Преобразование Лапласа

ОДУ $dy/dt + 2y = \sin(t)$ выглядит сложно. В пространстве Лапласа: $sY - y_0 + 2Y = 1/(s^2+1)$ - это алгебра первой степени. Преобразование Лапласа буквально превращает дифференциальные уравнения в задачи из школьной программы. PID-регуляторы в каждом промышленном роботе, Tesla Autopilot и квадрокоптерах - все спроектированы в $s$-domain через Лаплас. Transfer function $H(s)$ показывает как система реагирует на каждую частоту входного сигнала. Control theory - это Laplace theory.

• **Теория управления:** AutoPilot самолёта, PID-регулятор температуры, ABS в автомобиле - всё проектируется через передаточные функции H(s) в s-области
• **Анализ цепей:** RLC-фильтры, усилители, источники питания - частотная характеристика H(iω) получается заменой s на iω в передаточной функции
• **DSP и цифровые фильтры:** фильтры Баттерворта, Чебышева, Бесселя спроектированы в s-области; z-преобразование - дискретный аналог Лапласа для scipy.signal
• **Neural ODE (Chen 2018):** анализ устойчивости через полюса Лапласа применяется к непрерывным динамическим системам как альтернатива дискретным нейросетям

Предварительные знания

• Степенные ряды для ОДУ

Определение и таблица

ОДУ $y'' + 2y' + y = \sin(t)$ выглядит сложно. В пространстве Лапласа: $(s^2 + 2s + 1)Y(s) = \frac{1}{s^2+1} + \text{НУ}$. Это полиномиальная алгебра - задача средней школы. Именно это делает преобразование Лапласа главным инструментом control theory с 1950-х по сей день.

**Определение:** $\mathcal{L}\{f\}(s) = \int_0^\infty f(t)e^{-st}\,dt$. Функция времени $f(t)$ отображается в функцию комплексной переменной $F(s)$. Ключевая идея: каждому $e^{-st}$ своя роль - при больших $\text{Re}(s)$ экспонента гасит рост $f$, обеспечивая сходимость интеграла.

**Область сходимости:** интеграл сходится при $\text{Re}(s) > \sigma_0$, где $\sigma_0$ - абсцисса абсолютной сходимости. Для $f(t) = e^{at}$ нужно $\text{Re}(s) > a$. Для ограниченных функций $\sigma_0 \le 0$.

Правило дифференцирования и решение ЗК

Главное свойство: $\mathcal{L}\{f'(t)\} = sF(s) - f(0)$. Для второй производной: $\mathcal{L}\{f''(t)\} = s^2F(s) - sf(0) - f'(0)$. Начальные условия автоматически включаются в уравнение - отдельной подстановки не нужно. Именно поэтому метод так удобен для задачи Коши.

Алгоритм решения ЗК: 1. применить $\mathcal{L}$ к обеим частям ОДУ 2. подставить начальные условия - они уйдут в числитель $F(s)$ 3. решить алгебраическое уравнение для $F(s)$ 4. найти $f(t) = \mathcal{L}^{-1}\{F(s)\}$ через таблицу или разложение на простые дроби.

**Передаточная функция** $H(s) = Y(s)/U(s)$ - центральный объект теории управления. Для уравнения $y'' + ay' + by = u(t)$ получаем $H(s) = 1/(s^2 + as + b)$. Полюса $H(s)$ - это собственные значения системы. Устойчивость: все полюса в левой полуплоскости $\text{Re}(s) < 0$. PID-регуляторы в Tesla Autopilot, квадрокоптерах и промышленных роботах проектируются именно через анализ полюсов $H(s)$.

Преобразование Лапласа предполагает $f(t) = 0$ при $t < 0$. Если $f(t)$ имеет разрыв при $t = 0$ или ненулевые значения до нуля, нужно аккуратно использовать одностороннее преобразование с учётом скачков.

