Analisis de Fourier Con Mathematica

Analisis de Fourier con
Mathemática
Alejandro Hayes
2009
Análisis de Fourier con Mathemática 2008
Índice
1. Introducción y algunas funciones de interes..............................................................................3

1.1.Función Escalón Unitario....................................................................................................3
Función Impulso Unitario.........................................................................................................3
2. Series de Fourier.....................................................................................................................4
2.1.Funciones Ortogonales y Ortonormales................................................................... ...........4
2.2.Base Ortonormal...............................................................................................................4
2.3.Serie Trigonometrica de Fourier……………………………………………….........................................5
2.4.Serie Exponencial de Fourier..............................................................................................7
2.4.1.Espectros Discretos de la Serie Trigonometrica de Fourier……............................................7
3. Transformada de Fourier........................................................................................................16
4.Aplicacion a la resolucion de problemas de valores en la frontra….…..…….……………...………...….....17
5.Referencias………………..……………………………………………………………………………………………….……….19
Mathemática Página 1 de 20 Alejandro Hayes


Análisis de Fourier con Mathemática
1. Introducción y algunas funciones de interés.
El análisis de Fourier constituye una herramienta fundamental tanto para el análisis de señales como
para el estudio de los problemas de contorno y por eso este curso se propone dar una noción del uso
del programa Mathemática para la resolución de problemas relacionados al análisis de Fourier.
El presente curso supone por parte del lector un manejo de las funciones básicas del programa
Mathemática por lo que solo se hará hincapié en las funciones q hacen al manejo de la series y
transformadas de Fourier.
1.1. Función escalón unitario
La función escalón unitario se define como:
⎧1 t > 0
u( t ) = ⎨ 1.1
⎩0 t < 0
u
Figura 1
La figura 1 muestra una representación de esta función. Una ventaja importante es el poder escribir
funciones partidas en una única expresión lo que permite aplicar los comandos de Mathemática con
mayor facilidad. Mostraremos ejemplos al final de esta sección.
1.2. Función Impulso unitario
La función impuso unitario o Delta de Dirac se define como:
⎧1 t = 0
δ(t ) = ⎨ 1.2
⎩0 t ≠ 0

Figura 2
Mathematica cuenta con dos comandos para definir estas funciones. La Tabla 1 lista estas funciones.
UnitStep[t] Nos da la función escalón unitario con el

argumento correspondiente.
DiracDelta[t] Nos da la función impulso unitario con el
argumento correspondiente.
Tabla 1
2. Series de Fourier.
2.1. Funciones ortogonales y ortonormales

b
f y g son ortogonales ⇔ < f , g > = 0 ⇔ ∫ f(x).g(x)dx
a
=0
f y g son ortonormales ⇔ < f , g > = 0 ∧ f =1 ∧ g =1
2.2. Base ortonormal

Sea B una base de un espacio vectorial. Se dice que B es ortonormal ⇔ ∀ f , g ∈ B: f y g son
ortonormales.
Definición:
b
B = { ϕn (x) :n ≥ 1 } es base ortonormal de F ⇔ ∫
a
ϕi (x) ϕj (x) dx = δ ij
Si tenemos una base ortonormal, toda función de F se puede escribir: f(x) = ∑k ϕ ( x )

n =1
n n
a esta expresión se la conoce como Serie de Fourier.

2.3. Serie Trigonométrica de Fourier.
Un caso particular de Serie de Fourier, es considerar una base ortonormal de funciones

trigonométricas:
1 cos nx sen nx
B={ , , n≥1 }
2π π π
Ejercicio 2.1.1:
Verificar con Mathemática que la base B es ortonormal
f[t_]=1/Sqrt[2 Pi]
è!!!!!!!
1
2π
g[t_,n_]=Sin[n t]/Sqrt[ Pi]

Sin@n tD
è!!!!
π
h[t_,m_]=Cos[m t]/Sqrt[ Pi]

