Página 1 de 16 TRANSFORMADA DE FOURIER Y EL ALGORITMO FFT INTRODUCCION
|
|
- María Concepción Chávez Ponce
- hace 8 años
- Vistas:
Transcripción
1 Página 1 de 16 FCEFy Universidad acional de Cordoba ITRODUCCIO El estudio de las señales cotidianas en el dominio de la frecuencia nos proporciona un conocimiento de las características frecuenciales de éstas. Por ejemplo nos es muy útil el conocer la respuesta en frecuencias de un canal de telecomunicaciones, para poder determinar la máxima frecuencia que puede transmitir sin provocar distorsiones de la señal de modo que ésta sea recibida y reconstruida con total garantía. Otro ejemplo puede ser el análisis de la voz. Transformando la señal de voz en sus componentes frecuenciales podemos distinguir las diferencias entre las voces de distintas personas y determinar las palabras que está diciendo. Esto es muy útil para reconocimiento e identificación de voz, dos aplicaciones que están haciéndose muy familiares, al tiempo que aumenta la velocidad de los DSP. También podemos mencionar a los Analizadores de Espectro que realizan transformación de señales en el dominio del tiempo al dominio de la frecuencia. Este tipo de instrumentos se han hecho muy populares en los laboratorios electrónicos. Se utilizan para examinar la señal de salida de sensores conectados a estructuras que soportan esfuerzos mecánicos, como puentes o rascacielos en los cuales un cambio significativo de la respuesta en frecuencia puede suponer un exceso de carga en alguna parte de la estructura que puede provocar el colapso a futuro. FFT es la abreviatura usual (del inglés Fast Fourier Transform) de un eficiente algoritmo que permite calcular la transformada de Fourier discreta (DFT) y su inversa. La FFT es de gran importancia en una amplia variedad de aplicaciones digitales, desde el tratamiento digital de señales y filtrado digital en general, a la resolución de ecuaciones diferenciales parciales o los algoritmos de multiplicación rápida de grandes enteros. El presente texto tiene como objetivo presentar cómo se transforman las señales del dominio del tiempo al dominio de la frecuencia y viceversa desde un punto de vista introductorio. El resto del trabajo estará destinado a la manera de implementar la FFT en un DSP. SERIE DE FOURIER Y TRASFORMADA DE FOURIER Mientras que una función en el dominio temporal indica cómo la amplitud de la señal cambia en el tiempo, su representación en el dominio de la frecuencia permite conocer cuan a menudo esos cambios tienen lugar. Básicamente, el pasaje del dominio del tiempo al dominio de la frecuencia se puede visualizar considerando que la señal en estudio está compuesta por la suma de ondas sinusoidales simples de amplitud y fase adecuadas o de exponenciales complejas relacionadas armónicamente. Procesamiento Digital de Señales FCEFy UC
2 Página de 16 FCEFy Universidad acional de Cordoba La representación de estas amplitudes y fases en función de la frecuencia es lo que se llama espectro de la señal y lo representamos con X(ω) para señales a tiempo continuo y X(Ω) para señales a tiempo discreto. La herramienta matemática que permite el pasaje del dominio temporal al dominio de la frecuencia es la Serie de Fourier para las señales periódicas, y de la Transformada de Fourier para las señales de energía finita. En la Tabla 1, se muestran las ecuaciones de síntesis y análisis correspondientes a las series de Fourier y las transformadas de Fourier. TIEMPO COTIUO Tabla 1: Serie de Fourier y Transformada de Fourier Dominio del tiempo Dominio de la frecuencia + 1 j ω Serie de Fourier o t j ω o t x() t = a e a = x t e dt T ( ) = o To T o π = ω o Tiempo continuo Periódica en tiempo Frecuencia discreta Aperiódica en frecuencia 1 π + Transformada de Fourier x() t X ( ω) j ω t = e dω Tiempo continuo + ( ) X ω ) j ω t = x( t e dt Frecuencia continua TIEMPO DISCRETO Aperiódica en tiempo Aperiódica en frecuencia Dominio del tiempo Dominio de la frecuencia j ( π / ) Serie de Fourier x[] n = a e π = Ωo = Tiempo discreto Periódico en tiempo 1 π j. Ω.n Transformada de Fourier x[] n = X ( Ω) e dω π Tiempo discreto Aperiódico en tiempo n a 1 π = X n=< > x j. K ( )n. [] n e Frecuencia discreta Periódico en frecuencia + j.ω. n ( Ω) = x[] n e n= Frecuencia continua Periódico en frecuencia Procesamiento Digital de Señales FCEFy UC
3 Página 3 de 16 FCEFy Universidad acional de Cordoba Series de Fourier Es de amplio conocimiento de las propiedades que presentan las funciones seno o coseno, de una sola frecuencia, y como estas están relacionadas a través de las exponenciales complejas armónicamente relacionadas. De la misma manera si contamos con una señal producto de la combinación lineal de señales seno y coseno. Este concepto puede trasladarse al resto de las funciones periódicas, por ejemplo un tren de pulsos rectangulares el cual consiste en la suma de un número infinito de senos de distinta amplitud. De este modo podemos describir cualquier señal periódica compleja en forma de una suma de muchos fasores (senos o cosenos). Un método de describir una señal de esta forma, es las llamadas series de Fourier, en las cuales asumimos que el conjunto de fasores tienen frecuencias múltiplos de alguna frecuencia fundamental, f 0 (o frecuencia angular ω 0 ): () + x t = a e = j ω o t j ω o t siendo e = cos( ω t) + j sin( ω t) o o (1) Los componentes frecuenciales individuales son conocidos como armónicos. Series de Fourier Discretas ecesitamos traducir estas ecuaciones de tiempo continuo al dominio discreto o digital para poder derivar algunas fórmulas útiles para los DSP s. El análisis anterior se puede extender a sistemas de tiempo discreto. Lo único que necesitamos es reemplazar la función continua, t, con otra que varíe en saltos de ω 0. T s, así para el caso en que la señal es periódica: j ( π / ) [] = a e x n = n () Es interesante advertir que cuando existe un incremento de la fase para el ésimo armónico está dado por: ( π ) ω0ts = / π siendo Ω= (3) Procesamiento Digital de Señales FCEFy UC
