拉普拉斯變換【直觀解釋】—複變函數與積分變換學習筆記

本文用於學習中的記錄,會在複習的過程中不斷修訂。

What is 拉普拉斯變換?
先放一張Matlab繪製的很有立體感的圖,我們後面會了解。
在這裏插入圖片描述
在這裏插入圖片描述
初學時我可看不大明白,因爲得先明白什麼是傅里葉變換,再放圖
在這裏插入圖片描述
傅里葉變換的真理就是任何一個原始的週期性(非週期性可以在T趨於\infty時變成週期性)函數,可以由多個正餘弦波疊加來近似。它實質是是頻域函數和時域函數的轉換
在這裏插入圖片描述
一.
引入拉氏變換的實際背景:
傅氏變換必須在整個實軸上有定義,但在工程實際問題中,許多以時間t爲自變量的函數在時間t<0時是無意義的。通常在信號與系統中用到的就是這種單邊拉普拉斯變換(有時也將t=0_考慮進去),也就是因果信號(含有輸入信號和輸出信號的信號系統)的拉氏變換。

1.1定義
傅里葉正變換:

F(ω)F(ω) = F[f(t)]\mathscr{F}[f(t)] = +f(t)ejωtdt\int_{-\infty}^{+\infty} f(t)e^{-jωt}dt

在傅氏變換的基礎上,去掉t<0時的實軸範圍,並對於復參數s=β+jω,
則有積分:

F(S)F(S) = L[f(t)]\mathscr{L}[f(t)] = 0+f(t)estdt\int_0^{+\infty} f(t)e^{-st}dt

我們稱F(s)是f(t)的拉普拉斯變換
反之f(t)是F(s)的拉普拉斯逆變換

例:

我們引入一個單位階躍函數 u(t)u(t)(初學復變時做題經常不認識了的函數),來求它的拉氏變換。
在這裏插入圖片描述

L[u(t)]=0+u(t)estdt=1s(Res>0)\mathscr{L}[u(t)]=\int_0^{+\infty}u(t)e^{-st}dt=\frac{1}{s}\qquad(Re s > 0)
用數形結合來表示:

在這裏插入圖片描述
圖中彩色螺旋即este^{-st},現在令f(t)=u(t)f(t)=u(t),用階躍函數來乘este^{-st}
得出來的結果如圖

在這裏插入圖片描述
這時再取積分就得到了如下圖中白色箭頭所指的值1s\frac{1}{s},也就是特定值s的拉普拉斯變換值。

在這裏插入圖片描述
但如果這個積分的結果是無限,那麼我們就認爲該特定值爲s時,函數的波形不存在拉普拉斯變換,因爲當s的實部爲一個趨於無窮小的負數,則會出現這樣的情況

在這裏插入圖片描述
積分結果將會是無窮大,所以去掉s < 0的區域,這樣一來一開始的那張圖就變成了

在這裏插入圖片描述
這就是爲什麼積分下限換成從0到無窮大。

1.2與傅氏變換的關係

通過剛纔引入的階躍函數u(t)u(t)我們就能將積分上下限換爲負無窮到正無窮,並找到拉氏變換和傅氏變換的關係了。

F(S)F(S) == L[f(t)]\mathscr{L}[f(t)] == 0+f(t)estdt\int_0^{+\infty} f(t)e^{-st}dt = +f(t)u(t)eβtejωtdt\int_{-\infty}^{+\infty}f(t)u(t)e^{-βt}·e^{-jωt}dt\qquad (1)
        \,\,\,\,\,\,\,\,\quad== F(β+jω)F(β+jω) == L[f(t)u(t)eβt]\mathscr{L}[f(t)u(t)e^{-βt}] \qquad\qquad\qquad\qquad\qquad

傅里葉逆變換:

f(t)f(t) == 12π+F(ω)ejωtdω\frac{1} {2π}\int_{-\infty}^{+\infty}F(ω)e^{jωt}dω

將式1代入傅氏逆變換有

f(t)u(t)eβt=12π+F(β+jω)ejωtdωf(t)u(t)e^{-βt}=\frac{1}{2π}\int_{-\infty}^{+\infty}F(β+jω)e^{jωt}dω

兩邊同乘ejωte^{jωt},並令s=β+jω
則有

f(t)u(t)=12πjβjβ+jF(s)estdsf(t)u(t)=\frac{1}{2πj}\int_{β-j\infty}^{β+j\infty}F(s)e^{st}ds

階躍函數u(t)也就是t>0式爲1,去掉

即拉普拉斯變換的反演積分公式 f(t)=12πjβjβ+jF(s)estdsf(t)=\frac{1}{2πj}\int_{β-j\infty}^{β+j\infty}F(s)e^{st}ds(t>0)\qquad(t>0)

二.
總結一些重要性質(其實大部分也就是微積分)

