Introduction à la théorie du signal Cours, QCM et

exercices
Gabriel Dauphin

To cite this version:

Gabriel Dauphin. Introduction à la théorie du signal Cours, QCM et exercices. Licence. Théorie du
signal, Licence 3 Science Pour l’Ingénieur à l’Institut Galilée, Université Paris 13, France. 2024, pp.95.
�hal-04433282�

HAL Id: hal-04433282

https://hal.science/hal-04433282v1
Submitted on 1 Feb 2024

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.

Distributed under a Creative Commons Attribution 4.0 International License

 Introduction à la théorie du signal
Cours, QCM et exercices1

Gabriel Dauphin

February 1, 2024

1
Ce document a été rédigé pour les étudiants de L3SPI à l’université Sorbonne Paris Nord (Institut Galilée) dans le cadre
d’un cours de théorie du signal composé de 12 séances composées d’un cours de 1h15, d’un QCM de 15 minutes et d’exercices
pendant 1h30.
Contents

1 Représentation des signaux non-périodiques, module et argument d’un complexe, distribution

de Dirac, indicatrice, calculs de limites, intégrale d’un signal et transformée de Fourier en la
fréquence nulle 5
1.1 Exemples de signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Représentation d’un signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Convention . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2 Calculs de limites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.3 Calculs de dérivées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.4 Tableau de variation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.5 Une autre façon de déterminer un tableau de variation . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Transformée de Fourier d’un signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.2 Calculs d’une primitive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.3 Calculs d’intégrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4 QCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2 Symétrie, utilisation de la valeur absolue, transformations des signaux et leurs conséquences sur
la transformée de Fourier, module et argument de la transformée de Fourier 13
2.1 Parité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Transformations d’un signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3 Utilisation des complexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.4 Conséquences sur la transformées de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.4.1 Conventions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.4.2 Conséquences relatives à la parité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.3 Linéarité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.4 Conséquence vis-à-vis d’un retard . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.5 Conséquence vis-à-vis d’une symétrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.6 Conséquence vis-à-vis d’une dilatation de l’échelle des temps . . . . . . . . . . . . . . . . . . . 15
2.4.7 Combinaison d’un retard et d’une inversion de l’échelle des temps . . . . . . . . . . . . . . . . 15
2.5 Outils mathématiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.5.1 Déterminer les sens de variation sans calculer la dérivée d’un signal. . . . . . . . . . . . . . . . 16
2.5.2 Dériver une expression intégrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.5.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.6 QCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

3 Signaux dépendant d’un second paramètre, descripteurs, transformée de Fourier de signaux

exponentiels 23
3.1 Signaux dépendant d’un second paramètre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2 Descripteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3 QCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

1
4 Signaux gaussiens, techniques de calcul, puissance et énergie de signaux non-périodiques, inté-
gration par partie 31
4.1 Définition de la transformée de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2 Transformée de Fourier inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3 Signaux gaussiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3.1 Définitions des signaux gaussiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3.2 Intégrale d’un signal gaussien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3.3 Transformée de Fourier d’un signal gaussien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3.4 Faire apparaître un terme carré . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.3.5 Utilisation des fonctions holomorphes pour le calcul des intégrales . . . . . . . . . . . . . . . . 32
4.3.6 Définitions des fonctions holomorphes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.4 Énergie et puissance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.4.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.4.2 Interprétation de l’énergie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.4.3 Égalité de Plancherel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.4.4 Schéma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.5 QCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

5 Signaux périodiques, sinus cardinaux et transformées de Fourier de fonctions portes, propriétés

de la transformée de Fourier, relations trigonométriques, distribution Dirac 37
5.1 Distribution Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.2 Trigonométrie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.3 Exemples de signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.3.1 Signaux périodiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.3.2 Sinusoïdes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.3.3 Sinus cardinaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.4 Propriétés de la transformée de Fourier vis-à-vis de l’intégration et de la dérivation . . . . . . . . . . . 40
5.4.1 Intégration et dérivation d’un signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.4.2 Propriété de la transformée de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.5 QCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

6 Signaux à valeurs complexes, approximation, temps moyen 46

6.1 Temps moyen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
6.2 Propriété de la transformée de Fourier adaptées aux signaux à valeurs complexes . . . . . . . . . . . . 46
6.2.1 Conjugé d’un complexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
6.2.2 Parité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
6.2.3 Formule de l’énergie modifiée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.2.4 Modulation d’un signal et transformée de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.3 Approximation de signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.3.1 Définition d’un produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.3.2 Qualificatifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.3.3 Utilisation d’une base de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.3.4 Interprétation géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.4 QCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

7 Puissance et énergie d’un signal périodique, valeur moyenne d’un signal périodique, coefficients
de la série de Fourier, valeur à gauche et à droite, parité, représentation 52
7.1 Puissance et énergie d’un signal périodique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
7.2 Transformées de Fourier des signaux périodiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
7.3 Valeur moyenne des signaux périodiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
7.4 Valeurs à gauche et à droite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
7.5 QCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2
 7.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

8 Série de Fourier, définition et propriétés, utilisation de la distribution δ(ν) 58

8.1 Définitions des séries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
8.2 Série de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
8.3 Égalité de Parseval . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
8.4 Propriété de la série de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
8.4.1 Valeurs en zéro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
8.4.2 Parité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
8.5 QCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
8.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

9 Produit de convolution et distribution de Dirac 66

9.1 Produit de convolution : définition et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
9.2 Propriétés du produit de convolution et transformée de Fourier . . . . . . . . . . . . . . . . . . . . . . 67
9.3 Propriétés du produit de convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
9.3.1 Commutativité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
9.3.2 Associativité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
9.3.3 Calcul de la valeur en 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
9.4 Propriété du produit de convolution vis-à-vis de transformations simples . . . . . . . . . . . . . . . . . 67
9.4.1 Le produit de convolution est linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
9.4.2 Propriété du produit de convolution vis-à-vis du retard . . . . . . . . . . . . . . . . . . . . . . 68
9.4.3 Propriété du produit de convolution vis-à-vis de la dilatation de l’échelle des temps . . . . . . . 68
9.5 Produit de convolution et parité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
9.6 Produit de convolution et dérivée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
9.6.1 Énoncé de la propriété . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
9.6.2 Dérivée de la distribution Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
9.7 Exemples de calculs de produit de convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
9.7.1 le produit de convolution de deux gaussiennes est une gaussienne . . . . . . . . . . . . . . . . . 70
9.7.2 le produit de convolution de deux fonctions portes est une fonction triangulaire . . . . . . . . . 70
9.7.3 le produit de convolution d’un signal avec le signal constant égal à 1 est un signal constant . . 70
9.8 QCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
9.9 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

10 Filtres, définition et propriétés, utilisation des limites 74

10.1 Définition d’un filtre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
10.2 Lien entre filtre et transformée de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
10.3 Exemples de filtres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
10.3.1 Filtre à retard . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
10.3.2 Filtre moyenneur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
10.3.3 Filtre dérivateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
10.4 Qualificatifs décrivant un filtre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
10.4.1 Filtre passe-bas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
10.4.2 Filtre passe-haut . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
10.4.3 Filtre passe-tout . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
10.4.4 Fréquence de coupure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
10.5 Supplément : Comment trouver une façon de représenter un filtre . . . . . . . . . . . . . . . . . . . . . 76
10.5.1 Comment trouver la réponse impulsionnelle à partir de la relation entrée-sortie . . . . . . . . . 76
10.5.2 Comment trouver la relation entrée-sortie à partir de la réponse impulsionnelle . . . . . . . . . 76
10.5.3 Comment trouver la réponse fréquentielle à partir de la réponse impulsionnelle . . . . . . . . . 76
10.5.4 Comment passer de la réponse fréquentielle à la relation entrée-sortie . . . . . . . . . . . . . . . 76
10.6 Supplément : Propriété des filtres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
10.6.1 Un filtre est une relation linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
10.6.2 Un filtre est à temps invariant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
10.7 QCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3
 10.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

11 Autocorrélation 82
11.1 Définition de l’autocorrélation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
11.2 Autocorrélation et transformée de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
11.3 Propriété de l’autocorrélation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
11.4 Supplément : interprétation de l’autocorrélation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
11.5 QCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
11.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85

12 Distributions et propriétés 87
12.1 Dérivée de la distribution Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
12.2 Distribution valeur principale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
12.3 Distributions et parité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
12.4 À quoi sert la distibution valeur principale (Hors Programme) . . . . . . . . . . . . . . . . . . . . . . . 90
12.5 QCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
12.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92

4
Chapter 1

Représentation des signaux non-périodiques,

module et argument d’un complexe,
distribution de Dirac, indicatrice, calculs de
limites, intégrale d’un signal et transformée
de Fourier en la fréquence nulle

1.1 Exemples de signaux

• Indicatrice
 1 si t ∈ A


1A (t) =
 0 si t ̸∈ A

• Échelon
 1 si t ≥ 0


H(t) = 1R+ (t) =

 0 si t < 0

• Porte centrée de largeur unité

0 si t < − 12




1 si t ∈ [− 12 , 12 ]

Π(t) = 1[− 1 , 1 ] (t) =
2 2 
 0 si t > 12



• Fonction signe

−1 si t < 0




0 si t = 0

signe(t) = H(t) − H(−t) =

 1 si t > 0



Formellement

Pour être cohérent avec quelques équations du chapitre 12 où on s’intéresse à des transformées de Fourier de H(t), il faudrait légèrement
modifier la définition de H(t) et affirmer que H(t) = 1 si t > 0, H(0) = 12 et H(t) = 0 pour t < 0, et ce pour des raisons que l’on peut
imaginer avec la remarque 17 du chapitre 8. Cette définition est à ma connaissance pas utilisée et elle ne permet plus d’utiliser la fonction
caractéristique à moins de modifier aussi sa définition. Aussi dans le cadre de ce cours, je propose de garder la définition classique de H(t).

5
 Pour trouver l’équation d’un signal à partir de sa courbe représentative définie comme des droites par morceaux,
on découpe l’intervalle en une succession d’intervalles, de façon à ce que sur chacun de ces intervalles, la courbe soit
un portion de droite. Par ailleurs on sait que
t − ta
x(t) = (xb − xa ) + xa (1.1)
tb − ta

est l’équation d’une droite vérifiant x(ta ) = xa et x(tb ) = xb .

Par exemple un signal qui vaut 0 en t = −1, 1 en t = 0 et 0 en t = 1 et qui est obtenu en joignant ces différents
segments a pour équation

• x(t) = 0 pour t ≤ −1.

• x(t) = t − 1 pour t ∈] − 1, 0]

• x(t) = 1 − t pour t ∈]0, 1]

• x(t) = 0 pour t > 1.

Finalement

x(t) = (t − 1)1]−1,0] (t) + (1 − t)1]0,1] (t)

1.2 Représentation d’un signal

1.2.1 Convention
• R désigne l’ensemble des nombres et n’inclut pas i,

• R+ sont les nombres positifs ou nuls,

• R− sont les nombres négatifs ou nuls.

Ce qu’on appelle un signal est dans ce chapitre une fonction dépendant d’une variable notée t et qui correspond
au temps. Une fonction dépendant d’une variable est notée en mathématiques f , sa valeur calculée pour une valeur
particulière de t est notée f (t), ces notations montrent qu’il est d’usage en mathématique de faire la différence entre
une fonction et une valeur particulière pour une valeur de t. Parce que cette distinction n’est pas essentielle et qu’en
revanche il existe des signaux en théorie du signal qui sont des suites, on préfère généralement noter le signal par x(t)
plutôt que x. Pour l’instant les signaux considérés sont à valeurs réelles mais on verra lors de la section 6 qu’un signal
peut être à valeurs complexes. Un signal peut ne pas être une fonction mais une distribution, on verra cela dans la
section 5.
Pour aider la compréhension des équations, il est important dans le cadre de ce cours que lorsqu’on écrit qu’un
signal est égal à un autre signal, la variable t figure à gauche et à droite du signe =. Par exemple, on ne doit pas
écrire x + 1 = t21+1 mais x(t) + 1 = t21+1 .
Un signal défini sur un intervalle donné par exemple pour t ≥ 0 est vu ici comme un signal défini sur R, nul pour
toutes les valeurs ou ce signal n’est pas défini.

Formellement

On dit qu’un signal x(t) nul pour t < 0 est un signal causal. On a alors x(t) = x(t)1R+ (t)

1.2.2 Calculs de limites

Lorsqu’on sait que limt→+∞ x(t) = a alors il y a une asymptote en x = a en +∞. Lorsqu’on sait que limt→t+ x(t) = +∞
0
alors il y a une asymptote en t = t0 sur la droite.
Quelque soit α et β > 0,
2
lim tα e−βt = 0 et lim tα e−βt = 0 (1.2)
t→+∞ t→+∞

6
 t2
Figure 1.1: Graphique de x(t) = te− 2 pour t ∈ [−3, 3].

1.2.3 Calculs de dérivées

La dérivée d’une sinusoïde est
d d
cos(2πf0 t) = −2πf0 sin(2πf0 t) et sin(2πf0 t) = 2πf0 cos(2πf0 t) (1.3)
dt dt
La dérivée d’une exponentielle et d’une gaussienne est
d αt d 2
e = αeαt et eαt = 2αteαt (1.4)
dt dt
La dérivée d’un produit de fonctions est donnée par
d d d
(x(t)y(t)) = x(t) y(t) + y(t) x(t) (1.5)
dt dt dt

1.2.4 Tableau de variation

On appelle un tableau de variation, un tableau qui indique pour quelles valeurs le signal est croissant ou décroissant,
en outre ce tableau indique les valeurs atteintes lorsque le signal change de sens de croissance et en moins l’infini et
plus l’infini.
Le fait qu’un signal soit croissant ou décroissant peut être déterminé en calculant la dérivée du signal.

 dt x(t) ≥ 0 ⇒ x(t) est croissante

 d

d
 dt x(t) ≤ 0 ⇒ x(t) est décroissante

Lors de la section 5.4.1, on verra que la dérivée d’une fonction porte ou d’une indicatrice fait apparaître une
distribution de Dirac. Pour l’instant lorsqu’un signal est défini avec une foncton porte ou avec une indicatrice, il suffit
de considérer séparément les intervalles sur lesquelles la fonction porte ou l’indicatrice est constante et sur chacun de
ces intervalles à l’exclusion de leurs bornes, la dérivée est nulle.
t2
Exemple 1 On souhaite tracer la courbe représentative de x(t) = te− 2 . Sa dérivée est
d − t2 t2
te 2 = (1 − t2 )e− 2
dt
Cette dérivée est négative pour t ≤ −1, positive pour t ∈ [−1, 1] et négative pour t ≥ 1. Ses limites sont nulles en
−∞ et en +∞. La valeur minimale est donc x(−1) = −e−1/2 ≈ −0.61 et sa valeur maximale est x(1) = e1/2 ≈ 0.61.
7
t=-3:1e-3:3;
x=t.*exp(-t.^2/2);
figure(1); plot(t,x,'Linewidth',2);
Cette courbe est représentée sur la figure 1.1

1.2.5 Une autre façon de déterminer un tableau de variation

Plutôt que de déterminer le signe de la dérivée d’un signal, on peut déduire le sens de variation d’un signal au
moyen des règles suivantes :
• f et g sont des fonctions croissantes alors f ◦ g est croissante.

• f et g sont des fonctions décroissantes alors f ◦ g est croissante.

• f est croissante et g est décroissante alors f ◦ g est décroissante.

• f est décroissante et g est croissante alors f ◦ g est décroissante.

On peut y rajouter ces deux règles
• La somme de deux fonctions croissantes est croissante.

• La somme de deux fonctions décroissantes est décroissante.

1.3 Transformée de Fourier d’un signal

1.3.1 Définitions
x(t) étant un signal, on note la transformée de Fourier X(ν).
• t est le temps souvent en seconde (noté s).

• ν est la fréquence souvent en Hertz (noté Hz).

• x(t) est à valeurs réelles, parfois complexe.

• X(ν) est à valeurs complexes.

On utilisera parfois aussi la notation

X(ν) = TF[x(t)](ν)

Il est important que ν se trouve à gauche et à droite du signe =.

La valeur en zéro de la transformée de Fourier est
Z +∞
X(0) = x(t) dt
−∞

Pour un signal x(t) réel, X(0) est aussi réel.

1.3.2 Calculs d’une primitive

F (t) est une primitive de f (t) si
d
F (t) = f (t) (1.6)
dt
Pour certains signaux, on ne connaît pas la primitive. Pour d’autres signaux, il est simple de les calculer.
tn+1
n+1 est la primitive de tn
(1.7)
1 αt
αe est la primitive de eαt

8
1.3.3 Calculs d’intégrales
Lorsqu’un signal est défini avec une indicatrice,
Z +∞ Z Z b
1[a,b] (t) f (t) dt = 1[a,b] (t) f (t) dt = f (t) dt
−∞ R a

Lorsque t est utilisée comme variable d’intégration, c’est-à-dire lorsque dt est précisé dans l’équation alors il ne faut
R +∞ −π2 t2 2
pas que t apparaisse de l’autre côté de l’égalité. Ainsi il est difficile de comprendre ce que signifie −∞ e dt = e−t .

Formellement

On utilise parfois la notation suivante

Z Z +∞
f (t) dt = f (t) dt
R −∞

Cette notation s’utilise aussi avec R+ pour remplacer les bornes 0 et +∞.

1.4 QCM
Pour chaque question il y a une ou plusieurs affirmations vraies, il faut indiquer TOUTES les affirmations vraies
et sur le tableau plus bas, dans la colonne de gauche de chaque question, mettre une croix pour chaque affirmation
considérée comme vraie.

Question 1 On considère un signal x(t) décrit par la courbe représentative montrée sur la figure 1.2. On définit
H(t) = 1[0,+∞[ (t) et Π(t) = 1[− 1 , 1 ] (t).
2 2

A. x(t) ≤ H(t).

B. x(t) = H(t − 1).

C. Π(t) ≤ x(t).

D. 2x(t) − 1 = −1 pour t ≤ 0.

Question 2 On considère x(t) = 1[−2,2] (t) et X(ν) sa transformée de Fourier. On considère y(t) = tx(t) et Y (ν)
sa transformée de Fourier. On considère z(t) = signe(t)y(t) et Z(ν) sa transformée de Fourier.

A. X(0) = 1
4

B. Y (0) = 0

C. Z(0) = 0

D.
Z +∞
1[2,3] (t)1[− 5 , 5 ] (t) dt = 0
−∞ 2 2

Question 3 On considère x(t) = 1

t2 +1
, y(t) = t + 1
t et z(t) = t − 1t .

A. Le tableau de variation de x(t) montre que c’est une fonction décroissante.

B. Le tableau de variation de y(t) montre que c’est une fonction croissante, décroissante puis croissante.

C. Le tableau de variation de z(t) montre que c’est une fonction croissante.

D. Lorsqu’on regarde la courbe représentative de z(t) on ne voit pas d’asymptotes verticales.

9
Figure 1.2: Courbe représentative de x(t) relative à la question 1.

Figure 1.3: Courbe représentative de x(t) relative à la question 4.

10
Question 4 On considère un signal x(t) décrit par la courbe représentative montrée sur la figure 1.3. On note X(ν)
sa transformée de Fourier. On note signe(t) le signal qui vaut 1 pour t > 0, 0 pour t = 0 et −1 pour t < 0.
A. X(0) = 1.
B. x(t) + t = 1 pour t ∈] − 1, 0[.
C. x(t) = t pour t ∈]1, 2[.
D. x(t) signe(t) est une fonction croissante.

Question 5 On considère x(t) = 1]−1,1[ , y(t) = t1[0,2] (t) et z(t) = y(t) + 2tx(t). On note X(ν), Y (ν) et Z(ν) leurs
transformées de Fourier. On note H(t) = 1[0,+∞[ (t) et signe(t) le signal qui vaut 1 quand t > 0, 0 quand t = 0 et −1
quand t < 0.
A. x(t) = H(t + 1) − H(t − 1) pour t ∈ R.
B. x(t) = signe(t + 1) − signe(t − 1) pour t ̸∈ {−1, 1}.
C. Y (0) = 1
D. Z(0) = Y (0).

1 2 3 4 5
A c c c c c NOTE
B c c c c c 4×#V = 4× =
C c c c c c 2×#M = 2× = =
D c c c c c 1×#̸ M = 1× =
0×#N = 0× =
V,M,̸ M ou, N
Pour calculer la note obtenue :
• Remplir les colonnes de droite de chaque question avec les croix dans les bonnes cases.
• Pour chaque question,
– Mettre V, si les croix sont situées sur les mêmes lignes.
– Mettre M, s’il y a au moins une croix sur la colonne de gauche et qu’Ã chaque croix de la colonne de
gauche, il y a une croix sur la colonne de droite.
– Mettre ̸ M, s’il y a au moins une croix sur la colonne de gauche qui correspond à une croix sur la colonne
de droite.
– Mettre N, s’il n’y a aucune croix sur la colonne de gauche et qu’il y a au moins une croix sur la colonne de
droite.
– Mettre V, s’il n’y a aucune croix sur la colonne de gauche et sur la colonne de droite.
• Indiquer à droite du tableau le nombre de V, M, ̸ Met N, multiplier ce nombre par respectivement 4,2,1,0, puis
en faire la somme et indiquer ainsi la note obtenue tout à droite du tableau.

1.5 Exercices
Exercice 1 On définit un signal x(t) par
0 si t ≤ −1




2 si t ∈ [−1, 0[







 2−t si t ∈ [0, 1[


x(t) =


 t si t ∈ [1, 2[


2 si t ∈ [2, 3[






0 si t ≥ 3



11
 1. Tracez la courbe représentative de x(t)
+∞
2. Calculez x(t) dt et montrez que X(0) = 7.
R
−∞

Exercice 2 On considère un signal noté x(t) et dont la transformée de Fourier est notée X(ν). Ce signal est une
succession de segments joignant les instants t = 0, 2, 3: x(0) = 0, x(2) = 1, x(3) = 0. Ce signal est nul pour t ≤ 0 et
pour t ≥ 3.

1. Représentez le signal.

2. Exprimez le signal en utilisant l’indicatrice 1A (t) où A est un intervalle.

3. Calculez X(0).

Exercice 3 On considère un signal x(t) = e−t 1R+ (t), sa transformée de Fourier est notée X(ν).

1. Représentez x(t)

2. Calculez X(0)

Exercice 4 On définit Π(t) = 1[− 1 ,− 1 ] (t). Représentez graphiquement x(t) = tΠ(t). Calculez X(0).
2 2

Exercice 5 On note H(t) = 1[0,+∞[ (t). Montrez que

1 1
1[− 1 , 1 [ (t) = H(t + ) − H(t − )
2 2 2 2
Exercice 6 On définit un signal x(t) par

x(t) = e−t 1[0,1[ (t) + e−(t−1) 1[1,2[ (t) + e−(t−2) 1[2,3[ (t)

Représentez ce signal x(t). Calculez X(0).

