Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DIVERSAS
INTRODUCCIÓN:
Una alternativa a la forma trigonométrica de la serie de Fourier considerada hasta aquí, es
la forma compleja o exponencial. Como resultado de las propiedades de la función
exponencial, esta forma es matemáticamente fácil de manipular. En la práctica es
ampliamente usada por los ingenieros, de manera particular en trabajos relacionados con
el análisis de señales, y provee una transición más suave de la consideración de la
transformada de Fourier para el tratamiento con señales periódicas a la consideración de
la transformada de Fourier para el tratamiento con señales no periódicas que se
analizaran posteriormente.
REPRESENTACIÓN COMPLEJA DE UNA SERIE DE FOURIER:
Para desarrollar la forma compleja de la serie de Fourier
∞ ∞
1
f(t) = a0 + ∑ an cosnωt + ∑ bn sennωt (1)
2
n=1 n=1
Que representa una función periódica f(t) de periodo T, procedemos como sigue:
Sustituyendo los resultados por la fórmula de Euler:
(ejnωt − e−jnωt )
sennωt =
2j
(ejnωt + e−jnωt )
cosnωt =
2
Donde:j = √−1
En (1) se obtiene:
∞ ∞
1 (ejnωt + e−jnωt ) (ejnωt − e−jnωt )
f(t) = a0 + ∑ an + ∑ bn
2 2 2j
n=1 n=1
∞ ∞
1 1 1
f(t) = a0 + ∑ an (ejnωt + e−jnωt ) + ∑ − j bn (ejnωt − e−jnωt )
2 2 2
n=1 n=1
∞
1 1 1
f(t) = a0 + ∑ [ (an −jbn )ejnωt + (an + jbn )e−jnωt ] (2)
2 2 2
n=1
Escribiendo:
1 1 1
c0 = a , cn = (a −jbn ) , c−n = cn ∗ = (an +jbn ) (3)
2 0 2 n 2
(2) se convierte en
∞ ∞ ∞ −∞
f(t) = ∑ cn ejnωt
n=−∞
d+T
2
an = ∫ f(t)cosnωtdt , (n = 0,1,2, … ) (i)
T
d
d+T
2
bn = ∫ f(t)sennωtdt , (n = 0,1,2, … ) (ii)
T
d
Llegando a:
d+T
1 1
c0 = a0 = ∫ f(t)dt (4)
2 T
d
d+T d+T
1 1
cn = (an −jbn ) = [ ∫ f(t)cosnωtdt − j ∫ f(t)sennωtdt]
2 T
d d
d+T
1
= ∫ f(t)( cosnωt − jsennωt)dt
T
d
d+T
1
= ∫ f(t)e−jnωt dt (5)
T
d
d+T
1 1
c−n = (an +jbn ) = ∫ f(t)( cosnω + jsennωt)dt
2 T
d
d+T
1
= ∫ f(t)ejnωt dt (6)
T
d
f(t) = ∑ cn ejnωt
n=−∞
Donde
d+T
1
cn = ∫ f(t)e−jnωt dt , (n = 0, ±1, ±2, … )
T
d
cn = | cn |c i∅n
Donde | cn |, la magnitud de cn , se obtiene de la definición (3) por
2 1 2 1 2 12
| cn | = √( an ) + ( bn ) = √( an )2 + ( bn )2
2 2 2
No conocemos la función de partida, solo los puntos discretos. Podemos construir una
suma de senos y cosenos que pase por los puntos discretos.
