École Polytechnique de Montréal Cours ELE3700

Département de génie électrique Analyse des signaux

Notes des cours #1 à #7

Spectres discrets et spectres continus

David Savéry

Version du 29 janvier 2002

Résumé
Ces notes correspondent aux exposés oraux portant sur le premier chapitre du cours ELE3700.
Ces cours introduisent les outils mathématiques nécessaires à la définition du spectre d’un signal.
On insistera en premier lieu sur les résultats en suivant progressivement la chronologie du cours.
Les notions indispensables (formules, théorèmes, techniques) à connaı̂tre seront entourées dans
le texte.

1 Introduction aux séries de Fourier

1.1 Préliminaires
Dans cette première partie du cours ELE3700, on désigne par signal toute fonction x d’une
variable réelle continue t 1 à valeur complexe ou réelle x(t). La variable réelle t représente le plus
souvent le temps physique. On manipule les signaux comme des élements d’un espace vectoriel
fonctionnel. Selon les applications, cet espace regroupera les signaux aux caractéristiques de
régularité voulues. On utilise alors les outils de l’algèbre linéaire : décomposition dans une base,
transformation linéaire, etc . . .
Les espaces fonctionnels suivants sont classiques :

– C p ([a, b]), l’espace des signaux continûment dérivables p fois sur l’intervalle [a,b] (éventu-
ellement, a = −∞ ou b = −∞),
Rb
– L1 ([a, b]), l’espace des signaux x intégrables sur [a, b], i.e. tels que a
|x(t)| dt < ∞,
Rb
– L2 ([a, b]), l’espace des signaux x de carré intégrable sur [a, b], i.e. tels que a
|x(t)|2 dt < ∞.

1. On peut rencontrer des signaux à variable indépendante vectorielle continue, comme les images, f (~r), ou bien
comme on le verra plus tard les signaux à temps discret et valeurs discrètes qui sont appelés signaux numériques.

1
 1.2 Décomposition sur une base
Pour manipuler les vecteurs d’un espace vectoriel E, il est souvent d’intérêt d’exhiber une
base de E. Les opérations vectorielles reviennent alors à des manipulations plus simples de
tableaux de scalaires. Soit {~ei }i∈I , une famille de vecteurs de E indexée sur I. On dit que
les {~ei }i∈I forment une famille génératrice de E si tout vecteur de E peut s’écrire comme
combinaison linéaire des {~ei }i∈I , i.e. :
X
∀~x ∈ E, ∃{ai }i∈I , ~x = ai~ei .
i∈I

On dit que la famille {~ei }i∈I est libre lorsque :

X
ai~ei = ~0 ⇒ ∀i ∈ I, ai = 0.
i∈I

Ayant défini ces deux notions, on définit alors une base de E comme étant une famille libre
et génératrice de vecteurs de E. Le caractère générateur d’une base permet d’écrire tout vecteur
comme combinaison linéaire des vecteurs de base, tandis que son caractère libre garantit l’unicité
de la décomposition.

1.3 Coordonnées d’un vecteur

1.3.1 Décomposition dans une base
Soit B = {~ei }i∈I une base de E, et ~x un vecteur quelconque de E. On appelle coordonnées
de x dans B les uniques scalaires {ai }i∈I tels que :
X
~x = ai~ei .
i∈I

Exemple :
E = R2 , B1 = (~e1 , ~e2 ) tel que ~e1 = (1, 0) et e~2 = (0, 1), B2 = (f~1 , f~2 ) tel que f~1 = (1, 1) et
f~2 = (−1, 1). Les coordonnées de ~x = (3, 4) dans B1 sont (3, 4) tandis que les coordonnées de ~x
dans B2 sont ( 72 , 21 ).

1.3.2 Cas des espaces munis d’un produit scalaire

La recherche des coordonnées d’un vecteur dans une base peut être ardue (cf. exemple pré-
cédent pour B2 ). Cependant, lorsque l’espace E est muni d’un produit scalaire, la tâche s’avère
plus simple, puisqu’on peut alors définir des projections orthogonales.
Soit E un espace vectoriel muni d’un produit scalaire < ., . > 2 . On dit qu’une base B =
{~ei }i∈I est orthogonale si les ~ei sont orthogonaux deux à deux, soit :

∀i 6= j, < ~ei , ~ej >= 0.

