Sie sind auf Seite 1von 106

Diplomarbeit

Fourieranalyse mit Mathematica


Lars Denkewitz, HTWK-Leipzig
Betreuer: Prof. Dr. Wolfram Koepf
16. April 2000

Inhaltsverzeichnis

1 Einleitung

1.1

Allgemeines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Grundton, Obertne, Klangfarbe, Harmonische . . . . . . . . . . . . . .

1.3

Dynamik des Klanges . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.4

Klangverarbeitung im Gehirn . . . . . . . . . . . . . . . . . . . . . . . .

1.5

Merkmale einer Schwingung . . . . . . . . . . . . . . . . . . . . . . . .

1.6

Motivation und Ziel . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2 Theoretische Grundlagen

10

2.1

2p-periodische Funktionen . . . . . . . . . . . . . . . . . . . . . . . . .

10

2.2

Bestimmung der Koefzienten der trigonometrischen Reihe . . . . . . . .

12

2.3

Die Fourierreihe in trigonometrischer Darstellung . . . . . . . . . . . . .

14

2.4

Symmetriebetrachtungen . . . . . . . . . . . . . . . . . . . . . . . . . .

22

2.4.1

Gerade Funktionen . . . . . . . . . . . . . . . . . . . . . . . . .

22

2.4.2

Ungerade Funktionen . . . . . . . . . . . . . . . . . . . . . . . .

26

2.5

2p-periodische Funktionen . . . . . . . . . . . . . . . . . . . . . . . . .

28

2.6

Zusammenfassen der Summanden mit gleicher Frequenz . . . . . . . . .

31

2.7

Die Fourierreihe in komplexer Darstellung . . . . . . . . . . . . . . . . .

33

2.7.1

Eigenschaften der komplexen Formulierung . . . . . . . . . . . .

34

Konvergenzbetrachtungen . . . . . . . . . . . . . . . . . . . . . . . . . .

40

2.8.1

Besselsche Ungleichung, Parsevalsche Gleichung . . . . . . . . .

40

2.8.2

Dirichlet-Kerne . . . . . . . . . . . . . . . . . . . . . . . . . . .

44

2.8.3

Beweis des Satzes von Dirichlet . . . . . . . . . . . . . . . . . .

46

2.8

Inhaltsverzeichnis
3 Das Mathematica-Paket FTOOLS.M

49

3.1

Die Palette FOURIERPALETTE.NB . . . . . . . . . . . . . . . . . . . .

49

3.2

Exakte Berechnungen . . . . . . . . . . . . . . . . . . . . . . . . . . . .

50

3.2.1

Syntaxbeschreibung . . . . . . . . . . . . . . . . . . . . . . . .

51

Verwendung von CalculusFourierTransform . . . . . . . . . . . . . . .

76

3.3.1

Syntaxbeschreibung . . . . . . . . . . . . . . . . . . . . . . . .

77

Interaktive Eingabe . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

84

3.3

3.4

4 Zusammenfassung und Ausblick

86

A Fourier-Entwicklung einfacher periodischer Funktionen

87

Literaturverzeichnis

103

Index

104

Eidesstattliche Erklrung

106

1 Einleitung
1.1 Allgemeines
Mittels Fourierreihen werden technische Probleme z. B. in der Mechanik, Elektrotechnik, Signaltheorie, Nachrichten- und Regelungstechnik, Zeitreihenanalyse beschrieben,
berall dort, wo periodische Vorgnge untersucht werden.
Klnge in einem Konzertsaal werden durch berlagerung vieler Instrumente erzeugt.
Ein Klang ist ein akustisches Signal, also eine akustische Botschaft. Diese mu, um
zum menschlichen Ohr zu gelangen, geeignet bertragen werden. ber den Schall, der
sich im Medium Luft ausbreitet, wird dies gemeinhin ermglicht. Physikalisch gesehen ist ein Klang eine mehr oder weniger regelmige Luftdruckschwankung. Von einem gewissen Zeitpunkt an und whrend einer bestimmten Dauer startet sie von einer
Quelle (einem Instrument oder Lautsprecher) ... und breitet sich in der Luft als Wellenzug aus. Dieser wird ... vom Hrer als Luftdruckschwankung mit dem Ohr wahrgenommen[Mazzola90, S. 15/16]. Dieser Wellenzug wird auch Schallwelle genannt, denn
unter Schall verstehen wir alles, was mit dem menschlichen Hrorgan wahrgenommen
werden kann[Herrman83, S. 3]. Das Ohr im Zusammenwirken mit dem Gehirn zerlegt
die als periodische Schalldruckfunktionen ankommenden Klnge in Einzelschwingungen,
was als Signalanalyse bezeichnet wird.

1.2 Grundton, Obertne, Klangfarbe, Harmonische


Schalldruckfunktionen sind also aus Einzelschwingungen zusammengesetzt, ein Klang
besteht prinzipiell aus einem Grundton und verschiedenen Obertnen (Partialtne). Ein
Grundton hat eine Sinusform, und was umgangssprachlich als Ton bezeichnet wird, entspricht somit einer Kombination mehrerer Sinustne, dem Grundton und den Obertnen,
also einem Klang. Eine Sinuswelle lt sich anhand von drei Eigenschaften vollstndig
beschreiben: Amplitude, Periode und Phase. Bei Vernderungen der Amplitude oder der
Periode bzw. der Frequenz kann dies unser Gehr gut wahrnehmen, Phasennderungen
bleiben jedoch so gut wie unbemerkt. Viele Untersuchungen beschftigten sich mit dem
Problem der Hrbarkeit der Phasenverschiebungen, wobei daraus recht kontroverse Ergebnisse entstanden. Bereits 1862 untersuchte Helmholtz die Hrbarkeit von Phasenver-

1 Einleitung

1.2 Grundton, Obertne, Klangfarbe, Harmonische

schiebungen, wobei er sich in dem Punkt irrte, da ... die relativen Phasen dieser Partialtne fr das Ohr bedeutungslos seien[Pierce89, S. 156]. Einen Beitrag zur Klrung
dieser Frage stellte auch Michael Huter in seiner Diplomarbeit zum Thema Die Hrbarkeit von Phasennderungen in synthetischen Klngen an [Huter94].
Aus musikalischer Betrachtung sind reine Sinustne recht uninteressant, denn tiefe Sinustne erinnern an ein altes, brummendes Radiogert, hhere an eintniges, gleichmiges
Pfeifen. Sie klingen fr uns fremd und unnatrlich ... Zum Glck kommen Sinustne fast
nur in Bchern ber Musik oder Psychologie, in Akustiklabors und manchmal auch bei
schlechten Synthesizern vor[Pierce89, S. 35], in der Natur jedenfalls selten einzeln.
Bei Klngen, denen wir eine musikalische Tonhhe zuordnen, schwingen die Obertne
mit ganzzahligen Vielfachen des Grundtones, d. h. sie haben die doppelte, dreifache, vierfache usw. Frequenz des Grundtones. Ein Teilton der Obertne wird in der Musik auch
als Harmonische bezeichnet. Empnden wir einen Klang als hochtnig, ist dafr die Frequenz des Grundtones verantwortlich. Interessant ist, da ein Ton nicht unbedingt hrbar
sein mu, aus den Frequenzverhltnissen der Obertne kann unser Gehirn einen fehlenden
Grundton errechnen.
Beispiel 1.1

Mit Mathematica 3.0 ist es leicht mglich, Tne zu erzeugen. Mittels der Funktion
knnen wir beispielsweise den Zusammenhang von Frequenz und Tonhhe eines reinen
Sinustones berprfen. Im folgenden sehen wir die mit Mathematica erzeugten Graphen
einer Sinusschwingung mit 100 Hz, 200 Hz und 300 Hz. Die Addition der drei Sinustne
ergibt einen Klang (letztes Bildpaar) mit 100 Hz. Die Tne sind zeitlich etwas kurz angesetzt, jedoch ist so der Kurvenverlauf (linke Seite) gut erkennbar. Dem gegenber (rechte
Seite) sehen wir im Prinzip das gleiche Bild mit
erzeugt, hier knnen wir aber die
Periodenwerte ablesen.

 


In[1]:= Play[Sin[2 100 t],


{t, 0, 0.03},
SampleRate > 44100]

In[2]:= Plot[Sin[2 100 t],


{t, 0, 0.03}, Frame > True,
GridLines > {Automatic,
None}]
1

0.5

-0.5

-1
0

Out[1]= -Sound-

0.005

0.01

0.015

0.02

0.025

0.03

Out[2]= -Graphics-

1 Einleitung

In[3]:= Play[Sin[2 200 t],


{t, 0, 0.03},
SampleRate > 44100]

1.2 Grundton, Obertne, Klangfarbe, Harmonische

In[4]:= Plot[Sin[2 200 t],


{t, 0, 0.03}, Frame > True,
GridLines > {Automatic,
None}]
1

0.5

-0.5

-1
0

0.005

0.01

0.015

0.02

0.025

0.03

Out[3]= -Sound-

Out[4]= -Graphics-

In[5]:= Play[Sin[2 300 t],


{t, 0, 0.03},
SampleRate > 44100]

In[6]:= Plot[Sin[2 300 t],


{t, 0, 0.03}, Frame > True,
GridLines > {Automatic,
None}]
1

0.5

-0.5

-1
0

0.005

0.01

0.015

0.02

0.025

0.03

Out[5]= -Sound-

Out[6]= -Graphics-

In[7]:= Play[Sin[2 100 t]+


Sin[2 200 t]+
Sin[2 300 t],
{t, 0, 0.03},
SampleRate > 44100]

In[8]:= Plot[Sin[2 100 t]+


Sin[2 200 t]+
Sin[2 300 t],
{t, 0, 0.03}, Frame > True,
GridLines > {Automatic,
None}]
2
1
0
-1
-2
0

Out[7]= -Sound-

0.005

0.01

0.015

0.02

0.025

0.03

Out[8]= -Graphics-

1 Einleitung

1.3 Dynamik des Klanges

1
Im Beispiel wurde eine
(Abtastrate) von 44100 benutzt, was der blichen
Abtastrate von CD-Abspielgerten entspricht.

Im Vergleich stellen wir fest, da mit der Erhhung der Frequenz auch die Tonhhe steigt.
Das Zusammenspiel der drei Tne ist bei dem Klang gut hrbar.
Das Lautstrkeverhltnis der einzelnen Obertne ist bestimmend fr die Klangfarbe, d. h.
der Charakter des Klanges ergibt sich aus seinem Obertongehalt. Klnge wirken hell
oder gar schrill, wenn die hohen Frequenzkomponenten oder Partialtne strker vertreten
sind als die niedrigen. Dominieren umgekehrt die tiefen Partialtne, so wirkt die Klangfarbe eher dumpf und dunkel[Pierce89, S. 30].

1.3 Dynamik des Klanges


Ein Klang ist nicht statisch, sondern dynamisch. Das bedeutet beispielsweise, da ein auf
dem Klavier angeschlagener Ton mit der Zeit verstummt. Die Anteile der einzelnen Obertne am Gesamtklang verndern sich stndig. Diese Vernderung ist in der sogenannten
Einschwingphase am strksten und wird vom menschlichen Gehr am strksten zur Erkennung eines Klanges ausgewertet.
Die Dynamik des Klanges ist fr uns auch deswegen von Bedeutung, weil generell alle
Reize dem sogenannten Ermdungseffekt unterliegen. Dieser bewirkt, da alle gleichbleibenden, also statischen Reize oft nach kurzer Zeit nicht mehr wahrgenommen werden.

1.4 Klangverarbeitung im Gehirn


Das Gehirn bewertet und sortiert die akustischen Signale nach bekannten Merkmalen
um. Es geht hier grundstzlich um die Tatsache, da wir nicht physikalische Klnge
wahrnehmen, sondern Klassen von unterscheidbaren Klngen ...[Mazzola90, S. 41]. So
gelingt es uns auch Klnge zu erkennen, denen bestimmte Informationen fehlen oder
die verlorengegangen sind. Ein schlechtes Transistorradio hat z. B. einen Lautsprecher,
der die tiefen Tne gar nicht bertrgt, und trotzdem knnten wir ein Cello oder einen
Kontrabass heraushren. Wir hren also Klnge danach, wie unser Gehirn sie interpretiert,
und nicht wie sie physikalisch aufgebaut sind.
Das Gehr kann aber bei weitem nicht alle Schwingungen wahrnehmen, Frequenzen kleiner als 16 Hz liegen auerhalb des hrbaren Bereichs. Die Wahrnehmung von Schwin1 Allgemein

gilt: Je grer die Abtastrate, desto besser werden die Hochfrequenz-Anteile im Ton wiedergegeben[Wolfram97a, S. 178].

8
Paket (englisch: package) ist eine Sammlung von zustzlichen Funktionen zur Erweiterung von Mathematica.

2 Ein

In dieser Diplomarbeit stelle ich ein Paket2 fr das Computer-Algebra-System Mathematica 3.0 vor. Es gestattet die bisher in Mathematica 3.0 noch nicht implementierte
Ziel der Fourieranalyse ist zu Untersuchungszwecken die Gesamtfunktion des Klanges in
Grund- und Oberschwingung und den zugehrigen Amplituden mathematisch aufzuspalten.

1.6 Motivation und Ziel


Die Bewegung einer Schwingung ist hierbei nicht auf mechanische Bewegung begrenzt,
es gibt auch magnetische, optische und elektrische Schwingungen.
Abb. 1.1: Schwingungseigenschaften
1 Periode

die Frequenz gibt die Tonhhe an.

Amplitude

Zeit

die Amplitude steht fr die Lautstrke und

Die Schwingungsform bestimmt


den Klang,

Auslenkung

Eine Schwingung ist eine regelmig wiederkehrende Bewegung um einen Ruhepunkt


mit der sogenannten Amplitude (Auslenkung), als maximale Auslenkung vom Ruhepunkt, und der Frequenz als Angabe, wie oft sich dieser Vorgang in einer Sekunde wiederholt. Addiert man zu einer Schwingung eine andere, ergibt sich eine neue Schwingung
mit einer neuen Schwingungsform. Nach dem Physiker Fourier kann man jede noch so
komplexe Schwingung durch viele geeignete sinusfrmige Einzelschwingungen erzeugen. Die Untersuchung, welche das sein mssen, wird auch als Fourieranalyse bezeichnet.

1.5 Merkmale einer Schwingung


gungen hherer Frequenz hngt vom Alter und Gesundheitszustand des Gehrs ab und
reicht bis ca. 19000 Hz (junge Menschen).

1 Einleitung

1.5 Merkmale einer Schwingung

1 Einleitung

1.6 Motivation und Ziel

Mglichkeit zur exakten Berechnung von Fourierreihen und deren verschiedene grasche
Darstellungsmglichkeiten.
Im zweiten Kapitel werde ich die dem Paket zugrundeliegende Theorie der Fourieranalyse und im dritten Kapitel die Funktionen meines Paketes behandeln, wobei einige ausgewhlte Beispiele die Funktionalitt verdeutlichen sollen.
Schlielich bendet sich im Anhang eine mit dem Paket ftools.m rekonstruierte Tabelle
aus [Stcker97].
Auf der beiliegenden CD-ROM benden sich das Paket (ftools.m), die Palette (fourierpalette.nb), smtliche behandelten Beispiele incl. Anhang (beispiele.nb) und diese Diplomarbeit (dipall.ps).

2 Theoretische Grundlagen
2.1 2p-periodische Funktionen
Wir betrachten zunchst 2p-periodische Funktionen, also f (t + 2p) = f (t), t (-, ).

-4 p

-2 p

2p

4p

Abb. 2.1: Eine periodische Funktion mit Periode 2p


Ziel ist es, mglichst jede 2p-periodische Funktion als Summe von einfachen periodischen
Funktionen (Sinus, Kosinus) zu approximieren. Es wird sich herausstellen, da dies fr
die meisten in der Praxis auftretenden Funktionen gelingt. Zur Approximation von f (t)
gehen wir anfangs von folgendem einsehbaren Ansatz aus:
N

p(t) = (an cos nt + bn sin nt).

(2.1)

n=0

Ziehen wir den Summanden fr n = 0 (cos 1 = 1, sin 0 = 0) aus der Summe heraus,
knnen wir (2.1) auch schreiben als
N

p(t) = a0 + (an cos nt + bn sin nt).

(2.2)

n=1

Wir denieren trotz (2.2), wobei uns der Faktor

1
2

vor a0 spter noch verstndlich wird:

10

2 Theorie

2.1 2p-periodische Funktionen

Denition 2.1.1 Es sei N und an , bn , t . Die Funktion


N

a
p(t) = 0 + (an cos nt + bn sin nt)
2 n=1
a
= 0 + (a1 cos t + b1 sin t) + + (aN cos t + bN sin t)
2

(2.3)

heit trigonometrisches Polynom. Es ist vom Grad N, falls an und bn nicht zugleich verschwinden.
Es ist offensichtlich, da p(t) die Periode 2p besitzt. Fr gengend groe N approximiert
p(t) unsere 2p-periodische Funktion f (t), wenn wir die Koefzienten a n und bn gnstig
whlen. Die Koefzienten sind dann eindeutig bestimmt, mit anderen Worten, zwei 2pperiodische, trigonometrische Polynome sind also genau dann gleich, wenn alle Koefzienten beim Koefzientenvergleich bereinstimmen. Es liegt nahe, von trigonometrischen
Polynomen zu trigonometrischen Reihen berzugehen.
Denition 2.1.2 Es sei an , bn , t . Die Reihe

a
f (t) = 0 + (an cos nt + bn sin nt)
2 n=1
a
= 0 + (a1 cos t + b1 sin t) + (a2 cos 2t + b2 sin 2t) +
2

(2.4)

heit trigonometrische Reihe.


Trigonometrische Reihen sind bei geeigneter Wahl der Koefzienten a n und bn konvergent
und nicht anders als trigonometrische Polynome periodisch mit der Periode 2p. Wir setzen
absolute Konvergenz der Reihenglieder voraus und halten fest:
Satz 2.1.3 Konvergiert die trigonometrische Reihe (2.4), so besitzt sie die Periode 2p.
Beweis:

a
f (t + 2p) = 0 + (an cos n(t + 2p) + bn sin n(t + 2p))
2 n=1
= f (t)

Die Bedingungen fr die Konvergenz der trigonometrischen Reihen bzw. spter der Fourierreihen werden wir noch untersuchen.

11

2 Theorie

2.2 Koefzienten trigonometrische Reihe

2.2 Bestimmung der Koefzienten der


trigonometrischen Reihe
Um die Koefzienten der trigonometrischen Reihe (2.4) zu bestimmen, nutzen wir die
Orthogonalitt von Sinus und Kosinus.
Denition 2.2.1 Ein Funktionensystem S = 9 f 0 (t), f1 (t), f2(t), = heit Orthogonal-System
auf [a, b], wenn gilt

fr k l,

fk (t) fl (t) t =

> 0 fr k = l.

(2.5)

Im Hinblick auf die trigonometrische Reihe betrachten wir das System


S = {1, cos t, sin t, cos 2t, sin 2t, }
= {1, cos kt, sin kt | k = 1, 2, 3, },

t [0, 2p].

(2.6)

Wir knnen folgenden Satz formulieren:


Satz 2.2.2 Sei n, m . Das Funktionensystem (2.6) ist auf [0, 2p] ein OrthogonalSystem.
Beweis: Mit Hilfe der Beziehungen
1
sin x sin y = 2 (cos (x - y) - cos (x + y))

1
sin x cos y = 2 (sin (x - y) + sin (x + y))

cos x cos y = 1 (cos (x - y) + cos (x + y))


2

zeigen wir
0 1 1 t = t|2p = 2p
0
2p

1.

cos nt
0 1 sin nt t = - n |2p = 0
0
2p

0 1 cos nt t =
2p

0 sin nt sin mt t = 0

2p

2.

sin nt 2p
|
n 0

2p cos (n-m)t-cos (n+m)t


2

0 sin nt cos mt t = 0
2p

=0

2p sin (n-m)t+sin (n+m)t


2

t = ;

t = 0,

0, m n
p, m = n
n = m, n m

12

2.2 Koefzienten trigonometrische Reihe


0 cos nt cos mt t = 0

2p cos (n-m)t+cos (n+m)t


2

2p

1. 0 1 t = 2p

t = ;

0, m n
p, m = n

2 Theorie

2p

2. 0 sin nt t = 0
2p

fr n = 1, 2, 3,

3. 0 cos nt t = 0
2p

2p

4. 0 cos nt cos mt t =

2p

5. 0 sin nt sin mt t =

6. 0 sin nt cos nt t = 0
2p

fr n = 1, 2, 3,
fr m n
fr m = n
fr m n
fr m = n
fr m, n = 1, 2, 3,

Tab. 2.1: Zusammenstellung der Orthogonalittsrelationen von S


Wir wollen nun fr die trigonometrische Reihe (2.4) unter Zuhilfenahme des Satzes 2.2.2
die Koefzienten a0 , an und bn bestimmen. Die Multiplikation jeder einzelnen Funktion
aus (2.6) und die anschlieende gliedweise Integration im Intervall [0, 2p] bringt folgende
Ergebnisse:

2p
2p

a0
2p
a

n cos nt 1 t + bn sin nt 1 t .
1. 0 f (t) 1 t =

1 t +

2 0


0
0

n=1

a0 p
0
0

Damit ergibt sich fr a0 :


2p

a0 =

1 2p
f (t) t .
p 0

13

2 Theorie

2.3 Die Fourierreihe in trigonometrischer Darstellung

2.

