Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Señales y Sistemas
0. Bases matemáticas 4
0.1. INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
0.2. Relaciones y Funciones . . . . . . . . . . . . . . . . . . . . . . . . 6
0.2.1. Par ordenado . . . . . . . . . . . . . . . . . . . . . . . . . 6
0.2.2. Producto cartesiano . . . . . . . . . . . . . . . . . . . . . 6
0.2.3. Relación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
0.2.4. Partición . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
0.2.5. Relaciones de orden . . . . . . . . . . . . . . . . . . . . . 12
0.2.6. Suprémum, Infímum . . . . . . . . . . . . . . . . . . . . . 12
0.2.7. Máximo y mínimo . . . . . . . . . . . . . . . . . . . . . . 13
0.3. Funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
0.3.1. Sobreyección . . . . . . . . . . . . . . . . . . . . . . . . . 15
0.3.2. Inyección. (función uno-a-uno) . . . . . . . . . . . . . . . 15
0.3.3. Biyección. (correspondencia uno-a-uno) . . . . . . . . . . 15
0.4. Relaciones Ternarias . . . . . . . . . . . . . . . . . . . . . . . . . 18
0.4.1. Propiedades de relaciones ternarias . . . . . . . . . . . . 19
0.5. Estructuras algebráicas . . . . . . . . . . . . . . . . . . . . . . . . 20
0.5.1. Grupos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
0.5.2. Anillos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
ii
ÍNDICE GENERAL iii
1
2 ÍNDICE GENERAL
EL ALFABETO GRIEGO
α, A: alfa
β, B: beta
γ, Γ : gama
δ, ∆ : delta
, E : épsilon
ζ, Z : zeta
η, H : eta
θ, ϑ, Θ : teta
ι, I : yota
κ, K : kapa
λ, Λ : lambda o labda
µ, M : my
ν, N : ny
ÍNDICE GENERAL 3
ξ, Ξ : xi
o, O : omicron
π, $, Π : pi
ρ, P : ro
σ, ς, Σ : sigma
τ, T : tau
υ, Υ : upsilon
φ, ϕ, Φ : phi f i
χ, X : ji
ψ, Ψ : psi
ω, Ω : omega
Capítulo 0
Bases matemáticas
0.1. INTRODUCCIÓN
La mayoría de los términos que se usan con un sentido técnico es este
libro se definen matemáticamente. En este capítulo se ven algunos conceptos
matemáticos que son usados durante el resto del libro. La mayoría le serán
probablemente conocidos, otros no tanto. Parte de lo que se pretende es acordar
la nomenclatura a ser usada. Otros objetivos son: adquirir familiaridad con las
“congruencias módulo ene”, repasar los conceptos de dominio, rango y función
y, finalmente, ver las bases de la integral de Riemann-Stieltjes.
El lector iniciado, interesado en un tema particular en teoría de señales,
puede saltar este capítulo y referirse a él en caso necesario.
4
0.1. INTRODUCCIÓN 5
i {a, b} = {b, a}
ii {1, 2, 2} = {1, 2}
A × B = {(a, b) : a ∈ A, ∧ b ∈ B}
0.2. RELACIONES Y FUNCIONES 7
Podemos generalizar la noción de tupla y definir las n-tuplas para cada entero
positivo n.
Ejercicio. Defina 4-tuplas.
0.2.3. Relación
Una relación entre los elementos de un conjunto es algún subconjunto
del producto cartesiano del conjunto con sí mismo.
8 CAPÍTULO 0. BASES MATEMÁTICAS
Ejemplo. A = {0, 1, 2}
A × A = {(0, 0), (0, 1), (0, 2), (1, 0), (1, 1), (1, 2), (2, 0), (2, 1), (2, 2)}
Sea R = {(1, 0), (2, 1)} decimos entonces que 1 R 0 y 2 R 1. (Se lee: 1
está relacionado con 0 y 2 está relacionado con 1, o R relaciona a uno con cero,
R relaciona a dos con uno; también, “uno erre cero”, “dos erre uno” y “uno no
erre dos”.)
Propiedades de relaciones
∀a ∈ A, (a, a) ∈ R
Figura 4: Transitividad. Si ψ está relacionada con δ y δ con χ entonces ψ está relacionada con χ
Con respecto a la figura 4, note que (a, b) y (b, c) determinan dos vértices
opuestos de un rectángulo y que uno de los vértices restantes es (b, b)
que está “sobre la diagonal”, el vértice restante, (a, c) es el requerido por
la propiedad de transitividad.
Ejemplo. ∈ no es transitiva. A ∈ B, B ∈ C ; A ∈ C
∀a ∈ A, (a, a) < R
n
(nm ) = 2
P
Ejercicio. Muestre que
m=0
[a] = x ∈ a : (x, a) ∈ E
0.2.4. Partición
Una partición de un conjunto A es una colección de subconjuntos disyun-
tos de A cuya unión es A.
Ejercicio. Dada una partición de A, diga cómo definir una relación de equiva-
lencia entre los elementos de A, tal que las clases de equivalencia resultantes
sean los elementos de la partición dada.
0.3. Funciones
Una función es una tripla ( f, A, B) donde f es un subconjunto del producto
A×B, que no contiene dos pares ordenados con la misma primera componente
y que se conoce como la gráfica de la función; el conjunto A es el dominio de
la función y el conjunto B es el rango de la función. Ademas , cada elemento
del dominio es la primera componente de uno y solo un par de la gráfica. Tal
14 CAPÍTULO 0. BASES MATEMÁTICAS
Sin embargo, no todos los elementos del rango son necesariamente segundas
componentes de pares de la gráfica. En caso de que lo sean, se dice que la
función es sobreyectiva.
i) f (C ∪ D) = f (C) ∪ f (D)
ii) f (C ∩ D) = f (C) ∩ f (D)
0.3.1. Sobreyección
f : A → B es una sobreyección si ∀b ∈ B∃ a ∈ A (a, b) ∈ f , es decir,
una sobreyección es una función donde todo elemento del rango es la segunda
componente de algún par de la gráfica de la función.
A×A×A=
{(0, 0, 0), (0, 0, 1), (0, 0, 2), (0, 1, 0),
(0, 1, 1), (0, 1, 2), (0, 2, 0), (0, 2, 1),
(0, 2, 2), (1, 0, 0), (1, 0, 1), (1, 0, 2),
(1, 1, 0), (1, 1, 1), (1, 1, 2), (2, 0, 0),
(2, 0, 1), (2, 0, 2), (2, 1, 0), (2, 1, 1),
(2, 1, 2), (2, 2, 0), (2, 2, 1), (2, 2, 2)}
a b c d
a a d b c
b c b a d
c d a c b
d b c a d
Así, decimos que un grupoide (A, o) está dado por un conjunto no vacío
A y una operación entre los elementos o de éste. Note que no se requiere la
asociatividad de la operación.
