Institut National Polytechnique de Lorraine

Ecole Nationale Supérieure de Géologie

Cours de première année

Mathématiques

Didier MAQUIN
Maître de Conférences

Mai 1996
Révision 1 : Décembre 1997
Révision 2 : Octobre 2000
 Table des matières
Chapitre 1 : Fonctions d'une variable complexe
Généralités, intégration, dérivation

1. Définition 1
2. Fonctions multivalentes 2
3. Intégration 4
3.1. Définition 4
3.2. Théorème de l'inégalité fondamentale 4
3.3. Intégration indépendante du chemin 6
4. Dérivation (Différentiation) 8

Chapitre 2 : Intégrale de Cauchy

1. Théorème préliminaire 11
2. Lemme 12
3. Intégrale de Cauchy 14

Chapitre 3 : Théorie des résidus

1. Séries de Laurent 19
2. Théorème des résidus 21
3. Recherche des résidus 22
3.1. A partir de la définition 22
3.2. Cas d'un pôle simple en z = a 22
3.3. Cas d'un pôle d'ordre multiple (p). 23
4. Exemples d'application de la théorie des résidus 24
4.1. 1er type d'exemples d'application 24
4.2. 2ème type d'exemples d'application 24
4.3. 3ème type d'exemples d'application 25
4.4. 4ème type d'application : le calcul des séries 26

Chapitre 4 : Séries de Fourier

1. Introduction 29
2. Fonctions périodiques - Définitions 29
3. Forme et produit hermitique 30
3.1. Définition 30
3.2. Produit hermitique 31
3.3. Inégalité de Schwarz 32
4. Etude des fonctions un (t) = e int / 2π 32
5. Séries de Fourier généralisées 33
6. Conditions d’existence 35
6.1. Fonctions régulières par morceaux 35
6.2. Conditions de Dirichlet 36
7. Théorème de Parseval 36
8. Développement en série de Fourier d’une fonction à valeurs réelles 37
9. Séries de Fourier en cosinus ou en sinus 40
10. Formules pour une période quelconque 40
Chapitre 5 : Transformée de Fourier

1. Introduction 41
2. La transformée de Fourier - Définitions 41
3. Exemple 42
4. Transformation en sinus et en cosinus 42
5. Propriétés de la transformée de Fourier 43
5.1. Linéarité 43
5.2. Transposition, conjugaison 43
5.3. Changement d’échelle 44
5.4. Translation 44
5.5. Modulation 44
5.6. Dérivation par rapport à la variable t 45
5.7. Dérivation par rapport à la fréquence ν 45
6. L’opérateur de convolution 46
6.1. Produit de convolution de deux fonctions 46
6.2. Les opérateurs de convolution en physique 47
6.3. Transformée de Fourier du produit de convolution de deux fonctions 48
6.4. Formule de Parseval-Plancherel 49
7. Transformée de Fourier des signaux périodiques - T.F. généralisée 50
8. Transformée de Fourier numérique d’un signal 51
8.1. Estimation de la transformée de Fourier 51
8.2. Calcul des coefficients cn 52
8.3. Algorithme de la Transformée de Fourier Rapide 53

Chapitre 6 : Transformation de Laplace

1. La transformée de Laplace - Définitions 57

2. Propriétés de la transformée de Laplace 59
2.1. Linéarité 59
2.2. Changement d’échelle 59
2.3. Translation de la variable t 59
2.4. Translation de la variable p 59
2.5. Dérivation de l’image 60
2.6. Dérivation de l’original 60
2.7. Intégration de l’original 61
2.8. Transformation du produit de convolution 61
2.9. Théorème de la valeur initiale et de la valeur finale 62
3. Exemples de calculs 63
3.1. Echelon unitaire - Fonction de Heaviside 63
3.2. Impulsion 63
3.3. Fonction exponentielle 64
3.4. Extension à un cas complexe 64
Annexe 66

Références 68
 Chapitre 1

Fonctions d’une variable complexe

Généralité - Intégration - Dérivation

1. Définitions

L'ensemble des nombres complexes C peut être considéré comme un espace vectoriel normé,
la norme étant le module. On identifie C à R2 , muni des règles d'addition et de multiplication des
nombres complexes.

z ∈C z = {x, y} = x + iy z = {ρ,θ} = ρ e iθ = ρ (cos(θ) + iρsin(θ))

identification cartésienne identification polaire

z = x2 + y2 = ρ

On appelle fonction d'une variable complexe, une application f de z ∈C dans C :

f : z = x + iy ∈C → f (z) = u(x, y) + iv(x,y) ∈C

1ère remarque : A une fonction d'une variable complexe correspond une application plan sur
plan : elle n'a pas de graphe.

2ème remarque : Il existe deux classes de fonctions : celles qui s'expriment en fonction de z :

f (z) = x + iy = z
f (z) = x 2 − y2 + 2ixy = z2

et celles qui ne peuvent pas s'exprimer en fonction de z :

f (z) = x
f (z) = x + 2iy

Cependant, toutes les fonctions peuvent s'exprimer en fonction de z et de z , puisque :

z+z z −z
x= et y=
2 2i

−1−
 Chemin : un chemin est formé d'arcs simples continûment différentiables

B
dx 

t dt  continues
dy

A x = x(t) dt 
y = y(t)

Circuit : c'est un chemin fermé

Domaine : ouvert de C d'un seul tenant. Etant donnés deux points
quelconques pris dans l'ouvert, on peut trouver au moins un
chemin joignant les deux points sans sortir du domaine.
Circuits homotopes : deux circuits sont dits homotopes dans un domaine, si l'on
peut passer de l'un à l'autre par déformation continue sans
sortir du domaine.
Circuits homotopes à zéro : un circuit est dit homotope à zéro dans un domaine s'il peut
être réduit à un point par déformation continue dans un
domaine.
Domaine simplement connexe : domaine dans lequel tous les circuits sont homotopes à zéro.
Continuité - Limites : ces notions sont des transpositions immédiates aux
complexes de celles définies pour les fonctions d'une variable
réelle.

2. Fonctions multivalentes

Les fonctions multivalentes sont des fonctions qui, à une valeur de la variable, font
correspondre plusieurs ou une infinité de valeurs de la fonction.

Exemple 1 : fonction racine z → z , définie par : z = ρe iθ → ρe iθ 2 .

−2−
 B C'
M
D' B'
M'
C θ A" θ/2
ρ 0 A ρ 0 A'
M"
B" D"
D C"
Le point courant M, d'affixe z a deux images M' et M''. Si l'on choisit pour M' l'affixe
ρeiθ 2 , θ modulo 2π, l'affixe de M'' est − ρe iθ 2 . Le choix opposé est possible. La fonction
racine est bivalente (modulo 2π). L'origine 0, qui n'a qu'une seule image, est un point de
ramification (ou point de branchement) de cette fonction.

Exemple 2 : fonction logarithmique

La fonction exponentielle est définie sans ambiguïté par z → e z = e x (cos( y) + isin( y)).

Posons : e z = w, alors w = e x , d'où : x = Ln ( w )

et : Arg(w) = y (mod2π), d'où y = Arg(w) + 2kπ k ∈Z
avec : 0 ≤ Arg(w) < 2π
Posons, par définition : z = Log(w) = x + iy
Alors : Log(w) = Ln( w ) + iArg(w) + 2kπi . En revenant en variable z, on a :

Log(z ) = Ln( z ) + iArg(z) + 2kπi

La fonction logarithme a une infinité de déterminations (autant que de valeurs de k). k=0
correspond à sa détermination principale.
A'''
4π B''
A''
2π B'
R A A'
0
0 Ln(R) B(-1)
B
A(-1)
−2π

−4π

−3−
Coupure : si l'on définit dans le plan complexe relatif à la variable z une frontière infranchissable
(coupure de Riemann), par exemple la demi-droite réelle positive, on empêche la fonction de
passer continûment d'une de ses déterminations à une autre. On réalise ainsi une application
univalente, bijective de la fonction et de la variable.

Exercice 1 : Soit la fonction z → z2 − 1. Comment doit-on couper le plan complexe pour

rendre cette fonction univalente ?

Réponse : f (z) = z + 1 z − 1 . En coupant le plan par le segment de droite [-1, +1].

Exercice 2 : On considère la détermination de Z(z) = Log(Log(z )), telle que Z(e) = 0 . L'affixe
de z fait un tour dans le sens direct sur le cercle de centre 0 et de rayon e. Que vaut Z(e) ?

Réponse : z = e, Log(z ) = 1 + 2kπi

Log(Log(z)) = Ln(1 + 2kπi ) + iArg(1+ 2kπi) + 2k' πi
Log(Log(z)) = 0 ⇒ Ln(1 + 2kπi ) = 0 ⇒ k = 0
Arg(1 + 2kπi) + 2k' π = 0 ⇒ k' = 0

Donc : Log(Log(z)) = Ln ( Ln( z ) + iArg(z) ) + iArg( Ln( z ) + iArg(z ))

On fait un tour sur C(0, e) ⇒ z = e et Arg( z) = 2π

1
Z(e) = Ln(1 + 2πi ) + iArg(1+ 2πi) = Ln(1 + 4π 2 ) + iArctg(2 π)
2

3. Intégration
3.1. Définition

Par définition (de Riemann), l'intégrale de la fonction f(z) sur le chemin Γ est :

∫ f (z)dz = ∫ (u + iv)(dx + idy) , soit :

Γ Γ

∫ f (z)dz = ∫ u(x,y)dx − v(x,y)dy + i∫ v(x, y)dx + u(x, y)dy

Γ Γ Γ

Elle s'exprime donc en fonction de deux intégrales réelles curvilignes.

3.2. Théorème de l'inégalité fondamentale

Hypothèse : Γ est un arc simple d'origine a et d'extrémité b (le théorème se généralise très
simplement à une union d'arcs simples).

−4−
 Si z ∈Γ , alors f (z) ≤ M , soit : u2 + v 2 ≤ M 2

Démonstration : x = x(t) y = y(t) u = u (x(t ), y(t)) v = v( x(t), y(t) )

t =b

∫ f (z)dz = ∫ (u + iv)(x' + iy')dt

Γ t =a

Cette seconde intégrale est la limite d'une somme de Riemann :

n−1
σ= ∑( u(τ k ) + iv(τ k ))( x'( τ k ) + iy' (τ k ))(tk +1 − t k )
k=0

où t0 = a,t1 ,t 2 ,..., tk ,..., t n = b , et t k < τk < t k +1

On a donc :
n−1
σ≤ ∑ u(τ k ) + iv(τ k ) x' (τ k ) + iy' (τ k ) (t k +1 − t k )
k=0

n−1
σ ≤ M ∑ x' 2 (τ k ) + y' 2 (τ k )( tk +1 − t k )
k =0

Cette dernière somme est la somme de Riemann associée à l'intégrale :

b

∫ x' 2 + y' 2 dt = longueur(Γ).

a

d'où :

Théorème :

z ∈Γ , f (z ) ≤ M ⇒ ∫ f (z)dz ≤ M × longueur( Γ)

Exercice - exemple 1 :

a
∫ e− z dz = ?
2
lim
Γ R→∞
Γ

0 R

−5−
 ∫ e− z dz ≤ aSup e −( R+ iy )
2
= aSup e − R e y e −2iRy ≤ ae − R e a 
2 2 2 2 2
→ 0
R→∞
z∈Γ z∈Γ
Γ

Exercice - exemple 2 :

∫
dz
lim =? C(0,R) = circonférence de centre 0 et de rayon R
R→∞ 1+ z2
C(0, R)

∫ 1+ z
dz 1 2πR 2πR
≤ Sup × 2πR = = 2 → 0
2
z∈C 1+ z2 Inf 1+ z 2 R − 1 R→∞
C(0, R)
z∈C

Exercice - exemple 3 :

γ e zt

z
lim
R→∞ ∫ zn+1
dz = ?
R γ
t ∈R+ , n∈ ,
γ demi-cercle ouvert de centre c et de rayon R.
0 c

