You are on page 1of 41

Capítulo 11

Introdu ión al análisis de Fourier

459

460

CAPÍTULO 11.

INTRODUCCIÓN AL ANÁLISIS DE FOURIER

Departamento de Matemáti a Apli ada

E.U.P. San Sebastián

11.1.

461

PLANTEAMIENTO DEL PROBLEMA

La ubi uidad de la periodi idad en la naturaleza es patente y bien er ana. Nuestra vida está regida por la su esión de días y no hes, veranos, inviernos, años,. . .
nuestro uerpo está onstantemente animado por ritmos siológi os, latidos, respira iones. Nuestro espíritu también tiene sus ritmos aními os. Nuestra a tividad
toda, nuestra músi a, nuestros juegos, nuestras máquinas están invadidas por la
periodi idad. El análisis armóni o, tal omo lo entendemos hoy, onsiste en un
pro eso matemáti o para explorar los fenómenos de naturaleza re urrente. Toda
intele ión, no sólo la matemáti a, está en realidad fuertemente ligada a la re urren ia, a la repetitividad. Sin ella nuestro pensamiento no en ontraría esquemas
de referen ia. La re urren ia es ondi ión intrínse a de nuestro tipo de intele ión. El aos, lo ininteligible, es la ausen ia de re urren ias. Si ada animal que
nos en ontrásemos fuese totalmente diferente en su modo de lo omo ión, en sus
órganos sensoriales, en su forma de alimenta ión, et

...

¾Podríamos tener una

ien ia zoológi a organizada? Si los astros todos llevasen traye torias de diferentes tipos, si nuestros días y no hes fuesen todos de diferente dura ión, sin las
uniformidades que observamos, no tendríamos la ien ia astronómi a que tenemos. Nuestra forma de entender referen ias exige esquemas de re urren ia en
los que en ajar los nuevos fenómenos.
Miguel de Guzmán, Impa tos del Análisis Armóni o, Dis urso de
ingreso en la Real A ademia de Cien ias Exa tas, Físi as y Naturales
(Madrid, 23 Marzo 1983)

11.1.

Planteamiento del problema

El párrafo del profesor Miguel de Guzmán nos habla de lo presente que está la periodi idad en nuestro entorno, de los fenómenos que se repiten ada ierto intervalo de tiempo.
Observa la Figura 11.1. Se trata de un fragmento de ele tro ardiograma humano, es de ir, el
grá o que se obtiene on el ele tro ardiógrafo para medir la a tividad elé tri a del orazón
a medida que trans urre el tiempo. Este grá o sirve para diagnosti ar las enfermedades
ardiovas ulares. Como se puede ver, el valor de la amplitud de la a tividad elé tri a del
orazón en ada instante se repite asi exa tamente ada ierto período de tiempo T. Es

A(t) es la a tividad elé tri a
A(t + T ) = A(t) para todo t.
de ir, si

medida en el instante de tiempo

t,

enton es se tiene

Figura 11.1: Fragmento de un ele tro ardiograma

E.U.P. San Sebastián

Departamento de Matemáti a Apli ada

462

CAPÍTULO 11.

INTRODUCCIÓN AL ANÁLISIS DE FOURIER

Son mu has las señales periódi as o aproximadamente periódi as que apare en en las
ien ias y en la Ingeniería: la luz, el sonido, las mareas, los períodos de lluvias, las u tua iones en los pre ios, las señales de explora ión sísmi a, las señales de explosiones, las señales
ele tromagnéti as, et . La forma de onda de un fenómeno real puede ser muy ompli ada.
Observa la Figura 11.2. Hemos utilizado un software de análisis de audio digital para apturar

0. 5

segundos del tema Marble Halls de Enya. La amplitud de la onda está expresada

en de ibelios (dB), y omo puedes ver su forma es realmente ompli ada.

Figura 11.2: Fragmento de Marble Halls de Enya
Observa en ambio la forma de onda que apare e en la Figura 11.3, se trata de una
nota DO pura, produ ida por un sintetizador de musi al mediante la expresión analíti a

A(t) = 0. 002 sen(2π261t).

Figura 11.3: Nota DO
La nota DO está aso iada a ualquier vibra ión que tenga una fre uen ia de

261 Hz ( i los

por segundo), sin importar ómo se produz a di ha vibra ión. Por ejemplo, si onsiguieras
golpear la mesa on una regla a

261

golpes por segundo, onseguirías también un DO. El

período será el tiempo que tarda la onda en ompletar un i lo, que será en este aso

1/261 = 0. 00383.

T =

Del mismo modo, la Figura 11.4 muestra la grá a de una nota LA pura,

produ ida por el sintetizador mediante la expresión analíti a

B(t) = 0. 002 sen(2π438. 9t).
438. 9 Hz. El

La nota LA está aso iada a ualquier vibra ión que tenga una fre uen ia de
período será en este aso

T = 1/438. 9 = 0. 00228.

Departamento de Matemáti a Apli ada

E.U.P. San Sebastián

11.1 Si E(t) es una fun ión E(t + T ) = E(t). la Tierra gira alrededor de su eje on una fre uen ia F=1 giro/día=1/24 giros/hora. Por ejemplo. periódi a. Si la unidad de tiempo es el segundo. y su fre uen ia F se mide en i los por unidad de tiempo.5: Fun ión Periódi a Deni ión 11.2 Si E(t) es una fun ión periódi a de periodo T. la fre uen ia F de E(t) es el número de os ila iones ompletas que tienen lugar en una unidad de tiempo. el período de os ila ión de E(t) es el menor valor T tal que Deni ión 11. En general. Así pues. la fre uen ia F se medirá en i los por segundo (Hertzios.5) Figura 11. Hz). el período T de una señal periódi a en el tiempo se mide en las mismas unidades que el tiempo. 463 PLANTEAMIENTO DEL PROBLEMA Figura 11. F=1/T y T=1/F.4: Nota LA Ya tenemos dos deni iones que nos interesan a la hora de estudiar ualquier fenómeno periódi o en el tiempo (ver Figura 11. San Sebastián Departamento de Matemáti a Apli ada .1.P. Supongamos que en un instante determinado se observa en la a tividad elé tri a E. Un ele tro ardiograma humano típi o muestra un rango de fre uen ias entre y 100 0 Hz.U.

6 + 0.7: DO Fagot Las expresiones analíti as de ambas fun iones que puede utilizar el sintetizador son las siguientes: Para el DO del larinete: A(t) = 0.7). 6 idénti a = 0. 4 sen(6πF t) + 0. Figura 11.7. San Sebastián .1) E.6: DO Clarinete Figura 11. 16 sen(10πF t)) Departamento de Matemáti a Apli ada (11.P.U.464 CAPÍTULO 11. 5 cos(2πF t) + sen(2πF t) + 0. 39 segundos. 6 Hz.6 y 11.6) y un fagot (Figura 11. 5 cos(10πF t) + 0. 3 cos(6πF t)+ + 0. 0007(2. INTRODUCCIÓN AL ANÁLISIS DE FOURIER del orazón de una persona una fre uen ia de T=1/25. 39 segundos. 25. Eso signi a que el período es de tanto la a tividad elé tri a del orazón de esa persona es Observa ahora las formas de onda que apare en en las guras 11. Por ada 0. Corresponden ambas a una nota DO produ ida por un sintetizador musi al simulando el sonido de un larinete (Figura 11.

Por ierto. 0007 y 2. 6 cos(4πF t) + 0. 2 cos(10πF t) + 0. PLANTEAMIENTO DEL PROBLEMA 465 Para el DO del fagot: B(t) =0.2 muestran las Los valores diversas omponentes que forman ada una de ellas y la fre uen ia de ada omponente.2) 0. 0007(2.U. San Sebastián Departamento de Matemáti a Apli ada .1 y 11.1. 32 cos(2πF t) + 0. 1 sen(10πF t)) (11. ada omponente se llama armóni o de la fun ión. 3 sen(8πF t) + 0. El valor F ara teriza a la nota DO. y F se llama fre uen ia fundamental de la señal. y vale en este aso 261. 6 en ambas expresiones son simples términos de es ala y trasla ión respe tivamente. 2 sen(4πF t) + cos(6πF t) + sen(6πF t)+ +0.P. La tablas 11. 2 cos(8πF t) + 0. E. 6 + 0. 04 sen(2πF t)+ +0.11. Pero observemos ómo se han onstruido ambas fun iones A(t) y B(t).

