Skip to content Skip to navigation

OpenStax_CNX

You are here: Home » Content » Análisis de Fourier en Espacios Complejos

Navigation

Lenses

What is a lens?

Definition of a lens

Lenses

A lens is a custom view of the content in the repository. You can think of it as a fancy kind of list that will let you see content through the eyes of organizations and people you trust.

What is in a lens?

Lens makers point to materials (modules and collections), creating a guide that includes their own comments and descriptive tags about the content.

Who can create a lens?

Any individual member, a community, or a respected organization.

What are tags? tag icon

Tags are descriptors added by lens makers to help label content, attaching a vocabulary that is meaningful in the context of the lens.

This content is ...

Affiliated with (What does "Affiliated with" mean?)

This content is either by members of the organizations listed or about topics related to the organizations listed. Click each link to see a list of all content affiliated with the organization.
  • Rice Digital Scholarship

    This module is included in aLens by: Digital Scholarship at Rice UniversityAs a part of collection: "Señales y Sistemas"

    Click the "Rice Digital Scholarship" link to see all content affiliated with them.

  • Featured Content display tagshide tags

    This module is included inLens: Connexions Featured Content
    By: ConnexionsAs a part of collection: "Señales y Sistemas"

    Comments:

    "Señales y Sistemas is a Spanish translation of Dr. Rich Baraniuk's collection Signals and Systems (col10064). The translation was coordinated by an an assistant electrical engineering professor […]"

    Click the "Featured Content" link to see all content affiliated with them.

    Click the tag icon tag icon to display tags associated with this content.

Also in these lenses

  • Lens for Engineering

    This module is included inLens: Lens for Engineering
    By: Sidney Burrus

    Click the "Lens for Engineering" link to see all content selected in this lens.

Recently Viewed

This feature requires Javascript to be enabled.

Tags

(What is a tag?)

These tags come from the endorsement, affiliation, and other lenses that include this content.
 

Análisis de Fourier en Espacios Complejos

Module by: Michael Haag, Justin Romberg. E-mail the authorsTranslated By: Fara Meza, Erika Jackson

Based on: Fourier Analysis in Complex Spaces by Michael Haag, Justin Romberg

Summary: Este módulo deriva la series de Fourier en tiempo discreto (DTFS), las cuales son un tipo de expansión de fourier para funciones periodicas y discretas en el tiempo. El módulo también da un repaso a las senosoidales complejas las cuales sirven como bases.

Introducción

Para este momento usted debería estar familiarizado con la derivación de la series de Fourier de tiempo continuo, funciones periódicas . Esta derivación nos lleva a las siguientes ecuaciones las cuales usted debería conocer:

ft= n n c n ei ω 0 nt f t n n c n ω 0 n t
(1)
c n =1Tfte(i ω 0 nt)d t =1T(f,ei ω 0 nt) c n 1 T t n f t ω 0 n t 1 T f ω 0 n t
(2)
donde c n c n nos dice la cantidad de frecuencia en ω 0 n ω 0 n in ft f t .

En este módulo derivaremos una expansión similar para funciones periódicas y discretas en el tiempo. Al hacerlo, nosotros derivaremos las series de Fourier discretas en el tiempo (DTFS), también conocidas como trasformadas discretas de Fourier (DFT).

Derivación del DTFS

Así como en la función periódica continua en el tiempo puede ser vista como una función en el intervalo 0 T 0 T

Figura 1: Solo consideraremos un intervalo para la función periódica en esta sección.
(a) Función periódica (b) Función en el intervalo 0 T 0 T
Figura 1(a) (fanal1.png)Figura 1(b) (fanal2.png)

Una señal periódica discreta en el tiempo (con periodo NN) se puede ver como un conjunto de números finitos. Por ejemplo, digamos que tenemos el siguiente conjunto de números que describe una señal discreta, donde N=4 N 4 : 32-213 3 2 -2 1 3 ; Podemos representar esta señal como una señal periódica o como un intervalo simple de la siguiente forma:

Figura 2: Aquí nada mas observamos un periodo de la señal que tiene un vector de tamaño cuatro y esta contenida en C4 4 .
(a) Función periódica (b) Funcion en el intervalo 0 T 0 T
Figura 2(a) (fanal3.png)Figura 2(b) (fanal4.png)

note:

El conjunto de señales de tiempo discreto con periodo NN es igual a CN N .
Tal como en el caso continuo, formaremos una base usando senosoidales armónicos. Antes de esto, es necesario ver las senosoidales complejas discretas con mas detalle.

