A Fourier-analízis elmélete és gyakorlata

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "A Fourier-analízis elmélete és gyakorlata"

Átírás

1 A Fourier-analízis elmélete és gyakorlata Nagy László Témavezet : Schipp Ferenc 007. június 8.

2 Tartalomjegyzék 1. Bevezet 3. Matematikai háttér 6.1. Normált csoportok Periodizáló operátor Karakterek Fourier-transzformált Inverziós formula Transzformáció kiterjesztése Transzformációk Trigonometrikus Fourier-Transzformáció Trigonometrikus Fourier-Együtthatók Trigonometrikus Fourier-Sor Diszkrét Fourier-Sor Diszkrét Fourier-Transzformáció A z-transzformáció Algoritmusok Gyors Fourier-Transzformáció FFT algoritmusok algebrai formája Algoritmusok osztályozásai Gyors konvolúció és az FFT Waveletek Waveletek szerkesztése Multirezolúció Skálázási egyenlet Ortonormált waveletek Folytonos Wavelet-Transzformáció

3 TARTALOMJEGYZÉK 6. Sz r k és sz r készletek Sz r k Downsampling és Upsampling Sz r készletek Alkalmazások Fourier-Transzformáció kontra Waveletek Összefoglalás 90

4 1. fejezet Bevezet A jelfeldolgozás során a bemen jeleket frekvencia-komponensekre bontjuk. Ez a felbontás nem más, mint a bemen jel (legyen az egy- vagy kétdimenziós, analóg, vagy digitális) valamilyen speciális függvénnyel történ szuperpozíciós felírása. Az ötlet természetesen nem új. Az els feljegyzések függvények közelítésére, függvény-együtthatók szuperpozíciójával a korai 1800-as évekre tehet ek, amikor Joseph Fourier felfedezte, hogy bizonyos tulajdonságokkal rendelkez függvények felbonthatóak szinusz- és koszinuszhullámok végtelen összegére. Ez matematikai áttörésnek számított gondolat számos, mára kialakult módszer alapját képezi. Joseph Fourier frekvenciaanalízisbeli elmélete szerint (amit ma már csak Fourier-szintézis néven emlegetünk) bármely π szerint periodikus f(x) függvény el állítható a következ hatvány-sor alakban: f(x) = a 0 + (a k cos kx + b k sin kx), k=1 ahol az a 0, a k és b k együtthatókat az f függvényb l határozhatjuk meg. Fourier állítása kiemelked en fontos szerepet játszott a matematikusok függvényekhez köt d elméleteiben. A módszer egy teljesen más szemléletet nyújtott a függvények további vizsgálataihoz. Elméletével tulajdonképpen egy új, eddig még kinyitatlan kaput tárt szélesre a funkcionális világ r felé. Néhány évtizedre rá, a tudósok a szinusz és koszinusz hullámoknál alkalmasabb függvényeket kezdtek el keresni, amelyek tartalmazzák a Fourier analízis alapjait és alkalmasak a különböz jelek közelítésére. Deníció szerint ugyanis e két függvény nem lokális, más szóval a tartójuk a valós számok R halmaza után, megismerve a függvények új jelentését, a ourier-sorok konvergenciáját és az ortonormált rendszerek fogalmát, a matematikusok fokozatosan bevezették a frekvencia analízis mellett a skála analízist. Itt a 3

5 1. FEJEZET. BEVEZETŽ 4 függvényt különböz skálájú matematikai struktúrák segítségével kezdték el elemezni. E mára nagyon fontos módszer lényege, hogy vesznek egy függvényt, eltolják, átskálázzák, majd megvizsgálják, hogy a kapott struktúra el állítja-e az adott jelet. Ez utóbbi módszerrel a wavelet analízis foglalkozik. A Fourier analízis azonban csak az 1960-as években válhatott a digitális jelfeldolgozás központi szerepévé. Ugyanis ez id tájt jelentek meg a transzformációt elvégz gyors, numerikusan jól kezelhet algoritmusok. Cooley és Tukey 1965-ben alkotta meg az els úgynevezett FFT algoritmust, amellyel a diszkrét Fourier-transzformáció kiszámítását gyakorlati feladatok esetére is megoldották, mintegy dönt lökést adva a digitális jelfeldolgozás további fejl désének. A dolgozat témája mint ahogyan azt a cím is sugallja a Fourier analízis eszköztárának részletes bemutatása. A leírás magában foglalja, a formálisabb matematikai leírás mellett, a módszer gyakorlati alkalmazását is. Tárgyaljuk a digitális jelfeldolgozás során alkalmazott fontosabb transzformációkat, melyek gyors elvégzésére bevezetjük a különböz FFT algoritmusokat. A dolgozat során bepillantunk a wavelet analízis varázslatos világába is. Bemutatva annak matematikai hátterét rávilágítunk a Fourier analízissel való fontos kapcsolatára. Végül a tárgyalt módszerek segítségével jelfeldolgozási alapokkal is megismerkedünk. A következ ekben röviden áttekintjük az egyes fejezetek tartalmát. Az. fejezetben áttekintjük a Fourier analízis alkalmazásához szükséges alapfogalmakat, deníciókat, fontos összefüggéseket. Mindezt tesszük a fejezet elején bevezetett általános csoporton, ez által lehet vé téve a kés bbiek számára a speciális számunkra fontos és gyakorlatban használt csoportokra való lesz kítést. A jelfeldolgozásban fontos szerep játszó periodizáló operátor ismertetése után, a csoport karaktereinek segítségével, bevezetjük a Fourier-transzformáció (FT) és inverz Fourier-transzformáció (IFT) fogalmát. Mindeközben ismertetjük a transzformáció fontosabb operátorokkal való kapcsolatát, majd a bemutatott módszert kiterjesztjük a teljes L térre. A soron következ 3. fejezetben, a már megismert transzformációt, bemutatjuk néhány speciális csoportra. Ez által értelmezzük a Trigonometrikus Fourier-Transzformációt (TFT), a Trigonometrikus Fourier-Együtthatókat (TFE), a Trigonometrikus Fourier-Sort (TFS), a Diszkrét Fourier-Sort (DFS), valamint a Diszkrét Fourier-Transzformációt (DFT). A fejezet végén értelmezzük a digitális jelfeldolgozás nélkülözhetetlen transzformációját a z-transzformációt. A különböz konvergencia kritériumok mellett megmutatjuk a fontosabb operátorokkal való kapcsolatát. Végül leírjuk, hogy a számunkra fontos Fourier-transzformációkkal miként hozható kapcsolatba a z-transzformáció.

6 1. FEJEZET. BEVEZETŽ 5 A 4. fejezetben a módszer gyors FFT algoritmusait vizsgáljuk meg. El sz r a DFT redundanciáit vizsgáljuk, majd ezek gyelembe vételével levezetjük az els gyorsított eljárást. Ezek után az algoritmusok általánosabb algebrai formáját adjuk meg, az el z szakaszban bevezetet m veletek általánosításával. Ezt követ en a kialakított algoritmusainkat különböz szempotok szerint osztályozzuk. Végül bemutatjuk, hogy az FFT miként alkalmazható a jelfeldolgozás legfontosabb m veletének a konvolúciónak a gyors kiszámítására. A rákövetkez 5. fejezet a wavletekr l szól, pontosabban azok matematikai hátterér l. A bevezetés után rátérünk a wavelet analízis alapjául szolgáló multirezolúció ismertetésére, mely során deniáljuk a Riesz-bázis fogalmát. Ezt követ en a Fourier-transzformáció segítségével bevezetjük a skálázási egyenletet, melynek megoldására egy példát is mutatunk. A fejezet végén ortonormált waveletek szerkesztésével is foglalkozunk, majd értelmezzük a Folytonos Wavelet-Transzformációt (CWT). A 6. fejezetben a digitális jelfeldolgozás alapelemeivel ismerkedünk meg. El ször az alul-, illetve felülátereszt sz r k tulajdonságait mutatjuk be mind az id -, mind a frekvencia-tartományon. Deniáljuk a skálázási egyenlethez nagyon hasonlító, wavelet egyenletet. Ismertetjük a sz rés két alapm veletét a downsampling és upsampling eljárásokat, továbbá bemutatjuk ezek hatását a különböz tartományokban. A bevezett sz r k és m veletek segítségével sz r készleteket építünk fel. Itt jegyezzük meg, hogy a dolgozat terjedelmi korlátai miatt csak -csatornás, FIR sz r készletek szerkesztésével foglalkotunk. A sz r készlet építésénél a tökéletes rekonstrukcióra törekszünk, ennek megkövetelése céljából mondunk ki feltételeket. Kapcsolatot teremtünk a diszkrét sz r k és a folytonos waveletek világa között, majd rekurziós módszereket mutatunk be a különböz szinteken lév együtthatök el állítására, a keresett skála függvény közelítésére, valamint megmutatjuk, hogy az együtthatók ortogonalitásából miként tudunk következtetni a rendszerünk ortogonalitására. A diszkrét esethez tartozó Gyors Wavelet-Transzformáció (FWT) ismertetése mellett, bemutatunk néhány jelfeldolgozásbeli alkalmazást, mint például a zajmentesítés, vagy az éldetektálás folyamatát. Végül összehasonlítjuk a Fourier-transzformációt a waveletekkel, mely során rávilágítunk a Fourier analízis hézagira, hátrányaira. Végül a 7. fejezetben a dolgozatban szerepl eredményeket értékeljük és foglaljuk össze, levonva a megfelel következtetéseket. Megjegyezzük, hogy a dolgozatban szerepl állítások, tételek bizonyítás nélkül szerepelnek, illetve csak azokat bizonyítjuk, melyeket elengedhetetlennek tartunk az elmélet teljes megértéséhez. Az egyes bizonyítások megtalálhatóak a jelzett forrásmunkákban.

7 . fejezet Matematikai háttér.1. Normált csoportok A (G, +) kommutatív csoportból kiindulva bevezetjük a normált csoport fogalmát. Jelöljük 0-val a csoport nullelemét, x-szel pedig az x G elem inverzét, ekkor, ha létezik a csoporton egy x x leképezés (egy norma), akkor azt mondjuk, hogy a csoport normált. Ezen a csoporton bevezethet egy ρ(x, y) := x y, (x, y G) metrika, amelyben az (x, y) x + y és x x leképezések folytonosak, ami annyit jelent, hogy az adott csoport topologikus. Könnyen ellen rizhet, hogy a fenti metrika transzláció invariáns, azaz bármely x, y G elem távolsága meg rz dik, ha mindkét elemet egy z G elemmel eltoljuk, nevezetesen a ρ(x + z, y + z) = ρ(x, y) (x, y, z) G (.1) egyenl ség teljesül, minden csoportbeli elemre. Akkor nevezzük a (G, ρ) metrikus teret lokálisan kompaktnak, ha a (G, +) normált csoport zárt gömbjei kompakt halmazok. Amennyiben a (G, ρ) metrikus tér kompakt, abban az esetben a G normált csoport kompakt, továbbá, ha az inf{ x : x 0} > 0 egyenl tlenség is fenn áll, úgy a szóban forgó csoport diszkrét. A következ kben ezen új fogalmak segítségével bevezetünk néhány speciális csoportot. Ismeretes ugyanis, hogy a valós számok R halmaza a + szokásos összeadásra nézve Abel-csoport és az x := x, (x R) norma ezen a csoporton, ami azt jelenti, hogy az (R, +) normált csoportot alkot. Az egész számok Z halmaza pedig ugyanezzel a normával az R-nek egy normált, diszkrét részcsoportja. A csoportelméletben bevezetett faktorcsoport [11] deníciójából következik, hogy az R/Z (faktorcsoport) izomorf a [0, 1) intervallum modulo 1 összeadással vett csoportjával, amit a továbbiakban 6

8 . FEJEZET. MATEMATIKAI HÁTTÉR 7 M-mel jelölünk. Bevezetve a + jelölést a csoportm veletre, a x +y := { x + y, ha x + y < 1, x + y 1, ha x + y 1 (.) formula áll fenn minden x, y M := [0, 1) esetén. Továbbá belátható, hogy a csoport nulleleme a 0 szám, az x M elem inverze pedig az 1 x és az x := min{x, 1 x} (x M) normával az (M, +) csoport is normált. Ennek segítségével az M m := { k m } : k = 0, 1,..., m 1 ( m N ) (.3) denícióval megadott csoport az M egy diszkrét m-edrend ciklikus részcsoportja. Az egydimenziós tórusz, másnéven az egység abszolút érték komplex számok T := {z C : z = 1} (.4) halmaza a szorzásra nézve csoportot alkot, amelynek nulleleme az 1 szám, a z T elem inverze pedig a z szám z komplex konjugáltja. A komplex trigonometrikus függvény, tehát az ɛ(t) := exp(iπt) = cos(πt) + i sin(πt) (t R) (.5) formulával deniált leképezés, M-re vonatkozó lesz kítése egy izomorzmus M és T között, amely az M-beli elemek + összeadását az elemek T-beli képeinek a szorzásába viszi át, azaz ɛ az (M, +) csoport karaktere (a karaktereket részletesebben az (.3) szakaszban mutatjuk be). Végül a z := 1 z (z T) leképezéssel a (T, ) csoport is normált. Az eltolás m veletével természetes módon értelmezhetjük függvények körében a transzláció operátorát. Tetsz leges G csoporton értelmezett f komplex érték függvényre legyen (τ s f)(x) := f(x + s) (s, x G). (.6) Látható, hogy a trsanszláció nem más, mint a függvény argumentumának adott csoportbeli elemmel való eltolása... Periodizáló operátor A jelfeldolgozásban és persze a további vizsgálatainkban fontos szerepet játszanak azok az operátorok, melyek egy adott függvényhez annak periodikus változatát rendelik. Jelölje L p T (T > 0, 1 p ) azoknak