√
Une base orthogonale est dite orthonormale si ses éléments sont de norme k e i k= < ~ei , ~ei >
unitaire. Soit :

{~ei }i∈I orthonormée ⇐⇒ ∀i, j ∈ I, < ~ei , ~ej >= δij ,

si l’on désigne par δij le symbole de Kronecker qui vaut 1 quand i = j et 0 quand i 6= j. La
recherche des coordonnées d’un vecteur dans une base orthonormale se simplifie puisque l’on a
alors :
2. Dans le cas des signaux à valeurs complexes, E sera un espace de Hilbert, et le produit scalaire sera plus
précisément un produit hermitien, le corps des scalaires associé à E étant C.

2
 X
~x = ai~ei , ai =< ~x, ~ei > .
i∈I

1.4 Série de Fourier et théorème de décomposition

Les rappels d’algèbre linéaire précédents vont nous permettre d’avoir une interprétation
géométrique des séries de Fourier. Les signaux seront manipulés comme des vecteurs et on
s’affranchira désormais de l’écriture fléchée du type ~x.

1.4.1 L’espace hilbertien L2 ([0, T ])

On s’intéresse maintenant à l’espace E = L2 ([0, T ]) des signaux de carré sommable sur [0, T ].
E peut être muni d’un produit scalaire 3 défini par la formule suivante :

T
1
Z
∀x, y ∈ E, < x, y >= x(t)y(t)∗ dt.
T 0

1.4.2 Décomposition dans L2 ([0, T ])

On cherche des bases orthogonales de cet espace fonctionnel. Définissons d’abord la famille
des exponentielles de Fourier {en }n∈Z par :

t
en (t) = exp(2iπn ),
T
et la famille trigonométrique 4 de Fourier {cn }n≥0 ∪ {sm }m≥1 par :

t t
cn (t) = cos(2πn ), sm (t) = sin(2πm ).
T T
Alors on a les résultats fondamentaux suivant :

La famille des exponentielles de Fourier est une base orthonormale de E.

La famille trigonométrique de Fourier est une base orthogonale de E.

Tout signal x de E se décompose dans la base exponentielle ou dans la base harmonique de

Fourier, et ses coordonnées sont données par des produits scalaires :

X exp(2iπn Tt ),
P
x(t) =
Rn∈Z n
1 T t (1)
Xn = T 0 x(t) exp(−2πin T ) dt.

= A0 + n≥1 An cos(2πn Tt ) + n≥1 Bn sin(2πn Tt ),

P P
x(t)
RT
A0 = T1 0 x(t)dt,
RT (2)
An = T2 0 x(t) cos(2πn Tt )dt,
RT
Bn = T2 0 x(t) sin(2πn Tt )dt.

3. Dans la suite, z ∗ désignera√le conjugué du complexe z, il existe aussi la notation z ∗ = z.

4. k c0 k= 1, k cn k=k sn k= 2/2 pour n > 0

3
1.4.3 Remarques
Injectivité de la série de Fourier dans E Dans l’espace E = L2 ([0, T ]), deux signaux
sont considérés égaux lorsqu’ils sont égaux presque partout. En particulier, lorsque deux fonc-
tions diffèrent sur un nombre fini de points sur l’intervalle [0, T ], alors elles sont représentées
par le même vecteur de L2 ([0, T ]). Cela entraı̂ne que deux fonctions presque-partout égales ont
la même décomposition en série (exponentielle ou trigonométrique) de Fourier.

Fonctions T-périodiques de carré sommable sur une période Nous avons dé-
fini la décomposition en série de Fourier sur l’espace L2 ([0, T ]). En fait, la décomposition est
également valide sur la classe des signaux de période T et de carré sommable sur une période.
RT
Considérons en effet un signal x tel que ∀t ∈ R, x(t + T ) = x(t) et 0 |x(t)|2 dt < +∞. Alors les
décompositions (1) et (2) sont valides pour t ∈ R et pas seulement sur [0, T ].

Conditions de Dirichlet On peut également étendre la notion de série de Fourier aux

fonctions T -périodiques sommables mais de carré non-sommable à condition d’abandonner la
notion de produit scalaire. En effet, toute fonction T-périodique x satisfaisant les conditions
suivantes, dites de Dirichlet :

(i) x est bornée,

Z T
(ii) |x(t)|dt < +∞,
0
(iii) x a un nombre fini de discontinuités sur [0, T ],

peut être développée en séries trigonométrique ou exponentielle de Fourier telles que données
par les équations (1) ou (2).

1.4.4 Relations entre séries trigonométrique et exponentielle

En écrivant les formules d’Euler liant exponentielles et fonctions trigonométriques, et en
invoquant l’unicité de la décomposition en série de Fourier d’une fonction, on trouve les relations
suivantes entre les coefficients {Xn }n∈Z et {An , Bm }n≥0,m≥1 .

