Series de Fourier

Joseph Fourier demostró que para una función periódica-T complejos armónicos.

f(t) puede ser escrita como una combinación linear de senosoidales

f(t)=∑n=−∞∞cnejω0nt
(2)

ω0=2πT es la frecuencia fundamental. Para casi todas f(t) de interés practico, existe cnque hace la Ecuación 2 verdadera. Si f(t) es de energía finita (f(t)∈L2[0,T]), entonces la igualdad de Ecuación 2 sostienen la idea de convergencia de energía; si f(t) es continua, entonces Ecuación 2 sostiene la idea punto por punto. También si f(t) tiene algunas condiciones intermedias (las condiciones
Donde de DIRICHLET), la ecuación Ecuación 2 se sostiene punto por punto en todas partes excepto en los puntos de descontinuidad. Los cn -son conocidos como los coeficientes de Fourier- que nos dicen “que tanto” del sinusoidal ejω0nt esta presente en

f(t). Ecuación 2 esencialmente descompone f(t) en pedazos, los cuales son procesados fácilmente por una sistema LTI (ya que

existe una Eigenfuncion para cada sistema LTI). En términos matemáticos, Ecuación 2 nos dice de un conjunto de exponenciales

{ejω0nt , n∈Z } forman una base para el espacio de funciones T-periódicas continuas. Aquí se muestran algunos ejemplos que les ayudaran a pensar en una señal o función, f(t), en términos de sus funciones exponenciales bases.
complejos armónicos

Ejemplos
Para cada una de las funciones de abajo, descomponlas en sus partes más “simples” y encuentra sus coeficientes de Fourier. Oprima para ver la solución.
EXERCISE 1

f(t)=cos(ω0t)
SOLUTION

La parte mas confusa de esta problema es de encontrar la manera de representar esta función en términos de sus base,

ejω0nt. Para

hacer esto, nosotros usaremos nuestro conocimiento de la relación de Euler para representar nuestra función de coseno en términos de su exponencial.

f(t)=12(ejω0t+e−(jω0t))
Con esta forma y con Ecuación 2, al inspeccionarla podemos ver que nuestros coeficientes son:

cn=⎧⎩⎨12 if |n|=10 otherwise

Coeficientes de Fourier
En general

f(t), los coeficientes se pueden calcular por medio de Ecuación 2 al despejar por cn, lo cual requiere una pequeña cn=1T∫T0f(t)e−(jω0nt)dt

manipulación algebraica (para una derivación completa de estos coeficiente por favor vea la sección titulada derivación para los coeficiente de Fourier. El resultado final da la siguiente ecuación general para estos coeficientes:

(3)

{cn , n∈Z } es una representación compleja alterna de la función f(t). Conocer los coeficientes Fourier cn es lo mismo que conocer f(t) y viceversa. Dada a una función periódica, la podemos trasformar en su representación de series de Fourier usando Ecuación 3. Así mismo, podemos sacar la transformada inversa a una secuencia de números complejos, cn, usando Ecuación 2 para reconstruir la función f(t).
La secuencia de números complejos Así como es una manera natural para representar las señales que son manipuladas por los sistemas LTI, las series de Fourier proveen una descripción par alas señales periódicas que son convenientes de muchas maneras. Al ver las series de Fourier propiedades matemáticas de frecuencias.

f(t), podemos inferir las

f(t) como la propiedad de suavidad, la existencia de una simetría, así como el significado físico de las