2p
0

2p
a0
cos kt t
f (t) cos kt t =
2
0

2p
2p

+ n cos nt cos kt t + bn sin nt cos kt t (2.7)

0
0
n=1

0, n k

ak p, n = k

Damit ergibt sich fr ak :


ak =
3.

2p
0

1 2p
f (t) cos kt t,
p 0

k = 1, 2, 3,

2p
a0
f (t) sin kt t =
sin kt t
2
0

2p
2p

+ n cos nt sin kt t + bn sin nt sin kt t (2.8)

0
0

n=1

0, n k

bk p, n = k

Damit ergibt sich fr bk :


1 2p
f (t) sin kt t,
bk =
p 0

k = 1, 2, 3,

2.3 Die Fourierreihe in trigonometrischer


Darstellung
Wir haben nun fr eine 2p-periodische Funktion f (t) die Koefzienten a 0 , ak und bk formal bestimmt. Die trigonometrische Reihe fr eine 2p-periodische Funktion f (t) auf dem
Intervall [0, 2p] bezeichnen wir nun als Fourierreihe F ( f ) (t):

14

2 Theorie

2.3 Die Fourierreihe in trigonometrischer Darstellung

Denition 2.3.1 Es sei an , bn , t . Die Reihe

a
F ( f ) (t) = 0 + (an cos nt + bn sin nt)
2 n=1

(2.9)

heit Fourierreihe von f (t) mit den Fourierkoefzienten:


1 2p
f (t) t
p 0
1 2p
ak =
f (t) cos kt t,
p 0
1 2p
f (t) sin kt t,
bk =
p 0

a0 =

(2.10)
k = 1, 2, 3,

(2.11)

k = 1, 2, 3,

(2.12)

Bemerkung 2.3.2 Fr die Berechnung der Fourierkoefzienten gem Abschnitt 2.2 bentigen
wir die gliedweise Integration von (2.4), was nicht selbstverstndlich ist. Es sei an die Begriffe der
punktweisen und gleichmigen Konvergenz von Funktionenfolgen erinnert [Brigola97]:
Denition 2.3.3 Eine Folge von Funktionen f N : I konvergiert punktweise gegen eine Funktion f : I , wenn lim fN (t) = f (t) fr jedes t I gilt. Sie konvergiert auf I gleichmig gegen
N

f , wenn der Maximalfehler sup | fN (t) - f (t)| auf I fr N gegen Null geht.
tI

Zusammenfassend ergeben sich daraus einige wichtige Gegebenheiten:


1. Eine punktweise konvergente Folge ( f N )NN kann eine unstetige Grenzfunktion f besitzen,
auch wenn alle Funktionen f N stetig sind. Konvergiert eine Folge stetiger Funktionen f N
aber gleichmig gegen eine Funktion f , dann ist auch f stetig.
2. Besonders wichtig ist die gleichmige Konvergenz bei Funktionenreihen, mit denen wir
uns ja beschftigen. Eine Funktionenreihe fn konvergiert auf einem Intervall I gleichn=1
mig gegen eine Funktion f , wenn die Folge N fn ihrer Partialsummen fr N
n=1
auf I gleichmig gegen f konvergiert. Die zentrale Aussage lautet nun: Eine gleichmig
konvergente Reihe stetiger Funktionen f n darf gliedweise integriert werden:

f (t) t =

fn (t) t =
n=1

n=1

fn (t) t

(a, b I).

Bemerkung 2.3.4 Betrachten wir die Fourierkoefzienten, dann wird uns jetzt klar, warum der
einzige konstante Koefzient a0 den Faktor 1 besitzt. Dadurch ergibt sich fr alle Fourierkoef2
zienten eine gemeinsame Formel. In der Literatur ndet man aber auch hug die alternative
Schreibweise (siehe auch 2.2) fr die Fourierreihe (2.9):

F ( f ) (t) = a0 + (an cos nt + bn sin nt)


n=1

15

2 Theorie

2.3 Die Fourierreihe in trigonometrischer Darstellung

und im Vergleich zu (2.10) fr a0 :


2p
1
f (t) t.
2p 0
Die Berechnungsformeln fr ak und bk bleiben gem (2.11) und (2.12) erhalten.

a0 =

Bemerkung 2.3.5 Interessant ist, da sich beim bergang von F N ( f ) zu FN+1 ( f ) die Fourierkoefzienten an , n = 0, 1, , N und bn , n = 1, 2, , N nicht ndern.

Bemerkung 2.3.6 Bei der periodischen Fortsetzung einer Funktion f(t) im Intervall [0, 2p] auf
gilt fr ein beliebiges a :

2p
0

f (t) t =

a+2p

f (t) t.

(2.13)

Durch eine Verschiebung der Integralgrenzen kann eine Minderung des Aufwandes bei der Berechnung der Integrale bei den Fourierkoefzienten erreicht werden, wobei hug a = -p gewhlt
wird. Will man zum Beispiel die Fourierreihe der Funktion
f (t) = ;

t2
,
2,
(t - 2p)

fr t p
fr p < t 2p

bestimmen, empehlt es sich, anstelle von f (t) die Funktion


g(t) = t 2 ,

fr - p t p

zur Berechnung der Fourierkoefzienten heranzuziehen.


f (t)

g(t)

10

10

Abb. 2.2: Die Graphen der Funktionen f (t) und g(t)

Die Berechnung der Fourierkoefzienten beider Funktionen fhrt zu identischen Ergebnissen und
damit zu derselben Fourierreihe (vgl. S. 11):
F ( f ) (t) = F (g) (t).

Degradieren wir die Fourierreihe zu einem trigonometrischen Polynom (2.3) bzgl. der
Anzahl der Summanden, d. h. berechnen wir nicht die unendliche Summe der Fourierreihe, sondern lediglich bis zu einem bestimmtem N , so bezeichnen wir sie als N-te
Teilsumme der Fourierreihe bzw. als abgebrochene Fourierreihe der Ordnung N.

16

2 Theorie

2.3 Die Fourierreihe in trigonometrischer Darstellung

Denition 2.3.7 Es sei N und an , bn , t . Die Reihe


N

a
FN ( f ) (t) = 0 + (an cos nt + bn sin nt)
2 n=1

(2.14)

heit abgebrochene Fourierreihe der Ordnung N (siehe Abbildung 2.3) .

Abb. 2.3: Die Graphen einer Funktion und deren zugehrige abgebrochene Fourierreihe
Nun ist noch nicht klar, ob die Fourierreihe F ( f ) (t) fr jede Funktion f (t) konvergiert
und, falls ja, diese darstellt. Wie eingangs bereits erwhnt, ist dies fr die meisten in der
Praxis auftretenden Funktionen der Fall, und es gilt:
F ( f ) (t) = lim FN ( f ) (t) = f (t).
N

Da es auch stetige, 2p-periodische Funktionen gibt, deren Fourierreihe an unendlich vielen Stellen eines Periodenintervalls divergiert [Westermann97, Brigola97], wollen wir uns
berlegen, unter welchen Bedingungen die Fourierreihe konvergiert und mit f (t) bereinstimmt. Wir denieren zunchst [StGaVo97]:
Denition 2.3.8 Die Funktion
f : [a, b]
heit stckweise stetig differenzierbar oder stckweise glatt, wenn es eine Partition von
[a, b] in endlich viele Teilintervalle gibt, so da im Inneren jedes Teilintervalles die Funktion f stetig differenzierbar ist, und in jedem Punkt aus [a, b], insbesondere an den Trennstellen der Teilintervalle, die einseitigen Grenzwerte von f und f existieren.

17


f- (t0 ) = lim
-

f+ (t0 ) = lim
+

18
f (t) - f (t0 )
= lim f (t)
tt0
t - t0

f (t) - f (t0 )
= lim f (t).
+
tt0
t - t0

tto

tto

In einem Teilpunkt t0 besitzt also eine stckweise stetig differenzierbare Funktion eine
links- und rechtsseitige Ableitung, f ist demnach beschrnkt:
Abb. 2.4: Eine stckweise stetig differenzierbare Funktion

sind jedoch voneinander verschieden, ist die Funktion nicht differenzierbar in t 0 . In diesem Fall
bezeichnet man aber in der Literatur (z. B. [Werner97]) die Funktion hug auch als links- und
rechtsseitig differenzierbar im Punkt t 0 . Anschaulich hat der Graph der Funktion bei Stetigkeit an
dieser Stelle einen Knick, d. h. die Steigung der Tangente ndert sich an der Knickstelle sprunghaft. Stimmen links- und rechtsseitige Ableitung in t 0 berein, dann ist auch die hinreichende
Bedingung fr Differenzierbarkeit erfllt. Ist die Funktion an einem Punkt links- und rechtsseitig
differenzierbar jedoch unstetig, ist dies als Sprung im Graph der Funktion zu erkennen.
lim

f (t) - f (t0 )
t - t0

lim
+

f (t) - f (t0 )
,
t - t0

tt0

tt0

Bemerkung 2.3.9 Notwendige aber nicht hinreichende Bedingung fr Differenzierbarkeit einer


Funktion an einer Stelle t0 ist die Stetigkeit an dieser Stelle. Existieren die links- und rechtsseitige
Ableitung, d. h. existieren die beiden Grenzwerte

2 Theorie

2.3 Die Fourierreihe in trigonometrischer Darstellung

2 Theorie

2.3 Die Fourierreihe in trigonometrischer Darstellung

Dies ergibt sich aus dem Mittelwertsatz: Es existiert ein c- (a, t0 ) bzw. ein c+ (t0 , b)
mit
f (a) - f (t0 )
= f (c- )
a - t0
f (b) - f (t0 )
= f (c+ ).
b - t0
In dem Teilpunkt t0 existiert der linksseitige und der rechtsseitige Grenzwert:
f- (t0 ) = lim f (t)
tt0

f+ (t0 ) = lim f (t).


+
tt0

Falls fr die Fourierreihe gilt:


F ( f ) (t0 ) =

f- (t0 ) + f+ (t0 )
,
2

bezeichnen wir dies als Mittelwerteigenschaft. Wir knnen nun einen Satz formulieren,
der auf Dirichlet zurckgeht [Brigola97]:
Satz 2.3.10 Ist f (t) auf [a, b] stckweise stetig differenzierbar, dann konvergiert die Fouf (t) + f+ (t)
rierreihe F ( f ) (t) an jeder Stelle t gegen , an Stetigkeitsstellen t also gegen
2
f (t).
Der exakt rechnerisch durchgefhrte Beweis dieses Satzes wird in Abschnitt 2.8.3 auf S.
46 gezeigt.
Eine stckweise stetige differenzierbare Funktion besitzt auf [a, b] ein Minimum und ein
Maximum, ist also beschrnkt und damit ber [a, b] Riemann-integrierbar [Stcker97].
Die Funktionswerte in endlich vielen Unstetigkeitsstellen haben bekanntlich keinen Einu auf das Integral ber [a, b].
Beispiel 2.1
Fr unser erstes Beispiel whlen wir fr t [0, 2p]:
f (t) = ;

t
wenn t p
t - 2p wenn p < t 2p.

Die Funktion ist an sich nicht periodisch, dies knnen wir aber durch eine periodische
Fortsetzung auf ganz erreichen. Wir wollen das Zeichnen des Graphen der Funktion
f (t) Mathematica berlassen und laden zunchst das Paket.

19

2 Theorie

2.3 Die Fourierreihe in trigonometrischer Darstellung

In[9]:= << eigeneftools

Nach Bemerkung 2.3.6 auf S. 16 knnen wir fr a = -p die Funktion einfacher denieren
als
In[10]:= f = t;

in dem Denitionsbereich
In[11]:= d = {t, , };

Wir schauen uns den Plot an:


In[12]:= PlotPeriodicalContinuation[f, d, 2]

3
2
1

-15

-10

-5

10

15

-1
-2
-3

Out[12]= -Graphics-

Man bezeichnet solche Funktionen dem Aussehen nach auch als Sgezahnfunktion.
Der blau gezeichnete Kurvenabschnitt stellt die denierte Funktion f dar, der schwarz
gezeichnete die periodische Fortsetzung. Wir berechnen die Fourierkoefzienten und erhalten fr an , n 0:
In[13]:= FourierCosSeriesCoefficientExact[f, d, n]
Out[13]= 0

und fr bn , n > 0 (da b0 = 0, " f ):


In[14]:= FourierSinSeriesCoefficientExact[f, d, n]
2(1)n
Out[14]= IfAn == 0, 0,
E
n

Wir haben nun die Fourierreihe exakt bestimmt, nmlich F ( f ) (t) = -2


n=1
Dies knnen wir uns auch von Mathematica ausgeben lassen:

(-1)n
n

sin nt.

In[15]:= FourierTrigSeriesExact[f, d, n]

2(1)n Sin[nt]
Out[15]=
n
n=1

Weiterhin wollen wir uns den Graph der Nherung, also den Graph der abgebrochenen
Fourierreihe der Ordnung N = 5 und N = 20 ansehen.

20

2 Theorie

2.3 Die Fourierreihe in trigonometrischer Darstellung

In[16]:= PlotFourierImageExact[f, d, n, 5]

n=5
3
2
1
-3

-2

-1

-1
-2
-3

Out[16]= -GraphicsIn[17]:= PlotFourierImageExact[f, d, n, 20]

n=20
3
2
1
-3

-2

-1

1
-1
-2
-3

Out[17]= -Graphics-

Die rot gezeichnete Funktion ist der Graph der abgebrochenen Fourierreihe fr die oben
denierte Funktion f (t). Die Fourierkoefzienten bn der Fourierreihe verhalten sich proportional zu 1 . Durch die periodische Fortsetzung von f (t) existieren an den Periodenn
intervallgrenzen Sprungstellen. In der Nhe dieser Unstetigkeitsstellen berschwingt die
abgebrochene Fourierreihe die darzustellende Funktion, wobei die Amplitude der hochfrequenten Anteile der Fourierreihe auch bei einem hherem Grad N erhalten bleibt. Lediglich die Anzahl der Oszillationen erhht sich, also die Breite des berschwingenden
Anteils wird mit zunehmendem N kleiner. Man bezeichnet dieses berschwingen auch
als Gibbssches Phnomen. Ein Nachweis des Gibbs-Phnomens am Beispiel der Sgezahnfunktion ndet sich in [Brigola97, S. 20].

21

2 Theorie

2.4 Symmetriebetrachtungen

2.4 Symmetriebetrachtungen
Besitzt die Funktion f (t) Symmetrieeigenschaften, knnen die Koefzienten vereinfacht
dargestellt werden, wobei wir folgende Eigenschaften gerader und ungerader Funktionen
kennen mssen:
f (t)
gerade
gerade
ungerade
ungerade

f (t) g(t)
gerade
ungerade
ungerade
gerade

g(t)
gerade
ungerade
gerade
ungerade

Tab. 2.2: Symmetriebestimmung von multiplikativ zusammengesetzten Funktionen

2.4.1

Gerade Funktionen (Graph symmetrisch zur Ordinate)

Wir bezeichnen eine Funktion als gerade, wenn sie die folgende Eigenschaft besitzt:

f (t)

f (-t) = f (t)

t0

t (-, ).

-t0

f (-t) = f (t),

Abb. 2.5: Eine gerade Funktion


Aus Bemerkung 2.3.6 und aus (2.10) sowie Tabelle 2.2 erhalten wir fr gerade Funktionen:
2 p
1 p
(2.15)
a0 = f (t) t = f (t) t
p -p
p 0
1 p
2 p
ak = f (t) cos kt t = f (t) cos kt t
(2.16)
p -p
p 0
1 p
bk = f (t) sin kt t = 0.
(2.17)
p -p
Beispiel 2.2

Wir whlen uns die Funktion


0

f (t) =

wenn -2 < t -1,


wenn -1 < t 1

22

2 Theorie

2.4 Symmetriebetrachtungen


 

und denieren sie in Mathematica mit Hilfe der

-Funktion:

In[18]:= f = UnitStep[t + 1];


d = {t, 2, 1};

Durch die periodische Fortsetzung auf ganz ergibt sich eine gerade Funktion (senkrechte Striche gehren nicht zum Graph der Funktion).
In[19]:= PlotPeriodicalContinuation[f, d, 1]
1
0.8
0.6
0.4
0.2

-4

-2

Out[19]= -Graphics-

Wir berechnen die Fourierkoefzienten und erhalten fr an :

  "       
$ ! #! 

enthlt die Funktion


, die fr bestimmte n0 die Fourierkoefzienten an0 berechnen kann. Diese beruht auf der in Bemerkung 2.3.4 auf S. 15 vorgestellten alternativen
Darstellung der Fourierreihe. Um beide Funktionen fr bestimmte n 0 direkt vergleichen
zu knnen, wurde diese Darstellung auch fr die
-Form gewhlt.

Das bereits existierende Paket

%
& 

In[20]:= FourierCosSeriesCoefficientExact[f, d, n]
2 2 Sin A 2n E
3
Out[20]= IfAn == 0, ,
E
3
n

 " "    
)' ('  '

 2

1
0

In[21]:= FourierCosSeriesCoefficient[f, d, 0]
2
Out[21]=
3

Fr bn erhalten wir:
In[22]:= FourierSinSeriesCoefficientExact[f, d, n]
Out[22]= 0

Damit ergibt sich als Fourierreihe:


In[23]:= FourierTrigSeriesExact[f, d, n]

2 Cos A 2nt E Sin A 2n E


2
3
3
Out[23]=
+
3 n=1
n

Die Graphen der Funktion und ihrer Approximation 10. und 30. Ordnung erhalten wir
durch:

23

2 Theorie

2.4 Symmetriebetrachtungen

In[24]:= PlotFourierImageExact[f, d, n, 10, FourierContinue > 1]

n=10
1
0.8
0.6
0.4
0.2
-4

-2

Out[24]= -GraphicsIn[25]:= PlotFourierImageExact[f, d, n, 30, FourierContinue > 1]


n=30
1
0.8
0.6
0.4
0.2
-4

-2

Out[25]= -Graphics-

Man erkennt, da ebenfalls viele Summenglieder der Fourierreihe berechnet werden mssen, um die Funktion halbwegs gut anzunhern. Die Fourierkoefzienten a n der Fourier1
reihe verhalten sich wieder proportional zu n . Auch hier ist das Gibbssche Phnomen gut
erkennbar.
Beispiel 2.3
Wir whlen uns eine weitere gerade Funktion, wie sie in Abbildung 2.1 auf S. 10 dargestellt wird. Sie ist die periodische Fortsetzung von
In[26]:= f = Sin[t/2];
d = {t, 0, 2};
In[27]:= PlotPeriodicalContinuation[f, d, 2]

24

2 Theorie

2.4 Symmetriebetrachtungen
1
0.8
0.6
0.4
0.2

-10

-5

15

10

Out[27]= -Graphics-

Wir berechnen die Fourierkoefzienten und erhalten fr an :


In[28]:= FourierCosSeriesCoefficientExact[f, d, n]
4
2
Out[28]= IfAn == 0, ,
E
4n2

und wie erwartet fr bn :

In[29]:= FourierSinSeriesCoefficientExact[f, d, n]
Out[29]= 0

Damit ergibt sich die folgende Fourierreihe:


In[30]:= FourierTrigSeriesExact[f, d, n]

2
4 Cos[nt]
Out[30]=
+
n=1 I 1 + 4n2 M

Den Graphen der Funktion und ihrer Approximation 3. Ordnung erhalten wir durch:

In[31]:= PlotFourierImageExact[f, d, n, 3]
n=3
1
0.8
0.6
0.4
0.2

Out[31]= -Graphics-

Man erkennt, da nur wenige Summenglieder der Fourierreihe berechnet werden mssen,
um die Funktion erkennbar gut anzunhern. Es bauen sich keine Oszillationen im Periodenintervall auf, da keine Sprnge vorhanden sind, also kein Gibbssches Phnomen. Die
Koefzienten an der Fourierreihe verhalten sich proportional zu n12 .

