MS-C1420 Fourier-analyysi Esimerkkejä, perusteluja, osa I

Samankaltaiset tiedostot
MS-C1420 Fourier-analyysi Esimerkkejä, perusteluja, osa I

MS-C1420 Fourier-analyysi osa I

MS-C1420 Fourier-analyysi osa I

MS-C1420 Fourier-analyysi osa I

MS-C1420 Fourier-analyysi osa II

MS-C1420 Fourier-analyysi osa II

Fourier-analyysi, I/19-20, Mallivastaukset, Laskuharjoitus 7

Numeeriset menetelmät

Mat Matematiikan peruskurssi L4, osa I

y x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1

e ax, kun x > 0 f(x) = 0, kun x < 0, 0, kun x > 0 e ax, kun x < 0 e (a iω)x dx = a+iω = 1 a 2 +ω 2. e ax, x > 0 e ax, x < 0,

MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset

Numeeriset menetelmät TIEA381. Luento 13. Kirsi Valjus. Jyväskylän yliopisto. Luento 13 () Numeeriset menetelmät / 42

Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot! Laskin (yo-kirjoituksissa hyväksytty) on sallittu apuväline tässä kokeessa!

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I

Osa VI. Fourier analyysi. A.Rasila, J.v.Pfaler () Mat Matematiikan peruskurssi KP3-i 12. lokakuuta / 246

Mat / Mat Matematiikan peruskurssi C3-I / KP3-I Harjoitus 5 / vko 42, loppuviikko, syksy 2008

Fourier-sarjat ja -muunnos

763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 1 Kevät y' P. α φ

Signaalit ja järjestelmät aika- ja taajuusalueissa

4. Fourier-analyysin sovelletuksia. Funktion (signaalin) f(t) näytteistäminen tapahtuu kertomalla funktio näytteenottosignaalilla

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n

A B = 100, A = B = 0. D = 1.2. Ce (1.2 D. C (t D) 0, t < 0. t D. )} = Ae πjf D F{Π( t D )} = ADe πjf D sinc(df)

Mat Matematiikan peruskurssi L4, osa II, todistuksia ym

Kompleksianalyysi, viikko 6

Numeeriset menetelmät TIEA381. Luento 14. Kirsi Valjus. Jyväskylän yliopisto. Luento 14 () Numeeriset menetelmät / 55

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

7. Tasaisen rajoituksen periaate

Toispuoleiset raja-arvot

Nopeat Fourier-muunnokset

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Oletetaan sitten, että γ(i) = η(j). Koska γ ja η ovat Jordan-polku, ne ovat jatkuvia injektiivisiä kuvauksia kompaktilta joukolta, ja määrittävät

5 Funktion jatkuvuus ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT Määritelmä ja perustuloksia

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 9: Muuttujanvaihto taso- ja avaruusintegraaleissa

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.

Luento 8: Epälineaarinen optimointi

Harjoitus Etsi seuraavien autonomisten yhtälöiden kriittiset pisteet ja tutki niiden stabiliteettia:

LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k

Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus Malliratkaisut (Sauli Lindberg)

V. POTENSSISARJAT. V.1. Abelin lause ja potenssisarjan suppenemisväli. a k (x x 0 ) k M

Matematiikan tukikurssi

MS-A0207 Differentiaali- ja integraalilaskenta 2 Luento 5: Gradientti ja suunnattu derivaatta. Vektoriarvoiset funktiot. Taylor-approksimaatio.

Luento 2. Jaksolliset signaalit

Laplace-muunnos: määritelmä

1. Viikko. K. Tuominen MApu II 1/17 17

Nopea kertolasku, Karatsuban algoritmi

Ortogonaaliprojektio äärellisulotteiselle aliavaruudelle

MS-A0102 Differentiaali- ja integraalilaskenta 1

1. Tarkastellaan kaksiulotteisessa Hilbert avaruudessa Hamiltonin operaattoria

Antti Rasila. Kevät Matematiikan ja systeemianalyysin laitos Aalto-yliopisto. Antti Rasila (Aalto-yliopisto) MS-A0204 Kevät / 16

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Sarjat ja integraalit

Laplace-muunnos. 8. marraskuuta Laplace-muunnoksen määritelmä, olemassaolo ja perusominaisuudet Differentiaaliyhtälöt Integraaliyhtälöt

e int) dt = 1 ( 2π 1 ) (0 ein0 ein2π

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Seuraava topologisluonteinen lause on nk. Bairen lause tai Bairen kategorialause, n=1