9 . FEJEZET. MATEMATIKAI HÁTTÉR 8 az R-en értelmezett, lokálisan integrálható, T-szerint periodikus függvények halmazát, melyeknek a [0, T ) intervallumra való leszükítése L p [0, T ] térbeli. Nyilvánvaló, hogy ezekre a terekre L p T Lp T tartalmazás teljesül. Legyen f L 1 (R) ekkor az (E T f)(x) := k Z f(x + kt ) = k Z(τ kt f)(x)(x R) (.7) utasítással értelmezett operátort periodizáló operátornak nevezzük. Mivel k Z T 0 f(x + kt ) dx = f(x) dx <, ezért a (.7) sor majdnem minden x R pontban abszolút konvergens, azaz a deníció korrekt. Továbbá a fent bevezetett E T : L 1 (R) L 1 T leképezés egy korlátos líneárs operátor, amelyre T 0 (E T f)(x) dx = f(x) dx, T 0 (E T f)(x) dx f(x) dx. Bizonyítható, hogy ez az operátor nemcsak számokra, hanem T-szerint periodikus függvényekre nézve is homogén, azaz bármely λ, T-szerint periodikus, Lebesgue-mérhet függvény esetén, ha f, λf L 1 (R), akkor E T (λf) = λe T (f). Azonban a most bevezetett periodizáló operátornak nemcsak a fent leírt interpretációja van. Ugyanis E T felfogható egy speciális várhatóérték operátornak, amely nagyon sok vonatkozásban hasonlít az integrál funkcionálhoz, melynek következményeképpen az ott bevezetett integrállal kapcsolatos alapvet fogalmak átvihet k erre az operátorra. Ez által lehet ség nyílik a skaláris szorzat és az ortogonalitás fogalmának általánosítására, kiindula az (f, g) E T (fḡ) (f, g L (R)) bilineáris operátorokból. Akkor mondjuk, hogy az f, g L (R) függvények E T -ortogonálisak, ha E T (fḡ) = 0. Ez a deníció valóban tekinthet általánosításnak, ugyanis az T E T (fḡ)(x) dx = f(x)g(x) dx =< f, g >, (f, g L (R)) 0 R egyenl ségek miatt az E T -ortogonalitásból következik a szokásos ortogonalitás.

10 . FEJEZET. MATEMATIKAI HÁTTÉR 9.3. Karakterek Következ lépésként értelmezzük a korábban már bevezetett (G, +) normált csoport karaktereit, a komplex trigonometrikus függvények tulajdonságai alapján. Akkor nevezünk egy γ : G T leképezést a csoport karakterének (azaz trigonometrikus függvényének), ha γ folytonos és eleget tesz a γ(x + y) = γ(x)γ(y) (x, y G) (.8) függvényegyenletnek. Ez a feltétel azt jelenti, hogy a szóban forgó leképezés egy homomorzmus G és a komplex tórusz között. G karaktereinek a halmazát Ĝ szimbólummal fogjuk jelölni. Nyilvánvalóan minthogy két karakter szorzata is karakter Ĝ a γ 0(x) := 1 (x G) egységelemmel csoportot alkot, ahol a γ Ĝ karakter inverzét annak komplex γ = 1 konjugáltja szolgáltatja. γ Az így kapott (Ĝ, ) csoportot a (G, +) csoport duálisának nevezzük. Csoportok direktszorzatát felhaszálva a karakterek kiterjeszthet k n dimenzióra, melyekre igaz, hogy a duális csoportbeli karakterek el állíthat k a csoportok karaktereinek Kronecker-szorzataként: γ(x) = (γ 1 γ γ n )(x) := γ 1 (x 1 )γ (x ) γ n (x n ), (.9) (x = (x 1,..., x n ) G) Ennek megfelel en, G-vel jelölve az (R n, +), (Z n, +) és (M n, +) csoportok bármelyikét, a csoport duálisának karakterei egységes formában írhatók fel ɛ s (t) := exp(πi s, t ) (t G, s Ĝ) alakban, ahol s, t a szokásos R n -beli skaláris szorzatot jelöli. Hasonlóan a komplex trigonometrikus rendszerhez, a kompakt csoportok karakterei is ortonormált rendszert alkotnak a normált Haar-mértékkel [3] L m(g) térben, azaz µ-vel jelölve a G csoport normált Haar-mértékét teljesül a γ 1 (x)γ (x) dµ(x) = δ γ1,γ (γ 1, γ Ĝ) (.10) G egyenlet, ahol δ rs a Kronecker-féle szimbólum..4. Fourier-transzformált Ebben a pontban az imént ismertetett karakterek segítségével deniáljuk a G-n értelmezett, a G csoport µ Haar-mértéke szerint integrálható

11 . FEJEZET. MATEMATIKAI HÁTTÉR 10 függvények Fourier-transzformáltját. Ezek után bemutatjuk a nemsokára bevezetésre kerül moduláció, dilatáció és a már deniált transzláció operátorokkal való kapcsolatát. Legvégül deniálunk egy olyan, függvények közötti m veletet, amely nem vezet ki az L 1 m(g) térb l. Tehát legyen f L 1 µ(g), ekkor a Ĝ halmazon értelmezett (Ff)(γ) := f(γ) := G f(t)γ(t) dµ(t) (γ Ĝ) (.11) ˆf függvényt az f függvény Fourier-transzformáltjának nevezzük. Speciálisan, a már bevezetett csoportok ɛ x (s) = ɛ x1 (s 1 ) ɛ xn (s n ) (x = (x 1,..., x n ) Ĝn, s = (s 1,..., s n ) G n ) karaktereinek alkalmazásával az f L 1 µ(g) függvény Fourier-transzfolmáltja a (Ff)(x) := f(x) := f(t)ɛ x (t) dµ(t) (x Ĝ) (.1) G alakban írható fel, ahol µ a G {R, M} esetben a Lebesgue-mértéket, míg G {Z, M m } esetben pedig a diszkrét mértéket jelenti. A 3. fejezetben részletesen bemutatjuk az egyes speciális csoportokon értelmezett transzformációkat. A most bevezetett Fourier-transzformált fontos tulajdonsága, hogy bármely f L 1 m(g) függvény Ff Fourier-transzformáltja a Ĝ halmazon értelmezett, a végtelenben elt n függvény, továbbá F : L 1 m(g) C 0 (Ĝ) korlátos, líneáris operátor, amelyre Ff f 1 (f L 1 m(g)) teljesül [3]. A harmónikus analízisben fontos szerep jut bizonyos operátoroknak, nevezetesen az argumentum eltolásaival és a karakterek szorzásával összefügg transzformációkból származtatott dilatációnak és modulációnak (δ z f)(s) := f(zs) (z R, s R) (.13) (ν y f)(s) := ɛ y (s)f(s) (s G, y Ĝ). (.14) Ezen, valamint az 1. fejezetben bevezetett, transzláció operátorok szoros kapcsolatban állnak a Fourier-transzformációval, nevezetesen F(τ a f) = ν a Ff (a G), (.15) F(ν b f) = τ b Ff (b Ĝ), (.16)

12 . FEJEZET. MATEMATIKAI HÁTTÉR 11 F(δ c f) = c 1 δ c 1Ff (G = R, c > 0). (.17) Tehát, mint látható, a bevezetett operátorok a Fourier-transzformációval nem cserélhet k fel, pontosabban a felcserélés csak a fenti szabályok alkalmazásával lehetséges. Köztudott, hogy az L 1 m(r) líneáris tér nem zárt a függvények pontonkénti szorzására nézve. Az említett s t, általánosan az L 1 m(g) téren bevezethet, egy ett l eltér bínáris m velet, az úgynevezett konvolúció, amely már nem vezet ki a térb l. Ez a transzformáció szoros kapcsolatban van a (G, +) csoport struktúrájával és a rajta értelmezett Fourier-transzformáltjával. Minthogy bármely f, g L 1 m(g) függvényre az (f g)(x) := f(t)g(x t) dµ(t) (x G) (.18) G integrál minden (x G) pontban létezik és véges µ majdnem mindenütt, ezért a most (.18) alatt értelmezett (f g) L 1 m(g) függvényt az f, g L 1 m(g) függvények konvolúciójának nevezzük. Természetesen a konvolúció és Fourier-transzformáció között is szoros, s t, igen fontos kapcsolat van, nevezetesen bármely két f, g L 1 m(g) függvényre az alábbi f g = fĝ (.19) egyenl ség teljesül [3]. Ezen (.19) alatti azonoság interpretációja az, hogy a Fourier-transzformált a függvények konvolócióját a transzformált függvények szorzatába viszi át. A konvolúció kiterjeszthet az X {L p m(g), C(G), C 0 (G)} (1 p ) terekre, melyekre fennáll, hogy bármely g L 1 m(g) és f X függvények esetén létezik az f g konvolúció, melyre f g X és f g g 1 f X (g L 1 m(g), f X). (.0).5. Inverziós formula Most vizsgáljuk meg, hogyan, milyen feltételek mellett lehet az integrálható függvényeket visszaállítani azok Fourier-transzformáltjából. Ezúttal olyan integrálható függvényekb l indulunk ki, amelynek Fourier-transzformáltja is integrálható az adott csoport duálisán, amely integrálhatóság az l 1 tér esetén a Fourier-együtthatókból alkotott sor abszolút konvergenciájával ekvivalens. A formulával összefüggésben bevezetjük a Fourier-transzformált adjungáltját. Kiindulva az f, g := f(t)ḡ(t) dµ(t) (.1) G

13 . FEJEZET. MATEMATIKAI HÁTTÉR 1 (f L p m(g), g L q m(g), 1 p + 1 q = 1, 1 p, q ) funkcionálból, az F-nek erre vonatkozó adjungáltja az operátor, amire (F f)(x) := (Ff)( x) (x Ĝ) (.) Ff, g = f, F g (f, g L 1 (R)) (.3) teljesül. Ezen operátor segítségével felírható az inverziós formula általános alakja [3], azaz, ha f L 1 1 m(g) és g Lm(Ĝ), akkor F (Ff) = f. (.4) A 3. fejezetben bevezetésre kerül speciális Fourier-transzformációk bemutatásakor kitérünk az adott transzformációhoz tartozó inverziós formulák pontos alakjára..6. Transzformáció kiterjesztése Ebben a részben G = R esetre szorítkozunk, mely esetében a Fouriertranszformáció (.1) alapján integrálható függvényekre értelmezhet. A deníciót kiterjesztjük L (R)-beli függvényekre, amely téren a kiterjesztett operátor unitér, azaz F-fel jelölve a kiterjesztett operátort Ff, Fg = f, g (f, g L (R)) (.5) teljesül. Mivel az (.5) egyenl ség fennáll az úgynevezett diadikus intervallumok karakterisztikus függvényeire, azaz az I := {χ I : I = [k n, (k + 1) n ), (k, n Z)} L 1 (R) (.6) függvényosztály elemeire (nevezetesen bármely I, J I esetén Fχ I, Fχ J = χ I, χ J ), továbbá az I zárt rendszer az egész L (R) térben, ezért a Fouriertranszformáció az (.5) tulajdonság megtartásával kiterjeszthet az egész L (R) térre. Ennek alapján az L 1 (R) L (R) halmazra kiterjesztett Fouriertranszformáltat is F-fel fogjuk jelölni. A korábban bevezetett F operátor a következ, (F f)(x) := (Ff)( x) utasítással (x R, f L (R)) kiterjeszthet az L (R) térre és a deníció, valamint (.5) alapján F f = Ff = f (f L (R)).

14 . FEJEZET. MATEMATIKAI HÁTTÉR 13 Továbbá bármely f, g L (R) függvényre az (.3) alatti azonosság most is teljesül, azaz F a Fourier-transzformált adjungáltja. Végül bármely f, g L (R) függvényre F(F f), g = f, g miatt F(F f) = f (f L (R)), tehát F értékkészkete az L (R) tér [3]. Következésképpen F : L (R) L (R) olyan bijekció, melynek inverze F, azaz F 1 = F. A konvolúció és a Fourier-transzformáció közötti kapcsolat a kiterjesztett F operátorra abban formában áll fent, hogy ha f L 1 (R) és g L (R), akkor a F(f g) = FfFg állítás teljesül.

