1.相关基础知识
（1）首先介绍特殊字符 e
恰当的例子就是，存1块给银行，利率100%，1年以后取出来就是2块，如果这1块在1年中以极短时间反复取，反复存，相当于复投的概念，极短时间内产生的利息也投入去产生利息，那么1年以后，就得到e=2.718。
如果利率是x，那么就是
（2）.i
定义
（3）.欧拉公式
这个可以这样得到：
因为
那么可以通过MATLAB，取n=5000，画出5000个点的图，就会发现是一个圆。
每个点相当于在实轴有投影，在虚轴有投影（带i的分量）
J Pan：被众人膜拜的欧拉恒等式是个什么东东？zhuanlan.zhihu.com
2.傅里叶级数，傅里叶变换
傅里叶级数：
周期信号：
意义和作用：每个周期信号可以由多个正弦信号来合成。这样可以看出这个信号在不同频率的分量是多少。
之前看到过一个新奇的理解：首先周期函数（角频率w)，使用正作弦合成，为什么是由一些离散频率点（w,2w,3w,...)的正余弦合成的呢。这里要注意，这些频率点(w,2w,3w...)其实你可以认为他们的周期都是T。同周期的信号由同周期的正余弦函数，经过相位偏移，可以最终合成，还是比较好理解的。另外，正弦是奇函数，余弦是偶函数。有个很简单的公式变换可以证明：任何一个周期函数都可以分解了 1个奇函数+1个偶函数 之和，这就是为什么傅里叶级数里既有正弦也有余弦了。
傅里叶变换：
对于连续信号分解变换就是傅里叶变换，对于离散信号变换就是Z变换。
3.拉普拉斯变换
其实作用还是将一个信号分解，分解为各个频率分量信号的合成。但是因为一个信号可以进行傅里叶变换，有个前提，是满足狄利克里条件，这个条件就是绝对可积的意思。比如
所以这个时候，创建1个新函数
假设：
对
这里的
这里定义新变量
因为
所以
上面的
下面的文章，我觉得精华是那几幅图。一定要去理解
下面的文章说得特别好的地方在于：
1.拉普拉斯变换，将一个信号变了幅度不变（傅里叶变换）或者幅度呈指数变化的正弦信号的叠加，这种正弦信号在很多物理应用中是很好使用的。原信号在很多物理应用中就不好使用，不好分析。相当于将一个不好分析的信号分解成了众多好分析的信号。
正弦信号，或者
拉氏变换我觉得有两个作用：1.解微分方程 2.传递函数分析
这两个作用之间我认为是没有关系的。
比如：
像这种形式，自变量是t，求解函数f(t)(这里是u(t)).对原方程进行拉氏变换：
然后再对u(s)进行拉氏逆变换，根据s的式子，可以直接逆变换。
将上式化解成下面类似形式（上面具体的变换，我懒得推理了）
反变换，就得到了f(t)，完成了目标
再比如：
拉氏变换：
进行傅里叶反变换
同样上面这个微分方程，使用分离变量法也可以搞定：
来自下面地址：
[图文]6.2 常微分方程的分离变量法 - 百度文库wenku.baidu.com从上面这个例子可以看出，拉普拉斯变换，可以纯粹作为微分方程的一种解法来用。
场景就是，求f(t),先拉氏变换，再拉氏逆变换。
而且好像（后面有时间具体证实），比如微分方程解法，只有齐次方程才能使用分离变量法来解，而且还是一阶齐次微分方程。而拉氏变换可以解高阶，非齐次微分方程。
各类微分方程的解法 - 百度文库wenku.baidu.com再多说两句，上面链接里总结了各种微分方程的解法，其中，有很多要求是齐次方程，然后关于什么是齐次方程又有一些讨论：
齐次方程的「齐次」代表什么？www.zhihu.com这个链接里对齐次讨论的比较深入。
从各种微分方程的解法里我得出的结论：
