norme. a ` ee Quelles sont les diffrences entre Riemann et Lebesgue ? e une fonction f ( x ) peut ne pas etre Riemann int grable alors que | f ( x )| lest. Par e exemple, la fonction d nie sur [0, 1] qui vaut 1 sur les rationnels et 1 sur les e irrationnels nest pas Riemann int grable alors que sa valeur absolue lest. e Par d nition, f est Lebesgue int grable si et seulement si | f | lest. e e les fonctions Riemann int grables et les int grales g n ralis es absolument convere e e e e gentes sont Lebesgue int grables. e par contre, avec lint grale de Lebesgue, il ny a pas de notion dint grale semie e convergente. les th or` mes de convergence sont plus simples avec Lebesgue, il suft de v rier e e e une hypoth` se de domination. e 37

Exercices
Mesure et int grale de Lebesgue e ` 1. On consid` re lensemble C0 ([0, 1]) des fonctions continues d nies sur [0, 1] et a e e valeur dans R. C0 ([0, 1]) est complet pour la norme f = supx[0,1] | f ( x )|. a. Montrer que f 1 = 0 | f ( x )| dx d nit une norme sur C0 ([0, 1]). Montrer e ` que cette norme nest pas equivalente a e . On pourra consid rer la fonction n afne par morceaux sur [0, 1], n (0) = 0, n (1/n) = 1, n (t) = 0, pour t 2/n. b. Montrer que C0 ([0, 1]) muni de la norme 1 nest pas complet : pour cela, on pourra consid rer la suite n d nie par e e 0 n ( x ) = nx 1
n 2 1 pour 0 x 1 n 2 1 1 1 pour 2 n < x < 2 . pour 1 x 1 2 1

+1

c. Comparer sur C0 ([0, 1]) les notions de convergence simple, convergence uniforme et convergence en norme 1. 2. Pourquoi lensemble des ouverts de R p nest-il pas une tribu ? Montrer que tout ensemble ferm de R p est un bor lien de R p . e e Montrer que Q et R \ Q sont des bor liens de R. e 3. Montrer que si S1 S2 sont mesurables, alors m(S1 ) m(S2 ). Montrer quun ensemble d nombrable est de mesure nulle. e ` Soit S = n=1 Sn , ou Sn est une suite densembles de mesure nulle. Montrer que S est de mesure nulle. Quelle est la mesure de Lebesgue de lensemble des irrationnels de [0, 1]. 4. Montrer que f est int grable si est seulement si | f | lest. Donner un exemple de e fonction f non R-int grable, | f | l tant. e e 5. Montrer que la relation f g si f g = 0 p.p. (presque partout) est une relation d quivalence sur lensemble des fonctions mesurables. e 6. Soit f mesurable et E tel que m( E) > 0. Montrer que si f = 0 p.p. sur E. Convergence domin e. Comparaison R-L e 1. On consid` re les suites de fonctions : e 1 / 0 pour x [n 2 , n + 1 ] 2 (i) f n ( x ) = 2x 2n + 1 pour x [n 1 , n] 2 2x + 2n + 1 pour x [n, n + 1 ] 2 2 0 pour x [ n , 1] 1 (ii) f n d nie sur [0, 1] f n ( x ) = e n3 x pour x [0, n ] n3 x + 2n2 pour x [ n , n ] / 1 2 38
E

f dm = 0 si et seulement

7. Montrer que f L-int grable implique f nie presque partout. e

Calculer f n dm. La suite f n a telle une limite ponctuelle f ? Est-ce que limn f n dm = f dm ? Pourquoi le th or` me de la convergence domin e ne sapplique-t-il pas ? e e e 2. Montrer que la suite un = limite.
n 0

x n cos x n

dx est convergente et calculer sa

3. Montrer que e - f ( x ) = x1 est L-int grable sur [0, 1] pour < 1, 1 - f ( x ) = x est L-int grable sur [1, [ pour > 1, e sin x - f ( x ) = x nest pas L-int grable sur [1, [, mais que son int grale de Riemann e e g n ralis e est semi-convergente. e e e Calcul int gral e 1. Soit f : R R une fonction int grable. Pour tout t R, on pose F (t) = e eitx f ( x ) dx. Montrer que F (t) est bien d nie et continue. On suppose que e n f ( x ) est int grable. Montrer que F ( t ) est ind niment pour tout n 0, x x e e d rivable. e 2. Etant donn deux fonctions f et g de R dans C, on appelle convolution de f et g e la fonction f g, si elle existe, d nie par e f g( x ) =
R

f ( x t) g(t) dt.

On suppose que f et g sont dans L1 (R). Montrer que la fonction (y, z) f (y) g(z) ` appartient a L1 (R2 ) (utiliser le th or` me de Fubini). En d duire que f g est e e e ` d nie presque partout et appartient a L1 (R) . e 3. On consid` re la fonction e f ( x, y) =

( x2

xy , + y2 )2

sur le carr = [1, 1] [1, 1]. Calculer e

1 1

P=

f ( x, y) dx et Q =

f ( x, y) dy.

En passant en coordonn es polaires, montrer que f nest pas int grable sur . e e 4. Soit f une fonction de L1 (R2 ) telle que I=

R2

f ( x, y) dxdy = 1. Calculer

R2

f (2x + y, x y) dx dy.

5. Calculer I = 0 eax dx. On calculera lint grale double I 2 en passant en coore donn es polaires. e

39

40

Chapitre 3 Espaces de fonctions int grables e Convolution

3.1 Les espaces L p

D nition 3.1.1. Soit p > 0 rel et I R un intervalle born ou non. On appelle L p ( I ) e e e e e lensemble des fonctions f : I C, mesurables et de puissance p-i`me intgrable

| f | p dm < .

D nition 3.1.2. On appelle L ( I ) lensemble des fonctions f : I R C, mesurables, e bornes presque partout. e

Lorsque I = R on note simplement L p pour L p (R). Lid e qui est derri` re lintrodution des espaces L p est de fournir une echelle permete e tant de quantier le degr dint grabilit dune fonction. Intuitivement, le param` tre e e e e p signie que ces ` ` p sert a amplier les grandes valeurs de | f | et lappartenance a L grandes valeurs ne p` sent pas trop lourd. e ` Exemple : pour 1 p < , et k N, la fonction f ( x ) = x 1/k appartient a - L p ([0, 1]) si et seulement si k > p - L p ([1, [) si et seulement si p > k. Ces fonctions sont repr sent es sur la gure ci-dessous. e e 41

Proposition 3.1.1. Pour 1 p < , L p ( I ) est un espace vectoriel muni de la norme f

p

=
I

| f | dm

1/p

(3.1)

Il est souhaitable de complter cette echelle despaces (L p , 1 p < ) en lui adjoignant le cas e limite p = . L ( I ) est un espace vectoriel muni de la norme f

= inf{c 0, | f ( x )| < c p.p.}

(3.2)

Exemple : Soit f : [1, 1] R, f ( x ) = x2 , et g : [1, 1] R, telle que g( x ) = f ( x ) ` ` sauf en 0 ou g(0) = 2 et en 1/2 ou g(1/2) = 4. Alors, sup | f ( x )| = 1,
x [1,1]

sup | g( x )| = 4,
x [1,1]

= g

= 1.

Remarques. Rappelons que deux fonctions egales presque partout sont equivalentes p nest pas une fonction mais un e du point de vue de lint gration. Un el ment de L e ensemble de fonctions egales p.p. N anmoins, pour simplier le langage, nous parlons e de fonctions de L p . Il suft de garder en m moire le fait que lorsque deux fonctions e sont egales p.p., elles sont consid r es comme une seule et m me fonction. ee e Cest cette notion de presque partout qui fait de (3.1) une norme (cf. proposition 2.4.2) : f p = 0 f = 0 p.p. Pour p = , on a | f ( x )| f p.p. et donc f = 0 f = 0 p.p. Pour montrer la Proposition 3.1.1 on utilise les in galit s suivantes : e e 42

 Proposition 3.1.2 (In galit de Holder). Soit f L p ( I ), g Lq ( I ) avec 1 p, q et e e 1 1 + = 1. p q Alors, f g L1 ( I ) et

I

| f (t) g(t)| dt f

g q.

On d montre cette in galit en utilisant la convexit de la fonction exponentielle [10, e e e e chap.3]. On en d duit : e Proposition 3.1.3 (In galit de Minkowsky). Soit f L p ( I ), g L p ( I ), avec 1 p . e e Alors, f + g L p ( I ) et f + g p f p + g p. Cela prouve lin galit triangulaire. Il en r sulte que L p ( I ) est un espace vectoriel e e e norm pour 1 p . Pour 0 < p < 1, L p ( I ) nest pas un espace vectoriel. e Th or` me 3.1.1. Pour 1 p , les espaces L p ( I ) sont des espaces vectoriels norms e e e complets. Toute suite de Cauchy ( > 0, N N tel que m, n > N, f m f n p < ) converge vers un lment de L p ( I ). Ce th or` me est tr` s important. Il conrme la sup riorit de e e e e e lint grale de Lebesgue (lespace des fonctions R-int grables nest pas complet). e e On introduit ainsi une nouvelle notion de convergence, la convergence en norme p : la suite ( f n ) converge en norme p vers f si
n

lim

f fn

= 0.

On d nit aussi la convergence p.p. : la suite ( f n ) converge presque partout vers f si e lensemble des points x tels que f n ( x ) nait pas pour limite f ( x ) est de mesure nulle. On a convergence uniforme convergence ponctuelle convergence p.p. Il ny a pas de lien entre la convergence p.p. et la convergence en norme p. La convergence en norme p entrane seulement la convergence presque partout dune sous-suite.

3.2

Propri t s dinclusion et de densit . ee e

Proposition 3.2.1. Soit un intervalle I de mesure m( I ) nie. On a Lq ( I ) L p ( I ), 1 p q . 43

Si m( I ) < , on a donc L ( I ) . . . L2 ( I ) L1 ( I ). e Certains sous-ensembles des L p , constitu s par des fonctions assez el mentaires ont e ` des propri t s de densit (relativement a la norme ee e p ). On peut donc effectuer des approximations des fonctions de L p par des fonctions plus particuli` res. e Th or` me 3.2.1. Lensemble des fonctions simples intgrables est dense dans L p ( I ) pour 1 e e e p < . On appelle support dune fonction continue f : R R (ou C) ladh rence de { x; f ( x ) = e 0}. On consid` re les espaces suivants : e C p ( I ) ensemble des fonctions f : I R (ou C) p-fois continument diff rentiables e (p = 0 continues, p = ind niment diff rentiables) e e p ` Cc ( I ) ensemble des fonctions de C p ( I ) a support born e ` D( I ) ensemble des fonctions ind niment diff rentiables a support born (fonctions e e e tests pour les distributions) Relations dinclusions entre ces espaces : C ( I )

C p +1 ( I ) C p ( I ) C 0 ( I )
p +1 0 ( I ) Cc ( I ) Cc ( I ) p

D( I )

Cc

0 Th or` me 3.2.2. Lespace Cc ( I ) est dense dans L p ( I ) pour 1 p < . e e

Ce r sultat est faux pour p = (prendre la fonction [0,1] dans L ([0, 1])). e 0 Lespace Cc ( I ) muni de la norme d nie par lint grale de Riemann I | f (t)| dt est un e e espace m trique non complet. Si X est un sous-espace dun espace m trique complet e e Y, dense dans Y, on dit que Y est le compl t de X. Tout espace m trique poss` de ee e e ` ee un compl t , unique a isomorphisme pr` s. Le Th or` me 3.2.2 afrme que le compl t ee e e e 0 ( I ) nest autre que L1 ( I ). En ce sens, lint grale de Lebesgue est la meilleure de Cc e g n ralisation possible de lint grale de Riemann. e e e 0 Le compl t de Cc (R) dans L nest pas L mais le sous-espace des fonctions qui ee ` sannulent a linni : pour tout , il existe un compact hors duquel | f ( x )| < .

3.3

Convolution

La convolution est, avec la transform e de Fourier, un des outils essentiels du traitee ment du signal. D nition 3.3.1. Soit f et g deux fonctions de R dans C. On appelle convolution de f et g la e fonction f g, dnie lorsque lintgrale est convergente, par e e f g( x ) =
R

f ( x t) g(t) dt.

44

Exemples : (a) f = g = [0,1] alors f g( x ) = soit [0,1] ( x t) dt = [0,1] (s) ds = m([0, 1] [ x 1, x ]),

[0,1]

[ x 1,x ]

0 x f g( x ) = 2x 0

si x 0 si 0 x 1 si 1 x 2 si x 2

Il est facile sur cet exemple deffectuer une convolution graphique. La fonction f g est continue, bien que f et g soient discontinues. 1 (b) f L1 (R) et g = 2h [h,h] . On a f g( x ) = 1 2h
h

f ( x t) dt =

1 2h

x+h xh

f (s) ds.

L` encore, la fonction f g est continue, dapr` s la proposition 2.5.4. a e Comme on a pu le voir sur ces exemples, la propri t essentielle de la convolution est ee de r gulariser en effectuant une moyenne. e Propri t s : Lorsque ces fonctions existent, on a : ee f g = g f ; ( f1 + f2 ) g = f1 g + f2 g ; ( f ) g = f g, ou est un nombre complexe.

