Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Senales y Sistemas PDF
Senales y Sistemas PDF
nales y Sistemas
Fundamentos Matem
aticos
Se
nales y Sistemas
Fundamentos Matem
aticos
Pablo Alvarado Moya
Escuela de Ingeniera Electronica
Instituto Tecnologico de Costa Rica
Ediciones
CENTRO DE DESARROLLO
DE MATERIAL BIBLIOGRAFICO
Primera Edici
on, primera reimpresi
on
Centro de Desarrollo de Material Bibliografico (CDMB)
Instituto Tecnol
ogico de Costa Rica
Apartado Postal 159
7050 Cartago
Costa Rica
621.3822
A 472 s
Alvarado Moya, Pablo.
Se
nales y Sistemas. Fundamentos Matematicos / Pablo Alvarado Moya.
1a Ed. Cartago, Costa Rica: Instituto Tecnologico de Costa Rica,
Centro de Desarrollo de Material Bibliografico, 2008.
319 p. : il.
ISBN 978-9968-514-06-4
1. Sistemas.
2. Se
nales.
3. Teora de funciones.
4. Series de Fourier.
5. Transformada de Fourier. 6. Transformada de Laplace. 7. Transformada z.
Prefacio
La solucion de problemas tpicos en las areas de ingeniera presupone un fuerte dominio
matematico, puesto que la matematica representa el lenguaje basico para poder describir
tanto el comportamiento de fenomenos en el entorno, como los metodos utilizados para
modificar dichos comportamientos de una manera controlada. El presente texto pretende
introducir los fundamentos matematicos necesarios para el analisis de se
nales y sistemas, y
ha sido elaborado para servir de gua en el curso EL-4701 Modelos de Sistemas impartido
en la carrera de Ingeniera Electronica del Instituto Tecnologico de Costa Rica. Un arduo
proceso en los u
ltimos dos a
nos ha precedido este documento, que se presenta en el actual
formato por considerar que ya ha alcanzado el grado de madurez necesario.
Se ha pretendido cubrir con suficiente detalle la materia correspondiente a dicho curso,
que involucra fundamentos del calculo con variable compleja, el analisis de Fourier, y las
transformadas de Laplace y z. Estos temas introducen el vocabulario indispensable para el
analisis de sistemas y se
nales llevado a cabo en las u
ltimas fases de la carrera de Ingeniera
Electronica, especialmente en las areas de control automatico, comunicaciones electricas y
procesamiento de se
nales. Es recomendable, sin embargo, que la revision de la materia sea
acompa
nada por otros libros de texto. Se sugieren entre otros los libros de James [8], y
Brown y Churchill [2] para el tema de variable compleja, Oppenheim y Willsky [14] para el
analisis de Fourier y Laplace, y Proakis y Manolakis [16] para la transformada z. Para el
lector que tenga interes en un tratamiento mas formal de la materia se recomiendan ademas
los libros de Shilov [19], LePage [11], Davis [3] y Kreyszig [9].
El orden de presentacion de los temas ha sido adecuado a la forma considerada mas natural
para su introduccion. Especialmente la presentacion del analisis de Fourier sigue un enfoque
mas formal que el tradicionalmente utilizado en textos para ingeniera, con el objetivo de
introducir conceptos necesarios para la comprension de topicos frecuentemente utilizados en
la actualidad, como la teora de wavelets, o tecnicas de modulacion basadas en ortogonalidad.
En cuanto a la distribucion del curso en un semestre, se recomienda utilizar una semana en
el primer captulo, de cinco a seis semanas en el captulo de variable compleja y un lapso
similar para el analisis de Fourier. Similitudes conceptuales permiten invertir de tres a cuatro
semanas tanto con la Transformada de Laplace como con Transformada z.
Para finalizar, deseo agradecer a los colegas Ing. Nestor Hernandez Hostaller, M.Sc., Ing. Arys
Carrasquilla Batista, M.Sc. e Ing. Faustino Montes de Oca Murillo por haber construido la
estructura original del curso. A mis estudiantes agradezco el haber sido los mas exigentes
revisores de este texto, as como a mi colega Ing. Gabriela Ortz Leon, M.Sc., con quien hemos
dado forma al contenido actual del curso. Finalmente agradezco a mi colega el Ing. David
Gomez Tames por la exhaustiva revision del texto.
Indice general
Indice de tablas
Indice de ejemplos
ix
xi
1 Introducci
on
1.1 Se
nales, sistemas y modelos .
1.1.1 Se
nales . . . . . . . . .
1.1.2 Sistemas . . . . . . . .
1.1.3 Modelos . . . . . . . .
1.1.4 Diagramas de Bloques
1.2 Estructura del documento . .
1.3 Problemas . . . . . . . . . . .
.
.
.
.
.
.
.
1
1
1
3
4
4
5
7
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
9
9
9
11
13
14
14
15
16
24
24
26
27
32
35
40
41
41
43
44
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2 Variable compleja
2.1 Definiciones de algebra abstracta . . . . .
2.1.1 Conjuntos . . . . . . . . . . . . . .
2.1.2 Estructuras algebraicas . . . . . . .
2.1.3 N
umeros naturales . . . . . . . . .
2.1.4 Los n
umeros enteros . . . . . . . .
2.1.5 Los n
umeros racionales . . . . . . .
2.1.6 Los n
umeros reales . . . . . . . . .
2.1.7 Los n
umeros complejos . . . . . . .
2.1.8 Otros conjuntos . . . . . . . . . . .
2.2 Funciones de variable compleja . . . . . .
2.2.1 El concepto de mapeo . . . . . . .
2.2.2 Mapeos lineales . . . . . . . . . . .
2.2.3 Mapeo de Inversion . . . . . . . . .
2.2.4 Mapeo bilineal . . . . . . . . . . .
2.2.5 Otros mapeos . . . . . . . . . . . .
2.3 Derivacion compleja . . . . . . . . . . . .
2.3.1 Algunas definiciones fundamentales
2.3.2 Lmites y continuidad . . . . . . . .
2.3.3 Funciones diferenciables y analticas
i
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
ii
Indice general
2.4
2.5
2.6
2.7
2.8
2.9
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
trigonometricas
. . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3 An
alisis de Fourier
3.1 Ortogonalidad . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1.1 Espacios lineales . . . . . . . . . . . . . . . . . . . . .
3.1.2 Tipos de espacios lineales . . . . . . . . . . . . . . . .
3.1.3 Ortogonalidad de funciones . . . . . . . . . . . . . . .
3.2 Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . .
3.2.1 Series generalizadas de Fourier . . . . . . . . . . . . . .
3.2.2 Series de Fourier . . . . . . . . . . . . . . . . . . . . .
3.2.3 Propiedades de la serie de Fourier . . . . . . . . . . . .
3.3 Transformada de Fourier . . . . . . . . . . . . . . . . . . . . .
3.3.1 Transformada de Fourier directa e inversa . . . . . . .
3.3.2 Convergencia de la Transformada de Fourier . . . . . .
3.3.3 Ejemplos de Transformadas de Fourier . . . . . . . . .
3.3.4 Propiedades de la Transformada de Fourier . . . . . . .
3.4 Sistemas Lineales e Invariantes en el Tiempo y la Convolucion
3.4.1 Linealidad e invarianza en el tiempo . . . . . . . . . .
3.4.2 Convolucion . . . . . . . . . . . . . . . . . . . . . . . .
3.4.3 Funciones propias . . . . . . . . . . . . . . . . . . . . .
3.4.4 Causalidad y estabilidad . . . . . . . . . . . . . . . . .
3.5 Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
47
48
51
53
53
58
61
66
66
67
70
72
76
80
84
85
89
90
91
93
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
109
109
109
112
122
124
124
131
141
153
153
155
156
165
180
181
185
185
187
189
4 Transformada de Laplace
199
4.1 Transformada bilateral de Laplace . . . . . . . . . . . . . . . . . . . . . . . . 200
iii
Indice general
4.2
4.3
5 Transformada z
5.1 Funciones en tiempo discreto . . . . . . . . . . . . . . . .
5.1.1 Conversion analogica/digital . . . . . . . . . . . .
5.1.2 Representaciones de funciones de variable discreta
5.1.3 Se
nales elementales de variable discreta . . . . . .
5.2 Transformada z bilateral . . . . . . . . . . . . . . . . . .
5.2.1 Transformada z bilateral directa . . . . . . . . . .
5.2.2 Propiedades de la transformada z bilateral . . . .
5.2.3 Transformada z inversa . . . . . . . . . . . . . . .
5.3 Sistemas en tiempo discreto . . . . . . . . . . . . . . . .
5.3.1 Descripcion entrada-salida de sistemas . . . . . .
5.3.2 Tipos de sistemas en tiempo discreto . . . . . . .
5.3.3 Analisis de sistemas LTI en tiempo discreto . . .
5.4 Transformada z unilateral . . . . . . . . . . . . . . . . .
5.4.1 Definicion y propiedades . . . . . . . . . . . . . .
5.4.2 Respuestas natural y forzada . . . . . . . . . . . .
5.5 Interconexion de sistemas . . . . . . . . . . . . . . . . .
5.5.1 Diagramas de bloques . . . . . . . . . . . . . . .
5.6 Problemas . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
204
208
211
222
225
228
228
235
238
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
245
245
246
247
249
252
252
256
264
272
272
274
275
287
287
291
292
293
297
Bibliografa
303
A Teorema de Green
305
B Demostraciones de integrales
307
Indice alfab
etico
315
iv
Indice general
Indice de tablas
1.1
Caractersticas de las se
nales . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1
2.2
2.3
2.4
2.5
3.1
3.2
3.3
4.1
4.2
4.3
4.4
5.1
5.2
. . . . .
. . . . .
. . . . .
. . . . .
la figura
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . .
. . .
. . .
. . .
2.38.
.
.
.
.
.
.
.
.
.
.
.
.
3
12
13
14
17
89
212
218
229
230
vi
Indice de tablas
Indice de ejemplos
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2.10
2.11
2.12
2.13
2.14
2.15
2.16
2.17
2.18
2.19
2.20
2.21
2.22
2.23
2.24
2.25
2.26
2.27
2.28
2.29
2.30
2.31
3.1
3.2
3.3
3.4
Propiedades de operaciones . . . . . . . . . . . . . . . . .
Diagrama de Argand . . . . . . . . . . . . . . . . . . . .
Mapeo de una lnea recta . . . . . . . . . . . . . . . . . .
Mapeo lineal de rectas . . . . . . . . . . . . . . . . . . . .
Mapeo lineal de crculos . . . . . . . . . . . . . . . . . . .
Mapeo lineal de una region . . . . . . . . . . . . . . . . .
Carta de Smith . . . . . . . . . . . . . . . . . . . . . . .
Derivada de f (z) = z . . . . . . . . . . . . . . . . . . . .
Derivada de f (z) = z . . . . . . . . . . . . . . . . . . . .
Funcion analticas y las ecuaciones de Cauchy-Riemann .
Funciones conjugadas . . . . . . . . . . . . . . . . . . . .
Mapeo conforme . . . . . . . . . . . . . . . . . . . . . . .
Mapeo conforme exponencial . . . . . . . . . . . . . . . .
Radio de convergencia de derivadas . . . . . . . . . . . .
Serie de potencias . . . . . . . . . . . . . . . . . . . . . .
Serie de Taylor de la funcion cosenoidal . . . . . . . . . .
Series de Taylor . . . . . . . . . . . . . . . . . . . . . . .
Serie de Laurent . . . . . . . . . . . . . . . . . . . . . . .
Series de Laurent con diferentes regiones de convergencia
Calculo de residuos . . . . . . . . . . . . . . . . . . . . .
Calculo de residuos . . . . . . . . . . . . . . . . . . . . .
Residuo de una singularidad esencial . . . . . . . . . . . .
Integral de contorno . . . . . . . . . . . . . . . . . . . . .
Integral de contorno cerrada alrededor de polo simple . .
Integral de contorno cerrada alrededor de polo m
ultiple .
Integracion compleja . . . . . . . . . . . . . . . . . . . .
Teorema de la integral de Cauchy . . . . . . . . . . . . .
Formula integral de Cauchy . . . . . . . . . . . . . . . .
Integracion por teorema del residuo . . . . . . . . . . . .
Integracion infinita real . . . . . . . . . . . . . . . . . . .
Integracion de una funcion trigonometrica real . . . . . .
Coeficientes de una base ortogonal . . . . . . . . . . . . .
Ortogonalidad en el espacio euclidiano bidimensional . . .
Cambio de base para un vector . . . . . . . . . . . . . . .
Proyeccion de funciones sobre base canonica funcional . .
vii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
11
17
26
28
29
30
36
44
45
48
50
51
52
55
56
59
59
63
63
68
69
70
73
75
75
79
80
83
85
90
91
116
119
120
130
viii
3.5
3.7
3.8
3.10
3.12
3.13
3.14
3.15
3.16
3.17
3.18
3.19
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.11
4.12
4.13
4.14
4.15
4.16
4.17
5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.8
5.9
5.10
5.11
5.12
5.13
5.14
5.15
Indice de tablas
Serie de Fourier de se
nal rectangular . . . . . . . . . . . . . . . . . . . . . .
Linealidad en las series de Fourier . . . . . . . . . . . . . . . . . . . . . . .
Simetra en series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . .
Transformada de Fourier del seno y el coseno . . . . . . . . . . . . . . . . .
Propiedad de derivacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Propiedad de integracion . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Transformada de Distribucion Normal . . . . . . . . . . . . . . . . . . . . .
Dualidad de la transformada de Fourier . . . . . . . . . . . . . . . . . . . .
Uso de propiedades para el calculo del principio de integracion . . . . . . .
Muestreo de se
nales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Sistemas lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Sistemas invariantes en el tiempo . . . . . . . . . . . . . . . . . . . . . . . .
Transformada de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Region de convergencia de la transformada de Laplace . . . . . . . . . . . .
Transformada de Laplace y ROC . . . . . . . . . . . . . . . . . . . . . . . .
Transformada de Laplace de funcion finita . . . . . . . . . . . . . . . . . .
Convergencia de funciones bilaterales . . . . . . . . . . . . . . . . . . . . .
Derivacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Inversion por integracion de funcion racional con polo simple . . . . . . . .
Inversion por integracion de funcion racional con polos de orden superior . .
Inversion por integracion de funcion con polo en cero . . . . . . . . . . . . .
Transformada de Laplace de un termino de segundo orden . . . . . . . . . .
Transformada inversa de Laplace por descomposicion en fracciones parciales
Estabilidad y regiones de convergencia . . . . . . . . . . . . . . . . . . . . .
Estabilidad de sistemas de segundo orden . . . . . . . . . . . . . . . . . . .
Circuito RLC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Transformada unilateral de Laplace de una funcion periodica . . . . . . . .
Solucion de ecuacion diferencial con condiciones iniciales . . . . . . . . . . .
Transformada z de funciones finitas . . . . . . . . . . . . . . . . . . . . . .
Transformada z de funcion exponencial . . . . . . . . . . . . . . . . . . . .
Transformada z de funcion exponencial causal general . . . . . . . . . . . .
Transformada z de funcion exponencial anticausal general . . . . . . . . . .
Transformada de combinacion lineal de exponenciales . . . . . . . . . . . .
Linealidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Escalado en el dominio z . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Inversion temporal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Diferenciacion en el dominio z . . . . . . . . . . . . . . . . . . . . . . . . .
Transformada z inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Transformada z inversa por division polinomial . . . . . . . . . . . . . . . .
Transformada z inversa por series de Taylor . . . . . . . . . . . . . . . . . .
Conversion de funcion impropia en un polinomio mas una funcion propia .
Continuacion de ejemplo 5.13 . . . . . . . . . . . . . . . . . . . . . . . . . .
Expansion en fracciones parciales con solo polos simples . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
136
143
145
162
171
172
173
175
177
178
181
182
201
201
202
205
206
211
214
214
215
217
219
224
225
227
231
236
253
253
254
255
256
256
259
261
261
264
265
266
267
268
269
ix
Indice de ejemplos
5.16
5.17
5.18
5.19
5.20
5.21
5.22
5.23
5.24
5.25
5.26
5.27
5.28
5.29
5.30
5.31
5.32
5.33
5.34
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
270
272
273
274
275
276
277
278
280
282
282
284
286
287
289
290
291
294
295
Indice de ejemplos
(a, b)
ha, bi
z
z o arg z
Im(z) o zIm
Re(z) o zRe
T []
F {}
F 1 {}
L {}
L 1 {}
Z {}
Z 1 {}
y
A
Conjunto de los n
umeros naturales sin cero IN+ = IN\{0}.
Conjunto de los n
umeros naturales IN = {0, 1, 2, . . .}.
Conjunto de los n
umeros enteros Z = {. . . , 2, 1, 0, 1, 2, . . .}.
Conjunto de los n
umeros racionales Q = {q | q = nd ; n, d Z}.
Conjunto de los n
umeros reales.
Conjunto de los n
umeros complejos.
A es subconjunto de B.
A union B.
A interseccion B.
A menos B.
j 2 = 1
Mapeo de un dominio temporal al dominio frecuencial o z
Mapeo de un dominio frecuencial (o z) al dominio temporal
Par ordenado con primer componente a y segundo componente b.
Producto interno entre a y b
Complejo conjugado de z
Angulo
o argumento del n
umero complejo z
Parte imaginaria del n
umero complejo z
Parte real del n
umero complejo z
Transformacion realizada por un sistema
Transformada de Fourier
Transformada inversa de Fourier
Transformada de Laplace
Transformada inversa de Laplace
Transformada z
Transformada inversa z
Escalar.
Matriz.
A= .
.. . .
..
.
.
.
.
.
an1 an2 anm
xi
xii
Vector.
x1
x2
T
x = [x1 x2 . . . xn ] = .
..
xn
Abreviaciones
BIBO
DSP
FIR
IIR
LTI
PDS
ROC
Captulo 1
Introducci
on
La principal tarea de un ingeniero es aplicar sus conocimientos cientficos y tecnologicos
en la solucion de problemas de ndole tecnica, optimizando dichas soluciones bajo consideracion de restricciones y requisitos impuestos por materiales, consideraciones tecnologicas,
economicas, legales, ambientales y humanas [15]. Para encontrar la solucion a un problema
concreto es, entonces, estrictamente necesario comprender todos fenomenos involucrados, de
modo tal que se cuente con suficiente informacion para poder dise
nar la interaccion y manipulacion del entorno orientada a obtener los resultados deseados. El lenguaje utilizado para
describir dichos fenomenos con la precision necesaria es la matematica. El presente texto
tiene como objetivo introducir las bases de matematica avanzada utilizados en ingeniera.
Estos conceptos permiten simplificar el analisis de fenomenos fsicos encontrados en las areas
de termodinamica, optica, ac
ustica, mecanica, sismologa y electricidad, por mencionar algunas, y constituyen la base conceptual de tres grandes areas de la ingeniera electrica y
electronica, a saber:
comunicaciones electricas,
procesamiento de se
nales, y
control automatico.
Todas estas ramas comparten el mismo lenguaje matematico, que permite caracterizar
se
nales, sistemas y modelos. Estos terminos se introducen a continuacion.
1.1
1.1.1
Se
nales, sistemas y modelos
Se
nales
Una se
nal es el resultado de la observacion o medicion de una cantidad fsica que vara con
el tiempo, espacio o cualquier otra variable o variables independientes, y que lleva asociado
un contenido semantico, es decir, un significado propio para la aplicacion donde la se
nal se
encuentre.
En general, toda se
nal contiene informacion que se desea extraer o modificar de acuerdo a
1
1.1 Se
nales, sistemas y modelos
f1 (t)
f2 (t)
f (t) = .
..
fn (t)
Otro ejemplo de se
nales vectoriales utilizadas frecuentemente en ingeniera son las imagenes
en color, en las que cada elemento de la imagen o pixel se representa como un vector en
un espacio de color, donde las componentes del vector pueden, por ejemplo, representar los
valores de los colores primarios rojo, verde y azul. A cada una de las componentes de las
se
nales vectoriales se les denomina usualmente canales y por lo tanto a la se
nal se le denota
como multicanal .
Las variables de las que depende la se
nal pueden ser discretas o continuas. La salida de
un foto-transistor puede ser por ejemplo obtenida en todo instante de tiempo t (variable
continua), mientras que el n
umero de llamadas realizado por hora es una se
nal que una
compa
na telefonica puede generar para instantes discretos de tiempo nT distanciados por
un intervalo de T = 1 h (variable discreta). Los puntos donde la variable independiente
de una se
nal discreta esta definida no deben ser necesariamente equidistantes; sin embargo,
usualmente esto es asumido por conveniencia computacional y manejabilidad matematica.
Los valores que puede tomar una se
nal pueden ser tambien discretos o continuos. As, el
voltaje del fototransistor puede tomar cualquier valor real en un intervalo, mientras que el
n
umero de llamadas es siempre un valor entero. Tambien los valores de una funcion discreta
pueden ser equidistantes o seguir otros patrones mas complejos (como el logartmico). El
termino digital se utiliza para se
nales de variables independientes discretas y de valores
discretos, mientras que analogica es una se
nal con variables independientes continuas y
valores continuos. Muchos aspectos del tratamiento de se
nales digitales pueden ser analizados
matematicamente de manera mas simple a traves de funciones contnuas de variable discreta,
llamadas usualmente se
nales en tiempo discreto, por representar la variable independiente
generalmente instantes de tiempo definidos.
Un u
ltimo criterio de caracter matematico para clasificar las se
nales es su naturaleza es-
1 Introducci
on
tadstica: las se
nales pueden ser deterministas si puede especificarse con precision la forma
de la funcion. Por ejemplo, para se
nales deterministas definidas en el tiempo, sus valores en
el pasado, presente y futuro son siempre conocidos (por ejemplo, una se
nal senoidal). Las
se
nales aleatorias solo permiten una descripcion aproximada de la forma de su funcion, por
tener asociado un comportamiento impredecible (por ejemplo, un generador de ruido, una
se
nal ssmica, una se
nal ac
ustica de voz).
Tabla 1.1: Caractersticas de las se
nales
Caracterstica
N
umero de variables
Dimensionalidad
Variables independientes
Valores de la se
nal
Naturaleza estadstica
Valores
una variable
escalar
discretas
discretos
deterministas
multiples variables
vectorial (multicanal)
continuas
continuos
aleatorias
1.1.2
Sistemas
1.1 Se
nales, sistemas y modelos
1.1.3
Modelos
1.1.4
Diagramas de Bloques
En ingeniera se utilizan diagramas de bloques para representar las relaciones entre sistemas,
subsistemas, se
nales y sus modelos (figura 1.1). Las se
nales se representan con las lneas,
donde la flecha indica si la se
nal sale o entra a un bloque de procesamiento particular.
Sistema
Seal de
Entrada
Seal de
Salida
Estos bloques pueden interconectarse de diferentes formas para formar sistemas mas complejos. Por ejemplo, la figura 1.2 muestra un tpico sistema de comunicaciones con sus tres
elementos, transmisor, canal y receptor, donde cada uno de ellos puede verse como un subsistema con sus propios bloques internos. El transmisor prepara la se
nal para poder ser enviada
a traves del canal, quien la distorsiona debido a sus caractersticas fsicas y a interferencias y
ruidos introducidos en el medio. El receptor intenta reconstruir el mensaje original a partir
de la se
nal recibida.
La figura 1.3 muestra otro ejemplo: el diagrama de bloques de un sistema de control realimentado. Una se
nal de referencia x(t) es utilizada para indicar el valor deseado a la salida
1 Introducci
on
Transmisor
Canal
Mensaje
de entrada
Receptor
Seal
transmitida
Seal
recibida
Mensaje
reconstruido
e(t)
v(t)
Controlador
x(t)
Planta
Salida
y(t)
Se
nal de
realimentaci
on
r(t)
Sensor(es)
1.2
miento digital de se
nales y el control de sistemas en el llamado tiempo discreto.
Al final de cada captulo el lector encontrara una recopilacion de ejercicios para fortalecer
los conceptos presentados. Las soluciones a dichos ejercicios se encuentran disponibles para
verificacion autodidacta de los resultados.
1 Introducci
on
1.3
Problemas
(Una variable o
(Escalar
o
(Discretas
o
(Discretas
o
(Determinista o
Multiples variables)
Vectorial
)
Continuas
)
Continuas
)
Aleatoria
)
Estadstica (D/A/)
Valores (D/C/)
Variables (D/C/)
Dimension (E/V/)
Caracterstica
N
um. Variables (U/M/)
Se
nal
1.3 Problemas
Captulo 2
Variable compleja
2.1
Definiciones de
algebra abstracta
2.1.1
Conjuntos
10
S
y se denota con C = C1 C2 C3 . . . = i Ci , es decir,
[
Ci = {c | c C1 c C2 c C3 . . .}
i
La diferencia entre dos conjuntos se denota como A\B y es el conjunto de todos los elementos
de A que no estan en B, es decir
A \ B = {c | c A c
/ B}
Lo anterior implica que (A \ B) A = (A \ B) y (A \ B) B = .
La figura 2.1 muestra la representacion en diagramas de Venn de las operaciones anteriores.
A
A
AB
(a)
(b)
B
AB
(d)
(c)
A\B
B\A
(e)
(f)
11
2 Variable compleja
2.1.2
Estructuras algebraicas
Una estructura algebraica es un par ordenado compuesto por un conjunto de operandos (como
por ejemplo el conjunto de los n
umeros naturales, un conjunto binario de dos elementos
{0, 1}, el conjunto de los n
umeros racionales, etc.) y por un conjunto de una o varias
operaciones que deben satisfacer axiomas dados. La estructura algebraica se denota con
(C, O) donde C denota al conjunto de operandos y O al conjunto de operaciones. Si no hay
ambig
uedades usualmente se usa C para denotar tanto al conjunto de operandos como a la
estructura algebraica.
Las operaciones involucradas son usualmente unarias o binarias, implicando el n
umero de
elementos que toma la operacion para producir un nuevo elemento. Las operaciones unarias
toman un solo elemento (por ejemplo, el valor absoluto de un n
umero) y se representan como
una relacion entre elementos de dos conjuntos C D. Las operaciones binarias toman dos
elementos para producir uno nuevo, lo que se denota con C C D (por ejemplo, la
operacion suma toma usualmente dos n
umeros para producir otro elemento). Se dice que
la operacion es cerrada si su aplicacion a elementos de C produce elementos tambien en C
(por ejemplo, C C o C C C).
Si una operacion binaria1 mapea n x o x n hacia el mismo elemento x, entonces a n se
le denomina elemento neutro, o elemento identidad de dicha operacion. Un elemento x se
denomina inverso de un elemento y con respecto a la operacion si se cumple xy = n donde
n es el elemento neutro de . Observese que la neutralidad de un elemento se define para
la operacion con todos los elementos de la estructura algebraica, es decir, toda la estructura
algebraica tiene un u
nico elemento neutro. Por otro lado, cada elemento de la estructura
puede tener su propio elemento inverso con respecto a la operacion en cuestion, y por lo tanto
no es la estructura la que posee elemento inverso, sino cada elemento de esa estructura.
La operacion binaria es asociativa si se cumple (a b) c = a (b c), y es conmutativa si
a b = b a.
Sean y ? dos operaciones binarias. Se dice que es distributiva con respecto a ? si se
cumple a ? (b c) = (a ? b) (a ? c) y (b c) ? a = (b ? a) (c ? a).
Ejemplo 2.1 Sea C un conjunto definido por C = { , , , }, y la operacion } definida
por la siguiente matriz:
}
N
otese que la operaci
on denota cualquier operacion binaria, como suma, resta, multiplicion, divisi
on,
funciones l
ogicas, etc.
12
Soluci
on: Notese que la operacion toma dos elementos del conjunto C y genera otro elemento
del mismo conjunto, por lo que } es una operacion binaria y cerrada. La operacion no es
conmutativa, puesto que por ejemplo } = , pero } = . Puesto que x } = x
para cualquier x C se puede afirmar que
es el elemento neutro de }. En este caso
particular, puesto que la operacion no es conmutativa, es neutro en la segunda posicion,
mas no en la primera.
Finalmente, todos los elementos de C son inversos de s mismos, puesto que x } x =
2.1
Operacion
magma
semigrupo
monoide
monoide conmutativo
grupo
grupo abeliano
13
2 Variable compleja
Operacion +
semianillo
anillo
anillo conmutativo
anillo de division
cuerpo
operacion de monoide
operacion de monoide
00
operacion de grupo abeliano
operacion de monoide conmutativo
00
operacion de grupo
00
operacion de grupo abeliano
2.1.3
00
Operacion
N
umeros naturales
La cardinalidad de un conjunto C es el n
umero de elementos que contiene ese conjunto y se
denota con |C|. El conjunto de todas las posibles cardinalidades de conjuntos es el llamado
conjunto de los n
umeros naturales, es decir, los n
umeros naturales se pueden utilizar para
contar los elementos de un conjunto. Este conjunto se denota con IN = {0, 1, 2, . . .}, donde
el cero se incluira aqu de acuerdo a la tendencia seguida en teora de conjuntos, logica e
informatica, puesto que en otras areas (como en teora de n
umeros), el cero es excluido de
los n
umeros naturales. Para hacer explcita la inclusion del cero se encontrara en ocasiones
el smbolo IN0 y para denotar la exclusion del cero se usa IN o IN+ .
Los n
umeros naturales se utilizan tanto para contar (el n
umero de elementos de un conjunto),
como para ordenar (un elemento de un conjunto se encuentra antes que otro, es mayor
que otro, etc.).
Estos n
umeros se pueden definir a traves de los axiomas de Peano:
Existe un n
umero natural 0.
Todo n
umero natural a tiene un n
umero natural sucesor, denotado con S(a).
No existe ning
un n
umero natural cuyo sucesor es 0.
Dos n
umeros naturales distintos tienen sucesores distintos, es decir, si a 6= b entonces
S(a) 6= S(b).
14
2.1.4
Los n
umeros enteros
El conjunto de los n
umeros enteros Z contiene a los n
umeros naturales IN mas el conjunto
de los n
umeros enteros negativos, que constituyen inversos aditivos de los n
umeros naturales
positivos. Por ello, este conjunto junto con la operacion suma es un grupo abeliano, mientras
que Z junto con la multiplicacion es un monoide conmutativo. La tabla 2.3 resume las
propiedades en ambos casos. Notese que, a diferencia de los n
umeros naturales quienes no
Tabla 2.3: Propiedades de la suma y la multiplicacion con Z.
Suma
Multiplicacion
2.1.5
Los n
umeros racionales
15
2 Variable compleja
Dos n
umeros racionales (a, b) y (c, d) se dicen equivalentes si se cumple a d = b c. Esta
equivalencia se denota con (a, b) (c, d), aunque por lo general se utiliza directamente la
relacion de igualdad (por ejemplo, se escribe (2; 4) = (1; 2), o 24 = 12 ). Se define orden en el
conjunto Q a traves del operador , donde se cumple (a, b) (c, d) si y solo si a d b c,
con b, d 0.
La suma y multiplicacion de los n
umeros racionales se definen a partir del producto y multiplicacion de los n
umeros enteros como
(a, b) + (c, d) = (a d + b c, b d)
(a, b) (c, d) = (a c, b d) .
(2.1)
2.1.6
Los n
umeros reales
Existe alg
un n
umero racional (a, b) que cumpla con la ecuacion (a, b) (a, b) = 2? El
lector conocera alguna de las demostraciones por contradiccion que indican que no existe
tal n
umero. De la generalizacion de esta observacion se concluye que los n
umeros racionales
no pueden representar todos los puntos de una recta ideal infinita. Aquellos puntos de
dicha recta no cubiertos por los n
umeros racionales conforman el conjunto de los n
umeros
irracionales I. Estos u
ltimos tienen como caracterstica fundamental una representacion
(2.2)
Los n
umeros reales son completos, propiedad que se define a traves de la existencia de
secuencias de Cauchy. Una secuencia (xn ) de n
umeros reales se denomina secuencia de
Cauchy si para cualquier > 0 infinitesimalmente peque
no existe un entero N tal que la
distancia |xn xm | es menor que cuando n y m son ambos mayores que N :
> 0 N IN n, m IN, n > N, m > N : |xn xm | <
(2.3)
16
(2.4)
Para los n
umeros reales se cumple ademas que cualquier secuencia de Cauchy es convergente,
lo que no se cumple para los n
umeros racionales. Por ejemplo, la secuencia
1
2
1; 1,5; . . . ; xn+1 =
xn +
;...
2
xn
2.1.7
Los n
umeros complejos
El conjunto de los n
umeros complejos C es una extension de los n
umeros reales que es cerrada
ante las operaciones de potenciacion (por ejemplo, 1 C), o expresado de otra forma,
este conjunto contiene todas las races de polinomios, lo que no es posible en IR.
Formalmente los n
umeros complejos se definen como pares ordenados de n
umeros reales
(a, b) que junto con las operaciones
(a, b) + (c, d) = (a + c, b + d)
(a, b) (c, d) = (a c b d, b c + a d)
(2.5)
conforma un cuerpo algebraico, por lo que se deben cumplir los siguientes axiomas para los
n
umeros complejos s, w, z
z + w C, z w C (ley de clausura)
z + w = w + z (ley conmutativa de la adicion)
z + (w + s) = (z + w) + s (ley asociativa de la adicion)
z w = w z (ley conmutativa de la multiplicacion)
z (w s) = (z w) s (ley asociativa de la multiplicacion)
z (w + s) = z w + z s (ley distributiva)
z + (0, 0) = (0, 0) + z = z (elemento neutro de la suma es (0, 0))
(1, 0) z = z (1, 0) = z (elemento neutro de la multiplicacion es (1, 0))
Para todo z C existe un solo elemento w C tal que z + w = (0, 0) (Existencia de
elemento inverso u
nico con respecto a la suma)
10. Para todo z C \ (0, 0) existe un solo elemento w C tal que z w = w z = (1, 0)
(Existencia de elemento inverso u
nico con respecto a la multiplicacion)
1.
2.
3.
4.
5.
6.
7.
8.
9.
Sea el n
umero complejo z = (a, b). Al n
umero real a se le denomina componente real y al
n
umero real b componente imaginaria de z. Por convencion, se dice que el n
umero complejo
17
2 Variable compleja
(2.6)
IR
C
semianillo
anillo
cuerpo
cuerpo
cuerpo
conmutativo
Operaciones
+,
+, , +, , , / +, , , / +, , , /, ab
cerradas
sec. Cauchy sec. Cauchy
Ordinalidad
no
Plano complejo
El n
umero complejo z = (a, b) = a + jb se puede representar geometricamente como un
punto en un sistema coordenado cartesiano, llamado el plano complejo o tambien diagrama
de Argand o de Wessel, donde el eje horizontal representa la componente real y el eje vertical
la componente imaginaria (figura 2.2).
En este diagrama el n
umero complejo puede tambien representarse por medio de una notacion
18
b
r
Re
Im{z} = 1
Soluci
on: El conjunto de todos los n
umeros complejos z que tienen magnitud dos esta
conformado por un crculo de radio dos, centrado en el origen. Todos los n
umeros complejos
que tienen un angulo igual a /3 conforman un rayo que parte del origen con dicho angulo
con respecto al eje real. Todos los n
umeros complejos sobre una lnea vertical que pasa por
z = 2 cumplen Re{z} = 2. Por u
ltimo, todos los puntos sobre una lnea horizontal que pasa
por z = j cumplen Im{z} = 1.
Im{z}
z = /3
Im{z} = 1
Re{z}
|z| = 2
Re{z} = 2
2.2
19
2 Variable compleja
Identidad de Euler
La identidad o formula de Euler afirma para un angulo de valor real que
ej = cos + j sen
(2.7)
con lo que un n
umero complejo z = a + jb = r (cos + j sen ) se puede representar como
j
z = r e , o simplificando la notacion del producto z = rej . Esto se puede demostrar de
varias maneras, de las cuales aqu se presentaran dos: una por medio de series de Taylor y
otra por medio de calculo.
Se puede demostrar facilmente que j 0 = 1, j 1 = j, j 2 = 1, j 3 = j, j 4 = 1 . . . , j n+4 = j n , . . .
Con la variable real x se puede obtener que las
series de Taylor de las funciones ex , sen(x) y cos(x) estan dadas por
x2 x3 x4
+
+
+ ...
2!
3!
4!
x2 x4 x6
cos(x) = 1
+
+ ...
2!
4!
6!
x3 x5 x 7
sen(x) = x
+
+ ...
3!
5!
7!
ex = 1 + x +
Asumiendo por ahora que las series de Taylor mantienen su validez cuando x se sustituye
por el n
umero complejo2 j (con real) se obtiene:
(j)2 (j)3 (j)4
+
+
+ ...
2!
3!
4!
2 j3 4
= 1 + j
+
+ ...
2!
3!
4!
2 4 6
3 5 7
= 1
+
+ ... + j
+
+ ...
2!
4!
6!
3!
5!
7!
ej = 1 + j +
= cos() + j sen()
Para demostrar el teorema utilizando calculo defnase el n
umero complejo x = cos() +
j sen().
Derivando con respecto a la variable real se obtiene
dx
= sen() + j cos() = j 2 sen() + j cos() = j(cos() + j sen()) = jx
d
2
Matem
aticamente la validez de esto se justifica por el principio de continuaci
on analtica, que establece
que si una funci
on real es infinitamente diferenciable en un intervalo ]a, b[ y tiene una expansion en serie
de Taylor, entonces la funci
on de variable compleja obtenida sustituyendo la variable real x por la variable
compleja z tendr
a la misma serie de Taylor con la variable tambien reemplazada y convergera para todo
el plano complejo z si la serie real correspondiente converge para todo x real. (esto se retomar
a en la
secci
on 2.4).
20
Separando las variables e integrando a ambos lados se obtiene (asumiendo de nuevo que las
propiedades de integracion se mantienen para la variable compleja).
Z
Z
1
dx = jd
x
ln x = j + C
Operaciones con n
umeros complejos
Las siguientes son notaciones equivalentes para los n
umeros complejos
z = (a, b) = a + jb = r = rej = r exp(j)
(2.8)
(2.9)
Conjugaci
on compleja Una operacion basica de los n
umeros complejos no presente en
los n
umeros reales es la conjugacion compleja. Sea z = x + jy = rej C. La conjugacion
compleja es una operacion unaria que sustituye la componente imaginaria del n
umero por
su inverso aditivo y se denota con un superndice (z ) o con una lnea horizontal sobre
la variable (z). Puesto que el inverso aditivo de cero es a su vez cero, entoces el complejo
conjugado de un n
umero real x = x + j0 es igual a x j0 = x que equivale al mismo n
umero
real.
La conjugacion compleja es ademas equivalente a intercambiar el argumento del n
umero por
j
su inverso aditivo (ver figura 2.2). De esta forma z = x jy = re .
21
2 Variable compleja
Los n
umeros complejos conjugados juegan un papel importante en modelos de fenomenos y
sistemas reales, pues si el modelo de estos sistemas puede plantearse en terminos de polinomios de orden n de la forma
Pn (z) = a0 z n + a1 z n1 + a2 z n2 + . . . + an1 z + an = a0 (z z1 )(z z2 ) . . . (z zn ) (2.10)
entonces existiran exactamente n races zi (tambien llamadas ceros del polinomio, pues
Pn (zi ) = 0) las cuales pueden ser iguales o distintas. Cuando los coeficientes ai son reales,
las races zi podran ser n
umeros reales o complejos, presentandose siempre las races no
reales en pares complejos conjugados.
Valor absoluto o magnitud El valor absoluto, modulo o magnitud de un n
umero comj
plejo z = x + jy = re se definio anteriormente como:
p
|z| = x2 + y 2 = r
Notese ademas que z z = z z = x2 + y 2 y por lo tanto |z|2 = r2 = z z o lo que es lo
mismo |z| = r = z z .
Combinando lo anterior se observa que siempre se cumple |z| > Re{z} y |z| > Im{z}.
Se cumple ademas
1.
2.
3.
4.
22
y en general para n n
umeros complejos zi = xi + jyi se cumple
n
X
zi =
i=1
n
X
(xi jyi ) =
i=1
n
X
n
X
xi j
i=1
!
zi
n
X
yi
i=1
i=1
(2.11)
z1 z1 = j2 Im{z1 }
(2.12)
Multiplicaci
on y Divisi
on Para los n
umeros complejos z1 = x1 + jy1 = r1 ej1 y z2 =
x2 + jy2 = r2 ej2 se cumple:
z1 z2 = (x1 + jy1 )(x2 + jy2 ) = (x1 x2 y1 y2 ) + j(x1 y2 + x2 y1 )
= r1 r2 ej(1 +2 )
z1 z2
x1 x2 + y 1 y 2
x2 y 1 x1 y 2
z1
=
=
+j
2
2
z2
z2 z2
x2 + y2
x22 + y22
r1
= ej(1 2 )
r2
donde se ha simplificando la notacion del producto de n
umero reales y complejos z1 z2 por
z1 z2 .
De las ecuaciones anteriores resulta claro que, analticamente, es mas simple utilizar las
notaciones polares para resolver productos y divisiones de n
umeros complejos.
De forma similar al caso de la suma de n
umeros conjugados se cumple con la multiplicacion
z1 z2 = (r1 ej1 )(r2 ej2 ) = r1 r2 ej(1 +2 )
= (z1 z2 )
y en general para n n
umeros complejos zi = ri eji se cumple
!
n
n
n
Y
Y
Y
Pn
zi =
(ri eji ) =
ri ej i=1 i
i=1
i=1
n
Y
i=1
!
zi
i=1
z1
(2.13)
(2.14)
23
2 Variable compleja
Potenciaci
on Dada una coleccion de n n
umeros zi = xi + jyi = ri eji C, i = 1 . . . n
puede demostrarse que
!
n
n
Y
Y
Pn
zi =
ri ej i=1 i
i=1
i=1
Para el caso especial en que todos los elementos zi sean iguales a z = x + jy = rej se
obtiene:
!
n
n
Y
Y
Pn
z = zn =
r ej i=1 = rn ejn
(2.15)
i=1
i=1
+2k
n
w1
w0
w2
Re
w3
Exponenciaci
on La exponenciacion con n
umeros complejos mantiene las propiedades presentes en los n
umeros reales y extiende la identidad de Euler presentada anteriormente. As
ez = e(x+jy)
= ex ejy
= ex cos(y) + jex sen(y)
24
que es un n
umero de magnitud ex con angulo igual a y, parte real ex cos(y) y parte imaginaria
ex sen(y). El lector puede demostrar que se cumple ademas:
ejz + ejz
= cos x cosh y j sen x senh y
2
ejz ejz
sen(z) =
= sen x cosh y + j cos x senh y
2j
cos(z) =
2.1.8
Otros conjuntos
2.2
Una funcion f es un concepto matematico que involucra dos conjuntos X y Y y una regla o
relacion que asocia a cada elemento x X uno y solo un elemento de y Y . Se dice entonces
que f mapea el elemento x en el elemento y (figura 2.5). Esto se denota generalmente como
f :XY
y = f (x)
f ()
replacemen
y
x
X
A x se le denomina variable independiente, puesto que puede tomar cualquier valor dentro
de X. La variable dependiente y adquiere un valor determinado por el valor especfico de x
y la funcion f .
