Universidad Politécnica de Madrid–Escuela Técnica Superior de Ingenieros Industriales 1/36

Grado en Ingeniería en Tecnologías Industriales. Curso 2015-2016-3º

Matemáticas de Especialidad–Ingeniería Eléctrica

Funciones trigonométricas de interpolación y ajuste

La Transformada de Fourier

José Luis de la Fuente O’Connor

jldelafuente@etsii.upm.es
joseluis.delafuente@upm.es
Clase_interpolacion_trigonometrica_DFT_FFT_2016.pdf
 2/36

Índice

 Introducción
 Interpolación trigonométrica
 Números complejos
 Transformada Discreta de Fourier
 Transformada Rápida de Fourier
 Interpolación Trigonométrica con la Trasformada Rápida de
Fourier
Introducción 3/36

 El procesamiento digital de señales, DSP, es uno de los núcleos básicos de la

economía digital que viene desarrollándose tan rápidamente en nuestra economía
y sociedad desde hace años. La base de ello es lo tratado en este tema.

 Las funciones trigonométricas, esencialmente a base de senos y cosenos, son

idóneas para modelizar y tratar mediante interpolación o ajuste la información
de fenómenos cíclicos o periódicos: señales acústicas, ópticas, económicas y
sociales. Esas funciones cumplen que
x.t / D x.t C T / D x.t C 2T / D


D x.t C nT /;
para un periodo T .

 La representación de una función continua o discreta mediante combinaciones

lineales de senos y cosenos permite descomponerla en su espacio de frecuencias
lo que ayuda a un análisis más preciso de algunos de sus parámetros.
 ¿De qué hablamos? Espectro de frecuencias VS tiempos. 4/36

 También: y
 5/36

Jean Baptiste Joseph Fourier, Francia,

1768-1830.
 Estudiando cómo se transmite el calor, Fourier demostró que cualquier función 6/36

periódica y continua, C Œ0; 2, puede representarse como una suma infinita
(serie de Fourier) de polinomios trigonométricos1 de la forma
1
i
a0 h i
x.t / D C aj cos.2f0tj / C bj sen.2f0tj / ;
2
j D1

donde2 los aj y bj vienen dados por las fórmulas de3 Euler:

l T
aj D 2
T
x.t / cos.2f0tj / dt; para j D 0; 1; : : :
0
y l T
bj D 2
T
x.t / sen.2f0tj / dt; para j D 1; 2; : : :
0
1
Sinusoides.
2
f0 es la frecuencia fundamental, inversa del periodo T : f0 D 1=T .

3
Leonhard Euler Basilea 1707-San Petersburgo 1783.
 7/36

 Las funciones 1=2, sen.2f0tj /, cos.2f0tj /; j D 1; : : : constituyen una base

en un espacio vectorial de dimensión infinita4 de funciones ortogonales con el
producto interior Z 2
hf; gi D f .t /g.t / dt:
0

 Los aj y bj son los coeficientes de x.t / en dicha base.

4
Espacio de Hilbert
 FOURIER ANALYSIS 8/36

siguiente
 Veamos función / D Ay.t
y.tfunción
la siguiente
FOURIER ANALYSIS
0C C1Acos.!
/D t C 0t/.C  /.
0 C C10cos.!
y(t)
iguiente función y.t / D A0 C C1 cos.!0t C  /.
y(t) 2 C1
a0 D 1;7
C1 D 1
C1 ! D 2f D 2=T D 2=.1;5s/
21
a0
Fase,  D =3 D 1;0472 radianes .0;25s/
T
θ Frec. fundamental, f D 1=T D 1=.1;5s/ D 0;6667 Hz
1 A0
1 2 t, s
T
θ 0 π 2π 3π ωt, rad
1 (a) 2 t, s