3.3.1

Convolution et th orie du signal. e

En th orie du signal, limportance du produit de convolution r sulte surtout du fait e e ` quil sert a mod liser des ltres (voir chapitre 1). Un ltre analogique est caract ris e e e ` e e par une fonction h(t) appel e r ponse impulsionnelle, et la r ponse v(t) a une entr e e e ` u(t) est v = h u. Pour connatre la nature des signaux quon peut admettre a lentr e e du ltre, il faut des crit` res dexistence du produit de convolution. e Th or` me 3.3.1. Si f et g sont dans L1 (R), alors f g existe p.p. et appartient a L1 (R). On e e ` a f g 1 f 1 g 1. (3.3) Lin galit (3.3) dit que pour f L1 (R), lop rateur lin aire g f g de L1 (R) dans e e e e L1 (R) est continu. Propri t : pour f , g, h L1 (R), on a ( f g) h = f ( g h) que lon note f g h. ee 45

Cette propri t permet de chaner plusieurs ltres, la sortie dun ltre servant dentr e ee e ` a un autre ltre : u h 1 u = v 1 h 2 v 1 = v 2 h n v n 1 = v n . Il en r sulte un ltre dont la r ponse impulsionnelle est h = h1 h2 hn . e e ` Le Th or` me 3.3.1 est encore vrai dans le cas de signaux causaux, cest a dire pour des e e 1 (R+ ) : signaux et r ponses impulsionnelles dans L e u L 1 (R+ ), h L 1 (R+ ) v = h u L 1 (R+ ). Dans ce cas particulier, on a h u( x ) =
x 0

h(t)u( x t) dt.
1 p

Th or` me 3.3.2. Si f L p (R) et g Lq (R) avec e e dnie, continue et borne sur R et on a e e f g

1 q

= 1, alors alors f g est partout

g q.

On notera deux cas particuli` rement important en th orie du signal : e e 1. f L1 (R) et g L (R) f g L (R) 2. f L2 (R) et g L2 (R) f g L (R) ` La continuit de lop rateur correspond a une notion de stabilit du ltre correspone e e dant. Dans le cas 1., il sagit de la notion la plus simple, la stabilit BIBO (de Bounded e Input Bounded Output) : un syst` me est dit BIBO stable lorsque la sortie correspone ` dant a une entr e born e est born e. Cest le cas lorsque la r ponse impulsionnelle e e e e 1 . Un tel ltre nest pas seulement stable, mais il jouit de nombreuses autres proest L pri t s qui r sultent du caract` re r gularisant de la convolution, comme par exemple : ee e e e Proposition 3.3.1. Soit f une fonction de L1 (R) et g une fonction de classe C p . On suppose que g(k) est borne pour k = 0, 1, . . . , p. Alors f g est de classe C p et e

( f g )(k) = f g(k) .
Une autre notion de stabilit importante est la stabilit dans L2 : la sortie correspondant e e ` a une entr e d nergie nie (i.e. dans L2 ) est d nergie nie. Cest le cas lorsque la e e e r ponse impulsionnelle est dans L1 (R). e Th or` me 3.3.3. Si f L1 (R) et g L2 (R), alors f g existe p.p. et appartient a L2 (R). e e ` On a f g 2 f 1 g 2. 46

3.3.2

Convolution et densit de D(R) dans L1 (R). e

Th or` me 3.3.4. Lespace D(R) est dense dans L1 (R). e e Pour montrer ce r sultat tr` s utile (il implique que les fonctions p-fois diff rentiables e e e 1 (R)) on utilise la convolution. Soit f L1 (R). ` a support compact sont denses dans L 0 ` On lapproche par une fonction f de Cc (R) (th or` me 3.2.2), puis on approche f a e e ` son tour par une suite gn = f n ou n est une suite r gularisante : n est une suite e de D(R) (donc gn D(R)) qui assure que gn converge vers f dans L1 (R) (voir [4]).

47

Exercices
` 1. Pour quelles valeurs de p, la fonction f ( x ) = x 1/k , k N , appartient-elle a p ([0, 1]) ? a L p ([1, [) ? ` L 2. Les fonctions suivantes sont-elles dans L1 , dans L2 ? (a) f (t) = sin t pour t = 0, f (0) = 1 ; t (b) f (t) = 0 pour t 0 et f (t) = 1 2 pour t > 0 ;
t (1+ t )

(c) (d) (e)

et f (t) = ; |t| 1 f (t) = 2 t +1 2 f (t ) = et .

3. In galit de Schwartz. Soit I un intervalle born ou non de R, f et g deux fonce e e tions de L2 ( I ). Montrer que f g L1 ( I ) et
2 I

f (t) g(t) dt

| f (t)|2 dt.

| g(t)|2

(Remarquer que pour tout re l x, ( x | f (t)| + | g(t)|)2 0). e En d duire que si I est born et f L2 ( I ), alors f L1 ( I ). e e 4. Soit f ( x ) = Q( x) une fraction rationnelle. On suppose que Q( x ) na pas de racines r elles. Montrer que e (a) deg P deg Q implique f L (R), (b) deg P deg Q 1 implique f L2 (R), (c) deg P deg Q 2 implique f L1 (R). Ces conditions sont-elles sufsantes ? 5. Comparez les modes de convergence L , L1 et convergence presque partout. 6. Calculer (i) [0,1] [0,1] puis [0,1] [0,1] [0,1] (ii) [a,a] sin x et [a,a] cos x pour a > 0. (iii) f u, f L1 (R) et u l chelon unit . e e 7. Montrer que (a) f L1 (R) et g L (R) f g (b) f L2 (R) et g L2 (R) f g
P( x )

f f

1 2

g g 2.

48

Chapitre 4 Signaux p riodiques et s ries de e e Fourier

4.1 Introduction

Une fonction f (t) est dite p riodique de p riode T (nombre r el strictement positif) si e e e

t R,

f ( t + T ) = f ( t ).

(4.1)

e e La p riode fondamentale de f (t) est le plus petit nombre r el positif T qui satisfait (4.1). Les signaux p riodiques les plus simples sont les signaux sinusodaux purs e cos
2 2 2 t, sin t, ei T t . T T

Pour tout entier n > 0, les signaux sinusodaux cos 2nt/T, sin 2nt/T, e2i nt/T ont aussi pour p riode T, m me si leur p riode fondamentale est T/n. e e e Comme il est souvent plus facile de calculer avec des exponentielles, nous allons dabord consid rer la famille de signaux e2i nt/T , n Z. On appelle polynome e ` trigonom trique de degr inf rieur ou egal a N, un polynome de la forme e e e
+N

p(t) =

n= N

cn e2int/T , cn C.

(4.2)

` On note P N lensemble des polynomes de degr inf rieur ou egal a N. Le polynome e e p(t) prend des valeurs r elles si et seulement si cn = cn . e Nous avons vu que les signaux sinusoidaux purs sont des fonctions propres des syst` e mes de convolution (section 1.3), ce qui explique leur importance. Lid e dutiliser des e 49

signaux trigonom triques pour d crire des ph nom` nes p riodiques ou vibratoires e e e e e est apparue assez tot. Les Babyloniens les utilisaient pour pr dire les mouvements e ` des plan` tes. Au XV I I I eme si` cle, une question au centre des d bats etait de savoir e e e si une large classe de fonctions p riodiques pouvait etre d compos e en une somme e e e trigonom trique : e f (t) = cn ei2nt/T ? (4.3) e Si on ne sautorise que des sommes nies, la r ponse est clairement non : la somme trigonom trique est ind niment diff rentiable, alors que la fonction f (t) na aucune e e e raison de l tre, comme par exemple le cr neau p riodique. Dans un m moire dat de e e e e e ` 1807, Joseph Fourier afrma que la r ponse a la question pr c dente etait oui, pourvu e e e e quon sautorise des sommes innies ... Ces r sultats ont longtemps et controvers s e e ` avant de donner naissance a lanalyse de Fourier.

4.2

Le cadre de lespace L2 (0, T )

Nous consid rons ici les fonctions f : R C, p riodiques de p riode T telles que e e e
T 0

| f (t)|2 dt < .

(4.4)

` La restriction de la fonction f a lintervalle [0, T ] est donc dans lespace L2 (0, T ). Rappelons quune fonction f p riodique de p riode T est enti` rement d termin e par sa e e e e e ` e restriction a [0, T ]. Rappelons aussi que (4.4) repr sente l nergie du signal f (t) tandis e que la quantit e 1 T f 2= | f (t)|2 dt, (4.5) 2 T 0 e repr sente sa puissance moyenne. Lespace L2 (0, T ) sera muni de la norme e 2 d nie ` par (4.5). Cette norme est equivalente a la norme d nie en (3.1). Le facteur 1/T dans e ` (4.5), qui revient a consid rer la mesure de Lebesgue divis e par T, est l` pour sime e a plier le formalisme : par exemple, la norme de la fonction constante 1 est 1. Lespace L2 (0, T ) est donc un espace vectoriel norm complet. De plus, la norme (4.5) est ase soci e a un produit scalaire e `

( f , g) =

1 T

T 0

f (t) g(t) dt.

Un tel espace sappelle un espace de Hilbert. Les propri t s de ces espaces vont nous ee permettre de donner une r ponse simple et compl` te a la question (4.3). e e ` Si l galit (4.3) ne peut avoir lieu pour une somme nie, on peut, etant donner un e e entier N, chercher un polynome trigonom trique p P N , i.e. de la forme (4.2), qui e ` approche au mieux la fonction f (t), cest a dire, tel que f p 2 soit minimum. On utilise la norme 2 pour mesurer la distance entre deux fonctions. P N est un sousespace vectoriel de L2 (0, T ), de dimension nie, engendr par les fonctions en (t) = e 50

e ei T nt , n = N, . . . N. On peut alors reformuler le probl` me de la facon suivante : e ` trouver un el ment s N de P N qui soit a distance minimum de f . Dans un espace de Hilbert, cest facile, gr ce a la propri t dite de la projection ora ` ee ` thogonale, qui assure que la distance minimum de f a un sous-espace de dimension nie (ici P N ) est toujours atteinte en un point s N P N . De plus, s N est la projection orthogonale de f sur P N . En fait, pour un sous-espace de dimension nie, tout se passe comme dans un espace Euclidien. ` ` e Il reste a calculer la projection s N de f sur P N , cest a dire lunique el ment de P N tel que f s N P N . Les coefcients cn ( f ) du polynome trigonom trique s N se calculent e 2 en ecrivant que f s N est orthogonal aux en (t) = ei T nt , n = N, . . . N (puisquils engendrent P N ) : ( f s N , en ) = 0, N n N. ` Un calcul simple montre que les en (t) sont orthogonaux deux a deux : 1 T et donc
T 0

emi T t eni T t dt =

0 si n = m 1 si n = m

(4.6)

( f , en ) = ( s N , en ) =
D nition 4.2.1. Les nombres e cn ( f ) = 1 T

k= N

ck ( f ) ek , en

= c n ( f ).

T 0

f (t)ei T nt dt

sont appels les coefcients de Fourier de f . e Th or` me 4.2.1. Soit f L2 (0, T ). Il existe un polyn me trigonomtrique s N P N et un e e o e seul tel que f s N 2 = min{ f p 2 , p P N } : cest la projection orthogonale de f sur P N
+N

s N (t) =

n= N

cn ( f )ei T nt .

De plus, s N tend vers f dans L2 (0, T ) quand N tend vers linni : f sN

2

0, N .

La convergence des sommes partielles de Fourier s N est une cons quence du fait que e les fonctions en (t) forment une base Hilbertienne de L2 (0, T ). On ecrit alors
+

f (t) =

n=

cn ( f )ei T nt .

51

 Mais attention, il sagit dune egalit en norme L2 (0, T ). Elle ne signie pas quil y ait e ` ` egalit ponctuelle, cest a dire que pour tout t, f (t) soit egal a la somme de la s rie de e e Fourier. Cest en fait seulement vrai p.p. (r sultat difcile, Carleson, 1966) m me pour e e une fonction continue (voir [5]). Proposition 4.2.1 (Egalit de Parseval.). Pour toute fonction f L2 (0, T ) e 1 T
T 0

| f (t)|2 dt =

n=

|cn ( f )|2

(4.7)

Remarque. Si f = g p.p., alors cn ( f ) = cn ( g). R ciproquement, etant donn une suite e e (cn )nZ de nombres complexes, tels que

n=

|cn |2 < ,

il existe une unique (classe de) fonction f L2 (0, T ) dont les coefcients soient les cn . Autrement dit, f f, f(n) = cn ( f ) est un isomorphisme despaces de Hilbert entre L2 (0, T ) et 2 .

4.3

S ries de Fourier en sinus et cosinus. e

Nous avons vu quune fonction f (t) L2 (0, T ) s crit ( galit en norme L2 (0, T )) e e e
+

f (t) = avec

n=

cn ei T nt ,

2 1 T f (t)ei T nt dt. T 0 On peut r ecrire cette s rie comme une somme de sinus et de cosinus : e e

cn =

f (t) = ` ou

a0 + 2nt 2nt + an cos + bn sin , 2 T T n =1

2 T 2nt 2 T 2nt f (t) cos dt, bn = f (t) sin dt, n > 0. T 0 T T 0 T Les an et les bn sont aussi appel s coefcients de Fourier, et les relations entres les an et e bn dune part et les cn dautre part sont les suivantes : pour n 0 an = an = cn + cn bn = i ( c n c n ) 52 cn = ( an ibn )/2 cn = ( an + ibn )/2.

