Sunteți pe pagina 1din 398

Liviu JALB! Gabriel Corneliu M!

NOIU
Octavian ST!N!"IL!

PARADISUL FOURIER

(prelucrare de semnale, fenomene matematico-


informatice #i aplica$ii tehnologice)

Funda$ia Floarea Darurilor


Bucure#ti, 2017
Tehnoredactare:
Igor Bectoraș, Luminița Cătănuș, Mădălina Florescu

Fundația Floarea Darurilor, București, 2017


Tipărit la TIPRO SRL în 500 exemplare

ISBN 978-973-0-23015-4
„Dacă vrei să admiri lucrurile privește-le de departe,
dar dacă vrei să le înțelegi, trebuie să te apropii de ele.”
I. L. CARAGIALE

CUPRINS
PREFAȚĂ..........................................................................pag. 9

CAPITOLUL 1: DESCRIEREA ȘI PROCESAREA PRIN


SERII FOURIER A SEMNALELOR PERIODICE
§1.1. Tipuri de semnale, semnale periodice............pag. 15
§1.2. Oscilații armonice...........................................pag. 23
§1.3. Serii trigonometrice........................................pag. 33
§1.4. Serii Fourier reale (peste ℝ)...........................pag. 38
§1.5. Serii Fourier în forma complexă.....................pag. 51
§1.6. Interpretări fizice și aplicații...........................pag. 58
§1.7. Serii Fourier generalizate................................pag. 72

CAPITOLUL 2: CONVOLUȚIA – O OPERAȚIE MAGICĂ


§2.1. Introducere.....................................................pag. 81
§2.2. Convoluția semnalelor continuale (analogice)
.................................................................................pag. 82
§2.3 Convoluția semnalelor discrete (digitale)
.................................................................................pag. 89
§2.4. Convoluția ciclică (circulară) a semnalelor finite
.................................................................................pag. 93
§2.5. Cazul semnalelor 2D și al imaginilor.............pag. 95

5
§2.6. Convoluția distribuțiilor.................................pag. 97
§2.7. Ecuații de convoluție....................................pag. 108
§2.8. Aplicații ale convoluției...............................pag. 112

CAPITOLUL 3: TRANSFORMAREA FOURIER A


SEMNALELOR NEPERIODICE
§3.1. Introducere....................................................pag. 121
§3.2. Transformarea Fourier a semnalelor – funcție
(din L#ℝ )............................................................................pag. 122
§3.3. Un rezultat fundamental – teorema de inversare
Fourier...............................................................................pag. 131
§3.4. Transformata Laplace și legătura cu transformarea
Fourier...............................................................................pag. 135
§3.5. Transformarea Fourier a semnalelor din clasele
$ și L%ℝ ................................................................................pag. 143
§3.6. Transformarea Fourier a distribuțiilor..........pag. 149
§3.7. Un rezultat fundamental în Teoria semnalelor –
teorema de eșantionare WKS............................................pag. 154
§3.7. Interpretări fizice și aplicații ale
transformării Fourier..........................................................pag. 158

CAPITOLUL 4: TRANSFORMĂRI ALE SEMNALELOR


DISCRETE
§4.1. Introducere....................................................pag. 189
§4.2. Transformarea Fourier discretă (TFD).........pag. 191

6
§4.3. Algoritmul FFT de transformare Fourier rapidă și
algoritmul de inversare Laplace rapidă.............................pag. 205
§4.4. Transformări liniare și baze ortogonale pentru
compresia semnalelor discrete...........................................pag. 210
§4.5. Aplicații la radar, separarea semnalului util,
compresia semnalelor........................................................pag. 230

CAPITOLUL 5: ANALIZĂ FOURIER


MULTIDIMENSIONALĂ ȘI FILTRE
§5.1. Introducere....................................................pag. 241
§5.2. Serii Fourier duble........................................pag. 241
§5.3. Transformarea Fourier multidimensională...pag. 243
§5.4. Filtre analogice și filtre discrete...................pag. 250
§5.5. Funcția de transfer în frecvență
a unui filtru........................................................................pag. 265

CAPITOLUL 6: APLICAȚII
§6.1. Canale de comunicație ca filtre....................pag. 269
§6.2. Elemente de optică Fourier..........................pag. 292
§6.3. Aplicații ale transformării Fourier 2D și
transformarea Radon.........................................................pag. 303
§6.4. Cristalografie Fourier...................................pag. 319
§6.5. Muzica electronică.......................................pag. 328

7
ANEXE
Anexa 1: Integrabilitate Lebegue..........................pag. 347
Anexa 2: Spații Hilbert..........................................pag. 357
Anexa 3: Câteva ecuații ale Fizicii matematice.....pag. 365
Anexa 4: Curs scurt de Teoria distribuțiilor..........pag. 369
INDICE DE NUME ȘI NOTAȚII..................................pag. 385
BIBLIOGRAFIE.............................................................pag. 395

8
„Fourier's theorem is not only one of the most beautiful
results of modern analysis, but it may be said to furnish
an indispensable instrument in the treatment of nearly
every question in modern physics.”
LORD KELVIN

PREFAȚĂ

Construcțiile matematice cuprind, între altele, tranziții de


la un nivel de abstractizare la unul superior. Primul nivel al
abstractizării matematice se referă la utilizarea de numere
,
individuale – 0, 1, 2, 2, (, e, ln 2, sin , etc; la nivelul următor,
-
cel al Algebrei, se utilizează simboluri literale nedeterminate –
constante, parametri, variabile – și combinații ale acestora.
Următorul nivel îl constituie Analiza operației transcendente de
trecere la limită („jocul cu infinitul”), deci studiul dependențelor
număr ↦ număr și al variațiilor mutuale ale variabilelor. Analiza
se extinde în fine la considerarea funcționalelor (dependențe
funcție ↦ număr) și operatorilor (funcție ↦ funcție).
Descrierea matematică a semnalelor și studiul lor
sistematic utilizează toate obiectele menționate – numere, funcții,
funcționale, operatori – și încă multe altele. Același lucru este
valabil pentru evoluția oricărui domeniu al Fizicii sau Ingineriei
teoretice, dar „paradisul Fourier”, cu cele trei compartimente –
seriile Fourier, transformarea Fourier și aplicațiile numeroase, a
depășit orice imaginație. Totul a început cu studiul propagării

9
căldurii, realizat de Fourier în jurul anului 1800, prin stabilirea
ecuației evoluției căldurii într-un conductor. El a reușit să
determine distribuția în timp a temperaturii într-un conductor
cilindric ale cărui capete se aflau la o temperatură constantă, iar
suprafața laterală la o altă temperatură. Soluția finală era cea de
echilibru (în care temperatura era aceeași în toate punctele
conductorului). Fourier a scris o monografie amplă în care dădea
o soluție la această problemă concretă, elaborând „en passant” un
studiu al seriilor trigonometrice care îi poartă numele. Mai mult,
Fourier a obținut o soluție și pentru studiul oscilațiilor corzilor
vibrante, diferită de soluția lui d'Alembert, prin care descria
„înțelegerea științifică a muzicii”. Cartea lui Fourier a zăcut la
editură timp de peste 10 ani, negăsind un referent priceput sau
măcar neinvidios. Argumentele de tipul lipsei de rigoare sunt
rizibile, deși au mai existat întârzieri sau nedreptăți în promovarea
științei (Mendel, Heaviside, de Broglie, Paulescu ș.a.). Fără alte
comentarii, iată ce cutremure științifice și tehnologice succesive a
declanșat Fourier:
Studiul oscilațiilor → Procesarea undelor electromagnetice
→ Momentul Maxwell/Hertz → Dualitatea timp/frecvență →
Conversia A/D, analogic/digitală → Procesarea cuvintelor și
imaginilor (Radio și TV) → Holografie/Tomografie →
Spectroscopie → Structura cristalelor → Wavelets (≡ undine) etc.
În această carte, vom încerca să atingem unele din aceste
subiecte, cu definiții și formulări clare, însoțite de comentarii și
exemplificări. Așa cum spunea un hâtru, transformarea Fourier

10
produce unui student „aceeași reacție cu cea a lui Dracula în fața
unei cruci”. Adevărul este că prezentarea matematică a Analizei
Fourier este dificilă și cel care o face trebuie să apeleze la intuiție,
la un minim teoretizant, cu renunțarea parțială la rigoare și
completitudine. Extragerea de informație din semnale corupte de
zgomot, proiectarea filtrelor, curățirea imaginilor 2D etc. presupun
prelucrări subtile și stăpânirea trecerilor bilaterale de la domeniul
TIMP la domeniul FRECVENȚĂ (și invers). Recent, computerele
moderne au modificat modul de utilizare a matematicii și acesta a
fost un imbold suplimentar pentru noi pentru a elabora această
carte. Am mai avut un stimul, anume constatarea că Analiza
Fourier este studiată doar tangențial în universitățile și facultățile
tehnice, ceea ce constituie un handicap aprioric în pregătirea
tinerilor. Pentru a înțelege magnitudinea paradisului Fourier,
este suficient să privim în jur și să observăm câte obiecte –
computere, radio, televizoare, CD/DVD, roboți – și ce aparatură
electronică de înaltă complexitate ne însoțesc pretutindeni, a căror
înțelegere intelectuală nu este un viciu. Realizările excepționale
ale inginerilor de diverse specializări, inclusiv ale creatorilor
mediului informatic lărgit în care trăim în ultimele decenii, merită
tot respectul.
Practic, această carte este scrisă la două nivele: unul în care
folosim rezultate de matematică la nivelul anului I de facultate și
altul, în care aplicăm concepte mai subtile – funcționale, operatori,
sisteme dinamice etc., dar apelând la motivații, argumente de tip
„voilá” și trimiteri grijulii la o bibliografie accesibilă.

11
În Capitolul 1 prezentăm dezvoltările în serie Fourier deci
procesarea semnalelor periodice. Capitolul 2 tratează operația de
convoluție, iar Capitolele 3, 4 și 5 se referă la transformarea
Fourier în diverse ipostaze, inclusiv transformarea Fourier discretă
(TFD) și algoritmul FFT („Fast Fourier transform”), unul din
instrumentele moderne ale procesării semnalelor, bogat în
aplicații, dar și în semnificații mai adânci (de exemplu, transferul
bilateral al informațiilor între domeniile TIMP și FRECVENȚĂ). În
ultimul capitol al cărții, ne-am orientat spre dezvoltări tehnologice
– Tomografie, Spectroscopie, Imagistică.
Pentru a ne adresa unor cititori cu niveluri diferite de
interes, am dat o ANEXĂ, în care am prezentat fără detalii
elementele necesare de matematică avansată – Integrabilitate
Lebesgue, Spații Hilbert, Distribuții etc.
Pe scurt, am urmărit traseul matematica–mijloc și nu
matematica–scop... Am fi bucuroși dacă am reușit, alegând acesta,
din multele trasee posibile de comunicare autor–cititor.

Autorii, mar. 2017

12
„După numele lui CHRISTOS, cel mai
des întâlnit nume din întreaga literatură,
științifică sau nu, este cel al lui Fourier.”
acad. J. DIEUDONNÉ

CAPITOLUL 1:
DESCRIEREA ȘI PROCESAREA PRIN
SERII FOURIER A SEMNALELOR PERIODICE

§1.1. Tipuri de semnale, semnale periodice


Suntem înconjurați de diverse semnale fizice – acustice,
optice, sunete muzicale, cuvinte și imagini, diverse unde
electromagnetice, raze X, lumină, zgomote, impulsuri etc.
Majoritatea lor poartă informație, dar nu vom dezvolta acest aspect
și modelul matematic este acela al unor funcții definite pe mulțimi
de momente sau pixeli, cu valori reale sau complexe; există și
semnale artificiale, concepute ad-hoc din rațiuni mai degrabă
didactice.
Dacă 2 este o mulțime de momente și 3: 2 → ℝ (sau ℂ)
este un semnal, atunci există în principal două situații:
- 2 este un interval de timp (sau o reuniune de intervale) și
în acest caz semnalul se numește continual (≡ analogic) sau
formă de undă;
- 2 este o mulțime finită sau discretă („pe sărite”) de
numere reale, când semnalul este discret (≡ digital). [Prin

15
convenție, prin date digitale se înțeleg cele obținute prin
măsurători la intervale fixe de timp sau spațiu].
Dacă f este un semnal, atunci pentru orice moment 6 ∈ 2,
numărul f(t) se numește eșantion al semnalului f la momentul t. În
această carte, vom întâlni îndeosebi semnale deterministice, ale
căror eșantioane nu sunt variabile aleatoare.
Exemple
a) Prototipul semnalelor continuale îl constituie funcțiile
3: [9, :] → ℝ, 6 ↦ 3(6), având suportul [a, b] și cel al semnalelor
discrete, funcțiile 3: ℤ → ℝ, ? ↦ 3(?) = AB .
Dacă I este un interval, atunci se notează cu CDE mulțimea
funcțiilor 3: F → ℝ continue (cu grafic neîntrerupt și fără asimptote
verticale) și cu CD# mulțimea funcțiilor netede (cu graficul având
tangentă unică în fiecare punct).
Atenție: continual ≠ continuu.
De exemplu, treapta unitate Heaviside
G: ℝ → ℝ, G 6 = 0 pentru 6 ≥ 0 și G 6 = 0 pentru
6 < 0 , este un semnal continual, dar discontinuu în punctul t = 0,
cu saltul u(0+0) – u(0–0) egal cu 1; figura 1.1,a).

16
Figura 1.1
Acela#i lucru, pentru func%ia–semn.
sgn:0! / !0egal% cu 1 pentru 6 K H' LM0N 0O, pentru 6 J H'
#i nul% în t = 0. Saltul lui sgn în punctul t = 0 este 2; figura 1.1, b).
b) În multe descrieri, se folosesc func%ii – fereastr&, nule
în afara unor intervale prescrise. O func$ie constant% pe un interval
#i nul% în afara lui se nume#te fereastr% dreptunghiular%. Exemplul
Q Q
tipic este, pentru a > 0, fereastra PQ 40! / !' egal% cu 1 pe 8R ' 0;
% %
#i nul% în rest (figura 1.2).

Figura 1.2
Q Q
Func$ia PQ este discontinu% în punctele R ' , cu salturile
% 0%
1 #i – 1 respectiv.

! 17
Dac% 34 ! / !0este un semnal oarecare, atunci produsul
Q Q
f!0PQ este nul în afara intervalului suport 8R ' 0; #i este egal cu
% %
restric$ia/vederea lui f prin fereastr%; figura 1.3.

Figura 1.3
Vom întâlni de asemenea func$ii continue pe por$iuni #i
func$ii netede pe por$iuni, care au discontinuit%$i dar numai de
prima spe$% (deci cu limite laterale finite). Astfel de func$ii
(semnale) nu sunt un moft matematic ci descriu situa$ii „de
comutare”, de trecere de la un regim de func$ionare la altul, în
cazul unor sisteme. Dac% I=[a, b] #i exist% un punct interior 6E 7 F,
o func$ie f: I0/ !0este neted& pe por%iuni dac% este neted% pe
intervalele deschise (a, 6E = #i (6E , b), având derivate laterale finite
în punctele a, b, 6E deci f%r% tangente verticale la grafic; fig. 1.4.

Figura 1.4

18 !
c) Fix%m a > 0 #i fie 2 @ ?9 ? 7 > . Func$ia 3402 / 0!0
(sau 5=,03<?9= @ AB este un semnal discret, asimilat cu #irul
(AB =' ? 7 > de numere reale sau complexe. Dac% 2 este o mul$ime
finit% cu N elemente, indexate de la 0 la N–1, se spune c% semnalul
este finit de lungime N; e#antionul AB se mai noteaz% x[n].
Treapta unitate discret& este G4 > / !' G<?= @ O pentru
n ( 0 #i G<?= @ H pentru n < 0. Impulsul discret unitar aplicat la
momentul S 7 > este TU 4 > / ! definit prin TU <?= @ O pentru n=k
#i TU <?= @ H pentru n $ k. În loc de TE se scrie T. De exemplu,
semnalul discret A @ VTW# X T X &T# R TY este reprezentat în
figura 1.5; el are e#antioanele 3, 1, 2, – 1 la momentele k = –1, 0,
1, 3 (figura 1.5).

Figura 1.5
Semnale periodice
Un rol aparte îl au semnalele periodice continuale.
Reamintim c% o func$ie f (t) definit% pe !, cu excep$ia eventual a
unor puncte izolate, este periodic& de perioad& T (T ' 0), sau pe
scurt, f este periodic% T dac% 3<6 X Z= @ 3<6= pentru orice t cu
excep$ia acelor puncte izolate. În acest caz, 2T, 3T, –T #i în general,

! 19
nT (cu ? ∈ ℤ, ? ≠ 0) sunt, de asemenea, perioade ale lui f: apoi
\
pentru orice a real nenul, 3(96) este periodică .
Q
Cea mai mică perioadă strict pozitivă se numește
principală.
Remarcăm că dacă 3: ℝ → ℝ (sau ℂ) este o funcție
integrabilă pe un interval de lungime cât perioada T, atunci
`
Q^\ _^\ \
Q
3(6)d6 = _
3(6)d6 = E
3(6)d6 = a
` 3(6)d6,
W
a

adică valoarea integralei este aceeași pe orice interval de lungime


cât perioada.
Exemple tipice
a) Funcția 3(6) = sin 6 este periodică, având perioada
principală 2π; similar pentru b(6) = cos 6. Funcția ℎ(6) = tg 6
este periodică de perioadă π, dar are asimptote verticale.
b) Funcția 3: ℝ → ℝ, 3(A) = {A} = A − [A] (partea
zecimală a lui x) este periodică de perioadă 1. Funcțiile constante
sunt periodice dar nu au perioadă principală (căci nu există un cel
mai mic număr real strict pozitiv!). Funcțiile reale A ↦ A %
sau A ↦ ej nu sunt periodice.
%,
c) Dacă f este periodică 2π, atunci b(A) = 3 A este
\
%, %,
periodică T, deoarece b(A + Z) = 3 (A + Z) = 3 A+
\ \
%,
2( = 3 A = b(A) pentru orice x; invers, dacă g este
\
\
periodică T, atunci 3(6) = b 6 este periodică 2π.
%,

20
d) Dac% 34 ! / ! (sau 5) este o func$ie oarecare, atunci
alegând T > 0, se poate construi o func$ie periodic% T, notat% 3\ ,
ob$inut% astfel: se restrânge f la intervalul [0, T) #i aceasta se
prelunge#te prin periodicitate la !4 fig. 1.6.

Figura 1.6
[Prin conven$ie, graficul unei func$ii periodice se traseaz% pe un
interval de lungime cât perioada, fiind apoi translatat de 1–2 ori].
Not%: Variabila independent% t nu reprezint% totdeauna
timpul; de altfel, exist% fenomene periodice în spa$iu, nu numai în
timp.
Impulsuri
Am indicat diverse tipuri de semnale, dar în Inginerie se
întâlnesc semnale care nu se încadreaz% în cele indicate –
impulsuri electrice, unde seismice, zgomote, mase mari
concentrate, #ocuri etc.
În anii '30, fizicianul englez P. Dirac a introdus în lucr%rile
sale de mecanic% cuantic% faimoasa „func$ie delta”; anume, un
simbol OZN, notat T, având urm%toarele propriet%$i:
l
T 6 @ H0pentru 6 [ H' T H @ k #i Wl
T<6=]6 @ O;
(fig. 1.7.) (1)

! 21
Figura 1.7
Este evident c% o astfel de func$ie nu exist% #i c% a fost
introdus% „pour les besoins de la cause”, a#a cum a afirmat
matematicianul francez L. Schwartz, care a dat un sens riguros,
creând Teoria distribu$iilor (prezentat% pe scurt în ANEXA 3). Tot
Dirac a prezentat impulsul TQ aplicat în punctul 9 7 !, identificat
cu translatata T<6 R 9= #i a ad%ugat „propriet%$ile”:
l #
Wl
T<6 R 9=3<6=]6 @ 3<9= #i T<96= @ T<6=. (2)
Q
(„formula de filtrare”)
Dirac a oferit un exemplu de cercet%tor pe care îl
intereseaz% rezultatul #i nu modul de realizare, similar cu
matematicianul care lucreaz% cu propriet%$ile obiectelor studiate,
f%r% s%-l intereseze natura lor. Vom avea ocazia s% folosim de
multe ori formalismul T, cu legitimitate asigurat%.
Men$ion%m c% exist% func$ii uzuale care aproximeaz% T; de
# #
exemplu, 3B <6= @ ?P# B <6=, egal% cu n pe intervalul 8R ' ; #i
%B %B
nul% în rest, n ( 1; fig. 1.8.

22 !
Figura 1.8
Dreptunghiul ha#urat are aria 1 #i este tot mai îngust #i mai
înalt, pe m%sur% ce n cre#te; pentru ? / k, el se apropie de „b%$ul”
din figura 1.7.
Dac% A<6= este un semnal continuu pe por$iuni, valoarea sa
# _
medie pe un interval [a, b] este A<6=]6 #i energia este
_WQ Q
_
E =0 Q
A<6=% ]6. Dac% A<6= este periodic T, valoarea medie este
# \ \
A<6=]6 #i energia A<6=% ]6.
\ E E
În cazul unui semnal finit A @ <A8?;=' H m ? m n R O,
# oW#
valoarea medie este media aritmetic% a e#antioanelor
o BpE A8?;,
oW# %
iar energia este E = BpE A8?; .

§1.2. Oscila%ii armonice


Oscila%iile (1 vibra%iile) sunt mi#c%ri ale unor corpuri,
înso$ite de modific%ri „du-te vino” de stare, repetate la diverse
intervale de timp #i urmând aceea#i traiectorie. Toate obiectele din
jurul nostru vibreaz%: lichidele, gazele, solidele, lumina, corzile

! 23
sau tuburile instrumentelor muzicale etc. Unele o fac periodic –
pendule, inimi, sunete –, iar dacă modificările se referă la mărimi
mecanice (deplasări, abateri, viteze), atunci se obțin oscilații
mecanice; dar se întâlnesc de asemenea oscilații termice, electrice,
radiative, subatomice etc.
Oscilațiile periodice sunt cele la care parametri de stare
care le descriu sunt funcții periodice. Dacă un astfel de parametru
A(6) are perioada principală T, atunci se consideră că oscilația a
efectuat un ciclu. Numărul de cicli/s se numește frecvența q a
oscilației.
Așadar,
T [s]..................... 1 ciclu
1 [s]...................... q cicli
și cu regula de trei simplă, rezultă că
#
q= . (3)
\
Frecvența de 1 [Hz] corespunde unei oscilații periodice cu
perioada principală de 1 s.
Exemple
a) Dacă T = 10W% [s], atunci q = 100 [Hz];
b) În România, frecvența curentului electric de la rețea este
50 Hz;
c) Sunetele (≡ undele sonore) reprezintă propagarea unor
oscilații. În limbaj direct, undele sunt vibrații care se deplasează.
Dacă un violonist execută o notă staționară (≡ care nu își
modifică forma de undă) și dacă un microfon produce un voltaj
care, la fiecare moment t, este proporțional cu presiunea aerului,

24
atunci se poate afi#a pe un display graficul y=f (t) al acelei presiuni
în timp. Aceast% func$ie este o oscila$ie periodic%, având o anumit%
perioad% T. De exemplu, nota „DO” (1 middle C) are frecven$a
#
q =262 Hz #i perioada Z @ s 0,004 s. Func$ia f (t) nu este o
r
sinusoid% pur% #i de la Fourier citire, este o suprapunere de
armonici (oscila$ii armonice) având diverse amplitudini #i faze.
Determinarea acestor m%rimi reprezint% analiza undei sonore #i
primul pas în procesarea semnalului periodic f (t). Acesta este un
prim subiect al acestei c%r$i.
d) Fie o und% sta$ionar%, având perioada principal% T. Dac%
viteza ei de propagare este v [m/s], atunci distan$a dintre dou%
creste (1 maxime absolute) vecine este t @ uZ, numit% lungime
de und& (fig. 1.9).

Figura 1.9
Conform formulei (3), rezult%
#
t @ u v #i u @ tq. (4)
r
Dac% un ciclu este asimilat cu o armonic% fundamental%,
w
atunci cea de a n–a armonic% (n ( 1) are lungimea de und% #i
B
frecven$a nq. Astfel, pentru nota „DO” cu frecven$a q = 262 Hz,
armonicele succesive (numite #i octave) au frecven$ele 2q, 4q,...

! 25
YxE
Lungimea de und% ini$ial% este t @ s 1,3 m, $inând cont de
%y%
viteza de propagare a undei sonore în aer.
Prototipul unei armonici fundamentale este
A 6 @ )*+ 6,06 7 H' ( . Atunci armonicele a doua #i a treia sunt
respectiv A% 6 @ )*+ &6 #i AY 6 @ )*+ V6, pentru 6 7 H' ( ;
fig. 1.10. Armonica a n –a este AB 6 @ )*+ ?6,06 7 8H' (; #i n ( 1.

Figura 1.10
Defini$ia 1.1: Se nume#te oscila%ie armonic& orice mi#care
descris% de un parametru de stare x (t) care urmeaz% „legea
sinusului”:
A<6= @ z )*+<{6 X |=, (5)
cu z' {' | constante reale.
Putem presupune c% { K H, deoarece
)*+<{6 X |= @ R )*+<R{6 R |=. Num%rul A=max A<6=
este amplitudinea oscila$iei. Perioada principal% o #tim de la
%,
Trigonometrie, anume Z @ , de unde
}
%,
{@ . (6)
\
Num%rul { se nume#te frecven%a ciclic& (1 pulsa%ia), m%surat%
în rad/s, iar | este faza ini%ial& a oscila$iei, m%surat% în radiani.
Din rela$iile (6) #i (3) rezult% urm%toarea rela$ie
fundamental%:
{ @ &(q. (7)

26 !
Energia oscilației armonice (5) pe un interval de timp cât
perioada este
\ \ % a
~= E
(A(6)% d6 = E
z sin% ({6 + |)d6 = Z,
%
(8)
deci este proporțională cu pătratul amplitudinii.
Terminologia provine din Mecanică, așa cum arătăm în
exemplul următor.
Exemple
a) Considerăm un mobil M care se mișcă uniform pe un cerc (C)
de rază A (A > 0), cu viteza unghiulară constantă { ({ > 0). Dacă
T este durata unei rotații complete (adică a unui ciclu) și q =
numărul de cicli/s, atunci T este tocmai perioada mișcării, iar q =
#
este frecvența (sau turația) mișcării; dacă în T s mobilul face un
\
#
ciclu, atunci în 1 s va face q = cicli. Conform definiției vitezei
\
unghiulare {, aceasta este numeric egală cu măsura unghiului la
centru al cărui arc este parcurs în 1 s; în t secunde, mobilul va
parcurge arcul de cerc având măsura {6 și lungimea z{6. În fine,
în T secunde, va rezulta relația z{Z = 2(z (lungimea întregului
cerc). De aici, regăsim relațiile (6) și (7).

27
Figura 1.11
La fiecare moment t, mobilul se afl% în punctul
ÄÅ 1 Ä<A<6=' Ç<6==, unde A<6= @ ÉÄÑ @ z )*+<{6 X |=,
unde ÄÑ este proiec$ia punctului ÄÅ pe axa Ox: fig. 1.11. A#adar,
A<6= urmeaz& legea (5) a oscila%iilor armonice. Pe m%sur% ce
mobilul M se deplaseaz% pe (C) în sensul t cresc%tor, proiec$ia ÄÑ
efectueaz% o mi#care „du-te vino” pe axa Ox, în care distan$a ÉÄÑ
maxim% este egal% cu A (amplitudinea). Pozi$ia ini$ial% ÄE
corespunde unghiului | la centru #i explic% de ce acesta este numit
„faza ini$ial%”. Oscila$iile care au aceea#i frecven$% { dar faze
ini$iale diferite se numesc defazate, iar diferen$a dintre fazele
ini$iale se nume#te diferen%a de faz&.
Re$inem deci ca prim exemplu de oscila$ie armonic%,
mi#carea pe axa Ox a proiec$iei mobilului care parcurge o mi#care
circular% uniform%.
b) Func$ia (5) satisface ecua$ia diferen$ial%
A ÖÖ <6= X {% A<6= @ H, (8)
pentru orice t real.
Într-adev%r, A Ö <6= @ z{ Lc)<{6 X |= #i

28 !
A ÖÖ <6= @ Rz{% )*+<{6 X |= deci A ÖÖ <6= @ R{% A<6=, adic% (8).
Se #tie c% ecua$ia (8) are o infinitate de solu$ii, toate de
forma A<6= @ Ü# Lc) {6 X 0 Ü% )*+ {6, cu Ü# , Ü% constante
arbitrare. Pentru a ob$ine o solu$ie unic determinat%, aceasta
trebuie supus% unor condi$ii suplimentare; de exemplu A<H= @ AE
#i A Ö <H= @ uE (cu pozi$ia ini$ial% AE #i viteza ini$ial% uE ). Pe de alt%
parte, se pot determina constantele A #i | astfel încât Ü# Lc) {6 X
0Ü% )*+ {6 1 z )*+<{6 X |= @ z<)*+ {6 Lc) | X Lc) {6 )*+ |=0 #i
identificând coeficien$ii, rezult% Ü# @ z )*+ |, Ü% @ z Lc) |, de
áà
unde z @ Ü#% X Ü%% #i tg| @ . A#adar, orice solu$ie a ecua$iei
áa

(8) descrie o oscila$ie armonic% #i din acest motiv, ecua$ia (8) se


nume#te ecua%ia oscila%iilor armonice de pulsa%ie {. În Fizic%,
ecua$ia (8) s-a întâlnit în mai multe situa$ii #i reamintim trei din
aceste situa$ii.
I. Oscila$iile unui resort
Consider%m un resort suspendat, având coeficientul de
elasticitate k; fig. 1.12. Coeficientul k este for$a în [N] necesar%
pentru întinderea resortului cu 1 m. Conform legii lui

Figura 1.12
Hooke, for$a F de revenire, îndreptat% împotriva cre#terii ordonatei
y(t), are m%rimea F = – ky deci âÇ ÖÖ <6= @ RSÇ<6=, adic%

! 29
U
Ç ÖÖ <6= X Ç<6= @ H. A#adar, am ob$inut o ecua$ie de tipul
ä

(8), cu { @ S â. Solu$iile ei sunt oscila$ii armonice, de forma


Ç<6= @ z )*+<{6 X |=.
II. Oscila$iile mici ale unui pendul matematic
Fie ã<6= = abaterea unghiular% a unui pendul P de la
pozi$ia vertical% OE de echilibru; fig. 1.13. Dac% m este masa
pendulului P #i å @ É~ @ Éç este lungimea lui, atunci

Figura 1.13
greutatea G = mg a acestuia este echilibrat% de tensiunea din fir #i
de for$a care accelereaz% pendulul, deci Ré )*+ ã @ âè ÖÖ <6=' unde
s(t) este lungimea arcului de cerc ~ç: è<6= @ åã<6=, cu ã<6=0
m%surat în radiani.
A#adar, è ÖÖ <6= @ åã ÖÖ <6= deci Ré )*+ ã @ âåã ÖÖ <6=. Am
ê
ob$inut astfel ecua%ia pendulului: ã ÖÖ <6= X )*+ ã<6= @ H. Pentru
å
ã<6= mic, sub 3°, avem aproximarea rezonabil% )*+ ã s ã #i
notând { @ b å, se ob$ine ecua$ia liniarizat% a pendulului,
anume ã ÖÖ X {% ã @ H, de tipul (8). Solu$ia ei general% este de
forma ã<6= @ z )*+<{6 X |=ë Perioada principal% a oscila$iilor
pendulului, exprimat% prin parametrul ã<6=, este

30 !
%,
Z= = 2( ℓ b, formulă obținută de Galilei și
}
confirmată experimental la celebrul turn de la Pisa. De fapt, Galilei
a arătat că T este proporțională cu radicalul (la el, 2( ≅ 6).
III. Oscilațiile armonice dintr-un circuit electric LC
În lipsa unei rezistențe active, intensitatea I(t) a curentului
electric printr-un circuit LC în serie variază după legea
# #
F ÖÖ (6) + F(6) = 0, similară cu ecuația (8), pentru { = .
ìá ìá
Avem astfel un alt sistem fizic, anume celebrul circuit
oscilant al lui Hertz, a cărui comportare este descrisă de
parametrul fizic I(t): acesta urmează o oscilație armonică având
pulsația { și perioada principală
%,
Z= = 2( îÜ,
}
o altă formulă celebră a curentului alternativ.
Notă
Este uimitor modul cum fenomene diferite urmează legi de
evoluție similare, ceea ce justifică studiul de sine stătător al
oscilațiilor armonice. În cazul pendulului matematic, perioada
oscilațiilor depinde doar de lungimea pendulului deci de o
proprietate intrinsecă (neglijând diverse frecări sau rezistența
aerului). Dar amplitudinea oscilațiilor și faza depind de condițiile
inițiale externe, de tipul ã(0) = ãE și ã Ö (0) = uE ; anume,
ñó
ã(6) = ãE cos {6 + sin {6, cu amplitudinea
}

z= ãE% + uE% { % . Dacă ãE = 0, atunci z = uE { și


ã(6) = z sin {6 deci faza inițială este | = 0. Viteza inițială a

31
pendulului se poate realiza printr-un impuls. Apoi, dacă ãE este dat
și uE = 0 (adică pendulul evoluează liber), atunci
, ,
ã(6) = ãE cos {6 = ãE sin({6 + ) și faza inițială este .
% %
O discuție similară are loc și în cazul unui resort, unde
frecvența oscilațiilor depinde de masa m a resortului și de
coeficientul k de elasticitate (care reprezintă proprietăți intrinseci
ale resortului), în timp ce amplitudinea și faza depind de condiții
externe.
Cele trei exemple de oscilații armonice au o natură
comună, prin prezența unor forțe elastice de revenire. Între „resort”
și „pendul” există totuși o deosebire: nu se cerea ca deplasarea
resortului să fie „mică”, în timp ce prin ipoteza abaterii mici a
pendulului s-a ajuns la o ecuație diferențială cu soluții exprimabile
prin funcții elementare. În lipsa aproximării sin ã ≅ ã s-ar fi
obținut formule mai complicate, iar oscilațiile nu mai erau
armonice.
Teoria oscilațiilor (≡ vibrațiilor) este mult mai amplă și
cuprinde studiul oscilațiilor forțate, întreținute prin forțe externe;
de exemplu, în cazul resortului, forța de revenire poate să depindă
și de viteză (ò = −SÇ − SÇ Ö ).
De exemplu, pentru ecuația Ç ÖÖ + Ç = 0 cu condițiile
inițiale y(0)=0, Ç Ö (0) = 1, soluția este Ç(6) = sin 6 (deci o oscilație
armonică liberă, cu frecvența { = 1).
Dar pentru ecuația Ç ÖÖ + Ç = sin 6, cu aceleași condiții
inițiale, dar cu forța externă 3(6) = sin 6, soluția este

32
#
Ç(6) = (3 sin 6 − 6 cos 6)! Se constată că lim Ç(6) = ∞
% Å→l
deci amplitudinea oscilației devine oricât de mare, fenomen numit
rezonanță. Fourier a întâlnit printre primii acest fenomen, în
studiul seriilor care îi poartă numele. Rezonanța se întâlnește în
multe procese oscilatorii mecanice, electrice sau optice, uneori cu
efecte nocive. Astfel, o coloană de soldați care trec pe un pod în
pas de defilare sau un vânt puternic, pot provoca oscilații forțate
care au frecvența apropiată de frecvența proprie a oscilațiilor
podului; este celebru cazul podului Tacoma din SUA, distrus în
1940 ca efect al unor vibrații forțate.
Există de asemenea studii privind influența vibrațiilor
asupra articulațiilor organismului uman sau suportabilității
vibrațiilor în automobile, avioane sau în vecinătatea unor utilaje.
Toate acestea reprezintă argumente pentru studiul mai
aprofundat al oscilațiilor, care s-a constituit într-o teorie
indispensabilă pentru categorii largi de specialiști.

§1.3. Serii trigonometrice


Am întâlnit multe exemple de mișcări periodice: mișcarea
circulară uniformă a unui mobil, oscilațiile mici ale unui pendul,
bătăile inimii, curentul electric ca flux de electroni, radiațiile
termice, rotațiile unor corpuri cerești în jurul axelor etc. Așa cum
există fenomene periodice în timp, există și periodicități în poziție,
legate de anumite simetrii; acestea pot fi descrise prin parametri de
stare Ç(6) depinzând de timp sau Ç(A), depinzând de poziție.

33
Exemplu
Consider%m distribu$ia temperaturii õ într-un inel circular
de sârm% cu centrul O #i raz% R (R > 0); fig. 1.14.
Not%m ã @ öú)<zÉÄ= #i A @ öú)<ùûL0zÄ=. Atunci
temperatura õ<Ä= depinde de ã sau de x;

Figura 1.14
anume õ<ã= @ õ<ã X &(= sau õ<A= @ õ<A X &(ü= pentru orice ã
sau x.
În cele ce urmeaz%, vom considera ca variabil%
independent% t, care nu este neap%rat timpul (ca moment sau ca
durat%).
Este meritul nepieritor al lui Fourier de a fi intuit
posibilitatea descompunerii semnalelor periodice în semnale
standard, anume oscila$ii armonice. "i asta într-o perioad% când
Analiza matematic% nu î#i începuse jocul cu infinitul #i însu#i
Euler era sceptic asupra acelei descompuneri. Seriile, #irurile de
numere sau func$ii, convergen$%, convergen$a uniform%, derivarea
termen cu termen, integrabilitatea etc. nu erau l%murite #i exista o
anumit% mistic% în jurul seriei 1–1+1–1+... c%reia i se atribuiau,
#
dup% caz, sumele 0, 1, .
%

34 !
Definiția 1.2: Considerăm șirul de funcții
1,cos 6 , sin 6 , cos 26 , . . . , cos ?6 , sin ?6,... (9)
toate periodice 2π. Orice combinație liniară finită a acestor funcții
cu coeficienți reali se numește polinom trigonometric și orice
serie de funcții de forma
zE + B†#(9B cos ?6 + :B sin ?6), (10)
cu coeficienții zE , 9B , :B (? ≥ 1) reali se numește serie
trigonometrică.
Sumele ei parțiale °B (6), ? ≥ 0 sunt polinoame
trigonometrice, iar termenii zB (6) = 9B cos ?6 + :B sin ?6 sunt
oscilații armonice de ordin n (n ≥ 1).
Definiția 1.3: Seria (10) se numește punctual convergentă
(PC) pe ℝ dacă pentru orice 6 ∈ ℝ, sumele parțiale (°B (6)), ? ≥ 0
formează un șir convergent de numere reale; în acest caz, suma ei
S(t) este o funcție S: ℝ → ℝ periodică 2π (nu neapărat continuă).
Dacă seria (10) este uniform convergentă (UC) pe ℝ
(suficient pe un interval de lungime cât perioada), adică
lim °B − ° = 0 relativ la norma „sup”, atunci S este funcție
B→l
continuă (nu neapărat netedă). Convergența uniformă este
asigurată dacă seria numerică B†#( 9B + :_ ) este convergentă.
În continuare, reamintim fără demonstrații câteva rezultate
fundamentale legate de seriile trigonometrice, limitându-ne la
trimiteri bibliografice, comentarii, orientare spre aplicații și
legături cu tehnologiile informatice; [2], [13].
PROPOZIȚIA 1.1 (relațiile de ortogonalitate pentru
funcțiile trigonometrice): Avem

35
,
W,
sin âA · sin ?A dA = (TäB ,
,
W,
cos âA · cos ?A dA = (TäB
,
W,
sin âA · cos ?A dA = 0, pentru orice â, ? ∈ ℤ. (11)
Notă
Este vorba de un simplu exercițiu de calcul de integrale.
Reamintim simbolul lui Kronecker: TäB = 0 dacă m ≠ n și
TäB = 1 dacă m = n (există doar legături superficiale cu simbolul
Dirac!). Termenul de „ortogonalitate” provine dintr-o extensie
E
matematică; anume, dacă 3, b ∈ C[Q,_] , atunci se definește un nou
_
produs scalar: 3, b = Q
3(A )b(A)dA, care are legătură cu
produsul scalar a doi vectori doar prin proprietăți comune.
Funcțiile f, g se numesc ortogonale (nu perpendiculare!) dacă
3, b = 0.
TEOREMA 1.2 (Euler – Fourier): Presupunem că seria
trigonometrică (10) este UC pe ℝ, având suma S(t). Atunci funcția
S este continuă pe ℝ și în plus, au loc relațiile:
# , # ,
zE = ° 6 d6 , 9B = ° 6 cos ?6 d6,
%, W, , W,
# ,
:B = °(6) sin ?6 d6, (12)
, W,
pentru orice întreg n ≥ 1.
Seriile UC pot fi integrate termen cu termen și din relația
l
°(6) = zE + Bp#(9B cos ?6 + :B sin ?6), integrată termen cu
, ,
termen pe [–π, π], rezultă W,
°(6)d6 = z d6
W, E
+ 0 = 2(zE ,
B
folosind faptul că sin nπ = 0 și cos nπ = (−1) . Apoi, înmulțind o
serie UC cu o funcție mărginită, se obține o altă serie UC; aplicând

36
acest fapt și relațiile de ortogonalitate (11), rezultă direct formulele
(12) pentru zE , 9B , :B , n ≥ 1.
Atenție: Integralele puteau fi luate pe orice interval de
lungime 2π, datorită periodicității 2π a integranzilor.
În acest punct, avem ocazia marcării unui moment crucial.
Până acum, pornind de la seria trigonometrică (10), un obiect
matematic static și „steril”, s-au obținut formulele (12). Fourier
și-a modificat punctul de vedere: anume, pornind invers, de la o
funcție f (t) care îndeplinește anumite condiții și provine din
descrierea unor procese, el îi asociază coeficienți numerici similari
cu cei din relațiile (12), unde S(t) este înlocuită cu f (t), considerând
totodată noua serie trigonometrică (10).
Cu rigoarea de astăzi, se pun imediat următoarele întrebări:
- este noua serie (10) PC pe ℝ?
- dacă da, este suma ei S(t) egală sau nu cu funcția f (t) de pornire?
Pe vremea lui Fourier, în jurul lui 1800, astfel de întrebări
nu se puneau și oricum nu aveau răspuns... Erau puțin cunoscute
rezultatele lui Cauchy sau Abel privind convergența, iar
Weierstrass nu introdusese convergența uniformă; doar după peste
70 de ani, printr-un efort prelungit legat de numele lui Riemann,
Cantor, Dirichlet, Hilbert, s-a găsit răspunsul la cele două
probleme menționate, pe care îl vom da în acest capitol.

37
§1.4. Serii Fourier reale (peste ℝ)
Definiția 1.4: Fie 3: ℝ → ℝ o funcție periodică 2π și
continuă pe porțiuni (deci integrabilă pe orice interval [a, b]). Se
definesc coeficienții Fourier zE , 9B , :B (n ≥ 1) prin:
# ,
zE = W,
3 6 d6,
%,
# ,
9B = 3 6 cos ?6 d6,
, W,
# ,
:B = 3(6) sin ?6 d6, (13)
, W,
și seria Fourier asociată:
zE + B†#(9B cos ?6 + :B sin ?6). (14)
Dacă f este pară (≡ graficul simetric față de Oy), atunci
# , % ,
zE = E
3 6 d6 , 9B = E
3 6 cos ?6 d6 și :B = 0
, ,
pentru n≥1; iar dacă f este impară (graficul simetric față de
origine), atunci
% ,
zE = 0, 9B = 0, :B = 3(6) sin ?6 d6 pentru n ≥ 1.
, E
Atenție: Dacă se modifică valorile unei funcții integrabile
în puncte izolate, nu se modifică valorile integralelor respective.
De exemplu, pentru funcțiile 3, b: [0,1] → ℝ,
A + 1 dacă A ∈ (0,1)
3(A) = A + 1 și b(A) = 3 dacă A = 0 avem
−2 dacă A = 1
# # Y
E
3(A)dA = E
b(A)dA = .
%
Notă
Legat de cele două întrebări anterioare, există o anumită
analogie între seriile Fourier și seriile Taylor. Astfel, dacă

38
3: (9, :) → ℝ este o funcție indefinit derivabilă și AE ∈ (9, :),
¢ (£) (jó )
atunci se poate asocia seria Taylor B†E (A − AE )B . Nu este
B!
spus că această serie este convergentă și că în caz de convergență,
are ca sumă f (x).
#
De exemplu, pentru funcția 3: ℝ → ℝ, 3 A = exp −
ja
B
dacă x ≠ 0 și f (0) = 0 indefinit derivabilă, avem 3 0 = 0 pentru
orice n ≥ 1, dar suma seriei Taylor în origine nu coincide cu f (x)
pentru x ≠ 0. Legătura evocată este tot una de asociere! Se știe că
dacă f are toate derivatele mărginite de același număr real pozitiv,
atunci suma seriei Taylor este tocmai f, adică pentru orice
¢ ß (jó ) ¢ ßß (jó )
A ∈ 9, : , 3(A) = 3(AE ) + (A − AE ) + (A − AE )% +. ..
#! %!
Menționăm că seriile Fourier sunt strâns legate de seriile Laurent
din Analiza complexă.
În continuare, vom folosi cu precădere termenul de semnal
periodic (în loc de funcție), cu gândul la aplicațiile ulterioare.
Exemplu
Considerăm semnalul periodic 3: ℝ → ℝ, 3 6 = −1 dacă
6 ∈ −(, 0 și 3 6 = 1 dacă 6 ∈ (0, (), extins prin periodicitate
la întreg ℝ. Graficul lui f este indicat în figura 1.15. Un astfel de
semnal descrie forțe externe care acționează asupra unor sisteme

39
Figura 1.15
mecanice sau ca f.e.m. în circuite electrice; în punctele de
comutare 0, ± %, ± 2%,... nu conteaz% valorile semnalului. Conform
formulelor (13), avem zE @ H #i 9B @ H0pentru n ( 1 (c%ci f este
% ,
func$ie impar%); apoi, pentru n ( 1, :B @ 0 O v )*+ ?6 ]6 @
, E
% x x
O R <RO=B deci :# @ ' :% @ H' :Y @ ' :x @ H etc. Seria
B, , Y,
x # #
Fourier asociat% este )*+ 6 X )*+ V6 X )*+ ©6 Xë ë ë ' 6 7 !.
, Y ®
x
Graficele primelor dou% sume par$iale °# @ )*+ 6 #i
,
x #
°% @ <)*+ 6 X )*+ V6=, restrânse la intervalul [–%, %],
, Y
sunt indicate în figura 1.16.

Figura 1.16
Cu ajutorul computerelor #i al programelor specializate
(MATLAB, MAPLE,...), se pot ob$ine graficele altor sume par$iale

40 !
(nu toată infinitatea!), care sugerează că pentru ? → ∞, funcția
°B (6) se apropie de semnalul f (t) inițial. Vom vedea că dacă f (t)
îndeplinește anumite condiții suplimentare (numite „condiții
Dirichlet”) este chiar așa. Mai mult, computerele permit calculul
aproximativ al coeficienților Fourier și extragerea armonicelor de
diverse ordine pentru semnale periodice care nu sunt definite
explicit ( f (t) =... ) ci apar pe display în cursul unor procese reale.
Generalizare la funcții periodice T
O extindere a seriilor Fourier (14) se obține considerând
funcții 3: ℝ → ℝ periodice de perioadă principală T = 2ℓ; tot ce
s-a spus anterior se reface direct sau se reduce la „cazul 2π”,
\
considerând funcția ajutătoare b(6) = 3 6 care este periodică
%,
%,
2π. Punând { = , formulele (13) se modifică astfel:
\
`
#
zE = a
3 6 d6,
\ W `
a
`
%
9B = a
3 6 cos ?{6 d6,
\ W `
a
`
%
:B = a
3(6) sin ?{6 d6. (15)
\ W `
a

Seria Fourier asociată, conform definiției 1.4, este


zE + B†#(9B cos ?{6 + :B sin ?{6). (16)
[Dacă T=2π, atunci { = 1 și regăsim (13), (14)].
Riemann a demonstrat că dacă b: [9, :] → ℝ este o funcție
_
continuă pe porțiuni, atunci lim Q
b(A) cos ?A dA = 0 și
B→l
_
lim Q
b(A) sin ?A dA = 0. Așadar, conform (15),
B→l

41
ô*ö 9B @ H #i ô*ö :B @ H, (17)
B/l B/l
deci coeficien$ii Fourier tind spre zero când ? / k.
Exemplu
Consider%m semnalul 34 ! / !' definit prin f (t) = 1 dac%
6 7 <R&' RO= ™ <O'&= #i f (t) = 0 dac% 6 7 <RO'O=, prelungit prin
%, ,
periodicitate T = 4 la !; figura 1.17. A#adar, { @ @ #i în plus,
\ %
semnalul este o func$ie par%. Conform (15),

Figura 1.17
% % # % #
zE @ 3<6=]6 @ # O v ]6 @ 0#i pentru n ( 1, :B @ H.
\ E % %
x % B,Å % B,Å
Apoi,009B @ E 3 6 Lc) ]6 0 @ # Lc) ]6
\ % %
% B, % B,
@ <)*+ ?( R )*+ =@R )*+ ë
B, % B, %
% #
Se observ% c% se verific% (17), deoarece 9B m v .
, B
Un prim rezultat fundamental, a c%rui demonstra$ie a
a#teptat timp de 70 de ani, îl constituie
TEOREMA 1.3 (Fourier–Dirichlet de convergen$%
punctual%): Fie 34 ! / ! o func$ie periodic% T, neted% pe por$iuni,
cu derivate laterale finite în orice punct. Atunci seria Fourier
%,
asociat% (16), cu { @ , este PC pe !, având suma 3 în fiecare
\

42 !
#
punct 6 ∈ ℝ. [Am notat 3(6) = 3(6 − 0) + 3(6 + 0) , adică
%
media aritmetică a limitelor laterale ale lui f în punctul t. Desigur,
dacă f este continuă în punctul t, atunci 3(6) = 3(6). În jargon
studențesc, 3 se numește „ f cu purici”].
Demonstrația teoremei 1.3 este dificilă și este dată în
manuale specializate; [2], [13]. Teorema 1.3 are mai „multe
nume”: „Teorema FD de reprezentare a semnalelor periodice”,
„Dezvoltarea în serie Fourier” sau „Teorema de descompunere a
semnalelor periodice ca suprapunere de armonici”.
COROLAR. Dacă f, g sunt două semnale periodice T,
netede pe porțiuni, cu derivate laterale finite și având aceiași
coeficienți Fourier, atunci f = g a.p.
Într-adevăr, conform teoremei 1.3, f și g au aceeași
dezvoltare Fourier, deci 3 = b a.p. (vezi ANEXA 1).
Notă
Reținem ca terminologie: T este perioada principală a lui f
#
(asimilat cu o undă staționară), q = este frecvența fundamentală
\
%,
și { = = 2(q. În condițiile teoremei 1.3, are loc formula
\
l
3(6) = zE + Bp# zB (6), unde
zB (6) = 9B cos ?{6 + :B sin ? {6 este oscilația
armonică (≡ armonică) de ordin n conținută în semnalul f: prin
suprapunerea armonicelor, se reconstituie semnalul inițial f, dar
„cu pureci”. Determinarea armonicelor constituie analiza
semnalului sau undei.

43
Ca regulă mnemotehnică, formulele (15) se pot reține
# % %,
astfel: zE = 3 6 d6 , 9B = 3(6) cos( ?6)d6,
´¨≠ ´¨≠ ´¨≠ ´¨≠ ´¨≠
% %,
:B = 3 6 sin ( ?6) d6, unde „per” este perioada T a
´¨≠ ´¨≠ ´¨≠

semnalului. Integralele sunt considerate pe intervale de lungime


cât perioada și se descompun în cazul când f(t) se definește cu
acolade, având expresii diferite pe subintervale corespunzătoare
ale intervalului de integrare.
Algoritmul de dezvoltare în serie Fourier
Este dat un semnal f pe un interval (0, T) de lungime cât
perioada T, care se prelungește prin periodicitate la ℝ (cu excepția
eventual a unor puncte izolate, unde nu contează valoarea lui f). Se
recomandă trasarea graficului lui f și a prelungirii lui f.
PASUL 1. Se verifică toate condițiile lui Dirichlet (număr
finit de puncte de discontinuitate pe intervalul (0, T), cu derivate
laterale finite în toate punctele).
%,
PASUL 2. Se calculează { = și coeficienții Fourier dați
\
de (15). Se ține eventual cont de paritatea sau imparitatea lui f.
PASUL 3. Se scrie explicit dezvoltarea Fourier (16) pentru
3 6 , 6 ∈ ℝ. Aceasta este valabilă pentru semnalul f dat inițial
doar pentru 6 ∈ [0, Z].
Exemple
a) Semnalul din figura 1.15 îndeplinește condițiile
teoremei FD și rezultă dezvoltarea

44
x # # ,
3<6= @ <)*+ 6 X )*+ V6 X )*+ ©6 Xë ë ë =' 6 7 !. Pentru 6 @ ,
, Y ® %
, x # #
avem 3<6= @ 3< = @ O deci 1 = <O R X Rë ë ë =ë Se ob$ine „din
% , Y ®
# # ,
senin” un fapt remarcabil: O R X Rë ë ë @ , anume suma seriei
Y ® x
alternate a inverselor numerelor impare, ob$inut% de Leibniz la
începuturile Analizei matematice.
De asemenea, pentru semnalul din figura 1.17, rezult%
# % l # B, B,Å
3<6= @ R Bp# B )*+ % v Lc) ' 6 7 !.
% , %
b) F.e.m. sinusoidal% ~ 6 @ ~ )*+ 96,09 K H, având
%,
perioada principal% Z @ , trece printr-un filtru rectificator care
Q
„taie” por$iunea negativ% a undei.
,
Rezult% semnalul periodic 3 6 @ ~ )*+ 96 dac% 6 7 H'
Q
,
#i 3 6 @ H0 dac% 6 7 <R ' H=; fig. 1.18.
Q

Figura 1.18
În acest caz, f nu este nici par%, nici impar% #i aplic%m
%,
formulele (15), cu Z @ #i { @ 9:
Q
Æ Æ
Q Q ∞
zE @ Ø
Æ 3<6=]6 @
Ø ~ )*+ 96 ]6 @ etc.
%, W0 %, E ,
Ø

! 45
Dezvoltarea Fourier final% va fi
∞ ∞ %∞ # #
3<6= @ X 0)*+ 96 R < Lc) &96 X Lc) ±96 Xë ë ë =' 6 7 !.
, % , #ëY Yë®
În acest caz, deoarece f este continu%, rezult% c% 3 @ 3.
c) Coeficien$ii Fourier ai suprapunerii (1 sumei) f + g a
dou% semnale verificând condi$iile teoremei FD sunt sumele
coeficien$ilor Fourier ai lui f #i g. Ca exemplificare, consider%m
semnalul ò4 ! / !' ò 6 @ 6 X (0 dac% 6 7 <R(' (=, prelungit
prin periodicitate 2%; fig. 1.19.

Figura 1.19
Avem F=f + g, unde f (t) = t #i g(t) = % (constant).
Dezvoltarea Fourier a lui f este cea a unei func$ii impare #i
£≤à
l <W#=
rezult% 3<6= @ & Bp# )*+ ?6: apoi g(t) = % pentru orice t #i
B
≥¥µ %Å ≥¥µ YÅ
în final, ò<6= @ ( X &<)*+ 6 R X Rë ë ë =' 6 7 !.
% Y
d) Dac% 34 H' : / ! îndepline#te condi$iile teoremei FD
#i se prelunge#te prin paritate (simetric fa$% de Oy) la intervalul
(– b, b) #i apoi prin periodicitate 2b, atunci se ob$ine o serie de
cosinu#i pentru f: similar, prin simetrie fa$% de origine, se ob$ine

46 !
dezvoltarea în serie de sinu#i. Pentru exemplificare, dezvolt%m
34 H' ( / !' 3<6= @ )*+ 6 în serie de... cosinu#i; fig. 1.20.
Aplicând formulele (15) pentru T = 2%, rezult%

Figura 1.20
# , % % ,
zE @ )*+ 6 ]6 @ 40:B @ H #i 9B @ )*+ 6 Lc) ?6 ]6 pentru
, E , , E
Wx
n ( 1 deci 9B @ H pentru n impar #i 9B @ pentru n ( 2 par;
,<Ba W#=

rezult% dezvoltarea remarcabil%


% x l ∂∑≥ %UÅ
)*+ 6 @ R Up# xU a W# ' ¶i+eûM06 7 <H' (=ë
, ,
e) D%m un ultim exemplu. Fie 0<a< T constante #i
semnalul periodic T din figura 1.21, prelungit prin periodicitate la
!.

Figura 1.21

! 47
Conform (15),
Ø Ø Ø
# Q∏ % x∏ ≥¥µ<B}W a =
zE @ a
Ø d]60 @ 409B @ a
Ø d Lc) ?{6 ]6 @ #i
\ W0 \ \ W0 \ B}
a a
%,
:B @ H pentru n ( 1 (din paritatea lui f ); { @ .
\
În Teoria semnalelor #i îndeosebi în Analiza Fourier, se
utilizeaz% urm%toarea func$ie special%
≥¥µ Å
sinc: !0 / 0!' )*+L<6= 0 @ 0 pentru t ' 0 #i sinc(0) = 1.
Å
Aceast% func$ie se nume#te sinus cardinal; dar are #i alte
denumiri: sinus atenuat, fiind notat% sa, dar #i func%ia de
e$antionare. Graficul ei este indicat în figura 1.22.

Figura 1.22
%∏Q B}Q
Revenind la exemplul e), rezult% 9B @ )*+π< = #i
\ %
Q∏ l
descompunerea lui f în armonici: 3<6= @ X Bp# 9B Lc) ?{6.
\
Not% istoric%
Jean-Baptiste Joseph Fourier (1768 – 1830) a fost un mare
matematician #i fizician francez, deschiz%tor al domeniului Fizicii
matematice. U#or instinctual, el l-a impresionat pe Napoleon, pe
care l-a urmat în campania (de fapt invazia) din Egipt, fiind numit

48 !
guvernator; mai târziu, Fourier a fost numit (nu ales) prefect de
Grenoble. După căderea lui Napoleon, el s-a refugiat în
matematică, lucrările sale fiind sistematizate în cartea „Théorie
analytique de la chaleur”, apărută la Paris în 1822, cu o întârziere
de 15 ani. De mai multe ori, el s-a bazat pe faptul că „orice funcție
periodică se poate reprezenta ca o sumă de sinuși și cosinuși”
(astăzi spunem că „în anumite condiții, un semnal periodic este o
suprapunere de oscilații armonice”!). Afirmația lui Fourier a fost
pusă la îndoială de Euler sau Poisson, iar Laplace nu credea că
funcția sin 6 poate fi dezvoltată în serie de cosinuși, așa cum am
văzut în exemplul d) anterior! Era o perioadă în care Analiza
matematică nu făcuse progrese privind convergența seriilor de
funcții, iar Weierstrass nu obținuse rezultatele sale privind
convergența uniformă sau derivarea / integrarea termen cu termen.
Multe rezultate ale lui Fourier erau neacceptabile pentru
academicienii timpului, sub acuzația lipsei de rigoare. A contat și
deranjul produs de inventivitatea și originalitatea lui Fourier, care
au creat crispări în mediul academic, ce au condus la rămânerea în
seiful Editurii a cărții menționate. Doar spre sfârșitul vieții sale,
Fourier a fost ales membru al Academiei franceze. Prea târziu...
Dar Fourier a fost răzbunat de istorie, recunoscându-se
peste timp că el a creat un instrument matematic excepțional de
fecund, generator al multor dezvoltări ale Fizicii matematice.
Domenii întregi ale științei poartă „marca Fourier”:
descompunerea semnalelor periodice în armonici (așa cum
Newton descompusese lumina albă în culorile fundamentale),
magia transformării Fourier care leagă domeniul TIMP de

49
domeniul FRECVENȚĂ, transformarea Fourier discretă,
procesarea imaginilor 2D și 3D, Spectroscopia, Tomografia,
Cristalografia etc. Această carte își propune să prezinte câteva
elemente ale moștenirii Fourier, într-un limbaj suportabil
deopotrivă de inginerii și matematicienii de diverse temperamente.
După 70 de ani de la generarea ideilor lui Fourier, matematicieni
precum Bessel, Riemann, Dirichlet, Cantor, Hilbert, Lebesgue ș.a.
au reușit demonstrarea lor riguroasă. Ca un fapt mai puțin
cunoscut, Cantor a elaborat Teoria mulțimilor, folosind reuniuni,
intersecții finite sau nu, complementare de intervale, încercând să
sistematizeze mulțimile de puncte unde diverse serii Fourier erau
convergente. Fizicieni ca Maxwell, Hertz, Thompson, Planck,
Heisenberg, Dirac au contribuit la aplicarea eficientă a ideilor și
tehnicilor apărute „in ovo” la Fourier, culminând cu apariția
Electronicii, Telecomunicațiilor moderne și explozia tehnologiilor
informatice. Este suficient de amintit că transmisiile Radio sunt
asimilate cu transformarea Fourier 1D, Televiziunea ≡ Fourier 2D,
Holografia ≡ Fourier 3D etc.
Nu întâmplător, au apărut substantive noi (de exemplu,
„transfuriere” ≡ aplicarea unei transformări Fourier) și s-a propus
ca numele lui să fie scris cu „f ” mic, ca substantiv comun și ca o
recunoaștere universală și un răspuns la orbirea vinovată a
contemporanilor săi. Uneori numele lui a fost confundat cu cel al
socialistului Charles Fourier; însuși Victor Hugo îl considera pe
Joseph Fourier nedemn de a fi fost ales la Academia franceză. De-
ale vieții și posterității...

50
§1.5. Serii Fourier în forma complexă
În procesarea seriilor Fourier, se folosesc mai mult
exponențialele complexe decât funcțiile trigonometrice. Motivul
este acela că există avantaje de manipulare algebrică și concizie a
scrierii. Înainte de a prezenta forma complexă a seriilor Fourier,
sunt necesare câteva pregătiri.
Definiția 1.5. Pentru orice ∫ ∈ ℂ se definește exponențiala
ª ªa ª£
sa complexă eª ≡ exp(∫) = 1 + + +. . . + +. .., această
#! %! B!
serie de puteri fiind convergentă.
ß ß
Desigur, eE = 1 și eª^ª = eª · eª pentru orice ∫, ∫ Ö ∈ ℂ.
În particular, rezultă că eª ≠ 0 (deoarece eª · eWª = 1).
¥j ja
Dacă A ∈ ℝ și z = e¥j , atunci eª = e¥j = 1 + − −
#! %!
¥j Ω jæ jø ja jæ j jΩ jø
+ +i −. . . = 1 − + −. . . +i( − + −. . . ).
Y! x! ®! %! x! #! Y! ®!
Reamintind dezvoltările în serii de puteri ale „cos” și „sin”,
în jurul originii, rezultă celebra formulă a lui Euler:
e¥j = cos A + i sin A, pentru orice A ∈ ℝ. (18)
Înlocuind x cu – x, rezultă că eW¥j = cos A − i sin A, deci
eW¥j = e¥j și totodată:
#
cos A = e¥j + eW¥j și
%
#
sin A = (e¥j − eW¥j ) (19)

Reamintim că pentru orice ∫ ∈ ℂ, ∫ ≠ 0, ∫ = A + iÇ, se
notează ∫ = ∫ − iÇ (conjugatul lui z); avem ∫ + ∫ Ö = ∫ +
∫ Ö , ∫∫ Ö = ∫ · ∫ Ö și ∫ ∫ Ö = ∫ ∫ Ö . Apoi se consideră ¿ = ∫ =

51
A % X Ç % (modulul) #i ¡ @ öú) ÉA' ÉÇ (argumentul Arg z),
cu ¡ 7 H'&( ; fig. 1.23. Evident, ∫ v ∫ @ ∫ % ë

Figura 1.23
Atunci A @ ¿ Lc) ¡ ' Ç @ ¿ )*+ ¡ deci z = x + iy = ¿ Lc) ¡ X
∂√ë<#ƒ=
*¿ )*+ ¡ @ ¿<Lc) ¡ X ¬ )*+ ¡= @ ¿ i¥≈ .
Forma exponen%ial& a unui num%r complex nenul este
urm%toarea:
∫ @ ∫ v i¥∆≠«ª @ ¿i¥≈ . (20)
Exemple
Æ
O X * @ & v i¥ æ ' © @ © v i¥E ' RV @ V v i¥, etc.
Not%
Una din curiozit%$ile matematice este faptul c% i¥, @ RO,
ceea ce rezult% din (18) pentru x = %. De ce curiozitate?
R%spuns: pentru c% sunt legate în mod condensat #i
misterios celebrele numere e, i, %. Tot ca o curiozitate,
exponen$iala complex% (spre deosebire de cea real%) este o func$ie
periodic% de perioad% 2%i (deoarece i%,» @ O #i iª^%,¥ @
iª v i%,¥ @ iª pentru orice ∫ 7 5).
ß ß
Aten$ie: iªª [ <iª =ª #i i%,»j [ <i%,¥ =j @ Oë

52 !
Definiția 1.6: Fixăm T > 0. Pentru orice ? ∈ ℤ, se definește
#
semnalul sinusoidal complex de perioadă T, frecvență q = și
\
pulsație { = 2(q; anume,
eB : ℝ → ℂ, eB 6 = e¥B}Å = exp i?{6 . (21)
Funcția eB se mai numește armonica complexă de ordin n
(pentru n ≠ 0), iar e# este armonica fundamentală; evident,
eB = (e# )B și eWB = eB pentru orice ? ∈ ℤ.
Notă
Se numește caracter pe ℝ orice funcție |: ℝ → ℂ astfel
încât pentru orice è, 6 ∈ ℝ, | è + 6 = | è · | 6 , | 0 = 1 și
|(6) = 1 deci | este un morfism de la grupul aditiv ℝ la grupul
multiplicativ al numerelor complexe de modul 1. Așadar, oricare
eB este un caracter și se poate arăta că orice caracter continuu pe
ℝ este dat de o exponențială.
În continuare, vom nota cu P\ mulțimea semnalelor
3: ℝ → ℂ care sunt periodice T și continue pe porțiuni. Evident, P\
este un spațiu vectorial complex și eB ∈ P\ pentru orice n ∈ ℤ.
Pentru orice două semnale 3, b ∈ P\ se poate defini
produsul scalar
\
3, b = E
3(6)b(6)d6, (22)
\
iar E(f) = 3, 3 = E
3(6) % d6 se numește energia lui f.
Un rezultat important îl constituie
PROPOZIȚIA 1.4. Pentru orice m, n ∈ ℤ au loc relațiile
eä , eB = ZTäB (23)
și E(eB ) = Z.

53
[În analogie cu (11), relațiile (23) se numesc relațiile de
ortogonalitate pentru armonici complexe]
Demonstrație: Avem conform (22),
\ \
eä , eB = e
E ä
6 eB 6 d6 = E
exp(iâ{6) · exp(−i?{6)d6 =
\
E
expi{(â − ?)6d6.
# Z
Dacă m≠n, atunci eä , eB = » expi{(â − ?)6 = 0,
(äWB) 0
deoarece {Z = 2(.
\
Iar dacă m = n, atunci eä , eB = E
1 · d6 = Z.
Așa cum polinoamele algebrice sunt combinații liniare
finite de puteri A B am definit polinoamele trigonometrice prin
combinații liniare finite de sinuși și cosinuși (definiția 1.2).
Definiția 1.7: Polinoamele trigonometrice complexe sunt
o
semnale de forma ç(6) = BpWo πB eB (6) cu N ≥ 0 fixat și πB ∈
ℂ, πWB = πB deci πE este real.
Exemple
a) P=3+(1+i) e# +(1–i) eW# este un polinom trigonometric,
cu N = 1.
b) Orice polinom trigonometric conform definiției 1.2 este
și un polinom trigonometric complex.
Calculăm energia unui polinom trigonometric complex
o
ç= BpWo πB eB : anume, E(P) = ç, ç = ä πä eä , B πB eB =
%Y
o
ä,B πB πä eä , eB = ä,B πB πä . ZTäB =Z BpWo πB % .
\
Pe de altă parte, E(P) = E
ç(6) % d6 și rezultă că
o % # \
BpWo πB = ç(6) % d6, (24)
\ E

54
relație numită egalitatea lui Parseval.
Notă
o
Polinomul trigonometric ç(6) = BpWo πB eB (6) este o
mărime „analogică”, iar coeficienții (πB ) reprezintă o mărime
digitală. Dacă se cunosc toți coeficienții πB , atunci se determină P
și invers, fiind dat P, atunci
o
ç, eB = äpWo πä eä , eB = ä πä eä , eB = ZπB
# # \ # \
deci πB = ç, eB = E ç(6) eB (6)d6 = E ç(6) eW¥B}Å d6,
\ \ \
adică toți πB sunt determinați. Ca atare, armonicele eB sunt simpli
„purtători – spectatori”! Acesta este un fenomen matematico–
informatic esențial, numit conversie analogic – digitală (A / D),
pe care îl vom mai întâlni în această carte, inclusiv în cazul
undinelor ca „purtători”.
Cele spuse se extind de la polinoame trigonometrice la
semnale periodice mai generale; anume, are loc:
TEOREMA 1.5 (teorema Fourier–Dirichlet în forma
complexă). Fie T > 0 fixat și 3 ∈ ç\ având derivate laterale finite
în fiecare punct. Atunci seria Fourier asociată
B∈ℤ πB eB (6) = B∈ℤ πB e¥B}Å are suma 3(6), unde
# # \
πB = 3, eB = 3(6) eB (6)d6, ? ∈ ℤ. (25)
\ \ E
De fapt, aceasta rezultă din teorema 1.3 (adică forma reală).
Anume, conform (16), 3(6) = zE + l Bp#(9B cos ?{6 +
à
∂√.(#À) pW¥
Õ
l ¨£ ^¨Ã£ ¨£ W¨Ã£
:B sin ?{6) = zE + Bp#(9B + :B ) = = zE +
% %¥
l Q£ W¥_£ Q£ ^¥_£
Bp#( % eB +
%
eWB ).

55
Q£ W¥_£ Q£ ^¥_£
Notând πE @ zE , πB @ 0 #i0πWB @ pentru n ( 1,
% %
l l
rezult% 3 6 @ πE X Bp# πB iB X πWB iWB @ BpWl πB iB . În
# \
plus, conform (15), πE @ zE @ 3 6 ]6 #i pentru n(1, πB @
\ E
# # % \ % \
9B R *:B @ E
3 6 Lc) ?{6 ]6 R * E
3 6 )*+ ?{6 ]6
% % \ \
# \ W¥B}Å # #
@ 3<6=i ]6 @ 3' iB #i similar πWB @ 3' iWB deci
\ E \ \
(25).
Exemplu
Determin%m forma complex% a dezvolt%rii Fourier pentru
semnalul f din figura 1.24, prelungit prin periodicitate T = 2 la !.

Figura 1.24
În punctele de discontinuitate ã, definim f prin 3<ã=.
Func$ia f îndepline#te condi$iile lui Dirichlet (periodic%, continu%
pe por$iuni #i cu toate derivatele laterale nule) #i în plus, este par%.
%,
Avem T = 2 deci { @ @ ( #i conform (25),
\

56 !
# #
πB = W#
3(6)(cos ?(6 − ¬ sin ?(6)Œ6 =
%
à à
# % B,
a
à 2 (cos ?(6 − ¬ sin ?(6)Œ6 = 2 a
E
cos ?(6 d6= sin
% W B, %
a
à
#
pentru n ≠ 0 și πE = a
à 2d6 = 1.
% W
a

¥B,Å % B,
Așadar, 3(6) = 1 + BœE πB e , unde πB = sin .
B, %
Completări
Există multe rezultate teoretice privind convergența
seriilor Fourier și menționăm, fără demonstrație, câteva:
- Dacă 3: ℝ → ℝ sau (ℂ) este o funcție continuă, periodică
de perioadă T > 0 și în plus, f este derivabilă cu derivata continuă
pe porțiuni, atunci seria Fourier B∈ℤ πB eB (6) a lui f este UC pe ℝ
și seria numerică B∈ℤ πB este convergentă; în plus, seria Fourier
a lui 3 Ö se obține derivând termen cu termen dezvoltarea lui f.
- În condițiile anterioare, cu 3 Ö ∈ L%[E,\] , se pot exprima
coeficienții Fourier ai lui 3 Ö în funcție de coeficienții lui f:
πB (3 Ö ) = i?{πB (3) pentru orice ? ∈ ℤ. Într-adevăr, integrând prin
# \ Ö # Z
părți, πB (3 Ö ) = 3 (6)eW¥B}Å d6 = 3(6)eW¥B}Å +
\ E \ 0
# \
i?{ E
3(6)eW¥B}Å d6 = i?{πB (3), deoarece {Z = 2( și 3(Z) =
\
3(0).
- Egalitatea (24) a lui Parseval se extinde fără dificultate la
serii Fourier:
l % # \
BpWl πB = 3(6) % d6, (26)
\ E

57
în condițiile teoremei 1.5 și presupunând că 3 ∈ L%ℝ . Folosind
egalitatea lui Parseval pentru 3 Ö , rezultă că seria numerică
% %
B∈ℤ ? πB (3) este convergentă.
- Dacă f este periodică și indefinit derivabilă, atunci pentru
orice întreg k ≥ 0, lim ?U πB = 0. Lema lui Riemann arăta că dacă
B →l

3 ∈ P\ , atunci lim πB = 0.
B →l
- Ca un rezultat matematic spectaculos, care i-a adus
celebritatea, Kolmogorov a dat în 1926 primul exemplu de semnal
3: ℝ → ℝ periodic T, din clasa 3 ∈ L#[E,\] pentru care seria Fourier
este divergentă în orice punct.
În general, spre deosebire de seriile de puteri, seriile
trigonometrice nu pot fi derivate sau integrate termen cu termen
fără precauții. Așa cum am mai spus, seriile Fourier sunt strâns
legate de seriile Laurent în jurul originii, deoarece notând
∫ = e¥}Å , rezultă B∈ℤ πB e
¥B}Å
= B∈ℤ πB ∫
B
.

