Академический Документы
Профессиональный Документы
Культура Документы
Justin Romberg
Benjamin Fite
Translated By:
Fara Meza
Erika Jackson
Justin Romberg
Benjamin Fite
Empezaremos por refrescar su memoria sobre las ecuaciones básicas de las series de Fourier:
∞
X
f (t) = cn eiω0 nt (1)
n=−∞
Z T
1
cn = f (t) e−(iω0 nt) dt (2)
T 0
Deje F (·) describen la transformación de f (t) a los coecientes de Fourier
1 Linealidad
F (·) transformación linear.
es una
Theorem 1:
Si F (f (t)) = cn y F (g (t)) = dn . Entonces
http://cnx.org/content/m12897/1.2/
OpenStax-CNX module: m12897 2
y
F (f (t) + g (t)) = cn + dn
Proof:
Muy fácil, nada mas es la linealidad del integral.
R
T
F (f (t) + g (t)) = ∀n, n ∈ Z : (f (t) + g (t)) e−(iω0 nt) dt
0
R
T RT
= ∀n, n ∈ Z : T1 0 f (t) e−(iω0 nt) dt + T1 0 g (t) e−(iω0 nt) dt
(3)
= ∀n, n ∈ Z : (cn + dn )
= cn + d n
2 Desplazamiento
Desplazamiento en el tiempo es igual a un desplazamiento angular de los coecientes de Fourier
Theorem 2:
F (f (t − t0 )) = e−(iω0 nt0 ) cn si cn = |cn |ei∠(cn ) , entonces
∠ e−(iω0 t0 n) = ∠ (cn ) − ω0 t0 n
Proof:
R
1 T
F (f (t − t0 )) = ∀n, n ∈ Z : T f (t − t0 ) e−(iω0 nt) dt
R0
1 T −t0
= ∀n, n ∈ Z : f (t − t0 ) e−(iω0 n(t−t0 )) e−(iω0 nt0 ) dt
T −t0
R T −t ∼ − iω0 n∼t −(iω nt )
(4)
= ∀n, n ∈ Z : T1 −t0 0 f t e e 0 0
dt
∼
− iω0 n t
= ∀n, n ∈ Z : e cn
3 La Relación de Parseval
Z T ∞
X
2 2
(|f (t) |) dt = T (|cn |) (5)
0 n=−∞
La relación de Parseval nos permite calcular la engría de la señal de sus series de Fourier.
note: Parseval nos dice que las series de Fourier gracan mapsL2 ([0, T ]) a l2 (Z).
http://cnx.org/content/m12897/1.2/
OpenStax-CNX module: m12897 3
Figure 5
El radio de descomposición de una serie de fourier determina si f (t) tiene energía nita.
Ya que
∞
X
f (t) = cn eiω0 nt (7)
n=−∞
entonces
deiω0 nt
d
P∞
dt f (t) = n=−∞ cn dt
P∞ (8)
= n=−∞ c n iω0 neiω0 nt
Un diferenciador atenúa las frecuencias bajas f (t) y acentúa las frecuencias altas. Remueve rasgos
generales y acentúa áreas con variaciones básicas.
note: Una manera común para medir matemáticamente que la suavidad de la función f (t) es el
ver cuantas derivadas tienen energía nita.
Esto se hace al observar los coecientes de fourier de una señal, especícamente el que tan rápido se de-
scomponen
1 dm f (t) m
cuando n → ∞. Si F (f (t)) = cn y |cn | tiene la forma k , entonces F = (inω0 ) cn
n dtm
nm th
tiene la forma . Entonces para que la m derivada tenga energía nita, necesitamos
nk
X nm 2
| k| <∞
n
n
http://cnx.org/content/m12897/1.2/
OpenStax-CNX module: m12897 4
por lo tanto
nm
nk
se descompone mas rápido que 1
n lo cual implica que
2k − 2m > 1
o
2m + 1
k>
2
El radio de descomposición de las series de fourier determina la suavidad.
entonces Z t
1
F f (τ ) dτ = cn (10)
−∞ iω0 n
Integración acentúa frecuencias bajas y atenúa frecuencias altas. Integradores muestran las cosas gen-
erales de las señales y suprimen variaciones de corto plazo (lo cual es ruido en muchos casos). Integradores
son mejores que diferenciadores.
6 Multiplicación de Señales
Dado a una señal f (t)con coecientes de Fourier cn y una señal g (t) con coecientes dn , podemos denir
una nueva señal como, y (t),Pdonde y (t) = f (t) g (t). Descubrimos que la representación de series de Fourier
∞
de y (t), en , es tal que en = k=−∞ ck dn−k . Esto es para decir que la multiplicación de señales en el dominio
del tiempo es equivalente a la convolución discreta en el dominio de la frecuencia. La prueba es la siguiente
RT
en = 0
1
T f (t) g (t) e−(iω0 nt) dt
R T P∞
= 0
1
T k=−∞ ck eiω0 kt g (t) e−(iω0 nt) dt
(11)
1 T
P∞ R −(iω0 (n−k)t)
= k=−∞ ck T 0 g (t) e dt
P∞
= k=−∞ ck dn−k
http://cnx.org/content/m12897/1.2/
OpenStax-CNX module: m12897 5
http://cnx.org/content/m12897/1.2/