ریاضیات مهندسی

مکانهای هندسی معروف مختلط(2)

مکانهای هندسی معروف مختلط(1)

🧠 داستان اعداد مختلط ✨ *از تخیل تا قلب علم مدرن* در قرن شانزدهم، ریاضی‌دانان با معادله‌ای به ظاهر ساده روبه‌رو شدند: 📐 x² + 1 = 0 همه می‌دانستند که هیچ عدد حقیقی وجود ندارد که مربع آن منفی شود. اما "رافائل بُمبلی"، ریاضی‌دان ایتالیایی، ایده‌ای جسورانه مطرح کرد: > 💡 بیایید فرض کنیم عددی وجود دارد که مربع آن برابر با -1 باشد، و آن را √-1 بنامیم. > بعدها این عدد با نماد i معرفی شد: > 🧩 i = √-1 > در ابتدا این فقط یک «ترفند خیالی» به نظر می‌رسید. اما چیزی نگذشت که مشخص شد این «خیال» پایه‌گذار یکی از بزرگ‌ترین اکتشافات تاریخ ریاضیات شده است. --- 📘 سیر تاریخی و گسترش در قرون ۱۷ تا ۱۹، ریاضی‌دانان بزرگی مانند "دکارت، اویلر، گاوس و آرگان" نشان دادند که می‌توان هر عدد مختلط را به صورت زیر نوشت: 🔸 z = a + bi که در آن: 🔹 a: بخش حقیقی 🔹 b: بخش موهومی 📊 محور افقی در صفحه آرگان → Re(z) 📈 محور عمودی → Im(z) --- 📐 شهود هندسی ضرب عددی در i معادل یک چرخش ۹۰ درجه پادساعتگرد در صفحه است: 🌀 z × i → rotation by 90° این یعنی اعداد مختلط فقط ابزار جبری نیستند؛ آن‌ها ابزار هندسی بسیار قدرتمندی نیز هستند. --- 🚀 کاربردهای امروزی اعداد مختلط بر خلاف نام‌شان، اعداد مختلط (complex) بسیاری از مسائل را ساده‌تر می‌کنند! --- ✅ ۱. مهندسی برق ⚡️ (مدارهای AC) در تحلیل مدارهای جریان متناوب، المان‌ها به شکل امپدانس مختلط نمایش داده می‌شوند: R → R L → jωL C → 1 / (jωC) 📉 معادلات دیفرانسیل تبدیل می‌شوند به جمع و تقسیم ساده بین اعداد مختلط. --- ✅ ۲. مخابرات و پردازش سیگنال 📡 سیگنال‌های سینوسی به شکل نمایی نمایش داده می‌شوند: x(t) = A * e^(jωt) 🎛 این فرم هم دامنه و هم فاز را در خود دارد. برای مدولاسیون، فیلتر و انتقال داده ایده‌آل است. --- ✅ ۳. فیزیک کوانتومی 🔬 تابع موج در مکانیک کوانتومی مختلط است. احتمال حضور ذره: P = |ψ|² 📉 معادله شرودینگر بدون i قابل بیان نیست. --- ✅ ۴. کنترل و پایداری سیستم‌ها 🎯 قطب‌های سیستم در صفحه مختلط قرار دارند: Re(s) < 0 → stable Re(s) > 0 → unstable 🧭 ابزارهایی مثل Root Locus و Bode Plot بر پایه مختلط‌ها ساخته شده‌اند. --- ✅ ۵. گرافیک و رباتیک 🤖 چرخش دوبعدی با ضرب در عدد نمایی انجام می‌شود: z_new = z * e^(jθ) 🎨 بدون نیاز به ماتریس دوران! --- ✨ جمع‌بندی نهایی عدد i از دل تخیل متولد شد، اما امروز در قلب حوزه‌های زیر می‌تپد: 🔹 مهندسی برق 🔹 فیزیک 🔹 مخابرات 🔹 پردازش سیگنال 🔹 رباتیک 🔹 کنترل صنعتی

پاسخ سوال 33 کنکور ارشد برق ابزار دقیق

قیام امام حسین علیه السلام، تقابل تمام انسانیت، اخلاق، آزادگی، جوانمردی با تمام باطل بود. کشتی نجات امام و یاران عاشقش تا همیشه تاریخ در حرکت است و مردمان را از غرق شدن در بی اخلاقی ها و فسادها و هواهای نفسانی به سرمنزل عشق و آرامش و زیبایی و صفا می برد. ❤️ فرارسیدن تاسوعا و عاشورای حسینی تسلیت باد.🖤

