Sumativo N 2.

Diego Guzmn1, Alexis Estvez2

Universidad de las Fuerzas Armadas ESPE, Departamento de Elctrica y Electrnica. Av. General
Rumiahui S/N, Sangolqu, Ecuador.
1
ddguzman1@espe.edu.ec, 2adestevez1@espe.edu.ec

Introduccin
El presente trabajo pretende estudiar sobre la Serie, Transformada de Fourier la cual es aplicada para
el respectivo estudio de seales y temas diversos referentes a lo que es ingeniera, en esta ocasin nos
basaremos para el estudio una aplicacin de java, la cual pretende brindarnos una mayor facilidad y
una nueva tcnica de manejar de las series y transformadas.

Tema
Series y Transformada de Fourier
Objetivos
Estudiar las series y transformada de
Fourier para cualquier seal mediante
Applets de Java para entender que
sucede en cada seal cuando
aplicamos Fourier.
Investigar todos los usos de la
transformada de Fourier as como la
descomposicin y mejoramiento de la
seal para verificar si se obtiene ruido
o no y que ocurre cuando esto sucede.
Implementar el uso de MATLAB
para
solucionar
ejercicios
o
problemas de transformada o
trasformada inversa de Fourier y
entender de mejor manera como se
producen ciertas seales.
Resumen y palabras claves
La Transformada de Fourier se encarga de
transformar una seal del dominio del tiempo, al
dominio de la frecuencia, de donde se puede
realizar su anti transformada y volver al dominio
temporal.
Las Transformadas de Fourier, propiedades. La
series de Fourier es una serie infinita que converge
puntualmente a una funcin continua y peridica.
Las series de Fourier constituyen la herramienta
matemtica bsica del anlisis de Fourier empleado
para analizar funciones peridicas a travs de la

descomposicin de dicha funcin en una suma

infinitesimal de funciones senoidales mucho ms
simples (como combinacin de senos y cosenos
con frecuencias enteras). El nombre se debe al
matemtico francs Jean-Baptiste Joseph Fourier
que desarroll la teora cuando estudiaba la
ecuacin del calor. Fue el primero que estudi tales
series sistemticamente, y publicando sus
resultados iniciales en 1807 y 1811.
Esta rea de investigacin se llama algunas veces
Anlisis armnico
Ruido En comunicacin, se denomina ruido a toda
seal no deseada que se mezcla con la seal til que
se quiere transmitir. Es el resultado de diversos
tipos de perturbaciones que tiende a enmascarar la
informacin cuando se presenta en la banda de
frecuencias del espectro de la seal, es decir, dentro
de su ancho de banda.
Relacin Seal Ruido La relacin seal/ruido (en
ingls Signal to noise ratio SNR o S/N) se define
como la proporcin existente entre la potencia de la
seal que se transmite y la potencia del ruido que la
corrompe. Este margen es medido en decibelios.
Ortogonalidad En matemticas, el trmino
ortogonalidad (del griego orthos recto y gona
ngulo) es una generalizacin de la nocin
geomtrica de perpendicularidad. En el espacio
eucldeo convencional el trmino ortogonal y el
trmino perpendicular son sinnimos. Sin
embargo, en espacios de dimensin finita y en
geometras no eucldeas el concepto de
ortogonalidad generaliza al de perpendicularidad.
Materiales y mtodos
Java Applet.

Computador.
MATLAB.
Fuentes de consulta.
Resultados y discusin
Usando el formato de presentacin de proyectos
realizar la siguiente tarea.
1.

2.

Ingresar
al
link.
http://www.stat.ucla.edu/~dinov/course
s_students.dir/04/Spring/Stat233.dir/S
TAT233_notes.dir/JavaApplet.html
En la seccin de materiales y mtodos
traducir el texto presentado en la web
desde Description hasta Other things to
try. La traduccin debe ser entendible
al lector de acuerdo a terminologa
usada en clase, no ser suficiente pasar
por un traductor web automtico.

