below

ADVANCED FOURIER
Leonardo Rubino
April 2024

Contents:


1
1-FOURIER SERIES f (t )  A0   [ An cos nt  Bn sin nt ]
2 n 1


1
e
 ipt
2-FOURIER TRANSFORM F ( p)  f (t )dt
2 


FOURIER SINE TRANSFORM FSIN ( p)   f (t ) sin ptdt
0


FOURIER COSINE TRANSFORM FCOS ( p)   f (t ) cos ptdt
0


3-LAPLACE TRANSFORM F ( s )   f (t )e  st dt
0

r  i
1
LAPLACE INVERSE TRANSFORM f ( x)   e sx F ( s )ds
2i r  i


4-Z TRANSFORM X ( z )   xn z  n
n 0

N 1

5-DFT AND FFT X (m)   x (n)e  j 2mn / N

n 0
 1-FOURIER SERIES
 
If we have two vectors u and v , their scalar product w is given by the product of their modules
times the cosine of the angle between them:

u

 
v
Fig. 1.1
   
u  u  uˆ  u xiˆ  u y ˆj  u z kˆ , v  v  vˆ  vxiˆ  v y ˆj  vz kˆ , so: w  u  v  uv cos , or, as well:
 
w  u  v  (u xiˆ  u y ˆj  u z kˆ)(vxiˆ  v y ˆj  vz kˆ)  u x vxiˆiˆ  u x v y iˆˆj  u x vz iˆkˆ  u y vx ˆjiˆ  u y v y ˆjˆj  u y vz ˆjkˆ 
 u v kˆiˆ  u v kˆˆj  u v kˆkˆ  u v  u v  u v  w ,
z x z y z z x x y y z z (1.1)
as iˆiˆ  ˆjˆj  kˆkˆ  1  1  cos 0  1 , while the products among versors i, j and k are zero, because they
contain cos 90  0 .
Two vectors are called orthogonal if their scalar product is zero. Now, (1.1) can be written like that:
3
w  u v   ui vi , ( x bra , x ket). In general:
i 1
n n
u v   ui vi   ui vi i , (1.2)
i 1 i 1
where i  1 , as “i” makes jumps about 1.
Now, if we see functions as vectors with infinite dimensions (whose components are the values of
the functions themselves), then, as n   , the summation in the (1.2) will become an integral and
b
i  di  dx , and so: g f   g ( x) f ( x)dx .
a
---------------------------------------------

Dualism between summation and integral (simplified explanation!!!):

f(x)
f(b)
f(xi)
f(a)
Ai

x
a=x0 x1 xi b  x
Fig. 1.2
x  x
If we suppose that all the x are infinitesimal (small x or dx), the surfaces Ai are fi(xi) x and the

surface A under the curve between a and b is: A   f i ( xi )x , but if F(x) is the primitive of f(x),
i 1
 Fi ( xi )  Fi 1 ( xi 1 )
then, by definition of the derivative, we have: f i ( xi )  (where xi and x(i-1) are
dx
very close, as they are separated just by a dx) and so:
 
[ F ( x )  Fi 1 ( xi 1 )] 
A   f i ( xi )x   i i dx   [ Fi ( xi )  Fi 1 ( xi 1 )] 
i 1 i 1 dx i 1

 [ F1 ( x1 )  F0 ( x0 )]  [ F2 ( x2 )  F1 ( x1 )]  ...  [ F(  1) ( x(  1) )  F(   2) ( x(   2 ) )]  [ F ( x )  F(  1) ( x(  1) )] 

 [ F1 ( x1 )  F (a )]  [ F2 ( x2 )  F1 ( x1 )]  ......  [ F(  1) ( x(  1) )  F(   2) ( x(   2) )]  [ F (b)  F(  1) ( x(  1) )] 
b
 F (b)  F (a)  F ( x) a   f ( x)dx
b

a
-----------------------------------------

If f(x) and g(x) are orthogonal functions in (a,b), then: g f  0 . Now, as well as {iˆ, ˆj , kˆ} are a
system of orthogonal versors (orthonormal), then also {i (x)} is a system of orthogonal functions if
b N

 i (x)k (x)dx   ik and so, as all the i (x) are linearly independent, we have that  (x)  c
i 1
i i 0
a
only if all the ci are zero, as if such a summation is zero, then some terms cancel each other and so a
composition of some versors would give a new vector which would cancel with other versors, but
that is not possible, as, for instance, there is no way, by a combination of i and j, to get a vector
which cancels with k; i and j lay over the (xy) plane on which k cannot lay (that is along z, which is
perpendicular to xy). Therefore, the equality to zero will be caused only by all zero coefficients.
n
Then, if {i (x)} is an orthonormal base, we have: f   f i i . Of course, f i  i f ; in fact:
i 1

1 f  1 f11  1 f 22  1 f 33  f1 1 1  f 2 1 2  f 3 1 3  f1 1 1  0  0  f1

At last, i  j   ij ,

f ( x)   cii ( x) , (1.3)
i

where ci  (i , f )  i f . The (1.3) is the Fourier series for f(x).

Orthogonal functions:
The trigonometric system of functions is orthogonal in ( ,  ) :
(1, sin x, cos x, sin 2 x, cos 2 x,...) ; (1.4)

In fact,  sin mx cos nxdx  0

m, n and

 

 cos mx cos nxdx   sin mx sin nxdx   mn

 
(1.5)

This stands because in trigonometry we have the Werner equalities:

cos(m  n) x  cos(m  n) x sin( m  n) x  sin( m  n) x
cos mx cos nx  , sin mx cos nx  and
2 2
cos(m  n) x  cos(m  n) x
sin mx sin nx  , so:
2
   
sin(m  n) x  sin(m  n) x 1 1
sin mx cos nxdx   2
dx   sin(m  n) xdx   sin(m  n) xdx  0
2  2 
   
cos( m  n) x  cos(m  n) x 1 1
 cos mx cos nxdx 

 2
dx   cos( m  n) xdx   cos( m  n) xdx 
2  2 
  
1 1 1 1 
 0   cos( m  n) xdx  0   cos 0 xdx  0   dx  0  x    (with m=n)   mn
2  2  2  2

(in fact, in  cos( m  n) xdx there is a cosine and so it has a zero mean value (m.v.) , still in that

range, except for m=n, where the cosine becomes 1 and yields x as indefinite integral, while


 sin(m  n) xdx

is still with a zero v.m. and gives no contribution even when m=n, when sin 0 is

zero once more)

Similarly:
   
cos( m  n) x  cos(m  n) x 1 1
 sin mx sin nxdx   2
dx   cos(m  n) xdx   cos( m  n) xdx 
2  2 

1
2 
 cos(m  n) xdx  0   mn .

Out of normalization, we take into account not the (1.4), but the following:
1 sin x cos x
( , , ,...) .
2  

1
Therefore: f ( x)  a0   [ak cos kx  bk sin kx] (1.6)
2 k 1
  
1 1 1
with ak 
  f ( x) cos kxdx

and bk 
  f ( x) sin kxdx

( a0 
  f ( x)dx )

As a matter of fact, by integrating the (1.6), we get:
    
1
 f ( x)dx   2 a0dx  
 k 1
[ak  cos kxdx  bk  sin kxdx] 
 
 
1 1
 a0 2   [ak  0  bk  0]  a0 , from which: a0   f ( x)dx .
2 k 1  
On the contrary, if we integrate the (1.6) after having multiplied both sides by cosnx, we get:
    
1
 f ( x ) cos nxdx 
2 
a0 cos nxdx  
k 1
[ ak  cos kx cos nxdx  bk  sin kx cos nxdx ]  0  ak  kn  0  ak  kn
  

1
(all this still in force of the Werner equalities) and then: ak 
  f ( x) cos kxdx

At last, if we integrate the (1.6) after having multiplied both sides by sinnx, we get:
    
1
 f ( x ) sin nxdx 
2 
a0 sin nxdx  
k 1
[ a k  cos kx sin nxdx  bk  sin kx sin nxdx]  0  0  bk  kn  bk  kn
 

1
from which bk 
  f ( x) sin kxdx

.

Now, more specifically, for functions of time, we have:

 
1
f (t )  A0   [ An cos nt  Bn sin nt ] (1.7)
2 n 1
T T T
2 2 2
where An 
T0  f (t ) cos ntdt , ( A0   f (t )dt ) and Bn   f (t ) sin ntdt
T0 T0
In fact, by integrating between 0 and T the (1.7), we have:
T T  T T
1 1
0 f (t ) dt 
20 A 0 dt  
n 1
[ An cos n tdt  B n  sin ntdt ] 
2
A0T  0 , as cos and sin have zero m.v. in
0 0
T
2
that interval, so: A0   f (t )dt .
T0
Similarly, if we integrate the (1.7) after having multiplied both sides by cos kt , we get:
T T
T 2
0 f (t ) cos ktdt  2 Ak , (  Ak  T 0 f (t ) cos ktdt ), because, as well as we already calculated
before and by using the Werner equalities, the integral containing A0 is zero because it’s about a
cosine with a zero m.v. in that interval, and the integral with Bk is zero as well, and the only
surviving term is the integral with Ak (and k=n).
T T
T 2
At last, similarly:  f (t ) sin ktdt  Bk , (  Bk   f (t ) sin ktdt )
0
2 T0
Polar form of the Fourier series:
The (1.7) can be written also like that:

1
f (t )  A0   Cn sin( nt  n ) (1.8)
2 n 1
T
2 A
where A0 
T0 f (t )dt , Cn  An2  Bn2 ,  n   arctg n , or also like that:
Bn

1
f (t )  A0   Dn cos(nt  n ) (1.9)
2 n 1
T
2 B
with A0 
T0  f (t )dt , Dn  Cn  An2  Bn2 , n  arctg n .
An
In fact, as according to trigonometry, we have:
sin(a  b)  sin a cos b  cos a sin b and cos(a  b)  cos a cos b  sin a sin b , the (1.8) becomes:
 
1 1
f (t )  A0   Cn sin( n  nt )  A0   Cn [sin n cos nt  cos  n sin nt ] 
2 n 1 2 n 1
 
1
 A0   (Cn sin  n ) cos nt   (Cn cos  n ) sin nt , and so: An  Cn sin  n and Bn  Cn cos  n
2 n 1 n 1

sin  n An
and so: An2  Bn2  Cn2 and tg n   . Similarly, we can get the (1.9).
cos  n Bn
Exponential form of the Fourier series:
eikx
Also the system of functions ( ) (where k=0,±1, ,±2,…) is orthonormal over ( ,  ) ; in fact,
2
 
1  2i e i ( k '  k )  e  i ( k '  k )  sin(k 'k )
 e e dx   e dx  )  2 [ ]  2 kk '
 ikx ik ' x ix ( k '  k )
eix ( k ' k )  (
 
i (k 'k )  i (k 'k ) 2i (k 'k )
as if k’=k, then sin0/0=1, while if k '  k , then k’-k=n and sinnπ is always 0.
 
1
Therefore: f ( x) 
2
C e
k  
k
ikx
, (1.10)

1
 f ( x)e
 ikx
Ck  dx , or in the time domain:
2 

1  
2
f (t ) 
2
 C 'k eikt 
k  
C e 
k  
k
ik t
, ( 
T
) (1.11)
T T
1 1
C k   f (t )e ikt dt  C k e i k , C k  Ck*  Ck e i k , C0   f (t )dt .
T 0 T 0

1
By comparing the (1.11) with the (1.9), we get: f (t )  C0   2 Cn cos(nt   n ) , where C0  A0 ,
n 1 2
Dn  2 Cn and n   n .

SQUARE WAVE (Fourier series)

By reasoning in terms of angle x first ( ,  ) A) and then in terms of time (0,T) B), and also in
polar form B2) and exponential C).
ε(x)
A)
VM

-π 0 π x
-VM
Fig. 1.3

Such a function  (x) is odd, so all the ai are zero. Because of the (1.6):  ( x)   bk sin kx ,
k 1
 
1 2 2VM  2V
x  ( ,  ) , bk 
  ( x) sin kxdx   V  sin kxdx  

M
0
k
cos kx 0   M [(1) k  1] , that is
k
1 4VM
b2l  0 and b2l 1  and finally:
 (2l  1)
4V  sin( 2l  1) x
 ( x)  M  (1.12)
 l  0 (2l  1)

Fig. 1.4: How the harmonics make the square wave.

 ε(t)
B) VM

-T/2 0 T/2 T t
-VM

Fig. 1.5

With reference to the (1.7):

T T /2 T T T /2
2 2 2 2 2
A0   f (t )dt   VM dt   (VM )dt  0 , Ak   f (t ) cos ktdt   VM cos ktdt 
T0 T 0 T T /2 T0 T 0
T
2 2V 2V
  (VM ) cos ktdt  M sin kt 0  M sin kt T / 2  0 ,
T /2 T

T T 72 Tk Tk
T T /2 T
2 2 2 2V
  VM sin ktdt  
T /2
Bk  f (t ) sin ktdt  (VM ) sin ktdt  M  cos kt 0 
T0 T 0
T T 72 Tk
2VM T V V 2V
  cos kt T / 2  M ( cos k  1)  M ( cos 2k  cos k )  M (1  cos k ) , that is, if k is
Tk k k k
4V
even, then Bk  0 , while if k is odd (2l+1), then Bk  M , so, by the (1.7):
k
1 
4V 
sin( 2l  1)t
 (t )  A0   [ An cos nt  Bn sin nt ]  M  (1.13)
2 n 1  l  0 (2l  1)

B2) Polar form

4VM B
A0  0 , Dn  An2  Bn2  Bn  , n   arctg n  90 , with n odd: 2l 1  90 , from which:
k An
1 
4VM 
4V 
sin(2l  1)t
f (t )  A0   Dn cos(nt  n )   cos[(2l  1)t  90]  M  .
2 n 1  (2l  1) l  0  l 0 (2l  1)

C) Exponential form

T T T /2 T
1 1 1 1
C0   f (t )dt  0 , C k   f (t )e ikt dt  V M e  ikt
dt   (VM )e ikt dt 
T 0 T 0 T 0
T T /2
VM 1 T /2 V 1 T
 e ikt  M e ikt
T (ik ) 0 T (ik ) T /2

2VM
therefore, if k is even, then Ck  0 , while if k is odd (2l+1), C( 2l 1)  i ,
(2l  1)
2VM
C( 2l 1)  and  k  90 ,
(2l  1)
 
2VM 
(i 2VM ) ikt
f (t )   Ck eikt   e  i 90eikt   e (1.14)
k   l   ( 2l  1) l   (2l  1)
TRIANGULAR WAVE (Fourier series) in ( ,  )

f(x)
1

2π -π 0 π 2π x

Fig. 1.6

f ( x)  x , for x  (0,  ) , and f ( x)   x for x  ( ,0) ; in a single formula: f ( x)  x for

x  ( ,  ) . Because of the (1.6):