پاسخ سوال 6 کنکور دکتری هوافضا 1400

محاسبه توان و ریشه یک عدد مختلط

🎯 نقش تبدیل فوریه در محاسبه سرعت با اثر داپلر 🔊 اثر داپلر وقتی رخ می‌ده که یک منبع موج (مثل 📡 رادار یا 🌊 سونار) و یک ناظر نسبت به هم در حال حرکت باشن. در این حالت، فرکانس دریافتی با فرکانس ارسالی متفاوت خواهد بود. ✨ برخی کاربردهای معروف اثر داپلر: 🚓 تعیین سرعت خودروها با رادار پلیس 🌪 رادارهای هواشناسی برای تشخیص سرعت باد 🛳 سونار زیردریایی‌ها برای ردیابی اهداف زیرآبی 🩺 سونوگرافی داپلر در پزشکی برای بررسی جریان خون 🔸 ۱. ارسال سیگنال و دریافت بازتاب 📡 رادار یک موج با فرکانس مشخص ارسال می‌کنه (مثلاً 24 گیگاهرتز). وقتی این موج به جسم متحرک می‌خوره، فرکانس موج بازتابی تغییر می‌کنه: ➡️ اگر جسم به سمت رادار حرکت کنه → فرکانس بیشتر می‌شه ⬅️ اگر جسم از رادار دور بشه → فرکانس کمتر می‌شه 🧠 این همون اثر داپلره که ما می‌خوایم ازش برای محاسبه سرعت استفاده کنیم. 🔸 ۲. استخراج تغییر فرکانس با تبدیل فوریه (FFT) 📈 سیگنال برگشتی، یه موج زمان‌محوره که حاوی اطلاعات فرکانسیه. با استفاده از تبدیل فوریه (FFT)، این سیگنال رو از "حوزه زمان" به "حوزه فرکانس" می‌بریم تا فرکانس جدیدش رو دربیاریم. 📌 نکات مهم: ✅ فرکانس ارسالی f₀ مشخصه (چون رادار خودش تولیدش کرده) 🔍 فرکانس دریافتی fᵣ رو با FFT از سیگنال دریافتی به دست میاریم 🔁 تغییر فرکانس: Δf = fᵣ − f₀ 🔢 مثال واقعی: فرض کن: 📡 f₀ = 24,000,000,000 هرتز (24 GHz) 🚀 سرعت نور c = 300,000,000 متر بر ثانیه 🛰 تغییر فرکانس اندازه‌گیری‌شده با FFT برابر 4000 هرتز (Δf = 4000) 📘 فرمول داپلر: Δf = (2 × v / c) × f₀ 🔸 ۳. تبدیل تغییر فرکانس به سرعت 🧮 حالا می‌تونیم با جایگذاری در فرمول بالا، سرعت هدف رو حساب کنیم: v = (Δf × c) / (2 × f₀) 📥 جایگذاری: v = (4000 × 3×10⁸) / (2 × 24×10⁹) ≈ 25 m/s 🚗 یعنی جسم مورد نظر (مثلاً خودرو)، حدود ۹۰ کیلومتر بر ساعت حرکت می‌کنه. 📌 خلاصه مسیر محاسبه: 🧠 تبدیل فوریه → 📊 استخراج فرکانس دریافتی → ➗ محاسبه تغییر فرکانس (Δf) → 🧮 فرمول داپلر → 🏁 به‌دست آوردن سرعت هدف 💡 کاربردهای واقعی این فرآیند: 🚔 کنترل سرعت خودرو با رادار پلیس 📡 رادار هوایی و نظامی 🫀 سونوگرافی رنگی برای بررسی جریان خون 🌫 ردیابی اهداف در شرایط دید کم 📡 #تکنولوژی #داپلر #رادار #تبدیل_فوریه #پردازش_سیگنال #مهندسی_برق