Cos@m tD
è!!!!
π
ProdInt1=Integrate[f[t] f[t],{t,0,2 Pi}]

1
ProdInt2=Integrate[f[t] g[t,n],{t,0,2 Pi}]

è!!!!
2 Sin@n π D2
nπ
ProdInt3=Integrate[f[t] h[t,m],{t,0,2 Pi}]
Sin@2 m π D
è!!!
2! m π
ProdInt4=Integrate[g[t,n] g[t,m],{t,0,2 Pi}]//Simplify
n Cos@2 n π D Sin@2 m π D − m Cos@2 m π D Sin@2 n π D
Hm2 − n2L π
ProdInt5=Integrate[h[t,n] h[t,m],{t,0,2 Pi}]//Simplify

m Cos@2 n π D Sin@2 m π D − n Cos@2 m π D Sin@2 n π D
Hm2 − n2L π
ProdInt6=Integrate[h[t,n] h[t,n],{t,0,2 Pi}]//Simplify

Sin@4 n π D
1+
4nπ
ProdInt7=Integrate[g[t,n] g[t,n],{t,0,2 Pi}]//Simplify
Sin@4 n π D
1−
4nπ
Observemos que al trabajar en forma simbólica Mathemática asume que n es un parámetro pero no
sabe si es un número entero o no por lo que no tiene manera de terminar las cuentas. La serie
Trigonométrica de Fourier puede escribirse de dos formas diferentes como lo muestran las
expresiones 2.1.1 y 2.1.2 , a la expresión 2.1.2 se la llama habitualmente forma de laboratorio.
∑
a0
S( x ) = + an cos nx + bn sen nx 2.1.1
2 n =1
∑
a0
S( x ) = + cn cos ( nx + ϕ n ) 2.1.2
2 n =1
Descuidando algunos detalles sobre la teoría matemática de las series de Fourier si la serie converge a
una función periódica f de periodo 2π podemos escribir:
∑
a0
f(x)= + an cos nx + bn sen nx 2.1.3
2 n =1
∑
a0
f(x)= + cn cos ( nx + ϕ n ) 2.1.4
2 n =1
Donde:
∫ π f ( x ) dx
a0 1
= 2.1.5
2 2π 2
∫ f ( x ) cos nx dx
1
an = 2.1.6
π
2π
∫ f ( x ) sen nx dx
1
bn = 2.1.7
π
2π
cn = an 2 + bn 2 2.1.8

bn
ϕ n = arctg 2.1.9
an
En general si la función es periódica de periodo T las expresiones pasan a ser
∞
2π 2π
∑
a0
f(x)= + an cos nx + bn sen nx 2.1.10
2 n =1 T T
∞
2π
∑
a0
f(x)= + cn cos ( nx + ϕ n ) 2.1.11
2 n =1 T
Donde:
∫
a0 1
= f ( x ) dx 2.1.12
2 T T
2π
∫ f ( x ) cos T
2
an = nx dx 2.1.13
T
T
2π
∫ f ( x ) sen T
2
bn = nx dx 2.1.14
T
T
2.4. Serie Exponencial de Fourier.
La llamada forma exponencial de la serie de Fourier resulta muy práctica toda vez q se desee graficar
los espectros de frecuencia y entre otras tantas aplicaciones. La forma exponencial de la serie de
Fourier para una función periódica de periodo T esta dada por:
+∞ 2π
−
∑
nx
f(x)= cn e T 2.2.1
−∞
Donde.
2π
−
∫
1 nt
cn = f ( t )e T dt 2.2.2
T
T

