Cours de Mathématiques pour l’ingénieur

M.BAHADI
Ecole Royale Navale. Casablanca
 Résumé

Cours dispensé aux éléves o¢ ciers de la première année Ecole Royale Navale.
C’est un programme riche et varié, qui comporte des notions nécessaires à la formation de l’ingé-
nieur. Pour rendre ce cours digeste des démonstrations- certes utiles - ont été omises, ou proposées
en travaux dirigés.
Le cours démarre doucement par des fonctions classiques - je fais référence aux fonctions gamma et
bêta d’Euler - où le critère d’intégrabilité de Riemann, et quelques développement en série entière
font l’a¤aire.
On enchaine ensuite par les séries de Fourier, les transformées intégrales de Fourier et de Laplace :
Outils nécessaires à l’interprétation fréquentielle d’un signal périodique ou non, ainsi qu’à la ré-
solution de certaines équations di¤érentielles ou aux dérivées partielles.
Les chapitres 4 et 6 abordent une partie très importante de la théorie du signal, notamment le
…ltrage linéaire et les signaux discrêts ( ou échantillonnés).
Dans le chapitrer 5, on passe à la notion de fonctionnelle, vue l’importance que revêt la dérivation,
et l’impossibilité d’en faire usage pour des phénomènes modélisés par des signaux inhabituels : Un
exemple l’impulsion de Dirac.
D’où une étude assez détaillée de la notion de distribution.
Pour se familiariser avec toutes les notions évoquées ci-dessus un certain nombre d’exercices -
résolus ou non - sont proposés.
Table des matières

1 Quelques fonctions dé…nies par des intégrales 3

1.1 Gamma, Bêta : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Préliminaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Fonction Gamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.3 La fonction Bêta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Les fonctions erreur erf, Si,... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.1 La fonction Erreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.2 La fonction sinus intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.3 La fonction cosinus intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.4 La fonction exponentielle intégrale . . . . . . . . . . . . . . . . . . . . . . 10

2 Rappels sur les séries de Fourier : 11

2.1 Coe¢ cients de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.1 Coe¢ cients de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1.2 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Autres développements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.1 Développement en série amplitude-phase . . . . . . . . . . . . . . . . . . . 13
2.2.2 Développement complexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.3 Exercices : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

3 Transformée de Fourier et de Laplace. 16

3.1 Transformée de Fourier. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.1.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.1.2 La convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.2 Transformée de Laplace. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2.1 Propriétés : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2.2 Exemples et exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2.3 Dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2.4 Intégration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2.5 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2.6 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2.7 Résolution d’un système d’équations di¤érentielles . . . . . . . . . . . . . 24
3.3 3.3 Transformée de Laplace inverse : . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3.1 3.3.1 Formule de Bromwich-Wagner . . . . . . . . . . . . . . . . . . . . . . 27

1
4 Représentation des signaux : 28
4.1 Généralités : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.1.1 Historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.1.2 Dé…nitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.1.3 Quelques signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2 Classi…cation des signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2.1 Classi…cation des signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2.2 Filtrage linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.2.3 Réponse impulsionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.2.4 Causalité et stabilité d’un …ltre . . . . . . . . . . . . . . . . . . . . . . . . 33

5 Notions de distribution : 35
5.1 L’espace des fonctions tests : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.1.1 Distributions régulières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.1.2 Exemples : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.2 Dérivation des distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.2.1 Exemple de convergence : . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.2.2 Peigne de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.2.3 Produit tensoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.2.4 Produit de convolution. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.2.5 Dérivée d’un produit de convolution . . . . . . . . . . . . . . . . . . . . . . 40
5.3 Transformée de Fourier d’une distribution . . . . . . . . . . . . . . . . . . . . . . 40
5.3.1 Mode de convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.3.2 Transformée de Fourier d’une distribution tempérée . . . . . . . . . . . . . 41

6 Signaux à temps discret 42

6.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
6.1.1 La transformée en z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

7 Annexe : fonction d’intercorrélation 44

7.1 Fonction d’intercorrélation, d’auto-corrélation . . . . . . . . . . . . . . . . . . . . 44
7.2 Formule de Plancherel de Parseval . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
7.3 la densité spectrale d’énergie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

2
Chapitre 1

Quelques fonctions dé…nies par des

intégrales

1.1 Gamma, Bêta :

Nous rappelons ici quelques propriétés de l’intégrale de Riemann, qui constitue un outil pour
l’étude des intégrales généralisées dont il sera question le long de ce cours.

1.1.1 Préliminaire
Z +1
(1) x dx ( 2 R) converge si et seulement si < 1.
Z 11
et x dx ( 2 R) converge si et seulement si > 1:
0Z +1 p
x2
(2) I = e dx = .
0 2 Z +1 Z +1
2 2 2
Démonstration de (2) I = e (x +y ) dxdy .
0 0
x = r cos h i
On pose où r 2 [0; +1[ et 2 0;
y = r sin 2
On obtient
Z Z +1
2
2 r2
I = re drd =
0 0 4
D’où le résultat.

Exercice : étudier la convergence des intégrales suivantes :

Z 1 Z +1 Z +1 Z +1
1 x+1 x x +1
(1) p dx (2) p dx (3) e cos xdx (4) dx
0 x(1 x) 0 x(1 + x3 ) 0 0 1+x

1.1.2 Fonction Gamma

L’origine de la fonction Bêta remonte au début du calcul di¤érentiel et intégral. Elle fait sa
première apparition dans l’Arithmetica Infnitorum publié par Wallis en 1665.

3
L’ouvrage contient la célèbre formule de Wallis :

(2:2) (4:4) (6:6) (2n):(2n)

= ::: ::::
2 (1:3) (3:5) (5:7) (2n 1):(2n + 1)

Wallis s’était proposé de calculer les intégrales de la forme :

Z 1
1
I(p; q) = (1 x p )q dx
0

Euler avait étudié attentivement les travaux de Wallis, et y découvrit la fonction Bêta.
1
Si on pose t = x p on obtient :
Z 1
I(p; q) = p tp 1 (1 t)q 1 dt
0

Ce qui donna naissance aux intégrales de la forme :

Z 1
tp 1 (1 t)q 1 dt
0

Depuis Legendre, on les étudie sous une forme légérement modi…ée :

Z 1
B(a; b) = ta 1 (1 t)b 1 dt
0

Parmi les propriétés de la fonction B …gure la relation

(m 1)!(n 1)!
B(m; n) = (1)
(m + n 1)!

Euler avait généralisé la formule (1) pour des valeurs quelconques de a ; b > 0, en introduisant la
fonction Gamma.
R R+ ! R R+ ! R
On considère les fonctions : f : t x 1 et fx :
(x; t) 7 ! e t t 7 ! f (x; t)

et l’intégrale généralisée :
Z +1 Z 1 Z +1
f (x; t)dt = f (x; t)dt+ f (x; t)dt
0 0 1

1. Pour tout x de R, fx est continue, positive sur ]0; +1[ donc l’intégrale de gauche est dé…nie
lorsque fx est intégrable sur ]0; +1[:
2. Au voisinage de 0, fx (t) tx
. La 1iere intégrale de droite converge pour x > 0:
1

1
3. Au voisinage de +1 lim t2 fx (t) = 0 . Donc pour t > A , fx (t) < 2 : Donc la seconde
t!+1 t
intégrale de droite converge:

4
 Z +1
4. Par conséquent f (x; t)dt est bien dé…nie.
0

Dé…nition 1-1-1 : Pour tout x > 0 la fonction dé…nie par :

Z +1
(x) = e t tx 1 dt:
0

s’appelle la fonction Gamma d’Euler.

