PROBLEMA 1.

a:

Desarrollar la serie de Taylor de la función:

2−3 z
f ( z )=
2 z2 −3 z +1

Alrededor de Zo = -1

RESOLUCION:
2−3 z −1 1
F ( z )= = − . . . ( a)
2 z −3 z +1 2 z−1 z−1
2

∞ n
→
−1
=
1
=
1 1
= x
2 z−1 1−z 3−2 ( z +1 ) 3 2
1
1− ( z−1 )
=
1
∑ 2
3 n=0 3[( z +1 ) ]
3
∞
2n
¿ ∑ n+1 ( z+ 1)n …(b)
n=0 3

Si ‖23 ( z +1)‖<1 →|z+1|< 32

∞ n
−1
=
1
=
z −1 1−z 2
1
1
1
1− (z +1)
1 1
[
= ∑ ( z+ 1 )
2 n=0 2 ]
2
∞
( z+1 )n
¿∑
n=0 2n +1

Si ‖12 ( z +1)‖<1 →‖z+1‖<2

∞ n
−1 ( z−1 )
=∑ n +1 ;‖z +1‖<3 … ( c )
( z −1 ) n=0 2

Ahora reemplazando (b) y (c) en (a), se tiene :

∞
2n ( z+ 1 )n ∞ ( z+ 1 )n
f ( z )= ∑ + ∑ n+1
n=0 3n +1 n=0 2

Por lo tanto queda:

 ∞ n
f ( z )= ∑
n=0
( 3
2
n+1
1
+ n+1 (z +1)n
2 )

1.b
1
Desarrollar la función f ( z )= (z −1)(z−2) en serie de Laurent en el anillo
1<‖z‖< 2

RESOLUCION:
‖z‖
‖Z‖>1→ 1 <1 y ‖z‖<2 → <1
‖Z‖ 2

Descomponiendo f(z)
1 1 1
f ( z )= = −
( z−1 ) ( z−2 ) 1−z 2−z

1 1 1
¿
( 1z )
z 1−
−
2
( )
1−
z
2

∞ ∞
1 n 1 n
1 z
¿− ∑
z n=0 z ()
− ∑
2 n=0 2 ()

∞ ∞
1 zn
f ( z )=−∑ n+1
−∑
n=0 z n=0 2n+1

2.a Un sistema T de tipo LTI y causal viene descrito por esta

ecuación en diferencias
3 1
y [t ]− y [ t−1 ] + y [ t−2 ] =x [t]
4 8

Hallar la función de transferencia y la respuesta al impulso de este sistema.

Solución:
Hallamos la función transferencia:

3 1
y [t ]− y [ t−1 ] + y [ t−2 ] =x [ t ]
4 8

3 1
Y ( z ) − z−1 Y ( z ) + z −2 Y ( z )= X ( z )
4 8

[ 3
4
1
Y ( z ) 1− z −1 + z−2 = X ( z )
8 ]
Y ( z) 1
H (z )= =
X ( z)
(1− 34 z −1 1 −2
+ z
8 )

z2 1
H (z )= ,|z|>
2
( z− 12 )( z− 14 )
Hallamos el impulso:

H ( z) z
=
z
( z− 12 )( z− 14 )
1 1
Los polos son y de esta forma podemos escribir:
2 4

H (z) A B
= +
z
( z− 12 ) ( z− 14 )
Donde A = 2 y B = -1. Sustituyendo:
 H (z) 2 1
= −
z
( z− 12 ) ( z− 14 )
La respuesta temporal de un sistema causal con una Transformada z del tipo

1
H (z )=
( 1−az−1 )
n
Es h [ n ] =a u [n ] .

Por lo tanto:

1 t 1 t
h [ n]= 2( ( ) ( ))
2
−
4
u[n]

2.b Calcular la transformada Z inversa de:

2
z
X ( z )= 2

( ) ( z − 12 )
z−
1
3

Solución:

X ( z) zA B C
= 2
=
2
+ +
z 1 1 1 1 1
( )
z − ( z− ) ( z− ) ( z − ) ( z − )
3 2 3 3 2