25

2 Theorie

2.4.2

2.4 Symmetriebetrachtungen

Ungerade Funktionen (Graph symmetrisch zum


Koordinatenursprung)

Wir bezeichnen eine Funktion als ungerade, wenn sie die folgende Eigenschaft besitzt:

- f (-t) = f (t)

f (t)

t (-, ).

-t0

t0

- f (-t) = f (t),

Abb. 2.6: Eine ungerade Funktion


Analog erhalten wir hier:

Beispiel 2.4

1 p
a0 = f (t) t = 0
p -p
1 p
ak = f (t) cos kt t = 0
p -p
2 p
1 p
bk = f (t) sin kt t = f (t) sin kt t.
p -p
p 0

(2.18)
(2.19)
(2.20)

Wir whlen uns fr dieses Beispiel die ungerade Funktion:


In[32]:= f = t3;
d = {t, , };
In[33]:= PlotPeriodicalContinuation[f, d, 2, PlotRange > All]

30
20
10

-15

-10

-5

10

15

-10
-20
-30

Out[33]= -Graphics-

26

2 Theorie

2.4 Symmetriebetrachtungen

Die Berechnung der Fourierkoefzienten bringt erwartungsgem fr a n :


In[34]:= FourierCosSeriesCoefficientExact[f, d, n]
Out[34]= 0

und fr bn :
In[35]:= FourierSinSeriesCoefficientExact[f, d, n]
2(1)n I 6 + n2 2 M
Out[35]= IfAn == 0, 0,
E
n3

Damit erhalten wir also fr die Fourierreihe F ( f ) (t):

In[36]:= FourierTrigSeriesExact[f, d, n]

2(1)n I 6 + n2 2 M Sin[nt]
Out[36]=
n3
n=1

Wir lassen uns die grasche Darstellung der abgebrochenen Fourierreihen fr N = 5 und
N = 40 ausgeben:
In[37]:= PlotFourierImageExact[f, d, n, 5, PlotRange > All]

n=5
30
20
10
-3

-2

-1

-10
-20
-30

Out[37]= -GraphicsIn[38]:= PlotFourierImageExact[f, d, n, 40, PlotRange > All]


n=40
30
20
10
-3

-2

-1

-10
-20
-30

Out[38]= -Graphics-

27

2 Theorie

2.5 2p-periodische Funktionen

Im Gegensatz zum vorherigen Beispiel 2.3 auf S. 24 erkennen wir hier wieder, da eine
groe Anzahl von Summengliedern notwendig ist, um die Funktion einigermaen durch
eine Fourierreihe zu approximieren. Dabei ist abermals das Gibbssche Phnomen zu be1
obachten. Die Koefzienten bn der Fourierreihe verhalten sich proportional zu n , dies und
das Gibbssche Phnomen ist der Grund fr die schlechte Konvergenz.

2.5 2p-periodische Funktionen


Nun betrachten wir 2p-periodische Funktionen, also f (t + 2p) = f (t), t (-, ).
Im Grunde mssen wir lediglich die Fourierreihe einer 2p-periodischen Funktion an die
Fourierreihe einer 2p-periodischen Funktion anpassen, d. h. die einzelnen Sinus- und Kosinusterme auf dem Intervall [0, 2p] hinreichend stauchen bzw. strecken. Wir fhren eine
p
t
Hilfsvariable z = 2p 2p = pt ein, durch einfache Umstellung ergibt sich t = z p und
p
p
damit f (t) = f Iz p M = g(z). Wir zeigen nun, da g(z) die Periode 2p besitzt:
p
p
g(z + 2p) = f K(z + 2p) O = f Kz + 2pO
p
p
p
= f (t + 2p) = f (t) = f Kz O
p
= g(z) .

Die Entwicklung von g(z) in eine Fourierreihe F (g) (z) fhrt uns zu folgendem Ergebnis:

F (g) (z) =

a0
+ (a cos nz + bn sin nz)
2 n=1 n

p
p
a
F ( f ) (t) = F (g) (z) = 0 + Kan cos n t + bn sin n tO .
2 n=1
p
p

(2.21)

F (g) (z) besitzt also die Periode 2p. Daraus folgt fr die Fourierkoefzienten einer 2pperiodischen Fourierreihe F ( f ) (t):
1 2p
1 2p
f (t) t
g(z) z = p
p 0
0
1 2p
1 2p
p
an = g(z) cos nz z =
f (t) cos n t t
p 0
p 0
p
2p
2p
1
p
1
f (t) sin n t t.
bn = g(z) sin nz z =
p 0
p 0
p
a0 =

(2.22)
(2.23)
(2.24)

28

2 Theorie

2.5 2p-periodische Funktionen

Periode 2p

Periode 2p
w=

F ( f ) (t) =

a0
+ an
2
n=1

cos nt

+ bn sin nt

p
p

F ( f ) (t) =

n=1

2p

a0 = 1 f (t) t
p
0
2p

1
an = p f (t) cos nt t

a0 =

1
p

an =

1
p

bn =

1
p

a0 =

2
p

f (t) t
0
p

an =

2
p

f (t) cos nwt t

f (t) gerade

bn = 0

n = 1, 2, 3,

a0 = 0

f (t) sin nwt t


n = 1, 2, 3,

0
p

bn = 0

Allgemeine Formeln
fr Koefzienten

2
an = p f (t) cos nt t

f (t) cos nwt t


0
2p

n = 1, 2, 3,

a0 = f (t) t

Allgemeine
Reihendarstellung

+ bn sin nwt

f (t) t
0
2p

2
p

cos nwt

n=1

2p

0
2p

bn = 1 f (t) sin nt t
p

a0
+ an
2
n=1

n = 1, 2, 3,

a0 = 0

an = 0

an = 0
p

bn = 2 f (t) sin nt t
p
0

n = 1, 2, 3,

bn =

2
p

f (t) ungerade

f (t) sin nwt t


0

n = 1, 2, 3,

Tab. 2.4: Fourierreihen einer 2p- und 2p-periodischen Funktion in trigonometrischer Darstellung

29

2 Theorie

2.5 2p-periodische Funktionen

Beispiel 2.5
Wir betrachten die Funktion:
In[39]:= f = (t + 1/2)2;
d = {t, 3/2, 1/2};

deren Fortsetzung 2p-periodisch mit p = 1 ist:


In[40]:= PlotPeriodicalContinuation[f, d, 1]
1
0.8
0.6
0.4
0.2

-3

-2

-1

Out[40]= -Graphics-

Die Berechnung der Fourierkoefzienten ergibt fr an :


In[41]:= FourierCosSeriesCoefficientExact[f, d, n]
1 4(1)n Cos A n E
2
Out[41]= IfAn == 0, ,
E
3
n2 2

und fr bn :

In[42]:= FourierSinSeriesCoefficientExact[f, d, n]
4(1)n Sin A n E
2
Out[42]= IfAn == 0, 0,
E
n2 2

Damit erhalten wir die Fourierreihe in der Form:


In[43]:= FourierTrigSeriesExact[f, d, n]

4 Cos A 1 n(1 2t)E


1
2
Out[43]=
+
3 n=1
n2 2

Der Plot der Graphen der Funktion f (t) und deren Approximation 2. Ordnung ergibt:
In[44]:= PlotFourierImageExact[f, d, n, 2, FourierContinue > 1]

30

2 Theorie

2.6 Zusammenfassen der Summanden mit gleicher Frequenz


n=2
1
0.8
0.6
0.4
0.2

-3

-2

-1

Out[44]= -Graphics-

Die Fourierreihe konvergiert sehr schnell, nur wenige Glieder mssen berechnet werden,
um die Funktion anschaulich gut anzunhern. Wir sehen, da keine Sprnge existieren,
keine Oszillationen und kein Gibbssches Phnomen auftreten. Die Fourierkoefzienten
an und bn verhalten sich proportional zu n12 .

2.6 Zusammenfassen der Summanden mit


gleicher Frequenz
Ist f (t) eine periodische Schwingung mit der Schwingungsdauer 2p, wird sie im allgemeinen durch die Fourierreihe

a
F ( f ) (t) = 0 + (an cos nwt + bn sin nwt)
2 n=1

(2.25)

zu jedem Zeitpunkt t mit der Kreisfrequenz w = p und den genannten Fourierkoefzip


enten dargestellt. Die Darstellung von f (t) des Signals in eine Fourierreihe, also in die
Summe unendlich vieler Kosinus- und Sinusfunktionen, bedeutet physikalisch die Zerlegung in seine harmonischen Bestandteile. Diese bestehen aus der Grundschwingung mit
der Kreisfrequenz w und den Oberschwingungen mit den Kreisfrequenzen nw. Die Strke
des Einusses der Oberschwingungen stellen die Fourierkoefzienten als Amplituden am
Signal dar. Da die Kosinusfunktion eine Phasenverschiebung der Sinusfunktion darstellt,
kann die berlagerung der Sinus- und Kosinusfunktionen aufgrund gleicher Kreisfrequenz fr ein bestimmtes n auch geschrieben werden als

F ( f ) (t) =
Unter Verwendung der Beziehung

a0
+ A sin (nwt + fn ).
2 n=1 n

(2.26)

sin (x + y) = sin x cos y + cos x sin y

31

2 Theorie

2.6 Zusammenfassen der Summanden mit gleicher Frequenz

berprfen wir das Ergebnis (2.26):

a
F ( f ) (t) = 0 + An sin (nwt + fn )
2 n=1

a0
+ (An sin fn cos nwt + An cos fn sin nwt).

2 n=1

an

(2.27)

bn

Um die Beziehung zwischen An , an , bn und fn aufzudecken, mssen wir lediglich aus


(2.27) die beiden Gleichungen
an = An sin fn
bn = An cos fn

(2.28)
(2.29)

quadrieren und danach addieren:


a2 + b2 = A2 (sin2 fn + cos2 fn ) .
n
n
n

Es ergibt sich also:


An =

a2 + b2 .
n
n

(2.30)

Dividieren wir die Gleichung (2.28) durch (2.29), erhalten wir leicht:
tan fn =

sin fn
a
= n.
cos fn bn

(2.31)

In der praktischen Anwendung (z. B. Elektrotechnik) wird hug die Form (2.26) benutzt.

an

An

fn

bn
Abb. 2.7: Geometrische Darstellung der Beziehung zwischen a n , bn , An und fn
Hierbei ist An die Gesamtamplitude, mit der die Kreisfrequenz nw im Signal vorkommt.
a
Der Wert 20 wird als Gleichanteil in f (t) (zum Beispiel der Gleich(spannungs)anteil in
einer Wechselspannung) bezeichnet und entspricht dem Mittelwert der Funktion innerhalb
einer Schwingungsdauer. Zur graschen Darstellung verwendet man hug die beiden
folgenden Diagramme:

32

fn

An

2.7 Die Fourierreihe in komplexer Darstellung

2 Theorie

Abb. 2.8: Amplitudenspektrum

Abb. 2.9: Phasenspektrum

In diesen Schaubildern werden die Gesamtamplitude An (Amplitudenspektrum) und die


Phasen fn (Phasenspektrum) als Werte ber den diskreten Frequenzen abgetragen. Das
Amplitudenspektrum ist dabei interessanter und verdeutlicht, welche Frequenzanteile in
einer Fourierreihe enthalten sind. Anhand der sinkenden Amplituden in Abhngigkeit
von n ist gut erkennbar, wie schnell die Fourierreihe die zu approximierende Funktion
darstellt. Die Gre
6
5
5
5
5
5
5 |cn |2
5
4
n=2

|cn |2
n=1

heit Klirrfaktor. Der Klirrfaktor ist ein Mastab fr den Oberschwingungsanteil von f (t)
und damit ein Ma fr die Verzerrung von f gegenber der reinen Grundschwingung.

2.7 Die Fourierreihe in komplexer Darstellung


Fr rechnerische Zwecke ist meist eine komplexe Darstellung ntzlicher. Die Darstellung
in komplexer Schreibweise ergibt sich direkt aus der Eulerschen Formel
ey = cos y + sin y,

" y , 2 = -1.

(2.32)

Mit (2.32) und y = nw t aus unserer Fourierreihe (2.25) ergibt sich durch einfaches Einsetzen:
enwt = cos nwt + sin nwt

(2.33)

-nwt

(2.34)

= cos nwt - sin nwt.

Wir addieren (2.33) und (2.34) und erhalten:


cos nwt =

1 nwt
Ie
+ e-nwt M .
2

(2.35)

33

2 Theorie

2.7 Die Fourierreihe in komplexer Darstellung

Wenn wir nun (2.34) von (2.33) subtrahieren, kommen wir zu


1 nwt
Ie
- e-nwt M
2

= - Ienwt - e-nwt M .
2

sin nwt =

(2.36)

Das Einsetzen von (2.35) und (2.36) in unsere Fourierreihe (2.25) fhrt uns zu folgendem
Ergebnis

a
1
F ( f ) (t) = 0 + Kan Ienwt + e-nwt M - bn Ienwt - e-nwt MO
2 n=1
2
2

1
1
a0
+ enwt Ian - bn M + e-nwt Ian + bn M .
2 n=1
2
2
n=1

cn

cn

Beim bergang zu setzen wir c0 :=

a0
, cn
2

n=-

und erhalten schlielich

1
1
:= 2 Ian - bn M und c-n := 2 Ian + bn M = cn

F ( f ) (t) = cn enwt .

(2.37)

n=-

Die komplexen Fourierkoefzienten cn lassen sich leicht aus (2.23) und (2.24) ermitteln:
1
cn = (an - bn )
2
1 2p
1 1 2p
f (t) cos nwt t -
f (t) sin nwt t O
= K
2 p 0
p 0
=

2.7.1

2p
1
f (t)e-nwt t.
2p 0

(2.38)

Eigenschaften der komplexen Formulierung

1. Die Fourierreihe wird durch eine Summenformel und ber einen Koefzienten c n
bestimmt. Die Berechnungen erscheinen dadurch zumeist einfacher, da lediglich
ein Integral zu lsen ist.
2. Formal kommen aufgrund des bergangs zu
n=- negative Kreisfrequenzen nw
vor, was aber nur von der komplexen Formulierung herrhrt. Sie werden zur Beschreibung der reellen Schwingungen sin (nw) und cos (nw) mit positiver Kreisfrequenz nw > 0 bentigt.

34

2 Theorie

2.7 Die Fourierreihe in komplexer Darstellung

3. Der Zusammenhang der Koefzienten beider Darstellungen ergibt sich aus der Eulerschen Formel (2.32):
1
Die Denition c0 := 2 a0 stellt physikalisch den Gleichspannungsanteil des
Signals dar.
1
cn = 2 (an - bn ), n = 1, , N
1
c-n = 2 (an + bn ), n = 1, , N
Da cn und c-n = cn ein Paar komplex-konjugierter Zahlen ist, folgt bekanntlich
die Gleichheit der jeweiligen Betrge:
1
11

1
2
2

|cn | = |c-n | = (an + bn ) =


2
2 a n + b n = 2 An .

Der Betrag der komplexen Fourierkoefzienten stimmt bis auf den Faktor 1
2
mit An berein und stellt jeweils zur Hlfte, also von - bis -1 und von 1 bis
, das Amplitudenspektrum dar (vgl. S. 33).
a0 = 2c0
an = cn + c-n , n = 1, , N
bn = (cn - c-n ), n = 1, , N
Aus den eben genannten Punkten ergibt sich fr die Phase yn der komplexen
Fourierkoefzienten folgender Zusammenhang:

b
Im cn - 1 bn
tan yn =
= 12 = - n .
Re cn
an
a
2 n
Hug werden in der Literatur [Brigola97] auch die Phasen der komplexen
Fourierkoefzienten als Werte ber den diskreten Frequenzen abgetragen. Sie
p
unterscheiden sich von fn (2.31) auf S. 33 nur um = 90 .
2

an

An

-yn

fn

yn

bn

90

Abb. 2.10: Geometrische Darstellung der Beziehung zwischen f n und yn


35

2 Theorie

2.7 Die Fourierreihe in komplexer Darstellung

Periode 2p

Periode 2p
w=

F ( f ) (t) = cn e

nt

n=-

2p

cn =

1
2p

p
p

f (t) e-nt t
0

F ( f ) (t) = cn enwt
n=-

Allgemeine
Reihendarstellung

2p

cn =

1
2p

f (t) e-nwt t
0

Formeln fr
Koefzienten

Tab. 2.6: Fourierreihen einer 2p- und 2p-periodischen Funktion in komplexer Darstellung
Beispiel 2.6
Wir whlen die in der Praxis hug vorkommende Heaviside-Funktion, die folgendermaen deniert ist:
1

f (t) =

wenn t > 0,
wenn t < 0.


  &

In Mathematica denieren wir die Heaviside-Funktion mit Hilfe der

-Funktion:

In[45]:= f = UnitStep[t];
d = {t, 1, 1};

Wir sehen uns die periodische Fortsetzung an:


In[46]:= PlotPeriodicalContinuation[f, d, 2, PlotRange > All]
1
0.8
0.6
0.4
0.2

-4

-2

Out[46]= -Graphics-

36

2 Theorie

2.7 Die Fourierreihe in komplexer Darstellung

Die Funktion ist offensichtlich nicht symmetrisch zum Koordinatenursprung, daher knnen nicht alle Koefzienten an gleich Null sein:
In[47]:= FourierCosSeriesCoefficientExact[f, d, n]
1
Out[47]= IfAn == 0, , 0E
2
In[48]:= FourierSinSeriesCoefficientExact[f, d, n]
1 + (1)n
Out[48]= IfAn == 0, 0,
E
n

Die Fourierreihe in trigonometrischer Darstellung besitzt demnach die Form:

In[49]:= FourierTrigSeriesExact[f, d, n]

(1 + (1)n ) Sin[nt]
1
+
Out[49]=
2 n=1
n

Wir haben auch die Mglichkeit, die komplexen Koefzienten c n exakt zu berechnen:

In[50]:= FourierExpSeriesCoefficientExact[f, d, n]
1 I(1 + (1)n )
Out[50]= IfAn == 0, ,
E
2
2n

Die Fourierreihe in komplexer Darstellung kann geschrieben werden in der Form:

In[51]:= FourierExpSeriesExact[f, d, n]

1
I(1 + (1)n )eInt
I(1 + (1)n )eInt
1
+
+
Out[51]=
2 n=1
2n
2n
n=

Wir lassen uns die Graphen der Funktion f (t) und ihrer Approximation der Ordnung 5
und 40 zeichnen:
In[52]:= PlotFourierImageExact[f, d, n, 5, PlotRange > All]

n=5
1
0.8
0.6
0.4
0.2
-1

-0.5

0.5

Out[52]= -GraphicsIn[53]:= PlotFourierImageExact[f, d, n, 40, PlotRange > All]

37

2 Theorie

2.7 Die Fourierreihe in komplexer Darstellung


n=40
1
0.8
0.6
0.4
0.2
-1

-0.5

0.5

Out[53]= -Graphics-

Auch hier mssen wir einige Summenglieder berechnen, um die Fourierreihe halbwegs
anschaulich an die Funktion anzunhern. Das Gibbssche Phnomen ist wieder gut erkennbar. Die Fourierkoefzienten verhalten sich proportional zu 1 .
n
Es besteht die Mglichkeit mit Mathematica Animationen zu erzeugen, wobei der Eindruck der Bewegung durch eine schnelle Abfolge einzelner Bilder erreicht wird (Daumenkino). Aus Platzgrnden wurden die erzeugten Bilder in einer Bilder-Matrix dargestellt.
In[54]:= PlotFourierAnimationExact[f, d, n, 8,
Ticks > {{1, 1}, {0, 0.5, 1}}, DisplayFunction > Identity]
Out[54]= {-Graphics-, -Graphics-, -Graphics-, -Graphics-,
-Graphics-, -Graphics-, -Graphics-, -Graphics-,
-Graphics-}
In[55]:= Show[GraphicsArray[Partition[%, 3]]]

n=0
1
0.5
-1

n=1
1
0.5
1

-1

n=3
1
0.5
-1

-1

n=4
1
0.5
1

-1

n=6
1
0.5
-1

n=2
1
0.5

n=5
1
0.5
1

-1

n=7
1
0.5
1

-1

1
n=8
1
0.5

-1

Out[55]= -GraphicsArray-

Wir schauen uns nun das Amplitudenspektrum an.