25
2 Variable compleja
f (z)
20
10
/2
0-3
0-3
-2
-1
0
Re{z} 1
2
3-3
-2
-1
/2 -2 -1
3
0
Re{z}
1
2
Im{z}
3-3
(a)
Im{f (z)}
15
10
5
0-3
-5 -2
-1
-10
0
-15
Re{z} 1
15
10
5
0-3
-5 -2
-1
-10
0
-15
Re{z} 1
3-3
(c)
Im{z}
(b)
Re{f (z)}
-2
-1
-2
-1
Im{z}
2
3-3
-2
-1
Im{z}
(d)
26
2.2.1
El concepto de mapeo
Mientras que con las representaciones de magnitud, fase, componentes real e imaginaria
de funciones de valor y variable compleja se intenta observar como varan individualmente
estas con respecto a todo el plano complejo C, con los llamados mapeos se estudia como
es transformada una region especfica del plano z (que puede ser una recta, una banda, un
crculo, etc.) en otra region del plano w cuando se aplica w = f (z).
La idea general de mapeo o transformacion que realiza una funcion entre los conjuntos X y
Y provee otro modo de visualizacion y analisis que se utiliza frecuentemente en ingeniera
para simplificar modelos geometricos relativamente complejos. Por ejemplo, en electrostatica
se utilizan transformaciones que mapean la forma de superficies metalicas hacia planos, con
los que los campos electricos generados por cargas electricas se pueden analizar de forma
relativamente simple, para luego aplicar la transformacion inversa, que permite derivar como
se deforman los campos y lneas de fuerza en la configuracion original. Un caso similar ocurre
en aeronautica, donde se mapea la forma (o perfil) de un ala a un cilindro que permite aplicar
modelos matematicos mas flexibles de las corrientes de aire a su alrededor, para luego invertir
el mapeo y observar cual es el comportamiento del aire con la forma real del ala.
Como funcion o mapeo inverso de w = f (z) se conoce a aquel que logra recobrar el valor de
z a partir de su imagen, y se denota como z = f 1 (w), es decir:
w = f (z) z = f 1 (w) = f 1 (f (z))
No toda funcion tiene un inverso, aunque en ingeniera son precisamente aquellas funciones
invertibles las que encuentran mayor aplicacion en casos como los mencionados.
Se denomina como punto fijo del mapeo o funcion f , aquel donde se cumple z = f (z), es
decir, un punto que no cambia cuando se le aplica la transformacion f .
Ejemplo 2.3 Encuentre la imagen en el plano w de la region lineal y = 2x + 4 del plano
z = x + jy bajo el mapeo w = 2z + 6. Encuentre los puntos fijos de este mapeo, y su mapeo
inverso.
Soluci
on: Se sabe que
w = u + jv = f (z) = 2z + 6 = 2(x + jy) + 6 = (2x + 6) + j 2y
|{z}
| {z }
u
u6
2
y sustituyendo en v se obtiene
v = 2y = 2(2x + 4) = 4x + 8 = 2u 12 + 8 = 2u 4
lo que corresponde tambien a una lnea recta (figura 2.7). El u
nico punto fijo del mapeo
w = 2z + 6 es z = 6, y se encuentra facilmente resolviendo la ecuacion lineal z = 2z + 6.
El mapeo inverso es z = w6
.
2.3
2
27
2 Variable compleja
v
y
Plano z
v = 2u 4
y = 2x + 4
u
Plano w
2.2.2
Mapeos lineales
, C
y
Plano z
Plano w
28
y
Plano z
Plano w
(2.16)
b
1
1
|w (a + )| =
|w (b + )|
||
||
|w a
| = |w b|
29
2 Variable compleja
Im(z)
|z a| = |z b|
b
Re(z)
donde a
= a + y b = b + que son las transformaciones de los dos puntos generadores
de la recta. Con esto queda claro que la proyeccion de la recta es otra recta.
Otra posible demostracion se esboza a continuacion. As
umase como dominio la recta y =
mx + b. Se cumple
w = z + = (x + jy) + = (x + ) + jy = u + jv
Puesto que , C, no es posible igualar x + = u, pues el lado izquierdo no es real.
Utilizando = Re + jIm y = Re + jIm se pueden obtener y agrupar las partes reales e
imaginarias y demostrar que
v = K1 u + K2
lo que tambien representa una recta, donde las constantes se definen como
Im + Re m
Re Im m
Im b Re
K2 =
(Im + Re m) + Re b + Im
Re Im m
K1 =
.
2.4
Ejemplo 2.5 Demuestre que el mapeo lineal transforma un crculo en z en otro crculo en
w.
Soluci
on: La ecuacion de un crculo en z es |z z0 | = r, donde el crculo tiene radio r y
esta centrado en z0 (figura 2.11). El mapeo lineal es w = z + . Esto quiere decir que
w
=z
30
z z0 = rej
z0
Re(z)
1
= (w w0 )
z z0 =
(2.18)
(2.19)
31
2 Variable compleja
semiplano se escala por 2 y luego se rota 45 en contra de las manecillas del reloj, para
ser luego trasladado en = 1 j = 2ej 4 , que deja al semiplano izquierdo de z del lado
inferior izquierdo de w (figura 2.12).
v
y
Plano z
Plano w
32
2.2.3
Mapeo de Inversi
on
1
z
Interesa analizar ahora como se transforman los crculos y rectas del plano z en este caso.
Para ello, observese primero el caso del crculo
1
|z z0 | = z0 = r .
w
Utilizando las propiedades de los n
umeros complejos se derivan las siguientes conclusiones:
1
z0 = r
w
1 w
w w z0 = r
y puesto que z z = |z|2
w
|w|2
w
|w|2
1
|w|2
w
z0
z0 = r2
|w|2
w
z0
z0 = r2
2
|w|
wz0
w z0
+ |z0 |2 = r2
|w|2
|w|2
1 (wz0 + w z0 ) = (r2 |z0 |2 )|w|2
| {z }
(2.20)
=cteIR
ww +
wz0 + w z0
1
=
As
umase por ahora que 6= 0. Sumando a ambos lados de la igualdad
cuadrados, se obtiene:
z0 z0
2
para completar
wz0 + w z0 z0 z0
1 z0 z0
+ 2 = + 2
wz0 w z0 z0 z0 r 2
ww +
+
+
=
ww +
z0 z0 z0
z0 z0
z0
z0
w w +
+
w +
= w+
w +
= w+
w+
2
r 2
z0
= w +
=
Por lo tanto
|w w0 | = rw
33
2 Variable compleja
||
Para el caso especial en el que el crculo en el plano z pasa por el origen, entonces es cero
y la ecuacion (2.20) se transforma en
1 (wz0 + w z0 ) = 0
y considerando que w = u + jv, z0 = x0 + jy0 y z + z = 2 Re{z} se obtiene:
2 Re{wz0 } = 1
2(ux0 vy0 ) = 1
1
x0
v = u
y0
2y0
lo que equivale a una recta en el plano w que corta el eje imaginario en v = 2y10 y tiene
pendiente xy00 .
De forma similar se procede ahora con el mapeo de inversion de una recta en el plano z.
Para ello se utilizara ahora la ecuacion de la recta de la siguiente forma:
|z a| = |z b|
donde a, b C, que describe la recta perpendicular al segmento de recta entre a y b, que
corta a este u
ltimo a la mitad (mediatriz). Sustituyendo z = 1/w y elevando al cuadrado
ambos lados de la ecuacion se obtiene
1
1
a = b
w
w
2
2
w
w
a
=
b
|w|2
|w|2
w
w
w
w
a
a =
b
b
|w|2
|w|2
|w|2
|w|2
(a
b)
+
(a b) = |a|2 |b|2
|w|2
|w|2
w (a b) + w(a b) = (|a|2 |b|2 )|w|2
|
{z
}
=cteIR
(2.21)
34
Notese que la constante es igual a cero si y solo si los dos puntos a y b tienen la misma
magnitud, en cuyo caso la mediatriz es una recta que pasa por el origen. En este caso, la
ecuacion anterior sera equivalente a
w (a b) + w(a b) = 0
y utilizando z + z = 2 Re{z}, w = u + jv se obtiene como parte real del producto entre w
y (a b)
2u Re{a b} 2v Im{a b} = 0
de donde se deriva
v=
Re{a b}
u
Im{a b}
lo que corresponde a una recta en el plano w que pasa por el origen. En otras palabras, una
recta que pasa por el origen en z sera proyectada en otra recta que pasa por el origen en w.
Si 6= 0 entonces la recta no pasa por el origen y la ecuacion (2.21) se puede reescribir
w
(a b)
(a b)
+w
= |w|2 = ww
2
2
que es equivalente a
ab
(a b)
ab
|a b|2
w w
w
=
2
2
ab
|a b|
ab
w
=
w
w (a b) = |a b|
||
(ab)
Esto corresponde a un crculo centrado en w0 = de radio rw = ab
. Puesto que
rw = |w0 | entonces la recta es transformada en un crculo que pasa por el origen del plano
w.
En resumen, el mapeo de inversion transforma los crculos y rectas en crculos o rectas.
Puesto que w = 1/z, es facil de recordar que si z tiende a cero, entonces w tendera a infinito,
el cual es contenido en rectas del plano w. Si z nunca se hace cero (como por ejemplo,
en crculos que no pasan por el origen), entonces su transformacion siempre tendra valores
finitos en w. Si z se hace infinito, entonces el valor de w = 1/z sera cero, por lo que toda
recta en el plano z (por contener al infinito) tendra una imagen que pasa por el origen del
plano w.
Los puntos fijos de este mapeo se encuentran resolviendo z = 1/z, lo que equivale a z 2 = 1.
Esto tiene dos posibles valores en z = 1. Ademas cualquier crculo centrado en el origen
35
2 Variable compleja
de z de radio r sera transformado en otro crculo centrado en el origen de w con radio 1/r.
Esto quiere decir que el interior del crculo unitario en z se proyecta al exterior del crculo
unitario en w. Notese que el crculo unitario |z| = 1 contiene a los dos puntos fijos, que se
deben encontrar entonces en su proyeccion. Notese ademas que el mapeo inverso de w = 1/z
es z = 1/w, es decir, el mapeo inverso de la inversion es a su vez la inversion.
Se deja como ejercicio para el lector mostrar que el mapeo de inversion transforma crculos
centrados en el eje real del plano z en crculos centrados en el eje real del plano w o en rectas
verticales; ademas, transforma crculos centrados en el eje imaginario del plano z en crculos
centrados en el eje imaginario del plano w, o en rectas horizontales.
La figura 2.13 ilustra el resultado del mapeo de inversion para el crculo unitario, lneas
verticales y horizontales en el plano z.
v
y
Plano z
j
Plano w
2.2.4
Mapeo bilineal
36
(2.23)
donde la variable z aparece ahora una sola vez en el denominador del segundo termino.
De la u
ltima expresion se nota que si el termino (bc ad) (denominado determinante del
mapeo) es cero, entonces el mapeo degenera en w = ac y por lo tanto no tiene mapeo inverso.
Si el determinante del mapeo es diferente de cero, entonces su mapeo inverso existe y esta
dado por el mapeo tambien bilineal e invertible (ver problema 2.31):
z=
dw + b
cw a
(2.24)
Para apreciar mejor los pasos involucrados de este mapeo, (2.23) se puede reescribir con
= a/c, = bc ad, = c2 y = cd:
w =+
z +
z1
z+1
(2.25)
37
2 Variable compleja
Verifique a que equivalen las proyecciones de resistencia o reactancias normalizadas constantes en z en el plano del coeficiente complejo de reflexion.
Soluci
on: Una primera solucion conceptual puede obtenerse observando que los dos mapeos
lineales involucrados en la ecuacion (2.25) son relativamente sencillos:
=
z1
2
=1
z+1
z+1
puesto que 2 = 2ej180 , se hace un escalado por el factor de 2 seguido por una rotacion en
180 . Al resultado z2 solo resta desplazarlo una unidad hacia la derecha para obtener .
Notese que en z = , = 1, esto quiere decir que toda recta en z tendra un mapeo que
pasa por el punto = 1 pues toda recta contiene a . Ademas, en z = 1, = , por
lo que, considerando todo el analisis anterior para el mapeo de inversion, cualquier crculo o
recta que pase por z = 1 sera transformado en una recta en el plano . Consecuencia de
lo anterior es que toda recta que no pasa por z = 1 tiene como equivalente un crculo que
pasa por = 1.
Para un analisis mas algebraico de la expresion (2.25) considerese primero la ecuacion general
de una lnea:
|z a| = |z b|
(2.26)
Partiendo del hecho de que el mapeo inverso de (2.25) tiene la forma
z=
1+
1
b
=
1
1
|(1 + ) a(1 )|2 = |(1 + ) b(1 )|2
|(1 + a) + (1 a)|2 = |(1 + b) + (1 b)|2
| {z } | {z }
| {z } | {z }
a1
a2
b1
b2
||2 +
IR
+ =
38
||2 + + + 2 = + 2
+
+
+
=
2
+ = +
2
(2.27)
a = j(y 1)
a1 = 1 + j(y 1),
a2 = 1 j(y 1)
b = j(y + 1)
b1 = 1 + j(y + 1),
b2 = 1 j(y + 1)
Puesto que
= a1 a2 b1 b2
= (1 j(y 1))(1 j(y 1)) (1 j(y + 1))(1 j(y + 1))
= 1 j2(y 1) (y 1)2 [1 j2(y + 1) (y + 1)2 ]
= 4y + 4j
= |a1 |2 |b1 |2 = 4y
= |b2 |2 |a2 |2 = 4y =
con lo que se puede derivar que la ecuacion del crculo equivalente esta dada por:
2
1
= 1
1 + j
y
y2
lo que confirma la observacion anterior de que todo crculo representando a una recta en z
pasara por el punto = 1, puesto que el radio es igual a la separacion entre el centro del
crculo y el punto = 1.
Para las rectas verticales de forma similar se obtiene:
a=x1
a1 = x,
a2 = 2 x
b=x+1
b1 = 2 + x,
b2 = x
39
2 Variable compleja
|a + 1|
|b + 1|
Re{z}
b
|z a| = |z b|
observacion se puede utilizar entonces una representacion parametrica del eje real de z y
la recta vertical que pasa por 1, para obtener directamente a traves de la expresion del
mapeo las representaciones correspondientes. Primero, el eje real se puede expresar como
z = t, con t IR. Esto produce
t1
=
t+1
40
que es siempre real, y por tanto representa al eje real del plano , tendiendo a 1 para
t , haciendose cero para t = 1, y si t se acerca a 1 por la izquierda o por la
derecha.
La recta vertical que pasa por z = 1 se puede representar como z = 1 + jt con lo que se
obtiene
(1 + jt) 1
2
=
=1+j
(1 + jt) + 1
t
que es una recta vertical que pasa por el punto = 1 al variar con t solo la parte imaginaria.
La figura 2.15 presenta en forma grafica los resultados descritos hasta el momento. La Carta
de Smith com
unmente representa solo lo que se encuentra dentro del crculo unitario del
plano , puesto que componentes resistivos negativos de la impedancia normalizada z no
tienen sentido en la aplicacion practica. Notese la similitud con el mapeo de inversion de
rectas verticales y horizontales en la figura 2.13.
Im{}
Im(z)
3
2
1
Re{}
Re(z)
-1
1
2
-1
2.7
2.2.5
Otros mapeos
P (z)
Q(z)
donde P (z) y Q(z) son polinomios en z, mapeo que se utiliza fuertemente en las transformadas de Laplace y z. La figura 2.16 muestra el resultado de mapear las lneas verticales,
horizontales y crculos mostrados, utilizando los mapeos w = Ln(z), w = sen(z) y w = cos(z).
El mapeo
w = aebz
41
2 Variable compleja
Im{z}
3
Re{z}
0
-1
-1
-2
-3
(a)
(b)
Im{z}4
Im{z}4
Re{z}
0
-4
-3
-2
-1
Re{z}
0
-4
-3
-2
-1
-1
-1
-2
-2
-3
-3
-4
-4
(c)
(d)
Figura 2.16: Efectos de mapear las lneas y crculos en (a) utilizando los mapeos (b) w = Ln(z),
(c) w = sen(z) y (d) w = cos(z).
se estudiaran con mas detalle en captulos posteriores. El lector interesado puede revisar
[18], donde encontrara muchos otros tipos de mapeos y sus aplicaciones en ingeniera.
2.3
2.3.1
Derivaci
on compleja
Algunas definiciones fundamentales
Los conjuntos de puntos del plano complejo pueden caracterizarse de acuerdo a sus caractersticas topologicas:
Una vecindad de radio (o simplemente vecindad ) de un punto z0 en un conjunto
de puntos S es el conjunto de todos los puntos z S tales que |z z0 | < , donde es
cualquier n
umero real positivo (figura 2.17a).
La vecindad reducida de radio del punto z0 es igual a la vecindad de radio de
42
z0
z0
(a)
(b)
Figura 2.17: Diagramas para aclarar los conceptos de (a) Vecindad y (b) Vecindad reducida.
43
2 Variable compleja
2.3.2
Lmites y continuidad
(2.28)
zz0
Plano w
Plano z
z
z0
f (z)
l
x
zz0
44
2.3.3
Definiciones
El n
umero complejo A se denomina derivada de la funcion w = f (z) en el punto z0 relativo
al conjunto S y se denota con fS0 (z0 ) si se cumple
f (z) f (z0 )
0
(2.29)
A = fS (z0 ) = lim
zz0
z z0
Esta definicion es muy similar a la derivada en caso de funciones de variable real:
f (x) f (x0 )
0
f (x0 ) = lim
xx0
x x0
en cuyo caso el dominio S se ha reducido a un intervalo abierto del eje real que incluye a x0 .
Mientras que en este u
ltimo caso el acercamiento a x0 puede ser solo por la izquierda o por
la derecha, en las funciones de variable compleja el acercamiento hacia z0 puede realizarse
desde un n
umero infinito de direcciones diferentes, lo que impone un requisito mas estricto
a la existencia de la derivada de una funcion compleja, al exigirse que los valores del limite
en todas esas direcciones sea el mismo.
Una funcion f (z) se denomina holomorfa, analtica 3 , o regular en una region abierta (o
dominio) G C si es diferenciable en todo punto de G. En este caso se simplifica la
d
f (z) sin indicar
notacion de la derivada fG0 (z), que se puede escribir entonces como f 0 (z) o dz
explcitamente la region G. Seg
un la anterior definicion, si f (z) es analtica en G y z0 G
entonces f (z) es diferenciable en z = z0 relativo a cualquier subconjunto S G que contenga
a z0 como punto lmite y
fS0 (z0 ) = f 0 (z0 )
La funcion f (z) se dice analtica en el punto z = z0 (o en un conjunto S) si f (z) es analtica
en un conjunto abierto G que contiene a z0 (o a S).
Ejemplo 2.8 Calcule la derivada de la funcion f (z) = z dentro de todo el plano z.
Soluci
on: Utilizando la definicion:
f (z) f (z0 )
z z0
=
=1
z z0
z z0
se obtiene que f 0 (z0 ) = 1 para todo z, por lo que la funcion es analtica en C.
2.8
Formalmente, la definici
on brindada corresponde a una funcion holomorfa. La funcion es analtica en
un punto z0 si la funci
on se puede expresar por medio de una serie de Taylor centrada en z0 , lo que conduce
a que sea infinitamente diferenciable, y por lo tanto, holomorfa. Posteriormente se presentara el hecho de
que si una funci
on es holomorfa, es diferenciable infinitamente, lo que a su vez implica que tiene una serie
de Taylor asociada. Por esta raz
on, en este documento se utilizaran ambos terminos indistintamente.
45
2 Variable compleja
zz0
fS0 (z)g(z)
fS0 (z)g(z)
(2.30)
f (z)gS0 (z)
f (z)gS0 (z)
g 2 (z)
46
(n)
(n)
(n)
(2.31)
(2.32)
(2.33)
senh z =
d
senh z = cosh z
dz
d
cosh z = senh z
dz
Puesto que las partes real e imaginaria de la exponencial compleja estan dadas por
Re(ez ) = ex cos y
Im(ez ) = ex sen y
47
2 Variable compleja
2.3.4
Ecuaciones de Cauchy-Riemann
Sea f (z) una funcion analtica dentro de un dominio S. Por lo tanto, su derivada en z0 S
existe y esta dada por
f (z) f (z0 )
0
f (z0 ) = lim
zz0
z z0
donde z puede tender a z0 por cualquier trayectoria dentro de S. Un caso especial lo
representan las trayectorias paralelas a los ejes real e imaginario del plano z. Por ejemplo,
si se elije una trayectoria paralela al eje real entonces z z0 = x y
f (z0 + x) f (z0 )
0
f (z0 ) = lim
x0
x
y puesto que f (z) = f (x + jy) = u(x, y) + jv(x, y) entonces
u(x0 + x, y0 ) + jv(x0 + x, y0 ) u(x0 , y0 ) jv(x0 , y0 )
0
f (z0 ) = lim
x0
x
u(x0 + x, y0 ) u(x0 , y0 )
v(x0 + x, y0 ) v(x0 , y0 )
= lim
+j
x0
x
x
u
v
=
+j
x
x x=x0 ,y=y0
Si ahora se elije una direccion paralela al eje imaginario, se tiene z z0 = jy
f (z0 + jy) f (z0 )
0
f (z0 ) = lim
y0
jy
(2.34)
48
(2.35)
Puesto que la funcion se ha asumido analtica, entonces (2.34) y (2.35) deben ser iguales, lo
que solo ocurre si sus partes real e imaginarias son identicas (ver (2.6)), es decir, si
u
v
=
x
y
u
v
=
y
x
(2.36)
conocidas como las Ecuaciones de Cauchy-Riemann. De esto se deriva que las ecuaciones
de Cauchy-Riemann proporcionan condiciones necesarias para la existencia de la derivada
de f (z) en un punto particular z0 .
Ahora, si se tienen dos funciones continuas de valor real u(x, y) y v(x, y) con x, y IR, que
a su vez tienen derivadas parciales continuas, se puede demostrar que si u(x, y) y v(x, y)
satisfacen las ecuaciones de Cauchy-Riemann en una region S, entonces f (z) = u(x, y) +
jv(x, y) es analtica en S. Notese entonces, que si la funcion es analtica, entonces su derivada
puede calcularse eligiendo cualquier direccion, entre otras las dadas en (2.34) y (2.35).
Ejemplo 2.10 Verifique que la funcion f (z) = z 2 satisface las ecuaciones de CauchyRiemann y determine la derivada f 0 (z).
Soluci
on: Con z = x+jy se obtiene f (z) = (x+jy)2 = (x2 y 2 )+j2xy, y con u(x, y) = x2 y 2
y v(x, y) = 2xy se pueden calcular las derivadas
u
= 2x,
x
v
= 2y,
x
u
= 2y
y
v
= 2x
y
u
v
+j
= 2x + j2y = 2(x + jy) = 2z
x
x
2.10
2.3.5
49
2 Variable compleja
en el sentido de que las curvas en el plano (x, y) definidas por u(x, y) =cte y v(x, y) =cte,
forman siempre angulos rectos entre s. La demostracion de esto se puede realizar considerando que u(x, y) = v(x, y) =cte representan curvas de nivel, que siempre son ortogonales al
gradiente de la superficie. As,
u(x, y) u(x, y)
u(x, y) =
,
x
y
v(x, y) v(x, y)
v(x, y) =
,
x
y
y utilizando las ecuaciones de Cauchy-Riemann se obtiene que
u(x, y) u(x, y)
,
v(x, y) =
y
x
Ahora, el producto escalar de ambos gradientes es
u(x, y) v(x, y) u(x, y) v(x, y)
+
x
x
y
y
u(x, y) u(x, y) u(x, y) u(x, y)
+
=0
=
x
y
y
x
u(x, y) v(x, y) =
lo que implica que los gradientes de u y v son ortogonales entre s, que es equivalente a que
las curvas de nivel, quienes siempre forman un angulo de 90 con el gradiente, son tambien
ortogonales entre s.
Una funcion se denomina armonica si satisface la ecuacion de Laplace:
2u 2u
+
=0
x2 y 2
Si una funcion es analtica entonces
f (z) = [f (z)] =
x
00
y a su vez
1
f (z) = [f (z)] =
j y
00
u
v
+j
x
x
1 u v
+
j y y
=
2u
2v
+
j
x2
x2
=
2u
2v
j
y 2
y 2
2v 2v
+
=0
x2 y 2
Esto quiere decir, que si una funcion es analtica en una region, entonces sus componentes
real e imaginaria son funciones armonicas en esa region. Visto de otra manera, si u(x, y) es
armonica, entonces a su vez existe una funcion conjugada v(x, y) con la que se conforma una
funcion analtica.
50
30
20
10
0
-10
-20
-30
2
1
0
-1
-3
-2
-1
0
1
2
3-3
-2
(a)
-1
-2
-3
-3
-2
-1
(b)
Figura 2.19: Funciones conjugadas y ortogonalidad de las curvas de nivel. (a) Ambas funciones conjugadas como superficies. (b) Curvas de nivel de ambas superficies y su
ortogonalidad.
2.11
51
2 Variable compleja
2.3.6
Mapeos conformes
Un mapeo w = f (z) se denomina conforme si el angulo que forman dos curvas en el plano
z es preservando entre las dos curvas imagen del plano w. Puede demostrarse que si f (z)
es una funcion analtica, entonces f (z) representa un mapeo conforme excepto en aquellos
puntos donde la derivada f 0 (z) = 0.
Esta u
ltima condicion permite analizar la generalidad de los mapeos introducidos anteriormente. El mapeo lineal con 6= 0:
w = f (z) = z +
f 0 (z) =
es entonces un mapeo conforme. Esto es claro puesto que el mapeo representa una rotacion, escalado y traslacion, que no modifican entonces la posicion relativa entre las curvas
(figura 2.9). El mapeo de inversion
w = f (z) =
1
z
f 0 (z) =
1
z2
es entonces conforme en todo el plano C \ {0}, y esto se puede apreciar bien en la figura 2.13,
donde el angulo entre las lneas horizontales y verticales es de 90 , angulo que se conserva
en las intersecciones entre los crculos correspondientes.
Si se expresa el mapeo bilineal de la forma
w = f (z) = +
(, 6= 0)
z +
(z + )2
x jy
x2 + y 2
por lo que
u=x+
x2
x
+ y2
v=y
x2
y
+ y2
1
z
no es conforme.
52
x2 y 2
(x2 + y 2 )2
x2 y 2
=1 2
(x + y 2 )2
2xy
= 2
(x + y 2 )2
2xy
= 2
(x + y 2 )2
=1
Im(w)
Re(z)
Re(w)
53
2 Variable compleja
2.4
Series complejas
Las series complejas estan relacionadas directamente con el principio de continuacion analtica
mencionado previamente en la nota al pie de la pagina 19. Si una funcion f (x) de variable
y valor reales (f : IR IR) tiene un desarrollo como serie infinita de potencias:
f (x) =
an xn = a0 + a1 x + a2 x2 + . . . + ak xk + . . .
n=0
an z n = a0 + a1 z + a2 z 2 + . . . + ak z k + . . .
(2.37)
n=0
Puesto que la mayora de los operadores de calculo diferencial e integral se basan en lmites
de sumas y restas que tienen un comportamiento muy similar en los dominios real y complejo,
las propiedades de la as definida f (x) seran entonces aplicables a su continuacion analtica
f (z). As mismo, muchas funciones definidas a traves de su representacion en serie de
potencias en los n
umeros reales seran entonces simplemente continuadas analticamente
en los n
umeros complejos (por ejemplo, ex , sen x, cos x, ln x, etc.). Las series complejas son
utilizadas ampliamente en el analisis de sistemas digitales, por medio de la transformada z.
2.4.1
Series de potencias
an (z z0 )n = a0 + a1 (z z0 ) + a2 (z z0 )2 + . . . ak (z z0 )k + . . .
(2.38)
n=0
N
1
X
n=0
zn =
1 zN
1z
X
1
zn =
1z
n=0
54
Esta serie diverge si |z| 1. Ambos resultados son consistentes con la continuacion analtica
del caso real, donde
X
1
xn =
,
|x| < 1
1
x
n=0
es decir, la serie converge si z se encuentra dentro del crculo unitario del plano complejo
(figura 2.21). Notese que la region de convergencia para la serie real corresponde a la
Im(z)
|z| < 1
Region de
divergencia
Region de
convergencia
0
Re(z)
n=0 z
n.
interseccion entre esta region circular del plano z y el eje real; es decir, el intervalo x ]1, 1[.
En general, la serie de potencias anterior extendida con coeficientes constantes de ponderacion an para cada termino z n
X
an z n
(2.39)
n=0
converge si |z| < R, y diverge si |z| > R, donde a R se le denomina radio de convergencia.
El caso |z| = R debera analizarse por separado.
Una pregunta planteada en el analisis de convergencia de la suma (2.39) es, como deben
comportarse los terminos an z n cuando n tiende a infinito para poder converger. Sea Sk la
suma parcial de los primeros k terminos de la serie de potencias
Sk =
k1
X
ai z i
i=0
de tal forma que se cumple para la suma de los primeros n+1 terminos que
Sn+1 =
n
X
i=0
ai z i =
n1
X
ai z i + an z n = Sn + an z n
i=0
55
2 Variable compleja
lo que implica que para que la serie converja entonces sus terminos en n deben tender
a cero como condicion necesaria (pero no suficiente).
Para determinar el radio de convergencia R de una serie de potencias puede utilizarse entre
otros la razon de DAlambert (o tambien llamada formula de Cauchy-Hadamard), la cual
establece que el radio de convergencia de (2.39) esta dado por
an
R = lim
(2.40)
n an+1
siempre que el lmite exista.
Regresando a la serie (2.38), esta converge cuando |z z0 | < R, es decir, cuando el valor de
z se encuentra dentro de un crculo de radio R centrado en z0 . Por otro lado, la serie
an (z z0 )n = a0 +
n=0
a2
ak
a1
+
+ ... +
+ ...
2
z z0 (z z0 )
(z z0 )k
(2.41)
1
puede transformarse en (2.39) con z 0 = zz
, lo que implicara que la region de convergencia
0
sera
1
0
< R |z z0 | > 1
|z | < R
z z0
R
an z n
n=0
entonces
0
f (z) =
X
n=1
nan z n1 .
56
2.14
1
za
y su radio de convergencia.
Soluci
on: Existe un n
umero infinito de representaciones para esta funcion, cada una con
su propio radio de convergencia, dependiendo de donde se centre la serie de potencias; sin
embargo, puesto que f (a) no esta definido, ninguna de la representaciones convergera para
z = a.
Por ejemplo, si se realiza la division polinomial de 1 entre z a, se obtiene (figura 2.22):
1
-(1az 1 )
az 1
-( az 1 a2 z 2 )
a2 z 2
-( a2 z 2 a3 z 3 )
a3 z 3
-( a3 z 3 a4 z 4 )
a4 z 4
..
.
za
z 1 + az 2 + a2 z 3 + a3 z 4 + a4 z 5 . . .
X an1 X
1
=
=
an1
n
z a n=1 z
n=1
n
1
z
57
2 Variable compleja
z
a
z z2
a a2 )
z2
a2
3
2
-( az 2 az 3 )
z3
a3
3
4
-( az 3 az 4 )
z4
a4
a + z
z2
z3
1
z
2 3 4 ...
a a
a
a
..
.
X
zn
1
=
za
an+1
n=0
(2.42)
(2.43)
X (a z0 )n1
para |z z0 | > |a z0 |
n
(z
z
)
1
0
= n=1X
za
(z z0 )n
para |z z0 | < |a z0 |
(a z0 )n+1
n=0
58
Lo que debe notarse es que, mientras en las versiones originales las regiones de convergencia
estaban dadas por el area externa o interna de un crculo de radio a centrado en el origen,
ahora seran las regiones internas o externas de un crculo centrado en z0 de radio |a z0 |,
es decir, de un radio igual a la distancia entre el punto a donde la funcion no esta definida
y el punto donde se centra la serie de potencias z0 (figura 2.24).
Im(z)
Im(z)
|z z0 | < |a z0 |
z0
|z z0 | > |a z0 |
z0
Re(z)
Re(z)
X
1
(z z0 )n
=
za
(a z0 )n+1
n=0
X
1
(a z0 )n1
=
z a n=1 (z z0 )n
2.4.2
Series de Taylor
Sea f (z) una funcion compleja analtica dentro y sobre una curva cerrada simple C (como
por ejemplo, un crculo) en el plano z. Si z0 y z0 + h son dos puntos dentro de la region de
convergencia entonces se cumple
h2 00
hn
f (z0 ) + . . . + f (n) (z0 ) + . . .
2!
n!
lo que tambien puede ser expresado con h = z z0 como
f (z0 + h) = f (z0 ) + hf 0 (z0 ) +
(2.44)
(z z0 )2 00
(z z0 )n (n)
f (z0 ) + . . . +
f (z0 ) + . . .
2!
n!
X
X
f (n) (z0 )
n
=
(z z0 ) =
an (z z0 )n
(2.45)
n!
n=0
n=0
f (n) (z0 )
.
n!
Esta u
ltima representacion en serie de potencias se conoce como desarrollo en Serie de Taylor
de la funcion f (z) alrededor de z0 y converge para |zz0 | < R, donde el radio de convergencia
R esta determinado por lo general por el punto mas cercano a z0 donde f (z) no es analtica.
El caso especial z0 = 0 se conoce tambien como desarrollo en Serie de MacLaurin. Esto
representa la continuacion analtica del caso real.
59
2 Variable compleja
an
n=0
1
z
2
n
(
0
para n par
(1)
n+1
2
para n impar
n!
1.5
1
0.5
0
-0.5
-1
-1.5
15
13
11
9
0
7
5
0.5
1.5
3
2 1
La figura 2.25 muestra la aproximacion de la funcion de variable y valor reales f (x) = cos(x)
con los primeros N terminos de la serie de Taylor centrada en x0 = 1/2. La figura 2.26
muestra la magnitud de seis aproximaciones de la funcion f (z) para diferente n
umero de
terminos N de esta serie. La figura 2.27 muestra la parte real de las mismas aproximaciones.
2.16
1
z(z 2j)
(2.46)
f (z) =
1
A
B
= +
z(z 2j)
z
z 2j
60
01
01
01
1
4
00
1
2
3
2
1
4
00
1
2
3
2
00
01
01
01
1
4
00
1
2
3
2
1
4
1
2
3
2
1
4
00
1
2
3
2
1
4
00
1
2
3
2
Figura 2.26: Magnitud de la aproximacion por medio de series de Taylor de la funcion cos(z)
para (de izquierda a derecha, primera y luego segunda filas) N = 1, 3, 5, 7, 9, 11
terminos de la serie, respectivamente. Se han superpuesto la magnitud de la funci
on
cos(z) (lnea punteada) con la aproximacion correspondiente (lnea gruesa).
4
2
01
2
2
4
y
1
4
00
4
2
01
2
2
4
y
1
2
1
4
00
1
2
3
2
4
2
01
2
2
4
y
1
4
00
1
x
3
2
4
2
01
2
2
4
y
1
2
1
4
00
1
2
3
2
4
2
01
2
2
4
y
1
4
00
1
x
3
2
4
2
01
2
2
4
y
1
2
1
4
00
1
2
3
2
3
2
Figura 2.27: Parte real de la aproximacion por medio de series de Taylor de la funcion cos(z)
para (de izquierda a derecha, primera y luego segunda filas) N = 1, 3, 5, 7, 9, 11
terminos de la serie, respectivamente. Se han superpuesto la parte real de la funci
on
cos(z) (lnea punteada) con la aproximacion correspondiente (lnea gruesa).
61
2 Variable compleja
2j z 2j z
Las derivadas y sus evaluaciones en z = j son entonces
1
1
1
f (z) =
2j z 2j z
1
1
1
0
f (z) =
+
2j
(z 2j)2 z 2
1
2
2
00
f (z) =
2j (z 2j)3 z 3
1
6
6
(3)
f (z) =
+
2j
(z 2j)4 z 4
1
24
24
(4)
f (z) =
5
2j (z 2j)5
z
f (j) = 1
f 0 (j) = 0
f 00 (j) = 2
f (3) (j) = 0
f (4) (j) = 24
n!
n!
n+1
n+1
(z 2j)
z
f (n) (j) =
(
0
(1)n/2 n! si n par
0
n
(z j) (n)
f (j) = (z j)n
n!
(1)n/2 n! = (z j)n (1)n/2
n!
Por lo tanto
si n impar
si n impar
si n par
1
= 1 (z j)2 + (z j)4 (z j)6 + . . .
z(z j2)
En este caso z0 = j, y puesto que los dos puntos donde f (z) no esta definido son z = 0 y
z = 2j el radio de convergencia es igual a uno. En otras palabras, la serie de Taylor anterior
es valida solo para puntos z que se encuentren dentro de un crculo de radio uno centrado
2.17
en j.
2.4.3
Series de Laurent
Ya se discutio anteriormente que las series de potencias de la forma descrita por (2.41)
tienen su radio de convergencia centrado en z = . All se excluyo z = z0 de la region
de convergencia. En general aquellos puntos donde una funcion no es analtica (llamados
tambien singularidades) no podran ser utilizados como centros de los desarrollos en series de
Taylor, puesto que las derivadas de la funcion no existen y por lo tanto no es posible obtener
los coeficientes de la serie. En el ejemplo 2.15 se pudo observar ademas que la region de
62
convergencia siempre excluyo a la singularidad (ver figura 2.24). En ese ejemplo el radio de
convergencia obtenido fue igual a la distancia entre el centro del desarrollo y la singularidad.
En general, el desarrollo en serie de Taylor de una funcion f (z) centrado en z0 sera valido
solo dentro de una region circular que no contenga singularidades.
Las series de Laurent por otro lado constituyen una generalizacion de las series de potencia,
donde la region de convergencia es ahora de forma anular que puede entonces excluir singularidades en su interior (figura 2.28). Puede demostrarse que para una region de convergencia
Im(z)
z
r1
z0
r2
Re(z)
cn (z z0 )n
n=
= ... +
ck
ck+1
c1
+
+
.
.
.
+
(z z0 )k (z z0 )k1
z z0
+ c0 + c1 (z z0 ) + . . . + ck (z z0 )k + . . .
(2.47)
1
X
n=
cn (z z0 )n +
cn (z z0 )n
(2.48)
n=0
donde la suma con coeficientes ci para i < 0 se denomina la parte principal de la serie de
Laurent, y al segundo termino se le conoce como parte de Taylor. Si f (z) es analtica para
todos los puntos en el interior del crculo externo, es decir, para |z z0 | < r1 entonces ci = 0
para i < 0 y (2.48) conserva solo su segunda suma que equivale a la serie de Taylor.
De forma similar a las series de Taylor, la region anular de convergencia estara delimitada
por lo general por puntos donde la funcion no esta definida o no es analtica, conservando
una region anular abierta que no contiene ninguna singularidad.
63
2 Variable compleja
1
+ 1)
z 2 (z
1
(z + 1)(z + 3)
2.18
64
1.
2.
3.
4.
5.
|z| < 1
0 < |z + 1| < 2
Re(z)
|z| > 3
Soluci
on: Esto puede solucionarse mas facilmente descomponiendo la funcion en fracciones
parciales y aplicando los resultados del ejemplo 2.15.
A
B
1
=
+
(z + 1)(z + 3)
(z + 1) (z + 3)
Multiplicando ambos lados por (z + 1) y evaluando en z = 1 se obtiene A = 1/2. Ademas,
multiplicando ambos lados por (z + 3) y evaluando en z = 3 resulta B = 1/2, y por lo
tanto
1
1
1
1
f (z) =
=
(z + 1)(z + 3)
2 z+1 z+3
f (z) =
(2.49)
(2.50)
(2.51)
(2.52)
65
2 Variable compleja
El caso |z| > 3 utiliza (2.50) y (2.52) que resulta en la serie de Laurent centrada en z0 =
1
1
4
13 40
= 2 3 + 4 5 + ...
(z + 1)(z + 3)
z
z
z
z
El caso 0 < |z + 1| < 2 esta centrado en una singularidad por lo que debe procederse de
diferente forma. El factor
1
1
1
1
1
1
1
=
= 0
= 2 z 0 + 3 z 02 4 z 03 + . . .
z+3
(z + 1) + 2
z +2
2 2
2
2
lo que implica que este factor se puede desarrollar centrado en z0 = 1 como
1
1
1
1
1
= 2 (z + 1) + 3 (z + 1)2 4 (z + 1)3 + . . .
z+3
2 2
2
2
por lo que se tiene finalmente el desarrollo
1
1
1 1
1
=
+ (z + 1) (z + 1)2 + . . .
(z + 1)(z + 3)
2(z + 1) 4 8
16
El caso |z| < 1 utiliza (2.49) y (2.51) que resulta en la serie de Laurent centrada en z0 = 0
1 4
13
40
1
= z + z2 z3 + . . .
(z + 1)(z + 3)
3 9
27
81
que es a su vez una serie de Taylor.
En el u
ltimo caso |z 1| < 2 se centra la serie en 1, por lo que cada uno de los terminos debe
reevaluarse. Considerando que se requiere la convergencia solo para el interior del crculo se
tiene:
1
1
1
1 z0
z 02 z 03 z 04
=
= 0
= 2 + 3 4 + 5 ...
z+1
z1+1+1
z +2
2 2
2
2
2
1 z 1 (z 1)2 (z 1)3 (z 1)4
= 2 +
+
...
2
2
23
24
25
y para el otro termino
1
z 02 z 03 z 04
1
1
1 z0
= 2 + 3 4 + 5 ...
=
= 0
z+3
z1+1+3
z +4
4 4
4
4
4
1 z 1 (z 1)2 (z 1)3 (z 1)4
= 2 +
+
...
4
4
43
44
45
y combinando ambos terminos se obtiene4
1
3
7
15
31
(z 1) +
(z 1)2
(z 1)3 +
(z 1)4 . . .
8 32
128
512
2048
k+1
k
X
(1)
2
1
=
(z 1)k
2k
8
2
k=0
f (z) =
2.19
1
(z1+2)(z1+4)
66
2.5
2.5.1
Como singularidad de una funcion de variable compleja f (z) se conocen aquellos puntos del
dominio de definicion donde f (z) no es analtica. Esto puede ser ya sea porque la funcion
se indefine, se hace infinita, o su derivada adquiere diferentes valores dependiendo de la
direccion de derivacion.
Cada punto del dominio de definicion de f (z) se puede clasificar en terminos del desarrollo
en serie de Laurent. Si el desarrollo en serie centrado en z0 , donde z0 es un punto lmite de
la region de convergencia, tiene parte principal igual a cero, se dice entonces de z = z0 es un
punto regular . Si la parte principal de este desarrollo contiene un n
umero finito de terminos,
entonces a z0 se le denomina polo, por ejemplo:
f (z) =
am
a1
+ ... +
+ a0 + a1 (z z0 ) + . . . + ak (z z0 )k + . . .
m
(z z0 )
z z0
(2.53)
Si f (z) es analtica y tiene un cero en z0 , entonces el cero z0 esta aislado, es decir, existe
una vecindad de z0 que no contiene otros ceros adicionales. Esto se aprecia directamente en
(2.53), pues si f (z) es analtica tiene entonces el all indicado desarrollo de Taylor, donde el
termino entre parentesis cuadrados, para valores de z muy cercanos a z0 , tendera a an y por
tanto sera siempre diferente cero.