A= -2

B= -18

C= 18
−2 z −18 z 18 z
X (z )= + +
1
2
1 1
( z− ) ( z− 3 ) ( z− 2 )
3

Y por tanto:
 n−1 n n
1 1 1
x[n]=(-2n ()
3
−18 () ()
3
+ 18
2
)u[n]

3.a Encontrar la serie de Fourier para la función está definida por:

{
4t T
1+
,− < t ≤ 0
T 2
f ( t )=
4t
1− ,0 ≤ t<T /2
T

SOLUCION:

{
4t T
,− < t ≤0
f ' ( t )= T 2
4t
, 0 ≤ t<T /2
T

∞ ∞
8 T 8
f ' ' ( t )=
T
∑
n=−∞
(
δ t−( 2 n−1 )
2)−
T
∑
n=−∞
δ (t−nT )

δ (t−nT )
∞ ∞

∑
n=−∞
δ t+ (( ) )
T
2
−nT −¿ ∑¿
n=−∞

8
f '' ( t ) = ¿
T

T
t+
2
n ω0 t
∞ ∞
1 2 2π 1 2
+ ∑ cos n (¿¿)− − ∑ cos ¿
T T n=−∞ T T T n=1
¿
8
f ' ' ( t )= ¿
T

n ω0t
∞ ∞ ∞

∑ (−1) cos n ω 0 t−∑ cos ¿= 16

n
2∑
T n=1
n
[ (−1 ) −1] cos n ω0 t
n=1 n=1
16
f ' ' ( t )= 2 ¿
T
 (−1)
¿
16
[¿ n¿−1]cos n ω 0 t … … … …( a)
T2
¿
∞
''
f ( t ) =∑ ¿
n=1

∞
como f ( t ) es par entonces f (t )=∑ an cos n ω 0 t
n=1

∞
f ' ( t )=∑ −n ω 0 an sin nω 0 t
n=1

∞
f ' ' (t)=∑ −n 2 ω 20 an cos n ω0 t … … … … (b)
n=1

(−1)
16
[¿ ¿ n−1]
T2
comparando ( a ) y ( b ) se tiene :−n2 ω 20 an=¿

1−(−1)
16
2 2 2
[¿ ¿ n]
n ω0 T
an=¿

{
0 , sin es par
an = 32
2 2 2
, si n es impar
n ω0 T

{
0 , si n es par
an = 8
, si n es impar
n2 π 2

8
b2 n−1= 2 2
(2 n−1) π

Por lo tanto:
∞
8 cos(2 n−1)ω0 t
f ( t )= 2 ∑
π n=1 (2 n−1)2
 8 1 1
f ( t )= 2
(cos ω0 t+ 2 cos 3 ω0 t+ 2 cos 5 ω 0 t +…)
π 3 5

3.b

Calcular la transformada de Fourier de la siguiente función:

� T
�0 , t >
� 2
f (t ) = �
� T
cos(w0t ) , t <
� 2

Solución:

La transformada de Fourier
∞
F ⌊ f (t )⌋ =∫ f ( t ) e−iωt dt
−∞

T/2
F ⌊ f (t )⌋ = ∫ cos ⁡( wot )e−iωt dt
−T /2

T/2
( eiwot + e−iwot ) −iωt
F ⌊ f (t )⌋ = ∫ e dt
−T /2 2
T/2 i(wo− w)t T /2 −i(wo+w)t
e e
F ⌊ f (t )⌋ = ∫ dt + ∫ dt
−T /2 2 −T /2 2

ei (wo−w)t dt +¿
T /2
i ( wo−w )
F ⌊ f (t ) ⌋ = ∫¿
2 i(wo−w) −T / 2
 T/2
−i(wo+ w)
∫
−2 i(wo+w) −T /2
e−i (wo+w ) dt

sen ( wo−w ) T /2 sen ( wo+w ) T /2

F (W) = +
wo−w wo+w

5a
6.a Calcula la Transformada de Fourier de la siguiente señal, en el rango −π < Ω< π
 Solución:

Tenemos que:
∞ ∞
X ( Ω )= ∑ x [ n ] . e− j .n . Ω=¿ ∑ ( δ [ n+2 ] +δ [ n+1 ] +δ [ n ] + δ [ n−1 ] +δ [ n−2 ] ) .e− j . n .Ω
n=−∞ n=−∞

2.Ω . j 1.Ω . j −Ω . j −2. Ω . j

¿e +e +1+e +e =¿

¿ ( cos 2 Ω+ jsen 2 Ω )+ ( cos Ω+ j. senΩ )+1+ ( cos Ω− j. senΩ )+ ( cos 2 Ω− j. sen 2 Ω )=¿

¿ 1+2 cosΩ+2cos 2 Ω

Puesto que X ( Ω ) es una función real, la fase vale 0. Signifique que la fase permanente
constante a cualquier frecuencia.