4 Página 4 de 16 FCEFy Universidad acional de Cordoba en donde Ω es la frecuencia discreta con como el periodo fundamental. Recordar que la relación π/ω es un número racional y que la tasa de oscilación es Ω + π, por lo que se tienen a = a +r, esto es coeficientes distintos. Esto significa que la respuesta en frecuencia de una señal discreta es periódica. La Transformada de Fourier En aplicaciones reales la mayor parte de las señales no son periódicas y debemos transformar nuestras series de Fourier para poder analizarlas. Consideremos la serie de Fourier general en la cual todas las frecuencias son múltiplos de la fundamental, es decir: El hecho de que la señal no es periódica se puede representar por: ω = ω (4) 0 ω0 0 (5) Esta simple ecuación expresa que no hay mínimo común denominador entre las frecuencias de todos lo fasores. Cuando el número de fasores tiende a infinito nuestro sumatoria se convierte en la siguiente integral: x 1 π + () t X ( ω ) j ω t = e dω (6) En la anterior ecuación asumimos que la amplitud de la señal se puede definir como función de la frecuencia ω, es decir, X(ω). La ecuación inversa que define X(ω), viene dada por : + ( ) j ω t X ω = x( t) e dt (7) Por lo tanto, ahora tenemos una ecuación que nos permite calcular la respuesta en amplitud de una señal continua en el dominio de la frecuencia usando su respuesta en el dominio del tiempo. Estas dos ecuaciones se denominan el par de Transformadas de Fourier, las cuales son muy útiles para los matemáticos, pero desafortunadamente no es posible implementarlas directamente en un DSP. Por ello debemos deducir la forma discreta de estas ecuaciones. Procesamiento Digital de Señales FCEFy UC
5 Página 5 de 16 FCEFy Universidad acional de Cordoba LA TRASFORMADA DISCRETA DE FOURIER (DFT) Para poder encontrar el equivalente discreto de la transformada de Fourier debemos transformar la variable continua t por la variable discreta nt s. Fuera de los límites ±π/ts, el espectro se repite, por lo tanto podríamos cambiar los límites de este valor. Por conveniencia, sin embargo, haremos que la variable de integración sea ω. T s así la integral se convierte en: x 1 π j. Ω.n [] n = X ( Ω) e dω π (8) La transformada inversa es: X + j.ω. n ( ) = x[] n e Ω (9) n= Hay que advertir que la segunda ecuación aún usa un sumatoria en lugar de una integral. Podríamos haber esperado esto porque sabemos que x[n] sólo es válido en los instantes de tiempo nt s. Estas dos ecuaciones forman la transformada de Fourier a tiempo discreto. El espectro que obtenemos al usar esta transformada tiene algunas propiedades interesantes, por ejemplo, es periódica. También para una señal real, como los fasores aparecen en forma de complejos conjugados, el espectro siempre tiene simetría par a lo largo del eje real, y simetría impar en el eje imaginario. Esto simplemente significa que si nosotros sabemos que trabajamos con una señal real, la cantidad de información que necesitamos recordar sobre el espectro en frecuencias es menor, ya que es repetitivo. La continuidad y periodicidad de la transformada hace imposible su implementación en un DSP, por lo que es necesario reformular las ecuaciones (8) y (9) de manera de contar con una representación discreta tanto en el dominio del tiempo como en dominio de la frecuencia. Si acotamos la sumatoria a elementos, de la respuesta en frecuencia obtenida de la transformada de Fourier a tiempo discreto y teniendo en cuenta las propiedades de periodicidad de la transformada, notaremos una similitud entre los coeficientes a de la serie discreta de Fourier (ver Tabla 1). Se define entonces a la transformada de Fourier discreta (por su sigla en ingles DFT por Discrete Fourier Transform) de la siguiente manera: 1 n X( ) = x[ n] W = 0,1,..., 1 n= n xn [ ] = X( ) W n= 0,1,..., 1 = 0 (10) Procesamiento Digital de Señales FCEFy UC
6 Página 6 de 16 FCEFy Universidad acional de Cordoba Donde las constantes W son conocidas como factores twiddle y definidas como: W j π / = e (11) Observar que W es una función de longitud, por ello, también suele expresarse como W. otar además que: n π π W = cos n jsin n (1) Con lo anterior, el cálculo de un punto de la transformada discreta de Fourier está dada por: 0 ( 1) ( ) [0] [1] []... [ 1], 0,1,..., 1 X = x W + x W + x W + + x W = (13) Desarrollando (13) para los valores posibles de se obtiene una matriz de tamaño x. De (13) se puede calcular el número de operaciones necesarias para realizar la transformación de los datos mediante este algoritmo. El número de sumas complejas que se deben realizar es de ( 1) y la cantidad de multiplicaciones complejas asciende a. Es claro que ésta cantidad de operaciones es alta y requiere de un enorme poder de cálculo. El cálculo directo de la DFT no es eficiente debido, fundamentalmente, a que no explota las propiedades de simetría y periodicidad del factor de fase W. De la observación de (13) es claro que no es necesario realizar las multiplicaciones ya que los valores de los factores W 0 = 1 no son necesarios de multiplicar. Además existen propiedades de periodicidad y simetría en estos factores de forma tal que: W W + + = W = W (14) La simetría y periodicidad de los factores W quedan de manifiesto en la Figura 1. El ejemplo mostrado en dicha figura es para = 8. Procesamiento Digital de Señales FCEFy UC
