【高数+复变函数】傅里叶积分

news2025/1/25 9:03:47

文章目录

  • 【高数+复变函数】傅里叶积分
    • 2. 傅里叶积分
      • 2.1 复数形式积分公式
      • 2.2 三角形式

上一节: 【高数+复变函数】傅里叶级数

【高数+复变函数】傅里叶积分

2. 傅里叶积分

在上一节中,我们知道了傅里叶级数的基本知识,其中,周期为 2 l 2l 2l的函数的傅里叶展开为:
f ( x ) = a 0 2 + ∑ n = 1 x ( a n cos ⁡ n π x l + b n sin ⁡ n π x l ) f(x)=\frac{a_0}{2}+\sum\limits_{n=1}^{x}\left(a_n\cos\frac{n\pi x}{l}+b_n\sin\frac{n\pi x}{l}\right) f(x)=2a0+n=1x(ancoslx+bnsinlx) w = π l w=\frac{\pi}{l} w=lπ,上式就变成了:
f ( x ) = a 0 2 + ∑ n = 1 x ( a n cos ⁡ n w x + b n sin ⁡ cos ⁡ n w x ) f(x)=\frac{a_0}{2}+\sum\limits_{n=1}^{x}\left(a_n\cos{nw x}+b_n\sin\cos{nw x}\right) f(x)=2a0+n=1x(ancosnwx+bnsincosnwx)在复变函数中,我们常使用 T T T为周期,也就是 T = 2 l T=2l T=2l,所以傅里叶级数展开式也就变成了:
f T ( t ) = a 0 2 + ∑ n = 1 ∞ ( a n cos ⁡ n ω t + b n sin ⁡ n ω t ) f_T(t)=\frac{a_0}{2}+\sum\limits_{n=1}^{\infty}(a_n\cos n\omega t+b_n\sin n\omega t) fT(t)=2a0+n=1(ancost+bnsint)其中:

ω = 2 π T . a 0 = 2 T ∫ − T 2 T 2 f T ( t ) d t , a n = 2 T ∫ − T 2 T 2 f T ( t ) c o s n w t d t ( n = 1 , 2 , 3 , ⋯   ) , b n = 2 T ∫ − T 2 T 2 f T ( t ) s i n n w t d t ( n = 1 , 2 , 3 , ⋯   ) . \begin{array}{l}\omega=\frac{2\pi}{T}.\\ a_{0}=\frac{2}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}f_{T}(t)\mathrm{d}t,\\ a_{n}=\frac{2}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}f_{T}(t)\mathrm{cos}nwtdt\quad(n=1,2,3,\cdots),\\ b_{n}=\frac{2}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}f_{T}(t)\mathrm{sin}nwtdt\quad(n=1,2,3,\cdots).\end{array} ω=T2π.a0=T22T2TfT(t)dt,an=T22T2TfT(t)cosnwtdt(n=1,2,3,),bn=T22T2TfT(t)sinnwtdt(n=1,2,3,).