Sup e zt
e zt
∫
z∈γ
n+1 dz ≤ × πR
z Inf z n+1
γ z∈γ

π 3π
z = c + Reiθ , <θ < , cosθ < 0
2 2

e ct Sup e Rtcos θ e iRtsinθ

e zt e ct πR
∫
z∈γ
dz ≤ ×πR = → 0
zn+1 (R − c) n+1 (R − c)n+1 R→∞
γ

3.3. Intégration indépendante du chemin

b2 B
a = a1 + ia2 b = b1 + ib2

∂U ∂U
U'x = U'y =
∂x ∂y
∂V ∂V
a2 A Vx' = Vy' =
∂x ∂y
a1 b1
−6−
 Si udx − vdy = dU = U'x dx + U'ydy
∀dx,dy
et vdx + udy = dV = Vx' dx + Vy' dy

alors ∫ f (z)dz = ∫ dU + i∫ dV = U (b) − U(a) + i(V (b) − V (a))

Γ Γ Γ

et l'intégration est donc indépendante du chemin. Pour cela, il faut qu'il existe U et V telles que :

U'x = Vy' = u

−U'y = Vx' = v

Exercice - exemple 1 :

Γ quelconque

∫ ( x + iy) (dx + idy) = ∫ ( x )

− y 2 + 2ixy (dx + idy )
2 2

Γ Γ

( )
= ∫ x 2 − y 2 dx − 2xydy + i ∫ 2xydx + x 2 − y 2 dy
144424443 Γ 144424443
( )
Γ dU ? dV ?

x3
U'x = x 2 − y 2 ⇒ U = − xy2 + f (y)
3

U'y = −2xy ⇒ U = −xy 2 + g(x) , donc :

x3
U= − xy2 + c
3

Vx' = 2xy ⇒ V = x 2 y + h(y)

y3
Vy' 2 2 2
= x − y ⇒V = x y− j(x) , donc :
3

y3
V = x 2y − +d
3
b
 x3 
[ ]a = 13 (b3 − a 3)
b
y3
∫  1  1
− xy + ix y − i + c + id = ( x + iy ) + C = z3 + C
2 2 2 3 b
z dz =
 3 3 
a 3 a 3
Γ

−7−
Exercice - exemple 2 :

Γ ne passe pas par 0.

dx + idy ( x − iy)(dx + idy )

∫ z =∫ ∫
dz
=
x + iy x 2 + y2
Γ Γ Γ

xdx + ydy ( xdy − ydx )

∫ ∫ ∫
dz
= +i
z x2 + y2 x2 + y2
Γ Γ Γ

∫ d(Ln( x )) ∫
 y
∫z + y 2 + i d Arctg    = ∫ d( Ln( z )) + i∫ d( Arg(z))
dz 1 2
=
2  x 
Γ Γ Γ Γ Γ

[ Ln( z ) + iArg(z) + K ]ba = Ln( b ) + iArg(b) − Ln( a ) − iArg(a)

∫
dz
Conséquence : Γ circuit entourant une fois l'origine = 2iπ
z
Γ
Autre calcul : G circonférence de centre 0 et de rayon R :

dz
z = Re iθ dz = iRe iθ dθ = izdθ = idθ
z
2π

∫ ∫
dz
= i dθ = 2iπ , indépendant de R.
z
Γ 0

∫z ∫z
dz dz
Autre conséquence : lim = 2iπ lim = 2iπ
R→ 0 R→∞
Γ Γ

∫z
dz
Enfin : Γ circuit de nouveau quelconque entourant n fois l'origine : = 2inπ
Γ

4. Dérivation (Différentiation)

Définition : f(z) est dérivable ou différentiable en z si elle est définie, continue, univalente en z et
si :

df = ldz, ∀dz (l ∈C)

−8−
Théorème : CNS de dérivabilité. On a :

∂u ∂u ∂v ∂v
df = dx + dy + i dx + i dy
∂x ∂y ∂x ∂y

l = α + iβ ldz = (α + iβ)(dx + idy )

ldz = αdx −βdy + iβdx + iαdy

Par identification (∀ dx, dy) il vient :

∂u ∂v
α= =
∂x ∂y

∂v ∂u
β= =−
∂x ∂y

Ces relations sont connues sous le nom de relation de Cauchy-Riemann. Elles forment une
condition nécessaire de dérivabilité. On peut montrer qu'elle est aussi suffisante.

∂2 u ∂ 2 v ∂2 u
De ces relations, on tire : = = − ⇒ ∆u = 0 et ∆v = 0
∂x 2 ∂x∂y ∂y 2
u et v sont des fonctions harmoniques (vérifiant l'équation de Laplace).

Une fonction qui est différentiable en tout point d'un domaine ouvert est dite continûment
différentiable.

Définition : Les fonctions qui sont définies, continues, univalentes et dérivables sont dites :
HOLOMORPHES.

Exemple : Il est facile de montrer que les constantes, les polynômes, les fractions rationnelles, en
dehors des pôles, les exponentielles, ..., sont des fonctions dérivables.

La fonction : z → z n'est pas dérivable ; ni z → z .

Remarque : Les fonctions qui ne peuvent pas s'exprimer explicitement en fonction de z ne sont
pas dérivables, car l'accroissement de x est formellement lié à celui de y selon :

dz = dx + idy

et non pas selon :

dz = u(x, y)dx + iv(x,y)dy

où u et v seraient quelconques.
−9−
 Chapitre 2

Intégrale de Cauchy

1. Théorème préliminaire

Soit f une fonction holomorphe dans un domaine D. Soit Γ un circuit tout entier situé dans D
et homotope à zéro dans D. On a :

∫ f (z)dz = 0
Γ

Démonstration : Ce théorème est tout à fait général. Nous ne le démontrerons ici que dans le cas
où f ' est continue dans D et Γ sans point double. On a :

∫ f (z)dz = ∫ (udx − vdy) + i∫ (vdx + udy)

Γ Γ Γ

Le théorème de Stokes indique que la circulation d'un vecteur le long d'une courbe fermée est
égale au flux de son rotationnel à travers n'importe quelle surface fermée s'appuyant sur la
courbe. Soit S une telle surface :

∫ udx − vdy = −∫∫ (v )

'
x + u'y dxdy
Γ S

∫ vdx + udy = − ∫∫ (ux − v y )dxdy

' '
et
Γ S

Or, d'après les relations de Cauchy-Riemann relatives à une fonction holomorphe sur D, ces
intégrales sont nulles et le théorème est démontré.

Si Γ présente un nombre fini de points doubles, on peut décomposer Γ en circuits partiels

sans points doubles.

− 11 −
Applications : Γ homotope à zéro dans D, ouvert quelconque, alors on a :

∫ dz = 0 ∫ Pn(z)dz = 0 (où Pn (z) est un polynôme d'ordre n en z) ∫ e dz = 0

z

Γ Γ Γ

∫
dz
Γ homotope à zéro dans D ne contenant pas l'origine : = 0.
z
Γ

+∞

∫ e − ( x +ia ) dx , a ∈R , ne dépend pas de a.

2
Exercice : Montrer que :
−∞
y

a Γ

γ γ2
1

-R 0 R x

∫ e − z dz = 0.
2
e − z est holomorphe pour z ∈C . Γ est homotope à zéro dans C :
2

R −R

∫ ∫ ∫ ∫ ∫
e −( x + ia ) dx + e − z dz
− z2 −x2 − z2 2 2
Or e dz = e dx + e dz +
Γ −R γ 2
R γ1

Les intégrales prises sur γ1 et sur γ2 tendent vers zéro quand R tend vers l'infini (Exercice -
exemple 1. p. 5). En faisant tendre R vers l'infini, il vient :

+∞ −∞

∫ ∫ e− ( x +ia ) dx
−x2 2
0= e dx + d'où la propriété demandée.
−∞ +∞

2. Lemme

Sens de parcours : on dit qu'un circuit est parcouru positivement relativement à son intérieur si
un observateur qui le parcourt dans ce sens garde l'intérieur à sa gauche.

− 12 −
Lemme : f(z) holomorphe dans D contenant Γ sauf éventuellement dans : ∆ 1 ,∆ 2 ,..., ∆ n . Soit C+
le circuit : C + = A1 B1γ 1− B1 A1 A2 B2 γ −2 B2 A2 A3 ... An Bn γ −n Bn An A1

Γ+
Il est homotope à zéro dans D. Donc :

A1
B1 ∫ f (z )dz = 0
C+
D
Bn An Par ailleurs, f étant holomorphe est uniforme,
∆1 γ 1+
donc :
γ n+ Bk Ak

∆n ∫ f (z)dz + ∫ f (z)dz = 0
γ 2+ Ak Bk

∆2 Par suite :
∆
B2 n

A2 ∫ f (z )dz = ∫ f (z)dz + ∑ ∫ f (z)dz

k =1 γ −
C+ Γ+ k

n
Donc : ∫ f (z)dz = ∑ ∫ f (z)dz
k =1 γ +
Γ+ k

Exemple d'application :

Γ
i γi
∫z ∫z ∫z
dz dz dz
= +
2
+1 2
+1 2
+1
0 Γ γi γ−i

-i γ-i

− 13 −
3. Intégrale de Cauchy

Considérons les hypothèses suivantes :

D ∆ Γ
− f holomorphe dans D a
− D simplement connexe x γ
− Γ circuit dans D entourant ∆
− a∈∆

alors :

f (z)
1°) est holomorphe dans D, sauf pour z = a.
z−a

2°) Soit γ la circonférence de centre a et de rayon ρ : z ∈γ ⇒ z − a = ρ .

∫ ∫
f (z)dz f (z)dz
Lemme ⇒ =
z−a z− a
Γ+ γ+

3°) f(z) est continue en a, donc :

ε(z)dz
∫ ∫ z−a + ∫
f (z)dz dz
f (z) = f (a) + ε(z) et = f (a)
z−a z−a
γ+ γ+ γ +

On a ε(z) < ε . Si z − a < η, on prend donc ρ assez petit tel que pour z ∈γ , z − a = ρ < η ,
alors d’après le théorème de l’inégalité fondamentale (p. 5) :

ε(z)dz ε
∫
γ
z−a
≤
ρ
× 2πρ= 2πε → 0, quand ε → 0.

Cette quantité est donc arbitrairement petite. Par suite :

∫ ∫
f (z)dz dz
4°) = f (a) = 2iπf (a)
+
z − a +
z − a
Γ γ

∫ ∫
dz dZ
car l'intégrale est de la forme : = 2iπ (exemple 2, p. 8)
+
z − a Z
γ C

En conclusion :

∫
f (z)dz
= 2iπf (a) : c'est l'intégrale de Cauchy.
+
z − a
Γ

− 14 −
 Comme a est choisi quelconque dans l'ouvert D, on peut aussi écrire :

∫
1 f (t )dt
f (z) =
2iπ +
t −z
t∈Γ

donc toute fonction holomorphe peut s'exprimer sous la forme d'une telle intégrale de Cauchy.

Théorème : Soit Γ une circonférence de centre z : t − z = Reiθ , d’où dt = iReiθdθ et

2π

∫ f ( z + Re )dθ.
1 iθ
f (z) =
2π
0

La valeur d'une fonction holomorphe au centre d'une circonférence est égale à la moyenne de
ses valeurs prises sur la circonférence.

Théorème : en dérivant formellement l'expression de f(z), il vient :

∫
1 f (t)dt
f '( z) =
2iπ +
(t − z )2
t∈Γ

f (z + h) − f (z)
Justification : on forme − f '( z)
h

f (z + h) − f (z) 1  1 
∫
1 1 1 
− f '( z) = f (t)  − − dt
h 2iπ  h t − z − h t − z  (t − z)2 
Γ

f (z + h) − f (z)
∫ (t − z) (t − z − h)
h f (t)dt
− f '( z) = 2
h 2iπ
Γ

f(t) holomorphe est continue et bornée : f (t) ≤ M ,

1 1 1 1 1 1
t ∈Γ , z ∈∆ ouvert, h → 0: < , 2 < 2, <
t−z l t−z l t−z −h m

f (z + h) − f (z) h M × longueur(Γ)
⇒ − f '( z) ≤ → 0 quand h → 0
h 2π l2 m

∫
n! f (t)dt
A l'ordre n : f (n) (z) =
2iπ +
(t − z)n+1
Γ

ce qui montre qu'une fonction holomorphe est infiniment dérivable.

− 15 −
Théorème (Liouville) : si f(z) holomorphe est bornée, ∀z ∈C , c'est une constante. Soit Γ une
circonférence de rayon R et de centre z :
1 1 1 M M
∀R > 0 , f (z) ≤ M , = f '(z ) ≤ × 2πR = → 0
t−z R 2π R 2 R R→∞

donc : f '( z) = 0 et f (z) = constante.

