2020년 10월 5일 월요일

라플라스 변환(Laplace Transform)

[경고] 아래 글을 읽지 않고 "라플라스 변환"을 보면 바보로 느껴질 수 있습니다.


[라플라스 변환 소개]

푸리에 변환(Fourier transform)은 단순 정적분(definite integral)에 해당하는 유한 구간 적분에 강하다. 만약 $t$ 혹은 $\omega$에 대한 적분 구간이 무한(infinite)[$-\infty < t < \infty$]이나 반무한(semi-infinite)[$t \le c$ 혹은 $t \ge c$]으로 가면, 푸리에 변환 혹은 역변환은 적분이 잘 구해지지 않는다.

                  (1)

무한한 적분 구간에서 식 (1)의 결과를 안정되게 구할 때는 감쇠를 이용한 극한(limit)이나 복소 함수론(complex analysis)에 기반한 경로 적분을 적극적으로 써야 한다. 하지만 이러한 방법론은 너무 수학적이라서 쉽게 쓰려고 도입한 적분 변환(integral transform)의 취지에 적합하지 않다. 푸리에 변환이 유용해서 버리기는 아깝지만 무한 영역의 적분에서 문제가 분명히 생긴다. 이러한 애매함을 감쇠라는 현실적인 양으로 해결한 엄청난 도구가 바로 라플라스 변환(Laplace transform)이다.

                  (2)

여기서 $s$ = $\sigma + i \omega$, $\sigma$는 감쇠(減衰, attenuation)이다. 라플라스 변환은 천제 현상을 기술하는 미분 방정식(differential equation)을 풀기 위한 라플라스Pierre-Simon Laplace(1749–1827) 노력의 결정체이다[2]. 후에 헤비사이드Oliver Heaviside(1850–1925)라플라스 변환을 재발견하고 현재와 같은 쓰임새를 만들어냈다.
식 (2)에 도입한 $\sigma$가 너무 작위적이라 생각할지도 모른다. 그러나 현존하는 모든 시스템은 크던 작던 감쇠가 있기 때문에, 감쇠없이 항상 진동한다는 푸리에 변환이 오히려 현실에 잘 맞지 않고, 시간에 따라 감쇠한다는 라플라스 변환이 더 현실적이다.

[그림 1] 시스템 과도 응답의 예(출처: wikipedia.org)

라플라스 변환은 적분이 $0$부터 시작하므로 [그림 1]과 같은 과도 응답(transient response)의 분석에 적합하다. 푸리에 변환은 적분의 시작과 끝이 무한대라서 사실 응답의 시작과 끝이 없다. 그래서 푸리에 변환은 정현파처럼 끊임없이 반복적인 정상 상태 응답(steady-state response)의 분석에 좋다. 라플라스 변환과 푸리에 변환의 관계는 다음과 같다.

                  (3)

여기서 $u(t)$는 단위 계단 함수(unit step function)이다. 푸리에 변환이 실패한 무한 적분 유도가 라플라스 변환에서는 연습 문제 수준인 이유를 식 (3)에서 명확히 볼 수 있다. 라플라스 변환에는 적분을 강제로 수렴시키는 감쇠 $\sigma$와 함께 단방향 적분을 만드는 단위 계단 함수 $u(t)$가 필수 요소이다. 그래서 단위 계단 함수의 또 다른 이름인 헤비사이드 계단 함수(Heaviside step function)에 라플라스 변환의 제안자인 헤비사이드Oliver Heaviside(1850–1925) 이름이 들어간다.
라플라스 변환의 위력을 느끼기 위해 $u(t)$의 라플라스 변환을 구해보자.

                  (4)

반면에 $u(t)$에 대한 푸리에 변환을 구하려면, 로렌츠–코쉬 함수(Lorentz–Cauchy function)의 극한을 쓰거나 복소 함수론에 나오는 경로 적분(contour integral)을 사용해야 한다.

                  (5)

복소수 $s$ = $i \omega$로 두면 두 결과는 매우 비슷하다. 하지만 무한 적분을 계산할 때 사용한 수학 수준은 하늘과 땅만큼 차이난다.
식 (2)에 소개한 라플라스 변환은 푸리에 변환만큼 흔하게 볼 수 있는 적분 변환이다. 하지만 그 역인 라플라스 역변환(inverse Laplace transform)은 어떻게 표현할까? 아마 라플라스 역변환은 거의 본 적이 없을 것이다. 그러나 비슷하지만 다른 푸리에 역변환은 푸리에 변환만큼 자주 사용된다. 이런 차이는 어디서 오는 것일까? 라플라스 역변환과 관련된 멱급수(power series)의 수렴 조건과 원래 함수로의 일대일 대응 문제는 헤비사이드가 제안한 라플라스 변환이 수학자들에게 공격받은 주요 약점이었다. 이런 상황에서도 공학자 출신인 헤비사이드는 자신만의 변환 개념을 그대로 밀어붙여 미분 방정식의 놀라운 해법인 연산 미적분학(operational calculus)을 공학적으로 완성시켜 버렸다. 연산 미적분학과 복소 함수론(complex analysis)이 결합하면 자연스럽게 라플라스 변환이 만들어진다. 즉 복소 함수론으로 연산 미적분학을 완벽하게 개선한 결과물이 우리가 쓰는 라플라스 변환이다. 연산 미적분학의 수학적 엄밀성과 라플라스 역변환의 존재성을 헤비사이드 자신도 증명하지 못했지만 괜찮았다. 수학적 기반이 부족해도 헤비사이드의 연산 미적분학은 실무에서 완벽하게 잘 동작했다. 그래서 자신이 만든 연산 미적분학이 미분 방정식을 쉽게 푸는 새로운 세상을 열었다고 믿었다. 실제로도 공학자의 공부 분량을 현저하게 줄인 주요 개념이 연산 미적분학과 라플라스 변환이다. 헤비사이드가 그토록 바라던 연산 미적분학의 수렴성과 라플라스 역변환은 브롬위치Thomas John I'Anson Bromwich(1875–1929)가 복소 함수론을 도입하여 완전하게 해결했다. 이런 이유로 라플라스 역변환을 브롬위치 적분(Bromwich integral)으로도 부른다. 결국 복소 함수론에 의해 완전체가 된 연산 미적분학과 라플라스 변환은 수학자들의 뜨거운 찬사를 받으며 19세기 수학의 전설이 되었다.