` Lorsque la fonction f est a valeurs r elles, cn = cn et les an et bn sont r els. e e Lorsque la fonction f est paire, bn = 0, n > 0, tandis que lorsque f est impaire, an = 0, n 0. La fonction 2nt 2nt + bn sin , hn (t) = an cos T T est appel e harmonique de rang n. Lharmonique de rang 1, h1 , sappelle le fondamental. e Cette terminologie fait r f rence au vocabulaire musical (voir [4, lecon 7 : Fr quences, ee e spectres et gammes]). L galit de Parseval nous dit que la r partition de l nergie ou de la puissance dun e e e e signal sur ces diff rents harmoniques est caract ris e par les coefcients de Fourier : e e e la puissance de h0 est | a0 |2 , et celle de hn , n > 0 est 1 (| an |2 + |bn |2 ) = 2|cn |2 2 On repr sente cette r partition en portant en abscisse pour chaque harmonique, sa e e n e fr quence T , et en ordonn e |cn |, cest ce quon appelle le spectre damplitude. e Un signal de L2 (0, T ) peut donc etre caract ris soit par son evolution temporelle soit e e e e a par son spectre : cest ce quon appelle la dualit temps-fr quence. Nous verrons qu` certaines propri t s dans lespace des temps correspondent des propri t s dans lesee ee pace des fr quences. e

4.4

Repr sentation ponctuelle dune fonction par sa s rie e e de Fourier

` En calcul num rique, une fonction est r duite a un certain nombre de valeurs ponce e tuelles, il est donc important de sinterroger sur la convergence ponctuelle des s ries e de Fourier. Cependant, l tude de la convergence ponctuelle ou uniforme des s ries de e e Fourier est beaucoup plus d licate que celle de leur convergence dans L2 (0, T ). e Pour un signal dans L2 (0, T ), il est aussi important de savoir si |cn | tend rapidement vers 0 quand n tend vers linni : en effet, on ne peut g n ralement consid rer quun e e e nombre ni de termes (harmoniques), et si ce nombre est x , on perd dautant moins e d nergie que |cn | tend rapidement vers 0. e Les coefcients de Fourier dune fonction f p riodique existent d` s que f est int grable e e e 1 (0, T ). On consid` re sur L1 (0, T ) la ( f L-int grable | f | L-int grable), i.e. f L e e e norme 1 T f 1= | f (t)| dt. T 0 53

A toute fonction f L1 (0, T ) on peut associer une s rie de Fourier e

n=

cn ( f )ei T nt :

on va etudier si elle converge, selon quel mode et vers quelle limite. Un premier r sultat positif : e Proposition 4.4.1. Soit f L1 (0, T ). Les coefcients de Fourier sont borns : n Z, |cn ( f )| e f 1 , et tendent vers 0 quand |n| (lemme de Riemann-Lebesgue)
n

lim cn ( f ) = 0.

` Le lemme de Riemann-Lebesgue s tablit facilement lorsque f C 1 (0, T ), a laide e 1 (0, T ) dans L1 (0, T ) dune int gration par parties. On utilise ensuite la densit de C e e (th or` me 3.3.4). e e On d nit le produit de convolution de deux fonctions de L1 (0, T ) comme suit e f g( x ) = 1 T
T 0

f ( x t) g(t) dt.

(4.8)

Proposition 4.4.2. Soit f , g L1 (0, T ). Alors, pour tout n Z, on a c n ( f g ) = c n ( f ) c n ( g ).

Le polynome trigonom trique s N ( x ) se calcule de la facon suivante : e s N (x) =

n= N

cn ein T
T

x N

n= N

1 T

T 0

f (t)ein T t dt ein T

=
` ou

1 T

f (t)

n= N

ein T ( xt) dt = f D N ( x )

D N (t) =

n= N

ein T t =

t sin (2N + 1) T t sin T

(4.9)

On montre que D N satisfait les propri t s suivantes : ee 1. D N (0) = 2N + 1 2. D N (t) est une fonction paire 3. 1/T
T 0

D N (t)dt = 1.

D N (t) est appel noyau de Dirichlet. e 54

Remarque. Les difcult s pour prouver la convergence ponctuelle de s N vers f viennent e du fait que lim N D N (t) nexiste pas. En effet, on peut ecrire s N (x) f (x) = 1 T
T/2

T/2

[ f ( x + t) f ( x )] D N (t) dt,

et pour prouver la convergence, on est amen a rendre inniment petit le second e ` membre, auquel on ne peut pas appliquer les th or` mes de convergence puisque e e lim N D N (t) nexiste pas ... On note f ( x +) = f ( x ) =
h0,h>0 h0,h>0

lim

f ( x + h) f ( x h)

lim

` ` les limites a droite et a gauche de la fonction f en x. Th or` me 4.4.1 (Convergence locale de Dirichlet). Soit f L1 (0, T ). Si en un point x, e e les limites a droite et a gauche, f ( x +) et f ( x ) existent, ainsi que les drives a droite et a ` ` e e ` ` gauche, alors f ( x +) + f ( x ) lim s N ( x ) = . 2 N
Preuve La d monstration ([4]) repose sur lexpression du reste e s N (x) 1 f ( x +) + f ( x ) = 2 T
T/2 0

[ f ( x + t) f ( x +) + f ( x t) f ( x )] D N (t) dt.

Les hypoth` ses impliquent que la fonction e (t) = f ( x + t) f ( x +) + f ( x t) f ( x ) , sin (t/T )

T/2 0

est major e par une fonction int grable donc int grable. La fonction e e e (t) sin ( (2N + 1)t/T ) dt,

tend vers 0 quand N tend vers linni dapr` s le lemme de Riemann-Lebesgue. 2 e

Une fonction f : [0, T ] C est continue par morceaux si elle est continue sur [0, T ], ` sauf peut- tre en un nombre ni de points, en lesquels elle admet une limite nie a e ` droite et a gauche. Une fonction est C 1 par morceaux si elle est continue par mor ceaux et admet une d riv e, sauf eventuellement en un nombre ni de point, et si e e cette d riv e est elle-m me continue par morceaux. e e e Th or` me 4.4.2 (Dirichlet). Soit f de priode T, C 1 par morceaux. Alors, e e e f ( x +) + f ( x ) . 2 N En particulier, en tout point ou f est continue, s N converge vers f . ` lim s N ( x ) =

55

On peut tracer les approximants de Fourier de quelques fonctions classiques sur les sites internets suivants : http ://www.jhu.edu/ signals/fourier2 http ://www.univ-lemans.fr/enseignements/physique/02/divers/fourier.html Des contrexemples au Th or` me 4.4.2 : e e 2 1. f (t) = sin t , 0 < t 1. f L1 (0, 1), mais a un nombre inni de minima et de maxima, et nadmet pas ` de limite a droite en z ro. e 2. La fonction de p riode 8 d nie par e e x (t) = 1, 0 t < 4, x (t) = 1/2, 4 t < 6, x (t) = 1/4, 6 t < 7, x (t) = 1/8, 7 t < 7, 5, . . . qui a un nombre inni de discontinuit s. e Th or` me 4.4.3. Soit f de priode T, continue et C 1 par morceaux. Alors la srie de Fourier e e e e de f sobtient en drivant terme a terme celle de f . e ` Les coefcients de Fourier de f vrient e

n=

|cn ( f )| < .

La srie de Fourier de f converge uniformment vers f . e e

e Preuve Les hypoth` ses ont et mises pour que lon puisse int grer par parties et pour que f e e soit dans L2 (0, T ). cn ( f ) = 1 T
T 0 T 0

f (t)ein T t f (t)ein T t dt.

2

2 1 1 T [ f (t)ein T t ]0 2in 2in

56

Comme f est continue, le terme entre crochets est nul et on a cn ( f ) = On a lin galit (en utilisant 2ab a2 + b2 ) e e 2in c n ( f ). T

|cn ( f )| =

T T |cn ( f )| 2 |n| 4

1 + |cn ( f )|2 . n2

1 Les s ries n n2 et n |cn ( f )|2 convergent, la deuxi` me car f L2 (0, T ) ( galit de Parseval). e e e e Donc la s rie n |cn ( f )| converge aussi : e

n=

|cn ( f )| < .

Cela implique en particulier que la s rie de Fourier S N est de Cauchy pour la norme de la e convergence uniforme sur [0, T ]. Donc S N converge uniform ment vers une fonction g contie nue. Comme la convergence uniforme implique la convergence dans L2 (0, T ), dapr` s le th or e e e me 4.2.1, f = g p.p.. Mais f et g etant continues, ces deux fonctions sont partout egales. 2

En fait, plus la fonction est r guli` re, plus vite les coefcients de Fourier tendent vers e e k (0, T ), f (k) L2 (0, T ) et 0. Si f C cn ( f (k) ) = 2in T
k

c n ( f );

dapr` s Parceval, la s rie n n2k |cn ( f )|2 converge ; ce qui implique que e e
n

lim |nk cn ( f )| = 0.

En r sum , on a : e e

L1 (0, T ) L2 (0, T ) C 1 (0, T ) C k (0, T ) f C (0, T )

f f f f D nition 4.4.1. Lorsque e

cn ( f ) 0 += |cn ( f )|2 < n += |cn ( f )| < n += n2k |cn ( f )|2 < n k N, limn |nk cn ( f )| = 0

k N, lim |nk cn ( f )| = 0
n

on dit que la suite des coefcients de Fourier est a dcroissance rapide. ` e 57

4.5

Conclusion.

Avec les s ries de Fourier, une nouvelle facon de d crire les fonctions p riodiques (ree e e pr sentation fr quentielle) est apparue. Des op rations telles que la d rivation s crie e e e e vent simplement en termes de coefcients de Fourier. La construction dune fonction ` p riodique solution dune equation diff rentielle peut ainsi se ramener a la construce e tion des coefcients de Fourier correspondants. Les s ries de Fourier font encore ace tuellement lobjet de recherches actives pour elles-m mes, et ont suscit plusieurs e e branches nouvelles : analyse harmonique, th orie du signal, ondelettes, etc. Elles se e rencontrent usuellement dans l tude des courants electriques, des ondes c r brales, e ee dans la synth` se sonore, le traitement dimages, etc. e

58

Exercices
1. Soit f (t) une fonction p riodique de p riode T. Montrer que e e a+ T T pour tout r el a, a e f (t) dt = 0 f (t) dt, si f (t) est paire, bn = 0, n > 0, et an =
4 T

0 2. D velopper en s ries de Fourier le signal carr : f (t) = 1 sur ]0, 1], f impaire de e e e p riode 2. e 3. Tracer les fonctions suivantes puis calculer leurs s ries de Fourier. e (a) f (t) = t sur ] 1, 1] et de p riode 2. e (b) f (t) = |t| sur ] 1, 1] et de p riode 2. e (c) f (t) = t sur ]0, 1] et de p riode 1. e Ecrire l galit de Parseval dans les trois cas et v rier la convergence des cn vers e e e 0. 4. Calculer les coefcients de Fourier de la fonction paire de p riode 2 d nie par e e f (t) = t(1 t) sur [0, 1]. En d duire la somme des s ries suivantes e e
si f (t) est impaire, an = 0, n 0, et bn = 1 k2 ; k =1 5. Oscillateur forc e On veut r soudre l quation : e e y (t) + 2 y(t) = r (t) Cette equation peut repr senter le mouvement dun solide de masse 1 plac a e e ` ` lextr mit dun ressort de raideur 2 et soumis a un forcage r (t). e e (a) Trouvez la solution g n rale de l quation sans second membre. e e e (b) On suppose que r (t) = |t| sur [-1,1] et est de p riode 2. Cherchez une solution e particuli` re de la forme y(t) = Ak cos(k t). e (c) Trouvez la solution pour les conditions initiales y(0) = 1 et y (0) = 0. Cette solution est-elle p riodique ? e 6. Equation de la chaleur. On cherche une fonction u( x, t) : [0, 1] [0, +[ R qui satisfait l quation de e la chaleur 2 u u ( x, t) = 2 ( x, t), 0 < x < 1, t > 0, (4.10) t x avec les conditions aux limites (dites conductrices) u(0, t) = u(1, t) = 0, t 0 et la condition initiale u( x, 0) = f ( x ), 0 x 1, (4.12) ` ou > 0 est une constante et f ( x ) une fonction donn e, telle que f (0) = f (1) = e 0. 59 (4.11)

T/2 f (t) cos 2nt dt, n T 0 4 T/2 f (t) sin 2nt dt, n T 0 T

(1)k+1 k2 . k =1

(a) Montrer que un ( x, t) = exp(n t) sin(nx ), n 1 est solution de (4.10) et (4.11) pour n convenablement choisi, que lon d terminera. e (b) On cherche maintenant une solution de (4.10), (4.11) et (4.12) de la forme u( x, t) =

n =1

an un (x, t).

En supposant que cette s rie converge et d nit une application continue, e e d terminer les coefcients an pour que (4.12) soit satisfaite. e (c) On suppose que f ( x ) est de classe C1 . Que peut-on dire de ses coefcients de Fourier ? En d duire que e

t 0, x [0, 1], | an un ( x, t)| |bn |,

n ou bn R est le terme dune s rie absolument convergente i=1 |bn | < . e

(d) Calculer la solution u( x, t) pour f ( x ) = sin(x ). Donner la limite de u( x, t) quand t . 7. Soient f et g deux fonctions de L2 (0, T ). (a) V rier que f g L1 (0, T ). e (b) On note f N et g N les sommes de Fourier de f et g. D montrer que e cn ( f N g N ) =

n= N

cnk ( f )ck ( g )

(c) Montrer que f N g N tend vers f g dans L1 (0, T ) et que pour n x , on a e

N

lim cn ( f N g N ) = cn ( f g).

En d duire que e

n Z, cn ( f g) =

n=

c n k ( f ) c k ( g ).