7 Página 7 de 16 FCEFy Universidad acional de Cordoba ote además que la DFT es obtenida al multiplicar los datos de entrada por una cantidad finita de funciones sinusoidales de frecuencia πn/, por lo que DFT s de puntos entregan componentes espectrales equiespaciadas cada π/, donde π representa la frecuencia de muestreo f s. Figura 1: Periodicidad y simetría de los factores W A partir de la DFT y las consideraciones anteriores es posible llegar a un método de cálculo mucho más eficiente, que entrega los mismos resultados y con un número menor de operaciones. Es el llamado algoritmo de Transformada Rápida de Fourier (FFT por sus siglas en ingles de Fast Fourier Transform). TRASFORMADA RÁPIDA DE FOURIER (FFT) Y EL ALGORITMO FFT BASE El término genérico transformada rápida de Fourier abarca distintos algoritmos con distintas características, ventajas y desventajas. Por ejemplo, una FFT diseñada y optimizada usando un lenguaje de alto nivel probablemente no funcionará correctamente en un DSP de coma fija. Sin embargo, todas las FFT s usan la misma aproximación para reducir el algoritmo en un número reducido de DFT s sucesivas, cortas y simples. Hay que tener en cuenta que: La FFT es un algoritmo (no una aproximación) a iguales intervalos de espaciamiento. Las limitaciones de la FFT surgen de las que tiene la DFT. o es ni mejor ni peor. Sin embargo se logra una eficiencia debido a los números de operaciones menores que utiliza la FFT para ser resuelta. Procesamiento Digital de Señales FCEFy UC
8 Página 8 de 16 FCEFy Universidad acional de Cordoba El algoritmo de FFT a presentar en este trabajo, descompone la DFT de puntos en transformadas más pequeñas. Una DFT de puntos es descompuesta en dos DFT s de / puntos. Cada DFT de / puntos se descompone a su vez en dos DFT s de /4 puntos y así sucesivamente. Al final de la descomposición se obtienen / DFT s de puntos cada una. La transformada más pequeña viene determinada por la base de la FFT. Para una FFT de base, debe ser una potencia de y la transformada más pequeña es la DFT de puntos. Para implementar la FFT existen dos procedimientos: diezmado en el tiempo (DIT del inglés Decimation In Time) y diezmado en frecuencia (DIF del inglés Decimation In Frequency). Algoritmo FFF en Base y Diezmado en el tiempo. Consideremos el cálculo de la DFT de = v a partir de dividir la secuencia de datos de puntos, en dos secuencias de /, correspondientes a las muestras pares e impares de x[n], respectivamente, esto es: f [ n] = x[ n] 1 f[ n] = x[n+ 1], n= 0,1,..., 1 (15) Obsérvese, que se realizó el diezmado de la secuencia x[n], una vez. La DFT de puntos puede expresarse ahora en términos de las DFTs de las secuencias diezmadas como sigue: 1 n X( ) = x[ n] W = 0,1,..., 1 n= 0 ( /) 1 ( /) 1 m (m+ 1) x[ m] W x[m 1] W m= 0 m= 0 = + + (16) Pero W = W. Sustituyendo esta igualdad en la expresión (16) se obtiene: / ( /) 1 ( /) 1 m m 1 / / m= 0 m= 0 (17) X( ) = f ( m) W + W f ( m) W = F( ) + W F ( ), = 0,1,..., 1 1 donde F 1 () y F () son las DFTs de / puntos de las secuencias de la expresión (15). Procesamiento Digital de Señales FCEFy UC
9 Página 9 de 16 FCEFy Universidad acional de Cordoba Puesto que F 1 () y F () son periódicas, de periodo /, tenemos F 1 (+/)= F 1 () y F (+/)= F (). Por otro lado, se cumple que W siguiente manera: = W. Por lo que se puede rescribir la expresión (17) de la + / X( ) = F1( ) + W F( ), = 0,1,..., 1 X( + ) = F1( ) W F( ), = 0,1,..., 1 (18) Se observa que el calculo directo de F 1 () requiere (/) multiplicaciones complejas al igual que F (). Además, se requieren / multiplicaciones más para calcular W ( ) F. De aquí que el calculo de X() requiere / + / multiplicaciones complejas. El primer paso realizado de una reducción en el número de multiplicaciones de a / + /, lo que equivale aproximadamente a dividir por dos el número de multiplicaciones cuando es grande. Habiendo realizado el diezmado en tiempo una vez, podemos repetir el proceso para cada una de las secuencias de la expresión (15). Por lo tanto, se obtendrá dos secuencias de /4 puntos: v11[ n] = f1[ n], n= 0,1,..., 1 4 v1[ n] = f1[n+ 1], n= 0,1,..., 1 4 v1[ n] = f[ n], n= 0,1,..., 1 4 v[ n] = f[n+ 1], n= 0,1,..., 1 4 (19) Calculando las DFTs de /4 puntos se obtienen las DFTs de / puntos F 1 () y F () a partir de las siguientes relaciones: Procesamiento Digital de Señales FCEFy UC
10 Página 10 de 16 FCEFy Universidad acional de Cordoba F1( ) = V11 ( ) + W /V1( ), = 0,1,..., 1 4 F1( + ) = V11 ( ) W /V1( ), = 0,1,..., F( ) = V1 ( ) + W /V( ), = 0,1,..., 1 4 F( + ) = V1 ( ) W /V( ), = 0,1,..., (0) donde V ij () son las DFTs de /4 puntos de las secuencias v ij [n]. Se observa que el calculo de V ij () requiere 4(/4) multiplicaciones y por lo tanto el calculo de F 1 () y F () puede realizarse con /4 + / multiplicaciones complejas. Se requieren / multiplicaciones complejas más para calcular X() a partir de F 1 () y F (). Consecuentemente, el número total de multiplicaciones necesarias /4 + / se reduce otra vez aproximadamente por un factor de dos. El diezmado de la secuencia de datos se repite v = log veces, ya que se tienen = v datos. Por lo tanto el número total de multiplicaciones complejas se reduce a ( /)log, mientras que el número de sumas complejas es log. En la Tabla se muestra la comparación entre el número de multiplicaciones complejas usando la FFT y el cálculo directo de la DFT. En la Figuras y 3 se representan esquemáticamente el desarrollo del algoritmo de la FFT en base. Tabla : Comparación entre la cantidad de multiplicaciones complejas a realizar por parte de la DFT y el algoritmo FFT de base (Proais y Manolais, 003). úmeros de Puntos, Multiplicaciones Complejas en calculo directo, Multiplicaciones Complejas en el algoritmo FFT, ( /)log Factor de mejora de la velocidad Procesamiento Digital de Señales FCEFy UC