15 3. fejezet Transzformációk 3.1. Trigonometrikus Fourier-Transzformáció Mint ahogyan az a bevezet ben olvasható volt, a Fourier-transzformáció egy leképezés az id tartományról (G) a frekvenciatartományra (Ĝ). Az el z fejezetben bevezetett m veletek a legszebben akkor néznek ki, ha mind az id -, mind a frekvencia-tartomány a valós számok halmaza, azaz G = Ĝ = R. Ebben a szakaszban ezt az esetet tárgyaljuk, bemutatva az általános deníciók ide vonatkozó alakját. Els ként vizsgáljuk meg a (.8) alatt bezetett karaktereket. A korábban már említett ɛ t (x) = exp(πitx) (t, x R) (3.1) függvények bármely t R esetén az (R, +) csoport karakterei, továbbá bebizonyítható, hogy a t ɛ t leképezés egy izomorzmus, melynek következményeképpen a szóban forgó csoport duálisa önmaga. Az állítás a (.9) alatt bevezett n-dimenziós esetre is érvényes, tehát az (R n, +) karakter csoportja izomorf önmagával. A (.11) alatt bevezetett Fourier-transzformáció G = R esetre vonatkozó megfelel je az L 1 (R)-beli függvények f(x) = f(t)exp( πixt) dt (f L 1 (R), x R) (3.) R úgynevezett Trigonometrikus Fourier-Transzformáltja (TFT). A (.18) alatt bevezetett konvolúció TFT-re vontakozó alakja az alábbi formában írható fel: (f g)(x) := f(t)g(x t) dt (x G = R, f, g L 1 (R)) (3.3) 14

16 3. FEJEZET. TRANSZFORMÁCIÓK 15 és ezt viszi át a Fourier-transzformáció a transzformáltak szorzatába a (.19) egyenl ségnek megfelel en. Az (.4) inverziós formula G = R csoportra vonatkozó alakja az f(x) := f(t)ɛ x (t) dt (f, f R) (3.4) alakot ölti. Ezt, a (3.) alatt deniált transzfomációval összevetve látható, hogy a két m velet egy konstans szorzó erejéig megegyezik, amib l látszik, hogy a két tartomány (R) valóban izomorfak egymással. Az el z fejezet végén azt is megmutattuk, hogy a transzformáció kiterjeszthet az L (R) térre unitér operátorrá. A (.5) egyenl séget g = f esetre alkalmazva az energiatételhez, vagy más néven Parseval-egyenl séghez jutunk: f(t) dt = Ff(t) dt. (3.5) Még egy fontos összefüggést is megemlítünk, amely a mintavételezésre vonatkozik. Nevezetesen, ha egy diszkrét g függvényt (azaz sorozatot) úgy állítunk el egy folytonos idej f függvényb l, hogy azt az egész id pontokban mintavételezzük, akkor a g Fourier-transzformáltja el állítható f Fouriertranszformáltjának periodizáltjaként. Alkalmazva a (.) alatt bevezetett periodizáló operátor jelöléseit és bevezetve az E T := E (ha T = 1) jelölést formálisan a ĝ(x) = (E f)(x) alakhoz jutunk. Ez által elméleti és gyakorlati szempontból egyaránt fontos kapcsolatot teremtettünk a folytonos idej Fourier-integrál és a diszkrét sorozatokkal foglalkozó DFT reprezentáció között. 3.. Trigonometrikus Fourier-Együtthatók Az el z esethez hasonlóan most is újratárgyaljuk a bevezetett deníciókat, azonban most a transzformáció értelmezési-, azaz id -tartománya G = M. Kezdve most is a karakterekkel, megmutatható, hogy az ɛ n (n Z) 1- szerint periódikus trigonometrikus függvények karakterei az (M, +) csoportnak és az n ɛ n leképezés egy izomorzmus a Z és az említett csoportok között, tehát az (M, +) csoport duálisa (Z, +), azaz Ĝ = Z. (.9) alkalmazásával, n-dimenziós esetben a (M n, +) karakter csoportja (Z n, +) csoporttal azonosítható.

17 3. FEJEZET. TRANSZFORMÁCIÓK 16 A (.11) alatt bevezetett Fourier-transzformáció G = M esetre vonatkozó megfelel je az L 1 (M)-beli függvények f(n) = f(t) exp( πint) dt (f L 1 (M), n Z) (3.6) M úgynevezett Trigonometrikus Fourier-Együtthatója (TFE). Látható tehát, hogy a transzformáció adott integrálható függvényb l, a függvényhez tartozó együtthatók sorozatát állítja el. A (.18) alatt bevezetett konvolúció TFE-re vontakozó alakja az alábbi formában írható fel: (f g)(x) := 1 0 f(t)g(x t) dt (x G = M, f, g L 1 (M)). (3.7) Természetesen a (3.6) transzformáció a most bevezetett konvolúciót is a transzformáltak szorzatába viszi át. Az (.4) inverziós formula G = M csoportra vonatkozó alakja az f(x) := n Z f(n)ɛ n (x) (f L 1 (M), f l 1 (Z)) (3.8) alakot ölti, amely alatt a (3.6) transzformációval el állított ˆf együtthatókból a függvény el állítását értjük. Egy M = [0, 1) intervallumon értelmezett függvény, tulajdonképpen felfoghatók egy periodikus nem feltétlenül folytonos függvény egyetlen periódusának, ahol a periódusid t az intervallum hossza jelen esetben 1 jelöli. Ez által az f M függvények kiterjeszthet k az egész valós számegyenesre periodikus függvényekké, jelöljük ezeket f szimbólummal. Általánosabb formában való felíráshoz jelöljük T 0 -lal a periodusid t. Egy periodikus, folytonos idej f(t) függvény ismeretesen végtelen sok diszkrét komponensb l álló Fourier-sorba fejthet, az f(t) = m= c m e imω 0t (3.9) kifejtéssel, ahol a c m komplex Fourier-együtthatók tetsz leges m egész számra a c m = 1 T0 / f(t)e imω0t dt (3.10) T 0 T 0 / egy periódusra vett integrálból számolhatók. Az f(t) függvény T 0 periódusideje és a Fourier-sorfejtés mω 0 frekvenciájú tagjai közötti kapcsolat az ω 0 alapharmonikuson keresztül az ω 0 = π/t 0 egyenletb l következik.

18 3. FEJEZET. TRANSZFORMÁCIÓK Trigonometrikus Fourier-Sor Ebben az esetben az id -tartomány az egész számok halmaza, azaz G = Z. Ennek következménye, hogy a bevezetésre kerül transzformáció l 1 (Z)-beli konvergens sorozatok felett operál. El z ekben (3.) alatt megmutattuk, hogy az (M, +) csoport duálisa (Z, +). Minthogy az ɛ t (t M) függvények a (Z, +) csoport karakterei, és valamennyi karakter megkapható ilyen módon, továbbá az ɛ t1 (x)ɛ t (x) = ɛ t1 +t (x) (t 1, t M, x Z) azonosságot gyelembe véve adódik, hogy (Z, +) csoport duálisa izomorf az (M, +) csoporttal. (.9) alkalmazásával, n-dimenziós esetben a (Z n, +) karakter csoportját az (M n, +) csoport azonosítja. A (.11) alatt bevezetett Fourier-transzformáció G = Z esetre vonatkozó megfelel je az l 1 (Z)-beli sorozatok f(x) = n Z f(n)exp( πinx) (f l 1 (Z), x M) (3.11) úgynevezett Trigonometrikus Fourier-Sora (TFS). A (.18) alatt bevezetett konvolúció TFS-re vontakozó alakja az alábbi alakot ölti: (f g)(m) := n Z f(n)g(m n) (m G = Z, f, g l 1 (Z)). (3.1) Itt jegyezzük meg, hogy minden kés bbiekben bemutatásra kerül líneáris, id invariáns sz rés, tulajdonképpen egy rögzített függvénnyel vett konvolúció, azaz szemléletesen minden kimen érték, a bemeneti értékek id t l független sz r -együtthatókkal vett súlyzott összege. Ezt a fajta konvolúciót természetesen diszkrét jelek feldolgozásánál használjuk, számos bemen jel ugyanis felfogható egy diszkrét sorozatnak, gondoljunk csak egy képre, ami véges sok pixel-értékb l áll. Mint általánosságban, most is igaz a (.19) formula, ami a konvolúció és a Fourier-transzformáció közötti kapcsolatot teremti meg. Az (.4) inverziós formula G = Z csoportra vonatkozó alakja az f(n) := f(x)ɛ n (x) dx (f l 1 (Z)) (3.13) M alakot ölti, ami tulajdonképpen az eredeti sorozat együtthatókból való el állítását jelenti.

19 3. FEJEZET. TRANSZFORMÁCIÓK Diszkrét Fourier-Sor A periodikus sorozatok több szempontból is nagyon fontosak. Egyrészt, minden véges hosszúságú sorozat felfogható egy periodikus sorozat egyetlen periódusaként. Másrészt, a periodikus sorozatok úgynevezett Diszkrét Fourier-Soros reprezentációja képezi az összeköt láncszemet a teoretikus Fourier-integrálok és a numerikus számításra alkalmas diszkrét Fouriertranszformáltak között. Ha a T 0 periódusid t N egyenl részre osztjuk, és az így kapott T = T 0 /N id t tekintjük egységnyinek, akkor bármelyik t = nt n id pillanathoz tartozó f(nt ) = f(n) diszkrét helyettesítési érték a (3.9)-b l a T ω 0 = π/n helyettesítéssel f(n) = c m e imω0nt = c m ɛ N mn n = 0, 1,..., N 1 m= m= alakú lesz, ahol ɛ N n := exp(inπ/n) a komplex egységvektor N-edik gyökét jelenti. A kapott sor m futóindexe szerinti összegzés csoportokra bontható a következ felbontással: m = k + rn k = 0, 1,..., N 1 és r Z. (3.14) Az ɛ N N = 1 és ɛn (k+rn)n = ɛn kn azonosságok alkalmazásával a fenti sorfejtés tovább bontható, vagyis N 1 N 1 f(n) = c k+rn ɛ N (k+rn)n = c k+rn. (3.15) Bevezetve a k=0 r= F f(k) = N r= ɛ N nk k=0 r= c k+rn k = 0, 1,..., N 1 (3.16) úgynevezett átlapolt együtthatókat, akkor a (3.15) sorfejtés a f(n) = N 1 k=0 1 N F f(k)ɛ N nk, n = 0, 1,..., N 1 (3.17) véges periodikus összeg alakba írható, amib l a periodikus F f(n) együtthatók meghatározhatók. Összefoglalva tehát, a (.11) alatt bevezetett Fouriertranszformáció, periodikus f(n) id tartománybeli sorozatokra vonatkozó megfelel je a periodikus frekvencia-tartománybeli sorozatok F (k) = F f(n) = N 1 n=0 f(n)ɛ N kn, k = 0, 1,..., N 1 (3.18)

20 3. FEJEZET. TRANSZFORMÁCIÓK 19 úgynevezett Diszkrét Fourier-Sora (DFS). A (.18) alatt bevezettet konvolúció periodikus sorozatokra vonatkozó alakja a ( f g)(n) := N 1 m=0 f(m) g(n m) (3.19) formulával megadott, úgynevezett periodikus konvolúció. A most megadott konvolúció az eddigiekt l annyiban különbözik, hogy mind az f(m) mind a g(n m) N-re periodikus, így tehát a szorzatuk is az. Az összegzést azonban csak egyetlen periódusra kell elvégezni. Természetesen a (.19) alatt bevezetett azonosság most is teljesül, méghozzá abban a formában, hogy két periodikus sorozat periodikus konvolúciójának diszkrét Fourier-soros transzformáltja a két sorozat DFS transzformáltjának a szorzatát adja. A (.4) alatt deniált inveziós formula, periodikus sorozatokra vonatkozó alakja a f(n) = 1 N N 1 k=0 F (k)ɛ N kn, n = 0, 1,..., N 1 (3.0) formában jelenik meg, mellyel az id - és frekvencia-tartománybeli periodikus sorozatok között a dualitást teljessé tettük Diszkrét Fourier-Transzformáció A véges hosszúságú sorozatok nagyon fontos esetében a DFS, illetve az inverz DFS Fourier-reprezentáció egyszer södik és az úgynevezett Diszkrét Fourier-Transzformációba és inverzébe megy át. Egy véges hosszúságú, N mintából álló f(n) sorozat úgy hozható kapcsolatba a periodikus sorozatokat leíró DFS reprezentációval, hogy azt egy N pontos periódussal rendelkez periodikus f(n) jelsorozat egyetlen periódusának tekintjük. Az f(n) sorozat periodikus ismétlésével generált f(n) (periodikus) sorozathoz viszont már tartozik egy egyértelm F (k) DFS-együtthatós leírás, amely maga is N-re periodikus. Ha most ezekb l az F (k) együtthatókból csak egyetlen periódust, mint véges hosszúságú N pontos f(k) sorozatot tekintünk, akkor az el bbi eljárás fordított irányban is megismételhet. A (.3) alatt bevezetett karakterek vizsgálatával folytatva könnyen igazolható, hogy az (M N, +) csoport karakterei az ɛ n : M N T (n = 0, 1,..., N 1)