Las ecuaciones en el caso continuo eran:
∞ ∞
j2πnt
jnωt
f(t) = ∑ cn e = ∑ cn e T
n=−∞ n=−∞
d+T d+T
1 1 −j2πnt
cn = ∫ f(t)e−jnωt dt = ∫ f(t)e T dt
T T
d d
∞ ∞
j2πn(k∆t) j2πnk
f(t k ) = f(k∆t) = ∑ cn e N∆t = ∑ cn e N
n=−∞ n=−∞
d+T T
1 −j2πnt 1 −j2πnt
cn == ∫ f(t)e T dt = ∫ f(t)e T dt
T T
d 0
N−1 N−1
1 j2πn(k∆t) 1 j2πnk
cn = ∑ f(k∆t) e N∆t = ∑ f(k∆t) e N
N∆t N
n=0 n=0
TEOREMA:
Cualquier función periódica discreta de periodo T = N∆t se puede descomponer como:
N−1
j2πnk
f(N∆t) = ∑ cn e N
n=0
N−1
1 j2πnk
cn = ∑ f(k∆t) e N
N
n=0
2πn 2πn
Las frecuencias de cada cn son: ω n = =
T N∆t
Es fácil comprobar que c−n = cn ∗ , por lo que | c−n | = | cn | y el espectro
(ω n , | cn |) es simétrico respecto al eje x=0.
PROPIEDADES
n=0
1
cn = N ∑N−1
n=0 f(k∆t)⇒ media de los valores discretos de f, f(k∆t).
N
n= 2
N−1 N N−1
1 −j2π( )k 1
2
cN = ∑ f(k∆t) e N = ∑ f(k∆t) COS(πK)
2 N N
n=0 n=0
N
n= 2 + m
N
−j2π( +m)k −j2πmk
1 2 1
c N+m = ∑N−1 f(k∆t) e N = N ∑N−1
n=0 f(k∆t)e N e−jkπ =c N+m ∗
2
N n=0 2
N
Luego los elementos simétricos respecto a 2 son complejos conjugados.
Esto quiere decir que la mitad de la información es redundante, ya que conociendo
𝐍
los términos desde 𝐧 = 𝟏 hasta 𝐧 = − 𝟏 puedes conocer los términos desde
𝟐
𝐍
𝐧 = + 𝟏 hasta 𝐧 = 𝐍 − 𝟏.
𝟐
𝐍
La frecuencia más alta que se puede evaluar es: 𝛚𝐤 𝐦𝐚𝐱 = 𝛚𝐍 = 𝟐𝛑( 𝟐 )(𝐍∆𝐭) =
𝟐
𝛑
, Que se conoce como la frecuencia de Nyquist
∆𝐭
𝛑
𝐫𝐚𝐝 𝟏
𝛚𝐍𝐲𝐪𝐮𝐢𝐭𝐬 = ∆𝐭 , 𝐟𝐍𝐲𝐪𝐮𝐢𝐭𝐬 = 𝐇𝐳
𝐬 𝟐∆𝐭
Si la señal original tiene una frecuencia mayor que 𝛚𝐍𝐲𝐪𝐮𝐢𝐭𝐬 entonces la serie de
Fourier no la puede evaluar.
Lo anterior es válido si N es par. Si N es impar, la mayor frecuencia que se puede
𝐍−𝟏
conocer es la correspondiente a 𝐧 = .a partir de ahí la información es
𝟐
redundante.
Por tanto, como la frecuencia de Nyquist se ha definido como ωN , no es posible
2
evaluar esta frecuencia con N impar (la máxima frecuencia que se puede evaluar es
𝛚𝐍−𝟏 ).
𝟐
Se volverá a incidir sobre esto al estudiar la DFT.