Ejemplo: Usando la Ecuación del Coeficiente de Fourier

cn=2T1T . tenemos que tomar mas pasos para resolverlo. intervalo especificado por la función f(t). n=0 Para n≠0. f(t)=∑n=−∞∞cnejω0nt (4) Nuestra segunda ecuación. Synthesis f(t). Nuestro intervalo de integración cambiara para igualar el cn=1T∫T1−T11e−(jω0nt)dt Note que debemos considerar dos casos: n=0 y n≠0. cn=2jω0jω0n2πsin(ω0nT1) f(t): cn=sin(ω0nT1)nπ . Una vez que usted entienda la formula. n≠0 Finalmente. Podemos resolver esta ecuación para T y sustituir en. la solución se convierte en un problema común de calculo. podemos utilizar la relación de Euler para simplificar nuestra expresión a: cn=1T2jjω0nsin(ω0nT1) Ahora. Para n=0 podemos ver que después de inspeccionar el integral obtenemos. Empezaremos al observar el integral básico del integral que tenemos. cn=1T1jω0ne−(jω0nt)∣∣T1t=−T1 Recordando nuestro cálculo estamos listos para integrar: Ahora evaluaremos las funciones exponenciales para los límites dado s y expandiremos nuestra ecuación a: cn=1T1−(jω0n)(e−(jω0nT1)−ejω0nT1) Ahora multiplicaremos el lado derecho de nuestra ecuación por 2j2j y distribuiremos nuestro signo negativo dentro de nuestro paréntesis. revela que tanto de cada sinusoidal existe en Analisis f(t). en Ecuación 3. llamada la ecuación de análisis. la cual construye nuestra función. cn=1T∫T0f(t)e−(jω0nt)dt . al combinar senosoldales. Encontré los coeficientes de Fourier de la siguiente ecuación: EXERCISE 4 f(t)={1 if |t|≤T0 otherwise SOLUTION Nosotros comenzaremos al reemplazar nuestra función. si cancelamos algunos términos llegaremos a nuestra respuesta final para los coeficientes de Fourier: Resumen: Ecuaciones de las Series de Fourier Nuestra primera ecuación es la ecuación de síntesis. recuerde que anteriormente definimos ω0=2πT.Aquí veremos un simple ejemplo que alo mas requiere el uso de Ecuación 3 para resolver los coeficientes de Fourier.

Introducción . si tenemos doble longitud. conocidos como. Por ejemplo. Como una constante N-cuadrado". un procedimiento con complejidad indicada dice que el tiempo tomado será proporcional a alguna cantidad de datos utilizados en el cálculo y en la cantidad demandada. Esta notación es leída "orden tiempo de la realización sea aproximadamente el cuadruple. cada multiplicación real-por-complejo 2N multiplicaciones para realizarse. pero a cuantos pasos son requeridos en cualquier cálculo. Si los datos son de valores complejos. debemos multiplicar cada valor de la señal por un número complejo y sumar los resultados. Donde. se vuelve equivalente a cuanto tiempo toma el cálculo (que tanto tiempo tenemos que esperar para una respuesta).N+1] en la DFT) pueden ser calculadas de los componentes de la frecuencia positiva correspondiente. Para cada frecuencia que elijamos. esta consideración traslada del número de pasos básicos de computación requeridos para realizar el proceso. Surgen tres preguntas. pero la complejidad permanece sin cambios. supongamos que queremos es la complejidad? SOLUTION K valores de fecuencias en lugar de N. es cuanto trabajo toma realizar la operación de procesamiento de señal como la filtración. asumimos que los datos son reales.supongamos que los datos son de valores complejos. y tomar el término dominante —aquí el término 4N2 —como reflejo de cuanto trabajo esta involucrado haciendo la computación. Sumando N números requiere N−1 sumas. Erika Jackson Based on: DFT: Fast Fourier Transform by Don Johnson Summary: La DFT puede ser reducida del tiempo exponencial con el algoritmo de la transformada rápida de Fourier. la complejidad es O(KN).. Constantemente. lo que significa que los componentes de las frecuencias negativas (k=[N2+1.. ¿Esta simetría cambia la complejidad de la Trasformada Directa de Fourier DFT? En segundo lugar.lo cual requiere de la retención de todos los datos. significa que tenemos En cálculos de la complejidad. Primero que nada. solo necesitamos la mitad del valor del espectro.la complejidad. debemos mantener la parte real y la imaginaria separadas. esperamos que el multiplicativa no importa ya que estamos haciendo una "proporcional" a la evaluación. El número de pasos. ¿Cúal es la complejidad de la DFT ahora? Finalmete. EXERCISE 1 Haciendo la evaluación de la complejidad para la DFT. Una edición que nunca se presenta en el "cálculo" análogo. Como tenemos N frecuencias. Para sumar los resultados juntos.. E-mail the authorTranslated By: Fara Meza. el número total de operaciones es N(4N−2). Así. Ahora podemos calcular el espectro de una señal arbitraria: La Transformada de Fourier Discreta (DFT) calcula el espectro en N frecuencias igualmente espaciadas de una longitud. En computación. considerar la formula para la transformada discreta de Fourier. el espectro de las señales tiene simetría conjugada. Para una señal valorada-real.encontramos que la DFT es unO(N2) procedimiento computacional. Cuando se requieren solamente K frecuencias. ¿Ahora cúal Cuando la señal es de valor real.como la realizada por un cirduito.Nsecuencias.DFT: Transformada Rápida de Fourier Module by: Don Johnson.. la complejidad es nuevamente la misma. La complejidad no esta atada a computadoras especificas o lenguajes de programación. solo tenemos que preocuparnos de que sucede cuando la longitud incrementa. pregunta menos importante pero interesante. cada frecuencia requiere2N+2(N−1)=4N−2 pasos básicos de realizar. requiere dos multiplicaciones reales.