21 3. FEJEZET. TRANSZFORMÁCIÓK 0 alakú függvények és ezen csoport duálisa izomorf az egész számok Z N := {0, 1,..., N 1} részhalmazának mod N vett csoportjával. A (.11) alatt bevezetett Fourier-transzformáció G = M N esetre vonatkozó megfelel je az l 1 (Z)-beli diszkrét függvények f(n) = 1 f(t)exp( πint) (f : M N C, n Z N ) (3.1) N t M N úgynevezett Diszkrét Fourier-Transzformációja (DFT). Ez a gyakran találóan véges Fourier-transzformációnak is nevezett mátrixkapcsolat N darab id tartományi komplex minta és N darab frekvencia-tartománybeli komplex spektrumvonal között teremt kölcsönösen egyértelm összefüggést. A transzformáció tehát egyetlen speciális (3.1) ábrán látható mátrixszorzás segíségével megadja egy diszkrét idej jelsorozat frekvenciaspektrumának mintáit. A transzformáló mátrix speciális alakjának köszönhet en a DFT-t algoritmikusan is egyetlen egységként, alapm veletként kezelik, holott természetesen egy bolnyolult rendszerr l van szó. f(0) f(1) f(). f(n 1) ɛ N ɛ N... ɛ N (N 1) = 1 ɛ N ɛ N 4... ɛ N (N 1) ɛ N (N 1) ɛ N (N 1)... ɛ N (N 1) f(0) f(1) f(). f(n 1) 3.1. ábra. Az N-pontos DFT mátrixösszefüggése A (.18) alatt bevezetett konvolúció DFT-ra vontakozó alakja az alábbi formában írható fel: (f g)(x) := 1 f(n)g(x n) (x G = M N, f, g l 1 (M N )). (3.) N n M N A konvolóció elnevezésére gyakran használják a diszkrét konvolúció kifejezést, jelezve, hogy a súlyzott összeadás véges hosszúságú sorozatok felett történik. A (.4) inverziós formula G = M N csoportra vonatkozó alakja az f(x) := n Z N f(n)ɛn (x) (f l 1 (M N )) (3.3)

22 3. FEJEZET. TRANSZFORMÁCIÓK 1 alakot ölti, melynek mátrixösszefüggésére hasonló ábra rajzolható fel, a karakter komplex konjugálása nélkül. A DFT, illetve IDFT jelölések helyett gyakran használják az FFT, illetve IFFT rövidítéseket is, amelyek a Fast Fourier-Transform kifejezés rövidítéseként a DFT-t és annak inverzét kölünös gyorsasággal el állító algoritmikus transzformációra utalnak. Tulajdonképpen ez a módszer (algoritmus) indította meg a modern jelfeldogozás térhódítását. Az FFT m ködését és annak megvalósítását a 4 fejezetben tárgyaljuk részletesebben A z-transzformáció A most következ szakaszban egy olyan transzformációt vezetünk be, amely amellett, hogy a diszkrét Fourier-transzformáció általánosításának számít matematikai módszerét illet en jól kezelhet, egyszer és a diszkrét idej jelfeldolgozás nélkülözhetetlen eszköze. Diszkrét idej rendszernek egy olyan áramkörileg megvalósított, illetve algoritmikusan végrehajtott transzformációt nevezünk, amely a bemeneti x(n) sorozatot egy kimeneti y(n) sorozatba viszi át. A deníciót formálisan az R (Response) operátor segíségével írható fel a y(n) = R(x(n)) (3.4) formula segítségével. A további vizsgálataink során feltesszük, hogy a rendszer líneáris és id invariáns [1]. Ismeretes, hogy bármely x(n) sorozat összerakható az egységnyi impulzus késleltetett, illetve konstanssal szorzott értékeinek összegeként, azaz felírható egy x(n) = k= x(k)δ(n k) (3.5) konvolúciós összeg alakjában, ahol δ(n) = 1, ha n = 0 és azonosan 0 minden más n-re, az úgynevezett egységimpulzus. h(n)-nel jelölve az egységimpulzusra adott válasz-sorozatot, az id invariancia a következ állítással ekvivalens: ha h(n) = R(δ(n)), akkor h(n k) = R(δ(n k)) is teljesül. Ennek és a (3.5) el állításnak a következményeképpen, a kimeneti y(n) jel el állítható ( ) y(n) = R x(k)δ(n k) = x(k)r(δ(n k)) = x(k)h(n k), k= k= k= (3.6) azaz röviden y(n) = x(n) h(n), konvolúciós alakban. A h(n) impulzusválasz-sorozat meghatározása azonban sokszor nehézkes, ezért gyakran használják az úgynevezett transzferfüggvényt [1] a rendszer

23 3. FEJEZET. TRANSZFORMÁCIÓK jellemzésére. A transzferfüggvény deníciószer en egy olyan H(z) függvény, amelyik egy komplex z változó függvényében egyértelm en megadja a rendszernek a z n típusú gerjesztésre adott feleletét z n H(z) alakban. Behelyettesítve a fenti (3.6) egyenletbe az x(n) = z n sorozatot, láthatjuk, hogy az ilyen típusú sorozatok a rendszer sajátfüggvényeinek tekinthet k. Ugyanis ekkor a konvolúciós összeg a ( ) y(n) = h(n) x(n) = z n k h(k) = z n z k h(k) = z n H(z), k= k= alakba írható, ahol a középs tagban a zárójelben lév összeg: H(z) = k= (3.7) h(k)z k, (3.8) ami tulajdonképpen nem más, mint a bevezetni kívánt z-transzformáció. Egy x(n) diszkrét idej sorozat X(z) z-transzformáltját tehát a X(z) = (Zx)(n) = n= x(n)z n (3.9) sor segítségével deniáljuk, minden olyan z komplex értékre, amelyre ez a sor konvergens. Az el állítás tulajdonképpen egy Laurent-sorfejtés [1], amit kétoldalú z-transzformációnak is szoktak nevezni, megkülönböztetésül az n = 0-tól induló úgynevezett egyoldalú z-transzformációtól. Mivel kauzális jelek esetén a két el állítás ekvivalens, ezért a továbbiakban a jobban kezelhet kétoldalút használjuk. Egy rendszer kauzális, ha egy tesz leges n = n 0 id höz tartozó kimeneti érték csak a korábbi, az n n 0 id khöz tartozó bemeneti minták értékét l függ. Ennek következményeként, egy a (3.6) szerinti konvolúciós összeggel jellemezhet líneáris, id invariáns rendszer akkor és csak akkor kauzális, ha h(n) = 0, amikor n < 0. A (3.9) sor konvergenciájának vizsgálatát leegyszerüsíti a Laurent-sorral való kapcsolat, ugyanis így lehet ség nyílik a komplex függvénytan eredményeinek felhasználására. Egy komplex f(z) függvényt analitikusnak nevezünk egy z 0 pontban, ha az z 0 tetsz leges z z 0 < δ (δ > 0) környezetében dierenciálható. Az analitikusság az f(z) = u(x, y) + iv(x, y) felbontáshoz tartozó, úgynevezett Cauchy-Riemann egyenletekb l [1] következik, ahol z = x + iy. Ha f a z 0 pontban nem analitikus, de minden környezetében található olyan pont, ahol f(z) dierenciálható, akkor a z 0 helyet a függvény szinguláris pontjának nevezzük.

24 3. FEJEZET. TRANSZFORMÁCIÓK 3 A Laurent-tétel [1] szerint tesz leges a d : r < z a < R körgy r ben egyérték, analitikus f(z) függvény ebben a gy r ben el állítható a f(z) = n= c n (z a) n (3.30) Laurent-sorával, ahol a c n konstansok a c n = 1 f(ζ)(ζ 0) n 1 dζ, n Z (3.31) πi Γ vonalintegrál formulával számolhatók, ahol Γ a D körgy r ben fekv tetsz leges, az óramutató járásával ellentétes irányítású görbe. Továbbá az R sugár növelésével, illetve a r sugár csökkentésével a D tartományt az f(z) függvény legközelebbi küls, illetve bels szinguláris pontjáig növelhetjük, amely D tartományon a sor (egyenletesen) konvergens és el állítja f(z)- t. Végül az f(z) Laurent-sora a konvergencia tartományában egyértelm, azonban az azonos középpontokhoz tartozó és szinguláris ponttal elválasztott konvergencia-tartományokban az f(z) különböz Laurent-sorokkal állítható el. A komplex z változót az e iω egységkörön felvéve egyszer kapcsolatot találunk egy x(n) sorozat X(z) és x(n) z-, illetve Fourier-transzformáltja között: X(e iω ) = x(n) = X(z) z=e iω. (3.3) Altalánosabban, tekintsük a z komplex változó polárkoordinátás z = e iω alakját. Ekkor a z-transzformáció ezekhez a pontokhoz az (x(n)r n ) sorozat Fourier-transzformáltját rendeli, ahonnan az r = 1 speciális esetben visszakapjuk az egységkörön vett (Fourier-)transzformáltat. Azonban a z- transzformált sorösszege akkor is konvergens lehet, amikor önmagában az x(n) nem az, hiszen most a n= x(n)r n < megkötésnek kell teljesülnie ahhoz, hogy a z-transzformált egyenletesen konvergens legyen. Ez a feltétel egy adott x(n) sorozat esetében nyilvánvalóan csak az r, illetve a z bizonyos érték-tartományában fog teljesülni. Ha X(z) konvergens a r < z < R egyenl tlenségekkel behatárolt körgy r ben, akkor a z-nek ezt a halmazát konvergenciatartománynak nevezzük, melynek megadásával a transzformált már egyértelm vé válik. A Fourier-transzformációval való most bevezett szoros kapcsolat miatt

25 3. FEJEZET. TRANSZFORMÁCIÓK 4 magától értet d nek látszik, hogy az ott bevezetett fogalmak a z-transzformációnál is érvényesek legyenek. Nos, a helyzet majdnem ez. A majdnem szó mint látni fogjuk a fentebb említett konvergenciatartományok miatt szerepel. Természetesen a z-transzformáció is egy líneáris operátor, amelynél a líneáris kombinációt alkotó sorozatok transzformáltjának konvergenciatartománya az egyes sorozatok konvergenciatartományainak a metszete. A transzlációval való kapcsolat a következ formában érvényesül: Z(τ m x(n)) = n= = z m x(n m)z n = k= k= x(k)z k = z m X(z), x(k)z (m+k) = (3.33) ahonnan a z = e iω helyettesítéssel visszakapjuk a (.15) alatt bevezetett Fourier-transzformációra vonatkozó összefüggést. A konvergenciatartomány a transzláció hatására nem változik meg. Legyen Z(x(n)) = X(z) a D : r < z < R konvergenciatartományban. Ekkor az id tartományban a komplex w n sorozattal való szorzásnak a z-transzformált w-val való dilatáltja felel meg, nevezetesen: Z(x(n)w n ) = n= x(n)w n z n = n= x(n)(wz) n = X(wz) = (δ w X)(z), (3.34) ahol a w egy tetsz leges komplex szám. A D konvergenciatartomány a w mennyiséggel átskálázódik: D w : r/ w < z < R/ w. Két sorozat valós konvolúciójának z-transzformáltjára a (.19) összefüggéshez hasonló van érvényben, nevezetesen most a Z(x(n) y(n)) = Z(y(n) x(n)) = X(z)Y (z) (3.35) formula teljesül, melynek konvergenciatartományára a línearitásnál elmondottak teljesülnek. A Z 1 inverz z-transzformáció egy X(z) z-transzformálthoz egy x(n) sorozatot rendel az alábbi módon: x(n) = Z 1 (X(z)) = 1 πi C X(z)z n 1 dz, (n Z), (3.36) ahol C egy olyan kontúrgörbe, amely az X(z) konvergenciatartományában, az óramutató járásával ellentétes irányban haladva körülfogja X(z) szingularitásait, valamint az origót. A fenti vonalintegrál a komplex függvénytanban

