S

y
S

P
D
S

Espacios de Seales
S
y
S

P
D
S

Seales y vectores.
La relacin entre lgebra lineal y seales.
Espacios vectoriales y espacios de seales.
Bases y transformaciones lineales.

4
Temas a tratar
S
y
S

P
D
S

6
Introduccin
En general asociamos a las seales con elementos
aislados.
Ahora vamos a incorporar a las seales en marcos
estructurados como los espacios vectoriales.
Considerando a las seales como vectores de un
espacio n-dimensional, podemos:
aprovechar las propiedades de la estructura algebraica de
los espacios vectoriales.
interpretar el procesamiento de las seales desde una
perspectiva geomtrica.
con un abordaje conceptual sencillo e intuitivo
S
y
S

P
D
S

7
Experimento conceptual
3
T
1
T
2
2
2
3
m
T
2 1
Medimos la temperatura ambiente a intervalos de 1 minuto...
Representamos en una grfica en donde el eje de las
ordenadas indica el tiempo y el de las abscisas la magnitud de
la temperatura.
2
S
y
S

P
D
S

8
Seales y vectores...
Si volvemos a medir luego de 1 minuto y vemos que la
temperatura es 1 C
3
S
y
S

P
D
S

9
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 -1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Seales y vectores...
0 10 20 30 40 50 60
0
0.5
1
1.5
2
2.5
3
m
T
60
En 1 hora ...
Para seales continuas...
Ya no puedo representarlo
grficamente como un vector
en el espacio tradicional,
pero el concepto es el mismo ...
Es un solo
elemento,
vector o punto

S
y
S

P
D
S

10
Seales y vectores...
Definimos una seal x discreta en R
N
como:


Definimos una seal x continua en R

como:



S
y
S

P
D
S

11
Ahora con varios elementos...
No nos interesa un elemento aislado
Sino c/u en relacin al resto:

Conjuntos de seales
Espacios de seales
Espacios lineales o vectoriales
Espacios normados

S
y
S

P
D
S

12
Un conjunto de
puntos
+
un conjunto de
relaciones que lo
estructuran.
Espacio
( , )
i j
d x x
S
y
S

P
D
S

13
Relaciones geomtricas:
distancias, tamaos, formas,
alineaciones, ngulos, conexidad.
Otras relaciones definen
otros tipos de estructuras.

El caso ms interesante es cuando
distintas estructuras interactan
en un mismo espacio.
Espacios
S
y
S

P
D
S

14
Mtricos, topolgicos, vectoriales,
afines, eucldeos, de medida,
de probabilidad, de distribuciones, ...
De Hilbert, de Banach, de Krein,
de Orlicz, de Sobolev,
de Schwartz, de Lebesgue,
...
Tipos de espacios
S
y
S

P
D
S
Conjuntos de Seales
El matemtico alemn
George Cantor introdujo
la Teora de Conjuntos en
siglo XIX.
S
y
S

P
D
S

16
Para ello debo primero definir un conjunto:


O el conjunto de las x, tal que p sea cierto, o
p es cierto, implica que x pertenece a .

Otra forma es como solucin de la ecuacin diferencial:
{ ; ( ) Re[ exp( )]}
=2 - , ,
x t j t
f t f
o | e
e t o |
= = +
s s e
x
{ ; 0}
dx
x
dt
= + = x
Ejemplo: conjunto de las seales sinusoidales (1)
Una seal es un punto o elemento
de un conjunto
{ ; } p p = e x x
x
1
x
2
x
4
x
3
S
y
S

P
D
S

17
{x; x(t) A
1
v x(t) A
2
}
{x; x(t) = 0, T
1
> t v t > T
2
}
{ }
1 2 1 2
( ) ( )
; ( ) 0, ,
j t
X x t e dt
X
e
e
e e e e e e e e

=
= = s >
}
x
T
1
T
2
Otros ejemplos...
Seales limitadas
temporalmente (2)
Seales limitadas en
amplitud (3)
Seales de banda
limitada (4)
( ) X e
x(t)

x(t)

A
1
A
2
t A
1
A
2
t
S
y
S

P
D
S

18
Sin embargo, ...
Un espacio es un conjunto de elementos
x que satisfacen una condicin p, pero
adems...
Se requieren otra/s propiedad/es para poder
llamar al conjunto espacio...
En particular, se debe dotar al conjunto de (al
menos una):
Estructura geomtrica (espacio de seales).
Estructura algebraica (espacio vectorial).

