Mathématiques du Signal

Déterministe

Dr. ZAHIRI E.-P.

E-Mail: [email protected]
Tel: 06 73 39 63

Université Félix Houphouët-Boigny

1
Chapitre 1: Intégration

2
 Introduction

• Rappels de notions de fonctions indicatrices

On appelle fonction indicatrice d’un ensemble A, la
fonction définie par :
1 si x  A
1 (x)  
 0 sin on
A

• Mesure des ensembles ; intégration des fonctions

Les présentations de la théorie de l’intégration sont
variées. L’accent peut être mis sur le point de vue
ensembliste ou le point de vue fonctionnel.
3
 Introduction

• on passe des fonctions aux ensembles par la formule :

mes( A )   1 ( x )dx
A

où 1 est la fonction caractéristique ou indicatrice de la

A

partie , qui vaut 1 sur et 0 ailleurs.

• On peut cependant passer du point de vue ensembliste au

point de vue fonctionnel. Ainsi, pour f  0 on peut poser

 f ( x )dx  mes( S ) f

S est le « sous-graphe » de f , ensemble des couples

0  y  f(x)
f
( x, y ) tels que

4
1.1. Méthodes d’intégration

5
1.1. Méthodes d’intégration

6
 1.2. Intégrales généralisées

• Il s’agit dans cette section d’examiner des intégrales

dont l’intervalle d’intégration est non borné (   , b ,
a , ,  , , a , b , a , b ).

 On va essayer de préciser des règles pour savoir a

priori, sans calculer de primitive, la nature convergente
ou non des intégrales.

7
1.2. Intégrales généralisées

+

8
 1.2. Intégrales généralisées

Remarque

9
 1.2. Intégrales généralisées

Remarque

10
1.2. Intégrales généralisées

11
 1.2. Intégrales généralisées

Remarque:
La propriété de linéarité, la relation d’ordre, l’intégration par parties et le
Changement de variable restent applicables à l’intégrale généralisée

12
1.2. Intégrales généralisées

13
1.3. Intégrales double ou triple

14
1.3. Intégrales double ou triple

15
Chapitre 2: Les espaces L ( I ) et L ( I )
1 2

2.1. Espace L1(I) des fonctions sommables sur I

2.2. Espace L2(I) des fonctions de carré sommable sur I

2.3. Relation entre L1(I) et L2(I)

2.4. Convergence d’une suite de fonctions

2.5. Espace de Hilbert et Approximation de fonctions

16
2.1. Espace L1(I) des fonctions sommables sur I

L’ensemble des fonctions sommables forme un sous espace vectoriel

17
2.1. Espace L1(I) des fonctions sommables sur I

18
2.1. Espace L1(I) des fonctions sommables sur I

19
2.2. Espace L2(I) des fonctions de carré sommable sur I

20
 2.2. Espace L2(I) des fonctions de carré sommable sur I
Remarques

21
2.3. Relation entre L1(I) et L2(I)

22
2.4. Convergence d’une suite de fonctions

Convergence ponctuelle ou simple

23
2.4. Convergence d’une suite de fonctions

Remarques

24
 2.4. Convergence d’une suite de fonctions

Convergence uniforme sur un intervalle

25
2.4. Convergence d’une suite de fonctions

Il est souvent difficile d’étudier sup f n ( t )  f ( t ) lorsque t ϵ [0; T]; il est

suffisant d’étudier des expressions qui minorent et majorent cette
quantité:
S’il existe une suite (εn) indépendante de t telle que
f n ( t )  f ( t )   n et telle que lim  n  0 , alors (fn) converge
n  
uniformément vers f(t) sur [0; T]
26
2.4. Convergence d’une suite de fonctions

Convergence presque partout sur un intervalle

27
2.4. Convergence d’une suite de fonctions

Convergence en moyenne ou dans L1(a, b)

28
2.4. Convergence d’une suite de fonctions

Convergence en moyenne quadratique ou dans L2(a, b)