Senosoidales Complejos

Si usted esta familiarizado con la señal senosoidal básica y con los exponenciales complejos entonces usted no tendrá ningún problema para entender esta sección. En todos los libros, usted verá que la senosoidal compleja discreta se escribe así: eiωn ω n

Ejemplo 1

Figura 3: Senosoidal compleja con frecuencia ω=0 ω 0
Figura 3 (csin1.png)

Ejemplo 2

Figura 4: Senosoidal compleja con frecuencia ω=π4 ω 4
Figura 4 (csin2.png)

En el Plano Complejo

Nuestra senosoidal compleja se puede graficar en nuestro plano complejo, el cual nos permite visualizar fácilmente los cambios de la senosoidal compleja y extraer algunas propiedades. El valor absoluto de nuestra senosoidal compleja tiene las siguientes características:

n ,nR:|eiωn|=1 n n ω n 1
(3)
El cual nos dice que nuestra senosoidal compleja únicamente toma valores que se encuentran en el círculo unitario. Con respecto al ángulo, la siguiente afirmación es verdadera:
eiωn=wn ω n w n
(4)

Cuando nn incrementa, podemos ver eiωn ω n igualando los valores que obtenemos al movernos en contra de las manecillas del reloj alrededor del círculo unitario. Observe las siguiente figuras figura 5 para una mejor ilustración:

Figura 5: Estas imágenes muestran que cuando n n incrementa, el valor de eiωn ω n se mueve en contra de las manecillas del reloj alrededor del círculo unitario.
(a) n=0 n 0 (b) n=1 n 1 (c) n=2 n 2
Figura 5(a) (fanalcir2.png)Figura 5(b) (fanalcir3.png)Figura 5(c) (fanalcir4.png)

note:
Para que eiωn ω n sea periódica, necesitamos que eiωN=1 ω N 1 para algún NN.

Ejemplo 3

Nuestro primer ejemplo nos permite ver una señal periódica donde ω=2π7 ω 2 7 y N=7 N 7 .

Figura 6
(a) N=7 N 7 (b) Aquí tenemos una grafíca de ei2π7n 2 7 n .
Figura 6(a) (fcirN1.png)Figura 6(b) (fplot1.png)
Ejemplo 4

Ahora observemos los resultados de graficar una señal no periódica donde ω=1 ω 1 y N=7 N 7 .

Figura 7
(a) N=7 N 7 (b) Aquí tenemos una gráfica de ein n .
Figura 7(a) (fcirN2.png)Figura 7(b) (fplot2.png)

Aliasing

Nuestra senosoidal compleja tiene la siguiente propiedad:

eiωn=ei(ω+2π)n ω n ω 2 n
(5)
Dada a esta propiedad, si tenemos una senosoidal con frecuencia ω+2π ω 2 , observaremos que esta señal tendrá un “aliasing” con una senosoidal de frecuencia ωω.
note:
Cada eiωn ω n es única para ω 0 2π ω 0 2

Frecuencias “Negativas”

Si nos dan una frecuencia π<ω<2π ω 2 , entonces esta señal será representada en nuestro plano complejo como:

Figura 8: Gráfica de nuestra senosoidal compleja con una frecuencia mayor que π.
(a) (b)
Figura 8(a) (fanal_neg1.png)Figura 8(b) (fanal_neg2.png)

De nuestras imágenes mostradas arriba, el valor de nuestra senosoidal compleja en el plano complejo se puede interpretar como girar “hacia atrás” (en dirección de las manecillas del reloj) alrededor del círculo unitario con frecuencia 2πω 2 ω . Girar en sentido contrario de las manecillas del reloj ww es lo mismo que girar en sentido de las manecillas del reloj 2πω 2 ω .

Ejemplo 5

Graficaremos nuestra senosoidal compleja, eiωn ω n , donde tenemos ω=5π4 ω 5 4 y n=1 n 1 .

Figura 9: La gráfica anterior de la frecuencia dada es idéntica a una donde ω=3π4 ω 3 4 .
Figura 9 (fanal_neg3.png)

Esta gráfica es la misma que una senosoidal de frecuencia “negativa 3π4 3 4 .

point:
Tiene más sentido elegir un intervalo entre π π para ω ω.

Recuerde que eiωn ω n y e(iωn) ω n son conjugados. Esto nos da la siguiente notación y propiedad:

eiωn¯=e(iωn) ω n ω n
(6)
Las partes reales de ambas exponenciales de la ecuación de arriba son las mismas; la parte imaginaria son los negativos de una a la otra. Esta idea es la definición básica de un conjugado.

Ya que hemos visto los conceptos de senosoidales complejas, retomaremos la idea de encontrar una base para las señales periódicas en tiempo discreto. Después de observar las senosoidales complejas, tenemos que responder la pregunta sobre cuales senosoidales en tiempo discreto necesitamos para representar secuencias periódicas con un periodo NN.

