Reference:
1. 对周期函数进行分解的猜想
拉格朗日等数学家发现某些周期函数(不一定是周期函数)可以由三角函数的和来表示,比如下图中,黑色的斜线就是周期为
2
π
2\pi
2π 的函数,而红色的曲线是三角函数之和,可以看出两者确实近似:
而另外一位数学家:傅里叶男爵(1768 -1830)猜测任意周期函数都可以写成三角函数之和。
2. 分解
假设 f ( x ) f(x) f(x) 是周期为 T T T 的函数,傅里叶男爵会怎么构造三角函数的和,使之等于 f ( x ) f(x) f(x)?
2.1 常数项
对于
y
=
C
,
C
∈
R
y=C,C\in\mathbb{R}
y=C,C∈R 这样的常数函数:
根据周期函数的定义,常数函数是周期函数,周期为任意实数。
所以,分解里面得有一个常数项。
2.2 通过sin(x),cos(x)进行分解
首先, s i n ( x ) sin(x) sin(x), c o s ( x ) cos(x) cos(x)是周期函数,进行合理的加减组合,结果可以是周期函数。
其次,它们的微分和积分都很简单。
然后,
s
i
n
(
x
)
sin(x)
sin(x) 是奇函数,即:
−
s
i
n
(
x
)
=
s
i
n
(
−
x
)
-sin(x)=sin(-x)
−sin(x)=sin(−x)
从图像上也可以看出,
s
i
n
(
x
)
sin(x)
sin(x)关于原点对称,是奇函数:
而奇函数与奇函数加减只能得到奇函数,即:
f
odd
±
f
odd
=
f
odd
f_{\text{odd}}\pm f_{\text{odd}}=f_{\text{odd}}
fodd±fodd=fodd
其中, f odd f_{\text{odd}} fodd 表示奇函数。
而
c
o
s
(
x
)
cos(x)
cos(x) 是偶函数,即:
c
o
s
(
x
)
=
c
o
s
(
−
x
)
cos(x)=cos(-x)
cos(x)=cos(−x)
从图像上也可以看出,
c
o
s
(
x
)
cos(x)
cos(x)关于
Y
Y
Y轴对称,是偶函数:
同样的,偶函数与偶函数加减只能得到偶函数,即:
f
even
±
f
even
=
f
even
f_{\text{even}}\pm f_{\text{even}}=f_{\text{even}}
feven±feven=feven
其中,f even _{\text{even}} even表示偶函数。
但是任意函数可以分解和奇偶函数之和:
f
(
x
)
=
f
(
x
)
+
f
(
−
x
)
2
+
f
(
x
)
−
f
(
−
x
)
2
=
f
even
+
f
odd
f(x)=\frac{f(x)+f(-x)}{2}+\frac{f(x)-f(-x)}{2}=f_{\text{even}}+f_{\text{odd}}
f(x)=2f(x)+f(−x)+2f(x)−f(−x)=feven+fodd
所以同时需要 s i n ( x ) sin(x) sin(x), c o s ( x ) cos(x) cos(x)。
2.3 保证组合出来周期为T
之前说了,
f
(
x
)
f(x)
f(x)是周期为
T
T
T的函数,我们怎么保证组合出来的函数周期依然为
T
T
T呢?
