傅里叶分析讲解三 - 走看看

zoukankan html css js c++ java

傅里叶分析讲解三

引用：https://www.jianshu.com/p/f5a89d76eb28

上一篇中简单介绍了什么是傅里叶级数，最后得到了在周期为 $2pi$ 的傅里叶级数的系数解，那么如何得到任意周期的傅里叶级数呢？

我们先看在周期为 $2pi$ 的函数傅里叶级数表达:
$f(x)= frac{a_0}{2}+sum_{n=1}^infty (a_ncos(nx) +b_nsin(nx) )$
其对应的解为：
$a_0=frac{1}{pi }int_{-pi}^pi f(x)dx$
$a_n=frac{1}{pi }int_{-pi}^pi f(x)cos(nx)dx$
$b_n=frac{1}{pi }int_{-pi}^pi f(x)fin(nx)dx$
如何将其变为任意周期的函数呢？

其实这里只需要简单的换元操作即可。
举个栗子:
$f(x)=sin(x)$ 其周期为 $2pi$ , $f(x)=f(x+2pi)$ 。我们令 $x=2t$ ,则 $f(x)=f(2t)=f(2t+2pi)=f(2(t+pi))$ ,整理下:
$f(2(t))=f(2(t+pi))$
所以在对于t来说就变换成了周期为 $pi$ 的函数。
so对于周期为 $2L$ （方便计算）的函数f(t) 只需令 $x=frac{pi}{L}t$ 带入原周期为 $2pi$ 的函数即可：
$f(t)= frac{a_0}{2}+sum_{n=1}^infty (a_ncos(frac{pi nt}{L}) +b_nsin(frac{pi nt}{L}) )$
同样的可以得到：
$cos(x)=cos(frac{pi t}{L})$
$sin(x)=sin(frac{pi t}{L}) )$
$int_{-pi}^pi dx=int_{-L}^L dfrac{pi t}{L}$
最后我们得到:
$a_0=frac{1}{L }int_{-L}^L f(t)dt$
$a_n=frac{1}{L }int_{-L}^L f(t)cos(frac{pi nt}{L})dt$
$b_n=frac{1}{L }int_{-L}^L f(t)sin(frac{pi nt}{L})dt$

过程很简单，我就省略了，毕竟人生苦短。

2 傅里叶级数的复数形式

我们在写一下傅里叶级数的公式：
$f(t)= frac{a_0}{2}+sum_{n=1}^infty (a_ncos(n omega t) +b_nsin(n omega t) ) \ omega=frac{2pi }{T}$
其中T代表函数的周期，也就是上面的2L，对应的解就是:

$a_0=frac{2}{T }int_{0}^T f(t)dt$
$a_n=frac{2}{T }int_{0}^T f(t)cos(n omega t)dt$
$b_n=frac{2}{T }int_{0}^T f(t)sin(n omega t)dt$

想要得到傅里叶级数的复数形式，需要先了解下欧拉公式。
关于欧拉公式，网上有很多的博客，这里就不细说了，只是简单说下欧拉公式的本质。
我们先看下公式：
$e^{i heta}=cos( heta)+isin( heta)$

$e^{i heta}$ 可以看作是复平面上的一个向量，其到实轴的投影是 $cos( heta)$ ，到虚轴的投影是 $isin( heta)$ ，其中 $heta$ 便是向量与实轴的夹角。

image.png

而欧拉公式的直观理解就是在复平面上做圆周运动

欧拉公式.gif

随着 $heta$ 变化， $e^{i heta}$ 就变成圆周运动了。而前面的系数a则是圆的半径，当a=1的时候就是在单位圆上做圆周运动。

而且通过欧拉公式，我们可以得到三角函数的复数形式：
$cos( heta)=frac{1}{2}(e^{i heta}+e^{-i heta}) \ sin( heta)=-frac{1}{2}i(e^{i heta}-e^{-i heta} )$

将上面的复变三角函数替换傅里叶级数中的三角函数得到:
$f(t)= frac{a_0}{2}+sum_{n=1}^infty (a_nfrac{1}{2}(e^{i n omega t}+e^{-i n omega t}) -b_nfrac{i}{2}(e^{i n omega t}-e^{-i n omega t})) \ =frac{a_0}{2}+sum_{n=1}^infty ((a_nfrac{1}{2}e^{i n omega t}+a_nfrac{1}{2}e^{-i n omega t}) -(b_nfrac{i}{2}e^{i n omega t}- b_nfrac{i}{2}e^{-i n omega t})) \ =frac{a_0}{2}+sum_{n=1}^infty ((frac{a_n-b_ni}{2}e^{i n omega t}+frac{a_n+b_ni}{2}e^{-i n omega t}) ) \ =sum_{n=0}^0frac{a_0}{2} e^{inomega t}+sum_{n=1}^infty (frac{a_n-b_ni}{2}e^{i n omega t})+sum_{n=1}^infty(frac{a_n+b_ni}{2}e^{-i n omega t} )$
我们令 $sum_{n=1}^infty(frac{a_n+b_ni}{2}e^{-i n omega t} )$ 中的n为-n
则得到：
$f(t)=sum_{n=0}^0frac{a_0}{2} e^{inomega t}+sum_{n=1}^infty (frac{a_n-b_n}{2}e^{i n omega t})+sum_{n=-infty}^{-1}(frac{a_{-n}+b_{-n}i}{2}e^{-i -n omega t} )$
所以可以看到n的范围变成了 $-infty$ 到 $infty$ ，并且每一项都有 $e^{i n omega t}$ ，于是我们可以得到一个漂亮的形式：
$f(t)=sum_{n=-infty}^{infty}C_n e^{inomega t}$