12
Chapter 2

Symétrie, utilisation de la valeur absolue,

transformations des signaux et leurs
conséquences sur la transformée de Fourier,
module et argument de la transformée de
Fourier

2.1 Parité
Un signal x(t) est pair signifie que

x(−t) = x(t)
R +∞ R +∞
Graphiquement l’axe t = 0 est un axe de symétrie. Dans ce cas, −∞ x(t) dt = 2 0 x(t) dt.
Un signal x(t) est impair signifie que

x(−t) = −x(t)
R +∞
Graphiquement le point (0, 0) est un point de symétrie centrale. Dans ce cas, −∞ x(t) dt = 0.
R +∞ R +∞
Remarque 1 Il peut être tentant d’affirmer que si x(t) est pair, alors −∞ x(t)ei2πνt dt = 2 0 x(t)ei2πνt dt. Mais
en fait ceci est faux. En revanche, on a bien les propriétés suivantes
1. Si x(t) est un signal pair, x(t) cos(2πνt) est un signal pair et x(t) sin(2πνt) est un signal impair aussi
Z +∞ Z +∞ Z +∞ 
−i2πνt −i2πνt
x(t)e dt = 2 x(t) cos(2πνt) dt − 2i×0 = 2ℜe x(t)e dt
−∞ 0 −∞

2. Si x(t) est un signal impair, x(t) cos(2πνt) est un signal impair et x(t) sin(2πνt) est un signal pair aussi
Z +∞ Z +∞ Z +∞ 
x(t)e−i2πνt dt = 2×0 − 2i x(t) sin(2πνt) dt = 2Im x(t)e−i2πνt dt
−∞ 0 −∞

Un signal symétrique par rapport à t = t0 signifie que

x(t − t0 ) = x(t + t0 ) (2.1)

2.2 Transformations d’un signal

• y(t) est en retard par rapport à x(t) s’il existe τ > 0 tel que y(t) = x(t − τ ).

• y(t) est en avance par rapport à x(t) s’il existe τ > 0 tel que y(t) = x(t + τ ).
13
 • y(t) = x( at ) avec a > 1 est une dilatation de l’échelle des temps avec un facteur a.

• y(t) = x(at) avec a > 1 est une contraction de l’échelle des temps avec un facteur a.

• y(t) = x(−t) est le signal symétrique de x(t) par rapport à t = 0.

• y(t) = ax(t) est une amplification du signal lorsque a > 1, il s’agit d’une atténuation si a < 1.

• y(t) = x(a − t) La courbe y(t) est obtenue en calculant le symétrique par rapport à t = a2 .

On peut aussi ajouter des signaux. Ainsi étant donné deux signaux x(t) et y(t), z(t) = x(t) + y(t) est la somme
des signaux.

Remarque 2 Un signal x(t) est symétrique par rapport à t = t0 signifie que le signal y(t) = x(t + t0 ) est pair. Un
signal x(t) est anti-symétrique par rapport à t = t0 signifie que le signal y(t) = x(t + t0 ) est impair.

2.3 Utilisation des complexes

Un complexe z s’écrit 1

z = a + ib

• a est la partie réelle de z : a = ℜe(z).

• b est la partie imaginaire de z : b = Im(z).

En utilisant i2 = −1, on retrouve les formules

√ permettant d’additionner et multiplier les complexes entre eux.
|z| est le module du complexe : |z| = a2 + b2 .
Considérant deux complexes z1 et z2 , on a

z1 |z1 |
|z1 z2 | = |z1 ||z2 | et =
z2 |z2 |

Un complexe z peut aussi s’écrire

z = ρ eiθ

• ρ = |z| ∈ R+ est le module de z.

• θ = arg(z) l’argument de z, il s’agit d’un angle.

Il existe un lien avec la partie réelle et la partie imaginaire de z.

ℜe(z) = ρ cos(θ) et Im(z) = ρ sin(θ)

2.4 Conséquences sur la transformées de Fourier

2.4.1 Conventions
|X(ν)| s’appelle le module de la transformée de Fourier, il est d’usage de l’appeler aussi spectre. Mais parfois le
terme spectre est aussi utilisé pour désigner X(ν). |X(ν)|2 s’appelle le module au carré de la transformée de Fourier,
on le désigne aussi avec le nom densité spectrale, la raison de cette terminologie est évoquée en section 11.2.
1
Décomposition cartésienne.

14
2.4.2 Conséquences relatives à la parité
• Si x(t) est réel alors |X(ν)| est pair et arg(X(ν)) est impair.
• Si x(t) est réel et pair alors X(ν) est réel.
• Si x(t) est réel et impair alors X(ν) est imaginaire.
Formellement

• Si x(t) est un signal pair alors X(ν) est aussi pair.

• Si x(t) est un signal impair alors X(ν) est aussi impair.
• Si x(t) est réel alors TF[x(−t)](ν) = (X(ν))∗ où ∗ signifie l’expression conjugé et est définie en section 6.2.1.

2.4.3 Linéarité
On dit que la transformée de Fourier est linéaire parce qu’elle vérifie ces deux propriétés.
• Si z(t) = x(t) + y(t) alors Z(ν) = X(ν) + Y (ν)
• Si z(t) = αx(t) alors Z(ν) = αX(ν)

2.4.4 Conséquence vis-à-vis d’un retard

Lorsqu’on retarde un signal x(t) de τ , y(t) = x(t − τ ), alors le module de la transformée de Fourier est inchangé
et sa transformée de Fourier est multipliée par e−2iπντ .
y(t) = x(t − τ ) ⇒ Y (ν) = X(ν)e−2iπντ

2.4.5 Conséquence vis-à-vis d’une symétrie

Si y(t) = x(−t) alors
Y (ν) = X(−ν) (2.2)

2.4.6 Conséquence vis-à-vis d’une dilatation de l’échelle des temps

Lorsqu’on dilate l’échelle de temps d’un facteur a, alors il y a une amplification et une contraction de la transformée
de Fourier.
t
 
y(t) = x ⇒ Y (ν) = |a|X(aν)
a

2.4.7 Combinaison d’un retard et d’une inversion de l’échelle des temps

On considère la transformation
y(t) = x(a − t) (2.3)
La difficulté de cette transformation est qu’elle peut se voir d’une part comme une inversion de l’échelle des temps
puis comme un retard de a.
(
z1 (t) = x(−t)
z1 (t) = y(t + a) = x(a − (t + a)) = x(−t) ⇒
y(t) = z1 (t − a)
Cette transformation peut aussi se voir comme une avance de a suivi d’une inversion de l’échelle des temps.
(
z2 (t) = x(t + a)
z2 (t) = y(−t) = x(a + t) ⇒
y(t) = z2 (−t)
Une façon plus simple d’analyser la transformation décrite par l’équation (2.3) est de considérer que y(t) est le
symétrique par rapport à l’axe vertical t = a2 .
De même la transformation
y(t) = −x(a − t)
est simplement une symétrique centrale (ou rotation de 180°) par rapport à t = a
2 et x = 0.
15
2.5 Outils mathématiques
2.5.1 Déterminer les sens de variation sans calculer la dérivée d’un signal.
Souvent la croissance ou la décroissance d’un signal sur un intervalle peut aussi être obtenue à partir des règles
suivantes :

• ln(t), exp(t), t sont des signaux croissants.

√
• t et tα pour α > 0 sont des signaux croissants pour t > 0.

• 1
t est un signal croissant pour t ̸= 0.

• Le fait de retarder/avancer le signal ou le fait de dilater/contracter l’échelle des temps ne modifie pas le fait
que le signal soit croissant ou décroissant, mais il modifie l’intervalle sur lequel cette information est vraie.

• En composant un signal croisssant/décroissant avec un signal croissant/décroissant, on est capable de déterminer

le fait que le signal résultant est croissant ou décroissant.
β
• Une expression de la forme at+b
ct+d peut se mettre sous la forme α + t+ dc

2.5.2 Dériver une expression intégrale

On est parfois amené à dériver une expression intégrale où les bornes de l’intégrale dépendent du temps. Voici un
exemple
Z 3t
2
xa (t) = et dt (2.4)
2t

Plus généralement, je considère un signal x(t) défini par

Z b(t)
y(t) = x(τ ) dτ (2.5)
a(t)

En posant
Z t
z(t) = x(τ ) dτ
−∞

on remarque d’une part que y(t) s’exprime en fonction de z(t)

y(t) = z(b(t)) − z(a(t))

et d’autre par que

d
z(t) = x(t)
dt
La dérivée de z(t) est alors

d d d
y(t) = b(t)x(b(t)) − a(t)x(a(t))
dt dt dt
Ainsi dans l’exemple donné avec l’équation (2.4),

d 2 2
xa (t) = 3e9t − 2e4t
dt

16
 Figure 2.1: Courbe représentative de x(t) relative à la question 1.

2.5.3 Exemples
Quelle est la transformation géométrique associée à

y(t) = 3 + x(1 − t)

Quelle est la transformation géométrique associée à

y(t) = 3 − x(1 − t)

Dessinez la courbe représentative de

x(t) = signe(t − 2)e−|2−t|

Dessinez la courbe représentative de

t+1
x(t) =
1 − 2t

2.6 QCM
Pour chaque question il y a une ou plusieurs affirmations vraies, il faut indiquer TOUTES les affirmations vraies
et sur le tableau plus bas, dans la colonne de gauche de chaque question, mettre une croix pour chaque affirmation
considérée comme vraie.

Question 1 On considère un signal x(t) décrit par la courbe représentative montrée sur la figure 2.1. On définit
Π(t) = 1[− 1 , 1 ] (t).
2 2

A. x(t) est pair.

B. tx(t) est pair.

C. x(t) + x(−t) = 1[−1,1] (t).

D. x(t) = Π(t + 12 ) − Π(t − 21 ).

Question 2 On étudie le signal x(t) = 1[0,2] (|t| − 1).

A. 1[0,2] (t − 1) = 1[−1,1] (t)

17
 Figure 2.2: Courbe représentative de x(t) relative à la question 3.

B. x(t) est pair.

C. x(t) = 1[−3,−1] (t) pour t < 0.
D. x(t) = x(t)1R∗− (t) + x(t)1R+ (t).

Question 3 On considère un signal x(t) décrit par la courbe représentative montrée sur la figure 2.2.
A. x(t − 1) = 1[0,+∞[ (t)
B. x(t) = 1]−∞,1] (t).
C. x(1 − t) = 1[0,+∞[ (t).
D. x(t)x(−t) = 1[−1,1] (t).
Question 4 On considère les signaux x(t) = t1[−1,1] (t), y(t) = x(t + 1) et z(t) = y(t) + x(t − 1). On note X(ν),
Y (ν) et Z(ν) leurs transformées de Fourier.
A. |X(ν)| est pair.
B. X(ν) est réel.
C. |Y (ν)| = |X(ν)|.
D. Z(ν) est imaginaire pur.
Question 5 On considère le signal x(t) = t−1 .
t+1

A. La courbe représentative de x(t) a une asymptote en t = −1.

B. La courbe représentative de x(t) a une asymptote en x = 1.
C. x(t) est une fonction croissante puis décroissante.
D. x(t) ≥ 1 pour t ≥ 1.
1 2 3 4 5
A c c c c c NOTE
B c c c c c 4×#V = 4× =
C c c c c c 2×#M = 2× = =
D c c c c c 1×#̸ M = 1× =
0×#N = 0× =
V,M,̸ M ou, N

18
2.7 Exercices
Exercice 7 On considère un signal x(t) dont la transformée de Fourier est notée X(ν).
1 1
X(ν) =
2π 1 + iν
Représentez le module et l’argument de X(ν).

Exercice 8 On considère un signal x1 (t) et sa transformée de Fourier notée X1 (ν).

1
x1 (t) = e−t 1R+ (t) et X1 (ν) =
1 + 2iπν
1. Représentez |X1 (ν)|

2. Représentez arg(X1 )(ν)

Exercice 9 On définit un signal x(t) par

0 si t ≤ −1




2 si t ∈ [−1, 0[







 2−t si t ∈ [0, 1[


x(t) =


 t si t ∈ [1, 2[


2 si t ∈ [2, 3[






0 si t ≥ 3



Ce signal a déjà été étudié dans l’exercice 1 (p. 11). On considère y(t) = x(t + 1).

1. Montrez que y(t) est un signal pair.

2. En déduire la valeur de t0 , telle que x(t) soit symétrique par rapport à t0 .

3. Quel est l’argument de Y (ν).

4. Exprimez X(ν) en fonction de Y (ν).

5. Montrez que pour chaque valeur ν, il existe k ∈ Z tel que arg(X(ν)) = −2iπν + kπ, où Z est l’ensemble des
entiers positifs et négatifs.

6. Montrez que
1 1
 
Re(X(ν)) = TF x(−t) + x(t) (ν)
2 2

7. Montrez que x(t + 2) = x(−t)

8. Montrez que
1 1 1 1
 
Re(X(ν)) = X(ν) + X(ν)∗ = TF x(t + 2) + x(t) (ν)
2 2 2 2
où ∗ signifie le complexe conjugué.

9. Représentez le graphe de t 7→ 21 x(t) + 12 x(t + 2)

10. On pose xa (t) = 21[−1,3] (t) et xc (t) = (1 − |t|)1[−1,1] (t). En utilisant une construction graphique, montrez que

x(t) = xa (t) − xc (t − 1)

19
Exercice 10 On considère les signaux x(t), y(t) et z(t), leur transformée de Fourier est notée X(ν), Y (ν), Z(ν).

• x(t) = e−2πt 1[0,+∞[ (t)

1 1
X(ν) =
2π 1 + iν
Son module et son argument sont représentés dans l’exercice 7.

• y(t) = e−2π|t|

• z(t) = e−|t|

1. Exprimez y(t) en fonction de x(t) et x(−t).

2. Montrez que Y (ν) = 2ℜe(X(ν))

3. Exprimez z(t) en fonction de y(t)

4. Exprimez Z(ν) en fonction de Y (ν).

5. Représentez |Z(ν)| et arg(Z(ν)).

Exercice 11 On définit Π(t) = 1[− 1 , 1 ] (t). On considère le signal x1 (t) défini par
2 2

t
 
x1 (t) = tΠ
2

À partir de la représentation graphique de tΠ(t) obtenue avec l’exercice 4, représentez graphiquement x1 (t).

Exercice 12 On considère x1 (t) = e−t 1R+ (t) et x2 (t) = x1 (t − 1)

1. Représentez x2 (t)

2. Calculez X2 (0)

Exercice 13 On considère x1 (t) = e−t 1R+ (t)

1. Représentez x3 (t) = x1 (t − 1) + x1 (−1 − t)

2. Exprimez x3 (t) en fonction de x2 (t) = x1 (t − 1)

3. Représentez x4 (t) = x1 (t + 1) + x1 (1 − t)

4. Représentez x5 (t) = x1 (t + 1) − x1 (1 − t)

5. Quels sont les signaux pairs et impairs ?

Exercice 14 On définit Π(t) = 1[− 1 ,− 1 ] (t) et signe(t) = 1R+ (t) − 1R− (t) Représentez graphiquement
2 2

t 1 t
q     
x1 (t) = |t|Π +p 1−Π
2 |t| 2

Exercice 15 On considère x(t) = 1[−1,1] (t) et y(t) = x(2t + 3).

1. Trouvez t0 tel que y(t) soit symétrique par rapport à t0 .

2. Montrez qu’on a alors pour t ∈ R,

y(t0 + t) = y(t0 − t)

20
Exercice 16 On considère les signaux x1 (t) et x2 (t), leur transformées de Fourier sont notées X1 (ν) et X2 (ν).
1
x1 (t) = e−t 1R+ (t), X1 (ν) = et x2 (t) = x1 (t − 1) + x1 (−1 − t)
1 + 2iπν
1. Calculez X2 (ν)

2. Représentez |X2 (ν)|

Exercice 17 On considère un signal défini par

x(t) = (1 − |t|)1[−1,1] (t)

1. Représentez graphiquement ce signal.

2. On considère un signal y(t) et z(t)

y(t) = (1 − |t − 1|) 1[0,2] (t) et z(t) = y(t) + 2y(t − 1) + y(t − 2)

Montrez que z(t) est symétrique par rapport à t = 2.

3. Vérifiez que z(2 + t) = z(2 − t).

4. Représentez graphiquement z(t).

Exercice 18 On définit un signal x(t) déjà étudié dans les exercices 1, 9 et 45 (p. 11, p. 19, p. 44) par

0 si t ≤ −1




2 si t ∈ [−1, 0[







 2−t si t ∈ [0, 1[


x(t) =


 t si t ∈ [1, 2[


2 si t ∈ [2, 3[






0 si t ≥ 3



On s’intéresse au calcul de X(ν). On pose xb (t) = t1[0,1] (t) et Xb (ν) = TF [xb (t)] (ν), et dans l’exercice 46, il sera
montré que

(1 + 2iπν)e−2iπν − 1
Xb (ν) =
4π 2 ν 2
1. On pose xa (t) = 21[−1,3] (t) et Xa (ν) = TF [xa (t)] (ν). Sachant que
h i sin(πν)
TF 1[− 1 , 1 ] (t) (ν) =
2 2 πν
montrez que

sin(4πν) −2iπν
Xa (ν) = 2 e
πν

2. Montrez que

TF[x(−t)](ν) = TF[x(t)](−ν)

et que

TF[x(1 − t)](ν) = e−2iπν TF[x(t)](−ν)

21
 3. On pose xc (t) = (1 − |t|)1[−1,1] (t) et Xc (ν) = TF [xc (t)] (ν). Montrez en utilisant une construction graphique
que

xc (t) = xb (1 + t) + xb (1 − t)

4. Montrez que

Xc (ν) = Xb (ν)e2iπν + Xb (−ν)e−2iπν

5. Montrez que

sin2 (πν)
Xc (ν) =
π2ν 2

6. Lors de l’exercice 9, il a été montré que

x(t) = xa (t) − xc (t − 1)

Montrez alors que

sin(4πν) sin2 (πν) −2iπν

!
X(ν) = 2 − e
πν π2ν 2

Exercice 19 On considère un signal z(t) défini par

Z t+1
z(t) = e−|τ | dτ
t−1

1. On suppose ici que t ≥ 1. En utilisant la décroissance de t 7→ e−t et le fait que e−τ ≤ e−(τ −1) pour τ ∈ [t−1, t+1],
montrez que pour t ≥ 1,

|z(t)| ≤ 2e e−t

En déduire que limt→+∞ z(t) = 0.

2. Montrez que z(t) est un signal pair.

3. Montrez que
d
z(t) = e−|t+1| − e−|t−1|
dt
Pour cela, une façon de procéder est de définir un autre signal
Z t
F (t) = e−|τ | dτ
−∞

d’exprimer d’une part z(t) en fonction de F (t) et d’autre part de remarquer que la dérivée de F (t) en t est e−|t| .

4. Montrez que z(t) est décroissante pour t > 0.

5. Montrez que z(t) a une tangente horizontale en t = 0, et une tangente à gauche et à droite de t = 1 identiques.

6. Représentez graphiquement z(t).

22
Chapter 3

Signaux dépendant d’un second paramètre,

descripteurs, transformée de Fourier de
signaux exponentiels

3.1 Signaux dépendant d’un second paramètre

Jusqu’ici on a vu que des signaux qui dépendaient que d’une variable t. On est parfois amené à s’intéresser à
un ensemble de signaux. Par exemple plutôt que de considérer séparément x(t) = e−t 1R+ (t), y(t) = e−2t 1R+ (t) et
z(t) = e−3t 1R+ (t), on peut considérer xα (t) = e−αt 1R+ (t) pour α ∈ R∗+ . Dans cet exemple x(t) correspond à α = 1,
y(t) à α = 2 et z(t) à α = 3.
En terme de représentation graphique, à chaque valeur de α, correspond un signal particulier et donc une courbe
représentative particulière. Mais on peut aussi s’intéresser à la façon dont le signal dépend de α pour t fixé.

Exemple 2 La figure 3.1 représente l’évoluation de xα (t) = e−αt 1[0,+∞[ (t) en fonction de α > 0 pour t = 1 et t = 2.

t=1; alpha=1e-3:1e-2:10;
x1=exp(-alpha*t);
t=2;
x2=exp(-alpha*t);
figure(1); plot(alpha,x1,'Linewidth',2,alpha,x2,'Linewidth',2); legend('t=1','t=2');

Exemple 3 La figure 3.2 représente l’évoluation de xα (t) = 1[α,1] (t) en fonction de α ∈ [−1.5, 1.5] pour t = 0.5,
t = 0.5 et t = 1.5.

t=-0.5; alpha=-1.5:1e-2:1.5;
x1=(t>=alpha).*(t<=1)-3e-3;
t=0.5;
x2=(t>=alpha).*(t<=1);
t=1.5;
x3=(t>=alpha).*(t<=1)+3e-3;
figure(1); plot(alpha,x1,'LineWidth',2,alpha,x2,'LineWidth',2,alpha,x3,'LineWidth',2); legend('t=-0.5'
axis([-1.5 1.5 -0.1 1.1])

3.2 Descripteurs
L’objectif est de réaliser des mesures sur des courbes.

• Instant où le signal est maximal

t(max) = arg max x(t)

t

23
 Figure 3.1: Evolution de xα (t) = e−αt 1[0,+∞[ (t) en fonction de α > 0 pour t = 1 et t = 2.

Figure 3.2: Evolution de xα (t) = 1[α,1] (t) en fonction de α > 0 pour t = −0.5, t = 0.5 et t = 1.5.

24
 t2
Figure 3.3: Graphique de x(t) = te− 2 pour t ∈ [−3, 3]

• Durée conduisant à une diminution du signal d’un facteur 2

1
x(t(max) + ∆t(1/2) ) = x(t(max) )
2
De façon un peu formelle,
1
 
∆t(1/2) = min τ ≥ 0 x(tmax + τ ) ≤ max x(t)
2 t

Exemple 4 On reprend la figure 1.1, mais cette fois en évaluant graphiquement xmax , tmax et ∆t1/2 avec la figure 3.3.
t=-3:1e-3:3;
x=t.*exp(-t.^2/2);
[~,id1]=max(x);
id2=max(find(x>=0.5*exp(-1/2)));
delta_12=t(id2)-1;
figure(1); plot(t,x,'LineWidth',2,[1 1],[-1,exp(-1/2)],':','LineWidth',2,...
[-3,t(id2)],0.5*exp(-1/2)*[1 1],':','LineWidth',2,...
[-3 1],[exp(-1/2),exp(-1/2)],':','LineWidth',2);

3.3 QCM
Pour chaque question il y a une ou plusieurs affirmations vraies, il faut indiquer TOUTES les affirmations vraies
et sur le tableau plus bas, dans la colonne de gauche de chaque question, mettre une croix pour chaque affirmation
considérée comme vraie.
Pour chaque question il y a une ou plusieurs affirmations vraies, il faut indiquer TOUTES les affirmations vraies
et sur le tableau plus bas, dans la colonne de gauche de chaque question, mettre une croix pour chaque affirmation
considérée comme vraie.
Question 1 On considère un signal x(t) défini par

xα (t) = 1[α,1] (t) si α < 1

xα (t) = 0 si α ≥ 1

On note Xα (ν) sa transformée de Fourier.

