Analyse de Fourier et applications
Transcription
Analyse de Fourier et applications
Virginie Ehrlacher, Antoine Levitt et Gabriel Stoltz Analyse de Fourier et applications Corrections 2016-2017 Cours ENPC - IMI - 2ème année Table des matières Syllabus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1 Séries de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 Bases hilbertiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Coefficients de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3 Séries de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.1 Convergence L2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.2 Convergence ponctuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4 Applications des séries de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4.1 Applications aux équations aux dérivées partielles . . . . . . . . . . . . . . . . . . . . . . 1.4.2 Premières applications à l’analyse en fréquences . . . . . . . . . . . . . . . . . . . . . . . . 5 5 7 10 10 11 12 12 15 2 Transformée de Fourier dans L1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Propriétés algébriques de la transformée de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.4 Transformée de Fourier inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 19 20 22 23 3 Transformée de Fourier des distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1 Fonctions lisses à décroissance rapide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.1 L’espace S . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.2 Transformée de Fourier dans S . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Distributions tempérées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.1 Définition des distributions tempérées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.2 Convergence et dérivation dans S 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.3 Injection de Lp dans S 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.4 Transformée de Fourier dans S 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 27 27 29 30 30 32 34 34 4 Espaces de Sobolev et équations aux dérivées partielles . . . . . . . . . . . . . . . . . . . . . 4.1 Transformée de Fourier dans L2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Espaces de Sobolev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3 Résolution d’équations aux dérivées partielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 37 39 41 5 Séries de Fourier des distributions périodiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1 Distributions périodiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 Séries de Fourier des distributions périodiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3 Transformée de Fourier des distributions périodiques . . . . . . . . . . . . . . . . . . . . . . . . . . 43 43 44 47 VI Table des matières 6 Échantillonnage et transformée de Fourier discrète . . . . . . . . . . . . . . . . . . . . . . . . . 6.1 Échantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1.1 Échantillonnage d’un signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1.2 Théorème de Shannon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 Le recouvrement spectral (aliasing) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2.1 Exemple de repliement spectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2.2 Suppression de l’aliasing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3 Transformée de Fourier discrète . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4 Transformée de Fourier rapide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4.1 Présentation générale de la méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4.2 Calcul de complexité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 49 49 51 53 53 55 55 57 57 58 7 Appendice : distributions à support compact . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 Syllabus Bref aperçu du contenu du cours L’analyse en fréquences, en particulier la transformée de Fourier, est un outil qui permet de décomposer les signaux ou les opérateurs selon leurs modes fondamentaux. Cette théorie mathématique a de nombreuses applications pour l’ingénieur, parfois spectaculaires : étude des cours de la bourse, compréhension climatique de la température des océans, mise en résonance de structures de génie civil conduisant à leur ruine, compression de sons et d’image, etc. A l’issue de ce cours, les étudiants sauront utiliser à bon escient la transformation de Fourier pour analyser un problème physique ou un signal donné, et connaitront les limitations théoriques, pratiques et numériques de cet outil. Outre les savoirs et savoir-faire, nous avons également pour objectif d’enseigner des attitudes d’apprentissage fondées sur l’autonomie intellectuelle, le travail régulier et une réflexion critique sur les contenus de l’enseignement (à l’oppposé d’un travail léger au cours du semestre, compensé bon an mal an par un bachotage de dernière minute). Rappelons en effet que des habitudes de travail saines sont fondamentales pour bien réussir en M2 : ce sont des cours sans TD, parfois sans support de cours écrit, enseignés par des chercheurs qui n’auront pas forcément le temps de vérifier vos acquis préalables, et ne pourront pas s’adapter à vos lacunes potentielles. Modalités générales Ce cours, comme celui d’analyse et de calcul scientifique de première année, est enseigné en “pédagogie active” (un mode connu sous le nom de “classe inversée”) : le cours est appris à la maison par les étudiants, et les séances de cours sont réservées à des discussions sur des points techniques (lancées à l’initiative des étudiants, s’ils ont préparé des questions), et à la résolution d’exercices en groupes librement composés de 3/4 personnes. Ce cours est valorisé à 1.5 ECTS, ce qui signifie que, selon les normes de la commission européenne, vous devriez travailler en moyenne 40h sur le semestre pour cet enseignement. Il faut donc compter environ 2h de travail personnel par semaine pour ce cours, plus quelques révisions spécifiques aux examens. L’idée est qu’un travail sérieux et continu vous permettra de limiter les révisions des examens, et vous permettra une meilleure assimilation du matériau présenté. Concrètement, votre travail d’une semaine à l’autre consistera à : (1) lire les pages du poly qui seront demandées. Les sections à lire portent sur des notions qui seront mises en oeuvre la semaine suivante. Attention, “lire” veut dire bien apprendre par coeur toutes les définitions, comprendre le contenu des résultats (théorèmes, propositions, etc), et avoir un minimum réfléchi à l’articulation desdits résultats. Il vaut mieux prévoir plusieurs (re)lectures du matériau, espacées dans le temps, copieusement annoter le poly, mettre en évidence les résultats importants, refaire les petits calculs qui sont menés, et éventuellement produire des fiches de synthèse à usage personnel ; 2 Table des matières (2) faire, sur feuille à part, les exercices préparatoires (marqués EP sur le syllabus). Les exercices préparatoires sont souvent de simples applications des définitions, et ne devraient pas vous demander beaucoup de temps. Les exercices préparatoires seront systématiquement ramassés en début de séance ; (3) vérifier le corrigé des exercices de la semaine précédente, sur le poly à part. C’est en particulier l’occasion de comparer votre rédaction à celle que nous proposons. Il est essentiel que vous compreniez parfaitement la résolution des exercices. Le poly de corrections est à consulter après les séances, et non pas pendant. Vous pouvez l’amener en séance, mais vous ne devrez pas le sortir sans autorisation de l’enseignant. Nous ferons de temps en temps, en début de séance et sous forme de discussion, des temps de restructuration permettant de mieux organiser les concepts et idées nouvelles que vous aurez appréhendés lors des séances précédentes. Cette restructuration peut avoir lieu à votre initiative si vous le jugez pertinent, et il ne faut pas hésiter à solliciter l’enseignant pour ce faire. Contacter les enseignants Le mode de contact hors des séances est le mail : [email protected], [email protected] et [email protected]. Nos bureaux sont situés au 3eme étage du bâtiment Coriolis, B313, B306 et B312 respectivement. Notre métier principal étant la recherche et non l’enseignement, nos contraintes professionnelles font que nous ne sommes pas là tous les jours, ou alors, si nous sommes là, ne sommes pas forcément disponibles si vous passez nous voir. Si vous souhaitez discuter avec nous, envoyez-nous un mail pour prendre rendez-vous. Évaluation La note finale sera obtenue de la manière suivante : • examen : 2h, 14 points. Le poly de cours et les notes personnelles sont autorisés. Le programme exigible correspond, sauf mention explicite contraire, à tous les résultats du poly hors appendice, et aux exercices préparatoires et obligatoires ; • contrôle continu : 6 points. La note du contrôle continu sera obtenue à partir des exercices préparatoires, ramassés en début de séance. Ce sont des exercices simples, prévus pour ne pas vous prendre trop de temps. La rédaction est à soigner particulièrement : il ne faut pas en écrire des tonnes (pas plus d’une page par séance), mais donner les arguments pertinents, avec des références numérotées aux théorèmes du cours. Pour les étudiants ayant deux absences non-justifiées ou plus, la note de contrôle continu sera diminuée d’un point par absence non-justifiée à partir de la deuxième. La note de ramassage d’EP sera automatiquement zéro en cas d’absence non-justifiée. Nous vous rappelons par ailleurs que la plus élémentaire politesse consiste à nous prévenir à l’avance de vos absences en les justifiant. Enfin, le cours a été remanié cette année et il serait très surprenant que des coquilles ne se soient pas glissées dans le poly : n’hésitez pas à signaler toutes celles que vous trouvez. Pré-requis Nous partons du principe que la théorie des distributions, les espaces de Lebesgue et de Sobolev sont bien connus. Ceci correspond au contenu du polycopié d’analyse et calcul scientifique de 1ère année (sauf les Chapitres 4 et 9). Si vous ne maı̂trisiez pas l’un de ces prérequis, nous vous enjoignons à rattraper dès maintenant les notions correspondantes en consultant le poly d’Analyse de 1ère année, disponible sur Educnet. Voici quelques questions pour tester ces prérequis... (i) énoncer le théorème de convergence dominée ; (ii) si f ∈ Lp (R) (avec 1 6 p < +∞) et f = g au sens des distributions, alors... ? (iii) quels espaces Lp (R) sont complets ? Table des matières 3 (iv) pour quelles valeurs de p l’espace des fonctions C ∞ à support compact est-il dense dans Lp ? (v) énoncer l’inégalité de Hölder ; (vi) définir l’espace de Sobolev H 1 (R). Poly Le poly est disponible sur le site http://antoine.levitt.fr/fourier 4 Table des matières Plan et contenu des séances La nomenclature est la suivante : • Lire... : à faire avant la séance en question (et pas pendant) ; • EP signifie “exercices préparatoires”, ceux à faire à la maison sur feuille à part et qui seront ramassés en début de séance ; • EO signifie “exercices obligatoires”, ceux à traiter en séance. Si vous n’avez pas eu le temps de les résoudre en séance, vous devez absolument consulter le corrigé ; • EC signifie “exercices complémentaires”, à traiter une fois que vous avez traité tous les exercices obligatoires, ou chez vous si ça vous intéresse. Séance 1 (7 décembre) Séries de Fourier Présentation du cours et de la pédagogie EP : aucun (première séance) EO : 1.1, 1.4, 1.6, 1.7, 1.8, 1.9 EC : 1.2, 1.5, 1.10 Séance 2 (14 décembre) Transformée de Fourier dans L1 Relire le Chapitre 1, lire le Chapitre 2 EP : 1.3, 2.3, 2.5 EO : 2.1 2.2, 2.4, 2.7, 2.8, 2.12 (i) EC : 2.6, 2.9, 2.10, 2.11, 2.12 (ii) Séance 3 (4 janvier) Distributions tempérées Lire de 3.1 à 3.2.2 inclus EP : 3.2, 3.7, 3.11, 3.12 EO : 3.1, 3.3, 3.4, 3.5, 3.6, 3.9, 3.13, 3.15, 3.16 EC : 3.8, 3.10, 3.14 Séance 4 (11 janvier) Distributions tempérées, espaces de Sobolev Finir le Chapitre 3, lire le Chapitre 4 EP : 3.18, 3.19, 3.20 EO : 3.17, 3.21, 4.1, 4.3, 4.4, 4.5, 4.6, 4.8 EC : 3.22, 4.2, 4.7, 4.9, 4.10 Séance 5 (18 janvier) Séries de Fourier des distributions et échantillonnage Lire le Chapitre 5 et le Chapitre 6 EP : 5.1, 5.3, 5.7, 6.3 EO : 5.2, 5.4, 5.5, 5.8, 6.1, 6.2 EC : 5.6, 6.4, 6.5, Séance 6 (25 janvier) Examen 1 Séries de Fourier 1.1 Bases hilbertiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Coefficients de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3 Séries de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.1 Convergence L2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.2 Convergence ponctuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4 Applications des séries de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4.1 Applications aux équations aux dérivées partielles . . . . . . . . . . . . . . . . . . 1.4.2 Premières applications à l’analyse en fréquences . . . . . . . . . . . . . . . . . . . . 5 7 10 10 11 12 12 15 On développe ici la théorie des séries de Fourier, qui permettent la représentation d’une fonction périodique en série de sinus et de cosinus. On rappelle le cadre des bases hilbertiennes, qui permettent une théorie géométrique des séries de Fourier, et on donne quelques applications au traitement du signal et à la résolution d’équations aux dérivées partielles. Pour plus de détails sur la théorie des séries de Fourier, on pourra se rapporter à [4]. On se place dans toute cette section sur un espace de Hilbert sur le corps des complexes. Toute la théorie est bien sûr valable sur le corps des réels, mais la structure complexe permet une manipulation plus simple des séries de Fourier, en utilisant les exponentielles complexes plutôt que les fonctions sinus et cosinus. 