Transf Fourier

Transformada de Fourier
Dr. Ing. Leonardo Rey Vega

Se nales y Sistemas (66.74 y 86.05)
Facultad de Ingeniera
Universidad de Buenos Aires
Agosto 2013
Se nales y Sistemas (66.74 y 86.05) Transformada de Fourier 1/61
Resumen
1
Representaci on de se nales de tiempo continuo
2
Propiedades de la transformada de Fourier de tiempo continuo
3
Sistemas LTI continuos y la transformada de Fourier
4
Representaci on de se nales de tiempo discreto
5
Propiedades de la transformada de Fourier de tiempo discreto
6
Caracterizacion de sistemas LTI discretos a traves de la transformada de Fourier
Transformada de Fourier en tiempo continuo I
Consideremos una se nal x(t). Se dene la transformada de Fourier de x(t) o
X(j) T x(t) como:
X(j) =
_

x(t)e
jt
dt, R
La denicion dada arriba de la transformada de Fourier tiene sentido siempre y
cuando X(j) este bien denida!! Es decir la integral debe existir para todo y
ser nita!! Esto por ejemplo se cumple si x(t) L
1
(R).
La transformada de Fourier T se debe interpretar como un operador que mapea
se nales x(t) en un determinado espacio vectorial y entrega se nales X(j) en otro
espacio vectorial donde podamos obtener caracterizaciones utiles de la se nal
original. Sera de interes asegurar que dicho operador sea invertible. Esto es que
podamos encontrar un operador T
1
que dada la transformada de Fourier X(j)
nos permita recuperar la se nal original x(t)!
Gran parte del analisis de Fourier se ocupa de lograr esto!
Transformada de Fourier en tiempo continuo II
La anti-transformada de Fourier x(t) = T
1
X(j) se dene como:
x(t) =
1
2
_

X(j)e
jt
d, t R
siempre y cuando la integral tenga sentido y este bien denida!
Nos gustara tener x(t) = x(t) t.
Sin ser rigurosos podemos escribir:
x(t) = lim
M
1
2
_
M
M
__

x(u)e
ju
du
_
e
jt
d
= lim
M
_

x(u)
_
1
2
_
M
M
e
j(tu)
d
_
du
= lim
M
_

x(u)
sin (M(t u))
(t u)
du
Vamos a denir la funcion sinc normalizada como:
sinc(t)
sin (t)
t
,
_

sinc(t)dt = 1 Como integral impropia!!

Transformada de Fourier en tiempo continuo III
x(t) = lim
M
_

x(u)
M
sinc
_
M
(t u)
_
du
4 3 2 1 0 1 2 3 4
2
1
0
1
2
3
4
5
t
A
m
p
l
i
t
u
d

M=1
M=2
M=5
M=10
M=15
Vemos que la funcion
M
sinc
_
M
(t u)
_
converge a una
delta de Dirac posicionada en t
cuando M !
Sin realizar ning un analisis riguroso vemos plausible que x(t) = x(t).
Lamentablemente esto no es cierto en general! Ni siquiera para funciones
continuas en t!
Transformada de Fourier en tiempo continuo IV
Un caso donde esto se cumple es cuando las se nales x(t) son innitamente
diferenciables y decrecen hacia cero muy r apido (espacio de funciones de
Schwartz!).
Sin embargo, tenemos un equivalente al teorema de Dirichlet para las series de
Fourier:
Teorema
Sea x(t) L
1
(R) de variaci on acotada sobre cualquier intervalo nito de la recta.
Entonces vale:
lim
M
_

x(u)
M
sinc
_
M
(t u)
_
du =
1
2
_
x(t 0
) +x(t + 0
+
)
_
Con las hipotesis del teorema tenemos que de la misma forma que la serie de
Fourier, en una discontinuidad la anti-transformada de Fourier converge al
promedio de los valores de la misma!
Transformada de Fourier en tiempo continuo V
Sin embargo, como en el caso de la serie de Fourier, y sin prestar atencion a la
convergencia puntual de la anti-transformada de Fourier, podemos decir algo m as
sobre los pares transformada y anti-transformada para se nales de energa nita.
Teorema (Plancherel)
Sobre el espacio L
2
(R) el operador x(t) T [x(t)] es biyectivo. Es decir, si
T [x
1
(t)] = T [x
2
(t)] (en el sentido cuadr atico) entonces x
1
(t) = x
2
(t) (en el
sentido cuadr atico). Ademas para cada x(t) L
2
(R) existe su transformada de
Fourier X(j) T [x(t)] la cual es de energa nita. As mismo para cada se nal
X(j) L
2
(R) existe x(t) T
1
[X(j)] tambien de energa nita. Ademas se
cumple la relaci on de Parseval:
_

[x(t)[
2
dt =
1
2
_

[X(j)[
2
d
Podemos transformar se nales temporales de L
2
(R) y volver a recuperarlas
antitransformando!! Y adem as nos mantenemos en el mismo espacio vectorial!!
Transformada de Fourier en tiempo continuo VI
Algunas consideraciones:
La igualdad entre x(t) y F
1
[X(j)] se puede interpretar como:
lim
M
x(t)
1
2
M
M
X(j)e
jt
d
2
dt = 0
Esto es la energa del error se puede hacer tan peque na como se quiera (Similar a la
serie de Fourier!).
El operador F : L
2
(R) L
2
(R) dene una isometra en dicho espacio. Como denira
los productos internos involucrados en el espacio de llegada y el de salida??
Notar que existe una dualidad interesante entre una se nal y su transformada. Sea
x(t) L
2
(R) y X(j) = F [x(t)]. Entonces lo siguiente es cierto:
x(t) =
1
2
F [X(j)] , x(t) =
1
2
R[F [X(j)]]
donde R[x(t)] = x(t) es el operador reexion temporal. Es claro que esto muestra que:
F
1
[] =
1
2
R[F []] =
1
2
F [R[]]
Es posible denir la transformada de Fourier en L
2
R
N
con exactamente las mismas

