Chapitre 12

Transformee de Fourier
des distributions
12.1 Introduction
La denition naturelle de la transformee de Fourier dune distribution T, devrait
etre
D , < F(T), >=< T, F() >
Mais il y a un probl`eme car on peut demontrer quune fonction `a support borne
a une transformee de Fourier dont le support nest pas borne, donc si D on
est s ur que F() nest pas dans D sauf si est identiquement nulle. Do` u la
necessite de reduire les contraintes que lon a imposees `a lensemble des fonctions
test.
On consid`ere un nouvel ensemble de fonctions test : lensemble S des fonctions
indeniment derivables `a decroissance rapide `a linni.
Denition 12.1 Une fonction est dite `a decroissance rapide si et seulement si
k et i entiers x
k

(i)
(x)
x
0
Ainsi par exemple exp(x
2
) S mais
1
1+x
2
/ S .
Cet espace de fonctions `a decroissance rapide, S , a les proprietes suivantes par
rapport `a la transformee de Fourier.
Proposition 12.1 Lespace des fonctions inniment derivables et `a decroissance
rapide note S est inclus dans L
1
(IR) L
2
(IR) .
S est stable par transformee de Fourie , c. `a d.
S, F() S
89
90 Mathematiques du signal
12.2 Denitions des distributions temperees
Denition 12.2 On appelle distribution temperee toute application lineaire
continue denie sur S et `a valeur dans C . Cet ensemble est le dual de S et on
le note donc S

.
On verie que S

est un sous ensemble de D

. Il contient entre autre toutes

les distributions reguli`eres associees `a des fonctions f dites `a croissance lente.
Dans lintegrale
_
f(t)(t)dt , cette croissance lente de f est temperee par la
decroissance rapide des fonctions test S. Cet ensemble S

est appele ensemble

des distributions temperees.
Une fonction est `a croissance lente `a linni (cest `a dire `a croissance au plus
polynomiale `a linni) ssi :
c > 0, n N tq x IR |f(x)| c(1 + x
2
)
n
Proposition 12.2 Lensemble des distributions temperees S

contient toutes
les distributions `a support borne comme les Dirac, les derivees des Dirac et
les distributions reguli`eres associees aux fonctions `a croissance lente comme les
polynomes, les fonctions periodiques localement sommables.
Ainsi par exemple [exp(x)] est une distribution ( D

), mais elle croit trop vite `a

+ et elle nest pas dans S

.
Proposition 12.3 Soit T une distribution temperee, alors :
1) la distribution derivee T

est aussi dans S

2) si P(t) est un polynome P(t)T et P(t) T sont aussi S

.
3) si g(t) est une fonction bornee dans C

(IR) alors g(t)T est dans S

.
12.3 Transformee de Fourier dans S

Pour toute fonction f de L

1
(IR) ou de L
2
(IR) , la distribution [f] est une
distribution `a croissance lente `a linni (car elle ne croit pas `a linni ) donc
dans S

. Et on a :
S
_
+

F(f)(y) (y) dy =
_
+

f(x) F()(x) dx
Les distributions 91
En eet
_
+

F(f)(y) (y) dy =
_
+

__
+

f(x) exp(2iyx)dx
_
(y) dy
=
_
+

_
+

f(x) exp(2iyx)(y) dxdy

=
_
+

__
+

(y) exp(2iyx)dy
_
f(x) dx
=
_
+

f(x) F()(x) dx
donc on a alors [F(f)] , = [f] , F() . On peut donc generaliser `a toute
distribution temperee la notion de transformee de Fourier.
Denition 12.3 Soit une distribution temperee T (T S