NOTA: N=1millión es razonable. N N2 NlogN TABLA 1 Un algoritmo de O( 100 1000 106 100 104 106 1012 1 200 3000 6×106 10 109 1018 9×109 N=1millión=106. Comparación De la Velocidad ¿En cuánto es mejor O(NlogN) que O( N2)? Figura 1: Esta figura muestra que tan lento crece el tiempo de solución de un proceso de O(NlogN). NOTA: FFT + computación didigital fue completamente responsable de la "explosión" del Procesamiento Digital de Señales DSP en los años 60's. EJEMPLO 1 3×106 números por cada foto. el total de complejidad es O(NlogN). de la Universidad de Rice University siendo jefe del departamento de Ingenieria. Un algoritmo de O( NlogN) toma 6×106 procesos → 6 segundos. No hablaremos del actual algoritmo de la FFT aqui. Sea N2) toma 1012 procesos → 106 segundos ≃ 11.La Transformada Rápida de Fourier (Fast Fourier Transform) (FFT) es un algoritmo eficiente O(NlogN) para calcular la DFT    orignalmente descubierta por Gauss a primcipios de 1800 redescubierta por Cooley y Tukey en IBM durante 1960 C.S.O(NlogN) multiplicando la FFTs -. Digamos que tiene una maquina de 1 MFLOP (un millión de "puntos flotantes" de operacione spor segundo). La FFT explota las simetrias en la matriz W para aproximarse "divide y conquistaras".O(NlogN). literalmente "escribio el libro" de los algoritmos de la rápida Transformada Discreta de Fourier DFT. . veamos estas notas si usted esta interesado en leer mas a cerca de la idea detras de la FFT. Una camara digital de 3 megapixeles arroja Tomando la FFTs -.O(N) la inversa de FFTs -. Si resolvemos directamentef[n]⊛h[n] : O( N2) operaciones.5 días. Burrus. Así que para dos N secuencias de punto f[n] y h[n].