2.1 复数形式积分公式

之后我们把他化成复数形式,利用:
cos ⁡ φ = e j φ + e − j φ 2 , sin ⁡ φ = e j φ − e − j φ 2 j = − j e j φ − e − j φ 2 \cos\varphi=\frac{\mathrm{e}^{j\varphi}+\mathrm{e}^{-j\varphi}}{2},\sin\varphi=\frac{\mathrm e^{j\varphi}-\mathrm e^{-j\varphi}}{2\mathrm j}=-j\frac{\mathrm e^{j\varphi}-\mathrm e^{-j\varphi}}{2} cosφ=2ejφ+ejφ,sinφ=2jejφejφ=j2ejφejφ
代入可得
f T ( t ) = a 0 2 + ∑ n = 1 ∞ ( a n − j b n 2 e j n ω t + a n + j b n 2 e − j n ω t ) f_T(t)=\frac{a_0}{2}+\sum\limits_{n=1}^\infty\left(\frac{a_n-jb_n}{2}\mathrm{e}^{jn\omega t}+\frac{a_n+jb_n}{2}\mathrm{e}^{-jn\omega t}\right) fT(t)=2a0+n=1(2anjbnejnωt+2an+jbnejnωt)
之后进行替换:
c n = 1 T ∫ − T 2 T 2 f T ( t ) e − j n ω t d t ( n = 0 , ± 1 , ± 2 , ⋯   ) ω n = n ω ( n = 0 , ± 1 , ± 2 , ⋯   ) c_n=\frac{1}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}f_T(t)e^{-j n\omega t}\mathrm{d}t\quad(n=0,\pm1,\pm2,\cdots)\\\omega_n=n\omega(n=0,\pm1,\pm2,\cdots) cn=T12T2TfT(t)ejnωtdt(n=0,±1,±2,)ωn=(n=0,±1,±2,)
即可得Fourier级数的复指数形式:
f T ( t ) = ∑ n = − ∞ + ∞ c n e j ω n t = 1 T ∑ n = − ∞ + ∞ [ ∫ − T 2 T 2 f T ( τ ) e − j ω n τ d τ ] e j ω n t f_T(t)=\sum\limits_{n=-\infty}^{+\infty}c_n\mathbf{e}^{j\omega_nt}=\frac{1}{T}\sum_{n=-\infty}^{+\infty}\Big[\int_{-\frac{T}{2}}^{\frac{T}{2}}f_{T}(\tau)\mathrm{e}^{-j\omega_{n}\tau}\mathrm{d}\tau\Big]\mathrm{e}^{j\omega_{n}t} fT(t)=n=+cnejωnt=T1n=+[2T2TfT(τ)ejωnτdτ]ejωnt
现在我们再来考虑非周期函数能否用Fourier积分来表示:

易知:
lim ⁡ T → ∞ f T ( t ) = f ( t ) \lim\limits_{T\to\infty}f_{T}(\begin{matrix}t\end{matrix})=f(\begin{matrix}t\end{matrix}) TlimfT(t)=f(t)
所以我们可以通过给复指数形式求极限得到 f ( t ) f(t) f(t),求极限的过程中也可消去连加号(过程省略),最终Fourier积分公式为:
f ( t ) = 1 2 π ∫ − ∞ + ∞ [ ∫ − ∞ + ∞ f ( τ ) e − j ω τ d τ ] e j ω t d ω . f(t)=\frac{1}{2\pi}\int_{-\infty}^{+\infty}\left[\int_{-\infty}^{+\infty}f(\tau)\mathrm e^{-j\omega\tau}\mathrm d\tau\right]\mathrm e^{j\omega t}\mathrm d\omega. f(t)=2π1+[+f(τ)eτdτ]etdω.
至于一个非周期函数 f ( t ) f(t) f(t)在什么条件下,可以用Fourier积分公式来表示,有下列定理:

image-20230513152956628

2.2 三角形式

image-20230513153442505

f ( t ) = 1 π ∫ 0 + ∞ [ ∫ − ∞ + ∞ f ( τ ) cos ⁡ ω ( t − τ ) d τ ] d ω (1.6) f(t)=\frac{1}{\pi}\int_{0}^{+\infty}[\int_{-\infty}^{+ \infty}f(\tau)\cos\omega(t-\tau)\mathrm{d}\tau]\mathrm{d}\omega \tag{1.6} f(t)=π10+[+f(τ)cosω(tτ)dτ]dω(1.6)

