CYFROWE PRZETWARZANIE SYGNAŁÓW INŻYNIERIA BIOMEDYCZNA AGH 2009–2013 rzeczy, które umiem rzeczy, które były na wykładach rzeczy, które były na egzaminie WERSJA 3.0 W przypadku ewentualnych błędów w opracowaniu proszę zgłaszać poprawki do autora. ([email protected]) "Theory is when you know all and nothing works. Practice is when all works and nobody knows why. In this case we have put together theory and practice: nothing works... and nobody knows why!” (anonymous author) “A perfect example was my Mathematics Principles of Economics class which taught me how to manually calculate a bordered Hessian but, for the life of me, I have no idea why I would ever want to calculate such a monster.” (JD Long) 1 Spis treści 1 WPROWADZENIE ......................................................................................................................5 2 MATEMATYKA, CZYLI TO CO WSZYSCY LUBIĄ NAJBARDZIEJ .................................................5 2.1 KILKA RZECZY, O KTÓRYCH BĘDZIE MOWA ...........................................................................5 2.1.1 KRÓTKIE SŁOWO O GRANICY, a. k. a. LIMES (limit)........................................................5 2.1.2 SCHEMAT HORNERA (Horner’s method) .......................................................................8 2.1.3 TWIERDZENIE O TRZECH CIĄGACH (squeeze theorem)................................................ 10 2.1.4 O SILNI SŁÓW KILKA (factorial) ................................................................................... 14 2.1.5 SYMBOL NEWTONA (binominal coefficient)................................................................ 16 2.1.6 WZÓR FAULHABERA i LICZBY BERNOULLEGO (Faulhaber’s formula and Bernoullie number) 18 2.2 POCHODNA (derivative)..................................................................................................... 23 2.2.1 WSTĘP ....................................................................................................................... 23 2.2.2 PARABOLA i POCHODNA ............................................................................................ 26 2.2.3 UŻYTECZNOŚĆ POCHODNEJ i GRAFICZNA INTERPRETACJA ......................................... 28 2.2.4 RÓWNANIE KWADRATOWE (quadratic equation)....................................................... 31 2.2.5 NOTACJE i PODSTAWOWE WYPROWADZENIA ........................................................... 33 2.3 SZEREG TAYLORA i MACLAURINA (Taylor and Maclaurin series) ......................................... 36 2.3.1 SZEREG TAYLORA, A PIERWIASTEK .......................................................................... 36 2.3.2 SZEREG MACLAURINA ................................................................................................ 37 2.3.3 SZEREG MACLAURINA – SIN, COS i EKSPONENTA ....................................................... 39 2.4 CAŁKA (integral) ................................................................................................................ 41 2.4.1 WPROWADZENIE ....................................................................................................... 41 2.4.2 SUMY RIEMANNA (Riemann sum) .............................................................................. 45 2.4.3 CAŁKA OZNACZONA RIEMANNA (Riemann’s definite integral) .................................... 47 2.4.4 PEŁNY DOWÓD DLA FUNKCJI 2.4.5 FUNKCJA PIERWOTNA (antiderivative), CZYLI CAŁKA, A POCHODNA ........................... 53 2.4.6 CAŁKA JAKO WARTOŚĆ ŚREDNIA (integral mean value theorem) ................................ 55 2.4.7 CAŁKA POCHODNEJ (derivative of an integral)............................................................ 56 2.5 ................................................................................ 51 LICZBY ZESPOLONE (complex numbers).............................................................................. 56 2.5.1 LICZBA UROJONA (imaginary number) ....................................................................... 56 2.5.2 WZÓR EULERA (Euler’s formula)................................................................................. 60 2.5.3 PŁASZCZYZNA LICZB ZESPOLONYCH (complex plane) .................................................. 61 2.5.4 WZÓR EULERA W RACHUNKU ZESPOLONYM .............................................................. 64 2 2.5.5 2.6 3 4 UOGÓLNIENIE SILNI – FUNKCJA GAMMA (gamma function)....................................... 64 MACIERZE (matrices) ......................................................................................................... 65 2.6.1 PRZESTRZENIE WIELOWYMIAROWE ........................................................................... 65 2.6.2 WARTOŚCI i WEKTORY WŁASNE (eigenvalues and eigenvectors) ................................ 65 PODSTAWOWE SYGNAŁY ....................................................................................................... 66 3.1 O SYGNAŁACH SŁOWO....................................................................................................... 66 3.2 WARTOŚĆ ŚREDNIA FUNKCJI SINUS ................................................................................... 66 3.3 PROSTE FILTRY – FILTR MEDIANOWY i UŚREDNIANIE ......................................................... 66 TRANSFORMATA LAPLACE (Laplace transform) ................................................................... 66 4.1 WSTĘP DO METODY OPERATOROWEJ – SKOK JEDNOSTKOWY, OBSZAR ZBIEŻNOŚCI (region of convergence) ............................................................................................................................ 66 4.2 JESZCZE KILKA PRZYKŁADÓW ............................................................................................. 68 4.2.1 SYGNAŁ EKSPONENCJALNY......................................................................................... 68 4.2.2 DELTA DIRACA ........................................................................................................... 69 4.2.3 POTĘGA N-tego STOPNIA ........................................................................................... 69 4.3 WŁASNOŚCI TRANSFORMATY LAPLACE .............................................................................. 69 4.3.1 PRZESUNIĘCIE W CZASIE (time shift) z przykładem zastosowania ............................... 69 4.3.2 SKALOWANIE W CZASIE (scaling in time) .................................................................... 71 4.3.3 SKALOWANIE W CZĘSTOTLIWOŚCI (scaling in time).................................................... 71 4.3.4 POCHODNA................................................................................................................ 71 4.3.5 CAŁKA ........................................................................................................................ 72 4.4 PODEJŚCIE PRAKTYCZNE – RÓWNANIA RÓŻNICZKOWE ...................................................... 72 4.5 OBWODY ELEKTRYCZNE ..................................................................................................... 72 4.6 FILTRY PASYWNE ............................................................................................................... 72 4.6.1 OBWÓD RC – FILTR DOLNOPRZEPUSTOWY (RC low-pass filter)................................... 72 4.6.2 OBWÓD RC – PASMO 3dB (half power point) ............................................................. 75 4.6.3 CHARAKTERYSTYKA BODEGO (Bode plot) ................................................................... 76 4.6.4 CHARAKTERYSTYKA NYQUISTA (Nyquist plot) ............................................................. 79 4.6.5 OKTAWA KONTRA DEKADA ........................................................................................ 80 4.6.6 OBWÓD RC JAKO UKŁAD CAŁKUJĄCY (RC integrator).................................................. 80 4.6.7 CZŁON INERCYJNY I RZĘDU – RZĄD FILTRU (filter order) ............................................. 82 4.6.8 OBWÓD CR – FILTR GÓRNOPRZEPUSTOWY (high pass filter) ...................................... 84 4.6.9 OBWÓD RLC – FILTR PASMOWOPRZEPUSTOWY (band-pass filter) ............................. 85 4.6.10 DOBROĆ Q (quality factor) ......................................................................................... 87 3 4.6.11 CZĘSTOTLIWOŚCI CUTOFF .......................................................................................... 87 4.6.12 CHARAKTERYSTYKI FILTRU PASMOWOPRZEPUSTOWEGO........................................... 90 4.6.13 OBWÓD RLC – FILTR PASMOWOZAPOROWY (band-stop filter)................................... 93 4.6.14 WZÓR OGÓLNY II RZĘDU ............................................................................................ 94 4.6.15 FILTR PASMOWY NOTCH ............................................................................................ 94 4.7 5 PRZYKŁAD Z 4.3.1 CAŁKOWICIE NA PIECHOTĘ .................................................................... 95 WZMACNIACZE OPERACYJNE (operational amplifiers) ......................................................... 96 5.1 CECHY IDEALNEGO i RZECZYWISTEGO WZMACNIACZA ...................................................... 96 5.2 PRZYKŁADOWE ZASTOSOWANIA........................................................................................ 96 5.2.1 KOMPARATOR (comparator) ...................................................................................... 96 5.2.2 WZMACNIACZ ODWRACAJĄCY (inverting amplifier) ................................................... 97 5.2.3 WZMACNIACZ NIEODWRACAJĄCY (noninverting amplifier) ........................................ 97 5.2.4 WTÓRNIK NAPIĘCIOWY (voltage follower) ................................................................. 97 5.2.5 KONWERTER PRĄD-NAPIĘCIE (I – to – V converter)..................................................... 97 5.2.6 SUMATOR (summing amplifier).................................................................................. 97 5.2.7 WZMACNIACZ ODEJMUJĄCY (difference amplifier)..................................................... 97 5.2.8 WZMACNIACZ CAŁKUJĄCY (integrator) ...................................................................... 98 5.2.9 WZMACNIACZ RÓŻNICZKUJĄCY (differentiator).......................................................... 98 5.2.10 WZMACNIACZ POMIAROWY (instrumentation amplifier) ........................................... 98 5.3 FILTRY AKTYWNE ............................................................................................................. 101 5.3.1 DOLNOPRZEPUSTOWY (low-pass filter) .................................................................... 101 5.3.2 GÓRNOPRZEPUSTOWY (high-pass filter) .................................................................. 101 5.3.3 ARCHITEKTURA SALLEN-KEY (Sallen-Key topology) ................................................... 101 5.3.4 FILTR DOLNOPRZEPUSTOWY II RZĘDU SALLEN-KEY .................................................. 102 6 TRANSFORMATA Z ................................................................................................................ 103 7 TRANSFORMATA FOURIERA ................................................................................................ 104 7.1 CZYM JEST TRANSFORMATA FOURIERA?.......................................................................... 104 7.2 KWESTIA ROZDZIELCZOŚCI ............................................................................................... 105 7.3 PERIODOGRAM LOMB-SCARGLE’a ................................................................................... 