0 π 2π 3π ωt, rad
2 (a)
 En sus tres componentes A0

21
a0
B1 sin (ω0t)
10 a1 D 0;5
A cos (ω0t)
b 1 sen(ω10t) b1 D 0;866
y.t / D a0 C a1 cos.!0 t / C b1 sen.!0 t /
1
0
(b) a 1 cos(ω0t)

representa la1función . En este caso A0 D 1;7, C1 D 1, ! D 2f D 2=T D 2=.1;5s/

3 D 1;0472 FIGURE 16.2.0;25s/. La frecuencia f D 1=T D 1=.1;5s/ D 0;6667 Hz.
radianes
(a) A plot of the sinusoidal function y(t) = A 0 + C1 cos(0t + ). For this case, A0 = 1.7,
presión deCla1la=función
epresenta función
1, 0 =. en
Ensus
2/T =tres
este componentes:
caso
2/(1.5 0 D
As), Cy.t
 =, /3
and1;7 1 D D
/radians
1, A!0=DC A1 cos.!
2f
1.0472 D0.25
(= 2=T COther
0 t /s). D sen.!0 t/
B12=.1;5s/
BD1 D FIGURE
0;866
1;0472 . 16.2
parameters
radianes used to describe
.0;25s/ the curve are f
. La frecuencia the D
frequency
1=T D f = 1=.1;5s/
0/(2), which for this case
D 0;6667 Hz.is
 9/36

Decompo
composit
signal in
frequenc
Interpolación trigonométrica 10/36

 Se trata de representar mediante un polinomio de grado m en Œ0; 2/ una

función periódica de la que se conocen n datos igualmente espaciados5 en ese
intervalo, fx0; x1; : : : ; xn 1g. Haciéndolo así
m m
a0 X X
p.t / D C aj cos.jt / C bj sen.jt /;
2 j D1 j D1
n  o
2

4

2.n 1/
cumpliéndose en los puntos .0; x0/; n
; x1 ; n
; x2 ;:::; n
; xn 1 .

 El grado m del polinomio depende del tamaño de la muestra, n. Si n es par,

sería m D n=2; si es impar, m D .n 1/=2.

 Para obtenerlo de la manera que conocemos habría que determinar 2m C 1

parámetros: a0, ai , bi , i D 1, : : : ; m.
5
Tren de impulsos.
 11/36
 Ejemplo Interpolemos˚ a los datos
.0; 1/; 2

4
6

4
; 3 ; 4
; 5 ; 4 ;2
el polinomio
a0 a2
p.t / D C a1 cos .1
t / C cos .2
t/ C
2 2
Cb1 sen .1
t/ C b2 sen .2
t/ :

 Para obtener los coeficientes a0, a1, a2, b1 y b2 planteamos un sistema de

ecuaciones lineales del tipo Ax D b, en el que la matriz A es del tipo
Vandermonde, y b D Œ1; 3; 5; 2T .

 El sistema que hay que resolver, en forma matricial, es

21 1
32 3
2
1 2
0 0 a0 2 3
1
6 12 cos 1
2
1

1
cos 2
2
1



sen 1
2
1



sen 2
2
1
 7

a1 7
6 4 2 4 4 4 7 4a25 D 4 35 :
6
4 21 cos 1
2
2

1
cos 2
2
2



sen 1
2
2



sen 2
2
2



5 b1 5
4 2 4 4 4
2
1
cos 1
2
3


1
cos 2
2
3



sen 1
2
3



sen 2
2
3


b2
2 4 2 4 4 4
 Simplificando resulta así 12/36

21 1 3 2a 3 2 3
1 00 0
2 2 1
1
0 1
10 6 7
6a1 7
6 2 2
7
7 6a27 D 6 37
6
1 1 55
:
1 0 05 4b 5
4 4
2 2 1
1 1 2
2
0 2
10 b2

 Resolviendo da, como solución de norma euclídea mínima,

2 13
2
2 3
a0 6 37
6a17 6 7
6 7 6 97
6a27 D 6 2 7 :
4b1 5 6 1 7
4 25
b2
0
El polinomio de interpolación es entonces
p.t / D 41 C 3 cos.t / 94 cos.2t / C 12 sen.t /.