el número de veces que la longitud puede ser dividida por dos. multiplicar una de ellas por el exponencial complejo (complejidad O(N) ). pero el coeficente de proporcionalidad ha sido reducido. Esta descomposición continua hasta que nos quedamos con una transformada de longitud -2 . la complejidad de la FFT es O(NlogN) . La FFT simplemente reusa las soluciones hechas en la media-longitud de la transformada y las combina a través de sumas y multiplicaciones e−(j2πk)N . La media-longitud de la transformada es cada evaluación de los índices de frecuencia k∈{0. y sumar los resultados (complejidad O(N) ). Esta transformada es absolutamente simple. computaciones igual a Descomposición de la DFT de longitud-8 (a) . igual a log2N . involucrando solo sumas. ahora resolvemos dos transformadas de longitudes. La primera es una DFT de los elementos pares nuemrados. En este punto. Como se mantiene. La Figura 1 ilustra la descomposición. el total de complejidad sigue dominado por la mitadpor longitud de la calculación de DFT. dando un número total de 8N4=N2 . etc. La primer DFT es combinada con la segunda multiplicadno por el exponencial complejo e−(j2πk)N . Normalmente el número de indices de frecuencia del rango de una calculación de la DFT esta entre cero y la longitud de la transformación menos uno.asumimos que la duración de la señal es una potencia de dos: N=2l . Ahora para la diversión. cada una de las transformaciones de media-longitud puede ser reducida a una de dos cuartos- longitud.N2 (complejidad 2O(N24) ). Pares de estas transformadas son combinados suamando uno a otro multiplicado por el exponencial complejo. Ya que el número de etapas. Laventaja computacional de la FFT viene de reconocer la natulareza del periódo de la transformada discreta de Fourier. Por que N=2l .DERIVANDO LA TRANSFORMADA RAPIDA DE FOURIER Para derivar la FFT. Este número de computaciones no cambia de etapa a etapa.y la segunda es de los elementos impares numerados. cada una de estas en dos octavos-longitud. S(k)==s(0)+s(2)e(−j)2π2kN+…+s(N−2)e(−j)2π(N−2)kN+s(1)e(−j)2πkN+s(3)e(−j)2π×(2+1)kN+…+s(N−1)e(−j)2π(N−2+1)kNs(0)+s (2)e(−j)2πkN2+…+s(N−2)e(−j)2π(N2−1)kN2+⎛⎝⎜⎜⎜⎜s(1)+s(3)e(−j)2πkN2+…+s(N−1)e(−j)2π(N2−1)kN2⎞⎠⎟⎟⎟⎟e−(j2πk) N (1) Cada término en paréntesis al cuadrado tiene la forma de una longitud N2 de DFT.N−1} . Cada par requiere 4 sumas y 4 multiplicaciones. Considere que pasa a los elementos pares numerados y a los elemenots impares numerados de la solución de la secuencia en la DFT.…. Donde la primer etapa de la FFT tiene N2 transformadas de longitud-2 (vease la parte de abajo de la Figura 1). que no es periódica sobre N2 . para rescribir la longitud-N DFT.

Considerando la Figura 1 como el índice de frecuencia que va de 0 hasta 7. Veamos los detalles de la DFT de longitud-8. Mariposa . nos quedamos con el diagrama del panel inferior que representa la solución de la FFT de longitud-8. Examinando como los pares de salidas se recojen juntas. Cuando esta transformada de media-longitud esta completamente descompuesta. primero descomponemos la DFT en dos DFT de longitud-4. Como se muestra en la Figura 1. Haciendo un ejemplo haremos ahorros de procesos más obvios.Descomposición de la DFT de longitud-8 (b) Figura 1: La descomposición inicial de una longitud-8 DFT en términos usando índices pares e impares entradas marca la primera fase de convertirse en el algoritmo de la FFT.reciclamos valores de la DFT de longitud-4 para los calculos finales por la periódicidad de la salida de la DFT.con las salidas sumadas y restadas en pares. creamos los alementos computacionales básicos conocidos como una mariposa (Figura 2).

En teoria de números. El número 16 y 81 son altamente compuestos (iguales a 24 y 34 respectivamente). todos de los cuales hacen uso de cuantos factores tiene la transformada de longitud N. representados por a y b. Es tan effciente computacionalmente hablando como la transformada de longitud de potencia de dos es frecuentemente usada sin importar la longitud actual de los datos. llegamos al resumen del diagrama de la transformada rápida de Fourier de longitud-8 (Figura 1). Otros lagoritmos "rápidos" han sido descubiertos. a través de treinta años de desarrollo del algoritmo de la transformada de Fourier. el algoritmo original de Cooley-Tukey esta alejado de los usados con mas frecuancia.el número 18 es menor asi que ( 2132 ). y podemos reducir nuestro proceso en un futuro. ¿por que no?. haciendo el número de procesos básicos 3N2log2N como se predijo. Para descomposiciones posteriores las DFT de longitud-4 en las DFT de longitud-2 y combinando sus salidas. . Toma dos números complejos. ¿cómo esta determinado este orden? SOLUTION El panel de arriba no usa el algoritmo de FFT para procesar la DFT de longitud-4 mientras que el abajo si. el número de factores primos de un entero dado tiene medidas como compuesto es el.El orden es determinado por el algoritmo. vemos que las dos multiplicaciones complejas son relacionadas unas con otras. contemos ésos para los propósitos de evaluar la complejidad como el complejo se multiplica por completo. Tenemos N2=4 multiplicaciones complejas y y 2N=16 sumas para cada etapa log2N=3 etapas.Figura 2: Los elementos computacionales básicos de la transformada rápida de Fourier es la mariposa. Cada mariposa requiere una multiplicación compleja y dos sumas complejas. Aunque la multiplicación de los complejos es absolutamente simple (multiplicando por e−(jπ) significa partes negativas reales y partes imaginarias). y forma las cantidades mostradas . Considerando los procesos involucrando la salida de frecuencias comunes de la DFT de dos media-longitud. EXERCISE 1 Notese que el orden de la secuencia de entrada en dos partes de Figura 1 no estan absolutamente iguales. y el 17 no del todo (es primo).