el uarto armóni o de la nota DO del fagot (última na de la Tabla 11. pueden utilizarse estas ideas para simular orquestas on una gran variedad de instrumentos. una nota LA en un violín o una auta. 0000068 sen(2πF t) 0.4 son musi almente muy aburridas. 9 Hz y armóni os on fre uen ias de 877. tiene una fre uen ia fundamental de 438. 000034 sen(4πF t) 0. el sonido será distinto porque sus armóni os tienen distinta fuerza. pero lo que distingue al nuevo sonido son los armóni os que lo forman y la amplitud de ada uno Departamento de Matemáti a Apli ada E.2 B(t) Armóni o Fre uen ia 0.1 A(t) Armóni o Fre uen ia 0. Las fun iones A(t) y B(t) resultan de sumar armóni os que tienen fre uen ias iguales a múltiplos de F. 000051 sen(8πF t) 0.1 y Figura 11. 0000544 cos(2πF t) + 0. omo en ualquier nota DO. pero la fre uen ia nal resultante también es F=261 Hz y el período es T=1/261 = 0. Por ejemplo. La diferen ia entre la nota DO de un larinete y la de un fagot es pre isamente el peso que se le da a los armóni os. 00383 segundos.8 muestra la grá a de una nota DO sumando las notas DO sintetizadas de un larinete (e ua ión 11. 000068 sen(6πF t) 0. 000051 a sen(8πF t).466 CAPÍTULO 11.P. las notas A(t) y B(t) 2F 3F 4F 5F están formadas por omponentes que tienen la fre uen ia DO pura (igual a F) y además algunos armóni os que tienen una fre uen ia múltiplo de F. Un sintetizador puede onseguir una imita ión muy onvin ente de un violín o una auta mediante la ombina ión de ondas sinusoidales puras de las amplitudes ade uadas. 00017 sen(6πF t) 0. 00017 sen(2πF t) 0.3 y 11. 000034 a En ambio. Las notas puras.7).2) se obtiene dando un peso de la fun ión cos(8πF t) y un peso 0. la nota DO del larinete ha sido sintetizada sin el uarto armóni o. 000102 cos(4πF t) + 0. Aunque un violín y una auta toquen la misma nota LA. 000051 cos(6πF t) + 0. 000085 cos(10πF t) + 0. 00017 cos(6πF t) + 0. 1316. omo las que apare en en las guras 11. 000017 sen(10πF t) F Como puede verse. 000034 cos(8πF t) + 0. Por ejemplo.2 y Figura 11.6) y un Fagot (e ua ión 11. 000085 cos(2πF t) + 0. Además. 0. Pero observa que ada uno de los armóni os tiene un peso en el tono de la nota. La Figura 11. 6 Hz y así su esivamente. INTRODUCCIÓN AL ANÁLISIS DE FOURIER Tabla 11. Observa que el nuevo tono sigue siendo un DO porque su fre uen ia sigue siendo de 261 Hz. resultan monótonas al oído. 000034 cos(10πF t) + 0. 8 Hz. 0000272 sen(10πF t) F 3F 5F Tabla 11. 7 Hz.U. 1755. peso o amplitud. San Sebastián . que tienen fre uen ias múltiplo de F.

n (11. Figura 11. La idea es expresar (11.11. Tomemos una fun ión senoidal general F(t): F (t) = a0 + n X (ak · cos(2kπF t) + bk · sen(2kπF t)) k=1 La omponente fundamental de F (t) es H1 (t) = a1 cos(2πF t)+b1 sen(2πF t).4) tras lo ual. . así: Hk (t) = M cos(2kπF t + θ) (11. Primero observamos que los oe ientes se pueden interpretar omo las partes real e imaginaria del número omplejo (ver Figura 11. Veamos pues ómo ak y bk ck = ak + ibk transformar (11. que tiene omo fre uen ia F.U.P.1. la amplitud de (11.3). k = 2. El resto de las omponentes serán: Hk (t) = ak cos(2kπF t) + bk sen(2kπF t).8: Nota DO.3) Ahora nos interesa en ontrar la amplitud de ada uno de los armóni os (11. .3) será el valor M que hayamos obtenido.9): de donde: sen θk = q θk = arc tg bk a2k + b2k bk ak E. San Sebastián . cos θk = q ak a2k + b2k Departamento de Matemáti a Apli ada . 467 PLANTEAMIENTO DEL PROBLEMA de ellos.4). . . Clarinete + Fagot Veamos on más detalle ómo estudiar el peso o amplitud de ada armóni o de una fun ión senoidal ualquiera.3) en términos de una fun ión oseno.3) en la expresión (11.

En el eje OY. Ejer i io 11. 2F. gura 11. Observa la gura 11. el peso o amplitud del armóni o k-ésimo es: |ck | = |ak + ibk | = q a2k + b2k (11.2.10. Estas fre uen ias son F. Para la nota DO del fagot (e ua ión 11.468 CAPÍTULO 11.3) obtenemos Hk (t) = q = q = q  a2k + b2k  q ak a2k + b2k cos(2kπF t) + q bk a2k + b2k  sen(2kπF t) = a2k + b2k (cos θk cos(2kπF t) + sen θk sen(2kπF t)) = a2k + b2k cos (2kπF t − θk ) Ésta última igualdad se obtiene de la expresión trigonométri a cos(a + b) = cos(a) cos(b) − sen(a) sen(b). Hemos representado en el eje OX los distintos valores de las fre uen ias de los armóni os de F (t).1 Cal ula la expresión analíti a de nueva nota DO que hemos sintetizado sumando las notas del larinete y del fagot (Figura 11. de la e ua ión (11. Si tienes uriosidad.9: Complejo ck Ahora. bk  θk INTRODUCCIÓN AL ANÁLISIS DE FOURIER ` ck ak Figura 11.7). Este diagrama de llama espe tro de armóni os de F (t) y nos da una idea de la amplitud de ada uno de los F (t). 4F y 5F.3) es igual al módulo del número omplejo ck = ak + ibk .7). puedes es u har las notas musi ales que hemos estudiado.5) Esto nos da una idea para representar grá amente F (t) de un modo diferente al usual.4. la amplitud M de la fun ión (11. no hay más armóni os en este aso.U. Así pues.P. al ulada mediante la e ua ión 11. 3F. Cal ula y representa su espe tro. San Sebastián . O lo que es lo mismo. hemos representado la amplitud de ada armóni o. Puedes emplear uno de los mu hos applets que se en uentran en Internet y que permiten es u har el sonido que resulta de sumar fun iones senoidales uya onda se representan del siguiente modo: F (t) = a0 + n X (ak · cos(2kπF t) + bk · sen(2kπF t)) k=1 Departamento de Matemáti a Apli ada E.

las omponentes fre uen iales de la a tividad elé tri a del orazón (ver gura 11. Observa la Figura 11. 015 sen(100πt).11.so iedadelainforma ion.12. que orresponde a la nota DO del larinete (e ua ión 11.10: Espe tro del Fagot Prueba por ejemplo el applet http://www.P. Por ejemplo. 469 PLANTEAMIENTO DEL PROBLEMA Figura 11. que representa la forma de onda tener una tensión alterna de 0. Modi ando el número n de armóni os utilizados y los valores de los oe ientes bk . memorizar una lista de números. resultante y el de ada armóni o en ada instante El eje OZ representa el valor de la onda t. E. los armóni os pueden ser fuente de di ultades para al fun ionamiento de dispositivos me áni os o elé tri os. et ). El análisis del espe tro de señales tiene también utilidad en mu has otras dis iplinas ientí as. se obtienen sonidos que tienen igual fre uen ia ak y (F) pero diferentes tonos porque ambian las amplitudes de los armóni os.HTM. 015 A(t) que teóri amente debería voltios y F=50 Hz (T=1/F=0. en Ingeniería.1 y gura 11. de modo que el espe tro de un en efalograma permite ono er mejor ómo trabaja el erebro. San Sebastián Departamento de Matemáti a Apli ada . om/departfqtobarra/ondas/SONIDO/SONIDO.1. resolver un problema.1) son diferentes en un orazón enfermo y en uno sano. F. A(t) = 0. de modo pueden utilizarse para diagnosti ar enfermedades ardiovas ulares. 02 s). Hemos visto ómo la existen ia de armóni os en una nota musi al puede propor ionar riqueza. de tal modo que la ombina ión de armóni os permite sintetizar tonos que simulan on gran delidad las notas de los instrumentos musi ales reales. Observa la Figura 11.11.U. El eje OY es el eje de la variable t. 3F y 5F).5) . En el eje OX situamos el espe tro de la fun ión (sólo tres fre uen ias están presentes. Sin embargo. es de ir. Y el espe tro de la a tividad elé tri a del erebro depende de la a tividad erebral que se esté realizando en ese momento (estar en reposo. También podemos representar grá amente ada uno de los armóni os y sus amplitudes.

pérdida de poten ia Departamento de Matemáti a Apli ada E. 000835 sen(1000πt) + 0. éstos dispositivos generan armóni os que se transmiten a la red elé tri a.14 muestra el espe tro de son muy variados. sobretensiones. sino que tiene pequeñas o grandes distorsiones.13.470 CAPÍTULO 11.P. Como puedes ver. la forma resultante está muy distorsionada respe to a la señal pura A(t). San Sebastián . 5 y 7. la onda representada es B(t) = A(t) + 0. 10 y 14. B(t). INTRODUCCIÓN AL ANÁLISIS DE FOURIER Figura 11.U. transformadores y motores. la tensión suministrada por las ompañías elé tri as no es perfe tamente senoidal. las fuentes de alimenta ión de los PCs suelen inye tar a la red armóni os de orden 3. Otros armóni os que apare en de forma signi ativa son los de orden 11 y 13. Los problemas que o asionan los armóni os La Figura 11. El on reto. 00235 sen(1400πt). Son ausa de sobre arga en las baterías y ondensadores.11: Fre uen ias del Clarinete en 3D Figura 11.12: Corriente alterna 50 Hz En realidad. Por ejemplo. uando se one tan a la red dispositivos omo ordenadores o reguladores de velo idad de motores. pérdidas por sobre alentamiento en ables. Hemos representado la anterior onda de 50 Hz pero  ontaminada on armóni os de orden 6. Pero además. 00068 sen(600πt) + 0. Observa la Figura 11.