 Sustituyendo 0, =2,  y 3=2 en este polinomio se puede comprobar que se

consiguen los valores de la muestra.
Números complejos 13/36

 Los números del cuerpo

p C de lo complejos
p surgen para dar sentido a raíces de
números
p negativos, a2 D ˙a 1. Para ello se utiliza la unidad imaginaria
iD 1.

 Cualquier complejo z D x C yi , donde x es la parte real e y la imaginaria

(ambas reales), se representa geométricamente en el plano complejo así:

En su forma polar se6 escribe z D re i' D r cos ' C i sen ' , donde



r D x 2 C y 2 y ' D arctan.y=x/.
p
6
A e i' D cos ' C i sen ' se la conoce como identidad de Euler
 La circunferencia de radio unidad en el plano complejo es el Transform
10.1 The Fourier lugar geométrico
| 469 14/36

de los números complejos con r D 1.

y

iπ
e 2 =i
iπ
e4

e iπ= –1 + 0i e0= 1 + 0i
x

Si se multiplican dos números e i
y e i de esa circunferencia,

i i
cos in C
D circle sen  plane.
cos Complex
C i sennumbers


e 10.2
Figure e Unit thei complex of the form eiθ for some
D cos  cos sen sen C i sen  cos C sen cos  :


angle θ have magnitude one
and lie on the circle.
unit
7 i.C /
Reordenando, e D cos. C / C i sen. C /. Por tanto, el producto de dos
números complejos en la circunferencia de radio unidad es otro número de la
z = a + bi = reiθ , (10.1)
misma circunferencia cuyo ángulo es √ la suma de los dos precedentes.
where r is the complex magnitude |z| = a 2 + b2 and θ = arctan b/a.
The unit circle in the complex
i i plane corresponds
i e i to complex numbers of magnitude
7
Es interesante saber que cos  D e Ce y sen  D i e .
r = 1. To multiply together the two
2 numbers eiθ and2eiγ on the unit circle, we could convert
 Los números Moivre, z tales que z n 1 D 0, raíces n-ésimas de la unidad, 15/36

por Abraham de Moivre, Francia, 1667-1754 , tienen interés:

 En la recta de números reales sólo hay dos: 1 y 1.
 En el plano complejo hay muchos. Por ejemplo, i es una raíz cuarta de 1:
p 4
i4 D 1 D . 1/2 D 1.

 Están localizados en la circunferencia del plano complejo de radio la unidad:

forman los vértices de un polígono regular de n lados con un vértice en 1.
 )LIWKURRWVRIXQLW\

L

í  

íL
 Una raíz n-ésima de la unidad se denomina primitiva8 si no es una raíz k-ésima 16/36

para k < n. Así, 1 es una raíz segunda primitiva de la unidad y cuarta no

Roots of Unity
primitiva de ella.
For given integer n, we use notation

 Es fácil verωnque,
= cos(2π/n) número complejo !n D e i2=n es
sin(2π/n) =ele−2πi/n
para una −nicualquiera,
forn-ésima
una raíz primitiveprimitiva
nth rootde
ofla unidad (también lo es !n D e i2=n).
unity

nth roots of unity, sometimes called twiddle i2=4

 En la figura
factorsseinve la context,
this raíz cuarta
areprimitiva
then givendebyla ωunidad
k !4 D e y las otras
n or
tres. Son,
by ωen
n ,general,
−k k = 0, . .las
. , npotencias
−1 !4k , k D 0; 1; 2; 3.
i = ω43 = ω4−1
•....
...
....
..................
.... .......2π/4
.... ...
.
ω42 = ω4−2 = −1 •............................................................................................•
.. 1 = ω40 = ω44
...
....
....
....
..
•..
−i = ω41 = ω4−3
8
De otra manera, la raíz n-ésima de la unidad ˛ es primitiva, si sólo si sus k-ésimas potencias, k D 0; 1; : : : ; n 1 son distintas. Las raíces cuartas
de 1 son: 1, 1, i , i . En el caso de 1 sus potencias de grado 0, 1, 2 y 3 son iguales; no es raíz primitiva. Para i , se calcula que las potencias de grado
0, 1, 2, 3 son, respectivamente, 1, i , 1, i , distintas, luego i es una raíz cuarta primitiva de 1.
4
 17/36

