Escolar Documentos
Profissional Documentos
Cultura Documentos
Pablo Irarrázaval M.
Departamento de Ingenierı́a Eléctrica
Pontificia Universidad Católica de Chile
Análisis de Señales
c
Derechos Reservados
1999
McGraw-Hill/Interamericana de Chile Ltda. (primera edición)
c
Derechos Reservados
2008
Pablo Irarrázaval (segunda edición)
Dedicado a mi familia,
Isabel, Isabelita, Sofı́a, Pablito y Tomás
En memoria de mi abuelo,
Alberto Irarrázaval L.
Prefacio
A pesar que las transformadas de Laplace y Fourier se conocen desde la se-
gunda mitad del siglo 18, sólo en los últimos 50 años se han transformado en
herramientas indispensables en las áreas de control automático, telecomunica-
ciones, electrónica, procesamiento de imágenes, etc. Es más, su aplicabilidad no
sólo se limita a estas áreas que tradicionalmente se consideran parte de la Inge-
nierı́a Eléctrica, sino también incluye campos del conocimiento tan diversos como
la economı́a, sismologı́a o hidrologı́a.
Las transformadas de Laplace o Fourier de una señal son una representación
de la misma señal en otro dominio. Se puede entender como un cambio de base.
Evidentemente, la base de Fourier no es una base más, de las muchas que existen,
es una base que en cierta forma nos es natural. Con un poco de práctica y esfuerzo
resulta cómodo entender las señales en el dominio de la frecuencia. Es formalizar
un tipo de análisis que todos los dı́as empleamos en forma intuitiva. Claramente
se ve cuando usamos los sentidos de la audición y visión. En el caso del sonido,
la frecuencia juega un papel preponderante. Algo similar ocurre con las imágenes
en las que quizás igualmente importante que la intensidad del color es la textura.
Este libro fue escrito para servir de base a un curso de análisis de señales
de un semestre de duración. La filosofı́a es explicar las materias de lo particular
a lo general, es decir, primero se presentan los conceptos en su forma más sim-
ple para luego agregar complejidad. Esta manera de presentar la materia, junto
con muchas explicaciones gráficas, apunta a facilitar el aprendizaje del alumno.
También se han agregado algunas reseñas históricas para motivar a los alumnos
a investigar sobre los orı́genes del área.
El primer capı́tulo es una introducción al análisis de señales donde se aprovecha
de presentar la notación empleada en el libro. Especialmente relevante es la pre-
sentación del sı́mbolo para el impulso. El resto de los capı́tulos se pueden agrupar
en tres partes: en la primera se estudian las señales continuas; en la segunda las
señales discretas; y en la última se tratan, en forma introductoria, algunos temas
afines más avanzados.
Tanto para señales continuas (capı́tulo 2) como discretas (capı́tulo 5), se pre-
senta primero los sistemas lineales y respuesta al impulso. En el capı́tulo 5 se
hace la conexión de los sistemas discretos con los continuos a través del muestreo
de señales. En los capı́tulos 3 y 6 se trata la transformada de Fourier en forma
continua y discreta. Los capı́tulos 4 y 7 hacen lo propio con la transformada de
Laplace y transformada Z (versión discreta de la transformada de Laplace).
En el capı́tulo 8 se presentan otras posibles transformadas, tanto continuas
como discretas. Y finalmente, en el capı́tulo 9, se extiende la transformada de
Fourier a dos dimensiones.
v
VI
Pablo Irarrázaval
Santiago, Diciembre 1998
Pablo Irarrázaval
Santiago, Marzo 2008
ÍNDICE GENERAL
1. Introducción 1
1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Sistemas de entrada-salida . . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Señales fı́sicas y lógicas . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4. Señales y funciones continuas versus discretas . . . . . . . . . . . . 4
1.5. Modelos, ecuaciones diferenciales y de diferencias . . . . . . . . . . 5
1.6. Causalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.7. ¿Cómo graficar funciones complejas? . . . . . . . . . . . . . . . . . 11
1.8. Simetrı́as . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.9. Algunas funciones importantes . . . . . . . . . . . . . . . . . . . . 17
1.9.1. Sinusoide . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.9.2. Exponencial compleja . . . . . . . . . . . . . . . . . . . . . 18
1.9.3. Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.9.4. Uno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.9.5. Triángulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.9.6. Impulso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.9.7. Rect . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.9.8. Sinc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.9.9. Asinc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.9.10. Escalón . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.9.11. Signo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.9.12. Shah . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.9.13. Horquilla y antihorquilla . . . . . . . . . . . . . . . . . . . . 28
vii
VIII ÍNDICE GENERAL
1.10. El impulso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.10.1. Definición . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.10.2. La propiedad del cedazo . . . . . . . . . . . . . . . . . . . . 33
1.10.3. El impulso de una función . . . . . . . . . . . . . . . . . . . 34
1.11. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3. Transformada de Fourier 59
3.1. Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.1.1. Forma trigonométrica . . . . . . . . . . . . . . . . . . . . . 59
3.1.2. Forma de laboratorio . . . . . . . . . . . . . . . . . . . . . . 62
3.1.3. Forma compleja . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.1.4. Relaciones de ortogonalidad e integrales . . . . . . . . . . . 65
3.2. Transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . 65
3.3. Ejemplos de la transformada de Fourier . . . . . . . . . . . . . . . 69
3.3.1. Transformada del impulso . . . . . . . . . . . . . . . . . . . 69
3.3.2. Transformada de un coseno . . . . . . . . . . . . . . . . . . 71
3.3.3. Transformada del rect . . . . . . . . . . . . . . . . . . . . . 71
3.4. Simetrı́as de la transformada de Fourier . . . . . . . . . . . . . . . 73
3.5. Propiedades de la transformada de Fourier . . . . . . . . . . . . . . 77
3.6. Función de transferencia . . . . . . . . . . . . . . . . . . . . . . . . 80
3.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4. Transformada de Laplace 91
4.1. Transformada de Laplace . . . . . . . . . . . . . . . . . . . . . . . 92
4.2. Relación entre las transformadas de Fourier y Laplace . . . . . . . 93
4.3. Ejemplos de la transformada de Laplace . . . . . . . . . . . . . . . 94
4.4. Región de convergencia . . . . . . . . . . . . . . . . . . . . . . . . 97
4.5. Polos y ceros en el plano S . . . . . . . . . . . . . . . . . . . . . . . 103
4.6. Transformada de Laplace inversa . . . . . . . . . . . . . . . . . . . 108
4.7. Propiedades de la transformada de Laplace . . . . . . . . . . . . . 109
4.8. Función de transferencia . . . . . . . . . . . . . . . . . . . . . . . . 110
4.9. Transformada de Laplace unilateral . . . . . . . . . . . . . . . . . . 115
ÍNDICE GENERAL IX
7. Transformada Z 195
7.1. Transformada de Laplace de tiempo discreto . . . . . . . . . . . . . 195
7.2. Transformadas de Laplace y Fourier de tiempo discreto . . . . . . 197
7.3. Transformada Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
7.3.1. Definición . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
7.3.2. Región de convergencia . . . . . . . . . . . . . . . . . . . . 201
7.4. Propiedades de la transformada Z . . . . . . . . . . . . . . . . . . . 203
7.5. Polos y ceros en el plano Z . . . . . . . . . . . . . . . . . . . . . . . 205
7.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
X ÍNDICE GENERAL
Bibliografı́a 259
XII ÍNDICE GENERAL
CAPÍTULO 1
INTRODUCCIÓN
1.1. Introducción
1
del latı́n sign(um): signo, marca, señal, imagen
2
La palabra análisis deriva del griego analý(ein): soltar, escarmenar
1
2 Introducción
x u ω = 2πu
s Hz = 1/s rad/s
cm 1/cm rad/cm
dı́as 1/dı́as rad/dı́as
m 1/m rad/m
f(t)
f[t]
y
p2 y(t) + a(t)py(t) + b(t)y(t) = c(t).
Las soluciones de estas ecuaciones son la suma de la solución homogénea,
yh (t), y la solución particular, yp (t): y(t) = yh (t) + yp (t). La solución homogénea
es la solución del sistema donde se han eliminado los términos que no dependen
de y(t), en el ejemplo esto corresponde a
y
p2 yh (t) + a(t)pyh (t) + b(t)yh (t) = 0.
La solución particular es una solución del sistema completo.
La solución homogénea del primer sistema es
R
a(t) dt
yh (t) = ce
1
b(t) - y(t)
+ a(t)
p = d/dt
a(t)
p = d/dt p = d/dt
√
donde ωn = 12 4b − a2 . A este caso se le denomina sub-amortiguado. Si p1 y p2
son reales, se llama sobre-amortiguado.
Si p1 = p2 (ambos reales) se tiene
b[n] + y[n]
+
a[n]
-1
z
c[n] + + y[n]
+ +
a[n] b[n]
-1 -1
z z
x(t) y(t)
Sistema
Causal
T t T t
1.6. Causalidad
Un sistema se dice que es causal si para un valor de la variable independiente,
x0 , las salidas de éste sólo dependen de los valores de las entradas en x < x0 . Este
sistema, cuando es función del tiempo, también es conocido como no anticipativo,
ya que las salidas del sistema no anticipan valores futuros de la entrada. Los
sistemas fı́sicos son no anticipativos, ya que en la naturaleza los efectos nunca
preceden a las causas.
Si la entrada f (x) a un sistema lineal se aplica en el instante cero, es decir,
f (x) toma valores distintos de cero sólo para x mayor que cero. El sistema es
causal si la salida g(x), en respuesta a la entrada f (x), cumple g(x) = 0 ∀ x < 0.
No puede haber una respuesta para valores de x menores al valor en que se
produce la entrada.
Es común suponer que x = 0 en la posición o instante en que la entrada deja
de ser cero, de ser ası́, llamaremos función causal (salida de un sistema causal) a
g(x), si
dn
g(x) = 0 y g(x) = 0, para x < 0.
dx
La figura 1.7 muestra un sistema causal con una entrada x(t) y una salida
y(t). El sistema empieza a responder después del instante T , en el que se presenta
la entrada.
Los sistemas fı́sicos son siempre causales si la variable independiente es el
tiempo, pero tı́picamente no lo son en función de la posición.
por (1.1), donde R es una vecindad con N 2 elementos, en torno al pixel x[m, n].
X x[j, k]
y[m, n] = (1.1)
N2
(j,k) ∈ R
Im x
polos cero
Re x
Im x
Re x
(a) Manto (b) Diagrama de polos y ceros
Re y Im y
x x
Mag y Ð y
x x
Re y (Im y) Mag y ( Ð y)
x x
Re f(x) Re f(x)
Im f(x) Im f(x)
x x
(a) Partes real e imaginarias combinadas (b) Partes real e imaginarias separadas
Re y Im y
Im x Im x
Re x Re x
Mag y Ð y
Im x Im x
Re x Re x
Im x
Re x
f(x) f(x)
x x
Re f(x) Re f(x)
Im f(x) Im f(x)
x x
1.8. Simetrı́as
La existencia de simetrı́as facilita el análisis de señales y tı́picamente sirven
para comprobar resultados. Veamos algunos conceptos de simetrı́as. Se define
como función par aquella que cumple con:
f (x) = f (−x) ∀x
f (−x) = −f (x) ∀x
1.9 Algunas funciones importantes 17
cos π x (sen π x)
1 1
P (x) = (f (x) + f (−x)) e I(x) = (f (x) − f (−x))
2 2
1.9.1. Sinusoide
La sinusoide es probablemente la función más conocida. La función seno y la
función coseno, graficadas en la figura 1.15 provienen de las funciones trigonométri-
cas del mismo nombre.
18 Introducción
d 1
Z
sen πx = π cos πx sen πx dx = − cos πx
dx π
y
d 1
Z
cos πx = −π sen πx cos πx dx = sen πx
dx π
El área bajo la curva para estas funciones, es decir, la integral definida de
−∞ a +∞, no existe, sin embargo sabemos que está acotada en el rango −1 a 1.
Convendremos en que el valor de esta integral es cero. Esta decisión es motivada
por el área debajo de la curva e(x) sen πx, donde e(x) es una envolvente par, por
2
ejemplo, e(x) = e−πx o e(x) = u(x) (ver definición en sección 1.9.7). Como se
verá más adelante, el considerar el área bajo el seno (y el coseno) como cero tiene
algunas ventajas desde el punto de vista operativo.
Z ∞ Z ∞
! !
sen πx dx = cos πx dx = 0
−∞ −∞
f (x) = ei2πx
1.9 Algunas funciones importantes 19
real
imag
√
con i = −1, es una generalización de las funciones sinusoidales. De hecho, por
Euler, se tiene que
ei2πx = cos 2πx + i sen 2πx.
La importancia de esta función radica en que es la base para la transformada
de Fourier, y es una forma de incluir senos (función impar) y cosenos (función
par) en la misma función.
Las figuras 1.16 y 1.17 grafican la exponencial compleja. Nótese que el sentido
de giro es contrario a los punteros del reloj al avanzar en el sentido +x. Para
cambiar el sentido de giro se debe cambiar el signo del exponente (−i2πx). La
amplitud se mantiene constante en 1 y la fase varı́a linealmente con x.
1.9.3. Gauss
Definiremos la función Gauss como
2
Gauss(x) = e−πx
1 2 2
Normal(x) = √ e−x /2σ .
σ 2π
20 Introducción
real
1
imag
1
1
x
Gauss(x)
1
x
La derivada de Gauss es
d 2
Gauss(x) = −2πxe−πx
dx
y su integral
x √
1
Z
2
e−πt dt = erf πx
0 2
donde erf es la función de error estadı́stica definida como
Z x
1 2
erf x = √ e−t dt
π 0
1.9.4. Uno
La función uno, 1(x) es una función constante que vale uno para cualquier
valor de la variable independiente. Se define como
1(x) = 1.
1.9.5. Triángulo
La función triángulo, que se muestra en la figura 1.19 se define como
1 − |x| si |x| < 1
∧(x) =
0 si |x| ≥ 1
1.9 Algunas funciones importantes 23
Triang(x)
1
x
1.9.6. Impulso
El impulso δ(x) no es, en estricto rigor, una función matemática, pero si se
observan algunas precauciones se puede emplear como si lo fuera.
24 Introducción
rect(x)
1.9.7. Rect
La función Rect es una función discontinua definida como
1 si |x| < 1/2
u(x) =
0 si |x| > 1/2
sinc(x)
1
x
y se define
u(x) = lı́m uα (x).
α→0
1.9.8. Sinc
La función sinc (fig. 1.22), o función de filtraje o interpolación, se define como
sen πx
sinc x =
πx
La importancia de esta función proviene del hecho que es la transformada
de Fourier del rect (la transformada de Fourier se trata en el capı́tulo 3). Esto
implica, entre otras cosas, que: una señal que tiene forma de sinc es de ancho
de banda limitado; la respuesta al impulso de un filtro pasa bajos perfecto es un
26 Introducción
asinc(x)
sinc; y que la mejor interpolación que se puede hacer para obtener una muestra
donde no la hay es con un sinc.
La función sinc cruza por cero en |x| = 1, 2, 3..., su valor en el origen es uno
y el área total bajo la curva es también uno.
sen πα π cos πα
sinc 0 = lı́m = lı́m =1
α→0 πα α→0 π
Z ∞
sinc x dx = 1
−∞
1.9.9. Asinc
La función asinc (fig. 1.23) se define como
sen πx(2N + 1)
asincN (x) =
sen πx
y corresponde a una función sinc que ha sido aliada (ver sección 6.6.1), es decir,
está formada por la suma de funciones sinc, desplazadas en 2N unas de otras.
∞
X
asincN (x) = sinc (x − j2N )
j=−∞
Escalon(x)
1
x
1.9.10. Escalón
La función escalón o de Heaviside, (x) se define como (fig. 1.24)
1 si x > 0
(x) =
0 si x < 0
d
(x) = δ(x).
dx
1.9.11. Signo
La función signo, sgn(x) se define como (fig. 1.25)
1 si x > 0
sgn(x) =
−1 si x < 0
1.9.12. Shah
El impulso es un sı́mbolo que facilita mucho la operación matemática de tomar
una muestra. Como es natural que se deseen tomar muchas muestras a intervalos
28 Introducción
sgn(x)
1
x
shah(x)
1
x
1
↑↑ (x) = [δ(x + 1/2) + δ(x − 1/2)]
2
3
letra del alfabeto cirı́lico, ver [3]
1.9 Algunas funciones importantes 29
horq(x)
1
1
x
anti−horq(x)
1
1
x
1
↑↓ (x) = [δ(x + 1/2) − δ(x − 1/2)]
2
Nótese que el área total bajo la curva es uno para la horquilla y cero para la
antihorquilla.