U. San Sebastián Departamento de Matemáti a Apli ada . PLANTEAMIENTO DEL PROBLEMA 471 Figura 11.P.11.13: Alterna de 50 Hz ontaminada Figura 11.14: Espe tro de onda de 50 Hz ontaminada E.1.

algunos uriosos y otros atastró os. Por ejemplo. por ejemplo) es la suma de las vibra iones provo adas por el fun ionamiento de los diversos omponentes (en el o he. el motor. Hay vibra iones difí iles de dete tar. quizá se solu ione variando su velo idad de giro. aspas del ventilador. dese hando lo que tiende a ser inaudible. engranajes. que depende de sus ara terísti as estru turales: masa. si un agente externo provo a una vibra ión del sistema me áni o próxima a su fre uen ia natural. orreas de transmisión. omo platillos. pero es una señal muy ri a en armóni os. Para resolver el problema de la existen ia de armóni os en la red elé tri a. 16 kHz (16000 Hz). triángulos. Ver en la Figura 11. pero otras se muestran omo golpeteos intermitentes que rean una señal repetitiva.472 CAPÍTULO 11. es ne esario identi ar qué agente la ausa y aislarse. la banda de 1 KHz (1000 Hz) a túa sobre aumentando la intensidad en la banda de sutiles. La resonan ia de los sistemas me áni os es responsable de otros fenómenos.U.15 un posible espe tro de fre uen ias de la vibra ión del motor. Aquí de nuevo los armóni os pueden provo ar efe tos perjudi iales. Por ejemplo. Resulta que todo sistema me áni o tiene ierta fre uen ia natural de vibra ión. INTRODUCCIÓN AL ANÁLISIS DE FOURIER e interferen ias. pero si la vibra ión del motor ontiene el uarto armóni o (aunque sea de po a amplitud). ha iendo que la fre uen ia que emiten (o la de un armóni o) sea igual a la fre uen ia natural de la opa. et . aumenta la presen ia de sonidos En ambio. dispositivos de amortigua ión. al oin idir on la fre uen ia de resonan ia del sistema me áni o éste entra en resonan ia y se produ en grandes vibra iones. San Sebastián . hasta su rotura. Por ejemplo. Pues bien. et ). La vibra ión resultante en un sistema (un o he. En rango normal de fre uen ias de la voz humana está entre 100 y 4000 Hz. ésta omponente tendrá una fre uen ia 4F/4=F. la voz del antante. tipo de asfalto por el que ir ula. Los e ualizadores de los equipos de músi a permiten modi ar las amplitudes de las diferentes omponentes fre uen iales de la señal sonora. a ontinua ión se olo an ltros diseñados para atenuar la amplitud de los armóni os de determinada banda de fre uen ias onsideradas perjudi iales. Otro ejemplo de efe tos negativos de los armóni os se da en los sistemas me áni os vibrantes. normalmente se tienen en uenta los armómi os hasta el orden 31. pudiendo ausar grandes perjui ios. Cuando una resonan ia es dete tada mediante un análisis del espe tro de la vibra ión. lo ual ya produ e la resonan ia del sistema. uya fre uen ia puede oin idir on la fre uen ia de resonan ia de objetos omo opas de vidrio. si el agente ausante de la resonan ia es un motor. supongamos que el sistema me áni o tiene una fre uen ia natural de resonan ia F y que un motor provo a al girar una vibra ión de fre uen ia fundamental F/4. et .P. a n de eliminar atenuar (ltrar) o ampli ar determinadas bandas. la amplitud de vibra ión del sistema se in rementará enormemente. La resonan ia ausa que algunos antantes sean apa es de romper una opa de ristal on su voz. Un problema espe ialmente grave es el ausado por la resonan ia. No se debe a la intensidad de la voz del antante. Este algoritmo se basa en aprove har las limita iones del oído humano para aptar sonidos fuera de ierta banda de fre uen ias. soportes. La fre uen ia fundamental de rota ión del motor no produ e resonan ia. el primer lugar se realiza un análisis del espe tro para dete tar qué armóni os se en uentran en la red. También el análisis espe tral del sonido se utiliza en diversos algoritmos de ompresión omo el mp3. El resultado nal es una señal de Departamento de Matemáti a Apli ada E. El efe to es un aumento de la vibra ión de la opa. que puede quedarse asi inaudible. rigidez. tuberías. donde a pesar de que el armóni o de fre uen ia F apare e on po a intensidad. sino a su fre uen ia.

U. A ierta velo idad. por ejemplo a 120 km/h. 01 y 15 Hz. El problema normalmente se resuelve olo ando unos pequeños ontrapesos en las llantas de las ruedas para equilibrarlas. y los edi ios situados en zonas de riesgo se al ulan de modo que su fre uen ia natural esté fuera de este rango y de el de sus armóni os. modi ando de esta manera la fre uen ia de resonan ia del sistema para que no se al an e a ninguna velo idad a la que el vehí ulo pueda ir ular. que transmiten la vibra ión hasta el volante. Casi todos los o hes seminuevos o viejos a omparten la apari ión de vibra iones para un rango on reto de velo idades.11. estas vibra iones también pueden ser debidas a la resonan ia. Las señales sísmi as de terremotos tienen un rango típi o de entre 0.P. El puente estaba diseñado para soportar vientos de más de suave brisa de po o más de 60 200 Km/h. por ejemplo 110 Km/h. E. Un ejemplo lási o del efe to atastró o provo ado por la resonan ia es el de la destru ión de puentes olgantes. y ésta desapare e a una velo idad mayor. A ierta velo idad. la fre uen ia de rota ión de las ruedas (o un múltiplo de esta fre uen ia) se iguala on la fre uen ia de vibra ión natural de los amortiguadores. pero una Km/h lo hizo vibrar hasta entrar en resonan ia. También se puede produ ir un resultado desastroso uando la fre uen ia natural de un edi io oin ide on la fre uen ia de un armóni o ontenido en una señal sísmi a. Casi todos los ondu tores han podido apre iar un urioso tipo de vibra ión en su vehí ulo. pero que o upa menos espa io en la unidad de alma enamiento. Pues bien. San Sebastián Departamento de Matemáti a Apli ada . apare e una vibra ión que se ha e muy presente en el volante.15: Resonan ia de motor audio que tiene muy po a distorsión respe to a la original. omo o urrió on el puente de Ta oma (EEUU) en noviembre de 1940.1. En Internet puedes en ontrar imágenes realmente espe ta ulares de las enormes os ila iones del puente de Ta oma po o antes de su aída. Veamos un último ejemplo de los efe tos de la resonan ia. 473 PLANTEAMIENTO DEL PROBLEMA Figura 11.

et ). Ya en 1671.2. en diente de sierra. que no son senoidades. poten ia desarrollada por un motor. ¾ ómo se al ularán sus oe ientes? Figura 11. porque se mide una ole ión de valores de la magnitud que se desea estudiar (tensión o intensidad en una red elé tri a. ¾Tendrán armóni os las señales periódi as arbitrarias? Si es así. ¾Cómo se al ulará el espe tro de la señal en este aso? A lo largo de los siguientes apartados iremos dando respuesta a estos problemas que se nos han planteado.16. Sin embargo. se nos plantean diversos problemas a los que habrá que en ontrar solu ión: 1. sino sólo una muestra de valores? Esto es muy usual en Ingeniería.2.474 CAPÍTULO 11.1. Desarrollo de una fun ión periódi a en serie de Fourier 11. ¾Y si no tenemos la expresión analíti a de F (t). Departamento de Matemáti a Apli ada E. 11. desplazamiento de un resorte. fuerza. La serie de Fourier de una fun ión F (t) El he ho de que una señal se pueda des omponer omo suma de otras señales periódi as más sen illas es un he ho ono ido por la Cien ia desde ha e mu ho tiempo. ¾qué o urre si la señal es periódi a pero no senoidal? En Ingeniería se utilizan pulsos re tangulares.U. Si la señal periódi a F (t) = a0 + F (t) n X es de la forma (ak · cos(2kπF t) + bk · sen(2kπF t)) k=1 enton es es muy sen illo analizar su espe tro. La amplitud (|ck |) del armóni o k-ésimo es: |ck | = |ak + ibk | = q a2k + b2k Ahora bien. et omo los que apare en en la Figura 11. San Sebastián . a n de alma enarlos en un ordenador y apli arles algún tratamiento. INTRODUCCIÓN AL ANÁLISIS DE FOURIER Todo lo que hemos expli ado hasta el momento nos lleva a omprender la importan ia del análisis armóni o de una señal periódi a.P.16: Ejemplos de fun iones periódi as 2.

que se ha en visibles al ha er pasar la luz blan a por un prisma de vidrio (Figura 11. Eso es exa tamente lo que hi imos en el apartado anterior. El propio Newton llamó espe tro a estas bandas de olores. Por ejemplo.U. los olores vuelven a mez larse.16 no son trigonométri as. de modo que no va a ser posible es ribirlas de la forma: F (t) = a0 + n X (ak · cos(2kπF t) + bk · sen(2kπF t)) k=1 La úni a posibilidad que puede existir es que la suma sea innita.2. no F (t) = et omo una suma nita de poten ias a0 + a1 t + 2 n a2 t + . . dando lugar a la luz blan a original. Figura 11. . San Sebastián Departamento de Matemáti a Apli ada . si se ha e pasar el haz de siete olores por un prisma invertido.17: Prisma Así pues. dando lugar a nuevos sonidos. uando hablamos de señales sonoras: modi amos los diversos armóni os que onstituían el sonido. Por ierto. la longitud de onda (a la que en matemáti as se llama período) de la luz visible se en uentra entre 400 y 700 nanómetros (un nanómetro es igual a 10−9 metros). la nueva luz resultante ya no será blan a.P. Fun iones periódi as F (t) omo las que apare en en la Figura 11. enseguida podemos des artar que esta suma sea en general nita.11. Las fre uen ias de las ondas de luz son mu hísimo mayores. o ultándolo on un tro ito de artulina). DESARROLLO DE UNA FUNCIÓN PERIÓDICA EN SERIE DE FOURIER 475 Isaa Newton demostró que la luz solar está formada por la suma de siete olores diferentes. Habremos sintetizado una nueva luz. el primer prisma realiza la des omposi ión de la señal (análisis) y el segundo la mez la de las partes para produ ir la señal original (síntesis). Si impedimos que uno de los olores llegue al segundo prisma (por ejemplo. + an t . Por ejemplo. Además.17). pero sí se puede es ribir omo suma innita de estas poten ias. No es la primera vez que es ribimos una fun ión F (t) mediante una suma innita de fun iones. una diferen ia importante que existe entre las señales sonoras y las luminosas es la fre uen ia. Al plantearnos ómo des omponer una señal periódi a ualquiera F (t) omo una suma de fun iones senoidales. Es la serie hay forma de es ribir la fun ión de M Laurin: et = ∞ k X t k=0 k! Pero ahora bus amos el modo de es ribir una fun ión F (t) periódi a de período T (o freHk (t) = ak cos(2kπF t)+ uen ia F=1/T) omo suma de fun iones trigonométri as de la forma E.