 Las !nk se denominan también factores twiddle. Mirar más aquí.

i2=n
 Se puede verificar que la raíz n-ésima de la unidad, ! D e , con n > 1,
cumple que
1 C ! C ! 2 C ! 3 C


C ! n 1 D 0;
1 C ! 2 C ! 4 C ! 6 C


C ! 2.n 1/ D 0;
1 C ! 3 C ! 6 C ! 9 C


C ! 3.n 1/ D 0;
:::
1 C ! n 1 C ! .n 1/2 C ! .n 1/3 C


C ! .n 1/.n 1/ D 0:
También que
1 C ! n C ! 2n C ! 3n C


C ! n.n 1/
D 1 C 1 C 1 C 1 C


C 1 D n:
Además, si k es un número entero,
n 1
i 
n si k=n es entero,
!jk D
0 en otro caso.
j D0
 18/36

Transformada Discreta de Fourier

 La interpolación trigonométrica que estamos estudiando se puede llevar a cabo

de forma eficaz usando la Transformada Discreta de Fourier y la Transformada
Rápida de Fourier.

 Para un vector de coeficientes reales, x D Œx0; x1; : : : ; xn 1T , su Transformada

Discreta de Fourier, TDF, es el vector n-dimensional y D Œy0; y1; : : : ; yn 1T
tal que
n 1
1 X
yk D p xj ! j k ;
n j D0
i 2=n
donde ! D e .
 19/36

 En forma matricial, la definición anterior dice que

2 0 0
a0 C i b0 ! ! !0


!0
2 3 2 3 32 3
y0 x0
6 y1 7 6 a1 C i b1 7 6! 0 ! 1 ! 2


! n 1 7 6 x1 7
6 y2 7 D 6 a2 C i b2 7 D p1 6! 0 ! 2 4



2.n 1/ 7
6 7 6 7 6 6 7
! ! 7 6 x2 7 :
6 : 7 6 n6 : ::: ::: ::: 7
4 :: 5 4 ::: 7
5 4 :: 5 4 ::: 5
6 7
2
yn 1 an 1 C i bn 1 ! 0 ! n 1 ! 2.n 1/


! .n 1/ xn 1

 A la matriz simétrica
!0 !0 !0


!0
2 3
6! 0 ! 1 !2


!n 1 7
0 2 4 2.n 1/ 7
F n D p1n 6



6
!
6 : ! ! ! 7
4 :: ::: ::: ::: 7 5
2
! 0 ! n 1 ! 2.n 1/


! .n 1/

se la denomina matriz de Fourier. Todas sus filas y columnas, excepto las

primeras, suman cero.
 20/36

 La inversa de la matriz de Fourier es

2 3
!0 !0 !0


!0
6! 0 ! 1 ! 2


! .n 1/ 7
6 7
F n1 D p1n 6! 0 ! 2 ! 4


! 2.n 1/ 7
6
6 :: ::: ::: :::
7
4 :
7
5
.n 1/2
! 0 ! .n 1/ ! 2.n 1/


!

y la Transformada Discreta de Fourier inversa de y es x D F n 1y.

 Dado que un número complejo en la circunferencia unidad,

z D e i D cos  C i sen , tiene como recíproco, su complejo conjugado,
e i D cos  i sen  , la inversa de la matriz F n será la que tenga como
coeficientes los complejos conjugados los de F n, es decir

F n 1 D F n:
 21/36

 La matriz de Fourier es una matriz unitaria, F F D I, por lo que, recordemos,

al multiplicarla por cualquier vector, éste conserva su norma.