Дробное разложение и обратное преобразование

После нахождения $F(s)$ нужно вернуться в $f(t) = \mathcal{L}^{-1}\{F(s)\}$. Стандартный путь: разложить $F(s)$ на **простые дроби**, каждую из которых можно найти в таблице. Метод residues превращает обратное преобразование в школьную арифметику.

**`sympy.apart(F, s)`** - разложение на простые дроби. **`sympy.inverse_laplace_transform(F, s, t)`** - обратное преобразование напрямую. Для численного моделирования - `scipy.signal.lsim` со структурой `scipy.signal.TransferFunction`.

Приложения: цепи и системы управления

1910 год. Оливер Хевисайд - самоучка без университетского образования - разрабатывает операционное исчисление для расчёта электрических цепей. Математики смеются. Инженеры берут на вооружение. Сегодня это стандарт в любом курсе управления. Закон Кирхгофа для RLC-контура: $Li'' + Ri' + i/C = u'(t)$. После Лапласа: $(Ls^2 + Rs + 1/C)I(s) = sU(s) - \ldots$ Передаточная функция: $H(s) = I(s)/U(s) = s/(Ls^2 + Rs + 1/C)$.

**Теорема о свёртке:** $\mathcal{L}\{(f*g)(t)\} = F(s)\cdot G(s)$. Свёртка во временной области - умножение в $s$-области. Именно поэтому передаточная функция - это буквально «фильтр»: выход = вход, умноженный на $H(s)$, что во временной области - свёртка с импульсным откликом $h(t) = \mathcal{L}^{-1}\{H(s)\}$. Цифровые фильтры Баттерворта и Чебышева проектируются в $s$-области и переводятся в дискретную форму через $z$-преобразование.

**Теорема о конечном значении:** $\lim_{t\to\infty} f(t) = \lim_{s\to 0} s\cdot F(s)$. Позволяет найти установившееся значение выхода без обратного преобразования. Для $H(s) = 1/(s+2)$ с единичным скачком: финальное значение $= \lim_{s\to 0} s \cdot \frac{1}{s(s+2)} = \frac{1}{2}$.

Ключевые идеи

• **L{f}(s) = ∫₀^∞ f(t)e^{-st}dt** - интегральное преобразование, переводящее t-область в s-область
• **L{f'} = sF(s) - f(0)** - производная становится умножением на s; ОДУ превращается в алгебраическое уравнение
• **Обратное преобразование** - разложение на простые дроби + таблица (или sympy.inverse_laplace_transform)
• **Передаточная функция H(s) = Y(s)/U(s)** - полный частотный и временной портрет системы; полюса определяют устойчивость

Связанные темы

Лаплас - мост между ОДУ и частотными методами анализа:

• Системы ОДУ — Передаточная функция системы x' = Ax + Bu, y = Cx: H(s) = C(sI-A)⁻¹B
• Преобразование Фурье для ОДУ — Фурье - частный случай Лапласа при s = iω: H(iω) - частотная характеристика

Вопросы для размышления

• Теорема о свёртке говорит, что умножение в s-области = свёртка во времени. Как это связано с понятием 'фильтра' в обработке сигналов?
• Полюса передаточной функции - это собственные значения матрицы системы A. Как убедиться в этом для системы y'' + ay' + by = u, записав её как систему первого порядка?
• Neural ODE использует Лаплас для анализа устойчивости непрерывных нейросетей. Что означает условие Re(s) < 0 для всех полюсов в контексте обучения?

Связанные уроки

• de-03 — Системы ОДУ - частный случай; передаточная функция H(s) = C(sI-A)⁻¹B
• de-06 — Преобразование Фурье - частный случай Лапласа при s = iω
• dyn-01 — Фазовые портреты и полюса H(s) описывают одну систему двумя языками
• nm-06 — Нахождение полюсов H(s) - задача для численных методов линейной алгебры
• calc-06-derivative-intro — Правило дифференцирования L{f'} = sF - f(0) опирается на производную
• calc-13-techniques