S
y
S

P
D
S

Estructura Geomtrica
S
y
S

P
D
S

20
Espacio de Seales
Si al conjunto de seales
definido anteriormente le
agregamos una mtrica d
entonces se convierte en
un espacio de seales .
Los espacios de seales
son espacios mtricos
cuyos elementos son
seales.
{ } ; d =
S
y
S

P
D
S

21
Espacio de seales
Conjunto de seales
+
Estructura geomtrica
Distancia / Norma
{ } ; d =
S
y
S

P
D
S

22
Espacio de seales
Distancia / Norma
( , )
i j
d x x
S
y
S

P
D
S

23
Espacio de seales
Distancia / Norma
( , )
i j
d x x
S
y
S

P
D
S

Norma vs Distancia
Norma: depende de un punto del espacio.

Distancia: funcin de dos puntos del espacio.
24
S
y
S

P
D
S

Norma

Analogas entre Seales y Vectores

S
y
S

P
D
S

26
Norma
Nos proporciona informacin acerca del tamao de
una seal o vector x:
Es un nmero real no negativo:

Es homognea con respecto a la escala:

Satisface la desigualdad triangular:



Hay diferentes normas pero la ms empleada es la denominada norma-p.

S
y
S

P
D
S

27
Norma - p
Secuencias temporales:




Seales continuas:
1/
1/
( )
p
p
n
p
n
p
p
p
x
x t dt

| |
=
|
|
\ .
| |
| =
|
\ .

}
x
x
1 p s <
S
y
S

P
D
S

28
Qu pasa cuando p es infinito?
sup
sup ( )
n
n
t
x
x t

e
=
=
x
x
S
y
S

P
D
S

Qu pasa para p entre 0 y 1?
La definicin es todava de inters para 0 < p <
1, pero la funcin resultante no define una
norma* (porque viola la desigualdad del triangulo DEMOSTRAR).







* Salvo en R
1
, donde coincide con la norma Euclidea, y en R
0
, donde es trivial.
29
S
y
S

P
D
S

30
Y cuando p es = 0 ?
{ }
0
0
0
lim
# : 0
p
p
p
n
n x

=
= =
x x
x
Norma-0 >> Medida de dispersin
Es una semi-norma
Donoho
S
y
S

P
D
S

Significado de Ralo
Adjetivo que se aplica a los componentes de
algo que estn separados y poco densos o
espesos.



Viene del latin rarus que no significaba extrao o
extravagante sino espaciado, disperso e infrecuente,
escaso, difcil de encontrar (castellano, ao 1250).

31
http://etimologias.dechile.net/?ralo
S
y
S

P
D
S

32
2
2
1

x
x
x
Se denomina amplitud de la seal x
Se conoce como energa de la seal x
Suele llamarse accin de la seal x
Otros nombres...
S
y
S

P
D
S

33
Ejemplo: amplitud y energa
x
1
E(x)
1/2
A(x)
x
2
0
? = x
S
y
S

P
D
S

34
La norma-p es la nica?
Existen muchas normas, pero esta es la ms
utilizada porque permite diferentes
comportamientos variando p.
S
y
S

P
D
S

35
Qu ocurre cuando varo p?
Superficie de
||x||
p
para
x = [x
1
, x
2
]
-10
0
10
-10
0
10
0
50
100
x
1
p = 2
x
2
| | x
| | p
-10
0
10
-10
0
10
0
20
40
x
1
p = 1.5
x
2
| | x
| | p
-10
0
10
-10
0
10
0
10
20
x
1
p = 1
x
2
| | x
| | p
-10
0
10
-10
0
10
0
5
10
x
1
p = 0.5
x
2
| | x
| | p
-10
0
10
-10
0
10
0
5
10
x
1
p = 0.25
x
2
| | x
| | p
-10
0
10
-10
0
10
0
10
20
x
1
p = 0.1
x
2
| | x
| | p
S
y
S

P
D
S

36
Qu ocurre cuando varo p?
El crculo unitario
en diferentes normas
||x||
p
para x = [x
1
, x
2
]
S
y
S

P
D
S

37
La norma-p es la nica?
Otros ejemplos:
Norma del Volumen Mnimo (similar a ||x||
0
)
Norma de Cauchy
Norma Varimax
Otras dependiendo de la aplicacin...