La transformada de Fourier La transformada de Fourier se emplea con señales aperiódicas a diferencia de la serie de Fourier. Las condiciones para poder obtener la transformada de Fourier son (Condiciones de Dirichlet):  Que la señal sea absolutamente integrable. podemos calcular la transformada de Fourier de cualquier señal periódica x(t) de potencia media finita. Con la invención de la función delta(t) a principios de este siglo es posible calcular la transformada de Fourier de una señal periódica: Sabiendo que Y que la transformada de Fourier tiene la propiedad de dualidad: Obtenemos que De esta forma. y se define como: Y su antitransformada se define como: He mencionado al principio que la transformada de Fourier se usa con señales aperiódicas. esto es: . es decir:   Que tenga un grado de oscilación finito. Que tenga un número máximo de discontinuidades. La transformada de Fourier es una particularización de la transformada de Laplace con S=jw (siendo w=2*pi*f).

Ya que Luego para una x(t) periódica se cumple que: .

1.3.43.9.0 59.3 0.730.

769.

956:18:010..9: #.730.16:5.9.:4. 9456064693610.796769065.0 5 6465..065:.065::    50 3036:13..1 :636.31679.5163.3.0647..5.9.1.3.6.': 5 7960145.3. 9456 1645..9.8 3.45.9 646.6.56.9....:6:/ :4.16.546:43..46:.05163.9.5.: 65:.065:9.730.9.064731. :06:19.33. 0.:7.3: :50.546:9050.: &4.730. .60647..5.065.9.46:83. 43.6915.150945.365.564769.064736 98916:43...3 :.64.3.5.0 5 5065.4.936:9:3.3.05165.9..0 5:3 1.5.56309.6: 1/46: 4..8.93.8:.5165 496:989 989     7...546:879607.9.9050.: 35 496..065:7.6:.7.1./.593.5.

0699:76515..' 715:90.9:795.:9050.5..5:4.50 51.0 513.9:.69..:13.9 .4.17. 5.90..9050..30.1794.5.:446:836:1.064731.9613.6::651.9..065.9.3699..:5.456:4769. 0.3.3:.064731.:53.1699' 5:5163..3:1.1.369:064736: 360.96 7963.064731.9.398913.836:0647655.113.76:.3.: #949685.6: 3.3.4/.:4..45. .6::659.1.3.47613.7964.0 .0 5:.3 :3.46:3.064731.: .:: .5163.064731.45.19.3 :63650:.303..: 3. :765.113.:694.369:064736:T .3: &95.7965.9 :765.1...369:1050.46:88946:.546:16/3365.96100 5 .616:36:1.1:5.:    (53. T:.1.'9.46:836:1.3.4:4.4/6: &36:1..91T69..9050. 368:50.1:    5.34.:136:0647655.1973  #$ .1 $ &%  .9 ..45.516:9895 :63.064731.50:50.:13.36913:70.1. 795.'. 3 :70.113.064731.1 :79..46:83  .6: :651.16 651 :.3:3.0.' .05163.