Proposition 1-1-2 : Pour tout x > 0

(x + 1) = x (x):

Z b
Démonstrations : Soient 0 < a < b < +1 dans I(a; b) = e t tx 1 dt on fait une intégration
a
par parties. Z b
1 1
I(a; b) = e b bx a x
e a + e t tx 1 dt. On fait tendre (a,b) vers (0,+1).
x x a

Remarques 1-1-3 :

(i) On peut dé…nir (x) pour 1<x<0.

(x + 1)
En e¤et si x + 1 > 0; donc (x + 1) existe, donc : (x) = existe
x
( de même sur 2<x 1 etc) donc on peut dé…nir (x) sur R :

(ii) De même on peut étendre la dé…nition de à C pour z 2 C tel que : Re(z) > 0:

Propriétés 1-1-4 :
1 p
1. (1) = 1 et ( )= :
2
2. (n + 1) = n! pour tout n 2 N:
1 (2n)! p
3. (n + ) = n :
2 4 n!

Démonstrations :
Z b
1 1
1- Evidente. Soient 0 < a < b < +1, Changement de variable : u = t dans e t t 2 dt 2

a
Z pb Z +1
2 1 2 p
donne 2 p e u du quand a ! 0 et b ! +1, on obtient ( ) = 2 e u du = :
a 2 0
2- Récurrence sur n.
3- Aussi.

5
Propriétés 1-1-5 :
1. La fonction est continue, indé…niment dérivable sur R + :on montre de plus que :
Z +1
dn (x)
n
= e t tx 1 (ln t)n dt: (2)
dx 0

2. lim (x) = +1, et lim (x) = +1

x!0 x!+1

Démonstrations :
f est continue sur (R + )2 et pour tout x de R + , fx est intégrable sur ]0; +1[.
Soit 0 < a < b
Pour 0 < t 1, x 7 ! tx 1 est décroissante donc pour x dans [a; b]

0 < f (x; t) ta 1 :

Pour t 1; x 7 ! tx 1
est croissante donc pour x dans [a; b] ;

0 < f (x; t) e t tb 1

R+ ! R ta 1 si 0 < t 1
On considère alors la fonction ' où '(t) =
t 7 ! '(t) e t tb 1 si t 1
| ' est positive, continue par morceaux et intégrable sur ]0; +1[ et
| Pour tout (x; t) 2 [a; b] ]0; +1[ ; 0 < f (x; t) '(t):
D’où est continue sur ]0; +1[ d’après le théorème de continuité sous le signe somme.

@k
Pour k f (x; t) = e t tx 1 (ln t)k : Faire le même raisonnement
2 f de classe C k et
@xk
et à la place de '(t) prendre k (t) = jln tjk '(t) pour montrer (2).

| De (x + 1) = x (x) on déduit que lim x (x) = (1) = 1 (continuité de ) d’où

x !0

1
(x) au voisinage de 0
x
Z +1
00 00
| (x) = e t tx 1 (ln t)2 dt . est strictement positive sur R +
donc est convexe.
0
0
Il en résulte que est strictement croissante et s’annule donc au plus une fois.
0
(1) = (2) = 1 montre avec le théorème de Rolle que s’annule au moins une fois sur ]1; 2[.
0
Finalement s’annule une fois et une seule en un point 2]1; 2[.

La croissance de sur [2; +1[ [ ; +1[ donne pour tout x 2,

(x) (E(x)) ie (x) (E(x) 1)!

Comme lim (E(x) 1)! = +1: D’où lim (x) = +1:

x!+1 x!+1

6
1.1.3 La fonction Bêta
C’est une fonction à 2 variables
Dé…nition 1-1-6 : pour x > 0 et y > 0
Z 1
B(x; y) = (1 t)x 1 ty 1 dt
0

On véri…e que B(x; y) est bien dé…nie.

Remarque 1-1-7 :

On peut étendre la dé…nition à x; y dans C tq Re(x) > 0 et Re(y) > 0:

Propriétés 1-1-8 :

1. Symétrie : B(x; y) = B(y; x) pour tout x > 0 et y > 0:

Z
2
2. B(x; y) = 2 (cos( ))2x 1 (sin( ))2y 1 d :
0
Z +1
ux 1
3. B(x; y) = du.
0 (1 + u)x+y

Démonstrations :

1- Evidente. h i
2
2- On pose t = sin ( ) pour 2 0; , dt = 2 sin cos d
2
u du
3- On pose t = ; dt =
1+u (1 + u)2
Z +1
uy 1
B(x; y) = du
0 (1 + u)x+y
= B(y; x)
Z +1
ux 1
= du
0 (1 + u)x+y

Liens avec la fonction Gamma

1-
(a) (b)
B(a; b) = pour tout a > 0 et b > 0
(a + b)
2-

B(a; 1 a) = (a) (1 a)
= : Pour 0 < a < 1:
sin( a)

7
Démonstrations :
Z +1 Z +1
x a 1
(a) (b) = e x dx e y y b 1 dy
0 0
Z +1 Z +1
x y a 1 b 1
= e x y dxdy
0 0

Dans cette intégrale double, e¤ectuons le changement de variables y = u x pour 0 x u, et

conservons la variable x on obtient :
Z +1 Z u
(a) (b) = e u xa 1 (u x)b 1 dxdu
Z0 +1 0 Z u
= e u xa 1 (u x)b 1 dx du
0 0

Z u
Dans xa 1 (u x)b 1 dx le changement de variable x = tu donne :
0
Z u Z u
x a 1
(u x) b 1
dx = (tu)a 1 (u tu)b 1 udt
0 0
Z 1
a+b 1
= u ta 1 (1 t)b 1 dt
0
= ua+b 1 B(a; b)

Donc
Z +1
u a+b 1
(a) (b) = B(a; b) e u du
0
= B(a; b) (a + b)

Exercice :

1- Montrer que :
Z
1 2 1 1
B(a; a) = (sin 2 )2a 1 d = B(a; )
22a 2
0 22a 2 2
2- En déduire que :
p
1
(a) (a + ) = 2a 1 (2a) Formule de duplication de Legendre
2 2
2a 1 a a+1
(a) = p ( ) ( )
2 2

8
1.2 Les fonctions erreur erf, Si,...

1.2.1 La fonction Erreur

On rencontre cette fonction en théorie des probabilités. Elle correspond à l’aire sous la courbe
dite courbe cloche d’équation :
2
y=e x

Dé…nition 1-2-1 : Z x
2 t2
erf (x) = p e dt:
0
La fonction de répartition de la loi normale ou Gaussienne est :
Z x
1 t2 1 x
p e 2 dt = + erf ( p ):
2 1 2 2
Propriétés 1-2-2 :

(i) erf est impaire.

(ii) erf (0) = 0 et lim erf (x) = 1:
x!+1
(iii) Au V(0)
2 X
+1
x2n+1
erf (x) = p ( 1)n
n=0
(2n + 1)[n!]

Démonstrations :
(i) et (ii) sont évidentes.
t2
Pour (iii) prendre le développement en série entière de e Au V(0).

1.2.2 La fonction sinus intégrale

Dé…nition 1-2-3 : Z x
sin t
Si(x) = dt: (impaire)
0 t

Propriétés 1-2-4 :
1-

Si(0) = 0 ; lim Si(x) =

x!+1 2
d Si(x) sin x
et = :(x 6= 0)
dx x

2- Au V(0)
X
+1
x2n+1
Si(x) = ( 1)n
n=0
(2n + 1)[(2n + 1)!]