2.4.1. Espectros Discretos de la Serie Trigonométrica de Fourier
2π
Se llaman así a las representaciones de los an y bn en función de n o de n si se trata de la serie
T
trigonométrica y de cn o cn y ϕ n en el caso de las formas de laboratorio y exponencial
respectivamente. En este último caso a dichos espectros se los llama espectro de amplitud y fase.
Cn ϕn
40
35
0.25
30
0.2
25
0.15 20
15
0.1
10
0.05
5
n n
2 4 6 8 10 2 4 6 8 10
Figura 1
Pese a que matemática cuenta con estas funciones en muchos casos se hace conveniente calcular los
coeficientes por integración ya q de esa forma el cálculo es mucho mas personalizado. Veamos
algunos ejemplos.
Ejercicio 2.1.2:
Desarrollar en serie trigonométrica de Fourier las siguientes funciones y graficar las funciones
originales y hasta 10 términos de la serie asociada. Graficar además los espectros.
⎧ 1 0≤t ≤1
⎪ ⎧⎪ t 2 0 ≤ t ≤ 1
a) f ( t ) = ⎨− 1 1 ≤ t ≤ 2 b) f ( t ) = ⎨
⎪ f (t ) = f (t + 2) ⎪⎩ f ( t ) = f ( t + 1 )
⎩
a)
f[t_]=UnitStep[t]-2 UnitStep[t-1]+UnitStep[t-2];
P1=Plot[f[t],{t,0,2.2},PlotStyle→RGBColor[1,0,0],AxesLabel→{t,f}];

f
1
0.5
t
0.5 1 1.5 2
-0.5
-1
‡ f@tD t
ao 1 2
=
2 2 0
0
a@n_D = ‡ f@tD CosA n tE t êê Simplify
2 2 2π
2 0 2
2 Sin @n πD − Sin @2 n πD
nπ
b@n_D = ‡ f@tD SinA n tE t êê Simplify

2 2 2π
2 0 2
4 Cos @n πD Sin A n π E2
2
−
nπ
S5@t_D = ‚ b@kD Sin@π k tD

5
k=1
4 Sin @π tD 4 Sin @3 π tD 4 Sin @5 π tD

+ +
π 3π 5π
P2=Plot[S5[t],{t,0,2.2}];
Show[P1,P2];
0.5
t
0.5 1 1.5 2
-0.5
-1


10
4 Sin @π tD 4 Sin @3 π tD 4 Sin @5 π tD 4 Sin @7 π tD 4 Sin @9 π tD

k=1
+ + + +
π 3π 5π 7π 9π
P3=Plot[S10[t],{t,0,2.2}];
Show[P1,P3];
0.5
t
0.5 1 1.5 2
-0.5
-1

50
k=1
4 Sin @π tD 4 Sin @3 π tD 4 Sin @5 π tD 4 Sin @7 π tD 4 Sin @9 π tD 4 Sin @11 π tD 4 Sin @13 π tD 4 Sin @15 π tD 4 Sin @17 π tD
+ + + + + + + + +
4 Sin @19 π tD 4 Sin @21 π tD 4 Sin @23 π tD 4 Sin @25 π tD 4 Sin @27 π tD 4 Sin @29 π tD 4 Sin @31 π tD 4 Sin @33 π tD
π 3π 5π 7π 9π 11 π 13 π 15 π 17 π
+ + + + + + + +
4 Sin @35 π tD 4 Sin @37 π tD 4 Sin @39 π tD 4 Sin @41 π tD 4 Sin @43 π tD 4 Sin @45 π tD 4 Sin @47 π tD 4 Sin @49 π tD
19 π 21 π 23 π 25 π 27 π 29 π 31 π 33 π
+ + + + + + +
35 π 37 π 39 π 41 π 43 π 45 π 47 π 49 π
P4=Plot[S50[t],{t,0,2.2}];
Show[P1,P4];
0.5
t
0.5 1 1.5 2
-0.5
-1
Lista=Table[{n,b[n]},{n,1,10}]
991, =,82,0<,93, =,84,0<,95, =,86,0<, 97, =,88,0<, 99, =,810,0<=