X0 = A0 ,
An − iBn
Xn = , n ≥ 1,
2
An + iBn
X−n = , n ≥ 1.
2
(3)

Et inversement,

A0 = X0 ,
An = Xn + X−n , n ≥ 1,
Bn = i(Xn − X−n ), n ≥ 1.
(4)

4
 1.4.5 interprétation physique de la série de Fourier
Tout signal de période T satisfaisant les conditions de Dirichlet peut être écrit comme la
superposition de signaux harmoniques de fréquences discrètes, 5 multiples de la fréquence fonda-
mentale 1/T . Le module |Xn | quantifie l’importance de l’harmonique de rang n dans le signal,
tandis que la phase arg(Xn ) quantifie le retard ou l’avance de l’harmonique par rapport au vec-
teur en de la base exponentielle. Les harmoniques de hautes fréquences correspondent souvent
aux détails du signal, observables aux petites échelles temporelles, tandis que les composantes
basses fréquences sont les «traits» les plus grossiers du signal.

2 Propriétés et pratique des séries de Fourier

2.1 Introduction
Le calcul des coefficients de la série de Fourier d’un signal par intégration peut être une
opération fastidieuse lorsque l’on cherche son spectre discret. Le plus souvent, l’utilisation des
séries classiques tabulées et de quelques propriétés des séries de Fourier est suffisante pour
calculer un tel spectre. Ce cours a pour objectif de présenter ces outils qui montrent une réelle
utilité pratique.

2.2 Propriétés de la décomposition en série de Fourier

On écrit les séries de Fourier d’un signal x T -périodique sous la forme :

X t
x(t) = Xn exp(2iπn ),
T
n∈Z
X t X t
= A0 + An cos(2πn ) + Bn sin(2πn ).
T T
n≥1 n≥1

On notera souvent x(t) ←→ Xn ou bien x(t) ←→ {A0 , An , Bn }.

Propriété Conséquence
Symétrie hermitienne x(t) ∈ R ⇒ X−n = Xn∗
Linéarité αx(t) + βy(t) ←→ αXn + βYn
Décalage temporel x(t − t0 ) ←→ e−2iπnt0 /T Xn
dk x

k
Dérivation dtk
←→ 2iπn T Xn
Parité x(t) = x(−t) ⇒ Bn = 0
Imparité x(t) = −x(−t) ⇒ An = 0
RT
k x k2 = T1 0 |x(t)|2 dt = n∈Z |Xn |2
P
Formule de Parseval

2.3 Séries de Fourier classiques

On donne quelques séries de Fourier classiques 6 dans le tableau suivant. On spécifie la res-
triction de x à [0, T ].

5. d’où la notion de «spectre discret» d’un signal périodique.

6. On note Sa la fonction sinus cardinal définie par ∀u 6= 0, Sa(u) = sin u/u et Sa(0) = 1.

5
 Signal
exp(2iπmt/T ), m ∈ Z
cos(2πmt/T ), m ∈ Z
sin(2πmt/T ), m ∈ Z
x(t) = V0 , 0 < t < T0
x(t) = 0, T0 < t < T
V0 t/T
Série
Xn = δmn
an = δmn , bn = 0
an = 0, bn = δmn
Xn = V0 T0 /T Sa(nπT0 /T ) exp(−niπT0 /T )
X0 = V0 /2,
Xn = −V0 /2iπn, n 6= 0

2.4 Effet de l’intervalle d’analyse

Lorsqu’un signal T −périodique est observé sur un nombre entier de période mT , et que
l’on calcule la série de Fourier (Wp ) associée à cet intervalle d’analyse plus grand, un raisonne-
ment physique nous fait penser que les amplitudes des harmoniques ne devraient pas changer.
Cherchons la relation entre les Xn (correspondant à l’intervalle d’analyse [0, T ]) et les Wp (cor-
respondant à l’intervalle d’analyse [0, mT ]).

On a :
X X
x(t) = Xn exp(2inπt/T ) = Xn exp(2inmπt/mT )
n∈Z n∈Z
X
= Wp exp(2ipπt/mT )
p∈Z

Par unicité de la série de Fourier, on a : ∀n ∈ Z, Wnm = Xn , et Wp = 0 quand p n’est pas

un multiple de m. Physiquement, Xn et Wmn correspondent donc tous deux à l’amplitude de
l’harmonique de fréquence mn/mT = n/T , et se révèlent donc égaux. Il suffit donc d’observer
un signal périodique sur l’intervalle de sa plus petite période pour connaı̂tre tout son contenu
fréquentiel. Au contraire, lorsqu’un signal périodique est observé sur un nombre non-entier de
périodes, la série de Fourier obtenue ne va pas donner les mêmes résultats, du fait des disconti-
nuités que l’on introduit alors artificiellement ou des pertes d’information éventuelles 7 .