11) de e ua ión 11. bk de la serie de Fourier Vamos a utilizar las siguientes igualdades: Z Z Z Z Z T /2 cos 2mπt 2nπt · cos dt = 0 T T (11.2.7) sen 2mπt 2nπt · sen dt = 0 T T (11.8) cos2 2mπt dt = T /2 T (11. integramos ambos términos en el [−T /2. T /2]: 2kπt T 2kπt dt = sen T 2kπ T T /2 =0 (11.11. Cál ulo de los oe ientes ak .10) −T /2 T /2 −T /2 T /2 −T /2 T /2 −T /2 T /2 −T /2 Vamos a omenzar tomando una fun ión F (t) = a0 + ak · cos Z Z formada por un solo sumando de la serie. 2kπt 2kπt + bk · sen T T Para determinar el oe iente intervalo F (t) a0 (11.9) sen2 2mπt dt = T /2 T (11.P.6) cos 2mπt 2nπt · sen dt = 0 T T (11. 11.2. San Sebastián .U. bk sen(2kπF t).476 CAPÍTULO 11. INTRODUCCIÓN AL ANÁLISIS DE FOURIER es de ir: F (t) = a0 + ∞ X (ak · cos(2kπF t) + bk · sen(2kπF t)) k=1 Esta serie se llama serie de Fourier de F (t).13) T /2 cos −T /2 T /2 −T /2 −T /2 nos queda Z T /2 F (t) dt = a0 −T /2 Z T /2 dt = a0 · T −T /2 de donde 1 a0 = T Z T /2 F (t) dt −T /2 Departamento de Matemáti a Apli ada E.12) 2kπt −T 2kπt sen dt = cos T 2kπ T −T /2 T /2 =0 (11.

U. para obtener el término ak multipli amos la e ua ión (11. 477 DESARROLLO DE UNA FUNCIÓN PERIÓDICA EN SERIE DE FOURIER Ahora. para obtener el término bk multipli amos la e ua ión (11.7) y (11. Por ejemplo. T T /2 F (t) · cos −T /2 2kπt T T dt = a0 · 0 + ak · + bk · 0 = ak · T 2 2 de donde 2 ak = T Z T /2 F (t) · cos −T /2 2kπt dt T Finalmente.11.P. T y enton es 2 bk = T T /2 Z F (t) · sen −T /2 2kπt dt T Ahora vamos a onsiderar la serie de Fourier ompleta: F (t) = a0 + ∞  X k=1 2kπt 2kπt ak · cos + bk · sen T T  Pro ediendo del mismo modo.6).7) y (11.7) y (11.10): F (t) · sen 2kπt 2kπt 2kπt 2kπt 2kπt = a0 · sen + ak · cos · sen + bk · sen2 T T T T T F (t) · sen 2kπt T T = a0 · 0 + ak · 0 + bk · = bk · T 2 2 2kπt . e integrando: T /2 Z T /2 ∞ X 2nπt cos dt + ak T −T /2 T /2 2kπt 2nπt sen · cos dt T T −T /2 Z ak k=1 Z T /2 cos −T /2 ! 2kπt 2nπt · cos dt+ T T (11.9): 2 an = T Z T /2 F (t) · cos −T /2 E.11) por cos gramos y utilizamos las igualdades (11.2. utilizando las igualdades (11.9): inte- 2kπt 2kπt 2kπt 2kπt 2kπt = a0 · cos + ak · cos2 + bk · sen · cos T T T T T F (t) · cos Z 2kπt . San Sebastián 2nπt dt T Departamento de Matemáti a Apli ada .14) Con lo ual.11) por sen integramos y utilizamos las igualdades (11. (11. se llega a idénti as expresiones para multipli ando por Z 2nπt cos T 2nπt F (t) · cos dt = a0 T −T /2 +bk y bk .

2.P. se trata t:  E. 2. de la serie de Fourier de utilizando las expresiones que hemos obtenido en el apartado anterior. Pero. hemos supuesto que: Z T /2 −T /2 ∞  X k=1 2kπt 2kπt ak cos + bk sen T T ! dt = ∞ Z X k=1 T /2 −T /2  2nπt 2kπt ak cos + bk sen T T  dt Ya sabemos que la suma nita de fun iones integrables es una fun ión también integrable y su integral se obtiene sumando las integrales de todas ellas. Es de ir. sí nos vamos a preo upar de otra pregunta que puede sernos más interesante: si se al ulan los oe ientes una fun ión F (t) a0 . . .14) hemos supuesto que la integral de una suma innita de fun iones es igual a la suma innita de las integrales. ak .U. a0 .2 Demuestra que para al ular los oe ientes de Fourier evaluar ada integral en ualquier intervalo de la forma [c. se tienen las siguientes expresiones generales para el ál ulo de los oe ientes de Fourier de 1 T Z c+T 2 T Z c+T an = bn = 2 T Z a0 = F (t): F (t) dt c F (t) · cos 2nπt dt T F (t) · sen 2nπt dt T c c+T c 11. bk de la serie de Fourier. ak y bk se puede c es un número donde real. . En ambio. Convergen ia de la serie de Fourier En el pro eso que hemos seguido para dedu ir el valor de los oe ientes ak . ¾es seguro que la serie de Fourier onverge ha ia F (t) para ada valor de de ono er si es ierta la siguiente igualdad para ada valor de F (t) = a0 + ∞  X k=1 2kπt 2kπt ak · cos + bk · sen T T Departamento de Matemáti a Apli ada t? Es de ir. INTRODUCCIÓN AL ANÁLISIS DE FOURIER Así se obtiene también: T /2 2 bn = T Z 1 a0 = T Z F (t) · sen −T /2 2nπt dt T T /2 F (t) dt −T /2 Ejer i io 11. bk k = 1. ¾es ierta esta propiedad también si se trata de una suma innita de fun iones? No siempre.3. hay una uestión importante que nos ha pasado desaper ibida.478 CAPÍTULO 11. Observa que para obtener la igualdad (11. San Sebastián . que es un on epto avanzado que no vamos a tratar aquí. La posibilidad de integrar y derivar término a término una serie innita de fun iones está rela ionada on el on epto de onvergen ia uniforme de series de fun iones. c + T ]. En onse uen ia.

3 Una fun ión F(t) es monótona a tramos en un intervalo (a.2. Departamento de Matemáti a Apli ada . 0. (xn .11. El valor ha ia el que onverge S(t) se obtiene del siguiente modo: Si t0 es un punto en el que E. T/2). 005. si es posible en ontrar un número nito de subintervalos (a. San Sebastián F (t) es ontinua. Ya podemos enun iar el teorema de onvergen ia de la serie de Fourier.U. 01) y (0. la fun ión uya grá a se representa en la Figura 11. que tiene Por tanto. enton es la serie de Fourier de F (t) S(t) = a0 + ∞  X k=1 2kπt 2kπt ak · cos + bk · sen T T  es onvergente para todo t. Por ejemplo. Teorema 11. 005).18 es monótona a tramos en el intervalo F (t) (0. F (t) = t sen(1/t). 0. (x1 . no es monótona a tramos en di ho intervalo. b). Figura 11. de re iente o onstante en ada subintervalo. 0. enton es S(t0 ) = F (t0 ). . . x2 ). 0.P. 0. < xn < b) de modo que la fun ión F(t) sea re iente.18: Fun ión monótona a tramos En ambio. (x2 . Si la fun ión F (t) periódi a de periodo T es a otada y monótona a tramos en el intervalo (-T/2. 02) porque en los subintervalos (0. Deni ión 11. onstante y de re iente respe tivamente. Pero antes ne esitamos ono er el on epto de fun ión monótona a tramos. la Figura 11.1 (Condi iones de Diri hlet). 02). . DESARROLLO DE UNA FUNCIÓN PERIÓDICA EN SERIE DE FOURIER 479 Enseguida vamos a enun iar un teorema importante sobre la onvergen ia puntual de la serie de Fourier de una fun ión F (t). que puede apli arse a la mayoría de las fun iones que apare en en Ingeniería. .. x1 ). x3 )..19 muestra la grá a de la fun ión innitos máximos y mínimos en el intervalo (0. b) (a < x1 < x2 < x3 < . 01. (0. 02) es re iente.

T/2℄. INTRODUCCIÓN AL ANÁLISIS DE FOURIER Figura 11.480 CAPÍTULO 11.L℄. enton es: Z L G(x) dx = 2 −L Z L G(x) dx 0 Departamento de Matemáti a Apli ada E. San Sebastián . G(x) es una fun ión par. En on reto. Si G(x) denida en un intervalo [-L. enton es S(t0 ) onverge F (t) en el punto t0 .L℄ es más es una fun ión par o impar. es de ir.20-a. los oe ientes de Fourier de la fun ión F (t) se obtienen del siguiente modo: a0 = ak = bk = 1 T Z T /2 2 T Z T /2 2 T Z F (t) dt −T /2 F (t) · cos 2kπt dt T F (t) · sen 2kπt dt T −T /2 T /2 −T /2 En las tres expresiones se al ula una integral en el intervalo simétri o [-T/2.19: Fun ión no monótona a tramos Si t0 es un punto en el que F (t) no es ontinua.U.2. la integral de una ierta fun ión sen illa de evaluar si G(x) Ver Figura 11.P. Coe ientes de Fourier de fun iones pares e impares Como hemos visto. es de ir: ha ia la media aritméti a de los límites laterales de − F (t+ 0 ) + F (t0 ) 2 S(t0 ) = 11. Pero en general. si G(−x) = G(x) en [-L.4.