6.b Demostrar que la transformada de Fourier de una función constante es

F [ A ] =2 πAδ ( w )
Solución
F(t)=A … (a)

Tal como se muestra en la figura (a) y (b):

La transformada de Fourier de f(t)=A es

∞
F [ f (t) ] =F [ A ] =∫ A e− jwt dt
−∞
 ∞
¿ 2 π ∫ A e j (−w)t dt …(b)
−∞

∞
1 jxy
Ahora, por δ ( y ) = ∫
2 π −∞
e dx . Se tiene:

∞
1
δ ( y )= ∫
2 π −∞
e jxy dx . …(c)

Haciendo x=t e y=-w se tiene

∞
1
δ (−w )= ∫ e jt (−w ) dt .
2 π −∞
…(e)

Sustituyendo (e) en (a) se obtiene

F [ A ] =2 πAδ (−w ) …(f)

Puesto que δ (−w )=δ ( w )

F [ A ] =2 πAδ ( w )

Haciendo A=1 se obtiene

F [ 1 ] =2 πδ ( w )

7
Solución

Solución

Sea la Función de onda triangular

{
f ( x )=|x| −x ,−π < x <o
x , 0< x <h

a) Represente gráficamente la función

b) Represente f(x) mediante serie de Fourier.

Solución9
∞
Buscamos los coeficientes a0 , an y bn de la formula a0 + ∑ (a n cos nx+ bn sin nx)
n=0

i) Calculo de los coeficientes de Fourier.

 [∫ ]
π 0 π
1 1
a0 = ∫
2 π −π
f ( x ) dx=
2π
−xdx +∫ xdx
−π 0

−1 2 0 1 2 π
a0 = [ x ]−π [ x ]0
4π 4
2 2
π π π
a0 = + = ;donde A = a0
4 π 4π 2

Los coeficientes de an se obtienen a partir de

[∫ ]
0 T /2
4A
an = 2
−xdx+ ∫ xdx
T −T /2 0

Siendo T = 2 π

Entonces los coeficientes an son

[∫ ]
0 T/2
4A
an = 2 −x cos nx dx + ∫ x cos nx dx
T −T /2 0

Reemplazando T y A en la ecuación
2A
an = 2
cos ( nπ −1 ) ; n=1,2,3 …
(nπ )

Los coeficientes de bn se hallan asi

[∫ ]
0 T /2
4A
bn = 2 −x sin nx dx + ∫ x sin nx dx
T −T /2 0

Como f(x)es par, es decir f(x)= f(-x), entonces la Serie de Fourier no posee
senos, puesto que sen(nx) es una función impar. En este caso no hace falta
calcular los bn, ya que son nulos.
bn =0 ; para todo n=1,2, …
Finalmente la función onda en series de Fourier esta dada por:
1
cos ( 2 k−1 ) x
(2 k +1)2
¿
∞
π 4
− ∑¿
2 π k=0

Finalmente la función de onda se representa por:

π 4 cos x cos 3 x cos 5 x

−
2 π 12 ( +
3
2
+
5
2
+…
)

d)Muestre que :

Solución

A partir del resultado anterior obtenemos la suma de la serie:

Evaluando en x = 0 se tiene:

π 4 1 1 1 1
0= −
(
+ + + +… … … …
2 π 12 32 52 7 2 )
∞
4 1 π
∑ 2
π n=1 ( 2 n−1 ) 2
=

∞
1 π2
∑( 2
=
8
n=1 2 n−1 )

3
8

Sea la Serie de Fourier de f :