§1.6. Interpretări fizice și aplicații


Pentru orice semnal continual periodic T, satisfăcând
condițiile lui Dirichlet, are loc dezvoltarea Fourier reală
3(6) = zE + l Bp#(9B cos ?{6 + :B sin ?{6), unde
%,
{= și zE , 9B , :B sunt dați de (15) sau forma Fourier
\
l
complexă 3(6) = BpWl πB e¥B}Å , unde coeficienții πB sunt dați de
(25). În acest paragraf, încercăm o sinteză a rezultatelor anterioare
și o deschidere spre aplicații semnificative.

58
I. Media semnalului f pe intervalul [0, T] (sau echivalent
pe orice interval de lungime cât perioada) este
# \
–¢ = E
3(6)d6 deci –¢ = zE = πE .
\
Așadar, termenul liber al dezvoltării Fourier a unui semnal
este tocmai media acestuia.
II. Pentru n ≥ 1, termenul
zB (6) = 9B cos ?{6 + :B sin ?{6 ≡ πB eB (6) + πWB eWB (6)
se numește armonica de ordin n a semnalului f: zB (6) are
\
perioada principală și z# (6) este armonica (≡ oscilația)
B
principală (sau fundamentală) a lui f.
Exemplu
Armonica a 3–a este zY (6) = 9Y cos 3{6 + :Y sin 3{6,
\
având perioada principală .
Y
l
III. Formula 3(6) = zE + Bp# zB (6) arată că semnalul
„f cu pureci” este egal cu suma (≡ suprapunerea, în limbaj
ingineresc) armonicelor sale. Semnalul 3 coincide cu f în toate
punctele cu excepția unor puncte izolate.
Am menționat că în multe domenii ale științei se folosește
descompunerea unor entități în componente mai simple sau
standard: descompunerea Newton a luminii albe și recent,
descompunerea semnalelor în voci, după ce modelul Fourier a fost
extins la vectori din spații Hilbert (cu ajutorul bazelor
ortonormale). De la semnale 1D s-a trecut la imagini 2D sau 3D,
cadre video, holograme etc. În practică, se rețin câteva armonici
o
deci 3(6) = zE + Bp# zB (6), cu N ales convenabil.

59
Cu tehnologiile informatice moderne, se pot extrage fără
dificultate diverse armonici ale unor semnale apărute pe display –
uri, chiar și în lipsa formei matematice explicite.
Calculul coeficienților Fourier reprezintă analiza
conținutului armonic (frecvențial) al semnalului; în cadrul
procesării unui semnal, unele armonici pot fi eliminate, atenuate
sau amplificate, filtrate, combinate cu alte semnale 1D sau 2D, așa
cum se întâmplă în Muzica electronică sau în Cinematografie
(unde s-a reușit imitarea vocii lui Pavarotti sau a prezenței M.
Monroe în filme artificiale nepotrivite). Analiza Fourier este
utilizată pentru controlul vibrațiilor unui motor, în determinarea
defectelor în bătăile inimii sau, așa cum am văzut, în urmărirea
sunetelor unor instrumente muzicale cu coarde sau de suflat etc.
Așa cum am mai spus, seriile Fourier reprezintă un prim
exemplu al conversiei analogic–digitale (A/D), prin legătura dintre
mărimile analogice de tipul f (t) și mărimile digitale discrete (πB ),
? ∈ ℤ.
IV. Deoarece lim 9B = 0 și lim :B = 0, rezultă că
B→l B→l
lim πB = 0 deci armonicele zB (6) de ordin ? ≫ 1 pot fi
B →l
neglijate. În practică, dezvoltarea Fourier este finită!
V. Energia unui semnal 3 ∈ P\ este
\
E(3) = 3, 3 = E
3(6) % d6 și am văzut că aceasta este
l %
egală cu suma seriei BpWl πB (egalitatea (26) a lui Parseval).

60
Se reobține totodată faptul că lim πB = 0, deoarece
B →l
pentru o serie convergentă, termenul ei general tinde spre zero.
Armonica zB (6) de ordin n se poate rescrie astfel:
9B cos ?{6 + :B sin ?{6 ≡ zB cos ?{6 + |B =
zB (cos ?{6 cos |B − sin ?{6 sin |B ), și apoi după identificarea
coeficienților, 9B = zB cos |B , :B = zB sin |B deci zB =
9B% + :B% . Amplitudinea zB a armonicii este importantă, deoarece
energia acelei armonici este proporțională cu pătratul amplitudinii;
într-adevăr,
\ \ %
E(zB 6 ) = E
zB 6 % d6 = E
zB cos % ?{6 + |B d6 =
a£ \ \
= E
(1 + cos(2?{6 + |B ))d6 = z%B . . Fazele |B sunt și ele
% %
importante pentru a observa defazajul dintre diverse armonici.
VI. Definiția 1.8: Spectrul discret al unui semnal f
continual periodic cu perioada principală T și cu frecvența
#
fundamentală qE = este mulțimea discretă
\
B
”¢ = ( , πB ) | ? ∈ ℤ = (?qE , πB ) |? ∈ ℤ ,
\
(27)
care nu poate fi reprezentată grafic, deoarece ”¢ ⊂ ℝ × ℂ. Dar
folosind forma exponențială (20), avem πB = πB e¥≈£ , unde ¡B ∈
[0,2() este argumentul lui πB , se poate reprezenta grafic spectrul
B
de amplitudine , πB | ? ∈ ℤ , ca submulțime a lui ℝ% , prin
\
B
„bețe” verticale de înălțimi πB având punctul de aplicație = ?qE
\
pentru ? ∈ ℤ și distanțate la multipli întregi ai lui qE . De asemenea,

61
dac% πB [ H, atunci se poate reprezenta spectrul de faz& al lui f,
B
anume ' ¡B 0‘0? 7 > .
\
Exemple
a) Consider%m semnalul 3<6= @ 6' 6 7 <H'&(=, prelungit
prin periodicitate 2% la ! (fig. 1.25). Ne propunem s% determin%m
energia, armonica a 5 – a #i spectrul de

Figura 1.25
amplitudine al lui f.
Avem T = 2% #i { @ O deci conform (25),
# %, ¥ # %,
πB @ 6iW¥BÅ ]6 @ pentru n ' 0 #i πE @ 6]6 @ (.
%, E B %, E
∂√ë<%y= #
Atunci “<3= @ &( l BpWl πB
%
@ &( ( % X BœE a .
B
%, %, % ƒ, Ω
Pe de-alt% parte, “<3= @ E
3<6= % ]6 @ E
6 ]6 @ .
Y
# ƒ, Ω
En passant, rezult% c% &( ( % X BœE Ba @ , de unde
Y
l # ,a
Bp# Ba @ , o alt% sum% celebr%.
y
Întrebare: ce caut% % în suma p%tratelor inverselor
numerelor naturale?

62 !
R%spuns: Jocul cu infinitul, pe care numai Analiza
matematic% îl poate juca; însu#i computerul nu ar fi ob$inut aceast%
valoare, ci doar oricâte zecimale, dar în num%r finit!
Armonica a 5-a este z® <6= @ π® i® <6= X πW® iW® <6= @
¥ ¥ %
i® <6= R iW® <6= @ R )*+ ©6, iar spectrul de amplitudine este
® ® ®
B #
”¢ @ < ' =0‘0? [ H ™ <H' (=; fig. 1.26.
%, B

Figura 1.26
Anvelopa spectrului de amplitudine (1 curba care une#te
vârfurile) este de tip clopot, deoarece πB / H pentru ? / kë
b) Pentru semnalul din figura 1.24, am v%zut c% πE @ O #i
% B, % <W#=◊
0πB @ )*+ pentru n ' 0, deci π%U @ H #i π%U^# @ ë
B, % , %U^#
pentru k ( 1. Spectrul lui în amplitudine, anume
B
”¢ @ < ' πB =0‘0? 7 > este indicat în figura 1.27.
%

! 63
Figura 1.27
Not%:
A#adar, pentru un semnal periodic (satisf%când condi$iile
lui Dirichlet), analiza const% în determinarea coeficien$ilor Fourier
(πB = deci a spectrului discret al semnalului; iar sinteza revine la a
reconstrui semnalul (cu aproxima$ie) din cunoa#terea spectrului
s%u discret.
Vom vedea în Capitolul 3 c% se poate vorbi de spectru
frecven$ial (dar continuu!) #i în cazul semnalelor neperiodice sau
chiar al impulsurilor, dar ceva mai complicat.
VI. Fenomenul Gibbs. Fizicianul american A. Michelson
a observat în 1898 c% pentru un semnal dreptunghiular, sumele
Fourier par$iale oscilau în jurul punctelor de discontinuitate, chiar
dac% se luau în considera$ie mul$i termeni. Matematicianul, tot
american, Gibbs a studiat acest fenomen, cercet%rile sale descriind
distorsiunile ap%rute în liniile de comunica$ie audio (sau TV), la
diversele comut%ri. Exemplific%m fenomenul pe exemplul
,WÅ
semnalului f: (0, 2%) / !' 3 6 @ , prelungit prin periodicitate
%
2% la ! (figura 1.28). Pe un interval H' ÿ , cu ÿ K H „mic”, #irul
sumelor par$iale °B <6= are un num%r din ce

64 !
Figura 1.28
în ce mai mare de oscila$ii, iar amplitudinea maxim% a semnalului
,
tinde c%tre o valoare strict mai mare decât 3 H X H @ . (mai
%
, , ≥¥µ Å l ≥¥µ Å ,
precis, se poate ar%ta c%0 ô*ö °B @ E Å
]6 K E
]6= )
B/l B Å %
Comportarea sumelor par$iale în vecin%tatea punctului t = 0, pentru
t > 0, este indicat% calitativ pentru n = 5, 20, 50 în figura 1.29.

Figura 1.29

! 65
Conform teoremei 1.3 de convergență punctuală, ne-am fi
așteptat ca diferența °B 6 − 3 6 să tindă spre zero pentru 6 → 0,
6 > 0 și ? → ∞. Dar surpriza este că această diferență rămâne
strict pozitivă!
În practica procesării semnalelor, efectul Gibbs s-a
manifestat pentru un filtru trece–jos aplicat unui semnal
dreptunghiular, iar inginerii electroniști au inventat diverse
mijloace de atenuare a acestui efect (care nu poate fi complet
înlăturat!). Un scop al dispozitivelor electronice îl constituie
transmiterea semnalelor fără distorsiuni, iar Analiza Fourier
permite decelarea armonicelor prezente în semnalul original, ceea
ce influențează creșterea calității acelor dispozitive.

APLICAȚII (ale seriilor Fourier la studiul unor ecuații


ale Fizicii matematice)
I. Oscilațiile mici ale unei corzi vibrante
Considerăm o coardă vibrantă omogenă, prinsă la capetele
unui interval [0, L] de pe axa Ox, L fiind lungimea corzii. Aplicând
anumite forțe, coarda începe să oscileze într-un plan xOu, fără
viteză inițială, având la momentul inițial t = 0 alura unei curbe
continue G = 3(A), 3: [0, î] → ℝ, fig. 1.30, cu funcția f nenulă și
3(0) = 0, 3(î) = 0. Acesta este modelul fizic, căruia îi asociem
modelul matematic; notăm cu G(A, 6) deplasarea la

66
Figura 1.30
momentul t a punctului de pe coard% având abscisa x. Se #tie c%
aceast% func$ie satisface „ecua$ia undelor 1D”:
GÅÅ @ 9% Gjj , (28)
unde a > 0 este o constant% depinzând de materialul corzii.
Determin%m solu$ia ecua$iei (28) cu condi$iile la capete:
G<H' 6= @ H' G<î' 6= @ H pentru orice t ( 0 (29)
#i condi$iile ini$iale:
G<A' H= @ 3<A=' 0GÅ <A' H= @ H, (30)
pentru orice A 7 8H' î;.
Solu$ia G 1 H este exclus% #i facem ipoteza c% aceast%
problem% are solu$ie unic% (ceea ce poate fi justificat matematic
sau acceptat ca o problem% corect formulat% fizic, cu evolu$ie
determinat% în timp #i spa$iu). Sub aceast% ipotez%, nu mai
conteaz% modul de ob$inere a solu$iei. Aplic%m metoda clasic% a
separ&rii variabilelor, care const% în a c%uta solu$ii de forma
G<A' 6= @ Ÿ<A=Z<6=0]iL*0Ÿ<A=Z ÖÖ <6= @ 9% Ÿ ÖÖ <A=Z<6=,
⁄ ßß # \ ßß
deci @ . Din (29), rezult% c% Ÿ<H= @ H' Ÿ<î= @ H. În acest
⁄ Qa \
moment, utiliz%m un fapt general simplu:

! 67
LEMĂ. Fie b: F → ℝ, ℎ: € → ℝ funcții reale definite pe
intervale, astfel încât b(A) = ℎ(Ç) pentru orice A ∈ F și Ç ∈ €.
Atunci g și h sunt constante, egale cu aceeași constantă k.
[Într-adevăr, fixăm ÇE ∈ € și notăm S = ℎ(ÇE ). Conform ipotezei,
avem b(A) = ℎ(ÇE ) = S pentru orice A ∈ F deci g este constantă;
apoi ℎ(Ç) = b(A) = S pentru orice Ç ∈ €].
Aplicând acest fapt, cum x și t sunt variabile independente,
⁄ ßß # \ ßß
rezultă că = = S, constant. Dacă k = 0, atunci Ÿ ÖÖ A = 0
⁄ Qa \
deci Ÿ A = âA + ?, cu m, n constante reale. Dar din (29) rezultă
Ÿ 0 = 0 și Ÿ(î) = 0, de unde m = 0, n = 0 și ca atare, u = 0;
exclus (deoarece f ≠ 0). Pentru k > 0, din ecuația Ÿ ÖÖ − SŸ = 0,
rezultă Ÿ(A) = Ü# ej U
+ Ü% eWj U
cu Ü# , Ü% constante.
Din nou, Ÿ 0 = 0 și Ÿ(î) = 0, deci Ü# + Ü% = 0 și
Ü# eì U
+ Ü% eWì U
= 0, de unde Ü# = 0, Ü% = 0 și u = 0; exclus.
Rămâne cazul k < 0 și atunci din Ÿ ÖÖ − SŸ = 0, rezultă
Ÿ(A) = Ü# cos(A −S ) + Ü% sin(A −S ) . Deoarece Ÿ(0) = 0,
rezultă Ü# = 0 și din Ÿ(î) = 0, se obține Ü% sin(î −S ) = 0 . Dat
fiind că Ÿ ≢ 0, rezultă Ü% ≠ 0 deci sin(î −S ) = 0 și ca atare,
î −S = ?(, cu ? ∈ ℤ.
Așadar, singurele valori ale lui k pentru care problema
(28)+(29)+(30) are soluții nenule, numite valori proprii ale
Ba ,a
problemei, sunt S = − , n = ± 1, ± 2,... În plus, am obținut
ìa
B,j
funcțiile proprii Ÿ(A) = Ü% sin(A −S ) = Ü% sin , cu
ì
Ü% ≠ 0. Reținem doar valorile n = 1, 2, 3,... (celelalte dând

68
# \ ßß Ba ,a
aceleași funcții proprii). Pe de altă parte, =S=− , deci
Qa \ ìa
Ba ,a Qa B,Q B,Q
Z ÖÖ + Z = 0, de unde Z(6) = ›# cos 6 + ›% sin 6 cu
ìa ì ì
›# , ›% constante arbitrare.
Recapitulând, pentru orice întreg n ≥ 1 am obținut câte o
soluție a ecuației (28) cu condițiile la capete (29), anume
B,Q B,Q B,j
GB (A, 6) = zB cos 6 + fiB sin 6 sin ,
ì ì ì
(31)
cu zB , fiB constante. În general, aceste funcții nu satisfac (30) și
aplicăm principiul „suprapunerii efectelor”, căutând soluția
G(A, 6) = l Bp# GB (A, 6), prin suprapunerea funcțiilor GB (A, 6).
Am ajuns la momentul Fourier! Anume, putem determina
constantele zB , fiB din condițiile inițiale (30).
Deoarece GÅ (A, 6) = 0 pentru orice x, rezultă relația
6=0
l B,j
Bp# ?fiB sin
ì
= 0 deci ?fiB = 0 și fiB = 0 pentru orice n ≥ 0
(din unicitatea dezvoltării în serie Fourier). Așadar,
l B,Q B,j
G(A, 6) = Bp# zB cos 6 · sin . (32)
ì ì
Făcând t=0, din prima condiție (30) rezultă că
l B,j
3(A) = Bp# zB · sin pentru orice A ∈ [0, î].
ì
Prelungind f prin imparitate la [–L, L] și prin periodicitate 2L,
% ì B,j
aplicăm formula (15) și rezultă că zB = 3(A) sin dA .
ì E ì
Am obținut astfel soluția explicită (32) dată de Fourier
pentru problema pusă. Cu metode similare, se pot impune corzii
forțe, viteze la capete și se pot studia oscilații longitudinale în

69
lungul unor conductori, oscilații ale membranelor dreptunghiulare
sau circulare; dar ne oprim aici.
Interpretare fizică
Modelul anterior se aplică tuturor instrumentelor muzicale
cu corzi. Fiecare oscilație armonică (31), anume
B,Q B,j
GB (A, 6) = zB cos 6 · sin cu
ì ì
% ì B,j %ì
zB = 3 A sin dA , are perioada principală și
ì E ì BQ
B,j
amplitudinea zB sin , cu lim zB = 0. Punctele unde
ì B→l
amplitudinea este nulă se numesc noduri; în aceste puncte,
B,j B,j
sin = 0 deci = S( cu S ∈ ℤ. Ținând cont că A ∈ [0, î],
ì ì
ì %ì
nodurile sunt 0, , , . . . , î.
B B
Punctele unde amplitudinea este maximă sunt cele unde
B,j B,j , ì
sin = ±1 și ¬ A ∈ [0, î], deci = + S(, A = (1 + 2S),
ì ì % %B
ì Yì (%BW#)ì
adică A = , ,..., : acestea se numesc ventre.
%B %B %B
Pentru n = 1 se obține prima armonică G# (A, 6), numită și
tonul fundamental al corzii; celelalte fiind supratonuri, care
determină timbrul corzii. Suprapunerea tuturor, adică
G(A, 6) = l Bp# GB (A, 6) reprezintă sunetul corzii considerate.
Vom continua discuția în paragraful 6.5.
II. Propagarea căldurii într-o bară izolată termic
Considerăm o bară subțire omogenă, bună conducătoare de
căldură și asimilată cu intervalul [0, 1] al axei Ox. Notăm cu
G(A, 6) temperatura barei în punctul A ∈ [0,1] și la momentul
t ≥ 0; fig. 1.31; această funcție satisface „ecuația căldurii”:

70
GÅ @ π % Gjj , (33)
unde c > 0 este o constant% de material. Ecua$ia (33) a fost stabilit%
de Fourier în 1822. Condi$iile la capetele barei sunt
G<H' 6= @ H' G<O' 6= @ H pentru orice t ( 0 (34)

Figura 1.31
cu o singur% condi$ie ini$ial%:
G<A' H= @ b<A=' ¶i+eûM0cû*Li0A 7 8H'O;, (35)
g fiind o func$ie continu% nenul%. Pentru simplitate, presupunem
c = 1. Aplic%m din nou metoda separ%rii variabilelor #i c%ut%m
solu$ii de forma G A' 6 @ Ÿ A v Z 6 deci
\ß Å ⁄ ßß j
0Ÿ A Z Ö 6 @ Ÿ ÖÖ A v Z 6 ' de unde @ @S
\ Å ⁄ j
(conform lemei anterioare).
Din condi$ia (35) se exclude solu$ia nul%, iar din rela$ia
Ö
Z R SZ @ H rezult% în mod necesar k < 0 (altfel temperatura ar
putea cre#te nedefinit!). Not%m S @ Rt% 0 t K H deci Z Ö @ Rt% Z
a
#i Z 6 @ ÜiW0w Å , C fiind constant% arbitrar%.
Apoi Ÿ ÖÖ X t% Ÿ @ H deci Ÿ A @ z Lc) tA X fi )*+ tA cu
A, B constante #i ca atare, pentru orice t avem câte o solu$ie

Gw A' 6 @ iW0w (zw Lc) tA X fiw )*+ tA=. Din condi$iile (34),

! 71
rezultă zw = 0 și sin t = 0 (căci G ≢ 0). Așadar, se obțin valorile
proprii t = ?( (cu n ≥ 1 întreg) și un șir de funcții proprii
a ,a Å
GB A, 6 = fiB eW B · sin ?(A , ? ≥ 1. Acestea nu pot îndeplini
(35), dar prin suprapunerea lor, se poate determina soluția pentru
problema (33)+(34)+(35); anume
l W Ba ,a Å
G(A, 6) = Bp# fiB e · sin ?(A . (36)
Coeficienții fiB se determină punând și condiția inițială
l
(35). Rezultă b(A) = Bp# fiB sin ?(A . Din nou, prelungind g prin
imparitate la [–1, 1] și apoi prin periodicitate de perioadă 2 și
aplicând formula (15), rezultă coeficienții Fourier
#
fiB = 2 E
b(A) sin ?(A dA, ? ≥ 1. (37)
Soluția finală a problemei puse este (36) cu coeficienții fiB
dați de (37). În practică, se rețin câțiva termeni ai seriei (36), care
este rapid convergentă, teoria fiind confirmată de computerele
moderne.

§1.7. Serii Fourier generalizate


În ANEXA 3 am reamintit conceptul de spațiu Hilbert, care
extinde ℝB sau ℂB .
Definiția 1.9: Fie H un spațiu Hilbert real (sau complex).
Se numește bază ortonormală (≡ b.o.) a lui H orice șir de vectori
ℬ = ·B , ? ≥ 1 astfel încât ·» , ·‚ = T»‚ pentru orice i, j ≥ 1 și în
plus, subspațiul vectorial S generat de ℬ (adică mulțimea tuturor
combinațiilor liniare finite de vectori din ℬ) este dens în H, deci
orice vector din H este limita unui șir de vectori din S. Vectorii
(·B ), ? ≥ 1 ai b.o. sunt și liniar independenți în H.

72
Exemple
a) În H = ℝB , baza canonică ℬ = ·# , … , ·B este evident
b.o.; în plus, pentru orice vector A ∈ ℝB , A = A# , … , AB , avem
A, ·U = AU , 1 ≤ S ≤ ? și A = U AU ·U = U A, ·U ·U . Similar
pentru spațiul H = ℂB , cu produsul scalar G, u = U GU uU .
b) În spațiul Hilbert ‰ = ℓ% șirurile infinite
·# = (1,0,0, . . . ,0), ·% = (0,1,0, . . . ,0), etc. formează b.o. infinită.
c) În spațiul Hilbert ‰ = L%W,,, al tuturor funcțiilor
3: −(, ( → ℝ de pătrat integrabil, relativ la produsul scalar
,
3, b = W,
3 6 b 6 d6, șirul de semnale ℬ = ·B , ? ≥ 1:
# # # #
·# = , ·% = cos 6 , ·Y = sin 6, ·x = cos 26 , . . . ,
%, , , ,
# #
·%B = cos ?6 , ·%B^# = sin ?6 , . . ., formează o b.o. infinită.
, ,
Se verifică ușor că ·ä , ·B = TäB pentru orice m, n ≥ 1. Dar faptul
că subspațiul lui H generat de ℬ este dens în H este nebanal, prin
aplicarea a două rezultate de Analiză matematică; anume, teorema
lui Weierstrass conform căreia polinoamele trigonometrice
formează o mulțime densă în mulțimea funcțiilor continue C EW,,, ,
care la rândul ei este densă în spațiul L%W,,, , conform unei teoreme
clasice a lui Luzin.
Revenim la cazul general, al unui spațiu Hilbert complex
înzestrat cu b.o. ℬ = (·B ), ? ≥ 1.
Definiția 1.10: Pentru orice vector G ∈ ‰, numerele
complexe πB = G, ·B se numesc coeficienții Fourier
(generalizați) ai vectorului u relativ la baza ℬ, iar seria B†# πB ·B

73
se nume#te seria Fourier generalizat& a lui u relativ la ‡. Un
rezultat fundamental, care completeaz% teorema 1.3, îl constituie
TEOREMA 1.6 (Hilbert – Fourier de convergen$% în
norm%): Pentru orice vector G 7 ‰, seria Fourier generalizat%
B†# πB ·B este convergent% în norma din H, având suma u, deci
B
#irul èB @ Âp# π ·Â al sumelor par$iale converge spre u pentru
? / k, adic%
! ! ô*ö èB R G @ H" (38)
B/l
(!Se scrie lBp# πB ·B @ G , în norm%).
Demonstra$ia pe care o prezent%m pare simpl% deoarece
folose#te rezultate tari din Teoria spa$iilor Hilbert.
Pasul 1. Pentru 1)k)n, avem èB ' ·U @ BÂp# π ·Â ' ·U @
B B
Âp# π ·Â ' ·Â @ Âp# π TÂU @ πU @ G' ·U .
A#adar, èB R G' ·U @ H pentru n fixat, oricare ar fi 1 ) k
) n. Pentru orice n ( 1, not%m ‰B 0= subspa$iul lui H generat de
vectorii ·# ' „ ' ·B ai b.o. ‡. A#adar, am ar%tat c% èB R G este
ortogonal la ‰B . Pe de-alt% parte, ‰B este un subspa$iu finit
dimensional al lui H, deci este o mul$ime închis% #i conform
teoremei RIESZ II din ANEXA 3, èB coincide cu proiec$ia
ortogonal% a lui u pe ‰B .
Pasul 2. Avem situa$ia din figura 1.32. Într-un spa$iu
Hilbert, similar cu cazul lui

Figura 1.32

74 !
ℝB , vectorul x – y se poate identifica cu ÇA și norma A − Ç este
mărimea vectorului ÇA. În triunghiul cu vârfurile G, èB , u are loc
teorema lui Hilbert – Pitagora și rezultă relația:
% % %
G − èB + èB − u = G−u (39)
pentru orice u ∈ ‰B .
Fie acum ÿ > 0 fixat arbitrar. Deoarece subspațiul lui H
generat de ℬ este dens, există n = n ÿ și u ∈ ‰o astfel încât
G − u < ÿ. Pentru orice n ≥ N, avem ‰o ⊂ ‰B deci u ∈ ‰o și
conform relației (39), G − èB ≤ G − u < ÿ. Am arătat astfel
că pentru orice ÿ > 0, există N astfel încât de îndată ce n ≥ N, avem
G − èB < ÿ. Așadar, am demonstrat relația (38).
COROLAR 1 (proprietatea de optim a coeficienților
Fourier).
Fiind dat G ∈ ‰ și fixând n ≥ 1, dintre toate combinațiile
B
liniare u = Âp# ã ·Â , cu ã ∈ ℂ, cea mai apropiată de u este
B
èB = Âp# π ·Â , unde π sunt coeficienții Fourier ai lui u.
Într-adevăr, avem u ∈ ‰B și distanța minimă dintre u și v,
adică G − u , este atinsă pentru v = èB (figura 1.32).
COROLAR 2 (egalitatea lui Parseval). Seria numerică
% %
B†# πB este convergentă și are sumă G , adică
l % %
Bp# πB = G . (40)
Într-adevăr, pentru orice n≥1,
èB % = èB , èB = BÂp# π ·Â , B
Êp# πÊ ·Ê =
B %
Â,Ê π πÊ TÂÊ = Âp# π . Făcând ? → ∞ și ținând cont
că èB → G deci èB → G , rezultă relația (40).

75
COROLAR 3 Fie H un spațiu Hilbert (complex), cu b.o.
ℬ = (·B ), ? ≥ 1. Dezvoltarea Fourier generalizată u = l
Bp# πB ·B ,
unde πB = G, ·B , pentru G ∈ ‰ fixat, este unică. Într-adevăr, dacă
l l
u= Bp# ŒB ·B , atunci Bp#(πB − ŒB )·B = 0 și cum vectorii ·B
sunt liniar independenți, rezultă πB − ŒB = 0 deci πB = ŒB pentru
orice n ≥ 1.
COROLAR 4 Fie G ∈ ‰ și πB = G, ·B coeficienții săi
Fourier relativ la ℬ. Atunci pentru orice n ≥ 1,
B % %
Up# πU ≤ G și în plus, lim πB = 0. (41)
B→l
Aceasta rezultă direct din egalitatea lui Parseval (40).
În acest context general, repunem în evidență fenomenul
conversiei A /D.
TEOREMA 1.7. Fie H un spațiu Hilbert complex având
b.o. ℬ = (·B ), ? ≥ 1. Aplicația
l
Φ: ‰ → ℓ% , G = Bp# πB ·B ↦ (πB ), ? ≥1
este un izomorfism ℂ–liniar care conservă produsele scalare (adică
Φ este un operator unitar).
Demonstrație: Șirul (πB ), ? ≥ 1 aparține spațiului Hilbert
l %
ℓ% , deoarece Bp# πB < ∞. Este evident că aplicația Φ este ℂ –
liniară și faptul că Φ este injectivă rezultă din corolarul 2 anterior.
Apoi Φ este surjectivă: pentru(πB ) ∈ ℓ% dat, fie GB = BÂp# π ·Â :
șirul (GB ) este Cauchy în H deci convergent. Dacă G = lim GB ,
B→l
atunci G, ·U = πU pentru k ≤ n (deci pentru orice k ≥ 1). Făcând
? → ∞, rezultă că Φ(G) = (πU ). În fine, pentru orice G, u ∈ ‰
l l
avem u = Âp# π ·Â ,u = Êp# ŒÊ ·Ê și

76
G, u = Â,Ê π ŒÊ = Φ(G), Φ(u) deci Φ conservă produsele
scalare.
Așadar, există o legătură organică între obiectele
„analogice” de tipul G ∈ ‰ și obiectele „digitale”, așa cum sunt
șirurile de numere.
APLICAȚII (ale seriilor Fourier generalizate)
I. Seriile Fourier clasice
Fixăm T > 0 și fie ‰ = L%[E,\) spațiul Hilbert complex al
semnalelor 3: 0, Z → ℂ de pătrat integrabil relativ la produsul
# \
scalar 3, b = 3 6 b 6 d6: o bază ortonormală a lui H o
\ E
%,
formează armonicele ·B , ? ∈ ℤ, unde ·B 6 = e¥B}Å și { =
\
(aplicând (23), dar cu produsul scalar puțin modificat prin factorul
#
, în raport cu (22)). Pentru orice semnal 3 ∈ L%[E,\) , identificabil
\
cu orice semnal periodic T, norma este
# % # \
3 = 3, 3 = 3(6) % d6,
\ E
iar seria Fourier generalizată este B∈ℤ πB ·B , unde
# \
πB = 3, ·B = 3(6)eW¥B}Å d6.
\ E
Conform teoremei Hilbert – Fourier 1.6,
o
considerând polinoamele trigonometrice ço (6) = BpWo πB ·B ,
rezultă că lim ço − 3 = 0. Așadar, am obținut
o→l
TEOREMA 1.8. Dacă 3 ∈ L%[E,\) , atunci
3 6 ≅ ço 6 cu n ≫ 1 convenabil și
\
lim E
ço (6) − 3(6) % d6 = 0. (42)
o→l

77
S-a dovedit că teorema Fourier – Dirichlet de convergență
punctuală cât și teorema Hilbert – Fourier de convergență în
normă (numită și convergență în medie pătratică) au fost
omologate în practica procesării semnalelor, identificabilă cu
conversia A/D. Dezvoltarea Fourier (punctuală sau în medie
pătratică) revine la descompunerea semnalului periodic ca o
suprapunere de armonici de tipul 3(6) ≅ ço (6): analiza
semnalului revine la calculul coeficienților πB (care permite o
gamă de tehnici, inclusiv cele de compresie), iar sinteza înseamnă
reconstrucția semnalului. Este mai simplu să procesăm date
digitale decât entități analogice, inclusiv în vederea transmisiei pe
linii de comunicații.
Până acum ne-am referit la semnale 1D, dar teoria seriilor
Fourier se reface în cazul semnalelor 2D, 3D sau al cadrelor video,
unde dificultățile matematice nu sunt principiale. Există o întreagă
literatură privind seriile Fourier multidimensionale, dar ne oprim
aici.
II. Polinoame ortogonale clasice
Dăm o altă aplicație spectaculoasă a seriilor generalizate.
Definiția 1.11: Fie I un interval și Ë: F → ℝ, Ë > 0 o funcție
continuă. Funcția Ë se numește funcție–pondere dacă pentru orice
întreg n ≥ 0, D
Ë(A) ∙ A B dA < ∞.
Se consideră spațiul Hilbert ‰ = L%Í al funcțiilor

măsurabile 3: F → ℝ astfel încât D


Ë A · 3 A % dA < ∞, relativ

78
la produsul scalar 3, b = D
Ë3b (integrala există, deoarece
#
3b ≤ (3 % + b% ) ).
%
Evident, funcțiile 3 A = A B , ? ≥ 0 restrânse la I aparțin
spațiului H (deoarece D
Ë(A) · A %B dA < ∞). Apoi șirul
1, A, A % , . . . , A B , . .. este liniar independent în H și poate fi
ortogonalizat prin procedeul Gram–Schmidt; polinoamele astfel
obținute çE (A), ç# (A), . . . , çB (A), . .. se numesc polinoame
ortogonale clasice relativ la ponderea Ë și satisfac relațiile de
ortogonalitate çä , çB = D
Ëçä çB = 0 pentru m ≠ n.
Exemple
a)Pentru I = [–1, 1], Ë ≡ 1, se obțin polinoamele
Legendre, notate çB (A).
#
b)Pentru I=(–1, 1), Ë = , se obțin polinoamele
#Wj a
Cebâșev, notate ZB (A).
a
c)În cazul I = (–∞, ∞), Ë = eW j , polinoamele Hermite,
‰B (A) etc. Are loc următorul rezultat fundamental, dedus din
teorema1.6:
TEOREMA 1.9. Fixăm o funcție pondere Ë: F → ℝ și fie
çB (A), ? ≥ 0 polinoamele ortogonale relativ la Ë. Atunci versorii
Σ
·B = , ? ≥ 0 formează o b.o. ℬ a spațiului Hilbert L%Í și pentru
Σ

orice funcție G: F → ℝ din L%Í , notând πB = G, ·B , are loc


descompunerea:
G(6) = l BpE πB ·B (6), 6 ∈ F (43)
(în sensul convergenței în medie pătratică:

79
o
lim BpE πB ·B − G = 0).
o→l
#
Demonstrație: Avem ·ä , ·B = çä , çB = 0
ÎÏ · Σ

pentru m ≠ n și ·B , ·B = 1 pentru orice n ≥ 0. Faptul că subspațiul


lui ‰ = L%Í generat de ℬ este dens rezultă din faptul că
polinoamele formează o mulțime densă în L%Í , conform unei
teoreme a lui Luzin. Restul rezultă din teorema 1.6.
Notă
Șirul coeficienților Fourier generalizați
(πB ), ? ≥ 0, πB = G, ·B se numește spectrul discret al lui
u relativ la ponderea Ë. Formula (43) dă aproximări de tipul
B Î◊ (Å)
G(6) ≅ UpE πU · , cu n ≥ 1 ales convenabil.
Î◊

În particular, se pot obține aproximări ale unor semnale cu


polinoame Legendre pe [–1, 1], Cebâșev pe (–1, 1) sau Hermite pe
ℝ. Fără a intra în detalii, dăm câteva proprietăți ale polinoamelor
ortogonale çB (A) relativ la ponderea Ë:
- fiecare polinom çB are gradul exact n:
- pentru orice n ≥ 1, polinomul çB este ortogonal pe orice
polinom de grad strict mai mic;
- pentru orice n ≥ 1, polinomul çB are n rădăcini simple,
toate situate în intervalul I.
Există o întreagă literatură care plasează polinoamele
ortogonale printre funcțiile speciale.

80
„Întreaga lume observabilă este
o armonie de imagini și semne.”
CH. BAUDELAIRE

CAPITOLUL 2:
CONVOLUȚIA – O OPERAȚIE MAGICĂ

§2.1. Introducere
Este dificil de exprimat în cuvinte definiția convoluției și
extinderilor acesteia. Prin convoluție a două funcții f, g, acestea se
combină și generează o a treia, notată 3 ∗ b; anume, se fixează una
din funcții și convoluția apare ca efectul unei medieri a ei prin
translațiile celeilalte. După ce vom da proprietățile convoluției și
câteva aplicații directe, unele fiind spectaculoase, se va lămuri de
ce aceasta este un instrument fundamental în procesarea
semnalelor, ca și în descrierea și construcția unor filtre liniare
intrare / ieșire utilizate în Inginerie sau Fizică.
Convoluția a fost numită și produs de convoluție, introdus
și folosit ca atare de matematicienii francezi d'Alembert, Laplace
și bineînțeles, Fourier. După peste un secol, Heaviside și Wiener
au încorporat-o în Calculul operațional, germanii au denumit-o
„faltung” (≡ pliere), iar după 1940, L. Schwartz și L. Hörmander
au extins convoluția de la funcții la distribuții. Dezvoltarea teoriei
sistemelor dinamice liniare, dar și a practicii telecomunicațiilor și
tehnologiilor informatice, au impus studiul convoluției semnalelor
digitale și al procesării imaginilor 2D și 3D.

81
În acest capitol, prezentăm o sinteză a proprietăților
convoluției în diverse ipostaze – funcții, distribuții, semnale
discrete, semnale 2D etc., împreună cu o serie de aplicații
semnificative. Virtuțile convoluției se dovedesc efective mai ales
în asociere cu transformările integrale de tip Fourier, Laplace,
Radon, așa cum vom vedea în capitolele următoare.

§2.2. Convoluția semnalelor continuale (analogice)


Definiția 2.1: Fie 3, b: ℝ → ℝ (sau ℂ) două funcții astfel
încât pentru orice 6 ∈ ℝ (care nu reprezintă neapărat timpul!), să
existe și să aibă o valoare finită următoarea integrală improprie cu
l
parametrul t: Wl
3(∫)b(6 − ∫)d∫. Se spune atunci că f, g sunt
convolutabile, iar valoarea acestei integrale se notează (3 ∗ b)(6),
definind astfel o funcție
3 ∗ b: ℝ → ℝ (sau ℂ),
(3 ∗ b)(6) = 3(∫)b(6 − ∫)d∫, (1)
numită convoluția funcțiilor f, g (sau produsul de convoluție al
acestora).
l
Atenție: Integralele Wl
se mai notează ℝ
sau în lipsa
oricărei ambiguități, simplu . Eticheta „* ” a convoluției are
un anumit defect, deoarece se confundă cu eticheta înmulțirii
uzuale.
Exemple
a) În cele mai multe cazuri, (3 ∗ b)(6) nu există; de
exemplu, dacă f și g sunt constante nenule pe ℝ. Dar dacă 3 ∗ b

82
exist%, atunci exist% #i b Ì 3 #i în plus, 3 Ì b @ b Ì 3 (f%când în (1)
substitu$ia z = t – v).
Interpretare: Scriind integrala (1) ca limit% de sume
Riemann, rezult% c% (3 Ì b=<6= s 3<∫U =b<6 R ∫U =Ó∫U deci o
combina$ie liniar% de translatate ale lui g cu coeficien$i 3<∫U =Ó∫U ,
adic% o suprapunere continu% de translatate ale lui g (similar, ale
lui f, deoarece 3 Ì b @ b Ì 3).
b) Fie 3 @ÔQ fereastra dreptunghiular% din figura 1.2
pentru a = 2, deci f(t) = 1 dac% 6 7 8RO'O; #i nul% în rest. Prin calcul
direct, rezult% c% 3 Ì 3 este un semnal triunghiular; anume
<3 Ì 3=<6= @ & X 6 dac% 6 7 8R&'H;' & R 60]ùLú06 7 <H'&;
#i nul% în rest (cu graficul în fig. 2.1).

Figura 2.1
Se observ% c% Supp f = [–1, 1] #i Supp(3 Ì 3) = [-2, 2]; apoi,
în timp ce f este discontinu%, 3 Ì 3 este continu%. În general,
opera$ia de convolu$ie are propriet%$i de regularizare, a#a cum vom
vedea. Ca o curiozitate, 3 Ì <3 Ì 3) este restric$ia unui polinom de

! 83
gradul doi și 3 ∗ (3 ∗. . .∗ 3) de n ori este restricția unui polinom de
gradul n – 1 și la limită, este o funcție de tipul clopotului lui Gauss.
c) Fie 3 ∈ L#ℝ (vezi ANEXA 1).
Dacă u este treapta unitate, atunci 3 ∗ G este tocmai
primitiva lui f care se anulează spre – ∞; anume, 3 ∗ G 6 =
Å
(G ∗ 3)(6) = Wl
3(∫)d∫, pentru oricare 6 ∈ ℝ.
d) Dacă 3, b: ℝ → ℝ sau (ℂ) sunt nule pe (– ∞, 0) și
integrabile pe [0, ∞), atunci
Å
3∗b 6 = E
3 ∫ b 6 − ∫ d∫, 6 ∈ ℝ. (2)
e) Fie ÿ > 0 și T (6) impulsul unitar impur aplicat pe un
interval scurt [0, ÿ] (cât de scurt?!), adică
#
T : ℝ → ℝ, T 6 = dacă 6 ∈ [0, ÿ] și nulă în rest (vezi

ANEXA 4). Dacă 3 ∈ L#Ò∑∂ , atunci
# Å
(3 ∗ T )(6) = 3(∫)T (6 − ∫)d∫ = 3(∫)d∫,
 ÅW
tocmai media lui f pe intervalul [6 − ÿ, 6] [Reamintim că media
# _
unei funcții integrabile pe un interval [a, b] este 3 ].
_WQ Q
Notă
Imaginăm o cuvă pe Ox, conținând o topitură având
temperatura 3(A) în punctul x; înserăm în cuvă un termometru
având punctul central O în x și notăm cu b (A) sensibilitatea
termometrului la distanța ÿ de O. Atunci (3 ∗ b )(A) este tocmai
media temperaturii topiturii în jurul lui O, ponderată de
sensibilitatea termometrului. Dacă ÿ → 0, atunci această medie

84
este tocmai 3(A). Vom vedea și alte situații în care este folosită
convoluția.
În continuare, dăm o listă de proprietăți ale operației de
convoluție, ale căror demonstrații sunt de fapt exerciții de Analiză
matematică.
Existența convoluției pentru diverse clase de semnale
1. Dacă 3, b ∈ L#ℝ , atunci 3 ∗ b există a.p. și 3 ∗ b ∈ L#ℝ ; în
plus,
3∗b # ≤ 3 # ∙ b #. (3)
În cazul când f, g sunt doar local integrabile (adică din L#Ò∑∂ ),
proprietatea 1 nu are loc (de exemplu, pentru f, g constante nenule).
2. Dacă 3 ∈ L#ℝ și g mărginită ( b ≤ Ä), atunci
(3 ∗ b)(A) ≤ Ä ∙ 3 # pentru orice x.
3. Fie 3 ∈ L#Ò∑∂ , b ∈ L#ℝ . Dacă Supp g este compact (adică
g se anulează în afara unui interval mărginit), atunci 3 ∗ b există
a.p. și 3 ∗ b ∈ L#Ò∑∂ . În plus, dacă f și g au suportul conținut în
[a, b], atunci Supp(3 ∗ b) ⊂ [29, 2:].
4. Convoluția funcțiilor din clasa L#ℝ este comutativă și
distributivă în raport cu adunarea. În plus, dacă există 3 ∗ b și
3 ∗ b ∗ ℎ, atunci există b ∗ ℎ și 3 ∗ (b ∗ ℎ) = (3 ∗ b) ∗ ℎ.
Atenție: Operația ∗ nu are element neutru în clasa L#ℝ ; dar
vom vedea că în clasa distribuțiilor, T este element neutru!
5. Fie 3, b ∈ L%ℝ ; atunci 3 ∗ b este continuă și
3 ∗ b ≤ 3 % ∙ b % (se folosește inegalitatea lui
Schwartz). Iar dacă 3 ∈ L#ℝ , b ∈ L%ℝ , atunci 3 ∗ b există a.p.,
aparține la L%ℝ și în plus,

85
3∗b % ≤ 3 # ∙ b %. (4)
6. Dacă 3, b: ℝ → ℝ sau (ℂ) sunt continue pe porțiuni și
au suport compact (respectiv pozitiv), atunci 3 ∗ b este continuă,
având suport compact (respectiv pozitiv).
Convoluția și derivarea
7. Dacă 3 ∈ L#ℝ și b ∈ Cℝ
#
cu b, bÖ mărginite, atunci
#
3 ∗ b ∈ Cℝ și în plus,
(3 ∗ b)Ö = 3 ∗ bÖ . (5)
Similar, dacă 3 ∈ CℝB (? ≥ 2) și b ∈ L#ℝ , atunci
(3 ∗ b)Ö = 3 Ö ∗ b, (3 ∗ b)ÖÖ = 3 ÖÖ ∗ b etc.
8. Considerăm un șir de funcții ËB : ℝ → ℝ, ? ≥ 1, astfel
încât ËB ≥ 0, ËB ∈ Ú (deci funcții indefinit derivabile și cu suport
compact). Presupunem în plus că ËB = 1 și că
Supp ËB ⊂ [−9B , 9B ] și că 9B → 0 pentru ? → ∞ [Un
astfel de șir ( ËB ) se numește regularizant].
Totodată, avem [ ËB ] → T în cadrul distribuțiilor, adică

∀| ∈ Ú, lim ËB (A)|(A)dA = |(0).
B→l
Exemple
a) Considerăm funcția–„cucui”
#
Ë: ℝ → ℝ, Ë(6) = π ∙ exp dacă 6 ∈ (−1,1)
Å a W#
și nulă în rest, unde constanta reală și pozitivă c este aleasă astfel
#
încât W#
Ë(6)d6 = 1. Punând ËB (6) = ?Ë(?6), se obține un șir
regularizant, cu Supp ËB ⊂ [–1, 1], n ≥ 1. Graficele lui Ë și ËB sunt
indicate în figura 2.2.

86
Figura 2.2
Dac% 3 7 "#! , atunci convolu$iile 3 Ì ËB formeaz% un #ir
regularizant pentru f: conform 7, acestea sunt func$ii indefinit
derivabile, deoarece Ë 7 Ú.
b) Dac% 3, b40!0 / 05 sunt func$ii continue #i periodice T,
atunci se poate defini convolu$ia periodic%
\
T:0<3 Ì b=<6= @ E
3<∫=b<6 R ∫=]∫. Func$ia 3 Ì b este de
asemenea continu% #i periodic% T #i opera$ia de convolu$ie este
comutativ%, asociativ% #i distributiv% în raport cu adunarea. Notând
%,
{@ #i considerând armonica iB <6= @ i•¶<*?{6=' ? 7 > (vezi
\
defini$ia 1.6), avem
\
3 Ì iB 6 @ E
3 ∫ i¥B} ÅWª
]∫ @
\
i¥B}Å E
3<∫=iW0¥B}ª ]∫ @ Z È i¥B}Å È πB @ ZπB iB <6=
(unde πB sunt coeficien$ii Fourier ai lui f, conform formulei (25)
din Capitolul 1).
Convolu$ia func$iilor din spa$iile Ú sau $ (ANEXA 4)
9. Spa$iul Ú este dens în "#! #i în "%! (a#adar, Ûÿ K H #i
3 7 "#! , i•*)eú0b 7 Ú astfel încât 3 R b # <ÿ: similar pentru "%! ).

! 87
10. Dacă 3: ℝ → ℝ (sau ℂ) este continuă și ( ËB ), ? ≥ 1
este un șir regularizant, atunci 3 ∗ ËB → 3 uniform pe orice
interval mărginit (pentru ? → ∞). Așadar, f poate fi aproximată
printr-un șir de funcții din Ú. Iar dacă 3 ∈ L#ℝ , atunci 3 ∗ ËB → 3
în norma din L#ℝ , adică lim 3 ∗ ËB − 3 # = 0.
B→l
Definiția 2.2: O funcție 3: ℝ → ℝ sau (ℂ) se numește
rapid descrescătoare dacă pentru orice întreg k ≥ 0,
lim 6 U 3(6) = 0. Dacă în plus f este indefinit derivabilă, cu toate
U →l

derivatele 3 Ö , 3 ÖÖ , . .. rapid descrescătoare, atunci se spune că f


aparține spațiului $.
Evident, Ú ⊂ $; notația este aleasă în memoria lui L.
Schwartz.
11. Avem $ ⊂ L#ℝ și $ ⊂ L%ℝ . Deoarece Ú ⊂ $, rezultă că
$ este dens în L#ℝ și în L%ℝ .
Exemple
a) Exemplul tipic de funcție aparținând clasei $ este
W Å a
e , 6 ∈ ℝ.
b) Arătăm că $ ⊂ L#ℝ : dacă | ∈ $, atunci
#
lim 6 % |(6) = 0 deci există A > 0 astfel încât |(6) ≤
Å →l Åa

pentru 6 ≥ z.
 % 
Atunci | = Å †
| + W
| ≤ + W
| < ∞,

deci | ∈ L#ℝ .
Apoi dacă Ù ∈ $, atunci există M > 0 astfel încât (1 +
%
6 ) Ù(6) ≤ Ä deci

88
ıÅ
Ù(6) % Œ6 ≤ Ä și ca atare, Ù ∈ î%ℝ .
(#^Å a )a

12. Dacă 3, b ∈ $, atunci 3 ∗ b ∈ $. Iar dacă 3 ∈ L#Ò∑∂ este


rapid descrescătoare și b ∈ $, atunci de asemenea 3 ∗ b ∈ $.

§2.3. Convoluția semnalelor discrete (digitale)


Multe tehnici de prelucrare a semnalelor discrete provin
din transferul unor tehnici din cazul continual, dar există și
abordări specifice.
Am notat cu S˜ mulțimea semnalelor discrete x = (x[n]),
? ∈ ℤ, cu eșantioanele x[n] din ℝ sau ℂ. O submulțime
remarcabilă o formează mulțimea S^ a semnalelor cu suport
pozitiv (x[n] = 0 pentru n < 0).
Dacă A, Ç ∈ S˜ , atunci se definesc pe componente:
egalitatea x = y, adunarea x + y, multiplicarea tA cu scalarul t
(real sau complex). S˜ este un spațiu vectorial (peste ℝ sau ℂ).
Definiția 2.3: Dacă pentru orice ? ∈ ℤ, seriile numerice
Â∈ℤ A[¯]Ç[? − ¯] sunt convergente, cu sumele z[n], atunci se
spune că există convoluția discretă ∫ = A ∗ Ç ∈ S˜ . Se observă
analogia cu definiția 2.1. Reținem că în principiu,
(A ∗ Ç)[?] = Â∈ℤ A[¯]Ç[? − ¯],
pentru orice ? ∈ ℤ. (6)
Dacă N ≥ 2 este un întreg fixat și So este mulțimea
semnalelor finite de lungime N, x = (x[0], x[1],..., x[N – 1]), cu
eșantioanele din ℂ, atunci So este un spațiu vectorial complex,
izomorf cu ℂo . Un semnal din So se poate prelungi prin
periodicitate de perioadă N la un semnal din So , punând

89
x[N] = x[0], x[N+1] = x[1],..., x[–1] = x[N–1] etc. Spațiul
So este un spațiu Hilbert complex relativ la produsul scalar
oW# # %
A, Ç = BpE A[?]Ç[?]: norma lui x este A = A, A și
% oW# %
expresia ~(A) = A = BpE A[?] este energia lui x.
Inegalitatea lui Schwartz este: A, Ç ≤ A ∙ Ç pentru
orice A, Ç ∈ So .
Exemple
a) Dacă A, Ç ∈ S^ , atunci x[n] = 0, y[n] = 0 pentru n < 0
B
deci ∫? = Â A[¯]Ç[? − ¯] = ÂpE A[¯]Ç[? − ¯] (sumă
finită!) și în plus, z[n] = 0 pentru n < 0. Așadar, A ∗ Ç are sens și
aparține la S^ .
b) Dacă A, Ç ∈ S˜ și există A ∗ Ç, atunci există și Ç ∗ A și
A ∗ Ç = Ç ∗ A. Restrânsă la S^ , convoluția este asociativă și
distributivă în raport cu adunarea.
c) Treapta unitate discretă u (G: ℤ → ℝ, G ? = 1 dacă
? ≥ 0 și G[?] = 0 dacă n < 0) aparține lui S^ . Dar dacă A ∈ S˜ , nu
totdeauna are sens A ∗ G.
d) Pentru orice S ∈ ℤ, se definește impulsul discret TU
aplicat la momentul k: TU [?] = 0 dacă n ≠ k și TU [?] = 1 dacă
n = k. Se notează T în loc de TE .
Exemplu
Fie Ç = 2T# + 3TY − 2T. Așadar, y[n] = 2 dacă n = 1; 3
dacă n = 3 și – 2 dacă n = 0 (figura 2.3).

90
Figura 2.3
e) Dac% 340! / 5 este un semnal continual #i T > 0 este
fixat, atunci se poate considera semnalul discret
A^ @ 3 ?Z , 0? 7 >: figura 2.4.

Figura 2.4
Prin discretizare (e#antionare), alura semnalului se
men$ine; dac% pasul de e#antionare este mic, aparent se m%re#te
precizia, dar vom vedea c% pot ap%rea #i fenomene mai greu de
st%pânit.
Propriet%$i ale convolu$iei discrete
1. Pentru orice S 7 > #i oricare ar fi A @ <A8?;=' ? 7 >, se
poate considera ∫ @ A Ì TU (numit întârziatul lui x cu k unit%$i).

! 91
Avem z[n] = Â A[¯]TU [? − ¯] și cum TU [? − ¯] = 0 pentru
k ≠ n – p (adică p ≠ n – k), rezultă că z[n] = x[n – k]. Așadar, ∫ ∗ TU
are aceleași eșantioane ca x, dar decalate spre dreapta cu k unități.
2. T este element neutru pentru convoluția din S˜ .
Într-adevăr, pentru orice A ∈ S˜ , A ∗ T = A și T ∗ A = A.
Exemplu
Semnalul Ç = 5A ∗ T% + 2A ∗ TW# are eșantioanele
y[n] = 5x[n – 2] + 2x[n + 1], pentru orice ? ∈ ℤ.
3. Fie S mulțimea semnalelor discrete având toate
eșantioanele nule cu excepția unui număr finit. S este un spațiu
vectorial și (TB ), ? ∈ ℤ formează o bază a lui.
Demonstrație: Evident, S este spațiu vectorial (peste ℝ sau
ℂ, după caz). Semnalele TB sunt liniar independente (căci dacă
U 9U TU = 0, atunci pentru orice ? ∈ ℤ, U 9U TU [?] = 0 deci toți
9B = 0). Apoi, orice A ∈ ° se poate scrie A = B∈ℤ A[?]TB .
4. Convoluția discretă A ∗ Ç are sens dacă A ∈ S˜ și y este
un semnal discret cu suport mărginit (adică există M > 0 astfel încât
y[n] = 0 pentru ? > Ä).
Într-adevăr, pentru orice ? ∈ ℤ,
(A ∗ Ç)[?] = ÂA ¯ Ç ?−¯ = Â∈ℤ A[? − ¯]Ç[¯],
sumele fiind de fapt finite.
5. Notăm Dx[n] = x[n] – x[n – 1] (D fiind numit operatorul
diferență) și õQ A[?] = A[? − 9] (õQ fiind operatorul de translatare
sau șiftare la dreapta cu a).
Avem D(A ∗ Ç) = (Dx) ∗ Ç = A ∗ DÇ și õQ A ∗ Ç =
(õQ A) ∗ Ç = A ∗ (õQ Ç).

92
Verificările necesare sunt imediate.
6. Convoluția discretă extinde modul uzual de înmulțire a
fracțiilor zecimale infinite.
Fără restrângerea generalității, considerăm numere reale
din intervalul (0, 1). Orice A ∈ (0,1) se scrie unic
A = 0, A# A% . . . AB . . . = A# ∙ 10W# + A% ∙ 10W% +. . . +AB ∙ 10WB +. ..
și se identifică cu semnalul discret Ÿ = (AB ), ? ≥ 1. În mod
similar, Ç = 0, Ç# Ç% . . . ÇB . .. se identifică cu ˙ = (ÇB ), ? ≥ 1.
Produsul uzual este de fapt un produs de serii de puteri
xy = Â AÂ ∙ 10WÂ ∙ Ê ÇÊ ∙ 10WÊ = Â,Ê AÂ ÇÊ 10
WÂWÊ
și
notând p + q = n, rezultă AÇ = B Â AÂ ÇBWÂ 10WB . Ca atare,
WB
AÇ = B ∫B 10 , unde ∫B = (Ÿ ∗ ˙)[?] și astfel, produsul uzual
xy se identifică cu semnalul discret ˚ = Ÿ ∗ ˙!
Notă
Orice algoritm rapid de calcul al convoluției a două
semnale discrete conduce la un algoritm rapid de înmulțire a două
numere reale. Aceasta se extinde în mod corespunzător la calculul
cu alte obiecte matematice – matrice, funcții digitale, imagini
discretizate etc., cu efecte directe asupra „revoluției digitale”. Vom
reveni asupra acestui subiect după descrierea transformării Fourier
discrete (TFD) și a algoritmului FFT.

§2.4. Convoluția ciclică (circulară) a semnalelor finite


Fixăm un întreg N ≥ 2. Pentru două numere întregi u, v, se
spune că u = v modulo N dacă diferența u – v este divizibilă cu N;

93
de exemplu, 8 = 3 mod 5 și 11 = – 3 mod 7. În continuare, notăm
G ⊖ u în loc de u – v mod N.
Definiția 2.4: Pentru orice două semnale finite A, Ç ∈ So
având aceeași lungime N și prelungite prin periodicitate N, se
definește convoluția lor ciclică z = A ∗ y, având eșantioanele

oW#
∫[?] = ÂpE A[¯]Ç[? ⊖ ¯], pentru 0 ≤ n ≤ N – 1,
unde ? ⊖ ¯ = ? − ¯ mod N. (7)
Această convoluție există totdeauna (sumele fiind finite) și
este comutativă, asociativă și distributivă în raport cu adunarea.
Exemple
a) Fie x = (0, 1, 3). Atunci N = 3 și calculăm z = A ∗ A.

%
Avem x[0]= 0, x[1]=1, x[2] = 3 și ∫[?] = ÂpE A[¯]Ç[? ⊖
¯] : 0 ≤ ? ≤ 2. Așadar, z[0] = x[0] x[0] + x[1]x[2] +x[2]x[1] = 0.0
+ 1.3 + 3.1 = 6; z[1] = x[0] x[1] + x[1]x[0] + x[2]x[2] = 9 și z[2] =
x[0]x[2] + x[1]x[1] + x[2]x[0] = 1 deci z = (6, 9, 1).
b) Calculăm z = A ∗ y pentru x=(0, 1, 1, 0) și y=(1, 0, 0, 2).

Y
În acest caz, N = 4 și ∫[?] = ÂpE A[¯]Ç[? ⊖ ¯] pentru 0 ≤ n ≤ 3.
De exemplu, z[2] = x[0] y[2] + x[1]y[1] + x[2] y[0] + x[3]y[3] = 0.0
+ 1·0 + 1·1 + 0·2 = 1 etc.
Notă
Convoluția discretă și cea ciclică se pot defini și pentru
semnale de lungimi finite diferite, completând eșantioanele
semnalelor cu eșantioane nule astfel încât noile semnale să aibă
aceeași lungime (atenție la poziția zero). Vom vedea că algoritmul

94
FFT se va aplica pentru calculul convoluției oricăror două semnale
discrete.
În procesarea semnalelor, alături de convoluție se folosește
și operația de corelație. Dacă 3, b: ℝ → ℂ sunt semnale
continuale, atunci corelația 3 ∘ b este definită prin
l
(3 ∘ b)(6) = Wl
3(∫)b(6 + ∫)d∫, (8)
pentru orice 6 ∈ ℝ pentru care integrala este convergentă.
În mod similar, dacă A = A ? , ? ∈ ℤ, și Ç = Ç ? ,
? ∈ ℤ sunt semnale discrete, atunci corelația lor A ∘ Ç este definită
prin
(A ∘ Ç)[?] = Â∈ℤ A[¯]Ç[? + ¯] , ? ∈ ℤ. (9)
De fapt, corelația lui 3(6)și b(6) este convoluția lui
3(6) = 3(−6) și b(6).
Similar, A ∗ Ç = A ∘ Ç unde A[?] = A[−?] etc. Nu
discutăm condiții de existență pentru 3 ∘ b sau A ∘ Ç; se extind
unele proprietăți, inspirate de la convoluție. Corelația A ∘ A dintre
un semnal și el însuși se numește autocorelație.
Atenție. Corelația nu este comutativă.
Corelația este utilizată în studiul similitudinii semnalelor și
al extragerii de informații suplimentare.

§2.5. Cazul semnalelor 2D și al imaginilor


Ambele operații – convoluție și corelație – se extind la
funcții 3: ℝB → ℝ (sau ℂ); de exemplu,
(3 ∗ b)(A) = ℝ£
3(∫)b(A − ∫)d∫,

95
unde A = (A# , . . . , AB ) și d∫ = d∫# . . . d∫B (elementul de hipervolum
n – dimensional; pentru n = 2, elementul de arie). Existența acestor
integrale depinde de descreșterea funcțiilor f, g „spre infinit”.
Cele mai importante cazuri în care există 3 ∗ b sunt cele în
care f, g sunt continue cu suport compact (deci nule în afara unei
bile) sau dacă f este continuă cu suport compact și b ∈ L#Ò∑∂ .
Menționăm că dacă 3, b ∈ L#ℝ£ , atunci are loc relația
remarcabilă
(3 ∗ b)(A)dA = 3(A)dA b(A)dA , (10)
care rezultă aplicând teorema clasică a lui Fubini. În cazul 2D,
relația (10) se scrie astfel: ℝa
(3 ∗ b)(A, Ç)dAdÇ =

ℝa
3(A, Ç)dAdÇ ℝa
b(A, Ç)dAdÇ pentru f, g presupuse cu
suport compact.
Definiția 2.5: Prin imagine 2D se înțelege orice mulțime
mărginită F ⊂ ℝ% , împreună cu funcția ei de strălucire
3D : ℝ% → ℝ, care asociază fiecărui punct ç ∈ F (asimilat cu un
pixel; pixel ≡ picture element), „cantitatea de gri” (sau
intensitatea) conținută în acel punct, în cazul unei imagini alb –
negru sau un vector de culori RGB de bază (R – roșu, G – verde
și B – albastru, de tipul (r(P), g(P), b(P)).
Studiul imaginilor are ca scop înlocuirea observatorului
uman cu automate care au acces lărgit în cele mai diverse medii.
Nu discutăm aici formarea imaginilor, modul de măsurare a
parametrilor fizici (chestiune de Optică), stocarea și prelucrarea
imaginilor, ca și descrierea lor în limbaje avansate de tip C++,

96
MATLAB, JAVA (chestiune de Informatică aplicată). În ultimul
timp, s-au dezvoltat tehnici de modificare a contrastului, de
blurare, curățare, creare de „zoom”–uri sau segmentare a
imaginilor. Filtrarea liniară revine la a modifica valorile f (m, n)
ale pixelilor (m, n) prin combinații liniare ale valorilor în pixelii
vecini, de tipul U,ℓ 9Uℓ 3(â − S, ? − ℓ), unde (9Uℓ ) este matricea
de filtrare.
Domeniul procesării imaginilor este într-o mare
efervescență și teren de aplicare a tuturor achizițiilor fizicii sau
informaticii. Nu intrăm în detalii și menționăm doar că dacă
f (x, y) este funcția de strălucire a unei imagini I, atunci imaginea
modificată g (x, y) după trecerea printr-un „filtru de restaurare”
satisface o relație de forma
b(A, Ç) = 3(A, Ç) ∗ ℎ(A, Ç) + ˛(A, Ç), (A, Ç) ∈ F,
unde h este funcția – pondere a filtrului și ˛ este un „zgomot
aditiv”.

§2.6. Convoluția distribuțiilor


În ANEXA 4 am reamintit definiția distribuțiilor, acoperită
cu motivații și exemple și totodată, am prezentat principalele
reguli de calcul cu distribuții. Știm ce înseamnă distribuții egale,
cum se adună, cum se multiplică cu funcții de clasă C l și cum se
derivează.
Atenție: distribuțiile nu se înmulțesc sau împart, nu se
ridică la pătrat, nu se logaritmează...

97
O distribuție Z ∈ Ú Ö este definită nu prin valori în puncte
6 ∈ ℝ (ca la funcții), ci prin modul cum ele operează pe funcțiile
de testare | ∈ Ú. Printr-o convenție tacită, în loc de Z(|) se scrie
Z, | sau ZÅ (|(6)), pentru a indica variabila funcției de testare
căreia se aplică ZÅ . Celebrul impuls Dirac este distribuția T definită
prin T(|) = |(0) sau echivalent, T, | = |(6) , pentru
6=0
orice | ∈ Ú.
În multe lucrări inginerești, se mai scrie o relație de forma
l
Wl
T(6)|(6)d6 = |(0) (11)
(„formula de filtrare”),
care nu este o teoremă ci nimic altceva decât relația de definiție
T(6), |(6) = |(0) și atât. Dar uneori tradiția este mereu
victorioasă (să ne amintim, de exemplu, de sintagmele dubioase
„variația constantelor” sau „consum de energie”; cum să variem
constantele și cum să consumăm ceva care se conservă?).
Tren de delte
Pentru orice : ∈ ℝ și pentru orice distribuție Z ∈ Ú Ö , am
definit distribuția õ_ Z, notată și T(t – b), numită translatata lui T cu
b; anume, pentru orice funcție de testare | ∈ Ú,
(õ_ Z)(|) = Z(|(6 + :)). (12)
Exemplu
Pentru 6 = T, avem (õ_ T)(|) = T(|(6 + :)) = |(6 +
:) = |(:) = T_ (|). Așadar, T(6 − :) = T_ , adică
6=0
translatata lui T în b este chiar impulsul Dirac aplicat în punctul b,
ceea ce corespunde intuiției noastre.

98
Defini$ia 2.6: O distribu$ie T se nume#te periodic&, de
perioad% b, dac% õ_ Z @ Z sau T(t – b) = T(b), deci Z<|<6 X :== @
Z<|<6==, pentru orice | 7 Ú.
Exemplu
Pentru orice num%r b>0, se define#te urm%toarea distribu$ie
periodic%
∂√ë<#%=
Ó_ @ l BpWl õB_ T @ B7> T<6 R ?:=, (13)
numit% trenul de delte (în domeniul TIMP) de perioad% b (sau cu
caden$% b), sau în jargon acceptat, pieptenul lui Dirac; în
literatur%, aceast% distribu$ie se mai noteaz% sugestiv ˇ_ #i are
reprezentarea grafic% din figura 2.5, ca un #ir infinit de be$e
verticale aplicate în punctele 0, ± b, ± 2b,...

Figura 2.5
A#adar, pentru orice | 7 Ú' Ó_ <|= @ B7> |<?:=, suma
fiind de fapt finit% (deoarece func$ia | este nul% în afara unui
interval m%rginit).
Not%
De#i nu are sens valoarea unei distribu$ii într-un punct,
totu#i prin conven$ie se spune c% o distribu$ie Z 7 Ú Ö este nul% pe

! 99
o mulțime deschisă ! ⊂ ℝ (reuniune de intervale deschise) dacă
pentru orice funcție | ∈ Ú nulă în afara lui U, avem Z(|) = 0.
Suportul unei distribuții Supp T este complementara celui mai
mare deschis pe care T se anulează.
Exemple
a) Avem Supp TQ = {9} și dacă 3 ∈ L#Ò∑∂ , atunci
Supp[f] = Supp f.
b) Se notează cu Ú^Ö mulțimea tuturor distribuțiilor având
suportul conținut într-un interval de tipul [a, ∞) cu 9 ∈ ℝ fixat.
Astfel, distribuția lui Heaviside H are suportul [0, ∞).
Reamintim că dacă ã: ℝ → ℂ este o funcție indefinit
derivabilă (ã ∈ Cℝl ) și Z ∈ Ú Ö , atunci se definește distribuția
multiplicată ãZ prin
ãZ, | = Z, ã| , adică (ãZ)(|) = Z(ã|), pentru orice
| ∈ Ú; vezi ANEXA 4.
Exemplu
Avem ãTQ = ã(9)TQ , deoarece ãTQ , | = TQ , ã| =
ã(6)|(6) = ã(9)|(9) = ã(9)TQ (|) pentru orice | ∈ Ú.
6=9
Reamintim de asemenea că dacă ZB , Z ∈ Ú Ö (n ≥ 1), atunci
se spune că șirul ZB este convergent spre T (ZB → Z) în Ú Ö dacă
pentru orice | ∈ Ú, ZB (|) → Z(|), adică
ZB (|) − Z(|) → 0 pentru n → ∞.
Serii de distribuții
Definiția 2.7: O serie de distribuții B†# ZB se numește
Ö
convergentă în Ú dacă șirul sumelor ei parțiale este
Ö
convergent în Ú .

100
Exemple
a) Pentru orice 9 ∈ ℝ, avem [TQ,# B ] → TQ pentru n → ∞;
b) Avem [sin nt ] → 0 în Ú Ö , deoarece pentru orice | ∈ Ú,
lim |(6) sin ?6 d6 = 0, conform lemei lui Riemann.
B→l
(U)
c) Dacă ZB → Z în Ú Ö , atunci ZB → Z (U) în Ú Ö pentru
orice k ≥ 1.
Atenție: pentru orice șir numeric (9B ), ? ∈ ℤ și orice
T > 0, se poate considera seria B∈ℤ 9B TB\ (tren de delte cu cadența
T); această serie este convergentă, deoarece pentru orice | ∈ Ú,
B∈ℤ 9B TB\ ,| = B∈ℤ 9B |(?Z) și aceasta este o sumă finită!
Așadar, orice semnal discret è = (9B ), ? ∈ ℤ se identifică
cu o distribuție, de exemplu B∈ℤ 9B TB .
Pieptenul lui Dirac Ш_ se obține luând 9B = 1 pentru orice
? ∈ ℤ și b = T.
PROPOZIȚIA 2.1. Fie (9B ), ? ∈ ℤ un șir de numere
complexe mărginit de un polinom în n. Identificăm fiecare
armonică e¥B}Å , { > 0 cu distribuția regulară asociată (vezi
ANEXA 4). Atunci seria trigonometrică B∈ℤ 9B e¥B}Å este
convergentă în Ú Ö .
Demonstrație. Pentru orice | ∈ Ú, | este nulă în afara unui
interval mărginit (a, b) și avem B∈ℤ 9B e¥B}Å , | 6 =
l ¥B}Å _ ¥B}Å
B∈ℤ 9B Wl e ∙ | 6 d6 = B∈ℤ 9B Q e ∙ |(6)d6.
Integrând prin părți, avem

101
_ ¥B}Å ¨Õ£#$ : # _ ¥B}Å
e ∙ |(6)d6 = |(6) − e ∙ | Ö (6)d6 =
Q ¥B} 9 ¥B} Q
# _ ¥B}Å
− e ∙ | Ö (6)d6 și repetând integrarea, rezultă că
¥B} Q
_ ¥B}Å W# U _ ¥B}Å
Q
e ∙ |(6)d6 = Q
e ∙ | (U) (6)d6.
¥B}
Cu notații transparente, rezultă că pentru orice întreg k ≥ 1,
_ ¥B}Å %◊
e ∙ |(6)d6 ≤ , cu ÄU = sup | (U) (6) .
Q B◊ Å∈[Q,_]

Din ipoteza asupra șirului (9B ), rezultă convergența seriei


trigonometrice din enunț.
Exemplu
¥B}Å
Luând 9B = 1 pentru orice n, rezultă că seria B∈ℤ e
este convergentă în Ú Ö (deși este divergentă ca serie de funcții
uzuale!).
PROPOZIȚIA 2.2. Fie 3B : ℝ → ℝ sau (ℂ) un șir de
funcții din L#Ò∑∂ , astfel încât seria B†# 3B să fie UC pe orice interval
compact, cu suma f. Atunci 3 ∈ L#Ò∑∂ și în plus, relația
l
Bp# 3B = 3, considerată în Ú Ö , poate fi derivată termen cu termen
de oricâte ori.
Demonstrație. Fie èB = 3# +. . . +3B deci èB → 3, UC pe
orice interval compact. Atunci f este integrabilă pe orice interval
compact, deci 3 ∈ L#Ò∑∂ ; în plus, pentru orice | ∈ Ú, avem
îµ Ú ß
èB | → 3|, UC pe orice interval compact deci [èB ] → [3].
îµ Ú ß
(U)
Atunci [èB ] → [3](U) pentru orice întreg k ≥ 0 și în final,
l (U)
Bp#[3B ] = [3](U) .

102
Așa cum am mai spus, în Teoria distribuțiilor, se pot deriva
funcții cu discontinuități, în puncte unde există limite laterale.
Astfel, are loc:
TEOREMA 2.3. Fie 9 ∈ ℝ și 3: ℝ → ℝ (sau ℂ) o funcție
de clasă C# pe fiecare din intervalele deschise (– ∞, a) și (a, ∞),
având saltul èQ = 3(9 + 0) − 3(9 − 0). Atunci
[3]Ö = èQ TQ + [3 Ö ]. (14)
%
În mod similar, dacă f este de clasă C și èQÖ Ö
= 3 (9 + 0) −
3 Ö (9 − 0), atunci
[3]ÖÖ = èQ TQÖ + èQÖ TQ + [3 ÖÖ ]. (15)
Demonstrație: Pentru | ∈ Ú, integrând prin părți, avem
Ö l
3 | = − 3 |Ö = − Wl
3 A | Ö A dA =
Q l
= − Wl 3(A)| Ö (A)dA − Q 3(A)| Ö (A)dA =
9 Q ∞ l
=−3| + Wl 3 Ö A | A dA − 3| + Q 3 Ö A | A dA =
−∞ 9
l
= −3 9 − 0 | 9 + 3 9 + 0 | 9 + Wl 3 Ö A | A dA =
= èQ | 9 + 3 Ö | = èQ TQ | + 3 Ö | ·6π.
TEOREMA 2.4 (formula lui Poisson). Pentru orice număr
b > 0, are loc următoarea relație în Ú Ö :
# l
∆_ = BpWl[·B ], (16)
_
%,¥
unde ·B = exp ?6 , ? ∈ ℤ.
_
Demonstrație:
#
Considerăm funcția b: [0, :) → ℝ, b(6) = 6, pe care o
_
prelungim prin periodicitate b la ℝ. Calculând coeficienții Fourier
# _
πB = b(6)eB (6)d6, rezultă dezvoltarea Fourier:
_ E

103
l # ¥
b(6) = BpWl πB eB (6) = + BœE eB (6), pentru orice
% %,
6 ∈ ℝ.
Această dezvoltare are loc și în Ú Ö și conform propoziției
2.2, ea poate fi derivată termen cu termen deci
# #
[b]Ö = − BœE[eB ]. Pe de-altă parte, bÖ (6) = pentru t ≠ nb.
_ _
Funcția g este de clasă C# pe fiecare interval deschis (nb, (n+1)b),
? ∈ ℤ, având saltul – 1 în fiecare punct nb. Dar dacă f: ℝ → ℝ
este de clasă C# pe porțiuni, cu discontinuitățile 9B și salturile èB
acolo, atunci conform teoremei 2.3 extinse, avem [3]Ö =
B èB T(6 − 9B ) + [3 Ö ]. Așadar, [b]Ö = − B T(6 − ?:) +[bÖ ]
# #
deci − [eB ] = [b]Ö = − B T(6 − ?:) + ; ca atare, B T(6 −
_ _
#
?:) = B∈ℤ[eB ], deci (16).
_
COROLAR. În Ú Ö are loc relația
l ¥BÅ
BpWl[e ] = 2(∆%, . (17)
Pentru demonstrație, înlocuim b = 2π în formula (16).
Notă
¥BÅ
Seria B∈ℤ e este desigur divergentă ca serie de funcții
uzuale, dar sensul matematic al relației (17) este acela că pentru
orice | ∈ Ú, l BpWl e
¥BÅ
| 6 = 2( l BpWl |(2?(), în ambii
termeni având de fapt sume finite.
Convoluția unei distribuții cu o funcție
Fie acum ℰ = Cℝl mulțimea funcțiilor 3: ℝ → ℝ sau (ℂ)
indefinit derivabile. Se spune că un șir ÙB ∈ ℰ converge spre zero
în ℰ (pentru ? → ∞) dacă pentru orice interval mărginit I,
ÙB → 0, ÙBÖ → 0, ÙBÖÖ → 0, . .. UC pe I.