60

Chapitre 5 Transform e de Fourier. e

Un signal p riodique (de p riode T) se d compose en s ries de Fourier. Ainsi, il ape e e e parait comme une somme dharmoniques de fr quences n = n/T, n = 0, 1, 3, . . . Ces e fr quences n sont des valeurs isol es dans R. Les fr quences pr sentes dans un signal e e e e non p riodique ne sont pas isol es. Elles prennent toutes les valeurs dun intervalle. e e La d composition fr quentielle dun tel signal est possible gr ce a la transformation e e a ` de Fourier. La d composition et la reconstitution se calculent par des int grales. e e

5.1

Transform e de Fourier dans L1 (R). e

D nition 5.1.1. Soit f L1 (R), la transforme de Fourier de f est dnie sur R par e e e

F f () = f() =

e2it f (t) dt

(5.1)

On dnit aussi la transforme de Fourier conjugue e e e F f () = e2it f (t) dt (5.2)

Comme |e2it | = 1, ces deux int grales sont bien d nies. Nous verrons que F est e e en g n ral la transform e inverse de f . Pour f = [a,b] , on montre que e e e f() = ba
sin (b a) i ( a+b) e sin (b a)

si = 0 sinon nest pas int grable. e

Remarque : f nest pas dans L1 (R) puisque

Th or` me 5.1.1 (Riemann-Lebesgue). Soit f L1 (R), alors e e 61

(i) f est une fonction continue et borne sur R. e (ii) F : f f est un oprateur linaire et continu de L1 (R) dans L (R) e e f (iii) lim f() = 0. 2 Pour tout t, la fonction e2it f (t) est continue sur R et |e2it f (t) | f (t)| qui est int grable. Le th or` me de continuit sous le signe assure la continuit de f. e e e e e Dapr` s lin galit de la valeur absolue, e e e

1.

| f()|
ce qui prouve (ii). Pour f = [a,b] , | f()|
1 ||

| f (t)| dt = f

1,

pour = 0 et donc (iii) est v ri . On le montre pour e e 2

toute fonction de L1 (R) en utilisant la densit des fonctions simples dans L1 (R). e Propri t s : ee 1. lin arit e e

2. changement d chelle de temps e g(t) = f ( at), a R g() = |1| f(/a) Si on etale les valeurs de f son spectre a se concentre, si on concentre les valeurs de f son spectre s tale. e 3. th or` me du retard e e g(t) = f (t t0 ), t0 R g() = e2it0 f() 4. g(t) = e2i0 t f (t), 0 R g() = f( 0 ) Proposition 5.1.1 (Formule d change). Soit f et g deux fonctions de L1 (R). Alors f g et e 1 (R) et fg sont dans L f( x ) g( x ) dx. f ( x ) g( x ) dx = 2 Comme g est born e (th or` me de Riemann-Lebesgue), et f L1 (R), f g L1 (R). e e e g. L galit r sulte du th or` me de Fubini car lapplication De m me pour f e e e e e e

( x, y) e2ixy f ( x ) g(y)
est dans L1 (R2 ). 2 Proposition 5.1.2 (Transform e de Fourier et d rivation). e e 1. drivation temporelle : si f C n et pour k = 0, 1, . . . , n, f (k) (t) L1 (R), alors e

F ( f (k) )() = (2i)k f(), k = 0, 1, . . . , n,

2. drivation frquentielle : si pour k = 0, 1, . . . , n, tk f (t) L1 (R) alors f C n f et e e f(k) = F ((2it)k f (t)). 62

2 1. On le montre pour n = 1, puis par r currence. Comme f L1 (R), e

F ( f )() =

e2it f (t) dt = lim

a a

e2it f (t) dt.

On fait alors une int gration par parties e

a

e2it f (t) dt = e2it f (t)

(2i)e2it f (t) dt.

Lorsque a , le terme entre crochet tend vers 0 : comme f C 1 ,

a

f ( a ) = f (0) +
a

f (t) dt,

et comme f L1 (R), 0 f (t) dt, et par cons quent f ( a), ont une limite lorsque e a . Cette limite est nulle car f est int grable. On a donc F ( f )() = (2i)F ( f )(). e 2. On applique le th or` me de d rivation sous le signe . e e e 2 Remarques. On retiendra que plus f (t) est d rivable, avec des d riv es int grables, e e e e d croit rapidement a linni. En effet dapr` s Riemann-Lebesgue, sous les hy` plus f e e n | f ( )| 0 quand tend vers linni, et donc poth` ses du 1. de la proposition, |2| e () se comporte a linni comme un inniment petit de lordre de 1/||n au moins. ` f En particulier, une fonction ind niment d rivable a une transform e de Fourier qui e e e d croit plus rapidement que toute puissance de 1/|| quand . e Cest notamment parce que la transformation de Fourier transforme lop ration de e ` d rivation (par rapport a t) en une multiplication (par 2i) quelle est importante. Par e transformation de Fourier, une equation diff rentielle devient une equation alg brique : e e
F f + f = g (4 2 2 + 1) f = g.

Proposition 5.1.3 (Transform e de Fourier et convolution). Si f et g sont dans L1 (R), e alors F ( f g) = F f F g (5.3) Si de plus f et g sont dans L1 (R), alors

F ( f g) = F f F g
Preuve On a vu que lorsque f et g sont dans L1 (R), alors f g est dans L1 (R). On peut donc calculer sa transform e de Fourier. La formule (5.3) d coule du th orme de Fubini qui sape e e ` 2it f ( x ) g ( t x ) est dans L1 (R2 ). 2 plique puisque la fonction ( x, t) e

63

Th or` me 5.1.2. Si f et f sont dans L1 (R), e e f (t) = F ( f)(t) = en tout point ou f est continue. ` Pour la d monstration voir [4, th.18.1.1]. La formule (5.4) sappelle representation e spectrale de f . Ainsi, f est d termin e soit dans lespace des temps par f (t) soit dans e e (). Notons que pour connaitre f (t) pour une valeur x e celui des fr quences par f e e sur R tout entier, et pour connaitre f pour une fr quence x e de t, il faut connaitre f e e , il faut connaitre f sur tout laxe des temps. On ne peut pas esp rer r cup rer exactee e e ` ment f a partir de f dans tous les cas : f ne change pas si on modie f sur un ensemble n gligeable. e e2it f() d, (5.4)

5.2

Transform e de Fourier dans L2 (R) e

Rappelons quune fonction f L2 (R) nest pas n cessairement int grable, comme par e e exemple sin t/t. On ne sait donc pas d nir la transform e de Fourier par lint grale e e e

F f () =

f (t)e2it dt.

Lid e est dutiliser un sous-espace dense dans L2 (R) et stable par F en vue dobtenir e une formule dinversion.

5.2.1

Lespace S des fonctions a d croissance rapide. ` e

D nition 5.2.1. On dit quune fonction f indniment drivable est a dcroissance rapide si e e e ` e pour tout entiers positifs p et q lim |t p f (q) (t)| = 0.
|t|

On note S lensemble des fonctions indniment drivable a dcroissance rapide. e e ` e La d croissance de f est quali e de rapide par comparaison avec celle des fonctions e e p puisque la limite du quotient de f ( t ) par 1/t p est 0. De plus toutes les d riv es 1/t e e de f d croissent plus rapidement que ces fonctions. e Un repr sentant caract ristique de lespace S est la Gaussienne e e g(t) = e(tt0 ) . 64
2

 La transform e de Fourier de la fonction g(t) = et est g() = e . Cette fonction e est donc invariante par transformation de Fourier. On v rie tr` s facilement que si f S , pour tout p, il existe M p tel que e e

| f (t)|

Mp , 1 + |t| p

ce qui implique que f est born e, elle est dans L1 (R) et dans L2 (R). e Th or` me 5.2.1. La transforme de Fourier F est une application linaire bijective de S dans e e e e 1 = F . S . Lapplication inverse est F 2 On a vu que S L1 (R). Dapr` s la propri t de d rivation fr quentielle, comme e ee e e p f ( t ) est int grable pour tout entier p, la fonction f est ind niment diff rentiable, et t e e e f( p) = F ((2it) p f (t)). On veut maintenant montrer que q f( p) () tend vers 0 lorsque || . On a

(2i)q f( p) () = (2i)q F ((2it) p f (t))() = F ( g(q) (t))()

dapr` s la propri t de d rivation temporelle appliqu e a la fonction g(t) = (2it) p f (t). e ee e e ` Dapr` s le th or` me de Riemann-Lebesgue, lim F ( g(q) (t))() = 0 et donc f S . e e e La formule dinversion dans L1 (R) sapplique en tout point puisque f est continue. Les relations f() = f (t) = f (t)e2it dt f()e2it d 2

e sont donc equivalentes pour un el ment de S .

Lensemble S est stable pour de nombreuses op rations : si f , g sont dans S , P est un e (k) , f P, f g et f g sont dans S . polynome et k un entier, alors f Nous avons vu que lensemble S est contenu dans L2 (R). De plus, on a Proposition 5.2.1. Soit f et g dans S , f() g() d = Pour f = g, on obtient lgalit de Parseval e e f
2

f (t) g(t) dt.

= f

2.

2 Cest la formule d change appliqu e a f et h = g. Comme g = F g, dapr s la e e ` e = g. formule dinversion, h 2 65

5.2.2

Extension de la transform e de Fourier a L2 (R). e `

` Nous allons etendre F a L2 (R) en utilisant la densit de S dans L2 (R), que nous e admettrons. Soit donc f n une suite de fonctions de S qui converge vers f dans L2 ( T ) :
n

lim

f fn

= 0.

La suite f n etant convergente, elle est de Cauchy. Or, dapr` s l galit de Parseval dans e e e S, fn fm 2 = F ( fn fm ) 2 = F ( fn ) F ( fm ) 2, ce qui montre que la suite F ( f n ) est une suite de Cauchy dans L2 (R). Elle admet donc une limite, puisque L2 (R) est complet. Par d nition cette limite est F ( f ). On etend e de la m me facon F . e Th or` me 5.2.2. Soit f et g dans L2 (R). La transforme de Fourier F poss`de les proprits e e e e ee suivantes : 1. formule dchange e f (t) g(t) dt = 2. formule dinversion f = F (F ( f )) = F (F ( f )). 3. isomorphisme despaces de Hilbert < f , g >=< f, g > 4. identit de Plancherel-Parseval e f 5. si f L1 (R) L2 (R) f() = f (t)e2it dt.
2

f(t) g(t) dt.

= f 2 .

5.3

Application aux ltres analogiques

La transform e de Fourier et la convolution vont etre utilis s ici pour etudier les ltres e e ` analogiques gouvern s par une equation diff rentielle lin aire a coefcients constants : e e e

k =0

bk g ( k ) =

j =0

a j f ( j) ,

a p = 0, bq = 0.

(5.5)

` f est lentr e et g la sortie du ltre. Celle-ci demande encore a etre pr ciser parmi e e toutes les solutions de (5.5). 66

5.3.1

Cas ou lentr e et la sortie sont dans S ` e

Ce cas est tr` s particulier mais cest une etape vers des cas plus g n raux. On suppose e e e que f S et on cherche une solution g S . Si une telle fonction existe, on a par transform e de Fourier : e

k =0

bk (2i)

g() =

j =0

a j (2i) j
q

f().

Consid rons les deux polynomes e P( x ) =

j =0

aj x ,
j

Q( x ) =

k =0

bk x k ,

et supposons que la fraction rationnelle P( x )/Q( x ) na pas de pole sur laxe imaginaire. Pour tout R, Q(2i) = 0 et on a P(2i) g() = H () f(), H () = . Q(2i) Dans ce cas, comme par hypoth` se f S , f et H f sont aussi dans S . F 1 ( H f) est e bien une solution de (5.5) dans S . Remarque. L quation (5.5) a une solution unique sans pour autant comporter de e ` ` conditions initiales. Cest le fait dimposer a g d tre dans S , et donc nulle a linni e ainsi que toutes ses d riv es, qui en tient lieu. e e

5.3.2

Cas ou P( x )/Q( x ) na pas de pole sur laxe imaginaire et deg P < ` deg Q

Dans ce cas, on peut exprimer la sortie sous forme dun produit de convolution. En effet, on montre alors que H () est dans L2 (R) L (R). H admet donc une trans form e de Fourier inverse et la relation g() = H () f() entraine g = h f pour e f S (voir (5.3)). La r ponse du ltre est la convolution de lentr e avec une fonce e e e tion xe h quon appelle r ponse impulsionnelle. Pour calculer h, on d compose H en e el ments simples. Si les poles de H sont simples, z1 , z2 , . . . zq , on a H () =

k =0

2i k zk .

Pour a C, Re a > 0 on obtient les transform es de Fourier suivantes (la seconde e d coule de la premi` re par changement d chelle de temps) : e e e 1 a + 2i 1 F e at (t) . a 2i eat (t)
F

(5.6) (5.7)

67

Par transformation inverse, on a donc : h(t) =

k, Re zk <0

k e zk t

(t)

k, Re zk >0

k e zk t

(t).