[라플라스 역변환 혹은 브롬위치 적분]

                  (6)

여기서 $\sigma$는 복소 적분이 수렴하는 위치로 정한다.

[증명]
식 (6)의 우변에 식 (2)를 넣어서 적분을 정리한다.

                  (7)

[그림 2] 브롬위치 적분을 위한 닫힌 경로

만약 식 (7)에서 $t \ne t'$이라면, 식 (7)의 복소 적분은 [그림 2]와 같은 닫힌 경로의 내부에 극점(pole)이 없다. 그래서 다음 적분은 코쉬의 적분 정리(Cauchy's integral theorem)에 의해 항상 $0$이다.

                  (8)

여기서 반원 경로의 반지름 $R$을 무한대로 보낸다. 시간이 $t > t'$와 $t < t'$일 때는 경로를 각각 $c_2$와 $c_3$로 택해서 닫힌 경로의 내부 영역이 잘 수렴하도록 한다. 이러한 조건에서 $R$을 계속 키우면, 푸리에 변환과 디랙 델타 함수의 증명과 동일하게 $c_2$와 $c_3$ 경로 상의 복소 적분은 각각 $0$으로 수렴한다. 따라서 $t \ne t'$이라면, 식 (8)에 의해 경로 $c_1$에 대한 적분도 당연히 $0$이 된다. 이 결과를 사용해 식 (7)에 있는 $t'$의 적분 영역을 $t - \Delta \le t \le t + \Delta$로 제한해도 된다. 시간 $t'$의 적분 영역을 매우 축소한 경우, 실수 $t'$와 복소수 $s$에 대한 적분을 다시 해본다.

                  (9)

닫힌 경로 $c_1 + c_2$ 내부에는 극점이 $z = 0$에 있어서 유수 정리(residue theorem)를 사용할 수 있다. 반대로 $c_1 + c_3$ 내부는 해석적이라서 극점이 없다. 그래서 이 경로를 사용한 복소 적분은 항상 $0$이다. 식 (8)과 (9)를 종합해서 다음과 같은 디랙 델타 함수(Dirac delta function)의 관계식을 얻는다.

                  (10)

식 (10)을 식 (7)에 대입하면, 쉽게 식 (2)의 결과를 증명할 수 있다. 
______________________________

브롬위치 적분의 증명을 고찰하면, 브롬위치 이전 수학자들이 라플라스 역변환을 얻지 못했던 이유를 분명히 볼 수 있다. 푸리에 변환과 역변환의 적분은 실수 영역에서 둘 다 정의되어서 굉장히 상식적이다. 하지만 라플라스 변환은 실수 영역에서 1차원적 정적분(definite integral)을 하고 라플라스 역변환은 복소 평면에서 2차원적 선 적분(line integral)을 한다. 변환과 역변환이 서로 다른 영역과 적분 방식을 가져도 되는가? 라플라스 변환과 역변환이 가진 이러한 비대칭적 특성은 우리 상식에 반하지만, 식 (6)처럼 라플라스 역변환도 잘 정의된다. 그래서 헤비사이드가 처음에 가졌던 확신이 타당함을 브롬위치가 복소 함수론으로 확실하게 증명했다.
브롬위치 적분이 라플라스 역변환임을 더 극적으로 보기 위해, 평행 이동된 단위 계단 함수 $u(t-t_0)$의 라플라스 변환을 생각한다.

                  (11)

여기서 수렴을 위한 조건은 $\Re[s] > 0$이다. 식 (11)의 결과를 식 (6)에 대입해서 복소 적분을 계산한다. 만약 $t > t_0$이라면, [그림 2]에서 닫힌 경로를 $c_1+c_2$로 택해서 유수(residue)를 구한다. 

                  (12)

반대로 $t < t_0$인 경우, 피적분 함수를 수렴시키기 위해 닫힌 경로는 $c_1+c_3$가 되어야 한다. 그러면 닫힌 경로 내부에 극점이 없어서 복소 적분은 $0$이 된다. 이 두 결과를 종합하면, $e^{-s t_0}/s$에 대한 식 (2)의 적분은 $u(t-t_0)$이다. 따라서 브롬위치 적분은 정확히 라플라스 역변환이다. 이상의 결과를 명확하게 명제로 표현하면 다음과 같다.

[라플라스 변환의 일대일 대응(one-to-one mapping)]
두 함수의 라플라스 변환이 같으면 두 함수는 유한한 점에서만 다르고 나머지 영역에서는 같다.

                  (13)

[증명]
라플라스 변환의 역변환이 존재하기 때문에 일대일 대응은 당연히 성립한다. 다만 라플라스 변환은 리만 적분(Riemann integral)으로 정의하므로, 유한한 점의 적분은 기여가 없다. 그래서 두 함수는 유한한 점에서 다를 수 있다.
______________________________

두 함수가 무한한 점에서 다를 경우는 디랙 델타 함수(Dirac delta function)가 있다는 뜻이다. 그래서 두 함수의 라플라스 변환은 같을 수 없다. 다시 말해 무한한 점에서 다르면 라플라스 변환의 일대일 대응이 잘 성립한다. 다만 이런 조건이 성립하려면 라플라스 변환이 잘 존재해야 한다. 식 (11)의 예에서 보듯이, 라플라스 변환을 구성하는 $s$에 따라 적분이 존재할 수도 혹은 없을 수도 있다. 식 (6)에 정의한 브롬위치 적분을 잘 조합하면 라플라스 변환에 대한 정확한 수렴 조건(convergence condition)을 얻을 수 있다.