26 3. FEJEZET. TRANSZFORMÁCIÓK 5 jól ismert Reziduum-tétel [1] segítségével könnyen meghatározható: x(n) = 1 X(z)z n 1 dz = πi C M Res z=zj (X(z)z n 1 ) = Z 1 (X(z)), (3.37) j=1 ahol z j -k (j = 1,..., M) a C görbe belsejéban lév pólusok. Arról már volt szó, hogy két valós sorozat konvolúcióját a z-transzformáció a transzformáltak szorzatába viszi át. Most vizsgáljuk meg két tesz leges x(n) és y(n) sorozat szorzatának z-transzformáltját. Ehhez legyenek az egyes sorozatokhoz tartozó transzformáltak X(z), illetve Y (z), melyek a D x, illetve D y tartományban konvergensek. Ekkor a sorozatok szorzataként deniált w(n) sorozat W (z) z-transzformáltját az alábbi komplex konvolúció segítségével számoljuk: W (z) = Z(w(n)) = Z(x(n)y(n)) = 1 πi C Y (v)x( z v )v 1 dv, (3.38) ahol C az óramutató járásával ellentétes irányítású, D x és D y tartományok metszetének konvergenciatartományában haladó zárt görbe. A most bevezetett (3.38) formulából közvetlenül levezethet a Parseval-féle formula: x(n)y(n) = 1 X(v)Y ( 1 πi C v )v 1 dv, (3.39) n= ahol v a v komplex konjugáltját jelöli. A korábbiakban láthattuk, hogy egy periodikus x(n) sorozatot az ugyancsak periodikus X(k) diszkrét Fourier-soros együtthatók segítségével írhatunk le, továbbá ez a kapcsolat a (3.18) és (3.0) szerint kölcsönös és egyértelm. Nyílvánvaló, hogy a periodikus x(n) sorozatnak nem létezik z- transzformáltja, hiszen a periodicitás miatt az el állító sor sehol sem fog konvergálni. Helyette emeljük ki az N-re periodikus sorozat egy periódusát és jelöljük x(n)-nel, azaz x(n) = x(n), ha 0 n N 1, és x(n) = 0 egyébként. Ez által a (3.9) alatt bevezetett z-transzformált a X(z) = n= x(n)z n = N 1 n=0 x(n)z n (3.40) véges összegre egyszer södik. Ezt összevetve a (3.18) alatti, X(k) DFS e- gyütthatók meghatározására szolgáló egyenlettel, meggyelhet, hogy X(z) és X(k) kapcsolatára az X(k) = X(z) z=e i πk N = X(ei πk N ) = X(ɛ N k ) (3.41)

27 3. FEJEZET. TRANSZFORMÁCIÓK 6 összefüggés írható fel. Látható tehát, hogy az X(k) DFS együtthatók az X(z) z-transzformáltnak a komplex egységkörön felvett mintáival egyenl k, amely N darab minta a z = 1 pontból kiindulva egymástól π/n radiánra helyezkedik el. Most vizsgáljuk meg a kapcsolatot a másik oldalról is, azaz induljunk ki egy olyan nemperiodikus, általában véges hosszúságú x(n) sorozatból, amelynek létezik a (3.9) szerinti X(z) z-transzformáltja, amely egyértelm en adott. Ha most az X(z) egységkörös mintáit a (3.41) alatti összefüggéshez hasonlóan az X(k) = X(z) z=e i πk N = m= x(m)e i π N km = m= x(m)ɛ N km (3.4) formában DFS együtthatóknak tekintjük, akkor az inverz DFS transzformáció egy periodikus x(n) = 1 N N 1 k=0 X(k)e i π N kn = 1 N N 1 k=0 X(k)ɛ N kn (3.43) sorozatot rendel hozzá. A (3.4) alatti összefüggést behelyettesítve a most levezetett eredménybe a ( x(n) = 1 N 1 ) ( ) N 1 x(m)ɛ N km ɛ N 1 kn = x(m) ɛ N k(n m) N N k=0 m= m= k=0 (3.44) formulához jutunk, ahol a zárójelben lév kifejezés értéke éppen 1, ha m = n + rn és zérus, minden más m értékre. Ez utóbbi megjegyzés gyelembevételével végeredményül az x(n) = r= x(n + rn) (3.45) egyenl séghez jutunk, azaz a z-transzformált mintavételezésével és az azt követ inverz DFS transzformációval el állított periodikus x(n) sorozat a kiinduló x(n) sorozat N-pontos ismétlésével állítható el. Azonban az el állítás csak akkor lehet egyértelm, ha az x(n) sorozat hosszúsága eredetileg kisebb volt, mint N. Ellenkez esetben ugyanis, x(n) el állítása közben a sorozatok átlapolódnak és a z-transzformált mintavételezéséb l kapott x(n) sorozatból az x(n) nem nyerhet vissza. A probléma természetesen megoldható N növelésével.

28 3. FEJEZET. TRANSZFORMÁCIÓK 7 Most a z-transzformáltat az egységkör mintáiból el állítjuk zárt alakban. Kindulva az N pont hosszúságú x(n) sorozat X(z) z-transzformáltjából: X(z) = N 1 n=0 x(n)z n, (3.46) helyettesítsünk az x(n) helyébe az x(n) sorozat (3.43) szerinti inverz DFS kifejtését (ez megtehet, hiszen x(n) = x(n), ha 0 n N 1). Ekkor kapjuk, hogy X(z) = N 1 n=0 ( 1 N N 1 k=0 X(k)ɛ N kn ) z n = 1 N N 1 k=0 X(k) ( N 1 ) (ɛ N k z 1 ) n. (3.47) A zárójelben lév kifejezés megadható zárt alakban a mértani sor részletösszegére vonatkozó formula segítségével, továbbá a ɛ N kn = 1 miatt az X(z) z-transzformált a következ alakot ölti: X(z) = 1 N N 1 k=0 X(k) 1 z N 1 z N = 1 ɛ N k z 1 N N 1 k=0 n=0 X(k) 1 ɛ N k z 1. (3.48) Azonban a mintavételezést általában egy r < 1 sugarú körön szokták elvégezni, ezért a (3.48) egy általánosabb alakja: X(z) = (1 r N z N ) 1 N k=0 N 1 k=0 X(rɛ N k ) 1 rɛ N k z 1. (3.49) Ez utóbbi formula kiszámítása a X(rɛ N k ) minták meghatározása miatt nehézkes, azonban, ha az r elég közel van az egységhez, akkor számolhatunk az N eredeti X(ɛ k ) mintákkal is. A most levezetett zárt alak segítségével a Fourier-transzformáltat is megadhatjuk ilyen formában a z = e iω helyettesítéssel. Ekkor ugyanis a (3.48) formula a N 1 X(e iω ) = X(k)Φ(ω π k) (3.50) N alakba hozható. Kifejtve a (3.48) alatti összeg k-adik tagját: 1 1 z N N 1 ɛ = z N ( N ) z z N ( ) N = k z 1 N z 1 ɛ N z 1 k ɛ N k ɛ N k z 1 z=e iω N 1 iω sin(n ω/) = e Ne iπk/n sin(ω/ πk/n), (3.51)

29 3. FEJEZET. TRANSZFORMÁCIÓK 8 majd a k = 0 esethez tartozó számolgatások után Φ(ω) interpoláló függvény explicit kifejezhet a N 1 iω sin(n ω/) Φ(ω) = e N sin(ω/) (3.5) formula segítségével. Összefoglalva a kapott eredményeket a Fourier-transzformált az alábbi zárt alakra hozható: X(e iω ) = N 1 k=0 N 1 iω sin(n ω/) X(k)e Ne iπk/n sin(ω/ πk/n). (3.53)

30 4. fejezet Algoritmusok 4.1. Gyors Fourier-Transzformáció A 3.5. szakaszban bevezetett DFT azért válhatott a diszkrét idej jelfeldolgozás és sz rés meghatározó elemévé, mert léteznek olyan algoritmusok, illetve számítástechnikai megoldások, amelyekkel a DFT operációinak hatalmas m veletigényei igen nagy mértékben lecsökkenthet k, ezzel sokkal hatékonyabbá és gyorsabbá téve a transzformációt. Egy N-pontos DFT közvetlen kiszámítása során bármelyik X(k) DFT együttható kiszámításához N komplex szorzást és N 1 komplex összeadást kell elvégezni. Ez azt jelenti, hogy az N darab együttható meghatározásához összesen N komplex szorzásra és (N 1)N komplex összeadásra van szükség, tehát a transzformáció m veletigénye O(N ). Természetesen a komplex m veleteket a jól ismert ɛ k (x) = e iπkx = cos(πkx) + i sin(πkx), (k Z, x R) (4.1) Euler-formula segítségével felbonthatjuk valós operációkra a következ képpen: ( N 1 N 1 ( ) ( ) ) πnk πnk X(k) = x(n)ɛ N nk = x(n) cos i sin = N N n=0 n=0 [( N 1 ( ) ( ) ) πnk πnk = R(x(n)) cos + I(x(n)) sin N N n=0 ( ( ) ( ) )] πnk πnk i R(x(n)) sin I(x(n)) cos, (4.) N N ahol R(x), illetve I(x) a komplex x szám valós, illetve képzetes részét jelölik. Az így kialakított valós operációk m veletigénye 4N valós szorzás és 9

31 4. FEJEZET. ALGORITMUSOK 30 N(4N ) valós összeadás. Mindehhez hozájön még a komplex x(n) sorozat N valós mintájának, valamint az ɛ N nk tényez knek megfelel színuszés koszinusz-együtthatók sorozatának tárolása. Ezek után nem nehéz belátni, hogy az N-pontos DFT direkt módon történ kiszámítása N -tel arányosan n. Ezzel szemben a most bemutatásra kerül gyors Fouriertranszformációk (FFT), egy ugyanilyen N elem bemenet DFT kiszámításához, csak N log N komplex m veletet végeznek. Ez a log N/N arányú m veletigény-csökkenés méltán tekinthet radikálisnak, hiszen már egy N = 104 elem bemeneti minta transzformációjának kiszámítása is kb szoros javulást eredményez. A következ kben egy példán kersztül szemléltetjük a DFT redundanciáját. Legyen a bemenetünk egy N = 8 pont hosszúságú, zérusokkal 16 elem re kiegészített valós sorozat. A sorozat valóssága miatt a (4.) alatt levezetett összefüggés az alábbi 15 ( ) nkπ 15 ( ) nkπ X(k) = x(n) cos i x(n) sin 8 8 n=0 n=0 (4.3) egyszer bb alakba írható. Ismeretes, hogy a DFT-re érvényes az úgynevezett komplex konjugációs tétel [1], azaz fennáll a X(N k) = X(k), (k = 0, 1,,..., N ) (4.4) egyenl ség, ahol z a z szám komplex konjugáltját jelöli és N páros szám. A fenti (4.3) alatti egyenl ség k = 0, 1,..., 8 értékek melletti, pl. cos(nkπ/8) számokat tartalmazó, 16 oszlopos C mátrix sorainak száma, az iménti (4.4) tétel következményeként, 9-re redukálódik. Ez által a szögfüggvények értékeit tartalmazó C mátrix a 4.1. ábrán látható alakba írható, ahol az a, b és c speciális konstansok érétkei rendre cos(π/8), cos(π/8) és cos(3π/8). E mátrix segítségével a DFT a következ mátrix-vektor szorzatként állítható el : X = Cx, ahol x a 16 elem mintát tartalmazó bemen jel, X pedig a DFT együtthaókat tartalmazó 9 elem tömb. A mátrixszorzás úgy interpretálható, hogy az x(n) bemen jelet 9 különböz koszinusz-generátor jellel összehasonlítjuk és k = 0, 1,..., 8 értékekre megvizsgáljuk, hogy a k-adik vizsgáló koszinuszjel mennyire hasonlít az x(n) sorozatra. A hasonlóság mértékén most egy diszkrét skaláris-szorzatot értünk, nevezetesen a C mátrix k-adik sorát jobbról megszorozzuk az x(n) mintákból álló x vektorral, mely szorzatnak az eredménye éppen az X(k) DFT frekvenciaminta valós része lesz. Ha most

Fourier transzformáció

Fourier transzformáció a Matematika mérnököknek II. című tárgyhoz Fourier transzformáció Fourier transzformáció, heurisztika Tekintsük egy 2L szerint periodikus függvény Fourier sorát: f (x) = a 0 2 + ( ( nπ ) ( nπ )) a n cos

Részletesebben

1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények

1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények 1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények 1.1. Dierenciálhatóság 1.1. deníció. Legyen a z 0 pont az f(z) függvény értelmezési tartományának torlódási

Részletesebben

Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján

Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján Sorozatok, sorok, függvények határértéke és folytonossága Leindler Schipp - Analízis I. könyve + jegyzetek, kidolgozások alapján Számsorozatok, vektorsorozatok konvergenciája Def.: Számsorozatok értelmezése:

Részletesebben

Vektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27

Vektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27 Vektorterek Wettl Ferenc 2015. február 17. Wettl Ferenc Vektorterek 2015. február 17. 1 / 27 Tartalom 1 Egyenletrendszerek 2 Algebrai struktúrák 3 Vektortér 4 Bázis, dimenzió 5 Valós mátrixok és egyenletrendszerek

Részletesebben

Matematika (mesterképzés)

Matematika (mesterképzés) Matematika (mesterképzés) Környezet- és Településmérnököknek Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Vinczéné Varga A. Környezet- és Településmérnököknek 2016/2017/I 1 / 29 Lineáris tér,

Részletesebben

Gibbs-jelenség viselkedésének vizsgálata egyszer négyszögjel esetén

Gibbs-jelenség viselkedésének vizsgálata egyszer négyszögjel esetén Matematikai modellek, I. kisprojekt Gibbs-jelenség viselkedésének vizsgálata egyszer négyszögjel esetén Unger amás István B.Sc. szakos matematikus hallgató ungert@maxwell.sze.hu, http://maxwell.sze.hu/~ungert