1.10. El impulso
1.10.1. Definición
Es muy común encontrarse con cantidades fı́sicas que concentran mucha en-
ergı́a en un instante de tiempo muy breve o en un espacio muy reducido, ası́ es
como sucede con las masas puntuales, cargas puntuales, fuentes de luz puntuales,
fuerzas concentradas, cargas superficiales, etc. Resulta útil contar con un sı́mbolo
que sea apropiado para representar estas cantidades y a la vez provea una op-
eratoria matemática. Se define un pulso de área unitaria muy breve e intenso
llamado impulso. Este impulso concentrado e infinitamente fuerte, δ(x) satisface
las siguientes dos condiciones:
δ(x) = 0 para x 6= 0
y Z ∞
δ(x) dx = 1. (1.2)
−∞
Hay que hacer notar que el sı́mbolo δ(x) (empleado por Dirac en vez de
p1 empleado por Heaviside) no es una función matemática en estricto rigor, no
obstante, la usaremos como tal; y que la integral (1.2) no es una cantidad con
significado a menos que se establezcan algunas convenciones que nos permitan su
interpretación. Por ejemplo, lo que la integral (1.2) puede representar es:
∞
1 x
Z
lı́m u dx.
τ →0 τ −∞ τ
1/ τ
τ /2 x
Paul Dirac
32 Introducción
3. Tomar lı́mite del resultado para que la función aproximante tienda al im-
pulso.
f(x)
f(0)/ τ
−τ /2 τ /2 x
tenemos Z ∞
δ(x)f (x) dx = f (0),
−∞
o también Z ∞
δ(x − a)f (x) dx = f (a)
−∞
y Z ∞
δ(x)f (x − a) dx = f (−a).
−∞
La importancia de esta propiedad es que permite extraer el valor de una
función en un punto en particular. De ahı́ su nombre: propiedad del cedazo4 .
−1/2T 1/2T x
1/2T
−1/2T
Generalizar este resultado para cualquier f (x) (derivable en torno a las raı́ces)
es trivial:
X δ(x − xn )
δ(f (x)) =
n
|f 0 (xn )|
1.11. Ejercicios
1. Encuentre la parte par e impar de las siguientes funciones (t y x son reales):
a) f (t) = cos πt
b) f (t) = sen πt
c) f (t) = t
1
√
d) f (t) = log(2i) (i =
2 −1)
√
e) f (x) = x
3
√
f ) f (x) = x
√
g) f (x) = −x
h) f (t) = et
i) f (x) = log x
j ) f (t) = 42π
k ) f (x) = u(x)
l) f (x) = u0 (x) (derivada con respecto a x)
m) f (x) = δ(x)
n) f (x) = δ0 (x)
d −π(x−2)2
f (x) = e
dx
3. ¿Es impar una función impar de una función impar? ¿Qué se puede decir de
funciones impares de funciones pares? ¿Y de funciones pares de funciones
impares?
4. Demuestre que Z ∞
sinc x dx = 1
−∞
1
1 + (t − 1)2
38 Introducción
lı́m τ sen τ x
τ →∞
8. Defina δ(x) de dos maneras distintas (como lı́mite de dos funciones difer-
entes) y pruebe que son equivalentes. ¿Qué significa equivalencia en este
caso?
10. Sea
3(θ − |x|)2 x
gθ (x) = 3
u ( ).
2θ 2θ
Emplee gθ (x) como función aproximante de δ(x) para calcular
Z ∞
δ00 (x) dx.
−∞
11. Calcule Z ∞
δ0 (x) dx
−∞
13. Calcule Z ∞
∧(x − 1) (100x) dx
−∞
14. ¿Puede encontrar una solución general para f [f (x)] = f (x)? Note que
f (x) = sgn(x) es una solución.
1.11 Ejercicios 39
k δ’(l)
θ
l
k δ’(l)
δ’(l)
22. Calcule Z ∞
(x/a) u (x/5a) dx
−∞
27. Encuentre la salida al sistema discreto de entrada x[n] y salida y[n], descrito
por y[n] = −ay[n] + x[n] para la entrada x[n] = a−n [n]. Con 0 < a < 1 y
real.
En este capı́tulo se introducen tres conceptos que son esenciales para el desar-
rollo de la teorı́a de las señales, estos son: la propiedad de linealidad, la operación
de convolución, y la respuesta al impulso.
2.1.1. Linealidad
Sea L{·} un operador; f (x), f1 (x) y f2 (x), funciones de la variable x (po-
drı́a ser el tiempo); α y β, escalares. Se dice que L es lineal si cumple con las
propiedades de homogeneidad y superposición:
41
42 Sistemas lineales y convolución
2.1.2. Invariancia
Una operación es invariante con respecto a alguna variable, si es que una
traslación de la entrada en la dirección de esa variable, sólo produce una traslación
en la salida. La operación es invariante en el tiempo si es que esa variable es el
tiempo.
Formalmente, sea L{f (x)} = g(x) y τ un desplazamiento en x, L{·} se dice
invariante en x si
L{f (x − τ )} = g(x − τ )
e invariante en el tiempo si
L{f (t − τ )} = g(t − τ ).
qué no comparar h(t)f (t) con h(t−T )f (t−T ). La respuesta viene por la definición
de entrada al sistema. Debo estudiar la respuesta al sistema al atrasar sólo la
entrada — en este caso el afiche no cambia con el tiempo — y no atrasar el
sistema mismo — hacer que el sol de la mañana brille en la tarde —.
2.2. Convolución
La integral de convolución de dos funciones f (x) y g(x) está definida por
Z ∞
{f ∗ g}(x) = f (ξ)g(x − ξ) dξ.
−∞
f( τ ) f*g
g(− τ )
τ t
f( τ ) f*g
g(− τ )
τ t
f( τ ) f*g
g(− τ )
τ t
f( τ ) f*g
g(− τ )
τ t
f( τ ) f*g
g(− τ )
τ t
f( τ ) f*g
g(− τ )
τ t
Hay que notar que la integral es realizada con g(−τ ), es decir, la función
g(·) reflejada en torno al eje τ , que en el ejemplo anterior no se nota ya que,
por simetrı́a, es la misma función, y no como la más familiar definición de la
correlación de dos funciones:
Z ∞
{f ? g}(x) = f (ξ)g(x + ξ) dξ.
−∞
Notando que la propiedad del cedazo (sec. 1.10.2) no es otra cosa que una
convolución con el impulso, se tiene,
f(x)
de manera que la respuesta del sistema a la función delta, L{δ(x − ξ)} (para
todos los valores de x y ξ) es suficiente para definir el sistema por completo. Esta
respuesta se conoce como respuesta al impulso, h(x, ξ).
por lo que Z ∞
g(x) = f (ξ)h(x − ξ) dξ
−∞
2.4. Ejercicios
1. Para los siguientes sistemas, muestre si son o no lineales e invariantes en el
tiempo. La entrada es f (t) y la salida es g(t) con h(t) cualquiera.
a) g(t) = 2f (t)
b) g(t) = f (t) + 2
c) g(t) = f (t) + h(t)
d) g(t) = h(t)f (t)
p
e) g(t) = f (t)
f ) g(t) = |f (t)|
g) g(t) = f (t)cosωt
h) g(t) = máx f (t)
i) g(t) = u(t)f (t)
j ) g(t) = f 0 (t)
a) T = k
b) T = kt
c) T = kt2
d) T = kx(t)
(a) a = x
(b) a = f (x) (la entrada)
4. Se tiene un sistema cuya entrada está dada por A1 cos ω0 t y cuya salida es
A2 cos 2ω0 t. ¿Existe algún sistema lineal que se comporte ası́? Opcional: Si
existe, encuéntrelo.
a) f (t) = sen t
b) f (t) = u(t)
c) f (t) = δ(t)
d) f (t) = δ0 (t)
e) f (t) = ∧(t)
f ) f (t) =↑↑ (t)
g) f (t) =↑↓ (t)
2.4 Ejercicios 49
a) u(x) ∗ δ(x)
b) u(x)∗ ↑↑ (x)
c) ∧(x) ∗ u(x)
d) ∧(x) ∗ (x)
e) {2 u (x/2) + u(x)} ∗ u(x)
f) (x)∗ ↑↑ (2x)
f (x) ∗ f (−x)
f (x) ? f (x) =
A
con A el área total de f (x). Es decir, es la auto-convolución sin invertir una
de las funciones y normalizada por el área.
Encuentre la parte par e(x) e impar o(x) de f (x) ? f (x).
13. Compare la autocorrelación de f (x) (x) y de f (x) (f (x) (x) ? f (x) (x) y
f (x) ? f (x)).
15. Suponga dos sistemas lineales e invariantes en cascada. La salida del primer
sistema es la entrada del segundo. Los sistemas están definidos por sus
respuestas al impulso h1 (t) y h2 (t). Encuentre la respuesta al impulso del
conjunto para los siguientes casos:
a) f (t) = (t)e−bt
b) f (t) = sen 3t
c) f (t) = (t) sen 3t
d) f (t) = u( t−1
2 )
e) f (t) = δ(t) − 3δ(t − 2) + δ(t − 5)
f ) f (t) = u( t−π/2
π ) sen t
a) v1 (t) = A
b) v1 (t) = A cos ω0 t/2
c) v1 (t) = A cos ω0 t
d) v1 (t) = A cos 2ω0 t
e) v1 (t) = A cos 3ω0 t
2.4 Ejercicios 51
(a) a = x
(b) a = f (x) (la entrada)
f (x) ∗ f (−x)
f (x) ? f (x) =
A
con A el área total de f (x). Es decir, es la auto-convolución sin invertir una
de las funciones y normalizada por el área.
Encuentre la parte par e(x) e impar o(x) de f (x) ? f (x).
f(t) S1 S2 p(t)
f(t) S2 S1 q(t)
30. ¿Es p(t) igual a q(t) para todo f (t) si S1 y S2 son sólo lineales? Demuestre
su respuesta.
31. ¿Es p(t) igual a q(t) para todo f (t) si S1 y S2 son sólo invariantes? De-
muestre su respuesta.
32. Se define el sistema nulo como S{f (t)} = 0. Demuestre si el sistema es
o no lineal y si es o no invariante. De ser lineal e invariante encuentre la
respuesta al impulso.
2.4 Ejercicios 53
33. Encuentre las funciones a(x), b(x) y c(x) para que la siguiente igualdad sea
verdad.
34. Una señal digital es una señal discreta que sólo puede tomar dos valores:
1 (verdad) ó 0 (falso). Digamos que un sistema digital es lineal cuando
cumple con la misma propiedad que los sistemas continuos pero en la que
se ha sustituido la operación de multiplicación (×) por un “y lógico” (∧)
y la adición (+) por un “o lógico” (∨). Se tiene un sistema digital cuya
entrada es una señal digital y cuya salida es una señal digital que indica
si la cantidad de unos en la entrada, hasta ese momento, es impar o par,
es decir, y[n] = y[n − 1] ⊕ x[n], con ⊕ la operación “o exclusivo lógico”
(0 ⊕ 0 = 0, 0 ⊕ 1 = 1, 1 ⊕ 0 = 1, 1 ⊕ 1 = 0).
Demuestre si el sistema digital es o no lineal.
36. Se tiene un sistema de entrada x(t), cuya salida está dada por y(t) =
E{x(t)∗g(t)}, donde g(t) = au(t/b), con a una variable aleatoria distribuida
normal de media m y varianza σ 2 y b una variable aleatoria, independiente
de a, distribuida uniformemente en el intervalo (1, 2).
Demuestre que el sistema es lineal.
38. Se tiene un sistema mecánico formado por un resorte y una masa (todo
ideal y sin roce) como se observa en la figura.
k
m f(t)
x
54 Sistemas lineales y convolución
a) Demuestre que para que el sistema sea lineal x(t) = x0 (t) = 0 para t
menor que algún t0 .
b) Si x(t) = x0 (t) = 0 para t ≤ 0, encuentre h(t), la respuesta al impulso
del sistema.
f(t) g(t)
*h1 *h2
Si h1 (t) = δ(t) + sinc t, encuentre h2 (t) de manera que g(t) = f (t) para
cualquier f (t).
40. Sea
x 2 x
f (x) = u( )+ ↑↑ (x) ∗ ∧(2x) + ↑↑ ( ) ∗ ∧(2x)
4 3 3
a) Grafique f (x), indicando todos los puntos relevantes del gráfico.
b) Encuentre F (u), la transformada de Fourier de f (x).
m(t)
I m’(t)
+
v(t)
II III v’(t)
grabacion
o transmision
La señal m(t) es música y v(t) es voz de la cual sólo interesa grabar frecuen-
cias menores a 4 kHz (calidad telefónica). La señal m0 (t) debe ser idéntica a
m(t) con la excepción de las frecuencias menores a 100 Hz (imperceptibles).
2.4 Ejercicios 55
La señal v 0 (t) debe ser idéntica a v(t) para frecuencias menores a 4 kHz y
nula para frecuencias mayores a 4 kHz. Su diseño consiste en describir los
sistemas I, II y III. Los que sean lineales e invariantes los debe describir
empleando la respuesta al impulso o la función de transferencia. Los que no
lo sean con alguna formulación matemática.
45. Suponga que un sistema para fotografiar el firmamento tiene una función de
transferencia H(u) = sinc 2 (8u). Esta función incluye todas las distorsiones
introducidas por la atmósfera, el sistema óptico y el sistema fotográfico.
¿Cuál es la mı́nima separación (en coordenadas de la fotografı́a) a la que
pueden estar dos estrellas de manera que se pueda reconocer la presencia
de ambas en la fotografı́a?
47. Se tiene un sistema cuya salida a la entrada f (t) es g(t) = máx{f (t), f (t −
T )}.
S{x(t)} = x(t − ∆T )
49. Calcule ∞
cos πx
Z
δ(x) dx
−∞ sinc x
53. Se tiene un sistema descrito por y 0 (t) = −2y(t) − x(t). La entrada es x(t)
y la salida y(t), con y(0) = y0 . Sea f (t) la salida del sistema si x(t) = 0 y
g(t) la salida del sistema para t >> 0.
a) Encuentre f (t).
b) Encuentre la ecuación diferencial que desgribe a g(t).
59
60 Transformada de Fourier
ya que m toma los valores 1, 2, . . . y las integrales en las sumas se hacen cero,
excepto para aquella en que m = k.
Para encontrar bk , se multiplica la expansión en serie de (3.1) por sen mω0 x
y se integra en un periodo X0 , con lo que se obtiene análogamente
X0
2
Z
bk = f (x) sen kω0 x dx.
X0 0
Estas son las ecuaciones de análisis que permiten obtener los coeficientes a0 ,
ak y bk , dado f (x). Aunque aquı́ no se ha probado la validez de la expansión de
Fourier, la forma de obtener los coeficientes es válida si esta expansión también
3.1 Series de Fourier 61
f(x)
lo es. Para cualquier función periódica f (x) de interés práctico esta expansión es
usable.
El coeficiente a0 es conocido como valor promedio o componente continua de
la señal f (x); comúnmente a0 se puede determinar por simple inspección de un
gráfico de f (x).
Aprovechando ciertas propiedades de simetrı́a de las funciones se pueden
obtener versiones simplificadas de las integrales.
Si f (x) es par, o sea,
f (x) = f (−x),
se puede simplificar las expresiones para ak y bk usando como intervalo de inte-
gración (−X0 /2, X0 /2), y gracias a que f (x) es simétrica en torno a x = 0. Se
prueba fácilmente que
Z X0 /2
4
bk ≡ 0, ak ≡ f (x) cos kω0 x dx
X0 0
X0
2
Z
2
a0 = f (x) dx
X0 0
Si f (x) es impar, es decir,
f (−x) = −f (x)
Ejemplo 3.1.1 Consideremos la señal periódica f (x) dada por la figura 3.1. Por
inspección del gráfico, podemos decir que f (x) tiene un valor promedio de A/2;
la señal vale A la mitad del tiempo, y la otra mitad vale cero. Luego
A
a0 =
2
62 Transformada de Fourier
2 X/4
Z kω0 X/4
2
Z
ak = A cos kω0 xdx = A cos x dx.