29
2.4. Convergence d’une suite de fonctions

Comparaison des différentes notions de convergence

30
2.5. Espace de Hilbert – Approximation de fonctions

Rappels
Espaces vectoriels

 Soit K un corps commutatif d’élément unité noté 1

 E est un espace vectoriel sur K si E est muni:
 d’une loi de composition interne ‘+’ (alors E: groupe abélien)
 d’une loi externe (ExK → E) notée par ‘.’ qui vérifie les axiomes:
 a. (x+y) = a.x + a.y
(a+b).x = a.x + b.x
a.(b.x) = ab.x
1.x=x
 Si K = R, on a un E.V. Euclidien
 Si K = C, on a un E.V. Hermitien
31
2.5. Espace de Hilbert – Approximation de fonctions

Bases des espaces vectoriels

 Une base B de E est une partie génératrice minimale de E
 Si B = (e1, e2 ,…, ei , …, en) est une base de E, alors E est un
E.V. de dimension finie (n)
Tout élément de E s’écrit de façon unique comme combinaison
linéaire des éléments de la base B
x = x1e1 + x2e2 + .. + xiei + .. + xnen
on parle de composantes ou coordonnées xi de x, éléments de E

Sous espaces vectoriels

 Si on munit F (partie de E, Espace vectoriel) des opérations d’espace
vectoriel définies dans E, alors F est appelé sous espace vectoriel de E
 Si E de dimension finie, dim F  dim E
32
2.5. Espace de Hilbert – Approximation de fonctions

• Exemple

– L’ensemble M2 (R) des matrices carrées d’ordre 2 à termes réels est un

espace vectoriel sur R de dimension 4:

a c  1 0  0 0 0 1  0 0
   a   b   c   d 
b d   0 0 1 0  0 0 0 1

 a 0
– L’ensemble des matrices diagonales de la forme  
 0 b
constitue un sous-espace vectoriel de dimension 2 dans M2 (R).

33
2.5. Espace de Hilbert – Approximation de fonctions

• Autre exemple:

 L’ensemble F des fonctions continues définies sur R, munis de

l’addition des fonctions et de la multiplication par un réel, est un
espace vectoriel de dimension infinie.

 On peut remarquer que F contient le sous-espace des

polynômes de degré quelconque dont une base est
B=(e0, e1, e2 ,…, ei , …, en) où en désigne le monôme défini par
en = xn, n ϵ N

34
2.5. Espace de Hilbert – Approximation de fonctions

Espace de Hilbert

• Produit scalaire (définition)

Soit un espace vectoriel E dans C (ou R). Un produit scalaire sur E est une
application notée . , . de ExE à valeurs dans C (ou R) telle que
 (x, y, z) ϵ E3 et   ϵ C:
x, x  0 et x, x  0  x  0
x, y  y , x où x désigne le conjugué

x  z , y  x, y  z , y et x , y   x , y

Le produit . , . est appelé le produit hermitien dans C et le produit scalaire

dans R

35
2.5. Espace de Hilbert – Approximation de fonctions

Espace de Hilbert
• Espaces préhilbertiens (espace métrique)

Définition: On appelle espace préhilbertien, un espace vectoriel H muni d’un

produit scalaire. On pose la norme d’un élément x de H :

x  x, x
1
2

Lemme 1: H est un espace préhilbertien, alors on a:

( x , y )  H , x , y  x y2
(inégalité de Schwartz)

Lemme 2: Un espace préhilbertien est un espace vectoriel normé avec

x  x, x
1
qui vérifie la relation l’inégalité triangulaire
2

x  y  x  y
36
2.5. Espace de Hilbert – Approximation de fonctions

Espace de Hilbert
• Espace de Hilbert (Définition)
x  x, x
1
2

Un espace préhilbertien muni de la norme et complet est

appelé espace de Hilbert H.