25
 A. Pour α = −1, x−1 (t) est pair.

B. Pour α = 0, X0 (0) = 21 .

C. En tant que fonction de α, Xα (0) est une fonction décroissante.

D. Pour α = 0,
h i
X0 (ν) = TF 1[− 1 , 1 ] (t) (ν)eiπν
2 2

Question 2 On considère un signal x(t) = t1[0,1] (t), y(t) = x(t − 1) − x(1 − t) et z(t) = x(t + 1) + x(1 − t). On
considère le descripteur tmax = 1 défini par

tmax = arg max x(t)

t

et le descripteur t(1/2) est légèrement modifié en

1
 
∆t (1/2)
= max τ ≥ 0 x(t max
− τ ) ≤ max x(t)
2 t

A. Pour x(t), le descripteur tmax = 1

B. Pour y(t), le descripteur tmax = 1

C. Pour z(t), le descripteur tmax = 1

D. Pour x(t), le descripteur t(1/2) = 1

2

Question 3 On considère le signal x(t) = e−|t| dont la transformée de Fourier vaut X(ν) = 2
1+4π 2 ν 2
. On considère
les signaux suivants.

y1 (t) = e−|t−2|
|t|
y2 (t) = e− 2
y3 (t) = e−|t+1| + e−|t| + e−|t−1|

On note Y1 (ν), Y2 (ν) et Y3 (ν) leurs transformées de Fourier.

A. |Y1 (ν)| = 2
1+4π 2 ν 2

B. Y2 (ν) = 2
1+16π 2 ν 2

C. Y3 (ν) est à valeurs réelles.

D. |Y3 (ν)| = 3X(ν).

Question 4 On considère pour α > 0, la famille de signaux xα (t) = e−αt 1[α,+∞[ (t) dont les transformées de Fourier
est notées Xα (ν).

A. Pour α = 2 et ν = 1,
Z +∞
X2 (1) = e−2(1+iπ)t dt
0

B. xα (0) = 0 pour α > 0.

C. Xα (0) est une fonction décroissante par rapport à α pour α > 0.

D. Étant donné α > 0, xα (t) est un signal décroissant par rapport à t sur R∗+ .

26
 Figure 3.4: Courbe représentative de xα (t) relative à la question 5 pour α = 21 .

Question 5 On considère une famille de signaux indexés par α ∈ [0, 2] notés xα (t). Ces signaux sont nuls en dehors
de l’intervalle [0, 2] et valent 0 en t = 0, 1 en t = α et 0 en t = 2. La figure 3.4 illustre un de ces signaux obtenu
lorsque α = 21 . Pour chacun de ces signaux, leur transformée de Fourier est notée Xα (ν). On considère le descripteur
tmax = 1 défini par

tmax = arg max x(t)

t

et le descripteur t(1/2) défini par

1
 
∆t(1/2)
= min τ ≥ 0 x(t max
+ τ ) ≤ max x(t)
2 t
A. tmax = 1 − α
2

B. ∆t(1/2) = 1 + α
2

C. Xα (0) = 1

D. xα (1) est une fonction croissante puis décroissante de α sur l’intervalle [0, 2].

1 2 3 4 5
A c c c c c NOTE
B c c c c c 4×#V = 4× =
C c c c c c 2×#M = 2× = =
D c c c c c 1×#̸ M = 1× =
0×#N = 0× =
V,M,̸ M ou, N

3.4 Exercices
Exercice 20 On considère le signal x1 (t) et sa transformée de Fourier notée X1 (ν).

x1 (t) = e−t 1R+ (t)

Montrez que X1 (ν) = 1

1+2iπν

27
 √ t2
Exercice 21 On considère xα (t) = e t e− α2 avec α ∈ R. On appelle ici

tmax = arg max xα (t) et tmin = arg min xα (t)

t∈R t∈R

Calculez tmax et tmin .

Exercice 22 On considère pour a > 0, un signal impair et un signal pair définis par
2 t2
xa (t) = te−at et y(t) = e− 2

1. Montrez que
1
tmax
a = argmax xa (t) = √
t∈R 2a

2. Montrez qu’il existe t(1/2) défini par

1
y(t(1/2) ) = max y(t)
2 t

3. Puis montrez que t(1/2) = 2 ln(2).

p

2 2
Exercice 23 On considère le signal x(t) = e−πt dont la transformée de Fourier est X(ν) = e−πν .

1. On définit la largeur à mi-hauteur du spectre

1
∆νx = ν2 − ν1 où |X(ν2 )| = |X(ν1 )| = max |X(ν)|
2 ν
q
ln(2)
Montrez que ∆νx = 2 π

2. On définit la largeur à mi-hauteur de la densité spectrale

1
∆ν0 = ν2 − ν1 où |X(ν2 )|2 = |X(ν1 )|2 = max |X(ν)|2
2 ν
q
ln(2)
Montrez que ∆νo = 2 2π

3. On définit la largeur à mi-hauteur de la puissance instantanée

1
∆t0 = t2 − t1 où |x(t2 )|2 = |x(t1 )|2 = max |x(t)|2
2 t
2 ln(2)
Montrez que ∆νo ∆t0 = π

4. On définit ∆ω0 = 2π∆ν0 , calculez ∆ω0 ∆t0 .

Exercice 24 On considère le signal x(t) = e−|t| pour t ∈ R.

1. Montrez que X(ν) = 2

1+4π 2 ν 2
est sa transformée de Fourier.
R +∞
2. En déduire la valeur de 1
−∞ 1+4π 2 ν 2 dν

Exercice 25 On considère deux paramètres fixes et différents notés a, b avec a ̸= b et a > 0, b > 0. On considère
deux signaux.
√ √
xa (t) = ae−ta H(t) et xb (t) = be−tb H(t)

avec H(t) = 1[0,+∞[ (t).

28
Figure 3.5: Xa (ν) en fonction de ν pour différentes valeurs de a. Exercice 25

Figure 3.6: Xa (ν) en fonction de a pour différentes valeurs de ν. Exercice 25

29
 1. Calculez les modules des transformée de Fourier de xa (t) et xb (t).
√ √
a b
|Xa (ν)| = √ et |Xb (ν)| = √
a + 4π ν
2 2 2 b + 4π 2 ν 2
2

2. Représentez |Xa (ν)| en fonction de ν pour différentes valeurs de a et représentez |Xa (ν)| en fonction de a pour
différentes valeurs de ν. On admet ici que la dérivée partielle de |Xa (ν)| en fonction de a est égale à

∂ 4π 2 ν 2 − a2
|Xa (ν)| = √ 3
∂a 2 a (a2 + 4π 2 ν 2 ) 2

(a) Montrez que |Xa (ν)| est paire vis-à-vis de ν.

(b) Montrez que |Xa (ν)| est décroissante pour ν > 0.
(c) Montrez que |Xa (ν)| est croissante vis-à-vis de a pour a < 2π|ν| et décroissante pour a > 2π|ν|.
(d) La courbe en noire de la figure 3.5 représente |X2π|ν| (ν)|, expliquez pourquoi on observe que lorsqu’on
augmente a avec a′ > a, la courbe Xa′ (ν) est au dessus pour la partie à gauche de cette courbe noire et en
dessous pour la partie à droite de cette courbe.
(e) La courbe en noire de la figure 3.6 représente |Xa a
|, expliquez pourquoi les points de cette courbe sont


2π
des maximas des courbes Xa (ν) à ν fixé.

√ t2
e t e− α2 avec α ∈ R. On considère maintenant xa (t) = te−at avec a ∈ R+ .
2
Exercice 26 On considère xα (t) =

1. Montrez que xα (t) est impair.

2. Qu’en-est-il de la parité de xa (t) ?

Exercice 27 On considère pour a > 0, un signal défini par

2
xa (t) = te−at

En utilisant les exercices 26 et 29, représentez graphiquement xa (t)

Exercice 28

y2 (t) = [(b − a) − |t − a − b|] 1[2a,2b] (t)

Montrez que y2 (t) est symétrique par rapport à t = a + b.

√ t2
Exercice 29 On considère xα (t) = e t e− α2 avec α ∈ R.

1. Calculez la dérivée et donnez le tableau de variation de xα (t).

2. Tracez la courbe représentative de xα (t).

30
Chapter 4

Signaux gaussiens, techniques de calcul,

puissance et énergie de signaux
non-périodiques, intégration par partie

4.1 Définition de la transformée de Fourier

La transformée de Fourier peut se calculer à partir d’un signal x(t) grâce à une intégrale
Z +∞
X(ν) = x(t)e−2iπνt dt
−∞

4.2 Transformée de Fourier inverse

La transformée de Fourier inverse transforme X(ν) en x(t).
Z +∞
x(t) = X(ν)ei2πνt dν (4.1)
−∞

Remarque 3 Avec cette écriture, on voit qu’il est possible d’évaluer sans calcul l’intégrale de X(ν), en utilisant que
la valeur du signal en t = 0.
Z +∞
x(0) = X(ν) dν
−∞

4.3 Signaux gaussiens

4.3.1 Définitions des signaux gaussiens
(t−t0 )2
Un signal qui se met sous la forme x(t) = Ae− 2α2 est une gaussienne symétrique par rapport à t0 , A étant ici
une constante. À t = t0 + α ou à t = t0 − α, x(t) ≈ 0.6 max x(t).

4.3.2 Intégrale d’un signal gaussien

t2
On considère x(t) = e− 2σ2 , avec σ > 0. Alors son intégrale est donnée par
Z +∞ √
x(t) dt = 2πσ
−∞

4.3.3 Transformée de Fourier d’un signal gaussien

La transformée de Fourier d’une gaussienne est une gaussienne. En particulier
h 2
i 2
TF e−πt (ν) = e−πν
31
4.3.4 Faire apparaître un terme carré
Une technique de calcul utile en particulier pour les signaux gaussiens est de faire apparaître un terme carré
2
b b2

at + bt + c = a t +
2
+c−a
2a 4a2

4.3.5 Utilisation des fonctions holomorphes pour le calcul des intégrales

Un simple changement de variable sur t permet de montrer que
Z +∞ Z +∞
f (t + t0 ) dt = f (t) dt
−∞ −∞

lorsque cette dernière intégrale est finie.

Cependant pour certaines fonctions dépendant d’une variable z et appelées holomorphes et lorsqu’elles ont cette
propriété pour | Im(z)| < A, on peut alors affirmer que
Z +∞ Z +∞ Z +∞
f (t) dt existe et | Im(z)| < A alors f (t + z) dt = f (t) dt
−∞ −∞ −∞

4.3.6 Définitions des fonctions holomorphes

On appelle les fonctions holomorphes f (z) d’une part des fonctions qui ne sont pas des signaux, au lieu de t, leur
valeur dépend d’un complexe z. D’autre part ces fonctions sont dérivables 1 .

• Des exemples de fonctions holomorphes sont z n pour n entier positif ou nul, exp(z) et aussi 1
z quand z ̸= 0. 2

En revanche |z| et z ∗ ne sont pas des fonctions holomorphes.

• La somme et le produit de fonctions holomorphes sont des fonctions holomorphes.

f1 , f2 holomorphes et α ∈ R ⇒ f1 + f2 , f1 f2 , αf1 holomorphes

• La composition de deux fonctions holomorphes est holomorphe.

f1 holomorphe sur C, f2 holomorphe sur D2 ⊂ C et D1 ⊂ {z ∈ C|f1 (z) ∈ D2 }
⇒ z 7→ f2 (f1 (z)) holomorphe sur D1

4.4 Énergie et puissance

4.4.1 Définition
L’énergie d’un signal x(t) est définie par
Z +∞
Ex = x(t)2 dt (4.2)
−∞

Quand Ex < +∞, on dit que le signal est d’énergie finie et la puissance Px vérifie alors

Px = 0

Formellement

La puissance est définie par

Z T
1 2
Px = lim x(t)2 dt
T →+∞ T −T
2

Et si Px > 0 alors Ex = +∞. Si Ex = 0, alors x(t) est un signal nul (en fait nul sauf en un ensemble dénombrable d’instants).
1
C’est une dérivation particulière au sens où la dérivée partielle de la fonction par rapport à la partie réelle de z est liée à la dérivation
partielle de la partie imaginaire de z.
2
arg(z) et ln(z) sont des exemples de fonctions holomorphes délicats à utiliser et que nous n’utiliserons pas dans ce cours.

32
 Ex

x(t) X(ν)

x(0) X(0)

Figure 4.1: Les flèches bleues joignant une première expression à une deuxième expression indiquent que la deuxième
expression peut être calculée à partir de la première expression.

4.4.2 Interprétation de l’énergie

On considère maintenant deux signaux x(t) et y(t), et on note z(t) = x(t)−y(t). L’énergie Ez d’après l’équation (6.2)
est :
Z +∞
Ez = (x(t) − y(t))2 dt
−∞
√
Ez est appelée l’erreur moyenne quadratique. Plus Ez est faible, plus cela signifie que x(t) est proche de y(t).
Mathématiquement si Ez est nul, cela veut dire que x(t) = y(t) presque partout.

Formellement

Le terme preque partout a un sens mathématique signifiant qu’il peut y avoir une infinité d’exceptions, mais que ces exceptions de
doivent pas avoir d’incidence sur le calcul de l’intégrale.

4.4.3 Égalité de Plancherel

Pour un signal non-périodique, on peut retrouver l’énergie du signal à partir de la transformée de ce signal.
Z +∞
Ex = |X(ν)|2 dν (4.3)
−∞

4.4.4 Schéma
Le schéma de la figure 4.1 exprime en haut que l’on peut calculer l’énergie Ex en utilisant le signal en temps x(t)
ou sa transformée de Fourier avec X(ν). Il exprime au milieu que l’on peut calculer X(ν) à partir de x(t) et aussi
x(t) à partir de X(ν). Il exprime en bas, le fait qu’on peut naturellement déterminer x(0) à partir de x(t) et X(0) à
partir de X(ν), mais aussi x(0) à partir de X(ν) et X(0) à partir de x(t).

4.5 QCM
Pour chaque question il y a une ou plusieurs affirmations vraies, il faut indiquer TOUTES les affirmations vraies
et sur le tableau plus bas, dans la colonne de gauche de chaque question, mettre une croix pour chaque affirmation
considérée comme vraie.
Question 1 On considère x1 (t) = H(t) = 1[0,+∞[ (t) et x2 (t) = Π(t) = 1[− 1 , 1 ] (t). On considère deux autres signaux
2 2
quelconques y1 (t) et y2 (t). On note Ex1 , Ex2 , Ey1 et Ey2 leurs énergies.

A. Ex1 = 1.

B. Ex2 = 1.

C. L’énergie associée à y1 (t) + y2 (t) est

Ey1 +y2 = Ey1 + Ey2

33
 D. Ey1 ≥ 0.

Question 2 A.
Z +∞ Z +∞
−|t+i|
e dt = e−|t| dt
−∞ −∞

B.
Z +∞ Z +∞
e−|t+1| dt = e−|t| dt
−∞ −∞

C.
Z +∞ Z +∞
2 2
e−(t+i) dt = e−t dt
−∞ −∞

D.
Z +∞ Z +∞
2 2
te−(t+i) dt = te−t dt
−∞ −∞

Question 3 A. Pour t ∈ R, t2 + t + 2 = (t + 1)2 + 1

B. Pour t ∈ R, 3t2 + 2t + 1 = 3(t + 13 )2 + 2

3

C. La transformée de Fourier d’un signal x(t) = ae−b|t| est de la forme X(ν) = ce−d|ν|

D. On considère x(t) = 1[−2,2] (t) et on note X(ν) sa transformée de Fourier. On a alors

1
Z +∞
X(ν) dν =
−∞ 4

Question 4 On considère x(t), y(t) et z(t) trois signaux définis par


 2 si |t| < 1

x(t) = 1[−2,−1] (t) + 1[1,2] (t) et y(t) = 1[−1,1] (t) et z(t) = 1 si 1 ≤ |t| < 2
 0 si 2 ≤ |t|


On note X(ν), Y (ν) et Z(ν) leurs transformées de Fourier et Ex , Ey , Ez leurs énergies.

A. Ez = Ex + 2Ey

B. Z(ν) = X(ν) + 2Y (ν)

C.
Z +∞
X(ν) dν = 0
−∞

D. Ex = 0
2
Question 5 On considère deux signaux x(t) = e−2t et y(t) = x(t − 1). On note X(ν) et Y (ν) leurs transformées de
Fourier. On utilise le fait que
Z +∞
t2 √
e− 2σ2 dt = 2πσ
−∞
√
A. X(0) = 2π.
√
π
B. Ex = 2 .

34
 C. Y (0) = X(0).

D. Ey = Ex .

1 2 3 4 5
A c c c c c NOTE
B c c c c c 4×#V = 4× =
C c c c c c 2×#M = 2× = =
D c c c c c 1×#̸ M = 1× =
0×#N = 0× =
V,M,̸ M ou, N

4.6 Exercices
Exercice 30 On considère un signal défini par
t2
y(t) = e− 2

Représentez graphiquement y t


2

Exercice 31 Ce signal est une succession de segments joignant les instants t = 0, 2, 3: x(0) = 0, x(2) = 1, x(3) = 0.
Ce signal est nul pour t ≤ 0 et pour t ≥ 3. Ce signal a déjà été étudié lors de l’exercice 2 (p. 12). Calculez l’énergie
Ex .

Exercice 32 Calculez l’énergie du signal x(t) = e−t 1R+ (t)

Exercice 33 On définit Π(t) = 1[− 1 , 1 ] (t). On considère deux signaux x1 (t) et x2 (t) définis par
2 2

t d
 
x1 (t) = tΠ et x2 (t) = x1 (t)
2 dt
Ces signaux x1 (t) et x2 (t) ont été étudiés dans l’exercice 11 (p. 20). Calculez Ex1 et Ex2

Exercice 34 On considère x1 (t) = e−t 1R+ (t) et x2 (t) = x1 (t − 1), déjà étudiés dans l’exercice 12 (p. 20). Calculez
l’énergie de x2 (t) notée Ex2 .

Exercice 35 On suppose avoir déjà calculé que

Z +∞
dt
=π
−∞ 1 + t2

1. Montrez que la fontion z 7→ 1

z 2 +1
est une fonction holomorphe sauf en z = i ou z = −i.

2. Montrez que
Z +∞
dt
=π
−∞ 1 + (t + 2i )2

2
Exercice 36 On considère x(t) = e−πt . On sait que pour tout σ > 0,
Z +∞
t2 √
e− 2σ2 dt = 2πσ
−∞

Montrez que l’énergie Ex = √1 .

2

√ t2 t2 t2
Exercice 37 On considère xα (t) = ete− α2 . On remarque aussi qu’une primitive de te−2 α2 est − α4 e−2 α2 . En
2

utilisant une intégration par partie, montrez que

√
eα3 2π
Exα =
8
35
 2
Exercice 38 On considère le signal x(t) = e−πt pour t ∈ R, et on veut calculer sa transformée de Fourier notée
X(ν).
1. Montrez que
Z +∞
−πν 2 2
X(ν) = e e−π(t+iν) dt
−∞

2. Montrez que
Z +∞
−πν 2 2
X(ν) = e e−πt dt
−∞

3. Sachant que pour tout σ > 0,

Z +∞
−t2 √
e 2σ2 dt = 2πσ
−∞
2
montrez que X(ν) = e−πν .
Exercice 39 On considère un signal x(t) dont l’énergie Ex est finie. Montrez qu’alors
1
Z T
lim |x(t)|2 dt = 0
T →+∞ 2T −T
Cette expression est ce qu’on appelle la puissance.
Exercice 40 On considère le signal x(t) = H(t)e−2πt avec H(t) = 1R+ (t).
1. Montrez que X(ν) = 1+iν 2π .
1 1

2. En utilisant x(t), montrez que Ex = 4π .

1

3. En utilisant X(ν), montrez que

1
Z +∞
dν
Ex =
4π 2 −∞ 1 + ν2
4. Déduisez que
Z +∞
dt
=π
−∞ 1 + t2
Exercice 41 On considère deux paramètres fixes et différents notés a, b avec a ̸= b et a > 0, b > 0. On considère
deux signaux.
√ √
xa (t) = ae−ta H(t) et xb (t) = be−tb H(t)
avec H(t) = 1[0,+∞[ (t).
Montrez que xa (t) et xb (t) ont la même énergie
Exa = Exb = 2
Exercice 42 On considère x(t) = e−αt 1R+ (t) avec α > 0. Calculez Ex à partir de x(t) et montrez que Ex = 2α .
1

Exercice 43 On définit un signal x(t) déjà étudié dans l’exercice 1 et 9 (p. 11, p. 19) par
0 si t ≤ −1




2 si t ∈ [−1, 0[







 2−t si t ∈ [0, 1[


x(t) =


 t si t ∈ [1, 2[


2 si t ∈ [2, 3[






0 si t ≥ 3



Calculez son énergie Ex et montrez que Ex = 12 + 32 .

36
Chapter 5

Signaux périodiques, sinus cardinaux et

transformées de Fourier de fonctions portes,
propriétés de la transformée de Fourier,
relations trigonométriques, distribution Dirac

5.1 Distribution Dirac

Dans le cadre de ce cours, on considère aussi des signaux qui ne sont pas modélisés par des fonctions. Notamment
on considère le cas où

x(t) = δ(t)

Mathématiquement on définit en général δ(t − t0 ) avec ces propriétés

• Pour f une fonction, on a

f (t)δ(t − t0 ) = f (t0 )δ(t − t0 )

• La valeur de l’intégrale ne dépend que de f (t0 )

Z +∞
f (t)δ(t − t0 ) dt = f (t0 ) (5.1)
−∞

La définition contenue dans l’équation (5.1) implique par exemple que

(
1 si 0 ∈ [a, b]
Z b
δ(t) dt =
a 0 sinon

Remarque 4

TF [δ(t)] (ν) = 1

Remarque 5 Cette distribution est paire au sens où multipliée par une fonction de t, la valeur résultante n’est pas
modifiée lorsqu’on remplace dans cette fonction t par −t.
Z +∞ Z +∞
δ(t)f (t) dt = δ(t)f (−t) dt
−∞ −∞

Exemple 5 Le signal symétrique de x(t) = δ(t − 2) est δ(t + 2)

x(−t) = δ(−t − 2) = δ(t + 2) du fait de ce que δ(−t) = δ(t)

37
5.2 Trigonométrie
• Valeurs
√ √
sin(0) = 0 sin( π6 ) = 1
2 sin( π4 ) = 2
2
sin( π6 ) = 2
3
sin( π2 ) = 1
√ √
cos(0) = 1 cos( π6 ) = 2
3
cos( π4 ) = 2
2
cos( π6 ) = 1
2 cos( π2 ) = 0

• sin est impair, cos est pair.