Harjoitus 1, tehtävä 1

Kvanttifysiikan perusteet 2017

Shorin algoritmin matematiikkaa Edvard Fagerholm

8. Avoimen kuvauksen lause

Jaksollisen signaalin spektri

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7,

Numeeriset menetelmät

LUKU 6. Mitalliset funktiot

Esitetään tehtävälle kaksi hieman erilaista ratkaisua. Ratkaisutapa 1. Lähdetään sieventämään epäyhtälön vasenta puolta:

Positiivitermisten sarjojen suppeneminen

Funktiojonot ja funktiotermiset sarjat Funktiojono ja funktioterminen sarja Pisteittäinen ja tasainen suppeneminen

Lukujonon raja-arvo 1/7 Sisältö ESITIEDOT: lukujonot

y z = (x, y) Kuva 1: Euklidinen taso R 2

1 Kompleksiluvut. Kompleksiluvut 10. syyskuuta 2005 sivu 1 / 7

SIGNAALITEORIAN KERTAUSTA 1

Analyysi III. Jari Taskinen. 28. syyskuuta Luku 1

3.3 Funktion raja-arvo

Kvanttifysiikan perusteet 2017

u = 2 u (9.1) x + 2 u

Viikon aiheet. Funktion lineaarinen approksimointi

1 sup- ja inf-esimerkkejä

z muunnos ja sen soveltaminen LTI järjestelmien analysointiin

Kompleksiluvut., 15. kesäkuuta /57

Lebesguen mitta ja integraali

8 Potenssisarjoista. 8.1 Määritelmä. Olkoot a 0, a 1, a 2,... reaalisia vakioita ja c R. Määritelmä 8.1. Muotoa

järjestelmät Luento 8

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 1: Moniulotteiset integraalit

DI matematiikan opettajaksi: Täydennyskurssi, kevät 2010 Luentorunkoa ja harjoituksia viikolle 11: ti klo 13:00-15:30

5. Z-muunnos ja lineaariset diskreetit systeemit. z n = z

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Koodausteoria, Kesä 2014

763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 2 Kevät 2017

Mat Matematiikan peruskurssi L4, osa II

f(x) sin k x dx, c k = 1

1.1 Vektorit. MS-A0007 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n. 1. Vektorit ja kompleksiluvut

1 sup- ja inf-esimerkkejä

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Esimerkkejä ym., osa I

Tekijäryhmiä varten määritellään aluksi sivuluokat ja normaalit aliryhmät.

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

1 Kompleksiluvut 1. y z = (x, y) Kuva 1: Euklidinen taso R 2

Luento 8: Epälineaarinen optimointi

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 8: Divergenssi ja roottori. Gaussin divergenssilause.

802328A LUKUTEORIAN PERUSTEET OSA III BASICS OF NUMBER THEORY PART III. Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO

5 Funktion jatkuvuus ANALYYSI A, HARJOITUSTEHTÄVIÄ, KEVÄT Määritelmä ja perustuloksia. 1. Tarkastellaan väitettä

Transkriptio:

MS-C140 Fourier-analyysi Esimerkkejä, perusteluja, osa I G. Gripenberg Aalto-yliopisto 3. tammikuuta 014 G. Gripenberg (Aalto-yliopisto MS-C140 Fourier-analyysiEsimerkkejä, perusteluja, osa3. I tammikuuta 014 1 / 1

Miksi konvoluution Fourier-muunnos on muunnosten tulo? e iπνt ( integroimisjärjestyksen vaihto g(t uh(u du dt ( e iπν(t u g(t ue iπνu h(u du dt ( e iπν(t u g(t ue iπνu h(u dt du ( e iπν(t u g(t u dt e iπνu h(u du ( t u τ e iπντ g(τ dτ e iπνu h(u du ( ( e iπντ g(τ dτ e iπνu h(u du ĝ(νĥ(ν. Integroimisjärjestyksen vaihto on mahdollinen koska ( e iπν(t u g(t ue iπνu h(u du dt <. G. Gripenberg (Aalto-yliopisto MS-C140 Fourier-analyysiEsimerkkejä, perusteluja, osa3. I tammikuuta 014 / 1