In[56]:= PlotFourierAmplitudeSpectrumExact[f, d, n, 10]

38

2 Theorie

2.7 Die Fourierreihe in komplexer Darstellung


An
0.6
0.5
0.4
0.3
0.2
0.1
1

9 10

Out[56]= -Graphics-

Dies besttigt anschaulich unsere Aussage von vorhin, da die Fourierreihe nur langsam
die zugrundeliegende Funktion approximiert. Wir erkennen auch an dieser Grak, da die
Fourierkoefzienten bn und cn (n > 0) fr gerade n gleich 0 sind. Dies besttigt auch die
oben dargestellte Animation, da auffllt, da sich fr n > 0 nur jede zweite Grak ndert.
Nachfolgend sehen wir das Phasenspektrum.
In[57]:= PlotFourierPhaseSpectrumExact[f, d, n, 10]

arg cn
1

20
40
60
80

Out[57]= -Graphics-

In einer bersichtlichen Tabelle haben wir die Mglichkeit, fr die ersten n 0 Glieder (im
Beispiel n0 = 5) der Fourierreihe die wichtigsten Parameter darzustellen:
In[58]:= FourierTableExact[f, d, n, 5]
Out[58]= UnitStep[t] F5 [UnitStep[t]] =
5

cn Exp[Int] = a0 + (an Cos[nt] + bn Sin[nt]) =

n=5

n=1

a0 + An Sin[nt + n ]
n=1

39

2 Theorie

2.8 Konvergenzbetrachtungen

n a n

0 1

1 0

Out[58]= 2 0

3 0

4 0

5 0

bn
0
2

0
2
3
0
2
5

cn
1
2
I

0
I

3
0
I

An
1
2

0
2
3
0
2
5

undefined

undefined

. Dies tritt immer fr cn = 0 auf,


Bemerkung 2.7.1 Fr n = 2, 4, ... ist der Winkel f n =
da arg cn nur fr cn 0 deniert ist. Das Argument stellt den Winkel zwischen Re c n und Im cn
dar. Wenn Realteil und Imaginrteil beide Null sind, kann dieser Winkel nicht bestimmt werden.
Es kann jedoch angenommen werden, da, falls ein Winkel ermittelbar ist, dieser im Intervall
[-p, p] bzw. [0, 2p] liegen mu, was Mathematica in solchen Fllen normalerweise auch angibt:
In[59]:= Arg[0]

 
"

 


::
: Indeterminate expression
Out[59]= Interval[{, }]

[0] encountered.

!
  

Schlielich berechnen wir noch den Klirrfaktor:


In[60]:= FourierHarmonicDistortionExact[f, d, n]
0
8 + 2
Out[60]=

In[61]:= %//N
Out[61]= 0.435236

Der Anteil der Oberschwingungen an der Gesamtschwingung betrgt 43, 5%.

2.8 Konvergenzbetrachtungen
2.8.1

Besselsche Ungleichung, Parsevalsche Gleichung

Konvergiert die Fourierreihe F ( f ) (t) gegen die Funktion f (t), knnen wir folgenden Satz
formulieren:
Satz 2.8.1 Sei f (t) eine stckweise stetige und 2p-periodische Funktion, dann gilt die
folgende Besselsche Ungleichung:
N

2p
2p
1
1
2
0
f 2 (t) t - |cn |2
I f (t) - FN ( f ) (t)M t = 2p
2p 0
0
n=-N

(2.39)

40

2 Theorie

2.8 Konvergenzbetrachtungen

wobei
N

a2 1
|cn | = 0 + (a2 + b2 ) .
n
4 2 n=1 n
n=-N
2

(2.40)

Fr wachsende N wird die Approximation von f (t) durch FN ( f ) (t) im quadratischen


Mittel immer besser.
Beweis: Fr die Partialsummen FN ( f ) (t) der Fourierreihe von f (t) gilt mit den Rechenregeln fr konjugiert komplexe Zahlen und w = p :
p
N

2p
2p
1
1
f (t) FN ( f ) (t) t = cn
f (t)enwt t = cn cn = |cn |2 .

2p 0
2p 0
n=-N
n=-N
n=-N
c-n =cn

Mit den umformulierten Orthogonalittsrelationen aus Tab. 2.1 auf S. 13

erhalten wir auch fr

2p
1 fr m = n,

emwt e-nwt t =

0 fr m n
2p 0

2p
2p

1
1

c enwt c emwt t

FN ( f ) (t) FN ( f ) (t) t =

2p 0
2p 0 n=-N n
m=-N

N
N
2p
1
enwt emwt t
= cn cm
2p 0
n=-N m=-N

1, m = -n
0, m -n
N

Wir erhalten somit:

n=-N

n=-N

= cn c-n = |cn |2 .

2p
2p
1
1
2
I f (t) - FN ( f ) (t)M t =
I f (t) - FN ( f ) (t)M I f (t) - FN ( f ) (t)M t
2p 0
2p 0
2p
2p
2p
1
=
K f 2 (t) t - 2 f (t) FN ( f ) (t) t + FN ( f ) (t) FN ( f ) (t) t O
2p 0
0
0
N
2p
1
f 2 (t) t - |cn |2 .
=
2p 0
n=-N

41

2 Theorie

2.8 Konvergenzbetrachtungen

Damit ist (2.39) gezeigt. Die Gleichung (2.40) ergibt sich aus den Umrechnungsformeln
fr die Fourierkoefzienten (vgl. S. 35):
a2 + b2 = Icn + c-n M Icn + c-n M + Icn - c-n M Icn - c-n M
n
n
= 4cn c-n ,

also a2 = 4c2 , a2 + b2 = 2 I|cn |2 + |c-n |2 M fr n 1 und damit


0
0
n
n
N

1
|cn | = Ia2 + b2 M
n
2 n=0 n
n=-N
2

a2 1
= 0 + Ia2 + b2 M .
n
4 2 n=1 n

Fr N ergibt sich nun die Parsevalsche Gleichung:


Satz 2.8.2 Sei f (t) eine stckweise stetige und 2p-periodische Funktion, dann gilt:

0=

2p
2p
1
1
( f (t) - F ( f ) (t))2 t =
f 2 (t) t - |cn |2 .
2p 0
2p 0
n=-

(2.41)

Der Beweis ndet sich in [StGaVo97, S. 163]. Fr den Fall, da die Funktion durch eine
Fourierreihe dargestellt werden kann, verschwindet also das mittlere Fehlerquadrat im
Grenzbergang. Aus (2.41) folgt, da sich Grenzwerte von Reihen auch einfach mit Hilfe
der Parsevalschen Gleichung ermitteln lassen.
Schon aus der Besselschen Ungleichung folgt, da die Fourierkoefzienten von f (t) quadratisch summierbar sind:

a2
n
n=0

< ,

b2
n
n=1

< ,

|cn |2 < .

n=-

Durch die endliche Anzahl von Gliedern der Fourierreihe F ( f ) (t) bekommen wir eine
mehr oder weniger gute Approximation fr die Funktion f (t). Je mehr Glieder berechnet
werden, desto besser ist die Nherung. Aus der quadratischen Summierbarkeit der |c n |
erhalten wir den auch als Riemann-Lebesgue-Lemma [Brigola97] bekannten
Satz 2.8.3 Sei f (t) eine stckweise stetige 2p-periodische Funktion. Fr die Fourierkoefzienten an , bn , cn der Fourierreihe F ( f ) (t) gilt
lim a
n n

= lim bn = lim cn = 0.
n

|n|

42

2 Theorie

2.8 Konvergenzbetrachtungen

Das Riemann-Lebesgue-Lemma bedeutet anschaulich, da die Integrale, z. B. lim an =


n

lim

2p

f (t) cos (nwt) t = 0 mit wachsendem n durch die immer dichteren Oszillationen
0

der Kosinus-Schwingung verschwinden.


Wie wir in den Beispielen feststellen konnten, konvergieren die behandelten Fourierreihen unterschiedlich schnell an die jeweils zu approximierende Funktion. Wir erkennen
folgenden Zusammenhang:
1

f (t) hat Sprungstellen,

an , bn n1

2 f (t) hat keine Sprungstellen.


n
Fourierreihen stetiger Funktionen konvergieren also schneller, und wir bentigen weniger Glieder in der trigonometrischen Reihe fr eine gute Nherung. Es gilt der aus
[Westermann97] entnommene
Satz 2.8.4 Ist f eine 2p-periodische, (m + 1)-mal stetige differenzierbare Funktion, dann
gilt fr die Fourierkoefzienten von f
c
c
|an | m+2 und |bn | m+2 .
n
n
Der Beweis zum Satz ist in [Brigola97, S. 40] nachlesbar. Beispiele fr m = 0 sind 2.3,
2.5 und Beispiele fr m = -1 sind 2.1, 2.2, 2.4, 2.6.
Beispiel 2.7
Wir whlen uns die Funktion:
In[62]:= f = t4 + t3 t;
d = {t, 1, 1};

Zunchst lassen wir uns den Graph der periodischen Fortsetzung zeichnen und die zugehrige Fourierreihe ausgeben:
In[63]:= PlotPeriodicalContinuation[f, d, 1]
1
0.8
0.6
0.4
0.2
-3

-2

-1

-0.2

Out[63]= -Graphics-

43

2 Theorie

2.8 Konvergenzbetrachtungen

In[64]:= FourierTrigSeriesExact[f, d, n]

4(1)n I2I 6 + n2 2 M Cos[nt] + 3n Sin[nt]M


1
Out[64]=
+
5 n=1
n4 4

Mit der Parsevalschen Gleichung lassen sich neue Einsichten ber Reihen zeigen:
In[65]:= FourierParsevalExact[f, d, n]

8I144 39n2 2 + 4n4 4 M


59
1
Out[65]=
==
+
315
25 n=1
n8 8

Damit ergibt sich der Grenzwert fr die nachstehende Summe:

I144 - 39n2 p2 + 4n4 p4 M


1 p8
59
- O
=K

315 25 8
n8
n=1
29p8
.
=
1575
Mittels der Option
stellt Mathematica die Gleichheit beider Seiten der Gleichung fest.

%  
    '2 

In[66]:= FourierParsevalExact[f, d, n, FourierFunction > Evaluate]


Out[66]= True

2.8.2

Dirichlet-Kerne

In Vorbereitung auf den Beweis des Satzes von Dirichlet im Abschnitt 2.8.3 beschftigen
wir uns zunchst mit den sogenannten Dirichlet-Kernen.
Wir schreiben uns noch einmal die Formeln der komplexen Darstellung der abgebrochenen Fourierreihe (2.37) sowie deren Fourierkoefzienten (2.38) auf:
N

FN ( f ) (t) = cn enwt ,

n=-N

mit den zugehrigen Fourierkoefzienten

2p
1
f (t)e-nwt t, n = -N, , N.
2p 0
Aus beiden Formeln lt sich fr FN ( f ) (t) auch folgendes schreiben:

cn =

FN ( f ) (t) = K
N

n=-N

2p
1
f (s)e-nws sO enwt
2p 0
N

2p
1
f (s) enw(t-s) s.
2p 0
n=-N

(2.42)

DN (t-s)

44

2 Theorie

2.8 Konvergenzbetrachtungen

Demnach ist gezeigt, da jede 2p-periodische, abgebrochene Fourierreihe F ( f ) (t) vom


Grad N die folgende Integraldarstellung besitzt:
N

F ( f ) (t) =

2p
1
f (s) DN (t - s) s mit DN (t) := enwt .
2p 0
n=-N

(2.43)

Wir denieren uns das trigonometrische Polynom DN (u) aus (2.43):

Denition 2.8.5 Es sei N , u und w = p . Das trigonometrische Polynom


p
N

DN (u) = enwu
n=-N

heit Dirichlet-Kern vom Grad N mit Periode 2p.


3

20

D3 (t)
D10 (t)

15

10

-5
3

Abb. 2.11: Die Graphen der 2p-periodischen Dirichlet-Kerne der Ordnung N = 3 und
N = 10
Die Dirichlet-Kerne spielen beim Beweis des Satzes von Dirichlet eine entscheidene Rolle. Wir halten zunchst fest, da sich DN (t) mit Hilfe von (2.33) und (2.34) auch schreiben
lt als
-1

DN (t) = e

nt

n=-N

=1+ e
n=-N

nt

+ ent
n=1

= 1 + (cos t + sin t) + (cos 2t + sin 2t) + + (cos Nt + sin Nt)


+ (cos t - sin t) + (cos 2t - sin 2t) + + (cos Nt - sin Nt)
= 1 + 2 cos t + 2 cos 2t + + 2 cos Nt
N

= 1 + 2 cos nt.

(2.44)

n=1

45

2 Theorie

2.8 Konvergenzbetrachtungen

Wir substituieren z = et und berechnen DN (t) fr z 1 mittels der bekannten Formel fr


die Summe der geometrischen Reihe
2N

zn =
n=0

z2N+1 - 1
.
z-1

Mit k und t 2pk erhalten wir


N

DN (t) = zn = z-N + z-N+1 + + z-1 + 1 + z1 + + zN-1 + zN


n=-N

1 + z + + z2N
z2N+1 - 1
=
zN
(z - 1) zN
1
1
zN+1 - z-N zN+ 2 - z-(N+ 2 )
=
=
1
1
z-1
z 2 - z- 2
1
1
e(N+ 2 )t - e-(N+ 2 )t
=
t
t
e 2 - e- 2
1
sin IIN + 2 M tM
.
=
t
sin 2

(2.45)

Fr t = 2pk ist (2.45) nicht deniert, jedoch fr (2.44), und man kann zusammenfassend
DN (t) folgendermaen darstellen:
N

DN (t) = e
n=-N

nt

2N + 1

1
= sin IIN + 2 M tM

sin 2

fr t = 2pk, k
fr t 2pk, k .

Satz 2.8.6 Fr die Dirichlet-Kerne DN (t) gilt [Brigola97]:


N

lim e

2.8.3

n=-N

nt

1 + 2 cos nt = ; + fr t = 2pk, k

= lim

unbestimmt divergent sonst.


N
n=1

Beweis des Satzes von Dirichlet

Gegenstand dieses Abschnitts ist der Beweis des Satzes von Dirichlet 2.3.10 ber die
punktweise Darstellung stckweise stetig differenzierbarer periodischer Funktionen durch
ihre Fourierreihen [Brigola97].
Satz 2.8.7 Die Fourierreihe F ( f ) (t) einer stckweise stetig differenzierbaren Funktion
f (t) + f+ (t)
.
f (t) konvergiert an jeder Stelle t gegen 2

46

2 Theorie

2.8 Konvergenzbetrachtungen

Beweis: Wir nehmen o. B. d. A. an, da die Funktion 2p-periodisch mit 2p = 1 ist und
die Fourierkoefzienten cn besitzt.
1. Wir notieren uns zunchst die 1-periodischen Dirichlet-Kerne, also w = 2p:
2N + 1

= sin ((2N + 1) pt)

sin pt

DN (t) = e

2pnt

n=-N

fr t
fr t .

Da DN (t) wie in Abbildung 2.11 gut erkennbar eine gerade Funktion ist, erhalten wir
mit anschlieender Integration ber dem Periodenintervall (siehe auch [Brigola97,
S. 22]):

DN (t) t =

1
2

-1
2

1
2

DN (t) t = 2

DN (t) t = 1.

2. DN und f (t) sind 1-periodisch. Wie mit (2.42) bereits gezeigt wurde, ist
N

FN ( f ) (t) =
n=-N
1
2

-1
2

1
0

f (s)e-2pns s e2pnt =

DN (s) f (t - s) s =

1
2

1
-2

DN (t - s) f (s) s
0

sin ((2N + 1) ps)


f (t - s) s.
sin ps

3. Das letzte Integral formen wir um:

0
0
f (t - s) - f+ (t)
FN ( f ) (t) = sin ((2N + 1) ps)
s + f+ (t) DN (s) s
1
sin ps
-1
-2
2

I1 (N,t)

1
2

2
f (t - s) - f- (t)
+ sin ((2N + 1) ps)
s + f- (t) DN (s) s
sin ps
0
0

I2 (N,t)

f- (t) + f+ (t)
+ I1 (N, t) + I2 (N, t).
2

4. Weil nach Voraussetzung f (t) stckweise stetig differenzierbar ist, existieren die
beiden Grenzwerte
lim

s0-

f (t - s) - f+ (t)
sin ps

und

lim
+

s0

f (t - s) - f- (t)
.
sin ps

Mit dieser Feststellung sind die Integrale I1 (N, t) und I2 (N, t) beschrnkt und stckweise stetig. Nach dem Riemann-Lebesgue-Lemma 2.8.3 auf S. 42 werden diese

47

2 Theorie

2.8 Konvergenzbetrachtungen

Integrale durch die zunehmenden Oszillationen der Funktion sin ((2N + 1)ps) fr
N gelscht:
= lim I2 (N, t) = 0 "t .
N

lim I (N, t)
N 1

48

3 Das Mathematica-Paket FTOOLS.M


Da das Paket ein wesentlicher Bestandteil der Diplomarbeit ist, wird in diesem Kapitel ausfhrlich darauf eingegangen und kann insbesondere zum Nachschlagen verwendet
werden.

3.1 Die Palette FOURIERPALETTE.NB


Mathematica 3.0 bietet im Zusammenhang mit einem graschen Frontend die Mglichkeit sogenannte Paletten zu erstellen, um schnell und bequem aus einem gesonderten
Fenster Funktionen auswhlen zu knnen. Ich habe eine Palette FOURIERPALETTE.NB
erstellt, die bersichtlich alle Funktionen aus meinem Paket enthlt. Wer bereits die Standardpaletten von Mathematica 3.0 verwendet hat, dem wird der Umgang mit meiner Palette nicht schwerfallen. Es ist im Gegenteil sogar bei den ersten Schritten zum Kennenlernen der neuen Funktionen zu empfehlen.
Die Palette ist in vier Teile gegliedert. Der erste enthlt zunchst Hinweise (vgl. Abbildung 3.1 auf S. 50) zum Aufbau der Fourierreihe.
Der zweite Teil Exakte Berechnungen (vgl. Abbildung 3.2 auf S. 51) ist der wohl wichtigste Teil. Fast alle der hier aufgefhrten Funktionen fhren auf der Grundlage selbst
erstellter Mathematica-Programme exakte Berechnungen durch und sind daher an der
Endung Exact der betreffenden Funktion zu erkennen.

  "      
$! #) '  

Im dritten Teil Verwendung von


(vgl. Abbildung 3.3
auf S. 77) sind Funktionen aufgelistet, die im Prinzip dieselben Ergebnisse bzw. Graken wie die korrespondierenden Funktionen im Teil Exakte Berechnungen liefern.
Allerdings fhren diese ihre Berechnungen auf der Grundlage der im Standard-Paket
bereitgestellten Funktionen durch. Diese zumeist grasch resultierenden Funktionen stellen also eine Mglichkeit dar, nur auf die im Paket
bereitgestellten Funktionen zurckzugreifen.

   "      
$!#! '2 
   "      
$!#! '2 

Im vierten Teil habe ich versucht, die interaktiven Mglichkeiten von Mathematica zu
nutzen. Diese sind allerdings in der Version 3.0 sehr beschrnkt und wenig benutzerfreundlich. Da sich dies aber vielleicht in der krzlich erschienenen Version 4.0 gendert
haben knnte, habe ich die bisherigen Mglichkeiten in die Palette mit aufgenommen,

49

3 Paketbeschreibung

3.2 Exakte Berechnungen

Abb. 3.1: Screenshot von FOURIERPALETTE.NB Hinweise


sollte aber gewissermaen als Bonus und nicht als wesentlicher Bestandteil der Palette
und des Paketes angesehen werden.
Smtliche Funktionen beziehen ihre Ergebnisse auf die Fourierreihe der Form (w = p ):
p

F ( f ) (t) = cn enwt
n=-

= a0 + Ian cos nwt + bn sin nwtM


n=1

= a0 + An sin Inwt + fn M .
n=1

Bemerkung 3.1.1 Whrend der Programmierung und der Benutzung des Paketes hatte ich oft
das Problem unter Windows, da Mathematica (betrifft die Kernel 3.0 und 3.0.1) die Berechnung mit der Meldung Out of memory ohne Ergebnis abbrach, wobei der Kernel abstrzte,
das Frontend jedoch nicht. Wolfram Research ist das Problem bekannt und stellt auf der Seite http://support.wolfram.com/Systems/Windows/OutOfMemory.html einen
berarbeiteten Kernel (48128 Bytes) zum Download bereit.