这便是 f ( t ) f(t) f(t)的Fourier积分公式的三角形式。

(1.6)式还可写为:
f ( t ) = 1 π ∫ 0 ∞ [ ∫ − ∞ + ∞ f ( τ ) ( cos ⁡ ω t cos ⁡ ω τ + sin ⁡ ω t sin ⁡ ω τ ) d τ ] d ω . f(t)=\frac{1}{\pi}\int_0^{\infty}\left[\int_{-\infty}^{+\infty}f(\tau)\left(\cos\omega t\cos\omega\tau+\sin\omega t\sin\omega\tau\right)\mathrm{d}\tau\right]\mathrm{d}\omega. f(t)=π10[+f(τ)(cosωtcosωτ+sinωtsinωτ)dτ]dω.
f ( t ) f(t) f(t)是奇函数时:
f ( t ) = 2 π ∫ 0 + ∞ [ ∫ 0 + ∞ f ( τ ) sin ⁡ ω τ d τ ] sin ⁡ ω t d ω . f(t)=\frac{2}{\pi}\int_0^{+\infty}\Big[\int_0^{+\infty}f(\tau)\sin\omega\tau\mathrm d\tau\Big]\sin\omega t\mathrm d\omega. f(t)=π20+[0+f(τ)sinωτdτ]sinωtdω.
f ( t ) f(t) f(t)是偶函数时:
f ( t ) = 2 π ∫ 0 + ∞ [ ∫ 0 + ∞ f ( τ ) cos ⁡ ω τ d τ ] cos ⁡ ω t d ω . f(t)=\frac{2}{\pi}\int_{0}^{+\infty}\left[\int_{0}^{+\infty}f(\tau)\cos\omega\tau\text{d}\tau\right]\cos\omega t\text{d}\omega. f(t)=π20+[0+f(τ)cosωτdτ]cosωtdω.
它们分别称为 Fourier 正弦积分公式和 Fourier 余弦积分公式。

特别,如果 f ( t ) f(t) f(t)仅在 ( 0 , + ∞ ) (0,+\infty) (0,+)上有定义且满足 Fourier 积分存在定理的条件,我们可以采用类似于Fourier 级数中的奇延拓或偶延拓的方法,得到 f ( t ) f(t) f(t)相应的 Fourier 正弦积分展开式或 Fourier 余弦积分展开式

我们可以利用 f ( t ) f(t) f(t)的Fourier积分表达式推证一些反常积分的结果:

例: 求函数 f ( t ) = { 1 , ∣ t ∣ ≤ 1 0 , 其他 f(t)=\left\{\begin{array}{l l}{1,}&{\left|t\right|\leq1}\\ {0,}&{其他}\\ \end{array}\right. f(t)={1,0,t1其他的Fourier积分表达式

根据余弦积分公式,可得出:
2 π ∫ 0 + ∞ sin ⁡ ω cos ⁡ ω t ω d ω = { f ( t ) , t ≠ ± 1 , 1 2 , t = ± 1 , \frac{2}{\pi}\int_0^{+\infty}\frac{\sin\omega\cos\omega t}{\omega}\mathrm{d}\omega=\begin{cases}f(t),\quad t\ne\pm1,\\[2ex]\frac{1}{2},\quad t=\pm1,\end{cases} π20+ωsinωcosωtdω= f(t),t=±1,21,t=±1,
等价于:
∫ 0 + ∞ sin ⁡ ω cos ⁡ ω t ω d ω = { π 2 , ∣ t ∣ < 1 , π 4 , ∣ t ∣ = 1 , 0 , ∣ t ∣ > 1. \int_{0}^{+\infty}\frac{\sin\omega\cos\omega t}{\omega}\mathrm{d}\omega=\begin{cases}\frac{\pi}{2},\quad|t|<1,\\{}\\\frac{\pi}{4},\quad|t|=1,\\{}\\0,\quad|t|>1.\end{cases} 0+ωsinωcosωtdω= 2π,t<1,4π,t=1,0,t>1.
当t=0时, ∫ 0 + ∞ sin ⁡ ω ω d ω = π 2 , \int_0^{+\infty}\frac{\sin\omega}{\omega}\mathrm{d}\omega=\frac{\pi}{2}, 0+ωsinωdω=2π,这就是Dirichlet积分

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/521446.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【MATLAB第31期】基于MATLAB的降维/全局敏感性分析/特征排序/数据处理回归问题MATLAB代码实现(持续更新)

【MATLAB第31期】基于MATLAB的降维/全局敏感性分析/特征排序/数据处理回归问题MATLAB代码实现(持续更新) 本文敏感性分析主要分析回归问题&#xff0c;下期分析分类问题&#xff08;fisher、rf、arf、nca等&#xff09;。 一、降维方法&#xff08;回归&#xff09; 常见的降…