104
Se notează cu ℰ Ö mulțimea tuturor aplicațiilor liniare
continue T: ℰ → ℂ. Deoarece Ú ⊂ ℰ, rezultă că Z ∈ Ú Ö . L.
Schwartz a arătat că ℰ Ö ⊂ Ú Ö și că distribuțiile din ℰ Ö sunt exact
cele din Ú Ö care au suport compact.
Exemplu
T ∈ ℰ Ö dar ‰ ∉ ℰ Ö .
În definirea și utilizarea convoluției pentru distribuții, sunt
necesare unele precauții. Dacă 3, | ∈ L#ℝ , am definit convoluția
3 ∗ | prin formula (1).
Definiția 2.8: Dacă Z ∈ Ú Ö și | ∈ ℰ, se definește
convoluția Z ∗ |: ℝ → ℝ sau (ℂ), ca fiind funcția definită prin
(Z ∗ |)(6) = Z( (|(6 − G)), aplicând T funcției G ↦ |(6 − G).
Exemple
a) În cazul T = [f ], se regăsește formula (1).
b) Avem TQ ∗ | = |(6 − 9), deoarece (TQ ∗ |)(6) =
TQ (G), |(6 − G) = |(6 − G) = |(6 − 9).
G=9
Convoluția a două distribuții
Definiția 2.9: Dacă °, Z ∈ Ú Ö și una din ele, de exemplu S,
are suport compact, atunci se definește convoluția ° ∗ Z ∈ Ú Ö , în
modul următor:
° ∗ Z, | = °, Ù) , (18)
unde Ù) = Zj , |(A + Ç) , ∀| ∈ Ú. [Indicele ne arată că
funcționala T se aplică funcției |(A + Ç) privită ca funcție de x,
considerând y ca parametru].

105
Notă
Reținem că se pot convoluta două distribuții dacă una din
ele are suport compact. Mai există un caz, anume cel în care
ambele distribuții au suport pozitiv.
În continuare, listăm fără demonstrație proprietățile
principale ale convoluției de distribuții.
1. Dacă f, g sunt funcții din L#Ò∑∂ și există 3 ∗ b, atunci [3 ∗
b] = [3] ∗ [b]:
2. Dacă există ° ∗ Z, atunci există Z ∗ ° și Z ∗ ° = ° ∗ Z:
3. Pentru orice Z ∈ Ú Ö , Z ∗ T = Z și T ∗ Z = Z; așadar, T
este element neutru pentru convoluția în Ú Ö .
Într-adevăr, T ∗ Z, | = T) , Ù) , unde Ù) = T) , | A +

Ç =| A+Ç = |(Ç). Așadar,


A=0
T ∗ Z, | = T) , |(Ç) = T, | pentru orice | ∈ Ú.
4. Pentru orice Z ∈ Ú Ö și orice întreg k ≥ 0,
T (U) ∗ Z = Z ∗ T (U) = Z (U) . (19)
5. Pentru orice 9 ∈ ℝ fixat și Z ∈ Ú Ö , avem
TQ ∗ Z = Z ∗ TQ = õQ Z + Z(6 − 9). (20)
6. Convoluția a trei distribuții, cel puțin două având suport
compact, este asociativă. De asemenea, convoluția distribuțiilor
din Ú^Ö este asociativă.
Notă
1) Proprietatea 6 este nebanală. De exemplu, să considerăm
distribuțiile [1], T Ö și H.

106
Avem [1] Ì T Ö @ O Ö Ì T @ H deci O Ì T Ö Ì ‰ @ H #i pe
de-alt% parte, (1Ì T Ö Ì ‰ @ O Ì T Ì ‰Ö @ O Ì T Ì T @
O Ì T @ O [ H. A#adar, distributivitatea nu are loc în general
(Avem Supp[1] = !, Supp0T Ö @ gHh #i Supp H = [0, *) ).
2) Dou& consecin%e spectaculoase
Fie b > 0 #i Ó_ @ l l
BpWl T<6 R ?:= @ BpWl TB_ trenul de
delte cu caden$a b. Recapitulând, pentru orice func$ie
| 7 & @ C!l , avem:
l l
I. | Ì Ó_ @ BpWl | Ì TB_ @ BpWl T<6 R ?:=' (21)
folosind faptul c% | Ì TQ @ T<6 R 9=, întârziata lui | cu a unit%$i.
Apoi
l l
II. |Ó_ @ BpWl |TB_ @ BpWl |<?:=TB_0 ' (22)
folosind faptul c% |TQ @ |<9=TQ .
A#adar, convolu%ia unei func$ii | cu pieptenul lui Dirac Ó_
este suprapunerea translatatelor lui |0cu multiplii întregi ai lui b
(figura 2.6): iar produsul semnalului | cu Ó_ este semnalul
discret (|<?:==' ? 7 >, având ca e#antioane valorile lui | în
nodurile nb cu ? 7 >; figura 2.7.

Figura 2.6

! 107
Figura 2.7
Ulterior vom prezenta un alt rezultat fundamental:
TEOREMA 2.5. Fie o aplica$ie liniar% î40& Ö / Ú Ö ,
"µ0& ß 0 "µ0Ú ß 0
continu% (ZB 0 / 0H implic% î<ZB =0 / 0H ). Dac% în plus
î<Z_ = @ 0î<Z=_ 0pentru orice : 7 !, atunci L este un operator de
convolu$ie, în sensul c% pentru h = L(T), are loc rela$ia
î<°= @ d Ì ° @ ° Ì d, pentru orice ° 7 & Ö . (23)
Aceast% teorem% este esen$a teoriei sistemelor liniare #i
invariante în timp (1 sta$ionare).

§2.7. Ecua%ii de convolu%ie


Consider%m o ecua$ie „de gradul doi”, de forma
° Ì A @ Z, (24)
numit% ecua%ie de convolu%ie, cu S #i T distribu$ii fixate, din & Ö .
Presupunem c% S are invers% la convolu$ie, adic% exist% ° W# astfel
încât ° Ì ° W# @ T #i ° W# Ì ° @ T. Atunci ecua$ia (24) admite
solu$ia x = ° W# Ì Z, deoarece ° Ì <° W# Ì Z= @ <° Ì ° W# = Ì Z @ T Ì
Z @ Z. Se observ% c% asociativitatea convolu$iei intervine esen$ial.
În plus, solu$ia ecua$iei (24) este unic%: dac% A# ar fi o alt% solu$ie,

108!
atunci ° ∗ A = Z, ° ∗ A# = Z deci ° ∗ (A − A# ) = 0 și înmulțind
(convolutând) cu ° W# , rezultă T ∗ (A − A# ) = 0, adică A − A# = 0
și A# = A.
Exemple
a) Fie 6E < 6# <. . . < 6B puncte fixate și „ecuația cu
diferențe”9E A 6 − 6E + 9# A 6 − 6# + ⋯ + 9B A 6 − 6B = :,
cu : ∈ Ú^Ö și 9U = constante.
Aplicând relația A(6 − 6U ) = T(6 − 6U ) ∗ A, această ecuație devine
(9E T(6 − 6E ) + 9# T(6 − 6# )+. . . + 9B T(6 − 6B )) ∗ A = :,
deci de forma (24).
b) Considerăm următoarea ecuație diferențială liniară cu
coeficienți 9U constanți:
A (B) + 9# A (BW#) +. . . + 9BW# A Ö + 9B A = :(6), (25)
cu necunoscuta A(6) și : ∈ Ú^Ö o distribuție cu suportul în [0, ∞).
Se știe că dacă :(6) este o funcție continuă, atunci soluția este de
forma A(6) = Ü# |# (6)+. . . + ÜB |B (6) + AÂ (6), unde |# , . . . , |B
sunt soluții liniar independente ale ecuației omogene, Ü# , . . . , ÜB
constante și AÂ (6) o soluție particulară a ecuației (25). Teoria
distribuțiilor permite studiul unor ecuații de tipul (25) unde :(6)
este o funcție discontinuă sau un impuls.
Deoarece A (U) = T (U) ∗ A (conform (19)), ecuația (25)
devine (T (B) + 9# T (BW#) +. . . +9B T) ∗ A = : și notăm
° = T (B) + 9# T (BW#) +. . . +9B T, ° ∗ A = :, unde S este o
distribuție din ℰ Ö cu suportul {0}. Soluția este A = ° W# ∗ : și
trebuie determinată inversa ° W# .

109
Pentru n = 1, notăm cu ã(6) soluția ecuației A Ö + 9# A = 0,
cu condiția inițială x(0) = 1. În acest caz, ° = T Ö + 9# T. Notând
· = ã(6)‰ și reamintind că ‰Ö = T, rezultă
· ∗ ° = ã(6)‰ ∗ ° = ã(6)‰ ∗ (T Ö + 9# T) = (ã(6)‰)Ö +
9# ã(6)‰ = ã Ö (6)‰ + ã(6)‰Ö + 9# ã(6)‰ = ã Ö (6)‰ + ã(6)T +
9# ã(6)‰ = (ã Ö (6) + 9# ã(6))‰ + ã(0)T = 0 · ‰ + T = T,
căci ã(0) = 1. Așadar, · ∗ ° = T deci ° W# = · = ã(6)‰. Ca
atare, soluția ecuației ° ∗ A = : este
A = ° W# ∗ : = (ã(6)‰) ∗ :. (26)
Pentru n ≥ 2, notăm cu ã(6) soluția clasică a ecuației
omogene asociate ecuației (25), cu condițiile inițiale
A(0) = 0, A Ö (0) = 0, . . . , A (BW%) (0) = 0 și A (BW#) (0) =1.
Din nou, fie · = ã(6)‰. Atunci · Ö = ã Ö ‰ + ã‰Ö = ã Ö ‰ + ãT =
ã Ö ‰ + ã(0)T = ã Ö ‰; apoi · ÖÖ = ã ÖÖ ‰ + ã‰Ö = ã ÖÖ ‰ + ã Ö T =
ã ÖÖ ‰ + ã Ö (0)T = ã ÖÖ ‰ etc.
BW# BW# B B BW#
În fine, · =ã ‰ și · =ã ‰+ã T=
B BW# B B
ã ‰+ã 0 T=ã ‰ + T. Așadar, · ∗ ° = · ∗ T +
∂√. #À
BW# B BW#
9# T + ⋯ + 9B T = · + 9# · + ⋯ + 9B · =
B BW#
ã ‰ + T + 9# ã ‰ + ⋯ + 9B ã 6 ‰ =
B
(ã + 9# ã (BW#) +. . . +9B ã)‰ + T = 0 · ‰ + T = T.
În concluzie, · ∗ ° = T deci ° W# = · = ã(6)‰ și soluția
este A = ° W# ∗ : = (ã(6)‰) ∗ : deci (26).
Am demonstrat astfel

110
PROPOZI!IA 2.6: Solu$ia în Ú Ö a ecua$iei diferen$iale
(25) este (26), unde ã 6 este solu$ia clasic% a ecua$iei liniare
omogene cu condi$iile ini$iale
ã H @ H' 0ã Ö H @ H' „ ' ã BW%
H @ H, ã <BW#= <H= @1 în cazul
n ( 2 #i ã<H= @ O dac% n = 1.
Exemplu
Consider%m circuitul electric R – L în serie din figura 2.8.

Figura 2.8
Dac% ¬ 6 respectiv u 6 sunt curentul #i c%derea de
tensiune la bornele circuitului la momentul t, atunci conform legii
lui Kirchhoff, avem ü¬ 6 X î¬ Ö 6 @ u 6 ' 6 I H. Acela#i circuit
poate fi considerat ca un filtru analogic (1 sistem liniar intrare –
#
ie#ire) Z40~ / ò, unde ~ @ C! ÷! #i ò @ C!E : orice intrare este o
pereche (u<6=' ¬E = cu u<6= @ ~E pentru t ( 0, u<6= @ H pentru t < 0
#i ¬E @ ¬<H=, iar ie#irea corespunz%toare este ¬<6=.
A#adar, î¬ Ö X ü¬ @ ~E G<6=, unde G<6= este treapta unitate
a lui Heaviside; se ob$ine astfel ecua$ia diferen$ial% urm%toare:
+ ∞ó
¬Ö X ¬ @ G<6=' 6 7 !, cu condi$ia ini$ial% ¬<H= @ ¬E .
ì ì
Prin schimbarea de func$ie i = x + ¬E , aceast% ecua$ie
+ ∞ó +
devine A Ö X A @ G<6= R ¬E , cu condi$ia ini$ial% x(0)=0.
ì ì ì

! 111
+
Aplicăm propoziția 2.6 cu n = 1, ã(6) = exp(− 6) și :(6) =
ì
#
(~E G(6) − ü¬E ); soluția cerută este A(6) = ã(6)‰ ∗ :(6) și în
ì
final, ¬(6) = A(6) + ¬E .

§2.8. Aplicații ale convoluției


I. Răspunsul la impuls
a) Considerăm din nou circuitul electric din figura 2.8, dar
presupunem că la momentul t = 0 se aplică un șoc de tensiune
u = ST (numit zgomot alb de intensitate k; k > 0, constant). Ne
așteptăm la un salt pentru intensitatea i(t) a curentului. Conform
legii lui Kirchhoff, rezultă următoarea ecuație în distribuții:
ü¬(6) + î¬ Ö (6) = ST(6), adică
+ U
¬ Ö (6) + ¬(6) = T(6), 6 ∈ ℝ.
ì ì
Atenție: Studiul unor astfel de ecuații este important,
deoarece în funcționarea circuitelor apar dificultăți în momentul
inițierii sau la comutări și întreruperi. Tot astfel, apar accidente
aviatice la decolări sau aterizări, iar la instalațiile termochimice
trebuie evitate șocurile termice.
Aplicând propoziția 2.6, avem
+
ã(6) = exp(−96), unde 9 = și conform (26), rezultă
ì
U U W QÅ
¬(6) = (exp(−96)‰) ∗ T = e ‰.
ì ì
Graficul acestei funcții (≡ distribuție regulară) este indicat
în figura 2.9.

112
Figura 2.9
Aceasta este solu$ia în clasa Ú^Ö #i se poate ar%ta c% solu$ia
general% în clasa Ú Ö a tuturor distribu$iilor este
ÜiW0QÅ ' 6 J H
¬<6= @ U ,
<Ü X =iW0QÅ ' 6 K H
ì
cu graficul indicat în figura 2.10.

Figura 2.10
b) Consider%m acum ecua$ia diferen$ial%
âA ÖÖ X 9A Ö X {% A @ ST, (27)
care descrie mai multe fenomene mecanice sau electrice (m > 0,
a > 0, {0 [ H, S K H – constante). De exemplu, mi#carea unui
pendul cu frecare, c%ruia i s-a aplicat un impuls ST.

! 113
Soluția în clasa Ú^Ö a distribuțiilor cu suport pozitiv se
obține aplicând propoziția 2.6. Ne propunem să determinăm
soluțiile în clasa Ú Ö a tuturor distribuțiilor. Pe intervalul (–∞, 0) se
determină soluția clasică a ecuației liniare omogene âA ÖÖ + 9A Ö +
{% A = 0, cu condițiile inițiale A(0 − 0) = AE , A Ö (0 − 0) = A# .
Pe intervalul (0, ∞) se rezolvă aceeași ecuație, dar cu
condițiile A(0 + 0) = AE + èE , A Ö (0 + 0) = A# + èEÖ , cu salturile
èE = A 0 + 0 − A 0 − 0 , èEÖ = A Ö 0 + 0 − A Ö 0 − 0 ale
funcției și derivatei în punctul t = 0. Se observă că A ∈ L#Ò∑∂ deci x
se identifică cu distribuția regulară [x]; în Ú Ö ecuația (27) se scrie:
â[A]ÖÖ + 9[A]Ö + {% [A] = T. Aplicând relațiile (14), (15) din
teorema 2.3, rezultă:
â(èE T Ö + èEÖ T + [A ÖÖ ]) + 9(èE T + [A Ö ]) + {% [A] = ST, adică
âèE T Ö + âèEÖ T + 9èE T + [âA ÖÖ + 9A Ö + {% A] = 0.
Dar âA ÖÖ + 9A Ö + {% A = 0 pe (–∞, 0) și pe (0, ∞), adică
în ℝ\{0}. În concluzie, rezultă relația
âèE T Ö + (âèEÖ + 9èE − S)T = 0. (28)
Ö
Dar T și T sunt liniar independente [într-adevăr, fie a, b
constante și 9T + :T Ö = 0; alegem o funcție | ∈ Ú astfel încât
|(0) = 0 și |Ö (0) = 1. Din relația (9T + :T Ö )(|) = 0, rezultă
9| 0 − :| Ö 0 = 0 deci b = 0 și apoi a = 0]. Din relația (28)
U
rezultă âèE = 0, âèEÖ + 9èE − S = 0, adică èE = 0 și èEÖ = .
ä
Deducem un fapt remarcabil datorat abordării
distribuționale: aplicarea impulsului ST conduce la un salt al
U
vitezei èEÖ = .
ä

114
II. O teorem& fundamental& din Teoria
probabilit&%ilor: „Fie X, Y dou% variabile aleatoare continuale
independente peste acela#i câmp de probabilit%$i <-' .' …=. Dac%
f, g sunt densit%$ile lor de probabilitate, apar$inând clasei 0"#! ,
atunci densitatea de probabilitate a sumei Z = X + Y este tocmai
convolu$ia 3 Ì b.
Demonstra$ie. Consider%m vectorul aleator u @ <Ÿ' ˙=
având componentele X, Y.
Func$ia sa de reparti$ie este òñ 40!% 0 / 0!,0òñ A' Ç @
… Ÿ m A' ˙ m Ç @ ç Ÿ m A È ç ˙ m Ç #i densitatea de
probabilitate este ¯ñ A' Ç @ 3 A È b Ç . Func$ia de reparti$ie a
lui Z = X + Y este ò40!0 / !,0ò<∫= @ …<˚ m ∫= @ …<Ÿ X ˙ m
∫= @ …<<Ÿ' ˙= 7 ›=, unde D este regiunea {(X, Y) | X + Y ' z} din
planul XOY: aceasta este tocmai semiplanul delimitat de dreapta
X + Y = z (figura 2.11).

Figura 2.11
Considerând un punct curent (0, y) pe Oy, dreptele Y = y #i
X + Y = z se intersecteaz% în punctul (z – y, y) #i

! 115
ò ∫ @ /
¯ñ A' Ç ]A]Ç @ /
b Ç 3 A ]A]Ç @
l ªW)
Wl
b<Ç=]Ç Wl 3<A=]A.
Densitatea de probabilitate a variabilei aleatoare Z este
˜ l
¯0 <∫= @ ò<∫= @ Wl
b<Ç=3<∫ R Ç=]Ç @ <b Ì 3=<∫=' ∫ 7 !
˜ª
˜ (
[Am folosit regula de derivare sub integral%: 3<A=]A @
˜( Wl
3<G=]. A#adar, ¯0 @ 03 Ì b.
Exemple
a) Dac% X #i Y sunt variabile aleatoare independente,
repartizate uniform în [0, 1], atunci
000000O0]ùLú0G 7 8H'O;
¯⁄ <G= @ ¯1 <G= @ #i suma Z = X + Y
H00"+0ûi)e
are densitatea de probabilitate ¯0 @ ¯⁄ Ì ¯1 deci
ªW(pñ
l #
¯0 @ ¯
Wl ⁄
G ¯1 ∫ R G ]G @ ¯
E 1
∫ R G ]G @
H0]ùLú0∫ J H0)ùM0∫ K &0
ª
ªW#
¯<u=]u @ ∫0]ùLú00∫ 7 8H'O; ; graficul func$iei ¯0 este
& R ∫0]ùLú0∫ 7 8O'&;
indicat% în figura 2.12.

Figura 2.12

116!
b) Dacă Ÿ ∈ N(â# , ”# ) și ˙ ∈ N(â% , ”% ), atunci
Ÿ + ˙ ∈ N(â# + â% , ”#% + ”%% ), deoarece M(X + Y) = MX +
MY și D(X + Y) = DX + DY. Faptul că Z = X + Y este normală
rezultă din expresia densității de probabilitate ¯0 = ¯⁄ ∗ ¯1 .
De asemenea U = X – Y este normală din clasa
N(â# − â% , ”#% + ”%% ). Densitatea de probabilitate a lui U este
corelația ¯⁄ ∘ ¯1 . Nu mai dăm detalii.
c) Dacă Ÿ ∈ N(m, ”) și Y este repartizată uniform în
intervalul [a, b], atunci
#
# (jWä)a dacă 0 ≤ Ç ≤ :
3(A) = exp(− ) și b(Ç) = _WQ .
3 %, %3 a
0 în rest
Pentru Z = X + Y, densitatea de probabilitate este
l
¯ ∫ = Wl
3 ∫ − Ç b Ç dÇ =
# _ # ªW)Wä a
exp − dÇ =
_WQ Q 3 %, %3 a
# _Wª^ä QWª^ä
Φ −Φ ,
_WQ 3 3
unde Φ este funcția (tabelată!) de repartiție a unei variabile
aleatoare din clasa N(0, 1).
Notă
Vom vedea ulterior modul cum este utilizată această
teoremă în stabilirea teoremei limită centrală.
III. Aplicații fizico – matematice
a) Potențialul newtonian de volum
Fie Ë densitatea de masă a unei bile închise fi ⊂ ℝY ,
raportată la un reper ortonormal Oxyz. Se definește potențial de
volum generat de Ë ca fiind funcția

117
440!Y 0 / 0!' 4 A' Ç' ∫ @
Í<('ñ'5=
@ ŒGŒuŒ6 (28)
7 <jW(=a ^<)Wñ=a ^<ªW5=a Ω a

(figura 2.13)

Figura 2.13
Fie ç<G' u' 6= punctul curent al lui B #i ¿Î% @ çÄ =
distan$a dintre punctul P #i orice alt punct Ä<A' Ç' ∫=0]*+0!Y .
#
Conform (28), avem 4<Ä= @ Ë<ç= Ì .
89:

Se poate ar%ta c% laplacianul ,V = 0 dac% Ä ' fi #i ,V =


4%0Ë dac% Ä 7 fi.
b) Distribu$iile se extind la cazul 2D, ca fiind func$ionale
liniare #i continue pe spa$iul Ú al func$iilor indefinit derivabile
| A' Ç , având suport compact. Se extind opera$iile cu distribu$ii,
inclusiv derivarea #i convolu$ia, ca #i Distribu$ia Dirac
T40Ú0 / 0!, T' | @ |<H'H=.
Operatorii diferen$iali liniari sunt combina$ii liniare de
deriv%ri. Dac% L este un operator diferen$ial, se nume#te solu%ie
elementar& a lui L acea distribu$ie e 7 Ú Ö astfel încât Le = T. Dac%

118!
3 ∈ Ú Ö este o distribuție convolutabilă cu e, atunci soluția ecuației
Lu = f este G = e ∗ 3 (convoluția dintre soluția elementară și
termenul liber).
Exemple
; ;a
a) Pentru operatorul caloric î= − , soluția
;Å ;j a
<a
#
elementară este e(A, 6) = eW æ$ ∙ ‰(6).
% ,Å
;a ;a
b) Operatorul undelor î = a
− are soluția elementară
;Å ;j a
#
e(A, 6) = ‰(6 − A ).
%
; # ; ;
c) Operatorul = ( +i ) de derivare areolară al lui
;ª % ;j ;)
#
Pompeiu are soluția elementară distribuția regulară e = .

Nu dăm mai multe detalii.
IV. Aplicații informatice
Fără a intra în detalii, dăm o listă de utilizări ale
convoluțiilor.
a) Procesarea semnalelor 1D
- convoluția a două semnale este de fapt filtrarea unuia prin
celălalt, ceea ce este folosit pentru îmbunătățirea raportului semnal
util / zgomot;
- reverberația semnalelor acustice este tocmai convoluția
sunetului digital cu ecourile datorate obiectelor din vecinătatea
sursei de sunet. Presupunem că un „observator” ascultă vocea mea
printr-un perete; la fiecare moment, el nu aude ce am zis eu
anterior (producând un sunet exprimat prin presiunea f (t) a

119
aerului) ci convoluția (ℎ ∗ 3)(6) ≅ ℎ(0)3(6) + ℎ(1)3(6 − 1)+. ..,
unde h este răspunsul – impuls al peretelui;
- prin convoluție, se poate aplica răspunsul – impuls al unei
camere pe un semnal audio, iar în muzica electronică, se poate
aplica o structură ritmică pe un sunet.
b) Procesarea imaginilor 2D
- în procesarea imaginilor 2D, un rol important îl au filtrele
de convoluție (≡ sisteme intrare – ieșire A ↦ Ç = ℎ ∗ A). O
imagine jucată este de fapt convoluția unei imagini originale cu o
funcție – lentilă;
- întunecarea sau blurarea unei imagini este o convoluție
între funcția ei de strălucire și o „funcție – cucui”, obținând un
efect similar celui pe care îl resimte un miop după ce își dă jos
ochelarii;
- convoluția se utilizează în teoria și practica sistemelor
liniare staționare 1D sau 2D (de exemplu în Spectroscopie sau în
studiul fluorescenței).
După prezentarea transformării Fourier, vom adăuga și alte
aplicații ale convoluției în diverse ipostaze.
Reîntorcându-ne la titlul acestui capitol, vă întrebăm
retoric: este convoluția ceva magic sau nu?

120
„Nimeni nu se îndoiește de corectitudinea rezultatelor
obținute în calcule cu numere complexe, deși acestea
sunt ieroglife ale unor mărimi neghioabe.”
S. CARNOT

CAPITOLUL 3: TRANSFORMAREA FOURIER A


SEMNALELOR NEPERIODICE

§3.1. Introducere
Transformarea Fourier (≡ „transfurierea”) este un
instrument matematic deosebit de important pentru ingineri și
fizicieni, prin multiplele sale aplicații și implicații.
Unei funcții de argument real, adică unui semnal în timp
real, în condiții bine precizate, i se asociază o funcție de variabilă
reală dar cu valori complexe, numită funcție de distribuție a
frecvențelor (sau spectrul frecvențial). Această asociere este
inversabilă și permite un transfer bilateral de informație între
„domeniul TIMP” și „domeniul FRECVENȚĂ”. Să ne imaginăm o
melodie (≡ șir de note muzicale) transformată în unde
electromagnetice și transmisă cu viteza luminii...
Analiza Fourier studiază reprezentarea semnalelor ca
suprapunere de componente oscilatorii și are trei părți principale:
seriile trigonometrice din cazul semnalelor periodice (considerate
în Capitolul 1), integralele Fourier în cazul semnalelor nu neapărat
periodice și separat cazul semnalelor digitale. În toate aceste
situații, se poate realiza și operația inversă, de sinteză Fourier,

121
adică reconstrucție a semnalului în timp din cunoașterea
componentelor lui spectrale. Trebuie reținut că transformata unui
semnal nu este un alt semnal, ci doar o altă reprezentare, aptă de
alte disponibilități și fără pierdere de informație.
Ideea lui Fourier a descompunerii unor entități ca sumă /
suprapunere de entități mai simple, este una majoră în înțelegerea
naturii. În Matematică, aceasta a făcut ca unele ecuații diferențiale
să fie transformate în ecuații mai simple. În Fizică, s-a reușit
măsurarea lungimii de undă a luminii absorbite în diverse medii și
cu ajutorul tehnologiilor informatice, s-a realizat compresia
semnalelor și imaginilor prin reducerea lor la șiruri de numere.
Transmisiile fără fir, studiul vibrațiilor, muzica electronică etc.
sunt astăzi o parte a culturii universale.
În acest capitol, vom prezenta de asemenea transformarea
Laplace, legătura ei cu transformarea Fourier și câteva aplicații.
Pentru o imagine mai cuprinzătoare, în pofida dificultăților tehnice
și de comunicare, vom folosi distribuțiile, care permit o tratare
unificatoare a semnalelor.

§3.2. Transformarea Fourier a semnalelor–funcție (din =>ℝ )


Reamintim că L#ℝ este clasa funcțiilor A 6 , A: ℝ → ℝ (sau
ℂ) măsurabile și astfel încât A(6) d6 < ∞. Relativ la norma
A # = A , L#ℝ este spațiul Banach (≡ SVN complet; vezi
ANEXA 1).
Pentru orice { ∈ ℝ, notăm e} (6) = cos {6 + i sin {6 =
e¥}Å și evident, ∀6 ∈ ℝ, e} (6) = 1 și e} = eW} .

122
%,
Semnalul e} este periodic, de perioadă principală T = și
}
# }
frecvență q = = (în ipoteza că { > 0; în Fizică, frecvențele
\ %,
negative au o existență virtuală, iar în Matematică, prezența lor nu
este dăunătoare, precum apa sfințită!). Așadar,
{ = 2(q. (1)
TEOREMA 3.1: Dacă A(6) ∈ L#ℝ , atunci funcția
l
Ÿ({): ℝ → ℂ, Ÿ({) = Wl
A(6) eW ¥}Å d6 (2)
este bine definită pentru orice { ∈ ℝ și este continuă pe ℝ.
Demonstrație: Avem A(6)eW ¥}Å = A(6) pentru orice
6 ∈ ℝ. Aplicând criteriul de comparație de la integrale improprii și
ținând cont că A(6) ∈ L#ℝ , rezultă că integrala (2) are sens și este
finită, pentru orice { ∈ ℝ. Faptul că Ÿ({) este continuă pe ℝ
rezultă din proprietățile integralelor cu parametru.
Definiția 3.1: Funcția Ÿ({) definită prin formula (2) se
numește transformata Fourier a lui A(6).

Se mai notează A(6) → Ÿ({) sau Ÿ({) = ℱ{A(6)}, sau
mai simplu, Ÿ = ℱ{A}.
Unii autori numesc Ÿ({) spectrul în frecvență a lui A(6)
(sau funcția de distribuție a frecvențelor) și îl notează A({).
Formula (2) se mai scrie, conform (1), sub forma
Ÿ(q) = A(6)eW %@¥r d6. (3)
Numărul complex Ÿ({), depinzând de o variabilă reală, se
poate scrie sub formă exponențială:
Ÿ { = z { e ¥A }
, unde z({) = Ÿ({) este amplitudinea în
frecvență a semnalului A(6), iar Φ({) – faza în frecvență.

123
Mulțimea {({, z({)) | { ∈ ℝ} se numește spectrul în
amplitudine (în frecvență) al lui A(6). „q” se măsoară în Hz, { în
rad/s și z({) în decibeli.
Definiția 3.2: Aplicația
ℱ: L#ℝ → CℝE , A(6) ↦ Ÿ(q) se numește operatorul
(≡ transformarea) Fourier. Funcția A(6) se numește original, iar
Ÿ({) – imaginea originalului.
Acest operator realizează un transfer de informație din
domeniul – TIMP în domeniul – FRECVENȚĂ.
Atenție: Trebuie făcută distincția dintre transformare și
transformată.
Atenție! Funcțiile sin, cos, exp, u, sgn, constantele reale,
polinoamele, impulsurile pure nu aparțin clasei L#ℝ și ca atare, nu
au transformată Fourier în sensul definiției 1.1. Vom vedea că
această insuficiență se corijează apelând la distribuții. Există și
multe exemple... pozitive.
Exemple
a) Dacă A 6 = eW QÅ G 6 cu 9 ∈ ℂ, Re a > 0 și G 6 treapta
l W (Q^»})Å #
unitate, atunci A ∈ L#ℝ și { ∈ ℝ, Ÿ({) = E
e d6 = .
Q^¥}
Se observă că Ÿ({) nu aparține clasei L#ℝ (deci ℱ nu este un
operator al spațiului L#ℝ ).
b) Determinăm z { pentru semnalul A 6 = 1 pentru
6 ∈ [0,2] și nul în rest. Pentru { ≠ 0,
% W »}Å ¨Ã B#$ 2 #
Ÿ({) = e d6 =− = (1 − e%»} ) =
E ¥} 0 ¥}
#
(1 − cos 2{ + i sin 2{) și
¥}

124
#
z<{= @ Ÿ<{= @ <O R Lc) &{=% X )*+% &{ @
}
# ≥¥µ } %
& R & Lc) &{ @ & : apoi Ÿ<H= @ E
A<6=]6 @ &.
} }

Graficul func$iei z<{= este indicat în figura 3.1.

Figura 3.1
c) Determin%m transformata Fourier a ferestrei
Ø
dreptunghiulare A<6= @ PQ <6= din 1.1: Ÿ { @ 0 a
Ø iW0»}Å ]6 @
W
a
Ø Ø
# % }Q
i0»} a R iW0»} a @ )*+ 0¶i+eûM00{ [ H0ï*0Ÿ<H= @ 9ë
¥} } %
Se observ% c% func$ia A<6= este par%, cu valori reale #i la fel
este Ÿ<{=ë
a
d) Dac% a > 0 este constant% #i A<6= @ iW0QÅ („clopotul lui
a
Gauss”), se poate ar%ta c% Ÿ<{= @ ( 9 iW0} xQ
.
#
Ca o curiozitate, pentru 9@ rezult% c%
%
a $a
Ÿ<{= @ &(iW0} %
#i ca atare, semnalul A<6= @ iW0 a este un
vector propriu al operatorului ?.
În continuare, f%r% demonstra$ii complete, vom da o list% de:

! 125
Proprietăți de calcul ale transformatelor Fourier
1. MĂRGINIRE: Dacă A(6) ∈ L#ℝ , atunci Ÿ({) este funcție
mărginită (și continuă) pe ℝ.
Într-adevăr, (∀) { ∈ ℝ, conform (2), avem Ÿ({) ≤ A # .
2. LINIARITATE: Operatorul ℱ este liniar și continuu.
Într-adevăr, pentru orice 9, : ∈ ℂ, avem ℱ{9A(6) +
:Ç(6)} = 9ℱ{A} + :ℱ{Ç}, iar dacă AB → A în L#ℝ (adică
AB − A # → 0), atunci ŸB ({) → Ÿ({), pentru ? → ∞.
3. LEMA RIEMANN – LEBESGUE: Dacă A ∈ L#ℝ , atunci
lim A({) = 0. (4)
} →l
Demonstrația este mai tehnică și extinde tinderea spre zero
a coeficienților Fourier.
Notă
Iată o analogie frapantă între formula (25) din Capitolul 1:
# %,
πB = A(6) eW »BÅ d6, ? ∈ ℤ și formula (2):
%, E
l
A { = Wl A 6 eW ¥}Å d6, { ∈ ℝ, care justifică de ce
coeficienții Fourier πB mai sunt notați A(?).
4. Dacă A 6 , Ç(6) ∈ L#ℝ , atunci AÇ și Ay ∈ L#ℝ și în plus,
AÇ = Ay (relația lui Rayleigh). (5)
Această relație rezultă din teorema Fubini de intervertire a
ordinii de integrare:
AÇ = A(6)d6 Ç(G) eW ¥Å( dG = Ç(G)dG A(6)eW ¥(Å d6 =
Ç(G)A(G)dG = Ay .

126
5. DERIVAREA ORIGINALULUI: Dacă A ∈ CℝB , ? ≥ 1 și
A (U) ∈ L#ℝ , cu lim A (U) (6) = 0 pentru 0 ≤ k ≤ n, atunci
Å →l
U
∀{ ∈ ℝ, ℱ A 6 = i{ U Ÿ { , (6)
0 < S < ?.
Pentru k=0, relația este tautologică și pentru k = 1, integrăm
∂√.(%) ∞
prin părți: ℱ{A Ö }({) = A Ö (6) eW ¥}Å = A(6)eW ¥}Å +
−∞
∂√.(%)
i{ A(6)eW ¥}Å d6 = (i{)Ÿ({); apoi aplicăm inducția după k.
Notă
Reținem totodată formulele:
ℱ AÖ 6 = i{ Ÿ { și
ℱ{A (6)} = −{% Ÿ({).
ÖÖ
(7)
6. DERIVAREA IMAGINII: Dacă A(6) → Ÿ({) și 6 U A(6) ∈
L#ℝ pentru 0≤ k ≤ n, atunci Ÿ ∈ CℝB și în plus,
∀{ ∈ ℝ, Ÿ (U) ({) = ℱ{(−i6)U A(6)}. (8)
Cazul k = 0 este clar și pentru k=1, dacă 63(6) ∈ L#ℝ , atunci
putem deriva (2) în raport cu {; apoi aplicăm inducția după k.
Notă
Reținem formulele
Ÿ Ö { = ℱ −¬6A 6 și Ÿ ÖÖ ({) = −ℱ{6 % A(6)}.
(9)
De asemenea, dacă ∀S ≥ 0, 6 A(6) U
∈ L#ℝ , atunci Ÿ({) este
indefinit derivabilă pe ℝ.
7. TRANSFORMATA FOURIER A CONVOLUȚIEI: Dacă
A(6), Ç(6) ∈ L#ℝ , atunci
ℱ{(A ∗ Ç)(6)} = ℱ{A(6)} ∙ ℱ{Ç(6)}, (10)

127
sau cu alte notații, (A ∗ Ç)! = A ∙ Ç.
Demonstrație:
Pentru orice { ∈ ℝ, ℱ A∗Ç 6 = A∗
DEF¥µ¥
Ç 6 eW ¥}Å d6 = eW ¥}Å d6 A ∫ Ç 6 − ∫ d∫ =
ÅWªp(
= A(∫) eW ¥}Å y(t − z)d6 = A(∫)d∫ eW ¥}(ª^() Ç(G)dG
= A ∫ eW ¥}ª d∫ Ç G eW ¥}( dG = ℱ{A}({) ∙ ℱ{Ç}({), adică
(10).
COROLAR: Operația de convoluție nu are element neutru
în clasa L#ℝ .
Într-adevăr, dacă ar exista · ∈ L#ℝ astfel încât A ∗ · = A
pentru orice x = A(6) ∈ L#ℝ , atunci conform relației (10), ar rezulta
A ∙ · = A deci · = 1 (constant), ceea ce contravine lemei Riemann
– Lebesgue (4).
8. Dacă A(6) ∈ L#ℝ are valori reale, atunci se definește
l
autocorelația z(6) = Wl
A(G)A(6 + G)dG.
%
Atunci ℱ{z(6)} = Ÿ({) .
Demonstrație: ℱ{z(6)}({) = z(6) eW ¥}Å d6 =
eW ¥}Å d6 A(G)A(6 + G)dG = A G dG eW ¥}Å A 6 +
Å^(pñ
G d6 = A G dG eW ¥} ñW(
A u du =
A G e ¥}( dG A u eW ¥}ñ du = Ÿ({) ∙ Ÿ({) = Ÿ({) % .
Definiția 3.3: Pentru orice semnal A(6) se pot considera:
conjugatul A, simetricul A≥ și translatatul ≡ întârziatul cu a
unități (a > 0), õQ A, definite prin
A(6) = A(6): A≥ (6) = A(−6) și (õQ A)(6) = A(6 − 9),
pentru orice 6 ∈ ℝ.

128
9. CONJUGARE, SIMETRIE: Dacă A(6) ∈ L#ℝ , atunci
ℱ A 6 { = Ÿ −{ : ℱ A≥ 6 { = Ÿ≥ { . Într-adevăr,
W ¥}Å ¥}Å –
ℱ A 6 { = A 6 e d6 = A 6 e d6 = Ÿ −{
ÅpW(
și ℱ A≥ 6 { = A(−6)eW ¥}Å d6 = A(G)e ¥}( dG =
Ÿ(−{) = Ÿ≥ ({).
Consecințe
– Dacă A(6) este o funcție pară (respectiv impară), atunci
la fel este Ÿ({);
– Dacă A(6) este pară și are valori reale, la fel este Ÿ({);
– Dacă A(6) este impară și are valori reale, atunci Ÿ({)
este impară, cu valori pur imaginare;
Dacă A(6) are valori reale, atunci Ÿ({) = z({) − ifi({),
unde z({) = A(6) cos {6 d6, fi({) = A(6) sin {6 d6 sunt
mărimi reale și Ÿ(−{) = z({) + ifi({) = Ÿ({), deci
frecvențele negative dau o informație redundantă și de aceea sunt
fizic ignorate.
10. SCHIMBARE DE SCALĂ: Dacă A 6 ∈ L#ℝ și a > 0,
# }
atunci ℱ A 96 { = Ÿ . Într-adevăr,
Q Q
QÅp( #
#
ℱ A 96 { = A(96)eW ¥}Å d6 = A(G)e W ¥ Ø ( ∙ dG.
Q
11. ÎNTÂRZIERE (≡DEPLASARE): Fie A 6 ∈ L#ℝ și a > 0
o constantă. Atunci
ℱ{õQ A}({) = eW ¥}Q Ÿ({) (11)
(întârziere în timp);
ℱ{A(6)e ¥QÅ }({) = Ÿ({ − 9) (12)
(întârziere în frecvență).

129
Demonstrație:
ÅWQp(
ℱ{õQ A}({) = A(6 − 9)eW ¥}Å d6 = A(G)e W ¥}(Q^() dG =
eW ¥}Q A(G)e W ¥}( dG = eW ¥}Q Ÿ({): ℱ{A(6)e ¥QÅ }({) =
A 6 e¥QÅ eW ¥}Å d6 = A(6)e W ¥(}WQ)Å d6 = Ÿ({ − 9).
Notă
Multiplicarea unui semnal A(6) cu o armonică e ¥QÅ se
numește modulare în timp. Conform (12), modularea în timp cu
e ¥QÅ revine la o întârziere cu a unități în frecvență.
Întârzierea în timp a unui semnal A(6) cu a unități (numită
modulare în frecvență) revine, conform (11), la multiplicarea
spectrului Ÿ({) cu e W ¥ Q .
Diverselor operații în domeniul–TIMP li se asociază
operații în domeniul FRECVENȚĂ. Reamintim că derivarea de k
ori în domeniul–TIMP revine la multiplicare cu (i{)U în frecvență,
iar derivarea de k ori a spectrului revine la multiplicarea cu (−i6)U
în timp, conform formulelor (7) și (8).
Există o evidentă și profundă dualitate TIMP–FRECVENȚĂ
asociată cu transformarea Fourier.
Întrebare: De ce se utilizează numere complexe?
Răspuns: Oscilațiile armonice (și nu numai ele) au
amplitudine și frecvență, deci o pereche de proprietăți, pe care
numerele complexe le pot încorpora împreună!

130
§3.3. Un rezultat fundamental - teorema de inversare
Fourier
Transformarea Fourier este un operator care transformă,
în anumite condiții, o funcție A: ℝ → ℝ (sau ℂ) într-o altă funcție
Ÿ: ℝ → ℂ; relația (2) poate fi privită ca o ecuație cu necunoscuta
A(6) și se poate pune problema recuperării lui A(6) din cunoașterea
lui Ÿ({), cu precizarea condițiilor necesare; am văzut totodată că
operatorul Fourier stabilește o legătură remarcabilă între domeniile
TIMP / FRECVENȚĂ, care permite ca probleme formulate relativ
la entități temporale să fie „traduse” în probleme oscilatorii, care
pot beneficia de facilități de rezolvare. Dar poanta este că soluțiile
frecvențiale pot fi întoarse în domeniul timp, datorită teoremei
următoare.
TEOREMA 3.2. (teorema Fourier de inversare): Dacă
funcția A(6), A: ℝ → ℝ (sau ℂ) este continuă pe porțiuni, derivabilă
pe porțiuni și în plus, A(6) și Ÿ({) aparțin clasei L#ℝ , atunci
# l
∀6 ∈ ℝ, A(6) = Ÿ({)e¥Å} d{. (13)
%, Wl
#
[Reamintim că A(6) = (A(6 − 0) + A(6 + 0)] și dacă
%
A(6) este continuă, atunci A(6) = A(6)].
Fourier a intuit acest rezultat și s-a bazat pe el în lucrările
sale. Demonstrația riguroasă a fost dată după mai multe zeci de ani
de eforturi ale lui Cantor, Dirichlet și Lebesgue. Această
demonstrație necesită câteva subtilități de Analiză matematică și
preferăm să dăm un argument apropiat de raționamentul inițial al
lui Fourier.

131
Teorema 1.5 arată că dacă A: ℝ → ℝ (sau ℂ) este o funcție
periodică T și derivabilă pe porțiuni, cu derivate laterale finite în
l ¥B}Å
fiecare punct, atunci pentru orice 6 ∈ ℝ, A(6) = BpWl πB e ,
# \ % %,
unde πB = W\ %
A(G)eW ¥B}( dG , ? ∈ ℤ, { = .
\ \
Fourier a asimilat funcția A(6) din enunțul teoremei 3.2, care nu
este neapărat periodică, cu o funcție periodică de perioadă tinzând
spre infinit. Anume, fie A\ (6) restricția lui A(6) la intervalul
\ \
[− , ), prelungită prin periodicitate T la ℝ.
% %
l ¥B}Å # \ %
Așadar, A\ (6) = BpWl e A(G)eW ¥B}( dG =
\ W\ %
l # \ % ¥B}(ÅW() # }
Wl \ W\ % A(G)e dG. Dar =
\ %,
deci
# l \ % ¥B}(ÅW()
A\ (6) = Wl { W\ % A(G)e dG.
%,
Notăm {B = ?{ deci {B − {BW# = { și în acest mod, se
obține relația
# l \ % ¥}£ (ÅW()
A\ (6) = Wl W\ % A(G)e ({B − {BW# )dG.
%,
Până acum, totul este riguros, dar urmează un proces de
trecere la limită insuficient argumentat. Făcând Z →∞ și observând
că A\ tinde spre A, formula anterioară devine:
# l l
A(6) = d{ A(G)e ¥}(ÅW() dG, (14)
%, Wl Wl

pentru orice 6 ∈ ℝ.
Folosind teorema lui Fubini, rezultă că pentru orice 6 ∈ ℝ,
# l ¥}Å l # l
A 6 = e d{ Wl A G e – ¥}( dG = Ÿ({)e ¥}Å d{,
%, Wl %, Wl
deci (13).

132
Notă

Formulele (2) și (13) se mai scriu sugestiv: A(6) ⇄ Ÿ(q),
ℱ W#
variabilele t și q fiind numite conjugate; produsul 6q este
adimensional. Înlocuind { = 2(q, formula (2) devine Ÿ(q) =
l l
Wl
A(6)e W %,¥rÅ d6, iar (13) devine A(6) = Wl
Ÿ(q)e %,»År dq,
#
dispărând factorul . În acest mod, este mai bine sugerată
%,
dualitatea timp – frecvență și trecerea bilaterală evocată anterior.
În plus, mărimile t și q sunt măsurabile mai ușor decât t și {. În
Acustică și Telecomunicații, variabila independentă este timpul,
ceea ce justifică utilizarea termenului „semnal”, dar în Mecanica
cuantică, există și alte variabile conjugate (de exemplu, poziția și
momentul unei particule).
Teorema 3.2 are multe consecințe și aplicații, pe care le
vom da în continuare.
Întrebare: De ce teorema 3.2 se mai numește teorema de
reconstrucție a lui x(t)?
Răspuns: Formula (13) arată că A(6) este o „suprapunere”
de oscilații armonice e ¥}Å cu coeficienți Ÿ({) și deci A(6) se
reconstruiește din cunoașterea spectrului frecvențial. De exemplu,
dacă A(t) este amplitudinea unei unde electromagnetice, atunci
#
z(6) = z({)e¥Å} d{, adică o însumare de componente după
%,
toate frecvențele, fapt esențial în Ingineria electrică.

133
COROLAR 1: Fie è: L#ℝ → L#ℝ , A(6) ↦ A(−6) operatorul
de simetrizare. Atunci
ℱ ∘ ℱ = 2(è. (15)
Demonstrație:
Pentru orice A ∈ L#ℝ avem ℱ ∘ ℱ{A} = ℱ{Ÿ({)}(6) =
l ∂¢.(#Y)
Wl
Ÿ({)e W ¥}Å d{ = 2(A(−6) = 2(è{A(6)}.
COROLAR 2: Fie î ⊂ L#ℝ mulțimea L={A ∈ L#ℝ | A
continuă și Ÿ({) ∈ L#ℝ }. Atunci operatorul Fourier ℱ: î → î este
inversabil și inversul lui este operatorul ℱ# : î → î, A(6) ↦
# l
A(6)e ¥}Å d6. Într-adevăr, (ℱ# ∘ ℱ){A(6)} = ℱ# {Ÿ({)} =
%, Wl
l# ∂¢. #Y
Ÿ { e ¥}Å d{ = A 6 . Așadar, ℱ# = ℱ W# .
%, Wl
Notă
Corolarul 2 este prea restrictiv și nu acoperă situații
practice importante și din acest motiv, operatorul Fourier este
studiat ca operator al spațiului Hilbert L%ℝ , așa cum vom vedea în
paragraful 3.5.
Trebuie menționat că formula (14) este importantă prin ea
însăși și poartă numele de formula Fourier de reprezentare
integrală a lui H(I). Iată o aplicație remarcabilă a acestei formule.
Considerăm semnalul dreptunghiular A(6) = ⨅Q (6).
Conform (14),
# l l
A(6) = d{ Wl A(G)e ¥}(ÅW() dG =
%, Wl
l# Q % ¥}(ÅW() # l ¥}Å Q %
Wl
d{ WQ %
e dG = Wl
e d{ WQ % e W ¥}( dG.
%, %,
Q % W ¥}( % }Q
Dar WQ %
e dG = sin deci
} %

134
# l ¥}Å % }Q
A(6) = Wl
e sin d{.
%, } %
# l # }Q
Înlocuind t=0, rezultă 1= Wl
sin d{ și făcând
, } %

schimbarea {= , rezultă o integrală clasică dificilă:
Q
l ≥¥µ ñ
Wl ñ
du = (.
COROLAR 3: În condițiile teoremei 3.2, avem
#
∀6 ∈ ℝ, A(6) ≤ Ÿ({) # . (16)
%,
Demonstrație: Rezultă din (13).
COROLAR 4: În condițiile teoremei 3.2, dacă A(6) este
continuă și Ÿ({) ≡ 0, rezultă că A(6) ≡ 0. Apoi dacă două funcții
continue au aceeași transformată Fourier, atunci ele coincid.
Într-adevăr, conform (13), rezultă A(6) ≡ 0 deci A(6) ≡ 0.
COROLAR 5:
#
Dacă A 6 , Ç 6 ∈ L#ℝ , atunci ℱ A 6 Ç 6 = Ÿ { ∗
%,
˙ { . Într-adevăr, Ÿ { ∗ ˙ { = Ÿ { − ∫ ˙ ∫ d∫ =
= ˙ ∫ d∫ A 6 e – »Å }Wª
d6 = A 6 e – »}Å d6 ˙ ∫ e »Åª d∫
∂√.(#Y)
= A(6)e W »}Å 2(Ç(6)d6 = 2(ℱ{A(6)Ç(6)}.

§3.4. Transformata Laplace și legătura cu


transformarea Fourier
În Inginerie există trei domenii distincte de referință pentru
reprezentarea semnalelor continuale: TIMP, FRECVENȚĂ,
COMPLEX (fig. 3.2). Ceva similar există și în cazul semnalelor
discrete, așa cum vom vedea în Capitolul 4.

135
Figura 3.2
Defini$ia 3.4: Se nume#te func%ie original Laplace orice
func$ie 340! / 5 astfel încât 3<6= @ H pentru t < 0, 3 este continu%
pe por$iuni pe !0#i în plus, are cre#tere exponen$ial%, adic% exist%
M > 0, èE I H astfel încât 3<6= m ÄiJó Å pentru orice t ( 0;
num%rul èE se nume#te indice de cre$tere.
Se noteaz% cu K clasa func$iilor original Laplace.
Exemple
a) Treapta unitate u(t) apar$ine clasei K, cu indicele èE =0;
b) Dac% P este polinom cu coeficien$i reali sau complec#i,
atunci produsul Pu 7 K, cu indicele èE @ O.
În mod similar, dac% 9 7 ! este constant%, atunci

i G<6=0ï*0G<6= )*+ 96 apar$in clasei K.
c) Dar exp<6 % = nu apar$ine clasei K, deoarece nu are
cre#tere exponen$ial%.
TEOREMA 3.3: Fie 340! / 5 o func$ie original Laplace
cu indicele de cre#tere èE I H. Consider%m semiplanul drept

136!
°(èE ) = {è ∈ ℂ | Re è ≥ 0}. Atunci pentru orice è∈
°(èE ), integrala improprie cu parametrul s
l
ò(è) = E
3(6)eW JÅ d6 (17)
este absolut convergentă în °(èE ).
Demonstrație: Scriem è = ” + i{ deci 3(6)eW JÅ =
3(6)eW 3Å ∙ eW »}Å . Pentru orice t ≥ 0, rezultă 3(6)eW JÅ = 3(6) ∙
l (J W3)Å
eW 3Å ≤ Ä ∙ eW (3WJó )Å . Deoarece integrala E
e ó d6 este
#
convergentă, cu valoarea , rezultă că pentru orice è ∈ °(èE ),
3WJó
%
integrala (17) este absolut convergentă și în plus, ò(è) ≤ .
3WJó

Definiția 3.5: Dacă 3 ∈ K are indicele de creștere èE , atunci


funcția complexă
l
ò: °(èE ), → ℂ, ò(è) = E
3(6)eW JÅ d6 (18)
se numește transformata Laplace (sau imaginea) originalului f.

Se mai scrie: 3(6) → ò(è), ò(è) = ℒ{3(6)} sau simplu ò = ℒ3.
Atenție: Nu se poate vorbi de un operator Laplace
(deoarece domeniul de definiție al lui F variază cu f )!
Exemple
l W JÅ  W JÅ
a) !(è) = ℒ{G(6)} = E
e d6 = lim E
e d6 =
→l
#W¨Ã N$ #
lim = , deoarece eW JÅ = eW 3Å (cos {z − i sin {z) tinde
→l J J
spre zero ca produs dintre o funcție care tinde către zero și o funcție
mărginită.
b) Dacă 3, b ∈ K și a, b sunt constante, atunci af + bg ∈ K
și ℒ{93 + :b} = 9ℒ{3} + :ℒ{b}.

137
Se face tacit convenția ca literelor mici folosite pentru
notarea funcțiilor original să le corespundă litere mari pentru
transformatele lor Laplace.
c) Dacă b 6 = eQÅ G 6 cu 9 ∈ ℂ constant, atunci é(è) =
# #
: similar, ℒ{G(6) cos {6} = ℒ (e»}Å + eW »}Å ) ∙ G(6) =
JWQ %
# # # J }
+ = și ℒ{G(6) sin {6} = .
% JW¥} J^¥} J a ^} a J a ^} a
l B W JÅ B!
d) ℒ 6 B ∙ G 6 = 6 · Œ6 = (verificare prin
E J £≤à
inducție și integrare prin părți).
% -
Așadar, ℒ 26 + 76 % G 6 = + Ω.
Ja J
TEOREMA 3.4. Dacă 3 ∈ K are indicele de creștere èE ,
atunci transformata ei Laplace ò(è) dată de (18) este olomorfă în
semiplanul drept S(èE ).
Este suficient de observat că F este de clasă C# și că
;P ; l l ;
derivata ei areolară = E
3(6)eW JÅ d6 = E
3(6) (eW JÅ )d6
;J ;J ;J
este nulă în fiecare punct din S(èE ).
Proprietăți de calcul cu transformate Laplace
Fără detalii de demonstrație, reamintim principalele
proprietăți. Presupunem că

3 ∈ K și 3 6 → ò è .
1. SCHIMBARE DE SCALĂ (≡ scalare): Dacă a > 0 este o
constantă, atunci
# J
ℒ{3(96)} = ò( ).
Q Q
2. DEPLASAREA IMAGINII: Pentru orice constantă ã ∈ ℂ,
ℒ{3(6)eQÅ } = ò(è − ã). (19)

138
3. ÎNTÂRZIERE (≡ deplasare) cu b > 0: Fie õ_ 3 funcția
definită prin (õ_ 3)(6) = 3(6 − :) dacă t ≥ b și (õ_ 3)(6) = 0 dacă
t < b. Atunci
ℒ{õ_ 3} = eW _J ò(è). (20)
4. DERIVAREA ORIGINALULUI: Dacă 3 ∈ K are indicele
de creștere exponențială èE și f este derivabilă pe porțiuni astfel
încât 3 Ö ∈ K, atunci
ℒ{3 Ö (6)} = èò(è) − 3(0 + 0), (21)
pentru Re s ≥ èE .
5. CONVOLUȚIA: Dacă 3, b ∈ K și există 3 ∗ b, atunci 3 ∗
b ∈ K și în plus,
ℒ{3 ∗ b} = ò(è)é(è). (22)
Aplicațiile cele mai importante ale transformatelor Laplace
sunt cele legate de rezolvarea unor ecuații diferențiale liniare sau
sistemelor diferențiale liniare cu coeficienți constanți, precum și
studiul unor sisteme liniare, via noțiunea de funcție de transfer,
asupra cărora vom reveni.
Notă istorică
Pierre – Simon Laplace (1749 – 1827) a fost un astronom
strălucit, ale cărui calcule subtile, efectuate cu mijloace modeste,
au fost pe deplin confirmate ulterior; el a fost unul din fondatorii
Mecanicii cerești și ai Calculului probabilităților. Cu părinți săraci,
a fost trimis la studii de către vecini mai bogați; mai târziu, a avut
șansa să atragă atenția academicianului d’Alembert, devenind el
însuși marchiz, academician și chiar confesor apreciat al lui
Napoleon.

139
Laplace a descoperit transformata care îi poartă numele și
care fusese folosită în mod nesistematic de Euler sau Poisson; el
este cel care a ridicat-o la rang de metodă de rezolvare și studiu al
unei clase largi de ecuații diferențiale. De asemenea, operatorul
Laplace ∆ (≡ „laplacianul”) este întâlnit în multe ecuații ale Fizicii
matematice. A devenit celebru prin ipoteza cosmogonică Kant –
Laplace, conform căreia sistemul solar a apărut dintr-o nebuloasă
aflată în rotație...
Legătura cu transformarea Fourier
Fie 3: ℝ → ℂ o funcție din clasa K având indicele de
creștere exponențială èE ≥ 0 și ò è = ℒ 3 6 , definită pentru
Re s > èE ; așadar, deoarece 3 6 = 0 pentru t < 0 și punând
l l
è = ” + i{, rezultă ò(è) = E
3(6)eW JÅ d6 = Wl
3(6)eW JÅ d6 =
l
Wl
3(6)eW 3Å eW ¥}Å d6.
Comparând cu formula (2), definiția 3.1, rezultă că pentru orice ”
fixat, cu ” > èE ,
ℒ{3(6)} = ℱ{3(6)eW 3Å }. (23)
Aceasta este relația de legătură între cele două transformate.
Aplicând formula (15) de inversare Fourier (teorema 3.2), rezultă
formula de inversare a transformatei Laplace; anume, are loc
TEOREMA 3.5 (Formula Mellin – Fourier): Dacă

3(6) → ò(è) și atunci pentru orice ” fixat, cu ” > èE (èE fiind
indicele de creștere a lui f ) și pentru orice 6 ∈ ℝ,
# 3^¥l
3(6) = ò(è)eJÅ dè. (24)
%,¥ 3W¥l

140
Demonstra$ie: Punând è @ ” X *{, am v%zut c%
ò<è= @ ?g3<6=iW03Å h #i aplicând (15),
# l
3<6=iW03Å @ Wl
ò<è=i¥Å} ]{: înmul$ind aceast% rela$ie
%,
cu i3Å , rezult%
# l # l
3<6= @ ò<è=i03Å i¥Å} ]{ @0 ò<è=iJÅ ]{.
%, Wl %, Wl
Fix%m ” cu ” K èE #i dreapta vertical% ,: è @ ” X
*{0<Rk J { J k=; figura 3.3. În lungul acestei drepte avem
# l
ds = id{ deci 3<6= @ 0 Wl
ò<è=iJÅ ]è' adic% (24).
%,

Figura 3.3
Din (24) rezult% direct:
COROLAR 1. Dac% f este continu% din clasa K #i dac%
Mg3<6=h @ H, atunci f = 0.
Ca atare, dac% 3' b 7 K #i Mg3<6=h @ Mgb<6=h, atunci f = g a.p.
Consider%m acum conturul orientat din figura 3.3, format
din segmentul vertical de capete ” R *ü' ” X *ü (cu ” fixat,
” K èE ) #i semicercul stâng R de raz% R, având acest segment ca
diametru. Raza R > 0 este aleas% suficient de mare astfel încât în

! 141
interiorul conturului să fie situate toate singularitățile la distanță
finită ale funcției ò(è) = ℒ{3(6)}, presupuse în număr finit.
Teorema reziduurilor arată că
3^¥+
3W¥+
ò(è)eJÅ dè + S
ò(è)eJÅ dè = 2(i Rez(ò(è)eJÅ ) .
Făcând ü → ∞ și aplicând lema lui Jordan, rezultă un alt fapt
remarcabil:
TEOREMA 3.6. (formula lui Heaviside): Dacă 3 ∈ K este
continuă și dacă pentru ” > èE fixat, lim èò(è)eJÅ = 0, atunci
+→l
pentru orice 6 ∈ ℝ,
3(6) = Rez(ò(è)eJÅ ), (25)
unde suma este luată după toate singularitățile (polii) lui
ò(è) = ℒ{3(6)} la distanță finită, presupuse în număr finit.
#
Exemplu: Fie ò è = , având polii simpli 0, ± i.
J Ω ^J
¨N$ #
Conform (25), pentru t ≥ 0 avem 3 6 = Rez = 1 − e¥Å −
J Ω ^J %
# W ¥Å
e = 1 − cos 6 deci 3(6) = (1 − cos 6)G(6).
%
Notă istorică
Oliver Heaviside (1850 – 1925) a fost un inginer englez de
geniu și totodată, un matematician creativ. A fost autodidact, dar a
avut și șansă prin unchiul său Wheatstone, specialist în
Electromagnetism, care i-a găsit un serviciu la o companie de
telegrafie, unde a devenit un electrician priceput. A publicat în
1872 un articol relativ la duplex–ul în cablurile de telegraf, respins
de conducătorii Poștei, care declaraseră imposibil duplex–ul.
Heaviside a studiat tratatul de Electricitate și Magnetism al lui
Maxwell, lărgindu-și totodată cunoștințele de matematică.

142
Fără a intra în detalii, reamintim câteva contribuții ale lui
Heaviside:
- a dezvoltat teoria liniilor de comunicație, stabilind
„Ecuația telegrafiștilor”, inventând cablurile coaxiale și
descoperind ionosfera și transmiterea semnalelor radio ținând cont
de curbura Pământului;
- este unul din fondatorii Analizei vectoriale, reușind să
reformuleze ecuațiile lui Maxwell în termeni de „div” și „rot”, în
limbaj modern;
- a inventat Calculul operațional, paralel cu transformata
Laplace; cu această ocazie, a introdus și utilizat treapta unitate u
care îi poartă numele, dar și impulsurile, înaintea lui Dirac.
Spre sfârșitul vieții, a primit onoruri pe care le-a
desconsiderat. Ca și Fourier, a avut de înfruntat cele trei „I – uri”
– ignoranță, invidie, indiferență, care i-au însoțit în timp pe mulți
creatori autentici. Acuzat de lipsă de rigoare, el a răspuns criticilor
săi: „I do not refuse my dinner simply because I do not understand
the process of digestion!”

§3.5. Transformarea Fourier a semnalelor din clasele T și =Uℝ


l
Dacă A ∈ L%ℝ , integrala Wl
A(6)eW ¥}Å d6 ar putea fi
divergentă! Definirea unei transformări de tip Fourier de către
Lebesgue s-a realizat indirect; anume, pentru A ∈ L%ℝ , el a arătat că
există un șir AB ∈ L#ℝ astfel încât ŸB ({) ∈ L#ℝ și AB → A în norma
∙ % și a definit Ÿ = lim AB . Subtilități matematice...
B→l

143
Vom aborda o altă metodă. În Capitolul 2, în definiția 2.2,
am prezentat funcțiile indefinit derivabile și rapid descrescătoare,
care formează clasa $. Funcția exp(−6 % ) aparține clasei $, dar
exp(− 6 ), nu. De asemenea, clasa $ este stabilă la înmulțirea cu
polinoame sau la derivare.
PROPOZIȚIA 3.7: Fie A(6), A: ℝ → ℂ.
a) Dacă A(6) ∈ L#ℝ este rapid descrescătoare, atunci
Ÿ({) ∈ Cℝl :
b) Dacă A(6) ∈ Cℝl și A (U) (6) ∈ L#ℝ pentru orice k ≥ 0
întreg, atunci Ÿ({) este rapid descrescătoare.
Demonstrație:
a) Pentru orice n≥0, există A>0 astfel încât 6 B^% A(6) ≤ 1
pentru 6 > z. Atunci 6 B A(6) d6 ≤ Å V
6 B A(6) d6 +
# #
Å W Å a
6 B^% A(6) d6 ≤ zB Å V
A(6) d6 + Å W Å a
d6 ≤
%
zB A # + < ∞. Așadar, pentru orice n ≥ 0, 6 B A(6) ∈ L#ℝ și

conform (8), rezultă că Ÿ({) ∈ Cℝl .
b) Conform relației (6), rezultă că lim {U Ÿ({) = 0,
} →l

conform lemei Riemann – Lebesgue, deci Ÿ({) este rapid


descrescătoare.
COROLAR: Dacă A(6) ∈ $, atunci Ÿ({) ∈ $.
Demonstrație: Am văzut că A(6) ∈ L#ℝ deci Ÿ({) ∈ Cℝl .
Dar pentru orice k ≥ 0, A (U) (6) ∈ $ deci A (U) ∈ L#ℝ și conform
propoziției 3.7,b), Ÿ({) este rapid descrescătoare; la fel rezultă și
derivatele ei.

144
Definiția 3.6: Se spune că un șir AB ∈ $ converge spre zero
în clasa $ dacă AB → 0 uniform pe ℝ împreună cu derivatele de
orice ordin.
îµ $ îµ $
Dacă AB → 0, atunci ŸB ({) → 0 și pentru orice
îµ $
polinom P(t), çAB → 0.
TEOREMA 3.8. Operatorul Fourier
ℱ: $ → $, A(6) ↦ Ÿ({)
este liniar, bijectiv, continuu și cu inversul ℱ W# continuu. În plus,
pentru orice b ∈ $, 3 = ℱ W# (b) este
# l
3: ℝ → ℂ, 3(6) = b({)e¥Å} d{. (26)
%, Wl
Demonstrație: Dacă A(6) ∈ $, atunci Ÿ({) ∈ $ deci ℱ
„duce” $ în $. Apoi, pentru A(6) ∈ $, avem Ÿ({) ∈ L#ℝ și conform
#
teoremei 3.2 de inversiune, A(6) = Ÿ({)e¥Å} d{. Considerăm
%,
acum operatorul liniar
#
ℱ# : $ → $, Ç(6) ↦ ˙({)e¥Å} d{.
%,
Relația anterioară arată că A = ℱ# Ÿ = ℱ# ℱA, pentru orice A ∈ $
deci ℱ# ∘ ℱ = id (aplicația identică); în mod similar, ℱ ∘ ℱ# = id
deci ℱ# este bijectivă și ℱ W# = ℱ# .
COROLAR 1.
ℱ ℱ
Fie A(6), Ç(6) ∈ $ și A(6) → Ÿ({), Ç(6) → ˙({).
Atunci
Ÿ({), ˙({) = 2( A(6), Ç(6) (27)
(relația lui Plancherel)
și

145
E(Ÿ({)) = 2(E(A(6)) (28)
(relația energetică).
Demonstrație: Notând ˚({) = ˙({) și considerând
∫(6) = ℱ W# {˚({)}, rezultă
Ÿ { ,˙ { = Ÿ { ˙ { d{ = Ÿ { ˚ { d{ =
∂√. ®
ℱ A 6 ˚ { d{ = A(6)ℱ{ ˚({)}d{ =
∂√.(#®) X¨∑≠.Y.%
A(6)ℱ{ℱ{ ˚(6)}}d6 = 2( A(6)∫(−6)d6. Dar ∫(−6) =
# #
˚({)eW ¥Å} d{ = ˙({)eW ¥Å} d{ = Ç(6).
%, %,
Așadar, Ÿ({), ˙({) = 2( A(6) Ç(6) = 2π A(6), Ç(6)
deci (27).
Luând Ç(6) = A(6) și aplicând (27), rezultă direct (28).
Explicit, relația (28) se scrie
l l
Wl
Ÿ({) % d{ = 2( Wl
A(6) % d6, (29)
care este analogul relației lui Parseval (26) din Capitolul 1, din
cazul seriilor Fourier.
Direct din definiție, rezultă următorul
# #
COROLAR 2. Operatorul Z = ℱ: A(6) ↦ Ÿ({)
%, %,
este o izometrie (adică este liniar, continuu și conservă produsele
scalare).
Folosind faptul că $ este dens în L%ℝ , operatorul Fourier
ℱ: $ → $ se extinde la un operator bijectiv și continuu împreună
cu inversul lui, notat la fel ℱ: L%ℝ → L%ℝ . Anume, pentru orice
A ∈ L%ℝ , alegem un șir ÇB ∈ $ astfel încât ÇB → A în L%ℝ și definim
ℱA = lim ℱÇB . Totodată rezultă și operatorul unitar
B→l

146
#
Z: L%ℝ → L%ℝ , A(6) ↦ Ÿ({).
%,
Se poate arăta compatibilitatea cu definiția 3.1 (în sensul
că pentru A(6) ∈ L#ℝ ∩ L%ℝ , se obține același spectru frecvențial
Ÿ({)). Se extind totodată toate proprietățile din paragraful 3.2,
inclusiv teorema 3.2 și relația (15).
Exemple
#
a) Pentru A(6) = eWÅ ∙ G(6), am văzut că Ÿ({) = .
#^¥}
Deoarece A(6) ∈ L%ℝ , conform (15) rezultă că ℱ{Ÿ { } =
ℱ{ℱ{A(6)}} = 2(AJ (6) = 2(eÅ ∙ G(−6).
b)Pentru orice semnal A 6 ∈ L%ℝ se definește energia
%
E A 6 = A 6 ,A 6 = A 6 %. Dacă A 6 este intensitatea la
momentul t a curentului electric dintr-un circuit cu rezistența 1 Ω,
atunci energia degajată este tocmai E(A(6)).

147
[
Primul tabel de transformate Fourier H(I) → \(])
A(6): 9 > 0 constant Ÿ({)
%Q
1) eW Q Å
} a ^Q a
# , W Q }
1') e
Å a ^Q a Q
Q Q % Q}
2)G 6 + −G 6− = ⨅Q 6 sin ,{ ≠ 0
% % } %
≥¥µ QÅ ((G({ + 9) − G({ − 9))
2') , 6 ≠ 0; aici A(6) ∈ L%ℝ \L#ℝ
Å
= (⨅%Q {
3) 6 B eW QÅ G(6) B!
(Q^¥})£≤à
# %,
3')
(Q^¥Å)£≤à
(−{)B e Q} G(−{)
B!

4) x(t – a) eW »Q} Ÿ({)


5) e ¥QÅ A(6) Ÿ({ − 9)
6) A(6) ∗ Ç(6) Ÿ({)˙({)
#
7) A(6)Ç(6) Ÿ { ∗˙ {
%,
a a
8) e W QÅ ( 9 e W } xQ

%¥}
9) e W Q Å sgn6 −
} a ^Q a
10) A Ö 6 ; A ÖÖ 6 i{Ÿ({): – {% Ÿ({)
11) 6A(6): 6 % A(6) ¬Ÿ Ö { ; −Ÿ ÖÖ {
12) T (6): ÿ > 0 #W¨Ã Õ_#
,{≠0
¥}
Notă
Folosind relația (15), transformatele notate 1', 2', 3' etc. pot
fi deduse din cele notate 1, 2, 3,... respectiv.

