Fourieranalysis
Das Handout ist Bestandteil der Vortragsfolien zur H¨oheren Mathematik; siehe die Hinweise auf der Internetseite www.imng.uni-stuttgart.de/LstNumGeoMod/VHM/f¨ur Erl¨auterungen zur Nutzung und zum Copyright.
Fourieranalysis 1-1
Periodische, quadratintegrierbare Funktionen
Der Raum der 2π-periodischen Funktionen f : R → C mit Z
π−π
| f (x) |
2dx < ∞
und der durch das Skalarprodukt h f , g i
2π= 1
2π Z
π−π
f (x)g (x ) dx
induzierten Norm k · k
2πwird mit L
22πbezeichnet.
Fourier-Reihen 1-1
Alternativ kann der Raum der 2π-periodischen quadratintegrierbaren Funktionen auch als Abschluss der glatten Funktionen definiert werden, d.h. jede Funktion f ∈ L
22πl¨ asst sich durch eine Folge unendlich oft differenzierbarer Funktionen f
napproximieren:
k f − f
nk
2π→ 0, n → ∞ .
Fourier-Reihen 1-2
Orthogonalit¨ at von Kosinus und Sinus
Die Funktionen
1 , cos(kx ) , sin(kx ) , k > 0 ,
bilden ein Orthogonalsystem im Raum der quadratintegrierbaren 2π-periodischen Funktionen:
Z
π−π
cos(jx) cos(kx ) dx = Z
π−π
cos(jx) sin(`x ) dx = Z
π−π
sin(jx ) sin(kx ) dx = 0 f¨ ur j 6 = k und
Z
π−π
cos
2(kx ) dx = Z
π−π
sin
2(kx ) dx = π f¨ ur k > 0.
Fourier-Reihen 1-1
Beweis:
(i) Orthogonalit¨ at von Kosinus-Funktionen:
Additionstheorem, 1
2 (cos ((j − k) x ) + cos ((j + k) x )) = cos(jx) cos(kx ), j 6 = k
= ⇒ Z
π−π
cos(jx) cos(kx ) dx = 1 2
Z
π−π
cos((j − k)x ) dx + Z
π−π
cos((j + k )x ) dx
Stammfunktionen R c sin(. . .) verschwinden bei ± π . . . = 0
(ii) Orthogonalit¨ at von Kosinus und Sinus:
Z
π−π
cos(jx) sin(`x ) dx = 0 ,
da Integral einer ungeraden Funktion ¨ uber symmetrisches Intervall
Fourier-Reihen 2-1
(iii) Orthogonalit¨ at von Sinus-Funktionen:
partielle Integration = ⇒ Z
π−π
sin(jx ) sin(kx ) dx = j k
Z
π−π
cos(jx ) cos(kx ) dx null nach (i)
(iv) Normierung von Kosinus und Sinus:
partielle Integration = ⇒ Z
π−π
sin
2(kx) dx = Z
π−π
cos
2(kx ) dx Summe der Integrale gleich 2π wegen cos
2+ sin
2= 1
= ⇒ gemeinsamer Wert π
Fourier-Reihen 2-2
Reelle Fourier-Reihe
Die reelle Fourier-Reihe einer reellen 2π-periodischen Funktion f ist die Entwicklung nach dem Orthogonalsystem der Kosinus- und
Sinusfunktionen:
f (x ) ∼ a
02 +
X
∞ k=1(a
kcos(kx ) + b
ksin(kx )) mit
a
k= 1 π
Z
π−π
f (t) cos(kt) dt , k ≥ 0 ,
b
k= 1 π
Z
π−π
f (t) sin(kt) dt , k ≥ 1 .
Fourier-Reihen 3-1
Die Art der Konvergenz der Reihe h¨ angt von der Glattheit von f ab.
Hinreichend f¨ ur absolute Konvergenz ist beispielsweise, dass die Fourier-Koeffizienten a
kund b
kabsolut konvergente Reihen bilden.
Auch eine konvergente Fourier-Reihe muss nicht an allen Stellen den Funktionswert als Grenzwert haben. An Unstetigkeitsstellen konvergiert die Reihe meist gegen den Mittelwert aus rechtsseitigem und linksseitigem Funktionsgrenzwert. Daher wird im Allgemeinen f (x ) ∼ P
· · · statt f (x ) = P
· · · geschrieben.
Fourier-Reihen 3-2
Beispiel:
reelle Fourier-Reihe der 2π-periodischen Fortsetzung der Funktion
π x
π
−π −π2 0 2
1
f (x ) =
( 1, x ∈ [ − π, − π/2) ∪ [0, π/2) 0, x ∈ [ − π/2, 0) ∪ [π/2, π) (i) Kosinus-Koeffizienten:
a
0= 1 π
Z
π−π
f (t) dt = 1 π
π 2 + π
2
= 1 k ≥ 1: Kosinus gerade = ⇒
a
k= 1 π
−π/2
Z
−π
cos(kt) dt + Z
π/20
cos(kt) dt
= 1 π
Z
π0
cos(kt) dt = 0
Fourier-Reihen 4-1
(ii) Sinus-Koeffizienten:
b
k= 1 π
−π/2
Z
−π
sin(kt) dt + Z
π/20
sin(kt) dt
= 1
π − cos(kt) k
−π/2−π
+
− cos(kt) k
π/20
!
= 1
kπ
− 2 cos(k π/2) + ( − 1)
k+ 1 k ungerade: b
k= 0
k = 4m: b
4m= 0
k = 4m + 2: b
4m+2= 4/((4m + 2)π) (iii) Fourier-Reihe von f :
1 2 + 4
π X
∞ m=0sin ((4m + 2)x ) 4m + 2 = 1
2 + 4 π
sin(2x )
2 + sin(6x ) 6 + · · ·
Fourier-Reihen 4-2
Partialsummen
1 2 + 4
π X
n m=0sin ((4m + 2)x ) 4m + 2 f¨ ur n = 2 und n = 8
x π
π
−π −π2 0 2
1
f unstetig langsame Konvergenz
Gibbsches Ph¨ anomen: ¨ Uberschwingungen in der N¨ ahe der Sprungstellen
Fourier-Reihen 4-3
Fourier-Reihen von geraden und ungeraden Funktionen
Die Fourier-Reihe einer geraden 2π-periodischen Funktion f ist eine reine Kosinus-Reihe:
f (x ) ∼ a
02 +
X
∞ k=1a
kcos(kx) mit
a
k= 2 π
Z
π0
f (t) cos(kt) dt, k ≥ 0 .