9
1.2.3 La fonction cosinus intégrale

Dé…nition 1-2-5 : Z +1
cos t
Ci(x) = dt: Pour x > 0:
x t
Propriétés 1-2-6 :
a-

lim Ci(x) = 1; lim Ci(x) = 0

x!0 x!+1
d Ci(x) cos x
et =
dx x
b- Au V(0)

X
+1
x2n
Ci(x) = + ln x + ( 1)n
n=1
(2n)[(2n)!]
te
= c d’Euler

1.2.4 La fonction exponentielle intégrale

Dé…nition 1-2-7 : Z +1 t
e
Ei(x) = dt: Pour x > 0:
x t

Propriétés 1-2-8 :
1-

lim Ei(x) = +1; lim Ei(x) = 0:

x!0+ x!+1

d Ei(x) e x
et = :
dx x

2-
X
+1
xn
Au V (0) Ei(x) = ln x + ( 1)n :
n=1
n(n!)

1 1 1
= lim 1+ + + :::: + ln n ' 0:5772157:::
x!+1 2 3 n

10
Chapitre 2

Rappels sur les séries de Fourier :

Les séries de Fourier jouent un rôle fondamental en théorie et traitement du signal, notamment
pour l’interprétation fréquentielle d’un signal périodique, ainsi que dans la résolution de certaines
équations di¤érentielles.

2.1 Coe¢ cients de Fourier

2.1.1 Coe¢ cients de Fourier

2
Soit x(:) une fonction continue par morceaux de R dans R , T -périodique (! = ). On pose :
T
Z Z
2 2
Pour tout n 0 an = x(t) cos(n!t)dt; et pour n 1; bn = x(t) sin(n!t)dt
T I T I

Les coe¢ cients (an )n 0 et (bn )n 1 ; s’appellent les coe¢ cients de Fourier de la fonction x(:).

La série de Fourier formelle de x(:) est :

a0 X
+ (an cos(n!t) + bn sin(n!t))
2 m 1

(I intervalle de longueur T ).

2.1.2 Convergence
Conditions de Dirichlet :

| Un point t0 est un point de discontinuité de 1iere espèce si lim+ x(t) et lim x(t) existent et sont
t!t0 t!t0
di¤érentes. Elles seront notées réspectivement x(t+
0 ); x(t0 ):

11
| Soit I un intervalle de longueur T . Si le nombre de points de discontinuité de 1iere espèce sur
I est …ni, et en tout point de I; x(:) admet une dérivée à droite et une dérivée à gauche, on dit
que x(:) véri…e les conditions de Dirichlet.

Théorème 2-1-1 (de Dirichlet) : Si x(:) véri…e les conditions de Dirichlet, alors la série de Fourier
converge pour tout t vers :
1
x(t+ ) + x(t ) :
2
De plus la convergence est uniforme sur tout intervalle où la fonction x(:) est continue.
1
Si x(:) est continue en t alors [x(t+ ) + x(t )] = x(t):
2
Théorème 2-1-2(de Jordan) : Si x(:) est T -périodique, borné sur un intervalle de longueur T
alors la série de Fourier converge vers :
1
x(t+ ) + x(t ) :
2
La convergence est uniforme sur tout intervalle où x(:) est continue.

Exemple 2-1-3 :
Créneau carré périodique

2
an = sin(n ); bn = 0 pour n 1 et a0 = 0:
n 2

Propriétés

Parité
Si x(:) est une fonction paire, pour tout n 1 alors bn = 0.

Si x(:) est une fonction impaire, pour tout n 0 alors an = 0.

12
 Z T
2 2
Démonstration : si x( t) = x(t), alors bn = x(t) sin(n!t)dt
T T
2

Z 0 Z T
2 2 2
bn = x(t) sin(n!t)dt + x(t) sin(n!t)dt = 0
T T
2
T 0

Changement de variable t = t.

2.2 Autres développements

2.2.1 Développement en série amplitude-phase

p bn
On pose n = a2n + b2n et pour an 6= 0; tan('n ) = ;' 2[ ; ];
an n
an bn
An = n cos(n!t) + sin(n!t) ; où an = n cos('n ), bn = n sin('n ) donc :
n n

An = n cos(n!t + 'n )

Le développement devient X
n cos(n!t + 'n ):
n 0

Conséquence 2-1-4 : Ce développement donne naissance à deux graphes en battonnets :

2
Le 1ier exprime n en fonction de fn = n et s’appelle le spectre des amplitudes.
!
Le second interprète 'n en fonction de fn : Il porte la nom de spectre des phases.

Exercice 2-1-5 Tracer le spectre des amplitudes et celui des phases pour le crénneau carré
périodique.

13
2.2.2 Développement complexe
1 1
Sous forme complexe cos(n!t) = (ein!t + e in!t ) et sin(n!t) = (ein!t e in!t ) :
2 2i
1
Posons cn = (an ibn ) et c n = cn . Le développement devient
2
X Z
in!t 1
cn e où cn = x(t)e in!t dt , I intervalle de longueurT
n2Z
T I

Théorème 2-1-6 (Formule de Parseval)

Si x(:) est une fonction continue par morceaux sur un segment I de longueur T alors :
X Z
2 1 a2 1 X 2
jcn j = jx(t)j2 dt = 0 + an + b2n :
n2Z
T I 4 2 n 1

Démonstration : on suppose que x(:) est continue en t.

Du développement on déduit que :
a0 X
x2 (t) = x(t) + (an x(t) cos(n!t) + bn x(t) sin(n!t))
2 m 1

Intégrer chaque terme sur I , par exemple :

Z Z
an x(t) cos(n!t)dt = an x(t) cos(n!t)dt
I I
T
= an an
2
T 2
= a
2 n

Et
1 2
jcn j2 = a + b2n
4 n

2.2.3 Exercices :
Exercice1 : Développer en séries de Fourier le signal x(:) 2 périodique suivant :

1- x(t) = t sur ] ; [:

2- x(t) = 1 jtj sur ] ; [:

3- y(t) = jsin(t)j :

14
Exercice2 :

t X
+1
sin(nt)
a- Montrer que : = pour 0 < t < 2.
2 n=1
n
X
+1
sin(2n 1)t
b- En déduire que : = .
4 n=1
2n 1

Exercice3 :

Chercher les solutions particulières y(t) des équations di¤érentielles suivantes sous la forme d’une
série de Fourier.
0
(a) y + y = sin2 (t)
00
(b) y y = jsin(t)j:

Exercice4 :

1- Développer en série de Fourier la fonction 2 -périodique qui coincide avec t 7 ! t2 sur [ ; ].

2- En déduire les valeurs de :
X 1 X ( 1)n+1 X 1
2
, et
n 1
n n 1
n2 n 1
n4

Exercice5 :
Reprendre la 1iere question de l’exercice 4 en remplaçant [ ; ] par [0; 2 ]

15
Chapitre 3

Transformée de Fourier et de Laplace.

Ce sont deux transformations intégrales nécessaires en théorie et traitement du signal, et dans la

résolution de certaines équations di¤érentielles.

3.1 Transformée de Fourier.

Le …ltrage linéaire ne saurait se passer de la transformée de Fourier, de plus des équations di¤e-
rentielles se transforment en équations algèbriques.

3.1.1 Généralités
Z +1
1
Dé…nition 3-1-1 : Soit x(:) un signal de L (R) ie jx(t)j dt < +1.
1
Z +1
2i f t
La transformée de Fourier de x(:) est : X(f ) = x(t)e dt:
1
Z +1
La transformée de Fourier inverse est : x(t) = X(f )e2i ft
df:
1

On note :
x(t) $ X(f )
Remarques :

1- Toujours le temps à gauche les fréquences à droite.

2- On pose X(f ) = jX(f )j ei x (f ) où x (f ) 2 [ ; ] :
Le graphe de f 7! jX(f )j s’appelle le spectre des amplitudes, celui de f 7! x (f ) s’appelle le
spectre des phases de x(:).