propiedades que para el caso con N = 1:
X(j) =
R
N
x(t)e
jt
dt, R
N
x(t) =
1
2
R
N
X(j)e
jt
d, t R
N
Transformada de Fourier desde la Serie de Fourier I
Lo anterior fue una introduccion formal a la transformada de Fourier. Veamos
ahora otra interpretaci on no rigurosa pero intuitiva. Consideremos una se nal x(t)
que es cero para [t[ > T
1
. La misma no es periodica.
Sin embargo podemos construir una se nal periodica x(t) con periodo T > 2T
1
, de
forma tal que en cada periodo tengamos x(t).
Podemos calcular al serie de Fourier!!
Transformada de Fourier desde la Serie de Fourier II
Tenemos que:
x(t) =
k=
a
k
e
jk
0
t
, a
k
=
1
T
_
T/2
T/2
x(t)e
jk
0
t
dt,
0
=
2
T
Pero cuando [t[ < T/2, tenemos que x(t) = x(t). Ademas para [t[ > T/2 tenemos
que x(t) = 0. Entonces podemos escribir:
a
k
=
1
T
_
T/2
T/2
x(t)e
jk
0
t
dt =
1
T
_

x(t)e
jk
0
t
dt
Con X(j) =
_
x(t)e
jt
dt podemos escribir:
a
k
=
1
T
X(j)
=k
0
=
1
T
X(jk
0
)
Entonces podemos escribir:
x(t) =
k=
1
T
X(jk
0
)e
jk
0
t
=
1
2
k=
X(jk
0
)e
jk
0
t
0
Transformada de Fourier desde la Serie de Fourier III
Cuando T tenemos que x(t) x(t) t R. Ademas
0
0. El lado
derecho de la ultima ecuacion se convierte en una integral (muy similar al
analisis que hicimos para la convoluci on en tiempo continuo!):
x(t) =
1
2
_

X(j)e
jt
d
Mientras por medio de la serie de Fourier podemos representar una se nal peri odica
a traves de una superposicion de exponenciales con arm onicos en un conjunto
discreto, a traves de la transformada de Fourier podemos representar una se nal no
peri odica como una superposici on de exponenciales cuyos armonicos forman un
continuo!!
Notar que podemos recorrer el camino inverso: partimos de una se nal periodica
x(t), la cual es igual a x(t) en un perodo. Es claro que podemos recuperar los
coecientes de Fourier de x(t) a traves de un muestreo equiespaciado de la
transformada de Fourier X(j) de x(t) :
a
k
=
1
T
X(j)
=k
0
Ejemplos I
1) Consideremos el pulso rectangular:
x(t) =
_
1 [t[ < T
1
0 [t[ > T
1
La transformada de Fourier:
X(j) =
_
T
1
T
1
e
jt
d =
e
j
jt
T
1
T
1
= 2
sin (T
1
)
= 2T
1
sinc
_
T
1
_
Consideremos ahora
X(j) =
_
1 [[ < W
0 [[ > W
Si usamos la dualidad de la transformada de Fourier (x(t) =
1
2
1[T [X(j)]]):
x(t) =
1
2
_
2Wsinc
_
Wt
__
=
W
sinc
_
Wt
_
La dualidad puede ser una herramienta muy util para explotar simetras y
ahorrarnos cuentas!!
Ejemplos II
2) Consideremos la se nal gaussiana x(t) =
1
2
e
t
2
2
2
con > 0. La
transformada de Fourier:
X(j) =
_

2
e
t
2
2
2
e
jt
dt = e
2
2
donde hemos usado que
_

e
(at
2
+2bt)
dt =
_
a
e
b
2
a
, a > 0
15 10 5 0 5 10 15
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
t
A
m
p
l
i
t
u
d

=1
=5
=10
5 4 3 2 1 0 1 2 3 4 5
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
A
m
p
l
i
t
u
d

=1
=5
=10
Ejemplos III
En los ejemplos previos observamos algo interesante:
En el caso del pulso cuadrado si aumentamos T
1
el pulso en el tiempo se
hace mas ancho, mientras que X(j) se contrae, haciendose el lobulo
principal de la funci on sinc cada vez mas alto.
En el caso del pulso gaussiano, si aumentamos el pulso en el tiempo se hace
mas ancho mientras que la transformada de Fourier se cada vez mas angosta.
Este comportamiento dual es caracterstico de todo par transformado:
+localizaci on temporal - localizaci on espectral
-localizaci on temporal + localizacion espectral
Existe un lmite a lo que se puede resolver en tiempo y en frecuencia en forma
simult anea: principio de incertidumbre (ver ejercicios sugeridos!)
Ejemplos IV
3) Consideremos la delta de Dirac (t). Aunque no podemos decir que
(t) L
2
(R) (recordemos que ni siquiera es una funcion!!), podemos denir su
transformada de Fourier en un sentido distribucional:
X(j) =
_

(t)e
jt
dt = 1
Podemos pensar que de alguna forma un impulso unitario tiene contribuciones de
todos los arm onicos posibles en forma pareja!!
Ademas podemos escribir:
(t) =
1
2
_

e
jt
d
Usando el hecho de que sin t es una funcion impar y que cos t es una funcion
par podemos expresar el impulso unitario tambien como:
(t) =
1
_

0
cos (t)d
Ejemplos V
4) Consideremos una se nal cuya transformada de Fourier la podemos escribir como
X(j) = 2(
0
). La se nal que tiene esta transformada se puede determinar
como:
x(t) =
1
2
_

2(
0
)e
jt
d = e
j
0
t
Supongamos entonces que tenemos una se nal en el tiempo x(t) que se puede
representarse como:
x(t) =
k=
a
k
e
jk
0
t
Es claro que dicha se nal es peri odica con periodo T =
2
0
. La transformada de
Fourier puede calcularse como (aplicando linealidad, que es una de las propiedad
de la transformada de Fourier que veremos a continuacion!):
X(j) = T [x(t)] = T
_
_
k=
a
k
e
jk
0
t
_
_
=
k=
a
k
T
_
e
jk
0
t
_
=
k=
2a
k
(
0
)
La transformada de Fourier de una se nal periodica es un tren de impulsos, cada
uno pesado por 2a
k
donde a
k
son los coecientes de Fourier de la se nal!!
Propiedades de la transformada de tiempo continuo I
Vamos a asumir que las se nales a considerar son tales que existe su transformada
de Fourier
Linealidad: Sean x(t) e y(t) funciones tales que X(j) = T [x(t)] y
Y (j) = T [y(t)]. Tenemos que:
T [ax(t) +by(t)] = aX(j) +bY (j), a, b C
Probarlo!!
Desplazamiento temporal: Sea x(t) tal que X(j) = T [x(t)]. Tenemos
que:
T [x(t t
0
)] = e
j
0
t
X(j)
Probarlo!!
Conjugaci on y simetra conjugada: Sea x(t) tal que X(j) = T [x(t)].
Tenemos que:
T [x
(t)] = X
(j)
Probarlo!! Que sucede con la transformada de Fourier de se nales reales?? Y
con las de se nales reales que son pares e impares?? Analice la parte real e
imaginaria, el modulo y la fase de la transformada de Fourier para todos
estos casos!!
Propiedades de la transformada de tiempo continuo II
Escalamiento en tiempo y frecuencia: Sea x(t) tal que
X(j) = T [x(t)]. Tenemos que:
T [x(at)] =
1
[a[
X
_
j
a
_
, a R
Probarlo!! Notar que en esta propiedad vemos claramente el compromiso
entre localizacion temporal y frecuencial!!
Derivaci on: Sea x(t) tal que X(j) = T [x(t)]. Tenemos que:
T
_
dx(t)
dt
_
= jX(j)
Probarlo!!
Integraci on: Sea x(t) tal que X(j) = T [x(t)]. Supongamos que
_
x()d = 0. Tenemos que:

T
__
t
x()d
_
=
X(j)
j
Propiedades de la transformada de tiempo continuo III
Proof: Podemos aplicar integracion por partes
T
__
t
x()d
_
=
_

__
t
x()d
_
e
jt
dt
=
_
t
x()d
e
jt
j
+
1
j
_

x(t)e
jt
dt
=
X(j)
j
(1)
En el caso de que
_
x()d ,= 0 debemos compensar el valor de continua con

un impulso. La expresi on para ese caso:
T
__
t
x()d
_
=
X(j)
j
+X(0)()
Notar que X(0) =
_
x()d.
Propiedades de la transformada de tiempo continuo IV
Convoluci on: Sea x(t) tal que X(j) = T [x(t)] y y(t) tal que
Y (j) = T [y(t)]. Sea z(t) = x(t) y(t). Tenemos:
T [z(t)] = X(j)Y (j)
Proof: Podemos escribir lo siguiente:
T [z(t)] =
_

__

x()y(t )d
_
e
jt
dt
=
_

x()
__

y(t )e
jt
dt
_
d
=
_

x()Y (j)e
j
d
= X(j)Y (j)
Esta propiedad es sin duda una de las mas importantes de la transformada de
Fourier!! Nos sera de mucha utilidad para analizar sistemas LTI!!
Propiedades de la transformada de tiempo continuo V
Multiplicaci on en el tiempo: Sea x(t) tal que X(j) = T [x(t)] y y(t) tal
que Y (j) = T [y(t)]. Sea z(t) = x(t)y(t). Tenemos:
T [z(t)] =
1
2
[X(j) Y (j)]
Proof: Usemos la dualidad entre los pares transformados. Podemos escribir:
z(t) =
1
2
1
_
T
_
1
2
X(j) Y (j)
__
=
1
4
2
1[T [X(j) Y (j)]]
=
1
4
2
1
_
4
2
x(t)y(t)
_
= x(t)y(t)
Esta propiedad es sin duda tambien una de las m as importantes de la
transformada de Fourier!! Nos sera de mucha utilidad para el tema de muestreo!!
Es una propiedad muy importante tambien en el contexto de sistemas de
comunicaciones!!
Propiedades de la transformada de tiempo continuo VI
Un ejemplo muy concreto de la propiedad de multiplicaci on lo provee el siguiente
problema. Sea x(t) = cos (
0
t) e y(t) una se nal cuya transformada de Fourier vale
Y (j) y que es cero para [[ > W. La transformada de Fourier de x(t):
X(j) =
_

cos (
0
t)e
jt
dt
=
1
2
__

_
e
j
0
t
+e
j
0
t
_
e
jt
dt
_
= [(
0
) +( +
0
)]
Es claro entonces que la transformada de Fourier de z(t) = y(t) cos (
0
t) se puede
escribir:
Z(j) =
1
2
[Y (j(
0
)) +Y (j( +
0
))]
Sistemas LTI y transformada de Fourier I
En una clase previa denimos la respuesta en frecuencia de un sistema LTI con
respuesta al impulso h(t) como:
H(j) =
_

h(t)e
jt
dt
La respuesta en frecuencia de un sistema LTI no es otra cosa que la transformada
de Fourier de su respuesta al impulso!!!
Ademas por la propiedad de convoluci on sabemos que la respuesta y(t) del sistema
LTI con respuesta al impulso h(t) a una entrada x(t) puede caracterizarse tambien
como:
Y (j) = H(j)X(j)
La ecuacion anterior caracteriza, as como lo haca la integral de convoluci on, en
forma completa la acci on de un sistema LTI!! Esto es as porque, seg un lo que
discutimos previamente, siempre podemos volver del campo transformado al
dominio del tiempo gracias a la invertibilidad de la transformada de Fourier!!
Sistemas LTI y transformada de Fourier II
En lo anterior hemos supuesto que la respuesta en frecuencia existe. Es decir que
la transformada de Fourier de la respuesta al impulso debe estar bien denida. Sin
embargo, esto no es un problema para los sistemas LTI estables:
Teorema
La respuesta en frecuencia H(j) de un sistema LTI estable siempre existe.
Proof: Dado que el sistema es estable tenemos que
_
[h(t)[dt < . Pero

