INSA de Toulouse

Dpartement GMM
GMM 4me anne
2013-2014

Analyse Fonctionnelle et Traitement du Signal

Auteurs : A. BENDALI, P. GUILLAUME, J.P. VILA

Enseignants : Philippe GUILLAUME, David SANCHEZ

Dpartement GMM

Table des matires

1 Convolution des distributions
1.1 Produit tensoriel de deux distributions . . . . . . .
1.1.1 Introduction . . . . . . . . . . . . . . . . . .
1.1.2 Produit tensoriel de deux distributions . . .
1.2 La convolution . . . . . . . . . . . . . . . . . . . .
1.2.1 Convolution de deux distributions . . . . . .
1.2.2 Proprits de base du produit de convolution
1.3 Quelques applications de la convolution . . . . . . .
1.3.1 Solutions lmentaires . . . . . . . . . . . .
1.3.2 Calcul symbolique de Heaviside . . . . . . .

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

6
6
6
8
10
10
14
17
17
18

2 Signaux et filtres
22
2.1 Signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2 Systmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3 Filtres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3 Elments dAnalyse Hilbertienne
3.1 Notions de bases sur les Banachs . . . . . . . . . . . .
3.1.1 Rappels de topologie . . . . . . . . . . . . . . .
3.1.2 Notion despace de Banach . . . . . . . . . . . .
3.2 Espaces de Hilbert . . . . . . . . . . . . . . . . . . . .
3.2.1 Formes linaires, espaces prhilbertiens . . . . .
3.2.2 Espaces de Hilbert. Thorme de projection . .
3.2.3 Applications du thorme de la projection aux
dun Hilbert . . . . . . . . . . . . . . . . . . . .
3.2.4 Thorme de LAX-MILGRAM . . . . . . . . .
3.3 Applications aux problmes aux limites . . . . . . . . .
3.3.1
3.3.2

. . .
. . .
. . .
. . .
. . .
. . .
sous
. . .
. . .
. . .

25
25
25
26
29
29
31

. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
espaces vectoriels
. . . . . . . . . . . 34
. . . . . . . . . . . 39
. . . . . . . . . . . 41

Formulation Variationelle dun problme elliptique 1D. . . . . . . . . . . 41

Ingalit de Poincar et Problmes sur H01 (0, 1) . . . . . . . . . . . . . . 42

4 Transforme de Fourier discrte

45
4.1 Rappels sur les sries de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.2 La transforme de Fourier discrte . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.3 La transforme de Fourier rapide . . . . . . . . . . . . . . . . . . . . . . . . . . 47

5 Transforme de Fourier L1
5.1 Dfinition et proprits . . . . . . . . . . . . . . . . . .
5.2 Transforme de Fourier inverse dans L1 . . . . . . . . .
5.2.1 Espace S des fonctions " dcroissance rapide" .
5.2.2 Thorme dinversion . . . . . . . . . . . . . . .
5.3 Rponse impulsionnelle et fonction de transfert . . . .

.
.
.
.
.

50
50
51
51
52
52

.
.
.
.

53
53
54
54
55

7 Filtres analogiques
7.1 Filtres passe-bas et filtres passe-bande . . . . . . . . . . . . . . . . . . . . . . .
7.2 Filtres gouverns par une quation diffrentielle . . . . . . . . . . . . . . . . . .
7.3 Exemple des filtres de Butterworth . . . . . . . . . . . . . . . . . . . . . . . . .

56
56
57
58

8 Transforme de Fourier des distributions

8.1 Rappels et complments . . . . . . . . . . . . . . . .
8.1.1 Convergence dune suite de distributions . . .
8.1.2 Distributions vp(1/x) et Pf(1/x2 ) . . . . . . .
8.1.3 Distributions priodiques . . . . . . . . . . . .
8.1.4 Sries trigonomtriques et distributions . . . .
8.2 Distributions tempres . . . . . . . . . . . . . . . .
8.3 Transforme de Fourier dans S 0 . . . . . . . . . . . .
8.4 Transforme de Fourier et convolution . . . . . . . .
8.4.1 Transforme de Fourier et convolution L2 . . .
8.4.2 Transforme de Fourier et convolution S 0 S .
8.4.3 Transforme de Fourier et convolution S 0 E 0

59
59
59
59
60
60
62
63
64
64
64
64

6 Transforme de Fourier L2
6.1 Thorme de Plancherel . . . . . . . . . . . . . . .
6.2 Convolution et transformation de Fourier dans L2 .
6.3 Application 1, principe dincertitude (Heisenberg) .
6.4 Application 2, rsolution dquations diffrentielles .

.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

9 Echantillonnage des signaux

65
9.1 Formule de Poisson et distributions priodiques . . . . . . . . . . . . . . . . . . 65
9.2 Echantillonnage dun signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
10 Signaux et filtres discrets
10.1 Introduction . . . . . . . . . . . . . . . .
10.2 Convolution . . . . . . . . . . . . . . . .
10.3 Transforme en z dun signal discret . . .
10.3.1 Dfinition . . . . . . . . . . . . .
10.3.2 Inversion de la transforme en z .
10.3.3 Proprits de la Transforme en z
10.4 Filtres discrets . . . . . . . . . . . . . . .
10.4.1 Fonction de transfert en z . . . .
10.4.2 Causalit et stabilit . . . . . . .
10.4.3 Filtres RIF et filtres RII . . . . .
4

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

68
68
69
69
69
70
71
71
71
71
73

10.4.4 Filtres phase linaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

10.4.5 Bancs de filtres reconstruction parfaite . . . . . . . . . . . . . . . . . . 74

Chapitre 1
Convolution des distributions
En thorie du signal, la convolution est la base de la notion de filtrage. De ce point
de vue, la proprit fondamentale de la convolution est de commuter avec les oprateurs de
translation. En thorie des quations aux drives partielles, la convolution a des applications
essentielles comme le calcul de la solution lmentaire dune e.d.p.. De ce point de vue, la
proprit fondamentale de la convolution est de commuter avec les oprateurs de drivation.
Ces deux proprits sont quivalentes, et caractrisent loprateur de convolution.
Il y a plusieurs manires dintroduire le produit de convolution de deux distributions. On
adopte ici celle qui utilise le produit tensoriel de deux distributions. Observons que lon ne peut
dfinir le produit de convolution que lorsque les deux fonctions ou distributions sont dfinies
sur tout RN . Cest pourquoi dans la suite, pour allger les notations, nous ne prciserons pas
le domaine des espaces fonctionnels ou dintgration lorsque ce dernier est gal RN .

1.1
1.1.1

Produit tensoriel de deux distributions

Introduction

Rappelons comment a t dfinie la convolution de deux fonctions. Soient f et g dans L1 .

Sachant que

Z
Z
Z
|f (x y)| dx dy
|f (x y)| |g(y)| dydx = |g(y)|
Z
 Z

=
|g(y)| dy
|f (z)| dz <
le thorme de Tonnelli montre que (x, y) 7 f (x y)g(y) est sommable sur RN RN . Le
thorme de Fubini montre alors que la fonction
Z
h(x) = f (x y)g(y) dy
est dfinie p.p. et quelle est une fonction de L1 . Cest par dfinition la convole, ou le produit
de convolution, de f et g, i.e.,
h = f g.
Observons quon obtient immdiatement les proprits suivantes :
6

 commutativit :
f g = g f,
si a dsigne loprateur de translation : a f (x) = f (x a), alors
a (f g) = (a f ) g = f (a g),
si f C n et si f L1 , , || n, alors f g C n et
(f g) = ( f ) g.
Rappelons que pour = (1 , . . . , N ) NN , on pose || = 1 + . . . + N et =
|| /x11 . . . xNN .
On veut gnraliser la dfinition prcdente deux distributions quelconques. Pour cela,
examinons comment se comporte h par composition avec une fonction test D. On a
Z
hh, i = h(x)(x) dx
et une nouvelle fois par le thorme de Fubini
Z
hh, i = f (z t)g(t)(z) dzdt.
Le changement de variable x = z t, y = t, donne alors
Z
hh, i = f (x)g(y)(x + y) dxdy.
La fonction (x, y) 7 f (x)g(y) est appel produit tensoriel de la fonction f et de la fonction
g et est note
f g(x, y) = f (x)g(y).
On a donc
hf g, i = hf g(x, y), (x + y)i.

(1.1)

Souvent, la fonction f g est dite variables spares.

La formule (1.1) est la base de la convole de deux distributions. Plus prcisment, si on
russit dfinir le produit tensoriel S T de deux distributions S et T , on pourra dfinir le
produit de convolution S T de S et T par
hS T, i = hS T (x, y), (x + y)i
chaque fois que le second membre a un sens pour tout dans D.
Remarque 1.1 Cest le comportement de f et de g linfini qui permet de dfinir f g. De
mme que pour les fonctions, le produit de convolution naura pas de sens pour deux distributions
quelconques. Lappartenance L1 est une restriction sur le comportement linfini des fonctions
qui permet de dfinir leur produit de convolution. Lanalogue sur les distributions sera traduit
par une restriction sur le support de S et de T .
7

1.1.2

Produit tensoriel de deux distributions

Pour dfinir S T , examinons dabord le cas o S et T sont dans L1loc . Les thormes de
Tonnelli et de Fubini donnent l encore
hS T (x, y), u v(x, y)i = hS, uihT, vi,

u, v D,

et


D RN RN .


N
N
Dornavant, nous
noterons
dune
faon
abusive
mais
plus
suggestive
D
R

R
par Dxy et


0
N
N
0
D R R par Dxy . Les indices x ou y dans Dx , Sx , Ty . . . , signaleront que la variable est
x ou y.
En gnralisant les deux formules prcdentes deux distributions quelconques, on obtient
le rsultat suivant.
hS T (x, y), (x, y)i = hS(x), hT (y), (x, y)ii,

Proposition 1.2 Pour tout Sx Dx0 et tout Ty Dy0 , il existe une distribution Sx Ty unique
et bien dtermine par
hSx Ty , (x, y)i = hSx , hTy , (x, y)ii,

Dxy ,

(1.2)

vrifiant
hSx Ty , u v(x, y)i = hS, ui hT, vi,

u, v D.

(1.3)

De plus, on a
Sx Ty = Ty Sx .
Dmonstration Clairement, cette distribution, si elle existe, est unique car la formule (1.2)
donne la valeur de cette distribution sur toute fonction test. Nous nous limiterons ici montrer
que cette distribution est bien dfinie dun point de vue algbrique. soit Dxy . Pour tout x
fix, la fonction y 7 (x, y) est dans Dy et son support supp (x, ) est un compact vrifiant
(cf. fig. 1.1)
supp (x, ) projy supp .
(1.4)
Dautre part, on a
N

X
1
j (x, )zj ,
lim ((x + tz, ) (x, )) =
t0 t
i=1

dans Dy .

Il en rsulte que la fonction dfinie par

(x) = hTy , (x, y)i
est indfiniment drivable. De plus, si on note
A = projx supp ,
A est un compact de RN et (x, ) = 0 si x
/ A. Il en rsulte que Dx . En fait, on peut
montrer que lapplication Ty
7 hTy , (x, y)i est continue de Dy0 dans Dx . Ceci permet donc de
dfinir hSx , (x)i.
8

Figure 1.1 projections de supp

Si maintenant, (x, y) = u(x)v(y), il vient
(x) = hT, vi u(x),
do la formule (1.3).
Finalement, on dduit de cette mme formule que Sx Ty = Ty Sx partir de la proprit
topologique suivante que nous admettrons : pour tout Dxy , il existe une suite de fonctions
{n }n0 dans Dxy vrifiant


Pn
ui,n (x)vi,n (y),
n (x, y) = `i=1
lim n = dans Dxy

ui,n et vi,n D

(1.5)


Pour f et g dans L1 C 0 , on a directement

supp f g = supp f supp g.
Le produit tensoriel de deux distributions possde la mme proprit.
Proposition 1.3 Avec les notations prcdentes, on a
supp Sx Ty = supp Sx supp Ty .
Dmonstration Considrons le cas suivant (cf. fig. 1.2)
projy supp supp Ty = .
Il rsulte de (1.4) que (x) = 0 pour tout x, et donc hSx Ty , (x, y)i = 0.
De mme, compte tenu de Sx Ty = Ty Sx , si
projx supp supp Sx = ,
alors hSx Ty , (x, y)i = hTy Sx , (x, y)i = 0 daprs le cas prcdent.
9

(1.6)

Figure 1.2 projection de supp

En regroupant ces deux cas, on peut affirmer que
supp Sx Ty supp Sx supp Ty .
La proprit (1.5) permet alors darriver (1.6).

Remarque 1.4 On vrifie directement que le produit tensoriel est associatif. Ceci permet de
dfinir par exemple S T R par
S T R = (S T ) R = S (T R).

1.2
1.2.1

La convolution
Convolution de deux distributions

Soient S et T deux distributions sur RN . On dfinit, lorsquil existe, le produit de convolution

S T comme la distribution donne sur RN par
hS T, i = hSx Ty , (x + y)i.

(1.7)

Cette dfinition concide avec la dfinition usuelle lorsque Sx = f (x) et Ty = g(y) avec f et
g dans L1 . Nous verrons quelle concide galement avec la dfinition de T, D, vue dans
la premire partie du cours danalyse fonctionnelle.
Donnons auparavant un critre sur les supports de S et T qui permet dtre assur que S T
est bien une distribution. Nous aurons besoin des sous-ensembles suivants de RN RN dfinis
pour tout sous-ensemble F de RN par (cf. fig. 1.3)


F := (x, y) RN RN ; x + y F .
10

Figure 1.3 sous-ensemble F

Clairement, pour C 0 (RN ), on a
supp (x + y) = (supp ) .
Comme K nest pas compact mme si K est compact, hSx Ty , (x + y)i peut ne pas tre
dfini car la fonction (x, y) 7 (x + y) nest dans Dxy que si est identiquement nul. Nous
aurons besoin du rsultat suivant.
Proposition 1.5 Soit un ouvert de RM et W D0 (). La distribution W admet un prolongement et un seul sur lespace

CW
:= { C (); supp supp W est compact dans } .

, comme supp supp W est compact dans , il existe D()

Dmonstration Pour CW
tel que 1 dans un voisinage compact K de supp supp W . On peut dfinir alors

hW, i = hW, i

(1.8)

car D(). Clairement, cette construction laisse inchang hW, i lorsque D() ou
si supp W est compact dans en prenant 1 dans un voisinage de supp ou de supp W .
Cela constitue bien un prolongement de la distribution W . On retrouve lidentification dune
distribution support compact une fonctionnelle sur C ().

Figure 1.4 supports de et W

11

Il reste montrer que la dfinition (1.8) ne dpend pas du choix de . Soit 1 dans
un voisinage compact G de supp supp W . Notons par H = K G ; H est un voisinage
compact de supp supp W . De plus, 0 sur H. La fonction ( ) est dans D() et
supp ( ) supp \ H et donc (cf. fig. 1.4)
supp ( ) supp W = .
Ceci montre que le prolongement de W ne dpend pas de la fonction particulire .

On peut alors noncer le critre suivant.

Thorme 1.6 Soient S et T D0 (RN ) telles que
(supp S supp T ) K est compact, K compact de RN ,

(1.9)

alors, la formule (1.7) dfinit bien une distribution S T . De plus, dans ce cas T S est aussi
bien dfini et
T S = S T.
Dmonstration Notons W = Sx Ty . Soit D(RN ). En posant K = supp , on dduit de

(RN RN ). Il rsulte de la proposition 1.5 que

(1.9) que la fonction (x, y) 7 (x + y) CW
hW, (x + y)i est bien dfini. Nous admettrons que lapplication 7 hW, (x + y)i est bien
une distribution.
Comme la proprit (1.9) est symtrique en x et y, il est clair que T S est aussi dfini. De
plus Sx Ty = Ty Sx (cf. proposition 1.2), do T S = S T .


