Mathematik und Musik: Fourieranalyse

Ähnliche Dokumente
Programmierung und Angewandte Mathematik

Angewandte Mathematik und Programmierung

Hertz ), also 1 Schwingung pro Sekunde. Der Vorfaktor A ist die Amplitude, er misst die Lautstärke des Tons.

Angewandte Mathematik und Programmierung

Einführung in die Physik I. Schwingungen und Wellen 1

Nachrichtentechnik [NAT] Kapitel 4: Fourier-Transformation. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik

HTBLA Neufelden Fourierreihen Seite 1 von 14. Peter Fischer

Fourieranalyse und -synthese in Experiment und Simulation

Der Ton macht die Musik

Fourier Reihe. Fourier Transformation. Ma 2 Lubov Vassilevskaya, SS 2008

Bildverarbeitung: Fourier-Transformation. D. Schlesinger () BV: Fourier-Transformation 1 / 16

Robert Denk Proseminar Analysis WS 2016/17

Konvergenz und Stetigkeit

Fourier-Reihe mit komplexer Exponentialfunktion

Technische Beschreibung der akustischen Signalkette

,Faltung. Heavisidefunktion σ (t), Diracimpuls δ (t) Anwendungen. 1) Rechteckimpuls. 2) Sprungfunktionen. 3) Schaltvorgänge

Physik & Musik. Monochord. 1 Auftrag

Anwendungen der Fourier-Entwicklung in der Elektrotechnik 1 / 22

Konvergenz und Stetigkeit

Schwingungen und Wellen

Die Quinte und der Wolf über die Symmetrie der gleichstufigen Stimmung

Übungen zu Physik 1 für Maschinenwesen

16 Fourier-Reihe mit komplexer Exponentialfunktion

Fourier-Reihen: Definitionen und Beispiele

Physik & Musik. Fouriersynthese. 1 Auftrag

Mathematik, Signale und moderne Kommunikation

Der Schall. L p = 20 lg p p 0

Parseval-Identität: Seien zwei Funktionen v. mit Fourier-Reihen: dann gilt: Parseval-Identität. Speziell:

Vom Zeit- zum Spektralbereich: Fourier-Analyse

Kann man die Form einer Trommel hören? Prof. Dr. Daniel Grieser

10. Periodische Funktionen, Fourier Reihen

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 3. Übung WS 17/18: Woche vom

Systemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner

3. Leistungsdichtespektren

Integrierbare Funktionen

Bestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.

Punktweise Konvergenz stückweise glatter Funktionen. 1 Vorbereitungen

cos(kx) sin(nx)dx =?

7.1 Überlagerung von Schwingungen, Fourier Zerlegung

Schwingungen und ihre Filterung unter Verwendung von Ergebnissen aus FEM-Rechnungen

1 Fouriersynthese und Fourieranalyse

Aufgaben zu Kapitel 20

Anfänge in der Antike

Kontinuierliche Fourier-Transformation. Laplace-Transformation

Fourier- und Laplace- Transformation

Wichtige Kenntnisse der Linearen Algebra

Mathematik 2 für Naturwissenschaften

Fourier-Reihen und Fourier-Transformation

Mathematischer Vorkurs für Physiker WS 2012/13

Beate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien 4-1

Die Wärmeleitungsgleichung

:. (engl.: first harmonic frequency)

4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter

HOCHSCHULBÜCHER FÜR MATHEMATIK H.GRELL, K.MARUHN U N D W.RINOW BAND 14 FOURIERREIHEN VON G.P. TOLSTOW MIT 51 A B B I L D U N G E N

A2.1: Gleichrichtung. Die Grafik zeigt das periodische Signal x(t). Legt man x(t) an den Eingang einer Nichtlinearität mit der Kennlinie

Skalarprodukte im Funktionenraum und orthogonale Funktionen

Beate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004

Vektorprodukt. Der Vektor. ist zu a und b orthogonal, gemäß der. Rechten-Hand-Regel orientiert und hat die Länge c = a b

Mathematische Erfrischungen I. Folgen und Reihen Klaus Frieler

talente PROJEKTWOCHE ANGEWANDTE MATHEMATIK 2015 für begabte Schülerinnen und Schüler der AHS-Oberstufe und der BHS in Oberösterreich

Die Zahl ist das Wesen aller Dinge

Fourierreihen und Fouriertransformation

0.1.1 Exzerpt von B. S. 280f.: Mikrowellen; Reflektion eletromagnetischer

Spektralanalyse. Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann!