其中 $C_n$ 分为3中情况：
$n=0 quadquad C_n=frac{a_0}{2} \ n=1,2,3... quad C_n=frac{a_n-b_ni}{2}\ n=-1,-2,-3... quad C_n=frac{a_{-n}+b_{-n}i}{2}$

我们将傅里叶级数之前的解带入上边
$a_0=frac{2}{T }int_{0}^T f(t)dt \ a_n=frac{2}{T }int_{0}^T f(t)cos(n omega t)dt \ b_n=frac{2}{T }int_{0}^T f(t)sin(n omega t)dt$

当n=0的时候：

$n=0 quadquad C_n=frac{a_0}{2}=frac{2}{T }int_{0}^T f(t)dt = frac{1}{T }int_{0}^T f(t)e^{-n omega t}dt\$

当 $n=1,2,3...$ 的时候

这里因为cos是偶函数，sin是奇函数所以：

当 $n=-1,-2,-3...$ 的时候

可以惊奇的发现，三种情况的解是一样的。所以对于任意周期函数，我们都可以写成:
$f(t)=sum_{n=-infty}^{infty}C_n e^{inomega t} \ C_n=frac{1}{T }int_{0}^T f(t)e^{-in omega t}dt$
但其中的每一项是什么意思呢？
还记得之前说的 $e^{i heta}$ 的本质吗？在圆上做圆周运动，那么 $e^{-in omega t}$ 也是在做周期运动了。那 $nomega$ 又是什么呢？
我们知道 $omega=frac{2pi }{T}$ ，所以我们可以把 $omega$ 看成是以 $2pi$ 为单位的频率(正常来讲频率是 $frac{1}{T}$ )。而系数 $n$ 是就可以看成是几倍的基频，正数是逆时针运动，负数就是顺时针运动。在图形上的反应就是，频率越高，转的越快了
，但其最小公共周期是一样的。
1倍基频

1倍频.gif

10倍基频

10倍频.gif

那么系数 $C_n$ 怎么理解呢？前面说过 $ae^{i heta}$ 的系数a是代表 $e^{i heta}$ 运动的圆半径，这里 $C_n$ 是复数是不是也能这样理解呢？其实粗糙来讲是可以这样理解的。
看个图，只管的理解下把

gif1.gif

上图中红色的向量相对于蓝色的向量只是多了系数 $C_n=sqrt2+isqrt2$ ,所以红色向量运动的半径就是2刚好是复数 $sqrt2+isqrt2$ 的模长乘以1，当然除此之外，红色向量的幅角也变大了些。这些都是因为复数的乘法性质---复数相乘表现为幅角相加，模长相乘。
这下，当有人和你说傅里叶变换是把时域变换到频域上，你应该就很容易理解是什么意思了。频域就是1倍，2倍，3倍.......的 $omega$ ,而每个 $omega$ 都有自己的幅长 $C_n$ ,当把这些所有的 $omega$ 相加，就得到时域中的图像。

更加生动有趣的介绍可以参见傅里叶分析之掐死教程，我这里是从数学的角度来介绍傅里叶变换。

3 推广到非周期函数上

目前该证明的都差不多了，还有最后一个任务，就是推广到非周期函数上。对于非周期函数，我们可以看成是周期无限远的函数，那也就是周期T变成 $infty$ 的时候傅里叶级数。随则T的变大 $w$ 也就不断的减小，当T趋近于 $infty$ 的时候， $w$ 也由 $1w,2w,3w......$ 变成了 $Delta w$ ，那么很自然就需要对 $w$ 做积分。

我们先看下
$Delta w=(n+1)w-nw=w=frac{2pi}{T} \ frac{1}{T} =frac{Delta w}{2pi}\$

当T趋近于 $infty$ 的时候我们可以得到：
$int_{0}^T f(t)dt quad -> quad int_{-infty}^infty f(t)dt\ sum_{n=-infty}^{infty}Delta w quad -> quad int_{-infty}^infty dw$
将这些带入傅里叶级数,并且T趋近于 $infty$ ，就得到:
$f(t)=sum_{n=-infty}^{infty}frac{1}{T }int_{0}^T f(t)e^{-in omega t}dt e^{inomega t} \ =sum_{n=-infty}^{infty}frac{Delta w}{2pi}int_{0}^T f(t)e^{-in omega t}dt e^{inomega t}\ =frac{1}{2pi} int_{-infty}^{infty} int_{-infty}^{infty}f(t)e^{-i omega t}dt e^{iomega t}dw$
其中画红圈的地方就是傅里叶变换

image.png

一般写成一个关于的函数，其实就相当于前面的:

而整个公式就是傅里叶逆变换，写成：
$F^{-1}(t)=frac{1}{2pi} int_{-infty}^{infty} int_{-infty}^{infty}f(t)e^{-i omega t}dt e^{iomega t}dw=frac{1}{2pi} int_{-infty}^{infty} F(w) e^{iomega t}dw$

见贤思齐，见不贤而自省

查看全文

相关阅读:
Linux安装软件时90%的人会遇到这个报错，如何解决？
mongo下查询ObjectId(id)类型的数据
 解决nohup启动logstash生成的文件过大的问题
 ES集群服务器下线节点扩容后上线的流程
 knife4j的使用记录
 mongodb的update函数更新数据,更新文档中的某个具体字段的数据
 Python celery异步框架
 VueX插件使用
 Vue-router插件使用
 Vue 自定义指令

原文地址：https://www.cnblogs.com/Sweepingmonk/p/11582386.html

Copyright © 2011-2022 走看看