148
%Q
De exemplu, avem ℱ{eW Q Å } = și aplicăm ℱ deci
} a ^Q a
%Q #
ℱ ∘ ℱ{eW Q Å } = ℱ{ } adică 2(· W Q Å = 29ℱ{ } și
} a ^Q a } a ^Q a
intervertind rolul (simetric!) al variabilelor conjugate 6 → {,
# ,
rezultă ℱ{ } = eW Q } , adică 1'.
Å a ^Q a Q

§3.6. Transformarea Fourier a distribuțiilor


Până acum am studiat transformarea Fourier pentru
funcții/semnale din clasele L#ℝ , $, L%ℝ . Dar funcții importante
precum constantele, polinoamele, sin, cos, exp, impulsurile au
transformate Fourier (și spectre frecvențiale) numai apelând la
distribuții.
Reamintim că $ este spațiul funcțiilor 3: ℝ → ℝ (sau ℂ)
rapid descrescătoare și că Ú ⊂ $ ⊂ ℰ, fiecare fiind dens în
următorul. Atunci prin considerarea funcționalelor liniare continue
pe spațiile respective (cu valori în ℂ), rezultă ℰ′ ⊂ $′ ⊂ Ú′.
Definiția 3.7: Se numește distribuție temperată orice
îµ $
aplicație liniară și continuă Z: $ → ℂ (așadar, 3B → 0 implică
îµ ℂ
Z3B → 0).
Notă
Se poate arăta că dacă Z ∈ $ Ö , atunci derivatele Z (U) ∈ $
pentru orice întrg k ≥0, iar dacă P este un polinom, atunci çZ ∈ $ Ö .
De asemenea, pentru orice funcție 3 ∈ L#Ò∑∂ mărginită sau cu
creștere lentă (în sensul că există o constantă M > 0 și un întreg
n≥1, astfel încât 3(6) ≤ Ä(1 + 6 % )B pentru orice 6 ∈ ℝ),
distribuția regulară asociată [ f ] este temperată. De-aici rezultă că

149
polinoamele, constantele, funcțiile continue mărginite, u, sgn etc.
aparțin spațiului $ Ö . De asemenea, funcțiile din L#ℝ și L%ℝ sunt
distribuții temperate. Deoarece $ ⊂ L%ℝ , rezultă că $ ⊂ $ Ö . În fine,
pentru orice număr 9 ∈ ℝ, impulsul pur TQ , ca și pieptenul lui
Dirac ∆Q aparțin lui $ Ö . Dar pentru funcția 3(6) = eÅ , distribuția
asociată [ f ] = [exp] nu este temperată.
Practic, toate semnalele care apar în Inginerie, inclusiv
impulsurile și momentele impulsurilor aparțin lui $ Ö . Cea mai
importantă proprietate a spațiului $ Ö al distribuțiilor temperate este
aceea că orice distribuție Z ∈ $ Ö are transformată Fourier.
Definiția 3.8: Pentru Z ∈ $ Ö , transformata Fourier a lui T
este distribuția temperată Z = ℱ{Z} (sau simplu ℱZ), definită prin
Z: $ → ℂ, Z, Ù = Z, Ù , adică Z(Ù) = Z(Ù).
Dacă Ù ∈ $, atunci Ù = ℱ{Ù} ∈ $, conform corolarului
îµ $ îµ $
proprietății 3.7. și dacă ÙB → 0 atunci ÙB → 0, conform
îµ ℂ
teoremei 3.8 deci Z, ÙB → 0.
Notă
Reținem că Z Ù = Z Ù , pentru orice Ù ∈ $. Această
definiție a fost inspirată de următorul calcul din cazul unei
distribuții regulate
∂√.(®)
T= 3 : 3 Ù = 3({)Ù({)d{ = 3(6)Ù(6)dt = 3 (Ù).
Apoi, dacă 3 ∈ L#ℝ sau L%ℝ , atunci ℱ 3 = 3 deci definiția 3.8
extinde cazul funcțiilor la distribuții.

150
Proprietăți de calcul ale transformării Fourier a
distribuțiilor
Fără detalii de demonstrație, din definiții rezultă:
1. Operatorul ℱ: $ Ö → $ Ö , Z ↦ Z este liniar, bijectiv și
continuu împreună cu inversul ℱ W# = ℱ# , unde ℱ# este definit prin
#
ℱ# Z, Ù = Z, ℱ# Ù , pentru orice Ù ∈ $.
%,
2. Dacă Z ∈ $ Ö , atunci pentru orice k ≥ 1,
Z (U) = ℱ{(iS)U Z} și ℱ{Z (U) } = (i{)U Z.
Aceste formule extind regulile de derivare a imaginii și
originalului.
3. Dacă Z ∈ $ Ö și 9 ∈ ℝ, atunci
õQ Z = ℱ e¥QÅ Z și ℱ{õQ Z} = eW ¥Q} Z.
4. Dacă Z ∈ $ Ö , atunci ℱ{ZJ } = ℱ{Z}J și ℱ{ℱ{6}} = 2(ZJ .
5. Dacă Z ∈ $ Ö și | ∈ $, atunci
ℱ{Z ∗ |} = |ℱ{Z} și ℱ{|Z} = Z ∗ |.
6. Dacă ° ∈ ℰ Ö , atunci ° este o distribuție regulată și
ℱ{° ∗ Z} = °Z.
Notă
Se poate extinde transformata Laplace la distribuții T care
au Supp T ⊂ [0, ∞) și astfel încât eWQÅ Z să fie temperată (a ≥ 0).
l WJÅ
Dacă è ∈ ℂ și Re s > a, integrala E
e Z(6)d6 =
l
= E
eWQÅ Z 6 eW ≥WQ Å d6 este notată ℒ Z è . Se poate arăta că
Ö
ℒ Z è = èℒ Z è , ℒ{T} = 1 și ℒ{T′} = [è].

151
Exemple
a) Fie Z = TQ ≡ T(6 − 9). Atunci ℱ TQ Ù =
TQ (ℱ{Ù}) = TQ (Ù) = Ù(9) = Ù(6)eW ¥Å} d6 =
{=9
Å→}
Ù(6)eW ¥QÅ d6 = Ù({)eW ¥Q} d{ = [eW ¥Q} ](Ù) și cum Ù ∈ $
este arbitrară, rezultă ℱ{TQ } = [eW ¥Q} ]. În particular, pentru a = 0,
rezultă ℱ{T} = [1].
b) Din relația ℱ{TQ } = [eW ¥Q} ], aplicând ℱ, rezultă
ℱ{ℱ{TQ }} = ℱ[eW ¥Q} ] și folosind 4, rezultă ℱ[eW ¥Q} ] =
2(TQ (−6). Intervertind 6 ↔ {, rezultă ℱ[eW ¥QÅ ] = 2(TQ (−{) =
a ´b≠ă
2(T(−{ − 9) = 2(T({ + 9). Înlocuind a cu –a, rezultă
ℱ[eW ¥QÅ ] = 2(T({ − 9) = 2(TQ . În particular, pentru a = 0,
rezultă ℱ[1] = 2(T.
cEÒ¨≠ #
c) ℱ[cos 96] = ℱ{ (e¥QÅ + eW ¥QÅ )}] = ([T({ − 9) +
%
# ,
T({ + 9)] și ℱ sin 96 = ℱ{ (e¥QÅ − eW ¥QÅ )}] = [T({ − 9) −
%¥ ¥
T({ + 9)].
U U
d) ℱ T Ù =T Ù = −1 U T Ù U
=
= (−1)U Ù (U) (0). Dar Ù({) = Ù(6)eW ¥Å} d6 și Ù (U) ({) =
= Ù(6)eW ¥Å} (− i6)U d6 deci
U Å→}
Ù 0 = Ù 6 − i6 U d6 = Ù { − i{ U d{ și
U U U U
ca atare ℱ T Ù = −1 − i{ Ù = i{ Ù .
U U
Așadar, ℱ T = i{ și în fine, folosind 4, rezultă
%,
ℱ 6U = TU .
W ¥ ◊

152
#
e) O distribuție mai specială este VP („valoarea
Å
#
principală”). Funcția 6 ≠ 0 nu este local integrabilă și se
Å
# l d Å Wd WÅ
definește distribuția (VP )(|) = lim d6, | ∈ Ú.
Å →E  Å
#
De exemplu, avem tVP = 1 , deoarece
Å
# # l Åd Å ^Åd WÅ
(tVP )(|) = VP 6| = lim d6 =
Å Å →E  Å
l l
E
|(6) + |(−6) d6 = Wl
|(6)d6 = [1](|).
#
Se poate arăta că ℱ{‰} = (T({) − iVP . Omițând
}
impulsul, transformata Fourier a treptei unitate a lui Heaviside se
#
aproximează cu −iVP .
}
Sintetizăm aceste exemple în:
Al doilea tabel de transformate Fourier (de distribuții)
Z = Z(6): 9 ∈ ℝ Z = ℱ{Z}({): { = 2(q
1) T(6) [1]
2) [1] 2(T({)
3) H #
(T({) − iVP
}
# – πi [sgn]
4) VP
Å
5) TQ 6 = T 6 − 9 eW ¥Q}
6) e¥QÅ 2(TQ { = 2(T { − 9
7) [cos 96] ((TQ + TWQ )
8) [sin 96] (i(TWQ − TQ )
9) T (B) (6), ? ≥ 1 întreg (i{)B
10) 6 B , n ≥ 1 2(iB T (B) ({)

153
Așadar, constantele, polinoamele, cos at, sin at,
impulsurile și derivatele lor au transformate Fourier (și spectre!).
#
Dar , tg 6, eQÅ , pentru a ≠ 0 nu au transformate Fourier.
Å

§3.7. Un rezultat fundamental în Teoria semnalelor-


teorema de eșantionare WKS
Întrebare: Dacă A(6) este un semnal măsurat prin
eșantionare la momente 6# < 6% <. . . < 6B . .., ce informație se
poate obține?
Răspuns: Dacă A(6) este o funcție oarecare, răspunsul este
simplu: nimic. Dar dacă se știe că A(6) conține doar anumite
frecvențe, răspunsul nu mai este simplu și este cuprins în teorema
WKS de mai jos, sau altele similare.
Definiția 3.9: Presupunem că A(6) aparține clasei L%ℝ ,

A(6) → Ÿ({). Se spune că el are bandă limitată de frecvență dacă
există un număr B > 0 astfel încât
Ÿ({) = 0 pentru { > fi. (30)
Se scrie: A(6) ∈ L%7 . Condiția (30) trebuie considerată în
sensul că Ÿ({) ≅ 0, adică spectrul este neglijabil.
TEOREMA 3.9 (Whittacker – Kotelnikov – Shannon):
Fie A(6) ∈ L%7 și continuu pe ℝ. Pentru orice 6 ∈ ℝ,
l B,
A(6) = BpWl A 7 sinc(fi6 − ?(). (31)
≥¥µ j
[Reamintim că sinc(A) = pentru x ≠ 0 și sinc(0) = 1].
j

154
Demonstrația clasică:
Restrângem funcția Ÿ({) = ℱ{A(6)} la intervalul [– B, B],
prelungită apoi prin periodicitate T = 2B și o dezvoltăm în serie
Fourier complexă (teorema 1.5):
l }
Ÿ({) = Wl πWB exp(− i?( 7 ), cu
# 7 }
πW B = Ÿ({)exp(i?( ) d{: (32)
%7 W7 7
am înlocuind n cu – n pentru comoditate. Deoarece Ÿ({) = 0
pentru { > fi, rezultă
# l } ∂√.(#Y) , B,
πW B = Wl
Ÿ({)exp(i?( ) d{ = A .
%7 7 7 7
∂√. #Y # 7 ∂√. Y%
Atunci A 6 = –7
Ÿ { e¥Å} d{ =
%,
# 7 B, }
= B∈ℤ A exp(− i?( ) e¥Å} d{ =
%7 W7 7 7
# B, 7 B,
= B∈ℤ A ∙ W7
exp i{ 6 − d{ =
%7 7 7
B,
= B∈ℤ A sinc(fi6 − ?().
7
Seria (31) este convergentă în spațiul Hilbert L%7 .
Se poate arăta că semnalele {eB (6)}, ? ∈ ℤ definite prin
7
eB 6 = sinc(fi6 − ?() formează o bază ortonormală pentru
,

spațiul Hilbert L%7 al semnalelor cu banda de frecvență [– B, B];


anume, eä , eB = TäB pentru orice â, ? ∈ ℤ.
Formula (31) este de fapt dezvoltarea oricărui semnal
A(6) din L%7 relativ la această bază: A(6) = B∈ℤ A ?Z eB (6),
,
unde Z = .
7
Totodată rezultă energia semnalului:

155
%
~ A = A = A, A = ä∈ℤ A âZ eä , B∈ℤ A ?Z eB =
ä,B A(âZ)A(?Z) TäB deci ~(A) = B∈ℤ A(?Z) % , tocmai
energia semnalului discret {A(?Z)}, ? ∈ ℤ.
Notă istorică
Formula (31) a fost dată ca problemă de examen de către
profesorul englez E.T. Whittacker în 1915 și într-un curs de
Radiotehnică al profesorului rus V. Kotelnikov (1933). Dar cel
care și-a dat seama de importanța rezultatului și de amploarea
aplicațiilor a fost inginerul american C. Shannon, creatorul Teoriei
informației, după 1948. Acesta este motivul pentru care am divizat
paternitatea teoremei 3.9.
Formula (31) este de fapt o teoremă de interpolare:
B,
cunoscând valorile discrete A , se pot determina valorile
7
semnalului în toate punctele 6 ∈ ℝ; în esență, dacă semnalul A 6
are un spectru frecvențial mărginit, atunci el poate fi reconstruit
dintr-un șir discret de eșantioane.
Dacă Ÿ({) = 0 este neglijabil în afara unei benzi de
frecvență [B', B] cu 0 < B' < B, atunci [B', B] ⊂ [– B, B] și conform
B,
(31), A 6 se reconstruiește prin valorile A .
7
Exemplu
%
Fie A(6) = eW Å deci Ÿ({) = . Luând B = 100 π [Hz],
#^} a
se observă că dacă { ≥ fi, atunci Ÿ({) este neglijabil. Luăm
,
Z= = 100W% [s] ca pas de eșantionare.
7

156
B,
Pentru 6 ∈ (0,1], 0< ≤ 1 deci 0 < n ≤ 100, rezultă că
7
semnalul A 6 poate fi bine descris prin formula (31) și cele 100
B
eșantioane A .
#EE
Shannon este cel care a observat că numărul mediu de
informații / eșantioane care pot fi transmise printr-un canal de
7
telecomunicații (în unitatea de timp) este (ceea ce se verifică în
,
acest exemplu).
În practică, formula (31) are dezavantajul că seria din
membrul drept este lent convergentă (deoarece funcția sinc(x)
scade lent pentru A → ∞). Se poate obține o accelerare a
convergenței aplicând o supra eșantionare; de exemplu, prin
B, B,
înlocuirea valorilor prin cu ã > 1 convenabil.
7 Q7
Menționăm, în fine, diverse extinderi ale teoremei WKS:
pentru eșantionări neuniforme, pentru semnale aleatoare sau
semnale 2D. De asemenea, folosind dualitatea
TIMP/ FRECVENȚĂ, există o formulă de eșantionare în
frecvență; anume, dacă există L > 0 și A(6) este neglijabil pentru
6 > î (adică semnalul A(6) are bandă limitată în timp), atunci
B,
spectrul Ÿ({) este bine determinat prin valorile lui în punctele .
ì
Întrebare: Există sau nu semnale continue nenule având
simultan bandă limitată în timp și în frecvență?
Răspunsul: Nu, dar argumentul este nebanal. Conform unei
teoreme Paley – Wiener, orice semnal A(6) din L%7 este restricția
unei funcții olomorfe în întreg planul complex anume se definește

157
# l ¥}ª
Φ: ℂ → ℂ, Φ(∫) = Wl
e Ÿ({)d{; dacă Φ ar fi nulă pe o
%,
mulțime deschisă, de tipul unui interval (L, ∞), atunci ea ar fi
identic nulă în ℂ („principiul identității sau al prelungirii
analitice”).
[Noroc că practic instrumentele nu au o bandă limitată,
deoarece conform principiului menționat, ar însemna că dintr-un
fragment muzical de mică durată, s-ar deduce întreaga melodie,
ceea ce ar face imposibilă orice compoziție!]

§3.8. Interpretări fizice și aplicații ale


transformării Fourier
Se spune că peste 80% din domeniile Fizicii și Ingineriei
se referă la oscilații și unde – Optică, Acustică, Electromagnetism,
Mecanică Cuantică etc.
În paragraful 1.6 am prezentat câteva interpretări fizice și
aplicații legate de prelucrarea semnalelor periodice și acum, ne
referim la prelucrarea semnalelor neperiodice (sau mai bine spus,
nu neapărat periodice).
I. Spectrul de frecvență
Am văzut că dacă A(6) este un semnal periodic T, cu
#
frecvența fundamentală qE = și satisfăcând condițiile lui
\
Dirichlet, atunci are loc teorema 1.5 și A(6) se identifică cu șirul
(πB ), ? ∈ ℤ al coeficienților săi Fourier (complecși), sau
echivalent, cu spectrul său frecvențial discret (figura 3.4).

158
Figura 3.4
În cazul unui semnal neperiodic A<6=, de tipul unui zgomot
(figura 3.5 a), spectrul s%u Ÿ<q= are valori complexe #i cuprinde
toate frecven$ele q (în figura 3.5 b, am presupus c% A<6=0este par,
cu valori reale deci Ÿ<q= are valori reale #i am considerat doar
q K H).

Figura 3.5
Func$ia A<6= se aproximeaz% cu un semnal periodic A\ <6=
de perioad% Z / k (deci frecven$a fundamental% qE tinde spre
zero); conform (13), unde înlocuim { @ &(q, semnalul A<6=
coincide cu suprapunerea tuturor oscila$iilor armonice
Ÿ<q=i%,¥rÅ ' q 7 !, fiecare având o amplitudine infinitezimal%
(deoarece! ô*ö Ÿ<q=!#!$, conform lemei!Riemann – Lebesgue).
r /l

! 159
Legătura TIMP / FRECVENȚĂ este reprezentată sugestiv

așa A(6) ⇄ πB sau A(6) ⇄ Ÿ(q). Ceva similar se întâlnește și în
alte situații; vom considera câteva perechi de variabile conjugate

abstracte, notate x, p și mărimi |(A) ⇄ Φ(¯), legate prin relații
formale de tipul:
l
Φ ¯ = Wl
| A ∙ exp 2(i¯A dA , | A =
l
= Wl
Φ(¯) ∙ exp(−2(i¯A)d¯. (33)
Variabilele x și p au rol simetric și produsul lor este adimensional.
În Fizică și în Ingineria electrică, se folosește conceptul de
spectru de putere. Astfel, dacă u(6) reprezintă voltajul și

u(6) → Φ(q), atunci E = u(6) % d6 este energia, iar puterea
(transmisă prin radiație electromagnetică sau fir) raportată la
%
banda de frecvență, este proporțională cu Φ(q) (numită
densitatea de putere a lui u(6).
Exemple
a) În Telecomunicații și în Acustică, variabilele t (timpul)
și q (frecvența) sunt conjugate, măsurate în [sec] și [Hz] = [sec W# ].
b) În Mecanica cuantică, particulele au poziția x și câtul
¯ ℏ (momentul divizat cu constanta „hașbar” a lui Planck).
c) În Teoria difracției, x reprezintă deschiderea orificiului
măsurată în [m] și p = raportul sin ¡ t (măsurat în mW# ), unde ¡
este unghiul de difracție și t lungimea de undă (vom vedea în
Capitolul 6, paragraful 6.2, teorema 6.3)
d) Formulele (33) sunt utilizate în mod curent în diverse
contexte și pentru câteva funcții – standard:

160
Q Q
– Pentru ⊓Q A = 1 dacă A ∈ [− , ] și nulă în rest, avem
% %
Ø
Φ(¯) = a
Ø eW %,¥j dA = 9 sinc((¯9) (34)
W
a
ja
– Pentru |(A) = exp(− ) cu a > 0, rezultă
Qa
l ja
Φ ¯ = exp − ∙ exp 2(i¯A dA =
Wl Qa

= 9 (exp(−( % 9% ¯% ), (35)
după un calcul bine-cunoscut, utilizând integrala lui Gauss:
l
Wl
exp(−A % )dA = (. Pentru ” → 0, distribuția
# ja
exp − tinde în Ú Ö spre T(A).
3 %, %3 a
j
– Pentru a > 0 și |(A) = exp(− ), x > 0 și nulă în rest,
Q
Q
Φ(¯) = .
#W%,¥ÂQ

Dacă voltajul într-un circuit electric ar fi |(6), atunci


% Qa %
densitatea de putere Φ(q) = . [Curba Ç = Φ(q)
#^x, a Q a r a
poartă numele de „bucla Mariei Agnesi”, o geometră italiană].
– Dacă |(A) = T(A − 9), 9 ∈ ℝ constant, atunci
l
Φ ¯ = Wl
T A − 9 ∙ exp 2(i¯A dA =
= [exp(2(i¯9)], (36)
A
pentru a = 0, avem T(A) ⇄ [1].
– Dacă |(A) = T(A − 9) + T(A + 9), atunci
cEÒ¨≠
Φ(¯) = [exp(2(i¯9)] + [exp(−2(i¯9)] =
=2[cos(2πpa)] și dacă |(A) = T(A − 9) − T(A + 9), atunci
Φ(¯) = – 2i[sin(2(¯9)]. (37)

161
II. Opera$ii – tip de procesare a semnalelor
O distribu$ie deosebit de important% o constituie trenul de
delte echidistan$ate cu caden$a b > 0: Ó_ @ B7> T 6 R ?: @
@ B7> TB_ numit #i pieptenul lui Dirac, notat de asemenea ˇ_
(litera chirilic% „#”); a#a cum nota$ia ÔQ aminte#te mnemotehnic
de o fereastr% dreptunghiular%, tot astfel ˇ_ sugereaz% pieptele;
figura 3.6.

Figura 3.6
Cu ajutorul lor se pot descrie mai multe opera$ii – tip:
– multiplicarea unui semnal A<6= cu armonica exp(iat),
numit% întârziere sau modulare în timp (formula (11));
– întârziere sau modulare în frecven$% (formula (12));
– trunchierea unui semnal A<6= prin înmul$ire cu fereastra
ÔQ <6=; figura 3.7.

Figura 3.7

162!
– e#antionarea cu pasul T a unui semnal A<6= prin
multiplicare cu pieptenele ˇ \ (figura 3.8);

Figura 3.8
Deoarece A<6=TQ <6= @ A<9=TQ <6=, rezult%
A<6=ˇ \ @ A<6= B7> TB\ @ B7> A<6=TB\ @ B7> A<?Z=TB\ ;
semnalul A<6=ˇ \ este identificat cu #irul de e#antioane
echidistan$ate cu T; A<6=ˇ \ 1 gA<?Z=h' ? 7 >.
– periodizarea unui semnal A 6 ; pentru T > 0, semnalul
\ \
este restrâns de exemplu la intervalul R ' #i apoi este prelungit
% %
prin periodicitate T. Aceast% opera$ie este descris% prin convolu$ia
A 6 Ì ˇ\ 6 @ A 6 Ì BT 6 R ?Z @ BA 6 Ì T 6 R ?Z @
BA 6 R ?Z , notat% #i A\ 6 , suprapunerea lui A 6 cu
translatatele A 6 R Z ' A<6 R &Z=' ë ë ë ' A<6 X Z=' ë ëë (figura 3.9).

Figura 3.9

! 163
– anveloparea unui semnal A 6 prin convolu$ie cu sinc(t).
Exemple
# # Q Q
a) ÔQ <A= este semnalul egal cu pentru A 7 8R ' ; #i
Q Q % %
#
nul în rest; pentru 9 @ , se ob$ine impulsul unitar TB <A=; pentru
B
? / k acesta devine T<A= (figura 3.10).

Figura 3.10
b) Dac% <πB =' ? 7 > este un #ir de numere reale sau
complexe, atunci acest #ir se poate identifica cu trenul de delte
ponderate B7> πB T<6 R ?Z=, cu periodicitate T (T > 0).
Distribu$iile permit o unificare a prezent%rii spectrului unui
semnal (periodic sau neperiodic); anume, are loc:
PROPOZI!IA 3.10: Fie A 6 o func$ie continu%,
%,
periodic% T, satisf%când condi$iile teoremei 1.5. Notând {E @ ,
\
spectrul continual al semnalului A 6 este
Ÿ { @ B7> πB T<{ R ?{E =, unde πB sunt coeficien$ii Fourier.
Într-adev%r, A 6 @ B7> πB i•¶ *?{E 6 , unde
`
#
πB @ a
A 6 i•¶ R0*?{E 6 ]6 deci Ÿ { @ ? A 6 @
\ W0`
a

? B7> πB i•¶ *?{E 6 @ B7> πB ? i•¶ *?{E 6 @

164!
B7> πB T<{R {E =.
Un rezultat important #i spectaculos îl constituie
TEOREMA 3.11: Pentru orice T > 0,
#
ˇ \ <A= 0 G 0 ˇ# \ <q=ë (38)
\
Demonstra$ie: ?gˇ \ h<q= @ ?g B7> T<6 R ?Z=h<q= @
B7> ?gT<6 R ?Z=h<q= @ B i•¶<R0&(*q?Z= @
B i•¶<0&(*q?Z=. Dar formula (16) a lui Poisson arat% c%
%,¥ #
B i•¶<0 _ ?q= @ :ˇ_ <q= #i înlocuind aici :0 . 0 , rezult% c%
\
#
B i•¶<0&(*q?Z= @ ˇ# \ <q=ë
\
Interpretarea formulei (38) este urm%toarea: Dac% rata T a
e#antion%rii unui semnal în timp este mare, atunci rata (caden$a)
e#antion%rii spectrului este mic% #i invers (figura 3.11). Teorema
3.11 va fi aplicat% în Cristalografie (paragraful 6.4).

Figura 3.11
Not%
Folosind rezultatele anterioare, se poate da o alt%
demonstra$ie a teoremei WKS; este mai tehnic%, dar instructiv%. În
locul variabilei „{” folosim „q”. Fie A 6 un semnal continuu, din

! 165
clasa L%ℝ astfel încât Ÿ { = 0 pentru { ≥ fi. Înlocuind
{ = 2(q, rezultă că
7
Ÿ q = 0 pentru q ≥ . (39)
%,
Semnalul obținut prin eșantionare de pas T este
A¨ (6) = B∈ℤ A(?Z)T(6 − ?Z) = A(6)Ш \ (6) deci
∂√. Y#
ℱ A¨ 6 q = ℱ A 6 Ш\ 6 q = Ÿ q ∗ ℱ Ш\ 6 =
# # B
=Ÿ(q) ∗ Ш# \ (q) = B∈ℤ Ÿ(q − ), deci spectrul Ÿ(q)
\ \ \
# 7 7
periodizat . Restrângând la intervalul [− , ], deci prin
\ %, %,
multiplicare cu ⨅g , regăsim exact spectrul Ÿ(q).
Æ

Așadar, Ÿ(q) = Z⨅g (q)ℱ{A¨ (6)}(q) și aplicând ℱ W# ,


Æ
W#
rezultă A(6) = Zℱ {⨅g (q)} ∗ A¨ (6) căci ℱ W# ℱ = aplicația
Æ
≥¥µ QÅ
identică. În fine, ℱ = ( ⨅Ø (q), conform primului tabel de
Å Æ
# ≥¥µ 7Å ,
transformate Fourier, deci ℱ W# {⨅g (q)} = . Luând Z = ,
Æ , Å 7
≥¥µ 7Å 7\ ≥¥µ 7Å
rezultă A(6) = Z ∙ ∗ A¨ (6) = ∗ BA ?Z T 6 −
7Å , 7Å
?Z =sinc(Bt) ∗ BA ?Z T 6 − ?Z = B∈ℤ A ?Z sinc fi(6 −
?Z) = B∈ℤ A ?Z sinc(6fi − ?(); regăsim astfel formula (31).
Așadar, dacă un semnal A(6) are un spectru de frecvență
mărginit, atunci el poate fi reconstruit dintr-un șir discret (în
practică, finit!) de eșantioane. Rezultatul rămâne valabil și la o
eșantionare a lui A(6) cu o rată de eșantionare mai mare. În practică
se recomandă eșantionări cu frecvențe de 4–5 ori mai mari (teoretic
minim de două ori) decât frecvența maximă qhbi ; altminteri, avem

166
„sube#antionare”, apar erori de „alias”, adic% apar componente
spectrale suplimentare fa$% de cele ale semnalului. Pentru
atenuarea „alias”, inginerii electroni#ti folosesc „filtre – jos”, care
limiteaz% spectrul semnalului.
Exemple
a) Pentru reprezentarea digital% a sunetului, deoarece
urechea uman% r%spunde doar la sunete sub 20000 Hz, este
necesar% o e#antionare #i o digitalizare la o rat% de
minim 50000 Hz.
b) Considerând o sinusoid% (C), pe care se fixeaz% puncte
echidistante de e#antionare (indicate „•” în figura 3,12, apare un
„aliasing” de tipul curbei punctate. Pentru evitare, este necesar% o
frecven$% de e#antionare q¨ I &qhbi ë

Figura 3.12
Schema aplic%rii formulei (31) este urm%toarea:
EMITERE A<6= 0 / FILTRAREANTIALIASIG / E"ANTIONARE
/ CONVERSIE A/D / CANAL DE TRANSMISIE / CONVERSIE
D/A / FILTRARE / RECONSTRUC&IA A<6=.

! 167
III. Aplicație la rezolvarea unor EDP
Ilustrăm modul de utilizare a „transfurierii” la rezolvarea
unor EDP. Ideea principală este aceea de a obține ecuații
diferențiale ordinare rezolvante.
a) Propagarea căldurii în lungul unui conducător liniar
„infinit”
Ecuația căldurii este GÅ = SGjj (k>0 constant), cu
necunoscuta u(x, t) = temperatura conductorului în punctul
x (A ∈ ℝ) și la momentul t (t ≥ 0); impunem condiția inițială
G(A, 0) = 3(A), cu 3(A) funcție rapid descrescătoare pentru
A → ∞, fără condiții la suprafața conductorului.
Fie !(¯, 6) = ℱ{G(A, 6)}, considerând t ca parametru;
l ;j l
așadar, !(¯, 6) = Wl
G(A, 6)eW ¥Âj dA , = G (A, 6)eW ¥Âj dA
Wl Å

;a j
și conform (8), = −¯% !. Aplicând operatorul ℱ ecuației
;j a
;j
GÅ = SGjj , rezultă = −S¯% !, deci o ecuație diferențială liniară

de ordin 1, cu condiția inițială !(¯, 0) = 3(¯), unde 3(¯) =
ℱ{3(A)}. Dar dacă Ç′(A) = 9Ç(A), Ç(0) = ÇE , atunci
Qj
Ç(A) = ÇE e și aplicând aceasta, rezultă
!(¯, 6) = 3(¯)exp(−S6¯% ) (40)
Qj a %, Âa
Pe de-altă parte, ℱ{exp(− )} = exp(− )
% Q %Q

(conform primului tabel de transformate Fourier), deci


# ja
exp(−S6¯% ) = ℱ{ exp(− )}.
% ,UÅ xUÅ

168
# ja
Înlocuind în (40), rezultă !(¯, 6) = ℱ{ exp(− )} ∙
% ,UÅ xUÅ
ℱ{3(A)} și aplicând operatorul ℱ W# , se obține
# ja
G A, 6 = exp − ∗3 A =
% ,UÅ xUÅ
# l ña
exp − 3 A − u du , conform definiției 2.1 a
% ,UÅ Wl xUÅ
convoluției. În fine, făcând translația v =x – y, dv = – dy, rezultă
# l (jW))a
G A, 6 = 3(Ç) exp − dÇ , (41)
% ,UÅ Wl xUÅ
soluția problemei puse.
Notă
Considerăm două cazuri particulare:
1) Presupunem k=1 și că temperatura inițială a
conductorului este G(A, 0) = GE (constant) pentru A ≤ x ≤ B și nulă
7
(ó (jW))a
în rest. Conform (41), rezultă G A, 6 = 
exp − dÇ
% ,Å xÅ
jW) jW) a 5a
și aici facem schimbarea de variabilă = 6 deci = și
%Å xÅ %
<Ãk
(ó a$ 5a
dÇ = − 26 d6. Atunci G A, 6 = <Ãg exp − d6 .
%, %
a$

# ª 5a
Reamintim funcția lui Laplace Φ(∫) = exp − d6 .
%, Wl %
Se obține o formulă explicită remarcabilă:
jW jW7
G(A, 6) = GE Φ −Φ .
%Å %Å
2) Presupunem că într-un punct AE ∈ ℝ al conductorului se
aplică un impuls Dirac, adică un puseu / șoc de temperatură
3(A) = T(A − AE ).

169
l
Formula (41) și formula de filtrare Wl
T(A − AE )|(A) =
# (jWjó )a
|(AE ) dau: G A, 6 = exp − .
% ,Å xÅ
Pentru fiecare condiție inițială G(A, 0) = 3(A) se obține
evoluția în spațiu și timp a temperaturii.
Considerând sistemul intrare / ieșire 3(A) ↦ G(A, 6)
asociat conductorului, se observă că răspunsul – impuls al
sistemului (adică soluția care corespunde intrării T(A − AE )) este
# ja
funcția é(A, 6) = exp − , numită și funcția Green a
% ,Å xÅ
sistemului.
Pentru orice intrare 3(A), ieșirea corespunzătoare a
sistemului este, conform (41),
G(A, 6) = é(A, 6) ∗ 3(A). (42)
În Capitolul 5, vom regăsi acest fenomen („evoluția unui
sistem se obține convolutând funcția Green a sistemului cu data
inițială”) și în alte contexte fizico – inginerești.
b) Problema Dirichlet 2D pentru semiplan
Unul dintre cei mai importanți operatori în Fizica
matematică îl constituie laplacianul „∆” (definit prin ∆u = div(grad
u) și în cazul 2D, ∆G = Gjj + G)) ); funcțiile u pentru care
∆G ≡ 0 se numesc armonice. Dacă › ⊂ ℝ% este un domeniu
(mulțime deschisă și conexă), problema Dirichlet constă în a
determina o funcție continuă în › = ›⋃Fr›, armonică în D,
cunoscând valorile ei pe frontieră. Există o literatură imensă
consacrată acestei probleme, dar ne restrângem la un caz
particular.

170
Determin%m func$ia G<A' Ç= astfel încât Gjj X G)) = 0
pentru › @ g<A' Ç= 7 !% ‘0Ç K Hh #i G<A' H= @ 3<A= dat%, A 7 !
(figura 3.13). Presupunem în plus c% func$ia f este m%rginit%.

Figura 3.13
În problema anterioar%, se arat% c% dac% 3<A= este
m%rginit%, atunci solu$ia este unic% #i solu$ia (41) a fost confirmat%
experimental (desigur cu aproxima$ie). Dar aici solu$ia nu este
unic%, deoarece al%turi de o solu$ie G<A' Ç=, func$ia u<A' Ç= @
G<A' Ç= X ©Ç este de asemenea solu$ie (c%ci (v = (u = 0 #i
u<A' H= @ 3<A=).
l
Fie !<¯' Ç= @ ?gG<A' Ç=h @ Wl
G<A' Ç=iW0¥Âj ]A
considerând y ca parametru.
Scriem c% ?gGjj X G)) h @ H, $inând cont c%
;a j
?gGjj h @ R¯% !<¯' Ç=0ï*0?gG)) h @ <¯' Ç= deci
;) a
;a j
R¯% !<¯' Ç= 0 X 0 <¯' Ç= @ H, cu !<¯' H= @ 3<¯=.
;) a

Aceasta este o ecua$ie diferen$ial% de ordin doi (de tipul


uÑÑ<Ç= R ¯% u<Ç= @ H cu solu$ia general% u<Ç= @ Ü# i  ) X
Ü% iW Â ) #i v(0) = A, adic% Ü# X0Ü% @ z). A#adar,
!<¯' Ç= @ Ü# <¯=i  ) X Ü% <¯=iW  ) #i

! 171
Ü# (¯) + Ü% (¯) = 3(¯).
Deoarece f este mărginită, se respinge soluția e  ) și presupunem
Ü# ≡ 0 deci !(¯, Ç) = 3(¯)eW Â ) . Din tabelul de transformate
# , ) #
Fourier, avem ℱ{ } = eW Q Â , deci eW Â ) = ℱ{ }.
j a ^Q a Q , j a ^) a
) #
Așadar, !(¯, Ç) = ℱ{ } ∙ ℱ{3(A)} deci
, j a ^) a
)
G(A, Ç) = 3(A) ∗ .
,(j a ^) a )

În final, avem soluția


) l ¢(jWñ)
G(A, Ç) = du, (43)
, Wl ñ a ^) a

numită soluția lui Poisson. Observăm că dacă 3(A, Ç) ≤ Ä


pentru orice (A, Ç) ∈ ›, atunci
%) l ˜ñ %) # ñ ∞
G(A, Ç) ≤ = ∙ arctg = Ä.
, Wl ñ a ^) a , ) ) −∞

IV. Cum este utilizată transformarea Fourier în


Mecanica cuantică
Localizare T/F
Am văzut că un semnal nenul A 6 nu poate fi limitat în
timp și în frecvență în mod simultan. Aceasta înseamnă că A 6 și
Ÿ({) = ℱ{A(6)} nu pot fi bine localizate împreună: dacă A(6) este
neglijabil în afara unui interval compact, atunci spectrul său Ÿ({)
este „împrăștiat” pe toate frecvențele.
Definiția 3.10: Se numește fereastră orice semnal
b: ℝ → ℂ din L#ℝ ∩ L%ℝ . Energia ferestrei g este E = E(g) =
b(6) % d6 și spectrul ei este b({) = ℱ{b(6)}.
Conform relației (29), b({) % d{ = 2(~. Se introduc
câteva caracteristici ale oricărei ferestre:

172
#
- centrul temporal: 6 Ì @ 6 b<6= % ]6;

#
Ì # Ì % % %
- raza temporal%: ¿ @ <6 R 6 = b<6= ]6 ;

#
- centrul frecven$ial: {Ì @ { b<{= % ]{:
%,∞
#
- raza frecven$ial%: ¿ @ <{ R {Ì =% b<{= % ]{.
%,∞
Intervalul de timp F\ <b= @ 86 Ì R ¿ Ì ' 6 Ì X ¿ Ì ; se nume#te
durata util& a semnalului g, iar €P <b= @ 8{Ì R ¿' {Ì X ¿; se
nume#te banda util& de frecven%& a lui g.
Dac% aceste intervale sunt „mici”, atunci se spune c%
fereastra g este „bine localizat%”. Aria dreptunghiului F\ <b=÷
0€P <b=, centrat în punctul (6 Ì ' {Ì =, este egal% cu ±(¿ Ì ¿ (figura
3.14).

Figura 3.14
Exemple
a)0b 6 @ PQ 6 este o fereastr%; în acest caz, E = 1,
Y
6 Ì @ H' {Ì @ H' ¿ Ì @ 0 ' ¿ @ k:
y
b)0b<6= @ i•¶<R6 % = este fereastra gaussian%. În acest caz,
#
E= ( &, 6 Ì @ H' {Ì @ H' ¿ Ì @ #i ¿ @ O (dup% calculul unor
%

! 173
integrale). În general, dacă g este funcție pară, cu valori reale,
atunci 6 ∗ = 0 și {∗ = 0.
#
Vom arăta că ¿ ∗ ∙ ¿ ≥ și că egalitatea are loc în cazul unei
%
ferestre gaussiene.
Definiția 3.11: Fie 9 ∈ ℝ și b(6) o fereastră cu energia
#
E = E(g). Mărimea ∆Q b = (6 − 9)% ∙ b(6) % d6 se numește

dispersia temporală a lui g în jurul punctului a. În mod similar,
pentru : ∈ ℝ fixat, se definește dispersia frecvențială a lui g în
#
jurul valorii b, prin ∆_ b = ({ − :)% ∙ b({) % d{.
%,∞
TEOREMA 3.12 (inegalitatea lui Heisenberg):
Presupunem că b: ℝ → ℂ este o fereastră continuă, netedă pe
porțiuni și în plus, 6b 6 ∈ L%ℝ și b′ ∈ L%ℝ . Atunci pentru orice
9, : ∈ ℝ,
#
(∆Q b) ∙ (∆_ b) ≥ . (44)
x
Demonstrație: Presupunem pentru început că a = 0, b = 0.
Avem de arătat că
,∞ a
6 % ∙ b(6) % d6 ∙ {% ∙ b({) % d{ ≥
%
(45)
Pasul 1. Arătăm mai întâi că

Re(6b(6)b′(6)) = − . (46)
%
% %
Folosind relația ∫ = ∫∫, avem 6 b(6) = 6b(6)b(6) deci
(6 b(6) % )′ = (6b(6)b(6))′=6b(6)b′(6) + 6b(6)bÖ (6) + b 6 %
.
%
Dar lim 6 b(6) = 0 și rezultă
Å →l

174
b(6) % d6 = − 6(b(6)b′(6) + b(6)b′(6)) d6.
Scriind g=u+iv, avem bbÖ + bbÖ = G − iu GÖ + iu Ö + G +
iu GÖ − iu Ö = 2(GG′ + uu′) = 2Re(b ∙ b′). Ca atare,
b(6) % d6 = −2Re 6b(6)b′(6)d6, adică (46).
Pasul 2. Aplicând în (46) inegalitatea lui Schwartz
∞a
(Re G, u ≤ G, u ≤ G ∙ u ), se obține: ≤
x
6b(6) % d6 b′(6) % d6 = 6 % b(6) % d6 b′(6) % d6 .
Dar conform relației (29) a lui Plancherel, b′(6) % d6 =
# ∂√.(-) #
b′({) d{ = {% b({) d{. Atunci (∆Q b) ∙ (∆_ b) =
%, %,
# # ∞a #
6 % b(6) % d6 ∙ {% ∙ b({) % d{ ≥ ∙ 2( ∙ =
%,∞ a %,∞ a x x
deci (44).
Pasul 3. Abordăm acum cazul general. Pentru orice a, b
date, considerăm funcția auxiliară ℎ(6) = eW ¥_Å ∙ b(6 + 9).
Evident, h îndeplinește condițiile teoremei și în plus, ∆Q b = ∆E ℎ,
#
∆_ b = ∆E ℎ. Deci (∆Q b) ∙ (∆_ b) = (∆E ℎ) ∙ (∆E ℎ) ≥ .
x
COROLAR 1. Cu notațiile din definiția 3.10, rezultă
#
inegalitatea ¿∗ ∙ ¿ ≥ .
%
Într-adevăr, ∆Q b = (¿ ) pentru 9 = 6 ∗ , iar ∆_ b = (¿)% pentru
∗ %

#
: = {∗ . Conform (44), rezultă (¿ ∗ ∙ ¿)% ≥ .
x
COROLAR 2. Egalitatea în (44) are loc dacă și numai
dacă fereastra g este gaussiană.
Demonstrație: Reamintim că inegalitatea lui Schwartz
devine egalitate ⇄ vectorii respectivi sunt coliniari. Presupunând

175
că g are valori reale și urmărind demonstrația anterioară (pasul 2),
rezultă că există c > 0 constant astfel încât 6 ∙ b(6) = π ∙ b′(6)
êÖ(Å) #
deci 6b(6) = ±πb′(6), = ± 6 și integrând, ln b(6) =
ê(Å) n
#
± 6 % + ln S. Deoarece b ∈ L%ℝ se acceptă doar semnul „ – ” și
%n
Åa
rezultă b(6) = S ∙ exp(− ), o gaussiană.
%n
Întrebare: Dintre toate semnalele având o bandă de
frecvență utilă de lățime 2B dată, care este cel pentru care durata
utilă este minimă?
#
Răspuns: Așadar, 2fi = 2¿ este fixat. Dar ¿ ∙ ¿ ∗ ≥ deci
%
# #
¿∗ ≥ și valoarea minimă este atinsă pentru ¿ ∗ = . Dar atunci
%7 %7
#
¿ ∙ ¿ ∗ = și conform corolarului 2, semnalul este o gaussiană!
%
APLICAȚIE (formalismul matematic Heisenberg al
Mecanicii cuantice).
O particulă, de exemplu un electron, care se deplasează în
lungul axei Ox este descrisă printr-o funcție de undă |: ℝ → ℂ din
L%ℝ , cu energia E(|) = 1.
Funcția |(A) % este numită densitatea de probabilitate
a poziției X a particulei. Astfel, probabilitatea ca particula să fie
_
situată în intervalul [a, b] este: P(Ÿ ∈ [9, :]) = Q
|(A) % dA .
În particular, P(Ÿ ∈ ℝ) = |(A) % dA = ~(|) = 1 și P(Ÿ ∈
[A, A + ∆A]) ≅ |(A) % ∙ ∆A și avem o interpretare a densității:
% #
|(A) ≅ ∙ P(Ÿ ∈ [A, A + ∆A]).
∆j
Media pozițiilor particulei este m=MX= A |(A) % dA,

176
iar dispersia (≡ varianța) este DX = (A − â)% |(A) % dA:
aceasta indică incertitudinea asupra poziției mediei, adică în ce
măsură particula este deviată de la poziția medie m.
Considerații similare se pot extinde la cazul 2D sau 3D.
Notă
Până acum, perechile conjugate în sensul 3.8,I au fost
ℱ ℱ ℱ
6 ⇄ ω sau 6 ⇄ ν. Acum vom folosi perechea A ⇄ ¯.
În Mecanica cuantică, se consideră transformarea
Fourier modificată a lui |(A), anume
# Â
Φ(¯) = |(A)exp(− iA )dA, unde ℏ este constanta
%,ℏ ℏ

„hașbar” a lui Planck (ℏ = ). Se mai scrie Φ(¯) = ℱ (ä) {|(A)}.
%,
# Â
Așadar, Φ ¯ = | deci
%,ℏ ℏ
# Â % Âpℏj
%
Φ ¯ d¯ = | d¯ =
%,ℏ ℏ
# ∂√.(%À) #
|(A) % ∙ ℏdA = ∙ 2( φ(A) %
= 1.
%,ℏ %,
%
De aceea, mărimea Φ(¯) este interpretată ca densitate
de probabilitate a momentului particulei.
Momentul mediu este – = ¯ Φ(¯) % d¯ și dispersia
momentului este (¯ − –)% Φ(¯) % d¯.
Din definiția 3.11, rezultă că ∆r Φ = ℏ% ∆r ℏ | deci
#
∆ä | ∆r Φ ≥ ℏ% ∆ä | ∆r ℏ | ≥ ℏ% , (47)
x
ultima inegalitate rezultând din inegalitatea lui Heisenberg (44).

177
Notă
Inegalitatea (47) se intitulează principiul incertitudinii (al
lui Heisenberg) și arată că dacă incertitudinea asupra poziției
particulei este „mare”, atunci cea asupra momentului este „mică”
și invers. Formularea populară: „nu se pot măsura simultan poziția
și momentul!” a generat multe speculații fizico–filozofice.
Bineînțeles, principiul incertitudinii se aplică de asemenea
asupra localizării T / F a diverselor semnale – fereastră. Pornind
de aici, fizicianul francez L. de Broglie (premiul Nobel) a
conjecturat că „particulele se comportă ca undele”, ceea ce s-a
dovedit o idee fundamentală în Mecanica cuantică.
V. Transformarea Fourier cu fereastră
O insuficiență a transformării Fourier clasice, definită în
paragrafele 3.2, 3.5, este aceea că dacă pentru un semnal A 6 din
L#ℝ ∩ L%ℝ , se dorește calculul valorii
Ÿ({E ) = A(6)exp(− i{E 6)d6
a spectrului frecvențial al lui A(6) pentru o singură valoare {E , este
necesară cunoașterea lui A(6) pe întreg intervalul de timp și în mod
similar, pentru a determina o valoare A(6E ), trebuie cunoscut Ÿ({)
în toată banda de frecvență (aplicând formula de inversare (13)).
J. von Neumann a propus considerarea perechilor
(6E , {E ), considerând planul T / F raportat la un reper ortogonal
tO {, în care pe abscisă se ia timpul t și pe ordonată pulsația {. A
reprezenta un semnal A(6) în acest plan este similar cu a scrie o
partitură muzicală, reținând notele și indicând durata și înălțimea
lor!

178
Se numește atom T/F în jurul perechii (6E , {E ) orice semnal
A(6) având o bună localizare într-o vecinătate a lui 6E (în sensul că
A(6) este neglijabil în afara acelei vecinătăți) și totodată, spectrul
Ÿ({) are o bună localizare într-o vecinătate a lui {E . Principiul
incertitudinii al lui Heisenberg introduce anumite limitări în
considerarea unor astfel de vecinătăți. D. Gabor și J. von Neumann
au numit familie de atomi T / F orice familie de semnale de forma
e¥}ó Å . A(6 − 6E ), indexată după (6E , {E ); acestea sunt obținute prin
modulări în frecvență ale deplasatelor lui A(6). Mai mult, ei au
repartizat uniform indicii (6E , {E ) în tot planul T / F, luând 6E = S
și {E = 2(ℓ cu S, ℓ ∈ ℤ.
Exemplu
Dacă A(6) = sinc((6), atunci
AℓU (6) = exp(2(iℓ6) ∙ A(6 − S): S, ℓ ∈ ℤ
formează o familie de atomi T/F (formând chiar o bază
ortonormală în L%ℝ ).
Notă istorică
John von Neumann (1903–1957) a fost un mare
matematician evreu american de origine austro–ungară, având
contribuții revoluționare în mai multe domenii: logică matematică,
modelarea mecanicii cuantice în termeni de teoria operatorilor,
teoria jocurilor și automatelor celulare. În construcția
calculatoarelor electronice (ENIAC), el a introdus arhitectura
secvențială (datele sunt stocate împreună cu instrucțiunile).

179
Tatăl său a fost un bancher de succes și în 1919 a părăsit
temporar Budapesta din cauza scurtului regim comunist Bela Kun;
între timp, John a absolvit facultatea de Inginerie chimică la
Politehnica din Zurich. În 1926 și-a luat doctoratul în matematică,
la Universitatea din Budapesta, după care a plecat la Götingen (la
faimosul seminar al lui Hilbert) și apoi în SUA. În anii celui de-al
II-lea Război Mondial a răspuns invitației lui Oppenheimer și
Fermi lucrând, împreună cu Szilard și Teller, la proiectul
Manhattan, unde a rezolvat problema transportului bombei
atomice. Cu această ocazie, a contractat cancerul la sistemul osos
și în 1957 a murit de tânăr. Puțin înainte de deces, el s-a convertit
la catolicism.
Revendicat de matematicienii „puriști”, el a scris în 1956
un eseu intitulat „The world of mathematics”, unde a arătat că „at
a great distance from its empirical source, or often much abstract
inbreeding, a mathematical subject is in danger of degeneration”.
În mod unanim, John von Newmann este considerat ca fiind
matematicianul care a exercitat cea mai mare influență asupra
lumii moderne.
Fizicianul american de origine maghiară D. Gabor
(premiul Nobel pentru inventarea Holografiei) a propus un concept
care s-a dovedit un precursor al undinelor (≡ wavelets). El a
înlocuit indicii discreți S, ℓ ∈ ℤ cu variabile continuale ˛, õ ∈ ℝ,
considerând atomi T/F de forma unor ferestre
6st (6) = exp(¬6˛) ∙ 6(6 − õ), cu 6(6) ∈ L%ℝ .

180
Definiția 3.12: Pentru orice semnal continuu A(6) ∈ L%ℝ , se
numește transformata Fourier a lui A(6) cu fereastra w, funcția de
două variabile reale W, definită prin
l
u(õ, ˛) = Wl
A(6) ∙ exp(−¬6˛) ∙ 6(6 − õ)d6
(48)
D. Gabor a demonstrat și o formulă de inversare (adică de
reconstrucție a lui A(6) din cunoașterea lui W):
∀ 6 ∈ ℝ, A(6) = ℝa
u(õ, ˛) ∙ 6st (6)dõd˛ ,
dificil de aplicat.
Exemplu
Dacă 6 = T, atunci u(õ, ˛) = A(õ) ∙ exp(−¬õ˛), conform
formulei de filtrare; la limită, dacă w este funcția constantă 1, se
obține u(õ, ˛) = Ÿ(˛), adică transformata Fourier clasică.
Inconvenientul principal al transformării Fourier cu
fereastră îl constituie durata fixă a ferestrei: anume, pentru calculul
lui u(:, ˛), în formula (48) se consideră numai translații/ glisări
w(t – b) ale ferestrei, ceea ce s-a dovedit neproductiv în cazul unor
semnale cu amplitudini mari pe intervale scurte de timp. În 1983,
inginerul geofizician J. Morlet a propus ferestre mai flexibile, care
să nu fie doar translatate, dar și contractate (sau dilatate), marcând
astfel apariția conceptului de undină, pe care îl vom prezenta
succint în Capitolul 5.
VI. Teorema limită centrală („miracolul lui Gauss”)
Un rezultat fundamental în Teoria Probabilităților îl
constituie teorema limită centrală (TLC) – cheie de boltă a
Statisticii teoretice și aplicative. Prezentăm o demonstrație,

181
folosind transfurierea, evitată de manualele uzuale, deoarece este
tehnică și apelează la rezultate matematice subtile. Dar utilizarea
ei este un bun universal al tuturor statisticienilor lumii.
Funcția caracteristică a unei variabile aleatoare
Sunt necesare unele pregătiri. Fie X o variabilă aleatoare
(relativ la un câmp fixat de probabilități subînțeles) și p(x)
densitatea de probabilitate a lui X (presupunând că ¯(A) ∈ L#ℝ ).
Funcția caracteristică a lui X este ¯: ℝ → ℂ, ¯({) = ℱ{¯(A)},
notată și ¯⁄ deci transformata Fourier a densității de probabilitate.
Așadar,
¯({) = ¯(A) ∙ eW ¥}j dA , { ∈ ℝ. (49)
Stabilim câteva proprietăți ale funcțiilor caracteristice:
1. ¯(0) = ¯(A)dA = 1; apoi ∀{ ∈ ℝ, ¯({) ≤ 1.
#
2. ∀A ∈ ℝ, ¯(A) = ¯({) ∙ e »j} d{; rezultă direct din
%,
formula de inversare (13).
3. Dacă 3: ℝ → ℂ este o funcție continuă, atunci media
variabilei aleatoare 3 ∘ Ÿ este
M(3 ∘ Ÿ) = 3(A)¯(A)dA. (50)
Exemple
Dacă f(x) = x atunci conform (50), MX = A¯(A)dA = â
U
și mai general, dacă 3(A) = A (k ≥ 1 întreg), se obțin momentele
qU = M(Ÿ U ) = A U ¯(A)dA. Dispersia lui X este DX = q% − (q# )%
și dacă m = 0, atunci DX = q% .
4. Pentru orice { ∈ ℝ, ¯({) = M(eW ¥}⁄ ); într-adevăr,
conform (50),
M(eW ¥}⁄ ) = eW ¥}j ∙ ¯(A)dA = ¯({). (51)

182
5. Dacă Y = aX + b cu a, b constante reale, atunci
¯1 ({) = M(eW ¥}1 ) = M(eW ¥}(Q⁄^_) ) = eW ¥}_ ¯⁄ (9{).
Dacă b = 0, atunci
¯Q⁄ ({) = ¯⁄ (9{). (52)
6. Dacă X, Y sunt variabile aleatoare independente și Z = X
+ Y, atunci ¯0 = ¯⁄ ∗ ¯1 .
Acest fapt a fost stabilit în Capitolul 2, 2.8, II. Proprietatea se
extinde la orice număr finit de variabile aleatoare independente.
7. Dacă Ÿ ∈ N(0, 1) este o variabilă aleatoare repartizată
normal cu media 0 și dispersia 1, atunci se știe că
# ja
¯⁄ (A) = exp − deci
%, %
# ja }a
¯⁄ ({) = ℱ exp − = exp − ,
%, % %
conform primului tabel de transformate Fourier.
8.Dacă Ÿ ∈ N(â, ”) are media m și dispersia ” % , atunci
#
˙ = (A − â) aparține clasei N(0, 1); atunci X = m + ”˙ și
3
conform proprietății 5,
3a
¯⁄ ({) = exp − iâ{ − {% . (53)
%
O formulă asimptotică pentru funcția caracteristică
Reamintim că dacă ℎ: ℝ → ℂ este o funcție de trei ori
derivabilă, atunci are loc formula McLaurin: ℎ { = ℎ 0 +
# #
ℎÖ 0 { + ℎÖÖ 0 {% + ℎÖÖÖ ¡{ {Y , cu 0 < ¡ < 1. Aplicând
% y
aceasta pentru funcția caracteristică a unei variabile aleatoare
X: ℎ(A) = ¯⁄ ({) = ¯(A) ∙ eW ¥}j dA.

183
Avem ℎÖ { = − i A¯ A ∙ eW ¥}j dA și ℎÖÖ { = − A % ¯ A ∙
eW ¥}j dA deci h(0)=1, ℎÖ 0 = − iâ, ℎ′′(0) = − {% ∙ q% .
Presupunând că MX = 0 deci q% = D (dispersia lui X), rezultă
w
¯⁄ ({) = 1 − {% + ã({){% , (54)
%
unde lim ã({) = 0.
}→E
TEOREMA 3.13 (teorema TLC a lui Gauss): Fie
Ÿ# , . . . , ŸB variabile aleatoare independente, având aceeași lege de
repartiție, cu media comună m și dispersia comună D. Atunci
pentru ? → ∞, legea de repartiție a sumei ˙B = Ÿ# +. . . + ŸB tinde
spre legea normală.
Demonstrație:
Pasul 1. Conform proprietății 6, avem ¯1£ = ¯⁄à ∗. . .∗ ¯⁄£
și aplicând operatorul Fourier ℱ, rezultă ¯1£ ({) =
¯⁄à ({). . . ¯⁄£ ({), funcția caracteristică a unei sume de variabile
aleatoare este produsul funcțiilor lor caracteristice. Având aceeași
densitate de probabilitate p(x) ca a lui X = Ÿ# , rezultă că
¯1£ ({) = ¯⁄ ({) B . (55)
Fără restrângerea generalității, putem presupune că m = 0 (ceea ce
revine la o translație Ÿ ↦ Ÿ − â).
#
Pasul 2. Considerăm acum variabila aleatoare ˚B = ˙.
wB B
Deoarece M˙B = 0 și D˙B = ?D (suma dispersiilor variabilelor
aleatoare ŸB ), rezultă că M˚B = 0 și D˚B = 1 (deoarece M(cW) =
cMW și D(cW) = π % Du).
Este suficient să arătăm că pentru ? → ∞, legea de
repartiție a lui ˚B tinde spre cea a legii normale. Pentru aceasta,

184
este suficient de arătat că funcția caracteristică a lui ˚B tinde spre
#a
funcția caracteristică a legii normale N(0, 1), anume eW a ,
conform proprietății 7.
Pasul 3 (final). Rămâne să determinăm funcția
caracteristică a lui ˚B și limita ei pentru ? → ∞. Avem
∂√.(®%) # ∂√.(®®) # B
¯0£ ({) = ¯1£ ( {) = ¯⁄ ( {) .
wB wB
Dar conform (54),
B
} }a } }a
¯⁄ ( )= 1− + ã( )∙ .
wB %B wB wB
Limita acesteia este o nedeterminare de tipul 1l ; aplicând
formula elementară limGñ = eÒ¥hñ((W#) , rezultă
} B }a } }a
lim ¯⁄ ( ) = exp lim ?(− + ã( )∙ ) =
B→l wB B→l %B wB wB
}a
exp − .
%
COROLAR 1. În condițiile teoremei 3,12, pentru orice a
< b și pentru ? ≫ 1, avem
< a
_ # W
P(9 ≤ ˙B ≤ :) ≅ Q %,
e a dA = Φ(:) − Φ(9),
(56)
$ a
# j W
unde Φ(A) = Wl
e a d6 este funcția tabelată a lui
%,
Laplace.
Demonstrație: Am demonstrat că ˙B tinde spre o variabilă
}a
aleatoare normală și că funcția ei caracteristică este exp −
%
deci conform proprietății 2, densitatea ei de probabilitate este

185
#a $a
#
¯(A) = ℱ W# {eW a } = eW a . Ca atare, P(9 ≤ ˙B ≤ :) =
%,
_
Q
¯(A) dA, de unde formula (56).
COROLAR (teorema Moivre – Laplace): Se consideră n
repetări independente de experimente Bernoulli cu parametrul p și
fie èB numărul de succese (probabilitatea unui succes fiind p și a
unui insucces, q = 1 – p). Atunci pentru n ≫ 1, variabila aleatoare
J£ WBÂ
, tinde către o variabilă aleatoare din clasa N(0, 1).
BÂÊ

Demonstrație: Pentru orice k ≥ 1, considerăm variabila


aleatoare discretă ˙U care ia valoarea 1 dacă la cea de a k–a repetare
a avut loc un succes și 0 în caz contrar. Așadar ˙U are matricea de
1 0
repartiție ; aceeași matrice de repartiție o are și ˙U% . Atunci
¯ x
M˙U = ¯ și D˙U = M(˙U% ) − (M˙U )% = ¯ − ¯% = ¯x, pentru orice
k ≥ 1. Deci ˙U sunt independente, repartizate la fel, cu media p și
dispersia D = pq.
Pe de altă parte, este evident că èB = ˙# + ⋯ + ˙B și
MèB = BUp# M˙U = ?¯, DèB = BUp# D˙U = ?¯x.
Conform teoremei 3.13, èB tinde către o variabilă aleatoare
J£ WyJ£ J£ WBÂ
normală deci = tinde către o variabilă aleatoare din
wJ£ BÂÊ

clasa N(0, 1).


J£ WBÂ
COROLAR 3. Pentru orice a < b, P 9 ≤ ≤: ≅
BÂÊ

Φ(:) − Φ(9), pentru n ≫ 1.


J£ WBÂ
Inegalitatea dublă−: ≤ ≤: se mai scrie
BÂÊ

?¯ − : ?¯x ≤ èB ≤ ?¯ + : ?¯x și rezultă

186
P ?¯ − : ?¯x ≤ èB ≤ ?¯ + : ?¯x ≅ Φ(:) − Φ(−:) =
2Φ(:) − 1. (56)
Această relație este numită „formula sondajelor de opinie”. Pentru
detalii, trimitem la [4].

187
„A picture is worth
a thousand words.”
PROVERB ENGLEZESC

CAPITOLUL 4: TRANSFORMĂRI ALE


SEMNALELOR DISCRETE

§4.1. Introducere
Multe descrieri și tehnici de procesare a semnalelor
discrete (s.d.) sunt sugerate de studiul semnalelor continuale, dar
există și multe abordări specifice. Seriile Fourier și transformarea
Fourier nu pot fi direct aplicate pe computer, ci presupun multă
pricepere în utilizarea și adaptarea rezultatelor teoretice, cu
controlul erorilor în aproximările inerente. Prin suprapunerea
unor astfel de oscilații armonice de diverse frecvențe se obțin
semnale mai puțin regulate.
De exemplu, considerați suma (≡ suprapunerea)
semnalelor A 6 = sin 6 și Ç = 2 sin (6, pentru 6 ∈ [−(, (].
Discretizarea ar putea ascunde unele detalii, care pot scăpa
aproximărilor brute. De asemenea, prelucrarea s.d. are multe
tangențe cu prelucrarea datelor numerice și cu studiul
complexității algoritmilor.
Paradisul Fourier, cu cele trei „compartimente” – serii
Fourier, transformarea Fourier și transformările adiacente,
cuprinde o multitudine de tehnici de analiză, descompunere a
semnalelor, eșantionare, cuantizare, filtrare și separare de zgomot,

189
compresie, recunoaștere, stocare și transmitere la distanță,
recompunere etc. În cazul seriilor Fourier (pentru semnale
periodice) și al transformării Fourier în diversele ei ipostaze, se
realizează operația inversă suprapunerii, anume descompunerea în
frecvențe constituente, cu consecințe inepuizabile.
Exemplu
Considerăm un MP3 (≡ un dispozitiv audio digital pentru
PC, legat la un difuzor și asigurând o bună calitate a sunetului
muzical). Player–ul trimite difuzorului informații audio prin
fluctuații ale voltajului u = u(6) al unui semnal electric. Aceste
fluctuații provoacă vibrații ale membranei difuzorului, care
presează aerul, producând sunete. Funcția u = u(6) are graficul
unei unde continuale (aleatoare) care este suprapunerea unor unde
provocate de instrumente muzicale. Transformarea Fourier
realizează matematic ceea ce urechea noastră o face fizic, anume
descompunerea semnalelor în frecvențele componente. Spre
deosebire de ceea ce se realiza pe dispozitive analogice de tipul
reportofoanelor, player–ul redă șiruri numerice u(6U ), mii sau
chiar zeci de mii de eșantioane pe secundă ale semnalului compus,
pe care le va plasa în subbenzi de frecvență, cu eliminarea
componentelor având frecvențe reduse.
Transformarea Fourier discretă (≡ TFD) permite o
reproducere bună a semnalelor continuale și tehnicile ei se aplică
de asemenea la Compresia datelor, în Spectroscopie și Imagistică.
În esență, TFD transformă semnale din domeniul TIMP discret în
domeniul FRECVENȚĂ discretă și invers, reprezentând mariajul

190
dintre paradisul Fourier și lumea computerelor și tehnologiilor
informatice.
În acest capitol, vom prezenta și alte tipuri de transformări,
fiecare cu avantajul propriu sau cu aplicațiile locale semnificative.
De asemenea, vom prezenta, fără a intra în detalii, probleme legate
de compresia semnalelor și separarea de zgomot.
Printr-un miracol al științei, în 1965 a fost (re)descoperit
algoritmul FFT, cunoscut în esență de Clairaut și Gauss; datele
sunt așezate într-un șir (numit „masiv” în jargonul
calculatoriștilor), prelucrate printr-un program SOFT, încorporat în
circuite integrate moderne. La ora actuală, FFT se întâlnește la
detectarea submarinelor, la RADAR, urmărirea avioanelor și
rachetelor, recunoașterea formelor și chiar la acordajul pianelor; se
poate spune că era digitală a început cu FFT, folosită și la celelalte
transformări ale semnalelor discrete.

§4.2. Transformarea Fourier discretă (TFD)


Mult timp, transformarea Fourier a însemnat manipulare de
integrale, dar în ultimele decenii, prelucrarea datelor
experimentale cerea determinarea conținutului frecvențial al
datelor. Ca atare, o problemă practică fundamentală a constituit-o
calculul, în timp real și rapid, al spectrului semnalelor, deci
„dizolvarea” integralelor teoretice respective în operații algebrice
în număr finit asupra șirurilor de date rezultate din eșantionări. Nu
contează câte, număr finit să fie! De altfel, eșantioanele semnalelor
finite se grupează câte 8 (de exemplu), cărora li se aplică TFD,
codificarea, transmisia la distanță, decodificarea și inversarea

191
ITFD la recepție, apoi se trece la următoarele 8 eșantioane etc.
până la restabilirea semnalului integral.
Fixăm un întreg N ≥ 2; de obicei N este o putere a lui 2.
Am notat cu So mulțimea semnalelor finite de lungime N, deci
șiruri de numere complexe A = (A[0], A[1], . . . , A[n − 1]).
Un astfel de șir poate fi prelungit prin periodicitate N la un
semnal discret (din S˜ ). Alegerea lui N este o problemă care ține
de utilizator, dar nu la întâmplare.
Exemplu
Fie N = 3 și x =(1, 0, – 4) ∈ SY .
El se poate identifica prin semnalul (...1, 0, – 4, 1, 0, – 4,
1, 0, – 4, 1, 0, – 4,...), cu periodicitate 3.
După caz, vom nota eșantionul x[k] prin AU , iar x poate fi
reprezentat ca vector–coloană (matrice n×1). Evident, So este un
spațiu vectorial complex, izomorf cu ℂo sau cu Mo,# (ℂ).
Notăm
%,¥ %, %,
v = exp − = cos −i sin . (1)
o o o
Evident, u = 1, u o = 1 și u = u . W #

Definiția 4.1: Matricea Fourier discretă de ordin N este


matricea n×n următoare:
u = (u UB ); 0 ≤ S, ? ≤ n − 1.
Se arată că
u ∙ u = nzo și u ∙ u = nzo , (2)
unde zo este matricea unitate (exercițiu simplu de algebră).

192
Exemplu
1 1
Fie N = 2 deci v = – 1 și u = . Pentru N = 3,
1 −1
aÆÕ
# Y
u = eW Ω = − − i , deci u Y = 1 și u % + u + 1 = 0. Apoi,
% %
1 11 1 1 1
u= 1 u
u % și u = 1 1 u 1 u % deci
1 u%
ux 1 1 u% u
3 0 0
u ∙ u = 0 3 0 = 3zY .
0 0 3
Din relația (2) rezultă (detu) ∙ (detu) = n o deci detW
≠ 0 și matricea W este nesingulară. Înmulțind relația u ∙ u = nzo
cu u W # la dreapta, rezultă că
#
u W # = u. (3)
o
Matricea W este simetrică (u { = u), de tip Vandermonde și cu
toate elementele de modul 1 (deoarece u UB = u UB
= 1).
Definiția 4.2: Fie A ∈ So , A = (AB ), 0 ≤ ? ≤ n − 1.
Transformata Fourier discretă a lui x este șirul de numere
complexe tot de lungime N, 3 = (3U ), 0 ≤ S ≤ n − 1, unde
oW# UB
3U =
BpE u AB , 0 ≤ S ≤ n − 1. (4)
{Dw
Se mai scrie (AB ) → (3U ) sau (3U ) = TFD(AB ) sau direct,
f = TFDx.
Transformarea Fourier discretă este operatorul
TFD: ℂB → ℂB , A = (AB ) ↦ 3 = (3U ).

193
Proprietățile TFD
1. Relațiile (4) se scriu concentrat sub formă matriceală
astfel:
ò = u ∙ Ÿ, (5)
{ {
unde ò = (3E , 3# , . . . , 3oW# ) și Ÿ = (AE , A# , . . . , AoW# ) .
Așadar, TFDx = (u ∙ Ÿ){ .
2. Operatorul (transformarea) TFD: ℂo → ℂo este
ℂ– liniară și bijectivă.
Aceasta rezultă din faptul că matricea W este exact
matricea operatorului TFD relativ la baza canonică a lui ℂo .
Atenție: Inversul operatorului TFD se notează ITFD (nu
neapărat TFDW# ).
3. Formula de inversare a TFD este
# #
Ÿ = u ∙ ò (echivalent, ITFD(x)= (u ∙ Ÿ){ . În mod
o o
explicit,
# oW# WUB
AB = UpE u 3U , 0 ≤ ? ≤ n − 1. (6)
o
4. Cu notații transparente,
TFD AWB = 3WU ; TFD AB = 3WU
și TFD(AWB ) = (3U ) (7)
Demonstrație: Componenta k a lui TFD(AWB ) este egală cu
oW# UB
BpE AWB u = AE u E + AW# u U + AW% u %U + ⋯ + AWo^# u U oW#
și 3WU = oW# BpE AB u
WUB
= AE u E + A# u WU + ⋯ + AoW# u W oW# U .
Dar, cum u o = 1 și A# u WU = AWo^# u U(oW#) ,..., AoW# u W(oW#)U =
AW# u U etc.