105 4 1 WPROWADZENIE Od momentu kiedy zacząłem pisać pierwszą wersję opracowania z Przetwarzania Sygnałów Cyfrowych (ang. Digital Signal Processing) minęło ponad 2 lata, stąd chciałbym nieco inaczej podejść do pewnych tematów i nieco inaczej je sformułować, a także oprawić wszystko w trochę inną formę – bardziej oficjalną i czytelną. Być może przy okazji uda się wyłapać pewne pomyłki i je odpowiednio skorygować. W przypadku wersji opracowania numer 3 zaczniemy z trochę innej strony, bowiem nie od transformaty Fouriera, lecz Laplace, od razu przechodząc do zastosowań praktycznych. Być może jest to podejście niewłaściwe, ale cóż… może jednak warto spróbować, skoro prędzej czy później trzeba się będzie zmierzyć z obiema transformatami? Poza tym, wciąż spory nacisk staram się kłaść na zastosowanie wzorów, czego bardzo często brakuje w różnych książkach, bowiem najlepiej najpierw zrobić przykład i zobaczyć jak coś działa, a dopiero później wdawać się w matematyczne opisy i zawirowania. Na koniec chciałbym wspomnieć trochę o wstępie matematycznym, ponieważ jest on miejscami stosunkowo istotny. Bardzo ważnymi elementami są informacje dotyczące pochodnej i całkowania. Dlaczego? Ponieważ na tych dwóch składowych bazuje bardzo duża część przetwarzania sygnałów, więc warto przeczytać chociażby te dwa działy dla odświeżenia pewnych rzeczy. 2 MATEMATYKA, CZYLI TO CO WSZYSCY LUBIĄ NAJBARDZIEJ 2.1 KILKA RZECZY, O KTÓRYCH BĘDZIE MOWA 2.1.1 KRÓTKIE SŁOWO O GRANICY, a. k. a. LIMES (limit) Jeśli jesteś czytelniku zaznajomiony z problemem o jakim za chwilę będzie mowa, to polecam poniższy rozdział, bądź podrozdział „przeskoczyć”. Rzeczy tej jednak nie sposób ominąć, bowiem jest ona stosunkowo istotna. Od zarania dziejów uczono nas, że dzielić przez zero nie tyle nie wypada, co nie wolno. Załóżmy, że dostaliśmy zadanie, by narysować wykres funkcji w przedziale od do : 5 Początkowo na naszej twarzy pojawia się uśmiech. Problem zdaje się być błahy, więc bierzemy pierwszą lepszą kartkę w kratę do łapki, ołówek o twardości HB w drugą i smarujemy na papierze kolejne punkty przebiegu… No i tak oto doszliśmy do ściany… Bo przecież, przez zero dzielić nie wolno, a wykres narysować jakoś trzeba! Więc kombinujemy… Mamy punkty z lewej strony od zera i mamy punkty z prawej strony od zera. Cóż jednak począć? Może to co do tej pory już zrobiliśmy będzie wystarczyło na zaliczenie zadania…? Rys. 2.1.1.1 Nie do końca udana próba zaliczenia zadania z wyrysowaniem funkcji Wprawne oko zauważy jednak jedną ciekawą rzecz dotyczącą wykonanego rysunku. Otóż gdy zbliżamy się do zera na osi x, to funkcja zaczyna albo gwałtownie rosnąć (po prawej, dodatniej stronie zera) lub maleć (po lewej, ujemnej stronie zera). Ponieważ nie możemy dzielić przez zero musimy zastosować pewną sztuczkę, która pozwoli nam dowiedzieć się, 6 jaka jest wartość funkcji w zerze. Zajmijmy się teraz tylko i wyłącznie prawą stroną wykresu, czyli tylko wartościami dodatnimi. Spróbujmy policzyć jak zmienia się funkcja wraz z coraz bardziej malejącym , np. jeśli , to Z powyższych równań możemy wywnioskować, że im : jest bliżej zera, tym funkcja jest większa. Pozostaje jednak pytanie, do jakiej wartości rośnie ta funkcja? Do jakiej granicy? Okazuje się, że granicą tej funkcji jest nieskończoność, co możemy zapisać w następujący sposób: Co czytamy jako: limes (granica) funkcji , dla zmierzającego do zera po dodatniej stronie (po prawej stronie) to plus nieskończoność. Zakładamy wtedy, że liczba jaką podstawiamy za jest większa od zera o nieskończenie mały ułamek. Proszę zwrócić uwagę, że bardzo istotne jest określenie, po której stronie zera dokonujemy wyliczenia granicy, bowiem po lewej otrzymamy minus nieskończoność: Spróbujmy teraz policzyć co się dzieje, gdy zmierza do nieskończoności ( ): 7 Gdy wartości są ujemne, to również maleje do zera, stąd możemy napisać: Ten wstęp pozwoli nam rozwiązać stosunkowo prosty problem. Teraz mały przykład: Czyli granica funkcji 2.1.2 w nieskończoności to 7. SCHEMAT HORNERA (Horner’s method) Teraz przejdziemy do schematu Hornera. Jest to coś, co niektórzy mogą pamiętać jeszcze z gimnazjum, co pozwala nam szybko wyliczyć pierwiastki (miejsca zerowe) równań wysokiego rzędu. W teorii wygląda to tak, że posiadamy wielomian n-tego stopnia: Chcąc rozłożyć powyższy wzór na jego pierwiastki można użyć poniższej tabelki: 8 Gdzie współczynnik dobieramy w taki sposób, by . Jak wygląda użycie takiej tabelki w praktyce? Docelowo chcemy rozłożyć na pierwiastki wielomian z wzoru 2.1.2.2: Zakładamy, że współczynnik jest równy 1. Jeśli reszta wyjdzie zero, to znaczy, że trafiliśmy właściwie: Czyli pierwszym pierwiastkiem wielomianu to ( ): W tym momencie moglibyśmy skorzystać ze standardowego rozwiązania równania , aczkolwiek spróbujemy ponownie zastosować schemat kwadratowego dla Hornera. Ponieważ dwumian posiada tylko i wyłącznie plusy, stąd współczynnik ujemny (skoro , więc ): 9 musi być Okazuje się, że wybór był błędny. Dobrze jest wybierać wartości, które są dzielnikami ostatniego elementu równania, tj. dla może to być przykładowo : Czyli nasze równanie po rozłożeniu na pierwiastki wygląda następująco: 2.1.3 TWIERDZENIE O TRZECH CIĄGACH (squeeze theorem) Czasem w przypadku wyprowadzeń pojawia się kwestia granicy funkcji sinc, czyli może część osób pamięta, że . Być , jednakże najczęstsze wyprowadzenie tej zależności pochodzi z reguły de l’Hospitala (czyt. delopitala): Jednakże chcąc wyprowadzić pochodną funkcji sinus, nie powinniśmy korzystać z wyprowadzenia stosującego pochodną funkcji sinus (nawet brzmi to niezbyt ładnie). Stąd musimy zastosować nieco inne podejście. Zasada, której użyjemy nazywa się twierdzeniem o trzech ciągach (ang. squeeze theorem lub sandwich rule). Na początek rysujemy okrąg jednostkowy (unit circle), a w nim trójkąt prostokątny (rysunek 2.1.3.1). Proszę zwrócić uwagę, iż nasz okrąg jest okręgiem jednostkowym, co oznacza, iż dowolny promień zawsze jest równy . Stąd otrzymujemy, iż sinus kąta , będzie równy : 10 Rys. 2.1.3.1 Okrąg z wrysowanym trójkątem prostokątnym Narysujmy teraz przedłużenie promienia oraz drugi trójkąt: Rys. 2.1.3.2 Okrąg jednostkowy Powstaje pytanie – jakiej długości jest nowy bok ? Jeśli zapiszemy tangens kąta ponownie, dzięki temu, iż okrąg jest jednostkowy, otrzymamy: Czyli otrzymujemy rezultat jak na rysunku 2.1.3.3. 11 , to Rys. 2.1.3.3 Okrąg jednostkowy Spróbujmy teraz policzyć pola poszczególnych trójkątów znajdujących się na rysunku 2.1.3.4. A B C Rys. 2.1.3.4 Okrąg jednostkowy z zaznaczonymi polami poszczególnych elementów Pole trójkąta A to iloczyn połowy wysokości ( ) i podstawy ( ): W przypadku pola wycinka B sprawa się trochę komplikuje. Pole całego koła to natomiast nasz kawałek stanowi całości. Ponieważ 180 stopni to , więc pole wycinka to: 12 , Na koniec pozostał jeszcze ostatni trójkąt, C: Bardzo łatwo można zauważyć, iż pola kolejnych obszarów są coraz większe, co możemy zapisać jako: Oczywiście, powyższe twierdzenie jest prawdziwe tylko do momentu, gdy znajdujemy się w pierwszej ćwiartce okręgu jednostkowego (no i poniekąd też dla czwartej ćwiartki), czyli dla przedziału . Następny krok to podzielenie całego wyrażenia przez : Przekręcając wszystkie wartości otrzymujemy: Gdy zmierza do zera , to funkcja cosinus jest zmierza do jedynki . Korzystając w tym momencie z twierdzenia o trzech ciągach – jeśli mając trzy ciągi liczb rzeczywistych: 13 To granica drugiego ciągu również musi zmierzać do tej samej wartości: Stąd otrzymujemy, iż . Na marginesie warto jeszcze wspomnieć, że dla bardzo małych wartości można z dużym powodzeniem przybliżyć, że granicy dla 2.1.4 dla , a stąd już niedaleka droga do wywnioskowania . O SILNI SŁÓW KILKA (factorial) Swego czasu pojawił się genialny odcinek Numberphile wyjaśniający dlaczego: Jest to dość istotny kłopot, który został wyjaśniony na kilka sposobów. Na początek musimy sobie jednak odpowiedzieć czym jest silnia (ang. factorial)? Otóż w najprostszej postaci, silnię liczby całkowitej możemy zapisać jako: Możemy tu na chwilę pobawić się w matematyczne definicje czyli, że funkcja silni to taka funkcja, która rzutuje wartości zbioru liczb naturalnych zbioru liczb naturalnych rzutuje na wartości , co możemy zapisać jako: Pierwszy sposób wyjaśnienia problemu silni to uzupełnienie ciągu („to complete the pattern”). Otóż wypiszmy sobie ciąg kolejnych silni od liczby 5 w dół: 14 I w tym miejscu widzimy, że by ciąg był zachowany, to 0 silnią ? Spróbujmy: . Ktoś zapyta, a co z Jak widać, otrzymujemy dzielenie przez zero, a tego się nie robi! Kolejna metoda spojrzenia na ten problem polega na zastosowaniu praktycznym silni. Mianowicie to liczba możliwości na jakie możemy ułożyć number of ways you can arrange n objects”). I tak obiektów („n factorial is the obiekty możemy ułożyć na sposobów: Rys. 2.1.4.1 Sześć różnych sposobów ułożenia trzech obiektów Dla dwóch obiektów mamy już tylko dwa różne rozwiązania: Rys. 2.1.4.2 Dwa różne sposoby ułożenia dwóch obiektów Teraz wiemy, że jeden obiekt da się ułożyć na tylko jeden sposób: 15 Rys. 2.1.4.3 Jeden sposób ułożenia jednego obiektu Powstaje tu jednak pytanie, na ile sposobów da się ułożyć zero obiektów? Jeśli podejdziemy do rozwiązania z odpowiedniej strony, to okaże się, że zero obiektów da się ułożyć na tylko i wyłącznie jeden sposób – zero obiektów może przyjąć tylko jeden stan, czyli tak jakby stan pusty. Trzeci sposób wyjaśnienia problemu silni z zera to wykres tej zależności, który po połączeniu kropek jest zbieżny w zerze. 25 25 20 20 15 15 10 10 5 5 1 2 3 4 1 2 3 4 Rys. 2.1.4.4 Interpolacja wykresu funkcji silni Oczywiście w tym miejscu nasuwa się pytanie, czy skoro połączyliśmy kropkami wykres silni, to czy istnieje silnia z wartości np. ? Odpowiedź na to pytanie znajduje się nieco dalej, mianowicie przy omówieniu tematu funkcji gamma. 2.1.5 SYMBOL NEWTONA (binominal coefficient) O wzorach skróconego mnożenia było już na pewno sporo czasu temu na matematyce. Wtedy to powiedziano nam, że: 16 Nie jest to zbyt trudne do ogarnięcia, lecz problem pojawia się w przypadku wyższych potęg. Wtedy to zastosować możemy trójkąt Pascala: Żeby nie było, powyższa zależność została zauważona już w starożytności, zaś zasługą Pascala było to, że dokonał jej formalizacji oraz przedstawił nowe jej zastosowania w swoim Traité du triangle arithmétique z roku 1653. W ogólności wzór na n’tą potęgę przedstawia się w sposób następujący: gdzie . Powyższy wzór nazywany jest dwumianem Newtona (binominal theorem). Teraz jednak pozostaje wyjaśnić czym jest . Otóż jest to symbol Newtona, zwany również współczynnikiem dwumiennym, który obliczamy według wzoru: Przypominam w tym miejscu, że silnia z zera jest równa jeden ( ). Dzięki równaniu 2.1.5.3 dwumian Newtona możemy zapisać w postaci skróconej z zastosowaniem sumy: 17 Z ważniejszych własności symbolu Newtona warto pamiętać, że: 2.1.6 WZÓR FAULHABERA i LICZBY BERNOULLEGO (Faulhaber’s formula and Bernoullie number) Z tego co zauważyłem, to obydwie formy są dopuszczalne – zarówno Bernoulliego jak i Bernoullego, choć i tak istnieje wersja poprawna i poprawniejsza, której będziemy się tu trzymać… ale nie o tym teraz! Od zawsze sporym problemem było rozwiązanie sumy ciągu arytmetycznego, zawierającego wyrazów podniesionych do potęgi . Zagadnienie to próbowano rozwiązać już od czasów starożytności (np. Pitagoras, Alhazen), aczkolwiek dopiero na przełomie szesnastego i siedemnastego wieku dokonano przełomu, który doprowadził do odkrycia ogólnego wzoru na sumy takich ciągów. W swojej pracy Academia Algebrae, niemiecki matematyk Johann Faulhaber udostępnił rozwiązania sum aż do potęgi 17 stopnia. Warto jednak wspomnieć, że udostępnił to wiele powiedziane, bowiem wedle tradycji tamtego czasu, wzory były zaszyfrowane. Nie przedstawił on jednak wzoru ogólnego, stąd zagadnienie wymagało dalszej pracy. W tym momencie pojawia się Jakob Bernoulli ze słynnej rodziny szwajcarskich matematyków, który to odkrył istnienie serii stałych pozwalających na rozwiązanie problemu. Nazwisko Bernoulli może być wielu osobom znane ze względu