1 D Transformada De Fourier Java Applet

Descripcin
Esta applet de Java es una simulacin que
demuestra la serie de Fourier, que es un mtodo de
expresar una funcin peridica arbitraria como una
suma de seno + coseno o trminos de slo coseno.
En otras palabras, la serie de Fourier se puede usar
para expresar una funcin en trminos de las
frecuencias (armnicos) de los que se componen.
Funcin 1D
Para seleccionar una funcin, tu puedes presionar
uno de los siguientes botones: Seno, Triangular,
Diente de sierra, Cuadrada y Ruido. La funcin se
visualiza en blanco, con la aproximacin de la serie
de Fourier en rojo. Si usted slo ve un grfico rojo,
eso significa que la aproximacin de Fourier es casi
la misma que la funcin original. (El grfico rojo
se redibuja en la parte superior de la blanca.)
1D FT
Por debajo de la funcin podrs ver una grfica de
los coeficientes de Fourier. Cada uno representa
una frecuencia, o armnico. Existe dos conjuntos
de trminos; en la parte superior son los trminos
de magnitud, y en la parte inferior son los trminos

de fase. Las bajas frecuencias son de la izquierda y

las frecuencias ms altas estn a la derecha. (Si slo
est familiarizado con desarrollos en serie de
Fourier que involucran senos y cosenos, en lugar de
fases, revisar esta pagina.)
http://www.stat.ucla.edu/~dinov/courses_students.
dir/04/Spring/Stat233.dir/STAT233_notes.dir/Fou
rierSeries.html)
FT Funcin Aproximacin
El nmero de trminos deslizados se ajusta al
nmero de trminos en el desarrollo de Fourier.
Para los trminos ms lejanos, ser mejor la
aproximacin. Deslizar el nmero de trminos de
izquierda a derecha lentamente para ver los
trminos de Fourier aadidos uno por uno.
Ajustando la seal (en el dominio del tiempo /
frecuencia)
Si mueve el cursor del mouse sobre uno de los
armnicos, este se tornara amarillo, y el trmino de
Fourier correspondiente (frecuencia) ser dibujado
en la parte superior de la funcin en amarillo. As
que si usted mueve el cursor del mouse sobre todos
los armnicos, se puede ver cada uno de los
trminos de forma individual. Adems, si hace clic
derecho con el mouse sobre uno de los armnicos,
el nmero de trminos deslizados variara por lo que
se tomarn todos los trminos de mayor frecuencia
de la serie. Se puede modificar la funcin de dos
maneras. Primero editar la funcin directamente
pulsando sobre ella; en este caso, se regenerarn
cuando haya terminado los coeficientes de Fourier.
Segundo, puede modificar los coeficientes de
Fourier, en cuyo caso la funcin se cambiar para
coincidir. Si desea crear una funcin desde cero,
presione el botn Borrar.
Sonidos
El botn Play reproducir la funcin a 220 Hz. La
frecuencia es ajustable
usando
el control
deslizante de variacin de frecuencias. Trate de
jugar con varias funciones para ver cmo suenan.
Pruebe tambin el aislamiento de cada armnico, o
la mezcla de dos o tres armnicos juntos. El nmero
de trminos deslizados afectar cuntos armnicos
se juegan. (La tasa de muestreo utilizado para

medir es de 22 KHz, por lo que las frecuencias ms

altas de 11.000 Hz se filtran afuera.)

puntos. Intente esto con la funcin seno o de diente

de sierra.

Amplitud de la seal

Otras cosas para probar

El botn Clip puede ser usado para simular

recortes. Este aumentar la amplitud de la funcin,
pero recortar si se encuentra fuera de rango. Trate
de hacer esto con una funcin seno. El uso de este
botn generalmente resulta en bordes ms afilados,
esto significa que los trminos de ms alta
frecuencia estarn involucrados en la expansin.
Algunas funciones, como la onda cuadrada, no se
ven afectados tanto por el recorte. Pruebe tocando
la seal de ruido y despus haga clic en "Clip " un
par de veces para ver si esta vara.