1
x  a0   ak cos kx (even function, so bk=0)
2 k 1
  
1 2 2 x  1 2
ak 
 

x cos kxdx 
  x cos kxdx 
0
[ sin kx 0   sin kxdx]  2 [(1) k  1]
 k k0 k

1 2 4
 a2l  0 and a2l 1   , a0   xdx   , from which:
 (2l  1) 2
 
 4cos(2l  1) x

x
2

l 0
(2l  1) 2
(1.15)

d
Notice that x   (x) .
dx

Triangular wave on the interval (0,2):

f(x)
1

-4 -2 0 2 4 x
Fig. 1.6b

Even function, so bk  0 . For the (1.6) (given in the form of the (1.17) below proved):
2
nx nx nx
2
2 2 4 4
an   x cos dx  x( sin )  (1)( 2 2 cos )  2 2 (cos n  1) , if n  0 ; if n=0:
20 2 n 2 n 2 0 n
2
a0   xdx  2 , so:
0

4 nx 8 x 1 3x 1 5x
f ( x)  1   (cos n  1) cos  1  2 (cos  2 cos  cos  .....)
k 1 n2 2
2  2 3 2 5 2
SAWTOOTH WAVE (Fourier series) in ( ,  )

f(x)
1

-2π -π 0 π 2π x

Fig. 1.7


f ( x)  x , for x  ( ,  ) ; for the (1.6): x   bk sin kx , (odd function, so ak  0 ).
k 1
 
1 1 x  1 2
bk 
  x sin kxdx   [ k cos kx


 
k 
cos kxdx]  (1) k 1 and so:
k

(1) k 1
f ( x)  2 sin kx (1.16)
k 1 k

Sawtooth over an interval (0,2):

f(x)
1

-4 -2 0 2 4 x

Fig. 1.7b

f(x)=x (0<x<2) and it’s about an odd function, from which an=0. For the (1.6) (given as the (1.17)
below proved):
2
nx nx nx
2
2 2 4 4
bk   x sin dx  x( cos )  (1)( 2 2 sin )  cos n and so:
20 2 n 2 n 2 0 n

(  4) nx 4 x 1 2x 1 3x
f ( x)   cos n sin  (sin  sin  sin  .....)
k 1 n 2  2 2 2 3 2

STEP
f(x)
3

-10 -5=-L 0 +5=+L +10 x

Fig. 1.8: Step

 
1
Let’s start from the (1.6) which is here reported: f ( y )  a0   [an cos ny  bn sin ny ]
2 n 1
 
1 1
( an 
 

f ( y ) cos nydy , bn 
  f ( y) sin nydy

)

x 
If now we carry out the substitution y  , from which: dy  dx , we have:
L L
1 
nx nx
f ( x)  a0   [an cos  bn sin ] (1.17)
2 n 1 L L
nx nx
L L
1 1
( an  
L L
f ( x) cos
L
dx , bn   f ( x) sin
L L L
dx )

At this point, the (1.17) allows us to calculate between –L and L:

5
nx nx nx nx nx
5 0 5 5
1 1 3 3 5
an   f ( x) cos dx  [  0 cos dx   3 cos dx]   cos dx  sin 
5 5 5 5 5 5 0
5 50 5 5 n 5 0
5
3
5 0
 0 if n  0 , while is  3 ( a0  cos 0dx  3 ) if n=0.

5
nx nx nx nx nx
5 0 5 5
1 1 3 3 5
bn   f ( x) sin dx  [  0 sin dx   3 sin dx]   sin dx  cos 
5 5 5 5 5 5 0
5 50 5 5 n 5 0
3(1  cos nx)
 . Therefore:
n
3  3(1  cos nx) nx 3 6 x 1 3x 1 5x
f ( x)    sin   (sin  sin  sin  ......)
2 n 1 n 5 2  5 3 5 5 5

PARABOLA
f(x)
4 2

 4  2 0 2 4 x
Fig. 1.9: Parabola

By using the (1.17) with L=π, we have:

2 2
1 sin nx  cos nx
1  sin nx 4
an   x cos nxdx  x
2
 2 x( 2
)  2( )  , if n  0 , while it is
 0  n n 2
n3 0 n2
2
8 2 1
  x dx  a
2
, if n=0.
3  0
0

2 2
1 1  cos nx  sin nx cos nx  4
bn   x sin nxdx  )  2 x( )  2( 3 ) 
2
x2( , so:
 0
 n n 2
n 0 n
4 2
4 
4
f ( x)    ( 2 cos nx  sin nx)
3 n 1 n n
RECTIFIED SINE
f(x)
1

-π 0 π 2π x

Fig. 1.10: Rectified sine

f(x) is even, so bn=0, while for an: ( ( ,  )  2(0,  ) ) for the (1.6):
  
2 1 cos(n  1) x cos(n  1) x
1
an   sin x cos nxdx   [sin( x  nx)  sin( x  nx)]dx    
0 0  (n  1) (n  1) 0
1 1  cos(n  1) cos(n  1)  1 1 (1  cos n ) (1  cos n ) 2(1  cos n )
 [  ] [  ] , if n  1 ,
 (n  1) (n  1)  (n  1) (n  1)  (n 2  1)
 
2 2 sin 2 
while for n=1: a1   sin x cos xdx   0 and for n=0:
0  2 0

2 2  4

a0  sin xdx   cos x 0 
0
 
2 2(1  cos n )

2 4 cos 2 x cos 4 x cos 6 x
so: f ( x) 


n 2
 (n  1)
2
cos nx   [ 2  
  (2  1) (42  1) (62  1)
 .....] .

2 4  1
On a time basis: f (t )   
  n  2, 4,6,... (n  1)
2
cos nt .

At last, in case of a single semi-wave rectification and still on a time basis (t):
f(t)
1
0 π 2π t

Fig. 1.11: Half rectified sine

1 1 2  1
f (t )   sin t 
 2

 n  2, 4,6,... (n  1)
2
cos nt

PULSE TRAIN
X(t)
VM

-τ/2 τ/2 T t
0
Fig. 1.12: Pulse train
X (t )  VM for -τ/2<t<τ/2 and zero elsewhere. For the (1.7) we have:
 T T
1 2 2
X (t )  A0   [ Ak cos kt  Bk sin kt ] , with Ak   X (t ) cos ktdt ( A0   X (t )dt )
2 k 1 T0 T 0
T
2
T 0
and Bk  X (t ) sin ktdt .

The pulse train function is even, so Bk=0 and the Fourier series reduces to:
 T /2
A 2
X (t )  0   Ak cos kt and Ak 
T T/ 2
X (t ) cos ktdt (integral with span T, but no more
2 k 1
between 0 and T, rather between –T/2 and T/2, with reference to Fig. 1.12, as in both cases the
surface covered by the function is the same). So:
 /2
2 2V 1  /2 2V   2V 
Ak   VM cos ktdt  M
T  / 2 T k
sin kt  / 2  M [sin k  sin( k )]  M 2 sin k 
kT 2 2 kT 2
 2 
sin k sin k
4V 2 T k  2V   T A ,
 M (1.18)
2k  T
M
T  k
k k
T T
  sin x
that is: A0  2VM , as when k tends to zero, function tends to 1. On the contrary, about
T T x
Ak generic, the (1.18) holds, indeed. Therefore:

 2VM sin k T

X (t )  VM   cos kt (1.19)
T k 1 T 
k
T
If now the pulse of Fig. 1.12 gets narrower, so becoming a Dirac Delta function ( VM  (t ) ) and as we

know that   (t )dx  1 , which means that the surface below the Delta is 1 (A=base x height=(VM τ)

x (1/ τ)= VM), we have in the (1.19), in place of the surface of the rectangular pulse VM τ, only VM
sin x
and moreover the function gets narrower to 1. Then:
x

V 2V
 (t )  M   M cos kt (1.20)
T k 1 T

PARSEVAL IDENTITY

L
1 a02  2
  (an  bn2 ) ; in fact, as according to (1.17):
L L
[ f ( x )]2
dx 
2 n 1
1 
nx nx 1
f ( x)  a0   [an cos  bn sin ] and after multiplying both sides by f ( x) and finally
2 n 1 L L L
after integrating:
nx nx
L L  L L
1 1 1 1 1 a02  2

L L
[ f ( x )]2
dx  a0 
2 L L
f ( x ) dx  
n 1
[ a n 
L L
f ( x ) cos
L
dx  bn 
L L
f ( x ) sin
L
dx ]    (an  bn2 )
2 n 1
2-FOURIER TRANSFORM
We recall here the (1.10), that is the Fourier series in its exponential form:
1  2
f ( )  
2 k  
Ck eik and here we carry out the change of variable:   t
T
 t , from which:

 2
1 ik t
f (t ) 
2
 Ck e
k  
T
, (2.1)
2 
2
T /2
 ik t 1
  f ( )e
 ik
where Ck  f (t )e T
dt , as we had: Ck  d , but if    
T T / 2 2 
2 2
2 2
T /2 T /2
T 1  ik t  ik t
t   and so: Ck 
2 2 
T / 2
f (t )e T
T
dt 
T 
T / 2
f (t )e T
dt . Now, let us name:

2k 2 2 2
T /2
( pk  k ) from which: pk    and so: Ck  e
 ip k t
pk  f (t )dt 
T T 2 T T / 2
T /2 T /2
pk 1
e e
 ip k t  ip k t
 f (t )dt  pk F ( pk ) , where F ( pk )  f (t )dt .
2 T / 2 2 T / 2

1  ip k t
Therefore, because of the (2.1), we have: f (t )   e F ( pk )pk ; now, when T   it
2 k  
follows that: pk  dpk  dp and the summation becomes an integral:

1
f (t )  e
ipt
F ( p )dp (FOURIER INVERSE TRANSFORM) (2.2)
2 

1
and F ( p ) 
2    e  ipt f (t )dt which is the (FOURIER TRANSFORM) (2.3)

-Fourier Sine Transform and Cosine Transform

Now we consider the (2.2) in t and put it into the (2.3) in t’:
  
1 1 1  ipt 
    
ipt '
f (t )  e ipt
F ( p ) dp  e ipt
e f (t ' ) dt 'dp  e dp f (t ' )e ipt 'dt '  f (t ) (2.4)
2  2   2    

1  
2  
If now we join together the exponentials, we get: f (t )  f (t ' )eip ( t t ') dt 'dp (2.5)
Now we see that the (2.5) is the same as the (2.6) which follows:
1  
f (t )    f (t ' ) cos p (t  t ' )dt ' dp ; (2.6)
 p  0 t ' 

In fact, if we put into the (2.6) the following well known Euler’s Formula:
(eip ( t t ')  e  ip ( t t ') )
cos p (t  t ' )  , we get:
2
1   1  
f (t )    f (t ' ) cos p (t  t ' )dt ' dp    f (t ' )(eip (t t ')  e ip (t t ') )dt ' dp ;
 p  0 t '   2 p  0 t '  

now, we leave there just the exponential with a positive argument and we change the integration
interval over p, from 0/∞ to -∞/+∞ , so that the -∞ will involve back the exponential with
1  
negative argument we just removed; so doing, we get: f ( x) 
2    
f (t ' )eip (t ' t ) dt ' dp , which is
indeed nothing but the (2.5). Now, because of the subtraction formulas of trigonometry, we know
that: cos  cos   sin  sin   cos(   ) and we use this into the (2.6), so getting:
1   1  
f (t )    f (t ' ) cos p (t  t ' )dt ' dp    f (t ' )(cos pt cos pt ' sin pt sin pt ' )dt ' dp 
 p  0 t '   p  0 t ' 
  
1 
 { [  f (t ' ) cos pt ' cos ptdt '  f (t ' ) sin pt ' sin ptdt ']dp} .
 p 0
t '  t ' 
Now, in case of an odd function f(t’), the product f(t’)cospt’ is odd as well, as the cosine is an even
function and it leaves that product as odd, just like f, so such an odd product is of course removed
from the integral in t’ with symmetric ends (-∞/+∞), as it yields a zero, so:
 
1  1 
f (t )(odd )   [  f (t ' ) sin pt ' sin ptdt ']dp   sin ptdp  f (t ' ) sin pt ' dt ' and, at last, also the
 p 0
t ' 
 p 0
t ' 
integral in “ t’ ”, going from -∞ to +∞ , for reasons of symmetry, can be halved in its interval,
that is from 0 to +∞, provided that later the whole integral is multiplied by 2, from which, finally:

2 
f (t )(odd )   sin ptdp  f (t ' ) sin pt ' dt ' (2.7)
 0
0
Similarly, for an even f(t’), we have that the product f(t’)sinpt’ is odd (just like sin is), from which
the reduction to zero of the integral in “ t’ ” with symmetric ends, and just a survivor will be left,
from which, finally:

2 
f (t )(even)   cos ptdp  f (t ' ) cos pt ' dt ' (2.8)
 0
0
Now, if into the (2.7) we name:

FSIN ( p)   f (t ' ) sin pt ' dt ' (FOURIER SINE TRANSFORM) (2.9)
0
then the (2.7) itself becomes:
2 
f (t )ODD   FSIN ( p ) sin ptdp (FOURIER SINE INVERSE TRANSFORM) (2.10)
 0

Similarly, if into the (2.8) we name:


FCOS ( p)   f (t ' ) cos pt ' dt ' (FOURIER COSINE TRANSFORM) (2.11)
0
then the (2.8) itself becomes:
2 
f (t ) EVEN   FCOS ( p ) cos ptdp (FOURIER COSINE INVERSE TRANSFORM) (2.12)
 0
- Fourier’s Integral Theorem
At last, we remind you that the (2.6) can be directly obtained from the Fourier Series (1.6); in fact, from the (1.6):
   
1 1 1 1
f ( x)  a0  [a p cos px  bp sin px] , where a p   f ( x) cos pxdx and b p   f ( x) sin pxdx ( a0   f ( x)dx ) . Now,
2 p 1      
we pack it by including the coefficient a0 into the summation of cosines (and Δp=1, of course, being the jumps about 1):
 
f ( x )   a p cos px  p   b p sin px  p and then we jump from the summations to the integrals:
p 0 p 1
 
1
f ( x)   a ( p)  cos px  dp   b( p )  sin px  dp , where: a ( p )  1  f ( x) cos pxdx and b( p)   f ( x ) sin pxdx . This
 

0 0
   
equation is the Fourier’s Integral Theorem. Now, we put these a(p) and b(p) , written in x’, into f(x) and get:
 
  1 
f ( x)   a ( p )  cos px  dp   b( p )  sin px  dp   { [  f ( x' ) cos px' cos pxdx'   f ( x' ) sin px' sin pxdx' ]dp} 
0 0
 p 0
x '  x ' 

1 
, but for the subtraction formulas of the trigonometry we know that:
 { [  f ( x' )(cos px' cos px  sin px' sin px)dx']dp}
 p 0
x ' 

cos  cos   sin  sin   cos(   ) , so (cosx=cos(-x)): 1 
f ( x)  { [  f ( x' )(cos px' cos px  sin px' sin px)dx']dp} 
 p 0
x ' 

1  1  
 { [  f ( x' ) cos p( x' x)dx']dp}     f ( x ' ) cos p ( x  x' )dx' dp  f ( x) , that is equivalent to the (2.6).
 p 0
x ' 
p 0 x ' 
On Dirac Delta Function

By definition, f ( x' )    ( x  x' ) f ( x)dx (2.13)

that is  ( x  x' ) , in the integral with f(x), makes you get f(x’).