na równanie Bernoullego (Bernoullie’s principle) będące jednym z podstawowych praw hydrodynamiki płynów idealnych. Jego autorem był Daniel Bernoulli, syn Johanna Bernoullego i bratanek Jakoba. Wracając jednak do tematu, zupełnie niezależnie od Jakoba Bernoullego, istnienie tych liczb 18 odkrył japoński matematyk Seki Takakazu (Kōwa), zaś w obu przypadkach prace na ich temat zostały wydane pośmiertnie (Bernoulli – praca Ars Conjectandi z 1713 roku i Takakazu – praca Katsuyo Kampo z 1712 roku). W roku 1993 Donald Ervin Knuth (zwany również królem programistów, genialny matematyk, znany ze swojej książki The Art of Programming, systemu TeX oraz świetnego poczucia humoru) stwierdził, że mimo, iż Bernoulli podał ogólny wzór na rozwiązanie problemu, to jednak metody wyliczania poszczególnych sum zaprezentowane przez Faulhabera okazały się być bardziej pomysłowe i szybsze patrząc z perspektywy zastosowania komputerowego. Zresztą sam Bernoulli w Ars Conjectandi odwoływał się do Faulhabera. Problem z liczbami Bernoullego jest taki, że wzór na ich wyliczanie nie jest zbyt przyjemny, stąd, w tym miejscu najpierw podam zastosowanie kilku pierwszych liczb, a później postaramy się rozwałkować temat. Jak już wcześniej zaznaczyłem, potrzebujemy rozwiązania dla sumy ciągu arytmetycznego, który zawiera elementów podniesionych do potęgi . Wzór ogólny, który pozwala to wyliczyć to: Zakładając, że interesują nas pierwsze 3 potęgi, czyli , i , potrzebujemy 3 pierwsze liczby Bernoullego (czwarta w bonusie): Przypominam w tym miejscu, że to symbol Newtona. Tak więc jedziemy! Suma szeregu z pierwszą potęgą: 19 Suma szeregu z drugą potęgą: Suma szeregu z trzecią potęgą to: Pisząc o liczbach Bernoullego trzeba wspomnieć, że istnieje również druga konwencja, która zakłada, że zamiast , stąd wzór 2.1.5.2 może przyjąć postać wzoru 2.1.6.10. Konwencja ta nosi nazwę drugich liczb Bernoullego (second Bernoullie numbers). 20 A teraz wyliczanie liczb Bernoullego! Okazuje się, że istnieje pewne przeświadczenie, iż nie istnieją wzory pozwalające ogólnie sformułować problem wyliczania kolejnych liczb Bernoullego, jednakże dwie definicje, które tutaj przedstawię zdają się nie potwierdzać tej przesłanki. Można zastosować dwa podejścia – rekursywne (czyli obecnie wyliczana wartość zależy od wartości poprzednich) lub wprost. Definicja rekursywna przedstawiona jest we wzorze 2.1.6.11 wraz z przykładem wyliczenia kolejnych trzech liczb: , więc Gdzie to (polecam korzystać z trójkąta Pascala przy wyliczaniu symbolu Newtona): I dalej – I na koniec : : 21 Ważną informacją jest to, że wszystkie współczynniki od numeru trzeciego, dla nieparzystych liczb są równe zero. Czas teraz na definicję liczb Bernoullego „wprost”: I tak oto pierwszy ciąg liczb Bernoullego wyliczamy podstawiając I trzy pierwsze liczby ciągu (przypominam, że , ale : ): Teraz kolejna liczba: 22 Jak już może ktoś zauważył, wyliczenie liczb Bernoullego metodą wprost nie jest zbyt przyjemne i wymaga rozbicie obecnych we wzorze 2.1.6.17 sum na mniejsze sumy dla zmieniającego się od do , co teraz uczynimy w przypadku : „Małe” sumy: I pełna suma sum (summa summarum): Dla głodnych wiedzy polecam jeszcze: http://www.awans.net/strony/matematyka/leska/leska1.pdf http://www.matematyka.pl/260189.htm http://www.serc.iisc.ernet.in/~amohanty/SE288/bn.pdf 2.2 POCHODNA (derivative) 2.2.1 WSTĘP Pochodna jest narzędziem, które pozwala nam na zbadanie dynamiki zmian funkcji, czyli jak gwałtownie się coś zmienia. Weźmy pod lupę bardzo prosty przypadek – ruszający samochód. Zaczyna on rozpędzać się stopniowo, stąd mówimy, że przyspiesza. Jego prędkość wzrasta od zera aż do (przykładowo) 100 kilometrów na godzinę (tzw. przyspieszenie „do 23 setki”). Niech naszym modelem zostanie samochód Chevrolet Spark z silnikiem 0.8 litra z automatyczną skrzynią biegów. Od ruszenia z miejsca samochód ten potrzebuje aż 22 sekundy by osiągnąć prędkość 100 km/h. Warto tutaj przeliczyć prędkość na metry na sekundę, czyli: Spróbujmy teraz narysować wykres zmiany prędkości samochodu w czasie (rysunek 2.2.1.1): Rys. 2.2.1.1 Zmiana prędkości samochodu Chevrolet Spark w czasie 22 sekund Jakie wnioski płyną z tego wykresu? Przede wszystkim to, że prędkość rosła liniowo, czyli według wzoru: Gdzie to prędkość, a to czas. Oczywiście lepiej by było zapisać ten wzór jako , ale zastosowanie zapisu z równania 2.2.1.2 pozwala zachować większą ogólność. Kontynuując jednak, pozostaje pytanie, jakie są wartości współczynników początku, w chwili czasowej i ? Na samym , prędkość również jest równa zero, więc zerem: 24 będzie także Natomiast współczynnik nachylenia prostej (slope) wyliczamy podstawiając, iż po 22 sekundach prędkość wynosiła 100 km/h (27.78 m/s): Czyli otrzymaliśmy funkcję . Pozostaje jednak pytanie, jak dynamicznie zmienia się prędkość w czasie, czyli np. o ile wzrasta prędkość Policzmy prędkość dla chwili czasowej równej i gdy minie 5 sekund ( ( )? ): Dzięki temu jesteśmy w stanie stwierdzić, że jeśli minie 5 sekund czasu, to prędkość zmieni się o: Czy to dużo? W sumie, to nie wiadomo. W tym celu podajemy zamiast wyniku względnego, bezwzględny, wyliczając nie tyle same zmiany, co ich stosunek, czyli: Proszę zwrócić uwagę, że wynik pokrywa się ze współczynnikiem nachylenia prostej, co nie powinno być zaskoczeniem. Nie bez powodu stała nazywana jest po angielsku również gradient, czyli niejako dynamika zmian (z łaciny gradus, czyli „krok, stopień”). Jak fizycznie interpretować wynik z wzoru 2.2.1.6? Proszę zwrócić uwagę, że żeby prędkość cały czas liniowo wzrastała, to auto musi cały czas przyspieszać, co oznacza, że wartość jest tak naprawdę przyspieszeniem samochodu: 25 Pozostaje jednak jeszcze kwestia, dlaczego w powyższych obliczeniach tak istotny jest fakt, że podajemy wartość w formie zamiast samej zmiany prędkości w odcinku czasu . Powód powinien zilustrować problem podnoszenia ciężarów. Załóżmy, że porównujemy mrówkę i człowieka. Przeciętna mrówka potrafi podnieść ciężar około 15 miligramów. Przeciętny człowiek natomiast nie ma problemu podnieść ładunek 10 kilogramów. Na pierwszy rzut oka, człowiek zdaje się być dużo silniejszy, jednakże jeśli porównamy masę obojga, to mrówka potrafi bez większych problemów podnieść obiekt 5 razy cięższy od niej samej, a człowiek tylko około 0,7. Wyrażenie wartości w taki sposób pozwala lepiej ocenić dynamikę zmian badanego sygnału lub funkcji – na przykład, zmiana napięcia o 0.1 wolta w sygnale o amplitudzie 20 wolt, to bardzo mały skok, natomiast dla sygnału o amplitudzie 1 wolt, to zmiana aż o 10%. Warto wspomnieć przy okazji przyspieszenia, że idąc do wesołego miasteczka nie płacimy za szybkość, lecz przyspieszenie, bowiem człowiek tak naprawdę nie odczuwa prędkości. Trudno uwierzyć? Weźmy pod uwagę ruch obrotowy Ziemi. Stojący na równiku człowiek przemieszcza się z prędkością około 1670 km na godzinę, a jednak wydaje mu się jakby w ogóle się nie przemieszczał! 2.2.2 PARABOLA i POCHODNA Możemy sobie wyobrazić trochę inny rodzaj ruchu – jeśli podrzucamy piłkę w górę, to nadajemy jej jakąś prędkość, która pod wpływem pola grawitacyjnego maleje. Następnie piłka zatrzymuje się w powietrzu na chwilę, by ponownie ruszyć w kierunku Ziemi, tym razem przyspieszana przez grawitację. Rysując ten ruch na wykresie otrzymalibyśmy parabolę, czyli wykres funkcji kwadratowej (rys. 2.1.4.1). Zmiana prędkości piłki na wykresie opisana jest wzorem: Spróbujmy wyliczyć przyspieszenie korzystając z wzoru 2.2.1.8, czyli 26 Jeśli podstawimy teraz wzór 2.2.2.1 do 2.2.2.2 to otrzymamy: piłka leci w górę zwalniając piłka leci w dół przyspieszając Rys. 2.2.2.1 Zmiana prędkości piłki podczas rzutu w górę (do 3 sekundy piłka leci w górę, w 3 sekundzie zatrzymuje się, a następnie spada powrotem w dół) W równaniu 2.2.2.5 otrzymaliśmy dość dziwny wzór z deltą czasu. Co z tym zrobić? Definicja pochodnej to granica funkcji w punkcie, czyli sytuacja, w której zmierza do zera: 27 Ktoś teraz zapyta, co my właściwie policzyliśmy? Otóż policzyliśmy pochodną prędkości po czasie, czyli przyspieszenie. Ogólna zasada liczenia pochodnej to: Dzięki czemu pochodna naszej prędkości wygląda tak jak wygląda (pochodną oznaczamy apostrofem ). Ponieważ operacja liczenia pochodnej jest operacją liniową, stąd wzór na przyspieszenie możemy rozbić na trzy mniejsze elementy: W tym miejscu trzeba zaznaczyć, iż pochodna stałej jest równa zeru stałą z wyrażenia Przypominam również, że 2.2.3 . Dodatkowo, można wyciągnąć przed pochodną, czyli . : UŻYTECZNOŚĆ POCHODNEJ i GRAFICZNA INTERPRETACJA Podstawowym zastosowaniem pochodnej jest pomiar dynamiki zmian interesującego nas procesu. Jest to rzecz, która nieraz się przydaje, by z badanego sygnału „wyciągnąć” dodatkowe informacje. Jednocześnie, pochodna jest podstawowym narzędziem w procesie badania funkcji, czym poniekąd się teraz zajmiemy. Na początek powinniśmy sobie zdefiniować czym są ekstrema funkcji (function extrema). Otóż wyróżniamy maksima i minima (maxima and minima), których nie należy mylić z wartością maksymalną i minimalną. Dlaczego? Ponieważ mówiąc o ekstremach zwykle chodzi nam o tzw. ekstrema lokalne (local extrema), które na wykresie wyglądają jak górka (maksimum lokalne) lub dołek (minimum lokalne). Zajmiemy się teraz dość dziwną i pokręconą funkcją, która opisana jest wzorem 2.2.3.1, a jej wygląd z oznaczonymi ekstremami znajduje się na rysunku 2.2.3.1. 28 maksimum lokalne minimum lokalne minimum lokalne Rys. 2.2.3.1 Wykres funkcji z wzoru 2.2.3.1 z oznaczonymi ekstremami Badając przebieg funkcji, istotną dla nas informacją jest położenie ekstremów. Jak takie dane wydobyć z ogólnego wzoru? Okazuje się, że gdy policzymy pochodną funkcji, a później policzymy jej pierwiastki, to otrzymamy punkty odpowiadające położeniu ekstremów. Teraz musimy policzyć pierwiastki równania z 2.2.3.2. W tym celu można użyć schematu Hornera. Niestety w tym przypadku nie jest to najlepszy pomysł. Lepiej użyć Wolfram Alfa, który zrobi to za nas (http://www.wolframalpha.com/input/?i=x^3%2B2.1x^2-34.8x-3.5), ale jeśli ktoś bardzo chce, to poniżej pełne rozwiązanie w tabelce: 29 Rys. 2.2.3.2 Wykres funkcji z wzoru 2.2.3.1 oraz jej pochodnej Najważniejszym wnioskiem płynącym z rysunku 2.2.3.2 jest to, że tam, gdzie wykres pochodnej przechodzi przez oś x, tam występują ekstrema funkcji pierwotnej. Skąd wiadomo, czy jest to maksimum, czy minimum? Otóż jeśli pochodna zmienia znak z ujemnego na dodatni, to otrzymujemy lokalne minimum funkcji pierwotnej. Analogicznie, gdy pochodna zmienia znak z dodatniego na ujemny, to funkcja pierwotna w tym miejscu ma lokalne maksimum. Dla minimum jest to zależność, którą można porównać do omawianego wcześniej rzutu piłką w górę i działania grawitacji – najpierw działa ujemne przyspieszenie hamujące, a następnie dodatnie przyspieszenie rozpędzające (pochodna zmienia znak z ujemnego na dodatni). Jeśli ktoś jeszcze ma problem z interpretacją faktu, że ekstremum funkcji pierwotnej pojawia się gdy pochodna jest równa zero, to być może pomocny się okaże rysunek 2.2.3.3, gdzie skorzystamy z wzoru 30 Rys. 2.2.3.2 Wykres funkcji z wzoru 2.2.3.1 oraz jej pochodnej Warto tu wspomnieć, że oficjalnie graficzną interpretacją pochodnej jest prosta, styczna do wykresu w punkcie dla którego liczymy granicę. Czy coś w ten deseń… 2.2.4 RÓWNANIE KWADRATOWE (quadratic equation) Skoro już mówimy o użyteczności pochodnej, to chyba wypadałoby wspomnieć o tym, skąd wzięła się słynna delta z równania kwadratowego. Wiemy o tym, że przyrównanie do zera pochodnej równania pozwala nam znaleźć jej ekstremum. Spróbujmy więc policzyć pochodną wielomianu drugiego stopnia: Wiemy, że parabola posiada ekstremum tam, gdzie . Pozostaje jednak wyliczyć drugą współrzędną. W tym celu podstawiamy wyliczone do naszego równania kwadratowego: 31 Delta równania kwadratowego nazywana jest również wyróżnikiem (discriminant). Symbol pochodzi od dużej litery D z języka greckiego, bowiem nawiązywała ona do słowa Διακρίνουσα, czyli Diakrínousa (wyróżnik). Jest to bardzo ważny element dwumianu, bowiem mówi nam o ilości rzeczywistych pierwiastków równania (miejsc zerowych). Spróbujmy rozrysować trzy przykładowe przypadki delty (rysunek 2.2.4.1). Dość oczywistym wydaje się być fakt, że w momencie, gdy delta jest równa zero, to mamy tylko jedno miejsce zerowe, bowiem już same współrzędne punktu szczytowego wskazują nam na brak innego przecięcia z osią x (dla dostajemy co jest punktem położenia jedynego ekstremum paraboli). Rys. 2.2.4.1 Przykładowe 3 parabole – dla niebieskiej delta jest dodatnia, dla czerwonej równa zero, natomiast dla zielonej jest ujemna – we wszystkich 3 przypadkach współrzędne szczytu „górki” to Pytanie to można rozwiązać przez przekształcenie równania kwadratowego: 32 Wiadomo, że pierwiastek dla liczb ujemnych nie istnieje, stąd gdy jest mniejsze od zera, to równanie nie posiada pierwiastków rzeczywistych (ale może posiadać zespolone). 