∀a, b, c ∈ A a ◦ (b ◦ c) = (a ◦ b) ◦ c
α β γ δ
α α δ α
β β δ α β
γ γ γ β γ
δ γ β δ δ
α β γ δ
Tabla 2: La tabla de una operación entre los elementos del conjunto finito α, β, γ, δ,
0.5.1. Grupos
Un grupo es un monoide (G, o) en el que cada elemento tiene un inverso
con respecto a la operación definida el cual es un elemento que al multiplicarlo
por el elemento dado da el elemento identidad.Así un inverso de g ∈ G es un
elemento h ∈ G tal que gh = e.
(G, o) es un grupo abeliano (o conmutativo) si: ∀g, h ∈ G, g ◦ h = h ◦ g.
22 CAPÍTULO 0. BASES MATEMÁTICAS
Ejercicio. Muestre que entonces en un grupo, cada elemento tiene uno y sólo
un inverso.
ef = eg = fe = ge =
fg = ee = ff = gg =
2π0 2π 4π
Tabla 3: Complete la tabal mostrada e = e j 3 , f = ej 3 , g = ej 3
algebráica explícita con forma de raíces, productos, cocientes, sumas y restas, para encontrar las
raíces de un polinomio de orden 5.
4 Tanto Galois como Abel murieron bastante jóvenes, Galois a causa de una herida recibida en
Homorfismos de grupos
1 −1 i −i j −j k −k
1 1 −1 i −i j −j k −k
−1 −1 1 −i i −j j −k k
i i −i −1 1 k −k −j j
−i −i i 1 −1 −k k j −j
j j −j −k k −1 1 i −i
−j −j j k −k 1 −1 −i i
k k −k j −j −i i −1 1
−k −k k −j j i −i 1 −1
0.5.2. Anillos
Un anillo (A, +, ·) es un conjunto de elementos A junto con 2 operaciones
“+” y “·” en donde:
IDEALES
Homorfismos de anillos
ii) α · (v ⊕ w) = (α · v) ⊕ (α · w)
iii) (α + β) · v = (α · v) ⊕ (β · v)
iv) α · (β · v) = (α ⊗ β) · v
vi) 1 · v = v
26 CAPÍTULO 0. BASES MATEMÁTICAS
0.5.5. Homomorfismos
Cuando se tiene una función, cuyo dominio y rango cuentan con alguna
estructura algebráica y ésta es respetada por la función, se dice que se tiene un
homomorfismo si la función es una biyección, se dice que los espacios dominio
y rango, son algebraicamente equivalentes o que son isomorfos.
0.6. LOS NÚMEROS NATURALES 27
y su parte escalar es (−bβ − cγ − dδ), mientas que la parte vectorial es (cδ − dγ)i +
(−bδ + dβ)j + (bγ − cβ)k, compare con: [b, c, d] = [β, γ, δ] y [b, c, d] × [β, γ, δ].
iii) ∀x ∈ N S(x) , φ.
28 CAPÍTULO 0. BASES MATEMÁTICAS
1) 0 ∈ N
Ejercicio. m, n ∈ N ⇒ m ∩ n = m o m ∩ n = n
[[conceptodevariable]]
[[conceptodex ← y]]
[[algoritmo]]
[[Operaciones!mveces; porcadalementodemcalculeS(n)m0 ← m0 −1; m0 = 0?; n0 ←
S(n0 )]]
[[n̄ ← n; ∀i ∈ m; n̄ ← S(n̄)]]
Ejemplo. El máximo de 3, 7, y 10 es 3 ∪ 7 ∪ 10
{0, 1, 2} ∪ {0, 1, 2, 3, 4, 5, 6} ∪ {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} = 10
0.6.4. Factor
El número natural f es un factor del número natural n si:
i. f |n
[[Elaborar]]
Ejercicio. Muestre que hay infinitos números primos.
Figura 12: Una inyección del conjunto de los números pares al conjunto de los números naturales
0.6.7. Conteos
Una biyección de N a un conjunto A se conoce como un conteo de A.
0.6.8. Cardinalidad
Es una función de el “conjunto de los conjuntos” a N ∪ {contable infinito,
no contable}
donde θ = {(0, 0), (1, 0)}. Esta definición y la notación que comúnmente usamos
para los números enteros se relacionan así:
“+n”=“n”= (0, n), n > 0, (números positivos)
“−n”= (1, n), n < 0, (números negativos)
“0”= θ.
Por convención, el número entero cero θ no es ni positivo, ni negativo.
Esta convención la mantendremos para el cero racional y para el cero real.
Similarmente, en el caso de los números complejos resulta contraproducente
definirle ángulo al origen del plano complejo, o cero complejo, y para usar
una sola convención en todos los casos hemos decidido no definir signo para
el cero en ningún caso.(A diferencia de la convención adoptada aquí, algunos matemáticos
usan la convención que el cero es negativo y positivo)
Ejercicio. Muestre que aunque los enteros son contables, no se pueden contar
manteniendo el orden lineal definido. Es decir, para cada conteo b : N → Z,
para algún natural n, b(n + 1) < b(n) y para algún natural m, b(m + 1) > b(m).
Ejemplo. /9, 5/ = ∅
[[algoritmo de Euclides]]
0.8. LOS NÚMEROS RACIONALES Q 35
p p2
Ejemplo. El conjunto B = { q ∈ Z : < 2} es acotado superiormente pero no
q
tiene suprémum.
p
CASO 1. Si ( q )2 < 2 entonces existe un número entero δ tal que,
2
p 2 p + ( 1δ )
( ) <
< 2
q q
pδ−1 p
entonces x = qδ > q y x ∈ B. Como,
2 2p
p + ( 1δ ) +
!2 1
p δ δ2
= +
q q q2
y queremos
(p + 1δ ) p2 p2
− <2− 2
q2 q 2 q
38 CAPÍTULO 0. BASES MATEMÁTICAS
2
p + ( 1δ )
p2
2 < <
q q2
pδ−1
entonces x = q es el infímum de B. Como,
1 2 2p 1
p − δ p2 δ − δ
= 2 −
q q q2
y queremos
1 2
p2 p − δ p2
− < 2 − 2
q2 q q
por lo que necesitamos
2p 1
δ − δ2 p2
< −2
q2 q2
1. 0 ≤ m y x ≤ 0
2. x ≥ 0, m ≥ 0, xn ≤ ym
3. x ≤ 0, m ≤ 0, ym ≤ xn
Note que este orden se puede interpretar con base en el dibujo de la figura
a14. Si una línea q está después que otra p moviéndose en sentido horario, el
número q es menor que el número p. Note que dadas dos líneas p y q, se puede
encontrar un punto de Z × (N − {0}) entre las dos líneas (entre dos racionales
siempre hay otro racional) y por lo tanto, hay otra línea que contiene el punto
mencionado y que está entre p y q según el orden definido.
