• Aucun résultat trouvé

￿￿￿ TRANSFORMATION DE FOURIER. APPLICATIONS.

N/A
N/A
Protected

Academic year: 2022

Partager "￿￿￿ TRANSFORMATION DE FOURIER. APPLICATIONS."

Copied!
3
0
0

Texte intégral

(1)

��� TRANSFORMATION DE FOURIER. APPLICATIONS.

I. Transformée de F������ sur L

1

( R

d

)

[BP��, Ch��, p���] [Rud��, Ch�, p���]

D����������. Pourf œL1(Rd), on définit sa transformée deF������par :

F(f) :‘≠æf(’) =ˆ ⁄

Rdf(x) eiÈx|Ídx

D����������. Pourf œL1(Rd), on notefˇl’applicationx‘≠æf(≠x).

P�����������. Fest linéaire et pourf œL1(Rd),fˆest uniformément continue et bornée.

T��������. [����� ��R������-L�������]

Sif œL1(Rd)alorsfˆœC0(Rd).

P�����������. Soientf, gœL1(Rd).

(i) fˆˇ= ˆf = ˇˆf,

(ii) F(f ıg) =F(f)F(g),

(iii) Si·hest l’opérateur de translation parhœRdalorsF(·hf)(’) = eiÈh|ÍF(f)(’).

(iv) Pour⁄>0,F(f(./⁄)) =⁄fˆ(⁄.)

Exemple de convolution :f =1[≠1,1]ı1[≠1,1]donnefˆ= 4 sinc2

A�����������. La transformée deF������d’une gaussienne est une gaussienne. On aGˆ :

‘≠æe222.

Convolution, approximation de l’unité

P�����������. F:L1(Rd)≠æC0(Rd)est injective et continue.

Inversion deF������L1

E�������. On aF(e≠|x|) :‘≠æ 1+’22. On en déduit queF(1+x12) :‘≠æe≠||. Inversion ponctuelle

II. Régularité de la transformée de F������, prolongement à

L

2

( R

d

)

[BP��, Ch��, p���] [Rud��, Ch�, p���]

D����������. [������ ��S�������]

On définit la classe deS�������surRd, notéeS(Rd), comme l’ensemble des fonctionsf œ CŒ(Rd)telles que :

pœN, Np(f) = sup

|p,|p xœRsupd

--xˆf(x)--<

On munit cet espace de la famille dénombrable de semi-normes(Np)pœN, il est donc métri- sable (espace deF������).

E��������. CcŒ(Rd)µS(Rd)etGœS(Rd).

P������������. Pourf œS(Rd), on afˆœS(Rd).

P������������. S(Rd)est complet et s’injecte continument dans lesLp(Rd), dans lesquels il est dense pourp <+Œ.

P������������. S(Rd)est stable par dérivation, multiplication interne, multiplication par un polynôme (ces opérations étant continues).

P������������. Pour–,—œNnetf œS(Rd), on a :

œ Rd, F(ˆf)(’) =i||F(f)(’) et F(.f)(’) =i||ˆF(f)(’)

C�����������. [��������� ��F������ ����S(Rd)]

F:S(Rd)≠æS(Rd)est un automorphisme continu et on aF≠1:f ‘≠æ (2fi)1dF( ˇf).

P������������. Sif, gœS(Rd)alors

Rdf(x)ˆg(x)dx=⁄

Rd

fˆ(x)g(x)dx

ÉNS Paris-Saclay –����/���� AntoineB������–https://perso.ens-lyon.fr/antoine.barrier/fr/ Page���sur���

(2)

Agrégation – Leçons ���– Transformation deF������. Applications.

T���������. [�������� ��F������-P���������]

F se prolonge en un unique opérateur linéaire (toujours notéF) deL2(Rd)dans lui-même vérifiant :

• F¶F= (2fi)dId,ˇ

• Pourf œL2(R)dfÎ2L2 =(2fi)1d

.. .fˆ...2L2,

• Pourf, gœL2(Rd),s

Rdf(x)g(x)dx=(2fi)1d

s

Rdfˆ(x)ˆg(x)dx.

R���������. La définition deFci-dessus coïncide avec celle surL1, il n’y a donc pas d’ambiguïté.