Exercice - exemple 1 : par application de l'intégrale de Cauchy :

y
ez
I= ∫ z(z − 1)
dz
C

C = C1 (−1, R < 1) I=0

-1 x C = C2 (−1, 1 < R < 2) I = −2iπ
C = C3 (−1, 2 < R) I = −2iπ+2iπ = 0
(on a appliqué le lemme)

Exercice - exemple 2 : circuit C

y eiz
e iz z + i dz = 2iπ  e  π
iz

∫ z2 +1
dz = ∫ z −i
=
 z + i  z =i e
i γ C C

eiz e− Rsinθ πR
∫ z +1
2 dz ≤ πRSup < 2 → 0
R − 1 R − 1 R→∞
2
-R 0 R x γ

+∞ +∞ +∞
e ix π
∫ ∫ ∫
cos x sin x
R →∞ dx = dx = , et : dx = 0.
x2 + 1 x +1
2
e x2 + 1
−∞ −∞ −∞

Exercice - exemple 3 :

⇒
C
iLn3
0 1/3

0 2π

− 16 −
 ∫ 2 − cosz = ?
dz
I=
C
1
z = x + iLn3. On pose : u = eiz ⇒ u = e ix e − Ln3 = e ix
3
1
cos z =  u + 
1 1 du
dz =
2 u i u
du

∫ ∫ ∫
1 du 2 du 2 u−2 − 3
I= =− =−
1 2
( ) u − 4u + 1 u−2 + 3
2
i i i 1
1 2u − u +1
C (0, ) C ( 0, ) C ( 0, )
1
3 2 3 3

 1  2π
I = 2iπ =
 u − 2 − 3  u= 2− 3 3

Exercice - exemple 4 :

∫
e zt
( )t= 0
2iπ zt tn
(n)
n+1 dz = e = 2iπ
z n! n!
0 Γ
c

Exercice - exemple 5 :
ez ez
ez (z − 1)3 dz +
I= ∫ z(z − 1)3
dz = ∫ z ∫ z dz
( z − 1)3
Γ
{ γ0 γ1
entourant 0 et 1
"
 ez  2iπ  ez 
I = 2iπ   +  
 ( z − 1)3  z =0 2  z  z=1
I = πi(e − 2).

− 17 −
 Chapitre 3

Théorie des résidus

1. Séries de Laurent

Soit un domaine simplement connexe contenant l'origine 0 et soit D le domaine obtenu en

supprimant 0 du domaine précédent. D n'est plus simplement connexe car un circuit qui entoure
0 n'est pas homotope à zéro.

Soit f une fonction holomorphe dans D. Cette fonction peut ne pas être holomorphe en 0, par
contre elle doit être uniforme dans D. Donc, si on suit par continuité la valeur de f le long d'un
circuit entourant 0, on doit revenir au point de départ avec la même valeur pour f.

Soit Γ et γ deux circonférences de centre 0 et de rayons R et r, avec r < R, entièrement

contenues dans D. Soit z un point fixe vérifiant r < |z| < R. Soit enfin AB un segment pris sur un
rayon joignant Γ à γ et ne passant pas par z.

A
D
B
+0 γ
Γ
+z

Le circuit Γ + ABγ − BA est homotope à zéro dans D ; le théorème de Cauchy donne :

B A

∫ ∫ ∫ ∫
1 f (t)dt 1 f (t)dt 1 f (t)dt 1 f (t)dt
f (z) = + − +
2iπ t−z 2iπ t−z 2iπ t−z 2iπ t−z
Γ A γ B

B A
f(z) est uniforme donc : ∫ + ∫ = 0. Par ailleurs :
A B

− 19 −
 1 1 1 1 z z2 zn
t ∈Γ : = = + + +...+ +...
t − z t 1− z t t 2 t 3 t n+1
t

z z
et la série converge uniformément sur Γ car = < 1. De plus :
t R

1 1 1 1 t t2 t n−1
t ∈γ : − = = + + +... + n +...
t − z z 1− t z z 2 z 3 z
z

t r
et la série converge uniformément sur γ car = < 1.
z z

On peut donc intégrer terme à terme, d'où :

bm b2 b1
f (z) =... + m +... + 2 + + a0 + a1 z+...+ an zn +...
z z z

∫ ∫
1 1 f (t)dt
avec : bm = t m−1 f (t)dt et : an =
2iπ 2iπ t n+1
γ Γ

On voit qu'il s'agit d'intégrales de fonctions holomorphes sauf éventuellement à l'origine. Soit
donc un circuit C quelconque entourant l'origine. On peut poser :

∫
1
bn = a− n = t n−1 f (t )dt
2iπ
C
et donc écrire :

+∞

∫
1 f (t)dt
f (z) = ∑ anz n , avec : an =
2iπ t n+1
n ∈Z
n=−∞
C

∫ f (t)dt , ou :
1
Remarque 1 : Faisons : n = −1, alors : a−1 =
2iπ
C

∫ f (t)dt = 2iπa −1 pour C circuit entourant l'origine.

C

a−1 s'appelle le résidu de f(t) à l'origine. Et on a le théorème :

− 20 −
Théorème : L'intégrale d'une fonction sur un circuit entourant l'origine est égale à 2iπ fois son
résidu à l'origine (on suppose qu'il n'y a pas d'autres singularités que l'origine à l'intérieur du
circuit : sinon voir plus loin : théorème des résidus).

Remarque 2 : Un développement en série de Laurent peut prendre trois formes possibles :

1er cas : pour n ≤ −1 : an = 0 . La série de Laurent s'identifie à la série de Mac-Laurin. f est

holomorphe à l'origine.
∞

∫ e dz = 0
zn
Exemple : e z = ∑ a−1 = 0 z
n=0 n!
C

2ème cas : p entier positif, pour n ≤ −1 − p, an = 0 et a− p ≠ 0 alors f(z) a un pôle d'ordre p

en 0.

∫
1 1 dz
Exemple : = − − 1 − z − z 2 −... , a−1 = −1 = − 2iπ.
z(z − 1) z z(z − 1)
(
C 0, R<1 )

3ème cas : a−∞ ≠ 0 f a un point singulier essentiel en 0.

0
zn
∫e
1 1
Exemple : e1/ z = 1+ + 2 +... = ∑ 1/ z
, a−1 = 1, dz = 2iπ.
z 2z n=−∞ (−n)!
C

2. Théorème des résidus

Soit f holomorphe en D sauf pour les valeurs z1 , z2 ,..., zn ,... (singularités de f). Soit Γ un
circuit de D entourant certaines de ces singularités. On a :

∫+
f (z)dz = 2iπ ∑ R (z j )
Γ j∈J

où J est l'ensemble des singularités de f intérieures à Γ, et où R( zj ) est le résidu du

développement en série de Laurent (coefficient a−1 ) au voisinage de z = z j .

Démonstration :

1°) Par application du Lemme (chapitre 2, §2, p. 13) :

∫ f (z)dz = ∑ ∫ f (z)dz
j ∈J
où γ j est un circuit entourant la seule singularité z.
Γ γj

− 21 −
 2°) Effectuons le changement d'axes (qui amène l'origine au point zj ), dans lequel :

g j (z) = f ( zj + z)

alors g j (z) peut être développé en série de Laurent au voisinage de l'origine :

∞
g j (z) = ∑ a(nj) zn ,
n=−∞

et le circuit γ j entourant le point zj devient le circuit γ ' j entourant l'origine. On a :

∫ f (z)dz = ∫ g (z)dz = 2iπa ( j)

j −1 = 2iπR(z j )
γ j γ '
j

En sommant sur tous les points intérieurs à Γ, on a le théorème des résidus annoncé.

3. Recherche des résidus

3.1. A partir de la définition

On pose : g j (z) = f ( z + z j ) . On développe g j (z) en série de Laurent au voisinage de

l'origine. Le coefficient du terme en 1/z de ce développement est le résidu pour z = z j , soit :
(j )
a−1 ( )
= R zj .

3.2. Cas d'un pôle simple en z = a

g(z)
f (z) = , avec : h(a) = 0, et : h'(a) ≠ 0.
h(z)

g(z + a) z
R(a) = lim (z − a) f (z) = lim zf (z + a) = lim z = lim g(z + a)
z→a z→ 0 z→0 h(z + a) z→ 0 h(z + a) − h(a)

g(a)
donc : R(a) = .
h'( a)

Ce résultat est connu sous le nom : “règle du numérateur sur la dérivée du dénominateur”.

1 1 1
Exemple : R(i) = R(−i) = −
1 + z2 2i 2i
− 22 −
 sin πz 1
Exemple : tgπz = pôles (simples) : zn = k +
cosπz 2
π
sin(2k + 1)
R( zk ) = 2 = −1
π π
−π sin(2k + 1)
2

3.3. Cas d'un pôle d'ordre multiple (p).

Soit un pôle d'ordre p à l'origine :

a− p a− p+1 a−1
f (z) = p + p−1 +... + + a0 + a1 z+...
z z z

On multiplie membre à membre par z p :

z p f (z) = a− p + a− p +1 z + a− p+ 2 z2 +... +a−1 z p−1 + a0 z p + a1 z p+1...

Puis on dérive p−1 fois :

[ z p f (z)]
( p−1)
= (p − 1)!a−1 + p!a0 z + (p + 1)!a1z 2 +...

Enfin, on fait z=0, d'où :

1
[ ]
( p−1)
R(0) = a−1 = lim z p f (z)
( p − 1)! z→0

On généralise alors pour un pôle d'ordre p en z=a en faisant un changement d'origine et l'on
obtient :

1
[ ]
( p−1)
R(a) = lim (z − a) p f (z)
( p − 1)! z→ a

Exemple :

ez e
f (z) = R(0) = 1 R(1) = −
z(1− z )3 2

− 23 −
4. Exemples d'application de la théorie des résidus
4.1. 1er type d'exemples d'application

2π

∫ f (cost,sin t)dt
0

2π

∫→ ∫
it
On pose : z = e ⇒
0 C (0,1)

2π
dt 2 dz 2
Exemple : ∫ a + bcost = ∫ = 2iπR(z")
i C(0,1) bz + 2az + b i
2
0
2π
−a + a 2 − b2
∫ a + b cost =
1 dt 2π
z"= R(z") = 2 2
a − b2
2
b 2 a −b 0

4.2. 2ème type d'exemples d'application

+∞ 2π

∫ f (x)dx ou : ∫ f (x)dx si f(x) est paire.

−∞ 0
+∞
eit
Exemple : ∫ t2 + 1
dt
−∞

y e iz π
Th. des résidus ⇒ ∫ z +1
2 dz = 2iπR(i) =
e
C
γ e iz
R
eit e iz
∫ ∫ ∫
i
dz = dt + dz
z2 +1 t2 + 1 z2 +1
C −R γ

-R 0 R x

On a :

eiz πR e iz
∫ z +1
2 dz ≤ 2
R −1
d’où lim
R→∞ ∫ z2 +1
dz = 0
γ γ
+∞ +∞ ∞ +∞
e it π π π
∫ ∫ ∫ ∫
cost cost sint
⇒ dt = dt = dt = dt = 0.
t +1
2
e t +1
2
e t +1
2
2e t2 +1
−∞ −∞ 0 −∞

− 24 −
4.3. 3ème type d'exemples d'application

Intégrales faisant intervenir des fonctions multivalentes.

∞
xα
Exemple : ∫ 1+ x
dx définie pour : −1 < α < 0.
0

On coupe le plan complexe par R+ . On choisit une détermination pour zα :

zα = e αLogz = e aLn z e iαArgz (k = 0)

R(−1) = zα ( )z=−1 = e iαπ

zα
∫ 1+z
dz = 2iπR(−1) = 2iπ eiαπ
Γ

R
γ
A B

-1 ε E D

Sur AB : z = x, dz = dx. Sur ED : z = xe2iπ = x, dz = dx, zα = x α e2i πα ≠ x α .