Részletesebben

2. Fourier-elmélet Komplex trigonometrikus Fourier-sorok. 18 VEMIMAM244A előadásjegyzet, 2010/2011

2. Fourier-elmélet Komplex trigonometrikus Fourier-sorok. 18 VEMIMAM244A előadásjegyzet, 2010/2011 8 VEMIMAM44A előadásjegyzet, /. Fourier-elmélet.. Komplex trigonometrikus Fourier-sorok Tekintsük az [, ], C Hilbert-teret, ahol a skaláris szorzat definíciója f, g ftgt dt. Tekintsük a [, ] intervallumon

Részletesebben

Funkcionálanalízis. Gyakorló feladatok március 22. Metrikus tér, normált tér és skalárszorzat tér

Funkcionálanalízis. Gyakorló feladatok március 22. Metrikus tér, normált tér és skalárszorzat tér Funkcionálanalízis Gyakorló feladatok 2017 március 22 Metrikus tér, normált tér és skalárszorzat tér N1 Metrikát deniálnak-e R-en az alábbi függvények: (a) d(x, y) = x y (b) d(x, y) = x y (c) d(x, y) =

Részletesebben

Funkcionálanalízis. n=1. n=1. x n y n. n=1

Funkcionálanalízis. n=1. n=1. x n y n. n=1 Funkcionálanalízis 2011/12 tavaszi félév - 2. előadás 1.4. Lényeges alap-terek, példák Sorozat terek (Folytatás.) C: konvergens sorozatok tere. A tér pontjai sorozatok: x = (x n ). Ezen belül C 0 a nullsorozatok

Részletesebben

Ortogonalizáció. Wettl Ferenc Wettl Ferenc Ortogonalizáció / 41

Ortogonalizáció. Wettl Ferenc Wettl Ferenc Ortogonalizáció / 41 Ortogonalizáció Wettl Ferenc 2016-03-22 Wettl Ferenc Ortogonalizáció 2016-03-22 1 / 41 Tartalom 1 Ortonormált bázis 2 Ortogonális mátrix 3 Ortogonalizáció 4 QR-felbontás 5 Komplex skaláris szorzás 6 Diszkrét

Részletesebben

Vektorok. Wettl Ferenc október 20. Wettl Ferenc Vektorok október / 36

Vektorok. Wettl Ferenc október 20. Wettl Ferenc Vektorok október / 36 Vektorok Wettl Ferenc 2014. október 20. Wettl Ferenc Vektorok 2014. október 20. 1 / 36 Tartalom 1 Vektorok a 2- és 3-dimenziós térben 2 Távolság, szög, orientáció 3 Vektorok koordinátás alakban 4 Összefoglalás

Részletesebben

Fraktálok. Kontrakciók Affin leképezések. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék. TARTALOMJEGYZÉK Kontrakciók Affin transzformációk

Fraktálok. Kontrakciók Affin leképezések. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék. TARTALOMJEGYZÉK Kontrakciók Affin transzformációk Fraktálok Kontrakciók Affin leképezések Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék TARTALOMJEGYZÉK 1 of 71 A Lipschitz tulajdonság ÁTMÉRŐ, PONT ÉS HALMAZ TÁVOLSÁGA Definíció Az (S, ρ) metrikus tér

Részletesebben

Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit.

Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit. 2. A VALÓS SZÁMOK 2.1 A valós számok aximómarendszere Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit. 1.Testaxiómák R-ben két művelet van értelmezve, az

Részletesebben

Diszkrét idej rendszerek analízise az id tartományban

Diszkrét idej rendszerek analízise az id tartományban Diszkrét idej rendszerek analízise az id tartományban Dr. Horváth Péter, BME HVT 06. október 4.. feladat Számítuk ki a DI rendszer válaszát, ha adott a gerjesztés és az impulzusválasz! u[k = 0,6 k ε[k;

Részletesebben

25 i, = i, z 1. (x y) + 2i xy 6.1

25 i, = i, z 1. (x y) + 2i xy 6.1 6 Komplex számok megoldások Lásd ábra z = + i, z = + i, z = i, z = i z = 7i, z = + 5i, z = 5i, z = i, z 5 = 9, z 6 = 0 Teljes indukcióval 5 Teljes indukcióval 6 Az el z feladatból következik z = z = =

Részletesebben

Megoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1

Megoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1 Megoldott feladatok 00. november 0.. Feladat: Vizsgáljuk az a n = n+ n+ sorozat monotonitását, korlátosságát és konvergenciáját. Konvergencia esetén számítsuk ki a határértéket! : a n = n+ n+ = n+ n+ =

Részletesebben

2. gyakorlat. A polárkoordináta-rendszer

2. gyakorlat. A polárkoordináta-rendszer . gyakorlat A polárkoordináta-rendszer Az 1. gyakorlaton megismerkedtünk a descartesi koordináta-rendszerrel. Síkvektorokat gyakran kényelmes ún. polárkoordinátákkal megadni: az r hosszúsággal és a φ irányszöggel

Részletesebben

f(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva

f(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva 6. FÜGGVÉNYEK HATÁRÉRTÉKE ÉS FOLYTONOSSÁGA 6.1 Függvény határértéke Egy D R halmaz torlódási pontjainak halmazát D -vel fogjuk jelölni. Definíció. Legyen f : D R R és legyen x 0 D (a D halmaz torlódási

Részletesebben

Analízisfeladat-gyűjtemény IV.

Analízisfeladat-gyűjtemény IV. Oktatási segédanyag a Programtervező matematikus szak Analízis. című tantárgyához (003 004. tanév tavaszi félév) Analízisfeladat-gyűjtemény IV. (Függvények határértéke és folytonossága) Összeállította

Részletesebben

Bevezetés. 1. fejezet. Algebrai feladatok. Feladatok

Bevezetés. 1. fejezet. Algebrai feladatok. Feladatok . fejezet Bevezetés Algebrai feladatok J. A számok gyakran használt halmazaira a következ jelöléseket vezetjük be: N a nemnegatív egész számok, N + a pozitív egész számok, Z az egész számok, Q a racionális

Részletesebben

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 5-7. ea ősz

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 5-7. ea ősz Fourier térbeli analízis, inverz probléma Orvosi képdiagnosztika 5-7. ea. 2017 ősz 5. Előadás témái Fourier transzformációk és kapcsolataik: FS, FT, DTFT, DFT, DFS Mintavételezés, interpoláció Folytonos

Részletesebben

Mer legesség. Wettl Ferenc 2015-03-13. Wettl Ferenc Mer legesség 2015-03-13 1 / 40

Mer legesség. Wettl Ferenc 2015-03-13. Wettl Ferenc Mer legesség 2015-03-13 1 / 40 Mer legesség Wettl Ferenc 2015-03-13 Wettl Ferenc Mer legesség 2015-03-13 1 / 40 Tartalom 1 Pszeudoinverz 2 Ortonormált bázis ortogonális mátrix 3 Komplex és véges test feletti terek 4 Diszkrét Fourier-transzformált

Részletesebben

Fourier-sorok. néhány esetben eltérhetnek az előadáson alkalmazottaktól. Vizsgán. k=1. 1 k = j.

Fourier-sorok. néhány esetben eltérhetnek az előadáson alkalmazottaktól. Vizsgán. k=1. 1 k = j. Fourier-sorok Bevezetés. Az alábbi anyag a vizsgára való felkészülés segítése céljából készült. Az alkalmazott jelölések vagy bizonyítás részletek néhány esetben eltérhetnek az előadáson alkalmazottaktól.

Részletesebben

Skalárszorzat, norma, szög, távolság. Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2005.

Skalárszorzat, norma, szög, távolság. Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2005. 1 Diszkrét matematika II., 4. el adás Skalárszorzat, norma, szög, távolság Dr. Takách Géza NyME FMK Informatikai Intézet takach@inf.nyme.hu http://inf.nyme.hu/ takach/ 2005. március 1 A téma jelent sége

Részletesebben

HALMAZELMÉLET feladatsor 1.

HALMAZELMÉLET feladatsor 1. HALMAZELMÉLET feladatsor 1. Egy (H,, ) algebrai struktúra háló, ha (H, ) és (H, ) kommutatív félcsoport, és teljesül az ún. elnyelési tulajdonság: A, B H: A (A B) = A, A (A B) = A. A (H,, ) háló korlátos,

Részletesebben

Függvények július 13. f(x) = 1 x+x 2 f() = 1 ()+() 2 f(f(x)) = 1 (1 x+x 2 )+(1 x+x 2 ) 2 Rendezés után kapjuk, hogy:

Függvények július 13. f(x) = 1 x+x 2 f() = 1 ()+() 2 f(f(x)) = 1 (1 x+x 2 )+(1 x+x 2 ) 2 Rendezés után kapjuk, hogy: Függvények 015. július 1. 1. Feladat: Határozza meg a következ összetett függvényeket! f(x) = cos x + x g(x) = x f(g(x)) =? g(f(x)) =? Megoldás: Összetett függvény el állításához a küls függvényben a független

Részletesebben

3. Lineáris differenciálegyenletek

3. Lineáris differenciálegyenletek 3. Lineáris differenciálegyenletek A közönséges differenciálegyenletek két nagy csoportba oszthatók lineáris és nemlineáris egyenletek csoportjába. Ez a felbontás kicsit önkényesnek tűnhet, a megoldásra

Részletesebben

FFT. Második nekifutás. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék október 2.

FFT. Második nekifutás. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék október 2. TARTALOMJEGYZÉK Polinomok konvolúviója A DFT és a maradékos osztás Gyűrűk támogatás nélkül Második nekifutás Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék 2015. október 2. TARTALOMJEGYZÉK Polinomok

Részletesebben

1. Példa. A gamma függvény és a Fubini-tétel.

1. Példa. A gamma függvény és a Fubini-tétel. . Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +

Részletesebben

Diszkrét idej rendszerek analízise szinuszos/periodikus állandósult állapotban

Diszkrét idej rendszerek analízise szinuszos/periodikus állandósult állapotban Diszkrét idej rendszerek analízise szinuszos/eriodikus állandósult állaotban Dr. Horváth Péter, BME HVT 6. november 4.. feladat Adjuk meg az alábbi jelfolyamhálózattal rerezentált rendszer átviteli karakterisztikáját

Részletesebben

Mátrix-exponens, Laplace transzformáció

Mátrix-exponens, Laplace transzformáció 2016. április 4. 2016. április 11. LINEÁRIS DIFFERENCIÁLEGYENLET RENDSZEREK ÉS A MÁTRIX-EXPONENS KAPCSOLATA Feladat - ismétlés Tegyük fel, hogy A(t) = (a ik (t)), i, k = 1,..., n és b(t) folytonos mátrix-függvények

Részletesebben

minden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének.

minden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének. Függvények határértéke és folytonossága Egy f: D R R függvényt korlátosnak nevezünk, ha a függvényértékek halmaza korlátos. Ha f(x) f(x 0 ) teljesül minden x D esetén, akkor x 0 -at a függvény maximumhelyének

Részletesebben

Függvényhatárérték és folytonosság

Függvényhatárérték és folytonosság 8. fejezet Függvényhatárérték és folytonosság Valós függvények és szemléltetésük D 8. n-változós valós függvényen (n N + ) olyan f függvényt értünk amelynek értelmezési tartománya (Dom f ) az R n halmaznak

Részletesebben

1. Generátorrendszer. Házi feladat (fizikából tudjuk) Ha v és w nem párhuzamos síkvektorok, akkor generátorrendszert alkotnak a sík vektorainak

1. Generátorrendszer. Házi feladat (fizikából tudjuk) Ha v és w nem párhuzamos síkvektorok, akkor generátorrendszert alkotnak a sík vektorainak 1. Generátorrendszer Generátorrendszer. Tétel (Freud, 4.3.4. Tétel) Legyen V vektortér a T test fölött és v 1,v 2,...,v m V. Ekkor a λ 1 v 1 + λ 2 v 2 +... + λ m v m alakú vektorok, ahol λ 1,λ 2,...,λ

Részletesebben

Szinguláris értékek. Wettl Ferenc április 3. Wettl Ferenc Szinguláris értékek április 3. 1 / 28

Szinguláris értékek. Wettl Ferenc április 3. Wettl Ferenc Szinguláris értékek április 3. 1 / 28 Szinguláris értékek Wettl Ferenc 2015. április 3. Wettl Ferenc Szinguláris értékek 2015. április 3. 1 / 28 Tartalom 1 Szinguláris érték 2 Alkalmazások 3 Norma 4 Mátrixnorma Wettl Ferenc Szinguláris értékek

Részletesebben

Analízis elo adások. Vajda István. 2012. szeptember 10. Neumann János Informatika Kar Óbudai Egyetem. Vajda István (Óbudai Egyetem)

Analízis elo adások. Vajda István. 2012. szeptember 10. Neumann János Informatika Kar Óbudai Egyetem. Vajda István (Óbudai Egyetem) Vajda István Neumann János Informatika Kar Óbudai Egyetem 1 / 36 Bevezetés A komplex számok értelmezése Definíció: Tekintsük a valós számpárok R2 halmazát és értelmezzük ezen a halmazon a következo két

Részletesebben

Komplex számok. Komplex számok és alakjaik, számolás komplex számokkal.