Entsprechend enth¨ alt die Fourier-Reihe einer ungeraden 2π-periodischen Funktion nur Sinus-Terme:
f (x ) ∼ X
∞ k=1b
ksin(kx )
Fourier-Reihen 1-1
mit
b
k= 2 π
Z
π0
f (t) sin(kt) dt , k ≥ 1 . Beide Aussagen folgen unmittelbar aus der Definition der Fourier-Koeffizienten, da die entsprechenden Integrale aus Symmetriegr¨ unden null sind bzw. nur ¨ uber eine H¨ alfte des Symmetrieintervalls integriert werden muss.
Fourier-Reihen 1-2
Beispiel:
Fourier-Reihe der 2π-periodischen Fortsetzung der geraden Hutfunktion
π 2π x
−π
−2π 0
π
f (x ) =
( π + x , x ∈ [ − π, 0) π − x , x ∈ [0, π) reine Kosinus-Reihe (b
k= 0)
a
0= 2 π
Z
π0
π − t dt = π
Fourier-Reihen 2-1
k ≥ 1 :
a
k= 2
π Z
π0
(π − t) cos(kt) dt
part. Int.
= 2
π
(π − t) sin(kt) k
π0
+ 2 π
Z
π0
sin(kt) k dt
= 0 − 2
π
cos(kt) k
2 π0
= 2
k
2π
1 − ( − 1)
k= ⇒ Koeffizienten mit geradem Index null und a
2m+1= 4
(2m + 1)
2π
Fourier-Reihen 2-2
Fourier-Reihe:
f (x ) = π 2 + 4
π X
∞ m=0cos((2m + 1)x ) (2m + 1)
2= π
2 + 4 π
cos(x )
1 + cos(3x ) 9 + · · ·
Spezialfall x = 0: f (0) = π = ⇒
π − π 2
π 4 = π
28 = 1 1 + 1
9 + 1 25 + · · · erste drei Partialsummen
π 2π x
−π
−2π 0
π
Fourier-Reihen 2-3
Beispiel:
Fourier-Reihe der 2π-periodischen Fortsetzung der ungeraden Funktion
π 2π x
−2π −π
1
−1
0
f (x ) =
0, x = − π
− 1, x ∈ ( − π, 0) 0, x = 0 1, x ∈ (0, π) reine Sinus-Reihe (a
k= 0)
b
k= 2 π
Z
π0
sin(kt) dt = 2 π
− cos(kt) k
π0
= 2 kπ
1 − ( − 1)
k= ⇒ Koeffizienten mit geradem Index null und b
2m+1= 4
(2m + 1)π
Fourier-Reihen 3-1
Fourier-Reihe:
f (x ) ∼ 4 π
X
∞ m=0sin((2m + 1)x ) 2m + 1 = 4
π
sin(x )
1 + sin(3x ) 3 + · · ·
Spezialfall x = π/2: f (π/2) = 1 π
4 = 1 − 1 3 + 1
5 ∓ · · · erste drei Partialsummen
π 2π x
−π
−2π
1
−1 0
Fourier-Reihen 3-2
Fourier-Basis
Die Exponentialfunktionen e
k(x ) = e
ikxsind im Raum der 2π-periodischen quadratintegrierbaren Funktionen orthonormal:
h e
j, e
ki
2π= 1 2π
Z
π−π
e
j(x )e
k(x ) dx = δ
j,kf¨ ur j , k ∈ Z .
Fourier-Reihen 1-1
Beweis:
j = k 1 2π
Z
π−π
e
ijxe
ijxdx = 1 2π
Z
π−π
e
ijxe
−ijxdx = 1 2π
Z
π−π
1 dx = 1 j 6 = k
1 2π
Z
π−π
e
ijxe
ikxdx = 1 2π
Z
π−π
e
i(j−k)xdx = 1 2π
"
e
i(j−k)xi(j − k )
#
π−π
= 0
denn e
2πi`= 1 f¨ ur ` ∈ Z = ⇒
e
i`π− e
−i`π= e
i`(−π)e
i`(2π)− 1
= 0
Fourier-Reihen 2-1
Fourier-Reihe
Die komplexe Fourier-Reihe einer 2π-periodischen Funktion f ist die Entwicklung nach dem Orthonormalsystem e
k(x) = e
ikx:
f (x ) ∼ X
k∈Z
c
ke
k(x ), c
k= h f , e
ki
2π= 1 2π
Z
π−π
f (t )e
k(t) dt .
Die Konvergenz der Reihe h¨ angt von der Glattheit von f bzw. dem Abfallverhalten der Fourier-Koeffizienten c
kab.
Hinreichend f¨ ur gleichm¨ aßige Konvergenz ist P
k
| c
k| < ∞ .
Fourier-Reihen 3-1
Beispiel:
Fourier-Reihe der 2π-periodischen Funktion f (x ) = 1
2 − e
ixUmformung und Summenformel f¨ ur eine geometrische Reihe f (x ) = 1
2 1
1 − e
ix/2 = 1 2
X
∞ k=0e
ix2
k( | e
ix/2 | < 1) Fourier-Reihe:
f (x ) ∼ X
∞ k=01 2
k+1e
ikxFourier-Reihen 4-1
Zusammenhang komplexer und reeller Fourier-Reihen
Die komplexe Fourier-Reihe
f (x ) = X
k∈Z
c
ke
ikxl¨ asst sich auch in Sinus-Kosinus-Form darstellen:
f (x ) = a
02 +
X
∞ k=1(a
kcos(kx ) + b
ksin(kx)) .
Fourier-Reihen 1-1
F¨ ur die Koeffizienten gelten die Umrechnungsformeln
a
0= 2c
0, a
k= c
k+ c
−k, b
k= i(c
k− c
−k) bzw.
c
0= 1
2 a
0, c
k= 1
2 (a
k− ib
k) , c
−k= 1
2 (a
k+ ib
k) f¨ ur k ≥ 1.
Die Fourier-Reihe ist genau dann reell, wenn c
−k= c
k.
Fourier-Reihen 1-2
Beweis:
Formel von Euler-Moivre
e
it= cos t + i sin t
= ⇒
c
ke
ikx+ c
−ke
−ikx= c
kcos(kx ) + ic
ksin(kx ) +c
−kcos( − kx ) + ic
−ksin( − kx ) Symmetrie von Kosinus bzw. Antisymmetrie von Sinus = ⇒
a
k= c
k+ c
−k, b
k= i(c
k− c
−k) reelle Koeffizienten ⇔
a
k= ¯ a
k∧ b
k= ¯ b
kd.h.