4 4 4 4 4
π 3π 5π 7π 9π

ListPlot[Lista,PlotStyle→PointSize[0.02],PlotRange→{{0,11},{0,1.5}},AxesLab
el→{n,bn}];
bn
1.4
1.2
1
0.8
0.6
0.4
0.2
n
2 4 6 8 10
b)
f[t_]=t^2;
P1=Plot[f[t],{t,0,1},PlotStyle→RGBColor[1,0,0],AxesLabel→{t,f}];
f
1
0.8
0.6
0.4
0.2
t
0.2 0.4 0.6 0.8 1
f@tD t
1 ‡0
ao 1 1
=
2
1
3
a@n_D = ‡ f@tD Cos@2 π n tD t êê Simplify

2 1
1 0
2 n π Cos @2 n πD + H− 1 + 2 n2 π2L Sin @2 n πD

2 n3 π 3
b@n_D = ‡ f@tD Sin@2 π n tD t êê Simplify

2 1
1 0

− 1 + H1 − 2 n2 π2L Cos @2 n πD + 2 n π Sin @2 n πD

2 n3 π 3
S5@t_D = + ‚ Ha@kD Cos@2 π k tD + b@kD Sin@2 π k tDL êê Simplify

5
1
3 k=1
H1200 π2 + 3600 Cos@2 π tD +900 Cos@4 π tD +400 Cos@6 π tD + 225 Cos@8 π tD+
1
144 Cos@10 π tD −3600 π Sin@2 π tD − 1800 π Sin@4 π tD− 1200 π Sin@6 π tD− 900 π Sin@8 π tD −720 π Sin@10 π tDL
3600 π2
P2=Plot[S5[t],{t,0,1}];
Show[P1,P2];
f
1
0.8
0.6
0.4
0.2
t
0.2 0.4 0.6 0.8 1

10
1
3 k=1
1 Cos @2 π tD Cos @4 π tD Cos @6 π tD Cos @8 π tD Cos @10 π tD Cos @12 π tD

+ + + + + + +
Cos @14 π tD Cos @16 π tD Cos @18 π tD Cos @20 π tD Sin @2 π tD Sin @4 π tD Sin @6 π tD
3 π2 4 π2 9 π2 16 π2 25 π2 36 π2
+ + + − − − −
Sin @8 π tD Sin @10 π tD Sin @12 π tD Sin @14 π tD Sin @16 π tD Sin @18 π tD Sin @20 π tD
49 π2 64 π2 81 π2 100 π2 π 2π 3π
− − − − − −
4π 5π 6π 7π 8π 9π 10 π
P3=Plot[S10[t],{t,0,1}];
Show[P1,P3];