• d
dt sin(t) = cos(t) et d
dt cos(t) = − sin(t)

• cos(a + b) = cos a cos b − sin a sin b et sin(a + b) = sin a cos b + sin b cos a

• Relation entre le doublement de l’angle et le carré des termes

cos 2θ = cos2 θ − sin2 θ et sin 2θ = 2 sin θ cos θ

cos2 θ + sin2 θ = 1 et cos2 θ = 21 + 12 cos 2θ

cos2 θ signifie en fait (cos(θ))2 .

• Relation entre un exponentielle complexe et les fonctions trigonométrique

   
cos θ = ℜe eiθ et sin θ = Im eiθ

• tan θ = sin θ
cos θ

5.3 Exemples de signaux

5.3.1 Signaux périodiques
Un signal périodique de période T est un signal vérifiant x(t) = x(t + T ). On remarque que le fait de retarder ou
avancer un signal ne change pas le fait qu’il soit périodique et ne change pas la valeur de la période. En revanche le
fait de dilater l’échelle des temps augmente d’autant la période.

Formellement

Considérant x(t) périodique de période T , on appelle représentant d’un signal sur l’intervalle [0, T [, le signal défini par

xT (t) = x(t)1[0,T [ (t) (5.2)

xT (t) n’est pas un signal périodique, mais il est possible de retrouver le signal x(t) périodique à partir de xT (t) en superposant les
différentes périodes.
+∞
X
x(t) = xT (t − kT ) (5.3)
k=−∞

Remarque 6 En traitement du signal, on est souvent amené à calculer l’intégrale sur une période d’un signal péri-
odique. Une astuce permettant parfois de simplifier les calculs consiste à calculer cette intégrale sur une période en
choisissant un instant particulier, en effet le résultat de ce calcul ne dépend pas du choix de l’instant de départ.
Z T Z a+T
∀a, x(t) dt = x(t) dt
0 a

Une application particulière de cette idée est que

1 1
Z T Z T /2
−i2π kt kt
x(t)e T dt = x(t)e−i2π T dt
T 0 T −T /2

38
5.3.2 Sinusoïdes
On appelle une sinusoïde x(t) = a cos(2πf0 t + φ). Elle est périodique de période f10 . On remarque que la
modification de φ correspond au fait d’avancer ou retarder le signal et le fait de modifier f0 correspond à une
dilation/contraction de l’échelle des temps.

5.3.3 Sinus cardinaux

On définit
sin(x)
sinc(x) =
x
sinc(πt) est pair et contient un lobe principal au centre de taille 2, tous ses autres lobes sont de tailles 1. Le
premier lobe est positif, les autres se suivent en alternant les signes. Les limites en t → +∞ et en t → −∞ sont
nulles.
Un descripteur parfois utilisé pour ce type de signaux est la durée amenant à la première annulation.
 
x t(max) + ∆t(nul) = 0

De façon un peu formelle,

∆t(nul) = min {τ > 0 |x(tmax + τ ) = 0 }

Remarque 7 La transformée de Fourier d’une fonction porte peut s’exprimer avec un sinus cardinal
h i
TF 1[− 1 , 1 ] (t) (ν) = sinc(πν)
2 2

Figure 5.1: Représentation d’un sinus cardinal

Exemple 6 La figure 5.1 représente |X(ν)| = | sinc(πν)|.

nu=-3:1e-3:3;
ind=find(nu~=0);
X=ones(size(nu));
X(ind)=abs(sin(pi*nu(ind)))./abs(nu(ind))/pi;
figure(1); plot(nu,X,'LineWidth',2);

39
5.4 Propriétés de la transformée de Fourier vis-à-vis de l’intégration et de la
dérivation
5.4.1 Intégration et dérivation d’un signal
Intégrer ou dériver un signal amène à définir un nouveau signal à partir d’un premier signal.
Étant donné un signal x(t), on définit le fait de l’intégrer par
Z t
y(t) = x(τ ) dτ
−∞
Si le signal x(t) est nul pour t < 0, alors on peut remplacer la borne inférieure de l’intégrale par 0.
À titre d’exemple, on constate que
Rt
 H(t) = −∞ δ(τ ) dτ

Rt
 tH(t) = −∞ H(τ ) dτ

Étant donné un signal x(t), on définit le fait de le dériver par

d
y(t) =
x(t)
dt
Lorsqu’on intègre un signal et qu’on le dérive ensuite, on retrouve le signal départ. Aussi, on retrouve les exemples
précédents.
 δ(t) = dt H(t)
 d

 H(t) = dt
d
tH(t)

Plus généralement, lorsqu’on a un signal qui est une porte sur un intervalle, la dérivée est une différence entre
deux Dirac.
d
1 (t) = +δ(t − a) − δ(t − b)
dt [a,b]
Le signe est positif sur le front montant et négatif sur le front descendant.
Remarque 8 Il n’est pas tout à fait exact que le fait d’intégrer soit l’opération inverse de la dérivation, parce qu’il
existe différents types de signaux qui ont la même dérivée. En fait ces différents signaux ne se distinguent que par
l’ajout d’une constante.
La notation consistant à dériver plusieurs fois, par exemple n fois, est
dn
x(t)
dtn
Remarque 9 Il existe une ambiguïté dans la notation de la dérivée d’un signal illustré par l’exemple suivant.
d
x(2t) pour t = 1
dt
Cette expression peut s’interprêter comme l’évaluation de la dérivée du signal en t = 2, mais dans le cadre de ce cours
on interprête cette expression comme la dérivée de la fonction composée t 7→ 2t puis t 7→ x(t) en t = 1. Dans le cadre
de ce cours les énoncés utiliseront la notation qui suit pour la première interprétation
d
x(τ )
dτ τ =2
et la notation suivante pour la deuxième interprétation
d
x(2t)
dt t=1
Remarque 10 La dérivation change la parité d’un signal.
• Si s(t) est pair alors d
dt s(t) est impair.
• Si s(t) est impair alors d
dt s(t) est pair.
Il est possible que d
dt s(t) soit pair ou impair, bien que s(t) ne soit ni pair ni impair.
40
5.4.2 Propriété de la transformée de Fourier
Intégrer un signal, c’est diviser sa transformée de Fourier par 2iπν. Dériver un signal, c’est multiplier sa trans-
formée de Fourier par 2iπν.
 n
d

TF n
x(t) (ν) = (2iπν)n TF [x(t)] (ν) (5.4)
dt
Cette propriété peut aider à calculer la transformée de Fourier de signaux obtenus par dérivation ou intégration.
Il se trouve que la transformée de Fourier inverse a une propriété assez similaire
 n
d

TF -1
X(ν) (t) = (−2iπt)n TF-1 [X(ν)] (t) (5.5)
dν n
Cette propriété peut aider à calculer la transformée de Fourier de signaux obtenus par multiplication ou division par
t.

Remarque 11 De même l’équation (5.5) permet parfois de remplacer une intégration par partie. L’exemple considéré
ici est un signal x(t) = e−λt 1[0,+∞[ (t) avec λ > 0. Et on cherche à calculer la transformée de Fourier de y(t) = tx(t).
Les transformées de Fourier de ces deux signaux sont notés X(ν) et Y (ν). On suppose avoir déjà calculé X(ν) =
λ+2iπν . On applique ensuite l’intégration par partie
1

#+∞
1 1
"
e−λt e−i2πνt
Z +∞ Z +∞ −λt −i2πνt
−λt −i2πνt e e
Y (ν) = te e dt = t − dt = 0 + X(ν) =
0 −λ − i2πν 0 0 −λ − i2πν λ + 2iπν (λ + 2iπν)2

Au lieu de ce calcul qui suppose qu’on utilise la primitive de x(t)e−2iπνt , l’équation (5.4) permet d’affirmer que

1 1 d 1 −2iπν 1
Y (ν) = TF[(−2iπt)x(t)](ν) = X(ν) = × =
−2iπ −2iπ dν −2iπ (λ + 2iπν)2 (λ + 2iπν)2

Remarque 12 L’équation (5.4) permet parfois de remplacer une intégration par partie. Soit x(t) un signal ayant
une limite nulle quand t → −∞ et dont la dérivée est notée y(t) = dt
d
x(t). On note X(ν) et Y (ν) leurs transformées
Rt
de Fourier. L’intégration par partie permet d’évaluer X(ν) en fonction de Y (ν), en effet x(t) = −∞ x(τ ) dτ .
Z +∞ Z +∞ Z +∞
−i2πνt
h
−i2πνt
i+∞ d
Y (ν) = y(t)e dt = x(t)e − x(t) e−i2πνt dt = i2πν x(t)e−i2πνt dt = 2iπνX(ν)
−∞ −∞ −∞ dt −∞

L’expression entre crochet est nulle parce que pour que l’intégrale soit définie, il faut que les limites en −∞ et en +∞
soient nulles.
L’équation (5.5) permet d’obtenir le résultat plus simplement.

d
 
Y (ν) = TF x(t) (ν) = 2iπν TF[x(t)](ν) = 2iπνX(ν)
dt

Remarque 13 L’équation (5.4) a un sens pour n = −1, plus précisément elle devient

1
Z t 
TF x(τ ) dτ (ν) = TF [x(t)] (ν) + Aδ(ν)
−∞ 2iπν
avec A une constante.
L’équation (5.5) a un sens pour n = −1, plus précisément elle devient
1
TF-1 [Y (ν)] (t) = TF-1 [X(ν)] (t) + Aδ(t)
−2iπt

avec X(ν) = d
dν Y (ν) et A un constante.

41
 Figure 5.2: Courbe représentative de x(t) relative à la question 5.2.

Figure 5.3: Courbe représentative de x(t) relative à la question 2.

5.5 QCM
Pour chaque question il y a une ou plusieurs affirmations vraies, il faut indiquer TOUTES les affirmations vraies
et sur le tableau plus bas, dans la colonne de gauche de chaque question, mettre une croix pour chaque affirmation
considérée comme vraie.

Question 1 On considère un signal x(t) décrit par la courbe représentative montrée sur la figure 5.2.

A. x(t) est périodique de période 1.

B. x(t) = 2 sin( 2t ).

C. d
dt x(t) est pair.

D. x(t) est maximal en t = 12 .

42
Question 2 On considère un signal x(t) décrit par la courbe représentative montrée sur la figure 5.3. On considère
y(t) = x(2t).
A. x(t) est pair

B. x(t) = sinc( √t2 ).

C. Les lobes de y(t) sont plus grands.

D. x(t) est périodique.

Question 3 Voici un ensemble d’affirmations.

t2 t2
A. Si x(t) = e− 2 alors d
dt x(t) = te− 2 .

B. Si x(t) = cos2 (2πν0 t) alors d

dt x(t) = − 12 4πν0 sin(4πν0 t)

C.
1 1
cos(2πν0 t) cos(2πν1 t) = cos(2π(ν0 + ν1 )t) − cos(2π(ν0 − ν1 )t)
2 2
√
D. cos( π8 ) = 3

Question 4 On considère x(t) un signal non-périodique et on note X(ν) sa transformée de Fourier et Px sa puissance.
A. Si x(t) = δ(t − 1), alors |X(ν)| = 1

B.
Z +∞
Px = |X(ν)|2 dν
−∞

C.
Z +∞
X(ν) = x(t)e2iπνt dt
−∞

D. Si x(t) = 1[0,1] (t) alors X(ν) = sinc(πν).

Question 5 On considère un signal x(t) = 1[− 1 , 1 ] (t), sa transformée de Fourier est X(ν) = sinc(πν).
2 2
h i
A. TF 1[0,1] (t) (ν) = sinc(πν)e−iπν
sin(π ν4 )
h i
B. TF 1[−2,2] (t) (ν) = πν pour ν ̸= 0.

C.

TF [x(t) sin(2πt)] (0) = 0

D.
1 1 1 1
    
TF δ t+ − δ t− (ν) = 2i sin(πν)
2 2 2 2

1 2 3 4 5
A c c c c c NOTE
B c c c c c 4×#V = 4× =
C c c c c c 2×#M = 2× = =
D c c c c c 1×#̸ M = 1× =
0×#N = 0× =
V,M,̸ M ou, N

43
5.6 Exercices
Exercice 44 On considère α ∈ [0, 1[ et un signal xα (t) défini par
• xα (t) est périodique de période 1
• Pour t ∈ [0, α[, xα (t) = 1
• Pour t ∈ [α, 1[, xα (t) = 0
On considère yα (t) = xα (t − 21 ).
1. Tracez les graphes de xα (t) et yα (t) pour t ∈ [−2, 2] en séparant les cas α ≤ 1
2 et α > 12 .
2. Tracez les graphes de xα (0) et yα ( 21 ) pour α ∈ [0, 1[.
3. Tracez les graphes de xα ( 21 ) et yα (0) pour α ∈ [0, 1[.
4. Montrez que
• si α ≤ 21 , yα (t) = 1[ 1 ,α+ 1 ] (t) pour t ∈ [0, 1]
2 2

• si α ∈] 12 , 1[, yα (t) = 1[0,α− 1 ] (t) + 1[ 1 ,1] (t) pour t ∈ [0, 1]

2 2

Exercice 45 On définit un signal x(t) déjà étudié dans l’exercice 1 et 9 (p. 11, p. 19) par
0 si t ≤ −1




2 si t ∈ [−1, 0[







 2−t si t ∈ [0, 1[


x(t) =


 t si t ∈ [1, 2[


2 si t ∈ [2, 3[






0 si t ≥ 3



1. En observant que x(0) = 2, montrez que

Z +∞
X(ν) dν = 2
−∞

2. En s’inspirant de l’exercice 43 (p. 36), montrez que

2
Z +∞
|X(ν)|2 dν = 12 +
−∞ 3

3. En s’inspirant de l’exercice 9, représentez graphiquement TF−1 [ℜe(X(ν)] (t)

Exercice 46 On définit un signal x(t) déjà étudié dans les exercices 1, 9, 18 et 45 (p. 11, p. 19, p. 21, p. 44) par
0 si t ≤ −1




2 si t ∈ [−1, 0[







 2−t si t ∈ [0, 1[


x(t) =


 t si t ∈ [1, 2[


2 si t ∈ [2, 3[






0 si t ≥ 3



Dans l’exercice 18 montrant le calcul de X(ν), il manquait une étape. On pose xb (t) = t1[0,1] (t) et Xb (ν) =
TF [xb (t)] (ν), montrez que
(1 + 2iπν)e−2iπν − 1
Xb (ν) =
4π 2 ν 2
44
Exercice 47 On définit Π(t) = 1[− 1 ,− 1 ] (t). Calculez et représentez graphiquement dt (tΠ(t))
d
2 2

Exercice 48 On définit Π(t) = 1[− 1 , 1 ] (t). On considère deux signaux x1 (t) et x2 (t) définis par
2 2

t d
 
x1 (t) = tΠ et x2 (t) = x1 (t)
2 dt

Sa représentation graphique a été étudiée dans l’exercice 11 (p. 20).

1. Représentez graphiquement x2 (t).

2. Calculez X1 (0) et X2 (0)

Exercice 49 On définit Π(t) = 1[− 1 ,− 1 ] (t) et signe(t) = 1R+ (t) − 1R− (t) On considère un signal x1 (t)
2 2

t 1 t
q     
x1 (t) = |t|Π +p 1−Π
2 |t| 2

Sa représentation graphique a déjà été étudiée dans l’exercice 14 (p. 20). On considère x2 (t) = dt x1 (t).
d

1. Représentez graphiquement x2 (t).

2. Exprimez x2 en fonction de Π et signe.

45
Chapter 6

Signaux à valeurs complexes, approximation,

temps moyen

6.1 Temps moyen

Pour un signal à valeurs complexes, on définit le temps moyen
R +∞
t|x(t)| dt
< t >= R−∞
+∞
−∞ |x(t)| dt

6.2 Propriété de la transformée de Fourier adaptées aux signaux à valeurs

complexes
On considère maintenant des signaux x(t) à valeurs complexes et non seulement à valeurs réeles.

6.2.1 Conjugé d’un complexe

Étant donné un complexe z, on définit le conjugué d’un complexe
z ∗ = ℜe(z) − i Im(z)
La définition des complexes est rappelée dans la section (2.3).

6.2.2 Parité
Il devient faux d’affirmer que |X(ν)| est pair et arg(X(ν)) est impair. En fait quand on voit un spectre non-
symétrique par rapport à la fréquence nulle, cela signifie que le signal en temps n’est pas à valeurs réels.

Formellement

L’équation mentionnée en section 2.4.2 est modifiée en deux équations

TF[x(−t)](ν) = X(−ν) et TF[(x(t))∗ ](ν) = (X(−ν))∗ (6.1)

Exemple 7 Pour illustrer ces notions, on considère le signal complexe défini par
x(t) = e2iπt 1[0,1] (t)
Sa transformée de Fourier a pour module un sinus cardinal centré en ν = 1, qui n’est donc pas un spectre pair,
précisément parce que x(t) n’est pas à valeurs réels.
sin(πν) −iπν
X(ν) = e
π(1 − ν)
Après calcul, on a bien
TF[x(−t)](ν) = X(−ν) et TF[x(t)∗ ](ν) = (X(−ν))∗
46
6.2.3 Formule de l’énergie modifiée
Pour un signal non-périodique, l’énergie d’un signal x(t) est définie par
Z +∞
Ex = |x(t)|2 dt (6.2)
−∞

De plus quand Ex n’est pas infini, la puissance est nulle

Ex < +∞ ⇒ Px = 0 (6.3)

D’une façon générale, là où pour un signal réel, il y avait (x(t))2 , on met maintenant |x(t)|2 .

6.2.4 Modulation d’un signal et transformée de Fourier

On considère un signal x(t), dont la transformée de Fourier est X(ν). Si on le multiplie par cos(2iπν0 t) alors sa
transformée de Fourier devient 21 X(ν − ν0 ) + 12 X(ν + ν0 ). En pratique, il est plus simple de retenir que
h i
TF x(t)ei2πν0 t (ν) = TF [x(t)] (ν − ν0 )

Il est possible de retrouver la formule précédente à partir de cette formule.

6.3 Approximation de signaux

6.3.1 Définition d’un produit scalaire
Pour les signaux d’énergie finie (Ex < +∞), on définit
Z +∞
< x(t), y(t) >= Exy = x(t)(y(t))∗ dt
−∞

Pour les signaux périodiques de période T , on définit

1
Z T
< x(t), y(t) >= Pxy = x(t)(y(t))∗ dt (6.4)
T 0

6.3.2 Qualificatifs
• x(t) est un signal normé signifie que

< x(t), x(t) > = 1

• x(t) et y(t) sont orthogonaux signifie que

< x(t), y(t) > = 0

• Les interférences entre les signaux x(t) et y(t) sont constructives si

< x(t), y(t) > > 0

• Les interférences entre les signaux x(t) et y(t) sont destructives si

< x(t), y(t) > < 0

47
6.3.3 Utilisation d’une base de fonctions
Les N signaux e1 (t), e2 (t), . . . , eN (t) forment une base orthonormée si les signaux sont normés et orthogonaux
entre eux.

Formellement

∀i, < ei (t), ei (t) >= 1 et ∀i ̸= j, < ei (t), ej (t) >= 0

b(t) est une approximation de x(t) définie par

x

b(t) = α1 e1 (t) + α2 e2 (t) + . . . + αN eN (t)

x

Les coefficients α1 , α2 , . . . , αN sont calculés à partir de x(t).

α1 =< x(t), e1 >






 α2 =< x(t), e2 >



..
.






=< x(t), eN >

 α
N

Formellement

On a aussi que la puissance ou l’énergie de x(t) − x

b(t) est inférieure à la puissance ou l’énergie de x(t) suivant que le signal est périodique
ou d’énergie finie. Compte tenu de l’interprétation faite en section 4.4.2, cette moindre différence témoigne de ce que x b(t) est plus proche
de x(t) que x(t) ne l’est du signal nul.

6.3.4 Interprétation géométrique

6.4 QCM
Pour chaque question il y a une ou plusieurs affirmations vraies, il faut indiquer TOUTES les affirmations vraies
et sur le tableau plus bas, dans la colonne de gauche de chaque question, mettre une croix pour chaque affirmation
considérée comme vraie.

Question 1 On cherche à approximer x(t) = sin(πt)1[0,2] (t) avec e1 (t) = 1[0,1] (t) et e2 = 1[1,2] (t). On note x
b(t) =
αe1 (t) + βe2 (t).

A. 1[0,1] (t) et 1[1,2] (t) sont orthogonaux pour l’énergie.

B. x(t) = 2t1[0,1] (t) est un signal de norme 1 pour la puissance, (c’est-à-dire, sa puissance, Px vaut 1).

C. α et β sont de mêmes signes.

D. α = π2 .

Question 2 On considère un signal x(t) = 1[0,1] (t), sa transformée de Fourier est X(ν).

A. TF[tx(t)](ν) = −1 d
2iπ dν X(ν)
hR i
t
B. TF −∞ x(τ ) dτ (ν) = 1
2iπν X(ν) + Aδ(ν) avec A une constante.
h i
C. TF d
dt x(t) (ν) = 1
2 − 12 e−2iπν

D. TF [x(t) − x(t − 1)] (ν) = 1 − e−iπν X(ν)

48
Question 3 On considère les signaux x(t), y(t) et z(t) définis par
π
x(t) = 1[−1,0] (t)e−i 2
y(t) = 1[−1,1] (t)
π
z(t) = 1[0,1] (t)ei 2

A. x(t) est de norme 1 pour l’énergie.

B. y(t) est de norme 1 pour l’énergie.

C. x(t) et y(t) sont orthogonaux pour l’énergie.

D. x(t) et z(t) sont orthogonaux pour l’énergie.

Question 4 On considère les signaux x(t), y(t) et z1 (t), z2 (t) définis par
Rt
= e−t 1[0,+∞[ (t) X(0) = 1 F (t) = −∞ τ x(τ ) dτ = 1 − (1 + t)e−t 1[0,+∞[ (t)



 x(t)



 √  2

− t2
 2 π Rt
= e−t 1[0,+∞[ (t) Y (0) = G(t) = −∞ τ y(τ ) dτ = 1
1−e 1[0,+∞[ (t)

 y(t)

2 2

z1 (t) = 1[0,1] (t)








 z2 (t) = t1[0,1] (t)



On note X(ν), Y (ν), Z1 (ν) et Z2 (ν) leurs transformées de Fourier. On note tx , ty , tz1 et tz2 les temps moyens
associés à ces différents signaux.