 Aplicar la Transformada Discreta de Fourier requiere O.n2/ operaciones,

concretamente n2 multiplicaciones y n.n 1/ sumas; aplicar la inversa lo
mismo.

 Ejemplo Calculemos la TDF del vector x D Œ1; 0; 1; 0T .

Sea en este caso ! la raíz cuarta de la unidad, es decir ! D e i2=4 D e i=2

D cos.=2/ i sen.=2/ D i . La trasformada es

2 3 2 32 3 2 32 3 2 3
y0 1 1 1 1 1 1 1 1 1 1 0
6y1 7 61 ! ! 2 ! 3 7 6 07 1 61 i 1 i7 07
1 7 D 617 :
6 6 6 7
6 7D p 6 76 7D 76
4y2 5 4 41 ! 2 ! 4 ! 6 5 4 15 2 41 1 1 15 4 15 405
y3 1 !3 !6 !9 0 1 i 1 i 0 1
 22/36

 Si utilizamos la rutina de Matlab para hacer TDF, fft, hay que tener en
cuenta que su normalización es un poco diferente, y hay que usar
fft(x)/sqrt(n). Para la inversa ifft(y)*sqrt(n). En efecto:

>> x=[1 0 -1 0];

>> fft(x)
ans =
0 2 0 2
>> fft(x)/sqrt(4)
ans =
0 1 0 1
>> ifft(ans)*sqrt(4)
ans =
1 0 -1 0
>>
 23/36

 Una propiedad importante de la TDF es que si n es par y el vector

x D Œx0; x1; : : : ; xn 1T tienes todos sus coeficientes reales, los de su
transformado, y, son los siguientes, para por ejemplo n D 8,
2 3
x0 2 3
6x17 a0 2
y0
3
6 7 6a C i b 7
6x 7 6 1 17 6 ::: 7
2
6 7 6a C i b 7 6 7
6x 7 6 2 27 6y n 7
6 37 6 17
6 7 6a3 C i b37 6 y2 n 7
7 6
F 8 6x47 D 6 7 D 6 2 7:
6 7 6a4
6x57 6 7 6y n 17
7 6 7
6 7 6a3 i b3 7 6 2: 7
6x67 6 7 4 :: 5
6 7 4a2 i b2 5
4x75 y1
a1 i b1
x8
Transformada Rápida de Fourier 24/36

 Como acabamos de ver la TDF necesita para su cálculo O.n2/ operaciones.

James William Cooley, 1926 y John Tukey, 1915-2000.

EE.UU.

Cooley y Tukey formularon en 1965 uno de los algoritmos más importantes del
Siglo XX. La Transformada Rápida de Fourier, FFT.

 Este algoritmo sigue la estrategia del divide y vencerás para hacer mucho más
rápido la TDF. Requiere O.n log n/ operaciones.

 Su aportación más significativa es haber convertido el tratamiento de señales de

lo analógico a lo digital, ampliando casi hasta el infinito su campo de aplicación.
 25/36

 Si expresamos la TDF, F nx, de la forma

2 3 2 3
y0 x0
4 ::: 5 D p1 M n4 ::: 5 ;
n
yn 1 xn 1
donde 2 3
0 0 0 0
! ! !


!
6! 0 ! 1 !2


!n 1 7
6 7
6! 0 ! 2 4



! 2.n 1/ 7
Mn D 6 ! 7;
6 :: :: ::: ::: 7
4 : : 5
2
! 0 ! n 1 ! 2.n 1/


! .n 1/
veamos cómo calcular de forma recursiva el producto z D M nx.
 26/36

i2=4
 Empecemos simulando su mecánica con n D 4. Si ! D e , la TDF es
2 3 2 32 3
0 0 0 0
z0 ! ! ! ! x0
6 7 6 0 1 2 37 6 7
6z17 6! ! ! ! 7 6x17
6 7 D 6 0 2 4 67 6 7 :
4z25 4! ! ! ! 5 4x25
z3 !0 !3 !6 !9 x3