f
1
0.8
0.6
0.4
0.2
t
0.2 0.4 0.6 0.8 1

50
1
3 k=1
1 Cos @2 π tD Cos @4 π tD Cos @6 π tD Cos @8 π tD Cos @10 π tD Cos @12 π tD Cos @14 π tD Cos @16 π tD Cos @18 π tD
+ + + + + + + + + +
Cos @20 π tD Cos @22 π tD Cos @24 π tD Cos @26 π tD Cos @28 π tD Cos @30 π tD Cos @32 π tD Cos @34 π tD Cos @36 π tD
3 π2 4 π2 9 π2 16 π2 25 π2 36 π2 49 π2 64 π2 81 π2
+ + + + + + + + +
100 π2 121 π2 144 π2 169 π2 196 π2 225 π2 256 π2 289 π2 324 π2
+ + + + + + + + +
361 π2 400 π2 441 π2 484 π2 529 π2 576 π2 625 π2 676 π2 729 π2
+ + + + + + + + +
784 π2 841 π 2 900 π2 961 π2 1024 π2 1089 π2 1156 π2 1225 π2 1296 π2
+ + + + + + + + +
Cos @92 π tD Cos @94 π tD Cos @96 π tD Cos @98 π tD Cos @100 π tD Sin @2 π tD Sin @4 π tD Sin @6 π tD Sin @8 π tD Sin @10 π tD
1369 π2 1444 π2 1521 π2 1600 π2 1681 π2 1764 π2 1849 π2 1936 π2 2025 π2
+ + + + − − − − − −
Sin @12 π tD Sin @14 π tD Sin @16 π tD Sin @18 π tD Sin @20 π tD Sin @22 π tD Sin @24 π tD Sin @26 π tD Sin @28 π tD
2116 π2 2209 π2 2304 π2 2401 π2 2500 π2 π 2π 3π 4π 5π
− − − − − − − − −
6π 7π 8π 9π 10 π 11 π 12 π 13 π 14 π
− − − − − − − − −
15 π 16 π 17 π 18 π 19 π 20 π 21 π 22 π 23 π
− − − − − − − − −
24 π 25 π 26 π 27 π 28 π 29 π 30 π 31 π 32 π
− − − − − − − − −
33 π 34 π 35 π 36 π 37 π 38 π 39 π 40 π 41 π
− − − − − − − −
42 π 43 π 44 π 45 π 46 π 47 π 48 π 49 π 50 π
P4=Plot[S50[t],{t,0,1}];
Show[P1,P4];
f
0.8
0.6
0.4
0.2
t
0.2 0.4 0.6 0.8 1
Lista1=Table[{n,a[n]},{n,1,10}]
991, 2 =, 92, =, 93, =, 94, =, 95, =, 96, =, 97, =, 98, =, 99, =, 910, ==
1 1 1 1 1 1 1 1 1 1
π 4 π2 9 π2 16 π2 25 π2 36 π2 49 π2 64 π2 81 π2 100 π2

Lista2=Table[{n,b[n]},{n,1,10}]
991,− =,92,− =,93, − =,94,− =,95, − =,96,− =,97,− =,98, − =, 99,− =,910,− ==
1 1 1 1 1 1 1 1 1 1
π 2π 3π 4π 5π 6π 7π 8π 9π 10π
ListPlot[Lista1,PlotStyle→PointSize[0.02],PlotRange→{{0,11},{0,0.2}},AxesLa
bel→{n,an}];
an
0.2
0.15
0.1
0.05
n
2 4 6 8 10
ListPlot[Lista2,PlotStyle→PointSize[0.02],PlotRange→{{0,11},{-
0.1,0}},AxesLabel→{n,bn}];
bn
n
2 4 6 8 10
-0.02
-0.04
-0.06
-0.08
-0.1
Ejercicio 2.1.3:
Desarrollar en serie exponencial de Fourier para la función b) del ejercicio 2.1.2. Graficar además los
espectros de amplitud y fase.
f[t_]=t^2;
P1=Plot[f[t],{t,0,1},PlotStyle→RGBColor[1,0,0],AxesLabel→{t,f}];

f
1
0.8
0.6
0.4
0.2
t
0.2 0.4 0.6 0.8 1
c@n_D = ‡ f@tD Exp@− 2 Pi I n tD t êê Simplify

1
−2 nπ H− + 2 nπ +2 nπ+2 n2 π2 L
4 n3 π3
Coeff[n_]=ComplexExpand[c[n]]
Cos @2 n πD Sin @2 n πD Sin @2 n πD i Cos@2 n πD Cos@2 n πD Cos @2 n πD2 Sin@2 n πD Sin @2 n πD2 y
+ j
j− z
z
k 4 n3 π3 {
− + + + − +
2n π
2 2 4n π
3 3 2nπ 4 n3 π3 2nπ 4 n3 π3 2 n2 π2
CoeffSimp@n_D =
1 1
+I
2 n2 π2 2nπ
1
+
2 n2 π2 2nπ
A@n_D = SqrtAJ N ^2 + J N ^ 2E êê Simplify

