线性代数之——傅里叶级数

Posted seniusen

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了线性代数之——傅里叶级数相关的知识,希望对你有一定的参考价值。

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:

技术图片

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})

技术图片

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。

技术图片

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))(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

技术图片

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)

技术图片

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

技术图片

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。

技术图片

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:

技术图片

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。

技术图片

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)(2pi) 了。

技术图片

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?

技术图片

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。

技术图片

同理,我们可以求得所有的系数。

技术图片

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。

技术图片

获取更多精彩,请关注「seniusen」!
技术图片

以上是关于线性代数之——傅里叶级数的主要内容,如果未能解决你的问题,请参考以下文章

傅里叶级数展开

简单粗暴傅里叶级数

简单粗暴傅里叶级数

傅里叶变换

周期信号的傅里叶级数表示

第二十天学习进度--规律寻找算法之傅里叶级数拟合周期函数