) on appelle trans-
formee de Fourier de T la distribution temperee notee F(T) denie par :
S , < F(T), >=< T, F() >
La transformee de Fourier inverse F
1
(T) est denie par :
S , < F
1
(T), >=< T, F
1
() >
Dans le cas o` u f L
1
(IR) L
2
(IR) , F(f) existe au sens des fonctions, [f] une
distribution temperee et sa transformee de Fourier est la distribution temperee
associee `a la fonction F(f) :
F([f]) = [F(f)]
On a bien une generalisation de la transformee de Fourier des fonctions.
Exemple 12.1 Transformee de Fourier dun Dirac
a
.
Demonstration : On a
S , F(
a
), =
a
, F() = F()(a)
=
_
+

exp(2ia)() d = [exp(2ia)] ,
do` u
F(
a
) = [exp(2ia)] = exp(2ia)
On omet souvent les crochets quand il est clair quil sagit de distributions. On a
en particulier :
F() = 1
92 Mathematiques du signal
Exemple 12.2 Transformee de Fourier de la distribution temperee associee `a
la fonction constante egale `a 1 (fonction qui nest ni L
1
(IR) ni L
2
(IR) et dont la
transformee de Fourier au sens des fonctions nexiste pas !).
Demonstration : On a :
F(1), = 1, F() =
_
+

F()() d =
_
+

exp(2i0)F()() d
= F
1
F()(0) = (0) = ,
donc
F(1) =
Voici quelques resultats utiles concernant la transformee de Fourier de distribu-
tions temperees usuelles.
F(
0
) = 1 et F(1) =
0
(12.1)
F((t a)) = e
2iva
et F(e
2ita
) = ( a) (12.2)
F(
(m)
) = (2iv)
m
et F(t
m
) =
1
(2i)
m

(m)
(12.3)
F(

nZ
(t n)) =

nZ
( n) et F(

nZ
(t n)) =
1

nZ
(
n

) (12.4)
Les deux derni`eres formules, qui concernent le peigne de Dirac, ne sont pas simples
`a demontrer mais elles sont dune importance capitale pour comprendre le lien
entre un signal continu et le signal echantillonne.
Dune mani`ere generale , la transformee de Fourier dune distribution temperee a
des proprietes similaires `a celles vues pour les fonctions de L
1
(IR) ou de L
2
(IR).
Voici ces proprietes.
Theor`eme 12.1 La transformee de Fourier est une application lineaire bijective
de S

dans S

et on a :
F
1
(F(T)) = F(F
1
(T)) = T (12.5)
et comme pour les fonctions
F
1
(T)() = F(T))() (12.6)
On retrouve aussi les proprietes du produit de convolution.
Les distributions 93
Theor`eme 12.2 Si les quantites ci-dessous sont denies et dans S

alors on a:
F(S T) = F(S)F(T) et F(S.T) = F(S) F(T) (12.7)
Le produit de convolution et les transformees de Fourier des distributions
temperees usuelles permettent de demonter facilement que la transformee de Fou-
rier des distributions temperees verie les memes proprietes que la transformee
de Fourier des fonctions.
Theor`eme 12.3 Proprietes de la transformee de Fourier des distributions temperees
F(T

) = 2iF(T) et F(T)

= F(2itT)
F(T
(m)
)() = (2i)
m
F(T)() et
d
n
F(T)()
d
n
= F((2it)
m
T)()
F(T(t a)) = e
2ia
F(T) et F(e
2ita
T) = F(T)( a)
F(T(at))() =
1
|a|
F(T(t))(

a
)
Demonstration : En eet considerons par exemple la transformee de Fourier
de la derivee T

, on sait que T

T , en utilisant (12.7) et (12.3) qui donnne

F(

) = 2i , on obtient
F(T

) = F(

T) = F(

)F(T) = 2iF(T)
De meme, par exemple la transformee de Fourier de la translatee :
F(T(t a)) = F(
a
T) = F(
a
)F(T) = e
2iva
F(T)
Mais il y a aussi des proprietes propres aux distributions temperees.
Theor`eme 12.4 Si T est une distribution temperee `a support borne alors
sa transformee de Fourier F(T) est une distribution reguli`ere associee `a
une fonction de classe C

.
Theor`eme 12.5 Si la suite de distributions temperees T
n
tend vers T alors
la suite des transformees de Fourier F(T
n
) tend vers F(T) .
Cette propriete nest pas veriee dans le cas des fonctions comme on peut le voir
sur des exemples.
94 Mathematiques du signal
12.4 Transformees de Fourier
des distributions periodiques
On a dej` a vu que pour obtenir une distribution periodique `a laide dune
distribution T , il sut de faire le produit de convolution de T avec un peigne de
Dirac. Le theor`eme suivant montre, quinversement, toute distribution periodique
est le produit de convolution dune distribution avec un peigne de Dirac.
Theor`eme 12.6 Si T est periodique de periode , alors il existe une distribution
T
0
, dont le support a une longueur inferieure ou egale `a , et telle que :
T = T
0

