mirror of
https://github.com/janishutz/eth-summaries.git
synced 2025-11-25 10:34:23 +00:00
101 lines
4.6 KiB
TeX
101 lines
4.6 KiB
TeX
% ┌ ┐
|
|
% │ AUTHOR: Janis Hutz<info@janishutz.com> │
|
|
% └ ┘
|
|
|
|
% Lecture: Wir besitzen nicht das komplette Vorwissen in der Analysis für dieses Kapitel, d.h. wird totales Verständnis nicht
|
|
%
|
|
% Lecture: Intuitiv wird Fourier-Trans. zur Kompression genutzt, z.b. jpg format.
|
|
\subsection{Fourier-Reihen}
|
|
Eine Anwendung der Schnellen Fourier-Transformation (FFT) ist die Komprimierung eines Bildes und sie wird im JPEG-Format verwendet.
|
|
|
|
\fancydef{Trigonometrisches Polynom von Grad $\leq m$} Die Funktion:
|
|
\rmvspace
|
|
\begin{align*}
|
|
p_m(t) := t \mapsto \sum_{j = -m}^{m} \gamma_j e^{2 \pi ijt} \text{ wobei } \gamma_j \in \C \text{ und } t \in \R
|
|
\end{align*}
|
|
%
|
|
%
|
|
\inlineremark $p_m : \R \rightarrow \C$ ist periodisch mit Periode $1$.
|
|
Falls $\gamma_{-j} = \overline{\gamma_j}$ für alle $j$, dann ist $p_m$ reellwertig und
|
|
% NOTE: Uhh... do we want to use the fancy symbols for real and imaginary part or just use $\text{Re}$?
|
|
% RESPONE: whatever he uses in the script, preferably \text{Re}() etc.
|
|
$p_m$ kann folgendermassen dargestellt werden ($a_0 = 2\gamma_0, a_j = 2\Re(\gamma_j)$ und $b_j = -2\Im(\gamma_j)$):
|
|
\rmvspace
|
|
\begin{align*}
|
|
p_m(t) = \frac{a_0}{2} + \sum_{j = 1}^{m} (a_j \cos(2\pi jt) + b_j \sin(2\pi jt))
|
|
\end{align*}
|
|
|
|
\begin{definition}[]{$L^2$-Funktionen}
|
|
Wir definieren die $L^2$-Funktionen auf dem Intervall $(0, 1)$ als
|
|
\rmvspace
|
|
\begin{align*}
|
|
L^2(0, 1) := \{ f: (0, 1) \rightarrow \C \divides ||f||_{L^2(0, 1)} < \infty \}
|
|
\end{align*}
|
|
während die $L^2$-Norm auf $(0, 1)$ durch das Skalarprodukt
|
|
\rmvspace
|
|
\begin{align*}
|
|
\langle g, f \rangle_{L^2(0, 1)} := \int_{0}^{1} \overline{g(x)} f(x) \dx x
|
|
\end{align*}
|
|
über $||f||_{L^2(0, 1)} = \sqrt{\langle f, f \rangle_{L^2(0, 1)}}$ induziert wird
|
|
\end{definition}
|
|
|
|
\inlineremark $L^2(a, b)$ lässt sich analog definieren mit
|
|
\rmvspace
|
|
\begin{align*}
|
|
\langle g, f \rangle_{L^2(a, b)} & := \int_{a}^{b} \overline{g(x)} f(x) \dx x \\
|
|
& = (b - a) \int_{0}^{1} \overline{g(a + (b - a)t)} f(a + (b - a)t) \dx t
|
|
\end{align*}
|
|
In Anwendungen findet sich oft das Intervall $\left[ -\frac{T}{2}, \frac{T}{2} \right]$.
|
|
Dann verwandeln sich die Integrale in die Form $\frac{1}{T} \int_{\frac{T}{2}}^{-\frac{T}{2}} (\ldots) \dx t$ und $\exp(2\pi ijt)$ durch $\exp(i \frac{2\pi j}{T} t)$ ersetzt wird.