Komplex számok. Komplex számok és alakjaik, számolás komplex számokkal. Komplex számok Komplex számok és alakjaik, számolás komplex számokkal. 1. Komplex számok A komplex számokra a valós számok kiterjesztéseként van szükség. Ugyanis már középiskolában el kerülnek olyan másodfokú

Részletesebben

Permutációk véges halmazon (el adásvázlat, február 12.)

Permutációk véges halmazon (el adásvázlat, február 12.) Permutációk véges halmazon el adásvázlat 2008 február 12 Maróti Miklós Ennek az el adásnak a megértéséhez a következ fogalmakat kell tudni: ismétlés nélküli variáció leképezés indulási és érkezési halmaz

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA MATEmATIkA I 6 VI KOmPLEX SZÁmOk 1 A komplex SZÁmOk HALmAZA A komplex számok olyan halmazt alkotnak amelyekben elvégezhető az összeadás és a szorzás azaz két komplex szám összege és szorzata

Részletesebben

A fontosabb definíciók

A fontosabb definíciók A legfontosabb definíciókat jelöli. A fontosabb definíciók [Descartes szorzat] Az A és B halmazok Descartes szorzatán az A és B elemeiből képezett összes (a, b) a A, b B rendezett párok halmazát értjük,

Részletesebben

MM CSOPORTELMÉLET GYAKORLAT ( )

MM CSOPORTELMÉLET GYAKORLAT ( ) MM4122-1 CSOPORTELMÉLET GYAKORLAT (2008.12.01.) 1. Ismétlés szeptember 1.szeptember 8. 1.1. Feladat. Döntse el, hogy az alábbi állítások közül melyek igazak és melyek (1) Az A 6 csoportnak van 6-odrend

Részletesebben

RENDSZERTECHNIKA 8. GYAKORLAT

RENDSZERTECHNIKA 8. GYAKORLAT RENDSZERTECHNIKA 8. GYAKORLAT ÜTEMTERV VÁLTOZÁS Gyakorlat Hét Dátum Témakör Házi feladat Egyéb 1 1. hét 02.09 Ismétlés, bevezetés Differenciálegyenletek mérnöki 2 2. hét 02.16 szemmel 1. Hf kiadás 3 3.

Részletesebben

Egyváltozós függvények 1.

Egyváltozós függvények 1. Egyváltozós függvények 1. Filip Ferdinánd filip.ferdinand@bgk.uni-obuda.hu siva.banki.hu/jegyzetek 015 szeptember 1. Filip Ferdinánd 015 szeptember 1. Egyváltozós függvények 1. 1 / 5 Az el adás vázlata

Részletesebben

Lineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31

Lineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31 Lineáris leképezések Wettl Ferenc 2015. március 9. Wettl Ferenc Lineáris leképezések 2015. március 9. 1 / 31 Tartalom 1 Mátrixleképezés, lineáris leképezés 2 Alkalmazás: dierenciálhatóság 3 2- és 3-dimenziós

Részletesebben

Függvénytani alapfogalmak

Függvénytani alapfogalmak Függvénytani alapfogalmak 015. február 15. 1. Alapfeladatok 1. Feladat: Határozzuk meg a valós számok legb vebb részhalmazát, 4x + melyen az f(x) = hozzárendelési utasítású függvény értelmezhet! x Megoldás:

Részletesebben

Wavelet transzformáció

Wavelet transzformáció 1 Wavelet transzformáció Más felbontás: Walsh, Haar, wavelet alapok! Eddig: amplitúdó vagy frekvencia leírás: Pl. egy rövid, Dirac-delta jellegű impulzus Fourier-transzformált: nagyon sok, kb. ugyanolyan

Részletesebben

1. Absztrakt terek 1. (x, y) x + y X és (λ, x) λx X. műveletek értelmezve vannak, és amelyekre teljesülnek a következő axiómák:

1. Absztrakt terek 1. (x, y) x + y X és (λ, x) λx X. műveletek értelmezve vannak, és amelyekre teljesülnek a következő axiómák: 1. Absztrakt terek 1 1. Absztrakt terek 1.1. Lineáris terek 1.1. Definíció. Az X halmazt lineáris térnek vagy vektortérnek nevezzük a valós számtest (komplex számtest) felett, ha bármely x, y X elemekre

Részletesebben

Lineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek

Lineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek Lineáris algebra 2 Filip Ferdinánd filipferdinand@bgkuni-obudahu sivabankihu/jegyzetek 2015 december 7 Filip Ferdinánd 2016 februar 9 Lineáris algebra 2 1 / 37 Az el adás vázlata Determináns Determináns

Részletesebben

(!), {z C z z 0 < R} K (K: konv. tart.) lim cn+1

(!), {z C z z 0 < R} K (K: konv. tart.) lim cn+1 Komlex analízis Komlex hatványsorok c n (z z 0 ) n ; R = lim n c n, R = (!), {z C z z 0 < R} K (K: konv. tart.) lim cn+ c n n=0. Van-e olyan komlex hatványsor, melynek a) üres a konvergenciatartománya,

Részletesebben

MBNK12: Permutációk (el adásvázlat, április 11.) Maróti Miklós

MBNK12: Permutációk (el adásvázlat, április 11.) Maróti Miklós MBNK12: Permutációk el adásvázlat 2016 április 11 Maróti Miklós 1 Deníció Az A halmaz permutációin a π : A A bijektív leképezéseket értjünk Tetsz leges n pozitív egészre az {1 n} halmaz összes permutációinak

Részletesebben

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN ELTE TáTK Közgazdaságtudományi Tanszék Gazdaságmatematika középhaladó szinten KOMPLEX SZÁMOK Készítette: Gábor Szakmai felel s: Gábor Vázlat 1 2 3 Történeti bevezetés

Részletesebben

Analízis. 1. fejezet Normált-, Banach- és Hilbert-terek. 1. Definíció. (K n,, ) vektortér, ha X, Y, Z K n és a, b K esetén

Analízis. 1. fejezet Normált-, Banach- és Hilbert-terek. 1. Definíció. (K n,, ) vektortér, ha X, Y, Z K n és a, b K esetén 1. fejezet Analízis 1.1. Normált-, Banach- és Hilbert-terek. Zártés teljes ortonormált rendszer. Fourier-sor. Riesz-Fischer tétel Hilbert-térben. Szeparábilis Hilbert terek izomorfiája. 1.1.1. Normált-,

Részletesebben

1. Számsorok, hatványsorok, Taylor-sor, Fourier-sor

1. Számsorok, hatványsorok, Taylor-sor, Fourier-sor . Számsorok, hatványsorok, Taylor-sor, Fourier-sor Vizsgálja meg a következő végtelen sorokat konvergencia szempontjából. Tétel. (Cauchy-féle belső konvergenciakritérium) A a n végtelen sor akkor és csakis

Részletesebben

PTE PMMFK Levelező-távoktatás, villamosmérnök szak

PTE PMMFK Levelező-távoktatás, villamosmérnök szak PTE PMMFK Levelező-távoktatás, villamosmérnök szak MATEMATIKA (A tantárgy tartalma és a tananyag elsajátításának időterve.) Összeállította: Kis Miklós adjunktus Tankönyvek Megegyeznek az 1. és 2. félévben

Részletesebben

illetve, mivel előjelét a elnyeli, a szinuszból pedig kiemelhető: = " 3. = + " 2 = " 2 % &' + +

illetve, mivel előjelét a elnyeli, a szinuszból pedig kiemelhető: =  3. = +  2 =  2 % &' + + DFT 1. oldal A Fourier-sorfejtés szerint minden periodikus jel egyértelműen felírható különböző amplitúdójú és fázisú szinusz és koszinusz jelek összegeként: = + + 1. ahol az együtthatók, szintén a definíció

Részletesebben

Szinguláris értékek. Wettl Ferenc április 12. Wettl Ferenc Szinguláris értékek április / 35

Szinguláris értékek. Wettl Ferenc április 12. Wettl Ferenc Szinguláris értékek április / 35 Szinguláris értékek Wettl Ferenc 2016. április 12. Wettl Ferenc Szinguláris értékek 2016. április 12. 1 / 35 Tartalom 1 Szinguláris érték 2 Norma 3 Mátrixnorma 4 Alkalmazások Wettl Ferenc Szinguláris értékek

Részletesebben

Fourier-sorok. Lengyelné Dr. Szilágyi Szilvia. 2010. április 7.

Fourier-sorok. Lengyelné Dr. Szilágyi Szilvia. 2010. április 7. ME, Anaĺızis Tanszék 21. április 7. A Taylor-polinom ill. Taylor-sor hátránya, hogy az adott függvényt csak a sorfejtés helyén ill. annak környezetében közeĺıti jól. A sorfejtés helyétől távolodva a közeĺıtés

Részletesebben

DiMat II Végtelen halmazok

DiMat II Végtelen halmazok DiMat II Végtelen halmazok Czirbusz Sándor 2014. február 16. 1. fejezet A kiválasztási axióma. Ismétlés. 1. Deníció (Kiválasztási függvény) Legyen {X i, i I} nemüres halmazok egy indexelt családja. Egy

Részletesebben

KOVÁCS BÉLA, MATEMATIKA I.

KOVÁCS BÉLA, MATEMATIKA I. KOVÁCS BÉLA, MATEmATIkA I. 4 IV. FÜGGVÉNYEk 1. LEkÉPEZÉSEk, függvények Definíció Legyen és két halmaz. Egy függvény -ből -ba egy olyan szabály, amely minden elemhez pontosan egy elemet rendel hozzá. Az

Részletesebben

Lagrange és Hamilton mechanika

Lagrange és Hamilton mechanika Lagrange és 2010. október 17. Lagrange és Tartalom 1 Variáció Lagrange egyenlet Legendre transzformáció Hamilton egyenletek 2 3 Szimplektikus sokaság Hamilton mez Hamilton és Lagrange egyenletek ekvivalenciája

Részletesebben

VEKTORTEREK I. VEKTORTÉR, ALTÉR, GENERÁTORRENDSZER október 15. Irodalom. További ajánlott feladatok

VEKTORTEREK I. VEKTORTÉR, ALTÉR, GENERÁTORRENDSZER október 15. Irodalom. További ajánlott feladatok VEKTORTEREK I. VEKTORTÉR, ALTÉR, GENERÁTORRENDSZER 2004. október 15. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak az előadáson, másrészt megtalálják

Részletesebben

Modellek és Algoritmusok - 2.ZH Elmélet

Modellek és Algoritmusok - 2.ZH Elmélet Modellek és Algoritmusok - 2.ZH Elmélet Ha hibát elírást találsz kérlek jelezd: sellei_m@hotmail.com A fríss/javított változat elérhet : people.inf.elte.hu/semsaai/modalg/ 2.ZH Számonkérés: 3.EA-tól(DE-ek)

Részletesebben

Miért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek

Miért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek Az november 23-i szeminárium témája Rövid összefoglaló Miért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek felfrissítése? Tekintsünk ξ 1,..., ξ k valószínűségi változókat,

Részletesebben

Parciális dierenciálegyenletek

Parciális dierenciálegyenletek Parciális dierenciálegyenletek 2009. május 25. A félév lezárásaként néhány alap-deníciót és alap-példát szeretnék adni a Parciális Dierenciálegynletek (PDE) témaköréb l. Épp csak egy kis izelít t. Az alapfeladatok

Részletesebben

DINAMIKAI VIZSGÁLAT OPERÁTOROS TARTOMÁNYBAN. 2003.10.30. Dr. Aradi Petra, Dr. Niedermayer Péter: Rendszertechnika segédlet 1

DINAMIKAI VIZSGÁLAT OPERÁTOROS TARTOMÁNYBAN. 2003.10.30. Dr. Aradi Petra, Dr. Niedermayer Péter: Rendszertechnika segédlet 1 DINAMIKAI VIZSGÁLAT OPERÁTOROS TARTOMÁNYBAN 2003.10.30. Dr. Aradi Petra, Dr. Niedermayer Péter: Rendszertechnika segédlet 1 Differenciálegyenlet megoldása u(t) diff. egyenlet v(t) a n d n v m dt a dv n

Részletesebben

1. A trigonometrikus rendszer. Ortogonalitás, teljesség

1. A trigonometrikus rendszer. Ortogonalitás, teljesség . A trigonometrikus rendszer. Ortogonalitás, teljesség Az, cos(x), sin(x), cos(x), sin(x),... sorozat trigonometrikus rendszert, az e ikx, (k Z) sorozat pedig komplex trigonometrikus rendszert alkot. Ezen

Részletesebben

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 5. A JELFELDOLGOZÁS ALAPJAI: JELEK

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 5. A JELFELDOLGOZÁS ALAPJAI: JELEK ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 5. A JELFELDOLGOZÁS ALAPJAI: JELEK Dr. Soumelidis Alexandros 2018.10.18. BME KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR 32708-2/2017/INTFIN SZÁMÚ EMMI ÁLTAL TÁMOGATOTT TANANYAG Mérések

Részletesebben

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN Készült a TÁMOP-4.1.-08//a/KMR-009-0041 pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék

Részletesebben

Komplex számok trigonometrikus alakja

Komplex számok trigonometrikus alakja Komplex számok trigonometrikus alakja 015. február 15. 1. Alapfeladatok 1. Feladat: Határozzuk meg az alábbi algebrai alakban adott komplex számok trigonometrikus alakját! z 1 = 4 + 4i, z = 4 + i, z =

Részletesebben

Összeállította: dr. Leitold Adrien egyetemi docens

Összeállította: dr. Leitold Adrien egyetemi docens Skaláris szorzat az R n vektortérben Összeállította: dr. Leitold Adrien egyetemi docens 2008.09.08. 1 Vektorok skaláris szorzata Két R n -beli vektor skaláris szorzata: Legyen a = (a 1,a 2,,a n ) és b

Részletesebben

MATE-INFO UBB verseny, március 25. MATEMATIKA írásbeli vizsga

MATE-INFO UBB verseny, március 25. MATEMATIKA írásbeli vizsga BABEŞ-BOLYAI TUDOMÁNYEGYETEM, KOLOZSVÁR MATEMATIKA ÉS INFORMATIKA KAR MATE-INFO UBB verseny, 218. március 25. MATEMATIKA írásbeli vizsga FONTOS TUDNIVALÓK: 1 A feleletválasztós feladatok,,a rész esetén

Részletesebben

Matematika I. NÉV:... FELADATOK:

Matematika I. NÉV:... FELADATOK: 24.2.9. Matematika I. NÉV:... FELADATOK:. A tanult módon vizsgáljuk az a = 3, a n = 3a n 2 (n > ) rekurzív sorozatot. pt 2n 2 + e 2. Definíció szerint és formálisan is igazoljuk, hogy lim =. pt n 3 + n

Részletesebben

Fehérzajhoz a konstans érték kell - megoldás a digitális szűrő Összegezési súlyok sin x/x szerint (ez akár analóg is lehet!!!)