📌 همان‌طور که در مطلب قبلی اشاره کردیم، تبدیل فوریه ابزاری هست که طیف فرکانسی موج را نشان می‌دهد. حال می‌خواهیم روی یکی از کاربردهای جذاب آن بیشتر بنویسیم. 🧠 تحلیل امواج مغزی با استفاده از تبدیل فوریه در دستگاه EEG دستگاه EEG (الکتروانسفالوگرافی): یکی از مهم‌ترین ابزارهای پزشکی برای بررسی فعالیت مغز 🧠 است. این دستگاه سیگنال‌های الکتریکی تولیدشده توسط مغز را از طریق الکترودهایی که روی پوست سر قرار داده می‌شود 🎧 دریافت و ثبت می‌کند. این سیگنال‌ها در حوزه زمان (time domain) ثبت می‌شوند؛ یعنی شکل آن‌ها به صورت موج‌هایی 📉 است که در طول زمان نوسان دارند. ❗ اما مشکل اصلی اینجاست: این امواج بسیار پیچیده و در هم‌تنیده هستند و ممکن است اطلاعات حیاتی‌ای مثل شروع تشنج ⚡ یا وضعیت خواب 😴 را در خود پنهان کرده باشند. 📈 اینجاست که تبدیل فوریه وارد عمل می‌شود!🔍 با استفاده از تبدیل فوریه سریع (FFT)، سیگنال EEG از حوزه زمان ⏱ به حوزه فرکانس🎚 برده می‌شود. در این فضا می‌توان به‌وضوح دید که کدام فرکانس‌ها در مغز فعال‌تر هستند و از آن‌ها اطلاعات مفیدی  استخراج کرد. 🧩 سیگنال مغز از ترکیب چند باند فرکانسی تشکیل شده که هرکدام نشان‌دهنده یک حالت ذهنی یا مغزی خاص هستند: 💤 امواج دلتا (0.5 تا 4 هرتز): در خواب عمیق فعال‌اند 🧘‍♂️ امواج تتا (4 تا 8 هرتز): هنگام مدیتیشن یا خواب سبک ظاهر می‌شوند 😌 امواج آلفا (8 تا 13 هرتز): در حالت آرامش یا چشم بسته دیده می‌شوند 🧠 امواج بتا (13 تا 30 هرتز): هنگام تمرکز، تفکر و فعالیت ذهنی فعال‌اند ⚡ امواج گاما (بالاتر از 30 هرتز): در پردازش‌های پیچیده، یادگیری و حل مسئله دیده می‌شوند 🎯 یک مثال واقعی: فرض کنید پزشکی می‌خواهد بررسی کند که آیا بیمار در آستانه‌ی تشنج است یا خیر. 👨‍⚕️ او سیگنال EEG را بررسی می‌کند، اما در حوزه زمان چیزی واضح نیست. با اعمال تبدیل فوریه، متوجه می‌شود که امواج دلتا (که باید فقط در خواب فعال باشند) به‌طور ناگهانی در حالت بیداری ظاهر شده‌اند — این می‌تواند نشانه‌ای از شروع یک حمله صرعی باشد ⚠️ یا مثلاً گاهی در سیگنال EEG، نویز ناشی از برق شهری (مثلاً 50 هرتز 🔌) دیده می‌شود. این نویز در حوزه فرکانس قابل شناسایی و حذف است، و سیگنال اصلی مغز تمیزتر و دقیق‌تر می‌شود 🛠 آیا خود دستگاه EEG این کار را انجام می‌دهد؟ بله ✅ دستگاه EEG معمولاً پس از ثبت سیگنال خام، آن را با استفاده از پردازنده داخلی یا نرم‌افزارهای جانبی، به‌صورت دیجیتال به فضای فرکانس تبدیل می‌کند. در واقع، تحلیل فرکانسی با تبدیل فوریه یکی از مراحل اصلی و استاندارد پردازش سیگنال مغزی در کلینیک‌های مغز و اعصاب 🧑‍⚕️است.