F(e πt (ν e πν Merkitään h 0 (t e πt ja g(ν ĥ0(ν. Fourier-muunnoksen derivoimissääntöjen nojalla pätee g (ν F ( ( iπth 0 (t (ν if ( ( πth 0 (t (ν, F(h o(ν iπνf(h 0 (ν iπνg(ν Lisäksi pätee h 0 (t πth 0(t joten g (ν if ( ( πth 0 (t (ν if(h o(ν i πνg(ν πνg(ν. Tästä taas seruraa, että d dν eπν g(ν 0 joten e πν g(ν on vakio ja erityisesti e πν g(ν e π0 g(0 g(0 joten ĥ 0 (ν g(ν g(0e πν g(0h 0 (ν. Koska (olettaen, että käänteiskaava pätee kun s ja ŝ L 1 ( h 0 (t F 1 (g(t F(g( ν(t F(g(ν(t g(0f(h 0 (t g(0g(0h 0 (t, niin saadaan g(0 1 josta seuraa, että g(0 1 koska h 0 (t > 0. G. Gripenberg (Aalto-yliopisto MS-C140 Fourier-analyysiEsimerkkejä, perusteluja, osa3. I tammikuuta 014 3 / 1

Miksi eiπνt k( νŝ(ν dν (ˆk s(t? Funktion h(ν e iπνt k( ν Fourier-muunnos on ĥ(ω e iπων e iπνt k( ν dν ν τ Kertolaskukaavan avulla saadaan nyt e iπ(ω tν k( ν dν e iπ(t ωτ k(τ dτ ˆk(t ω. e iπνt k( νŝ(ν dν h(νŝ(ν dν ĥ(ωs(ω dω ˆk(t ωs(ω dω (ˆk s(t. G. Gripenberg (Aalto-yliopisto MS-C140 Fourier-analyysiEsimerkkejä, perusteluja, osa3. I tammikuuta 014 4 / 1

Miksi Fourier-muunnoksen käänteiskaava on voimassa? Valitaan kaavassa eiπνt p( νŝ(ν dν (ˆp s(t funktioksi p funktio p ɛ (ν e ɛν jolloin p( ν e ɛν ja p ɛ (ω π ɛ h 0 ( π ɛ ω. Konvoluutioiden approksimaatio-ominaisuuksista seuraa nyt että lim ɛ 0 s(t ( p ɛ s(t dt 0 ja että lim ɛ 0 ( p ɛ s(t s(t jos s on jatkuva pisteessä t. Jos ŝ lisäksi on integroituva niin lim ɛ 0 eiπνt ŝ(νe ɛν dν eiπνt ŝ(ν dν. Huom! Yllä oleva päättely perustui siihen, että tiedetään, että funktion h 0 (t e πt Fourier-muunnos on h 0 mutta oleellista on ainoastaan että löydetään jokin funktio p L 1 ( siten, että ˆp L 1 ( ja p(0 ˆp(ν dν 0 (mikä on eri asia kuin että ˆp(0 p(t dt kunnes käänteiskaava on tullut todistetuksi mutta ei sen jälkeen ja jos π termissä e iπνt vaihdetaan itseisarvoltaan toiseen lukuun tämä ei onnistu! G. Gripenberg (Aalto-yliopisto MS-C140 Fourier-analyysiEsimerkkejä, perusteluja, osa3. I tammikuuta 014 5 / 1

L -funktioiden konvoluutio Jos g ja h L ( niin voidaan osoittaa, että konvoluutio (g h(t on jatkuva ja lim t (g h(t 0 eli g h C 0 ( mutta on mahdollista, että g h / L 1 ( ja g h / L ( joten Fourier-muunnosta ĝ h ei voida vielä määritellä. Mutta koska ĝ ja ĥ L ( niin ĝĥ L 1 ( ja tämän funktion Fourie-muunnos on laskettavissa ja tuloksen pitäisi olla ĝĥ(t (g h( t. Tämän osoittamiseksi valitaan t ja määritellään q(u h( u t. Silloin ˆq(ν e iπνs h( u t du e iπ( τ t h(τ dτ e iπνt ĥ(ν, joten e iπνt ĝ(νĥ(ν dν ĝ(νˆq(ν dν. G. Gripenberg (Aalto-yliopisto MS-C140 Fourier-analyysiEsimerkkejä, perusteluja, osa3. I tammikuuta 014 6 / 1

L -funktioiden konvoluutio, jatk. Koska ĝ(νˆq(ν dν g(uq(u du niin ĝĥ(t g(uq(u du g(uh( u t du (g h( t. Huomaa myös, että jos g ja h L 1 ( niin pätee tietenkin F(g h ĝĥ mutta silloin tiedetään ainoastaan, että ĝĥ C 0 ( ja tämänkin funktion Fourier-muunnoksen laskeminen ei onnistu suoraan perusmääritelmällä. G. Gripenberg (Aalto-yliopisto MS-C140 Fourier-analyysiEsimerkkejä, perusteluja, osa3. I tammikuuta 014 7 / 1