11 Página 11 de 16 FCEFy Universidad acional de Cordoba Figura : Tres etapas en el calculo de la FFT de 8 puntos (Proais y Manolais, 003). Figura 3: Algoritmo para la FFT de diezmado en tiempo de 8 puntos (Oppenheim et al. 1999). Como puede observarse, el calculo que se realiza en cada etapa, el cual consiste en aplicar las operaciones de una transformada DFT de dos puntos o mariposa (ver Figura 4). En general cada mariposa implica una multiplicación y dos sumas complejas. Para puntos, tenemos / mariposas por Procesamiento Digital de Señales FCEFy UC
12 Página 1 de 16 FCEFy Universidad acional de Cordoba cada etapa del proceso y log etapas de mariposas. Por lo tanto podemos guardar el resultado de cada operación de la mariposa (A, B), en las mismas posiciones de sus operandos (a, b). En consecuencia, necesitamos una cantidad fija de memoria, en concreto registros de almacenamiento para guardar los resultados de números complejos. Figura 4: Mariposa básica del algoritmo para la FFT de diezmado en el tiempo (Oppenheim et al. 1999). Con respecto a la tarea de diezmado, esta se puede entender como un reacomodamiento antes de proceder con el algoritmo de la FFT. Por ejemplo si = 16 la tarea de diezmar queda graficada a través de la Figura 5, esto es (v 1) = log veces. Figura 5: Secuencia de diezmado para = 16 (Smith, 1999). otar que al realizar el diezmado, las posiciones de la secuencia de datos x[n], o sea n, cambian de tal manera, que si asumimos la generación de dicho numero a través de un numero binario tal como se lo Procesamiento Digital de Señales FCEFy UC
13 Página 13 de 16 FCEFy Universidad acional de Cordoba ilustra en la Figura 6; se dice que luego del diezmado la secuencia de datos x[n], se almacena en orden binario invertido. Figura 6: Mezclado de los datos e inversión binaria (Smith, 1999). Algoritmo FFF en Base y Diezmado en frecuencia. Para deducir el algoritmo empezamos dividiendo la formula de la DFT en dos sumatorias, una de las cuales contiene los primeros / puntos de datos y el otro los últimos / puntos de datos. De esta manera se obtiene: ( /) 1 1 n n= 0 n= / X( ) = x[ n] W + x[ n] W n = + + ( /) 1 ( /) 1 n / n x[ nw ] W xn [ ] W n= 0 n= 0 (1) / Dado que W = ( 1), la expresión (1) puede rescribirse como: ( /) 1 n X ( ) = x[ n] + ( 1) x[ n+ ] W n= 0 () Realizamos el primer diezmado X() (diezmado en frecuencia), obtenemos dos secuencias, par e impar respectivamente de la transformada, esto es: Procesamiento Digital de Señales FCEFy UC
14 Página 14 de 16 FCEFy Universidad acional de Cordoba ( /) 1 n X( ) = xn [ ] + xn [ + ] W /, = 0,1,..., 1 n= 0 ( /) 1 n n X(+ 1) = xn [ ] xn [ + ] W W/, = 0,1,..., 1 n= 0 (3) en donde se utilizó la propiedad de simetría W = W. / Definiendo las secuencias de / puntos g 1 [n] y g [n] como: g1[ n] = x[ n] + x[ n+ ] n g[ n] = xn [ ] xn [ + ] W, n= 0,1,..., 1 (4) puede rescribirse la expresión (3) de la siguiente manera: ( /) 1 X( ) = g [ n] W n= 0 ( /) 1 n= 0 n 1 / X(+ 1) = g [ n] W n / (5) El calculo de las secuencias g 1 [n] y g [n] según la expresión (4) y el uso de estas secuencias para el cálculo de las DFTs de / puntos se muestra en la Figura 7. Figura 7: Mariposa básica del algoritmo FFT de diezmado en frecuencia (Oppenheim et al. 1999). Este procedimiento computacional puede repetirse diezmando las DFTs de / puntos, X() y X(+1). El proceso completo conlleva v = log etapas de diezmado, donde cada etapa implica / mariposas. Consecuentemente, el calculo de la DFT de puntos por medio de la DFT a través del algoritmo FFT de diezmado en frecuencia requiere ( /)log multiplicaciones complejas y log sumas complejas. Procesamiento Digital de Señales FCEFy UC
15 Página 15 de 16 FCEFy Universidad acional de Cordoba En la Figura 8, se grafica como es la entrada de la secuencia de datos x[n] y en la Figura 9 se muestra el algoritmo de diezmado en frecuencia completo de ocho puntos. Figura 8: Primera etapa del algoritmo para la FFT de diezmado en frecuencia (Oppenheim et al. 1999). Figura 9: Algoritmo para la FFT de diezmado en frecuencia para = 8 (Oppenheim et al. 1999). Procesamiento Digital de Señales FCEFy UC
16 Página 16 de 16 FCEFy Universidad acional de Cordoba BIBIOGRAFIA DSP56800 Family Manual. 16 Bit Digital Signal Controllers. DSP56800FM Rev /005. Freescale. Higgins, R. J., Digital Signal Processing In Vlsi. Prentice Hall,Inc. ew Jersey. Orfanidis, S. J., Introduction to Signal Processing. Prentice may, Inc. Smith, S. W., The Scientist and Engineer's Guide to Digital Signal Processing. California Technical Publishing, Second Edition. Proais, J. G. y Manolais, D. G., 003. Tratamiento Digital de Señales. Tercera Edición. Prentice Hall. Madrid. Oppenheim, A. V., Schafer, R. W. and Buc, J. R., Discrete Time Signal Processing. nd Ed. Prentice Hall Signal Processing Series. Procesamiento Digital de Señales FCEFy UC
Introducción a la Teoría del Procesamiento Digital de Señales de Audio
Introducción a la Teoría del Procesamiento Digital de Señales de Audio Transformada de Fourier Resumen el análisis de Fourier es un conjunto de técnicas matemáticas basadas en descomponer una señal en
Más detalles3. LA DFT Y FFT PARA EL ANÁLISIS FRECUENCIAL. Una de las herramientas más útiles para el análisis y diseño de sistemas LIT (lineales e
3. LA DFT Y FFT PARA EL AÁLISIS FRECUECIAL Una de las herramientas más útiles para el análisis y diseño de sistemas LIT (lineales e invariantes en el tiempo), es la transformada de Fourier. Esta representación
Más detallesAnálisis espectral de señales periódicas con FFT
Análisis espectral de señales periódicas con FFT 1 Contenido 7.1 Introducción a la Transformada Discreta de Fourier 3-3 7.2 Uso de la Transformada Discreta de Fourier 3-5 7.3 Método de uso de la FFT 3-8
Más detallesRELACIONES DE RECURRENCIA
Unidad 3 RELACIONES DE RECURRENCIA 60 Capítulo 5 RECURSIÓN Objetivo general Conocer en forma introductoria los conceptos propios de la recurrencia en relación con matemática discreta. Objetivos específicos