2.2.5 NOTACJE i PODSTAWOWE WYPROWADZENIA Po pierwsze sprawa wydająca się być stosunkowo błahą – oznaczenia pochodnych. Warto je znać, bowiem bardzo często pojawiają się różne oznaczenia, w zależności od aktualnego zapotrzebowania. Ponieważ nad rachunkiem różniczkowym pracowało wielu matematyków, stąd wyróżniamy (w przykładzie będzie funkcja , której pochodną liczymy po ): Notacja Leibnitza Lagrange pochodna Newtona cząstkowa Proszę pamiętać, iż pochodna cząstkowa NIE JEST typem notacji! Notacja Newtona najczęściej jest stosowana w mechanice, a kropeczka nad nazywana jest czasem bombą. Warto zwrócić uwagę, że w notacji Lagrange pojawia się mała litera . Jest to zabieg celowy, który ma odróżnić wielką różnicę (czyli deltę ) od nieskończenie małej różniczki (gdy delta zmierza do zera, to staje się malutką ). Żeby było mniej-więcej jasne, wzór na przyspieszenie, czyli pochodną prędkości po czasie można zapisać jako: 33 Teraz przechodzimy do wyprowadzeń podstawowych pochodnych. Dalsza część tego działu opracowana jest w oparciu o serwis Matematyka.pl. www.matematyka.pl/23319.htm POCHODNA STAŁEJ POCHODNA SUMY POCHODNA ILOCZYNU (gdzie a to wartość stała, np. 8): : : 34 Ponieważ , więc POCHODNA SIN : : Korzystając z tożsamości trygonometrycznej – otrzymujemy: Korzystamy teraz z reguły de l’Hospitala mówiącej, iż (oczywiście należy tu zaznaczyć, iż jest to nieco niestosowne by korzystać z twierdzenia z pochodną sinusa w wyprowadzeniu pochodnej tej samej funkcji – bardziej właściwe uzasadnienie znajduje się w dziale mówiącym o twierdzeniu o trzech ciągach): 35 2.3 SZEREG TAYLORA i MACLAURINA (Taylor and Maclaurin series) 2.3.1 SZEREG TAYLORA, A PIERWIASTEK Na początek sformułujmy pewien problem do rozwiązania. Chcemy policzyć pierwiastek liczby 5. Nie jest to rzecz prosta, bowiem w wyniku otrzymamy liczbę niewymierną, więc musimy się zadowolić jakimś przybliżeniem. W tym miejscu bardzo przydatny jest szereg Taylora, który zdefiniowany jest następującym wzorem: W definicji szeregu z 2.3.1.1, funkcja jest naszym przybliżeniem, natomiast jest punktem, w okolicy którego dokonujemy przybliżenia. Skoro chcemy obliczyć pierwiastek z pięciu, więc funkcja jaką będziemy przybliżać to użyjemy punktu . Do rozwinięcia w szereg , ponieważ wyliczenie jego pierwiastka nie stwarza problemów: Teraz musimy się zdecydować, z jak dużym przybliżeniem będziemy wyliczać nasz pierwiastek. Ustalmy, że policzymy pierwsze 3 pochodne, tak więc: Mamy już rozpisane poszczególne pochodne, więc teraz spróbujmy zastosować je we wzorze 2.3.1.1 – proszę jednak zwrócić uwagę, iż nie używamy znaku równości ze względu na zastosowanie szeregu tylko 3 pierwszych pochodnych, przez co otrzymujemy jedynie przybliżenie wartości: 36 Jeśli teraz będziemy chcieli wyliczyć pierwiastek z 5, to do wzoru 2.3.1.6 zamiast podstawić właśnie tą wartość. Dzięki temu, że przyjęliśmy punkt musimy równy 4, nie tylko pozbyliśmy się uciążliwych pierwiastków dających w rezultacie liczby niewymierne, ale również w każdym z otrzymamy w wyniku jedynkę. Proszę zwrócić uwagę, jak wyglądają kolejne przybliżenia, jeśli będziemy kolejno dodawać do siebie poszczególne składowe równania ( ): Jak widać, błąd przybliżenia jest bardzo mały już w przypadku zastosowania tylko 3 pochodnej w szeregu (około 0.0003). 2.3.2 SZEREG MACLAURINA Jeśli przyjmiemy współczynnik , to otrzymamy w wyniku szereg Maclaurina. Zapisując wzór 2.3.1.1 przy pomocy znaku sumy, czyli sigmy, to otrzymamy: Podstawiając do wzoru z sumą uzyskamy: 37 Proszę w tym miejscu zauważyć, iż nie istnieje możliwość rozłożenia funkcji w szereg Maclaurina, ponieważ w pochodnej doszłoby do dzielenia przez zero: Możemy jednak w szereg rozwinąć funkcję minimalnie inną, mianowicie : Wyliczmy więc kolejne 4 pochodne: Wstawiając wyniki z 2.3.2.5 do wzoru 2.3.2.4 otrzymujemy: Jeśli teraz podstawimy , to otrzymamy wynik dla równania , czyli: 38 Niestety, jak widać, wzór ten daje satysfakcjonujące rezultaty tylko i wyłącznie dla wartości z przedziału od –1 do 1 ( Czyli w przypadku pierwszym 2.3.3 ), np. i . SZEREG MACLAURINA – SIN, COS i EKSPONENTA Bardzo istotnymi funkcjami rozwiniętymi w szereg Maclaurina są dwie funkcje trygonometryczne sinus i cosinus. Zaczniemy najpierw od pięciu pierwszych pochodnych sinusa: Stąd otrzymujemy, że funkcja sinus rozwinięta w szereg Maclaurina wygląda następująco: 39 W przypadku funkcji cosinus otrzymamy podobny wynik, lecz nieco „przesunięty w fazie”. Jeśli popatrzymy na pierwszą pochodną funkcji sinus, to od razu widzimy podobieństwo obu szeregów: Korzystając z wyliczonych wartości z 2.3.3.3 rozwijamy w szereg funkcję cosinus: W tym miejscu wyprowadzimy rzecz, która jest niezwykle istotna i na której zakończymy rozważania na temat szeregu Taylora. Spróbujmy rozłożyć funkcję w szereg Maclaurina, wyliczając pierwsze dwie pochodne: Jak widać w 2.3.3.5, za każdym razem w wyniku otrzymujemy jedynkę, bez względu na rząd pochodnej, więc rozwijając funkcję w szereg dostaniemy: 40 2.4 CAŁKA (integral) 2.4.1 WPROWADZENIE Podstawowe pytanie, które w tej chwili zadamy jest stosunkowo trywialne – ile wynosi pole trójkąta narysowanego na rysunku 2.4.1.1, którego bok , a wysokość ? Odpowiedź jest prosta, bowiem jest to połowa pola prostokąta o wymiarach 4 na 8, czyli . Rys. 2.4.1.1 Trójkąt o wymiarach i oraz polu Spróbujmy teraz popatrzeć na to zagadnienie z nieco innej perspektywy. Potraktujmy nasz trójkąt jako pole znajdujące się pod prostą . 41 Rys. 2.4.1.2 Trójkąt przedstawiony w układzie współrzędnych Widać, że prosta opisana jest wzorem , bowiem dla otrzymujemy . Powstaje teraz pytanie, w jaki sposób policzyć pole pod linią funkcji w taki sposób, by dało się tą metodę zastosować w dowolnym przypadku? A gdyby tak przybliżyć pole trójkąta za pomocą kilku prostokątów o równej szerokości? Ponieważ długość podstawy trójkąta to 8, więc podzielmy pole na 4 prostokąty tak jak na rysunku 2.4.1.3? Rys. 2.4.1.3 Przybliżenie pola trójkąta przy pomocy 4 prostokątów liczonych „od prawej” strony Przybliżenie to daje nam sumę 4 pól prostokątów: , , i . Już na oko widać, że metoda ta jest niedoskonała i otrzymamy nadmiarowe pole. Oznaczając szerokość prostokąta jako mamy ( ): 42 Dlaczego w powyższym wzorze napisane jest pod wykresem . Chodzi tu o to, że rzeczywiste pole jest w przybliżeniu równe polu prostokątów liczonych „od prawej”. Oznacza to, że wysokość prostokątów jest wyliczana na podstawie prawej strony jego szerokości. Równie dobrze, moglibyśmy wyliczać pola prostokątów stosując metodę „od lewej”, czyli tak jak na rysunku 2.4.1.4: Rys. 2.4.1.4 Przybliżenie pola trójkąta przy pomocy 4 prostokątów liczonych „od lewej” strony Ponieważ pierwszy prostokąt ma zerową wysokość, stąd nie został on oznaczony na rysunku. Policzmy teraz sumę „lewych” prostokątów: Otrzymaliśmy teraz za małe pole. Proszę jednak zobaczyć, co się stanie, jeśli uśrednimy pola prawe i lewe: 43 Podobny efekt otrzymamy używając wartości środkowych, jednak jest to trochę bardziej kłopotliwe (rysunek 2.4.1.5 oraz wzór 2.4.1.4). Rys. 2.4.1.5 Przybliżenie pola trójkąta przy pomocy 4 prostokątów liczonych „od środka” Otrzymaliśmy satysfakcjonujące wyniki, aczkolwiek przy bardziej złożonych funkcjach problem się komplikuje. Zawsze można zastosować inne przybliżenie, np. pola trapezów, tak jak na rysunku 2.4.1.6 – warto pamiętać o tego typu rozwiązaniach, bowiem czasem trzeba policzyć całkę pod wykresem, którego przepisu funkcji nie znamy. Rys. 2.4.1.4 Przybliżenie pola trójkąta przy pomocy pól trapezów 44 2.4.2 SUMY RIEMANNA (Riemann sum) Dobra. Mamy już jakąś koncepcję i pomysł na wyliczanie tego pola pod wykresem. Teraz powstaje pytanie, w jaki sposób poprawić dokładność naszych wyliczeń? Pierwszy pomysł, który nasuwa się do głowy od razu, to zwiększyć ilość prostokątów, które będą użyte w przybliżeniu pola. Rys. 2.4.2.1 Przybliżenie pola pod wykresem przy pomocy 8 prostokątów liczonych „od prawej” strony Na rysunku 2.4.2.1 zmniejszono szerokość prostokąta z 2 do 1 jednostki i dzięki temu pod wykresem zmieściło się ich dwa razy więcej. Czy zyskaliśmy coś na tym? Przeliczmy sumę pól (wzór 2.4.2.1). Skoro wcześniej otrzymaliśmy wynik 20, a teraz mamy 18, czyli zwiększając ilość prostokątów dwukrotnie, błąd zmniejszył się o połowę z czterech jednostek pola do dwóch. Spróbujmy teraz stworzyć jakiś ogólny wzór na nasze wypociny. Szerokość prostokąta można oznaczyć jako , ponieważ jest to długość skoku, o który przemieszczamy się po osi x (w przypadku z rysunku 2.4.2.1 będzie to do 8, czyli ). Ilość prostokątów, które sumujemy to (dla nas ). Potrzebujemy jeszcze iterator , który będzie się zmieniał w przedziale od 1 . Na koniec musimy jakoś zdefiniować wysokość każdego z prostokątów. Definicja ta będzie inna dla „lewych”, „prawych” i „środkowych” sum. My, korzystając z rysunku 2.4.2.1, zdefiniujemy najpierw „prawe” sumy. Dla pierwszego 45 prostokąta ( ( ) wysokość była równa ) była równa , natomiast dla drugiego . W naszej definicji musimy skorzystać zarówno z iteratora , jak i szerokości , stąd wysokość dowolnego z prostokątów wyrażona będzie jako: Mamy już zdefiniowane wszystkie elementy składowe, więc możemy przystąpić do stworzenia wzoru ogólnego na przybliżone pole Podstawiając, że trójkąta: otrzymujemy: Spróbujmy teraz jeszcze bardziej zwiększyć ilość prostokątów, z ośmiu do szesnastu (dla , ). Przypominam w tym miejscu, że żeby policzyć sumę można skorzystać z wzoru Faulhabera 2.1.4.5 (lub jeśli ktoś lubi takie rozrywki, to można liczyć na piechotę 1+2+3+…+15+16 :) ). Teraz wypadałoby zastanowić się, od czego zależy szerokość naszych prostokątów. Odpowiedź jest prosta – od ich ilości . Jeśli przyjmiemy, że pole pod wykresem liczymy od punktu do punktu , więc dla 16 prostokątów otrzymamy szerokość równą: 46 Ponieważ granice, w których będziemy obliczać pole są dość ważne, stąd wypadałoby je wprowadzić do naszej definicji: Dzięki takiemu opisowi, dla ostatniego prostokąta ( ) otrzymamy wysokość: Teraz jeszcze tylko wzory dla „lewych” i „środkowych” sum i możemy przejść dalej: 2.4.3 CAŁKA OZNACZONA RIEMANNA (Riemann’s definite integral) No i teraz zaczyna się prawdziwa zabawa. Stwierdziliśmy już, że zwiększenie ilości prostokątów pod wykresem powoduje poprawę dokładności w przybliżeniu pola pod wykresem. Wraz z wzrastającą ilością prostokątów musiała jednak maleć ich szerokość. W poprzednim podrozdziale zdefiniowaliśmy pewne elementy. Pole pod wykresem liczymy w (czyli przedział obustronnie domknięty przedziale od do , gdzie ), podzielonym na prostokątów o szerokości Jeśli ilość naszych prostokątów będzie się zwiększać do nieskończoności, czyli , to . szerokość naszych prostokątów zmaleje z „dużej delty” do nieskończenie małej szerokości, czyli . Chcąc odpowiednio to zdefiniować, we wzorze 2.4.2.7 