Still in force of the (2.13) we have: f (0)    ( x) f ( x)dx . Now, we insert the (2.2) in p’ into the

   
1 1 1
 e  ipt [  eip 't F ( p ' )dp ']dt   F ( p ' )[ e
it ( p '  p )
(2.3) in p, so getting: F ( p )  dt ]dp ' , but
2   2   
2 
out of the (2.13), the quantity between square brakets must be:

1
 ( p ' p )  
2  
eit ( p ' p ) dt (2.14)
 
1 1
and when p=0:  ( p ' )   eitp ' dt . After renaming the symbols, we get:  ( x)  e
ikx
dk .
2  2 
(  ( x)   ( x) ) This one is the same as the following:
n 
1 sin nx 1 1 1
 ( x)  lim  lim (einx  e inx )  lim  eikx dk  e
ikx
dk   ( x) qed.
n   x n   2ix 2 n    n 2 

sin nx
All in all, the function , which is bell shaped, as long as n increases, gets narrower till to get
x
a very narrow vertical pulse, that is a Dirac Delta Function indeed.

----------------

A MORE COMMON NORMALIZATION FOR FOURIER TRANSFORM AND INVERSE

TRANSFORM IS THE FOLLOWING:


1
f (t )  e
ipt
F ( p )dp (2.15)
2 

F ( p )   e  ipt f (t )dt (2.16)

where the (2.16) has no longer the coefficient it had into the (2.3) and the (2.15) has the coefficient
of the (2.2), but squared. In fact, if we put the (2.15) into the (2.16), we still get the (2.14) as a Dirac
Delta function and it wouldn’t happen if we just redefined the coefficient of the (2.2), but not that of
the (2.3).

Here are some properties of the Fourier Transform: ( p  j )

1-Linearity F [af1 (t )  bf 2 (t )]  aF [ f1 (t )]  bF [ f 2 (t )]
1
2-Rescaling f (at )  F ( j / a )
a
3-Time shift f (t  t0 )  F ( j )e  jt0 (you just replace t with t-t0 in the (2.16))
4-Frequency shift F ( j  j0 )  f (t )e j 0 t (in the (2.16) you just put, in the integral, the neutral
quantity e j 0 t e  j 0 t )
5-Derivation d n f (t ) / dt n  ( j ) n F ( j ) , ( jt ) n f (t )  d n F ( j ) / d n
(you just operate the derivations into the (2.15) and (2.16))
 
6-Convolution  f ( ) f (t   )d  f (t ) * f

1 2 1 2 (t )  F1 ( j ) F2 ( j )

1
and [ F1 ( j ) * F2 ( j )]  f1 (t ) f 2 (t ) . In fact, as F1 ( j )   f1 (t )e  jt dt and
2 
  

 f 2 (t ' )e  jt 'dt ' , it follows that: F1 ( j ) F2 ( j )    f (t ) f (t ' )e

 j ( t  t ' )
F2 ( j )  1 2 dtdt ' . If now we
  
 
( x  t )
set x=t+t’ (and so dt '  dx  dx ), we get: F1 ( j ) F2 ( j )    f1 (t ) f 2 ( x  t )e  jx dtdx 
x  
  
 F [  f1 (t ) f 2 ( x  t )dt ]  F ( f1 * f 2 )  e
 j x
[  f1 (t ) f 2 ( x  t )dt ]dx .
  
Equivalently, after inverting all this, we have:

1
f1 * f 2  F 1[ F1 ( j ) F2 ( j )]  
2  
e jx F1 ( j ) F2 ( j )d . We also have that: f1 * f 2  f 2 * f1 ; in

fact, x-t=t’, from which:

  
f1 * f 2  

f1 (t ) f 2 ( x  t )dt  

f1 ( x  t ' ) f 2 (t ' )dt '   f (t ' ) f ( x  t ' )dt '  f

2 1 2 * f1 .

Then, we have: F [ (t )]  1 ; in fact, because of the definition of the (2.13) on  ( x  x' ) , we have:


e
 j t
 (t  t ' ) f ( x)dt  e  jt ' , but this is nothing but F [ (t  t ' )] , so: F [ (t  t ' )]  e  jt '

and, for t’=0: F [ (t )]  1 .
Moreover, F [e j 0 t ]  2 (  0 ) , and also F [ (t   )]  e j ,
F [cos 0t ]   [ (  0 )   (  0 )] ,
F [sin 0t ]   j [ (  0 )   (  0 )] .

At last:
f(t)
1
2 sin a
F ( ) 


-a a t
Fig. 2.1 0

 a
e  j t e ja  e  ja 2 sin a
a

 f (t )e dt   (1)e
 jt  j t
F ( )  dt    (   0 ); for   0 
 a
 j  a j 
F ( )  2a .
3-LAPLACE TRANSFORM

It’s got a form which is very similar to that of the Fourier one:

L[ f (t )]  F ( s )   f (t )e  st dt ( s  j ) (3.1)
0
It makes nothing but letting you jump from time to frequency; as an example, in case of a capacitor,
dv(t ) V (s) 1 1
we know that: i (t )  C  L[i (t )]  I ( s )  CsV ( s )   
dt I ( s ) sC jC
Some properties:
L[kf (t )]  kF ( s ) , L[ f1 (t )  f 2 (t )]  F1 ( s )  F2 ( s ) , L[ f ' (t )]  sF ( s )  f (0) ,
F ( s) dF ( s )
L[ f ( n ) (t )]  s n F ( s )  s n 1 f (0)  s n  2 f ' (0)  ...  f ( n 1) (0) , L[  f (t )dt ]  , L[tf (t )]   ,
s ds
L[ f (t )e t ]  F ( s   ) , L[ f (t  t0 )]  F ( s )e  t 0 s , f (0)  lim f (t )  lim sF ( s ) ,
t 0 s 

f ()  lim f (t )  lim sF ( s ) .

t  s 0
Property of convolution: similar to that for the Fourier T. on page 16.

Some important L-Trasforms

1
-unit step u(t)=0, if t<0 and 1 if t>0: L[u (t )] 
s

-Dirac Delta Function: L[ (t )]    (t )e  st dt e  s 0  1 (as it’s about a convolution)
0

1
-slope r(t)=0 for t<0 and t for t  0  L[r (t )] 
s2
1
-exponential f(t)=0, for t<0 and et for t  0  L[et ] 
s 
2
-parabola p(t)=0 for t<0 and t2 for t  0  L[t 2 ] 
s3

-sine f(t)=0, for t<0 and sin t , for t  0  L[sin t ]  (for the Euler’s Formula)
s2   2
s
-cosine f(t)=0, for t<0 and cos t , for t  0  L[cos t ] 
s2   2
Indirect methods for the L-inverse transform

N ( s) bm s m  bm 1s m 1  ...  b1s  b0 N (s)

Function: F ( s )   n 1
 
D( s ) an s  an 1s  ...  a1s  a0 ( s  p1 )( s  p2 )...( s  pn )
n

A B C
    ... , where A  [(s  p1 ) F ( s )]s  p1 etc. And so:
( s  p1 ) ( s  p2 ) ( s  p3 )
A B C
L1[ F ( s )]  L1[ ]  L1[ ]  L1[ ]  ...  Ae p1t  Be p2 t  Ce p3t  ...
( s  p1 ) ( s  p2 ) ( s  p3 )

If, on the contrary:

N ( s) N (s) A A1 A2 An B
F ( s)     n 1
 n2
 ...  
D( s ) ( s  p1 ) ( s  p2 ) ( s  p1 )
n n
( s  p1 ) ( s  p1 ) ( s  p1 ) ( s  p2 )
 d
where A  [(s  p1 ) n F ( s )]s  p1 , B  [(s  p2 ) F ( s)]s  p 21 and A1  [(s  p1 ) n F ( s )]s  p1 ,
ds
1 dn
An  n
[(s  p1 ) n F ( s )]s  p1 , then, about the L-1 -transform of the new elements just shown up:
n! ds
1 1
L1[ ] t n 1e  pt .
( s  p1 ) n
(n  1)!
A B
Finally, in case: F ( s )    A  [(s  a  jb) F ( s )]s  a  jb and
( s  a  jb) ( s  a  jb)
B  [(s  a  jb) F ( s )]s  a  jb ed L1[ F ( s )]  Ae( a  jb )t  Be( a  jb ) t  2 Ae at sin(bt   ) , where:
b
A  a 2  b 2 , A  arctg e   A  90 .
a

Formal Laplace inverse transform


F ( s )   e  sx f ( x) ( x)dx is the Laplace T. for f(x)

(  ( x)  0 for x<0 and 1 for x>0 , Heaviside Function)

By setting s=r+ip  F ( s )   e  ipx e  rx f ( x) ( x)dx ; considering that r = Re(s) as a fixed parameter,


then F(s) is the Fourier T., with respect to p, of the function  ( x)  2 e  rx f ( x) ( x) , that is:
 
1 1
FL ( s )  FF [ ( x)]   e  ( x)dx   ( x)  e
ipx ipx
F ( s )dp , from which, as: idp=ds
2  2 
r  i
1
2i r i
(because Re(s)=r=const), we have: f ( x) ( x)  sx
e F ( s )ds . Now, provided that f(x)=0 for

x<0, we will have:

r  i
1
f ( x)   e sx F ( s )ds
2i r  i
FORMAL LAPLACE INVERSE TRANSFORM

k
As an example, we know that if F ( s )  , then f ( x)  sinh kx ; in fact:
s  k2
2

r  i
k e sx
2i r i s 2  k 2
f ( x)  ds (Re(s)=r=k). A condition to close the integration path:

for x<0 (Re(s)>r) , for x>0 (Re(s)<r) and we have: f(x)=0, for x<0 and, for x>0 
ke sx ke sx ke kx ke  kx
f ( x)  Re s[ 2 ] sk  Re s[ ] sk    sinh kx
s  k2 s2  k 2 2 k ( 2 k )
Out of convergence reasons, as we have f ( x)  Ae pt , then we will have an L-Transform for s>p.
4-Z TRANSFORM

The Z Transform of x(t) is nothing but the Laplace T. of the sampled input signal, with z  e sT .
The Z Transform for digital signals is the corresponding of the Laplace T. for continuous signals.
So, if we have a sequence of real values xn (n=0,1,2,…) and zero for n<0, we have, by definition:

Z [ xn ]  X ( z )   xn z  n (4.1)
n0
Now, in order to prove all that just said, we consider that the input signal x(t) sampled at a
frequency fs=1/T by Dirac pulses is:

x* (t )   x(nT ) (t  nT ) (4.2)
n 0
which is written with a * because right for its mathematical structure we understand that it’s about a
discrete convolution (    ) between x(t) and  (t ) . By applying the Laplace T. to the (4.2)
(and considering that in x(nT) there is not t), we have:
 
X * ( s )  L[ x* (t )]   x(nT ) L[ (t  nT )]   x(nT )e  nTs . Now, by defining
k 0 k 0

z  e sT  L[ x* (t )]  X * ( s )   x(nT ) z  n  X ( z )  Z [ x* (t )] .
k 0
We give here the formal Z-inverse transform:

1
j 2 C
x(nT )  X ( z ) z n 1dz , where C is a closed path which keeps in it all poles of X(z), in the

complex plane.
Properties of the Z-Transform
-linearity Z [ax1 (nT )  bx2 (nT )]  aZ [ x1 (nT )]  bZ [ x2 (nT )]
a n x(nT )  X ( z / a) ( X ( z )  Z [ x(nT )] )
-time shift: ( Z [ x(nT )]  X ( z ) )
a) y1  x(nT  kT )  Z [ y1 ]  z k [ X ( z )  x(0)  x(T ) z 1  ...  x((k  2)T ) z (  k  2)  x((k  1)T ) z (  k 1) ]
b) y2  x(nT  kT )  Z [ y2 ]  z  k X ( z ) , with x(nT)=0 for T<kT.
-initial value theorem: ( Z [ x(nT )]  X ( z ) )
If the lim X ( z ) exists, then x(0)  lim X ( z )
z  z 

-final value theorem: lim x(nT )  lim(1  z 1 ) X ( z ) , if the poles of X(z) are inside the unitary circle.
n  z 1

-convolution: if X 1 ( z )  Z [ x1 (nT )] and X 2 ( z )  Z [ x2 (nT )] , then:

X 1 ( z ) X 2 ( z )  Z [ x1 (nT ) * x2 (nT )]  the proof is similar to that for the convolution on the Fourier
T. on page 16.

Practical methods for the inversion of the Z-T.

If X(z) is given through a series of powers of z ( z 0 , z 1 , z 2 , … ), then the coefficients represent the
inverse transform.
If, on the contrary, X(z) is a ratio between polinomials, then you carry out the division, so getting
25 z 2  4 z
the searched coefficients into the quotient; example: X ( z )  
1 1
z  z
2

6 3
 1 1
25 z 2  4 z z2  z
6 3
25 25 1 299  2
 25 z 2  z 25  z 1  z  .........
6 3 6 36
1 25
z
6 3
1 1 1 1
 z  z
6 36 18
 299 1 1
 z
36 18
…………………..
…………………..