Las siguientes funciones presentan diferentes tipos de singularidades:
1. f (z) = 1 + 2z 3z 2 solo tiene puntos regulares.
2. f (z) = z 1 tiene un polo de primer orden en z = 0.
2 Variable compleja
67
sen z si z 6= 0
z
sa(z) =
1
si z = 0
entonces se obtiene una serie de Taylor
1
z3 z5 z7
sa(z) =
z
+
+ ...
z
3!
5!
7!
z2 z4 z6
=1
+
...
3!
5!
7!
que es regular para todo z incluyendo a z = 0. La aparente singularidad en z = 0 se
dice en este caso que es removible. Esta funcion tiene ceros en z = k, k Z \ {0}.
A una funcion f (z) se le denomina meromorfa si todas sus singularidades son polos.
Notese que si la funcion f (z) puede representarse como un cociente de dos polinomios P (z)
y Q(z):
P (z)
f (z) =
Q(z)
entonces los ceros del polinomio Q(z) seran polos de la funcion meromorfa f (z), y los ceros
de P (z) seran ceros de f (z) siempre y cuando los ceros de P (z) y los ceros de Q(z) no
coincidan. El orden de los ceros de Q(z) sera a su vez el orden de los polos de f (z). Para los
desarrollos de Laurent de este tipo de funciones, las posibles regiones de convergencia estaran
delimitadas siempre por los polos, es decir, los anillos de convergencia tendran siempre en
sus lmites alg
un polo de la funcion.
2.5.2
Residuos
68
a1
+ a0 + a1 (z z0 ) + a2 (z z0 )2 + . . .
z z0
Multiplicando ambos lados de la ecuacion por (zz0 ) y haciendo tender z hacia z0 se obtiene:
a1 = lim [(z z0 )f (z)]
zz0
a2
a1
+ a0 + a1 (z z0 ) + a2 (z z0 )2 + . . .
+
2
(z z0 )
z z0
y para aislar el residuo a1 puede ahora multiplicarse ambos lados por (z z0 )2 seguido de
una derivacion:
(z z0 )2 f (z) = a2 + a1 (z z0 ) + a0 (z z0 )2 + a1 (z z0 )3 + . . .
d
(z z0 )2 f (z) = a1 + 2a0 (z z0 ) + 3a1 (z z0 )2 + 4a2 (z z0 )3 + . . .
dz
con lo que finalmente se puede obtener el residuo a1 por medio de
d
2
a1 = lim
(z z0 ) f (z)
zz0 dz
(2.54)
Este proceso puede continuarse para polos de orden superior, con lo que se obtiene que, si
f (z) tiene un polo de orden m en z = z0 entonces el residuo estara dado por
m1
1
d
m
lim
[(z z0 ) f (z)]
(2.55)
a1 =
(m 1)! zz0 dz m1
Ejemplo 2.20 Determine el residuo de
f (z) =
(z 2
2z
+ 1)(2z 1)
z
(z + j)(z j)(z 12 )
a1 = lim(z j)
69
2 Variable compleja
a1 = lim (z + j)
y finalmente para z =
1
2
z
1
= lim z
z1/2
2 (z + j)(z j)(z 21 )
z
= lim
z1/2 (z + j)(z j)
1
2
2
=
= 1
1
5
( 2 j)( 2 + j)
a1
2.20
z 2 2z
(z + 1)2 (z 2 + 4)
(z +
z(z 2)
2j)(z + 2j)
1)2 (z
a1 = lim (z 2j)
a1 = lim (z + 2j)
70
X
z0 z02 z03
z0n
z0
e =1+ +
+
+ ... =
1!
2!
3!
n!
n=0
0
X
(z 1)n
=
n!
n=0
e z1 = 1 +
de donde se observa que la parte principal es de longitud infinita, con el coeficiente del
termino 1/(z 1) igual a a1 = 1 que corresponde al residuo en z = 1.
2.22
2.6
Integraci
on compleja
71
2 Variable compleja
Por otro lado, mientras que la integracion definida para funciones de variable real ocurre
dentro de intervalos cerrados en el eje real [a, b] IR:
Z
z (t)
z(
t+
z (t
t)
+
t)
d
z(t)
dt
t)
z(
Re(z)
La tangente en cada punto de esta curva C se puede calcular por medio de la derivada de
su funcion parametrica con respecto a t (figura 2.30):
z(t + t) z(t)
d
z(t) = lim
t0
dt
t
Si esta derivada dz(t)/dt existe, es diferente de cero, y es continua para un subintervalo de
[ta , tb ], entonces se dice que la trayectoria z(t) describe una curva suave.
Una trayectoria de integracion se llamara cerrada si z(ta ) = z(tb ), es decir, si el punto inicial
es identico al punto final, y se denomina simple si para todo par de valores t1 , t2 ]ta , tb [
con t1 6= t2 se cumple z(t1 ) 6= z(t2 ) y ademas z(t1 ) 6= z(ta ), z(t2 ) 6= z(tb ), es decir, si no
hay intersecciones en la curva descrita. Una curva simple y cerrada se denomina curva de
Jordan y tiene la propiedad de partir el plano en dos conjuntos disjuntos: uno acotado y otro
ilimitado. La region acotada por una curva de Jordan se denomina convexa, si cualesquiera
dos puntos dentro de ella pueden ser unidos por exactamente un segmento de recta que
contiene solo puntos de la region.
Una curva de Jordan se dice tener sentido positivo si los puntos de la region acotada se
encuentran al lado izquierdo de la trayectoria que se describe conforme t aumenta. Si la
72
curva de Jordan delimita una region convexa, el sentido positivo es equivalente a decir que,
si t aumenta, entonces la trayectoria descrita sigue el sentido contrario a las manecillas del
reloj (figura 2.31). La curva de Jordan tiene sentido negativo si al lado izquierdo de la
trayectoria se encuentran los puntos de la region ilimitada.
Im(z)
Im(z)
Re(z)
Re(z)
Figura 2.31: En sentido positivo la trayectoria tiene su izquierda una region acotada, mientras
que el sentido negativo tiene a su izquierda una region ilimitada.
2.6.1
Integrales de contorno
Sea f (z) una funcion compleja, continua en todos los puntos de una curva simple C de
longitud finita que une a los puntos a y b. La curva se subdivide en n segmentos a traves de
los puntos {z0 = a, z1 , z2 , . . ., zn1 , zn = b}, y se coloca un punto zk sobre cada uno de los
segmentos zk1 zk (figura 2.32). Con esta subdivision puede hacerse una suma de integracion
Im(z)
z2
z1
z2
zk1
zn
zk
zk
z1
zk+1
zk+1
a = z0
b = zn
zn1
Re(z)
(2.56)
n
X
k=1
f (
zk )zk
(2.57)
73
2 Variable compleja
Si n se hace crecer de tal modo que la magnitud del mayor intervalo |k | se aproxime a
un diferencial dz infinitesimalmente peque
no, entonces la suma Sn se aproximara a un valor
que no depende de la subdivision de la curva, denominado integral de contorno o integral de
lnea de f (z) a lo largo de C, denotado como
Z
f (z) dz =
C
lim
n
n
X
f (
zk )zk
La notacion
f (z) dz
C
con un peque
no crculo en el centro de la integral se utiliza para representar el caso especial
en que la trayectoria de integracion es cerrada, es decir, el punto inicial a es igual al punto
final b.
Si se utiliza f (z) = u(x, y) + jv(x, y), con z = x + jy entonces la integral anterior puede
expresarse como
Z
Z
f (z) dz = [u(x, y) + jv(x, y)] (dx + jdy)
C
ZC
Z
= [u(x, y) dx v(x, y) dy] + j [v(x, y) dx + u(x, y) dy]
(2.58)
C
que corresponden con integrales de lnea de variable real. Estas integrales pueden calcularse
utilizando la expresion parametrica de C, de tal forma que
Z
Z tb
dz(t)
f (z) dz =
f (z(t))
dt
(2.59)
dt
C
ta
Z tb
d
d
[u(x(t), y(t)) + jv(x(t), y(t))]
=
x(t) + j y(t) dt
dt
dt
ta
Z tb
d
d
=
u(x(t), y(t)) x(t) v(x(t), y(t)) y(t) dt
dt
dt
ta
Z tb
d
d
+j
v(x(t), y(t)) x(t) + u(x(t), y(t)) y(t) dt
dt
dt
ta
Ejemplo 2.23 Encuentre el valor de la integral de lnea
Z
z 2 dz
C
74
3
2
1
Re(z)
Esta integral se puede separar como la suma de las integrales en los dos segmentos I =
Iac + Icb . Para el primero de ellos, por ser horizontal se tiene que y es constante (y = 1) y
por tanto dy = 0:
Z
Z
5
Iac =
(x 1) dx + j
1
= x3 x
3
5
1
2x dx
1
5
+ j x2 1 = 36 + j24
2.23
donde a y b son los puntos inicial y final de la curva C respectivamente. El lector puede
verificar el resultado anterior conociendo que F (z) = z 3 /3.
75
2 Variable compleja
Ejemplo 2.24 Encuentre la integral de f (z) = 1/(z z0 ) con una trayectoria circular de
radio r alrededor del punto constante complejo z0 .
Soluci
on: El calculo de esta integral se puede simplificar haciendo uso de la sustitucion de
variable z = z z0 . Puesto que d
z = dz entonces
I
I
1
1
dz =
d
z
z
C
C z z0
donde C es entonces ahora una trayectoria circular de radio r alrededor del origen del plano
z. Esta circunferencia se puede representar parametricamente como
z(t) = r cos t + jr sen t,
0 t 2
0 t 2
76
0
C
Z 2
jt(1n) 2
jt(1n)
1n e
1n
e
dt = jr
= jr
j(1
n)
0
0
r1n j(1n)2
=
e
1 =0
1n
puesto que (1n) es entero y ej2k = 1 para k Z. Resumiendo, y considerando el resultado
del ejemplo anterior:
(
I
2j si n = 1
1
dz =
(2.60)
n
0
si n 6= 1
C (z z0 )
para una trayectoria de integracion circular cerrada C centrada en el polo z0 y en sentido
2.25
positivo (sentido contrario a las manecillas del reloj).
Volviendo a la definicion de la suma integral (2.57), si se asume que la magnitud de la funcion
f (z) nunca supera el valor de una constante positiva M , es decir |f (z)| M para todo valor
de z sobre la trayectoria de integracion C, entonces, aplicando la desigualdad de Minkowski
se obtiene:
n
n
n
X
X
X
|Sn | =
f (
z )zk
|f (
z )||zk | M
|zk |
k=1
k=1
k=1
donde |zk | representa la longitud del segmento de recta entre zk y zk1 , por lo que
lim
zk 0
n
X
|zk | = L
k=1
(2.61)
2.6.2
El Teorema de la integral de Cauchy establece que si f (z) es una funcion analtica con
derivada f 0 (z) continua en todos los puntos dentro y sobre una curva cerrada simple C,
entonces se cumple
I
f (z) dz = 0
(2.62)
Para demostrar este teorema se parte del hecho de que f (z = x + jy) = u(x, y) + jv(x, y)
es analtica dentro y sobre C y su derivada f 0 (z) es continua, lo que permite asumir que
77
2 Variable compleja
tambien u(x, y) y v(x, y) tienen derivadas parciales continuas en la misma region definida por
C. Por estas razones es posible aplicar el Teorema de Green (ver apendice A) que establece
bajo las condiciones dadas que
I
ZZ
v(x, y) u(x, y)
(u(x, y) dx v(x, y) dy) =
dx dy
(2.63)
x
y
C
R
donde R es la region acotada por C. El lado derecho de este teorema sigue el mismo patron
que ambos sumandos en la ecuacion (2.58) si C se elige cerrada:
I
I
I
f (z) dz = [u(x, y) dx v(x, y) dy] + j [v(x, y) dx + u(x, y) dy]
C
C
ZCZ
ZZ
v(x, y) u(x, y)
u(x, y) v(x, y)
=
dx dy + j
dx dy
x
y
x
y
R
R
= 0 + j0
donde se ha considerado que f (z) es analtica y por lo tanto se cumplen las ecuaciones
de Cauchy-Riemann, por lo que los integrandos de la u
ltima expresion son cero. Puede
demostrarse que este teorema sigue siendo valido a
un sin la restriccion de continuidad de
0
f (z), en cuyo caso recibe el nombre de teorema de Cauchy-Goursat o teorema fundamental
de integracion compleja.
El teorema de la integral de Cauchy junto con el ejemplo 2.25, donde se encontro (2.60)
permiten observar que, para que el valor de una integral de contorno cerrada sea cero, el
hecho de que la funcion sea analtica es una condicion suficiente, pero no necesaria.
Una de las consecuencias mas importantes del teorema de la integral de Cauchy es la independencia de la trayectoria de integracion de un punto a a un punto b para una integral
de contorno si el integrando es una funcion analtica. Esto se observa eligiendo dos puntos
cualesquiera sobre una curva cerrada sobre y dentro de la cual la funcion f (z) es analtica
(figura 2.34). Puesto que
I
Z
Z
f (z) dz =
f (z) dz +
f (z) dz = 0
C
C1
C2
donde considerando que si se invierte la direccion de, por ejemplo C2 , lo que se denota por
C2 y, como C1 , tambien va de a hacia b, entonces
Z
Z
Z
Z
f (z) dz
f (z) dz = 0
f (z) dz =
f (z) dz
C1
C1
C2
C2
En la practica se utilizan con frecuencia funciones polinomiales racionales, como por ejemplo
f1 (z) =
1
,
z z0
f2 (z) =
z
(z z0 )2 (z + z1 )
que contienen singularidades del tipo polos. Para poder evaluar integrales con estas funciones
se utiliza normalmente una deformacion de la trayectoria de Jordan que evita incluir la
singularidad dentro de la region acotada, tal y como lo muestra la figura 2.35. El ancho del
78
C1
a
Re(z)
B
B
A
A
Re(z)
A0 B 0
BA
BA
AB
79
2 Variable compleja
y considerando que
I
f (z) dz =
f (z) dz
D
entonces
f (z) dz =
C
f (z) dz
(2.64)
1
dz
z (2 + j)
z
C z (2 + j)
C
Considerando la ecuacion (2.64), esta integral es igual a integrar en un crculo de un radio
La ecuacion
r suficientemente peque
no para estar incluido en la region delimitada por C.
(2.60) indica entonces que el valor de esta integral es 2j.
2.26
En general, si la curva C encierra a varias singularidades, se puede proceder de forma analoga
al principio anterior y evadir las singularidades como lo muestra la figura 2.36, con lo que se
Im(z)
D3
D2
z3
C
z2
D1
z1
Re(z)
D1
D2
D3
I
f (z) dz + . . . +
f (z) dz
Dn
(2.65)
80
z
(z 1)(z + j)
si la trayectoria de integracion
1. contiene a ambas singularidades
2. contiene a z = j, pero no a z = 1
Soluci
on: La integral se simplifica si se separa el integrando en fracciones parciales:
1 1j
1+j
f (z) =
+
2 (z 1) (z + j)
puesto que ahora la integral se puede reescribir como
I
I
I
1
1
1
dz + (1 + j)
dz
f (z) dz = (1 j)
2
z1
z+j
C
| C {z
}
| C {z
}
I1
I2
2.6.3
F
ormula de la integral de Cauchy
Sea f (z) una funcion analtica dentro y sobre un contorno de integracion simple y conexo
C. Si z0 se encuentra dentro de C entonces
I
f (z)
dz = 2jf (z0 )
(2.66)
C z z0
o lo que es equivalente
1
f (z0 ) =
2j
I
C
f (z)
dz
z z0
(2.67)
81
2 Variable compleja
lo que resulta en
I
C
f (z)
dz = f (z0 )
z z0
1
dz +
z z0
I
C
f (z) f (z0 )
dz
z z0
El ejemplo 2.24 junto con el resultado en (2.64) muestra que la integral en el primer sumando
del lado derecho de la ecuacion es igual a 2j, por lo que ahora corresponde demostrar que
la segunda integral es igual a cero. Puesto que el integrando es analtico en todo z 6= z0 ,
entonces se puede deformar el contorno de integracion para excluir a z0 , tal y como se mostro
en la figura 2.35. Como f (z) es analtica en z = z0 entonces es tambien continua, por lo que
lim f (z) = f (z0 ) .
zz0
Esto quiere decir que la distancia entre f (z) y f (z0 ) se podra hacer arbitrariamente peque
na
(|f (z) f (z0 )| < ) acercando cuanto sea necesario z a z0 (|z z0 | < ):
IR+ , IR+ : |z z0 | < |f (z) f (z0 )| <
Si se elige entonces el crculo D que excluye a z0 en el contorno deformado, con un radio r
menor que , y ademas se toma = |z z0 |, entonces se cumplen las desigualdades
f (z) f (z0 )
z z0 < < r
y puesto que la longitud de la trayectoria circular de integracion D es 2r entonces por la
desigualdad M L (2.61), y considerando (2.64) se tiene
I
I
f (z) f (z0 ) f (z) f (z0 )
dz =
dz < 2r = 2
z z0
z z0
r
D
y como lo anterior debe ser valido para cualquier valor positivo de , incluyendo aquellos
arbitrariamente peque
nos, se concluye que la integral
I
f (z) f (z0 )
dz = 0
z z0
C
con lo que la formula de la integral de Cauchy queda demostrada.
En las siguientes secciones sera necesario utilizar una formula similar a la anterior, pero
con el polo introducido de orden superior a uno. Para encontrar el valor de esta integral se
calculara ahora la derivada por definicion, es decir
f 0 (z0 ) = lim
z0
f (z0 + z) f (z0 )
z
82
1
1
2
2
|z z0 |
d
Im(z)
z0
d
2
d
2
Re(z)
Ademas, puesto que z se esta haciendo tender a cero, entonces puede elegirse |z| tal que
sea menor o igual que d/2, entonces para todo z C se cumple (figura 2.37):
|z (z0 + z)|
d
2
1
|z (z0 + z)|
2
d
83
2 Variable compleja
De hecho, este resultado puede utilizarse para demostrar de forma similar al procedimiento
anterior que tambien se cumple:
I
f (z)
2
00
f (z0 ) =
dz
2j C (z z0 )3
y en general
f
(n)
n!
(z0 ) =
2j
f (z)
dz,
(z z0 )n+1
n = 0, 1, 2, . . .
(2.68)
f (z)
2j
dz = f (n) (z0 )
n+1
(z z0 )
n!
z
(z 1)(z + j)
D1
D2
I
f (z) dz =
D1
D1
z
dz =
(z 1)(z + j)
z
(z+j)
D1
z1
dz
I
f (z) dz =
D2
D2
z
dz =
(z 1)(z + j)
I
D2
z
(z1)
z+j
dz
84
I
C
f (z) dz = (1 + j 1 + j) = 2j
2.6.4
2.28
D1
D2
Dn
(i)
a
am
(i)
(i)
(i)
+ . . . + 1 + a0 + a1 (z zi ) + . . . ak (z zi )k + . . .
f (z) =
m
(z zi )
z zi
(i)
a0
(i)
a1 (z
zi ) + . . . +
(i)
ak (z
#
zi )k + . . . dz
I
1
1
(i)
dz + . . . + a1
dz
m
Di (z zi )
Di z zi
I
I
I
(i)
(i)
(i)
+ a0
dz + a1
(z zi ) dz + . . . + ak
(z zi )k dz + . . .
(i)
am
Di
Di
Di
f (z) dz = 2j
C
n
X
i=1
(i)
a1 .
85
2 Variable compleja
Esta conclusion es conocida como teorema del residuo y afirma que si f (z) es una funcion
analtica dentro y sobre una curva cerrada simple C, excepto en un n
umero finito de polos,
entonces su valor sera igual a 2j multiplicado por la suma de todos los residuos de f (z)
para las singularidades dentro de C.
Ejemplo 2.29 Eval
ue la integral
Z
C
1
dz
z(1 + z)
si C es
1. |z| = 21
2. |z| = 2
Soluci
on:
Las singularidades estan en z1 = 0 y z2 = 1, y los residuos estan dados por (2.54):
1
(1)
=1
= lim z
a1
z0
z(z + 1)
z1 =0
1
(2)
= lim (z + 1)
a1
= 1
z1
z(z + 1)
z2 =1
as que para el primer caso, donde la curva solo encierra al polo z1 = 0, el resultado de la
integral es
Z
1
dz = 2j
C z(1 + z)
y para el segundo caso, donde ambos polos se encuentran dentro del crculo entonces
Z
1
dz = 2j(1 1) = 0
C z(1 + z)
2.29
2.7
Integraci
on sobre semicrculos extensos
(2.70)
2
2
86
C1
2
R
R
R
C2
jR
jR
3
R
R
C3
C4
jR
/2
/2
Rf (Rej ) d <
/2
Para el Caso 2
Z
1
az
f (z)e dz = j
/2
/2
87
2 Variable compleja
/2
/2
Si se elige R > R0 entonces |f (Rej )| < . Ademas, puesto que el coseno es una funcion par
en , entonces el termino exponencial tambien es par, por lo que se debe cumplir:
Z
Z
az
f (z)e dz 2R
/2
eaR cos d
Para analizar la expresion anterior se utiliza la desigualdad ilustrada en la figura 2.39, donde
se aprecia
2
1 cos , para 0
2
1
1 2
cos()
0
0
Para el intervalo indicado, ambas funciones adquieren valores entre cero y uno. Con esto en
mente, y considerando que el valor real a es estrictamente menor que cero, se cumple
eaR cos eaR e2aR/
para 0 /2
/2
aR cos
d 2Re
aR
/2
eaR aR
e
1
a
=
1 eaR <
|a|
|a|
e2aR/ d =
f (z)eaz dz = 0
a IR, a < 0
88
Los siguientes dos casos son similares a los anteriores, pero utilizando el semicrculo 2
(figura 2.38):
Z
Caso 3: lim
f (z) dz
(2.71)
R
(2.72)
El Caso 3 se analiza del mismo modo que el Caso 1, con lo que se obtiene:
Z
lim
f (z) dz = 0
R
Para el Caso 4
jaz
f (z)e
Z
dz = j
Z
Z
jaz
f
(z)e
dz
2
Si se elige R > R0 entonces |f (Rej )| < . La integral al lado derecho se puede descomponer
de la siguiente forma:
Z
Z /2
Z
j
aR sen
j
aR sen
R|f (Re )|e
d =
R|f (Re )|e
d +
R|f (Rej )|eaR sen d
0
/2
El primer termino se puede analizar haciendo uso de la relacion mostrada en la figura 2.40,
considerando que el valor real a es, en este caso particular, positivo, y asumiendo que R > R0 :
Z /2
Z /2
j
aR sen
ReaR2/ d
R|f (Re )|e
d
0
R
<
2a
(1 eaR )
2aR
Por medio de un cambio de variable = /2, o aplicando el hecho de que para el intervalo
de /2 a se cumple sen 2 2 , el lector puede demostrar que para el segundo termino
se cumple tambien:
Z
R|f (Rej )|eaR sen d <
2a
/2
con lo que finalmente se debe cumplir
Z
R|f (Rej )|eaR sen d <
a
0
89
2 Variable compleja
1
sen()
0
0
y por lo tanto
Z
lim
f (z)ejaz dz = 0
2.8
Evaluaci
on de integrales reales
Los principios de integracion analizados hasta el momento pueden utilizarse para simplificar
el calculo de integrales reales definidas. Aqu se evaluaran dos casos.
90
2.8.1
La integral real
f (x) dx
Z
R
f (z) dz
f (z) dz +
f (z) dz = lim
C
Im(z)
Re(z)
91
2 Variable compleja
donde C es el contorno mostrado en la figura 2.41. El integrando tiene dos polos dobles en
2j, pero el contorno solo encierra al polo en z = 2j. El residuo en 2j es
d
1
2
a1 |z=2j = lim
(z 2j)
z2j dz
(z 2j)2 (z + 2j)2
2
2
1
= lim
=
= j
3
3
z2j (z + 2j)
(4j)
32
y por el teorema del residuo
I
C
1
1
dz = 2j j =
2
2
(z + 4)
32
16
Puesto que R|f (Rej )| decrece a una tasa R3 cuando R entonces la integral en el
semicrculo es cero y por tanto
Z
I
1
1
dx =
dz =
2
2
2
2
16
(x + 4)
C (z + 4)
2.30
2.8.2
Si G(sen , cos ) es una funcion racional de senos y cosenos, entonces la integral real
Z 2
G(sen , cos ) d
0
d =
Z
0
1
d
2 + cos
z + z1 y d =
dz
Soluci
on: Sustituyendo z = ej , cos = 21
se obtiene la integral de variable
jz
compleja
I
I
1
2
1
dz =
dz
1
1
j C z 2 + 4z + 1
C jz 2 + 2 z + z
92
2
1
1
a1 = lim
(z + 2 3)
=
z2+ 3 j
(z + 2 3)(z + 2 + 3)
j 3
as que por el teorema del residuo
Z 2
0
1
1
2
d = 2j =
2 + cos
j 3
3
2.31
Otros casos de integrales reales resueltas por medio de integracion compleja encontrara el
lector en el analisis del impulso gaussiano (pag. 163), y en el apendice B.
93
2 Variable compleja
2.9
Problemas
Los siguientes ejercicios estan basados en [8, 9], algunos con leves modificaciones, otros
nuevos para profundizar en los conceptos introducidos en este captulo.
Problema 2.1. Indique que tipo de estructura algebraica es (S, {?}), donde S {IN, Z, Q, IR, C},
y ? {+, , , , }. El smbolo denota division y el smbolo potenciacion.
Problema 2.2. Demuestre utilizando las definiciones de suma y multiplicacion en los
n
umeros naturales que a 1 = a.
Problema 2.3. Que clase de estructura algebraica es (Z, {})?
Problema 2.4. Utilizando las definiciones de suma y producto de n
umeros complejos en
(2.5), calcule:
1.
2.
3.
4.
5.
z1
z2
z3
z4
=j
= j
= 3 j4
= 2ej/4
5.
6.
7.
8.
z5
z6
z7
z8
= 2ej/4
= 2ej
= cos 1; IR
= ejk ; k Z
Problema 2.6. Indique que trazo describen sobre el plano complejo el conjunto de todos
los n
umeros complejos que satisfacen la igualdad Re{z} + 2 Im{z} = 1
Problema 2.7. Demuestre que j 0 = 1, j 1 = j, j 2 = 1, j 3 = j, j 4 = 1 . . . , j n+4 = j n , . . .
Problema 2.8. Utilizando la identidad de Euler, encuentre a que equivalen las expresiones
sen(A + B) y cos(A + B) en terminos de senos y cosenos de A y B por separado.
Problema 2.9. Sume los siguientes n
umeros complejos. Verifique las sumas graficamente:
1. (2 + j5) + (3 + j2)
2. (j3) + (2)
3. Si z = x + jy calcule z + z
4. Si z = x + jy calcule z z
94
2.9 Problemas
1. (2 + j2)(2 + j2)
2. (j3)(2)
3. Si z = x + jy calcule zz
4. Si z = rej calcule z/z
Problema 2.11. Calcule las cinco races 11/5 y grafquelas en el plano complejo.
Problema 2.12. Calcule la magnitud, argumento, parte real y parte imaginaria de los
n
umeros complejos zi resultantes de las operaciones
1. z1 = (1 + j 3)1+j
2. z2 = j
3. z3 = j j
4. z4 = j j
5. z5 = sen(j)
6. z6 = cos(j)
Problema 2.17. Otra posible demostracion de que un mapeo lineal conserva la forma de
rectas o un crculos es utilizando representaciones parametricas de las mismas. Considerando
que una recta se describe como
z(t) = zm t + zb
con t IR, zm , zb C, zm =cte, zb =cte, y que un crculo puede representarse como
z(t) = rejt + z0
95
2 Variable compleja
|z| < r
|z z0 | < r
| Re{z}| < r
Re{z} < r
5.
6.
7.
8.
| Im{z}| < r
Im{z} < r
| Re{z}| > r
Re{z} > r
9.
10.
11.
12.
| Im{z}| > r
Im{z} > r
Re{|z|} < r
|z| <
3. |z| = 1
4. x2 + y 2 + 2y = 1
96
2.9 Problemas
97
2 Variable compleja
Problema 2.36. Encuentre la imagen del semiplano y > c bajo el mapeo de inversion
w = 1/z, donde z = x + jy, y c = cte IR. Analice los casos c > 0, c = 0 y c < 0.
Problema 2.37. Encuentre la imagen en el plano w = 1/z de
1. El crculo
z + 3 + j = 7
4
4
1+j
z
z+1
z1
encuentre la imagen del arco semicircular x2 + y 2 = 1 para x 0 descrito del punto (0, 1)
al punto (0, 1).
Problema 2.41. Encuentre a que mapea
w=
z+j
z3
z z0
z z0
98
2.9 Problemas
w0 =
Problema 2.46. Encuentre el mapeo bilineal w = f (z) mas general que mapea el crculo
unitario |z| = 1 en el crculo unitario |w| = 1 y que cumple ademas f (z0 ) = 0.
Problema 2.47. Encuentre un mapeo bilineal w = f (z) que transforme la curva A del
plano z mostrada a la izquierda de la siguiente figura, en la curva B del plano w mostrada a la
derecha, si se sabe que la seccion de la curva A ubicada sobre |z 1 j| = 1 es transformada
en el segmento de recta que une 1 y 1 en el plano w.
Im{z}
2
Im{w}
A
B
2 Re{z}
-1
Re{w}
-1
Problema 2.48. Encuentre un mapeo bilineal w = f (z) que transforme la curva A del
plano z mostrada a la izquierda de la siguiente figura, en la curva B del plano w mostrada a
la derecha, si se sabe que la seccion de la curva A ubicada sobre |z 1| = 1 es transformada
en el segmento de recta que une 1 y 1 en el plano w.
99
2 Variable compleja
replacemen
Im{w}
3
Im{z}
A
3 Re{z}
-1
Re{w}
-1
Problema 2.49. Indique si siempre es posible encontrar un mapeo bilineal que transforme
cualquier par de crculos que se intersecan en exactamente dos puntos, en la figura de la
derecha del problema 2.48.
Problema 2.50. Encuentre un mapeo bilineal que transforme el semicrculo al lado derecho
de la figura en el problema 2.48 a un semicrculo igual, pero tal que el segmento de recta es
transformado al semicrculo, y el semicrculo al segmento de recta.
Problema 2.51. Encuentre la imagen en el plano w de las siguientes regiones bajo el mapeo
w = ez .
1. x > 0
2. 0 x 1, 0 y 1
3. 21 y , 0 x
Problema 2.52. Demuestre, utilizando la descomposicion del coseno y seno como combinacion lineal de dos exponenciales complejas, que para z = x + jy C se cumple:
Problema 2.53. Verifique que la funcion f (z) = ez , = cte C satisface las ecuaciones
de Cauchy-Riemann y calcule su derivada.
Problema 2.54. En que region de C son las siguientes funciones analticas
1.
2.
3.
4.
zez
zz
sen 4z
cos 2z
100
2.9 Problemas
w
w
w
w
= z2 1
= 2z 3 21z 2 + 72z + 6
1
= 8z + 2
2z
= sen z
Problema 2.62. Encuentre y grafique las imagenes de las lneas verticales y horizontales
para los mapeos sen z, cos z y Ln z. Donde son estos mapeos conformes?
Problema 2.63. Demuestre que
w=z+
a2
z
PN 1
n=0
zn =
1z N
1z
101
2 Variable compleja
1. |z| < 1
2. |z| > 1
3. 1 < |z 1 j| < 2
Problema 2.66. Encuentre por division polinomial las representaciones en serie de potencias de z21+1 centradas en z0 = 0.
Problema 2.67. Encuentre los desarrollos en Series de Taylor para las siguientes funciones
centradas en los puntos dados
1
, en z0 = 1 + j.
z2
1
4.
, en z0 = 0.
1 + z + z2
1
, en z0 = 1.
1+z
1
, en z0 = 2j.
2.
z(z 4j)
3.
1.
1
z(z 1)2
1
z
alrededor de
1. z0 = 0
2. z = a 6= 0, a C
Problema 2.70. Encuentre la serie de Laurent para
f (z) =
z
(z 1)(2 z)
4. |z 1| > 1
5. 0 < |z 2| < 1
z
(z 1)(z + 2)
102
2.9 Problemas
z
(z + j)(z j)
indique cuantas y cuales regiones de convergencia son posibles para la serie de Laurent
centrada en z0 = 1 + j. Encuentre las series en cada una de dichas regiones.
Problema 2.73. La funcion de variable compleja f (z) tiene, entre otros, los siguientes
desarrollos en series de Laurent
X
1
1. f (z) =
(z + 3)k
k
2
k=2
2. f (z) =
X
(j)k+1
k (z 1)k
k=1
3. f (z) =
2k (z 1 j)k
k=4
4. f (z) =
5k (z + j)k
k=0
donde para todas las series se han utilizado regiones de convergencia que contienen como
punto lmite al punto donde ellas se centran.
a. Indique donde al menos deben encontrarse polos, ceros (ambos con su respectivo orden),
puntos regulares y singularidades esenciales de f (z).
b. Indique el valor de los residuos de f (z) en los tres puntos donde se centran las series
anteriores.
Problema 2.74. Indique que tipos de singularidades y ceros tienen las siguientes funciones:
1.
cos z
z2
5. e 1z
1
2.
(z + j)2 (z j)
6.
z1
z2 + 1
z
3. 4
z 1
sen z
4. 2
z +
7.
z+j
(z + 2)2 (z 3)
8.
1
z 2 (z 2 4z + 5)
Problema 2.75. Encuentre los desarrollos de Laurent para las siguientes funciones alrededor de z0 = 0 e indique el tipo de singularidad:
1 cos z
1.
z
2
ez
2. 3
z
Problema 2.76. Determine los residuos de la funcion 1/(1 + z 4 ) en cada uno de sus polos
en el plano finito z.
103
2 Variable compleja
Problema 2.77. Calcule los residuos de las siguientes funciones en cada uno de sus polos
finitos, a menos que se especifique lo contrario:
2
2z + 1
z+1
1. 2
6.
z z2
z1
1
2. 2
z (1 z)
cos z
7.
solo en z = 0
z
3z 2 + 2
3.
(z 1)(z 2 + 9)
z
8.
solo en z =
z3 z2 + z 1
sen z
4.
z 3 + 4z
5.
z 6 + 4z 4 + z 3 + 1
(z 1)5
9.
1
solo en z = j
(z 2 + 1)2
104
2.9 Problemas
Segmento de 1 + j a 4 2j
Crculo unitario (en sentido horario)
Segmento de a + jb a c + jd
Hiperbola xy = 1 desde 1 + j a 4 + j 41
Semielipse x2 /a2 + y 2 /b2 = 1, y 0
Parabola x = 4 4y 2 (1 y 1)
|z 2 + 3j| = 4 (en sentido antihorario)
|z a jb| = r (en sentido horario)
Elipse 4(x 1)2 + 9(y + 2)2 = 36
I
C
(5z 4 z 3 + 2) dz
2z
dz
(2z 1)(z + 2)
105
2 Variable compleja
5z
dz
(z + 1)(z 2)(z + j4)
z3 z2 + z 1
dz
z 3 + 4z
z 3 (z 2
1
dz
+ 2z + 2)
f (z) dz = 0
donde C es
1. el crculo |z| = 21
2. el crculo |z| = 2
z2
z
dz
+1
106
2.9 Problemas
z 2 + 3jz 2
dz
z 3 + 9z
donde C es
1. el crculo |z| = 1
2. el crculo |z| = 4
Problema 2.93. Calcule los residuos de todos los polos de la funcion
f (z) =
y con ellos calcule la integral
(z 2 + 2)(z 2 + 4)
(z 2 + 1)(z 2 + 6)
I
f (z) dz
C
z 2 (1
1
dz
+ z 2 )2
2 Variable compleja
107
108
2.9 Problemas
Captulo 3
An
alisis de Fourier
3.1
Ortogonalidad
El adjetivo ortogonal proviene del griego orthos (recto) y gonia (angulo). Este denota entonces la perpendicularidad entre dos elementos: dos calles que se cruzan en un angulo
recto presentan una configuracion ortogonal. En ingeniera y matematica el termino se ha
extendido a otros niveles y se habla por ejemplo de juegos de instrucciones ortogonales en
arquitecturas de microprocesadores, o de codificaciones ortogonales en comunicaciones digitales inalambricas. En esta seccion se restringira sin embargo la discusion a las definiciones
de caracter matematico que constituyen el fundamento para la comprension del analisis de
funciones por medio de las transformadas de Fourier, Laplace, Transformada z, las llamadas
wavelets y otros mas.
El objetivo sera presentar los conceptos de ortogonalidad entre funciones, y para llegar all se
partira de un contexto familiar: la ortogonalidad de vectores, introduciendo en el camino una
serie de conceptos matematicos de caracter abstracto cada vez mas utilizados en ingeniera.
3.1.1
Espacios lineales
110
3.1 Ortogonalidad
discutidas en la seccion 2.1.2 (entre otras, que ambas operaciones son asociativas, conmutativas y distributivas). Un conjunto V se denomina espacio vectorial o espacio lineal sobre
un cuerpo IF (por ejemplo el cuerpo de los n
umeros reales (IR, {+, }) o el cuerpo de los
n
umeros complejos (C, {+, })) si
para una operacion de adicion vectorial en V, denotada x + y, con x, y V; y
para una operacion de multiplicacion escalar en V, denotada como ax, con x V y
a IF
se cumplen las siguientes propiedades con a, b IF y x, y, z V:
1. x + y V. (V es cerrado con respecto a la adicion vectorial).
2. x + (y + z) = (x + y) + z. (Asociatividad de la adicion vectorial en V).
3. Existe un elemento neutro 0 V, tal que para todo x V se cumple que x + 0 = x.
(Existencia de un elemento identidad aditivo en V).
4. Para todo x V existe un elemento y V tal que x + y = 0. (Existencia de inversos
aditivos en V).
5. x + y = y + x. (Conmutatividad de la adicion vectorial en V).
6. ax V. (V es cerrado con respecto a la multiplicacion escalar).
7. a(bx) = (ab)x. (Asociatividad de la multiplicacion escalar en V).
8. Si 1 representa el elemento neutro multiplicativo del cuerpo IF entonces 1x = x. (Neutralidad de uno).
9. a(x + y) = ax + ay. (Distributividad con respecto a la adicion vectorial).
10. (a + b)x = ax + bx. (Distributividad con respecto a la adicion del cuerpo IF).
A los elementos de V se les denomina vectores. Notese que el concepto de espacio lineal
es completamente abstracto. Para determinar si un conjunto V es un espacio lineal deben
especificarse tan solo el conjunto V, el cuerpo escalar IF y las operaciones vectoriales de
adicion y multiplicacion escalar en V. Si las diez propiedades anteriores se satisfacen, se dice
entonces que V es un espacio lineal (o vectorial) y sus elementos son vectores. Esto quiere
decir, que el concepto anteriormente mencionado de vectores como tuplas de n elementos en
un espacio IRn no es correcta desde un punto de vista matematico, sino hasta que se definan
las operaciones de suma y producto escalar.
Combinaciones lineales
Se denomina combinacion lineal de los vectores u1 , u2 , . . . , un de un espacio lineal V a todo
vector x del tipo
x = c1 u1 + c2 u2 + . . . + cn un
111
3 Analisis de Fourier
con los coeficientes de la combinacion lineal c1 , . . . , cn , que son escalares del cuerpo escalar
IF relacionado con el espacio lineal V.
Un conjunto de vectores U = {u1 , u2 , . . . , un } V se dice ser un conjunto ligado o linealmente dependiente si al menos uno de ellos es una combinacion lineal de los demas. Se
denomina conjunto libre o linealmente independiente cuando los u
nicos escalares c1 , . . . , cn
para los que se cumple c1 u1 + c2 u2 + . . . + cn un = 0 son c1 = . . . = cn = 0. Se cumple
ademas que
112
3.1 Ortogonalidad
finito V 6= {0} posee al menos una base. Si existen varias bases, todas contienen el mismo
n
umero de vectores generadores. Este n
umero de vectores es la dimension del espacio lineal.
Los siguientes puntos conforman el llamado teorema fundamental del algebra lineal para un
espacio lineal finito V con una base de n elementos con n IN+ :
1. toda base de V tiene exactamente n elementos,
2. todo subconjunto linealmente independiente de V tiene a lo sumo n elementos y corresponde a una base de V si y solo si tiene exactamente n elementos,
3. cualquier subconjunto de V que act
ua como conjunto generador de V debe tener al
menos n elementos y es una base si y solo si tiene exactamente n elementos,
4. si los elementos de una determinada base en V se toman en un orden determinado,
cualquier elemento de V puede entonces ser representado por una secuencia u
nica de
coordenadas.
El u
ltimo punto indica que si V tiene como base a U = {u1 , u2 , . . . , un }, entonces un vector
x = c1 u1 + c2 u2 + . . . + cn un puede representarse utilizando tan solo los coeficientes ci y
manteniendo fija la base: x = [c1 , c2 , . . . , cn ]T . Ninguna otra secuencia puede representar
con la misma base al vector x, puesto que si existiese alguna otra representacion equivalente
x = d1 u1 + d2 u2 + . . . + dn un entonces la diferencia de ambas representaciones debera ser
cero y
(d1 c1 )u1 + (d2 c2 )u2 + . . . + (dn cn )un = 0
se cumple solo si di = ci , i = 1, 2, . . . n por el requisito de que la base U debe ser linealmente
independiente.
3.1.2
Los espacios lineales se clasifican de acuerdo a las propiedades de las operaciones definidas
para sus elementos. A continuacion se enumeran los mas utilizados en la literatura tecnica.
Espacio m
etrico
Un espacio metrico es una estructura algebraica en la que se define la operacion d(x, y)
d : V V IR
denominada metrica o distancia, la cual debe satisfacer las siguientes condiciones:
113
3 Analisis de Fourier
kxk 0 (positividad)
kaxk = |a|kxk (escalabilidad positiva)
kx + yk kxk + kyk (desigualdad de Minkowski)
kxk = 0 x = 0.
(3.1)
El lector puede demostrar que si la operacion k k cumple con todas las propiedades de una
norma, y la distancia se define como (3.1), entonces todas las propiedades para una metrica
son cumplidas por d(, ).
Espacio de Banach
En el captulo 1 se definio una secuencia de Cauchy como una secuencia cuyos terminos
se acercan arbitrariamente entre s en tanto la secuencia progresa. Para un espacio lineal
normado la definicion de secuencia de Cauchy se puede replantear como
> 0, N IN, n, m IN, n, m > N : kxn xm k <
donde se reemplazo la operacion de valor absoluto por la norma.
Un espacio normado se denomina espacio de Banach si es completo con respecto a la norma,
lo que quiere decir que cualquier secuencia de Cauchy de elementos en el espacio lineal
converge a un elemento en el mismo espacio, en el sentido de que la norma de las diferencias
entre los elementos de la secuencia tiende a cero.
Espacios con producto interno
Si a la estructura de espacio lineal se le agrega el concepto de producto interno aparecen
entonces los llamados espacios con producto interno o espacios pre-Hilbert. El concepto
de producto interno (a veces denominado producto escalar1 ) permite introducir conceptos
1
N
otese que en este contexto el concepto de producto escalar es diferente a la multiplicacion escalar
utilizada en la definici
on de espacio lineal. Para evitar confusiones se preferira aqu el uso del termino
producto interno sobre producto escalar .