1.1 Bases hilbertiennes On rappelle la notion de base hilbertienne, qui est la “bonne” généralisation de la notion de base orthonormée en dimension infinie. Définition 1.1 (Base hilbertienne). Soit V un espace de Hilbert. On appelle base hilbertienne de V une suite (en )n∈N d’éléments de V tels que (i) (orthonormalité) (en , em )V = δnm pour tous n, m > 0 ; (ii) (complétude) L’espace vectoriel formé des combinaisons linéaires finies d’éléments de (en )n>0 est dense dans V . Exercice 1.1 (Base hilbertienne de `2 ) Montrer qu’une base hilbertienne de `2 (N, C) est donnée par la famille des suites (en )n>0 telles que (en )m = δnm pour tout m > 0. Donner un exemple de famille orthonormée qui n’est pas une base hilbertienne. Correction. Il est trivial de vérifier que cette famille est orthonormale. Pour la complétude, pour tout élément u = (u0 , u1 , . . . ) ∈ `2 (N, C), on pose uN = (u0 , u1 , . . . , uN , 0, . . . ), qui est une combinaison linéaire finie des (en )n>0 . On a alors 6 1 Séries de Fourier ku − uN k2 = X |un |2 , n>N +1 P qui est le reste de la série convergente kuk2 = n>0 |un |2 . Ceci montre que, pour tout ε > 0, il existe N tel que ku − uN k 6 ε, et donc que la famille (en )n>0 est complète. Une famille orthonormée mais pas complète est par exemple (e2n )n>0 . Remarque 1.2. Tous les espaces de Hilbert n’admettent pas de base hilbertienne. Ceux qui en possèdent sont appelés séparables. L’existence même d’espaces non séparables n’est pas triviale, et tous les espaces de Hilbert rencontrés en pratique (espaces de Lebesgue, de Sobolev...) sont séparables. La notion de base hilbertienne généralise celle de base orthonormée, et permet la décomposition d’un élément u ∈ V quelconque sur les (en )n>0 . La décomposition a une infinité de termes et est à comprendre au sens des séries, dont la convergence est garantie par la complétude de V . Théorème 1.3 (Parseval-Bessel). Soit V un espace de Hilbert et (en )n>0 une base orthonormée (c’est-à-dire telle que (en , em ) = δnm pour tout n, m > 0). Soit u ∈ V . Alors, la série P n>0 (u, en ) en converge vers un élément v ∈ V et on a l’ inégalité de Bessel kvk2 = X |(u, en )|2 6 kuk2 . (1.1) n>0 Si de plus (en )n>0 est une base hilbertienne, alors v = u : X X u= (u, en ) en et kuk2 = |(u, en )|2 , n>0 (1.2) n>0 la deuxième égalité portant le nom d’égalité de Parseval. Exercice 1.2 Prouver le Théorème 1.3. On introduit, pour tout entier n > 0, l’espace vectoriel Vn engendré par (e0 , . . . , en ), et on note Pn la projection orthogonale sur Vn . (i) Montrer l’inégalité de Bessel, en décomposant u selon Vn et Vn⊥ . (ii) Montrer la convergence dans V de la suite (Pn u)n>0 . On note v sa limite. (iii) Montrer que w = v − u vérifie (w, em ) = 0 pour tout m > 0. En déduire que Pn w = 0 pour tout n > 0. (iv) Montrer que, pour tout wn ∈ Vn , on a kw − Pn wk 6 kw − wn k. Conclure si (en )n>0 est une base hilbertienne. Correction. (i) On a la décomposition orthogonale de u sur Vn et Vn⊥ : u = Pn u + (u − Pn u). (1.3) Pn Comme Pn u ∈ Vn , il existe a0 , . . . , an ∈ C tels que Pn u = m=0 am em . En prenant le produit scalaire par em , 0 6 m 6 n, il vient am = (Pn u, em ) = (u, em ) = um . Par le théorème de Pythagore appliqué à la décomposition orthogonale (1.3), kPn uk2 = kuk2 − ku − Pn uk2 6 kuk2 . On en déduit que n X |um |2 = kPn uk2 6 kuk2 . m=0 Cette inégalité étant valable pour tout n > 0, on peut passer à la limite monotone et en déduire l’inégalité de Bessel. 1.2 Coefficients de Fourier 7 (ii) La majoration kPn+p u − Pn uk2V n+p X 6 6 m=n+1 ∞ X |um |2 |um |2 m=n+1 par le reste d’une série convergente montre que la suite (Pn u)n>0 est de Cauchy dans V et donc converge vers une limite v ∈ V . (iii) À m > 0 fixé, pour n > m, on a (Pn u − u, em ) = um − um = 0. La continuité du produit scalaire permet le passage à la limite n → ∞, d’où le résultat. (iv) Il s’agit de la propriété fondamentale d’optimalité de la projection orthogonale, qui se démontre par un calcul direct que nous rappelons ici : kw − wn k2 = k(w − Pn w) + (Pn w − wn )k2 = kw − Pn wk2 + kPn w − wn k2 > kw − Pn wk2 . Si (en )n>0 est une base hilbertienne, pour tout ε > 0 il existe n > 0 et wn ∈ Vn tel que kw − wn k 6 ε, d’où kwk = kw − Pn wk 6 kw − wn k 6 ε. Ceci montre que w = 0, donc Pn u → u, et donc kPn uk → kuk, ce qui prouve l’égalité de Parseval. Remarque 1.4. Notons que l’égalité de Parseval implique, via les identités de polarisation ou un calcul direct, l’égalité suivante, aussi parfois appelée égalité de Parseval : pour tous u, v ∈ V , X (u, v) = (u, en )(v, en ). n>0 Elle montre en particulier que tout espace de Hilbert séparable est isométrique à `2 (N), au sens où l’application qui à un élément u ∈ V associe la suite (u, en )n>0 ∈ `2 (N) est un isomorphisme qui préserve le produit scalaire. Remarque 1.5. Notons pour la suite que, si l’on a considéré uniquement des bases indicées par N, la théorie s’applique bien évidemment à des bases indicées par un autre ensemble dénombrable, comme Z ou Zd . 1.2 Coefficients de Fourier Définition 1.6. Soit u ∈ L1 ([−π, π], C). On définit son coefficient de Fourier d’ordre n ∈ Z par Z π 1 cn (u) = √ u(x) e−inx dx (1.4) 2π −π et sa série de Fourier (sans préjuger de sa convergence), par 1 X Su (x) = √ cn (u) einx . 2π n∈Z (1.5) Les coefficients de Fourier sont a priori définis pour une fonction L1 ([−π, π], C), ce qui permet de donner un sens aux cn (u). La convergence de la série Su est cependant délicate : Su ne converge pas en général vers u dans L1 . Même si la convergence a lieu pour des fonctions régulières, le prouver n’est pas immédiat. On repousse pour l’instant ces problèmes de convergence à la Section 1.3 pour s’intéresser aux propriétés des coefficients de Fourier en eux-mêmes. 8 1 Séries de Fourier Remarque 1.7. On considère dans ce chapitre des fonctions de [−π, π], qui sont implicitement considérées comme étendues par périodicité à R. On considère par simplicité des fonctions 2πpériodiques, mais on peut en considérant la traiter des fonctions u de périodicité L quelconque 1 x . On peut également traiter des fonctions dans L ([−π, π]d ) de façon fonction ũ(x) = u 2π L similaire au cas uni-dimensionnel en définissant, pour un multi-indice α = (α1 , . . . , αd ) ∈ Nd , Z π 1 u(x) e−iα·x dx, cα (u) = (2π)d/2 −π X 1 Su (x) = cα (u) eiα·x . d/2 (2π) α∈Nd Dans cette section on considère des fonctions d’une seule variable, toujours par souci de simplicité. Proposition 1.8 (Propriétés élémentaires des coefficients de Fourier). Les coefficients de Fourier sont des formes linéaires continues de L1 ([−π, π], C) dans C. Pour tout u ∈ L1 ([−π, π], C), on définit sa réflexion par rapport à l’origine ũ par ũ(x) = u(−x). On a alors pour tout n ∈ Z : c−n (u) = cn (u), cn (ũ) = c−n (u). En particulier, • Si u est à valeurs réelle, alors cn (u) = c−n (u) ; • Si u est paire, alors c−n (u) = cn (u) ; • Si u est impaire, alors c−n (u) = −cn (u). Exercice 1.3 Prouver la Proposition 1.8. Un des grands intérêts des séries de Fourier est de faciliter le calcul d’un certain nombre de transformations des fonctions, dont les dérivées (mais aussi les intégrales et les convolutions). On a notamment le résultat suivant. Proposition 1.9 (Coefficients de Fourier et dérivation). Si u est la restriction à [−π, π] d’une fonction C 1 (R, C) et 2π-périodique, alors cn (u0 ) = −in cn (u). Si u est la restriction d’une fonction C p périodique, on a pour n 6= 0 |cn (u)| 6 √ 1 ku(p) kL1 . 2π|n|p Exercice 1.4 Prouver la Proposition 1.9. Correction. Le premier résultat est un simple calcul d’intégration par partie, où les termes de bord disparaissent car u(−π) = u(π). On a ensuite, pour n 6= 0, cn (u(p) ) = (−in)−p cn (u) et donc |cn (u)| 6 √ 1 2π|n|p Z π 1 (p) ku(p) kL1 , u (x) dx = √ 2π|n|p −π ce qui donne le résultat. Les coefficients de Fourier contiennent toute l’information d’une fonction L1 , au sens suivant. Théorème 1.10 (Unicité des coefficients de Fourier). Si u, v ∈ L1 ([−π, π], C) ont les mêmes coefficients de Fourier, alors u = v. 1.2 Coefficients de Fourier 9 Exercice 1.5 Prouver le Théorème 1.10. On rappelle que les polynômes trigonométriques sont toutes les combinaisons linéaires finies des fonctions einx , pour n ∈ Z. On va utiliser le fait que u et v ont la même intégration contre les polynômes trigonométriques en construisant un polynôme trigonométrique qui approche la distribution de Dirac, ce qui montrera l’égalité de u et v. (i) Montrer qu’on peut se ramener au cas où v = 0 et u est à valeurs réelles. On supposera ces hypothèses additionnelles vérifiées dans la suite. (ii) Pour x0 ∈] − π, π[ et ε > 0 tel que [x0 − ε, x0 + ε] ⊂] − π, π[, montrer que la fonction Tn (x) = (1 + cos(x − x0 ) − cos ε)n est un polynôme trigonométrique supérieur à 1 sur [x0 − ε, x0 + ε] et strictement inférieur à 1 en valeur absolue ailleurs. Montrer également que, si u a ses coefficients de Fourier nuls, alors Z Tn (x)u(x) dx = 0. [−π,π] (iii) Montrer que, quand u est une fonction continue à coefficients de Fourier nuls, Z x0 +ε lim Tn (x)u(x) dx = 0. n→∞ x0 −ε (iv) En déduire par contradiction le théorème dans le cas où u est continue. Rx (v) Calculer les coefficients de Fourier de la fonction U (x) = −π u(t)dt pour u une fonction continue, puis u ∈ L1 ([−π, π], R). Conclure. Correction. (i) Quitte à remplacer u par u − v, on ne restreint pas la généralité en considérant v = 0. Supposons le théorème prouvé pour des fonctions à valeurs réelles. Si u a ses coefficients de Fourier nuls, alors ū également, car cn (ū) = c−n (u). Les fonctions réelles <(u) = (u + ū)/2 et =(u) = (u − ū)/(2i) ont alors leurs coefficients de Fourier nuls, ce qui montre que ces deux quantités sont nulles presque partout, et donc u aussi. (ii) L’ensemble des polynômes trigonométriques est stable par addition, translation et multiplication, donc Tn est un polynôme trigonométrique, et on a, pour tout n ∈ Z, Z π Tn (x)u(x) dx = 0. (1.6) −π Sur [−π, π], la quantité cos(x − x0 ) − cos ε est positive sur [x0 − ε, x0 + ε], et strictement négative ailleurs, et elle est d’autre part toujours strictement supérieure à −2. Le résultat demandé suit immédiatement. (iii) Sur [−π, π] \ [x0 − ε, x0 + ε], |Tn u| 6 |u| et Tn u tend vers 0 ponctuellement. Par un théorème de convergence dominée, on déduit que Z lim Tn (x)u(x) dx = 0, n→∞ [−π,π]\[x0 −ε,x0 +ε] d’où le résultat, au vu de (1.6). (iv) Supposons u continue et non-nulle. Alors il existe un intervalle [x0 − ε, x0 + ε] de ] − π, π[ où |u| > δ > 0, et on a donc Z x0 +ε Tn (x)u(x)dx > δε x0 −ε ce qui contredit le résultat du point (iii). 10 1 Séries de Fourier (v) Soit u continue. Par intégration par parties, Z π 1 U (x)e−inx dx cn (U ) = √ 2π −π ã ÅZ π π 1 =√ u(x)e−inx dx − U (x)e−inx −π 2πin −π 1 = cn (u) − (−1)n c0 (u) . in Par densité des fonctions continues dans L1 et continuité des cn , ce résultat est également valable pour u ∈ L1 . En supposant que u ∈ L1 a tous ses coefficients de Fourier nuls, alors c’est également le cas pour U . En appliquant le résultat précédent à la fonction U , qui est continue car u est L1 , on en déduit que U est nulle, et donc u aussi. 1.3 Séries de Fourier On étudie dans cette section la convergence de la série Su (voir Définition 1.6). On commence par montrer la convergence dans L2 par la théorie générale des bases hilbertiennes, puis la convergence ponctuelle pour des fonctions régulières. Plus tard dans ce cours, au Chapitre 5, nous étudierons les séries de Fourier des distributions périodiques. 1.3.1 Convergence L2 On rappelle que le produit scalaire dans L2 ([−π, π], C) est défini par Z π (u, v)L2 = uv. −π On reconnaı̂t alors dans la formule définissant les séries de Fourier un développement sur une base hilbertienne : en définissant les polynômes trigonométriques élémentaires en ∈ L2 ([−π, π], C) par 1 en (x) = √ einx , 2π on a, pour tout u ∈ L2 ([−π, π], C), cn (u) = (u, en )L2 , X Su = cn (u)en . n∈Z On peut alors prouver Théorème 1.11. La famille (en )n∈Z forme une base hilbertienne de L2 ([−π, π], C). Exercice 1.6 Prouver le Théorème 1.11. (i) Montrer que (em , en )L2 = δnm . (ii) Montrer que si u ∈ L2 ([−π, π], C) vérifie (u, en )L2 = 0 pour tout n ∈ Z, alors u = 0. P (iii) Montrer que, si u ∈ L2 ([−π, π], C), alors n∈Z (u, en )en converge vers une limite v ∈ L2 ([−π, π], C), puis que u = v. Conclure. Correction. (i) On calcule (en , em )L2 1 = 2π Z π ei(m−n)x dx. −π Si n = m, alors (en , en )L2 = 1. Sinon, (em , en )L2 = î óπ 1 ei(m−n)x = 0. −π 2πi(m − n) 1.3 Séries de Fourier 11 (ii) Comme L2 ([−π, π], C) ⊂ L1 ([−π, π], C) par l’inégalité de Cauchy-Schwarz, si u vérifie (u, en )L2 = 0 pour tout n ∈ Z, alors la fonction u dans L1 a tous ses coefficients de Fourier nuls. Par le Théorème 1.10, on en déduit que u = 0. P (iii) On sait par le Théorème 1.3 que la série n∈Z (u, en )L2 en converge vers une limite v dans L2 ([−π, π], C). On a ensuite (u − v, en ) = 0 pour tout n ∈ Z par le même raisonnement que dans le point (iii) de l’Exercice 1.2, ce qui montre que u = v. On a alors comme corollaire immédiat de la théorie générale des bases hilbertiennes le résultat suivant Corollaire 1.12. Soit u ∈ L2 ([−π, π], C). Alors la série de Fourier Su converge vers u dans L2 : X X |cn (u)|2 . u= cn (u)en , et kuk2L2 = n∈Z n∈Z 1.3.2 Convergence ponctuelle On sait désormais que la série de Fourier d’une fonction L2 converge dans L2 . Rappelons que la convergence dans L2 est une convergence en moyenne quadratique, assez faible, qui n’implique par exemple pas la convergence presque partout, mais seulement la convergence presque partout à extraction près. Cette convergence presque partout a bien lieu, mais c’est un résultat hautement non trivial qui n’a été prouvé qu’en 1966. La continuité ne suffit pas à la convergence presque partout, et il existe des fonctions non continues qui ont quand même une série de Fourier qui converge presque partout. Il existe de nombreux théorèmes de convergence, dans divers sens et avec différentes hypothèses. L’un des plus simples est le suivant : Théorème 1.13. Soit u de classe C 1 par morceaux sur [−π, π]. Alors la série de Fourier de u converge ponctuellement vers Å ã 1 lim u(t) + lim+ u(t) . ũ(x) = 2 t→x− t→x Exercice 1.7 Montrer le Théorème 1.13 dans le cas où u est la restriction à [−π, π] d’une fonction C 2 (R, C) et périodique. On utilisera la Proposition 1.9 pour montrer la convergence normale de la série de Fourier. Correction. La Proposition 1.9 montre que, pour n 6= 0, |cn (u)| 6 √ 1 ku00 kL1 . 2π|n|2 La série Su converge donc normalement dans C 0 (donc ponctuellement) vers un v continu. Or Su converge aussi vers u dans L2 , d’où v = u. Exercice 1.8 (Phénomène de Gibbs) L’objectif de cet exercice est d’étudier l’effet d’une discontinuité sur les séries de Fourier, illustré en Figure 1.1. Soit la fonction u définie sur [−π, π] par u(x) = −1 quand x < 0, et u(x) = 1 quand x > 0. (i) Calculer les coefficients de Fourier de u, et montrer que la série de Fourier partielle à l’ordre N 1 X SN (x) = √ cn (u)einx 2π |n|6N peut se réécrire, pour N pair (le calcul pour N impair étant similaire), Å ã 4 1 1 SN (x) = sin(x) + sin(3x) + · · · + sin((N − 1)x) . π 3 N −1 12 1 Séries de Fourier π (ii) Calculer SN (0), et limN →∞ SN ( N ). On pourra reconnaı̂tre une somme de Riemann impliquant la fonction sinc(t) = sin(t)/t, et utiliser Z π π sinc(t) dt = (1 + 2α), 2 0 où α ≈ 0.09. (iii) En déduire que la série de Fourier de u ne converge pas uniformément, et interpréter la Figure 1.1. Correction. (i) On calcule 1 cn (u) = √ 2π Z π u(x)e−inx dx −π å ÇZ π Z 0 1 e−inx dx − =√ e−inx dx 2π −π 0 2 n =√ [1 − (−1) ] , 2πin pour n 6= 0, et 0 pour n = 0. On vérifie que, comme u est réelle et impaire, les harmoniques paires sont nuls, et les harmoniques impaires sont appariées via c−n (u) = cn (u). En regroupant les termes, on obtient la formule demandée. (ii) On a SN (0) = 0, en accord avec le Théorème 1.13. On calcule ensuite Å ã π π 4 π 1 1 π SN = sin + sin 3 + ··· + sin (N − 1) N π N 3 N N −1 N π π 4 π = sinc + sinc 3 + · · · + sinc (N − 1) N N N N Le calcul pour N impair est similaire. On reconnaı̂t la somme de Riemann de pas h = la fonction sinc entre 0 et π. Comme la fonction sinc est continue, on en déduit que Z π 2 π lim SN = sinc(t)dt = 1 + 2α. N →∞ N π 0 2π N de (iii) La discontinuité en 0 force la série de Fourier partielle SN à dépasser sa valeur 1 en π/N . L’amplitude de ce dépassement est égale à α fois l’amplitude de la discontinuité (ici 2). C’est ce que l’on voit sur la Figure 1.1 : les oscillations se rapprochent certes de la discontinuité (la série converge ponctuellement, par le Théorème 1.13), mais l’amplitude des oscillations ne diminue pas (et la série ne converge pas uniformément). 1.4 Applications des séries de Fourier On applique maintenant la théorie des séries de Fourier à la résolution d’équations aux dérivées partielles sur un domaine borné, et on donne un aperçu des applications en traitement du signal, qui seront développées plus avant au Chapitre 5. 