FFT:n perusideat Diskreetin Fourier-muunnoksen tehokas käyttö perustuu siihen, että on mahdollista laskea se nopeasti ja tehokkaasti, mutta jos lähdetään laskemaan suoraan määritelmästä joudutaan suorittamaan suurin piirtein laskuoperaatiota. Laskun nopeuttamiseksi voidaan käyttää esim. seuraavanlaisia ideoita: Olkoon parillinen luku ja olkoon s -jaksollinen diskreetti signaali. yt F (s(m ŝ(m 1 j0 1 j0 1 k0 e iπmk s(k e iπmj s(j + 1 j0 e iπmj s(j + e iπm e iπm(j+1 s(j + 1 1 j0 e iπmj s(j + 1 F (s(0 : : (m + e iπm F (s(1 : : 1(m. G. Gripenberg (Aalto-yliopisto MS-C140 Fourier-analyysiEsimerkkejä, perusteluja, osa3. I tammikuuta 014 8 / 1

FFT:n perusideat, jatkuu Kun lisäksi muistetaan, että F (G on jaksollinen jaksolla e iπm pystyvektoreina niin saadaan e iπ(m+ ja että niin nähdään, että kun kirjoitetaan vektorit [ ] F (s(0 : : F (s B, (s(1 : : 1 F missä B M [ I M I M Ω M Ω M ] ja ([ ] Ω M diag 1 e iπ M e iπ M... e iπ(m 1 M G. Gripenberg (Aalto-yliopisto MS-C140 Fourier-analyysiEsimerkkejä, perusteluja, osa3. I tammikuuta 014 9 / 1

FFT:n perusideat, jatkuu Jos nyt q ja A k I q k B k diag([b k,..., B k ] niin silloin F (s A q A q 1... A 1 P s missä P s on permutaatio vektorista s. Kun lisäksi huomataan, että kun kerrotaan vektoria matriisilla A k niin jokaisen elementin laskemiseksi on kerrottava yksi elementti kompleksiluvulla ja tulokseen lisätään toinen kompleksiluku eli kaiken kaikkiaan kertolaskua ja yhteenlaskua ja kaiken kaikkiaan on siis laskettava q kertolaskua ja q yhteenlaskua. opea Fourier-muunnos on siis todella huomattavasti nopeampi kuin suoraviivainen määritelmän soveltaminen. Vastaavasti nopeita Fourier-muunnosalgoritmeja on myös olemassa tapauksissa kun k. G. Gripenberg (Aalto-yliopisto MS-C140 Fourier-analyysiEsimerkkejä, perusteluja, osa 3. I tammikuuta 014 10 / 1

Fourier-sarjan suppeneminen, I Jos s L 1 (/Z ja t 0 on sellainen, että 1 1 1 t s(t + t 0 s(t 0 dt < niin lim e iπkt0ŝ(k s(t 0. Miksi Määritellään,M k M g(t s(t + t 0 s(t 0 e iπt 1 ainakin kun t ei ole kokonaisluku (ja esim. g(t 0 kun t Z. Koska e iπt 1 4 t kun t 1 niin g L1 (/Z ja iemann-lebesguen lemman nojalla pätee lim k ĝ(k 0. G. Gripenberg (Aalto-yliopisto MS-C140 Fourier-analyysiEsimerkkejä, perusteluja, osa 3. I tammikuuta 014 11 / 1

Todistus jatkuu Koska s(t + t 0 g(t(e iπt 1 + s(t 0 niin ŝ(ke iπkt 0 1 0 1 0 e iπkt f (t + t 0 e iπk(t t 0 s(t dt + 1 0 1 0 1 t0 t 0 e iπ(k+1t g(t dt e iπkτ f (τ + t 0 dt 1 0 e iπkt g(t dt e iπkt f (t 0 dt ĝ(k + 1 ĝ(k + f (t 0 δ 0,k missä δ 0,k 1 kun k 0 ja 0 muuten koska 1 0 e iπ0 t dt 1 ja 1 0 e iπkt dt / 1 1 0 iπk e iπkt 0 jos k 0. Tästä seuraa, että jos M < 0 ja > 0 niin ŝ(ke iπkt 0 ĝ( + 1 ĝ( M + f (t 0 k M ja väite seuraa koska lim ĝ( + 1 lim M ĝ( M 0. G. Gripenberg (Aalto-yliopisto MS-C140 Fourier-analyysiEsimerkkejä, perusteluja, osa 3. I tammikuuta 014 1 / 1