MathQuest

Séries de Fourier

⏱ ~15 min·+40 XP
💡

Pourquoi apprendre ça ?

Toute fonction périodique peut être décomposée en une somme de sinus et cosinus de fréquences multiples — c'est l'idée de Fourier. Un signal sonore complexe (un accord de piano) n'est que la superposition de sinusoïdes pures (les notes). Fourier nous dit comment les trouver et avec quelle amplitude.

🎯

Analogie

Un prisme décompose la lumière blanche en toutes ses couleurs. La décomposition de Fourier fait la même chose pour les signaux : elle décompose un signal compliqué en ses "couleurs" élémentaires (les sinusoïdes), chacune avec sa fréquence et son amplitude propres.

Signaux périodiques et hypothèses

📐

Théorie

Une fonction f:RRf : \mathbb{R} \to \mathbb{R} est TT-périodique si f(t+T)=f(t)f(t+T) = f(t) pour tout tt.

La fréquence fondamentale est f0=1/Tf_0 = 1/T, et la pulsation fondamentale est ω0=2π/T\omega_0 = 2\pi/T.

Conditions de Dirichlet (suffisantes pour que la série converge) :

  1. ff est bornée sur [0,T][0, T]
  2. ff n'a qu'un nombre fini de discontinuités sur [0,T][0, T]
  3. ff n'a qu'un nombre fini d'extrema locaux sur [0,T][0, T]

En pratique, toutes les fonctions physiques raisonnables vérifient ces conditions.

📝

Exemples de signaux périodiques

  • Sinusoïde pure : f(t)=Acos(2πf0t+ϕ)f(t) = A\cos(2\pi f_0 t + \phi) — signal le plus simple, déjà une "note pure"
  • Signal carré : f(t)=sgn(sin(2πf0t))f(t) = \text{sgn}(\sin(2\pi f_0 t)) — discontinu mais représentable par Fourier
  • Signal triangulaire : f(t)=t/Tt/T+1/2f(t) = |t/T - \lfloor t/T + 1/2\rfloor| — continu, dérivée discontinue
  • Signal dent de scie : f(t)=t/Tt/Tf(t) = t/T - \lfloor t/T \rfloor — utilisé en synthèse sonore

Ces signaux apparaissent en électronique, en acoustique, en traitement du signal.

Coefficients de Fourier

📐

Théorie

La série de Fourier de ff (de période TT) est :

f(t)=a02+n=1[ancos ⁣(2πnTt)+bnsin ⁣(2πnTt)]f(t) = \frac{a_0}{2} + \sum_{n=1}^{\infty} \left[a_n \cos\!\left(\frac{2\pi n}{T}t\right) + b_n \sin\!\left(\frac{2\pi n}{T}t\right)\right]

Les coefficients de Fourier sont :

a0=2T0Tf(t)dt(valeur moyenne)a_0 = \frac{2}{T}\int_0^T f(t)\,dt \quad (\text{valeur moyenne})

an=2T0Tf(t)cos ⁣(2πnTt)dt,n1a_n = \frac{2}{T}\int_0^T f(t)\cos\!\left(\frac{2\pi n}{T}t\right)dt, \quad n \geq 1

bn=2T0Tf(t)sin ⁣(2πnTt)dt,n1b_n = \frac{2}{T}\int_0^T f(t)\sin\!\left(\frac{2\pi n}{T}t\right)dt, \quad n \geq 1

Forme complexe : f(t)=n=+cnei2πnt/Tf(t) = \sum_{n=-\infty}^{+\infty} c_n e^{i2\pi nt/T} avec cn=1T0Tf(t)ei2πnt/Tdtc_n = \frac{1}{T}\int_0^T f(t)e^{-i2\pi nt/T}dt.

📝

Série de Fourier du signal carré

Signal carré de période T=2T=2 : f(t)=+1f(t) = +1 sur [0,1)[0,1), f(t)=1f(t) = -1 sur [1,2)[1,2).

Comme ff est impaire : a0=0a_0 = 0 et an=0a_n = 0.

bn=2202f(t)sin(nπt)dt=01sin(nπt)dt12sin(nπt)dtb_n = \frac{2}{2}\int_0^2 f(t)\sin(n\pi t)\,dt = \int_0^1 \sin(n\pi t)\,dt - \int_1^2 \sin(n\pi t)\,dt

Pour nn impair : bn=4nπb_n = \dfrac{4}{n\pi}. Pour nn pair : bn=0b_n = 0.

f(t)=4π[sin(πt)+sin(3πt)3+sin(5πt)5+]=4πk=0sin((2k+1)πt)2k+1f(t) = \frac{4}{\pi}\left[\sin(\pi t) + \frac{\sin(3\pi t)}{3} + \frac{\sin(5\pi t)}{5} + \cdots\right] = \frac{4}{\pi}\sum_{k=0}^{\infty}\frac{\sin((2k+1)\pi t)}{2k+1}

Les harmoniques impaires décroissent en 1/n1/n — la convergence est lente.

🧩

Checkpoint

Que représente le coefficient a₀/2 dans la série de Fourier de f ?