1.4.1 Applications aux équations aux dérivées partielles Du point de vue mathématique, les séries de Fourier permettent de quantifier le contenu en fréquence d’une fonction périodique. La décomposition en série de Fourier permet le calcul de la dérivée d’une fonction par une simple multiplication sur ses coefficients de Fourier, ce qui la rend précieuse pour la résolution de nombreuses équations aux dérivées partielles (EDP) : c’est d’ailleurs la motivation originelle de l’introduction de ces séries par Joseph Fourier (Théorie analytique de la chaleur, 1807). 1.4 Applications des séries de Fourier 13 Fig. 1.1. Série de Fourier de la fonction créneau, avec 50 et 250 harmoniques représentées. Le phénomène de Gibbs est le dépassement de la série de Fourier à un point de discontinuité de α ≈ 9% de la valeur du saut, qui ne décroı̂t pas en amplitude mais se rapproche du point de discontinuité. Il illustre la convergence simple mais pas uniforme de la série de Fourier d’une fonction avec un saut. Exercice 1.9 (Équation des ondes) On considère une corde vibrante entre deux extrémités fixées à 0 et à 2π. Le déplacement de la corde u(x, t) satisfait l’équation des ondes ∂2u ∂2u = , 2 ∂t ∂x2 u(−π, t) = u(π, t) = 0, ∂u (x, 0) = 0, u(x, 0) = u0 (x), ∂t où la condition initiale u0 (x) est la restriction à [−π, π] d’une fonction C ∞ périodique satisfaisant u0 (−π) = u0 (π) = 0. (i) En décomposant u(·, t) en série de Fourier, donner une solution formelle (sans se soucier de la validité des manipulations effectuées) de l’équation des ondes. (ii) Montrer que la série obtenue est bien convergente, et que la solution u(x, t) obtenue par cette méthode est bien solution de l’équation. Correction. (i) Formellement, on décompose u(·, t) en série de Fourier : X u(x, t) = un (t)en (x). n∈Z En dérivant terme à terme, on obtient que la composante de Fourier un (t) satisfait l’équation différentielle ün (t) = −n2 un (t), d’où, en utilisant les conditions initiales fournies, 14 1 Séries de Fourier un (t) = u0,n cos(nt), où u0,n est la n-ième composante de Fourier de u0 . On en déduit la solution 1 X u(x, t) = √ u0,n cos(nt)einx . 2π n∈Z (ii) Comme u0 est régulière, pour n 6= 0, par la Proposition 1.9, √ (4) |u0,n | 6 2π|n|−4 ku0 kL1 . (1.7) (1.8) En appliquant les théorèmes de continuité et dérivation des séries justifiés par l’estimée (1.8), on voit que u défini par (1.7) est de classe C 2 par rapport à x et t, et que 1 X 2 ∂2u ∂2u inx √ (x, t) = − (x, t). n u cos(nt) e = 0,n ∂t2 ∂x2 2π n∈Z On montre que u vérifie les conditions initiales et aux limites par un argument d’échange de limite et de sommes, toujours en utilisant l’estimée (1.8). Exercice 1.10 (Équation de la chaleur) On considère l’évolution du champ de température T (x, t) dans un barreau unidimensionel maintenu à température fixe T0 en −π et π. Par linéarité, la différence de température u(x, t) = T (x, t) − T0 satisfait l’équation de la chaleur ∂u ∂2u = , ∂t ∂x2 u(−π, t) = u(π, t) = 0, u(x, 0) = u0 (x), où la condition initiale u0 (x) est la restriction à [−π, π] d’une fonction C ∞ périodique satisfaisant u0 (−π) = u0 (π) = 0. (i) Reprendre l’étude de l’exercice précédent. (ii) Montrer que, même si u0 n’est que continue, la série de Fourier de u(x, t) converge pour t > 0. (iii) Que se passe-t-il si on veut retrouver l’état du système à l’instant t = 0 connaissant l’état à t = T > 0? Correction. (i) On procède de même que plus haut, avec cette fois-ci l’équation différentielle u̇n = −n2 un , qui mène à la solution 2 1 X u0,n e−|n| t einx . u(x, t) = √ 2π n∈Z (1.9) La fonction u satisfait l’équation de la chaleur et les conditions aux limites et initiales par le même argument que précédemment. (ii) Si u0 n’est que continu, alors on n’a pas nécessairement convergence de la série de Fourier à t = 0. Pour t > 0 fixé, cependant, on a √ 2 |un (t)| 6 2πe−|n| t ku0 kL1 , ce qui montre que la série définissant u converge normalement, et satisfait à l’équation de la chaleur. (iii) Même si la fonction u(·, T ) est C ∞ , les coefficients de Fourier sont amplifiés par un facteur 2 e|n| (T −t) et la série de Fourier de u peut ne pas converger au temps t = 0 : l’équation de la chaleur rétrograde est mal posée. 1.4 Applications des séries de Fourier 15 1.4.2 Premières applications à l’analyse en fréquences L’analyse en fréquences permet une compréhension fine de nombreux phénomènes physiques. Par exemple, l’Exercice 1.9 montre que les vibrations d’une corde idéalisée ne se fait que pour des fréquences discrètes, multiples d’une fréquence fondamentale liée à la longueur, la masse et la tension de la corde. Ces fréquences plus hautes sont appelées harmoniques. La même note de musique jouée par différents instruments aura la même fréquence fondamentale, mais l’amplitude des harmoniques leur donne le timbre qui les distingue à notre oreille (voir Figure 1.2). L’analyse en fréquences permet la manipulation digitale des sons (égaliseurs, distortion d’une guitare électrique, auto-tune...) et leur compression. Ainsi, le format MP3 se fonde sur le fait que l’oreille humaine distingue plus ou moins bien certaines fréquences pour réduire la précision et donc la taille de stockage sans trop sacrifier en qualité auditive. Le même principe est à l’oeuvre dans l’analyse d’images, qui peuvent être vues comme des signaux bidimensionnels et décomposées en séries de Fourier bidimensionnelles : une fonction de [−π, π] × [−π, π] peut être représentée sous la forme 1 X cnm (u)ei(nx+my) , 2π n,m∈Z Z π Z π 1 cnm (u) = u(x, y)e−i(nx+my) dxdy. 2π −π −π u(x, y) = avec la même théorie de convergence L2 que dans le cas unidimensionnel. Le format JPEG par exemple découpe une image en blocs de 8 × 8 pixels, et applique une compression similaire au MP3. Ces développements technologiques sont en grande partie rendus possible par le calcul efficace de transformées de Fourier. Si une implémentation naı̈ve du calcul des coefficients de Fourier d’une fonction discrétisée en N points est de complexité O(N 2 ), une implémentation récursive réduit cette complexité à O(N log N ) : c’est la transformée de Fourier rapide (FFT), que l’on étudiera au Chapitre 5. 16 1 Séries de Fourier 1.0 Amplitude (arb.) 0.5 0.0 Flute Piano Guitare Violon 0.5 1.00.0 0.5 1.0 1.5 2.0 2.5 Temps (ms) 10 0 Amplitude (arb.) Amplitude (arb.) 10 -3 Piano 10 -2 10 -3 500 1000 1500 Frequence (Hz) 10 0 2000 10 -40 2500 500 1000 1500 Frequence (Hz) 10 0 Guitare 2000 2500 Violon 10 -1 Amplitude (arb.) 10 -1 Amplitude (arb.) 4.0 10 -1 10 -2 10 -2 10 -3 10 -40 3.5 10 0 Flute 10 -1 10 -40 3.0 10 -2 10 -3 500 1000 1500 Frequence (Hz) 2000 2500 10 -40 500 1000 1500 Frequence (Hz) 2000 2500 Fig. 1.2. Enregistrement par un microphone d’ordinateur de la même note (un do à 523 Hz) jouée par une flûte, un piano, une guitare et un violon, et spectres correspondants. Le signal (en haut) des instruments est à peu près périodique avec une période d’environ 2 ms, ce qui correspond à la fréquence de 523 Hz du do. On calcule les coefficients de Fourier sur une fenêtre de temps de largeur égale au temps d’acquisition, de l’ordre de la seconde. Ce temps étant bien supérieur à la période caractéristique d’oscillation du signal, les coefficients de Fourier forment un quasi-continuum (nous préciserons ceci lors de l’étude de la transformée de Fourier). L’amplitude |cn (u)|2 des coefficients de Fourier (en bas) font apparaı̂tre des pics aux fréquences multiples de 523 Hz. La forme du spectre est cependant différente pour les différents instruments. Diverses imperfections (anharmonicité des instruments, amortissement, qualité des micros, bruits ambiants, temps d’enregistrement fini, non-uniformité du volume...) font apparaı̂tre des défauts, notamment des bruits parasites à basse fréquence et des pics de largeur non-nulle. 1.4 Applications des séries de Fourier 17 Fig. 1.3. Artefacts de compression JPEG montrant le phénomène de Gibbs : les transitions brutales de couleur produisent des oscillations parasites dans les blocs 8 × 8. 2 Transformée de Fourier dans L1 2.1 2.2 2.3 2.4 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Propriétés algébriques de la transformée de Fourier . . . . . . . . . . . . . . Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Transformée de Fourier inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 20 22 23 Dans ce chapitre, nous donnons la définition de la transformée de Fourier dans L1 , ainsi que quelques unes de ses propriétés. L’espace L1 n’est pas stable par transformée de Fourier, et en conséquence de nombreux problèmes techniques surviennent. Nous verrons aux chapitres suivants d’autres espaces fonctionnels, qui eux sont invariants par transformée de Fourier et fournissent un cadre fonctionnel plus agréable. 2.1 Définition Commençons par définir la transformée de Fourier dans L1 , et donner quelques unes de ses propriétés. Définition 2.1 (Transformée de Fourier des fonctions intégrables). Soit f ∈ L1 (Rn ). On appelle transformée de Fourier de f la fonction notée fˆ définie en tout point ξ ∈ Rn par Z fˆ(ξ) = f (x) e−iξ·x dx. (2.1) Rn Remarque 2.2 (Conventions de normalisation). Il existe différentes conventions de normalisation : avec ou sans un facteur de normalisation, avec ou sans un facteur 2π dans l’exponentielle. La convention que nous utilisons, contrairement à celle utilisée pour les séries de Fourier au Chapitre 1, n’a pas de facteur normalisant dans la définition de fˆ : il faudra en tenir compte dans la définition de la transformée de Fourier inverse. Proposition 2.3. Soit f ∈ L1 (Rn ). Alors fˆ est continue, bornée et fˆ ∞ 6 kf kL1 . L Exercice 2.1 Prouver la Proposition 2.3. Correction. Pour tout ξ ∈ Rn , Z ˆ f (ξ) = Rn Z f (x) e−iξ·x dx 6 |f (x)| dx = kf kL1 . Rn La continuité de la fonction ξ 7→ fˆ(ξ) repose sur la continuité de l’application ξ 7→ f (x) e−iξ·x à x fixé, associée à un théorème de continuité des fonctions définies par une intégrale, justifié par la majoration précédente. 2 Transformée de Fourier dans L1 20 Corollaire 2.4. La transformée de Fourier F : f 7→ fˆ est une application linéaire continue de L1 (Rn ) sur L∞ (Rn ) et |||F |||L(L1 (Rn ),L∞ (Rn )) = 1. Exercice 2.2 Prouver le Corollaire 2.4. Pour le cas d’égalité, on pourra montrer que kf kL1 = fˆ(0) si f ∈ L1 est une fonction positive. Correction. Il est clair que l’application F est linéaire. On déduit en outre de la première assertion de la Proposition 2.3 que F envoie L1 (Rn ) dans L∞ (Rn ) et que pour tout f ∈ L1 (Rn ), ˆ f ∞ 6 kf kL1 . L Ceci montre que F est continue de L1 (Rn ) dans L∞ (Rn ), et |||F |||L(L1 (Rn ),L∞ (Rn )) 6 1. Pour voir que la norme d’opérateur de F est exactement égale à 1, il suffit de remarquer que pour tout f ∈ L1 (Rn ) avec f (x) > 0 pour presque tout x ∈ Rn , Z kf kL1 = f (x) dx = (F f )(0) 6 fˆ ∞ , L Rn ce qui montre l’inégalité inverse |||F |||L(L1 (Rn ),L∞ (Rn )) > 1. 2.2 Propriétés algébriques de la transformée de Fourier La transformée de Fourier se comporte de façon simple par rapport aux dilatations, translations ou produits tensoriels. Théorème 2.5. Soit f ∈ L1 (Rn ). (i) pour a ∈ Rn , on note τa la translation de vecteur a, i.e. τa φ(x) = φ(x − a). Alors, −iξ·a ˆ τd f, af = e et ia·x f = τ fˆ ; e÷ a (ii) pour la conjugaison complexe, ” f (ξ) = fˆ (−ξ) ; (iii) pour λ ∈ R∗ , la transformée de Fourier de fλ (x) = f (λx) est la fonction Å ã 1 ˆ ξ fˆλ : ξ 7→ f ; |λ|n λ (2.2) (iv) Si f est un produit tensoriel f (x) = f1 (x1 ) f2 (x2 ) avec x = (x1 , x2 ), xi ∈ Rni , n = n1 + n2 , et fi ∈ L1 (Rni ), alors fˆ(ξ) = fˆ1 (ξ1 ) fˆ2 (ξ2 ). (2.3) Notons que le choix λ = −1 dans la troisième propriété permet de discuter la parité de la transformée de Fourier de fonctions paires ou impaires, la transformée de Fourier ayant la même parité que la fonction. Exercice 2.3 Prouver le Théorème 2.5. Un des intérêts majeurs de la transformée de Fourier est qu’elle transforme les dérivées en simples opérations algébriques, et ainsi de simplifier la résolution d’équations différentielles. 2.2 Propriétés algébriques de la transformée de Fourier Théorème 2.6 (Transformée de Fourier et dérivation). Si f ∈ L1 (Rn ) et 21 ∂f ∈ L1 (Rn ), ∂xj alors ‘ ∂f (ξ) = i ξj fˆ(ξ). ∂xj Si f ∈ L1 (Rn ) et x 7→ xj f (x) ∈ L1 (Rn ) pour tout 1 6 j 6 n, alors F f ∈ C1 (Rn ) et ’ ˆ (x j f )(ξ) = i ∂ξj f (ξ). Exercice 2.4 Prouver le Théorème 2.6. Pour le premier point, on admettra que D(Rn ) est dense dans l’espace W 1,1 (Rn ) des fonctions L1 (Rn ) à dérivée L1 (Rn ) (voir par exemple [1, Section IX]). Correction. La preuve de la seconde assertion repose sur le théorème de dérivation des intégrales à paramètres. Pour la première assertion, on procède à nouveau par densité. Le résultat est immédiat pour une fonction régulière à support compact, grâce à une intégration par parties. Le résultat s’ensuit par densité des fonctions C ∞ (Rn ) à support compact dans l’ensemble des fonctions intégrables de dérivées intégrables. Un corollaire immédiat de ces propriétés est que plus la fonction est régulière, plus sa transformée de Fourier décroı̂t vite, et vice-versa. Cette dualité est fondamentale pour la théorie de Fourier, et il est utile de l’avoir à l’esprit pour interpréter les résultats de ce cours. Pour énoncer le résultat suivant, on rappelle qu’un multi-indice est un élément α = (α1 , . . . , αn ) ∈ Nn . Pour des multi-indices α = (α1 , . . . , αn ) ∈ Nn et β = (β1 , . . . , βn ) ∈ Nn , on définit αn β1 βn 1 α2 |α| = α1 +· · ·+αn , et les notations xβ et ∂ β signifient respectivement xα 1 x2 · · · xn et ∂x1 · · · ∂xn . Par ailleurs, α! = α1 ! . . . αn ! et α 6 β si et seulement si αi 6 βi pour tout 1 6 i 6 n. Corollaire 2.7. Si f est de classe C p et que ∂ α f ∈ L1 (Rn ) pour tout multi-indice |α| 6 p, alors il existe C > 0 tel que, pour tout ξ ∈ Rn , ˆ f (ξ) 6 C(1 + |ξ|)−p . Réciproquement, si xα f ∈ L1 (Rn ) pour tout multi-indice |α| 6 p, alors fˆ est de classe C p . Exercice 2.5 Prouver le Corollaire 2.7 en dimension 1. Exercice 2.6 Montrer que, si f ∈ L1 (Rn ), alors fˆ tend vers 0 à l’infini. On pourra procéder par densité. Correction. Si φ ∈ D(Rn ) (l’espace des fonctions régulières à support compact), on sait que φ̂ tend vers 0 à l’infini par le Corollaire 2.7. Ensuite, par densité de D(Rn ) dans L1 (Rn ) (pour la norme L1 ), on peut trouver, pour tout f ∈ L1 (Rn ), une suite (φk )k∈N de fonctions de D(Rn ) qui converge en norme L1 vers f . En utilisant la Proposition 2.3, il résulte que ˆ f − φ̂k ∞ 6 kf − φk kL1 −−−−−→ 0. L k→+∞ Cela signifie donc que la suite de fonctions (φ̂k )k∈N converge uniformément sur Rn vers la fonction fˆ. Comme chaque φ̂k tend vers 0 à l’infini, il en est de même pour fˆ. La transformée de Fourier transforme les convolutions en produit et vice-versa, ce qui la rend particulièrement utile en automatique par exemple. On rappelle que la convolution de deux fonctions f et g est définie par Z Z (f ? g) (x) = f (x − y) g(y) dy = f (y) g(x − y) dy. Rn Rn 22 2 Transformée de Fourier dans L1 Théorème 2.8 (Transformée de Fourier et convolution). Si f ∈ L1 (Rn ) et g ∈ L1 (Rn ), alors f ? g ∈ L1 (Rn ) et f‘ ? g = fˆ ĝ. Exercice 2.7 Prouver le Théorème 2.8. Correction. Posons h = f ? g. Alors Z f (y) g(x − y) dy h(x) = Rn est définie presque partout et de classe L1 par le théorème de Fubini. En effet, posons F (x, y) = f (y) g(x − y). Alors F est mesurable et Z Z ÅZ ã ÅZ ã |F (x, y)| dx dy = |f | |g| < +∞, Rn Rn Rn Rn en effectuant d’abord l’intégration en x puis celle en y (ce qui est légitime car on travaille avec des fonctions positives). On vérifie ensuite facilement que khkL1 (Rn ) 6 kF kL1 (Rn ×Rn ) . On peut ainsi considérer la transformée de Fourier de h. Par le théorème de Fubini toujours, et avec le changement de variable z = x − y, Z ÅZ Z Z ã −ix·ξ ĥ(ξ) = f (y) g(x − y) dy e dx = f (y) g(x − y) e−ix·ξ dx dy Rn Rn Rn Rn Z Z = f (y) e−iy·ξ g(x − y) e−i(x−y)·ξ dx dy n n ZR R ÅZ ã = f (y) e−iy·ξ g(x − y) e−i(x−y)·ξ dx dy Rn Rn ÅZ ã ÅZ ã −iy·ξ −iz·ξ = f (y) e dy g(z) e dz Rn Rn = fˆ(ξ) ĝ(ξ), qui est bien la relation annoncée. 