X −X/4 Xkω0 −kω0 X/4
Pero como
ω0 X = 2π,
se tiene
+kπ/2
1 2A kπ
Z
ak = A cos x dx = sen = A sinc k/2.
kπ −kπ/2 kπ 2
Finalmente, la expansión de f (x) es
∞
A X
f (x) = + ak cos kω0 x,
2
k=1
con
sen kπ/2
ak = A
kπ/2
= A sinc k/2.
donde p
r= p2 + q 2 , tan φ = −q/p,
sobre cada par seno-coseno de la expansión, resulta
∞
X
f (x) = A0 + Ak cos(kω0 x + φk ).
k=1
fk (x) = Ak cos(kω0 x + φk )
Una forma más compacta se logra con notación compleja y el uso de expo-
nenciales complejas. Expresando los senos y cosenos con las fórmulas de Euler:
1 ix
cos x = (e + e−ix ),
2
1 ix
sin x = (e − e−ix ),
i2
se tiene que la armónica de ı́ndice k es
ak ikω0 x bk
fk (x) = (e + e−ikω0 x ) + (eikω0 x − e−ikω0 x )
2 i2
1 1
= (ak − ibk )eikω0 x + (ak + ibk )e−ikω0 x .
2 2
Se definen los coeficientes asociados a las exponenciales, como
Nótese que la relación C−k = Ck∗ asegura que para cada exponencial positiva
de la forma Ck e+ikω0 x habrá una exponencial negativa que al combinarse forman
una sinusoidal real.
Las integrales empleadas para determinar los coeficientes de la serie 3.1 en su
forma trigonométrica, ak y bk , tienen su equivalente en la ecuación de análisis de
la forma compleja, dado por
1
Z
Ck = f (x)e−ikω0 x dx. (3.2)
X0 X0
donde se establece por primera vez la expresión de una función cualquiera como suma
de exponenciales sinusoidales.
Fue Cauchy en su trabajo Théorie de la propagation des ondes de 1816 el primero
en establecer explı́citamente la transformada de Fourier.
Z
sen kω0 x dx = 0, k = 0, 1, 2, . . . (3.3)
X0
Z
0, k = 1, 2, . . .
cos kω0 x dx = (3.4)
X0 X 0 , k =0
Z
m = 0, 1, 2, . . .
sen mω0 x cos kω0 x dx = 0, (3.5)
X0 k = 0, 1, 2, . . .
Z
0, m 6= k
sen mω0 x sen kω0 x dx = (3.6)
X0 X0 /2, m = k
Z
0, m 6= k
cos mω0 x cos kω0 x dx = (3.7)
X0 X0 /2, m = k
T0Fk
f(t)
1
kw0
1 T0 t
T1Fk
f(t)
1
kw1
1 T1 t
F(u)
f(t)
1
u
1 t
cio
Aperiódica Periódica
pa
Es
Aperiódica
Continua
FT DFFT
DTFT DFT
Discreta
Periódica
ia
nc
Continua Discreta
ue
ec
Fr
Figura 3.3: Transformada de Fourier
x x x
Re W(x)
Re W(x)
Im W(x) Im W(x)
x x
que a su vez es
F (u) = FC (u) − iFS (u).
donde FC (u) es la transformada coseno de la parte par de f (x) y FS (u) es la
transformada seno de la parte impar de f (x), ambas transformadas definidas en
la sección 8.1.1.
Dado que las funciones W (x) = e−i2πux constituyen una base ortonormal
de funciones (fig. 3.4), existe una transformada inversa, es decir, una fórmula
que a partir de la transformada de Fourier permite encontrar la función original
(ecuación de sı́ntesis). La transformada inversa de Fourier es
Z ∞
f (x) = F (u)ei2πux du.
−∞
lo que ocurre cuando f (x) cumple con las condiciones de Dirichlet1 , las condi-
ciones de existencia de la transformada de Fourier. No es la intención de este libro
abordar el tema de las condiciones matemáticas que debe cumplir f (x) para que
exista transformada de Fourier, sólo se dirá que para señales fı́sicas (señales que
se pueden medir en la naturaleza), siempre se cumplirán.
es decir, la transformada de Fourier del impulso es una función constante que vale
1, independientemente de la frecuencia. En otras palabras, si se suman senos y
cosenos de todas las frecuencias posibles (infinitas) se obtiene la función impulso.
Intuitivamente, esto no es tan raro. Pensemos en los cosenos. En una posición x 6=
0 los cosenos van a tomar todos los posibles valores entre -1 y 1, dependiendo de
la frecuencia del coseno. Como las frecuencias están uniformemente distribuidas
la suma de estos valores se cancela y se obtiene cero. El único lugar de x para
el cual no se produce cancelación es para x = 0, ya que el coseno siempre vale
1, independientemente de la frecuencia. La suma, por lo tanto, es infinito en el
origen (fig. 3.16). Para verificar que la función obtenida es el impulso, sólo falta
mostrar que la integral bajo la curva vale 1.
1
R∞
−∞
|f (x)|dx < ∞, f (x) tiene un número finito de máximos y mı́nimos, y un número finito
de discontinuidades en cualquier intervalo finito.
70 Transformada de Fourier
gauss(x) gauss(u)
x u
rect(x) sinc(u)
x u
sinc(x) rect(u)
x u
sinc^2(x) triangulo(u)
x u
1(x) delta(u)
x u
cos(x)
horquilla(u)
x
u
La segunda integral es cero, porque el producto de una función par con otra
impar es impar, por lo que la integral desde −∞ a +∞ es cero. La primera
integral es distinta de cero sólo para valores de u igual ±1/2, donde la integral
toma un valor infinito. Esta función corresponde a dos impulsos de magnitud 1/2
ubicados justamente en las frecuencias correspondientes a la armónica. Es decir,
1 1 1 1
cos πx −→↑↑ (u) = δ(u − ) + δ(u + )
2 2 2 2
sen(x) i*antihorquilla(u)
x u
shah(x) shah(u)
x u
exp(−(abs(x))
x u
2
Figura 3.13: e−|x| −→ 1+(2πu)2
escalon(x)
sgn(x)
i
Figura 3.15: sgn(x) −→ − πu
3.4 Simetrı́as de la transformada de Fourier 73
es decir
u(x) −→ sinc u.
Notando que e(x) sen(2πux) y o(x) cos(2πux) son funciones impares en térmi-
2
Usaremos e(x) y o(x), del inglés even y odd en vez de P (x) e I(x) para reservar las
√mayúsculas
para las transformadas. Tampoco podemos usar i(x) porque i lo reservamos para −1.
74 Transformada de Fourier
Re(f(x)) Re(F(u))
Im(f(x)) Im(F(u))
x u
Re(f(x)) Re(F(u))
Im(f(x)) Im(F(u))
x u
Finalmente
Re(f(x)) Re(F(u))
Im(f(x)) Im(F(u))
x u
Re(f(x)) Re(F(u))
Im(f(x)) Im(F(u))
x u
Re(f(x)) Re(F(u))
Im(f(x)) Im(F(u))
x u
Re(f(x)) Re(F(u))
Im(f(x)) Im(F(u))
x u
Re(f(x)) Re(F(u))
Im(f(x)) Im(F(u))
x u
Re(f(x)) Re(F(u))
Im(f(x)) Im(F(u))
x u
Re(f(x)) Re(F(u))
Im(f(x)) Im (F(u))
x u
Si f (x) = g(x) + ih(x), con g(x) y h(x) pares (f (x) compleja par), se tiene:
1. Dualidad
F (x) −→ f (−u)
2. Linealidad
Si a y b son constantes (reales o complejas) se tiene:
rect
t u
rect(at)
u
t
Re f(t)
Im f(t)
rect
Re f(t)
Im f(t)
rect(t−a)
g(t) G(u)
t u
x
*
t
u
gm[n]
=
G(u)
=
t
u
f (x − a) −→ e−i2πau F (u)
5. Convolución
f (x) ∗ g(x) −→ F (u)G(u)
6. Producto
f (x)g(x) −→ F (u) ∗ G(u)
1 w 1 w π π
f (x)cos(wx) −→ F (u − ) + F (u + ) = F (u) ∗ ↑↑ ( u)
2 2π 2 2π w w
8. Teorema de la Potencia
Z ∞ Z ∞
f (x)g∗ (x) dx = F (u)G∗ (u) du
−∞ −∞
10. Autocorrelación Z ∞
f ∗ (ξ)f (x + ξ) dξ −→ |F (u)|2
−∞
11. Derivada
f 0 (x) −→ i2πuF (u)
Q(u)
H(u) =
P (u)
3
Equivalente al teorema de Parseval para series de Fourier
3.7 Ejercicios 81
3.7. Ejercicios
1. Encuentre y grafique los coeficientes de Fourier para las siguientes funciones:
a) T ∧ (2x/T ) ∗ (x/T )
b) T ∧ (2x/T ) ∗ (x/T − 1/2)
c) T x u (x/T ) ∗ (x/T )
d) T x u (x/T ) ∗ (x/T − 1/2)
e) −T x u (x/T ) ∗ (x/T )
f ) T | cos πx/T | u (x/T ) ∗ (x/T )
a) f (x) = cos ω0 x
b) f (x) = 1
c) f (x) = (x)
d) f (x) = (x) sen ω0 x
e) f (x) = (x) cos ω0 x
f ) f (x) = (x)e−αx sen ω0 x
82 Transformada de Fourier
10. Demuestre que J0 (πx) no tiene componentes de frecuencia mayores que 1/2,
donde J0 es la función de Bessel de primer tipo de orden cero.
sen x
a) x
sen Ax 2
b) Ax
2
c) e−x
d) δ(Ax)
e) eix
f ) ∧(x − 1)
g) u(x)sgnx
2
17. Encuentre la transformada de Fourier de xe−πx .
(a) u = 1/2
(b) u = 1/4
19. Una señal de audio (limitada a 10 KHz) se graba en una cinta. La salida del
tocacinta es alimentada a un modulador (multiplicador por coseno) de una
frecuencia portadora de 1 MHz. Antes de transmitir, la señal es amplificada
por un amplificador pasabanda. Calcule el ancho de banda del amplificador
necesario si
21. Veamos cómo funciona el siguiente sistema para hacer Karaoke. La idea es
que no se escuche la voz, manteniendo lo más posible de los instrumentos.
Supongamos que para un momento en particular, se puede modelar el sonido
de los instrumentos como finst (t) = 4 sinc 2t + 20 sinc 20t y la voz como
fvoz (t) = 4 sinc 2 t cos(10πt). La señal, que es la suma de los instrumentos
más la voz, se pasa por un filtro cuya respuesta al impulso es h(t) = δ(t) −
4 sinc (2t) cos(10πt). Calcule la proporción de energı́a proveniente de los
instrumentos que se pierde en el filtro. La energı́a de una señal se define
como f 2 (t)dt.
R
√
22. Sea F (u) = ea u (1 − u) la transformada de Fourier de f (x). Calcule f (x) ∗
(x) evaluada en −∞ y +∞. Es decir, calcule
a)
1 x
lı́m u ( ) ∗ {δ(x + a/2) − δ(x − a/2)}
a−→0 a2 a
b)
1 x
lı́m 3
u ( ) ∗ {δ(x + 2a) − 2δ(x) + δ(x − 2a)}
a−→0 8a 2a
24. Sea f (x) una función real. Demuestre que
(a) u = 1/2
(b) u = 1/4
29. Se define una nueva transformada continua que emplea la siguiente base
u(u)ei2πux .
Diga qué condiciones debe cumplir la señal f (x) para que su transformada
tenga inversa. ¿Cuál es la inversa en ese caso?
32. El circuito de la figura representa el módulo alfa. El módulo alfa está com-
puesto por un retardo de ∆T , dos integradores y un multiplicador por
1/∆T , conectado como se indica en la figura. ¿Si se conectan 5 módulos
alfa en cascada, cuánto debe ser el retardo ∆T para que la frecuencia de
0,1 Hz sea atenuada a la mitad, es decir, para que la magnitud de una sinu-
soide de 0,1 Hz a la salida del quinto módulo sea la mitad de la magnitud
de esa sinusoide a la entrada del primer módulo?
Int +− 1
∆Τ
retardo
∆Τ Int
33. Se desea emplear una serie finita de Fourier, SN (x), para aproximar una
función f (x) en el rango −T /2 < x < T /2, es decir,
N
a0 X
f (x) ≈ SN (x) = + (ak cos kω0 x + bk sen kω0 x)
2
k=1
1
∆x∆u ≥
4π
donde la dispersión ∆x en x está dada por
Z ∞
2 1
(∆x) = (x − x̄)2 |f (x)|2 dx
||f ||2 −∞
3.7 Ejercicios 87
Calcule ∆x∆u para f (x) = axe−ax (x) (a > 0) y compruebe que se cumple
el principio de incertidumbre. Puede usar el teorema del problema anterior.
Algunas integrales que pueden serles útil:
1 −2at 3
R −2at R 3 −2at 3 2 −2at
R e −2atdt = − 2a e 1 −2at R t4 e−2at dt = (b3 t4 + b2 t3 + b1 t2− 8a4 )e 3 −2at
R te2 −2atdt = (b1 t − 4a2
)e t e dt = (b4 t + b3 t + b2 t + b1 t − 4a5 )e
t e dt = (b2 t2 + b1 t − 4a13 )e−2at
36. Alicia propone un sistema para reducir los tonos altos de una grabación
en CD. El sistema consiste en convolucionar (linealmente) las muestras de
audio con h[n] = n1 (1 1 ... 1), es decir, el promedio móvil de n muestras.
En un CD, el audio es muestreado a 44 kHz. Si la grabación consiste de un
tono puro (f [n] = f (nT ), con f (t) = cos(2πut)) de frecuencia u y amplitud
máxima unitaria, interesa conocer la amplitud máxima, P (u, n), de la salida
del sistema, g[n] = f [n] ∗l h[n] en función de u y n. Puede suponer que la
primera muestra se toma en t = 0 y que no interesa el transiente.
x(t) y(t)
h1 + h2
n(t)
40. Sea f (x) una función par y real, y sea G(u) la transformada de Fourier de
f (x − a). Encuentre Z ∞
Im{G(u)} du
−∞
42. Encuentre dos funciones diferentes, f1 (x) y f2 (x) que cumplan con la sigu-
iente condición: Z ∞
fi (x)dx = Fi (1).
−∞
91
92 Transformada de Laplace
po
em
Aperiódica Periódica
Ti
T. de Laplace
Aperiódica
Continua
FT DFFT
DTFT DFT
Discreta
Periódica
ia
nc
Continua Discreta
ue
ec
Fr
Figura 4.1: Clasificación de las transformadas según periocidad y continuidad
es razonable pensar en una envolvente de esta función para que sus valores tien-
dan a cero para tiempos lejanos (aproximando a −∞ y +∞). La exponencial
es especialmente apta para esto. Muchas funciones que no cumplen con (4.1)
sı́ cumplirán con la condición
Z ∞
|f (t)e−σt | dt < ∞. (4.2)
−∞
Abs L(f(t))
Im s
Re s
Z ∞ Z ∞
−σt −i2πut
F (σ, u) = f (t)e e dt = f (t)e−(σ+i2πu)t dt
−∞ −∞
Im s
Re s
Z ∞
F (s) = (t)e−st dt
Z−∞
∞
= e−st dt
0
∞
e−st
=
−s 0
1
= Re{s} > 0
s
Ejemplo 4.3.2 Un caso un poco más interesante y que tiene mucha aplicabilidad
debido a la gran cantidad de sistemas lineales que tienen una respuesta al impulso
de este tipo, es la función exponencial para valores del argumento mayores que
96 Transformada de Laplace
Im s
Re s
Las figuras 4.4 y 4.5 grafican la región de convergencia como un semi-plano dere-
cho en el espacio s para Re{s} > −a. Si a es positivo (fig. 4.4), o sea, el lı́mite
de la región de convergencia está a la izquierda del eje imaginario, la transfor-
mada de Fourier existirá, ya que ésta es la transformada de Laplace evaluada
en σ = 0, que está dentro de la región de convergencia. Si a < 0 (fig. 4.5), la
transformada de Fourier no existe ya que el eje imaginario está fuera de la región
de convergencia de la transformada de Laplace.