entonces podemos escribir:
[H(j)[ =
h(t)e
jt
dt
[h(t)e
jt
[dt =
_

[h(t)[dt <
Lo que muestra que la respuesta en frecuencia est a bien denida.
Nuestro interes en analizar sistemas LTI mediante la transformada de Fourier
siempre estara en aquellos que son estables!! Para analizar sistemas LTI inestables
utilizaremos mas adelante la transformada de Laplace!!
Sistemas LTI y transformada de Fourier III
Notar que la ecuaci on
Y (j) = H(j)X(j)
es mucho mas simple de interpretar que una integral de convolucion. Observando
esta ecuacion y en particular inspeccionando H(j) podemos obtener informacion
muy valiosa sobre el sistema LTI bajo estudio o expresar en forma muy simple y
conveniente muchas de sus propiedades.
Por ejemplo, consideremos la conexion en cascada de M sistemas LTI con
respuestas al impulos h
i
(t), i = 1, . . . , M. La respuesta total del sistema en
cascada es igual a h(t) = h
1
(t) h
2
(t) h
M
(t), lo cual es trabajoso de obtener
y analizar. Sin embargo gracias a la propiedad de convoluci on la respuesta en
frecuencia total del sistema en cascada se puede obtener como:
H(j) =
M
i=1
H
i
(j)
Sistemas LTI y transformada de Fourier IV
Un ejemplo muy importante de sistemas LTI que practicamente se analizan y
dise nan en su totalidad a traves de la respuesta en frecuencia son los ltros
selectivos en frecuencia.
Un ltro selectivo en frecuencia es un sistema LTI que nos permite atenuar,
magnicar o directamente eliminar una parte del espectro de una se nal a su
entrada!
Ejemplos de ltros selectivos en frecuencia:
Filtros pasa-bajos
Filtros pasa-banda
Filtros pasa-altos
Sistemas LTI y transformada de Fourier V
Consideremos el ltro pasa-bajos ideal:
X(j) =
_
1 [[ < W
0 [[ > W
Vemos que la respuesta al impulso de este sistema es:
x(t) =
W
sinc
_
Wt
_
0
0
t
A
m
p
l
i
t
u
d

W
W
Vemos que pueden existir
algunos problemas para
implementar el ltro
pasa-bajos ideal. El sistema es
no causal, altamente
oscilatorio, etc. En la
practica, la caracterstica ideal
se aproximar a de forma tal
que el sistema cumpla ciertos
requisitos, ademas de la
caracterstica en frecuencia
deseada.
Sistemas LTI y transformada de Fourier VI
Muchos sistemas LTI causales (con la condicion de reposo inicial discutida hace
unas clases) van a estar descriptos por una ecuaci on diferencial con coecientes
constantes:
N
k=0
a
k
d
k
y(t)
dt
k
=
M
k=0
b
k
d
k
x(t)
dt
k
Si aplicamos el operador T [] a ambos lados obtenemos (aplicando linealidad):
N
k=0
a
k
T
_
d
k
y(t)
dt
k
_
=
M
k=0
b
k
T
_
d
k
x(t)
dt
k
_
Usando la propiedad de diferenciaci on:
Y (j)
N
k=0
a
k
(j)
k
= X(j)
M
k=0
b
k
(j)
k
Para un sistema LTI tenemos que
Y (j) = H(j)X(j), H(j) =
Y (j)
X(j)
Sistemas LTI y transformada de Fourier VII
Entonces obtenemos que:
H(j) =
M
k=0
b
k
(j)
k
N
k=0
a
k
(j)
k
Vemos que la respuesta en frecuencia del sistema es un cociente de
polinomios, los cuales se obtienen por inspecci on a traves de los coecientes
de la ecuacion diferencial!
De una ecuacion diferencial pasamos a una expresion equivalente del sistema
totalmente algebraica. Todo queda denido por los coecientes de los
polinomios o por lo que es los mismo por sus races. Esto simplica mucho el
analisis de los sistemas LTI!
Podemos obtener la respuesta al impulso del sistema, en lugar de resolviendo
la ecuacion diferencial, antitransformando H(j)! Para ello, dado que
tenemos un cociente de polinomios, puede ser muy util el metodo de
fracciones simples (ver Apendice de Oppenheim and Willsky).
Determine usando transformada de Fourier la respuesta al impulso de la ecuacion
diferencial:
dy(t)
dt
+y(t) = x(t), > 0
Sistemas LTI y transformada de Fourier VIII
Muchas veces la respuesta en frecuencia se representa en su forma polar:
H(j) = [H(j)[e
j arg H(j)
, arg H(j) < Tambien podemos denir la fase extendida!!!
La salida de un sistema se puede entonces escribir como:
Y (j) = [H(j)[[X(j)[e
j arg H(j)
e
j arg X(j)
con lo cual obtenemos:
[Y (j)[ = [H(j)[[X(j)[
arg Y (j) = arg H(j) + arg X(j)
La magnitud de la respuesta en frecuencia altera la magnitud del espectro de la
se nal de entrada y la fase de la respuesta en frecuencia produce un desplazamiento
en fase del espectro de la se nal de entrada!! Por estas razones [H(j)[ se conoce
como ganancia del sistema y arg H(j) se conoce como desplazamiento de fase del
sistema. Dependiendo de nuestro objetivo estas cantidades pueden introducir
cambios utiles en la se nal de entrada o efectos indeseables. En ese caso hablamos
de distorsiones!
Sistemas LTI y transformada de Fourier IX
Es el efecto de la ganancia de un sistema LTI es bastante simple de entender. El
efecto de la fase es un poco mas interesante para analizar. Pensemos por un
momento en el sistema cuya respuesta en frecuencia es:
H(j) = e
jt
0
Este sistema tiene ganancia unitaria por lo que no introduce niguna distorsion en
la amplitud del espectro de la se nal de entrada. Esto es [Y (j)[ = [X(j)[. Sin
embargo no podemos armar que x(t) = y(t)!!
La salida para este sistema se puede expresar facilmente:
y(t) = x(t t
0
)
Si bien es claro que x(t) ,= y(t), la salida de este sistema preserva totalmente la
forma de la se nal de entrada, introduciendo simplemente un retardo en el tiempo!!
Este sistema no presenta distorsi on de fase!
Notar que el sistema anterior presenta:
arg H(j) = t
0
Es decir presenta fase lineal!! Los sistemas de fase lineal no tienen distorsi on de
fase!!
Sistemas LTI y transformada de Fourier X
Consideremos ahora un sistema de fase no lineal:
H(j) =
1 j + (j)
2
1 +j + (j)
2
Es muy facil ver que:
[H(j)[ = 1, R
y que:
arg H(j) = 2 arctan
_