[라플라스 변환의 수렴 조건]
라플라스 변환 $F(s)$의 극점보다 우반면(right half-plane)에 있는 $s$를 택해야 라플라스 변환이 수렴한다.

                  (14)

여기서 $\Re[s] > \sigma$이다.

[증명]
식 (6)을 식 (2)에 대입해서 정리한다.

                  (15)

여기서 지수 함수를 수렴시키기 위해 $\Re[s] > \sigma$인 조건을 택한다. 식 (15)의 마지막식은 아래에 있는 코쉬의 적분 공식(Cauchy's integral formula)과 매우 비슷하다.

                  (16)

식 (16)이 성립하기 위해서는 닫힌 경로 내부에서 $f(z)$가 해석적이어야 한다. 그래서 식 (15)에 있는 경로를 [그림 2]에 있는 $c_1 + c_3$으로 잡는다. 또한 $c_1 + c_3$ 내부에 $F(u)$의 극점이 있으면 안되므로, $F(u)$의 극점은 $s$의 좌반면(left half-plane)에 있도록 라플라스 변환의 $s$를 정한다. 그러면 코쉬의 적분 공식에 의해 식 (15)는 $F(s)$가 된다.
______________________________

푸리에 변환과 역변환은 동일한 실수 영역에서 적분이 이루어져서 증명 과정이 비슷하다. 하지만 라플라스 변환은 역변환과 적분 영역이 아주 달라서 상호간의 증명 과정도 서로 차이가 많이 난다. 라플라스 역변환에 변환을 대입한 식 (7)은 디랙 델타 함수(Dirac delta function)를 이용해 증명한다. 반면에 라플라스 변환에 역변환을 넣은 식 (15)의 경우에는 코쉬의 적분 공식(Cauchy's integral formula)이 필수적이다.
식 (2)에 있는 통상적인 라플라스 변환은 적분이 $0$에서 시작하지만, 푸리에 변환처럼 $t$에 대한 적분 구간이 모든 실수 영역이 되게 라플라스 변환을 양방향으로 정의할 수도 있다.

                  (17)

식 (17)과 같은 적분 변환은 양방향 라플라스 변환(bilateral Laplace transform or two-sided Laplace transform)이라 한다. 식 (17)에 대비되는 식 (2)는 단방향 라플라스 변환(unilateral Laplace transform or one-sided Laplace transform)으로 부르기도 한다. 우리가 $t$에 대한 적분 구간을 모든 실수로 늘리기는 했지만, 양방향 라플라스 역변환(inverse bilateral Laplace transform)은 식 (6)과 동일하다. 왜냐하면 식 (10)처럼 $t$가 아닌 $s$에 대한 적분이 디랙 델타 함수를 생성하기 때문이다.

                  (18)

양방향 라플라스 변환은 다른 적분 변환과 다음 관계를 가지고 있다.

                  (19)

                  (20)

여기서 $\mathfrak{F}[\cdot]$는 푸리에 변환을 의미한다. 따라서 양방향 라플라스 변환은 푸리에 변환을 포함한 다양한 적분 변환을 만들 수 있는 범용성이 있다.

[참고문헌]
[1] H. Jeffreys, "Bromwich's work on operational methods," J. London Math. Soc., vol. 3,  220–223, Jul. 1930.
[2] 김계환, 김성숙, "라플라스의 생애와 현대과학에 미친 영향", 한국수학사학회지, 제32권, 제6호, pp. 271–279, 2019년 12월.

[다음 읽을거리]

2020년 10월 3일 토요일

단위 계단 함수의 푸리에 변환(Fourier Transform of Unit Step Function)

[경고] 아래 글을 읽지 않고 "단위 계단 함수의 푸리에 변환"을 보면 바보로 느껴질 수 있습니다.


[그림 1] 단위 계단 함수(출처: wikipedia.org)

단순함 속에 존재하는 심오함을 느끼고 싶으면, 일단 한번 단위 계단 함수(unit step function)를 사색하라. 푸리에 변환(Fourier transform)을 넘어서 라플라스 변환(Laplace transform)으로 가는 열쇠가 다음에 정의하는 단위 계단 함수 $u(t)$에 있다.

                  (1)

단위 계단 함수는 제안자 헤비사이드Oliver Heaviside(1850–1925) 이름을 따서 헤비사이드 계단 함수(Heaviside step function)라고도 한다. 헤비사이드는 단위 계단 함수에 대한 고민을 통해 19세기 수학 분야의 논란거리였던 라플라스 변환을 제안하고 미분 방정식(differential equation)을 푸는 새로운 방법론을 제안했다. 언뜻 봐서는 식 (1)에 제시한 단위 계단 함수의 정의가 너무 간단해서 새로움을 찾기는 어렵다. 그런데 어떻게 단위 계단 함수가 라플라스 변환까지 연결될 수 있을까? 단위 계단 함수의 오묘함을 느끼기 위해 푸리에 변환을 이용해 식 (1)을 적분해보자.

                  (2)

무한대로 가는 극한을 취하기 전까지 식 (2)는 잘 정의된다. 하지만 $T \to \infty$라면, 식 (2)는 진동하기 때문에 적분이 정해지지 않는다. 어떻게 해야 식 (2)의 적분을 정할 수 있을까? 단순한 푸리에 변환 관점에서는 진동하는 적분값을 절대 고정할 수 없다. 그래서 강제로 감쇠(減衰, attenuation) $\sigma$를 주어서 식 (2)의 적분을 수렴하게 한다. 이후에 감쇠를 $0$으로 보내는 극한[$\sigma \to 0^+$]을 적용한다. 이런 접근법이 푸리에 적분을 진화시킨 라플라스 변환의 중요한 특징이다.

[그림 2] 부호를 바꾸면서 양방향으로 감쇠하는 지수 함수

식 (2)의 적분을 정하는 표준적인 방법은 부호 함수(sign function) $\operatorname{sgn}(t)$[= $2u(t)-1$]에 [그림 2]와 같은 감쇠를 주고 적분하기이다. 변수 $t \to \pm \infty$로 갈 때 [그림 2]의 함수는 $0$으로 수렴하기 때문에 안정된 적분이 가능하다.