Ejercicio. Muestre que hay conjuntos de racionales con cota superior pero sin
cota superior mínima.
una contradicción.
Decimos entonces que el conjunto de los números racionales tiene huecos
(es decir, hay subconjuntos acotados de Q que no tienen suprémum racional).
Note cómo la existencia de huecos es consecuencia de la contabilidad de Q.
Más adelante veremos que los racionales tienen otra falla, esta vez analíti-
ca: hay sucesiones de racionales que tienden a agruparse cada vez más (estas
sucesiones se conocen como sucesiones de Cauchy) y sin embargo no conver-
gen. Es interesante que estas fallas, excepto una de las algebráicas, quedan
resueltas en los reales, que Dedekind7 definió usando ciertas particiones de
Q y Cauchy8 definió usando ciertas clases de equivalencia de sucesiones de
racionales.
rollar la idea de que los números racionales y los irracionales forman un continuo: los número
reales. Cada número irracional divide el conjunto de los números racionales de manera particular.
8 Auguste Louis Cauchy (1789-1857) Matemática francés es reconocido por su trabajo en el análisis
A mediados del siglo XIX se sintió una necesidad de rigor, por ejemplo al
hablar de límite; hubo un renacimiento de la importancia de la lógica en las
matemáticas, y se empezó axiomatizando el conjunto de los números naturales.
A partir de los Axiomas de Peano, de las ideas de Frege y Russell9 y de la
teoría de conjuntos, se dieron definiciones para los diferentes tipos de número.
Riemann10 y Weierstrass11 dieron definiciones de integral y de límite. Quizás
la definición más difícil de dar fue la de los números reales. Así a finales del
siglo XIX la pregunta era muy pertinente pero la respuesta no era nada obvia.
Richard Dedekind, un matemático alemán amigo de Riemann, dio la primera
definición axiomática de los número reales. El concepto básico de su idea es
un corte.
Un corte de Dedekind es una partición Q = k ∪ l ∪ m del conjunto de los
números racionales donde k y m no son vacíos y l es un conjunto unitario o
vacío, tal que, para cada k ∈ k, l ∈ l, m ∈ m, se tiene que k < m y, si l no es vacío,
k < l < m; además, ni k tiene máximo (racional) ni m tiene mínimo (racional).
Un corte de Dedekind es una forma de partir el conjunto de los racionales (osea
expresar como una partición).
euclídea, teoría analítica de números y por sentar las bases para la topología moderna.
11 Karl Weierstrass (1815-1897) Matemático alemán tutor de Cantor y Engel entre otros. Aunque
0.9. Topología
Definición 7. La clausura de un conjunto está dada por A ∪ Aa l donde Aa l es el
conjunto de los puntos de acumulaciòn de A
Definición 8. Un subconjunto X de un conjunto Y es denso si X̄ = Y
Definición 9. Un conjunto X es denso en ninguna parte si para ningún intervalo I,
I ∩ X es denso en I.
Una base para un espacio topológico es una colección de conjuntos abiertos
tal que cada conjunto abierto en el espacio es una unión de elementos de la
base.
Aac : Conjunto de los polos de acumulación de A.
Suponga que |Aac | ≤ 1 entonces A es contable y denso en ninguna parte.
Ejercicio. Suponga que (Aac )ac = ∅. 1) Cubra Aac con intervaloos disyuntos que
incluyen cada uno exactamente un punto de Aac . Resulta una unión contable
de contables que es contable.
Teorema de Arquímedes
k
q= ⇒n=l
l
El teorema de Arquímedes:
1
∀x ∈ R : x > 0, ∃n ∈ N : n > 0 ⇒ 0 < <x
n
Ejercicio. Demuestre el teorema de Arquímedes.
0.10. LOS NÚMEROS REALES R1 47
Proposición
Entre 2 reales s y r hay un racional q:
Por teorema de Arquímedes:
1 1 1 rn + 1
∃ < s − r(s > r) ⇒ r < + r < s : q = + r =
n n n n
Ejercicio. Muestre que la relación ser subconjunto de, es un orden lineal para
R
Ejercicio. Muestre que para cada real > 0 hay enteros m y n tales que | π− m
n |<
.
Para terminar esta sección, podríamos decir que con los números natu-
rales contamos, con los enteros llevamos contabilidades y con los racionales
medimos magnitudes físicas que asumimos que se pueden subdividir en un
número arbitrariamente grande de partes iguales. El uso de números reales es
antetodo teórico ya que ninguna medida tiene precisión definitiva. Sin embar-
go, su utilidad es grande ya que al modelar magnitudes como números reales
podemos usar técnicas del cálculo para maximizar, obtener transformadas, etc.
Una de las enseñanzas del positivismo es que no es conveniente ser positivista
a ultranza: ni Kronecker aceptó el infinito de los naturales ni Mach aceptó los
átomos; pero sin el infinito y sin los átomos, la ciencia y la técnica estarían
innecesariamente limitadas hoy en día.
Los reales por su parte tienen fallas algebráicas: hay ecuaciones de la forma
p(x) = 0, con puna función polinómica que no tienen soluciones en R. Esta falla
la resuelven los complejos.
Denotemos con bxc el “máximo entero menor o igual” que x. Así, x − bxc es
la “parte decimal” de x.
0.11. La circunferencia S1 = T1
En esta sección definimos la esfera unidimensional S1 , que para dimen-
sión 1 coincide con el toro unidimensional T1 y con la línea proyectiva RP1 .
0.11. LA CIRCUNFERENCIA S1 = T1 51
2 ] + [ 4 ].
Ejercicio. Calcule [ 3π 5π
0.11.1. Circularidad de S1
Considere la relación ternaria T de puntos en S1 definida a continuación.
Sean [x], [y], [z] elementos de S1 . Decimos que ([x], [y], [z]), ([y], [z], [x]), ([z], [x], [y]) ∈
52 CAPÍTULO 0. BASES MATEMÁTICAS
Figura 18: El intervalo de S1 de radio con centro en [x], corresponde a una colección infinita
de intervalos de la línea de los números reales
0.11. LA CIRCUNFERENCIA S1 = T1 53
T si y sólo si:
Es conveniente cuantificar las diferencias entre tintes; esto puede ser lleva-
do a cabo con una métrica para el conjunto de números complejos de magnitud
1. Adicionalmente a la métrica d1(z1 , z2 ) = |z1 −z2 | resultante de la inmersión de
la circunferenca unitaria en el plano complejo, también se tienen las métricas:
d2(z1 , z2 ) = 1 − cos(arg(z1 ) − arg(z2 )) = Re[z1 z−1
2
]
d3(z1 , z2 ) = T(arg(z1 ) − arg(z2 ))
donde T es la función carpa periódica de periodo 2π dada por T(x)=|x| para
x ∈ [−π, π].