TEOREMA DE LA MULTIPLICACIÓN
Si f (t) y g (t) son dos funciones periódicas que tienen el mismo periodo T entonces:
∞
1 T+c
∫ f(t)g(t)dt = ∑ cn d∗n
T c
n= −∞
Demostración: Sean f (t) y g (t) con series de Fourier complejas dadas por:
f(t) = ∑ cn ejn2π ∂T dT
n= −∞
con:
1 T+c
cn = ∫ f(t)e−jn2π ∂T dT
T c
y:
g(t) = ∑ dn ejn2π ∂T dT
n= −∞
Con:
1 T+c
dn = ∫ g(t)e−jn2π ∂T dT
T c
Entonces:
∞
1 T+c 1 T+c
∫ f(t)g(t)dt = ∫ ( ∑ cn ejn2π ∂T dT) g(t)dt
T c T c
n= −∞
∞
1 T+c
= ∑ cn [ ∫ g(t)ejn2π ∂T dt]
T c
n= −∞
∞
= ∑ cn d−n
n= −∞
∞
1 T+c
∫ f(t)g(t)dt = ∑ cn d∗n
T c
n= −∞
En términos de los coeficientes reales an, bn y αn, βn. Las expansiones en serie de Fourier
trigonométricas que corresponden a f (t) y g (t) son:
∞ ∞
1 n2πt n2πt
f(t) = a0 + ∑ an cos( ) + ∑ bn sen( )
2 T T
n= 1 n= 1
∞ ∞
1 n2πt n2πt
g(t) = α0 + ∑ αn cos( ) + ∑ βn sen( )
2 T T
n= 1 n= 1
∞ ∞
1 T+c
∫ f(t)g(t)dt = ∑ c−n dn + c0 d0 + ∑ cn d−n
T c
n= 1 n= 1
∞
1 1
= α0 a0 + ∑[(an − jbn )(αn + jβn ) + (an + jbn )(αn − jβn ) ]
4 4
n= 1
Dando al final:
∞
1 T+c 1 1
∫ f(t)g(t)dt = α0 a0 + ∑ (an αn + bn βn )
T c 4 2
n= 1
• Como n solo toma valores enteros, la frecuencia angular Ɯ= nƜo es una variable
discreta y los espectros mencionados son graficas discretas.
• Dada una función periódica F(t), le corresponde una y solo una serie de Fourier, es
decir le corresponde un conjunto único de coeficientes Cn
n2π
ωn = = nω0 (n=1,2,3,… ) (α)
T
Donde ωo es la frecuencia de la función padre f(t).(Aquí todas las frecuencias son
medidas en rad s-1)
Por lo tanto una serie de Fourier puede ser interpretada como el espectro de
frecuencias de la función periódica f (t), y proporciona una representación alternativa
de la función en su forma de onda en el dominio del tiempo. Este espectro de
frecuencia se representa dibujando las gráficas de amplitudes y las fases de as diversas
componentes armónicas contra la frecuencia angular ωn .Un dibujo de la amplitud
contra la frecuencia angular se denomina como espectro de amplitud mientras que la
gráfica de fase contra frecuencia angular se conoce como espectro de fase.
Para una función periódica f (t) de periodo T las componentes armónicas solo
aparecen en frecuencias discretas ωn, que están determinadas por (α) asi que
estos espectros se conocen como espectros de frecuencia discretas o espectros de
línea.
Si la expansión en serie de Fourier de una función periódica f (t) de periodo T se
obtuvo en forma geométrica:
Entonces esto puede expresarse en términos de sus distintas componentes armónicas
como
Donde
EJEMPLO:
Dibuje los espectros de amplitud y fase de la función periódica
Asi:
(a) Espectro de amplitud
(b) Espectro de fase
El promedio o valor medio de una señal cualquiera f (t) en un periodo dado (T) se puede
calcular como la altura de un rectángulo que tenga la misma área que el área bajo la curva
de f (t)
T⁄
2 ∞
1 cn 2
∫ [f(t)]2 dt = c0 2 + ∑ | |
T √2
−T⁄ n=1
2
𝑓(𝑡) = ∑ cn ejnω0 t
n=−∞
𝑓(𝑡) = c0 + ∑∞
n=1[Cos(n ω0 t − θn)]