Exemples 3-1-2 :
at 1 si t > 0
Exemple1 : x(t) = e "(t) où "(t) est le signal saut-unité.dé…ni par :"(t) =
0 ailleurs
(graphe voir page25)
1
X(f ) = (a > 0)
a + 2i f

16
 ( 1
1 si jtj <
Exemple2 : x(t) = rect(t) dé…ni par : rect(t) = 2
0 ailleurs
(graphe page 25)
sin( f )
X(f ) = = sin c(f ) LIRE sinus cardinal de f.
( f)

Exemple3 : impulsion de Dirac ( ( 1> 0)

si jtj <
On considère le signal : x (t) = 2
0 ailleurs
1- Calculer X (f ); et lim+ X (f )
!0 Z +1
2- Conclure que (t) $ 1: Remarquer que (t)dt = 1:
1

Exemple4 : x(t) = tri(t) dé…ni par son graphe :

1 jtj si jtj 1
Explicitement x(t) est donné par : tri(t) =
0 ailleurs
Z 0 Z 1
2i f t 2i f t
X(f ) = X1 (f ) + X2 (f ) où : X1 (f ) = (1 + t)e dt et X2 (f ) = (1 t)e dt:
1 0
Une intégration par parties dans X1 (f ) donne :
1 1
X1 (f ) = [1 e2i f ]
2i f (2i f )2
Le changement de variable : t0 = t donne : X2 (f ) = X1 ( f ) .
Donc :
1
X(f ) = [e2i f 2+e 2i f
]
(2i f )2
1
= (ei f e i f 2
)
(2i f )2
sin( f )
=
f
Conclusion :
tri(t) $ sin2 c(f )

17
3.1.2 La convolution

Dé…nition 3-1-3 :
Soient x(:), y(:) deux signaux de L1 (R): Le produit convolution de x, y est
le signal z(:) dé…ni par
Z +1
z(t) = x( )y(t )d = x(t) y(t):
1

Propriétés 3-1-4 :
0
1- est commutative. ( prendre t = )
2- est l’élément neutre pour :

Propriétés 3-1-5 :
2 3
X1 (f ) + X2 (f ):(linéarité)
(1) x1 (t) + x2 (t) $ 1
6 7
6 (2) x(at) $ X( f ):(similitude) 7
6 jaj a 7
6 (3) x(t t0 ) $ 7
6 X(f )e 2i f t0 :(retard) 7
6 7
6 (4) e 2i f0 t x(t) $ X(f f0 ): 7
6 7
6 dn x(t) 7
6 (5) $ (2i f )n X(f ):(dérivation) 7
6 dtn 7
6 dX(f ) 7
6 (6) ( 2i t) x(t): $ 7
6 df 7
6 7
6 (7) (t) $ 1 et 1 $ (t): 7
6 7
6 (8) x(t) y(t) $ X(f ):Y (f ):(Convolution) 7
6 7
6 (9) x(t):y(t) $ X(f ) Y (f ): 7
6 7
4 (10) Si x(t) $ X(f ) alors x(t) $ X( f ): 5
(11) Si x(t) $ X(f ) alors X(t) $ x( f ):

Démonstrations :
Similitude
Z : on prend a > 0 (la démonstration sera la même pour a < 0)
+1
2i f t
Dans x(at)e dt posons = at , donc d = adt on obtient :
1
Z +1 Z
2i f t 1 +1 2i ( fa )
x(at)e dt = x( )e d
1 a 1
1 f
= X( )
a a

Dérivation : une intégration par parties donne :

Z +1 Z +1
0 +1
x (t)e 2i f t dt = x(t)e 2i f t 1 ( 2i f ) x(t)e 2i f t
dt
1 1

Le 1ier membre de droite est nul ( x(:) 2 L1 (R) ).

18
Terminer avec la récurrence.

Convolution : utiliser le théorème de Fubini et la séparation des intégrales dans une intégrale
double.

Z +1 Z +1 Z +1
2i f t 2i f t
x(t) y(t):e dt = x( )y(t ):e dt
1 1 1
Z +1 Z +1
2i f 2i f (t )
= x( )e y(t ):e d dt
1 1
Z +1 Z +1
2i f 2i f t
= x( )e d y(t):e dt
1 1

La 6 une intégration par parties (et avec les précautions d’usage) dans
Z +1
0
X (f ):e2i f t df
1

La (11) prendre la transformée de Fourier inverse de Y (f ) = x( f ), puis le changement de

variables = f . On obtient :
Z +1
x( )e2i ( t) d = X( t)
1

Pour les autres procéder à un calcul direct.

Egalité de Parseval (12) :

Z +1 Z +1
2
jx(t)j dt = jX(f )j2 df:
1 1

Formule de Plancherel (13)

Z +1 Z +1
x(t)y(t)dt = X(f )Y (f )df:
1 1

Démonstration : Voir Annexe (TD)

19
3.2 Transformée de Laplace.
Z
C’est une transformation intégrale de la forme : (t; u)x(u)du, et qui trouve ses applications dans
I
la résolution des équations-di¤érentielles, et dans la théorie du signal (surtout pour les signaux
causaux ie x(t) = 0 pour t < 0).
Et pour un signal causal, c’est une généralisation de la transformée de Fourier.

Dé…nition 3-2-1 :
at
Soit g : R ! R: Le réel a0 = inf fa 2 R=t 7! g(t)e 2 L1 (R+ )g ; s’appelle l’abscisse
de sommabilité de g.

Théorème 3-2-2 :
Si g est d’abscisse de sommabilité a0 alors la fonction :
C ! C
Z +1
G: existe sur le demi-plan ouvert P0 : Re(p) > a0 :
p 7! G(p) = g(t)e pt dt
0

~ Re(p) désigne la partie réelle de p. Z +1

at bt
Démonstration : Posons p = a + ib, G(p) = g(t)e e dt:
0

Z +1
at
jG(p)j jg(t)j e dt
0
Z +1
a0 t
jg(t)j e dt est …ni
0

Donc G est bornée sur P0 :

Exemples 3-2-3 :
at
1. g(t) = "(t)e ; g 2 L1 (R+ ) si a > 0, donc a0 = 0:
2. g(t) = t, G est dé…nie pour Re(p) > 0:( idem pour g(t) = tn ).
t
3. g(t) = e ( 2 C), G est dé…nie pour Re(p) > Re( ):

Dé…nition 3-2-5 : Z +1
pt
Soit g : R ! R; la fonction G : dé…nie par : G(p) = g(t)e dt, sur le demi-plan
0
ouvert P0 : Re(p) > a0 où a0 est l’abscisse de sommabilité de g, s’appelle la transformée
de Laplace de g. On note :
L G(p)
g(t)!

Exemples 3-2-6 :

20
 1
1- g(t) = "(t), G(p) = ; Re(p) > 0:
p
n!
2- g(t) = tn , G(p) = n+1 ; Re(p) > 0:
p
1
3- g(t) = e t ( 2 C), G(p) = ; Re(p) > Re( ):
p
Remarque 3-2-7 :
On prend p = u + 2i f , et u > a0
Z +1
ut 2i f t
G(u + 2i f ) = g(t)e e dt
0
Z +1
ut 2i f t
= "(t)g(t)e e dt
1

ut
Posons h(t) = "(t)g(t)e , donc G(u + 2i f ) = H(f ):

3.2.1 Propriétés :
1. Linéarité : g1 (t) + g2 (t) !L G1 (p) + G2 (p), ; 2 C:
2. Retard : "(t t0 )g(t t0 )! L e pt0 G(p); t0 > 0
et e t g(t)!L G(p + ): :
3. g(t)!
L G(p):
1 p
4. Similitude : Pour L G( ):
> 0; g( t)!
dm G(p)
5. ( t)m g(t)!
L
dpm

Démonstrations :

N Le retard : d’abord
Z +1 Z +1
pt pt
"(t t0 )g(t t0 )e dt = g(t t0 )e dt
0 t0

Le changement de variables u = t t0 donne

Z +1 Z +1
pt p(u+t0 )
g(t t0 )e dt = g(u)e dt
t0 0
pt0
= e G(p)

Et
Z +1 Z +1
t pt (p+ )t
e g(t)e dt = g(t)e dt
0 0
= G(p + )

21
N
Z +1 Z +1
pt 1 ( p )t
g( t)e dt = g(u)e du
0 0
1 p
= G( ) ; ( u = t)

N Pour 5- . Faire une démonstration par récurrence.