Dibujar una onda sinusoidal que vara

rpidamente (lo mejor que pueda), y observe a los
coeficientes de Fourier para ver si la frecuencia es
recogida por la descomposicin de Fourier. Una de
las magnitudes debera ser mucho ms alta que las
otras.

Aliasing
El botn volver a muestrear se puede utilizar para
demostrar esto. Este es uno de los efectos que se
causa en el botn Reproducir para dar resultados
tan pobres. La funcin se reemplaza con muestras
a 12 puntos. Esto corresponde a una frecuencia de
muestreo de 2640 Hz (en la frecuencia de juego por
defecto de 220 Hz). En casi todos los casos, esto
har que el aliasing, donde se introducirn nuevas
frecuencias, no deseados. Para frecuencias de ms
de 1320 Hz, los alias sern ms fuertes que la
frecuencia original. Por ejemplo, una frecuencia de
440 Hz, cuando se vuelve a muestrear, tendr alias
a 2200 Hz (2640-440), 3080 Hz (2640 + 440), 4840
Hz (2640 * 2-440), 5720 Hz (2640 * 2 + 440),
etctera.
Cuantificacin Distorsin
Cuando se presiona el botn de cuantificacin, los
valores de la funcin se redondean al mltiplo ms
cercano de 1/2. El error de redondeo resultante
provoca nuevas frecuencias para ser introducidas;
estos pueden ser escuchados cuando se reproduce
la funcin. Esto se conoce como distorsin de
cuantificacin.
Seales positivas
El botn Rectificar har cero a la funcin siempre
que sea negativo. El botn completar Rectificar
tomar el valor absoluto de la funcin en todos los

Comience con una funcin y elimine

trminos de Fourier uno a uno mediante el
establecimiento de los coeficientes a cero.

Comience con una onda sinusoidal, y

despus haga clic en el botn Clip repetidamente.
Observe cmo la de mayor frecuencia en trminos
se vuelve ms y ms prominente.

Hit Borrar y luego aadir dos frecuencias

a la funcin haciendo clic en las magnitudes.
Observe cmo las frecuencias interactan. Si las
frecuencias son bastante prximas entre s, se
debera ver latidos; la amplitud de la funcin
general oscilar a una frecuencia que es igual a la
diferencia de las dos frecuencias originales.
3.

Estudiante 1
a.

Abrir la aplicacin JAVA.

Cada integrante del grupo
escoger una seal para
analizar e identificar su
aporte en la seccin de
resultados
y
discusin
respondiendo el siguiente
cuestionario.

Para el caso en que la seal reduce sus terminos de

los coeficientes nuestra seal tiende a ser senoidal
en el minimo numero de tereminos posibles hasta
llegar a 0 donde se vuelve una seal nula.
En cuanto a su fase y magnitud muestra el valor
pico de la seal en cada una de ellas

b.

Qu sucede al reducir y
aumentar el nmero de
coeficientes hasta cero y hasta
su valor mximo? Desplace el
slider number of terms.

En el caso de aumentar el numero de coeficientes

da la serie de fourier teniendo como seal evaluada
una seal cuadrada en cuanto a su seal
transformada tenemos que tiende a tomar la misma
forma de la seal cuadrada con cieras puntas en sus
esquinas.
Encuanto a la seal de la magnitud tiende a irse a
un valor de cero cada que se acerca al infinito, a
diferencia de su fase que siempre tiende a ser la
misma pero con una pequea perdida de su valor
pico mientras se acerca al infinito.

c.

Establezca el nmero de
trminos en 25 coeficientes.
Qu observa al colocar el
cursor del mouse sobre los
coeficientes?