1
Mientras | Cn |= √an 2 + bn 2
2
1 1
Pero | Cn |=2 Cn asi que | Cn |2 = 4 Cn2
1 1
1.- ∑∞
n=1 (2n−1)2 2.- ∑∞
n=1 (2n−1)4
π 4 1
0=2 -π ∑∞
n=1 (2n−1)2
−π
1 π2
=∑∞ 2
n=1 (2n−1)2 = −4 = 8
π
1 2xπ3 π2 16 1
= π( = + π2 ∑ ∞
n=1 (2n−1)4
3 2
1 π4
=∑∞
n=1 (2n−1)4 = 96
∞
1
∑
k4
k=1
a
F(x) = 20 + ∑∞
n=1(a n )Cos(nx)
2 π 2
Pero a0 = π ∫0 x 2 dx = 3 π2
1 π 2 π
y an =π ∫−π x 2 Cos(nx)dx = π ∫0 x 2 Cos(nx)dx
2 1 2 2
=π [n x 2 Sen(nx) π⁄0 + n2 xCos(nx) π⁄0 − n3 Sen(nx) π⁄0 ]
2 (2π)
=π (−1)n
n2
π2 (−1)n
F(x)= 3 + 4 ∑n=1 Cos(nx)
. f continua es [ -π, π]
.f , Continua en [-π, π] hay convergencia uniforme
Por convergencia uniforme, se aplica la identidad de Parseval
∞
1 π a0 2
. ∫ [ f(x)]2 dx = +∑ (an 2 + bn 2 )
π −π 2 n=1
π 1 2
. ∫−π[x]2 dx = 5 x 5 π⁄−π =5 π5
2 2 1 1
. π4 = (3 π2 )2 2 + 16 ∑∞
n=1 n4
5
1 π2
. ∑∞
n=1 n4 = 90
ESPECTRO DE POTENCIA
La potencia promedio P asociada con una señal periódica f(t) de periodo T está definida
como el valor cuadrático medio; esto es,
1 d+T
P = T ∫d [f(t)]2dt
1 1
P = 4 a20 + 2 ∑∞ 2 2
n=1(a n + bn ) …. (1)
Como:
1 d+T 2nπt 1
∫ [an cos( T )]2dt= 2 a2n
T d
1 d+T 2nπt 1
∫ [bn cos( T )]2dt= 2 b2n
T d
1
Pn = (a2n + b2n )….. (2)
2
Se sigue de la ecuación (1) que la potencia de la función periódica f (t) es la suma de las
potencias de las componentes armónicas individuales contenidas en f (t).
En términos de los coeficientes complejos de Fourier, el teorema de Perseval nos da:
P = ∑∞
n=−∞ |cn |
2
Como se demostró en el teorema de la multiplicación, la componente ejn⍵0 t en la
frecuencia ⍵n = n⍵0, ⍵0 = 2π/T, debe ser considerada junto con la componente e−jn⍵0 t a
la frecuencia negativa correspondiente -⍵n para formar la n-ésima componente de la
armónica nueva de la función f (t). Como |c−n |2 = |c ∗n |2 = |cn |2, se sigue que la potencia
asociada con la n-ésima armónica es la suma de las potencias asociadas con ejn⍵0 t y
e−jn⍵0 t ; esto es,
Pn = 2|cn |2
1
Que, como |cn | = 2 √(a2n + bn2 ), corresponde a la ecuación (2). Así en la forma compleja
la mitad de la potencia de la n-ésima armónica está asociada con la frecuencia positiva y la
otra mitad con la frecuencia negativa.
Como la potencia total de una señal es periódica es la suma de las potencias asociadas con
cada una de las armónicas de las cuales está compuesta la señal, de nuevo es útil
considerar la representación espectral, y un trazo de |cn |2 contra la frecuencia angular ⍵n
es llamado el espectro de potencia de la función f (t). Es claro que tal espectro es deducido
fácilmente del espectro de amplitud discreto de |cn | contra la frecuencia angular ⍵n.
EJEMPLO:
Para el espectro del tren infinito periódico (periodo = 2T) de pulsos rectangulares
idénticos de magnitud A y duración 2d que se muestra en la figura, determinar el
porcentaje de la potencia total contenido dentro de la banda de frecuencia hasta el
primer valor cero (llamado el cruce en cero del espectro) a 10πrads−1 . d=1/10 y T = 1/2,
Solución:
Reemplazando..