Exemples
1. Si S est support compact, ce que lon note S E 0 (RN ), alors S T est dfini pour
tout T D0 . Autrement dit, le produit de convolution est dfini ds que lun des facteurs est
support compact. En effet, notons A = supp S et B = supp T . Soit K un compact de RN .
Rappelons que
(A B) K = {(x, y) A B; x + y K} .
Lensemble (A B) K est ferm car si lim xn = x et lim yn = y avec xn A, yn B et
xn + yn K alors x A, y B et x + y K sachant que A, B et K sont ferms. Reste
montrer que A B K est born. Il suffit pour cela de remarquer que si x et z = x + y sont
borns, alors y = z x est aussi born.
2. Lexemple suivant o S = f L1 , T = g L1 montre que S T peut exister sans
que la proprit (1.9) soit vrifie. Comme nous lavons signal plus haut, dans ce cas cest la
restriction de la croissance de f et de g linfini traduite par lappartenance L1 qui assure
lexistence du produit de convolution.
3. Soit a RN . Comme a est support compact, a T est dfini pour tout T D0 . De
plus, ici on peut calculer explicitement le produit de convolution
ha T, i = ha Ty , (x + y)i = ha , hTy , (x + y)ii
= hTy , (a + y)i = hTy , a (y)i
= ha T, i, D,
12

i.e.,
a T = a T,

a RN .

(1.10)

En particulier, on obtient la proprit fondamentale

T = T,

T D0 .

(1.11)

On nonce cette proprit en disant que est llment unit du produit de convolution.
Cas de la convolution D D0
Par construction mme, la dfinition du produit de convolution de deux distributions concide avec la dfinition directe lorsque S et T sont dans L1 . Cest galement le cas lorsque
S = D(RN ) et T D0 (RN ). Rappelons que pour D(RN ), on dfinit D(RN ) par
(x) = (x).
Thorme 1.7 Soient D(RN ) et T D0 (RN ). La relation suivante
hT , i = hT, i,

D(RN ),

(1.12)

permet de dfinir une distribution T qui concide avec le produit de convolution de T et de

. La distribution T est une fonction de classe C donne par
T (x) = hTy , (x y)i = hT, x ( )i,

x RN .

(1.13)

Dmonstration La seconde partie de la dmonstration est une simple transposition du cas

unidimensionnel. Montrons que la distribution dfinie par (1.12) concide avec le produit de
convolution donn par (1.7). Pour D(RN ), on a
Z
Z
(x) = (x z) (z) dz = (x z)(z) dz.
Le changement de variable y = z donne alors
Z
(x) = (x + y)(y) dy,
et ainsi,
hTx , (x)i = hTx , h(y), (x + yii = hT , i.


Remarque 1.8 Nous avons montr que les diffrentes dfinitions du produit de convolution S
T concident lorsque (S, T ) appartient lintersection des diffrents domaines de ces dfinitions.
A chaque fois, le produit de convolution S T a pu tre dfini lorsquune restriction convenable
sur le comportement de S linfini permettait de relaxer la restriction correspondante sur celui
de T . Dans cette direction, on pourrait dfinir galement T par la formule (1.13) pour
C (RN ) et T E 0 (RN ).
13

1.2.2

Proprits de base du produit de convolution

La proprit fondamentale de loprateur de convolution est de commuter aussi bien avec

loprateur de drivation que loprateur de translation. Ceci sexplique par le fait que
h (x) (x)
,
h0
h

0 (x) = lim
formule qui se gnralise au cas RN .

Thorme 1.9 Soient S et T vrifiant la condition (1.9). Alors, pour tout multi-indice , on
a
(S T ) = ( S) T = S T.
(1.14)
Dmonstration Il suffit de montrer la proprit pour = i = /xi . Comme supp i S
supp S et supp i T supp T , les trois termes de (1.14) sont dfinis. Pour dans D(RN ), on a
hi (S T ), i = hS T, i i = hSx Ty , i (x + y)i
= hSx hTy , i (x + y)ii = hSx hi Ty , (x + y)ii
= hS i T, i,
ce qui prouve que i (S T ) = S i T . Comme S T = T S, on a aussi i (S T ) = i (T S) =
T i S = (i S) T .


Remarque 1.10 1. Il est important que S et T vrifient la condition (1.9) pour que la formule
soit vraie. Si f L1 , g L1 , f g est dfini mais (f g) nest pas forcment gal ( f ) g
ou f g car ces deux derniers termes peuvent ne pas tre dfinis.
2. Lexemple suivant montre quon ne peut pas dfinir S T sans condition sur S et sur T tout
en prservant la proprit ( 1.14). Pour N = 1, S = H, la fonction de Heaviside et T = 1, on
a H 0 1 = 1 = 1 et H 10 = 0.
En utilisant les quotients diffrentiels, le rsultat du thorme 1.9 prcdent sexplique par
la proprit suivante.
Proposition 1.11 Si le produit de convolution S T de S et de T dans D0 est bien dfini par
(1.7), alors, pour tout a RN , on a
a (S T ) = (a S) T = S a T.

(1.15)

Dmonstration Il suffit de remarquer que les trois termes de (1.15) sont dfinis, que
ha (S T ), i = hSx , hTy , (x + y + a)ii = hSx , ha Ty , (x + y)ii
= hS a T, i,
puis dutiliser la commutativit de la convolution.

14

Remarque 1.12 Utilisant la relation a = a , on peut retrouver la proprit (1.10) partir

de (1.11) par
a T = (a ) T = a ( T ) = a T.
Thorme 1.13 Soient deux suites {S n }n0 et {T n }n0 dans D0 vrifiant
lim S n = S et lim T n = T dans D0 ,
il existe deux sous-ensembles A et B, ferms dans RN vrifiant la condition (1.9) tels que
supp S n A et supp T n B, n 0.
Alors,
lim S n T n = S T,

dans D0 .

Dmonstration Nous admettrons que

lim Sxn Tyn = Sx Ty ,

0
dans Dxy
,

consquence de la continuit de lapplication Ty 7 hTy , (x, y)i de Dy0 dans Dx . Soit dans


D RN . Appelons K = supp . Comme A B K est compact, il existe Dxy tel que
1 au voisinage de A B K . Il sensuit que
hS n T n , i = hSxn Tyn , (x + y)i = hSxn Tyn , (x, y)(x + y)i.
Do le rsultat sachant que (x, y)(x + y) Dxy .

Corollaire 1.14 D est dense dans D0 .

Dmonstration Soit T D0 et (hn )n1 une unit approche, i.e. une suite de fonctions de la
forme
hn (x) = nN h(nx), n 1,
R
avec h D, supp h [1, 1]N , h 0 et h(x)dx = 1. On a limn hn = dans D0 . Comme
supp hn [1, 1]N qui est compact, on dduit de la proposition prcdente que pour T D0
on a
lim hn T = T = T dans D0 .
(1.16)
n

Prenons maintenant une fonction g D telle que g(x) = 1 si ||x|| 1. Soit n (x) = g(x/n)(hn
T )(x). On a n D, et
hn , i = hhn T, i,

ds que B(0, n) supp .

Compte tenu (1.16), ceci prouve que

lim n = T

dans D0 .


15

Thorme 1.15 Soient S et T dans D0 telles que suppS et supp T vrifient la condition (1.9).
Alors,
(1.17)
supp S T supp S + supp T ,
o le second membre indique ladhrence de supp S + supp T .


Dmonstration Soit D RN tel que supp supp S + supp T = . Comme ces deux ensembles sont ferms et que lun deux est compact, ceci entrane que leur distance est strictement
positive :
d := dist(supp , supp S + supp T ) > 0.
Donc si (x + y) 6= 0 et (x0 , y 0 ) supp S supp T , alors
|x x0 | + |y y 0 | |x + y (x0 + y 0 )| d,
ce qui prouve que dist(supp (x+y), supp S supp T ) > 0. On a donc supp (x+y) supp Sx
Ty = , do
hS T, i = hSx Ty , (x + y)i = 0.

Il reste examiner les proprits dassociativit du produit de convolution. La difficult
vient de ce que S T peut ne pas tre convolable avec R bien que chacun des termes S T ,
T R et S R existe. L aussi, la rponse est donne en examinant le cas de n fonctions {fi }ni=1
avec fi L1 pour i = 1 . . . , n. En procdant comme pour le produit de convolution de deux
fonctions, on obtient par application itre du thorme de Fubini que f1 f2 fn est dfini
presque partout, quon peut le calculer par associativit en effectuant chaque fois la convole
de deux fonctions de L1 et quon a pour tout D(RN ),
hf1 fn , i = hf1 (x(1) ) fn (x(n) ), (x(1) + + x(n) )i.
En suivant une dmarche analogue celle ayant servi dfinir S T , on aurait alors le
thorme suivant.
Thorme 1.16 Soient {Si }ni=1 D0 . Si pour tout compact K RN
supp S1 supp Sn Kn est compact,
o
Kn :=

n

x(1) , , x(n) RN ; x(1) + + x(n) K ,

alors, on peut dfinir S1 Sn par

hS1 Sn , i = hS1 Sn , (x(1) + + x(n) )i,

D(RN ).

De plus, on peut calculer S1 Sn par associativit en effectuant chaque fois un produit

de deux convolutions.

16

1.3
1.3.1

Quelques applications de la convolution

Solutions lmentaires

Soit
X

p(x, ) =

a (x)

||m

un oprateur diffrentiel sur RN , coefficients a dans C (RN ). Si les coefficients a sont des
constantes par rapport la variable x, on dit que loprateur est coefficients constants et on
note plutt
X
p() =
a .
||m
0

Une distribution E D est dite solution lmentaire de p(x, ) si elle vrifie

dans D0 (RN ).

p(x, )E = ,

Observons quune solution lmentaire, si elle existe, nest pas unique. En lui ajoutant une
solution quelconque de lquation homogne
p(x, )u = 0,

dans D0 (RN ),

on obtient encore une solution lmentaire. Il faut imposer une autre condition pour caractriser
lune des solutions lmentaires.
Un oprateur diffrentiel coefficients variables quelconque nadmet pas toujours de solution
lmentaire. Un rsultat profond et difficile de Malgrange et Ehrenpreis tablit cependant :
Thorme 1.17 Tout oprateur diffrentiel coefficients constants p() sur RN possde une
solution lmentaire E dans D0 (RN ).
La solution lmentaire est utilise pour "calculer" la solution de certaines quations aux
drives partielles de la faon suivante.
Thorme 1.18 Soit un oprateur diffrentiel coefficients constants p() sur RN et E
D0 (RN ) une solution lmentaire de p(). Alors, pour toute distribution f support compact
sur RN (i.e., f E 0 (RN )), lquation
p()u = f
(1.18)
possde (au moins) une solution u dans D0 (RN ) donne par
u = E f.

(1.19)

Dmonstration Comme f est support compact, la formule (1.19) permet de dfinir u dans
D0 (RN ). On a alors sachant que p() est coefficients constants
p()u = p() (E f ) = (p()E) f = f = f.


17

1.3.2

Calcul symbolique de Heaviside

Lingnieur Heaviside a dvelopp un calcul symbolique qui permet de calculer dune faon heuristique la solution dune quation diffrentielle quelconque coefficients constants. La
thorie des distributions permet de justifier ce procd et de comprendre comment il opre.
On part de la proprit suivante.
0
Thorme 1.19 Notons par D+
le sous-espace des distributions S D0 (R) telles que

supp S R+ := [0, +[ .
0
est une algbre pour la convolution, ayant pour lment unit .
Le sous-espace D+

Dmonstration La seule proprit non vidente est dtablir que la convolution opre de
0
0
0
D+
D+
dans D+
. Soit K un compact R. Il existe donc a < b dans R tels que
K [a, b] .
Notons dabord que


R+ R+ K (x, y) R2 ; x 0, y 0 et a x + y b .
Clairement, R+ R+ K = si b < 0, et est contenu dans le triangle du plan de sommets
(0, 0) , (b, 0) , (0, b) si b > 0. Il en rsulte, suite la proprit (1.9) que deux lments quelconques
0
S et T dans D+
sont convolables. On montrerait de mme que le produit de convolution de n
n
0
0
. Il
existe, et donc que le produit de convolution est associatif sur D+
lments {Si }i=1 D+
0
reste montrer que S T D+ . Pour cela, il suffit dappliquer le thorme 1.15 :
supp S T supp S + supp T R+ + R+ = R+ .

0
0
tel que
sera dit inversible sil existe V D+
Un lment S de D+

S V = .
On note, dune faon plus commode V = S 1 , et on a directement si U et V sont inversibles
0
dans D+
(U V )1 = V 1 U 1 .
On se donne dans toute la suite un oprateur coefficients constants sur R
p(x ) =

xm

m1
X

aj xj .

j=0

Dune faon canonique, on associe cet oprateur un polynme de degr m

m

p(r) = r +

m1
X
j=0

18

aj r j ,

(1.20)

appel parfois polynme caractristique.

Soient f dans C 0 (R) et u0 , , um1 dans R (mais, on pourrait considrer, sans aucune
difficult supplmentaire, le cas o f est valeurs complexes et u0 , , um1 dans C). La
thorie des quations diffrentielles ordinaires montre alors que lquation

p(x )u = f dans R,
(1.21)
u(0) = u0 , , u(m1) (0) = um1 ,
possde une solution et une seule dans C m (R).
0
va fournir un procd systmatique de calcul
On va voir comment la convolution dans D+
quasiment algbrique de cette solution sur R+ .
Observons tout dabord que la dtermination de u sur R+ quivaut celle de la distribution
0
U = Hu dans D+
o H est prcisment la fonction de Heaviside, dfinie par H(x) = 1 si x 0,
H(x) = 0 sinon.
La formule des sauts donne par rcurrence les diffrentes drives de U au sens de D0 (R),
en notant u(j) la drive au sens usuel de u dordre j :

U = Hu

0
U = Hu0 + u0
U 00 = Hu00 + u1 + u0 0

(j)
U = Hu(j) + uj1 + uj2 0 + + u0 (j1) , j = 0 . . . , m.
Il en rsulte que U vrifie lquation diffrentielle
p(x )U = Hf + T,

dans D0 (R),

o T est la distribution sur R donne par la combinaison suivante des drives de

P
(i)
T = m1

i=0 i

0 = um1 + am1 um2 + + a1 u0 ,

1 = um2 + am1 um3 + + a2 u0 ,

= umi1 + am1 umi2 + + ai+1 u0 ,

i
m1 = u0 .
Dans le cas unidimensionnel, on obtient une dmonstration lmentaire du thorme 1.17 en
prenant pour E la solution U qui correspond aux donnes

f =0
u0 = = um2 = 0, um1 = 1.
Rsumons ce dernier rsultat dans le thorme suivant.
Thorme 1.20 Tout oprateur diffrentiel coefficients constants (1.20) possde une solution
0
lmentaire E dans D+
donne par
E = Hv
o v est la solution de lquation diffrentielle avec conditions initiales

p(x )v = 0, dans R,
v(0) = = v (m2) (0) = 0, v (m1) (0) = 1.
0
De plus, E est linverse dans D+
de

p(x ) = (m) + am1 (m1) + + a0 .