                  (3)

여기서 $\mathfrak{F}[f(t)]$는 $f(t)$의 푸리에 변환, $\sigma$는 임의의 작은 양의 실수이다. 식 (3)에서 $\sigma \to 0^+$로 보내면, 부호 함수의 푸리에 변환을 쉽게 얻을 수 있다.

                  (4)

그런 다음에 단위 계단 함수와 부호 함수의 관계를 이용해서 단위 계단 함수의 푸리에 변환을 구한다.

                  (5)

여기서 $\delta(\omega)$는 디랙 델타 함수(Dirac delta function)이다.

[그림 3] 단방향으로 감쇠하는 지수 함수

부호 함수에 감쇠를 줄 수 있다면, 단위 계단 함수에도 [그림 3]처럼 감쇠를 추가해서 식 (5)를 얻을 수 있을까? 식 (3)과 동일한 방법으로 푸리에 변환을 위한 적분을 유도한다.

                  (6)

식 (6)의 감쇠 $\sigma$를 $0$으로 보내면 적분값은 $1/(i \omega)$가 나온다. 이 결과는 식 (5)와 비슷하지만 디랙 델타 함수는 사라졌다. 어디에서 문제가 생겼을까? 식 (6)에서 마지막식의 분모를 보자. 분모를 구성하는 $\sigma$와 $\omega$가 모두 $0$이 된다면, 분모도 역시 $0$이 되어서 적분 계산에 문제가 생긴다. 그래서 식 (6)을 다음처럼 변형해야 한다.

                  (7)

식 (7)에서 극한을 적용할 때, 식 (8)과 같은 디랙 델타 함수가 나오도록 분모를 변형해서 유도하니까 식 (5)와 동일한 결과가 나온다.

                  (8)

정답을 얻었다는 안도감이 있으면서 왠지 모를 거북함도 느껴진다. 분명 우리가 얻은 단위 계단 함수의 푸리에 변환은 타당하다. 그렇지만 극한을 사용하는 과정에서 답을 보고 과정을 끼워맞춘 것 같기도 하다. 이런 애매함의 근원이 바로 푸리에 변환의 한계이다. 푸리에 변환은 $t$가 커질수록 복소 지수 함수(complex exponential function)를 빠르게 진동시켜서 적분을 구한다. 이런 푸리에 변환 과정은 단위 계단 함수나 부호 함수의 적분에는 적합하지 않다. 식 (2)의 결과에서도 보듯이 $t$가 무한대로 갈 때 함수값이 남아있는 함수는 푸리에 변환의 적분이 수렴하지 않고 계속 진동한다. 그래서 우리가 얻는 식 (7)은 식 (2)의 적분값이 아니다. 식 (2)에서 $T$가 커질 때, 적분 결과는 계속 진동하므로 식 (2)는 적분 불능이 답이다. 반면에 식 (7)은 식 (2)의 적분에 대한 수학적으로 타당한 극한이다. 적분이 존재하지 않아서 타당한 수학적 추론으로 적분의 극한을 정의했기 때문에, $u(t)$의 푸리에 변환을 식 (7)처럼 쓸 수 있다. 이러한 혼란을 군더더기 없이 편하게 해결할 수 있을까? 우리는 푸리에 변환의 멋진 해결책을 이미 경험했다. [그림 2, 3]처럼 강제적으로 감쇠 $\sigma$를 더하면 적분이 잘 된다. 감쇠를 이용해 얻어진 적분은 감쇠를 남겨두어도 된다. 애매한 극한 연산인 $\sigma \to 0^+$를 할 필요가 없다. 예를 들어, 식 (6)에서 $s$ = $\sigma + i \omega$로 정하자. 그러면 $u(t)$의 감쇠 있는 푸리에 변환을 다음처럼 정확히 쓸 수 있다. 다시 강조하지만 적분 후에 극한을 취할 필요가 없다.

                  (9)

식 (9)는 $u(t)$의 라플라스 변환과 완전 동일하다. 푸리에 변환처럼 감쇠의 극한 특성을 고민할 필요 없이 원래부터 감쇠가 있다고 가정하면 적분이 정말 편해진다. 따라서 감쇠를 버리지 않고 남기는 푸리에 변환에는 새로운 이름이 필요하다. 바로 라플라스 변환이 그 이름이다.

[그림 4] 단위 계단 함수를 위한 복소 평면 상의 적분 경로

복소 함수론(complex analysis)을 이용해 복소 평면(complex plane)에서 닫힌 선 적분(line integral)을 하면, 식 (7)의 증명 과정을 수학적으로 더 엄밀하게 만들 수 있다. 먼저 식 (2)를 바탕으로 복소 평면 상의 적분을 정의한다. 복소 지수 함수 $e^{-i\omega z}$는 [그림 4]와 같은 적분 경로 $c_1 + c_2 + c_3$ 혹은 $c_4 + c_5 + c_6$ 내부에 극점(pole)을 가지지 않으므로 코쉬의 적분 정리(Cauchy's integral theorem)가 성립한다. 이를 바탕으로 $\omega > 0$에 대한 $u(t)$의 복소 적분(complex integral)을 얻는다.