 Toute suite de Cauchy xn de H converge vers un élément de H:

x  H / lim x  x  0
n 
n

 La norme permet de définir une distance d entre x et y:

d( x, y )  x  y  x  y , x  y
1
2

37
2.5. Espace de Hilbert – Approximation de fonctions

Espace de Hilbert
Espace de Hilbert (Exemple)
L’espace L2C () est un espace de Hilbert:
C’est l’espace des fonctions f: R→ C qui sont de « carré intégrable »
(en théorie du signal, on parle de signal à énergie finie)

 f(t) dt  
2

Remarque:

 Le produit hermitien sur L ( )

2

C
est défini par: f, g L2C (  )
  f(t)g(t)dt


 Pour L ( ), on a le produit scalaire:

2


f, g L2 (  )
  f(t)g(t)dt


38
2.5. Espace de Hilbert – Approximation de fonctions

Orthogonalité dans un espace de Hilbert – Théorème de projection

• Définition 1
Soit H un espace de Hilbert, les éléments x et y de H sont dits orthogonaux si

x, y  0

• Définition 2
Soit S un sous espace de Hilbert de H; on note S le complément orthogonal
de S

S = y ϵ H tel que  x ϵ S, x, y  0 

• Lemme (Relation de Pythagore)

Soit H un espace de Hilbert, si les éléments x et y de H sont orthogonaux alors:
x y  x  y
2 2 2

39
2.5. Espace de Hilbert – Approximation de fonctions

Orthogonalité dans un espace de Hilbert – Théorème de projection

• Plus généralement, soit une famille d’éléments de H (  ,  ,..,  ) 1 2 n

qui sont 2 à 2 orthogonaux, on a:

c  c 
n 2 n 2 2


k 1 k k

k 1 k k

• Théorème de projection

Soit S un sous espace de Hilbert de H; on note S le complément orthogonal

de S:
Si x = y + z ϵ H,  un seul et unique élément y ϵ S tel que z ϵ S et on a:
H = S  S
De plus, y  x  z  min u  x u S

On peut voir y comme une approximation de x exprimée dans S

40
2.5. Espace de Hilbert – Approximation de fonctions

Orthogonalité dans un espace de Hilbert – Théorème de projection

Principe de la projection orthogonale

D’après le Théorème de la projection orthogonale:

Pour chaque x de H, il existe une unique décomposition telle que

x = y + z avec y ϵ S et z ϵ S

 y= PS(x) est l’élément unique de S le plus proche de x

 PS(x): opérateur orthogonal de projection

xϵH
 P ( x )  x , d’après l’inégalité de Bessel
S

 y  x , u  z , u  0 u  S S
y = PS(x)

uϵS

41
2.5. Espace de Hilbert – Approximation de fonctions

Base orthonormale d’un espace de Hilbert

Base orthonormale dans l’espace hilbertien

• L’ensemble B    n n0
de H est un système orthonormal de H s’il satisfait

les conditions:

  ,n m
 0 n  m

 ,    1 n  0
1
2

n n n

• Soit H un espace de Hilbert et B    n n0

un système orthonormal.

B est appelé base orthonormale (ou base de Hilbert) si

x  H , c ( x ) / x   c ( x )


n n0 n n
n0

42
2.5. Espace de Hilbert – Approximation de fonctions

Base orthonormale d’un espace de Hilbert

Base orthonormale dans l’espace hilbertien

• Soit H un espace de Hilbert et B    n n0
une base de Hilbert. B vérifie
une de ces propriétés équivalentes:

 x  H , x   x ,   n n
n 0

 

Or, x   c ( x )   x ,    c ( x )  x , 
n 0
n n
n 0
n n n n

 L’égalité de Parseval est vérifiée pour tous les éléments x de H:

 2  2

x  H , x   x,   c
2

n n
n 0 n 0

43
2.5. Espace de Hilbert – Approximation de fonctions

Approximation de fonctions

• Quelles utilisations?
Soit x représenté dans une base B d’un Hilbert H:

 C’est la représentation la plus compacte dans H

 Les calculs numériques sur la fonction x, deviennent possibles grâce au

produit scalaire et la norme

 On peut approximer une fonction arbitraire x par la combinaison linéaire

d’un nombre fini de fonctions:
 Pour le calcul approché de solutions d’équations différentielles

 Pour limiter le calcul à un nombre fini et connu de points

 Pour simplifier la représentation d’un signal afin de mieux l’analyser et

l’interpréter

44
2.5. Espace de Hilbert – Approximation de fonctions

Approximation de fonctions

• Comment approximer une fonction?