Pour m = 1 dériver (par rapport à p ) sous le signe somme.

3.2.2 Exemples et exercices

tn 1 tn t 1
a- Véri…er que : L , (n 2 N) donc e L :
n! ! pn+1 n! ! (p )n+1
b- Véri…er que :
1
L 2
sin(t)!
p +1
p
L 2
cos(t)!
p +1
c- Montrer que :
1
(i) sin(t)e t !
L et
(p + 1)2 + 1
1
(ii) e !t sin(!t)!
L
(p + !)2 + ! 2
1
d- Déterminer l’originale de : G(p) =
p2 2p + 5

3.2.3 Dérivation
Théorème 3-2-9 :
Soit g une fonction continue sur ]0; +1[, et g(0+ ) existe. Si g 0 est continue par morceaux, et sa
transformée de Laplace existe (sur un domaine) alors :

g 0 (t)!
L g(0+ ) + pG(p):

Démonstration : Intégration par parties.

Remarque 3-2-10 : On peut généraliser ce résultat (sous conditions)

(n) (n 1)
L pn G(p)
g (t)! pn 1 g(0+ ) pn 2 g 0 (0+ )::::: g (0+ ):

22
3.2.4 Intégration
Théorème 3-2-11 : Z t
1
L G(p):
g( )d !
0 p
Z t
Démonstration : Posons h(t) = g( )d ; h0 (t) = g(t); et h(0+ ) = 0, on a g(t)!
L G(p)
0
Et g(t) = h0 (t) !
L pH(p), (car H(0) = 0), donc pH(p) = G(p): D’où le résultat.

3.2.5 Convolution
Théorème 3-2-12 :
0
Soient f , g deux fonctions causales d’abscisse de sommabilité respectifs a0 ; a0
Z +1
g(t) h(t) = g( )h(t )d ! L G(p)H(p):
1
00 00 0
sur le demi plan : Re(p) > a0 ; où a0 = max(a0 ; a0 ):
Démonstration : (indication)
pt p p(t )
g( )h(t )e = g( )e h(t )e :

Exercice 3-2-13 : Déterminer l’originale de :

1
p ! G(p) =
(p 1)(p 2)
D’abord
1 1
G(p) = +
p 1 p 2
1
Puis utiliser te t !
L :
p
On obtient :
g(t) = t e2t et

Théorème 3-2-14
Soit g d’abscisse de sommabilité a0 :
1. lim G(p) = 0 pour Re(p) > a0 :
jpj!+1

2. Si g 2 L1 (R+ ) et lim g(t) = l 2 R, alors

t!+1

lim pG(p) = l (th de la valeur …nale).

jpj!0+

3. Si g 2 L1 (R+ ) et g(0+ ) existe alors

lim pG(p) = g(0+ ):(th de la valeur initiale).
jpj!+1

23
3.2.6 Applications
1- Résolution d’équation-di¤érentielle
0
(E) y (t) + y(t) = "(t) "(t 1); et y(0+ ) = 0:
D’abord
p
1 1 1 e
L et "(t 1)!
"(t)! L e p donc "(t) "(t L
1)!
p p p
p
1 e 1 1 1
donc Y (p) = . De plus =
p(p + 1) p(p + 1) p p+1
1
et e t "(t)!
L :
p+1

00 0 3t
y (t) + 4y (t) + 3y(t) = e cos(t)
2- Résolution du système di¤érentielle : (S) 0
y(0) = y (0) =0
p p+3
L 2
cos(t) ! ; et e 3t cos(t) !
L
p +1 (p + 3)2 + 1
00 2 0 2 0
L p G(p) py(0) y (0) = p G(p): Et y (t) !
y (t) ! L pG(p) y(0) = pG(p):
Donc
p+3
Y (p) =
[(p + 3) + 1][p2 + 4p + 3]
2

1 1
= 2
= e 3t L 1 ( 2 )
[(p + 3) + 1][p + 1] (p + 1)(p 2)

1 1 p 2 1 1 p
Or = +
(p2
+ 1)(p 2) 5 p2 + 1 2
5p +1 5p 2
De plus :
p 1
cos(t)!L 2 , sin(t)!
L 2
p +1 p +1
1
et e2t !
L
p 2
D’où
3t
e
y(t) = [ cos(t) 2 sin(t) + e2t ]
5

3.2.7 Résolution d’un système d’équations di¤érentielles

Par la transformée de Laplace un système d’équations di¤érentielles (linéaire) devient un système
d’équations linéaires.
On résout ce dernier et on détermine les fonctions originales des solutions.
Application :
On se pose en suite le problème de déterminer l’original g(t) lorsque la transformée de Laplace
G(p) est connue.

24
Trajectoire d’une particule chargée dans un champs électromagnétique
On considére une particule de charge électrique q, de masse m placée dans un champs électroma-
! !
gnétique ( E , B )
! ! ! !
avec E = E0 k et B = B0 i ; E0 ; B0 sont des constantes.
On suppose qu’à l’instant t = 0 la particule est au repos au point O origine du repère.
!
! ! dM (t)
Soit M (t) sa position et v(t) = sa vitesse à l’instant t.
dt

!
d2 M (t) ! ! !
D’abord = q E + v(t) ^ B c’est à dire :
dt2
0 00 1 0 1 0 0 1 0 1
x 0 x 0
m @ y 00 A = q @ 0 A + q @ y 0 A ^ @ B0 A
z 00 E0 z0 0

On8 obtient ainsi le système di¤érentiel aux trois inconnues x(t); y(t) et z(t) :
< mx00 + qB0 z 0 = 0
(S) my 00 =0
: 00 0
mz qB0 x = qE0

La seconde équation où y(0) = y 0 (0) = 0 donne y(t) = 0.

mx00 + qB0 z 0 = 0
On résout donc le système di¤érentiel (S1 )
mz 00 qB0 x0 = qE0

Usons des formules de la transformée de Laplace on obtient :

(Compte tenu du fait que x(0+ ) = x0 (0+ ) = z(0+ ) = z 0 (0+ ) = 0 ) :

8
< mp2 X(p) + qB0 pZ(p) =0
(S2 ) 1
: mp2 Z(p) qB0 pX(p) = q E0
p

25
La résolution du système à 2 équations et 2 inconnues donne :

q 2 E0 B0 qE0
X(p) = et Z(p) =
q 2 B02 q 2 B02
m2 p2 p2 + mp p2 +
m2 m2
qB0 qE0
Posons : ! = et = donc :
m m
!
X(p) = et Z(p) =
p2 (p2 + !2) p (p2 + ! 2 )

Comme :
! 1 1 1 1
= 2 2 et =
p2 (p2 2
+! ) ! p p2 + !2 p (p2 + !2) ! p p2 + !2

De plus :
! p
L 2
sin(!t)! 2
et cos(!t)!
L 2
p +! p + !2
D’où :

x(t) = [!t sin(!t)]

!2
y(t) = 0
z(t) = [1 cos(!t)]
!2

26
3.3 3.3 Transformée de Laplace inverse :

On se pose maintenant le problème de déterminer l’original g lorsque la transformée de Laplace

G est connue.

3.3.1 3.3.1 Formule de Bromwich-Wagner

Soit G une fonction holomorphe donnée. Le théorème suivant donne des conditions su¢ santes sur
G pour que celle-ci soit la transformée de Laplace d’une fonction.