) Cal ular la serie de Fourier de la fun ión F(t) periódi a de periodo 2π de- nida más abajo. .11. Si G(x) es una fun ión impar. enton es : 2 a0 = T Z T /2 4 = T Z T /2 ak bk = 0 2.) Z T /2 F (t) · sen 0 2kπt dt T (k = 1. 2.3 1. 1.T/2℄.) es una fun ión impar en [-T/2. ( −1 F (t) = 1 si si −π ≤t≤0 0<t<π La Figura 11. 2. . . si G(−x) = −G(x) en [-L. .U. enton es : ak = 0 bk Ejemplo 11. San Sebastián F (t).P. Si F (t) Justi a las siguientes propiedades: es una fun ión par en [-T/2. DESARROLLO DE UNA FUNCIÓN PERIÓDICA EN SERIE DE FOURIER 481 Figura 11. enton es: Z L G(x) dx = 0 −L Ejer i io 11. .2. . . 2.1 4 = T (k = 0. 2. .20-b. .T/2℄. Departamento de Matemáti a Apli ada . Si F (t) F (t) dt 0 2kπt dt T F (t) · cos 0 (k = 1. .21 representa la grá a de E. .) (k = 1.20: Fun ión par y fun ión impar Ver Figura 11.L℄. es de ir. estudiar la onvergen ia de di ha serie y analizar el espe tro de fre uen ias de F(t). .

INTRODUCCIÓN AL ANÁLISIS DE FOURIER Figura 11.21: Ejemplo 11.1 T = 2π ak = 0 ∀k π −2 cos kt .482 CAPÍTULO 11.

.

t=π 2 2 sen kt dt = = (cos kπ − 1) = (1 − cos kπ) = .

omo F(t) umple las ondi iones de Diri hlet se tiene: En los intervalos (−π. S3 (t) = sen t + π π 3   4 sen 3t sen 5t S5 (t) = sen t + + et π 3 5 S1 (t) = F (t). San Sebastián . π k t=0 kπ kπ 0    0 si k es par 1 − (−1)k = 4  si k es impar kπ y omo bk = 4 2π = 2 kπ por tanto 4 S(t) = π F (t) es impar. la suma par ial F (t) en los puntos de ontinuidad.. esto es. 0) y (0.22..U. S(0) = (−1 + 1) =0 2 En el punto t = π . de Fourier está ada vez más próxima a el modo en que las sumas par iales Departamento de Matemáti a Apli ada Sk (t) de la serie Observa también E. S(−π) = En el punto t = 0. ya que la fun ión es periódi a. π) F (t) es ontinua. Z  sen 3t sen t + + . π) es válido el mismo razonamiento.  Observa ómo a medida que se toman más sumandos. salvan las dis ontinuidades de F (t). Observa la Figura 11. 3  ∞ 4 X sen(2k + 1)t = π 2k + 1 k=0 Respe to a la onvergen ia de S(t). Hemos representado las grá as de algunas sumas par iales de la serie de Fourier de  sen 3t 4 4 sen t.P. que no se en uentre en el intervalo [−π. S(π) = (1 − 1) =0 2 En ualquier otro punto t S(t) = F (t). por tanto (1 − 1) =0 2 En el punto t = −π .

F (t) = t para 2π . Analizar la onvergen ia de di has series y representar el espe tro de fre uen ias de las fun iones. San Sebastián Departamento de Matemáti a Apli ada . π] E.11.16.P. sus amplitudes La Figura 11.4 se tiene y en uanto a los impares. 4 kπ Los armóni os pares no existen en F (t). Cal ular la serie de Fourier de las fun iones uyas grá as se representan en la Figura 11.5 El mismo planteamiento que el ejer i io anterior. para las siguientes fun- iones periódi as de periodo 1. k. t ∈ [−π.1 Respe to al análisis del espe tro de |ck | = q a2k + b2k = F (t).22: Su esivas aproxima iones del ejemplo 11.2. Ejer i io 11. DESARROLLO DE UNA FUNCIÓN PERIÓDICA EN SERIE DE FOURIER 483 Figura 11. de re en a medida que aumenta el orden líneas espe trales de Ejer i io 11.U.23 muestra las on e primeras F (t).

( G(t) = −t t si si t ∈ [−π.484 CAPÍTULO 11. − 2 ak = T Z 3. π] 11.5.P. se está al ulando el valor medio de la fun ión en ese intervalo (o en ualquier otro intervalo de longitud igual al período. por ejemplo el intervalo [0. Es de ir: 1. − 2 T Z 1.23: Espe tro del ejemplo 11. INTRODUCCIÓN AL ANÁLISIS DE FOURIER Figura 11. El oe iente fun ión bk de la serie de Fourier F (t) sen(2kπt/T ) en ualquier 3.2. nos puede resultar intrigante el signi ado de las fun iones F (t) cos(2kπt/T ) y F (t) sen(2kπt/T ) para las que se al ula el valor medio a n de obtener ak Departamento de Matemáti a Apli ada E.T/2℄ y se divide esta integral entre T. San Sebastián . 0] t ∈ [0. − a0 = bk = T /2 F (t) dt −T /2 T /2 F (t) · cos 2kπt dt T F (t) · sen 2kπt dt T −T /2 T /2 −T /2 En las tres expresiones se evalúa la integral de una fun ión en el intervalo [-T/2. El oe iente fun ión de F (t) de la es igual al doble del valor medio de la intervalo de longitud igual al período.1 2. Interpreta ión de los oe ientes de la serie de Fourier Vamos a tomar de nuevo los oe ientes de la serie de Fourier: 1 T Z 2. ak de la serie de Fourier de F (t) es igual al doble del valor medio F (t) cos(2kπt/T ) en ualquier intervalo de longitud igual al período.T℄). El oe iente a0 de la serie de Fourier de F (t) es igual al valor medio de F (t) en ualquier intervalo de longitud igual al período. Sin embargo. 2.U. Por tanto.

hemos representado también. que resulta de modular en amplitud sen(2kπt/T ) mediante F (t).P.24: Modula ión E. San Sebastián Departamento de Matemáti a Apli ada . En (b1). DESARROLLO DE UNA FUNCIÓN PERIÓDICA EN SERIE DE FOURIER 485 Veamos qué signi an ambas fun iones. T = 2π . Observa la Figura 11. la propia fun ión F (t).11. En (b2). a trazo no. y bk . (d1) sen(2kπt/T ) = sen(kt) para k=2. 5. ( 1). ontiene la informa ión de la fun ión moduladora. De imos que F (t) modula en amplitud a la fun ión sen(2kπt/T ) o que sen(2kπt/T ) es la señal portadora y F (t) la señal moduladora en amplitud. 10 y respe tivamente las fun iones F (t) sen(2kπt/T ) = que es periódi a de periodo y (e1) se muestran respe tivamente las fun iones 20. Observa ómo F (t) sen(2kπt/T ) envuelve a F (t). Sobre éstas últimas grá as. Como puede verse.24. la amplitud de F (t) sen(2kπt/T ) viene dada por la amplitud de F (t). (d2) y (e2) se muestran F (t) sen(kt). Figura 11. Hemos representado en (a) la fun ión F (t) = cos(t). Esta es una forma de de ir que la fun ión F (t) sen(2kπt/T ).U. ( 2).2.

y por lo tanto de baja fre uen ia. la señal portadora R(t) = sen(2πF t). para El oe iente k > 0. La señal F (t) F (t) que se desea F (t) es audible. La señal de radiofre uen ia M (t) ya se puede transmitir por radiodifusión. INTRODUCCIÓN AL ANÁLISIS DE FOURIER ¾Y qué interés puede tener la modula ión de amplitud de fun iones? Pues resulta que éste es el prin ipio mediante el que fun iona el sistema de Amplitud Modulada (AM) de la radiodifusión. de modo que su espe tro ontiene un amplio rango de fre uen ias. Según lo que los oe ientes se pueden interpretar así: ak de la serie de Fourier de la fun ión F (t) periódi a de periodo T es igual al doble del valor medio. al ulado en ualquier intervalo de longitud T. se modula R(t) mediante F (t). la señal llega al re eptor on interferen ias y ruido.P. quedando sólo la señal audible. de la fun ión que resulta de modular en amplitud mediante la fun ión F (t) la fun ión cos(2kπt/T ). Se tiene la señal de audio transmitir a través de la emisora. Esta señal no es una señal de radiofre uen ia. En la prá ti a. que es la que se es u ha a través del altavoz del re eptor. Departamento de Matemáti a Apli ada E. Por ejemplo. Pues bien. G e n e ra d o r d e a lta fr e c u e n c ia E m is o r a d e r a d io d ifu s ió n A n te n a re c e p to ra A n te n a e m is o r a R e c e p to r d e r a d io R (t) F (t) S e ñ a l d e b a ja fr e c u e n c ia M o d u la d o r F iltr o d e a lta s fr e c u e n c ia s M (t)= F (t)R (t) Figura 11. al ulado en ualquier intervalo de longitud T. Todo ello ha e que a ve es la señal sea difí ilmente audible.U. de modo que no puede transmitirse dire tamente vía ondas de radio. el invento onsiste en ha er que la señal transmitir  abalgue en ima de una señal portadora de radiofre uen ia F (t) que deseamos R(t). que es periódi a de periodo T/k. Observa la Figura 11. si la emisora de radiodifusión emite en AM on una fre uen ia F=600 KHz. ak y bk .2. obteniendo la señal M (t) = F (t)R(t) = F (t) sen(2πF t). El oe iente bk de la serie de Fourier de la fun ión F (t) periódi a de periodo T es igual al doble del valor medio. Además. Cuando se sintoniza en el dial del re eptor de radio la fre uen ia de 600 puede ser KHz. se ltra la señal de alta fre uen ia. que es periódi a de periodo T/k. de la fun ión que resulta de modular en amplitud mediante la fun ión F (t) la fun ión sen(2kπt/T ). Ahora.486 CAPÍTULO 11. tampo o es posible ltrarla ompletamente para extraer la señal pura de audio.25: Emisora de radio Pero volvamos a la uestión que estábamos estudiando en este apartado: se trataba de interpretar el signi ado de los oe ientes de la serie de Fourier a abamos de ver.25. San Sebastián F (t) . F (t) podría ser el fragmento del tema Marble Halls de la Figura 11.