2.3 Exemples Commençons par un résultat très utile pour la suite. Proposition 2.9. Soit α > 0. On a la relation ◊ e−α|x|2 (ξ) = π n/2 α 2 e−|ξ| /4α . Exercice 2.8 Prouver la Proposition 2.9. On commencera par le cas uni-dimensionnel, en établissant une équation différentielle du premier ordre sur fˆ(ξ). Correction. Commençons par prouver ce résultat en dimension 1. La transformée de Fourier Z 2 fˆ(ξ) = e−α x e−ixξ dx R 1 ∞ est de classe C (et même C ), et une intégration par parties montre que cette fonction est solution sur R de l’équation différentielle du premier ordre 2.4 Transformée de Fourier inverse 23 ξ ˆ fˆ0 (ξ) = − f (ξ). 2α 2 On en déduit donc que fˆ(ξ) = C e−ξ /4α , où C est une constante dont on obtient la valeur par … Z π −αx2 ˆ . f (0) = C = e dx = α R Ce résultat est étendu à la dimension n > 2 en écrivant 2 e−α|x| = n Y 2 e−αxj , j=1 et en utilisant le résultat de tensorisation (2.3). On déduit de la proposition précédente que la transformée de Fourier de la gaussienne Å ã |x|2 g(x) = C exp − 2 2σ de variance σ 2 est la gaussienne ĝ(ξ) = 2πσ 2 n/2 ã Å σ 2 |ξ|2 C exp − 2 de variance σ −2 . La transformée de Fourier d’une gaussienne très piquée sera donc très plate, et réciproquement. A titre d’entraı̂nement, nous vous recommandons de calculer quelques transformées de Fourier ci-dessous. On s’attachera sur chacune de ces fonctions à observer le rapport entre régularité et décroissance des coefficients de Fourier montré dans le Corollaire 2.7. Exercice 2.9 (Fonction caractéristique) Soit R > 0. Montrer que la transformée de Fourier de l’application ® 1 si |x| 6 R, x ∈ R 7→ 0 si |x| > R, est la fonction ξ 7→ 2 sin(Rξ) . ξ Exercice 2.10 (Fonction chapeau) Soit R > 0. Montrer que la transformée de Fourier de l’application |x| 1− si |x| 6 R, x ∈ R 7→ R 0 si |x| > R, ã2 Å sin(Rξ/2) est la fonction ξ 7→ R . Rξ/2 Exercice 2.11 Soit α > 0. Montrer que la transformée de Fourier de l’application x ∈ R 7→ e−α|x| 2α est la fonction ξ 7→ 2 . α + ξ2 2.4 Transformée de Fourier inverse Définition 2.10 (Transformée de Fourier inverse). Soit f ∈ L1 (Rn ). On note fˇ la fonction définie en tout x ∈ Rn par Z 1 fˇ(x) = f (ξ) eiξ·x dξ. (2.4) (2π)n Rn 24 2 Transformée de Fourier dans L1 Notons que la transformation F −1 : f 7→ fˇ est très similaire à la transformation F définie par (2.1), à deux changements près : le signe dans l’exponentielle, et le facteur de normalisation (2π)−n . Nous pouvons énonçer maintenant le théorème d’inversion de Fourier dans L1 . Théorème 2.11 (Transformée de Fourier inverse). Soit f ∈ L1 (Rn ) telle que fˆ soit aussi dans L1 (Rn ). Alors ˇˆ f = f, f = fˆˇ (2.5) ces égalités étant entendues en tant que fonctions de L1 (Rn ). L’espace des fonctions L1 dont la transformée de Fourier est aussi dans L1 est donc stable par transformation de Fourier et la transformation F −1 est l’inverse de la transformation de Fourier F sur cet espace. Cet espace n’est pas vide car il contient par exemple les gaussiennes. Notons que la formule (2.5) s’écrit aussi Z 1 fˆ(ξ) eiξ·x dξ. f (x) = (2π)n Rn Exercice 2.12 Prouver le théorème 2.11. (i) Soit ε > 0. Si φ ∈ D, on définit la transformée de Fourier inverse régularisée Z 1 φε (x) = χ(εξ) φ̂(ξ) eix·ξ dξ (2π)n Rn 2 où la fonction χ(x) = e−|x| /2 est une gaussienne de variance 1. ˇ ˇ (a) Montrer que φε et φ̂ sont continues, et que φε converge simplement vers φ̂. (b) Montrer que φε converge simplement vers φ et conclure. (ii) Montrer la propriété dans le cas général en introduisant fε comme précédemment, et en montrant que fε → f dans L1 . On pourra approcher f par une fonction φ ∈ D(Rn ). Remarque 2.12. La difficulté pour prouver ce théorème, même pour des fonctions régulières, est que l’égalité formelle Z ÅZ ã 1 iξ·(x−y) f (x) = f (y) e dy dξ (2π)n Rn Rn ne permet pas un calcul direct par le théorème de Fubini, parce que la fonction (y, ξ) → f (y) eiξ·(x−y) n’est pas intégrable sur R2n . Le schéma de preuve ci-dessus consiste à tronquer l’intégration en ξ à une région de taille 1/ε en multipliant l’intégrande par χ(εξ), ce qui permet l’utilisation Rdu théorème de Fubini. Il ne reste plus qu’à montrer que, dans la limite ε → 0, la fonction y 7→ eiξ·(x−y) χ(εξ) dξ tend vers (2π)n δx au sens des distributions. Correction. On voit déjà qu’il suffit de montrer l’une des deux égalités de (2.4), par exemple la première (l’autre s’en déduit en remplaçant f (x) par f (−x)). (i) Commençons par montrer le résultat pour φ ∈ D(Rn ) donnée. ˇ (a) Comme φ ∈ D, φ̂ est intégrable et C ∞ par le Corollaire 2.7. La continuité de φε et φ̂ suit par le théorème de continuité d’une intégrale à paramètres. La suite de fonctions ξ 7→ χ(εξ) φ̂(ξ) e−ix·ξ converge ponctuellement vers φ̂(ξ)e−iξ·x , et est dominée en module par la fonction intégrable |φ̂|, ce qui montre par le théorème de convergence dominée que ˇ φε → φ̂ simplement. 2.4 Transformée de Fourier inverse 25 (b) Montrons maintenant que φε (x) → φ(x). Comme la fonction (ξ, y) 7→ ei(x−y)ξ χ(εξ) φ(y) est dans L1 (Rn ×Rn ), une application du théorème de Fubini du même type qu’à l’exercice 2.7 donne Z ÅZ ã 1 −iy·ξ χ(εξ) φ(y) e dy eix·ξ dξ φε (x) = (2π)n Rn Rn Z ã ÅZ 1 i(x−y)·ξ χ(εξ) e dξ dy φ(y) = (2π)n Rn Rn Z y − x 1 = φ(y) χ̂ dy, n (2πε) Rn ε où on a utilisé la propriété (2.2). Avec le changement de variables u = (x − y)/ε, Z Z 1 1 φε (x) = φ(x + εu) χ̂(u) du −→ φ(x) χ̂(u) du (2.6) (2π)n Rn (2π)n Rn lorsque ε → 0, à nouveau par une application du théorème de convergence dominée. La 2 Proposition 2.9 montre que χ̂(u) = (2π)n/2 e−|u| /2 , et donc Z Z 2 1 1 χ̂(u) du = e−|u| /2 du = 1. n n/2 (2π) Rn (2π) Rn Ainsi, on a bien la convergence simple φε (x) → φ(x), ce qui prouve que, pour tout ˇ x ∈ Rn , φ(x) = φ̂(x). (ii) Toujours dans le cadre φ ∈ D précédent, on peut également montrer la convergence de φε vers φ dans L1 (Rn ) en remarquant que Z Z 2 1 |φ(x + εu) − φ(x)| e−|u| /2 dx du kφε − φkL1 6 n/2 (2π) n n ZR R 2 1 = dφ (εu) e−|u| /2 du, (2π)n/2 Rn en application du théorème de Fubini, et où on a introduit dφ (v) = kφ(· + v) − φkL1 . On note que 0 6 dφ (v) 6 2kφkL1 et que dφ (η) → 0 lorsque η → 0 (par un théorème de convergence dominée). On en déduit, à nouveau par un théorème de convergence dominée, que kφε − φkL1 → 0 lorsque ε → 0. Pour conclure dans le cas général d’une fonction f ∈ L1 (Rn ) telle que fˆ ∈ L1 (Rn ), on procède par densité, en définissant toujours Z 1 fε (x) = χ(εξ) fˆ(ξ) eix·ξ dξ (2π)n Rn ˇ La convergence fε → fˆ intervient par exemple au sens des distributions. En effet, en appliquant un théorème de convergence dominée, on obtient Z Z ˇ fε ϕ → fˆϕ Rn Rn pour toute fonction ϕ ∈ D(Rn ). On montre maintenant que fε → f dans L1 . Pour montrer cela, soit η > 0 arbitrairement petit. On choisit φ ∈ D(Rn ) à support compact telle que kf − φkL1 6 η/3. Alors, kfε − f kL1 6 kfε − φε kL1 + kφε − φkL1 + kφ − f kL1 . Le second terme tend vers 0 lorsque ε → 0, et est donc plus petit que η/3 si ε 6 εη . Pour le premier terme, on écrit 26 2 Transformée de Fourier dans L1 Z Z 1 |f (x + εu) − φ(x + εu)| χ̂(u) du dx |fε (x) − φε (x)| dx 6 (2π)n Rn Rn Rn Z η kf − φkL1 χ̂(u) du = kf − φkL1 6 6 (2π)n 3 Rn Z en appliquant le théorème de Fubini. Ainsi, kfε − f kL1 6 η si ε 6 εη , ce qui montre bien la convergence de fε vers f dans L1 (Rn ). A fortiori, on a la convergence au sens des distributions. L’unicité de la limite au sens des distributions montre que f = fˆˇ au sens des distributions, et en fait dans L1 car f ∈ L1 . 3 Transformée de Fourier des distributions 3.1 Fonctions lisses à décroissance rapide . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.1 L’espace S . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.2 Transformée de Fourier dans S . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Distributions tempérées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.1 Définition des distributions tempérées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.2 Convergence et dérivation dans S 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.3 Injection de Lp dans S 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.4 Transformée de Fourier dans S 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 27 29 30 30 32 34 34 On développe la théorie de la transformée de Fourier de distributions, qu’on cherche à définir par dualité. Comme D(R) n’est pas stable par la transformée de Fourier, on ne peut pas définir la transformée de Fourier d’une distribution générale. On définit donc l’espace de Schwartz, constitué des fonctions régulières qui décroissent à l’infini plus vite que tout polynôme. Cet espace est plus grand que D(R) et stable par la transformée de Fourier, ce qui nous permettra de définir la transformée de Fourier d’un sous-ensemble des distributions, les distributions tempérées. Exercice 3.1 Le théorème de Paley-Wiener (voir par exemple [4]) montre que la transformée de Fourier d’une fonction L1 (R) à support compact est en fait analytique sur R (on rappelle que f est analytique sur R si pour tout x0 ∈ R, il existe un voisinage de x0 dans lequel f est égale à son développement en série entière en x0 ). En supposant ce théorème connu, montrer que D(R) n’est pas stable par la transformée de Fourier. On pourra considérer f ∈ D(R), supposer que fˆ est à support compact, et montrer que la fonction fˆ est nulle en la développant en série entière à une extrémité de son support. Correction. Soit g une fonction non-nulle, analytique sur R et à support compact. Soit [a, b] son support, avec −∞ < a < b < ∞. Comme g(x) = 0 pour x > b, on a g (p) (b) = 0 pour tout p > 0 et donc, comme g est analytique, g est nulle dans un voisinage de b. Ce n’est pas possible par la définition du support. Par contradiction, ceci montre que la transformée de Fourier d’une fonction D(R) ne peut pas être à support compact à moins d’être nulle. 3.1 Fonctions lisses à décroissance rapide 3.1.1 L’espace S Définition 3.1 (Espace de Schwartz). On dit qu’une fonction φ : Rn → R de classe C∞ est à décroissance rapide si pour tout p > 0, Np (φ) = sup sup kxα ∂ β φkL∞ < +∞. |α|6p |β|6p 28 3 Transformée de Fourier des distributions On note S (Rn ) l’espace vectoriel des fonctions C ∞ à décroissance rapide. Une conséquence immédiate de cette définition est que S (Rn ) est stable par multiplication par des polynômes et par dérivation. L’utilité de cet espace par rapport à D est qu’il traite sur un pied d’égalité les propriétés de régularité et de décroissance à l’infini, qui sont duales par le Théorème 2.6. Il a ainsi plus de chance d’être stable par la transformée de Fourier. √ 2 Exercice 3.2 Vérifier que les gaussiennes sont dans S (Rn ). Les fonctions e−|x| et e− 1+|x| n sont-elles dans S (R ) ? On définit la convergence dans S dans un sens fort, similaire à la définition de la convergence dans D. Définition 3.2 (Convergence dans S ). On dit qu’une suite (φn )n∈N de fonctions de S (Rn ) converge dans S (Rn ) vers φ ∈ S (Rn ) si et seulement si ∀p ∈ N, Np (φn − φ) −−−−−→ 0. n→+∞ On a évidemment D(R ) ⊂ S (R ). Mais on a en fait un résultat plus fort. n n Proposition 3.3. L’espace D(Rn ) est dense dans S (Rn ) (pour la topologie associée à S ). Exercice 3.3 Prouver la Proposition 3.3 dans le cas n = 1. On cherchera à tronquer une fonction φ ∈ S (Rn ) de sorte qu’elle ait un support compact mais reste régulière. Correction. Soit φ ∈ S (Rn ) et χ ∈ D(Rn ), à valeurs dans [0, 1], telle que χ(x) = 1 sur la boule unité B(0, 1). On considère la suite (φk )k∈N∗ définie par x φk (x) = φ(x) χ . k Il est clair que pour tout k ∈ N∗ , φk ∈ D(Rn ). Pour tout β ∈ Nn , la formule de Leibniz montre que h x i x X Åβ ã 1 β β β−γ γ ∂ (φ − φk )(x) = ∂ φ(x) 1 − χ − . ∂ φ(x) ∂ χ γ k |γ| k k |γ|>1, γ6β Il existe donc une constante Cα,β < +∞ telle que C α β α,β x ∂ (φ − φk ) ∞ 6 sup xα ∂ β φ(x) + L k |x|>k X α β−γ φ x ∂ |γ|>1, γ6β L∞ . Pour α et β fixés, chacun des deux termes du membre de droite de l’inégalité ci-dessus tend vers 0 lorsque k tend vers +∞. On a donc pour tout α > 0 et β > 0, α β x ∂ (φ − φn ) ∞ −→ 0 L lorsque k → +∞. La suite (φn )n>1 converge donc vers φ dans S (Rn ). Les fonctions de S sont, par définition, dans L∞ . Elles sont même dans L1 et, par interpolation, dans tous les Lp , pour 1 6 p 6 ∞. Théorème 3.4. Il existe une constante Cn telle que, pour tout p ∈ N, ∀φ ∈ S (Rn ), sup sup xα ∂ β φ 1 6 Cn Np+n+1 (φ). |α|6p |β|6p (3.1) L Par l’inégalité d’interpolation kφkpLp 6 kφkLp−1 ∞ kφkL1 , (3.2) on a que S (R ) ⊂ L (R ) pour tout 1 6 p 6 +∞, et S (R ) est dense dans L (R ) pour 1 6 p < +∞. n p n n p n 3.1 Fonctions lisses à décroissance rapide 29 Exercice 3.4 Prouver le Théorème 3.4 pour n = 1. Correction. Pour montrer l’inégalité (3.1), commençons par remarquer que Z −1 X I= 1+ |xj |n+1 dx < +∞. Rn 16j6n Soit alors p > 0. Pour tout |α| 6 p et |β| 6 p, on a Ñ é X 1 α β n+1 α β X |xj | x ∂ φ(x) x ∂ φ 1 = 1 + n+1 L 1 + |x | j 16j6n 1 16j6n L é Ñ X 1 n+1 α β X 6 1 + |x | ∂ φ(x) x j n+1 1 + |x | j 16j6n L∞ 16j6n L1 6 Cn Np+n+1 (φ), avec par exemple Cn = (n + 1)I. Cette inégalité montre que S (Rn ) ⊂ L1 (Rn ), et on a S (Rn ) ⊂ L∞ (Rn ) par définition. Si φ ∈ S (Rn ), l’inégalité d’interpolation Z Z kφkpLp = |φ|p 6 kφkp−1 |φ| = kφkLp−1 ∞ ∞ kφkL1 . L Rn Rn montre que φ ∈ Lp (Rn ). La densité de S (Rn ) dans Lp (Rn ) pour 1 6 p < +∞ suit par celle de D(Rn ). 3.1.2 Transformée de Fourier dans S Toute fonction de S (Rn ) étant intégrable, on peut définir la transformation de Fourier sur le sous-espace S (Rn ) ⊂ L1 (Rn ), dense dans L1 (Rn ), en restreignant la Définition 2.1 à l’espace S (Rn ). Le point remarquable est que la transformée de Fourier d’une fonction de S (Rn ) est elle aussi dans S (Rn ). Théorème 3.5 (Transformée de Fourier dans S ). L’espace S (Rn ) est stable par transformée de Fourier, et pour tout p ∈ N il existe une constante Cn,p telle que Ä ä ∀φ ∈ S (Rn ), Np φ̂ 6 Cn,p Np+n+1 (φ). La transformée de Fourier F définit un isomorphisme séquentiellement bicontinu de S (Rn ) dans lui-même, d’inverse F −1 défini par (2.4). On rappelle qu’un isomorphisme est une application d’un espace vers un autre qui préserve la structure algébrique, dont l’inverse est bien défini et préserve lui aussi la structure algébrique. Ici, la préservation de la structure algébrique revient simplement à dire que l’application est linéaire. On rappelle également qu’une application T : E → F est séquentiellement continue si T un converge dans F vers T u lorsque un converge vers u dans E. La convergence dans les espaces S (Rn ) n’étant, dans la Définition 3.2, liée à aucune norme ou même distance, seule la convergence séquentielle a un sens. La bicontinuité séquentielle signifie que T et son inverse sont toutes deux des applications séquentiellement continues. Exercice 3.5 Montrer le Théorème 3.5. 