|
|
|
|
\stepcounter{all}
|
|
\inlineremark Die Funktionen $\varphi_k(x) = \exp(2\pi ikx)$ sind orthogonal bezüglich des $L^2(0, 1)$-Skalarprodukts, bilden also eine Basis für den Unterraum der trigonometrischen polynome.
|
|
|
|
|
|
\inlinedef Eine Funktion $f$ ist der $L^2$-Grenzwert von Funktionenfolgen $f_n \in L^2(0, 1)$, wenn für $n \rightarrow \infty$ gilt, dass $||f - f_n||_{L^2(0, 1)} \rightarrow 0$
|
|
|
|
|
|
\begin{theorem}[]{Fourier-Reihe}
|
|
Jede Funktion $f \in L^2(0, 1)$ ist der Grenzwert ihrer Fourier-Reihe:
|
|
\rmvspace
|
|
\begin{align*}
|
|
f(t) = \sum_{k = -\infty}^{\infty} \hat{f}(k) e^{2\pi ikt}
|
|
\end{align*}
|
|
wobei die Fourier-Koeffizienten
|
|
\rmvspace
|
|
\begin{align*}
|
|
\hat{f}(k) = \int_{0}^{1} f(t)e^{-2\pi ikt} \dx t \smallhspace k \in \Z
|
|
\end{align*}
|
|
definiert sind. Es gilt die Parseval'sche Gleichung:
|
|
\rmvspace
|
|
\begin{align*}
|
|
\sum_{k = -\infty}^{\infty} |\hat{f}(k)|^2 = ||f||_{L^2(0, 1)}^2
|
|
\end{align*}
|
|
\end{theorem}
|
|
\inlineremark Oder viel einfacher und kürzer: Die Funktionen $\varphi_k(x)$ bilden eine vollständige Orthonormalbasis in $L^2(0, 1)$.
|
|
|
|
% A (small) intuitive explanation of what the fourier series / coefficients are & what they are useful for would be great, script *briefly* touches on it.
|
|
|
|
\setcounter{all}{14}
|
|
\inlineremark Die Parseval'sche Gleichung beschreibt einfach gesagt einen ``schnellen'' Abfall der $\hat{f}(k)$.
|
|
Genauer gesagt, klingen die Koeffizienten schneller als $\frac{1}{\sqrt{k}}$ ab.
|
|
Sie sagt zudem aus, dass die $L^2$-Norm der Funktion aus einer Summe berechnet werden kann (nicht nur als Integral).
|
|
Wenn wir die Fourier-Reihe nach $t$ ableiten, erhalten wir
|
|
\rmvspace
|
|
\begin{align*}
|
|
f'(t) = \sum_{k = -\infty}^{\infty} 2\pi ik\hat{f}(k)e^{2\pi ikt}
|
|
\end{align*}
|
|
|
|
\begin{theorem}[]{Fourier-Reihe}
|
|
Seien $f$ und $f'$ integrierbar auf $(0, 1)$, dann gilt $\hat{f'}(k) = 2\pi ik\hat{f}(k)$ für $k \in \Z$.
|
|
|
|
Falls die Operationen erlaubt sind, dann gilt zudem:
|
|
\rmvspace
|
|
\begin{align*}
|
|
\hat{f^{(n)}} = (2\pi ik)^n \hat{f}(k) \text{ und } ||f^{(n)}||_{L^2}^2 = (2\pi)^{2n} \sum_{k = -\infty}^{\infty} k^{2n} |\hat{f}(k)|^2
|
|
\end{align*}
|
|
\end{theorem}
|
|
|
|
|
|
\inlinetheorem Wenn $\displaystyle \int_{0}^{1} |f^{(n)}(t)|\dx t < \infty$, dann ist $\hat{f}(k) = \tco{k^{-n}}$
|