رابطه تبدیل فوریه و حل نمونه سوال ارشد ابزاردقیق1402

رابطه پارسوال و حل نمونه سوال کنکور دکتری برق و مکانیک 99

روابط تبدیل فوریه

فرض کن یک نور سفید به داخل یک منشور شیشه‌ای می‌تابه. 🌈 وقتی نور از منشور رد می‌شه، به رنگ‌های مختلفش (قرمز، سبز، آبی و...) در میاد و طیف پیوسته ای از رنگها با طول موج های مختلف رو از بنفش تا قرمز شامل میشه. یک سیگنال پیچیده (مثل صدای موسیقی یا امواج مغزی) دقیقاً مثل نور سفیده: ترکیبی از فرکانس‌های مختلفه. تبدیل فوریه مثل اون منشور عمل می‌کنه و سیگنال رو به فرکانس‌هاش تجزیه می‌کنه. خروجی تبدیل فوریه، یک نمودار یا طیف هست که نشون می‌ده: این سیگنال از چه فرکانس‌هایی ساخته شده و هر فرکانس چقدر قدرت (دامنه) داره. 🎧 مثلا برای یک قطعه موسیقی شامل: صداهای بم = فرکانس‌های پایین صداهای زیر = فرکانس‌های بالا تبدیل فوریه بهت نشون می‌ده که در هر لحظه از زمان، چه صداهایی (چه فرکانس‌هایی) در اون موسیقی حضور دارن. کاربردهای مهم تجزیه صدا به فرکانس‌ها: 1. 🎵 تشخیص صدا و موسیقی (Voice & Music Recognition) وقتی می‌خوایم بفهمیم یه قطعه صوتی شامل چه کلماتی یا نت‌هایی هست: با تبدیل فوریه، سیگنال رو به فرکانس‌هاش تجزیه می‌کنیم. هر حرف یا نت موسیقی الگوی فرکانسی خاص خودش رو داره.نرم‌افزارهایی مثل Siri، Google Assistant، Shazam از همین ویژگی برای تشخیص استفاده می‌کنن. 2. 🧹 حذف نویز (Noise Removal) نویز معمولاً در فرکانس‌های خاصی قرار داره. با تبدیل فوریه می‌تونیم ببینیم کدوم بخش‌های سیگنال مربوط به نویزه 🎙️❌ 3. 🧠 تحلیل امواج مغزی یا صوت‌های پزشکی (مثل نوار مغزی EEG یا قلب ECG) توی پزشکی هم تبدیل فوریه برای تشخیص مشکلات استفاده می‌شه. مثلاً امواج مغزی در فرکانس‌های خاصی مثل آلفا، بتا، دلتا شناخته می‌شن. با تبدیل فوریه می‌فهمیم که مغز بیشتر توی چه بازه فرکانسی فعاله. 4. 📞 فشرده‌سازی صدا (مثل MP3) تبدیل فوریه کمک می‌کنه بفهمیم کدوم فرکانس‌ها واقعاً مهمن و گوش انسان اون‌ها رو تشخیص می‌ده. فرکانس‌های بی‌اهمیت حذف می‌شن → حجم فایل کاهش پیدا می‌کنه بدون اینکه کیفیت خیلی کم بشه.

🔍 تبدیل فوریه چیست؟ قبلاً گفتیم که سری فوریه، یک سیگنال پریودیک (تکرارشونده) را به صورت مجموعی از سینوس‌ها و کسینوس‌ها با فرکانس‌های گسسته (مثلاً ۱ هرتز، ۲ هرتز، ۳ هرتز...) بیان می‌کند. 🎵 این‌ها فرکانس‌هایی هستند که در مضرب‌های صحیحی از فرکانس پایه قرار دارند. ⚙️ حالا اگر فرض کنیم سیگنال ما پریودیک هست با دوره T، و بعد این Tرو خیلی بزرگ و نزدیک به بی‌نهایت کنیم، چی میشه؟ 🤔 🔹 فاصله بین فرکانس‌های گسسته در سری فوریه (که قبلاً مثلاً 1Hz بود)، شروع می‌کنه به کوچک‌تر شدن. مثلاً با دو برابر شدن دوره تناوب تابع، اختلاف فرکانس هر هارمونیک با هارمونیک بعدی به جای ۱ هرتز، نیم هرتز میشه. 📉 در نهایت با میل کردن دوره تناوب به سمت بی‌نهایت ♾️، این فرکانس‌ها آنقدر به هم نزدیک می‌شن که تبدیل به فرکانس‌های پیوسته می‌شن. 🌊 (به عبارتی فاصله هر فرکانس با فرکانس بعدی به سمت صفر میل میکنه) ✅ بنابراین برای تحلیل فرکانسی سیگنال‌های غیرمتناوب (غیرپریودیک)، به جای استفاده از سری فوریه، باید از تبدیل فوریه استفاده کنیم، که طیف پیوسته‌ای از فرکانس‌های آن سیگنال را به ما می‌دهد. 📈🎯

«بنا بر گزارشات اولیه در حملات تروریستی رژیم صهیونیستی، عبدالحمید مینوچهر، احمدرضا ذوالفقاری، سید امیرحسین فقهی، مطلبی زاده، محمدمهدی طهرانچی و فریدون عباسی از دانشمندان هسته‌ای جمهوری اسلامی ایران ترور و به شهادت رسیدند.» سینه سرشار از غمی جانکاه و خشمی برای انتقام است. تاریخ مملکت کم از این زخمها ندیده. اما شهادت همزمان این تعداد دانشمند برجسته و فرماندهان عالی رتبه نظامی آن هم توسط کشوری جعلی و مشتی حرامزاده، زخمی عمیق و ماندگار بر جان وطن هست.به هر روی انشاءالله به زودی با درهم پیچیدن نسخه اسرائیل، ایران جان از پس این امتحان سخت سربلند بیرون خواهد آمد.