5-DFT AND FFT (Discrete Fourier Transform)

DFT (Discrete Fourier Transform) is the Fourier T. for discrete data (series of values). The integral
will be replaced by a summation and we will jump from the ideal integration range (  , ) to a
real range of N values (n=0, n=N-1), so having a sequence of N data (x(0), x(1),…,x(N-1)), got
from a sampling of an input quantity x(t) at instants 0,T,2T,…,(N-1)T; then, the DFT will be the
sequence X(m) of N data X(0), X(1),…,X(N-1) in the domain of frequency, at pulsations:
0,Ω,2 Ω,…,(N-1) Ω, where   2 /( NT ) as first harmonic. So:
N 1
X (m)   x(n)e  j 2mn / N (5.1)
n 0
In a more concise style, by naming WN  e  j 2 / N , we have:
N 1
X (m)   x(n)WNmn
n 0
About the inverse transform, still out of a parallel treatise on the classic Fourier T. (continuous
case), we have:
N 1
1
x ( n) 
N
 X ( m) e
m 0
j 2mn / N

Example: sequence x(n) at 4 values (N=4):

Transform:
x(0)=3, x(1)=4, x(2)=6, x(3)=7
N 1 3
X (0)   x(n)e j 2mn / N  x(n) 3  4  6  7  20
n 0 n0
3
X (1)   x(n)e  j 2n / N x(0)e  j 0  x(1)e  j 2 / 4  x(2)e  j 2 2 / 4  x(3)e  j 2 3 / 4  3  j 3
n0
3 3
X (2)   x(n)e  j 2 2 n / N   2 , X (3)   x(n)e j 2 3n / N   3  j 3
n 0 n0
Inverse Transform:
Starting from the X(m) just got (X(0)=20, X(1)=-3+j3, X(2)=-2, X(3)=-3-j3):
1 N 1 1 3 1
x(0)   X (m)e j 2mn / N   X (m)e j 2m 0 / 4  [ X (0)  X (1)  X (2)  X (3)] 
N m 0 4 m0 4
 1
 [20  3  3 j  2  3  3 j ]  3
4
1 3 1
x(1)   X (m)e j 2m1 / 4  [ X (0)e j 2 01 / 4  X (1)e j 2 11 / 4  X (2)e j 2 21 / 4  X (3)e j 2 31 / 4 ] 
4 m0 4
1
 [20  (3  3 j )( j )  (2)(1)  (3  3 j )( j )]  4
4
1 3 1 3
x(2)   X (m)e j 2m 2 / 4 6 , x(3)   X (m)e j 2m3 / 4 7 , so we have just got back the original
4 m0 4 m 0
starting sequence x(n).
In this example with N=4, in order to get each of the 4 values of the DFT, we carried out N
multiplications and (N-1) sums. Therefore, in general, for the whole DFT, we need N2
multiplications and N(N-1) sums. With N=1024  106 multiplications and approx. 106 sums; too
much! In order to decrease the number of operations, we will use redundancies in the DFT, so
building the FFT (Fast Fourier Transform).
From the example just shown, the following properties come out:
-linearity
- X (m)  X * ( N  m) (* = complex conjugate, that is: j  -j ), and also X (m)  X ( N  m) ,
arg X (m)   arg X ( N  m) , Re[ X (m)]  Re[ X ( N  m)] , Im[ X (m)]   Im[ X ( N  m)] .
So, we have simmetries in the values of the DFT around m=N/2; in fact, in the example, values for
m=1 and m=3, some modules are equal ( X (1)  X (3)  4,24 ), as well as real parts are.
( Re[ X (1)]  Re[ X (3)]  3 ); phases, on the contrary, have odd simmetries ( arg X (1)  135 , while
arg X (3)  135 ), as well as the imaginary parts, too (Im[X(1)]=3 and Im(X(3)=-3).
Therefore, the DFT values for m>N/2 are redundant.
-shift: x(n)  X(m) ; now, if the point where the sampling starts is shifted about k, that is if x(n) is
shifted of k intervals, we will get an x’(n), from which an X ' (m)  e j 2km / N X (m) . So, X and X’
have the same module, but a phase shift of 2πkm/N.
-periodicity: X (m)  X * (m  N ) ; in fact:
N 1 N 1
X (m  N )   x(n)e  j 2 ( m  N ) n / N  e  j 2Nn / N  x(n)e  j 2mn / N  X (m) , as e  j 2Nn / N  e  j 2n  1
n 0 n 0
-convolution:
l  
linear convolution x(n)  x1 (n) * x2 (n)   x (l ) x (n  l )
l  
1 2 (just like the convolutions on the Fourier,

Laplace and Z transforms)

l  N 1
circular convolution x(n)  x1 (n)  x2 (n)   x (l ) x (n  l ) , that is, in the ends of the summations
l 0
1 2

we get back to the finite typical values of the DFT. And we have that: (if x(n)  x1 (n)  x2 (n) )
X (m)  X 1 (m) X 2 (m) and out of (usual) duality, we also have that: (if x(n)  x1 (n) x2 (n) )
1
X ( m)  X 1 ( m )  X 2 ( m) .
N
On the contrary, about the linear convolution, x1 and x2 must have the same length. Therefore, if x1
has N1 samples and x2 has N2, we add (N2-1) zero values to the sequence x1 and (N1-1) zeroes to x2.
In this way, the length will be one and equal to (N1+N2-1). From this point on, what has been
already said about the circular convolution still holds.
-pulse function: if x(n)   (nT )  X (m)  1
RADIX-2 FFT ALGORITHM
this method is used for sequences of samples whose number is equal to a power of 2; we can
always get into such a situation by adding zero values. Now, the sequence of N data will be divided
by two: even indexes and odd indexes, that is two sequences of N/2 values. Such two sequences
will be split in two again, as well as before, until we get sequences that cannot be reduced anymore,
about only two values.
Example: N=8; n(0),……,n(7); by the first splitting we get n(0),n(2),n(4),n(6) and
n(1),n(3),n(5),n(7). By splitting again, we get: [n(0),n(4)], [n(2),n(6)], [n(1),n(5)] and [n(3),n(7)].
These pairs are represented by indexes n and n+(N/2); in fact, 0-4 would be the pair with n=0 
[0,(0+8/2)]. On a mathematical basis, we have:
N 1 N 1 N 1 N 1
X (m)   x(n)e  j 2mn / N   x(n)WNmn   x(n)W mn
N   x(n)W mn
N , with WN  e  j 2 / N ; even
n 0 n 0 n  0 , 2, 4 n 1, 3, 5

numbers can be better expressed by 2p, while the odd ones by 2p+1.
When n is odd, we notice that: WN2  (e  j 2 / N ) 2  e  j 2 /( N / 2)  WN / 2 and so:
N / 2 1 N / 2 1 N / 2 1 N / 2 1
X ( m)   x(2 p)W
p 0
2 mp
N   x(2 p  1)W
p 0
m ( 2 p 1)
N   x(2 p)W
p 0
2 mp
N  WNm  x(2 p  1)W
p 0
2 mp
N 
N / 2 1 N / 2 1
  x(2 p)WNmp/ 2  WNm
p 0
 x(2 p  1)W
p0
mp
N /2  A(m)  WNm B(m) (5.2)

(A is of even indexes and B is of odd ones) A and B are periodic whose period is N/2; in fact:
N / 2 1 N / 2 1 N N / 2 1 N
N (m ) p ( )p
A(m)   x(2 p )WNmp/ 2  A(m  )   x(2 p )WN / 2 2   x(2 p )WNmp/ 2WN 2/ 2 
p 0 2 p 0 p 0
N / 2 1 N  j 2 /( N / 2 ) p
( )p N
  x(2 p)WNmp/ 2  A(m) , as WN 2/ 2  e
p0 2
)  B ( m) .
N /2
 1 . Similarly B (m 

As an example, if N=8 and we want to calculate X(7), we will get, because of the (5.2):
X (7)  A(7)  W87 B (7)  A(3)  W87 B (3) (7=3+4=3+N/2)
Advantages are due to the fact that, as we already said, a DFT with N elements needs approx. 2N2
operations, while for each of the two subsequences with N/2 values, we just need 2(N/2)2, provided
that then one has to reassemble them by N sums, and the total number is: 2(N/2)2+N. Then, with
N=1024, we get from 1.048.576 multiplications (with no splittings) to 525.312; and similar
reasonings stand about sums. By splitting again until it is possible (so getting groups of two values),
as a n. of multiplications we will have: (N/2)log2N, that is, still with N=1024, 5120
multiplications.
Please, also notice that some W coefficients are repeated, so giving further simplifications. Of
course, a SW program will carry out all this heavy job.

TWO POINT FFT (N=2)

N 1 1
No splitting is required, so: X (m)   x(n)WNmn   x(n)W2mn  X (0)  W20 x(0)  W20 x(1) and
n0 n 0
 j 2 / 2 0
X (1)  W x(0)  W x(1) , but as W  (e
2
0
2
1
)  1 and W21  (e  j 2 / 2 )1  1 , we have:
2
0

X (0)  x(0)  x(1) e X (1)  x(0)  x(1) ; in general:

N N N N
A(0)  x(n)  x(n  )  x(n)  WN0 x(n  ) A(1)  x(n)  x(n  )  x(n)  WNN / 2 x(n  ) ,
2 2 2 2
 j 2 / N 0  j 2 / N N / 2
where WN  (e
0
)  1 and WN  (e
N /2
)  1 .
FOUR POINT FFT (N=4)
x(0), x(1), x(2), x(3)  x(0),x(2) and x(1),x(3) ; because of the (1.32): X (k )  A(k )  WNk B (k ) ,
X (0)  A(0)  W40 B(0) , X (1)  A(1)  W41B(1) , X (2)  A(2)  W42 B(2)  A(0)  W42 B(0) ,
X (3)  A(3)  W43 B(3)  A(1)  W43 B(1) .
Example: N=4, x(0)=3, x(1)=4, x(2)=6, x(3)=7 (the same example of page 20) Please, find the
DFT using the FFT. A(0)  x(0)  W40 x(2)  3  1  6  9 , A(1)  x(0)  W42 x(2)  3  1  6  3 ,
B(0)  x(1)  W40 x(3)  4  1  7  11 , B(1)  x(1)  W42 x(3)  4  1  7  3 , as W40  (e  j 2 / 4 )0  1
e W42  (e  j 2 / 4 ) 2  e  j 4 / 4  1 . It follows that: X (0)  A(0)  W40 B(0)  9  1  11  20 ,
X (1)  A(1)  W41B(1)  3  j (3)  3  3 j , X (2)  A(0)  W42 B(0)  9  1 11  2 ,
X (3)  A(1)  W43 B(1)  3  j (3)  3  3 j , as W41  (e  j 2 / 4 )1   j and
W43  (e  j 2 / 4 )3  e  j 3 / 2  j . Same results of page 20.

EIGHT POINT FFT (N=8)

n(0),n(1),n(2),n(3),n(4),n(5),n(6),n(7)  splitting:
n(0),n(2),n(4),n(6) and n(1),n(3),n(5),n(7)  second splitting:
[n(0),n(4)],[ n(2),n(6)],[n(1),n(5)],[n(3),n(7)]
If, as an example, x(0)=3, x(1)=4, x(2)=6, x(3)=7, x(4)=x(5)=x(6)=x(7)=0, then, after having
calculated the W in advance:
W80  (e  j 2 / N )0  (e  j 2 / 8 )0  1 , W81  (e  j 2 / 8 )1  0,707  j 0,707 , W82  (e  j 2 / 8 ) 2   j
W83  (e  j 2 / 8 )3  0,707  j 0,707 , W84  (e  j 2 / 8 ) 4  1 , W85  (e  j 2 / 8 )5  0,707  j 0,707
W86  (e  j 2 / 8 )6  j , W87  (e  j 2 / 8 )7  0,707  j 0,707 .
and after having carried out the other partial calculations:
C (0)  x(0)  W80 x(4)  3  1  0  3 , C (1)  x(0)  W84 x(4)  3  (1)  0  3 ,
D(0)  x(2)  W80 x(6)  6  1  0  6 , D(1)  x(2)  W84 x(6)  6  (1)  0  6 ,
E (0)  x(1)  W80 x(5)  4  1  0  4 , E (1)  x(1)  W84 x(5)  4  (1)  0  4 ,
F (0)  x(3)  W80 x(7)  7  1  0  7 , F (1)  x(3)  W84 x(7)  7  (1)  0  7 , we have:
A(0)  C (0)  W80 D(0)  3  1  6  9 , A(1)  C (1)  W82 D(1)  3  j  6  3  j 6
A(2)  C (0)  W84 D(0)  3  1  6  3 , A(3)  C (1)  W86 D(1)  3  j  6  3  j 6
B (0)  E (0)  W80 F (0)  4  1  7  11 , B (1)  E (1)  W82 F (1)  4  j  7  4  j 7
B (2)  E (0)  W84 F (0)  4  1  7  3 , B (3)  E (1)  W86 F (1)  4  j  7  4  j 7 .
Finally:
X (0)  A(0)  W80 B (0)  9  1  11  20
X (1)  A(1)  W81B (1)  3  j 6  (0,707  j 0,707)(4  j 7)  0,879  j13,777
X (2)  A(2)  W82 B (2)  3  ( j )(3)  3  j 3
X (3)  A(3)  W83 B (3)  3  j 6  (0,707  j 0,707)(4  j 7)  5,121  j1,777
X (4)  A(0)  W84 B(0)  9  (1)11  2
X (5)  A(1)  W85 B (1)  3  j 6  (0,707  j 0,707)(4  j 7)  5,121  j1,777
X (6)  A(2)  W86 B(2)  3  j (3)  3  j 3
X (7)  A(3)  W87 B (3)  3  j 6  (0,707  j 0,707)(4  j 7)  0,879  j13,777

---------------------
 FOURIER AVANZATO
Leonardo Rubino
Aprile 2024

Indice:


1
1-SVILUPPO IN SERIE DI FOURIER f (t )  A0   [ An cos nt  Bn sin nt ]
2 n 1


1
e
 ipt
2-TRASFORMATA DI FOURIER F ( p)  f (t )dt
2 


TRASFORMATA SENO DI FOURIER FSIN ( p)   f (t ) sin ptdt
0


TRASFORMATA COSENO DI FOURIER FCOS ( p)   f (t ) cos ptdt
0


3-TRASFORMATA DI LAPLACE F ( s )   f (t )e  st dt
0

r  i
1
ANTITRASFORMATA DI LAPLACE f ( x)   e sx F ( s )ds
2i r  i


4-TRASFORMATA ZETA X ( z )   xn z  n
n 0

N 1

5-DFT ED FFT X (m)   x (n)e  j 2mn / N

n 0
 1-SVILUPPO IN SERIE DI FOURIER
 
Si abbiano due vettori u e v ; il loro prodotto scalare w è dato dal prodotto dei loro moduli per il
coseno dell’angolo formato dai due:

u

 
v
Fig. 1.1
   
u  u  uˆ  u xiˆ  u y ˆj  u z kˆ , v  v  vˆ  vx iˆ  v y ˆj  vz kˆ , da cui: w  u  v  uv cos , oppure, ciò
che è lo stesso:
 
w  u  v  (u xiˆ  u y ˆj  u z kˆ)(vxiˆ  v y ˆj  vz kˆ)  u x vxiˆiˆ  u x v y iˆˆj  u x vz iˆkˆ  u y vx ˆjiˆ  u y v y ˆjˆj  u y vz ˆjkˆ 
 u v kˆiˆ  u v kˆˆj  u v kˆkˆ  u v  u v  u v  w ,
z x z y z z x x y y z z (1.1)
poiché iˆiˆ  ˆjˆj  kˆkˆ  1  1  cos 0  1 , mentre i prodotti misti tra i versori i, j e k sono nulli, poiché
contengono cos 90  0 .
Due vettori li chiamiamo ortogonali se il loro prodotto scalare è nullo. Ora, la (1.1) possiamo
3
scriverla così: w  u v   ui vi , ( x bra , x ket). Più in generale:
i 1
n n
u v   ui vi   ui vi i , (1.2)
i 1 i 1
con i  1 , poiché “i” effettua salti di 1.
A questo punto, se interpretiamo le funzioni come vettori ad infinite dimensioni (le cui componenti
sono i valori assunti dalle funzioni stesse), allora, essendo che n   , la sommatoria nella (1.2)
b
diventerà un integrale e i  di  dx , e dunque: g f   g ( x) f ( x)dx .
a
---------------------------------------------