114
3.1 Ortogonalidad
a IF, x, y V, x, ay = a x, y ;
x, y, z V, x, y + z = x, y + hx, zi. (Sesquilinealidad).
Notese que si el cuerpo IF corresponde a los n
umeros reales IR entonces la simetra conjugada
corresponde a la conmutatividad del producto interno, esto es x, y = y, x . Combinando
la sesquilinealidad con la simetra conjugada se obtiene ademas (ver problema 3.3)
a IF, x, y V,
ax, y = a x, y
(3.2)
x, y, z V,
x + y, z = hx, zi + y, z
(3.3)
Utilizando el producto interno puede definirse la norma de un vector x como
p
kxk = hx, xi hx, xi = kxk2
(3.4)
| x, y | kxkkyk .
(3.5)
Para ello se observa primero que si | x, y | = 0 entonces (3.5) se cumple porque el lado dere
cho nunca es negativo. As
umase entonces para el resto de la demostracion, que | x, y | =
6 0.
Por la propiedad de no negatividad se cumple
x + ay, x + ay 0
para cualquier escalar a IF. Por la sesquilinealidad, lo anterior se puede expresar como
hx, xi + a x, y + a x, y + |a|2 y, y 0
115
3 Analisis de Fourier
Sea b un n
umero real arbitrario y tomese a = b x, y . Sustituyendo se obtiene
hx, xi + 2b| x, y |2 + b2 | x, y |2 y, y 0
El lado izquierdo es una ecuacion cuadratica de b con coeficientes reales. Puesto que esta
ecuacion debe ser mayor o igual que cero para todo b, el determinante de la ecuacion no
puede ser positivo, puesto que si lo fuera tendra dos races reales, lo que implicara que para
un intervalo de b su valor sera negativo. Esto es:
| x, y |4 hx, xi | x, y |2 y, y 0
y puesto que se partio del hecho que | x, y | =
6 0 entonces puede dividirse la ecuacion
2
anterior por | x, y | para obtener
| x, y |2 hx, xi y, y 0
| x, y |2 kxk2 kyk2
| x, y | kxkkyk
con lo que la desigualdad queda demostrada.
La desigualdad de Minkowski es otro resultado importante del uso de la norma (3.4):
kx + yk kxk + kyk
que se demuestra a continuacion.
kx + yk2 = x + y, x + y
= hx, xi + y, x + x, y + y, y
= kxk2 + x, y + x, y + kyk2
Considerando que para un n
umero complejo z = x + jy se cumple
p
z + z = 2x 2|z| = 2 x2 + y 2
entonces
kx + yk2 kxk2 + 2| x, y | + kyk2
116
3.1 Ortogonalidad
En estos espacios lineales con producto interno se dice que dos vectores x y y diferentes de 0
son ortogonales si su producto interno x, y es 0. Ademas, el angulo entre los dos vectores
se define indirectamente por medio de la ecuacion
x, y
cos (x, y) =
.
(3.6)
kxkkyk
con lo que se deduce entonces que la magnitud del angulo entre dos vectores ortogonales es
de /2, puesto que el coseno del angulo entre ellos es cero. Notese que con la desigualdad
de Cauchy-Schwarz se puede asegurar para los espacios basados en el cuerpo IR que el lado
derecho de la ecuacion siempre estara entre -1 y 1, por lo que el valor del angulo siempre
sera real. Si el cuerpo base es complejo (C), entonces en general el lado derecho adquirira
valores complejos.
Si U = {u1 , u2 , . . . , un } V es una base de V y todo par de vectores ui y uk (i 6= k) es
ortogonal, se dice que U es una base ortogonal de V. Si ademas se cumple que la norma de
todos los vectores generadores kui k es uno, entonces a U se le denomina una base ortonormal .
Ejemplo 3.1 Si U es una base ortogonal de V, como se pueden calcular los coeficientes
para representar un vector x V en dicha base?
Soluci
on:
Si U es una base ortogonal de V se cumple para todo vector x V
x=
n
X
(3.7)
ci ui
i=1
Realizando el producto escalar a ambos lados con un vector generador especfico uk , utilizando las propiedades del producto interno descritas anteriormente, y haciendo uso de la
ortogonalidad de los vectores generadores ui se obtiene
*
huk , xi =
uk ,
n
X
i=1
+
ci ui
n
X
huk , ci ui i =
i=1
n
X
i=1
huk , xi
kuk k2
(3.8)
3.1
Espacio de Hilbert
Un espacio con producto interno se denomina espacio de Hilbert si es a su vez un espacio
de Banach, es decir, si es completo con respecto a la norma definida a traves del producto
interno, lo que quiere decir que cualquier secuencia de Cauchy de elementos en el espacio
lineal converge a un elemento en el mismo espacio. Los espacios de Hilbert se utilizan en
117
3 Analisis de Fourier
Espacio metrico
Espacio vectorial
distancia
suma vectorial
multiplicaci
on escalar
Espacio normado
norma
Espacio pre-Hilbert
Espacio de Banach
producto interno
completo
Espacio de Hilbert
Figura 3.1: Relaciones entre los espacios lineales. Cada espacio hereda las operaciones y caractersticas de sus antecesores. As, un espacio de Hilbert es completo, tiene producto
interno a traves del cual se define la norma que a su vez se emplea para definir la
metrica, y tiene operaciones de suma lineal y producto escalar.
Espacios euclidianos
El espacio euclidiano de n dimensiones es un caso particular de espacio de Hilbert, donde
los vectores se representan por tuplas de n elementos: Por ejemplo, en el espacio euclidiano
IFn , definido sobre el cuerpo IF, un vector x se representa como
x1
x2
x = . = [x1 , x2 , . . . xn ]T
..
xn
118
3.1 Ortogonalidad
donde cada una de las componentes xi del vector x son elementos del cuerpo IF. En un
espacio euclidiano el producto interno utilizado es siempre el producto punto, definido como
n
X
!
T
x, y = x y = x y =
xi y i .
(3.9)
i=1
kxk = hx, xi = x x = x T x = t
|xi |2 .
i=1
(3.10)
i=1
n
X
hui , xi ui
(3.11)
i=1
kxk =
n
X
| hui , xi |2
i=1
119
3 Analisis de Fourier
sen()
cos()
sen()
cos()
sen()
cos()
sen()
hx, x i = [cos(), sen()]
= cos() sen() + cos() sen() = 0
cos()
3.2
a2
a2
u2
u2
u1
a1
u1
a1
U = {u1 , u2 }, con los coeficientes escalares a1 y a2 . El lado derecho muestra el vector con
120
3.1 Ortogonalidad
otra base ortonormal U 0 = {u01 , u02 }. Se puede apreciar que los coeficientes a01 y a02 de x con la
nueva base U 0 son diferentes a los obtenidos con U. Sin embargo, si se establece claramente
una base, las componentes calculadas pueden utilizarse para representar a cualquier vector
x de forma u
nica e inequvoca, tal y como lo establece el teorema fundamental del algebra
lineal mencionado anteriormente. Notese que cada uno de los vectores en la base U 0 puede
representarse en terminos de combinaciones lineales de los vectores en la base canonica U.
De esta forma, es posible representar los mismos vectores a traves de los coeficientes generados para una base determinada, como lo muestra la figura 3.4 para las dos bases en la
figura 3.3.
ai
ai
Esta forma de representacion de los coeficientes lineales facilita el manejo de vectores con
mas de tres dimensiones, que son difciles o incluso imposibles de imaginar en un espacio
geometrico.
Ejemplo 3.3 Una base ortonormal U 0 en un espacio euclidiano tridimensional esta compuesta por los vectores
u0 1 = [x1 , y1 , z1 ]T
u0 2 = [x2 , y2 , z2 ]T
u0 3 = [x3 , y3 , z3 ]T
cuyas coordenadas xi , yi y zi indican las componentes de cada vector de esta base en la base
canonica U = {u1 , u2 , u3 } con
u1 = [1, 0, 0]T
u2 = [0, 1, 0]T
u3 = [0, 0, 1]T
Encuentre los coeficientes ci para representar al vector v = [a, b, c]T (tambien representado
en la base canonica) como combinacion lineal de los vectores u0i .
121
3 Analisis de Fourier
Soluci
on: Se sabe que
v = c1 u01 + c2 u02 + c3 u03
donde, por ser la base U 0 ortonormal, se cumple que
ci =
hu0i , vi
= hu0i , vi
ku0i k2
Puesto que el espacio utilizado es euclidiano, se utiliza el producto punto como producto
interno, y as:
c1 = ax1 + by1 + cz1
c2 = ax2 + by2 + cz2
c3 = ax3 + by3 + cz3
que puede expresarse de forma matricial como
c1
x1 y1 z1
a
c2 = x2 y2 z2 b
c3
x3 y3 z3
c
As, el producto del vector representado en la base canonica puede ser transformado a otro
vector en la base U 0 multiplicandolo por la izquierda con una matriz cuyas filas corresponden
a los vectores generadores de la nueva base, representados sobre la base canonica.
Los valores ci pueden interpretarse como que tanto de cada vector ui esta contenido en v,
de modo que la suma de los tres tantos genera dicho vector.
u 1
u3
v
u 3
u1
u 2
u2
La figura 3.5 muestra un ejemplo grafico para ilustrar estos conceptos. Se ilustran con lneas
punteadas las componentes de los vectores de la base U 0 sobre la base canonica U, y las
proyecciones del vector v sobre los vectores de la base ortogonal. La figura 3.6 presenta la
descomposicion del vector v en sus tres componentes de la base canonica, mientras que la
122
3.1 Ortogonalidad
u1 hu1 , vi
u1
-1
-1
1
-1
1
-1
-1
-1
u3
v
2
-1
1
u3 hu3 , vi
-1
u2 hu2 , vi
u2
-1
1
figura 3.7 muestra la descomposicion de dicho vector en las componentes de la nueva base,
representados estos en la base canonica.
3.3
3.1.3
Ortogonalidad de funciones
123
3 Analisis de Fourier
hu ,vi
u1 ku1 k2
1
u1
v
2
-1
-1
-1
u2
u2
-1
-1
-1
-1
-1
1
hu2 ,vi
ku2 k2
hu3 ,vi
u3 ku k2
3
u3
-1
representar como
x, y =
n2
X
x (i)y(i)
(3.12)
i=n1
donde n1 y n2 pueden ser valores finitos o infinitos, en cualquier rango de enteros consecutivos
tales que n1 n2 . Esta expresion equivale al producto punto definido anteriormente en (3.9).
Notese que este simple cambio de representacion del vector de tupla a funcion no ha alterado
ninguno de los conceptos desarrollados hasta ahora para espacios lineales. En principio, un
vector esta ahora siendo representado por una funcion, o dicho de otra forma, estas funciones
de variable entera son elementos de un espacio lineal-funcional.
A partir de esta representacion resulta una consecuencia natural eliminar la restriccion para
la variable independiente de estos vectores-funciones de ser n
umeros enteros, y permitirles
tomar valores reales o complejos, generalizando o reemplazando as enteramente el concepto
de vectores por funciones. El espacio lineal se transforma entonces en un espacio funcional ,
donde todos los conceptos introducidos anteriormente siguen siendo validos si los axiomas
124
x (t)y(t) dt
(3.13)
con lo que se concluye que dos funciones son ortogonales en el intervalo [a, b] si (3.13) es
cero.
La norma de la funcion se define utilizando la ecuacion (3.13), de igual forma que se hizo
para los vectores con la ecuacion (3.4):
s
Z b
p
kx(t)k = hx(t), x(t)i =
|x(t)|2 dt
(3.14)
a
Con estas definiciones se puede incluso tomar el concepto de angulo entre vectores (3.6) y
generalizarlo como angulo entre funciones:
cos ((x(t), y(t))) =
hx(t), y(t)i
kx(t)kky(t)k
(3.15)
con lo que se puede afirmar que el angulo entre dos funciones ortogonales es /2.
3.2
3.2.1
Series de Fourier
Series generalizadas de Fourier
(3.16)
Este conjunto puede entonces utilizarse como conjunto generador de un espacio funcional
para toda funcion
n2
X
xm (t) =
ci ui (t)
(3.17)
i=n1
donde ci representa los coeficientes escalares de la combinacion lineal de las funciones generadoras ui (t).
As
umase ahora que se desea aproximar una funcion x(t) para un intervalo [t1 , t2 ] con la
combinacion lineal xm (t) de m = n2 n1 +1 funciones generadoras definidas en ese mismo
125
3 Analisis de Fourier
intervalo. Se desea minimizar la distancia entre x(t) y xm (t), definida a traves de la norma
de la diferencia de las funciones, esto es, se desea minimizar kx(t) xm (t)k (comparar por
ejemplo con la metrica euclidiana en la ecuacion (3.10)). Al cuadrado de esta distancia se le
denomina funcion de error E, que, dada la base funcional U en (3.16), dependera entonces
de los valores de los coeficientes escalares ci . Utilizando las definiciones anteriores se tiene
que
Z t2
2
(3.18)
|x(t) xm (t)|2 dt
E(cn1 , cn1 +1 , . . . , cn2 1 , cn2 ) = kx(t) xm (t)k =
t1
Encapsulando todos coeficientes ci como vector c = [cn1 , cn1 +1 , . . . , cn2 1 , cn2 ]T e insertando
(3.17) en (3.18) se obtiene entonces:
2
Z t2
n2
X
E(c) =
x(t)
c
u
(t)
(3.19)
dt .
i i
t1
i=n1
La minimizacion de E(c) tiene como condicion necesaria (pero no suficiente) que el gradiente
de la funcion de error respecto a los coeficientes sea 0:
T
E(c) E(c)
E(c) E(c)
!
E(c) =
,...,...,
,
,
= [0, 0, . . . , 0]T .
cn1 cn1 +1
cn2 1 cn2
Se debe cumplir entonces que
E(c)
=0
ck
para todo k = n1 , . . . , n2 , lo que implica que
2
Z t2
n2
X
x(t)
c
u
(t)
dt = 0 .
i i
ck t1
i=n
1
Para el caso especial en que las funciones y coeficientes son reales, y considerando que para
valores reales |t|2 /t = 2t se obtiene3
2
!
Z t2
Z t2
n2
n2
X
X
ci ui (t) dt =
2 x(t)
ci ui (t) (uk (t)) dt = 0
(3.20)
x(t)
ck t1
t1
i=n1
i=n1
Z t2
Z t2
n2
X
x(t)uk (t) dt =
ci
ui (t)uk (t) dt
t1
i=n1
t1
Para el caso especial en que ui (t) y uk (t) sean ortogonales se tiene que
Z t2
x(t)uk (t) dt = ck kuk (t)k2
t1
N
otese que para valores complejos de x, esta derivada no existe, pues |x|2 = xx no es una funci
on
analtica (ver problema 3.10)
126
(3.21)
que es un resultado concorde a lo utilizado para vectores (comparar con la ecuacion (3.8)).
Para demostrar que estos valores obtenidos para ck corresponden en efecto a un mnimo
para la funcion de error E, debe demostrarse que la matriz Hessiana de la funcion de error
es definida positiva, es decir, que todos sus valores propios son positivos. Esta matriz esta
dada por:
2E
2E
2E
...
c2
cn1 cn1 +1
cn1 cn2
n1
2E
2E
2E
...
2
cn1 +1
cn1 +1 cn2
H(E(c)) = cn1 +1 cn1
..
..
..
...
.
.
.
2
2
2
E
E
E
...
2
cn2 cn1
cn2 cn1 +1
cn2
Considerando la primera derivada en (3.20) junto con la ortogonalidad de las funciones ui (t)
se puede calcular la segunda derivada:
Z t2
Z t2
n2
X
E(c)
= 2
x(t)uk (t) dt +
2ci
ui (t)uk (t) dt
ck
t1
t
1
i=n1
Z t2
= 2
x(t)uk (t) dt + 2ck kuk (t)k2
t
( 1
0
para j 6= k
2 E(c)
=
cj ck
2kuk (t)k2 para j = k
por lo que la matriz Hessiana se simplifica a una matriz
2kun1 (t)k2
0
0
2kun1 +1 (t)k2
H(E(c)) =
..
..
.
.
0
diagonal
...
...
...
0
0
..
.
. . . 2kun2 (t)k2
donde todos los elementos en la diagonal son positivos. Puesto que los valores propios de
una matriz diagonal coinciden con las entradas en la diagonal de dicha matriz, entonces los
valores propios son todos positivos, la matriz es definida positiva y por lo tanto los valores
encontrados para ck minimizan a la funcion de error E(c).
Una conclusion importante de (3.21) es que si se utiliza una base ortogonal para la aproximacion de una funcion x(t), el valor optimo para el coeficiente ck depende tan solo de la
funcion generadora uk (t) correspondiente al coeficiente a calcular y de la funcion x(t) que
se desea aproximar. Estos coeficientes no dependen ni del n
umero de funciones en la base
funcional, ni de la forma de otras funciones generadoras.
127
3 Analisis de Fourier
El resultado anterior tambien se puede obtener por un metodo ademas valido para funciones
y coeficientes complejos: se procede de la misma forma que para obtener los coeficientes de
la combinacion lineal de vectores ortogonales. A partir de la representacion de la funcion
x(t) xm (t) como serie (ver ecuacion (3.17)), se evalua el producto interno por una funcion
generadora particular uk (t) para obtener
*
+
n2
X
huk (t), x(t)i uk (t),
ci ui (t)
i=n1
=
=
n2
X
i=n1
n2
X
i=n1
ck uk (t)
(3.23)
k=
con las funciones generadoras uk (t) ortogonales y los coeficientes ck calculados con (3.22),
entonces a la expansion en serie se le denomina serie generalizada de Fourier. A (3.22) se le
conoce como ecuacion de analisis y a (3.23) como ecuacion de sntesis.
Se planteara el lector ahora la pregunta, que base funcional puede tomar el papel de la base
canonica ortonormal utilizada en espacios vectoriales euclidianos. En aquel caso, el producto
interno de un vector ui de la base canonica por un vector x = [x1 , x2 , . . . , xn ]T retornaba
exactamente la i-esima componente xi de dicho vector; es decir hui , xi = xi . Por ejemplo,
en un espacio tridimensional, con el vector de la base canonica u1 = [1, 0, 0]T se obtiene la
componente x1 del vector [x1 , x2 , x3 ]T . En el caso de funciones se requiere un nuevo concepto
que permita entonces extraer con el producto interno el valor de una funcion para un valor
particular de su variable independiente. Llamese entonces (t t0 ) a una funcion real que
cumple la propiedad de muestreo:
Z
0
0
x(t ) = h(t t ), x(t)i =
(t t0 )x(t) dt
.
128
lo que indica que el area bajo la curva de la funcion (t) debe ser igual a uno. Para derivar
el papel de la funcion (t) en la base canonica funcional se parte de un impulso rectangular
de area unitaria, como el ilustrado en la figura 3.8.
r(t)
1/
El lector puede demostrar que el conjunto generador dado por las funciones
U = {. . . , r(t + 3 ), r(t + 2 ), r(t + ), r(t), r(t ), r(t 2 ), r(t 3 ), . . .}
es ortogonal, puesto que los desplazamientos ocurren siempre en m
ultiplos del ancho del
impulso (r(t k ) con k Z). La norma de dichos impulsos esta dada por:
sZ
r
1
2
kr(t k )k =
|r(t k )| dt =
ck =
k 2
con t0k k 2 , k + 2 . Observese entonces que el k-esimo termino de la combinacion
lineal esta dado por ck r(t k ), y as, la mejor aproximacion de la funcion x(t) con la base
ortogonal U es:
k=
k=
X
X
xa (t) =
ck r(t k ) =
x(t0k )r(t k )
(3.24)
k=
k=
129
3 Analisis de Fourier
x(t)
=1
= 1/4
-1
-1
0
-1
0
Figura 3.9: Aproximaciones de la funcion x(t) con dos bases ortogonales de funciones rectangulares equiespaciadas.
La figura 3.9 muestra las mejores aproximaciones de una funcion x(t) utilizando dos bases
ortogonales con = 1 y = 1/4, donde mejor significa que la aproximacion y la funcion
tienen la menor distancia posible (es decir, se minimiza kx(t) xa (t)k) para el utilizado.
La figura 3.10 muestra la descomposicion de la funcion en sus componentes ortogonales con
= 1.
k=1
k=2
k=3
k=4
k=5
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
130
construccion cumple con los requisitos establecidos anteriormente para la funcion (t), que
se conoce bajo el nombre de impulso Dirac o delta Dirac:
(
Z
para t = 0
(t) = lim r(t) =
(t) dt = 1
(3.25)
0
0 para t 6= 0
x(t0k )r(t
k ) =
k=
donde, puesto que t0k k 2 , k + 2 , al hacer 0 entonces t0k = k = t0 .
Ejemplo 3.4 Encuentre los terminos de la combinacion lineal que aproxima a la funcion
x(t) = t2 + 2t 1, correspondientes a las funciones de la base canonica (t + 1), (t) y (t 1)
con t IR.
Soluci
on: Con la base de impulsos rectangulares desplazados, el k-esimo termino de la
combinacion lineal esta dado por ck uk (t), con ck = x(k ) y uk (t) = r(t k ). Si 0
se sustituye ck por ct0 = x(t0 ) dt0 y uk (t) por ut0 (t) = (t t0 ). Los terminos x(t0 )(t t0 ) dt0
solicitados son entonces:
x(1)(t + 1) dt0 = 2(t + 1) dt0
x(0)(t) dt0 = (t) dt0
x(1)(t 1) dt0 = 2(t 1) dt0
La figura 3.11 muestra la funcion sobrepuesta con las tres componentes calculadas. Notese
que (t) dt tiene amplitud uno, puesto que proviene de r(t) = / = 1.
x(t)
3
0
-2
-1
-1
-2
3.4
131
3 Analisis de Fourier
Al igual que con vectores (ver ejemplo 3.3), la idea general de las series generalizadas de
Fourier sera representar cualquier funcion x(t) en terminos de funciones ortogonales uk (t),
que no necesariamente corresponden a la base canonica, pero que pueden expresarse en
terminos de ella. Un ejemplo de esto lo constituyen las Series de Fourier, que se presentan
con detalle en la siguiente seccion.
3.2.2
Series de Fourier
(3.26)
kZ
es decir, una funcion periodica con periodo T tambien es periodica con periodo kT .
Las funciones exponenciales complejas
sk (t) = ejk0 t = ej2kf0 t
k = 0, 1, 2, . . .
(3.27)
son funciones periodicas que se dicen estar relacionadas armonicamente por tener todas un
periodo com
un Tp = 1/f0 . El periodo fundamental de la se
nal sk (t) es 1/(kf0 ) = Tp /k, lo que
equivale a una frecuencia kf0 . Puesto que una se
nal periodica con periodo Tp /k es tambien
periodica con periodo k(Tp /k) = Tp con k Z entonces todas las se
nales sk (t) tienen como
periodo com
un Tp . Estas funciones se utilizan frecuentemente como conjunto generador de
espacios funcionales.
Evaluando el producto interno definido en un perodo
Z t0 +Tp
hsi (t), sk (t)i =
si (t)sk (t) dt
t0
t0 +Tp
Z
=
(e
t0
t0 +Tp
Z
=
j0 it j0 kt
)e
t0 +Tp
dt =
ej0 it ej0 kt dt
t0
ej0 (ki)t dt
(3.28)
t0
t0 +Tp
j0 0t
e
t0
t0 +Tp
dt =
t0
1 dt = Tp
(3.29)
132
(3.30)
ck ej0 kt
(3.31)
k=
t0 +Tp
ej0 kt x(t) dt
(3.32)
t0
j kt
Z t0 +Tp
e 0 , x(t)
hsk (t), x(t)i
1
j0 kt
ck =
=
=
e
x(t) dt
ksk (t)k2
kej0 kt k2
Tp t0
Z t0 +Tp
Z t0 +Tp
1
1
j0 kt
j0 kt
=
e
x(t) dt =
e
x(t) dt
Tp t0
Tp t0
Z t0 +Tp
1
j0 kt
=
e
x(t) dt = ck
(3.33)
Tp t0
A esta relacion, que tambien puede escribirse como c k = ck se le conoce como simetra
conjugada o simetra hermtica de los coeficientes de Fourier para funciones reales. Notese
que esto implica que la magnitud de ck y ck son iguales, y que el angulo de ck es igual al
inverso aditivo del angulo de ck (ck = ck ).
133
3 Analisis de Fourier
x(t) =
ck e
j0 kt
k=
1
X
k=1
= c0 +
= c0 +
ck e
X
k=1
ck ej0 kt
k=1
ck ej0 kt
(3.34)
k=1
j0 kt
j0 kt
ck e
+ ck e
2 Re{ck ej0 kt } = c0 +
k=1
= c0 +
+ c0 +
k=
ck ej0 kt + c0 +
j0 kt
k=1
2|ck | cos (0 kt + k )
k=1
= c0 +
ck cos (0 kt + k )
(3.35)
k=1
con ck = 2|ck | que tienen todos valores reales, incluso c0 , puesto que siguiendo s0 (t) =
ej0 0t = 1 entonces
Z t0 +Tp
1
x(t) dt
c0 =
Tp t0
que adquiere siempre un valor real, y equivale al valor medio de la funcion x(t) en un periodo
Tp . A este coeficiente c0 se le denomina en ingeniera la componente CD de la se
nal o funcion
x(t).
Por convencion (3.35) se escribe con frecuencia como
x(t) =
ck cos (0 kt + k )
(3.36)
k=0
j0 kt
ck e
k=1
= c0 +
X
k=1
+ c0 +
ck ej0 kt
k=1
X
k=1
134
= c0 +
k=1
k=1
y considerando (3.33)
x(t) = c0 +
k=1
X
(ck ck ) sen(0 kt)
k=1
k=1
k=1
1
= a0 +
ak cos(0 kt) +
bk sen(0 kt)
2
k=1
k=1
(3.37)
1
(ak jbk ) .
2
El lector puede comprobar que en este caso las funciones seno y coseno tambien representan una base generadora del espacio funcional, puesto que son ortogonales entre s (problema 3.14).
El mismo resultado se puede alcanzar a partir de (3.35) utilizando la identidad trigonometrica
cos( + ) = cos cos sen sen .
Utilizando (3.22) se deriva ademas:
2
hcos 0 kt, x(t)i
=
ak =
2
k cos 0 ktk
Tp
bk =
t0 +Tp
t0
Z t0 +Tp
t0
x(t) cos 0 kt dt
(3.38)
x(t) sen 0 kt dt
(3.39)
lo que justifica la eleccion de a0 = 2c0 para que sea compatible con la expresion mas general
de ak .
Esta u
ltima representacion (3.37) es la mas cercana a la historicamente planteada en 1807 por
el matematico frances Jean Baptiste Joseph Fourier (1768-1830), quien la utilizo para analizar la distribucion de temperatura a traves de un cuerpo. En su epoca el no pudo demostrar
con suficiente precision matematica que tipo de funciones periodicas podran representarse
por estas series, sin embargo tuvo la perspicacia de comprender el potencial de aplicacion de
sostena que cualquier
la representacion de funciones a traves de series trigonometricas. El
funcion periodica podra representarse por una serie de este tipo. Su trabajo se baso en ideas
anteriores sobre vibraciones de una cuerda hechos por L. Euler en 1748 y por D. Bernoulli
en 1753. Este u
ltimo matematico argumentaba que todos los movimientos de una cuerda
eran representables por una combinacion lineal de los modos de oscilacion normales, pero
135
3 Analisis de Fourier
t0 +Tp
t0
|x(t)| dt <
(3.40)
136
1. Si x(t) tiene un n
umero finito de discontinuidades entonces sus coeficientes decrecen a
una tasa 1/k.
2. Si x(t) es continua, pero sus primeras derivadas son discontinuas (la funcion tiene
picos) entonces los coeficientes decrecen a una tasa 1/k 2 .
3. Si x(t) y todas sus derivadas hasta de n-esimo orden son continuas, pero la (n+1)-esima
derivada es discontinua entonces los coeficientes decrecen a una tasa 1/k n+2
Las observaciones anteriores estipulan que mientras mas suave sea una funcion, mas rapido
convergera su serie de Fourier.
x(t)
1/
Tp
t0
t0 +
Tp
Figura 3.12: Se
nal rectangular periodica.
Soluci
on:
Los coeficientes de la serie exponencial compleja
x(t) =
ck ej0 kt
k=
Tp
j0 kt
e
0
1
x(t) dt =
Tp
t0 +
ej0 kt dt
t0
t0 +
dt =
t0
1
1
1
1
t|tt00 + =
[(t0 + ) t0 ] =
=
Tp
Tp
Tp
Tp
137
3 Analisis de Fourier
y para k 6= 0
t +
1 ej0 kt 0
ck =
Tp j0 k t0
=
=
ck =
1 j0 kt0 ej0 k 1
1 ej0 k(t0 + ) ej0 kt0
= e
Tp
j0 k
Tp
j0 k
k
0 k
0
j 2
ej 2
2 j0 kt0 j 0 k e
2
e
e
Tp
2j0 k
k
k
j 02
j 02
e
e
2 j0 k(t0 + 2 )
1 sen 02k j0 k(t0 + 2 )
e
=
e
0 k
Tp
2j 0 k
Tp
2
1
0 k
sa
ej0 k(t0 + 2 )
Tp
2
1
0 k
|ck | =
sa
Tp
2
(
0 k t0 + 2
si sa (0 k /2) 0
ck =
0 k t0 + 2
si sa (0 k /2) < 0
Tal y como se establecio anteriormente, por existir discontinuidades en la funcion a aproximar, los coeficientes decrecen a una tasa 1/k al ser el seno una funcion acotada y estar
dividida por un termino m
ultiplo de k.
Notese que si t0 se elige como /2 entonces los coeficientes ck son reales. Estos pueden
graficarse en un eje de frecuencias para varios valores de Tp y , tal y como lo muestra la
figura 3.13. Los coeficientes ck se han espaciado de tal modo que el eje horizontal tiene las
mismas unidades de frecuencia, es decir, la distancia entre ci y ci+1 es proporcional a 1/Tp .
Notese que mientras mas baja la frecuencia, mayor es Tp y la distancia entre los coeficientes
ck (que se denominaran aqu lneas espectrales) disminuye. Por otro lado, si aumenta,
entonces la funcion envolvente sa(0 k /2) se comprime. De la ecuacion para ck se observa
incluso que si tiende a Tp , entonces 0 k /2 tiende a k, y puesto que sa(k) es cero para
todo k 6= 0, entonces ck = 0 para k 6= 0. El u
nico coeficiente diferente de cero es en este
caso entonces c0 . Esto tiene sentido puesto que si Tp entonces x(t) sera una funcion
constante, y su u
nica componente espectral se encuentra en la frecuencia cero.
Para la representacion como serie infinita de funciones cosenoidales desfasadas (3.36)
x(t) =
ck cos(0 kt + k )
k=0
se obtiene de lo anterior
c0 = c0 =
1
Tp
2
ck = 2|ck | =
Tp
sa 0 k ,
2
k>0
138
f (t)
Tp
Tp
k
-15
-10
-5
(a)
10
15
(b)
ck
ck
k
-15
-10
-5
10
15
(c)
-5
10
15
20
25
30
(d)
k = ck =
(
0 k t0 + 2
0 k t0 +
si sa (0 k /2) 0
si sa (0 k /2) < 0
X
X
1
ak cos 0 kt +
bk sen 0 kt
x(t) = a0 +
2
k=1
k=1
los coeficientes ak y bk se pueden obtener directamente con (3.38) y (3.39) o utilizando los
139
3 Analisis de Fourier
f (t)
ck cos(0 kt + k )
1
0.5
0
-1
-0.5
0.5
-0.5
0
-1
-0.75
-0.5
-0.25
0.25
0.5
0.75
-1
(a)
(b)
resultados anteriores
a0 = 2c0 =
2
Tp
2
0 k
ak = 2|ck | cos k =
sa
cos 0 k t0 +
Tp
2
2
0 k
2
sa
sen 0 k t0 +
bk = 2|ck | sen k =
Tp
2
2
.
Notese que si se elige t0 = /2 entonces todos los terminos bk desaparecen.
3.5
-Tp
T
- 2p
Tp
2
Tp
2
3Tp
4
Tp
3Tp
2
Figura 3.15: Se
nal senoidal rectificada de media onda con angulo de disparo .
Soluci
on: Una se
nal sinusoidal rectificada de media onda es cero excepto en el intervalo
que va desde Tp /2 hasta Tp /2, tiempo en el que la se
nal es senoidal. De este modo, los
140
1
ck =
Tp
Tp
Asumiendo que k 6= 1:
j0 t(k1)
Tp
1
e
ej0 t(k+1) 2
=
j2Tp j0 (k 1) j0 (k + 1) Tp
2
ejk
ejk
=
[cos()
+
jk
sen()]
[cos() + jk sen()]
2(k 2 1)
2(k 2 1)
1
(1)k+1 ejk {cos() + jk sen()}
=
2
2(k 1)
La parte imaginaria de los coeficientes esta determinada por la parte imaginaria del producto:
ejk {cos() + jk sen()}
cuyo signo depende directamente del signo de k, lo que confirma el hecho de que ck = c k
para la funcion real x(t). Ademas, puesto que las se
nales seno y coseno son acotadas, se
deriva que los coeficientes de la funcion senoidal rectificada convergen a cero con una tasa
de 1/k si es diferente de cero, puesto que en este caso la se
nal tiene discontinuidades, y a
2
una tasa 1/k si es igual a cero, cuando la se
nal es continua.
No se han calculado a
un los casos k = 1. Para k = 1 se tiene
1
c1 =
j2Tp
Tp
2
Tp
2
1 ej20 t dt
Tp
1
ej20 t 2
=
t
j2Tp
j20 Tp
2
141
3 Analisis de Fourier
1
Tp
1
Tp ej2
=
+
j2Tp 2
j20
2
j20
1
j0 Tp + j0 Tp ej2
=
j2Tp
j0 2
1
(1 ej2 ) + j2( )
=
8
1
= [(1 cos(2)) + j(2 2 + sen(2))]
8
Puesto que debe cumplirse para el caso k = 1 que c1 = c 1 entonces:
c1 =
1
[(1 cos(2)) j(2 2 + sen(2))]
8
|ck |
0.4
0.2
/2
4
La figura 3.16 muestra la magnitud de los coeficientes (espectro de tension) para diferentes
valores del angulo de disparo. Se nota que si = , entonces todos los coeficientes se
hacen cero. Ademas se aprecia que el mayor valor CD se alcanza para = 0 y decae
monotonicamente hasta cero, tal y como se puede esperar. Para = 0 se observa ademas
que los coeficientes impares a partir de k = 3 desaparecen.
3.6
3.2.3
Un operador es un concepto matematico que transforma una funcion en otra. Puede interpretarse como una relacion entre puntos de un espacio funcional, es decir, una relacion que
asigna a una funcion, otra funcion4 . Ejemplos de operadores son el operador de derivacion
R
En realidad el termino operador tiene en matematica muchas otras acepciones, refiriendose a una funci
on,
a un mapeo entre puntos de espacios lineales, o a un mapeo entre funciones, como el aqu utilizado.
142
para el caso generalizado. Para el caso particular de series de Fourier se cumple uk (t) = sk (t),
donde sk (t) corresponde a las funciones exponenciales armonicamente relacionadas definidas
en (3.27).
Linealidad
Sean dos funciones x1 (t) y x2 (t) y dos valores escalares 1 y 2 . Un operador O {} se
denomina operador lineal si cumple con la propiedad
O {1 x1 (t) + 2 x2 (t)} = 1 O {x1 (t)} + 2 O {x2 (t)}
El lector puede verificar que los operadores de derivacion e integracion son lineales. Considerese ahora que x1 (t) y x2 (t) tienen desarrollos en series generalizadas de Fourier con
coeficientes c1 (k) y c2 (k) respectivamente. Analizando el calculo de los coeficientes para el
desarrollo generalizado de Fourier de la combinacion lineal de estas funciones, y recordando
la propiedad de sesquilinealidad del producto interno se obtiene
huk (t), x(t)i
kuk (t)k2
huk (t), 1 x1 (t) + 2 x2 (t)i
=
kuk (t)k2
huk (t), 1 x1 (t)i huk (t), 2 x2 (t)i
=
+
kuk (t)k2
kuk (t)k2
huk (t), x1 (t)i
huk (t), x2 (t)i
+ 2
= 1
2
kuk (t)k
kuk (t)k2
= 1 c1 (k) + 2 c2 (k)
= 1 SFG {x1 (t)} + 2 SFG {x2 (t)}
Con lo que se demuestra que toda serie generalizada de Fourier puede considerarse como
un operador lineal, o en otras palabras, los coeficientes de la serie generalizada de Fourier
para una combinacion ponderada lineal 1 x1 (t)+2 x2 (t) son iguales a la misma ponderacion
lineal de los coeficientes de cada funcion x1 (t) y x2 (t) por separado.
Para el caso particular de las series de Fourier se puede corroborar la linealidad directamente.
Utilizando el operador SF {} asociado a la serie de Fourier se tiene:
1
c(k) = SF {1 x1 (t) + 2 x2 (t)} =
Tp
1
=
Tp
t0 +Tp
t0
t0 +Tp
j0 kt
t0
1
= 1
Tp
t0 +Tp
j0 kt
e
t0
1
1 x1 (t) dt +
Tp
t0 +Tp
t0
1
x1 (t) dt + 2
Tp
ej0 kt 2 x2 (t) dt
t0 +Tp
t0
ej0 kt x2 (t) dt
143
3 Analisis de Fourier
Se deja como ejercicio para el lector (ver problema 3.17) demostrar que los coeficientes de
la serie trigonometrica de Fourier (3.37) son tambien resultado del mapeo de un operador
lineal.
Ejemplo 3.7 Encuentre los coeficientes de la serie de Fourier para la funcion indicada en
la figura 3.17 utilizando la propiedad de linealidad y los resultados del ejemplo 3.5.
x(t)
2/
1/
Tp
Tp
2
3Tp
4
Tp
Soluci
on: Hay varias maneras de generar la funcion indicada en la figura 3.17 como combinacion lineal de funciones rectangulares. Aqu se mostrara solo un ejemplo.
Si x1 (t) es igual a la funcion rectangular con = Tp /2 y t0 = 0 entonces su desarrollo es:
x1 (t) =
c1k ej0 kt
k=
c1k
1
1
0 k
k j k
j0 k(t0 + 2 )
=
sa
e
sa
e 2
=
Tp
2
Tp
2
j Tp k si k es impar
=
si k es cero
Tp
X
k=
c2k
1
=
sa
Tp
c2k ej0 kt
0 k
2
e
j0 k(t0 + 2 )
1
=
sa
Tp
k
4
ej
5k
4
144
Simetras
Una funcion x(t) se denomina simetrica o par si para todo t se cumple x(t) = x(t), y es
llamada asimetrica o impar si x(t) = x(t). En esta seccion se estudian las caractersticas
de los coeficientes de las series de Fourier para estos dos casos particulares.
Si en la ecuacion para el calculo de los componentes (3.32) se elige t0 = Tp /2 entonces se
obtiene
1
ck =
Tp
1
=
Tp
1
=
Tp
=
1
Tp
Tp
2
ej0 kt x(t) dt
T
2p
(Z
ej0 kt x(t) dt +
T
2p
(Z
Z
Tp
2
)
ej0 kt x(t) dt
Tp
2
ej0 kt x(t) dt +
Tp
2
)
ej0 kt x(t) dt
Tp
2
ej0 kt x(t) + ej0 kt x(t) dt
(3.41)
1
ck =
Tp
Tp
2
x(t)
0
2
=
Tp
2 j0 kt
e
+ ej0 kt dt
2
Tp
2
x(t) cos 0 kt dt
que son coeficientes de valor real. Puesto que el coseno es una funcion par, entonces se
observa que ck = ck . Esto quiere decir, que si se interpretan estos coeficientes como una
funcion de variable entera c(k) = c(k), entonces estos conforman a su vez una funcion par
(ver ejemplo 3.5)
Para el caso de simetra impar se tiene a partir de (3.41):
1
ck =
Tp
2j
=
Tp
Tp
2
x(t)
0
Z
0
2j
ej0 kt + ej0 kt dt
2j
Tp
2
x(t) sen 0 kt dt
que son coeficientes con solo componente imaginaria, y puesto que el seno es una funcion
impar entonces ck = ck . Para el caso en que x(t) sea real, ambos resultados para las
simetras par e impar concuerdan con la relacion encontrada anteriormente ck = c k .
Puesto que toda funcion x(t) puede descomponerse en una componente par xe (t) y otra
145
3 Analisis de Fourier
(3.42)
(3.43)
(3.44)
Ejemplo 3.8 Encuentre los coeficientes de la serie de Fourier para la funcion periodica
representada en la figura 3.18.
x(t)
1/
Tp
1/
Tp
2
Tp
Soluci
on: La figura 3.18 muestra una funcion rectangular impar. Esta funcion se diferencia
de las utilizadas en ejemplos anteriores u
nicamente en nivel CD (el valor promedio) que en
este caso es cero, y por tanto el coeficiente c0 es cero. Observando que la amplitud de la
se
nal es dos veces la utilizada en el ejemplo 3.5 se tiene entonces que
146
x(t) =
ck ej0 kt
k=
2
2
0 k
k j k
j0 k(t0 + 2 )
=
ck =
sa
e
sa
e 2
Tp
2
Tp
2
(
j Tp4k si k es impar
=
0
si k es par, incluyendo al cero
k 6= 0
Desplazamiento en el tiempo
Si una se
nal periodica se desplaza en el tiempo, su periodo Tp no es alterado. Si los coeficientes ck del desarrollo en series de Fourier de la funcion x(t) se calculan con (3.32), entonces,
para x(t ) y haciendo la sustitucion de variable u = t
Z t0 +Tp
1
0
ck =
ej0 kt x(t ) dt
Tp t0
Z t0 +Tp
1
ej0 k(u+ ) x(u) du
=
Tp t0
Z t00 +Tp
1
=
ej0 ku ej0 k x(u) du
Tp t00
Z t00 +Tp
j0 k 1
=e
ej0 ku x(u) du
Tp t00
= ej0 k ck
Notese que el termino que aparece debido al desplazamiento temporal solo produce un cambio
de fase, mas no de magnitud a los coeficientes.
En ejemplos anteriores con la se
nal rectangular se obtuvo que si esta es real y par, entonces los
valores de ck son completamente reales. Cuando la se
nal se desfaso medio periodo se introdujo
jk/2
un cambio de fase de la forma e
, tal y como lo predice la propiedad de desplazamiento.
Inversi
on en el tiempo
Si x(t) tiene como expansion en serie de Fourier
x(t) =
X
k=
ck ej0 kt
147
3 Analisis de Fourier
j0 kt
ck e
k=
ck0 e
j0 k0 t
ck0 ej0 k t
0
k0 =
k0 =
Escalamiento en el tiempo
La dilatacion o contraccion del eje temporal t (con inversion o sin ella) se plantea en terminos
de un escalamiento temporal, es decir, multiplicando la variable t por una constante .