30 3 Transformée de Fourier des distributions Correction. Soit p > 0. Pour tout |α| 6 p et |β| 6 p, plusieurs utilisations successives du Théorème 2.6 montrent que Ÿ α β α β ξ ∂ φ̂(ξ) ∞ = ∂ x φ . ∞ L L Ensuite, la Proposition 2.3 et (3.1) donnent 0 0 α β ‹n,p sup sup xα ∂ β φ(x) ξ ∂ φ̂(ξ) ∞ 6 ∂ α xβ φ(x) 1 6 C L L |α0 |6p L1 |β 0 |6p 0 6 Cn,p Np+n+1 (φ). On en déduit que la transformée de Fourier est un endomorphisme séquentiellement continu sur S (Rn ). Le fait que F et F −1 sont inverses l’une de l’autre est une conséquence directe du Théorème 2.11. 3.2 Distributions tempérées 3.2.1 Définition des distributions tempérées Comme l’espace des fonctions test D(Rn ) n’est pas stable par transformée de Fourier, on a dû introduire un espace de fonctions test plus grand, S (Rn ). Suivant la philosophie générale de la théorie des distributions, on introduit le dual topologique de l’espace des fonctions test (l’ensemble des formes linéaires sur l’espace des fonctions test), qui est par conséquent un sous-ensemble de l’espace D0 (Rn ) des distributions. Définition 3.6 (Distributions tempérées). On note S 0 (Rn ) l’espace vectoriel des formes linéaires sur S (Rn ) qui vérifient la propriété de continuité suivante : il existe un entier p et une constante C tels que ∀φ ∈ S (Rn ), | hT, φiS 0 ,S | 6 C Np (φ). (3.3) Les éléments de S 0 (Rn ) sont appelés les distributions tempérées, ou parfois les distributions à croissance lente. Théorème 3.7. Tout élément de S 0 (Rn ) définit une distribution. Remarque 3.8 (Abus de notation). Par abus de notation, on notera par la même lettre une distribution tempérée et sa restriction à D(Rn ). Cela permet notamment d’écrire ∀φ ∈ D(Rn ) ⊂ S (Rn ), hT, φiS 0 ,S = hT, φiD0 ,D . Exercice 3.6 Prouver le Théorème 3.7. Correction. Soit T ∈ S 0 (Rn ), p ∈ N et C > 0 tels que ∀φ ∈ S (Rn ), | hT, φiS 0 ,S | 6 CNp (φ). Comme D(Rn ) est un sous-ensemble de S (Rn ), il est clair que T est une forme linéaire sur D(Rn ). Soit K un compact de Rn et R > 1 tel que K ⊂ BR (0). On a, pour tout φ ∈ D(Rn ) à support dans K, |hT, φiS 0 ,S | 6 CNp (φ) = C sup sup xα ∂ β φ(x) ∞ 6 C Rp sup ∂ β φ ∞ . |α|6p |β|6p L |β|6p Ceci montre que T définit donc une distribution d’ordre inférieur ou égal à p. L 3.2 Distributions tempérées 31 Exercice 3.7 (Distribution de Dirac) Montrer que δa (pour a ∈ Rn donné) est une distribution tempérée d’ordre 0. Exercice 3.8 (Valeur principale) Montrer que la valeur principale, définie pour tout φ ∈ D(Rn ) par Z ≠ Å ã ∑ φ(x) 1 ,φ = lim dx, vp ε→0 x R\[−ε,ε] x D 0 ,D définit une distribution tempérée. Montrer qu’elle est d’ordre 1 (exactement, i.e. elle ne peut pas être d’ordre 0). Correction. La valeur principale est définie par la limite suivante Z Z 1 Z ≠ Å ã ∑ φ(x) 1 φ(x) − φ(0) φ(x) vp ,φ = lim dx = dx + dx. ε→0 x x x 0 R\[−ε,ε] −1 R\[−1,1] x S ,S La première intégrale est bien définie car on peut écrire Z φ(x) − φ(0) 1 x 0 = 6 sup |φ0 (x)| 6 N1 (φ). φ x x x∈[−1,1] 0 Pour la seconde intégrale, on écrit Z Z Z +∞ 1 xφ(x) φ(x) dx = dx dx 6 2N1 (φ). 6 2 sup |xφ(x)| R\[−1,1] x2 R\[−1,1] x x2 x∈R 1 Ceci montre donc que la valeur principale est une distribution d’ordre au plus 1. Pour montrer que cette distribution tempérée n’est pas d’ordre 0, on considère l’exemple simple suivant. On introduit une suite de fonctions (φn ) de S (Rn ), à valeurs dans [0, 1]. La fonction φn est égale à 1 sur [2, n] et à support dans [1, n + 1]. On a donc N0 (φn ) = 1 alors que Z n ≠ Å ã ∑ n 1 1 vp , φn dx = ln , > x 2 2 x S 0 ,S qui tend vers +∞ lorsque n → +∞. L’épithète “tempérées” provient de la limitation de croissance à l’infini de ces distributions. Définition-Théorème 3.9 (Fonctions à croissance lente). On dit qu’une fonction continue f est à croissance lente s’il existe p > 0 et C > 0 telles que, pour tout x ∈ Rn , |f (x)| 6 C(1 + |x|)p . Les fonctions à croissance lente définissent des distributions tempérées. Exercice 3.9 Montrer le Théorème 3.9. Correction. Si f est à croisssance lente, elle est L1loc , et on peut lui associer canoniquement une R distribution Tf ∈ D0 (Rn ) définie, pour tout φ ∈ D(Rn ), par l’action hTf , φiD0 ,D = Rn f φ. On étend cette forme linéaire sur S en notant que, pour tout φ ∈ S , Z Z Z p 0 |f φ| 6 C (1 + |x|) |φ(x)|dx 6 C sup |xα φ(x)|dx 6 C 00 Np+n+1 (φ), Rn où on a utilisé (3.1). Exercice 3.10 Donner un exemple de |α|6p Rn 32 3 Transformée de Fourier des distributions (i) fonction continue qui ne définit pas une distribution tempérée (ii) distribution tempérée qui est induite par une fonction continue mais pas à croissance lente. 2 Correction. (i) La fonction f (x) = e|x| , est bien une fonction continue et définit donc une distribution. En revanche, ce n’est pas une distribution tempérée car le crochet de dualité 2 n’est pas défini pour φ(x) = e−|x| par exemple. (ii) Si χ est la fonction chapeau centrée en 0, alors la fonction Ä 2 ä X f (x) = en χ en (x − n) n∈N 2 est formée de pics centrés en n, de hauteur en , et de largeur e−n . Elle est continue, n’est pas à croissance lente (puisque f (n) = en pour n suffisamment grand), mais elle est intégrable : X 2 kf kL1 6 en−n kχkL1 . n∈N Elle définit donc une distribution tempérée, puisque, pour tout φ ∈ S (R), Z f φ n 6 kf kL1 kφkL∞ 6 kf kL1 N0 (φ). R Ainsi, les distributions tempérées sont des distributions particulières, pour lesquelles on a un contrôle de la croissance à l’infini. C’est le cas des distributions qui proviennent de fonctions à croissance lente, et on verra au Théorème 3.14 qu’il en est de même pour celles qui proviennent de fonctions Lp . 3.2.2 Convergence et dérivation dans S 0 On définit la convergence dans S 0 de la même façon que pour les distributions usuelles. Définition 3.10 (Convergence dans S 0 ). On dit que la suite (Tk )k∈N d’éléments de S 0 (Rn ) converge dans S 0 (Rn ) vers T si on a ∀φ ∈ S (Rn ), hTk , φiS 0 ,S −→ hT, φiS 0 ,S . Théorème 3.11. Toute suite (Tk )k∈N de distributions tempérées qui converge dans S 0 (Rn ) vers la distribution tempérée T converge aussi dans D0 (Rn ) vers la distribution T . Exercice 3.11 Prouver le Théorème 3.11. Définition-Théorème 3.12 (Dérivation dans S 0 ). Soit T ∈ S 0 (Rn ). La dérivée de T par ∂T , défini par rapport à la variable xj est l’élément de S 0 (Rn ), noté ∂xj ≠ ∑ ≠ ∑ ∂T ∂φ n ∀φ ∈ S (R ), ,φ = − T, . ∂xj ∂xj S 0 ,S S 0 ,S La distribution définie par ∂T est la dérivée (au sens des distributions) de la distribution définie ∂xj par T . Exercice 3.12 Montrer le Théorème 3.12. Théorème 3.13. La dérivation est séquentiellement continue dans S 0 : si Tk −−−−−→ T dans S 0 (Rn ), alors ∂ α Tk −−−−−→ ∂ α T dans S 0 (Rn ). k→+∞ k→+∞ 3.2 Distributions tempérées 33 Exercice 3.13 Prouver le Théorème 3.13 Correction. Soit φ ∈ S (Rn ). On a h∂ α Tk , φiS 0 ,S = (−1)|α| hTk , ∂ α φiS 0 ,S −→ (−1)|α| hT, ∂ α φiS 0 ,S = h∂ α T, φiS 0 ,S , ce qui est bien la convergence au sens de S 0 . Finissons par quelques exemples qui montrent qu’en effet S 0 (Rn ) est strictement inclus dans D0 (Rn ). Exercice 3.14 (Distribution exponentielle) Montrer que la suite des sommes partielles N X xk fN (x) = k=0 k! est une suite d’éléments de S 0 (R) qui converge dans D0 (R), mais pas dans S 0 (R). Correction. On voit que fN (x) converge simplement vers f (x) = ex . Considérons une fonction φ ∈ D(R), avec R > 0 tel que supp(φ) ⊂ [−R, R]. Alors, par convergence dominée, Z R hfN , φiD0 ,D = Z R ex φ(x) dx = hf, φiD0 ,D . fN φ → −R −R Ceci montre que fN converge vers f au sens des distributions. En revanche, la suite (fN ) ne peut pas converger au sens des distributions tempérées : en effet, si elle convergeait, le Théorème 3.11 montre que sa limite serait nécessairement f . Or, f n’est pas une distribution tempérée parce que son crochet de dualité contre la fonction de S (R) Å ã 1p φ(x) = exp − 1 + x2 2 par exemple n’est pas bien défini. Exercice 3.15 (Peigne à croissance lente) Soit (ak )k∈N une suite réelle. Montrer que la série X ak δk k∈Z converge dans D0 (R). Montrer que si la suite (ak )k∈Z est à croissance lente, c’est-à-dire telle qu’il existe C > 0, p > 0 tels que que |ak | 6 C(1 + |k|)p pour tout k ∈ Z, alors la convergence a aussi lieu dans S 0 (R). Fournir un exemple de série qui converge dans D0 (R) mais pas dans S 0 (R). P Correction. Pour tout φ ∈ D(R), k∈Z ak φ(k) ne comporte qu’un nombre fini de termes et la série converge donc. Pour tout φ ∈ S (R), X X X |ak φ(k)| 6 C (1 + |k|)p |φ(k)| 6 C 0 Np+2 (φ) (1 + |k|)−2 k∈Z k∈Z pour une constante C 0 > 0, ce qui montre que la distribution T définie par son action X hT, φiS 0 ,S = ak φ(k) k∈Z est bien une distribution tempérée. Si TN = |k|6N ak δk , pour tout φ ∈ S P(R), hT − TN , φi est le reste d’une série convergente et tend donc vers 0, ce qui montre que T = k∈Z ak δk . 2 2 Si par exemple ak = ek , le produit de dualité de T par la fonction test φ(x) = e−x n’est pas défini, ce qui montre que T ne définit pas une distribution tempérée. P 34 3 Transformée de Fourier des distributions 3.2.3 Injection de Lp dans S 0 Théorème 3.14 (Injection de Lp dans S 0 ). On a l’injection séquentiellement continue Lp (Rn ) ,→ S 0 (Rn ) pour tout 1 6 p 6 +∞. Exercice 3.16 Prouver le Théorème 3.14. On pourra montrer qu’une fonction f ∈ Lp peut se décomposer en somme de fonctions L1 et L∞ . Correction. Soit f ∈ Lp , pour 1 6 p 6 ∞, et p0 tel que 1 1 = 1. + p p0 D’après le Théorème 3.4, il existe une constante C > 0 telle que, pour tout φ ∈ S (Rn ), kφkLp0 6 CNn+1 (φ). En utilisant l’inégalité de Hölder, on voit alors que Z f φ 6 kf kLp kφkLp0 6 Ckf kLp Nn+1 (φ), Rn ce qui montre que la forme linéaire Tf définie par hTf , φiS 0 ,S est une distribution tempérée. Si fn → f dans Lp , alors, pour tout φ ∈ S 0 (Rn ), |hTfn − Tf , φiS 0 ,S | 6 Ckfn − f kLp Nn+1 (φ), et Tfn converge donc vers Tf au sens des distributions tempérées. Remarque 3.15 (Injection continue). On peut donc écrire D(Rn ) ,→ S (Rn ) ,→ L2 (Rn ) ,→ S 0 (Rn ) ,→ D0 (Rn ), où la notation A ,→ B signifie que A s’injecte dans B et que l’injection de A dans B est séquentiellement continue. 3.2.4 Transformée de Fourier dans S 0 Comme il est d’usage en théorie des distributions, les opérations ou actions effectuées sur les distributions sont définies en effectuant ladite opération sur la fonction test. Il en va de même pour la transformée de Fourier. Définition-Théorème 3.16 (Transformée de Fourier d’une distribution tempérée). Soit T ∈ S 0 (Rn ). La transformée de Fourier de T est la distribution tempérée notée F T définie par ¨ ∂ ∀φ ∈ S (Rn ), hF T, φiS 0 ,S = T, φ̂ 0 = hT, F φiS 0 ,S . (3.4) S ,S La transformée de Fourier ainsi définie est une extension de la définition classique de la transformée de Fourier sur L1 (Rn ) : si on note Tu la distribution associée à la fonction u, alors, pour tout f ∈ L1 (Rn ), Tfˆ = F Tf . Au risque de nous répéter : comme la transformée de Fourier d’un élément de D(Rn ) n’est pas dans D(Rn ) (mais seulement dans S (Rn )), on ne peut pas définir la transformée de Fourier d’une distribution quelconque par une relation analogue à (3.4), et il faut donc se limiter aux distributions tempérées. Exercice 3.17 Montrer le Théorème 3.16. 3.2 Distributions tempérées 35 Correction. Vérifions d’abord que F T est bien une distribution tempérée. Il est clair que F T est une forme linéaire sur S (Rn ). Il reste à s’assurer que F T vérifie la propriété de continuité (3.3). Soit φ ∈ S (Rn ). On a ¨ ∂ hF T, φiS 0 ,S = T, φ̂ 0 6 C Np (φ̂) 6 C 0 Np+n+1 (φ). S ,S On a donc bien F T ∈ S 0 (Rn ). Soit maintenant u ∈ L1 (Rn ). On a pour tout φ ∈ S (Rn ), Z Z ÅZ ¨ ∂ hF u, φiS 0 ,S = u, φ̂ 0 = u φ̂ = u(x) S ,S Rn Rn φ(y) e−ix·y dy ã dx. Rn Comme (x, y) 7→ u(x) φ(y) e−ix·y appartient à L1 (Rn × Rn ), une application du théorème de Fubini montre que Z ÅZ ã hF u, φiS 0 ,S = u(x) e−ix·y dx φ(y) dy = hv, φiS 0 ,S , Rn Rn avec Z u(x) e−ix·y dx = û(y). v(y) = Rn On retrouve donc bien la définition usuelle de la transformée de Fourier sur L1 (Rn ). Remarque 3.17 (Notations). La transformée de Fourier de la distribution T est noté F T et pas T̂ . On réserve en effet la notation ˆ· aux fonctions L1 pour lesquelles la transformée de Fourier F est définie sous la forme intégrale de l’équation (2.1). Lorsque f ∈ L1 , les deux notations sont possibles mais on privilégie la notation fˆ. Théorème 3.18 (Transformée de Fourier inverse des distributions tempérées). La transformée de Fourier est un isomorphisme séquentiellement bicontinu de S 0 (Rn ) sur lui-même, d’inverse F −1 défini par ∀φ ∈ S (Rn ), hF −1 T, φiS 0 ,S = T, φ̌ S 0 ,S = T, F −1 φ S 0 ,S . Exercice 3.18 Montrer le Théorème 3.18 Théorème 3.19 (Dérivation et transformée de Fourier). Soit T ∈ S 0 (Rn ). Alors S 0 (Rn ) et F Å ∂T ∂xj ã = i ξj F T. ∂T ∈ ∂xj (3.5) Exercice 3.19 Montrer le Théorème 3.19. Exercice 3.20 Montrer que δa ∈ S 0 (Rn ) et que F δa (ξ) = e−ia·ξ . De même, montrer que x 7→ eia·x ∈ S 0 (Rn ) et que F (eia·x ) = (2π)n δa . ! X Exercice 3.21 Calculer F δn . n∈Z Correction. On sait par l’Exercice 3.15 que X SN = δn −N 6n6N converge dans S 0 (Rn ) vers la série S∞ = X n∈Z δn . 36 3 Transformée de Fourier des distributions Par continuité séquentielle de la transformée de Fourier (Théorème 3.18), on a F SN → F S∞ . Or un calcul immédiat montre que X F SN = e−inx −N 6n6N On vérifie par ailleurs (avec des manipulations tout à fait similaires à celles faites pour montrer la convergence de la série SN ) que la série X TN = e−inx −N 6n6N converge dans S 0 (Rn ) vers la série limite T∞ = X e−inx . n∈Z On en déduit, par unicité de la limite dans S 0 (R), que ! X X F δn = e−inx . n∈Z n∈Z On verra au Chapitre 5 que cette expression est également égale à un autre peigne de Dirac (c’est la formule de Poisson, Théorème 5.9). Remarque 3.20 (Transformée de Fourier et convolution). Comme dans le cas L1 , la transformée de Fourier agit sur les convolutions en les transformant en produit. La situation est cependant plus complexe car l’existence de la convolution de deux distributions tempérées (que nous n’avons pas définie, d’ailleurs) n’est pas plus assurée en général que le produit de deux distributions. Cependant, si tous les termes sont bien définis, on retrouve la propriété F (T1 ? T2 ) = F (T1 ) · F (T2 ). Exercice 3.22 (Élargissement de pics) En reprenant les calculs de l’Exercise 2.11, donner la transformée de Fourier de la fonction uα (t) = e−α|t|+i ωt , pour α > 0 et ω ∈ R. Étudier la limite de uα et de sa transformée de Fourier quand α → 0. En négligeant les effets dûs aux temps négatifs, proposer une origine physique possible des pics de largeur finie de la Figure 1.2. Correction. On vérifie aisément que uα ∈ L1 (R), et que u bα (ω) = 2α α2 + (ξ − ω)2 (3.6) Un argument de convergence dominée montre que la suite de fonctions uα tend au sens des distributions tempérées vers eiωt quand α tend vers 0, ce qui montre que ûα → 2πδω , ce qu’on aurait également pu démontrer directement. La fonction uα représente pour t > 0 une oscillation de fréquence ω, amortie avec un coefficient α. Sa transformée de Fourier (3.6) montre un pic à la fréquence ω, avec une largeur proportionnelle à α. On voit que, contrairement à une oscillation non-amortie (α = 0), dont la transformée de Fourier est un pic de Dirac, la transformée de Fourier d’une oscillation amortie est un pic de largeur finie, proportionnelle à l’amortissement. Cela conduit à supposer que les effets d’élargissement de pics sont dûs à l’amortissement du son. 4 Espaces de Sobolev et équations aux dérivées partielles 4.1 Transformée de Fourier dans L2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Espaces de Sobolev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3 Résolution d’équations aux dérivées partielles . . . . . . . . . . . . . . . . . . . 