3.2 Exakte Berechnungen


Mit exakten Berechnungen sind Funktionen gemeint, die zunchst intern die Fourierkoefzienten in Abhngigkeit eines Indexes (z. B. n) bestimmen, also durch die Mglichkeit
symbolischer Integration die exakte Fourierreihe berechnen und daraus je nach Aufgabe
der aufgerufenen Funktion das entsprechende Ergebnis liefern.

50

3 Paketbeschreibung

3.2 Exakte Berechnungen

Abb. 3.2: Screenshot von FOURIERPALETTE.NB-Exakte Berechnungen

3.2.1

Syntaxbeschreibung

Im folgenden werden die exakt rechnenden Funktionen und deren mgliche Optionen
kurz tabellarisch erfat. Zum besseren Verstndnis folgen hiernach einige Beispiele, wobei das erste sich immer auf die auf S. 52 denierte Funktion f bezieht. Der Leser kann
somit jedes Ergebnis einer Funktion mit dem Ergebnis anderer Funktionen fr die feste Funktion f vergleichen. Etwaige besondere Optionen werden an anderen Funktionen
verdeutlicht.

   ' 
 

   

3.2.1.1

Diese Funktion pat eigentlich nicht in die Kategorie Exakte Berechnungen, genau
genommen in keine der vorhandenen, da sie intern keine Berechnungen bezglich der
Fourieranalyse anstrengt, was sich auch im Namen der Funktion niederschlgt (
und
fehlen im Wortstamm des Funktionennamens).

 
' 


2

x, x0 , x1

n0

expr

1
0

   '   




zeichnet die (n0 +1)-fache periodische Fortsetzung von expr.


Syntax von PlotPeriodicalContinuation[]

51

3 Paketbeschreibung

Optionsname

3.2 Exakte Berechnungen

Vorgabe
siehe

verfgt ber alle Optionen


des Mathematica-Befehls




    
 #

siehe

   
  

Optionen von PlotPeriodicalContinuation[]

Hier wird zunchst das


Paket geladen, welches
wiederum intern das Paket

In[1]:= << eigeneftools

 
"!

  
 
  



ldt.

Wir denieren die Funktion


f , die auch in den nachfolgenden einleitenden Beispielen immer wieder als
erstes herangezogen wird.

In[2]:= f = Sin[t/2];
d = {t, 0, 2};

Dies zeichnet den Graph


der periodischen Fortsetzung von f als Funktion
von t ausgehend vom Periodenintervall [0, 2p] auf
[-2p, 4p]. Die als letzter
Parameter bergebene Ziffer
1 bewirkt, da der Graph
der Funktion f insgesamt
3-mal periodisch versetzt,
also links und rechts vom
Periodenintervall (blauer
Kurvenabschnitt) zustzlich
1-mal gezeichnet wird.

In[3]:= PlotPeriodicalContinuation[f, d, 1]
1
0.8
0.6
0.4
0.2

-5

-2.5

2.5

7.5

10

12.5

Out[3]= -Graphics-

1 Beschreibungen

zu den Optionen nden sich in [Wolfram97a] im Abschnitt 1.9.3 auf S. 138 und auch in
der Online-Dokumentation von Mathematica.

52

3 Paketbeschreibung

Wir knnen die Anzahl


der periodischen Fortsetzungen recht hoch whlen,
allerdings ist dies ab einer
bestimmten Anzahl nicht
mehr anschaulich sinnvoll.
Hier wurde fr die Funktion t 2 ein geeigneter Fortsetzungsfaktor von 2 gewhlt.

3.2 Exakte Berechnungen

In[4]:= PlotPeriodicalContinuation[t2,
{t, 1, 2}, 2]

2.5
2
1.5
1
0.5

-6

-4

-2

Out[4]= -Graphics-

Wir stellen im vorherigen


Beispiel fest, da der Graph
von t 2 nicht vollstndig zu
sehen ist. Wir knnen alle
Optionen [Wolfram97a]
eines
-Befehls auch
hier nutzen und uns mit
den vollstndigen Wertebereich anzeigen lassen. Im Beispiel
wurde dem Diagramm zustzlich eine berschrift
gegeben und ein hherer
periodischer Fortsetzungsfaktor gewhlt.

In[5]:= PlotPeriodicalContinuation[t2,
{t, 1, 2}, 3, PlotRange > All,
PlotLabel > PeriodischeFortsetzung ]

PeriodischeFortsetzung
4

 


Hier wurde eine Sprungfunktion gewhlt, in Mathematica kann dies durch die
-Anweisung
erreicht werden. Die senkrechten Linien gehren allerdings nicht zur Funktion.
Da Mathematica immer
versucht, Funktionen als
glatte Kurven zu zeichnen,
werden die Funktionswerte
an den Sprungstellen miteinander verbunden.

-5

-10

10

Out[5]= -GraphicsIn[6]:= PlotPeriodicalContinuation[UnitStep[t]


1/2, {t, 1, 1}, 3]

0.4

0.2

-6

-4

-2

-0.2

-0.4

Out[6]= -Graphics-

53




3 Paketbeschreibung


 2
n

x, x0 , x1

x, x0 , x1

expr

 "  
! " ' 2

1
0

 2

1
20

1
0

 
'# 

 "
!" '  2'
 

n0

n 2p x
berechnet den Koefzienten von e x1 -x0 der exponentiell dargestellten
Fourierreihe von expr in Abhngigkeit von n.

expr

 2

1
20

n0 x 2p x
1 -x0

 "
!" '  2'
 

 
'2 

1
0

 
'2 

1
0

3.2.1.2

3.2 Exakte Berechnungen

berechnet den Koefzienten von e


der exponentiell dargestellten
Fourierreihe von expr fr ein bestimmtes n0 .
Syntax von FourierExpSeriesCoefcientExact[]

Vorgabe
siehe

verfgt ber alle Optionen


des Mathematica-Befehls

die anzuwendende Integrationsmethode (siehe


Bem. 3.2.1); weiterer mglicher Wert:


  


   
  #

siehe

Optionsname

    
  
 
2

1
0

 
'2




Optionen von FourierExpSeriesCoefcientExact[]

Bemerkung 3.2.1 Mitunter kann es vorkommen, da Mathematica es nicht schafft, das der aufrufenden Funktion
expr x, x0 , x1 n zugrundeliegende Integral zu lsen. Es knnte hier helfen, den Wert der Option zu wechseln, wobei im wesentlichen folgender programminterner Hintergrund besteht:
-n x 2p x
-x
1

2p
2p
x - sin n
xO x.
x1 - x 0
x1 - x 0

expr Kcos n

    

 

 

x0

x0
x1

expr e

x1




1
x1 -x0

berechnet

1
x1 -x0

berechnet





    

 




Bei dem Aufruf der Form


expr x, x0 , x1 n0 werden
die Chancen eine Lsung zu nden fr Mathematica weit hher stehen, da hier der Integrand und
somit die Berechnungen fr ein bestimmtes n 0 wesentlich einfacher sind.







2 Beschreibungen

zu den Optionen nden sich in [Wolfram97a] im Abschnitt 3.5.8 auf S. 879 und auch in
der Online-Dokumentation von Mathematica.

54

3 Paketbeschreibung

3.2 Exakte Berechnungen

Der komplexe Fourierkoefzient von f (def. auf S. 52)


besitzt eine recht einfache
Gestalt.

In[7]:= FourierExpSeriesCoefficientExact[f, d,
n]
2
Out[7]=
4n2

Setzen wir im Vergleich


zum vorherigen Beispiel ein
bestimmtes n0 ein, wird also lediglich der obige Term
fr n0 evaluiert. Das ist das
gleiche Ergebnis, welches
auch mittels der Funktion
aus dem
Paket
htte ermittelt
werden knnen.

In[8]:= FourierExpSeriesCoefficientExact[f, d,
3]
2
Out[8]=
35
In[9]:= FourierExpSeriesCoefficient[f, d, 3]
2
Out[9]=
35

Fr die Funktion t im Periodenintervall [-1, 1] ist der


Nenner des n-abhngigen
Terms fr n = 0 gleich 0.
Das korrekte Ergebnis fr
diese Ausnahmestelle wird
ebenfalls durch

In[10]:= FourierExpSeriesCoefficientExact[t,
{t, 1, 1}, n]
I(1)n
Out[10]= IfAn == 0, 0,
E
n

 
"! 


  


   

 


 



 



  

 

berechnet und
im Beispiel durch eine
-Struktur zur beliebigen Weiterverarbeitung
ausgegeben.

"

Dieses Beispiel verdeutlicht


das in Bemerkung 3.2.1
Gesagte. Mit der Option
kann Mathematica
die komplexen Fourierkoefzienten fr die Funktion
| cos t| im Intervall [-p, p]
nicht liefern. Die Berechnung scheitert an dem zu
lsenden Integral.

In[11]:= FourierExpSeriesCoefficientExact[
Abs[Cos[t]], {t, , }, n,
FourierBasis > Trig]

Abs[Cos[t]](Cos[nt] I Sin[nt]) t
Out[11]=
2

55




3 Paketbeschreibung

3.2 Exakte Berechnungen

Whlen wir im vorherigen Beispiel statt


den
Optionswert
, gelingt
es Mathematica, das nun
umgeformte Integral (vgl.
Bem. 3.2.1) zu lsen. Falls
mehrere Ausnahmestellen
fr ganzzahlige n existieren,
wird dies durch die Mathematica-Struktur
wiedergegeben.





Out[12]= WhichAn == 1, 0, n == 1, 0, True,


(1 + (1)n )I Cos A n E + I Sin A n EMI 1 + n Sin A n EM
2
2
2
E
I 1 + n 2 M


 2
n

x, x0 , x1

x, x0 , x1

expr

1
0

 "     
! " ' 2  '# 

 2

1
20

n0

 "
!" '  2'  '2 
  
 

berechnet den Koefzienten von cos n x 2p x der trigonometrisch dargestell1 -x0


ten Fourierreihe von expr in Abhngigkeit von n.

expr

 2

1
20

3.2.1.3

In[12]:= FourierExpSeriesCoefficientExact[
Abs[Cos[t]], {t, , }, n,
FourierBasis > Exp]

 "
!" '  2'  '2 
  
 

berechnet den Koefzienten von cos n0 x 2p x der trigonometrisch darge1 -x0


stellten Fourierreihe von expr fr ein bestimmtes n0 , n0 0.

Syntax von FourierCosSeriesCoefcientExact[]

Vorgabe
siehe

   
  #

siehe

verfgt ber alle Optionen


des Mathematica-Befehls


  


Optionsname

    
  

Optionen von FourierCosSeriesCoefcientExact[]

3 Beschreibungen

zu den Optionen nden sich in [Wolfram97a] im Abschnitt 3.5.8 auf S. 879 und auch in
der Online-Dokumentation von Mathematica.

56

3 Paketbeschreibung

3.2 Exakte Berechnungen

Dies berechnet fr die


Funktion f (def. auf S. 52)
die reellen Fourierkoefzienten von cos nt. Obwohl
n = 0 keine Ausnahmenstelle darstellt, ist so immer
a0 ablesbar, da dies nicht
durch Einsetzen von n = 0
im Term fr an , n > 0 bereinstimmt (siehe Bem. 2.3.4
auf S. 15).

In[13]:= FourierCosSeriesCoefficientExact[f, d,
n]
2
4
Out[13]= IfAn == 0, ,
E
4n2

Mathematica liefert bei


dieser ungeraden Funktion
erwartungsgem Null als
Ergebnis.

In[14]:= FourierCosSeriesCoefficientExact[t,
{t, 1, 1}, n]
Out[14]= 0

Da cos at eine einfache


auch von a abhngige
Funktion ist, gelingt es,
ein Resultat zu errechnen.

In[15]:= FourierCosSeriesCoefficientExact[
Cos[at], {t, , }, n]
Sin[a]
,
Out[15]= IfAn == 0,
a
(a + n) Sin[(a n)] + (a n) Sin[(a + n)]
E
Ia2 n2 M


 2
n

x, x0 , x1

x, x0 , x1

expr

1
0

 "  
! " ' 2 '# 
 

 2

1
20

n0

 "
!" '  2' '2 
 
 

berechnet den Koefzienten von sin n x 2p x der trigonometrisch dargestell1 -x0


ten Fourierreihe von expr in Abhngigkeit von n.

expr

 2

1
20

3.2.1.4

 "
!" '  2' '2 
 
 

berechnet den Koefzienten von sin n0 x 2p x der trigonometrisch darge1 -x0


stellten Fourierreihe von expr fr ein bestimmtes n0 , n0 0.

Syntax von FourierSinSeriesCoefcientExact[]

57

3 Paketbeschreibung

3.2 Exakte Berechnungen

Vorgabe
siehe

   
  #

siehe

verfgt ber alle Optionen


des Mathematica-Befehls


  


Optionsname

    
  

Optionen von FourierSinSeriesCoefcientExact[]

Da f (def. auf S. 52) eine


ungerade Funktion ist, sind
alle diese Koefzienten
Null.

In[16]:= FourierSinSeriesCoefficientExact[f, d,
n]
Out[16]= 0

Auch etwas kompliziertere


Funktionen, hier eine von
zustzlich 2 Unbekannten
abhngige Funktion, sind
zulssig.

In[17]:= FourierSinSeriesCoefficientExact[
Cos[t b] + Sin[t a], {t, , }, n]
(a + n) Sin[(a n)] + (a + n) Sin[(a + n)]
Out[17]=
Ia2 n2 M

Mathematica kann auch mit


-Konstrukten umgehen.
Fr die Funktion

In[18]:= FourierSinSeriesCoefficientExact[
If[t < 0, t (t + 1)2, t (t 1)2],
{t, 1, 1}, n]
4(2 + (1)n )
Out[18]= IfAn == 0, 0,
E
n3 3

"

f (t) = ;

t (t + 1)2 ,
t (t - 1)2 ,

t<0
sonst

ergibt sich damit das nebenstehende Ergebnis.


Mchte man aber noch strker unterteilte Funktionen
betrachten, kann man leider
nicht mit dem
Konstrukt arbeiten, da hier
Mathematica die Berechnung verweigert. Trotzdem
brauchen wir auf eine Lsung fr solche Funktionen
nicht verzichten, da wir auf
die
-Funktion
zurckgreifen knnen. Das
vorherige Beispiel wurde
nebenstehend noch einmal
mittels
gelst.

In[19]:= FourierSinSeriesCoefficientExact[
t (t + 1)2
(UnitStep[t + 1] UnitStep[t])
+UnitStep[t] t (t 1)2,
{t, 1, 1}, n]
4(2 + (1)n )
Out[19]= IfAn == 0, 0,
E
n3 3

4 Beschreibungen

zu den Optionen nden sich in [Wolfram97a] im Abschnitt 3.5.8 auf S. 879 und auch in
der Online-Dokumentation von Mathematica.

58

3 Paketbeschreibung

 2

n

0
1
%  "  
! " ' 2 '# 
 

x, x0 , x1

 
2

expr

1
0


 2

1
0

1
0

 
'# 

 
2'

berechnet unter Zuhilfenahme von


die exakte Fourierreihe von expr fr n = -... in komplexer
Darstellung.


2

3.2.1.5

3.2 Exakte Berechnungen

 
'2 

1
0

1
0

Syntax von FourierExpSeriesExact[]

Vorgabe
siehe

verfgt ber alle Optionen


des Mathematica-Befehls

die anzuwendende Integrationsmethode (siehe


Bem. 3.2.1); weiterer mglicher Wert:


  


1
0

   
  #

siehe

Optionsname

    
  
 
2

 
'2




1
0
 2

0
1
%  "
!" '  2'
 
%  
' 

der bereits mit

'

 "
!" 

0
1

 
'2 

berechnete Term

ob die berechnete Fourierreihe nur ausgegeben


oder evaluiert werden soll;
weiterer mglicher Wert:





 
    '2 

die Ordnung der Fourierreihe; weitere mgliche


Werte: 1, 2, ...

"
 & 

  
' '2 
Optionen von FourierExpSeriesExact[]

5 Beschreibungen

zu den Optionen nden sich in [Wolfram97a] im Abschnitt 3.5.8 auf S. 879 und auch in
der Online-Dokumentation von Mathematica.

59

3 Paketbeschreibung

3.2 Exakte Berechnungen

In[20]:= FourierExpSeriesExact[f, d, n]

2eInt
Out[20]=
4n2
n=

Dies berechnet fr die


Funktion f (def. auf S. 52)
die exakte Fourierreihe.

Mit der Option


lt sich auch die
abgebrochene Fourierreihe,
im Beispiel der Ordnung 2,
leicht bestimmen.

In[21]:= FourierExpSeriesExact[f, d, n,
FourierNumber > 2]
2 2eIt 2eIt 2e2It 2e2It
Out[21]=

3
3
15
15

 

 


 !



  


 


Mit der Option

 

kann
Mathematica hug die
ermittelte Fourierreihe in
Form einer meist komplizierten Funktion direkt
ausrechnen.

 


In[23]:= FourierExpSeries[f, d, 20]; //Timing

Interessant ist, da

In[22]:= FourierExpSeriesExact[f, d, n,
FourierFunction > Evaluate]
Out[22]=
0
0
0
0
I 1 + eIt MJ eIt eIt ArcTanhA eIt E ArcTanhA eIt EN
0
eIt

In[24]:= FourierExpSeriesExact[f, d, n,
FourierNumber > 20]; //Timing
Out[24]= {2.69Second, Null}

Out[23]= {21.53Second, Null}

   



hug wesentlich mehr Zeit


als
zur Berechnung
der abgebrochenen Fourierreihe bentigt. Da hier
nur der zeitliche Aspekt
verdeutlicht werden sollte,
wurde auf die umfangreiche
Ausgabe des Ergebnisses
verzichtet.

    

 


Bemerkung 3.2.2 Die


-Form berechnet lediglich ein von n abhngiges Integral und bildet
dann durch Einsetzen die Summe ber die Glieder der Fourierreihe von n = 0...n 0 .
berechnet dagegen zunchst jedes einzelne Integral von n = 0...n 0 mittels
und summiert die berechneten Glieder der abgebrochenen Fourierreihe
der Ordnung n0 auf. Die unterschiedlichen Rechenzeiten liegen also in der verschiedenen Anzahl
und auch in der Kompliziertheit der zu berechnenden Integrale begrndet.









 

60

 

 


  

 

3 Paketbeschreibung

3.2 Exakte Berechnungen

In[25]:= FourierExpSeries[f, d, 2]; //Timing

Bei kleinen n0 ist der Aufwand der


-Form im
Vergleich zum vorherigen
Beispiel gleich geblieben,
bis auf da weniger Glieder zu summieren sind.
berechnet im Beispiel nur
drei einfache Integrale, die
nicht von n abhngen und
in dem Fall schneller berechnet werden, als die eine
symbolische Integration der
-Form.

Out[25]= {2.19Second, Null}

In[26]:= FourierExpSeriesExact[f, d, n,
FourierNumber > 2]; //Timing
Out[26]= {2.64Second, Null}

   

 



 2
n

0
1
%  "  
! " ' 2 '# 
 

x, x0 , x1

 
2'

expr

1
0


 2

1
0




 
'# 

 
2

3.2.1.6

  
'2

berechnet unter Zuhilfenahme von


die exakte Fourierreihe von expr fr n = -.. in trigonometrischer Darstellung.


2

1
0

Syntax von FourierTrigSeriesExact[]

verfgt ber alle Optionen


der Funktion

1
0

 
2'

1
0

Die Funktion liefert fr f


(def. auf S. 52) die Fourierreihe in trigonometrischer
Form.

siehe


 2
%  
' 

1
0
0
1

2 ('
 
%  
'2  
  

Optionen von FourierTrigSeriesExact[]

siehe

Vorgabe

1
0
0
1

 2 2
 
%  
'  
 

Optionsname

In[27]:= FourierTrigSeriesExact[f, d, n]

4 Cos[nt]
2
+
Out[27]=
n=1 I 1 + 4n2 M

61

3 Paketbeschreibung

3.2 Exakte Berechnungen




 



  

 



    
 
 

In[28]:= FourierTrigSeriesExact[f, d, n,
FourierNumber > 3]//Timing
2 4 Cos[t] 4 Cos[2t]
Out[28]= 92.75Second,

3
15
4 Cos[3t]
=
35

Der Einsatz der Option

In[29]:= cn = FourierExpSeriesCoefficientExact[
f, d, n]
2
Out[29]=
4n2

ber die gleichen


Optionen wie
verfgt,
lassen sich auch hier abgebrochene Fourierreihen
ermitteln.