nZ
(t n)
et alors sa transformee de Fourier est un peigne de Dirac module dont les
Dirac sont en
n

avec n Z.
F(T) =

nZ
c
n
(
n

) o` u c
n
=
1

F(T
0
)(
n

)
Demonstration : En eet dapr`es (12.4)
F(T) = F(T
0
) F(

nZ
(t n))
= F(T
0
)
1

nZ
(
n

) =
1

nZ
F(T
0
) (
n

)
Or dapr`es le theor`eme ci-dessus, la transformee de Fourier dune distribution
temperee `a support borne est une distribution reguli`ere associee `a une fonction
de classe C

, et par ailleurs on sait que pour g C

on a g(t)
a
= g(a)
a
,
donc en notant c
n
=
1

F(T
0
)(
n

), on obtient F(T) =

nZ
c
n

.
Corollaire 12.1 Si f est une fonction periodique et si les coecients la serie de
Fourier complexe sont notes c
n
alors la transformee de Fourier de la distribution
temperees [f] est
F([f]) =

nZ
c
n

Demonstration : En eet si f
0
est le motif de la fonction periodique f , on a
f(t) =

nZ
f
0
(tn) donc [f] = [f
0
]

nZ
(tn) et donc comme f
0
est sommable,
F([f
0
]) = [F(f
0
)] . Or F(f
0
)() =
_

0
f
0
(t) e
2it
dt et
1

0
f
0
(t) e
2i
n

t
dt nest
autre que le coecient note c
n
de la serie de Fourier complexe de la fonction
periodique f.
Les distributions 95
12.5 Echantillonnage
Probl`eme : Une fonction continue sur IR peut-elle etre denie de facon unique
si lon connait cette fonction sur un ensemble discret de points reguli`erement
espaces ?
A priori il faut que cette fonction varie de facon reguli`ere sinon il ny a aucun
raison davoir lunicite.
Le theor`eme fondamental suivant donne une condition susante pour que cela
soit possible.
Theor`eme 12.7 dechantillonnage de Shannon-Nyquist
Si f est une fonction continue dont la transformee de Fourier est nulle hors
de [
0
,
0
] alors :
1) F(f) etant `a support borne, sa tranformee inverse est de classe C

et
f(t) = F
1
(F(f))(t) pour tout t IR (12.8)
2) f(t) est denie `a laide de ses valeurs aux points
n
2
0
par la formule :
f(t) =

nZ
f(
n
2
0
)
sin (2
0
t n)
(2
0
t n)
(12.9)
En traitement du signal, on dit que la frequence dechantillonnage dun signal dont
les frequences vont de 0 `a la frequence maximale f
max
=
0
doit etre echantillonne
avec une frequence superieure `a 2f
max
.
96 Mathematiques du signal
12.6 Utilisation de la transformee de Fourier
des distributions
On va pouvoir calculer la transformees de Fourier dune fonction polynomiale par
morceaux sans calculer dintegrales.
Exemple 12.3 Soit F(T) =
a
(t), cette fonction est sommable elle a une
transformee de Fourier qui est une fonction continue, et comme f est `a support
borne, F(f)() est dans C

(IR), et de plus F(f)() doit etre reelle et paire

comme f.
En calculant les derivees successives de la distribution reguli`ere [f], on obtient :
[
a
] =
1
a
(
a
2
0
+
a
)
do` u
F([
a
] ) =
1
a
(e
2iva
2 + e
2iva
) =
1
a
(2 cos(2a) 2) =
1
a
4(sin(a))
2
or F([
a
] ) = (2iva)
2
F([
a
]) donc
(2v)
2
F([
a
]) =
1
a
4(sin(a))
2
Comme
a
est dans L
1
(IR) , F(
a
) est une fonction continue sur IR.
F([
a
]) est donc une distribution reguli`ere associee `a une fonction continue, la
relation ci-dessus impose legalite des fonctions pour tout v appartenant `a IR :
(2v)
2
F(
a
) =
1
a
4(sin(a))
2
do` u
F(
a
)() =
1
a
_
sin(a)
v
_
2
Avant de traiter un autre exemple nous allons etablir un resultat general utile.
Proposition 12.4 1) Si T est une distribution qui verie lequation tT = 0
alors T = a o` u a est une constante arbitraire.
2) Si T est une distribution qui verie lequation t
n
T = 0 o` u n est un entier
alors T est de la forme T = a
0
+ a
1