3 Vektorräume abstrakt

Karteikarten, Analysis 2, Sätze und Definitionen nach der Vorlesung von PD Hanke

Mathematik hören und Musik sehen mit Hilfe eines Computeralgebrasystems

Anmerkung: Falls f(x) nicht ganz glatt ist, sondern nur stückweise stetig differenzierbar ist (d.h. Sprünge hat), gilt (Satz v.

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.

1. Übungsblatt zur Höheren Mathematik III (P/ET/AI/IT/IKT/MP) WS 2012/13

15:58. Medien Technik. Medientyp Audio. Schnecke. Hörnerv. Eustachisches Rohr (Druckausgleich)

Trigonometrische Funktionen

Übungsaufgaben zu den mathematischen Grundlagen von KM

8 Euklidische Vektorräume und Fourierreihen

Höhere Mathematik III

Eigenwerte und Fourier - Simulation von Massenschwingern mit Mathcad

Mathematische Erfrischungen III - Vektoren und Matrizen

Die Musik der Primzahlen

Ferienkurs zur Analysis 1 Taylor, Fourier, Matrixexponential und Differentialgleichungen

Medientyp Audio. Mittel innen Ohr. Medien Technik. Medien Technik. Orgel: 16,4 Hz bis über 20 khz. Unter 16 Hz: Infraschall Über 20 khz: Ultraschall

Vorkurs Mathematik für Wirtschaftsingenieure und Wirtschaftsinformatiker

5. Fourier-Transformation

32: Periodische Funktionen, Fourier-Entwicklung

Höhere Mathematik für Ingenieure 2

Fourier-Integrale: Ausgangsdaten und Transformierte sind jeweils Funktionen über der ganzen reellen Achse.

Fadenpendel. Lagerbolzen

8. Akustik, Schallwellen

, f(x +2π) =f(x) f(x) cos kx dx} = 1 kπ {c 1 [sin kx] π 0 + c 2 [sin kx] 2π. sin kx dx} = 1 kπ {c 1 [cos kx] π 0 + c 2 [cos kx] 2π

Konvergenz und Stetigkeit

f(x) = 2 3 x3 + 3x 2 + 4x. Stellen Sie fest ob es sich jeweils um ein lokales Maximum oder Minimum handelt. ( 9 4 ) 8 4

Ableitung von Sinus und Cosinus. Additionstheoreme. Sinusschwingungen

FOURIERREIHEN. a) Periodische Funktionen. 3) Rechteckschwingung. b) Stückweise stetige Funktionen. Skizze= Sägezahnschwingung

TAG DER MATHEMATIK. Kann man die Form einer Trommel hören? Prof. Dr. Daniel Grieser

Mathematik 2 (Master Sicherheitstechnik)

4. Übung für Übungsgruppen Musterlösung

Beate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004

Transkript:

Mathematik und Musik: Fourieranalyse Matheseminar JKU Linz WS2015/16 Peter Gangl Linz 5. Februar 2016 1 / 20

Outline 1 Musik mathematisch betrachtet 2 2 / 20

Outline 1 Musik mathematisch betrachtet 2 2 / 20

Einführung Was ist Musik? 3 / 20

Einführung Was ist Musik? Musik ist schwingende Luft Daniel Barenboim 3 / 20

Einführung Was ist Musik? Musik ist schwingende Luft Daniel Barenboim Schwingung kann mathematisch beschrieben werden 3 / 20

Einführung Was ist Musik? Musik ist schwingende Luft Daniel Barenboim Schwingung kann mathematisch beschrieben werden Klang wird bestimmt durch: 3 / 20

Einführung Was ist Musik? Musik ist schwingende Luft Daniel Barenboim Schwingung kann mathematisch beschrieben werden Klang wird bestimmt durch: 1 Lautstärke 3 / 20

Einführung Was ist Musik? Musik ist schwingende Luft Daniel Barenboim Schwingung kann mathematisch beschrieben werden Klang wird bestimmt durch: 1 Lautstärke 2 Tonhöhe 3 / 20