1 d
P = 2T ∫d [A]2dt
P1 = c0 2 + 2(c1 2 + c2 2 + c3 2 + c4 2 )
Donde
1 1
cn = Asenc( nπ)
5 5
Sabiendo que:
Sen (t)/t, t ≠ 0
Senc (t) = [
1 ,t=0
2
Esto es:
1 2 2 2 1 2 2 2 2 2 3 2 2 4
P1 = A + A senc 2 π + A senc 2 π + A senc 2 π + A senc 2 π
25 25 5 25 5 25 5 25 5
1 2
P1 = A [1 + 2(0.875 + 0.756 + 0.255 + 0.055)]
25
1
P1 = A2 (0.976)
5
La señal digital puede ser enviada a casi cualquier punto del planeta en cualquier
momento a un muy bajo costo a través de internet y a partir de aquí puede ser reenviada
a su remitente o a algún otro destino. Esto sin que la señal sufra variaciones o alteraciones
de calidad severas.
Desventajas:
Es importante considerar la aplicación de las series de Fourier, ya que estas sirven mucho
en el procesamiento digital de señales, la cual es un área de las ciencias e ingeniería que
se ha desarrollado rápidamente en los últimos 30 años.
Este rápido desarrollo es resultado de avances tecnológicos tanto en los ordenadores
digitales como en la fabricación de circuitos integrados. Estos circuitos digitales baratos y
relativamente rápidos han hecho posible construir sistemas digitales altamente
sofisticados, capaces de realizar funciones y tareas del procesado de señales que
convencionalmente se realizaban analógicamente, se realicen hoy mediante hardware
digital, más barato y a menudo más fiable. Es relevante diferencie entre una señal
analógica y digital para comprender mejor el procesamiento de señales, el nombre de una
señal analógica se deriva del hecho de que es una señal análoga a la señal física que se
representa .La magnitud de una señal analógica pude tomar cualquier valor, esto es, la
amplitud de una señal analógica exhibe una variación continua sobre su campo de
actividad. La gran mayoría de señales en el mundo que hay a nuestro alrededor son
analógicas. Los circuitos que procesan estas señales se conocen como circuitos analógicos.
Una forma alternativa de representación de señal es la de una secuencia de números,
Cada uno de los cuales representa la magnitud de señal en un instante determinado. La
señal resultante se llama señal digital, está a diferencia de la señal analógica es una señal
que esta discretisada en el tiempo y cuantificada en magnitud. El procesamiento de
señales se correlaciona con las series de Fourier ya que esta nos permite expresar una
función periódica de tiempo como la suma de un número infinito de senoides cuyas
frecuencias están armónicamente relacionadas La importancia de esto radica en que la
serie de Fourier nos facilita el arduo trabajo del manejo con señales, ya que para que
nosotros podamos procesar estas señales es necesario expresarlas como una combinación
lineal de términos, lo cual nos lo proporciona la serie de Fourier.
APLICACIONES EN LA MEDICINA
Diagnóstico automático: La ecografía permite registrar la vibración de cada una de las
membranas del corazón, proporcionando una curva periódica. Un programa de ordenador
calcula los primeros términos de las sucesiones (coeficientes de Fourier). En el caso de la
válvula mitral, son suficientes los dos primeros coeficientes de Fourier para diagnosticar al
paciente. Esta forma de diagnóstico disminuye costes en el sistema sanitario y, sobre
todo, evita al paciente los riesgos y molestias inherentes a las pruebas endoscópicas.