比如下面这个函数的周期为
2
π
2\pi
2π:
很显然,
s
i
n
(
x
)
sin(x)
sin(x)的周期也是
2
π
2\pi
2π:
s
i
n
(
2
x
)
sin(2x)
sin(2x)的周期也是
2
π
2\pi
2π,虽然最小周期是
π
\pi
π:
很显然,
s
i
n
(
n
x
)
,
n
∈
N
sin(nx),n\in\mathbb{N}
sin(nx),n∈N的周期中都有一个周期为
2
π
2\pi
2π:
更一般的,如果
f
(
x
)
f(x)
f(x)的周期为
T
T
T,那么:
s
i
n
(
2
π
n
T
x
)
c
o
s
(
2
π
n
T
x
)
,
n
∈
N
sin({\frac{2\pi n}{T}x})\quad cos({\frac{2\pi n}{T}x}),n\in\mathbb{N}
sin(T2πnx)cos(T2πnx),n∈N
这些函数的周期都为 T T T。将这些函数进行加减,就保证了得到的函数的周期也为 T T T。
2.4 调整振幅
现在我们有一堆周期为
2
π
2\pi
2π的函数了,比如说
s
i
n
(
x
)
,
s
i
n
(
2
x
)
,
s
i
n
(
3
x
)
,
s
i
n
(
4
x
)
,
s
i
n
(
5
x
)
sin(x),sin(2x),sin(3x),sin(4x),sin(5x)
sin(x),sin(2x),sin(3x),sin(4x),sin(5x):
通过调整振幅可以让它们慢慢接近目标函数,比如
s
i
n
(
x
)
sin(x)
sin(x)看起来处处都比目标函数低一些:
把它的振幅增加一倍:
2
s
i
n
(
x
)
2sin(x)
2sin(x)有的地方超出去了,从周期为
2
π
2\pi
2π的函数中选择一个,减去一点:
调整振幅,加加减减,我们可以慢慢接近目标函数:
2.5 小结
综上,构造出来的三角函数之和大概类似下面的样子:
f
(
x
)
=
C
+
∑
n
=
1
∞
(
a
n
cos
(
2
π
n
T
x
)
+
b
n
sin
(
2
π
n
T
x
)
)
,
C
∈
R
f(x)=C+\sum_{n=1}^{\infty}\left(a_{n} \cos \left(\frac{2 \pi n}{T} x\right)+b_{n} \sin \left(\frac{2 \pi n}{T} x\right)\right), C \in \mathbb{R}
f(x)=C+n=1∑∞(ancos(T2πnx)+bnsin(T2πnx)),C∈R
这样就符合之前的分析:
- 有常数项
- 奇函数和偶函数可以组合出任意函数
- 周期为 T T T
- 调整振幅,逼近原函数
之前的分析还比较简单,后面开始有点难度了。即怎么确定这三个系数: C a n b n C\quad a_n\quad b_n Canbn
3. sin(x) 的另外一种表示方法
直接不好确定,要迂回一下,先稍微介绍一下什么是: e i ω t e^{i\omega t} eiωt?
3.1 e i ω t e^{i\omega t} eiωt
e
i
θ
e^{i\theta}
eiθ 这种就应该想到复平面上的一个夹角为\theta的向量:
那么当
θ
\theta
θ不再是常数,而是代表时间的变量
t
t
t的时候:
e
i
θ
→
e
i
t
e^{i\theta}\to e^{i{\color{red}t}}
eiθ→eit
随着时间
t
t
t的流逝,从0开始增长,这个向量就会旋转起来,
2
π
2\pi
2π秒会旋转一圈,也就是
T
=
2
π
T=2\pi
T=2π:
3.2 通过 e i ω t e^{i\omega t} eiωt表示 s i n ( t ) sin(t) sin(t)
根据欧拉公式,有:
e
i
t
=
c
o
s
(
t
)
+
i
s
i
n
(
t
)
e^{it}=cos(t)+isin(t)
eit=cos(t)+isin(t)
所以,在时间
t
t
t轴上,把
e
i
t
e^{it}
eit向量的虚部(也就是纵坐标)记录下来,得到的就是