1
2
_
, R
5 0 5
4
3
2
1
0
1
2
3
4
F
a
s
e

d
e

H
(
)
5 0 5
14
12
10
8
6
4
2
0
F
a
s
e

e
x
t
e
n
d
i
d
a

d
e

H
(
)
Sistemas LTI y transformada de Fourier XI
Veamos la respuesta al impulso. Para ello podemos escribir (usando fracciones
simples);
H(j) = 1
1 j0.577
j + 0.5 +j
3
2
1 +j0.577
j + 0.5 j
3
2
Usando que
T [(t)] = 1, T
_
e
t
u(t)
_
=
1
+j
, T > 0
tenemos que la respuesta al impulso se puede escribir:
h(t) = (t) 2.30e
0.5t
cos
_
3
2
t + 0.5237
_
u(t)
La respuesta al impulso no es un impulso desplazado!
No todas las frecuencias de la se nal de entrada (en
este caso un impulso unitario y que se encuentran
todas en fase!!) se desplazan en una misma cantidad,
haciendo que las fases de las mismas a la salida del
sistema a un tiempo dado t sean diferentes. Esto da
a lugar a interferencias constructivas y destructivas y
al ensanchamiento temporal de la se nal de salida!!
Esto se conoce como dispersi on!
En el graco no incluimos (t)!!
0 5 10 15 20
2
1.5
1
0.5
0
0.5
1
t
A
m
p
l
i
t
u
d
Sistemas LTI y transformada de Fourier XII
Una medida de la dispersion introducida por un sistema se da por medio del
retardo de grupo (denido para la fase extendida):
() =
d
d
arg H(j)
Obviamente si el sistema es de fase lineal () = cte. El retardo de grupo permite
cuanticar cuanto se adelantan o se atrasan las frecuencias de la se nal de entrada
a un sistema LTI que se encuentran alrededor de un entorno de frecuencia
0
!!
En terminos precisos, supongamos que la se nal de entrada a un sistema LTI real es
real y tiene una transformada de Fourier que es real y cero o muy peque na fuera
de una banda de ancho muy peque no 2W centrada en
0
. Esto es:
Podemos escribir X(j) =
S(j(
0
)) +S(j(
0
)) lo
que implica que
x(t) = 2s(t) cos
0
t (por la
propiedad de multiplicacion!!)
Sistemas LTI y transformada de Fourier XIII
Dado que el ancho de banda de la se nal de entrada es muy peque no alrededor de
0
podemos aproximar el modulo y la fase de la respuesta en frecuencia H(j) de
la siguiente forma cuando [
0
[ es peque no:
[H(j)[[H(j
0
)[, arg H(j)arg H(j
0
)+
d
d
arg H(j)
=
0
(
0
) = (
0
)(
0
)
y como
[H(j)[[H(j
0
)[, arg H(j)arg H(j
0
)+
d
d
arg H(j)
=
0
(+
0
) = (
0
)(+
0
)
cuando [ +
0
[ es peque no. Hemos usado que por ser h(t) real, [H(j)[ es par y
arg H(j) es impar (lo que implica que (
0
) = (
0
)). Dado que podemos
escribir
Y (j)[H(j
0
)[e
j
S(j(
0
))e
j(
0
)(
0
)
+[H(j
0
)[e
j
S(j(+
0
))e
j(
0
)(+
0
)
podemos usar las propiedades vistas para antitransformar y obtener:
y(t) 2[H(j
0
)[s(t (
0
)) cos (
0
(t (
0
)) +)
con = +(
0
)
0
. Probarlo!!!
Sistemas LTI y transformada de Fourier XIV
La transformada de Fourier de la se nal de salida tiene fase lineal!!. Vemos que
todas las frecuencias de la se nal de entrada x(t) (cuyo espectro est a concentrado
alrededor de
0
) se atrasan a la salida del sistema en una cantidad dada por
(
0
). Es decir la se nal de salida del sistema es b asicamente igual a la se nal de
entrada (salvo un escalaje en amplitud y una fase ) retrasada en el tiempo en una
cantidad (
0
). El retardo de grupo proporciona el retardo sufrido por un
paquete concentrado de frecuencias. Notar que el concepto de retardo de grupo
es el mismo que el de velocidad de grupo para un paquete de ondas (por ejemplo
ondas electromagneticas u ondas de materia!!).
Para el ejemplo anterior
5 0 5
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
R
e
t
a
r
d
o

d
e

g
r
u
p
o

d
e

H
(
j
)
Es facil ver que el mayor retardo
se da para la frecuencia
3
2
!! Esa
oscilacion determina de alguna
forma las partes mas tardas de la
respuesta al impulso!!
Transformada de Fourier en tiempo discreto I
Podemos denir tambien la transformada de Fourier para se nales de tiempo
discreto.Consideremos una se nal x[n]. Se dene la transformada de Fourier de
x[n] o X(e
j
) T x[n] como:
X(e
j
) =
n=
x[n]e
jn
, [, )
La denicion dada arriba de la transformada de Fourier tiene sentido siempre y
cuando X(e
j
) este bien denida!! Es decir la serie debe existir para todo y ser
nita!! Esto por ejemplo se cumple si x[n] l
1
(Z).
Nuevamente, la transformada de Fourier T se debe interpretar como un operador
que mapea se nales x[n] en un determinado espacio vectorial y entrega se nales
X(e
j
) en otro espacio vectorial donde podamos obtener caracterizaciones utiles
de la se nal original. Sera de interes asegurar que dicho operador sea invertible.
Esto es que podamos encontrar un operador T
1
que dada la transformada de
Fourier X(e
j
) nos permita recuperar la se nal original x[n]!
Notar que hemos denido la transformada para [, ). Esto es as por que
en caso discreto la transformada de Fourier es claramente una funcion peri odica
por lo que podemos restringir el analisis de X(e
j
) a dicho intervalo!! En general
podemos denir la variacion en en cualquier conjunto B R con largo 2!!
Transformada de Fourier en tiempo discreto II
La anti-transformada de Fourier x[n] = T
1
_
X(e
j
)
_
se dene como:
x[n] =
1
2
_

X(e
j
)e
jn
d, n Z
siempre que la integral este bien denida.
Notar que por ser X(e
j
) peri odica la integral se puede hacer sobre cualquier
intervalo B R de largo 2. Como siempre nuestro interes estar a en poder
recuperar x[n], con lo cual desearamos que x[n] = x[n].
Podemos escribir:
x[n] =
1
2
_