2.5 Impulsion de Dirac et série de Fourier

Lorsque le signal x est discontinu en t0 , sa dérivée x0 comporte alors une impulsion de Dirac
centrée en t0 . Cependant l’impulsion δ de Dirac, que l’on ne peut pas voir en toute théorie
comme une fonction réelle mais que l’on peut introduire dans le formalisme des distributions,
ne satisfait pas aux conditions de Dirichlet énoncées précédemment (δ n’est pas borné). On va
voir que l’on peut cependant définir la série de Fourier du peigne de Dirac (Dirac périodisé) et
l’utiliser très pratiquement pour le calcul de certaines séries de Fourier.

2.5.1 Définition de l’impulsion de Dirac

L’impulsion de Dirac δ peut être vue comme un «pseudo-signal» de support {0} et d’intégrale
unité, i.e :

δ(t) = 0 ∀t 6= 0
Z +∞
δ(t)dt = 1.
−∞

7. cf. l’exemple d’une sinusoı̈de, exercice résolu 3 p 1.46, analyse des signaux, ELE3700, Corinthios M.J., École
Polytechnique de Montréal.

6
 On définira plus précisément l’impulsion de Dirac par la relation intégrale suivante, si f
désigne un signal continu quelconque :
Z +∞
f (t)δ(t) dt = f (0).
−∞

2.5.2 Théorème des sauts

L’impulsion de Dirac est alors commode pour calculer la dérivée d’un signal ayant des dis-
continuités. En effet, on a le théorème suivant, appelé théorème des sauts, qui stipule :

Si f admet des discontinuités en {t0 , . . . , tN }, si l’on note ∆i = f (t+ −

0 ) − f (t0 ) le saut de f en
ti , et si f admet une dérivée g 0 définie sur les intervalles séparant les {ti }, alors on a la formule
suivante :

X
∀t ∈ R, f 0 (t) = g 0 (t) + ∆i δ(t − ti ).
i

Par exemple, la dérivée de la fonction de Heaviside 8 est l’impulsion de Dirac centrée en 0.

La notion de dérivée n−ième de l’impulsion de Dirac, notée δ (n) peut également être introduite
par la relation caractéristique suivante :
Z +∞
f (t)δ (n) (t) dt = f (n) (0).
−∞

2.5.3 Peigne de Dirac et série de Fourier

Le peigne de Dirac Π est défini comme la fonction 1-périodique, dont la restriction à [0, 1]
est l’impulsion de Dirac.
X
Π(t) = δ(t − n).
n∈Z

On peut trouver formellement sa série de Fourier puisque

Z 1
∀n, Xn = δ(t) exp(2iπnt)dt = 1.
0

De même, la série de Fourier de la série d’impulsions unitaires et d’intervalle T est donnée

par :
X
ΠT (t) = δ(t − kT ) ←→ Xn = 1/T.
k∈Z

2.5.4 Utilité pratique

La série de Fourier du peigne de Dirac apparaı̂t le plus souvent pour la dérivée des fonctions
périodiques dont le raccord entre 0+ et T − est discontinu. On peut ainsi retrouver la série de
Fourier des fonctions créneaux, rampe, etc. . .

8. La fonction de Heaviside est définie par u(t) = 1 si t ≥ 0 et u(t) = 0 si t < 0.

7
 Exemples :

Fonction créneau : Soit le signal T -périodique x dont la restriction à [−T /2, T /2] est la fonction
rectangulaire x(t) = V0 (u(t + T0 /2) − u(t − T0 /2)), avec T0 < T .

2iπn V0
x0 (t) = V0 (ΠT (t + T0 /2) − ΠT (t − T0 /2)) ←→ ( )Xn = (exp(iπnT0 /T ) − exp(−iπnT0 /T ))
T T
V0 T0 πnT0
x(t) ←→ Xn = Sa( )
T T

Fonction triangle : Soit le signal T -périodique x dont la restriction à [0, T ] est la fonction
triangle x(t) = VT0 t .