Dualismo tra sommatoria ed integrale (spiegazione semplificata!!!):

f(x)
f(b)
f(xi)
f(a)
Ai

x
a=x0 x1 xi b  x
Fig. 1.2
x  x
Supponendo i x infinitesimi (piccoli x oppure dx), le aree Ai sono pari ad fi(xi) x e l’area A

sottesa dalla curva tra a e b vale: A   f i ( xi )x , ma se F(x) è la primitiva di f(x), allora, per la
i 1
 Fi ( xi )  Fi 1 ( xi 1 )
definizione di derivata, si ha: f i ( xi )  (con xi ed x(i-1) “vicinissimi”, in quanto
dx
distanti solo un dx) e allora:
 
[ F ( x )  Fi 1 ( xi 1 )] 
A   f i ( xi )x   i i dx   [ Fi ( xi )  Fi 1 ( xi 1 )] 
i 1 i 1 dx i 1

 [ F1 ( x1 )  F0 ( x0 )]  [ F2 ( x2 )  F1 ( x1 )]  ...  [ F(  1) ( x(  1) )  F(   2) ( x(   2 ) )]  [ F ( x )  F(  1) ( x(  1) )] 

 [ F1 ( x1 )  F (a )]  [ F2 ( x2 )  F1 ( x1 )]  ......  [ F(  1) ( x(  1) )  F(   2) ( x(   2) )]  [ F (b)  F(  1) ( x(  1) )] 
b
 F (b)  F (a)  F ( x) a   f ( x)dx
b

a
-----------------------------------------

Se f(x) e g(x) sono funzioni ortogonali in (a,b), allora: g f  0 . Ora, così come {iˆ, ˆj , kˆ} sono un
sistema di versori ortogonali (ortonormali), parimenti {i (x)} è un sistema di funzioni ortogonali se
b N

 i (x)k (x)dx   ik e, dunque, essendo le i (x) linearmente indipendenti, si ha che  (x)  c

i 1
i i 0
a
solo se tutti i ci sono nulli, in quanto se tale sommatoria è nulla, evidentemente dei termini si
elidono a vicenda, dunque la composizione di alcuni versori fornirebbe un nuovo vettore che va ad
annullare altri versori, ma ciò non è possible, poiché, ad esempio, con i e j non posso in alcun modo,
combinandoli, ottenere un vettore che si cancelli con k; i e j stanno su un piano (xy) su cui non può
giacere k (ossia lungo z, che è perpendicolare ad xy). Dunque, l’uguaglianza a zero potrà essere
imputata solo ai coefficienti tutti nulli.
n
Se allora {i (x)} è una base ortonormale, allora: f   f i i . Ovviamente, f i  i f ; infatti:
i 1

1 f  1 f11  1 f 22  1 f 33  f1 1 1  f 2 1 2  f 3 1 3  f1 1 1  0  0  f1

Rissumendo, i  j   ij ,

f ( x)   cii ( x) , (1.3)
i

con ci  (i , f )  i f . La (1.3) è lo Sviluppo in Serie di Fourier di f(x).

Funzioni ortogonali:
Il sistema delle funzioni trigonometriche è ortogonale in ( ,  ) :
(1, sin x, cos x, sin 2 x, cos 2 x,...) ; (1.4)

infatti,  sin mx cos nxdx  0

m, n e

 

 cos mx cos nxdx  sin mx sin nxdx  

 
mn (1.5)

Ciò perchè essendo che in trigonometria si hanno le formule di Werner:

cos(m  n) x  cos(m  n) x sin( m  n) x  sin( m  n) x
cos mx cos nx  , sin mx cos nx  e
2 2
cos(m  n) x  cos(m  n) x
sin mx sin nx  , allora:
2
   
sin(m  n) x  sin(m  n) x 1 1
sin mx cos nxdx   2
dx   sin(m  n) xdx   sin(m  n) xdx  0
2  2 
   
cos( m  n) x  cos(m  n) x 1 1
 cos mx cos nxdx 

 2
dx   cos( m  n) xdx   cos( m  n) xdx 
2  2 
  
1 1 1 1 
 0   cos( m  n) xdx  0   cos 0 xdx  0   dx  0  x    (con m=n)   mn
2  2  2  2

(infatti, in  cos( m  n) xdx vi è un coseno e dunque esso ha v.m nullo sempre, in quel range, tranne

quando m=n, caso in cui il coseno diventa 1 e fornisce x come integrale indefinito, mentre ancora


 sin(m  n) xdx è sempre a v.m. nullo e dà contributo nullo anche quando m=n, caso in cui il sin 0

è nullo, a maggior ragione)
Similmente:
   
cos( m  n) x  cos(m  n) x 1 1
 sin mx sin nxdx  
 2
dx   cos(m  n) xdx   cos( m  n) xdx 
2  2 

1
2 
 cos(m  n) xdx  0   mn .

Per motivi di normalizzazione, si considereranno non le (1.4), ma queste:

1 sin x cos x
( , , ,...) .
2  

1
Dunque: f ( x)  a0   [ak cos kx  bk sin kx] (1.6)
2 k 1
  
1 1 1
con ak 
  f ( x) cos kxdx

e bk 
  f ( x) sin kxdx

( a0 
  f ( x)dx )

    
1
Infatti, integrando la (1.6), si ha: 

f ( x)dx   2 0 
a dx 
k 1
[ak  cos kxdx  bk  sin kxdx] 
 
 
1 1
 a0 2   [ak  0  bk  0]  a0 , da cui: a0   f ( x)dx .
2 k 1  
Se invece integriamo la (1.6) dopo aver moltiplicato entrambi i membri per cosnx, si avrà:
    
1
 f ( x) cos nxdx  2 a0 cos nxdx  
 k 1
[ak  cos kx cos nxdx  bk  sin kx cos nxdx ]  0  ak  kn  0  ak kn
 

1
(ciò sempre per le Formule di Werner di cui sopra) e allora: ak 
 
 f ( x) cos kxdx
Se per ultimo integriamo la (1.6) dopo aver moltiplicato entrambi i membri per sinnx, si avrà:
    
1
 f ( x ) sin nxdx 
2 
a0 sin nxdx  
k 1
[ a k  cos kx sin nxdx  bk  sin kx sin nxdx]  0  0  bk  kn  bk  kn
  

1
da cui bk 
  f ( x) sin kxdx

.

Prendendo ora, più nello specifico, in esame funzioni dipendenti direttamente dal tempo, avremo
che, genericamente:
 
1
f (t )  A0   [ An cos nt  Bn sin nt ] (1.7)
2 n 1
T T T
2 2 2
con An 
T0 f (t ) cos ntdt , ( A0   f (t )dt ) e Bn   f (t ) sin ntdt
T0 T0
Infatti, integrando tra 0 e T la (1.7), si ha:
T T  T T
1 1
0 f (t ) dt 
20 A 0 dt  
n 1
[ An cos n tdt  Bn  sin ntdt ] 
2
A0T  0 , in quanto cos e sin hanno v.m.
0 0
T
2
nullo in quell’intervallo, dunque: A0   f (t )dt .
T0
Analogamente, se integriamo la (1.7) dopo aver moltiplicato entrambi i membri per cos kt , si ha:
T T
T 2
0 f (t ) cos ktdt  2 Ak , (  Ak  T 0 f (t ) cos ktdt ), poiché, calcoli già fatti nelle pagine
precedenti utilizzando anche le Formule di Werner, l’integrale con A0 è nullo poichè è l’integrale di
un coseno con v.m. nullo in quell’intervallo, e l’integrale con Bk pure è nullo, restando superstite
solo l’integrale con Ak (e k=n).
T T
T 2
Per ultimo, similmente:  f (t ) sin ktdt  Bk , (  Bk   f (t ) sin ktdt )
0
2 T0
Forma polare della Serie di Fourier:
La (1.7) la possiamo esprimere anche nel seguente modo:

1
f (t )  A0   Cn sin( nt  n ) (1.8)
2 n 1
T
2 A
con A0 
T0 f (t )dt , Cn  An2  Bn2 ,  n   arctg n , oppure ancora così:
Bn

1
f (t )  A0   Dn cos(nt  n ) (1.9)
2 n 1
T
2 B
con A0 
T0  f (t )dt , Dn  Cn  An2  Bn2 , n  arctg n .
An
Infatti, ricordando che in trigonometria si ha:
sin(a  b)  sin a cos b  cos a sin b e cos(a  b)  cos a cos b  sin a sin b , la (1.8) diventa:
 
1 1
f (t )  A0   Cn sin( n  nt )  A0   Cn [sin n cos nt  cos  n sin nt ] 
2 n 1 2 n 1
 
1
 A0   (Cn sin  n ) cos nt   (Cn cos  n ) sin nt , da cui: An  Cn sin  n e Bn  Cn cos  n
2 n 1 n 1

sin  n An
e dunque: An2  Bn2  Cn2 e tg n   . Similmente si giunge anche alla (1.9).
cos  n Bn
Forma esponenziale della Serie di Fourier:
eikx
Anche il sistema di funzioni ( ) (con k=0,±1, ,±2,…) è ortonormale su ( ,  ) ; infatti, si ha:
2
 
1  2i ei ( k '  k )  e  i ( k '  k ) sin(k 'k )
 e e dx   e dx  )  2 [ ]  2 kk '
 ikx ik ' x ix ( k '  k )
eix ( k ' k )  (
  i (k 'k )  i (k ' k ) 2i (k ' k )
poiché se k’=k, allora sin0/0=1, mentre se k '  k , allora k’-k=n e sinnπ è sempre 0.
 
1
Perciò: f ( x) 
2
C e
k  
k
ikx
, (1.10)

1
 f ( x)e
 ikx
Ck  dx , o, nel dominio del tempo:
2 

1  
2
f (t ) 
2
 C 'k eikt 
k  
C e 
k  
k
ik t
, ( 
T
) (1.11)
T T
1 1
C k   f (t )e ikt dt  C k e i k , C k  Ck*  Ck e i k , C0   f (t ) dt .
T 0 T 0

1
Confrontando la (1.11) con la (1.9), si ha: f (t )  C0   2 Cn cos(nt   n ) , con C0  A0 ,
n 1 2
Dn  2 Cn e n   n .

ONDA QUADRA (Sviluppo in serie di Fourier)

Ragioniamo prima in termini di angolo x ( ,  ) A) e poi in termini di tempo (0,T) B), anche in
forma polare B2) ed esponenziale C).
ε(x)
A)
VM

-π 0 π x
-VM
Fig. 1.3

Tale funzione  (x) è dispari, dunque gli ai sono tutti nulli. Per la (1.6):  ( x)   bk sin kx ,
k 1
 
1 2 2VM  2V
x  ( ,  ) , bk 
 
 ( x) sin kxdx   V  sin kxdx  
M
0
k
cos kx 0   M [(1) k  1] ,
k
ossia

1 4VM
b2l  0 e b2l 1  e infine:
 (2l  1)
4V  sin( 2l  1) x
 ( x)  M  (1.12)
 l  0 (2l  1)

Fig. 1.4: Come le armoniche si compongono a riprodurre l’onda quadra.

 ε(t)
B) VM

-T/2 0 T/2 T t
-VM

Fig. 1.5

Con riferimento alla (1.7):

T T /2 T T T /2
2 2 2 2 2
A0   f (t )dt   VM dt   (VM )dt  0 , Ak   f (t ) cos ktdt   VM cos ktdt 
T0 T 0 T T /2 T0 T 0
T
2 2V 2V
  (VM ) cos ktdt  M sin kt 0  M sin kt T / 2  0 ,
T /2 T

T T 72 Tk Tk
T T /2 T
2 2 2 2V
  VM sin ktdt  
T /2
Bk  f (t ) sin ktdt  (VM ) sin ktdt  M  cos kt 0 
T0 T 0
T T 72 Tk
2VM T V V 2V
  cos kt T / 2  M ( cos k  1)  M ( cos 2k  cos k )  M (1  cos k ) , cioè, se k è
Tk k k k
4V
pari, allora Bk  0 , mentre se k è dispari (2l+1), allora Bk  M , dunque, per la (1.7):
k
1 
4V 
sin( 2l  1)t
 (t )  A0   [ An cos nt  Bn sin nt ]  M  (1.13)
2 n 1  l  0 (2l  1)

B2) Forma polare

4VM B
A0  0 , Dn  An2  Bn2  Bn  , n   arctg n  90 , con n dispari: 2l 1  90 , da cui:
k An
1 
4VM 
4V 
sin(2l  1)t
f (t )  A0   Dn cos(nt  n )   cos[(2l  1)t  90]  M  .
2 n 1  (2l  1) l  0  l 0 (2l  1)

C) Forma esponenziale

T T T /2 T
1 1 1 1
C0   f (t )dt  0 , C k   f (t )e ikt dt  V M e  ikt
dt   (VM )e ikt dt 
T 0 T 0 T 0
T T /2
VM 1 T /2 V 1 T
 e ikt  M e ikt
T (ik ) 0 T (ik ) T /2

2VM
dunque, se k è pari, allora Ck  0 , mentre se k è dispari (2l+1), C( 2l 1)  i ,
(2l  1)
2VM
C( 2l 1)  e  k  90 ,
(2l  1)
 
2VM 
(i 2VM ) ikt
f (t )   Ck eikt   e  i 90eikt   e (1.14)
k   l   ( 2l  1) l   (2l  1)
ONDA TRIANGOLARE (Sviluppo in serie di Fourier) in ( ,  )

f(x)
1

2π -π 0 π 2π x

Fig. 1.6

f ( x)  x , per x  (0,  ) , ed f ( x)   x per x  ( ,0) ; in una sola formula: f ( x)  x per

x  ( ,  ) . Per la (1.6):

1
x  a0   ak cos kx (funzione pari, dunque bk=0)
2 k 1
  
1 2 2 x  1 2
ak 
 

x cos kxdx 
  x cos kxdx 
0
[ sin kx 0   sin kxdx]  2 [(1) k  1]
 k k0 k

1 2 4
 a2l  0 e a2l 1   , a0   xdx   , da cui:
 (2l  1) 2
 
 cos(2l  1) x
4 
x
2

l 0 

(2l  1) 2
(1.15)

d
Notare che x   (x) .
dx

Onda Triangolare su intervallo (0,2):

f(x)
1

-4 -2 0 2 4 x
Fig. 1.6b

Funzione pari, dunque bk  0 . Per la (1.6) (espressa nella forma (1.17) più sotto dimostrata):
2
nx nx nx
2
2 2 4 4
an   x cos dx  x( sin )  (1)( 2 2 cos )  2 2 (cos n  1) , se n  0 ; se n=0:
20 2 n 2 n 2 0 n
2
a0   xdx  2 , dunque:
0