E��������. On calcule1\[≠1,1]:‘≠æ2 sinc(’). Les deux fonctions étantL2(R), on en déduit quesinc =‰ 1[≠1,1].

III. Applications

III. A. Fonction caractéristique en probabilités

[Ouv��, §��.�, p���] [BL��, §III.�, p��]

SoitXune variable aléatoire à valeurs dansRd. D�����������. [�������� ���������������]

On définitXla fonction caractéristique deXparX(⁄) =E#eiÈ⁄|XÍ$pourœRd. E��������. Fonctions caractéristiques deB(n, p),E(⁄)... [���� ������]

E��������. N(0,‡2):‘≠æe222.

P������������. XcaractérisePX.

A������������. [��� ������������ �������������]

Soient(pj)1ÆjÆddes réels positifs tels queq

1ÆjÆdpj = 1. Soient(Yk)kØ1des variables aléatoires indépendantes et identiquement distribuées telles queP(Yk =j) =pj. SoitN indépendante des(Yk)kØ1de loiP(⁄)pour un⁄>0.

En posantXk= (1Yk=1, . . . ,1Yk=d), la loi deS=qN

k=1XkestP(⁄p1)¢· · ·¢P(⁄pd).

P������������. SiXest réelle et admet un moment d’ordrep, alors„Xestpfois dérivable et on a(p)X (⁄) =ipE[Xpei⁄X]. En particulier,(p)(0) =ipE[Xp].

R���������. Réciproquement, sipest pair estXestpfois dérivable en0, alorsXadmet un moment d’ordrep. On peut construireXn’admettant pas d’espérance mais telle queX

soit dérivable en�(admis).

Caractérisation de l’indépendance de variables aléatoires, exemple Théorème deL���

T���������. [�������� ������� ������]

Si les(Xi)iœNúsont i.i.d. de carré intégrable, alors :

Ô1n

qn

i=1(Xi≠E[X1]) næ+Œ≠æL Z ≥N(0,Var(X1))

A������������. [���������� �� ��������� ������������] [RS��, §�.�, p��]

Soient(Xi)iœNú des réalisations i.i.d. deB(p)pour unp œ [0,1]inconnu. Le théorème cen- tral limite donne un intervalle de confiance asymptotique de niveaupourpen fonction de la moyenne empiriquepˆn = 1nqn

k=1Xi:IC(p) = Ë ˆ

pn±q1≠2–/2Ô1n

È, oùqtest le quantile d’ordretdeN(0,1).

Théorème central limite poissonien

III. B. Vers la résolution d’EDP

[Bon��, §�.�, p���]

Transformée deF������partielle.

A������������. [���������� �’EDP]

• On considère l’équation de la chaleurˆtu=ˆx2uavec condition initialef œS(Rd). Alors il existe une unique solutionuœC2(R◊Rd)telle queu(t, .)œS(Rd)uniformément ent sur tout compact etu(t, .) ≠ætæ0 fdansL1. Cette solution est donnée par :

t >0,’xœRd, u(t, x) = 1 (4fit)d/2

Rdf(y) e|x4ty|2 dy=fıkt(x) oùkt= 1

(4fit)d/2e|.4t|2

• On considère l’équation deS����������ˆtu = x2uavec condition initialef œ S(R).

Cette équation possède une unique solutionuœC2(R◊R)telle que pour toutt,u(t, .)œ S(R)uniformément entsur tout compact. On a :

t >0,’xœRd, u(t, x) = 1 2fi

R

fˆ(’) ei’2teix’d’

III. C. Polynômes orthogonaux

[BMP��, §�.�, p���]

ÉNS Paris-Saclay –����/���� AntoineB������–https://perso.ens-lyon.fr/antoine.barrier/fr/ Page���sur���

(3)

Agrégation – Leçons ���– Transformation deF������. Applications.

T���������. [���� ������������ �� ��������� �����������]

Soitflune fonction de poids. S’il existe–>0tel ques

Ie–|x|fl(x)dx <+Œ, alors la famille (Pn)nœNest une base hilbertienne deL2(I,fl).

E��������. Sans l’hypothèse on a le contre-exemple suivant : soit la fonction de poids w:x‘≠æxln(x)surI=R+. Alors(Pn)nœNne forme pas une base deL2(I, w).

