การแปลงเชิงปริพันธ์

การแปลงเชิงปริพันธ์ (อังกฤษ: integral transform) ในทางคณิตศาสตร์ หมายถึง การแปลง T ใดๆ ที่อยู่ในรูป

โดยส่งผ่านฟังก์ชัน f เข้าสู่การแปลง และได้ผลลัพธ์ออกมาในรูป Tf การแปลงเชิงปริพันธ์นี้เป็นตัวดำเนินการทางคณิตศาสตร์ชนิดหนึ่ง

การแปลงเชิงปริพันธ์ที่มีประโยชน์นั้นมีอยู่หลายชนิด ขึ้นอยู่กับฟังก์ชันสองตัวแปร K ที่เลือกใช้ ฟังก์ชัน K นี้เรียกว่า เคอร์เนลของการแปลง (kernel of the transform) หรือ นิวเคลียส ของการแปลง

เคอร์เนลบางตัวนั้นมี เคอร์เนลอินเวอร์ส ซึ่งให้การแปลงกลับ:

เคอร์เนลที่สมมาตร (symmetric kernel) คือ เคอร์เนลที่มีหน้าตาเหมือนกัน เมื่อสลับที่ตัวแปรทั้งสอง

สิ่งจูงใจ แก้

หากไม่กล่าวถึงเรื่องประโยชน์ที่ได้จากการใช้รูปแบบเครื่องหมาย สิ่งจูงใจของการใช้การแปลงเชิงปริพันธ์ที่เห็นได้ชัดเจนก็คือ ในบางปัญหาทางคณิตศาสตร์ซึ่งมีรูปแบบดั้งเดิมยากแก่การแก้ปัญหา การใช้การแปลงเชิงปริพันธ์เพื่อทำการแปลง รูปแบบของสมการจากในโดเมนดั้งเดิม ไปยังอีกโดเมนหนึ่งนั้น จะช่วยทำให้การจัดรูปและแก้ปัญหาสมการนั้นง่ายขึ้น หลังจากแก้ปัญหาสมการในโดเมนของการแปลงแล้ว ก็ทำการแปลงกลับให้มาอยู่ในโดเมนดั้งเดิมได้

การแปลงเชิงปริพันธ์ ใช้หลักการของการแยกองค์ประกอบสเปกตรัม (spectral factorization) ตาม ฐานเชิงตั้งฉากปรกติ (หรือ หมายความง่าย ๆ ว่า เราสามารถเขียนฟังก์ชันที่ซับซ้อน ให้อยู่ในรูปผลบวกของฟังก์ชันที่ซับซ้อนน้อยกว่านั่นเอง

ประวัติ แก้

การแปลงเชิงปริพันธ์ นั้นมีประวัติความเป็นมาเริ่มต้นจากการเขียนแทนฟังก์ชันในช่วงจำกัด ในรูปอนุกรมฟูรีเย และพัฒนาต่อมาเป็นการแปลงฟูรีเย เพื่อใช้สำหรับฟังก์ชันในช่วงไม่จำกัด

การเขียนฟังก์ชันในรูปอนุกรมฟูรีเย ฟังก์ชันจะถูกเขียนอยู่ในรูปผลบวกของฟังก์ชันไซน์ และ โคไซน์ ที่มีขนาด และ ตำแหน่ง ต่าง ๆ โดยฟังก์ชันไซน์ และ โคไซน์ นี้ก็เป็นตัวอย่างของฐานเชิงตั้งฉากปรกติ