A. tx = 1

B. ty = √2
π

C. tz1 = 1
2

D. tz2 = 1
3

Question 5 On considère les signaux périodiques de période 1, x(t) = cos(2πt), y(t) = cos(2πt + π4 ). On considère
le produit scalaire au sens de la puissance défini pour ces signaux périodiques de période 1, par
Z 1
< x(t), y(t) >= x(t)(y(t))∗ dt
0

A. y(t) = x(t − 87 )

B. y(t) est de norme 1.

C. x(t) et y(t) ont des interférences destructives.

D. x(t) et x(t + 12 ) sont orthogonaux.

1 2 3 4 5
A c c c c c NOTE
B c c c c c 4×#V = 4× =
C c c c c c 2×#M = 2× = =
D c c c c c 1×#̸ M = 1× =
0×#N = 0× =
V,M,̸ M ou, N

49
6.5 Exercices
Exercice 50 On considère un ensemble de signaux xn (t) = (it)n 1[−1,1] (t) avec n ∈ N. Leurs transformées de Fourier
sont notées Xn (ν).

1. Calculez Xn (0) et montrez que

si n = 4k

2
n+1




 0 si n = 4k + 1



Xn (0) =


2
− n+1 si n = 4k + 2


 0 si n = 4k + 3




2. Calculez le temps moyen de xn

1
Z +∞ Z +∞
< tn >= t|xn (t)| dt et In = |xn (t)| dt
In −∞ −∞

et montrez que < tn >= 0.

3. Calculez l’énergie et la puissance de xn et montrez que Exn = 2

2n+1 et Pxn = 0.

Exercice 51 On considère e1 (t), e2 (t) et x(t) des signaux périodiques de période 1.

e1 (t) = 1



1 1


Pour t ∈ [− , [, e2 (t) = signe(t)
2 2 
= t1[0, 1 ] (t)

 x(t)

2

1. Montrez que e1 (t) et e2 (t) sont orthogonaux pour la puissance.

2. Montrez que e1 (t) et e2 (t) sont de norme 1 pour la puissance.

3. Trouvez α et β tels que x

b(t) approche le mieux x(t) sachant que

b(t) = αe1 (t) + βe2 (t)

x

Montrez que α = 1
8 et β = 18 .

4. Représentez graphiquement x(t), x

b(t), e1 (t) et e2 (t).
2
Exercice 52 On considère x(t) = e−πt eit . Montrez en vous inspirant de l’exercice 36 (p. 35) que l’énergie Ex = √1 .
2

2
Exercice 53 On considère le signal x(t) = e−πt cos(t) Il est souhaitable d’utiliser l’exercice 52 (p. 50).  Vous1 pouvez

aussi utiliser le fait que cos2 (t) = 21 + 21 cos(2t) = 12 + 21 ℜe(e2it ). Montrez que l’énergie est Ex = 2√
1
2
1 + e − 2π
.

Exercice 54 On considère le signal

r
α −αt2 iω0 t
x(t) = e e
π
2 2
avec α > 0 et ω0 ∈ R. Par ailleurs on sait que pour xr (t) = e−πt , Xr (ν) = e−πν .
q q
1. On définit x1 (t) = xr (t) π.
α
Montrez que X1 (ν) = Xr (ν) π.
α

π2
q 2
2. On définit x2 (t) = x1 ( α
π t). Montrez que X2 (ν) = e− α ν .

50
 3. On définit x3 (t) = x2 (t)eiω0 t , montrez que
π2
X(ν) = e− α (ν− 2π )
ω0 2

Exercice 55 On considère un signal complexe y(t) = 1

t+i pour t ∈ R. On cherche un spectre de la forme Y (ν) =
ae−bν H(ν) où H(ν) = 1R+ (ν).

1. En utilisant la valeur y(0) = 1i , montrez que a

b = 1i .

2. Sachant que
Z +∞
dt
=π
−∞ t2 +1
montrez en calculant Ey que

|a|2
=π
2ℜe(b)

On peut en effet remarquer que

e−bν = e−ℜe(b)ν e−i Im(b)ν

|a|2
3. On suppose maintenant que Im(b) = 0. Montrez que les deux conditions précédentes, a
b = 1
i et 2ℜe(b) = π
entraînent que

Y (ν) = H(ν)e−2πν (−2iπ)

En appliquant la transformée de Fourier inverse à Y (ν), montrez qu’on retrouve y(t).

51
Chapter 7

Puissance et énergie d’un signal périodique,

valeur moyenne d’un signal périodique,
coefficients de la série de Fourier, valeur à
gauche et à droite, parité, représentation

7.1 Puissance et énergie d’un signal périodique

On considère x(t) un signal réel périodique de période T . Son énergie est infinie

Ex = +∞

Sa puissance est finie

1
Z T
Px = (x(t))2 dt
T 0

Lorsque le signal est complexe, la puissance se calcule avec

1
Z T
Px = |x(t)|2 dt (7.1)
T 0

7.2 Transformées de Fourier des signaux périodiques

Convention 1 On utilise les notations suivantes.

• N désigne les entiers positifs ou nuls.

• N∗ désigne les entiers strictement positifs.

• Z désigne les entiers positifs, nuls ou négatifs. Ces entiers sont dits relatifs.

• Z∗ désigne les entiers non-nuls, positifs ou négatifs.

On suppose ici que le signal est périodique de période T . Sa transformée de Fourier est une succession de raies
qui sont modélisés par une suite de complexes notés Xk . Pour chaque valeur de k, il y a une fréquence notée νk .
k
νk = (7.2)
T
Ainsi les fréquences fk sont espacées de T1 c’est-à-dire l’inverse de la période. Plus cette période augmente, plus les
raies se rapprochent les une des autres. k est un entier relatif (k ∈ Z).
Pour une sinusoïde, x(t) = a sin(2πν0 t + φ), sa transformée de Fourier contient uniquement deux raies en ν0 = T1
et en −ν0 = − T1 qui sont décrits par X1 et X−1 . Les autres coefficients Xk sont nuls y compris X0 = 0.

52
7.3 Valeur moyenne des signaux périodiques
Le coefficient de la transformée de Fourier X0 est la valeur moyenne d’un signal, elle est notée aussi < x(t) >.

1
Z T
X0 = x(t) dt (7.3)
T 0

Ce coefficient s’appelle aussi composante continue.

Remarque 14 Quand un signal est non-périodique, on définit la valeur moyenne de ce signal

T
1
Z
2
< x(t) >= lim x(t) dt
T →+∞ T − T2

7.4 Valeurs à gauche et à droite

En mathématique, on distingue les fonctions dites continues, des fonctions discontinues. Dans ce cours, les signaux
sont parfois des fonctions continues (exponentielles, sinusoïdes) et parfois des fonctions discontinues (porte, certains
signaux périodiques).
On définit la valeur à gauche de t0 d’un signal

x(t−
0 ) = lim x(τ )
τ →t−
0

Il s’agit de la limite de la fonction τ 7→ x(τ ) lorsque τ < t0 .

De même on définit la valeur à droite de t0 d’un signal

0 ) = lim x(τ )
x(t+
τ →t+
0

Il s’agit de la limite de la fonction τ 7→ x(τ ) lorsque τ > t0 .

En pratique pour calculer ces valeurs à gauche et à droite, on se retrouve le plus souvent dans ces cinq cas de
figures.

• Le signal x(t) est une fonction continue en t0 et dans ce cas les valeurs à gauche et à droite sont simplement
celles du signal en t0

x(t−
0 ) = x(t0 ) = x(t0 )
+

• Le signal x(t) est une fonction porte commençant en t0 éventuellement ajoutée à une fonction continue, dans
ce cas la valeur à gauche ne tient pas compte de la fonction porte, tandis que la valeur à droite en tient compte.

On suppose que x(t) = f (t) + A1[a,b] (t) alors x(t−

0 ) = f (t0 ) et x(t0 ) = f (t0 ) + A
+

avec t0 = a et f (t) continue en t0 .

• Le signal x(t) est une fonction porte finissant en t0 éventuellement ajoutée à une fonction continue, dans ce
cas la valeur à gauche tient compte de la fonction porte, tandis que la valeur à droite n’en tient pas compte.

On suppose que x(t) = f (t) + A1[a,b] (t) alors x(t−

0 ) = f (t0 ) + A et x(t0 ) = f (t0 )
+

avec t0 = b et f (t) continue en t0 .

• x(t) est une fonction périodique de période T et est égale à une fonction f continue sur l’intervalle ]t0 , t0 + T [.
Dans ce cas la valeur à gauche de t0 est f (t0 + T ) et la valeur à droite de t0 est f (t0 ).

• x(t) est une fonction périodique de période T et est égale à une fonction f continue sur l’intervalle ]t0 − T, t0 [.
Dans ce cas la valeur à gauche de t0 est f (t0 ) et la valeur à droite de t0 est f (t0 − T ).

53
7.5 QCM
Pour chaque question il y a une ou plusieurs affirmations vraies, il faut indiquer TOUTES les affirmations vraies
et sur le tableau plus bas, dans la colonne de gauche de chaque question, mettre une croix pour chaque affirmation
considérée comme vraie.
Question 1 Voici un ensemble d’affirmations.
A. Le temps moyen d’un signal impair est nul.
B. La valeur moyenne d’un signal impair est nul.
C. Si on multiplie par deux un signal alors son temps moyen est multiplié par deux.
D. Si on multiplie par deux un signal alors sa valeur moyenne est multipliée par deux.

Question 2 Soit x(t) un signal périodique de période 3. Pour t ∈ [0, 3[, x(t) = 1[0,1] (t). On appelle Xk les coefficients
de la série de Fourier et Px la puissance.
A. X0 = 31 .
B. La fréquence associée à Xk est fk = 3k.
C. Px = 1.
 
D. x 7
2 =1

Question 3 On considère les signaux x(t) et y(t) définis par

1 si cos(t) ≥ 0
(
x(t) =
0 si cos(t) < 0
y(t) = e−|t|

On note Px , Ex , Py , Ey , la puissance et l’énergie de x(t) et la puissance et l’énergie de y(t).

A. Ex ≤ 1
B. Px ≥ 1
3

C. Ey ≤ 1
D. Py ≥ 1
3

Question 4 On considère un signal x(t) périodique de période 2

1 si t ∈ [0, 1[
(
x(t) =
i si t ∈ [1, 2[
On note Px sa puissance et Xk ses coefficients de Fourier.
A. Px = 1
B. Re(X1 ) = 1
π
√
C. |X0 | = 2
2

D. Pour tout t ∈ R, x(t) = ix(t − 1)

Question 5 On considère deux signaux x(t) et y(t), Px désigne la puissance de x(t).

x(t) est 1-périodique et ∀t ∈ [0, 1[, x(t) = e−t

∀t ∈ [0, 1[, y(t) = e−t
(
y(t) est 2-périodique et
∀t ∈ [1, 2[, y(t) = −e1−t
54
 A. Px = 12 (1 − e−2 )

B.
1 1 1 + e−1
lim x(t) + lim x(t) =
2 t→0− 2 t→0+ 2

C.
1 1 1 − e−1
lim y(t) + lim y(t) =
2 t→0− 2 t→0+ 2

D.
1 1
lim y(t) + lim y(t) = 0
2 t→1 − 2 t→1+

1 2 3 4 5
A c c c c c NOTE
B c c c c c 4×#V = 4× =
C c c c c c 2×#M = 2× = =
D c c c c c 1×#̸ M = 1× =
0×#N = 0× =
V,M,̸ M ou, N

7.6 Exercices
Exercice 56 On considère les signaux suivants
√ √
x1 (t) = sin(t 2) x2 (t) = sinc(t 2) x3 = (x1 (t))2

1. Représentez graphiquement x1 (t)

2. Représentez graphiquement x2 (t)

√
3. Représentez graphiquement x3 (t) en exprimant x3 (t) en fonction de cos(2 2t)

Exercice 57 On considère les signaux e1 (t), e2 (t), x(t), x

b(t) définis lors de l’exercice 51 (p. 50). Représentez
graphiquement ces signaux.

Exercice 58 On considère le signal x(t) périodique de période 2 et défini par

t
x(t) = e− 2 pour t ∈ [0, 2[

1. Représentez le signal x(t)

2. Montrez que
1 1 1
lim x(t) + lim x(t) = (1 + e−1 )
2 t→0+ 2 t→0− 2

Exercice 59 On considère un signal périodique de période 2, noté x(t) et défini par

t
x(t) = e− 2 pour t ∈ [0, 2[

On note Xk les coefficients de la série de Fourier qui sont calculés dans l’exercice 67 (p. 64).

1 − e−1
Xk =
1 + 2iπk

55
 1. Calculez sa puissance Px et son énergie Ex . Montrez que
1
Px = (1 − e−2 )
2

2. À quelles fréquences sont associées les coefficients de la série de Fourier Xk ?

3. Montrez que
+∞
1
Px = (1 − e−1 )2
X

k=−∞
1 + 4π 2 k 2

4. Montrez que pour tout réels a et b, on a

a2 − b2 a+b
=
(a − b)2 a−b
Et montrez alors que
+∞
1 1 3−e
 
=
X

k=1
1 + 4π k
2 2 4 e−1

t
Exercice 60 On considère x(t) périodique de période 2 défini par x(t) = e− 2 pour t ∈ [0, 2[. Les coefficients de la
1−e−1
série de Fourier sont Xk = 1+2iπk
1. Montrez que
+∞
1 − e−1
(−1)k = e−1/2
X

k=−∞
1 + 2iπk

2. Montrez que
+∞
1 − e−1
1 − e−1 + 2 (−1)k = e−1/2
X

k=1
1 + 4π 2 k2

3. Montrez que
+∞ √
(−1)k 1
!
e
= −1
X

k=1
1 + 4π k
2 2 2 e−1

4. Représentez graphiquement le module et l’argument de la transformée de Fourier.

Exercice 61 On considère α = 23 et xα (t) un signal périodique de période 1 défini par xα (t) = 1[− α2 , α2 ] (t) pour
t ∈ [− 21 , 12 ]. On considère y(t) = 1 + cos(2πt). Représentez graphiquement x(t) et y(t).

Exercice 62 On considère α ∈ [0, 1[ et un signal xα (t) défini par

• xα (t) est périodique de période 1

• Pour t ∈ [0, α], xα (t) = 1

• Pour t ∈]α, 1], xα (t) = 0

• Xα,k sont les coefficients de Fourier de xα (t).

1. Calculez la puissance de xα (t) et montrez que

P xα = α
56
 2. On considère un signal yα (t) périodique de période 1, dont les coefficients de Fourier Yα,k vérifient

Yα,k = (−1)k Xα,k

Calculez la puissance du signal yα (t) et montrez que

Pyα = Pxα

Exercice 63 On considère un singal xα (t) périodique de période 1 défini par

1 1
xα (t) = 1[− α2 , α2 ] (t) pour t ∈ [− , [
2 2
On considère une sinusoïde surélevée définie par

y(t) = 1 + cos(2πt)

1. À quelle fréquences correspondent les coefficients Xk de la série de Fourier ?

2. Quelle est la valeur moyenne de xα (t), qu’est-ce que cela nous apprend sur X0 ?

3. Calculez la puisssance Px .

4. Montrez pour y(t), la relation entre la puissance Py et la valeur moyenne < y(t) > est

3
Py = < y(t) >2
2

5. Montrez que pour α = 23 , on a aussi

3
Px = < x(t) >2
2

6. On considère le signal approchant x(t).

b(t) = X0 + X1 e−2iπt + X−1 e2iπt

x

avec X0 calculé lors de la question 2 et Xk = α sinc(πkα) pour k ̸= 0.

7. Calculez x
b(t) pour α = 32 .

8. Représentez x
b(t).

9. Calculez la puissance Pbx .

Exercice 64 On considère un signal yα (t) obtenu avec l’exercice 75 (p. 80). Il est ainsi défini.

• si α ≤ 12 , yα (t) = 1[ 1 ,α+ 1 ] (t) pour t ∈ [0, 1]

2 2

• si α ∈] 12 , 1[, yα (t) = 1[0,α− 1 ] (t) + 1[ 1 ,1] (t) pour t ∈ [0, 1]

2 2

Montrez que

Yα,0 = α et Pyα = α

Exercice 65 En reprenant l’exercice 51 (p. 50), calculez la puissance de x(t) − x

b(t) et montrez que Px−b
x = 128 (1 + 6 )
1 7

57
Chapter 8

Série de Fourier, définition et propriétés,

utilisation de la distribution δ(ν)

8.1 Définitions des séries

Pour retrouver un signal en temps à partir des coefficients de la transformée d’un signal périodique, on a besoin
de la notion de séries.
On appelle série une suite dépendant d’un indice ici K correspondant à la somme des éléments d’une suite uk
entre 1 et K. Cette série est notée
K
uk = u1 + u2 + . . . + uK
X

k=1
L’expression obtenue dépend de K, elle n’est pas modifiée si on remplace k par n.
K
un = u1 + u2 + . . . + uK
X

n=1
Lorsque cette suite a une limite lorsque K tend vers l’infini, on dit que la série converge. Lorsque cette suite
tend vers l’infini, on dit que la série diverge. Parfois on ne s’intéresse qu’à l’existence et à la valeur de cette limite.
Lorsqu’elle existe cette valeur est notée
+∞
(8.1)
X
uk
k=1

Formellement

Mathématiquement on distingue la limite indiquée par

Pl’équation P
(8.1) de la série pour laquelle on se demande si elle converge. La série
est alors notée u ou
k≥1 k
u . Dans le cadre de ce cours, on ne fera pas cette distinction.
k∈N∗ k

Remarque 15 Si uk est impair alors

+∞
uk = 0
X

k=−∞

Mais à la différence de ce qui concerne les intégrales, si uk est pair,

+∞ +∞
uk = u0 + 2
X X
uk
k=−∞ k=1

Pour ce cours, il est utile de savoir que

+∞
1 converge si α > 1
(
(8.2)
X

k=1
kα diverge si α ≤ 1

+∞
uk eikθ converge si θ ̸= 0 et, uk est positive et décroissante (8.3)
X

k=1
58
8.2 Série de Fourier
On considère x(t) un signal périodique de période T . Les coefficients Xk de la transformée de Fourier sont donnés
par

1
Z T
kt
Xk = x(t)e−i2π T dt (8.4)
T 0

À partir de ces coefficients de Fourier, il est possible de retrouver x(t). C’est ce qu’on appelle le théorème de
Dirichlet.
+∞
t
x(t) = (8.5)
X
Xk ei2πk T
k=−∞

Formellement

P+∞ t P−1 t
L’équation (8.5) peut être vue comme la somme d’une série x(t) = X0 + k=1
X−k ei2π(−k) T + k=−∞
Xk ei2π(k) T L’exemple de
P+∞ 1
P+∞ 1
k=−∞ k+i
ne converge parce que k=1 k+i
ne converge pas.

La première harmonique correspond à k = 1 et à k = −1.

Remarque 16 Généralement dans l’équation (8.5), la somme infinie converge et on peut le montrer en utilisant
l’équation (8.3) ou éventuellement (8.2). En fait, dans le cadre de ce cours, cette série converge. On sait qu’elle
converge quand x(t) est continu ou quand elle est dite "à variations bornées".

Remarque 17 L’équation (8.5) pose un problème lorsqu’on l’applique en t0 et que précisément le signal x(t) a une
discontinuité en t0 , c’est-à-dire lorsque x(t−
0 ) ̸= x(t0 ) tel que défini en section 7.4. Dans ce cas l’équation devient
+

+∞
t 1 1 +
Xk ei2πk T = x(t−
0 ) + x(t0 )
X

k=−∞
2 2

La distribution définie pour les signaux en temps, s’utilise aussi pour les fréquences, elle est alors notée δ(ν). Dans
le cadre de ce cours, la seule propriété utile est que pour X(ν) une fonction quelconque, on a
Z +∞
X(ν)δ(ν − ν0 ) dν = X(ν0 )
−∞

ν0 étant une fréquence quelconque.

Il est d’usage d’écrire la transformée de Fourier d’un signal périodique de la façon suivante

+∞
k
 
X(ν) = TF [x(t)] = (8.6)
X
Xk δ ν −
k=−∞
T

Remarque 18 Quand on remplace Xk par sa valeur, l’équation (8.6) revient en fait à mettre les équations (7.2) et
(8.4) dans une seule équation.

Remarque 19 L’équation (8.6) permet aussi d’obtenir que l’équation (8.5) soit vue comme l’application de l’équation (8.6)
à l’équation (4.1). En effet,

 
+∞ +∞
k 
 
kt
TF-1  (t) = Xk ei2π T = x(t)
X X
Xk δ ν −
k=−∞
T k=−∞

59
Remarque 20 Il est possible d’interpréter la transformée de Fourier des signaux périodiques définis par l’équation (8.4)
kt
comme la projection d’un signal x(t) sur une base t 7→ ei2π T pour le produit scalaire associé aux signaux de puissances
finies défini par l’équation (6.4).
kt
D E
Xk = x(t), ei2π T
En effet,

D E Z T  ∗ Z T
i2π kt 1 i2π kt 1 −i2π kt
x(t), e T = x(t) e T dt = x(t) e T dt = Xk
T T
0 0

De même, on peut interpréter la série de Fourier, c’est-à-dire la transformée de Fourier inverse des spectres
formées de raies non-périodiques définie par l’équation (8.5) comme la reconstitution presque exacte de x(t) à partir
kt
de ses projections sur la base orthonormée t 7→ ei2π T .
+∞
kt
x(t) =
X
Xk ei2π T
k=−∞

Remarque 21 Lors de la section 5.3.1, il a été dit qu’un signal x(t) périodique de période T peut s’exprimer à partir
d’un signal non-périodique xT (t) (voir équation (5.2)). Une façon de calculer les coefficients Xk de la transformée de
Fourier de x(t) est de les retrouver à partir de la transformée de Fourier XT (ν) de xT (t).
1 k
 
Xk = XT
T T
Tout se passe comme si les coefficients Xk étaient obtenues en prélevant les valeurs de XT (ν) en des fréquences
espacées de T1 en divisant le résultat par T .

Formellement

La remarque 21 peut être utilisée pour déduire les propriétés de la transformée de Fourier des signaux périodiques à partir des propriétés
de la transformée de Fourier des signaux non-périodiques. Cependant dans le cadre de ce cours, nous n’utiliserons pas cette idée, qui est
riche mais à utiliser avec précaution.