PN
zi
z̄ = P1N
| 1 zi |
0.11. LA CIRCUNFERENCIA S1 = T1 55
ecuaciones cúbicas hasta establecer la solución general de estas. Solución que luego fue publicada
por Cardano como producción propia.
14 Jérôme Cardan “Cardano” (1501-1576) Matemático italiano reconocido por la publicación de
0.12. LOS NÚMEROS COMPLEJOS C 57
Unos 30 años después, Bombelli15 notó que si la recta es tal que p3 > q2
resulta la raíz de un número negativo aún en casos en los que hay una solución
geométrica al problema. Por ejemplo, la recta y = 15x+4, que interseca la cúbica
en x = 4, tiene este problema. Bombelli tuvo la (gran) idea de suponer que para
√3 √3
la ecuación x3 = 15x + 4, 2 + 11i es de la forma 2 + ni y 2 − 11i es de la forma
2 − ni. Definiendo la multiplicación y la adición de números complejos (como
la conocemos hoy en día) encontró que las cosas aún cuadraban bien en la
fórmula de Cardano.
su Ars Magna, además de otros libros sobre juegos y azar donde sienta una aproximación a la
probabilidad.
15 Raffaele Bombelli (1530-1572) Matemático italiano. Entre sus publicaciones encontramos con-
cido por su trabajo en el desarrollo de la corriente alterna; algunas de sus mayores contribuciones
son en el área de hystéresis, lo que permitió el avance del diseño de motores eléctrico.
0.12. LOS NÚMEROS COMPLEJOS C 59
Para pasar del modelo del plano al modelo del cilindro, es conveniente un
paso intermedio pasando por un cono. Imagine que el plano complejo C es el
plano x − y del espacio R3 . Luego suponga que colocamos un cono con vértice
en el origen del plano y con eje el eje z, como se muestra en la figura 22. Luego,
suponga que proyectamos hacia arriba, sobre el cono, los puntos del plano.
60 CAPÍTULO 0. BASES MATEMÁTICAS
0.12.1. Nomenclatura
En coordenadas rectangulares, la primera componente de un número com-
plejo se denomina su parte real y la segunda su parte imaginaria. Las funciones
Re e Im están definidas así:
Re(x, y) = x (parte real)
Im(x, y) = y (parte imaginaria)
Resulta conveniente denotar los números con coordenadas rectangulares
(0, 0), (1, 0) y (0, 1) abreviadamente, así: θ := (0, 0), 1 := (1, 0) y j := (0, 1).
Por lo tanto, en coordenadas rectangulares, (a, b) = a(1, 0) + b(0, 1) = a1 + bj,
que escribimos simplemente como a + jb.
En coordenadas polares, la primera componente de un número complejo
se conoce
como su magnitud mientras que la segunda se conoce como su fase:
(r, φ) = r (magnitud)
∠(r, φ) = φ (fase).
Como dijimos, al origen θ del plano no le definimos fase.
62 CAPÍTULO 0. BASES MATEMÁTICAS
Sea z = (x, y), si (x, y) + (a, b) = θ, entonces (a, b) = (−x, −y), por lo tanto el
inverso aditivo de z está dado por −z = (−x, −y).
Cada número complejo z, con excepción de θ, tiene un inverso multiplicativo
que denotamos z−1 . Para obtener una fórmula en coordenadas cartesianas para
0.12. LOS NÚMEROS COMPLEJOS C 63
Figura 24: Equivalencia geométrica de las representaciones polar y rectangular de los números
complejos
arctan(y/x), si x > 0,
π
2, si x = 0, y > 0
φ=
2 , si x = 0, y < 0
−π
arctan(y/x) + π,
si x < 0
e jω sen(ω)
Ejercicio. Muestre que: = 12 + j 21 1+cos(ω) . También, grafique la magnitud,
1+e jω
la fase, la parte real y la parte imaginaria contra ω, para ω ∈ [0, 2π).
Figura 26: Una forma de definir la función arctan: con rango (−π/2, π/2)
Figura 29: Representación geométrica del inverso multiplicativo, el inverso aditivo y el conju-
gado
z∗
Ejercicio. Muestre que, si z , 0, z−1 = .
|z|2
tan(α)+tan(β)
Ejercicio. Usando la fórmula tan(α+β) = 1−tan(α) tan(β) , muestre que ∠zw = ∠z∠w.
al origen del plano, el polo norte a ∞, puntos diferentes del polo norte a la
intersección de un línea que pasa por el polo norte y el punto en cuestión, con
el plano, cuando éste se imagina como tangente a la esfera en el polo sur.
Así es posible decir por ejemplo, que una función tenga un polo en infinito
y que las funciones de Möbius son biyecciones del plano complejo extendido
a sí mismo.
Una utilidad de visualizar así el plano junto con el infinito, es que el infinito
es más intuitivo u no algo “que no se puede ver porque está muy lejos”.
continuación, rotamos la esfera S2 media vuelta de tal forma que el polo sur y
el polo norte intercambien posiciones, manteniendo la circunferencia imagen
del eje imaginario invariante; finalmente volvemos a proyectar sobre el plano
: m = p−1 ◦ r ◦ p : → S2 → S2 → .
P P P
Veamos también que las partes positivas y negativa del eje real permanecen
invariantes, y que las partes positiva y negativa del eje imaginario se intercam-
bian. Finalmente, veamos que, con el procedimiento indicado, la magnitud de
cada punto resulta invertida.
Si mostramos que los ángulos α y β son iguales, el resultado buscado se
sigue, ya que entonces los triángulos 0NB y CNA son similares por tener 2
ángulos iguales, entonces N0 = NC , entonces 1 = NC 1 osea 0B = 0A .
1
0B CA 0B
Para mostrar que α = β, note que los arcos de circunferencia subtendidos
por α y β son iguales ya que los triángulos FDG y FEG son iguales, por lo tanto,
αz+β λ
α = β. Ahora, más general, note que χz+γ = δ + χz+γ , donde δ = χα y λ = βχ − αγ.
0.13.1. Definición
Si x es un punto en R4 = R1 × R3 (como explicamos abajo, resulta conve-
niente pensar que las últimas 3 componentes de un cuaternio son las coorde-
0.13. LOS CUATERNIOS (H) 75
(x0 1 + x1 i + x2 j + x3 k)(y0 1 + y1 i + y2 j + y3 k) =
((x0 y0 − x1 y1 − x2 y2 − x3 y3 )1 + (x0 y1 + x1 y0 + x2 y3 − x3 y2 )i+
(x0 y2 + x2 y0 − x1 y3 + x3 y1 )j + (x0 y3 + x3 y0 + x1 y2 − x2 y1 )k)
Entonces, xx∗ = x20 +x21 +x22 +x23 es un escalar de la magnitud del cuaternio:
|x|2 := xx∗ (que también se conoce como la “norma regular” N(x) de x)
1
Ejercicio. Encuentre 1+i+ j+k .