∞

n=1
[
f ( x )=a0 + ∑ a n cos (
nπx
L
)−b n sen(
nπx
L
) ]
Entonces la identidad de Parseval :
9.a Determinar la representación en serie de Fourier discreta de la
secuencia:
π π
F ( T )=cos n+ SEN n
3 4
Si: F[T] = X[n]
п п п п
X [ n ] =cos n+sin n= X 1 [ n ] + X 2[n] X 1 [ n ] =cos n=cos Ω1 n → Ω1 =
3 4 3 3
п п
X 2 [ n ] =sin n=sin Ω2 n → Ω2=
4 4
Ω1 1
Como = (número racional), X 1 [ n ] es periódica con periodo fundamental N1 = 6 y
2п 6

Ω2 1
como = (número racional), X 2 [ n ] es periódica con periodo fundamental N2 = 8.
2п 8
п
X [ n ] Es periódica, No = 24, Ω0= . Por Euler tenemos.
12

[ ] [ ]
п п п п
1 i( ) n −i( ) n 1 i ( 4 ) n −i ( 4 ) n
X [ n ] = e 3 +e 3 + e −e
2 2i

1 −i (4 Ω ) n 1 −i ( 3 Ω ) n 1 1
X [ n]=
2
[ e 0
] +i [ e
2
] −i [ e i (3 Ω ) n ]+ [ ei ( 4 Ω ) n ]
0

2 2
0 0

Así que C 3=−i ( 12 ) , C 4= 12 , C −4

1
=C−4 +24=C 20= , C−3=C−3+24 =C21 =i
2
1
2 () y todos los

otros C k =0. Por lo tanto, la serie de Fourier discreta de F[T] = X[n] es:
1 1 1 1 п
X [ n ] =−i [ e i (3 Ω ) n ] + [ e i( 4 Ω ) n ] + [ e i (20 Ω )n ]+i [ e i( 21 Ω ) n ] ; Ω0=
0 0 0 0

2 2 2 2 12

9.b Determinar la respuesta del sistema:

y (n)=0 . 7 y (n−1)−0 .12 y (n−2)+ x( n−1)+ x(n−2)

Ante una entrada de x (n)=nu( n).

10.a Indique las condiciones necesarias para que la serie de Fourier converja.

Las series de Fourier cumplen con ciertas condiciones para que se cumpla la convergencia las
cuales son:

1. y continuas en el intervalo por pedazos.

2. La serie de Fourier converge a la función f en los puntos continuos.

3. En los discontinuos la serie de Fourier converge a:

Donde:

Sea f(x) una función definida para todo x, con periodo 2π. Entonces, bajo condiciones muy
generales, la serie de Fourier de f converge a f(x) para todo x. Describiremos un conjunto de
condiciones que asegura dicha convergencia. La función f es continua en cada intervalo de
longitud 2π excepto en un número finito de discontinuidades de salto, donde el valor de f es el
promedio de sus lımites por la izquierda y por la derecha. En cada intervalo de longitud 2π, la
función f tiene una derivada continua, excepto en los puntos de salto y en un número finito de
esquinas. En los puntos de salto y en las esquinas hay un valor lımite para la derivada por la
derecha y por la izquierda. La función f que satisfaga estas condiciones se llama una función
continua a trozos. Así, la serie de Fourier de una función f(x) continua a trozos, de periodo 2π
converge a f(x) para todo x. Convergencia uniforme. La convergencia es uniforme en cada
intervalo cerrado a ≤ x ≤ b que no contenga puntos de salto.

Convergencia continua a pedazos

Si a detenida en el intervalo excepto quitar un numero finito

de puntos entonces es continua a pedazos cerrado.

1) es continua excepto en un numero finito de puntos en

2) y existen.

3) Si existe que pertenece a y no es continua en entonces

y existen y son finitos.

Convergencia puntual de las Series de Fourier

Siendo una función integrable en [0, T], y además periódica de periodo T, podemos hablar de
la serie de Fourier de en [0, T]. Un teorema importante sobre la convergencia puntual de la
serie de Fourier de una función , que cubre la mayoría de las situaciones en las que se
encuentran las funciones a considerar en las aplicaciones, es el que exponemos después de la
siguiente definición.