Einführung Was ist Musik? Musik ist schwingende Luft Daniel Barenboim Schwingung kann mathematisch beschrieben werden Klang wird bestimmt durch: 1 Lautstärke 2 Tonhöhe 3 Klangfarbe 3 / 20

Einführung 1 Lautstärke: Amplitude (maximale Auslenkung) der Schwingung 4 / 20

Einführung 1 Lautstärke: Amplitude (maximale Auslenkung) der Schwingung 2 Tonhöhe: Frequenz der Schwingung (Anzahl der Wiederholungen einer Schwingung pro Sekunde) [Hz] 4 / 20

Einführung 1 Lautstärke: Amplitude (maximale Auslenkung) der Schwingung 2 Tonhöhe: Frequenz der Schwingung (Anzahl der Wiederholungen einer Schwingung pro Sekunde) [Hz] Beispiel: Kammerton a (440 Hz) ˆ= sin (440 2πt) 4 / 20

Einführung 1 Lautstärke: Amplitude (maximale Auslenkung) der Schwingung 2 Tonhöhe: Frequenz der Schwingung (Anzahl der Wiederholungen einer Schwingung pro Sekunde) [Hz] Beispiel: Kammerton a (440 Hz) ˆ= sin (440 2πt) Frequenzverhältnisse: Oktave 2:1 Quint 3:2 gr. Terz 5:4 4 / 20

Einführung 1 Lautstärke: Amplitude (maximale Auslenkung) der Schwingung 2 Tonhöhe: Frequenz der Schwingung (Anzahl der Wiederholungen einer Schwingung pro Sekunde) [Hz] Beispiel: Kammerton a (440 Hz) ˆ= sin (440 2πt) Frequenzverhältnisse: Oktave 2:1 Quint 3:2 gr. Terz 5:4 Aufgabe Berechne Frequenzen für die Töne der A-Moll-Tonleiter, also a, h, c, d, e, f, g, a 4 / 20

Komponieren in Geogebra Wichtige Befehle: a(x) = sin(440 * 2*pi*x) 5 / 20

Komponieren in Geogebra Wichtige Befehle: a(x) = sin(440 * 2*pi*x) e(x) = sin(660 * 2*pi*x) 5 / 20

Komponieren in Geogebra Wichtige Befehle: a(x) = sin(440 * 2*pi*x) e(x) = sin(660 * 2*pi*x) SpieleTon[a(x), 0, 10] spielt Ton a (den wir gerade definiert haben) vom Zeitpunkt 0 (jetzt) bis zum Zeitpunkt 10 (also zehn Sekunden lang) 5 / 20

Komponieren in Geogebra Wichtige Befehle: a(x) = sin(440 * 2*pi*x) e(x) = sin(660 * 2*pi*x) SpieleTon[a(x), 0, 10] spielt Ton a (den wir gerade definiert haben) vom Zeitpunkt 0 (jetzt) bis zum Zeitpunkt 10 (also zehn Sekunden lang) Lied(x) = Wenn[x<1, a(x), e(x)] Definiert eine Funktion, die gleich a(x) falls x < 1 und gleich e(x) ist sonst. 5 / 20

Komponieren in Geogebra Wichtige Befehle: a(x) = sin(440 * 2*pi*x) e(x) = sin(660 * 2*pi*x) SpieleTon[a(x), 0, 10] spielt Ton a (den wir gerade definiert haben) vom Zeitpunkt 0 (jetzt) bis zum Zeitpunkt 10 (also zehn Sekunden lang) Lied(x) = Wenn[x<1, a(x), e(x)] Definiert eine Funktion, die gleich a(x) falls x < 1 und gleich e(x) ist sonst. SpieleTon[Lied(x), 0, 3] Spielt den Ton a für eine Sekunde und den Ton e für die zwei Sekunden danach 5 / 20