P. Figura 11. . r = 0. Aspe tos omputa ionales Muestreo de señales F (t). uando debe realizarse el análisis espe tral de una señal es no disponer de la expresión analíti a de Supongamos que deseamos analizar la señal N instantes uniformemente espa iados en di ho intervalo y al ularemos el valor de la señal en ada uno de ellos.11. N yr = F (tr ).2.26: Muestreo E. En la Tabla 11. Hemos muestreado N=9 valores de una señal F (t) en el intervalo [0.6. . la fre uen ia de muestreo ha sido de FS = 1/TS = 15 muestras/segundo. 6]. Para ello tomaremos En la prá ti a. San Sebastián Departamento de Matemáti a Apli ada . 0. El periodo de muestreo ha sido por tanto TS = 0. . F (t) en el intervalo [0. . N − 1 Observa la Figura 11.U. . . 8.26. Es de ir: tr = rT .2. 6/9 = 0. O lo que es lo mismo. 06667.3 hemos olo ado los instantes en los que se ha muestreado la señal (tr ) y el valor medido (F (tr )) para r = 0. . DESARROLLO DE UNA FUNCIÓN PERIÓDICA EN SERIE DE FOURIER 487 11. lo usual F (t) sino de una muestra de valores de F (t).T℄. .

Es de ir: tr = r/FS = rT /N. 3F. nos interesa ono er ada una de las ak cos(2kπF ) + bk sen(2kπF ) armóni as de F (t). 00000 0. Pues bien. Utilizar esta expresión para F (t) = 2 sen(2πt) en el intervalo [0.6 Supongamos que deseamos muestrear N valores uniformemente espa iados F (t) en el intervalo [a. Obtener tr donde muestrear. 39548 0.T℄ empleando ierta fre uen ia de muestreo FS = N/T = N F . 25.b℄. 42296 0.488 CAPÍTULO 11.nF=Fmax . F (t) el muestreo de señales ontinuas es una opera ión ne esaria para estudiar el omportamiento de la señal. r = 0. . 38911 0. el Teorema de muestreo asegura que la fre uen ia de muestreo que debemos emplear debe ser superior a 2Fmax . . Consideremos por ejemplo la fun ión: F (t) = sen(20πt) + cos(40πt) − sen(100πt) Departamento de Matemáti a Apli ada E. 09728 0. 42201 0. 21530 0. 20000 0. 40000 0. . yr = F (tr ).. 13333 0. 31781 0. 33333 0. 26667 0. San Sebastián . 35580 0. Cal ular el valor de la fre uen ia de muestreo ne esaria de la señal (FS ) (TS = 1/FS ). 53333 F (tr) 0. 25 + T ]. y el del período de muestreo puntos la expresión on la que al ular los muestrear 15 valores de la fun ión Ya que normalmente no disponemos de la expresión analíti a de la señal ontinua y tampo o es posible alma enar todos los valores de F (t). . . El teorema de muestreo Supongamos que F (t) es una señal periódi a de periodo T (F=1/T) y que nos interesa F (t).. 31512 Ejer i io 11. Ahora bien.U. ono er el ontenido fre uen ial de omponentes señal donde N es el número de puntos muestreados. N − 1 Supongamos que F (t) sólo ontiene un número nito de fre uen ias armóni as. 0. 06667 0. 46667 0.3 r 0 1 2 3 4 5 6 7 8 tr 0. el Teorema de muestreo nos indi a qué fre uen ia de muestreo mínima debemos emplear. Para ello muestrearemos la F (t) en el intervalo [0. . ¾qué FS habrá que emplear? ¾Cómo podemos estar seguros de que meF (t) seremos apa es de ono er las omponentes fre uen iales de F (t)? fre uen ia de muestreo diante la muestra de Pues bien. Desea- mos ono er los armóni os que tienen omo fre uen ias 2F.P. Es de ir. INTRODUCCIÓN AL ANÁLISIS DE FOURIER Tabla 11.

se pro esa la muestra para extraer de ella la informa ión fre uen ial que ontiene F (t). deberemos utilizar un valor N tal que FS = N/T > 2Fmax = 2n/T .T℄ un número fre uen ial de N de puntos mayor que el doble de n. de la Figura 11. t2 = 0. Si Fmax es la fre uen ia del armóni o n. Por ejemplo. de modo que la fre uen ia deberemos elegir un valor de N tal que FS = N F = 10N > 100 → N > 10 . si elegimos N=3: de 50 Hz.2. si Fmax =nF. Y también sabemos que las señales de televisión ontienen omponentes fre uen iales importantes hasta Fmax =5 MHz (1 MHz=1000000 Hz). los 15 puntos donde deberemos muestrear la señal serán: tr = rT /N = r(0. 0133 Observa que si tomáramos omo fre uen ia de muestreo exa tamente el valor de la fre uen ia de Nyquist. Es de ir. y los valores medidos serán sobre A(t). De a uerdo al teorema de muestreo. 04/3 = 0. mediremos más de dos valores uniformemente espa iados en el intervalo [0. tensión. En este aso Fmax = 50 de muestreo debe ser superior a 2 · 50 = 100 Hz. La úni a fre uen ia que ontiene esta señal es la de 50 Hz. y también están pre20 Hz) y 5◦ (fre uen ia 50 Hz). t=0 y t= lo ual no aporta informa ión La fre uen ia de muestreo debe ser mayor que la fre uen ia de Nyquist. sabemos que las prin ipales omponentes fre uen iales de una señal de voz humana se en uentran por debajo de Fmax = 3 KHz. 02/3 = 0. r = 0. 2 t0 = 0. 14 El valor  ríti o de fre uen ia de muestreo 2Fmax se llama fre uen ia de Nyquist. de modo que Fmax = 50. Ejemplos 1. tr = rT /3. es de ir. San Sebastián Departamento de Matemáti a Apli ada . 01) = 0. T = 0.U. Supongamos que deseamos muestrear un período de la señal de tensión alterna pura A(t) = 0. 01 segundos. Así pues. de a uerdo al teorema de muestreo. Eso signi a que el período de muestreo debe ser menor que TS = 1/100 = 0. T = 1/50 = 0. la fre uen ia de Nyquist es FS = 100 Hz. 02. . intensidad et ). A(0) = A(0.11.12. deben muestrearse en el intervalo [0. 1). debemos muestrear en [0. N=2 y por tanto los instantes de muestreo serían 0. por tanto N>2n. si elegimos por ejemplo N=15. 0067r. para extraer la informa ión F (t) hasta el armóni o n. Eso signi a que nuestro dispositivo muestreador debe ser apaz de medir valores de A(t) a más de 100 medi iones por segundo.T℄ a una fre uen ia mayor que la fre uen ia de Nyquist. 0. E. . t1 = 0. on el su iente número de puntos. . 1. La fre uen ia fundamental de sentes los armóni os 2◦ (fre uen ia Hz. Observa que. Así pues. ne esitamos ono er informa ión a er a del ontenido en fre uen ias de la señal F (t) que vamos a muestrear. Por tanto. Por ejemplo.P. 015 sen(100πt). 02. r = 0. 0067. Normalmente esta informa ión sí estará disponible. 01. Una vez muestreada la señal F (t) (de TV. voz. 489 DESARROLLO DE UNA FUNCIÓN PERIÓDICA EN SERIE DE FOURIER F (t) es F=10 Hz (T=1/10 = 0. . 1/15) = 0. 02]. Por tanto.