Ejercicio. Diga por qué, el producto en R3 dado por [x, y, z][a, b, c] = [yc −
zb, xc − az, xb − ay] junto con la operación normal suma, no permite tener un
anillo de división sin divisores de cero.
producto de dos cuaternios puros está dado por üë = ü × ë − ü · ë. El cuadrado
de un cuaternio unitario puro es -1. Esto nos permite escribir, usando las series
de Taylor de seno y coseno eüt = cos t + ü sen t, siempre que ü sea un cuaternio
unitario puro.
78 CAPÍTULO 0. BASES MATEMÁTICAS
Ejercicio. Muestre que un cuaternio puro tiene como cuadrado el escalar -1.
Por lo tanto, L es representable como producto por una matriz L(ë) = ëM, con
la propiedad que (ëM) (ëM)T = ëëT , por lo tanto, ë MMT ëT = ëëT por lo tanto
MMT es la matriz identidad, por lo tanto M es una matriz ortogonal especial;
así, decimos que Lq es una rotación o una reflexión, dependiendo de si el
determinante de M es 1 o -1. Mostraremos que el determinante es 1 y que por
lo tanto se trata de un rotación. Sea Λ : S3 × R3 → R3 ; dada por Λ(q, ë) = Lq (ë);
así, Λ es una función continua de dos variables. Por lo tanto, det M depende
continuamente de q y, como para q = 1, det M = det I = 1, y como det M sólo
puede tomar valores 1 y -1, concluimos que det M = 1.
Lq (ë) = q e1 i + e2 j + e3 k q∗
queda:
a∗ − α j
a−1 =
aa∗ + αα∗
de lo que se concluye que se tiene un anillo de división.
Propiedades
a = (aā)1/2
1
< a, b >= ((a + b)(ā + b̄) − aā − bb̄)
2
1
=(ab̄ − bā)
2
La norma satisface |xy| = |x||y|. La base 1, i, j, i j es ortonormal. El orde-
namiento da una orientación para H.
0.14. Sucesiones
Una sucesión unilateral de elementos de A es una función con dominio
el conjunto de los naturales, s : N → A.
82 CAPÍTULO 0. BASES MATEMÁTICAS
0.14.1. Subsucesiones
∞ \
[ ∞
Ak
n=0 k=n
∞ [
\ ∞
→ Ak
n=0 k=n
84 CAPÍTULO 0. BASES MATEMÁTICAS
i. ∀ x0 inX, d(x, x) = 0
una métrica para R2 . Esta métrica se conoce como la métrica euclídea para R2 .
Ejercicio. Para la métrica del ejemplo anterior, dibuje la bola con centro en el
origen y con radio l.
0.15.1. Bolas
En un espacio métrico, definimos la bola de centro y y radio r Br (x)
como el subconjunto dado por {x|d(y, x) < r}.
Ejercicio. Para las métricas euclídea, del producto y del taxista, dibuje las bolas
con centro el origen y radio 1.
Cauchy supo de la idea de Dedekind para definir los números reales pero
de alguna manera, no le satisfacía. Cauchy dio otra definición de los reales,
basada en sucesiones de racionales en vez de subconjuntos de racionales. La
desventaja es que un número real, con la definición de Cauchy, es una clase de
equivalencia de sucesiones (algo más complejo que un corte de Dedekind). La
ventaja es que la idea se generaliza y se aplica a espacios métricos en general.
para cada positiva hay un número natural N tal que, siempre que n y m sean
mayores que N, d(sn , sm ) < Esto lo denotamos como d(sn , sm ) → 0. Si una
sucesión es convergente, claramente es una sucesión de Cauchy: esto se sigue
de la desigualdad del triángulo: d(sn , sm ) ≤ d(sn , l) + d(l, sm ).
Demostración 1. Como la imagen de {a} tiene cota superior, tiene cota superior
mínima, digamos α. Con > 0, α − no es cota superior, entonces para alguna N,
α − < an ≤ α, y se cumple la definición de convergencia de una sucesión.
a. an = (−1)n
b. an = (−0,9)n
c. an = ( j)n
d. an = ( n2 )
e. an = ( n+1
n
)
f. an = sen( n+1
1
)
g. an = (n)−n
h. an = sen n1
PRUEBA M de Weierstrass.
Sea { fn } una sucesión de funciones definidas en A, y sea {mn } una sucesión de
∞
P
números tales que ∀x ∈ A, | fn (x)| ≤ mn . Suponga que mn converge. Entonces
n=1
∞
P P
∀x ∈ A fn (x) converge en valor absoluto y fn (x) converge uniformemente
n=1
∞
P
a fn (x).
n=1
Lema 3. Cualquier sucesión {an } contiene una subsucesión que es o bien no decreciente
o bien no creciente.
Ejercicio. Muestre que tanto el conjunto de los números reales como el de los
números complejos, son completos, con respecto a la métrica d(x, y) = |x − y|.
ahora proseguimos con la idea de Cauchy para definir los números reales.
suponga que inicialmente tenemos solamente los números racionales (y los
enteros y los naturales). Note que Q es un espacio métrico con la métrica
racional ρ : Q → Q dada por d(p, q) = |p − q|. Se puede tener una sucesión
de Cauchy {sn } de racionales, (es decir ρ(sn , sm ) 0) pero que no converja a
ningún racional, indicando que los racionales son completos.
x
Ejemplo. Considere la sucesión {qn } = { yn } de racionales resultantes de la
n
xn+1 xn + 2yn x0 7
ecuación de recurrencia, =
con, = los primeros valores
yn+1 xn + yn y0 5
son 7/5 = 1,4, 17/12 = 1,416 . . . , 41/29 = 1,413 . . . , . . . .
Ejercicio. Muestre que los reales de Dedekind y los de Cauchy son equiva-
lentes.
0.16. Series
Definición 11. El término serie (“series” en inglés) quiere decir aquí el límite de
una sucesión de sumas parciales. En otros contextos, por ejemplo una serie de tiempos
(“time series”) es una sucesión de datos tomados a medida que avanza el tiempo. En
cierto sentido, lo que un profesional de la estadística llama una serie de tiempos es lo
que un ingeniero llama una señal discreta.
n ∞
1
= 1
P P
Ejercicio. Muestre que la serie i+1 n diverge hacia infinito, comparán-
i=0 n=1
1
dola con las áreas indicadas en la figura 38, sabiendo que la integral de x sobre
[0, ∞) es infinita.