Plus g n ralement, pour des poles multiples, on obtient une r ponse impulsionnelle e e e de la forme h(t) =

k, Re zk <0

Pk (t)ezk t

(t)

k, Re zk >0

Pk (t)ezk t

(t),

(5.8)

` ou les Pk (t) sont des polynomes. On voit que la r ponse impulsionnelle est dans e 1 (R) L2 (R) L (R). L La formule g = h f , obtenue lorsque f est dans S , conserve un sens dans des cas beaucoup plus g n raux (cf. section 3.3.1) et d nit encore un ltre dont on peut e e e etudier les propri t s : ee Stabilit : un syst` me analogique est stable sil existe M > 0 tel que e e

f L (R),

M f

Cest le cas puisque la r ponse impulsionnelle h est dans L1 (R) (cf. section 3.3.1). e Causalit : un syst` me est dit causal, si deux signaux dentr e identiques pour t < t0 e e e donnent des sorties identiques pour t < t0 . On montre quun syst` me de convolution e f h f est causal si et seulement si Supp(h) [0, [. Dapr` s la formule (5.8), le e ltre est causal si et seulement si le facteur en (t) nest pas pr sent et donc si tous e ` les poles de H () sont a partie r elle n gative. e e ` ` Remarque. Les cas ou deg P deg Q et ou Q a des z ros sur laxe imaginaire n cessitent e e lintroduction de fonctions g n ralis es appel es distributions. e e e e

68

Exercices
1. Montrer que (i) la transform e de Fourier de f(t) = f (t) est F ( f)() = F f () e (ii) si f est r elle et paire alors F f est r elle et paire. e e (iii) si f est r elle et impaire alors F f est imaginaire pure et impaire. e 2. Calculer les transform es de Fourier des signaux suivants : e porte = [a,b]
1 impulsion unit f = T [T/2,T/2] e si 1 t < 0 t+1 t + 1 si 0 t 1 triangulaire (t) = 0 si |t| > 1

d charge exponentielle f (t) = eat u(t), a > 0, u = [0,[ echelon unit e e exponentielle sym trique f (t) = ea|t| e gaussien f (t) = eat , a > 0. 3. Montrer que (i) si g(t) = f ( at), a R alors F g() =
2

1 F | a|

f (/a)

(ii) si g(t) = f (t t0 ), t0 R alors F g() = e2it0 F f () 4. Soit (t) le signal triangulaire d ni en 2. Calculer les transform es de Fourier e e des fonctions suivantes : (t 1); (t/2); ((t 1)/2). 5. Soit (t) le signal triangulaire d ni en 2. Repr senter graphiquement la fonce e tion f (t) = 2t(t) et calculer sa transform e de Fourier. e 6. Soit (t) = [1/2,1/2] (t). Montrer que

t ] 1/2; 1/2[, (t) =

sin 2it e d.

En utilisant les propri t s de sym trie de la transform e de Fourier (che 8, exo. ee e e 1), d montrer e sin t dt = . t 2 0 7. Circuit RC
R

x(t) i(t)

v(t)

` On consid` re le ltre analogique : x (t) v(t) ou lentr e est la tension x (t) e e et la sortie, la tension v(t) aux bornes du condensateur. L quation diff rentielle e e s crit e RCv (t) + v(t) = x (t). 69

 Utiliser la transform e de Fourier pour etudier ce ltre (on suppose que x (t0 e et v(t) sont dans S . Calculer sa r ponse impulsionnelle, puis exprimer v(t) en e fonction de x (t). Ce ltre est-il stable ? causal ? 8. Calculer la fonction de transfert et la r ponse impulsionnelle du ltre : u(t) e y(t) associ a l quation diff rentielle : e` e e y + y = u + u. Le ltre est-il stable ? causal ? 9. Soit s(t) L1 (R) L2 (R) un signal r el. On appelle fonction dautocorr lation e e de s(t) la fonction C ( ) = s(t)s(t ) dt.

a) Montrer que C ( ) est bien d nie. e b) Que repr sente C (0) ? e c) Montrer que C ( ) est une fonction paire. d) Utiliser la formule de Parseval (conservation du produit scalaire) pour expri mer C ( ) en fonction de s() la transform e de Fourier de s(t). e e) Montrer que pour tout , |C ( )| < |C (0)| (utiliser lin galit de Schwarz) e e f) Calculer la fonction dautocorr lation dans les deux cas suivants : e s(t) =

(1/ )et/ 0

si si

t>0 , s(t) = (t) = t0

1 0

si si

|t| < 1/2 |t| 1/2

La fonction de corr lation mesure linuence de la valeur dun signal sur sa vae ` leur a linstant plus tard. Plus est grand, plus cette inuence samenuise. 10. Soit f (t) L1 (R) L2 (R), nulle hors de lintervalle [ T, T ]. Soit M = | f (t)| dt. Montrer que a) f est C et pour tout m 0, | f(m) ()| (2T )m M, ` b) si f est nulle sur un intervalle non r duit a un point, alors f est identiquement e nulle et donc f est nulle presque partout (utiliser la formule de Taylor) ` ` e Conclusion : il nexiste pas de signal qui soit a la fois de dur e nie et a spectre born . e 11. Formule de Shannon. Soit f L1 (R) C 0 (R). On suppose de plus que la transform e de Fourier de f , e que lon notera F ( f ) = f satisfait : f() = 0 pour tout [c , c ], c > 0. / a. Expliquer pourquoi la fonction f admet une transform e de Fourier. Si F e d signe la transform e de Laplace inverse, a-t-on F ( f) = f ? Montrer que pour e e tout x r el, e F ( f)( x ) = f ( x ).
1 b. Soit a un r el x tel que 0 < a 2c . On appelle g la fonction de p riode e e e 1 1 1 e a qui coincide avec f sur lintervalle [ 2a , 2a ]. D montrer que les coefcients de Fourier de g v rient e n Z, cn ( g) = a f (na).

70

c. Soit t un r el x et h la fonction de p riode 1 telle que h() = e2it pour e e e a 1 1 [ 2a , 2a ]. Montrer que les coefcients de Fourier de h sont donn s par : e ` cn (h) = s(t na) ou s( x ) est la fonction sinus cardinal :
sin

s( x ) =

ax x a

si x = 0 si x = 0

En utilisant la transform e de Fourier inverse, montrer que f (t) = 1 c0 ( gh). e a d. En admettant la formule suivante (coefcients de Fourier dun produit) ck ( gh) =

n=

c k n ( g ) c n ( h ),

montrer la formule de Shannon : pour tout r el t, e f (t) =

n=

f (na)s(t na).

71

Transform es de Fourier usuelles : e

Fonction f (t) 1 si x [ a, b] [a,b] (t) = 0 si x [ a, b] / 1 (t) = T [T/2,T/2] t + 1 si 1 t < 0 (t) = t + 1 si 0 t 1 0 si |t| > 1 at e ( t ), a > 0 e a|t| , a > 0 eat , a > 0
2

Transform e de Fourier F () e
sin((b a)) i ( a+b) e sin T T

( sin )2
1 a+2i 2a a2 +4 2 2 2 2 a e a

Propri t s : ee
Fonction f (t) transform e de Fourier F () e f (t) f() f ( t t0 ) e2i t0 f() e2i0 t f (t) f( 0 ) 1 f ( at), a R | a| f ( /a ) f (k) ( t ) (2i)k f() (2it)k f (t) f(k) () f g fg fg f g (t) echelon unit vaut 1 pour t 0 et 0 pour t < 0. e

72

Chapitre 6 Quest-ce quune distribution ?

Pour g n raliser une fonction, lid e est de la consid rer comme un op rateur u f (dit e e e e e une fonctionnelle) agissant, par int gration, sur les fonctions elles-m mes : e e u f ( ) =
+

f ( x ) ( x ) dx

Cependant, cette int grale nexiste pas toujours. Si on veut que f puisse etre la plus e g n rale possible, il faut imposer aux fonctions-tests des restrictions s v` res. An e e e e ` ` de ne pas avoir de probl` me de convergence a linni pour lint grale, on imposera a e e ` d tre a support born (nulle en dehors dun intervalle born ). e e e Pour g n raliser la d rivation, voyons ce qui se passerait si f etait continument d rivable. e e e e La fonctionnelle associ e a f serait e ` u f ( ) = et par int gration par parties, e u f ( ) =
+ +

f ( x ) ( x ) dx

f ( x ) ( x ) dx .

(6.1)

Lavantage de la formule pr c dente est de ne pas faire intervenir la d riv e de f . Par e e e e contre, il est n cessaire que les fonctions-tests soient d rivables, et m me ind niment, e e e e si on veut pouvoir r it rer lop ration. e e e

6.1

D nition dune distribution e

` ` Les fonctions-tests appartiennent a lespace D des fonctions a support born ind niment e e d rivables. e

D = { : R C, C (R), Supp born }. e

73

Il nest pas imm diat de trouver une fonction de D , hormis = 0. Les fonctions e usuelles (polynomes, Gaussiennes, fonctions trigonom triques) sont ind niment d rivables e e e ` mais pas a support born . Il se trouve que les fonctions ind niment d rivables sont en e e e g n ral analytiques, et sannulant sur un intervalle, aussi petit soit-il, elles sannulent e e ` partout. Pour rem dier a cela, on peut d nir par morceaux : e e ( x ) = fonction usuelle ( x ) si x ( a, b) 0 si x ( a, b) /

` ` Il faut alors que ait toutes ses d riv es nulles, a droite en a et a gauche en b. Il existe e e une telle fonction : ( x ) = e 0
1 1 x 2

si | x | < 1 si | x | 1

(6.2)

` On peut a partir de cette fonction construire des fonctions-tests de D dont le support est un intervalle born quelconque ( a, b) (cf. Exercice 1). e D nition 6.1 (Distribution). On appelle distribution toute application e u:DC linaire et continue. On note D leur ensemble. e

La valeur de u en est not e u, . e La continuit de u signie que si n dans D , alors u, n u, . La limite e ` dans D est a prendre au sens suivant : n si n 0, et une suite n D tend vers z ro si e 1. les supports de tous les n sont inclus dans un intervalle compact xe [ a, b] ; 2. n ainsi que toutes ses d riv es tend vers 0 uniform ment sur R lorsque n . e e e On peut tendre aux distributions la notion de support :

6.1.1

Support dune distribution

D nition 6.2. On dit que la distribution u est nulle sur louvert O si u, = 0 pour e toute fonction test telle que supp( ) O . On appelle support de la distribution u le complmentaire du plus grand ouvert sur lequel u est nulle. e D nition 6.3. On note E lensemble des distributions a support compact. e ` 74

6.2
6.2.1

Exemples de distributions
Distributions r guli` res e e

Les distributions r guli` res sont des distributions u f qui peuvent sidentier avec une e e fonction f .

6.2.2

Distributions ponctuelles

Soit a R et a lapplication d nie sur D par e a ( ) = ( a) . Il est imm diat que a est lin aire et continue sur D , et a est donc une distribution, e e appel e Dirac en a. Son support est rduit au singleton { a}. Pour a = 0 on note le dirac e en 0 simplement .

6.2.3

Peigne de Dirac

Soit (n )nZ une suite complexe et a > 0. On note u= la forme lin aire sur D d nie par e e u, =

n=

n na

n=

n (na) .

` Comme est a support compact, cette somme est nie pour chaque , et Supp

i =1

i ai

= { a1 , . . . , a n }.

e Pour n = 1 cette distribution est appel e peigne de Dirac et sera employ e pour e analyser la transform e de Fourier des fonctions echantillonn es. e e 75

6.2.4

Distributions p riodiques e

Une fonction f a pour p riode T = 0 si e

x R, f ( x T ) = f ( x )
ce quon ecrit aussi T f = f ` ou lop rateur T repr sente la translation par T : T f ( x ) = f ( x T ). Pour etendre la e e notion de translation aux distributions, il faut que cette notion concide avec la trans lation ci-dessus pour les distributions r guli` res (distributions u f qui peuvent sidene e tier avec une fonction f ). Ainsi

D , T u f , = uT f , =
soit

f ( x T ) ( x ) dx =

f ( x ) ( x + T ) dx

D , T u f , = u f , T
Par extension, on appelle translat e T u dune distribution u la distribution d nie par e e

D , T u, = u, T .
D nition 6.4. Une distribution u est dite priodique de priode T = 0 si e e e T u = u . Exemple : une distribution de la forme u = n nT est p riodique de p riode e e n= ` T si et seulement si la suite des n est constante, cest a dire si cest un multiple du peigne de Dirac. D nition 6.5. Lensemble des distributions T-priodiques est not D T . e e e

6.3
6.3.1

Op rations el mentaires sur les distributions e e

Produit dune distribution par une fonction

Toutes les op rations sur les fonctions ne s tendent pas aux distributions : par exemple, e e le produit de deux distributions, qui, pour les distributions r guli` res, devrait prendre e e la forme u f ug = u f g nexiste pas toujours. En effet, f g peut ne pas etre localement int grable alors que f e et g le sont. Par contre on peut d nir le produit entre une distribution et une fonction C : e 76

D nition 6.6. Le produit dune distribution u par une fonction g indniment drivable est e e e dni par e D , g u, = u, g

6.3.2

D riv e e e

Comme on la vu dans le cas dune distribution r guli` re (6.1) la d riv e u dune e e e e distribution u se d nit par e

D , u , = u, .

(6.3)

On montrera en exercice que cette formule d nit bien une distribution, i.e. une applie cation lin aire et continue sur D . e Proposition 6.7. Toute distribution u est indniment drivable, et la drive dordre n de u e e e e vrie e D , u(n) , = (1)n u, (n) . Pour une fonction absolument continue sur tout intervalle compact [ a, b], la d riv e de e e f au sens des distributions concide p.p. avec la d riv e usuelle. Voir lexercice 3 pour e e une illustration de la d riv e au sens des distributions dune fonction discontinue. e e

6.3.3

Limite dune suite de distributions

D nition 6.8. On dit quune suite (un )nN de distributions converge vers la distribution u e si D , un , u, . De la d nition de la d riv e dune distribution, il r sulte le th or` me suivant : e e e e e e Th or` me 6.9. Si une suite de distributions (un )nN converge vers la distribution u, alors la e e suite drive (un )nN converge vers la distribution u . e e Examinons la suite de fonctions f n (x) = n/2 si | x | 1/n 0 sinon.