c
k+ c
−k= ¯ c
k+ ¯ c
−k∧ c
k− c
−k= − c ¯
k+ ¯ c
−kAddition der Gleichungen c
k= ¯ c
−kFourier-Reihen 2-1
Beispiel:
reelle und komplexe Fourier-Reihe der Funktion f (x) = sin
4x + cos
3x
x
−π 0 π
1
gerade Funktion
f (x ) = (1 − cos
2x )
2+ cos
3x = 1 − 2 cos
2x + cos
3x + cos
4x Umwandeln von cos
`x in Linearkombinationen von cos(kx)
Fourier-Reihen 3-1
Additionstheoreme
cos(α + β) = cos α cos β − sin α sin β sin(α + β) = sin α cos β + cos α sin β
= ⇒
cos(2x ) = cos
2x − sin
2x = 2 cos
2x − 1 cos(3x ) = cos x cos(2x ) − sin x sin(2x )
| {z }
=2 sinxcosx
= 4 cos
3x − 3 cos x cos(4x ) = 2 (cos(2x ))
2− 1 = 8 cos
4x − 8 cos
2x + 1
Sukzessives Aufl¨ osen
cos
2x = 1 2 + 1
2 cos(2x ) cos
3x = 3
4 cos x + 1
4 cos(3x ) cos
4x = 3
8 + 1
2 cos(2x ) + 1
8 cos(4x )
Fourier-Reihen 3-2
Einsetzen in f f (x ) = 3
8 + 3
4 cos x − 1
2 cos(2x ) + 1
4 cos(3x ) + 1
8 cos(4x ) reelle Fourier-Koeffizienten (b
k= 0)
a
0= 3
4 , a
1= 3
4 , a
2= − 1
2 , a
3= 1
4 , a
4= 1 8 komplexe Fourier-Koeffizienten c
k= c
−k= a
k/2
c
0= 3
8 , c
±1= 3
8 , c
±2= − 1
4 , c
±3= 1
8 , c
±4= 1 16 komplexe Fourier-Reihe
f (x ) = 3 8 + 3
8 e
ix+ 3
8 e
−ix− 1 4 e
2ix− 1
4 e
−2ix+ 1 8 e
3ix+ 1
8 e
−3ix+ 1
16 e
4ix+ 1 16 e
−4ixalternative Herleitung mit Hilfe der Formeln von Euler-Moivre
cos x = 1
2 e
ix+ e
−ix, sin x = 1
2i e
ix− e
−ixFourier-Reihen 3-3
Differentiation und Integration von Fourier-Reihen
Eine Fourier-Reihe kann gliedweise integriert und differenziert werden:
Z X
k6=0
c
ke
k(x ) dx = d
0+ X
k6=0
d
ke
k(x ), d
k= (ik)
−1c
k, mit d
0∈ R bzw.
d dx
X
k
d
ke
k(x ) = X
k6=0
c
ke
k(x ), c
k= (ik)d
k, mit e
k(x ) = e
ikx.
Dabei wird die Konvergenz der auftretenden Reihen vorausgesetzt.
Hinreichend daf¨ ur ist beispielsweise, dass die Betr¨ age der Fourier-Koeffizienten quadratsummierbar sind:
X
k
| c
k|
2< ∞ .
Fourier-Reihen 1-1
Ist das Absolutglied c
0der Fourier-Reihe nicht null, so hat die Reihe keine periodische Stammfunktion und die gliedweise Integration liefert keine Fourier-Reihe mehr.
Fourier-Reihen 1-2
Beispiel:
Fourier-Reihe von
f (x ) = | sin x | f gerade reine Kosinus-Reihe, b
k= 0 und
a
k= 2 π
Z
π0
sin x cos(kx) dx zweimalige partielle Integration
π 2 a
k=
sin x sin(kx ) k
π0
− Z
π0
cos x sin(kx ) k dx
= 0 +
cos x cos(kx ) k
2 π0
+ 1 k
2Z
π0
sin x cos(kx ) dx
| {z }
=π2ak
Fourier-Reihen 2-1
Aufl¨ osen nach a
ka
k= − 2(( − 1)
k+ 1) π(k
2− 1) (gilt auch f¨ ur a
0)
a
k= 0 f¨ ur k ungerade, c
±k= a
k/2 f (x ) ∼ − 2
π X
k∈Z
1
4k
2− 1 e
2ikx= 2 π − 4
π X
∞ k=11
4k
2− 1 cos(2kx)
0 x
−π π
1
Fourier-Reihen 2-2
Fouier-Reihe der Ableitung
f
0(x ) = sign(sin x ) cos x gliedweise Differentiation
f
0(x ) ∼ − 2 π
X
k6=0
2ik
4k
2− 1 e
2ikx= 4 π
X
∞ k=12k
4k
2− 1 sin(2kx )
x
−π 0 π
1
Fourier-Reihen 2-3
Beispiel:
Fourier-Reihe der 2π-periodischen Fortsetzung der Funktion f (x ) = x , x ∈ [ − π, π)
x
−π 0 π
π
Fourier-Reihen 3-1
f ungerade reine Sinus-Reihe, a
k= 0 und b
k= 2
π Z
π0
x sin(kx ) dx partielle Integration
b
k= 2 π
− x cos(kx ) k
π0
+ 2 π
Z
π0
cos(kx )
k dx
= − 2 ( − 1)
kk + 2
π
sin(kx ) k
2 π| {z
0}
=0
c
±k= ∓ ib
k/2
f (x ) ∼ i X
k6=0
( − 1)
kk e
ikx= − 2 X
∞ k=1( − 1)
kk sin(kx )
Fourier-Reihen 3-2
2π-periodische Fortsetzung der Stammfunktion F (x ) = x
2/2, x ∈ [ − π, π) gliedweise Integration, d
0=
2π1R
π−π
F = π
2/6 Fourier-Reihe F (x ) ∼ d
0+ X
k6=0
( − 1)
kk
2e
ikx= π
26 + 2
X
∞ k=1( − 1)
kk
2cos(kx ) Einsetzen von x = π
X
∞ k=11
k
2= (F (π) − d
0)/2 = π
2/6
0 x
−π π
π2/2
Fourier-Reihen 3-3
Skalierung von Fourier-Reihen
Die Fourier-Reihe einer h-periodischen Funktion f erh¨ alt man durch lineare Transformation auf das Intervall [ − π, π].
Alternativ lassen sich die Fourier-Koeffizienten auch direkt berechnen:
f (x ) ∼ X
k∈Z
c
ke
2πikx/hmit
c
k= 1 h
Z
h0
f (t)e
−2πikt/hdt .
Fourier-Reihen 1-1
Entsprechend erh¨ alt man f¨ ur eine reelle Fourier-Reihe f (x ) ∼ a
02 + X
∞ k=1a
kcos(2πkx /h) + b
ksin(2πkx /h) die Koeffizienten
a
k= 2 h
Z
h0
f (t) cos(2πkt/h) dt, k ≥ 0 ,
b
k= 2 h
Z
h0
f (t) sin(2πkt/h) dt, k ≥ 1 .