Im s
Re s
Re f(t)
Re f(t) Re f(t)
Im f(t)
Im f(t) Im f(t)
t t
t t t
Re f(t) Re f(t)
Re f(t)
Im f(t)
Im f(t) Im f(t)
t t
Im f(t)
1
Re f(t) Re f(t)
1
Im f(t) Im f(t)
Re f(t)
t t
(t) −→ 1 0<σ
s
t (t) −→ 1 0<σ
s2
δ(t) −→ 1 ∀s
δ0 (t) −→ s ∀s
↑↑ (t) −→ cosh( 12 s) ∀s
↑↓ (t) −→ senh( 12 s) ∀s
f(t)
et e−σt = e(1−σ)t
Im s
Re s
es decir
1/2
−e−st
F (s) =
s −1/2
−e−s/2 es/2 1
F (s) = + = (es/2 − e−s/2 ),
s s s
senh( 12 s)
F (s) = 1 ∀s
2s
luego
Z ∞ Z ∞
−st
|F (s)| ≤ |g(t) (t − a)e | dt = |g(t) (t − a)|e−σt dt
−∞ −∞
∞
M e(σ0 −σ)a
Z
|F (s)| < M e(σ0 −σ)t dt = , σ > σ0
a σ − σ0
1 1 2s + 3
F (s) = + = 2
s+1 s+2 s + 3s + 2
donde Re{s} > −1. Los polos están dados por las raı́ces del denominador s = −1
y s = −2, y los ceros por la raı́z del numerador s = −3/2 (figura 4.11).
1
H(s) =
(s + 1)(s + 2)
puede representar diferentes sistemas dependiendo de la región de convergencia
104 Transformada de Laplace
Im s
−1.5
−2 −1 Re s
según se muestra en la figura 4.12. Los sistemas que se obtienen son los siguientes
(e−t − e−2t ) (t) para el primer caso
−(e−t − e−2t ) (−t) para el segundo caso
−e−t (−t) − e−2t (t) para el tercer caso
Para sistemas de segundo orden (sección 1.5), los polos serán ambos reales
o complejos conjugados. Si ambos son reales y distintos, el sistema es sobre-
amortiguado. Si son iguales, será crı́ticamente-amortiguado. Y si son complejos
conjugados será sub-amortiguado.
4.5 Polos y ceros en el plano S 105
f(t)
Im s
−2 −1 Re s
t
f(t)
Im s
−2 −1 Re s
t
f(t)
Im s
−2 −1 Re s
t
1
Figura 4.12: Regiones de convergencia para (s+1)(s+2) y sus respectivas transfor-
madas de Laplace inversas
106 Transformada de Laplace
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
h(t)
Im s
Abs H(u), Ang H(u)
1
t
Re s u
1. Similitud
1 s σ
f (at) −→ F α< <β
|a| a a
En particular, si a = −1 se tiene
2. Linealidad
af1 (t) + bf2 (t) −→ aF1 (s) + bF2 (s) máx(α1 , α2 ) < σ < mı́n(β1 , β2 )
3. Desplazamiento
4. Convolución
5. Multiplicación
c+i∞
1
Z
f1 (t)f2 (t) −→ F1 (ξ)F2 (s − ξ) dξ α1 + α2 < σ < β1 + β2
i2π c−i∞
α1 < c < β1
α2 < σ − c < β2
6. Modulación
La modulación es un caso especial de la propiedad de multiplicación, uno
muy importante por cierto.
1 1
f (t) cos ωt −→ F (s − iω) + F (s + iω) α<σ<β
2 2
110 Transformada de Laplace
7. Autocorrelación
8. Diferenciación
f 0 (t) −→ sF (s) α<σ<β
9. Integración
t
1
Z
f (ξ) dξ −→ F (s) máx(0, α) < σ < β
−∞ s
∞
1
Z
f (ξ) dξ −→ F (s) α < σ < mı́n(0, β)
t s
Respuesta al impulso
x(t) x(t)*h(t)
*h(t)
Función de transferencia
X(s) X(s)H(s)
H(s)
+ +
C
V1(t) V2(t)
i(t)
- -
i(t)
V20 (t) =
C
luego
1 −t/(RC)
Z
V2 (t) = e V1 (t)et/(RC) dt.
RC
112 Transformada de Laplace
1 −t/RC
Z
h(t) = V2 (t) = e δ(t)et/RC dt,
RC
que por la propiedad del cedazo es
1 −t/RC
h(t) = e ,
RC
válido para t > 0, es decir,
1 −t/RC
e
h(t) = (t).
RC
Aplicando la transformada de Laplace podemos obtener la función de trans-
ferencia del sistema.
En vista de
1
e−t (t) −→
s+1
con Re{s} > −1, se tiene
1 −t/RC 1
e (t) −→
RC 1 + RCs
es decir, la función de transferencia es
1
H(s) =
1 + RCs
La figura 4.18 muestra H(s) en función de u.
y 00 + ay 0 + by = cx0 + dx,
u u
Y (s)(s2 + as + b) = X(s)(cs + d)
cs + d
Y (s) = X(s)
s2 + as + b
Y (s) = H(s)X(s)
con
Y (s) cs + d
H(s) = = 2
X(s) s + as + b
Debido a que la transformada involucra una integral de −∞ a +∞, en la
función de transferencia no están consideradas las condiciones iniciales. Sı́ se
incluyen en la transformada de Laplace unilateral que veremos más adelante.
Ejemplo 4.8.2 Se tiene el sistema mecánico de la figura 4.19, el cual está con-
stituido por una masa m unida a un resorte de constante k y sometida a una
fuerza de roce fr , proporcional a la velocidad con constante µ .
Este sistema da origen a la siguiente ecuación diferencial:
d2 y dy
m 2
+ µ + ky = r(t),
dt dt
114 Transformada de Laplace
111111111
000000000
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111 111
000
0
1
k
000000000
111111111 0
1
y1
0
000000000
111111111
000000000 1
111111111 0
1
0
0
1 000000000
111111111 0
1
0
1 000000000 1
111111111 0
0
1
fr1
0 000000000
111111111
000000000
111111111
0
1
0
1 000000000
111111111
000000000
111111111
M
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
000000000
111111111
es decir
1 1/M
H(s) = = 2
M s2 + µs + k s + sµ/M + k/M
Supongamos para poder graficarla, que k = 1, m = 0, 5 y µ = 1, 5, con lo que se
tiene
2
H(s) = ,
(s + 1)(s + 2)
empleando la transformada de Laplace inversa de la función de transferencia se
tiene la respuesta al impulso (fig. 4.20)
h(t)
0.5
1 2 t
R
t=0
+
+
C
V(t)=1 V VL(t)
i(t)
-
-
luego
L1 {f 0 (t)} = sF1 (s) − f (0)
En general
L1 (f (n) (t)) = sn F1 (s) − (f (n−1) (0) + sf (n−2) (0) + ... + sn−2 f 0 (0) + sn−1 f (0)).
F (s) 1 0
Z Z
L1 { f (t) dt} = + f (t) dt
s s −∞
Ejemplo 4.9.1 La figura 4.21 muestra un circuito eléctrico RLC serie provisto
de una fuente de tensión continua y un interruptor que es cerrado en t = 0
(R = 5[Ω], L = 1[H] y C = 1/6[F ]).
4.9 Transformada de Laplace unilateral 117
i(0) = 0[A]
VC (0) = −6[V ]
y la ecuación diferencial que representa al circuito (válida con el interruptor
cerrado) es
di(t)
Z
+ 5i(t) + 6 i(t) dt = V (t) = (t),
dt
aplicando transformada de Laplace unilateral
Z 0
6 1
[sI(s) − i(0)] + 5I(s) + I(s) + i(t) dt =
s −∞ s
R0
donde C1 −∞ i(t)dt es el voltaje inicial en el condensador (t = 0).
Z 0
2
s I(s) + 5sI(s) + 6I(s) = 1 + si(0) − 6 i(t) dt
−∞
I(s)(s2 + 5s + 6) = 1 + 6
7
I(s) = 2
s + 5s + 6
separando en fracciones parciales
7 7
I(s) = −
s+2 s+3
y aplicando la transformada de Laplace inversa se tiene
Bajo la suposición de que f (t) es una función causal y que f (t) no contiene
impulsos o funciones singulares en el origen se puede calcular el valor de f (0+ )
(valor inicial, se denota con 0+ para indicar que ocurre inmediatamente después
del cero y no en el transiente) directamente a partir de la transformada de Laplace,
con
f (0+ ) = lı́m sF (s)
s→∞
y por otra parte el valor de f (t) cuando t → ∞ (valor final) es
4.10. Ejercicios
1. Encuentre la región de convergencia de la transformada de Laplace para las
siguientes funciones (basta inspeccionar la función, no es necesario encontrar
la transformada completa):
a) (t)
b) t (t)
c) t2 (t)
d) te−t (t)
e) 3e−2t (t)
f ) u(t)
√
g) e− t (−t)
h) (1 + t2 )−1
i) (1 + t3 )−1 (t)
j ) (1 + t3 )−1
k ) (log t) (t)
l) sgn(t)
m) log t
n) t−1 u (t)
ñ) t−1
o) δ(t)
a) (e−t − et ) (t)
b) e−|t|
c) (et − e−t ) (−t)
d) u(t)
e) u(t − 1/2)
f ) ∧(t)
4.10 Ejercicios 119
x(t) y(t)
+ Integral
-
Retardo T
11. Si dos sistemas causales tienen respuestas al impulso h1 (t) y h2 (t) cuyas
transformadas de Laplace son H1 (s) y H2 (s), se dicen inversos si la re-
spuesta al impulso del sistema resultante de colocarlos en cascada es δ(t).
¿En general, cuál es la relación que debe existir entre H1 (s) y H2 (s)? ¿Si
la respuesta al impulso de los dos sistemas decae en forma exponencial con
el tiempo, qué puede decir de la ubicación de los polos y ceros de H1 (s)? Si
h1 (t) = (t)(1 − e−2t ) encuentre H2 (s) y h2 (t). Grafique h1 (t), h2 (t) y el
diagrama de polos y ceros para H1 (s) y H2 (s).
12. Resuelva las siguientes ecuaciones diferenciales para y(t), (t > 0), sujetas a
las condiciones iniciales y(0+ ), y 0 (0+ ), ...
a) y 0 (t) + 2y(t) = 1
b) y 0 (t) + 2y(t) = 0
c) 3y 0 (t) − y(t) = sen t
d) y 00 (t) + 2y 0 (t) + y(t) = 2
e) y 00 (t) + 2y(t) = 1
f ) y 00 (t) + 2y 0 (t) = sen t
g) y 00 (t) + 2y 0 (t) + 3y(t) = cos t
13. Encuentre las funciones causales que tienen las siguientes transformadas de
Laplace. Indique cuál es la región de convergencia.
a)
1
F (s) =
s(s + 1)
b)
s+1
F (s) =
(s + 2)(s + 3)
4.10 Ejercicios 121
c)
e−s
F (s) =
s−1
d)
(s + 3)(s + 4)(s + 5)
F (s) =
(s + 1)(s + 2)
e)
s
F (s) =
(s + 1)2 (s + 2)
15. Se tiene un sistema, de entrada f (t) y salida g(t), gobernado por la ecuación
diferencial
g000 (t) − g00 (t) + g0 (t) − g(t) = f 0 (t) − Af (t).
a)
∂
G(s) = F (s)
∂u
b)
G(s) = F 0 (s)
c)
c+i2πu
1
Z
G(s) = F (ξ) dξ (c ∈ Región de convergencia)
i2π c−i∞
122 Transformada de Laplace
eαT − e−sT
F (s) = , σ > −α.
s+α
N (s) n0 + n1 s + n2 s2 + · · ·
H(s) = = .
D(s) d0 + d1 s + d2 s2 + · · ·
4.10 Ejercicios 123
23. Encuentre cualquier función f (x) que tenga el siguiente diagrama de polos
en el plano s (los 16 polos están uniformemente repartidos en la circunfer-
encia unitaria) y cuya región de convergencia es σ > 1.
a) ¿Es estable el proceso H(s) (entrada x(t) y salida y(t))? ¿Por qué?
b) ¿Qué valores puede tomar k para que el sistema total, de entrada r(t)
y salida y(t), sea estable?
1
28. La transformada de Laplace (LT) de f (t) = e−t (t) es F (s) = s+1 con
σ > −1. Si hacemos la división larga, se tiene
1
= s−1 − s−2 + s−3 − · · ·
s+1
∞
X
= − (−1)k s−k = G∞ (s)
k=1
El lado derecho siguie siendo la LT de f (t), pero ahora con σ > 0, de manera
que cada s−k tiene una LT inversa. Si quisieramos aproximar F (s) con n
términos, se tiene
F (s) = Gn (s) + R(s)
30. Encuentre una función del tiempo f (t) cuya transformada de Laplace tenga
los polos y región de convergencia que se indica.
a) Encuentre f (t).
b) Obtenga la transformada de Fourier de f (t).
37. Se tiene un sistema lineal, invariante y causal formado por dos subsistemas
de primer orden en cascada. Uno de ellos tiene un polo en −a < 0 y el otro
en −b < 0 (a 6= b). La respuesta al escalón de ambos subsistemas en t → ∞
es 1. Encuentre la respuesta al escalón del sistema total.
127
128 Muestreo, sistemas lineales y convolución discreta
5.1. Muestreo
El proceso de convertir una señal continua en una discreta se conoce como
muestreo, es decir, consiste en obtener muestras, un número finito de ellas (o por
lo menos numerable), de una función continua. Es corriente que las muestras sean
tomadas a distancias o intervalos regulares. Por ejemplo, si la función continua
es f (x) y el intervalo de muestreo con el que se obtuvo las muestras f [n] es T ,
las muestras serán obtenidas en los valores x = nT .
Si las muestras tienen un valor igual al valor de la función continua, evaluada
en la posición de la muestra, es decir, f [n] = f (nT ), el muestreo se conoce como
muestreo de amplitud. Esta operación está estrechamente ligada a la propiedad
del cedazo del impulso (sección 1.10.2),
Z ∞
δ(x − nT )f (x) dx = f (nT ),
−∞
que indica que δ(x − nT )f (x) tiene un área bajo la curva de f (nT ), es decir, el
impulso δ(x − nT )f (x) tiene una magnitud igual a f (nT ). Esta propiedad nos
permite establecer un nexo entre las funciones continuas y discretas. Se puede
decir que una función discreta es la secuencia que forman las magnitudes de un
tren de impulsos. Llamaremos fs (x) a tal tren de impulsos. Nótese que fs (x) es
una función continua que vale cero en todo el dominio, excepto en las posiciones
de las muestras,
∞
X
fs (x) = f (x)δ(x − nT )
n=−∞
1 x
= ( )f (x).
T T
La función shah es conocida, por esto, como la función de muestreo. En este
caso 1/T (x/T ) representa un tren de impulsos unitarios (el factor 1/T se explica
5.2 Convertidor análogo digital 129
f(x)
1/T Shah(x/T)
x
f[n]
=
(1 2 4 3 2) ∗l (1 2 2) = (1 4 10 15 16 10 4)
(1 2 4 3 2) ∗l (1 2 2) = (1 4 10 15 16 10 4)
(1 2 4 3 2) ∗l (1 2 2) = (1 4 10 15 16 10 4)
Evidentemente la convolución lineal diverge. Dado que las señales periódicas son
naturales para el análisis de señales discretas, es necesario definir la convolución
de ellas.
La convolución de señales discretas se conoce como convolución cı́clica. Sea
f [n] una secuencia de largo P y g[n] una secuencia de largo Q, con P ≥ Q. Se
define la convolución cı́clica como
Q−1
X
f [n] ∗ g[n] = f [n − m|P ]g[m]
m=0
y
h̃[n] = f˜[n] ∗ g̃[n]
donde h̃[n], f˜[n] y g̃[n] tienen periodos iguales a h[n], f [n] y g[n] respectivamente.
f˜[n] = ( −1, 4 − 1, 1 − 0, 4 0, 0 0, 1 − 0, 2 − 0, 4 − 0, 2 0, 3 0, 9
1, 1 0, 9 0, 6 0, 6 1, 1 1, 7 2, 1 2, 0 1, 7 1, 6)
y la función asinc
g̃[n] = ( 6, 5 2, 8 − 1, 3 − 0, 2 0, 8 − 0, 5 − 0, 2 0, 6 − 0, 3 − 0, 2
0, 5 − 0, 2 − 0, 3 0, 6 − 0, 2 − 0, 5 0, 8 − 0, 2 − 1, 3 2, 8)
es
La figura 5.2 muestra una representación gráfica en que las señales son dispuestas
en forma circular (de ahı́ el nombre cı́clica).