zastosujmy granicę : 47 Z czasem zaczęto oznaczać składnik jako , gdzie i oznaczały granice, w których liczone było pole: Zakładając, że otrzymujemy: Sprawdźmy czy to działa. Nasza funkcja granicach od do opisująca trójkąt to w : Spróbujmy udowodnić zależność z wzoru 2.4.3.3. Ponownie zakładamy, że nasza funkcja to , natomiast . Obszar ten dzielimy na segmentów, gdzie dla prostoty zapisu , czyli: Czyli w ogólności (zakładając, że ): 48 Tak więc, podstawiając powyższe wyprowadzenie funkcji do wzoru na „prawą” sumę (wzór 2.4.2.7): Spróbujmy teraz przeliczyć powyższe wyprowadzenie dla przykładowej wartości : Możemy teraz sumę 2.4.3.4 rozbić na trzy mniejsze: Teraz musimy skorzystać z wzorów Faulhabera dla sumy ciągów 2.1.4.5 i 2.1.4.7: Teraz przechodzimy do właściwej definicji całki. We wzorze 2.4.2.7 na prawe sumy stosujemy pewną sztuczkę. Mianowicie stosujemy tutaj granicę, w której ilość prostokątów pod wykresem rośnie aż do nieskończoności ( ) dzięki czemu w wyniku otrzymujemy prawdziwe pole pod krzywą, a nie jedynie jego przybliżenie: 49 Podstawiając 2.4.3.11 do 2.4.3.12 otrzymujemy: Ponieważ , więc: Teraz trzeba policzyć trzy limesy. W przypadku dwóch ostatnich od razu widać, iż potęga mianownika (dołu ułamka) jest większa od licznika, stąd jeśli będzie rosło do nieskończoności, to całe wyrażenie będzie malało do zera: Pierwszy limes jest nieco bardziej problematyczny – w wyniku otrzymujemy: Czyli wynikiem jest: 50 2.4.4 PEŁNY DOWÓD DLA FUNKCJI Udowodniliśmy wcześniej, że całka oznaczona dla funkcji w przedziale od do to: Aczkolwiek wprawny obserwator zauważy, że coś jednak nie gra w wyprowadzeniu z podrozdziału 2.4.3… Założyliśmy dla uproszczenia, że , jednak jeśli ktoś ma ochotę, to może sprawdzić wyprowadzenie dokładając niezerową wartość . Wtedy jednakże należałoby zapisać, iż oraz , czyli: Dla zainteresowanych poniżej znajduje się pełne wyprowadzenie dla . Nie jest ono jednak istotne dla zrozumienia tematu i można je ominąć. Ale jak ktoś lubi, to zapraszam: Rozwiązując równanie 2.4.4.3 dla : 51 Teraz obliczamy limes: Rozbijamy trzy sumy z 2.4.4.4 na trzy osobne granice, z czego ostatnia z nich została już wyliczona w podrozdziale 2.4.3: Wiemy, że granica dla ostatniej sumy to , więc: Czyli sumarycznie pole będzie równe: Wykorzystując wzory skróconego mnożenia otrzymujemy: 52 2.4.5 FUNKCJA PIERWOTNA (antiderivative), CZYLI CAŁKA, A POCHODNA Wiemy już, że dla funkcji pochodna to: Spróbujmy policzyć przykładową pochodną dla funkcji Jak widać, po policzeniu pochodnej funkcja : jest krótsza o jeden wyraz, mianowicie , ponieważ pochodna ze stałej to zero (można to interpretować jako pochodną z ). Całka oznaczona Riemanna jest pojęciem bardzo szczegółowym, które pozwala w prosty sposób zrozumieć ideę, aczkolwiek ma bardzo ograniczoną ilość zastosowań. Z czasem całka ta wymagała uogólnień, które doprowadziły do powstania całki nieoznaczonej, którą dla funkcji prawie tak samo, jak to zdefiniowaliśmy wcześnie, mianowicie: Czym jest to na końcu? Po pierwsze musimy zauważyć związek pomiędzy pochodną, a całką. Otóż całkowanie jest operacją przeciwną do różniczkowania. Trudno uwierzyć? Policzmy całkę z pochodnej funkcji : 53 No i znowu pojawia się to po całkowaniu! Litera został przyjęta od słowa , czyli stała (oficjalnie mówimy tu o stałej całkowania, czyli constant of integration). Wynika ona z tego, że licząc pochodną, pochodna stałej to zero. W momencie, kiedy wykonujemy operację całkowania pochodnej (czyli cofamy się o krok), niekoniecznie wiemy, czy w równaniu taka stała wartość była, czy też jej nie było, stąd zastępujemy ją symbolem przypadku 2.4.5.4 wiemy jednak, że pierwotną (antiderivative), czyli .W ponieważ od początku mieliśmy podaną funkcję . Spróbujmy teraz policzyć najpierw pochodną, a później całkę pochodnej następującej funkcji: A teraz całka pochodnej: Proszę zwrócić uwagę, że element oznacza, że liczmy całkę z Teraz pasuje się jakoś pozbyć tego elementu . . Otóż sprawa wygląda tak, że Nazywamy to warunkami początkowymi (initial value), czyli korzystając z 2.4.5.5: Stąd otrzymujemy, że: 54 . 2.4.6 CAŁKA JAKO WARTOŚĆ ŚREDNIA (integral mean value theorem) Okazuje się, iż da się powiązać proces całkowania z wyliczaniem średniej. Jak? Na początek przypomnijmy sobie jak wygląda średnia arytmetyczna (arithmetic mean, czasem również jako average value). Mamy pewien ciąg wartości od do , więc: I wszystko się zgadza! Jeśli ja jem ryż, a mój szef mięso, to razem średnio obaj jemy gołąbki. Teraz załóżmy, że mamy pewną funkcję i chcemy wyliczyć jej wartość średnią. Wtedy wzór 2.4.6.1 zmieni nieco postać, bowiem będziemy sumować kolejne wartości funkcji dla kolejnych od do : Proszę jednak zauważyć, że otrzymaliśmy jedynie wartość przybliżoną średniej, bowiem funkcja jest ciągła. Jedynym rozwiązaniem jest zwiększenie ilości elementów do nieskończoności, czyli: Wyobraźmy sobie, że liczymy średnią od punktu do punktu . Wtedy to (tak jak w 2.4.3) „szerokość” naszego przybliżenia (lub skoku po osi x) to: Więc wracając do 2.4.6.2, przybliżenie naszej średniej to: 55 Używając symbolu sumy otrzymujemy: Jeśli ponownie wrócimy do pomysłu zwiększenia ilości elementów do nieskończoności to dostaniemy wzór na średnią: Pamiętając, że gdy to , stąd zamieniamy na i sigmę (sumę) wraz z limes na całkę oznaczoną: Przypominam w tym miejscu, że istnieje pewna konwencja zapisu, która mówi, iż średnią oznaczamy przez płaski „daszek” nad literą. 2.4.7 CAŁKA POCHODNEJ (derivative of an integral) Rozwiązanie poniższe zostało zaczerpnięte z mathmistakes.info – Calculus Facts. Weźmy przykładową całkę oznaczoną funkcji : 2.5 LICZBY ZESPOLONE (complex numbers) 2.5.1 LICZBA UROJONA (imaginary number) Z definicji, liczba urojona to taka liczba, która podniesiona do kwadratu daje wartość ujemną. Zacznijmy jednak od odrobiny historii – ponoć istnienie tych liczb zauważył już grecki inżynier i matematyk Heron z Aleksandrii żyjący pomiędzy rokiem 10, a 70 naszej ery. 56 W roku 1572 Rafael Bombelli po raz pierwszy ustanowił zasady mnożenia liczb zespolonych, jednakże w tamtym czasie koncepcja liczb zespolonych była słabo rozumiana, a przez część uważana za bezsensowną i niepotrzebną. Rzecz zaczęła się zmieniać począwszy od Rene Descartesa, znanego również jako Kartezjusz (1596–1650), który w swym dziele La Géométrie po raz pierwszy użył nazwy liczby urojone (fr. nombre imaginaire – stąd zresztą skrót oznacza francuskie imaginaire, a nie imaginary z angielskiego). Szersze użycie liczb urojonych nie było akceptowane aż do ukazania się prac Leonarda Eulera (1707–1783) i Carla Friedricha Gaussa (1777–1855). Zajmijmy się jednak graficzną interpretacją. Na początek wyobraźmy sobie zwykłą oś liczbową liczb rzeczywistych, z zaznaczonymi punktami dla zera i jedynki: Rys. 2.5.1.1 Pozioma oś liczbowa Proszę zwrócić uwagę, iż mnożąc jedynkę przez minus jeden, w wyniku otrzymujemy minus jeden. Reasumując, dokonaliśmy „obrotu” położenia jedynki o 180 stopni (rysunek 2.5.1.2). Rys. 2.5.1.2 „Obrót” liczby o 180 stopni na osi liczbowej Jednocześnie, by wrócić ponownie na prawą stronę osi liczbowej, musimy znów „obrócić” liczbę o 180 stopni, czyli pomnożyć razy minus jeden wynik poprzedniego mnożenia (rysunek 2.5.1.3). 57 Rys. 2.5.1.3 „Obrót” liczby o 180 stopni na osi liczbowej Stąd już bardzo blisko do bardzo ważnego wniosku, iż obrót o 360 stopni otrzymujemy przez mnożenie razy minus jeden do kwadratu (czyli dwa obroty o 180 stopni – rysunek 2.5.1.4). Rys. 2.5.1.4 „Obrót” liczby o 360 stopni na osi liczbowej Podsumowując, wiemy, iż obrót o 180 stopni uzyskujemy mnożąc razy minus jeden do potęgi pierwszej ( drugiej ( ), natomiast obrót o 360 stopni mnożąc razy minus jeden do potęgi ). Jak zatem uzyskać obrót o 90 stopni? Skoro dwukrotnie większy obrót uzyskujemy dwukrotnie większą potęgą, stąd o połowę mniejszy obrót od 180 stopni powinniśmy uzyskać przez o połowę mniejszą potęgę: Czyli odpowiedź jest następująca – obrót o 90 stopni uzyskujemy mnożąc przez pierwiastek z minus jeden (rysunek 2.5.1.5). 58 Rys. 2.5.1.5 „Obrót” liczby o 90 na płaszczyźnie Jeśli odnotujemy fakt, iż kwadrat liczby urojonej to minus jeden: otrzymamy w rezultacie bardzo ładną płaszczyznę liczb zespolonych: Rys. 2.5.1.6 Płaszczyzna liczb zespolonych Liczby zespolone najłatwiej interpretować na zasadzie dwuwymiarowego układu współrzędnych tak, jakby tradycyjne liczby (reel, czyli współrzędną ) zostały rozszerzone o drugi wymiar (imaginaire, czyli współrzędną ). Znaczenie geometrycznej interpretacji liczb zespolonych zostało odkryte przez Caspara Wessela (1745–1818). Oczywiście istnieje rozszerzenie tych liczb o jeszcze jeden wymiar – w 1843 roku irlandzki matematyk, pan 59 William Rowan Hamilton wymyślił system trójwymiarowy tworząc tzw. kwaterniony (quaternion): 2.5.2 WZÓR EULERA (Euler’s formula) W tym miejscu pojawia się element łączący liczby zespolone z szeregiem Maclaurina. Na początek potrzebujemy rozwinięcia funkcji wykładniczej Jeśli podstawimy w 2.5.2.1 za Pamiętając, że (podrozdział 2.3.3): liczbę urojoną z niewiadomą dostajemy ( ( ), to otrzymamy: ): Teraz musimy trochę posprzątać. Wyrażenia zawierające liczbę urojoną grupujemy po prawej, natomiast pozostałe po lewej: Na koniec wyciągamy liczbę urojoną przed nawias: Jeśli jeszcze ktoś pamięta jak wyglądało wyprowadzenie na rozwinięcie w szereg Maclaurina funkcji sinus i cosinus, to od razu zauważy, że: 60 Wzór ten w roku 1748 został opublikowany przez Eulera. Czasami jest on również nazywany funkcją , czyli cosine plus i sine. Równanie to jest bardzo wszechstronnie używane w matematyce, fizyce oraz inżynierii – fizyk Richard Feynmann nazwał je kiedyś najważniejszym i najbardziej wpływowym z wszystkich. Warto dodatkowo wspomnieć, że dowód na podobną równość opublikował już w 1714 roku Roger Cotes: 2.5.3 PŁASZCZYZNA LICZB ZESPOLONYCH (complex plane) Z zakresu rachunku liczb zespolonych musimy sobie przypomnieć kilka podstawowych własności, które w dalszych rozważaniach będą kluczowe. Podstawą liczb zespolonych jest jednostka urojona, która spełnia warunek: Elektrotechnicy wolą zamiast stosować literkę , coby się z natężeniem prądu nie myliło. My w dalszej części opracowania również (raczej) stosować będziemy notację elektrotechniczną, czyli (ale zmiany w oznaczeniach nietrudno zauważyć). Liczby zespolone zapisujemy w formie: gdzie to część rzeczywista (real part), natomiast to część urojona (imaginary part), co możemy zapisać: Oczywiście, co kraj to obyczaj i nieraz się zdarza, że w kwestii oznaczeń każdy woli po swojemu. Przykładowo, u automatyków lubi pojawić się oznaczenie części rzeczywistej jako i części urojonej jako . Na szczęście notacja ta pojawia się tylko w pewnych określonych sytuacjach. Dodatkowo warto pamiętać o innych typach zapisu, jak we wzorach z 2.5.3.4: 61 Należy w tym miejscu ponownie podkreślić, iż skróty Re i Im nie pochodzą z angielskiego, lecz francuskiego, od reel i imaginaire. Liczby zespolone można przedstawić graficznie jako współrzędne wektora na płaszczyźnie zespolonej (complex plane – płaszczyzna zwana również płaszczyzną Arganda lub Gaussa – rysunek 2.5.3.1). Jeśli liczba liczb zespolonych, to piszemy, że należy do zbioru . b 0 a Rys. 2.5.3.1 Płaszczyzna liczb zespolonych Jak widać, na wykresie mamy bardzo ładny trójkąt, o bokach długości i oraz przeciwprostokątnej o , czyli modułu liczby zespolonej (moduł po angielsku to modulus, magnitude lub też absolute value, od którego jest polecenie abs w np. MatLabie). φ 0 Rys. 2.5.3.2 Płaszczyzna liczb zespolonych Jak policzyć ten moduł? Najłatwiej zastosować twierdzenie Pitagorasa: 62 Kolejnym krokiem jest wyjaśnienie, czym jest argument liczby zespolonej – otóż na schemacie został zaznaczony kąt (fi), który nazywany jest właśnie argumentem (argument) lub fazą (phase). Liczy się go przy pomocy funkcji cyklometrycznej tangensa (funkcja odwrotna, arcus tangens): W przypadku liczb zespolonych, mamy możliwość zapisu każdej z nich przy pomocy funkcji sinus i cosinus: Należy tu jeszcze wspomnieć o sprzężeniu (conjugation), w którym znak części urojonej zostaje zamieniony, czyli w najprostszej formie: Czasami stosuje się również zapis z gwiazdką, czyli . Sprzężenie powoduje odbicie liczby zespolonej względem osi OX. Po co to? Czasem się przydaje gdy chcemy pozbyć się z równania części urojonej. Na przykład mamy liczbę zespoloną w formie ułamka i chcemy z niej wydzielić osobno obie jej części: Dzięki temu wiemy, że część rzeczywista ułamka to , a część urojona . 