194
5. Dacă semnalul x este par (adică AWU = AU pentru orice
k), la fel este f = TFDx.
oW# WUB
Într-adevăr, pentru orice k, 3WU = BpE AB u =
oW# WUB BpWä oW# Uä
BpE AWB u = äpE Aä u = 3U etc.
6. Dacă x are toate componentele reale, atunci 3WU = 3U
pentru orice k.
Într-adevăr,
oW# UB – oW# WUB oW# WUB
3U = BpE AB u = BpE AB u = BpE AB u = 3WU .
7. Dacă f = TFDx, atunci energia
E 3 = n ∙ E(A). (8)
(relația lui Parseval)
∂√. x
oW# %
Demonstrație: Avem E(f) = UpE 3U = U 3U 3U =
Uä WUB U(äWB)
U ä Aä u B AB u = ä Aä B AB U u .
oW# UÂ
Dar pentru orice ¯ ∈ ℤ, UpE u = nTÂE deci
E 3 =n ä Aä B AB TäB =n ä Aä Aä =
oW# %
n äpE Aä = n ∙ E(A).
Exemple
a) Determinăm TFD și ITFD pentru x = (1, 0, 0, 2).
%,¥
Așadar, N = 4 și v = exp − = −i deci
x
1 1 1 1 1 1 1 1
1 u u% uY
u= = 1 −i −1 i ;
1 u% ux uy 1 −i 1 −1
1 uY uy uÀ 1 i −1 −i

195
3E 1 3
3# ∂√.(®)
0 1 + 2i .
ò= = u =
3% 0 −1
3Y 2 1 − 2i
Apoi,
#
ITFD(x)=TFDW# A = uA =
o
1 1 1 1 1 3
=
# 1 i −1 −i 0 = # 1 − 2i .
x 1 i 1 −1 0 x −1
1 −i −1 i 2 1 + 2i
b) Să se expliciteze convoluția discretă A ∗ G, unde x este
un semnal de lungime n și treapta unitate de lungime m.
äW#
Fie A = AE , A# , … , ABW# și G = 1, 0, 0, … , 0 ; le

extindem cu 0 până ce au lungimea m + n. Atunci ∫ = A ∗ G va


avea lungimea m + n. Avem ∫B = 0 pentru n < 0, ∫E = AE ,
∫# = AE + A# , . . . , ∫oW# = AE + A# +. . . +AoW# și ∫B = ∫oW#
pentru orice n ≥ N.
După aceste preliminarii de algebră matriceală, intrăm în
esența problemei prelucrării s.d.
Justificarea definiției 4.2 a TFD și alegerii lui N
Fie A(6) ∈ L#ℝ o funcție continuă pe porțiuni și
Ÿ({) = ℱ{A(6)} deci
l
Ÿ({) = Wl
A(6)eW ¥}Å d6, { ∈ ℝ, (9)
conform definiției 3.1 a transformării Fourier clasice. Am arătat că
s-a pus problema de a obține o formulă aproximativă pentru a
calcula Ÿ({) printr-un număr finit de operații algebrice asupra

196
unui număr finit de date numerice. Pentru aceasta, a fost necesară
parcurgerea câtorva pași:
Pasul 1. Integrala pe (–∞, ∞) a fost înlocuită cu o integrală
Riemann pe un interval compact. Așadar, funcția A(6) a fost
restrânsă la un interval [a, a + L], presupunând că este neglijabilă
(A(6) ≅ 0) în afara acestui interval. Putem presupune că a = 0,
ceea ce se obține printr-o translație 6 = 9 + õ. Ca atare,
ì
Ÿ({) ≅ E
A(6)eW ¥}Å d6, { ∈ ℝ. (10)
Pasul 2. Determinăm Ÿ({) doar pentru un număr finit de
valori {, ceea ce este favorizat de faptul că lim Ÿ({) = 0
} →l
(conform lemei Riemann – Lebesgue). În plus, dacă banda de
frecvență a semnalului A(6) este [–B, B], adică Ÿ({) este
neglijabil pentru { ≥ fi, atunci teorema WKS de eșantionare
(teorema 3.9, relația (31) din Capitolul 3) arată că funcția A(6)
B,
poate fi reconstruită din eșantioanele la momentele , ? ∈ ℤ.
7
Desigur, contează doar valorile { pozitive.
Pasul 3. Avem trei mărimi, anume L, B, N și două dintre
ele, se determină experimental, din cunoașterea naturii semnalelor
continuale din clasa studiată. Divizăm intervalul de integrare
[0, L] în N părți egale prin punctele de diviziune 0 = 6E < 6# < ⋯

< 6oW# < 6o = î deci 6B = ,0 ≤ ? ≤ n și aproximăm
o
integrala (10) printr-o sumă Riemann obținută luând ca puncte
intermediare capetele stângi ale subintervalelor diviziunii:
oW# W ¥}Å£
Ÿ({) ≅ BpE A(6B )e . (11)

197
Divizăm apoi intervalul de frecvențe [0, B] în alte N părți
egale prin punctele de diviziune
U7
0 = {E < {# < ⋯ < {o = fi, {U = ,0 ≤ S ≤ n și
o
calculăm
oW#
Ÿ {U ≅ BpE A 6B eW ¥}◊ Å£ =
oW# UB7ì
= BpE A(6B ) ∙ exp(− i ), (12)
oa
cu 0 ≤ k ≤ N – 1.
UB7ì
Pasul 4. Punem condiția: exp(− i ) = u UB , adică
oa
UB7ì %,¥
− i =− S?, sau
oa o

n= (13)
%,
și relația (12) devine exact relația (4).
Avem astfel un răspuns la întrebarea cât de mare trebuie
ales N. În practică, se recomandă de asemenea ca N să fie o putere
a lui 2 (altfel se completează semnalul discret căruia i se aplică
TFD cu zerouri, ceea ce nu îi modifică spectrul).
Dacă A = AB , Ç = ÇB ; 0 ≤ ? ≤ n − 1 sunt două
semnale din So , atunci am definit: suma A + Ç = (AB + ÇB ),
multiplicarea cu scalar tA = tAB , pe componente și produsul
scalar A, Ç = U AU ÇU .
De asemenea, se pot defini produsul A • Ç = AB ÇB pe
componente și convoluția discretă ∫ = A ∗ Ç = ∫B , unde
oW#
∫B = ÂpE AÂ ÇBWÂ , cu 0 ≤ ? ≤ n − 1.
TEOREMA 4.1: Dacă A, Ç ∈ So , atunci
1) TFD(A ∗ Ç) = TFDA • TFDÇ;

198
#
2) TFD(A • Ç) = (TFDA ∗ TFDÇ). (14)
o
Demonstrație: 1) Componenta k a lui TFD(A ∗ Ç) este
BWÂpÊ
oW# UB
BpE ∫B u = B Â AÂ ÇBWÂ u UB = Â AÂ B ÇBWÂ u
UB
=
U(Â^Ê) UÂ UÊ
= Â AÂ Ê ÇÊ u = Â AÂ u Ê ÇÊ u = (TFDA)U •
(TFDÇ)U = (TFDA • TFDÇ)U .
2) Dacă TFDx = (3U ), TFDy = (bU ), atunci componenta n
a lui TFDA ∗ TFDÇ este
UÂ BWU Ê
U 3U bBWU = U Â AÂ u Ê ÇÊ u =
ÂÊ U ÂWÊ ÂÊ
 AÂ Ê ÇÊ u Uu =  AÂ Ê ÇÊ u nTÂÊ =
oW# BÂ
=n ÂpE AÂ ÇÂ u = n(TFD(A • Ç))B .
COROLAR. Pentru orice A, Ç ∈ So ,
A ∗ Ç = ITFD(TFDA • TFDÇ). (15)
Notă
Unii autori numesc formula (15) ca „formula de aur”
pentru calculul convoluției discrete, ea fiind aplicată în transmisii
de date și în telecomunicații. Orice succes în grăbirea calculului
TFD și ITFD conduce la un succes în calculul lui A ∗ Ç (și implicit,
conform celor spuse în paragraful 2.4, al înmulțirii numerelor reale
asimilate cu fracții zecimale). În acest sens, a fost elaborat
algoritmul FFT de calcul al TFD, așa cum vom vedea în
continuare.
APLICAȚII ale TFD
I. Calculul de coeficienți Fourier
Fie A(6) un semnal periodic T satisfăcând condițiile lui
Dirichlet. Conform formulei (25) din Capitolul 1, ∀S ∈ ℤ,

199
# \ %,
πU @ E
A 6 iW0¥U}Å ]6' unde 0{ @ .
\ \
Împ%r$im intervalul de integrare [0, T] în N p%r$i egale (cu N
convenabil, la alegerea utilizatorului), cu punctele de diviziune
B\
6B @ ' H m ? m n #i lu%m ca puncte intermediare capetele
o
stângi ale subintervalelor.
Atunci pentru 0 ) k ) N – 1,
# oW# W0¥U}Å£ # oW# UB
πU s BpE A<6B =i @ BpE A<6B =u , deoarece
\ \
aÆÕ
%, B\ %,¥
*S{6B @ 0*S È È @ S? #i u @ iW0  .
\ o o
#
Notând A<6B = @ AB , rezult% πU s 3U , cu 3U da$i de
\
formula (4) a TFD.
Se determin% astfel coeficien$ii πU pentru 0 ) k ) N – 1 deci
un num%r convenabil de armonici ale semnalului A<6=.
II. Calculul spectrului unui semnal continual
Fie A<6=, A40!0 / 05 un semnal continual, neglijabil în
afara unui semnal de timp 86E ' 6# ;. Printr-o simpl% transla$ie
(6 @ 6E X G), se poate presupune c% A<6= este nul în afara unui
interval [0, a].

Figura 4.1

200!
Consider%m restric$ia A# <6= a lui A<6= la [0, a], pe care o
prelungim prin periodicitate de perioad% a la !; figura 4.1. Se pot
calcula coeficien$ii Fourier ai lui A# <6=, conform aplica$iei I:
aÆ aÆ
# Q W0¥U Å # l W0¥U Å # %,U
πU s A# <6=i Ø ]60 @ A<6=i Ø ]60 @ Ÿ
Q E Q Wl Q Q
#i astfel, se determin% spectrul frecven$ial Ÿ<{= @ ?gA<6=h pentru
%,U
valorile discrete { @ ; ceea ce poate fi suficient.
Q
III. Rezolvarea numeric% a unor EDP
Este cunoscut% metoda re%elelor (1 a diferen%elor finite),
pentru care exist% programe de calcul consacrate.
Consider%m o func$ie G A' Ç de clas% C % într-un
dreptunghi › @ H' 9 ÷ H' : . Diviz%m intervalul [0, a] în N p%r$i
Q
egale prin punctele AB @ ?d, unde d @ 0 H m ? m n #i apoi
o
intervalul [0, b] în M p%r$i egale prin punctele Çä @ âS, unde
_
S@ 0<H m â m Ä=. Perechea (h, k) se nume#te bipas al re$elei
%
2D astfel considerate. Un nod curent al re$elei este (AB ' Çä = #i
valoarea func$iei u în acest nod se noteaz% GBä @ G<AB ' Çä =;

Figura 4.2

! 201
În practică, funcția G(A, Ç) poate reprezenta o mărime
fizică, pentru care se pot calcula valorile GBä într-un număr finit de
noduri ca mai sus, ceea ce poate fi suficient pentru a studia funcția
G(A, Ç) în D. Trecerea la domenii mai generale decât dreptunghiuri
sau la 3D este la dispoziția cercetătorilor.
Derivatele parțiale Gj , G) , Gjj etc. într-un nod curent pot fi
aproximate prin diferențe finite (eventual decalate), astfel:
# ä #
Gj AB , Çä ≅ GB^# − GBä , G) AB , Çä ≅ GBä^# − GBä ,
∏ U
# ä ä
Gjj (AB , Çä ) ≅ (GB^# + GBW# − 2GBä ) etc. EDP relativ la
∏a
necunoscuta u se transformă în sisteme de ecuații relativ la GBä ,
dificultățile apărând mai ales la frontiera lui D.
Considerăm ecuația Helmholtz 2D următoare:
−∆G + –G = 3 în pătratul › = [0,1]×[0,1], cu – ≥ 0
constant și f funcție continuă cunoscută, cu condiția G ≡ 0 pe
frontiera lui D.
#
Alegem o rețea uniformă cu bipasul (h, h), unde ℎ = .
o
Pentru orice nod (AB , Çä ) = (?ℎ, âℎ), notăm GBä = G(AB , Çä ) și
3Bä = 3(AB , Çä ). Condiția la frontieră revine la GBä = 0 în
nodurile situate pe frontiera lui D.
Discretizând ecuația anterioară, adică scriind-o în nodul
# ä ä #
curent, rezultă − (GB^# − 2GBä + GBW# )− (GBäW# − 2GBä +
∏a ∏a
GBä^# ) + – ∙ GBä = 3Bä , conform cu „șablonul” din figura 4.3.
Șablonul arată configurația nodurilor rețelei.

202
Figura 4.3
Introducem acum nota$iile urm%toare:
G#ä 3#ä
!ä @ Ä ' òä @ Ä pentru 1 ) m ) N – 1 #i
ä ä
GoW# 3oW#
& RO H 0H * * H
RO & RO H * * H
A= * * * * * * * ,
H H * 0* RO & O
H H * * H RO &
A fiind o matrice p%tratic% triband% de ordin N – 1. Notând
fi @ z X <& X –d% =zoW# , rela$iile anterioare se scriu condensat
astfel: fi!# R !% @ d% ò# '000 R !äW# X fi!ä R !ä^# @ d% òä ,
2 ) m ' N – 2 #i R!oW% X fi!oW# @ d% òoW# .
Dac% se determin% vectorii !ä ' O m â m n R O, atunci se
asigur% cunoa#terea valorii func$iei necunoscute u în nodurile
re$elei considerate.
În acest moment, aplic%m o metod% datorat% lui G.
Marciuk, bazat% pe utilizarea TFD. Matricea A este simetric% #i are
toate valorile proprii reale, anume

! 203
Â,
t = 2(1 − cos ), 1 ≤ p ≤ N –1, cu versorii proprii
o

% UÂ,
corespunzători u = (u# , . . . , uoW#, ), unde uU = sin .
o o

Aceștia formează o bază pentru spațiul ℝoW# și avem scrieri unice:


oW# oW#
!ä = Âp# !ä u , òä = Âp# òä u , 1 ≤ â ≤ n − 1.
Înlocuind și ținând cont că u sunt versori proprii și pentru
matricea B, dar cu valorile proprii tÖ = t + 2–ℎ% , rezultă, pentru
orice p fixat, câte un sistem liniar tribandă, anume:
tÖ !# − !% = ò# ; −!äW#, + tÖ !ä − !ä^#, = òä ,
pentru 2 ≤ m ≤ N – 2 și −!oW%, + tÖ !oW#, = òoW#, .
Rezolvând acest sistem liniar, de exemplu folosind
algoritmul Gauss, se determină !ä pentru 1 ≤ m, p ≤ N – 1 și
totodată vectorii !ä , ceea ce rezolvă problema. TFD se aplică
astfel: deoarece funcția f este dată, se cunosc valorile òä și
calculăm componentele
% oW# ä Â,8 % %oW# ä %Â,8
òä = 8p# 38 sin = 8pE 38 sin ,
o o o %o

unde am pus 3Eä = 3oä = 3o^#


ä ä
=. . . = 3%oW# = 0.
Æ
%
Notând 6 = e¥ , rezultă òä = ∙ Im %oW# ä
8pE 38 6 Â8 ,
o

unde m = 2N și p = 1,2,..., N – 1. Ultimele sume se determină cu


TFD și după ce se determină òä , calculul sumelor
oW#
òä = Âp# òä u se realizează tot cu TFD.
Metoda lui Marciuk se poate aplica la ecuații Laplace sau
Poisson, în diverse contexte.

204
§4.3. Algoritmul FFT de transformare Fourier rapidă
și algoritmul de inversare Laplace rapidă
Presupunem că N ≥ 2 este fixat și că matricea u = (u UB )
este stocată. Calculul direct al TFD(x), pentru A ∈ So dat, necesită
conform (4), pentru fiecare k (0 ≤ k ≤ N – 1), N înmulțiri și N – 1
adunări de numere complexe. Așadar, pentru a calcula f = TFD(x)
conform (4), sunt necesare n % operații elementare. (În general,
înmulțirea unei matrice n×n cu un vector n×1 necesită n %
operații elementare). Vom numi operație elementară înmulțirea
a două numere complexe urmată de o adunare de numere
complexe. În multe situații concrete, n > 10x deci numărul de
operații este imens și este esențial un algoritm rapid (cu
complexitate mai redusă) pentru calculul TFD(x). Încă din 1807,
marele Gauss a propus un algoritm care exploata structura specială
a matricei W, dar inginerii americani Cooley și Tukey au
(re)descoperit în 1965 algoritmul FFT („fast Fourier transform”),
coborând drastic numărul de operații la O(NlogN). Prin variante
succesiv îmbunătățite, s-a ajuns la un mariaj reușit între FFT,
metodele numerice și tehnologiile IT, cu mare impact asupra
calculului științific.
Vom prezenta acum ideile principale, subliniind că
algoritmul FFT se găsește în orice bibliotecă de programe, pregătit
pentru utilizare.
Presupunem că este dat A = (AE , A# , . . . , AoW# ) ∈ So și că
n = n# n% deci N nu este număr prim. Pentru orice k, n cuprinse

205
între 0 și N – 1, împărțim (cu rest) n la n# și k la n% deci avem
scrieri unice de forma
? = ?% n# + ?# și k= S# n% + S% cu 0 ≤ S# ,
?# ≤ n# − 1 și 0 ≤ S% , ?% ≤ n% − 1. (16)
Se poate scrie ? = (?# , ?% ) și S = (S# , S% ) fără ambiguitate.
Avem u Uà Ba oà oa = u Uà Ba o = 1 (căci u o = 1) deci
∂√. #y
u UBa oà = u (Uà oa ^Ua )Ba oà = u Ua Ba oà ;așadar,
∂√. #y
u UB = uU Ba oà ^Bà
= u UBa oà ∙ u UBà , de unde
∂√. x
oW# UB
3U ≡ 3 S# , S% = BpE AB u =
oW# Ua Ba oà UBà
= BpE A ?# , ?% u ∙u =
oà W# oa W# Ua Ba oà
= Bà pE Ba pE A(?# , ?% ) u ∙ u UBà .
oa W# Ua Ba oà
Notând z(?# , S% ) = Ba pE A(?# , ?% ) u , rezultă
oà W# UBà
3U = Bà pE z(?# , S% ) u . (17)
Pentru a calcula expresia z ?# , S% sunt necesare nn%
operații (deoarece pentru fiecare k fixat și ?# fixat, calculul lui
z ?# , S% necesită n% operații, iar k parcurge N valori). În
concluzie, pentru calculul lui TFDx, numărul total de operații este
n n# + n% .
Dacă n = n# n% . . . nä , atunci numărul de operații
elementare (conform FFT) este n(n# + n% +. . . + nä ) și nu n % .
Caz particular
În cazul n = 2B , deci ? = log % n, numărul total de
operații elementare pentru a calcula TFDx (pentru A ∈ ℂo dat), în

206
mod direct, este egal cu n % = 2%B și aplicând FFT, este
B ∑≠¥
n(2 + 2+. . . +2) = 2B ∙ 2? = ? ∙ 2B^# = 2n ∙ log % n.
În ipoteza că numărul de operații elementare per secundă,
efectuate de un computer modern, este 10- deci 6×10ƒ /minut,
indicăm timpii în tabelul următor, anume duratele comparative ale
calculului TFD(x), direct și folosind FFT:
N direct cu FFT
2#% 1,7 s 10 ms
2#y 7,2 min 0,2 s
2%E 30,5 ore 4,2 s

De exemplu, pentru N = 2#y , algoritmul FFT este de peste


2000 ori mai rapid! Nu dăm detalii asupra schemei de organizare
a algoritmului FFT.
Notă
Dacă A, Ç ∈ S˜ sunt semnale finite neperiodice astfel încât
AB = 0 pentru n < 0 sau n > L, iar ÇB = 0 pentru n < 0 sau n > M,
atunci fixând N ≥ max(L, M) și extinzând cu zerouri, eșantioanele
semnalelor x, y, rezultă că noile semnale (notate tot cu x, y) au
aceeași lungime N.
Calculul convoluției discrete ∫ = A ∗ Ç, ∫ = (∫B ) unde
∫B = Â AÂ ÇBWÂ , ? ∈ ℤ, se reduce la cazul considerat.
Dacă A, Ç ∈ So , am văzut că se aplică formula (15) pentru
calculul convoluției A ∗ Ç. Numărul de operații pentru calculul
direct al convoluției este n % . Dar aplicând algoritmul FFT, acesta

207
va fi 2n log % n + 2n log % n + n + 2n log % n (pentru a calcula
succesiv TFDx, TFDy „•” și ITFD), deci în total 6n log % n + n.
De exemplu, pentru n = 2#y , în loc de 2Y% , se efectuează
peste 2%E operații elementare, ceea ce este o reducere de peste
1200 de ori.
Inversarea numerică rapidă a transformatei Laplace
În paragraful 3.4 am reamintit legătura transformării
Laplace cu transformarea Fourier. Fie 3 6 , 3: ℝ → ℂ o funcție
original Laplace, cu indicele de creștere èE ≥ 0. Așadar, 3(6) = 0
pentru t < 0 și există M > 0 astfel încât 3(6) ≤ ÄeJó Å pentru orice
t ≥ 0. Imaginea Laplace a lui 3(6) este funcția complexă
l W JÅ JpQ^¥} l W QÅ
ò(è) = E
e ∙ 3(6)d6 = Wl
e ∙ 3(6)eW ¥}Å d6,
unde a > èE este fixat. Conform formulei de inversare Fourier
(teorema 3.2, formula (13)),
# l
eW QÅ 3(6) = ò( 9 + i{)e ¥Å} d{. (18)
%, Wl
%,
Fixăm apoi õ > 0 și notăm Z = .
s
Vom determina valorile Aä = eW Qäs ∙ 3 âõ , pentru
m ≥ 0 întreg, de unde se vor deduce 3 âõ .
Punând 6 = âõ în (18), rezultă
# l
Aä = ò( 9 + i{)e ¥äs} d{ =
%, Wl
# (B^#)\
= B∈ℤ B\ ò( 9 + i{)e ¥äs} d{
%,
și făcând schimbarea de variabilă { ↦ ?Z + {, rezultă
# \
Aä = B∈ℤ E ò( 9 + i(?Z + {))e ¥äs} d{ =
%,
# \
é({) e ¥äs} d{, unde am notat
%, E

208
é { = B∈ℤ ò 9 + i ?Z + { ≅
Î
≅ BpWÎ ò(9
+ i(?Z + {)), (19)
lim ò(è) = 0). Funcția
cu P > 0 ales convenabil (ținând cont că J→l
ŨJWJó

é({) este periodică T și é({) = ä∈ℤ õAä e W ¥äs} .


aÆÕ
Fixăm acum N ≫ 2 și punem u = e W  .
U\ U\
Pentru { = S ∈ ℤ , rezultă é =õ ä∈ℤ Aä u Uä .
o o
Deoarece Aä = 0 pentru m < 0 și lim Aä = 0 (căci a > èE ),
ä→l
# U\
rezultă é( ) = TFD((AB )) pentru N ales convenabil și
s o
# oW# U\ W Uä
0 ≤ k ≤ N – 1. Aplicăm TFD, rezultă Aä = UpE é( o )u ,
so
adică
# U\
(Aä ) = ITFD é( ) ; 0 ≤ â ≤ n − 1. (20)
s o
Rezumând, am obținut următorul
ALGORITM: Este dată funcția complexă F(s); fixăm
n ≫ 2, 9 > èE și õ > 0.
Pasul 1.
U\
Folosind (19), se calculează é( ) pentru 0 ≤ k ≤ N – 1,
o
%,
unde Z = .
s
Pasul 2.
Utilizând ITFD, se calculează Aä pentru 0 ≤ â ≤ n − 1.
Pasul 3. Se calculează 3(âõ) = Aä eQäs și se deduc
valorile 3(âõ) pentru 0 ≤ â ≤ n − 1.

209
Exemple
a) Fie 3 6 = eW Å , 6 ≥ 0 și nulă pentru t < 0. Se știe că
# #
ò è = , èE = 0 și alegem a = 0. Fie N = 64 și õ = deci
J^# #E
T = 20π.
%E #
Pentru P = 20, conform (19) avem é { = BpW%E #^¥(%E,B^}).
ä
Se calculează Aä aplicând FFT și apoi 3(âõ) = 3( ) pentru
#E
0 ≤ m ≤ 63. Acest exemplu permite testarea algoritmului.
J a ^J^#
b) Dar să considerăm ò è = , unde nu
J æ ^#EJ Ω ^x%J a ^ƒ%J^y®
se pot aplica metode standard de determinare a originalului 3 6 .
# ä
Alegem a = 10, N = 128, õ = și se obțin 128 de eșantioane 3( )
#E #E
pentru 0 ≤ m ≤ 127, folosind algoritmul descris. Funcția f nu se
poate exprima prin funcții elementare (fracții simple sau formula
(25) a lui Heaviside din Capitolul 3). Dar am reușit să determinăm
valori oricât de multe ale lui f.

§4.4. Transformări liniare și baze ortogonale pentru


compresia semnalelor discrete
a) Compresia datelor
În multe șiruri de date sau în imagini apar repetări
numerice sau secvențe inutile; de exemplu, pixeli vecini puternic
corelați, unde se manifestă o redundanță a informației conținute.
Imaginile 2D pot fi citite pe linii de pixeli, astfel încât este
suficientă considerarea șirurilor 1D de date. Se poate aplica o
compresie brutală, eliminând mecanic câte un eșantion din fiecare
4 (raportul de compresie fiind 4: 1), dar există metode mult mai

210
eficiente calitativ. Compresia exploatează redundanța spațială,
care trebuie redusă fără a pierde informația esențială și pentru
aceasta, ideea principală este cea a transformării pixelilor corelați
printr-o reprezentare care să permită împuținarea corelărilor. De
regulă se utilizează transformări punctuale care pot fi descrise prin
matrice convenabile; de exemplu, matrice ortogonale, care nu
modifică energia semnalelor (considerate ca secvențe numerice
discrete) sau matrice care au structuri interne specifice, care le
permit descompunerea în produse de matrice rare (≡ cu multe
zerouri), pentru care în Analiza numerică s-au creat algoritmi și
progrese eficiente de calcul (MATLAB, MATHEMATICA,
MAPPLE).
Exemplu
În cazul TFD, matricea W are coloanele asimilabile cu
vectorii unei baze de spațiu vectorial și aplicarea transformării
liniare A ↦ u ∙ A { revine la a trece de la reprezentarea numerică
inițială a semnalului x la alta mai convenabilă care permite
determinarea spectrului frecvențial al lui x.
În general, dacă z ∈ Mo (ℝ) este o matrice inversabilă (≡
nesingulară), atunci pentru orice A = (AE , A# , . . . , AoW# ){ ,
transformatul său prin matricea A este vectorul – coloană y = Ax;
cunoscând y, se recuperează imediat x, anume A = zW# Ç. Alegând
în mod convenabil matricea A, se obțin informații utile asupra
structurii sau corelării eșantioanelor semnalului.

211
Exemple
a) Dacă matricea A este ortogonală, adică z{ ∙ z = zo (deci
z ∙ z{ = zo și zW# = z{ ), atunci energia semnalelor se conservă;
într-adevăr, pentru orice vector–coloană A ∈ Mo,# ℝ , cu
transformatul y = Ax, avem:
%
E Ç = Ç = Ç, Ç = Ç { ∙ Ç =
{
= zA ∙ zA = A { z{ z A = A { zo A =
= A { A = A, A = A %
= E(A).
1 1
b) Fie N = 4 și A = diag(‰% , ‰% ), unde ‰% = .
1 −1
Dacă A = (AE , A# , A% , AY ){ și Ç = zA = (ÇE , Ç# , Ç% , ÇY ){ , atunci
1 1 0 0
z= 1 −1 0 0
0 0 1 1
0 0 1 −1
și ÇE = AE + A# , Ç# = AE − A# , Ç% = A% + AY , ÇY = A% − AY .
Astfel, dacă x = (11,9, 5,6){ , atunci Ç = (20,2, 11, −1){ și
componentele 2 și–1 pot fi anulate (compresie!). Așadar,
#
Ç ≅ (20,0, 11,0){ și A ≅ zW# . (20,0, 11,0){ . Dar zW# = z{ deci
%
{
A ≅ (10,10; 5,5; 5,5) . Ca atare, transformarea dată de matricea
A permite și o altă regrupare a componentelor vectorului inițial,
fără pierdere esențială de energie.
b) Transformarea „cos” - discretă (TCD)
Transformarea „cos” - discretă a fost descoperită de N.
Ahmed în 1974, pornind de la modificarea următoare a TFD.
Fiind dat un semnal A = (AE , A# , . . . , AoW# ){ de lungime N,
cu toate componentele numere reale, se consideră extensia lui prin

212
#
simetrie fa$% de punctul de abscis% R , adic% semnalul A de
%
lungime 2N: A @ <AWo ' AWo^# ' ë ë ë ' AW# ' AE ' A# ' ë ë ë ' AoW# ={ , unde
AW# @ AE ' AW% @ A# ' ë ë ë ' AWo @ AoW# (figura 4.4).

Figura 4.4
De exemplu, dac% N = 3 #i A @ <O'H' R±={ , atunci
A @ <R±'H'O'O'H' R±=. Se consider% z = TFDA, cu cele 2N
componente ∫U date de (4).
#
Aplicând rela$ia lui Euler cos x = <i¥j X iW0¥j =, este
%
sugerat% urm%toarea
Defini$ia 4.3: Dac% A @ <AE ' A# ' ë ë ë ' AoW# ={ este un semnal
finit de lungime N, cu toate componentele reale, transformata
„cos” – discret% a lui x este #irul de N numere (tot reale!)
π @ <πE ' π# ' ë ë ë ' πoW# ={ , definit prin
# oW# % oW# <%B^#=U,
πE @ BpE AB ' πU @ BpE AB Lc) ^ (21)
B o %o

cu O m S m n R O.

! 213
Se mai scrie
{Éw
AB ↦ πU sau π = TCDA. (22)
Aplicația TCD: ℝo → ℝo este liniară și inversabilă și inversa ei
se notează ITCD = TCDW# : (πU ) ↦ (AB ). În mod explicit,
# % oW# (%B^#)U,
AB = π + Up# πU cos ; (23)
B E o %o

1 ≤ ? ≤ n − 1.
Vectorii–coloană
{
# % (%B^#), % (%B^#),(oW#)
·B = , cos ,..., cos ,
B o %o o %o

0 ≤ ? ≤ n − 1 formează o matrice pătratică ortogonală


Ä = (·E |·# |. . . |·oW# ) și relația (22) se scrie matriceal π = Ä ∙ A,
similar relației (5).
Notă
Iată cum se procesează concret un semnal discret cu N
eșantioane A = (AE , A# , . . . , AoW# ), cu N o putere a lui 2 (n = 2B
cu n ≥ 4). Se „divide” x în segmente de lungime 8, cărora li se
aplică TCD. Fie (AE , A# , . . . , A- ) un astfel de segment tipic, a cărui
TCD este șirul (πE , π# , . . . , π- ) definit conform (21) prin:
# - # - (%B^#)U,
πE = BpE AB , πU = BpE AB cos ;
% % % #y
(1 ≤ S ≤ 7).
Decodorul primește aceste 8 valori, pe care le transmite la distanță,
unde se aplică ITCD prin formula (23):
# # - (%B^#)U,
AB = π + Up# πU cos ; (0 ≤ ? ≤ n − 1).
% % E % #y

214
Apoi se trece la următoarea secvență de 8 eșantioane etc.
până ce este transmis semnalul x în întregime.
O metodă similară se aplică în cazul imaginilor (prin 2–
TCD), imaginea fiind divizată în blocuri 8×8.
Un avantaj al TCD este faptul că toate componentele πU
sunt reale (nu ca în cazul TFD) și că vectorii ·B , 0 ≤ n ≤ N – 1 sunt
apropiați de vectorii proprii ai matricelor Toeplitz.
TCD se utilizează la codificarea și compresia imaginilor
(„citite” ca succesiuni de linii), cu standardul IPEG pentru
fotografii și MPEG pentru video. Așa cum în cazul TFD, un
semnal periodic este reprezentat ca o sumă de oscilații armonice
cu frecvențe și amplitudini variabile, tot astfel la TCD fiecare
secvență de N eșantioane este reprezentată ca o sumă de cosinuși
ponderați (conform relației (23)).
Orice transformare liniară a semnalelor (de exemplu, TFD,
TCD etc.) este un izomorfism de tipul T: ℝo → ℝo , (AB ) ↦ (πU ),
oW#
astfel încât pentru orice 0 ≤ k ≤ N – 1, πU = BpE n(S, ?)AB , unde
N(k, n) este „nucleul” transformării (de exemplu n(S, ?) = u UB în
cazul TFD). Inversarea se realizează prin relații similare. În cazul
2D, transformarea este de tipul πUℓ = ä,B n(S, ℓ, â, ?)AäB , dar
nu mai dăm detalii.
c) Transformarea Walsh
Am văzut (în Capitolul 1, propoziția 1.4) că funcțiile
·B (6) = e¥B}Å , ? ∈ ℤ formează o bază ortonormală pentru spațiul
%,
funcțiilor periodice de perioadă T ({ = ), care sunt continue pe
\
\
porțiuni, relativ la produsul scalar 3, b = E
3(6)b(6)d6. La

215
începutul secolului 20, matematicianul francez E. Borel a pus
problema găsirii unei baze ortogonale a spațiului L%[E,#] , formată
numai din funcții având doar două valori, anume 1 și –1.
Răspunsul l-a dat în 1923 matematicianul american Walsh, care a
definit totodată transformarea liniară care îi poartă numele.
Sunt necesare câteva pregătiri oarecum migăloase.
Fie n = 2B , ? ≥ 1. Pentru orice 0≤ t, k ≤ N – 1 se consideră
reprezentările (unice!) în baza 2 de lungime n:
6 = (6BW# . . . 6# 6E )% = 6BW# 2BW# +. . . +6# ∙ 2 + 6E și
similar, S = (SBW# . . . S# SE )% .
Apoi, pentru 1 ≤ p ≤ n, definim
SÂ + SÂW# modulo 2, pentru 1 ≤ ¯ ≤ ? − 1
z =
SBW# pentru ¯ = ?
și vectorii–coloană N–dimensională
uU = (6EU , 6#U , . . . , 6oW#,U ){ , unde 6ÅU = (−1)7 și
B
fi= Âp# z 6BWU ; 0 ≤ S ≤ n − 1. Se formează matricea
Ä = (uE |u# |. . . |uoW# ) pătratică de ordin N, simetrică și
nesingulară, cu toate elementele egale cu + 1 sau – 1.
Definiția 4.4: Fixăm N ≥ 2. Aplicația liniară inversabilă
T: ℝo → ℝo , A ↦ ÄA se numește transformarea Walsh.
Vectorii – coloană ai matricei M formează o bază pentru spațiul
vectorial ℝo (ca și pentru ℂo ).
Exemplu
Fie N = 8 deci n = 3. În acest caz, 6 = 46% + 26# + 6E , S =
4S% + 2S# + SE . Apoi, z# = S# + SE mod 2, z% = S% + S# mod
2 și zY = S% . Pentru k = 0, avem SE = S# = S% deci z# = z% =

216
zY @ H deci B = 0 #i 6ÅE @ O pentru 0 ) t ) 7. Pentru k = 1, avem
S% @ S# @ H' SE @ O deci z# @ O,0z% @ H, zY @ H #i 6Å# @
<RO=Åa ; în mod similar, 6Å% @ <RO=Åa ^Åà ,06ÅY @ <RO=Åà , 6Åx @
<RO=Åà ^Åó , 6Å® @ <RO=Åa ^Åà ^Åó , 6Åy @ <RO=Åa ^Åó #i 6Å- @
<RO=Åó . În acest caz, explicit matricea Ä @ <uE ‘u# ‘ë ë ë ‘u- = este
O O 0O 0000O 000O 0000O 0000O 000O
O O O 000O 00RO RO RO RO
O O RO RO RO RO 0O 00O
Ä @ O O RO RO O O RO RO .
O RO RO O O RO RO 0O
O RO 0RO O RO O O RO
O RO O RO RO O RO O
00
O RO O RO 00O RO 0O RO
Facem conven$ia de a împ%r$i intervalul [0, 1] în 7 p%r$i
egale #i de a reprezenta orice semnal A @ <AE ' A# ' ë ë ë ' A- = cu 8
e#antioane, prin „be$e” verticale plasate în punctele de diviziune
ca în figura 4.5.

Figura 4.5

! 217
În general, dac% A @ <AE ' A# ' ë ë ë ' AoW# = este un semnal
discret cu e#antioane reale, atunci i se poate asocia func$ia în scar%
Ÿ<6=' Ÿ408H'O; 0 / 0! definit% în modul urm%tor: împ%r$im
intervalul [0, 1] în N p%r$i egale #i pe fiecare interval
» »^#
' '0000H m ¬ m n R O, avem Ÿ<6= @ A» ^0fig. 4.6.
o o

Figura 4.6
Dac% A' Ç 7 ˆo sunt dou% semnale (reale) de aceea#i lungime N,
oW# oW# »^# o
atunci A' Ç @ »pE A» Ç» @ »pE » o Ÿ 6 ˙ 6 ]6 @
#
@ E
Ÿ<6=˙<6=]6 @ Ÿ' ˙ .
Celor 8 semnale discrete uE <6=' ë ë ë ' u- <6= din exemplul
anterior le corespund urm%toarele 8 func$ii Walsh în scar% din
figura 4.7.

Figura 4.7

218!
TEOREMA 4.2: Au loc relațiile de ortogonalitate
#
E
u» (6)u‚ (6)d6 = T»‚ , pentru orice i, j. Mai mult, funcțiile
{uB (6)}, ? ≥ 0 formează o bază ortonormală pentru L%[E,#] .
#
Apoi, pentru orice n ≥ 1, E
uB 6 d6 = 0 (pentru că
lungimea totală a intervalelor unde uB 6 = 1 este egală cu cea a
%
intervalelor unde uB 6 = −1), uB 6 =1 și energia
E(uB ) = uB %
= 1. Se poate arăta că subspațiul lui L%E,# general
de funcțiile {uB (6)}, ? ≥ 0 este dens; ca atare, orice funcție
3 ∈ L%E,# se poate dezvolta în serie de funcții Walsh
(3(6) = l BpE πB uB (6) pentru 6 ∈ [0,1]), similar cu seriile
Fourier. În cazul seriilor Fourier, baza de semnale periodice o
constituiau armonicele eB (6) și în cazul seriilor Walsh, semnale
dreptunghiulare, nesinusoidale, constante pe porțiuni, cu valori
+ 1, – 1; în acest caz, în locul noțiunii de „frecvență” se folosește
cea de „secvență”. Menționăm că există transformări Walsh 2D,
algoritmi de calcul rapid al transformării Walsh etc.
Faptul că funcțiile Walsh au numai două valori a constituit
o atracție pentru informaticieni, în manipularea echipamentelor de
procesare a semnalelor, dar în realitate au apărut alte dificultăți,
datorate domeniilor de definiție (adică discontinuităților
semnalelor în scară).
d) Transformarea Karhunen – Loeve
Presupunem dat un vector A = (AE , A# , . . . , AB ){ cu
componentele variabile aleatoare reale relativ la același câmp de

219
probabilități. Prin metode statistice și senzori specializați se
determină matricea sa de covarianță
Σj = M (A − A) ∙ (A − A){ = (”»‚ ); 1 ≤ ¬, Ü ≤ ?,
care descrie gradul de corelație între eșantioane; A = Mx este
vectorul – medie. Aceasta este o matrice pătratică de ordin n, ale
cărei elemente sunt ”»‚ = cov(A» , A‚ ) și ”»» = DA» (dispersiile).
Matricea Σj depinde de scala de măsură a eșantioanelor A» . Fiind
simetrică, valorile ei proprii t» sunt reale; în plus, Σj este pozitiv
– semidefinită, deci t» ≥ 0 pentru orice i.
Fără detalii, dăm modul de determinare a transformării
Karhunen – Loeve (K–L).
Algoritmul de compresie
Pasul 1. Se determină valorile proprii ale matricei Σj și se
rețin cele mai mari m dintre ele: t# > t% >. . . > tä ; numărul m
este fixat de utilizator, în funcție de prima „gaură” (adică
tä ≫ tä^# ).
Pasul 2. Fie G# , . . . , Gä , Gä^# , . . . , GB versorii – coloană
proprii pentru matricea Σj , corespunzând valorilor proprii în
ordine descrescătoare și fie z = (G# |. . . |Gä ){ matricea â×?
corespunzătoare.
Pasul 3. Se determină constantele :» = G»{ ∙ A, pentru
m + 1 ≤ i ≤ n. Dacă media A = 0, atunci :» = 0.
Pasul 4. Matricea A fiind astfel determinată, fie y = Ax deci
ä
A = z{ ∙ Ç = »p# Ç» G» și se obține astfel descompunerea
ä B
A ≅ Aä = »p# Ç» G» + ‚pä^# :‚ G‚ .

220
Definiția 4.5: Transformarea Karhunen–Loeve de
compresie este aplicația liniară
T: ℝB → ℝä , (A# , . . . , AB ) ↦ (Ç# , . . . , Çä ),
care înlocuiește vectorul inițial de date x cu vectorul redus y
obținut prin compresie.
Din relația y=Ax, rezultă
Σ) = zΣj z{ = (G# |. . . |Gä ){ ∙ Σj ∙ (G# , . . . , Gä ) =
(G# | … |Gä ){ ∙ (Σj G# | … |Σj Gä ) =
= (G# |. . . |Gä ){ ∙ (λ# G# |. . . |λä Gä ) = diag(t# , . . . , tä ).
În acest mod, matricea de covarianță a vectorului Σ)
rezultă prin aplicarea algoritmului K–L este diagonală (adică
vectorii Ç» sunt necorelați). Așadar, cov(Ç» , Ç‚ ) = 0 pentru i ≠ j și
t» = DÇ» (dispersia lui Ç» ), 1 ≤ i ≤ m.
Se poate arăta că eroarea medie pătratică în aproximarea
A ≅ Aä (unde A = ä ä B
»p# Ç» G» și Aä = »p# Ç» G» + ‚pä^# :‚ G‚ )
B % B
adică ÿä = ä^# A − Aä are valoarea minimă ‚pä^# t» ,

adică neglijabilă (deoarece aceste t» au valorile cele mai mici!).


Exemplu
1 1
Presupunem că n=2, A = 0 și Σj = ; valorile
1 1
proprii ale matricei Σj sunt t# = 2, t% = 0 și versorii proprii
% % { % % {
corespunzători sunt G# = ( , ) , G% =( ,− ) . Luând
% % % %
% %
m = 1, z = ( , ) și rezultă transformarea K – L
% %
A# % % A# %
T: ℝ% → ℝ, A = A ↦ z ∙ A = , A% = A# + A% .
% % % %

221
e) Transformarea prin undine („wavelets”)
Ferestre
Oric%rui semnal continual x(t) i se pot aplica diverse
transform%ri, prin care se ob$in alte semnale; de exemplu,
deplasatul A<6 R := @ õ_ A al lui x cu b unit%$i de timp. Opera$ia
õ_ se mai nume#te transla$ie, întârziere sau glisare. De asemenea,
dac% a $ 0, se poate considera semnalul x(at), ob$inut prin scalare;
dac% a > 1 se ob$ine o compresie (o restrângere a suportului).
Exemplu
Fie semnalul x(t) cu graficul din figura 4.8. Atunci
semnalele 2x(t – 1) #i x(3t) au graficele în figura 4.9.

Figura 4.8 Figura 4.9


Am numit fereastr& (defini$ia 3.10) orice semnal
b40!0 / 05 din clasa "#! Z "%! .
Exemple
a
- Fereastra gaussian% este b<6= @ iW0QÅ (a > 0 constant%).
- Dac% g este o fereastr%, atunci deplasata g(t – b) este tot o
fereastr% #i mai general, dac% 9' : 7 !' 9 [ H, atunci semnalul
# ÅW_
bQ'_ <6= @ b este ob$inut prin deplasare, urmat% de
Q Q

scalare.

222!
# ÅW#
De exemplu, dac% a = 4 #i b = 1, atunci bx'# <6= @ b ;
% x
figura 4.10.

Figura 4.10
Spectrul frecven$ial al lui bQ'_ <6= este
bQ'_ { @ ? bQ'_ 6 @
# l ÅW_ ÅW_pQ(
@ Wl
b iW0¥}Å ]60 @ 9 iW0»_} b<9{=.
Q Q

Apoi, energia lui bQ'_ este egal% cu energia lui g (Într-


adev%r,
%
E(bQ'_ = @ bQ'_ ' bQ'_ @ bQ'_ 6 ]6 @
# ÅW_ % ÅW_pQ( # %
@ 0b ]6 @ 0b G È 9 ]G
Q Q Q
%
@ 0b G ]G @ “<b==ë
Dac% fereastra g este bine localizat% în punctul <6E ' {E = din
planul T/F, atunci bQ'_ este bine localizat% în vecin%tatea punctului
<6E X :' 9{E =.
Se observ% c% prin diverse glis%ri #i scal%ri se ob$in tot felul
de „caricaturi” ale ferestrei ini$iale, cu modific%ri ale suportului
sau amplitudinii, dar p%strând alura #i energia. Numerele a, b
(numite parametri de scalare #i respectiv glisare) au fost numere

! 223
#
reale. Un caz foarte important este cel în care 9 @ #i

B
:@ 0 cu â' ? 7 >. În acest caz, rezult% ferestrele

bäB <6= @ &ä B
È b<&ä 6 R ?=, ob$inute din g prin m
compresii de raport 2 #i o glisare.
O problem% fundamental%, la care ne vom referi în acest
capitol, o constituie determinarea unor ferestre g(t) astfel încât
familia de func$ii {bäB <6=h; â' ? 7 > s% formeze o baz%
ortonormal% a spa$iului "%! .
Conceptul de undin%
Defini$ia 4.6: Se nume#te undin& (1 „wavelet”) orice
fereastr% Ù<6= având energia egal% cu 1 #i în plus, Ù<H= @ H, iar
a
â<}=
integrala improprie ]{ este convergent% (cu valoarea K,
}
numit constanta lui Calderon).
Exemplu (undina lui Haar). Fie Ù40!0 / 0!' Ù<6= @ O
# #
dac% 6 7 8H' =, Ù<6= @ RO dac% 6 7 < ' O; #i nul% în rest. În acest
% %
#
%¥ } W0¥
caz, Ù<{= @ <O R Lc) = È i a pentru { [ H. În figura 4.11
} %
sunt indicate graficele Ç @ Ù<6= #i Ç @ Ù<{= .

Figura 4.11

224!
Dacă Ù este o undină, atunci se arată ușor că pentru orice
# ÅW_
9, : ∈ ℝ, 9 ≠ 0, semnalul ÙQ,_ (6) = Ù este de
Q Q

asemenea o undină și în particular, are energia egală cu 1.


Fixăm în continuare o undină Ù, numită generatoare.
Definiția 4.7: Pentru orice semnal 3: ℝ → ℂ, 3 ∈ L%ℝ și se
definește funcția u¢ (:, 9) de două variabile reale a, b (a ≠ 0),
definită prin
# ÅW_
u¢ (:, 9) = 3, ÙQ,_ = 3(6)Ù( )d6. (24)
Q Q

Aplicația 3(6) ↦ u¢ (:, 9) se numește transformarea prin undina


generatoare Ù, sau transformarea integrală IWT.
Așadar, oricărui semnal 3 ∈ L%ℝ i se asociază o familie de
numere reale sau complexe depinzând de doi parametri (b de
glisare și a de scalare). Acești parametri nu au o interpretare fizică
#
directă. Inversul este similar frecvenței. Dacă 3 = ÙQ,_ , atunci
Q
u¢ (:, 9) ≡ 1.
Notă
Se observă analogia cu transformata Fourier, prin care
oricărui semnal 3 ∈ L%ℝ i se asociază o familie de numere complexe
3({) depinzând de un singur parametru real { (pulsația). Teoria
undinelor nu se substituie Analizei Fourier ci o însoțește și o
îmbogățește.
Dăm câteva proprietăți, fără detalii de demonstrație:
Fie 9, : ∈ ℝ, 9 ≠ 0 și 3 ∈ L%ℝ .

225
1. u¢ (:, 9) ≤ E(3) și egalitatea are loc dacă f este
coliniar cu ÙQ,_ ; aceasta rezultă din (24) și din egalitatea lui
Schwartz.
2. Dacă õ ∈ ℝ și b(6) = 3(6 − õ), atunci
uê (:, 9) = u¢ (: − õ, 9);
3. Dacă ã > 0 și ℎ(6) = 3(ã6), atunci
#
u∏ (:, 9) = u¢ (ã:, ã9);
Q
aceste două proprietăți decurg direct din definiții.
Exemplu
Transformarea prin undine (IWT) se poate utiliza pentru a
evidenția unele particularități ale semnalului 3(6) studiat. Astfel,
dacă 3(6) este un semnal muzical, el se poate grupa în diverse
octave, identificând atât locațiile în timp, cât și mărimile spectrelor
în fiecare bandă de frecvență. Extinzând IWT la semnale 2D, se
pot obține informații privind redundanțele spațiale și spectrale ale
imaginii în fiecare bandă de octavă, pe direcție orizontală și
verticală.
Fie Ù(6) o undină cu suport compact, astfel încât
6 U Ù(6) = 0 pentru 0 ≤ k ≤ p. Presupunem că semnalul 3(6) are
o dezvoltare Taylor în jurul unui punct 6 = 6E , anume
 ¢ (◊) (Åó )
3(6) = UpE (6 − 6E )U + ü (6), pentru 6 − 6E < ¿ < 1.
U!
Atunci pentru 0 < a ≤ r, rezultă conform (24):
# ÅWÅó # Åó ^8 ÅWÅ
u¢ (6E , 9) = 3(6)Ù( )d6 = Åó W8 Â
ü (6)Ù( ó )d6.
Q Q Q Q
Â
Deoarece ü (6) = ä(¿ ) și a ≤ r, rezultă că u¢ (6E , 9) este „mic”
dacă suportul lui Ù este „mic”. Variind a, se pot identifica diverse

226
detalii ale lui 3(6); de exemplu, dacă r este raza de convergență a
dezvoltării Taylor în jurul lui 6E și dacă u¢ (6E , 9) este „mare”,
rezultă că derivata 3 (Â) (6E ) are discontinuități în punctele 6E ± ¿.
Fără demonstrație, un rezultat nebanal îl constituie
următoarea
TEOREMA 4.3 (de inversare, reconstrucția lui 3(6) din
cunoașterea lui u¢ ): Fie 3: ℝ → ℂ un semnal continuu astfel încât
3 ∈ L#ℝ ∩ L%ℝ și 3 ∈ L#ℝ . Atunci
# #
∀6 ∈ ℝ, 3(6) = u (:, 9)
ℝa Q a ¢
∙ ÙQ,_ (6)d9d:,
ã
unde K este constanta lui Calderon.
Această teoremă este dificil de aplicat, dar doamna Ingrid
Daubechies, a indicat condiții să existe o constantă A > 0 astfel
B #
încât 3(6) ≅ z ä,B u¢ (%Ï , %Ï ) ∙ Ùä,B (6), unde
Ùä,B (6) = 2ä %
∙ Ù(2ä 6 − ?) (25)
pentru â, ? ∈ ℤ.
Aceeași profesoară a demonstrat următorul rezultat fundamental:
TEOREMA 4.4 (I. Daubechies): Pentru orice întreg k ≥ 0
există o undină generatoare Ù(6) de clasă CUℝ cu suport compact
(deci nulă în afara unui interval mărginit) astfel încât funcțiile
Ùä,B (6); â, ? ∈ ℤ formează o bază ortonormală a spațiului
Hilbert L%ℝ .
Nu dăm demonstrația, dar indicăm diverse consecințe
remarcabile.
Așadar, orice semnal 3(6) din L%ℝ se reprezintă printr-o
dezvoltare în serie dublă de funcții, de forma

227
3(6) = ä B ãäB ÙäB (6), 6 ∈ ℝ, (26)
unde coeficienții sunt dați de formulele
l
ãäB = 3, ÙäB = 2ä %
–l
3(6) Ù(2ä 6 − ?)d6 (27)
â, ? ∈ ℤ.
Formulele (27) rezultă direct din (26) prin utilizarea
ortonormalității bazei „ÙäB ”:
3, ÙäB = Â Ê ãÂÊ ÙÂÊ , ÙäB =
= Â Ê ãÂÊ ÙÂÊ , ÙäB = Â Ê ãÂÊ TÂä TÊB = ãäB .
Așadar, orice semnal 3(6) ∈ L%ℝ se identifică prin șirul
coeficienților (ãäB ), ceea ce este încă o manifestare a conversiei
A / D; integralele (27) care dau coeficienții ãäB sunt în marea
majoritate nule sau neglijabile (datorită faptului că undina
generatoare Ù are suport compact!). Dar mai este ceva: din relația
(26), rezultă că 3(6) = ä( B ãäB ÙäB (6)) și notând
3ä (6) = B ãäB ÙäB (6), â ∈ ℤ, rezultă că
3(6) = ä 3ä (6), 6 ∈ ℝ. (28)
Avem astfel un nou tip de descompunere a semnalului
3(6): semnalele 3ä (6), â ∈ ℤ se numesc vocile lui f (de ordin m).
Ca atare, relația (28) este o descompunere a lui 3(6) în voci și nu
în armonici (ca în cazul dezvoltărilor în serie Fourier). Conceptul
de voce este legat de cel de rezoluție și „zoom”-are.
Prezentăm acum o ultimă virtute a undinelor...
Dacă 3 ∈ L%ℝ este o funcție nulă în afara unui interval
[- a, a], atunci putem prelungi f prin periodicitate T = 2a și apoi
¥B}Å
dezvolta f în serie Fourier de armonici: 3(6) = B∈ℤ πB e , unde

228
%, ,
{= = . Dar și în serie de voci: 3(6) = ä,B ãäB ÙäB (6) ,
\ Q
pentru o undină generatoare Ù aleasă. Dacă funcția f este netedă,
cele două dezvoltări sunt oarecum echivalente ca viteză de
convergență. Dar dacă f are o discontinuitate, convergența seriei
Fourier poate fi compromisă (vezi efectul Gibbs); la undine,
fenomenul este mai atenuat.
Teoria undinelor urmărește sistematic proprietățile de bună
localizare, conversie A / D și controlul rezoluției. Există diverse
metode și algoritmi de construire de undine generatoare, adaptate
unor domenii specifice – studiul semnalelor radar/sonar, al undelor
seismice, semnalului vocal, al procesării imaginilor, cu mare
succes în domeniul compresiei și filtrării și în ultimul timp, al
detecției undelor gravitaționale.
Așa cum am mai spus, transformata Fourier
3({) = ℱ{3(6)}, { ∈ ℝ determină o „rezoluție de frecvență”,
deci posibilitatea considerării diverselor subbenzi de frecvență, cu
eliminarea unora prin filtrări corespunzătoare. În natură și în
laboratoare se întâlnesc sau se construiesc diverse dispozitive de
procesare a frecvențelor; ochiul, urechea, nasul nostru sunt în fond
exemple de filtre. Undinele sunt și în acest domeniu purtătoare de
progres și noutate științifico–tehnologică.
Notă istorică
Ingrid Daubechies (n. 1954) este o matematiciană și
fiziciană belgiană, profesoară la Princeton și apoi la Duke Univ.,
prima femeie aleasă președinte a IMU („Uniunea Internațională a
Matematicienilor”). Este printre fondatorii Teoriei undinelor

229
(„wavelets”), având contribuții profunde privind procesarea
semnalelor digitale, imagistica medicală, telediagnoză, compresia
imaginilor și recunoașterea amprentelor umane. O clasă de undine
îi poartă numele, fiind utilizate în standardul JPEG.
În 2012 a primit titlul de baroneasă din partea regelui
Albert II. Este autoarea unui manual celebru „Ten lectures in
wavelets” și a sute de lucrări și comunicări științifice. Soțul ei este
tot matematician și împreună sunt părinții a doi copii, cărora le
arată toată devoțiunea.

§4.5. Aplicații la radar, separarea semnalului util,


compresia semnalelor
I. Aplicarea undinelor la RADAR
Scopul Radarului este acela de a obține informații despre
obiecte zburătoare – poziția și viteza unui avion sau a unei
rachete –, la o stație de pe Pământ. Localizarea unui obiect se face
măsurând timpul de întârziere între un semnal trimis și ecoul său
după atingerea obiectului, ținând cont și de efectul Doppler datorat
deplasării obiectului.
Comparația dintre semnalul trimis și ecou permite
determinarea, cu aproximație, a distanței variabile D dintre obiect
și stația Radar, ca și a vitezei radiale, în lungul liniei de vedere.
Semnalul trimis, de la Radar este o undină Ù(6) reprezentând
tensiunea alimentată în antena de transmisie, care convertește Ù(6)
într-o undă electromagnetică (figura 4.12). După reflexia de
obiect, unda electromagnetică ecou este convertită de aceeași
antenă într-un

230
Figura 4.12
semnal 3<6=. Undele electromagnetice se propag% cu viteza c a
luminii #i dac% obiectul zbur%tor urm%rit este presupus în repaus
(v = 0) la distan$a D de sta$ia Radar, atunci
%/
3<6= @ ãÙ 6 R , (29)
n
unde ã0> 0 este o constant% care depinde de reflectivitatea
obiectului #i de atenuarea semnalului. Dac% obiectul este relativ
mic #i se deplaseaz% cu viteza radial% v, atunci distan$a dintre
obiect #i sta$ie la momentul t este
› 6 @ ›E X u6, unde 0›E @ ›<H=ë (30)
Dac% v > 0, atunci obiectul se îndep%rteaz% #i dac% v < 0, se
apropie. Notând cu õ<6= întârzierea ecoului care sose#te la
momentul t, atunci
s<Å=
π È õ<6= @ &› 6 R , (31)
%
deci conform (30),
s<Å=
π È õ<6= @ &›E X &u È 6 R @ &›E X &u6 R uõ<6=,
%
%/ó ^%ñÅ
adic% <π X u= È õ<6= @ &›E X &u6, de unde õ<6= @ .
n^ñ
Din rela$iile (29) #i (30), rezult% c%
%/ó ^%ñÅ
3<6= @ ãÙ 6 R . (32)
n^ñ

! 231
Determinăm acum parametri reali a, b astfel încât
%/ó ^%ñÅ ÅW_
6− = , pentru orice t. Identificând coeficienții lui t și
n^ñ Q
n^ñ %Q/ó
termenii liberi, rezultă 9 = ,: = , de unde
nWñ n^ñ
QW# _n
u=π∙ , ›E = . (33)
Q^# Q^#
Deoarece v < c, rezultă a > 0. Apoi dacă v > 0, atunci a > 1
(adică obiectul se îndepărtează), atunci conform (32),
ÅW_
3(6) = ãÙ = ã 9ÙQ,_ (6).
Q
Energia semnalului f este E(3) = 3(6) % d6 =
%
ã%9 ÙQ,_ (6) d6 = ã % 9E(ÙQ,_ ) = ã % 9.
Am stabilit astfel:
TEOREMA 4.5: Semnalul 3(6) convertit după reflexie
din semnalul radar Ù(6) este de forma 3(6) = ã 9ÙQ,_ (6), unde
n^ñ %Q/ó
9= ,: = , v este viteza radială a obiectului, ›E distanța
nWñ n^ñ
inițială de stație și c – viteza luminii.
Parametrii a, b se determină cu aproximație comparând
semnalul Ù(6) trimis și semnalul ecou primit (de exemplu, punând
condiția ca ÙQ,_ și Ù să fie coliniare). De îndată ce se cunosc a, b,
se determină v, ›E conform (33). Conform definiției 3.10, dacă {∗
este centrul frecvențial al undinei Ù(6) și a > 1, atunci semnalul
ecou 3(6) se localizează într-o bandă de frecvență în jurul valorii
}∗
, deci mai îngustă decât cea a semnalului trimis.
Q
Pentru specialiștii în detecția Radar sau Sonar (în cazul
obiectelor submarine sau al imitării liliecilor), astfel de
considerații, completate cu virtuțile undinelor, sunt esențiale.

232
II. Separarea semnalului util de zgomot
Fiind dat un semnal 3(6), periodic sau nu, Analiza Fourier
permite calculul frecvențelor și amplitudinilor componentelor
semnalului. Pentru semnale care nu sunt netede sau sunt aleatoare
nestaționare, undinele permit studiul local al lor și al diverselor
metode de eliminare sau atenuare a zgomotelor care „corup”
semnalele.
Vom da un exemplu sugestiv pe cazul unui semnal de
durată finită, presupus definit (fără restrângerea generalității) pe
intervalul de timp [0, 1]. Dacă f: [0,1] → ℝ este un semnal
continuu din L#ℝ ∩ L%ℝ , prelungit la ℝ prin periodicitate T = 1 (deci
{ = 2() atunci conform teoremei 1.5, formula (25), rezultă:
%,¥BÅ
∀6 ∈ 0,1 , 3 6 = B∈ℤ πB e , (34)
#
unde πB = E
3(6) eW %,¥BÅ d6.
În acest mod, semnalul analogic 3(6) poate fi identificat cu
semnalul digital (πB ), ? ∈ ℤ (conversia A / D).
Exemplu
à a ç a
Fie semnalul 3 6 = ã 6 ∙ e_ ÅW
å + e_ ÅW
å ,

6 ∈ [0,1], unde b = – 50π și ã(6) = 4 cos(2(×406), cu graficul


redat schematic în figura 4.13. Cei doi termeni din paranteză sunt
neglijabili cu excepția valorilor lui t din vecinătatea punctelor
# -
6 = , 6 = . Semnalul 3(6) poate fi utilizat de un modem, pentru
ƒ ƒ
a transmite octetul 01000001 (care reprezintă litera A în codul
ASCII).

233
Figura 4.13
Modulele πB ale coeficien$ilor Fourier din formula (34) sunt
neglijabile pentru toate valorile n (– 63 ) n ) 64) cu excep$ia
valorilor lui n apropiate de – 40 #i 40 (men$ionate în expresia lui
ã<6=). Spectrul în amplitudine al lui f este redat în figura 4.14.

Figura 4.14
Presupunem acum c% pân% la recep$ie, semnalul 3<6= este
distorsionat de un zgomot adi$ional cu media ˛<6=' 6 7 8H'O; având
graficul indicat în figura 4.15, cu coeficien$ii Fourier ŒB

234!
Figura 4.15
neglijabili pentru ? I &H (s% zicem!). Spectrul de amplitudine al
semnalului 3<6= X ˛<6=0este indicat în figura 4.16. Coeficien$ii
Fourier pentru semnalele f #i 3 X ˛ sunt separa$i.

Figura 4.16 Figura 4.17


Folosind un filtru cu func$ia H(n) egal% cu 1 într-o vecin%tate V a
frecven$elor – 40 #i + 40, nul în intervalul (– 20, 20) #i în afara lui
V (ca în figura 4.17), se reg%sesc coeficien$ii πBÌ s πB , iar suma
Ì %,¥BÅ
seriei B7> πB i reprezint% un semnal 3# <6= care aproximeaz%
semnalul ini$ial, cur%$at astfel de zgomot.
III. Compresia semnalelor
În prelucrarea #i transmisia semnalelor, un rol important
revine elimin%rii redundan$elor, ceea ce reduce num%rul de

! 235
e#antioane rezultate #i esen$ializeaz% informa$ia, cu pierderi deplin
acceptabile. Astfel, pentru un text care con$ine OH® simboluri #i
c%ruia i se aplic% o compresie de raport 4:1, spa$iul ocupat se
reduce la o treime. De asemenea, sondele spa$iale au transmis
imagini de pe planeta Marte, fiecare având câte OH- pixeli, cu
nivele de str%lucire între 0 #i &ƒ R O. Orice astfel de imagine
necesit% peste OHy bi$i de informa$ie #i numai dup% compresii de
mare raport, fotografiile au putut fi decodificate #i publicate.
Fie un semnal f:[0,1] / 0! din "#! Z "%! ; se împarte
#
intervalul [0, 1] în N subintervale de lungime , prin punctele de
o
# % oW#
diviziune H' ' ' ë ë ë ' ' O (cu n — & ales convenabil). Not%m
o o o
B
6B @ ' H m ? m n R O deci f se poate modela prin semnalul
o
discret (3<6B ==' H m ? m n R O, care la rândul lui se poate
identifica prin func$ia în scar% 3J 408H'O; 0 / 0!, ob$inut% prin
blocarea e#antioanelor pe subintervale; adic% 3J <6= @ 3<6B = pentru
6 7 86B ' 6B^# =' H m ? m n R O; figura 4.18. De regul%, se alege N
astfel încât energia lui 3J 0s% fie apropiat% de energia lui f, adic%
oW# % #
BpE 3<6B = s E
3<6= % ]6.

Figura 4.18

236!
Exemplu
à a
Fie 3: [0,1] → ℝ, 3(6) = eW _(ÅWø) , unde b = 50π.
Alegem N=128, considerăm eșantioanele AB = 3 6B =
B
3 , 0 ≤ ? ≤ 127. Aplicând TFD, se pot calcula
o
∂√. x W
ÆÕ
3U = #%- UB
BpE AB u , 0 ≤ S ≤ 127, unde v = e éæ (cu 3U calculați
folosind algoritmul FFT). Realizăm acum o compresie de raport
4:1 reținând din cei 128 de coeficienți 3U doar 32, aleși din 4 în 4;
anume 3EÖ = 3E , 3#Ö = 3x , 3%Ö = 3ƒ , . . . , 3Y#
Ö
= 3#%x . Apoi se
calculează (cu ITFD și tot cu FFT):
∂√. y # Y# Ö W UB
ABÖ = UpE 3U u , 0 ≤ ? ≤ 31. Se obține astfel
Y%
semnalul A Ö = (AEÖ , A#Ö , . . . , AY#
Ö
), care modelează satisfăcător
semnalul inițial. Așadar, în locul transmisiei a 128 de eșantioane,
se transmit doar 32. Semnalul comprimat A Ö are peste 70% din
energia semnalului x inițial.
Un rezultat similar se obține aplicând TCD.
Atenție!
Lanțul de operații: 3(6) → EȘANTIONARE → TFD →
COMPRESIE → CODIFICARE→TRANSMISIE → DECODIFICARE
LA RECEPȚIE → ITFD → RECONSTRUCȚIA 3# (6) ≅ 3(6) este
mai eficient decât EȘANTIONAREA lui 3(6) urmată de o
COMPRESIE „mecanică”, deoarece transformările TFD și ITFD =
TFDW# au proprietatea de a „amesteca” în mod benefic informațiile
cuprinse în eșantioane.
Reluăm același exemplu, dar aplicând undinele. Fixăm o
undină generatoare Daubechies Ù cu suportul [0, 1] (disponibilă

237
pe Internet!), astfel încât undinele ÙäB 6 = 2B %
∙ Ù 2B 6 − â
pentru â, ? ∈ ℤ să formeze o bază ortonormală în spațiul Hilbert
L%[E,#] . Atunci semnalul f din exemplul anterior are o dezvoltare în
serie de undine: 3(6) = ä B ãäB ÙäB (6), unde
ãäB = 3, ÙäB = 2B % B
3(6) ∙ Ù(2 6 − â)d6. Datorită celor
doi parametri m, n de glisare și scalare, această dezvoltare permite
o analiză mai eficientă a comportării lui f; de exemplu, într-o zonă
mai densă de locații în timp, se consideră mai multe valori ale lui
n, realizând un „zoom” în acea zonă. Iar în cazul studierii unor
imagini ale corpului unui pacient, se consideră o densitate mai
mare de valori în zonele de interes major (inimă, creier etc).
Alegând valori – 15 ≤ m, n ≤ 16 (deci 32% = 1024 perechi
(m, n)), se obține o foarte bună aproximare a lui f.
Pentru – 3 ≤ m, n ≤ 4, adică 64 perechi (m, n), majoritatea
coeficienților ãäB sunt neglijabili (conform alegerii undinei
generatoare Ù) și în acest caz, se realizează o compresie de raport
#E%x
16:1 (deoarece = 16). S-a constatat că semnalul
yx
x x
3 5 (6) = äpWY BpWY ãäB ÙäB (6) este și el suficient de apropiat
de f, cu energia de peste 90 % din energia lui f, ceea ce atestă o
bună compresie (indicele superior „w” amintește de termenul
„wavelet”). În plus, codificarea lui 3 5 și transmisia sa digitală sunt
mai rapide decât în cazul TFD sau TCD.
Notă
Pentru compresia semnalelor audio, algoritmul MPEG de
codificare comprimă / compresează semnalele de 700 kbit/s cu
eșantioane de 44 kHz deci 16 bit/eșantion. S-au realizat compresii

238
de raport 16:1 prin alegerea unei undine Daubechies având un
suport îngust pentru frecvențe mari și mai larg pentru frecvențe
mici.
În cazul compresiei imaginilor în format digital, rezoluția
imaginilor este măsurată în număr pixeli / inch2; pentru imagini
alb–negru s-au realizat compresii de raport 32:1, atât prin
restrângerea redundanței informațiilor spațiale (prin corelarea
valorilor pixelilor vecini), cât și spectrale (prin corelarea valorilor
spectrelor de la o octavă la alta, pentru aceleași locații ale
pixelilor).
În compresia video a imaginilor care se derulează în timp,
se exploatează faptul că în momente vecine, cadrele nu diferă mult
unele de altele. În acest caz, s-au realizat compresii chiar și de
raport 1000:1, ceea ce a fost stimulat de utilizarea undinelor.

239
„Fourier's theory tells us that every curve, no
matter what its nature may be, or in what way it
was originally obtained, can be exactly reproduced
by superposing a sufficient number of simple
harmonic curves – in brief, every curve or
surface can be built up by piling up waves.”
Sir JAMES JEANS

CAPITOLUL 5: ANALIZĂ FOURIER


MULTIDIMENSIONALĂ ȘI FILTRE

§5.1. Introducere
Extindem la funcții de n variabile reale multe din
conceptele din capitolele anterioare, dar nu de dragul generalizării
matematice sterile, ci din dorința de a prezenta descrieri și studii
de fenomene noi – cristalografie, tomografie, probleme fizico –
tehnice 2D sau 3D etc. Ca notație formală, este mai comod cazul
n–dimensional, dar cele mai multe aplicații le vom da pentru cazul
2D. Am inclus o prezentare a filtrelor analogice și digitale, ca
sisteme intrare / ieșire în cazul 1D; aceasta poate fi extinsă și la
cazul multidimensional.

§5.2. Serii Fourier duble


Am văzut rolul bazelor ortonormale pentru spațiul Hilbert
L%D (F ⊂ ℝ interval). Dar dacă › ⊂ ℝB este o regiune, este dificil

241
de indicat o bază ortonormală pentru L%/ , în afara cazului când D
este un paralelipiped sau o bilă sferică.
Considerăm cazul 2- dimensional al unui dreptunghi
› = [9, :]×[π, Œ]. Fie Gä : ℝ → ℂ, â ≥ 1 o bază ortonormală
pentru L%[Q,_] și uB : ℝ → ℂ, ? ≥ 1 o bază ortonormală pentru
L%[n,ı] . Se arată ușor că funcțiile
|äB (A, Ç) = Gä (A) ∙ GB (Ç); â, ? ≥ 1, formează o bază
ortonormală pentru L%/ .
În multe situații concrete (de exemplu, în Cristalografie și
în Studiul Materialelor) se întâlnesc funcții 3(A, Ç) dublu periodice
de perioadă (Z# , Z% ). Pentru simplitate, vom considera doar cazul
funcțiilor periodice de perioadă 1 în fiecare variabilă (adică
3(A + 1, Ç) = 3(A, Ç) și 3(A, Ç + 1) = 3(A, Ç) pentru orice x, y);
ele trebuie definite doar în pătratul unitate P = [0,1]×[0,1].
Conform teoremei 1.4 din Capitolul 1, funcțiile
GB (6) = e%,¥BÅ , ? ∈ ℤ formează o bază ortonormală pentru L%[E,#]
deci familia |äB (A, Ç) = e%,»(äj^B)) ; â, ? ∈ ℤ formează o bază
ortonormală pentru L%Î . Ca atare, orice funcție dublu – periodică
din L%Î se reprezintă printr-o serie Fourier dublă de forma:
3(A, Ç) = ä,B πäB |äB (A, Ç), unde
# #
πäB = 3, |äB = E E
3(A, Ç)eW %,»(äj^B)) dAdÇ
seria fiind convergentă în normă (similar teoremei 1.6 din
Capitolul 1).
Cele spuse se extind fără dificultate la cazul n ≥ 2. Pentru
a nu rămâne la generalități, considerăm următorul

242
Exemplu
Fie D = [0, 9]×[0, :]×[0, π] o cutie paralelipipedică, având
în interior o distribuție de sarcini electrice cu densitatea Ë(A, Ç, ∫)
și fețele cutiei sunt puse la pământ (având potențialul electrostatic
nul). Se pune problema determinării potențialului în interiorul
cutiei și pentru aceasta, trebuie să determinăm soluția
ecuației Poisson
∆G = − 4(Ë(A, Ç, ∫) în D, (1)
cu condițiile G(0, Ç, ∫) = G(9, Ç, ∫) = 0 pentru orice y, z;
G(A, 0, ∫) = G(A, :, ∫) = 0, pentru orice x, z și G(A, Ç, 0) =
G(A, Ç, π) = 0 pentru orice x, y. Căutăm soluții de forma unor serii
Fourier de sinuși în fiecare variabilă:
l ä,j B,) Â,ª
G(A, Ç, ∫) = ä,B,Âp# ãä,B, sin sin sin .
Q _ n
Ecuația (1) devine
l äa Ba Âa ä,j B,) Â,ª
− ä,B,Âp# Q a + + ( % ãä,B, sin sin sin =
_a na Q _ n
W#
Y% äa Ba Âa
−4(Ë(A, Ç, ∫), de unde rezultă ãä,B, = ,Q_n Qa
+
_ a + na

Q _ n ä,j B,) Â,ª
E E E
Ë(A, Ç, ∫) sin
Q
sin
_
sin
n
ŒAŒÇŒ∫ pentru m, n, p≥ 1.

§5.3. Transformarea Fourier multidimensională


Mai întâi, câteva pregătiri notaționale...
Pentru A = A# , … , AB , Ç = (Ç# , . . . , ÇB ), considerăm
produsul scalar A ∙ Ç = U AU ÇU , norma A = (A#% +. . . +AB% )# %
și
l l
scriem 3(A)dA în loc de Wl
. . . Wl 3(A# , . . . , AB )dA# . . . dAB .

243
În analogie cu cazul 1D, se definește convoluția
(3 ∗ b)(6) = 3(∫)b(6 − ∫)d∫, fără a preciza condiții de
existență și proprietățile tipice (comutativitate, distributivitate,
; ;¢
(3 ∗ b) = ∗ b etc). Similar cu definiția 3.1, introducem:
;j◊ ;j◊

Definiția 5.1: Dacă 3: ℝB → ℂ este o funcție din L#ℝ£ ,


transformata Fourier n–dimensională a lui f este funcția
3 = ℱB {3}: ℝB → ℂ definită prin următoarea integrală multiplă
improprie
3({) = ℝ£
3(6)eW ¥(}∙Å) d 6. (3)
Funcția 3 este mărginită (căci 3({) ≤ 3 # pentru orice
{ ∈ ℝB ) și tinde spre zero dacă { → 0 în orice direcție.
Dacă 3 ∈ L# ∩ L% pe ℝB , are loc și formula de inversare:
#
3(6) = 3({)e ¥(}∙Å) d {, (4)
(%,)£ ℝ£

pentru a.p. 6 ∈ ℝB . Se extind fără dificultăți principiale


proprietățile operatorului Fourier ℱB : L%ℝ£ → L%ℝ£ , 3 ↦ 3. De
exemplu:
ℱ{3(6 − 9)} = eW ¥(}∙Q) 3({);
ℱ{e ¥(Q∙Å) 3(6)} = 3({ − 9);
!

({) = i{‚ 3({); dacă b ∈ L# și 3 ∗ b ∈ L# , atunci
;jè

(3 ∗ b)! = 3b; 3, b = (2()B 3, b ;


%
3 = (2()B ∙ 3 %
.
O funcție 3: ℝB → ℝ se numește radială dacă

244
3(zA) = 3(A) pentru orice matrice ortogonală z ∈ MB (ℝ); în
acest caz, 3(A) depinde doar de A . Atunci ℱ comută cu
rotațiile, în sensul că ℱ{3(zA)} = 3(z{).
Dacă f este rapid descrescătoare (se scrie 3 ∈ $), atunci
3 ∈ $ și dacă T ∈ $′ este o distribuție temperată n – dimensională,
atunci se definește transformata Fourier Z = ℱB Z, ca în
definiția 3.8.
Vom vedea cum se folosește transformarea Fourier 2D (sau
3D) la procesarea imaginilor și în Tomografie.
Exemple
1) Operatorul Fourier transformă operatorii diferențiali cu
coeficienți constanți în multiplicare cu polinoame. Anume, dacă
B ;( B ;a (
L(u) = au + Up# :U ;Å + ‚,Up# π‚U ;Å ;Å , atunci L(G) ! ({) =
◊ è ◊

ç({)G({), unde P({) = 9 + U :U {U − ‚,U π‚U {‚ {U .