������

Quelques fonctions et leur transformée deF������

Fonctions caractéristiques usuelles

������������

Les points forts de la transformée deF������:

• son injectivité sur les espaces sur lesquels elle est définie,

• la formule d’inversion sous certaines hypothèses,

• la simplification des calculs dans le domaine de F������ (typiquement, permutations des propriétés de convolution et de produit, équations dérivées partielles deviennent des équations di�érentielles ordinaires, ...).

L’intérêt de la transformée deF������est donc de simplifier des calculs, via le troisième point, mais pour que cela soit un minimum intéressant, les deux premiers points sont nécessaires, on ne pourrait pas faire grand chose d’autre sinon!

Le théorème d’échantillonnage deS������utilise a priori plutôt la transformée deF������

mais on peut le voir comme une utilisation des séries deF������. On montre que la suite des translatées du sinus cardinal est une base hilbertienne de l’espace considéré. Les calculs faits reviennent à développer en série deF������la fonctionx‘≠æe≠2ifiax, oùaœR.

���������

Q Théorème d’inversion ponctuelle, exemple?

R Voir [BP��,Far��]. L’intérêt du théorème est surtout de faire l’analogie avec les séries de F������.

Q Donner une fonction dans la classe deS�������? Pourquoi a-t-on densité deS(Rd)dans L2?

R Une gaussienne.S(Rd)contient les fonctionsCKŒ, donc est dense dansL2. Q Avez-vous un exemple de fonctionsCKŒ?

R Voir l’exemple de suite régularisante.

Q Expliquer le principe de la marche aléatoire.

Q SoitPune probabilité surR. On considèreT :S≠æR‘≠æs

ÏdP. Cette application est- elle une distribution? Peut-on calculer sa transformée deF������? Quelle est le lien avec la fonction caractéristique?

R L’application est linéaire et continue puisque|ÈT |ÏÍ|Æ ÎÏÎŒÆN0(Ï).

On calculeTˆ=TX.

Q Soitfq :t‘≠æe≠|t|qpour un entierqœN. Est-ce la transformée deF������d’une certaine fonction?

R La transformée deF������de1‘≠æ1 +x2estf1(à une constante près).

SiqØ3, montrons que ce n’est pas une transformée deF������. On a quefqestq≠1fois dérivable en0, elle a donc un moment d’ordre2égal àfqÕÕ(0) = 0, par ailleursfqÕ(0) = 0, donc siX est une variable aléatoire de fonction caractéristiquefq, alorsXest constante presque sûrement, égale à0, et on vérifie queÏX = 1, ce qui est absurde.

�������������

[BL��] P.B����et M.L�����:Probabilité. EDP Sciences,����.

[BMP��] V.B���, J.M�����et G.P����:Objectif Agrégation. H&K,�èmeédition,����.

[Bon��] J.-M.B���: Théorie des distributions et analyse deF������. Les éditions de l’École Polytechnique,����.

[BP��] M.B�����et G.P����:Théorie de l’intégration. Vuibert,�èmeédition,����.

[Far��] J.F�����:Calcul intégral. Belin,����.

[Ouv��] J.-Y.O������:Probabilités : Tome�. Cassini,�èmeédition,����.

[RS��] V.R��������et G.S�����:Statistique mathématique en action. Vuibert,�èmeédition,

����.

[Rud��] W.R����:Analyse réelle et complexe. Dunod,�èmeédition,����.

ÉNS Paris-Saclay –����/���� AntoineB������–https://perso.ens-lyon.fr/antoine.barrier/fr/ Page���sur���

Références

Documents relatifs

Comparer avec la diffusion

[r]

En utilisant la transform´ ee de Fourier, prouver qu’il existe une solution si et seule- ment si β ∈]0, 1/2[; Montrer qu’alors cette solution est unique et la d´

A l’aide de ce qui pr´ ec` ede, pr´ eciser le domaine de d´ efinition et l’espace d’arriv´ ee de cette fonction F , et interpr´ etez le r´ esultat de la question pr´ ec´

[r]

C’est dans ce cadre général que se pose la question du calcul effectif du spectre d’un signal sur une machine (ordinateur, analyseur de spectre), et qu’intervient la transformée

Voici une autre méthode pour calculer la transformée de Fourier des gaussiennes.. (Résolution de l’équation de Helmholtz) Soit f la fonction de

[r]