B E
xα zα x αe 2i πα zα
∫= ∫ 1+x
dx + ∫
1+ z
dz + ∫
1+ x
dx −
1+z
dz ∫
Γ A C D γ

zα Rα
∫ α α<0
dz ≤ × 2πR ~ 2πR →0
1+ z R −1 R→∞
C

− 25 −
 ∞ α
Donc : (1 − e ) ∫ 1+x x dx = 2iπe iαπ
2 iπα

En multipliant membre à membre par e − iπα :

∞
xα π π
∫ 1+ x
dx =
sin(1+ α )π
=−
sinαπ
.
0

4.4. 4ème type d'application : le calcul des séries

∞
∑ un
n=−∞

∞
1 a
Exemple : ∑ un non entier b ≠ 0
n=−∞ (a + bn)
2
b

Méthode

1
1°) On considère la fonction :
(a + bz)2

1
2°) On considère ensuite la fonction : f (z) = πcotgπz
(a + bz)2
π cosπz
f (z) = 2
 a 2
sin πz z + 
b
b

1 1
3°) On considère le carré : Γn : xn = n ± ; yn = n ± .
2 2

Le théorème des résidus donne :

n

∫ f (z)dz = k∑ R(k) + R − 
1 a
2iπ =− n
b
Γn

π cosπk 1
R(k) = 2 =
2
b a a
2  + k sin πk + π cos πk  + k 
( a + bk )2
b b

− 26 −
 '
 a  a 2  π2
R −  =   z +  f (z)
1
=−
b  b  a b sin 2 π a
2
z=−
b b

4°) Montrons que l'intégrale est nulle quand n tend vers l'infini :

cosπz 2 ch2πy + cos2 πx

=
sin πz ch2πy − cos2 πx

∫
1 1 cosπz 1 1
f (z)dz ≤ Sup ×8 n +
2iπ 2π z∈Γn sin πz (a + bz)2  2
Γn

Sur les côtés verticaux :


cos2 πx = cos2 π  n +  = −1
1
2
2
cosπz ch2πy − 1
= <1
sin πz ch2πy + 1

Sur les côtés horizontaux :


ch2 πy = ch2 π  n +  = ch(2π + 1)π
1
2

cosπz 2 ch(2n + 1)π + cos2πx ch(2n + 1)π + 1 2

= ≤ =1 + <3
sin πz ch(2n + 1)π cos2 πx ch(2n + 1)π − 1 ch(2n + 1)π − 1

D'où :

∑ π2
∫
1 1 1
lim f (z)dz = 0 et : = .
n→∞ 2iπ (a + bn) 2
b sin 2 πa
2
Γn n=−∞
b

− 27 −
 Chapitre 4

Séries de Fourier

1. Introduction

C’est au début du XIXième siècle que le mathématicien français Jean-Baptiste Fourier (1768-
1830) fut conduit en 1812, au cours de ses recherches sur la propagation de la chaleur, à la
remarquable découverte de certaines fonctions trigonométriques qui portent aujourd’hui son
nom. Depuis lors, les séries de Fourier, leur généralisation aux intégrales de Fourier et les
fonctions orthogonales sont devenues des outils indispensables tant du point de vue théorique
que des applications.

2. Fonctions périodiques - Définitions

On dit qu’une fonction f, réelle ou complexe, de la variable réelle t est périodique s’il existe
un ou plusieurs nombre θ, réels positifs, tels que :

∀t, f (t +θ ) = f (t) (1)

Tout multiple de θ vérifie encore (1). En effet :

∀t, f (t + 2θ) = f (t + θ + θ ) = f (t +θ ) = f (t)

∀t, f (t + nθ) = f (t)

Par exemple la fonction f (t) = sin(nt), avec n ∈N+ , est une fonction périodique avec
θ = 2π / n ou avec tout autre multiple de 2π / n, en particulier avec 2π :

 2π 
∀t, ft + = sin(nt + 2π) = sin(nt)
n 

On appelle période T d’une fonction périodique f le plus petit réel positif θ vérifiant (1).

La période est unique. Supposons qu’il n’en soit pas ainsi :

∀t, f (t + T1 ) = f (t) et ∀t, f (t + T2 ) = f (t)

− 29 −
avec T1 ≠ T2 et, par exemple T1 < T2 . On a :

∀t, f (t + T1 ) = f (t + T1 − T2 + T2 ) = f (t + T1 − T2 ) = f (t)

ce qui est absurde puisque une période est positive. On a donc T1 = T2 .

Toute fonction périodique f, de période T peut être rendue égale, quelque soit t, à une fonction
g de période 2π .

T
Posons en effet : t = u
2π

 T
On a alors : f (t + T ) = f  (u + 2π)
2π

 T
Posons alors : f (t) = f  u = g(u)
2π

On obtient : f (t + T ) = g(u + 2π)

3. Forme et produit hermitique

3.1. Définition

Une forme hermitique (à droite) associe à tout couple de fonctions f et g à valeurs dans C, un
nombre complexe noté :

< f ,g >

Cette opération doit être linéaire relativement à f, pour tout g fixée et linéaire par rapport à g,
pour tout f fixée, ainsi on a :

< f1 + f2 , g > = < f1 ,g > + < f2 , g >

< λf , g > = λ < f ,g >
< f ,g1 + g2 > = < f ,g1 > + < f , g2 >
< f ,λg > = λ < f ,g >

Une forme hermitique est symétrique si :

< f ,g > = < g, f >

− 30 −
alors < f , f > est réel puisque < f , f > = < f , f >

Une forme hermitique symétrique est définie positive si :

0 < < f, f >

et ne s’annule que si f = 0.

3.2. Produit hermitique

Une forme hermitique définie positive définit un produit hermitique, l’équivalent en complexe
d’un produit scalaire, avec les propriétés suivantes :

< f, f > = f 2 (définition d' une norme)

λf = λ f
< f,g > < f g (inégalité de Schwarz )
f +g < f + g (inégalité triangulaire )

Par exemple, pour a ∈R et b ∈R , on vérifiera que, si l’intégrale définie suivante existe, elle
définit un produit hermitique :

< f ,g > = ∫ f (t )g(t)dt

a

La norme associée s’écrit :

b b

∫f ∫f
2 2 2
< f, f > = f = (t)dt d'où f = (t)dt
a a

L’inégalité de Schwarz donne :

b b b

∫ f (t )g(t)dt ∫f ∫ g (t)dt
2 2
< f,g > = < f g = (t)dt
a a a

et l’inégalité triangulaire s’écrit :

b b b

∫ ( f (t) + g(t)) dt ∫f ∫ g (t)dt

2 2 2
f +g = < f + g = (t)dt
a a a
− 31 −
3.3. Inégalité de Schwarz

Soit f ≠ g ≠ 0, deux fonctions quelconques et λ un scalaire complexe. On peut écrire :

< f + λg, f + λ g > = < f , f > +λ < f ,g > +λ< f ,g > + λ λ < g, g >

Posons < f ,g > = < f ,g > eiθ et choisissons λ = pe iθ où p est quelconque. On a :

< f + λg, f + λ g > = < f , f > +2 p < f , g > + p2 < g,g >

L’expression précédente est un trinôme du second degré en p dont tous les coefficients sont
positifs. Elle n’a donc pas de racine ou une racine au plus. On en déduit que le discriminant
associé est négatif ou nul. Celui-ci s’écrit :

2
< f,g > < < f , f >< g,g >

C’est l’inégalité de Schwarz.

4. Etude des fonctions un (t) = e int / 2π

Définissons les fonctions un (t) = e int / 2π pour n entier positif, négatif ou nul et pour t
réel. Rappelons que, d’après la formule de Moivre, on a :

e int = (e it ) n = cos(nt) + isin(nt) = (cos(t ) + isin(t))n

Les fonctions un (t) sont définies, continues, infiniment dérivables, infiniment intégrables.
Elles sont périodiques de période 2π / n, sauf u0 (t) qui est la constante 1/ 2π .

Définissons alors le produit hermitique suivant :

2π 2π

∫ ∫e
1 i( m− n)t
< um (t),un (t) > = um (t)un (t)dt = dt
2π
0 0

si m ≠ n, on a :
2π
1  e i(m −n)t 
< um (t),un (t) > = =0
2π  i(m − n)  0

puisque e i(m− n)t est périodique sur 2π.

− 32 −
si m = n, on a :

2π

∫ dt = 1
1
< un (t),un (t) > =
2π
0

On conclue que l’ensemble des un (t) forme une base orthonormale vis-à-vis du produit
hermitique défini :

e imt eint
⊥ si n ≠ m
2π 2π
int
e
=1 ∀n
2π

5. Séries de Fourier généralisées

Soit f(t) une fonction périodique de période 2π. On développe, par définition, cette fonction
sur la base des um (t) selon :

+∞
f (t) = ∑ cmum(t) (2)
m=−∞

Ce développement est plausible si l’on peut calculer les cm de manière univoque. Formons :

+∞
< f (t),un (t) > = < ∑ c mum (t),un(t ) >
m=−∞

+∞
< f (t),un (t) > = ∑ c m < um (t),un(t ) >
m=−∞

< f (t),un (t) > = cn

On obtient donc :

2π

∫ f (t)e
1 −int
cn = < f (t),un (t ) > = dt
2π
0

Les nombres cn , réels ou complexes, s’appellent coefficients de Fourier généralisés de f(t).

− 33 −
Exemple : Soit f (t) = 1 si t ∈]0, π] et f (t) = 0 si t ∈]π,2π]. Cette fonction est périodique et
de période 2π. On a :

π
π
∫
1
cn = e −int dt et c0 =
2π 2π
0

Pour n ≠ 0, on a :

π
1  e − int  1 (−1)n − 1
cn = =
2π  −in  0 2π −in

1 2
d’où, pour p ≠ 0, c2p = 0 et c2 p+1 =
2π i(2 p + 1)

On peut alors écrire le développement de Fourier généralisé de f(t) :

+∞
f (t) = c0 u0 (t) + ∑ c2 p+1u2 p+1(t)
p=−∞

+∞
π 1 1 2 e i(2 p+1)t
f (t) = + ∑
2π 2π p=−∞ 2π i(2p + 1) 2π

1 i +∞ e i(2 p+1)t
f (t) = − ∑
2 π p=−∞ (2 p + 1)

On remarquera que la valeur moyenne de f(t) peut se calculer directement :

2π π

∫ ∫
1 1 1
m= f (t)dt = dt =
2π 2π 2
0 0

ou par la série de Fourier :

2 π
e i(2 p+1)t 
+∞

∫ ∑
1 1 i
m=  −  dt
2 π
2π (2 p + 1) 
0 p=−∞

En remarquant que :

− 34 −
 2π 2π
1  ei(2 p+1)t 
∫e
1 i(2 p+1)t
dt = =0
2π 2π  i(2 p + 1) 0
0

on obtient directement :

1
m = c0 u0 (t) =
2

6. Conditions d’existence
6.1. Fonctions régulières par morceaux

Nous avons posé, au paragraphe précédent, l’égalité suivante :

+∞
f (t) = ∑ cmum(t)
m=−∞

sans nous préoccuper de la convergence effective d’une telle série vers la fonction f(t). Le
mathématicien Dirichlet a établi les conditions de convergence des séries de Fourier.
Commençons par définir certaines propriétés de fonctions.

Une fonction f(t) est dite régulière par morceaux dans un intervalle donné si :

a) l’intervalle peut être divisé en un nombre fini d’intervalles élémentaires tels que f(t) est
continue dans chacun d’eux, et

b) les limites de f(t) sont finies, lorsque t tend vers les bornes de chaque intervalle élémentaire

Une fonction régulière par morceaux est donc une fonction qui a au plus un nombre fini de
discontinuités finies. Un exemple d’une telle fonction est représentée ci-dessous :

f(t)

f(t1−)

t
f(t1+)

La limite de f(t) à droite ou limite atteinte par valeurs croissantes est notée :

− 35 −
 lim f (t +ε ) = f (t + ) avec ε > 0
ε→0

De même, la limite de f(t) à gauche ou limite atteinte par valeurs décroissantes est notée :

lim f (t −ε ) = f (t − ) avec ε > 0

ε→0

6.2. Conditions de Dirichlet

Les conditions de convergence des séries de Fourier s’énoncent sous la forme du théorème
suivant :

Soit une fonction f(t) supposée :

1) définie et continue dans l’intervalle [0, 2π], à l’exception d’un nombre fini de points,
2) périodique, de période 2π,
3) telle que f(t) et f’(t) sont régulières par morceaux dans [0, 2π].