Más detallesEcuaciones Diferenciales Tema 2. Trasformada de Laplace
Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ester Simó Mezquita Matemática Aplicada IV 1 1. Transformada de Laplace de una función admisible 2. Propiedades básicas de la transformada de Laplace
Más detallesEcuaciones de primer grado con dos incógnitas
Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad
Más detallesLÍMITES Y CONTINUIDAD DE FUNCIONES
Capítulo 9 LÍMITES Y CONTINUIDAD DE FUNCIONES 9.. Introducción El concepto de ite en Matemáticas tiene el sentido de lugar hacia el que se dirige una función en un determinado punto o en el infinito. Veamos
Más detallesTEMA 2: Representación de la Información en las computadoras
TEMA 2: Representación de la Información en las computadoras Introducción Una computadora es una máquina que procesa información y ejecuta programas. Para que la computadora ejecute un programa, es necesario
Más detallesSISTEMAS DE ECUACIONES LINEALES
SISTEMAS DE ECUACIONES LINEALES INTRODUCCIÓN En el presente documento se explican detalladamente dos importantes temas: 1. Descomposición LU. 2. Método de Gauss-Seidel. Se trata de dos importantes herramientas
Más detalles2.2 Transformada de Laplace y Transformada. 2.2.1 Definiciones. 2.2.1.1 Transformada de Laplace
2.2 Transformada de Laplace y Transformada 2.2.1 Definiciones 2.2.1.1 Transformada de Laplace Dada una función de los reales en los reales, Existe una función denominada Transformada de Laplace que toma
Más detallesTema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES
Tema 07 LÍMITES Y CONTINUIDAD DE FUNCIONES Límite de una función en un punto Vamos a estudiar el comportamiento de las funciones f ( ) g ( ) ENT[ ] h ( ) i ( ) en el punto Para ello, damos a valores próimos
Más detallesEjemplos y problemas resueltos de análisis complejo (2014-15)
Variable Compleja I (3 o de Matemáticas y 4 o de Doble Titulación) Ejemplos y problemas resueltos de análisis complejo (04-5) Teoremas de Cauchy En estos apuntes, la palabra dominio significa, como es
Más detallesMódulo 9 Sistema matemático y operaciones binarias
Módulo 9 Sistema matemático y operaciones binarias OBJETIVO: Identificar los conjuntos de números naturales, enteros, racionales e irracionales; resolver una operación binaria, representar un número racional
Más detallesMateria: Informática. Nota de Clases Sistemas de Numeración
Nota de Clases Sistemas de Numeración Conversión Entre Sistemas de Numeración 1. EL SISTEMA DE NUMERACIÓN 1.1. DEFINICIÓN DE UN SISTEMA DE NUMERACIÓN Un sistema de numeración es un conjunto finito de símbolos
Más detallesComplementos de matemáticas. Curso 2004-2005
Univ. de Alcalá de Henares Ingeniería Técnica Industrial Complementos de matemáticas. Curso 004-005 Colección de ejercicios del tema 1 Las soluciones aparecen en color azul, y si disponéis de la posibilidad
Más detallesUn filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i.
Filtros Digitales Un filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i. En electrónica, ciencias computacionales y matemáticas, un filtro
Más detallesRepresentación de señales de audio
Representación de señales de audio Emilia Gómez Gutiérrez Síntesi i Processament del So I Departament de Sonologia Escola Superior de Musica de Catalunya Curso 2009-2010 emilia.gomez@esmuc.cat 28 de septiembre
Más detallesÚltima modificación: 1 de agosto de 2010. www.coimbraweb.com
Contenido DOMINIOS DEL TIEMPO Y DE LA FRECUENCIA 1.- Señales analógicas y digitales. 2.- Señales analógicas periódicas. 3.- Representación en los dominios del tiempo y de la frecuencia. 4.- Análisis de
Más detallesPrograma para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones
Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces
Más detallesIntroducción a la Teoría del Procesamiento Digital de Señales de Audio
Introducción a la Teoría del Procesamiento Digital de Señales de Audio Transformada de Fourier Discreta Resumen Propiedades de la Transformada de Fourier Linealidad Comportamiento de la fase Naturaleza
Más detallesUnidad I. 1.1 Sistemas numéricos (Binario, Octal, Decimal, Hexadecimal)
Unidad I Sistemas numéricos 1.1 Sistemas numéricos (Binario, Octal, Decimal, Hexadecimal) Los computadores manipulan y almacenan los datos usando interruptores electrónicos que están ENCENDIDOS o APAGADOS.
Más detallesAproximación local. Plano tangente. Derivadas parciales.
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación
Más detallesNÚMEROS NATURALES Y NÚMEROS ENTEROS
NÚMEROS NATURALES Y NÚMEROS ENTEROS Los números naturales surgen como respuesta a la necesidad de nuestros antepasados de contar los elementos de un conjunto (por ejemplo los animales de un rebaño) y de
Más detallesFundamentos para la Representación y Análisis de Señales Mediante Series de Fourier
Fundamentos para la Representación y Análisis de Señales Mediante Series de Fourier Andrés Felipe López Lopera* Resumen. Existe una gran similitud entre vectores y las señales. Propiedades tales como la
Más detalles3.1. FUNCIÓN SINUSOIDAL
11 ÍNDICE INTRODUCCIÓN 13 CIRCUITOS DE CORRIENTE CONTINUA 19 Corriente eléctrica. Ecuación de continuidad. Primera ley de Kirchhoff. Ley de Ohm. Ley de Joule. Fuerza electromotriz. Segunda ley de Kirchhoff.
Más detallesLas Tasas de Interés Efectiva y Nominal
1 Las Tasas de Interés Efectiva y Nominal En el presente documento se explican los diferentes tipos de tasas de interés que normalmente se utilizan en el mercado financiero. Inicialmente veremos la diferencia
Más detallesTecnología de las Comunicaciones
Tema 3. El dominio de la frecuencia. Aspectos teórico-prácticos para la construcción de un cañón de energía bioetérea Francisco Sivianes Castillo Departamento de Tecnología Electrónica Escuela Técnica
Más detallesNo hay resorte que oscile cien años...