19

Dmonstration Il reste montrer la seconde partie du thorme. Partant de

p(x )E = ,
on a
E p(x ) = (p(x )E) = = .

Le thorme 1.20 induit deux procds pour la rsolution du problme diffrentiel condition
initiale (1.21). Le premier rsulte de ce que la solution u du problme diffrentiel est donne
par la convolution suivante :
u(x) = (E (Hf + T )) (x),

x > 0.

Le second tient au fait que la solution lmentaire E est donne par linverse de p(x ) et que
la dtermination de cet inverse est ramene une dcomposition en lments simples de la
fraction rationnelle 1/p(r). Plus prcisment, on a :
Thorme 1.21 Soient z1 , , zn les racines distinctes dordre de multiplicit respectifs `1 , , `n
du polynme caractristique p(r) associ loprateur diffrentiel coefficients constants p(x ).
0
est donne par
La solution lmentaire E de p(x ) dans D+
E=H

`i
n X
X

ci,j

i=1 j=1

xj1 zi x
e ,
(j 1)!

(1.22)

o les coefficients sont donns par la dcomposition en lments simples

n

i
XX
ci,j
1
=
.
`
`
n
1
(r z1 ) (r zn )
(r zi )j
i=1 j=1

(1.23)

Dmonstration Le point cl est de remarquer quen utilisant les relations

(i) (j) = (i+j) ,

( 0 )

= ,

on peut manipuler, comme un polynme, p(x ) = p( 0 ), avec donc,

m

p( 0 ) = ( 0 )

+ am1 ( 0 )

(m1)

+ + a1 ( 0 ) + a0 ( 0 )

pour le produit de convolution et son inverse comme une fraction rationnelle. On peut donc
crire dabord
p( 0 ) = ( 0 z1 )`1 ( 0 zi )`i ,
puis, en utilisant la dcomposition en lments simples (1.23)
E=

`i
n X
X

ci,j ( 0 zi )j .

i=1 j=1

20

Il suffit alors de remarquer que V = ( 0 zi )j est linverse de ( 0 zi )j et que le thorme

1.20 donne V = Hv o v est la solution du problme diffrentiel condition initiale

(x zi )j v = 0,
v (k) (0) = 0; k j 2, v (j1) (0) = 1.


Do le rsultat.

La rsolution est donc donne "explicitement" par les formules tablies dans la proposition
suivante.
Proposition 1.22 Si E = H(x)xj ezx , alors

(i)


,
E (i) (x) = xj ezx

x > 0.

La fonction v(x) = (E Hf ) (x), x > 0 est donne par

Z x
v(x) =
y j ezy f (x y) dy.
0

Dmonstration La premire formule est immdiate en utilisant les proprits du produit de

convolution et le fait que H(x)xj ezx est rgulire sur ]0, +[. Pour tablir la seconde, il suffit
de remarquer que pour deux fonctions u et v dans L1loc (R), on a pour tout D(R)
Z
hHu Hv, i = (Hu) (z) (Hv) (y)(y + z) dzdy.
En effectuant le changement de variable en z donn par z + y = x, il vient
Z
hHu Hv, i = (Hu) (x y) (Hv) (y)(x) dxdy.
Le thorme de Fubini donne alors que
Z

u(x y)v(y) dy.

Hu Hv(x) = H(x)
0

21

Chapitre 2
Signaux et filtres
La notion de filtrage est fondamentale en thorie du signal. Elle concerne toutes les transformations de signaux qui sont la fois linaires et invariantes par translation du temps. Nous
allons retrouver la convolution tudie dans le chapitre prcdent, puisquil se trouve que les
filtres sont en fait des systmes de convolution.

2.1

Signaux

Physiquement, un signal est une quantit observable qui dpend dun paramtre, en gnral
le temps.
Exemples : son, image, intensit dun courant, potentiel lectrique, position dun mobile, . . .
Mathmatiquement, on distinguera :
- les signaux dits temps continu x = x(t), t R, o x est une fonction, ou plus gnralement
une distribution,
- les signaux discrets x = (xn )nZ , qui proviennent souvent de la discrtisation de signaux
temps continu (chantillonnage).
Exemples :
- signal sinusodal (dit aussi monochromatique) :
x(t) = cos(t + )
- chelon unit de Heaviside, dsormais not u plutt que H pour ne pas le confondre avec les
fonctions de transfert qui sont notes traditionnellement H :

0 si t < 0
u(t) =
1 si t 0
- sinus cardinal :
sinc(t) =

sin(t)
t

- sinus intgral :
t

Z
Si(t) =
0

22

sin(s)
ds
s

- signal rectangulaire :

recta (t) =

1
0

si |t|
si |t| >

a
2
a
2

- impulsion de Dirac au point a :

ha , i = (a) D,
- peigne de Dirac a : cest la distribution dfinie par
X
ha , i =
(ka) D.
kZ

2.2

Systmes

Physiquement, un systme est un objet, un appareil, qui transforme un signal dentre x(t)
en un signal de sortie y(t).
Exemples : amplificateur, tlvision, robot, . . .
Mathmatiquement, cest un oprateur A qui transforme un signal dentre x = x(t) en un
signal de sortie y = y(t) :
y = Ax
Exemples :
- amplificateur : y(t) = ax(t),
aR
- quadrateur : y(t) = x2 (t),
- ligne retard : y(t) = a x(t) := x(t a),
aR
- inversion du temps : y(t) = x(t) := x(t) (not aussi x (t)),
- drivateur : y(t) = xR0 (t),
t
- intgrateur : y(t) = x(s) ds,
- quation diffrentielle : y 0 (t) + ay(t) = bx(t),
- quation rcurrente : yk + ayk1 = bxk ,
- dcimation : (x0 , x1 , x2 , x3 , x4 , . . .) 7 (x0 , x2 , x4 , . . .),
- interpolation : (x0 , x1 , x2 , . . .) 7 (x0 , 0, x1 , 0, x2 , . . .).

2.3

Filtres

Soit un systme :
A : X Y
x 7 y = Ax
o X et Y sont des espaces de fonctions (ou de distributions) munis dune topologie. On
supposera en gnral que X et Y sont inclus dans D0 , que X, et que X et Y sont invariants
par translation : a x X pour tout a R et tout x X, mme proprit pour Y .

23

Dfinition 2.1 Le systme est dit :

- linaire si pour tous signaux x1 et x2 X, on a
A(1 x1 + 2 x2 ) = 1 Ax1 + 2 Ax2

1 , 2 R,

- ralisable (ou causal) si la condition x1 (t) = x2 (t) pour t < entrane y1 (t) = y2 (t) pour t <
(avec yi = Axi , i = 1, 2) pour tous t, R,
- invariant si une translation du temps sur lentre entrane la mme translation sur la sortie :
A(a x) = a (Ax) a R,

x X,

- continu si la condition de convergence xn x dans X entrane Axn Ax dans Y .

Selon que lon a faire des signaux temps continu ou discrets, on parlera de filtres
temps continu ou de filtres discrets.
Dfinition 2.2 Un systme qui est la fois linaire, invariant et continu est appel un filtre.
Rponse impulsionnelle
Dfinition 2.3 Soit A : X Y un filtre. On appelle rponse impulsionnelle du filtre A la
rponse du filtre limpulsion de Dirac. On la note en gnral h :
h := A.
0
Rappelons que E 0 est le sous espace de D0 form des distributions support compact, et D+
le sous espace des distributions support contenu dans R+ .

Thorme 2.4 (Thorme des filtres)

i) Soit h une distribution support compact (h E 0 ). Alors le systme
A : D0 D0
x 7 Ax = h x
est un filtre.
ii) Rciproquement, soit A : D0 D0 un filtre, et h la rponse impulsionnelle du filtre. Alors
h E 0 et on a
Ax = h x x D0 .
Cet nonc est galement vrai :
- avec h D0 et A : E 0 D0
0
- en remplaant D0 et E 0 par D+
.
(les filtres sont des systmes de convolution).
Fonction de transfert dun filtre
Soit A : X Y un filtre. On suppose que lespace X contient les signaux monochromatiques e (t) := exp(2it), , t R.
Proposition 2.5 Tout signal monochromatique e est un vecteur propre du filtre A, i.e. il
existe un nombre complexe H() tel que
Ae = H()e .
La fonction H : R C est appele fonction de transfert du filtre A.
24

Chapitre 3
Elments dAnalyse Hilbertienne
3.1
3.1.1

Notions de bases sur les Banachs

Rappels de topologie

Espace mtrique E
Dfinition 3.1 Soit E un espace mtrique muni dune distance d(x,y) . On note B(a, r) la
boule ferme de centre a dfinie par :
B(a, r) = {x E, d(a, x) r}
o

On note B(a, r) la boule ouverte de centre a dfinie par :

o

B(a, r) = {x E, d(a, x) < r}

Espace topologique
On ne peut pas toujours dfinir une distance sur un espace topologique (ex : espace des
distributions).
Dfinition 3.2 Topologie. O est une topologie sur E si et seulement si O, E O,
lintersection dun nombre finis dlments de O est un lment de O et la runion dun nombre
quelconque dlments de O est un lment de O.
Dans lespace topologique (E, O), i.e. lespace E muni de la topologie O, on appelle ouverts les
lments de O.
Dfinition 3.3 Ferms. Soit (E, O) un espace topologie. On appelle ferm le complmentaire
dun ouvert.
Dfinition 3.4 Voisinage V. Soit (E, O) un espace topologique. Soit x E, A une partie
de E est un voisinage de x sil existe un ouvert O tel que x O A. On dsigne par V (x)
lensemble des voisinages de x.

25

Dfinition 3.5 Intrieur. Soit (E, O) un espace topologique. Lintrieur A de A est le plus
grand ouvert contenu dans A :
[
o
A=
O
O ouvert A

Remarque 3.6 Fermeture. Soit (E, O) un espace topologique. La fermeture A fermeture de

A est le plus petit ferm contenant A :
\
A=
F
F f erme / AF
o

Remarque 3.7 A ouvert A = A

Thorme 3.8 A ferm A = A Toute limite de points de A A
Dfinition 3.9 Densit. A est dense dans E si A = E
Dfinition 3.10 Espace sparable. E est sparable sil existe une partie dnombrable dense
dans E.
Remarque 3.11 Si f : E F alors :
f continue OF , f 1 ( OF ) OE
f homomorphisme de E dans F f bijective et f , f 1 continues.
Dfinition 3.12 Suite de Cauchy dans un mtrique. La suite (xn )nN est de Cauchy ssi
limn,m d(xn , xm ) = 0
Remarque 3.13 Une suite convergente est de Cauchy, mais une suite de Cauchy nest pas
forcment convergente.
Dfinition 3.14 E est complet si et seulement si toute suite de Cauchy est convergente.

3.1.2

Notion despace de Banach

Espace vectoriel norm

E espace vectoriel sur R (ou ventuellement sur C )
Dfinition 3.15 p est une semi-norme si et seulement si :
(i)
(ii)
(iii)

p : E R+
v E, R, p(v) = || p(v)
(u, v) E, p(u + v) p(u) + p(v)

Dfinition 3.16 p est une norme si et seulement si p est une semi-norme et p(u) = 0 entrane
u = 0.
26

Espace de Banach
Dfinition 3.17 Un Banach E est un espace vectoriel norm complet.
Exemples
R
C([a, b]) avec kf k = supx[a,b] |f (x)|
1p<

X
lp = {(ap )pN ;
|ak |p < }

X
kakp = (
|a|p )1/p

k=0

pour p =

kak = supp |ap |

Lemme 3.18 Si , > 0 et p > 1, alors pour tout p, p0 tels que

<

1
p

1
p0

= 1 on a :

p p
+ 0
p
p
0

Lemme 3.19 Ingalit de Hlder. Si 1 p et a lp , b lp ,alors :

X
|ak bk | kakp kbkp0
Lemme 3.20 Ingalit de Minkowski. Si a,b lp , on a :
ka + bkp kakp + kbkp
Proposition 3.21 Quelque soit p tel que 1 p , lp est complet.
Oprateur born, dualit
Dfinition 3.22 Oprateur born. Soient E, F deux espaces vectoriels norms, un oprateur
born u est une application linaire continue de E dans F. Lespace correspondant est not
L(E, F ) (u L(E, F )), on note galement L(E, E) L(E).
Thorme 3.23 Soient E,F deux espaces vectoriels norms, u une application linaire de E
dans F, les proprits suivantes sont quivalentes :
(i) c > 0, x E,

ku(x)kF ckxkE

(ii) u est lipschitzienne

k > 0,
ku(x) u(y)kF kkx ykE
(iii) u est uniformment continue
 > 0, (x, y) E, > 0

kx ykE < ku(x) u(y)kF 

(iv) u est continue

(v) u est continue en 0

27

Dmonstration On se limite (v) (i), le reste tant classique. Par dfinition,

(v) , > 0; kxk < ku(x)k < 
x
, on a kyk =
Soit x quelconque dans E, si on pose y = kxk
2
2
Par suite ku(x)k < kxk , cest--dire (i) avec c = 2
.

kuk < .


Thorme 3.24 Soient E, F deux espaces vectoriels norms avec F Banach, alors L(E, F ) est
un Banach. En particulier, E 0 dual topologique de E (E 0 = L(E, R)) est toujours un Banach.
Dmonstration Soit (un ) une suite de Cauchy dans L(E, F ), alors
 > 0, N N, n, m > N (), kun um kL < 
et donc, x E fix, (un (x))nN est de Cauchy dans F, donc converge.
Soit u(x) = limn un (x), x u(x) est trivialement linaire :
un (x + y) = un (x) + un (y) u(x) + u(y)
Elle est continue car n > N (), kun (x) u(x)kF kxk
ku(x)kF kuN +1 (x) u(x)kF + kuN +1 (x)kF
kxkE + kuN +1 kL kxk
( + kuN +1 kL )kxk
et donc u est continue daprs le Thorme 3.23

Thorme 3.25 Prolongement. Soient E et F deux espaces vectoriels norms avec F Banach, Eo un espace vectoriel dense dans E et uo L(Eo , F ). Alors uo se prolonge de manire
unique en u L(E, F ) et kukL(Eo ,F ) = kukL(E,F ) ; en particulier on a Eo0 = E 00 .
Dmonstration Unicit. Soient u1 (x) et u2 (x),deux prolongement de u0 (x), (xn )nN une
suite de Cauchy dans E valeurs dans Eo . On a u1 (x) = lim uo (xn ) et u2 (x) = lim uo (xn ). Or,
uo (xn ) est de Cauchy dans F, donc converge. On a donc u1 (x) = u2 (x).
Existence. Soit x E quelconque, il existe une suite (xn )nN valeurs dans Eo telle que
x = limn xn . uo (xn ) est de Cauchy dans F car uo L(Eo , F ), on a donc u(x) = lim uo (xn ). Il
reste montrer que u L(E, F ) ; on a

u(x + y) = lim uo (xn + yn )

= lim(uo (xn ) + uo (yn )
= u(x) + u(y)
kuo (xn )kF kuo kL (E, F )kxn kE
ku(x)kF kukL (Eo , F )kxk
kuk kuo k
28

et lgalit kuk = kuo kest triviale.

Application
C([a, b]) est dense dans Lp (a, b), il suffit donc de dfinir une forme linraire de Lp (a, b) sur
C([a, b]).
En gnral, on na pas de thorme gnral de prolongement si Eo nest pas dense.
Cas particuliers :
Hilbert
F = IR

3.2
3.2.1

Espaces de Hilbert
Formes linaires, espaces prhilbertiens

Dans la suite on considre K = R ou C et E un espace vectoriel sur K.

