线性代数之——傅里叶级数

Posted 2020-11-22 seniusen

这部分我们从有限维扩展到无限维，在无限维空间中线性代数依然有效。首先，我们来回顾一下，我们一开始是以向量、点积和线性组合进行展开的。现在我们开始将这些基本的概念转化到无限维的情况，然后再继续深入探索。

一个向量有无限多的元素是什么意思呢？有两种答案，都非常好。

• 向量变成 (oldsymbol v=(v_1,v_2,v_3,cdots))，比如 ((1,frac{1}{2},frac{1}{4},cdots))
• 向量变成一个函数 (f(x))，比如 (sin space x)

很自然，两个无限维向量的点积是一个无限维的级数：

但是这带来了一个新问题，这个无限的和加起来会是一个有限的数字吗？这个级数收敛吗？这是有限和无限第一个并且是最大的差异。如果 (oldsymbol v=oldsymbol w=(1,1,1,cdots))，和肯定不收敛，这时候 (oldsymbol vcdot oldsymbol w = oldsymbol v cdot oldsymbol v=||v||^2)，也就是说向量的长度为无穷，我们不想要这样的向量。因为我们可以制定规则，所以我们不用包含它，这里我们只允许长度有限的向量。

向量 (oldsymbol v=(v_1,v_2,v_3,cdots)) 位于我们的有限维希尔伯特（Hilbert）空间当且仅当它的长度是有限的。

向量 (oldsymbol v=(1,frac{1}{2},frac{1}{4},cdots)) 位于希尔伯特空间，因为它的长度为 (2/sqrt{3})。

如果两个向量的长度都是有限的，那么我们可以放心地进行点乘，施瓦茨不等式依然成立，而且它们之间夹角余弦的绝对值始终小于 1。

现在我们来看函数，它们可以看作是“向量”，定义在 (0leqslant x leqslant 2pi) 上的函数空间 (f(x),g(x),h(x),cdots) 肯定比 (oldsymbol R^n) 大。(f(x)) 和 (g(x)) 的点积是什么呢？(f(x)) 的长度是多少呢？连续情况下的关键是：用积分替代求和。

函数的定义区间可以任意改变，这里是为了使用三角函数才选择的 (0leqslant x leqslant 2pi)。

更重要的是，(sinspace x) 和 (cosspace x) 在函数空间是正交的。

这种正交性不仅仅存在于这两个函数之间，(cosspace 0x=1,sinspace x,cosspace x,sinspace 2x,cosspace 2x,cdots)，上述列表中的每一个函数都和其余函数正交。

一个函数的傅里叶级数就是将其展开成正弦和余弦的形式。

这些正弦和余弦基是正交的，函数空间中的向量则可以表示为它们的线性组合。这些基是周期函数，周期为 (2pi)。一个典型函数的长度可以这样计算：

第一行平方展开后，类似 (sinspace x*cosspace x) 的项积分后都为零，只留下了自身的平方项。如果将这些基除以它们的长度，那么我们就得到了一组标准正交基。

然后，用一组系数 (A_0,A_1,B_1,A_2,cdots) 对这些基进行组合我们就可以得到 (F(x))，此时再求长度我们就可以丢掉那些 (pi) 和 (2pi) 了。

函数有有限的长度如果这些系数都是有限的话，傅里叶级数给出了函数空间和有限维西尔伯特空间的一个完美匹配。

那给定一个函数，我们怎么知道它的傅里叶系数呢？

比如我们想知道 (a_1)，那么我们可以对上式两边同时乘以 (cosspace x)，然后在 ([0, 2pi]) 上进行积分。由于正交性，其余项的积分都变成了零，只留下了 (a_1) 对应的项。

同理，我们可以求得所有的系数。

在有限维情况下，如果我们拥有一组标准正交基，那么我们可以很容易地计算出系数，而傅里叶级数就像是一个有着无穷列的正交矩阵。

获取更多精彩，请关注「seniusen」!