No hay resorte que oscile cien años... María Paula Coluccio y Patricia Picardo Laboratorio I de Física para Biólogos y Geólogos Depto. de Física, FCEyN, UBA - 1999 Resumen: En el presente trabajo nos proponemos
Más detallesDefinición de vectores
Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen: O también denominado Punto de aplicación. Es el punto exacto sobre
Más detallesby Tim Tran: https://picasaweb.google.com/lh/photo/sdo00o8wa-czfov3nd0eoa?full-exif=true
by Tim Tran: https://picasaweb.google.com/lh/photo/sdo00o8wa-czfov3nd0eoa?full-exif=true I. FUNDAMENTOS 3. Representación de la información Introducción a la Informática Curso de Acceso a la Universidad
Más detallesCaracterísticas de funciones que son inversas de otras
Características de funciones que son inversas de otras Si f es una función inyectiva, llamamos función inversa de f y se representa por f 1 al conjunto. f 1 = a, b b, a f} Es decir, f 1 (x, y) = { x =
Más detallesCAPÍTULO 6 SIMULACIONES Y RESULTADOS
CAPÍTULO 6 SIMULACIONES Y RESULTADOS 6.1 Proceso de Simulación Las simulaciones fueros llevadas a cabo empleando como herramienta la Versión 6.5 Release 13 de Matlab. Para lo cual fue empleado un banco
Más detallesMLM 1000 - Matemática Discreta
MLM 1000 - Matemática Discreta L. Dissett Clase 04 Resolución. Lógica de predicados c Luis Dissett V. P.U.C. Chile, 2003 Aspectos administrativos Sobre el tema vacantes: 26 personas solicitaron ingreso
Más detallesSEÑALES Y ESPECTROS SEÑALES Y ESPECTROS 1
SEÑALES Y ESPECTROS INTRODUCCIÓN. TERMINOLOGÍA USADA EN TRANSMISIÓN DE DATOS. FRECUENCIA, ESPECTRO Y ANCHO DE BANDA. DESARROLLO EN SERIE DE FOURIER PARA SEÑALES PERIÓDICAS. TRANSFORMADA DE FOURIER PARA
Más detalles2.1 Sistemas discretos en tiempo. 2.1.1 Sistemas lineales. 2.1.2 Sistemas invariantes en tiempo
2.1 stemas discretos en tiempo Un sistema discreto en el tiempo se define matemáticamente como la transformación o el operador que traza una secuencia de entrada con valores x[n], en una secuencia de salida
Más detallesApuntes de Matemática Discreta 9. Funciones
Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y
Más detallesDivisibilidad y números primos
Divisibilidad y números primos Divisibilidad En muchos problemas es necesario saber si el reparto de varios elementos en diferentes grupos se puede hacer equitativamente, es decir, si el número de elementos
Más detalles1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0 1 0 0 0 0 1 1 0 1 1 0 0 0 1 1 1 1
5.1.3 Multiplicación de números enteros. El algoritmo de la multiplicación tal y como se realizaría manualmente con operandos positivos de cuatro bits es el siguiente: 1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0
Más detallesSeries y Transformada de Fourier
Series y Transformada de Fourier Series de Fourier Transformada de Fourier Series de Fourier Las series de Fourier describen señales periódicas como una combinación de señales armónicas (sinusoides). Con
Más detalles1. Lección 5 - Comparación y Sustitución de capitales
Apuntes: Matemáticas Financieras 1. Lección 5 - Comparación y Sustitución de capitales 1.1. Comparación de Capitales Se dice que dos capitales son equivalentes cuando tienen el mismo valor en la fecha
Más detallesTema 3. Medidas de tendencia central. 3.1. Introducción. Contenido
Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6
Más detallesConvolución y Convolución Discreta Definición de convolución Cuando hemos aplicado, en el apartado anterior, una función ventana o hemos muestreado una función dada, implícitamente hemos estado efectuando
Más detallesTRANSMISION DIGITAL. PCM, Modulación por Codificación de Pulsos
MODULACIÓN TRANSMISION DIGITAL La amplia naturaleza de las señales analógicas es evidente, cualquier forma de onda está disponible con toda seguridad en el ámbito analógico, nos encontramos con una onda
Más detallesGeneración de funciones lógicas mediante decodificadores binarios con salidas activas a nivel alto
Generación de funciones lógicas mediante decodificadores binarios con salidas activas a nivel alto Apellidos, nombre Martí Campoy, Antonio (amarti@disca.upv.es) Departamento Centro Informática de Sistemas
Más detallesTransformación de binario a decimal. Transformación de decimal a binario. ELECTRÓNICA DIGITAL
ELECTRÓNICA DIGITAL La electrónica es la rama de la ciencia que se ocupa del estudio de los circuitos y de sus componentes, que permiten modificar la corriente eléctrica amplificándola, atenuándola, rectificándola
Más detallesÍndice Introducción Números Polinomios Funciones y su Representación. Curso 0: Matemáticas y sus Aplicaciones Tema 1. Números, Polinomios y Funciones
Curso 0: Matemáticas y sus Aplicaciones Tema 1. Números, Polinomios y Funciones Leandro Marín Dpto. de Matemática Aplicada Universidad de Murcia 2012 1 Números 2 Polinomios 3 Funciones y su Representación
Más detallesEjercicio de estadística para 3º de la ESO
Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población
Más detallesEjemplo: Resolvemos Sin solución. O siempre es positiva o siempre es negativa. Damos un valor cualquiera Siempre + D(f) =
T1 Dominios, Límites, Asíntotas, Derivadas y Representación Gráfica. 1.1 Dominios de funciones: Polinómicas: D( = La X puede tomar cualquier valor entre Ejemplos: D( = Función racional: es el cociente
Más detalles33 El interés compuesto y la amortización de préstamos.
33 El interés compuesto y la amortización de préstamos. 33.0 El interés compuesto. 33.0.0 Concepto. 33.0.02 Valor actualizado de un capital. 33.0.03 Tiempo equivalente. 33.02 Amortización de préstamos.
Más detallesNúmeros Reales. MathCon c 2007-2009
Números Reales z x y MathCon c 2007-2009 Contenido 1. Introducción 2 1.1. Propiedades básicas de los números naturales....................... 2 1.2. Propiedades básicas de los números enteros........................