Por tanto. 10−6 segundos. Eso signi a que deben medirse valores de A(t) on un período de muestreo menor que 0.490 CAPÍTULO 11. Si n es el mayor armóni o E. de tal modo que el espa io nal que o upa en dis o es mu ho menor. 16 sen(10πF t)) (F = 261 Hz) En este aso. Por eso existen algoritmos de ompresión de imagen apa es de eliminar redundan ias y partes no esen iales de la señal. 000383142 segundos o que deben medirse más de 2610 valores de A(t) por segundo.P. la fre uen ia de muestreo debe ser mayor que FS = 10 MHz. tr = rT /N r = 0. En el software de digitaliza ión de audio.7 3000 Hz.7. 8000 Hz ( alidad de sonido telefóni o). Como hemos expli ado en el párrafo anterior. Eso signi a que debe medirse la señal ada menos de 1/1000000 = Eso expli a la gran antidad de espa io que o upa la señal de vídeo alma enada en la unidad de dis o. 5 cos(2πF t)+sen(2πF t)+0. uno de los más populares es el mp3. . . 6+0. Con la misma nalidad existen algoritmos de ompresión de señal de audio. 5 cos(10πF t) + 0. . Cal ular el número de valores que deberán muestrearse para estudiar la señal en un intervalo de longitud igual al período. La transformada dis reta de Fourier (DFT) Como ya hemos expli ado. Eso signi a que 1/2610 = 0. N − 1 También hemos hablado de la fre uen ia de muestreo mínima que debemos emplear para poder extraer toda la informa ión fre uen ial de Departamento de Matemáti a Apli ada F (t). en este aso Fmax = 5 MHz. 0007(2. 3 cos(6πF t)+0. Es de ir. FS > 2 · 1305 = 2610 Hz. 96000 Hz (masteriza ión de alta alidad). . Supongamos que deseamos muestrear una señal de TV. La señal ontinua tenía la expresión: A(t) = 0. los ordenadores digitales pueden úni amente trabajar on informa ión dis reta y nita. INTRODUCCIÓN AL ANÁLISIS DE FOURIER 2. las omponentes fre uen iales son Hz. pueden trabajar on una muestra nita de la señal F (t) F (t): ontinua señal que se está estudiando. T = 1/261. es muy usual que se puedan sele ionar fre uen ias de muestreo omo 32000 44100 Hz ( alidad CD). San Sebastián . o más de 5 · 2 = 10 valores en [0. debe tomarse una fre uen ia de muestreo el período de muestreo TS debe ser menor que 3. De a uerdo al teorema de muestreo. generada por el sintetizador. Supongamos que deseamos muestrear la señal de la nota DO de la Figura 11. de hasta Ejer i io 11.6. Cal ular la fre uen ia de muestreo que debe utilizarse para analizar el es- pe tro de la señal ontinua que apare e representada en la Figura 11. 4 sen(6πF t)+ + 0. 3F = 783 Hz y 5F = 1305 Hz (5 ◦ armóni o). T ]. 000383142 segundos. Supongamos que hemos muestreado N puntos de la yr = F (tr ). Fmax = 1305 F = 261 Hz.U. Por tanto. Hz (digitaliza ión de dis os de vinilo) u Observa ómo ésta última fre uen ia de muestreo es su iente para onservar el rango de fre uen ias habitual de la voz humana. si deseamos extraer toda la informa ión fre uen ial de la señal.

. 1. . . yN −1 a n de obtener los oe ientes de Fourier a0 . .2. . Podemos muestrear por ejemplo N=32 valores de la informa ión fre uen ial de F (t). . a partir y0 . . DESARROLLO DE UNA FUNCIÓN PERIÓDICA EN SERIE DE FOURIER 491 presente en la señal. . y1 . N/2? señal. . . y1 . ak = Re(Yk ). .P. . . . k = 0. c¯k = ak − ibk = Yk . F (t) y así obtener toda En la prá ti a. primero determinamos un valor de N tal que N/2>n y luego muestrearemos obtener En el apartado 11. . la idea es en ontrar una aproxima ión de esas medias mediante la media aritméti a de N valores. N/2: omplejos. . bk = − Im(Yk ) k = 1. N − 1. . En on reto: k = 0. N/2 N N N N (11. según el teorema de muestreo debe elegirse N tal que N/2>n (en lo que sigue vamos a onsiderar que N es un número par).5 vimos que los oe ientes de Fourier se pueden interpretar omo valores medios de iertas fun iones. Eligiendo N de ese modo. F (tN −1 ) 1 X a0 = F (t) dt ≈ = yr T 0 N N r=0 Para ada 2kπt0 2kπtN −1 F (t0 ) cos + . . . + F (tN −1 ) cos 2kπt T T F (t) cos dt ≈ 2 = T N 0 N −1 N −1 2 X 2kπtr 2 X 2kπr = F (tr ) cos = yr cos N T N N 2 ak = T T Z r=0 bk = 2 T Z r=0 T F (t) sen 0 N −1 2kπt 2 X 2kπr dt ≈ yr sen T N N r=0 El tratamiento se ha e más sen illo utilizando las opera iones que ono emos de números yr . ak . . . N/2: Z N −1 1 T F (t0 ) + .U. . yN −1 de la muestra F (t). Ahora la uestión es ¾ ómo pro esamos los valores muestreados y0 . . y1 . . . A partir de los N valores muestreados siguientes N/2+1 números omplejos Yk = N −1 X r=0 Yk . bk para k = 0. seremos apa es de extraer toda la informa ión fre uen ial de Por ejemplo. si el último armóni o que ontiene la señal es el número 15. . . r = 0.2. . .15) r=0 Por tanto ya tenemos expresiones para el ál ulo aproximado de los oe ientes de Fourier mediante los N/2+1 valores a0 = Yk : 1 2 2 2 Y0 . . . San Sebastián Departamento de Matemáti a Apli ada . . si n el mayor armóni o presente en la F (t) para y0 . . . . .11. . al ulamos los 2kπr   NX N −1 N −1 −1 X X −i 2kπr 2kπr 2kπr 2kπr N yr cos −i yr sen = yr cos − i sen = yr e N N N N r=0 Yk = N −1 X −i yr e 2kπr N r=0 k = 0. .16) (2) E. . yN −1 . Pues bien. . N/2 r=0 (11. nos bastará tomar N/2>15.

680 0. 089 1. 23 2. 070 La Tabla 11. por tanto a0 = 16. 680 −1. 230 −2. 68 1. y la suma de ada olumna es el valor deseado de Re(Yk ). 740 0. 000 2. Ejer i io 11. 000 1. Tabla 11. La Tabla 11. y la suma de ada olumna es el valor −Im(Yk ). 000 −1. 230 1. 970 2. 03125. 000 0. 375 0. + y4 = 16.8 INTRODUCCIÓN AL ANÁLISIS DE FOURIER Hemos muestreado o ho valores de una fun ión F (t) en el intervalo [0. 000 2. 350 1. 393 −2. 955 0. el elemento de la la r-ésima y olumna k-ésima muestra el valor de deseado de yr cos(2kπr/N ). 230 −1. Se trata de al ular los 8/2+1=5 oe ientes de Fourier. . Tabla 11. 35 1. 460 2. 1875 0. el elemento de la la r-ésima y olumna k-ésima muestra el valor de yr sen(2kπr/N ). 000 −2. 88 En este aso.492 CAPÍTULO 11. 230 0.P.4 tr 0 0. 1. 000 −2. 371 1. 880 −1. 000 −1. 3125 r 0 1 2 3 4 5 6 7 yr = F (tr ) 1 1. 25.6 muestra los ál ulos para obtener Re(Yk ). 75 0. San Sebastián . 036 −1. 130 1. 9375 1.U. que apare en en la Tabla 11. 000 −1. . 5]. 97 2. 125 1.5 muestra los ál ulos para obtener -Im(Yk ). 680 0.4. 393 −2. 68 2.6 Departamento de Matemáti a Apli ada E. 25/8 = 2. 000 0. 000 −1. N=8 e y0 + y1 + . 739 0.5 r r r r r r r r =0 =1 =2 =3 =4 =5 =6 =7 -Im(Yk ) k=1 k=2 k=3 k=4 1. 680 −2. 036 −1. 000 −0. 955 0. 5625 0. 46 2. Tabla 11.

2. 393 0. . 000 1. 428 0. 031 −0. 1. 000 493 a0 . 5]. hemos representado varios períodos de la fun ión F (t) y T (t).7 muestra los valores estimados ( al ulados de forma aproximada) de y bk (k = 0. . 970 0. 036 2.7 k 0 1 2 3 ak 2. T (t) (a trazo no) y la fun ión original Observa que Apli a el Teorema 11.1 ( ondi iones de Diri hlet) para al ular el valores ha ia los que onverge la serie de Fourier de esta fun ión F (t) en los extremos del intervalo [0. DESARROLLO DE UNA FUNCIÓN PERIÓDICA EN SERIE DE FOURIER r r r r r r r r =0 =1 =2 =3 =4 =5 =6 =7 Re(Yk ) k=1 k=2 k=3 k=4 0. 000 −1. . 384 0. Hemos representado el polinomio grueso) en el intervalo Ejer i io 11.28. 607 −0. 343 −0. 040 0. San Sebastián Departamento de Matemáti a Apli ada . 000 0. 697 0. ¾Qué o urre en esos puntos? Pues lo que o urre es que F (t) es dis ontinua en ambos puntos. 955 −1. N/2 = 4) a partir de los valores muestreados yr y la amplitud de ada armóni o. . 428 0. 260 −0. 292 Así pues. 680 1. 031 0. 460 0. 282 −0. 1. Yk (k = 0. . 393 0. 000 −2. hemos aproximado la fun ión original F (t) mediante el polinomio trigonométri- o: T (t) = a0 + 4  X k=1 kπt kπt ak cos + bk sen 4 4 ¾Cómo de próximo estará el polinomio T (t)  de la fun ión original F (t)? Observa la Figura 11. . 739 2. . Observa la Figura 11. 000 0. 000 −1. 350 0. 000 0. 000 0. 000 0. . 000 0.11. 000 −1. F (t) (a trazo T (t) está relativamente er a de F (t) salvo en las proximidades de los extremos del intervalo (t = 0 y t = 1. 000 0. Tabla 11. 739 −2. 272 bk −0.9 [0. ak (r = 0. .27. 5).U. 680 −2. 955 1. A partir de Los N/2+1 valores omplejos muestreados yr E. N − 1 = 7) La Tabla 11. 037 0. 000 2. Fíjate en ómo la fun ión ontinua T (t) debe ha er malabarismos para salvar las dis ontinuidades de F (t). 5].P. N − 1) son muy importantes en análisis de señales. 000 0. 680 1. 000 0. 880 1. 107 |ck | 2. 000 0. 680 −2. N/2) que hemos obtenido a partir de los N valores (r = 0. .