Komponieren in Geogebra Wichtige Befehle: a(x) = sin(440 * 2*pi*x) e(x) = sin(660 * 2*pi*x) SpieleTon[a(x), 0, 10] spielt Ton a (den wir gerade definiert haben) vom Zeitpunkt 0 (jetzt) bis zum Zeitpunkt 10 (also zehn Sekunden lang) Lied(x) = Wenn[x<1, a(x), e(x)] Definiert eine Funktion, die gleich a(x) falls x < 1 und gleich e(x) ist sonst. SpieleTon[Lied(x), 0, 3] Spielt den Ton a für eine Sekunde und den Ton e für die zwei Sekunden danach Das Ganze kann man auch ineinander verschachteln: Lied2(x) = Wenn[x<2, Lied(x), a(x)] SpieleTon[Lied(x), 0, 3] Spielt nun hintereinander die Töne a, e, a (jeweils für eine Sekunde) 5 / 20

Komponieren in Geogebra Wichtige Befehle: a(x) = sin(440 * 2*pi*x) e(x) = sin(660 * 2*pi*x) SpieleTon[a(x), 0, 10] spielt Ton a (den wir gerade definiert haben) vom Zeitpunkt 0 (jetzt) bis zum Zeitpunkt 10 (also zehn Sekunden lang) Lied(x) = Wenn[x<1, a(x), e(x)] Definiert eine Funktion, die gleich a(x) falls x < 1 und gleich e(x) ist sonst. SpieleTon[Lied(x), 0, 3] Spielt den Ton a für eine Sekunde und den Ton e für die zwei Sekunden danach Aufgabe Das Ganze kann man auch ineinander verschachteln: Lied2(x) = Wenn[x<2, Lied(x), a(x)] SpieleTon[Lied(x), 0, 3] Spielt nun hintereinander die Töne a, e, a (jeweils für eine Sekunde) Spiele die C-Dur-Tonleiter in Geogebra! 5 / 20

Outline 1 Musik mathematisch betrachtet 2 5 / 20

Klangfarbe Ton g auf Blockflöte Ton g auf Gitarre 6 / 20

Klangfarbe Ton g auf Blockflöte Ton g auf Gitarre Klangfarbe spiegelt sich in der Form der Schwingung wider! 6 / 20

Klangfarbe Ton g auf Blockflöte Ton g auf Gitarre Klangfarbe spiegelt sich in der Form der Schwingung wider! Um Klangfarben zu verstehen, müssen wir diese Schwingungen in ihre Bestandteile zerlegen 6 / 20

Beispiel einer Schwingung Frage: Wie können wir dieses Signal am Computer repräsentieren um damit zu arbeiten? 7 / 20

Beispiel einer Schwingung Frage: Wie können wir dieses Signal am Computer repräsentieren um damit zu arbeiten? Erste Möglichkeit: Werte Funktion an verschiedenen Punkten aus und merke mir Funktionswerte 7 / 20

Beispiel einer Schwingung Zweite Möglichkeit: = + 0.7 sin (1 2πt) + 1.2 sin (2 2πt) 8 / 20

Beispiel einer Schwingung Zweite Möglichkeit: = + 0.7 sin (1 2πt) + 1.2 sin (2 2πt) 8 / 20

Beispiel einer Schwingung Zweite Möglichkeit: f (t) = 0.7 sin (1 2πt) + 1.2 sin (2 2πt) = Können dieselbe Information mit nur 4 Zahlen 0.7, 1, 1.2, 2 beschreiben! 9 / 20

Beispiel einer Schwingung Zweite Möglichkeit: f (t) = 0.7 sin (1 2πt) + 1.2 sin (2 2πt) = Können dieselbe Information mit nur 4 Zahlen 0.7, 1, 1.2, 2 beschreiben! Wird in Dateiformaten wie.mp3 und.jpg zur Datenkompression verwendet! 9 / 20

Beispiel einer Schwingung f (t) = 0.7 sin (1 2πt) + 1.2 sin (2 2πt) Frage: Wie komme ich auf 0.7 bzw. 1.2? 10 / 20

Beispiel einer Schwingung f (t) = 0.7 sin (1 2πt) + 1.2 sin (2 2πt) Frage: Wie komme ich auf 0.7 bzw. 1.2? Jean Baptiste Joseph Fourier (1768-1830): Jede stetige Funktion lässt sich als Summe von Sinus- und Cosinus-Funktionen darstellen f (t) = A 0 + A k sin (2 k πt) + B k cos (2 k πt) k=1 10 / 20