Más detallesAnálisis de medidas conjuntas (conjoint analysis)
Análisis de medidas conuntas (conoint analysis). Introducción Como ya hemos dicho anteriormente, esta técnica de análisis nos sirve para analizar la importancia que dan los consumidores a cada uno de los
Más detallesIntroducción a la Teoría del Procesamiento Digital de Señales de Audio
Introducción a la Teoría del Procesamiento Digital de Señales de Audio Transformada de Fourier Discreta Resumen Respuesta en frecuencia de un sistema Convolución a través del dominio de la frecuencia Convolución
Más detallesFunción exponencial y Logaritmos
Eje temático: Álgebra y funciones Contenidos: Función exponencial y Logaritmos Nivel: 4 Medio Función exponencial y Logaritmos 1. Funciones exponenciales Existen numerosos fenómenos que se rigen por leyes
Más detallesUNIDAD 1. LOS NÚMEROS ENTEROS.
UNIDAD 1. LOS NÚMEROS ENTEROS. Al final deberás haber aprendido... Interpretar y expresar números enteros. Representar números enteros en la recta numérica. Comparar y ordenar números enteros. Realizar
Más detallesUnidad 1. La información
Unidad 1. La información En esta unidad aprenderás: Los conceptos básicos de la informática. Cómo se representa la información dentro del ordenador. Las unidades de información. 1.1 Conceptos básicos Informática.
Más detallesCap. 24 La Ley de Gauss
Cap. 24 La Ley de Gauss Una misma ley física enunciada desde diferentes puntos de vista Coulomb Gauss Son equivalentes Pero ambas tienen situaciones para las cuales son superiores que la otra Aquí hay
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesTRABAJO PRACTICO No 7. MEDICION de DISTORSION EN AMPLIFICADORES DE AUDIO ANALIZADORES DE ESPECTRO DE AUDIO
TRABAJO PRACTICO No 7 MEDICION de DISTORSION EN AMPLIFICADORES DE AUDIO ANALIZADORES DE ESPECTRO DE AUDIO INTRODUCCION TEORICA: La distorsión es un efecto por el cual una señal pura (de una única frecuencia)
Más detalles1. Números Reales 1.1 Clasificación y propiedades
1. Números Reales 1.1 Clasificación y propiedades 1.1.1 Definición Número real, cualquier número racional o irracional. Los números reales pueden expresarse en forma decimal mediante un número entero,
Más detallesFunciones y sus gráficas
Funciones y sus gráficas El concepto de función es de suma importancia en la matemática moderna, debido a esto vamos a estudiar este tema de una manera un poco detallada. Dos conjuntos de números, por
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesIntegrales y ejemplos de aplicación
Integrales y ejemplos de aplicación I. PROPÓSITO DE ESTOS APUNTES Estas notas tienen como finalidad darle al lector una breve introducción a la noción de integral. De ninguna manera se pretende seguir
Más detallesDatos del autor. Nombres y apellido: Germán Andrés Paz. Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina
Datos del autor Nombres y apellido: Germán Andrés Paz Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina Correo electrónico: germanpaz_ar@hotmail.com =========0========= Introducción
Más detallesSistemas de numeración
Sistemas de numeración Un sistema de numeración es un conjunto de símbolos y reglas que permiten representar datos numéricos. Los sistemas de numeración actuales son sistemas posicionales, que se caracterizan
Más detallesSISTEMAS NUMERICOS. Ing. Rudy Alberto Bravo
SISTEMAS NUMERICOS SISTEMAS NUMERICOS Si bien el sistema de numeración binario es el más importante de los sistemas digitales, hay otros que también lo son. El sistema decimal es importante porque se usa
Más detallesTema 3. Secuencias y transformada z
Ingeniería de Control Tema 3. Secuencias y transformada z Daniel Rodríguez Ramírez Teodoro Alamo Cantarero Contextualización del tema Conocimientos que se adquieren en este tema: Concepto de secuencia
Más detalles, o más abreviadamente: f ( x)
TEMA 5: 1. CONCEPTO DE FUNCIÓN Observa los siguientes ejemplos: El precio de una llamada telefónica depende de su duración. El consumo de gasolina de un coche depende de la velocidad del mismo. La factura
Más detallesLímite de una función
Límite de una función Idea intuitiva de límite El límite de la función f(x) en el punto x 0, es el valor al que se acercan las imágenes (las y) cuando los originales (las x) se acercan al valor x 0. Es
Más detallesFunciones, x, y, gráficos
Funciones, x, y, gráficos Vamos a ver los siguientes temas: funciones, definición, dominio, codominio, imágenes, gráficos, y algo más. Recordemos el concepto de función: Una función es una relación entre
Más detallesTEMA 1: SISTEMAS INFORMÁTICOS. Parte 2: representación de la información
TEMA 1: SISTEMAS INFORMÁTICOS Parte 2: representación de la información Qué vamos a ver? Cómo se representa y almacena la información en un ordenador Cómo podemos relacionar la información que entendemos
Más detallesTema 7. Límites y continuidad de funciones
Matemáticas II (Bachillerato de Ciencias) Análisis: Límites y continuidad de funciones 55 Límite de una función en un punto Tema 7 Límites y continuidad de funciones Idea inicial Si una función f está
Más detallesUniversidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Agosto de 2005
Extracción de Frontera (Boundary Extraction) La frontera de un conjunto A, escrita como β(a), se puede obtener erosionando A por B y luego calcular la diferencia entre A y su erosión. Esto es β ( A) =
Más detallesElectrónica Analógica Respuesta en frecuencia. Transformada de Laplace
Electrónica Analógica espuesta en frecuencia. Transformada de Laplace Transformada de Laplace. Introducción La transformada de Laplace es una herramienta matemática muy útil en electrónica ya que gracias
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detalles3. Operaciones con funciones.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lección. Funciones derivada. 3. Operaciones con funciones. En esta sección veremos cómo podemos combinar funciones para construir otras nuevas. Especialmente
Más detallesSemana 08 [1/15] Axioma del Supremo. April 18, 2007. Axioma del Supremo
Semana 08 [1/15] April 18, 2007 Acotamiento de conjuntos Semana 08 [2/15] Cota Superior e Inferior Antes de presentarles el axioma del supremo, axioma de los números reales, debemos estudiar una serie
Más detallesJuan Antonio González Mota Profesor de Matemáticas del Colegio Juan XIII Zaidín de Granada
FUNCIONES CONTINUAS. La mayor parte de las funciones que manejamos, a nivel elemental, presentan en sus gráficas una propiedad característica que es la continuidad. La continuidad de una función definida
Más detallesEjercicios Resueltos del Tema 4
70 Ejercicios Resueltos del Tema 4 1. Traduce al lenguaje algebraico utilizando, para ello, una o más incógnitas: La suma de tres números consecutivos Un número más la mitad de otro c) El cuadrado de la
Más detallesÍNDICE DISEÑO DE CONTADORES SÍNCRONOS JESÚS PIZARRO PELÁEZ
ELECTRÓNICA DIGITAL DISEÑO DE CONTADORES SÍNCRONOS JESÚS PIZARRO PELÁEZ IES TRINIDAD ARROYO DPTO. DE ELECTRÓNICA ÍNDICE ÍNDICE... 1 1. LIMITACIONES DE LOS CONTADORES ASÍNCRONOS... 2 2. CONTADORES SÍNCRONOS...