s
i
n
(
t
)
sin(t)
sin(t),代数上用
I
m
Im
Im 表示虚部
s
i
n
(
t
)
=
I
m
(
e
i
t
)
sin(t)=Im(e^{it})
sin(t)=Im(eit):
在时间
t
t
t轴上,把
e
i
2
t
e^{i2t}
ei2t向量的虚部记录下来,得到的就是
s
i
n
(
2
t
)
sin(2t)
sin(2t):
如果在时间
t
t
t轴上,把
e
i
t
e^{it}
eit的实部(横坐标)记录下来,得到的就是
c
o
s
(
t
)
cos(t)
cos(t)的曲线,代数上用
R
e
Re
Re 表示虚部
c
o
s
(
t
)
=
R
e
(
e
i
t
)
cos(t)=Re(e^{it})
cos(t)=Re(eit):
更一般的我们认为,我们具有两种看待
s
i
n
(
x
)
sin(x)
sin(x),
c
o
s
(
x
)
cos(x)
cos(x)的角度:
e
i
ω
t
⟺
{
s
i
n
(
ω
t
)
c
o
s
(
ω
t
)
e^{i\omega t}\iff \begin{cases}sin(\omega t)\\cos(\omega t)\end{cases}
eiωt⟺{sin(ωt)cos(ωt)
这两种角度,一个可以观察到旋转的频率,所以称为频域
;一个可以看到流逝的时间,所以称为时域
:
4. 通过频域来求系数
4.1 函数是线性组合
假设有这么个函数:
g
(
x
)
=
s
i
n
(
x
)
+
s
i
n
(
2
x
)
g(x)=sin(x)+sin(2x)
g(x)=sin(x)+sin(2x)
是一个
T
=
2
π
T=2\pi
T=2π的函数:
如果转到频域去,那么它们是下面这个复数函数的虚部:
e
i
t
+
e
i
2
t
e^{it}+e^{i2t}
eit+ei2t
先看看
e
i
θ
+
e
i
2
θ
e^{i\theta}+e^{i2\theta}
eiθ+ei2θ,其中
θ
\theta
θ是常数,很显然这是两个向量之和:
现在让它们动起来,把
θ
\theta
θ变成流逝的时间
t
t
t,那么就变成了旋转的向量和:
很显然,如果把虚部记录下来,就得到
g
(
t
)
g(t)
g(t):
我们令:
G
(
t
)
=
e
i
t
+
e
i
2
t
G(t)=e^{it}+e^{i2t}
G(t)=eit+ei2t
这里用大写的 G G G来表示复数函数。
刚才看到了,
e
i
t
e^{it}
eit和
e
i
2
t
e^{i2t}
ei2t都是向量,所以上式可以写作:
G
(
t
)
=
e
i
t
+
e
i
2
t
\boldsymbol{G(t)}=\boldsymbol{e^{it}}+\boldsymbol{e^{i2t}}
G(t)=eit+ei2t
这里就是理解的重点了,从线性代数的角度:
- e i t e^{it} eit和 e i 2 t e^{i2t} ei2t是基
- G(t)是基 e i t e^{it} eit, e i 2 t e^{i2t} ei2t的线性组合
g
(
t
)
g(t)
g(t)是
G
(
t
)
G(t)
G(t)的虚部,所以取虚部,很容易得到:
g
(
t
)
⃗
=
s
i
n
(
t
)
⃗
+
s
i
n
(
2
t
)
⃗
\vec{g(t)}=\vec{sin(t)}+\vec{sin(2t)}
g(t)=sin(t)+sin(2t)
即
g
(
t
)
g(t)
g(t) 是基
s
i
n
(
t
)
sin(t)
sin(t),
s
i
n
(
2
t
)
sin(2t)
sin(2t) 的线性组合。
那么
s
i
n
(
t
)
sin(t)
sin(t),
s
i
n
(
2
t
)
sin(2t)
sin(2t) 的系数,实际上是
g
(
t
)
g(t)
g(t) 在基
s
i
n
(
t
)
sin(t)
sin(t),
s
i
n
(
2
t
)
sin(2t)
sin(2t) 下的坐标了。
4.2 如何求正交基的坐标
有了这个结论之后,我们如何求坐标?