1 1
2 n2 π2 2nπ
$%%%%%%%%%%%%%%%%%%%%
1 + π 2
4 n 2 n
2 π2
M[n_]= ArcTan[n Pi]
ArcTan[n π]
Lista1=Table[{n,A[n]},{n,1,10}]
è!!!!!!!!!!!!!
! $%%%%%%%%%%%%%%%%%%%% $%%%%%%%%%%%%%%%%%%%% $%%%%%%%%%%%%%%%%%%%%%% $%%%%%%%%%%%%%%%%%%%%%
1 + π %
1 + π 2 1 + π 2 1 + π 2 2
991, =, 92, =, 93, =, 94, =, 95, =,

1 + π2 16 4 81 9 256 16 625 25
2 π2 2 π2 2 π2 2 π2 2 π2
$%%%%%%%%%%%%%%%%%%%%%%%% $%%%%%%%%%%%%%%%%%%%%%%%% $%%%%%%%%%%%%%%%%%%%%%%%

+ π % $%%%%%%%%%%%%%%%%%%%%%%%
+ π % $%%%%%%%%%%%%%%%%%%%%%%%%%%%
+ π %
2 2 2 2 2
+ π + π
96, =, 97, =, 98, =, 99, =, 910, ==
1 1 1 1 1
1296 36 2401 49 4096 64 6561 81 10000 100
2 π2 2 π2 2 π2 2 π2 2 π2
Lista2=Table[{n,M[n]},{n,1,10}]

{{1,ArcTan[π]},{2,ArcTan[2 π]},{3,ArcTan[3 π]},{4,ArcTan[4 π]},{5,ArcTan[5

π]},{6,ArcTan[6 π]},{7,ArcTan[7 π]},{8,ArcTan[8 π]},{9,ArcTan[9
π]},{10,ArcTan[10 π]}}
bel→{n,Modulo}];
Modulo
0.2
0.15
0.1
0.05
n
2 4 6 8 10
bel→{n,Fase}];
Fase
1.75
1.5
1.25
1
0.75
0.5
0.25
n
2 4 6 8 10
3. Transformadas de Fourier.
Recordando un poco la definición de las transformadas de Fourier recordamos las formulas 3.1 y 3.2
+∞
∫ f ( t )e
− jωt
F( ω ) = dt 3.1
−∞
+∞
∫ F( ω ) e
1 jωt
f (t ) = dω 3.2
2π
−∞
Ejemplo 3.1:
Hallar la Transformada de Fourier del siguiente pulso rectangular:
⎧⎪1 t ≤a
f (t ) = ⎨
⎪⎩0 t >a

f[t_]=UnitStep[t+2]-UnitStep[t-2];
F[w_]=Integrate[f[t] Exp[-I w t],{t,-Infinity,+Infinity}]//Together
4 Cos @wD Sin @wD

w
Plot[f[t],{t,-5,5},AxesLabel→{t,f},PlotRange→{{-4,4},{0,2}}];
f
2
1.75
1.5
1.25
1
0.75
0.5
0.25
t
-4 -3 -2 -1 1 2 3 4
Plot[F[w],{w,-4 Pi,4 Pi},AxesLabel→{w,F},PlotRange→All];

F
4
w
-10 -5 5 10
4. Aplicación a la resolución de problemas de valores en la

frontera.
Una de las aplicaciones que le da gran utilidad tanto a las series como a las transformadas de Fourier
es la resolución de problemas de contorno que involucran ecuaciones en derivadas parciales. Veremos
algunos ejemplos en esta sección.
Ejemplo 5.1
∂ 2u( x , y ) ∂ 2 u( x , y )
Resolver el siguiente problema de contorno: + = 0 con u( 0 , y ) = u( 1, y ) = 0
∂x 2 ∂y 2
u( x ,0 ) = 10 , u( x ,1 ) = 0 .