Théorème Soit G une fonction de la variable complexe telle que

F–G soit holomorphe dans le demi-plan ouvert <e(p) > x0 ,
F– lim jG(z)j = 0, pour <e(p) > x0 ,
jzj!+1
F–Pour tout x > x0 , la fonction y 2 R 7 ! G(x + iy) est sommable sur R:

Soit B une droite parallèle à l’axe imaginaire d’abcisse x > x0 . Cette droite est appelée droite de
Bromwich.

L’originale de la fonction G est donnée par l’intégrale :

Z
1
G(p)e+pt dp:
2i B
Cette formule s’appelle la formule de Bromwich-Wagner.

27
Chapitre 4

Représentation des signaux :

4.1 Généralités :

4.1.1 Historique
Entre 1830 et 1840 le Morse a été inventé par Cook et Wheatstone , et de 1895-1896 Popov et
Marconi ont mis en prtique la première liaison radio. En 1876 Bell a inventé le téléphone. Le début
du 20eme siècle était la genèse de l’électronique qui avait permis la détection des faibles signaux
par (Fleming et Lee de Forest) entre 1904 et 1907.
Les premiers travaux en théorie du signal dataient de 1930 avec (Wiener et Khintchine), l’invention
du transistor en 1948 suivit 10 ans plus tard par la mise au point de la technologie des circuits
intégrés.
Dans l’évolution des idées sur les problèmes de transmission de l’information, un rôle fondamental
a été joué par les œuvres de Norbert Wiener et de Claude Shannon, .
Actuellement. C’est une discipline en plein essor.

4.1.2 Dé…nitions
Dé…nitions 4-1-1 :
Signal : Phénomène vecteur de l’information. Exemples signaux éléctriques, sonores....

Bruit : Tout phénomène qui pérturbe ou gène l’interprétation d’un signal.

C’est une dé…nition subjective : ce qui est signal pour les uns peut être un bruit pour d’autres.

Théorie du Signal : Discipline mathématique qui fourni le bagage nécessaire pour l’interprétation
d’un signal.

Traitement du Signal : Discipline technique qui s’appuyant sur la théorie du signal et les moyens
éléctroniques fabrique le matériel nécessaire pour l’interprétation et la transmission d’un signal.

28
Schéma d’une communication.

4.1.3 Quelques signaux

1-Signal Saut-unité. "(:)

2-Signal Signe. sng(:)

29
3-Signal Rampe. r(:)

4-Rect ; Tri

5-Peigne de Dirac.

30
4.2 Classi…cation des signaux

4.2.1 Classi…cation des signaux

signaux déterministes :
Un signal est déterministe si son évolution en fonction du temps peut être prédite avec exactitude.
Comme exemple prendre l’intensité du courant éléctrique dans un circuit R-C.

signaux aléatoires Tout signal non déterministe est un signal aléatoire.

Exemple :
Le nombre de piétons qui traversent un passage clouté donné (…xé). On trouvera toujours quelques
uns qui traverseront, alors que le feu est vert !

Représentation des signaux :

(i) Représentation temporelle :

La représentation temporelle d’un signal est sa modélisation par une fonction du temps.

Exemple :
L’intensité du courant éléctrique dans un circuit R-C ;

i(t) = I cos(!t + '):

Dans ce cadre on distingue les signaux de durée …nie ; d’énergie et puissance …nies ......
On dit d’un signal x(:) qu’il est de durée …nie si x(t) = 0 en dehors d’un intervalle de temps …ni.

Exemple : x(t) = rect(t).

L’énergie d’un signal x(:) est Z +1
Wx = jx(t)j2 dt
1

Sa puissance totale est :

Z + T2
1
Px = lim jx(t)j2 dt
T !+1 T T
2

Si Wx (resp Px ) est …nie on dit que le signal est d’énergie …nie (resp de puissance …nie).
Remarque :
En général un signal aléatoire ou stochastique est modélisé par une variable ou processus aléatoire.

(ii) Représentation fréquentielle :

C’est la représentation du signal par ses spectres des amplitudes et des phases.
Un signal est à bande limitée si X(f ) = 0 en dehors d’un intervalle de fréquences …ni.

31
(iii) Egalité de Parseval Z Z
+1 +1
2
jx(t)j dt = jX(f )j2 dt:
1 1

4.2.2 Filtrage linéaire

Dé…nition 4-1-2 :
Un …ltre est un dispositif qui à une entrée x(t) fait correspondre une sortie y(t) tel que y = '(x).

F Le …ltre est linéaire si ' l’est.

F Le …ltre est continu si lim '(xn ) = '(lim xn ):

F Le …ltre est permanent si y(t) = '(x(t)) alors y(t + t0 ) = '(x(t + t0 )):

4.2.3 Réponse impulsionnelle

Propriétés 4-1-3 :

(i) Un …ltre linéaire est caractérisé par sa réponse impulsionnelle h(t) qui est la sortie qui
correspond à l’entrée (t):

(ii) y(t) = h(t) x(t) ( produit de convolution).

DoncY (f ) = H(f )X(f ) (H(f ) est la Fonction deTransfert du …ltre)

32
On note i(t) l’intensité du courant qui traverse le circuit à l’instant t .
La loi d’Ohm permet d’écrire :

Vb Vd = Ri(t) = Vb Va (Vd Va )
= e(t) (Vd Vc ) = e(t) s(t)

Donc :
e(t) s(t) 1
i(t) = mais Vd Vc = s(t) = q(t)
R C
De plus :
dq ds ds e(t) s(t)
i(t) = =C donc : C =
dt dt dt R
D’où :
ds
e(t) = s(t) + RC
dt
Par la transformée de Fourier on déduit que :

E(f ) = [1 + (2i f )RC] S(f )

Posons :
1
H(f ) = donc : S(f ) = H(f )E(f )
1 + (2i f )RC
Le ciruit est un …ltre linéaire de fonction de transfert H(f ).
D’après l’exemple 1 (transformée de Fourier) on déduit que :

at 1
h(t) = ae "(t); où a = :
RC

4.2.4 Causalité et stabilité d’un …ltre

1- Un …ltre linéaire est causal si h(t) = 0 pour t < 0:

2- Il est stable si à toute entrée bornée correspond une sortie bornée.

33
Un …ltre linéaire est stable si et seulement si
Z +1
jh(t)j dt est …ni.
1

3- Un …ltre à la fois causal et stable est physiquement réalisable.(exemple circuit R-C )

34
Chapitre 5

Notions de distribution :

5.1 L’espace des fonctions tests :

Les distributions permettent de généraliser la notion de dérivée pour des entités qui ne sont pas
des fonctions au sens classique du terme, et donc de résoudre certains problèmes physiques. Il
existe di¤érents types de distributions correspondant aux di¤érents espaces de fonctions test.
Soit un ouvert de R. On note D( ) l’espace des fonctions de classe C 1 à support compact dans
:

Exemple 5-1-1 : rect , et tri:

Le théorème suivant permet d’en construire bien d’autres :

Théorème 5-1-2 :
Si ' 2 D( ) et si g est une fonction sommable à support borné, alors :
Z +1
(t) = g( )'(t )d
1

est une fonction de D( ).

Dé…nition 5-1-3 :
Une distribution sur un ouvert de R est une forme linéaire continue sur l’espace D( ). Les
0
distributions forment un espace vectoriel noté D ( ).

Une distribution T est donc une application de D( ) dans C faisant correspondre à une fonction
test ' un nombre complexe noté hT; 'i.
C’est la valeur prise par la distribution sur la fonction '.