Fourier-Reihen 1-2
Beispiel:
reelle Fourier-Reihe der h-periodischen Fortsetzung der Funktion f (x ) =
( 1, x ∈ [0, a) 0, x ∈ [a, h) mit 0 < a < h
Kosinus-Koeffizienten:
a
0= 2 h
Z
a0
dt = 2a h k ≥ 1
a
k= 2 h
Z
a0
cos(2πkt/h) dt = 2 h
h sin(2πkt/h) 2πk
a0
= sin(2πka/h) πk
Fourier-Reihen 2-1
Sinus-Koeffizienten:
b
k= 2 h
Z
a0
sin(2πkt/h) dt = 2 h
− h cos(2πkt/h) 2πk
a0
= 1 − cos(2πka/h) πk
Fourier-Reihe f (x ) ∼ a
h + X
∞ k=1sin(2πka/h)
πk cos(2πkx /h) + 1 − cos(2πka/h)
πk sin(2πkx /h)
Fourier-Reihen 2-2
Fourier-Projektion
Die Fourier-Projektion einer quadratintegrierbaren Funktion f , p
nf = X
|k|≤n
c
ke
k, c
k= h f , e
ki
2π= 1 2π
Z
π−π
f (t)e
−iktdt ,
ist die beste Approximation zu f in der durch das Skalarprodukt h· , ·i
2πinduzierten Norm k · k
2π, d.h.
k f − p
nf k
2π= min
q= P
|k|≤n
dkek
k f − q k
2π.
Dar¨ uber hinaus gilt k p
nf k
2π≤ k f k
2π.
Konvergenz 1-1
Beweis:
(i) Orthogonalit¨ at:
h f − p
nf , e
ji
2π= 0, | j | ≤ n
unmittelbare Folge der Orthogonalit¨ at der Basis-Funktionen:
h p
nf , e
ji
2π= X
|k|≤n
c
kh e
k, e
ji
2π= X
|k|≤n
c
kδ
k,j= c
j, | j | ≤ n Subtraktion von h f , e
ji = c
j= ⇒ Behauptung
Konvergenz 2-1
(ii) beste Approximation:
Fehler einer anderen Approximation q = P
|k|≤n
d
ke
kk f − q k
22π= k f − p
nf + p
nf − q k
22π= k f − p
nf k
22π+ h f − p
nf , r i
2π+ + h r, f − p
nf i
2π+ k r k
22πmit r = p
nf − q
r Linearkombination von e
j, | j | ≤ n = ⇒
h f − p
nf , r i = 0 = h r, f − p
nf i und
k f − q k
22π= k f − p
nf k
22π+ k p
nf − q k
22πKonvergenz 2-2
(iii) Normabsch¨ atzung:
f − p
nf ⊥ p
nf , Satz des Pythagoras = ⇒
k f k
22π= k f − p
nf k
22π+ k p
nf k
22π, d.h. k p
nf k
2π≤ k f k
2πKonvergenz 2-3
Dirichlet-Kern
Die Fourier-Projektion p
nf = X
|k|≤n
h f , e
ki
2πe
k, e
k(x ) = e
ikx, besitzt die Integraldarstellung
(p
nf )(x ) = 1 2π
Z
π−π
q
n(x − t) f (t) dt , mit
q
n(ξ) = sin ((n + 1/2)ξ) sin (ξ/2) ,
d.h. p
nf l¨ asst sich als Faltung des sogenannten Dirichlet-Kerns q
nmit der Funktion f darstellen.
Konvergenz 3-1
Beweis:
Definition des Skalarproduktes und der Projektion p
nf (x ) = X
|k|≤n
1 2π
Z
π−π
f (t)e
−iktdt e
ikx= 1 2π
Z
π−π
X
|k|≤n
e
ik(x−t)| {z }
qn(x−t)
f (t ) dt
setze ξ = x − t und benutze
u
m+ u
m+1+ · · · + u
n= u
n+1− u
mu − 1 , u 6 = 1 q
n(ξ) = e
i(n+1)ξ− e
−inξe
iξ− 1 = e
i(n+1/2)ξ− e
−i(n+1/2)ξe
iξ/2− e
−iξ/2Formel von Euler-Moivre, sin t = (e
it− e
−it)/(2i)
q
n(ξ) = sin ((n + 1/2)ξ) sin(ξ/2)
Konvergenz 4-1
Konvergenz im Mittel bei Fourier-Reihen
F¨ ur eine quadratintegrierbare Funktion f konvergiert die Fourier-Reihe X
k∈Z
c
ke
k, e
k(x ) = e
ikx, c
k= h f , e
ki
2π= 1 2π
Z
π−π
f (t)e
−iktdt , in der Norm k · k
2π, d.h. f¨ ur die Partialsummen gilt
k f − p
nf k
22π= 1 2π
Z
π−π
| f (x ) − (p
nf )(x ) |
2dx → 0
f¨ ur n → ∞ .
Konvergenz Konvergenz im Mittel von Fourier-Reihen 5-1
Beweis:
(i) Analyse der Konvergenz f¨ ur glatte 2π-periodische Funktionen g : Darstellung der Fourier-Projektion mit dem Dirichlet-Kern:
(p
ng)(x ) = 1 2π
Z
π−π
q
n(x − t)g (t) dt, q
n(ξ) = sin ((n + 1/2)ξ) sin(ξ/2) ξ = x − t, R
π−π
q
n= R
π−π
1 + P
1≤|k|≤n
e
ikξd ξ = 2π
g (x ) − (p
ng )(x ) = 1 2π
Z
π−π
sin((n + 1/2)ξ) g (x) − g(x − ξ) sin(ξ/2)
| {z }
=h(x,ξ)
d ξ
g zweimal stetig differenzierbar
l’Hospital−→ h mindestens einmal stetig differenzierbar
Konvergenz Konvergenz im Mittel von Fourier-Reihen 6-1
| g(x ) − (p
ng )(x ) |
=
part. Int.
− cos((n + 1/2)ξ) 2π(n + 1/2) h(x , ξ)
π−π
+ 1 2π
Z
π−π
cos((n + 1/2)ξ)
n + 1/2 h
ξ(x , ξ) d ξ
≤ 1 πn max
x,ξ
| h(x , ξ) | + 1 n max
x,ξ
| h
ξ(x , ξ) |
→ 0 f¨ ur n → ∞
Konvergenz Konvergenz im Mittel von Fourier-Reihen 6-2
(ii) Konvergenz f¨ ur beliebiges periodisches quadratintegrierbares f :
∀ f ∃ Folge glatter approximierender periodischer Funktionen g
m, d.h.
k f − g
mk
2π→ 0, m → ∞ Dreiecksungleichung Fehlerabsch¨ atzung
k f − p
nf k
2π= k (f − g
m) + (g
m− p
ng
m) + (p
n(g
m− f )) k
2π≤ k f − g
mk
2π+ k g
m− p
ng
mk
2π+ k p
n(g
m− f ) k
2πw¨ ahle, f¨ ur gegebenes ε > 0, m so, dass k f − g
mk
2π≤ ε/3 Beschr¨ anktheit der Fourier-Projektion = ⇒
k p
n(g
m− f ) k
2π≤ k g
m− f k
2π≤ ε/3
Konvergenz der Fourier-Projektion f¨ ur glatte Funktionen = ⇒
∃ n
ε: k g
m− p
ng
mk
2π< ε/3, n > n
εKonvergenz Konvergenz im Mittel von Fourier-Reihen 6-3
Parseval-Identit¨ at
Die Norm einer 2π-periodischen quadratintegrierbaren Funktion f l¨ asst sich durch die Fourier-Koeffizienten
c
k= h f , e
ki
2π= 1 2π
Z
π−π
f (t)e
−iktdt ausdr¨ ucken:
k f k
22π= 1 2π
Z
π−π
| f (t ) |
2dt = X
k∈Z
| c
k|
2.