4 Se llama transformada dis reta de Fourier (DFT.P. mediante las expresiones de (11. r = 0. Dis rete Fourier Trans- yr (r = 0.16) se estiman los oe ientes de Fourier de la fun ión muestreada. INTRODUCCIÓN AL ANÁLISIS DE FOURIER Figura 11. N/2 obtenido de la rela ión (11. .. He aquí la expresión de ál ulo inverso.27: Polinomio trigonométri o y DFT Figura 11. al onjunto de N/2+1 valores omplejos k = 0. se puede demostrar que a partir de los N/2+1 valores omplejos de la DFT (Yk . . . k = 0.28: Polinomio trigonométri o y DFT on varios periodos la expresión (11. Además.15). form) de la muestra de N valores Yk =Re(Yk ) + iIm(Yk ). llamada Transformada Dis reta Inversa de Fourier Departamento de Matemáti a Apli ada E.. N −1).15) de ál ulo de Yk .494 CAPÍTULO 11. . N − 1). San Sebastián ..U. Deni ión 11.. En otras palabras.. N/2) es posible re uperar los valores muestreados (yr . a partir de la DFT de una muestra se puede re onstruir la propia muestra..

el valor de N debe ser poten ia de 2. San Sebastián [0. el número de opera iones ne esarias se uadripli a. Por ejemplo. mientras que Nlog(N) no llega a 3100 opera iones. 02] on período de Departamento de Matemáti a Apli ada . el valor N2 supera el millón de opera iones ne esarias. No vamos a entrar en detalles de estos algoritmos. pero sí indi aremos dos datos. N −1 k=1 La transformada rápida de Fourier (FFT) Hemos visto un pro edimiento on el que estimar los oe ientes de Fourier de una fun ión F (t) a partir de una muestra F (t). sonido. Por ejemplo. también existen algoritmos e ientes para el ál ulo de la transformada dis reta inversa. si N=1024=2 10 . Segundo. La primera de ellas ( ál ulo dire to de la DFT) re e mu ho más rápidamente que la segunda ( ál ulo de la DFT empleando FFT).29 Hemos representado las fun iones N /100 y Nlog(N)/100. De he ho.10 Cal ular. 0. Este pro edimiento se basa en el ál ulo de la transformada dis reta de Fourier de la muestra. Así pues. Observa la Figura 11. .15). 02) ´´ on- taminada on armóni os hasta orden 14. Por otra parte. el número de opera iones que es ne esario realizar para al ular la DFT empleando FFT es mu ho menor que on el ál ulo dire to. el número de opera iones a realizar en un intervalo de tiempo puede resultar prohibitivo. Estos algoritmos de llaman algoritmos FFT (Fast Fourier Transform. vídeo. es ne esario un importante esfuerzo de ómputo. si se dupli a el tamaño de la muestra (es de ir. Afortunadamente existen algoritmos on los que al ular la DFT on mu has menos opera iones. Ejer i io 11. para al ular los N/2+1 números omplejos de la transformada a partir de los N valores de la muestra mediante la rela ión (11.2. se puede demostrar que para una muestra de tamaño N.P.U. . el número de multipli a iones a realizar es 2 del orden de un valor propor ional a N . Observa que este número re e mu ho a medida que aumenta N. la fre uen ia de Nyquist es igual a 2·14·50=1400 Hz. si se toma doble fre uen ia de muestreo). Ahora bien. Del mismo modo.11 Supongamos que tenemos una tensión F (t) de 50 Hz (T = 0. . IFFT. representar grá amente y omparar las velo idades de re i- miento del número de opera iones que deben realizarse para al ular la DFT mediante el 2 ál ulo dire to (N ) o mediante los algoritmos FFT (Nlog (N)). DESARROLLO DE UNA FUNCIÓN PERIÓDICA EN SERIE DE FOURIER 495 (IDFT): N/2 N/2 Y0 2 X 2kπr Im(YN/2 ) 2 X 2kπr Yr = + Re(Yk ) cos − − Im(Yk ) sen N N N N N N k=1 r = 0. 2 del orden de Nlog(N). Ejer i io 11. Transformada Rápida de Fourier). . En el mer ado existe una amplia gama de hips que realizan tanto la FFT de una muestra omo la IFFT. de modo que habrá que muestrear en el intervalo E. los algoritmos FFT e IFFT vienen in orporados en algunos paquetes de software omer ial omo la hoja de ál ulo Ex el (Herramientas/Análisis de datos/Análisis de Fourier).11. Primero. vibra iones. In luso automatizando los ál ulos on un ordenador. orriente. et ). Estos hips se montan en los instrumentos profesionales que sirven para analizar el espe tro de señales (tensión. para poder apli arse.

que no es su iente. San Sebastián . Si elegimos N=16. 02] tomaremos un número 0. Se trata de emplear la FFT implementada en Ex el para analizar el espe tro de F (t) y ltrar F (t) para eliminar todo armóni o superior al dé imo. 02/N = 0.29: Compara ión del número de opera iones [0.00125.8 muestra muestreo menor que 1/1400 = 0. Departamento de Matemáti a Apli ada E.P. 000714286. En ambio.496 CAPÍTULO 11. 000625 < 0. 02/16= 0. INTRODUCCIÓN AL ANÁLISIS DE FOURIER Figura 11.U. En el intervalo N de puntos tal que N sea poten ia de 2 y que los 32 valores muestreados. La Tabla 11. se tiene 0. 000714286. 02/N sea menor que el período de muestreo 0. 000714286. es su iente N=32 ya que 0. 0.

01875 0. 00813 0. 01688 0. 00688 0. 27400 0. 01438 0. 00875 0. 01125 0. 26561 0.U. 33174 0. 19728 0. 00438 0. 23202 0. 00375 0. 01375 0. 31901 0. 01063 0. 27129 0. 30039 Mediante Ex el al ulamos los 32/2+1=17 valores omplejos Yk de la DFT. DESARROLLO DE UNA FUNCIÓN PERIÓDICA EN SERIE DE FOURIER 497 Tabla 11. 19900 0. 19736 0.8 r 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 tr 0. San Sebastián Departamento de Matemáti a Apli ada . 01625 0. E. 00313 0. 01750 0. 23311 0.P. 01000 0. 24386 0. 16326 0.9. 00750 0. 20708 0. 18136 0. 00500 0. 30047 0. 00000 0.2. 24992 0. 32978 r 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 tr 0. 25518 0. 17344 0. 00250 0. 00625 0. 19205 0. Todo ello apare e en la Tabla 11. 01813 0. 01313 0. 01188 0. 22732 0. 00188 0. los oe- ientes de Fourier y el espe tro. 29485 0. 32853 0. 01938 F (tr ) 0. 25188 0. 00125 0. 31084 0. 00563 0. 22300 0.11. 24568 0. 30400 0. 00063 0. 01563 0. 01500 0. 25546 0. 26865 0. 01250 0. 00938 F (tr ) 0. 17254 0.

00000 0. 01921 0. F (t) tiene omo omponentes los armóni os 6. 00000 −0. 10 y 14 (análisis).31 representa las grá as de el intervalo [0. 01200 0. 00000 0. 00000 −0. 06304 0.P. 012 cos(100πt)+ + 0. 00000 0. 00799 0. 015 sen(100πt) − 0. 00004 0. 00000 −0. 015 sen(100πt) − 0. 00000 0. 00000 0. 00001 −0. 25 + 0. 00000 0. 02400 0. 00000 0. 01086 0. 00000 0. 00000 0. Ahora ltramos las fre uen ias no deseadas. 00000 0. 00000 0. 38400 −0. 00000 0. 00000 0. 00000 0. 00001 −0. 00000 0. 00001 −0. 00000 0. 00000 0. 012 cos(100πt)+ + 0. 063 cos(1400πt) El análisis fre uen ial a través de la FFT ha permitido determinar on gran exa titud las omponentes armóni as de la señal real La Figura 11. 00000 0. 25 + 0. 0. 00003 Im(Yk ) 0. 00000 0. Así pues. 00000 0. 00000 0.30 muestra el espe tro de fre uen ias de Así pues. 00000 0. 00000 0. 00000 0. 00000 0. 00068 0. 00000 −0. 00000 0. 02401 0. 02]. 00000 0. 00000 0. y nos quedamos sólo on los armóni os 6 y 10 (además de on la fre uen ia fundamental). 00000 0. 00236 0. 24000 0. 00000 0. 00000 −0.U. 19200 0. F (t) F (t) a partir de una muestra de esta fun ión. 00084 0. 00000 ak 0. 00068 sen(600πt) + 0. la señal ltrada (síntesis) será: T (t) =0. 00000 0. 00068 sen(600πt) + 0. 01336 0. 00000 0. 00003 −1. 00235 sen(1400πt) − 0. 00000 0. 03770 0. 00001 −0. 00000 Módulo de La Figura 11. 06300 0. 25000 0. 00000 0.498 CAPÍTULO 11.8 ha sido tomada de la fun ión: F (t) =0. 25000 −0. 024 cos(600πt) + 0. tras el análisis determinamos que la señal ck 0. 00001 −0. 00001 −0. 00000 R(t). 00000 0. 000835 sen(1000πt)+ + 0. San Sebastián .9 k 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Re(Yk ) 8. 00000 0. 00000 0. 00000 0. 00000 0. INTRODUCCIÓN AL ANÁLISIS DE FOURIER Tabla 11. 00000 0. Departamento de Matemáti a Apli ada E. T (t) (trazo no) R(t) los armóni os (trazo grueso) y de Observa ual ha sido el resultado de ltrar de en no deseados. 00000 0. 00000 0. 00084 sen(1000πt) ¾Qué tal ha fun ionado el pro edimiento? Resulta que la muestra de la Tabla 11. 00000 0. 024 cos(600πt) + 0. 00000 −0. 01500 0. 00000 0. 00000 bk 0. 00084 0. 00000 0. 00000 0.

30: Espe tro de onda. Ejemplo 11.11. San Sebastián Departamento de Matemáti a Apli ada .P. DESARROLLO DE UNA FUNCIÓN PERIÓDICA EN SERIE DE FOURIER 499 Figura 11.11 Figura 11.2.U.31: Alterna de 50 Hz ontaminada y ltrada E.