Cette suite admet-elle une limite au sens des distributions ? fn, =

n 2 1/n 1 ( x ) dx = (cn ) avec |cn | < n ,

1/n

77

par le th or` me de la moyenne. Comme (cn ) (0) lorsque n , on a e e

D , f n , , ,
donc f n converge vers au sens des distributions. La distribution mod lise limpule sion unit a lorigine. e`

6.3.4

Convergence des s ries trigonom triques e e

Une s rie trigonom trique quelconque e e

n=

n e2in a

(6.4)
x

N ` nest en g n ral pas ponctuellement convergente au sens ou la suite n= N n e2in a e e nadmet pas forc ment de limite lorsque N . e

Cependant, sous une condition assez g n rale sur les n , cette s rie converge au sens e e e des distributions. ` e D nition 6.10. La suite complexe (n )nZ est dite a croissance lente sil existe un rel A > 0 e et un entier k 0 tels que, pour n assez grand

|n | A|n|k .
Th or` me 6.11. Si la suite (n )nZ est a croissance lente, alors la srie trigonomtrique (6.4) e e ` e e converge dans D vers une distribution priodique de priode a. e e

6.3.5

D veloppement en s rie de Fourier du peigne de Dirac e e

On consid` re le peigne de Dirac de pas e =

n=

Le produit f est bien d ni lorsque f C , et on a e f =

n=

f (n )n .

` Cette suite dimpulsions repr sente l chantillonnage de f a un pas . e e 78

Montrons que s crit sous forme de somme dune s rie trigonom trique, exactee e e ment comme une fonction p riodique. Pour ceci on introduit la fonction g de p riode e e d nie sur [0, [ par g( x ) = x/. En d veloppant g en s rie de Fourier, on obtient e e e g( x ) =
1 2 i + 2

n =0

x 1 2in e n

avec une convergence au sens de la norme L2 (0, ). Cette convergence a lieu aussi au sens des distributions, et par cons quence du th. ??, on peut d river la formule e e ` ci-dessus terme a terme : x 1 g ( x ) = e2in .
n =0

On montre (cf. exercice) que g ( x ) = pr c dentes, on obtient e e =

= n . En comparant les deux relations n

n=

n =

n=

e2in .

La s rie de droite, divergente au sens des fonctions, converge au sens des distributions e vers le peigne de Dirac dont elle constitue le d veloppement en s rie de Fourier. e e

79

Exercices
1. V rier que la fonction d nie en (6.2) est d rivable en x = 1, et que toutes ses e e e e d riv es sont nulles. (Faire une r currence en etablissant que la ni` me d riv e de e e e e e ` est de la forme Fn ( x )( x ), ou Fn est une fraction rationnelle. Montrer que, par translations et homoth ties sur la variable x, on peut construire e ` a partir de une fonction-test dont le support est un intervalle born quelconque. e 2. Montrer que la formule 6.3 d nit bien une distribution, i.e. une application e lin aire et continue sur D . e 3. Soit une fonction f continument d rivable sur les intervalles ] , a[] a, b[]b, [, e ` ` et admettant une limite nie a droite et a gauche en a et en b : montrer que

(u f ) = u f + f ( a+ ) f ( a ) a + f (b+ ) f (b ) b .

80

Chapitre 7 Echantillonnage et transform e de e Fourier

Lobjet principal de ce chapitre est d tudier la transform e de Fourier de fonctions e e ` ` e echantillonn es. Nous limitons notre etude a l chantillonnage uniforme, ou les echane tillons sont espac s r guli` rement, bien que l chantillonnage non-uniforme soit aussi e e e e utilis dans la pratique. Nous verrons que l chantillonnage uniforme dune fonction e e ` continue f a un pas peut etre vu comme le peigne de Dirac :
+

f (t) =

n=

f (n ) (t n ) .

(7.1)

Pour mesurer la perte dinformation subie en remplacant f par f , on fera le lien entre leurs transform es de Fourier f et f . Gr ce a la th orie de Fourier des distributions e a ` e ` temp r es, nous allons pouvoir donner un sens a la transform e de Fourier de f . ee e

7.1
7.1.1

Transform e de Fourier des distributions temp r es e ee

Lespace S des distributions temp r es ee

` ` e On a vu a la section 5.2.1 lespace S des fonctions a d croissance rapide, qui est plus grand que lensemble des fonctions tests D . Les distributions d nies sur S sappellent e les distributions temp r es, et forment un ensemble de distributions plus petit que D : ee S D. e Comme toutes les distributions, les el ments de S sont des formes lin aires sur S , et e on note u, la valeur prise par u S en S . 81

e e La transform e de Fourier ayant et d nie pour des fonctions de S , on peut la d nir e e pour les distributions de S : D nition 7.1. Soit u S . La transforme de Fourier de u est la distribution tempre note e e ee e u ou F u dnie par e

S ,

u, = u,

Par la formule d change (Proposition ??) on voit que cette d nition g n ralise la e e e e notion de transform e de Fourier dans S . e

7.1.2

Distributions p riodiques e

Tout comme les fonctions p riodiques, les distributions p riodiques (qui sont par d nition e e e ` egales a leur translat e) peuvent se repr senter comme la somme dune s rie de Foue e e rier. Ceci permet de montrer que les distributions p riodiques sont des distributions e temp r es, et de calculer leur transform e de Fourier de fa con ais e. ee e e Th or` me 7.2. Soit (k ) une suite a croissance lente, cest-` -dire vriant e e ` a e

p N, C, k, |k | C (1 + |k|) p .
Alors la srie e

k=

k e2ikt/

converge au sens des distributions et dnit une distribution -priodique. e e

Preuve Soit p N et C tels que k, |k | C (1 + |k |) p . La s rie de fonctions e k 2ikt/ e k p +2 k =0

est normalement, donc uniform ment convergente sur R, et converge donc uniform ment vers e e une fonction continue f . Cette s rie converge donc aussi vers f dans D (R). En d rivant p + 2 e e fois dans D la relation k f = p+2 e2ikt/ , k k =0 on obtient que la s rie k =0 k e2ikt/ converge dans D (R). Cest donc aussi le cas pour la e s rie e
k=

k e2ikt/ .

Comme les sommes partielles

k =K

k e2ikt/

82

de la s rie sont -p riodiques, il en est de m me de sa limite au sens des distributions. 2 e e e

Le th or` me 7.15 permet donc de construire des distributions p riodiques comme e e e sommes de s ries de Fourier. De plus, on peut montrer que les coefcients k , appel s e e coefcients de Fourier, sont d nis de mani` re unique. e e ` Toute s rie de Fourier dont les coefcients sont a croissance lente d nit une distribue e tion -p riodique, et r ciproquement, toute distribution -p riodique u est la somme e e e ` dune s rie de Fourier dont les coefcients k (u) sont a croissance lente : e u=

k (u)e2ikt/ .
k

Les coefcients de Fourier de u se calculent de la mani` re suivante : e 1 k ( u ) = u, e2ikt/

(7.2)

` ou est une partition de lunit -p riodique (i.e. est une fonction de D telle que e e pour tout t, n= (t n ) = 1). On peut montrer que les distributions p riodiques sont des distributions temp r es, e ee et on peut donc calculer leur transform e de Fourier. e Th or` me 7.3. Toute distribution -priodique u est une distribution tempre et sa transe e e ee forme de Fourier est donne par e e

Fu =

k Z

k (u)k/

ou les k (u) sont les coefcients de Fourier de u. `

7.2
7.2.1

Echantillonnage
Echantillonnage dun signal

La bonne repr sentation math matique dune fonction continue echantillonn e avec e e e un pas est le peigne de Dirac f =
k Z

f (k ) k .

Lorsque le pas d chantillonnage tend vers 0, f tend vers f dans S . En effet, pour e toute fonction S(R) f , =

k Z

f (k )(k )
83

f (t)(t) dt = f , .

An de pouvoir comparer les transform es de Fourier de f et de f , nous calculons la e transform e de Fourier dun peigne de Dirac e On a vu section ?? que 1 (t n ) = n=
+ +
k=

e2ikt/

(7.3)

au sens de la convergence dans D et donc dans S . Ainsi, la transform e de Fourier e dun peigne de Dirac de pas est un peigne de Dirac de pas 1/. La fr quence 1/ e sappelle la fr quence d chantillonnage. e e Th or` me 7.4 (Formule de Poisson). Soit f S(R). On a lgalit e e e e

k Z

f (k ) =

k Z

f(k/ )

(7.4)

` Preuve Puisque f S , on peut appliquer chacun des deux membres de (7.8) a f , ce qui donne
+
k =

(t k ), f =

+
k =

e2ikt/ , f

et (7.9) en r sulte directement. e 2

` Nous arrivons au th or` me principal, qui exprime la transform e de Fourier de f a e e e ` e partir de celle de f , si f est a bande limit e. D nition 7.5 (Bande limit e). On dit que f S (R) est une fonction a bande limite si sa e e ` e transforme de Fourier est a support compact. e ` Th or` me 7.6. Si f est a bande limite, alors la transforme de Fourier de la fonction discr`te e e ` e e e f obtenue en echantillonnant f a un pas vaut ` f () =
+
k=

k f +

(7.5)

Preuve Supposons dabord que f D(R), donc f S(R). On a f () = F

k Z

f (k )k

()

= =

k Z

f (k )eik2 h (k )
84

k Z

` ou lon a pos e h ( x ) = f ( x )eix2 . En utilisant la formule de Poisson (7.9), il vient f () = Mais h (k ) =

+ + + +
k Z

h ( k ).

h ( x )e2ikx dx f (t )e2it e2ikt dt f (t)eit2 e2ikt/ dt f (t)e2it(+k/ ) dt

= = = =

f( + k/ ) ,

` ` dou (7.10). Par densit , (7.10) reste vrai pour tout signal a bande limit e (la s rie est nie). 2 e e e

Sym triquement au fait que la transform e de Fourier dune distribution p riodique e e e est discr` te (cest un peigne de Dirac), nous venons de voir que la transform e de e e Fourier dune distribution echantillonn e (discr` te) est p riodique. e e e

7.2.2

Th or` me de Shannon e e

Nous etablissons dans ce paragraphe un r sultat dinterpolation, qui montre que sous e ` certaines conditions, on peut reconstruire une fonction f a partir de ses echantillons. Ce r sultat, appel th or` me d chantillonnage ou th or` me de Shannon, est remare e e e e e e quable car il montre qualors, l chantillonnage ninduit pas de perte dinformation. e La condition essentielle de ce th or` me est que le support de f soit dans [ , ], ce e e qui garantit que f na pas de variation brutale entre deux echantillons cons cutifs. La e gure 7.1 illustre les diff rentes etapes dun echantillonnage puis dune reconstruction e ` a partir des echantillons, dans le domaine temporel et le domaine fr quentiel. e Th or` me 7.7 (Shannon). Si f L2 (R) et si le support de f est inclus dans [1/2, 1/2 ], e e alors
+

f (t) = dans L2 (R) avec

k=

f (k ) h (t k )

(7.6)

h (t) =

sin(t/ ) t/

(7.7)

85

Preuve Dapr` s (7.10), e f () =

+
n=

f (n )e2in =

+
k=

k f

(7.8)

Le second membre de (7.13) est 1/-p riodique et L2 sur une p riode, donc il peut sexprimer e e comme une s rie de Fourier e f () =
+
n=

cn e2in

(7.9)

` ou cn est de carr sommable. On d duit de lunicit des coefcients de Fourier que cn = e e e f (n ), et donc que
+
n=

| f (n )|2 < .

Notons 1[1/2,1/2 ] ( ) la fonction indicatrice de [1/2, 1/2 ]. Puisque Supp f [1/2, 1/2 ], on d duit de (7.14) que e f()

= f () 1[1/2,1/2 ] () = nZ f (n ) 1[1/2,1/2 ] () e2in

(7.10)

Par un calcul direct, on montre que la transform e de Fourier inverse de 1[1/2,1/2 ] () est e 1 sin(t/ ) h (t) = , t donc celle de 1[1/2,1/2 ] () e2in est 1 h (t n ) . Par continuit de la transform e de Fourier inverse dans L2 (R), on obtient e e f (t) = lim ce qui montre (7.11). 2

n= N

f (n ) h (t n )

La fonction h dont la transform e de Fourier est 1[1/2,1/2 ] () sappelle ltre passee bas id al. Lop ration (7.16) sappelle le ltrage de f par h , et permet de ne conserver e e que les composantes fr quentielles de f () telles que || 1/2. e ` Si f (t) est un signal a bande limit e dans [, ], le th or` me de Shannon indique e e e que la fr quence d chantillonnage minimale pour laquelle le signal peut etre reconse e ` truit exactement est 2. Cependant, la fonction h a une d croissance tr` s lente a line e ni, donc le second membre de (7.11) converge tr` s lentement. Ceci peut poser des e probl` mes techniques de troncature. Cest pourquoi il est int ressant de remplacer e e ` h par une fonction qui a une d croissance plus rapide a linni. Supposons quon e ` sur chantillonne f , cest-` -dire quon l chantillonne a une fr quence 1/ > 2. Les e a e e 86

` calculs conduisant a (7.11) restent valables si lon remplace le ltre passe-bas id al h e par un ltre h v riant e h( ) = 1 0 si | | < si | | > 1/2

mais dont la transform e de Fourier h est plus r guli` re. Ainsi, le ltre h a une d croissance e e e e ` a linni plus rapide quun sinus cardinal, et la s rie e f (t) =
k Z

f (k )h(t k )

a de meilleures propri t s num riques de convergence. ee e

7.3

Le recouvrement spectral (aliasing)

Que se passe-t-il si les conditions du th or` me de Shannon ne sont pas v ri es ? La e e e e r ponse est contenue dans l quation (7.10) que nous rappelons pour m moire : e e e f () =
+
k=

k f

Supposons que le support de f d borde de [1/2, 1/2 ]. e Le support de f( k/ ) intersecte alors [1/2, 1/2 ] pour plusieurs k = 0 en g n ral, comme le montre la gure 7.2. Ce repliement des composantes de haute fr quence e e e sur un intervalle de basse fr quence sappelle recouvrement spectral, repliement spece tral ou encore aliasing. Exemple : Consid rons une oscillation de haute fr quence e e f (t) = cos(0 t) = Sa transform e de Fourier vaut e f( ) = Si 1/T > 0 > 1/2 alors f () h ()
1 2

e2i0 t + e2i0 t . 2

0 + 0 .