94 CAPÍTULO 0. BASES MATEMÁTICAS
1 1 1 1 1 1 1 1
1− − + − − + − − + ···
2 4 3 6 8 5 10 12
1 1 1 1 1 1 1 1
= (1 − ) − + ( − ) − + ( − ) − + ···
2 4 3 6 8 5 10 12
1 1 1 1 1 1
= − + − + − + ···
2 4 6 8 10 12
1 1 1 1 1 1
= (1 − + − + − + · · · )
2 2 3 4 5 6
1
= ln 2
2
y, como vemos, ¡el resultado cambia! En este caso, la permutación g está dada
por: g(0) = 0, g(1) = 1, g(2) = 3, g(3) = 2, g(4) = 5, g(5) = 7, g(6) = 4, · · ·
P∞ P∞
Decimos que la serie zi converge en magnitud, si la serie | zi | con-
i=0 i=0
verge.
∞
2−n .
P
Ejercicio. Calcule
n=0
98 CAPÍTULO 0. BASES MATEMÁTICAS
∞
2−n .
P
Ejercicio. Calcule
n=1
∞
zn = 1
P
Ejemplo. La transformada de u−n está dada por 1−z , con región de
n=0
convergencia dada por |z| < 1.
0.16. SERIES 99
1 1/2
=
2 − z 1 − z/2
∞
1X z n
= ( )
2 n=0 2
−∞
1 X z −n
= ( )
2 n=0 2
−∞
1 X n −n
= 2 (z)
2 n=0
Ejemplo.
1
W(z) =
(1 − z)(2 − z)
1 1
= −
1−z 2−z
−1 1
= −1
−
z(1 − z ) 2 − z
−1 1
= +
z(1 − z ) 2z(1/2 − z−1 )
−1
Corresponde a diferentes sucesiones en cada una de las regiones |z| < 1, 1 <
|z| < 2 y 2 < |z|.
0.18. Intervalos de Rn y de Zn
Sean a = [a1 , a2 , . . . , an ] y b = [ba , b2 , . . . , bn ] elementos de Rn . El intervalo
cerrado [a, b] es el conjunto de puntos x = [x1 , x2 , . . . , xn ] de Rn tales que par
cada i en /1, n/, ai ≤ xi ≤ bi . El intervalo abierto ]a, b[ es el conjunto de
puntos x = [x1 , x2 , . . . , xn ] de Rn tales que par cada i en /1, n/, ai < xi < bi .
Ejemplo. Sean a = [3, 2] y b = [4, 3], puntos de R2 , el intervalo ]a, b[ se muestra
en la figura (44
Sean r = [r1 , r2 , . . . , rN ] y s = [sa , s2 , . . . , sN ] elementos de ZN . El intervalo
entero, de dimensión N, /r, s/ es el conjunto de elementos k = [k1 , k2 , . . . , kN ]
tales que, para cada i en /1, N/, r j ≤ ki ≤ si ,
Las uniones de intervalos son los dominios naturales de las señales. Los in-
tervalos multidimensionales son los dominios de las señales multidimension-
ales; por ejemplo, las imágenes tienen como dominio intervalos de dimensión
dos y se consideran señales de dimensión dos.
Por otra parte, los intervalos proveen bases para la topología estándar de
n
R . Estos intervalos se conocen como las bolas con respecto a la métrica del
producto.
102 CAPÍTULO 0. BASES MATEMÁTICAS
0.19. Cálculo
Observe la figura siguiente. note que las fn son continuas y que el límite c no
lo es.
Figura 46: En la definición de límite, los puntos del intervalo J, con la posible excepción de a,
tienen imágenes dentro del intervalo I; en el caso de la definición de continuidad, la imagen de J
es un subconjunto de I
0.19.4. Continuidad
Ejercicio. Muestre que la función f (x) = 1/x es continua pero que no es uni-
formemente continua en el intervalo (0,1).
0.19.7. Derivada
La derivada, de funciones tanto reales como complejas, con dominio real o
complejo, está dada por el siguiente límite, siempre y cuando éste exista:
f (x + h) − f (x)
f 0 (x) = lı́m
h→0 h
donde f puede ser una función f : R1 → R1 , R1 → C, C → R1 , C → C. En cada
caso, la suma y el cociente se calculan apropiadamente.
En el último caso, para funciones complejas con dominio complejo, la
derivada está basada en el hecho de que hay un cociente bien definido entre
números complejos. Esto hace que el cálculo complejo sea una teoría riquísi-
ma en conceptos: están los derivados del cálculo vectorial y los derivados de
las operaciones complejas. Así, por ejemplo, hay dos productos; el escalar y
el complejo. Se dice que una función f : C → C que sea derivable en z0 , es
holomórfica en z0 .
0.19. CÁLCULO 107
f : R1 → R1
f : R1 → C
f : C → R1
f :C→C
Figura 47: La ecuación de la tangente está basada en la función lineal λ(x) = f 0 (x)(t − x)
Figura 48: El ángulo con vértice z0 y el ángulo con vértice f (z0 ) son iguales
Ejercicio. ¿Es posible definir un cociente para los elementos diferentes del
origen, de R3 ? ¿Cuál sería el producto correspondiente?
0.19.10. Diferencial
Equivalentemente, tenemos la siguiente noción de derivada. Sea f : RN →
M
R una función con N y M naturales positivos. Se dice que f es diferenciable
(en sentido real) en el punto c ∈ R si existe una función lineal (con cuerpo los
| f (c+h)− f (c)−T(h)|
reales) T : RN → RM tal que, lı́m |h| = 0, donde | · | son las normas
h→0
para RN y RM .
Se puede mostrar que T es única y se conoce como el diferencial T f (c), y
también como la función tangente a f en c. T f (c) es la matriz Jacobiana
M × N de f .
∞ ∞
2. g(z) = b0 + bn (z − z0 )n , que escribimos abreviadamente como
P P
bn (z −
n=1 n=1
z0 )n .
condición suficiente para que una función de variable compleja tenga derivada
(continua) de cualquier orden.
Sugerencias:
114 CAPÍTULO 0. BASES MATEMÁTICAS
si se cumple la igualdad
Z b Z b
f (x)dx = f (x)dx
a a
decimos que f tiene integral de Riemann y que esta está dada por este valor
común
Z b Z b Z b
f (x)dx = f (x)dx = f (x)dx
a a a
1
x∈Q
Ejercicio. Sea f (x) =
diga si tiene integral de Riemann en [0, 1].
0 x∈R−Q
Nomenclatura
Ejemplo. Para dar una idea de lo que puede suceder al evaluar integrales de
Riemann-Stieltjes mostramos a continuación el resultado de una integral de
Riemann, sin deducir el resultado. Suponga que α es una función escalón
desplazada, como la mostrada en la figura 50, α(x) = 0 si x < 1, y α(x) = 1
si x > 1 y que el intervalo (a,b) contiene el número 1. Entonces, si f es una
Rb
función continua en 1, se tiene que, a f dα = f (1).