Entsprechend gilt f¨ ur die Kosinus- und Sinus-Koeffizienten einer reellen Funktion f
k f k
22π= a
204 + 1
2 X
∞ k=1a
2k+ b
2k.
Konvergenz Parseval-Identit¨at 7-1
Beweis:
Konvergenz der Fourier-Reihe:
k f − p
nf k
22π→ 0, n → ∞
= ⇒
k f k
22π= lim
n→∞
k p
nf k
22π= lim
n→∞
* X
|k|≤n
c
ke
k, X
|j|≤n
c
je
j+
2π
= lim
n→∞
X
|k|≤n
| c
k|
2da h e
k, e
ji
2π= δ
k,jAnaloge Argumentation im reellen Fall aufgrund der Orthogonalit¨ at der Kosinus- und Sinusfunktionen und der Normierung
1 2π
Z
π−π
cos
2(kx ) dx = 1 2π
Z
π−π
sin
2(kx ) dx = 1 2
Konvergenz Parseval-Identit¨at 8-1
Beispiel:
f (x ) = x , x ∈ [ − π, π) , f (x + 2π) = f (x ) Fourier-Reihe
f (x ) ∼ X
k6=0
i( − 1)
k| {z } k
=ck
e
ikx0 x
− π π
π
Konvergenz Parseval-Identit¨at 9-1
Norm
k f k
22π= 1 2π
Z
π−π
x
2dx = π
23 Parseval-Identit¨ at = ⇒
k f k
22π= X
k∈Z
| c
k|
2= X
k6=0
i ( − 1)
kk
2
= 2 X
∞ k=11 k
2Identit¨ at
π
26 =
X
∞ k=11 k
2= 1
1
2+ 1 2
2+ 1
3
2+ · · ·
Konvergenz Parseval-Identit¨at 9-2
Konvergenzrate der Fourier-Projektion
Der Fehler der Fourier-Projektion l¨ asst sich f¨ ur periodische Funktionen mit quadratintegrierbarer k -ter Ableitung durch
k f − p
nf k
2π≤ (n + 1)
−kk f
(k)k
2πabsch¨ atzen.
F¨ ur f (x ) = e
i(n+1)xist die Ungleichung scharf.
Konvergenz Konvergenzrate der Fourier-Projektion 10-1
Beweis:
Fourier-Reihe
f (x ) ∼ X
j∈Z
c
je
ijxFourier-Reihe der k-ten Ableitung
f
(k)(x ) ∼ X
j∈Z
c
j(ij)
ke
ijxParseval-Identit¨ at
k f
(k)k
22π= X
j∈Z
| c
j|
2| j |
2k= ⇒
k f − p
nf k
22π= X
|j|>n
| c
j|
2≤ X
j∈Z
| c
j|
2| j |
2k(n + 1)
2k= (n + 1)
−2kk f
(k)k
22πKonvergenz Konvergenzrate der Fourier-Projektion 11-1
Spezialfall g (x ) = e
i(n+1)x:
c
n+1= 1, c
j= 0 f¨ ur j 6 = n + 1, g
(k)(x ) = (i(n + 1))
ke
i(n+1)xGleichheit in der Fehlerabsch¨ atzung, denn p
ng = 0 = ⇒
k g − p
ng k
22π= k g k
22π= k (i(n + 1))
−kg
(k)k
22π= (n + 1)
−2kk g
(k)k
22πKonvergenz Konvergenzrate der Fourier-Projektion 11-2
Fourier-Matrix
Durch Bilden von Potenzen der Einheitswurzel w
n= exp(2πi/n) erh¨ alt man die so genannte Fourier-Matrix
W
n=
w
n0·0· · · w
n0·(n−1).. . .. .
w
n(n−1)·0· · · w
(n−1)·(n−1) n
.
Sie ist nach Normierung (W
n→ W
n/ √
n) unit¨ ar, d.h. W
n∗W
n/n ist die Einheitsmatrix.
Diskrete Fourier-Transformation Diskrete Fourier-Transformation 12-1
Beweis:
(i) Orthogonalit¨ at der Spalten:
komplexes Skalarprodukt der (j + 1)-ten und (k + 1)-ten Spalte X
n−1`=0
w
n`jw
n`k= X
`
w
n(j−k)`= w
n(j−k)n− 1 w
nj−k− 1 w
nn= 1 = ⇒
X
n−1`=0
w
n`jw
n`k= 0 (ii) Normierung:
| w
`k| = 1 = ⇒ Norm der Spalten gleich √ n
Diskrete Fourier-Transformation Diskrete Fourier-Transformation 13-1
Beispiel:
n = 4, w
n= exp(2πi/4) = i
W
4=
1 1 1 1
1 i − 1 − i 1 − 1 1 − 1 1 − i − 1 i
unit¨ ar nach Division durch 2, d.h.
1
2 W
4∗1 2 W
4= E Symmetrie der Fourier-Matrix = ⇒
W
4∗= W
4t= W
4Diskrete Fourier-Transformation Diskrete Fourier-Transformation 14-1
Diskrete Fourier-Transformation
Die Multiplikation eines n-Vektors c mit der Fourier-Matrix W
nwird als diskrete Fourier-Transformation bezeichnet:
f = W
nc ⇔ c = 1 n W
n∗f . Definitionsgem¨ aß ist also
f
j= X
n−1 k=0c
kw
njk, j = 0, . . . , n − 1
⇔
c
k= 1 n
n−1
X
j=0
f
jw
n−kj, k = 0, . . . , n − 1
mit w
n= exp(2πi/n), wobei die Vektoren c und f von 0 bis n − 1 indiziert werden.
Diskrete Fourier-Transformation Diskrete Fourier-Transformation 15-1
Die diskrete Fourier-Transformation entspricht der Auswertung des trigonometrischen Polynoms
p(x ) =
n−1
X
k=0
c
ke
ikxan den Punkten x
j= 2πj /n: f
j= p(x
j), j = 0, . . . , n − 1.