 2
n n0




 


 
'# 


 2

1
0


'2 
 

berechnet unter Zuhilfenahme von

0
1
%  "  
! " ' 2 '# 
 

x, x0 , x1

1
0

expr

3.2.1.7

In[30]:= FourierTrigSeriesExact[f, d, n,
FourierNumber > 3,
FourierExpCoefficient > cn]//
Timing
2 4 Cos[t] 4 Cos[2t]
Out[30]= 90.17Second,

3
15
4 Cos[3t]
=
35

kann dem Anwender zum


Teil erheblich Zeit sparen,
mchte er mehrere der neuen Funktionen auf dieselbe
Funktion mit zugehrigem
Periodenintervall anwenden
(vgl. Laufzeit vorheriges
Beispiel).

Da

n 2p x
die Koefzienten von cos n x 2p x, sin n x 2p x, e x1 -x0 , die
1 -x0
1 -x0
Gesamtamplituden und die Phasen der Fourierreihe von expr fr n = 0n 0
und stellt diese fr das jeweilige n in Matrixform dar.


2

1
0

Syntax von FourierTableExact[]

Vorgabe
siehe

   
  #

siehe

verfgt ber alle Optionen


des Mathematica-Befehls


  


Optionsname

    
  

Optionen von FourierTableExact[] weiter auf nchster Seite


6 Beschreibungen

zu den Optionen nden sich in [Wolfram97a] im Abschnitt 3.5.8 auf S. 879 und auch in
der Online-Dokumentation von Mathematica.

62

3 Paketbeschreibung

3.2 Exakte Berechnungen

Fortsetzung vorheriger Seite

Vorgabe

1
0

Optionsname

die anzuwendende Integrationsmethode (siehe


Bem. 3.2.1); weiterer mglicher Wert:

 
2

 
'2




1
0
 2

0
1
%!" '  2'
 "
 
%  
' 

der bereits mit

'

 "
!" 

0
1

 
'2 

berechnete Term




ob die erklrende Fourierreihe ausgegeben wird

die Schrittweite; weitere


mgliche Werte: 2, 3,...

{a, b, c, A, F}

die Auswahl der Variablennamen

 
) 



 
'2 

 
'2 


2 ' '2 
  
Optionen von FourierTableExact[]

Dies ist eine bersicht der


trigonometrischen und komplexen Fourierkoefzienten,
der Gesamtamplituden und
der Phasen fr n = 03 der
Funktion f (def. auf Seite
52).

In[31]:= FourierTableExact[f, d, n, 3]
an
bn
cn
An
n
n

2
2
4
0

0
0

4
2
4

Out[31]=

3
3
3

4
4
2
2

15
15 15

4
4
2

3
0

35
35 35

63

3 Paketbeschreibung

3.2 Exakte Berechnungen

Dies zeigt die Verwendung


der Option
,
es werden hier nur fr
jedes zweite n Werte berechnet. Mittels der Option
knnen wir eine erklrende
Formel einblenden, welche
den Zusammenhang zu den
Variablen im Tabellenkopf
zeigt.
Im Beispiel ist fr n =
0 die Phase arg cn nicht
berechenbar, was mit dem
Tabelleneintrag
quittiert wird (siehe Bem.
2.7.1 auf S. 40).

In[32]:= FourierTableExact[t/2, {t, 1, 1}, n, 6,


FourierStep > 2,
FourierShowFormula > True]

Das Beispiel zeigt die


Verwendung der Option
, die
die freie Wahl der Variablen
im Tabellenkopf ermglicht (vgl. auch vorstehende
erklrende Formel).

In[33]:= FourierTableExact[UnitStep[t],
{t, 1, 1}, n, 3,
FourierVariables > {a1, a2, a3, a4, },
FourierShowFormula > True]
Out[33]= UnitStep[t] F3 [UnitStep[t]]

Out[32]=

t
t
F6 A E = cn Exp[Int] =
2
2
n=6
6

a0 + (an Cos[nt] + bn Sin[nt]) =


n=1

a0 + An Sin[nt + n ]
n=1

n an

0 0

2 0

Out[32]=

4 0

6 0

bn
0
1

2
1

4
1

cn
0
I
4
I
8
I
12

An
0
1
2
1
4
1
6

n
undefined

a3n Exp[Int] =

n=3

a10 + (a1n Cos[nt] + a2n Sin[nt]) =


n=1

a10 + a4n Sin[nt + n ]


n=1

n a1n

Out[33]= 1
0

3
0

a2n
0
2

0
2
3

a3n
1
2
I

0
I

a4n
1
2

0
2
3

undefined

64




 


  
  

 


 
 

3 Paketbeschreibung

 2

     
 !  # ' '# 



      
  !& ' '2 

1
0

berechnet unter Zuhilfenahme von cn =


6
5
5
5
5
5 |cn |2
4

0
1
% " ' 2' 
"  
  

den Quotienten

x, x0 , x1

expr

1
0

3.2.1.8

3.2 Exakte Berechnungen

n=2

|cn |


2

1
0

 !

n=1

Syntax von FourierHarmonicDistortionExact[]

Vorgabe
siehe

verfgt ber alle Optionen


des Mathematica-Befehls

die anzuwendende Integrationsmethode (siehe


Bem. 3.2.1); weiterer mglicher Wert:


  


1
0

   
  #

siehe

Optionsname

    
  
 
2

 
'2




1
0
 2

0
1
%  "
!" '  2'
 
%  
' 

der bereits mit

'

 "
!" 

0
1

 
'2 

berechnete Term

die Ordnung der Fourierreihe; weitere mgliche


Werte: 1, 2, ...

"
 & 

  
' '2 

Optionen von FourierHarmonicDistortionExact[]

Dies berechnet fr die


Funktion f (def. auf S. 52)
den Klirrfaktor.

In[34]:= FourierHarmonicDistortionExact[f, d, n]
2
1 88 + 92
Out[34]=
3
8 + 2

7 Beschreibungen

zu den Optionen nden sich in [Wolfram97a] im Abschnitt 3.5.8 auf S. 879 und auch in
der Online-Dokumentation von Mathematica.

65

3 Paketbeschreibung

3.2 Exakte Berechnungen

In[35]:= FourierHarmonicDistortionExact[f, d, n,
FourierNumber > 20]
1

Mit der Option


knnen wir im vorherigem Beispiel fr ein
bestimmtes n0 den Anteil
der Oberschwingungen an
der Gesamtschwingung berechnen.
Beim Vergleich des exakten
Ergebnisses mit der Annherung fr n0 = 20 stellen
wir fest, da hier beide
Werte schon sehr nahe beieinander liegen.

 

In[36]:= %%//N
Out[36]= 0.22162
In[37]:= %%//N
Out[37]= 0.221576


 2
n

0
1
%  "  
! " ' 2 '# 
 

x, x0 , x1

 !

 ' '# 

 

1
0


 (

expr

 


1
0

3.2.1.9

38405604949255064762902416989
195564348939856307332175036591

Out[35]=

 ' '2 

 

berechnet unter Zuhilfenahme von


die beiden Seiten der Gleichung (siehe fr a0 , an , bn S. 28):
2
x1 2
1
1
f (t) t = a40 + 2 (a2 + b2 ).
n=1
n
n
x -x x


2

1
0

Syntax von FourierParsevalExact[]

Vorgabe

siehe

siehe

verfgt ber alle Optionen


von

In[38]:= FourierParsevalExact[f, d, n]

8
1
4
Out[38]=
== 2 +
2 2 2
2

n=1 I 1 + 4n M

1
0


 2 2'
 
%   
 '  
  
n=1

I4n2 - 1M




1
0


2 ('
 
%   
 '#  #
  

Dies zeigt die Anwendung


der Parsevalschen Gleichung auf f (def. auf S.
52). Wir schlieen daraus,
da gilt:

%
(

Optionen von FourierParsevalExact[]

1
0

 2 2

 
'# 

Optionsname

p2 - 8
.
16

66

3 Paketbeschreibung

3.2 Exakte Berechnungen

Mittels der Option


knnen wir
wenn mglich die Summe
auf der rechten Seite evaluieren. Falls Mathematica
diese berechnen kann, stellt
es die Gleichheit beider
Seiten der Gleichung fest.

In[39]:= FourierParsevalExact[f, d, n,
FourierFunction > Evaluate]
Out[39]= True

 


 

Out[41]= 0.0000145612

 
('

n n0


2

x, x0 , x1

 
' 

expr

 





 !

 '2 

    

1
0


 2

1
0

3.2.1.10

In[40]:= FourierParsevalExact[f, d, n,
FourierNumber > 10]
208922553220868
1

Out[40]=
2 423377937432452
In[41]:= %//N

 2

Mit der Option


wird die Summe
nur bis zu einem bestimmten n0 evaluiert. Anschlieend wird die gesamte
rechte Seite der Gleichung
von der linken subtrahiert.
Dies spiegelt quasi die Aussage der Besselschen Ungleichung wider.

'   

  

zeichnet expr und die mit


berechnete abgebrochene Fourierreihe von expr der Ordnung n0 in dasselbe Diagramm.

1
0

1
0

Syntax von PlotFourierImageExact[]

Vorgabe
siehe

   
  #

siehe

verfgt ber alle Optionen


des Mathematica-Befehls


  


Optionsname

    
  

Optionen von PlotFourierImageExact[] weiter auf nchster Seite

8 Beschreibungen

zu den Optionen nden sich in [Wolfram97a] im Abschnitt 3.5.8 auf S. 879 und auch in
der Online-Dokumentation von Mathematica.

67

3 Paketbeschreibung

3.2 Exakte Berechnungen

Fortsetzung vorheriger Seite

siehe

  
   

siehe

Vorgabe

  
  

Optionsname

verfgt ber alle Optionen


des Mathematica-Befehls




die anzuwendende Integrationsmethode (siehe


Bem. 3.2.1); weiterer mglicher Wert:

1
0

 
2

 
'2




die periodischen Fortsetzungen




1
0
 2

0
1
%!" '  2'
 "
 
%  
' 

'

der bereits mit

 "
!" 

0
1

 
'2 
 
'2 

berechnete Term

die zu zeichnende(n) Funktion(en); mgliche Werte:


1..nur expr
2..nur F (expr)
3.. expr und F (expr)

  
 '2 
Optionen von PlotFourierImageExact[]

Die blau gezeichnete Kurve


ist der Graph der Funktion
f (def. auf S. 52), die rote
der Graph der abgebrochenen Fourierreihe F2 ( f )(t).

In[42]:= PlotFourierImageExact[f, d, n, 2]

n=2
1
0.8
0.6
0.4
0.2

Out[42]= -Graphics9 Beschreibungen

zu den Optionen nden sich in [Wolfram97a] im Abschnitt 1.9.3 auf S. 138 und auch in
der Online-Dokumentation von Mathematica.

68

3 Paketbeschreibung

3.2 Exakte Berechnungen

Mittels der Option

 
 

haben wir die Mglichkeit,


Funktion und die zugehrige Approximation in
einem grerem Intervall
zu betrachten (vgl. auch

In[43]:= PlotFourierImageExact[t + Sin[t]2,


{t, , }, n, 2, FourierContinue > 1]

n=2
3
2



 

  

).

-7.5

-5

-2.5

2.5

7.5

-1
-2
-3

Out[43]= -Graphics-

Die Option
gestattet es uns, jeweils
entweder f oder FN ( f )
auszublenden. Im Beispiel
ist nur der Graph von F2 ( f )
dargestellt.

In[44]:= PlotFourierImageExact[t3 + t2 + t + 1,
{t, , }, n, 2, FourierPlot > 1]//
Timing

n=2

 


20
15
10
5
-3

-2

-1

-5
-10

Out[44]= {14.23Second, -Graphics-}

Dies soll noch einmal


im Zusammenhang mit
dem nchsten Beispiel
die Benutzung der Option




 


und die daraus resultierende


Zeitersparnis verdeutlichen.

In[45]:= cn = FourierExpSeriesCoefficientExact[
t3 + t2 + t + 1, {t, , }, n]
1
Out[45]= IfAn == 0, I3 + 2 M,
3
I(1)n I 6 2In + n2 I1 + 2 MM
E
n3

69

3 Paketbeschreibung

3.2 Exakte Berechnungen

Hier wird der im vorherigen


Beispiel in
gespeicherte
Fourierkoefzient verwendet
(vgl. Laufzeit).

In[46]:= PlotFourierImageExact[t3 + t2 + t + 1,
{t, , }, n, 2, FourierPlot > 1,
FourierExpCoefficient > cn]//
Timing

n=2
20
15
10
5
-3

-1

-2

-5
-10

Out[46]= {1.1Second, -Graphics-}


 2

n n0

 
2'

x, x0 , x1

 
'2 

     
  '2 

1
0

expr

 2


 (

1
0

3.2.1.11

  
   &''   

zeichnet expr und die mit


berechneten
abgebrochenen Fourierreihen von expr der Ordnungen n = 0n 0 in
jeweils dasselbe Diagramm.

1
0

1
0

Syntax von PlotFourierAnimationExact[]

verfgt ber alle Optionen


der Funktion

die Schrittweite; weitere


mgliche Werte: 2, 3, ...

1
0

'



siehe


 2
%   
 

1
0

 2  '2 

 
%
   
  



siehe

Vorgabe

1
0

 (  ' 

 
%   
  

Optionsname

 
'2 

Optionen von PlotFourierAnimationExact[]

70

3 Paketbeschreibung

Im Beispiel sehen wir das


Ergebnis von

 







 
 

angewendet auf f (def.


auf S. 52). Diese Bilder
lassen sich nun z. B. mittels Doppelklick auf eines der Bilder animieren
[Wolfram97a]. Es wurde
zur besseren Orientierung
in der Voreinstellung eine Bildberschrift mit der
jeweiligen Ordnung der abgebrochenen Fourierreihe
angebracht, was sich auch
whrend der Animation als
vorteilhaft erweist.

3.2 Exakte Berechnungen

In[47]:= PlotFourierAnimationExact[f, d, n, 2]

n=0
1
0.8
0.6
0.4
0.2

n=1
1
0.8
0.6
0.4
0.2

n=2
1
0.8
0.6
0.4
0.2

Out[47]= {-Graphics-, -Graphics-, -Graphics-}

71

3 Paketbeschreibung

3.2 Exakte Berechnungen

Dies erzeugt eine Liste mit


Grak-Objekten. Mittels


 



wird die sofortige


Ausgabe unterdrckt, da
wir hier die einzelnen Bilder aus Platzgrnden besser anordnen wollen. Die
explizite Einstellung von
stellt sicher,
da die Skala in jedem
Grakteil dieselbe ist.

In[48]:= PlotFourierAnimationExact[t, {t, 1, 2},


n, 5, PlotRange > {1, 2},
Ticks > {{1, 1, 2}, {1, 1, 2}},
DisplayFunction > Identity]
Out[48]= {-Graphics-, -Graphics-, -Graphics-,
-Graphics-, -Graphics-, -Graphics-}

Dies zerlegt die Graken


in drei Zeilen und zeigt die
sich ergebende Bilderanordnung.

In[49]:= Show[GraphicsArray[Partition[%, 2]]]

n=0

-1

-1

-1
2

n=2

n=3

-1

-1

-1

-1
n=4

1
-1

1
-1

n=1

n=5

1
1

-1

-1
-1

Out[49]= -GraphicsArray-

72

3 Paketbeschreibung

3.2 Exakte Berechnungen

Hier wird mittels der Option


nur jedes
zweite Bild in die Animation mit aufgenommen, was
gerade bei langsam konvergierenden Fourierreihen
ntzlich sein kann.

In[50]:= PlotFourierAnimationExact[t2,
{t, 1, 2}, n, 6, PlotRange > All,
Ticks > {{1, 1}, {1, 1}},
FourierStep > 2,
DisplayFunction > Identity]
Out[50]= {-Graphics-, -Graphics-, -Graphics-,
-Graphics-}




 


In[51]:= Show[GraphicsArray[Partition[%, 2]]]

n=0

n=2

1
-1

-1

n=4

n=6

-1

-1

Out[51]= -GraphicsArray-

n n0

x, x0 , x1

1
0

 2


expr

 2

0
1
%  "  
)"  2' ' 
 


 2

1
0

 '2 
    
' (


3.2.1.12

  '   
  

zeichnet unter Zuhilfenahme von


die Gesamtamplituden der Fourierreihe von expr als Werte ber
den diskreten Frequenzen fr n = 1n0 .


2

1
0

Syntax von PlotFourierAmplitudeSpectrumExact[]

Vorgabe
siehe

10

   
  #

siehe

verfgt ber alle Optionen


des Mathematica-Befehls


  


Optionsname

    
  

Optionen von PlotFourierAmplitudeSpectrumExact[] weiter auf nchster Seite

10 Beschreibungen

zu den Optionen nden sich in [Wolfram97a] im Abschnitt 3.5.8 auf S. 879 und auch in
der Online-Dokumentation von Mathematica.

73

3 Paketbeschreibung

3.2 Exakte Berechnungen

Fortsetzung vorheriger Seite

11

siehe

  
   

siehe

Vorgabe

  
  

Optionsname

verfgt ber alle Optionen


des Mathematica-Befehls




die anzuwendende Integrationsmethode (siehe


Bem. 3.2.1); weiterer mglicher Wert:

1
0

 
2

 
'2




1
0
 2

0
1
%!" '  2'
 "
 
%  
' 

'

der bereits mit

 "
!" 

0
1

 
'2 

berechnete Term

die Schrittweite; weitere


mgliche Werte: 2, 3, ...

 
'2 

Optionen von PlotFourierAmplitudeSpectrumExact[]

Dies zeichnet das Amplitudenspektrum von f (def.


auf S. 52), wobei gut erkennbar ist, da f recht
schnell durch die zugehrige Fourierreihe approximiert wird.

In[52]:= PlotFourierAmplitudeSpectrumExact[f,
d, n, 10]

An
0.4
0.3
0.2
0.1
1

9 10

Out[52]= -Graphics-

11 Beschreibungen

zu den Optionen nden sich in [Wolfram97a] im Abschnitt 1.9.3 auf S. 138 und auch in
der Online-Dokumentation von Mathematica.

74

3 Paketbeschreibung

3.2 Exakte Berechnungen

Hier konvergiert die Fourierreihe nur langsam gegen


die Funktion t 3 + sin t. Die
Option
ermglicht hier eine bestimmte Schrittweite anzugeben,
die die zu zeichnenden Amplituden bestimmt.

In[53]:= PlotFourierAmplitudeSpectrumExact[t3
+ Sin[t], {t, 1, 2}, n, 20,
FourierStep > 2]

An
2.5
2

 

 


1.5
1
0.5
1

9 11 13 15 17 19

Out[53]= -Graphics-

n n0

x, x0 , x1

0
1
%  "  
)"  2' ' 
 

1
0

 2


expr

 2


 2


2

'2 
    

' 2


1
0


2

3.2.1.13

'   
  

zeichnet unter Zuhilfenahme von


die Phasen der Fourierreihe von expr als Werte ber den diskreten
Frequenzen fr n = 1n0 .


2

1
0

Syntax von PlotFourierPhaseSpectrumExact[]

Optionsname

Vorgabe

siehe

siehe

verfgt ber alle Optionen


der Funktion

'2 
 

ob Winkel in Grad oder


Bogenma angegeben
werden soll; weiterer mglicher Wert:

1
0

 2 '


%(   '


%   
 

1
0
 2

% 
&  2  

%        
'2  #

1
0

 (

%  
& '2  

%        
  


! 

Optionen von PlotFourierPhaseSpectrumExact[]

75

3 Paketbeschreibung

Dies zeichnet das Phasenspektrum der Funktion f


(def. auf S. 52).

3.3 Verwendung von CalculusFourierTransform

In[54]:= PlotFourierPhaseSpectrumExact[f, d, n,
10]

arg cn
175
150
125
100
75
50
25
1

9 10

Out[54]= -Graphics-

Mittels der Option


lt sich die
Einheit der Ordinate zwischen Grad- und Bogenma
frei whlen.

In[55]:= PlotFourierPhaseSpectrumExact[
Cos[t]2, {t, 1, 2}, n, 10,
FourierAngle > Radian,
Ticks > {Automatic, {/2, /2}}]

  

 


arg cn

10

Out[55]= -Graphics-

3.3 Verwendung von CalculusFourierTransform


  "      
$! !! '# #

Hier sind solche Funktionen gemeint, die die im Paket


bereitgestellten Funktionen ihrer Aufgabe entsprechend zur Berechnung heranziehen.