2iπn V0
x0 (t) = V0 /T − V0 ΠT (t) ←→ ( )Xn = (δ0n − 1)
T T
V0 iV0
x(t) ←→ X0 = , Xn =
2 2πn

3 Notion de transformée de Laplace

3.1 Introduction
La série de Fourier est un outil très utile pour caractériser les signaux continus T -périodiques.
Nous cherchons maintenant à manipuler des signaux quelconques et en particulier à généraliser
la notion de spectre à ces signaux. Pour y parvenir, on introduit d’abord la transformation de
Laplace, notion qui nous conduira ensuite naturellement à celle de transformée de Fourier.

3.2 Définition
3.2.1 Transformée bilatérale et unilatérale
Soit x un signal à valeurs complexes défini sur R. Sa transformée de Laplace bilatérale X b
est la fonction de la variable complexe s définie par la formule :
Z +∞
Xb (s) = x(t) exp(−st)dt.
−∞

Lorsque la fonction x est à support positif (on dit que x est causal), i.e. ∀t < 0, x(t) = 0,
alors on définit sa transformée de Laplace unilatérale, X ou bien Lx, par :
Z +∞
X(s) = Lx(s) = x(t) exp(−st)dt.
0

Remarquons dès maintenant que le calcul d’une transformée bilatérale peut s’effectuer en
calculant deux transformées unilatérales puisque l’on peut écrire :

Z +∞ Z +∞ Z +∞
x(t) exp(−st)dt = x(−t) exp(st)dt + x(t) exp(−st)dt
−∞ 0 0
Xb (s) = L(u.x)(s) + L(u.x̌)(−s),

8
 où u désigne la fonction de Heaviside et x̌(t) = x(−t). Dans la suite, lorsque cela ne sera pas
spécifié, la transformée de Laplace désignera la transformée unilatérale.

3.2.2 Région de convergence

La transformée bilatérale de Laplace n’est définie qu’aux points s ∈ C pour lesquels le signal
x(t) exp(−st) est sommable. On appelle l’ensemble de ces points région de convergence R x . La
donnée d’une transformée de Laplace n’est complète qu’à condition de connaı̂tre sa région de
convergence. Ainsi deux signaux différents peuvent avoir des transformées de même expression
analytique, mais des régions de convergence disjointes 9 .

Cas unilatéral On a le résultat de convergence suivant pour les transformées unilatérales :

Il existe un réel ξ0 , éventuellement égal à −∞, appelé abscisse de convergence, tel que les deux
conditions suivantes soient satisfaites :

(i) Re[s] > ξ0 ⇒ s ∈ Rx

(ii) Re[s] < ξ0 ⇒ s ∈
/ Rx

Pour les transformées unilatérales, la région de convergence est à droite de l’abscisse de convergence.

Exemple :

x(t) = u(t) exp(λt)

1
(Lx)(s) = , Rx = {s/Re[s] > Re[λ]}
s−λ

Cas bilatéral Soit x un signal quelconque, non forcément causal. Pour connaı̂tre la région
de convergence de sa transformée bilatérale Xb , on utilise le fait que Xb est la somme de deux
transformées unilatérales. Si ξ0 est l’abscisse de convergence de u(t)x(t) (fonction causale) et si
ξ1 est l’abscisse de convergence de u(t)x(−t) (fonction causale), alors la région de convergence
de la transformée bilatérale de x est une bande de C qui s’écrit :

Rx = {s ∈ C/ξ0 < Re[s] < −ξ1 }.

3.2.3 Inversion
À une transformée de Laplace X ne correspond qu’une fonction x (injectivité de la transfor-
mation) dont l’expression est donnée par :
σ+i∞
1
Z
x(t) = X(s) exp(st)ds,
2iπ σ−i∞

étant assuré que la droite ]σ − i∞, σ − i∞[ est incluse dans Rx . On peut alors montrer que
la valeur de σ n’influe pas sur la valeur de l’intégrale du membre de droite et donc pas sur x(t).

9. Cf. par exemple le problème 1.15 du recueil d’exercices.

9
3.3 Propriétés
Le calcul des transformées de Laplace est parfois appelé calcul symbolique car un certain
nombre d’opérations linéaires comme la dérivation, l’intégration ou la convolution reviennent à
des manipulations simples sur les transformées.

Linéarité L(αx1 + βx2 ) = αLx1 + βLx2 .