我们来看个例子,假设:
w
⃗
=
2
u
⃗
+
3
v
⃗
\vec{w_{}}=2\vec{u_{}}+3\vec{v_{}}
w=2u+3v
其中
u
⃗
=
(
1
1
)
,
v
⃗
=
(
−
1
1
)
\vec{u_{}}=\begin{pmatrix}1\\1\end{pmatrix},\vec{v_{}}=\begin{pmatrix}-1\\1\end{pmatrix}
u=(11),v=(−11)
通过点积:
u
⃗
⋅
v
⃗
=
0
\vec{u_{}}\cdot \vec{v_{}}=0
u⋅v=0
可知这两个向量正交,是正交基
。图示如下:
通过点积可以算出
u
⃗
\vec{u_{}}
u的系数(对于正交基才可以这么做):
w
⃗
⋅
u
⃗
u
⃗
⋅
u
⃗
=
(
1
,
5
)
⋅
(
−
1
,
1
)
(
−
1
,
1
)
⋅
(
−
1
,
1
)
=
2
\frac{\vec{w_{}}\cdot \vec{u_{}}}{\vec{u_{}}\cdot \vec{u_{}}}=\frac{(1,5)\cdot(-1,1)}{(-1,1)\cdot(-1,1)}=2
u⋅uw⋅u=(−1,1)⋅(−1,1)(1,5)⋅(−1,1)=2
4.3 如何求 sin(nt) 基下的坐标
在这里抛出一个结论,函数向量的点积是这么定义的:
f
(
x
)
⃗
⋅
g
1
(
x
)
⃗
=
∫
0
T
f
(
x
)
g
1
(
x
)
d
x
\vec{f(x)}\cdot\vec{g_1(x)}=\int_{0}^{T}f(x)g_1(x)dx
f(x)⋅g1(x)=∫0Tf(x)g1(x)dx
其中,
f
(
x
)
f(x)
f(x)是函数向量
,
g
1
(
x
)
g_1(x)
g1(x)是基
,
T
T
T是
f
(
x
)
f(x)
f(x)的周期
。
那么对于:
g
(
x
)
=
s
i
n
(
x
)
+
s
i
n
(
2
x
)
g(x)=sin(x)+sin(2x)
g(x)=sin(x)+sin(2x)
其中,
g
2
(
x
)
g_2(x)
g2(x)是向量
,
s
i
n
(
t
)
,
s
i
n
(
2
t
)
sin(t),sin(2t)
sin(t),sin(2t) 是 基
,周期
T
=
2
π
T=2\pi
T=2π。
根据刚才内积的定义:
s
i
n
(
t
)
⃗
⋅
s
i
n
(
2
t
)
⃗
=
∫
0
2
π
s
i
n
(
t
)
s
i
n
(
2
t
)
d
t
=
0
\vec{sin(t)}\cdot\vec{sin(2t)}=\int_{0}^{2\pi}sin(t)sin(2t)dt=0
sin(t)⋅sin(2t)=∫02πsin(t)sin(2t)dt=0
所以
s
i
n
(
t
)
sin(t)
sin(t) 和
s
i
n
(
2
t
)
sin(2t)
sin(2t) 互为正交基,那么根据刚才的分析,可以这么求
g
g
g 的正交基系数:
g
⃗
⋅
s
i
n
(
t
)
⃗
s
i
n
(
t
)
⃗
⋅
s
i
n
(
t
)
⃗
=
∫
0
2
π
g
(
x
)
s
i
n
(
x
)
d
x
∫
0
2
π
s
i
n
2
(
x
)
d
x
=
1
\frac{\vec{g_{}}\cdot \vec{sin(t)}}{\vec{sin(t)}\cdot \vec{sin(t)}}=\frac{\int_{0}^{2\pi}g(x)sin(x)dx}{\int_{0}^{2\pi}sin^2(x)dx}=1
sin(t)⋅sin(t)g⋅sin(t)=∫02πsin2(x)dx∫02πg(x)sin(x)dx=1
4.4 更一般的
对于我们之前的假设,其中
f
(
x
)
f(x)
f(x) 周期为
T
T
T:
f
(
x
)
=
C
+
∑
n
=
1
∞
(
a
n
c
o
s
(
2
π
n
T
x
)
+
b
n
s
i
n
(
2
π
n
T
x
)
)
,
C
∈
R
\displaystyle f(x)=C+\sum _{{n=1}}^{\infty}\left(a_{n}cos({\frac{2\pi n}{T}x})+b_{n}sin({\frac{2\pi n}{T}x})\right),C\in\mathbb{R}
f(x)=C+n=1∑∞(ancos(T2πnx)+bnsin(T2πnx)),C∈R