Dans ces conditions, la série de Fourier converge vers :

a) f(t) si t est un point de continuité,

f (t + ) + f (t − )
b) si t est un point de discontinuité.
2

Les conditions 1), 2) et 3) imposées à f(t) sont suffisantes, elles ne sont pas nécessaires,
c’est-à-dire que si elles sont satisfaites, la convergence est assurée. Si elles ne le sont pas, la
série peut cependant converger. Les conditions précédentes sont en général satisfaites dans le
cas de signaux physiques.

7. Théorème de Parseval

Formons le produit hermitique suivant :

+∞ +∞
< f (t), f (t) > = < ∑ cmum(t ), ∑ cnun (t) >
m =−∞ n =−∞

+∞ +∞
< f (t), f (t) > = ∑ ∑ cm cn < um (t),un (t) >
m=−∞ n=−∞
+∞
∑ 2
< f (t), f (t) > = cn
n =−∞

− 36 −
 On obtient donc :
2π +∞

∫ f 2 (t)dt = ∑ cn 2
0 n=−∞

C’est le théorème de Parseval. Il a une interprétation physique : si l’on considère que cn est
l’amplitude généralisée (complexe) de un (t), le théorème exprime que la somme des carrés des
amplitudes, donc la somme des intensités, est égale à la somme des carrés de la fonction sur une
période, c’est-à-dire son énergie.

Reprenons l’exemple précédent, f (t) = 1 si t ∈]0, π] et f (t) = 0 si t ∈]π,2π], on a :

2π π +∞ +∞
∑ cn ∑ c2 p+1
2
∫f (t)dt = ∫ dt = π =
2 2
= c02 +
0 0 n=−∞ p=−∞

d’où

2 +∞ 2
 π  1 2
π=
 2π 
+ ∑ 2π i(2 p + 1)
p=−∞

π 2 +∞ 1
π=
2
+ ∑
π p=−∞ (2p + 1)2

On en déduit :
+∞ +∞
1 π2 1 π2
∑ 2 = et ∑ 2 =
p=−∞ (2 p + 1) 4 p= 0 (2 p + 1) 8

On constate donc que le théorème de Parseval est également un moyen simple de calculer
certaines sommes de séries (séries non géométriques par exemple).

8. Développement en série de Fourier d’une fonction à valeurs réelles

Si f(t) est à valeurs réelles (cas des signaux physiques élémentaires), on a , pour n ≥ 1 :
2π

∫ f (t)e
1 −int
cn = < f (t),un (t ) > = dt
2π
0

2π

∫ f (t)e
1 int
c− n = < f (t),u− n (t) > = dt = c n
2π
0

− 37 −
 Deux termes symétriques par rapport n = 0 sont donc conjugués, d’où l’idée de les associer.
Posons, pour n > 0 :

2π
cn = (an − ibn )
2

où an et bn sont des coefficients réels. On a alors :

1
2π
( 1
) (
cn eint + c− n e− int = ( an − ibn )e int + ( an + ibn )e −int
2
)
1
2π
( 1
) (
cn eint + c− n e− int = an (eint + e −int ) − ibn (e int − e −int )
2
)
1
( )
c eint + c− n e− int = an cos(nt) + bn sin(nt)
2π n

La fonction f(t) peut alors s’écrire :

a0 ∞
f (t) = + ∑ a cos(nt) + bn sin(nt)
2 n=1 n

Les coefficients an et bn sont donc donnés, pour n ≥ 0, par les formules :

2π 2π

∫ f (t)cos(nt)dt ∫ f (t )sin(nt)dt
2 1 2 1
an = ℜ(cn ) = et bn = − ℑ(cn ) =
2π π 2π π
0 0
On a également :

2 π 2 2 π 2
c0 = a et cn = c n c n = (an + bn2 ) , pour n > 0
2 0 2

+∞ +∞ +∞
∑ cn ∑ cn cn ∑ cnc −n
2
= =
n=−∞ n=−∞ n=−∞

+∞ +∞
∑ cn = c0 + 2 ∑ cn
2 2 2

n=−∞ n=1

En appliquant le théorème de Parseval, on obtient :

2π +∞ +∞ +∞
π 2 π
∫ ∑ cn = c0 + 2 ∑ cn = a0 + 2 ∑ (an2 + bn2 )
2 2 2
f 2 (t)dt =
n=−∞ n =1 2 n=1 2
0

− 38 −
 2π +∞
π 2 π
∫ f (t)dt = a0 + 2 ∑ (an2 + bn2 )
2
2 n=1 2
0

d’où :

a02 +∞ 2
2π
1
∫ f 2 (t)dt = + ∑ (an + bn2 )
π 2 n=1
0

Par exemple, déterminons le développement en série de Fourier de la fonction continue,

périodique, de période 2π, valant f (t) = π + t si t ∈] − π ,0] et f (t) = π − t si t ∈]0,π]. Cette
fonction f(t) est paire ; son développement en série de Fourier ne contient donc que des termes
de rang nul ou pair. On a :
π π π
2 t2 
∫ ∫
1 2
a0 = f (t)dt = (π − t)dt = πt − =π
π π π  2  0
−π 0

π π

an =
1
π ∫ f (t)dt =
2
π ∫
2
(
(π − t)cos(nt)dt = 2 1 − (−1)n
πn
)
−π 0

0 si n est pair
an =  4 si n est impair
 πn 2

En posant n = 2p + 1, on a :

π 4  cos(2p + 1)t 
f (t) = + cos(t) + cos(3t)+K+ 2 +K
2 π (2 p + 1) 

De cette identité on peut déduire par exemple, pour t = 0 :

π 4 ∞ 1
f (0) = π = + ∑
2 π p= 0 (2 p + 1)2

d’où :
∞
1 π2
∑ (2 p + 1)2 = 8
p= 0

A l’aide du théorème de Parseval, on obtient :

− 39 −
 ∞ π

∑
π 2 16 2π 2
∫
1 1 2
+ 4 = f (t)dt =
2 π2 (2 p + 1) π 3
p= 0 −π

∞
1 π4
∑ 4 =
p= 0 (2 p + 1) 96

9. Séries de Fourier en cosinus ou en sinus

Un développement en série de Fourier en cosinus ou en sinus est un développement où seuls

sont présents des termes en cosinus ou en sinus. Quand on désire obtenir ce genre de
développement pour une fonction donnée, celle-ci est généralement définie dans l’intervalle
[0, π] représentant la moitié de l’intervalle [-π,π] et on spécifie la symétrie de la fonction, paire
ou impaire, de l’autre moitié de l’intervalle. Dans ce cas, on a :

 π

∫ f (t)sin(nt)dt
2
an = 0, bn = pour les développement en sinus
 π
0
 π
 b = 0,
∫ f (t)cos(nt)dt
2
n an = pour les développement en cosinus
 π
0

10. Formules pour une période quelconque

Nous avons vu au paragraphe 2 qu’une fonction périodique, de période T peut être rendue
égale à une fonction de période 2π, à l’aide d’un changement de variable adéquat. Les
différentes formules de calcul énoncées précédemment pour des fonctions de période 2π
s’écrivent pour une période T quelconque de la manière suivante :

+∞ T

∫ f (t)e
1
f (t) = ∑ cne 2iπnt /T
cn =
T
−2iπnt / T
dt
n =−∞
0

T T T
 2πnt   2πnt 
∫ ∫ f (t)sin 
2 2 2
a0 =
T ∫ f (t)dt an =
T
f (t)cos
T 
dt bn =
T T 
dt
0 0 0

− 40 −
 Chapitre 5

Transformée de Fourier

1. Introduction

Nous avons étudié précédemment la théorie du développement d’une fonction f(t) de période
T en série de Fourier. La question se pose tout naturellement, maintenant, de savoir ce qui se
passe lorsque T → ∞ . Nous allons trouver que dans ce cas la série de Fourier devient une
intégrale de Fourier.

2. La transformée de Fourier - Définitions

On considère une fonction f(t) satisfaisant les conditions suivantes :

1) f(t) et f’(t) sont continues par morceaux dans tout intervalle fini.

+∞

2) ∫ f (t)dt converge, c’est-à-dire que f(t) est intégrable absolument dans ] − ∞ ,+∞[
−∞

On peut alors montrer que l’on peut écrire les relations suivantes :
∞ ∞

∫ F(ν)e ∫ f (t)e
2iπνt −1 −2iπνt
f (t) = dν = F (F(ν)) et F(ν) = dt = F ( f (t))
−∞ −∞

F(ν) est appelé Transformée de Fourier de f(t) et f(t) est la transformée de Fourier inverse de
F(ν) .

On constate une similitude d’écriture entre la décomposition en série de Fourier d’une

fonction périodique et la transformée de Fourier. Les coefficients complexes de la
décomposition sont devenus une fonction continue de la fréquence ν au lieu d’être une suite
discontinue de coefficients pour des fréquences distinctes.

− 41 −
3. Exemple

Calculons la transformée de Fourier du créneau de largeur T et de hauteur 1 centré sur

l’origine f (t) =Π T (t) :

f(t) T/2

∫
1
[ ]−T /2
T /2
1 F(ν) = e −2iπνt dt = − e −2iπνt
2iπν
−T/2

F(ν) =
1
2iπν
(
e iπνT − e −iπνT )
t
−T/2 T/2

sin(πνT )
Soit : F(ν) = T
πνT

Calculons la transformée de Fourier d’une impulsion de Dirac à l’instant t0 :

f (t) = δ (t − t0 ) . Par définition, on a :

∫ δ(t − t )e −2iπνt
F(ν) = 0 dt = e −2iπνt 0
−∞

En particulier, si t0 = 0 (Dirac à l’origine), on a :

F(ν) = 1 (spectre blanc)

4. Transformation en sinus et en cosinus

Toute fonction f(t) peut être décomposée en une somme d’une fonction paire p(t) et d’une
fonction impaire q(t) :

f (t) = p(t) + q(t)

1 1
où : p(t) = ( f (t) + f (−t)) et q(t) = ( f (t) − f (−t))
2 2

La transformée de Fourier étant une opération linéaire, on obtient, en remplaçant f(t) par cette
expression :
∞ ∞

∫ ∫
F(ν) = 2 p(t)cos(2πνt)dt − 2i q(t)sin(2πνt)dt
0 0

que l’on écrit :

F ( f (t)) = Fcos ( p(t)) − iFsin (q(t))

− 42 −
où Fcos et Fsin représentent respectivement les transformations de Fourier en cosinus et en sinus
définies par :
∞ ∞

∫
Fcos ( f (t)) = 2 f (t)cos(2πνt)dt et ∫
Fsin ( f (t)) = 2 f (t)sin(2πνt)dt
0 0

Ces transformations sont surtout utiles pour le calcul numérique. Lorsque f(t) est réel, on peut
ainsi calculer séparément la partie réelle et la partie imaginaire de la transformée de Fourier.
Remarquons que, pour que la transformée de Fourier d’une fonction f(t) réelle soit également
réelle, il faut et il suffit que f(t) soit paire.

Lorsque la fonction f(t) est elle même complexe, il faut décomposer p(t) et q(t) en parties
réelles et imaginaires. On obtient alors la correspondance indiquée par les flèches :

f(t) = partie réelle paire + imaginaire paire + réelle impaire + imaginaire impaire

F(ν) = partie réelle paire + imaginaire paire + réelle impaire + imaginaire impaire

5. Propriétés de la transformée de Fourier

Dans tout ce qui suit, nous supposerons que les transformations de Fourier et
transformations de Fourier inverses existent et sont inverses l’une de l’autre. Examinons
maintenant comment une opération effectuée sur une fonction f(t) se traduit par une autre
opération sur la fonction F(ν).

5.1. Linéarité

L’intégration étant une opération linéaire, la transformation de Fourier l’est évidemment

aussi, c’est-à-dire, λ et µ étant des scalaires :

F (λf (t) + µ g(t)) = λ F ( f (t)) + µ F ( g(t))

5.2. Transposition, conjugaison

La transposée de f(t) étant −f(t), on a :

∞ ∞

F ( f (−t)) = ∫ f (−t)e ∫ f (t)e

−2iπνt 2iπνt
dt = dt
−∞ −∞

− 43 −
 F ( f (−t)) = F(−ν)

D’autre part, on a :

∞ ∞

F ( f (t)) = ∫ f (t)e ∫ f (t)e

−2iπνt 2iπνt
dt = dt
−∞ −∞

F ( f (t)) = F(−ν)

5.3. Changement d’échelle

∞ ∞

∫ f (at)e ∫ f (t)e
1
F ( f (at)) = −2iπνt
dt = −2iπ( ν /a)t
dt
a
−∞ −∞

1  ν
F ( f (at)) = F
a  a

Une compression de l’échelle des t entraîne une dilatation de l’échelle des fréquences.