Beispiel Nähere stückweise konstante Funktion { 0 x 0 f (t) = 3 x > 0 an durch Summe von Sinus- und Cosinus-Funktionen, N A 0 + A k sin (2 k πt) + B k cos (2 k πt) k=1 11 / 20

Beispiel Nähere stückweise konstante Funktion { 0 x 0 f (t) = 3 x > 0 an durch Summe von Sinus- und Cosinus-Funktionen, N A 0 + A k sin (2 k πt) + B k cos (2 k πt) k=1 N = 1 11 / 20

Beispiel Nähere stückweise konstante Funktion { 0 x 0 f (t) = 3 x > 0 an durch Summe von Sinus- und Cosinus-Funktionen, N A 0 + A k sin (2 k πt) + B k cos (2 k πt) k=1 N = 3 11 / 20

Beispiel Nähere stückweise konstante Funktion { 0 x 0 f (t) = 3 x > 0 an durch Summe von Sinus- und Cosinus-Funktionen, N A 0 + A k sin (2 k πt) + B k cos (2 k πt) k=1 N = 5 11 / 20

Beispiel Nähere stückweise konstante Funktion { 0 x 0 f (t) = 3 x > 0 an durch Summe von Sinus- und Cosinus-Funktionen, N A 0 + A k sin (2 k πt) + B k cos (2 k πt) k=1 N = 7 11 / 20

Beispiel Nähere stückweise konstante Funktion { 0 x 0 f (t) = 3 x > 0 an durch Summe von Sinus- und Cosinus-Funktionen, N A 0 + A k sin (2 k πt) + B k cos (2 k πt) k=1 N = 9 11 / 20

Beispiel Nähere stückweise konstante Funktion { 0 x 0 f (t) = 3 x > 0 an durch Summe von Sinus- und Cosinus-Funktionen, N A 0 + A k sin (2 k πt) + B k cos (2 k πt) k=1 N = 11 11 / 20

Beispiel Nähere stückweise konstante Funktion { 0 x 0 f (t) = 3 x > 0 an durch Summe von Sinus- und Cosinus-Funktionen, N A 0 + A k sin (2 k πt) + B k cos (2 k πt) k=1 N = 13 11 / 20

Beispiel Nähere stückweise konstante Funktion { 0 x 0 f (t) = 3 x > 0 an durch Summe von Sinus- und Cosinus-Funktionen, N A 0 + A k sin (2 k πt) + B k cos (2 k πt) k=1 N = 15 11 / 20

Beispiel Nähere stückweise konstante Funktion { 0 x 0 f (t) = 3 x > 0 an durch Summe von Sinus- und Cosinus-Funktionen, N A 0 + A k sin (2 k πt) + B k cos (2 k πt) k=1 N = 17 11 / 20

Beispiel Nähere stückweise konstante Funktion { 0 x 0 f (t) = 3 x > 0 an durch Summe von Sinus- und Cosinus-Funktionen, N A 0 + A k sin (2 k πt) + B k cos (2 k πt) k=1 N = 19 11 / 20

Beispiel Nähere stückweise konstante Funktion { 0 x 0 f (t) = 3 x > 0 an durch Summe von Sinus- und Cosinus-Funktionen, N A 0 + A k sin (2 k πt) + B k cos (2 k πt) k=1 Frage: Wie komme ich auf Koeffizienten A k, B k??? N = 19 11 / 20

Ähnliches Beispiel: Zerlege Smoothie in Bestandteile und betrachte Rezept Quelle: http://betterexplained.com/articles/an-interactive-guide-to-the-fourier-transform/ 12 / 20

Berechnung der Fourier-Koeffizienten Beispiel 1: R 2 Die Vektoren e 1 = ( ) 1 0, e2 = ( 0 1) bilden eine Basis des Raumes R 2, d.h. jedes Element v R 2 kann eindeutig als Kombination von e 1 und e 2 dargestellt werden: ( ) ( ) ( ) v 1 1 0 v = = v 1 + v 2 v 2 0 1 = v 1 e 1 + v 2 e 2. 13 / 20