Dfinition 3.26 On appelle application semi-linaire ou antilinaire de E espace vectoriel sur
K une application vrifiant :

(x, y) E 2
u (x + y) = u (x) + u (y)
u (x)
u (x) =

x E, K

Si K= IR alors antilinaire linaire

Dfinition 3.27 Si E espace vectoriel sur K
Alors B : EEK est une forme sesquilinaire si et seulement si :
pour y fix E : x B (x, y) est linaire
pour x fix E : y B (x, y) est antilinaire
Si K =IR alors sesquilinaire bilinaire
Dfinition 3.28 B sesquilinaire sur EE est dite hermitienne si :
B (x, y) = B (y, x)
Proposition 3.29 Une forme sesquilinaire B est hermitienne sur E E valeurs dans C si
et seulement si B (x, x) est dans IR pour tout x dans E.
Dmonstration On suppose d abord que B(x, x) R

x E. On a donc

B(x + y, x + y) = B(x, x) + B(y, y) +B(x, y) + B(y, x)

{z
} | {z } | {z }
|
R

De 
mme en prenant x = ix, il vient
B(x, y) + B(y, x) = R
i(B(x, y) + B(y, x)) = R
et B(x, y) = i
et B(y, x) = +i
. On a donc B(x, y) = B(y, x) , B est hermitienne.
2
2
Rciproquement, si B est est hermitienne, B(x, x) = B(x, x) entrane B(x, x) R.

29

Remarque 3.30 Il ny a rien danalogue si K = R

Proposition 3.31 B hermitienne E E valeurs dans C est compltement dtermine par
ses valeurs sur la diagonale (i.e pour la donne de B(x, x)).
Dmonstration On suppose dabord que K = C, on a alors lidendit suivante :
4B(x, y) = B(x + y, x + y) B(x y, x y) + iB(x + iy, x + iy) iB(x iy, x iy)
Puis le cas K = R :
2B(x, y) = B(x + y, x + y) B(x, x) B(y, y)

Dfinition 3.32 Une forme sesquilinaire hermitienne B sur E E est positive si B(x, x)
0 pour tout x dans E. Une forme sesquilinaire hermitienne B sur E E est dfinie positive
si B(x, x) > 0 pour tout x non nul dans E.
Thorme 3.33 Ingalit de Cauchy Schwartz. Si B est une forme sesquilinaire hermitienne positive sur E E, alors :
p
p
|B (x, y)| B (x, x) B (y, y)
Si B est dfinie positive il y a galit si et seulement si x et y sont colinaires.
Dmonstration
Cas B 0. On part de lidentit
B(x + y, x + y) = B(x, x) + 2Re(B(x, y)) + ||2 B(y, y) 0
dans laquelle on prends B(x, y) = rei , r = |B(x, y)|, = tei t IR. Il en rsulte que
f (t) = B(x, x) + 2t|B(x, y)| + t2 B(y, y) 0 t IR
cest un trinme coefficients rels positifs ou nuls, il est positif pour tout t si et seulement
si son discriminant est ngatif :
|B(x, y)|2 B(x, x)B(y, y) 0
Ce qui assure le rsultat pour B 0
Cas B > 0 (exercice)


Dfinition 3.34 E espace vectoriel est dit prhilbertien si on le munit dune forme sesquilinaire positive et hermitienne. On la note : B(x, y) = (x, y). Deux lments x et y de E sont
dits orthogonaux (on note quelquefois x y ) si (x, y) = 0.
30

Thorme 3.35 Ingalit de Minkovski. Soient x et y dans E prhilbertien, on a :

p
p
p
(x + y, x + y) (x, x) (y, y)
Si (x, y) est dfinie positive il y a galit si et seulement si x et y sont colinaires.
Dmonstration
p

p
p
(x + y, x + y) (x, x) (y, y)
(x + y, x + y) = (x, x) + (y, y) + 2Re(x, y)
1

(x, x) + (y, y) + 2(x, x) 2 (y, y) 2

1

Re(x, y) (x, x) 2 (y, y) 2



qui est Cauchy-Shwartz.

Thorme 3.36 Si E est prhilbertien et (x, y) dfinie positive, alors kxk2 = (x, x) dfinit une
norme sur E.

3.2.2

Espaces de Hilbert. Thorme de projection

Dfinition 3.37 E est dit espace de Hilbert sil est un espace prhilbertien muni dune forme
dfinie positive hermitienne et complet pour la norme associe.
Exemples :
Z

L () (f, g) =

f (x)g(x)dx

H m () = {f L2 ; f L2 || m} (f, g)m =

( f, g)

||m

Dfinition 3.38 Soit F ferm de E espace mtrique et a E. Une projection de a sur F est
un point F tel que d (a, F ) = d (a, ) avec d (a, F ) = inf xF d (a, x)
Remarque 3.39 Ce point nest pas forcment unique ! Tous les points dune sphre sont des
projections du centre.
Thorme 3.40 Si E est un Hilbert et soit F un ferm convexe non vide de E, alors chaque
point de E a une projection et une seule sur F.
Dmonstration Point 1 : Lemme de la mdiane : On a lidentit suivante
1
ka bk2 + ka ck2 = 2ka mk2 + kb ck2
2
avec m =

b+c
2
31

a
AHH
A HHH
A
HH
A
H
HH
A

Point 2 :
d = d(a, F ) = inf ka xk
xF

Soit {xn } ; ka xn k d. On applique le lemme (a, xm , xn )

2


x
+
x
m
n
2
2
+ 1 kxm xn k2
ka xm k + ka xn k = 2
a

2
2
donc :

z }| {
1
xm + xn 2
2
2
2
kxm xn k = ka xm k + ka xn k 2 ka
k
|
{z
}
{z
}
|
2
|
{z2
}
d

et donc limkxm xn k2 0, donc xm de Cauchy dans F ferm.

Point 3 : Unicit
Soient et deux projections de a, daprs ce qui prcde :

2

1
2
= ka k2 + ka k2
k k + 2
a

| {z } | {z }
2
2
|
{z
}
=d2
=d2
d2

car

2

+
d2
a
F

2
2
k k2 0 =


Thorme 3.41 Caractrisation de . Si F est une partie ferme convexe non vide de E,
espace de Hilbert Alors la projection de a E sur F est caractrise par :
x F

Re (a ; x ) 0

Dmonstration

32

(3.1)

 Cas = 0
On suppose dabord que x F

Re (a ; x ) 0. Nous avons donc :

ka xk2 = kak2 2 Re(a, x) + kxk2 kak2

| {z } |{z}
0
0
|
{z
}

x F

et donc inf xF ka xk2 = kak2 est atteint en x = 0, ce qui signifie que = 0 est bien la
projection de a sur F.
Rciproquement
On pose = 0 projection de a sur F. On a = 0 F et donc
x F,
t [0, 1], (tx = tx + (1 t)) F. En remarquant que ka txk2
kak2 t [0, 1], il vient
kak2 2tRe(a, x) + t2 kxk2 kak2
et donc t2 kxk2 2tRe(a, x) et tkxk2 2Re(a, x) pour t > 0. Finalement en prenant
t 0+ on obtient :
Re(a, x) 0
Cas gnral :
Soit F = F {a} = {x , x F }. Comme F est ferm convexe non vide F lest
galement. Considrons (a = a ) E, on observe alors que projection de a sur F
est quivalent 0 projection de a sur F Le rsultat gnral dcoule alors facilement
du cas = 0.

Proposition 3.42 Si E est un espace mtrique et F ferm, alors a E d (a, F ) est lipchitz
par rapport a
Si E est un espace de Hilbert et F ferm convexe non vide, alors a E pF (a) sur F est
lipchitz par rapport a
Proposition 3.43 Dans un espace de Hilbert E :
K convexe faiblement ferm est quivalent K convexe fortement ferm
Dmonstration Tout ensemble faiblement ferm est fortement ferm donc :
K faiblement ferm K fortement ferm
Rciproquement, supposons que K est fortement ferm. Soit (xn ) une suite valeurs dans
K de Cauchy pour la topologie faible de E.Il existe donc x dans E tel que pour tout y dans E
limn (xn , y) = (x, y). Il sagit de montrere que x appartient K. Soit P le projecteur sur K
fortement ferm :
Re(x P x, Xn P x)
Re(x P x, x P x) 0
x = P x x K

xn

33

3.2.3

Applications du thorme de la projection aux sous espaces

vectoriels dun Hilbert

Projection sur un sous espace vectoriel ferm dun Hilbert

Thorme 3.44 Soient F un sous espace vectoriel ferm dun Hilbert E et a dans E, nappartenant pas F, si est la projection de a sur F , alors, le segment [, a] = {t+(1t)a, t [0, 1]}
est lunique perpendiculaire abaisse de a sur F .
Dmonstration Le thorme 3.41 nous permet daffirmer :
x F
0

Re(a , x ) 0

Or pour F sous espace vectoriel et F , on a ( + y) F

F
De mme pour y, iy et iy... On en conclut :
(a , y) = 0

y F . Donc : Re(a , y)

y F

ce qui caractrise bien [, a] comme lunique perpendiculaire abaisse de a sur F .

Corollaire 3.45 Si E est un espace de Hilbert, soit F une partie de E, pour que G sous espace
vectoriel engendr par F soit dense dans E, il faut et il suffit quil nexiste pas de vecteur non
nul perpendiculaire F.
Dfinition 3.46 Si F1 et F2 sont 2 parties de E espace de Hilbert,
On dit F1 est orthogonal F2 si (x1 , x2 ) F1 F2 , (x1 , x2 ) = 0.
On appelle orthogonal de F et on note F , lensemble des lments orthogonaux F.
Proposition 3.47 F est un sous espace vectoriel ferm de E.
Dmonstration Soit x E,
{x} = {y E, (y, x) = 0} = Ker{y (y, x)}
est donc
\ferm.
F =
{x} est donc ferm en tant quintersection de ferms.

xF

Proposition 3.48 Si F E, E Hilbert, G sous espace vectoriel engendr par F , alors

.
F = G
Si A B Alors A B


Dmonstration Exercice

Proposition 3.49 Si F est un sous espace vectoriel ferm de E Hilbert, alors E = F F et

le projecteur de E sur F paralllement F est lapplication qui a E fait correspondre sa
projection sur F : cest le projecteur orthogonal de E sur F. Sa norme est 1 si F nest pas {0}.
34

Dmonstration

F F = {0}

xE
Soit :

la projection de x sur F
Comme : x = + (x )
(x , y) = 0

y F x F

E = F + F

kxk2 = kx k2 + kk2 kk kxk

kpk 1
Si x F , (x) = x

kpk = 1


Proposition 3.50 Soit E un espace de Hilbert. les proprits suivantes sont vraies :
o G est le sous espace engendr par F
a) F E F = G
b) F sous espace vectoriel de E F = F
c) F sous espace vectoriel ferm de E F = F
d) F E F = F S
T
e) (Fi )iI , Fi E alors ( iI Fi ) = iI Fi


T
f ) Si Fi Ssous espaces vectoriels ferms
=adhrence du sous espace vectoriel eniI Fi
gendr par iI Fi .


Dmonstration Exercice

Thorme 3.51 Thorme de prolongement. Si E est un espace de Hilbert, Eo un sous

espace vectoriel de E, F un Banach, et si uo L(Eo , F ) alors uo se prolonge en u L(E, F ) et
on peut choisir
kukL(E,F ) = kuo kL(Eo ,F )
Dmonstration
E = E 0 E0
u0 se prolonge de manire unique en u0 L(E 0 , F ) et ensuite u = u0 pE 0

Familles orthogonales et Bases Hilbertiennes

Dfinition 3.52 Une famille dlments x , I (I famille dindices) dun espace de Hilbert
E est orthonormale si

0 si 6= 0
(x , x0 ) = 0 =
1 si = 0
35

Remarque
3.53 les {x } sont linairement indpendants :
P
Si ni=1 i xi = 0, alors :
!
n
X
0=
i xi , xi = j j {1, ..n}
i=1

Proposition 3.54 Orthogonalisation de Schmidt. A toute suite u1 , u2 , . . . , un , . . . dlments linairement indpendants de E, on peut associer une suite orthogonale w1 , w2 , . . . , wn , . . .
par le procd dorthogonalisation de Schmidt.
Dmonstration Posons :

v1 = u1

vn+1 = un+1

n
X
(un+1 , vi )

kvi k2

i=1

vi

Nous allons montrer par rcurrence que les vi sont alors bien dfinis et orthogonaux.
Rcurrence : {vi } non nul pour i n et orthogonaux deux deux.
L hypothse est vrai pour n = 1. Soit j n,
(vn+1 , vj ) = (un+1 , vj )
Si vn+1 = 0 alors :
un+1 =

(un+1 , vj )
kvj k2 = 0
kvj k2

n
X
(un+1 , vi )
i=1

kvi k2

vi =

n
X

i vi

i=1

les vin sont des conditions limites de {uj } pour j {1, . . . , n}. Nous avons donc :
un+1 =

n
X

i ui

i=1

Cest contradictoire avec lindpendance des {ui }. Donc vn+1 6= 0, la rcurrence est dmontre.
Pour le rsultat final, il suffit de prendre :
wi =

vi
kvi k


Dfinition 3.55 Une famille {x }, I ensemble dindices, dun espace de Hilbert E est
totale (ou complte) dans E si I, (y, x ) = 0 y = 0
Proposition 3.56 Le sous espace vectoriel engendr par une famille totale est dense dans E.

36

Dmonstration Soit,


W lespace vectoriel engendr par {x }I

W la fermeture de W

Daprs la proposition 3.6, nous avons : E = W W .

W + = {y ; (y; x) = 0
y=0W

x W } (y , x ) = 0

=0E=W


Proposition 3.57 Si dans un espace de Hilbert, il y a une famille un n={1..n} dnombrable

et totale, alors il y a aussi une famille wn associe orthogonale,totale et dnombrable.


Dmonstration Exercice
Dfinition 3.58 Une base Hilbertienne est une famille orthonormale totale.
Thorme 3.59 Tout Hilbert admet une base hilbertienne.

Dmonstration Admise, consquence du thorme de Zorn

Thorme 3.60 Relation de Parseval. Soit (wi )iN une base Hilbertienne de E Hilbert (E
est alors sparable) si x E, en posant :
m
X
Pm (x) =
(x, wn )wn ,
n=1

on a :
lim kPm (x) xk = 0

et
2

kxk =

|(x, wn )2 |

(Relation de P arseval)

n=1

Dmonstration Soit Pf
m la projection sur lespace vectoriel engendr par {w1 , . . . , wm }.
Pf
mx =

m
X

j w j


Pf
x

x
,
w
m
j = 0

n=1

Caractristique de la projection sur un sous-espace vectoriel et donc j = (x, wj ) et Pf

m = Pm
kPm xk2 =

m
X
n=1

37

k(x, wn )k2

Mais lespace vectoriel

P {w1 , . . . , wm , . . .} est dense dans E. On peut donc approcher x E
par une suite xm = n anm wn avec un nombre fini de anm non nuls pour chaque m ; a fortiori
Pm x x (puisque kPm x xk kxm xk) et donc :
lim kPm x xk = 0

et en utilisant :
kPm xk2 =

m
X

k(x, wn )k2

n=1

on arrive : kxk2 =

|(x, wn )|2 .

n=1

Thorme de reprsentation (Riesz)

Thorme 3.61 Soit E un espace de Hilbert et L E 0 , alors, il existe un lment xL unique
tel que :

L(y) = (y, xL ) y E
kxL kE = kLkE 0
Rciproquement, tout lment x E dfinit une forme linaire continue sur E, Lx par :
Lx (y) = (y, x)
kLx kE 0 = kxkE
Dmonstration Soit L E 0
Unicit de xL
L(y) = (y, x1 ) = (y, x2 ) (y, x1 x2 ) = 0
x1 x2 = 0

y E

Existence de xL .
On suppose L 6= 0 (sinon cest vident) KerL = {z E; L(z) = 0}
On en dduit : (KerL) 6= {0} sinon L = 0.
Soit w (KerL), on a forcment : w 6= 0, dim(KerL) = 1, sinon


w1
w2
L

=0
L(w1 ) L(w2 )


w2
w1

KerL

L(w1 ) L(w2 )
en contradiction avec w1 et w2 independants et appartenant (KerL)+ .
E = KerL (KerL)
On prend : y = yk +

yk


avec :

yk KerL
.
yk (KerL)
38

On crit : y = yk + w avec (y, w) = kwk2 .