+ a
2
+ a
3

(3)
+ .... + a
n

(n)
o` u les a
i
sont des constantes arbitraires.
Les distributions 97
Demonstration 1) En eet tT = 0 est evidemment verie si T est un
0
et plus
generalement si T = a
0
o` u a est une constante reelle ou complexe arbitraire.
On demontre quil ny a pas dautres T possibles veriant lequation tT = 0
que T = a
0
.
2) pour lequation t
n
T = 0 , on etablit le resultat en faisant une recurrence.
Voici un exemple dapplication de ce resultat :
Exemple 12.4 On cherche la ou les solutions de lequation tS = 1, o` u S est une
distribution.
Demonstration Il est tentant de penser que
1
t
est une solution mais on sait
que la fonction
1
t
nest pas localement sommable donc elle ne denit pas une
distribution reguli`ere. Par contre comme
1
t
est impaire, on peut verier que la
limite suivante est nie, cest ce quon appelle la valeur principale de lintegrale :
vp
_
+

(t)
t
dt = lim
0
__

(t)
t
dt +
_
+
+
(t)
t
dt
_
Cette expression permet de denir une distribution singuli`ere appelee pseudo-
fonction de
1
t
et notee Pf
1
t
(ou aussi valeur principale de
1
t
et notee vp
1
t
).
D ou S, < Pf
1
t
, >= vp
_
+

(t)
t
dt
Il est facile de verier que la pseudo-fonction Pf
1
t
est bien une solution de tS = 1.
En eet on a :
D ou S, < tPf
1
t
, >=< Pf
1
t
, t(t) >
= vp
_
+

t(t)
t
dt =
_
+

(t)dt =< 1, >

Et donc tPf
1
t
= 1, et S
0
= Pf
1
t
est bien une solution de tS = 1 . Mais ce nest
pas la seule.
Puisque tS = 1 et que tS
0
= 1 , on en deduit que t(S S
0
) = 0 or dapr`es
la proposition ci- dessus il faut donc que (S S
0
) = a o` u a est une constante
quelconque, et par consequent S = S
0
+ a .
Lequation tS = 1 a donc une innite de solutions de la forme
S = Pf
1
t
+ a
o` u a est une constante arbitraire.
98 Mathematiques du signal
Exemple 12.5 Quelle est la transformee de Fourier de la fonction echelon Y (t) ?
Demonstration : Cette fonction nest pas sommable, elle n a pas une trans-
formee de Fourier au sens des fonctions, mais comme elle est borne, elle est `a
croissance lente `a linni, elle denie donc une distribution temperee qui a une
transformee de Fourier.
En derivant on obtient :
[Y (t)]

=
0
do` u F([Y (t)]

) = 1
or F([Y (t)]

) = (2iva)F([Y (t)]) donc

(2iv)F([Y (t)]) = 1
Mais l`a , les choses sont un peu moins simples que precedemment , car on a vu
quon ne peut pas dire que
F([Y (t)]) =
1
2iv
Dabord parce que
1
2iv
nest pas localement sommable et dautre part, parce que
lon sait que S() = 1 na pas une solution unique.
Dapr`es lexemple ci-dessus , on sait que :
F([Y (t)]) =
1
2i
Pf
1

+ a().
Cependant comme la distribution echelon est parfaitement determinee, il doit en
etre de meme de sa transformee de Fourier F([Y (t)]). Il faut donc determiner la
valeur de la constante a.
Pour cela on utilise des considerations de parite.
La distribution
_
Y (t)
1
2

est impaire donc sa transformee de Fourier aussi . Or :

F(
_
Y (t)
1
2
_
)() =
1
2i
Pf
1

+ a()
1
2
()
la pseudo-fonction Pf
1

est impaire mais () est paire, donc on doit avoir

a
1
2
= 0 .
Et par consequent :
F([Y (t)])() =
1
2i
Pf
1

+
1
2
().