【动态规划】0-1背包问题

概述 0-1背包问题是一种经典的动态规划问题&#xff0c;它的基本形式是&#xff1a;有一个背包&#xff0c;容量为 C C C&#xff0c;有 n n n 个物品 i i i&#xff0c;每个物品 i i i 的重量为 w i w_i wi​&#xff0c;价值为 v i v_i vi​。现在要从这 n n n 个物品…

id选择器和class选择器

id选择器 id选择器用来选取带有给定id属性的元素。语法:#id例如: html <div id"container">...</div>css #container {color: blue; }id选择器的一些特征: 1. id选择器以#号开头,后跟元素的id属性值。 2. id选择器只能选取带有给定id属性的元素。 3.…

在 Windows 上安装 kubectl

一、前言 个人主页: ζ小菜鸡大家好我是ζ小菜鸡&#xff0c;让我们一起学习在 Windows 上安装 kubectl。如果文章对你有帮助、欢迎关注、点赞、收藏(一键三连) 二、 kubectl是什么 kubectl是Kubernetes集群的命令行工具&#xff0c;通过kubectl能够对集群本身进行管理&#xf…

一篇文章学会高级IO

文章目录 理解IO的本质认识五种IO模型阻塞式IO非阻塞式IO信号驱动式IO多路转接式IO异步式IO 高级IO的理解以及意义多路转接式IO的深入学习select模型select函数详解封装网络套接字&#xff1a;Sock.hppselectServer.cc(服务器文件)运行结果小结 poll模型poll函数详解Sock.hpppo…

Reed-Muller序列

Reed-Muller函数的由来 我们知道对于连续信号&#xff0c;时间和频率是对偶域(duality)&#xff0c;其中正弦函数是时移的特征函数&#xff08;where sinusoids are eigenfunctions of time shifts&#xff09;。而在汉明空间(Hamming space)中&#xff0c;there are discrete…

牛客网面试必刷:BM19 寻找峰值

牛客网面试必刷&#xff1a;BM19 寻找峰值 前言一、解法1&#xff1a;暴力依次搜索二、解法2&#xff1a;二分搜索 前言 给定一个长度为n的数组nums&#xff0c;请你找到峰值并返回其索引。数组可能包含多个峰值&#xff0c;在这种情况下&#xff0c;返回任何一个所在位置即可…

数据库基础篇 -- 1

目录 数据库基础 1.1&#xff1a;什么是数据库 1.2&#xff1a;常见数据库 1.3&#xff1a;数据库的基本使用 1.4&#xff1a;mysql的架构 1.5&#xff1a;sql分类 1.6&#xff1a;存储引擎 数据库基础 1.1&#xff1a;什么是数据库 数据库是指存储和管理结构化数据的…

解决频繁操作svn导致提交文件失败svn: E155015,亲测成功

我是因为频繁在本地删除创建重复的包和.java文件&#xff0c;以至于在提交至svn的时候会出现我之前删除的包和.java文件&#xff0c;所以我致力于将其删除干净&#xff0c;频繁的在本地删除、去svn删除…以至于再后来本地项目中和svn中都没有但是还是svn: E155015&#xff0c;查…

Cesium入门之五:认识Cesium中的Viewer

Viewer是Cesium中用于显示3D场景的组件。它提供了创建和控制3D场景所需的所有基本功能&#xff0c;包括加载3D模型、添加图像覆盖物、设置相机位置和方向、处理用户输入等。 在创建Viewer时&#xff0c;可以指定要使用的HTML元素&#xff08;例如canvas&#xff09;&#xff0…

06-redis集群模式(中) 项目测试的云服务ip变内网等(解决大多数问题)

目录 0-0 前言 : 1. 搭建redis集群成功后 项目测试 ip变成内网 2. 设置 redis.conf的配置 3. 这时候如果运行后面操作, 会出以下问题 问题一: 不开放节点端口号 ​编辑问题二: 不开放通讯端口号 4. 最最核心的正确操作: 5. 删除全部容器 删除全部目录挂载 6. 重新运…