L(y) = L(yk ) + L(w) = L(w)
=

ce qui donne :xL =

(y, w)
L(w)
L(w) = (y,
w)
2
kwk
kwk2

L(w)
w et par la suite :
kwk2
kLkE 0 = sup
yE

k(y, xL )k
= kxL kE
kyk


La rciproque est vidente

Corollaire 3.62 Tout espace de Hilbert est rflexif.

Dmonstration Le thorme de reprsentation de Riesz montre que lon peut identifier E et
E 0 avec une correspondance biunivoque, cette correspondance nest pas linaire. x Lx est
antilinaire car :
Lx (y) = (y, x) = (y, x) = Lx (y)
Mais E 0 est un Hilbert pour le produit scalaire :
(L1 , L2 )E 0 = (xL1 , xL2 )E
donc :
(L1 , L2 )E 0 = (xL2 , xL1 ) = (xL2 , xL1 )
= (xL2 , xL1 ) = (L1 , L2 )E 0
qui est compatible avec la norme induite dans E 0 puisque (L, L) = kxL k2E = kxL k2E 0 . On a donc
toujours le thorme de Riesz qui donne une correspondance biunivoque entre E 0 et E 00 . La
correspondance finale E E 00 est alors linaire.


3.2.4

Thorme de LAX-MILGRAM

Dfinition 3.63 (Rappel)

(i) a est sesquilinaire sur E Hilbert si :

a(u,v)

: (u,v)
a(u,v) K
EE K

par rapport u et antilinaire par rapport v.

(ii) a est continue sur E sil existe M indpendamment de u et v tel que
(u, v)

|a(u, v)| M kukkvk

39

est linaire

 v a(u, v) est antilinaire continue donc daprs le thorme de Riesz :

Au E ; a(u, v) = (Au, v) v
u a(u, v) est linaire continue, u Au est linaire et continue, donc A L(E, E).
Rciproquement pour A L(E, E), a(u, v) = (Au, v) est sesquilinaire continue.
On peut de mme dfinir A L(E, E), a(u, v) = (Au, v) = (u, Av).
Dfinition 3.64 On dit que A et A L (E, E) sont adjoints si :
(Au, v) = (u, A v)

(u, v) E E

Dfinition 3.65 On dit que A est auto-adjoint si A = A

On dit que A est normal si A A = AA
Dfinition 3.66 On dit que a sesquilinaire est coercive (coercive ou elliptique) sur E Hilbert
si > 0 :
u E
|a (u, u)| kuk2
Thorme 3.67 (Lax-Milgram)
Si E est un Hilbert sur K (R ou C) et si (u, v) a (u, v) est une forme sesquilinaire continue
coercive sur E, alors a dfinit un oprateur A L (E, E) admettant un inverse A1 L (E, E) .
En particulier, soit v L (v) une forme antilinaire continue sur E alors il existe un unique
u E tel que :
a (u, v) = L (v)
v E
Dmonstration
A injectif
Daprs ce qui prcde on a : a(u, v) = (Au, v)

avec

kAk M . La coercivit assure

(Au, u) kuk2 kAukkuk kuk2 kAuk kuk

ce qui entrane que A est injectif.
A surjectif
Il faut montrer que AE = E. Pour cela, il suffit de montrer que AE = {0} et que AE
est ferm.
AE ferm.
Soit w AE, on a alors w = limn Aun ou un est une suite de E. La coercivit de A
assure que kAun Aum k kun um k. La suite Aun tant convergente, il en rsulte
que {un } est de Cauchy dans E et donc un u E. Il en suit que Aun Au, Au = w,
et que w AE.
AE = {0}.
Soit v AE , alors (Au, v) = 0 u E. En utilisant la coercivit, il vient que
kvk2 (Av, v) = 0, et donc v = 0 : A est surjectif.
A est donc inversible, son inverse A1 est videment linaire. Comme kAuk kuk u
E, on a : kA1 vk kvk v E et A1 continue avec
kA1 k
ce qui dmontre la premire partie.
40

 De plus, on a daprs le thorme de Rietz :

L(v) = (f, v) a(u, v) = L(v) (Au, v) = (f, v)
(Au f, v) = 0 v E Au = f u = A1 f


3.3
3.3.1

Applications aux problmes aux limites

Formulation Variationelle dun problme elliptique 1D.

On rappelle la dfinition de lespace de Sobolev H 1 (0, 1) = {u L2 (0, 1); du

L2 (0, 1)}.
dx
H 1 (0, 1) est un espace de Hilbert sur IR pour le produit scalaire dfinit par
Z 1
Z 1
du
dv
0 0
u(x)v(x)dx
(x) (x)dx +
(u, v)H 1 = (u , v )L2 + (u, v)L2 =
dx
0
0 dx
On rappelle galement (cf TD) que les fonctions de H 1 (0, 1) sont continues sur [0, 1], et que
pour u H 1 on a pour x et y dans [0, 1] :
Z x
du
u(x) = u(y) +
(z)dz
(3.2)
y dx
On se donne une fonction C 2 dfinie sur [0, 1], note a(x). On suppose quil existe
> 0 tel que a(x)
Pour u, v H 1 (0, 1), on dfinit
Z 1
Z 1
du
dv
u(x)v(x)dx
a(x) (x) (x)dx +
b(u, v) =
dx
dx
0
0

(3.3)

et pour f L2 (0, 1)
Z
L(v) =

f (x)v(x)dx

(3.4)

On montre aisment que b est continue, coercive sur H 1 (0, 1) et que L est une forme linaire
continue sur H 1 (0, 1). Le thorme de Lax Milgram sapplique et le problme (P) : Trouver
u H 1 (0, 1) tel que
v H 1 (0, 1), b(u, v) = L(v)
(3.5)
admet une solution unique.
Prenons v D(0, 1) dans (3.5), en considrant les lments de H 1 (0, 1) comme des distributions de D0 (0, 1) on obtient au sens de la dualit D0 D :
D0

<a

du dv
,
>D +D0 < u, v >D =D0 < f, v >D
dx dx
41

ou encore

d du
(a ) + u, v >D =D0 < f, v >D
dx dx
ce qui dmontre que dans D0 (0, 1)f dans L2 (0, 1)
D0

<

d du
(a ) + u = f
dx dx

(3.6)

d
u et f tant dans L2 (0, 1), il en rsulte que (3.6) est vraie L2 (0, 1) et que dx
(a du
) est galement
dx
du
2
1
dans L (0, 1). a(x) tant rgulire on en conclut que dx est dans H (0, 1) et donc continue.
(x)v(x) est dans H 1 (0, 1) et daprs (3.2)
Prenons alors v C (0, 1), la fonction a(x) du
dx

du
du
a(1) (1)v(1) a(0) (0)v(0) =
dx
dx

Z
0

d du
(a v)dx
dx dx

(3.7)

Le second membre de (3.7) scrit

Z 1
Z 1
Z 1
d du
d du
du dv
(a v)dx =
(a )vdx +
a
dx
dx
dx
dx dx
0 dx
0 dx
0
et donc
du
du
a(1) (1)v(1) a(0) (0)v(0) =
dx
dx

Z
0

d du
(a )vdx +
dx dx

a
0

du dv
dx
dx dx

Tenant compte de tout cela dans (3.5), on obtient pour tout v C (0, 1) :
Z 1
du
d du
du
( (a ) u + f )vdx
a(1) (1)v(1) a(0) (0)v(0) =
dx
dx
dx
0 dx
d
mais dx
(a du
) u + f = 0 dans L2 (0, 1), le second membre est donc nul, et pour tout
dx
v C (0, 1)
du
du
a(1) (1)v(1) = a(0) (0)v(0)
dx
dx
Il en rsulte
du
du
(1) =
(0) = 0
dx
dx
Ce qui dmontre que u est solution de lquation avec conditions aux limites en 0 et 1 :
 d du
dx (a dx ) + u = f dans L2 (0, 1)
du
(1) = du
(0) = 0
dx
dx

3.3.2

Ingalit de Poincar et Problmes sur H01 (0, 1)

On dfinit H01 (0, 1) comme le sous espace vectoriel (ferm - exercice) des fonctions u de
H 1 (0, 1) vrifiant u(1) = u(0) = 0

42

Proposition 3.68 (Ingalit de Poincar) Pour u dans H01 (0, 1)

Z 1

Z 1
1
2
2
0
|u(x)| dx
|u (y)| dy
2
0
0
ou encore

1 2
|u|
2 1
o |u|1 dsigne la semi norme sur H 1 (0, 1) dfinie par
sZ
kuk20

|u0 (y)| dy

|u|1 =
0

et kuk0 la norme usuelle sur L2 (0, 1)

Dmonstration
Z

|u(x)| dx =
0

Mais avec Cauchy Schwartz

Z x
2 Z


0


u
(y)dy



2

u (y)dy  dx
0

 Z

|u (y)| dy


dy

Z

|u (y)| dy x

Il en rsulte
Z

1
2

Z

1
0

Z

|u (y)| dy

|u(x)| dx

1
xdx
2

Z

1
0

|u (y)| dy
0


Il rsulte de cette ingalit de Poincar que la semi norme |u|1 =

r
R

1
0

|u0 (y)|2

dy

est

quivalente la norme H 1 sur H01 (0, 1) . En effet

|u|21 kuk21 = |u|21 + kuk20
et sur H01 (0, 1), daprs Poincar

2 kuk20 |u|21

et donc pour n 2
n kuk21 2 kuk20 + |u|21 n |u|21 (1 + n)
et

2
kuk21 |u|21 kuk21
3
Il en rsulte que la forme bilinaire
Z 1
du
dv
b(u, v) =
a(x) (x) (x)dx
dx
dx
0
43

(3.8)

est coercive sur H01 (0, 1) et donc que le problme Trouver u H01 (0, 1) tel que
v H01 (0, 1),

b(u, v) = L(v)

(3.9)

avec L(v) dfini par (3.4) admet une solution unique. Elle sinterprte comme la solution du
problme
 d du
dx (a dx ) = f dans L2 (0, 1)
u(1) = u(0) = 0

44

Chapitre 4
Transforme de Fourier discrte
4.1

Rappels sur les sries de Fourier

Soit Lqp (T ) (q 1) lensemble des (classes de) fonctions f mesurables T -priodiques sur R,
valeurs dans C, et telles que
Z T
|f (t)|q dt < .
0

Cet espace est muni de la norme (qui en fait un espace de Banach)

T

Z

1/q
|f (t)| dt
q

||f ||q =
0

Lespace L2p (T ) est muni de plus du produit scalaire associ

Z

hf, gi2,T =

f (t)g(t) dt
0

qui en fait un espace de Hilbert. On note PN le sous-espace de L2p (T ) form des polynmes
trigonomtriques de la forme
N
X
p(t) =
pn e2int/T
n=N

Les coefficients de Fourier dune fonction f L1p (T ) sont dfinis par

1
cn =
T

f (t)e2int/T dt

Proposition 4.1 (Thorme de projection) Soit f L2p (T ). La projection orthogonale de f sur

le sous-espace PN est
N
X
fN (t) =
cn e2int/T
n=N

45

et on a :
||f ||22 = ||fN ||22 + ||f fN ||22
=T

N
X

(Pythagore)

|cn |2 + ||f fN ||22

n=N
N
X

1
||f ||22 ,
T

|cn |2

n=N

N N (Ingalit de Bessel)

Thorme 4.2 Soit f L2p (T ). La suite des projections fN converge vers f dans L2p (T ), et

|cn |2 =

n=

1
||f ||22
T

(galit de Parseval).

Dcroissance des coefficients

Soit Hm
p (T ) lensemble des fonctions T -priodiques sur R dont les drives au sens des
distributions jusquau rang m sont de carr localement intgrable.
Proposition 4.3 Soit f Hm
p (T ). Alors

|nm cn |2 < .

n=

Corollaire 4.4 Soit f H1p (T ). La suite fN converge uniformment vers une fonction continue
f telle que ||f f||2 = 0 (galit presque partout).

4.2

La transforme de Fourier discrte

Supposons que lon souhaite calculer les coefficients de Fourier dune fonction f T -priodique
dont on ne connait quun nombre fini N de valeurs
yk = f (
Pour cela, on approche lintgrale cn =

1
T

kT
)
N

RT
0

kZ

f (t)e2int/T dt par la formule des trapzes :

N 1
1 X
cn ' Yn :=
yk e2ikn/N
N k=0

(4.1)

On remarque que la suite Yn , tout comme la suite yk , est N -priodique. On notera CZN lensemble
des suites complexes N -priodiques.

46

Dfinition 4.5 Lapplication linaire FN dfinie par (4.1) :

FN : CZN CZN
y = (yk )kZ 7 Y = (Yn )nZ
est appele transforme de Fourier discrte dordre N .
Proposition 4.6 Lapplication FN est un isomorphisme de CZN , dinverse donn par
yk =

N
1
X

Yn e2ikn/N

kZ

n=0

Erreur dapproximation
Supposons ici N pair. On approche f par
N/21

p(t) =

Yn e2int/T

n=N/2

En utilisant le rsultat prcdent, on peut montrer que

+
X

Yn =

cn+kN

k=

Lerreur de calcul sur les coefficients de Fourier est ainsi

X
cn+kN , n = N/2, . . . , N/2 1
Y n cn =
k6=0

Lapproximation sera alors dautant meilleure que la suite cn tend vers zro rapidement quand
|n| , i.e. dautant meilleure que f est rgulire.