Pregunta Equivalente:

Encuentre un conjunto de vectores n ,n=0N1: b k =ei ω k n n n 0 N 1 b k ω k n tal que b k b k sea una base para n n
Para resolver la pregunta de arriba, usaremos las senosoidales “Armónicos” con una frecuencia fundamental de ω 0 =2πN ω 0 2 N :

Senosoidales Armónicas

ei2πNkn 2 N k n
(7)

Figura 10: Ejemplos de nuestras armónicos senosoidales.
(a) Senosoidal armónico con k=0 k 0 (b) Parte imaginaria del senosoidal, ei2πN1n 2 N 1 n , con k=1 k 1 (c) Parte imaginaria del senosoidal, ei2πN2n 2 N 2 n , con k=2 k 2
Figura 10(a) (hsin1.png)Figura 10(b) (hsin2.png)Figura 10(c) (hsin3.png)

ei2πNkn 2 N k n es periódica con periodo N N y tiene kk “ciclos” entre n=0 n 0 y n=N1 n N 1 .

Theorem 1

Si dejamos n ,n=0N1: b k n=1Nei2πNkn n n 0 N 1 b k n 1 N 2 N k n donde el término exponencial es un vector en CN N , entonces b k | k=0N1 k 0 N 1 b k es una base ortonormal para CN N .

Proof

Primero que todo, debemos demostrar que b k b k es ortonormal, por ejemplo b k , b l = δ k l b k b l δ k l b k , b l = n =0N1 b k n b l n¯=1N n =0N1ei2πNkne(i2πNln) b k b l n N 1 0 b k n b l n 1 N n N 1 0 2 N k n 2 N l n

b k , b l =1N n =0N1ei2πN(lk)n b k b l 1 N n N 1 0 2 N l k n
(8)
Si l=k l k , entonces
b k , b l =1N n =0N11=1 b k b l 1 N n N 1 0 1 1
(9)
Si lk l k , entonces tenemos que usar la “fórmula de sumatoria parcial” mostrada abajo: n =0N1αn= n =0αn n =Nαn=11ααN1α=1αN1α n N 1 0 α n n 0 α n n N α n 1 1 α α N 1 α 1 α N 1 α b k , b l =1N n =0N1ei2πN(lk)n b k b l 1 N n N 1 0 2 N l k n en esta ecuación podemos decir que α=ei2πN(lk) α 2 N l k , así podemos ver como esta expresión se encuentra en la forma que necesitamos utilizar para nuestra fórmula de sumatoria parcial. b k , b l =1N1ei2πN(lk)N1ei2πN(lk)=1N111ei2πN(lk)=0 b k b l 1 N 1 2 N l k N 1 2 N l k 1 N 1 1 1 2 N l k 0 Así,
b k , b l ={1  if  k=l0  if  kl b k b l 1 k l 0 k l
(10)
Por lo tanto: b k b k es un conjunto ortonormal. b k b k es también un base, ya que existen NN vectores que son linealmente independientes (ortogonalidad implica independencia linear).

Finalmente, hemos demostrado que los senosoidales armónicos 1Nei2πNkn 1 N 2 N k n forman una base ortonormal para n n

Series de Discretas de Fourier (DTFS)

Utilizando los pasos anteriores en la derivación, usando nuestro entendimiento de espacio Hilbert , y finalmente usando la expansión ortogonal; el resto de la derivación es automática. Dada una señal periódica discreta (vector n n ) fn f n , podemos escribir:

fn=1N k =0N1 c k ei2πNkn f n 1 N k N 1 0 c k 2 N k n
(11)
c k =1N n =0N1fne(i2πNkn) c k 1 N n N 1 0 f n 2 N k n
(12)
Nota: Casi toda la gente juntan los términos 1N 1 N en la expresión para c k c k .

Series de Fourier de Tiempo Discreto:

Aquí se muestra la forma común de las DTFS tomando en cuenta la nota previa: fn= k =0N1 c k ei2πNkn f n k N 1 0 c k 2 N k n c k =1N n =0N1fne(i2πNkn) c k 1 N n N 1 0 f n 2 N k n Esto es lo que el comando fft de MATLAB hace.

Content actions

Download module as:

PDF | EPUB (?)

What is an EPUB file?

EPUB is an electronic book format that can be read on a variety of mobile devices.

Downloading to a reading device

For detailed instructions on how to download this content's EPUB to your specific device, click the "(?)" link.

| More downloads ...

Add module to:

My Favorites (?)

'My Favorites' is a special kind of lens which you can use to bookmark modules and collections. 'My Favorites' can only be seen by you, and collections saved in 'My Favorites' can remember the last module you were on. You need an account to use 'My Favorites'.

| A lens I own (?)

Definition of a lens

Lenses

A lens is a custom view of the content in the repository. You can think of it as a fancy kind of list that will let you see content through the eyes of organizations and people you trust.

What is in a lens?

Lens makers point to materials (modules and collections), creating a guide that includes their own comments and descriptive tags about the content.

Who can create a lens?

Any individual member, a community, or a respected organization.

What are tags? tag icon

Tags are descriptors added by lens makers to help label content, attaching a vocabulary that is meaningful in the context of the lens.

| External bookmarks