4 nx 8 x 1 3x 1 5x
f ( x)  1   (cos n  1) cos  1  2 (cos  2 cos  cos  .....)
k 1 n2 2
2  2 3 2 5 2
DENTE DI SEGA (Sviluppo in serie di Fourier) in ( ,  )

f(x)
1

-2π -π 0 π 2π x

Fig. 1.7


f ( x)  x , per x  ( ,  ) ; per la (1.6): x   bk sin kx , (funzione dispari, dunque ak  0 ).
k 1
 
1 1 x  1 2
bk 
  x sin kxdx   [ k cos kx


 
k 
cos kxdx]  (1) k 1 e dunque:
k

(1) k 1
f ( x)  2 sin kx (1.16)
k 1 k

Dente di sega su intervallo (0,2):

f(x)
1

-4 -2 0 2 4 x

Fig. 1.7b

f(x)=x (0<x<2) e trattasi di funzione dispari, da cui an=0. Per la (1.6) (espressa nella forma (1.17)
più sotto dimostrata):
2
nx nx nx
2
2 2 4 4
bk   x sin dx  x( cos )  (1)( 2 2 sin )  cos n e dunque:
20 2 n 2 n 2 0 n

(  4) nx 4 x 1 2x 1 3x
f ( x)   cos n sin  (sin  sin  sin  .....)
k 1 n 2  2 2 2 3 2

SCALINO
f(x)
3

-10 -5=-L 0 +5=+L +10 x

Fig. 1.8: Scalino

 
1
Ripartiamo dalla (1.6) che qui riscriviamo: f ( y )  a0   [an cos ny  bn sin ny ]
2 n 1
 
1 1
( an 
 

f ( y ) cos nydy , bn 
 
 f ( y) sin nydy )

x 
Se ora effettuiamo la sostituzione y  , da cui: dy  dx , si avrà:
L L
1 
nx nx
f ( x)  a0   [an cos  bn sin ] (1.17)
2 n 1 L L
nx nx
L L
1 1
( an  
L L
f ( x) cos
L
dx , bn   f ( x) sin
L L L
dx )

A questo punto la (1.17) ci permette di sviluppare tra –L ed L:

5
nx nx nx nx nx
5 0 5 5
1 1 3 3 5
an   f ( x) cos dx  [  0 cos dx   3 cos dx]   cos dx  sin 
5 5 5 5 5 5 0
5 50 5 5 n 5 0
5
3
5 0
 0 se n  0 , mentre è  3 ( a0  cos 0dx  3 ) se n=0.

5
nx nx nx nx nx
5 0 5 5
1 1 3 3 5
bn   f ( x) sin dx  [  0 sin dx   3 sin dx]   sin dx  cos 
5 5 5 5 5 5 0
5 50 5 5 n 5 0
3(1  cos nx)
 . Dunque:
n
3  3(1  cos nx) nx 3 6 x 1 3x 1 5x
f ( x)    sin   (sin  sin  sin  ......)
2 n 1 n 5 2  5 3 5 5 5

PARABOLA
f(x)
4 2

 4  2 0 2 4 x
Fig. 1.9: Parabola

Usando la (1.17) con L=π, si ha:

2 2
1 sin nx  cos nx
1  sin nx 4
an   x cos nxdx  x
2
 2 x( 2
)  2( )  , se n  0 , mentre è
 0  n n 2
n3 0 n2
2
8 2 1
  x dx  a
2
, se n=0.
3  0
0

2 2
1 1  cos nx  sin nx cos nx  4
bn   x sin nxdx  )  2 x( )  2( 3 ) 
2
x2( , dunque:
 0
 n n 2
n 0 n
4 2
4 
4
f ( x)    ( 2 cos nx  sin nx)
3 n 1 n n
SENO RADDRIZZATO
f(x)
1

-π 0 π 2π x

Fig. 1.10: Seno raddrizzato

f(x) è pari, dunque bn=0, mentre per an: ( ( ,  )  2(0,  ) ) Per la (1.6):
  
2 1 cos(n  1) x cos(n  1) x
1
an   sin x cos nxdx   [sin( x  nx)  sin( x  nx)]dx    
0 0  (n  1) (n  1) 0
1 1  cos(n  1) cos(n  1)  1 1 (1  cos n ) (1  cos n ) 2(1  cos n )
 [  ] [  ] , se n  1 ,
 (n  1) (n  1)  (n  1) (n  1)  (n 2  1)
  
2 2 sin 2  2 2  4

mentre per n=1: a1   sin x cos xdx   0 e per n=0: a0  sin xdx   cos x 0 
0  2 0 0
 
2 (1  cos n )
2 
2 4 cos 2 x cos 4 x cos 6 x
quindi: f ( x) 


n 2 
(n  1)
2
cos nx   [ 2  
  (2  1) (42  1) (62  1)
 .....] .

2 4  1
In funzione del tempo: f (t )   
  n  2, 4,6,... (n  1)
2
cos nt .

Per ultimo, in caso di raddrizzamento ad una semionda e sempre in t:

f(t)
1
0 π 2π t

Fig. 1.11: Seno semiraddrizzato

1 1 2  1
f (t )   sin t 
 2

 n  2, 4,6,... (n  1)
2
cos nt

TRENO DI IMPULSI

X(t)
VM

-τ/2 τ/2 T t
0
Fig. 1.12: Treno di impulsi
X (t )  VM per -τ/2<t<τ/2 e zero altrove. Per la (1.7) si ha:
 T T
1 2 2
X (t )  A0   [ Ak cos kt  Bk sin kt ] , con Ak   X (t ) cos ktdt ( A0   X (t )dt )
2 k 1 T0 T 0
T
2
T 0
e Bk  X (t ) sin ktdt .

La nostra funzione treno di impulsi è pari, dunque Bk=0 e la serie di Fourier si reduce a:
 T /2
A 2
X (t )  0   Ak cos kt e Ak 
T T/ 2
X (t ) cos ktdt (integrale con span T, ma non più tra 0 e T,
2 k 1
bensì tra –T/2 e T/2, con riferimento alla Fig. 1.12, poichè in entrambi i casi l’area sottesa è la
stessa). Dunque:
 /2
2 2V 1  /2 2V   2V 
Ak   VM cos ktdt  M
T  / 2 T k
sin kt  / 2  M [sin k  sin( k )]  M 2 sin k 
kT 2 2 kT 2
 2 
sin k sin k
4V 2 T k  2V   T A ,
 M (1.18)
2k  T
M
T  k
k k
T T
  sin x
ossia: A0  2VM , poichè col tendere a zero di k , la funzione tende ad 1. Riguardo
T T x
invece l’Ak generico, vale appunto la (1.18). In definitiva:

 2VM sin k T

X (t )  VM   cos kt (1.19)
T k 1 T 
k
T
Se ora l’impulso di Fig. 1.12 lo restringiamo, facendolo diventare una Delta di Dirac ( VM  (t ) ) e

sapendo che   (t )dx  1 , ossia l’area sottesa dalla delta è 1 (A=base x altezza=(VM τ) x (1/ τ)=

VM), si avrà che nella (1.19) in luogo dell’area dell’impulso rettangolare VM τ, si avrà solo VM e
sin x
inoltre la funzione si restringerà all’unità. Allora:
x

V 2V
 (t )  M   M cos kt (1.20)
T k 1 T

IDENTITA’ DI PARSEVAL

L
1 a02  2
  (an  bn2 ) ; infatti, essendo che, per la (1.17):
L L
[ f ( x )]2
dx 
2 n 1
1 
nx nx 1
f ( x)  a0   [an cos  bn sin ] e moltiplicando entrambi i membri per f ( x) ed
2 n 1 L L L
integrando:
nx nx
L L  L L
1 1 1 1 1 a02  2

L L
[ f ( x )]2
dx  a0 
2 L L
f ( x ) dx  
n 1
[ a n 
L L
f ( x ) cos
L
dx  bn 
L L
f ( x ) sin
L
dx ]    (an  bn2 )
2 n 1
2-TRASFORMATA DI FOURIER
Ricordiamo qui la (1.10), ossia lo sviluppo in serie di Fourier in forma esponenziale:
1  2
f ( )  
2 k  
Ck eik ed effettuiamo or ail cambio di variabile:   t
T
 t , da cui:

 2
1 ik t
f (t ) 
2
 Ck e
k  
T
, (2.1)
2 
2
T /2
 ik t 1
  f ( )e
 ik
con Ck  f (t )e T
dt , poiché si aveva: Ck  d , ma se    
T T / 2 2 
2 2
2 2
T /2 T /2
T 1  ik t  ik t
t   e dunque: Ck 
2 2 
T / 2
f (t )e T
T
dt 
T 
T / 2
f (t )e T
dt . Denominiamo ora:

2k 2 2 2
T /2
( pk  k ) da cui: pk    e dunque: Ck  e
 ip k t
pk  f (t )dt 
T T 2 T T / 2
T /2 T /2
pk 1
e e
 ip k t  ip k t
 f (t )dt  pk F ( pk ) , con F ( pk )  f (t )dt .
2 T / 2 2 T / 2

1  ip k t
Perciò, per la (2.1), si ha: f (t )  e F ( pk )pk ; a questo punto, per T   segue che
2 k  
pk  dpk  dp e la sommatoria diviene integrale:

1
f (t )  e
ipt
F ( p )dp (ANTITRASFORMATA DI FOURIER) (2.2)
2 

1
con F ( p ) 
2    e  ipt f (t )dt che è la (TRASFORMATA DI FOURIER) (2.3)

-Trasformata Seno e Trasformata Coseno di Fourier

Consideriamo ora la (2.2) in t ed inseriamo in essa la (2.3) in t’:
  
1 1 1  ipt 
    
ipt '
f (t )  e ipt
F ( p ) dp  e ipt
e f (t ' ) dt 'dp  e dp f (t ' )e ipt 'dt '  f (t ) (2.4)
2  2   2    

1  
2  
Se ora uniamo gli esponenziali, otteniamo: f (t )  f (t ' )eip ( t t ') dt 'dp (2.5)
Osserviamo ora che la (2.5) è equivalente alla seguente (2.6):
1  
f (t )    f (t ' ) cos p (t  t ' )dt ' dp ; (2.6)
 p  0 t ' 

infatti, se nella (2.6) utilizziamo la seguente nota Formula di Eulero: cos p(t  t ' )  (eip (t t ')  e  ip (t t ') ) / 2
1   1  
otteniamo: f (t )    f (t ' ) cos p (t  t ' )dt ' dp    f (t ' )(eip ( t t ')  e ip (t t ') )dt ' dp ;
 p  0 t '   2 p  0 t '  

adesso, lasciamo solo l’esponenziale con l’argomento positivo e cambiamo l’intervallo di

integrazione su p, da 0/∞ a -∞/+∞ , in modo tale che il -∞ mi ricoinvolga l’esponenziale ad
1  
2  
argomento negativo che ho appena tolto; ottengo dunque: f ( x)  f (t ' )eip (t ' t ) dt ' dp , che
altro non è che la (2.5) appunto. Adesso, per le formule di sottrazione della trigonometria sappiamo
che: cos  cos   sin  sin   cos(   ) ed utilizzando quest’ultima nella (2.6), otteniamo:
1   1  
f (t )    f (t ' ) cos p (t  t ' )dt ' dp    f (t ' )(cos pt cos pt ' sin pt sin pt ' )dt ' dp 
 p  0 t '   p  0 t ' 
  
1 
 { [  f (t ' ) cos pt ' cos ptdt '  f (t ' ) sin pt ' sin ptdt ']dp} .
 p 0
t '  t ' 
Ora, sotto l’ipotesi di una funzione f(t’) dispari, anche il prodotto f(t’)cospt’ è dispari, poiché il
coseno è una funzione pari e lascia il prodotto dispari come f, da cui tale prodotto dispari viene
notoriamente mandato via dall’integrale in t’ ad estremi simmetrici (-∞/+∞), che vale notoriamente
 
1  1 
zero, da cui: f (t )(dispari )   [  f (t ' ) sin pt ' sin ptdt ']dp   sin ptdp  f (t ' ) sin pt ' dt ' e,
 p 0
t ' 
 p 0
t ' 
per ultimo, anche l’integrale in “ t’ ”, che va da -∞ a +∞ , per simmetria lo facciamo diventare la
metà, ossia da 0 a +∞, a patto di moltiplicare poi tutto l’integrale per 2, da cui, infine:

2 
f (t )(dispari )   sin ptdp  f (t ' ) sin pt ' dt ' (2.7)
 0
0
Similmente, per una f(t’) pari, si ha che il prodotto f(t’)sinpt’ è dispari (come il sin), da cui
l’azzeramento dell’integrale in “ t’ ” ad estremi simmetrici e si ha solo la sopravvivenza
dell’integrale superstite, da cui, infine:

2 
f (t )( pari )   cos ptdp  f (t ' ) cos pt ' dt ' (2.8)
 0
0
Adesso, se nella (2.7) nominiamo:

FSIN ( p)   f (t ' ) sin pt ' dt ' (TRASFORMATA SENO DI FOURIER) (2.9)
0
allora la (2.7) stessa diviene:
2 
f (t ) DISPARI   FSIN ( p ) sin ptdp (ANTITRASFORMATA SENO DI FOURIER) (2.10)
 0

Similmente, se nella (2.8) nominiamo:


FCOS ( p)   f (t ' ) cos pt ' dt ' (TRASFORMATA COSENO DI FOURIER) (2.11)
0
allora la (2.8) stessa diviene:
2 
f (t ) PARI   FCOS ( p ) cos ptdp (ANTITRASFORMATA COSENO DI FOURIER) (2.12)
 0
- Teorema dell’Integrale di Fourier
Infine, ricordiamo che la (2.6) può anche essere ottenuta direttamente dalla Serie di Fourier (1.6); infatti, dalla (1.6) appunto:
   
1 1 1 1
f ( x)  a0  [a p cos px  bp sin px] , dove a p   f ( x) cos pxdx e b p   f ( x) sin pxdx ( a0   f ( x)dx ) . Ora,
2 p 1      
compattiamo includendo il coefficiente a0 nella sommatoria dei coseni (e Δp=1, naturalmente, trattandosi di salti di 1):
 
f ( x )   a p cos px  p   b p sin px  p e poi passiamo dalle sommatorie agli integrali:
p 0 p 1
 
1
f ( x)   a ( p)  cos px  dp   b( p )  sin px  dp , dove: a ( p )  1  f ( x) cos pxdx e b( p)   f ( x ) sin pxdx . Questa
 

0 0
   
equazione è il Teorema dell’Integrale di Fourier. Ora, inseriamo questi a(p) e b(p) , scritti in x’, in f(x) ed otteniamo:
 
  1 
f ( x)   a ( p )  cos px  dp   b( p )  sin px  dp   { [  f ( x' ) cos px' cos pxdx'   f ( x' ) sin px' sin pxdx' ]dp} 
0 0
 p 0
x '  x ' 

1 
, ma per le formule di sottrazione della trigonometria sappiamo che:
 { [  f ( x' )(cos px' cos px  sin px' sin px)dx']dp}
 p 0
x ' 

cos  cos   sin  sin   cos(   ) , dunque (cosx=cos(-x)): 1 
f ( x)  { [  f ( x' )(cos px' cos px  sin px' sin px)dx']dp} 
 p 0
x ' 

1  1  
 { [  f ( x' ) cos p( x' x)dx']dp}     f ( x ' ) cos p ( x  x' )dx' dp  f ( x) , che è appunto equivalente alla (2.6).
 p 0
x ' 
p 0 x ' 
Sulla Delta di Dirac

Per definizione, f ( x' )    ( x  x' ) f ( x)dx (2.13)

cioè  ( x  x' ) , nell’integrale con f(x), fa ottenere f(x’).