Definición: Se dice que una función es acotada y monótona por tramos en un intervalo [a,b],
si existe una partición {a=x0<x1…<xn=b} del intervalo (a,b)
De modo que la función es monótona en cada
intervalo (xi-1,xi)

Teorema: Si la función es acotada y monótona en tramos en el intervalo [0,T], y periódica de

periodo T, entonces la serie de Fourier de es converfente en cada punto X de R, y su suma
es:

Donde f(+x) y f(-x) denotan respectivamente los limites por la derecha y por la izquierda de
en X, es decir:

Convergencia uniforme de las Series de Fourier

Para una función es demasiado esperar que la serie de Fourier de f converja uniformemente
cuando 0 ≤ x ≤ 2π, ya que la suma de una serie uniformemente convergente de funciones
continuas debe ser continua, mientras que la función tiene discontinuidades de salto. Sin
embargo, si f no tiene discontinuidades de salto (aunque tenga “esquinas”) entonces la
convergencia debe ser uniforme. Además, aun cuando f tenga salto, la convergencia es
uniforme en cada intervalo cerrado a ≤ x ≤ b que no contenga puntos de salto.

Idea de la demostración de la convergencia.

Nos basamos en el concepto de la función delta de Dirac δ(t). Esta función surge al estudiar la
densidad. Para la masa distribuida a lo largo del eje x, habría una densidad ρ(x) tal que

Supongamos que la masa total es 1 y sigamos un proceso de limite, concentrando la masa más y
más cerca de x = 0. Entonces, la densidad correspondiente es como la figura de abajo. La
función δ(x) se define como la densidad límite cuando la masa tiende a concentrarse en el
punto x = 0. Como el total de masa es 1, para a < 0 < b debemos tener
Sin embargo, δ(x) = 0 para todo x excepto 0 y δ(0) = +∞. Es posible fundamentar de manera
razonable estas propiedades en cierto modo notables. Podemos pensar en δ(x) como la
densidad de una partícula de masa unitaria en x = 0 o como el caso límite de la densidad ρ(x)
cuando la amplitud del pulso tiende a 0.

Para una partícula de masa unitaria en x0, la densidad correspondiente es δ(x − x 0). Para varias
partículas de masa m1,. . ., mn en x1, . . . , xn, respectivamente, la densidad es m1δ(x − x1) + . . . +
mnδ(x − xn).

10.b

Las propiedades de los diferentes operadores de convolución son 12

Conmutatividad

f∗g=g∗f

Asociatividad

f∗(g∗h)=(f∗g)∗h

Distributividad

f∗(g+h)=(f∗g)+(f∗h)

Asociatividad con multiplicación escalar

a(f∗g)=(af)∗g=f∗(ag)

para todo número complejo o real a

Regla de derivación

D(f∗g)=Df∗g=f∗Dg

donde Df denota la derivada de f o, en el caso discreto, el operador diferencia

Df(n)=f(n+1)−f(n)

Teorema de convolución
F(f∗g)=(F(f))⋅(F(g))

donde F denota la Transformada de Fourier de f. Este teorema también se cumple con la

Transformada de Laplace.
Convoluciones con deltas de Dirac

f(t)∗δ(t)=f(t)
f(t)∗δ(t−t0)=f(t−t0)
f(t-t1)∗ δ ( t − t 0 )= f ( t − t 0-t1 )
10.c Defina e indique las propiedades de la Transformada Z.

LA TRANSFORMADA Z

1. DEFINICION:

La transformada z puede considerarse como una extencion de la transformada de fourier

discreta.La transforma z se introduse para representar señales en tiempo discreto( o secuencias ) e
n el dominio de la variable compleja z.

Tenemos { x (n ) } n ϵ z y la transfomada de x (n )

Se denota:

Z [ x (n ) ]=X ( Z )

Siendo Z ϵ Ω⊆Ϲ : ROC (region de convergencia ). Esto se puede interpretar como que; Z
pertenece a un espacio perteneciente al plano de los numero complejos.

La funcion x (n ) y X ( Z ) forman un par de transformadas z; esto se denotara por:

x (n ) ↔ X (Z )

Esto quiere decir que que la F ( Z ) es la transformada z de x (n ) .