37 39 41 La transformée de Fourier dans S 0 se spécialise à plusieurs espaces fonctionnels importants (dont L2 et les espaces de Sobolev). Elle permet de montrer aisément que L2 est stable par transformée de Fourier, de caractériser les espaces de Sobolev, et de donner des formules explicites de résolution d’équations aux dérivées partielles. 4.1 Transformée de Fourier dans L2 Nous avons défini la transformée de Fourier sur l’espace S 0 qui contient (largement !) L2 . Pourquoi donc consacrer maintenant une section à la transformée de Fourier dans L2 ? La réponse est fournie par le théorème suivant : Théorème 4.1 (Isométrie de la transformée de Fourier). Les transformations 1 F et (2π)n/2 (2π)n/2 F −1 sont des isométries de L2 (Rn ) inverses l’une de l’autre : ∀f ∈ L2 (Rn ), ∀f ∈ L2 (Rn ), F f ∈ L2 (Rn ) et F −1 f ∈ L2 (Rn ) et 1 kF f kL2 = kf kL2 , (2π)n/2 (2π)n/2 F −1 f L2 = kf kL2 . Exercice 4.1 Prouver le Théorème 4.1. On commencera par établir l’isométrie sur S en prouvant que, pour tous φ, ψ ∈ S (Rn )2 , 1 (φ̂, ψ)L2 = φ, ψ̌ L2 , n (2π) et on raisonnera par densité. Correction. L’idée de la preuve est de montrer l’isométrie des transformations sur S (Rn ), et d’en déduire l’isométrie sur L2 (Rn ) par densité de D(Rn ) ⊂ S (Rn ) dans L2 (Rn ) (qui montre que la transformée de Fourier s’étend de manière unique, et coincide avec sa définition au sens de S 0 (Rn )). Soit (φ, ψ) ∈ S (Rn )2 . Comme la fonction (x, ξ) 7→ e−ix·ξ φ(x) ψ(ξ) appartient à L1 (Rn × Rn ), une application du théorème de Fubini donne 38 4 Espaces de Sobolev et équations aux dérivées partielles Z 1 1 (φ̂, ψ)L2 = φ̂(ξ) ψ(ξ) dξ (2π)n (2π)n Rn Z ÅZ ã 1 −ix·ξ φ(x) e dx ψ(ξ) dξ = (2π)n Rn Rn Z Z Å ã = φ(x) (2π)−n ψ(ξ) eix·ξ dξ dx n Rn ZR = φ(x) ψ̌(x) dx Rn = φ, ψ̌ L2 . Appliquant cette formule avec ψ = φ̂, on a ä 1 Ä 1 2 ˇ φ̂ = = (φ, φ)L2 = kφk2L2 . φ̂, φ̂ = φ, φ̂ L2 L2 (2π)n (2π)n L2 L’identité ci-dessus, connue sous le nom de formule de Plancherel , montre que (2π)−n/2 F est une isométrie sur S (Rn ). La fin de la démonstration repose sur un argument de densité classique qu’il est bon de connaı̂tre. Soit f ∈ L2 (Rn ). L’espace S (Rn ), qui contient D(Rn ) est dense dans L2 (Rn ). Considérons donc une suite (φk )k∈N d’éléments de S (Rn ) qui converge vers f dans L2 (Rn ). La suite (φk )k∈N converge, donc est de Cauchy dans L2 (Rn ). La suite des transformées de Fourier (φ̂k )k∈N est alors elle-aussi une suite de Cauchy puisque ∀ 0 6 k 6 l, φ̂k − φ̂l 2 = (2π)n/2 kφk − φl kL2 . L La complétude de L2 (Rn ) montre que la suite (φ̂k )k∈N converge dans L2 (Rn ) vers une certaine fonction g ∈ L2 (Rn ). Or, on sait par le Théorème 3.14 que la convergence dans L2 (Rn ) entraı̂ne la convergence dans S 0 (Rn ). Donc (φ̂k )k∈N converge dans S 0 (Rn ) vers la distribution tempérée g. Mais d’autre part, (φk )k∈N converge vers f dans L2 (Rn ), donc dans S 0 (Rn ). Il résulte du Théorème 3.18 que (φ̂k )k∈N = (F φk )k∈N converge vers F f dans S 0 (Rn ). L’unicité de la limite dans S 0 (Rn ) (conséquence de l’unicité de la limite dans D0 (Rn )) implique F f = g dans S 0 (Rn ), et donc F f ∈ L2 (Rn ) et (φ̂k )k∈N converge vers F f dans L2 (Rn ). En passant à la limite dans la relation 1 2 ∀k ∈ N, φ̂ 2 = kφk k2L2 , k L (2π)n on obtient l’égalité 1 2 kF f kL2 = kf k2L2 . (2π)n L’application (2π)−n/2 F est donc une isométrie sur L2 (Rn ). En remplaçant φ par F −1 φ, on montre qu’il en est de même de (2π)n/2 F −1 . Remarque 4.2 (Interprétation physique). Pour f ∈ L2 (Rn ), on a la formule de Plancherel Z Z 1 2 |F f (ξ)| dξ = |f (x)|2 dx. (4.1) (2π)n Rn Rn Il arrive souvent en physique ou en mécanique que l’énergie d’un champ sur Rn s’exprime précisément sous la forme d’une intégrale sur l’espace du carré du champ (penser à l’énergie cinétique d’un écoulement, à l’énergie d’un champ électromagnétique, à l’énergie de déformation élastique linéaire d’un matériau homogène isotrope). L’égalité (4.1) signifie que l’énergie du champ peut alors être calculée indifféremment dans l’espace réel ou dans l’espace réciproque. 4.2 Espaces de Sobolev 39 Exercice 4.2 (Formule de Parseval) Montrer, en reprenant la démonstration précédente ou en utilisant une formule de polarisation, que si f et g sont dans L2 (Rn ), (2π)n (f, g) = (F f, F g). Remarque 4.3. Attention à ne pas confondre : le produit de dualité des distributions ne conjugue pas, alors que le produit scalaire L2 si (c’est une forme sesquilinéaire). On a ainsi, par exemple pour f, g ∈ L2 , hF f, giS 0 ,S = hf, F giS 0 ,S (F f, g)L2 = (2π)n (f, F −1 g)L2 , par la définition de la transformée de Fourier dans S 0 et par la formule de Plancherel, respectivement, et ces deux quantités ne sont pas égales. Remarque 4.4. On a vu que la transformée de Fourier envoyait continûment L1 dans L∞ , et L2 dans L2 (mais pas L∞ dans L1 ). Dans l’esprit général de la dualité Hölderienne, on peut montrer, avec un théorème d’interpolation, que pour 1 6 p 6 2, la transformée de Fourier envoie continûment Lp dans Lq , avec 1 1 + = 1. p q Notons que ceci n’est pas vrai pour p > 2. 4.2 Espaces de Sobolev La transformée de Fourier permet de caractériser la régularité des fonctions : plus une fonction est régulière, plus sa transformée de Fourier décroı̂t rapidement à l’infini. Ceci est lié en effet à la décroissance de l’amplitude des modes rapides, i.e. qui varient sur des échelles spatiales courtes, les irrégularités locales provenant précisément des ces modes-là. Afin d’étudier des fonctions de régularité arbitraire, on définit les espaces de Sobolev d’exposant réel. Définition-Théorème 4.5 (Espaces de Sobolev d’exposants réels). Pour tout s ∈ R, on pose Z ß ™ s n 0 n 1 n 2 s 2 H (R ) = u ∈ S (R ) û ∈ Lloc (R ), (1 + |ξ| ) |û(ξ)| dξ < +∞ . (4.2) Rn Muni du produit scalaire noté (·, ·)Hs et défini par s n 2 ∀(u, v) ∈ H (R ) , Z (u, v) Hs = (1 + |ξ|2 )s û(ξ) v̂(ξ) dξ, (4.3) Rn l’espace Hs (Rn ) est un espace de Hilbert. Remarque 4.6 (Injections continues). Si s1 6 s2 , on a (1 + |ξ|2 )s1 6 (1 + |ξ|2 )s2 pour tout ξ ∈ Rn , et on a donc l’injection continue Hs2 (Rn ) ,→ Hs1 (Rn ). Exercice 4.3 Prouver le Théorème 4.5. On commencera par utiliser la transformation A : Hs (Rn ) → L2 (Rn ) définie par (Au)(ξ) = (1 + |ξ|2 )s/2 û(ξ) pour montrer que Hs (Rn ) est isométrique à L2 (Rn ). 40 4 Espaces de Sobolev et équations aux dérivées partielles Correction. Il est clair que (·, ·)H s est un produit scalaire. Pour montrer la complétude, il suffit de remarquer que pour toute suite (uk )k∈N de Hs (Rn ), la suite (vk )k∈N définie par vk (ξ) = (Auk )(ξ) = (1 + |ξ|2 )s/2 ûk (ξ), est une suite de L2 (Rn ) vérifiant ∀ 0 6 k 6 l, kuk − ul kHs = kvk − vl kL2 . Si la suite (uk )k∈N est de Cauchy dans Hs (Rn ), la suite (vk )k∈N est de Cauchy dans L2 (Rn ), et converge donc dans L2 (Rn ) vers v ∈ L2 (Rn ). Posons ã Å v̂ −1 , u=F (1 + |ξ|2 )s/2 alors u ∈ Hs (Rn ) et (uk )k∈N tend vers u dans Hs (Rn ), ce qui achève de montrer la complétude. La définition (4.2) des espaces de Sobolev sur H s (Rn ) coı̈ncide, lorsque s est entier, avec la définition plus usuelle suivante. Proposition 4.7 (Espaces de Sobolev n Hs (Rn ) = u ∈ L2 (Rn ) d’exposants entiers). Soit s ∈ N. Alors o α ∂ u ∈ L2 (Rn ), ∀α ∈ Nn , |α| 6 s , (4.4) et la norme définie sur Hs (Rn ) par le produit scalaire (4.3) est équivalente à celle définie par le produit scalaire Z X ∂ α u(x) ∂ α v(x) dx. (u, v) = α∈Nn , |α|6s Rn Exercice 4.4 Montrer la Proposition 4.7 dans le cas s = 1. Correction. Montrons le résultat pour H1 (Rn ). Soit u appartenant à l’espace H1 (Rn ) défini ∂u par (4.4). On a alors u ∈ L2 (Rn ) et ∈ L2 (Rn ) pour tout 1 6 j 6 n. Ainsi, ∂xj (i) u ∈ S 0 (Rn ) (puisque L2 (Rn ) ⊂ S 0 (Rn )), (ii) û ∈ L2 (Rn ) ⊂ L1loc (Rn ) (puisque u ∈ L2 (Rn )), ã ∂u (iii) ξj û ∈ L (R ) pour tout 1 6 j 6 n puisque ξj û = −iF . ∂xj 2 Å n Il en résulte que u appartient à l’espace H1 (Rn ) défini par (4.2). La réciproque se démontre en utilisant les mêmes arguments. Par ailleurs, pour s > 1, il existe deux constantes c, C > 0 telles que X c (1 + |ξ|2 )s 6 |ξ α |2 6 C (1 + |ξ|2 )s . |α|6s Ceci montre que la norme kuk2Hs ,usuel = X |α|6s k∂ α uk2L2 Z = X |ξ α | |û(ξ)|2 dξ Rn |α|6s est équivalente à la norme Hs (Rn ) définie par (4.3) pour s > 1. La transformée de Fourier permet de montrer très facilement le résultat suivant qui relie la décroissance, ou plus exactement l’intégrabilité, de la transformée de Fourier à l’infini avec la régularité locale de la fonction d’origine. 4.3 Résolution d’équations aux dérivées partielles 41 Théorème 4.8. Soit n ∈ N∗ , k ∈ N et s ∈ R vérifiant s > k + n/2. Si u ∈ Hs (Rn ), alors u ∈ Ck (Rn ) et toutes ses dérivées jusqu’à l’ordre k tendent vers zéro à l’infini. Exercice 4.5 Montrer le Théorème 4.8. On commencera par le cas k = 0 et on montrera que û ∈ L1 (Rn ). Correction. Commencons par le cas k = 0. Soit donc s > n/2 et u ∈ Hs (Rn ). On a Ä ä û(ξ) = (1 + |ξ|2 )s/2 û(ξ) 1 . (1 + |ξ|2 )s/2 Comme u ∈ Hs (Rn ), on a par hypothèse (1 + |ξ|2 )s/2 û(ξ) ∈ L2 (Rn ), et d’autre part 1 ∈ L2 (Rn ) (1 + |ξ|2 )s/2 puisque s > n/2. On en déduit û ∈ L1 (Rn ). La Proposition 2.3 peut aussi être utilisée avec F −1 au lieu de F , ce qui montre que u = F −1 û est continue et tend vers zéro à l’infini. Pour le cas k > 1, on montre que ξ α u ∈ L1 pour |α| 6 k, et on utilise le Corollaire 2.7. Exercice 4.6 (Un résultat de régularité elliptique) Résoudre l’équation −∆u + u = f pour f ∈ L2 (R3 ). Montrer que l’unique solution u est continue et bornée. Correction. On procède par analyse/synthèse. Supposons pour commencer que la solution existe avec u ∈ S 0 (R3 ). En appliquant la transformée de Fourier, on voit que (1 + |ξ|2 )b u(ξ) = fb(ξ), et donc que u ∈ H 2 (R3 ) (par (4.2)) avec Ç u=F −1 fb 1 + |ξ|2 å . Ceci donne également l’unicité de la solution, et montre que l’égalité −∆u + u = f a lieu au sens L2 (R3 ). On vérifie ensuite facilement que la solution u convient. Exercice 4.7 Faire de même pour −∆u + b · ∇u + αu = f avec f ∈ L2 (R3 ), b ∈ R3 et α > 0. 4.3 Résolution d’équations aux dérivées partielles Nous concluons ce chapitre en montrant comment l’utilisation de la transformée de Fourier permet de résoudre des problèmes d’équations aux dérivées partielles rencontrés en physique. 42 4 Espaces de Sobolev et équations aux dérivées partielles Equation de la chaleur On considère l’équation de la chaleur, qui est le problème de Cauchy suivant : ß ∂t f − ∆f = 0 sur R∗+ × Rn , f (0, ·) = f0 sur Rn . (4.5) On peut montrer l’existence et l’unicité d’une solution f (t, ·) ∈ S 0 (Rn ) pour tout t > 0 si f0 ∈ S 0 (Rn ) (voir [3, Section XIV.2.2] ; nous ne présentons pas les détails ici car cela demanderait d’introduire la convolution de deux distributions). Il existe d’autres théories qui permettent de caractériser l’évolution pour des conditions intitiales L2 (Rn ) (théorie de Hille-Yosida). Exercice 4.8 Montrer, en utilisant une transformée de Fourier sur la variable spatiale, que la solution est, formellement, Z 2 −n/2 f (t, x) = (4πt) f0 (y) e−|x−y| /4t dy. Rn Montrer que la fonction f ainsi définie est solution de l’équation de la chaleur pour t > 0 et vérifie la condition initiale si f0 ∈ S (Rn ) par exemple. Correction. On introduit la transformée de Fourier partielle (i.e. seulement sur la variable d’espace) de la fonction (t, x) 7→ f (t, x) : Z ˆ f (t, x) e−ix·ξ dx. f (t, ξ) = Rn Alors, (4.5) devient ® ∂t fˆ + |ξ|2 fˆ = 0 sur R∗+ × Rn , fˆ(0, ·) = fˆ0 sur Rn . (4.6) 2 On en déduit que fˆ(t, ξ) = fˆ0 (ξ) e−t|ξ| . Par transformée de Fourier inverse, on voit que f (t, ·) = f0 ? Gt , avec 2 Gt (x) = (4πt)−n/2 e−|x| /4t . (4.7) On a donc −n/2 Z f (t, x) = (4πt) 2 f0 (y) e−|x−y| /4t dy. (4.8) Rn Cette intégrale est définie ponctuellement pour t > 0 si f ∈ L∞ (Rn ), par le théorème de convergence dominée. On montre de même facilement que, pour tout t > 0, f est C 2 par rapport à t et x et qu’elle satisfait l’équation de la chaleur. La condition initiale est assurée par le fait que Gt → δ0 dans S 0 (Rn ) lorsque t → 0. Exercice 4.9 (Problème de Cauchy inhomogène) Donner la forme de la solution pour le problème de Cauchy inhomogène ∂t f − ∆f = g sur R∗+ × Rn , avec (t, x) 7→ g(t, x) donnée. Exercice 4.10 (Équation des ondes) Donner la forme de la solution pour l’équation des ondes ∂tt f = ∆f . 5 Séries de Fourier des distributions périodiques 5.1 Distributions périodiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 Séries de Fourier des distributions périodiques . . . . . . . . . . . . . . . . . . . 5.3 Transformée de Fourier des distributions périodiques . . . . . . . . . . . . . 43 44 47 Dans ce chapitre, on montre que toute distribution périodique peut se développer en série de Fourier. Comme les distributions périodiques sont tempérées, on peut également calculer leur transformée de Fourier, ce qui établit un lien entre ces deux concepts jusqu’à présent séparés. Ce lien a des conséquences extrêmement utiles en théorie du signal (notamment la formule de Poisson), qui seront exploitées au chapitre suivant. Par souci de simplification, comme dans la théorie des séries de Fourier, nous ne considérerons que des fonctions définies sur R, les résultats s’étendant cependant aux cas multidimensionnels. Nous considérons cependant une période T arbitraire, en vue d’utiliser ces résultats en théorie du signal. 5.1 Distributions périodiques Soit u ∈ D0 (R). On appelle T -translatée de u la distribution τT u définie, pour toute fonction test φ ∈ D(R), par hτT u, φiD0 ,D = hu, τ−T φiD0 ,D = hu, φ(· + T )iD0 ,D . Cette définition est bien sûr motivée par le cas où u est continue, car on a alors (τT u)(t) = u(t−T ). Exercice 5.1 Montrer que τT est un isomorphisme séquentiellement bicontinu sur S 0 (R) et D0 (R), d’inverse τ−T . Définition 5.1 (Distribution T -périodique). Une distribution u est T -périodique si τT u = u. L’ensemble des distributions T -périodiques est noté DT0 (R). Bien sûr, une distribution provenant d’une fonction L1loc périodique est une distribution périodique. Le résultat technique suivant sera très utile dans de nombreuses preuves. Lemme 5.2 (Partition de l’unité T-périodique). Il existe χ ∈ D(R) telle que pour tout t ∈ R, ∞ X χ(t − nT ) = 1. (5.1) n=−∞ Si φ ∈ L1loc est périodique de période T , alors Z T Z φ= 0 φχ. R (5.2) 44 5 Séries de Fourier des distributions périodiques Exercice 5.2 Montrer le Lemme 5.2. On pourra considérer une fonction φ ∈ D(R) quelconque, et chercher à la normaliser pour satisfaire (5.1). Correction. Soit φ ∈ D(R) positive, et strictement positive sur l’intervalle [0, T ]. La fonction ∞ X φ(t − nT ) n=−∞ est de classe C∞ (R), T -périodique et strictement positive sur R. On vérifie facilement que la fonction φ(t) χ(t) = P∞ n=−∞ φ(t − nT ) convient. Pour montrer (5.2), on écrit Z T Z φ= 0 0 ! T X χ(t + nT ) φ(t) dt = n∈Z XZ n∈Z T Z χφ. χ(t + nT )φ(t + nT ) dt = R 0 L’utilité des partitions de l’unité est de permettre le calcul de coefficients de Fourier de distributions périodiques. Définition-Théorème 5.3 (Coefficients de Fourier). Soit u une distribution périodique, et χ une partition de l’unité. On définit ses coefficients de Fourier par cn (u) = ∂ 1¨ u, χ(t) e−2iπn t/T 0 D ,D T (5.3) Ces coefficients sont des formes linéaire séquentiellement continues sur D0 (R). Cette définition étend la définition usuelle dans le sens où, si u ∈ L1loc , cn (u) = 1 T Z T u(t) e−2iπn t/T dt. (5.4) 0 Remarque 5.4. Cette définition est celle des coefficients de Fourier (1.4), à la différence près que la période est T au lieu de 2π, et que la convention de normalisation est différente (on met √ un facteur 1/T dans les coefficients, au lieu de 1/ T en (1.4)). Exercice 5.3 Montrer le Théorème 5.3. 