حل تشریحی سوال دو کنکور دکتری مکانیک و برق 96

با استفاده از رابطه پارسوال در انتگرال فوریه این سوال رو حل کنید.(سوال دو کنکور دکتری برق و کنکور دکتری مکانیک 96) ویدیوی حل تشریحی این سوال و سوالات بیشتر کنکور ارشد و دکتری درس ریاضی مهندسی را در کانال ما مشاهده کنید. https://t.me/EngineeringMathPro

مرحله 2: تجزیه با سری فوریه 📊 سری فوریه برای یک موج مربعی دوره‌ای نشان می‌دهد که این موج فقط شامل هارمونیک‌های فرد است (فرکانس‌های 50، 150، 250، 350 هرتز و غیره). 🎵 نمودار مؤلفه‌های هارمونیکی در نمودار بالا، چهار مؤلفه هارمونیکی موج مربعی با دامنه پایه 230 ولت نمایش داده شده‌اند. در هر نمودار، یک هارمونیک مجزا رسم شده است: 🟢 هارمونیک اول (50 Hz): دامنه تقریباً 292.8 ولت 🔵 هارمونیک سوم (150 Hz): دامنه تقریباً 97.6 ولت 🟠 هارمونیک پنجم (250 Hz): دامنه تقریباً 58.6 ولت 🔴 هارمونیک هفتم (350 Hz): دامنه تقریباً 41.8 ولت 🔎 با نگاه به نمودارها به‌وضوح دیده می‌شود که: ⬇️ با افزایش مرتبه هارمونیک (افزایش فرکانس)، دامنه کاهش می‌یابد. 🔄 فرکانس امواج سریع‌تر نوسان می‌کند.

🔍 سری فوریه در شبکه قدرت مثل یک "آشکارساز" یا "میکروسکوپ فرکانسی" 🧪 عمل می‌کند که موج پیچیده ولتاژ را به اجزای فرکانسی آن (50 هرتز، 150 هرتز، و غیره) تجزیه می‌کند. مثل این است که یک غذای پیچیده را به مواد تشکیل‌دهنده‌اش بشکنید 🍲🔬 تا بفهمید کدام ماده باعث طعم نامناسب شده! ⚡️ در یک شبکه برق AC، ولتاژ باید به‌صورت یک موج سینوسی خالص با فرکانس 50 هرتز (در ایران) باشد. اما وقتی دستگاه‌هایی مثل اینورترها، درایوهای موتور، یا بارهای الکترونیکی (مثل کامپیوترها 💻) به شبکه وصل می‌شوند، موج ولتاژ تغییر شکل می‌دهد و دیگر سینوسی خالص نیست 😕. این تغییر شکل به دلیل ایجاد هارمونیک‌ها (فرکانس‌های مضرب 50 هرتز مثل 100، 150، 250 هرتز و غیره) است. 🚨 هارمونیک‌ها می‌توانند باعث مشکلاتی مثل: گرمایش اضافی در ترانسفورماتورها 🔥 کاهش عمر تجهیزات ⚙️⏳ اختلال در دستگاه‌های حساس 📡 شوند. 🧠 سری فوریه به ما کمک می‌کند تا این موج پیچیده را به اجزای سینوسی ساده‌تر تجزیه کنیم و بفهمیم کدام فرکانس‌ها (هارمونیک‌ها) در آن وجود دارند و چقدر قوی هستند. 🎯 مثال عملیاتی فرض کنید در یک کارخانه 🏭، ولتاژ شبکه به دلیل وجود بارهای غیرخطی به‌جای موج سینوسی، شبیه یک موج مربعی شده است. این موج مربعی دوره‌ای است و هر 0.02 ثانیه (معادل فرکانس 50 هرتز) تکرار می‌شود 🔁. ما می‌خواهیم با سری فوریه این موج را تحلیل کنیم تا هارمونیک‌های آن را شناسایی و مشکلات را برطرف کنیم 🛠. مرحله 1: تعریف موج 📈 موج ولتاژ مربعی را به‌صورت زیر تعریف می‌کنیم: برای نصف دوره (0 تا 0.01 ثانیه)، ولتاژ 230 ولت 🔼 است. برای نصف دیگر دوره (0.01 تا 0.02 ثانیه)، ولتاژ 230- ولت 🔽 است. این موج دوره‌ای است و سری فوریه می‌تواند آن را به مجموعی از موج‌های سینوسی با فرکانس‌های مختلف تجزیه کند 🎼.

انتگرال فوریه قسمت زوج و فرد تابع