'9.165394..4.61559. 9:6346:190.0 53.9:110658:.3.5:694.369.9.85..1..0090254/0 84:.9..6:36.1 "# 5433 5175.9.1699'  .5:694  ' :5.70.9.5.345.6:469" !36! 8"    :7.1:.'9..'..369.1 T50 5.1.090.8  .45.89.794076:1 91:0/9.55.9.9.46::.64.1.45.2:0897./3.  %  7960:6: :516:  2O3:9.::4.084/0 4   %  4                                ." !36! 7.345.5163.:.769663'25 19.0.::.:13.% 71.'736..:5161317.303.65..461" 4 .64.46:8.:. 7960:6:  :516:  1 .13( '64.5.'  O O O 647.7964..5:694.13..:09/633/96136: .:::.O3/0:3574.1.369.1699 .4. 3.9 71.3601.369.5.6:09.':.93.699'9.0.: !6.1.9:..30394.314.369.:56.:  5.73:.9.9.11%059:.0.:1679.461"  .:09.4.:53..59:1.4613.3.9..4605..769.2O3   5.996.1:7..46:13.1:0/9.  & 99: 13./3  !  5.97.065:769:516 &..' 695.946:13.

.

" !36!  43.730.':.5163.

.

59:." !  3.1':.

.

16::050." !36!  3. 6: :   .9:765:.6.3:&#536:.:175.6.1..9.613(3( & ' 0647.6.6 : 87.45.065:   5 496:7690...45.0 511.31& ..1:" !36!   % 3("  679./313.306473.736: 513#960:.31064731..

694..19.116: 65:1987.11' .6:7.36:345.16: 3.1567693 76550.1.16:.:..16.7949.:630 513.7949':064/5. 945657.6:7.9D #.365.:51.:5.41.93.:136:345.30647360   .9 5.9: 549.43.: .' .53.19.'  $  8 8  0    0   8 0  8   0      8  0   8  0      8  8  0         8   0      8 8 8   0     0  .53.I-@-.9:549.:51.:050.3:5.0 513.9: 549.0653.6:47.:47.50.'136:345.1.:446:83.19.9:549.76.30.16:13.16: .730.36:3456.::.15.9.

.1...113. ':47345.5.303.113..065.9.365.0 !694.5:694.5.365.0 5 456:56 .1699 .5:694.9..:53.9.9...3.0647.41..1.1379 1613.9:.5.':.::63065:0.0 513.3..139.345.313.0.3..5:694.1:09.:0.35 4961510:19050.'5190656093.1.90963.5615.

9.730.9:09/93.:6/9 7.065: 7690   856:79 5136: 510:19050..:064/5.365..1.5:694.1.113.365. :1:4.9.  <  10.:43..9.3.

9.:1365.69.9.3:.9:6346:16:.5:694.1.1:.!' .5  .5.1:06476:0 5 646:4.9.3.

. 064731..1   43.75.1   5:.1:1645.31.95.1.4.16: 064731..730.1796769065.:1691016   :4.6 3.3064736  365.133.936:9:3.113.31064731.1 064731.1.6.:769376550.0.0 51' 79630605.167693.303.

7.9.:.13.3. 69.5.19: 5 #698 0.065:141.5:694.9.1.

171:99101.116:0.9..6:.365.5.

365..1 0..1:.5.:516:60.1.6:.

9..856:81..:..1 365.5.1..46:0655.1 .1.0 :.365.5:694.1:06476:0 5065.

9./:63.7..: 6513.5:694.1.13.5.5:694.:.' .516:636:4.9..1.:1365.:473 56309.7949.45...1. :.

16::..::65064/5.51655 496.1..9989:4.9:1:.1.9643.5 49610647.31 0647.4 3.3064736 .7. .4/.:43.516 56.:.065:.113.9.6.365.6.7..3.7.. :.7.7.065:560.3./.': 4    ¾n¯½¾n° f@ °–  %f%  .4..9.730.065: 1. #..9..:3.835 4961..1.76916: .730. .: 35 4961 0:83.064731..16769376550.613.5:694.1.171:9111.

 ¾n¯½¾n° f@ °–  % %   –f f ¾n¯½¾n°°nf °f°– @ °x¯°¾¾f° ° n ¾ ½f ¾ ¯½f ¾ °f f¾¯fnff½¯ f€f¾  n° ¾  ° f–¯ f @ .