Se podra tener dos tipos de transformadas z:

 Transformada bilateral de x (n )
+∞
Z [ x (n ) ]= ∑ x (n ) Z−n
n=−∞

 Transformada unilateral de x (n )
 +∞
Z [ x (n ) ]=∑ x (n ) Z−n
n=0

2. PROPIEDADES DE LA TRANSFORMADA Z :

LINEALIDAD

Si x 1( n) y
x 2( n) son dos secuencias con transformadas X 1 ( Z ) y X 2 ( Z ) regiones
de convergencia R1 y R2 , respectivamene es decir

x 1( n) ↔ X 1 ( Z ) ROC=R1

x 2( n) ↔ X 2( Z ) ROC=R2

Entonces

a1 x1 ( n) +a2 x 2( n) ↔ a1 X 1( Z ) +a 2 X 2( Z ) R´ ͻ R1 ᴖ R2

Donde a1 y a2 son constantes arbitrarias es decir la transformada z de una combinacion

lineal de secuencias es igual a la combinacion lineal de las transformadas z de las secuencias
individuales

DESPLAZAMIENTO ( CORRIMIENTO ) EN EL TIEMPO O TRASLACION REAL

Si

x (n ) ↔ X (Z ) ROC=R

Entonces

x (n−n ) ↔ Z −n X ( Z ) R´ =R ᴖ { 0<| z|< ∞ }

o
o

INVERSION EN EL TIEMPO
 Si la tranformada z de x (n ) es X ( Z ) , es decir,

x (n ) ↔ X (Z ) ROC=R

Entonces

x (−n) ↔ X ( Z1 ) R = 1R
´

MULTIPLICACION POR Z n0 o CORRIMIENTO EN FRECUENCIA

Si

x (n ) ↔ X (Z ) ROC=R

Entonces

z ´
Z n x (n ) ↔ X ( )
zo
R =|z o| R

MULTIPLICACION POR n (O DIFERENCIACION EN EL DOMINIO DE Z)

Si tiene transformada z con ROC = R es decir,

x (n ) ↔ X (Z ) ROC=R

Entonces

d X ( Z) ´
n x (n) ↔−z R =R
dz

ACUMULACION

Si la x (n ) secuencia tiene transformada z igual a X ( Z ) con region de covergencia

R , es decir,

x (n ) ↔ X (Z ) ROC=R
 Entonces
n ´
1 z
∑ x ( k) ↔
1−z−1
X ( Z) = X
z−1 (Z )
R ͻ Rᴖ {|z|>1 }
k=−∞

n
Observe que la expresion ∑ x ( k ) es la contraparte en tiempo discreto de la operacion de
k=−∞
integracion en el dominio del tiempo y se denomina acumulacion.

CONVOLUCION

Si x 1( n) y x 2( n) son tales que

x 1( n) ↔ X 1 ( Z ) ROC=R1

x 2( n) ↔ X 2( Z ) ROC=R2

Entonces la transformada de la convolucion de estas secuencias es dada por

x 1( n) ¿ x 2 ( n) ↔ X 1 ( Z ) X 2 (Z ) R´ ͻ Rᴖ {|z|>1 }

Esta relacion juega un papel importante en el analisis y diseño de sistemas LIT de tiempo discreto
en analogia con el caso de tiempo continuo.

10.d Como interviene la transformada de Fourier en la comprensión de

audio y video.

La Transformada de Fourier es una herramienta de análisis muy utilizada en el campo científico.

Transforma una señal representada en el dominio del tiempo al dominio de la frecuencia pero sin
alterar su contenido de información, sólo es una forma diferente de representarla.

La potencia del análisis de Fourier radica en que nos permite descomponer una señal compleja en
un conjunto de componentes de frecuencia única; sin embargo, no nos indica el instante en que
han ocurrido. Por ello, esta descomposición es útil para señales estacionarias: las componentes de
las frecuencias que forman la señal compleja no cambian a lo largo del tiempo.
Para señales no estacionarias nos vemos obligados a tomar tramos o ventanas en donde se pueda
considerar estacionaria y así poder aplicar la Transformada de Fourier.