Dérivation L(x0 )(s) = sL(x) − x(0+ )
Rt 
Intégration  L 0 x(τ )dτ (s) = X(s)/s
Décalage L x(t −t0 ) (s) = X(s) exp(−st0 )
1 s
Dilatation  L x(at) (s) = a X( a)
Multiplication exponentielle L exp(at)x(t)] = X(s − a)
Valeur initiale x(0+ ) = lims→∞ sX(s)
Valeur finale si ξ0 < 0, x(∞) = lims→0 sX(s)

3.3.1 Transformées classiques

On donne l’expression des transformées unilatérales classiques suivantes :

x(t) Lx(s) ξ0
δ(t) 1 −∞
tn exp(at)u(t) n!/(s − a)n+1 max{0, Re[a]}
s−a
exp(at) cos(ω0 t)u(t) (s−a)2 +ω02
max{0, Re[a]}
ω0
exp(at) sin(ω0 t)u(t) (s−a)2 +ω02
max{0, Re[a]}
P+∞ 1
n=0 δ(t − nT ) 1−e−sT
0

3.4 Applications
Le calcul symbolique est surtout utilisé pour simplifier :
– la résolution des équations différentielles linéaires (et l’analyse des circuits électriques li-
néaires),
– le calcul de convolution.
C’est également un outil théorique utile à la définition ultérieure de la transformée de Fourier.

Exemple :
On veut résoudre l’équation différentielle du premier ordre suivante :
 0
x + ax = b
x(0) = x0
On prend la transformée unilatérale des deux membres :

L x0 (t)u(t) + aL x(t)u(t) = bL u(t) .

     

Or on connaı̂t les relations suivantes :

 
L u(t)x(t) (s) = X(s)
L u(t)x0 (t) (s)
 
= sX(s) − x0
 
L u(t) (s) = 1/s

10
 Ce qui nous donne la transformée X(s) :

x0 − b/s sx0 − b
X(s) = = .
s+a s(s + a)
On décompose cette fraction rationnelle en éléments simples :

b 1 ax0 + b 1
X(s) = − + .
as a s+a
Et on revient au signal temporel en utilisant la table des transformées pour trouver :

b ax0 + b
x(t) = − u(t) + u(t) exp(−at).
a a

4 Transformées de Fourier
4.1 Introduction
Après la définition de la transformée de Laplace, on en vient naturellement à exposer la notion
de transformée de Fourier, qui étend la notion de spectre de Fourier aux fonctions apériodiques.
Ce cours définit d’abord la transformée de Fourier pour la classe des signaux intégrables, puis on
généralise cette définition à une gamme plus grande de signaux qui contient toutes les fonctions
que l’on aura pratiquement à manipuler.

4.2 La transformée de Fourier

4.2.1 Définition
1
Dans un premier temps, on considèreR les fonctions appartenant à l’espace L (R) des signaux
intégrables, i.e des signaux f tels que R |f (t)| dt < +∞.
On appelle alors transformée de Fourier du signal x ∈ L1 (R) la fonction X (ou Fx) de la
variable réelle ν (nommée fréquence) définie par :
Z +∞
X(ν) = Fx(ν) = x(t) exp(−2iπνt) dt. (5)
−∞

Connaissant la transformée de Fourier X, on peut remonter au signal original x par la formule

d’inversion (remarquer la symétrie par rapport à (5)) :
Z +∞
x(t) = (FX)(t) = X(ν) exp(2iπνt) dν. (6)
−∞

4.2.2 Pulsation
Les physiciens utilisent plus souvent la notion de pulsation ω = 2πν que celle de fréquence.
Il existe donc une définition concurrente de la transformée de Fourier qui est définie par :
Z +∞
(F2 x)(ω) = X2 (ω) = x(t) exp(−iωt) dt,
−∞
et dont la formule d’inversion perd la symétrie observée précédemment :
Z +∞
1
x(t) = X2 (ω) exp(iωt) dt.
2π −∞
Cette perte de symétrie est la raison pour laquelle cette définition ne sera pas utilisée dans
le cadre de ce cours.

11
4.2.3 Transformées de Fourier et de Laplace
La transformée de Fourier n’est qu’un cas particulier de la transformée de Laplace bilatérale
quand on choisit l’argument s comme un imaginaire pur (et lorsque l’axe imaginaire est dans la
région de convergence bilatérale Rx . On a en effet la relation :

Fx(ν) = Lx(2iπν).
La transformée de Fourier va ainsi hériter des propriétés de la transformée de Laplace bila-
térale.