= 1 1[1/2,1/2 ] () 2

+
k=

+ + 0 + +

k .

1 2

1 + 0

1 0

87

^ f( )

f(t)

(a)

^ f ( )
T

f (t)
T

(b)

3 T

T T

3 T

t
h (t)
1

^ h ( )

(c)
T T

0 3T T T 3T

^ ^ fT ( ) h ( )
T

f T * h (t)
T

(d)
T

F IG . 7.1 (a) : Signal f et sa transform e de Fourier f. (b) : Un echantillonnage unie forme de f rend sa transform e de Fourier p riodique. (c) : Passe-bas id al. (d) : Le e e e ltrage de (b) par (c) reconstitue f .

Par transform e de Fourier inverse, e

k Z

f (k ) h (t k ) = cos

1 0 t .

` Laliasing ram` ne la haute fr quence 0 a une fr quence plus basse (1/ 0 ) e e e [1/2, 1/2 ]. Le m me repliement de fr quence sobserve sur un lm qui echantillonne e e dans le temps le mouvement rapide dun objet, avec un nombre insufsant dimages par seconde. Une roue qui tourne vite semble dans le lm tourner beaucoup plus lentement. 88

^ f( )

f(t)

(a)

^ f ( )
T

f (t)
T

(b)

3 T

T T

3 T

t
h (t)
1

^ h ( )

(c)
T T

0 3T T T 3T

^ ^ fT ( ) h ( )
T

f T * h (t)
T

(d)
T

F IG . 7.2

Suppression de laliasing

Pour eviter le recouvrement spectral, il faut que le support spectral de la fonction ` quon echantillonne a un pas soit inclus dans [1/2, 1/2 ]. Ceci nest malheureusement pas toujours possible, car la fr quence d chantillonnage est impos e par le e e e ` dispositif dacquisition. Il est pr f rable dans ce cas de faire subir un pr traitement a ee e f pour ramener son support spectral dans [1/2, 1/2 ]. Cherchons une fonction g telle que Supp g [1/2, 1/2 ], qui soit la plus proche possible de f en norme L2 . 89

La formule de Plancherel montre que f g

2

= =

| f() g()|2 d

||>1/2

| f()|2 d +

||1/2

| f() g()|2 d.

La distance est minimale lorsque la seconde int grale est nulle, soit e 1 g() = f() 1[1/2,1/2 ] () = h () f(). (7.11)

1 Cette op ration, appel e ltrage de f par h , evite le recouvrement spectral en supprie e ` mant toutes les fr quences au-del` de 1/2. Comme g est a support dans [1/2, 1/2 ], e a le th or` me d chantillonnage montre que g(t) peut etre reconstitu a partir des echantillons e e e e` g(n ).

Un convertisseur analogique/digital est compos dun ltre qui limite le support fr quentiel e e ` a [1/2, 1/2 ], suivi dun echantillonnage uniforme au pas .

7.4

Transform e de Fourier discr` te e e

Num riquement, on ne connat les valeurs dune fonction f quen ses points d chantillonnage, e e et par ailleurs, on na acc` s qu` un nombre ni de ces echantillons : typiquement, on e a connat f [n] pour 0 n < N. Nous allons voir maintenant comment la transform e e ` de Fourier discr` te permet de donner un sens a la transform e de Fourier des valeurs e e { f [n]}n=0,...,N 1 . ` Pour cela, consid rons un peigne de Dirac dont les poids sont les f [n], etendus a Z e tout entier par p riodisation : e f(t) =
+ N 1
k= n=0

f [n] (t n kN ) .

puisque f(t) est une distribution N-p riodique, elle peut s crire comme une s rie de e e e Fourier : + f(t) = k ( f)e2ikt/N
k=

1 2ikt/N f , e k ( f) = N ` ou est une partition N-p riodique de lunit . On peut voir facilement que e e 1 k ( f) = N
N 1 n =0

avec

f [n]e2ikn/N .

La transform e de Fourier discr` te est d nie par N k ( f) : e e e 90

D nition 7.8 (Transform e de Fourier discr` te). On dnit la transforme de Fourier e e e e e discr`te { f[k]}k=0,...,N 1 de { f [n]}n=0,...,N 1 par e f[k] =
N 1 n =0

f [n]e2ikn/N .

(7.12)

On obtient une formule dinversion de la transform e de Fourier discr` te gr ce a la e e a ` comme une s rie de Fourier (7.5) : repr sentation de la distribution p riodique f e e e Proposition 7.9 (Formule dinversion discr` te). e 1 f [n] = N
+
k=

f[k ] exp

i2kn N

(7.13)

Remarque 7.10. On peut interprter ce rsultat en considrant lespace des signaux de priode e e e e N, dont la famille i2kn ek [n] = exp N 0 k < N est une base orthogonale. On montre alors que lorthogonalit de cette base implique une vere sion discr`te de la formule de Plancherel : e f
2 N 1

n =0

| f [n]|2 =

1 N

N 1 k =0

f[k ]

Remarque 7.11. Mme si la dnition de la transforme de Fourier discr`te ne fait intervenir e e e e que les valeurs de f echantillonne aux points 1, . . . , N, il faut toujours garder a lesprit quelle e ` priodise a partir des f [n], n = 1, . . . , N. se dnit comme la srie de Fourier de la fonction f e e e e ` Ceci a une importance considrable lorsquon sintresse a des proprits de rgularit de la e e ` ee e e fonction f , car, comme le montre la gure 7.3, la priodisation peut introduire articiellement e des discontinuits. e

7.5

Transform e de Fourier rapide e

Le calcul direct de la transform e de Fourier discr` te par la formule (7.17) n cessite, si e e e 2 multiplications comles exponentielles complexes sont stock es a lavance, ( N 1) e ` plexes, et N ( N 1) additions complexes, soit une complexit en O( N 2 ). Cooley et e Tuckey ont mis au point en 1965 un algorithme de transform e de Fourier rapide (FFT e pour Fast Fourier Transform) qui permet de r duire la complexit a N log2 N par e e ` [k ] d ni en (7.17) peut une simple r organisation des calculs. Le calcul du coefcient f e e 91

11 00 11 00 11 00 1111 0000 10 111 10 001 1 11 000 0 1 10 01 10 00 1 0 110 001 101 1 110 0001 00 11 00 1 11 00 11 00 11 00 11 1 0 110 001 1 11 00 11 00 1 0
1 0 1
N1 N

F IG . 7.3

seffectuer en regroupant les termes n et n + N/2. On obtient deux formules distinctes, selon que k soit un entier pair ou impair : f[2k ] = f[2k + 1] =
N/21 n =0 N/21 n =0

( f [n] + f [n + N/2]) exp

i2kn N/2 i2kn N/2

.

(7.14) (7.15)

exp

i2n N

( f [n] f [n + N/2]) exp

Comme le montrent les expressions (7.20) et (7.21), les fr quences paires et impaires e sobtiennent respectivement par transform e de Fourier discr` te des signaux N/2e e p riodiques e f [n] + f [n + N/2] 92

et exp

i2n N

( f [n] f [n + N/2]) .

` Une transform e de Fourier discr` te de taille N peut donc se calculer a partir de deux e e transform es de Fourier discr` tes de taille N/2. e e Montrons que la complexit globale de lalgorithme est en O( N log2 N ). Soit M ( N ) e (respectivement A( N )) le nombre de multiplications (resp. dadditions) n cessaires e pour calculer la transform e de Fourier dun signal de longueur N. Le calcul fait ine tervenir deux transform es de Fourier de taille N/2, ainsi que N/2 multiplications e complexes et N additions complexes, soit 2N multiplications r elles et 3N additions e r elles. e M ( N ) = 2 M ( N/2) + 2N A( N ) = 2 A( N/2) + 3N En posant M ( N ) = M( N )/N, A( N ) = A( N )/N, et avec le changement de variables p = log2 N, on obtient M ( p ) = M ( p 1) + 2 A ( p ) = A ( p 1) + 3 . La transform e de Fourier dun signal ne comportant quune seule valeur est lidentit , e e (0) = M(0) = 0. On en d duit que donc A e M( p) = 2 p A( p) = 3 p , soit nalement, M( N ) = 2 N log2 N A( N ) = 3 N log2 N . La complexit globale de lalgorithme est donc de 5 N log2 N . e

93

Exercices
1. Montrer que la suite des sommes partielles xk k! k =0 est une suite d l ments de S qui converge dans D mais pas dans S . ee 2. Soit ( ak )kN une suite r elle. Montrer que la suite ak k converge dans D . A quelle e condition converge-t-elle dans S ? 3. Montrer que F (a ) = e2ia , et que F (eia x ) = a .
N

94

Chapitre 8 Transform e de Laplace. e

Nous avons vu au chapitre pr c dent que de beaucoup de signaux peuvent se repr senter e e e gr ce a la transform e de Fourier comme une combinaison lin aire de signaux monoa ` e e iwt . Cette repr sentation est particuli` rement int ressante car les chromatiques t e e e e signaux monochromatiques sont des fonctions propres des syst` mes de convolution. e Or, plus g n ralement, les signaux exponentiels complexes t est , s C, sont des e e ` fonctions propres de ces syst` mes (voir chapitre 1). Dou lid e dintroduire une transe e formation qui g n ralise la transform e de Fourier. Cest la transform e de Laplace. e e e e La transform e de Laplace est tr` s utilis e dans l tude des syst` mes causaux et sera e e e e e ` d nie pour des fonctions causales, cest a dire nulle pour t < 0. e

8.1

Transform e de Laplace des fonctions causales e

` On appelle E lensemble des fonctions f (t) a valeurs r elles ou complexes, nulles pour e t < 0, d nies pour presque tout t > 0 et localement int grables (int grables sur e e e tout intervalle ferm et born de R). Une fonction f de E nest pas n cessairement e e e 1 (0, ). int grable, i.e. dans L e D nition 8.1.1. Soit f (t) une fonction de E . La transforme de Laplace de f au point s C e e est dnie, lorsque cette intgrale existe, par e e F (s) = L f (s) =
0

f (t)est dt.

Proposition 8.1.1. 1) Soit s = x + iy, alors L f (s) existe si et seulement si L f ( x ) existe. 2) Si L f ( x0 ) existe, alors L f (s) existe pour tout s tel que Re (s) x0 . 2 En effet, | f (t)est | = | f (t)|e xt ce qui prouve 1). De plus, | f (t)|e xt | f (t)|e x0 t et la proposition 2.4.1 implique 2). 2 95

Lensemble des s pour lesquels L f (s) existe est appel domaine de sommabilit . Il e e t2 est donc soit vide, comme par exemple pour la fonction f (t) = e [0,[ (t), soit un e demi-plan complexe. Lorsquil nest pas vide, on appelle abscisse de sommabilit de f le plus petit nombre r el a tel que L f (s) existe pour Re s > a et nexiste pas pour e Re s < a. Il se peut que L f ( a) existe mais il est egalement possible que L f ( a) nexiste pas. Proposition 8.1.2. Si f E est a croissance exponentielle : pour t sufsamment grand (t > ` T), | f (t)| Met , M > 0, R, alors labscisse de sommabilit de L f est infrieure ou egale a . e e ` ` 2 Comme f est a croissance exponentielle :
T

| f (t)est | dt M
T 0

e( x)t dt,

qui converge pour x > . Par ailleurs, int grable et si A = supt[0,T ] e xt , alors e
T 0

| f (t)|dt < puisque f est localement

T 0

|ext f (t)|dt < A

| f (t)|dt < .
2

Donc, L f (s) existe pour tout s tel que Re (s) > .

En particulier : - si f est born e, alors L f (s) existe pour tout s tel que Re (s) > 0, e ` ` - si f est a support compact, f est a croissance exponentielle pour tout , et L f (s) existe pour tout s C. Remarque : 1) Si f L1 (0, +), alors L f (s) existe pour tout s tel que Re (s) > 0. En particulier, L f est d nie sur laxe imaginaire et e y , 2 ` ou F d signe la transform e de Fourier de f (5.1). e e 2) Si f nest pas causale, sa transform e de Laplace est f (t)est dt. Le domaine de e sommabilit est soit vide, soit une bande, soit un demi-plan (droit ou gauche) du plan e complexe. Pour un syst` me lin aire stationnaire causal, sa r ponse impulsionnelle h e e e est une fonction causale et le domaine de sommabilit de sa transform e de Laplace est e e un demi-plan droit. La r ciproque nest pas vraie, comme le montre lexemple suivant : e

L f (iy) = F f

h(t) = e(t+1) (t + 1)

Lh =

es , s+1

Re s > 1,

` ou h nest pas causale, mais le domaine de sommabilit de Lh est un demi-plan droit. e Lorsque Lh est rationnelle, h est causale si et seulement si son domaine de sommabilit e ` est le demi-plan droit d limit par son pole le plus a droite. R Exemples : e e 96

Echelon unit e

1 (t) = [0,] , L(s) = , s

Re (s) > 0

Impulsion unit . e
1

(t) = Fonction rampe

1 es si x [0, [ , L (s) = si x [0, [ / s 1 , s2

f (t) = t(t), L f (s) = Fonctions exponentielles

Re (s) > 0

f (t) = eat (t), a C, L f (s) = Fonctions trigonom triques e f (t) = cos(wt)(t) , g(t) = sin(wt)(t)

1 , s+a

Re (s + a) > 0

L f (s) = L g(s) =

s s2 + w2 w s2 + w2

Re (s) > 0

8.2

Premi` res propri t s e ee

Lin arit : si f et g ont une transform e de Laplace et et sont deux nombres come e e plexes, alors f + g a aussi une transform e de Laplace e

L( f + g) = L f + L g.
Si a est labscisse de sommabilit de L f et b celle de L g, alors labscisse de sommabilit e e ` de L( f + g) est inf rieure ou egale a sup( a, b). e Soit f E dont la transform e de Laplace existe pour Re s > a : e Th or` me du retard : soit t0 > 0. La fonction retard e g(t) = f (t t0 ) a une transe e e form e de Laplace donn e par e e

L g(s) = est0 L f (s),

Re s > a.