_
_
k=
x[k]e
jk
_
_
e
jn
d
=
k=
x[k]
1
2
_

e
j(nk)
d
=
k=
x[k][n k]
= x[n]
Transformada de Fourier en tiempo discreto III
Vemos que si la transformada de Fourier X(e
j
) esta bien denida es siempre
posible volver a recuperar x[n]!! Notar el contraste con el caso de la transformada
de Fourier de tiempo continuo!! Esto se debe a que la integral de la
anti-transformada es sobre un intervalo nito, con lo cual no hay problemas de
convergencia.
Es de esperar entonces que tampoco observemos el fen omeno de Gibbs que
tenamos para la serie y transformada de Fourier de tiempo continuo!!
Tenemos tambien el siguiente resultado
Teorema
Sobre el espacio l
2
(Z) el operador x[n] T x[n] es biyectivo. Es decir, si
T x
1
[n] = T x
2
[n] (en el sentido cuadr atico en L
2
([, ))) entonces
x
1
[n] = x
2
[n]. Adem as para cada x[n] l
2
(Z) existe su transformada de Fourier
X(e
j
) T x[n] la cual es de energa nita. As mismo para cada se nal
X(e
j
) L
2
([, )) existe x[n] T
1
_
X(e
j
)
_
tambien de energa nita.
Ademas se cumple la relaci on de Parseval:
k=
[x[n][
2
=
1
2
_

[X(e
j
)[
2
d
Transformada de Fourier en tiempo discreto IV
Algunas aclaraciones:
Ya sabemos que una vez denida X(e
j
) no hay problemas para volver a
obtener x[n]. Ahora supongamos que tenemos X
1
(e
j
) e X
2
(e
j
) tales que:
1
2
_

[X
1
(e
j
) X
2
(e
j
)[
2
d = 0
Entonces el teorema anterior nos dice que x
1
[n] = x
2
[n] n Z.
Al denir la transformada de Fourier para secuencias x[n] l
2
(Z) tenemos
que interpretar la convergencia hacia X(e
j
) en el sentido cuadratico medio:
lim
N
1
2
_

X(e
j
)
N
k=N
x[k]e
jk
2
d = 0
Vemos que X(e
j
) es una funcion periodica con periodo 2. Como tal se
pueden calcular sus coecientes de Fourier:
a
k
=
1
2
_

X(e
j
)e
jk
d
Es claro que a
k
= x[k], lo que reeja que tenemos una relacion de dualidad
entre en la transformada de Fourier de tiempo discreto y la serie de Fourier
de tiempo continuo, la cual se puede explotar en nuestros c alculos!!
Transformada de Fourier en tiempo discreto V
De la misma forma que hicimos para la transformada de Fourier de tiempo
continuo veamos como podemos obtener la transformada de tiempo discreto a
partir de la serie de Fourier. Sea x[n] una se nal no periodica que es cero para
n < N
1
y n > N
2
.
Sin embargo podemos construir una se nal peri odica x[n] con periodo
N > N
1
+N
2
, de forma tal que en cada periodo tengamos x[n].
Podemos calcular la serie de Fourier de x[n]!!
Transformada de Fourier en tiempo discreto VI
Tenemos que:
x[n] =
k=N
a
k
e
jk
0
n
, a
k
=
1
N
k=N
x[k]e
jk
0
n
,
0
=
2
N
Pero cuando N
1
< n < N
2
, tenemos que x[n] = x[n]. Ademas para n fuera de
ese rango tenemos que x[n] = 0. Entonces podemos escribir:
a
k
=
1
N
k=N
x[k]e
jk
0
n
Con X(e
j
) =
k=
x[k]e
jk
podemos escribir:
a
k
=
1
N
X(e
j
)
=k
0
=
1
N
X(e
jk
0
)
x[n] =
k=N
1
N
X(e
jk
0
)e
jk
0
n
=
1
2
k=N
X(e
jk
0
)e
jk
0
n
0
Transformada de Fourier en tiempo discreto VII
Cuando N tenemos que x[n] x[n] n Z. Ademas
0
0. El lado
derecho de la ultima ecuacion se convierte en una integral:
x[n] =
1
2
_

X(j)e
jt
d
Mientras por medio de la serie de Fourier podemos representar una se nal peri odica
a traves de una superposicion de exponenciales con arm onicos en un conjunto
discreto, a traves de la transformada de Fourier podemos representar una se nal no
peri odica como una superposici on de exponenciales cuyos armonicos forman un
continuo en el intervalo [, )!!
Notar que podemos recorrer el camino inverso: partimos de una se nal periodica
x[n], la cual es igual a x[n] en un perodo. Es claro que podemos recuperar los
coecientes de Fourier de x[n] a traves de un muestreo equiespaciado de la
transformada de Fourier X(e
j
) de x[n] :
a
k
=
1
N
X(e
j
)
=k
0
Ejemplos I
1) Consideremos el pulso rectangular
x[n] =
_
1 [n[ N
1
0 [n[ > N
1
La transformada de Fourier:
X(e
j
) =
N
1
n=N
1
e
jn
= e
jN
1
2N
1
k=0
e
jk
= e
jN
1
1 e
j(2N
1
+1)
1 e
j
=
sin ((N
1
+ 1/2))
sin (/2)
6 4 2 0 2 4 6
5
0
5
10
15
20
25
A
m
p
l
i
t
u
d

N
1
=1
N
2
=5
N
1
=10
Es claro que
sin ((N
1
+ 1/2))
sin (/2)
es el equivalente discreto de la funcion sinc en
tiempo continuo. Vemos que aqu tambien
tenemos el comportamiento dual entre tiempo
y frecuencia:
+ loc. en tiempo - loc. en frecuencia
y viceversa
Ejemplos II
2) Consideremos
x[n] =
sin (nT
1
)
n
, n Z, T
1

Podemos ver por dualidad cual es la transformada de Fourier de esta secuencia.
Sabemos que para la siguiente funcion periodica con peri odo 2:
y(t) =
_
1 [t[ T
1
0 T
1
< [t[
los coecientes de Fourier valen a
n
=
sin (nT
1
)
n
y
0
= 1. Entonces a
n
= x[n].
Sabemos que:
y(t) =
n=
a
n
e
jnt
=
n=
a
n
e
jnt
=
n=
x[n]e
jnt
Como x[n] = x[n] podemos escribir:
y(t) =
n=
x[n]e
jnt
Ejemplos III
Reemplazando por t probamos que X(e
j
):
X(e
j
) =
_
1 [t[ T
1
0 T
1
< [t[
3) Sea x[n] = [n]. Podemos vericar que:
X(e
j
) =
k=
[n]e
jn
= 1
Tal como en el caso de tiempo continuo tenemos que el impulso esta generado por
una superposici on en fase de un continuo de armonicas de la misma amplitud!! En
este caso, dada las caractersticas especiales de las exponenciales de tiempo
discreto el continuo de arm onicas a utilizar pertenece al conjunto acotado [, ).
Es inmediato vericar que:
[n] =
1
_

