拉普拉斯变换如何揭示指数函数

你可以不懂发动机就学会开车，也可以不理解拉普拉斯变换的内部机制就学会使用它。这两种知识都有价值。这里的目标是打开引擎盖，看看让这个工具有用的数学。

从 e^(st) 开始，其中 t 是时间，s 可以是复数。s 的虚部让输出在复平面上旋转；实部为负时，输出的大小衰减，为正时则增长。

物理学中出现的许多函数都可以表示成指数函数的组合。熟悉的例子是 cos(t) = ½e^(it) + ½e^(−it)。两个向量沿相反方向旋转，虚部相互抵消，和则在实数轴上来回振荡。

受外力驱动的弹簧是更复杂的例子：解中可能有两个随时间衰减的振荡项，以及两个跟随外力的项。我们想要一台机器，揭示藏在函数里的指数和系数。

指数函数很有用，因为对 e^(st) 求导相当于乘以 s。因此，能揭示指数成分的工具，也能帮助我们把微分方程变成代数问题。工程师把所有可能指数所在的复平面称作 s 平面。

s 平面上的每个点代表一个完整的指数函数。虚部的绝对值越大，振荡越快；左右移动则改变衰减或增长的情况。变换以整个函数为输入，输出另一个函数，通常记作 F(s)。

对于指数函数之和，将其变换结果画在 s 平面上，会在对应的指数值上方出现尖峰，称为极点。即使事先不知道如何拆分函数，极点也提供了发现这些成分的方法。

定义分两步：先把 f(t) 乘以 e^(−st)，再从 t = 0 积分到无穷。复数参数 s 是新函数的输入。可以想象让它在平面上移动，探测哪些指数函数与 f 相匹配。

对于余弦，将其替换为两个指数项。e^(it) 与 e^(−st) 相乘得到 e^((i−s)t)。当 s = i 时，这一项不再旋转或衰减，而是变成常数 1。对常数无限积分会发散，这提示我们该位置会出现尖峰。

这种直觉需要谨慎对待：被积函数是复数，且无穷积分并非处处收敛。为了看清情况，先忽略 f(t)，只积分 e^(−st)。当实数 s = 1 时，积分为 1，也就是指数曲线下的面积。

当实数 s 为正时，水平缩放给出面积 1/s。s 从正值趋近零时，尾部衰减更慢，面积无限增大。为了将直觉推广到复数，可以从平均值而不是面积入手。

在长度为 1 的区间上，积分等于函数在该区间的平均值。将正时间轴分成若干单位区间，分别求平均值并相加。如果这个和存在极限，它就是从零到无穷的积分。

当 s 是复数时，e^(−st) 在复平面上描出一条路径。每个单位区间上的平均值也是复数，可以用箭头表示。把箭头首尾相接；如果所得序列收敛，其极限就是积分值。

当 s = 1 时，箭头位于实数轴上，相加得到 1，与面积计算一致。s 靠近零时，结果增大。改变虚部会引入旋转，使箭头之间出现抵消；在图示的情形中，输出大小因此减小。

将极限向量的大小画成 s 上方的高度，用颜色表示方向。图像在零附近急剧升高：衰减慢、抵消少，结果就大；振荡越快则产生更多抵消。

e^(−st) 的积分在 Re(s) > 0 时收敛。当 Re(s) < 0 时，被积函数指数增长，积分发散。在虚轴上，它振荡而不衰减，通常意义下的广义积分也不收敛。

不过，从右侧靠近虚轴上的非零点时，可以得到确定的极限值。在收敛的半平面内，积分等于 1/s；例如，s 趋近 i 时极限为 −i。这个有理表达式在该半平面之外也有值，零点除外。

不要把这些延拓后的值与发散的积分混为一谈。在 s = −1 时，1/s 等于 −1，但从零到无穷积分 e^t 显然不会得到 −1。这种扩展叫解析延拓：它是与原函数相关的复函数，在原积分收敛处与原函数一致。

与普通光滑实函数的扩展相比，复函数的可微性对解析延拓施加了更强的约束。在连通区域内，若延拓存在，它会由与原函数一致的部分唯一确定。延拓后的形状，尤其是极点，可以揭示有用的信息。

在这个例子中，1/s 将积分结果延拓到右半平面之外，并在 s = 0 处有极点。它也是常数函数 1 的拉普拉斯变换。在模长图上，这个极点像原点上方撑起的帐篷柱。

现在把常数函数换成 e^(1.5t)。被积函数变成 e^((1.5−s)t)，相当于平移之前的计算：变换为 1/(s−1.5)，收敛条件是 Re(s) > 1.5。极点从零移到了 1.5。

1.5 并没有特殊之处。一般地，当 Re(s) > Re(a) 时，ℒ{e^(at)} = 1/(s−a)，其解析延拓在 s = a 处有一个单极点。这就是时间上的指数函数与 s 平面上极点之间的核心联系。

再回到余弦。线性性让我们分别变换两个各带二分之一系数的指数项：在积分收敛的范围内，ℒ{cos(t)} = ½/(s−i) + ½/(s+i)。图像有两个极点，分别位于 i 和 −i。

余弦积分的可视化更加复杂。当 s 的虚部较小时，旋转的指数函数与余弦相乘，画出花瓣般的轨迹。单位区间平均值构成类似星形的向量和。虚轴上通常意义下的和未必收敛；图中显示的扩展是解析延拓。

当 s 的虚部接近余弦频率时，各成分更加一致，累积积分增大。在 s = i 附近，减小正实部意味着衰减更少，因此数值朝极点处无限增大。

这与傅里叶变换相似：在虚轴上，指数函数探测振荡频率。两者的约定有所不同，比如这里积分下限是零，而不是负无穷；也需要谨慎处理收敛性。拉普拉斯变换还会探测带增长或衰减的指数函数。

对于 cos(ωt)，在两个分式中用 iω 替换 i。合并后得到变换表中熟悉的结果 s/(s² + ω²)。反过来，直接积分再做部分分式分解，也能还原极点 ±iω 和各自二分之一的系数。

这个反向过程更接近实际用法：先计算变换，再从结果中读出指数成分。微分方程的具体例子留到下一章。更一般地，许多函数需要连续范围的指数函数，而非离散的和；后续课程将进一步讨论逆变换及其与傅里叶分析的关系。