D calage dans le plan de Laplace : si g(t) = es0 t f (t), s0 C alors e

L g ( s ) = L f ( s + s0 ),

Re (s + s0 ) > a.

Changement d chelle : si g(t) = f (t), > 0 alors e

L g(s) =

1 L f (s/), 97

Re (s/) > a.

8.3

Comportement de L f

Th or` me 8.3.1. Soit f E dont la transforme de Laplace a pour abscisse de sommabilit a. e e e e 1. Pour tout entier m, labscisse de sommabilit de L(tm f (t)) est a, e 2. soit x rel, x > a alors L f est indniment drivable au point x, et e e e

[L f ](m) ( x ) =
3. limx L f ( x ) = 0 2 1. Soit x > x1 > a, alors

e xt (t)m f (t) dt,

e xt tm | f (t)| = e( x x1 )t e x1 t tm | f (t)|. Or, il existe T > 0, tel que pour t > T, tm e( x x1 )t < 1, et donc
T T

e xt tm | f (t)| dt <

e x1 t | f (t)| dt < ,

puisque L f a pour abscisse de sommabilit a. Comme f E , e xt tm f (t) est e int grable sur [0, T ] et L(tm f (t)) existe pour Re s > a. e Par contre, si Re s = x < a, alors =
1

e xt | f (t)| dt <

e xt tm | f (t)| dt

et L(tm f (t)) nexiste pas. 2. Soit x > x1 > a, g( x, t) = e xt f (t). La fonction x g( x, t) est diff rentiable, e g( x,t) sa diff rentielle est la fonction x : x te xt f (t). La fonction g(t) = e e x1 t |t f (t)| est int grable (cf 1), et pour t > 0, e appliquer le th or` me de d rivation sous le signe e e e
0 g( x,t) x

< g(t). On peut donc

[L f ] ( x ) =

(t)ext f (t) dt.

Par r currence, on obtient le r sultat pour m > 1. e e 3. Dapr` s le th or` me de convergence domin e, on a e e e e
x

lim |L f ( x )| lim

x 0

e xt | f (t)| dt =

lim e xt | f (t)| dt = 0. 2

Remarque : En fait, L f est d rivable au sens des fonctions de la variable complexe, e dans le demi-plan Re s > a (L f est holomorphe [10]). Cest une propri t tr` s forte. ee e Cela entraine que si L f 1 ( x ) = L f 2 ( x ) pour tout x dans un intervalle de R alors elles coincident sur tout le demi-plan. 98

Th or` me 8.3.2 (de la valeur initiale). Soit f E , admettant une transforme de Laplace e e e et telle que limt0+ f (t) = f (0+), alors
x

lim x L f ( x ) = f (0+ ).

Th or` me 8.3.3 (de la valeur nale). Soit f E telle que limt f (t) = l < , alors e e L f (s) existe pour Re s > 0 et lim x L f ( x ) = l.
x 0+

8.4

Transform es de Laplace de primitives et de d riv es e e e

Th or` me 8.4.1. Soit f E , a labscisse de sommabilit de L f . Alors e e e

L
0

f (t) dt (s) =

L f (s) , s

Re s > sup(0, a).

2 Soit x = Re s > 0. Dapr` s le th or` me de Fubini pour les fonctions positives, on a e e e

0

e xu

u 0

| f (t)| dt

du =

| f (t)|

e xu du

dt =

e xt 0

| f (t)| dt.

Si Re x > a, cette int grale est nie. On en d duit que la fonction (t, u) esu f (t) est e e int grable sur le domaine consid r et le th or` me de Fubini sapplique : e ee e e
0

esu

u 0

f (t) dt

du =

f (t)

esu du

dt =

est 0

f (t) dt =

L f (s) . s
2

Th or` me 8.4.2. Soit f C 1 (0, +). On suppose que f et f sont dans E et a croissance e e ` at , | f ( t )| A e at . exponentielle : il existe A0 , A1 , T et a tels que, pour t > T, | f (t)| A0 e 1 Alors, f (t) a une limite nie lorsque t 0+ et

L f ( s ) = s L f ( s ) f (0+ ).
2 Comme f est C1 sur lintervalle [ , X ],

> 0,
X

f (X) = f ( ) + Comme f E , lorsque 0+ .

X 0

f (t) dt.
X

f (t) dt < et donc f ( ) = f ( X )

f (t) dt a une limite nie

99

Par hypoth` se, f et f ont une transform e de Laplace pour Re s > a et en int grant e e e par parties
X 0 X f (t)est dt = [ f (t)est ]0 + s X 0

f (t)est dt
X 0

= f ( X )esX f (0+ ) + s

f (t)est dt

Pour X > T, on a | f ( X )esX | < A0 e aX esX et donc limX f ( X )esX = 0 si Re s > a, ce qui donne le r sultat. e 2 On d montre plus g n ralement : si f C m (0, +) et si f , f (1) , . . . , f (m) sont dans E e e e ` et a croissance exponentielle : il existe A0 , A1 , . . . , Am , T et a tels que, pour t > T,

| f (k) (t)| Ak e at , k = 0, 1, . . . , m.
Alors, f (t), f (t), . . . , f (m1) (t) ont une limite nie lorsque t 0+ et

L( f (m) )(s) = sm L f (s) sm1 f (0+ ) sm2 f (0+ ) f (m1) (0+ ).

Ces propri t s permettent de transformer une equation diff rentielle lin aire en une ee e e equation alg brique. e

8.5

Transform e de Laplace et convolution e

Th or` me 8.5.1. Soit f et g deux fonctions de E . Alors, f g existe et appartient a E . Si L f e e ` et L g existent pour Re s > a, alors L( f g) existe pour Re s > a et

L( f g) = L f L g.
Cest encore une application du th or` me de Fubini. e e La transform e de Laplace transforme un produit de convolution en produit et permet e donc dexprimer un syst` me de convolution e y(t) = h u(t) = en un op rateur de multiplication e Y ( s ) = H ( s )U ( s ) , ` ou Y (s) =
0 0 0 0

h(t )u( ) d

y(t)est dt, H (s) =

h(t)est dt, U (s) =

u(t)est dt,

100

sont les transform es de Laplace. La fonction H (s) est appel e fonction de transfert e e du syst` me. La transform e de Laplace sav` re donc un outil efcace pour etudier les e e e syst` mes de convolution, en particulier leur stabilit . Un syst` me est stable (BIBO cf. e e e section 3.3.1) si sa r ponse impulsionnelle est int grable et donc, si laxe imaginaire est e e contenu dans le domaine de sommabilit de sa fonction de transfert H = Lh. Lorsque e ` H est rationnelle, le syst` me est stable si et seulement si ses poles sont a partie r elle e e strictement n gative. e

8.6

Transform e inverse, recherche des originales e

Soit f E telle que L f existe pour Re s > a. Soit x > a. La fonction g(t) = f (t)e xt est dans L1 (R) et a une transform e de Fourier e

F ( g)() =

e2it e xt f (t) dt = L f ( x + 2i).

Cette remarque permet de montrer : Th or` me 8.6.1. Deux fonctions f 1 et f 2 de E telles que L f 1 = L f 2 sont egales presque e e partout. En particulier si f 1 et f 2 sont continues elles sont identique. Lorsque L f = g on dit que f est une originale de g. Si f est unique, on dit que f est loriginale de g. Il existe des formules qui permettent de calculer f (t) en fonction de L f ; celles-ci utilisent la th orie des fonctions de variables complexes. En pratique, on peut souvent se e ` contenter dutiliser les tableaux de transform es et les propri t s relatives a la convoe ee lution, la d rivation, le retard, la valeur initiale ... e

8.7

Transformations de Laplace et de Fourier.

Lorsquune fonction admet une transform e de Fourier, elle admet une transform e e e ` e de Laplace et son abscisse de sommabilit est inf rieur ou egal a z ro. Dans ce cas, la e e transform e de Fourier peut etre vue comme la restriction de la transform e de Lae e ` place a laxe imaginaire. Rappelons que la transform e de Laplace est une fonction de e la variable complexe s. Par contre, certaines fonctions (comme e at (t), a > 0) ont une transform e de Laplace sans avoir de transform e de Fourier. e e Les deux transformations facilitent la r solution des equations diff rentielles (lin aires e e e ` a coefcients constants). En les transformant en equations alg briques, elles permettent e den obtenir des solutions particuli` res. Il se peut que les deux transform es donnent e e des solutions particuli` res diff rentes (associ es a des conditions initiales diff rentes). e e e ` e 101

 Rappelons que la solution g n rale dune equation diff rentielle est la somme dune e e e solution particuli` re et de la solution g n rale de l quation sans second membre. e e e e La transform e de Laplace est par ailleurs tr` s utile pour les etudes de stabilit des e e e syst` mes lin aires invariants. e e

102

Exercices
1. Calculer la transform e de Laplace et pr ciser le domaine de sommabilit pour e e e t u ( t ), ou u ( t ) = ` (a) la fonction causale h(t) = e e e [0,[ ( t ) est l chelon unit . |t| . (b) la fonction non-causale h(t) = e 2. En utilisant la transform e de Laplace, r soudre lequation diff rentielle e e e y (t) 3y (t) + 2y(t) = et , t 0, y(0) = 0, y (0) = 1. 3. On consid` re le syst` me : x (t) y(t) associ a l quation diff rentielle e e e` e e

y ( t ) + y ( t ) = x ( t ).
(a) On suppose x (t) S , et on cherche une solution y(t) S . En utilisant la transform e de Fourier, montrer que y = h x pour une fonction h que lon e d terminera. Ce syst` me est-il causal ? stable ? e e (b) On suppose maintenant que le syst` me est causal, que x (t) E et on cherche e y(t) E satisfaisant les conditions initiales y(0) = y (0) = 0. En utilisant la transform e de Laplace, montrer que y = h x pour une fonction h que lon e d terminera. Calculer y(t) lorsque x (t) = [0,[ . Ce syst` me est-il stable ? e e 4. Le r sonnateur. On consid` re le syst` me : x (t) y(t) associ a l quation e e e e ` e diff rentielle e y ( t ) + w2 y ( t ) = x ( t ). Peut-on l tudier par la m thode de Fourier ? e e On suppose que le syst` me est causal, que x (t) E et on cherche y(t) E e satisfaisant les conditions initiales y(0) = y (0) = 0. En utilisant la transform e e de Laplace, calculer la fonction de transfert, puis la r ponse impulsionnelle de ce e syst` me. e ` e e 5. Soit F (s) = D(s) , ou N (s) et D (s) sont deux polynomes r els, N (s) de degr 1 et D (s) de degr 2 avec 2 racines complexes conjugu es z = a ib. e e Montrer que son original est de la forme f (t) = Ke at sin(bt + ) En d duire que si F (s) est la fonction de transfert dun ltre, celui-ci est stable e (r ponse inpulsionnelle int grable) si et seulement si la partie r elle des poles de e e e F est n gative. e
N (s)

103

Transform es de Laplace usuelles : e

fonction (t) 1 si x [0, [ (t) = 0 si x [0, [ / t(t) at e ( t ), a C cos(wt)(t) sin(wt)(t) transform e convergence e de Laplace 1 Re (s) > 0 s
1 e s s 1 s2 1 s+ a s s2 + w2 w s2 + w2

Re (s) > 0 Re (s + a) > 0

Propri t s : ee
fonction causale f f + g f ( t t0 ), t0 > 0 e s0 t f ( t ), s 0 C f (t), > 0
t 0

transform e e de Laplace F F + G e s t0 F ( s ) F ( s + s0 ) 1 F ( s/ ) sF (s) f (0 ) s F ( s ) s f ( 0+ ) f ( 0+ ) FG

2 F (s) s

convergence Re s > a Re s > a Re (s + s0 ) > a Re (s/) > a Re s > sup(0, a) Re s > a Re s > a

f (u) du f (t) f (t) f g

(t) echelon unit vaut 1 pour t 0 et 0 pour t < 0. e

104

Bibliographie
[1] B ASS, Cours de Math matiques-Tome 2, Masson, 1961 e e [2] J.C. B ELLOC , P. S CHILLER, Math matiques pour lelectronique, Masson, 1994 [3] C-T. C HEN, Linear system theory and design, Oxford University Press, 1999 [4] C. G ASQUET, P. W ITOMSKI, Analyse de Fourier et applications, Masson, 1990 [5] T. K OERNER, Fourier Analysis, Cambridge University Press, 1988 [6] A.V. O PPENHEIM AND A.S. W ILLSKY AND S.H. N AWAB, Signals and Systems, Prentice-Hall, 1997 [7] R. P ENROSE The road to reality : a complete guide to the laws of the universe A.A. Knopf, 2005 [8] R. P ETIT, Loutil math matique pour la physique, Dunod, 1998 e e e [9] H. R EINHARD, El ments de math matique du signal- Tome 1Signaux d terministes, Dunod, 1997 e [10] W. R UDIN, Analyse r elle et complexe, Dunod, 1998 e [11] L. S CHWARTZ M thodes math matiques pour les sciences e e physiques Hermann, 1965

105