Cuando esto ocurre, el periodo de la nueva se
nal x(t) es modificado por la misma constante
:
X
X
j0 k(t)
x(t) =
ck e
=
ck ej(0 )kt
k=
k=
XX
i
(ai bj )
(3.45)
Utilizando esto, pueden encontrarse los coeficientes del producto de dos funciones periodicas
x1 (t) y x2 (t), ambas con el mismo periodo Tp , y con coeficientes c1k y c2l para sus respectivos
desarrollos en series de Fourier:
!
!
X
X
x(t) = x1 (t)x2 (t) =
c1k ej0 kt
c2l ej0 lt
k=
X
X
k= l=
l=
148
X
X
0
x(t) = x1 (t)x2 (t) =
c1k c2(l0 k) ej0 l t
l0 =
A la suma
cl 0 =
k=
{z
cl 0
c1k c2(l0 k)
k=
Es decir, la funcion definida como convolucion periodica de x1 (t) y x2 (t), expresada como
Z t0 +Tp
1
x(t) =
x1 ( )x2 (t ) d
Tp t0
tiene como coeficientes de Fourier el producto de los coeficientes del desarrollo de las funciones x1 (t) y x2 (t), es decir, ck = c1k c2k .
149
3 Analisis de Fourier
Conjugaci
on y simetra conjugada
Si x(t) es una funcion compleja, interesa observar como se comportan los coeficientes de
x (t), en comparacion a los ck correspondientes a x(t). Aplicando la conjugacion compleja
a ambos lados de la representacion de funcion como serie se obtiene
!
X
(x(t)) =
ck ej0 kt
x (t) =
k=
c k ej0 kt =
k=
c k ej0 kt =
k=
c k ej0 kt
k=
es decir, x (t) tiene como coeficientes c k . Esto confirma el resultado anterior (3.33) obtenido para funciones reales, pues en dicho caso x(t) = x (t) y por lo tanto ck = c k , lo que
representa simetra hermtica con respecto al ndice k.
Derivaci
on e Integraci
on
Considerando la funcion x(t) y su desarrollo en serie de Fourier se puede observar el efecto
de aplicar el operador de derivacion de la siguiente manera:
!
X
d
d
j0 kt
x(t) =
ck e
dt
dt k=
=
=
ck
k=
d j0 kt
e
dt
k=
En otras palabras, la derivacion de una funcion equivale a multiplicar cada uno de sus
coeficientes ck por j0 k.
La integracion es posible si y solo si el coeficiente c0 = 0, puesto que de otra forma la integral
crecera indefinidamente y dejara de ser periodica, condicion que es necesaria para el calculo
de la serie de Fourier. Por otro lado, el valor de la integral depende del punto inicial de
integracion:
!
Z t
Z t X
x( ) d =
ck ej0 k d
t0
t0
X
k=
k=
ck
t0
ej0 k d
t
ej0 k
=
ck
j0 k =t0
k=
j0 kt
X
e
ej0 kt0
=
ck
j0 k
k=
150
X
ck j0 kt0
ck j0 kt
e
e
=
j0 k
j0 k
k=
k=
El segundo termino del lado derecho no depende de la variable t, y por lo tanto corresponde
a una constante determinada por el instante t0 en el que inicia la integracion. Por convencion
se toma esta constante como cero cuando t0 se hace tender a . De esta forma, la integral
de la funcion x(t) tiene como coeficientes ck /(j0 k).
Como conclusion debe anotarse que los coeficientes de la derivada de x(t), al estar multiplicados por j0 k decrecen mas despacio que los coeficientes originales de x(t) y por tanto la
serie converge mas lentamente que la serie de x(t). Por el contrario, al estar divididos los
coeficientes de la integral de x(t) por j0 k entonces esta serie converge mas rapido que la de
x(t).
La relaci
on de Parseval
Una resistencia electrica puede utilizarse para modelar cualquier sistema que consuma potencia real, como un motor, o elementos que convierten cualquier forma de energa en calor.
Puesto que en un modelo electrico la potencia instantanea disipada por la resistencia se puede
plantear en terminos de la corriente i(t) o de la tension electrica v(t) como P (t) = Ri2 (t)
o P (t) = v 2 (t)/R, entonces a las funciones de la forma |x(t)|2 se les asocia usualmente el
Rt
concepto de potencia instantanea, y a su integral t0 |x( )|2 d el concepto de energa. Esto
es valido si se asume que x(t) es la tension o corriente electrica que cae sobre, o circula por
una resistencia R de 1 . En principio, el valor de la resistencia no altera la forma de la
funcion de potencia o de energa, sino que solo produce un escalamiento en amplitud.
Interesa ahora revisar como se relaciona la potencia promedio de una se
nal periodica en
uno de sus periodos con respecto a los coeficientes de su desarrollo en serie de Fourier. La
potencia promedio estara dada por
Z t0 +Tp
1
Pf =
|x(t)|2 dt
Tp t0
y puesto que |x(t)|2 = x(t)x (t) se cumple
1
Pf =
Tp
1
=
Tp
=
=
t0 +Tp
x(t)x (t) dt
t0
t0 +Tp
x(t)
t0
X
k=
X
k=
1
Tp
c k ck =
!
c k ej0 kt
k=
t0 +Tp
j0 kt
x(t)e
t0
X
k=
|ck |2
dt
dt
151
3 Analisis de Fourier
A esta relacion
1
Pf =
Tp
t0 +Tp
t0
|x(t)|2 dt =
|ck |2
(3.46)
k=
x(t) =
X
k=
ck e
j0 kt
cl ej
0
lt
n
l=
La segunda representacion utiliza una base para el espacio funcional que tiene n veces mas
componentes que la primera representacion (la distancia entre dos componentes armonicas
es ahora 0 /n en vez de 0 ). El conjunto generador ej0 kt engendrara entonces un subespacio
0
funcional del espacio producido por ej n lt . Debido a que la primera representacion converge
0
a x(t), entonces todas las componentes nuevas en la base ej n lt no son necesarias y los cl
correspondientes deben ser cero. Se debe cumplir entonces que cl/n = ck , o de otra forma,
solo los cl con l = nk pueden ser diferentes de cero (e iguales a ck ), mientras que cl = 0 para
l 6= nk.
La tabla 3.3 resume las propiedades de la serie de Fourier anteriormente tratadas.
Ejemplo 3.9 Con los coeficientes obtenidos para la funcion rectificada de media onda,
encuentre los coeficientes de la funcion mostrada en la figura 3.19.
Soluci
on: Sea x(t) la funcion rectificada de media onda. La funcion xc (t) en cuestion se
puede expresar como:
Tp
xc (t) = x(t) x t
2
Por las propiedades de linealidad y de desplazamiento en el tiempo, los coeficientes c0k de la
152
Se
nal en el tiempo
Coeficientes
Linealidad
x(t)
x1 (t)
x2 (t)
1 x1 (t) + 2 x2 (t)
Simetra par
x(t) = x(t)
Simetra impar
x(t) = x(t)
Funcion real
Desplazamiento temporal
Conjugacion
Inversion en el tiempo
Escalamiento en el tiempo
x(t) IR
x(t )
x (t)
x(t)
x(t), > 0
Z
ck
c1k
c2k
1 c1k + 2 c2k
Z Tp
2
2
ck =
x(t) cos(0 kt) dt
Tp 0
ck IR
Z Tp
2
2j
x(t) sen(0 kt) dt
ck =
Tp 0
ck jIR
ck = c k
ej0 k ck
c k
ck
ck
Convolucion periodica
Tp
Multiplicacion
x1 ( )x2 (t ) d
x1 (t)x2 (t)
Tp c1k c2k
c1l c2kl
l=
Diferenciacion
Integracion
Relacion de Parseval
dx(t)
jk0 ck
dt
Z t
ck
x(t) dt, c0 = 0
jk0
Z t0 +Tp
X
1
|x(t)|2 dt =
|ck |2
Tp t0
k=
3.9
153
3 Analisis de Fourier
xc (t)
-Tp -
3Tp
4
Tp
2
Tp
4
Tp
2
Tp
2
3Tp
4
Tp
5Tp
4
3Tp
2
3.3
Transformada de Fourier
3.3.1
T1
T1
x
(t)
2Tp
Tp
Tp
2Tp
154
La figura 3.20 muestra una funcion x(t) aperiodica finita, y su extension periodica x(t) de
periodo Tp . Esta segunda funcion puede representarse a traves de un desarrollo de Fourier:
x(t) =
ck ej0 kt
(3.47)
k=
donde 0 es la frecuencia angular fundamental que esta relacionada con el periodo fundamental por 0 = 2/Tp . El coeficiente ck (k-esimo componente espectral) esta asociado
con la frecuencia k0 , lo que implica que dos componentes espectrales consecutivas estan
separadas por una frecuencia = 0 = 2/Tp , que se reduce conforme aumenta el periodo
Tp . Estos coeficientes se calculan como
1
ck =
Tp
Tp
2
T
2p
x(t)ej0 kt dt
h
i
donde, puesto que dentro del intervalo de integracion T2p , T2p se cumple x(t) = x(t), y
ademas para todo |t| >
Tp
2
x(t) = 0, entonces
1
ck =
Tp
Tp
2
T
2p
x(t)e
j0 kt
1
dt =
Tp
x(t)ej0 kt dt
Si ahora se define X(j) como la funcion envolvente de los coeficientes Tp ck , que se expresa
por
Z
X(j) =
x(t)ejt dt
(3.48)
entonces los puntos ck pueden verse como muestras cada k0 de dicha funcion:
ck =
1
X(jk0 )
Tp
(3.49)
155
3 Analisis de Fourier
frecuencia. La relacion (3.49) indica entonces que si la funcion no periodica x(t) es finita y se
utiliza para construir una se
nal periodica x(t) de periodo Tp , donde no hay traslapes, entonces
los coeficientes de la serie de Fourier para x(t) son proporcionales a muestras tomadas de la
transformada de Fourier F {x(t)} a las frecuencias k0 .
Si se introduce (3.49) en (3.47) se obtiene a su vez
X
X
0
1
jk0 t
x(t) =
X(jk0 )e
=
X(jk0 )ejk0 t
T
2
p
k=
k=
1 X
1 X
jk0 t
=
X(jk0 )e
0 =
X(jk)ejkt
2 k=
2 k=
3.3.2
156
Las condiciones de convergencia para que x(t) = x(t) (excepto en los puntos de discontinuidad, donde x(t) = (x(t+ ) + x(t ))/2) se denominan tambien en este caso condiciones de
Dirichlet y establecen que
1. x(t) debe ser absolutamente integrable
Z
|x(t)| dt <
3.3.3
En esta seccion se evaluaran algunos casos especiales de transformadas de Fourier ampliamente utilizados en ingeniera.
Impulso rectangular
La figura 3.21 muestra un impulso rectangular r(t) de ancho y amplitud 1/ . Su longitud
finita hace que sea absolutamente integrable, y de hecho
Z t0 +
Z
1
|r(t)| dt =
dt = 1
(3.51)
t0
t0
t0 +
t0 +
t0
1
dt = 1
(3.52)
157
3 Analisis de Fourier
y para j 6= 0
r(t)e
R(j) =
jt0
jt
e
j /2
2 e
j 2
ejt0 j
e
1
j
t0
sen( /2)
ej /2 ej /2 = ej(t0 + 2 )
/2
1
dt =
t0 +
ejt dt =
(3.53)
si sa( /2) 0
si sa( /2) < 0
que demuestra que la magnitud espectral depende solo del ancho del pulso , mientras
que la posicion del pulso t0 afecta la pendiente de la fase lineal. La figura 3.22 representa
las dos componentes del espectro de r(t). Junto a la magnitud se ha graficado ademas
2/(|| ) |R(j)|.
|R(j)|
1
0
-4
-3
-2
-1
R(j)
0
-4
-3
-2
-1
-1
-2
-3
Figura 3.22: Magnitud y fase del espectro en frecuencia de un impulso rectangular de ancho y
amplitud 1/ .
158
cumplir:
1
x(t) =
2
sa
ejt d
2
y con = 2 entonces
sa
2
sa() d =
que tambien puede obtenerse por otros medios de integracion. Puesto que la funcion sa()
es una funcion par, se cumple ademas
Z
sa() d =
(3.54)
2
0
En el apendice B se demuestra esta integral por metodos de integracion compleja.
Impulso unitario
El impulso unitario o impulso Dirac, denotado con (t) es una funcion que es cero para todo
punto t 6= 0 e infinito para t = 0, pero que tiene un area igual a uno (recordar pagina 130),
esto es
(
Z
si t = 0
( ) d = 1
(t) =
;
0
si t 6= 0
Si se multiplica el impulso por una funcion cualquiera x(t), se cumple x(t)(t) = x(0)(t),
por lo que
Z
x( )( ) d =
( ) d =
x(0)( ) d = x(0)
(
0
x(0)
si t < 0
si t 0
que es conocida como la propiedad de muestreo del impulso unitario. Se cumple ademas
Z
x( )( t0 ) d = x(t0 )
lo que indica que un impulso unitario contiene todas las componentes espectrales posibles.
159
3 Analisis de Fourier
Escal
on unitario (primer intento)
El escalon unitario, denotado usualmente como u(t), y llamado tambien funcion de Heaviside
es una funcion igual a cero para todo t < 0 y uno para todo t 0, que se expresa como
(
Z t
0 si t < 0
( ) d =
u(t) =
1 si t 0
jt
j
e
1
=e
=
+
j 0
j
j
que no puede calcularse puesto que ej no converge. Notese que en principio este escalon
unitario no satisface la condicion de Dirichlet de integracion absoluta. En las siguientes
secciones se utilizaran otros mecanismos para obtener la transformada de Fourier de esta
funcion.
Funci
on exponencial
Una funcion frecuentemente encontrada en sistemas electronicos es
x(t) = eat u(t)
(3.55)
donde u(t) es el escalon unitario indicado anteriormente, y a es una constante compleja con
Re(a) > 0. La figura 3.23 representa un caso particular, donde se interpreta al n
umero
at
complejo e u(t) como fasor que vara en el tiempo, de modo que se pueden apreciar las
componentes reales e imaginarias, as como la magnitud y fase del valor complejo de x(t) en
funcion del tiempo. Observese que si aRe y aIm son las componentes real e imaginaria de a
respectivamente, entonces la funcion se puede reescribir como
x(t) = e(aRe +jaIm )t = eaRe t ejaIm t
donde el termino eaRe t representa la magnitud del valor complejo y ejaIm t aporta la fase.
Aplicando la identidad de Euler se obtiene ademas Re{x(t)} = eaRe t cos(aIm t) y Im{x(t)} =
eaRe t sen(aIm t).
La transformada de Fourier de esta funcion x(t) es
Z
Z
at
jt
X(j) =
e u(t)e
dt =
e(a+j)t dt
0
(a+j)t
e
1
=
=
(a + j) 0
a + j
160
1/a
-5
-4
-3
-2
-1
a 2
F (j)
0
-5
-4
-3
-2
-1
4
2
Notese que si en (3.55) se elige a real, y se hace tender a 0, entonces x(t) u(t) y
X(j) = 1/(j), que podra erroneamente interpretarse como la transformada del escalon
161
3 Analisis de Fourier
1
d = lim lim+
R r0
j
Z
1
d +
j
Z
r
1
1
d
j
2
d
=0
R r0
j j
2
r
Para t 6= 0
Z
1
1 jt
x(t) =
e d
2 j
Z 0
Z
1 jt
1 jt
1
1
e d +
e d
=
2 j
2 0 j
y haciendo un cambio de variable en la primera integral
Z
Z
1
1 jt
1
1 jt
=
e
d +
e d
2 0 j
2 0 j
Z
Z
1
ejt ejt
1
=
2t
d =
2t sa(t) d
2 0
2jt
2 0
y con = t entonces d = td y
Z
1 t
x(t) =
sa() d
0
Si t > 0 entonces el lmite superior de la integracion es + y la ecuacion anterior equivale,
utilizando (3.54), a
Z
1
1
1
x(t) =
sa()d =
=
0
2
2
Si t < 0 entonces el lmite superior de la integracion es y la ecuacion anterior equivale,
utilizando (3.54), haciendo un cambio de variable y utilizando la simetra par de la
funcion sa
Z
Z
1
1
1
1
sa()d =
sa()d =
=
x(t) =
0
0
2
2
Resumiendo,
F
1
j
1
1
= u(t) = sgn(t) = 0
2
2
1
2
para t > 0
para t = 0
(3.56)
para t < 0
162
2ck ( k0 )
(3.57)
k=
entonces
1
x(t) =
2
X
k=
!
jt
2ck ( k0 ) e
d =
ck ejk0 t
k=
que es el desarrollo en serie de Fourier para x(t). Esta debe ser entonces periodica con
periodo 2/0 . En otras palabras, la transformada de Fourier de una funcion periodica
tendra impulsos separados por la frecuencia 0 , cuya area es escalada por el factor 2ck ,
donde ck son los coeficientes correspondientes en su serie de Fourier.
Ejemplo 3.10 Calcule la transformada de Fourier de las funciones x(t) = sen(0 t) y
x(t) = cos(0 t).
163
3 Analisis de Fourier
Soluci
on: El desarrollo en serie de Fourier de x(t) = sen(0 t) tiene como coeficientes
0
ck =
para k Z \ {1, 1}
1
2j
= j 12
1 = j 1
2j
2
para k = 1
para k = 1
ck =
(
0
para k Z \ {1, 1}
1
2
para k = 1
Impulso gaussiano
Para mostrar el llamado principio de incertidumbre entre los dominios del tiempo y la frecuencia, se utilizara como caso especial la funcion de distribucion normal, o impulso gaussiano
definida como
1 t 2
1
g(t) = e 2 ( )
2
que es una funcion par de area igual a uno, centrada en cero, cuya extension depende de la
varianza 2 . La figura 3.25 presenta tres casos donde se nota que a mayor varianza, mas
extensa se torna la funcion a pesar de que su area se mantiene constante en la unidad.
Para encontrar la transformada de Fourier se puede proseguir de dos maneras: utilizando
las propiedades de integracion compleja del captulo anterior, o utilizando propiedades de la
transformada de Fourier que se especificaran en la siguiente seccion.
Para iniciar la demostracion se utiliza la definicion
Z
G(j) = F {g(t)} =
g(t)ejt dt
Z
1 t 2
1
e 2 ( ) ejt dt
2
Z
1 t 2
1
=
e 2 ( ) jt dt
2
164
2
t/
0
-5
-4
-3
-2
-1
Z
i
h
2
1
12 ( t ) +2jt+(j)2 (j)2
dt
e
2
Z
h
i
2
1
12 ( t ) +2jt+(j)2 1 (j)2
e2
e
dt
2
Z
2
1 t
1
12 ()2
e
e 2 ( +j) dt
2
Z 1 t+j2 2
1
1
2
e 2 ()
dt
e 2
2
Sustituyendo = t + j 2 y dt = d se obtiene
1
1
2
= e 2 ()
2
+j 2
1 2
e 2 2 d
+j 2
que puede interpretarse como una integral en el plano complejo en una trayectoria horizontal
desde hasta a una distancia 2 del eje real. Completando un contorno cerrado como
lo muestra la figura 3.26 se tiene, puesto que el integrando es analtico, que en ese contorno
cerrado la integral es cero, y por lo tanto
Z
R+j 2
12
2
2
Z
d =
R+j 2
21
2
2
R+j 2
R
21
e
R
2
2
Z
d
Z
12
12
e
R+j 2
2
2
2
2
R+j 2
1 2
e 2 2 d
d
R
R+j 2
1 2
e 2 2 d
d
R
165
3 Analisis de Fourier
Im{t}
j 2
Re{t}
R+j 2
lim
21
2
2
d =
R+j 2
1 2
e 2 2 d = 2
1 2
1
1
2
e 2 2 d = e 2 () 2
2
+j 2
+j 2
= e 2 ()
1
En otras palabras, la transformada de Fourier de g(t) tiene tambien la forma de una distribucion normal, pero sin normalizar y con una nueva varianza 1/ 2 , donde es este u
ltimo
detalle es de gran importancia para el analisis en el dominio de la frecuencia: mientras menor
sea la varianza en el dominio del tiempo, es decir, mientras mas concentrada se encuentre la
se
nal en un peque
no intervalo de tiempo, mayor sera el intervalo de frecuencias correspondientes en el dominio de la frecuencia, y mientras mas concentradas esten las componentes
de frecuencia, mas dispersa es la se
nal correspondiente en el tiempo. Este llamado principio
de incertidumbre establece que a un evento localizado puntualmente en el dominio de la
frecuencia no se le puede asignar con precision el punto en que el evento ocurre, y un evento
caracterstico que ocurre en un instante preciso de tiempo (por ejemplo, una discontinuidad)
tendra una representacion frecuencial distribuida en todo el espectro. Este principio corresponde a la transformada de Fourier en s y no solo al caso particular de las distribuciones
normales, tal y como se observara con la propiedad de escalado.
La tabla 3.2 resume los ejemplos anteriores y algunas otras transformadas frecuentes.
3.3.4
La relacion estrecha entre las series de Fourier y la transformada de Fourier hace que ambos
operadores compartan la mayor parte de sus propiedades.
166
Impulso unitario
Se
nal en el tiempo
Z
1
X(j)ejt d
x(t) =
2
(t)
Escalon unitario
u(t)
Impulso rectangular
1
[u(t
Exponencial
Transformacion
t0 ) u(t t0 )]
Exponencial compleja
Constante
ej0 t
c
Funcion periodica
ck ejk0 t
Transformada
Z
x(t)ejt dt
X(j) =
1
1
+ ()
j
X
2ck ( k0 )
k=
k=
Seno
1 t 2
1
e 2 ( )
2
sen(0 t)
Coseno
cos(0 t)
e 2 ()
[( 0 ) ( + 0 )]
j
[( 0 ) + ( + 0 )]
Impulso gaussiano
Linealidad
Sean dos funciones x1 (t) y x2 (t), sus respectivas transformadas de Fourier x1 (j) y x2 (j),
y dos valores escalares 1 y 2 . La linealidad de la transformada de Fourier especifica que
F {1 x1 (t) + 2 x2 (t)} = 1 F {x1 (t)} + 2 F {x2 (t)} = 1 X1 (j) + 2 X2 (j)
lo que puede demostrarse utilizando la ecuacion (3.48) y la linealidad del operador de integracion.
Ejemplo 3.11 Encuentre la transformada de Fourier de las funciones seno y coseno.
Soluci
on: Para el seno se cumple
sen(0 t) =
ej0 t ej0 t
2j
y considerando que
ej0 t 2( 0 )
se obtiene
F {sen(0 t)} = j[( 0 ) ( + 0 )]
= j( + 0 ) j( 0 )
167
3 Analisis de Fourier
Simetra
La influencia de la simetra de x(t) en su transformada de Fourier se puede verificar del
mismo modo que se hizo para los coeficientes de la serie de Fourier:
Z 0
Z
Z
jt
jt
x(t)e
dt =
x(t)e
dt +
x(t)ejt dt
X(j) =
0
Z
Z
=
x(t)ejt dt +
x(t)ejt dt
0
Z0
x(t)ejt + x(t)ejt dt
=
0
Si x(t) es ademas real, y puesto que el coseno es una funcion par, entonces el espectro sera
tambien real y tendra simetra par con respecto a .
Con la simetra impar se cumple x(t) = x(t) y por tanto
Z
Z
jt
jt
x(t)e + x(t)e
dt =
x(t)(ejt + ejt ) dt
X(j) =
0
0
Z
= 2j
x(t) sen(t) dt
0
Si x(t) es real y utilizando la simetra impar del seno se deriva que el espectro de una funcion
impar es a su vez impar y puramente imaginario.
Desplazamiento en el tiempo y en la frecuencia
Si la funcion x(t) tiene como transformada a X(j) entonces el desplazamiento de x(t) en
el tiempo por una magnitud t0 tendra como transformada
Z
x(t t0 )
x(t t0 )ejt dt
168
j( +t0 )
x( )e
x( )ej ejt0 d
d =
x( )ej d
=ejt0
jt0
=e
X(j)
j(+0 )t
1
d =
2
X(j)e
Z
j0 t 1
X(j)ejt d
=e
2
X(j)ejt ej0 t d
=ej0 t x(t)
(3.58)
ej0 t ej0 t
ej0 t
ej0 t
x(t) =
x(t)
x(t)
2j
2j
2j
169
3 Analisis de Fourier
cos(0 t)
x(t)
x(t) cos(0 t)
|X(j)|
|F {x(t) cos(t}|
F {sen(0 t)x(t)} =
lo que implica que el espectro de x(t) se divide en dos mitades, donde una se desplaza a 0
y otra invertida a 0 , donde ademas la fase de cada mitad se desplaza en /2.
Conjugaci
on y Simetra Conjugada
Si la transformada de Fourier de x(t) es X(j), entonces se cumple
x (t) X (j)
lo que se demuestra utilizando las propiedades de conjugacion compleja:
Z
Z
jt
F {x (t)} =
x (t)e
dt =
x(t)ejt dt
Z
Z
jt
j()t
=
x(t)e dt =
x(t)e
dt
= X (j)
170
Notese que si x(t) es real, entonces x(t) = x (t) y por tanto las transformadas de Fourier
de ambas funciones deben ser iguales, de donde se deduce que para funciones reales X(j)
tiene simetra hermtica, es decir, se cumple X(j) = X (j). Esto implica que las
transformaciones de Fourier de funciones reales tienen componente real y magnitud par,
mientras que su componente imaginaria y fase son impares.
Diferenciaci
on e integraci
on
Para observar el efecto de la derivacion de una funcion x(t) en su transformada de Fourier
se utiliza la transformada inversa:
Z
d
d
1
jt
x(t) =
X(j)e d
dt
dt 2
Z
d
1
X(j) ejt d
=
2
dt
Z
1
jX(j)ejt d
=
|
{z }
2
d
F { dt
x(t)}
y por lo tanto
d
x(t) jX(j)
dt
Lo anterior se puede generalizar para derivadas de orden superior:
dn
x(t) (j)n X(j)
dtn
Esta propiedad es de gran utilidad en el analisis de ecuaciones diferenciales, puesto que la
diferenciacion en el dominio del tiempo se transforma en una multiplicacion por el factor j
en el dominio de la frecuencia.
De forma equivalente, para la derivada en el dominio de la frecuencia se obtiene
Z
d
d
jt
X(j) =
x(t)e
dt
d
d
Z
d
=
x(t)ejt dt
d
Z
jtx(t) ejt dt
=
|
{z }
d
1
F { d
X(j)}
de donde
j
d
X(j) tx(t)
d
171
3 Analisis de Fourier
x1 (t)
x2 (t)
2T
3T
2T
3T
Ejemplo 3.12 Utilice la propiedad de derivacion de la transformada de Fourier para encontrar la transformada de las funciones en la figura 3.28.
Soluci
on: La propiedad de derivacion puede utilizarse para calcular facilmente la transformada de Fourier de funciones que son formadas por segmentos de recta, como las mostradas
en la figura 3.28. En el procedimiento a seguir, se derivan las funciones hasta obtener impulsos de Dirac, donde debe tomarse en cuenta que si la funcion original tiene un valor promedio
finito (o nivel CD), al derivar la primera vez dicha informacion se pierde, y debe reinsertarse
posteriormente.
x2 (t)
x1 (t)
A
T
A
T
2T
3T
x1 (t)
2T
3T
2T
3T
x2 (t)
A
T
A
T
2T
T
3T
La figura 3.29 muestra la primera y segunda derivadas de las funciones x1 (t) y x2 (t). La
funcion x1 (t) tiene valor promedio igual a cero:
1
lim
L 2L
TA
=0
L L
x1 (t) dt = lim
L
Puesto que la transformada de Fourier del delta Dirac es 1, entonces por linealidad, y
utilizando las propiedades de desplazamiento y de derivacion, se cumple:
(j)2 X1 (j) =
A
1 ejT ej2T + ej3T
T
172
T
i
A h j 3 T j 3 T
j 2
j T2
j 23 T
jT j T2
2
2
=
e
+e
e
e
+e
e
e
T
3
A
3
T
= 2 ej 2 T cos T cos
T
2
2
y finalmente se obtiene:
3
A
X1 (j) = 2 2 ej 2 T
T
T
3
cos
cos T
2
2
Tambien es posible agrupar otros pares de impulsos para obtener expresiones algebraicas
equivalentes. El lector puede realizar agrupaciones diferentes, como por ejemplo los impulsos
en 0 y 2T , y por otro lado en T y 3T para obtener senos. Otro ejercicio sera agrupar los
impulsos en 0 y T , y por otro lado los impulsos en 2T y 3T .
Para el caso de la funcion x2 (t), el valor promedio es diferente de cero:
1
lim
L 2L
1 AT
A
x2 (t) dt = lim
+ A(L T ) =
L 2L
2
2
L
A
jT
1
e
+ A()
T (j)2
T
i
T
T
A h
+ A()
= 2 ej 2 ej 2 ej 2
T
T
A j T
2 sen
e
+ A()
= 2j
2
T
2
X2 (j) =
3.12
Aunque podra intuirse que la transformada de Fourier de la integral de una funcion sera
igual a la transformada de dicha funcion dividida por j, esto es solo parcialmente cierto.
La propiedad de integracion establece que
Z
x( ) d
1
X(j) + X(0)()
j
Ejemplo 3.13 Determine la transformada de Fourier del escalon unitario x(t) = u(t).
173
3 Analisis de Fourier
Soluci
on: Puesto que el escalon se puede definir como la integral del impulso, y se sabe que
F {(t)} = 1 entonces, aplicando la propiedad de integracion se obtiene
1
1 + 1()
j
1
=
+ ()
j
F {u(t)} = U (j) =
3.13
Soluci
on: Anteriormente se demostro la transformada de Fourier de la distribucion gaussiana
utilizando la teora de funciones del captulo anterior. Ahora se hara uso de la propiedad de
diferenciacion en ambos dominios para encontrarla.
Derivando g(t) se tiene
d
t
g(t) = 2 g(t)
dt
1 d
G(j)
j 2 d
y puesto que
1
G(0) =
2
2 2
1 t2
e 2 2 dt = 1
174
finalmente se obtiene
G(j) = e 2
1
2 2
3.14
sustituyendo = t
Z
1
x( )ej(/) d
Z
=
1
x( )ej(/) d
1
=
X j
||
>0
<0
La dilatacion temporal de la funcion x(t) ( < 1) trae entonces como consecuencia una
contraccion de su espectro, ademas de un aumento en sus magnitudes. La contraccion
temporal de x(t), por otro lado, expande el espectro y reduce la amplitud del espectro.
Notese la relacion de este hecho con el principio de incertidumbre mencionado anteriormente.
De lo anterior se deriva directamente que si se invierte la se
nal x(t) en el tiempo, entonces
su espectro se invierte tambien:
x(t) X(j)
Dualidad
Al comparar las ecuaciones (3.48) y (3.50) que definen las transformadas de Fourier directa
e inversa, se observa que estas son muy similares pero no identicas. Esta semejanza conduce
a la denominada propiedad de dualidad . Para observar la relacion con mas detalle, se parte
de la transformada inversa de Fourier
Z
1
X(j)ejt d
x(t) =
2
sustituyendo por
Z
2x(t) =
X(j)ejt d
175
3 Analisis de Fourier
y reemplazando t por
Z
X(j)ej d
2x() =
2x() = F {X(j)}
es decir, si se toma la transformada de Fourier X(j) de una funcion x(t) y se utiliza como
funcion en el tiempo X(jt), entonces su transformada de Fourier sera igual a la funcion
original evaluada en la frecuencia reflejada, y multiplicada por el factor 2, es decir:
F {X(jt)} = 2x()
Ejemplo 3.15 Determine la transformada de Fourier de la se
nal
g(t) = sa(t)
Soluci
on: Se demostro anteriormente que la transformada del impulso rectangular en la
figura (3.21) esta dada por (3.53)
r(t) =
1
[u (t t0 ) u (t t0 )] R(j) = ej(t0 + 2 ) sa( /2)
y con t0 = /2, y = 2
r(t) =
1
[u(t + ) u(t )] R(j) = sa()
2
= [u( + ) u( )]
La funcion sa(t) tiene entonces un espectro rectangular real con componentes espectrales
iguales para el intervalo entre [, ].
3.15
La propiedad de dualidad permite entonces aplicar las relaciones encontradas en las secciones
anteriores en ambas direcciones: del dominio del tiempo a la frecuencia, y viceversa.
Relaci
on de Parseval
Interesa ahora observar la relacion entre la energa de una se
nal en el dominio del tiempo
y en el dominio de la frecuencia. Partiendo de la definicion de energa en el dominio del
tiempo
Z
Z
2
|x(t)| dt =
x(t)x (t) dt
Z
Z
jt
=
x(t)
X (j)e
d dt
2
176
jt
|x(t)| dt =
X (j)
x(t)e
dt d
2
Z
Z
1
1
=
X (j)X(j) d =
|X(j)|2 d
2
2
Esta llamada relacion de Parseval establece que la energa total se puede calcular tanto a
traves de la energa por unidad de tiempo |x(t)|2 como a traves de la llamada densidad de
energa |X(j)|2 /2. Notese que mientras la relacion de Parseval para se
nales periodicas
establece los vnculos entre la potencia promedio, para se
nales no periodicas establece la
relacion de la energa en ambos dominios. Esto se debe a que se
nales periodicas tienen una
energa infinita, por lo que debe usarse la potencia. Se
nales con energa finita reciben el
nombre de se
nales de energa, se
nales con potencia promedio finita reciben el nombre de
se
nales de potencia. Puede demostrarse que la potencia promedio de una se
nal de energa
es cero.
Multiplicaci
on y Convoluci
on
La propiedad de convolucion es fundamental para el analisis de sistemas lineales, y se tratara
con detalle en la siguiente seccion. Aqu se introducira la propiedad desde un punto de
vista mas matematico. Utilizando el mismo procedimiento que para las series de Fourier,
si se define la transformada de Fourier X(j) de la funcion x(t) como el producto de las
transformadas X1 (j) y X2 (j) de dos funciones x1 (t) y x2 (t) entonces
X(j) = X1 (j)X2 (j)
Z
Z
jt
x1 (t)e
dt
=
x2 (t)e
jt
dt
Z Z
=
x1 (t)x2 ()ej(t+) d dt
y con = t + entonces
Z Z
=
x1 (t)x2 ( t)ej d dt
|
{z
}
x1 (t)x2 (t)
177
3 Analisis de Fourier
Se
nal en el tiempo
Transformada
Linealidad
x(t)
x1 (t)
x2 (t)
1 x1 (t) + 2 x2 (t)
X(j)
X1 (j)
X2 (j)
1ZX1 (j) + 2 X2 (j)
Simetra par
x(t) = x(t)
x(t) cos(t) dt
0
Simetra impar
Funcion real
Dualidad
Desplazamiento temporal
Desplazamiento en frecuencia
Modulacion
Conjugacion
Inversion en el tiempo
Escalamiento en el tiempo
Convolucion
Multiplicacion
Diferenciacion
Integracion
Relacion de Parseval
x(t) = x(t)
X(j)
IR
Z
x(t) sen(t) dt
2j
0
X(j) jIR
x(t) IR
X(j) = X (j)
X(jt)
2x()
x(t )
ej X(j)
ej0 t x(t)
X(j j0 )
1
cos(0 t)x(t)
X(j j0 ) + 21 X(j + j0 )
2
x (t)
X (j)
x(t)
X(j)
j
1
X
x(at)
|a|
a
x1 (t) x2 (t)
X1 (j)X2 (j)
1
x1 (t)x2 (t)
X1 (j) X2 (j)
2
dx(t)
jX(j)
dt
d
tx(t)
j X(j)
d
Z t
1
x(t) dt
X(j) + X(0)()
j
Z
Z
1
2
|x(t)| dt =
|X(j)|2 d
2
178
Ejemplo 3.16 Demuestre la propiedad de integracion a traves de las propiedades de convolucion y de la transformada de Fourier del escalon unitario.
Soluci
on: La convolucion de una funcion x(t) con el escalon unitario es
Z
x( )u(t ) d
x(t) u(t) =
lo que, considerando que u(t ) es cero para todo > t y uno para todo t, puede
expresarse como:
Z t
x( ) d
x(t) u(t) =
Puesto que
F {x(t) u(t)} = X(j)U (j)
1
= X(j)
+ ()
j
X(j)
=
+ ()X(j)
j
y considerando que x(t)(t) = x(0)(t)
Z
F
x( ) d
X(j)
+ ()X(0)
j
3.16
Ejemplo 3.17 La funcion puente pT (t) mostrada en la figura 3.30 se utiliza para tomar
muestras cada T segundos de alguna se
nal x(t) definida en el tiempo. La se
nal muestreada
replacemen
pT (t)
2T
3T
179
3 Analisis de Fourier
x(t)
2T
3T
2T
3T
xs (t)
Soluci
on: Puesto que la funcion puente pT (t) es periodica, se puede expresar por medio de
una serie de Fourier con coeficientes Pn :
pT (t) =
Pn ejn0 t ;
0 =
n=
2
= 2fs
T
Pn ejn0 t
n=
X
X
jn0 t
Xs (j) = F {xs (t)} = F x(t)
Pn e
=
Pn F x(t)ejn0 t
n=
n=
Pn X(j jn0 )
n=
= P0 X(j) +
Pn X(j jn0 )
n=
n6=0
de donde se deduce que con el muestreo se producen replicas del espectro original de la
se
nal X(j), separadas en el dominio de la frecuencia por 0 = 2/T y ponderadas por los
coeficientes de la representacion de la funcion puente como serie de Fourier (figura 3.32).
Si el espectro original X(j) es de banda limitada, es decir, si a partir de cierta frecuencia
2B (donde B es el llamado ancho de banda) se cumple X(j) = 0, entonces eligiendo el
periodo de muestreo suficientemente alto es posible evitar que las replicas se traslapen con
el espectro original. Si x(t) es real, entonces la magnitud de su espectro es par, y por tanto
para evitar el traslape la siguiente replica se debera posicionar al menos en 0 > 4B lo
180
X(j)
2B
(a)
Xs (j)
xs (t)
t
T
2B
(b)
2fs
2B
2B
que es equivalente a afirmar que la frecuencia de muestreo fs debe ser al menos el doble del
ancho de banda B del espectro X(j) para evitar que las replicas se traslapen.
Se puede demostrar que si no hay traslape entonces es posible rescatar a partir de la se
nal
muestreada xs (t) la se
nal original x(t) utilizando un filtro paso-bajos que permita pasar
u
nicamente el rango de frecuencias angulares desde 2B hasta 2B.
Estos principios se resumen en el llamado teorema del muestreo que puede resumirse de la
siguiente manera: para muestrear una se
nal analogica sin perdidas de informacion se requiere
una tasa de muestreo de al menos el doble del ancho de banda del espectro de la se
nal.
3.17
3.4
181
3 Analisis de Fourier
3.4.1
Sistema Lineal
Un sistema, se discutio ya en el primer captulo, transforma una se
nal de entrada en una
se
nal de salida (figura 1.1, pagina 4). As, si la salida del sistema es y(t) y su entrada x(t),
entonces la relacion entre ambas puede expresarse como
y(t) = T [x(t)]
donde el operador T [] denota la transformacion hecha a la se
nal por el sistema. As, para
dos se
nales de entrada x1 (t) y x2 (t), el sistema producira dos se
nales de salida:
y1 (t) = T [x1 (t)]
y2 (t) = T [x2 (t)]
El sistema se denomina lineal, si para dos valores escalares 1 y 2 cualesquiera se cumple
ademas que
1 y1 (t) + 2 y2 (t) = T [1 x1 (t) + 2 x2 (t)]
Esta propiedad de linealidad puede expresarse de forma mas general como
" n
#
n
X
X
i yi (t) = T
i xi (t)
i=1
i=1
d
x(t)
dt
2. y(t) = x(t)
3. y(t) = x(t) + 1
Soluci
on: Para comprobar la linealidad se calcula por un lado la combinacion lineal de las
respuestas a diferentes entradas por separado, y luego se verifica que dicha combinacion
equivale a la respuesta del sistema a la combinacion lineal de las entradas.
1. Si y1 (t) =
d
x (t)
dt 1
y y2 (t) =
d
x (t)
dt 2
entonces
1 y1 (t) + 2 y2 (t) = 1
d
d
x1 (t) + 2 x2 (t)
dt
dt
Por otro lado, si x(t) = 1 x1 (t) + 2 x2 (t) y se calcula y(t) = T [x(t)] entonces
y(t) =
d
d
d
d
x(t) =
[1 x1 (t) + 2 x2 (t)] = 1 x1 (t) + 2 x2 (t)
dt
dt
dt
dt
182
y(t t0 ) = T [x(t t0 )]
Ejemplo 3.19 Determine si los sistemas y(t) = T [x(t)] son invariantes en el tiempo.
1. y(t) =
d
x(t)
dt
2. y(t) = x(t)
3. y(t) = x(t) + 1
Soluci
on: Para corroborar la invarianza en el tiempo se calcula primero la respuesta del
sistema a la se
nal desplazada en el tiempo, y luego se compara esto con la respuesta a la
entrada sin desplazar, desplazada en el tiempo.
1. Si y(t) = dtd x(t) entonces la respuesta a x(tt0 ) es dtd x(tt0 ). La salida y(t) desplazada
en el tiempo es tambien dtd x(t t0 ) por lo que el sistema es invariante en el tiempo.
2. Si y(t) = x(t) entonces la respuesta a la se
nal x(t) desplazada en el tiempo es
x((t t0 )) = x(t + t0 ). Por otro lado, si se desplaza la salida correspondiente
a x(t) entonces y(t t0 ) = x(t t0 ). Esto implica que el sistema es variante en el
tiempo.
183
3 Analisis de Fourier
Sistema LTI
Los sistemas lineales e invariantes en el tiempo (o sistemas LTI por sus siglas en ingles Linear and Time Invariant) corresponden a una importante clase de sistemas en el analisis
de fenomenos reales, al permitir modelar comportamientos complejos con herramientas matematicas tan poderosas como las transformadas de Fourier y Laplace.
Para comprender mejor los conceptos detras de los sistemas LTI, considerese un impulso rectangular x0 (t) de duracion 0 y amplitud 1/0 como entrada a un sistema LTI, que responde
a el con la salida h0 (t) tal y como lo muestra la figura 3.33. Puesto que el sistema es lineal
replacemen
1
0
x0 (t)
h0 (t)
0
LTI
t
x(n0 )x0 (t n0 )0
n=
y puesto que cada impulso rectangular x(n0 )x0 (tn0 )0 tiene como respuesta x(n0 )h0 (t
n0 )0 , se obtiene entonces la respuesta mostrada en la figura 3.34b, que se puede expresar
como
X
ya (t) =
x(n0 )h0 (t n0 )0
n=
Es claro que la funcion xa (t) aproximara de mejor manera a la funcion x(t) si 0 se hace
cada vez mas peque
no. De esta forma, si 0 se hace tender a cero, puede sustituirse por un
diferencial d , el termino n0 convergera a una variable continua y la funcion x0 (t), que
conserva su area igual a uno sin importar la eleccion de 0 , convergera al impulso (t). Por
184
x(t)
xa (t)
x(t)
t/
0
-5
-4
-3
-2
-1
t/
0
-5
-4
-3
-2
-1
(a)
(b)
Figura 3.34: Entrada compuesta por impulsos rectangulares y respectiva salida del sistema LTI
en la figura 3.33
donde la funcion h(t) es la respuesta al impulso del sistema, obtenida como la respuesta al
impulso rectangular cuando su duracion 0 tiende a cero. Note que estas son integrales de
convolucion, donde se demuestra que una funcion convolucionada con el impulso resulta en
la misma funcion (o en otros terminos, la funcion impulso Dirac es el elemento neutro del
operador convolucion). Por otro lado la respuesta de un sistema LTI a una entrada x(t) esta
dada por la convolucion de dicha entrada con la respuesta al impulso h(t) del sistema LTI.