ความสำคัญของฐานที่ตั้งฉาก แก้

ฟังก์ชันฐานที่ตั้งฉาก (orthogonal) นั้นหมายถึง ปริพันธ์ของผลคูณของสองฟังก์ชันฐานที่ต่างกัน ตลอดทั้งช่วงโดเมนของมันจะต้องมีค่าเป็นศูนย์ การแปลงเชิงปริพันธ์นั้นเพียงเป็นการเปลี่ยนรูปฟังก์ชันจากที่แสดงโดยฐานเชิงตั้งฉากปรกติหนึ่ง เป็นอีกฐานเชิงตั้งฉากปรกติหนึ่งเท่านั้น ค่าที่แต่ละจุดของฟังก์ชันในโดเมนของการแปลงคือ ค่าขนาดของฟังก์ชันฐานเชิงตั้งฉากปรกติหนึ่ง ๆ ที่เป็นองค์ประกอบของการกระจายฟังก์ชันจากการแปลง กระบวนการกระจายฟังก์ชันจากรูปแบบมาตรฐาน เป็นผลบวกของฟังก์ชันฐานเชิงตั้งฉากปรกติ ซึ่งอาจถูกปรับขนาด และ ตำแหน่ง เรียกว่า การแยกองค์ประกอบสเปกตรัม (spectral factorization) กระบวนการนี้คล้ายกับหลักการของการแทนจุดใด ๆ ในปริภูมิ 3 มิติ ด้วยค่าตามแกน x, y, z ซึ่งค่าแต่ละแกนจะตั้งฉากกัน และเป็นอิสระไม่ขึ้นแก่กัน ในการหาขนาดองค์ประกอบในการแยกองค์ประกอบสเปกตรัมของฟังก์ชัน F ตามฟังก์ชันฐานเชิงตั้งฉากปรกติหนึ่ง ๆ นั้นจะใช้คำว่า โพรเจกชัน (projection) ของ F ไปบนฟังก์ชันฐานนั้น เช่นเดียวกับในกรณีของเวกเตอร์

เราสามารถมองกราฟของฟังก์ชันบนพิกัดคาร์ทีเซียน เหมือนกับเป็นการกระจายบนฐานเชิงตั้งฉากปรกติเช่นกัน โดยแต่ละจุดบนกราฟจะเป็นองค์ประกอบของแต่ละฟังก์ชันฐานเชิงตั้งฉากปรกติ เช่นจุด (3,5) บนกราฟ หมายถึง องค์ประกอบ ของฟังก์ชันฐานเชิงตั้งฉากปรกติ δ(x-3) โดยที่ "δ" คือ ฟังก์ชันครอเนกเคอร์เดลต้า (Kronecker delta function) ที่มีขนาดเท่ากับ 5 หากมองเช่นนี้แล้ว กราฟต่อเนื่องของฟังก์ชันจำนวนจริงบนระนาบ ก็คือผลรวมของฟังก์ชันฐานจำนวนไม่จำกัด เพราะหากฟังก์ชันฐานมีจำนวนจำกัด เส้นกราฟก็ควรจะมีรูปร่างเป็นจุด ๆ แทนที่จะเป็นเส้นต่อเนื่อง

ตารางการแปลงเชิงปริพันธ์ แก้

ตารางการแปลงเชิงปริพันธ์
การแปลง สัญลักษณ์   t1 t2   u1 u2
การแปลงฟูรีเย (Fourier transform)              
การแปลงฮาร์ทลีย์ (Hartley transform)              
การแปลงเมลลิน (Mellin transform)              
การแปลงลาปลาสสองด้าน (Two-sided Laplace
transform
)
             
การแปลงลาปลาส (Laplace transform)              
การแปลงแฮงเคิล (Hankel transform)            
การแปลงอาเบล (Abel transform)            
การแปลงฮิลเบิร์ต (Hilbert transform)              
การแปลงเอกลักษณ์ (Identity transform)            

ในการแปลงกลับ ค่า c เป็นค่าคงที่ซึ่งขึ้นกับฟังก์ชันของการแปลง เช่น สำหรับการแปลงลาปลาสด้านเดียว และสองด้าน c จะต้องมีค่ามากกว่า ค่าส่วนจำนวนจริงที่มากที่สุดของค่าศูนย์(zero) ฟังก์ชันของการแปลง

ดูเพิ่ม แก้