 Reordenando las operaciones de tal manera que los términos pares aparezcan
primero se tiene que
z0 D ! 0x0 C ! 0x2 C ! 0 ! 0x1 C ! 0x3


0 2 1 0 2
z 1 D ! x0 C ! x2 C ! ! x1 C ! x3

z2 D ! 0x0 C ! 4x2 C ! 2 ! 0x1 C ! 4x3

0 6 3 0 6
z3 D ! x0 C ! x2 C ! ! x1 C ! x3 :


 27/36

 Usando el hecho de que ! 4 D 1, las ecuaciones anteriores quedan

z 0 D ! 0 x0 C ! 0 x2 C ! 0 ! 0 x1 C ! 0 x3



0 2 1 0 2
z 1 D ! x0 C ! x2 C ! ! x1 C ! x3

z2 D ! 0x0 C ! 0x2 C ! 2 ! 0x1 C ! 0x3

0 2 3 0 2
z3 D ! x0 C ! x2 C ! ! x1 C ! x3 :

 Los términos entre paréntesis en las primeras dos líneas se repiten en las dos
siguiente. Hagamos
u 0 D 0 x0 C 0 x2 v0 D 0x1 C 0x3
y ;
u 1 D 0 x0 C 1 x2 v1 D 0x1 C 1x3

donde  D ! 2, la segunda raíz de la unidad.

 28/36
T T
 Los vectores u D Œu0; u1 y v D Œv0; v1 son básicamente
 
x
u D M2 0
x2
 
x
v D M2 1
x3
por lo que el original M 4x es
z0 D u0 C ! 0v0
z1 D u1 C ! 1v1
z2 D u0 C ! 2v0
z3 D u1 C ! 3v1:

 La TDF.4/ original se ha transformado en un par de TDF.2/ más algunas

p
pocas multiplicaciones y sumas. Si ignoramos el término 1= n una TDF.n/ se
puede reducir al cálculo de dos TDF.n=2/ más 2n 1 operaciones adicionales.
Interpolación Trigonométrica con la 29/36

Trasformada Rápida de Fourier

 Dado un intervalo Œc; d  y un número positivo n, definamos t D .d c/=n y

unos tj D c C jt, j D 0; : : : ; n 1, igualmente espaciados en el intervalo.

 Para un vector dado x al que le aplicaremos la Transformada de Fourier, cada

uno de sus coeficientes, xj , lo interpretaremos como una medida de un conjunto
de ellas tomadas a una señal determinada en los tiempos tj .

 Si y D F nx es la TDF de x, cada coeficiente xj vendrá dado por la fórmula

de la inversa de TDF:
j i 2k.t c/
n 1 n 1 n 1
1 X j 1 X X e d c
xj D p yk ! k D p yk e i2kj=n D yk p


:
n kD0 n kD0 kD0 › n

Q.t/
 Esta expresión la podemos ver como la que materializa, mediante TDF, una 30/36

interpolación de los puntos .tj ; xj / con funciones de base trigonométricas

i 2k.t c/
e d c
p ; k D 0; : : : ; n 1
n
con coeficientes, o pesos, yk D ak C i bk .

 Del desarrollo de Q.t /, es decir,

n 1
i  
1 2k.t c/ 2k.t c/
Q.t / D p .ak C i bk / cos C i sen ;
n d c d c
kD0

si los xj son reales, la función trigonométrica de orden n que interpola los

puntos .tj ; xj / es
n 1
i  
1 2k.t c/ 2k.t c/
Pn .t/ D p ak cos bk sen :
n d c d c
kD0
 Simplificando un poco más esta fórmula, si n es par, se llega a que 31/36

n
2
1
i  
a0 2 2k.t c/ 2k.t c/ an =2 n.t c/
Pn .t / D p C p ak cos bk sen C p cos
n n d c d c n d c
kD0

satisfaciendo Pn.tj / D xj , j D 0; : : : ; n 1.

