La Transformée
de Fourier
Décomposer n’importe quel signal en somme de sinusoïdes pures. C’est l’idée de Fourier — et elle est à la base du son numérique, de l’imagerie médicale, du Wi-Fi et de la compression d’images.
L’idée fondamentale
En 1822, le mathématicien français Joseph Fourier propose une idée audacieuse : toute fonction périodique, aussi complexe soit-elle, peut être décomposée en une somme de fonctions sinusoïdales simples de fréquences différentes.
Imaginez un accord de guitare. Au lieu d’entendre un son complexe et indéchiffrable, votre oreille — et les mathématiques de Fourier — y perçoivent simultanément plusieurs notes pures superposées, chacune avec sa propre fréquence et son intensité. La transformée de Fourier est l’outil qui réalise cette décomposition.
La transformée de Fourier change de point de vue : elle passe du domaine temporel (comment le signal évolue dans le temps) au domaine fréquentiel (quelles fréquences composent ce signal et à quelle amplitude). C’est comme passer d’une partition musicale jouée à la liste des notes qui la composent.
Des séries de Fourier à la transformée
Étape 1 — Les séries de Fourier (fonctions périodiques)
Pour une fonction périodique de période \( T \), on peut l’écrire comme une somme infinie de sinusoïdes harmoniques :
\( a_0 \) — composante continue (valeur moyenne du signal)
\( a_n, b_n \) — coefficients de Fourier, qui mesurent la contribution de chaque harmonique
\( n \) — ordre de l’harmonique (fréquence \( n/T \))
Étape 2 — La transformée de Fourier (fonctions non périodiques)
Quand la période \( T \to +\infty \), la somme discrète devient une intégrale continue. On obtient alors la transformée de Fourier, qui s’applique à n’importe quelle fonction intégrable, périodique ou non.
\( f(t) \) — signal original dans le domaine temporel
\( \hat{f}(\xi) \) — spectre du signal dans le domaine fréquentiel
\( \xi \) — fréquence (en Hz)
\( e^{-2\pi i \xi t} = \cos(2\pi\xi t) – i\sin(2\pi\xi t) \) — oscillation complexe (formule d’Euler)
La transformée inverse permet de reconstruire exactement le signal original à partir de son spectre fréquentiel. La transformée de Fourier est donc réversible.
Comprendre géométriquement
La transformée de Fourier en \( \xi \) répond à une question précise : « Quelle est la contribution de la fréquence \( \xi \) dans mon signal ? »
Enrouler le signal autour d’un cercle
Imaginez qu’on enroule le signal \( f(t) \) autour d’un cercle complexe à la fréquence \( \xi \). Chaque point du signal est multiplié par \( e^{-2\pi i \xi t} \), ce qui le fait tourner dans le plan complexe.
Calculer le centre de masse
L’intégrale calcule le centre de masse de ce signal enroulé. Si la fréquence \( \xi \) est présente dans le signal, les contributions s’alignent et le centre de masse est éloigné de l’origine. Sinon, elles s’annulent et le résultat est proche de zéro.
Lire le spectre
En répétant cette opération pour toutes les fréquences \( \xi \), on obtient le spectre du signal : un portrait complet de sa composition fréquentielle.
Si \( f(t) = \cos(2\pi \cdot 440 \cdot t) \) (le La à 440 Hz), son spectre \( |\hat{f}(\xi)| \) présente deux pics ponctuels, exactement en \( \xi = 440 \) Hz et \( \xi = -440 \) Hz, et zéro partout ailleurs.
Les propriétés essentielles
La transformée de Fourier possède des propriétés remarquables qui la rendent extrêmement puissante en pratique.
\( \mathcal{F}\{\alpha f + \beta g\} = \alpha\hat{f} + \beta\hat{g} \)
On peut décomposer un signal en parties et transformer chacune séparément.
Retarder un signal de \( t_0 \) multiplie son spectre par \( e^{-2\pi i \xi t_0} \). Le module ne change pas, seule la phase est affectée.