4.3

La transforme de Fourier rapide

La transforme de Fourier rapide (TFR, en anglais

FFT) a t invente en 1965 par Cooley
PN 1
2ikn/N
et Tuckey. A priori, le calcul de Zn := N Yn =
pour n = 0, 1, . . . , N 1
k=0 yk e
2
ncessite (N 1) multiplications +N (N 1) additions ' 2N 2 oprations. En supposant N
pair, N = 2M , on peut acclrer les calculs : en distinguant les indices pairs des indices impairs,
on a
Zn =

M
1
X

y2k e

2ikn/M

+e

2in/N

k=0

=: Gn + e

M
1
X
k=0

2in/N

Hn

47

y2k+1 e2ikn/M

Du fait que
e2ik(n+M )/M = e2ikn/M
e2i(n+M )/N = e2in/N
on remarque que
Gn+M = Gn
Hn+M = Hn
Zn+M = Gn e2in/N Hn
o (Gn ) et (Hn ) sont aussi des transformes de Fourier discrtes, dordre moiti M = N/2. Si
M est pair, on peut ritrer le procd.
Evaluation du nombre doprations si N = 2p
Soit up le nombre doprations ncessaires pour calculer tous les termes Zn par ce procd
lordre p.
Le calcul des Gn et Hn ncessite 2up1 oprations.
Le calcul des Zn et Zn+M ncessite 32p1 1 oparations (2p1 multiplications et 2p additions).
Do les relations
up = 2up1 + 3 2p1 1
u0 = 0
ce qui donne up = 2p1 (3p 2) + 1, soit en fonction de N , un cot global de
N
(3 log2 N 2) + 1 ' 1, 5N log2 N
2
ce qui reprsente un gain apprciable. Par exemple, pour N ' 1000, on aura environ 15 000
oprations au lieu de 2 000 000, soit un facteur de rduction suprieur 100.
Application la convolution discrte (priodique)
Soient xn et hn deux suites N -priodiques. La convolution priodique de ces deux suites est
la suite N -priodique dfinie par
!
N
1
N
1
X
X
yn =
xk hnk
=
xnk hk .
k=0

k=0

Le calcul de cette convolution ncessite normalement (2N 1)N ' 2N 2 oprations. Soient Xn ,
Hn , Yn et Pn les transformes de Fourier discrtes des suites xn , hn , yn et xn hn .
Proposition 4.7 On a les relations suivantes :
Yn = N Xn Hn
Pn =

N
1
X

Xk Hnk

k=0

48

Pour acclrer les calculs, on calcule par FFT les suites Xn et Hn , puis le produit Yn =
N Xn Hn , et enfin yn par FFT inverse. Le cot est de trois FFT + N multiplications, soit
environ N (4, 5 log2 N + 1), au lieu de 2N 2 oprations.
Lorsque les suites ne sont pas priodiques mais finies, on les priodise aprs les avoir compltes avec un nombre suffisant de zros, et on applique la mme mthode, ce qui permet un
calcul rapide de la convolution ordinaire (non priodique).
Si les coefficients sont rels, il existe une mthode similaire utilisant des cosinus au lieu
dexponentielles : la transforme en cosinus discrte (TCD, en anglais DCT).

49

Chapitre 5
Transforme de Fourier L1
On note Lq (R) (qR 1) lensemble des (classes de) fonctions f mesurables sur R, valeur
+
complexe, telles que |f (t)|q dt < . Muni de la norme
Z

1/q
|f (t)| dt
,
q

||f ||q =

cest un espace de Banach. Pour q = , ||f || designe le sup essentiel de |f | sur R.

5.1

Dfinition et proprits

Dfinition 5.1 Soit f L1 . La transforme de Fourier de f , note fb ou Ff , est dfinie par

Z +
b
f () =
f (t)e2it dt

On dfinit galement
Z

Ff =

f (t)e2it dt

Les deux applications F et F sont linaires, et nous verrons quelles sont inverses lune de
lautre pour certaines classes de fonctions.
Thorme 5.2 (Thorme de Rieman-Lebesgue) Soit f L1 . Alors :
i) la fonction fb est continue et borne sur R, avec
||fb|| ||f ||1
ii)
lim fb() = 0

||

Proposition 5.3 (Formule de dualit) Soient f et g dans L1 . On a lgalit suivante :

Z +
Z +
f (t)b
g (t) dt =
fb(t)g(t) dt

50

Proposition 5.4 (Proprits de la transforme de Fourier) Soient f et g dans L1 , et a R .

1) Translation et modulation par ea (t) = e2iat :
b
c
a f () = ea ()f ()

b
ed
a f () = a f ()

2) Changement dchelle : pour h(t) = f (t/a), on a

b
h() = |a|fb(a)
3) Symtrisation, conjugaison et parit :
Ff = F f

F(f ) = (Ff )

partie paire relle de f 7 partie paire relle de fb

partie paire imaginaire de f 7 partie paire imaginaire de fb
partie impaire relle de f 7 i partie impaire imaginaire de fb
i partie impaire imaginaire de f 7 partie impaire relle de fb
4) Convolution :
f[
g = fbgb
5) Drivation : si tk f L1 pour k = 0, 1, . . . , n, alors fb est de classe C n et


fb(k) () = F (2it)k f () k = 0, 1, . . . , n.
Si f est de classe C n avec f (k) L1 pour k = 0, 1, . . . , n, alors
(k) () = (2i)k fb()
fd

Plus gnralement, si P est un polynme de degr infrieur ou gal n, en notant Dk loprateur

diffrentiel Dk f = f (k) , on a
F(P (D)f )() = P (2i)fb()
6) Si f L1 est support compact, alors fb est de classe C .
2

Application : La Gaussienne G(t) = et est un point fixe de la transforme de Fourier :

b = G.
G

5.2
5.2.1

Transforme de Fourier inverse dans L1

Espace S des fonctions " dcroissance rapide"

Dfinition 5.5 Lespace S des fonctions dcroissance rapide est lensemble des fonctions
C qui vrifient pour tout p, k N :


lim tp (k) (t) = 0
|t|

51

Cest un espace vectoriel, muni de la notion de convergence suivante : on dit que n 0 dans
S si pour tout p, k N, on a



lim tp (k)
n (t) = 0
n

Proposition 5.6 Lespace S est stable :

1) pour la multiplication par un polynme : P S pour tout polynme P et tout S,
2) pour la drivation : 0 S si S,
3) par transformation de Fourier :
b S si S.
De plus, ces oprations sont continues.
Proposition 5.7 (Inversion de la transformation de Fourier dans S)
i) Soit S. On a la formule de reconstruction suivante :
Z +
2it
()e
b
d
(t) =

ii) La transformation de Fourier est une bijection bicontinue de S sur S, avec F 1 = F, de

priode quatre : F 4 = I.

5.2.2

Thorme dinversion

Thorme 5.8 Soit f L1 . On suppose que fb L1 , et on pose

Z +
fb()e2it d.
f0 (t) =

Alors f (t) = f0 (t) presque partout, i.e. FFf = f presque partout.

Corollaire 5.9 On suppose que f et fb sont dans L1 . Alors f est gale presque partout une
fonction continue. En particulier f = 0 f = 0 p.p. : la transformation de Fourier est injective
sur L1 .

5.3

Rponse impulsionnelle et fonction de transfert

Soit un filtre
A : D0 D0
x 7 Ax = h x
Proposition 5.10 On suppose que h L1 . Alors la fonction de transfert H() du filtre A est
la transforme de Fourier de la rponse impulsionnelle h(t) :
H() = b
h()
Corollaire 5.11 Si de plus x L1 , le signal sortant y = Ax a pour transforme de Fourier
yb() = H()b
x().
52

Chapitre 6
Transforme de Fourier L2
Rappelons que L2 muni du produit scalaire
Z +
hf, gi2 =
f (t)g(t) dt

1/2

est un espace de Hilbert. Sa norme ||f ||2 = hf, f i2 sera note simplement ||f ||. Nous allons
prolonger L2 la transformation de Fourier dj dfinie sur le sous espace S.

6.1

Thorme de Plancherel

Proposition 6.1 (Egalit de Parseval) Soient f et g dans S. On a

hfb, gbi2 = hf, gi2

(6.1)

et en particulier pour f = g :
||fb|| = ||f ||
Lgalit (6.1) montre que la transformation de Fourier est une isomtrie de S muni de la
norme de L2 .
Dautre part, S est dense dans L2 (car D S L2 et D est dense dans L2 ). En utilisant
la proprit suivante : toute application linaire continue sur un sous-espace dense dun espace
vectoriel norm se prolonge de manire unique en une application linaire continue sur lespace
tout entier, on obtient le thorme suivant :
Thorme 6.2 (Thorme de Plancherel) La transformation de Fourier dfinie sur S se prolonge de manire unique en une isomtrie de L2 , toujours note F, qui vrifie donc pour tout
f et g dans L2 :
Z +
Z +
i)
f (t)b
g (t) dt =
fb(t)g(t) dt,

ii) hfb, gbi2 = hf, gi2 ,

iii) ||fb|| = ||f ||,
iv) FFf = FFf = f
53

p.p.

Remarque 6.3 Il faut a priori vrifier que cette transformation de Fourier concide sur L2 L1
avec celle dj dfinie sur L1 . Ceci se montre en utilisant cette fois-ci la densit de S dans L1 .
Il reste tablir comment calculer de manire effective fb quand f L2 .
Proposition 6.4 Soit f L2 . On pose pour a > 0
Z a
Fa () =
f (t)e2it dt.
a

Alors on a
lim ||Fa fb|| = 0.

a+

6.2

Convolution et transformation de Fourier dans L2

Rappelons que pour f et g dans L2 , la fonction f g est continue (uniformment), et que

lapplication (f, g) 7 f g est continue de L2 L2 dans C 0 (on note C 0 lespace des fonctions
continues et bornes sur R, muni de la norme du sup).
Proposition 6.5 Soient f et g dans L2 . Alors on a
 
i) f g(t) = F fbgb (t) t R,
ii) fcg() = fb gb() R.
Remarque 6.6 On aimerait pouvoir crire aussi f[
g = fbgb, mais pour cela il faudrait avoir
1
2
f g L L , ce qui nest pas forcment le cas pour f et g dans L2 . Nous verrons cependant
que cest vrai au sens des distributions.

6.3

Application 1, principe dincertitude (Heisenberg)

Ce principe exprime quun signal a un spectre dautant plus tal que lnergie du signal
est concentre autour dun instant donn, et vice-versa. Ces mmes quations traduisent en
mcanique quantique le fait que la prcision sur la position dune particule est dautant plus
faible que celle sur son moment est grande, et rciproquement.
Soit f L2 . On suppose que tf (t) est fb() sont dans L2 . On dfinit :
Z +
E=
|f (t)|2 dt,

Z
1 +
2
=
|tf (t)|2 dt,
E
Z
1 + 2
2

b =
|f ()| d.
E

54

Quitte remplacer f par a exp(2ibt)f (t), on peut supposer que f et fb sont centres :
Z +
Z +
2
t|f (t)| dt = 0 =
|f ()|2 d.

Dans ce cas, est lcart type par rapport au temps de |f |2 , et

b lcart type par rapport la
2
b
frquence de |f | .
Proposition 6.7 On suppose de plus que f est de classe C 1 . Alors on a la relation :

1
.
4

Remarque 6.8 Lgalit a lieu ssi f 0 et tf sont colinaires, donc si f est de la forme (Gaussiennes) :
2
f (t) = aec t ,
c < 0.

6.4

Application 2, rsolution dquations diffrentielles

Soit P (t) = an tn + an1 tn1 + . . . + a0 un polynme avec n 1 et an non nul. Considrons

lquation diffrentielle ordinaire
an y (n) + an1 y (n1) + . . . + a0 y = x

x L2 .

(6.2)

Par transforme de Fourier, on a (nous verrons au chapitre distributions que ces calculs sont
lgitimes) :
P (2i)b
y () = x
b().
Supposons que P nait pas de racines sur laxe imaginaire, et posons
H() =

1
.
P (2i)

Comme deg(P ) 1, la fonction borne H est dans L2 et admet une transforme de Fourier
inverse h L2 : H = b
h. On a donc ncessairement
yb = b
hb
x L2
et daprs la proposition 6.5, on a
y = h x.
Proposition 6.9 Sous les hypothses prcdentes, lquation (6.2) admet dans L2 une solution
unique y, et lapplication
A : L2 C (ou L2 )
x 7 y = h x
est un filtre.
Remarque 6.10 Les autres solutions sont de la forme z = y + y0 o y0 est une solution de
lquation homogne associe (6.2).

55

Chapitre 7
Filtres analogiques
7.1

Filtres passe-bas et filtres passe-bande

Le filtre passe-bas idal est donn pas sa fonction de transfert :

H() = a rect2B ()e2it0 .
Sa rponse impulsionnelle est
h(t) = 2a B sinc(2B(t t0 )).
Ce filtre ne laisse passer que les frquences || < B (on ne peut rien dire du cas limite || = B).
Sur cette bande de frquence, le signal est retard de t0 et amplifi dun facteur a.
Le filtre passe-bande idal est donn pas sa fonction de transfert :
H() = a (rect2B ( 0 ) + rect2B ( + 0 )) e2it0 .
Sa rponse impulsionnelle est
h(t) = 4a B sinc(2B(t t0 )) cos(20 (t t0 )).
Ce filtre ne laisse passer que les frquences | 0 | < B. Sur cette bande de frquence, le signal
est retard de t0 et amplifi dun facteur a. On remarquera que sa rponse impulsionnelle est
une frquence porteuse cos(20 (t t0 )) module en amplitude par la rponse impulsionnelle
du filtre passe-bas prcdent.
Ces deux types de filtres ne sont pas ralisables. En effet :
Proposition 7.1 Soit A un filtre
A : X Y
x 7 y = h x
Le filtre A est causal si et seulement si supp h R+ .

56

X, Y D0
h D0

7.2

Filtres gouverns par une quation diffrentielle

On ne peut donc quapprocher un filtre idal par un filtre ralisable. Les spcifications
dun filtre sont alors donnes avec des tolrances (un gabarit) que doivent satisfaire |H()| et
Arg(H()). Les filtres analogiques sont souvent raliss laide de systmes gouverns par des
quations diffrentielles. Supposons que lon ait trouv une fraction rationnelle qui satisfasse le
gabarit donn ; encore faut-il savoir si lon pourra lui associer un circuit, un systme, dont la
fonction de transfert soit cette fraction. Nous allons caractriser les fractions qui donnent des
filtres ralisables.
Soient P et Q deux polynmes avec
0 deg Q < deg P,
et lquation diffrentielle
P (D)y = Q(D)x,

(7.1)

de transforme de Fourier
P (2i)b
y = Q(2i)b
x.
Une condition ncessaire et suffisante pour avoir Q/P L2 est que P nait pas de racines sur
laxe imaginaire, ce que lon suppose dsormais. La dcomposition de Q/P en lments simples
est de la forme
n
Q(2i) X
k
=
,
H() =
P (2i) k=1 (2i zk )mk +1
avec k C, mk N, les zk tant les ples de la fraction, non forcment distincts deux deux.
Pour a C avec Re(a) > 0 et k N, on a

 k
1
t at
e u(t) () =
(7.2)
F
k!
(2i a)k+1
Soit : K+ lensemble des indices k tels que Re(zk ) > 0,
K lensemble des indices k tels que Re(zk ) < 0.
Daprs (7.2), on a H() = b
h() avec
X k tmk
X k tmk
h(t) =
ezk t u(t)
ezk t u(t)
m
m
k!
k!
kK
kK

(comparer avec (1.22)), et la solution dans L2 de (7.1) est

y(t) = h x(t).
Proposition 7.2 Le filtre de L2 dans L2 dfini par (7.1) est causal si et seulement si K+ = ,
i.e. si et seulement si les ples vrifient
Re(zk ) < 0

k = 1, . . . , n

Le problme de la ralisation dun filtre comportera alors les tapes suivantes :

- choix du gabarit (spcifications),
- recherche de la fraction la plus simple possible, dont les ples soient partie relle < 0, et qui
respecte les contraintes du gabarit,
- recherche dun systme gouvern par lquation diffrentielle que dfinit cette fraction.
57

7.3

Exemple des filtres de Butterworth

Considrons le gabarit suivant (o > 0) :

Figure 7.1 gabarit dun filtre passe-bas

Un candidat possible pour approcher le filtre idal rect2 () est donn par
|H()|2 =

1
.
1 + 2p

(7.3)

Pour p assez grand, cette fonction rentre dans le gabarit. Dterminons H() satisfaisant (7.3) :
si on suppose h rel, on a H() = H(), do
H()H() =

1
1 + 2p

Dautre part, on a
1+

2p

p1
Y

( tk )( + tk )

k=0


tk = exp

(2k + 1)i
2p

qui se rcrit
1+

2p

p1
(1)p Y
=
(2i zk )(2i zk )
(2i)2p k=0

zk = 2itk
En choisissant alors
H() = (2)p

p1
Y

!1
(2i zk )

k=0

on vrifie bien (7.3), et, compte tenu de Re(zk ) < 0 pour k = 0, . . . , p 1, les conditions de la
proposition 7.2 sont satisfaites : ce filtre est ralisable.
58

Chapitre 8
Transforme de Fourier des distributions
8.1
8.1.1

Rappels et complments
Convergence dune suite de distributions

Etant donne une fonction f mesurable, localement intgrable sur R, on note f D0 la

distribution dfinie pour D par
Z +
hf , i =
f (x) (x) dx

Rappelons que si f = 0, alors f = 0, ce qui permet didentifier f et f . Par abus dcriture,

on crira hf, i au lieu de hf , i. Soient et n , n = 1, 2, . . ., des distributions. On dit que
n converge vers dans D0 (on notera n dans D0 ) si pour tout D on a
lim hn , i = h, i

Exemples : soit fn une suite de fonctions mesurables et localement intgrables sur R. Dans
chacun des cas suivants :
i) fn f Lploc (R) (p 1) uniformment sur tout compact,
ii) fn f en norme dans Lploc (R) (p 1),
iii) fn f simplement p.p. et il existe g Lploc (R) (p 1) tel que |fn (x)| g(x) p.p.,
on a fn f dans D0 .