5.4. Translation

Cherchons la transformation de Fourier de f(t−a). En posant x = t−a, on obtient :

∞ ∞ ∞

F ( f (t − a)) = ∫ f (t − a)e ∫ f (x)e ∫ f (x)e

−2iπνt −2iπν( x+ a) −2iπνa −2iπνx
dt = dx = e dx
−∞ −∞ −∞

F ( f (t − a)) = e −2iπνa F ( ν)

A une translation de f(t) correspond un “déphasage” de F(ν) proportionnel à la fréquence ν.

5.5. Modulation

Inversement, la transformée de Fourier de e 2iπν 0 t f (t ) est donnée par :

F (e 2iπν 0 t
) ∫ f (t )e 2iπν te −2iπνt dt
f (t ) = 0

−∞

− 44 −
 F (e 2iπν0 t f (t )) = F(ν −ν 0 )

Moduler une fonction f(t) par une exponentielle imaginaire revient à translater sa transformée
de Fourier.

5.6. Dérivation par rapport à la variable t

Supposons f(t) sommable, dérivable, à dérivée sommable :

∞

F ( f ' (t )) = ∫ f ' (t )e −2iπνt

dt
−∞

Intégrons par parties :

∞

F ( f ' (t )) = [ ] ∫ f (t )e
+∞
f (t)e −2iπνt −2iπνt
+ 2iπν dt
−∞
−∞

Le premier terme est nul car f est sommable, f (+∞) = f (−∞) = 0 . Il reste :

F ( f ' (t )) = 2iπνF ( f (t )) = 2iπνF(ν)

A la dérivation correspond une multiplication par 2iπν. Plus généralement, pour la dérivée
d’ordre m :

F ( f (m) (t )) = (2iπν) m F(ν)

Le résultat précédent conduit à une importante majoration. De l’expression :

∞

∫f (t )e −2iπνt dt
m (m)
(2iπν) F(ν) =
−∞
on tire :
∞

∫f (t ) dt
m (m)
2iπν F(ν) ≤
−∞

On conclue donc que plus f est dérivable, à dérivées sommables, plus F décroît rapidement à
l’infini.

5.7. Dérivation par rapport à la fréquence

d
Calculons F(ν) :
dν
− 45 −
 ∞

∫ f (t)e
d d −2iπνt
F(ν) = dt
dν dν
−∞
Soit, en dérivant sous le signe somme :
∞

∫ −2iπtf (t)e
d
dt = F (−2iπtf (t))
−2iπνt
F(ν) =
dν
−∞

Cette expression est légitime si tf(t) est sommable. Plus généralement :

F ((−2iπt)m f (t)) = F ( m) (ν)

Ce résultat conduit encore à une majoration :

∞

∫ 2πt
( m) m
F (ν) ≤ f (t)dt
−∞

Plus f(t) décroît à l’infini, plus F(ν) est dérivable (avec des dérivées bornées).

6. L’opérateur de convolution
6.1. Produit de convolution de deux fonctions

On appelle, lorsqu’il existe, produit de convolution de deux fonctions localement sommables

f(t) et g(t) la fonction h(t) définie par :
∞

h(t) = ∫ f (τ)g(t −τ )dτ

−∞
que l’on écrit symboliquement : h(t) = f (t)* g(t). Le mot “produit” se justifie aisément si l’on
remarque que l’opération est commutative, car en posant θ = t −τ , il vient :
∞

h(t) = ∫ f (t −θ )g(θ)dθ = g(t) * f (t)

−∞

et que l’opération est distributive par rapport à l’addition (linéarité de l’intégrale) :

f (t) * ( g1 (t) + g2 (t)) = f (t) * g1 (t) + f (t )* g2 (t)

En général, l’une des deux fonctions est à support borné, ou très rapidement décroissante (ici
g(t)) de sorte que le produit a un sens. La fonction h(t) représente alors une moyenne de f(t)

− 46 −
pondérée au voisinage de chaque valeur t par g(t−τ). Il s’ensuit que, si g(t) est suffisamment
régulière, h(t) présente des fluctuations moins rapides que f(t).

La figure ci-après montre la convolution d’un signal f(t) avec une “impulsion” de largeur
finie g(t).
f(t) g(t)

f(t)*g(t)

6.2. Les opérateurs de convolution en physique

Très souvent, un système physique peut être décrit par un opérateur faisant correspondre à
tout signal x d’excitation, une réponse y unique du système :

opérateur
x → y

y et x peuvent être des fonctions du temps, par exemple les tensions à l’entrée et à la sortie
d’un circuit électrique ou des fonctions dans l’espace, par exemple la répartition des brillances
d’un objet et dans l’image qu’en fournit un système optique. Ces grandeurs x et y ne sont pas
forcément des grandeurs de même nature, par exemple x peut être la force imposée à un système
mécanique et y le mouvement du système sous l’action de cette force. L’étude du système
physique se ramène alors à l’étude des propriétés de l’opérateur qui le décrit. Pour qu’un
système physique soit décrit par un opérateur de convolution, il faut et il suffit qu’il soit linéaire,
continu et invariant par translation. Dans ce cas, la réponse y à un signal x quelconque est
donnée par :

y=x* g

− 47 −
 Pour déterminer g, on applique au système une excitation de Dirac δ. La réponse
correspondante est :

y=δ* g=g
g est appelée réponse impulsionnelle du système. Sans donner de démonstration précise,
justifions l’usage de l’opérateur de convolution. Soit g(t) la réponse impulsionnelle d’un
système physique quelconque :
opérateur
δ(t ) → g(t)

Si le système est invariant par translation, on a :

opérateur
δ(t − t0 ) → g(t − t 0 )

Considérons alors une excitation x(t) combinaison linéaire finie d’excitations de Dirac :

x(t) = ∑ x n δ(t − t n )
n

où les xn sont des scalaires. Si le système est linéaire, la réponse sera :

y(t ) = ∑ xn g(t − tn )
n

Enfin, si le système est continu, on imagine aisément que l’on puisse, par un passage à la
limite, obtenir la réponse à une excitation x(t) quelconque en la décomposant en une
combinaison linéaire continue d’excitations de Dirac :
t

x(t) = ∫ x(θ)δ(t −θ)dθ

0

La réponse correspondante est alors :

t

y(t ) = ∫ x(θ)g(t −θ)dθ

0

c’est-à-dire :

y(t ) = x(t)* g(t)

6.3. Transformée de Fourier du produit de convolution de deux fonctions

Supposons f(t) et g(t) deux fonctions sommables telles que f(t)*g(t) existe :

− 48 −
 ∞ ∞

F ( f (t) * g(t)) = ∫e ∫ f (τ)g(t −τ )dτdt

−2iπνt

−∞ −∞

∞ ∞

F ( f (t) * g(t)) = ∫ f (τ) ∫ g(t −τ )e −2iπνt

dτdt
−∞ −∞

soit en posant θ = t −τ

∞ ∞

F ( f (t) * g(t)) = ∫ f (τ)e ∫

−2iπντ
dτ g(θ)e −2iπνθ dθ
−∞ −∞

F ( f (t) * g(t)) =F ( f (t))F (g(t)) = F(ν)G(ν)

On démontrerait de même que :

F −1 ( F(ν)* G(ν)) = F −1 ( F(ν))F −1( G(ν)) = f (t)g(t)

La transformée de Fourier du produit de convolution est le produit ordinaire des transformées

de Fourier.

6.4. Formule de Parseval-Plancherel

∞

Cherchons à évaluer l’expression : ∫ f (t)g(t)dt , on a :

−∞

∫ f (t)g(t)dt = [F ( f (t)g(t))] ν=0

[
= F ( f (t)) * F (g(t)) ]ν= 0 = [ F(ν)* G(−ν)]ν=0
−∞

∞ ∞  ∞

∫ ∫
f (t)g(t)dt =  F(x)G(x − ν)dx 
 −∞
= F(x)G(x)dx
 ν=0 −∞
∫
−∞

Un cas particulier important est f(t) = g(t), soit :

∞ ∞

∫ f (t) dt = ∫ F(ν)
2 2
dν
−∞ −∞

− 49 −
 Si f(t) est un signal physique, ces deux intégrales expriment respectivement dans le domaine
temporel et dans le domaine fréquentiel l’énergie de ce signal.

7. Transformée de Fourier des signaux périodiques - T.F. généralisée

Considérons un signal périodique de période T sur ] − ∞ ,+∞[ . Dans le cas général, un tel
signal n’admet pas de transformée de Fourier car il n’est pas à énergie finie. On peut en
revanche décomposer un tel signal en série de Fourier et écrire :

+∞ T

∫ f (t)e
1 1
f (t) = ∑ cne 2iπnν 0 t
cn =
T
−2iπnν 0 t
dt avec ν0 =
T
n =−∞
0

Considérons la transformée de Fourier inverse de la fonction δ(ν − nν0 ) (Dirac à la

fréquence nν0 ). Par suite des propriétés de la fonction de Dirac, on peut écrire :

(δ(ν − nν 0) ) = ∫ δ(ν− nν )e
−1 2iπνt
F 0 dν = e2iπnν0 t
−∞

On a donc :

F (e 2iπnν0 t ) = δ (ν − nν0 )

En appliquant ce résultat au signal f(t), on peut écrire :

+∞ +∞
F ( f (t)) = F(ν) = ∑ cnF (e 2iπnν 0 t
) = ∑ cnδ(ν − nν 0 )
n=−∞ n =−∞

Autrement dit, la transformée de Fourier d’un signal périodique de période T est une suite de
fonctions impulsions de Dirac (raies) de poids cn aux fréquences nν0 , les cn étant les
coefficients du développement en série de Fourier de f(t).

Par exemple, calculons la transformée de Fourier de cos(2πν0 t), Par définition le

développement en série de Fourier de cos(2πν0 t) est :

cos(2πν0 t) =
2
(
1 2 πν 0 t
e + e −2πν 0 t )
On a alors :

− 50 −
 1
F (cos(2πν0 t)) = (δ(ν +ν 0 ) + δ (ν −ν 0 ))
2

On obtient deux raies de poids 1/2 aux fréquences ν0 et −ν0 .

Calculons maintenant la transformée de Fourier d’un cosinus de fréquence ν0 vu à travers

une fenêtre de largeur T (signal non périodique) :

 f (t) = cos(2πν t) − T ≤ t ≤ T
 0
2 2
 f (t) = 0 ailleurs

On peut écrire :

f (t) =Π T (t)cos(2πν0 t)

On en déduit donc :

T sin(πνT )
F(ν) = * (δ(ν +ν 0 ) + δ (ν −ν 0 ) )
2 πνT

On retrouve donc la transformée de Fourier de la fenêtre de largeur T centrée sur les deux
fréquences +ν0 et −ν0 .

8. Transformée de Fourier numérique d’un signal

8.1. Estimation de la transformée de Fourier

Si l’on veut calculer numériquement la transformée de Fourier d’un signal f(t), on ne peut le
faire sur l’intervalle ]−∞,+∞[ (sauf dans le cas où f(t) est nulle en dehors de l’intervalle [a, b], a
et b étant finis). On est donc obligé de considérer ce signal sur un intervalle de temps fini T.

Pour calculer une estimation de la transformée de Fourier d’un tel signal sur T, on considère
que ce signal est périodique de période T. Soit xˆ (t) le signal périodique obtenu :

 xˆ (t) = x(t) pour t0 < t < t0 + T


 xˆ (t) périodique de période T

Ce signal xˆ (t) possède alors une transformée de Fourier que l’on peut écrire :

+∞
1
F(ν) = ∑ cnδ(ν − nν0 ) avec ν0 =
T
n=−∞

− 51 −
 T

∫ f (t)e
1 −2iπnν 0 t
cn = dt
T
0

Afin de simplifier les écritures, on a posé ici t0 = 0.

