ROZDZIAŁ 2. PRZESTRZENIE SYGNAŁÓW 30• < αx + βy, z >= α < x, z > +β < y, z >,• x ≠ 0 ⇒< x, x >> 0,• x = 0 ⇒< x, x >= 0.Symbol ” * ” w pierwszym warunku określającym iloczyn skalarny oznaczasprzężenie zespolone. Widzimy, że iloczyn skalarny to funkcjonał respektującywłasności algebraiczne przestrzeni, w której działa - jest on funkcją liniową swojegopierwszego argumentu i antyliniową (tzn. liniową + sprzężenie zespolone)- drugiego.Jeżeli w zbiorze sygnałów (przestrzeni liniowej) jest określony iloczyn skalarny,to zbór ten jest również przestrzenią unormowaną z normą określoną jako:‖x‖ = √ < x, x >.Ponadto, jak pokazywaliśmy to wcześniej, taka przestrzeń jest również przestrzeniąmetryczną w której jest równierz zadana przez iloczyn skalarny:ρ(x, y) = ‖x − y‖ = √ < x − y | x − y >.Mając określony iloczyń skalarny możemy wprowadzić jeszcze określeniedwóćh struktur matematycznych używanych w analizie sygnałów. I tak, zbiórsygnałów wyposażony w operacje dodawania sygnałów, mnożenia sygnału przezliczbę oraz iloczyn skalarny, unormowany przez normę określoną przez iloczynskalarny nazywamy przestrzenią unitarną.Jeżeli tak określona przestrzeń unitarna jest zupełna (w metryce określonejprzez iloczyn skalarny), to nazywamy ją przestrzenią Hilberta.2.2.4 Kąt między sygnałami. Bazy ortogonalne i ortonormalneto liczba rzeczywista mniejsza od 1. To pozwala nam interpretowaćją jako kosinus kąta - możemy więc dla dowolnych dwóch sygnałów z przestrzeniunitarnej określić { kąt pomiędzy nimi w sposób następujący:arccos(||‖x‖‖y‖dla x ≠ 0 oraz y ≠ 0≮ (x, y) =0 dla x = 0 lub y = 0Jedną z własności, którą spełnia każdy iloczyn skalarny jest nierówność Schwartza.Mówi ona że dla dowolnych niezerowych wektorów x, y spełniona jest relacja:| < x, y > | ≤ ‖x‖‖y‖, czyli wartość bezwzględna iloczynu skalarnego dwóchniezerowych wektorów nie jest większy niż iloczyn ich norm. Oznacza to że wielkość||‖x‖‖y‖
ROZDZIAŁ 2. PRZESTRZENIE SYGNAŁÓW 31Jeżeli iloczyn skalarny dwóch niezerowych wektorów jest równy zero, to mówimy,że są one ortogonalne (czyli kąt między nimi wynosi π/2, a więc są względemsiebie prostopadłe).W pierwszj części rozdziału dyskutowaliśmy problem reprezentacji sygnałui związany z nim problem wyboru sygnałów wzorcowych. Matematycznym odpowiednikiemsygnałów wzorcowych są tzw. wektory bazowe w przestrzeniachunitarnych lub przestrzeniach Hilberta będących zbiorami sygnałów. Aby wyjaśnićczym jest baza w przestrzni liniowej należy najpierw określić pojęcie liniowejniezależności sygnałów. Rozważny zbiór X N = {x i (t), i = 1, 2, ..., N}sygnałów przestrzeni liniowej V . Każdy sygnał zbudowany według przepisux(t) = ∑ a i x i (t), gdzie a i - liczby (współczynniki kombinacji) nazywamy kombinacjąliniową sygnałów x i z X N . Mówimy, że zbiór X N sygnałów jest liniowoniezależny, jeżeli zerowanie się kombinacji jest możliwe tylko wtedy, gdywszystkie współczynniki kombinacji są zerami. Rzeczywiście, gdyby kombinacjasię zerowała mimo tego, że nie wszystkie jej współczynniki były zerami, to byoznaczało, że można wyrazić któryś z wektorów poprzez pozostałe.Jeżeli w przestrzeni V każdy układ liniowo niezależnych sygnałów zawieramaksymalnie N sygnałów, to przestrzeń nazywamy N-wymiarową. Wtedy dowolnyukład N liniowo niezależnych sygnałów nazywamy bazą przestrzeni V .Każdy taki układ sygnałów może zostać wybrany jako wzorcowy układ sygnałów.Mimo że bazą przestrzeni liniowej może być każdy maksymalny układ liniowoniezależnych sygnałów, to w praktyce o wiele wygodniej jest używać pewnychspecjalnych baz, które oprócz tego, że składają się z sygnałów liniowo niezależnych,to dodatkowo spełniają warunek ortogonalności. Oznacza on, że dladwóch dowolnych sygnałów z X N każde dwa różne wektory bazowe są do siebieprostopadłe, czyli jeżeli x i oraz x j ∈ X N oraz (i ≠ j) ⇒< x i , x j> = 0. Takiebazy nazywamy bazami ortogonalnymi.Jeżeli ponadto normy wszystkich wektorów bazowych są równe 1, to takąbazę nazywamy bazą ortonormalną. Niech X = x i , i = 1, 2, ...N będzie takąbazą. Wtedy, dowolny wektor przestrzeni można zapisać jako rozwinięcie w∑bazie X: g = N ∑a k x k, h = N b k x k . Obliczając iloczyn skalarny tych wektorówdostajemyk=1k=1N∑ N∑N∑g · h = a i b j ∗ x i · x j = a i b ∗ i = a · b. (2.1)i=1 j=1Wynik ten, to treść twierdzenia Parsevala, które mówi, że iloczyn skalarnydwóch sygnałów jest równy iloczynowi skalarnemu współczynników rezwinięciai=1