“Año de la consolidación del mar de Grau”
Universidad nacional San Luis Gonzaga de Ica
Facultad de ingeniería pesquera y de alimentos
Escuela de ingeniería Pesquera
Ciclo: IV - 2017
Curso: Análisis Matemático II
Tema : Análisis De Fourier
Apellidos y Nombres:
Castilla Avalos Cristopher Felipe
Fecha de Entrega: 19 - 12 -17
Perú – Ica
2017
INTRODUCCIÓN
En matemáticas, el análisis armónico o análisis de Fourier estudia la
representación de funciones o señales como superposición de ondas "básicas"
o armónicos.
Investiga y generaliza las nociones de series de Fourier y transformadas de
Fourier. A lo largo de los siglos XIX y XX se ha convertido en una materia enorme
con aplicaciones en campos diversos como el procesamiento de señales,
la mecánica cuántica o la neurociencia.
Serie de Fourier
Las series de Fourier se utilizan para descomponer una función, señal u
onda periódica como suma infinita o finita de funciones, señales u ondas
armónicas o sinusoidales; es decir, una serie de Fourier es un tipo de serie
trigonométrica.
Transformada de Fourier
La transformada clásica de Fourier en Rn aún es un área de investigación activa,
sobre todo en la transformación de Fourier sobre objetos más generales, como
las distribuciones temperadas. Por ejemplo, si imponemos algunos
requerimientos sobre una distribución f, podemos intentar trasladarlos a términos
de su transformada de Fourier. El Teorema de Paley-Wiener es un ejemplo de
ello, que implica inmediatamente que si f es una distribución de soporte
compacto (lo que incluye a las funciones de soporte compacto), entonces su
transformada de Fourier no tiene nunca el soporte compacto. Esto es un tipo muy
elemental de un principio de incertidumbre en términos del análisis armónico.
Las series de Fourier pueden ser estudiadas convenientemente en el contexto
de los espacios de Hilbert, lo que nos da una conexión entre el análisis armónico
y el análisis funcional.
Análisis armónico abstracto
Una de las ramas más modernas del análisis armónico, que tiene sus raíces a
mediados del siglo XX, es el análisis sobre grupos topológicos. El ideal central
que lo motiva es la de las varias transformadas de Fourier, que pueden ser
generalizadas a una transformación de funciones definidas sobre grupos
localmente compactos.
El análisis armónico estudia las propiedades de tal dualidad y la transformada de
Fourier; y pretende extender tales características a otros marcos, por ejemplo en
el del caso de los grupos de Lie no abelianos.
Ingeniería Pesquera Analisis Matematico II
Ciclo – IV
Castilla Avalos Cristopher Felipe
ANÁLISIS DE FOURIER
Las ondas armónicas continuas que hemos estudiado no existen realmente, ya
que todos los movimientos ondulatorios están limitados tanto espacial como
temporalmente. Utilizando el análisis de Fourier y la transformada de Fourier se
pueden describir formas de ondas más complejas como las que producen los
instrumentos musicales.
El análisis de Fourier surgió a partir del intento de éste matemático francés por
hallar la solución a un problema práctico, la conducción del calor en un anillo de
hierro. Demostró que se puede obtener una función discontinua a partir de la
suma de funciones continuas. Esta tesis fue defendida por Fourier ante la
Academia Francesa, lo que motivó severas objeciones de los matemáticos más
importantes de su época como Lagrange, Laplace, etc.
Descripción
A primera vista, parece que el problema de analizar formas de ondas complejas
representa una tarea formidable. Sin embargo, si la forma de la onda es
periódica, se puede representar con una precisión arbitraria, mediante la
superposición de un número suficientemente grande de ondas senoidales que
forman una serie armónica.
Toda función f(t) periódica de periodo P, se puede representar en forma de una
suma infinita de funciones armónicas, es decir,
donde el periodo P=2p/w, y a0 a1 ...ai ... y b1 b2 .... bi .... son los denominados
coeficientes de Fourier.
Conocida la función periódica f(t), calculamos los coeficientes ai y bi del
siguiente modo
Ingeniería Pesquera Analisis Matematico II
Ciclo – IV
Castilla Avalos Cristopher Felipe
Las integrales tienen como límite inferior -P/2 y como límite superior P/2.
En el programa interactivo, transformamos la función periódica de periodo P, en
otra función periódica de periodo 2p, mediante un simple cambio de escala en el
eje t. Escribiendo x=w t, tendremos el periodo P de t convertido en el periodo
2p de x, y la función f(t) convertida en
definida en el intervalo que va de -p a +p. La serie se expresa en la forma más
simple
donde
Si la función g(x) tiene simetría, algunos de los coeficientes resultan nulos.
· Si g(x) es una función par, g(x)=g(-x), los términos bi son nulos
· Si g(x) es impar g(x)=-g(-x), los coeficientes ai son nulos
Ingeniería Pesquera Analisis Matematico II
Ciclo – IV
Castilla Avalos Cristopher Felipe
Por ejemplo, para el pulso rectangular simétrico de anchura 1, y periodo 2 se
obtienen los siguientes coeficientes.
orden a b
0 1
1 0.6366 0
2 0 0
3 -0.2122 0
4 0 0
5 0.1273 0
6 0 0
7 -0.09097 0
8 0 0
9 0.07078 0
Actividades
El applet nos permite elegir entre cuatro tipo de funciones discontinuas que
representan pulsos periódicos.