 Ejemplo Calculemos el polinomio trigonométrico de interpolación del vector

x D Œ1; 0; 1; 0T . El intervalo es Œ0; 1; t D Œ0; 1=4; 1=2; 3=4T .

La TDF de x es y D Œ0; 1; 0; 1T . Los coeficientes de la interpolación son

ak C i bk D yk , por lo que a0 D a2 D 0, a1 D a3 D 1 y
b0 D b1 D b2 D b3 D 0.

Aplicando la fórmula anterior, el polinomio trigonométrico de interpolación es:

a0
a2
P4.t / D C a1 cos 2 t b1 sen 2 t C cos 4 t D cos 2 t:
2 2
 32/36

 Ejemplo Obtengamos el polinomio trigonométrico de interpolación de

x D Œ 2;2 2;8 6;1 3;9 0;0 1;1 0;6 1;1T en el intervalo Œ0; 1.
La Transformada de Fourier es
2 3
5;5154
6 1;0528 C 3;6195i 7
1;5910 1;1667i 7
6 7
6
0;5028 0;2695i 7
6 7
yD6 7:
6
6 0;7778 7
6
6 0;5028 C 0;2695i 7
7
4 1;5910 C 1;1667i 5
1;0528 3;6195i

Aplicando la fórmula para obtener el polinomio, se tiene que

P8 .t/ D 5;5154
p
8
1;0528
p
2
cos 2 t 3;6195
p
2
sen 2 t
C 1;5910
p
2
cos 4 t C 1;1667
p
2
sen 4 t
0;5028
p
2
cos 6 t C 0;2695
p
2
sen 6 t 0;7778
p
8
cos 8 t
D 1;95 0;7445 cos 2 t 2;5594 sen 2 t
C1;125 cos 4 t C 0;825 sen 4 t
0;3555 cos 6 t C 0;1906 sen 6 t 0;275 cos 8 t:
 33/36

 El resultado se ve gráficamente así:

2

-1

-2
y

-3

-4

-5

-6

-7
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Tiempo
 34/36

 Una consecuencia práctica muy importante del hecho de que en el polinomio

trigonométrico de interpolación Pn.t / las funciones de base sean ortogonales es
que si m < n entonces
m
2
1
i  
a0 2 2k.tj c/ 2k.tj c/ am =2 n.t c/
Pm .t / D p C p ak cos bk sen C p cos
n n d c d c n d c
kD0

es la mejor aproximación de mínimos cuadrados de orden m a los datos

.tj ; xj /; j D 0; : : : ; n 1.

 Esto quiere decir que para el ejemplo anterior, los polinomios trigonométricos de
interpolación P4.t / y P6.t / serán
P4 .t/ D 1;95 0;7445 cos 2 t 2;5594 sen 2 t C 1;125 cos 4 t
P6 .t/ D 1;95 0;7445 cos 2 t 2;5594 sen 2 t
C1;125 cos 4 t C 0;825 sen 4 t 0;3555 cos 6 t:
2

35/36
1

-1

-2

-3

-4

-5

-6

-7
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

-1

-2

-3

-4

-5

-6

-7
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Aplicaciones prácticas: Sonido, ruido, filtrado, ... 36/36

>> load handel

>> plot(y(1:256))
>> xp=dftfilter([0,1],y(1:256),64,256,256);
0.2 0.2

0.15 0.15

0.1 0.1

0.05 0.05

0 0

-0.05 -0.05

-0.1 -0.1

-0.15 -0.15

-0.2 -0.2

-0.25 -0.25
0 50 100 150 200 250 300 0 50 100 150 200 250 300

>> sound(y,Fs)
>> xp=dftfilter([0,1],y,10000,73113,73113);
>> sound(xp,Fs)
>> xp=dftfilter([0,1],y,73112,73113,73113);
>> sound(xp,Fs)