APLICACIONES DIVERSAS
Las series de Fourier son de gran importancia ya que tienen muchas aplicaciones dentro
de los campos de la física y de la matemática entre otros. La idea básica de las series de
Fourier es que toda función periódica de periodo T puede ser expresada como una suma
trigonométrica de senos y cosenos del mismo periodo T. Este problema aparece por
ejemplo en astronomía en donde Neugebauer (1952) descubrió que los babilonios
utilizaron una forma primitiva de las series de Fourier en la predicción de ciertos eventos
celestiales.
La historia moderna de las series de Fourier comenzó con D’Alembert (1747) y su trabajo
de las oscilaciones de las cuerdas de violín. El desplazamiento de una cuerda de violín
como una función del tiempo y de la posición es solución de una ecuación diferencial.
La solución de este problema es la superposición de dos ondas viajando en direcciones
opuestas a la velocidad como lo expresa la fórmula de D´Alembert En la cual la función es
impar de periodo 2 que se anula en algunos puntos específicos. Euler en 1748 propuso
que tal solución podía ser expresada en una serie en función de senos y como
consecuencia una serie con producto de senos y cosenos, Las mismas ideas fueron luego
expuestas por D. Bernoulli (1753) y Lagrange (1759). La fórmula para calcular los
coeficientes apareció por primera vez en un artículo escrito por Euler en 1777.
La contribución de Fourier comenzó en 1807 con sus estudios del problema del flujo del
calor presentado a la academia de ciencias en 1811 y publicado en parte como la célebre
teoría analítica del calor en 1822. Fourier hizo un intento serio por demostrar que
cualquier función diferenciable puede ser expandida en una serie trigonométrica. Una
prueba satisfactoria de este hecho fue dada por Drichlet en 1829.
Modernamente el análisis de Fourier ha sido impulsado por matemáticos como lebesgue
Hardy, Littlewood, Wiener, Frobenius, Selberg, Weily Weyl entre otros.
El poder extraordinario y la flexibilidad de las series de Fourier se ponen de manifiesto en
la asombrosa variedad de aplicaciones que estas tienen en diversas ramas de la
matemática y de la física matemática desde la teoría de números y geometría hasta la
mecánica quántica.
Algunas de las más importantes aplicaciones de las series de Fourier son:
• El problema isoperimétrico
• Temperatura de la tierra
• Evaluación de series no triviales
• La desigualdad de Wirtinger
• Solución de ecuaciones diferenciales
• Flujo del calor
• Ecuación de ondas
• Formula de Poisson
• Identidad de Jacobi
Veamos de forma breva algunas de estas de estas aplicaciones:
El problema isoperimétrico que es de carácter matemático afirma que si C es una curva
cerrada simple con un tipo de clase y de longitud unitaria, entonces el área A encerrada
por la curva satisface cierta desigualdad. La desigualdad se satisface si y solos si C es una
circunferencia. En consecuencia entre todas las curvas cerradas simples de longitud
unitaria la que encierra mayor área es la circunferencia.
O Un problema sencillo pero muy interesante es el de calcular la temperatura de la tierra
a una profundidad x a partir de la temperatura de la superficie. Describamos la
temperatura de la superficie terrestre como una función f periódica en el tiempo t y de
periodo 1(un año). La temperatura y la profundidad en un tiempo y longitud
respectivamente, mayores o iguales a cero son también periódicas. Bajo estas
circunstancias la temperatura puede ser expandida mediante una serie de Fourier para
cada valor x fijo.
CONCLUSION
A diferencia de la densidad espectral de potencia que es una función real positiva de una
variable de frecuencia asociada con un proceso estocástico o una función determinística
del tiempo que tiene unidades de potencia por unidades de frecuencia, el espectro de
potencia se encarga de calcular el área bajo la curva de la señal por medio de los métodos
de Fourier. Es válido decir que medir el espectro de potencia de una señal en el tiempo
responde a la pregunta “¿en cuales componentes de la frecuencia está contenida la
potencia de la señal?”. La medida es la distribución de valores de potencia como una
función de la frecuencia donde la “potencia” es considerada como el promedio de la
señal.
BIBLIOGRAFIA