(a) f [n]
(b) g[n]
Figura 5.2: convolucion cı́clica (c) entre un asinc (b) y una función cualquiera
(a)
134 Muestreo, sistemas lineales y convolución discreta
Sea f [n] la señal de entrada al sistema lineal discreto L{·}. La salida g[n]
estará dada por
g[n] = L{f [n]},
pero f [n] puede ser descompuesta como
∞
X
f [n] = f [m]δ[n − m],
m=−∞
de manera que la respuesta del sistema a la función delta, h[n, m] = L{δ[n − m]}
(para todos los valores de n y m) es suficiente para definir el sistema por completo:
∞
X
g[n] = f [m]h[n, m].
m=−∞
por lo que
∞
X
g[n] = f [m]h[n − m].
m=−∞
5.6 Respuesta al impulso 135
Esta última ecuación es una convolución lineal de las funciones f [n] y h[n],
5.7. Ejercicios
1. Muestre que una función periódica p(t) de perı́odo unitario siempre puede
ser expresada en la forma (t) ∗ f (t) de infinitas maneras. Relacione esto
con el hecho que infinitas funciones distintas pueden compartir el mismo
conjunto de muestras.
a) (1 2 1) ∗ (1 2 1)
b) (1 2 1) ∗l (1 2 1)
c) (1 1) ∗l (1 1 1 4 1 1 1)
d) (1 − 1) ∗l (1 1 1 4 1 1 1)
e) (1 0 1 0) ∗ (0 1 0 1)
f ) (1 0 1 0) ∗l (0 1 0 1)
g) (1 1) ∗l (1 1) ∗l (1 1)
h) (1 − 1) ∗l (1 − 1)
i) (1 − 1) ∗l (1 − 1) ∗l (1 − 1)
j ) (1 0 0 0 0) ∗ (1 2 3 4 5)
k ) (0 0 0 0 1) ∗ (1 2 3 4 5)
5. Conecte uno o más (los menos posibles) de los siguientes bloques para re-
alizar una convolución cı́clica discreta entre f [n] y g[n], ambas de largo
N.
h es la correlación discreta lineal entre f y g.
g es una secuencia con los mismos elementos que f pero en orden
inverso.
5.7 Ejercicios 137
8. Se tiene una señal discreta f [n] que corresponde a las muestras de f (t)
a intervalos t = 1. Para recuperar f (t) a partir de las muestras se pro-
pone emplear primero una interpolación del vecino más cercano y luego un
promedio móvil, es decir,
Z t+1/2
fˆ(t) = fN (ξ)dξ
t−1/2
6.1. Introducción
La teorı́a de sistemas lineales continuos, incluyendo el análisis de Fourier,
habı́a alcanzado un gran desarrollo cuando aparecieron los sistemas digitales y
los primeros computadores. A partir de entonces los sistemas discretos han ido
tomando cada vez más importancia.
A pesar que es posible presentar los sistemas discretos como una teorı́a inde-
pendiente, hemos preferido presentarlos en conexión con los sistemas continuos y
ası́ aprovechar la intuición ya formada en éstos. Obtendremos la transformada de
Fourier discreta a partir de la continua apoyándonos en los conceptos relativos al
muestreo de señales.
Las distintas formas que adopta la transformada de Fourier quedan determi-
nadas por el tipo de señal que se está interesado en examinar, es ası́ como para
realizar un análisis de frecuencia de una señal discreta, es necesario antes definir
una transformada de Fourier de tiempo discreto o DTFT (Discrete Time Fourier
139
140 Transformada de Fourier discreta
po
em
Aperiódica Periódica
Ti
Aperiódica
Continua
FT DFFT
DTFT DFT
Discreta
Periódica
ia
nc
Continua Discreta
ue
ec
Fr
Figura 6.1: Transformada de Fourier de tiempo discreto
que es equivalente a
Z 1/T
f (t) = F̃ (u)ei2πut du,
0
porque en el intervalo [−1/2T, 1/2T ] las funciones F (u) y F̃ (u) son idénticas y
porque se supone F (u) = 0 fuera de ese intervalo. Ya que F̃ (u) es periódica el
intervalo se puede reemplazar por [0, 1/T ].
142 Transformada de Fourier discreta
f(t) F(u)
t u
Shah(t/T) Shah(Tu)
x *
t u
f[n] F(u)
= =
t u
Para encontrar f [n] a partir de f (t), usamos f [n] = T f (nT ), por lo que la
transformada de Fourier de tiempo discreto inversa es
Z 1/T
f [n] = T F̃ (u)ei2πunT du.
0
f(t)
F(u)
t u
x
Shah(t/T)
* Shah(Tu)
t u
=
f[n]
= F(u)
t u
La DTFT de g[n] es
N
X
G̃(u) = e−i2πunT
n=−N
τ
con T = 2N +1
Redefiniendo n como m-N se tiene
2N
X
G̃(u) = e−i2πu(m−N )T
m=0
2N
X
= ei2πuN T e−i2πumT
m=0
1 − e−i2πu(2N +1)T
G̃(u) = ei2πuN T
1 − e−i2πuT
144 Transformada de Fourier discreta
cio
Aperiódica Periódica
pa
Es
Aperiódica
Continua
FT DFFT
DTFT DFT
Discreta
Periódica
ia
nc
Continua Discreta
ue
ec
Fr
Figura 6.4: Transformada de Fourier de frecuencia discreta
análoga a la DTFT vamos a derivar una expresión para la DFFT empleando una
función auxiliar f (x). Esta función será limitada en el espacio, es decir, f (x) = 0
para |x| > 1/2U . La transformada de Fourier de f (x), F (u) será muestreada
a intervalos regulares en la frecuencia de largo U . Al igual que para la DTFT
emplearemos muestreo de área:
F [k] = U F (kU ).
que es equivalente a
Z 1/U
F (u) = f˜(x)e−i2πux dx,
0
porque en el intervalo [−1/2U, 1/2U ] las funciones f (x) y f˜(x) son idénticas y
porque se supone f (x) = 0 fuera de ese intervalo. Ya que f˜(t) es periódica el
intervalo se puede reemplazar por [0, 1/U ].
146 Transformada de Fourier discreta
f(x) F(u)
x u
Shah(Ux) Shah(u/U)
* x
x u
f(x) F[k]
= =
x u
Para encontrar F [k] a partir de F (u), usamos F [k] = U F (kU ), por lo que la
transformada de Fourier de frecuencia discreta es
Z 1/U
F [k] = U f˜(x)e−i2πkU x dx
0
T
T
1 1
Z Z
4
−i2πk Tx x
F [k] = e dx + e−i2πk T dx
T 0 T 3T
4
1 T −i2πk 41 −i2πk −i2πk 34
= (e −1+e −e )
T −i2πk
1 T kπ 3kπ
= (−i sen( ) + i sen( ))
T −i2πk 2 2
sen(kπ/2)
=
kπ
es decir,
1
sinc (k/2)
F [k] =
2
exactamente igual a las series de Fourier
cio
Aperiódica Periódica
pa
Es
Aperiódica
Continua
FT DFFT
DTFT DFT
Discreta
Periódica
ia
nc
Continua Discreta
ue
ec
Fr
Figura 6.6: Transformada de Fourier discreta
1 2π
donde T0 = U y ω0 = T0 .
f˜(x) −→ F [k]
f˜[n] = T f˜(nT ),
∞
f˜s (x) = (x/T )f˜(x) = T f˜(x)δ(x − nT ).
X
n=−∞
Z 1/U
F̃ [k] = U f˜s (x)e−i2πkU x dx
0
Z 1/U ∞
f˜(nT )δ(x − nT )e−i2πkU x dx
X
= UT
0 n=−∞
.
pero
1
f˜(nT ) = f˜[n]
T
de manera que la transformada se puede expresar en la siguiente forma (se de-
spejó el parámetro U )
N −1
1 X ˜
F̃ [k] = f [n]e−i2πkn/N
N T n=0
f [n] −→ F̃ (u)
Sea
F̃ [k] = U F̃ (kU )
y
∞
X
F̃s (u) = U F̃ (u)δ(u − kU ).
k=−∞
6.4 Transformada de Fourier discreta 151
Im f(t)
Im f(t) Im f(t)
t
t t
Re f(t)
Re f(t)
Re f(t)
Im f(t)
Im f(t)
Im f(t)
t t t
N −1
f˜[n] = T
X
F̃ [k]ei2πkn/N ,
k=0
152 Transformada de Fourier discreta
L
1 X −i2πkn/N
F̃ [k] = e
L
n=−L
si hacemos n = l − L
2L
1 X −i2π(l−L)k/N
F̃ [k] = e
L
l=0
reorganizando
2L
1 i2πLk/N X −i2πk/N l
F̃ [k] = e (e )
L
l=0
1 i2πLk/N 1 − e−i2π(2L+1)k/N
F̃ [k] = e
L 1 − e−i2πk/N
manipulando esta expresión, F̃ [k] se puede escribir como
1 sen[(2L + 1)πk/N ]
F̃ [k] =
L sen(πk/N )
o
1 sen[(2L + 1)πkU ]
F̃ (kU ) =
L sen(πkU )
asumiendo T = 1.
6.4 Transformada de Fourier discreta 153
f(x) F(u)
x u
Shah(x/T) Shah(Tu)
x *
x u
f[n] F(u)
= =
x u
Shah(Tx) Shah(u/T)
* x
x u
f[n] F[k]
= =
x u
Ejemplo 6.4.2 La figura 6.9 representa una señal real. Se trata de un tono de
teléfono (el número 6), ésta es una señal muestreada a 12,5 ms obteniéndose un
total de 400 muestras. Una simple observación de la señal revela la presencia de
dos sinusoides predominantes, incluso da la impresión que una de las sinusoides
predominantes tiene una frecuencia que es múltiplo de la otra. En la figura 6.10
se puede ver el módulo de la DFT de la señal. Se comprueba la existencia de dos
frecuencias fundamentales; una aproximadamente de 750 Hz y otra de 1450 Hz.
Como se esperaba de una señal real, la DFT es hermitiana, lo que se manifi-
esta como magnitud par.
F = Wf
donde
f = [ f [0] f [1] f [2] . . . f [N − 1] ]T ,
y
W 0·0 W 1·0 W 2·0 W (N −1)·0
···
W 0·1 W 1·1 W 2·1 ··· W (N −1)·1
1
W 0·2 W 1·2 W 2·2 ··· W (N −1)·2
W=
N
.. .. .. ..
. . . ··· .
W 0·(N −1) W 1·(N −1) W 2·(N −1) · · · W (N −1)·(N −1)
que es equivalente a
1 1 1 1
1
1 −i −1 i .
W=
N 1 −1 1 −1
1 i −1 −i
Ya que el módulo de cada elemento de la matriz es uno, la matriz se puede rep-
resentar por rotaciones en el cı́rculo unitario, dado por (cos(2π kn kn
N )−i sen(2π N )),
↑ ↑ ↑ ↑
1
↑ ← ↓ → ,
W=
N ↑ ↓ ↑ ↓
↑ → ↓ ←
↑ ↑ ↑ ↑ ↑ ↑ ↑ ↑
↑ - ← . ↓ & → %
↑ ← ↓ → ↑ ← ↓ →
↑ . → - ↓ % ← &
1
W= ↑ ↓ ↑ ↓ ↑ ↓ ↑ ↓
N ↑ & ← % ↓ - →
.
↑ → ↓ ← ↑ → ↓ ←
↑ % → & ↓ . ← -
f˜[n] −→ F̃ [k]
real par −→ real par
real impar −→ imaginaria impar
imaginaria par −→ imaginaria par
imaginaria impar −→ real impar
compleja par −→ compleja par
compleja impar −→ compleja impar
real −→ hermitiana
imaginaria −→ antihermitiana
1. Dualidad
1 ˜
DFT{DFT{f˜[n]}} = f [−n]
N
2. Conjugado
3. Inverso
f˜[−n] −→ F̃ [−k]
4. Superposición
Si f˜[n] y g̃[n] tienen periodos iguales, se tiene
5. Desplazamiento
Para todo a entero, se tiene
6. Operador diferencial
Para todo a entero, se tiene
n
F̃ [k] − F̃ [0]
f˜[j] −→
X
para k 6= 0.
j=0
1 − e−i2πk/N
Para k = 0 no hay una representación simple
N −1 n
1 XX ˜
F̃ [0] = f [j]
N n=0
j=0
9. Producto
Si f˜[n] y g̃[n] tienen periodos del mismo largo, se tiene:
f˜[n]g̃[n] −→ F̃ [k] ∗ G̃[k]
10. Área
N −1
f˜[n] = N F̃ [0]
X
n=0
N −1 N −1
|f˜[n]|2 = N
X X
|F̃ [k]|2
n=0 k=0
2
Equivalente al teorema de Parseval para series de Fourier
6.4 Transformada de Fourier discreta 159
f[n] F[k]
N n
−→ N k
fa[n] Fa[k]
N 2N n
−→ N 2N k
Figura 6.11: Función original con el valor absoluto de su DFT y función acolchada
con el valor absoluto de su DFT
n −→ k
n −→ k
Figura 6.12: Señal original con la magnitud de su DFT y señal estirada con la
magnitud de su DFT
subdividiendo x̃[n]
1 X X
X̃[k] = ( x̃[n]e−i2πkn/N + x̃[n]e−i2πkn/N )
N n par
n impar
G(0)
x(0) 2X(0)
DFT WN0
G(1)
x(2) 2X(1)
N WN
1
G(2)
x(4) 2 2X(2)
2
WN
G(3)
x(6) 2X(3)
WN3
x(1) 2X(4)
H(0)
DFT WN4
x(3) 2X(5)
N H(1)
WN5
x(5) 2 2X(6)
H(2) 6
WN
x(7) 2X(7)
H(3) 7
WN
Figura 6.13: Diagrama para el cálculo de la FFT en el que se calcula una DFT
de N componentes como 2 DFT de N2 componentes (para N = 8)
Por último, si llamamos a la DFT de los pares G̃[k] y a la de los impares H̃[k],
podemos reescribir esta expresión como
y[0] = ae
y[1] = af + be
y[2] = ag + bf + ce
y[3] = bg + cf + de
y[4] = cg + df
y[5] = dg
y
ũ[0] = ae + cg + df
ũ[1] = af + be + dg
ũ[2] = ag + bf + ce
ũ[3] = bg + cf + de
Las diferencias entre y[n] y ũ[n], en los primeros cuatro valores, están mar-
cadas en negrita. Lo que pasó es que y[5] se sumó con y[1] e y[4] con y[0], como
si alguien hubiera escrito el vector en una esfera y los dos últimos términos se
sobrepusieron a los dos primeros. Este fenómeno se conoce como aliasión. Para
evitarlo se puede acolchar x̃[n].