Die inverse Transformation kann als Riemann-Summe f¨ ur die Fourier-Koeffizienten interpretiert werden:
h f , e
ki
2π= 1 2π
Z
2π0
f (x )e
−ikxdx ≈ 1 n
X
n−1 j=0f (x
j)e
−ikxjmit x
j= 2πj /n.
Diese Approximation ist f¨ ur glatte periodische Funktionen und n | k | sehr genau.
Diskrete Fourier-Transformation Diskrete Fourier-Transformation 15-2
Beispiel:
diskrete Fourier-Transformation des Vektors c = (3, − 2, 0, 1)
t: Multiplikation mit der Fourier-Matrix
f = W
4c =
1 1 1 1
1 i − 1 − i 1 − 1 1 − 1 1 − i − 1 i
3
− 2 0 1
=
2 3 − 3i
4 3 + 3i
inverse Transformation (Multiplikation mit W
∗/4):
c = 1
4 W
4∗f = 1 4
1 1 1 1
1 − i − 1 i 1 − 1 1 − 1 1 i − 1 − i
2 3 − 3i
4 3 + 3i
= 1 4
12
− 8 0 4
Diskrete Fourier-Transformation Diskrete Fourier-Transformation 16-1
Schnelle Fourier-Transformation
Die diskrete Fourier-Transformation, f
j=
n−1
X
k=0
c
kw
njk, j = 0, . . . , n − 1 ,
(w
n= exp(2πi/n)), kann f¨ ur n = 2
`mit der sogenannten schnellen Fourier-Transformation (FFT, Fast Fourier Transform) mit
2n`-Operationen berechnet werden.
Diskrete Fourier-Transformation Schnelle Fourier-Transformation 17-1
In der rekursiven Version hat der Algorithmus die folgende Form:
f = FFT(c) n = length(c)
if n = 1, f = c, return else
g = FFT(c
0, c
2, . . . , c
n−2) , h = FFT(c
1, c
3, . . . , c
n−1) p =
1, w
n, w
n2, . . . , w
nn/2−1f = (g + p . ∗ h, g − p . ∗ h) end
Dabei bezeichnet . ∗ die komponentenweise Multiplikation von Vektoren, d.h. (a . ∗ b)
j= a
jb
j.
Diskrete Fourier-Transformation Schnelle Fourier-Transformation 17-2
Die inverse diskrete Fourier-Transformation c
k= 1
n
n−1
X
j=0
f
jw
n−jkkann vollkommen analog berechnet werden. Man bezeichnet den entsprechenden Algorithmus mit c = IFFT(f ).
Diskrete Fourier-Transformation Schnelle Fourier-Transformation 17-3
Beweis:
(i) Induktive Herleitung des Algorithmus:
f
j=
n−1
X
k=0
c
kw
kj=
m−1
X
k=0
c
2kw ˜
kj+ w
jm−1
X
k=0
c
2k+1w ˜
kj, j = 0, . . . , n − 1 mit m = n/2 und ˜ w = exp(2πi/m) = w
2Summen entsprechen den im Algorithmus rekursiv berechneten Transformierten g und h der L¨ ange m:
f
j= g
j+ w
jh
j, j = 0, . . . , m − 1
˜
w
m= 1 und w
j+m= w
jexp((2πi/n)(n/2)) = − w
j= ⇒ f
j+m= g
j− w
jh
j, j = 0, . . . , m − 1 ,
d.h. (f
m, f
m+1, ..., f
n−1)
tist ebenfalls mit Hilfe von g und h berechenbar
Diskrete Fourier-Transformation Schnelle Fourier-Transformation 18-1
(ii) Anzahl op(n) der Operationen des FFT-Algorithmus:
Addition der zur Berechnung von g , h, p und f ben¨ otigten Operationen
op(n) = op(n/2) + op(n/2) + (n/2) + 3(n/2) = 2 op(n/2) + 2n Iteration der Identit¨ at = ⇒
op(n) = 2 (2 op(n/4) + 2(n/2)) + 2n = 4 op(n/4) + 2n + 2n
= · · ·
= 2
`op(1) + 2n + · · · + 2n
| {z }
`-mal
op(1) = 0 Gesamtoperationenzahl 2`n
Diskrete Fourier-Transformation Schnelle Fourier-Transformation 18-2
Beispiel:
diskrete Fourier-Transformation des Vektors
c =
3
− 2 0 1
g = FFT(3, 0):
˜
g = 3
h ˜ = 0
w
2= exp(2πi/2) = − 1 , p = (1) g = (3 + 1 · 0, 3 − 1 · 0)
t= (3, 3)
tDiskrete Fourier-Transformation Schnelle Fourier-Transformation 19-1
h = FFT( − 2, 1):
˜
g = − 2 h ˜ = 1
w
2= exp(2πi/2) = − 1 , p = (1)
h = ( − 2 + 1 · 1, − 2 − 1 · 1)
t= ( − 1, − 3)
tAddition der rekursiv berechneten diskreten Fourier-Transformierten g = (3, 3)
t, h = ( − 1, − 3)
tw
4= (exp(2πi/4) = i , p = (1, i)
tf = (g + p. ∗ h, g − p. ∗ h)
= (3 + 1 · ( − 1), 3 + i · ( − 3), 3 − 1 · ( − 1), 3 − i · ( − 3))
t= (2, 3 − 3i, 4, 3 + 3i)
tDiskrete Fourier-Transformation Schnelle Fourier-Transformation 19-2
Trigonometrische Interpolation
F¨ ur n = 2
`k¨ onnen die Koeffzienten des trigonometrischen Polynoms p(x ) = c
mcos(mx ) + X
|k|<m
c
ke
ikx, m = n/2 , das die Daten
f
j= f (x
j), x
j= 2πj /n, j = 0, . . . , n − 1 ,
interpoliert, mit der inversen schnellen Fourier-Transformation berechnet werden:
(c
0, . . . , c
m, c
−m+1, . . . , c
−1) = IFFT(f ) .