Podemos observar que en cada coeficiente tenemos

una seal senoidal con una frecuencia mayor cada
que avanza el nmero de trminos, con lo que
podemos entender cmo se forma cada
aproximacin segn el nmero de sus coeficientes
y como se empieza a formar la seal final de la serie
de Fourier

d.

Cul es fenmeno de Gibbs?.

Muestre el enunciado del
fenmeno de Gibbs usando la
aplicacin y capturas de
pantalla.

El fenmeno de Gibbs ocurre cada vez que las

seales tienen discontinuidades de salto
(generalmente en los extremos), y siempre estarn
presentes cuando la seal tiene oscilaciones fuertes
como en este caso de uno a menos uno. Como se
puede apreciar, a medida que se adhieren ms
trminos a las series, sta se va aproximando a la
onda cuadrada dado que las oscilaciones se vuelven
ms rpidas y ms pequeas, pero los picos no
disminuyen. Estos picos en la series de Fourier de
la funcin cuadrada nunca desaparecen; son
llamados el fenmeno de Gibbs.
Como veremos en las grficas este fenmeno se
encuentra presente siempre as el nmero de
coeficientes tienda al infinito.

e.

Presione el botn rectify.

Compare los resultados de
obtenidos entre la seal
original y la obtenida despus
de presionar el botn rectify.

Al presionar el botn rectify la seal se corta en

magnitud a la mitad es decir para ser ms claro su
seal no tiene valores negativos, por lo cual solo
tomara valores positivos desde 0.

4.

Estudiante 1
a.

Abrir la aplicacin JAVA.

Cada integrante del grupo
escoger una seal para
analizar e identificar su
aporte en la seccin de
resultados
y
discusin

respondiendo
cuestionario.

el

siguiente

Al aumentar el nmero de trminos vemos

como esta empezar a comportarse tanto
en magnitud, fase y la serie como se
explicara detalladamente al mencionar el
nmero mximo de trminos.

b.

Qu sucede al reducir y
aumentar el nmero de
coeficientes hasta cero y hasta
su valor mximo? Desplace el
slider number of terms.

Min number of terms

El momento de evaluar en el nmero
mnimo de trminos podemos visualizar
en la grfica con facilidad que esta posee
la lnea roja es decir, la que sera la Serie
de Fourier est ubicada en el origen y es
nula, al igual que la grfica de su
magnitud y fase.
Si ubicamos el trmino en 1 podemos
visualizar la senoidal de la que est basada
nuestra serie de Fourier adems de su
respectiva fase y magnitud.

Max number of terms.

existe en un comienzo es decir de 0 a 1 segn la app

de java un cambio brusco de estar en 0 hasta su
mxima magnitud, y mientras avanza hacia el ms
infinito, empieza tener un tendencia hacia cero

La grafica de fase similar a la de magnitud tiene su

inicio en cero y varia primeramente hacia su valor
maximo negativo y esta a su vez a su minimo
positivo, avanzando sucesivamente con cada
interaccion de numero de terminos, ademas
podemos observar que esta tiene su tendencia
variante mientras mas se acerca al infito.

Siendo el caso de empezar a realizar el anlisis de

nuestra serie de Fourier con el nmero mximo de
trminos es decir 138 segn la cantidad que nos
brind el app de java, podemos visualizar como se
encuentra esta grfica, posee bsicamente la misma
estructura, ambas tienen en su comportamiento la
diente de sierra con la gran diferencia que la serie
de Fourier presenta picos al final e inicio de cada
diente como podremos ver a continuacin

c.

Establezca el nmero de
trminos en 25 coeficientes.
Qu observa al colocar el
cursor del mouse sobre los
coeficientes?

Se puede observar que al colocar el cursor sobre los

coeficientes se visualiza una grfica senoidal con
una frecuencia es decir para el primer coeficiente
se pudo observar que la frecuencia es de 27 Hz con
una amplitud alta, mientras que para el coeficiente
25 la amplitud de la senoidal disminuy
considerablemente y la frecuencia aumento
tomando el valor de 675 Hz

En cuanto a las grafica correspondiente a la

magnitud podemos visualizar con facilidad que

Con esta relacin podemos entender de una manera

ms sencilla como empieza a modelarse cada serie
de Fourier basada en sus coeficientes.
d.