Sea
x̃[n] = (a, b, c, d, 0, 0)
ahora
ũ[n] = x̃[n] ∗ h̃[n]
con lo que
y[n] = ũ[n]
para un periodo de ũ[n].
x̃[n] = (a, b, 0, 0, 0, 0, c, d)
h̃[n] = (a0 , b0 , 0, 0, 0, 0, c0 , d0 )
Aplicando DFT se tiene
1
x̃[n] −→ (A, α, B, β, C, γ, D, δ)
2
1
h̃[n] −→ (A0 , α0 , B 0 , β 0 , C 0 , γ 0 , D0 , δ0 )
2
donde α, β, γ y δ son los términos que aparecen por interpolación sinc (propiedad
de acolchamiento). Luego, utilizando la propiedad de la convolución
1
ỹ[n] −→ (AA0 , αα0 , BB 0 , ββ 0 , CC 0 , γγ 0 , DD0 , δδ0 )
4
f(x) F(u)
x uL u
Shah(x/T) Shah(Tu)
x *
T x 1/T u
f[n] F(u)
= =
x u
sinc(x/T) rect(Tu)
* x
x u
f(x) F(u)
= =
x u
f(x) F(u)
x uL u
Shah(x/T) Shah(Tu)
x *
T x 1/T u
f[n] F(u)
= =
x u
sinc(x/T) rect(Tu)
* x
x u
f(x) F(u)
= =
x u
f(x) F(u)
x uL u
Shah(x/T) Shah(Tu)
x *
T x 1/T u
f[n] F(u)
= =
... ...
x u
sinc(x/T) rect(Tu)
* x
x u
f(x) F(u)
= =
x u
f(x)
Im F(u)
x u
Shah(x/T) Shah(Tu)
x *
T x u
1/T
f[n] Im Fm(u)
= =
x u
g(x)
Im G(u)
x u
Shah(x/T) Shah(Tu)
x *
T x 1/T u
g[n] Im Gm(u)
= =
x u
g(x)
G(u)
x u
Shah(us x)
x * Shah(u/us)
1/us x us u
gs[n]
= = G(u)
x u
h(x)
* x H(u)
x us/2 u
= f(x)
= F(u)
x u
Figura 6.19: Obtención de dos funciones que coinciden en las muestras, una ilim-
itada, g(x), y otra limitada, f(x), en frecuencia (continúa)
174 Transformada de Fourier discreta
Shah(us x)
x *
1/us x us u
= =
fs[n]
x u
f(x)
F(u)
Tc x
1/Tc u
h(x/3Tc)
H(u)
x *
x
T= 1.5Tc u
=
=
x
u
Shah(x/3Tc) Shah(3Tcu)
* x
1/u1 x u1 u
f(x)
= F[k]
=
x
1/Tc k
f(x)
F(u)
Tc x
1/Tc u
h(x/3.5Tc) H(u)
x *
x u
T= 1.75Tc
fa(x)
= Fa(u)
=
x
u
Shah(x/3.5Tc) Shah(3.5Tc u
* x
x u
f[k]
f(x) =
=
x k
efecto.
En la figura 6.21 la función f (x) = cos( 2πx Tc ) se apodiza en primer lugar
x
mediante u( 3Tc ). Luego se muestrea en el dominio de la frecuencia con el tren de
pulsos (3Tc u). Como resultado todas las muestras coinciden con los cruces por
cero, excepto para las frecuencias 1/Tc y −1/Tc , lo que corresponde exactamente
a la transformada de Fourier de cos( 2πx Tc ). En este caso debido a la elección de
la función no hay derrame. En la figura 6.22 se realiza el mismo procedimiento,
x
pero esta vez se apodiza con u( 3,5T c
). Al muestrear en el dominio de la frecuencia
se produce un corrimiento de las muestras, efecto que llamaremos derrame y
que en este caso se manifiesta, en el dominio del tiempo, como la unión de dos
cosenos desfasados entre sı́. Para subsanar esta situación en el caso de funciones
periódicas es necesario considerar una longitud de la apodización que corresponda
a un múltiplo entero del periodo de la función a muestrear.
En el caso general la ventana de apodización debe ser suave de modo de
minimizar el derrame.
f(x) F(u)
x u
g(x) G(u)
* x
T x 1/2 T u
fl(x) Fl(u)
= =
x u
h(x)
h(u)
x *
x
T0 u
= FL(u)
fL(x)
=
x u
Shah(x/T) Shah(Tu)
x *
T x 1/T u
fd[n]
= Fp(u)
n u
Shah(x/T0) Shah(T0 u)
* x
T0 x 1/T0 u
f[n]
= F[k]
n k
6.7. Ejercicios
1. Encuentre el análogo a todas las propiedades de la FT que sean aplicables
a la DTFT y la DFFT. De un ejemplo didáctico y ojalá gráfico para cada
una. Las propiedades deben incluir (por lo menos):
a) similaridad
b) linealidad
c) desplazamiento
d) convolución
e) multiplicación
f ) modulación
g) diferenciación
h) integración
a) f [n] = 0, 8n [n]
b) f [n] = (−0, 8)n [n]
c) f [n] = a|n| con 0 < a < 1
d) f [n] = cos ω0 nT
e) f [n] = sen ω0 nT
Compruebe que M [k] = N F [k]G[k]. ¿Qué propiedad debe tener f [n] y g[n]
para que H[k] = N F [k]G[k], por lo menos en algún intervalo?
14. Es común emplear un discretizador de orden cero (zero order hold) para
obtener muestras de una señal continua. La salida f0 (t) del discretizador es
Diseñe un filtro que tome como entrada f0 (t) y cuya salida sea f (t) (Nótese
que este filtro es sólo teórico porque no se puede realizar, entre otras cosas,
porque incluye un retardo negativo). Aplique el filtro a la señal f0 (kT ):
{...0, 0, a, b, c, d, e, 0, 0, ...} correspondientes a k = {...-2, -1, 0, 1, 2, 3, 4,
5, 6, ...}, y estime el valor de f (0, 5T ) y f (0, 9T ). AYUDA: Diseñe dos filtros
en cascadas. El primero obtiene un tren de impulsos de fuerza equivalente a
la amplitud de f0 (t) a partir de f0 (t). Este filtro se puede obtener de dividir
en el dominio de la frecuencia la salida por la entrada. El segundo filtro
realiza una interpolación sinc en los impulsos.
¿Si f (t) es limitada en el tiempo (f (t) = 0 para |t| > N T /2) cómo se
diferencian fu [n] y fd [n] con ft [n]? ¿Si f (t) no es limitada en el tiempo
(f (t) 6= 0 para |t| > N T /2) cómo se diferencian fu [n] y fd [n] con ft [n]?
Responda las preguntas (4 respuestas) en forma cualitativa dando un argu-
mento matemático.
√
19. Sea DTFT{f [n]} = sen πu + 2 y el escalón discreto definido por [n] = 1
si n ≥ 0 y 0 si n < 0. Calcule f [n] ∗l [n] evaluada en −∞ y +∞.
20. ¿Por qué f (x) y su derivada en la ecuación A.10 del apéndice A deben ser
continuas?
∞
X νπx
f (x) = bν sen
l
ν=1
21. Sea F̃ [k] la DFT de f˜[n] de largo N par. Encuentre, en función de los
elementos de f˜[n],
∞
t − nT0
f˜(t) =
X
u( ).
n=−∞
τ
abs() fase()
1 1
0.5 0
0 −1
100 5 10 15 20 2000 5 10 15 20
5 100
0 0
100 5 10 15 20 2000 5 10 15 20
5 100
0 0
100 5 10 15 20 2000 5 10 15 20
5 100
0 0
100 5 10 15 20 4000 5 10 15 20
5 200
0 0
100 5 10 15 20 2000 5 10 15 20
5 100
0 0
0 5 10 15 20 0 5 10 15 20
par).
F [k] = 2f [k] + f [k + N/2]
a) f˜[n] = (1 − 1)
b) f˜[n] = (1 0)
c) f˜[n] = (0 1)
d) f˜[n] = (1)
con casθ = cos θ + sen θ. La DHT es especialmente útil para f [n], y con-
secuentemente F [k], real. Encuentre la propiedad del desplazamiento para
la DHT, es decir, exprese la transformada DHT de f [n + a] en función de
F [k], la transformada de f [n].
36. Hartley II. Encuentre la propiedad del estiramiento con factor 2 para
la DHT. Es decir, encuentre la DHT de la función g[n] de largo 2N , si
g[2m] = f [n] y g[2m + 1] = 0, (m = 0..N − 1) en función de la DHT de
f [n]. Demuestre su resultado.
38. Se tienen unos walkie-talkies para comunicar audio con contenidos de fre-
cuencia sólo en el rango 1 a 2 kHz. ¿Si se dispone de una licencia para
emplear las frecuencias de radio de 88,1 a 88,2 MHz, cuál es el máximo
número de canales de modulación AM independientes que se pueden tener?
¿Cuáles serı́an las frecuencias de modulación de cada uno?
a) F = fft([1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1]);
b) F = fft([1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1]);
190 Transformada de Fourier discreta
x = -32:31; % lı́nea 1
a = fftshift(exp(-pi/4*x.^2)); % lı́nea 2
y = % lı́nea 3
Y = fft(y); % lı́nea 4
plot(x,real(Y),’o’,x,imag(Y),’+’); % lı́nea 5
(a, b + 2i, c, b, a, b, c, b, a, b, c, b, a, b, c, b)
42. Los pulsos empleados en radares son de la forma “pı́o” para facilitar la
detección de ecos. La señal pı́o es
2 /T
p(t) = u(t/Tm )eiπW t m
Después de esta prueba escuche la función pı́o y especule por qué se llama
ası́.
Encuentre α y N .
c) Si p = 1 y N es múltiplo de 4, se tiene que P [k], la DFT de p[n], es
también un pı́o discreto. Encuentre P [k].
43. Se desea diseñar un implante para el caracol del oı́do humano que funciona
de la siguiente manera:
45. Suponga que Romualdo programó una rutina para obtener la DFT: F =
calculaDFT(f,N), donde f y F son vectores de largo N. Desgraciadamente
Romualdo se equivocó y usó la siguiente definición:
N −1
1 X
F [k] = f [n]e−i4πkn/N
N n=0
49. ¿Cómo se llama el fenómeno que ocurre cuando una señal continua es
muestreada sin cumplir con la frecuencia de Nyquist?
sum(abs(fft(x)) - abs(fft(fftshift(x))))
54. Encuentre los productos internos < a(m), b(n) > para todo m, n = 0 . . . N−1
donde a(m) = [a0 (m) a1 (m) . . . aN −1 (m)] y b(n) = [b0 (n) b1 (n) . . . bN −1 (n)]
con
ak (m) = ei2πkm/N y bk (n) = ei2πkn/N .
56. Escriba una lı́nea de comando de Matlab que encuentre la DFT del vector
x con la definición vista en el curso, y no la de Matlab que se reproduce
aquı́ (tomado de help fft).
194 Transformada de Fourier discreta
195
196 Transformada Z
po
em
Aperiódica Periódica
Ti
Aperiódica
Continua
FT DFFT
DTFT DFT
Discreta
Periódica
Transformada Z
ia
nc
Continua Discreta
ue
ec
Fr
Figura 7.1: Clasificación de las transformadas según periocidad y continuidad
Como se supone que F (s) = 0 para |u| > 1/2T y además F (s) y F̃ (s) son idénticas
en un periodo,
Z c+i2π/T
1
f (t) = F̃ (s)est ds α<c<β
i2π c
que finalmente es
c+i2π/T
T
Z
f [n] = F̃ (s)esnT ds α<c<β
i2π c
la idea es multiplicar la señal f [n] por una exponencial discreta e−σnT antes de
tomar la transformada de Fourier,
∞
X
F̃ (s) = F̃ (σ + i2πu) = DTFT{f [n]e−σnT } = f [n]e−(σ+i2πu)nT
n=−∞
7.3. Transformada Z
7.3.1. Definición
Supóngase que para ahorrar escritura se definiera la variable z como z = esT .
La DTLT serı́a entonces
X∞
F (z) = f [n]z −n .
n=−∞
La transformada Z es
∞
X 1 1
F (z) = ( n
[n] + n [n])z −n
n=−∞
2 3
∞ ∞
X 1 X 1
F (z) = ( z −1 )n + ( z −1 )n
2 3
n=0 n=0
1 1
F (z) = 1 −1 +
1− 2z 1 − 13 z −1
2 − 65 z −1
=
(1 − 21 z −1 )(1 − 13 z −1 )
Es natural preguntarse por qué la transformada Z se llama ası́, y más aún, quién la
descubrió (nunca he sabido si las fórmulas se inventan o descubren). La transformada
Z, como fórmula fue empleada por De Moivre (1667 - 1754), quien la introdujo como
función generadora de momentos en teorı́a de probabilidades
∞
X
Γ(z) = p[n]z n
n=−∞
donde p[n] es la probabilidad que una variable aleatoria tome el valor n [7]. Más
tarde fue extensamente empleada por Laplace (1749 - 1827) en su forma continua,
la transformada de Laplace, también como función generadora de momentos.
Debido al advenimiento de los computadores digitales y los sistema de muestreo,
a comienzos de la década de 1950 se renovó el interés en esta transformada. Los
primeros intentos de caracterizar sistemas discretos entrada-salida en el dominio de
frecuencia por parte de Shannon (1945) fueron en base a la transformada de Fourier.
Luego Hurewicz (1947) emplea las funciones generadoras de momentos, llamadas
transformada de Laplace generalizadas por Stone (1948), y que finalmente son lla-
madas transformadas Z por Ragazzini y Zadeh (1952). Ellos además establecen clara-
mente su correspondencia con la transformada de Laplace (llamada transformada S
por Salzer, 1951) [18, 14]
o si rα = eαT y rβ = eβT
rα < |z| < rβ
202 Transformada Z
1111111
0000000
0 1
1 0u
0000000
1111111
0 1
1 0 Im z
0000000
1111111
0 1
1
000000
1111110
0000000
1111111
0
1
000000
1111110
1
0
1
000000
111111
0000
1111
000
1110
1
0
1
0000
1111
000
1110
1
0
1
0000
1111
000
111
0
1 0
1
0
1 11111111111111
00000000000000
0000
1111
000
111
0
1 0
1 00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 00000000000000
11111111111111
0000000000
1111111111
00000000000000
11111111111111
0000
1111
000
111
0
1
0000
1111
000
1110
1 0000000000
1111111111
00000000000000
11111111111111
0
1
0000
1111
000
1110
1 0000000000
1111111111
00000000000000
11111111111111
0
1
0000
1111
000
1110
1 0000000000
1111111111
00000000000000
11111111111111
0
1
0000
1111
000
111
0
1 0
1
0
1 0000000000
1111111111
00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 0000000000
1111111111
00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 0000000000
1111111111
00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 0000000000
1111111111
00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 0000000000
1111111111
00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 0000000000
1111111111
00000000000000
11111111111111
0000000000
1111111111
0000
1111
000
111
0
1
0000
1111
000
111
0 1
1
0
1
00 σ 00000000000000
11111111111111
0000000000 1
1111111111
00000000000000
11111111111111
0000000000
1111111111 Re z
0000
1111
000
111
0
1 0
1 00000000000000
11111111111111
0000000000
1111111111
0000
1111
000
111
0
1 0
1 00000000000000
11111111111111
0000000000
1111111111
00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 0000000000
1111111111
00000000000000
11111111111111
0000
1111
000
111
0
1
0000
1111
000
1110
1 0000000000
1111111111
00000000000000
11111111111111
0
1
0000
1111
000
1110
1 0000000000
1111111111
00000000000000
11111111111111
0
1
0000
1111
000
111
0
1 0
1
0
1 00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 00000000000000
11111111111111
0000
1111
000
111
0
1 0
1 00000000000000
11111111111111
0000
1111
000
111
0 1
1 0
1 00000000000000
11111111111111
0000
1111
000
111
0
1
000000
1111110
0000
1111
000
111
0
1
000000
1111110
1
0
1
000000
1111110
1
0
1
0000000
1111111
000000
1111110
1
0
1
0000000
11111110
1
0
1
0 1
0000000
1111111
1 0
0
1
0000000
1111111
La función z = esT crea una correspondencia entre los puntos del plano s y
el plano z (ambos son complejos). La correspondencia es fácilmente apreciable si
se escribe
z = esT = eσT ei2πuT
donde la primera exponencial es el módulo de z,
|z| = eσT
F (z) tiene un valor finito para todo z, con la posible excepción del origen,
por lo que la región de convergencia es todo el plano z.
1 1 2 − 56 z −1
( )n [n] + ( )n [n] −→
2 3 (1 − 12 z −1 )(1 − 31 z −1 )
P n 1
La serie geométrica x = 1−x converge solo para |x| < 1 por lo tanto
1 1
| z −1 |< 1 y | z −1 |< 1
2 3
o equivalentemente
1 1
| z |> y | z |>
2 3
es decir la región de convergencia es
1
| z |>
2
la región de convergencia se puede observar en la figura 7.3.
1/2 1
1
Figura 7.3: | z |> 2
y
g[n] −→ G(z) sα < |z| < sβ
Se tienen las siguientes propiedades:
1. Linealidad
2. Inversión
f [−n] −→ F (z −1 ) rα < |z|−1 < rβ
3. Desplazamiento
4. Convolución
5. Diferenciación en la frecuencia
d
nf [n] −→ −z F (z) rα < |z| < rβ
dz
7.5 Polos y ceros en el plano Z 205
6. Escalamiento en frecuencia
7. Decimación
f(k) [n] −→ F (z k ) rα < |z|1/k < rβ
donde
f [n/k] si n es múltiplo de k
f(k) [n] =
0 otro caso
1 1 2 − 56 z −1
( )n [n] + ( )n [n] −→
2 3 (1 − 12 z −1 )(1 − 31 z −1 )
1 1 5
Los polos son 2 y 3 y los ceros son 0 y 12 .