Mathematica no cuenta con ninguna función especifica para la resolución de problemas de contorno
por lo q lo utilizaremos para auxiliarnos en la resolución del problema.
Para resolver el problema usamos el método de separación de variables es decir escribimos a la

solución de la forma:
u( x , y ) = X ( x ) Y ( y )
Reemplazando en la ecuación obtenemos la siguiente ecuación:
X ' ' ( x ) Y' ' ( y )

+ =0
X( x ) Y( y )
Luego obtenemos el siguiente par de ecuaciones:
X' ' ( x ) + a2 X ( x ) = 0
Y ' ' ( y ) − a 2Y ( y ) = 0
ec1=X''[x]+a^2 X[x] 0;
DSolve[{ec1,X[0] 0},X[x],x]
{{X[x]→C[2] Sin[a x]}}
Reduce[Sin[a] 0,a]
C[1]∈Integers&&(a 2 π C[1]||a π+2 π C[1])
X[x_]= k 1Sin[π n x];
ec2=Y''[y]-a^2 Y[y] 0;
DSolve[{ec2,Y[1] 0},Y[y],y]//Expand
88Y@yD → − − 2 a− a y H− 2 a + 2 a y L C@2D<<
Y[y_]=Exp[- n π] Sinh[ n π(y-1)];
un[x_,y_]=Exp[- n π]Sin[π n x] Sinh[2 n π (y-1)];
v[x_]=un[x,0]
− −n π Sin @n π xD Sinh @2 n πD
c[n_]=Integrate[10 Sin[n π x],{x,0,1}]
10 H−1 + Cos @n πDL

−
10 HH− 1L ^ n − 1L
nπ
u10@x_, y_D = ‚ − Sin@n π xD Sinh@2 n π Hy − 1LD

10
n=1
nπ

20 Sin @π xD Sinh @2 π H− 1 + yLD 20 Sin @3 π xD Sinh @6 π H−1 + yLD

+ +
4 Sin @5 π xD Sinh @10 π H− 1 + yLD 20 Sin @7 π xD Sinh @14 π H−1 + yLD 20 Sin @9 π xD Sinh @18 π H− 1 + yLD
π 3π
+ +
π 7π 9π
Plot3D[u10[x,y],{x,0,0.5},{y,0,0.1},PlotRange→All,ViewPoint->{2.003, -
1.911, 1.945},AxesLabel→{x,y,u}];
1× 1024
0
u
0 -1× 1024
0.1
0.075
0.2
0.05
x y
0.4 0.025
ContourPlot[u10[x,y],{x,0,5},{y,0,0.1}];
0.1
0.08
0.06
0.04
0.02
0
0 1 2 3 4 5
5. Referencias
[1] Spiegel Murray, “Análisis de Fourier”, Mc. Graw Hill , 1995

[2] O’ Neil “Matemáticas Avanzadas para Ingeniería” Quinta Edición. Thompson 2004.
[3] James “Matemáticas Avanzadas para Ingenieria” Segunda Edición Pearsons 2002
[4] Castillo Enrique “Mathematica” Tercera edicion Paraninfo 1995


Analisis de Fourier Con Mathematica

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Analisis de Fourier Con Mathematica

Загружено:

Авторское право:

Доступные форматы

Analisis de Fourier con

1. Introducción y algunas funciones de interes..............................................................................3

Mathemática Página 1 de 20 Alejandro Hayes

Mathemática Página 2 de 20 Alejandro Hayes

Análisis de Fourier con Mathemática

1. Introducción y algunas funciones de interés.

1.1. Función escalón unitario

La función escalón unitario se define como:

1.2. Función Impulso unitario

La función impuso unitario o Delta de Dirac se define como:

Mathemática Página 3 de 20 Alejandro Hayes

UnitStep[t] Nos da la función escalón unitario con el

2.1. Funciones ortogonales y ortonormales

f y g son ortonormales ⇔ < f , g > = 0 ∧ f =1 ∧ g =1

2.2. Base ortonormal

Si tenemos una base ortonormal, toda función de F se puede escribir: f(x) = ∑k ϕ ( x )

a esta expresión se la conoce como Serie de Fourier.