4.3 Propriétés
Linéarité F(αx1 +βx2 ) = αFx1 + βFx2 .
Dérivation  F x0 (ν) = 2iπνF x](ν)
Décalage F x(t − t0) (ν) = X(ν) exp(−2iπνt0 )
Dilatation F x(at) (ν) = a1 X( νa )
Parité x(t) = x(−t) ⇒ X(−ν) = X(ν)
Imparité −x(t) = x(−t) ⇒ X(−ν) = −X(ν)
∗
Symétrie Hermitienne x(t) ∈ R ⇒ X(−ν)  = X(ν)
Modulation F x(t)
 exp(2iπν
 0 t) = X(ν  − ν0 )
Symétrique RF x(−t) (ν) = F x(t)
 (−ν)
Convolution F x1 (τ )x2 (t − τ ) dτ = Fx1 Fx2

4.4 Transformée vs. séries de Fourier

Transformée et série de Fourier permettent d’isoler les composantes harmoniques présentes
dans un signal. Pour un signal T -périodique, la série de Fourier exhibe les coefficients (X n )n∈Z
correspondant aux fréquences {νn } = {n/T }, tandis que pour un signal de L1 (R), apériodique,
le complexe X(ν) correspond évidemment à la fréquence ν.

Série de Fourier Transformée de Fourier

P+∞ R +∞
x(t) = n=−∞ Xn exp(2iπnt/T ) x(t) = −∞ X(ν) exp(2iπνt) dt
RT R +∞
Xn = T1 0 x(t) exp(−2iπnt/T ) dt X(ν) = −∞ x(t) exp(−2iπνt) dt

4.5 Extension des transformées de Fourier

Au regard des similitudes existant entre série et transformée de Fourier, il est tentant de
trouver un formalisme commun aux deux notions, et d’élargir la transformée de Fourier aux
fonctions périodiques qui ne sont pas éléments de L1 (R). L’extension rigoureuse de la transformée
de Fourier demande d’introduire la théorie des distributions, ce qui serait fastidieux dans le
cadre de notre cours. Nous nous contenterons de manipulations formelles de l’impulsion de
Dirac à partir des propriétés énoncées précédemment, ce qui nous permettra la généralisation
aux signaux rencontrés en pratique.

4.5.1 Transformée du Dirac

La propriété fondamentale de l’impulsion de Dirac donne sa transformée de Fourier :

Z +∞
δ(t) exp(−2iπνt)dt = exp(−2iπν0) = 1,
−∞
Fδ = 1.

12
4.5.2 Généralisation de la transformée de Fourier
Autour du Dirac La formule d’inversion, la parité de δ, et la formule de décalage donnent
les résultats suivants :

Fδ = 1
  F1 = δ
 F δ(t − t 0 )  (ν) = exp(−2iπνt0 )
F exp(2iπν0 t) (ν) = δ(ν − ν0 )

Fonctions périodiques Un signal x développable en série de Fourier s’écrit sous la forme :

X
x(t) = Xn exp(2iπnt/T ).
n∈Z

Utilisant la transformée d’une exponentielle harmonique, on trouve ainsi la transformée de

Fourier d’un signal T -périodique décomposable en série de Fourier :
X
X(ν) = Xn δ(ν − n/T ).
n∈Z
P
En particulier, le peigne de Dirac de période T , ΠT (t) = n∈Z δ(x − nT ), admet pour
transformée de Fourier :

1 X 1
(FΠT )(ν) = δ(ν − n/T ) = Π1/T (ν).
T T
n∈Z

Nous avons donc formellement réussi à lier les deux notions de transformée et de série de
Fourier grâce à l’introduction de la transformée du Dirac. On retrouve bien que la transformée
de Fourier d’un signal périodique a un support discret puisqu’elle est non nulle qu’aux multiples
de la fréquence fondamentale 1/T .

4.6 Transformées classiques

x(t) Fx(ν)
1 δ(ν)
δ(t − t0 ) exp(−2iπνt0 )
Pexp(2iπν0 t) 1
P δ(ν − ν0 )
P n∈Z δ(t − nT ) 1
PT n∈Z δ(ν − n/T )
n∈Z Xn δ(t − nT ) T n∈Z Xn exp(−2niπνT )
exp(−πt2 ) exp(−πν 2 )
exp(−a|t|) 2a/(a2 + 4π 2 ν 2 )
1
u(t) δ(ν) + 2iπν
(−2iπt)m (m)
δ (ν)
rect[−T /2,T /2] (t) T Sa(πT ν)
triT (t) = max{0, 1 − |t|/T } T Sa(πT ν)2
1/t −iπ sgn(ν)

5 Signaux d’énergie finie et densité spectrale d’énergie

5.1 Énergie et puissance
Une résistance R = 1 Ω est soumise à une ddp x(t). On sait alors que cette résistance reçoit
une puissance (énergie par unité de temps) P (t) = |x(t)|2 . Si x(t) est un régime transitoire (ex :