S
y
S

P
D
S

38
Otras medidas tiles:
2
2
1
2
1
( )
2
N
n
n N
T
T
P x
N
P x t dt
T
x
x
Potencia media de una seal
S
y
S

P
D
S

39
2
2
1
lim
2
1
lim ( )
2
N
n
n N
T
T
P x
N N
P x t dt
T T
x
x
Otras medidas tiles:
Potencia media TOTAL de una seal
S
y
S

P
D
S

40
P
x
Otras medidas tiles:
Valor cuadrtico medio (RMS):
Otras: Valor medio
S
y
S

P
D
S

Distancia


S
y
S

P
D
S

42
Distancia
La distancia es un concepto muy importante
asociado a un espacio.
Nos permite dar sentido geomtrico al espacio
a travs de una mtrica.


Significados: error o diferencia,
disimilitud o grado de aproximacin
entre dos seales.
S
y
S

P
D
S

43
Distancia vs Norma
Una mtrica puede derivarse a partir de una norma:





La norma se refiere a un solo elemento, mientras
que la distancia a dos ( norma distancia al origen ).
Pueden existir mtricas que
no deriven de normas
( , ) d x y x y =
S
y
S

P
D
S

44
y x y x d y x d = = . > 0 ) , ( 0 ) , (
) , ( ) , ( x y d y x d =
) , ( ) , ( ) , ( z y d y x d z x d + s
2) Es simtrica:
3) Cumple con la desigualdad del tringulo:
Distancia: Propiedades
1) Es una funcin de dos puntos x, y con valor real positivo:
?
S
y
S

P
D
S

45
Cada lado de un tringulo es menor que
la suma de los otros dos
Si antes de ir a casa paso por lo de un amigo, camino ms que si
voy derecho a casa, salvo que su casa est de camino a la ma
Si para volar a Buenos Aires hago una escala en Crdoba, tomo
otro vuelo de Crdoba a Buenos Aires, pago ms que volando
directamente
Desigualdad triangular: sentido comn
No siempre!
S
y
S

P
D
S

46
A qu distancia est ....
la Catedral
del Edificio
del Libertador?
402 metros?
o 565 metros?
Es igual
caminando
que en auto?
S
y
S

P
D
S

47
Distancia en Internet
Cmo mediran
las distancias de
comunicacin
por Internet?

Es razonable
medirlas en
Kms?
S
y
S

P
D
S

48
Distancia en Internet
Mapa parcial de
Internet (30%, Enero
2005, opte.org).
Cada lnea se dibuja
entre dos nodos
(direcciones IP).
La longitud indica el
retardo entre nodos.
Los colores
corresponden a los
dominios:
Azul: net, ca, us
Verde: com, org
Rojo: mil, gov, edu
Amarillo: jp, cn, tw,
au, de
Magenta: uk, it, pl, fr
Oro: br, kr, nl
Blanco: desconocido
S
y
S

P
D
S

49
Distancia en Internet
El mundo visto desde Internet: Qu pasa si modificamos las
distancias teniendo en cuenta la cantidad de conexiones?
S
y
S

P
D
S

50
La mejor distancia a utilizar depende de la
aplicacin
Distancia entre huellas digitales
S
y
S

P
D
S

51
Distancia en habla ruidosa
La SNR no es una buena medida de la inteligibilidad del
habla, Cmo la medimos entonces?
S
y
S

P
D
S

52
Distancia en habla ruidosa
LAR
Diferencia entre los espectros limpio y ruidoso:


PESQ
Modelo de percepcin auditiva:
Leandro Di Persia, Diego Milone, Hugo Leonardo Rufiner, Masuzo Yanagida, Perceptual
evaluation of blind source separation for robust speech recognition, Signal Processing
88 (2008) 2578 2583.
S
y
S