 Soit une fonction f(t) de l’espace de Hilbert H à approximer dans [a,b]

 Soit une base orthonormale de H dans [a,b]: B   

n n0

 ,    ( t ) ( t )  
b

LC (  a ,b  )
2 ik
i k a i k

f  H , f ( t )   c  ( t ) avec c  f ,  n n n n
n 0

 On souhaite faire une approximation au sens des moindres carrés (au sens
de la distance quadratique):
N 1 2

f (t )  f (t )  f (t )   c
2
 Distance à minimiser: N n n
n0

45
2.5. Espace de Hilbert – Approximation de fonctions

Approximation de fonctions

• Comment approximer une fonction?

N 1

 f (t ) 
N  c  ( t ) est la projection PS de f(t) sur le S.E.V de dim N
n 0
n n

N 1 2 N 1 N 1

f  c   f  c  2 c f , 
2 2

n n n n n
n 0 n 0 n 0

or , c  f , 

n n

N 1 2 N 1 2

f  f  f   c  f c  f  f  0
2 2 2 2

N n n n N
n 0 n0

 Rappel: d’après l’inégalité de Bessel sur l’opérateur de projection:

N 1 2 N 1 2

P ( f )  f d' où  f   c (t )  c  f
2 2 2

S
P( f )
S N n n n
n 0 n 0

 Les nombres cn(f) sont appelés les composantes de f relative à B    n n0

46
2.5. Espace de Hilbert – Approximation de fonctions

Approximation de fonctions

• Comment approximer une fonction?

N 1 2 N 1 2
 Le terme à minimiser f   c  f c
2

n n n
n 0 n 0

 Question: peut-on avoir pour un certain rang N la convergence de l’erreur

N 1 2

f (t )  f (t )  f (t )   c (t )  0
2
quadratique N n n
?
n 0

 Si oui, alors on aurait une meilleure approximation de f(t) sur la base

N 1

(0,1,.., N-1) et on écrit: f ( t ) 

N  c  ( t ) avec, f ( t )  f ( t )
n 0
n n
N

 En fait, f ( t )  f ( t ) décroît vers 0 de sorte que l’approximation

2

s’améliore quand N augmente (on parle de convergence en moyenne

quadratique)
47
2.5. Espace de Hilbert – Approximation de fonctions

Conclusion:

Remarque:
Pour un espace de fonction, cela revient à calculer les produits scalaires
Individuels de la fonction par les fonctions de base. Ainsi, on détermine
les composantes de la fonction sur ce S.E.V.
48
Chapitre 3: Les séries de Fourier
Rappels: Fonction périodique – motif
f0
f

t t
T T 2T 3T 4T

La fonction f(t) coïncide avec f0(t) sur [0,T]. Sur des intervalles de longueur T
f(t) correspond à une répétition de f0(t). f(t) est un fonction T périodique et f0(t)
est son motif.
Ainsi à toute fonction f de période T, on associe son motif f0(t) défini sur [0,T].
Réciproquement, à toute fonction f0(t) définie sur [0,T], on associe f(t) telle que

f ( t  nT )  f ( t ) n  Z
49
Chapitre 3: Les séries de Fourier
Série de Fourier trigonométrique

NB: Ecrire une fonction f de L2(0,T) dans cette base, c’est la développer en
Série de Fourier réelle que nous noterons Sf.
50
Chapitre 3: Les séries de Fourier
Série de Fourier trigonométrique

Théorème 3.2. Les coefficients de la série de Fourier Sf de la fonction f

sont définis par:

La série de Fourier de f peut s’écrire sous la forme suivante:

pp 
 2nx 2nx 
f ( x )  S ( x )  a    a cos( )  b sin( )
 T 
0 n n
n 1
T
Et on a l’identité de Parseval:

51
Chapitre 3: Les séries de Fourier
Série de Fourier complexe

52
Chapitre 3: Les séries de Fourier
Série de Fourier complexe

cn sont les coefficients complexes tels que:

an  ibn an  ibn
c0=a0 et cn  pour n  1 c n 
2 2

53
Chapitre 3: Les séries de Fourier
Convergence des sommes partielles des séries de Fourier dans L2(0,T)

NB: fn(x) = Sn(x) est aussi appelé la meilleure approximation de f au

sens des moindres carrés par les fonctions trigonométriques des arcs
2
multiples x jusqu’aux harmoniques d’ordre n.
T
54
Chapitre 3: Les séries de Fourier
Convergence des sommes partielles des séries de Fourier dans L2(0,T)

Remarque: (Egalité de Bessel-Parseval)

 a 
T 

s  f  f  s   b
2 2 2 2 2

n n n n
(erreur énergétique)
2k  n 1

55
Chapitre 3: Les séries de Fourier
Convergence ponctuelle des sommes partielles de la séries de Fourier

56
Chapitre 3: Les séries de Fourier
Dérivation terme à terme

57
Chapitre 3: Les séries de Fourier
Calcul pratique des coefficients

58
Chapitre 3: Les séries de Fourier
Remarque générale

59
Chapitre 3: Les séries de Fourier
Interprétation physique

60
Chapitre 3: Les séries de Fourier
Interprétation physique

61
Chapitre 3: Les séries de Fourier
Interprétation physique: Spectre de fréquence

C n

Spectre d’amplitude
62
Chapitre 3: Les séries de Fourier
Exercice d’application

63
Chapitre 3: Les séries de Fourier
Exercice d’application

64
Chapitre 3: Les séries de Fourier
Exercice d’application

Harmonique F0

65
Chapitre 3: Les séries de Fourier
Exercice d’application

3F0

F0

66
Chapitre 3: Les séries de Fourier
Exercice d’application

67
Chapitre 3: Les séries de Fourier
Exercice d’application

68
Chapitre 3: Les séries de Fourier
Exercice d’application

69
Chapitre 3: Les séries de Fourier
Exercice d’application (représentation spectrale)

70
Chapitre 3: Les séries de Fourier
Exercice d’application (représentation spectrale)

Dans le domaine fréquentiel, un signal périodique est représenté

par un spectre de raies.
71
Chapitre 4: Le produit de convolution
Définitions
• Produit de convolution de deux fonctions

• Produit de convolution de fonctions causales

72
Chapitre 4: Le produit de convolution
Interprétation graphique de la convolution
Le calcul de la convolution consiste à calculer la surface du produit f(y)g(x-y)

f(y) g(y)

y y

g(x-y) f(y)

x y

[f*g](x)

x y
73
Chapitre 4: Le produit de convolution
Propriétés du produit de convolution
• Commutativité

• Produit de convolution et parité

• Produit de convolution de fonctions causales

• Distributivité ( f  h) * g  f * g  h * g

• Linéarité et distributivité x * ( y1  y2 )  x * y1  x * y2

• Associativité ( f * h) * g  f * ( g * h) 74
Chapitre 4: Le produit de convolution
Produit de convolution et dérivation

convolution par l’impulsion de dirac

 Définition
- L’impulsion ou la distribution de Dirac est un signal très intense ayant une
durée brève.
  0 pour t  0
- L’impulsion de Dirac notée (t) est telle que:  ( t )  
   pour t  0
 

   ( t )dt  1


75
Chapitre 4: Le produit de convolution
convolution par l’impulsion de dirac
 Représentation graphique

(t) (t-t0)

 f ϵ L1(R) ou L2(R)

 Convolution par : 76
Chapitre 4: Le produit de convolution
Exercice d’application: Interprétation graphique

77
Chapitre 4: Le produit de convolution
Exercice d’application:

78
Chapitre 4: Le produit de convolution
Exercice d’application:

79
Chapitre 4: Le produit de convolution
Utilité du produit de convolution

80
Chapitre 4: Le produit de convolution
Utilité du produit de convolution

Remarque:
L‘opération de convolution exprime la réponse y(t) d‘un système à une
entrée quelconque f(t) à partir de sa réponse impulsionnelle h(t)