                  (10)

여기서 $R$이 무한대로 갈 때 경로 $c_2$ 상에서 $e^{-i\omega z}$는 $0$이다. 식 (10)에서 $c_2$가 범위인 적분 $I_2(\omega)$[= $\int_{c_2} e^{-i \omega z}\,dz$]는 정적분이 되지 않으므로, 디랙 델타 함수의 정의에 쓰는 분포(distribution) 개념에 따라 $\omega$에 대해 적분해 $I_2(\omega)$ = $0$임을 확인한다. 즉, $I_2(\omega)$를 적분하면 $\int_\alpha^\beta I_2(\omega)\,d\omega$ = $\int_{c_2} (e^{-i\alpha z} - e^{-i\beta z}) \mathbin{/} (iz)\,dz$처럼 분모에 $z$가 나타난다. 이 최종 적분에 조르당의 보조 정리(Jordan's lemma)를 응용해 0을 얻고, 다시 복소 적분의 영인자(nullity of complex integration)를 써서 $I_2(\omega)$ = $0$을 유도한다. 이러한 방식은 푸리에 변환의 완비성 증명에도 동일하게 사용된다.
마찬가지로 $\omega < 0$인 경우에는 경로 $c_4 + c_5 + c_6$을 택해야 $R$이 커짐에 따라 $e^{-i\omega z}$가 $c_5$ 상에서 $0$으로 간다. 따라서 $u(t)$의 복소 적분을 다음처럼 얻는다.

                  (11)

결국 $\omega \ne 0$이라면, $u(t)$의 푸리에 변환은 $1/(i \omega)$가 된다. 다음으로 $\omega$ = $0$ 근방의 적분 특성을 얻기 위해 식 (2)를 $\omega$에 대해 한 번 더 적분한다.

                  (12)

여기서 $\Delta$는 임의의 작은 양의 실수이다. 식 (12)에서 $\Delta$는 한없이 작아질 수 있기 때문에, $\omega$ = $0$ 근방에서 식 (2)의 적분은 $\pi \delta(\omega)$이다. 최종적으로 식 (10)–(12)의 결과를 합쳐서 식 (7)을 얻는다.
식 (2)와 (5)를 연립하면, 분포(distribution) 관점으로 삼각 함수의 새로운 극한값을 결정할 수 있다.

                  (13)

식 (13)의 첫째 줄은 다음처럼 표본화 함수(sampling function)로 정의한 디랙 델타 함수(Dirac delta function)와 동일하다.

                       (14)

라플라스 변환인 식 (9)의 관점을 단위 계단 함수 $u(t)$로 바꾸어서 다음과 같은 적분을 정의하기도 한다.

                       (15)

분포(distribution) 형태인 $H(f)$는 더 구체적으로 함수 $f$에 대한 헤비사이드 분포(Heaviside distribution)라고 부른다.
단위 계단 함수의 푸리에 변환인 식 (5)를 사용해서 반무한 적분 구간을 가진 삼각 함수의 푸리에 변환과 이상 적분(improper integral)을 각각 유도할 수 있다.

                       (16)

                       (17)

특이하게도 삼각 함수의 곱을 반무한 적분하면, 최종 결과에서 디랙 델타 함수는 사라지고 주파수가 높아지면 $1/\omega^2$ 혹은 $-1/\omega$ 형태로 0에 접근하는 로렌츠–코쉬 함수(Lorentz–Cauchy function) 혹은 룽에 함수(Runge function) 형태를 가진다. 라플라스 변환처럼 식 (16)에서 $\omega$를 복소수라 가정해서 $\lim_{t \to \infty}e^{-i \omega t}$ = $0$으로 두면, 이상 적분의 답은 매우 간단해진다.

                       (18)

여기서 $\Im[\omega] < 0$, $\omega$는 복소수라서 $\pm \omega_0$과 같아질 수 없어서 디랙 델타 함수는 항상 0이 된다.

[다음 읽을거리]

푸리에 변환의 성질(Properties of Fourier Transform)

[경고] 아래 글을 읽지 않고 "푸리에 변환의 성질"을 보면 바보로 느껴질 수 있습니다.


초등적인 적분(integration)을 이용해서 다양한 푸리에 변환(Fourier transform)의 성질을 증명할 수 있다.

[그림 1] 푸리에 변환의 시간 이동 예(출처: wikipedia.org)


   1. 기본(basics)   

[정의]

                  (1.1)

[선형 사상(linear mapping or linearity)]

                  (1.2)

여기서 $G(\omega)$는 $g(t)$의 푸리에 변환이다.

[시간 및 주파수 이동(time and frequency shifting)]

                  (1.3)

[쌍대성(duality)]

                  (1.4)

[시간 비율 조정(time scaling)]

                  (1.5)

[켤레 복소수(complex conjugate)와 대칭성(symmetry)]

                  (1.6a)

                  (1.6b)

                  (1.7)

여기서 $(\cdot)^*$는 켤레 복소수, 식 (1.6)과 (1.7)은 각각 $f(t)$가 복소수 및 실수인 경우이다.

[미분(differentiation)]

                  (1.8)

[증명]

                  (1.9)

여기서 $\lim_{t \to \pm \infty} f(t)$ = $0$이라 가정한다. 식 (1.9)를 연속적으로 적용하면, 식 (1.8)의 둘째식이 증명된다.
______________________________

식 (1.8)은 페이저(phasor) 개념과 매우 유사하다. 우리 예상처럼 페이저 이론은 푸리에 변환의 특별한 경우이다. 더 나아가면 헤비사이드Oliver Heaviside(1850–1925)가 제안한 연산 미적분학(operational calculus)까지 우리 사고를 확장할 수 있다.

[적분(integration)]

                  (1.10)

[증명]
적분된 함수를 식 (3.1)에 있는 길쌈(convolution) 형태로 바꾸어서 식 (3.3)의 첫째식처럼 푸리에 변환하면 증명된다.

                  (1.11)

추가적으로 식 (1.10)의 증명에 식 (2.7)이 꼭 필요하다.
______________________________

적분은 미분의 역연산이므로, 식 (1.10)에서는 $i \omega$ 항이 분모로 간다. 다만 DC(직류, direct current) 성분[$\omega$ = $0$]디랙 델타 함수(Dirac delta function)가 매우 크게 출현한다.

[디랙 델타 함수(Dirac delta function)]

                  (1.12)

                  (1.13)


[우함수와 기함수(even and odd functions)]
실수인 우함수와 기함수의 푸리에 변환은 각각 실수와 순허수가 된다.

[증명]
적분 구간을 나누어서 우함수 $f(t)$의 푸리에 변환을 계산한다.