8.1.2

Distributions vp(1/x) et Pf(1/x2 )

Les fonctions f (x) = 1/x et g(x) = 1/x2 ne sont pas localement

intgrables sur R, donc
R
priori ne dfinissent pas de distributions (comment dfinir f (x) (x) dx pour D ?). Par
contre F (x) = log |x| est localement intgrable sur R, avec F 0 = f et F 00 = g sur R , et dfinit
donc une distribution
Z
F : 7 hF, i = F (x) (x) dx.

59

Dautre part, toute distribution est indfiniment drivable (au sens des distributions). On dfinit
alors les distributions vp(1/x) et Pf(1/x2 ) par :
vp(1/x) = (F )0
Pf(1/x2 ) = (F )00
En utilisant une intgration par parties, le calcul effectif de ces distributions se fait en utilisant
les expressions suivantes :
Z
(x)
hvp(1/x), i = lim
dx,
0 |x|
x
Z
(x) (0)
2
hPf(1/x ), i = lim
dx.
0 |x|
x2

8.1.3

Distributions priodiques

Rappelons que pour T R, la translate T v dune distribution v D0 est dfinie par

hT v, i = hv, T i
On dit que v est T-priodique si T v = v.
Exemples :
1) v = f Lqp (T ),
2) le peigne de Dirac T .

8.1.4

Sries trigonomtriques et distributions

P
Une srie comme nZ enit na pas de sens en tant que fonction. Nous allons voir quil
est possible de lui donner un sens en tant que distribution. De
P manire similaire, il existe des
fonctions f L1p (0, T ) telles que la srie de Fourier associe nZ cn e2int/T diverge pour tout
x ! Nous verrons quen fait la srie converge vers f dans D0 .
Dfinition 8.1 Soit cn une suite de nombres complexes, et S(t) la srie formelle
X
S(t) =
cn e2int/T .
nZ

On dit que cette srie converge dans D0 si la suite de distributions

X
SN (t) =
cn e2int/T
|n|N

converge dans D0 (convergence symtrique de la srie).

Dfinition 8.2 Une suite de nombres complexes cn est dite croissance lente sil existe M > 0
et k N tels que
|cn | M |n|k
n Z .
60

Proposition 8.3 Soit cn une suite de nombres complexes croissance lente, et S(t) la srie
formelle
X
S(t) =
cn e2int/T .
nZ
0

La srie S(t) converge dans D vers une distribution , priodique de priode T .

Exemple : dveloppement en srie de Fourier du peigne de Dirac
Soit S(t) la srie formelle
S(t) =

X
e2int/T .
nZ

Pour D, posons
(t) =

X
(t + nT ).
nZ

Pour t fix, cest une somme finie, et la fonction est T-priodique de classe C . En notant
n ses coefficients de Fourier, on a
Z

hSN , i =

XZ

SN (t) (t) dt =

XZ
nZ

nZ

SN (t) (t) dt

nT

SN (t + nT ) (t + nT ) dt =

SN (t) (t) dt
0

X Z
|n|N

(n+1)T

e2int/T (t) dt =

T n .

|n|N

En passant la limite, on a (on sait que la somme

lim hSN , i =

nZ n

converge vers (0)) :

T n = T (0)

nZ

= T

(nT ) = hT T , i.

nZ

La srie S(t) converge donc dans D0 vers la distribution T T :

T =

1 X 2int/T
e
T nZ

Proposition 8.4 Soit f L1p (0, T ), de coefficients de Fourier cn . La srie

S(t) =

cn e2int/T

nZ

converge dans D0 vers la distribution f .

61

8.2

Distributions tempres

On souhaite tendre la transforme de Fourier aux distributions. Remarquons que pour

f L2 , on a daprs la formule de dualit :
Z +
Z +
b
f (t)(t) dt =
f (t)(t)
b dt D.

Si v est une distribution, on aimerait dfinir vb par

hb
v , i = hv, i
b
Le problme est que
b nest pas forcment un lment de D, et lexpression ci-dessus nest pas
forcment bien dfinie. Par contre, on a vu que si S, alors
b S. Do lide dintroduire
0
lespace des formes linaires continues sur S, not S , dont les lments sont appels les distributions tempres. De mme que D0 , lespace S 0 est muni de la topologie faible *, i.e. on dit que
vn 0 dans S 0 si
hvn , i 0
S.
(8.1)
Proposition 8.5 Linjection 7 est continue de D dans S, et D est dense dans S.
Il en rsulte que les lments de S 0 peuvent tre identifis des lments de D0 . En effet,
si v S 0 , sa restriction ve D est une forme linaire continue sur D (si n 0 dans D, alors
n 0 dans S, donc he
v , n i = hv, n i 0). De plus, si ve = 0, la distribution tempre v
sannulant sur un sous-espace dense, elle est forcment nulle sur tout lespace. Ainsi, si ve = w,
e
alors v = w, et la connaissance de v sur S suffit pour dfinir entirement v. Enfin, si vn 0
dans S 0 , il est clair daprs (8.1) que ven 0 dans D0 . On retiendra donc linclusion algbrique
et topologique :
S 0 D0 ,
et on ne fera plus de distinction entre v et ve.
Proposition 8.6 (Principales proprits de S 0 )
1) Soit v D0 . Alors v S 0 si et seulement si v est continu sur D muni de la topologie de S,
i.e. si et seulement si
n D et n 0 dans S

hv, n i 0

2) Lespace S 0 est stable :

i) pour la multiplication par un lment de S ou par un polynme,
ii) pour la drivation (au sens des distributions),
De plus, ces oprations sont continues.
Exemples de distributions tempres
Dfinition 8.7 Soit f : R C une fonction. On dit que f est croissance lente sil existe
M > 0 et k N tels que
|f (t)| M (1 + t2 )k
t R.
62

Proposition 8.8 (exemples)

1) Si f Lp (R) (p 1), alors f S 0 .
2) Si une fonction f est croissance lente, alors f S 0 .
3) Si cn est une suite croissance lente, alors les sries
X
X
v=
cn nT , w =
cn e2int/T
nZ

(T 6= 0)

nZ

P
convergent dans S 0 (convergence des sommes partielles symtriques N
n=N ).
1
En particulier, si f Lp (0, T ), alors sa srie de Fourier converge dans S 0 vers f .
4) E 0 S 0 .

8.3

Transforme de Fourier dans S 0

On a vu que la transforme de Fourier est un isomorphisme de S. Ceci permet de dfinir la

transforme de Fourier sur S 0 par dualit :
Dfinition 8.9 Soit v S 0 . On dfinit la transforme de Fourier de v, note Fv ou vb, par
hb
v , i = hv, i
b

De mme, on dfinit Fv par

hFv, i = hv, Fi

Il faut vrifier que cette dfinition concide avec celle dj dfinie sur L1 L2 . Ceci rsulte
du lemme suivant :
cf = b .
Lemme 8.10 Si f L1 L2 , alors
f
Cette dfinition par dualit fait que la transforme de Fourier sur S 0 va hriter des proprits
de la transforme de Fourier sur S :
Thorme 8.11 Lapplication v 7 vb est un isomorphisme de S 0 , dinverse F 1 = F. Pour
v S 0 , on a pour tout k
N et tout a R :
i) vb(k) = F
(2it)k v ,
ii) F v (k) = (2i)k vb,
2ia
iii) c
vb,
av = e
2iat
iv) F (e
v) = a vb.
Exemples
ba = e2ia

(en particulier b = 1)
F(e2iat ) = a (en particulierb
1 = )
cT = 1 1/T

T
!
X
X
F
cn e2int/T =
cn n/T
nZ

(si la suite cn est croissance lente).

nZ

63

8.4
8.4.1

Transforme de Fourier et convolution

Transforme de Fourier et convolution L2

La formule f[
g = fbgb vraie pour f, g L1 navait pu tre gnralise L2 , car f g nest
pas forcment dans L1 L2 , mais seulement dans C 0 . Par contre, on a f g S 0 si f, g L2 ,
et, grce la proposition 6.5, on obtient la gnralisation suivante :
Thorme 8.12 Soient f, g L2 . Alors
f[
g = fbgb.

8.4.2

Transforme de Fourier et convolution S 0 S

Thorme 8.13 Soient v S 0 et S. Alors la convolution v est de classe C croissance

lente ainsi que toutes ses drives, et on a :
i) v[
= vb ,
b
ii) vc = vb .
b
De plus, lapplication (v, ) 7 v est continue de S 0 S dans C .

8.4.3

Transforme de Fourier et convolution S 0 E 0

Notons que lespace E 0 des distributions support compact est inclus dans S 0 .
Proposition 8.14 Soient v S 0 et w E 0 . Alors la convolution v w est dans S 0 .
Proposition 8.15 Soit w E 0 . Alors w
b est de classe C croissance lente ainsi que toutes
ses drives.
Thorme 8.16 Soient v S 0 et w E 0 . Alors on a
v[
w = vb w.
b
Corollaire 8.17 Soient v, w S 0 . Si vb S 0 et w
b E 0 , alors vw est dans S 0 et
vw
c = vb w.
b
Application aux filtres
On considre un filtre A : x 7 y = h x. Si lon est dans lun des cas prcdents, alors la
fonction de transfert H est la transforme de Fourier de la rponse impulsionnelle h, i.e. H = b
h,
et
yb = H x
b.

64

Chapitre 9
Echantillonnage des signaux
9.1

Formule de Poisson et distributions priodiques

Soit v E 0 une distribution support compact, et w = v T . La distribution w est

tempre (Prop. 8.14), priodique de priode T . On utilise la notation suivante :
X
v(t nT ) := v T .
nZ

Les valeurs ponctuelles v(t nT ) peuvent trs bien ne pas avoir de sens.
Cette distribution admet le dveloppement en srie de Fourier suivant :
Thorme 9.1 (Formule de Poisson) On a lgalit dans S 0 :
X
1 X n 2int/T
v(t nT ) =
vb( )e
T
T
nZ
nZ

(9.1)

Remarque 9.2 Le terme de droite de (9.1) a un sens : vb tant de classe C croissance lente
(Prop. 8.15), la suite vb( Tn ) est croissance lente, dfinissant ainsi une distribution tempre
(cf. Prop. 8.8).
1
P Cette formule stend aux fonctions intgrables f L . Il faut cependant donner un sens
nZ f (t nT ) :

Lemme 9.3 Soit f L1 , T > 0, et g(t) la srie

X
S(t) =
f (t nT ).
nZ

Cette srie converge (symtriquement) dans L1p (0, T ) vers une fonction g L1p (0, T ), qui a pour
coefficients de Fourier
1 n
gn = fb( ).
T T
Compte tenu de la Prop. 8.8, la srie de Fourier de g converge vers g dans S 0 , ce qui nest
autre que la formule de Poisson.
65

Remarque 9.4 On peut montrer que si de plus f 0 L1 , alors lgalit a lieu pour tout t, la
convergence des sries tant uniforme.
Remarque 9.5 La mme formule est fausse pour une fonction f L2 (considrer la fonction
sinc).
Nous avons obtenu ainsi le dveloppement en srie de Fourier pour une classe particulire de
distributions priodiques : celles qui sont de la forme w = v T , v E 0 . Si maintenant w est
une distribution priodique quelconque, admet-elle aussi un dveloppement en srie de Fourier ?
Daprs ce qui prcde, la rponse sera oui si on peut trouver v E 0 tel que lon ait w = v T .
Si w est une fonction T -priodique, on peut prendre simplement v(t) = w(t)rectT (t), ce qui
donne bien w = v T . Cependant, dans le cas dune distribution w, le produit wrectT peut
ne pas tre dfini. On va donc approcher rectT par une fonction D telle que lon ait
w = ( w) T
Lexistence dune telle fonction est donne par le lemme suivant :
Lemme 9.6 Il existe D tel que
T (t) = 1

t R.

En posant alors v = w, on a v E 0 et w = v T , et en appliquant le thorme 9.1, on

obtient le rsultat suivant :
Proposition 9.7 Soit w une distribution T -priodique. Il existe v E 0 tel que w = v T . De
plus, w admet le dveloppement en srie de Fourier convergant dans S 0
w=

1 X n 2int/T
vb( )e
,
T nZ T

et ce dveloppement est unique. La suite vb( Tn ) est croissance lente, et

w
b=

1X n
vb( )n/T .
T nZ T

Remarque 9.8 La formule de Poisson admet la forme duale suivante : pour toute fonction f
telle que fb soit support compact, on a
X
X
fb( n/T ) = T
f (nT )e2inT .
nZ

nZ

66

9.2

Echantillonnage dun signal

Considrons maintenant un signal f dont la transforme de Fourier soit support inclus

dans [B, B], B > 0. Rappelons que f est alors de classe C , croissance lente ainsi que toutes
ses drives. La fonction f est chantillonne la cadence T > 0, i.e. f est approche par
X
fT (t) := T T f = T
f (nT )nT .
nZ

On remarquera que fT f dans D0 : hfT , i = nZ T Rf (nT )(nT ) est une somme de Riemann
avec f continue support born, qui tend donc vers f dx quand T 0.
On a
P

b
fc
T () = 1/T f ()
X
=
fb( n/T ).
nZ

Autrement dit, chantillonner f la cadence T revient priodiser fb avec la priode 1/T . On

peut alors faire la constatation fondamentale suivante :
b
si 1/T > 2B, on a rect2B ()fc
T () = f (), i.e. on peut reconstruire f par filtrage passe-bas de
fT .
Thorme 9.9 (Thorme de Shannon) Soit f un signal dont la transforme de Fourier soit
support inclus dans ] B, B[, B > 0. Si 1/T 2B, alors
b
rect2B ()fc
T () = f ().
Si f L2 , alors on a la formule de Shannon :
X
f (t) =
f (nT )sinc(t/T n)

dans L2 .

nZ

Si de plus

nZ |f (nT )|

< , lgalit a lieu pour tout t R.