Les propriétés de linéarité et de continuité se traduisent respectivement par :

hT; '1 + '2 i = hT; '1 i + hT; '2 i

Si ('n ) converge vers ' dans D( ) alors hT; 'n i converge vers hT; 'i

Exemple1 (Masse de Dirac) : A tout point t0 , on associe la forme linéaire dé…nie par :

h t0 ; 'i = '(t0 ); pour toute fonction ' :

35
 1 1
Exemple2 (Valeur principale de ) vp( ) dé…nie par :
t t
Z
1 '(t)
vp( ); ' = lim+ dt
t !0 t
jtj>
Z+1
'(t) '( t)
= dt
t
0

On distingue deux sortes de distributions, celles qui sont régulières et les singulières

5.1.1 Distributions régulières

Dé…nition 5-1-4 :
A toute fonction localement intégrable g : R ! C on associe la distribution Tg dé…nie par :
Z +1
hTg ; 'i = g(t)'(t)dt:
1

Tg est dite régulière.

Remarque 5-1-5 :

Deux fonctions localement sommables dé…nissent la même distribution si et seulement si elles

sont égales presque partout.

Dé…nition 5-1-6 :

Soit "(:) le signal saut-unité ou de Heaviside

1- La distribution H = T" de Heaviside est dé…nie par :

Z +1
hH; 'i = "(t)'(t)dt
1
Z +1
= '(t)dt:
0

2- Les distributions qui ne s’écrivent pas sous la forme Tg pour g localement sommable sont dites
singulières.

5.1.2 Exemples :

1- Distribution de Dirac , ou la masse de Dirac en a : a .

1
2- vp( ).
t 0
L1 ( ) ! D ( )
3- L’application : j : loc est injective, on identi…e L1loc ( ) à son image.
g 7 ! Tg

36
5.2 Dérivation des distributions

Si g localement sommable dérivable ) g 0 est localement sommable

(Intégration par parties ) :
Z +1
Tg0 ; ' = g 0 (t)'(t)dt
1
Z +1
= g(t)'0 (t)dt
1
= hTg ; '0 i :

Dé…nition 5-2-1 :
0
La dérivée T d’une distribution T de D0 est la distribution dé…nie par :
D 0 E
T ; ' = hT; '0 i :

De même les dérivées successives T (m) par :

D (m)
E
T (m) ; ' = ( 1)m T; ' :

Exemple 5-2-2
D E Z +1
0 0
H ;' = hH; ' i = "(t)'0 (t)dt
1
Z +1
= '0 (t)dt = '(0)
0
= h ; 'i :
0
Donc H = .

Dé…nition 5-2-3 :
Soient indé…niment dérivable et T une distribution. Le produit T est la distribution dé…nie
par :
hT ; 'i = hT; 'i :
Pour les distributions régulières :
Z +1
hT g ; 'i = (t)g(t)'(t)dt
1
Z +1
= g(t)( (t)'(t))dt
1
= hTg ; 'i :

A partir de là on dé…nit le produit d’une distribution T quelconque par une distribution régulière
Tg , de la façon suivante : Pour tout ' 2D

hT T; 'i = hT; 'i :

37
Propriété 5-2-4 :
T distribution quelconque, indé…niment dérivable :
0 0 0
(T ) = T +T

Théorème et Dé…nition 5-2-5 :

0
Soit (Tn )n une suite de distributions. On dit que (Tn )n converge dans D si, pour tout ' 2D,
la suite hTn ; 'i converge au sens ordinaire. Si l’on appelle hT; 'i = lim hTn ; 'i cette limite, alors
n
l’application ' 7! hT; 'i est une distribution.

5.2.1 Exemple de convergence :

Soit gk (t) = krect(kt) et Tk la distribution associée à gk : lim Tk = :
k
X
n
Soit (Tk )k une suite de distributions, si les sommes partielles Un = Tk converge vers U , on
k=1
parle alors de la série
X
+1
Tk = U:
k=1

5.2.2 Peigne de Dirac

X
n X
+1
La suite k converge vers la distribution k appelé peigne de Dirac ; notée Cha .
k= n k= 1
Théorème 5-2-6
0
Soit (Tn )n une suite de distributions. Si (Tn )n converge dans D vers une distribution T , alors, pour
(m) 0
tout m 2 N, la suite de distributions (Tn )n converge dans D vers T (m) .

5.2.3 Produit tensoriel

Dé…nition 5-2-7 :
Soient f et g deux fonctions. On appelle produit tensoriel (ou produit direct) de f par g la fonction
h : R2 ! R dé…nie par : h(x; y) = f (x)g(y)pour tout (x; y) 2 R2 . On note alors h = f g .

Exemple 5-2-8 : Déterminer rect(:) "(:):

Proposition et dé…nition 5-2-9 :

0 0
Etant données deux distributions S 2 D (R) et T 2 D (R), il existe une unique distribution
0
WS;T 2 D (R) telle que pour tout u 2 D(R) et v 2 D(R) on ait :

hWS;T ; u vi = hS; ui hT; vi

WS;T est noté S T et appelé le produit tensoriel de S par T . Donc :

hS T; u vi = hS; ui hT; vi :

38
Remarque 5-2-10 :
Pour les distributions régulières on a : pour f ; g deux fonctions localement sommables, h =
f g 2D(R2 ).
Si ' est indé…niment dérivable, à support borné sur R2 alors :
ZZ
hTf Tg ; 'i = f (x)g(y)'(x; y)dxdy
R2
Z +1 Z +1
= f (x)( g(y)'(x; y)dy)dx
1 1
= hTf (x); hTg (y); '(x; y)ii
On doit véri…er que la fonction : x 7 ! hTg (y); '(x; y)i 2D et que la fonctionnelle ainsi dé…nie est
linéaire et continue.
Exemple 5-2-11 :
Produit tensoriel des distributions et H
h H; 'i = h (x); hH(y); '(x; y)ii
Z +1
= (x); '(x; y)dy
0
Z +1
= '(0; y)dy:
0

Propriété 5-2-12 :
Le produit tensoriel de deux distributions est :
commutatif, associatif, continu (ie si (Tk )k ! T alors Tk S!T S)

5.2.4 Produit de convolution.

Le produit de convolution de deux distributions n’existe pas toujours.
Dé…nitions 5-2-13 :
1- On dé…nit le produit de convolution de deux distributions S, T 2D’( ) par : Pour tout ' 2D(R)
hS T; 'i = hS T; hi où h(x; y) = '(x + y):

2- Pour f ; g deux fonctions localement sommables, et ' 2D :

Z +1
hTf g ; 'i = (f g)(t)'(t)dt
1
Z +1 Z +1
= '(t)( f (t s)g(s)ds)dt
Z Z1 1

= f (x)g(y)'(x + y)dxdy:
R2

39
Propriétés 5-2-14 :
Soit T une distribution.
1. T =T = T:
2. Ta = a T = T a
3. Pour tout m 2 N, T (m) = (m) T = T (m)
.
4. est associative et commutative.( dans les cas où les convolutions existent)

Contre exemple 5-2-15

0 0
T1 = 0 donc (T1 ) W = 0.
0 0
Or on a W = donc T1 ( ? W ) = T1 :
0 0
Donc (T1 ) W 6= T1 ( W ), car T1 W n’est pas dé…nie.

5.2.5 Dérivée d’un produit de convolution

Proposition 5-2-16 :
0
Pour tout S et T dans D ; on a :
0 0 0
(S T) = S T =S T :
Démonstration :
0 0
(S T) = (S T )
0 0 0
= S T =( S) T = S T:
Et
0 0
(S T) = (S T )
0 0
= S (T )=S T :

5.3 Transformée de Fourier d’une distribution

Le but est d’arriver à

hF(T ); 'i = hT; F(')i où F(') = :
est la transformée de Fourier ( déja étudiée) de ': ie ' $ :
Pour cela on doit avoir F(') 2 D; ce qui n’est pas le cas car F(') n’est pas à support borné.
On introduit alors un espace fonctionnel S qui véri…e ' 2 S si et seulement si F(') 2 S.
Dé…nition 5-3-1 :
S est l’ensemble des éléments de C 1 (R) qui véri…e : pour tout p, q de N : sup tp '(q) (t) est …ni.
R
S s’appelle l’espace des fonctions à décroissance rapide.
Exemple 5-3-2 :
t2
La fonction : t 7! t3 e appartient à S (mais pas à support borné).
Proposition 5-3-3 :
On a les propriétés suivantes :

40
 1. Si ' 2 S alors '0 l’est aussi.
2. Si ' 2 S alors t 7! tp '(q) (t) est sommable.
3. Si ' 2 S alors F(') existe et est dans S.