5.2 Séries de Fourier des distributions périodiques Avant de démontrer qu’une distribution périodique peut se représenter comme une série de Fourier, commençons par montrer le résultat, plus élémentaire, que les séries de Fourier dont les coefficients forment une suite à croissance lente sont des distributions périodiques. Théorème 5.5. Soit (cn )n∈Z une suite à croissance lente, i.e. telle que ∃ p ∈ N, C > 0, ∀ n ∈ Z, Alors la série ∞ X |cn | 6 C(1 + |n|)p . cn e2iπnt/T n=−∞ converge au sens des distributions tempérées et définit une distribution T -périodique. Exercice 5.4 Montrer le Théorème 5.5. 5.2 Séries de Fourier des distributions périodiques 45 Correction. On procède comme à l’Exercice 3.15 : pour tout φ ∈ S (R), X X X (1 + |n|)p |φ̂(−n)| 6 C 0 Np+2 (φ̂) (1 + |n|)−2 . an he2iπnt/T , φ(n)iD0 ,D 6 C n∈Z n∈Z Comme Np+2 (φ̂) 6 C 00 Np+n+3 par le Théorème 3.5, u définie par X hu, φiS 0 ,S = an he2iπnt/T , φiD0 ,D n∈Z P est bien une distribution tempérée. Si uN = |n|6N an e2iπnt/T , pour tout φ ∈ S (R), hu − uN , φi P est le reste d’une série convergente et tend donc vers 0, ce qui montre que u = n∈Z an e2iπnt/T au sens des distributions tempérées. De plus, τT uN = uN , et, par continuité séquentielle de τT , τT u = u. Le Théorème 5.5 permet donc de construire des distributions périodiques comme sommes de séries de Fourier. De plus, la proposition ci-dessous montre que les coefficients cn d’une telle série sont définis de manière unique. Proposition 5.6 (Unicité des coefficients de Fourier). Si (γn )n∈Z et (γn0 )n∈Z sont deux suites à croissance lente telle que X X γn e2iπnt/T = γn0 e2iπnt/T n∈Z au sens des distributions, alors γn = n∈Z γn0 pour tout n ∈ Z. Exercice 5.5 Prouver la Proposition 5.6. Correction. On a, par (5.4), pour tout n0 ∈ Z, cn0 (e2iπnt/T ) = T δn,n0 et on en déduit par continuité séquentielle de cn0 que ! cn0 X γn e 2iπnt/T = T γn0 n∈Z et donc γn0 = γn0 0 pour tout n0 ∈ Z, d’où le résultat. On peut maintenant montrer que toute distribution périodique est égale à sa série de Fourier. Théorème 5.7 (Série de Fourier d’une distribution périodique). Soit u une distribution T -périodique. Alors (cn (u))n∈Z est une suite à croissance lente, ne dépend pas du choix de la partition de l’unité χ dans 5.3, et on a l’égalité suivante au sens des distributions tempérées : X u= cn (u) e2iπnt/T . (5.5) n∈Z Exercice 5.6 Prouver le Théorème 5.7. (i) Montrer que les cn (u) forment P une suite à croissance lente en utilisant les résultats de l’Appendice 7. En déduire que n∈Z cn (u) e2iπnt/T converge vers v dans S 0 . (ii) Soit w = u − v ∈ S 0 . Montrer que cn (w) = 0. P (iii) Montrer que, pour tout n ∈ Z, τnT (χw) = (τnT χ)w et en déduire que w = n∈Z τnT (χw). P (iv) Montrer que hw, φiD0 ,D = 0 pour tout φ ∈ D en développant n∈Z τnT φ en série de Fourier, et conclure que w = 0. 46 5 Séries de Fourier des distributions périodiques (v) Montrer que le choix des cn (u) est indépendant du choix de χ. Correction. (i) Par les résultats de l’Appendice 7, χu est une distribution à support compact, qui définit une forme linéaire sur les fonctions C ∞ . On peut alors calculer les cn (u) comme ∂ 1 1¨ u, χe−2iπn t/T 0 = hχu, e−2iπn t/T iE 0 ,C ∞ . cn (u) = D ,D T T Comme χu est à support compact, elle est d’ordre fini, et il existe donc p et C tels que k Ä ä d p |cn (u)| 6 C sup sup k e−2iπn t/T 6 C 0 (1 + |n|) , 06k6p t∈K dt P ce qui montre que les cn (u) sont à croissance lente. La série n∈Z cn (u)e−2iπn t/T converge donc vers une distribution tempérée v périodique, d’après le théorème 5.5. P (ii) Posons w = u − v ∈ S 0 . Pour tout n ∈ Z, cn (w) = cn (u) − n∈Z cn (e−2iπn t/T ) = 0, en procédant comme pour la preuve de la Proposition 5.6. (iii) Pour tout φ ∈ D, hτnT (χ · w) , ϕiD0 ,D = hχ · w, τ−nT ϕiD0 ,D = hw, χ τ−nT ϕiD0 ,D D E = w, τ−nT (τnT χ)ϕ = hτnT w, (τnT χ)ϕiD0 ,D = h(τnT χ)w, ϕiD0 ,D , D 0 ,D ce qui montre que w= X (τnT χ)w = n∈Z X τnT (χw). n∈Z (iv) Soit φ ∈ D. Alors, * hw, φiD0 ,D = X hτnT (χw), φiD0 ,D = n∈Z P Comme n∈Z τ−nT φ = en série de Fourier + χw, X τ−nT φ n∈Z P n∈Z τnT φ X E 0 ,C ∞ est une fonction C ∞ périodique, on peut la décomposer X τnT φ = n∈Z cn (φ)e−2iπn t/T , n∈Z avec convergence uniforme de la fonction et de toutes ses dérivées sur R. On peut enfin écrire X X hw, φiD0 ,D = cn (φ)hχw, e−2iπn t/T iE 0 ,C ∞ = cn (φ)cn (w) = 0, n∈Z n∈Z ce qui montre que w = 0 dans D donc dans S , et finalement X u= cn (u)e−2iπn t/T 0 0 n∈Z dans S 0 . (v) La non-dépendance en χ est une conséquence immédiate de la proposition 5.6. En conclusion, toute distribution T -périodique u est la somme d’une série de Fourier dont les coefficients cn (u) sont à croissance lente : X u= cn (u) e2iπnt/T , n∈Z et réciproquement, toute série de Fourier dont les coefficients sont à croissance lente définit une distribution T -périodique. 5.3 Transformée de Fourier des distributions périodiques 47 5.3 Transformée de Fourier des distributions périodiques Le Théorème 5.7 montre en particulier que les distributions périodiques sont des distributions tempérées. On peut donc légitimement en considérer la transformée de Fourier. La transformée de Fourier Fu d’une distribution périodique u est un peigne de Dirac, dont les poids sont les coefficients de Fourier cn (u). Théorème 5.8 (Transformée de Fourier des distributions périodiques). Pour toute distribution T -périodique u, X F u = 2π cn (u) δ2nπ/T . n∈Z Exercice 5.7 Montrer le Théorème 5.8. Une application immédiate de cette théorie est la formule de Poisson, qui sera très utile par la suite. Théorème 5.9 (Formule de Poisson). La transformée de Fourier d’un peigne de Dirac est aussi un peigne de Dirac : ! +∞ +∞ X 1 X δ2πn/T . (5.6) F δnT = T n=−∞ n=−∞ En particulier, pour tout f ∈ S (R), on a : X n∈Z Å ã 1 X ˆ 2nπ f . f (nT ) = T T (5.7) n∈Z Exercice 5.8 Prouver le Théorème 5.9. P+∞ Correction. Le peigne de Dirac u = n=−∞ δnT est bien une distribution T -périodique. On développe u en série de Fourier : u= +∞ X cn (u) e2iπnt/T , n=−∞ avec cn (u) = +∞ +∞ ∂ 1¨ 1 X 1 X 1 u, χ e−2iπnt/T 0 = χ(kT ) e−2iπnk = χ(kT ) = , D ,D T T T T k=−∞ k=−∞ χ étant une partition de l’unité. On vient donc de prouver l’égalité suivante au sens de S 0 (R) : +∞ X n=−∞ δnT = +∞ 1 X 2iπnt/T e . T n=−∞ (5.8) La formule (5.6) de la transformée de Fourier de u suit par le Théorème 5.8. La formule de Poisson (5.7) est obtenue en appliquant (5.6) à F −1 f (ou (5.8) à f directement). 6 Échantillonnage et transformée de Fourier discrète 6.1 Échantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1.1 Échantillonnage d’un signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1.2 Théorème de Shannon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 Le recouvrement spectral (aliasing) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2.1 Exemple de repliement spectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2.2 Suppression de l’aliasing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3 Transformée de Fourier discrète . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4 Transformée de Fourier rapide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4.1 Présentation générale de la méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4.2 Calcul de complexité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 49 51 53 53 55 55 57 57 58 L’objet principal de ce chapitre est d’étudier la transformée de Fourier de fonctions échantillonnées. Par souci de simplification, nous ne considérerons que des fonctions définies sur R, les résultats s’étendant cependant aux cas multidimensionnels. Nous limitons de plus notre étude à l’échantillonnage uniforme, où les échantillons sont espacés régulièrement, bien que l’échantillonnage non-uniforme soit aussi utilisé dans la pratique. Nous verrons que l’échantillonnage uniforme d’une fonction continue f à un pas T peut être vu comme le peigne de Dirac : fT = T +∞ X f (nT ) δnT . n=−∞ Pour mesurer la perte d’information subie en remplaçant f par fT , on fera le lien entre leurs transformées de Fourier fˆ et fˆT . Grâce à la théorie de Fourier des distributions tempérées vue au chapitre précédent, nous pouvons donner un sens à la transformée de Fourier de fT , et montrer le théorème de Shannon, qui donne les conditions de reconstruction parfaite d’un signal à partir de son échantillonnage. 6.1 Échantillonnage 6.1.1 Échantillonnage d’un signal On considère des fonctions continues à croissance lente. La bonne représentation mathématique d’une fonction f échantillonnée avec un pas T > 0 est le peigne de Dirac X fT = T f (nT ) δnT . (6.1) n∈Z Comme f est à croissance lente, cette série converge dans S 0 . 50 6 Échantillonnage et transformée de Fourier discrète Lorsque le pas d’échantillonnage T tend vers 0, fT tend vers f dans S 0 (R). En effet, pour toute fonction φ ∈ S (R), Z +∞ X hfT , φiS 0 ,S = T f (nT ) φ(nT ) −−−→ f (t) φ(t) dt = hf, φiD0 ,D = hf, φiS 0 ,S , T →0 n∈Z −∞ car on reconnaı̂t dans le membre de gauche une somme de Riemann d’une fonction à décroissance rapide. L’effet de l’échantillonage sur la fonction f est particulièrement facile à étudier en domaine fréquentiel : échantillonner f revient simplement à ajouter des répliques translatées en fréquence à fˆ. Théorème 6.1 (Transformée de Fourier de fT ). Si f ∈ S , alors F fT est C ∞ et ã X Å 2nπ , fc fˆ ξ + T (ξ) = T (6.2) n∈Z Exercice 6.1 Prouver le Théorème 6.1. On pourra exprimer fc T (ξ) sous la forme d’une somme, et utiliser la formule de Poisson. Correction. On calcule ! (F fT )(ξ) = T F X f (nT ) δnT (ξ) = T X f (nT ) e−inT ξ = n∈Z n∈Z X hξ (n), n∈Z avec hξ (x) = T f (xT ) e−ixT ξ . Comme f est à décroissance rapide, les coefficients de Fourier T f (nT ) de la série de Fourier qui définit F fT sont également à décroissance rapide, ce qui montre que F fT est C ∞ . En utilisant la formule de Poisson (5.7) pour hξ ∈ S (R), il vient X fˆT (ξ) = ĥξ (2nπ). n∈Z Un calcul direct de ĥξ utilisant les formules de translation et d’homothétie du Théorème 2.5 montre que Å ã 2nπ ĥξ (2nπ) = fˆ ξ + , T d’où (6.2). Remarque 6.2. De même que la transformée de Fourier d’une distribution périodique est discrète, nous venons de voir que la transformée de Fourier d’une fonction échantillonnée est périodique. Une façon élégante d’exprimer ces manipulations est de faire appel au formalisme des convolutions de distributions, en utilisant le fait que g ? δa = τa g. Ainsi, on peut réécrire formellement la définition de fT en ! ∞ X fT = f · T δnT n=−∞ et donc, en utilisant le fait que F (u · v) = F (u) ? F (v), ! ! ∞ ∞ ∞ X X X F fT = F f ? F T δnT = F f ? δ2πn/T = τ2πn/T F f. n=−∞ n=−∞ n=−∞ 6.1 Échantillonnage 51 De façon duale, si u est une distribution périodique, alors, si χ est une partition de l’unité, on a ! ∞ X u = (χu) ? δnT , n=−∞ et donc 1 F u = F (χu) · T ∞ X ! δ2πn/T = n=−∞ ∞ ∞ X X 1 F (χu)(2πn/T )δ2πn/T = cn (u)δ2πn/T . T n=−∞ n=−∞ Ces manipulations, utilisant la dualité convolution-multiplication et la formule de Poisson, expriment la dualité des opérations d’échantillonnage (multiplication par un peigne) et de périodisation (convolution par un peigne). On retrouve ainsi dans un cadre unifié le résultat des théorèmes des parties précédentes. Donner un sens à ces manipulations, et notamment à la formule F (u · v) = F (u) ? F (v) sort du cadre de la théorie que nous avons développée, et nécessite d’introduire les espaces par lesquels on peut multiplier et convoluer des distributions tempérées (respectivement, les fonctions C ∞ à croissance lente et les distributions à décroissance rapide). On pourra se rapporter à [5] pour plus de détails. 6.1.2 Théorème de Shannon Nous établissons dans ce paragraphe un résultat d’interpolation, qui montre que, sous certaines conditions, on peut reconstruire une fonction f à partir de ses échantillons. Ce résultat, appelé théorème d’échantillonnage ou théorème de Shannon, est remarquable car il montre que l’échantillonnage n’induit pas de perte d’information. La condition essentielle de ce théorème est que le support de F f soit dans l’intervalle borné [−π/T, π/T ], ce qui garantit que f n’a pas de variation plus rapide que la moitié de la fréquence d’échantillonnage f = 2π/T . La Figure 6.1 illustre les différentes étapes d’un échantillonnage puis d’une reconstruction à partir des échantillons, dans le domaine temporel et le domaine fréquentiel. Théorème 6.3 (Shannon). Si f ∈ S (R) et si le support de fˆ est inclus dans [−π/T, π/T ], alors +∞ X ã π(t − nT ) , f (t) = f (nT ) sinc T n=−∞ Å (6.3) où on rappelle que sinc x = sin x/x. Exercice 6.2 Montrer le Théorème 6.3, en s’inspirant de la Figure 6.1. Correction. Par le Théorème 6.1, fˆT (ξ) = X fˆ(ξ + 2nπ/T ), n∈Z donc fˆ(ξ) = fˆT (ξ) · 1[−π/T,π/T ] (ξ) = T X f (nT ) e−iξnT 1[−π/T,π/T ] (ξ) n∈Z On en déduit immédiatement f (t) = T X f (nT ) F −1 e−iξnT 1[−π/T,π/T ] (t) n∈Z =T X n∈Z f (nT ) F −1 1[−π/T,π/T ] (t − nT ). (6.4) 52 6 Échantillonnage et transformée de Fourier discrète ^ f( ω) f(t) ω (a) t π T π T ^ fT( ω) (b) f (t) T ω 3π T −π T π T 11 00 00 11 1 0 00 11 0 1 1 00 11 00 1 00 11 00 11 00 11 0 11 1 00 00 11 00 11 0 1 3π T h (t) T T 1 (c) 0 ω π T −3T ^f ( ) ^ ω h (ω) T (d) −T t T 3T f * h (t) T T T ω −π T t T ^h (ω) π T 0 01 1 0 1 t π T Fig. 6.1. (a) : Signal f et sa transformée de Fourier F f . (b) : Un échantillonnage uniforme de f rend sa transformée de Fourier périodique. (c) : Passe-bas idéal. (d) : Le filtrage de (b) par (c) reconstitue f . Notons que cette formule peut être interprétée comme la convolution de fT par F −1 1[−π/T,π/T ] , dans l’esprit de la Remarque 6.2. Par un calcul direct (voir Exercice 2.9), on montre que la transformée de Fourier inverse de 1[−π/T,π/T ] est Z π/T Å ã 1 sin(πt/T ) 1 πt eitξ dξ = = sinc , 2π −π/T πt T T On en déduit le résultat (6.4). Remarque 6.4 (Théorème de Shannon pour les séries trigonométriques). Un résultat similaire au théorème précédent s’obtient pour les séries trigonométriques dont les exponentielles complexes ont des pulsations strictement inférieures en valeur absolue à π/T . La preuve est très différente et se base sur la décomposition en série de Fourier de la restriction des fonctions ξ 7→ eiξt à [−π/T, π/T ]. 6.2 Le recouvrement spectral (aliasing) 53 La fonction hT (t) = sinc(πt/T ) dont la transformée de Fourier est 1[−π/T,π/T ] (ξ) s’appelle filtre passe-bas idéal. La reconstitution (6.3) de f s’appelle le filtrage de fT par hT , et permet de ne conserver que les composantes fréquentielles de F fT (ξ) telles que |ξ| 6 π/T . Remarque 6.5 (Approximation numérique). Si f (t) est un signal à bande limitée dont le support de la transformée de Fourier est inclus dans [−ξmax , ξmax ], le théorème de Shannon montre que la fréquence d’échantillonnage minimale pour laquelle le signal peut être reconstruit exactement est 2ξmax . C’est par exemple ce qui explique qu’un CD audio soit échantilloné à une fréquence de 44100 Hz (l’oreille humaine entendant les sons jusqu’à environ 20000 Hz). La fonction hT a une décroissance très lente à l’infini, donc le second membre de (6.3) converge très lentement. Ceci peut poser des problèmes pour des calculs pratiques (la durée d’échantillonnage d’un signal n’étant pas infinie). C’est pourquoi il est intéressant de remplacer hT par une fonction qui a une décroissance plus rapide à l’infini. Supposons qu’on suréchantillonne f , c’est-à-dire qu’on l’échantillonne à une fréquence 2π/T > 2ξmax . Les calculs conduisant à (6.3) restent valables si l’on remplace le filtre passe-bas idéal hT par un filtre h vérifiant 1 si |ξ| < ξmax , ĥ(ξ) = 0 si |ξ| > π/T, mais dont la transformée de Fourier ĥ est plus régulière. Ainsi, le filtre h a une décroissance à l’infini plus rapide qu’un sinus cardinal, et la série X f (nT ) h(t − nT ) f (t) = n∈Z a de meilleures propriétés numériques de convergence. Remarque 6.6. On peut généraliser le théorème à des fonctions dont la décroissance à l’infini est moins rapide que celle des fonctions de S , par exemple des fonctions L2 . 