Más detallesTABLA DE DECISION. Consideremos la siguiente tabla, expresada en forma genérica, como ejemplo y establezcamos la manera en que debe leerse.
TABLA DE DECISION La tabla de decisión es una herramienta que sintetiza procesos en los cuales se dan un conjunto de condiciones y un conjunto de acciones a tomar según el valor que toman las condiciones.
Más detallesIntroducción al Cálculo Simbólico a través de Maple
1 inn-edu.com ricardo.villafana@gmail.com Introducción al Cálculo Simbólico a través de Maple A manera de introducción, podemos decir que los lenguajes computacionales de cálculo simbólico son aquellos
Más detallesFUNCIONES CUADRÁTICAS Y RACIONALES
www.matesronda.net José A. Jiménez Nieto FUNCIONES CUADRÁTICAS Y RACIONALES 1. FUNCIONES CUADRÁTICAS. Representemos, en función de la longitud de la base (), el área (y) de todos los rectángulos de perímetro
Más detallesEl sistema decimal, es aquél en el que se combinan 10 cifras (o dígitos) del 0 al 9 para indicar una cantidad específica.
5.2 SISTEMAS DE NUMERACIÓN. DECIMAL El sistema decimal, es aquél en el que se combinan 10 cifras (o dígitos) del 0 al 9 para indicar una cantidad específica. La base de un sistema indica el número de caracteres
Más detallesPara representar los conjuntos, los elementos y la relación de pertenencia, mediante símbolos, tendremos en cuenta las siguientes convenciones:
2. Conjuntos 2.1 Introducción El concepto de conjunto, de singular importancia en la ciencia matemática y objeto de estudio de una de sus disciplinas más recientes, está presente, aunque en forma informal,
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesDESARROLLO DE HABILIDADES DEL PENSAMIENTO LÓGICO
I. SISTEMAS NUMÉRICOS DESARROLLO DE HABILIDADES DEL PENSAMIENTO LÓGICO LIC. LEYDY ROXANA ZEPEDA RUIZ SEPTIEMBRE DICIEMBRE 2011 Ocosingo, Chis. 1.1Sistemas numéricos. Los números son los mismos en todos
Más detallesSISTEMAS DE NUMERACIÓN. Sistema de numeración decimal: 5 10 2 2 10 1 8 10 0 =528 8 10 3 2 10 2 4 10 1 5 10 0 9 10 1 7 10 2 =8245,97
SISTEMAS DE NUMERACIÓN Un sistema de numeración es un conjunto de símbolos y reglas que permiten representar datos numéricos. La norma principal en un sistema de numeración posicional es que un mismo símbolo
Más detalles3rasJornadasITE-2015-FacultaddeIngeniería-UNLP PROCESAMIENTO DIGITALSOBRELAPLACABASELPC1769. Anderson,Jorge;Osio, Jorge;Kunysz,EduardoYRapalini;José
3rasJornadasITE-2015-FacultaddeIngeniería-UNLP PROCESAMIENTO DIGITALSOBRELAPLACABASELPC1769 Anderson,Jorge;Osio, Jorge;Kunysz,EduardoYRapalini;José UIDETCeTAD 48y1162ºPisoDepartamentodeElectrotecnia,josrap@ing.unlp.edu.ar
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesLos números racionales
Los números racionales Los números racionales Los números fraccionarios o fracciones permiten representar aquellas situaciones en las que se obtiene o se debe una parte de un objeto. Todas las fracciones
Más detallesDe dos incógnitas. Por ejemplo, x + y 3 = 4. De tres incógnitas. Por ejemplo, x + y + 2z = 4. Y así sucesivamente.
3 Ecuaciones 17 3 Ecuaciones Una ecuación es una igualdad en la que aparecen ligados, mediante operaciones algebraicas, números y letras Las letras que aparecen en una ecuación se llaman incógnitas Existen
Más detallesLas funciones trigonométricas
Las funciones trigonométricas Las funciones trigonométricas Las funciones trigonométricas son las funciones derivadas de las razones trigonométricas de un ángulo. En general, el ángulo sobre el cual se
Más detalles1º) Siempre que se pueda, hay que sacar factor común: :a b ± a c ± a d ± = a (b ± c ± d ± ):
Pág. 1 de 7 FAC T O R I Z AC I Ó N D E P O L I N O M I O S Factorizar (o descomponer en factores) un polinomio consiste en sustituirlo por un producto indicado de otros de menor grado tales que si se multiplicasen
Más detallesAplicaciones lineales continuas
Lección 13 Aplicaciones lineales continuas Como preparación para el cálculo diferencial, estudiamos la continuidad de las aplicaciones lineales entre espacios normados. En primer lugar probamos que todas
Más detallesSISTEMAS DE NUMERACIÓN. Sistema decimal
SISTEMAS DE NUMERACIÓN Sistema decimal Desde antiguo el Hombre ha ideado sistemas para numerar objetos, algunos sistemas primitivos han llegado hasta nuestros días, tal es el caso de los "números romanos",
Más detallesLección 24: Lenguaje algebraico y sustituciones
LECCIÓN Lección : Lenguaje algebraico y sustituciones En lecciones anteriores usted ya trabajó con ecuaciones. Las ecuaciones expresan una igualdad entre ciertas relaciones numéricas en las que se desconoce
Más detalles4 APLICACIONES LINEALES. DIAGONALIZACIÓN
4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos
Más detallesTema 5. Aproximación funcional local: Polinomio de Taylor. 5.1 Polinomio de Taylor
Tema 5 Aproximación funcional local: Polinomio de Taylor Teoría Los polinomios son las funciones reales más fáciles de evaluar; por esta razón, cuando una función resulta difícil de evaluar con exactitud,
Más detalles