Sempre per la (2.13) si ha: f (0)    ( x) f ( x)dx . Adesso, inserendo la (2.2) in p’ nella (2.3) in p, si

   
1 1 1
 e  ipt [  eip 't F ( p ' )dp ']dt   F ( p ' )[ e
it ( p '  p )
ottiene: F ( p )  dt ]dp ' , ma per la (2.13)
2   2   
2 
la quantità tra parentesi quadre deve valere:

1
 ( p ' p )  
2  
eit ( p ' p ) dt (2.14)
 
1 1
e per p=0:  ( p ' )   eitp ' dt . Ribattezzando i simboli, si ottiene:  ( x)  e
ikx
dk .
2  2 
(  ( x)   ( x) ) Quest’ultima è equivalente alla seguente:
n 
1 sin nx 1 1 1
 ( x)  lim  lim (einx  e inx )  lim  eikx dk  e
ikx
dk   ( x) cvd.
n   x n   2ix 2 n    n 2 

sin nx
D’altronde, la funzione , che è a mo’ di campana, col crescere di n si stringe sempre di più
x
fino a diventare un impulso verticale strettissimo, ossia appunto una Delta di Dirac.

----------------

UNA NORMALIZZAZIONE PIU’ USATA PER TRASFORMATA ED ANTITRASFORMATA

DI FOURIER E’ LA SEGUENTE:


1
f (t )  e
ipt
F ( p )dp (2.15)
2 

F ( p )   e  ipt f (t )dt (2.16)

dove la (2.16) non ha più il coefficiente che aveva nella (2.3) e la (2.15) ha il coefficiente della
(2.2), ma al quadrato. Infatti, se si pone la (2.15) nella (2.16), si ottiene ancora la (2.14) per la Delta
di Dirac, cosa che non sarebbe stata vera se avessimo solamente ridefinito il coefficiente della (2.2)
e non quello della (2.3).

Ecco alcune proprietà della Trasformata di Fourier: ( p  j )

1-Linearità F [af1 (t )  bf 2 (t )]  aF [ f1 (t )]  bF [ f 2 (t )]
1
2-Riscalamento f (at )  F ( j / a )
a
3-Traslazione nel tempo f (t  t0 )  F ( j )e  jt0 (basta sostituire t con t-t0 nella (2.16))
4-Traslazione in frequenza F ( j  j0 )  f (t )e j 0 t (nella (2.16) basta inserire nell’integrale la
quantità neutra e j 0 t e  j 0 t )
5-Derivazione d n f (t ) / dt n  ( j ) n F ( j ) , ( jt ) n f (t )  d n F ( j ) / d n
(basta operare le derivazioni nelle (2.15) e (2.16))
 
6-Convoluzione  f ( ) f (t   )d  f (t ) * f

1 2 1 2 (t )  F1 ( j ) F2 ( j )

1
e [ F1 ( j ) * F2 ( j )]  f1 (t ) f 2 (t ) . Infatti, avendosi F1 ( j )   f1 (t )e  jt dt e
2 
  

 f 2 (t ' )e  jt 'dt ' , segue che: F1 ( j ) F2 ( j )    f (t ) f (t ' )e

 j ( t  t ' )
F2 ( j )  1 2 dtdt ' . Ponendo ora
  
 
( x  t )
x=t+t’ (e quindi dt '  dx  dx ), si ha: F1 ( j ) F2 ( j )    f1 (t ) f 2 ( x  t )e  jx dtdx 
x  
  
 F [  f1 (t ) f 2 ( x  t )dt ]  F ( f1 * f 2 )  e
 j x
[  f1 (t ) f 2 ( x  t )dt ]dx .
  
Equivalentemente, invertendo il tutto, si ha:

1
f1 * f 2  F 1[ F1 ( j ) F2 ( j )]  
2  
e jx F1 ( j ) F2 ( j )d . Si ha poi che: f1 * f 2  f 2 * f1 ; infatti,
  
x-t=t’, da cui: f1 * f 2   f (t ) f ( x  t )dt   f ( x  t ' ) f (t ' )dt '   f (t ' ) f ( x  t ' )dt '  f

1 2

1 2

2 1 2 * f1 .

Si ha poi: F [ (t )]  1 ; infatti, per la definizione (2.13) di  ( x  x' ) , si ha:



e
 j t
 (t  t ' ) f ( x)dt  e  jt ' , ma questa è null’altro che F [ (t  t ' )] , dunque: F [ (t  t ' )]  e  jt '

e, per t’=0: F [ (t )]  1 .
Inoltre, F [e j 0 t ]  2 (  0 ) , nonchè F [ (t   )]  e j , F [cos 0t ]   [ (  0 )   (  0 )] ,
F [sin 0t ]   j [ (  0 )   (  0 )] .
Per ultimo:
f(t)
1
2 sin a
F ( ) 


-a a t
Fig. 2.1 0

 a
e  j t e ja  e  ja 2 sin a
a

 f (t )e dt   (1)e
 jt  j t
F ( )  dt    (   0 ); per   0 
 a
 j  a j 
F ( )  2a .

3-TRASFORMATA DI LAPLACE

Ha una forma molto simile alla Trasformata di Fourier:


L[ f (t )]  F ( s )   f (t )e  st dt ( s  j ) (3.1)
0
La stessa altro non fa che passare dal dominio del tempo a quello della frequenza; ad esempio, nel
caso di un condensatore, sappiamo che:
dv(t ) V (s) 1 1
i (t )  C  L[i (t )]  I ( s )  CsV ( s )   
dt I ( s ) sC jC
Alcune proprietà:
L[kf (t )]  kF ( s ) , L[ f1 (t )  f 2 (t )]  F1 ( s )  F2 ( s ) , L[ f ' (t )]  sF ( s )  f (0) ,
F ( s) dF ( s )
L[ f ( n ) (t )]  s n F ( s )  s n 1 f (0)  s n  2 f ' (0)  ...  f ( n 1) (0) , L[  f (t )dt ]  , L[tf (t )]   ,
s ds
L[ f (t )e t ]  F ( s   ) , L[ f (t  t0 )]  F ( s )e  t 0 s , f (0)  lim f (t )  lim sF ( s ) ,
t 0 s 

f ()  lim f (t )  lim sF ( s ) .

t  s 0
Proprietà della convoluzione: analoga a quella per la T. di Fourier di pag. 39.

Alcune L-Trasformate notevoli

1
-gradino unitario u(t)=0, se t<0 ed 1 se t>0: L[u (t )] 
s

-Delta di Dirac L[ (t )]    (t )e  st dt e  s 0  1 (essendo una convoluzione)
0

1
-rampa unitaria r(t)=0 per t<0 e t per t  0  L[r (t )] 
s2
1
-funzione esponenziale f(t)=0, per t<0 e et per t  0  L[et ] 
s 
2
-parabola unitaria p(t)=0 per t<0 e t2 per t  0  L[t 2 ] 
s3

-funzione sinusoidale f(t)=0, per t<0 e sin t , per t  0  L[sin t ]  (applicando la
s2   2
Formula di Eulero)
s
-funzione cosinusoidale f(t)=0, per t<0 e cos t , per t  0  L[cos t ] 
s2   2
Metodi indiretti di L-antitrasformazione
Funzione di trasferimento:
N ( s) bm s m  bm 1s m 1  ...  b1s  b0 N (s)
F (s)   n 1
 
D( s ) an s  an 1s  ...  a1s  a0 ( s  p1 )( s  p2 )...( s  pn )
n

A B C
    ... , dove A  [(s  p1 ) F ( s )]s  p1 eccetera. E così:
( s  p1 ) ( s  p2 ) ( s  p3 )
A B C
L1[ F ( s )]  L1[ ]  L1[ ]  L1[ ]  ...  Ae p1t  Be p2 t  Ce p3t  ...
( s  p1 ) ( s  p2 ) ( s  p3 )
Se invece:
N ( s) N (s) A A1 A2 An B
F ( s)     n 1
 n2
 ...  
D( s ) ( s  p1 ) ( s  p2 ) ( s  p1 )
n n
( s  p1 ) ( s  p1 ) ( s  p1 ) ( s  p2 )
d
con A  [(s  p1 ) n F ( s )]s  p1 , B  [(s  p2 ) F ( s)]s  p 21 e A1  [(s  p1 ) n F ( s )]s  p1 ,
ds
 1 dn
An  n
[(s  p1 ) n F ( s )]s  p1 , allora, riguardo la L-1 trasformata dei nuovi elementi comparsi, si
n! ds
1 1
avrà: L1[ ] t n 1e  pt .
( s  p1 ) n
(n  1)!
A B
Infine, nel caso in cui F ( s )    A  [(s  a  jb) F ( s )]s  a  jb e
( s  a  jb) ( s  a  jb)
B  [(s  a  jb) F ( s )]s  a  jb ed L1[ F ( s )]  Ae( a  jb )t  Be( a  jb ) t  2 Ae at sin(bt   ) , dove:
b
A  a 2  b 2 , A  arctg e   A  90 .
a

Antitrasformata formale di Laplace


F ( s )   e  sx f ( x) ( x)dx è la T. di Laplace di f(x)

(  ( x)  0 per x<0 ed 1 per x>0 , Funzione di Heaviside)

Ponendo s=r+ip  F ( s )   e  ipx e  rx f ( x) ( x)dx ; considerando r = Re(s) come parametro fisso,


allora F(s) è la T. di Fourier, rispetto a p, della funzione  ( x)  2 e  rx f ( x) ( x) , cioè:

 
1 1
FL ( s )  FF [ ( x)]  e  ( x)dx   ( x)  e
ipx ipx
F ( s )dp , da cui, essendo idp=ds (poichè
2  2 
r  i
1
2i r i
Re(s)=r=cost), si ha: f ( x) ( x)  e sx F ( s )ds . Ora, a patto che f(x)=0 per x<0, si avrà:

r  i
1
f ( x)   e sx F ( s )ds
2i r  i
ANTITRASFORMATA FORMALE DI LAPLACE

k
Come esempio di applicazione, sappiamo che se F ( s )  , allora f ( x)  sinh kx ; infatti:
s  k2
2

r  i
k e sx
2i r i s 2  k 2
f ( x)  ds (Re(s)=r=k). Condizione per chiudere il cammino di integrazione:

per x<0 (Re(s)>r) , per x>0 (Re(s)<r) e abbiamo: f(x)=0, per x<0 e, per x>0 
ke sx ke sx ke kx ke  kx
f ( x)  Re s[ 2 ] sk  Re s[ ] sk    sinh kx
s  k2 s2  k 2 2 k ( 2 k )
Per motivi di convergenza, avendosi f ( x)  Ae pt , si avrà L-Trasformata per s>p.

4-TRASFORMATA Z

La Trasformata Z di x(t) altro non è che la Trasformata di Laplace del segnale d’ingresso
campionato, con z  e sT .
La T. Zeta per i segnali digitali è l’omologa della T. di Laplace per i segnali continui.
Se si ha dunque una sequenza di valori reali xn (n=0,1,2,…) e nulla per n<0, si ha, per definizione:

Z [ xn ]  X ( z )   xn z  n (4.1)
n0
Ora, per dimostrare tutto quanto appena detto, consideriamo che il segnale d’ingresso x(t)
campionato ad una fs=1/T ad impulsi di Dirac è:
 
x* (t )   x(nT ) (t  nT ) (4.2)
n 0
che è scritto con l’* perché proprio dalla sua forma matematica si evince che è una convoluzione
discreta (    ) tra x(t) e  (t ) . Applicando la T. di Laplace alla (4.2) (e considerando che in
 
x(nT) non compare t), si ha: X * ( s )  L[ x* (t )]   x(nT ) L[ (t  nT )]   x(nT )e  nTs . Ora,
k 0 k 0

definendo z  e sT  L[ x* (t )]  X * ( s )   x(nT ) z  n  X ( z )  Z [ x* (t )] .
k 0
Citiamo l’antitrasformata Z formale:
1
j 2 C
x(nT )  X ( z ) z n 1dz , con C curva chiusa che, nel piano complesso, racchiude tutti i poli di

X(z).
Proprietà della Trasformata Zeta
-linearità Z [ax1 (nT )  bx2 (nT )]  aZ [ x1 (nT )]  bZ [ x2 (nT )]
a n x(nT )  X ( z / a) ( X ( z )  Z [ x(nT )] )
-traslazione nel tempo: ( Z [ x(nT )]  X ( z ) )
a) y1  x(nT  kT )  Z [ y1 ]  z k [ X ( z )  x(0)  x(T ) z 1  ...  x((k  2)T ) z (  k  2)  x((k  1)T ) z (  k 1) ]
b) y2  x(nT  kT )  Z [ y2 ]  z  k X ( z ) , con x(nT)=0 per T<kT.
-teorema del valore iniziale: ( Z [ x(nT )]  X ( z ) )
se esiste il lim X ( z ) , allora x(0)  lim X ( z )
z  z 

-teorema del valore finale lim x(nT )  lim(1  z 1 ) X ( z ) , se i poli di X(z) sono all’interno del
n  z 1
cerchio unitario.
-convoluzione: se X 1 ( z )  Z [ x1 (nT )] e X 2 ( z )  Z [ x2 (nT )] , allora:
X 1 ( z ) X 2 ( z )  Z [ x1 (nT ) * x2 (nT )]  dimostrazione analoga a quella per la convoluzione sulla T. di
Fourier di pag. 39.
Metodi pratici di inversione della T. Zeta
Se X(z) è espresso tramite serie di potenze di z ( z 0 , z 1 , z 2 , … ), allora i coefficienti rappresentano
già l’antitrasformata.
Se invece X(z) è un rapporto tra polinomi, allora si effettua la divisione, ottenendo i coefficienti
25 z 2  4 z
cercati nel quoziente; esempio: X ( z )  
1 1
z2  z 
6 3
1 1
25 z 2  4 z z2  z 
6 3
25 25 1 299  2
 25 z 2  z 25  z 1  z  .........
6 3 6 36
1 25
z
6 3
1 1 1 1
 z  z
6 36 18
 299 1 1
 z
36 18
…………………..
…………………..
5-DFT ED FFT (Trasformata Discreta di Fourier)