6.2 Le recouvrement spectral (aliasing) Que se passe-t-il si les conditions du théorème de Shannon ne sont pas vérifiées ? La réponse est contenue dans l’équation (6.2) que nous rappelons pour mémoire pour f ∈ S : ã Å X 2kπ . F fT (ξ) = Ff ξ + T k∈Z Supposons que le support de F f déborde de [−π/T, π/T ]. Le support de F f (ξ+2kπ/T ) intersecte alors [−π/T, π/T ] pour plusieurs k 6= 0 en général, comme le montre la Figure 6.2. Ce repliement des composantes de haute fréquence sur un intervalle de basse fréquence s’appelle recouvrement spectral, repliement spectral ou encore aliasing. 6.2.1 Exemple de repliement spectral Considérons une oscillation de haute fréquence f (t) = cos(ξ0 t) = Sa transformée de Fourier est eiξ0 t + e−iξ0 t . 2 F f = π δ−ξ0 + δξ0 . 54 6 Échantillonnage et transformée de Fourier discrète ^ f( ω) f(t) (a) ω π T t π T ^ f ( ω) f T(t) T (b) 3π T ω π T π T t 3π T T ^ h ( ω) h (t) T 1 (c) ω π T π T 0 −3T ^ ^ fT ( ω) h ( ω) T 3T t T t ω π T −T f T * h (t) T (d) T π T Fig. 6.2. (a) Signal à échantillonner et sa transformée de Fourier. (b) Echantillonnage et repliement spectral. (c) Filtre passe-bas idéal pour filtrage initial du signal. (d) Reconstruction du signal échantillonné. Si 2π/T > ξ0 > π/T , on a alors 1 F fT ĥT = π 1[−π/T,π/T ] (ξ) X δ−ξ0 −2kπ/T + δξ0 −2kπ/T = π δξ0 −2π/T + δ2π/T −ξ0 , k∈Z car −π/T < ξ0 − 2π/T < 0 et 0 < 2π/T − ξ0 < π/T . Par transformée de Fourier inverse, 1. Le lecteur attentif notera qu’en toute rigueur, le produit d’une distribution tempérée par une fonction non régulière (en l’occurence 1[−π/T,π/T ] ) n’est pas défini a priori. En (6.4), on pouvait interpréter le produit au membre de gauche comme le produit d’une fonction S par une fonction L∞ . Dans le cas particulier considéré ici, on peut cependant donner un sens au produit en écrivant, pour φ ∈ S (R) donnée, fˆT ĥT , φ S 0 ,S = fˆT , 1[−π/T,π/T ] φ et en évaluant la fonction de droite (continue presque partout) aux points donnés par les masses de Dirac du membre de gauche, qui sont bien placées en des points de continuité de la fonction du membre de droite. 6.3 Transformée de Fourier discrète X ïÅ f (kT ) hT (t − kT ) = cos k∈Z 55 ã ò 2π − ξ0 t . T L’aliasing ramène la haute fréquence ξ0 à une fréquence plus basse (2π/T − ξ0 ) ∈ [−π/T, π/T ]. Le même repliement de fréquence s’observe sur un film qui échantillonne dans le temps le mouvement rapide d’un objet, avec un nombre insuffisant d’images par seconde. Une roue qui tourne vite semble dans le film tourner beaucoup plus lentement, parfois dans le sens inverse. Un cas très simple est celui où ξ0 = 2π/T , auquel cas f (kT ) = 1, et le signal apparaı̂t stationnaire. Exercice 6.3 A quelle vitesse une roue à cinq barreaux de 40cm de diamètre d’une voiture apparaı̂tra-t-elle comme stationnaire sur un film tourné à 30 images par secondes ? 6.2.2 Suppression de l’aliasing Pour éviter le recouvrement spectral, il faut que le support spectral de la fonction qu’on échantillonne à un pas T soit inclus dans [−π/T, π/T ]. Ceci n’est malheureusement pas toujours possible, car la fréquence d’échantillonnage est imposée par le dispositif d’acquisition. Il est préférable dans ce cas de faire subir un prétraitement à f pour ramener son support spectral dans [−π/T, π/T ]. Exercice 6.4 Montrer que la fonction g telle que Supp(F g) ⊂ [−π/T, π/T ] et qui soit la plus proche possible de f en norme L2 est donnée par F g(ξ) = 1 ĥT (ξ) F f (ξ). T (6.5) Correction. La formule de Plancherel (4.1) montre que Z +∞ 1 kf − gk2L2 = |F f (ξ) − F g(ξ)|2 dξ 2π −∞ Z Z 1 1 = |F f (ξ)|2 dξ + |F f (ξ) − F g(ξ)|2 dξ. 2π |ξ|>π/T 2π |ξ|6π/T La distance est minimale lorsque la seconde intégrale est nulle, soit F g(ξ) = F f (ξ) 1[−π/T,π/T ] (ξ) = 1 ĥT (ξ) F f (ξ). T (6.6) Cette opération, appelée filtrage de f par T1 hT , évite le recouvrement spectral en supprimant toutes les fréquences au-delà de π/T . Comme F g est à support dans [−π/T, π/T ], le théorème d’échantillonnage montre que g(t) peut être reconstitué à partir des échantillons g(nT ). Un convertisseur analogique/digital est composé d’un filtre qui limite le support fréquentiel à [−π/T, π/T ], suivi d’un échantillonnage uniforme au pas T . 6.3 Transformée de Fourier discrète Numériquement, on ne connaı̂t les valeurs d’une fonction continue f qu’en ses points d’échantillonnage, et par ailleurs, on n’a accès qu’à un nombre fini N de ces échantillons : typiquement, on connaı̂t f [n] pour 0 6 n < N (nous avons considéré une période d’échantillonnage T = 1 pour simplifier). Nous allons voir maintenant comment la transformée de Fourier discrète permet de donner un sens à la transformée de Fourier des valeurs {f [n]}n=0,...,N −1 . Pour cela, considérons un peigne de Dirac dont les poids sont les f [n], étendus à Z tout entier par périodisation : +∞ N −1 X X f˜ = f [n] δn+kN . (6.7) k=−∞ n=0 56 6 Échantillonnage et transformée de Fourier discrète Puisque f˜ est une distribution N -périodique, elle peut s’écrire comme une série de Fourier : +∞ X f˜(t) = ck (f˜) e2iπkt/N , (6.8) k=−∞ avec ∂ 1 ¨˜ f , χ e−2iπkt/N 0 , D ,D N où χ est une partition N -périodique de l’unité. On voit ensuite que ! N −1 N −1 X X 1 1 X ck (f˜) = χ(n + lN ) e−2iπk(n+lN )/N = f [n] f [n] e−2iπkn/N , N n=0 N n=0 ck (f˜) = (6.9) l∈Z où on a utilisé le Lemme 5.2. Finalement, la transformée de Fourier discrète est définie par N ck (f˜) : Définition 6.7 (Transformée de Fourier discrète). On définit la transformée de Fourier discrète {fˆ[k]}k=0,...,N −1 de {f [n]}n=0,...,N −1 par fˆ[k] = N −1 X f [n] e−2iπkn/N . (6.10) n=0 On obtient une formule d’inversion de la transformée de Fourier discrète grâce à la représentation de la distribution périodique f˜ comme une série de Fourier, selon (6.8) : f˜ = −1 +∞ N X X f [n] δn+kN = k=−∞ n=0 +∞ X 1 cm (f˜) e2iπmt/N = N m=−∞ +∞ X fˆ[m] e2iπmt/N , m=−∞ où on a utilisé la définition (6.9) pour la seconde égalité. On utilise ensuite la périodicité de k 7→ fˆ[k], à savoir ∀k = 0, . . . , N − 1, fˆ[k + N ] = fˆ[k], pour regrouper les termes du membre de droite dans l’expression de f˜ ci-dessus, en décomposant m ∈ Z sous la forme m = k + lN : +∞ N −1 1 X X ˆ f [k] e2iπkt/N e2iπlt . f˜ = N l=−∞ k=0 On peut en fait réécrire f˜ sous la forme f˜ = N −1 1 X ˆ f [k] e2iπkt/N N k=0 ! +∞ X e2iπlt , l=−∞ P −1 ˆ 2iπkt/N car la fonction g : t 7→ N est telle que S (R), alors gh ∈ S (R), et ainsi k=0 f [k] e Psi h ∈ 2iπlt on peut définir le produit de la distribution tempérée +∞ par la fonction g, en faisant l=−∞ e porter la multiplication sur la fonction test. Avec (5.6), on a ensuite ! +∞ ! N −1 +∞ N −1 X X 1 X ˆ 2iπkt/N 1 X ˆ 2iπkl/N ˜ f= f [k]e δl = f [k]e δl . N N k=0 l=−∞ l=−∞ k=0 La comparaison avec la définition (6.7) montre que, par identification des termes devant les masses de Dirac δl (0 6 l 6 N − 1), N −1 1 X ˆ f [n] = f [k] e2iπkn/N . N k=0 On a ainsi montré la formule d’inversion de la transformée de Fourier discrète : 6.4 Transformée de Fourier rapide 57 Proposition 6.8 (Formule d’inversion discrète). Etant données N valeurs {f [n]}n=0,...,N −1 d’une fonction continue régulièrement échantillonnée, N −1 1 X ˆ f [n] = f [k] e2iπkn/N , N (6.11) k=0 où la transformée de Fourier discrète est définie en (6.10). Exercice 6.5 Prouver la Proposition 6.8 de façon plus élémentaire en montrant que la famille {ek }06k<N où 1 ek [n] = √ e2iπkn/N N est une base orthonormale de l’espace des signaux discrets de période N . Correction. On vérifie par un calcul direct que cette famille est orthonormale : pour k, l ∈ {0, . . . , N − 1}, N −1 X n=0 ek [n]el [n] = N −1 1 X 2iπ(k−l)n/N e = δk,l , N n=0 en utilisant la formule de la somme des premiers termes d’une série géométrique de raison e2iπ(k−l)/N . Comme cette famille est de taille N , qui est aussi la dimension des signaux discrets de période N , c’est une base. Remarque 6.9 (Discontinuités). Même si la définition de la transformée de Fourier discrète ne fait intervenir que les valeurs de f échantillonnée aux points 0, . . . , N − 1, il faut toujours garder à l’esprit qu’elle se définit comme la série de Fourier de la fonction f˜ périodisée à partir des f [n], n = 0, . . . , N − 1. Ceci a une importance considérable lorsqu’on s’intéresse à des propriétés de régularité de la fonction f , car, comme le montre la Figure 6.3, la périodisation peut introduire artificiellement des discontinuités. Fig. 6.3. Apparition de discontinuités lors de la périodisation de l’échantillonnage (voir Remarque 6.9). 6.4 Transformée de Fourier rapide 6.4.1 Présentation générale de la méthode Le calcul direct de la transformée de Fourier discrète par la formule (6.10) nécessite a priori, si les exponentielles complexes sont stockées à l’avance, N 2 multiplications complexes, et N (N − 1) additions complexes, soit une complexité en O(N 2 ). Il existe cependant des techniques pour réduire ce coût de calcul, et calculer la transformée de Fourier discrète en O(N log2 N ) opérations, par une simple réorganisation des calculs. On parle ainsi d’algorithmes de transformée de Fourier rapide (FFT, pour “Fast Fourier Transform”). Il en 58 6 Échantillonnage et transformée de Fourier discrète existe plusieurs, le plus connu étant celui de Cooley et Tuckey [2], qui s’applique lorsque le nombre de points échantillonnés est une puissance de 2 (voir [3, Section III.B] pour d’autres références). La puissance de cet algorithme en fait un outil numérique incontournable (voir par exemple [3, Section III.B.7] pour une liste d’applications, en traitement du signal et résolution des équations aux dérivées partielles). Le principe de la méthode est de réaliser le calcul du coefficient fˆ[k] défini en (6.10) en regroupant les termes n et n + N/2. On obtient deux formules distinctes, selon que k soit un entier pair ou impair : fˆ[2k] = N/2−1 X n=0 N/2−1 fˆ[2k + 1] = X n=0 ã Å 2iπkn , f [n] + f [n + N/2] exp − N/2 Å ã ã Å 2iπn 2iπkn exp − . f [n] − f [n + N/2] exp − N N/2 (6.12) (6.13) Comme le montrent les expressions (6.12) et (6.13), les fréquences paires et impaires s’obtiennent respectivement par transformée de Fourier discrète des signaux N/2-périodiques f [n] + f [n + N/2] et Å ã 2iπn f [n] − f [n + N/2] exp − . N Une transformée de Fourier discrète de taille N peut donc se calculer à partir de deux transformées de Fourier discrètes de taille N/2. 6.4.2 Calcul de complexité Montrons que la complexité globale de l’algorithme est O(N log N ). Soit M (N ) le nombre d’opérations élémentaires (addition, multiplication...) nécessaires pour calculer la transformée de Fourier d’un signal de longueur N . Le calcul fait intervenir deux transformées de Fourier de taille N/2, ainsi que CN opérations élémentaires, où C est une constante. On a donc les formules de récurrences suivantes : M (N ) = 2 M (N/2) + CN. f(N ) = M (N )/N , et avec le changement de variables p = log2 N , on obtient En posant M f(p) = M f(p − 1) + C. M La transformée de Fourier d’un signal ne comportant qu’une seule valeur est l’identité, donc f(0) = 0. On en déduit que M f(p) = C p M soit finalement, M (N ) = C N log2 N. La complexité globale de l’algorithme est donc de C N log2 N = O(N log N ), bien inférieure au O(N 2 ) qu’on obtiendrait si on calculait directement les coefficients de Fourier par leur définition. En pratique, le facteur log N croı̂t tellement lentement que la complexité est quasi-linéaire. La méthode de calcul a été ici expliquée pour des données de taille 2p . Elle peut être généralisée à des données de taille arbitraire, toujours avec une complexité O(N log N ), mais avec un préfacteur souvent plus important. Par exemple, sur un ordinateur de bureau standard sous MATLAB, une FFT de taille 8, 388, 608 = 223 prend 0.1 secondes, une FFT de taille 8, 388, 449 (un nombre premier) prend 1.6 secondes. 7 Appendice : distributions à support compact Définition 7.1. Soit T ∈ D0 (Ω). (1) Soit ω ouvert inclus dans Ω. On dit que T est nulle sur ω si pour toute fonction φ ∈ D(Ω) telle que Supp(φ) ⊂ ω, on a hT, φiD0 ,D = 0. (2) Le support de T est le complémentaire dans Ω de la réunion des ouverts de Ω sur lesquels T est nulle. Définition 7.2. On note E 0 (Ω) l’espace vectoriel des distributions sur Ω à support compact. On a le résultat suivant. Théorème 7.3. Si une distribution de D0 (Ω) est à support compact, elle est d’ordre fini. Preuve. Soit K le support de T et α = d(K, Rd \ Ω) (dans le cas où Ω = Rd , on prendra α = +∞). Posons β = inf(1, α) et considérons les ensembles ß ™ β K 0 = x ∈ Rd , d(x, K) 6 , 3 et ß Ω 0 = x ∈ Rd , ™ 2β . 3 Il est clair que K 0 est compact et que Ω 0 est un ouvert de fermeture compacte. De plus, on a d(x, K) < K ⊂ K 0 ⊂ Ω 0 ⊂ Ω 0 ⊂ Ω. Soit p un entier et C une constante réelle tels que ∀φ ∈ DΩ 0 (Ω), |hT, φi| 6 C |∂ α φ(x)|. sup x∈Ω 0 , |α|6p Soit maintenant ρ ∈ D(Ω) égale à 1 sur K 0 et à support dans Ω 0 . On a pour tout φ ∈ D(Ω), hT, φi = hT, ρφi + hT, (1 − ρ)φi et hT, (1 − ρ)φi = 0 puisque les supports de T et de (1 − ρ)φ sont disjoints. De plus, comme Supp(ρφ) ⊂ Ω 0 , on a ∀φ ∈ D(Ω), |hT, φi| 6 C sup |∂ α (ρφ)(x)|. x∈Ω, |α|6p D’après la formule de Leibniz, ∀φ ∈ D(Ω), |hT, φi| 6 C 0 sup |∂ α φ(x)| x∈Ω, |α|6p avec C0 = C α! |∂ β ρ(x)|. β! (α − β)! x∈Ω, |α|6p, β6α sup Donc T est d’ordre fini inférieur ou égal à p. 60 7 Appendice : distributions à support compact Remarque 7.4. Soit T ∈ E 0 (Ω) une distribution à support compact, p son ordre, K un voisinage compact de Supp T et χ ∈ D(Ω) valant 1 sur K. Posons pour tout φ ∈ C ∞ (Ω), hT, φiE 0 ,C ∞ = hT, χφi. Cette définition est indépendante de χ : soit en effet χ1 et χ2 dans D(Ω) valant 1 sur K ; on a hT, χ1 φi − hT, χ2 φi = hT, (χ1 − χ2 )φi. La fonction φe = (χ1 − χ2 )φ étant nulle sur K voisinage de Supp u, on a hT, (χ1 − χ2 )φi = 0. On a ainsi associé à une distribution à support compact une forme linéaire sur C ∞ (Ω). Théorème 7.5. Les distributions à support compact sont des distributions tempérées. Preuve. Soit T ∈ E 0 (Rn ). Par la construction de la Remarque 7.4, on peut définir hT, φiS 0 ,S = hT, φiE 0 ,C∞ . Finalement, hT, φiS 0 ,S = hT, χφiD0 ,D 6 CK 0 sup k∂ α (χφ)kL∞ 6 C sup k∂ α φkL∞ 6 C Np (φ), |α|6p ce qui est bien la propriété de continuité (3.3). |α|6p Bibliographie [1] H. Brézis, Analyse fonctionnelle : théorie et applications (Dunod, 1999). [2] J. W. Cooley et J. W. Tukey, An algorithm for the machine calculation of complex Fourier series, Math. Comput. 19 (1965) 297–301. [3] R. Dautray et J.-L. Lions, Analyse mathématique et calcul numérique pour les sciences et les techniques, volume I-III (Masson, 1987). [4] M. Pinsky, Introduction to Fourier analysis and wavelets (American Mathematical Soc., 2002). [5] L. Schwartz, Théorie des distributions (Hermann, 1998).