                  (1.14)

비슷한 방식으로 기함수인 $g(t)$의 푸리에 변환도 유도해서 변환값이 순허수임을 증명한다.

                  (1.15)
______________________________

실수 영역에서는 우함수와 기함수의 특성이 비슷하지만, 복소 영역인 푸리에 변환값은 실수와 순허수가 되므로 두 함수는 확연히 다른 결과를 보인다.

[특수한 변환값]

                  (1.16)

                  (1.17)

[주기 함수(periodic function)]

                  (1.18)

여기서 $f(t+T)$ = $f(t)$, $T$는 주기, $\omega_0$ = $2 \pi \mathbin{/} T$이다.

[증명]
주기 함수라서 푸리에 급수로 전개한 후, 식 (1.16)과 식 (1.3)을 조합하여 최종 결과를 유도한다.
______________________________


   2. 초등 함수의 변환(transform of elementary functions)   

[그림 2.1] 구형 함수(출처: wikipedia.org)

[구형 함수 혹은 사각 함수]

                  (2.1a)

                  (2.1b)

[그림 2.1]에 있는 구형 함수(矩形函數, rectangular function) 혹은 사각 함수의 정의는 다음과 같다.

                  (2.2)

[그림 2.2] 표본화 함수(출처: wikipedia.org)

식 (2.1)에 등장한 $\operatorname{Sa}(\cdot)$는 [그림 2.2]에 제시한 표본화 함수(sampling function)이다.

                  (2.3)

이 함수는 사각 함수를 이용해 신호를 표본화(sampling)할 때 생기는 주파수 영역의 특성을 표현한다. 표본화 함수는 다음과 같은 싱크 함수 $\operatorname{sinc}(\cdot)$로 표시할 수도 있다.

                  (2.4)

표본화 함수와 싱크 함수는 서로 혼용해서 쓰이기 때문에, (2.4)를 기준으로 표본화 함수는 비정규화 싱크 함수(unnormalized sinc function), 싱크 함수는 더 구체적으로 정규화 싱크 함수(normalized sinc function)라 부르기도 한다. 싱크 함수는 사인 함수에 c를 붙여서 표기한다. 하지만 싱크 함수를 처음 사용한 저자는 설명 없이 그냥 c만 붙여서 썼기 때문에 c의 정확한 의미를 모른다[1]. 다만 싱크 함수는 $x$ = $0$을 제외한 모든 정수에서 함수값이 $0$이어서 기수(基數, cardinal number: 세는 수인 계산수)를 선택하는 기수 함수(cardinal function)로 간주할 수 있다. 조금 억지이기는 하지만 적당한 설명을 만들고 싶어서, c를 기수의 약어라고 가정한다.
식 (1.4)에 제시한 쌍대성을 이용해서 표본화 함수의 푸리에 변환도 얻을 수 있다.

                  (2.5)

신호 처리에서 이상적인 필터(ideal filter)가 불가능함을 증명할 때, 식 (2.5)를 유용하게 사용한다. 이상적인 필터는 식 (2.5)의 우변처럼 특정 주파수 대역을 정확히 선택한다. 하지만 주파수 영역에서 이상적인 선택을 하려면, 우주 창조부터 멸망까지 필터의 시간 응답이  만들어져야 한다. 어떤 신호든 시간 영역에서 영원히 존재할 수는 없으므로, 주파수 영역에서 이상적인 필터를 구현할 수 없다. 

[그림 2.3] 삼각형 함수(출처: wikipedia.org)

[삼각형 함수]

                  (2.6)

[그림 2.3]에 보인 삼각형 함수(triangular function)는 $\operatorname{tri}(t)$ = $\Lambda(t)$ = $\max(1-|t|, 0)$으로 정의한다. 

[그림 2.4] 단위 계단 함수(출처: wikipedia.org)

[단위 계단 함수]

                  (2.7)

식 (2.7)은 극한(limit)이나 복소 함수론(complex analysis)을 이용해서 엄밀하게 증명해야 한다. 단위 계단 함수(unit step function)는 매우 간단해 보이지만, 푸리에 변환을 구하기는 상당히 어렵다. 단위 계단 함수는 제안자인 헤비사이드Oliver Heaviside(1850–1925) 이름을 붙여서 헤비사이드 계단 함수(Heaviside step function)라고도 한다. 단위 계단 함수는 푸리에 변환과 라플라스 변환(Laplace transform)의 연결성을 암시해준다.

[그림 2.5] 부호 함수(출처: wikipedia.org)

[부호 함수]

                  (2.8)

여기서 $\operatorname{sgn}(t)$는 $t$의 부호를 택하는 부호 함수(sign function)이며 $\operatorname{sgn}(t)$ = $2u(t)-1$로 표현된다.

[증명]
부호 함수 정의에 식 (2.7)과 (1.12)를 대입하여 정리한다.

                  (2.9)
______________________________

부호 함수의 푸리에 변환 결과에서 적분 구간은 반무한으로 바꾸면 다음 적분을 정의할 수 있다.

                  (2.10)

부호 함수의 적분을 바꾼 결과가 식 (2.10)이기 때문에, $\omega$ = $0$을 넣을 수는 없고 $\omega \to 0$으로 가는 극한을 취할 수는 있다. 디랙 델타 함수인 식 (1.12)도 적분 구간을 바꿀 수 있다.

                  (2.11)

동어반복이기는 하지만, 식 (2.10)과 (2.11)을 합치면 식 (2.7)을 다시 얻을 수 있다.

[그림 2.6] 양뱡향으로 감쇠하는 지수 함수

[양방향 감쇠 지수 함수]

                       (2.12)

로렌츠–코쉬 함수(Lorentz–Cauchy function)를 이용하면 식 (2.12)를 가장 쉽게 증명할 수 있다.

[삼각 함수(trigonometric function)]

                       (2.13)


   3. 특수 함수의 변환(transform of special functions)   

[가우스 함수(Gaussian function)]

                       (3.1)

[증명]
함수의 중심을 $\mu$ = $0$으로 설정한 가우스 함수(Gaussian function)의 정의를 식 (1.1)에 넣어서 정리한다.