13
 décharge d’un condensateur), R reçoit une énergie finie définie par l’intégrale :
Z +∞
Énergie = |x(t)|2 dt.
−∞

La gamme des signaux complexes pour lesquels cette intégrale est définie est la classe des
signaux de carré sommable (ou d’énergie finie) L2 (R), et on note kxk2 l’énergie associée à x.
Cette norme dérive du produit scalaire 10 <, > défini sur L2 (R) par la formule suivante :
Z ∞
< x, y >= x(t)y(t)∗ dt.
−∞

5.2 Valeur moyenne, puissance moyenne

Beaucoup de signaux manipulés en pratique ne sont pas éléments de L 2 (R). Ainsi pour dé-
crire les signaux T -périodiques, on définit les quantités moyenne suivantes :

1
RT
Puissance moyenne P : P = T 0
|x(t)|2 dt.

1
RT
Valeur moyenne x : x = T 0
x(t) dt.

Pour les signaux non périodiques, on définit ces valeurs moyennes par des quantités limites :

1
RT
Puissance moyenne P : P = limT →+∞ 2T −T
|x(t)|2 dt.

1
RT
Valeur moyenne x : x = limT →+∞ 2T −T
x(t) dt.

5.2.1 Lien avec série et transformée de Fourier

P
Signal périodique À partir du développement x(t) = n∈Z Xn exp(2iπnt/T ), on obtient
les relations simples :

x = X0
X
P = |Xn |2 .
n∈Z

Signal apériodique

Valeur moyenne On sait que

Z
x(t) = X(ν) exp(2iπνt) dν.
R

Par analogie avec la série de Fourier, on voudrait lier la valeur moyenne de x à X(0). Or on
ne peut pas identifier x à X(0), puisqu’en effet :
Z
X(0) = x(t) dt.
R

10. Remarquer que ce produit scalaire défini sur L (R) diffère de celui défini sur L2 ([0, T ]) par l’absence du facteur
2

1/T .

14
 On a cependant le résultat suivant :

1
RT
x = limT →+∞ 2T −T
x(t)dt
R + (7)
= lim→0 − X(ν) dν.

Par conséquent, si X s’écrit sous la forme X(ν) = Aδ(ν) + ξ(ν), avec ξ une fonction continue
en ν = 0, alors x = A.

5.3 Signaux d’énergie finie

5.3.1 Relation de Parseval
La formule de Parseval montre que la transformation de Fourier de L2 (R) est une isométrie,
c’est-à-dire que le produit scalaire dans le domaine temporel correspond au produit scalaire dans
le domaine spectral :
R +∞
< x, y > = −∞ x(t)y(t)∗ dt
R +∞
= −∞ X(ν)Y (ν)∗ dν (8)
< x, y > = < Fx, Fy > .

On a donc équivalence des énergies (ou des normes) dans le domaine spectral ou temporel :
Z Z
kxk2 = kFxk2 ⇐⇒ |x(t)|2 dt = |X(ν)|2 dν.
R R

5.3.2 Densité spectrale d’énergie

La décomposition de l’énergie dans le domaine spectral s’écrit kxk 2 = R |X(ν)|2 dν =
R
R
E (ν)dν. On définit alors naturellement la fonction Ex nommée densité spectrale d’énergie
R x
ou spectre d’énergie par

Ex (ν) = |Fx(ν)|2 .

Lorsque le signal x est d’énergie finie, on a nécessairement lim|ν|→∞ Ex (ν) = 0. De plus

lorsque x est à valeur réelle, la propriété de symétrie hermitienne entraı̂ne la parité de la densité
spectrale d’énergie.

5.3.3 Énergie sur un intervalle de temps, sur une bande de fréquences

On peut découper les deux intégrales équivalentes d’énergie selon des intervalles de temps
ou selon des intervalles de fréquences, définissant ainsi l’énergie sur l’intervalle temporel [t 1 , t2 ]
et l’énergie sur la bande de fréquences [ν1 , ν2 ].
R t2
E[t1 ,t2 ] = tR
|x(t)|2 dt
1
ν2 (9)
Ê[ν1 ,ν2 ] = 2 ν1 |X(ν)|2 dν.

Le facteur 2 s’explique par le fait que, pour les signaux réels, on ne manipule pratiquement que
les fréquences positives, puisqu’alors la densité spectrale d’énergie est paire. On a évidemment
kxk2 = E[−∞,+∞] = Ê[0,+∞] .

15