63 2.5.4 WZÓR EULERA W RACHUNKU ZESPOLONYM W 2.5.3.7 odnotowano, że liczbę zespoloną można zapisać w formie Nic jednak nie stoi na przeszkodzie, by w zapisie tym zastosować jeszcze wzór Eulera, dzięki czemu otrzymamy ( ): Teraz warto jeszcze wyprowadzić dwa ważne wzory. Wiemy, że , ale jakby to wyglądało w drugą stronę? Trzeba w tym miejscu jeszcze wspomnieć, iż: Sumując oba równania ze sobą otrzymamy: W przypadku funkcji sinus wykonujemy różnicę obu wyrażeń: 2.5.5 UOGÓLNIENIE SILNI – FUNKCJA GAMMA (gamma function) Wcześniej już wspomnieliśmy, że po połączeniu punktów tworzących wykres funkcji silni powstaje pytanie o jej istnienie dla wartości z np. ułamkiem. Żeby sprostać temu problemowi stworzono uogólnienie w postaci funkcji gamma. Jej powiązanie z każdym zbioru liczb naturalnych ( należącym do ) to: 64 Sama zaś funkcja gamma prezentuje się następująco: Przykładowo dla jedynki otrzymujemy Ponieważ granica ( to liczba zespolona): . Niestety funkcja Gamma nie jest zdefiniowana dla liczb całkowitych ujemnych. Możemy to zapisać jako do liczb zespolonych, dla których lub zbiór liczb należących nie należy do ujemnych liczb całkowitych (ew. zbiór liczb zespolonych z wyłączeniem ujemnych ). 2.6 MACIERZE (matrices) 2.6.1 PRZESTRZENIE WIELOWYMIAROWE Zwykle jesteśmy przyzwyczajeni do spoglądania na świat jedno, bądź dwuwymiarowo. Mimo, że cały czas bytujemy w środowisku trójwymiarowym, to jednak poruszanie się w tej przestrzeni już zaczyna sprawiać pewną trudność. Osoby, które przeszły kurs fizyki znają pojęcie wektora, który zapisać można macierzowo jako v = [x, y, z] („przeciwieństwem” wektora jest skalar, który jest jedynie pojedynczą wartością). Jeśli wykonamy macierz dwuwymiarową x = [ 0 , 0 ; 0 , 0 ], to mówimy o przestrzeni liczb rzeczywistych R 2. Oczywiście wymiarów może być n, a wtedy nasza macierz nie jest rozmiarów dwa na dwa, lecz n na n, a przestrzeń ma rozmiar Rn. 2.6.2 WARTOŚCI i WEKTORY WŁASNE (eigenvalues and eigenvectors) Zwykle jesteśmy przyzwyczajeni do spoglądania na świat jedno, bądź dwuwymiarowo. Mimo, że cały 65 3 PODSTAWOWE SYGNAŁY 3.1 O SYGNAŁACH SŁOWO Sygnał jednowymiarowy, który najszybciej przychodzi nam do głowy to fala dźwiękowa, głos. Przy okazji omawiania tego typu zagadnień zwykle pojawia się funkcja sinus bądź cosinus. My zaczniemy z nieco innej strony, bowiem od jednej funkcji Haara. 3.2 WARTOŚĆ ŚREDNIA FUNKCJI SINUS W podrozdziale 2.4.6 wspomniałem, że całka może być wykorzystana do liczenia wartości średniej. Z tym, jak wartość średnia ma się do rzeczywistości to każdy nieraz mógł się dowiedzieć samemu. Jedna taka ciekawostka – swego czasu jedna z partii proponowała, by podnieść w Polsce płacę minimalną do poziomu wynagrodzenia średniego. Oczywiście nie widzieli w tym żadnego problemu, że będzie to proces nieskończony, bowiem wraz z wzrostem płacy minimalnej, w tej samej chwili wzrośnie średnie wynagrodzenie… Jednakże wracając do meritum. Na początek proste pytanie – ile wynosi pole pod wykresem funkcji sinus? 3.3 PROSTE FILTRY – FILTR MEDIANOWY i UŚREDNIANIE Lorem ipsum 4 TRANSFORMATA LAPLACE (Laplace transform) 4.1 WSTĘP DO METODY OPERATOROWEJ – SKOK JEDNOSTKOWY, OBSZAR ZBIEŻNOŚCI (region of convergence) Teoretycznie część z Was powinna się już była zaprzyjaźnić z teorią obwodów, zwaną wprost drutami. Jeśli ktoś z tej znajomości nie czerpał szczególnej radości, to jest to zrozumiałe, bowiem w początkowym podejściu nie jest to rzecz prosta. Jednakże, jeśli odrzucić na bok 66 wszystkie uprzedzenia i drobne niesnaski jakie wystąpiły między Wami w Waszych relacjach, to okazuje się, iż druty da się lubić. Chyba. Ale wracając do tematu – transformata Laplace o dziwo nie nazywa się tak dlatego, że była dziełem Laplace. Nazwa ta została nadana ku jego czci i wygląda w sposób następujący: gdzie jest to zmienna określana jako operator Laplace, która jest zmienną zespoloną opisaną wzorem: Można rzec, że już na start wygląda to wręcz znakomicie! Rzucamy okiem na wzory drugi raz, wyłączamy ten plik, wyłączamy komputer i idziemy do łóżka spać by jak najszybciej zapomnieć o tym co właśnie zobaczyliśmy. Nie dajmy się jednak negatywnym emocjom i spróbujmy policzyć transformatę Laplace skoku jednostkowego , pamiętając iż jest to funkcja, która jest równa 1 w przedziale od zera do nieskończoności: W tym momencie trzeba się na chwilę zatrzymać. Dla Aczkolwiek dla zapominać, że urojoną mamy sprawę prostą, bowiem musimy zahaczyć o granicę funkcji, czyli limes. Nie można nie jest stałą, lecz zmienną zespoloną z częścią rzeczywistą i . Rozbiliśmy nasz problem na dwa pod-problemy. Jeśli weźmiemy pod uwagę jedynie człon z częścią urojoną, to można go zapisać jako , więc bez względu 67 na to jaką wartość przyjmie , nie przekroczymy zakresu od plus do minus jeden. Jednakże co się dzieje z członem ? Otóż otrzymujemy w wyniku, że: Bowiem jeśli część rzeczywista będzie mniejsza od zera, to będzie zmierzać eksponencjalnie do nieskończoności wraz z rosnącym . Tak więc: O obszarze zbieżności (ROC, czyli region of convergence lub domain of convergence) transformaty trzeba pamiętać! Dodatkowo warto wspomnieć, iż jest również zwany zmienną zespolonej częstotliwości (complex frequency variable), której jednostką jest Hertz ( ). Jeśli zmienna to czas w sekundach, to wyrażenie jest wyrażeniem bez jednostki. 4.2 JESZCZE KILKA PRZYKŁADÓW W Internecie i w książkach znaleźć można dużo gotowych, wyliczonych transformat, bowiem jak to niektórzy mawiają, nie ma sensu od nowa wynajdywać koła, stąd elementy tu zawarte są bardziej ciekawostką, ponieważ w rzeczywistości najczęściej korzysta się z tablic. Jednakże jeśli ktoś lubi ćwiczyć całki, to można się trochę pobawić w wyprowadzenia. 4.2.1 SYGNAŁ EKSPONENCJALNY 68 4.2.2 DELTA DIRACA 4.2.3 POTĘGA N-tego STOPNIA Wyprowadzenie wymaga zastosowania całkowania przez części. Jeśli , więc otrzymujemy: , to Jeśli liczylibyśmy te całki odpowiednio długo, to doszlibyśmy do wyniku, że: Dla i . 4.3 WŁASNOŚCI TRANSFORMATY LAPLACE Lorem ipsum. 4.3.1 PRZESUNIĘCIE W CZASIE (time shift) z przykładem zastosowania W przypadku przesunięcia sygnału w czasie używamy skoku jednostkowego by „przefiltrować” sygnał, powodując wyzerowanie wszystkiego co działo się przed momentem określonym w przesunięciu (rysunek 4.3.1.1). 69 SKOK JEDNOSTKOWY z przesunięciem w czasie o SYGNAŁ SUMARYCZNY SINUS z przesunięciem w czasie o Rys. 4.3.1.1 Zdolność skoku jednostkowego z przesunięciem do filtracji sygnału z przesunięciem Tak więc, mamy naszą funkcję stosujemy skok jednostkowy równe zeru (czas , którą przesunęliśmy w czasie o . Dodatkowo, , żeby wszystko co działo się przed czasem było jest naszym nowym punktem startowym). Jak więc policzyć transformatę Laplace : Skoro przed czasem wszystko było równe zeru, wiec możemy przesunąć granicę naszej całki (po co dodawać do ogólnej sumy coś, co jest równe zeru?). Po wprowadzeniu tego założenia, funkcję zamienić możemy na jedynkę, bowiem od czasu ma ona stałą wartość: Zastosujemy teraz podstawienie, iż wyjaśnienie w temacie granicy całki – otóż jeśli czyli . Przed podstawieniem jeszcze krótkie , to , a jeśli , to : 70 , PRZYKŁAD: Czy to twierdzenie się przydaje? Ano przydaje się. Zwłaszcza w takiej ciekawej sytuacji: Na pierwszy rzut oka, funkcję można zinterpretować jako i policzyć transformatę z przesunięciem dla każdego z elementów. Jednakże jeśli popatrzeć na to jako , a po przesunięciu , to według wzoru 4.2.3.4 i 4.3.1.4 otrzymujemy wynik: Licząc krok po kroku (począwszy od wzoru 4.3.1.2): W punkcie 4.7 znaleźć można rozwiązanie tego zadania „na piechotę”, bez stosowania własności o przesunięciu w czasie. 4.3.2 SKALOWANIE W CZASIE (scaling in time) Lorem ipsum. 4.3.3 SKALOWANIE W CZĘSTOTLIWOŚCI (scaling in time) Lorem ipsum. 4.3.4 POCHODNA Lorem ipsum. 71 4.3.5 CAŁKA Lorem ipsum. 4.4 PODEJŚCIE PRAKTYCZNE – RÓWNANIA RÓŻNICZKOWE Lorem ipsum. 4.5 OBWODY ELEKTRYCZNE Lorem ipsum. 4.6 FILTRY PASYWNE Zajmiemy się w tym miejscu nieco bardziej zagadnieniem filtrów, bowiem jest to niezwykle przydatna rzecz. Dlaczego? Załóżmy, że chcemy coś zmierzyć, np. fale gamma pochodzące z mózgu, które zamykają się w przedziale 38 do 42 Hz. Okazuje się jednak, że na naszym elektroencefalogramie jest masa szumów i jeszcze wszechobecne 50 Hz z sieci energetycznej. Co z tym zrobić? Otóż projektujemy wtedy filtr pasmowo zaporowy (wycina pewien zakres częstotliwości od do), który pozwoli odciąć wszystkie zbędne częstotliwości sygnału – konstruujemy swego rodzaju okienko, w którym będziemy pracować: częstotliwości, które znajdują się poza „okienkiem” są przez filtr tłumione Wzmocnienie sygnału filtr, dzięki któremu mierzymy tylko częstotliwości od 38 do 42 Hz 0 Częstotliwość [Hz] 50 Rys. 4.6.1 Przykładowy filtr pasmowo przepustowy 4.6.1 OBWÓD RC – FILTR DOLNOPRZEPUSTOWY (RC low-pass filter) Okazuje się, że najprostszym możliwym filtrem do wykonania jest taki, który składa się z opornika i kondensatora. Jest to pasywny filtr dolnoprzepustowy (LPF, low-pass filter), czyli przepuszczający tylko niskie częstotliwości (wysokie są tłumione). 72 potencjał masy Rys. 4.6.1.1 Obwód RC (RC LPF) Jeśli ktoś coś jeszcze pamięta z teorii obwodów, to impedancja pulsacji . Dla przypomnienia, pulsacja to inaczej częstość kołowa (angular frequency), która powiązana jest z częstotliwością przez wzór herców kondensatora zależała od na radiany na sekundę . W tym przypadku przechodzimy z . Warto w tym miejscu zauważyć, że gdy częstotliwość zmierza do nieskończoności, to impedancja kondensatora zmierza do zera, natomiast gdy częstotliwość zmierza do zera, to impedancja rośnie do nieskończoności (wzrasta drastycznie opór): Spostrzeżenie to jest o tyle ważne, że gdy rozrysujemy prosty obwód RC (rysunek 4.6.1.1), to widać, iż dla wysokich częstotliwości kondensator staje się zwarciem, przez co na wyjściu zaczynamy otrzymywać potencjał masy 0V zamiast sygnału wejściowego. Z tego wynika prosty wniosek, że skonstruowaliśmy filtr dolnoprzepustowy, który przepuszcza sygnały o niskich częstotliwościach (wtedy kondensator symuluje przerwę w obwodzie, jak na rysunku 4.6.1.2), a te o wysokich są „odsyłane” do potencjału masy. 73 Rys. 4.6.1.2 Po lewej reakcja obwodu RC na sygnał wejściowy o bardzo niskiej częstotliwości, a po prawej na sygnał o bardzo wysokiej częstotliwości Powstaje jednak pytanie, czy da się konkretnie obliczyć, jakie częstotliwości są przesyłane do wyjścia, a jakie zostają wyciszone? Dodatkowo, czy jest to proces nagły, czy stopniowy? W tym miejscu pomocna staje się transformata Laplace. Zakładając, że otrzymujemy: Stosując metodę węzłową rozpływu prądu wyliczyć możemy stosunek napięcia wyjściowego do wejściowego (oczywiście można by tu było zastosować wzór na zwykły dzielnik impedancyjny): Teraz ponownie wracamy do pulsacji. Zastosowanie tutaj transformaty Laplace nie jest szczególnym ułatwieniem, aczkolwiek definitywnie lepiej wykonywać obliczenia z podstawieniem aniżeli bez (trudniej się pomylić) – liczymy moduł liczby zespolonej: 74 Proszę zwrócić uwagę, iż powyższy wzór podaje stosunek sygnału wyjściowego do wejściowego. Jeśli ktoś pamięta o co chodziło z decybelami, to może już coś pokojarzy. Więcej informacji w następnym podrozdziale. 