Considerando la propiedad de convolucion de la transformada de Fourier, si se cumple
F {x(t)} = X(j), F {y(t)} = Y (j) y F {h(t)} = H(j), entonces
X(j) = F {x(t) (t)} = X(j)1 = X(j)
Y (j) = F {x(t) h(t)} = X(j)H(j)
que implica que, conociendo la respuesta al impulso del sistema h(t) y su equivalente respuesta en frecuencia H(j), en el dominio de la frecuencia la respuesta a cualquier entrada
con transformada X(j) se calcula simplemente multiplicando X(j)H(j). Esta simplificacion del calculo de la convolucion hace de la transformada de Fourier una herramienta muy
poderosa en el analisis de sistemas LTI. Por lo general es mas simple transformar una se
nal
de entrada y la respuesta al impulso al dominio de la frecuencia, realizar all el producto, y
luego transformar el resultado al dominio del tiempo para observar el comportamiento de la
salida del sistema LTI. Notese que si se conoce que un sistema es LTI, entonces, obteniendo
su salida Y (j) para una entrada X(j) en el dominio de la frecuencia, la respuesta en
frecuencia H(j) del sistema se puede calcular como
H(j) =
Y (j)
X(j)
185
3 Analisis de Fourier
Existen sin embargo propiedades de los sistemas que pueden comprenderse mejor en el dominio temporal, y para ello es necesario analizar con mas detalle el operador de convolucion.
3.4.2
Convoluci
on
Los parrafos anteriores demostraron que la convolucion es un operador que puede utilizarse
para encontrar la salida correspondiente a una entrada, si se conoce la respuesta al impulso
h(t) de un sistema LTI. As, la convolucion de x(t) y h(t) se expresa como
Z
x(t) h(t) =
x( )h(t ) d
(3.59)
3.4.3
Funciones propias
Un caso particularmente interesante en sistemas LTI son las funciones exponenciales complejas. Un sistema LTI con respuesta al impulso h(t) tendra como respuesta a una entrada
x(t) = ej0 t una salida y(t) que se calcula de la siguiente manera:
y(t) = T [x(t)] = h(t) x(t) = h(t) ej0 t
En el dominio de la frecuencia y considerando la respuesta en frecuencia H(j) = F {h(t)}
se tiene
F {y(t)} = Y (j) = H(j)F ej0 t
= H(j)2( 0 )
= H(j0 )2( 0 )
186
h( )
h(t )
t<0
(c)
(a)
(b)
x( )h(t1 )
t1
x( )h(t2 )
t2
(d)
x( )h(t3 )
t3
(e)
x( )h(t4 )
(f)
x( )h(t5 )
t4
x(t) h(t)
t5
(g)
t>0
t1
t2 t3
(h)
t4
t5
(i)
ej0 t + ej0 t
2
entonces por linealidad, y asumiendo que H(j0 ) = |H(j0 )|ej0 la salida sera
y(t) =
|H(j0 )| j0 t+0
e
+ ej0 t0 = |H(j0 )| cos(0 t + 0 )
2
187
3 Analisis de Fourier
3.4.4
Causalidad y estabilidad
Sistemas estables
Un sistema se dice que es estable o estable en amplitud si para cualquier entrada x(t) acotada
en amplitud
|x(t)| Ax ,
Ax IR, Ax > 0
Ay IR, Ay > 0
A estos sistemas se les denomina BIBO, por las siglas en ingles Bounded Input Bounded
Output.
188
Z
Z
Z
|x( )h(t )| d
Ax |h(t )| d = Ax
|h( )| d
189
3 Analisis de Fourier
3.5
Problemas
Los siguientes ejercicios estan basados en [8, 14], algunos con leves modificaciones, otros
nuevos para profundizar en los conceptos introducidos en este captulo.
Problema 3.1. El espacio lineal V se define a traves de sus elementos que son tuplas con
componentes tomados de un cuerpo escalar IF, y las operaciones suma y producto escalar.
Que tipo de estructura algebraica es (V, +)?
Que tipo de estructura algebraica es (V, ), donde representa aqu el producto escalar?
Que tipo de estructura algebraica es (V, {+, }), donde representa de nuevo el producto escalar?
Problema 3.2. Demuestre que la definicion de la funcion d(, )
d(x, y) = kx yk
cumple con todas las condiciones definidas para una funcion de distancia de un espacio
metrico, si k k es una norma.
Problema 3.3. Demuestre utilizando los axiomas de espacios pre-Hilbert, que
ax, y = a x, y
x + y, z = hx, zi + y, z
x (t)y(t) dt
190
3.5 Problemas
u1 (x)
u2 (x)
u3 (x)
u4 (x)
1
1
2
para 0 t <
1,
(t) =
(t) =
1
2
1, para 12 t < 1
0
en el resto.
(
1, para 0 t < 1
0, en el resto.
ij (t) = 2j (2j t i)
ji (t) = 2j (2j t i)
1. Grafique las funciones ij (t) y ji (t) si i, j {0, 1, 2, 3}.
2. Encuentre la norma de las funciones ij (t) y ji (t).
3. Indique que condiciones deben cumplir i y j para que las funciones anteriores sean
ortogonales, tanto dentro de cada familia, como entre ambas.
4. Encuentre la mejor aproximacion del primer periodo de la funcion sen(t) con una base
ortogonal constituida por las funciones elegidas por usted en el punto anterior.
A esta familia de funciones ij (t) y ji (t) se le conoce como la base de Haar, en honor al
matematico h
ungaro Alfred Haar, quien las propuso en 1910, y son utilizadas por ejemplo
en el estandar de compresion de imagenes JPEG-2000.
Problema 3.10. Demuestre que f (z) = |z|2 no es una funcion analtica.
Problema 3.11. Sean ui (t) funciones de valor complejo y variable real, ortogonales en el
intervalo [t1 , t2 ] IR. Si la representacion rectangular de dichas funciones se expresa como
191
3 Analisis de Fourier
t2
t
Z 1t2
t1
t2
qi (t)qk (t) dt
ri (t)rk (t) dt =
t1
Z t2
qi (t)rk (t) dt
ri (t)qk (t) dt =
t1
para todo i 6= k.
Problema 3.12. Utilizando la funcion de error (3.18):
2
t2
t1
|x(t) xn (t)|2 dt
demuestre que para funciones y coeficientes complejos los coeficientes definidos en (3.22)
minimizan la funcion de error. (Sugerencia: Exprese ci en coordenadas rectangulares como
ci = ai + jbi , y utilice los resultados del problema 3.11.)
Problema 3.13. Sea f (t) una funcion compleja de variable real t. Para cualquier definicion
de f (t) y valores reales positivos y indique que relacion tienen las funciones
1. f (t)
2. f (t)
3. f (t + )
4. f (t )
5. f (t) +
6. f (t)
7. f (t)
8. f (t + )
9. f ((t ))
192
1. x(t) =
2. x(t) =
3.5 Problemas
(
(t /2)2 + 2 /4 si 0 t
0
si < t < Tp
(
sen(2t/Tp ) si 0 t Tp /2
0
si Tp /2 < t < Tp
X
X
1
bk sen 0 kt
ak cos 0 kt +
x(t) = a0 +
2
k=1
k=1
sen 2 t
para 0 t
para
Tp
Tp
2
Tp
2
< t < Tp
y calcule los desarrollos en series de Fourier para ambas componentes por separado. Compruebe que los coeficientes de la funcion corresponden a la suma de los coeficientes correspondientes de sus componentes par e impar.
Problema 3.20. Cuando se reviso la relacion de Parseval (3.46) se utilizo el caso especial de
la serie de Fourier, sin embargo, esta relacion se aplica para cualquier funcion representada
como serie generalizada de Fourier.
193
3 Analisis de Fourier
ck uk (t)
k=
t2
t1
|x(t)| dt =
|ck |2
k=
t
Tp
2. x(t) =
Tp t
Tp
3. x(t) =
2|t|
Tp
para 0 t < Tp
para 0 t < Tp
Tp
2
Problema 3.22. Encuentre los coeficientes de la serie de Fourier para una funcion x3 (t) =
|xc (t)| donde xc (t) esta definida como en el ejemplo 3.9.
Problema 3.23. Encuentre los coeficientes de la serie de Fourier para las siguientes funciones, utilizando tan solo los resultados del ejemplo 3.6, los coeficientes de la funcion seno
y las propiedades de las series de Fourier.
x4 (t)
-Tp -
3Tp
4
Tp
2
Tp
4
Tp
2
x5 (t)
Tp
2
3Tp
4
Tp
5Tp
4
3Tp
2
-Tp -
3Tp
4
Tp
2
(a)
Tp
4
Tp
2
(b)
si a IR y a > 0.
Tp
2
3Tp
4
Tp
5Tp
4
3Tp
2
194
3.5 Problemas
1
1
(a)
(b)
1
1
(c)
(d)
1
1
1
(e)
(f)
1
1
1
(g)
(h)
Problema 3.27. Sea X(j) la transformada de Fourier de una funcion x(t). Encuentre la
transformada de Fourier inversa de la n-esima derivada de X(j) en terminos de x(t).
Problema 3.28. Demuestre utilizando la propiedad de derivacion de la transformada de
Fourier que la impedancia de una bobina L y un condensador C estan dadas respectivamente
por:
ZL (j) = jL
ZC (j) =
1
jC
195
3 Analisis de Fourier
( t 0)
t + a
x(t) =
a t + a (0 < t )
0
en el resto
X
n=
(t nT )
196
3.5 Problemas
K
X
(t nT )
n=K
Problema 3.41. Demuestre que entre las componentes par e impar (xe (t) y xo (t) respectivamente) de una funcion x(t) real y causal se cumple
xe (t) = xo (t)[2u(t) 1]
Utilice este resultado para encontrar la dependencia entre Re{X(j)} y Im{X(j)}, con
X(j) = F {x(t)} (Esta relacion es conocida como la transformada de Hilbert)
Problema 3.42. Demuestre que para las areas bajo la curva de una funcion y de su espectro
se cumple:
Z
Z
X() d = 2x(0)
x(t) dt = X(0)
197
3 Analisis de Fourier
1. Eval
ue la linealidad e invarianza en el tiempo de este sistema
2. Cual es la respuesta al impulso del integrador?
Problema 3.48. Un sistema LTI causal responde a una funcion x(t) con y(t), donde estas
funciones se definen como:
1
1
x(t) = u t +
u t
2
2
1
1
y(t) = x 2t +
(2t + 1) + x 2t
(1 2t)
2
2
1. Grafique las funciones x(t) y y(t)
2. Cual es la respuesta a x2 (t) = x
t1
2
1
2
t u t + 12 , donde u(t) es el escalon unitario.
1. r(t) cos(t)
5. u(t) r(t)
2. r(t) cos(t)
6. r(t) r(t)
3. r(t) sen(10t)
7. u(t) u(t)
4. r(t/T ) sen(t)
8. u(1 t )
9. tu(t)u(1 t)
10. (1 t)u(t)u(1 t)
11. (1 t)u(t)u(1 t)
12. tu(t)2(2t)u(t1)+
(t 2) u(t 2)
198
3.5 Problemas
Problema 3.53. Sean dos funciones de longitud finita x1 (t) y x2 (t). La longitud de x1 (t)
sea l1 y la longitud de x2 (t) sea l2 . Encuentre la longitud de la funcion resultante de la
convolucion x1 (t) x2 (t).
Captulo 4
Transformada de Laplace
La Transformada de Laplace es la herramienta de preferencia en el analisis de sistemas
lineales e invariantes en el tiempo. Se le atribuye a Pierre-Simon de Laplace (17491827),
a pesar de que se ha sugerido que esta transformacion integral fue propuesta por Leonhard
Euler (17071783) [24]. El uso difundido de la ahora llamada transformada de Laplace en
ingeniera se debe al ingeniero ingles Oliver Heaviside (1850-1925) quien utilizo un metodo
similar para la solucion de ecuaciones diferenciales ordinarias con coeficientes constantes.
Sus desarrollos carecan de rigor matematico, por lo que no fue sino hasta que sus metodos
demostraron gran utilidad practica que los matematicos les prestaron atencion y buscaron
justificacion teorica, que fue encontrada en el trabajo de Laplace [8].
La transformada de Laplace puede interpretarse como una generalizacion de la transformada
de Fourier, que permite manejar problemas no tratables con esta u
ltima. El paso clave
ocurre con la observacion de que muchas de las propiedades de la transformada de Fourier
se conservan si en vez de utilizar una frecuencia puramente imaginaria j, se utiliza una
frecuencia compleja s = + j, con = Re{s} y = Im{s}. As, la frecuencia pasa de
ser un valor en una recta, a un valor en el plano complejo s. Puede demostrarse que las
funciones exponenciales complejas est siguen siendo funciones propias de un sistema LTI,
hecho en el cual se basa toda la aplicacion practica de esta transformada.
Se distinguen dos versiones de la transformada de Laplace: bilateral y unilateral. La primera
esta directamente relacionada con la transformada de Fourier, y la segunda es la herramienta
ampliamente utilizada en ingeniera, que se deriva de la transformada bilateral para se
nales
causales. Aqu se revisaran ambas para brindar el panorama completo. En la literatura de
ingeniera, la mayora de las veces en que se habla de transformada de Laplace se hace
implcitamente referencia a su version unilateral.
199
200
4.1
x(t) X(s)
o simplemente
x(t) X(s)
si el contexto lo permite.
Notese entonces que se cumple
L {x(t)}|s=j = X(s)|s=j = F {x(t)}
Por otro lado
L {x(t)} = X(s) = X( + j) =
x(t)e(+j)t dt
Z
x(t)et ejt dt
=
Z
x(t)et ejt dt
= F x(t)et
=
lo que quiere decir que la transformada de Laplace puede interpretarse como la transformada
de Fourier de la funcion x(t) multiplicada por una se
nal exponencial real et que sera
creciente o decreciente dependiendo del signo de . De hecho, este producto entre x(t) y la
funcion de ponderacion et fue el punto de partida de Heaviside para su propuesta inicial:
si x(t) no tiene directamente transformada de Fourier, puede conseguirse indirectamente la
tenga si se multiplica por una funcion monotonicamente decreciente (o creciente) conocida,
como et .
201
4 Transformada de Laplace
L {x(t)} =
eat u(t)est dt
Z
eat est dt
=
Z0
e(a+s)t dt
0
e(a+s)t
=
a + s 0
=
1 e(a+s)
a+s
1
,
a+s
> Re{a}
4.1
Este ejemplo pone en evidencia que la transformada de Laplace involucra no solo la expresion algebraica en el dominio s, sino ademas la region de convergencia en dicho plano,
abreviada con ROC, por sus siglas en ingles (Region of Convergence). Observese que el
caso Re{a} < 0 representa una region de convergencia que excluye al eje j, y por tanto
la funcion x(t) no tiene transformada de Fourier. Este caso correspondera en el tiempo
a una exponencial monotonicamente creciente, lo que viola las condiciones de Dirichlet de
integrabilidad absoluta. El proximo ejemplo pone en evidencia la importancia de la region
de convergencia.
Ejemplo 4.2 Calcule la transformada de Laplace de la funcion x(t) = eat u(t).
Soluci
on: Se tiene que
Z
L {x(t)} =
eat u(t)est dt
Z
=
eat est dt
202
e(a+s)t dt
0
e(a+s)t
=
a + s
1 e(a+s)
a+s
1
,
a+s
< Re{a}
4.2
Plano s
-Re{a}
Plano s
-Re{a}
Figura 4.1: Regiones de convergencia para ejemplos 4.1 (izquierda) y 4.2 (derecha).
203
4 Transformada de Laplace
con a y b reales.
Soluci
on: La funcion puede reescribirse utilizando la ecuacion de Euler como
jat
e + ejat
bt
t
x(t) = e + e
u(t)
2
1 (1ja)t 1 (1+ja)t
bt
u(t)
+ e
= e + e
2
2
y calculando la transformada de Laplace se obtiene
Z
1 (1ja)t 1 (1+ja)t
bt
e + e
X(s) =
+ e
u(t)est dt
2
2
Z
1 (1ja)t 1 (1+ja)t st
bt
=
e + e
e dt
+ e
2
2
0
Z
Z
Z
1 (1ja)t st
1 (1+ja)t st
bt st
=
e e dt +
e
e dt +
e
e dt
2
2
0
0
0
que son tres transformaciones identicas a las del ejemplo 4.1, por lo que
X(s) =
1
1
1
1
1
+
+
+ s}
2 (1 ja) + s 2 (1 + ja) + s
|b {z
|
{z
} |
{z
}
ROC:>b
ROC:>1
ROC:>1
Puesto que los tres terminos deben converger, se utiliza como region de convergencia total a
la interseccion de las tres ROC individuales, y por tanto la ROC de x(t) es > max{1, b}.
Finalmente
x(t) = ebt u(t) + et cos(at)u(t)
2s2 + (3 + b)s + 1 + a2 + b
(b + s)(1 + a2 + 2s + s2 )
4.3
Los ejemplos anteriores son casos particulares donde la transformada de Laplace es una
funcion racional, es decir, un cociente de polinomios N (s) y D(s) de variable compleja s
X(s) =
N (s)
D(s)
En estos casos en que X(s) es racional, x(t) es siempre una combinacion lineal de exponenciales reales o complejas. Ademas, este tipo de funciones racionales aparecen, como se
analizara posteriormente, cuando se describen sistemas especificados a traves de ecuaciones
diferenciales lineales con coeficientes constantes. En las funciones racionales, los ceros corresponden a las races de N (s) y los polos a las races de D(s). Puesto que la ubicacion
de estas races, excepto por un factor de escala, son suficientes para especificar X(s), se
acostumbra utilizar un diagrama de polos y ceros para indicar la transformada de Laplace,
donde con se demarcan los polos, y con los ceros, y se denota ademas la region de
convergencia en uso. As, el diagrama de polos y ceros para los ejemplos 4.1 y 4.3 se muestra
en la figura 4.2.
204
Plano s
Plano s
1 + ja
b 1
1 ja
Figura 4.2: Regiones de convergencia para ejemplos 4.1 (izquierda) y 4.3 (derecha).
4.1.1
Regiones de convergencia
La region de convergencia contiene aquellos puntos del plano s para los que la transformada
de Fourier de x(t)et existe, lo que implica que x(t)et debe ser absolutamente integrable:
Z
|x(t)|et dt <
Esto depende u
nicamente de la componente real de la frecuencia compleja s. Por esta
razon, la ROC de X(s) consiste en bandas paralelas al eje j en el plano s.
Puesto que la integral de Laplace debe converger, la ROC no puede contener ning
un polo,
por indefinirse all el valor de la expresion algebraica. Esto sugiere que los lmites de las
bandas verticales que conforman la ROC estaran determinados por las componentes reales
de los polos.
Sea x(t) una funcion de duracion finita, es decir, con valores diferentes de cero dentro de un
intervalo finito [t1 , t2 ], y fuera de all siempre cero. Sea x(t) ademas absolutamente integrable
dentro de dicho intervalo:
Z
t2
t1
|x(t)| dt < .
(4.2)
205
4 Transformada de Laplace
Si s = + j esta dentro de la ROC, eso quiere de decir que x(t)et es tambien absolutamente integrable
Z t2
|x(t)|et dt <
(4.3)
t1
Con = 0 (4.3) se reduce a (4.2) por lo que = 0 se encuentra en la ROC. Si > 0 entonces
el valor maximo de et se obtiene para t = t1 y por tanto
Z t2
Z t2
t
t1
|x(t)| dt <
|x(t)|e dt e
t1
t1
t1
eat est dt =
1
1 e(s+a)T
s+a
lo que aparenta tener un polo en s = a. Esto sera sin embargo contradictorio con la
propiedad anteriormente descrita. Sin embargo, si s = a el numerador tambien se hace
cero, por lo que debe evaluarse la convergencia en este punto utilizando, por ejemplo, la
regla de lHopital:
d
(s+a)T
1e
aT sT
=T
lim X(s) = lim ds
= lim T e e
d
sa
sa
sa
(s + a)
ds
que al ser un valor finito concuerda con la propiedad de convergencia completa del plano s.
4.4
Una se
nal acotada por su izquierda, o tambien llamada una se
nal derecha es aquella para
la que se cumple x(t) = 0 para t < t1 . Si la transformada de Laplace converge para alg
un
valor = 0 entonces
Z
|x(t)|e0 t dt <
206
Puesto que la se
nal es derecha entonces lo anterior se puede reescribir como
Z
|x(t)|e0 t dt <
t1
t1
0 t (1 0 )t
|x(t)|e
(1 0 )t1
dt e
t1
|x(t)|e0 t dt <
ROC: > a
ROC: < a
1
1
2a
= 2
,
s+a sa
s a2
207
4 Transformada de Laplace
j
x(t)
ROC
t2
t1
(a)
j
x(t)
ROC
t1
(b)
x(t)
ROC
t2
(c)
j
x(t)
ROC
t
(d)
4.5
208
Figura 4.4: Regiones de convergencia limitados por polos de transformada de Laplace X(s).
4.1.2
Por su estrecha relacion con la transformada de Fourier, muchas de las propiedades de esta
u
ltima se mantienen. Sin embargo, en la transformada de Laplace debe tenerse cuidado con
las implicaciones para la region de convergencia. En el caso de funciones racionales, por
ejemplo, si la modificacion de la funcion altera la posicion de los polos, la ROC se trasladara
con ellos, en concordancia con los conceptos discutidos anteriormente.
Linealidad
Sean las funciones en el dominio del tiempo x1 (t) y x2 (t) y sus respectivas transformadas de
Laplace
x1 (t) X1 (s),
ROC: R1
x2 (t) X2 (s),
ROC: R2
entonces
1 x1 (t) + 2 x2 (t) 1 X1 (s) + 2 X2 (s),
ROC: R1 R2
209
4 Transformada de Laplace
donde la ROC indicada representa la menor region de convergencia posible, puesto que,
como el problema 4.7 lo muestra, la ROC de la combinacion lineal puede ser mayor que la
de los terminos por separado, puesto que algunos polos pueden desaparecer.
Esta propiedad puede demostrarse facilmente utilizando la propiedad de linealidad de la
integral, junto con la observacion de que la transformada total converge solo en aquella
region com
un a todos los terminos, es decir, a su interseccion.
Notese que es posible, si no hay puntos comunes en las regiones de convergencia, que no
exista la transformada de Laplace de una combinacion lineal.
ROC: R
y
es0 t x(t) X(s s0 ),
ROC: {s | s = r + s0 , r R}
Conjugaci
on
Para x(t) X(s) con ROC R se cumple
x (t) X (s ),
ROC: R
y por lo tanto X(s) = X (s ) si x(t) es real. Consecuencia directa de este hecho es que si p
es un polo complejo con parte imaginaria diferente de cero, entonces p tambien lo es.
210
Escalamiento en el tiempo
Si L {x(t)} = X(s) con ROC R entonces para a IR
x(at)
1 s
X
,
|a|
a
n
o
r
s | s = ,r R
a
ROC:
es decir, al igual que con la serie de Fourier, una compresion en el tiempo equivale a una
dilatacion en el dominio s, donde sin embargo ahora la dilatacion ocurre en el plano complejo.
Notese que los lmites de la ROC cambian. Si para x(t) estos lmites eran r1 y r2 , entonces
para x(at) estos seran r1 /a y r2 /a.
Para el caso en particular a = 1 se tiene entonces
x(t) X (s) ,
ROC: {s | s = r, r R}
que equivale a una rotacion de 180 del plano s como dominio de definicion de X(s), modificandose la posicion de los polos y por tanto tambien la ROC.
Convoluci
on
Si
x1 (t) X1 (s),
ROC: R1
x2 (t) X2 (s),
ROC: R2
entonces
x1 (t) x2 (t) X1 (s)X2 (s),
ROC: R1 R2
donde la region de convergencia puede ser mayor a la indicada si en el producto los polos
que determinan los lmites de las ROC individuales se cancelan.
Diferenciaci
on en el tiempo y en el dominio s
Si x(t) X(s) con ROC R entonces
d
x(t) sX(s),
dt
ROC: R
donde si X(s) tiene un polo de primer orden en s = 0 entonces la ROC puede ser mayor.
Esta propiedad se puede aplicar recursivamente para llegar a
dn
x(t) sn X(s),
n
dt
ROC: R
d
X(s),
ds
ROC: R
Ademas
tx(t)
211
4 Transformada de Laplace
at
1
,
s+a
ROC: > a
d
1
1
u(t)
=
,
ds s + a
(s + a)2
ROC: > a
4.6
Integraci
on en el tiempo
Si x(t) X(s) con ROC R entonces
Z
1
x( ) d X(s),
s
x( ) d = u(t) x(t)
y puesto que L {u(t)} = 1/s con ROC > 0 entonces, con la propiedad de convolucion se
tiene
1
u(t) x(t) X(s)
s
con una ROC igual a la interseccion entre > 0 y la ROC de X(s).
4.1.3
Puesto que
X(s) = X( + j) = F x(t)e
x(t)et ejt dt
con s = + j dentro de la ROC, entonces puede de forma equivalente utilizarse la transformada inversa de Fourier para encontrar a x(t)
Z
1
t
1
X( + j)ejt d .
x(t)e
= F {X( + j)} =
2
Multiplicando ambos lados por et se obtiene
Z
1
x(t) =
X( + j)e(+j)t d
2
212
Se
nal en el tiempo
Transformada
ROC
Linealidad
Funcion real
Desplazamiento temporal
Desplazamiento en s
Conjugacion
Inversion en el tiempo
x(t)
x1 (t)
x2 (t)
1 x1 (t) + 2 x2 (t)
x(t) IR
x(t )
es0 t x(t)
x (t)
x(t)
X(s)
X1 (s)
X2 (s)
1 X1 (s) + 2 X2 (s)
X(s) = X (s )
es X(s)
X(s s0 )
X (s )
X(s)
1 s
X
|a|
a
X1 (s)X2 (s)
R
R1
R2
R1 R2
R
R
R + s0
R
R
sX(s)
sn X(s)
d
X(s)
ds
1
X(s)
s
Integracion
x1 (t) x2 (t)
dx(t)
dt
dn x(t)
dtn
tx(t)
Z t
x( ) d
R/a
R1 R2
R
R { > 0}
Las operaciones aritmeticas utilizadas en la ROC se refieren a operaciones aplicadas a cada uno de los
elementos de la regi
on. As por ejemplo R + s0 denota en realidad {s | s = r + s0 , r R}. El smbolo
en la ROC implica que la regi
on es al menos la indicada.
que corresponde a una integral en el plano complejo s con una trayectoria de integracion
vertical con componente real constante dentro de la ROC y con componente imaginaria
que abarca desde = hasta = . Esto puede expresarse tambien, haciendo un
cambio de variable en la ecuacion anterior s = + j, ds = jd, como
Z +j
1
x(t) =
X(s)est ds
(4.4)
2j j
A esta ecuacion se le conoce como transformada inversa de Laplace, o tambien formula
integral de Bromwich.
M
etodo de inversi
on por integraci
on
Para calcular la transformada inversa de Laplace a traves de la integral de Bromwich se
recurre a las herramientas tratadas en el captulo 2.6. La figura 4.5 muestra el contorno de
integracion denominado contorno de Bromwich, con el cual se realiza el calculo directo de
la transformada inversa de Laplace para una se
nal causal. Este se compone de un segmento
vertical AB con componente real , situado dentro de la region de convergencia, y de un
213
4 Transformada de Laplace
arco de un crculo de radio R centrado en el origen que pasa por BCDEA. Debe tenerse
cuidado de que no existan polos en el infinito, que interfieran con el contorno de integracion.
La eleccion de una funcion derecha o izquierda se hace observando la forma de la region de
convergencia, donde para se
nales anticausales se elige la reflexion del contorno mostrado en
la figura 4.5. Una descripcion detallada de los cuidados que debe tenerse y el procedimiento
correcto para evitarlos se encuentra en [11].
Im{s}
Plano s
C
B
R
Re{s}
214
sobre el contorno tiende a cero para todas las funciones polinomiales N (s)/D(s) donde el
grado del polinomio N (s) es menor que el de D(s) (ver problema 4.11).
Ejemplo 4.7 Calcule la transformada inversa de Laplace de
1
X(s) =
,
ROC: > Re{a}
s+a
si Re{a} > 0.
Soluci
on: Como la funcion es racional y se cumplen los requisitos para que la integral en el
arco del contorno de Bromwich desaparezca y
Z +j
I
1
1 st
1
1 st
x(t) =
e ds =
e ds
2j j s + a
2j s + a
Puesto que debe estar en la ROC, y el contorno encierra al u
nico polo de X(s) en a,
entonces, utilizando la formula integral de Cauchy:
I
1 st
e ds = 2jeat
s+a
y finalmente, como el resultado anterior es valido solo para t 0
x(t) = eat u(t)
4.7
215
4 Transformada de Laplace
1
t(n1) eat u(t)
(n 1)!
4.8
1
sn
para n 1
Soluci
on: De los ejemplos anteriores con a = 0 y n 0 se obtiene
1
u(t)
s
1
1
tn1 u(t)
n
s
(n 1)!
4.9
c1 c2 c3
+ 2 + 3 + ...
s
s
s
entonces, utilizando los resultados del ejemplo 4.9 y la propiedad de linealidad de la transformada de Laplace se cumple que
h
i
c3
c4
x(t) = c1 + c2 t + t2 + t3 + . . . u(t)
2!
3!
Descomposici
on en fracciones parciales
Cualquier funcion racional de la forma X(s) = N (s)/D(s), con N (s) y D(s) polinomios tales
que el orden de D(s) es estrictamente mayor que el de N (s) pueden descomponerse como
216
una suma de terminos mas sencillos, cada uno con un solo polo de orden n. Si X(s) contiene
u
nicamente m polos simples en ai , entonces
m
X
Ai
X(s) =
s ai
i=1
Notese que los numeradores de cada termino son todos constantes, y que esto es valido solo si
el orden de N (s) es menor que el de D(s), en cuyo caso a X(s) se le denomina funcion racional
propia. En caso contrario, X(s) es una funcion racional impropia que puede expresarse como
una suma de un polinomio mas una funcion racional propia. Esta u
ltima descomposicion se
puede realizar por medio de una division polinomial adecuada.
s3 1
s2 1
Soluci
on: Utilizando division polinomial se obtiene
s3
s3
s2 1
s
1
s1
=s+
2
s 1
s+1
Si se desea obtener la transformada inversa de esta expresion, de la tabla 4.2 se tiene que
s
d
(t)
dt
1
et u(t)
s+1
donde se ha asumido que la se
nal debe ser causal. Con la propiedad de linealidad se tiene
entonces
d
X(s) x(t) = (t) + et u(t)
dt
4.10
217
4 Transformada de Laplace
X
Ai
Ai
(s ak )
lim (s ak )X(s) = lim
=
lim (s ak )
sak
sak
sa
s ai
s ai
k
i=1
i=1
m
(
0 para i 6= k
1 para i = k
entonces
Ak = lim (s ak )X(s)
sak
(4.6)
Los coeficientes Aik con 1 k < n se determinan a traves de derivaciones sucesivas, con un
razonamiento analogo al utilizado en la determinacion de los residuos en la pagina 68. El
lector puede comprobar que estos coeficientes estaran dados por
Aik = lim
sai
1
d(nk)
[(s ai )n X(s)]
(n k)! ds(nk)
Puede demostrarse que si hay un par de polos complejos conjugados ai = a k , los coeficientes
correspondientes tambien seran complejos conjugados, es decir Ai = A k .
En los ejemplos 4.1, 4.2, 4.7 y 4.8 se mostro la correspondencia entre los dominios temporal
y de Laplace para dichos terminos simples, donde no debe perderse de vista la ROC de
cada termino. Utilizando la propiedad de linealidad de la transformada de Laplace puede
entonces determinarse la se
nal en el tiempo correspondiente a X(s). La tabla 4.2 muestra
algunas funciones elementales frecuentemente encontradas. Se deja al lector como ejercicio
su demostracion.
Ejemplo 4.11 Encuentre la transformada inversa de Laplace de
X(s) =
1
s2 + 2s +
218
Transformada
(t)
1
1
u(t)
s
1
u(t)
s
n1
t
1
u(t)
(n 1)!
sn
n1
t
1
u(t)
(n 1)!
sn
1
eat u(t)
s+a
1
eat u(t)
s+a
n1
t
1
eat u(t)
(n 1)!
(s + a)n
n1
t
1
eat u(t)
(n 1)!
(s + a)n
(t )
es
s
+ 02
0
2
s + 02
s+a
(s + a)2 + 02
0
(s + a)2 + 02
[cos(0 t)]u(t)
s2
[sen(0 t)]u(t)
[eat cos(0 t)]u(t)
[eat sen(0 t)]u(t)
dn
(t)
dtn
sn
ROC
todo s
>0
<0
>0
<0
> a
< a
> a
< a
todo s
>0
>0
> a
> a
todo s
1
(s + )2
219
4 Transformada de Laplace
1
A1
A2
=
+
(s a1 )(s a2 )
s a1 s a2
1
1
=
a1 a2
2
A2 =
1
1
= A1 =
a2 a1
2
1
1
1
X(s) =
2 s a1 s a2
Si > 0 entonces ambos polos son reales y se cumple a1 > a2 por lo que para la ROC
> a1 se obtiene
1
x(t) = ea1 t ea2 t u(t)
2
y para la ROC < a2
1
x(t) = ea1 t ea2 t u(t)
2
Si < 0 se cumple a1 = a2 y entonces para la ROC > se obtiene
1
p eRe{a1 }t ej Im{a1 }t ej Im{a1 }t u(t)
2j ||
1
= p eRe{a1 }t sen(Im{a1 }t)u(t)
||
p
1 t
||t u(t)
= p e sen
||
x(t) =
(s +
2a)2 (s
s(s + a)
+ a(1 j))(s + a(1 + j))
con a IR una constante positiva, para todas las regiones de convergencia posibles.
4.11
220
Anticausales
Causales
x(t)
x(t)
=0
=0
x(t)
x(t)
>0
>0
x(t)
x(t)
<0
<0
Figura 4.6: Ejemplos de funciones con transformada de Laplace de orden 2 para el ejemplo 4.11.
Del lado izquierdo se presentan las se
nales anticausales. Del lado izquierdo se presentan las se
nales causales (con ROC un semiplano derecho). En cada caso se indica si
el valor del termino es positivo, negativo o cero.
221
4 Transformada de Laplace
j
ROC3 ROC2
ROC1
a
2a
Soluci
on: Para encontrar las regiones de convergencia se parte del diagrama de polos y ceros
indicado en la figura 4.7. Se nota claramente que con los polos indicados hay tres posibles
regiones. Para la se
nal derecha, ROC1 tiene > a. La se
nal bilateral tiene como ROC2
2a < < a. La se
nal izquierda tiene como ROC3 < 2a. El superndice sobre el polo
en 2a indica el orden del mismo.
El orden del numerador de X(s) es uno, y el orden del denominador es cuatro, por lo tanto
se cumple
A11
A12
A2
A3
X(s) =
+
+
+
2
s + 2a (s + 2a)
s + (a ja) s + (a + ja)
con
s(s + a)
d
s2 + sa
d
= lim
s2a ds s2 + 2as + 2a2
s2a ds (s + (a ja))(s + (a + ja))
2
2
a(s + 4as + 2a )
1
= lim
=
1
2 j/4
A2 = lim = (1 + j) =
e
s(a+ja)
4a
4a
1
2 j/4
A3 = lim = (1 j) =
e
s(aja)
4a
4a
A11 = lim
Para la ROC1 , todos los terminos corresponden a funciones derechas, por lo que, utilizando
resultados de ejemplos anteriores se tiene que
1 2at
1 j/4 (aja)t j/4 (a+ja)t
2at
x(t) = e
+ te
+
2e
e
+ 2e
e
u(t)
2a
4a
"
#
at
1
2e
=
t
e2at +
cos at +
u(t)
2a
2a
4
222
0.1
0.05
0
-1
-0.05
0.5
0
-2
-1
-0.5
-1
-1.5
-2
-2.5
x(t) =
t e2at
cos at +
u(t)
2a
2a
4
lo que se muestra en la figura 4.10.
4.12
4.1.4
223
4 Transformada de Laplace
x(t)
0
-0.6
-0.5
-0.4
-0.3
-0.2
-0.1
0.1
Y (s) = H(s)X(s)
Esta transformada tiene mayores posibilidades en el analisis de sistemas que la transformada
de Fourier, puesto que con ella se pueden tratar casos inestables que no tienen representacion en el dominio j, es decir, todos aquellos casos en que la ROC de la transformada de
Laplace no incluye al eje imaginario del plano s = + j.
Recuerdese que a H(j) se le conoce como respuesta en frecuencia del sistema. A H(s) se
le denomina funcion del sistema o funcion de transferencia del sistema.
Causalidad
Si un sistema es causal entonces su respuesta al impulso h(t) es cero para todo t < 0 y es por
tanto una funcion derecha. Por esta razon la ROC de todo sistema causal sera un semiplano
derecho. Debe notarse, sin embargo, que lo contrario no es cierto, es decir, que si la ROC
de una funcion es un semiplano derecho entonces la funcion no es necesariamente causal,
puesto que no toda funcion derecha es causal. Por ejemplo, u(t + 1) es derecha pero como
en el intervalo [1, 0] es diferente de cero entonces no es causal.
Para el caso particular de funciones racionales, al no tener H(s) los terminos exponenciales
causantes del desfase en el tiempo, se puede afirmar que si su ROC es un semiplano derecho
delimitado por el polo mas a la derecha de H(s), entonces h(t) es causal.
Un sistema se denomina anticausal si su respuesta al impulso h(t) es cero para todo t > 0,
que por ser una funcion izquierda implica un semiplano izquierdo como ROC. De igual modo
224
que para sistemas causales, solo si H(s) es racional se puede inferir que si su ROC es un
semiplano izquierdo entonces su respuesta al impulso es anticausal.
Estabilidad
En la seccion 3.4.4 se establecio que un sistema estable BIBO tiene una respuesta al impulso
absolutamente integrable, y por lo tanto tiene transformada de Fourier. Esto implica entonces a su vez que si h(t) es la respuesta al impulso de un sistema estable, entonces H(s) debe
incluir en su ROC al eje imaginario j del plano s.
Ejemplo 4.13 Sea
s2
(s + 1)(s 1)
la funcion de transferencia de un sistema estable. Determine su respuesta al impulso.
H(s) =
Soluci
on: La figura 4.11 muestra el diagrama de polos y ceros de X(s) junto con las tres
posibles regiones de convergencia. Puesto que de las tres ROC mostradas solo la banda de
convergencia al centro contiene al eje j, se deriva que la respuesta al impulso es una funcion
bilateral.
j
+1
+2
+1
+2
+1
+2
Figura 4.11: Diagrama de polos y ceros y posibles regiones de convergencia en el ejemplo 4.13.
2 s+1 s1
y de este modo
3
1
h(t) = et u(t) + et u(t)
2
2
lo que se muestra en la figura 4.12.
4.13
225
4 Transformada de Laplace
h(t)
1.5
0.5
0
-5
-4
-3
-2
-1
Figura 4.12: Gr
afica de la respuesta al impulso h(t) en el ejemplo 4.13.
p
2
p
p
2 < 0
2 <
2 < 2
>0
Si < 0 entonces la componente real del polo es , que se encontrara del lado izquierdo
del eje imaginario solo si > 0. Estos tres casos se resumen graficamente en la figura 4.13.
4.14
4.1.5
El comportamiento de muchos sistemas fsicos, entre ellos los circuitos lineales (es decir,
circuitos RLC, con amplificadores operacionales lineales) puede describirse a traves de ecua-
226
<0
>0
Figura 4.13: Valores de y que dan origen a un sistema de segundo orden causal y estable.
Solo valores en las regiones sombreadas conducen a la estabilidad.
dk y(t) X dk x(t)
ak
=
bk
k
dt
dtk
k=0
k=0
M
ak L
k=0
dk y(t)
dtk
=
M
X
bk L
k=0
dk x(t)
dtk
ak s Y (s) =
k=0
Y (s)
M
X
bk sk X(s)
k=0
N
X
ak s = X(s)
M
X
k=0
bk s k
k=0
Y (s)
X(s)
PM
k=0
H(s) = PN
k=0
bk s k
ak s k
que es una funcion racional con un numerador igual a un polinomio de grado M , cuyos
coeficientes son iguales a aquellos que multiplican las derivadas de la funcion de entrada, y
227
4 Transformada de Laplace
con un denominador igual a un polinomio de grado N con coeficientes iguales a los de las
P
k
derivadas de la funcion de salida. Los ceros de H(s) son entonces las races de M
k=0 bk s y
estan determinados entonces por los coeficientes de las derivadas de la entrada u
nicamente.
PN
k
Los polos de H(s) equivalen a las races de k=0 ak s y estan determinados por los coeficientes de las derivadas de la salida. Note que esta deduccion es valida tambien utilizando
la transformada de Fourier, y se sustituye simplemente s por j.
Ejemplo 4.15 La figura 4.14 muestra un circuito RLC interpretado como sistema con
tension electrica de entrada x(t) y tension electrica de salida y(t). Determine la funcion de
R
x(t)
y(t)
x(t) = Ri(t) + L
H(s) =
228
r
R
R
4L
1,2 =
1 2
2L 2L
R C
y puesto que R, L, y C son siempre reales positivos se puede decir que el termino dentro de
la raz es siempre menor que uno, por lo que la parte real de los polos es siempre menor que
cero. Puesto que, como sistema real, el circuito es causal, entonces se puede deducir que el
sistema es estable al estar incluido en la ROC de H(s) el eje imaginario j.
donde
La respuesta al impulso se puede calcular a partir de H(s), pero su forma dependera del signo
del discriminante de la ecuacion cuadratica anterior, tal y como se mostro en el ejemplo 4.11.
4.15
4.2
4.2.1
Propiedades
Las propiedades de la transformada unilateral de Laplace se resumen en la tabla 4.4. Algunas de ellas son identicas a sus contrapartes en la transformada bilateral, pero otras difieren
considerablemente. Todas aquellas propiedades que conducen a una region de convergencia
229
4 Transformada de Laplace
Transformada
(t)
1
1
1
s
n1
t
1
(n 1)!
sn
1
eat
s+a
tn1 at
1
e
(n 1)!
(s + a)n
(t ), > 0 es
cos(0 t)
sen(0 t)
eat cos(0 t)
eat sen(0 t)
dn
(t)
dtn
ROC
todo s
>0
>0
> a
> a
todo s
s
+ 02
0
2
s + 02
s+a
(s + a)2 + 02
0
(s + a)2 + 02
s2
sn
>0
>0
> a
> a
todo s
igual a un semiplano izquierdo del plano s no tienen equivalencia en la transformada unilateral, puesto que esta u
ltima permite u
nicamente semiplanos derechos en su ROC. Es por
ello que propiedades como inversion, o escalado en el tiempo con magnitudes negativas no
tienen equivalente en la transformada unilateral.