Diskrete Fourier-Transformation Trigonometrische Interpolation 20-1
Beweis:
zus¨ atzlicher Kosinus-Term gerade Anzahl der Daten (notwendig f¨ ur die schnelle Fourier-Transformation)
definiere
(c
0, . . . , c
m, c
−m+1, . . . , c
−1) = ˜ c = IFFT(f ) = 1 n W
n∗f mit der Fourier-Matrix W
n(Indizierung von ˜ c und f von 0 bis n − 1) W
n/ √
n unit¨ ar bzw. Definition der inversen diskreten Fourier-Transformation = ⇒
f = W
nc ˜ ⇔ f
j= ˜ p(x
j) =
n−1
X
k=0
˜ c
ke
ikxj, d.h. ˜ p erf¨ ullt die Interpolationsbedingungen
Diskrete Fourier-Transformation Trigonometrische Interpolation 21-1
ersetze Terme bei ˜ p, ohne Verletzung der Interpolationsbedingungen k = m:
e
imxj= ( − 1)
j= cos(mx
j) , da mx
j= (n/2)(2πj /n) = πj und e
iπ= − 1 k = m + 1, . . . , n − 1:
˜
c
k= c
k−nund
e
ikxj= e
i(k−n)xj, da − nx
j= − 2πj und e
2πi= 1
= ⇒
˜ p(x
j) =
m−1
X
k=0
c
ke
ikxj+ c
mcos(mx
j) + X
n−1 k=m+1c
k−ne
i(k−n)xj| {z }
P−1
k=−m+1ckeikxj
Diskrete Fourier-Transformation Trigonometrische Interpolation 21-2
Beispiel:
Interpolation der Daten
f = (0.2, − 6, − 0.2, 10, 0.2, − 6, − 0.2, 10)
tan den Stellen x
j= 2πj /8, j = 0, . . . , 7, durch ein trigonometrisches Polynom
inverse diskrete Fourier-Transformation
˜
c = IFFT(f ) = (1, 0, 0.1 + 4i, 0, − 1, 0, 0.1 − 4i, 0)
tUmindizierung (˜ c
k= c
k−8, k = 5, 6, 7)
c = (c
−3, . . . , c
4)
t= (0, 0.1 − 4i, 0, 1, 0, 0.1 + 4i, 0, − 1)
tinterpolierendes trigonometrisches Polynom
p(x ) = (0.1 − 4i)e
−2ix+ 1 + (0.1 + 4i)e
2ix− cos(4x ) Daten f reell = ⇒ p reell
(0.1 − 4i)e
−2ix+ (0.1 + 4i)e
2ix= 0.2 cos(2x ) − 8 sin(2x )
Diskrete Fourier-Transformation Trigonometrische Interpolation 22-1
Fourier-Filter:
Die trigonometrische Interpolation in Verbindung mit der diskreten
Fourier-Transformation kann zum Ausblenden hochfrequenter St¨ orungen in Signalen verwendet werden.
interpoliere die Daten
f
j≈ f (x
j), x
j= 2πj
n , 0 ≤ j < n = 2
`, mit einem trigonometrischen Polynom
p(x ) = c
mcos(mx ) + X
|k|<m
c
ke
ikx, m = n/2
Tiefpass mit Bandbreite M:
setze alle Koeffizienten c
kmit | k | > M null
Unterdr¨ uckung von St¨ orungen f¨ ur hinreichend kleines M
Diskrete Fourier-Transformation Trigonometrische Interpolation 23-1
Sprachsignal f (x ) 500 der 40000 Amplituden | Re(c
k) |
0 0.2 0.4 0.6 0.8 1
−1
−0.5 0 0.5 1
0 100 200 300 400 500
0 0.005 0.01 0.015 0.02 0.025 0.03
0 0.2 0.4 0.6 0.8 1
−1
−0.5 0 0.5 1
0 100 200 300 400 500
0 0.005 0.01 0.015 0.02 0.025 0.03
Gl¨ attungseffekt f¨ ur die Bandbreite M = 400
Diskrete Fourier-Transformation Trigonometrische Interpolation 23-2
0 0.2 0.4 0.6 0.8 1
−1
−0.5 0 0.5 1
0 100 200 300 400 500
0 0.005 0.01 0.015 0.02 0.025 0.03
Gl¨ attungseffekt f¨ ur die Bandbreite M = 100 kleine Bandbreite unerw¨ unschter Genauigkeitsverlust
Diskrete Fourier-Transformation Trigonometrische Interpolation 23-3
Bei der Implementierung ist zu beachten, dass die inverse diskrete
Fourier-Transformation den permutierten Koeffizientenvektor ˜ c berechnet:
(˜ c
0, . . . , c ˜
n−1) = (c
0, . . . , c
m, c
−m+1, . . . , c
−1) Programmsegment f¨ ur einen Fourier-Filter:
IFFT: f
j→ c ˜
kc
M+1= ˜ c
M+1, . . . , c ˜
n−1−M= c
−M−1auf null setzen FFT: ˜ c
k→ p(x
j)
Hochpass:
Nullsetzen der unteren Koeffizienten
Diskrete Fourier-Transformation Trigonometrische Interpolation 23-4
Zyklische Gleichungssysteme
Eine zyklische Matrix
A =
a
0a
n−1· · · a
1a
1a
0a
2.. . .. .
a
n−1a
n−2· · · a
0
besitzt die Eigenwerte λ
j=
X
n−1 k=0a
kw
n−kj, w
n= exp(2πi/n) ,
und kann durch die Fourier-Matrix, deren Spalten Eigenvektoren von A sind, diagonalisiert werden:
1
n
W
n∗AW
n= diag(λ
1, . . . , λ
n), λ = W
n∗a .
Diskrete Fourier-Transformation Fourier-Transformation zyklischer Gleichungssysteme 24-1
Zyklische Gleichungssystems Ax = b lassen sich somit mit Hilfe der diskreten Fourier-Transformation l¨ osen:
x = W
ndiag(λ
1, . . . , λ
n)
−1(W
n∗b/n) .
F¨ ur n = 2
`ist die schnelle Fourier-Transformation anwendbar, und man erh¨ alt den folgenden L¨ osungsalgorithmus:
c = IFFT(b) λ = n IFFT(a)
y
j= c
j/λ
j, j = 0, . . . , n − 1 x = FFT(y ) .
Diskrete Fourier-Transformation Fourier-Transformation zyklischer Gleichungssysteme 24-2
Beweis:
(i) Eigenwerte und -vektoren:
Eintrag (j + 1, ` + 1) von AW
n(AW
n)
j+1,`+1=
X
n−1 k=0a
j−k modnw
nk`Substitution k = j − k
0X
j k0=j−n+1a
k0modnw
n(j−k0)`. ersetze k
0= j − n + 1, . . . , − 1 durch j + 1, . . . , n − 1
keine ¨ Anderung der Summanden da w
n−k0= w
n−k0+nn−1
X
k0=0
a
k0w
n−k0`!