Coefficients de Fourier — Calcul détaillé

📐

Théorie

Le calcul des coefficients repose sur l'orthogonalité des fonctions trigonométriques. Pour m,n1m, n \geq 1 entiers :

0Tcos ⁣(2πmtT)cos ⁣(2πntT)dt={T/2si m=n0si mn\int_0^T \cos\!\left(\frac{2\pi m t}{T}\right)\cos\!\left(\frac{2\pi n t}{T}\right)dt = \begin{cases} T/2 & \text{si } m = n \\ 0 & \text{si } m \neq n \end{cases}

et de même pour les sinus. Les produits croisés sinus-cosinus sont toujours nuls.

Méthode de calcul de ana_n : multiplier les deux membres de la série par cos(2πnt/T)\cos(2\pi n t / T) et intégrer sur [0,T][0, T]. Grâce à l'orthogonalité, tous les termes sauf le nn-ième s'annulent, et il reste :

0Tf(t)cos ⁣(2πntT)dt=anT2an=2T0Tf(t)cos ⁣(2πntT)dt\int_0^T f(t)\cos\!\left(\frac{2\pi n t}{T}\right)dt = a_n \cdot \frac{T}{2} \quad \Rightarrow \quad a_n = \frac{2}{T}\int_0^T f(t)\cos\!\left(\frac{2\pi n t}{T}\right)dt

Exploitation des symétries :

  • Si ff est paire (f(t)=f(t)f(-t)=f(t)) : bn=0b_n = 0 pour tout nn (série en cosinus uniquement)
  • Si ff est impaire (f(t)=f(t)f(-t)=-f(t)) : an=0a_n = 0 pour tout nn (série en sinus uniquement)
📝

Calcul détaillé — signal créneau non centré

Signal ff de période T=2πT = 2\pi, valant 11 sur [0,π)[0, \pi) et 00 sur [π,2π)[\pi, 2\pi).

Valeur moyenne : a0=22π0π1dt=1a02=12a_0 = \frac{2}{2\pi}\int_0^{\pi} 1\,dt = 1 \quad \Rightarrow \quad \frac{a_0}{2} = \frac{1}{2}

Coefficient ana_n (n1n \geq 1) : an=1π0πcos(nt)dt=1π[sin(nt)n]0π=sin(nπ)nπ=0a_n = \frac{1}{\pi}\int_0^{\pi}\cos(nt)\,dt = \frac{1}{\pi}\left[\frac{\sin(nt)}{n}\right]_0^{\pi} = \frac{\sin(n\pi)}{n\pi} = 0

Coefficient bnb_n (n1n \geq 1) : bn=1π0πsin(nt)dt=1cos(nπ)nπ=1(1)nnπb_n = \frac{1}{\pi}\int_0^{\pi}\sin(nt)\,dt = \frac{1-\cos(n\pi)}{n\pi} = \frac{1-(-1)^n}{n\pi}

Pour nn impair : bn=2nπb_n = \frac{2}{n\pi}. Pour nn pair : bn=0b_n = 0.

f(t)=12+2πk=0sin((2k+1)t)2k+1f(t) = \frac{1}{2} + \frac{2}{\pi}\sum_{k=0}^{\infty}\frac{\sin((2k+1)t)}{2k+1}

🧩

Checkpoint

Pour un signal impair de période , quels coefficients sont nuls ?

Convergence et théorème de Dirichlet

📐

Théorie

Théorème de convergence (Dirichlet) : Si ff vérifie les conditions de Dirichlet sur [0,T][0, T], alors :

  • Aux points de continuité t0t_0 : la série converge vers f(t0)f(t_0).
  • Aux points de discontinuité t0t_0 : la série converge vers la moyenne des limites à gauche et à droite :

S(t0)=f(t0)+f(t0+)2S(t_0) = \frac{f(t_0^-) + f(t_0^+)}{2}

Convergence dans L2L^2 : la série converge au sens de l'énergie :

limN1T0Tf(t)SN(t)2dt=0\lim_{N\to\infty}\frac{1}{T}\int_0^T \left|f(t) - S_N(t)\right|^2 dt = 0

Phénomène de Gibbs : aux voisinages des discontinuités, la somme partielle SNS_N présente des oscillations (dépassements) d'environ ±9%\pm 9\% de l'amplitude du saut, quelle que soit la valeur de NN. Ce phénomène ne disparaît pas en augmentant NN — il se déplace vers la discontinuité mais reste de même amplitude.

