# 拉普拉斯变换

傅立叶变换的代数式:

img

其中,e-iwt是复平面上绕单位圆旋转的一个向量(点),它是一个有界量。那么上面式子要可积,至少得:

img

如果当x=>∞时,f(x)=>∞,比如这样:

img

这个f(x)的傅立叶变换就没有办法积,可以想办法把这个图像拉下来一半,这样

img

为了更好的适应f(x)的各种情况(比如xx增长较快,e-x就扶不住),一般会这么处理:

img

那么下面积分就可以积了:

img

令:

img

可以得到:

img

这就是拉普拉斯变换。

当然这个扩展也是付出了代价的,只能在[0, +∞)上积分,不过影响不大:

  • x在应用中,一般代表时间,时间是非负的
  • 可以通过双边拉普拉斯变换延展到负轴

还可以从另外一个角度来看待拉普拉斯变化。

e-iwt对应的是等幅三角函数,而 esx对应的是变幅的、并且振幅越来越大的三角函数