可以改写为这样:
f
(
x
)
=
C
⋅
1
+
∑
n
=
1
∞
(
a
n
c
o
s
(
2
π
n
T
x
)
+
b
n
s
i
n
(
2
π
n
T
x
)
)
,
C
∈
R
\displaystyle f(x)=C\cdot 1+\sum _{{n=1}}^{\infty}\left(a_{n}cos({\frac{2\pi n}{T}x})+b_{n}sin({\frac{2\pi n}{T}x})\right),C\in\mathbb{R}
f(x)=C⋅1+n=1∑∞(ancos(T2πnx)+bnsin(T2πnx)),C∈R
也就是说向量
f
(
x
)
f(x)
f(x) 的基为(即把
f
(
x
)
f(x)
f(x)当作了如下基的向量):
{
1
,
c
o
s
(
2
π
n
T
x
)
,
s
i
n
(
2
π
n
T
x
)
}
\{1,cos({\frac{2\pi n}{T}x}),sin({\frac{2\pi n}{T}x})\}
{1,cos(T2πnx),sin(T2πnx)}
是的, 1 1 1 也是基。
该式可以解读为:
f
(
x
)
=
a
0
⏟
基
1
下的坐标
⋅
1
+
∑
n
=
1
∞
(
a
n
⏟
对应基的坐标
c
o
s
(
2
π
n
T
x
)
+
b
n
⏟
对应基的坐标
s
i
n
(
2
π
n
T
x
)
)
\displaystyle f(x)=\underbrace{a_0}_{基1下的坐标}\cdot 1+\sum _{{n=1}}^{\infty }\left(\underbrace{a_{n}}_{对应基的坐标}cos({\frac{2\pi n}{T}x})+\underbrace{b_{n}}_{对应基的坐标}sin({\frac{2\pi n}{T}x})\right)
f(x)=基1下的坐标
a0⋅1+n=1∑∞⎝
⎛对应基的坐标
ancos(T2πnx)+对应基的坐标
bnsin(T2πnx)⎠
⎞
那么可以得到(通过上一节求正交基系数的方法计算每一项的系数):
a
n
=
∫
0
T
f
(
x
)
c
o
s
(
2
π
n
T
x
)
d
x
∫
0
T
c
o
s
2
(
2
π
n
T
x
)
d
x
=
2
T
∫
0
T
f
(
x
)
c
o
s
(
2
π
n
T
x
)
d
x
b
n
=
∫
0
T
f
(
x
)
s
i
n
(
2
π
n
T
x
)
d
x
∫
0
T
s
i
n
2
(
2
π
n
T
x
)
d
x
=
2
T
∫
0
T
f
(
x
)
s
i
n
(
2
π
n
T
x
)
d
x
a_n=\frac{\int_{0}^{T}f(x)cos({\frac{2\pi n}{T}x})dx}{\int_{0}^{T}cos^2({\frac{2\pi n}{T}x})dx}=\frac{2}{T}\int_{0}^{T}f(x)cos({\frac{2\pi n}{T}x})dx\\ b_n=\frac{\int_{0}^{T}f(x)sin({\frac{2\pi n}{T}x})dx}{\int_{0}^{T}sin^2({\frac{2\pi n}{T}x})dx}=\frac{2}{T}\int_{0}^{T}f(x)sin({\frac{2\pi n}{T}x})dx
an=∫0Tcos2(T2πnx)dx∫0Tf(x)cos(T2πnx)dx=T2∫0Tf(x)cos(T2πnx)dxbn=∫0Tsin2(T2πnx)dx∫0Tf(x)sin(T2πnx)dx=T2∫0Tf(x)sin(T2πnx)dx
C
C
C 也可以通过点积来表示,最终我们得到:
f
(
x
)
=
a
0
2
+
∑
n
=
1
∞
(
a
n
cos
(
2
π
n
x
T
)
+
b
n
sin
(
2
π
n
x
T
)
)
\displaystyle f(x)={\frac{a_{0}}{2}}+\sum _{{n=1}}^{\infty}\left(a_{n}\cos({\tfrac {2\pi nx}{T}})+b_{n}\sin({\tfrac {2\pi nx}{T}})\right)
f(x)=2a0+n=1∑∞(ancos(T2πnx)+bnsin(T2πnx))
其中:
a
n
=
2
T
∫
x
0
x
0
+
T
f
(
x
)
⋅
cos
(
2
π
n
x
T
)
d
x
,
n
∈
{
0
}
⋃