4.6.2 OBWÓD RC – PASMO 3dB (half power point) Skoro już otrzymaliśmy wzór na stosunek napięcia wyjściowego do wejściowego (wzór 4.6.1.9), to możemy rozważyć 3 przypadki jakie mogą zajść w obwodzie: co się dzieje dla małych częstotliwości sygnału wejściowego ( ), co się dzieje dla dużych częstotliwości sygnału wejściowego ( ), odpowiedź obwodu na . Sporą zagadką pozostaje to, dlaczego akurat ? Musimy się tutaj trochę cofnąć – mianowicie badając nasz filtr szukamy miejsca, w którym moc sygnału wejściowego spada o połowę, . Punkt ten odpowiada spadkowi napięcia czyli wyjściowego o (spadek napięcia o około ten punkt na wykresie musimy odszukać taką pulsację ), więc żeby zaznaczyć żeby: A uzyskujemy taki efekt jeśli: Pojawia się jednak następne pytanie – dlaczego połowa mocy przypada na spadku wzmocnienia? Moc chwilową (instantaneous power) sygnału – kwadrat modułu sygnału: 75 Jeśli sygnał pomniejszymy o pierwiastek z dwóch, to moc zmniejszy się o połowę. Ale wracając do naszej funkcji: Warto wspomnieć, że częstotliwość dla pasma nazywana jest częstotliwością odcięcia (cutoff frequency, break frequency) lub częstotliwością graniczną filtru (corner frequency). Poza faktem, iż jest to miejsce gdzie sygnał wyjściowy ma połowę swej mocy, to jednocześnie jest to punkt, w którym przecina się pozioma i pochylona część charakterystyki Bodego dla filtru pierwszego rzędu… 4.6.3 CHARAKTERYSTYKA BODEGO (Bode plot) Charakterystyka Bodego składa się z dwóch części – charakterystyki amplitudowej i fazowej. Nas jednak na początek bardziej interesować będzie część amplitudowa. Wykres takiej charakterystyki na osi poziomej ma częstotliwości w skali logarytmicznej, zaś na osi pionowej wzmocnienie (gain) w decybelach (rysunek 4.6.3.1). Proszę jednak pamiętać, iż częstotliwość podawana jest jako pulsacja, czyli w radianach na sekundę, a nie hercach ( , czyli ). Rys. 4.6.3.1 Charakterystyka amplitudowa obwodu RC 76 Powstaje pytanie w jakim punkcie została narysowana na wykresie z rysunku 4.6.3.1 częstotliwość pasma więc korzystając z wzoru ? Skoro przypada ona na 4.6.2.2 możemy obliczyć przykładowe wartości elementów RC. Najpierw załóżmy pojemność kondensatora rzędu 50 mikrofaradów. Stąd otrzymujemy: Proszę zwrócić uwagę, że zbocze charakterystyki nie jest narysowane pod dowolnym kątem. Otóż spadek charakterystyki w przypadku obwodu RC to dekadę), co oznacza, że co kolejną potęgę pulsacji ( (–20 decybeli na ) następuje spadek wzmocnienia o 20 decybeli. Niektórych może dziwić, dlaczego na wykresie przy wzmocnieniu oznaczamy , a nie . Otóż w języku polskim brakuje bodaj słówka magnitude, które oznacza generalnie wielkość względną. W przypadku osi pionowej używamy , stąd ta , a nie różnica. Teraz czas na charakterystykę fazową. We wzorze 4.6.1.7 pojawiła się finalna wersja naszej funkcji przejścia (transfer function), inaczej transmitancji: W przypadku charakterystyki fazowej musimy wydzielić część urojoną i zespoloną (proszę zwrócić uwagę, że faza jest w dziedzinie pulsacji, a nie ): By rozbić transmitancję na składowe musimy użyć sprzężenia liczby zespolonej, co pozwala na pozbycie się urojenia z mianownika (dół ułamka ) przez skorzystanie z własności liczby urojonej, iż : 77 W ten oto sposób otrzymujemy „przepis” na wykres fazowy: , to wyliczając arcus tangens z W przypadku, gdy (lub , otrzymujemy kąt jak ktoś bardziej preferuje). Teraz co dalej? Sprawdzamy więc standardowo zmierzającą do zera i nieskończoności: Ktoś w tym miejscu mógłby pokusić się o stwierdzenie, że skoro mamy 3 punkty, to rysujemy przez nie linię prostą. Nic bardziej mylnego! Proszę sobie przypomnieć przebieg wykresu arcusa tangensa! Jest pewna zasada, która mówi, że na wykresie występuje spadek fazy o na dekadę w okolicy punktu – mając tą informację spróbujmy wykonać charakterystykę fazową Bodego (rysunek 4.6.3.2): Rys. 4.6.3.2 Charakterystyka fazowa obwodu RC 78 4.6.4 CHARAKTERYSTYKA NYQUISTA (Nyquist plot) Skoro wykresy Bodego składają się z charakterystyki amplitudowej i charakterystyki fazowej, to czym jest wykres Nyquista? Jest to charakterystyka amplitudowo-fazowa (polar plot), gdzie na płaszczyźnie zmiennej zespolonej zaznaczamy kolejne punkty odpowiedzi układu. Tak jak w przypadku charakterystyki fazowej, tak i tutaj potrzebujemy rozdziału transmitancji na składowe rzeczywistą i urojoną: Badamy teraz granice transmitancji dla trzech dobrze nam znanych pulsacji. W tym celu dobrze jest rozrysować odpowiednią tabelkę: Tab. 4.6.4.1 Odpowiedź transmitancji na różne wartości pulsacji Pulsacja Część rzeczywista Część urojona Mając w ten sposób rozpisane punkty możemy przystąpić do rysowania charakterystyki. Warto pamiętać o kierunku strzałki na wykresie, bowiem zawsze zaczynamy od zerowej pulsacji, co należy stosownie zaznaczyć (rysunek 4.6.4.1). Rys. 4.6.4.1 Charakterystyka amplitudowo-fazowa (Nyquista) obwodu RC 79 4.6.5 OKTAWA KONTRA DEKADA Czasem zamiast spadku wyliczanego na dekadę (decade), czyli pojawia się pojęcie zmiany wzmocnienia przypadającej na oktawę (goctave). W przypadku filtru RC dolnoprzepustowego stwierdziliśmy spadek wzmocnienia o , co było równoznaczne z tym, że sygnał był osłabiony o 20 decybeli pomiędzy częstotliwością (lub jeśli ,a ktoś woli, to pomiędzy kolejnymi potęgami pulsacji). W przypadku zastosowania oktawy zamiast dekady, przechodzimy z logarytmu o podstawie 10 do logarytmu o podstawie 2. W konsekwencji wiąże się to z tym, że o ile dla dekady mówiliśmy o dziesięciokrotności częstotliwości, to dla oktawy mówimy o jej podwojeniu bądź zmniejszeniu o połowę. Skoro nasz filtr osłabiał sygnał o w przedziale od 10 kHz do 1 kHz, więc w przeliczeniu na oktawy otrzymujemy: W drugą stronę, jedna oktawa to: 4.6.6 OBWÓD RC JAKO UKŁAD CAŁKUJĄCY (RC integrator) Część może jeszcze pamięta o co chodzi z prawem Ohma. Ci, którzy nie pamiętają, to zaraz odszukają, że chodzi o to, iż impedancja obwodu RC to , a w bardziej uogólnionej formie . Sumaryczna , więc prąd płynący przez obwód to: W momencie, gdy częstotliwość płynącego prądu będzie odpowiednio duża, czyli: 80 to kondensator ma bardzo mało czasu na gromadzenie ładunku, więc napięcie znajdujące się na nim jest bardzo małe. Jednocześnie należy zauważyć, iż z wzoru 4.6.6.2 wynika, to, że człon musi być bardzo duży: co powoduje, że impedancja kondensatora ( jest bardzo mała w porównaniu z rezystancją ). Pozwala nam to założyć, że: Wzór na pojemność kondensatora to: Jeśli weźmiemy pod uwagę, że napięcie na kondensatorze jest tak naprawdę napięciem wyjściowym obwodu RC, oraz podstawimy wzór 4.6.6.4 do wzoru 4.6.6.8, to otrzymamy wyjaśnienie, dlaczego w żargonie elektroników mówi się na obwód RC układ całkujący: Czy to prawda? Całka ze stałej to funkcja liniowa, np. (pomijam stałą C, zakładając, że ): 81 Więc jeśli na wejście układu RC podamy sygnał prostokątny (square wave), to przy odpowiednio wysokiej częstotliwości powinniśmy na wyjściu otrzymać sygnał trójkątny (triangle wave): SYGNAŁ WYJŚCIOWY (DLA MAŁEJ CZĘSTOTLIWOŚCI ) SYGNAŁ WEJŚCIOWY SYGNAŁ WYJŚCIOWY (DLA DUŻEJ CZĘSTOTLIWOŚCI ) Rys. 4.6.6.1 Reakcja obwodu RC na sygnał prostokątny o różnych częstotliwościach Nazywając obwód RC układem całkującym, nie należy go mylić z układem całkującym zbudowanym w oparciu o wzmacniacz operacyjny! Wyprowadzenie dla niego jest prostsze i poniekąd podobne do powyższego – dla ciekawych zapraszam do sekcji o wzmacniaczach operacyjnych. 4.6.7 CZŁON INERCYJNY I RZĘDU – RZĄD FILTRU (filter order) Jeśli zerkniemy do książek opowiadających o automatyce, to dowiemy się, że istnieje coś takiego jak człon inercyjny I rzędu. Jest to nazwa dla grupy elementów, których transmitancja operatorowa wygląda w sposób następujący: 82 W przypadku filtra dolnoprzepustowego wzmocnienie , a . W ogólności, charakterystyka Bodego dla takiego elementu wygląda następująco: Charakterystyka amplitudowa: Charakterystyka fazowa: Warto pamiętać, że to co elektronicy i elektrotechnicy nazwą , to automatycy nazwą . Wciąż jednak pozostaje pytanie o co chodzi z rzędem. Otóż rząd jest równoznaczny z ilością pierwiastków znajdujących się w mianowniku równania. Przykładowo, transmitancja operatorowa filtru drugiego rzędu będzie posiadała dwa pierwiastki, czyli będzie de facto równaniem kwadratowym: Reasumując, warto pamiętać, że istnieją też elementy inercyjne rzędu II (wzór 4.6.7.6) i wyższego (wzór 4.6.7.7): 83 4.6.8 OBWÓD CR – FILTR GÓRNOPRZEPUSTOWY (high pass filter) Obwód CR zwany jest też pasywnym układem różniczkującym (passive differentiator lub RC differentiator circuit), który pozwala na odcięcie składowej stałej (DC) z sygnału (pochodna wartości stałej to zero). Rys. 4.6.8.1 Obwód CR Z prawa Ohma wiadomo, że prąd płynący przez obwód ma wartość: Jeśli założymy, że nasz obwód pracuje przy stosunkowo niskiej częstotliwości, czyli to otrzymamy wniosek, że , , stąd możemy uogólnić, iż prąd jest równy: Jeśli odpowiednio przekształcimy wzór 4.6.8.1, to wyjdzie nam, że napięcie wejściowe jest w przybliżeniu równe spadkowi napięcia na kondensatorze: Prąd płynący przez kondensator opisany jest wzorem . Ponieważ ten sam prąd płynie zarówno przez kondensator jak i opornik, a napięcie na oporniku wyjściowe to nasze napięcie , więc zapisać możemy, iż: 84 Wzmocnienie obwodu: 4.6.9 OBWÓD RLC – FILTR PASMOWOPRZEPUSTOWY (band-pass filter) Jeśli ktoś miał trochę więcej do czynienia z fizyką, to wie, że w przypadku LC można spodziewać się tzw. rezonansu. Ale zacznijmy od narysowania naszego obwodu. Rys. 4.6.9.1 Obwód RLC (RLC BPF band-pass series RLC filter) Jeśli założymy, że to impedancja zarówno cewki jak i kondensatora , to otrzymujemy dzielnik napięcia: Wzór transmitancji filtru jest już prawie gotowy, po przejściu do pulsacji otrzymujemy: 85 Teraz liczymy moduł: Spróbujmy teraz rozważyć jak zachowuje się nasz układ. Co warto zauważyć na początku, to dla wyrażenie Analogicznie, w przypadku , stąd już na początku możemy go wyeliminować z równania: , od razu możemy wyeliminować wyrażenie , które zmierza do zera. W podobny sposób staramy się „wyciągnąć” pulsację spod pierwiastka jak poprzednio: No dobrze. Stwierdziliśmy, że wzmocnienie (gain) dla dwóch skrajności jest równe zeru. Pytanie, kiedy wzmocnienie naszego układu będzie maksymalne? Żeby spełnić ten warunek, wyrażenie musi być równe zeru, co jest spełnione w momencie gdy: 86 Jest to nasza częstotliwość rezonansowa układu, gdzie znajduje się maksimum wzmocnienia: 4.6.10 DOBROĆ Q (quality factor) Jest taki parametr, który nazywa się (jak dla mnie) dość zabawnie – dobroć (Q factor). Mówi on nam o szerokości krzywej rezonansowej – im większa dobroć, tym ostrzejsze jest zbocze krzywej. Ale o samej krzywej trochę więcej nieco dalej. Skoro mamy we wzorze 4.6.9.2 rozpisaną funkcję wzmocnienia i wiemy, że częstotliwość rezonansowa naszego układu to , spróbujmy więc tak przekształcić wzór by uwzględnić jej obecność: 4.6.11 CZĘSTOTLIWOŚCI CUTOFF Skoro mamy już wzmocnienia dla częstotliwości rezonansowej oraz dla pulsacji nieskończonej i zerowej, to teraz wypadałoby dowiedzieć się jak sprawa wygląda z pasmem trzy decybelowym (tj. lower and upper cutoff frequency). Wyliczamy moduł ze wzoru 4.6.10.3 i przyrównujemy go do wzmocnienia : 87 Można tutaj zauważyć pewną zależność, że aby mianownik wzmocnienia był równy element to musi być równe 1: Jeśli wyrażenie po lewej stronie wzoru 4.6.11.3 jest pod kwadratem, to oznacza, że może być ono albo ujemne albo dodatnie: Okazuje się, że tak naprawdę otrzymaliśmy dwa równania kwadratowe, jedno z plusem, drugie z minusem. Rozwiązując je otrzymamy 4 różne pierwiastki, z czego dwa z nich będą , stąd będą rozwiązaniami błędnymi. Najpierw równanie z dodatnim znakiem: Współczynniki to , oraz : 88 Pierwiastki równania plusem: Od razu można stwierdzić, że równania. Żeby , to ujemnej liczby (przypominam, że , więc fizycznie nie może być pierwiastkiem , a nie da się obliczyć rzeczywistego