206 Transformada Z
7.6. Ejercicios
1. Encuentre la transformada Z y grafique los polos, ceros y región de conver-
gencia de las siguientes funciones:
a) f [n] = 0, 5n [n]
b) f [n] = (−0, 5)n [n]
c) f [n] = 0, 5|n|
d) f [n] = (0, 4 + 0, 3i)n [n]
e) f [n] = ( 12 )n [n] + ( 13 )n [n]
f ) f [n] = [n] sen 0, 8n
g) f [n] = 0, 7n [n] cos 0, 8n
a)
z −1 − 5
Fa (z) =
(az −1 − 1)(bz −1 − 1)
b)
z −1 − 5
Fb (z) =
(az −1 − 1)(bz −1 + 1)
c)
z −2 − z −1 − 5
Fc (z) =
(az −1 − 1)(bz −1 + 1)
d)
z −3 + 2z −2 − z −1 − 5
Fd (z) =
(az −1 − 1)(bz −1 + 1)(0, 2z −1 − 1)
a)
g[n] = f [n] + 0, 5f [n − 1] + 0, 3f [n − 2]
b)
g[n] = f [n] + 0, 5f [n − 1] + 0, 2g[n − 1] + 0, 1g[n − 2]
c)
g[n] = f [n] + 0, 5f [n − 1] + 0, 2g[n − 1] + g[n − 2]
1 − z −1
H(z) =
(1 − 0, 5z −1 )(1 + 0, 3z −1 )
b)
∞ −n
X 1
sen 0, 1n
3
n=0
c)
∞
X
e−0,3n sen 0, 1n
n=0
d)
∞
X
2−2n sen2 0, 1n
n=0
10. Se tiene un sistema lineal causal, descrito por y 0 (t) + ay(t) = x(t). Para
simularlo en el computador se discretiza empleando la aproximación y 0 (t) ≈
y(nT ) − y(nT − T ).
b)
N
X
F (z) = (2/3)k z −k
k=−N
z−2
F (z) =
(z + 0,4)(z − 0,3)
17. Sea G(z −1 ) una transformada Z racional con polos singulares en λ0 , λ1 ,...
que puede ser expresada por su expansión en fracciones parciales:
P (z −1 ) ρ0 ρ1
G(z −1 ) = = + + ···
D(z −1 ) 1 − λ0 z −1 1 − λ1 z −1
Encuentre
P (z −1 )
xj = 0 −1
D (z ) z=λj
19. Se tiene el sistema discreto de entrada x[n] y salida y[n], definido por la
ecuación de diferencias siguiente
2 + 3z + 4z 2
F (z) =
z 4 + 2z 3 + z − 8
(No se conoce la región de convergencia).
23. Los filtros peineta tienen valores nulos que aparecen a frecuencias regulares.
Entre otras aplicaciones son usados para eliminar armónicas. El filtro que
toma una media móvil descrito por la siguiente ecuación es un filtro peineta
M
1 X
y[n] = x[n − k]
M +1
k=0
29. Encuentre los valores de f [n], para −4 < n < 4, la transformada Z inversa
de
z 2 + 2z − 1
F (z) = 3 |z| < rα
z + 2z 2 + 3z 3 + 4
30. Se sabe que la región de convergencia de la transformada Z de una señal
f [n] derecha (f [n] = 0 para n < n0 ) se extiende hacia afuera del cı́rculo
|z| = rα , para algún rα . Encuentre los valores de n0 para que esa región de
convergencia incluya a z = ∞.
32. Para los mismo pares de la pregunta anterior, encuentre los equivalentes
para la transformada Z.
Si bien la transformada de Fourier y Laplace son las más usadas, por lo que les
hemos dedicado una gran proporción de este libro, también existen otras trans-
formadas que revisaremos brevemente en este capı́tulo. Presentaremos primero
algunas transformadas continuas, luego discretas y terminaremos con una dis-
cusión de transformadas de frecuencia discreta, o series.
213
214 Otras transformadas
Nótese que la transformada coseno ignora los valores de f (x) para x < 0 y asume
implı́citamente que f (x) es par.
Análogamente se define k(u, x) = 2 sen 2πx (x) en la transformada seno
Z ∞
FS (u) = 2 f (x) sen 2πux dx,
0
La transformada seno también ignora los valores de f (x) para x < 0 y asume
implı́citamente que f (x) es impar.
Ambas transformadas se relacionan con la transformada de Fourier por
y su inversa Z ∞
f (r) = 2π FH (q)J0 (2πqr)q dq
0
8.1 Transformadas continuas 215
( z2 )n
Z π
Jn (z) = cos(z cos φ) sen2n φ dφ.
Γ(n + 21 )Γ( 12 ) 0
cuya inversa es
c+i∞
1
Z
f (x) = FM (s)x−s ds.
2πi c−i∞
La transformada de Mellin está relacionada con la transformada de Laplace,
a través del cambio de variable x = e−t .
f(r)
Abel Hankel
f(x) Fourier
F(q)
Figura 8.1: Relación entre las transformadas de Abel, Fourier y Hankel para fun-
ciones circularmente simétricas
y su transformada inversa es
∞
1 FHi (s)
Z
f (x) = − ds.
π −∞ s−x
con
1 x2
gα (x) = √ e− 4α ,
2 πα
se tiene la transformada de Gabor,
Z ∞
Fbα (u) = f (x)gα (x − b)e−i2πux dx,
−∞
cuya inversa es
∞
ei2πux
Z
f (x) = Fbα (u) du.
−∞ gα (x − b)
real real
imag imag
x x
(a) α = 2 (b) α = 1
real real
imag imag
x x
F = Wf
La matriz W está formada por los vectores fila Wk . Cada una de las posibles
matrices W define una transformada diferente. Para que la transformada tenga
inversa se requiere que W −1 exista.
En el capı́tulo 6 se vio en detalle la transformada de Fourier discreta. En esta
sección se presentan otras transformadas discretas.
es decir, r
2 − δ[k] πk(2n + 1)
Wk [n] = cos ,
N 2N
y su inversa es
N −1
r
X 2 − δ[k] πk(2n + 1)
f [n] = FC [k] cos .
N 2N
k=0
es decir, r
2 π(n + 1)(k + 1)
Wk [n] = sen ,
N +1 N +1
220 Otras transformadas
y su inversa es
r N −1
2 X π(n + 1)(k + 1)
f [n] = FS [k] sen .
N +1 N +1
n=0
N
X −1 n−1
Y
f [n] = FW [k] (−1)bi (n)bn−1−i (k) .
k=0 i=0
1 1 1 1 1 1 1 1
1 1 1 1 −1 −1 −1 −1
1 1 −1 −1 1 1 −1 −1
1 1 −1 −1 −1 −1 1 1
W= 1
,
−1 1 −1 1 −1 1 −1
1 −1 1 −1 −1 1 −1 1
1 −1 −1 1 1 −1 −1 1
1 −1 −1 1 −1 1 1 −1
y la de Hadamard
1 1 1 1 1 1 1 1
1 −1 1 −1 1 −1 1 −1
1 1 −1 −1 1 1 −1 −1
1 −1 −1 1 1 −1 −1 1
W= .
1 1 1 1 −1 −1 −1 −1
1 −1 1 −1 −1 1 −1 1
1 1 −1 −1 −1 −1 1 1
1 −1 −1 1 −1 1 1 −1
8.3. Series
8.3.1. Introducción
Una función expresada como una serie es la suma de las funciones bases
ponderadas por los coeficientes de la serie. Por ejemplo, la serie de Fourier suma
senos y cosenos para representar funciones periódicas. Naturalmente, se pueden
222 Otras transformadas
definir series que emplean bases no sinusoidales. Para que sea posible encontrar
los coeficientes de la serie a partir de la función original, es necesario que la base
sea una clase ortogonal de funciones. Por otro lado, para que la expansión exista
es necesario que la base sea un conjunto ortogonal completo y que la función
original cumpla con las condiciones de Dirichlet (ver nota al pie de página 69).
Las funciones Wk (x) son ortogonales en el rango [x1 , x2 ] con respecto a la
ponderación p(x) si
Z x2
p(x)Wj (x)Wk∗ (x) dx = λk δ[j − k],
x1
1 dk 2
Pk (x) = (x − 1)k ,
2k k! dxk
y son ortogonales en el rango −1 ≤ x ≤ 1 con el ponderador
p(x) = 1
1
2
Z
Pj (x)Pk (x) dx = δ[j − k].
−1 2k + 1
La transformada de Legendre se puede definir como
2k + 1 1
Z
F [k] = f (x)Pk (x) dx
2 −1
y su inversa
∞
X
f (x) = F [k]Pk (x) − 1 ≤ x ≤ 1.
k=0
2 − δ[k] 1 1
Z
F [k] = f (x) √ Tk (x) dx
π −1 1 − x2
y su inversa
∞
X
f (x) = F [k]Tk (x) − 1 ≤ x ≤ 1.
k=0
8.4 Ejercicios 225
8.4. Ejercicios
1. Encuentre la transformada coseno y seno de u(x).
es Z ∞
f (x) = F (u)k(ux) du
0
si K(s)K(1 − s) = 1, donde K(s) es la transformada de Mellin de k(x).
7. Demuestre que
1
F = − K ∗ FA0
π
donde Z ∞
FA (x) = K(x − r)F (r) dr
0
con
1
K(x) = √ (−x).
−x
Esta es la versión modificada de la transformada de Abel.
2
8. Si f (r) = e−πr , encuentre la transformada de Abel, fA (x) y la transformada
de Hankel, F (q). Compruebe que la transformada de Fourier de fA (x) es
F (q).
9. Encuentre la señal analı́tica f (t) − iFHi (t) para f (t) = cos ωt.
226 Otras transformadas
10. Muestre que la magnitud del espectro de una señal f (x) y la magnitud del
espectro de su transformada de Hilbert, FHi (x) son iguales. ¿Qué puede
decir de las fases?
9.1. Funciones
Una función de dos dimensiones puede definirse por una fórmula de la for-
ma f (x, y) que asigna un valor, real o complejo, para cada posición x e y. La
función f (x, y) se dice separable si f (x, y) = f1 (x)f2 (y).
p La función f (x, y) es cir-
cularmente simétrica si f (x, y) sólo depende de r = x2 + y 2 , es decir, se puede
expresar como f (r).
227
228 Transformada de Fourier en dos dimensiones
Gauss(x,y)
9.1.1. Gauss
Empleando la misma definición que para una dimensión, tenemos
2 +y 2 ) 2
Gauss(x, y) = Gauss(r) = e−π(x = e−πr .
La figura 9.1 muestra un gráfico de esta función. Esta es una función separable,
ya que
Gauss(x, y) = Gauss(x)Gauss(y).
Al igual que para una dimensión, la función de Gauss en dos dimensiones se
transforma en sı́ misma.
9.1.2. Uno
La función uno en dos dimensiones representa un plano de altura uno, es decir,
1(x, y) = 1.
1(x, y) = 1(x)1(y).
9.1.3. Rect
La función rect en dos dimensiones se define como
si |x| < 12 e |y| < 12
1
u(x, y) =
0 en todo otro caso
9.1 Funciones 229
rect(x,y)
circ(x,y)
si r = x2 + y 2 < 21
p
1
circ (x, y) = u(r) =
0 en todo otro caso.
230 Transformada de Fourier en dos dimensiones
sgn(x,y)
y
9.1.4. Signo
En dos dimensiones se define la función signo como
xy
sgn(x, y) = ,
|xy|
9.1.5. Jinc
Debido a la importancia que tiene la función circ y su transformada de Fourier,
es conveniente definir la función jinc. La función jinc es una función de una
dimensión definida como
J1 (πx)
jinc x =
2x
donde J1 es la función de Bessel de primer tipo y primer orden ( jinc (0) = π/4).
La función jinc en una dimensión se grafica en la figura 9.5.
La función jinc interpretada como una función circularmente simétrica de dos
dimensiones, en la que la variable independiente es el radio se aprecia en la figura
9.6. Esta es la transformada de Fourier de la función circ.
9.1 Funciones 231
jinc x
jinc r
p
Figura 9.6: jinc x2 + y 2
232 Transformada de Fourier en dos dimensiones
9.1.6. Impulso
Al igual que para una dimensión, es muy útil definir un impulso en dos di-
mensiones. Este representa una cantidad muy intensa y localizada en el espacio.
Se define el impulso en dos dimensiones de manera que satisface las siguientes
dos condiciones:
2
δ(x, y) = 0 x 6= 0 ó y 6= 0
y Z ∞ Z ∞
2
δ(x, y) dx dy = 1.
−∞ −∞
Esto significa que la amplitud del impulso es infinito en el origen. Para traba-
jar con este sı́mbolo es conveniente definir una función aproximante que tienda
al impulso, por ejemplo se puede usar la siguiente definición
2 1 x y
δ(x, y) = lı́m u ( , ).
τ →0 τ2 τ τ
De esta definición se puede apreciar que la función impulso es separable ya que
la función rect lo es, es decir,
2
δ(x, y) = δ(x)δ(y).
∂f x
=p
∂x x + y2
2
y
∂f y
=p ,
∂y x + y2
2
por lo que s
∂f 2 ∂f
|∇f | = ( ) + ( )2 = 1.
∂x ∂y
Es decir, un impulso de lı́nea circular tiene magnitud unitaria (volumen unitario
por unidad de longitud). En otras palabras la integral de volumen en todo el
espacio es 2πR.
9.1.8. Shah
Para muestrear una función de dos dimensiones en forma uniforme resulta
muy conveniente definir el sı́mbolo shah de dos dimensiones
∞
X ∞
X
2
(x, y) = δ(x − n, y − m).
n=−∞ m=−∞
El sı́mbolo shah distribuye impulsos en una malla cartesiana con separación uni-
taria entre ellos. Si cada impulso es representado por una flecha, shah parece una
cama de clavos.
Por separabilidad del impulso se tiene que
donde g(x, y) es la salida del sistema lineal L{·} a la entrada f (x, y).
La respuesta al impulso es
Es decir,
u(x)δ(y) ∗ δ(x) u (y) = u(x, y)
y su inversa como
Z ∞ Z ∞
f (x, y) = F (u, v)ei2π(ux+vy) du dv,
−∞ −∞
Las funciones bases tienen magnitud uno y una fase que varı́a linealmente en la
dirección definida por el vector [u v]. En la figura 9.8 se observa la parte real e
imaginaria de algunas de estas funciones
9.3.2. Propiedades
La mayorı́a de las propiedades de la transformada de Fourier en una dimen-
sión (sección 3.5) se pueden extender en forma inmediata a dos dimensiones. Si
f (x, y) −→ F (u, v) y g(x, y) −→ G(u, v), se tiene
1. Dualidad
F (x, y) −→ f (−u, −v)
2. Linealidad
Si a y b son constantes (reales o complejas) se tiene:
3. Similitud o Escalamiento
Si a y b son constantes reales, se tiene:
1 u v
f (ax, by) −→ F( , )
|ab| a b
4. Desplazamiento
Si a y b son constantes reales, se tiene:
f (x − a, y − b) −→ e−i2π(au+bv) F (u, v)
9.3 Transformada de Fourier 237
y y y
y
x x x
x
y y
y y
x x
x x
y y y
y
x x x
x
(e) u = 0, v = 0 (f) u = 0, v = 0, 5
Real(f(x,y)) Im(f(x,y)) Im(f(x,y))
Real(f(x,y))
y y y
y
x x x
x
y y
x x
(i) u = 0, 5, v = 0, 5
Figura 9.8: Partes real (cos 2π(ux+vy)) e imaginaria (sen 2π(ux+vy)) de algunas
bases de Fourier en dos dimensiones
238 Transformada de Fourier en dos dimensiones
5. Convolución
f (x, y) ∗ g(x, y) −→ F (u, v)G(u, v)
6. Producto
f (x, y)g(x, y) −→ F (u, v) ∗ G(u, v)
7. Teorema de la Potencia
Z ∞Z ∞ Z ∞ Z ∞
∗
f (x, y)g (x, y) dx dy = F (u, v)G∗ (u, v) du dv
−∞ −∞ −∞ −∞
9. Derivada
∂
f (x, y) −→ i2πuF (u, v)
∂x
y
∂
f (x, y) −→ i2πvF (u, v).