N
b
n
=
2
T
∫
x
0
x
0
+
T
f
(
x
)
⋅
sin
(
2
π
n
x
T
)
d
x
,
n
∈
N
\displaystyle a_{n}={\frac {2}{T}}\int _{{x_{0}}}^{{x_{0}+T}}f(x)\cdot \cos({\tfrac {2\pi nx}{T}})\ dx, n\in\{0\}\bigcup\mathbb{N}\\ b_{n}={\frac {2}{T}}\int _{{x_{0}}}^{{x_{0}+T}}f(x)\cdot \sin({\tfrac {2\pi nx}{T}})\ dx, n\in\mathbb{N}
an=T2∫x0x0+Tf(x)⋅cos(T2πnx) dx,n∈{0}⋃Nbn=T2∫x0x0+Tf(x)⋅sin(T2πnx) dx,n∈N
5. 傅里叶级数
5.1 基坐标画到图上
举个例子,
T
=
2
π
T=2\pi
T=2π 的方波
f
(
x
)
f(x)
f(x),可以粗略的写做:
f
(
x
)
≈
1
+
4
π
s
i
n
(
x
)
f(x)\approx 1+\frac{4}{\pi}sin(x)
f(x)≈1+π4sin(x)
从几何上看,有那么一丁点相似:
我们可以认为:
f
(
x
)
≈
1
+
4
π
s
i
n
(
x
)
f(x)\approx 1+\frac{4}{\pi}sin(x)
f(x)≈1+π4sin(x)
此函数的基为 { 1 , s i n ( x ) } \{1,sin(x)\} {1,sin(x)}。则 f ( x ) f(x) f(x) 相当于向量: ( 1 , 4 π ) \displaystyle (1,\frac{4}{\pi}) (1,π4)
画到图上如下,注意坐标轴不是
x
,
y
x,y
x,y,而是
1
,
s
i
n
(
x
)
1,sin(x)
1,sin(x):
5.2 频域图
再增加几个三角函数:
f
(
x
)
≈
1
+
4
π
s
i
n
(
x
)
+
0
s
i
n
(
2
x
)
+
4
3
π
s
i
n
(
3
x
)
+
0
s
i
n
(
4
x
)
+
4
5
π
s
i
n
(
5
x
)
f(x)\approx 1+\frac{4}{\pi}sin(x)+0sin(2x)+\frac{4}{3\pi}sin(3x)+0sin(4x)+\frac{4}{5\pi}sin(5x)
f(x)≈1+π4sin(x)+0sin(2x)+3π4sin(3x)+0sin(4x)+5π4sin(5x)
从几何上看,肯定更接近了:
此时基为
{
1
,
s
i
n
(
x
)
,
s
i
n
(
2
x
)
,
s
i
n
(
3
x
)
,
s
i
n
(
4
x
)
,
s
i
n
(
5
x
)
}
\{1,sin(x),sin(2x),sin(3x),sin(4x),sin(5x)\}
{1,sin(x),sin(2x),sin(3x),sin(4x),sin(5x)}
, 其对应的向量为:
(
1
,
4
π
,
0
,
4
3
π
,
0
,
4
5
π
)
\displaystyle (1,\frac{4}{\pi},0,\frac{4}{3\pi},0,\frac{4}{5\pi})
(1,π4,0,3π4,0,5π4)
六维的向量没有办法画图啊,没关系,数学家发明了一个频域图来表示这个向量:
上图中的
0
,
1
,
2
,
3
,
4
,
5
0,1,2,3,4,5
0,1,2,3,4,5 分别代表了不同频率的正弦波函数,也就是之前的基:
0
H
z
⟺
s
i
n
(
0
x
)
3
H
z
⟺
s
i
n
(
3
x
)
⋯
0Hz\iff sin(0x)\quad 3Hz\iff sin(3x)\cdots
0Hz⟺sin(0x)3Hz⟺sin(3x)⋯
而高度则代表在这个频率上的振幅,也就是这个基上的坐标分量。
这里举的例子只有正弦函数,余弦函数其实也需要这样一个频谱图,也就是需要两个频谱图。当然还有别的办法,综合正弦和余弦,这个后面再说。
原来的曲线图就称为时域图
,往往把时域图
和频域图
画在一起,这样能较为完整的反映傅立叶级数:
不管时域、频域其实反映的都是同一个曲线,只是一个是用函数的观点,一个是用向量的观点。
当习惯了频域之后,会发现看到频域图,似乎就看到了傅立叶级数的展开:
6. 非周期函数
非周期函数,比如下面这个函数可以写出傅立叶级数吗?