8.3 Égalité de Parseval

Pour un signal périodique, la puissance peut se calculer à partir du signal x(t) avec l’équation (7.1), elle peut aussi
se calculer avec les coefficients de la transformée de Fourier, Xk
+∞
Px = |Xk |2
X

k=−∞

8.4 Propriété de la série de Fourier

8.4.1 Valeurs en zéro
De manière similaire au fait que X0 est la valeur moyenne du signal (voir section 7.3 et l’équation (7.3), on a aussi
la valeur du signal x(0) se déduit de la somme des coefficients de la série de Fourier.
• Si x(t) n’est pas discontinue en t = 0, alors
+∞
x(0) =
X
Xk
k=−∞

• Sinon,
+∞
1 1
x(0− ) + x(0+ ) =
X
Xk
2 2 k=−∞

60
 Figure 8.1: Graphique de la reconstructon de x(t) à partir des coefficients de la série de Fourier.

Exemple 8 On considère le signal périodique de période 1 qui vaut x(t) = −1[−1/2,0[ (t)+1]0,1/2] (t) pour t ∈ [−1/2, 1/2].
1−(−1)k
Les coefficients de la série de Fourier sont Xk = iπk pour k ̸= 0 et X0 = 0. En remarquant que Xk est impair
(X−k = −Xk ), on en déduit qu’on a bien
1 1
x(0+ ) + x(0− ) = 0 =
X
Xk
2 2 k̸=0

D’après la définition de la transformée de Fourier inverse, on a

+∞
Xk ei2πkt = x(t)
X

k=−∞

Et effectivement, la figure 8.1 montre cette reconstruction en utilisant les coefficients Xk pour k ∈ {−200 . . . 200}.

j=sqrt(-1);
t=-1:1e-3:1; K=200; X=@(k)1./pi./j./k.*(1-(-1).^k);
x=zeros(size(t));
for k=-K:K
if 0==k continue; end
x=x+X(k)*exp(j*2*pi*k*t);
end
figure(1); plot(t,x)

8.4.2 Parité
• Si x(t) est réel et pair, alors Xk est réel.

• Si x(t) est réel et impair, alors Xk est imaginaire.

• Si x(t) est réel alors |Xk | est pair et arg(Xk ) est impair.

8.5 QCM
Pour chaque question il y a une ou plusieurs affirmations vraies, il faut indiquer TOUTES les affirmations vraies
et sur le tableau plus bas, dans la colonne de gauche de chaque question, mettre une croix pour chaque affirmation
considérée comme vraie.
61
Question 1 Soit x(t) un signal périodique de période 1. Pour t ∈ [0, 1[, x(t) = 1[0, 1 ] (t) − 1[ 1 ,1[ (t). On appelle Xk
2 2
les coefficients de la série de Fourier et Px la puissance.

A. Px =
P+∞ 2
k=−∞ Xk

B. Px = 1

C. Xk est imaginaire.

D. Xk est impair.

Question 2 Soit x(t) un signal défini par

x(t) = cos2 (100πt)

On note Xk les coefficients de la série de Fourier, X(ν) sa transformée de Fourier et Px sa puissance.

A. x(t) est périodique de période 100 .

1

B.
1 1 1 1 1
   
X(ν) = δ ν − + δ ν+ + δ (ν)
4 100 4 100 2

C. Si k est impair, Xk = 0.

D. Px = 41 .

A. La série n=1 n converge.

P+∞ 1
Question 3 √

P+∞ cos(n)
B. La série n=1
√
n
converge.

C. La série converge.
P+∞ 1
n=1 1+in
P+∞ cos(n)
D. La série n=1 n2
converge.

Question 4 On considère un signal x(t) périodique décrit par la figure 8.2. On note Xk ses coefficients de Fourier
et Px sa puissance.

A.
Z +1
2
Xk = x(t)e−i2πkt dt
− 12

B. X0 = 12 .

C. Quand N → +∞,
N
Xk → 0
X

k=−N

D.
Z 1
Px = t2 dt
0

62
Figure 8.2: Courbe représentative de x(t) relative à la question 4.

63
Question 5 On considère x(t), y(t) et z(t) trois signaux périodiques.

x(t) est 1-périodique et x(t) = cos(πt) pour t ∈ [0, 1[





 (
y(t) = cos(πt)1[0,1] (t)


y(t) est 2-périodique et


 pour t ∈ [0, 2[
(
z(t) = cos(πt)1[0,2] (t)


 z(t) est 2-périodique et



pour t ∈ [0, 2[


On note X(ν), Y (ν) et Z(ν) leurs transformées de Fourier. On note Xk les coefficients de la transformée de Fourier
de x(t).
A. X(ν) = 12 δ(ν − 12 ) + 21 δ(ν + 21 )

B. Y (ν) = 12 δ(ν − 12 ) + 12 δ(ν + 12 )

C. Z(ν) = 12 δ(ν − 12 ) + 12 δ(ν + 12 )

D. Le coefficient Xk associé à k = 1 noté X1 est non-nul.

1 2 3 4 5
A c c c c c NOTE
B c c c c c 4×#V = 4× =
C c c c c c 2×#M = 2× = =
D c c c c c 1×#̸ M = 1× =
0×#N = 0× =
V,M,̸ M ou, N

8.6 Exercices
Exercice 66 On considère un singal xα (t) périodique de période 1 défini par
1 1
xα (t) = 1[− α2 , α2 ] (t) pour t ∈ [− , [
2 2
1. Calculez Xk les coefficients de la série de Fourier associée à x(t) et montrez que pour k ̸= 0, Xk = α sinc(πkα)
et que X0 = α.

2. On approxime x(t) par sa composante continue et sa première harmonique. L’approximation est notée x
b(t).
Montrez que

b(t) = X0 + X1 e2iπt + X−1 e−2iπt

x

Exercice 67 On considère un signal périodique de période 2, noté x(t) et défini par

t
x(t) = e− 2 pour t ∈ [0, 2[

1. À quelles fréquences sont associées les coefficients de la série de Fourier Xk ?

2. Calculez les coefficients Xk et montrez que

1 − e−1
Xk =
1 + 2iπk

Exercice 68 On considère le signal x(t) périodique de période 2 et défini par

t
x(t) = e− 2 pour t ∈ [0, 2[

Ses coefficients de la série de Fourier sont

1 − e−1
Xk =
1 + 2iπk
64
1. On considère
N
SN =
X
Xk
k=−N

Montrez que
K
1
" #
−1
SK = (1 − e ) 1+2
X

k=1
1 + 4π 2 k 2

2. Sachant que
+∞
1 1 3−e
 
=
X

n=1
1 + 4π n
2 2 4 e−1

montrez que SK tend vers 12 (1 + e−1 ) quand K → +∞.

3. En utilisant
1 1 1
lim x(t) + lim x(t) = (1 + e−1 )
2 t→0+ 2 t→0− 2
qui a été montré dans l’exercice 58 (p. 55), donnez deux explications conduisant à cette affirmation.
1 1
lim SK = lim x(t) + lim x(t)
K→+∞ 2 t→0+ 2 t→0−
• La première raison est issue du calcul.
• La deuxième raison utilise la série de Fourier.

65
Chapter 9

Produit de convolution et distribution de

Dirac

9.1 Produit de convolution : définition et exemples

Le produit de convolution transforme deux signaux x(t) et y(t) en un troisième signal z(t) défini par
Z +∞
z(t) = x(t) ∗ y(t) = x(τ )y(t − τ ) dτ (9.1)
−∞

L’idée du produit de convolution est que pour chaque valeur de t, z(t) est obtenu en sommant les contributions de
toutes les valeurs x(t1 ) et y(t2 ) dès lors que t = t1 + t2 .

Remarque 22 Dans la mesure où la valeur z(t) ne dépend pas exclusivement des valeurs de x(t) et y(t), il serait
logique pour respecter la convention d’écriture pour la transformée de Fourier, d’écrire

z(t) = [x(t) ∗ y(t)] (t)

Dans le cadre de ce cours et pour alléger l’écriture, nous utiliserons simplement z(t) = x(t) ∗ y(t) sauf dans le cas où
on cherche à modifier le signal z(t) obtenu, auquel cas nous utiliserons la notation précisant la façon dont ce produit
de convolution est évaluée.
t t
   
z = [x(t) ∗ y(t)]
2 2
L’équation (9.1) peut aussi s’écrire sous la forme
Z +∞
z(t) = x(t − τ )y(τ ) dτ
−∞

Une façon de s’assurer que la formule est d’ajouter les arguments de x et de y, puis de vérifier que leur somme vaut
t ; en l’occurence, t = (t − τ ) + (τ ).

Formellement

Lorsque x(t) = 0 pour t < 0 et y(t) = 0 pour t < 0 alors l’équation (9.1) peut aussi s’écrire sous la forme
Z t
z(t) = x(τ )y(t − τ ) dτ
0

Exemple 9 δ(t) peut être vue comme l’élément unité du produit de convolution

δ(t) ∗ x(t) = x(t) (9.2)

Exemple 10 L’application de ∗δ(t − t0 ) à un signal est équivalent à retarder le signal.

δ(t − t0 ) ∗ x(t) = x(t − t0 ) (9.3)

66
Exemple 11 L’application de ∗1[0,+∞[ (t) à un signal est équivalent à intégrer le signal.
Z t
1[0,+∞[ (t) ∗ x(t) = x(τ ) dτ (9.4)
−∞

Exemple 12 L’application de ∗ T1 1[0,T [ (t) à un signal est équivalent à moyenner les T derniers instants du signal.

1 1
Z t−T
1[0,T [ (t) ∗ x(t) = x(τ ) dτ (9.5)
T T t

9.2 Propriétés du produit de convolution et transformée de Fourier

Étant donnés deux signaux x(t) et y(t), on définit z(t) = x(t) ∗ y(t). On note respectivement X(ν), Y (ν) et Z(ν)
les transformées de Fourier de x(t), y(t) et z(t). On a alors que Z(ν) = X(ν)Y (ν).
Cette propriété peut aussi s’écrire

TF [x(t) ∗ y(t)] (ν) = TF [x(t)] (ν) TF [y(t)] (ν) (9.6)

Formellement

En fait cette propriété est vraie aussi pour la transformée de Fourier inverse, mais nous ne l’utiliserons pas dans ce cours.

TF [x(t)y(t)] (ν) = TF [x(t)] (ν) ∗ TF [y(t)] (ν)

9.3 Propriétés du produit de convolution

9.3.1 Commutativité
Étant donnés deux signaux x(t) et y(t), on définit z(t) = x(t) ∗ y(t). La commutativité signifie qu’on obtient le
même résultat en associant d’abord y(t) puis x(t).

x(t) ∗ y(t) = y(t) ∗ x(t)

9.3.2 Associativité
Étant donnés trois signaux x(t), y(t) et z(t), l’associativité signifie qu’on obtient le même résultat en associant
x(t) avec le résultat du produit de convolution de y(t) et z(t) ou en associant x(t) avec y(t) puis le résultat obtenu
avec z(t).

x(t) ∗ (y(t) ∗ z(t)) = (x(t) ∗ y(t)) ∗ z(t)

9.3.3 Calcul de la valeur en 0

Étant donnés deux signaux x(t) et y(t), on définit z(t) = x(t) ∗ y(t).
Z +∞
z(0) = x(τ )y(−τ ) dτ
−∞

9.4 Propriété du produit de convolution vis-à-vis de transformations simples

9.4.1 Le produit de convolution est linéaire
Étant donnés trois signaux x1 (t), x2 (t) et y(t) et étant donnés deux réels α et β, on a

(αx1 (t) + βx2 (t)) ∗ y(t) = αx1 (t) ∗ y(t) + βx2 (t) ∗ y(t)

67
9.4.2 Propriété du produit de convolution vis-à-vis du retard
Si on retarde de τ1 un signal x(t) et de τ2 un autre signal y(t) alors le signal résultant z(t) = x(t) ∗ y(t) est retardé
de la somme des retards.
[x(t − τ1 ) ∗ y(t − τ2 )] (t) = [x(t) ∗ y(t)] (t − τ1 − τ2 )

9.4.3 Propriété du produit de convolution vis-à-vis de la dilatation de l’échelle des temps

Étant donnés deux signaux x(t) et y(t), on note z(t) = x(t) ∗ y(t). Le fait pour x(t) et y(t) de dilater leur échelle
des temps d’un même facteur a > 0, fait que z(t) a aussi une échelle de temps dilaté ainsi qu’une amplification par
ce même facteur a.

t t t
      
x ∗y (t) = a [x (t) ∗ y (t)]
a a a

9.5 Produit de convolution et parité

On considère deux signaux x(t) et y(t) et on note z(t) = x(t) ∗ y(t). Si x(t) et y(t) ont une symétrie on t = 0 alors
z(t) a aussi une symétrie en t = 0. Plus précisément
x(t) pair et y(t) pair


⇒ x(t) ∗ y(t) pair
x(t) impair et y(t) impair 
x(t) pair et y(t) impair 


⇒ x(t) ∗ y(t) impair

x(t) impair et y(t) pair 

Formellement

En fait à l’image de ce qui se passe quand on dilate l’échelle des temps pour chacun des signaux, si on effectue un retournement temporel
des deux signaux alors le signal résultant de leur produit de convolution subit aussi un retournement temporel.
[x(t) ∗ y(t)] (t) = [x(−t) ∗ y(−t)] (−t) (9.7)

Exemple 13 On cherche ici à déterminer de plusieurs manières.

y(t) = [δ(t − 2) ∗ x(3 − t)] (t)
• La façon la plus simple pour trouver y(t) est d’analyser δ(t − 2)∗ comme une façon d’appliquer un retard sur un
signal donné. On pose z(t) = x(3 − t) et on calcule z(t − 2) = x(3 − (t − 2)) = x(5 − t). D’où y(t) = x(5 − t).
• Une autre façon de raisonner est de chercher à appliquer l’équation (9.7), en posant z(t) = x(3 − t).
y(t) = [δ(t − 2) ∗ z(t)] (t) = [δ(−t − 2) ∗ z(−t)] (−t)
δ(t) étant pair, on a du coup δ(−t − 2) = δ(t + 2).
y(−t) = δ(−t − 2) ∗ z(−t) = δ(t + 2) ∗ x(3 + t) = x(t + 5)
Ce qui finalement prouve bien que
y(t) = x(5 − t)

• On peut utiliser la transformée de Fourier pour obtenir ce résultat en posant aussi que z(t) = x(3 − t).
TF[δ(t − 2)](ν) = e−4iπν

TF[x(3 − t)](ν) = TF[z(t)](ν) = TF[x(t + 3)](−ν) = [X(ν)e6iπν ](−ν) = X(−ν)e−6iπν

La propriété de la TF vis-à-vis du produit de convolution montre alors que
TF[y(t)](ν) = X(−ν)e−10iπν = TF[x(−t)](ν)e−10iπν = TF[x(−(t − 5))](ν)
et par suite que y(t) = x(5 − t).
68
9.6 Produit de convolution et dérivée
9.6.1 Énoncé de la propriété
Étant donnés deux signaux x(t) et y(t), on note z(t) = x(t) ∗ y(t). La dérivée de z(t) s’obtient d’une part avec
le produit de convolution de la dérivée de x(t) par y(t) et d’autre part avec le produit de convolution de x(t) et la
dérivée de y(t).

d d d
   
[x(t) ∗ y(t)] (t) = x(t) ∗ y(t) (t) = x(t) ∗ y(t) (t) (9.8)
dt dt dt

Remarque 23 Une façon d’utiliser cette propriété est de remarquer

Rt
sa similarité avec l’intégration par partie. En
posant z(t) une primitive de x(t) nulle pour t → −∞ : z(t) = −∞ x(τ ) dτ .

d
 
[x(t) ∗ y(t)] (t) = z(t) ∗ y(t) (t)
dt

Pour illustrer cette remarque, on prend l’exemple du calcul de 1[− 1 , 1 ] (t) ∗ 1[− 1 , 1 ] (t). On pose x(t) = 1[− 1 , 1 ] (t).
2 2 2 2 2 2
Sa dérivée est d
dt x(t) = δ(t + 12 ) − δ(t − 12 ). On pose y(t) la primitive nulle pour t < − 21 .

1
Z t
y(t) = x(τ ) dτ = (t + )1[− 1 , 1 [ (t) + 1[ 1 ,+∞[ (t)
− 21 2 2 2 2

D’après cette remarque, on

1 1 1 1
 
x(t) ∗ x(t) = y(t) ∗ δ(t + ) − δ(t − ) = y(t + ) − y(t − )
2 2 2 2
On obtient alors
0 si t + 1
< − 12
 


 2 


   
(t + 12 ) + 1
−0=1+t si t + 2 ∈ [− 2 , 2 ] 
1 1 1 


 
2
x(t) ∗ x(t) =   = (1 − |t|)1[−1,1] (t)
1 − (t − 12 ) + 21 =1−t si t − 12 ∈ [− 12 , 12 ] 

 

 

 
0 si t −
 
1 1
>
 
2 2

9.6.2 Dérivée de la distribution Dirac

On définit la dérivée de la distribution Dirac, notée δ ′ (t − t0 ) par

d
δ ′ (t − t0 ) ∗ x(t) = x(t − t0 )
dt
Cette caractérisation de δ ′ (t) permet de retrouver l’équation (9.8) comme une conséquence de l’associativité du
produit de convolution.

δ ′ (t) ∗ [x(t) ∗ y(t)] (t) = δ ′ (t) ∗ x(t) (t) ∗ y(t) = x(t) ∗ δ ′ (t) ∗ y(t) (t)
   

Formellement

On peut définir aussi δ ′ (t − t0 ) par

Z +∞
δ ′ (t − t0 )x(t) dt = −x′ (t0 )
−∞

69
9.7 Exemples de calculs de produit de convolution
9.7.1 le produit de convolution de deux gaussiennes est une gaussienne
En exprimant la transformée de Fourier du produit de convolution comme le produit des transformées de Fourier
de chaque gaussienne, on peut calculer le produit de convolution de deux gaussiennes.

Formellement

ν ν
−π √ 1 2 t2
2 2 2 2 1 ν 2 +ν 2
e−πν1 t ∗ e−πν2 t = p e 1 2
ν12 + ν22

9.7.2 le produit de convolution de deux fonctions portes est une fonction triangulaire

1[0,1] (t) ∗ 1[0,1] (t) = (1 − |t − 1|) 1[0,2] (t) (9.9)

9.7.3 le produit de convolution d’un signal avec le signal constant égal à 1 est un signal constant
Soit x(t) un signal et X(ν) sa transformée de Fourier. x(t) ∗ 1 est un signal constant qui vaut X(0)

[x(t) ∗ 1] (t) = X(0) (9.10)

Remarque 24 L’équation (9.10) peut se démontrer ainsi.

[x(t) ∗ 1] (t) = TF−1 [X(ν)δ(ν)] (t) = TF−1 [X(0)δ(ν)] (t) = X(0) TF−1 [δ(ν)] (t) = X(0)

9.8 QCM
Pour chaque question il y a une ou plusieurs affirmations vraies, il faut indiquer TOUTES les affirmations vraies
et sur le tableau plus bas, dans la colonne de gauche de chaque question, mettre une croix pour chaque affirmation
considérée comme vraie.

Question 1 On considère un signal x(t) = e−t 1[0,+∞[ (t).

A.

(x(t) ∗ δ(t − 2)) ∗ δ(t − 3) = x(t) ∗ (δ(t − 2) ∗ δ(t − 3))

B.

(x(t)δ(t − 2)) ∗ δ(t − 3) = x(t) (δ(t − 2) ∗ δ(t − 3))

C.

[x(t)δ(t − 2)] (0) = e−2

D.

x(t) ∗ 1 = 1

2
Question 2 On considère un signal x(t) = e−t .

A. x(t) ∗ x(t) est un signal pair.

70
 B.

(x(t) + δ(t)) ∗ x(t) = x(t) ∗ x(t) + δ(t)

C.
Z +∞
2
[x(t) ∗ x(t)] (0) = e−2t dt
−∞

D.

x(t) ∗ x(t) = Ax(t)

où A est une constante appropriée.

Question 3 On considère un signal x(t) = 1[− 1 , 1 ] (t).

2 2

A. x(t + 21 ) ∗ x(t − 12 ) est un signal pair.

B. x(t + 12 ) ∗ x(t) − x(t) ∗ x(t − 12 ) est un signal impair.

C. d
dt (x(t) ∗ x(t)) est pair
D.
d 1 1 1 1
   
x(t) ∗ x(t − ) = δ(t + ) − δ(t − ) ∗ x(t − )
dt 2 2 2 2

Question 4 On considère un signal x(t) quelconque.

A. δ(t − 2) ∗ x(t) = x(t − 2).
B. δ ′ (t − 2) ∗ x(t) = −x′ (t − 2).
C. δ(−t) ∗ x(t) = x(−t).
D. δ ′ (−t) ∗ x(t) = −x′ (t).

Question 5 On considère deux signaux x(t) et y(t) vérifiant x(t) = y(t) = 0 lorsque t < 0. On définit z(t) =
1[0,+∞[ (t + 2).
A. z(t) = 0 pour t < 0.
B.
Z t
[x(t) ∗ y(t)] (t) = x(t − τ )y(τ ) dτ
0

C.
Z +∞
[x(t) ∗ y(t)] (t) = x(t)y(τ − t) dτ
−∞

D.
Z +∞
[x(t) ∗ y(t)] (t) = x(−τ )y(t + τ ) dτ
−∞

1 2 3 4 5
A c c c c c NOTE
B c c c c c 4×#V = 4× =
C c c c c c 2×#M = 2× = =
D c c c c c 1×#̸ M = 1× =
0×#N = 0× =
V,M,̸ M ou, N

71
9.9 Exercices
Exercice 69 On considère un signal x(t) quelconque et un signal h(t) défini par
s
b b √ −bt
 
h(t) = δ(t) + 1 − abe 1[0,+∞[ (t)
a a

On définit un signal y(t) par

y(t) = h(t) ∗ x(t)

Montrez que
s
b √ b −bt
  Z t
y(t) = x(t) + ab 1 − e ebτ x(τ ) dτ
a a 0

lorsque x(t) est nul pour t ≤ 0.

Exercice 70 On considère les signaux suivants :

x1 (t) = 1[− 1 , 1 ] (t)





 2 2

y1 (t) = x1 (t) ∗ x1 (t)






 x2 (t) = 1[a,b] (t)


 y (t) = x (t) ∗ x (t)

2 2 2

1. Montrez que y1 (0) = 1.

2. Montrez que y1 (t) est nul pour |t| > 1.

3. Montrez que y1 (t) est pair.

4. Pour t ∈ [0, 1], montrez que y1 (t) = 1 − t.

5. En déduire que

y1 (t) = (1 − |t|)1[−1,1] (t)

La représentation graphique de ce signal est réalisé dans l’exercice 17 (p. 21).

6. On pose x3 (t) = x1 ( b−a

t
) et y3 (t) = x3 (t) ∗ x3 (t), montrez que

y3 (t) = ((b − a) − |t|) 1[−(b−a),b−a] (t)

7. Montrez que
a+b
x2 (t) = x3 (t − )
2

8. Montrez que

y2 (t) = [(b − a) − |t − a − b|] 1[2a,2b] (t)

Exercice 71 On considère x(t) = 1[−1,1] (t) et y(t) = e−|t| , on cherche à calculer z(t) = x(t) ∗ y(t).

1. Montrez que
1
 
z(0) = 2 1 −
e
72
 2. Montrez que
1
z(1) = 1 −
e2

3. Montrez que
Z t+1
z(t) = e−τ dτ
t−1

L’étude de z(t) ainsi défini est faite dans l’exercice 19 (p. 22).