P
D
S

53
Entonces
Diferentes relaciones, diferentes maneras
de medir distancias, estructuran el
espacio de diferentes formas.
S
y
S

P
D
S

Ejemplo: Espacios seales equidistantes
Defino un espacio de seales equidistantes
utilizando la distancia de Hamming
S
y
S

P
D
S

55
La distancia de
Hamming (1915-1998)
entre dos palabras es
el nmero de posiciones
en que difieren.
Distancia de Hamming
S
y
S

P
D
S

56
Algunos bytes, seales, puntos
0000000 0111100

0001111 1011010

0110011 1100110

1010101 1101001
S
y
S

P
D
S

57
En cuntas posiciones difieren?
1011010
1010101
0001111
Difieren todos exactamente en
cuatro posiciones equidistantes
S
y
S

P
D
S

58
Aplicacin: Codificacin seales binarias
100 0001111
010 0110011
001 1010101
Ocho puntos
para codificar las
seales
de 3 bits
000 100
010 001
110 101
011 111
S
y
S

P
D
S

59
Codificacin
100 0001111
010 0110011
001 1010101
000 0000000
S
y
S

P
D
S

60
Codificacin
100 0001111 110 0111100
010 0110011
001 1010101
000 0000000
S
y
S

P
D
S

61
Codificacin
100 0001111 110 0111100
010 0110011 101 1011010
001 1010101 011 1100110
000 0000000 111 1101001
S
y
S

P
D
S

62
Correccin de errores y borrones
100 - 0001111
010 - 0110011
001 - 1010101
000 - 0000000
1X00010?
110 - 0111100
101 - 1011010
011 - 1100110
111 - 1101001
1100110
011
S
y
S

P
D
S

63
Distancias definida por la norma-p
Como vimos una mtrica se puede definir a partir de una
norma, por ejemplo la norma-p: ( , )
p
d x y x y =
S
y
S

P
D
S

64
Qu ocurre cuando varo p?
x
1
x
2
p = 2
-10 -5 0 5 10
-10
-5
0
5
10
x
1
x
2
p = 1.5
-10 -5 0 5 10
-10
-5
0
5
10
x
1
x
2
p = 1
-10 -5 0 5 10
-10
-5
0
5
10
x
1
x
2
p = 0.5
-10 -5 0 5 10
-10
-5
0
5
10
x
1
x
2
p = 0.25
-10 -5 0 5 10
-10
-5
0
5
10
x
1
x
2
p = 0.1
-10 -5 0 5 10
-10
-5
0
5
10
Curvas de nivel
de ||x||
p
para
x = [x
1
, x
2
]
S
y
S

P
D
S

65
Qu ocurre cuando varo p?
x
1
x
2

p = 2
-10 -5 0 5 10
-10
-5
0
5
10
x
1
x
2

p = 1
-10 -5 0 5 10
-10
-5
0
5
10
x
0
x
0 0
( , )
p
d x x x x
S
y
S

P
D
S

67
Otras distancias
Distancia de Levenshtein (distancia de edicin)

Distancia entre palabras:
Nmero mnimo de operaciones requeridas para transformar una
cadena de caracteres en otra.
Operaciones: insercin, eliminacin o sustitucin de un carcter.

Es til en programas que determinan cun
similares son dos cadenas de caracteres, como
es el caso de los correctores de ortografa.

S
y
S

P
D
S

68
Otras distancias
Distancia de Levenshtein (distancia de edicin)

Ejemplo: la distancia de Levenshtein entre "kitten" y "sitting"
es de 3 porque se necesitan al menos tres ediciones
elementales para cambiar una en la otra:
kitten sitten (sustitucin de 'k' por 's')
sitten sittin (sustitucin de 'e' por 'i')
sittin sitting (insercin de 'g' al final)

Generalizacin de la distancia de Hamming, que
se usa para cadenas de la misma longitud y solo
considera como operacin la substitucin.
Vladimir
Levenshtein,
Rusia 1965.
S
y
S