O ecuație de forma Lu = f se transformă în PG = 3 și dacă


polinomul P nu are zerouri în ℝB , atunci conform (4),
# ¢(}) ¥(Å∙})
G(6) = e d{.
(%,)£ Î(})

2) Iată versiunea n–dimensională a inegalității lui


Heisenberg (teorema 3,12). Definim dispersia lui f în jurul unui
punct 9 ∈ ℝB ca fiind un vector n–dimensional DQ 3 cu
# %
componentele(DQ 3)U = a (6U − 9U )% ∙ 3(6) d6. Atunci
¢(Å) ˜Å
#
pentru orice k și orice 9, : ∈ ℝB , (DQ 3)U ∙ (D_ 3)U ≥ . Această
x
inegalitate are următoarea interpretare: principiul incertitudinii are

245
loc pentru fiecare din cele n componente ale poziției și
momentului.
3) În Fizica teoretică se folosește explicit transformarea
Fourier 4D, în modul următor: fie 6 = (6E , 6# , 6% , 6Y ) ∈ ℝx , unde
6# , 6% , 6Y sunt componentele vectorului de poziție al punctului
curent (relativ la un reper fixat), iar 6E este momentul de timp la
care au fost măsurate. Dacă {: ℝx → ℝ este o aplicație ℝ – liniară,
atunci există și sunt unice 4 numere reale {E , {# , {% , {Y , unice
astfel încât ∀6 ∈ ℝx , {(6) = {E 6E + {# 6# + {% 6% + {Y 6Y .
Considerăm unda e} (6) = e¥}(Å) deci conform (3), pentru orice
3 ∈ L%ℝæ , 3({) = 3, e} .
Numărul real {E se interpretează ca numărul de cicli/s,
{# , {% , {Y fiind componentele vectorului de undă (reprezentând
numărul de cicli pe unitatea de lungime). Pentru orice 6 ∈ ℝx ,
{(6) măsoară numărul de cicli ai undei e} (6) remarcați de un
observator care „călătorește” între 0 și 6 în ℝx . Acest număr este
independent de alegerea unităților de măsură, deoarece {(6) are o
natură absolută, fiind independent de reper. Dacă înlocuim t cu at
#
(a ≠ 0), atunci înlocuim { cu {, pentru a lăsa neafectat e} (6).
Q
x
În acest context, ℝ este domeniul spațiu–timp, iar
mulțimea ℒ(ℝ , ℝ) a funcționalelor liniar pe ℝx este domeniul
x

frecvență. Formula (3) în ℝx corespunde analizei lui f pe


componente frecvențiale, iar (4) corespunde sintezei Fourier.
Dăm de asemenea o extindere a teoremei WKS (teorema 3.9):

246
TEOREMA 5.1
(Teorema de eșantionare n–dimensională): Fie 3 ∈ L%ℝ£
astfel încât 3 să aibă suportul mărginit (adică 3 se anulează în afara
unei bile). Atunci există vectori u# , . . . , uB ∈ ℝB astfel încât a.p.
6 ∈ ℝB , 3(6) să fie bine determinat cunoscând valorile lui f în
B
punctele rețelei discrete ü = { »p# S» u» | S» ∈ ℤ}.
Demonstrație:
Alegem vectori liniar independenți u# , . . . , uB în ℝB și fie
G# , . . . , GB reciprocii lor (unic determinați prin relațiile
G» , u‚ = 2(T»‚ pentru 1 ≤ i, j ≤ n).
Căutăm o funcție de eșantionare s de tipul „sa” astfel încât
3(A) = U∈ℤ£ 3(S ∙ u)è(A − S ∙ u) a.p. A ∈ ℝB , unde S ∙ u =
B
»p# S» u» , pentru S = (S# , . . . , SB ) ∈ ℤB .
Atunci
3 S∙u è A−S∙u =
= ℝ£
3(Ç) ∙ è(A − Ç)T(Ç − S ∙ u)dÇ. (5)
Pe de altă parte, avem
# W ¥ ),U∙(
3(A) = U∈ℤ£ ℝ£ 3(Ç)e è(A − Ç) dÇ,
ê
unde V este volumul paralelipipedului construit pe vectorii
u# , . . . , uB . Aplicând operatorul ℱB , rezultă că ∀ { ∈ ℝB ,
#
3({) = è({) U∈ℤ£ 3({ + S ∙ G). (6)
ê
Este suficient să alegem u# , . . . , uB astfel încât spectrele
3({ + S ∙ G) să nu se încalece și să alegem s astfel încât

247
è({) = 4, constant pe Supp3 și nul în punctele unde 3({ + S ∙
G), S ≠ 0, este nenul. Aplicând ℱBW# în (6), rezultă (5).
APLICAȚIE (la procesarea imaginilor)
Transmisiile audio sunt esențialmente legate de schema

următoare: f(t) la EMISIE → 3({) → CANAL cu ZGOMOT →
ℱ Ãà
3# ({) → 3# (6) ≅ 3(6) la RECEPȚIE
Pentru o imagine 2D alb – negru, privită ca o submulțime
F ⊂ ℝ% cu funcția ei de strălucire 3 A, Ç , 3: ℝ% → ℝ cu suportul
I (care asociază oricărui punct A, Ç ∈ F nivelul său de gri). În
practică, se fixează o rețea 2D și f este măsurată doar în pixeli (≡
nodurile rețelei). O transmisie TV utilizează o schemă similară dar
cu ℱ% 3 A, Ç și ℱ%W# la recepție.
Dăm un algoritm de reconstrucție a imaginilor 2D, datorat
lui Youla.
Considerăm spațiul Hilbert ‰ = L%ℝa . Pentru orice a > 0,
notăm cu |Q funcția indicator a pătratului çQ = −9, 9 × −9, 9 ,
egală cu 1 pe çQ și nulă în afară. Dacă z = {3 ∈ ‰ | Supp3 ⊂ ç},
atunci A este un subspațiu liniar închis al lui H și ortogonalul său
este zë = 3 ∈ ‰ 3 se anulează în çQ }; atunci ‰ = z⨁zë , cu
proiectorul ¯ : ‰ → z, 3 ↦ 3 ∙ |Q . Pe de altă parte, pentru orice
b > 0, notăm fi = {3 ∈ ‰ | Supp3 ⊂ ç7 }. Avem fië = 3 ∈ ‰ 3
se anulează în ç_ }, ‰ = fi⨁fië , cu proiectorul ¯7 : ‰ → fi,
3 ↦ ℱ%W# 3 ∙ |_ . Problema este să se determine 3 ∈ ‰ știind că
3 ∈ fi și cunoscând 3E = ¯ 3 din B (pentru a > 0, b > 0 dați).

248
Avem 3E = ¯ 3 = ¯ ¯7 3 = 1ì − ¯î ¯7 3 = 3 −
¯î ¯7 3. Notăm q = ¯î ¯7 = ¯7 − ¯ ¯7 deci 3E = 3 − x3.
Considerând operatorul Z: ‰ → ‰, 3 ↦ 3E + x3, relația anterioară
se scrie f + Tf. Dacă Ü = x < 1, atunci T este o contracție de
coeficient C, deoarece ∀3, 3 Ö ∈ ‰, d Z3, Z3 Ö = Z3 − Z3 Ö =
(3E + x3) − (3E + x3′) = x(3 − 3′) ≤ x ∙ 3 − 3′ =
Ü ∙ d(3, 3′). Conform principiului contracției al lui Banach, T are
un punct fix unic și ca atare, f este determinat.
În acest mod, se poate da următorul
ALGORITM (de reconstrucție a imaginilor)
Este dată o imagine I, cu funcția de strălucire 3 ∈ ‰, cu
banda de frecveneță mărginită (H = L%ℝa ).
Pasul 1. Se determină valorile lui f în pixelii unui pătrat
çQ = [−9, 9]×[−9, 9], a > 0 care conține I. Fixăm un prag ÿ > 0.
Pasul 2. Se calculează 3E = ¯ 3 = 3|Q și se alege b > 0
astfel încât Supp3 ⊂ ç7 .
Pasul 3. Se consideră șirul (3U ), S ≥ 0 în H cu 3E dat,
3# = Z3E , 3U^# = Z3U , adică 3U^# = 3E + x3U pentru k ≥ 0.
Presupunem Ü = x < 1 și alegem N natural minim astfel încât
á
∙ 3# − 3E < ℰ.
#Wá
Pasul 4. O soluție (aproximativă) a problemei este 3 ≅ 3o
(ținând cont că lim 3U = 3).
U→l
Determinând funcția de strălucire a imaginii I se obțin
informații esențiale relativ la I.

249
§5.4. Filtre analogice și filtre discrete
Fie E, F două spații liniare de semnale continuale
A 6 , 6 ∈ ℝ.
Definiția 5.2. Orice aplicație liniară Z: ~ → ò se numește
filtru liniar analogic.
Orice astfel de filtru este de fapt un sistem intrare – ieșire
(„cutie neagră”), cu intrările A(6) ∈ ~ și ieșirile corespunzătoare
\
Ç(6) ∈ ò. Se mai scrie A(6) ↦ Ç(6) sau y = Tx. Intrările se mai
numesc excitații, iar ieșirile – reacții sau răspunsuri.
Filtrul T se numește invariant în timp dacă din ipoteza
A(6) ↦ Ç(6), rezultă că A(6 − 9) ↦ Ç(6 − 9), pentru orice t și a,
sau echivalent õQ ∘ Z = Z ∘ õQ (adică T comută cu operatorii õQ de
translație / glisare).
Filtrul T se numește cauzal dacă de îndată ce A(6) ∈ ~ și
A(6) = 0 pentru 6 < 6E , rezultă că Ç(6) = 0 pentru 6 < 6E (adică
ieșirea este posterioară intrării). În acest mod, teoria sistemelor
dinamice beneficiază de teoria operatorilor liniari. Filtrele se
definesc și pentru sisteme multivariabile (cu mai multe intrări și
ieșiri), dar ne oprim la cazul 1D.
Exemple
a) Fie ~ = ò = CℝE . Amplificatorul ideal de coeficient k
(k ≥ 1) este filtrul liniar Z: ~ → ò, definit prin Ç(6) = SA(6).
Evident, el este invariant și cauzal. Similar, Ç(6) = A(6 − 2) +
3A(6 − 1); dar Ç(6) = A(6 + 1) nu este cauzal.

250
b) Consider%m un circuit electric RL în serie, alimentat cu
f.e.m. u<6=. Atunci ü¬<6= X î¬Ñ<6= @ u<6=, unde ¬<6= este curentul
la momentul t (t ( 0), cu ¬<6= @ H; figura 5.1.

Figura 5.1
Dar acela#i circuit poate fi reprezentat ca un filtru analogic
#
Z40~ / ò, unde ~ @ C! #i ò @ C!E #i u<6= este solu$ia ecua$iei
diferen$iale anterioare; figura 5.2.

Figura 5.2.
Defini$ia 5.3: Fie K clasa func$iilor original Laplace
(defini$ia 3.4). Un filtru analogic Z40K0 / 0K se nume#te filtru de
convolu%ie dac% exist% o func$ie d 7 K (numit% pondere) astfel
încât pentru orice intrare x, ie#irea corespunz%toare s% fie
convolu$ia Ç @ d Ì A. Se mai scrie T = C∏ .

! 251
Definiția 5.4: Se spune că un filtru liniar analogic
Z: K → K are funcția de transfer Φ(è) dacă pentru orice intrare x,
raportul
ℒ{\j} 1(J)
Φ(è) = = (7)
ℒ{j} ⁄(J)

este independent de x.
Funcția de transfer este un cât de funcții olomorfe, anume
câtul dintre transformata Laplace a ieșirii și cea a intrării.
c) O clasă importantă de filtre analogice liniare și
invariante în timp este următoarea: Fixăm a > 0 și fie H = L%E,Q cu
# Q
produsul scalar 3, b = 3 6 b 6 d6; H este un spațiu Hilbert,
Q E
cu baza ortonormală eB 6 , ? ∈ ℤ unde eB 6 = e¥B}Å , ? ∈ ℤ și
%,
{= (propoziția 1.4, relația (23)).
Q
Pentru orice semnal A(6) ∈ ‰ are loc dezvoltarea Fourier
A(6) = B∈ℤ πB eB (6), conform teoremei 1.6 din Capitolul 1.
Considerăm un filtru liniar și continuu Z: ‰ → ‰, A(6) ↦ Ç(6).
Atunci Ç 6 = ZA 6 = Z B πB eB 6 = B πB T(eB (6))
și notând TeB 6 = 3B 6 , Ç 6 = B πB 3B 6 .
Deoarece eB 6 + G = eB 6 ∙ eB G , luând t ca
parametru, rezultă
3B (6 + G) = TeB (6 + G) = T(eB (6) ∙ eB (G)) =
= eB (6)TeB (G) = eB (6) ∙ 3B (G).
Făcând u = 0, rezultă 3B 6 = eB 6 ∙ 3B 0 deci
Ç 6 = B πB eB 6 ∙ 3B 0 .
În fine, notând ℎB = 3B 0 , ? ∈ ℤ, rezultă
3B 6 = ℎB eB 6 deci Ç 6 = B πB ℎB eB (6).

252
Așadar, filtrul T „lucrează” astfel:
Z B πB eB 6 = B πB ℎB eB (6).
B
Spectrul în amplitudine al intrării x(t) este , πB ,
Q
B
? ∈ ℤ cu „bețele” verticale πB plasate în punctele (definiția 1.8;
Q
formula (27) din Capitolul 1), iar spectrul în aplitudine al ieșirii
B
corespunzătoare y(t) este , ℎB πB , ? ∈ ℤ, cu „bețele”
Q
B
verticale plasate în aceleași puncte , dar cu mărimile
Q
înmulțite cu ℎB .
Există încă o clasă importantă de filtre analogice – cele
asociate unor ecuații diferențiale.
Considerăm o ecuație diferențială liniară cu coeficienți
constanți, de forma
Ç (B) (6) + 9# Ç (BW#) (6)+. . . +9B Ç(6) = :(6),
cu b(t) o funcție continuă pe intervalul [0, ∞). Notând cu L
operatorul diferențial definit de membrul întâi, ecuația se scrie:
Ly(t) = b(t). Fixăm un moment è ∈ F și notăm cu y(t) = G(t, s)
soluția ecuației omogene Ly(t) = 0 nulă pentru t ≤ s, astfel încât
Ç(6), Ç′(6), . . . , Ç (BW%) (6) sunt continue pe [0, ∞) și Ç (BW#) (6) are
saltul egal cu 1 în punctul s. Funcția G(t, s) se numește funcția
Green a operatorului L; pentru orice t, s avem G(t, s) = G(t – s).
Se arată ușor că soluția ecuației Ly = b(t) cu condițiile
inițiale nule (adică Ç (U) (0) = 0 pentru 0 ≤ k ≤ n – 1) este
Å
Ç(6) = E
é(6 − è):(è)dè = é(6) ∗ :(6).
Exemple
a) Pentru operatorul îÇ = Ç′ + 9Ç (9 > 0) avem

253
0 , 6 ≤ è
é(6, è) = și soluția ecuației
exp(−9(6 − è)), 6 > è
Å WQ(ÅWJ)
Ç Ö + 9Ç = : 6 , cu Ç(0) = 0, este Ç(6) = E
e ∙ :(è)dè.
%
b) Pentru ecuația pendulului Ç′′ + 9 Ç = :(6), cu
condițiile inițiale Ç(0) = 0, Ç′(0) = 0, avem
#
é(6, è) = sin 9(6 − è) pentru t > s și nulă pentru t ≤ s.
Q
# Å
Soluția este Ç(6) = :(è) ∙ sin 9(6 − è) dè.
Q E
În condițiile anterioare, este definit un filtru de convoluție,
anume Z: CℝE → Cℝ
#
, :(6) ↦ Ç(6) = é(6) ∗ :(6).
Vom vedea că în Ingineria electrică, se va lucra cu
precădere cu filtre în domeniul frecvență.
TEOREMA 5.2. 1) Orice filtru de convoluție C∏ este
liniar, invariant în timp și cauzal;
2) Funcția de transfer a lui C∏ este Φ(è) = ℒ{ℎ(6)}, adică
imaginea Laplace a ponderii.
Demonstrație: 1) Așadar, pentru orice intrare A 6 ∈ K,
Å
ieșirea corespunzătoare este Ç 6 = E
A ∫ ℎ 6 − ∫ d∫ deci
l
Z A 6 = Wl
A ∫ ℎ 6 − ∫ d∫, căci A, ℎ ∈ K. Evident, T este o
aplicație liniară. Apoi, din relația Ç 6 = ZA 6 , rezultă că ∀9 ∈
l Q^ªp(
ℝ, Ç 6 − 9 = Wl
A ∫ ℎ 6 − 9 − ∫ d∫ =
l
= Wl
A(G − 9)ℎ(6 − G)dG = Z(A(6 − 9)) deci filtrul
este invariant în timp.
În fine, presupunem că A 6 = 0 pentru 6 < 6E . Avem de
arătat că Ç(6) = 0 pentru 6 < 6E . Cazul 6E ≤ 0 este evident și

254
presupunem 6E > 0. Pentru 6 < 6E , avem A(6) = 0 și ca atare
Å
Ç(6) = E
A(∫)ℎ(6 − ∫)d∫ ≡ 0 deci filtrul este cauzal.
1(J) ℒ{)(Å)} ℒ{j∗∏}
2) Avem Φ(è) = = = . Dar conform
⁄(J) ℒ{j(Å)} ℒ{j}

formulei (22) din paragraful 3.4, ℒ{A ∗ ℎ} = ℒ{A} ∙ ℒ{ℎ} deci


Φ(è) = ℒ{ℎ}.
Exemple
a) Pentru amplificatorul ideal Z: K → K, A ↦ SA, funcția
ℒ{Uj}
de transfer este Φ(è) = = S, constantă.
ℒ{j}
Å
b) Integratorul este filtrul Z: K → K, Ç(6) = E
A(∫)d∫ =
A(6) ∗ G(6), unde u este treapta unitate deci este un filtru de
convoluție. Așadar, Ç = A ∗ G deci ℒ{Ç} = ℒ{A} ∙ ℒ{G}. Dar
# #
ℒ{G} = deci Φ(è) = .
J J
c) Pentru circuitul din figura 5.1, avem ecuația diferențială
(în domeniul TIMP!) ü¬ + î¬′ = u și luând transformatele Laplace,
üF(è) + î ∙ (èF(è) − ¬E ) = 4(è); deoarece ¬E = 0, rezultă
ê(J) #
Φ(è) = = .
D(J) ìJ^+
1(J)
Cunoașterea funcției de transfer Φ(è) = pentru un
⁄(J)

filtru determină comportarea filtrului: anume, cunoscând intrarea


x(t), se determină X(s) și apoi Y(s) = Φ(è) ∙ Ÿ(è) și Ç(6) =
ℒ W# {˙(è)}; invers, cunoscând ieșirea y(t), se determină Y(s), apoi
1(J)
Ÿ(è) = și se recuperează intrarea A(6) = ℒ W# {Ÿ(è)}.
A(J)

Spectaculos!

255
Not%
Sistemul T: A<6= . Ç<6= se mai reprezint% sugestiv ca în
figura 5.3.

Figura 5.3
Leg%ri ale filtrelor
Filtrele pot fi legate în mai multe moduri: în serie, în
paralel, cu leg%turi inverse (1„feed-back”) sau combinate.
1) În cazul leg%rii în serie (1 cascad%), ca în figura 5.4, se
ob$ine un filtru Á având

Figura 5.4
ca func$ie de transfer produsul func$iilor de transfer ale celor dou%
filtre!
Într-adev%r, notând cu Ç# 6 ' Ç% 6 ie#irile corespunz%toare, avem
1à J 1a J 1a J
Á# è @ #i Á% è @ deci Á# è È Á# è @ @Á è ë
ï J 1à J ï J

256!
2) În cazul leg%rii în paralel cu sumare (figura 5.5), avem
rela$iile urm%toare în

Figura 5.5
1à <J= 1a <J=
domeniul COMPLEX: Á# <è= @ ' Á% <è= @ #i Á# <è= X
ï<J= ï<J=
1à <J=^1a <J= Mg)<Å=h
Á# <è= @ @ .
ï<J= Mgj<Å=h

3) Consider%m acum un filtru ca în figura 5.6 #i


presupunem c% la fiecare moment t, ie#irea y(t) se întoarce la
intrare, dar dup% ce trece printr-un alt filtru cu func$ia de transfer

Figura 5.6
Á# è ë Sistemul astfel format A 6 /0Á è / C e , se nume#te
leg&tura invers& (1 feed-back sau bucla de reac$ie). În domeniul
COMPLEX, avem rela$iile urm%toare: ˙ @ Á È Ÿ X Ÿ# , Ÿ# @

! 257
Φ# ∙ ˙, de unde ˙ = ΦX + ΦΦ# ˙, deci (1 − ΦΦ# )˙ = ΦŸ, de
1(J) A(J)
unde Ù(è) = = .
⁄(J) #WA(≥)Aà (J)

Notă istorică
Dacă filtrul cu funcția de transfer Φ nu este stabil, atunci
se poate considera un filtru compensator Φ# , astfel încât Ù să fie
stabil. Astfel de probleme sunt studiate în Teoria sistemelor
dinamice. Legătura inversă (feed-back) a fost descoperită de
eruditul medic militar român Ștefan Odobreja (1902 – 1978), care
a scris o carte intitulată „Psihologie consonantistă”, apărută la
Paris în 1938. Feed-back–ul este întâlnit în multe domenii
științifice (Fizică, Biologie, Fiziologie, organizarea sistemelor de
învățământ sau sănătate etc). În lipsa unei atmosfere științifice și a
sprijinului oficial, dar și din cauza precarității pregătirii sale
matematice, euristica lui Odobreja a rămas în faza pionieratului și
la îndemâna pirateriei științifice. Se spune că N. Wiener a folosit
cartea lui Odobreja, care i-a oferit lărgirea viziunii asupra
Ciberneticii. Trebuie menționat că între anii 1950 – 1970,
Cibernetica era considerată „o pseudoștiință reacționară”.
Considerațiile anterioare se referă la sisteme cu o singură
intrare și o singură ieșire, dar ele se extind la sisteme multivariabile
(cu mai multe intrări și ieșiri); de asemenea, la cazul 2D sau 3D,
creând filtre pentru imagini, funcții de transfer de mai multe
variabile complexe etc. O idee spectaculoasă este cea a studiului
organelor umane de simț ca filtre, conducând la informatizarea
auzului, văzului, gustului, mirosului, pipăitului și de ce nu, a
bunului simț, cu îmbogățirea domeniului Roboticii.

258
În analogie cu definiția 5.2, dăm
Definiția 5.5: Fie ~ ⊂ S˜ un subspațiu liniar al spațiului S˜
al semnalelor discrete, conținând treapta discretă unitate u și
impulsurile discrete TU , S ∈ ℤ. Se numește filtru digital (sau
discret) intrare – ieșire orice aplicație liniară Z: ~ → S˜ .
a) Aplicația T: S˜ → S˜ , A = (AB ) ↦ Ç = (ABW# ) este un
filtru digital, numit întârzierea cu un tact (sau șiftarea).
b) Dacă h este un semnal finit (adică având un număr finit
de eșantioane nenule), se poate considera filtrul de convoluție
Z: S˜ → S˜ , ZA = ℎ ∗ A. Dacă ℎ ∈ S^ , atunci are sens filtrul
Z: S^ → S^ , A ↦ Ç = ℎ ∗ A. (Dacă A ∈ S^ și A = (AB ), ? ≥ 0
atunci AB = 0 pentru n < 0).
Evident, Z(T) = ℎ ∗ T = ℎ și de aceea, h se numește
răspunsul–impuls al filtrului T (sau ponderea).
În analogie cu definiția 5.4, anumitor filtre digitale li se
asociază funcții complexe, numite funcții de transfer, care descriu
comportarea filtrelor, folosind analogul discret al transformatelor
Laplace, numite z – transformate.
Definiția 5.6: Pentru orice semnal discret A = (AB ), ? ∈ ℤ,
se numește z–transformata lui x funcția complexă
Ÿ(∫) = l BpWl AB ∫
WB

(adică suma acestei serii Laurent de puteri).


Domeniul de convergență al seriei este fie mulțimea vidă,
fie o coroană circulară K(0; r, R) = {z | r < ∫ < R} centrată în
origine. Dacă r = 0, R = ∞, această coroană este ℂ 0 . Se mai
notează: AB ↦ Ÿ ∫ sau Ÿ(∫) = îj (∫).

259
Proprietățile principale ale z – transformatelor
1. LINIARITATE: Dacă A, Ç ∈ S˜ și ã ∈ ℝ, atunci
îj^) (∫) = îj (∫) + î) (∫), îQj (∫) = ãîj (∫).
2. CONVOLUȚIA: Dacă A, Ç ∈ S˜ au domeniu nevid de
convergență și dacă există A ∗ Ç, atunci
îj∗) (∫) = îj (∫) ∙ î) (∫). (8)

Într-adevăr, fie Ÿ(∫) ≡ îj (∫) = Â AÂ ∫ și ˙(∫) ≡
WÊ WÂWÊ
î) (∫) = Ê ÇÊ ∫ deci Ÿ(∫) ∙ ˙(∫) = Â,Ê AÂ ÇÊ ∫ .
l
Pe de altă parte, fie A ∗ Ç = (πB ), deci πB = ÂpWl AÂ ÇBWÂ

(serie presupusă absolut convergentă); așadar îj∗) (∫) =


ÊpBWÂ
WB WÂ WÊ
B πB ∫ = B πB Â AÂ ÇBWÂ = Â AÂ ∫ Ê ÇÊ ∫ =
Ÿ(∫) ∙ ˙(∫).
3. z – transformata lui TU este ∫ WU și z – transformata treptei
ª
unitate u este !(∫) = .
ªW#
Într-adevăr, pentru x = TU avem AB = 0 pentru n ≠ k și
AU = 1 deci îj (∫) = 0 + 1 ∙ ∫ WU .
l WB # ª
Apoi !(∫) = î( (∫) = BpE ∫ = = , cu
#W(# ª) ªW#

domeniul de convergență K(0; 1, ∞) = { ∫ > 1}.


4. Dacă A ∈ S˜ , atunci A ∗ TU , S ∈ ℤ este întârziatul lui x
cu k tacți și îj∗a◊ = ∫ WU ∙ Ÿ(∫).
Rezultă din proprietățile 2 și 3. Reținem că dacă A = (AB ),
atunci A ∗ TU = (ABWU ).

260
Teorema 5.3 (teorema de inversare a transformării „z”):
Fie (AB ) ↦ Ÿ(6), cu domeniul de convergență nevid. Atunci
pentru orice ? ∈ ℤ,
AB = Rez(∫ BW# ∙ Ÿ(∫)), (9)
suma de reziduuri fiind luată după toate singularitățile funcției
∫ BW# ∙ Ÿ(∫) la distanță finită.
Demonstrație: Alegem Ë > 0 astfel încât în discul ∫ < Ë
să fie situate singularitățile respective. Din relația Ÿ(∫) =
WU
U AU ∫ , rezultă ∫ BW# ∙ Ÿ(∫) = U AU ∫
BWUW#
. Integrând această
relație pe frontiera orientată pozitiv Ü = { ∫ = Ë} a discului, se
obține: á
∫ BW# ∙ Ÿ(∫)d∫ = U AU á ∫ BWUW# d∫ = 2(iAB pentru
orice ? ∈ ℤ.
Apoi se aplică teorema reziduurilor.
[Avem á: ª pÍ
∫ Â d∫ = 2(i dacă p = – 1 și nulă pentru p ≠ – 1].
Dăm un tabel de z – transformate:
A = (AB ) X(z)
TU , S ∈ ℤ ∫ WU
T 1
G = (GB ) ∫
∫−1
(?GB ) ∫
(∫ − 1)%
(ã B GB ); ã ∈ ℂ ∫
∫−ã

261
Definiția 5.7. Dacă Z: S˜ → S˜ , A ↦ Ç = ZA este un
filtru liniar digital, atunci funcția de transfer a filtrului T este câtul
1(ª)
‰(∫) = , (10)
⁄(ª)

dintre z – transformatele ieșirii și intrării (cât presupus independent


de intrarea x).
Definiția 5.8: Filtrul liniar digital Z: S˜ → S˜ , A ↦ Ç = ZA
se numește invariant în timp dacă Z(AB ) = ÇB implică
Z(ABW# ) = ÇBW# , adică din Tx = y, rezultă Z(A ∗ T# ) = Ç ∗ T# .
Filtrul T se numește cauzal dacă din ipoteza că A ∈ S^ , rezultă
ZA ∈ S^ . În fine, T se zice stabil dacă pentru orice intrare x
mărginită, ieșirea corespunzătoare y = Tx este mărginită.
Proprietăți ale filtrelor digitale
1. Dacă Z: S˜ → S˜ este un filtru de convoluție (adică
există ℎ ∈ S˜ astfel încât pentru orice A ∈ S˜ , are sens ℎ ∗ A și
ZA = ℎ ∗ A), atunci funcția sa de transfer este ‰(∫) = îª (∫).
Într-adevăr,
1(ª) # ìó (ª)∙ì< (ª)
‰(∫) = = ∙ î∏∗j (∫) = = î∏ (∫).
⁄(ª) ì< (ª) ì< (ª)

Filtrul de convoluție ZA = ℎ ∗ A se mai notează C∏ , ca în


cazul filtrelor analogice.
2. Un filtru de convoluție C∏ este cauzal ⇄ ℎ ∈ S^ .
Într-adevăr, T ∈ S^ și dacă C∏ este cauzal, atunci ℎ ∗ T =
ℎ ∈ S^ . Invers, dacă ℎ ∈ S^ și A ∈ S^ , atunci ℎ ∗ A ∈ S^ deci
T = C∏ este cauzal.
3. Dacă T = C∏ este un filtru de convoluție și seria B†E ℎB
este absolut convergentă, atunci T este stabil.

262
Într-adevăr, fie A = (AB ), ? ∈ ℤ un șir mărginit (∀?, AB ≤ Ä).
Dacă S este suma seriei B†E ℎB , din y = Tx =ℎ ∗ A, rezultă
ÇB = U ℎBWU AU
și ÇB ≤ Ä ∙ U ℎBWU ≤ Ä ∙ ° pentru orice n.
O clasă importantă de filtre digitale este cea asociată cu
ecuații cu diferențe finite:
ÇB + :# ÇBW# + ⋯ + :ä ÇBWä =
= 9E AB + 9# ABW# +. . . +98 ABW8 , (11)
cu m ≥ 0, r ≥ 0 întregi fixați și 9» , :‚ constante (? ∈ ℤ variabil).
TEOREMA 5.4: Dacă r < m, atunci ecuația (11) relativ la
eșantioane definește un filtru de convoluție cauzal Z: S^ → S^ ,
A = (AB ) ↦ Ç = (ÇB ).
Demonstrație: Relația (11) se poate scrie ca o egalitate de
semnale:
Ç + :# Ç ∗ T# + ⋯ + :ä (Ç ∗ Tä ) = 9E A + 9# A ∗ T# + ⋯ +
98 (A ∗ T8 ) și trecând la z – transformate: ˙ ∫ + :# ∫ W# ˙ ∫ +
⋯ + :ä ∫ Wä ˙ ∫ = 9E Ÿ ∫ + 9# ∫ W# Ÿ ∫ + ⋯ + 98 ∫ W8 Ÿ ∫ .
Considerăm polinoamele ç G = 9E + 9# G + ⋯ + 98 G8
și ò(G) = 1 + :# G+. . . +:ä Gä , rezultă
˙(∫) ∙ ò(∫ W# ) = Ÿ(∫) ∙ ç(∫ W# ) și funcția de transfer a lui
1(ª) Î(ª Ãà ) Î(()
T este ‰(∫) = = = .
⁄(ª) ô(ª Ãà ) ô(()

Deoarece P, Q sunt polinoame și Q(0) ≠ 0, rezultă că


Î(()
funcția este olomorfă în vecinătatea punctului u = 0 și are o
ô(()
Î(()
dezvoltare Taylor: = πE + π# G + π% G% +. ...
ô(()

Pe de altă parte, rezultă ˙(∫) = ‰(∫) ∙ Ÿ(∫), adică


l WB
Ç = ℎ ∗ A; ‰(∫) = BpWl ℎB ∫ deci

263
# l B Î(() l B
‰ = BpWl ℎB G = . Așadar, BpWl ℎB G =
ª ô(()

πE + π# G + π% G% +. .. și din unicitatea dezvoltării în serie Laurent,


rezultă că ℎB = 0 pentru orice n < 0, adică ℎ ∈ S^ . Ca atare, filtrul
ZA = ℎ ∗ A este cauzal.
Exemple
a) Determinăm funcția de transfer pentru un filtru digital
y = Tx, astfel încât ÇB + ÇBW# = AB + 2ABW# pentru orice ? ∈ ℤ.
Așadar, Ç ∗ T + Ç ∗ T# = A ∗ T + 2A ∗ T# și aplicând
W# W#
z–transformata, ˙(∫) + ∫ ∙ ˙(∫) = Ÿ(∫) + 2∫ Ÿ(∫) deci
# % 1(ª) ª^%
˙(∫) 1 + = Ÿ(∫) 1 + , de unde ‰(∫) = = .
ª ª ⁄(ª) ª^#

b) Reluăm exemplul cu circuitul din figura 5.1. Ecuația


diferențială ü¬ 6 + î¬ Ö 6 = u 6 , 6 ≥ 0 poate fi discretizată,
alegând un pas õ > 0 și momentele de timp 0, õ, 2õ, … , ?õ, …
Notând ¬B = ¬ ?õ , uB = u ?õ pentru n ≥ 0 și folosind
»£≤à W»£
formula aproximativă ¬ Ö 6B ≅ , rezultă
s
ì
ü¬B + ¬B^# − ¬B = uB , deci ¬B^# + :¬B = 9uB , ? ≥ 0,
s
s+ s
unde am notat : = − 1 și 9 = . Se obține astfel o ecuație de
ì ì
tipul (11).
Aplicând z – transformata, rezultă ∫F ∫ + :F ∫ = 94 ∫
D ª Q
deci ‰ ∫ = = . Deci sistemul discret uB ↦ ¬B este un
1 ª ª^_

filtru digital de convoluție: ¬ = ℎ ∗ u, de unde ℎ = ℎB și


Qª £Ãà
ℎB = Rez , ? ≥ 0.
ª^_

264
§5.5. Func%ia de transfer în frecven%& a unui filtru
În 5.4 am dat câteva rezultate relativ la filtre liniare,
analogice sau digitale, privite ca sisteme intrare–ie#ire în domeniul
TIMP. Am v%zut c% o clas% general% de semnale o constituie clasa
$ Ö 0a distribu$iilor temperate, incluzând impulsurile, pieptenul lui
Dirac, treapta unitate #i practic toate func$iile care au spectru
distribu$ional în frecven$%. Cea mai general% defini$ie a filtrelor
este urm%toarea.
Defini$ia 5.9: Se nume#te filtru liniar orice sistem intrare
– ie#ire 1D definit printr-un operator Z40$ Ö 0/ 0$ Ö ' A0 . 0Ç @ ZA.
Func$ia de transfer în frecven$% a filtrului T este raportul
1 } ?g)<Å=h
‰ { @ @ , presupus independent de x.
⁄ } ?gj<Å=h

Filtrul se reprezint% ca în figura5.7.

Figura 5.7
Filtrul T se nume#te de convolu%ie dac% exist% un r%spuns
– impuls h (d 7 & Ö ) astfel încât Ç @ d Ì A; în acest caz, se noteaz%
T = C∏ .
Exemple
a) Consider%m circuitul RL din figura 5.1, descris prin
ecua$ia diferen$ial% ü¬<6= X î¬Ñ<6= @ u<6= în domeniul timp, cu

! 265
R > 0, L > 0 constante. Aplicăm operatorul Fourier, notând
˙({) = ℱ{Ç(6)} ș¬ 4({) = ℱ{u(6)}. Folosind regula de derivare
a originalului (formula (6) din Capitolul 3), rezultă îi{˙({) +
ü˙({) = 4({) în domeniul FRECVENȚĂ.
Așadar, (îi{ + ü)˙({) = 4({) deci funcția de transfer
în frecvență a filtrului Z: u(6) ↦ Ç(6) este
1 } # # # +
‰ { = = = ∙ , unde 9 = , 9 > 0.
ê } ì¥}^+ ì Q^¥} ì

Conform primului tabel de transformate Fourier, rezultă


#
ℎ(6) = eW QÅ G(6). Acesta este răspunsul – impuls al circuitului
ì
(identificat cu filtrul C∏ ). Filtrul este cauzal, deoarece ℎ(6) = 0
pentru t < 0.
b) Mai general, considerăm o ecuație diferențială liniară cu
coeficienți constanți, de forma
B BW#
Ç + 9# Ç + ⋯ + 9B Ç = : 6 , unde : ∈ $′.
Notând ˙({) = ℱ{Ç(6)}, fi({) = ℱ{:(6)}, rezultă
B BW#
(i{) ˙({) + 9# (i{) ˙({) +. . . + 9B ˙({) = fi({).
Considerând polinomul
ò({) = {B + 9# {BW# +. . . +9B ,
7(})
ò(i{) ∙ ˙({) = fi({), deci ˙({) = .
ô(¥})

Dacă :(6) = T(6), atunci fi({) = 1 și răspunsul – impuls


#
ℎ(6) are spectrul ‰({) = .
ô(¥})

Așadar, ˙({) = ‰({) ∙ fi({) și aplicând


ℱ W# , Ç(6) = ℎ(6) ∗ :(6).

266
Notă
Așa cum am mai spus, urechea umană este un filtru care
reține doar sunete cu frecvențe până la 20000 Hz, dar se întâlnesc
multe alte exemple de sisteme intrare – ieșire asimilabile cu
filtrele, care pot fi analizate fie în domeniul TIMP, fie în domeniul
FRECVENȚĂ.

267
„Lumea este analogică și doar
reprezentarea ei este digitală.”
FOLCLOR INGINERESC

CAPITOLUL 6: APLICAȚII

Vom prezenta câteva aplicații semnificative ale capitolelor


anterioare, proiecții în Fizică și în Ingineria electrică a paradisului
Fourier. Mai întâi, în paragraful 6.1 indicăm un exemplu important
de filtre (≡ sisteme intrare/ ieșire) constituit de canalele de
comunicație, descrise prin funcțiile lor de transfer. Paragraful 6.2
prezintă câteva principii și aplicații ale opticii Fourier (difracția,
interferența, holografia), iar 6.3 se referă la tomografia
computațională, una din binefacerile spectaculoase ale
tehnologiilor electronice și informatice. Există de asemenea
rezultate considerate de mare perspectivă privind aplicarea
undinelor la descifrarea codului genetic sau răspunsul la problema
„de ce doi sau mai mulți atomi diferiți dau naștere unor substanțe
chimice stabile”, răspuns obținut de Ch. Feferman prin anumite
inegalități între spectrele frecvențiale ale acelor atomi. Dar acestea
depășesc cadrul propus.

§6.1. Canale de comunicație ca filtre


Preliminarii
Prin canale de comunicație se înțeleg conductori electrici,
ghiduri de undă, cabluri de fibră optică sau unde purtătoare de

269
frecvențe radio. Studiul comunicațiilor se referă la transmisia
fizică a informației prin curenți electrici sau prin unde
electromagnetice, a semnalelor sau mesajelor codificate în
prealabil.
Atenție: Comunicațiile sunt cu precădere analogice, iar
codificările / decodificările sunt digitale.
Considerăm un conductor electric prin care este trimis un
curent variabil, care produce o diferență de potențial u(6), peste o
impedanță 1Ω. Semnalele u(6) sunt asimilate cu funcții de tipul
unor sinusoide. Acestea nu satisfac condițiile lui Dirichlet, dar
ținând cont că ele au o durată finită, se consideră că există T > 0
astfel încât u(6) să fie neglijabil în afara intervalului [– T, T].
Bineînțeles, valorile u(6) sunt reale, măsurate în [V].
Reamintim câteva noțiuni adaptate scopului urmărit, deși
ele au un cadru mai general de manifestare.
# \
Media lui u(6) este u(6) = u(6)d6 și puterea
%\ W \
# \
medie furnizată este ç = ¯(6) = u(6)% d6.
%\ W \

Se mai definește media pătratică u≠h≥ = ç („root mean


square”). În cazul unui semnal periodic, de perioadă ZE , media și
puterea medie se consideră pe un interval de lungime cât perioada
\ \ó
principală, anume [0, ZE ] sau − ó , .
% %
În practică, u(6) și u≠h≥ se măsoară cu un voltmetru
„true rms”.

270
Exemple
Dacă voltajul este u(6) = 4 cos {E 6 și curentul
%,
¬(6) = F cos {E 6 (periodice de perioadă ZE = ), atunci puterea

curentului este
#
¯(6) = u(6)¬(6) = 4F(1 + cos2 {E 6). Atunci
%
# \ó
u(6) = 4 cos {E 6 d6 = 0 și similar ¬(6) = 0, dar
\ó E

puterea medie este


êD \ó #
¯(6) = (1 + cos 2{E 6) d6 = 4F.
%\ó E %

Într-un circuit cu rezistența R, u(6) = ü¬(6) și


#
¯(6) = u(6)% deci
+
# # #
ç= u(6)% = (u≠h≥ )% = u≠h≥ ∙ u≠h≥ și cum
+ + +
u≠h≥ = ü¬≠h≥ , rezultă ç = u≠h≥ ∙ ¬≠h≥ .
C. Shannon a arătat că dacă puterea medie S a semnalului
primit u(6) (la capătul unui canal de comunicație) este suficient de
mare în comparație cu puterea medie a zgomotului Z (presupus
gaussian) și dacă rata de transmisie în bit/s este strict mai mică
decât capacitatea C a canalului de comunicație, atunci
probabilitatea de eroare în transmisie poate deveni oricât de mică.
Acest rezultat a constituit începutul mariajului dintre teoriile
transmisiei informației și sistemelor de comunicație. Puterile
medii S și Z ale semnalului u(6) și zgomotului ∫(6) se măsoară în
Watt și formula lui Shannon este: Ü = fi log % (1 + ° ˚), unde B
este lărgimea de bandă a canalului (măsurată în [Hz]).

271
Raportul r dintre puterile medii ç∑EX , 祵 la ieșirea și
intrarea în sistemul de comunicație este adimensional; decibelul
lui este definit prin dB = 10 log r (logaritm zecimal) deci
ç∑EX = 祵 ∙ 10˜7 #E
.
Atunci raportul semnal / zgomot, măsurat în decibeli, este
(°/˚)˜7 = 10 log u(6) % ∫(6) % = 20 log u≠h≥ ∫≠h≥ .
Notă istorică
Claude Shannon (1916 – 2001) a fost revendicat atât de
matematicienii cât și de inginerii electrici americani. El este
considerat părintele Teoriei informației, prin adâncirea
conceptului de entropie informațională (1948). A rămas celebru
pentru teza sa de masterat (nu doctorat!), în care a realizat mariajul
între logica booleană și circuitele electrice. Shannon a dezvoltat
proiectarea circuitelor digitale și a primelor calculatoare moderne,
dar și proiectarea canalelor de comunicație și elaborarea unor
lucrări de pionierat privind criptografia. În plus, el a fost și un
inventator deosebit (primul calculator portabil, șoricelul inteligent,
dispozitiv pentru rezolvarea cubului Rubik ș.a.), dar și un jucător
de ruletă, care nu și-a devoalat sursa norocului său proverbial care
i-a adus o mare avere.
Densitate spectrală de putere
Reluăm cazul (generic) al voltajului u(6), presupus în clasa
L#ℝ ∩ L%ℝ (condiție îndeplinită cu aproximație acceptabilă). Dacă
4(q) = ℱ{u(6)}, atunci conform relației (29) din Capitolul 3 (cu
{ = 2(q), avem

272
l l l
Wl
4(q) % dq = Wl
u(6) % d6 = Wl
u(6)% d6,
(1)
ultima egalitate rezultând din faptul că valorile u(6) sunt reale.
Atunci puterea medie a semnalului u(6) este
# \ # l ∂√.(#) # l
P= W \
u(6)% d6 ≅ Wl
u(6)% d6 = 4(q) % dq.
%\ %\ %\ Wl
# %
Definiția 6.1: Mărimea é(q) = 4(q) se numește
%\
densitatea spectrală de putere a semnalului u(6).
Așadar, ç = é(q)dq, ceea ce justifică denumirea de
densitate. Reamintim că autocorelația lui v la momentul t este
mărimea variabilă
l \
Wl
u(G) ∙ u(6 + G)dG ≅ W \
u(G) ∙ u(6 + G)dG,
deoarece v este nulă în afara intervalului [– T, T]; în Capitolul 3,
paragraful 3.2, proprietatea 8 arată că transformata Fourier a
acestei mărimi este egală cu 4(q) % .
Notând
# \
ü(6) = u(G) ∙ u(6 + G)dG, rezultă că
%\ W \
#
ℱ{ü(6)} = 4(q) % = é(q).
%\
Am demonstrat astfel
TEOREMA 6.1 (Wiener – Hincin): Densitatea spectrală
de putere é(q) a semnalului u(6) este egală cu spectrul frecvențial
al funcției de autocorelație ü(6).
Reținem următoarele perechi de variabile conjugate timp -
ℱ ℱ
frecvență: u(6) ⇄ 4(q) și ü(6) ⇄ é(q).

273
Proprietăți ale densității de putere
Fie u(6) semnalul transmis prin canal, 4(q) spectrul lui
frecvențial, é(q) densitatea de putere și ü(6) autocorelația.
1. ü(6) = é(q)e%,¥År dq; (2)
Aceasta rezultă conform formulei de inversare a transformării
Fourier.
2. ü(0) = ç, puterea medie a semnaluluiu(6).
Făcând t=0 în formula (2), rezultă
˜¨√.y.#. # %
ü 0 = é q dq = 4 q dq ≅
%\
# \ ∂√.(#) # \
4(q) % dq = u(6) % d6 = ¯(6) = ç.
%\ W \ %\ W \
3. Voltajul mediu pătratic este
u≠h≥ = ç = ( é q dq)# % .
4. Densitatea spectrală de putere este funcție pară, cu valori
reale și pozitive.
Într-adevăr, 4(q) = u(6)eW %,¥rÅ d6 și
4(q) = u(6)e %,¥rÅ d6 = 4(−q); atunci
˜¨√.y.#. # # %
%
é −q = 4 −q = 4 q =
%\ %\
# %
= 4(q) = é(q).
%\
5. ü(6) este pară cu valori reale.
În general, transformarea Fourier (directă sau inversă) a
unei funcții pare cu valori reale are aceeași proprietate, iar
ü 6 = ℱ W# é q .
l
6. é q = 2 E
ü(6) cos 2(q6 d6.
l
Într-adevăr, é q = W l ü(6) (cos 2(q6 − i sin 2(q6)d6.

274
Not%
Func$ia ü<6=0de autocorela$ie d% o idee asupra frecven$ei
semnalului u<6=; dac% ü<6= este constant% pe un interval „mic”
[0, ÿ], atunci valorile medii ale lui v într-un interval 8õ' õ X ÿ; sunt
practic acelea#i, deci u<6= nu se modific% rapid în medie #i
frecven$ele vor fi mici. Dac% ü<6= descre#te pentru t cresc%tor,
atunci apar frecven$e înalte. Func$ia ü<6= este m%rginit%, par%,
având un maxim în punctul t = 0 #i are graficul ca în figura 6.1.

Figura 6.1.
Exemplu
Dac% é q @ π, constant% pentru H m q m qE #i nul% în
rest, cu qE fixat, atunci func$ia sa de autocorela$ie este, conform
l ró n ≥¥µ %,Åró
(2), ü<6= @ Wl
é<q=i%,¥År ]q @π W0ró
i%,¥År ]q @ .
Å
Graficul acestei func$ii este similar celui din figura 6.1.
Tipuri de zgomote
Termenul de „zgomot” provine de la fluctua$iile aleatorii
ale voltajului care creau un „#uierat” în vechile receptoare
telefonice, auzit #i în receptoarele radio care nu sunt acordate pe

! 275
frecvența de transmisie. Zgomotele sunt asociate cu semnalele
aleatoare care nu poartă mesaje sau informații.
Definiția 6.2: Zgomotul alb este un concept ideal,
reprezentând orice semnal având media nulă și densitatea spectrală
de putere constantă (aceeași în toate frecvențele).
El amintește de un corp care reflectă toată radiația
incidentă primită; lumina Soarelui este considerată albă, toate
componentele (culorile) contribuind la fel, ca sumă de oscilații
electromagnetice necorelate, cu aceeași intensitate.
Dacă autocorelația este ü(6) = FT(6), atunci densitatea de
putere a zgomotului este é q = ℱ{ü(6)} = F, constantă și se
spune că avem un zgomot alb de intensitate I.
În realitate, nu pot exista semnale complet haotice (cu toate
eșantioanele distincte necorelate), dar există realizări fizice
suficient de bune ale zgomotului alb. De exemplu, funcțiile
B
3B (6) = eW B Å , ? ≥ 1 converg către T(6) pentru ? → ∞ (în
%
l
sensul că 3 (6)d6
W l B
= 1 și pentru orice funcție | din clasa Ú,
l
3 (6)|(6)d6 → |(0)). Atunci pentru ? ≫ 1, semnalul u(6)
W l B
B
având ü(6) = eW B Å este o aproximare bună a zgomotului alb de
%
intensitate 1.
Conform primului tabel de transformate Fourier, densitatea
B
spectrală corespunzătoare este é q = ℱ{ü(6)} = ℱ{ eW B Å } =
%
Ba
≅ 1 pentru ? ≫ 1, adică é q este aproape constantă
Ba ^x, a r a
(egală cu 1) într-o bandă largă de frecvențe.

276
Toate sistemele mecanice (respectiv electrice) se află sub
acțiunea unor forțe sau momente ale unor forțe aleatoare (respectiv
a unor curenți sau voltaje aleatoare). În orice mediu fizic, există
numeroase surse de zgomote interne sau externe și o ipoteză
confirmată atât teoretic de TLC, dar și practic, este că multe
zgomote sunt gaussiene.
Zgomotul termic în diverse elemente de circuit -
rezistoare, inductoare, capacitori, microprocesoare etc. este datorat
mișcării electronilor în rețeaua cristalină a substanțelor ce compun
acele elemente; el este asimilat unui zgomot alb într-o bandă de
frecvență largă în comparație cu frecvențele uzuale. Se poate arăta
că un rezistor cu rezistența R, aflat în echilibru termodinamic, cu
temperatura T, este echivalent cu un generator având ca tensiune
un zgomot termic cu media nulă și autocorelația
ü(6) = 2SüZT(6), unde k este constanta lui Boltzmann;
densitatea spectrală de putere este é q = ℱ{ü(6)} = 2SüZ,
măsurată în V2/Hz.
În semiconductori apare de asemenea un zgomot datorat
fluctuației numărului de purtători de sarcină în cadrul fenomenelor
de generare și recombinare. Densitatea spectrală a acestui zgomot
este de forma
Åó
é q =z∙ , unde A > 0 este o constantă și
Åóa r a ^#

6E = timpul mediu de viață al putătorului de sarcină (de ordin 10Wƒ


s). Autocorelația este dată explicit de formula (2). Într-o bandă
largă de frecvențe, de exemplu q ≤ 10ƒ , zgomotul de generare/
recombinare poate fi asimilat unui zgomot alb.

277
Fluctuațiile amplitudinii unui semnal primit de la un
radiolocator, datorate îndeosebi reflexiei undelor electromagnetice
de suprafețe cu o configurație complexă, conduc la apariția
„fading”-ului, un zgomot cu autocorelația ü(6) de forma
›eW Q Å ∙ cos :6, cu a, b constante (a > 0) și D = R(0)
puterea medie a fading–ului.
Canalele de comunicație sunt de asemenea filtre. Structura
filtrelor, aranjamentul elementelor de circuit (rezistori, capacitori,
inductori) contează mai puțin; important este efectul pe care
filtrele le au asupra semnalelor care le străbat. În practica
sistemelor de comunicație, filtrele au fost definite ca impedanțe
electrice care depind de frecvențele semnalelor la intrare și ieșire,
descrise prin funcțiile de transfer. Până la urmă, se ajunge tot la
definiția 5.9.
De regulă, filtrele realizează două lucruri: atenuează
amplitudinea și deplasează faza. Funcția de transfer este o funcție
complexă de variabilă reală, anume ‰({): ℝ → ℂ, ‰({) =
˙({) / Ÿ({); așadar, pentru orice { ∈ ℝ, ‰({) = z({)e¥A(}) ,
unde z({) = ‰({) și Φ({) = Arg‰({), asimilate cu
coordonatele polare ale punctului ‰({) din planul complex.
Funcției ‰({) i se asociază hodograful lui Nyquist, deci curba
(C) care trece prin punctele ‰({) când { ∈ ℝ; figura 6.2

278
Figura 6.2
În cazul unui filtru pasiv, consumator de energie, z<{= J O.
Not%
1<}=
Cunoa#terea func$iei ‰<{= @ determin% comportarea
ê<}=

filtrului u<6= . Ç<6=, în sensul urm%tor:


- dac% se cunoa#te intrarea u<6=, atunci se determin%
4<{= @ ?gu<6=h #i ca atare, ˙<{= @ ‰<{=4<{=, de unde se
deduce ie#irea corespunz%toare Ç<6= @ ? W# g˙<{=h;
- iar dac% se cunoa#te ie#irea Ç<6=, atunci se determin%
1<}=
spectrul ˙<{=, apoi 4<{= @ #i se deduce intrarea
ì<}=

u<6= @ ? W# g4<{=h care a declan#at acea ie#ire.


De asemenea se poate ar%ta c% între densit%$ile spectrale de
putere ale intr%rii #i ie#irii are loc rela$ia:
é) <{= @ ‰<{= % È éñ <{=. (3)
Consider%m un canal de comunica$ie u<6= . Ç<6=; el este
1<}=
un filtru liniar având func$ia de transfer ‰<{= @ . Pe canal
ê<}=

! 279
există un zgomot alb ∫(6) cu densitatea spectrală de putere
%
˚({) = z, constantă.
Ieșirea Ç(6) are spectrul ˙({) = ‰({)4({) deci
#
Ç(6) = ‰({)4({)e¥Å} d{. La un moment final 6¢ al
%,
transmisiei, puterea instantanee este
% # %
S∑EX = Ç(6¢ ) = ‰({)4({)e¥Åú } d{ , iar la
%,
ieșire zgomotul va avea, conform definiției 6.1, densitatea
# % 
spectrală é({) = ‰({)˚({) = ‰({) % . Raportul dintre
%\ %\
puterea instantanee a semnalului util și zgomot la ieșire este
Õ$ # a
ì(})ê(})¨ ú ˜}
(° ˚)∑EX = S , (4)
ì(}) a

cu k > 0 constant.
O problemă fundamentală este cea a determinării
maximului acestui raport. Aici amintim celebra inegalitate a lui
% % %
Schwartz: 3b ≤ 3 b cu egalitate ⇄ 3 = Sb, cu
k o constantă complexă.
Conform (4), rezultă
U
(° ˚)∑EX ≤ ∙ ‰({) % d{ 4({) % d{ =
ì(}) a

S 4({) % d{.
Egalitatea (adică atingerea maximului raportului semnal –
zgomot) are loc dacă și numai dacă
‰({) = S4({)eW ¥Åú } . (5)
W#
Aplicând operatorul ℱ , rezultă, în domeniul TIMP:
S S
ℎ 6 = 4 { eW ¥Åú } ∙ e ¥Å} d{ = 4 { e ¥(ÅWÅú )} d{ =
2( 2(

280
U W
4<{=i0¥<Åú WÅ=} ]{ @ Su<6¢ R 6= @ Su<6¢ R 6=.
%,
Am demonstrat astfel teorema „matched filter”, a filtrului
adaptat semnalului u<6=:
TEOREMA 6.2: Se consider% raportul <° ˚=∑EX dintre
puterea medie a semnalului u<6= trimis printr-un canal de
comunica$ie având func$ia de transfer ‰<{= #i un zgomot aditiv.
Maximul acestui raport la momentul 6¢ (la ie#irea canalului) este
atins dac% semnalul u<6= are acela#i con$inut frecven$ial cu ‰<{=.
În plus, r%spunsul impuls al filtrului (1 canalului de comunica$ie)
este
d<6= @ Su<6¢ R 6=, (6)
unde k > 0 este constant.
Bineîn$eles, cunoscând d<6=, ie#irea corespunz%toare
intr%rii u<6= va fi Ç 6 @ d 6 Ì u 6 ë
Filtrul adaptat unui semnal u<6= proceseaz% semnalul
eliminând (sau atenuând) zgomotul aditiv înso$itor, înainte de
demodulare. Presupunând k = 1 în (6), ceea ce nu modific% esen$a
problemei, dac% u<6= arat% ca în figura 6.3 a), atunci r%spunsul –
impuls d<6= arat% ca în figura 6.3 b), deplasat% #i simetrizat%.

Figura 6.3

! 281
Circuitul acordat al unui receptor radio este un exemplu de
filtru adaptat; el permite trecerea doar a frecven$elor care con$in
informa$ia programat% #i respinge restul spectrului
electromagnetic. Similar, monocromatorul face acela#i lucru cu
lumina. Filtrele adaptate sunt aplicate la Radar sau Geofizic%
(trimi$ând un semnal, m%surând semnalul reflectat #i interpretând
rezultatul), ca #i în Astronomie (unde spectrometrul de vitez%
radial% este un filtru spa$ial adaptat). De asemenea, cu ajutorul
unor filtre adaptate, se pot extrage undine cunoscute dintr-un
semnal contaminat de zgomot, prin corelarea semnalului cu
undina.
Exemplu
Fie 0 < a < b. Presupunem c% u<6= @ O dac% 6 7 89' :; #i
nul în rest. Alegem 6˜ @ : R 9 deci d<6= @ u<: R 9 R 6=.
Graficele lui v #i h sunt indicate în figura 6.4.

Figura 6.4
Atunci ie#irea corespunz%toare este Ç 6 @ d 6 Ì u 6 #i se
ob$ine un semnal triunghiular având suportul de lungime 2b – 2a.

282!
Filtru trece – jos și filtru trece bandă
Definiția 6.3: Dacă B > 0 este un număr real fixat, se
numește filtru ideal trece - jos cu frecvența de tăiere B orice filtru,
notat Z7 , având funcția de transfer
1 pentru { ≤ fi
‰({) = (7)
0 altminteri
Atunci răspunsul – impuls al filtrului este
# 7 ≥¥µ 7Å 7
ℎ(6) = ℱ W# {‰({)} = W 7
e ¥Å} d{ = (6 ≠ 0), ℎ(0) = ,
%, ,Å ,
și pentru orice intrare A(6), ieșirea corespunzătoare este
l ≥¥µ 7(ÅWª)
Ç 6 =ℎ 6 ∗A 6 = W l ,(ÅWª)
∙ A(∫)d∫ și
∂√.(x)Ÿ({) pentru { ≤ fi
˙({) = ‰({) ∙ Ÿ({) = .
0 altminteri
Definiția 6.4: În mod similar, pentru orice bandă de
frecvență [B, B'] cu 0 < B < B', se poate considera filtrul ideal trece
– bandă Z77Ö având funcția de transfer
1 pentru fi < { < fi′
‰({) = . (8)
0 în rest
#
Răspunsul–impuls este ℎ(6) = (sin fi′6 − sin fi6) și

filtrul asociază oricărei intrări A(6) semnalul
Ç 6 = ℎ 6 ∗ A 6 , care teoretic conține frecvențe ˙({)
nenule doar dacă fi < { < fi′.
Graficele funcțiilor ℎ 6 pentru filtrele Z7 și Z77Ö sunt
indicate în figurile 6.5 și 6.6.

283
Figura 6.5 Figura 6.6
Dac% H J :E J :# Jë ë ë J :B @ fi #i dac% A 6 este un
semnal din "#! Z "%! cu banda de frecven$% [– B, B], atunci el se
poate descompune în componente având sub-benzi disjuncte de
frecven$%: A @ A_ó X A_ó _à Xë ë ë XA_£Ãà _£ .
Exemple
a) Presupunem c% avem un filtru ideal trece – jos, cu nici o
atenuare sau transla$ie de faz% pân% la o frecven$% critic% q∂ .
A#adar, B = 2%q∂ . Dac% filtrul este traversat de un puls Heaviside
de V vol$i, atunci intrarea este u<6= @ 4G<6=, unde G<6= este
treapta unitate; spectrul intr%rii (deci con$inutul s%u frecven$ial)
#
este 4<{= @ 4<(T<{= R *4ç< ==; omi$ând impulsul #i $inând
}
# # ê¥
cont c% 4ç< = s , rezult% 4<{= s R ë Atunci spectrul
} } }
frecven$ial al ie#irii este ˙<{= @ 4<{= È ‰<{=, cu ‰<{= dat de
(7). Atunci semnalul de ie#ire este
# 7 ê¥
Ç 6 @ ? W# ˙ { @ R i¥Å} ]{ @
%, W07 }
ê¥ 7 ∂∑≥ Å}^¥ ≥¥µ Å}
@ R ]{.
%, W07 }

284!
Q
Dar pentru func$ii impare, WQ
3<6=]6 @ H #i pentru func$ii
Q Q
pare, WQ
3<6=]6 @& E
3<6=]6.
ê 7 ≥¥µ Å} jpÅ} ê 7Å
Atunci Ç<6= @ E ]{ @ )*+L<A= ]A.
, } , E
Aceast% integral% nu poate fi exprimat% prin func$ii elementare. Ar
trebui ca la ie#ire s% reg%sim voltajul V. Dar nu este chiar a#a...
Intrarea #i ie#irea filtrului sunt indicate în figura 6.7

Figura 6.7
Timpul de restabilire depinde de B. La osciloscoape se
poate confirma experimental aceast% situa$ie.
b) Consider%m acum un circuit RC ca în figura 6.8 #i
presupunem c% voltajul – intrare este A<6=, iar voltajul – ie#ire este
Ç<6=.

Figura 6.8

! 285
Atunci A<6= @ ü¬<6= X Ç<6=, unde ¬<6= @ ÜÇÑ<6= #i ca atare,
üÜÇÑ<6= X Ç<6= @ A<6=. Aplicând operatorul Fourier, rezult%
1<}= #
üÜ*{˙<{= X ˙<{= @ Ÿ<{=, de unde ‰<{= @ @ .
⁄<}= #^+á}¥

R%spunsul – impuls al sistemului A<6= 0 . 0Ç<6= va fi


#
W# iW0Å só
0¶i+eûM06 I H
d<6= @ ? g‰<{=h @ só
00000H000000000¶i+eûM06 J H
unde produsul õE @ üÜ se nume#te constanta de timp a
circuitului; graficul Ç @ d<6= este indicat în figura 6.9. Notând
#
{E @ , rezult%

% # #
‰<{= @ @ a . (9)
#^+ a á a } a #^<} }ó =

Figura 6.9
%
Se poate ar%ta c% ¿ @ ‰<{= este raportul densit%$ilor de putere
ale ie#irii #i intr%rii. Graficul acestei func$ii este indicat în figura
6.10.

286!
Figura 6.10
∂√ë<y= %
Decibelul lui r este dB @ OH ôcf#E ¿ @ R OH ôf O X <{ {E = .
În figura 6.11 este redat graficul dependen$ei {0 .0dB.

Evident, dB @ H' dB { @ }ó s RH'ÇO0 #i


{@H %

dB s RV'HO0. A#adar, comportarea în frecven$% a ie#irii


{ @ {E
y(t) la { @ {E este atenuat% la circa 3 dB, în compara$ie cu cea de
la { @ H. Din acest motiv, se

Figura 6.11
spune c% banda [–0{E ' {E ; este „banda 3 dB”.

! 287
Circuitul anterior este un alt exemplu de „filtru trece – jos”,
deoarece pentru { > {E , ‰({) este neglijabil și la fel va fi
˙({) . Se spune că frecvențele care contează sunt cele din banda
[– {E , {E ], adică sunt reținute numai frecvențele joase. Așadar, nu
#
întâmplător, valoarea {E = este numită frecvența de tăiere a

frecvențelor.
c)Trecerea unui tren de delte printr-un filtru ideal trece jos
Considerăm un tren de pulsuri cu o frecvență qE , exprimat
#
printr-un pieptene Dirac ШQ (6), unde a = . Presupunem că filtrul

transmite cu o relativă precizie, toate frecvențele aflate sub un


anumit prag și le respinge pe cele de deasupra pragului. Așadar,
funcția de transfer a filtrului este de tipul unui semnal
dreptunghiular ⨅rù , cu frecvența de tăiere q∂ . Transformarea
Fourier a semnalului transmis va fi, conform teoremei 3.11 (relația
# #
(38) din Capitolul 3), egală cu distribuția Ш# Q (q) = Шró (q)
Q Q
#
deci spectrul frecvențial al ieșirii va fi produsul ⨅rù ∙ Шró (q), iar
Q
semnalul de ieșire va fi transformarea Fourier inversă a acestuia,
deci convoluția dintre trenul de pulsuri original și funcția
sinc(2πq∂ 6).
Dacă lățimea benzii filtrului este largă în comparație cu
frecvența qE a pulsului, atunci funcția „sinc” este îngustă în
comparație cu separarea pulsurilor individuale și fiecare puls va fi
înlocuit cu această funcție „sinc” îngustă. Dar dacă lățimea benzii
filtrului este „mică”, atunci trenul de impulsuri va aminti de o undă
sinusoidală.

288
#
Din tabelul de transformate Fourier, avem ? <{= @
Å a ^Q a
, W0Q } #
i '9 K H #i înlocuind { @ &(q, rezult% ? <q= @
Q Å a ^Q a
, W0%,Q r
i ; notând 2%a = b, rezult% c% iW0_ r @
Q
_ #
? . A#adar, dac% func$ia de transfer a filtrului este
%, a Å a ^<_ a x, a =

‰ q @ 0 iW0_ r ' : K H (în locul lui Prù =, atunci trenul de


impulsuri la ie#irea va fi convolu$ia pieptenului ˇQ <6= cu
_ #
.0 . În acest caz, are loc o atenuare a trenului de
%, a Å a ^<_ a x,a =

impulsuri cu un filtru trece – jos având o band% îngust% de


frecven$%, ca în figura 6.12.

Figura 6.12
Not%
Teoria canalelor de comunica$ie abordeaz% o multitudine
de aspecte care au condus la cre#terea calit%$ii semnalelor 1D sau
2D transmise. Am prezentat pe scurt aspecte legate de aplicarea
aparatului Fourier. Dar merit% men$ionate de asemenea: modula$ia
în amplitudine (AM), în frecven$% (FM) sau în faz% (PM), ca #i
transmisiile multiplex, a mai multor semnale independente prin

! 289
acela#i canal de comunica$ie etc., care fac obiectul unor mari
realiz%ri #tiin$ifice #i tehnologice.
Semnal analitic, transformarea Hilbert
Fie A<6=' 6 7 ! un semnal din "%! cu valori reale #i
Ÿ<{= @ ?gA<6=h. Pentru orice { 7 !' Ÿ<{= @ z<{= X ¬fi<{=.
Atunci partea real% z<{= este o func$ie par%, iar fi<{= este impar%.
De aceea, pentru reconstruc$ia lui A<6= este suficient de cunoscut
Ÿ<{= pentru { K H.
Presupunem acum c% semnalul A<6= se afl% la intrarea unui
filtru liniar de convolu$ie T având func$ia de transfer
&0¶i+eûM0o K H
‰<{= @ ; fig. 6.13 (10)
H0¶i+eûM0{ J H

Figura 6.13
¥ #
R%spunsul impuls al lui T este d 6 @ T 6 X 0e… , deoarece
, Å
¥ # ¥
? d 6 @ O X ? 0e… @ O X 0 N (* )f+ @
, Å ,
@ O X )f+{ @ ‰ { .
Ie#irea corespunz%toare este Ç 6 @ ZA 6 @ d<6= Ì
¥ #
A<6= @ T<6= Ì A<6= X <0e… Ì A<6==.
, Å

290!
# l j(()
Dar T(6) ∗ A(6) = A(6) și VP ∗ A(6) = W l ÅW(
dG
Å
# l j(Å^()Wj(ÅW()
(valoare principală = − lim dG ).
, →E  (

Definiția 6.5:
Transformata Hilbert a semnalului A(6) este semnalul
# j(()
ℋ{A(6)} = dG, iar asocierea A(6) ↦ ℋ{A(6)} se numește
, ÅW(
transformarea Hilbert.
Deoarece A(6) are toate valorile reale, ℋ{A(6)} are de
asemenea valorile reale.
Se poate arăta că aplicația ℋ: L%ℝ → L%ℝ este un
izomorfism ℂ – liniar care conservă produsele scalare (deci este un
operator unitar); în plus, ℋ ∘ ℋ = −id, în sensul că ℋ{ℋ{A}} =
−A pentru orice A ∈ L%ℝ și ℱ{ℋ{A(6)}} = iŸ({) ∙ sgn{. De
asemenea, ℋ{cos 6} = sin 6; ℋ{sin 6} = − cos 6 ; ℋ{sinc(6)} =
#W∂∑≥ Å #
și prin extindere la distribuții, ℋ{T(6)} = .
Å ,Å
Așadar, ieșirea care corespunde intrării A(6) prin filtrul T,
având funcția de transfer ‰({) dată de (10), este Ç(6) = A(6) +

iℋ{A(6)} și aceasta se notează cu A(6).
Definiția 6.6: Semnalul

A (6) = A(6) + iℋ{A(6)} (11)

se numește semnalul analitic asociat lui A(6); A (6) ∈ L%ℝ .
Notă
∑ ∑
A da A(6) este echivalent cu a da A (6); A(6) = Re A (6).
În ingineria electrică, o mărime fizică reală A(6) se

definește prin A(6).

291
Exemplu

Dacă A(6) = cos 6, atunci A (6) = cos 6 + i sin 6 = e¥Å și
mai general, dacă A(6) = z cos({E 6 + |), cu A, {E , | constante,

atunci A(6) = ze¥(}ó Å^d) .
Denumirea de semnal analitic a fost sugerată de
următoarea analogie: dacă 3 ∫ = ç A, Ç + iò A, Ç este o
funcție olomorfă (≡ analitică) în semiplanul superior, atunci au loc
condițiile Cauchy – Riemann: çj = ò) , ç) = −òj ; înlocuind
∫ = 6, 6 ∈ ℝ, dacă 3 6 = G 6 + iu 6 este un semnal analitic,
atunci u = ℋ G și G = −ℋ{u}.

§6.2. Elemente de optică Fourier


Optica Fourier este un domeniu științific modern, care se
referă la studiul luminii, la lungimile de undă vizibile (incluzând
și porțiuni de infraroșu și ultraviolet ale spectrului
electromagnetic), tratând procesele optice în termeni de frecvențe
spațiale și oferind instrumente analitice noi și metode de măsurare
nedistructive și non-invazive, realizând o adevărată revoluție prin
înlocuirea tehnicilor electromecanice de măsurare cu cele
optoelectronice. Fundamentele ei teoretice sunt constituite de
ecuațiile lui Maxwell și transformarea Fourier 1D, 2D, 3D.
Începuturile utilizării analizei Fourier în optică sunt legate de
studiul difracției luminii (Kirchhoff). Dacă lumina (sau orice altă
undă) întâlnește un obiect, ea este difractată și undele rezultate au
o distribuție complicată de amplitudine și fază. Metoda Fourier a
permis să se obțină expresii analitice pentru spectrele spațiale ale

292
obiectelor angajate. Acest fapt determină caracteristicile
imaginilor acelor obiecte–locație, contraste, rezoluția
dispozitivelor optice, proprietățile luminii folosite. În cadrul
opticii Fourier, se studiază diversele tipuri de apertură / orificii,
cascade de lentile, măști de fază, filtre spațiale. O idee principală
este aceea că o distribuție a luminii este transformată într-o
distribuție de frecvență spațială.
După ce în 1947, D. Gabor a inventat holografia și în
1964, G.W. Stroke a inventat holografia Fourier, s-a ajuns ca
diversele operații matematice: convoluții, corelații, transformări
Fourier, Hilbert etc să fie realizate prin metode optice, cu aplicații
semnificative în prelucrarea optică a informației: recunoașterea
formelor, fibră optică, stocarea optică a informației; totul a
culminat cu calculatoarele optice, unde purtătorul de informație
nu mai este un flux de electroni ci un curent de fotoni, adică
lumină.
a) Difracția luminii
Aceasta constă în ocolirea obiectelor din drumul razelor de
lumină, dacă dimensiunile obiectelor sunt comparabile cu
lungimea de undă incidentă. S-a constatat că apariția franjelor de
difracție are loc și pentru alte tipuri de unde – 3D sonore, raze X,
unde radio, dar și la particule de materie (electroni, neutroni).
Oscilațiile având aceeași frecvență și pentru care se ating
simultan amplitudini maxime se numesc „în fază”, iar fronturile de
undă sunt suprafețele formate din punctele unde oscilațiile sunt în
fază, depărtându-se de sursă cu viteza de propagare a undei.
Principiul lui Huygens afirmă că fiecare punct al unui front de

293
undă sferică (de exemplu o undă sonoră 3D), care provine de la o
sursă, se poate considera ca o sursă secundară a unor unde sferice
aflate în fază cu unda incidentă; toate fronturile de undă de la
aceste unde secundare se combină și interferează pentru a forma
un nou front. Acest principiu nu are loc și în cazul undelor 2D și
nu întâmplător, se pot transmite unde de înaltă fidelitate doar în
3D, cu ajutorul sunetelor, luminii sau altor unde electromagnetice.
Fenomenul depinde de dimensiunea orificiului și de
lungimea de undă; aperturi înguste sunt transformate în paterne
largi de difracție (frecvență spațială largă). Difracția se manifestă
în natură, în diverse situații: de exemplu, umbra unui obiect mat
produce mici franjuri în jurul marginilor obiectului; apoi,
particulele fine din atmosferă creează în jurul unei surse puternice
de lumină inele circulare. În proiectarea aparatelor foto,
telescoapelor și microscoapelor, se ține cont de limitările datorate
difracției luminii.
Considerăm o situație simplă, cu o singură fantă / apertură,
care implică trei elemente:
- lumina provenită de la o sursă O;
- o suprafață plană (S) având o apertură A, (S)\A fiind
presupusă opacă;
- un ecran (E) paralel cu (S), aflat la o anumită distanță de
(S); fig. 6.14.