Linealidad
Sean las funciones en el dominio del tiempo x1 (t) y x2 (t) y sus respectivas transformadas
unilaterales de Laplace
x1 (t) X1 (s),
ROC: R1
x2 (t) X2 (s),
ROC: R2
entonces
1 x1 (t) + 2 x2 (t) 1 X1 (s) + 2 X2 (s),
ROC: R1 R2
230
Se
nal en el tiempo
Transformada
ROC
Linealidad
Funcion real
Desplazamiento temporal
Desplazamiento en s
Conjugacion
x(t) = x(t)u(t)
x1 (t) = x1 (t)u(t)
x2 (t) = x2 (t)u(t)
1 x1 (t) + 2 x2 (t)
x(t) IR
x(t ), > 0
es0 t x(t)
x (t)
X(s)
X1 (s)
X2 (s)
1 X1 (s) + 2 X2 (s)
X(s) = X (s )
es X(s)
X(s s0 )
X (s )
1 s
x
a
a
X1 (s)X2 (s)
R
R1
R2
R1 R2
R
R
R + s0
R
x1 (t) x2 (t)
dx(t)
dt
dn
x(t)
dtn
sX(s) x(0 )
R/a
R1 R2
R
sn X(s)
n
X
sni x(i1) (0 )
i=1
Diferenciacion en s
Integracion
tx(t)
Z t
x( ) d
0
x(0+ )
lim x(t)
d
X(s)
ds
1
X(s)
s
lim sX(s)
R
R { > 0}
lim sX(s)
s0
Las operaciones aritmeticas utilizadas en la ROC se refieren a operaciones aplicadas a cada uno de los
elementos de la regi
on. As por ejemplo R + s0 denota en realidad {s | s = r + s0 , r R}. El smbolo
en la ROC implica que la regi
on es al menos la indicada.
231
4 Transformada de Laplace
x(t + )est dt
0
y con = t + , d = dt
Z
s( )
x()e
d = e
Z
Z
s
s
=e
x()e d
0
x()es() d
s
x()e d
(
x(t) para 0 t < T
0
en el resto
es una funcion finita causal igual al primer periodo T de la funcion x(t). Se cumple entonces
que
X
x(t)u(t) =
x(t nT )
n=0
232
linealidad
Lu {x(t)} =
Lu {
x(t nT )}
n=0
=
=
X
n=0
esnT Lu {
x(t)}
snT
X(s)
= X(s)
n=0
esnT
n=0
N
1
X
1 esN T
N 1 esT
esnT = lim
n=0
1
1 esT
X(s)
1 esT
4.16
Conjugaci
on
Al igual que con la transformada bilateral se cumple
x (t) X (s )
y por tanto para funciones x(t) reales se cumple que si p es un polo complejo con parte
imaginaria diferente de cero, entonces p tambien lo es. Observese que la relacion X(s) =
X (s ) para funciones reales indica que si se hace un corte paralelo al eje j de la superficie
correspondiente a |X(s)|, entonces la funcion en ese corte presenta simetra par. Por otro
lado, la fase tiene un comportamiento impar en los cortes paralelos al eje j.
Escalamiento en el tiempo
A diferencia de la transformada bilateral, donde el escalamiento temporal puede realizarse
con cualquier valor real, positivo o negativo, en la transformada unilateral solo tiene sentido
utilizar valores positivos, puesto que un escalamiento por un valor negativo implica una
inversion temporal, que convierte se
nales derechas en se
nales izquierdas, las cuales no tienen
representacion valida si se ignora todo instante t < 0. Para todo a > 0 se cumple entonces
1 s
x(at) X
a
a
233
4 Transformada de Laplace
Si X(s) es una funcion racional, entonces el escalado en el tiempo produce que los polos
cambien su componente real, desplazando tambien la region de convergencia, tal y como
sucede con la transformada bilateral.
Convoluci
on
La diferencia fundamental de la propiedad de convolucion en el caso de la transformada
unilateral es la restriccion de que las dos funciones involucradas en la operacion deben ser
causales, es decir
x1 (t) x2 (t) X1 (s)X2 (s)
siempre y cuando x1 (t) = x2 (t) = 0, para todo t menor que cero. De no ser as, en el dominio
s aparecen nuevos terminos producidos por los segmentos de las se
nales que ocurren antes
de t = 0.
Diferenciaci
on
Una de las propiedades mas poderosas de la transformada unilateral de Laplace es la diferenciacion, que permite incorporar condiciones iniciales en la solucion de ecuaciones diferenciales. Si x(t) tiene como transformada unilateral X(s), y x(t) es continua en x(0) y su
derivada es de orden exponencial entonces
Z
d
d
Lu
x(t) =
x(t)est dt
dt
dt
0
e integrando por partes
=
x(t)est 0
x(t)est dt
+s
0
= sX(s) x(0 )
Para la segunda derivada se cumple
2
Z 2
d
d
Lu
x(t) =
x(t)est dt
2
2
dt
dt
0
e integrando por partes
Z
d
d
=e
x(t) + s
est x(t) dt
dt
dt
0
0
d
d
= x(t)
+ sLu
x(t)
dt
dt
t=0
d
2
234
donde
x
(n)
dn
(0 ) = n x(t)
dt
t=0
Integraci
on
Puesto que el uso de la transformada unilateral se restringe al manejo de funciones causales,
la propiedad de integracion difiere al caso de la transformada bilateral, en la cual se deba
considerar que x(t) podra ser diferente de cero para t < 0. En el actual caso, si x(t) es
causal, entonces se cumple
Z t
1
x( ) d = x(t) u(t) X(s)U (s) = X(s)
s
0
donde debe notarse que la integracion se realiza ahora a partir de 0 .
Teoremas de valor inicial y valor final
Sea x(t) una funcion causal, es decir, x(t) = x(t)u(t), y sin valores singulares en el origen,
como el impulso o su derivada. El teorema del valor inicial establece que
x(0+ ) = lim sX(s)
s
est
0
0+
= lim
e
0
d
x(t) dt
dt
st
d
x(t) dt + lim
s
dt
est
0+
d
x(t) dt
dt
235
4 Transformada de Laplace
Por otro lado, como la transformada unilateral de dx(t)/dt existe, entonces debe ser de orden
exponencial y en la ROC
Z
d
est x(t) dt = 0
lim
s 0+
dt
con lo que finalmente
lim [sX(s) x(0 )] = x(0+ ) x(0 )
0+
lim
est
d
x(t) dt = 0
dt
s0
d
lim[sX(s) x(0 )] = lim
e
x(t) dt =
s0
s0 0
dt
= lim x(t) x(0 )
st
d
x(t) dt = x(t)|
0
dt
por lo que
lim x(t) = lim sX(s)
4.2.2
s0
Ecuaciones diferenciales
Los principios utilizados en la solucion de ecuaciones diferenciales con la transformada bilateral de Laplace pueden ser aplicados con la version unilateral. Puesto que el equivalente en
el dominio s de las derivadas contiene terminos de x(t) y sus derivadas evaluados en t = 0,
esto permite ahora incorporar condiciones iniciales en la solucion.
236
y(0 ) =
d
y(t)
=
dt
t=0
d
Y (s) s + 2s + = X(s) + sy(0 ) + y(t)
+ 2y(0 )
dt
t=0
de donde se obtiene
(s + 2)y(0 ) + dtd y(t)t=0
X(s)
Y (s) = 2
+
s + 2s +
s2 + 2s +
Aqu se observa claramente que la salida tiene dos componentes: la primera depende de
la entrada X(s) y se conoce como respuesta forzada; la segunda esta determinada por las
condiciones iniciales y se conoce como respuesta natural del sistema. Si el sistema esta en
reposo, es decir, todas sus condiciones iniciales son cero, entonces solo presentara respuesta
forzada ante la entrada. Por otro lado, si no se aplica ninguna entrada, entonces el sistema
reaccionara dependiendo de las condiciones iniciales.
Para los valores iniciales dados y la entrada indicada
x(t) = u(t) X(s) =
se obtiene
Y (s) =
(s + 2) +
+
s(s2 + 2s + )
s2 + 2s +
El termino cuadratico fue analizado en los ejemplos 4.11 y 4.14. Aqu deben considerarse
los tres casos aplicables a un sistema causal.
Si = 0 entonces
Y (s) =
con
A1 =
s2 + 2s + s +
s(s + )2
A2 =
A1
A2
A3
+
+
s
s + (s + )2
A3 = +
237
4 Transformada de Laplace
con lo que
y(t) = A1 u(t) + A2 et u(t) + A3 tet u(t)
Si > 0 entonces a1 y a2 son reales y
Y (s) =
A2
A3
A1
+
+
s
s a1 s a2
por lo que
y(t) = A1 u(t) + A2 ea1 t u(t) + A3 ea2 t u(t)
con
a2 2a1 a1 +
A2 = 1
a1 (a1 a2 )
2
a2 + 2a2 + a2
A3 =
a2 (a1 a2 )
A1 =
238
4.3
4.3 Problemas
Problemas
Los siguientes ejercicios estan basados en [8, 14], algunos con leves modificaciones, otros
nuevos para profundizar en los conceptos introducidos en este captulo.
Problema 4.1. Encuentre la transformada de Laplace de
1. x(t) = cos(at)u(t)
3. x(t) = sa(at)
2. x(t) = sen(at)u(t)
4. x(t) = sa(at)u(t)
4. e3t u(t)
5. e3t
3. e3|t|
6. e3|t| u(t)
239
4 Transformada de Laplace
4.
5.
6.
7.
8.
1
,
s+1
x2 (t) X2 (s) =
1
,
(s + 1)(s + 2)
ROC: > 1
ROC: > 1
|X(s)| < n
R
con las constantes IR, > 0, y n IN+ , entonces
Z
X(s)est ds = 0
lim
R
sai
1
d(nk)
[(s ai )n X(s)]
(n k)! ds(nk)
Problema 4.13. Demuestre que si X(s) es una funcion racional propia, entonces si tiene
un par de polos complejos conjugados ai = a k , entonces los coeficientes correspondientes
tambien son complejos conjugados, es decir Ai = A k .
240
4.3 Problemas
Problema 4.14. Demuestre que un par de polos simples complejos conjugados con la
expresion algebraica de Transformada de Laplace:
X(s) =
A
A
+
s p 1 s p1
1
1
+
s+1 s+3
2.
s+1
s2 1
3.
s3 1
s2 + s + 1
241
4 Transformada de Laplace
s2
2(s + 2)
,
+ 7s + 12
ROC: > 3
s2
s
,
1
1 < < 1
242
4.3 Problemas
Encuentre X(s) y Y (s) junto con sus regiones de convergencia. Encuentre entonces las
soluciones en el dominio del tiempo x(t) y y(t).
Problema 4.26. Un sistema LTI causal tiene respuesta al impulso h(t). Encuentre esta
respuesta si el sistema de entrada x(t) y salida y(t) se rige por la ecuacion diferencial
d3 y(t)
d2 y(t)
dy(t)
+ 2 y(t) = x(t)
+
(1
+
)
+ ( + 1)
3
2
dt
dt
dt
Determine ademas para que valores de el sistema es estable.
Si
dh(t)
+ h(t)
dt
indique cuantos polos tiene su transformada de Laplace G(s).
g(t) =
Problema 4.27. Analice la existenca de la transformada de Laplace bilateral de las funciones x(t) = 1, x(t) = sen(t) y x(t) = cos(t).
Problema 4.28. Sea
x1 (t) = eat u(t)
X
dn
1
X(s) =
x(t)
n
n+1
dt
t=0+ s
n=0
4 Transformada de Laplace
243
244
4.3 Problemas
Captulo 5
Transformada z
La transformada z es a los sistemas en tiempo discreto lo que la transformada de Laplace
es a los sistemas en tiempo continuo. Ambas representan herramientas para el analisis de
ciertas propiedades de las se
nales, que en el dominio del tiempo solo pueden ser evaluadas con
mayor dificultad: la convolucion es transformada otra vez en un producto, y las ecuaciones
de diferencias, que son el equivalente discreto de las ecuaciones diferenciales, pueden ser
solucionadas de forma mas sencilla en el dominio de la frecuencia compleja que en el dominio
del tiempo discreto.
Antes de presentar la transformada z propiamente, es necesario introducir algunos conceptos
basicos sobre se
nales discretas.
5.1
246
5.1.1
Conversi
on anal
ogica/digital
xa (t)
Se
nal
Analogica
Muestreo
x(n)
Cuantificacion
Se
nal de
Variable Discreta
xq (n)
Codificacion
Se
nal
Cuantificada
c(n)
Se
nal
Digital
n Z, T IR
5 Transformada z
247
xa (t)
x(n) = xa (nT )
Fs = 1/T
Se
nal
de variable
discreta
Muestreo
x(n)
xa (t)
xa (t)
x(n) = xa (nT )
5.1.2
Se ha visto que x(n) es una funcion definida para n entero. La figura 5.3 presenta un ejemplo
de representacion grafica de una se
nal de este tipo.
x(n)
3
2
1
1
248
1
x(n) =
para n = 1
5n
para 2 n 4
el resto
y si es finita
x(n) = {0, 1, 3, 2, 1} = {0, 1, 3, 2, 1}
X
n=
xa (t)(t nT ) =
X
n=
xa (nT )(t nT )
(5.1)
5 Transformada z
249
Notese que esta representacion ya fue utilizada para representar con la transformada de
Fourier el espectro de una se
nal periodica, que es bien sabido tiene un espectro discreto
determinado por los coeficientes ck de la serie de Fourier. Esta u
ltima representacion es
fundamental para la obtencion de la transformada z.
5.1.3
Se
nales elementales de variable discreta
Ciertas se
nales aparecen frecuentemente en el analisis de sistemas y se
nales discretas.
Impulso unitario
El impulso unitario (n) esta definido como (figura 5.4a):
(n) =
(
1
para n = 0
para n 6= 0
Escal
on unitario
El escalon unitario u(n) se define como (figura 5.4b):
u(n) =
(
0
para n < 0
para n 0
Notese que
u(n) =
n
X
(i)
i=
Rampa unitaria
La rampa unitaria se obtiene de
ur (n) =
n
X
u(i 1)
i=
ur (n) =
(
0
para n < 0
para n 0
250
replacemen
(n)
u(n)
ur (n)
(a)
(b)
(c)
Figura 5.4: Tres funciones elementales (a) Impulso unitario. (b) Escalon unitario. (c) Rampa
unitaria
Se
nal exponencial
La se
nal exponencial se define como
x(n) = an
y su comportamiento depende de la constante a. Para valores reales y complejos de a, el
comportamiento es estable si |a| < 1 o inestable si |a| > 1 (figura 5.5).
x(n)
x(n)
1.5
2.5
1
2
1.5
0.5
1
0.5
0
-1
9 10 11 12
-1
(a)
x(n)
9 10 11 12
x(n)
1
0.5
(b)
1.5
0
-1 0
-0.5
-1
-1.5
(c)
9 10 11 12
3.5
3
2.5
2
1.5
1
0.5
0
-1 0
-0.5
-1
-1.5
-2
-2.5
-3
-3.5
9 10 11 12
(d)
Figura 5.5: Funciones exponenciales para valores de a reales. (a) 0 < a < 1 (b) a > 1 (c) 1 <
a < 0 (d) a < 1.
5 Transformada z
251
x(n)
6
3
1
2
0
-1 0
n
1
9 10 11 12 13 14 15 16 17 18 19 20
-1
0
-1 0
9 10 11 12 13 14 15 16 17 18 19 20
-2
-3
(a)
(b)
Figura 5.6: Magnitud y fase de la funcion exponencial compleja con a = rej , r < 1 y 0 < < .
(a) Magnitud. (b) Fase
Im{x(n)}
0
-1 0
n
1
9 10 11 12 13 14 15 16 17 18 19 20
-1
0
-1 0
n
1
9 10 11 12 13 14 15 16 17 18 19 20
-1
(a)
(b)
Figura 5.7: Partes real e imaginaria de la funcion exponencial con a compleja. (a) Parte real.
(b) Parte imaginaria
Notese que si r = 1 la se
nal es amplitud constante.
Otra representacion de una se
nal exponencial compleja se presenta en la figura 5.8, donde el
valor de cada muestra se grafica sobre un plano complejo perpendicular al eje n, generandose
as un patron fasorial en el tiempo discreto, en el que se aprecian tanto las componentes real
e imaginaria, como la magnitud y fase de cada muestra.
252
Re{x(n)}
5.2
5.2.1
Transformada z bilateral
Transformada z bilateral directa
=
=
X
n=
n=
(t nT )est dt
xa (nT )
xa (nT )esnT
n=
Z {x(n)} = L {
xa (t)} =
x(n)z n = X(z)
n=
5 Transformada z
253
Notese que la sustitucion de variable z = esT puede interpretarse como un mapeo conforme
del plano s = + j al plano complejo z. En el ejemplo 2.13 ya se analizo que, debido a que
z = e(+j)T = eT ejT
entonces una linea vertical en el plano s, para la cual es constante, es transformada en
un crculo de radio eT . Se deduce que una banda vertical entre min < < max es
transformada en un anillo delimitado por un crculo interno de radio emin T y un crculo
externo de radio emax T . Puesto que X(z) corresponde a una transformada de Laplace cuya
ROC es alguna banda vertical en el plano s, se concluye que las regiones de convergencia de
la transformada z equivalen a anillos (de posible extension infinita) en el plano z. Si la se
nal
es derecha, entonces la ROC sera seg
un lo anterior el exterior de un crculo. Si la se
nal es
izquierda, sera el interior de un crculo.
Al igual que con la transformada bilateral de Laplace, cuando se haga referencia a la transformada z de una se
nal discreta x(n) debe tambien incluirse su ROC.
Ejemplo 5.1 Calcule la transformada z de:
1. x1 (n) = {1, 2, 5, 7, 0, 1}
2. x2 (n) = {1, 2, 5, 7, 0, 1}
3. x3 (n) = (n)
4. x4 (n) = (n + k), k > 0
Soluci
on:
1.
2.
3.
4.
La ROC de se
nales finitas es todo el plano z excepto z = 0 y/o z = .
5.1
x(n)z
n=
n
X
1
n=0
1 n
X
z
n=0
que converge si 21 z 1 < 1 |z| > 12 , a:
X(z) =
1
1
1 1 ,
z
2
1
2
5.2
254
x(n)rn ejn
n=
X
X
x(n)rn
x(n)rn ejn
|X(z)| =
n=
(5.2)
n=
1
X
X
X
X
x(n)rn
x(n)rn =
x(n)rn +
|x(n)rn | +
n=
n=0
n=1
n=0
y ambas sumatorias deben converger si |X(z)| ha de ser finito. Para la primera suma deben
existir valores de r suficientemente peque
nos para que x(n)rn sea absolutamente sumable
(r < r1 ) (figura 5.9).
Im{z}
Plano z
r1
ROC de
n=1
|x(n)rn |
Re{z}
Para que la segunda suma converja, se necesitan valores de r suficientemente grandes para
que x(n)rn sea absolutamente sumable. Por ello, la ROC seran los puntos fuera de una
circunferencia r > r2 (figura 5.10).
Como ambas sumas deben converger la ROC de X(z) es la region anular del plano z, r2 <
r < r1 (figura 5.11), lo que concuerda con el analisis anterior basado en el mapeo conforme
z = esT .
Ejemplo 5.3 Determine la transformada z de:
x(n) = n u(n)
5 Transformada z
255
Im{z}
Plano z
r2
Re{z}
Plano z
r2
Re{z}
Soluci
on: Se tiene que:
X(z) =
x(n)z
1 n
(z ) =
(z 1 )
n=0
n=0
n=
1
.
1z 1
1
,
1 z 1
ROC: z > 1
5.3
X
n=
x(n)z
1
X
n=
n n
X
m=1
m m
z =
(1 z)m
m=1
256
1
=
=
1
1
1 z
1 z
1 z 1
Notese que esta expresion es identica a la obtenida para x(n) = n u(n). Se concluye que la
forma compacta de la transformada z no especifica una u
nica se
nal en el dominio del tiempo.
Esto solo ocurre indicando ademas la ROC. El termino transformada z indica entonces no
solo la expresion X(z), sino tambien su ROC.
Lo anterior cumple con que la ROC de una se
nal anticausal es el interior de una circunferencia, mientras que para se
nales causales es el exterior de una circunferencia.
5.4
Ejemplo 5.5 Determine la transformada z de:
x(n) = n u(n) + bn u(n 1)
Soluci
on:
X(z) =
x(n)z n =
n=
n z n +
n=0
1
X
n=
bn z n =
z 1
n
n=0
b1 z
n
n=1
La primera suma converge si |z 1 | < 1 (|z| > ||) y la segunda si |b1 z| < 1 (|z| < |b|).
Esto implica que la transformada z existe si y solo si |b| > || y la ROC es un anillo en el
plano z.
5.5
La figura 5.12 muestra un resumen de lo discutido hasta el momento en cuanto a la relacion
de la causalidad de una se
nal con respecto a la ROC de su transformada z. Notese la relacion
con las ROC de la transformada de Laplace.
La tabla 5.1 resume algunas transformaciones importantes. Se aprecia que todas las transformaciones en esta tabla son funciones racionales.
5.2.2
Linealidad
Si x1 (n) X1 (z) y x2 (n) X2 (z), entonces
x(n) = a1 x1 (n) + a2 x2 (n) X(z) = a1 X1 (z) + a2 X2 (z) .
Ejemplo 5.6 Determine la transformada z de x(n) = [3(2n ) 4(3n )]u(n).
Soluci
on: Si x1 (n) = 2n u(n) y x2 (n) = 3n u(n), entonces x(n) = 3x1 (n) 4x2 (n)
En el ejemplo (5.3) se derivo:
n u(n)
1
,
1 z 1
5 Transformada z
257
z \ {0}
n
Anticausal
z \ {}
n
Bilateral
z \ {0, }
n
r2 < |z|
n
Anticausal
|z| < r1
n
Bilateral
258
Transformada z, X(z)
ROC
(n)
Plano z
1
1 z 1
1
1 az 1
az 1
(1 az 1 )2
1
1 az 1
az 1
(1 az 1 )2
1 z 1 cos 0
1 2z 1 cos 0 + z 2
z 1 sen 0
1 2z 1 cos 0 + z 2
1 az 1 cos 0
1 2az 1 cos 0 + a2 z 2
az 1 sen 0
1 2az 1 cos 0 + a2 z 2
|z| > 1
u(n)
an u(n)
nan u(n)
(an )u(n 1)
n(an )u(n 1)
cos(0 n)u(n)
sen(0 n)u(n)
an cos(0 n)u(n)
an sen(0 n)u(n)
X1 (z) =
3
4
,
1
1 2z
1 3z 1
Notese que la ROC final debe ser al menos la interseccion de las dos ROC individuales.
Desplazamiento en el tiempo
Si x(n) X(z), entonces x(n k) z k X(z).
La ROC de z k X(z) es la misma de X(z) excepto z = 0 si k > 0 y z = si k < 0.
5.6
5 Transformada z
259
x(n k)z n
n=
y con m = n k
x(m)z (m+k)
m=
=z
=z
x(m)z m
m=
X(z)
para todo a C.
Demostracion:
n
Z {a x(n)} =
X
n=
a x(n)z
n=
dado que la ROC de X(z) es r1 < |z| < r2 , entonces para X(a1 z) se cumple que r1 <
|a1 z| < r2 |a|r1 < |z| < |a|r2 .
j0
j
1
Con a = r0 e , z = re y = a z = r10 r ej(0 ) , se observa con Z {x(n)} = X(z) y
Z {an x(n)} = X(a1 z) = X(), que si r0 > 1 implica una expansion del plano z, o si r0 < 1
una contraccion del plano z, en combinacion con una rotacion (si 0 6= 2k). Notese que
= a1 z representa un mapeo lineal del plano z al plano .
Ejemplo 5.7 Determine la transformada z de la se
nal an cos(0 n)u(n)
Soluci
on:
Con la identidad de Euler se obtiene primero que:
1
1
cos(0 n) = ej0 n + ej0 n
2
2
260
y con Z {n u(n)} =
1
1z 1
Z {cos 0 nu(n)} =
=
=
=
por lo que
Z {an cos(0 n)u(n)} =
1 az 1 cos 0
,
1 2az 1 cos 0 + a2 z 2
Conjugaci
on
Si x(n) tiene como transformada z a X(z) con ROC R entonces
x (n) X (z ),
ROC: R
x (n)z n
Z {x (n)} =
=
n=
x(n)(z )n
n=
!
n
x(n)(z )
n=
= X (z )
De lo anterior se deduce que si x(n) es real, entonces X(z) = X (z ), lo que implica que si
X(z) tiene un polo o cero en z = z0 , tambien lo tendra en z = z0 . En otras palabras, los
polos y ceros aparecen como pares complejos conjugados en la transformada z de secuencias
reales x(n). Observese que la relacion X(z) = X (z ) para funciones reales indica que si
se hace un corte paralelo al eje Im{z} de la superficie correspondiente a |X(z)|, entonces la
funcion en ese corte presenta simetra par. Por otro lado, la fase tiene un comportamiento
impar en los cortes paralelos al eje Im{z}.
Inversi
on temporal
x(n) X(z),
5 Transformada z
261
Demostracion:
Z {x(n)} =
x(n)z
n=
x(l)(z 1 )l = X(z 1 )
l=
1
r2
1
r1
Z {u(n)} =
1
, ROC: |z| > 1
1 z 1
entonces
Z {u(n)} =
1
, ROC: |z| < 1
1z
5.8
Diferenciaci
on en el dominio z
Si x(n) X(z), entonces nx(n) z dX(z)
.
dz
Para demostrar esta propiedad se derivan ambos lados de la definicion con respecto a z:
X
d X
dX(z)
n
x(n)(n)z n1
x(n)z =
=
dz
dz n=
n=
= z
(nx(n))z n = z 1 Z {nx(n)}
n=
dX(z)
= Z {nx(n)}
dz
1
,
1az 1
ROC
z 1
,
(1 z 1 )2
262
Convoluci
on de dos secuencias
Si
x1 (n) X1 (z),
ROC: R1
x2 (n) X2 (z),
ROC: R2
entonces:
x(n) = x1 (n) x2 (n) X(z) = X1 (z)X2 (z)
la ROC es al menos R1 R2 .
Demostracion:
x(n) =
k=
x(n)z n =
n=
n=
k=
!
x1 (k)x2 (n k) z n
X
X
X(z) =
x1 (k)
x2 (n k)z n
n=
k=
= X2 (z)
k=
n=0
X (z )
1
[X(z) + X (z )]
2
1
[X(z) X (z )]
2
dX(z)
z
dz
X1 (z)X2 (z)
x (n)
Re{x(n)}
Im{x(n)}
nx(n)
x1 (n) x2 (n)
Si x(n) es causal
Conjugacion
Parte real
Parte imaginaria
Derivacion en z
Convolucion
Incluye R
X(z 1 )
x(n)
Reflexion en n
X(a1 z)
an x(n)
Escalado en z
Por lo menos R1 R2
Incluye R
1
1
< |z| <
r1
r2
z k X(z)
x(n k)
Desplazamiento en n
por lo menos R1 R2
a1 X1 (z) + a2 X2 (z)
a1 x1 (n) + a2 x2 (n)
X2 (z)
x2 (n)
ROC
Linealidad
X(z)
X1 (z)
x(n)
x1 (n)
Notacion
Dominio z
Dominio n
Propiedad
5 Transformada z
263
264
5.2.3
Transformada z inversa
Definici
on
El procedimiento de encontrar la se
nal en el dominio del tiempo correspondiente a la expresion algebraica en el dominio z para una determinada region de convergencia se denomina
transformada z inversa. Utilizando el teorema integral de Cauchy y la formula integral de
Cauchy se demuestra que se cumple
(
I
1 k=n
1
z n1k dz =
(5.3)
2j C
0 k 6= n
para un contorno de integracion C que rodea al origen.
A partir de la definicion de la transformada z para una se
nal de variable discreta x(k)
X(z) =
x(k)z k
k=
n1
x(k)z k+n1 dz
X(z)z
dz =
C
C k=
X
n1
x(k) z k+n1 dz
X(z)z
dz =
C
k=
Soluci
on: Aplicando (5.4) se obtiene
x(n) =
=
=
=
I
1
X(z)z n1 dz
2j C
I
1
1
z n1 dz
2j C 1 z 1
I
1
z
z n1 dz
2j C z
I
1
zn
dz
2j C z
(5.4)
5 Transformada z
265
I
C
1
z z=a
1
a12
a1
a2
+
+
dz
2
z
za
C z
1
1
=0 2 + 2 =0
a
a
1
1
dz =
2
z (z a)
2j
Esto se puede repetir para todo n < 2 resultando en x(n) = 0. Por tanto, resumiendo
ambos casos en una ecuacion se obtiene:
x(n) = an u(n)
5.10
X
n=
cn z
x(n)z n
n=
266
1 32 z 1 + 12 z 2
1 + 2z 1 + 52 z 2 +
11 3
4 z
23 4
8 z
+ ...
5 11 23
Con lo que se deduce x(n) = 1, 2, 2 , 4 , 8 , . . . .
+z)
z
2
15
2 z +5z )
13
2
2 z 5z
39 2
13
-( 2 z 2 z +13z 3 )
29 2
13z 3
2 z
2
3
4
87
-( 29
2 z
2 z +29z )
61 3
29z 4
2 z
1 2
2z
23 z 1 + 1
z + 5z 2 + 13z 3 + 29z 4 + 61z 5 + . . .
5.11
Este metodo no provee la forma cerrada de x(n) y resulta tedioso si se desea determinar
x(n) para n grande. Es ademas inestable numericamente si se automatiza para ser calculado
en computador.
Ejemplo 5.12 Determine la transformada z inversa de:
X(z) = ln(1 + az 1 ),
Soluci
on:
Puesto que la serie de Taylor para ln(1 + x), |x| < 1 es
ln(1 + x) =
X
(1)n+1 xn
n=1
5 Transformada z
267
entonces
X(z) =
X
(1)n+1 an z n
n=1
(1)n+1 an
u(n
n
1)
5.12
N (z)
b0 + b1 z 1 + . . . + bM z M
=
D(z)
1 + a1 z 1 + . . . + aN z N
1 2
z
6
1
2z
+ 56 z 1 + 1
+1
268
X(z) = 1 + 2z
1+
1 1
z
6
5 1
z + 61 z 2
6
5.13
N (z)
N1 (z)
= c0 + c1 z 1 + . . . + cM N z (M N ) +
D(z)
D(z)
N (z)
b0 + b1 z 1 + . . . + bM z M
=
D(z)
1 + a1 z 1 + . . . + aN z N
b0 z N + b1 z N 1 + . . . + bM z N M
z N + a1 z N 1 + . . . + aN
donde
Soluci
on: Multiplicando por
1+
1 1
z
6
5 1
z + 61 z 2
6
se obtiene:
1
z
z2
6
=
5
2
2
z
z + 6z +
1
z+
6
1
3
1
6
z
z+
1
2
=
A1
A2
+
1
z+3
z + 12
5 Transformada z
269
Notese que no fue aqu necesario dividir por z pues la funcion racional resultante
fue propia desde un principio. Multiplicando ambos lados por (z + 1/3) y haciendo
z 1/3 se obtiene A1 = 1/3. Por otro lado, multiplicando ambos lados por
(z + 1/2) y haciendo z 1/2 se obtiene A2 = 1/2.
Se cumple entonces:
1
1 1
31
z
13 z 1
2
2
+
=
+
1
1
1 1
z+3
z+2
1 + 3z
1 + 21 z 1
n1
n1
n n
1
1
1
1
1
u(n 1) +
u(n 1) =
u(n 1)
3
2
2
3
2
1 + z 1
1 z 1 + 12 z 2
.
Soluci
on: Multiplicando por
z2
z2
se obtiene:
X(z) =
z2 + z
z2 z +
1 12
2
1
2
1
2
j 12
X(z)
z+1
= 2
z
z z+
q
1 j45
e
2
1
2
X(z)
A1
A2
A1
A2
=
+
X(z) =
+
1
z
z p 1 z p2
1 p1 z
1 p2 z 1
X(z)
z + 1
p1 + 1
1
3
10 j71,6
A1 = (z p1 )
=
=
= j =
e
z z=p1
z p2 z=p1
p1 p 2
2
2
2
X(z)
p2 + 1
1
z + 1
3
10 j71,6
A2 = (z p2 )
=
=
= +j =
e
z z=p2
z p1 z=p2
p2 p 1
2
2
2
270
Recuerdese que para el caso en que los coeficientes de los polinomios en el numerador
y denominador son reales, entonces si p1 = p2 se cumple A1 = A2 .
Asumiendo que se trata de una se
nal causal, se obtiene de la tabla 5.1
Z 1 {X(z)} = x(n) = [A1 pn1 + A1 p1 n ] u(n)
= |A1 ||p1 |n ej(A1 +np1 ) + ej(A1 +np1 ) u(n)
= 2|A1 ||p1 |n cos (A1 + np1 ))
r
10
=
cos (n45 71,6 )
2n
5.15
5 Transformada z
271
5.16
Para obtener la inversion de X(z) se utiliza entonces la linealidad junto con el hecho ya
demostrado de que:
Z 1
1
1 pk z 1
=
(
(pk )n u(n),
Notese que si la se
nal es causal, la ROC es |z| > pmax = max{|p1 |, |p2 |, . . . , |pN |} y x(n) =
n
n
(A1 p1 + A2 p2 + . . . + AN pnN )u(n).
Si hay un par de polos complejos conjugados, ya se menciono que los coeficientes tambien
seran complejos conjugados siempre y cuando los coeficientes de los polinomios en el numerador y denominador sean reales, y por tanto:
xk (n) = [Ak pnk + Ak pk n ]u(n)
(5.5)
Expresando en forma polar: Ak = |Ak |ejk , pk = |pk |ejk y sustituyendo en (5.5), entonces:
xk (n) = |Ak ||pk |n [ej(k n+k ) + ej(k n+k ) ]u(n)
= 2|Ak ||pk |n cos(k n + k )u(n),
Notese entonces que un par de polos complejos conjugados dan origen a una se
nal sinusoidal
con envolvente exponencial, donde la distancia del polo al origen determina la atenuacion
exponencial, y el angulo de los polos respecto al eje real determina la frecuencia de la
oscilacion.
Los ceros afectan la amplitud y fase a traves de su influencia en los coeficientes Ak .
Para el caso de polos m
ultiples se utilizan tablas, pero es usual encontrar
Z
pz 1
(1 pz 1 )2
= npn u(n),
272
5.3
5.3.1
Descripci
on entrada-salida de sistemas
x(n)
Sistema
Discreto
y(n)
y(n) = x(n)
y(n) = x(n 2)
y(n) = x(n + 1)
y(n) = 13 [x(n + 1) + x(n) + x(n 1)]
y(n) = max {x(n + 1), x(n), x(n 1)}
P
y(n) = nk= x(k)
Soluci
on:
1. Al sistema y(n) = x(n) se le denomina identidad , pues su salida es identica a la entrada:
y(n) = {1, 2, 3, 2, 1}
2. El sistema y(n) = x(n 2) retarda la entrada dos unidades: y(n) = {1, 2, 3, 2, 1}.
5 Transformada z
273
4. El filtro paso bajos y(n) = 13 [x(n + 1) + x(n) + x(n 1)] calcula el promedio de tres
muestras: y(n) = {1/3, 1, 2, 7/3, 2, 1, 1/3}.
5. El filtro de rango y(n) = max {x(n + 1), x(n), x(n 1)} entrega el valor maximo de
la muestra actual, la anterior y la futura: y(n) = {1, 2, 3, 3, 3, 2, 1}. Este filtro puede
y(n) =
n
X
n1
X
x(k) =
k=
k=
{z
y(n1)
}
5.17
En general la salida y(n) en el instante n no solo depende de la entrada x(n) sino de muestras anteriores y posteriores a n. Ademas, la salida de un sistema puede depender de un
estado interno. Por ejemplo, en el acumulador y(n) = y(n 1) + x(n) si una secuencia de
entrada se aplica en dos instantes de tiempo distintos las dos reacciones del sistema difieren,
dependiendo de la historia anterior del sistema y(n 1). Para determinar entonces la
salida en un instante n0 es necesario conocer y(n0 1). El calculo de la secuencia de salida
y(n) para todo instante n > n0 tiene como condicion inicial al valor y(n0 1), que en cierta
forma resume todo el pasado del sistema.
Si la condicion inicial es cero, se dice que el sistema esta en reposo. Siempre se asume que en
n = todo sistema esta en reposo. La salida de un sistema en reposo puede expresarse
entonces utilizando u
nicamente la se
nal de entrada.
Ejemplo 5.18 Determine la salida del sistema acumulador para la entrada x(n) = nu(n)
con condicion inicial y(1) = .
Soluci
on:
y(n) =
n
X
x(k) =
k=
Donde se ha utilizado
Pn
k
Pnk=0
k
Pk=0
n
2 k=0 k
P
2 nk=0 k
Pn
k=0 k
=
=
=
1
X
x(k) +
k=
{z
y(1)=
1
n
n+1
n
X
k =+
|k=0
{z }
n(n + 1)
2
n(n+1)
2
+
2
+ ... +
n
+ n 1 + ... +
1
+ n + 1 + ... + n + 1
= n(n + 1)
=
n(n+1)
2
5.18
274
5.3.2
x(n) y(n)
x(n k) y(n k)
M
X
k=1
ak xk (n) y(n) =
M
X
ak T [xk (n)]
k=1
De la propiedad de escalado se deduce ademas que en un sistema lineal en reposo con entrada
cero (a1 6= 0), entonces la salida debe ser cero.
Si para un sistema la propiedad de superposicion no se cumple, entonces el sistema se dice
ser no lineal.
5 Transformada z
275
y(n) = nx(n)
y(n) = x(n2 )
y(n) = x2 (n)
y(n) = Ax(n) + B
y(n) = ex(n)
Soluci
on:
1. Para el sistema 1 se obtiene primero la respuesta del sistema a una entrada igual
a la suma ponderada de dos se
nales x1 (n) y x2 (n), es decir, para una entrada total
x(n) = a1 x1 (n) + a2 x2 (n) y se obtiene yT (n) = n(a1 x1 (n) + a2 x2 (n)) = a1 nx1 (n) +
a2 nx2 (n). Ahora, la suma ponderada de la salida del sistema para x1 (n) y x2 (n)
por separado es y1 (n) = nx1 (n) y y2 (n) = nx2 (n), y su suma ponderada resulta
en yS (n) = a1 y1 (n) + a2 y2 (n), que es igual a yS (n) = a1 nx1 (n) + a2 nx2 (n). Como
yT (n) = yS (n) se puede afirmar que el sistema y(n) = nx(n) es lineal.
2. Para y(n) = x(n2 ) las salidas yT (n) = a1 x1 (n2 ) + a2 x2 (n2 ) y yS = a1 x1 (n2 ) + a2 x2 (n2 )
son identicas y por tanto el sistema es lineal.
3. Para y(n) = x2 (n) la salida yT (n) = (a1 x1 (n) + a2 x2 (n))2 = a21 x21 (n) + a22 x22 (n) +
2a1 a2 x1 (n)x2 (n) y la salida yS (n) = a1 x21 (n) + a2 x22 (n) evidentemente son diferentes y
por tanto el sistema no es lineal.
4. Para y(n) = Ax(n) + B la salida yT (n) = A(a1 x1 (n) + a2 x2 (n)) + B y la salida
yS (n) = a1 (Ax1 (n) + B)a2 (Ax2 (n) + B) = A(a1 x1 (n) + a2 x2 (n)) + B(a1 + a2 ) difieren
y por tanto el sistema, a pesar de su apariencia, no es lineal.
5. Para y(n) = ex(n) la salida yT = ea1 x1 (n)+a2 x2 (n) = ea1 x1 (n) ea2 x2 (n) y la salida yS =
a1 ex1 (n) + a2 ex2 (n) son diferentes y por tanto el sistema tampoco es lineal.
5.20
5.3.3
An
alisis de sistemas LTI en tiempo discreto
276
Descomposici
on en se
nales elementales
El concepto fundamental del analisis por descomposicion es el siguiente: supongase que la
entrada x(n) puede expresarse como una suma ponderada de funciones elementales {xk (n)}
X
x(n) =
ck xk (n)
k
En otras palabras, si el sistema es lineal, la respuesta del sistema a una entrada es igual a
la suma ponderada de las repuestas del sistema a cada una de las componentes en que se
puede descomponer la entrada, donde se cumple ademas que los coeficientes de ponderacion
de la salida corresponden a los coeficientes de ponderacion de la entrada.
Utilizando como funciones elementales a impulsos unitarios desplazados (n k) es posible
expresar cualquier funcion de variable discreta x(n) como:
x(n) =
x(k)(n k)
k=
en sus impulsos.
Soluci
on: Esta se
nal puede expresarse como
x(n) = 1 (n 1) + 2 (n 2) 1 (n 3)
1
(n 4) + 1 (n 5)
2
5.21
5 Transformada z
277
entonces la salida del sistema puede calcularse con las respuestas elementales a los impulsos
desplazados:
X
X
y(n) =
ck yk (n) =
x(k)h0 (n, k)
k
Si el sistema es ademas invariante en el tiempo, entonces con h(n) = T [(n)] se tiene que
h0 (n, k) = h(n k) y por lo tanto
y(n) =
k=
que se denomina suma de convolucion. Se dice que la respuesta del sistema y(n) a la entrada
x(n) es igual a la convolucion de x(n) con la respuesta al impulso h(n).
Esto quiere decir que en un sistema LTI en reposo su respuesta a cualquier entrada puede
determinarse con solo conocer dicha entrada y la respuesta al impulso h(n), lo cual es similar
a lo analizado en captulos anteriores para sistemas en tiempo continuo.
El calculo de la suma de convolucion involucra cuatro pasos equivalentes a los estudiados
para el caso de la integral de convolucion:
1. Reflexion de h(k) con respecto a k = 0 para producir h(k).
2. Desplazamiento de h(k) hacia el punto n que se desea calcular.
3. Multiplicacion de x(k) y h(n k) para obtener una secuencia producto vn (k) =
x(k)h(n k).
4. Suma de todos los valores de vn (k) para obtener y(n).
Los pasos del 2 al 4 deben realizarse para todo instante n que se desee calcular.
Soluci
on: Siguiendo el procedimiento indicado, primero se calcula la reflexion de la respuesta
al impulso h(k) = {1, 1, 2, 1}. Los siguientes pasos se resumen en la tabla 5.14.
5.22
278
2. Desplazamiento
3. Multiplicacion
por x(k) = {1, 2, 3, 1}
4. Suma
h(1 k)={1, 1, 2, 1}
v1 ={0, 0, 0, 1, 0, 0, 0} y1 =1
h(0 k)={1, 1, 2, 1}
v0 ={0, 0, 2, 2, 0, 0}
y0 =4
h(1 k)={1, 1, 2, 1}
v1 ={0, 1, 4, 3, 0}
y1 =8
h(2 k)={1, 1, 2, 1}
v2 ={1, 2, 6, 1}
y2 =8
h(3 k)={0, 1, 1, 2, 1}
v3 ={0, 2, 3, 2}
y3 =3
h(4 k)={0, 0, 1, 1, 2, 1}
v4 ={0, 0, 3, 1}
y4 =-2
h(5 k)={0, 0, 0, 1, 1, 2, 1}
v5 ={0, 0, 0, 1}
y5 =-1
x(k)h(n k)
k=
x(n m)h(m)
m=nk m=
h(m)x(n m)
m=
= h(n) x(n)
La convolucion es ademas asociativa y distributiva
[x(n) h1 (n)] h2 (n) = x(n) [h1 (n) h2 (n)]
x(n) [h1 (n) + h2 (n)] = x(n) h1 (n) + x(n) h2 (n)
|a| < 1 .