pierwiastka z ). Teraz jeszcze wyniki dla równania z minusem (ponieważ różnica w znaku znajduje się przy wyrazie , który w delcie jest podnoszony do kwadratu, więc Ponieważ ): , więc , stąd górna i dolna częstotliwość odcięcia dla filtru RLC pasmowo przepustowego to: Warto zauważyć, że dla rosnącej dobroci Q, oba pierwiastki zaczynają się ku sobie zbliżać: 89 Jeśli udałoby się uzyskać nieskończoną dobroć w układzie, to nasz filtr przepuszczałby tylko i wyłącznie częstotliwość rezonansową. Stąd wniosek, że im większy parametr , tym bardziej ostry jest szpic charakterystyki. Kolejne ważne spostrzeżenie to fakt, że poziom dobroci możemy regulować samym opornikiem rezonansową. Pamiętając, że i , zachowując wciąż tą samą częstotliwość otrzymujemy: Przy pisaniu tego rozdziału oparłem się o notatki zawarte na: http://aries.ucsd.edu/najmabadi/CLASS/ECE53B-LAB/05-W/LAB/filter.pdf http://tera.yonsei.ac.kr/class/2006_1/lecture/Lect%2014%20SecondOrder%20Passive%20Filters.pdf 4.6.12 CHARAKTERYSTYKI FILTRU PASMOWOPRZEPUSTOWEGO Ostatni element jaki pozostał do wykonania to charakterystyki Bodego naszego pasywnego filtru pasmowo przepustowego RLC. Z wzorów 4.6.9.5 i 6 wiemy, że wzmocnienie jest równe zeru, jeśli pulsacja zmierza albo do nieskończoności albo do zera. Dodatkowo, dzięki wzorom 4.6.9.9, 4.6.11.13 i 14 mamy trzy charakterystyczne punkty na wykresie – częstotliwość rezonansową oraz odcięcia dolną i górną. Przy rysowaniu charakterystyki amplitudowej zakładamy następujące parametry cewki indukcyjnej i kondensatora: Zakładając, że , częstotliwość rezonansowa i dobroć to: 90 Przechodząc z pulsacji do częstotliwości . A częstotliwości graniczne: Rys. 4.6.12.1 Charakterystyka amplitudowa obwodu RLC Co ciekawe, to szerokość pasma opisana jest stosunkowo prostym wzorem: Charakterystykę fazową wykonujemy rozdzielając wzór sprzężeniem liczby zespolonej na wzmocnienie na dwie części, tj. urojoną i rzeczywistą: 91 Obliczając granicę dla pulsacji zmierzającej do zera otrzymujemy (zamiast zapisu użyty teraz będzie ze względu na oszczędność miejsca): Podobnie sytuacja wygląda w przypadku nieskończoności. Reasumując otrzymujemy: Możemy teraz wszystko ładnie rozrysować na wykresie: Rys. 4.6.12.2 Charakterystyka fazowa obwodu RLC 92 Jeśli ktoś byłby zainteresowany automatycznym przeliczaniem charakterystyk, to na stronie podanej poniżej znajduje się skrypt php, który bardzo ładnie wszystko rozrysowuje (poza charakterystykami Bodego wykonywane są jeszcze charakterystyka Nyquista i odpowiedź skokowa): Rys. 4.6.12.3 Charakterystyki Bodego filtru RLC [Źródło: http://sim.okawa-denshi.jp/en/RLCtool.php] 4.6.13 OBWÓD RLC – FILTR PASMOWOZAPOROWY (band-stop filter) W przypadku konstruowania urządzeń elektrycznych bardzo często (o ile nie zawsze) pojawia się problem 50 Hz (lub 60 Hz jeśli mieszka się w Japonii lub USA). Sygnał zakłócający można wyeliminować za pomocą prostego obwodu rezonansowego RLC, który posiada bardzo mocno selektywną charakterystykę. Rys. 4.6.12.1 Obwód RLC pasmowo zaporowy 93 Teraz musimy policzyć granice wzmocnienia (pierwiastek kwadratu w liczniku ułamka został zamieniony na moduł, tj. wartość bezwzględną): Oraz wzmocnienie dla częstotliwości rezonansowej : 4.6.14 WZÓR OGÓLNY II RZĘDU Lorem ipsum 4.6.15 FILTR PASMOWY NOTCH Lorem ipsum 94 4.7 PRZYKŁAD Z 4.3.1 CAŁKOWICIE NA PIECHOTĘ Tak dla zabawy sprawdźmy, czy da się wyliczyć przykład z podrozdziału 4.3.1 bez używania własności o przesunięciu w czasie. Całość rozbić możemy na 3 osobne transformaty: Teraz skorzystamy z tego, że transformata Laplace jest liniowa, więc możemy ją rozbić na 3 kolejne. W przypadku każdego z elementów korzystamy z wzoru 4.2.3.4: Sumując powyższe elementy otrzymujemy: Podobne rozwiązania otrzymujemy również w przypadku i , czyli: 95 Oraz ostatni element : Sumując elementy z 4.7.2 otrzymujemy: Czyli jednak wyszło to samo. Spokój ducha przywrócony… 5 WZMACNIACZE OPERACYJNE (operational amplifiers) 5.1 CECHY IDEALNEGO i RZECZYWISTEGO WZMACNIACZA Teoretycznie część z Was powinna się już była zaprzyjaźnić z teorią obwodów, zwaną wprost drutami. Jeśli ktoś z tej znajomości nie czerpał szczególnej radości, to jest to zrozumiałe, bowiem w początkowym podejściu nie jest to rzecz prosta. Jednakże, jeśli odrzucić na bok 5.2 PRZYKŁADOWE ZASTOSOWANIA Teoretycznie część z Was powinna się już była zaprzyjaźnić z teorią obwodów, zwaną wprost drutami. Jeśli ktoś z tej znajomości nie czerpał szczególnej radości, to jest to zrozumiałe, bowiem w początkowym podejściu nie jest to rzecz prosta. Jednakże, jeśli odrzucić na bok 5.2.1 KOMPARATOR (comparator) Lorem ipsum 96 5.2.2 WZMACNIACZ ODWRACAJĄCY (inverting amplifier) Lorem ipsum 5.2.3 WZMACNIACZ NIEODWRACAJĄCY (noninverting amplifier) Lorem ipsum 5.2.4 WTÓRNIK NAPIĘCIOWY (voltage follower) Lorem ipsum 5.2.5 KONWERTER PRĄD-NAPIĘCIE (I – to – V converter) Lorem ipsum 5.2.6 SUMATOR (summing amplifier) Lorem ipsum 5.2.7 WZMACNIACZ ODEJMUJĄCY (difference amplifier) Rys. 5.2.7.1 Schemat wzmacniacza odejmującego W przypadku końcówki nieodwracającej wzmacniacza mamy zwykły dzielnik napięcia opisany wzorem: Przypominam, że napięcie na końcówce odwracającej i nieodwracającej wzmacniacza jest takie samo, więc rozpisując przepływ prądu nie zamiast będzie od razu : 97 We wzorze 5.2.7.5 można poczynić jedno z trzech założeń (albo i więcej): wszystkie opornik są sobie równe, oporniki są mają rezystancje według schematu oporniki są proporcjonalne 5.2.8 i : (wzór 5.2.7.7 poniekąd wynika z tej zależności): WZMACNIACZ CAŁKUJĄCY (integrator) Lorem ipsum 5.2.9 WZMACNIACZ RÓŻNICZKUJĄCY (differentiator) Jest to rodzaj wzmacniacza różnicowego (odejmującego). 5.2.10 WZMACNIACZ POMIAROWY (instrumentation amplifier) Jest to rodzaj wzmacniacza różnicowego (odejmującego), nazywany zamiennie klasycznym wzmacniaczem różnicowym lub wzmacniaczem pomiarowym. Jest on przeznaczony do 98 bardziej wymagających zastosowań, ponieważ układ ten zapewnia bardzo dużą rezystancję wejściową oraz doskonale tłumi sygnał współbieżny, jednocześnie mocno wzmacniając sygnał różnicowy. Regulację wzmocnienia można uzyskać przy pomocy tylko jednego opornika . Schemat układu znajduje się na rysunku 5.2.10.1. Rys. 5.2.10.1 Schemat wzmacniacza pomiarowego na trzech wzmacniaczach operacyjnych W prawej części obwodu z rysunku 5.2.10.1 znajduje się wzmacniacz odejmujący. Problem polega jednak na tym, w jaki sposób połączyć lewą część z prawą. W tym celu warto nieco przerysować schemat, tj. tak jak na ilustracji 5.2.10.2. 99 Rys. 5.2.10.2 Schemat wzmacniacza pomiarowego na trzech wzmacniaczach operacyjnych z oznaczeniem rozpływu prądu i napięciami Poszczególnymi kolorami zaznaczono obszary o takim samym potencjale (napięciu). Korzystając z metody węzłowej, wyliczymy prądy płynące w obwodzie: Dodatkowo prąd płynący przez cały obwód (sumując rezystancje): Jeśli z wzoru 5.2.10.1 weźmiemy tylko składnik środkowy i połączymy go z wzorem 5.2.10.2 to otrzymamy: Jeśli teraz odwołamy się do wzoru na odpowiedź wzmacniacza odejmującego (wzór 5.2.7.8): 100 To otrzymamy odpowiedź wzmacniacza pomiarowego (pod warunkiem, że ): 5.3 FILTRY AKTYWNE Lorem ipsum 5.3.1 DOLNOPRZEPUSTOWY (low-pass filter) Lorem ipsum. 5.3.2 GÓRNOPRZEPUSTOWY (high-pass filter) Lorem ipsum. 5.3.3 ARCHITEKTURA SALLEN-KEY (Sallen-Key topology) Ogólna struktura układu w topologii Sallen-Key wygląda jak na rysunku 5.3.3.1. Chcąc stworzyć filtr mający konkretne właściwości i typ, trzeba odpowiednio dobrać zarówno rodzaj elementów, jak i ich parametry. Rys. 5.3.3.1 Schemat filtru w uogólnionej architekturze Sallen-Key 101 By obliczyć wzmocnienie układu musimy zauważyć, że napięcie na końcówce z plusem jest tak naprawdę napięciem na wyjściu obwodu . Rozpisując rozpływ prądów w obwodzie otrzymujemy: Proszę zwrócić uwagę, że prąd płynący zarówno przez alternatywnie moglibyśmy napisać Potrzebujemy teraz pozbyć się potencjału jak i jest taki sam, więc lub ponownie z użyciem potencjału masy: z równania, stąd skorzystamy z impedancyjnego dzielnika napięcia: Łącząc oba równania otrzymujemy: 5.3.4 . FILTR DOLNOPRZEPUSTOWY II RZĘDU SALLEN-KEY Co oznacza, że 102 Rys. 5.3.4.1 Schemat filtru dolnoprzepustowego w architekturze Sallen-Key Wykorzystując wyprowadzony wcześniej ogólny wzór 5.3.3.8 podstawiamy , i : Szukamy częstotliwości rezonansowej : 6 TRANSFORMATA Z Lorem ipsum 103 , 7 TRANSFORMATA FOURIERA 7.1 CZYM JEST TRANSFORMATA FOURIERA? Jest to zasadnicze pytanie, które należy zadać zaraz przed zagłębieniem się w istotę problemu. Weźmy prosty przykład – rejestracja sygnału elektrycznego pochodzącego z serca to elektrokardiografia, czyli EKG (ang. electrocardiography, ECG). Lekarz, który ogląda elektrokardiogram, czyli wynik badania, otrzymuje jedynie informacje o zmianach potencjałów w czasie. Na podstawie tych informacji wnioskuje o stanie serca. Czasem jednak zdarza się, że sygnał, który otrzymujemy jest mocno zniekształcony szumem. By usunąć pewne zawirowania, można zastosować na przykład filtr medianowy, bądź uśrednianie próbek. Niestety, tego typu metoda nie poradzi sobie dobrze z zakłóceniami pochodzącymi z sieci energetycznej. Prąd, który płynie w gniazdku jest powodem, iż wynik EKG zaczyna „płynąć” (ang. floating baseline, czyli zniekształcenie izolinii na badaniu). Jak sobie z tym poradzić? Dobrze by było wiedzieć, jakiej częstotliwości jest sygnał zakłócający – czy posiadamy takie informacje? Owszem, w Polsce prąd ma częstotliwość 50 Hz, natomiast w USA i Japonii to 60 Hz. Pytanie jednak co z tym dalej zrobić? Przydałoby się znaleźć sposób, by wyliczyć jakie częstotliwości są w sygnale EKG, a następnie usunąć niepotrzebne z nich. W tym celu można zastosować transformatę Fouriera: Dlaczego w FFT mamy e^-jwt? bowiem licząc całkę tylko dla cosinusa nie mamy możliwości przesuniecia go w fazie. podobny problem jest z sinusem. rewolucja fouriera polega na monitorowaniu nie tylko częstotliwości sinusa, ale także jago przesunięcia w fazie 104 Koncepcja STFT jest już znana – cytując Conceptual Wavelets… D. Lee Fugala, są nimi nuty, bowiem dają nam zarówno informację na temat częstotliwości dźwięku (jego wysokość) oraz o jego położeniu w czasie. 7.2 KWESTIA ROZDZIELCZOŚCI Lorem ipsum 7.3 PERIODOGRAM LOMB-SCARGLE’a Mamy sytuację, w której kłopoty są następujące – sygnał jest nierównomiernie próbkowany, a do tego stosunkowo krótki, zaś my potrzebujemy w miarę dobrej rozdzielczości jeśli chodzi o częstotliwość. Co w takim momencie zrobić? Jednym z rozwiązań jest interpolowanie sygnału (liniowo, parabolicznie lub innym wielomianem), a następnie uzupełnienie zerami do potrzebnej długości przy danym próbkowania i liczymy FFT. Niestety rozwiązanie to nie da nam satysfakcjonujących rezultatów z powodów omówionych już wcześniej – dodawanie zer nie powoduje rzeczywistego wzrostu rozdzielczości przez brak wkładu w większą ilość informacji o sygnale. Alternatywnym rozwiązaniem jest periodogram metodą Lomba z 1976 roku. Drugi człon w nazwie pochodzi od pana Scargle, który dokonał później istotnych modyfikacji w 1982 roku. Warto jednak wspomnieć, że sama metoda Lomba jest uproszczeniem metody Petra Vaníčeka z 1971 roku, a sam algorytm zalicza się do grupy LSSA, czyli analiza spektralna metodą najmniejszych kwadratów (ang. Least Squares Spectral Analysis). Sama metoda jest stosunkowo prosta, aczkolwiek obliczeniowo dość kosztowna. Pozwala jednak na analizę nierównomiernie próbkowanych danych, co bardzo ułatwia pracę. Na początek ustalamy jakąś częstotliwość , dla której chcemy policzyć moc. Wyliczamy dla niej opóźnienie czasowe tau . Przypominam, że pulsacja to . 105 Normalizowany Lomb z wariancją: http://w3eos.whoi.edu/12.747/notes/lect07/l07s05.html Generalizowany Lomb: http://bayes.wustl.edu/glb/lomb.pdf Szybkie algorytmy Lomb-Scargle’a: http://www.astro.wisc.edu/~townsend/resource/publications/offprints/gpu-period.pdf 106