294
Figura 6.14
Lumina este o und% electromagnetic% oscilant% cu
intensitatea E #i frecven$a q, generând un câmp electric punctual
de intensitate ~ Lc) {6 (adic% semnalul analitic ~i¥}Å ), unde
{ @ &(q. Câmpul luminos într-o fant% A de l%$ime dx va fi
~i¥}Å ]A.
Considerând un punct generic x al fantei, el este o surs%,
conform principiului lui Huygens #i se pune problema determin%rii
intensit%$ii câmpului într-un punct P al ecranului (E). Planul S este
asimilat cu un front de und% al luminii, iar unda are aceea#i faz% în
toate punctele lui (S). Presupunem c% amplitudinea ~E a lui E este
constant% pe (S).
Efectul principal, care se propag% din punctul x în punctul
P la distan$a r= d(x, P), este schimbarea de faz% a undei luminoase,
presupus% monocromatic%. Dac% t este lungimea de und%, aceast%
8
und% face în drumul ei de la x la P, cicli #i ca atare, câmpul
w
luminos în P va fi ~E È i¥}Å È iW0%@¥8 w
È ]A. Prin suprapunere (adic%

! 295
însumare a câmpurilor ob$inute variind x în apertura A
considerat%), se ob$ine câmpul luminos total în P:
~Î @ ~E i¥}Å 
iW0%@¥8 w ]A . (12)
Distan$a r depinde de x #i pe axa vertical% Ox din figura
6.14, situa$ia este urm%toarea:

Figura 6.15
Introducem acum ipoteza fizicianului german Fraunhofer:
¿ — l%$imea fantei A. (13)
Notând ¿E @ ]<É' ç=, rezult% ¿ s ¿E R A )*+ ¡ (numit%
aproximarea lui Fraunhofer).
≥¥µ ≈
Înlocuind în (12) #i notând ¯ @ , rezult%
w
< üÕ† °
~Î @ ~E È i¥}Å È iW0%@¥8ó w

i%,¥ ¢ ]A @

@S 
i%,¥Âj ]A , (14)
unde k este o constant% a problemei (c%ci {' ¿E ' t sunt fixate).
Facem acum o mic% digresiune matematic%. Dac% z ’ Ä
este o submul$ime, atunci se define#te func%ia – indicator F
(numit% #i func$ia caracteristic% a submul$imii A), ca fiind
0O0]ùLú0A 7 z
F 40Ä0 / 0!' F <A= @ . În cazul nostru, apertura A
0H0]ùLú0A ' z
este o submul$ime z ’ ! deci rela$ia (14) se scrie astfel:
l
~Î <¯= @ S F <A=
W0l 
È i%,¥Âj ]A.

296!
Surpriz%! Am ob$inut o integral% cunoscut%, tocmai transformarea
Fourier invers% a func$iei F (notat% în Capitolul 3, corolarul 2 al
teoremei 3.2, cu ?# gF <A=h0=. A#adar,
~Î <¯= @ ?# gF <A=hë (15)
Cu conven$ia de nota$ie din paragraful 3.8, formula (33),
avem perechea conjugat% F <A= 0 G 0 ~Î <¯=.
Am ob$inut astfel un prim rezultat fundamental de Optic%
Fourier:
TEOREMA 6.3 (Kirchhoff – Fraunhofer): Cu nota$iile
anterioare, câmpul luminos total ~Î în punctul P este propor$ional
≥¥µ ≈
cu valoarea în punctul ¯ @ a transform%rii Fourier inverse a
w
func$iei – indicator a aperturii A.
Intensitatea luminoas% este F<¯= @ ~Î È ~Î @ ~Î % #i
poate indica regiunile mai luminoase sau mai întunecate, pe care
fanta A le proiecteaz% pe ecranul (E).
Metoda Fourier anterioar% permite determin&ri
cantitative #i în acest sens, d%m câteva consecin$e spectaculoase,
confirmate în experimente de laborator.
COROLAR 1 (cazul difrac$iei printr-o apertur%
dreptunghiular%); figura 6.16

Figura 6.16

! 297
Q Q
În acest caz, apertura se identific% cu intervalul z @ R0 ' #i
% %
func$ia–indicator este F <A= @ PQ <A= #i ?# gF <A=h @ 9 )*+L<(¯9=
≥¥µ ≈
deci câmpul luminos în P este ~Î @ S )*+L (9 #i
w
%
intensitatea lui este ~Î .
COROLAR 2 (cazul aperturii punctuale).
În acest caz, apertura este T<A= #i ca atare, ?# gT<A=h @ O deci
intensitatea luminoas% este constant% (uniform%).
COROLAR 3 (cazul Young a dou% fante paralele).
Medicul englez Young a studiat interferen$a undelor luminoase,
fenomen apropiat de difrac$ie, ob$inând franjuri spectaculoase cu
lumina alb% (nu monocromatic%) #i folosind dou% fante paralele.
Considerând apertura A indicat% în figura 6.17, ca reuniune
_ _
a dou% intervale de lungime a, centrate în punctele ' R0
% %
(0 < a < b). În acest caz,

Figura 6.17
£
_ _
F A @ PQ A R X PQ A X deci ?# F A @ iW0¥0a0Â È
% %
£
0W0 0Â _Â
9 )*+L (¯9 X i a È 9 )*+L<(¯9= @ &9 )*+L<(¯9= È Lc) .
%

298!
COROLAR 4 (cazul a două surse punctuale plasate în
Q Q
punctele − , ).
% %
Q Q
Apertura este z(A) = T A − +T A+ și în acest
% %
caz, ~Î = S ∙ cos((¯9).
Ca un ultim exemplu, există o anumită similitudine între
un grătar de difracție și o linie de dipoli aerieni echidistanți. Un
grătar de difracție reflectă sau transmite fronturi plane coerente de
undă și o linie de dipoli este alimentată de la un oscilator de
frecvență radio comună. O linie aeriană de dipoli se reprezintă
printr-o funcție de apertură de forma z(A) = ШQ (A) ∙ ⨅oQ (A),
unde N este numărul de dipoli din acea linie și a este spațierea.
Atunci conform teoremei 3.11, relația (38), ℱ# {z(A)} =
# ≥¥µ ≈
Ш# Q (¯) ∗ sinc n(¯9 , ¯ = . În acest mod, se pot
Q w
experimenta și alte aranjamente ale dipolilor, cu modificarea
fazelor acestora. Aplicațiile sunt numeroase, extinse la diverse
forme ale aperturilor–dreptunghiulare, circulare, 3D, grătare,
prisme etc.
Notă
Difracția Fraunhofer este numit „far–field”, deoarece
apertura se află la distanță relativ mare de ecran. Există și o
abordare „near–field”, datorată lui Fresnel, în cazul când distanța
apertură – ecran este relativ mică.
b) Interferometrie / spectrometrie Fourier
Interferometria este un ansamblu de metode de măsurare a
lungimilor de undă, a variațiilor de mici lungimi, a densităților

299
materialelor transparente sau a indicilor de refracție. Primul pas l-
a constituit inventarea în 1887 a interferometrului lui Michelson
(folosit pentru a dovedi că viteza luminii este invariantă în raport
cu sistemele inerțiale de referință). Schema este bine-cunoscută:
un fascicul de lumină coerentă (de exemplu, de la un laser) este
divizat în două fascicule de un „splitter”; acestea se propagă pe
două brațe diferite, sunt reflectate unul către celălalt și apoi dirijate
împreună către un detector, unde se combină și se suprapun; ca
rezultat, apare o figură de interferență. Dacă drumul optic al unuia
din cele două fascicule parțiale se modifică, atunci se produce o
diferență de fază față de fasciculul incident și se modifică figura
de interferență. Variațiile drumului optic se obțin prin deplasarea
controlată a uneia din oglinzile interferometrului.
O lentilă concentratoare produce franjuri concentrice în
planul focal și există o apertură prin care lumina de la o franjă
poate trece prin detector. Această apertură este echivalentă cu
fanta unui spectrometru grătar. Lumina care ajunge la splitter este
o undă z = zE e¥}Å ({ = 2(q; q = numărul de undă) și după
splitter, cele două fronturi de undă luminoasă sunt
ó % ¥}Å
z# = z% = e . Dacă drumurile lor prin brațele
%
interferometrului sunt Œ# și Œ% , atunci după recombinare în direcția
ó ¥}ı ó ¥}ı
transmisă ajunge unda e à + e a ∙ e¥}Å ; intensitatea
% %
luminoasă spre detector este
ó a ó a
F({) = (1 + cos {(Œ# − Œ% )) = (1 + cos {∆),
% %

300
unde ∆ = Œ# − Œ% este diferența drumurilor. Intensitatea primită de
detector de la o sursă cu banda infinitezimală d{ va fi F({)d{ =
ó a #
(1 + cos {∆)d{ = °({)(1 + cos {∆)d{, unde °({) este
% %
densitatea spectrală de putere a luminii. În final, puterea primită de
l # l
detector este F(∆) = E
F({)d{ = E
°({)(1 + cos {∆)d{.
%
l
Dar E
°({)d{ = puterea totală P livrată detectorului deci
l § ´b≠ă # l
2F ∆ − ç = E
°({) cos {∆d{ = °({) cos {∆d{ =
% W l
# l
°({)e¥}∆ d{ = ( ∙ ℱ# {°({)}(∆).
% W l
Așadar, 2F({) − ç este π × inversa transformării Fourier
a densității spectrale de putere a luminii.
Notă
Mărimea 2F({) − ç poate fi interpretată ca o
interferogramă; ea poate fi înregistrată digital și modificată
continuu prin mișcarea uneia din oglinzile interferometrului. În
ultimul timp, se folosesc mijloacele rapide de calcul în timp real
(algoritmul FFT, utilizarea diverselor mărimi frecvențiale
exprimate prin °({) etc.).
c) Holografie Fourier („holos” ≡ total, în grecește)
Un ecran poate înregistra amplitudinea luminii incidente,
dar nu și faza. În 1947, D. Gabor a inventat totuși o metodă de a
înregistra amplitudinea și faza undelor luminoase, pentru care a
primit premiul Nobel.
O undă împrăștiată („scattered”) °(A, Ç) =
9≥ (A, Ç)eW ¥dü (j,)) de un obiect poartă diverse proprietăți ale acelui

301
obiect. Gabor a reușit reconstrucția frontului de undă, prin
interferența undei împrăștiate cu o undă de referință
ü(A, Ç) = 9≠ (A, Ç)eW ¥d• (j,)) , obținând o imagine încețoșată a
obiectului fotografiat, prin suprapunerea
Z(A, Ç) = °(A, Ç) + ü(A, Ç), care conține totuși o bună
parte din informație, pe care a numit-o hologramă.
În esență, holografia este un proces în doi pași: mai întâi se
extrage o hologramă a obiectului 2D fotografiat, care apoi este
iluminată pentru a obține o imagine 3D a obiectului. Realizarea
efectivă a hologramelor a fost posibilă după inventarea laserului,
după care au apărut aplicații spectaculoase (televiziunea 3D,
microscopie holografică, telemedicină etc.).
În holografia Fourier, în loc de a forma holograma cu
fronturi de undă provenite de la un obiect iluminat, se realizează
mai întâi transformarea Fourier a frontului de undă incidentă,
folosind lentile specializate.
De fapt, filmul lui Gabor înregistrează intensitatea
câmpului electric Z A, Ç = ° A, Ç + ü A, Ç , adică
%
F = Z A, Ç = Z A, Ç ∙ Z A, Ç = ° + ü ∙ ° + ü =
= 9≥ eW ¥dü + 9≠ eW ¥d• ∙ 9≥ e ¥dü + 9≠ e ¥d• = 9≥% + 9≠% +
9≥ 9≠ eW ¥dü ^¥d• + eW ¥d• ^¥dü = 9≥% + 9≠% + 29≥ 9≠ cos(|≠ − |≥ ).
Filmul cu această intensitate este tocmai holograma.
Holograma este iluminată cu unda de referință, obținând în spatele
hologramei I ü A, Ç .
Hologramele realizează interferența dintre o lumină
coerentă și lumina incidentă reflectată de un obiect. Deosebirea

302
dintre o hologramă și o fotografie convențională este aceea că
fotografia înregistrează intensitatea luminii incidente, în timp ce
holograma reține intensitatea și faza.

§6.3. Aplicații ale transformării Fourier 2D și


transformarea Radon
a) Transformarea Fourier 2D cu simetrie radială (≡
circulară)
Am definit în 5.3 (definiția 5.1) transformata Fourier
multidimensională. În cazul 2D, dacă 3(A, Ç) ∈ L%ℝa , atunci se
definește ò(G, u) = ℱ% {3(A, Ç)}, prin
ò(G, u) = ℝa
3(A, Ç) ∙ eW ¥((j^ñ)) dAdÇ (16)
și are loc formula de inversare:
#
3(A, Ç) = ℝa
ò(G, u) ∙ e ¥(j(^)ñ) dGdu. (17)
x, a
Dacă 3(A, Ç) = 3# (A) ∙ 3% (Ç) (se spune atunci că f este cu variabile
separabile), atunci ò(G, u) are aceeași proprietate, reducând
ò(G, u) la produsul a două transformate Fourier 1D.
În cazul simetriei circulare (de exemplu, dacă suportul lui
f este un disc sau o coroană circulară), atunci se recomandă
folosirea coordonatelor polare, atât în planul funcțiilor – original
cât și al funcțiilor – imagine:
A = ¿ cos ¡ , Ç = ¿ sin ¡; G = Ë cos | , u = Ë sin |.
Relația (16) devine:
l %,
ò(Ë, |) = E
¿d¿ E 3(¿, ¡)eW ¥Í8 ∂∑≥(≈Wd) d¡.
Dacă 3(¿, ¡) = b(¿), deci f nu depinde de ¡, atunci

303
l %,
ò<Ë' |= @ E
¿b<¿=]¿ E iW0¥Í8 ∂∑≥<≈Wd= ]¡ #i punând
¡ R | @ ã, rezult% c% integrala interioar% este egal% cu
%, W0¥Í8 ∂∑≥ Q
E
i ]ã @ &(€E <Ë¿=, €E fiind func$ia Bessel de
indice zero. În concluzie,
l
ò<Ë= @ E
¿b<¿=€E <Ë¿=0]¿ë (18)
Exemple
00d' ¶i+eûM0H J ¿ m 90
a) Dac% b<¿= @ , rezult%
H' ¶i+eûM00¿ K 9
Q
ò<Ë= @ d E
¿€E <Ë¿=0]¿.
b) Dac% b<¿= @ dT<¿ R 9=, atunci ò<Ë= @ d9€E <Ë9=.
Aplica$ie
Reluând ra$ionamentul din paragraful 6.2 a), presupunem
c% apertura A este situat% în planul xOy #i c% punctul P în care
estim%m intensitatea unei surse de lumin% „far – field” se afl% la
distan$a ∫E de planul xOy (figura 6.18). Elementul de arie în
apertura A este

Figura 6.18
dxdy #i amplitudinea undei luminoase în punctul curent B al

304!
aperturii (considerat sursă) este K dxdy și în punctul P(x, y, ∫E ),
ß %,
~Î = ›dAdÇ ∙ e%,¥+ w
(D>0 constantă); notăm S=
w
Ö
(numărul de undă); avem ü ≅ ü − ℓA − âÇ, unde ℓ, â sunt
cosinușii directori ai dreptei OP și R = d(O, P). Așadar, intensitatea
totală a undei luminoase în punctul P va fi obținută însumând
amplitudinile după toate punctele B ale aperturii
~Î = π 
eW ¥U ℓj^ä)
dAdÇ =

=π F (A, Ç)
ℝa 
∙ eW ¥U(ℓj^ä)) dAdÇ, unde F (A, Ç) este
funcția – indicator a submulțimii z ⊂ ℝ% și c > 0 este o constantă.
Notând ò(G, u) = ℱ% {F (A, Ç)}, ca în (16), va rezulta
~Î = π ∙ ò(Sℓ, Sâ), (19)
o formulă similară cu (15). Așadar, valoarea ~Î a perturbației
luminoase depinde de apertură.
Exemple
a) Dacă apertura A este un dreptunghi cu dimensiunile 2a,
2b, adică z = [−9, 9]×[−:, :], atunci intensitatea difractată în
direcția cu cosinușii directori (ℓ, â, 1 − ℓ% − â% ) este
proporțională cu F(Sℓ, Sâ), unde
Q W ¥Uℓj _ W ¥Uä)
ò ℓ, â = ℱ% F A, Ç = WQ
e dA ∙ W_
e dÇ =
= 49: ∙ sinc(Sℓ9) ∙ sinc(Sâ:).
b) Dacă apertura A este discul A % + Ç % ≤ ü% , atunci
´∑Òb≠¨
ò ℓ, â j a ^) a ¶+ a
eW ¥U ℓj^ä)
dAdÇ =
+ %,
= E
¿d¿ E eW ¥U8(ℓ ∂∑≥ ≈^ä ≥¥µ ≈) d¡.
Calculul se finalizează folosind formula

305
%, 0¥j ∂∑≥ ≈
E
i ]¡ @ &( È €E <A=. Deoarece €E <A= este de forma
unei sinusoide degenerate, pe ecran se va vedea o succesiune
alternat% de inele luminoase #i întunecate; figura 6.19.

Figura 6.19
TABEL DE TRANSFORMATE FOURIER 2D
3 A' Ç 0 ò<G' u=, conform (16)0
T<A' Ç= [1]
[1] ±( % T<G' u=
T<A R 9' Ç R := i¥Q( È i¥_ñ
i¥Qj È i¥_) ±( % T<G R 9= T<u R :=
a W) a #
iWj (iW0x<(
a ^ñ a =

Liniaritate 93 X :b^ 09' : 7 5 aF + bG


Variabile separate 3<A= È b<Ç= ò<G= È é<u=
Scalare 3<9A' :Ç=^ 09' : 7 ! O G u
ò '
9: 9 :
Glisare / translatare ò<G' u= È iR0*<9GX:u=
3<A R 9' Ç R :=0
Modulare 3<A' Ç= È i0*<9AX:Ç= ò<G R 9' u R :=
Convolu$ie 3<A' Ç= Ì b<A' Ç= ò<G' u= È é<G' u=

306!
Interpretare geometric%
În formula definitorie (16), variabilele u, v se numesc
frecven$e unghiulare spa$iale în lungul celor dou% axe, m%surate în
cicli/m. Rela$ia (17) arat% c% orice semnal 3<A' Ç= din "%!a se
descompune ca o suprapunere de armonici spa$iale de diverse
frecven$e.
Presupunem c% privim imaginea unei podele nem%rginite,
acoperit% alternativ cu pl%ci negre #i albe de lungime å, aliniate cu
muchii paralele cu direc$iile Ox, Oy. Dac% 3<A' Ç= reprezint% o
und% luminoas%, atunci ?% g3<A' Ç=h indic% distribu$ia pe frecven$e
a luminii; pentru fiecare plac% de lungime å, perioada spa$ial% în
lungul fiec%rei axe este 2å #i frecven$ele spa$iale unghiulare vor fi
,
egale cu ; unda incident% 3<A' Ç= este reconstruit% din armonice
å
0¥<j(^)ñ=
i , cu amplitudini date de func$iile complexe ò<G' u=, care
alc%tuiesc spectrul frecven$ial spa$ial. Pentru un set fixat de valori
(u, v), dreptele cu ecua$ia ux+vu = A, constant sunt perpendiculare
pe vectorul de componente u, v; fig. 6.20.

Figura 6.20

! 307
În figura 6.21 indic%m o apertur%, unda luminoas% 3<A' Ç=
#i reparti$ia pe diverse direc$ii ale componentelor frecven$iale
suprapuse ale undei.

Figura 6.21
Not%m cu ¡j ' ¡) unghiurile f%cute de un vector de und% ß
(perpendicular pe direc$ia unei unde plane) cu axele Ox, Oy.
Atunci )*+ ¡j @ tG' )*+ ¡) @ tu #i pentru unghiuri ¡j ' ¡) „mici”,
avem G s ¡j t 0ï*0u s ¡) t; figura 6.22. Amplitudinea undei
plane având direc$ia (¡j ' ¡) =

Figura 6.22
este propor$ional% cu ò<G' u=. Und% incident% plan% descris% prin
3<A' Ç= este descompus% în unde plane care c%l%toresc la unghiuri
¡j ' ¡) ; figura 6.23.

308!
Figura 6.23
În cazul unei unde luminoase propagate printr-o lentil%
convergent%, cu distan$a focal% f, în planul focal intensitatea
luminoas% într-un punct curent se poate aproxima prin valorile
j )
transform%rii Fourier ò<G' u= a undei 3<A' Ç= în punctul ' .
w¢ w¢

În acest mod, lentila apare ca un transformer Fourier fizic.


b) Transformarea Radon #i aplicarea ei în Tomografia
computa$ional%
Defini$ia 6.7: Pentru orice func$ie 340!% 0 / 0!' 3 7 "%!a ,
rapid descresc%toare, transformata ei Radon este func$ia g
definit% prin
l
b<Ë' ¡= @ W0l
3<Ë Lc) ¡ R 6 )*+ ¡ ' Ë )*+ ¡ X 6 Lc) ¡=]6.
Se mai scrie b @ ®3 sau ®403<A' Ç= 0 . 0b<Ë' ¡=.
Dar începând în acest mod, pierdem ocazia unei model%ri
matematice de mare frumuse$e #i importan$%. Vom modifica sensul
expunerii, începând euristic, astfel încât matematica s% apar% ca
rezolvant% final%, ca un „deus exmachina”.
Termenul „tomografie” provine din grece#te („tomos” 1
0sec$iune) #i el este prezentat ca un ansamblu de tehnici de

! 309
organizare, tratare și control nedistructiv al corpului uman sau al
diverselor structuri materiale, în vederea detectării unor tumori,
fisuri sau chisturi, prin secțiuni realizate cu raze X, fluxuri de
neutroni, ultrasunete etc.
Descriere fizică
Fundamentul matematic al tomografiei se află într-o
lucrare „nevinovată” din 1917 a matematicianului austriac I.
Radon, relativ la o clasă de ecuații integrale, pe care medicul
sudafrican A. Cormack și fizicianul englez G. Hounsfield au
înțeles-o și dezvoltat-o în 1960, construind totodată primul scanner
tomograf și obținând premiul Nobel. Tomografia este curent
utilizată în medicina radiologică (non-invazivă), dar și în Biologie
sau în Tehnologia materialelor. Dificultățile tehnice au fost
datorate obținerii de secțiuni 2D ale unor corpuri 3D, din mai multe
poziții.
Vom prezenta elementele constitutive ale tomografiei,
unde se întâlnesc contribuții fizice (interacția radiației cu
substanța), matematice (transformarea Radon) și informatice
(algoritmi rapizi de prelucrare a datelor și de imagistică), oferind
un exemplu magistral de colaborare interdisciplinară. Pentru
matematicieni s-a creat un domeniu nou – Geometria integrală și
probleme inverse asociate (de tipul reproducerii unor detalii
inaccesibile ale unor corpuri 3D, solide sau lichide, cunoscând
diverse proiecții 2D ale lor). Pentru fizicieni, studiul interacției
substanță – radiație a condus la optica neliniară și la dezvoltarea
laserilor, iar specialiștii în IT au elaborat algoritmi de mare finețe,
al căror beneficiar principal a fost și este Medicina. Până de

310
curând, pacientul care resim$ea dureri ascunse sau ame$eli se ducea
la spital s% fie „deschis” de chirurg; acum s-a ajuns nu numai la
detec$ie ci #i la neutralizare sau resorb$ie a sursei de durere.
În termeni prozaici, obiectul tomografiat este introdus într-
o incint% care cuprinde o surs% de raze X (de exemplu), rotit% #i
deplasat%; intensitatea radia$iei este m%surat% cu precizie,
determinând gradul de atenuare a radia$iei la traversarea zonei
analizate; figura 6.24.

Figura 6.24 Figura 6.25


Dac% un fascicul de raze traverseaz% un strat al unei pl%ci
dintr-un material de grosime , (figura 6.25), atunci varia$ia ,I a
intensit%$ii I a radia$iei este propor$ional% cu grosimea pl%cii, adic%
ÓD
,I = – bI deci @ R0:F (unde b > 0 este coeficientul de absorb$ie
Ój
al stratului; semnul „–” arat% c% intensitatea scade cu cre#terea
grosimii). Aceasta este legea Lambert a radia%iei.
Model matematic primar
În nota$ie diferen$ial%, am ob$inut ecua$ia diferen$ial%
F Ö <A= @ R:F<A=, (20)
de unde F<A= @ F<H= È iW0_j .

! 311
Dacă P este o placă subțire cu fețe paralele, atunci notând
cu 3(A, Ç) coeficientul de absorbție/atenuare (un tip de
„densitate”) în punctul (x, y) al plăcii, atunci în lungul unei raze
curente ∆, aplicând legea Lambert, rezultă relația F7 = F ∙ eW © ,
unde F7 (respectiv F ) reprezintă intensitatea radiației la ieșirea B
din placă (respectiv la intrarea A), iar € = 7
3(A, Ç)dè reprezintă
însumarea atenuărilor în lungul segmentului din dreapta ∆ aflat în
interiorul plăcii; „ds” este elementul de arc în lungul dreptei ∆;
Dk D
figura 6.25. Așadar, e © = deci € = ln k .
Dg Dg

În final, rezultă ecuația


D
7
3(A, Ç)dè = ln k , (21)
Dg

cu necunoscuta 3(A, Ç). Cunoscând funcția f, chiar și numai în


punctele unei rețele discrete 2D, se obțin informații asupra
disturbanțelor existente în placa P. După care modificăm ∆...
Presupunem că este trimis un fascicul de radiații paralele
cu o direcție fixă, având coeficientul unghiular m.
Ecuația fasciculului este Ç = âA + t, cu parametrul t.
Punând x=t, y=mt+t, rezultă
Dè = dA % + dÇ % = AÖ 6 % + ÇÖ 6 % ∙ d6 =
= 1 + â% d6 și ecuația (21) devine
jg D
jk
3(6, â6 + t) ∙ 1 + â% d6 = ln k , adică de forma
Dg
_
Q
ò(6, t)d6 = b(t), (22)
cu g funcție cunoscută (deoarece intensitățile de tipul F , F7 sunt
accesibile și ca atare, măsurate).

312
Ecuația (22) este o ecuație integrală de tip Radon.
Înainte să apeleze la matematică superioară, Cormack a
folosit următorul:
ALGORITM (pentru determinarea funcției F din (22))
Pasul 1. Se aleg N funcții liniar independente |# , . . . , |o ,
presupuse cunoscute și funcția F va fi determinată ca o combinație
o
liniară ò = Up# πU |U a acestora. Așadar trebuie determinați
coeficienții πU .
Pasul 2. Se aleg N valori t# , . . . , to (adică drepte ale
fasciculului) și ecuația (22) devine
o _
Up# πU Q |U (6, t» )d6 = b(t» ), 1 ≤ ¬ ≤ n.
_
Dar numerele reale ã»U = Q |U (6, t» )d6 sunt cunoscute.
Pasul 3. Se obține astfel un sistem liniar:
o
Up# ã»U πU = b(t» ), 1 ≤ ¬ ≤ n, de unde se obțin
coeficienții π# , . . . , πo și apoi F. (Ultimul sistem liniar este aproape
sigur compatibil determinat, deoarece determinantul lui este nenul;
argumentul este manifest: dacă se aruncă la întâmplare un punct
pe o axă, este aproape sigur că el nu va cădea chiar în originea axei
sau în vecinătate!)
Modelul matematic actual
Fie S un punct în planul xOy, distinct de O, având
coordonatele polare Ë, ¡ deci Ë = É° și ¡ = măs(ÉA, É°); figura
6.26. Notăm cu (C) frontiera plăcii P, adică a obiectului
tomografiat. Deoarece °(Ë cos ¡ , Ë sin ¡), dreapta ∆ care trece
prin S, perpendiculară pe

313
Figura 6.26
semidreapta OS va avea ecua$ia cartezian%
#
Ç R Ë )*+ ¡ @ R0 <A R Ë Lc) ¡=, adic%
X«≈

A Lc) ¡ X Ç )*+ ¡ R Ë @ Hë Aceast% dreapt% poate fi


parametrizat% punând
A @ Ë Lc) ¡ R 6 )*+ ¡'
Ç @ Ë )*+ ¡ X 6 Lc) ¡, (23)
cu parametrul 6 7 !.
Atunci AÑ<6= @ R )*+ ¡ ' ÇÑ<6= @ Lc) ¡ #i elementul de arc
este ds = AÑ<6=% X ÇÑ<6=% ]6 @ ]6. Presupunând c% f este nul% în
afara pl%cii P (ipotez% absolut rezonabil%), ecua$ia (21) devine
l
W0l
3< Ë Lc) ¡ R 6 )*+ ¡ ' Ë )*+ ¡ X 6 Lc) ¡=]6 @
@ b<Ë' ¡=, (24)
cu necunoscuta f. Aceasta este ecua$ia rezolvant% a problemei
puse. Dar solu$ia urmeaz%! Membrul întâi se nume#te suma
cumulat& pentru toate razele care trec prin punctul S #i ea se
noteaz% cu <®3=<Ë' ¡=, iar b<Ë' ¡= depinde de intensit%$ile
radia$iei în lungul lui , la intrarea #i ie#irea din obiectul

314!
tomografiat. Ecuația (24) se scrie sub formă operațională:
ℛ3 = b, iar ℛ se numește transformarea (≡ operatorul) Radon.
Am ajuns la definiția 6.7 cu care începusem paragraful
(fără nici o motivație!). Acum apelăm la „artileria” Fourier.
Notăm cu é({, ¡) transformata Fourier 1D a funcției
b(Ë, ¡), considerând ¡ ca parametru.
Așadar, é({,⋅) = ℱ# {b(Ë,⋅)} și explicit,
l ∂√. %x
é {, ¡ = W l
b Ë, ¡ eW ¥}Í dË =
l l
= W l
eW ¥}Í W l 3( Ë cos ¡ − 6 sin ¡ , Ë sin ¡ + 6 cos ¡)dËd6 =

= ℝa
3(Ë cos ¡ − 6 sin ¡ , Ë sin ¡ + 6 cos ¡)eW ¥}Í ŒËŒ6.
În această integrală dublă, facem schimbarea de variabile
(Ë, 6) ↦ (A, Ç) dată de relațiile (23), având evident jacobianul
egal cu 1. Ca atare,
é {, ¡ = ℝa
3(A, Ç)eW ¥}(j ∂∑≥ ≈^) ≥¥µ ≈) ŒAŒÇ.
Reamintim acum definiția (3) a transformatei Fourier 2D a
funcției 3(A, Ç):
3({# , {% ) = ℝa
3(A, Ç)eW ¥(j}à ^)}a ) ŒAŒÇ
și rezultă relația
é {, ¡ = 3({ cos ¡, { sin ¡).
Așadar, pe de o parte, é = ℱ# {b} = ℱ# {ℛ3} = (ℱ# ∘
ℛ){3} și pe de alta, é = ℱ% {3} deci ℱ# ∘ ℛ = ℱ% și ținând cont că
operatorii ℱ# , ℱ% sunt inversabili, rezultă că ℛ = ℱ#W# ∘ ℱ% și
ℛ W# = ℱ%W# ∘ ℱ# .

315
În concluzie, am demonstrat
TEOREMA 6.4. (teorema tomografiei 2D
computaționale): Soluția ecuației ℛ3 = b este
3 = ℛ W# b = ℱ%W# (ℱ# {b}). (25)
Ca atare, rezolvarea matematică a problemei tomografiei
2D revine la aplicarea succesivă a două transformate Fourier.
Notă
Tomografia computațională s-a dezvoltat masiv în ultimele
decenii, devenind un domeniu central interdisciplinar, având
reviste specializate și multiple aplicații. S-a creat tomografia 3D,
s-au utilizat fluxuri „curbate” de radiații, iar analogul complex al
transformării Radon (numită transformarea Penrose) este utilizată
în Teoria cuantică a interacțiilor și în înțelegerea structurii
profunde a materiei. Aplicarea concretă, în diverse ipostaze, a
ecuației Radon a necesitat elaborarea unor algoritmi de tipul FFT,
care „dizolvă” relația (25) în proceduri computaționale și SOFT –
uri introduse în niște „cutii negre” sofisticate numite tomografe.
Tomografele se întâlnesc în multe cabinete de medicină
preventivă, ca și în tratarea efectivă nedistructivă; în ultimul timp,
tomografia permite înțelegerea unor procese din geofizică,
microunde, curgerea fluidelor, creșterea cristalelor, recunoașterea
formelor, fără a mai vorbi de aplicațiile militare, nu neapărat
nucleare. În ultimul timp, o aplicație mai deosebită a tomografiei
o constituie controlul bagajelor pe aeroporturi sau vehiculelor la
vămi, ca și detecția minelor antipersonal (≡ dispozitive ascunse
care, după atingere și detonare, fac multe victime sigure).

316
Complet%ri privind transformarea Radon
Pentru orice func$ie 3<A' Ç=' 340!% 0 / 0! din "%!a cu suport
compact sau m%car rapid descresc%toare, am definit (defini$ia 6.7)
transformarea Radon ®403<A' Ç= . b<Ë' ¡= unde
l
b<Ë' ¡= @ 0 W0l
3< Ë Lc) ¡ R 6 )*+ ¡ ' Ë )*+ ¡ X 6 Lc) ¡=]6.
Considerând în planul xOy dreapta L de ecua$ie
A Lc) ¡ X Ç )*+ ¡ R Ë @ H, caracterizat% prin aceea c%
trece prin punctul S(Ë Lc) ¡' Ë )*+ ¡= #i este perpendicular% pe
vectorul de componente (Lc) ¡' )*+ ¡=, având panta ¡ (figura
6.27); evident, distan$a É° @ Ë . Dreapta L

Figura 6.27
are ecua$iile parametrice:
L: A 6 @ Ë Lc) ¡ R 6 )*+ ¡,
Ç<6= @ Ë )*+ ¡ X 6 Lc) ¡ ' 6 7 ! (pentru Ë' ¡ fixate);
acestea nu sunt chiar coordonate polare, deoarece Ë nu este
neap%rat pozitiv%).

! 317
l
Atunci rezultă b(Ë, ¡) = W l
3( A(6), Ç(6))d6; această
integrală se numește suma lui f în lungul dreptei L. Apoi, pentru
orice punct fixat (A, Ç) ∈ ℝ% , mărimea
,
:(A, Ç) = E
b(A cos ¡ + Ç sin ¡ , ¡)d¡,
se numește acumularea sumelor b(Ë, ¡) pe toate dreptele care
trec prin punctul (x, y), iar aplicația b(Ë, ¡) ↦ :(A, Ç) este numită
operator de retro–proiecție.
Direct din definiție, rezultă:
Proprietățile transformării Radon
1. Liniaritate: ℛ{ã3# + ´3% } = ãℛ{3# } + ´ℛ{3% };
 
2. Dacă A > 0 și 3(A, Ç) = 0 pentru A > , Ç > , atunci
% %
 %
b(Ë, ¡) = 0 pentru Ë > ;
%
3. Periodicitate: b(Ë, ¡) = b(Ë, ¡ + 2();
4. Dacă b = ℛ{3}, atunci
ℛ{3(A − 9, Ç − :)} = b(Ë − 9 cos ¡ − : sin ¡ , ¡);
5. Dacă ℛ{3(A, Ç)} = b(Ë, ¡) și (A′, Ç′) este punctul
obținut din (A, Ç) prin rotație cu ¡E în jurul originii, atunci
ℛ{3(A′, Ç′)} = b(Ë, ¡ + ¡E ).
Am demonstrat anterior că
ℱ# {ℛ3}(Ë, ¡) = ℱ% {3}(Ë cos ¡ , Ë sin ¡) pentru orice
Ë ∈ ℝ și ¡ ∈ [0, () și că ℛ este o aplicație inversabilă, cu inversa
ℛ W# = ℱ%W# ∘ ℱ# .

318
§6.4. Cristalografie Fourier
Punerea problemei
Cristalele sunt corpuri solide având o structură atomică 3D
specială, anume o așezare periodică a atomilor. Starea rețelei
cristaline paralelipipedice este de echilibru termodinamic. Rețeaua
se realizează prin repetarea periodică spațială a unei celule unitare
(≡ mai mică celulă, tot paralelipipedică, din care se poate genera
cristalul doar prin translații); orice celulă unitară este un complex
de atomi. Structura atomică decide proprietățile globale (electrice,
termice, magnetice sau optice) ale cristalului.
Exemplu
Proteinele sunt mici cristale cu molecule mari având lanțuri
de aminoacizi. Cunoașterea structurii lor moleculare / atomice este
necesară pentru a interpreta corect funcțiile lor și apoi pentru
proiectarea medicamentelor și agenților terapeutici.
Întrebare: Cum se poate studia structura atomică a
cristalelor?
Răspuns: În toate observațiile și măsurătorile
microscopice, rezoluția (≡ capacitatea de redare a detaliilor) este
limitată de radiația electromagnetică utilizată. Astfel, în cazul
luminii vizibile, cea mai scurtă lungime de undă este de circa 300
nm și se pot „vedea” doar celulele individuale; în cazul
microscopiei electronice, lungimea de undă coboară la 10 nm și se
pot distinge detalii ale arhitecturii celulare, de exemplu formele
proteinelor. Dar pentru detalii privind structura cristalină, ar fi
necesare radiații cu lungimea de undă comparabilă cu distanțele
dintre atomi (deci cu lungimi de undă sub 1 nm).

319
În 1895, fizicianul german Roentgen a descoperit razele X
(denumirea provenea de la natura lor necunoscută la acea vreme)
și în 1902, Max von Laue a propus studiul structurii macroscopice
a unor compuși prin experimente de difracție cu raze X, sub
ipoteza, dovedită corectă, că acestea vor difracta. Între timp,
cristalografii stabiliseră structura de latice a așezării atomilor din
cristale, iar distanțele între atomi erau compatibile cu lungimea de
undă t a radiației (în cazul razelor X, t ≅ 0,1 nm).
Așa s-a ajuns la:
Cristalografie cu raze X
Matematicienii studiaseră în mod independent grupurile
cristalografice (grupuri discrete având o celulă mărginită); astfel,
rusul Fedorov și germanul Shönfliess demonstraseră în 1891 că în
2D există 17 grupuri cristalografice distincte și în 3D, 230; între
timp, s-au descoperit: pseudocristalele (Penrose), fractalii,
creșterea cristalelor cu largi aplicații la fibra optică,
semiconductori etc.
În 1892, într-o scrisoare către Michelson, lordul Rayleigh
arătase că intensitatea luminii într-un sistem de franjuri este
transformata Fourier a spectrului luminii transmise. Acesta a fost
începutul utilizării transformării Fourier în conjugare cu
cristalografia cu raze X. În linii mari, atunci când o radiație X
monocromatică difractă un cristal, se realizează o transformare
Fourier a undei incidente și dacă unghiul de incidență este variat,
atunci apar fenomene cu totul remarcabile. Abia după 60 de ani,
folosind FFT și spectroscopia de înaltă rezoluție, s-au putut măsura
intensitatea și faza spoturilor difractate.

320
Schema este cea întâlnit% adeseori în aceast% carte: un
semnal incident (zgomot, lumin%, raze X etc.) este transfuriat
printr-un operator ? dup% care frecven$ele înalte (de exemplu) sunt
eliminate #i apoi se aplic% ? W# , ob$inând o atenuare a semnalului
incident, care con$ine informa$ii relativ la mediul investigat.
Radia$iile X sunt difractate de un cristal #i sunt împr%#tiate
de norul de electroni ai unor atomi având dimensiuni comparabile
cu t. Pe baza figurilor/spoturilor de difrac$ie ob$inute din
ansamblul moleculelor/atomilor din cristal, se poate reconstrui
densitatea electronilor.
Exemplu
Presupunem c% un mic cristal (de exemplu de protein%) este
plasat într-un flux intens de radia$ii X; razele difractate sunt
împr%#tiate sub unghiuri ¡, fiind colectate într-o zon% detector
(figura 6.28). Spoturile / figurile de difrac$ie constau din reflexii
de diferite intensit%$i #i faze.

Figura 6.28
Întrebare: În ce mod radia$iile X eviden$iaz% structura
cristalelor?
R%spuns: În 1913, australienii W.H. Bragg #i W.L. Bragg
(tat% #i fiu) au ar%tat c% fe$ele cristalelor reflect% razele X având

! 321
unghiuri ¡ de inciden$% #i lungimea de und% t astfel încât distan$a
w
d dintre straturile atomice ale cristalului satisface rela$ia Π@ .
≥¥µ ≈
Ei au stabilit astfel structura cristalelor de NaCl #i ZnS, dar au
explicat #i figurile de interferen$% ale razelor X împr%#tiate de
cristale, primind în 1915 premiul Nobel. Ulterior, studiul a fost
extins la interac$ia substan$elor cu diverse radia$ii (fluxuri de
electroni, protoni, neutroni, ioni etc) având lungimi de und%
comparabile cu distan$ele dintre structurile atomice sau moleculare
de interes.
Not% (deducerea legii Bragg)
Razele X întâlnesc un cristal #i interac$ioneaz% cu familii
de plane paralele (numite laticiale). Cristalul poate fi asimilat cu
un paralelipiped dreptunghic (1 latice 3D cu dimensiuni a, b, c
exprimate prin numere întregi), divizat în celule cubice cu
latura = 1. Fiecare vârf (m, n, p) al unei celule este situat într-un
plan laticeal (fig. 6.29). Pentru simplitate,

Figura 6.29 Figura 6.30


renun$%m la o dimensiune #i asimil%m cristalul cu un masiv de
dreptunghiuri de dimensiuni 9' : 7 > #i celule p%trate cu latura 1;

322!
fig. 6.30; cu buline negre am indicat atomii rețelei, așezați în
vârfurile celulelor.
Presupunem că razele incidente 1,2 pornesc de la o sursă
comună, oscilând în fază; ele întâlnesc planele paralele ¯# , ¯% , ¯Y ,...
sub unghiul ¡. Aceste plane „atomice” se presupun paralele, la
distanța d. Presupunem că raza 1 întâlnește în A un atom și este
împrăștiată tot cu înclinarea ¡ față de planul ¯# . Raza 2 pătrunde
prin ¯# și întâlnește un atom în B, fiind deviată sub același unghi
¡. Cele două raze își continuă împreună drumul, dar raza 2 va fi
întârziată, în raport cu 1, cu distanța z# fi + fiz% (z# , z% fiind
picioarele perpendicularelor din A pe raza 2 și pe reflectata ei 2').
Evident, z# fi = fiz% = Œ sin ¡.
Fasciculul reflectat 1', 2',... va avea intensitatea maximă
dacă razele 1', 2' sunt în „interferență constructivă”, adică și aceste
raze să fie în fază, adică diferența de drum menționată
(z# fi + fiz% ) să fie un multiplu întreg al lungimii de undă t.
Așadar, am obținut relația
2Œ sin ¡ = ?t cu ? ∈ ℤ (legea lui Bragg). (26)
În acest caz, cele două raze 1', 2' vor fi în fază și vor genera
o oscilație cu o amplitudine egală cu suma amplitudinilor
razelor 1' și 2'.
Relația (26) arată că se poate obține o rezoluție fină
variind ¡. În 1928, Dawidson a obținut astfel distanța dintre
atomii de Ni.
Nu discutăm aici sursa de radiații X, modificarea pozițiilor
cristalului sau modul de prelucrare a informațiilor obținute. Legea

323
lui Bragg este o consecință a periodicității rețelei; o generalizare a
ei se obține din ecuația de difracție a lui Max von Laue, dar nu mai
dăm detalii.
„Cristale” 1D sau 2D
Presupunem că atomii unui cristal sunt așezați pe o axă.
Notăm cu ˛ cantitatea de electroni (ca variabilă aleatoare);
pentru un atom plasat în punctul x, notăm
#
Ë A = lim P ˛ ∈ A, A + ℎ , numită distribuția
∏→E ∏
electronilor în acel atom. Presupunând că atomii sunt echidistanți
cu distanța p, atunci distribuția electronilor din întregul atom este
l
ËÂ A = UpW l Ë A − S¯ .
Ținând cont că Ë A − 9 = Ë A ∗ T A − 9 , rezultă
Ë A − S¯ = Ë A ∗ T A − S¯ deci
ËÂ A = U∈ℤ Ë A ∗ T A − S¯ =
= Ë(A) ∗ U∈ℤ T(A − S¯) = Ë(A) ∗ ШÂ (A),
conform Capitolului 3, 3.8. Așadar,
ËÂ = Ë ∗ ШÂ . (27)
Dar transformata Fourier a unei convoluții este produsul
uzual al transformatelor Fourier ale factorilor și în plus, conform
#
teoremei 3.11, ℱ{ШÂ (A)} = Ш# Â (q) în cadrul distribuțiilor.
Â

Așadar,
#
ℱ{ËÂ (A)} = ℱ{Ë(A)} ∙ Ш# Â (q). (28)
Â

În mod explicit,
#
ℱ ËÂ A = ℱ Ë A ∙ Ш# Â q =
Â

324
# #
 U? Ë A ÈT ARSÈ
Â
@
# U U
@ U ?gËh<Â= È T<A R =. (29)
 Â

În cazul 2D, se nume#te re%ea bidimensional& (sau latice


p&tratic&) mul$imea >% @ >÷>, adic% mul$imea perechilor de
numere întregi. Se define#te pieptenele lui Dirac
ˇ>a <A# ' A% = @ Uà 'Ua 7> T<A# R S# ' A% R S% =0sau pe scurt,
ˇ<A= @ U T<A R S=.
A#a cum ?gˇ0<A=h @ 0ˇ<q= în cazul 1D, tot astfel,
?gˇ>a h @ ˇ>a . Analogul 2D al formulei (28) necesit%
introducerea no$iunii de latice oblic&. Fix%m doi vectori nenuli #i
necoliniari u# ' u% , cu componente scalare întregi. Mul$imea
M @ gS# u# X S% u% ‘S# ' S% 7 >h se nume#te celula fundamental&
(fig. 6.31) #i definim pieptenele ˇM <A= @ Â7M T<A R ¯=.
Notând cu A

Figura 6.31
matricea componentelor vectorilor u# ' u% , se poate considera
matricea zW0{ (transpusa inversei lui A) #i laticea reciproc& M Ì

! 325
asociată. Notând cu D aria paralelogramului construit pe vectorii
#
u# , u% , se poate arăta că ℱ{Шℒ } = Шℒ ∗ , similar cu (28).
/
În plus, similar cu relația (27), relativ la distribuția
electronilor unui cristal 1D, avem Ëℒ (A) = Ë(A) ∗ Шℒ .
Cele expuse pot fi extinse la cristalele „adevărate” 3D, cu
ajutorul laticelor 3D și al vectorilor reciproci.
Difracția cu raze X produce similar cu relația (29), relația
#
ℱ Ëℒ A =ℱ Ë A ∙ Шℒ ∗ ¯∗ =
/

= Â∗ ∈ℒ ∗ ℱ{Ë( A)}(¯ )T(A − ¯∗ ). (30)
Această cabalistică notațională, folosind Teoria
distribuțiilor, trebuie tradusă într-un limbaj inteligibil pentru cei
mai puțin specializați.
Difracția printr-o singură moleculă este prea slabă pentru a
fi măsurabilă și de aceea, pentru a intensifica semnalul, se
utilizează un cristal, care este un masiv 3D ordonat de molecule.
O proteină poate conține milioane de molecule și atunci difracția
va fi măsurabilă cu o înaltă rezoluție. Razele X sunt difractate de
electroni și rezultatul utilizării de raze X este o hartă 3D care arată
distribuția electronilor în structură. Cristalul se comportă ca un
grătar de difracție și pe ecranul/ detector, el generează o serie de
spoturi discrete cunoscute ca reflexii, care conțin informație de la
toți atomii și invers, fiecare atom contribuie la intensificarea
fiecărei reflexii. Ca toate radiațiile electromagnetice, ele au
amplitudine și fază, dar în timp ce cu tehnicile uzuale,
amplitudinile sunt înregistrate experimental, informația relativ la
faze este pierdută.

326
Întrebare: Care este totu#i scopul cristalografiei cu raze X?
R%spuns: Este suficient% cunoa#terea densit%$ii spa$iale
Ë<A' Ç' ∫= a electronilor din cristal, de unde se deduc alte
propriet%$i.
Am v%zut c% un cristal este un aranjament al unui
motiv/celul% fundamental% într-o latice 3D. Celula poate fi
asimetric%, poate con$ine o singur% molecul% sau o combina$ie.
Exemplu
Proteina RGFF („red – green – fluorescent protein”) are o
celul% structural% K de o form% spiralat% special%. Considerând o
re$ea paralelipipedic%, având în fiecare vârf câte o celul% K, se
ob$ine un cristal de protein%. Vom considera o singur% celul% K #i
dou% plane vecine ¯# ' ¯% (figura 6.32).

Figura 6.32
O und% plan% incident% difract% un electron în O, având
unghiul de inciden$% ¡ #i alt electron în O' (ÉÉÖ @ ¿), cu vectorii
de und% ß E 0ï*0ß având aceea#i amplitudine; notând è @ ß E R ß,
raza prin O' va avea o faz% întârziat% cu 2%i(¿ 0 È è=, ceea ce
corespunde factorului iW0%,¥ 8ÈJ . Interferen$a constructiv%
%ı ≥¥µ ≈
corespunde rela$iei ¿ 0 È è @ ?, cu ? 7 > (de fapt, ¿ 0 È è @ ,
w

! 327
regăsind astfel legea lui Bragg). Difracția care corespunde
vectorului de difracție è și electronul din O' multiplică
amplitudinea undei împrăștiate cu factorului de fază eW %,¥(8∙J) .
Dacă Ë(¿) ≡ Ë(A, Ç, ∫) este funcția de densitate a electronului în
cristal, atunci efectul asupra lui è este
ò(è) = ã
Ë(¿) ∙ eW %,¥(8∙ J) d¿. (31)
Notăm cu Fã funcția caracteristică a celulei K (egală cu 1
pe K și nulă în exterior), relația (31) se scrie simplu:
ò(è) = ℱY {Ë(¿) ∙ Fã } și aplicând formula de inversare
Fourier,
Ë(¿) ∙ Fã = ℝΩ
ò(è) ∙ e %,¥(8∙ J) dè. (32)

Surpriză! Reîntâlnim încă o dată o pereche Ë(¿) ⇄ ò(è)
(vezi paragraful 3.8 din Capitolul 3).
Prin experimente de difracție (bombardarea lui K cu raze
X) s-au putut determina valorile intensității ò(è % a spotului care
corespunde lui è. Aceste valori nu permit reconstruirea completă a
lui Ë(A, Ç, ∫), dar au fost descoperite tehnici speciale pentru
determinarea fazei și aplicarea FFT pentru utilizarea formulei (32),
care depășesc scopul acestei cărți.

§6.5. Muzica electronică


Preliminarii
Undele sunt asimilate cu vibrații care se deplasează/
propagă; în orice mediu, fluid sau solid, acolo unde există o sursă
de oscilații, apar unde elastice, care se propagă longitudinal (dacă

328
particulele mediului se deplasează în lungul direcției de propagare)
și transversal în caz contrar. Undele mecanice nu se propagă în vid,
dar undele electromagnetice (în particular, lumina) se propagă atât
în vid cât și prin substanțe.
În paragraful 1.2 am reamintit câteva elemente de Teoria
undelor, unde staționare (≡ periodice), lungimi de undă, oscilații
armonice, amplitudini, frecvențe, faze. O undă staționară nu își
modifică profilul în timp și dacă are perioada principală T și viteza
de propagare v, atunci distanța între două creste (≡„peak”–uri)
vecine este lungimea de undă t = uZ; frecvența undei este
#
3 = deci u = t3.
\
Sunetele (≡ undele sonore) sunt vibrații mecanice ale
aerului (sau altor medii); practic, toate obiectele care provoacă
mișcări, produc și sunete, prin comprimări sau decomprimări
propagate ale mediului. Sunetele staționare cu frecvențe sub 16 Hz
se numesc infrasunete, iar cele cu frecvențe peste 20 kHz,
ultrasuneteO sursă remarcabilă de sunete o constituie
instrumentele muzicale sau vocea umană, toate având o mare
diversitate de principii funcționale.
Exemple
1) O undă (staționară), propagată în lungul unei corzi
întinse, parcurge 10 m în 0,2 s și lungimea de undă este t = 0,6 m.
Care este frecvența oscilațiilor?
#E
Răspuns: Viteza de propagare este u = = 50 m/s și
E,%
ñ ®E
frecvența este 3 = = ≅ 83Hz.
w E,y

329
2) O persoană normală percepe în aer sunetele având
frecvențe f din intervalul [16, 20000] Hz. Ce lungimi de undă
percepe persoana?
ñ YxE
Răspuns: t = = , ținând cont că u ≅ 340 m/s;
¢ ¢

intervalul cerut este între 1,7 cm și 21,2 m.


3) Presupunem că un violonist nu modifică în timp forma
de undă în execuția unei note muzicale cu frecvența f = 262 Hz.
Dacă un microfon produce un voltaj A(6) proporțional cu
presiunea aerului, atunci funcția A(6) este periodică, dar nu este o
sinusoidă (adică o oscilație armonică); dar conform teoremei 1.3 a
lui Fourier–Dirichlet, ea este suprapunerea unor oscilații armonice
de diverse amplitudini, frecvențe sau faze. Ținând cont că viteza
de propagare a sunetului în aer este u ≅ 340 m/s, lungimea de
#
undă a notei produse este t = uZ = 340× ≅ 1,3 m.
%y%
Sunetele muzicale
Muzica este esențialmente o formă de comunicare, anume,
arta sunetelor și ritmurilor dirijate, descoperită (nu inventată!) și
ulterior organizată astfel încât să exprime stări emoționale. Notele
muzicale sunt sunete având o anumită tonalitate/formă de undă; în
cazul staționar, conform analizei Fourier, ele sunt suprapuneri de
oscilații armonice.
Reamintim că orice oscilație armonică (≡ sinusoidă) este
de forma A(6) = z sin({6 + |), 6 ∈ ℝ, unde timpul t este măsurat
în s, amplitudinea A (A > 0) măsurată în V, { = 2(3 cu frecvența
f măsurată în Hz și faza | în radiani sau grade sexagesimale.

330
d
Scriind {6 X | @ {<6 R õ), m%rimea õ @ R0 se nume#te
}
întârzierea fazei.
Exemple
,
a) Fie A<6= @ &'O )*+<OH(6 R =; avem z @ &'O; apoi
x
} ,
{ @ OH(' 3 @ @ ©Hz #i | @ R0 . Graficul func$iei A @ A<6=
%, x
#
este indicat în figura 6.33. Perioada lui A<6= este Z @ @ H'&0s.
¢

T este distan$a între dou% „peak”–uri vecine.

Figura 6.33
#
Scriind A<6= @ &'O )*+ OH(<6 R =, întârzierea fazei este
xE
#
@ H'H& s.
xE
b) Dac% o oscila$ie armonic% are amplitudinea A = 4, faza
,
| @0 #i frecven$a f=50 Hz, care este valoarea ei la momentul
y
t=0,2 s?
,
R%spuns: A#adar, A<6= @ ± )*+<OHH(6 X = deci
y
, ,
A<H'&= @ ± )*+<&H( X = @ ± )*+ @ &.
y y

! 331
Considerând o coard% (C) ca în figura 6.34 #i notând
u(x, t) = elonga$ia în punctul A 7 8H' î; #i la momentul t,

Figura 6.34
vibra$ii ale corzii se produc în planul xOu. D. Bernoulli a stabilit
„ecua$ia corzii vibrante” GÅÅ @ 9% Gjj , unde a > 0 este o constant%
depinzând de materialul corzii (ecua$ia (28) din Capitolul 1).
Aplicând metoda separ%rii variabilelor, am ar%tat în Capitolul 1,
modul cum Fourier a demonstrat c%, presupunând coarda prins% la
capete (ca în cazul corzilor de la vioar%, violoncel etc.), adic%
u(0, t) = 0 #i u(L, t) = 0 pentru orice t ( 0, atunci
l B,j
G<A' 6= @ Bp# zB <6= )*+ ì , (33)
QB,Å QB,Å
unde zB <6= @ 9B Lc) X :B )*+ (formula (32) din
ì ì
Capitolul1). Coeficien$ii 9B ' :B depind de forma #i viteza ini$iale
ale corzii: G<A' H= @ 3# <A= #i GÅ <A' H= @ 3% <A=. Conform (33),
l
G<A' 6= @ Bp# GB <A' 6=, (34)
deci oscila$iile corzii (exprimate prin G<A' 6=) reprezint%
suprapunerea oscila$iilor armonice (1 armonicelor)
B,j
GB <A' 6= @ zB <6= )*+ . Armonica G# <A' 6= se nume#te tonul
ì

332!
Q, %ì
fundamental (≡ prima armonică) și are perioada 2( = și
ì Q
Q
frecvența 3 = . Celelalte armonici GB (A, 6) numite supratonuri

QB
au frecvențele 3B = deci 3B = ?3 și amplitudinile 9B% + :B% .

Q
Frecvențele sunt mai joase dacă raportul este mai mic (de
ì
exemplu, corzile de contrabas).
Notă
Am dat mai multe exemple relativ la instrumente muzicale
cu corzi. Dar fenomene similare au loc și în cazul instrumentelor
de suflat sau de percuție. De exemplu, un flaut este un tub deschis
la ambele capete; aerul intră la un capăt și iese la celălalt.
Oscilațiile armonice sunt multipli întregi ai frecvenței
fundamentale, anume ≅ 436 Hz, LA bemol ≡ zx .
Conversia A/D și D/A a sunetelor
Conversia A/D este legată de perechea continuu/discret și
revine la a înlocui o listă infinită de numere cu una finită (desigur,
lungă). În cazul unui sunet A(6), 6 ∈ [9, :], considerăm un șir finit
de momente de eșantionare 9 = 6E < 6# <. . . < 6B < 6B^# = : și
aproximăm funcția A(6) cu o funcție constantă pe porțiuni, cu
valorile π# , π% , . . . , πB^# ; de exemplu A(6) = π# = A(6E ) pe
[6E , 6# ), A(6) = π% = A(6# ) pe [6# , 6% ),..., A(6) = πB^# = A(6B ) pe
[6B , 6B^# ]. (figura 6.35). Valorile π# , π% , . . . , πB^# se pot reprezenta
binar (folosind doar biții 0,1)

333
Figura 6.35
#i în acest mod, un obiect esen$ialmente analogic precum A<6=
poate fi aproximat suficient de bine printr-un #ir de bi$i. Profit%m
în fond #i de imprecizia sim$urilor noastre!
În mod sugestiv, conversia A/D #i apoi D/A sunt
reprezentate în figura 6.36.

Figura 6.36
Diverse func$ii continue – presiunea aerului, undele
sonore, voltaje etc. – pot fi astfel e#antionate #i stocate prin valori
numerice (A/D). În conversia invers% (D/A), valorile numerice
sunt convertite printr-un amplificator #i retransformate într-o
vibra$ie continu%.
Opera$iile de conversie sunt fundamentale în muzica
electronic% #i nu numai.

334!
Gama cromatică, gama bine temperată
În urmă cu peste 2000 de ani, Pitagora și elevii săi au
descoperit (euristic!) un fenomen esențial: considerând două corzi
ì
din același material, cu aceeași grosime, de lungimi L și , fixate
%
la capete, ele produc două sunete diferite, atunci când sunt ciupite
simultan. În limbajul de astăzi, frecvențele lor sunt diferite, f și
respectiv 2f. Cea mai scurtă are sunetul mai înalt, cu frecvență
dublă. Se spune că sunetele respective se află în octavă. Mai mult,
s-a observat că dacă lungimile a două corzi î# , î% cu capetele
fixate s-ar afla în rapoarte de numere naturale mici
%ì Yì
(î, sau î, ), atunci sunete lor ar fi „plăcute”. Un motiv îl
Y x
constituie periodicitatea sunetelor produse de cele două corzi
împreună și potrivirea supra-tonurilor lor.
Cea mai mică frecvență percepută de urechea umană este
de 16 Hz. Fixând prima octavă [f, 2f ), cu f > 16 Hz, acest interval
a fost divizat inițial în 12 semitonuri, operație care s-a numit
„temperarea octavei”. Matematic, aceasta revine la a insera 12
frecvențe aflate în progresie geometrică
9B , ? ≥ 1 cu 9# = 3 și 9#Y = 23.
Din formula 9B = 9# xBW# , rezultă 23 = 3 ∙ x#% deci
àa
x= 2 ≅ 1,06. Numerele iraționale erau rejectate în Antichitate
(de exemplu, două segmente de lungimi 1 și 2 sunt
àa
incomensurabile și la fel, 1 și 2). A doua octavă este [2f, 3f ), a
treia [3f, 4f ) etc. Se obține astfel șirul de frecvențe
3, x3, x% 3, . . . , x## 3, 23, x#Y 3, x#x 3, . . . , 43, x%® 3, . . . , 83, . ..

335
numit gama cromatică asociată frecvenței f.
Prin convenție, nota/tonul cu frecvența f (din prima octavă)
a fost numită și notată DO# , cea cu frecvența 2f – DO% etc. și cea
cu frecvența 2äW# 3 este DOä etc. Pentru a evita numerele
iraționale (care au înspăimântat pe matematicienii din
Antichitate!), Pitagora a selectat doar 7 frecvențe din prima octavă
(repetate corespunzător în octavele următoare), cărora le-a asociat
denumirile DO, RE, MI, FA, SOL, LA, SI (cu indicele 1, adică
DO# , RE# , . . . , SI# ), cu frecvențele următoare:
À ƒ# x Y %- %xY
3, 3, 3, 3, 3, 3, 3.
ƒ yx Y % #y #%ƒ
Sunetul numit cvartă (respectiv cvintă) este al 4–lea
x Y
(respectiv al 5–lea), având frecvența 3 (respectiv 3); apăsând
Y %
simultan clapele DO – FA sau DO – SOL din aceeași octavă se
obțin „acorduri plăcute”.
În secolul 17, Mersenne și Bach au introdus gama bine
temperată, adăugând celor 7 note pitagoreice încă 5 „diezi” și
„bemoli”, apropiindu-se de gama cromatică; frecvența notei DO#

se obține din frecvența lui DO înmulțită cu (care aproximează
%x
mai bine numărul q), iar MIb se obține din frecvența lui MI
%x
înmulțind cu etc. Trebuie menționat că în culturile occidentale

notele DO, RE, MI,..., SI sunt notate respectiv cu C, D, E, F, G, A,
B. Practic, C# are aceeași frecvență cu Db, D# cu Eb, A# cu Bb
%® %x
etc (deoarece 3× ≅ x3× ).
%x %®

336
Not%
La pian, ˘¨# 1 C# are de regul% frecven$a f = 27,5 Hz;
clapele negre corespund diezilor #i bemolilor. De exemplu, C# # are

frecven$a 27,5÷ s 28,6 Hz. Muzicienii au considerat c%, prin
%x
completarea gamei pitagoreice, s-a ob$inut o intona$ie mai pl%cut%.

Figura 6.37
Dou% note se consider% echivalente #i se noteaz% la fel dac%
ele difer% printr-un num%r întreg de octave; de exemplu, notele
C# ' C% ' CY ,... sunt echivalente (frecven$ele lor sunt f, 2f, 4f, etc.).
Re$inem c% dac% o not% are frecven$a | în prima octav%, atunci
nota echivalent% din octava a m–a are frecven$a &äW# |.
Acordul standard este nota „LA” din octava a 4 – a, adic%
õx , având frecven$a 440 Hz. Nota LA din prima octav% va avea
xxE
frecven$a | astfel încât &Y | @ ±±H deci | @ @ ©© Hz.
ƒ
Un istoric al muzicii, A. Eichenwald a afirmat în 1917 c%
atingând clapele unui pian, interpretul „se joac% cu logaritmii”.
Sensul cuvintelor sale se afl% în diversele raporturi care se pot
stabili între frecven$ele diverselor împerecheri ordonate de note
muzicale. Leg%tura dintre muzic% #i matematic%, ini$iat% de
Pitagora #i continuat% de Mersenne #i Bach, este #i un domeniu

! 337
modern de cercetare științifică. Trebuie menționat aici numele lui
Anatol Vieru și al unui cunoscut matematician român, dr. Dan
Vuza, autor al unor lucrări privind aplicațiile undinelor și „canonul
ritmic”, extinzând gamele muzicale actuale, lucrări apreciate în
lumea specialiștilor muzicologi neinhibați de matematică.
Întrebare: De ce a fost necesară crearea unei scale (game)
muzicale?
Răspuns: Instrumentele muzicale nu produc sunete de orice
frecvență. Scala muzicală diferă de scala temperaturilor unde se
fixează punctele de îngheț și fierbere a apei și apoi se adaugă
diviziuni echidistante. În Muzică, un mare rol îl are suprapunerea
de armonici (≡ consonanța) și în plus, în mod subiectiv, sunetele
trebuie să ofere o anumită continuitate agreabilă. Astfel, o dată cu
o frecvență f, scala muzicală trebuie să conțină și frecvența 2f
(astfel, aceeași melodie poate fi cântată de o soprană și de un bas!).
În plus, orice melodie este de fapt un șir de intervale între
sunetele care o compun (intervalul dintre două note este raportul
frecvențelor). De exemplu, în cazul unei octave, raportul este 2;
cvarta este intervalul dintre patru note succesive (ex. DO – FA);
intervalul DO – SOL este o cvintă.
Prin convenție, se consideră că intervalele muzicale
consonante sunt de forma 2 Â ∙ 3Ê ∙ 58 cu ¯ ∈ ℤ,
x ∈ −3, −2, −1, 0, 1, 2, 3 și ¿ ∈ {−1, 0, 1}; așadar, doar a doua,
a treia și a 5–a armonică ale fundamentalei conduc la acorduri
plăcute, consonante. În ultimul timp, distonanța este acceptată, iar
muzica electronică s-a îndepărtat de armonia clasică. Iată o
întrebare care nu și-a găsit răspunsul: de ce unele combinații de

338
note muzicale sunt plăcute urechilor noastre și altele ne
deranjează?
Prelucrarea sunetelor
De regulă, aceasta este controlată prin tensiuni/voltaje
electrice, ca și în cazul semnalelor audio. Tensiunile ca diferențe
între energii potențiale electrice între câte două puncte sunt
asemănate cu căderile de apă de la stăvilare.
Sintetizatoarele electronice sunt dispozitive care creează
vibrații prin semnale electrice, care pot fi intensificate sau
atenuate, producând diverse sunete / note. Există numeroase tipuri
de sunete (de exemplu, „Jingle cats”) care pot fi generate, stocate
și utilizate la momentele potrivite.
Sintetizatoarele au diverse forme și mărimi; ele pot crea
sau modifica diverse sunete și pot fi modulate, cu module
conectate după dorința utilizatorului. Voltajele pot fi analogice (cu
proprietatea că odată cu orice două valori, ele iau toate valorile
intermediare) sau digitale. Sintetizatoarele lucrează la ± 15 V,
tensiunile de control fiind DC, dar semnalele audio dintr-un
sintetizator sunt AC, la frecvența de 60 Hz.
Se utilizează generatori de sunet având diverse forme de
undă – sinusoidale, dreptunghiulare, rampă etc., A(6), unde timpul
t se află într-un anumit interval de timp I (6 ∈ F). Formele de undă
au amplitudinea max A(6) , măsurată în V și frecvență, măsurată
Å∈D
în Hz; cu cât amplitudinea este mai mare, cu atât sunetul este mai
intens (mai zgomotos); dacă sunetul A(6) este staționar, cu
frecvența f și i se dublează frecvența, se spune că el este mai înalt

339
cu o octavă. În general, frecvența unui eveniment arată cât de des
se repetă acel eveniment.
Atenție! Putem avea două frecvențe diferite cu aceeași
intensitate sau două intensități diferite cu aceeași frecvență. De
exemplu, Ç = sin 6, Ç = sin 26 au aceeași intensitate, dar
#
frecvențe diferite, iar Ç = sin 6, Ç = sin 6 au aceeași frecvență,
Y
dar amplitudini diferite.
Întrebare: Care este diferența între sunetul unui clarinet și
cel al unui flaut? Dar între două voci care cântă aceeași melodie,
cu exact aceleași note? [Presupunem că sunetul lor este staționar,
cu aceleași amplitudini și frecvențe].
Răspuns: Diferența este dată de timbru, care se referă la
alte calități ale sunetului; apelând la analiza Fourier, formele de
undă în discuție diferă prin agregarea oscilațiilor armonice
componente, adică prin spectrul lor frecvențial (conform
definiției 1.8 din Capitolul 1). Spectrul reprezintă distribuția
energiei formei de undă pe diverse frecvențe.
Întrebare: Cunoașteți plaja de frecvențe ale unui pian și ale
vocii umane?
Răspuns: Cea mai joasă frecvență la un pian este de 27,5
Hz și cea mai înaltă 4,2 kHz. Vocea feminină are între 150 și 500
Hz, iar vocea masculină între 80 și 240 Hz.
Un domeniu important al muzicii pe computer este acela
de transformare a sunetelor înregistrate sau sintetizate în
transmisie directă; ele se eșantionează în mici segmente, care sunt
apoi reordonate, concatenate, stocate, înregistrate, separate în

340
domeniul TIMP sau domeniul FRECVENȚĂ, prin instrumente de
prelucrare numite editori de sunet.
În anii '70 – 80, muzica electronică, esențialmente
analogică, era compusă utilizând magnetofoane, înregistrări, filtre.
Compozitorii segmentau formele de undă, similar cu colajele din
artele vizuale, pe care apoi le recompuneau, chiar dacă apăreau
efecte neplăcute de tipul efectului Gibbs, ce trebuiau filtrate. După
1990, s-a trecut la eșantionări digitale, repetate obsesiv, fără
nuanțări emoționale („dance music”, „rap music”, „drum
machines”). S-a ajuns apoi la crearea industriei DAW–urilor
(„digital audio workstations”), care se putea practica într-un
studio, constând dintr-un computer, un convertor A/D, D/A, un
înregistrator de sunet și alte echipamente de diverse nivele de
profesionalitate. S-a ajuns la producerea acasă de CD–uri de
calitate, cu costuri reduse; în combinație cu abilitățile de
marketing, s-a ajuns la o explozie a comerțului cu muzică. Se poate
spune că sistemele DAW au revoluționat nu numai muzica, dar și
transmisiile multimedia, filmele sau imagistica.
În general, instrumentele muzicale electronice produc
sunete artificiale cu ajutorul unor dispozitive electronice; de
exemplu, produc semnale electrice audio care ajung la un
microfon/ difuzor. Aceste instrumente pot controla amplitudinea,
frecvența sau durata fiecărei note, prin „efecte de sunet”. Împreună
cu sintetizatoarele și controlerii, ele au creat un nou domeniu al
industriei, care a condus la crearea de noi meserii și locuri de
muncă.

341
Pentru eșantionarea unui sunet analogic A(6) se alege un
#
pas de eșantionare õ [s], cu rata eșantionării ¿ = [Hz]. Dacă
s
semnalul este introdus într-un convertor A/D, la ieșire se obține o
listă de N numere A(õ), A(2õ), . . . , A(nõ), care este stocată digital.
Ar părea că reținând doar aceste valori s-ar pierde informația
relativ la A(6). Shannon și Nyquist au arătat că semnalul A(6) se
recuperează integral cunoscând eșantioanele A(?õ), dacă rata
¿ > 23hbi , dublul frecvenței maxime a lui A(6). Acesta este un caz
particular al teoremei 3.9 (WKS), formula (31).
Exemple
a) Presupunem că un sunet sinusoidal este eșantionat cu o
rată r = 12000 eșantioane/s și că se cunosc trei eșantioane
succesive A(10) = 0; A(11) = 9 și A(12) = :. Cum să
determinăm frecvența f a sunetului?
Răspuns: A(6) = z sin {6 + | , z ≠ 0. Conform
ipotezei, z sin(10{ + |) = 0, z sin(11{ + |) = 9 și
z sin(12{ + |) = :. Atunci 10{ + | = (, z sin({ + () = 9
și z sin(2{ + () = : deci −z sin { = 9 și −z sin 2{ = :, de
_ }
unde 2 cos { = și se determină { și 3 = etc.
Q %,
b) Considerăm un CD standard conținând 50 minute de
muzică. Sunetul muzical este eșantionat cu rata
r = 44100 eș/s, cu 16 bit/eș. Atunci numărul de biți stocați pe acel
CD va fi 1 B/8 bit × 16 bit/eș × 44100 eș/s × 60 s/min × 50 min
= 264300000 B ≅ 250 MB.

342
c) Dacă A(6) este un sunet staționar, periodic T, cu
#
frecvența fundamentală 3 = și maximă 3hbi = Ä3 [Hz], atunci
\
%
A(6) ≅ 9E + Bp#(9B cos 2(?36 + :B sin 2(?36); coeficienții
Fourier 9B , :B determină timbrul sunetului. Cunoscând 9E , 9B , :B
(în număr de 2M + 1), se determină cu aproximație valorile A(6)
pentru orice t; în teoria din Capitolul 1, Ä → ∞.
În practică, se consideră o eșantionare a lui A(6) cu rata
o
eș/s pentru N ≥ 2M + 1 (conform indicației lui Shannon și
\
\
Nyquist). Pasul de eșantionare este õ = și eșantioanele vor fi
o
A(Sõ), 1 ≤ S ≤ n.
Înlocuind t = Sõ, rezultă
o
A(Sõ) ≅ 9E + Bp#(9B cos 2(?3Sõ + :B sin 2(?3Sõ),
pentru 1 ≤ k ≤ N și se determină 9E , 9B , :B . Se poate aplica și
algoritmul FFT (pentru calculul TFD), prezentat în 4.3, dar nu mai
dăm detalii.
Analiza de frecvență
Sistemele de prelucrare a semnalelor și de organizare a
telecomunicațiilor se bazează și pe analiza de frecvență, nu numai
pe cea din domeniul TIMP. Am aplicat seriile Fourier pentru forme
de undă periodice (≡ staționare) și transformarea Fourier în cazul
neperiodic. De exemplu, așa cum o prismă ne arată culorile
prezente într-o sursă de lumină, tot astfel, este important de
cunoscut ce frecvențe sunt conținute într-o formă de undă și în
particular într-un sunet.

343
Studiul comportării unui sistem apelează la răspunsul în
frecvență, la funcția de transfer ca raport dintre conținutul de
frecvențe ale ieșirii și intrării în sistem, așa cum am văzut în
Capitolul 5, paragraful 5.5; aceasta permite proiectarea unor filtre
convenabile ale sunetului și de separare a semnalului util de
zgomot. Cunoscând conținutul frecvențial al unui semnal și în
particular, al unui sunet muzical, se poate determina modul cum el
poate fi modificat prin dispozitive fizice. De exemplu, o melodie
poate fi sintetizată prin concatenare de oscilații armonice de
diverse frecvențe.
Producerea fiecărei armonici a unui sunet staționar, urmată
de suprapunerea acestora, este o altă operație importantă în muzica
electronică, numită sinteza aditivă.
Muzica și zgomotul
Muzica este un ansamblu de sunete care au structură
esențialmente discretă. Zgomotul este un sunet sau ansamblu de
sunete cu structură continuă și eventual, haotică. Ce este muzică
pentru unii este zgomot pentru alții, fiind implicate elemente
subiective! Am văzut că sunetele se caracterizează prin câțiva
parametri: intensitate (tărie), înălțime și timbru. Intensitatea I
este măsurată în W/m2, fiind energia transmisă în 1 s printr-o
suprafață de 1 m2 perpendiculară pe direcția de propagare.
Înălțimea depinde de frecvență și timbrul depinde de oscilațiile
armonice componente.
Exemple
Experimental, s-a constatat că intensitatea maximă
suportabilă de urechea umană este de 1 W/m2 („pragul de durere”).