La transformée d’un produit de convolution est le produit des transformées :
\( \mathcal{F}\{f * g\} = \hat{f} \cdot \hat{g} \)
L’énergie totale du signal est conservée entre les deux domaines :
\( \int |f(t)|^2\,dt = \int |\hat{f}(\xi)|^2\,d\xi \)
Dériver dans le temps revient à multiplier par \( 2\pi i \xi \) en fréquence :
\( \mathcal{F}\{f’\}(\xi) = 2\pi i \xi \cdot \hat{f}(\xi) \)
Un signal concentré dans le temps est étalé en fréquence, et inversement. C’est le principe d’incertitude de Heisenberg en physique quantique.
Transformées usuelles à connaître
Comme pour les dérivées, il existe un tableau de transformées de Fourier des fonctions courantes. En voici les plus importantes.
| Signal \( f(t) \) | Transformée \( \hat{f}(\xi) \) |
|---|---|
| Impulsion de Dirac \( \delta(t) \) | \( 1 \) (spectre plat) |
| Constante \( 1 \) | \( \delta(\xi) \) |
| \( e^{-at} \cdot \mathbf{1}_{t \geq 0} \) (exponentielle causale) | \( \dfrac{1}{a + 2\pi i \xi} \) |
| \( e^{-\pi t^2} \) (gaussienne) | \( e^{-\pi \xi^2} \) (gaussienne) |
| \( \cos(2\pi \xi_0 t) \) | \( \dfrac{1}{2}[\delta(\xi – \xi_0) + \delta(\xi + \xi_0)] \) |
| \( \sin(2\pi \xi_0 t) \) | \( \dfrac{1}{2i}[\delta(\xi – \xi_0) – \delta(\xi + \xi_0)] \) |
| Porte \( \Pi(t) = \mathbf{1}_{|t| \leq 1/2} \) | \( \text{sinc}(\xi) = \dfrac{\sin(\pi\xi)}{\pi\xi} \) |
La fonction gaussienne \( e^{-\pi t^2} \) est sa propre transformée de Fourier. C’est l’unique fonction (à normalisation près) à posséder cette propriété. Elle joue un rôle fondamental en probabilités, en physique quantique et dans le traitement du signal.
Applications concrètes
La transformée de Fourier n’est pas un objet purement théorique. Elle est au cœur de technologies que vous utilisez chaque jour.
- Compression audio (MP3) : décompose le son en fréquences et supprime celles que l’oreille humaine perçoit le moins, réduisant la taille du fichier
- Compression d’images (JPEG) : la transformée en cosinus discrète (DCT), cousine de Fourier, décompose chaque bloc de pixels en fréquences spatiales et élimine les hautes fréquences peu visibles
- IRM médicale : les données brutes d’une IRM sont naturellement dans l’espace de Fourier (espace k). La transformée inverse reconstruit l’image anatomique
- Wi-Fi et 4G/5G (OFDM) : la transmission de données utilise la transformée de Fourier rapide (FFT) pour multiplexer des centaines de fréquences porteuses simultanément
- Astronomie et radar : l’analyse spectrale des signaux radio reçus des étoiles ou réfléchis par des cibles utilise directement la transformée de Fourier
La FFT : la version rapide et calculable
En pratique, les ordinateurs ne peuvent pas calculer une intégrale continue. On utilise la Transformée de Fourier Discrète (TFD), appliquée à un signal échantillonné, et surtout son algorithme efficace : la FFT (Fast Fourier Transform).
\( x[n] \) — échantillons du signal numérique
\( X[k] \) — coefficient fréquentiel de rang \( k \)
\( N \) — nombre total d’échantillons
La FFT calcule la TFD en \( O(N \log N) \) au lieu de \( O(N^2) \) — un gain considérable.
Pour \( N = 10^6 \) échantillons, la TFD naïve nécessite \( 10^{12} \) opérations. La FFT n’en requiert que \( 2 \times 10^7 \) — soit 50 000 fois moins. C’est cet algorithme, inventé par Cooley et Tukey en 1965, qui a rendu le traitement du signal numérique possible en temps réel.
Aller plus loin en analyse ?
Accède aux cours complets de mathématiques et de physique avec exercices corrigés.
Pour aller plus loin
La transformée de Fourier s’appuie sur des concepts fondamentaux que ces articles vous aideront à maîtriser.