Identité de Parseval : l'énergie du signal se conserve : 1T0Tf(t)2dt=a024+12n=1(an2+bn2)=n=+cn2\frac{1}{T}\int_0^T |f(t)|^2\,dt = \frac{a_0^2}{4} + \frac{1}{2}\sum_{n=1}^{\infty}(a_n^2 + b_n^2) = \sum_{n=-\infty}^{+\infty}|c_n|^2

📝

Reconstruction d'un signal carré — convergence et Gibbs

En tronquant la série du signal carré aux NN premiers termes impairs :

N=1N = 1 : 4πsin(πt)\frac{4}{\pi}\sin(\pi t) — sinusoïde lisse

N=3N = 3 : 4π[sin(πt)+sin(3πt)3]\frac{4}{\pi}\left[\sin(\pi t) + \frac{\sin(3\pi t)}{3}\right] — plus proche du carré, mais ondulé

N=9N = 9 : très proche du signal carré, mais dépassement visible à t=0,1,2t=0, 1, 2 (saut)

N=99N = 99 : quasi-parfait, mais les pics aux discontinuités persistent à 1,09\approx 1{,}09 au lieu de 1 — phénomène de Gibbs indépassable.

En pratique, on lisse avec une fenêtre spectrale (Hann, Hamming, Kaiser) pour atténuer Gibbs au prix d'une résolution fréquentielle réduite.

⚠️

Piège : confondre convergence ponctuelle et convergence uniforme

La série de Fourier converge ponctuellement vers f(t)f(t) aux points de continuité. Mais elle ne converge pas uniformément aux voisinages des discontinuités (phénomène de Gibbs). Ne pas conclure d'une convergence ponctuelle qu'on peut dériver ou intégrer terme à terme sans vérification — la convergence uniforme (ou dans L2L^2) est requise pour ces opérations.

🧩

Checkpoint

Le phénomène de Gibbs se produit près des discontinuités d'un signal. Que se passe-t-il quand on augmente N (nombre de termes) ?

Spectre d'amplitude et de phase

📐

Théorie

La représentation fréquentielle d'un signal périodique s'appelle son spectre. Pour chaque harmonique de rang nn, on définit :

Amplitude de l'harmonique nn : Cn=an2+bn2,n1C0=a02C_n = \sqrt{a_n^2 + b_n^2}, \quad n \geq 1 \qquad C_0 = \frac{|a_0|}{2}

Phase de l'harmonique nn : ϕn=arctan ⁣(bnan)\phi_n = -\arctan\!\left(\frac{b_n}{a_n}\right)

La série de Fourier se réécrit sous forme amplitude-phase : f(t)=C0+n=1Cncos ⁣(2πnTt+ϕn)f(t) = C_0 + \sum_{n=1}^{\infty} C_n \cos\!\left(\frac{2\pi n}{T}t + \phi_n\right)

Spectre d'amplitude : diagramme représentant CnC_n en fonction de la fréquence nf0nf_0. Il montre quelles fréquences composent le signal et avec quelle intensité.

Bande passante : fréquence au-delà de laquelle les amplitudes CnC_n deviennent négligeables. Un signal discontinu a un spectre à décroissance lente (en 1/n1/n) — il faut de nombreuses harmoniques pour le représenter fidèlement.

📝

Spectre du signal carré

Pour le signal carré de période TT : an=0a_n = 0, bn=4nπb_n = \frac{4}{n\pi} (n impair), bn=0b_n = 0 (n pair).

Amplitudes spectrales :

  • C0=0C_0 = 0 (valeur moyenne nulle)
  • C1=4π1,27C_1 = \frac{4}{\pi} \approx 1{,}27 (fondamentale, fréquence f0f_0)
  • C3=43π0,42C_3 = \frac{4}{3\pi} \approx 0{,}42 (3ème harmonique, fréquence 3f03f_0)
  • C5=45π0,25C_5 = \frac{4}{5\pi} \approx 0{,}25 (5ème harmonique, fréquence 5f05f_0)
  • Harmoniques paires : C2k=0C_{2k} = 0

Le spectre est discret (raies aux fréquences f0,3f0,5f0,f_0, 3f_0, 5f_0, \ldots) et décroît en 1/n1/n. Pour reconstituer fidèlement un signal carré, il faut conserver de nombreuses harmoniques.

⚠️

Spectre discret vs continu

Un signal périodique a un spectre discret (raies aux multiples de f0f_0). Un signal non périodique a un spectre continu, décrit par la transformée de Fourier (et non la série). Ne pas confondre les deux contextes !

🧩

Checkpoint

Pour un signal carré de fréquence fondamentale Hz, à quelle fréquence se trouve la 3ème harmonique ?

À retenir

  • La série de Fourier décompose toute fonction périodique en somme de sinus et cosinus
  • Coefficients : an=2Tf(t)cos(nω0t)dta_n = \frac{2}{T}\int f(t)\cos(n\omega_0 t)\,dt, bn=2Tf(t)sin(nω0t)dtb_n = \frac{2}{T}\int f(t)\sin(n\omega_0 t)\,dt
  • a0/2a_0/2 est la valeur moyenne du signal sur une période
  • Symétries : fonction paire → série en cosinus ; fonction impaire → série en sinus
  • Convergence vers ff aux points de continuité ; vers la moyenne des limites aux discontinuités
  • Phénomène de Gibbs : dépassement persistant de 9%\approx 9\% aux discontinuités, indépendant de NN
  • Le spectre (amplitudes Cn=an2+bn2C_n = \sqrt{a_n^2+b_n^2}) représente la décomposition fréquentielle du signal
Passer aux exercices →