Z b Z α(b)
f (x)dα(x) = f (α−1 (x))dx
a α(a)
Ejercicio. Sea g : [0, 2π] → C, dada por γ(t) = e jt . Γ = γ([0, 2π]). Sea f : C → C
R
dada por f (z) = zn . Calcule f (z)dγ, para diferentes valores enteros de n.
Γ
0.19. CÁLCULO 123
f (z)
H H
La formula con integral de Cauchy es: w−z dw = f (z) 1
w−z dw, donde
Γ Γ
Γ es una curva cerrada tipo estrella y z es un punto en la región acotada por Γ.
El teorema del residuo dice: Sea Γ una curva tipo estrella, sea f una función
compleja analítica en la región abierta acotada por Γ, excepto posiblemente en
H n
un conjunto finito de puntos z1 , z2 , . . . , zn . Entonces, f (z)dz = 2πj Res f (z).
P
Γ k=1 z=zk
Z b
1
f¯[a,b] = f (t)dt
b−a a
Note que f¯ es la altura del rectángulo con base [a, b] y la misma área que la
Z Z b
f dλ = f (λ(t))dλ(t)
Λ a
si λ es derivable, tenemos
Z b
f (λ(t))λ0 (t)dt
a
I Z 2π
zn dλ = e jnt ( je jt )dt
S1 0
Z 2π
=j e j(n+1)t dt
0
2π j si n = −1
=
0 si n ∈ Z − {−1}
= 2π jx1
El funcional Dirac
0.19.22. Transformadas
R}, determina una familia contable de seminormas para L con la que se define
su topología: { fn } converge a 0 si y sólo si el límite cuando n tiende a infinito
de pa,b ( f ) es cero, para cada α y cada β naturales.
El espacio de funcionales continuos sobre L, que se denota L0 se llama
espacio de distribuciones temperadas.
128 CAPÍTULO 0. BASES MATEMÁTICAS
R∞
2. g(t) = 1
2π −∞ G(ζ)e jζt dζ (fórmula de inversión)
Definición 13.
R∞
Llamamos a g el núcleo del funcional γ dado por γ( f ) = −∞
g(t) f (t)dt.
R∞
Llamamos a g la semilla del funcional η dado por η( f ) = −∞
f (t)dg(t).
K( f ) = κ(F)
Z ∞
= F(Ω)dΩ
−∞
Z ∞Z ∞
= f (t)e− jΩt dtdΩ
Z−∞
∞
−∞
Z ∞
?
= f (t) e− jΩt dΩdt
−∞ −∞
R∞
que sin embargo no tiene sentido, ya que −∞
e− jΩt dΩ no converge. Así, tenemos
que K no tiene núcleo.
M( f ) = µ(F)
Z ∞
= F(Ω)dΩ
Z0 ∞ Z ∞
= f (t)e− jΩt dtdΩ
0 −∞
Z ∞ Z ∞
?
= f (t) e− jΩt dΩdt
−∞ 0
R∞
que tampoco tiene sentido, ya que 0
e− jΩt dΩ no converge. Así, tenemos que
M no tiene núcleo.
130 CAPÍTULO 0. BASES MATEMÁTICAS
Φ( f ) = φ(F)
Z
F(Ω)
= lı́m dΩ
→0 ||>0 Ω
Z Z ∞
1
= lı́m f (t)e− jΩt dtdΩ
→0 ||>0 Ω −∞
Z ∞
e−jΩt
Z
?
= f (t) lı́m dΩdt
−∞ →0 ||>0 Ω
−jΩt
R
resultando un distribución con núcleo ||>0 e Ω dΩ = jsgnt, donde sgn es la
función sígnum. (sgn vale 1 para argumento positivo, -1 para argumento neg-
R∞ − jΩt
ativo y 0 para argumento nulo). Sugerencia: evalúe e Ω dt usando cálculo de
0
residuos.
Así, en cierto sentido, 1/x y jsgn(x) son un par de Fourier.
Variación promedio
N
1 P
La variación promedio se define como lı́m 2N+1 |xi − xi−1 |.
N→∞ i=−N
Ejercicio. Si X es una exponencial compleja periódica con periodo N, muestre
∞
1 P
que su variación promedio está dada por N |xi − xi−1 |
i=−∞
0.19. CÁLCULO 131
Ejercicio. Muestre que la variación promedio de e jω0 n está dada por |1 − e jω0 |
Problemas
1. Muestre o dé un contraejemplo en relación con la afirmación: Si una
relación es simétrica y transitiva, entonces es reflexiva.
a) f −1 (C ∩ D) = f −1 (C) ∩ f −1 (D)
b) f −1 (C ∪ D) = f −1 (C) ∪ f −1 (D)
a) f (C ∩ D) = f (C) ∩ f (D)
b) f (C ∪ D) = f (C) ∪ f (D)
11. Sea f : R1 → (−π/2, π/2) dada por f (x) = arctan (x). Diga si f es una
biyección, o no.
a) h = a(1 + j)
b) h = a(1 − j)
29. Sea f : Z → C dada por f (n) = e j(2π/5)n , indique en el plano complejo los
puntos f (n) para n ∈ / − 10, 10/.
37. Sea f : C → C dada por f (z) = ez . Grafique las imágenes de los ejes del
plano complejo, y de las líneas que salen del origen con ángulos de nπ/4.
diga si es sobreyectiva.
44. Sea f : C → C dada por f (z) = z2 . Diga si f respeta ángulos entre líneas que
se intersecten en los puntos z = Θ, z = 1 y z = 1 + j. Explique.
136 CAPÍTULO 0. BASES MATEMÁTICAS
a)
b)
∞
P 1
b) n2
n=1
9
zn como una función racional de z, para z , 1.
P
51. Exprese
n=0
54. Sea g : (−1, 1] → R dada por g(x) = ln (1 + x). Encuentre los coeficientes
∞
de la serie de Taylor a0 + an xn de g al rededor de cero. Diga si la serie
P
n=1
encontrada converge también para x = 1. Encuentre f 0 (1− ) (la derivada
∞
por la izquierda en 1). Diga si f 0 (1− ) = nan xn−1 con x = 1.
P
n=1
10 2
zn = z−10 1−z 1
P
57. Muestre que 1−z .
n=−10
sen t
61. Encuentre el límite, cuando t tiende a cero, de t , t ∈ R1 .
1 h
R
62. Encuentre el límite, cuando h tiende a cero, de h 0 cos xdx.
64. Sea f : C − {−1} → C dada por f (z) = z−1z+1 . Diga si f respeta ángulos en
z = Θ, j, 1. Explique.