w
nj`= λ
`w
nj`(` + 1)-ste Spalte des Produkts ist λ
`-faches (` + 1)-ten Spalte der Fourier-Matrix, d.h. AW
n= W
ndiag(λ
1, . . . , λ
n)
Diskrete Fourier-Transformation Fourier-Transformation zyklischer Gleichungssysteme 25-1
(ii) Zyklisches Gleichungssystem:
Multiplikation des Gleichungssystems Ax = b mit W
n∗/n und Setzen von x = W
ny
1
n W
n∗AW
n| {z }
diag(λ1,...,λn)
y = 1 n W
n∗b
| {z }
c
L¨ osung y
j= c
j/λ
jDiskrete Fourier-Transformation Fourier-Transformation zyklischer Gleichungssysteme 25-2
Beispiel:
zyklisches Gleichungssystem Ax = b mit
A =
− 12 − 4 8 4
4 − 12 − 4 8
8 4 − 12 − 4
− 4 8 4 − 12
, b =
12
− 20 0 8
n = 4, a = ( − 12, 4, 8, − 4)
tc = IFFT(b) = (0, 3 + 7i, 6, 3 − 7i)
tλ = 4 IFFT(a) = ( − 4, − 20 − 8i, − 4, − 20 + 8i)
ty = c ./ λ =
0, 1
4 − 1 4 i, − 3
2 , 1 4 + 1
4 i
tx = FFT(y ) = ( − 2, 2, − 1, 1)
tDiskrete Fourier-Transformation Fourier-Transformation zyklischer Gleichungssysteme 26-1
Fourier-Transformation
Existiert zu einer Funktion f das Parameterintegral f ˆ (y ) =
Z
∞−∞
f (x )e
−iyxdx
f¨ ur alle y ∈ R , so heißt f Fourier-transformierbar und die Funktion ˆ f Fourier-Transformierte von f .
Man schreibt
f ˆ = F f , bzw. f (x ) 7−→
Ff ˆ (y ) .
Fourier-Transformation Fourier-Transformation 27-1
Entsprechend ist die inverse Fourier-Transformation F
−1durch f ˆ (y )
F−1
7−→ f (x ) = 1 2π
Z
∞−∞
f ˆ (y )e
iyxdy ,
definiert und es gilt
f = F
−1F f
f¨ ur absolut integrierbare, stetig differenzierbare Funktionen f .
Die Fourier-Transformation und die inverse Fourier-Transformation sind linear. Sie unterscheiden sich nur unwesentlich. Es ist
F f ¯ = 2π F
−1f .
Fourier-Transformation Fourier-Transformation 27-2
Beweis:
Idee:
Fourier-Transformation als Grenzfall der Fourier-Reihe, d.h. eine kontinuierliche Entwicklung nach Exponentialfunktionen e
k(x ) = e
ikxAnnahme: f = 0 außerhalb von [ − h, h]
Fourier-Reihe f¨ ur x ∈ [ − h, h], Definition der Fourier-Transformation f (x ) =
X
∞ k=−∞
1 2h
Z
h−h
f (t)e
k(tπ/h) dt
e
k(x π/h)
= 1
2π π h
X
∞ k=−∞f ˆ (kπ/h)e
i(kπ/h)xRiemann-Summe der inversen Fourier-Transformation konvergent bei hinreichend glattem ˆ f f¨ ur ∆y = π/h → 0
Fourier-Transformation Fourier-Transformation 28-1
Beispiel:
Fourier-Transformation der Impuls-Funktion χ(x ) =
( 1, | x | ≤ 1/2 0, sonst Definition, Formel von Euler-Moivre
ˆ χ(y ) =
Z
1/2−1/2
e
−iyxdx = e
−iyx− iy
1/2−1/2
= e
−iy/2− e
iy/2− iy
= sin(y /2)
y /2 = sinc(y /2)
Fourier-Transformation Fourier-Transformation 29-1
Beispiel:
Fourier-Transformation der Funktion f (x ) = e
−|x|Formel von Euler-Moivre = ⇒ e
−ixy= cos(xy ) − i sin(xy ) f gerade = ⇒ R
∞−∞
f (x ) sin(xy ) dx = 0 und f ˆ (y ) = 2
Z
∞0
e
−xcos(yx) dx =
part. Int.
0 + 2 Z
∞0
e
−xsin(yx ) y dx
=
part. Int.
2
e
−x− cos(yx) y
2 ∞0
− 2 Z
∞0
e
−xcos(yx) y
2dx
= 2
y
2− f ˆ (y ) y
2Umformung f ˆ (y ) = 2/(1 + y
2)
Fourier-Transformation Fourier-Transformation 30-1
Beispiel:
Die Gauß-Funktion ist eine Eigenfunktion der Fourier-Transformation:
f (x ) = exp( − x
2/2) ⇔ f ˆ (y ) = √
2π exp( − y
2/2) . Definition
f ˆ (y ) = exp( − y
2/2) Z
∞−∞
exp( − x
2/2 − iyx + y
2/2) dx setze
− z
2/2 = − (x + iy )
2/2 , dz = dx Verschiebung des Integrationswegs (Komplexe Analysis), z ∈ R + iy → z ∈ R
f ˆ (y ) = f (y ) Z
∞−∞
exp( − z
2/2) dz = f (y ) √ 2π
Fourier-Transformation Fourier-Transformation 31-1
Differentiation bei Fourier-Transformation
Bei der Fourier-Transformation entspricht die Ableitung einer Multiplikation mit der transformierten Variablen und umgekehrt:
f
0(x ) 7−→
Fiy f ˆ (y ) xf (x ) 7−→
Fi f ˆ
0(y ) .
Fourier-Transformation Differentiation bei Fourier-Transformation 32-1
Beweis:
betrachte hinreichend schnell abfallende Funktionen keine Randterme bei partieller Integration (i) Differentiation von f :
f c
0(y ) = Z
∞−∞
f
0(x )e
−iyxdx =
part. Int.
0 − Z
∞−∞
f (x ) d dx e
−iyx| {z }
−iye−iyx
dx = iy f ˆ (y )
(ii) Differentiation von ˆ f : i ˆ f
0(y ) = i
Z
∞−∞
f (x ) d
dy e
−iyxdx = i Z
∞−∞
f (x )( − ix)e
−iyxdx = ˆ g (y ) mit g (x ) = xf (x )
Abschw¨ achung der Voraussetzungen mit Hilfsmitteln der Funktionalanalysis
Fourier-Transformation Differentiation bei Fourier-Transformation 33-1
Beispiel:
Fourier-Transformation der Gauß-Funktion f (x ) = e
−x2/2, f ˆ (y ) = √
2π e
−y2/2f
0(x ) = − x e
−x2/2= − xf (x ) Transformationsregeln = ⇒
f
0(x ) 7−→
Fiy f ˆ (y )
− xf (x ) 7−→
F− i ˆ f
0(y ) identisches Resultat:
− i ˆ f
0(y ) = − i √
2π( − y ) e
−y2/2= iy f ˆ (y ) mehrfache Anwendung der Transformationsregeln
Fourier-Transformation von Funktionen der Form p(x ) exp( − x
2/2) mit beliebigen Polynomen p
Fourier-Transformation Differentiation bei Fourier-Transformation 34-1