Exercice 72 On considère les signaux

x(t) = 1[0,1] (t) et y(t) = x(t) + 2x(t − 1) + x(t − 2)

On note a(t) = x(t) ∗ x(t) et on sait que

a(t) = (1 − |t − 1|) 1[0,2] (t)

On cherche à calculer z(t) = x(t) ∗ y(t).

1. Montrez que

z(t) = a(t) + 2a(t − 1) + a(t − 2)

L’étude de la symétrie et la représentation graphique de z(t) est faite dans l’exercice 17 (p. 21).

73
Chapter 10

Filtres, définition et propriétés, utilisation

des limites

10.1 Définition d’un filtre

Un filtre parfois noté H, transforme un signal x(t) en un signal y(t).
On appelle relation entrée-sortie, la façon dont y(t) est défini à partir de x(t).
Un filtre transforme x(t) en y(t) d’une manière particulière parce qu’il existe ce qu’on appelle réponse impul-
sionnelle, h(t) pour laquelle

y(t) = h(t) ∗ x(t) (10.1)

La réponse impulsionnelle caractérise le filtre. Lorsqu’on modifie l’entrée x(t), la sortie y(t) est alors modifiée
mais la réponse impulsionnelle n’est pas modifiée.

10.2 Lien entre filtre et transformée de Fourier

On considère un filtre transformant un signal x(t) en y(t) et de réponse impulsionnelle h(t). On note X(ν) et
Y (ν) les transformées de Fourier de x(t) et y(t). Une propriété du produit de convolution fait que l’équation (10.1)
devient

Y (ν) = TF[h(t)](ν)X(ν)

TF[h(t)] est notée H(ν) et appelée la réponse fréquentielle et parfois aussi la fonction de transfert.

H(ν) = TF[h(t)](ν)

10.3 Exemples de filtres

10.3.1 Filtre à retard
La relation entrée-sortie qui suit définit un exemple de filtre à retard.

y(t) = x(t − 1)

où x(t) et y(t) sont respectivement l’entrée et la sortie.

La réponse impulsionnelle de ce filtre est :

h(t) = δ(t − 1)

La réponse fréquentielle de ce filtre est :

H(ν) = e−2iπν
74
10.3.2 Filtre moyenneur
La relation entrée-sortie qui suit définit un exemple de filtre moyenneur.
Z t
y(t) = x(τ ) dτ
t−1

où x(t) et y(t) sont respectivement l’entrée et la sortie.

La réponse impulsionnelle de ce filtre est :

h(t) = 1[0,1] (t)

La réponse fréquentielle de ce filtre est :

H(ν) = sinc(πν)e−iπν

10.3.3 Filtre dérivateur

La relation entrée-sortie qui suit définit un exemple de filtre à retard.
d d
y(t) + y(t) = x(t)
dt dt
où x(t) et y(t) sont respectivement l’entrée et la sortie.
La réponse impulsionnelle de ce filtre est :

h(t) = δ(t) − e−t H(t)

La réponse fréquentielle de ce filtre est :

2iπν
H(ν) =
2iπν + 1

10.4 Qualificatifs décrivant un filtre

10.4.1 Filtre passe-bas
Un filtre est dit un passe-bas lorsqu’approximativement, le module de la réponse fréquentielle est plus important
pour les basses fréquences que pour les fréquences élevées. Le filtre moyenneur est un exemple de filtre passe-bas.

10.4.2 Filtre passe-haut

Un filtre est dit un passe-haut lorsqu’approximativement, le module de la réponse fréquentielle est plus faible
pour les basses fréquences que pour les fréquences élevées. Le filtre dérivateur est un exemple de filtre passe-bas.

10.4.3 Filtre passe-tout

Un filtre est dit un passe-tout lorsqu’approximativement, le module de la réponse fréquentielle est identique pour
toutes les fréquences. Le filtre à retard est un exemple de filtre passe-tout.

10.4.4 Fréquence de coupure

Pour décrire succintement un filtre passe-bas ou un filtre passe-haut, on définit la fréquence de coupure, notée
ici νc .
1
|H(νc )| = √ max |H(ν)|
2 ν
On définit aussi la fréquence de coupure par

20 log10 |H(νc )| = max 20 log10 |H(ν)| − 3

ν

Dans cette seconde définition, il est important que le logarithme utilisé ici soit de base 10, c’est-à-dire que log10 (10) = 1.
75
 Formellement

Les deux définitions donnent des valeurs très similaires mais pas rigoureusement identiques pour la fréquence de coupure. Mais l’objectif
recherché en calculant la fréquence de coupure n’est que d’indiquer un comportement approximatif du filtre. En réalité des filtres
passe-bas très différents peuvent avoir exactement la même fréquence de coupure.

10.5 Supplément : Comment trouver une façon de représenter un filtre

Un filtre peut être défini soit par sa relation entrée-sortie, soit par sa réponse impulsionnelle, soit par sa réponse
fréquentielle.

10.5.1 Comment trouver la réponse impulsionnelle à partir de la relation entrée-sortie

On suppose que l’on connaît H qui transforme un signal x(t) en un signal y(t). La réponse impulsionnelle de ce
filtre est la sortie du signal lorsqu’en entrée on place x(t) = δ(t).

h(t) = H [δ(t)] (t)

10.5.2 Comment trouver la relation entrée-sortie à partir de la réponse impulsionnelle

On considère un filtre dont on connaît la réponse impulsionnelle notée h(t). On se donne un signal en entrée x(t)
et on note y(t) le signal sortie.
La relation entrée-sortie est
Z +∞
y(t) = h(t) ∗ x(t) = h(t − τ )x(τ ) dτ
−∞

Lorsqu’on sait que x(t) et h(t) sont nuls pour t < 0, alors cette relation entrée-sortie s’écrit aussi
Z t
y(t) = h(t − τ )x(τ ) dτ
0

10.5.3 Comment trouver la réponse fréquentielle à partir de la réponse impulsionnelle

On considère un filtre dont on connaît la réponse impulsionnelle notée h(t). La réponse fréquentielle de ce filtre
est

H(ν) = TF [h(t)] (ν)

10.5.4 Comment passer de la réponse fréquentielle à la relation entrée-sortie

La technique présentée ici permet de trouver la relation entrée-sortie à partir de sa réponse fréquentielle uniquement
lorsque celle-ci est définie comme le quotient de deux polynômes.
On considère un filtre dont la réponse fréquentielle s’écrit sous la forme suivante :

b0 + b1 (2iπν) + . . . bN (2iπν)N
H(ν) =
a0 + a1 (2iπν) + . . . aM (2iπν)M

Dans ce cas la relation entrée-sortie correspondante est

d dM d dN
a0 y(t) + a1 y(t) + . . . + aM M y(t) = b0 x(t) + b1 x(t) + . . . + bN N x(t)
dt dt dt dt
La même technique permet de passer d’une relation entrée-sortie écrite sous la forme d’une équation différentielle
à une réponse fréquentielle.

76
 Figure 10.1: Courbes représentatives à gauche de x(t) et à droite de y(t) relatives à la question 10.1.

10.6 Supplément : Propriété des filtres

10.6.1 Un filtre est une relation linéaire
On considère un filtre H. On considère deux signaux x1 (t) et x2 (t) et deux réels α et β. On note y1 (t) la
sortie du filtre lorsqu’en entrée on met x1 (t) et y2 (t) la sortie du filtre lorsqu’en entrée on met x2 (t). Enfin on note
x(t) = αx1 (t) + βx2 (t) un signal qui placé à l’entrée du filtre donne la sortie y(t).
La linéarité signifie alors que y(t) = αy1 (t) + βy2 (t)
On peut résumer l’ensemble de l’affirmation par
H [αx1 (t) + βx2 (t)] (t) = αH [x1 (t)] (t) + βH [x2 (t)] (t)

10.6.2 Un filtre est à temps invariant

On considère un filtre H. On considère un signal x1 (t) et un retard τ . On note y1 (t) la sortie du filtre lorsqu’en
entrée on met x1 (t). Enfin on note x2 (t) = x1 (t − τ ) le signal τ -retardé qui placé à l’entrée du filtre donne la sortie
y2 (t).
Le fait d’être à temps-invariant signifie alors que y2 (t) = y1 (t − τ )
On peut résumer l’ensemble de l’affirmation par
H [x1 (t − τ )] (t) = H [x1 (t)] (t − τ )
Formellement

Dans le cadre de ce cours, quand on parle d’un filtre, il est linéaire et temps invariant. Mais le terme filtre est parfois utilisé pour désigner
une relation entrée-sortie qui n’est pas forcément linéaire et temps invariant. Lorsqu’une de ces deux propriétés n’est pas vérifiée, la
notion de réponse fréquentielle n’a pas de sens. Aussi pour être certain d’être compris, il est parfois souhaitable de préciser filtre linéaire à
temps invariant.

10.7 QCM
Pour chaque question il y a une ou plusieurs affirmations vraies, il faut indiquer TOUTES les affirmations vraies
et sur le tableau plus bas, dans la colonne de gauche de chaque question, mettre une croix pour chaque affirmation
considérée comme vraie.
Question 1 On considère un signal x(t) décrit par la courbe représentative montrée à gauche de la figure 10.1. Ce
signal est mis en entrée d’un filtre de réponse impulsionnelle h(t) et de réponse fréquentielle H(ν). Le signal obtenu
en sortie est montrée à droite de la figure 10.1.
77
 A. La relation entrée sortie du filtre considéré est y(t) = x(t − 1).

B. h(t) = 1[−1,0] (t).

C. h(t) = δ(t + 1).

D. |H(ν)| = 1.

Question 2 On considère un filtre défini par

d
y(t) − y(t) = x(t)
dt
où x(t) est l’entrée et y(t) est la sortie. On considère que x(t) = y(t) = 0 pour t < 0. On note h(t) la réponse
impulsionnelle du filtre et H(ν) la réponse fréquentielle du filtre.

A. La relation entrée sortie du filtre est aussi

Z t
y(t) = et e−τ x(τ ) dτ
0

B. h(t) = e−t 1[0,+∞[ (t).

C. H(ν) = 2iπν−1 .
1

D. H(ν) = 2iπν − 1.

Question 3 On considère un filtre dont la réponse impulsionnelle est notée h(t) et la réponse fréquentielle est notée
H(ν).

eiπν
H(ν) =
4iν + 1
On note νc la fréquence de coupure de ce filtre.

A. h(t) = 0 pour t < 0.

B. Le filtre est un passe-haut.

C. νc = 1
2

D. νc = 1
4

Question 4 On considère un filtre dont la réponse impulsionnelle est notée h(t), à son entrée, il y a x(t) et à sa
sortie, il y a y(t).
1 1
h(t) = δ(t + 1) + δ(t − 1)
2 2
A. Si x(t) = e−t 1[0,+∞[ (t) alors y( 12 ) = 1.

B. Si x(t) = δ(t) alors y( 12 ) = 0.

C. Si x(t) = 1[0,1] (t) alors y( 12 ) = 0.

D. Si x(t) = 1[0,+∞[ (t) alors y( 12 ) = 1.

t2
Question 5 On considère un premier filtre de réponse impulsionnelle h1 (t) = te− 2 .

A. Ce premier filtre transforme un signal impair en un signal impair.

78
 B. Ce premier filtre est équivalent à l’application d’abord d’une dérivée du signal puis à l’application d’un deuxième
t2
filtre dont la nouvelle réponse impulsionnelle est h2 (t) = −e− 2

C. On considère un troisième filtre de réponse impulsionnelle h3 (t) = 1[− 1 , 1 ] (t). On note le signal à l’entrée de ce
2 2
filtre x(t) et le signal à la sortie y(t). On peut mettre la relation entrée-sortie sous la forme suivante :
d 1 1 1 1
y(t) = x(t + ) − x(t − )
dt 2 2 2 2

1 2 3 4 5
A c c c c c NOTE
B c c c c c 4×#V = 4× =
C c c c c c 2×#M = 2× = =
D c c c c c 1×#̸ M = 1× =
0×#N = 0× =
V,M,̸ M ou, N

10.8 Exercices
Exercice 73 On considère deux paramètres fixes et différents notés a, b avec a ̸= b et a > 0, b > 0. On considère
deux signaux.
√ √
xa (t) = ae−ta H(t) et xb (t) = be−tb H(t)

avec H(t) = 1[0,+∞[ (t).

Leurs transformées de Fourier sont notées Xa (ν) et Xb (ν).
√ √
a b
Xa (ν) = et Xb (ν) =
a + 2iπν b + 2iπν
On considère un filtre linéaire, temps invariant qui transforme xa (t) en xb (t). L’énergie de ces signaux a été
calculée dans l’exercice 41 (p. 36). Le calcul et la représentation graphique de Xa (ν) et Xb (ν) est faite dans l’exercice 25
(p. 28).

1. Montrez que la réponse fréquentielle du filtre est

s
b a + 2iπν
 
H(ν) =
a b + 2iπν

2. Montrez que |H(ν)| = 1 pour une seule fréquence notée ν0 qui vaut
√
ab
ν0 =
2π
q
3. Montrez que H(0) = a
b et que
s
b
lim |H(ν)| =
ν→+∞ a

4. Montrez que
s s
b (b2 − a2 )
|H(ν)| = 1−
a b2 + 4π 2 ν 2

5. Montrez que

• si a < b, ν 7→ |H(ν)| est décroissante de −∞ à 0 et croissante de 0 à +∞, le filtre est un passe-haut ;

79
 • si b < a, ν 7→ |H(ν)| est croissante de −∞ à 0 et décroissante de 0 à +∞, le filtre est un passe-bas ;

6. Représentez graphiquement |H(ν)| en fonction de ν.

7. Montrez que
s s
b b a−b
 
H(ν) = +
a a b + 2iπν
√
8. En observant que Xb (ν) = b+2iπν ,
b
montrez que la réponse impulsionnelle du filtre est
s
b b √ −bt
 
h(t) = δ(t) + 1 − abe 1[0,+∞[ (t)
a a

9. En utilisant l’exercice 69, (p. 72), montrez que la relation entrée-sortie peut s’exprimer ainsi
s
b √ b −bt
  Z t
y(t) = x(t) + ab 1 − e ebτ x(τ ) dτ
a a 0

lorsque x(t) est nul pour t ≤ 0.

10. Montrez que si x(t) = xa (t) alors y(t) = xb (t).

Exercice 74 On considère un filtre dont la relation entréee-sortie est définie par

s
d b d √
y(t) + by(t) = x(t) + abx(t)
dt a dt

Montrez que la réponse fréquentielle est

s
b a + i2πν
 
H(ν) =
a b + i2πν

Exercice 75 On considère α ∈ [0, 1[ et un signal xα (t) défini par

• xα (t) est périodique de période 1

• Pour t ∈ [0, α], xα (t) = 1

• Pour t ∈]α, 1], xα (t) = 0

• Xα,k sont les coefficients de Fourier de xα (t).

On considère un signal non-périodique x′α (t) = 1[0,α] (t) dont la transformée de Fourier est notée Xα′ (ν).
On considère un filtre de réponse impulsionnelle h(t) = δ(t − 21 ).

• yα (t) est la sortie du filtre obtenue lorsqu’en entrée on met xα (t). Les coefficients de Fourier sont notés Yα,k .

• yα′ (t) est la sortie du filtre obtenue lorsqu’en entrée on met x′α (t). Sa transformée de Fourier est notée Yα′ (ν).

1. Montrez que pour t ∈ [0, 1[,

∀t ∈ [0, 1[, xα (t) = x′α (t)

2. Montrez que Xα,0 = α

3. Calculez la réponse fréquentielle du filtre notée H(ν) et montrez que

H(ν) = e−iπν
80
 4. Montrez que yα (t) est périodique de période 1.

5. Montrez que

Yα,k = (−1)k Xα,k

Ceci permet dans l’exercice 62 (p. 56) de trouver les puissances de xα (t) et de yα (t).

6. Montrez que

yα′ (t) = 1[ 1 ,α+ 1 ] (t)

2 2

7. Montrez que pour t ∈ [0, 1[,

yα (t) = yα′ (t) + yα′ (t + 1)

8. Montrez que yα (t) = xα (t − 21 ). Ceci permet dans l’exercice 44 (p. 44) de réaliser des représentations graphiques
de xα (t) et yα (t).

9. Montrez que

• si α ≤ 12 , yα (t) = 1[ 1 ,α+ 1 ] (t) pour t ∈ [0, 1]

2 2

• si α ∈] 12 , 1[, yα (t) = 1[0,α− 1 ] (t) + 1[ 1 ,1] (t) pour t ∈ [0, 1]

2 2

10. Vérifiez en utilisant cette nouvelle caractérisation de yα (t) qu’on a bien

Yα,0 = α et Pyα = α

81
Chapter 11

Autocorrélation

11.1 Définition de l’autocorrélation

On considère un signal x(t). L’autocorrélation est un nouveau signal défini par
Z +∞
φxx (t) = x(τ ) (x(τ − t))∗ dτ
−∞

Astuce 1 Pour tester que cette écriture est probablement correcte, il faut la soustraction de l’argument du signal
non-conjugué par l’argument du signal conjugué donne l’argument de l’autocorrélation.

t = τ − (τ − t)

Formellement

Il existe un lien avec le produit de convolution. En posant x̃(t) = (x(−t))∗ , on trouve que

φxx (t) = x(t) ∗ x̃(t)

Ainsi, il est généralement faux de dire que φxx (t) = x(t) ∗ x(t).

Formellement

L’autocorrélation est en fait un cas particulier de l’intercorrélation qui n’est pas utilisé dans le cadre de ce cours. La définition de cette
intercorrélation peut aider à retrouver la définition de l’autocorrélation. L’intercorrélation se calcule à partir de deux signaux x(t) et y(t).
Z +∞
φxy (t) = x(τ ) (y(τ − t))∗ dt
−∞

11.2 Autocorrélation et transformée de Fourier

On considère un signal x(t) dont la transformée de Fourier est notée X(ν). La transformée de Fourier de
l’autocorrélation peut se calculer en ne considérant que le signal x(t).

TF [φxx (t)] (ν) = |X(ν)|2 (11.1)

Formellement

La démonstration de cette équation est possible par exemple en utilisant les équations (9.6) et (6.1).

TF [φxx (t)] (ν) = TF [x(t) ∗ (x(−t))∗ ] (ν) = TF [x(t)] (ν) TF [x(−t)∗ ] (ν) = X(ν) (X(ν))∗ = |X(ν)|2

Une propriété importante dans certaines applications est que la transformée de Fourier de l’autocorrélation est
positive.

TF [φxx (t)] (ν) ≥ 0

82
Astuce 2 Le fait de se souvenir que TF [φxx (t)] (ν) ≥ 0 aide à se souvenir de l’équation (11.1).

Cette quantité positive, |X(ν)|2 s’appelle la densité spectrale d’énergie.

Formellement

Le terme densité spectrale d’énergie provient de ce qu’effectivement en sommant |X(ν)|2 sur l’ensemble des fréquence on retrouve
l’énergie Ex en utilisant l’équation (4.3), p. 33.
Z +∞ Z +∞
|X(ν)|2 dν = |x(t)|2 dt = Ex
−∞ −∞

11.3 Propriété de l’autocorrélation

On considère un signal x(t)

1. L’autocorrélation φxx (t) en t = 0 est positive et vaut l’énergie Ex .

φxx (0) = Ex (11.2)

2. L’autocorrélation est majorée en module par l’énergie

|φxx (t)| ≤ Ex

3. Si le signal x(t) est réel alors φxx (t) est un signal pair.
4. Quand on retarde le signal x(t) alors l’autocorrélation du signal retardé est inchangé.

y(t) = x(t − a) ⇒ φyy (t) = φxx (t)

Cette idée est parfois exprimée par la phrase suivante : En calculant l’autocorrélation, on perd l’information de
phase du signal.

11.4 Supplément : interprétation de l’autocorrélation

On considère un signal x(t) et on note y(t) le signal obtenu en retardant x(t) de a. La différence entre ces deux
signaux est noté z(t).

y(t) = x(t − a) et z(t) = x(t) − x(t − a)

Un calcul numérique permet d’exprimer Ez en fonction de Ex et de la partie réelle de l’autocorrélation en a.

Ez = 2Ex − 2ℜe (φxx (a)) (11.3)

En regardant cette équation, on observe tout d’abord que la modification de a ne change pas Ex (puisque a n’agit
pas sur x(t)). Ensuite parce que z(t) = x(t) − y(t) et comme il a été dit en section 4.4.2, Ez mesure la ressemblance
entre x(t) et y(t).
Cette équation permet d’affirmer l’interprétation suivante :
• Lorsque la partie réelle de l’autocorrélation en t = a augmente alors le signal x(t) ressemble d’autant plus à
x(t − a).

Formellement

Il est possible de démontrer l’équation (11.3). Tout d’abord les règles de calcul sur les complexes montrent que
|z(t)|2 = (x(t) − y(t)) (x(t)∗ − y(t)∗ ) = |x(t)|2 + |y(t)|2 − 2ℜe (x(t)y(t)∗ )
La linéarité du fait d’intégrer un signal et la définition de l’énergie et de l’autocorrélation montrent que
Ez = Ex + Ey − 2ℜe (φxx (a))
Comme y(t) est obtenu en retardant x(t), on a Ex = Ey ce qui démontre l’équation (11.3).

83
 Cette interprétation de l’autocorrélation permet de comprendre certaines propriétés énoncées en section 11.3. On
suppose ici que x(t) est un signal réel.

1. La ressemblance entre x(t − t0 ) et x(t) quand t0 = 0 :

φxx (t) ≤ φxx (0)

2. La ressemblance entre x(t) et x(t − (−a)) décrite par φxx (−a) est la même qu’entre x(t − a) et x(t) décrite par
φxx (a). Aussi φxx (t) est-il un signal pair.

3. On considère y(t) = x(t − t0 ). La ressemblance entre x(t − t0 ) et x(t − t0 − a) décrite par φyy (a) est la même
que la ressemblance entre x(t) et x(t − a) décrite par φxx (a). Aussi φyy (t) = φxx (t)

Formellement

On considère ici la notion de linéarité défini en section 2.4.3. φxx (t) n’est pas non-plus linéaire vis-à-vis de x(t). En effet,
l’équation (11.2) montre un lien avec Ex qui lui n’est pas linéaire vis-à-vis de x(t).

Astuce 3 On peut retrouver Ex = φxx (0) en passant par la transformée de Fourier de φxx (t).
h i Z +∞
2
φxx (0) = TF -1
|X(ν)| (0) = |X(ν)|2 dν = Ex
−∞

11.5 QCM
Pour chaque question il y a une ou plusieurs affirmations vraies, il faut indiquer TOUTES les affirmations vraies
et sur le tableau plus bas, dans la colonne de gauche de chaque question, mettre une croix pour chaque affirmation
considérée comme vraie.