En pratique, ceci signifie que si hBT est un filtre passe-bas tel que

1 si || B
b
hBT () =
0 si || T1 B
alors le signal est reconstruit sans perte dinformation :
fT hBT = f.
Souvent, lchantillonnage dun signal est prcd dun filtrage passe-bas (filtrage anti-repliement
ou anti-"aliasing"), afin dliminer les hautes frquences indsirables.

67

Chapitre 10
Signaux et filtres discrets
10.1

Introduction

Les signaux discrets sont par dfinition des distributions tempres de la forme
X
xn nT ,
xn C.
x=
nZ

On peut dduire de la proposition 9.7 que la suite complexe xn est croissance lente. De
tels signaux proviennent par exemple de lchantillonnage dun signal temps continu, mais
peuvent aussi reprsenter un texte, une suite dindicateurs conomiques,... Quitte effectuer
un changement dchelle, on peut supposer que T = 1, i.e on ne considrera que des signaux
discrets de la forme
X
xn n .
x=
nZ

Les filtres discrets sont des filtres de la forme x 7 y = h x o x est un signal discret et
h est une distribution tempre de la forme
X
h=
hn n ,
hn C.
nZ

Lun des intrts des filtres discrets est de pouvoir raliser sous certaines hypothses un filtrage
quivalent celui effectu sur des signaux temps continu. En effet, soit x S 0 un signal
temps continu et xT son chantillonn. On se place sous les hypothses du thorme de Shannon,
1
savoir supp x
b ] B, B[, B < 2T
. Si hBT est un filtre passe-bas tel que

1 si || B
b
hBT () =
,
0 si || T1 B
on sait que xT hBT = x. Supposons maintenant que lon veuille filtrer x avec un filtre h :
y = h x.
On se place dans le cas o ce produit est bien dfini ainsi que yb = b
hb
x. Comme supp x
b ]B, B[,
on peut supposer que supp b
h ] B, B[. On a alors hT hBT = h et yT hBT = y. On peut
alors vrifier que
xT hT = yT ,
68

do
xT hT hBT = y.
Ceci signifie que le filtrage temps continu y = h x peut tre remplac par le filtrage discret
xT hT suivi dun filtrage passe-bas.
Une application interessante des filtres discrets est le codage en sous-bandes, ralis au travers de bancs de filtres. Ce procd permet de dcomposer un signal discret en ses composantes
basses frquences et hautes frquences, et a des applications dans la compression de donnes,
trs utiles dans le domaine des images numriques. Litration de ce procd conduit la dcomposition en ondelettes, qui sera aborde dans le cours de signal de cinquime anne. Nous
dcrirons la fin de ce chapitre le principe des bancs de filtres reconstrucion parfaite, qui
permettent la reconstruction du signal partir de ses composantes basses et hautes frquences.

10.2

Convolution

Proposition 10.1 La convolution de deux signaux discrets x y est bien dfinie dans chacun
des cas suivants :
1) x S 0 , y E 0 (et rciproquement),
0
0
2) x, y D+
(resp. x, y D
),
0
3) x S et yn est Pdcroissance rapide (et rciproquement),
4) xn , yn l2 (i.e. nZ |xn |2 < , idem pour y).
Pour tout entier relatif n, la somme
X
zn =
xk ynk
kZ

est absolument convergente, et la distribution z dfinie par z =

0
0
cas 1, 3, 4, dans D+
(resp D
) dans le cas 2, et vrifie

nZ zn n

est dans S 0 dans les

z = x y.
Proposition 10.2 Dans les cas 1, 3 et 4 de la proposition prcdente, on a dans S 0
x[
y =x
b yb.

10.3
10.3.1

Transforme en z dun signal discret

Dfinition

En faisant le changement de variable

z = e2i
on a dans S 0
x
b() =

X
xn z n .
nZ

Cette srie de Laurent dfinit une fonction holomorphe dans unePcouronne C(r, R) = {z
C; r < |z| < R}, o 1/r
de convergence de la srie n0 xn z n et R le rayon de
P est le rayon
n
convergence de la srie n0 xn z .
69

Dfinition 10.3 Si r < R, la transforme en z du signal x =

holomorphe dfinie sur C(r, R) par
X
X(z) =
xn z n .

nZ xn n

est la fonction

nZ

On remarquera que si r < 1 < R on a pour rel :

X(e2i ) = x
b().

10.3.2

Inversion de la transforme en z

Si f (z) est une fonction holomorphe donne sur une couronne C(r, R), r <P
R, par unicit
du dveloppement en srie de Laurent, il existe une unique distribution x = nZ xn n telle
que f (z) = X(z) (attention, il est ncessaire de prciser la couronne). Citons deux mthodes
pour retrouver les coefficients xn connaissant X(z) :
1) on dveloppe directement X en srie de Laurent ; applicable toute fraction rationnelle.
2) on utilise la formule de Cauchy :
Z
X(z)z n1 dz,
xn =
+

o est un cercle de centre 0 de rayon r0 , r < r0 < R, orient dans le sens direct (ou plus
gnralement un circuit ferm contenu dans C(r, R), dindice 1 et orient dans le sens direct).
Pour calculer cette intgrale, on peut par exemple utiliser le thorme des rsidus : si on note
aj les ples de X(z) de module infrieur ou gal r et bj ceux de module suprieur ou gal
R, on a les deux possibilits suivantes pour calculer xn :
X
xn =
res(X(z)z n1 , aj )
j

xn =

res(X(z)z n1 , bj ) res(X(z)z n1 , ).

Rappelons que res(f, a) est le coefficient c1 du dveloppement en srie de Laurent de f autour

de a :
X
f (z) =
cn (z a)n ,
nZ

et que res(f (z), ) est dfini par

1
res(f (z), ) =
2i

Z
f (z) dz,
C+

o C + est un cercle orient dans le sens direct contenant tous les ples de f (ou plus gnralement un circuit ferm dindice 1, orient dans le sens direct et contenant tous les ples de
f ).

70

10.3.3

Proprits de la Transforme en z

Soient x et y deux signaux discrets, de transformes en z X(z) et Y (z), dfinies respectivement sur les couronnes C(r, R) et C(r0 , R0 ).
k
1) Effet dun retard : la transforme en z de k x est zP
X(z).
0
0
2) Si r < 1 < R et r < 1 < R , le signal z = xy := nZ xn yn n a pour transforme en z une
fonction Z dfinie sur la couronne C(rr0 , RR0 ), qui vrifie
Z 1
2i
Z(e ) =
x
b(s)b
y ( s) ds,
R.
0

Proposition 10.4 Soient x et h deux signaux discrets vrifiant lune des hypothses de la
proposition 10.1. Soient Cx et Ch les couronnes de dfinition de leurs transformes en z. On
suppose que Cx Ch 6= . Soit y = h x. On a alors pour z Cx Ch :
Y (z) = H(z)X(z).

10.4
10.4.1

Filtres discrets
Fonction de transfert en z

Soit x un signal discret. Si x et h vrifient lune des hypothses de la proposition 10.4, la

sortie y = h x a pour transforme en z
Y (z) = H(z)X(z).
Par analogie avec le temps continu, H est appele la fonction de transfert en z du filtre h.

10.4.2

Causalit et stabilit

On considre le filtre discret

x 7 y = h x
o x et h vrifient lune des hypothses de la proposition 10.1. On sait que ce filtre est ralisable
si et seulement si supp h R+ , ce qui revient ici dire que
n < 0.

hn = 0

Comme pour temps continu, disposant dun gabarit, on cherche un filtre ralisable qui satisfasse
les contraintes de ce gabarit. Le plus simple est de prendre pour H(z) une fraction rationnelle :
H(z) =

P (z)
.
Q(z)

Il existe de nombreux algorithmes permettant dobtenir une telle fraction, lun des plus connus
tant lalgorithme de Remez (cf. Signal Processing Toolbox dans Matlab).
On note b1 , . . . , bs les ples de H, rangs par module croissant.
71

Proposition 10.5 Soient P et Q deux polynmes coefficients complexes. On peut associer

la fraction P/Q un filtre ralisable H = P/Q si et seulement si deg(P ) deg(Q). Dans ce cas
le filtre ralisable associ cette fraction est
X
h=
hn n
n0

o les hn sont les coefficients du dveloppement en srie de Laurent de P/Q sur la couronne
extrieure C(|bs |, ).
Soit x 7 y = h x un filtre ralisable, avec H = P/Q. Les coefficients de y peuvent tre
calculs directement par
X
yn =
xk hnk
kZ

xk hnk .

kn

Un autre possibilit est la suivante, plus efficace en temps de calculs : en posant q = deg(Q),
et en divisant le numrateur et le dnominateur de P/Q par z q , la fraction P/Q scrit
A(z 1 )
P (z)
=
Q(z)
B(z 1 )
a0 + a1 z 1 + . . . + ar z r
=
b0 + b1 z 1 + . . . + bq z q
o b0 6= 0 (cest le coefficient de degr le plus lev de Q). On a donc
(b0 + b1 z 1 + . . . + bq z q )Y (z) = (a0 + a1 z 1 + . . . + ar z r )X(z)
et daprs la formule du retard :
(b0 + b1 1 + . . . + bq q ) y = (a0 + a1 1 + . . . + ar r ) x
cest dire que pour tout n on a
b0 yn + b1 yn1 + . . . + bq ynq = a0 xn + a1 xn1 + . . . + ar xnr
ce qui permet le calcul par rcurrence de y0 , y1 , . . . , yn , . . . (en supposant que le signal x soit
causal, i.e. xn = 0 pour n < 0). Pour la stabilit des calculs, on demande que le filtre soit stable,
i.e. quil existe une constante C telle que pour tout signal born x on ait lingalit
||((h x)n )nZ || C||(xn )nZ || .
Proposition 10.6 On se place sous lune des hypothses de la proposition 10.1. Alors le filtre
h est stable si et seulement si la suite hn est dans l1 .
Corollaire 10.7 Soit P/Q une fraction rationnelle avec deg(P) deg(Q). Soit h le filtre ralisable associ cette fraction. Alors h est stable si et seulement si tous les ples de la fraction
sont dans la boule unit B(0, 1).
72

10.4.3

Filtres RIF et filtres RII

Considrons un filtre ralisable de fonction de transfert

a0 + a1 z 1 + . . . + ar z r
H(z) =
b0 + b1 z 1 + . . . + bq z q
normalis avec b0 = 1. Soit x un signal causal, et y le signal filtr y = h x.
Deux cas se prsentent :
1) q = 0. On a alors
r
X
h=
an n
n=0

et la relation de rcurrence scrit simplement :

yn = a0 xn + a1 xn1 + . . . + ar xnr .
De tels filtres sont appels filtres rponse impulsionnelle finie (filtres RIF), ou filtres transversaux.
2) q 1. Dans ce cas H(z)
un ple non nul, donc les hn non nuls sont en nombre
PNa au moins
n
na que zro pour ple) : on dit que le filtre est rinfini (une somme finie
n=0 hn z
ponse impulsionnelle infinie (filtres RII), ou que cest un filtre rcursif, puisque yn est calcul
rcursivement par
yn = (b1 yn1 + . . . + bq ynq ) + a0 xn + a1 xn1 + . . . + ar xnr .
Dans le cas o r = 0 (avec a0 6= 0), un tel filtre est dit purement rcursif.

10.4.4

Filtres phase linaire

Dans de nombreuses applications (en particulier en transmission dimages numriques), on

a besoin de filtres dits phase linaire : ce sont des filtres rels et ralisables dont la fonction
de transfert scrit
H() = ()e2i(0 + )
Le retard de phase 0 et le retard de groupe sont des nombres rels, ainsi que () (au sens
strict, il faudrait que () soit positif, ce qui nest pas impos ici).
P
Proposition 10.8 Soit h un filtre discret rel ralisable h = n0 hn n .
i) Si h est phase linaire, alors h est un filtre RIF : il existe un entier r tel que
h=

r
X

hn n .

n=0

De plus, il existe un entier N tel que lon ait soit

hn = hN n n,
soit
hn = hN n n.
Dans le premier cas le filtre est dit symtrique, dans le second antisymtrique.
ii) Rciproquement, si h est symtrique ou antisymtrique, alors h est phase linaire.
73

On en dduit alors la forme suivante pour la fonction de transfert en z dun filtre phase
linaire : cest un polynme en z 1 , Hz (z) = P (z 1 ), les racines de P sont relles ou conjugues
deux deux (car P est rel), et la proprit de symtrie fait que P (z) = z N P (z 1 ) (N est
donn par la proposition prcdente, cest un entier suprieur ou gal au degr de P ). Si z 6= 0
est une racine de P , alors z 1 est aussi racine de P . On a donc
Hz (z) = C z

I
J
Y
Y
1
1
1
(z ri )(z ri ) (z 1 zj )(z 1 z j )(z 1 zj1 )(z 1 z 1
j )
i=1

j=1

avec les ri 6= 0 et C rels, les zj non rels, et

k, I, J N, k + 2I + 4J = deg(P ) = longueur(h) + 1.

10.4.5

Bancs de filtres reconstruction parfaite

Le schma du codage-dcodage en deux sous-bandes dun signal discret x est le suivant :

Le signal discret dentre x est filtr par deux filtres RIF, un filtre passe-bas h0 et un filtre
passe-haut h1 , appel filtre complmentaire. Aprs dcimation dun facteur 2 (suppression dune
valeur sur deux, flche vers le bas sur le schma), on obtient deux signaux x1 et x2 (les deux
sous-bandes). A la reconstruction, on interpole dun facteur 2 (on intercale un zro entre chaque
valeur, flche vers le haut sur le shma), et on filtre les deux signaux obtenus avec les filtres
RIF g0 et g1 . En additionnant les deux signaux sortants, on obtient un signal y. Un tel codage
en sous-bandes peut tre utilis pour la compression dimages, et est la base de lanalyse
multirsolution en thorie des ondelettes.
Dfinition 10.9 On dit que ce banc de filtres est reconstruction parfaite si la sortie est un
retard : il existe un entier k tel que
Y (z) = z k X(z).
Lemme 10.10 Soit u le signal obtenu par dcimation dun facteur 2 de x, et v celui obtenu
par interpolation dun facteur 2. Alors
1
U (z 2 ) = (X(z) + X(z)),
2
V (z) = X(z 2 ).
74

Lemme 10.11 La sortie du banc de filtres scrit

1
1
Y (z) = [H0 (z)G0 (z) + H1 (z)G1 (z)]X(z) + [H0 (z)G0 (z) + H1 (z)G1 (z)]X(z).
2
2
Thorme 10.12 Le banc de filtres est reconstruction parfaite si et seulement sil existe
k N tel quon ait les relations :
H0 (z)G0 (z) + H1 (z)G1 (z) = 0,
H0 (z)G0 (z) + H1 (z)G1 (z) = 2z k .
Un choix commode consiste prendre
G0 (z) = H1 (z),
G1 (z) = H0 (z).
Les conditions du thorme se rduisent alors
H0 (z)H1 (z) H0 (z)H1 (z) = 2z k .
On montre alors que si les filtres sont phase linaire, les seules solutions possibles sont :
solutions de type A : H0 et H1 sont de symtries opposes, leurs longueurs sont paires et
diffrent dun multiple pair de 2,
solutions de type B : H0 et H1 sont symtriques, leurs longueurs sont impaires et diffrent
dun multiple impair de 2.
Dautres possibilits existent pour des filtres phase non linaire, en particuliers les bancs
de filtres orthogonaux, cf. [?].

75

Bibliographie

76