76

3.3 Verwendung von CalculusFourierTransform

  "   
$! #) '

3.3.1

Syntaxbeschreibung

3.3.1.1

Abb. 3.3: Screenshot von FOURIERPALETTE.NB - Verwendung von

%  
  

3 Paketbeschreibung

'2  '# 

 

 
,

n n0

!"  2'
 "  

x, x0 , x1

$) #! '  


 "      
1
0
 
' 

expr

'2 

 

berechnet unter Zuhilfenahme von


aus dem Paket
die Koefzienten von
n x 2p x
2p
2p
-x0
, die Gesamtamplituden und die Phasen
cos n x -x x, sin n x -x x, e 1
1
0
1
0
der Fourierreihe von expr fr n = 0n0 und stellt diese fr das jeweilige n
in Matrixform dar.

 " "  
)' ('

n n0

x, x0 , x1

$) #! '  


 "      
1
0
  
'

expr

'# 

 

berechnet unter Zuhilfenahme von


aus dem Paket
die Koefzienten von
n x 2p x
2p
2p
cos n x -x x, sin n x -x x, e 1 -x0 , die Gesamtamplituden und die Phasen
1
0
1
0
der Fourierreihe von expr fr n = 0n0 und stellt diese fr das jeweilige n
in Matrixform dar.

Syntax von FourierTable[], NFourierTable[]

77

3 Paketbeschreibung

3.3 Verwendung von CalculusFourierTransform

Vorgabe



Optionsname

ob die erklrende Fourierreihe ausgegeben wird

die Schrittweite; weitere


mgliche Werte: 2, 3, ...

{a, b, c, A, F}

die Auswahl der Variablennamen

 
) 

 
'2 

 
'2 


2 ' '2 
  
Optionen von FourierTable[], NFourierTable[]

an
n

2 4

15

3 4

35

bn
0

0
0
0

cn
2

3
2

15
2

35

An
4

4
3
4
15
4
35

In[57]:= N[NFourierTable[f, d, n, 3, ]//Timing, 1]


Out[57]= 90.7Second,
an
bn
n

0.7
0

1. 0.4
0

2. 0.09 0

3. 0.03 0

cn
An
n
0.7
2.
0
0.2
0.4 3.
0.04 0.09 3.
0.01 0.03 3.

 

 

berechnet intern die Werte


der Tabelle numerisch,
aus Platzgrnden wurde hier auf lange Nachkommastellen mittels
verzichtet. Im Vergleich
zum vorherigen Beispiel ist
schneller als
,
wenn auch ungenauer (siehe
Bem. 3.2.2, 3.3.1).

In[56]:= FourierTable[f, d, n, 3]//Timing


Out[56]= 91.87Second,

Dies zeigt fr f (def. auf


S. 52) die Tabelle wichtiger
Werte der Fourierreihe von
f und die dafr bentigte
Rechenzeit. Die Ergebnisse
werden mglichst in ihrer
genauesten Darstellung, also
als Brche ausgegeben.

 

 


 

 







Bemerkung 3.3.1 Die -Formen nutzen intern


(statt
) und damit
numerische Algorithmen zur Berechnung der Integrale, die meist schneller, jedoch nur angenherte Lsungen liefern. Neben dem Zeitvorteil bietet sich auch der Versuch, die -Formen zu nutzen,
an, falls eine symbolische Integration mit Mathematica nicht zum Ziel fhrte.

78

3 Paketbeschreibung

3.3 Verwendung von CalculusFourierTransform

In[58]:= NFourierTable[f, d, n, 20]; //Timing

Dies demonstriert den Geschwindigkeitsunterschied


der beiden Funktionen
und

Out[58]= {15.43Second, Null}


In[59]:= FourierTableExact[f, d, n, 20]//N; //
Timing
Out[59]= {3.84Second, Null}


 

 


 

 

(siehe Bem. 3.2.2, 3.3.1).

  
'     '2 

    
,

n n0

 ! #! 
 "       
0
1
%   
 '# 
 
2' '2 
 

x, x0 , x1

expr

3.3.1.2

'   

  

zeichnet expr und die mit


bzw.
aus dem Paket
berechnete
abgebrochene Fourierreihe von expr der Ordnung n0 in dasselbe Diagramm.
n n0

x, x0 , x1

 
2'

 ! #! 
 "       
0
1
%    
 '
 
2' '2 
 

expr

 '2 

    

zeichnet expr und die mit


bzw.
aus dem Paket
berechnete
abgebrochene Fourierreihe von expr der Ordnung n0 in dasselbe Diagramm.

 
2'

Syntax von PlotFourierImage[], NPlotFourierImage[]

12

siehe

  
   

siehe

Vorgabe

  
  

Optionsname

verfgt ber alle Optionen


des Mathematica-Befehls




die anzuwendende Fourierreihe; weiterer mglicher


Wert:

1
0

 
2

 
'2




Optionen von PlotFourierImage[], NPlotFourierImage[] weiter auf nchster Seite

12 Beschreibungen

zu den Optionen nden sich in [Wolfram97a] im Abschnitt 1.9.3 auf S. 138 und auch in
der Online-Dokumentation von Mathematica.

79

3 Paketbeschreibung

3.3 Verwendung von CalculusFourierTransform

Fortsetzung vorheriger Seite

Optionsname

Vorgabe
die periodischen Fortsetzungen




die zu zeichnende(n) Funktion(en); mgliche Werte:


1..nur expr
2..nur F (expr)
3.. expr und F (expr)

 
'2 

  
 '2 

Optionen von PlotFourierImage[], NPlotFourierImage[]

Dies zeigt die bentigten


Rechenzeiten der drei auf
f angewandten Funktionen
,
und

In[60]:= PlotFourierImage[f, d, n, 20,


DisplayFunction > Identity]//
Timing
Out[60]= {10.27Second, -Graphics-}

In[61]:= NPlotFourierImage[f, d, n, 20,


DisplayFunction > Identity]//
Timing
Out[61]= {31.2Second, -Graphics-}





 
  

 
 

  



(siehe Bem. 3.2.2, 3.3.1).

In[62]:= PlotFourierImageExact[f, d, n, 20,


DisplayFunction > Identity]//
Timing
Out[62]= {2.31Second, -Graphics-}

n n0

x, x0 , x1

     
  '2 

  "      
$! !! '# #
0
1
%   
 '# 
 
2' '2 
 

expr

  
   &''   

3.3.1.3

   &''   
  

zeichnet expr und die mit


bzw.
aus dem Paket
berechneten
abgebrochenen Fourierreihen von expr der Ordnungen n = 0n 0 in jeweils
dasselbe Diagramm.
n n0

x, x0 , x1

 
2'

  "      
$! !! '# #
0
1
%    
 '
 
2' '2 
 

expr

  '2 
     

zeichnet expr und die mit


bzw.
aus dem Paket
berechneten
abgebrochenen Fourierreihen von expr der Ordnungen n = 0n 0 in jeweils
dasselbe Diagramm.

 
2'

Syntax von PlotFourierAnimation[], NPlotFourierAnimation[]

80

3 Paketbeschreibung

3.3 Verwendung von CalculusFourierTransform

Vorgabe

 
 ' 
%   
  

siehe

verfgt ber alle Optionen der Funktion

   
 '# 

 
 '2 
%
   
  

siehe

Optionsname

bzw.

    
  

die Schrittweite; weitere


mgliche Werte: 2, 3, ...

 
'2 

Optionen von PlotFourierAnimation[], NPlotFourierAnimation[]

Dies zeigt die bentigten


Rechenzeiten der drei auf
f angewandten Funktionen
,

In[63]:= PlotFourierAnimation[f, d, n, 5,
DisplayFunction > Identity]; //
Timing
Out[63]= {21.03Second, Null}
In[64]:= NPlotFourierAnimation[f, d, n, 5,
DisplayFunction > Identity]; //
Timing
Out[64]= {9.61Second, Null}







  
 


 
  




  


und

(siehe

Bem. 3.2.2, 3.3.1).

In[65]:= PlotFourierAnimationExact[f, d, n, 5,
DisplayFunction > Identity]; //
Timing
Out[65]= {7.03Second, Null}

 2   '# 

   


' 2  '2 
    

3.3.1.4

n n0

x, x0 , x1

expr

' (   '   

  

 !#! '2 
  "      
 " "
)'

%  
2 '# 
 
)"  2'  ' 
 "     

0
1
 "  
'" ' 2' 
  

zeichnet unter Zuhilfenahme von


bzw.
und
aus dem Paket
die
Gesamtamplituden der Fourierreihe von expr als Werte ber den diskreten
Frequenzen fr n = 1n0 .

Syntax von PlotFourierAmplitudeSpectrum[], NPlotFourierAmplitudeSpectrum[] weiter auf nchster Seite

81

3 Paketbeschreibung

3.3 Verwendung von CalculusFourierTransform

Fortsetzung vorheriger Seite

n n0

x, x0 , x1

expr

' 2  '2 



    

 !#! '2 
  "      
 " "
)'

%    
2' ' 
)"  2'  ' 
 "     

0
1
 ! " ' 2 '# 
"  
 

zeichnet unter Zuhilfenahme von


bzw.
und
aus dem Paket
die
Gesamtamplituden der Fourierreihe von expr als Werte ber den diskreten
Frequenzen fr n = 1n0 .

Syntax von PlotFourierAmplitudeSpectrum[], NPlotFourierAmplitudeSpectrum[]

13

siehe

  
   

siehe

Vorgabe

  
  

Optionsname

verfgt ber alle Optionen


des Mathematica-Befehls




die anzuwendende Fourierreihe; weiterer mglicher


Wert:

 
2

1
0

 
'2




die Schrittweite; weitere


mgliche Werte: 2, 3, ...

 
'2 

Optionen von PlotFourierAmplitudeSpectrum[], NPlotFourierAmplitudeSpectrum[]

Dies zeigt die bentigten


Rechenzeiten der drei auf
f angewandten Funktionen


!




 
 





 


!



! 




!

! 




!




  


und

(siehe Bem. 3.2.2,

3.3.1).

In[66]:= PlotFourierAmplitudeSpectrum[f, d, n,
10, DisplayFunction > Identity]; //
Timing
Out[66]= {5.43Second, Null}
In[67]:= NPlotFourierAmplitudeSpectrum[f, d, n,
10, DisplayFunction > Identity]; //
Timing
Out[67]= {9.17Second, Null}
In[68]:= PlotFourierAmplitudeSpectrumExact[f,
d, n, 10, DisplayFunction > Identity];
//Timing
Out[68]= {3.68Second, Null}

13 Beschreibungen

zu den Optionen nden sich in [Wolfram97a] im Abschnitt 1.9.3 auf S. 138 und auch in
der Online-Dokumentation von Mathematica.

82

83
Optionen von PlotFourierPhaseSpectrum[]


! 

 2  


%        
'2  #

'2 
 

'2  
 

%        
  

siehe

ob Winkel in Grad oder


Bogenma angegeben
werden soll; weiterer mglicher Wert:
bzw.

verfgt ber alle Optionen


der Funktion

Vorgabe

siehe


'

%
(   '

% 
  

'

%
(   '

%   
 

Optionsname

Syntax von PlotFourierPhaseSpectrum[], NPlotFourierPhaseSpectrum[]

zeichnet unter Zuhilfenahme von


bzw.
und
aus dem Paket
die Phasen
der Fourierreihe von expr als Werte ber den diskreten Frequenzen fr
n = 1n0 .

 ! #! 
 " 
     
 "
! " '

%
2 2' '2 

 
 " "      
)' ('  '

10
 ! " ' 2 '# 

"



 2 2 '2 


    

x, x0 , x1

n n0

expr

zeichnet unter Zuhilfenahme von


bzw.
und
aus dem Paket
die Phasen
der Fourierreihe von expr als Werte ber den diskreten Frequenzen fr
n = 1n0 .

 ! #! 
 "       
 "
! " '

% (' ' 


 
 
 "
! " '  2'  '2 
  
 

0
1
 "  
'" ' 2' 
  

n, n0

x, x0 , x1

expr

' 2 2 '   


  


 2 2 '2 

    


' 2 2 '   

  

3.3.1.5

3 Paketbeschreibung

3.3 Verwendung von CalculusFourierTransform

3 Paketbeschreibung

3.4 Interaktive Eingabe

Dies zeigt die bentigten


Rechenzeiten der drei auf
f angewandten Funktionen


 

!


  
  

 


 
!

  




!

  


3.2.2, 3.3.1).

und

(siehe Bem.

In[69]:= PlotFourierPhaseSpectrum[f, d, n, 10,


DisplayFunction > Identity]; //
Timing
Out[69]= {6.09Second, Null}
In[70]:= NPlotFourierPhaseSpectrum[f, d, n, 10,
DisplayFunction > Identity]; //
Timing
Out[70]= {9.11Second, Null}
In[71]:= PlotFourierPhaseSpectrumExact[f, d, n,
10, DisplayFunction > Identity]; //
Timing
Out[71]= {3.68Second, Null}

3.4 Interaktive Eingabe

Abb. 3.4: Screenshot von FOURIERPALETTE.NB interaktive Eingabe


Mit Mathematica 3.0 ist es in beschrnktem Mae mglich, interaktive Eingaben zu gestalten. Hier wurde mit dem Mathematica-Befehl
ein einfacher Versuch unter-




84

3 Paketbeschreibung

3.4 Interaktive Eingabe

nommen, die neuen Funktionen interaktiv zu nutzen. Durch Klicken eines Buttons (siehe Abbildung 3.4) in der Fourierpalette wird im aktuellen Notebook die entsprechende
Funktion gestartet, wobei vorher die notwendigen Daten vom Nutzer abgefragt werden.

Abb. 3.5: Screenshot - interaktive Eingabe


Dies ist wie zu Beginn dieses Kapitels erwhnt, kein wesentlicher Bestandteil der Diplomarbeit. Da die Dialoge zum Eingeben der Daten selbsterklrend sind, soll hier nicht
weiter darauf eingegangen werden.

85

4 Zusammenfassung und Ausblick


Wir haben im ersten Kapitel einen kleinen Einblick in die Anwendung der Fourieranalyse
in der Praxis erhalten. Dabei wurde lediglich am Beispiel des Klanges verdeutlicht, da
Schwingungen aus vielen einzelnen harmonischen Schwingungen zusammengesetzt sein
knnen.
Im zweiten Kapitel wurden die zum Verstndnis der neuen Funktionen meines Paketes
notwendigen theoretischen Grundlagen der Fourieranalyse behandelt. Einige ntzliche
Funktionen stehen uns im Paket ftools.m zur Verfgung, mit denen wir fr viele periodische Funktionen die wichtigsten Fragen der Fourieranalyse beantworten knnen.
Im dritten Kapitel wurden alle Funktionen meines Paketes ausfhrlich und Besonderheiten an ausgewhlten Beispielen erklrt.
Wie wir im ersten Kapitel erfahren haben, ist das Ziel der Fourieranalyse das Aufnden der in einer periodischen Schwingung vorhandenen sinusfrmigen Einzelschwingungen. Interessant wre nun zu untersuchen, welche Frequenzen mit welchen Amplituden
in einem Zeitsignal f (t) enthalten sind, wenn das Zeitsignal nicht periodisch ist. Die
Untersuchung nichtperiodischer Funktionen bezeichnet man als Fouriertransformation.
Dies stellt ein Verfahren dar, welches auch fr nichtperiodische Funktionen alle Frequenzen liefert, die in einem Signal enthalten sind. Dabei wird der Ansatz verfolgt, da die
Funktion f (t) eine periodische Funktion mit Periode 2p ist. Die Fouriertransformation mit ihren Varianten (DFT, FFT) sowie die inverse Fouriertransformation sollen
nicht mehr Gegenstand dieser Diplomarbeit sein. Es nden sich in den meisten in den
Quellen angegebenen Bchern ausfhrliche Abhandlungen zu diesem Gebiet. Das Paket
enthlt neben den Funktionen zur Fourieranalyse auch
einige Funktionen zur Behandlung der Fouriertransformation. Beschreibungen dazu nden sich in [Wolfram97b] und in der Online-Dokumentation von Mathematica.

   "      
$!#!  '2 

86

A Fourier-Entwicklung einfacher
periodischer Funktionen
In folgendem wurde die Tabelle der Fourier-Entwicklung einfacher periodischer Funktiound
nen aus [Stcker97, S. 594] mit den Funktionen
bis auf die letzten beiden Beispiele (da keine Angabe von
f (t)) rekonstruiert.

 
   ' 

   


 2

1
0

 
2'




 
'# 

Mitunter werden die Fourierreihen in der Vorlage fr gerade und ungerade n unterschieden, was die betreffenden Funktionen aus dem Paket nicht leisten. Um trotzdem ansatzweise einen Vergleich zu ermglichen, wurde in diesen Fllen zustzlich die abgebrochene Fourierreihe ausgegeben. Weiterhin sind die Fourierreihen in [Stcker97] fr die
allgemeine Periode T und den Parameter c (falls benutzt) angegeben. In diesem Anhang
wurden spezielle Vorgaben (T = 10, c = 1 T = 2) fr diese Werte festgesetzt, da Mathe5
matica sonst bei der Integration selten gute Ergebnisse liefert. Die Funktionen wurden in
Abhngigkeit von T und c formuliert, so da durch Variation dieser Werte entsprechende
Funktionen und deren zugehrige Fourierreihen erzeugt werden knnen.
In[1]:= T = 10;
c := 1/5 T;
T
T
=, 9 T/4, =,
8
4
3T
7T
T
9 T/2, =, 9 3T/4,
=, 9 7T/8,
=,
2
4
8
T
T
T
{T, T}, 9T/8, =, 9T/4, =, 9T/2, =,
8
4
2
7T
3T
93T/4, =, 97T/8, =, {T, T}=, {1, 1}=,
4
8
PlotRange > All=E;

opt := ApplyASequence, 9Ticks > 999 T/8,

In[2]:= f = UnitStep[t T/2 + c] UnitStep[t T/2 c];


d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 10, opt]

2(1)n Cos A nt E Sin A 2n E


2
5
5
Out[2]=
+
5 n=1
n

87

A Fourier-Entwicklung einfacher periodischer Funktionen


n=10
1

T
8

T
4

T
2

3T
4

7T
8

Out[2]= -Graphics-

In[3]:= f = UnitStep[t] 2 UnitStep[t T/2];


d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
FourierTrigSeriesExact[f, d, n, FourierNumber > 5]
PlotFourierImageExact[f, d, n, 10, opt]

2I 1 + (1)3n M Sin A nt E
5
Out[3]=
n
n=1
Out[3]=

4 Sin A t E 4 Sin A 3t E 4 Sin[t]


5
5
+
+

3
5
n=10
1

T
8

T
4

T
2

3T
4

7T
8

-1

Out[3]= -Graphics-

In[4]:= f = UnitStep[t] 2 UnitStep[t T/4] + 2 UnitStep[t 3/4 T];


d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
FourierTrigSeriesExact[f, d, n, FourierNumber > 5]
PlotFourierImageExact[f, d, n, 10, opt]

Out[4]=
n=1

Out[4]=

16(1)n Cos A n E Cos A nt ESin A n E


4
5
4
n

4 Cos A t E 4 Cos A 3t E 4 Cos[t]


5
5

3
5

88

A Fourier-Entwicklung einfacher periodischer Funktionen


n=10
1

T
8

T
4

T
2

3T
4

7T
8

-1

Out[4]= -Graphics-

In[5]:= f = UnitStep[t] UnitStep[t c/2] + UnitStep[t T + c/2];


d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 10, opt]

2(1)n Cos A nt E Sin A 4n E


1
5
5
+
Out[5]=
5 n=1
n
n=10
1

T
8

T
4

T
2

3T
4

7T
8

Out[5]= -Graphics-

In[6]:= f = UnitStep[t T/2 + c]


2 UnitStep[t T/2] + UnitStep[t T/2 c];
d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 10, opt]

4(1)n Sin A n E Sin A nt E


5
5
Out[6]=
n
n=1

89

A Fourier-Entwicklung einfacher periodischer Funktionen


n=10
1

T
8

T
4

T
2

3T
4

7T
8

-1

Out[6]= -Graphics-

In[7]:= f = UnitStep[t T/4 + c/2]


UnitStep[t T/4 c/2] UnitStep[t 3/4 T + c/2]+
UnitStep[t 3/4 T c/2];
d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 10, opt]

2(1)n I Cos A 3n E Cos A 7n EM Sin A nt E


10
10
5
Out[7]=
n
n=1
n=10
1

T
8

T
4

T
2

3T
4

7T
8

-1

Out[7]= -Graphics-

In[8]:= f = UnitStep[t T/8 + c/2]


UnitStep[t T/8 c/2] UnitStep[t 7/8 T + c/2]+
UnitStep[t 7/8 T c/2];
d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 10, opt]