                       (3.2)
______________________________

형상 모수(形狀母數, shape parameter) $\sigma$가 약간 차이나지만, 가우스 함수는 푸리에 변환에 의해 모양이 변하지 않는 특성을 가지고 있다. 즉, 푸리에 변환의 항등원(identity element)은 가우스 함수가 된다.


   4. 길쌈(convolution)   

[그림 4.1] 구형 함수의 길쌈 예(출처: wikipedia.org)

[정의]

                  (4.1)

길쌈(convolution)은 [그림 4.1]처럼 한 신호를 뒤집어서 다른 신호와 곱하기 때문에, 신호의 수신을 모형화할 때 매우 유용하게 사용된다.

[대수적 성질(algebraic properties)]

                  (4.2)

[길쌈 정리(convolution theorem)]

                  (4.3)

[증명]
식 (4.1)에 있는 길쌈에 대해 푸리에 변환을 적용하여 식 (4.3)의 첫째식을 증명한다.

                  (4.4)

식 (4.4)의 결과에 식 (1.4)에 제시한 쌍대성을 적용한다.

                  (4.5)

식 (4.5)의 우변에 있는 길쌈을 풀어서 쓰면 식 (4.3)의 둘째식이 증명된다.

                  (4.6)
______________________________

[파르세발의 정리]

                  (4.7)

[증명]
길쌈 정리인 식 (4.3)의 둘째식에서 $\omega$ = $0$인 특별한 경우가 파르세발의 정리(Parseval's theorem)이다.

                  (4.8)
______________________________

함수 $g(t)$가 $f(t)$와 같으면, 식 (4.7)은 다음과 같이 더 간략화될 수 있다.

                  (4.9)

여기서 $f(t)$는 제곱 적분 가능한 함수(square-integrable function)이어야 한다.


   5. 급수 표현식(series representation)   

[푸아송 합 공식]

                  (5.1)

여기서 $f(t)$의 푸리에 변환이 $F(\omega)$, $\omega_0$ = $2\pi/T$이다.

[증명]
연속으로 나열된 $f(t)$에 푸리에 역변환을 적용해서 정리한다.

                  (5.2)
______________________________

식 (5.2)와 비슷한 방법을 사용하면, 주파수 영역에 대한 푸아송 합 공식도 증명할 수 있다.

                  (5.3)

[그림 5.1] 나이퀴스트–섀넌 표본화 정리의 원리(출처: wikipedia.org)

[나이퀴스트–섀넌 표본화 정리(Nyquist–Shannon sampling theorem)]

                  (5.4)

여기서 표본화 각주파수는 $\omega_0$ = $2 \pi/T$ $\ge$ $2 \omega_b$, $T$는 표본화 주기(sampling period), $\omega_b$는 각주파수 기준 신호의 대역폭(signal bandwidth)이며 $\omega_b$ = $2 \pi \cdot \text{BW}$, $\text{BW}$는 주파수 대역폭(frequency bandwidth), $f(t)$는 $\text{BW}$ 이내에 대역 제한(bandlimited)되어 있다.

[증명]
[그림 5.1]에 있는 신호의 대역폭 $\omega_b$를 모두 포함하도록 $\omega_0 \ge 2\omega_b$로 정한 후, 주파수 영역의 이상적인 필터(ideal filter)를 $\operatorname{rect}(\omega/\omega_0)$로 정의한다. 이상적인 필터를 식 (5.3)의 좌변에 적용해서 푸리에 역변환을 한다.

                  (5.5)

식 (5.5)에 나온 길쌈을 적분하면 식 (5.4)가 얻어진다.
______________________________

나이퀴스트–섀넌 표본화 정리는 보간(interpolation)에도 사용될 수 있어서 섀넌 보간 공식(Shannon interpolation formula)이라고도 한다. 나이퀴스트–섀넌 표본화 정리는 대역 제한 신호(band-limited signal)를 처리하는 새로운 방법을 제시한다. 연속 함수 $f(t)$를 알지 못하더라도, 이산화된 표본화 결과인 $f(mT)$만 알아도 원래 함수 $f(t)$를 복원할 수 있다. 현실에서는 표본화를 무한대로 할 수 없어서 식 (5.4)는 무한 급수가 아닌 유한 급수가 된다. 항이 개수가 유한개일더라도 표본화 정리는 $f(t)$를 잘 근사화하기 때문에, 표본화 정리는 섀넌 보간 공식으로도 부른다. 

[기수 급수(cardinal series)] [3]

                          (5.6)

여기서 $g(t)$는 $2 \pi$ 주기를 가지며 $G_m$ = $f(m)$, $f(t)$는 나이퀴스트–섀넌 표본화 정리에 따라 $\text{BW} \le 0.5$로 대역 제한된다.

[증명]
식 (5.6)의 첫째식 $g(t)$를 적분해서 새로운 함수 $f(t)$를 정의한다.

                  (5.7)

식 (5.7)의 좌변에 $m$을 넣으면 $f(m)$ = $G_m$이 쉽게 유도된다.
______________________________

기수 급수(基數級數, cardinal series)는 각 항이 특정한 기수(基數, cardinal number)를 선택하거나 배제한다. 여기서 기수는 자연수 혹은 집합의 원소수(number of elements)를 뜻한다. 식 (5.6)의 결과에 $t$ = $m$을 넣으면 표본화 함수의 성질에 의해 각 항은 특정한 $m$을 뽑아내므로, 식 (5.6)은 정확히 기수 급수가 된다. 마찬가지로 식 (5.4)에 $T$ = $1$을 대입한 식은 식 (5.6)과 같아져서 기수 급수의 범주에 들어간다. 

[최적 표본화 보간(optimal sampling interpolation, OSI)] [4]

                          (5.8)

여기서 $f(t)$는 대역 제한된 신호, 푸리에 급수가 존재하는 수렴 인자(convergence factor) $\psi(t)$는 $\psi(0)$ = $1$인 성질을 가진다.