L’estimation de la transformée de Fourier d’un signal f(t) sur un intervalle de temps T est
donc une suite de raies (Dirac) de poids cn distantes de ν0 = 1/T. La résolution minimale de cette
transformée de Fourier est donc égale à 1/T.

8.2. Calcul des coefficients cn

Pour calculer numériquement les cn donnés par :

T

∫ f (t)e
1 −2iπnν 0 t 1
cn = dt avec ν0 =
T T
0

on utilise une méthode classique qui consiste à discrétiser l’intégrale en un nombre N

d’intégrales élémentaires obtenues en échantillonnant xˆ (t) en N points sur l’intervalle de largeur
T. On écrit alors :

N −1 (k +1)T N

∑ ∫ f (t)e
1 −2iπnν 0 t
cn = dt
T
k=0 kT N

Si T/N est petit, en intégrant par la méthode des rectangles, on obtient :

N −1 N −1

∑ ∑ f  kTN  e
1 T  kT  −2iπnk / N 1 −2iπnk / N
cn = f e =
T N N N
k=0 k =0

L’expression précédente permet de constater que pour un cn , il y a N sinus et N cosinus à

calculer, car :

 
e −2iπnk / N = cos 2πn  − i sin 2πn 
k k
N N

Il y aurait donc nN sinus et nN cosinus à calculer. Mais quel est le nombre de cn qu’il faut
calculer ? Calculons cn+N :

− 52 −
 N −1 N −1

∑  kT
f   e−2iπ( n+ N )k / N = ∑ f  kTN  e
1 1 −2iπnk/ N −2iπk
cn+ N = e
N N N
k =0 k =0

Comme e −2iπk = 1, on a cn+N = cn . Les cn sont donc périodiques de période N. Il y aura donc
à calculer N coefficients cn , n variant de 0 à N−1.

Plaçons nous maintenant dans le cas d’un signal réel (cas le plus fréquent) et calculons c n .

N −1

∑ f  kTN  e
1 2iπnk / N
c− n = = cn
N
k=0

Calculons également cN n :

N −1

∑ f  kTN e
1 2iπnk / N −2iπk
cN − n = e = cn = c−n
N
k =0

Autrement dit, dans le cas d’un signal réel, on est ramené à calculer les cn pour n variant de 0
à N/2 ; les coefficients suivants se déduisant de ceux-ci. Cette constatation permet en outre de
montrer que si l’on veut obtenir la transformée de Fourier de f(t) sans erreur, il faut que les cn
soient nuls pour n > N/2 (spectre total) sinon on n’aura pas tout le spectre du signal. Cela
implique que la fréquence maximale contenue dans le signal doit être inférieure à N/2T puisque
cN/2 correspond à cette fréquence.

On retrouve ici le théorème de Shannon qui donne la fréquence minimale νe

d’échantillonnage d’un signal :

νe ≥ 2 νmax

La fréquence d’échantillonnage doit être au moins deux fois la fréquence maximum du signal
échantillonné.

8.3. Algorithme de la Transformée de Fourier Rapide

Cet algorithme de Transformée de Fourier Rapide (en anglais FFT pour Fast Fourier
Transform) est dû à Cooley et Tuckey (1965). La méthode exploite le fait qu’en posant
w = e −2iπ / N , racine Nième de l’unité, on a w kn = e −2iπkn/ N avec kn entier. Ainsi w kn ne peut
prendre que N valeurs différentes (les racines de l’unité) et lorsque kn évolue, on “repasse” par
les mêmes valeurs.

On cherche donc à calculer :

− 53 −
 N −1

∑  kT
f   e −2iπnk / N
1
cn =
N N
k=0

Pour simplifier l’exposé, nous allons calculer les quantités :

N −1
Nc n = ∑ f ke 2iπnk / N
k=0
où fk est la valeur de f(t) à l’instant kT/N. Comme il y a N coefficient cn , on aurait théoriquement
N2 sinus et cosinus à calculer.

Supposons que N soit divisible par 2

On a alors :
N / 2 −1 N −1
Nc n = ∑ fk e 2iπnk / N + ∑ fk e 2iπnk / N
k=0 k = N /2

Soit, par un changement de variable sur l’indice de sommation du second terme :

N / 2 −1 N /2 −1
Nc n = ∑ fk e 2iπnk / N
+ ∑ fk + N /2 e 2iπn(k + N /2)/ N
k=0 k=0

N / 2 −1
Nc n = ∑ ( fk + f k + N / 2 eiπn )e 2iπnk / N avec e iπn = (−1)n
k=0

Posons :

f k0 = f k
f k1 = fk0 + fk0+ N /2 e iπn

On peut alors écrire :

N / 2 −1
Nc n = ∑ fk1e 2iπnk / N
k=0

Supposons alors que N/2 soit divisible par 2, c’est-à-dire N divisible par 4

Comme précédemment, on peut écrire :

N / 4 −1 N / 2 −1
Nc n = ∑ fk1e 2iπnk / N + ∑ fk1e2iπnk/ N
k=0 k =N/4

N / 4 −1 N / 4 −1
Nc n = ∑ fk1e 2iπnk / N + ∑ fk1+ N / 4e 2iπn( k + N /4)/ N
k=0 k=0

− 54 −
 N / 4 −1
Nc n = ∑ ( fk1 + fk1+ N /4 e iπn/ 2 )e2iπnk/ N avec e iπn/ 2 = 1, i, − 1, − i
k=0

Posons :

f k2 = f k1 + fk1+ N /4 e iπn /2

On peut alors écrire :

N / 4 −1
Nc n = ∑ fk2 e2iπnk/ N
k=0

On peut continuer et généraliser en supposant N divisible par 2I. On écrit alors :

I −1
f kI = fkI −1 + f kI+−1N / 2 I e iπn /2

N / 2 I −1
Nc n = ∑ fkI e2iπnk/ N
k =0

Si N est une puissance 2, N = 2m , on aura finalement :

m −1
f km = f km −1 + fkm−1 iπn/ 2
+1 e

0
Nc n = ∑ fkm = f0m
k =0

Donc, pour calculer cn , il suffit de connaître :

 kT
f k0 = f k = f   N termes
n
f k1 = fk0 + fk0+ N /2 e iπn N/2 termes

f k2 = f k1 + fk1+ N /4 e iπn /2 N/4 termes

:
I −1
f kI = fkI −1 + f kI+−1N / 2 I e iπn /2 N/2I termes
:
m −1
f km = f km −1 + fkm−1 iπn/ 2
+1 e 1 terme (k = 0)

On a alors :

Nc n = f 0m

− 55 −
 I −1
Il n’y a donc à calculer que les termes e iπn/ 2 , pour I allant de 1 à m, tel que N = 2m . Cela
nécessite au total N log2 (N)/2 calculs de sinus et cosinus au lieu de N2 calculs. Cette réduction
est considérable. Par exemple, pour la transformée de Fourier d’un signal connu en 1024 = 210
points, il y a théoriquement environ 106 calculs de sinus et cosinus alors qu’avec la transformée
de Fourier Rapide, il n’en faut plus que 5120.

− 56 −
 Chapitre 6

Transformation de Laplace

1. La transformée de Laplace - Définitions

De nombreuses fonctions importantes en pratique n’ont pas de transformée de Fourier,

citons par exemple f(t) = cte, t, t2 ,... Si l’originale f(t) croît moins vite que la fonction
exponentielle, c’est-à-dire s’il existe, quelque soit t, deux constantes M et α positives telles que :

f (t) < Meαt

La convergence de l’intégrale de Fourier peut être assurée en multipliant l’intégrant par le

facteur e −σt où σ est une constante réelle positive supérieure ou égale à l’indice de croissance α
de f(t). Comme ce facteur diverge pour t tendant vers moins l’infini, nous limiterons l’intégration
aux valeurs de t positives. H(t) étant l’échelon unité (fonction de Heaviside), la fonction
g(t) = f (t)e −σt H(t) , nulle pour t < 0 admet une transformée de Fourier lorsque σ > α :

∫ f (t )e −σt
G(ν) = H(t)e −2iπνt dt
−∞

telle que :
∞

∫ G(ν)e
−σt 2iπνt
f (t)e H(t) = dν
−∞

En faisant apparaître la pulsation ω = 2πν correspondant à la fréquence ν et en effectuant le

changement de variable p = σ + iω, on obtient :

∫ f (t)e −σt
G(ν) = F(p) = H(t)e −iωt dt
−∞

∫ f (t)e − pt
F( p) = dt
0

− 57 −
et
∞

∫ G(ν)e
−σt iωt
f (t)e H(t) = dν
−∞
p −σ
avec p = σ + iω =σ + 2iπν, on a ν = . Quand ν→ −∞ , p → σ− i∞ et quand ν→ +∞ ,
2iπ
dp
p → σ+ i∞ . On a également dν = . On déduit alors :
2iπ
σ+ i∞

∫ F(p)e
1 pt
f (t)H(t) = dp σ = Re( p) > α
2iπ
σ− i∞

Par définition F(p) est la transformée de Laplace1 de f(t). F(p) est l’image de l’original f(t) :
F( p) = L ( f (t)). Le paramètre σ est une abscisse au delà de laquelle on a convergence de
l’intégrale, celui-ci est donc appelé abscisse de convergence. La fonction F(p) est holomorphe
dans le demi-plan droit des p à partie réelle σ > α. Remarquons que l’intégrale précédente
inversant la transformée de Laplace est toujours nulle lorsque t est négatif. En effet, si l’on ferme
le contour σ = cte > α par le demi-cercle CR de rayon R dans le demi-plan droit, il vient :
σ+ i∞

∫ F(p)e ∫ F( p)e
pt pt
dp + lim dp = 0
R→∞
σ− i∞ CR

car F(p) est holomorphe à l’intérieur du domaine d’intégration. Lorsque t est négatif, la première
intégrale est nulle car la seconde tend vers zéro lorsque R → +∞ . Il est donc possible de
supprimer H(t) dans la formule initiale et d’écrire :
σ+i∞

∫ F( p)e
1
f (t) = L ( F(p)) =
−1 pt
dp σ = Re( p) > α
2iπ
σ−i∞

Cette transformation, dite de Mellin-Fourier, n’est pratiquement utilisée que par les
mathématiciens pour dresser les tables de transformées de Laplace. Son usage est mal aisé et
lorsqu’on cherche l’original d’une image, on procède plutôt par analogie avec des cas déjà
calculés et consignés dans les tables.

Lorsque t est positif, un moyen puissant de calcul de f(t) est l’emploi de la méthode des
résidus sur le contour σ = cte > α, fermé par le demi-cercle C’R de rayon R du coté gauche, à
l’intérieur duquel F(p) n’est pas holomorphe. D’après le théorème des résidus, on a :
σ+ i∞

∫ F(p)e pt
dp + lim
R→∞ ∫ F(p)e pt
dp = 2iπ ∑ Résidus( F(p)e ) pt

σ− i∞ C' R

1Pierre Simon de Laplace (1749-1827) fils d’un cultivateur normand, cofondateur avec Monge de l’Ecole Polytechnique
sous Bonaparte fut un homme politique discret et un scientifique de renom. Contemporain de Fourier qu’il connut à
Polytechnique, il rédigea, entre autres publications, la théorie exposée dans ce chapitre.
− 58 −
 ω ω

C'R
CR

σ σ
0 α 0 α

t<0 t<0

Comme la deuxième intégrale tend vers zéro lorsque t > 0, f(t) est donné par :

f (t) = ∑ Résidus(F( p)e ) pt

avec t > 0 et σ > α

2. Propriétés de la transformée de Laplace

Dans tout ce qui suit nous supposerons que les transformées de Laplace sont définies c’est-
à-dire que l’on s’est placé, pour les calculs, à la droite de la plus grande abscisse de
convergence. Certaines propriétés dont la démonstration est évidente seront justes énoncées.

2.1. Linéarité

L’intégration étant une opération linéaire, la transformation de Laplace l’est évidemment

aussi, c’est-à-dire, λ et µ étant des scalaires :

L( λf (t) + µ g(t )) = λL( f (t)) + µ L (g(t))

2.2. Changement d’échelle

L( f (at)) = F  
1 p
avec a > 0
a a

2.3. Translation de la variable t

L( f (t −τ )) = e −aτ F ( p)

2.4. Translation de la variable p

L( e− at f (t )) = F( p + a)

− 59 −
2.5. Dérivation de l’image
∞ ∞

∫ f (t)e ∫ f (t)(−t)e
− pt dF(p) − pt
Si F( p) = dt alors = dt
dp
0 0

et plus généralement :
∞

L((−t) f (t )) = F (p) =
n ( n)
∫ f (t)(−t) e n − pt
dt
0

L’apparition du monôme (−t)n sous le signe intégral n’affecte en rien la convergence. Si la

transformée de Laplace de H(t)f(t) existe moyennant certaines conditions, la transformée de
(−t)n H(t)f(t) existera moyennant les mêmes conditions.

