EE261 Lecture 10
课程主页:https://see.stanford.edu/Course/EE261
这次回顾第十讲,这一讲完成了卷积部分的内容。
另一种热方程
依旧考虑热方程
这里的初值条件为
这里我们假设
另一方面,我们假设
对$u(x,t)$关于$x$做傅里叶变换得到
求偏导,利用热方程可得
所以
计算第二项得到
从而
考虑如下常微分方程的解法
利用积分因子
我们可得
这里
所以积分因子为
我们得到
从$0$到$t$积分可得
因为
所以
那么
做傅里叶逆变换得到
考虑内部的积分项
现在首先求解第一项,回顾
取
那么
第二项我们需要求解
注意到我们有
因此
为了计算最后一项,利用对偶性,我们有
从而
我们需要计算的项为
即
将所有内容总结得到
为了化简上式,我们讨论更一般的情形:
这里我们知道$\Phi(x, t)=0, x<0$,$\phi (x,\tau )$关于$x$是偶函数,$\psi (x,\tau )$关于$x$是奇数。取$a>0$,那么$\Phi( -a, \tau )=0$,利用奇偶性可得
从而对于$a>0$,我们有
因此
我们对
使用上述结论得到
对比
回顾一开始介绍的元周上的热方程,其解为
其中
为了讨论方便,给出如下记号
所以问题的解为
回顾上一讲的热方程的解:
下面证明在$f(x)$的周期为$1$,$f(x)$在$\mathbb R$上都有定义时,这两个解相同,使用的结论为
证明:
最后证明恒等式:
考虑
显然该函数的周期为$1$,现在计算傅里叶系数:
而最后一项为$e^{-\frac{x^2}{2t}}$的傅里叶变换在$s=k$的值,我们知道其值为
因此
我们得到如下结论
卷积的另一种应用:中心极限定理
$X_1, \ldots,X_n$为独立随机变量,其概率密度函数为$p_{1}, p_{2}, \ldots, p_{n}$,不难得到$\sum_{i=1}^n X_i$的概率密度函数为$p_{1} p_{2} \cdots * p_{n}$。
为了叙述方便,定义
现在考虑独立同分布的随机变量$X_i$,其概率密度函数为$p$,记
后续计算中,我们假设$X_i$的期望为$0$,方差为$1$,即
除此之外,我们显然有
利用之前的结论,我们知道$S_n$的概率密度函数为
因此$\frac{S_n}{\sqrt n}$的概率密度函数为
中心极限定理的结论为
下面证明这点,首先假设
那么$p_n(x)$的傅里叶变换为
注意到我们有
从而
取傅里叶逆变换,我们得到
结论得证。