P
D
S

69
Otras distancias
Distancia de Mahalanobis:




1
( , ) ( ) ( )
T
d x y x y C x y

=
matriz de covarianza
Toma en cuenta la estadstica de los datos
Prasanta
Chandra
Mahalanobis,
India 1936.
S
y
S

P
D
S

70
Otras distancias
Distancia de Mahalanobis:



Ejemplo:
Un pescador quiere medir la similitud entre salmones para vender los
grandes ms caros.
Para cada salmn mide su anchura y su longitud x = [x
1
, x
2
]
(diferencias de escala).
Si usa la distancia Eucldea el ancho casi no cuenta.
Entonces debe incorporar la estadstica de los datos: las variables con
menos varianza tendrn ms importancia que las de mayor varianza
(
11

y
22

en C).
Y debe tener en cuenta tambin que la longitud y anchura no son
independientes (
12

y
21

en C).
1
( , ) ( ) ( )
T
d x y x y C x y

=
S
y
S

P
D
S

71
Otras distancias
Distancia de Minkowski con pesos.
Distancia de Hamming (ya vista).
.

S
y
S

P
D
S

Divergencia de Kullback-Leibler
Sean x y y dos seales en
N
y sea D
KL
la
denominada "Divergencia de Kullback-
Leibler:




Es una distancia?Por qu?
72

KL
1
[ ]
( , ) [ ]log
[ ]
N
i
x i
D x i
y i
x y
S
y
S

P
D
S

73
Ejemplos de espacios de seales
Espacio de secuencias temporales reales:


Espacio de seales de tiempo continuo reales:



Ambos suelen usar la mtrica euclideana:

{ [ ]}; ; [ ] ; 1 x n n x n n N = e e s s
{ ( )}; ; ( ) ; - x t t x t t = e e s s
2
( , ) d x y x y =
S
y
S

P
D
S

Producto Interno

Analogas entre Seales y Vectores
S
y
S

P
D
S

75
Producto interno
Otra medida de
similitud
entre seales
S
y
S

P
D
S

76
Componente de un vector en otro
Proyeccin de v
1
sobre v
2

Menor error de modo que:
v
1
= c
12
v
2
+ v
e
S
y
S

P
D
S

77
Pero no cumplen la condicin de error mnimo
Otras alternativas podran ser
S
y
S

P
D
S

78
Cmo calculamos c
12
?
c
12
|v
2
| = |v
1
| cos(u)
La componente de la componente de v
1
a lo largo de
v
2
ser:
S
y
S

P
D
S

79
Adems, sabemos que:
Cmo calculamos c
12
?
c
12
|v
2
| = |v
1
| cos(u)
La componente de la componente de v
1
a lo largo de
v
2
ser:
< v
1
, v
2
> = |v
1
| |v
2
| cos(u)
S
y
S

P
D
S

80
Cmo calculamos c
12
?
Ahora podemos escribir:
2 2
2 1
12
,
,
v v
v v
= c
S
y
S

P
D
S

81
c
12
mide el parecido entre v
1
y v
2
S
y
S

P
D
S

82
c
12
mide el parecido entre v
1
y v
2
Si v
2
tiene norma unitaria:
2 1 12
, v v = c
S
y
S

P
D
S

83
Producto Interno, normas y mtricas
Al definir el producto interno se obtiene
tambin una norma y una mtrica para el
espacio:
2
2
, x x x
S
y
S

P
D
S

84
Producto interno en
seales continuas?
S
y
S

P
D
S

85
El concepto de proyeccin y ortogonalidad
de vectores se puede extender a las seales.

Se considerarn dos seales f
1
(t) y f
2
(t)
donde se se desea aproximar f
1
(t) en
trminos de f
2
(t) en un cierto intervalo (t
1,
t
2
)
Producto interno
S
y
S

P
D
S

86
Se desea aproximar f
1
mediante f
2
f
1
(t) C
12
f
2
(t) en (t
1
< t < t
2
).

Se define la funcin error f
e
(t):

f
e
(t) = f
1
(t) - C
12
f
2
(t).