344
Pragul minim de audibilitate este FE = 10W#% W/m2. Nivelul de
D
intensitate al unui sunet este ´ = 10 ∙ lg = 10 lg F + 120,

D
decibelul lui . [În general, pentru un număr real r > 0, decibelul

lui este ¿˜≠ = 10 lg ¿; de exemplu, 1000˜≠ = 30 și


0,01˜≠ = −20. Denumirea amintește de numele inventatorului
american A.G. Bell].
Dacă F = 10W#E (discuție în șoaptă, foșnet), atunci ´ = 20
dB; dacă F = 10Wy (zgomotul străzii sau al unui automobil), atunci
´ = 60 dB; pentru F = 10Wx (muzică de orchestră), ´ = 80 dB;
pentru F = 10W# , ´ = 110 dB și ´hbi = 120 dB, atins pentru
F = 1 W/m2. Pentru ´ > 120 dB, se sparg timpanele.

345
ANEXE

§ANEXA 1: Integrabilitate Lebesgue

Conceptul de integrală Lebesgue


În 1853, matematicianul german Riemann a definit
integrala care îi poartă numele, studiată și în liceu, pentru funcții
continue 3: [9, :] → ℝ. În esență, el a formalizat procedeul aplicat
de Arhimede prin divizarea intervalului de integrare și formare a
E
„sumelor integrale”. În spațiul vectorial real C[Q,_] al funcțiilor
_
continue 3: [9, :] → ℝ, se poate defini norma 3 # = Q
3(6) d6,
E
dar s-a dovedit că, relativ la această normă, C[Q,_] nu este complet
(adică există șiruri Cauchy care nu sunt convergente). S-a pus
E
problema completării spațiului C[Q,_] prin adăugare de noi funcții,
limită de șiruri Cauchy (tot astfel cum se trece de la mulțimea
ℚ la ℝ prin completare). Abia în 1928, matematicianul francez
Lebesgue a rezolvat problema, descoperind o clasă mai largă de
funcții integrabile. Vom prezenta fără detalii rezultatele principale
ale teoriei lui Lebesgue, considerată importantă nu numai pentru
matematicieni.
Ideea principală a integrării este aceea ca anumitor mulțimi
și anumitor funcții să li se asocieze numere având eventual
semnificație geometrică sau fizică – lungimi, arii, volume, centre
de masă, fluxuri etc. Integralele definite din liceu au fost extinse la
intervale nemărginite, la integrale duble sau triple sau la integrale

347
de forme diferențiale pe curbe sau suprafețe etc. Ne vom limita la
cazul 1D. Pentru practicieni, importante sunt semnificațiile
obiectelor de lucru și proprietățile lor și nu hățișul construcțiilor
matematice.
Dacă z ⊂ ℝ este un interval mărginit, măsura –(z) este
lungimea lui A; aceasta se extinde prin aditivitate la reuniuni de
intervale disjuncte și apoi la o clasă mai largă de submulțimi ale
lui ℝ numite măsurabile. Dacă z, fi ⊂ ℝ sunt măsurabile, atunci
–(z ∪ fi) = –(z) + –(fi) − –(z ∩ fi) și dacă –(z) = 0, se spune
că A este neglijabilă. Există și mulțimi neglijabile nenumărabile.
Se poate arăta că o submulțime z ⊂ ℝ este neglijabilă ⇄ pentru
orice ÿ > 0 există un șir (zB ), ? ≥ 1 de mulțimi măsurabile și
mutual disjuncte astfel încât
z ⊂ B zB și –( B zB ) = –(zB ) < ÿ.
[În general, se spune că o proprietate are loc aproape peste
tot (a.p.) dacă mulțimea punctelor unde nu are loc este neglijabilă;
de exemplu, pentru o funcție continuă pe porțiuni, 3 = 3 a.p.
Printr-o convenție tacită, două funcții egale a.p. se identifică!]
O funcție 3: ℝ → ℝ se numește măsurabilă dacă pentru
orice număr π ∈ ℝ, mulțimea { f ≤ c} = {A ∈ ℝ | 3(A) ≤ π} este
măsurabilă.
Fie 3: [9, :] → ℝ o funcție mărginită măsurabilă și m, M
marginile ei. Lebesgue a avut ideea de a considera o diviziune a
intervalului
[m, M]: â = ÇE < Ç# <. . . < ÇUW# < ÇU <. . . < ÇB = Ä
(deci nu a intervalului [9, :] ca la Riemann!) și a considera pentru

348
1 ≤ k ≤ n, mulțimile măsurabile, ~U = {6 ∈ [9, :] | ÇUW# ≤ 3(6) <
ÇU }. Funcția f se numește integrabilă Lebesgue (se scrie
3∈ L#[Q,_] ) dacă alegând arbitrar ˛U ∈ [ÇUW# , ÇU ), sumele
B
Up# ˛U –(~U ) au o limită finită atunci când norma diviziunii tinde
spre zero; această limită este numită integrala Lebesgue a lui f,
_
notată (L) Q
3(6)d6 = [Q,_]
3. Dacă f = g a.p. și 3 ∈ L#[Q,_] , atunci

b ∈ L#[Q,_] și [Q,_]
b= [Q,_]
3.
Notă
Pentru a lămuri această „cabalistică” notațională, dăm un
exemplu, sperăm edificator, privind deosebirea dintre integralele
Riemann și Lebesgue. Presupunem că 3(6) reprezintă intensitatea
curentului într-un circuit electric la momentul t, 6 ∈ [9, :]. Atunci
~U este tocmai mulțimea momentelor când intensitatea are valorile
cuprinse în intervalul [ÇUW# , ÇU ), iar –(~U ) reprezintă „cantitatea
de timp” când curentul a avut valorile în acea plajă; suma
B
Up# ˛U –(~U ), ca și integrala (L) [Q,_]
3 capătă astfel un „sens
fizic” (în cazul integralei Riemann se considerau sume Riemann și
limita acestora).
Exemplu
Deosebirea dintre procedurile Riemann și Lebesgue se
poate ilustra astfel: presupunem că fiecare persoană x dintr-un
anumit colectiv C are venitul lunar 3(A). Pentru a calcula venitul
lunar total, „Riemann” adună veniturile om cu om: V = j∈É 3(A).
Dar „Lebesgue” fixează mai întâi mai multe niveluri/ intervale
n# , . . . , nU de venit, acoperind toată plaja de venituri și

349
U
4= »p# 4» , unde 4» este venitul însumat al persoanelor cu venitul
aflat la nivelul n» . Bineînțeles, în acest caz, rezultatul este același.
Revenind la ... matematică, procedurile Riemann și
Lebesgue nu dau același rezultat. Astfel, pentru funcția lui
Dirichlet 3: 9, : → ℝ, 3 A = 1 dacă A ∈ ℚ și 3 A = 0 dacă
_
A ∉ ℚ, avem 3 ∈ L#[Q,_] și (L) Q
3(6)d6 = 0 (căci f = 0 a.p.). Iar
din liceu se știe că această funcție nu este integrabilă Riemann.
[Pentru ingineri, acest exemplu pare ezoteric, deoarece
toate semnalele întâlnite de obicei, cu excepția impulsurilor, care
au altă interpretare, sunt integrabile Lebesgue și char Riemann].
Se poate arăta că orice funcție integrabilă Riemann este
integrabilă Lebesgue (reciproc, nu) și există următorul criteriu
celebru al lui Lebesgue de integrabilitate Riemann: „O funcție
mărginită 3: [9, :] → ℝ este integrabilă Riemann ⇄ f este
continuă a.p. (adică mulțimea discontinuităților lui f este de
măsură nulă)”.
În fine, Lebesgue și-a extins conceptul de integrală la
funcții definite pe mulțimi mai generale decât intervalele –
intervale nemărginite (integrale improprii), mulțimi măsurabile în
plan și spațiu, evenimente etc.
Proprietăți ale integralelor Lebesgue
Ne restrângem la câteva rezultate utilizate în studiul
semnalelor. Dacă M este o mulțime măsurabilă și 3: Ä → ℝ o
funcție integrabilă pe M, atunci se scrie 3 ∈ L#% .

350
a) Dacă 3, b ∈ L#% și a, b sunt constante, atunci
93 + :b ∈ L#% și %
(93 + :b) = 9 %
3+: %
b
(liniaritatea luării integralei);
b) Dacă 3, b ∈ L#% și f ≤ g, atunci %
3≤ %
b (monotonia);
c) Dacă 3 ∈ L#% , atunci 3 este integrabilă și reciproc; în
plus, %
3 ≤ %
3;
d) Cu notații transparente,

%⋃o
3= %
3+ o
3− %⋂o
3;

e) Dacă f este integrabilă, f ≥ 0 și %


3 = 0, atunci f = 0 a.p.;
f) Dacă (3B ) este un șir monoton crescător de funcții
integrabile, atunci 3 = lim 3B (limită punctuală) este
B→l

integrabilă și %
3 = lim 3B (teorema Lebesgue a
B→l %
convergenței monotone);
g) L#% este un SVN (spațiu vectorial normat) relativ la norma
3 # = %
3;
h) Dacă 3B → 3 este un șir punctual convergent, 3B fiind
integrabile și egal mărginite de o funcție integrabilă, atunci
lim 3
% B→l B
= lim 3B (teorema Lebesgue
B→l %
a convergenței dominate).
Atenție: ultimul rezultat există în cadrul integrabilității
Riemann numai pentru șiruri uniform convergente!
Se extind de asemenea teorema de derivare sub integrală,
teorema lui Fubini (de comutare a ordinii de integrare), integrarea

351
prin părți, schimbarea de variabilă, trecerea la coordonate polare
etc. „ca în vremuri normale”. În cele mai multe aplicații și
exemplificări, integrala Riemann este suficientă, dar în unele
situații teoretice, implicând transformarea Fourier sau distribuțiile,
este necesară apelarea la integrale Lebesgue. Așa este „le bon ton”!
Ca o aplicație directă, dăm
TEOREMA: Fie u: ℝ → ℝ (sau ℂ) un semnal din L#ℝ .
Atunci funcția
l
u ∶ ℝ → ℂ , u({) = W l
u(6)eW ¥}Å d6
este bine definită pentru orice { ∈ ℝ, este mărginită și continuă pe
ℝ. Dacă în plus, 6u(6) ∈ L#ℝ , atunci u ∈ Cℝ
#
.
Demonstrație.
Avem eW ¥}Å = cos {6 − i sin {6 și eW ¥}Å = 1 deci
u(6)eW ¥}Å = u(6) , pentru orice 6 ∈ ℝ.
Deoarece u ∈ L#ℝ , rezultă că u ∈ L#ℝ și ca atare,
l
W l
u(6) eW ¥}Å d6 < ∞. Apoi u este continuă, conform
proprietăților integralelor cu parametri; de asemenea,
;
u(6)eW ¥}Å = (−i6)u(6)eW ¥}Å și cum 6u(6) ∈ L#ℝ , rezultă că
;}
u este derivabilă în orice punct { ∈ ℝ și u Ö ({) =
l
W l
(−¬6)u(6)eW ¥}Å d6. Ca atare, u Ö este și continuă pe ℝ deci
#
u ∈ Cℝ (fiind derivabilă, cu derivata continuă).
Exemplu
Semnalul dreptunghiular Q ∶ ℝ → ℝ, Q 6 =1
Q Q
pe − , , 9 > 0 și nul în rest (figura 1.2) este o funcție
% %

352
Ø
integrabilă Riemann deci ⨅Q ∈ L#ℝ și ⨅Q ({) = a
Ø eW ¥}Å d6 =
W
a
% }Q
sin dacă { ≠ 0 și ⨅Q (0) = 9.
} %
Spații de semnale
Dacă F ⊂ ℝ este un interval nu neapărat mărginit și p ≥ 0
Â
este un întreg fixat, se notează cu CD mulțimea funcțiilor 3: F → ℝ
(sau ℂ) de p ori derivabile pe I cu derivate continue până la ordinul
 Â
p. Funcțiile CD se mai numesc de clasă CD pe I. Clasa funcțiilor
indefinit derivabile pe ℝ se notează cu ℇ = Cℝl .
Dacă I este un interval compact (≡ închis și mărginit),
  (U)
atunci CD este un SVN relativ la norma N(3) = UpE 3 , unde
u = max u(A) este norma uniformă. Spațiul CDE este un spațiu
j∈D
Banach (≡ SVN complet) relativ la norma uniformă, nu și relativ
la norma ∙ # .
Pentru o funcție 3: F → ℝ, suportul ei Supp f este
complementara celei mai mari mulțimi deschise pe care f se
anulează; așadar, f are suport compact ⇄ f se anulează în afara unui
interval mărginit.
Se notează cu Ú mulțimea funcțiilor 3: ℝ → ℝ (sau ℂ)
indefinit derivabile și cu suport compact. Funcțiile din clasa Ú se
mai numesc funcții de testare a distribuțiilor.
Exemple
a) Dacă funcția G(6) este treapta unitate, atunci 3(6) =
#
%
6 G(6) aparține clasei Cℝ , dar nu și la Cℝ% ;

353
#
b) Func$ia |40! / !' | 6 @ i•¶ 0 dac% 6 7 <RO'O=
Å a W#
#i nul% în rest, numit% #i „func$ia – cucui”, apar$ine spa$iului Ú;
graficul ei este indicat în figura A.1.

Figura A.1
Dac% I este un interval oarecare #i p > 0, atunci se noteaz%
Â
"D mul$imea func$iilor 340F / ! (sau 5) m%surabile #i astfel încât

D
3<6= Â ]6 J k. Aceasta este un spa$iu Banach relativ la norma
# Â
3 Â @ D
3<6= Â ]6 . A#adar, 3 # @ D
3<6= ]6.
# #
c) Fie 34 ! / !' 3<6= @ #i b40! / !' b<6= @
Å a ^# Å

pentru 6 7 <H'O= #i nul% în rest. Avem 3 7 #i b 7 "%! 0,0"#! # %


"! 0,0"! .
d) Dac% I este un interval compact, atunci pentru orice
 Â
p & 2, CDl ’ CD ’ CDE ’ë ë ë ’ "D ’ "%D ’ "#D .
e) Se poate ar%ta c% dac% 3' b 7 "%D atunci 3b 7 "#D #i
punând 3' b @ D
3b, se ob$ine un produs scalar pe spa$iul "%D ;
"%D este un spa$iu Hilbert deci #i Banach. În plus, are loc inegalitatea
lui Schwartz: D
3b m 3 % È b %.

354!
f) Dacă 3 ∈ L%ℝ și este nulă în afara unui interval [a, b],
atunci 3 ∈ L#ℝ (luând b ≡ 1 și aplicând inegalitatea lui Schwartz).
În Teoria distribuțiilor se utilizează spațiul L#Ò∑∂ al funcțiilor
3: ℝ → ℝ (sau ℂ) local integrabile (adică integrabile pe orice
interval compact). Evident, L#ℝ ⊂ L#Ò∑∂ și CℝE ⊂ L#Ò∑∂ . Funcțiile din
L#Ò∑∂ se mai numesc funcții uzuale.
Notă istorică
Bernhard Riemenn (1826–1866) a fost unul din cei mai
mari matematicieni ai lumii, fondator al Geometriei diferențiale și
precursor al Teoriei relativității generalizate. Talent nativ
excepțional, a avut șansa să-l întâlnească la Universitatea din
Göttingen pe marele Gauss care i-a condus doctoratul și l-a
determinat să elaboreze o teză celebră privind spațiul fizic ca o
varietate diferențiabilă 4–dimensională. Tot Riemann a studiat
celebra funcție „zeta” și a formulat o conjectură (ipoteza lui
Riemann), încă nedecisă, legată de distribuția numerelor prime.
Riemann a avut contribuții majore în Analiza reală (prin studiul
integralei care îi poartă numele și al seriilor trigonometrice) și în
Analiza complexă (studiul suprafețelor riemanniene). Tuberculoza
l-a răpus la 40 de ani neîmpliniți, smuls de lângă soția și fiica sa în
plină activitate creatoare.
Henri Lebesgue (1875–1941) a fost un matematician
francez cunoscut pentru descoperirea integralei care îi poartă
numele, care a lărgit clasa funcțiilor cărora li se asociază un
indicator numeric sintetic, care reprezintă, după caz, o lungime, o
arie, un volum, o probabilitate etc. Spațiul funcțiilor integrabile

355
Lebesgue are proprietăți de completitudine care lipsesc în cazul
integrabilității Riemann. Lebesgue a stabilit teoreme importante în
teoria seriilor Fourier și în teoria măsurii. Lebesgue a avut totodată
preocupări legate de didactică și istoria matematicii.
Pe cei doi îi leagă rezultate privind seriile Fourier („lema
Riemann–Lebesgue”), care arată tinderea spre zero a coeficienților
Fourier sau transformatelor Fourier (pentru { → ∞).
În Teoria semnalelor, un rol deosebit îl joacă spațiul S˜ al
semnalelor discrete A = A ? , ? ∈ ℤ, care practic sunt șiruri de
numere reale sau complexe. Se mai scrie AB în loc de A ? . Un
subspațiu remarcabil îl constituie S^ = A ∈ S˜ A ? = 0 pentru
? < 0}; semnalele din S^ se numesc semnale discrete cu suport
pozitiv. Se consideră de asemenea ℓ# = {A ∈ S˜ | B∈ℤ AB < ∞}
% %
și ℓ = {A ∈ S˜ | B∈ℤ AB < ∞}. Pentru A, Ç ∈ ℓ% , seria
# %
B∈ℤ AB ÇB este convergentă (deoarece AB ÇB ≤ ( AB + ÇB % )
%
l
și se definește produsul scalar A, Ç = BpW l AB ÇB .

ℓ% este un spațiu Hilbert, extinderea directă infinit


dimensională a lui ℝB sau ℂB .
Exemplu
#
Fie A = (AB ), ? ∈ ℤ, cu AB = dacă n ≥ 1 și 0 dacă n < 0.
B
Avem A ∈ ℓ% \ ℓ# ; apoi (AB% ) ∈ ℓ# . În general, ℓ# ⊂ ℓ% (căci dacă
seria B∈ℤ AB este convergentă, atunci AB → 0 pentru ? → ∞
%
deci șirul (AB ) este mărginit, AB ≤ Ä deci AB ≤ Ä AB și
(AB ) ∈ ℓ% ).

356
§ANEXA 2: Spații Hilbert

Conceptul de spațiu prehilbertian


Un spațiu vectorial real H se numește prehilbertian dacă
este fixat un produs scalar (PS) A, Ç ↦ A, Ç (ca aplicație
‰×‰ → ℝ), presupus comutativ, liniar în fiecare argument și în
plus, numărul real A, A este ≥ 0, fiind nul ⇄ x=0. Spațiile
prehilbertiene finit dimensionale se mai numesc euclidiene.
Pentru orice A» , Ç‚ ∈ ‰ și orice scalari t» , –‚ (1 ≤ ¬ ≤ â,
1 ≤ Ü ≤ ?) are loc relația » t» A» , ‚ –‚ Ç‚ = »,‚ t» –‚ A » , Ç‚ .
Doi vectori A, Ç ∈ ‰ se numesc ortogonali (și se scrie
A ⊥ Ç) dacă A, Ç = 0. Pentru orice A ∈ ‰, se definește norma
# %
A = A, A . Orice spațiu prehilbertian este un SVN.
Exemple
a) Spațiul vectorilor liberi ≥Y este euclidian, relativ la PS
clasic ¥, µ = ¥ ∙ µ.
b) ‰ = ℝB (? ≥ 1 fixat) este un spațiu euclidian
n–dimensional relativ la PS (A, Ç) = » A» Ç» . Notând cu
{·# , . . . , ·B } baza canonică a lui ℝB , este evident că ·» , ·‚ = T»‚ .
O generalizare a acestui exemplu este următoarea:
Fie ‰ = Mä,B (ℝ) mulțimea matricelor â×?, înzestrată cu
PS: z, fi = tr(z{ fi).
c) O generalizare infinit dimensională „prototip” a lui ℝB
o constituie spațiul ℓ% al șirurilor A = ( AB ), ? ≥ 0 de numere
%
reale, pentru care seria B†E AB este convergentă, înzestrat cu PS:
l
A, Ç = BpE AB ÇB (convergența acestei serii fiind asigurată,

357
#
deoarece AB ÇB m <AB% X ÇB% = pentru orice n ( 0). Elementele lui
%
å% se mai numesc semnale discrete de energie finit%; energia unui
l %
semnal A @ <AB = 7 å% este ~<A= @ BpE AB .
E
d) Pe spa$iul vectorial real C8Q'_; al func$iilor continue
_
34089' :; / ! se define#te PS: 3' b @ Q
3b.
Dac% H este un spa$iu prehilbertian real, atunci pentru orice
A' Ç 7 ‰ au loc inegalitatea lui Schwartz: A' Ç m A È Ç #i
regula paralelogramului:
AXÇ %X ARÇ %
@ &< A %
X Ç % =.
Geometrie în spa$ii prehilbertiene
În orice spa$iu prehilbertian H se poate dezvolta un limbaj
geometric sugestiv, similar celui din !% . Dac% A 7 ‰, atunci
simetricul fa$% de origine (vectorul nul) este – x. Vectorul abstract
x se poate identifica cu ÉA. Norma A se mai nume#te lungimea
vectorului x #i dac% A' Ç 7 ‰, atunci x–y se identific% cu ÇA #i
num%rul real d<A' Ç= @ A R Ç este distan$a dintre x, y
(figura A.2).

Figura A.2

358!
j')
Dac% x, y sunt vectori nenuli, atunci raportul este
j È )

un num%r real cuprins între –1 #i 1 (conform inegalit%$ii lui


j')
Schwartz); num%rul real ¡ 7 8H' (; astfel încât Lc) ¡ @
j È )

este ecartul unghiular între x, y. În fine, dac% A' Ç 7 ‰ #i A ≤ Ç,


% %
atunci A X Ç @ A X Ç % . Aceast% rela$ie se interpreteaz%
ca „teorema Hilbert–Pitagora” (fig. A.3). Demonstra$ia este
%
imediat%: A X Ç @ A X Ç' A X Ç @ A' A X Ç' A X A' Ç X
%
Ç' Ç @ A' A X Ç' Ç @ A X Ç %.

Figura A.3
Orice spa$iu prehilbertian H este un spa$iu metric relativ
la distan$a d<A' Ç= @ A R Ç ; se poate vorbi de convergen$a
#irurilor de elemente din H, numit% convergen%a în norm&: un #ir
<GB =' ? I H converge spre G 7 ‰ dac% ô*ö GB R G @ H. "irul
B/l
<GB =' ? I H se nume#te $ir Cauchy dac% ô*ö Gä R GB @ H.
ä'B/l
Orice #ir convergent în norm% este evident Cauchy #i dac% este
adev%rat% afirma$ia reciproc%, se spune c% H este un spa$iu Hilbert.

! 359
Exemple
a) ≥Y , ℝB și ℓ% sunt spații Hilbert.
E
b) Spațiul prehilbertian C[Q,_] nu este spațiu Hilbert. Se
poate defini completatul său, notat L#[Q,_] , relativ la norma
_
3 # = Q
3(A) dA ; de asemenea completatul, notat L%[Q,_] , relativ
_ # %
%
la norma 3 % = Q
3(A) dA .
[Mai general, pentru orice spațiu metric (X, d) există un
spațiu metric complet Ÿ, care conține un subspațiu izomorf cu X;
elementele lui Ÿ sunt clasele de echivalență ale șirurilor Cauchy
din X. În acest mod, se trece de la X=ℚ la Ÿ = ℝ sau de la
CDE la L%D , pentru orice interval I].
Se poate arăta că L%D se identifică cu mulțimea funcțiilor
măsurabile 3: F → ℝ (sau ℂ) astfel încât D
3(A) % dA < ∞.

Pentru orice 3, b ∈ L%D se definește PS: 3, b = D


3(A)b(A)dA
și L%D este un spațiu Hilbert. Funcțiile 3 ∈ L%D sunt semnalele
%
continuale de energie finită pe I; energia E(3) = 3 % =

D
3(A) % dA .
Cele spuse anterior se extind la spații Hilbert complexe,
când scalarii sunt numere complexe, iar funcțiile au valori
complexe. În această anexă ne referim doar la cazul real.
Teoremele fundamentale ale lui Riesz
Fixăm un spațiu Hilbert (real), relativ la PS A, Ç ... Dacă 9 ∈ ‰ și
z ⊂ ‰, se spune că a este ortogonal la A (9 ⊥ z) dacă 9, A = 0
pentru ori A ∈ z. Mulțimea tuturor elementelor 9 ∈ ‰ care sunt

360
ortogonale la A formeaz% un subspa$iu vectorial al lui H, numit
ortogonalul lui A #i notat cu zë ë Teoria general% a spa$iilor Hilbert
este dominat% de dou% teoreme ale matematicianului maghiar F.
Riesz:
TEOREMA RIESZ I (teorema de proiec$ie): Fie ‰# ’ ‰
un subspa$iu vectorial închis (dac% 9B 7 ‰# #i 9B / 9, atunci 9 7
‰# ) al spa$iului Hilbert H. Pentru orice vector 9 7 ‰, exist% #i este
unic ¯ 7 ‰# astfel încât 9 R ¯ ≤ ‰# #i 9 R ¯ m 9 R A pentru
orice A 7 ‰. (fig. A.4)

Figura A.4
Punctul p se nume#te proiec$ia lui a pe ‰# (a–p se identific%
cu vectorul ¯9). Dac% 9 7 ‰# , atunci p=a. Din aceast% teorem%
rezult% c% ‰ @ ‰# í‰#ë (c%ci a=p+a–p #i ‰# ؉#ë @ gHh).
[Teorema Riesz I extinde în fond faptul c% „perpendiculara este
mai scurt% decât oblica”].
TEOREMA RIESZ II (teorema de reprezentare): Fie H
un spa$iu Hilbert #i î40‰ / ! o func$ional% liniar% continu%.
Atunci exist% #i este unic un vector u 7 ‰, depinzând de L, astfel
încât î<G= @ G' u '0pentru orice G 7 ‰. A#adar, orice func$ional%
liniar% continu% pe H se reprezint% printr-un produs scalar:
î @ È' u (sau cum scriu fizicienii: î @ ‘u ).

! 361
Se numește operator liniar și continuu al unui spațiu
Hilbert real H orice aplicație ℝ–liniară și continuă Z: ‰ → ‰. Un
astfel de operator se poate interpreta ca un sistem intrare – ieșire,
în care oricărei intrări G ∈ ‰ i se asociază ieșirea ZG ≡ Z(G) ∈ ‰,
care variază continuu cu u și în plus, are loc „principiul
suprapunerii” (Z( » G» ) = » Z(G» )).
Pentru orice operator liniar și continuu Z: ‰ → ‰ există și
este unic un alt operator Z ∗ ∶ ‰ → ‰ astfel încât ZA, Ç =
A, Z ∗ Ç , pentru orice A, Ç ∈ ‰. Operatorul Z ∗ se numește
adjunctul lui T. Dacă Z ∗ = Z, atunci T se numește autoadjunct (≡
hermitic).
Exemple
a) Fie ‰ = ℝB și î ∶ ‰ → ℝ o aplicație (≡ funcțională)
B
liniară. Pentru orice G = (G# , . . . , GB ) avem G = »p# G» ·» deci
B
î(G) = »p# G» î(·» ). Dacă notăm 9» = î(·» ), 1 ≤ ¬ ≤ ? și
B
9 = (9# , . . . , 9B ), atunci î(G) = »p# 9» G» = G, 9 . Așadar,
î = ∙, 9 și astfel am demonstrat teorema Riesz II în acest caz
particular.
b) Dacă Z: ℝB → ℝB este o aplicație ℝ – liniară (automat
continuă), atunci operatorul T este autoadjunct ⇄ matricea lui T
relativ la baza canonică este simetrică.
c) Fie ‰ = ℓ% și operatorul Z: ℓ% → ℓ% care asociază
oricărui șir A = (AE , A# , A% , . . . ), șirul Tx= (A# , A% , . . . ). Adjunctul
Z ∗ al lui T este operatorul definit prin Z ∗ A = (0, AE , A# , . . . ),
deoarece ZA, Ç = A# ÇE + A% Ç# +. . . = A, Z ∗ Ç , pentru orice
A, Ç ∈ ℓ% .

362
Notă istorică
David Hilbert (1862 – 1943) a fost un mare savant german,
având contribuții esențiale în matematica și fizica secolului 20.
Printre altele, amintim: Axiomatizarea geometriei, Logica
matematică, Teoria invarianților, Teoria spațiilor care îi poartă
numele (care extind spațiile ℝB ), ecuațiile fizicii matematice,
ecuațiile integrale, etc. În 1900, la Paris, el a prezentat la Congresul
matematicienilor o listă de 23 de probleme care au orientat
cercetarea matematică pentru 100 de ani. Știa aproape totul...
Așa cum se vorbește de matematica până la Gauss și după,
tot astfel despre matematica până și după Hilbert. La seminarul pe
care l-a organizat la Göttingen, a reunit cei mai mari matematicieni
și fizicieni ai lumii. Acolo s-au stabilit bazele Mecanicii cuantice,
Teoriei particulelor elementare și fizicii statistice. Pensionat forțat
în 1930, conform legii care excludea evreii din învățământ, s-a
retras, ajungând la o depresie accentuată. În conștiința
matematicienilor, Hilbert a rămas cu multe cuvinte aproape
aforistice, printre care:
- matematica pură și cea aplicată sunt lucruri distincte;
- despre un fost elev al său a spus că „s-a făcut poet pentru
că avea puțină imaginație pentru a fi matematician”! Era vorba de
Rilke...
- pe piatra funerară se află o maximă optimistă a sa: „Wir
müssen wissen, wir werden wissen!”

363
§ANEXA 3: Câteva ecuații ale Fizicii matematice

Începem amintind câteva cuvinte profetice ale lui


Riemann: „În teoriile fizice clasice, legile de bază se aplică pe
distanțe mici și pe durate scurte, formulându-se ca ecuații cu
derivate parțiale (≡ EDP). Integrarea acestora produce legi
valabile pentru domenii extinse în spațiu și timp”.
Vom nota un punct curent (A# , . . . , AB ) ∈ ℝB cu A; în
dimensiuni mici, scriem de exemplu, x, y, z în loc de A#, A% , AY și
de regulă, t reprezintă timpul curent. Vom folosi notațiile
;( ;a (
următoare pentru derivate parțiale: Gj = , Gjj = etc. Multe
;j ;j a
ecuații ale Fizicii matematice utilizează operatorul lui Laplace;
;a ( ;a (
astfel ∆G = + +. ..
;jàa ;jaa

a) Ecuația undelor este GÅÅ = π % ∆G, unde G(A, 6) este


amplitudinea undei în poziția A din mediul studiat și la momentul
t, iar c este o constantă reală.
Această ecuație reprezintă un model pentru mai multe
fenomene fizice; de exemplu, vibrațiile unei corzi vibrante sau ale
unei coloane de aer dintr-un tub (GÅÅ = π % Gjj pentru n=1),
vibrațiile unei membrane sau ale suprafeței apei (GÅÅ = π % (Gjj +
G)) ) pentru n = 2), sau ale aerului atmosferic (n = 3). Dar și pentru
undele electromagnetice – radio, lumină, raze X etc. Nu discutăm
aici condițiile fizice în care au loc aceste ecuații și nici condițiile
inițiale sau la frontieră ori capete, care conduc la soluții unice, bine
determinate.

365
b) Ecuația căldurii este GÅ = S∆G și ea descrie difuzia
energiei termice într-un domeniu omogen; aici G(A, 6) este
temperatura mediului în punctul A și la momentul t, iar k este
difuzitivitatea termică. Pentru n=1, ecuația descrie propagarea
căldurii în lungul unui conductor sau printr-un perete separator.
Aceeași ecuație descrie și alte procese de difuzie, unde efectele
convective sunt neglijabile. Menționăm că pentru n = 1 și k>0,
# ja
funcția G = exp − satisface ecuația căldurii.
Å xUÅ
c) Ecuația lui Laplace este ∆u = 0; soluțiile ei se numesc
funcții armonice. Această ecuație este satisfăcută de potențialul
electrostatic într-o regiune fără surse, sau de potențialul newtonian
într-o regiune fără mase materiale.
În cazul n = 2, G = ln(A % + Ç % ) satisface ecuația lui
Laplace în ℝ% \{(0,0)}, iar în cazul n = 3, G = A % + Ç % + ∫ % W # %

satisface ecuația Laplace în ℝY \{(0,0,0)}.


Ecuația Laplace descrie de asemenea unde staționare sau
distribuții staționare de căldură.
Pentru a obține o soluție bine determinată, sunt necesare
condiții inițiale sau condiții la frontieră suplimentare (de tipul
Dirichlet).
În toate cazurile anterioare, dacă u este o soluție și c o
constantă, atunci u + c este de asemenea o soluție. Ecuațiile
anterioare pot fi generalizate, adăugând termeni care exprimă forțe
externe; de exemplu, GÅÅ − π % ∆G = 3(A, 6) sau ∆u = g(A).

366
d) În Mecanica cuantică, se studiază ecuația următoare a
ℏa
lui Schrödinger: iℏGÅ = − ∆G + u(A)G, unde u este funcția

de undă a unei particule de masă m, care se deplasează sub
potențialul u(A), iar ℏ este constanta „hașbar” a lui Planck.
Dacă particula are energia E, se obține ecuația staționară:
ℏa
∆G + u(A)G = ~G.

e) Voltajul v și curentul i într-un cablu electric, în lungul
axei Ox, satisfac ecuațiile ¬j + ÜuÅ + éu = 0, uj + î¬Å + ü¬ = 0,
unde C, G, L, R reprezintă respectiv capacitanța, conductanța,
inductanța și rezistența pe unitatea de lungime a cablului. Atât v
cât și i satisfac aceeași ecuație, numită a telegrafistului:
Gjj = îÜGÅÅ + (üÜ + îé)GÅ + üéG.
Toate EDP prezentate se pot scrie condensat, sub formă
operațională ℒG = 3, unde ℒ este un operator liniar. Dacă GU ,
1 ≤ S ≤ ? sunt soluții ale ecuației omogene ℒG = 0 și
πU – constante, atunci BUp# πU GU este soluție (se spune atunci că
are loc „principiul suprapunerii”). Are loc formula următoare:
G«µ = G«∂ + G´µ (soluția generală a ecuației neomogene
este suma dintre soluția generală a ecuației omogene și o soluție
particulară a ecuației neomogene). Pentru EDP neliniare aceste
fapte nu au loc.
Notă
1) Rațiunea adâncă a prezenței operatorului ∆ în ecuațiile
anterioare are următoarea motivație: ∆ comută cu rotațiile și

367
translațiile spațiului ℝB corespunzător și ca atare, ∆ descrie
fenomene spațio–temporale izotrope și omogene.
2) Menționăm în fine că una din metodele folosite în
studiul EDP, descoperită de Fourier, este metoda separării
variabilelor. De exemplu, în cazul n = 2, se caută soluții de forma
G(A, Ç) = Ÿ(A) ∙ ˙(Ç). Această metodă se aplică în probleme
având soluție unică (deci nu contează prin ce mijloace se obține
aceasta!); de regulă se utilizează următorul fapt: dacă x, y sunt
variabile independente și dacă 3(A) = b(Ç) pentru orice x, y,
atunci funcțiile f, g sunt constante, egale cu aceeași constantă.

368
§ANEXA 4: Curs scurt de Teoria distribuțiilor

Istoric
Distribuțiile sunt obiecte matematice mai speciale, având
motivații fizice puternice. Ele au fost introduse în anii '30 în
Mecanica cuantică de fizicianul englez P. Dirac (premiul Nobel)
„pour les besoins de la cause”, fără fundament teoretic. Primul care
a prezentat o teorie matematică, inspirată din ideile moderne de
dualitate și convergență slabă, a fost matematicianul francez L.
Schwartz, care în 1946 a lărgit noțiunea de funcție, incluzând
funcțiile local integrabile (eventual discontinue), precum și
impulsurile.
Pentru o funcție reală 3: › → ℝ (› ⊂ ℝ) în sens uzual,
fiecărui A ∈ › îi corespunde valoarea 3(A). Schwartz a considerat
funcționale liniare Z: Ú → ℝ, prin care oricărei funcții de testare
| ∈ Ú îi corespunde valoarea Z(|), notată Z, | (în acest caz, nu
are sens Z(A)).
Așadar, așa cum o funcție f se identifică prin ansamblul
valorilor ei {3(A)}, o distribuție T se identifică prin mulțimea
valorilor { Z(|)}.
În Matematică, există și alte identificări spectaculoase:
- un număr real a se poate caracteriza (identifica) prin
omotetia {: ℝ → ℝ, A ↦ 9A (căci 9 = {(1));
- un vector ¥ = (u# , u% ) se caracterizează prin aplicația
ℝ% → ℝ, H = (A# , A% ) ↦ H, ¥ = u# A# + u% A% ;

369
! &!o imagine alb/ negru F ’ !% se caracterizeaz% prin func$ia
ei de str%lucire, care asociaz% oric%rui pixel ¯ 7 F, cantitatea
de gri din p.
În Fizic%, reparti$iile de sarcini sunt descrise prin m%rimi
fizice induse – câmpuri sau for$e exercitate. În Mecanic% s-au
imaginat multe modele idealizate – mase punctuale, mobile
0– dimensionale, vectori – deplasare infinitezimal%, impulsuri f%r%
durat%, zgomot alb etc.
Motiva%ii fizice
Prezent%m trei probleme clasice importante, care au produs
dificult%$i; ele au fost reformulate #i solu$ionate în cadrul Teoriei
distribu$iilor. Vom ar%ta cum la sfâr#itul acestei ANEXE.
I. Conceptul de impuls
Fix%m 9 7 ! (punct pe ax% sau moment). Intuitiv, un impuls
aplicat în a este un semnal semnificativ pe un interval scurt
89' 9 X ÿ;, cu ÿ K H „mic” (cât de mic?), de amplitudine constant%
A, A > 0. A#adar, se define#te semnalul dreptunghiular
z0]ùLú06 7 89' 9 X ÿ;
TQ' 40! / !0' TQ' <6= @ ; (1)
H000000000000000000000000"+0ûi)e

Figura A.5

370!
Men$ion%m c% TQ' este o func$ie din "#Ò∑∂ , pentru orice
#
ÿ K H. Dac% aria dreptunghiului este 1, atunci z @ #i TQ' se

nume#te atunci un impuls unitar „impur” aplicat în a; în acest caz,
l Q^ #
T <6=]6
W0l Q'
@ Q
0]6 @ O.

Întrebare: De ce „impur”?
R%spuns: Deoarece depinde de ÿ neprecizat. Impulsul
unitar pur se ob$ine pentru ÿ / H. În acest caz, se ob$ine un
„monstru matematic”, anume TQ (fig. A.6), având propriet%$ile:
l
T
W0l Q
6 ]6 @ O' TQ 9 @ k #i TQ <6= @ H pentru t $ a.

Figura A.6
În general, prima condi$ie de existen$% a unui obiect
matematic este aceea de a nu fi contradictoriu. Aici, în orice teorie
a integrabilit%$ii o func$ie nul% a.p. are integrala nul% deci cele trei
condi$ii anterioare sunt contradictorii.
S-a pus problema s% dea un sens acceptabil deopotriv%
pentru matematicieni #i fizicieni, acestui „b%$ vertical infinit”
plasat în punctul a.

! 371
Fără restrângerea generalității, se poate presupune că
a = 0. În acest caz, se scrie T în loc de TE și aceasta se numește
l
„funcția” lui Dirac T: ℝ → ℝ, astfel încât W l
T 6 d6 = 1,
T 0 = ∞ și T(6) = 0 pentru t ≠ 0.
II. Densitatea unei mase concentrate
Considerăm un punct material de masă m (m > 0), plasat în
originea unei axe. În Mecanică este necesar să definim un concept
de densitate liniară a acelei mase. Procedeul tipic constă în „a
împrăștia uniform” masa respectivă într-un interval [–ÿ, ÿ] centrat
în origine și a defini în fiecare punct A ∈ ℝ, densitatea medie
liniară (≡ masa raportată la lungime); anume:
ä
dacă A ∈ [−ÿ, ÿ]
T (A) = % (2)
0 în rest
l  ä
Evident, T (A)dA
W l 
= W  %
dA = â.
Masa fiind concentrată în punctul x = 0, trebuie considerată
limita lim T (A). Din nou, se obține o funcție delta T = 0 a.p. deci
→E
l
W l
T(A)dA = 0, în contradicție cu faptul că integrala densității
trebuie să fie egală cu masa.
În mod similar, densitatea unei sarcini electrice concentrate
într-un punct, densitatea unui dipol electric etc. sunt concepte care
nu pot fi definite riguros în cadrul Analizei matematice clasice...
III. Comportarea unui circuit electronic LC în serie,
conectat la momentul t = 0 la o sursă cu f.e.m. ~E constantă.
Conform legii lui Kirchhoff, intensitatea ¬(6) a curentului la fiecate
moment t satisface ecuația integro – diferențială

372
# Å
î¬ Ö (6) + E
¬(6)d6 = u(6), (3)
á
unde u(6) este tensiunea la bornele circuitului. Dar
0 , pentru 6 < 0
u(6) = ,
~E , pentru 6 ≥ 0
adică u(6) = ~E G(6), unde u este treapta unitate a lui Heaviside.
Dacă momentul de conectare era a, atunci u(6) = ~E G(6 − 9).
Dar... Funcția u(6) nu este continuă deci nici derivabilă și
ecuația anterioară nu poate fi derivată în raport cu t, în cadrul
Analizei matematice clasice.
Definiția distribuțiilor și exemple
Definiție: Se numește distribuție (sau funcție generalizată
1D) orice aplicație ℂ – liniară și continuă Z: Ú → ℂ.
Pentru orice funcție |: ℝ → ℂ din clasa Ú a funcțiilor de
testare, se scrie Z, | în loc de numărul complex Z(|), numit
media lui T pe |. Se notează cu Ú Ö mulțimea tuturor distribuțiilor.
îµ Ú
Dacă Z ∈ Ú Ö , atunci T este aplicație liniară și dacă |B → |,
îµ ℂ
atunci Z(|B ) → Z(|). Distribuția nulă O are proprietatea că
É(|) = 0ℂ pentru orice | ∈ Ú.
Dacă Z, Z# ∈ Ú Ö , atunci se definesc în mod natural
egalitatea Z = Z# , suma Z + Z# sau multiplicarea tZ cu un scalar
t ∈ ℂ. Ú Ö este un spațiu vectorial complex.
Dacă (ZB ), ? ≥ 1 este un șir de distribuții, se spune că
îµ Ú ß
ZB → Z, pentru ? → ∞, dacă pentru orice | ∈ Ú,
îµ ℂ
ZB (|) → Z(|).

373
Notă
Așa cum o funcție reală 3: ›ℝ (› ⊂ ℝ) este testată pe
numerele din D, în sensul că pentru orice A ∈ › are sens 3(A), tot
astfel, o distribuție T este testată pe funcțiile | ∈ Ú. Nu are sens
Z(A) și totuși, uneori printr-o convenție tacită, se notează Z(A)
pentru a arăta cum se notează variabila independentă a funcției |
pe care se testează T. Așadar, Z, | ≡ Z(|) se mai notează
Z(A), |(A) .
O clasă importantă o constituie distribuțiile regulare.
Anume, oricărei funcții uzuale 3: ℝ → ℂ, din clasa L#Ò∑∂ a funcțiilor
local integrabile, i se asociază distribuția Z = [3], punând
l
Z(|) = W l
3(6)|(6)d6, (4)
pentru orice | ∈ Ú
De fapt integrala este luată pe un interval compact
(deoarece | are suport compact!). Este evident că T este liniară și
continuă deci Z ∈ Ú Ö .
PROPOZIȚIA 1: Aplicația
¿ ∶ L#Ò∑∂ → Ú Ö , 3 ↦ 3 este liniară și injectivă.
Este suficient de arătat că dacă 3 = 0 în Ú Ö , atunci f = 0
a.p. în ℝ (căci dacă ¿(3) = ¿(b), atunci 3 − b = 0 deci
f – g = 0 a.p.]. Fixăm 9 ∈ ℝ și alegem o funcție „cucui” | din
clasa Ú, cu graficul ca în figura A.7.

374
Figura A.7
Apoi, pentru orice ? 7 >, consider%m func$ia ÙB ∞ ! / 5'
ÙB <6= @ |<6= È i,¥BÅ din clasa Ú. Conform ipotezei 3 @ H,
l
rezult% c% 3<ÙB = @ H #i conform (4), W0l
3<6=ÙB <6=]6 @ H, adic%
Q^#
QW#
3<6= È |<6= È i,¥BÅ ]6 @ H. Restrângând func$ia 3 È | la
(a – 1, a + 1) #i apoi prelungind-o prin periodicitate T = 2 la !,
rezult% c% to$i coeficien$ii Fourier sunt nuli deci 3 È | @ H;
conform teoremei 1.5 din Capitolul 1, f = 0 a.p. în intervalul
(a – 1, a + 1). Deoarece a este ales arbitrar, rezult% c% f = 0 în "#Ò∑∂ .
Distribu$iile de tipul [ f ] cu 3 7 "#Ò∑∂ se numesc regulare
(sau de tip func$ie), iar restul distribu$iilor sunt singulare.
Not%
În general, dac% 340Ä / n este o aplica$ie injectiv% între
dou% mul$imi, atunci exist% bijec$ia Ä / 3<Ä=' A . 3<A= deci x
se identific% cu 3<A=, iar mul$imea M cu 3<Ä= 0 ’ n. A#adar, M
poate fi privit% ca o submul$ime a lui N. Ca atare, deoarece
aplica$ia r este injectiv%, rezult% c% orice func$ie uzual% 3 7 "#Ò∑∂ se
identific% cu distribu$ia ei asociat% [ f ], iar "#Ò∑∂ poate fi privit% ca

! 375
o submul$ime a lui Ú Ö . Aplica$ia r stabile#te un izomorfism
5 – liniar între func$iile uzuale (1 local integrabile) #i distribu$iile
regulare (figura A.8). L. Schwartz a descoperit clasa Ú Ö de obiecte
matematice noi, dintre care unele sunt identificate cu obiecte
cunoscute! În matematic% s-au mai întâlnit astfel de construc$ii. Un
exemplu simplu îl constituie extinderea func$iilor trigonometrice
elementare: ini$ial, acestea au fost definite în triunghiul
dreptunghic #i apoi, s-a trecut la cercul trigonometric, unde
unghiurile din primul cadran se identific% tocmai cu unghiurile
ascu$ite din triunghiul dreptunghic.
Aten$ie: Calculul cu distribu$ii s-a dezvoltat extinzând
opera$ii #i formule valabile în clasa "#Ò∑∂ (deci în cadrul Analizei
matematice clasice) la clasa Ú Ö a tuturor distribu$iilor sau la
subclase ale acesteia (distribu$ii temperate, distribu$ii cu suport
compact sau cu suport pozitiv).

Figura A.8

376!
Exemple de distribuții
a) Cel mai cunoscut exemplu este distribuția T a lui Dirac;
ea este definită prin
T, | = |(0), pentru orice | ∈ Ú. (5)
Evident, aplicația T: Ú → ℂ este liniară (căci T(9| + :Ù) =
9|(0) + :Ù(0) = 9T(|) + :T(Ù) pentru orice |, Ù ∈ Ú și orice
îµ Ú ß
constante a, b) și continuă (căci dacă |B → |, atunci
îµ ℂ
|B (0) → |(0) deci T(|B ) → T(|)).
În mod similar, dacă 9 ∈ ℝ este fixat, se definește
distribuția TQ prin TQ (|) = |(9), ∀| ∈ Ú; TQ este impulsul unitar
pur aplicat în a și modelează o masă concentrată în a sau un impuls
electric aplicat la momentul a.
b) Dacă 3 = sin: ℝ → ℂ (funcție continuă deci din L#Ò∑∂ ),
atunci se poate considera distribuția – sinus [sin] ∈ Ú Ö , definită
l
prin [sin](|) = W l
|(6) ∙ sin 6 d6 , ∀| ∈ Ú. În mod similar,
funcției constante 1, i se poate asocia distribuția [1], definită prin
l
[1] (|) = W l
|(6)d6 , ∀| ∈ Ú.
c) O altă distribuție importantă este cea asociată treptei
unitate u, notată H și numită distribuția lui Heaviside; așadar,
l
‰ | = G ,| = W l
G 6 | 6 d6 =
l
= E
|(6)d6 , | ∈ Ú. (6)
PROPOZIȚIA 2: Distribuția T este singulară.
Demonstrație. Presupunem prin absurd că T ar fi regulară,
asociată unei funcții 3: ℝ → ℂ din L#Ò∑∂ . Așadar, [ f ] = T deci
pentru orice | ∈ Ú, 3 | = | 0 .

377
Luăm | = ËB , șirul funcțiilor – „cucui” considerat în
l
paragraful 2.2 deci W l
3 6 ËB 6 d6 = ËB 0 , adică
# n£ Bn
W #
3(6)ËB (6)d6 = = pentru orice n ≥ 1. Dar f este
∑ ∑
mărginită pe intervalul [– 1, 1] și fie Ä = max 3(6) . Atunci
Å∈[W#,#]
Bn # %∑
≤Ä Ë (6)d6
W # B
= Ä și ? ≤ ; absurd.
∑ n
Notă
Încă un exemplu de distribuție singulară este următorul:
# #
VP ∈ Ú Ö , numită valoarea principală a lui , definită prin
Å Å
# l d Å Wd WÅ
VP , | = lim d6, ∀| ∈ Ú.
Å →E  Å
#
Funcția 3(6) = (6 ≠ 0) nu aparține clasei L#Ò∑∂ .
Å
Această distribuție apare în unele formule legate de
transformarea Fourier.
Operații cu distribuții
1. Pentru orice distribuție T și pentru orice constante reale
a, b cu a≠0, se definește distribuția T(at–b), punând
# (^_ # Å^_
Z(96 − :), |(6) = Z(G), |( ) ≡ Z(6), |( ),
Q Q Q Q

pentru orice | ∈ Ú. [Menționăm că notând u = at – b, rezultă


(^_
6= ].
Q
Cazuri particulare: Dacă a = – 1, b = 0, se obține distribuția
T(– t), numită simetrica lui T și notată Z≥ . Așadar, Z≥ , | =
Z(6), |(−6) . Dacă a = 1, se obține distribuția T(t – b), numită
translatata lui T cu b și notată õ_ Z; așadar, õ_ Z, | =
Z(6), |(6 + :) .

378
Dacă b = 0 și a ≠ 0, se obține omotetica T(at) a lui T,
# Å
definită prin Z 96 , | = Z(6), |( ) .
Q Q

Exemplu
T −6 = T 6 , T 6 − : = T_ (7)
#
pentru orice : ∈ ℝ, T(96) = T.
Q

2. Am văzut că pentru 3 ∈ L#Ò∑∂ , are loc formula (4), anume


l
W l
3 6 | 6 d6 = 3 | , | ∈ Ú. Extinzând abuziv această
formulă, pentru orice distribuție T (inclusiv una singulară), se scrie
prin convenție
l
Z | = W l
Z 6 | 6 d6, pentru Z ∈ Ú Ö și | ∈ Ú.
De exemplu, pentru Z = TQ ≡ T(6 − 9), rezultă formula
l
W l
T(6 − 9)|(6)d6 = |(9),
numită „formula de filtrare”. De fapt, aceasta este o altă transcriere
a definiției T(6 − 9), |(6) = |(9).
3. Multiplicarea unei funcții ã(6) de clasă Cℝl cu o
distribuție T
Anume, ãZ este distribuția definită prin
ãZ, | = Z, ã| , | ∈ Ú. (8)
Exemple
a)ãT = ã(0)T, deoarece ãT, | = T, ã| =
ã(0)|(0) = ã(0) T, | ; în particular, 6T = 0, 6 % T = 0.
b) Calculăm tH; ∀| ∈ Ú, 6‰, | = ‰(6|) =
l
E
6|(6)d6.

379
# #
c) Calculăm tVP ; ∀| ∈ Ú, 6VP ,| =
Å Å
# l Åd Å WÅd WÅ l
VP , 6| = lim d6 = (|(6) − |(−6))d6 =
Å →E  Å E
l #
W l
|(6)d6 = [1](|). Așadar, tVP = [1].
Å
4. Derivarea distribuțiilor
Ca o mare curiozitate, orice distribuție poate fi derivată de
ori câte ori.
Definiție: Pentru orice distribuție Z ∈ Ú Ö , se definește
derivata ei Z Ö , ca fiind distribuția definită prin
Z Ö , | = − Z, | Ö (9)
și mai general, Z (U) , | = (−1)U Z, | (U) , pentru orice | ∈ Ú.
Justificarea acestei definiții se obține considerând cazul
unei distribuții regulare T=[ f ], identificată cu o funcție
l
3 ∈ L#Ò∑∂ : 3 Ö | = W l 3 Ö 6 | 6 d6 =
∞ l
3 6 | 6 − W l 3 6 | Ö 6 d6 și cum | −∞ = 0,
− ∞
|(∞) = 0, avem 3 Ö | = −[3](| Ö ), adică (9).
Exemple
l Ö
a) ‰Ö = T, căci ‰Ö (|) = −‰(| Ö ) = − E
| 6 d6 =

−|(6) = |(0) = T(|), pentru orice | ∈ Ú.
0
#
b) Se poate arăta că (VP ) = (ln 6 )Ö .)
Å
c) Vom vedea că se pot deriva și funcții discontinue,
asimilate cu funcții din L#Ò∑∂ .

380
5. Șir convergent de distribuții
Definiție: Dacă (ZB ), ? ≥ 1 și T sunt distribuții, se spune
îµ Ú ß
că ZB → Z pentru ? → ∞ dacă
îµ ℂ
ZB (|) → Z(|), (10)
pentru orice | ∈ Ú.
O serie de distribuții B†E ZB se numește convergentă în
Ú Ö , cu suma S, dacă șirul sumelor parțiale °B = ZE + Z# +. . . +ZB
converge către S în Ú Ö .
Cu definițiile și regulile anterioare, se poate de-acum
dezvolta un calcul cu distribuții. Ne oprim aici, dar rămâne să dăm
răspuns la cele trei probleme care au generat studiul distribuțiilor.
I. Am prezentat la început euristic conceptul de impuls
#
aplicat în punctul 9 ∈ ℝ. Pentru ÿ = , am definit impulsul unitar
B
„impur” TQ, à (6) și am văzut că limita lim TQ, à (6) conduce la o
£ B→l £

contradicție. Dar atenție... Funcția TQ, à (6) aparține clasei L#Ò∑∂ și se


£

pot considera distribuțiile regulare asociate, [TQ, à ].


£

Pentru ? → ∞ aplicăm definiția (10) și rezultă


à
l Q^
ZB | = T à
W l Q,£
6 | 6 d6 = Q
£ ?| 6 d6 și folosim
_
formula de medie ( Q
b 6 d6 = : − 9 b π , 9 < π < :); așadar,
# #
ZB (|) = (9 + − 9) ∙ ? ∙ |(πB ) = |(πB ) cu 9 < πB < 9 + .
B B
Pentru ? → ∞, avem lim ZB (|) = |(9) = TQ (|), pentru orice
B→l
| ∈ Ú.

381
În concluzie ZB → TQ în Ú Ö , ceea ce arată că TQ este într-
adevăr impulsul legitim aplicat în a.
II. Definiția acceptată în Fizica modernă a densității liniare
a unei mase m concentrată în origine este distribuția Z = âT, adică
aplicația Z: Ú → ℂ, | ↦ âT(|) = â|(0). Mai general, dacă
avem un sistem de puncte materiale A# , A% , . . . , AB plasate pe axa
reală, cu masele â# , â% , . . . , âB , atunci densitatea liniară asociată
este distribuția Z = BUp# âU T(A − AU ). Conform formulei de
l B
filtrare, masa totală a sistemului este W l
Z A dA = Up# âU .

III. Știind ce înseamnă distribuții egale, cum se adună, cum


se multiplică cu funcții indefinit derivabile și cum se derivează, se
poate reconsidera întreaga teorie a ecuațiilor diferențiale. Ecuația
(3) se poate rescrie în distribuții, identificând voltajul v(t) cu
distribuția asociată, adică [u] = ~E ‰. Derivând ecuația (3) și
ținând cont că ‰Ö = T, se obține ecuația diferențială
#
î¬ ÖÖ (6) + ¬(6) = ~E T(6), dar în distribuții. Studiul acestei ecuații
á
este necesar pentru a înțelege ce se întâmplă în momentul t = 0 al
conectării circuitului la rețea.
Notă istorică
Paul Dirac (1902 – 1984) a fost un mare fizician și
matematician englez, fondator al Mecanicii cuantice și laureat al
premiului Nobel. În Matematică, a introdus în monografia sa
„Principiile mecanicii cuantice” (1930) celebra „funcție T” (atât de
evocată), care descrie diverse distribuții punctuale, precum și
formalismul BRA – KET folosit în Analiza funcțională. În Fizică,

382
a stabilit, printre altele, o ecuație care descrie dinamica fermionilor
și a prezis existența antimateriei și a magnetului cu un singur pol.
În Filozofie, P. Dirac a fost adeptul principiului antropic,
conform căruia Universul are proprietățile pe care le observăm/
măsurăm, pe baza cărora existăm și vom exista pe Pământ. A
afirmat că „matematica este unealta care a creat neîncetat concepte
abstracte și ar trebui dezvoltate o teorie pentru obiectele mari (care
studiază cauzele prin efectele lor) și alta, pentru obiectele mici
(unde trebuie considerate și perturbările datorate observatorilor)”.
Se spune că la un curs, profesorul Dirac s-a adresat sălii dacă există
întrebări... Un student îi spune că nu a înțeles una din formule, la
care profesorul îi răspunde: „aceasta nu este o întrebare, ci o
afirmație!”.
Matematicianul francez Laurent Schwartz (1915–2002) a
descoperit, după 1948, Teoria distribuțiilor, ca o extindere a
Calculului diferențial și integral, bazată pe Analiza funcțională și
Dualitate. În 1950, el a primit medalia Fields și a fost membru al
grupului Bourbaki. În cadrul Teoriei distribuțiilor, s-au obținut
definiția riguroasă a „funcției T” și cadrul natural al transformării
Fourier (spațiul $).
L. Schwartz a fost profesor la Școala Politehnică din Paris,
evreu cu simpatii comuniste troțkiste și intelectual de atitudine
civică fără echivoc. Ca hobby, a fost deținătorul unei colecții de
peste 20000 de fluturi. Ca îndemn către tineri, a afirmat că „a
descoperi ceva în matematică înseamnă a-ți depăși inhibiția și
tradiția; nu poți avansa dacă nu ești un critic subversiv”.

383
Indice de nume și notații

A
Acordul standard ......................................................................................... 337
Acumularea sumelor .................................................................................... 318
Algoritm de reconstrucție a imaginilor ...................................................... 249
Amplificator ideal ........................................................................................ 250
Amplitudinea ................................................................................................ 339
Amplitudinea în frecvență ........................................................................... 123
Amplitudinea oscilației .................................................................................. 26
Analiza semnalului ......................................................................................... 43
Analiza undei sonore ..................................................................................... 25
Aproximarea lui Fraunhofer ...................................................................... 296
Argument ........................................................................................................ 52
Armonică .................................................................................................. 26, 43
Armonică complexă ....................................................................................... 53
Armonică de ordin n ................................................................................ 53, 59
Armonică fundamentală ................................................................................ 53
Autoadjunct .................................................................................................. 362
Autocorelație .................................................................................................. 95
B
Bandă limitată în timp ................................................................................. 157
Banda utilă de frecvență .............................................................................. 173
Bază ortonormală........................................................................................... 72
C
Calculatoare optice ...................................................................................... 293
Canal de comunicație ................................................................................... 269
Celulă fundamentală .................................................................................... 325
Celulă unitară ............................................................................................... 319
Circuit oscilant al lui Hertz ........................................................................... 31
Coeficienți Fourier ................................................................................... 38, 73
Compresia imaginilor .................................................................................. 239
Compresia semnalelor audio ....................................................................... 238
Compresie ..................................................................................................... 222

385
Compresie video ........................................................................................... 239
Conjugat ......................................................................................................... 51
Constanta de timp ........................................................................................ 286
Constanta lui Calderon ............................................................................... 227
Convergență în medie pătratică ................................................................... 78
Convergența în normă ................................................................................. 359
Convergență în normă în L2.......................................................................... 78

Convergență punctuală ................................................................................. 78


Conversie analogic – digitală ........................................................................ 55
Convolutabile ................................................................................................. 82
Convoluție ............................................................................................... 82, 107
Convoluție ciclică ........................................................................................... 94
Creastă ............................................................................................................ 25
Cristale .......................................................................................................... 319
Cristale 1D sau 2D ....................................................................................... 324
Cristalografie cu raze X............................................................................... 320
Cvartă............................................................................................................ 336
Cvintă ............................................................................................................ 336
D
Decibel ................................................................................................... 272, 345
Densitatea de probabilitate a poziției ......................................................... 176
Densitatea de putere .................................................................................... 160
Densitatea spectrală de putere .................................................................... 273
Determinarea potențialului ......................................................................... 243
Determinări cantitative ............................................................................... 297
Diferența de fază ............................................................................................ 28
Diferențele finite ........................................................................................... 201
Difracția luminii ........................................................................................... 293
Discret (digital) ....................................................................................... 15, 259
Dispersia........................................................................................................ 177
Dispersia frecvențială .................................................................................. 174
Dispersia temporală ..................................................................................... 174
Distribuția lui Heaviside .............................................................................. 377
Distribuția nulă ............................................................................................ 373
Distribuție periodică ...................................................................................... 99
Distribuție temperată................................................................................... 149
Durata utilă a semnalului ............................................................................ 173

386
E
Ecuația căldurii ............................................................................................ 366
Ecuația Helmholtz 2D .................................................................................. 202
Ecuația lui Laplace ...................................................................................... 366
Ecuația lui Schrödinger ............................................................................... 367
Ecuația oscilațiilor armonice de pulsație ..................................................... 29
Ecuația pendulului ......................................................................................... 30
Ecuația telegrafistului .................................................................................. 367
Ecuația undelor ............................................................................................ 365
Ecuație de convoluție ................................................................................... 108
Ecuație integrală de tip Radon ................................................................... 313
Editor de sunet ............................................................................................. 341
Egalitatea lui Parseval ............................................................................. 55, 75
Energia unui semnal ...................................................................................... 60
Energie ...................................................................................................... 23, 27
Eșantion .......................................................................................................... 16
Eșantionare în frecvență.............................................................................. 157
Excitație ........................................................................................................ 250
Exponențiala complexă .................................................................................. 51
F
Faza în frecvență .......................................................................................... 123
Faza inițială a oscilației ................................................................................. 26
Fenomenul Gibbs ........................................................................................... 64
Fereastră ............................................................................................... 172, 222
Filtru de convoluție .............................................................................. 251, 265
Filtru digital .................................................................................................. 259
Filtru ideal trece - jos ................................................................................... 283
Filtru invariant în timp ............................................................................... 250
Filtru liniar ................................................................................................... 265
Filtru liniar analogic .................................................................................... 250
Formă exponențială ....................................................................................... 52
Formula Fourier de reprezentare integrală a lui ∏(π) .............................. 134
Frecvența ................................................................................................ 24, 339
Frecvența ciclică ............................................................................................. 26
Frecvența de tăiere ....................................................................................... 288
Funcția caracteristică .................................................................................. 182
Funcția de distribuție a frecvențelor .......................................................... 123
Funcția Green ............................................................................................... 253
Funcția Green a sistemului ......................................................................... 170
Funcția tabelată a lui Laplace ..................................................................... 185

387
Funcție – fereastră ......................................................................................... 17
Funcție – indicator ....................................................................................... 296
Funcție armonică ................................................................................. 170, 366
Funcție de eșantionare ................................................................................... 48
Funcție de strălucire ...................................................................................... 96
Funcție de testare ......................................................................................... 353
Funcție netedă pe porțiuni ............................................................................ 18
Funcție original Laplace .............................................................................. 136
Funcții ortogonale .......................................................................................... 36
Funcție periodică de perioadă T ................................................................... 19
Funcție rapid descrescătoare ........................................................................ 88
Funcție uzuală .............................................................................................. 355
Funcție–pondere ............................................................................................. 78
Funcția–semn.................................................................................................. 17
G
Gama bine temperată .................................................................................. 336
Gama cromatică ........................................................................................... 336
Grătar de difracție ....................................................................................... 299
H
Hodograful lui Nyquist ................................................................................ 278
Holografia ..................................................................................................... 293
Holografia Fourier ............................................................................... 301, 302
Hologramă .................................................................................................... 302
I
Imagine Fourier ........................................................................................... 124
Imagine 2D ...................................................................................................... 96
Imaginea originalului .................................................................................. 137
Impuls discret unitar ..................................................................................... 19
Înălțime ......................................................................................................... 344
Indice de creștere ......................................................................................... 136
Inegalitatea lui Heisenberg.......................................................................... 174
Inegalitatea lui Schwartz ..................................................................... 280, 358
Infrasunete .................................................................................................... 329
Instrument muzical electronic .................................................................... 341
Întârziere în frecvență ................................................................................. 129
Întârziere în timp ......................................................................................... 129
Întârzierea cu un tact................................................................................... 259
Integrabilă Lebesgue ................................................................................... 349

388
Intensitate ..................................................................................................... 344
Interferometrie / spectrometrie Fourier .................................................... 299
Interval dintre note ...................................................................................... 338
Interval consonant ....................................................................................... 338
Invariant în timp .......................................................................................... 262
L
Latice oblică .................................................................................................. 325
Latice pătratică ............................................................................................ 325
Latice reciprocă ............................................................................................ 325
Legătură inversă .......................................................................................... 257
Legea Lambert a radiației ........................................................................... 311
Legea lui Bragg ............................................................................................ 323
Legea oscilațiilor armonice ........................................................................... 28
Lungime de undă ........................................................................................... 25
M
Matrice de covarianță .................................................................................. 220
Media ............................................................................................................. 270
Media pătratică ............................................................................................ 270
Media semnalului ........................................................................................... 59
Metoda rețelelor ........................................................................................... 201
Metoda separării variabilelor ..................................................................... 368
Modul .............................................................................................................. 52
Modulare în frecvență ................................................................................. 130
Modulare în timp ......................................................................................... 130
Muzica ................................................................................................... 330, 344
N
Nivel de intensitate ....................................................................................... 345
Nod .................................................................................................................. 70
Norma unui vector ....................................................................................... 357
Notă staționară ............................................................................................... 24
O
Octavă ..................................................................................................... 25, 335
Operație de corelație ...................................................................................... 95
Operație elementară .................................................................................... 205
Operator........................................................................................................ 131
Operator de retro–proiecție ........................................................................ 318
Operator liniar și continuu ......................................................................... 362

389
Operatorul Fourier ...................................................................................... 124
Operatorul Radon ........................................................................................ 315
Optica Fourier .............................................................................................. 292
Original Fourier ........................................................................................... 124
Oscilație ........................................................................................................... 23
Oscilație armonică ......................................................................................... 26
Oscilație armonică de ordin n ....................................................................... 43
Oscilație forțată .............................................................................................. 32
P
Paradisul Fourier ............................................................................... 9, 11, 189
Pendul ............................................................................................................. 30
Pieptenul lui Dirac ................................................................................. 99, 162
Pixel ................................................................................................................. 96
Polinom Cebâșev ............................................................................................ 79
Polinom Hermite ............................................................................................ 79
Polinom Legendre .......................................................................................... 79
Polinom ortogonal clasic................................................................................ 79
Polinom trigonometric ................................................................................... 35
Potențial de volum generat .......................................................................... 118
Principiul incertitudinii ............................................................................... 178
Produs de convoluție ...................................................................................... 82
Produsul unui semnal .................................................................................. 107
Pulsație ............................................................................................................ 26
Puterea medie ............................................................................................... 270
Puterea medie a unui semnal ...................................................................... 274
R
Răspunsul–impuls ........................................................................................ 259
Relația energetică ......................................................................................... 146
Relația lui Parseval ...................................................................................... 195
Relația lui Plancherel ................................................................................... 145
Relația lui Rayleigh ...................................................................................... 126
Rețea bidimensională ................................................................................... 325
Rezonanță ....................................................................................................... 33
S
Scalare ........................................................................................................... 222
Semiconductor .............................................................................................. 277
Semnal analitic asociat ................................................................................ 291
Semnal analogic .............................................................................................. 15

390
Semnal conjugat ........................................................................................... 128
Semnal continual ............................................................................................ 15
Semnal deplasat ............................................................................................ 222
Semnal deterministic ..................................................................................... 16
Semnal digital ................................................................................................. 15
Semnal discret ................................................................................................ 15
Semnal discret cu suport pozitiv ................................................................. 356
Semnal finit ..................................................................................................... 19
Semnal fizic ..................................................................................................... 15
Semnal întârziat ........................................................................................... 128
Semnal periodic .............................................................................................. 39
Semnal periodic continual ............................................................................. 19
Semnal simetric ............................................................................................ 128
Semnal sinusoidal complex ........................................................................... 53
Semnal translatat ......................................................................................... 128
Separarea variabilelor ................................................................................... 67
Serie Fourier asociată .................................................................................... 38
Serie Fourier clasică ...................................................................................... 77
Serie Fourier generalizată ....................................................................... 74, 77
Serie punctual convergentă ........................................................................... 35
Serie trigonometrică ...................................................................................... 35
Serie uniform convergentă ............................................................................ 35
Ș
Șiftare ............................................................................................................ 259
S
Sintetizator.................................................................................................... 339
Sinteza aditivă .............................................................................................. 344
Sinus atenuat .................................................................................................. 48
Sinus cardinal ................................................................................................. 48
Ș
Șir Cauchy .................................................................................................... 359
Șir ce converge spre zero ............................................................................. 104
S
Soluția lui Poisson ........................................................................................ 172
Soluție elementară ........................................................................................ 118
Spațiu euclidian ............................................................................................ 357
Spațiu prehilbertian ..................................................................................... 357

391
Spectru de amplitudine ................................................................................. 61
Spectru de fază ............................................................................................... 62
Spectru de putere ......................................................................................... 160
Spectru discret .......................................................................................... 61, 80
Spectru frecvențial ....................................................................................... 340
Spectru frecvențial discret .......................................................................... 158
Spectrul în amplitudine ............................................................................... 124
Spectrul în frecvență .................................................................................... 123
Studiul difracției luminii ............................................................................. 292
Submulțime măsurabilă .............................................................................. 348
Suma cumulată ............................................................................................. 314
Sunetele ......................................................................................................... 329
Sunetul corzii .................................................................................................. 70
Suprapunerea oscilaților armonice ............................................................ 189
Supraton ......................................................................................................... 70
T
Teorema de eșantionare n–dimensională................................................... 247
Teorema de interpolare ............................................................................... 156
Teorema Fourier de inversare .................................................................... 131
Teorema Moivre – Laplace ......................................................................... 186
Timbru .................................................................................................. 340, 344
Tomograf ...................................................................................................... 316
Ton fundamental al corzii ............................................................................. 70
Tonul fundamental ...................................................................................... 333
Transformarea Fourier ............................................................................... 124
Transformarea Fourier modificată ............................................................ 177
Transformarea Hilbert ................................................................................ 291
Transformarea Radon ................................................................................. 315
Transformarea Walsh ................................................................................. 216
Transformata Fourier a lui ∏(π) ................................................................. 123
Transformata Fourier discretă ................................................................... 193
Transformata Laplace ................................................................................. 137
Treapta unitate discretă ................................................................................ 19
Treapta unitate Heaviside ............................................................................. 16
Trenul de delte........................................................................................ 99, 162
U
Ultrasunete.................................................................................................... 329
Unde sonore .................................................................................................. 329
Undină ........................................................................................................... 224

392
Undina lui Haar ........................................................................................... 224
Uniform ........................................................................................................... 27
V
Valoare proprie .............................................................................................. 68
Variabile conjugate .............................................................................. 133, 160
Vectori ortogonali ........................................................................................ 357
Ventre .............................................................................................................. 70
Vibrație ........................................................................................................... 23
Vocile unui semnal ....................................................................................... 228
Z
Zgomot .......................................................................................................... 344
Zgomot alb .................................................................................................... 276
Zgomot termic .............................................................................................. 277

393
„Ce am înțeles este minunat, dar și restul,
pe care nu l-am înțeles, trebuie să fie minunat.”
SENECA

BIBLIOGRAFIE

1. P. BEAUME – Distributions et Transformées, ENSEA, 2000.


2. G.B. FOLLAND – Fourier analysis and its applications,
Providence, Rhode Island, 2009.
3. L. JALBĂ, O. STĂNĂȘILĂ – Vectori, tensori, câmpuri,
Floarea Darurilor, 2015.
4. L. JALBĂ, O. STĂNĂȘILĂ –
Sfera incertitudinii (Statistică aplicată), Floarea Darurilor, 2017.
5. J.F. JAMES – Fourier transform (a student's guide),
Cambridge Univ. Press, 2011.
6. T.W. KÖRNER – Fourier analysis,
Cambridge Univ. Press, 2014.
7. E. KREYSZIG – Advanced Engineering Mathematics,
John Wiley, 2005.
8. Y. MEYER – Ondelettes et algorithmes concurrents,
Herman, 1994.
9. B. OSGOOD – Lecture Notes for the Fourier transform
(EE 261), Stanford University, 2008.
10. W. RUDIN – Analiză reală și complexă, Ed. Theta Buc., 1999.
11. D. STANOMIR, O. STĂNĂȘILĂ –
Metode matematice în teoria semnalelor, Ed. Tehnică, 1980.

395
12. O. STĂNĂȘILĂ – Resurse matematice și informatice,
Ed. Niculescu, 2014.
13. O. STĂNĂȘILĂ – Analiză matematică,
Floarea Darurilor, 2014.
14. D. ȘTEFĂNOIU, O. STĂNĂȘILĂ, D. POPESCU –
Undine; teorie și aplicații, Ed. Academiei Române, 2010.
15. T. TAO – Analysis II, Hindusta Boog Agency, 2014.
16. G. TOLSTOV – Fourier series, Dover publ. 2015.

396