这并非一个周期函数,没有办法写出傅立叶级数。
不过可以变换一下思维,如果刚才的方波的周期:
T
=
2
π
→
T
=
∞
T=2\pi\to T=\infty
T=2π→T=∞
那么就得到了这个函数:
在这样的思路下,就可以使用三角级数来逼近这个函数:
观察下频域,之前说了,对于周期为
T
T
T 的函数
f
(
x
)
f(x)
f(x),其基为:
{
1
,
c
o
s
(
2
π
n
T
x
)
,
s
i
n
(
2
π
n
T
x
)
}
\{1,cos({\frac{2\pi n}{T}x}),sin({\frac{2\pi n}{T}x})\}
{1,cos(T2πnx),sin(T2πnx)}
刚才举的方波
T
=
2
π
T=2\pi
T=2π,对应的基就为(没有余弦波):
{
1
,
s
i
n
(
x
)
,
s
i
n
(
2
x
)
,
s
i
n
(
3
x
)
,
s
i
n
(
4
x
)
,
s
i
n
(
5
x
)
,
⋯
s
i
n
(
n
x
)
}
\{1,sin(x),sin(2x),sin(3x),sin(4x),sin(5x),\cdots\,sin(nx)\}
{1,sin(x),sin(2x),sin(3x),sin(4x),sin(5x),⋯sin(nx)}
对应的频率就是:
{
0
H
z
,
1
H
z
,
2
H
z
,
3
H
z
,
4
H
z
,
5
H
z
,
⋯
n
H
z
}
\{0Hz,1Hz,2Hz,3Hz,4Hz,5Hz,\cdots\,nHz\}
{0Hz,1Hz,2Hz,3Hz,4Hz,5Hz,⋯nHz}
按照刚才的思路,如果
T
T
T 不断变大,比如让
T
=
4
π
T=4\pi
T=4π,对应的基就为(没有余弦波):
{
1
,
s
i
n
(
0.5
x
)
,
s
i
n
(
x
)
,
s
i
n
(
1.5
x
)
,
s
i
n
(
2
x
)
,
s
i
n
(
2.5
x
)
,
⋯
s
i
n
(
0.5
n
x
)
}
\{1,sin(0.5x),sin(x),sin(1.5x),sin(2x),sin(2.5x),\cdots\,sin(0.5nx)\}
{1,sin(0.5x),sin(x),sin(1.5x),sin(2x),sin(2.5x),⋯sin(0.5nx)}
对应的频率就是:
{
0
H
z
,
0.5
H
z
,
1
H
z
,
1.5
H
z
,
2
H
z
,
2.5
H
z
,
⋯
0.5
n
H
z
}
\{0Hz,0.5Hz,1Hz,1.5Hz,2Hz,2.5Hz,\cdots\,0.5nHz\}
{0Hz,0.5Hz,1Hz,1.5Hz,2Hz,2.5Hz,⋯0.5nHz}
和刚才相比,频率更加密集:
之前的方波的频域图,画了前
50
50
50 个频率,可以看到,随着
T
T
T 不断变大,这
50
50
50 个频率越来越集中:
可以想象,如果:
T
=
2
π
→
T
=
∞
T=2\pi\to T=\infty
T=2π→T=∞
这些频率就会变得稠密,直至连续,变为一条频域曲线:
傅立叶变换就是,让
T
=
∞
T=\infty
T=∞,求出上面这根频域曲线。
7. 傅里叶变换
之前说了,傅立叶级数是:
f
(
x
)
=
a
0
+
∑
n
=
1
∞
(
a
n
c
o
s
(
2
π
n
T
x
)
+
b
n
s
i
n
(
2
π
n
T
x
)
)
,
a
0
∈
R
\displaystyle f(x)=a_0+\sum _{{n=1}}^{\infty}\left(a_{n}cos({\frac{2\pi n}{T}x})+b_{n}sin({\frac{2\pi n}{T}x})\right),a_0\in\mathbb{R}
f(x)=a0+n=1∑∞(ancos(T2πnx)+bnsin(T2πnx)),a0∈R