Debemos encontrar un valor de C
12
que
minimice el error entre las dos funciones
S
y
S

P
D
S

87
2
1
12
1 2
2 1
( ) ( )
t
t t dt
t
EM
t t
f f
C
2
1
2
2 1
( )
e
t
t dt
t
ECM
t t
f
S
y
S

P
D
S

88
2
1 2
1
12
2 2
2
1
( ) ( )
( ( ))
t
t
t
t
f t f t dt
C
f t dt
12
0
ECM
C
S
y
S

P
D
S

89
2
1 2
1
12
2
2 2
1
( ) ( )
( ) ( )
t
t
t
t
f t f t dt
C
f t f t dt
12
0
ECM
C
Si nuestra seal puede tomar valores complejos
S
y
S

P
D
S

90
2
1
( ) ( ) 0
1 2
t
f t f t dt
t
Ortogonalidad de Funciones
S
y
S

P
D
S

91
Iguales
Ortogonales
Opuestas
Vectores Seales Produto Producto
interno
x , y > 0
x , y = 0
x , y < 0
S
y
S

P
D
S

92
0
( ) ( )
st
X s x t e dt

=
}
( ) ( )
j t
X x t e dt
e
e

=
}
( ) ( ).
n
n
X z x n z
+

=
=
Transformaciones lineales...
S
y
S

P
D
S

93
( ) ( ) ( ) ( ) x t y t x y t d t t t

- =
}
( ) ( ) ( )
xy
R t x y t d t t t

= +
}
Otras operaciones lineales...
S
y
S

P
D
S

Estructura Algebraica
S
y
S

P
D
S

95
Qu pasa si sumo dos seales de ?
{ ; ( ) Re[ exp( )]}
=2 - , ,
x x t j t
f t f
o | e
e t o |
= = +
s s e
+
=

e
e ?
Conjunto de las seales
sinusoidales (1)

S
y
S

P
D
S

96
Campo Escalar
K es un campo escalar (un conjunto)
Adicin + : K x K K
Producto
.
: K x K K
Neutro aditivo: 0
Neutro multiplicativo: 1

Ejemplos: Z, R, C
S
y
S

P
D
S

97
Espacio Lineal
Conjunto para el que estn definidas las
operaciones binarias (cerradas) de:
Multiplicacin de cualquier elemento por un escalar
Adicin entre cualesquiera de sus elementos
Estas operaciones son conmutativas, asociativas y
distributivas.
Poseen elemento neutro y cancelativo.
{ } ; ; ; = +
S
y
S

P
D
S

98
Espacio Lineal
{ } ; ; ; = +
S
y
S

P
D
S

99
(1) no es
un
espacio
vectorial.
Espacio Lineal
A los elementos de los espacios lineales
los llamamos vectores y podemos
referirnos al espacio como espacio
vectorial.
S
y
S

P
D
S

100
Espacios Normados
Son aquellos espacios vectoriales en los que
todos sus elementos poseen norma finita.

Ejemplos:
Los subconjuntos de seales que poseen energa
finita o accin finita son espacios normados:
2
( ) L
1
( ) L
2
( )
1
( )
S
y
S

P
D
S

101
Espacios Normados
Ejemplos:
1
( ) ; ( ) ; ; ( ) , L x x t dt t x t t

= < e e s s
`
)
}
2
2
( ) ; ( ) ; ; ( ) ; L x x t dt t x t t

= < e e s s
`
)
}
1
( ) ; [ ] ; ; [ ] ;
n
x x n n x n n

=

= < e e s s
`
)

2
2
( ) ; [ ] ; ; [ ] ;
n
x x n n x n n

=

= < e e s s
`
)

(pueden definirse tambin en C o Z):

S
y
S

P
D
S

102
Espacios con Producto Interno
Debido a la importancia del producto interno
para comparar seales aparece este tipo
particular de espacios.
Un espacio con producto interno:
I(x , y) = < x , y >,
es un espacio vectorial con un producto interno
definido en l.
S
y
S

P
D
S

103
Espacios con Producto Interno
Como ya vimos, al definir el producto interno
se obtiene tambin una norma y una mtrica
para el espacio:
2
2
, x x x
S
y
S