对于齐次微分方程，一阶线性微分方程，可以使用分离变量法来求解。当然，根据上面举的例子，使用拉氏变换法也能求解，不过使用拉氏变换可能点大炮打蚊子的感。
对于高阶微分方程，上面链接里的解法，其实就是使用的拉氏变换，只不过把中间过程省掉了，让你死记规律了。
下面这个链接里说了齐次方程的意义：
齐次/非齐次偏微分方程组，所谓齐次与非齐次到底有何实在意义?www.zhihu.com其中，有一条是这样说的：
就好像下面要举的弹簧振子的例子一样，如果F(t)=0,那么就是齐次方程，求出的r(t)就是无外力作用下的响应。
如果F(t)=1,那么求出的r(t)就是阶跃输入下的响应。
如果F(t)是个变化的函数，那么直接看传递函数就好了。
拉氏变换的另外一个应用，也是我最关注的应用：分析系统响应
比如
来自于
J Pan：如何入门自动控制理论zhuanlan.zhihu.com
这里，输入是F(t),输出是r(t),自变量是t，可以认为有两个函数。我们要求不是单独的F(t),也不是r(t)，F(t)可以认为是已知的随时间变化的量，我们要求的是：不同变化规律下的F(t)（可以是正弦，可以是阶跃），对应的r(t)（这是响应）
这个时候对上式进行拉氏变换，最后得到：
这个时候，我们不需要拉氏逆变换， 我们不需要求Y(t)，因为本身就不存在Y(t)这个函数，这是个没有意义的函数。上面的拉氏变换，右边：分子表示输出的某个W分量的向量，分母表示输入的某个W分量的向量。可以认为：输入分量引起的输出分量的响应，是放大还是衰减，因为是向量，相当于两个分量有相位，表示滞后还是超前。
这个就是我们关心的幅频响应和相频响应
这个也终于解开我，拉氏变换在分析系统响应和解微分方程之间的关系了，我的理解是没有关系，意义完全不同。分析系统响应，要充分考虑拉氏变换的物理意义。对于解微分方程，就仅仅是一种数学变换而已，方便求解而已。
然后求解微分方程：如果是非齐次微分方程，要先化成齐次微分方程，求出通解，再加上特解。所以说齐次方程是解非齐次方程的一个过度形式，利于使用分离变量法。
拉普拉斯变换有什么用？www.zhihu.com现在再最后总结一下：
其实傅里叶变换和拉氏变换是一回事，目的就是将一个不好处理的信号分解为一些正弦，余弦信号或者是复指数信号（根据欧拉公式知道，其实是一回事）。原因是正弦信号好处理，为什么好处理？哪些方面好处理？
正弦信号的一阶微分，二阶微分，多阶微分还是其本身。或者是指数信号的微分（底是e的情况下）也是其本身，那么在处理多阶微分的情况下，如果是这个函数是正弦信号，那么不论多少阶微分，都特别好运算，一下子降为了代数方程。而我们很多要处理的物理现象或者物理量其实都是对t的一阶或者多阶微分，比如加速度，速度等。比如感抗应该也是电压对时间求微分?这个需要再核实。
我们已经知道傅里叶变换是特殊的拉氏变换，那么我就想，一个可积的周期信号的傅里叶变换应该与拉氏变换（
我们看
傅里叶变换是：
拉氏变换是：
可以看到，两个变换，虽然都在
因为根据欧拉公式
考察信号：
傅氏变换：
拉氏变换：
粗看，在
我认为这里的关键是：傅氏变换，时间是从
这里的关键应该是，对于
我们可以看这么一个函数：
这个函数应该是我们求
可以看到，这个与拉氏变换结果是完全一致的。
关于傅氏变换推导比较正常的文章 ：
[图文]傅里叶变换及其性质 - 百度文库wenku.baidu.com [图文]周期信号的傅立叶变换 - 百度文库wenku.baidu.com
8654
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