946:.1..f°  ¾ff°¾€¯f f ¯ f °–  ¾fn¯½ f¯ °  ¾n¯½ ¾f °¾ f¯¾n°  f–f¯f ½f° °€   ½ ¾ °ff ¾n° f@ °–   .051654736.'1365.6996:17960:6:4 :6/6: .46:36:1.33:13.

9.'516:'1365.5 3.1. 794961:06476546:3. 646:4:.9.

1.31.:57.9.9: 65:19. 0653..:9:.::.8..1.46:.'1365.06463 51019050.::4.1.:.369:13.1. 9003.516 3.

13.6:0647.9.3036:5.:.976:.113.' .345.3:7693.36:0.31.3: / :06:0656016:06465.4.9:1:.  .065.::90655.7.31.46:36:.: 09.45.f½¾f  ..516064636:7. 79 101. 9..

–f ¾  ¯ °¾n¯½fn°f ¾ h¾n¾ ff°¾€¯f fh½ f   ¾f¯f½¾f @¯f ¾°¯ ¾n¯½ ©¾  ½ ¾ °f ¾½f €¯ff¾ nf° f ¾¯¾f f¾ .

:0645:13.5163.:.51636:7960:6:56309.'116:41.19050.31.f f¯f½¾f   °f¯½nfn°n¯½ ©f ¾ ¾¯f¾n¯½ ©f¾  65:19.

9.969:3.:'1365.1 46:83.730.: 76146:91095:.967960:655.::6593.:5.9.1:06476:065: 76:.1.:0656.:16: 43.1.065.065:06473.365.96 #.

1.:'1365.53.

31.13.: 33.9.5:694.16991365.46:.1.064/5.9.1. .4.516:::.39:45131.9 71.

9.'1365.0.0 5136:064736::.461'7.46: :6:7..9.730.45.6 '546:43.:7.7..5.3:7..: 065.3: T769856 T0 46:. 9.5167690  :50..56:.:9..7.15. 4.99/.9.730.: .1.9./:63.1.065:06473.16:.7960:.7. 1. 583.::4.051635 49617960:6:/ :06:40646:7916  #$ 43.45.531.369.43.:5.945.:473 064731.:19..3.:050..730.:83691513.9.1.93.36:7967 :.:4.106463064736:43.93.6:1.5.6915 $ &%  37..9.9.730.56:. !6.3.9./:63..76906473..516:7.

1699 3.616 :7946 . :1.616:136:0..1365.45.16.69:.:8  35613.9.4613.1.369.15 496: 35 4961.96:3.6: 36915:1.1.9:70.5..369..6:3 35 496:65 .3:..5:694.69:7946:155.31663.0. ..1!  5. 35 496:4569.0.3.99633613.961.5:161:0/9.6: .9.5:694.46  ".46:9 716:.5411. 6:11:.:83.3:.:06460647:.6: .45.0647:.6:.53./.945.95.45.69.05:610.167693 .369.9..9.46695.69.

1.1.3136:1..6:               .:90.51606463.0..1.50..'2:.345.93.3.065.1365..0647. :..:..505.116:: 905.50.16136: :.9..45.5:694.../3.1176.16:0654.365.:54769.

379 10.1.169915...1699:65 651065:1903.:. 176. 76146:0..: 653.5.5:694.16.7.0065& :516 7  :150646   :.5:694.303.59.1.1950..1.50 513.550 513.03.55 4964 4611:065.1.9.5:694.1.9.76196/.1:  .  $3. .1..694.9.41.9.5.9.0 513. &./.5:694.93.1.13./04:707  .1.93.5:694.9.51.53.:91699 ..45.379 10.9.5:694.5.6: . . 795076:1:.9.9.065: .5:694.9.9.5:694.303./:63.: .593...1616:03. ..6  $.3:.:36:76:/30.9.389: .3:.:150646  45065.1699:5./3 :109 O  O O $.79 10.: .73. . :.169910.1.31.:0651065:7..3:.0 55..97.546:8  :.1.9.5.111.1   "/.5.1699::.5:694.1699:473.50./5168  83..379507683.79671.1699.381472...065: .79 10.

:04738    . .8  67.9. .5. 79 10.