Rectangular
Doble escalón
Diente de sierra simétrico
Diente de sierra anti simétrico
Una vez elegido la función, introducimos los parámetros requeridos en los
controles de edición y pulsamos el botón cuyo título da nombre a la función.
Rectangular
Doble escalón
Diente de sierra 1
Diente de sierra 2
Pulsando sucesivamente en el botón titulado Siguiente >> se representa:
Ingeniería Pesquera Analisis Matematico II
Ciclo – IV
Castilla Avalos Cristopher Felipe
1. En la parte superior, la función f(t) elegida y las sucesivas aproximaciones
de dicha función.
2. En la parte central, el armónico actual, en color azul ai·cos(ix) y en color
rojo bi sin(ix).
3. En la parte inferior, mediante segmentos verticales, la magnitud relativa
de los coeficientes de Fourier, a la izquierda en color azul los
coeficientes ai, y a la derecha en color rojo los coeficientes bi.
Cuanto mayor sea la longitud de estos segmentos mayor es la contribución del
armónico a la síntesis de la función periódica. Se puede observar, que la longitud
de los segmentos disminuye con la frecuencia, es decir a mayor frecuencia del
armónico menor es su contribución.
La separación entre estos segmentos verticales es inversamente proporcional al
periodo de la función, por tanto, para una función aperiódica (periodo infinito), la
envolvente de los extremos de los segmentos verticales define una curva
continua denominada transformada de Fourier.
Pulsando en el botón titulado Anterior<< podemos volver a la aproximación
anterior y compararla con la siguiente.
Ejemplos
Pulso rectangular
El pulso rectangular nos permite verificar que son nulos los coeficientes bi en una
función cuya simetría es par. Probar el siguiente ejemplo:
Periodo, 5.0
Anchura, 2.0
Ingeniería Pesquera Analisis Matematico II
Ciclo – IV
Castilla Avalos Cristopher Felipe
Traslación, 0.0.
Si trasladamos el pulso rectangular, la función deja de tener simetría y por tanto,
aparecen coeficientes ai y bi. Probar el siguiente ejemplo:
Periodo, 5.0
Anchura, 2.0
Traslación, 0.5.
Pulso doble escalón
El pulso doble escalón nos permite verificar que son nulos los coeficientes ai en
una función cuya simetría es impar. Probar el siguiente ejemplo:
Periodo, 3.0
Anchura, 2.0
Profundidad, 1.0.
Si cambiamos la profundidad del escalón derecho, la función deja de tener
simetría y por tanto, aparecen coeficientes ai y bi. Probar el siguiente ejemplo:
Periodo, 3.0
Anchura, 2.0
Profundidad, 0.5.
Pulso diente de sierra simétrico
Ingeniería Pesquera Analisis Matematico II
Ciclo – IV
Castilla Avalos Cristopher Felipe
Ejemplo:
Periodo, 4.0.
Observar que basta los primeros armónicos para aproximar bastante bien esta
función simétrica.
Pulso diente de sierra antisimétrico
Ejemplo:
Periodo, 1.0. Observar que se necesitan muchos armónicos para
aproximarnos a esta función periódica.
Ingeniería Pesquera Analisis Matematico II
Ciclo – IV
Castilla Avalos Cristopher Felipe
MARCO TEÓRICO
Las técnicas de análisis de Fourier de tiempo continuo son ampliamente útiles
para analizar y conocer las propiedades de la señales y sistemas de tiempo
continuo. Por otro lado, las técnicas del análisis de Fourier de tiempo discreto
son de igual manera útiles en el estudio de señales y sistemas de tiempo
discreto.
El origen del análisis de tiempo continuo se atribuye a las investigaciones
realizadas sobre los problemas de la física matemática en el siglo XVIII, mientras
que las herramientas para analizar señales de tiempo discreto tienen raíces
diferentes. En particular sus conceptos y métodos resultan fundamentales para
la disciplina del análisis numérico, las fórmulas para el procesamiento de
conjuntos de datos puntuales, para producir aproximaciones numéricas de la
interpolación, integración y diferenciación eran investigadas desde los tiempos
de Newton. Esto proporcionó un segundo entorno en el cual se realizó gran parte
del trabajo inicial sobre señales y sistemas de tiempo discreto.
En los años 40 y 50 se obtuvo un gran desarrollo en las técnicas de tiempo
discreto y en particular en el uso de las herramientas del análisis de Fourier. Este
impulso se debió al incremento en el uso y en la capacidad de las computadoras
digitales y el desarrollo de métodos de diseño de sistemas de datos
muestreados, es decir, sistemas de tiempo discreto para el procesamiento de
señales muestreadas de tiempo continuo.