X
k=
x(n k)h(k) =
u(n k)h(k)
(5.6)
k=
Para n < 0 el producto de u(n k) y h(k) es siempre cero y por tanto y(n) = 0. Evaluando
5 Transformada z
279
k=0
Puesto que
Pn
ak
=
1
+a +a2 + . . . +an
Pk=0
a nk=0 ak
=
a +a2 + . . . +an +an+1
Pn
(1 a) k=0 ak = 1 an+1
se deriva para n 0
y(n) =
n
X
k=0
ak =
1 an+1
1a
1
.
1a
y(n)
1
1a
8
7
6
5
4
3
2
1
0
n
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
Figura 5.15: Respuesta del sistema en el ejemplo 5.23 al escalon, con a = 0,9.
5.23
280
Y (z) = H(z)X(z)
Si se conoce la transformada de la salida Y (z) y la transformada X(z) de la entrada que dio
origen a dicha salida, es entonces posible encontrar la respuesta al impulso:
Y (z)
= H(z) h(n)
X(z)
Ejemplo 5.24 Repita el ejemplo 5.23 pero utilice la transformada z para su solucion.
Soluci
on:
Debe encontrarse la salida de un sistema con respuesta al impulso
h(n) = an u(n),
|a| < 1 .
X(z) =
1
(1
z 1 )(1
az 1 )
=
(1 z 1 )(1 az 1 )
1 a 1 z 1
1 a 1 az 1
que transformado al dominio del tiempo discreto resulta en
1
a n
1 an+1
y(n) =
u(n)
a u(n) =
u(n)
1a
1a
1a
lo que confirma el resultado del ejemplo anterior.
5.24
5 Transformada z
281
futuras {x(n + 1), x(n + 2), . . .; y(n + 1), y(n + 2), . . .}. En caso contrario, el sistema es no
causal.
Sistemas que funcionan en lnea deben ser causales por la imposibilidad de determinar el
valor de la entrada o la salida en el futuro.
En un sistema causal la salida en n = n0 depende exclusivamente de valores de entrada x(n)
para n n0 . Como en un sistema LTI
y(n0 ) =
h(k)x(n0 k) =
k=
X
k=0
h(k)x(n0 k) +
| {z }
Muestras
pasadas y
actual
1
X
k=
h(k)x(n0 k)
| {z }
Muestras
futuras
se deriva que para que la salida sea independiente de entradas futuras entonces se debe
cumplir h(k) = 0 para todo k 1.
Dado que h(n) es la respuesta impulsional de un sistema LTI en reposo, h(n) = 0 para n < 0
es condicion necesaria y suficiente para la causalidad.
As, un sistema LTI es causal si y solo si h(n) = 0, n < 0, lo que tambien es consistente
con lo mencionado para sistemas de variable continua.
Si un sistema es causal entonces la convolucion puede simplificarse en
y(n) =
n
X
h(k)x(n k) =
k=0
x(k)h(n k)
k=
y(n) =
n
X
h(k)x(n k) =
k=0
n
X
x(k)h(n k)
k=0
Notese que esta respuesta es a su vez causal, es decir, y(n) = 0 para todo n < 0.
En general, puesto que un sistema causal tiene como respuesta al impulso una se
nal h(n)
causal, se puede afirmar que la region de convergencia de la funcion de transferencia H(z)
es el exterior de un crculo centrado en el origen.
Estabilidad de sistemas lineales e invariantes en el tiempo
Un sistema arbitrario en reposo se dice de entrada acotada - salida acotada (BIBO: bounded
input bounded output) si toda entrada acotada produce una salida acotada:
T
n Z
282
Si para alguna entrada acotada se produce una salida no acotada (es infinita), el sistema se
dice ser inestable.
Dada la convolucion
y(n) =
h(k)x(n k)
k=
X
X
X
|y(n)| =
h(k)x(n k)
|h(k)||x(n k)|
|h(k)|Mx
k=
|y(n)| Mx
k=
k=
|h(k)|
k=
Sh =
|h(k)|
k=
Ejemplo 5.25 Determine el rango del parametro a para el que el sistema LTI de respuesta
al impulso h(n) = an u(n) es estable.
Soluci
on:
El sistema es estable si
X
k=0
|a | =
k=0
X
k=0
|ak | =
1
1 |a|
5.25
Ejemplo 5.26 Determine el rango de valores de a y b para los cuales el sistema LTI de
respuesta
(
an n 0
h(n) =
bn n < 0
5 Transformada z
283
X
X
1
|h(n)| =
|b| +
|a| =
|a|n
b +
n=
n=
n=0
|n=1{z }
|n=0{z }
1
X
Converge
si |b| > 1
Converge
si |a| < 1
1
|b|
+
|b| 1 1 |a|
5.26
X
X
X
n
n
h(n)z
|H(z)| =
h(n)z
|h(n)||z n |
n=
n=
n=
para el caso especial |z| = 1, que es el crculo unitario en el plano z, y considerando que si
un sistema es estable su respuesta al impulso es absolutamente sumable, entonces lo anterior
se reduce a
X
|H(z)|
|h(n)| < , |z| = 1
n=
lo que implica un sistema descrito por H(z) es estable si su region de convergencia incluye
al crculo unitario.
De lo anterior se deriva que si un sistema es estable y causal, entonces los polos de su funcion
de transferencia deben estar dentro del crculo unitario.
Sistemas en tiempo discreto y ecuaciones de diferencias
El calculo de la convolucion:
y(n) =
h(k)x(n k)
k=
solo es aplicable en sistemas LTI que tienen una respuesta al impulso de longitud finita
(llamados tambien sistemas FIR por Finite Impulse Response), puesto que de otro modo se
requerira de una memoria infinita para almacenar h(n), y un n
umero infinito de multiplicaciones y adiciones.
Las llamadas ecuaciones de diferencias permiten trabajar con sistemas con una respuesta
al impulso de longitud infinita (o sistemas IIR por Infinite Impulse Response), y son el
equivalente en el dominio discreto de las ecuaciones diferenciales.
Un sistema causal es recursivo si su salida en el instante n depende no solo de los valores
presentes y pasados a la entrada, sino tambien de valores anteriores de la salida, y(n
1), y(n 2), . . .:
y(n) = F [y(n 1), y(n 2), . . . , y(n N ), x(n), x(n 1), . . . , x(n M )]
284
donde F [] denota una funcion cualquiera con argumentos iguales a las entradas y salidas
presentes y pasadas.
El sistema se denomina no recursivo si depende u
nicamente de las entradas presentes y
pasadas:
y(n) = F [x(n), x(n 1), . . . , x(n M )]
Notese que los sistemas LTI causales con una respuesta finita al impulso de longitud M son
no recursivos, puesto que pueden expresarse de la forma
y(n) =
M
1
X
h(k)x(n k)
k=0
es recursivo pues
(n + 1)y(n) =
n
X
x(k)
k=0
ny(n 1) =
(n + 1)y(n) =
n1
X
k=0
n1
X
x(k)
x(k) + x(n) = ny(n 1) + x(n)
k=0
n
1
y(n 1) +
x(n)
n+1
n+1
1
=
(ny(n 1) + x(n))
n+1
y(n) =
(5.7)
5.27
Los sistemas descritos por ecuaciones de diferencias con coeficientes constantes son una
subclase de los sistemas recursivos y no recursivos. Considerese por ejemplo el sistema
y(n) = ay(n 1) + x(n)
5 Transformada z
285
que a pesar de su similitud con (5.7), difiere por la naturaleza de los coeficientes, lo que
tiene implicaciones sobre la invarianza en el tiempo. En este u
ltimo caso, el coeficiente a es
constante y el sistema es invariante en el tiempo. Para la media acumulativa, los coeficientes
n
1
y n+1
son dependiente del tiempo y el sistema es variante en el tiempo.
n+1
Eval
uese ahora la respuesta de este sistema ante una entrada x(n) causal y con una condicion
inicial y(1):
y(0) = ay(1) + x(0)
y(1) = ay(0) + x(1) = a2 y(1) + ax(0) + x(1)
y(2) = ay(1) + x(2) = a3 y(1) + a2 x(0) + ax(1) + x(2)
..
.
y(n) = an+1 y(1) + an x(0) + an1 x(1) + . . . + a0 x(n)
n
X
n+1
ak x(n k),
n0
= a y(1) +
| {z }
k=0
yzi (n)
|
{z
}
yzs (n)
El termino yzi (n) depende de las condiciones iniciales y se obtendra si la entrada fuese cero
(zero input), como resultado del estado inicial del sistema y de sus caractersticas propias.
A yzi (n) se le denomina respuesta natural o libre del sistema, o tambien, respuesta a entrada
nula.
El termino yzs (n) se obtiene cuando el estado del sistema es cero (zero state), es decir, con
una entrada x(n) cuando el sistema esta en reposo, y se le denomina respuesta en estado
nulo o respuesta forzada. Notese que en el ejemplo, yzs (n) puede interpretarse como la
convolucion de x(n) con la respuesta al impulso:
h(n) = an u(n)
donde los ndices son finitos debido a la causalidad de ambas se
nales x(n) y h(n). Este
ejemplo corresponde a una ecuacion de diferencias de primer orden, y es un caso particular
de la ecuacion de diferencias:
y(n) =
N
X
ak y(n k) +
k=1
o con a0 = 1:
N
X
k=0
ak y(n k) =
M
X
bk x(n k)
k=0
M
X
bk x(n k)
(5.8)
k=0
donde el entero N recibe el nombre de orden de la ecuacion de diferencias u orden del sistema.
Las condiciones iniciales y(1), . . . , y(N ) resumen toda la historia pasada del sistema, y
son necesarias para efectuar el calculo de las salidas presentes y futuras.
La respuesta al impulso h(n) en sistemas recursivos se define como la respuesta del sistema
cuando la entrada x(n) es igual al impulso (n), y el sistema esta inicialmente en reposo.
286
Cualquier sistema recursivo descrito por una ecuacion de diferencias lineal con coeficientes
constantes es un sistema de respuesta infinita al impulso, pero no todo sistema de respuesta
infinita LTI puede ser descrito con estas ecuaciones.
En el dominio z la ecuacion (5.8) se transforma, utilizando la propiedad de desplazamiento,
en
N
X
ak Y (z)z
k=0
Y (z)
M
X
bk X(z)z k
k=0
N
X
k=0
H(z) =
ak z
= X(z)
PM
M
X
bk z k
k=0
k
Y (z)
k=0 bk z
= PN
k
X(z)
k=0 ak z
lo que quiere decir que cualquier sistema en tiempo discreto descrito por una ecuacion de
diferencias con coeficientes constantes tiene una funcion de transferencia racional. Puesto
que la descomposicion en fracciones parciales de H(z) contendra una suma de terminos con
un u
nico polo de orden n, los cuales corresponden en el dominio n con una secuencia de
longitud infinita, se deriva que todo sistema descrito por una ecuacion de diferencias con
coeficientes constantes tiene una respuesta al impulso h(n) de longitud infinita.
Y (z)
1 + z 1
=
X(z)
1 + 56 z 1 + 16 z 2
esto es equivalente a
5 1 1 2
Y (z) 1 + z + z
= X(z) 1 + z 1
6
6
5
1
y(n) + y(n 1) + y(n 2) = x(n) + x(n 1)
6
6
con lo que finalmente se obtiene
5
1
y(n) = y(n 1) y(n 2) + x(n) + x(n 1)
6
6
5.28
5 Transformada z
5.4
287
Transformada z unilateral
Al igual que en el caso de sistemas en tiempo continuo, la mayora de aplicaciones en ingeniera involucra sistemas y se
nales causales, por lo que tiene sentido definir la transformada
z unilateral.
5.4.1
Definici
on y propiedades
Zu {x(n)} = X(z) =
x(n)z n
n=0
zu
4. x4 (n) = (n).
5. x5 (n) = (n k), k > 0.
6. x6 (n) = (n + k), k > 0.
1.
2.
3.
4.
5.
6.
1 + 2z 1 + 5z 2 + 7z 3 + 1z 5 .
5 + 7z 1 + z 3 .
5 + 7z 1 + z 3 .
1.
z k .
0.
5.29
288
Las propiedades de esta transformada son similares a las de la transformada z bilateral, pero
el desplazamiento merece especial atencion.
Retardo temporal
zu
x(n k) z k X(z) +
k
X
x(n)z n
n=1
x(n k)z
n=0
= z k
x(m)z
m=k
1
X
x(m)z m = z k
x(m)z m +
X(z) +
k
X
x(m)z m z k
)
x(m)z m
m=0
m=k
= z k
X
m=k
m=k
(m+k)
)
x(n)z n
n=1
Notese que si se desplaza x(n) hacia la derecha entonces aparecen k nuevas muestras que
deben considerarse.
Adelanto temporal
zu
x(n + k) z k X(z)
k1
X
#
x(n)z n
n=0
para k > 0.
Demostracion:
Zu {x(n + k)} =
x(n + k)z n =
n=0
"
= zk
X
m=0
"
x(m)z (mk) = z k
m=k
k1
X
x(m)z m
m=0
"
#
x(m)z m
m=k
x(m)z m = z k X(z)
k1
X
#
x(m)z m
m=0
Notese que si la se
nal se desplaza a la izquierda, entonces k muestras de la transformada
X(z) deben desaparecer.
5 Transformada z
289
1
1 az 1
2.
"
Zu {x(n 2)} = z 2 X(z) +
=z
=
2
X
#
x(n)z n
n=1
z 2
+ a1 z 1 + a2
1 az 1
3.
"
Zu {x(n + 2)} = z 2 X(z)
1
X
#
x(n)z n
n=0
1
=z
1 az 1
1 az 1
z2
=
z 2 az
1 az 1
5.30
N
X
x(n)z n
n=0
y ademas:
Zu {x(n + 1)} = zX(z) zx(0) = lim
N
X
n=0
x(n + 1)z n
290
= lim
= lim
= lim
= lim
N
X
x(n + 1)z n
n=0
N
X
x(n + 1)z n
n=0
N
1
X
n=0
N
1
X
n=0
N
1
X
N
X
!
x(n)z n
n=0
N
1
X
!
x(n + 1)z n1
n=1
N
1
X
x(n + 1)z n1
n=0
x(n + 1)(z
n1
) + x(N + 1)z
x(0)
!
x(n + 1)z n1 (z 1) + x(N + 1)z N
x(0)
n=0
N
1
X
!
x(n + 1)z n1 (z 1) + x(N + 1)z N
+ (z 1)x(0)
n=0
z1
lo que se conoce como teorema del valor final . En la demostracion se ha asumido que la
ROC de (z 1)X(z) incluye a |z| = 1.
Este teorema se utiliza para calcular el valor asintotico de la se
nal x(n) cuando n tiende a
infinito, si se conoce X(z) pero no x(n).
Ejemplo 5.31 Determine la respuesta del sistema con respuesta impulsional h(n) =
an u(n), |a| < 1, ante un escalon unitario, cuando n .
Soluci
on: La salida del sistema ante la entrada dada se calcula en el dominio z como:
y(n) = h(n) x(n) Y (z) =
1
1
z2
=
, ROC : |z| > 1
1 az 1 1 z 1
(z a)(z 1)
x() = lim(z 1)
z1
z2
1
=
(z a)(z 1)
1a
|
{z
}
5 Transformada z
5.4.2
291
Ejemplo 5.32 Un sistema LTI en tiempo discreto esta descrito por la ecuacion de diferencias:
4
1
y(n) = y(n 1) y(n 2) + x(n) x(n 2)
5
4
Encuentre la respuesta natural del sistema ante las condiciones iniciales y(1) = 0 y y(2) =
4, y la respuesta forzada del sistema ante un escalon unitario.
Soluci
on:
Aplicando la transformada z unilateral, sus propiedades de retraso en el tiempo, y considerando que la entrada x(n) es causal, se cumple:
4
Y (z)z 1 + y(1)
5
1
Y (z)z 2 + y(1)z 1 + y(2)
4
+ X(z) X(z)z 2 x(1)z 1 + x(2)
4
4
1
1
1
Y (z) 1 z 1 + z 2 = X(z) 1 z 2 + y(1) y(2) z 1 y(1)
5
4
5
4
4
4
1
2
y(1) 4 y(2) 41 z 1 y(1)
1z
5
Y (z) =
X(z)
+
1 4 z 1 + 14 z 2
1 45 z 1 + 14 z 2
{z
} |
{z
}
| 5
Y (z) =
Respuesta forzada
Respuesta natural
Observese que ambas componentes, la natural y la forzada, comparten los mismos polos, y
determinan as la forma de las se
nales en cuanto a atenuacion/amplificacion exponenciales
y la frecuencia de las componentes oscilatorias. Los ceros seran responsables de la fase y
amplitud de las se
nales resultantes.
La respuesta natural del sistema se obtiene haciendo X(z) = 0:
Y (z) =
4
y(1)
5
14 y(2) 14 z 1 y(1)
1 45 z 1 + 41 z 2
292
Y (z) =
=
4 1
z + 41 z 2
5
1
j 32
2
+
2
3
z 1
+ j 10
5
1
1
2
3
z 1
+ j 10
5
1
+ j 23
2
2
3
z 1
j 10
5
1
2
5
3
z 1
j 10
y por lo tanto
n
n
3
4 1
3
1
cos n arctan
u(n) +
sen n arctan
u(n)
y(n) =
2
4
3 2
4
La respuesta forzada ante un escalon unitario estara dada por la transformada z inversa de
Y (z) =
1 z 2
1
4 1
1 2
1 5 z + 4 z 1 z 1
El cero en 1 se cancela con el polo en el mismo sitio. El lector puede demostrar por descomposicion en fracciones parciales que: expresion se puede reescribir como:
Y (z) =
=
1 + z 1
=
1 45 z 1 + 41 z 2
1
1
1
2
2
5
j 37
+
3
+ j 10
z 1 1
3
1 + z 1
z 1 1
2
+ j 10
5
1
+ j 73
2
2
3
j
z 1
5
10
2
5
3
j 10
z 1
que corresponde a la se
nal
n
n
1
3
14 1
3
y(n) =
cos n arctan
u(n) +
sen n arctan
u(n)
2
4
3 2
4
5.32
5.5
Interconexi
on de sistemas
Los siguientes conceptos se aplican tanto a sistemas discretos como continuos. Puesto que en
los dominios de la frecuencia j, s y z la convolucion del tiempo se transforma en un producto
algebraico, ademas de que las transformaciones son lineales, esto permite generalizar los
conceptos a los tres dominios por igual. Se tratara aqu el caso especial de los sistemas
discretos, pero los principios son validos si se sustituye la variable discreta n por la variable
continua t, y si se reemplaza el dominio z y la transformada z, por el dominio s y la
transformada de Laplace.
Hay dos maneras fundamentales de interconectar sistemas: interconexion en cascada (serie)
e interconexion paralela (figura 5.16). La interconexion en cascada se describe con sistemas
de la forma:
y(n) = T2 [T1 [x(n)]] = Tc [x(n)]
5 Transformada z
293
T1
x(n)
T1
T2
y1 (n)
y(n)
y1 (n)
x(n)
y(n)
T2
(a)
(b)
y2 (n)
Notese que si el sistema es LTI, entonces se cumple y1 (n) = x(n) h1 (n) y por tanto en el
dominio z esta relacion se puede representar por Y1 (z) = X(z)H1 (z). Puesto que tambien
se cumple Y (z) = H2 (z)Y1 (z) se concluye que
Y (z) = [H1 (z)H2 (z)]X(z)
o en otras palabras la funcion de transferencia de la cascada de sistemas es igual al producto
de las mismas. Para la conexion en paralelo se puede hacer uso de la linealidad y as obtener
Y (z) = [H1 (z) + H2 (z)]X(z)
5.5.1
Diagramas de bloques
Sumador
El sumador es un bloque que realiza la adicion entre dos se
nales, sumando las muestras en
un instante dado y se representa como lo indica la figura 5.17.
replacemen
x1 (n)
x2 (n)
294
y(n) = ax(n)
Multiplicador de se
nal
El multiplicador de se
nal es un bloque que multiplica en cada instante de tiempo sus diversas
x2 (n)
Retardador de un elemento
El retardador es un bloque que retrasa la se
nal de entrada en una unidad de tiempo. Este
es utilizado principalmente en el analisis y modelado de sistemas discretos. Se representa
como lo indica la figura 5.20.
x(n)
z 1
y(n) = x(n 1)
Adelantador de un elemento
El adelantador es un elemento que adelanta una se
nal una unidad de tiempo en el futuro.
No es realizable fsicamente y solo existe en sistemas discretos que operan fuera de lnea.
Se representa como lo indica la figura 5.21.
Ejemplo 5.33 Realice el diagrama de bloques para
1
1
1
y(n) = y(n 1) + x(n) + x(n 1)
4
2
2
Notese primero que esta expresion puede reescribirse de la siguiente forma:
1
1
y(n) = y(n 1) + (x(n) + x(n 1))
4
2
con lo que se deriva facilmente el diagrama mostrado en la figura 5.22.
5.33
5 Transformada z
295
x(n)
y(n) = x(n + 1)
1
2
x(n)
z 1
1
4
z 1
Ejemplo 5.34 Encuentre la funcion de transferencia del sistema mostrado en la figura 5.23.
Soluci
on: Las funciones en los bloques denotan sus respuestas al impulso. As se tiene que
los bloque y se
nales tienen las siguientes transformadas:
x(n) X(z)
y(n) Y (z)
q(n) Q(z)
g(n) G(z)
e(n) E(z)
La se
nal e(n) se obtiene con la substraccion de la entrada x(n) y la salida del bloque con
funcion de transferencia G(z), y se cumple entonces en el dominio z que E(z) = X(z)
Y (z)G(z).
Aplicando las propiedades de linealidad y de convolucion se tiene que
E(z)Q(z) = Y (z)
[X(z) G(z)Y (z)]Q(z) = Y (z)
X(z)Q(z) = Y (z)[1 + G(z)Q(z)]
Y (z)
Q(z)
H(z) =
=
X(z)
1 + G(z)Q(z)
Esta estructura sera utilizada ampliamente en control automatico. Notese que si X(z), y
x(n)
e(n)
q(n)
g(n)
y(n)
296
5 Transformada z
5.6
297
Problemas
Los siguientes ejercicios estan basados en [16, 14], algunos con leves modificaciones, otros
nuevos para profundizar en los conceptos introducidos en este captulo.
Problema 5.1. Considere la representacion de la funcion de variable discreta x(n) en
terminos continuos
xa (t) =
x(n)(t nT ) =
n=
xa (nT )(t nT ) =
n=
xa (t)(t nT )
n=
1. 2x(n)
3. x(2 n)
5. x(2 + n)
2. x(n)
4. x(2 n)
6. x(2 + n)
Problema 5.3. Si x(n) = {1, 2, 3, 4}, exprese las siguientes secuencias en terminos de x(n)
1. {1, 2, 3, 4, 0, 0}
3. {4, 3, 2, 1}
2. {0, 1, 2, 3, 4}
4. {4, 3, 2, 1}
Problema 5.4. Represente las siguientes secuencias en terminos de rampas ur (n) y escalones unitarios u(n).
1. x1 (n) = {0, 1, 2, 3, 4, 3, 2, 1, 0}
4. x4 (n) = {4, 3, 2, 1, 0, 1, 2, 3, 4}
2. x2 (n) = {0, 1, 2, 3, 4, 4, 4, 3, 2, 1, 0}
3. x3 (n) = {0, 1, 1, 1, 1, 0, 0}
5. x5 (n) = {4, 3, 2, 1, 0, 1, 2, 3, 4}
Problema 5.5. Grafique las siguientes funciones e indique cualitativamente que regiones
de convergencia (ROC) tiene su transformada z:
3. x(n) = u(n 2)
6. x(n) = ur (n + 5)u(n 5)
1. x(n) = sen(n)u(n)
298
5.6 Problemas
Problema 5.6. Encuentre las regiones del plano z donde las siguientes series convergen:
n+2
n+2
X
X
1
1
n
1.
z
3.
zn
3
3
n=2
n=2
2.
X
1 + (1)n
n=0
|n|
X
1
4.
cos
n zn
3
4
n=
z n
z 1 1 21 z 1
1 13 z 1 1 41 z 1
3.
z 2 (1 z 1 )
1 41 z 1 1 + 14 z 1
(1 z 1 ) (1 2z 1 )
(1 3z 1 ) (1 4z 1 )
3. una se
nal derecha?
2. una se
nal izquierda?
4. una se
nal bilateral?
1 14 z 2
1 + 41 z 2 1 + 54 z 1 + 38 z 2
5 Transformada z
299
n
1
x2 (n) =
x(n)
8
1 31 z 1
,
(1 z 1 )(1 + 2z 1 )
1 + z 1
1 + 13 z 1
para ROC: |z| > 1/3 y para ROC: |z| < 1/3.
Problema 5.19. Encuentre la transformada inversa de
1 31 z 1
X(z) =
(1 z 1 )(1 + 2z 1 )
para todas las posibles regiones de convergencia por medio de descomposicion en fracciones
parciales.
300
5.6 Problemas
n
X
g(k)
k=
Problema 5.22. Demuestre que dos terminos polinomiales simples complejos conjugados,
y una ROC externa a los dos polos, dan origen a las se
nales:
A
A
2 |A| |p1 |n cos(np1 + A)u(n)
+
1 p1 z 1 1 p1 z 1
= 2|p1 |n Re{A} cos(np1 ) 2|p1 |n Im{A} sen(np1 )
(
1 0nk
0 en el resto
5 Transformada z
1.
z 1
301
1 34 z 1 + 12 z 2
1 12 z 1 1 31 z 1
2.
z 21
z 2 + 12 z
3.
z+1
z + 12 z 2 32 z 3
3
16
4
3
Problema 5.25. Un sistema LTI tiene funcion de transferencia H(z) y respuesta al impulso
h(n). Se sabe
1. h(n) es real
2. h(n) es derecha
3. lim H(z) = 1
z
Problema 5.27.
diferencias:
302
5.6 Problemas
Bibliografa
[1] Y. S. Bugrov and S. M. Nikolsky. Matematicas superiores, ecuaciones diferenciales,
integrales m
ultiples, series, funciones de variable compleja. Mir Moscu, 1988.
[2] R. V. Churchill and J. W. Brown. Variable Compleja y Aplicaciones. McGraw Hill,
7ma edicion, 2004.
[3] H. F. Davis. Fourier series and orthogonal functions. Dover Publications, Inc., 1963.
[4] John W. Eaton. Octave [online]. 1998 [visitado el 26 de marzo de 2010]. URL http:
//www.octave.org.
[5] John W. Eaton. Octave repository [online]. 1998 [visitado el 26 de marzo de 2010].
URL http://octave.sourceforge.net/afunclist.html.
[6] S. Haykin and B. van Veen. Se
nales y sistemas. Limusa Wiley, 2001.
[7] A.S.B Holland. Complex Function Theory. Elsevier North Holland, 1980.
[8] G. James. Matematicas Avanzadas para Ingeniera. Prentice Hall, 2da edicion, 2002.
[9] E. Kreyszig. Matematicas Avanzadas para Ingeniera, volume II. Limusa Wiley, 3ra
edicion, 2000.
[10] E. Kreyszig. Matematicas Avanzadas para Ingeniera, volume I. Limusa Wiley, 3ra
edicion, 2000.
[11] W. R. LePage. Complex Variables and the Laplace Transform for Engineers. Dover
Publications, Inc., 1961.
[12] D. Lindner. Introduccion a las se
nales y los sistemas. McGraw Hill, 2002.
[13] MathWorks. Matlab [online]. 1994 [visitado el 26 de marzo de 2010]. URL http:
//www.matlab.com.
[14] A. Oppenheim, A. Willsky, and S. H. Nawab. Se
nales y Sistemas. Prentice Hall, 2da
edicion, 1998.
[15] G. Pahl and W. Beitz. Engineering Design. A Systematic Approach. Springer Verlag,
2da edicion, 1996.
303
304
Bibliografa
Ap
endice A
Teorema de Green
El Teorema de Green es nombrado as en honor al matematico ingles George Green (17931841), quien se iniciara como panadero y progreso en la matematica de forma autodidacta
hasta llegar a ser miembro del Caius College en Cambridge. A pesar de ello permanecio en
se dedico a la teora del
el anonimato, incluso en Inglaterra, hasta despues de su muerte. El
potencial con relacion a la electricidad y el magnetismo, vibraciones, ondas y teora de la
elasticidad [10].
El Teorema de Green en el plano, utilizado para demostrar el Teorema de Cauchy en la
seccion 2.6.2, establece que dada una region R, cerrada y acotada en el plano xy cuya
frontera C se compone de un n
umero finito de curvas suaves en sentido positivo, entonces para
dos funciones continuas u(x, y) y v(x, y), con derivadas parciales u(x, y)/y y v(x, y)/x
tambien continuas en todo dominio que contiene a R, se cumple
ZZ
I
(A.1)
v(x, y)
u(x, y) dx dy = (u(x, y) dx + v(x, y) dy)
x
y
R
C
lo que permite transformar entonces una integral de area en una integral de contorno.
Para demostrar el teorema se asumira primero que la region R se puede representar de las
dos formas siguientes (figura A.1)
a x b, r(x) y s(x)
(A.2)
c y d, p(y) x q(y)
(A.3)
El primer termino del integrando a mano izquierda se puede reescribir de la siguiente forma:
#
ZZ
Z b "Z s(x)
u(x, y) dx dy =
u(x, y) dy dx
(A.4)
R y
a
r(x) y
y considerando que
Z s(x)
r(x)
y=s(x)
u(x, y) dy = u(x, y)
= u(x, s(x)) u(x, r(x))
y
y=r(x)
305
(A.5)
306
y
y
d
C2
s(x)
p(y)
C1
r(x)
a
q(y)
u(x, y) dx dy =
u(x, s(x)) dx
u(x, r(x)) dx
a
a
R y
Z b
Z a
u(x, s(x)) dx
u(x, r(x)) dx +
=
(A.6)
u(x, y) dx dy =
u(x, y) dx +
u(x, y) dx
R y
C1
C2
I
(A.7)
= u(x, y)dx
C
De forma equivalente para el otro termino del integrando en el lado izquierdo de (A.1):
#
ZZ
Z d "Z q(y)
v(x, y) dx dy =
v(x, y) dx dy
R x
c
p(y) x
Z d
Z c
=
v(q(y), y) dy +
v(p(y), y) dy
c
d
I
=
v(x, y)dy
(A.8)
C
v(x, y)
u(x, y) dx dy = (u(x, y) dx + v(x, y) dy)
x
y
R
C
queda demostrado. En caso de que la region no pueda expresarse como en (A.2) y (A.3)
entonces las integrales pueden realizarse para un conjunto de regiones de la forma mencionada
cuya union es la region deseada y cuya interseccion es vaca.
Ap
endice B
Demostraciones de integrales
A continuacion se presentan dos demostraciones de integrales impropias reales utilizando los
metodos de integracion compleja.
Integral de la funci
on sa
Se desea demostrar que se cumple
Z
sa(x) dx =
sen(x)
dx =
x
(B.1)
Figura B.1: Trayectoria de integracion para entontrar el area bajo la funcion sa.
ejx
dx +
x
ejx
dx +
x
ejz
dz
z
ejz
dz = 0
z
La demostraci
on aqu presentada se basa en el trabajo del estudiante Erick Salas Chaverri, elaborada
en el primer semestre de 2006, a su vez basada en [1]
307
308
El segmento L se puede describir con z = Rej = R cos() + jR sen() con variando desde
cero hasta . Con dz = jRej d se cumple
Z jz Z R sen() jR cos
e
e
e
j
=
dz
jRe
d
Rej
0
L z
Z
eR sen() d
0
Puesto que sen( ) = sen() se puede reescribir la integral anterior haciendo un cambio
de variable = y d = d como
Z
R sen()
/2
R sen()
d =
Z
d +
/2
=
0
eR sen() d
/2
=2
/2
0
eR sen() d
eR sen() d
/2
eR sen() d
se cumple
2
sen() >
entonces
R sen()
e
0
Z
d 2
/2
e2R/ d
/2
e2R/
=
2R 0
(1 eR )
=
2R
Para R el numerador tiende a uno y el denominador a infinito, por lo que esta integral
converge en este caso a cero:
Z jz
e
lim
dz = 0
(B.2)
R L z
Para el arco de radio se cumple considerando que el lmite lim ejz es, para todo z finito,
0
igual a uno
Z jz
Z j(cos +j sen )
e
e
lim
dz = lim
jej d
0 z
0 0
ej
Z
= j lim
ej(cos +j sen ) d
0 0
Z
= j lim
d = j
0
309
B Demostraciones de integrales
dx =
x
2
0
y considerando que la funcion sa posee simetra par, se concluye
Z
Z 0
Z
Z
sen(x)
sen(x)
sen(x)
sen(x)
dx =
dx +
dx = 2
dx =
x
x
x
x
0
0
con lo que (B.1) queda demostrado.
Area
bajo el impulso gaussiano
El impulso gaussiano se define como
1 t 2
1
g(t) = e 2 ( )
2
g(t) dt = 1
(B.3)
2 =
t2
;
2 2
dt
d =
2
1 t 2
1
e 2 ( ) dt = 1
2
Z
1
2
e 2 d = 1
2
Z
1
2
e d = 1
Esta demostraci
on se basa en el trabajo del estudiante Carlos Andres Perez en el primer semestre de
2006, basada a su vez en las p
aginas 182-183 del libro de Holland [7]
310
e
0
d =
2
(B.4)
Si se logra demostrar que (B.4) se cumple, se habra demostrado que (B.3) es cierta, puesto
que bastara invertir los pasos seguidos en el cambio de variable para llegar al punto de
partida.
Para demostrar esto se utilizara la integral de contorno en el plano complejo z = x + jy
I
2
ejz
dz
C sen(z )
donde el contorno de integracion rectangular C se muestra en la figura B.2. Separando al
H
2
= e y ej ( 4 y )
2
sen( z) = sen
+ j y
2
311
B Demostraciones de integrales
y )
ej ( 2 +j y)
=
2j
j 2 y
ej 2 e y
e e
je y + je y
=
=
2j
2j
e
sen( z) =
+ e
2
ejz
dz =
sen(z )
2
= cosh( y)
2
2e y ej ( 4 y )
j dy
e y + e y
Del mismo modo para el segmento HK se cumple que z = x + jy con x = /2. Por lo
tanto, el numerador se puede expresar como
ejz = e2xy ej(x y )
2
= e y ej ( 4 y )
2
sen( z) = sen + j y
2
Utilizando la identidad de Euler lo anterior se reescribe como
ej ( 2 +j
ej ( 2 +j y)
=
2j
j 2 y
e e
je y je y
ej 2 e y
=
=
2j
2j
y )
e
sen( z) =
+ e
2
ejz
dz =
sen(z )
2
= cosh( y)
2
2e y ej ( 4 y )
y
j dy
e
+ e y
2
2e y ej ( 4 y )
j dy
e y + e y
=
R
312
Z
Z
Z R y j ( y2 )
2
2
2
e 4
2e y ej ( 4 y )
ejz
ejz
2e
dz +
dz = j
+ y
dy
y + e y
+ e y
e
P Q sen(z )
HK sen(z )
R e
Z R
2
ej ( 4 y ) dy
= 2j
R
| sen z |2 = sen2 (x ) + senh2 (R )
y puesto que ambos terminos en la suma anterior son positivos, se cumple para todo valor
positivo de R que
| sen z | senh(R )
por lo que para z = x + jR
Z
Z
2
ejz2
ejz
dz
dz
QH sen(z ) QH sen(z )
Z
2
e2xR
dx
senh(R )
2
2xR 2
e
1
2R
senh(R
)
2
R
1
e
eR
senh(R )
=
2
R senh(R )
R senh(R )
1
R
de modo que si R el aporte del segmento de trayectoria QH es cero.
Para el segmento KP se cumple z = x jR y por lo tanto
jz2 j(xjR)2
e = e
2
2
= ej (x R ) e2xR
= e2xR
313
B Demostraciones de integrales
= sen2 (x ) + senh2 (R )
y puesto que ambos terminos en la suma anterior son positivos, se cumple para todo valor
positivo de R que
| sen z | senh(R )
por lo que para z = x jR
Z
Z
ejz2
jz 2
e
dz
dz
KP sen(z ) KP sen(z )
Z
2
2xR
e
dx
senh(R )
2
2
2xR
1
e
senh(R ) 2R 2
R
R
senh(R )
1
e
R senh(R)
2
R senh(R )
1
R
de modo que si R el aporte del segmento de trayectoria KP es tambien cero.
Por lo tanto, combinando los resultados para los cuatro segmentos se obtiene:
!
I
Z
Z
2
2
2
ejz
ejz
ejz
dz = lim
dz +
dz
lim
R C sen(z )
R
P Q sen(z )
HK sen(z )
Z R
2
= lim 2j
ej ( 4 y ) dy
R
a1 = lim z
z0
ejz
sen(z )
314
z0
se obtiene
sen z
=1
z
1
a1 =
de modo que
I
lim
ejz
2j
dz = = j2 = lim 2j
R
sen(z )
2
ej ( 4 y ) dy
de donde se deriva
Z
Z
lim
2
ej ( 4 y ) dy =
R
R
j ( 4 y 2 )
e
dy =
lim
R
Z
j ( 4 y 2 )
e
dy +
0
y con y 0 = y y dy 0 = dy
Z
lim
j ( 4 y 02 )
dy +
j ( 4 y 2 )
e
0
dy
2
ej ( 4 y ) dy =
R
0
Z R
j ( 4 y 2 )
e
lim
dy =
R 0
2
Z R
2
ej 4 ejy dy =
lim
R 0
2
lim 2
2
e d =
2
0
que fue el punto de partida.
Indice alfab
etico
adelantador, 294
algebra lineal
teorema fundamental, 112
analogica, 2
analisis, 132
ecuacion de, 127
ancho de banda, 179
angulo, 17
anillo, 13
conmutativo, 13
de division, 13
anticausalidad, 223
Argand, 17
argumento, 17
armonico, 151
axiomas, 11
axiomas de Peano, 13
Banach
espacio de, 113
base, 111
canonica, 118, 127
ortogonal, 116
ortonormal, 116
BIBO, 281
Bromwich, 213
canales, 2
carta de Smith, 36
cascada, 292
Cauchy
Formula de la integral, 80
secuencia de, 15, 113
Teorema de la integral, 76
Cauchy-Goursat, 77
Cauchy-Hadamard
formula, 55
Cauchy-Riemann
Ecuaciones, 48
Cauchy-Schwarz
desigualdad de, 114
causalidad, 187, 223, 280
cero, 66
aislado, 66
codificacion, 246
codominio, 25
combinacion lineal, 110
completitud, 15
componente
imaginaria, 16
real, 16
condicion inicial, 273
condiciones de Dirichlet, 135
conjugacion, 209, 232, 260
conjugacion compleja, 20
conjunto, 9, 11
abierto, 42
acotado, 42
cerrado, 42
clausura, 42
compacto, 42
ilimitado, 42
imagen, 25
conjunto generador, 111
conjunto libre, 111
conjunto ligado, 111
continuacion analtica, 19, 53
continuidad, 43
contorno
Bromwich, 212
convergencia
315
316
Indice alfabetico
317
Indice alfabetico
de transferencia, 223
del sistema, 223
Heaviside, 159
holomorfa, 44
impropia, 267
meromorfa, 67
propia, 186, 267
racional propia, 216
regular, 44
residuo, 67
simetrica, 144
grupo, 12
abeliano, 12
grupoide, 12
identidad, 272
impulso
Dirac, 130, 158
gaussiano, 163
unitario, 158, 249
integracion, 172, 211, 234
integral
definida, 71
indefinida, 70
trayectoria, 71
integral de contorno, 73
integral de lnea, 73
interconexion
cascada, 292
paralela, 292
interseccion, 10
invarianza
en el tiempo, 182, 274
inversion
temporal, 260
Jordan
curva de, 71
lema, 89
Laplace
transformada, 199
transformada bilateral, 200
transformada inversa, 211
318
Indice alfabetico
racional, 14
real, 15
operacion
binaria, 11
cerrada, 11
unaria, 11
operaciones, 11
operador, 141
operador lineal, 46
ortogonal, 109
ortogonalidad, 116
paralelo, 292
Parseval
relacion de, 175
periodo, 131
de muestreo, 178
fundamental, 131
plano complejo, 17
polinomio bilineal, 35
polo, 66
orden, 66
potenciacion, 23
principio de incertidumbre, 163
producto cartesiano, 10
producto escalar, 113
producto interno, 113
producto punto, 118
punto
de acumulacion, 42
fijo, 26
frontera, 42
interior, 42
lmite, 42
regular, 66
radio de convergencia, 54
raz
compleja, 23
rampa, 249
rango, 25
reflexion, 277
region
abierta, 42
cerrada, 42
convexa, 71
de convergencia, 201, 204, 252
relacion, 24
relacion de Parseval, 151
reposo, 273
residuo, 67
teorema, 85
respuesta
forzada, 291
natural, 291
respuesta al impulso, 184
respuesta en frecuencia, 184, 223
resta, 14, 21
retardador, 294
ROC, 201
sa
funcion, 67
se
nal, 1
aleatoria, 3
bilateral, 206
derecha, 205
determinista, 3
izquierda, 206
multicanal, 2
tiempo discreto, 2
secuencia
de Cauchy, 15, 113
semianillo, 12
semigrupo, 12
seminorma, 113
se
nal
causal, 187
de energa, 176
de potencia, 176
serie
de potencias, 53
Fourier, 132
generalizada de Fourier, 127
Serie de MacLaurin, 58
Serie de Taylor, 58
sesquilinealidad, 114
simetra, 167
319
Indice alfabetico
conjugada, 132
hermtica, 132
impar, 144
par, 144
singularidad, 61, 66
esencial, 66
polo, 66
sntesis, 132
ecuacion de, 127
sistema, 3
causal, 187, 280
discreto, 272
estable, 282
inestable, 282
lineal, 181
no causal, 187
no recursivo, 284
recursivo, 283
tiempo discreto, 272
Smith
carta de, 36
subespacio, 111
suma, 14, 21, 277
sumador, 293
teorema
del muestreo, 180
del valor final, 290
fundamental de integracion compleja, 77
integral de Cauchy, 77
tiempo
invarianza, 182
transformacion, 26
transformada
z, 245
Fourier, 153
Laplace, 199
z inversa, 264
z unilateral, 287
transformada z
inversa, 264
trayectoria
cerrada, 71
de integracion, 71
simple, 71
triangulo
desigualdad, 115
tupla, 109
union, 9
valor absoluto, 21
valor final
teorema, 235, 289
valor inicial
teorema, 234, 262
valor principal, 24
vecindad, 41
reducida, 41
vector, 2, 110
generador, 111
ortogonal, 116
vectores
linealmente dependientes, 111
linealmente independientes, 111