Laplace transform

X(s)=L[X(t)]=∫0∞X(t)e−stdtX(s) = L[X(t)]=\int_{0}^{\infty} X(t) e^{-st} dt X(s)=L[X(t)]=∫0∞X(t)e−stdt

Convolution

x(t)∗g(t)=∫0τx(τ)g(t−τ)dτx(t) * g(t) = \int_0^{\tau} x(\tau) g(t-\tau) d \tau x(t)∗g(t)=∫0τx(τ)g(t−τ)dτ

证明： L[x(t)∗g(t)]=X(s)G(s)L[x(t) * g(t)]=X(s)G(s)L[x(t)∗g(t)]=X(s)G(s)

L[x(t)∗g(t)]=∫0∞∫0tx(τ)g(t−τ)dτe−stdt=∫0∞∫τ∞x(τ)g(t−τ)e−stdtdτ令:t−τ=ut=u+τdt=du+dτ=dut∈[τ,∞)⇒u=t−τ∈[0,∞)=∫0∞∫0∞x(τ)g(u)e−s(u+τ)dudτ=∫0∞x(τ)e−sτdτ∫0∞g(u)e−sudu=X(s)G(s)\begin{aligned} L[x(t)*g(t)] &=\int_{0}^{\infty} \int_0^{t} x(\tau) g(t-\tau) d \tau \; e^{-st} dt \\ &=\int_{0}^{\infty} \int_{\tau}^{\infty} x(\tau) g(t-\tau) \; e^{-st} dt \;d \tau \\ & 令: t-\tau = u \quad t=u+\tau \quad dt=du+d\tau=du \\ &t\in[\tau,\infty) \Rightarrow u=t-\tau \in [0,\infty) \\ &=\int_0^{\infty} \int_0^{\infty} x(\tau)g(u) e^{-s(u+\tau)}du\;d\tau \\ &=\int_0^{\infty}x(\tau)e^{-s\tau}d\tau \int_0^{\infty}g(u)e^{-su}du\\ &=X(s)G(s) \end{aligned} L[x(t)∗g(t)]=∫0∞∫0tx(τ)g(t−τ)dτe−stdt=∫0∞∫τ∞x(τ)g(t−τ)e−stdtdτ令:t−τ=ut=u+τdt=du+dτ=dut∈[τ,∞)⇒u=t−τ∈[0,∞)=∫0∞∫0∞x(τ)g(u)e−s(u+τ)dudτ=∫0∞x(τ)e−sτdτ∫0∞g(u)e−sudu=X(s)G(s)

结论：
L(x(t)∗g(t))=L[X(t)]L(G(t))=X(s)G(s)L(x(t)*g(t))=L[X(t)]L(G(t))=X(s)G(s) L(x(t)∗g(t))=L[X(t)]L(G(t))=X(s)G(s)

原视频：
https://www.bilibili.com/video/av26446618

4 卷积的拉普拉斯变换相关推荐

图卷积神经网络1-谱域图卷积：拉普拉斯变换到谱域图卷积
知乎主页备注:本篇博客摘自某培训机构上的图神经网络讲解的视频内容,该视频关于图神经网络入门讲解.经典算法的引入和优缺点的介绍比较详细,逻辑主线也比较清晰.因此记录分享下. 目录: 图卷积近年发展图 ...
卷积的拉普拉斯变换等于拉普拉斯变换的乘积
卷积和拉普拉斯变换的关系-卷积定理
还可以见: https://www.cnblogs.com/xml299792458/p/15143068.html https://zhuanlan.zhihu.com/p/152647974 ht ...
卷积、傅立叶变换、拉普拉斯变换、Z变换
2018-10-27 准备计控期中考试,看课件过程中又出现z变换,然后又搜出一堆博客,陷入不懂的循环. 不过,对卷积和傅里叶变换知道了一点,比之前清晰了一些. [转]卷积及拉普拉斯变换的通俗解释图像 ...
【动态建模与分析】拉普拉斯变换笔记
1.拉普拉斯变换例问:分析电流i的变化.---→求解微分方程. (卷积 * ) 拉普拉斯变换--[微分方程→代数方程,卷积运算→乘法运算] (时间函数) --→ 傅里叶变换 ...
控制工程笔记2|拉普拉斯变换
定义: 广泛应用于工程分析当中.它可以将时域上的函数 f(x)转化为复数域上的函数F(s).从而简化系统分析的难度. 傅里叶变换条件: 拉普拉斯变换条件: 计算公式: 例题: 例1: 例2: 例3: ...
（一看就懂）傅里叶变换、拉普拉斯变换、Z变换、卷积的经典文章汇总
0.前沿在复习傅里叶变换.拉普拉斯变换.Z变换和卷积等知识时,我发现网上有非常非常多的大牛.他们用通俗易懂的语言来讲解这些复杂的知识,使人豁然开朗. 1.连续时间信号的傅里叶级数与傅里叶变换如果现 ...
拉普拉斯变换卷积法处理非齐次线性微分方程通解
其中右边f(x)的形式不需要知道.我们可以将解表示为卷积形式. 很容易证明通解是有界函数.只需要证明特解也是有界的即可.用拉普拉斯变换,然后将特解写成卷积的形式. 第一问直接用多项式的封闭性,设为一次 ...
GCN频域视角相关——傅里叶变换、拉普拉斯变换、拉普拉斯算子、拉普拉斯矩阵、卷积
试图通俗地捋清标题名词之间的关系 0. 前置知识 0.1 函数的正交 0.2 什么是卷积? 0.3 散度 0.4 欧拉公式 1. 卷积与傅里叶变换 1.1 傅里叶变换 1.2 时域的卷积等于频域的乘积 ...
微分算子法，拉普拉斯变换与卷积
1. 微分算子法适用于求常系数线性非齐次微分方程的特解 (A)思想是将求导运算看成线性算符.右边非齐次项仍然是函数,就等价于求一个算符的逆的问题,同时在辅助特征值与特征函数理论,可以求解非齐次项是多项 ...

4 卷积的拉普拉斯变换

卷积的拉普拉斯变换

Laplace transform

Convolution

4 卷积的拉普拉斯变换相关推荐

最新文章

热门文章