Berechnung der Fourier-Koeffizienten Beispiel 1: R 2 Die Vektoren e 1 = ( ) 1 0, e2 = ( 0 1) bilden eine Basis des Raumes R 2, d.h. jedes Element v R 2 kann eindeutig als Kombination von e 1 und e 2 dargestellt werden: ( ) ( ) ( ) v 1 1 0 v = = v 1 + v 2 v 2 0 1 = v 1 e 1 + v 2 e 2. ( Andere Basis: b 1 = 1 1 ( 2 1), b2 = 1 1 ) 2, denn es gilt ( ) ( ) ( ) v 1 1 1 1 1 v = = w 1 2 + w 2 2 v 2 1 1 1 = w 1 b 1 + w 2 b 2 mit w 1 = v b 1 = (v, b 1), w 2 = v b 2 = (v, b 2) 13 / 20

Berechnung der Fourier-Koeffizienten Beispiel 2: R 3 Die Vektoren e 1 = (1, 0, 0) T, e 2 = (0, 1, 0) T, e 3 = (0, 0, 1) T bilden eine Basis des Raumes R 3, d.h. jedes Element v R kann eindeutig als Kombination von e 1, e 2 und e 3 dargestellt werden: v = v 1 v 2 v 3 = v 1 1 0 0 + v 2 0 1 0 = v 1 e 1 + v 2 e 2 + v 3 e 3. + v 3 0 0 1 14 / 20

Berechnung der Fourier-Koeffizienten Beispiel 2: R 3 Die Vektoren e 1 = (1, 0, 0) T, e 2 = (0, 1, 0) T, e 3 = (0, 0, 1) T bilden eine Basis des Raumes R 3, d.h. jedes Element v R kann eindeutig als Kombination von e 1, e 2 und e 3 dargestellt werden: v = v 1 v 2 v 3 = v 1 1 0 0 + v 2 0 1 0 = v 1 e 1 + v 2 e 2 + v 3 e 3. + v 3 0 0 1 Andere Basis: b 1 = 1 3 (1, 1, 1) T, b 2 = 1 2 (0, 1, 1) T, b 3 = 1 6 ( 2, 1, 1) T, denn es gilt v = v 1 v 2 v 3 = w 1 1 3 1 1 1 + w 2 = w 1 b 1 + w 2 b 2 + w 3 b 3 1 2 0 1 1 + w 3 1 6 mit w 1 = v b 1 = (v, b 1), w 2 = v b 2 = (v, b 2), w 3 = v b 3 = (v, b 3). 2 1 1 14 / 20

Berechnung der Fourier-Koeffizienten Beispiel 3: R 17 {b 1,...b 17} ist (Orthonormal-)Basis. Dann gibt es für jedes v R 17 Zahlen w 1,..., w 17, sodass v = w 1 b 1 + w 2 b 2 + + w 17 b 17, nämlich w 1 = v b 1 = (v, b 1),..., w 17 = v b 17 = (v, b 17). 15 / 20

Beispiel 4: Menge der stetigen Funktionen auf (0, 1): C(0, 1) 16 / 20

Beispiel 4: Menge der stetigen Funktionen auf (0, 1): C(0, 1) {1, sin (1 π t), cos (1 π, t), sin (2 π t), cos (2 π, t), sin (3 π t), cos (3 π, t),... } ist eine Basis von C(0, 1), weil laut Fourier, jede stetige Funktion (eindeutig) als Summe von Sinus- und Cosinus-Funktionen dargestellt werden kann. 16 / 20

Beispiel 4: Menge der stetigen Funktionen auf (0, 1): C(0, 1) {1, sin (1 π t), cos (1 π, t), sin (2 π t), cos (2 π, t), sin (3 π t), cos (3 π, t),... } ist eine Basis von C(0, 1), weil laut Fourier, jede stetige Funktion (eindeutig) als Summe von Sinus- und Cosinus-Funktionen dargestellt werden kann. Auch hier gilt, dass jedes Element (also jede Funktion) f aus dem Raum C(0, 1) eindeutig als Kombination der Basis-Elemente dargestellt werden kann, also f (t) = A 0 + A 1sin (1 π t) + B 1cos (1 π, t) + A 2sin (2 π t) + B 2cos (2 π, t) +... = A 0 + A k sin (k π t) + B k cos (k π, t). k=1 16 / 20