Estos sistemas en general requieren del calculo de numerosas transformadas de
Fourier, las cuales en ese entonces provocaban una carga computacional fuera
de los límites. Sin embargo, la computadora digital proporcionó posibilidades
para que se iniciara el trabajo de investigación sobre codificadores digitales de
voz, analizadores digitales de espectros con la esperanza de que resultaran
sistemas prácticos. Finalmente a mediados de los años 60 se desarrolló un
algoritmo mejor conocido como la transformada rápida de Fourier o FFT, el cual
demostró ser totalmente adecuado para una implementación digital eficiente y
redujo considerablemente el tiempo de computación para las transformadas.
Con esta herramienta muchas ideas interesantes pero poco prácticas se
convirtieron en aplicaciones reales.
Existen varias similitudes entre las técnicas del análisis de Fourier de tiempo
discreto y de tiempo continuo, por ejemplo, las razones básicas de la utilidad de
representar señales en términos de exponenciales complejas son las mismas
para ambos análisis. En particular, si la entrada y la salida de un sistema
linealmente invariable en el tiempo de tiempo discreto son expresadas como
combinaciones lineales de exponenciales compleja, entonces los coeficientes de
la representación de la salida pueden ser expresados en términos de los
coeficientes de la combinación lineal que representa la entrada.
Ingeniería Pesquera Analisis Matematico II
Ciclo – IV
Castilla Avalos Cristopher Felipe
Por otro lado existen cierta diferencias, la representación en serie de Fourier de
una señal periódica de tiempo discreto es una serie finita. De hecho, la FFT
depende de manera intrínseca de esta finitud y por consecuencia es un concepto
de tiempo discreto.
Consideraciones Teóricas para la FFT.
El algoritmo para la FFT explota las propiedades de simetría de la exponencial
compleja discreta en el tiempo para reducir el número de multiplicaciones. Para
evaluar una transformada discreta de Fourier con N muestras el algoritmo de la
FFT encuentra su eficiencia cuando N es una potencia de 2. Esta restricción no
afecta el uso práctico de la FFT ya que la longitud de h(n) puede ser
incrementada a la siguiente potencia de 2 aumentando el número adecuado de
ceros.
Debido a la naturaleza discreta del índice de tiempo para señales de tiempo
discreto, el escalamiento en tiempo y en frecuencia asume una forma diferente
con respecto a la de tiempo continuo. Sea x(n) una señal con
espectro X(w). Consideremos la transformada Y(w) de y(n).
Sustituyendo m=-n en la ecuación 1 obtenemos que:
Esto es, aplicando la transformada de Fourier:
Aunque la ecuación 3 es análoga al caso de tiempo continuo, la deferencias
surgen cuando tratamos de escalar en tiempo y en frecuencia en lugar de invertir
el eje de tiempo.
El resultado que puede ser paralelo a la ecuación correspondiente al análisis de
tiempo continuo es el siguiente:
Si n es un múltiplo de k
Ingeniería Pesquera Analisis Matematico II
Ciclo – IV
Castilla Avalos Cristopher Felipe
Si n no es un múltiplo de k
Sea k un entero positivo y definamos la señal.
Algoritmo Analítico de decimación para la FFT.
Consideremos h(n) para n mayor que cero y menor que N-1, dividiremos la
transformada discreta de Fourier en dos sumatorias: una para las muestras pares
y otras para las muestras impares, de la siguiente manera.
Ambas sumatorias aparecen en la forma de un punto de N/2. Consideremos
a hp(n) como la secuencia para las muestras pares y hi(n) como la secuencia
para las muestra impares. De la misma forma tendremos que Hp(k) será la FFT
para las muestras pares y Hi(k) para las muestras impares. Considerando lo
anterior tenemos que:
Esta técnica es comúnmente conocida como decimación. En realidad la
decimación de las secuencias anteriores se puede continuar hasta llegar al punto
en el que sólo se pueda tener una sola muestra por sumatoria. Es necesario,
como ya se había mencionado anteriormente que el numero de muestras N se
una potencia de 2, es claro que de lo contrario la técnica anterior sería de poca
utilidad. Para lograr siguientes decimaciones las dos sumatorias obtenidas de la
primera decimación serán ahora consideradas como expresiones originales
de H(k) y serán por lo tanto sujetas a sus propias decimaciones a partir de sus
muestras pares e impares.
La técnica de decimación en efecto reduce el número de cálculos que debemos
realizar para llegar a un resultado final al realizar una DFT, sin embargo esta
reducción es realmente significativa ciando el número de muestras N es muy
grande.
Ingeniería Pesquera Analisis Matematico II
Ciclo – IV
Castilla Avalos Cristopher Felipe
Bibliografia
https://es.wikipedia.org/wiki/An%C3%A1lisis_arm%C3
%B3nico
http://www.etsii.upm.es/ingor/estadistica/fjcara/mme_c
onstruccion/03_fourier.pdf
http://webdiee.cem.itesm.mx/web/servicios/archivo/trab
ajos/comunicaciones/fft/objetivos.html
Ingeniería Pesquera Analisis Matematico II
Ciclo – IV
Castilla Avalos Cristopher Felipe