1
1
1
J Sin A n(1 4t)E + Sin A n(9 4t)E+
Out[8]=
n
20
20
n=1
Sin A

1
1
n(31 4t)E Sin A n(39 4t)EN
20
20

90

A Fourier-Entwicklung einfacher periodischer Funktionen


n=10
1

T
8

T
4

T
2

3T
4

7T
8

-1

Out[8]= -Graphics-

In[9]:= f = 4/T t UnitStep[t] (8/T t 2) UnitStep[t T/4]+


(8/T t 6) UnitStep[t 3/4 T];
d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
FourierTrigSeriesExact[f, d, n, FourierNumber > 5]
PlotFourierImageExact[f, d, n, 3, opt]
3

32(1)n Cos A n ESin A n E Sin A nt E


4
4
5
n2 2
n=1
8 Sin A t E 8 Sin A 3t E 8 Sin[t]
5
5

+
Out[9]=
2
92
252

Out[9]=

n=3
1

T
8

T
4

T
2

3T
4

7T
8

-1

Out[9]= -Graphics-

In[10]:= f = 1 4/T t (UnitStep[t] UnitStep[t T/2])+


4/T (t T) (UnitStep[t T/2] UnitStep[t T]);
d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
FourierTrigSeriesExact[f, d, n, FourierNumber > 5]
PlotFourierImageExact[f, d, n, 3, opt]

4(1 + (1)n ) Cos A nt E


5
Out[10]=
n2 2
n=1
8 Cos A t E 8 Cos A 3t E 8 Cos[t]
5
5
Out[10]=
+
+
2
92
252

91

A Fourier-Entwicklung einfacher periodischer Funktionen


n=3
1

T
8

T
4

T
2

3T
4

7T
8

-1

Out[10]= -Graphics-

In[11]:= f = 8/T t (UnitStep[t] UnitStep[t T/8]) 16/(6 T)


(t T/2) (UnitStep[t T/8] UnitStep[t 7/8 T])+
8/T (t T) (UnitStep[t 7/8 T] UnitStep[t T]);
d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 3, opt]

32(1)n Sin A 3n E Sin A nt E


4
5
Out[11]=
3n2 2
n=1
n=3
1

T
8

T
4

T
2

3T
4

7T
8

-1

Out[11]= -Graphics-

In[12]:= f = 6/T t (UnitStep[t] UnitStep[t T/6]) 12/(4 T)


(t T/2) (UnitStep[t T/6] UnitStep[t 5/6 T])+
6/T (t T) (UnitStep[t 5/6 T] UnitStep[t T]);
d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 3, opt]

9(1)n Sin A 2n E Sin A nt E


3
5
Out[12]=
n2 2
n=1

92

A Fourier-Entwicklung einfacher periodischer Funktionen


n=3
1

T
8

T
4

T
2

3T
4

7T
8

-1

Out[12]= -Graphics-

In[13]:= f = 1/T t;
d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 3, opt]

Sin A nt E
1
5
+
Out[13]=
2 n=1
n
n=3
1

T
8

T
4

T
2

3T
4

7T
8

Out[13]= -Graphics-

In[14]:= f = 2/T t (UnitStep[t] UnitStep[t T/2])+


2/T (t T) (UnitStep[t T/2] UnitStep[t T]);
d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 3, opt]

2(1)n Sin A nt E
5
Out[14]=
n
n=1

93

A Fourier-Entwicklung einfacher periodischer Funktionen


n=3
1

T
8

T
4

T
2

3T
4

7T
8

-1

Out[14]= -Graphics-

In[15]:= f = 2/T (t T/2) (UnitStep[t] UnitStep[t T]);


d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 3, opt]

2 Sin A nt E
5
Out[15]=
n
n=1
n=3
1

T
8

T
4

T
2

3T
4

7T
8

-1

Out[15]= -Graphics-

In[16]:= f = 2/T t (UnitStep[t] UnitStep[t T/2])


2/T (t T) (UnitStep[t T/2] UnitStep[t T]);
d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 3, opt]

2I 1 + (1)3n M Cos A nt E
1
5
+
Out[16]=
2 n=1
n2 2

94

A Fourier-Entwicklung einfacher periodischer Funktionen


n=3
1

T
8

T
4

T
2

3T
4

7T
8

Out[16]= -Graphics-

In[17]:= f = 2/(T c) t (UnitStep[t] UnitStep[t T/2 + c/2])+


(UnitStep[t T/2 + c/2] UnitStep[t T/2 c/2])
2/(T c) (t T) (UnitStep[t T/2 c/2] UnitStep[t T]);
d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 3, opt]

5I 1 + (1)n Cos A n EM Cos A nt E


3
5
5
+
Out[17]=
5 n=1
2n2 2
n=3
1

T
8

T
4

T
2

3T
4

7T
8

Out[17]= -Graphics-

In[18]:= f = 1/c t (UnitStep[t] UnitStep[t c])+


(UnitStep[t c] UnitStep[t T/2 + c]) 1/(c) (t T/2)
(UnitStep[t T/2 + c] UnitStep[t T/2 c])
UnitStep[t T/2 c] UnitStep[t T + c]+
1/c (t T + 2 c) (UnitStep[t T + c] UnitStep[t T]);
d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
FourierTrigSeriesExact[f, d, n, FourierNumber > 5]
PlotFourierImageExact[f, d, n, 3, opt]

5(1)n I Sin A 2n E + Sin A 3n EM Sin A nt E


5
5
5
Out[18]=
n2 2
n=1

95

A Fourier-Entwicklung einfacher periodischer Funktionen


5
Out[18]=

1I
2 5

0
5M Sin A t E
5
2

1I
2 5

0
5M Sin A 3t E
5
92

n=3
1

T
8

T
4

T
2

3T
4

7T
8

-1

Out[18]= -Graphics-

In[19]:= f = 2/(T 2 c) (t c/2)


(UnitStep[t c/2] UnitStep[t T/2 + c/2])+
(UnitStep[t T/2 + c/2] UnitStep[t T/2 c/2])
2/(T 2 c) (t T/2 2 c)
(UnitStep[t T/2 c/2] UnitStep[t T + c/2]);
d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
FourierTrigSeriesExact[f, d, n, FourierNumber > 3]
PlotFourierImageExact[f, d, n, 3, opt]

10(1)n I Cos A n E Cos A 4n EM Cos A nt E


1
5
5
5
+
Out[19]=
2 n=1
3n2 2
0
t
1 5I1 + 5M Cos A 5 E
Out[19]=
+

2
32
0
0
0
5I 1 I1 5M + 1 I 1 + 5MM Cos A 2t E 5I1 5M Cos A 3t E
4
4
5
5

62
272
n=3
1

T
8

T
4

T
2

3T
4

7T
8

Out[19]= -Graphics-

96

A Fourier-Entwicklung einfacher periodischer Funktionen


In[20]:= f = 2/(T c) t (UnitStep[t] UnitStep[t T/2 + c/2])+
UnitStep[t T/2 + c/2] UnitStep[t T/2]
UnitStep[t T/2] UnitStep[t T/2 c/2] + 2/(T c)
(t T/2 + 3/2c) (UnitStep[t T/2 c/2] UnitStep[t T]);
d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 5, opt]

(1)n I4n + 5 Sin A n EM Sin A nt E


5
5
Out[20]=
2n2 2
n=1
n=5
1

T
8

T
4

T
2

3T
4

7T
8

-1

Out[20]= -Graphics-

In[21]:= f = 2/(T 2 c) (t c/2)


(UnitStep[t c/2] UnitStep[t T/2 + c/2])+
UnitStep[t T/2 + c/2]
UnitStep[t T/2] UnitStep[t T/2]
UnitStep[t T/2 c/2] + 2/(T 2 c) (t T/2 + c)
(UnitStep[t T/2 c/2] UnitStep[t T + c/2])+
2 (UnitStep[t T + c/2] UnitStep[t T]);
d := {t, 0, T};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 5, opt]

2(1)n I3n + 5 Sin A n E 5 Sin A 4n EM Sin A nt E


5
5
5
Out[21]=
3n2 2
n=1

97

A Fourier-Entwicklung einfacher periodischer Funktionen


n=5
1

T
8

T
4

T
2

3T
4

7T
8

-1

Out[21]= -Graphics-

In[22]:= f = 36/Sqrt[3] t (T/2 t) (T/2 + t)/T3;


d = {t, T/2, T/2};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 2, opt]

18(1)n Sin A nt EI Cosh A Log[3] E + Sinh A Log[3] EM


5
2
2
Out[22]=
n3 3
n=1
n=2
1

T
2

T
4

T
8

T
8

T
4

T
2

-1

Out[22]= -Graphics-

In[23]:= f = 4 t (T/2 + t)/(T/2)2 (UnitStep[t + T/2] UnitStep[t])+


4 t (T/2 t)/(T/2)2 (UnitStep[t] UnitStep[t T/2]);
d = {t, T/2, T/2};
FourierTrigSeriesExact[f, d, n]
FourierTrigSeriesExact[f, d, n, FourierNumber > 5]
PlotFourierImageExact[f, d, n, 2, opt]

8I 2 + (1)n + (1)3n M Sin A nt E


5
Out[23]=
n3 3
n=1
Out[23]=

32 Sin A t E 32 Sin A 3t E 32 Sin[t]


5
5
+
+
3
273
1253

98

A Fourier-Entwicklung einfacher periodischer Funktionen


n=2
1

T
2

T
4

T
8

T
8

T
4

T
2

-1

Out[23]= -Graphics-

In[24]:= f =
4 t (T/2 + t)/(T/2)2 (UnitStep[t + T/2] UnitStep[t])+
4 t (T/2 t)/(T/2)2 (UnitStep[t] UnitStep[t T/2]);
d = {t, T/2, T/2};
FourierTrigSeriesExact[f, d, n]
FourierTrigSeriesExact[f, d, n, FourierNumber > 6]
PlotFourierImageExact[f, d, n, 2, opt]

4I2 + (1)n + (1)3n M Cos A nt E


2
5
+
Out[24]=
3 n=1
n2 2

Out[24]=

2 4 Cos A 2t E Cos A 4t E 4 Cos A 6t E


5
5
5

3
2
2
92
n=2
1

T
2

T
4

T
8

T
8

T
4

T
2

Out[24]= -Graphics-

In[25]:= f = t2/(T/2)2;
d = {t, T/2, T/2};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 2, opt]

4(1)n Cos A nt E
1
5
+
Out[25]=
3 n=1
n2 2

99

A Fourier-Entwicklung einfacher periodischer Funktionen


n=2
1

T
2

T
4

T
8

T
8

T
4

T
2

Out[25]= -Graphics-

In[26]:= f = Abs[Sin[2t/T]];
d = {t, T/2, T/2};
FourierTrigSeriesExact[f, d, n]
FourierTrigSeriesExact[f, d, n, FourierNumber > 6]
PlotFourierImageExact[f, d, n, 2, opt]

2(1 + (1)n ) Cos A nt E


2
5
+
Out[26]=
n=2
I 1 + n 2 M
Out[26]=

2 4 Cos A 2t E 4 Cos A 4t E 4 Cos A 6t E


5
5
5

3
15
35
n=2
1

T
2

T
4

T
8

T
8

T
4

T
2

Out[26]= -Graphics-

In[27]:= f = Sin[2t/T] (UnitStep[t] UnitStep[t T/2]);


d = {t, 0, T};
FourierTrigSeriesExact[f, d, n]
FourierTrigSeriesExact[f, d, n, FourierNumber > 6]
PlotFourierImageExact[f, d, n, 2, opt]

(1 + (1)n ) Cos A nt E 1
t
1
5
+
Out[27]=
+ Sin A E
2M
n=2
2
5
I1+n
Out[27]=

1 2 Cos A 2t E 2 Cos A 4t E 2 Cos A 6t E 1


t
5
5
5

+ Sin A E

3
15
35
2
5

100

A Fourier-Entwicklung einfacher periodischer Funktionen


n=2
1

T
8

T
4

T
2

3T
4

7T
8

Out[27]= -Graphics-

In[28]:= f = Abs[Cos[2 /T t]];


d = {t, T/2, T/2};
FourierTrigSeriesExact[f, d, n]
FourierTrigSeriesExact[f, d, n, FourierNumber > 6]
PlotFourierImageExact[f, d, n, 5, opt]

1
2(1 + (1)n ) Cos A 10 n(5 + 2t)EI 1 + n Sin A n EM
2
2
+
Out[28]=
n=2
I 1 + n 2 M
2 4 Cos A 1 (5 + 2t)E 4 Cos A 2 (5 + 2t)E
5
5

Out[28]=

3
15
4 Cos A 3 (5 + 2t)E
5
35

n=5
1

T
2

T
4

T
8

T
8

T
4

T
2

Out[28]= -Graphics-

In[29]:= f = Cos[2 /T t] (UnitStep[t] UnitStep[t T/4])+


Cos[2 /T t] (UnitStep[t 3/4 T] UnitStep[t T]);
d = {t, 0, T};
FourierTrigSeriesExact[f, d, n]
FourierTrigSeriesExact[f, d, n, FourierNumber > 6]
PlotFourierImageExact[f, d, n, 5, opt]

101

A Fourier-Entwicklung einfacher periodischer Funktionen


Out[29]=

t
1 1
+ Cos A E+
2
5

2(1)n Cos A n E Cos A nt EI 1 + 2n Sin A n EM


2
5
2

I 1 + n2 M
n=2

Out[29]=

2 Cos A 2t E 2 Cos A 4t E 2 Cos A 6t E


t
1 1
5
5
5
+ Cos A E +

+
2
5
3
15
35
n=5
1

T
8

T
4

T
2

3T
4

7T
8

Out[29]= -Graphics-

In[30]:= f = Cos[t] (UnitStep[t + T/2] UnitStep[t])+


Cos[t] (UnitStep[t] UnitStep[t T/2]);
d = {t, T/2, T/2};
FourierTrigSeriesExact[f, d, n]
PlotFourierImageExact[f, d, n, 5, opt]

nI 2 + (1)n Cos[5] + (1)3n Cos[5]M Sin A nt E


5
Out[30]=
25 + n2 2
n=1
n=5
1

T
2

T
4

T
8

T
8

T
4

T
2

-1

Out[30]= -Graphics-

102

Literaturverzeichnis
[Brigola97]

Brigola, Rolf: Fourieranalysis, Distributionen und Anwendung. Vieweg, 1997.

[Engelmann97] Engelmann, Bernd: Numerik III, Vorlesungsmitschriften. Hochschule


fr Wirtschaft, Technik und Kultur (HTWK) Leipzig, SS 1997.
[Herrman83]

Herrmann, Urbi F.: Handbuch der Elektroakustik. Dr. Alfred Hthig


Verlag GmbH, Heidelberg, 1983.

[Huter94]

Huter, Michael: Akustik: Die Hrbarkeit von Phasennderungen in synthetischen Klngen. Diplomarbeit, Fachhochschule Dsseldorf, 1994.
Erreichbar unter http://www.fh-duesseldorf.de/WWW/
DOCS/FB/ETECH/DOCS/tb/media/huter/hut_dipl.html

[Mazzola90]

Mazzola, Guerino: Geometrie der Tne. Birkhuser Verlag, Berlin,


1990.

[Pierce89]

Pierce, John R.: Klang: Musik mit den Ohren der Physik. Spektrumder-Wiss.-Verlagsgesellschaft, 1989.

[Stcker97]

Stcker, Horst: Taschenbuch mathematischer Formeln und moderner


Verfahren (CD-ROM-Version). Verlag Harri Deutsch, 1998.

[StGaVo97]

Strampp, Walter; Ganzha, Victor; Vorozhtsov, Evgenij: Hhere Mathematik mit Mathematica, Band 4. Vieweg, 1997

[Werner97]

Werner, Wilhelm: Mathematik lernen mit Maple, Band 2. dpunkt Verlag, Heidelberg, 1998, Abschnitt 1.6.2.

[Westermann97] Westermann, Thomas. Mathematik fr Ingenieure mit Maple Band 2.


Springer, 1997.
[Wolfram97a]

Wolfram, Stephen: Das Mathematica-Buch: Mathematica Version 3.


Addison Wesley Longman Verlag, 1997.

[Wolfram97b]

Wolfram, Stephen: Standard Add-On Package. Longman Verlag, 1997.

103

Index
A

Amplitudenspektrum . . . . . . . . . . . . . . 33

Harmonische . . . . . . . . . . . . . . . . . . . . . . . 5

Besselsche Ungleichung . . . . . . . . . . . 40

Klang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Klangfarbe . . . . . . . . . . . . . . . . . . . . . . . . . 7
Klirrfaktor . . . . . . . . . . . . . . . . . . . . . . . . 33
Koefzienten . . . . . . . . . . . . . . . . . . . . . . 11
Kreisfrequenz . . . . . . . . . . . . . . . . . . . . . 31

D
Dirichlet-Kerne . . . . . . . . . . . . . . . . . . . 44

E
Eulersche Formel . . . . . . . . . . . . . . . . . . 33

Mittelwerteigenschaft . . . . . . . . . . . . . . 19

FourierCosSeriesCoefcientExact[] . 56
FourierExpSeriesCoefcientExact[] . 54
FourierExpSeriesExact[] . . . . . . . . . . . 59
FourierHarmonicDistortionExact[] . . 65
Fourierkoefzienten . . . . . . . . . . . . . . . 15
FourierParsevalExact[] . . . . . . . . . . . . . 66
Fourierreihe . . . . . . . . . . . . . . . . . . . . . . . 14
abgebrochene . . . . . . . . . . . . . . . . . 16
komplexe . . . . . . . . . . . . . . . . . . . . . 33
FourierSinSeriesCoefcientExact[] . . 57
FourierTable[] . . . . . . . . . . . . . . . . . . . . . 77
FourierTableExact[] . . . . . . . . . . . . . . . 62
Fouriertransformation . . . . . . . . . . . . . . 86
FourierTrigSeriesExact[] . . . . . . . . . . . 61
Funktion
gerade . . . . . . . . . . . . . . . . . . . . . . . . 22
periodische . . . . . . . . . . . . . . . . . . . 10
ungerade . . . . . . . . . . . . . . . . . . . . . . 26

G
Gibbssches Phnomen . . . . . . . . . . . . . 21
Grundschwingung . . . . . . . . . . . . . . . . . 31
Grundton . . . . . . . . . . . . . . . . . . . . . . . . . . 4

NFourierTable[] . . . . . . . . . . . . . . . . . . . 77
NPlotFourierAmplitudeSpectrum[] . . 81
NPlotFourierAnimation[] . . . . . . . . . . . 80
NPlotFourierImage[] . . . . . . . . . . . . . . . 79
NPlotFourierPhaseSpectrum[] . . . . . . 83

O
Oberschwingung . . . . . . . . . . . . . . . . . . 31
Obertne . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Orthogonalitt . . . . . . . . . . . . . . . . . . . . . 12

P
Paket . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Palette, FOURIERPALETTE.NB . . . . 49
Parsevalsche Gleichung . . . . . . . . . . . . 42
Phasenspektrum . . . . . . . . . . . . . . . . . . . 33
PlotFourierAmplitudeSpectrum[] . . . 81
PlotFourierAmplitudeSpectrumExact[] 73
PlotFourierAnimation[] . . . . . . . . . . . . 80
PlotFourierAnimationExact[] . . . . . . . 70
PlotFourierImage[] . . . . . . . . . . . . . . . . 79
PlotFourierImageExact[] . . . . . . . . . . . 67
PlotFourierPhaseSpectrum[] . . . . . . . . 83

104

Index

Index

PlotFourierPhaseSpectrumExact[] . . . 75
PlotPeriodicalContinuation[] . . . . . . . 51

R
Riemann-Lebesgue-Lemma . . . . . . . . 42

S
Satz von Dirichlet . . . . . . . . . . . . . . . . . 46
Schall . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Symmetrie . . . . . . . . . . . . . . . . . . . . . . . . 22

T
Trigonometrische Reihe . . . . . . . . . . . . 11
Trigonometrisches Polynom . . . . . . . . 11

105

Eidesstattliche Erklrung
Hiermit erklre ich an Eides statt, da ich diese Diplomarbeit selbstndig angefertigt und
keine anderen als die angegebenen Quellen und Hilfsmittel benutzt habe. Alle wrtlich
oder sinngem bernommenen Ausfhrungen wurden als solche gekennzeichnet. Weiterhin erklre ich, da ich diese Arbeit in gleicher oder hnlicher Form nicht bereits einer
anderen Prfungsbehrde vorgelegt habe.

Halle, den 16. April 2000

................................
Lars Denkewitz