Fehérzajhoz a konstans érték kell - megoldás a digitális szűrő Összegezési súlyok sin x/x szerint (ez akár analóg is lehet!!!) DSP processzorok: 1 2 3 HP zajgenerátor: 4 Shift regiszter + XOR kapu: 2 n állapot Autókorrelációs függvény: l. pénzdobálás: (sin x/x) 2 burkoló! Fehérzajhoz a konstans érték kell - megoldás a digitális

Részletesebben

Polinomok (el adásvázlat, április 15.) Maróti Miklós

Polinomok (el adásvázlat, április 15.) Maróti Miklós Polinomok (el adásvázlat, 2008 április 15) Maróti Miklós Ennek az el adásnak a megértéséhez a következ fogalmakat kell tudni: gy r, gy r additív csoportja, zéruseleme, és multiplikatív félcsoportja, egységelemes

Részletesebben

Fourier sorok február 19.

Fourier sorok február 19. Fourier sorok. 1. rész. 2018. február 19. Függvénysor, ismétlés Taylor sor: Speciális függvénysor, melynek tagjai: cf n (x) = cx n, n = 0, 1, 2,... Állítás. Bizonyos feltételekkel minden f előállítható

Részletesebben

1.1. Vektorok és operátorok mátrix formában

1.1. Vektorok és operátorok mátrix formában 1. Reprezentáció elmélet 1.1. Vektorok és operátorok mátrix formában A vektorok és az operátorok mátrixok formájában is felírhatók. A végtelen dimenziós ket vektoroknak végtelen sok sort tartalmazó oszlopmátrix

Részletesebben

Shor kvantum-algoritmusa diszkrét logaritmusra

Shor kvantum-algoritmusa diszkrét logaritmusra Ivanyos Gábor MTA SZTAKI Debrecen, 20 január 2. Tartalom és kvantum-áramkörök 2 A diszkrét log probléma Kvantum bit Állapot: a B = C 2 komplex euklideszi tér egy egységvektora: az a 0 + b szuperpozíció

Részletesebben

Utolsó el adás. Wettl Ferenc BME Algebra Tanszék, Wettl Ferenc (BME) Utolsó el adás / 20

Utolsó el adás. Wettl Ferenc BME Algebra Tanszék,   Wettl Ferenc (BME) Utolsó el adás / 20 Utolsó el adás Wettl Ferenc BME Algebra Tanszék, http://www.math.bme.hu/~wettl 2013-12-09 Wettl Ferenc (BME) Utolsó el adás 2013-12-09 1 / 20 1 Dierenciálegyenletek megoldhatóságának elmélete 2 Parciális

Részletesebben

Felügyelt önálló tanulás - Analízis III.

Felügyelt önálló tanulás - Analízis III. Felügyelt önálló tanulás - Analízis III Kormos Máté Differenciálható sokaságok Sokaságok Röviden, sokaságoknak nevezzük azokat az objektumokat, amelyek egy n dimenziós térben lokálisan k dimenziósak Definíció:

Részletesebben

Lineáris leképezések. 2. Lineáris-e az f : R 2 R 2 f(x, y) = (x + y, x 2 )

Lineáris leképezések. 2. Lineáris-e az f : R 2 R 2 f(x, y) = (x + y, x 2 ) Lineáris leképezések 1 Lineáris-e az f : R 2 R 2 f(x, y = (3x + 2y, x y leképezés? A linearitáshoz ellen riznünk kell, hogy a leképzés additív és homogén Legyen x = (x 1, R 2, y = (y 1, y 2 R 2, c R Ekkor

Részletesebben

Shift regiszter + XOR kapu: 2 n állapot

Shift regiszter + XOR kapu: 2 n állapot DSP processzorok: 1 2 HP zajgenerátor: 3 Shift regiszter + XOR kapu: 2 n állapot Autókorrelációs függvény: l. pénzdobálás: (sin x/x) 2 burkoló! 4 Fehérzajhoz a konstans érték kell - megoldás a digitális

Részletesebben

Véletlen bolyongás. Márkus László március 17. Márkus László Véletlen bolyongás március / 31

Véletlen bolyongás. Márkus László március 17. Márkus László Véletlen bolyongás március / 31 Márkus László Véletlen bolyongás 2015. március 17. 1 / 31 Véletlen bolyongás Márkus László 2015. március 17. Modell Deníció Márkus László Véletlen bolyongás 2015. március 17. 2 / 31 Modell: Egy egyenesen

Részletesebben

Lineáris algebra és a rang fogalma (el adásvázlat, szeptember 29.) Maróti Miklós

Lineáris algebra és a rang fogalma (el adásvázlat, szeptember 29.) Maróti Miklós Lineáris algebra és a rang fogalma (el adásvázlat, 2010. szeptember 29.) Maróti Miklós Ennek az el adásnak a megértéséhez a következ fogalmakat kell tudni: (1) A mátrixalgebrával kapcsolatban: számtest

Részletesebben

MODELLEK ÉS ALGORITMUSOK ELŐADÁS

MODELLEK ÉS ALGORITMUSOK ELŐADÁS MODELLEK ÉS ALGORITMUSOK ELŐADÁS Szerkesztette: Balogh Tamás 214. december 7. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu e-mail címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el! - Így

Részletesebben

Abszolút folytonos valószín ségi változó (4. el adás)

Abszolút folytonos valószín ségi változó (4. el adás) Abszolút folytonos valószín ségi változó (4. el adás) Deníció (Abszolút folytonosság és s r ségfüggvény) Az X valószín ségi változó abszolút folytonos, ha van olyan f : R R függvény, melyre P(X t) = t

Részletesebben

Matematika A2 vizsga mgeoldása június 4.

Matematika A2 vizsga mgeoldása június 4. Matematika A vizsga mgeoldása 03. június.. (a (3 pont Definiálja az f(x, y függvény határértékét az (x 0, y 0 helyen! Megoldás: Legyen D R, f : D R. Legyen az f(x, y függvény értelmezve az (x 0, y 0 pont

Részletesebben

Függvények határértéke, folytonossága

Függvények határértéke, folytonossága Függvények határértéke, folytonossága 25. február 22.. Alapfeladatok. Feladat: Határozzuk meg az f() = 23 4 5 3 + 9 a végtelenben és a mínusz végtelenben! függvény határértékét Megoldás: Vizsgáljuk el

Részletesebben

Jelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék

Jelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék Jelek és rendszerek 1 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék 1 Ajánlott irodalom: FODOR GYÖRGY : JELEK ÉS RENDSZEREK EGYETEMI TANKÖNYV Műegyetemi Kiadó, Budapest, 2006

Részletesebben

Néhány fontosabb folytonosidejű jel

Néhány fontosabb folytonosidejű jel Jelek és rendszerek MEMO_2 Néhány fontosabb folytonosidejű jel Ugrásfüggvény Bármely választással: Egységugrás vagy Heaviside-féle függvény Ideális kapcsoló. Signum függvény, előjel függvény. MEMO_2 1

Részletesebben

Diszkrét matematika 2.

Diszkrét matematika 2. Diszkrét matematika 2. 2018. március 9. 1. Diszkrét matematika 2. 4. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Komputeralgebra Tanszék 2018. március 9. Gráfelmélet Diszkrét

Részletesebben

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének 6. Függvények I. Elméleti összefoglaló A függvény fogalma, értelmezési tartomány, képhalmaz, értékkészlet Legyen az A és B halmaz egyike sem üreshalmaz. Ha az A halmaz minden egyes eleméhez hozzárendeljük

Részletesebben

6. gyakorlat. Gelle Kitti. Csendes Tibor Somogyi Viktor. London András. jegyzetei alapján

6. gyakorlat. Gelle Kitti. Csendes Tibor Somogyi Viktor. London András. jegyzetei alapján Közelítő és szimbolikus számítások 6. gyakorlat Sajátérték, Gersgorin körök Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján . Mátrixok sajátértékei

Részletesebben

Hadamard-mátrixok Előadó: Hajnal Péter február 23.

Hadamard-mátrixok Előadó: Hajnal Péter február 23. Szimmetrikus kombinatorikus struktúrák MSc hallgatók számára Hadamard-mátrixok Előadó: Hajnal Péter 2012. február 23. 1. Hadamard-mátrixok Ezen az előadáson látásra a blokkrendszerektől független kombinatorikus

Részletesebben

Komplex számok. (a, b) + (c, d) := (a + c, b + d)

Komplex számok. (a, b) + (c, d) := (a + c, b + d) Komplex számok Definíció. Komplex számoknak nevezzük a valós számokból képzett rendezett (a, b) számpárok halmazát, ha közöttük az összeadást és a szorzást következőképpen értelmezzük: (a, b) + (c, d)

Részletesebben

A lineáris algebrában központi szerepet betöltı vektortér fogalmát értelmezzük most, s megvizsgáljuk e struktúra legfontosabb egyszerő tulajdonságait.

A lineáris algebrában központi szerepet betöltı vektortér fogalmát értelmezzük most, s megvizsgáljuk e struktúra legfontosabb egyszerő tulajdonságait. 2. VEKTORTÉR A lineáris algebrában központi szerepet betöltı vektortér fogalmát értelmezzük most, s megvizsgáljuk e struktúra legfontosabb egyszerő tulajdonságait. Legyen K egy test és V egy nem üres halmaz,

Részletesebben

A sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex

A sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex A sorozat fogalma Definíció. A természetes számok N halmazán értelmezett függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet a valós számok halmaza, valós számsorozatról beszélünk, mígha az

Részletesebben

1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0

1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0 I. Legyen f : R R, f(x) = 1 1 + x 2, valamint 1. Házi feladat d : R + 0 R+ 0 R (x, y) f(x) f(y). 1. Igazoljuk, hogy (R + 0, d) metrikus tér. 2. Adjuk meg az x {0, 3} pontok és r {1, 2} esetén a B r (x)

Részletesebben

Analízis I. beugró vizsgakérdések

Analízis I. beugró vizsgakérdések Analízis I. beugró vizsgakérdések Programtervező Informatikus szak 2008-2009. 2. félév Készítette: Szabó Zoltán SZZNACI.ELTE zotyo@bolyaimk.hu v1.7 Forrás: Dr. Weisz Ferenc: Prog. Mat. 2006-2007 definíciók

Részletesebben

Centrális határeloszlás-tétel

Centrális határeloszlás-tétel 13. fejezet Centrális határeloszlás-tétel A valószínűségszámítás legfontosabb állításai azok, amelyek független valószínűségi változók normalizált összegeire vonatkoznak. A legfontosabb ilyen tételek a

Részletesebben

y = y 0 exp (ax) Y (x) = exp (Ax)Y 0 A n x n 1 (n 1)! = A I + d exp (Ax) = A exp (Ax) exp (Ax)

y = y 0 exp (ax) Y (x) = exp (Ax)Y 0 A n x n 1 (n 1)! = A I + d exp (Ax) = A exp (Ax) exp (Ax) III Az exp (Ax mátrixfüggvény módszere Ha y = ay, y( = y, a = állandó y = y exp (ax d dx [exp (Ax] = Y = AY, Y ( = Y, Y (x = exp (AxY exp (Ax = I + n= A n x n (n! = A A n x n, n! ] A n x n I + = A exp

Részletesebben