81
Chapitre 4: Le produit de convolution
Intercorrélation - autocorrélation

82
Chapitre 4: Le produit de convolution
Intercorrélation - autocorrélation

Remarque:
L‘opération de corrélation traduit la ressemblance entre deux signaux
f(t) et g(t) au niveau de leur forme et de la position en fonction d‘un
paramètre de translation
83
Chapitre 5: La transformée de Fourier
Transformée de Fourier dans IL1(IR)

Remarque:
Le terme f rappelle la notion de fréquence. Très souvent, pour
éviter les confusions en le remplace par .
Il existe une autre définition de la TF permettant d’introduire
la notion de pulsation  (  ) 84
Chapitre 5: La transformée de Fourier
Transformée de Fourier dans IL1(IR)

85
Chapitre 5: La transformée de Fourier
Transformée de Fourier dans IL1(IR)

Fonction « porte », notée (t). T est la largeur de la porte

86
Chapitre 5: La transformée de Fourier
Transformée de Fourier dans IL1(IR)

87
Chapitre 5: La transformée de Fourier
Propriétés de la transformée de Fourier

88
Chapitre 5: La transformée de Fourier
Propriétés de la transformée de Fourier

89
Chapitre 5: La transformée de Fourier
Propriétés de la transformée de Fourier

Retard temporel

Modulation

TF des dérivées

Dérivées de la TF

90
Chapitre 5: La transformée de Fourier
Propriétés de la transformée de Fourier
- Transformée de Fourier

91
Chapitre 5: La transformée de Fourier
Transformée de Fourier d’une impulsion de Dirac

Transformée de Fourier d’une exponentielle complexe

Transformée de Fourier de fonctions trigonométriques

TFcos 2f 0t  
1
   f 0      f 0  TFsin2f 0t  
1
   f 0      f 0 
2 2j
92
Chapitre 5: La transformée de Fourier
Transformée de Fourier d’un signal périodique

s
T0
) exp  j 2nf 0t dt
1
cn  T0 ( t
T0 0

93
Chapitre 5: La transformée de Fourier
Transformée de Fourier dans IL2(IR)

: Relation de Parseval-Plancherel

94
Chapitre 5: La transformée de Fourier
Autocorrélation temporelle et transformée de Fourier

95
Chapitre 6: La transformée de Laplace
Introduction et Définition

96
Chapitre 6: La transformée de Laplace
Exemples de quelques transformées

97
Chapitre 6: La transformée de Laplace
Exemples de quelques transformées

98
Chapitre 6: La transformée de Laplace
Exemples de quelques transformées

99
Chapitre 6: La transformée de Laplace
Propriétés générales

100
Chapitre 6: La transformée de Laplace
Propriétés générales

101
Chapitre 6: La transformée de Laplace
Propriétés générales

102
Chapitre 6: La transformée de Laplace
Propriétés générales

= f(0+)

103
Chapitre 6: La transformée de Laplace
Applications

104
Chapitre 6: La transformée de Laplace
Applications

105
Chapitre 6: La transformée de Laplace
Applications: (généralisation)

106
Chapitre 6: La transformée de Laplace
Applications: (généralisation)

107
APPLICATIONS
Introduction
 La fonction de transfert T(p) a la forme d‘une fraction rationnelle

 h(t) = L-1[H(p)] : la réponse impulsionnelle

Elle correspond à la réponse du système à une impulsion de Dirac δ(t)
T(p): Fonction de transfert ou Transmittance opérationnelle du système quand les CI so
Pôles et zéros d‘une fonction de transfert
1. Forme générale
Pôles et zéros d‘une fonction de transfert
2. Régime transitoire et mode d‘une fonction de transfert
Pôles et zéros d‘une fonction de transfert
2. Régime transitoire et mode d‘une fonction de transfert
Pôles et zéros d‘une fonction de transfert
2. Régime transitoire et mode d‘une fonction de transfert
Pôles et zéros d‘une fonction de transfert
2. Régime transitoire et mode d‘une fonction de transfert
Pôles et zéros d‘une fonction de transfert
2. Régime transitoire et mode d‘une fonction de transfert
Pôles et zéros d‘une fonction de transfert
3. Systèmes particuliers: intégrateurs et dérivateurs