DFT (Discrete Fourier Transform) è la T. di Fourier di dati discreti (sequenze di valori). Si

sostituirà l’integrale con la sommatoria e si passerà dal range di integrazione ideale (  , ) ad un
range reale ad N valori (n=0, n=N-1), avendo dunque una sequenza di N dati (x(0), x(1),…,x(N-1)),
ottenuti da un campionamento di una grandezza d’ingresso x(t) agli istanti 0,T,2T,…,(N-1)T; allora
la DFT sarà la sequenza X(m) di N dati X(0), X(1),…,X(N-1) nel dominio della frequenza, alle
pulsazioni 0,Ω,2 Ω,…,(N-1) Ω, con   2 /( NT ) come prima armonica. Dunque:
N 1
X (m)   x(n)e  j 2mn / N (5.1)
n0
In modo più compatto, denominando WN  e  j 2 / N , si ha:
N 1
X (m)   x(n)WNmn
n 0
A livello di trasformata inversa, sempre per un discorso parallelo a quello sulla T. di Fourier
classica (caso continuo), si ha:
N 1
1
x ( n) 
N
 X ( m )e
m0
j 2mn / N

Esempio: sequenza x(n) a 4 valori (N=4):

Trasformata:
x(0)=3, x(1)=4, x(2)=6, x(3)=7
N 1 3
X (0)   x(n)e j 2mn / N  x(n) 3  4  6  7  20
n 0 n0
3
X (1)   x(n)e  j 2n / N x(0)e  j 0  x(1)e  j 2 / 4  x(2)e  j 2 2 / 4  x(3)e  j 2 3 / 4  3  j 3
n0
3 3
X (2)   x(n)e  j 2 2 n / N   2 , X (3)   x(n)e j 2 3n / N   3  j 3
n 0 n0
Antitrasformata:
Partendo dagli X(m) ottenuti (X(0)=20, X(1)=-3+j3, X(2)=-2, X(3)=-3-j3)
1 N 1 1 3 1
x ( 0)   X ( m ) e j 2mn / N
  X (m)e j 2m 0 / 4  [ X (0)  X (1)  X (2)  X (3)] 
N m 0 4 m0 4
1
 [ 20  3  3 j  2  3  3 j ]  3
4
1 3 1
x(1)   X (m)e j 2m1 / 4  [ X (0)e j 2 01 / 4  X (1)e j 2 11 / 4  X (2)e j 2 21 / 4  X (3)e j 2 31 / 4 ] 
4 m0 4
1
 [20  (3  3 j )( j )  (2)(1)  (3  3 j )( j )]  4
4
1 3 1 3
x(2)   X (m)e j 2m 2 / 4 6 , x(3)   X (m)e j 2m3 / 4 7 ed abbiamo riottenuto la sequenza di
4 m0 4 m 0
partenza x(n).

In questo esempio con N=4, per determinare ciascuno dei 4 valori della DFT, sono state effettuate
N moltiplicazioni ed (N-1) somme. Perciò, in generale, per l’intera DFT, occorrono N2
moltiplicazioni ed N(N-1) addizioni. Con N=1024  106 moltiplicazioni e circa 106 addizioni;
troppe! Per ridurre il numero di operazioni, si sfruttano le ridondanze nella DFT, realizzando così la
FFT (Fast Fourier Transform).
Dall’esempio appena illustrato, emergono le seguenti proprietà:
-linearità
- X (m)  X * ( N  m) (* = complesso coniugato, ossia: j  -j ), nonché X (m)  X ( N  m) ,
arg X (m)   arg X ( N  m) , Re[ X (m)]  Re[ X ( N  m)] , Im[ X (m)]   Im[ X ( N  m)] .
Si ha dunque simmetria dei valori della DFT intorno ad m=N/2; infatti, nell’esempio, i valori, per
m=1 ed m=3, dei moduli sono uguali ( X (1)  X (3)  4,24 ), così come lo sono anche le parti reali
( Re[ X (1)]  Re[ X (3)]  3 ); le fasi hanno invece simmetria dispari ( arg X (1)  135 , mentre
arg X (3)  135 ), così come anche le parti immaginarie (Im[X(1)]=3 e Im(X(3)=-3).
Dunque, i valori della DFT per m>N/2 sono ridondanti.
-traslazione: x(n)  X(m) ; ora, se il punto in cui si inizia il campionamento è traslato di k, ossia se
x(n) è traslato di k intervalli, si otterrà una x’(n), da cui una X ' (m)  e j 2km / N X (m) . X ed X’ hanno
dunque lo stesso modulo, ma uno sfasamento di 2πkm/N.
-periodicità: X (m)  X * (m  N ) ; infatti:
N 1 N 1
X (m  N )   x(n)e  j 2 ( m  N ) n / N  e  j 2Nn / N  x(n)e  j 2mn / N  X (m) , poiché e  j 2Nn / N  e  j 2n  1
n 0 n 0
-convoluzione:
l  
convoluzione lineare x(n)  x1 (n) * x2 (n)   x (l ) x (n  l )
l  
1 2 (un po’ come per le convoluzioni delle

Trasformate di Fourier, di Laplace e Zeta)

l  N 1
convoluzione circolare x(n)  x1 (n)  x2 (n)   x (l ) x (n  l )
l 0
1 2 , ossia negli estremi della

sommatoria si torna ai valori finiti tipici della DFT. E si ha che: (se x(n)  x1 (n)  x2 (n) )
X (m)  X 1 (m) X 2 (m) ed a livello di dualità (solita), si ha anche che: (se x(n)  x1 (n) x2 (n) )
1
X ( m)  X 1 ( m )  X 2 ( m) .
N
Riguardo invece la convoluzione lineare, bisogna che x1 ed x2 abbiano la stessa lunghezza. Se
dunque x1 ha N1 campioni ed x2 ne ha N2, si aggiungono (N2-1) valori zero alla sequenza x1 ed (N1-
1) zeri ad x2. Così la lunghezza sarà unica e pari a (N1+N2-1). Da qui in poi vale quanto detto per la
convoluzione circolare.
-funzione impulso: se x(n)   (nT )  X (m)  1

METODO DELLA RADICE DUE PER LA FFT

questo metodo si applica a sequenze di campioni di numero pari ad una potenza di 2; ci si può
sempre ricondurre a tale situazione aggiungendo zeri. Ora, la sequenza di N dati la si divide in due:
indici pari ed indici dispari, ossia due sequenze di N/2 valori. Tali due sequenze vengono di nuovo
spezzate in due, allo stesso modo, fino ad ottenere sequenze irriducibili di soli due valori.
Esempio: N=8; n(0),……,n(7); con la prima suddivisione otteniamo n(0),n(2),n(4),n(6) ed
n(1),n(3),n(5),n(7). Suddividendo ancora, otteniamo: [n(0),n(4)], [n(2),n(6)], [n(1),n(5)] e
[n(3),n(7)]. Queste coppie sono rappresentate da indici n ed n+(N/2); infatti, 0-4 sarebbe la coppia
con n=0  [0,(0+8/2)]. A livello matematico si ha:
N 1 N 1 N 1 N 1
X (m)   x(n)e  j 2mn / N   x(n)WNmn   x(n)WNmn   x(n)W mn
N , con WN  e  j 2 / N ; i numeri
n 0 n 0 n  0 , 2, 4 n 1, 3, 5

pari possiamo meglio esprimerli con 2p, mentre i dispari con 2p+1.
Quando n è dispari, notiamo che: WN2  (e  j 2 / N ) 2  e  j 2 /( N / 2)  WN / 2 e così:
N / 2 1 N / 2 1 N / 2 1 N / 2 1
X ( m)   x(2 p)WN2 mp 
p 0
 x(2 p  1)WNm( 2 p 1) 
p 0
 x(2 p)WN2 mp  WNm
p 0
 x(2 p  1)W
p 0
2 mp
N 
N / 2 1 N / 2 1
  x(2 p)W
p 0
mp
N /2  WNm  x(2 p  1)W
p0
mp
N /2  A(m)  WNm B(m) (5.2)

(A è degli indici pari e B è dei dispari) A e B sono periodiche di periodoN/2; infatti:

N / 2 1 N / 2 1 N N / 2 1 N
N (m ) p ( )p
A(m)   x(2 p )WNmp/ 2  A(m  )   x(2 p )WN / 2 2   x(2 p )WNmp/ 2WN 2/ 2 
p 0 2 p 0 p 0
N / 2 1 N  j 2 /( N / 2 ) p
( )p N
  x(2 p)W
p0
mp
N /2  A(m) , essendo W 2
N /2 e N /2
 1 . Analogamente B (m 
2
)  B ( m) .

Come esempio, se N=8 e voglio determinare X(7), avrò, per la (5.2):

X (7)  A(7)  W87 B (7)  A(3)  W87 B (3) (7=3+4=3+N/2)
I vantaggi stanno nel fatto che, come dicevamo, una DFT con N elementi richiede circa 2N2
operazioni, mentre per ciascuna delle due sottosequenze ad N/2 ne occorrono 2(N/2)2, salvo poi
ricombinarle tramite N addizioni, da cui, in totale: 2(N/2)2+N. Allora, con N=1024, si passa da
1.048.576 moltiplicazioni (senza suddivisioni) a 525.312; e considerazioni analoghe per le
addizioni. Suddividendo ancora fin dove possible (fino ad ottenere gruppi di due valori), per il n. di
moltiplicazioni si avrà: (N/2)log2N, cioè, sempre con N=1024, 5120 moltiplicazioni.
Si noti poi che alcuni coefficienti W si ripetono, offrendo ulteriori semplificazioni. Ovviamente sarà
un programma SW a svolgere tutto questo lavoro.

FFT A DUE PUNTI (N=2)

N 1 1
nessuna suddivisione necessaria, dunque: X (m)   x(n)WNmn   x(n)W2mn 
n0 n 0

X (0)  W x(0)  W x(1) e X (1)  W x(0)  W x(1) , ma avendosi W20  (e  j 2 / 2 ) 0  1 e

2
0
2
0
2
0
2
1

 j 2 / 2 1
W21  (e )  1 , si ha: X (0)  x(0)  x(1) e X (1)  x(0)  x(1) ; più in generale:
N N N N
A(0)  x(n)  x(n  )  x(n)  WN0 x(n  ) A(1)  x(n)  x(n  )  x(n)  WNN / 2 x(n  ) ,
2 2 2 2
 j 2 / N 0  j 2 / N N / 2
con WN  (e
0
)  1 e WN  (e
N /2
)  1 .

FFT A QUATTRO PUNTI (N=4)

x(0), x(1), x(2), x(3)  x(0),x(2) e x(1),x(3) ; per la (1.32): X (k )  A(k )  WNk B (k ) ,
X (0)  A(0)  W40 B(0) , X (1)  A(1)  W41B(1) , X (2)  A(2)  W42 B(2)  A(0)  W42 B(0) ,
X (3)  A(3)  W43 B(3)  A(1)  W43 B(1) .
Esempio: N=4, x(0)=3, x(1)=4, x(2)=6, x(3)=7 (stesso esempio di pag. 43) Determinare la DFT
utilizzando la FFT. A(0)  x(0)  W40 x(2)  3  1  6  9 , A(1)  x(0)  W42 x(2)  3  1  6  3 ,
B(0)  x(1)  W40 x(3)  4  1  7  11 , B(1)  x(1)  W42 x(3)  4  1  7  3 ,essendo W40  (e  j 2 / 4 )0  1
e W42  (e  j 2 / 4 ) 2  e  j 4 / 4  1 . Segue che: X (0)  A(0)  W40 B(0)  9  1  11  20 ,
X (1)  A(1)  W41B(1)  3  j (3)  3  3 j , X (2)  A(0)  W42 B(0)  9  1 11  2 ,
X (3)  A(1)  W43 B(1)  3  j (3)  3  3 j , essendo W41  (e  j 2 / 4 )1   j e
W43  (e  j 2 / 4 )3  e  j 3 / 2  j . Stessi risultati di pag. 43.
FFT A OTTO PUNTI (N=8)

n(0),n(1),n(2),n(3),n(4),n(5),n(6),n(7)  suddivisione:
n(0),n(2),n(4),n(6) e n(1),n(3),n(5),n(7)  seconda suddivisione:
[n(0),n(4)],[ n(2),n(6)],[n(1),n(5)],[n(3),n(7)]
Se, ad esempio, x(0)=3, x(1)=4, x(2)=6, x(3)=7, x(4)=x(5)=x(6)=x(7)=0, allora, dopo aver
preventivamente calcolato i W:
W80  (e  j 2 / N )0  (e  j 2 / 8 )0  1 , W81  (e  j 2 / 8 )1  0,707  j 0,707 , W82  (e  j 2 / 8 ) 2   j
W83  (e  j 2 / 8 )3  0,707  j 0,707 , W84  (e  j 2 / 8 ) 4  1 , W85  (e  j 2 / 8 )5  0,707  j 0,707
W86  (e  j 2 / 8 )6  j , W87  (e  j 2 / 8 )7  0,707  j 0,707 .
e dopo aver effettuato gli altri calcoli parziali:
C (0)  x(0)  W80 x(4)  3  1  0  3 , C (1)  x(0)  W84 x(4)  3  (1)  0  3 ,
D(0)  x(2)  W80 x(6)  6  1  0  6 , D(1)  x(2)  W84 x(6)  6  (1)  0  6 ,
E (0)  x(1)  W80 x(5)  4  1  0  4 , E (1)  x(1)  W84 x(5)  4  (1)  0  4 ,
F (0)  x(3)  W80 x(7)  7  1  0  7 , F (1)  x(3)  W84 x(7)  7  (1)  0  7 , si ha:
A(0)  C (0)  W80 D(0)  3  1  6  9 , A(1)  C (1)  W82 D(1)  3  j  6  3  j 6
A(2)  C (0)  W84 D(0)  3  1  6  3 , A(3)  C (1)  W86 D(1)  3  j  6  3  j 6
B (0)  E (0)  W80 F (0)  4  1  7  11 , B (1)  E (1)  W82 F (1)  4  j  7  4  j 7
B (2)  E (0)  W84 F (0)  4  1  7  3 , B (3)  E (1)  W86 F (1)  4  j  7  4  j 7 .
Infine:
X (0)  A(0)  W80 B (0)  9  1  11  20
X (1)  A(1)  W81B (1)  3  j 6  (0,707  j 0,707)(4  j 7)  0,879  j13,777
X (2)  A(2)  W82 B (2)  3  ( j )(3)  3  j 3
X (3)  A(3)  W83 B (3)  3  j 6  (0,707  j 0,707)(4  j 7)  5,121  j1,777
X (4)  A(0)  W84 B(0)  9  (1)11  2
X (5)  A(1)  W85 B (1)  3  j 6  (0,707  j 0,707)(4  j 7)  5,121  j1,777
X (6)  A(2)  W86 B(2)  3  j (3)  3  j 3
X (7)  A(3)  W87 B (3)  3  j 6  (0,707  j 0,707)(4  j 7)  0,879  j13,777

---------------------