这里有正弦波,也有余弦波,画频域图也不方便,通过欧拉公式,可以修改为复数形式:
f
(
x
)
=
∑
n
=
−
∞
∞
c
n
⋅
e
i
2
π
n
x
T
\displaystyle f(x)=\sum _{{n=-\infty }}^{\infty }c_{n}\cdot e^{{i{\tfrac {2\pi nx}{T}}}}
f(x)=n=−∞∑∞cn⋅eiT2πnx
其中:
c
n
=
1
T
∫
x
0
x
0
+
T
f
(
x
)
⋅
e
−
i
2
π
n
x
T
d
x
\displaystyle c_{n}={\frac{1}{T}}\int _{{x_{0}}}^{{x_{0}+T}}f(x)\cdot e^{{-i{\tfrac {2\pi nx}{T}}}}\ dx
cn=T1∫x0x0+Tf(x)⋅e−iT2πnx dx
复数形式也是向量,可以如下解读:
f
(
x
)
=
∑
n
=
−
∞
∞
c
n
⏟
对应基的坐标
⋅
e
i
2
π
n
x
T
⏟
正交基
\displaystyle f(x)=\sum _{{n=-\infty}}^{\infty}\underbrace{c_{n}}_{对应基的坐标}\cdot \underbrace{e^{{i{\tfrac {2\pi nx}{T}}}}}_{正交基}
f(x)=n=−∞∑∞对应基的坐标
cn⋅正交基
eiT2πnx
不过 c n c_{n} cn 是复数,不好画频域图,所以之前讲解全部采取的是三角级数。
周期推向无穷的时候可以得到:
f
(
x
)
=
∑
n
=
−
∞
∞
c
n
⋅
e
i
2
π
n
x
T
T
=
∞
}
⟹
f
(
x
)
=
∫
−
∞
∞
F
(
ω
)
e
i
ω
x
d
ω
\left. \begin{align*} \displaystyle f(x)=\sum _{{n=-\infty }}^{\infty }c_{n}\cdot e^{{i{\tfrac {2\pi nx}{T}}}}\\ T=\infty \end{align*} \right\}\implies f(x) = \int_{-\infty}^\infty F(\omega)\ e^{i\omega x}\,d\omega
f(x)=n=−∞∑∞cn⋅eiT2πnxT=∞⎭
⎬
⎫⟹f(x)=∫−∞∞F(ω) eiωxdω
上面简化了一下,用 ω \omega ω 代表频率( 2 π n T \frac{2\pi n}{T} T2πn 在这里没有意义,因为是连续的)。
F
(
ω
)
F(\omega)
F(ω) 大致是这么得到的:
c
n
=
1
T
∫
x
0
x
0
+
T
f
(
x
)
⋅
e
−
i
2
π
n
x
T
d
x
T
=
∞
}
⟹
F
(
ω
)
=
1
2
π
∫
−
∞
∞
f
(
x
)
e
−
i
ω
x
d
x
\left. \begin{align*} c_{n}={\frac{1}{T}}\int _{{x_{0}}}^{{x_{0}+T}}f(x)\cdot e^{{-i{\tfrac {2\pi nx}{T}}}}\ dx\\ T=\infty \end{align*} \right\}\implies F(\omega)=\frac{1}{2\pi}\int_{-\infty}^\infty f(x)\ e^{-i\omega x}\,dx
cn=T1∫x0x0+Tf(x)⋅e−iT2πnx dxT=∞⎭
⎬
⎫⟹F(ω)=2π1∫−∞∞f(x) e−iωxdx
F
(
ω
)
F(\omega)
F(ω) 就是傅立叶变换
,得到的就是频域曲线。
下面两者称为傅立叶变换对,可以相互转换:
f
(
x
)
⟺
F
(
ω
)
f(x)\iff F(\omega)
f(x)⟺F(ω)
正如之前说的,这是看待同一个数学对象的两种形式,一个是函数,一个是向量。