2.1 線性性質

L[αf(t)+βg(t)]=αF(s)+βG(s)\mathscr{L}[αf(t)+βg(t)]=αF(s)+βG(s)

L1[αF(t)+βG(t)]=αf(t)+βg(t)\mathscr{L}^{-1}[αF(t)+βG(t)]=αf(t)+βg(t)

應用:可以快速求解cosωt\cosωtsinωt\sinωt的拉氏變換

2.2 相似性質

L[f(αt)]=1αF(sα)\mathscr{L}[f(αt)]=\frac{1}{α}F(\frac{s}{α})

2.3 微分性質

導數的像函數:

L[f(t)]=sF(s)f(0)\mathscr{L}[f'(t)]=sF(s)-f(0)

L[f(n)(t)]=snF(s)sn1f(0)sn2f(0)f(n1)(0)\mathscr{L}[f^{(n)}(t)]=s^{n}F(s)-s^{n-1}f(0)-s^{n-2}f'(0)-\,···\,-f^{(n-1)}(0)

應用:求解微分方程組的初值問題;求解冪函數f(t)=tmf(t)=t^m之類的拉氏變換

像函數的導函數:

F(s)=L[tf(t)]F'(s)=-\mathscr{L}[tf(t)]

F(n)(s)=(1)nL[tnf(t)]F^{(n)}(s)=(-1)^{n}\,\mathscr{L}[t^nf(t)]

應用:求tsinωtt\sinωtt2cos2tt^2cos^2t之類的拉氏變換

2.4 積分性質

積分的像函數:

L[0tf(t)dt]=1sF(s)\mathscr{L}[\int_0^tf(t)dt]=\frac{1}{s}F(s)

L0tdt0tdt[0tf(t)dt]=1snF(s)\mathscr{L}{\int_0^tdt}{\int_0^tdt\,···\,}[\int_0^tf(t)dt]=\frac{1}{s^n}F(s)

應用:求函數f(t)=sinttf(t)=\frac{sint}{t}之類的拉氏變換,當式中s取一些確定的數,可以用來求一些函數的反常積分(廣義積分(也就高數上考的最多的積分))

像函數的積分:

sF(s)ds=L[f(t)t]\int_s^\infty F(s)ds=\mathscr{L}[\frac{f(t)}{t}]

sdssdssF(s)ds=L[f(t)tn]\int_s^\infty ds\int_s^\infty ds\,···\,\int_s^\infty F(s)ds=\mathscr{L}[\frac{f(t)}{t^n}]

應用:s取一些特殊值時,拉氏變換也可以用來求一些函數的反常積分

:求積分0+sinttdt\int_0^{+\infty}\frac{\sin t}{t} dt

即求s = 0時,函數f(t)=sinttf(t)=\frac{sint}{t}的拉氏變換

已知 sint\sin t的像函數爲 F[s]=L[sint]=11+s2F[s]=\mathscr{L}[sint]=\frac{1}{1+s^2}

由像函數的積分得

L[sintt]=s+11+s2ds=arccots\mathscr{L}[\frac{sint}{t}]=\int_s^{+\infty}\frac{1}{1+s^2}ds= arc\cot s

2.5 延遲性質與位移性質

L[f(tτ)]=esτF(s)\mathscr{L}[f(t-τ)]=e^{-sτ}F(s)

L[eatf(t)]=0+eatf(t)estdt=0+f(t)e(sa)tdt=F(sa)\mathscr{L}[e^{at}f(t)]=\int_0^{+\infty}e^{at}f(t)e^{-st}dt=\int_0^{+\infty}f(t)e^{-(s-a)t}dt=F(s-a)

應用:顧名思義延遲性質可以用來求sin(tπ2)\sin(t-\frac{\pi}{2})之類的拉氏變換,解出來就是辣個答案

三.
基本的數學概念瞭解了後,再接觸一點拉氏變換的物理意義。
我們已經知道傅氏變換將信號分成時域和頻域兩個方面,而拉氏變換將頻率ω變成複頻率s,從而不僅能刻畫函數的振盪頻率,而且還能描述振盪頻率的增長(或衰減)速度,這也是拉氏變換和傅氏變換的區別。

s的虛部越大,振盪頻率增長得越快。
在這裏插入圖片描述
s的實部越大,波形振盪幅度越大。
在這裏插入圖片描述
拉氏變換擴大了傅氏變換的適用範圍,在數字領域,拉氏變換演變爲用於處理離散時間函數或者數字信號的z變換。

附:常見拉普拉斯變換表
在這裏插入圖片描述

在這裏插入圖片描述

在這裏插入圖片描述

References:
[1]複變函數與積分變換(第五版)
[2]直觀解釋-拉普拉斯變換 https://www.bilibili.com/video/av26328393?from=search&seid=14296184891945561564

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章