Question 1 On considère x(t) un signal non-périodique réel et pair. On note φxx (t) son autocorrélation.

A. Si on avance x(t), alors x(t) ∗ x(t) est aussi avancé.

B. Si on avance x(t), alors φxx (t) est aussi avancée.

C. x(t) ∗ x(t) est aussi un signal pair.

D. φxx (t) est aussi un signal pair.

Question 2 On considère un filtre de réponse impulsionnelle h(t) à valeurs réelles et des signaux réels x1 (t), x2 (t),
y1 (t) et y2 (t). On note φx1 x1 (t) et φx2 x2 (t) les autocorrélations associées à x1 (t) et x2 (t).

y (t) = h(t) ∗ x1 (t)


 1


x2 (t) = x1 (t) + x1 (t − 1)
 y2 (t) = h(t) ∗ x2 (t)



A. y2 (t) = y1 (t) + y1 (t − 1)

B. φx2 x2 (t) = φx1 x1 (t) + φx1 x1 (t − 1)

C. y2 (t) = (h(t) + h(t − 1)) ∗ x1 (t)

D. φx2 x2 (t) = 2φx1 x1 (t) + φx1 x1 (t − 1) + φx1 x1 (t + 1)

Question 3 Pour cette question, on utilise le résultat suivant.

1[− 1 , 1 ] (t) ∗ 1[− 1 , 1 ] (t) = (1 − |t|) 1[−1,1] (t)

2 2 2 2

On note x1 (t) = 1[0,1] (t) et x2 (t) = 1[0,2] (t). Leurs autocorrélations sont notées φx1 x1 (t) et φx2 x2 (t).
84
 A. φx1 x1 (t) = (1 − |t|) 1[−1,1] (t)
 
|t|
B. φx2 x2 (t) = 1 − 2 1[−2,2] (t)

C. 1[−2,0] (t) ∗ 1[0,2] (t) n’est pas un signal pair.

h i h i
D. 1[0,2] (t) ∗ 1[0,2] (t) (t) = 1[−2,0] (t) ∗ 1[0,2] (t) (t − 2)

Question 4 On considère x(t) = eiπt 1[0,1] (t). Son autocorrélation est notée φxx (t).

A.
Z t
φxx (t) = x(τ )(x(τ − t))∗ dτ pour t ∈ [0, 1]
0

B. φxx (t) = φxx (−t)

C. φxx (0) = 1

D. φxx (1) = 0

Question 5 On considère x(t) = ei2πt 1[− 1 , 1 ] (t). Son autocorrélation est notée φxx (t), son énergie est notée Ex et
2 2
sa transformée de Fourier est notée X(ν).

A. Ex = 1

B. X(1) = 1

C. (x(t) ∗ x(t)) (0) = 1

D. φxx (0) = 1

1 2 3 4 5
A c c c c c NOTE
B c c c c c 4×#V = 4× =
C c c c c c 2×#M = 2× = =
D c c c c c 1×#̸ M = 1× =
0×#N = 0× =
V,M,̸ M ou, N

11.6 Exercices
2
Exercice 76 On cherche à calculer l’autocorrélation, φxx (t) pour x(t) = e−πt . On admet ici que
h 2
i 2
TF e−πt (ν) = e−πν

1. Calculez sxx (ν) = TF[φxx (t)] et montrez que

2
Sxx (ν) = e−2πν
√
2. Montrez que Sxx (ν) = X( 2ν)

3. Montrez que
√
2 − πt2
φxx (t) = e 2
2

Exercice 77 On considère x(t) = 1R+ (t)e−αt avec α > 0, et y(t) = x(t) ∗ x(t).

85
 1. Montrez que
Z t 
y(t) = x(τ )x(t − τ ) dτ 1R+ (t)
0

2. Montrez que

y(t) = te−αt 1R+ (t)

Exercice 78 On considère x(t) = 1R+ (t)e−αt avec α > 0 et φxx (t) son autocorrélation.

1. Montrez que φxx (−t) = φxx (t)∗ , ici ∗ signifiant le conjugué.

2. Pour t ≥ 0, montrez que

Z +∞
φ(t) = x(τ )x(τ − t)∗ dτ
t

3. Montrez que
1 −α|t|
φxx (t) = e pour t ∈ R
2α

Exercice 79 On considère x(t) = e−αt 1R (t) avec α > 0. L’autocorrélation de ce signal est déjà calculé et vaut
1 −α|t|
φxx (t) = e
2α
L’exercice 42 (p. 36) a permis de montrer que Ex = 2α .
1
Calculez φxx (0) et observez que ici

Ex = φxx (0)

Exercice 80 On considère x(t) = e−αt 1R+ (t) et φxx (t) son autocorrélation.

1. Montrez que
1
TF [x(t)] (ν) =
α + 2iπν

2. En exprimant TF[φxx (t)](ν) en fonction de X(ν), montrez que

Z +∞
φxx (0) = |X(ν)|2 dν
−∞

3. Avec l’exercice 79 (p. 86), on sait que φxx (0) = 2α .

1
À partir de la question précédente et avec α = 2π, montrez
que
Z +∞
dν
=π
−∞ 1 + ν2

Exercice 81 En utilisant les exercices 77 et 80 (p. 85 et p. 86), montrez que

h i 1
TF te−αt 1R+ (t) =
(α + 2iπν)2

86
Chapter 12

Distributions et propriétés

12.1 Dérivée de la distribution Dirac

On peut définir la distribution δ ′ (t) par
Z +∞
δ ′ (t)f (t) dt = −f ′ (0) (12.1)
−∞

Remarque 25 Cette définition de δ ′ (t) ne signifie pas du tout que δ ′ (t)f (t) = −δ(t)f ′ (0). Pour illustrer sur un
exemple que cette affirmation est fausse, on considère f (t) = 2t + 3.
R +∞ ′
−∞ δ (t)f (t)t dt = − dt (2t + 3)t t=0 = −3
d
•
R +∞
• −∞ δ(t)f (0)t dt = −
′ d
dt (2t + 3) ×0 = 0
t=0

La distribution δ ′ (t) est la dérivée de la distribution δ(t)

d
δ(t) = δ ′ (t)
dt
Plus précisément on a

• La définition donnée dans l’équation (12.1) permet de retrouver le résultat que l’on aurait en considérant que
δ(t) est un primitive de δ ′ (t) et en appliquant la définition de δ(t).
Z +∞ Z +∞ Z +∞
δ ′ (t)f (t) dt = −f ′ (0) = − δ(t)f ′ (t) dt = [δ(t)f (t)]+∞
−∞ − δ(t)f ′ (t) dt
−∞ −∞ −∞

• Cette définition de δ ′ (t) permet d’exprimer la convolution par rapport à δ ′ (t) comme la dérivée de la convolution
par rapport à δ(t).
R +∞ ′
(δ ′ (t) ∗ f (t))(t) = −∞ δ (τ )f (t − τ ) dτ = − dτ f (t − τ ) τ =0 = −(−f (t)) = f (t)
d ′ ′

= dt f (t)
d
= (δ(t) ∗ f ′ (t))(t) = dt (δ(t)
d
∗ f (t))(t)

• Cette définition permet d’exprimer la transformée de Fourier de δ ′ (t) comme 2iπν multiplié par la transformée
de Fourier de δ(t).
Z +∞
d −i2πνt
TF δ ′ (t) (ν) = δ ′ (t)e−i2πνt dt = − = −(−i2πν) = 2iπν = 2iπν TF [δ(t)] (ν)
 
e
−∞ dt t=0

87
12.2 Distribution valeur principale
Dans le cadre de ce cours, nous utilisons la valeur principale de Cauchy en tant que distribution. Pour simplifier,
on peut dire qu’elle remplace t−a
1
qui n’est pas intégrable en quelque chose qui l’est mais d’une façon particulière.
Lorsque f est mathématiquement une fonction continue,
1
Z +∞   Z +∞
(t − a) f (t) dt =
vp f (t) dt
−∞ t−a −∞
Dans le cadre de ce cours, nous utilisons ces trois propriétés.
 
1. vp 1
t est un signal impair et par conséquent en décomposant x(t) en un signal pair 2 (x(t)
1
+ x(−t)) et un
signal impair 2 (x(t)
1
− x(−t)), on a
1 1 1
Z +∞   Z +∞  
vp x(t) dt = vp (x(t) − x(−t)) dt
−∞ t −∞ t 2
R +∞  
En effet −∞ vp 1
t 2 (x(t)
1
+ x(−t)) dt = 0
et x(t) = 12 (x(t) + x(−t)) + 2 (x(t)
1
− x(−t))
2. Sa transformée de Fourier ne dépend que du signe de ν.
1
  
TF vp (ν) = iπ − 2iπH(ν) = −iπ signe(ν) (12.2)
t
Ainsi sa partie imaginaire est négative si ν > 0 et positive sinon.
 
3. La transformée de Fourier inverse de vp 1
ν ne dépend que du signe de t.
1
  
TF-1 vp
(t) = −iπ + 2iπH(t) = iπ signe(t)
ν
Ainsi sa partie imaginaire est positive si t > 0 et négative sinon.
Remarque 26 On pourrait justifier l’équation (12.2) en constatant tout d’abord que
TF [1] (ν) = δ(ν)
L’application ensuite de l’équation (5.4) conduit à
1 1
   Z ν
TF vp (ν) = δ(ν ′ ) dν ′ + A
2iπ t −∞
  Rν
où A est une constante. Enfin le fait que 1
2iπ vp 1
t est imaginaire pure montre que −∞ δ(ν
′ ) dν ′ + A est impaire.
Pour ν ̸= 0,
Z ν
δ(ν ′ ) dν ′ = 1[0,+∞[ (ν)
−∞

On en déduit que A = − 21 et inalement que on a

1 1 1
  
TF vp (ν) = signe(ν)
2iπ t 2
Formellement

Étant donnée f une fonction continue au sens mathématique,

Z +∞ Z −ϵ Z +∞ 
1 f (t) f (t)
 
vp f (t) dt = lim dt + dt (12.3)
−∞
t−a ϵ→0 −∞
t−a ϵ
t−a
ϵ>0

Cette définition permet de prouver les trois propriétés considérées.

Formellement

Les distributions δ(t), δ ′ (t) et vp 1t sont définies dans les cours classiques en mathématiques d’une manière assez différente. Par exemple


l’équation (12.3) n’est pas utilisée que pour des fonctions f qui ont des propriétés extrêmement régulières et qui sont pour cette raison
compliquées. Les calculs qui utilisent cette équation avec des exemples de signaux tirés du cours sont intéressantes pour comprendre la
notion, et c’est le but de ce cours, mais ces calculs ne vont pas former un tout parfaitement cohérent avec la vraie notion de distributions.

88
12.3 Distributions et parité
La distribution δ(t) est une distribution paire

δ(−t) = δ(t)

Plus précisément, on a

• En opérant un changement de variable sur l’intégrale on voit que δ(−t) se comporte dans cette intégrale comme
δ(t).
Z +∞ Z +∞ Z +∞
δ(−t)f (t) dt = δ(t)f (−t) dt = f (0) = δ(t)f (t) dt
−∞ −∞ −∞

• En appliquant la règle sur le retournement de l’échelle temporelle pour la convolution, on voit dans un produit
de convolution δ(−t) se comporte comme δ(t).

[δ(−t) ∗ f (t)] (t) = [δ(t) ∗ f (−t)] (−t) = f (−(−t)) = f (t) = [δ(t) ∗ f (t)] (t)

• En appliquant la règle sur le retournement de l’échelle temporelle sur le calcul de la transformée de Fourier, on
voit que δ(−t) a la même transformée de Fourier que δ(t).

TF [δ(−t)] (ν) = (1)∗ = 1 = TF [δ(t)] (ν)

La distribution δ ′ (t) est une distribution impaire

δ ′ (−t) = −δ ′ (t)

Plus précisément, on a

• Un changement de variable sur l’intégrale et l’utilisation de la définition donnée par (12.1) montre que dans
l’évaluation de l’intégrale, on peut remplacer δ ′ (−t) par −δ ′ (t).
Z +∞ Z +∞ Z +∞
d
δ ′ (−t)f (t) dt = δ ′ (t)f (−t) dt = − f (−t) = f ′ (0) = − δ ′ (t)f (t) dt
−∞ −∞ dt t=0 −∞

• La règle sur le retournement temporel dans le produit de convolution ainsi que la définition donnée par (12.1)
montre qu’on peut remplacer δ ′ (−t) par −δ ′ (t) dans l’évaluation du produit de convolution.
 ′
δ (−t) ∗ f (t) (t) = δ ′ (t) ∗ f (−t) (−t) = −f ′ (−(−t)) = −f ′ (t) = − δ ′ (t) ∗ f (t) (t)
    

• La règle sur le retournement temporel dans le calcul de la transformée de Fourier ainsi que la définition donnée
par (12.1) montre qu’on peut remplacer δ ′ (−t) par −δ ′ (t) dans le calcul de la transformée de Fourier.

TF δ ′ (−t) (ν) = (2iπν)∗ = −2iπν = − TF δ ′ (t) (ν)

   

 
La distribution vp 1
t est une distribution impaire

1 1
   
vp = − vp
−t t
Plus précisément on a

•
1 1 1
Z +∞   Z +∞   Z +∞  
vp f (t) dt = vp f (−t) dt = − vp f (t) dt
−∞ −t −∞ t −∞ t
89
 •
1 1 1
           
vp ∗ f (t) (t) = vp ∗ f (−t) (−t) = − vp ∗ f (t) (t)
−t t t

•
1 1 1
       ∗   
TF vp (ν) = TF vp (ν) = − TF vp (ν)
−t t t

Dans ces trois expressions, la première égalité est la signification de l’inversion du signe t dans la distribution, elle
est obtenue avec dans la première expression avec un changement de variable dans l’intégrale, dans les deux autres
expressions par les propriétés sur le retournement de l’échelle temporelle. La deuxième égalité dans expression donne
la traduction numérique du fait que cette distribution est impaire.

12.4 À quoi sert la distibution valeur principale (Hors Programme)

On appelle transformée de Hilbert la transformation suivante qui transforme le signal x(t) en x
b(t).

1 1
   
b(t) =
x vp ∗ x(t) (t)
π t

Formellement

Compte-tenu des définitions utilisées dans ce cours, cette écriture a un sens dès lors que x(t) a une dérivée qui est intégrable.

La transformée de Fourier d’un signal ainsi transformé est donnée par

TF [x
b(t)] (ν) = −i signe(ν) TF [x(t)] (ν)

Si on applique deux fois la transformée de Hilbert, on retrouve le signal de départ mais avec le signe opposé.
On a les exemples suivants

• Si x(t) = cos(t) alors x

b(t) = sin(t).

• Si x(t) = 1
t2 +1
alors x
b(t) = t
t2 +1
.

On appelle le signal enveloppe

q
(x(t))2 + (x
b(t))2

On appelle le signal analytique

x(t) + ix
b(t)

Les exemples précédents deviennent

• Pour x(t) = cos(t), le signal analytique est eit et l’enveloppe est 1.

• Pour x(t) = 1
t2 +1
, le signal analytique est 1+it
1+t2
et l’enveloppe est √ 1
1+t2

12.5 QCM
Pour chaque question il y a une ou plusieurs affirmations vraies, il faut indiquer TOUTES les affirmations vraies
et sur le tableau plus bas, dans la colonne de gauche de chaque question, mettre une croix pour chaque affirmation
considérée comme vraie.

Question 1 On considère x(t) = (t2 + 3t + 2)1[−2,2] (t) et H(t) = 1R+ (t).

90
 A.
Z +∞
δ(t + 1)x(t) dt = 6
−∞

B.
Z +∞
δ ′ (t + 1)x(t) dt = 1
−∞

C.
1
Z +∞  
vp x(t) dt = 2
−∞ t+1

D.
1
Z +∞
H(t)x(t) dt = 13 −
−∞ 3

Question 2 On considère un filtre dont la réponse impulsionnelle est notée h(t), à son entrée, il y a x(t) et à sa
sortie, il y a y(t). La réponse fréquentielle de ce filtre est H(ν).

h(t) = e−t 1[0,+∞[ (t)

A. Si x(t) = δ(t) alors y(1) = 1e .

B. Si x(t) = 1[0,+∞[ (t) alors y(1) = 1.

C. |H(1)| = √ 1
1+4π 2
.

D. Le filtre considéré est un passe-bas.

Question 3 On considère H(t) = 1[0,+∞[ (t) et signe(t) le signal qui vaut 1 pour t > 0, 0 en t = 0 et −1 en t < 0.

A.
iπ 1 1
 
TF[H(t)](ν) = vp + δ(ν)
2 ν 2

B.
iπ 1 1
 
TF [H(ν)](t) =
-1
vp + δ(t)
2 t 2

C.
1 1 1 −iπν
    
TF signe t − (ν) = vp e
2 iπ ν

D.
1 1
   
signe t − − signe t + = 21[− 1 , 1 ] (t)
2 2 2 2

Question 4 On considère le signal x(t) = 1[−1,2] (t). On note H(t) = 1[0,+∞[ (t) et signe(t) le signal qui vaut 1 pour
t > 0, 0 en t = 0 et −1 en t < 0.

A.
Z +∞
signe(t)x(t) dt = 1
−∞
91
 B.
Z +∞
H(t)x(t) dt = 1
−∞

C.
1
Z +∞  
vp x(t) dt = 1
−∞ t

D.
Z +∞
δ(t)x(t) dt = 1
−∞
 
Question 5 On considère un signal x(t) à partir duquel on définit y(t) = vp 1t ∗ x(t) et z(t) = x(t) + iy(t). On
note X(ν), Y (ν) et Z(ν) leurs transformées de Fourier. Dans cette question, on appelle ici gaussienne tout signal de
(t−t0 )2
la forme Ae− 2σ 2

A. Si x(t) est un signal à valeurs réelles alors y(t) est aussi un signal à valeurs réelles.

B. Si x(t) est une gaussienne alors y(t) est aussi une gaussienne.

C. |Y (ν)| = |X(ν)| pour ν ̸= 0.

D. |Z(ν)| = |X(ν)| pour ν ̸= 0.

1 2 3 4 5
A c c c c c NOTE
B c c c c c 4×#V = 4× =
C c c c c c 2×#M = 2× = =
D c c c c c 1×#̸ M = 1× =
0×#N = 0× =
V,M,̸ M ou, N

12.6 Exercices
Exercice 82 On note H(t) = 1[0,+∞[ (t). On admet que

1 1 1
 
TF [H(t)] (ν) = vp + δ(ν)
2iπ ν 2
et qu’on a déjà calculé
h i sin(πν)
TF 1[− 1 , 1 ] (t) (ν) =
2 2 πν
1. En utilisant que
1 1
1[− 1 , 1 [ (t) = H(t + ) − H(t − )
2 2 2 2
qui a été calculé dans l’exercice 5 (p. 12), montrez que
h i
TF 1[− 1 , 1 ] = TF [H(t)] (ν) × 2i sin(πν)
2 2

2. Montrez que δ(ν) sin(πν) = 0

3. Montrez que
1 1 sin(πν)
 
vp 2i sin(πν) =
2iπ ν πν
92
Exercice 83 On considère x(t) = t1[0,1] (t), y(t) = 1[0,1] (t) et z(t) = δ ′ (t) ∗ x(t). On note X(ν), Y (ν) et Z(ν) les
transformées de Fourier de ces trois signaux. On cherche à calculer X(ν), de deux façons différentes. On considère
qu’on a déjà calculé
h i sin(πν)
TF 1[− 1 , 1 ] (t) (ν) =
2 2 πν
1. Montrez que

1 − e−2iπν
Y (ν) =
2iπν

2. En utilisant les expressions de la dérivée d’un quotient de deux fonctions, montrez que
d −1 1 1 2iπ −2iπν
 
Y (ν) = − 2 e−2iπν − e
dν 2iπ ν 2 ν ν

3. En déduire que

1 − e−2iπν 2iπν − e−2iπν

!
X(ν) = −
4π 2 ν 2

4. Un calcul mathématique utilisant un développement limité à l’ordre 2 de x 7→ ex au voisinage de x = 0 permet

d’affirmer que
1
lim X(ν) =
ν→0 2
R +∞
Retrouvez ce résultat en utilisant explicitement −∞ x(t) dt

5. Montrez que

z(t) = 1[0,1] (t) − δ(t − 1)

6. Calculez Z(ν) et montrez que

1 − e−2iπν 2iπν − e−2iπν

Z(ν) =
2iπν

7. Montrez que Z(ν) = 2iπνX(ν)

8. Déduisez des deux questions précédentes que

1 − e−2iπν 2iπν − e−2iπν

!
X(ν) = −
4π 2 ν 2

Exercice 84 On considère trois signaux x(t), y(t) et z(t) définis par

x(t) = t




y(t) = 1[0,1] (t)


z(t) = x(t) ∗ y(t)


Leur transformée de Fourier sont notées X(ν), Y (ν), Z(ν).

1. Montrez que
Z t
x(t) ∗ y(t) = x(τ ) dτ
t−1

93
 2. Montrez que z(t) = t − 1
2

3. Montrez que
−1 ′
X(ν) = δ (ν)
2iπ
h i
sin(πν)
4. Sachant que TF 1[− 1 , 1 ] (t) (ν) = πν , montrez que
2 2

1 − e−2iπν
Y (ν) =
2iπν

5. Pour cette question, on admet d’une part qu’en général pour un signal f (t), on a

f (t)δ ′ (t) = f (0)δ ′ (t) − f ′ (0)δ(t)

D’autre part un calcul mathématique utilisant un développement limité à l’ordre 2 de x 7→ ex nous informe que

dY (ν)
= −iπ et Y (0) = 1
dν ν=0

La première partie de cette équation signifie que la dérivée en ν = 0 de Y (ν) vaut −iπ. Montrez alors que

i ′ 1
Z(ν) = δ (ν) − δ(ν)
2π 2

6. Retrouvez Z(ν) en utilisant que z(t) = t − 21 .

Exercice 85 On considère les signaux x(t), y(t) et z(t) définis par

x(t) = 1[0,1] (t)





  

y(t) = 12 δ(t) − 2π
i
vp 1
t

z(t) = x(t) ∗ y(t)



Leurs transformées de Fourier sont notées X(ν), Y (ν) et Z(ν). On admet ici que

1 f (τ ) f (τ )
"Z #
Z   −|ϵ| Z +∞
vp f (τ ) dτ = lim dτ + dτ
R τ ϵ→0 −∞ τ |ϵ| τ

1. Montrez que
1 i t
z(t) = 1[0,1] (t) − ln
2 2π t−1

2. Représentez la partie réelle et imaginaire de z(t)

3. Montrez que

Y (ν) = −H(ν) = −1[0,+∞[ (ν)

1−e−2iπν
4. Montrez que Z(ν) = 0 pour ν < 0, représentez |Z(ν)|. On admet ici que X(ν) = 2iπν .

94