∂y
También se tiene
2
∂2
∂
+ + f (x, y) −→ −2π 2 (u2 + v 2 )F (u, v)
∂x2 ∂y 2
1. Separabilidad
Si f (x, y) es separable, es decir puede expresarse como
la transformada de Fourier es
2. Transformación afı́n
Ya se presentó la propiedad del escalamiento para la transformada de Fouri-
er de dos dimensiones. Esta propiedad permite conocer cómo se modifica la
transformada de Fourier si el plano x-y es “remapeado” al plano ax-by. Es
indudable, que éste es un caso particular de transformación afı́n. La pre-
gunta es cómo cambia la transformada de Fourier al realizar el siguiente
cambio de variable
x0 = S x x + σ x y + x0 e y 0 = σy x + S y y + y 0 .
Si σx = σy = 0 y x0 = y0 = 0 (∆ = Sx Sy ), se tiene la propiedad de
escalamiento,
1 u v
f (Sx x, Sy y) −→ F , .
|Sx Sy | Sx Sy
Si Sx = cos θ, Sy = cos θ, σx = − sen θ, σy = sen θ y x0 = y0 = 0 (∆ = 1),
se tiene la propiedad de la rotación
f (x cos θ − y sen θ, x sen θ + y cos θ) −→ F (u cos θ − v sen θ, u sen θ + v cos θ),
9.3.3. Ejemplos
A continuación se presentan algunos ejemplos simples de transformadas de
Fourier en dos dimensiones. Nótese que r 2 = x2 + y 2 , q 2 = u2 + v 2 , x = r cos θ,
y = r sen θ, u = q cos φ y v = q sen φ.
2 2
Gauss(x, y) −→ Gauss(u, v) (e−πr −→ e−πq )
2
δ(x, y) −→ 1(u, v)
1(x, y) −→ 2 δ(u, v)
δ(x) −→ δ(v)
δ(y) −→ δ(u)
(x, y) −→ (u, v)
(x) −→ (u)δ(v)
↑↑ (x)δ(y) −→ cos πu
↑↑ (x) −→ δ(v) cos πu
u(r) −→ jinc q
2 2
Gauss(x) −→ Gauss(u)δ(v) (e−πx −→ e−πu δ(v))
−1
sgn(x, y) −→
π 2 uv
sen 2θ −→ 2 δ(u, v) sen 2φ
2 2
e−πr sen 2θ −→ e−πq sen 2φ
La transformada inversa es
N −1 M −1
f˜[n, m] =
X X
F̃ [k, l]ei2π(nk/N +ml/M ) .
k=0 l=0
f(x,y)
Ejemplo 9.4.1 En este ejemplo se verá cómo cambia la 2DFT de un rect discre-
to a medida que se modifican sus dimensiones. Todas las imágenes de este ejemplo
tienen un tamaño de 256 × 256. Debido a que el rect es simétrico y está centrado
con respecto al origen, la 2DFT no tiene parte imaginaria y se puede mostrar
244 Transformada de Fourier en dos dimensiones
10
12
14
16
18
2 4 6 8 10 12 14 16 18
10
12
14
16
18
2 4 6 8 10 12 14 16 18
10
12
14
16
18
2 4 6 8 10 12 14 16 18
10
12
14
16
18
2 4 6 8 10 12 14 16 18
De estos casos se puede concluir que el espesor del asinc (medido entre cruces
por cero del lóbulo principal) es el número de veces que el rect cabe en la imagen
multiplicado por dos. Es decir, cada pixel de la 2DFT tiene unidades de ciclos
por imagen. Esto es fácil de apreciar si la función es un coseno. La figura 9.13
muestra la 2DFT de f [n, m] = cos 3πn/N , donde se puede ver que los impulsos
están a 3 pixeles del origen, correspondiendo a una frecuencia del coseno de 3
ciclos por imagen.
Finalmente, si el rect sólo tiene un espesor de 5 pixeles, los cruces por cero
del asinc están a aproximadamente 50 pixeles del origen, como se puede apreciar
en la figura 9.14.
9.5. Ejercicios
1. Encuentre la transformada de Fourier en 2D para las siguientes funciones:
u(x/a) u (y/b); u(x/a) u (y/b − 0, 5); y u(x/a − 0, 5) u (y/b). Explique por
qué F (0, 0) es el mismo para los tres casos. Explique por qué F (u, 0) es el
mismo para los dos primeros casos.
5. Sea f3 (x, y) = f1 (x, y)∗f2 (x, y). f1 y f2 son comprimidos en x por un factor
k. ¿Cuál es la relación entre f4 (x, y) = f1 (kx, y) ∗ f2 (kx, y) y f3 (x, y)?
9. Calcule la magnitud
√ (volumen por unidad de longitud) del impulso de linea
δ(y − x2 ) en x = 2, y = 2.
a) u(x) u (y)
b) u(x)δ(x, y)
c) (x)δ(y)
d) (x, y) u (y)
11. Se tiene una señal discreta de dos dimensiones f [n, m] cuya 2DFT es F [k, l].
Encuentre la matriz WNM para N = 2 y M = 4 de manera que
F [0, 0] f [0, 0]
F [1, 0] f [1, 0]
F [0, 1] f [0, 1]
F [1, 1] f [1, 1]
=W
NM f [0, 2]
F [0, 2]
F [1, 2] f [1, 2]
F [0, 3] f [0, 3]
F [1, 3] f [1, 3]
250 Transformada de Fourier en dos dimensiones
APÉNDICE A
CONTEXTO HISTÓRICO DE LA
TEORÍA DE FOURIER
Para entender cómo Fourier llegó a la idea de expresar una función como
una suma de senos y cosenos, lo que hoy conocemos como series de Fourier, es
necesario comprender primero el problema que estaba resolviendo [15].
Al igual que otros cientı́ficos de su época, Fourier se dedicó a estudiar el
problema de la transmisión del calor. El flujo de calor era de interés como un
problema práctico, en el manejo de metales en la industria, y como un problema
cientı́fico, en el intento de determinar la temperatura en el interior de la tierra, la
variación de esa temperatura con el tiempo, y preguntas por el estilo. En el interior
de un cuerpo que está ganando o perdiendo calor, generalmente la temperatura
no está uniformente distribuida y cambia en cada lugar con el tiempo. Es decir, la
temperatura T es una función del tiempo y del espacio. Esta función depende de
la forma del cuerpo, la densidad, el calor especı́fico del material, la distribución
inicial de T , y las condiciones en la superficie del cuerpo. El primer problema
mayor que abordó Fourier en su libro fue la determinación de la distribución de
temperatura T en un cuerpo homogéneo e isotrópico en función de x, y, z y t. El
demostró, en base a principios fı́sicos que T debe satisfacer la ecuación diferencial
parcial, conocida como la ecuación de calor, en tres dimensiones,
2
∂2T ∂2T
∂ T ∂T
+ + = k2 (A.1)
∂x2 ∂y 2 ∂z 2 ∂t
251
252 Contexto histórico de la teorı́a de Fourier
y la condición inicial
Para resolver este problema, Fourier, al igual que d’Alambert en 1763, em-
pleó el método de la separación de variables. Escribió
Cada una de estas fracciones debe ser una constante, digamos −λ, de manera que
y
ψ 0 (t) + λψ(t) = 0. (A.7)
Las condiciones de borde (A.3), y en vista de (A.5), implican que φ(0) = 0 y
φ(l) = 0. La solución general de (A.6) es
√
φ(x) = b sen( λkx + c)
Estos λν son los que ahora nosotros llamamos valores propios. Como la solución
a (A.7) es de la forma exponencial, y λ ya está limitado a los valores λν , Fourier
tenı́a hasta ahı́ que
νπ 2 νπx
Tν (x, t) = bν e−( kl ) t sen
l
donde ahora bν es la constante en vez de b y ν = 1, 2, 3, ..., pero la ecuación (A.2)
es lineal por lo que la suma de soluciones es también una solución, con lo que
Fourier encontró
∞
X νπ 2 νπx
T (x, t) = bν e−( kl ) t sen (A.9)
l
ν=1
Para satisfacer la condición inicial (A.4), se debe tener para t = 0
∞
X νπx
f (x) = bν sen (A.10)
ν=1
l
Fourier tomó cada función seno y la expandió en una serie de potencias por el
teorema de Maclaurin, es decir, usó
∞
X (−1)n−1 ν 2n−1
sen νx = x2n−1 (A.12)
n=1
(2n − 1)!
De esta manera expresó f (x) como una serie de potencias en x, lo que impone
una fuerte restricción en f (x) que no fue presupuesta. Esta serie debe ser la serie
de Maclaurin para f (x),
∞
X 1 (k)
f (x) = f (0)xk . (A.14)
k!
k=0
254 Contexto histórico de la teorı́a de Fourier
Como las derivadas de f (x) son conocidas porque f (x) es la condición inicial
dada, se tiene que los bν son un conjunto infinito de incógnitas en un sistema
algebraico de infinitas ecuaciones lineales.
En un problema anterior, donde se habı́a econtrado con el mismo tipo de
sistema de ecuaciones, Fourier tomó los primeros k términos y las constantes del
lado derecho de las primeras k ecuaciones. Resolvió el sistema de k ecuaciones
obteniendo una expresión general para bν,k , que es la proximación de bν , y con-
cluyó que bν = lı́mk→∞ bν,k . Pero, esta vez no resultó tan sencillo. Optó por tomar
muchas funciones f (x) y mostró como determinar los bν para cada una de ellas
por procedimientos muy complicados que involucraban expresiones divergentes.
Usando estos casos epeciales como guı́a, fue capaz de obtener una expresión para
bν en base a productos y sumas infinitas. Fourier se dio cuenta que esta expre-
sión era, en general, inútil, por lo que con pasos osados e ingeniosos, aunque
cuestionables, llegó a la fórmula
2 π
Z
bν = f (ξ) sen νξ dξ (A.15)
π 0
Esta conclusión en cierta forma no era nueva. Euler (1729) y Clairaut (1757)
habı́an expandido algunas funciones en series de Fourier y habı́an obtenido las
fórmulas
1 π 1 π
Z Z
an = f (x) cos nx dx bn = f (x) sen nx dx n ≥ 1 (A.16)
π −π π −π
Aún más, los resultados de Fourier hasta ahı́ derivados eran limitados porque
asumı́an que f (x) tenı́a una expansión de Maclaurin, lo que significa un número
infinito de derivadas. Finalmente, el método de Fourier era, ciertamente, no
riguroso y más complicado que el de Euler. Mientras Fourier tenı́a que usar
un sistema de ecuaciones lineales infinito, Euler simplemente se basaba en las
propiedades de las funciones trigonométricas.
Pero Fourier en ese momento hizo una observación genial. Notó que cada bν
puede ser interpretado como el área bajo la curva y = π2 f (x) sen νx para x entre
0 y π. Un área de este tipo tiene sentido incluso para funciones muy arbitrarias.
La función no necesita ser continua o se puede conocer sólo gráficamente. Fourier
255
Esta posibilidad habı́a sido rechazada por todos los grandes maestros del siglo
dieciocho, excepto por Daniel Bernoulli.
Cuánto sabı́a Fourier del trabajo de sus predecesores no está claro. En una
publicación de 1825 él dice que Lacroix lo ha informado del trabajo de Euler, pero
no dice cúando sucede esto. En todo caso, Fourier no fue amilanado por la opinión
de sus predecesores. Tomó una gran variedad de funciones f (x), calculó algunos
bν para cada función y graficó la suma de los primeros términos de la serie (A.17).
De esta evidencia gráfica él concluye que la serie siempre representa f (x) en el
intervalo 0 < x < π, independientemente de lo que sucede fuera del intervalo. En
su libro dice que dos funciones pueden igualarse un un intervalo determinado pero
no necesariamente fuera de él. La incapacidad de los matemáticos anteriores a él
de ver ésto, explica por qué no podı́an aceptar que una función arbitraria pueda
ser expandida en series trigonométricas. Lo que la serie entrega es una función
periódica en la que un perı́odo, en este caso de 0 a π, coincide con la función
f (x).
Una vez obtenido este resultado simple para bν , Fourier, como Euler, se da
cuenta que cada bν puede ser obtenido multiplicando la serie (A.17) por sen νx e
integrando de 0 a π. También estableció que este procedimiento es aplicable a la
representación
∞
a0 X
f (x) = + aν cos νx (A.18)
2
ν=1
sueltos y en la discusión final acerca de este punto da los lineamientos de una de-
mostración. Pero incluso ahı́, Fourier no establece las condiciones que la función
debe satisfacer. De todas maneras, su convicción de que la expansión es siem-
pre posible queda demostrada a lo largo de todo el libro. También dice que su
serie converge sin importar qué sea f (x), si tiene o no una expresión analı́tica o
si sigue o no alguna regla. Su convicción se basaba en la evidencia geométrica,
relativo a lo cual él dice “Nada nos parece más apropiado que la construcción
geométrica para demostrar la verdad de los nuevos resultados y para manifestar
comprensiblemente la forma que el análisis usa para sus expresiones”.
El trabajo de Fourier significó una serie de avances cientı́ficos importantes.
Además de avanzar en el desarrollo de las ecuaciones diferenciales parciales,
forzó la revisión del concepto de función que ya no necesariamente requerı́a de una
expresión analı́tica, en oposición al pensamiento de Euler y Lagrange. Su trabajo
marca un quiebre de las funciones analı́ticas, es decir, que se puedan expandir en
series de Taylor.
El trabajo de Fourier explicitó también otro hecho que estaba implı́cito en el
trabajo de Euler y Laplace. Ellos habı́an expandidos algunas funciones en series de
funciones de Bessel y polinomios de Legendre para resolver problemas especı́ficos.
El hecho general que una función puede ser expandida en una serie de funciones
como las funciones trigonométricas, las funciones de Bessel o los polinomios de
Legendre salió a la luz gracias a Fourier.
Possoin (1781–1840), uno de los grandes del análisis del siglo 19 y fı́sico
matemático de primera clase que habı́a sido muy crı́tico del trabajo de Fouri-
er, fue fuertemente impresionado por los resultados de éste, que se convenció que
todas las ecuaciones diferenciales parciales pueden ser resueltas por expansión en
series. También creı́a que si una expansión divergı́a siginificaba que no se habı́a
elegido correctamente las funciones de la serie. Obviamente, Poisson fue demasi-
ado optimista.
La forma más exitosa para resolver ecuaciones diferenciales parciales fue la
integral de Fourier que surge del trabajo preliminar de Laplace. La idea se debe a
Fourier, Cauchy y Poisson. Es imposible asignar prioridades del descubrimiento,
porque los tres presentaron trabajos orales en la Academia de Ciencias que no
fueron publicados hasta un tiempo después. Además se escucharon entre ellos.
APÉNDICE B
EXPANSIÓN EN FRACCIONES
PARCIALES
B(s) B(s)
F (s) = = ,
A(s) (s − a1 )(s − a2 ) · · · (s − an )
B(s) K1 K2 Kn
F (s) = = + + ··· + .
A(s) (s − a1 ) (s − a2 ) (s − an )
B(s)(s − ai )
Ki = lı́m .
s→ai A(s)
257
258 Expansión en fracciones parciales
2s2 + 7s + 10
F (s) = .
(s + 1)3
Sabemos que
C2 C1 C0
F (s) = + 2
+ .
(s + 1) (s + 1) (s + 1)3
F (s)(s + 1)3 = 2s2 + 7s + 10
por lo que
C0 = lı́m 2s2 + 7s + 10 = 5
s→−1
C1 = lı́m 4s + 7 = 3
s→−1
y
1
C2 = lı́m 4 = 2,
s→−1 2!
es decir,
2s2 + 7s + 10 2 3 5
3
= + 2
+ .
(s + 1) (s + 1) (s + 1) (s + 1)3
BIBLIOGRAFÍA
[7] W. K. Chen, “The Circuits and Filters”, CRC Press, IEEE Press, 1995.
259
260 BIBLIOGRAFÍA
[14] E. I. Jury, “Sampled-Data Control Systems” John Wiley & Sons, 1958.
261
262 ÍNDICE ALFABÉTICO