Mathemática Página 4 de 20 Alejandro Hayes

2.3. Serie Trigonométrica de Fourier.

Un caso particular de Serie de Fourier, es considerar una base ortonormal de funciones

Verificar con Mathemática que la base B es ortonormal

g[t_,n_]=Sin[n t]/Sqrt[ Pi]

h[t_,m_]=Cos[m t]/Sqrt[ Pi]

ProdInt1=Integrate[f[t] f[t],{t,0,2 Pi}]

ProdInt2=Integrate[f[t] g[t,n],{t,0,2 Pi}]

ProdInt5=Integrate[h[t,n] h[t,m],{t,0,2 Pi}]//Simplify

ProdInt6=Integrate[h[t,n] h[t,n],{t,0,2 Pi}]//Simplify

Mathemática Página 5 de 20 Alejandro Hayes

Mathemática Página 6 de 20 Alejandro Hayes

En general si la función es periódica de periodo T las expresiones pasan a ser

2.4. Serie Exponencial de Fourier.

Mathemática Página 7 de 20 Alejandro Hayes

2.4.1. Espectros Discretos de la Serie Trigonométrica de Fourier

Mathemática Página 8 de 20 Alejandro Hayes

b@n_D = ‡ f@tD SinA n tE t êê Simplify

S5@t_D = ‚ b@kD Sin@π k tD

4 Sin @π tD 4 Sin @3 π tD 4 Sin @5 π tD

Mathemática Página 9 de 20 Alejandro Hayes

S10@t_D = ‚ b@kD Sin@π k tD

4 Sin @π tD 4 Sin @3 π tD 4 Sin @5 π tD 4 Sin @7 π tD 4 Sin @9 π tD

S50@t_D = ‚ b@kD Sin@π k tD

991, =,82,0<,93, =,84,0<,95, =,86,0<, 97, =,88,0<, 99, =,810,0<=

Mathemática Página 10 de 20 Alejandro Hayes

a@n_D = ‡ f@tD Cos@2 π n tD t êê Simplify

2 n π Cos @2 n πD + H− 1 + 2 n2 π2L Sin @2 n πD

b@n_D = ‡ f@tD Sin@2 π n tD t êê Simplify

Mathemática Página 11 de 20 Alejandro Hayes

− 1 + H1 − 2 n2 π2L Cos @2 n πD + 2 n π Sin @2 n πD

S5@t_D = + ‚ Ha@kD Cos@2 π k tD + b@kD Sin@2 π k tDL êê Simplify

S10@t_D = + ‚ Ha@kD Cos@2 π k tD + b@kD Sin@2 π k tDL êê Simplify

1 Cos @2 π tD Cos @4 π tD Cos @6 π tD Cos @8 π tD Cos @10 π tD Cos @12 π tD

Mathemática Página 12 de 20 Alejandro Hayes

S50@t_D = + ‚ Ha@kD Cos@2 π k tD + b@kD Sin@2 π k tDL êê Simplify

Mathemática Página 13 de 20 Alejandro Hayes

Mathemática Página 14 de 20 Alejandro Hayes

c@n_D = ‡ f@tD Exp@− 2 Pi I n tD t êê Simplify

A@n_D = SqrtAJ N ^2 + J N ^ 2E êê Simplify

991, =, 92, =, 93, =, 94, =, 95, =,

$%%%%%%%%%%%%%%%%%%%%%%%% $%%%%%%%%%%%%%%%%%%%%%%%% $%%%%%%%%%%%%%%%%%%%%%%%

Mathemática Página 15 de 20 Alejandro Hayes

{{1,ArcTan[π]},{2,ArcTan[2 π]},{3,ArcTan[3 π]},{4,ArcTan[4 π]},{5,ArcTan[5

Hallar la Transformada de Fourier del siguiente pulso rectangular:

Mathemática Página 16 de 20 Alejandro Hayes

4 Cos @wD Sin @wD