Beispiel 4: Menge der stetigen Funktionen auf (0, 1): C(0, 1) {1, sin (1 π t), cos (1 π, t), sin (2 π t), cos (2 π, t), sin (3 π t), cos (3 π, t),... } ist eine Basis von C(0, 1), weil laut Fourier, jede stetige Funktion (eindeutig) als Summe von Sinus- und Cosinus-Funktionen dargestellt werden kann. Auch hier gilt, dass jedes Element (also jede Funktion) f aus dem Raum C(0, 1) eindeutig als Kombination der Basis-Elemente dargestellt werden kann, also f (t) = A 0 + A 1sin (1 π t) + B 1cos (1 π, t) + A 2sin (2 π t) + B 2cos (2 π, t) +... = A 0 + A k sin (k π t) + B k cos (k π, t). k=1 Auch hier gilt, dass die Koeffizienten A k, B k einfach einem Skalarprodukt der Funktion f mit der jeweiligen Basisfunktion entsprechen, also A k = (f (t), sin (k π t)), B k = (f (t), cos (k π t)). 16 / 20

Beispiel 4: Menge der stetigen Funktionen auf (0, 1): C(0, 1) {1, sin (1 π t), cos (1 π, t), sin (2 π t), cos (2 π, t), sin (3 π t), cos (3 π, t),... } ist eine Basis von C(0, 1), weil laut Fourier, jede stetige Funktion (eindeutig) als Summe von Sinus- und Cosinus-Funktionen dargestellt werden kann. Auch hier gilt, dass jedes Element (also jede Funktion) f aus dem Raum C(0, 1) eindeutig als Kombination der Basis-Elemente dargestellt werden kann, also f (t) = A 0 + A 1sin (1 π t) + B 1cos (1 π, t) + A 2sin (2 π t) + B 2cos (2 π, t) +... = A 0 + A k sin (k π t) + B k cos (k π, t). k=1 Auch hier gilt, dass die Koeffizienten A k, B k einfach einem Skalarprodukt der Funktion f mit der jeweiligen Basisfunktion entsprechen, also A k = (f (t), sin (k π t)), B k = (f (t), cos (k π t)). In diesem Raum muss man allerdings ein anderes Skalarprodukt wählen, nämlich (f, g) = 1 0 f (t)g(t)dt. Somit gilt A k = 1 0 f (t)sin (k π t))dt und B k = 1 0 f (t)cos (k π t))dt. 16 / 20

Aufgaben 1 Stelle den Vektor ( 5 3) durch die zwei Basisvektoren ( ( ) b 1 = 1 2 ), b 2 = 5 1 1 5 1 2 dar! 17 / 20

Aufgaben 1 Stelle den Vektor ( 5 3) durch die zwei Basisvektoren ( ( ) b 1 = 1 2 ), b 2 = 5 1 1 5 1 2 dar! 2 Berechne die Koeffizienten A 1, A 2, B 1, B 2 der Fourierreihe der Funktion { 1 t < 1/2 f (t) = 1 t > 1/2 auf dem Intervall (0, 1)! 17 / 20

= Übergang von Zeitbereich in Frequenzbereich Blockflöte c1 (Zeitbereich) g1 (Zeitbereich) c2 (Zeitbereich) c1 (Frequenzbereich) g1 (Frequenzbereich) c2 (Frequenzbereich) 18 / 20

= Übergang von Zeitbereich in Frequenzbereich Gitarre c1 (Zeitbereich) g1 (Zeitbereich) c1 (Frequenzbereich) g1 (Frequenzbereich) 18 / 20

Vergleich Ton g: Blockflöte - Gitarre Blockflöte Gitarre Zeitbereich Frequenzbereich 19 / 20

Komponieren in Geogebra (Haus-)Aufgabe Komponiere Hänsel und Gretel in Geogebra! ;-) 20 / 20

Komponieren in Geogebra (Haus-)Aufgabe Komponiere Hänsel und Gretel in Geogebra! ;-) Viel Spaß beim Komponieren! 20 / 20

Komponieren in Geogebra (Haus-)Aufgabe Komponiere Hänsel und Gretel in Geogebra! ;-) Viel Spaß beim Komponieren! Ankündigungen Schülerprojektwoche Angewandte Mathematik, Schloss Weinberg (Kefermarkt), 7.-11.02.2016 Matheseminar Sommersemester 2016: Anmeldung ab 01.03.2016 20 / 20