Cul es fenmeno de Gibbs?.

Muestre el enunciado del
fenmeno de Gibbs usando la
aplicacin y capturas de
pantalla.

Fenmeno de Gibbs.- Cuando una funcin tiene

una discontinuidad de salto en un punto, su serie de
Fourier tiene un comportamiento especial en dicho
punto. Este comportamiento se llama fenmeno de
Gibbs. Este fenmeno consiste en que cerca del
punto las sumas parciales de la serie de Fourier
mantienen unas oscilaciones que no se hacen
pequeas. Este fenmeno fue observado por el
fsico experimental Albert Michelson, quien en
1898 construy una mquina para sumar series de
Fourier. Alrededor de las discontinuidades de las
funciones siempre aparecan saltos, que no se
hacan pequeos por mucho que se aumentara el
nmero de sumandos de la serie. El fenmeno fue
explicado en 1899 por J. Williard Gibbs, y puede
cuantificarse con precisin. Aqu tan slo
ilustramos el fenmeno considerando la funcin
que vale 1 entre 0 y pi y -1 entre -pi y 0. Las sumas
parciales de la serie de Fourier de esta funcin son

A continuacin visualizaremos el fenmeno de

Gibss en la diente de sierra, adems este fenmeno
siempre estar presente en cualquier tipo de grafica
as el valor de coeficientes sea infinitos.

e.

Presione el botn rectify.

Compare los resultados de
obtenidos entre la seal
original y la obtenida despus
de presionar el botn rectify.

Al utiliza la opcin Rectify la serie se corta

ubicndolos en cero para toda parte negativa, la
magnitud toma valor medio con respecto a la
anterior por el hecho de ya no existe parte negativa,
y la fase empieza un poco ms negativa que la
primera grfica.

5.

Entre los integrantes del grupo

responder. Como se obtiene la serie de
Fourier del Ruido (Noise).

La Serie de Fourier del Ruido tiene su

representacin en series ortogonales de seales y
ruido, estas tienen muchas aplicaciones
significativas en problemas de comunicacin.
Para la presente explicacin realizaremos las
debidas aclaraciones sobre los trminos y frmulas
para un claro entendimiento.
Funciones ortogonales.
Antes de estudiar la serie ortogonal, es necesario
definir las series ortogonales.

Definicin. Se dice que las funciones () y

() son ortogonales entre s en el intervalo a
< t < b si satisface la condicin

() () = 0;

Adems, si las funciones en el conjunto

son
ortogonales, entonces tambin satisfacen la
relacin

() () = {

0,
,

} =
=

Donde
0,
{
1,

es la funcin delta de Kronecker. Si todas las

constantes Kn son iguales a 1, se dice que las
funciones () son funciones ortonormales.
Es decir, que la primera ecuacin se utiliza para
probar pares de funciones para ver si son
ortogonales. Son ortogonales en el intervalo (a,b) si
la integral de su producto es cero. El resultado cero
implica que son funciones "independientes" o que
estn en "desacuerdo". Si el resultado no es cero,
no son ortogonales, y en consecuencia, las dos
funciones tienen una cierta "dependencia" o
"similitud" entre s.

completo. Esto implica que se puede utilizar el

conjunto para representar cualquier funcin con un
error arbitrariamente pequeo [Wylie, 1960].
En la prctica, por lo general es difcil probar que
un conjunto dado de funciones est completo
La serie ortogonal es muy til para representar una
seal, ruido o una combinacin de seal y ruido.
Las funciones () son determinsticas.
Adems, si la forma de onda () es
determinstica, las constantes tambin lo son y se
evalan con ().
Tambin es posible utilizar la expresin () para
generar las funciones () a partir de las funciones
()y los coeficientes . En este caso () se
aproxima utilizando un nmero razonable de las
funciones ().
Conclusiones

El estudio de las series y transformadas de

fourier, desde el uso de un aplicacin nos
brinda con mayor
facilidad el
entendimiento de cada concecpto
aprendido durante las horas impartidas
por el docente a cargo de la materia en
clases, ademas de las investigaciones
realizadas por el alumno.