SSM(Vue3+ElementPlus+Axios+SSM前后端分离)-架子搭建

目录 SSM(Vue3ElementPlusAxiosSSM前后端分离)--架子搭建 技术栈 项目搭建 配置pom.xml 项目全局配置web.xml SpringMVC 配置 创建springDispatcherServlet-servlet.xml 创建项目相关的包 完成测试TestController.java 整合hi.html 启动Tomcat , 浏览器输入http://local…

mybatis是如何集成到spring的

前言 集成前的使用方式 mybatis单独使用时&#xff0c;一般的写法如下所示&#xff1a; // mybatis初始化 String resource "mybatis-config.xml"; InputStream inputStream Resources.getResourceAsStream(resource); // 读取配置文件&#xff0c;创建SqlS…

这五个问题一下就看出阿里通义千问和ChatGPT的差距了

前言 阿里通义千问申请过了&#xff0c;为了看看达到了什么水平&#xff0c;于是我问题了5个ChatGPT回答过的问题1&#xff0c;这五个问题网上都是没有的&#xff0c;是我自己想出来的。 问题一:小明说今天他吃了一只公鸡蛋&#xff0c;请问小明诚实吗&#xff1f; ChatGPT 这…

黑马Redis笔记高级篇 | 多级缓存

黑马Redis笔记高级篇 | 多级缓存&#xff08;黑马教程云服务器踩坑记录&#xff09; 1、JVM进程缓存&#xff08;tomcat服务内部&#xff09;1.1 导入商品案例1.2 初识Caffeine1.3 实现进程缓存 2、Lua语法入门2.1 初识Lua2.2 变量和循环2.3 条件控制、函数 3、多级缓存3.1 安装…

快速了解LVQ神经网络是什么

本站原创文章&#xff0c;转载请说明来自《老饼讲解-BP神经网络》bp.bbbdata.com 目录 一. 快速了解LVQ神经网络 1.1 LVQ神经网络是什么 1.2 LVQ神经网络的表示 二. 关于LVQ神经网络的判别计算过程 2.1 LVQ神经网络模型与它的判别方法 2.2 LVQ模型的…

【论文阅读】MINOTAUR: Multi-task Video Grounding From Multimodal Queries

背景动机 细粒度的视频理解已经成为增强现实(AR)和机器人应用开发的关键能力。为了达到这种级别的视频理解&#xff0c;智能体(例如虚拟助手)必须具备识别和推理视频中捕获的事件和对象的能力&#xff0c;处理一系列视觉任务&#xff0c;如活动检测、对象检索和(空间)时间基础…

教你设置dsn,brd文件关联到cadence

用过cadence的人应该都知道&#xff0c;很多人存在dsn,brd文件无法关联到cadence&#xff0c;从而导致无法直接双击对应的文件打开软件编辑&#xff0c;不得不先打开软件&#xff0c;再通过文件夹浏览来打开对应的文件&#xff0c;这其实是浪费了一些时间的。 下面通过简单的介…

Linux应用开发:socket

目录 1、TCP 1.1 TCP建立连接的流程图 1.2 TCP函数 1.2.1 socket 1.2.2 bind 1.2.3 listen 1.2.4 accept 1.2.5 recv 1.2.6 send 1.2.7 connnect 1.2.8 setsockopt、getsockopt 1.3 应用程序&#xff1a;服务器 1.4 应用程序&#xff1a;客户端 2、UDP 2.1 UDP建…

Github上传大于25M文件最简单方法!!!

Github上传大于25M文件最简单方法 方法&#xff1a;使用 GitHub 桌面应用程序1.下载 [Github](https://desktop.github.com/)应用程序到您的 Windows 或 Mac PC 上。2.单击“从互联网克隆存储库...”选项。3. 使用您的 Git 帐户登录。4. GitHub 应用程序将提示您使用电脑浏览器…