[증명]
길쌈(convolution) 형태인 함수 $f(t) \psi(\tau - t)$를 식 (5.4)에 넣는다.

                  (5.9)

매개변수 $\tau$는 아무값이나 넣을 수 있으므로, $\tau$ = $t$를 넣고 $\psi(0)$ = $1$을 대입한다.
______________________________

무한 급수의 수렴 특성을 바꾸는 수렴 인자 $\psi(t)$는 제곱해서 적분이 존재한다면 어떤 함수든지 가능하다. 수렴 인자로 임의의 함수가 가능하기 때문에 더욱 간단한 식 (5.4)가 식 (5.8)보다 더 나아보인다. 이는 맞는 관점이지만 현실에서는 무한한 급수 합을 구하기는 불가능해서 유한 급수로 부분 합을 계산한다. 이 경우에 보간이 더 잘 되도록 수렴 인자를 택하면 나이퀴스트–섀넌 표본화 정리보다 더 개선된 보간을 정의할 수 있으므로, 식 (5.8)을 최적 표본화 보간(optimal sampling interpolation, OSI)으로 이름 붙인다.

[나이퀴스트–섀넌 표본화 정리의 연속화]

                  (5.10)

여기서 $f(t)$의 각주파수 대역폭은 $\omega_b \le \pi$로 제한한다.

[증명]
길쌈 정리를 사용해서 식 (5.10)의 우변을 푸리에 변환한다.

                  (5.11)

함수 $f(t)$의 대역폭 조건으로 인해 $F(\omega)$는 $|\omega| \le \pi$ 범위에만 존재해서 식 (5.11)의 우변은 $F(\omega)$와 같다.
______________________________

식 (5.10)으로 인해 표본화 함수는 $f(t)$를 적분해도 자기 자신이 그대로 나오는 항등적 특성을 가진다.


   6. 다차원 푸리에 변환(multidimensional Fourier transform)   

[정의]

                  (6.1)

여기서 $\bar x$ = $(x_1, x_2, \cdots, x_n)$, $\bar k$ = $(k_1, k_2, \cdots, k_n)$, $\bar k \cdot \bar x$ = $k_1 x_1 + k_2 x_2 + \cdots + k_n x_n$이다.

[쌍대성(duality)]

                  (6.2)

[길쌈 정의(definition of convolution)]

                  (6.3)

여기서 $\bar x$ = $(x_1, x_2, \cdots, x_n)$, $\bar \chi$ = $(\chi_1, \chi_2, \cdots, \chi_n)$, $|d\bar \chi|$ = $d\chi_1 d\chi_2 \cdots d\chi_n$이다.

[길쌈 정리(convolution theorem)]

                  (6.4)

[증명]
식 (4.4)와 비슷하게 다차원 푸리에 변환을 적용한다.

                  (6.5)

다차원 푸리에 변환의 쌍대성인 식 (6.2)와 식 (6.4)의 첫째식을 써서 식 (6.4)의 둘째식도 증명한다.

                  (6.6)
______________________________


   7. 다양한 함수의 다차원 푸리에 변환   

[가우스 함수(Gaussian function)]

                  (7.1)

여기서 $|\bar x|$ = $\sqrt{x_1^2 + x_2^2 + \cdots + x_n^2}$, $|\bar k|$ = $\sqrt{k_1^2 + k_2^2 + \cdots + k_n^2}$이다.

[증명]
다차원 푸리에 변환의 정의에 $f(\bar x)$를 대입하고 식 (3.1)을 사용한다.

                  (7.2)
______________________________

[감쇠하는 지수 함수] [2]

                  (7.3)

여기서 $\varepsilon > 0$이다.

[증명]
지수 함수를 그대로 두고는 다차원 푸리에 변환을 적용하기가 매우 어렵기 때문에, 지수 함수를 가우스 함수 형태로 바꾸고 식 (7.1)을 사용해 적분한다.

                       (7.4)

             (7.5)

여기서 $|d \bar x|$ = $dx_1 dx_2 \cdots dx_n$, $\Gamma(\cdot)$는 감마 함수(gamma function)이다.
______________________________

가우스 함수와 동일하게 감쇠하는 지수 함수의 다차원 푸리에 변환도 실수이면서 항상 $0$보다 크게 된다.

[로렌츠–코쉬 함수(Lorentz–Cauchy function)]

                       (7.6)

[증명]
식 (7.3)에 증명한 역변환 결과를 식 (6.2)에 대입해서 정리한다.
______________________________

                       (7.7)

여기서 $K_\nu (\cdot)$는 제2종 변형 베셀 함수(modified Bessel function of the second kind)이다.

[증명]
식 (7.7)의 다차원 푸리에 변환을 위해 원래 식을 다음과 같은 적분으로 바꾼다.

                       (7.8)

가우스 함수가 식 (7.8)에 나타나므로, 식 (7.1)을 이용해 다중 적분을 한다.

                       (7.9)

식 (7.9)의 마지막 적분은 $K_\nu (\cdot)$의 적분 표현식이다.

                      (7.10)
______________________________


[참고문헌]
[1] P. M. Woodward and I. L. Davies, "Information theory and inverse probability in telecommunication," Proceedings of the IEE - Part III: Radio and Communication Engineering, vol. 99, no. 58, pp. 37–44, Mar. 1952.
[2] E. M. Stein and G. Weiss, Introduction to Fourier Analysis on Euclidean Spaces, Princeton University Press, 1971.
[3] J. R. Higgins, "Five short stories about the cardinal series," Bull. Amer. Math. Soc., vol. 12, no. 1, pp. 45–89, Jan. 1985.
[4] J. Knab, "Interpolation of band-limited functions using the approximate prolate series (Corresp.)," IEEE Trans. Inf. Theory, vol. 25, no. 6, pp. 717–720, Nov. 1979.

[다음 읽을거리]