5.3.1 Mode de convergence

Soient ('n )n et ' dans S
Dé…nition 5-3-4 :

On dit que ('n )n converge vers ' dans S si et seulement si pour tout p, q de N , la suite de
(q)
fonction (tp 'n (t))n converge uniformément vers la fonction : t !
7 tp '(q) (t):

Proposition 5-3-5 : D est dense dans S.

Dé…nition 5-3-6 :
0
Le dual S de S s’appelle l’ensemble des distributions tempérées.

5.3.2 Transformée de Fourier d’une distribution tempérée

On a la dé…nition suivante
0
Dé…nition 5-3-6 : Soit T 2 S

hF(T ); 'i = hT; F(')i Pour tout ' 2 S:

Proposition 5-3-7 :
0
Si T 2 S alors F(T ) aussi.

Exemple 5-3-8 :
0
On véri…e que : 2 S .
Soit ' 2 S,

hF( ); 'i = h ; F(')i

Z +1
= ; e 2i f t '(t)dt
1
Z +1
= '(t)dt = h1; 'i :
1

Donc F( ) = 1:
2i f a
De même F( a ) = e :

Proposition 5-3-9 :
0 0
La transformée de Fourier F est une bijection de S ! S ; de plus :
1 1
F F(T ) = FF (T ) = T:

41
Chapitre 6

Signaux à temps discret

6.1 Généralités

Il y a deux sortes de signaux discrets : ceux qui le sont de nature, et les signaux discretisés
(échantillonnés)

6.1.1 La transformée en z
Pour une suite au lieu de la notation uk on utilisera u(k). La raison est que pour un signal
échantillonné u(k) est en fait u(kTe ) où Te est le pas de discretisation.

Dé…nition 6-1 :
La transformée en z de u(k) est :

X
+1
k
U (z) = u(k)z ,z2C
k=-1

Proposition 6-2 :

S’il existe A; B, ; réels positifs tels que :

k
u(k) = fA
B k
si k k1 0
si 0 k2 k

Alors U (z) existe sur la couronne :

1 1
< r = jzj <

Exemples 6-3
k 1
1-u(k) = fa0 si k 0
si k <0 U (z) = 1
si 0 < a < jzj :
1 az

si k 0 1
2-u(k) = f0 ak si k <0 U (z) = 1
si 0 < jzj < a .
1 az
3-u(k) = ak pour tout k: U (z) n’existe pas.

42
 k 1 1
4-u(k) = fabk si k 0
si k <0 U (z) = 1 1
si a < jzj < b:
1 az 1 bz
propriétés 6-4 :
1. Linéarité : u(k) + v(k) ! U (z) + V (z).
2. Translation : u(k + 1) ! zU (z) et u(k + m) ! z m U (z):
dU (z)
3. Multiplication par k : ku(k) ! z :
dz
4. ak u(k) ! U ( az ) si a 6= 0:
k0
5. u(k k0 ) !z U (z) et u(k) v(k) ! U (z)V (z):

Remarque 6-5 :

a- Par analogie avec le cas continu, la transformée de Fourier de u(n) est U (e2i f ):

b- La fonction de transfert d’un Système Linéaire Indépendant (SLI) de Réponse Impulsionnelle :

h(n) est H(e2i f ):

43
Chapitre 7

Annexe : fonction d’intercorrélation

7.1 Fonction d’intercorrélation, d’auto-corrélation

7.2 Formule de Plancherel de Parseval

7.3 la densité spectrale d’énergie

C’est une série de travaux dirigés, où des notions sont incorporées.

En fait c’est un complément du cours, incontournable en théorie et traitement du signal.

Ecole Royale Navale T-D2+(Sol) 1iere A ERN

Casablanca Math Ingénieur intemporelle

Dé…nition 1.

Soient x(t), y(t) deux signaux d’énergie …nie. Z +1

(i) - La fonction d’intercorrélation est : 'xy ( ) = x(t):y (t + ) dt .
1

(ii) - Pour x = y on obtient la fonction d’autocorrélation : 'xx ( ) = 'x ( ):

1- Montrer que :

(a) 'xy ( ) = x( ) y( ) .

(Sol) Posons h(t) = x( );

Z +1
h( ) y ( ) = h(t):y ( t) dt
1
Z +1
= x( t):y ( t) dt
1

44
 0
Changement de variable t = t; donne
Z +1
0 0
h( ) y ( ) = x(t0 ):y +t dt
1
= 'xy ( ):

(b) 'xy ( ) = 'yx ( ):

Z +1
0
(Sol) 'yx ( )= y(t):y (t ) dt; t = t donne :
1
Z +1
0 0
'yx ( ) = x(t0 ):y +t dt
1

= 'xy ( ):

2- En déduire que si x; y sont réels alors :

'yx ( ) = 'xy ( ) et 'x ( ) = 'x ( ):

(Sol) Si x; y sont réels alors : 'xy ( ) et 'yx ( ) sont réelles. ('xy ( ) = 'xy ( ))

3- On note : 'xy ( ) ! xy (f ) et 'x ( ) ! x (f ).

a- Montrer que : xy (f ) = X(f ):Y (f ).

(Sol) Les propriétés de la TF donnent : x( ) ! X(f ); on obtient le résultat donc

d’après 1- (a).
Z +1
b- En déduire que : (i) 'xy (0) = X(f ):Y (f ) df (Formule de Plancherel):
1

(Sol) TF inverse :
Z +1
'xy ( ) = xy (f )e2i f
df
1
Z +1
= X(f ):Y (f ) e2i f
df;
1

d’où
Z +1
'xy (0) = X(f ):Y (f ) df
1
Z +1
= x(t):y (t) dt. ( )
1

45
 (ii) x (f ) = jX(f )j2 (Formule de Parseval).

(Sol) Se déduit de 3-a

Z +1
(iii) Wx = x (f )df .
1

(Sol) Par dé…nitions :

Z +1
Wx = x(t):x (t) dt
1
= 'xx (0)
Z +1
= X(f ):X (f ) df
1
Z +1
= x (f )df .
1

Dé…nition 2 : x (f ) s’appelle la densité spectrale d’énergie.

C’est la répartition de l’énergie sur l’axe des fréquences.

4- Applications :
at
4-1 Déterminer 'x ( ) puis x (f ) pour x(t) = e "(t) , a > 0:

(Sol) D’abord x(t) est réel donc 'x (:) est paire, on prend donc 0:

Z +1
'x ( ) = x(t):x (t + ) dt
1
Z +1
at a(t+ )
= e e dt
0
e a
= .
2a
Par parité
aj j
e
'x ( ) = pour 2R
2a
1
x (f ) = jX(f )j2 , or X(f ) = (cours) donc
a + 2i f

x (f ) = jX(f )j2
1
= 2
a + 4 2f 2

Z +1
4-2 Calculer I = sin c3 (f )df .
1

46
(Sol) sin c3 (f ) = sin c(f ) sin c2 (f ); de plus :

rect( ) ! sin c(f ); et tri( ) ! sin2 c(f )

Donc d’après ( ) Z +1
3
I= rect( )tri( )d =
1 4
Avec un schéma, on calcule des aires de carrés et triangles.

47