Una seal analizada mediante la

respresentacion de la serie de fourier, nos
indica que mientras esta posea mas
componentes relacionados hacia la
frecuencia esta serie converge hacia la
seal original empezando a tener una
similitud llamandola asi que realiza una
funcion de espejo.

El fenomeno de Gibbs pudo ser entendido

mediante el aumento de terminos que nos
brindo la applet de java con las diferentes
seales visualizando las oscilaciones que
eran presentes en los diferentes picos o
fines de rectas, esto siempre ocurrira sin
importar el numero de terminos a los que
aumente nuestra serie.

Algo que se vuelve importante en el

estudio de seales y su tranformada de
Fourier es tomar en cuenta que mientras
mas rapido varie en el tiempo su ancho de
banda tendera a ser mayor.

Serie Ortogonal
Supngase que w(t) es una forma de onda prctica
(seal, ruido, o una combinacin de seal y ruido)
que se desea representar en el intervalo a < t < b.
En seguida se obtiene una representacin de serie
ortogonal equivalente por medio del teorema
siguiente.
() = ()

donde los coeficientes ortogonales estn dados por

1
() ()

y el intervalo de n queda sobre los valores enteros
que corresponden a los subndices utilizados para
denotar las funciones ortogonales en el conjunto
ortogonal completo.
=

Para que la frmula de () sea una representacin

vlida de cualquier seal fsica (es decir, una con
energa finita), el conjunto ortogonal tiene que estar

En la tranformada de Fourier algo que hay

que tomar mucho en cuenta es si la seal
es par, impar o no cumple con ningunas de
las dos , ya que esto nos ayudara a
entender mejor si la seal es real,
imaginaria o compleja, respectivamente.

Bibliografa
http://es.wikipedia.org/wiki/Ortog
onalidad_%28matem%C3%A1tic
as%29
http://es.wikipedia.org/wiki/Ruido
_(comunicaci%C3%B3n)
http://es.slideshare.net/Telecomun
efasenales/peresentaciontransformada-y-serie-de-fourier-etransformada-de-laplace
http://datateca.unad.edu.co/conten
idos/208016/contLinea/leccin_cato
rce__representacin_en_series_orto
gonales_de_seales__y_ruido.html

2 () = (
0

) 2
2

() = ( + 1) + (
1

) 2
2

Usando la aplicacin Web de integracin de

Wolfram Mathemtica tenemos que la integral es
() =

+ 1

+ ( ) 2
2
2

2

() = (

1
1
) 2 2 () + 2
2

1 1

+ ( ( ))

Literal d.

Anexos
Ejercicios de Kamen
3.20
Calcular la transformada de Fourier de
las seales que aparecen en la figura. Graficar
la magnitud y fase de la transformada.

() = 2 () ()
Aplicando propiedades
triangular tenemos

inversas

de

pulso

() = 4 2 ( ) 2 ( )

Literal a.

3.21
Calcular la transformada inversa de
Fourier de las funciones de frecuencia () que se
muestra en las figuras
Literal a.