Para realizar el análisis completo debemos tomar una secuencia de ventanas para observar la
evolución de las frecuencias de la señal original. Nos podemos plantear una pregunta
fundamental: ¿Cuál es tamaño ideal de una ventana?
La TF debe aplicarse de −∞ a +∞ ; para tomar tramos debemos multiplicar la señal por una
ventana temporal que nos aísle la parte requerida. Este hecho nos provoca una distorsión en el
espectro obtenido, ya que el resultado es la convolución de la transformada de la señal con la
transformada de la ventana. Nos podemos plantear una segunda pregunta: ¿Cuál es el mejor tipo
de ventana?
Todos los cálculos se realizarán mediante ordenador; para ello debemos trabajar con modelos
discretos y finitos. Nos podemos plantear una tercera pregunta: ¿Cuál es el número idóneo de
valores para realizar la TF discreta?

Se parte de la base de que toda señal genérica, por compleja que sea se puede descomponer en
una suma de funciones periódicas simples de distinta frecuencia. En definitiva, la Transformada de
Fourier visualiza los coeficientes de las funciones sinusoidales que forman la señal original.

Una señal genérica se forma por un sumatorio de señales sinusoidales.

Como todas las operaciones se realizarán por ordenador, no podemos trabajar con funciones
continuas, por ello lo primero que debemos realizar es un muestreo de la señal de voz.
En definitiva, para muestrear la señal x ( t ) debemos multiplicarla por un tren de deltas:
∞
x ( t ) δ ( t−T )=∑ x ( nT ) δ ( t−nT )= x [ nT ]
−∞
siendo el período de muestreo de T . x [ nT ] representa una secuencia infinita de impulsos
equidistantes, cada uno de los cuales tiene una amplitud que corresponde con el valor de x ( t )
en el tiempo correspondiente al impulso.
 Proceso de muestreo de una señal

TF DISCRETA. VISIÓN PRÁCTICA

La Transformada de Fourier es una herramienta muy útil, pero si queremos trabajar con señales
reales físicas y operando mediante ordenador debemos trabajar con modelos finitos y discretos. Lo
primero que debemos hacer es muestrear la señal a analizar. Es importante saber la frecuencia de
muestreo que debemos aplicar y para ello debemos saber el ancho de banda de la onda original.
Un muestreo de 11.025 Hz puede ser suficiente para representar la voz (se capturaría hasta
frecuencias de 5.512 Hz). Se toma esta frecuencia por ser estándar en ficheros con formato WAV.
Una vez muestreada debemos convertirla en finita. Para ello limitaremos el número de puntos que
se toman. Matemáticamente es multiplicar la señal por una ventana temporal; el efecto que
provocamos es convolucionar el espectro de la señal muestreada con el espectro de la ventana.
Por ello conviene elegir un tipo de ventana que produzca una menor distorsión. Aunque en el
modelo hayamos aplicado una ventana, seguimos teniendo infinitas muestras que valen cero,
obteniendo un espectro continuo; como última decisión debemos limitar el número de puntos
(muestras más ceros) que tomamos, lo que provocará un espectro discreto.

En la gráfica superior se han tomado 50 puntos, en la intermedia 200 y en la inferior 800. Los tres
casos corresponden al módulo del espectro de una función sinusoidal pura de 2.000 Hz de
frecuencia, muestreada a 11.025 Hz.

10.e
El nombre se debe al matemático francés Jean-Baptiste Joseph Fourier, que desarrolló la
teoría cuando estudiaba la ecuación del calor. Fue el primero que estudió tales series
sistemáticamente, y publicó sus resultados iniciales en 1807 y 1811. Esta área de
investigación se llama algunas veces análisis armónico.

Es una aplicación usada en muchas ramas de la ingeniería, además de ser una herramienta
sumamente útil en la teoría matemática abstracta. Áreas de aplicación incluyen análisis
vibratorio, acústica, óptica, procesamiento de imágenes y señales, y compresión de datos.
En ingeniería, para el caso de los sistemas de telecomunicaciones, y a través del uso de los
componentes espectrales de frecuencia de una señal dada, se puede optimizar el diseño de
un sistema para la señal portadora del mismo. Refiérase al uso de un analizador de
espectros.