0
cos (n)d
Ejemplos IV
4) Consideremos X(e
j
) =
k=
2(
0
2k) con [
0
[ . Claramente
esto es periodico con perodo 2. (Tener en cuenta que estamos considerando los
impulsos unitarios de tiempo continuo!!). Podemos tratar de determinar x[n].
Para ello:
x[n] =
1
2
_

X(e
j
)e
jn
d =
_

_
_
k=
2(
0
2k)
_
_
e
jn
d
=
k=
_

(
0
2k)e
jn
d
=
_

(
0
)e
jn
d
= e
j
0
n
Tenemos que
T
_
e
j
0
n
_
=
k=
2(
0
2k), [
0
[
Que hubiera pasado si en lugar de integrar entre y hubieramos integrado
entre + 2p y + 2p??
Ejemplos V
Una se nal x[n] periodica con periodo N se puede escribir de acuerdo a su serie de
Fourier como:
x[n] =
k=N
a
k
e
jk
0
n
,
0
=
2
N
T x[n] =
k=N
a
k
T
_
e
jk
0
n
_
=
k=N
a
k
p=
2( k
0
2p)
=
p=
k=N
2a
k
_

2
N
(k +Np)
_
=
p=
k=N
2a
k+Np
_

2
N
(k +Np)
_
donde hemos usado que los coecientes de Fourier de una secuencia discreta
peri odica forman una secuencia periodica tambien.
Ejemplos VI
Notar que cuando k = N) y < p < tenemos que l = k +Np vara de
a . Entonces podemos escribir:
T x[n] =
l=
2a
l
_

2l
N
_
En la expresion anterior estamos usando no solo los coecientes de Fourier en un
perodo de largo N, sino todos ellos!! O sea la secuencia peri odica completa!!!
La transformada de Fourier de tiempo discreto para secuencias peri odicas es una
sucesion innita de impulsos unitarios posicionados en las arm onicas que
componen dichas secuencias y pesados por los correspondientes coecientes de
Fourier!!
Propiedades de la transformada de tiempo discreto I
Vamos a asumir que todas las se nales involucradas tiene bien denida su
transformada de Fourier
Linealidad: Sean x[n] e y[n] funciones tales que X(e
j
) = T x[n] y
Y (e
j
) = T y[n]. Tenemos que:
T [ax[n] +by[n]] = aX(e
j
) +bY (e
j
), a, b C
Probarlo!!
Desplazamiento temporal y en frecuencia: Sea x[n] tal que
X(e
j
) = T x[n]. Entonces valen
T x[n n
0
] = e
jn
0
X(e
j
), n
0
Z
T
_
e
j
0
n
x[n]
_
= X(e
j(
0
)
),
0
[, )
Probarlo!!
Propiedades de la transformada de tiempo discreto II
Conjugaci on y simetra conjugada: Sea x[n] tal que X(e
j
) = T x[n].
Entonces valen
T x
[n] = X(e
j
), n
0
Z
Claramente si x[n] es real tenemos que X
(e
j
) = X(e
j
). Probarlo!!
Diferencia y acumulaci on: Sea x[n] tal que X(e
j
) = T x[n]. Entonces
valen:
T x[n] x[n 1] = (1 e
j
)X(e
j
)
Si
k=
x[k] = 0 tenemos que:
T
_
_
_
n
k=
x[k]
_
_
_
=
1
1 e
j
X(e
j
)
Probarlo!! El caso para el que
k=
x[k] ,= 0 se modica como:
T
_
_
_
n
k=
x[k]
_
_
_
=
1
1 e
j
X(e
j
) +X(e
j0
)
k=
( 2k)
Propiedades de la transformada de tiempo discreto III
Convoluci on: Sea x[n] tal que X(e
j
) = T x[n] y y[n] tal que
Y (e
j
) = T y[n]. Sea z[n] = x[n] y[n]. Tenemos:
T z[n] = X(e
j
)Y (e
j
)
Proof: Podemos escribir lo siguiente:
T [z(t)] =
n=
_
_
k=
x[k]y[n k]
_
_
e
jn
=
k=
x[k]
_
_
n=
y[n k]e
jn
_
_
=
k=
x[k]Y (e
j
)e
jk
= X(e
j
)Y (e
j
)
Esta propiedad es analoga al caso continuo!! Nos sera de mucha utilidad para
analizar sistemas LTI en tiempo discreto!!
Propiedades de la transformada de tiempo discreto IV
Multiplicaci on: Sea x[n] tal que X(e
j
) = T x[n] y y[n] tal que
Y (e
j
) = T y[n]. Sea z[n] = x[n]y[n]. Tenemos:
T z[n] =
1
2
_