() = 1 () + 2 ()
() = 1 () + 2 ()
0

() = ( + 1) + 2 ()
1

Por la propiedad de desplazamiento en el tiempo y

la transformacin de un pulso tenemos

() = () ()

() = 2 ( ) 2 ( )

Aplicando propiedades de pulso rectangular, pulso

triangular y dualidad tenemos
() =

( )
2 ( )

2
2

Literal d.

syms t X omega
X=simplify(int((t+1)*exp(1i*omega*t),t,-1,0)+int(exp(1i*omega*t),t,0,1));
w=0.1:.50:20;
angX=180*subs(X,w)/pi;
plot(w,angX)
ylabel ('Fase X(w)')
grid on

() = 2 () ()
Aplicando propiedades
triangular tenemos
() =

inversas

de

pulso

2 ( )
2 ( )

2
2

Grafique la magnitud y fase de los

resultados usando Matlab.
3.20
Literal a.
syms t X omega
X=simplify(int((t+1)*exp(1i*omega*t),t,-1,0)+int(exp(1i*omega*t),t,0,1));
ezplot(abs(X),0,20)
axis([0 20 0 2])
ylabel ('Magnitud X(w)')
grid on

Literal d.
syms t X omega
X=simplify(int((t+2)*exp(1i*omega*t),t,-2,-1)+int(exp(1i*omega*t),t,-1,1)+int((-t+2)*exp(1i*omega*t),t,1,2));
ezplot(abs(X),0,20)
axis([0 20 0 3.1])
ylabel ('Magnitud X(w)')
grid on

syms t X omega
X=simplify(int((t+2)*exp(1i*omega*t),t,-2,-1)+int(exp(1i*omega*t),t,-1,1)+int((-t+2)*exp(1i*omega*t),t,1,2));

w=0.1:.01:20;
angX=180*subs(X,w)/pi;
plot(w,angX)
ylabel ('Fase X(w)')
grid on

plot(w,angX)
title(' ');
xlabel (' ')
ylabel ('Fase x(t)')
grid on

Literal d.
3.21
Literal a.
syms t X omega
X=1/pi*(sinc(t/pi))1/(2*pi)*(sinc(t/(2*pi)))^2;
ezplot(abs(X),0,20)
axis([0 20 0 0.2])
title(' ');
xlabel (' ')
ylabel ('Magnitud x(t)')
grid on

syms t X omega
X=1/pi*(sinc(t/pi))1/(2*pi)*(sinc(t/(2*pi)))^2;
w=0.1:.01:20;
angX=180*subs(X,w)/pi;

syms t X omega
X=2/pi*(sinc(t/pi))^21/(2*pi)*(sinc(t/(2*pi)))^2;
ezplot(abs(X),0,20)
axis([0 10 0 0.5])
title(' ');
xlabel (' ')
ylabel ('Magnitud x(t)')
grid on

syms t X omega
X=2/pi*(sinc(t/pi))^21/(2*pi)*(sinc(t/(2*pi)))^2;
w=0.1:.01:20;
angX=180*subs(X,w)/pi;
plot(w,angX)
title(' ');
xlabel (' ')
ylabel ('Fase x(t)')
grid on

Comente resultados relacionando con

contenido espectral y ancho de banda.
Tomando en cuenta que la transformada de Fourier
de una funcin no slo permite hacer una
descomposicin espectral de los formantes de una
seal, sino que con el espectro generado por el
anlisis de Fourier incluso se puede reconstruir
(sintetizar) la funcin original mediante la
transformada inversa, podemos gracias a este
separar la funcin en varias para sumarlas o
restarlas y obtener la seal total y obtener mar
fcilmente la transformada o transformada inversa
de Fourier de la funcin, que es lo que
implementamos en varios de los ejercicios
resueltos.
En cuanto al ancho de banda siempre tenemos en
cuenta que mientras la seal vara ms rpido en el
tiempo mayor ser su ancho de banda, as como nos
podemos dar cuenta la diferencia entre los literales
a y d de cada ejercicio como su ancho de banda en
el literal d se reduce gracias a que la frecuencia es
ms grande.
Qu sucede con las seales complejas
en el tiempo?
Al ser una seal compleja al obtener su
transformada esta no tiende a ser simtrica es decir
no es par, ni impar, ya que las seales pares tiende
a tener una transformada puramente real, si es
impar su transferencia ser imaginaria y ya que no
cumple con ninguna de las dos tiene a ser
puramente compleja.