P
D
S

104
Espacio Eucldeo
Es el espacio matemtico n-dimensional usual,
una generalizacin de los espacios de 2 y 3
dimensiones estudiados por Euclides.
Estructuralmente es:
un espacio vectorial normado de
dimensin finita sobre los reales
la norma es la asociada al producto
escalar ordinario (norma 2).
Se denota como: R
N
Euclides
(300 a.C, Grecia)
S
y
S

P
D
S

105
Espacios de Hilbert
H es un espacio de Hilbert si es completo con
respecto a la norma generada por < x , x >.
Completo significa que no tiene agujeros.
Constituye una generalizacin
del concepto de espacio eucldeo.
Permite extender nociones
de espacios de dimensin
finita a los de dimensin
infinita.
David Hilbert
(1862-1943, Alemania)
S
y
S

P
D
S

106
Conjuntos, espacios y seales
Conjuntos de seales
Espacios
mtricos
Espacios
vectoriales
Espacios
|normados|
Espacios con
producto
<.,.>
Seales
aisladas
Hilbert 2
( ) L
1
( ) 1
( ) L
R
N
S
y
S

P
D
S

Bases y transformaciones
Prxima clase .
S
y
S

P
D
S

108
Dado un conjunto N vectores (seales) X
0
={x
i
} con N < :

=
=
N
i
i i
x x
1
o
combinacin lineal de vectores x
i
,
donde o
i
son escalares.
Variando los o
i
se genera un nuevo conjunto X, que en el
caso que sea un espacio vectorial entonces X
0
es un
conjunto generador de ese espacio.
Conjunto generador
S
y
S

P
D
S

109
1
0 0
N
i i i
i
x i o o
=
= =

{x
i
} son linealmente independientes si:
Base
Conjunto generador.
{x
i
} linealmente independientes.
Definicin de base
S
y
S

P
D
S

110
Si el conjunto X
0
es ortogonal
j i k x x
j i x x
j i
j i
= =
= =
,
0 ,
O, si k = 1 entonces X
0
es ortonormal.
Entonces, si X
0
es una base del espacio vectorial X, los coeficientes
o
i
se pueden calcular mediante el producto interno entre el vector
(seal) y cada uno de los elementos de la base.
Volvemos sobre ortogonalidad
S
y
S

P
D
S

111
N N
N
i
i i
x x x x x o o o o + + + = =

=
...
2 2 1 1
1
Suponga que quiere representar el vector x en R
N
generado por el
conjunto X
0
={x
i
}, con i = 1 .. N.
) ( + + ) ( + ) ( = ) (
i N N i i i
x x x x x x x x , ... , , ,
2 2 1 1
o o o
Efectuando producto interno por x
i
a ambos miembros:
Representacin de seales
S
y
S

P
D
S

112
) ( = ) (
i i i i
x x x x , , o Si X
0
es ortogonal, entonces:
2
,
,
,
i
i
i i
i
i
x
x x
x x
x x ) (
=
) (
) (
= o
) ( = ) (
i i i i
x x x x , , o Si X
0
es ortonormal, entonces:
) ( =
i i
x x, o
Concepto importante: o
i
es la componente de la seal x en x
i
.
Representacin de seales
S
y
S

P
D
S

116
Polinomios de Legendre [-1,1]

Polinomios de Chebyshev [-1, 1]

Polinomios de Hermite [- , ]

Funciones de Hermite [- , ]

Funciones de Walsh [0,T]

Funciones de Haar [0,1]

Wavelets

Funciones de Fourier
Ejemplos: Bases ortogonales
S
y
S

P
D
S

117
Funciones de Haar:
Ejemplo: Wavelets
S
y
S

P
D
S

118
Onditas de Meyer:
Ejemplo: Wavelets
S
y
S

P
D
S

123
Bibliografa
Mertins, Signal Analysis, John Wiley & Sons
Franks, Teora de la seal, Revert.
De Coulon, Signal Theory and Processing, Artech-
House.
Lathi, Modern Digital and Analog Communication
Systems, Holt, Rinehart & Winston.
Citas completas y repaso en:
Milone, Rufiner, Acevedo, Di Persia, Torres,
Introduccin a las seales y los sistemas discretos,
EDUNER (Cap. 2).