X(e
j
)Y (e
j()
)d
Proof:
Z(e
j
) =
n=
x[n]y[n]e
jn
=
n=
y[n]
_
1
2
_

X(e
j
)e
jn
d
_
e
jn
=
1
2
_

X(e
j
)
_
_
_
n=
y[n]e
j()n
_
_
_
d
=
1
2
_

X(e
j
)Y (e
j()
)d
La convolucion periodica se puede realizar en cualquier intervalo de longitud 2!!
Notar la diferencia con la convolucion tradicional o aperi odica!! Cuando
estudiemos el tema de ltros digitales veremos que esta propiedad tendra mucha
utilidad!!
Sistemas LTI y transformada de Fourier I
La respuesta en frecuencia de un sistema LTI en tiempo discreto se denio como:
H(e
j
) =
k=
h[n]e
jn
donde h[n] es la respuesta al impulso del sistema. Por la propiedad de convolucion
la salida y[n] a una entrada x[n] se puede escribir como:
Y (e
j
) = H(e
j
)X(e
j
)
La ecuacion anterior caracteriza, as como lo haca la suma de convolucion, en
forma completa la acci on de un sistema LTI de tiempo discreto!! Esto es as
porque, seg un lo que discutimos previamente, siempre podemos volver del campo
transformado al dominio del tiempo gracias a la invertibilidad de la transformada
de Fourier!!
Sistemas LTI y transformada de Fourier II
En lo anterior hemos supuesto que la respuesta en frecuencia existe. Es decir que
la transformada de Fourier de la respuesta al impulso debe estar bien denida. Sin
embargo, esto no es un problema para los sistemas LTI estables:
Teorema
La respuesta en frecuencia H(e
j
) de un sistema LTI de tiempo discreto estable
siempre existe.
Proof: Dado que el sistema es estable tenemos que
n=
[h[n][ < . Pero
entonces podemos escribir:
[H(e
j
)[ =
n=
h[n]e
jn
n=
[h[n]e
jn
[ =
n=
[h[n][ <
Lo que muestra que la respuesta en frecuencia est a bien denida.
Nuestro interes en analizar sistemas LTI mediante la transformada de Fourier
siempre estara en aquellos que son estables!! Para analizar sistemas LTI inestables
de tiempo discreto utilizaremos mas adelante la transformada Z!!
Sistemas LTI y transformada de Fourier III
Muchos sistemas LTI causales (con la condicion de reposo inicial discutida hace
unas clases) van a estar descriptos por una ecuaci on en diferencias con coecientes
constantes:
N
k=0
a
k
y[n k] =
M
k=0
b
k
x[n k]
Si aplicamos el operador T a ambos lados obtenemos (aplicando linealidad):
N
k=0
a
k
T y[n k] =
M
k=0
b
k
T x[n k]
Usando la propiedad de diferenciaci on:
Y (e
j
)
N
k=0
a
k
e
jk
= X(e
j
)
M
k=0
b
k
e
jk
Para un sistema LTI tenemos que
Y (e
j
) = H(e
j
)X(e
j
), H(e
j
) =
Y (e
j
)
X(e
j
)
Sistemas LTI y transformada de Fourier IV
La respuesta en frecuencia se puede escribir entonces como un cociente de
polinomios trigonometricos:
H(e
j
) =
M
k=0
b
k
e
jk
N
k=0
a
k
e
jk
Vemos que la respuesta en frecuencia del sistema es un cociente de
polinomios, los cuales se obtienen por inspecci on a traves de los coecientes
de la ecuacion en diferencias!
De una ecuacion en diferencias pasamos a una expresion equivalente del
sistema totalmente algebraica. Todo queda denido por los coecientes de
los polinomios o por lo que es los mismo por sus races. Esto simplica
mucho el analisis de los sistemas LTI de tiempo discreto!
Podemos obtener la respuesta al impulso del sistema, en lugar de resolviendo
la ecuacion en diferencias, antitransformando H(e
j
)! Nuevamente y como
en el caso de tiempo continuo, el metodo de fracciones simples puede ser
muy util!!
Sistemas LTI y transformada de Fourier V
Algunas aclaraciones:
Podemos tener ltros en tiempo discreto. Los mismos se denominaran ltros
digitales, y son una forma ec onomica y tecnicamente eciente de realizar
operaciones de ltrado para se nales continuas (previa una etapa de
muestreo). Los mismos en general estaran especicados en el campo de la
frecuencia a traves de una funcion H(e
j
) adecuada.
Los problemas asociados a ltros digitales ideales son similares a los
correspondientes en los ltros de tiempo continuo. Haremos un analisis mas
detallado de los mismos m as adelante en el curso.
Los conceptos de distorsion de amplitud y distorsi on de fase siguen valiendo
para los sistemas de tiempo discreto. Tambien el concepto de retardo de
grupo. Veremos un poco m as sobre ellos cuando abordemos las tecnicas de
dise no de ltros digitales.
Temas para leer por cuenta propia
Lectura obligatoria
Tabla de propiedades de la transformada continua y discreta de Fourier y
pares transformados basicos (Oppenheim and Willsky, Tablas 4.1, 4.2, 5.1 y
5.2).
Apendice de fracciones simples (Oppenheim and Willsky).
Aspectos en el dominio del tiempo y la frecuencia de ltros ideales y no
ideales (Oppenheim and Willsky, Secciones 6.3 y 6.4).
Sistemas continuos de primer y segundo orden (Oppenheim and Willsky,
Seccion 6.5).
Sistemas discretos de primer y segundo orden (Oppenheim and Willsky,
Seccion 6.6).
Ejemplos de analisis de sistemas en el dominio del tiempo y la frecuencia
(Oppenheim and Willsky, Secci on 6.7).
Lectura optativa
Filtrado selectivo en frecuencia con frecuencia central variable (Oppenheim
and Willsky, Seccion 4.5.1).
Diagramas de Bode (Oppenheim and Willsky, Secci on 6.2.3).
Transformada discreta de Fourier (Oppenheim and Schafer, Secciones 2.7,
2.8 y 2.9).
Algunos ejercicios I
1 Ejercicios 4.10, 4.12, 4.14., 4.15, 4.16, 4.21 de Oppenheim and Willsky.
2 Ejercicios 4.40, 4.47, 4.51, 4.53 de Oppenheim and Willsky.
3 Demostrar que un sistema LTI cuya respuesta en frecuencia es cero en un intervalo
nito o innito no es invertible.
4 Demostrar las siguientes propiedades de la transformada de Fourier de tiempo continuo
usando dualidad:
F [jtx(t)] =
dX(j)
d
, F
1
jt
x(t) + x(0)(t)
X(j)d
5 Una forma precisa de cuanticar el problema de la localizacion simultanea en tiempo y
frecuencia de un par transformado es a traves del principio de incertidumbre. El mismo
dice que:
D(x(t))D(X(j))
1
2
donde D(f(t)) es la dispersion de la se nal f(t) denida como:
D(f(t)) =
t
2
|f(t)|
2
dt
|f(t)|
2
dt
Probar que la igualdad se alcanza cuando x(t) =
1
4
e
t
2
4
2
, lo que muestra que los
pulsos gaussianos tienen la mejor localizacion simultanea en tiempo y frecuencia.
Algunos ejercicios II
6 Ejercicios 5.8, 5.9, 5.12, 5.21, 5.22, 5.23, 5.26, 5.32, 5.36 de Oppenheim and Willsky.
7 Ejercicios 5.37, 5.40, 5.46, 5.47 de Oppenheim and Willsky.

Transf Fourier

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Transf Fourier

Cargado por

Copyright:

Formatos disponibles

Transformada de Fourier

Dr. Ing. Leonardo Rey Vega

sinc(t)dt = 1 Como integral impropia!!

con exactamente las mismas

x()d = 0. Tenemos que:

x()d ,= 0 debemos compensar el valor de continua con

[h(t)[dt < . Pero

También podría gustarte