2.6. Dérivation de l’original

∞

∫
L( f' (t )) = f ' (t )e − pt dt
0

Intégrons par parties :

∞

L( f' (t )) = [ ] ∫ f (t )e
+∞
f (t )e− pt − pt
+p dt
0
0

L( f' (t )) = pF( p) − f (0 + )

Plus généralement, en appliquant plusieurs fois la même démarche, on a :

L( f ( n) (t )) = p n F(p) − p n−1 f (0 + ) − p n−2 f '(0 + )−... − f ( n−1) (0 + )

La transformation de Laplace transforme une dérivation en une multiplication (à une

constante additive près). Elle transforme donc les équations différentielles en équations
algébriques, ce qui simplifie considérablement leur résolution. On peut dire qu’à cause de cette
propriété, la transformation de Laplace est aux fonctions ce que les logarithmes sont aux
nombres.

− 60 −
2.7. Intégration de l’original

t  ∞ t 

0
∫  0 0
∫∫
L  f (u)du =  f (u)du e − pt dt


Soit g(t) = ∫ f (u)du avec g(0) = 0

0

L 
dg(t) 
 = pG( p) − g(0 + ) d’où L( f (t)) = pG(p) = F( p)
dt

F( p)
G( p) =
p

t  F( p)

0
∫
L  f (u)du =
 p

2.8. Transformation du produit de convolution

∞ ∞ 
∫ ∫
L( f (t ) * g(t)) =  f (τ)g(t − τ)dτ e − pt dt
0  −∞ 

Rappelons que, par souci de simplicité, nous avons omis l’écriture de la fonction de
Heaviside pour chacune des fonctions intervenant dans le produit de convolution. La fonction
f(t) est telle que f(t) = 0 pour t < 0, on peut donc écrire :

∞ ∞ 
∫ ∫
L( f (t ) * g(t)) =  f (τ)g(t −τ )dτe − ptdt

0 0

Faisons entrer le terme e − pt dans l’intégrale de convolution et permutons l’ordre des

intégrations :
∞ ∞ 
∫∫
L( f (t ) * g(t)) =  e f (τ)g(t −τ )dt dτ
− pt

0 0 

∞ ∞ 
L( f (t ) * g(t)) = ∫ ∫ − pt
f (τ) e g(t −τ )dt  dτ
0 0 

− 61 −
 On reconnaît dans l’intégrale intérieure la transformée de Laplace d’une fonction (nulle pour
t < τ) retardée ; d’après le théorème du retard, on a :

L( f (t ) * g(t)) = ∫ f (τ)e − pτ
G( p)dτ
0

∫
L( f (t ) * g(t)) = G(p) f (τ)e − pτdτ
0

L( f (t ) * g(t)) = F(p)G(p)

Le produit de convolution est transformé en produit simple.

2.9. Théorème de la valeur initiale et de la valeur finale

lim pF( p) = lim f (t) et lim pF( p) = lim f (t)

p→0 t→∞ p→∞ t→ 0

En partant de la transformée de Laplace de la dérivée d’une fonction :

∞

∫ f' (t)e − pt
L( f '(t)) = dt = pF( p) − f (0 + )
0

Prenons la limite de cette égalité quand p → 0 :

∫ f '(t )dt = lim pF( p) − f (0 ) +

p→0
0

∞
[ f (t) ]0 = lim pF( p) − f (0 + )
p→ 0

lim f (t) − f (0 + ) = lim pF( p) − f (0 + )

t→∞ p→0

d’où :

lim f (t) = lim pF(p)

t→∞ p→ 0

Prenons la limite de l’égalité quand p → ∞ , on obtient directement :

lim pF( p) = f (0 + ) = lim f (t)

p→∞ t→0

− 62 −
3. Exemples de calculs
3.1. Echelon unitaire - Fonction de Heaviside

0 t < 0
H(t) =  , on a :
1 t > 0

∞ ∞
 1 − pt   1
L(H(t)) = e ∫ dt =  − e  = 0 −  −
− pt
 p 0  p
0

L(H(t)) = 1
p

3.2. Impulsion

Considérons maintenant la fonction décrite par morceaux suivante :

 f (t) = 0 t ≤ 0
 f (t) = K 0 < t ≤ 1/ K
 f (t) = 0 t > 1/ K

1/ K 1K
 K 
∫ Ke − pt
L( f (t )) = dt =  − e − pt 
 p  0
0

L( f (t )) = − K e − p K + K = K (1 − e − p K
)
p p p

Si l’on fait tendre K vers l’infini, la fonction f(t) tend vers une impulsion, dans ce cas, le terme
p/K est un infiniment petit que l’on peut approximer par les premiers termes de son
développement :

K 
1 −  1−   = 1
p
L( f (t )) ≈
p  K 

La fonction f(t) est appelée fonction de Dirac, elle est notée δ(t). La transformée de Laplace de
la fonction de Dirac est donc une constante. Inversement, la seule fonction temporelle dont la
transformée de Laplace est une constante est une fonction de Dirac.

La fonction de Dirac est donc l’élément unitaire de la convolution. En effet dans le domaine
temporel, f(t) * δ(t) = f(t) et en transformée de Laplace, F(p).1 = F(p). Cela signifie, en physique,
que la fonction de transfert d’un système est sa réponse impulsionnelle.

− 63 −
3.3. Fonction exponentielle

Calculons la transformée de Laplace de la fonction f(t) = eat :

∞ ∞

L( e ) = ∫e ∫ [ ]0
at − pt 1 ∞
dt = e −( p−a) t dt = − e − ( p− a)t
at
e
p− a
0 0

L( eat )
1
=
p−a

Cherchons maintenant à calculer la transformée de Laplace de la fonction cos(ωt). Afin de

( )
faciliter l’intégration rappelons que l’on a cos(ωt ) = Re eiωt = Re(cos(ωt) + i sin(ωt)) . On a
alors, d’après le résultat précédent :

 p + iω 
L( cos(ωt)) = Re L( eiωt ) = Re( )  1 
 p − iω 
= Re  2 
 p +ω 2 

p
L( cos(ωt)) =
p +ω 2
2

On déduit également :

L(sin(ωt)) = Im L (eiωt ) = ( ) ω
p +ω 2
2
σ+ i∞

∫
p pt
Cherchons maintenant, en calculant l’intégrale 2 e dp à l’aide des résidus, à
p +ω
2
inverser cette transformée de Laplace : σ− i∞

 p   pe pt   pe pt 
L−1 
 p +ω 
2 2 = ∑ Résidus
 p +ω 
2 2
 = ∑ Résidus
 (p − iω)(p + iω)

 p  pe pt pe pt −iωe −iωt iωe iωt

L−1  = + = +
 p2 +ω 2  (p − iω) p=−iω (p + iω) p= iω −2iω 2iω

 p 
L−1  = cos(ωt)
 p +ω 2 
2

3.4. Extension à un cas complexe

Calculons la transformée de Laplace de f (t) = sin( t ) . Exprimons tout d’abord la fonction

sinus sous la forme d’une somme de série :
∞

∑ u 2n+1
sin(u) = (−1)n
(2n + 1)!
n= 0

− 64 −
 On peut donc écrire :

∞
( t )2n+1 = ∞

∑ (−1) ∑ t n+1/2
sin( t ) = n n
(−1)
(2n + 1)! (2n + 1)!
n= 0 n= 0

d’où :

 ∞ n+1/2  ∞
L(sin ( t )) ∑ ∑ ( )
n t (−1)n
= L (−1) = L t n+1/2
 n =0 (2n + 1)! (2n + 1)!
n= 0

( )
Pour calculer L t n+1/2 , rappelons la définition de la fonction gamma :

∫x u −1 − x
Γ(u) = e dx
0

Rappelons également que Γ(u + 1) = uΓ(u). On cherche à calculer :

L( t n+1/2
) = ∫ t n+1/2e − pt dt
0

dv
avec le changement de variable v = pt , on a = dt
p

n+1/2+1 ∞
1 Γ(n + 1/ 2 + 1)
L( t n+1/2
) = ∫ vn +1/2 e − vdv =
 p pn+1/2+1
0

On peut alors écrire (voir annexe 1) :

(2n + 1)!
L( t n+1/2 ) = n+1/2+1 nπ
2p 4 n!

d’où :
∞ ∞
L(sin ( t )) = ∑ ) ∑ (2n + 1)!
(−1)n
(2n + 1)!
(
L t n+1/2 =
(−1)n
(2n + 1)! 2p n+1/2+1 4 n n!
π
n= 0 n =0

∞ ∞ n
 −1  1
L(sin ( t )) = ∑ ∑
(−1)n π
π=
2p n+1/2+1 4 n n! 2 p3/2  4 p  n!
n= 0 n= 0

L(sin ( t )) =
π
3/2 e −1/4 p
2p

− 65 −
 Annexe
Calculs complémentaires pour l’évaluation de L sin ( t ) ( )
Evaluation de Γ(n + 1/ 2 + 1):

Γ(n + 1/ 2 + 1) = (n + 1/ 2)Γ(n + 1/ 2)

Γ(n + 1/ 2 + 1) = (n + 1/ 2)(n − 1+ 1/ 2)Γ(n − 1+ 1/ 2)

En poursuivant le processus :

Γ(n + 1/ 2 + 1) = (n + 1/ 2)(n − 1+ 1/ 2)....(1/ 2)Γ(1/ 2)

Calculons Γ(1/ 2) :

∫x −1/2 − x
Γ(1/ 2) = e dx
0

En posant x = u2 , c’est-à-dire dx = 2 u du, on a :

∞

∫
Γ(1/ 2) = 2 e − u du
2

 ∞ 2  ∞ 2  ∞∞

∫ ∫
(Γ(1/ 2) ) =  2 e du  2 e dv  = 4 e− (u + v )dudv ∫∫
2 −u −v 2 2

 0  0  0 0

En passant en coordonnées polaires, u = ρ cos(φ), v = ρ sin(φ), on obtient :

π/ 2 ∞ π /2 ∞ π/ 2

∫ ∫e ∫ ∫ dφ = π
−ρ 2  − 1 e −ρ2  dφ = 2
(Γ(1/ 2) ) = 4
2
ρdρdφ = 4
 2 0
φ= 0 ρ=0 φ= 0 φ= 0

d’où le résultat :

Γ(1/ 2) = π

On peut alors écrire :

Γ(n + 1/ 2 + 1) = (n + 1/ 2)(n − 1+ 1/ 2)....(1/ 2) π

Calculons :

X = π Γ(n + 1/ 2 + 1) = (n + 1/ 2)(n − 1 + 1/ 2)....(1/ 2)

− 66 −
 On a :

2 n+1 X = (2n + 1)(2n − 1)(2n − 3)....(3)(1)

(2n + 1)! (2n + 1)!

2 n+1 X = =
(2n)(2n − 2)(2n − 4)....(2) 2n n!

(2n + 1)!
X=
2 n! 4 n
d’où :

(2n + 1)!
Γ(n + 1/ 2 + 1) = π
2 n! 4 n

− 67 −
 Références
Ce document s’inspire, pour partie, des cours polycopiés “Analyse de Fourier” et
“Fonctions de variables complexes” créés par le Professeur Jean-Louis Greffe

Les références suivantes ont également été utilisées pour la conception de ce cours :

E. Dieulesaint et D. Royer. Automatique appliquée. 1. Systèmes linéaires de commande à

signaux analogiques. Masson, 1987.

J.L. Greffe. "Analyse de Fourier" et "Fonctions de variables complexes". Cours de première

année ENSG, 1993/1994.

M. Rivoire et J.L. Ferrier. Cours d’automatique. Tome 1 : Signaux et systèmes. Eyrolles,

1989.

F. Rodier. Distributions et transformation de Fourier à l’usage des physiciens et des

ingénieurs. Mac Graw Hill, 1988.

− 68 −