R1
65. Calcule −1 f (t)dα(t) donde f (t) = t2 y α(t) = 0 para t < 0 y α(t) = 1 − t
para t ≥ 0.
R∞ 2
66. Evalúe −∞ e−t e−jΩt dt, Ω ∈ R.
R∞
67. Evalúe −∞ 1+t 1 − jΩt
2e dt, Ω ∈ R.
Rπ
dΩ
68. Evalúe −π (1,25−cos Ω)2
.
69. Encuentre la variación total de f (x) = x(x − 1)(x − 2) en el intervalo [−1, 3].
R 2π
76. Calcule 0 f (λ(t))dλ(t), donde f : C → C está dada por f (z) = z2 y
λ : R → C está dada por λ(t) = e jπ(t+u(t−1)) (u(t) es el escalón).
79. Demuestre que la función f : C − {0} → C dada por f (z) = 1z puede ser
implementada en la siguiente forma:
Coloque el polo sur de una esfera de radio 12 sobre el origen del plano.
Suba los puntos del plano a la esfera, usando proyección estereográfica.
Rote la esfera manteniendola tangente al plano, y manteniendo invari-
antes las imágenes del eje real, de tal forma que al final, con proyección
estereográfica inversa, la imagen del punto que partió del punto j del
plano inicialmente, aterrice ahora sobre el punto −j.
1
87. Encuentre el límite cuando z tiende a 0 de e z .
x4 −y4 x4 +y4
90. Diga si g : C → C dada por g(x + jy) = x3 +y3
+ j x3 +y3 derivable.
91. Encuentre tres señales discretas con transformada zeta X(z) = 1+z
−z3 +2z2 +5− 6
,
indique las regiones de convergencia correspondientes.
x4 − y4 x4 + y4
f (x + jy) = + j
x3 + y3 x3 + y3
a) Diga si es derivable.
b) Aproxime, en las cercanias de z = 1 + j, a g(1 + j) + λ(z − (1 + j)),
donde λ : C → C, es lineal (con campo de escalares C). Encuentre
λ. Cuantifique el error para z = 0,9 + 1,1j
0.19. CÁLCULO 143
115. Muestre o de un contra ejemplo: Para ningún conjunto hay una biyección
de éste a su conjunto potencia.
[8] “The Large, the small and the Human Mind”. Roger Penrose.
145
146 REFERENCIAS
[10] “The Real Line and Calculus”. William Eaton. Class notes for
665A. The University of Texas at Austin, 1985. (Huecos de Q)
[18] ”On Quaternions and Octonions”. J.H. Conway and D.A. Smith.
AK Peters, Natick, 2003.
Señales y sistemas
1.0. INTRODUCCIÓN
Imagínese en una noche despejada al capitán de un barco comunicándose
con el de otro por medio de señales luminosas. Imagine que en el cerebro de
una persona se origina un impulso nervioso que al cabo de algún tiempo hace
que la persona mueva su mano izquierda. Imagine que por el cable de una
impresora viaja una señal que hará que se imprima la frase “Hello World”.
Un modelo sencillo de un sistema de comunicación incluye un emisor, un
canal de transmisión y un receptor; pero hay además otras cosas involucradas.
Por una parte está el vocabulario y la sintaxis del lenguaje de comunicación.
Por otra parte está la semántica de los mensajes que se pueden transmitir. Por
otra están las características de la implementación física del sistema.
En este curso, el sentido técnico de la palabra señal está dado por el aspecto
matemático de “lo que se transmite” en un proceso de comunicación. Aunque este
sea solo un aspecto del proceso de comunicación, su estudio resulta prove-
choso y básico para el entendimiento y potencial avance de los sistemas de
148
1.0. INTRODUCCIÓN 149
Definición 14. Una señal continua es una función cuyo intervalo de RN , con la
posible excepción de un subconjunto denso en ninguna parte de puntos.
150 CAPÍTULO 1. SEÑALES Y SISTEMAS
Definición 15. Una señal discreta es una función cuyo dominio es un intervalo
de ZN . El rango de una señal discreta es un conjunto de números; por ejemplo, el
conjunto de los números complejos, o el intervalo /0, 255/.
Definición 17. Una señal continua en sentido laxo es una señal continua que se ha
dejado sin definir en un subconjunto denso en ninguna parte de su dominio.
inspiró en los axones largos y mielinados del sistema nervioso de los mamífer-
os. El problema que aún persiste con un cable coaxial (o de fibra óptica), es
la atenuación que sufre la señal con la distancia; así, resulta muy importante
poder amplificar una señal. La tecnología de tubos de vacío con electrodos
conectados a terminales externos permitió efectuar tal amplificación. Esta mis-
ma tecnología permitió el desarrollo del tubo de rayos catódicos, que es con lo
que se construían las pantallas de TV y los osciloscopios anteriormente. A fi-
nales de la década de los 40 del s.XX, se desarrolló un dispositivo amplificador
semiconductor que era pequeño, confiable y permitía integración (es decir, la
fabricación de un circuito electrónico muy denso: (muy denso: miles de com-
ponentes en un milímetro cuadrado, así como la posibilidad de producirlos en
gran cantidad): este dispositivo es el transistor bipolar, inicialmente constru-
ido con germanio o silicio y despues con arseniuro de galio. Probablemente
en un futuro se usen las señales luminosas tanto como las electrónicas en los
circuitos integrados.
La tecnología de las comunicaciones y del control para los vuelos Apolo (en
la década de los 60)fue análoga en gran medida (aunque usaron computadores
rudimentarios al final). En los sesentas, el análisis de señales discretas o series
de tiempo era más del dominio de los estadísticos que de los ingenieros.
tasas de muestreo por debajo de, aproximadamente, 109 Hz, la tecnología digital
supera en muchos aspectos a la tecnología análoga; el caso más patente es el
tratamiento de señales de audio donde el uso de técnicas digitales permite
una gran versatilidad en la implementación de sistemas para el tratamiento
de las señales. Desde los ochentas, compañías como Texas Instruments pro-
ducen procesadores (DSP o digital signal processor) con arquitectura orientada
al tratamiento de señales.Desde la década de los noventas ha habido un boom
de las comunicaciones, que ha sido posible en parte por la tecnología para el
tratamiento digital de señales.
1.1. CLASIFICACIÓN DE LAS SEÑALES 153
Ejemplo.
dos funciones pueden tener el mismo gráfico y distinto rango; como acabamos
de decir, se asume que el rango es el conjunto de valores que la señal puede
tomar, físicamente. por ejemplo, la señal almacenada en un disco compacto
es digital ya que cada componente está codificado con 16 bits. La señal del
ejemplo anterior es una señal digital, así como la del ejemplo siguiente:
Ejemplo. f : {1, 2, 3, 4, 5} → /0, 15/, dada por f (1) = 10, f (2) = 0, f (3) = 1,
f (4) = 9, f (5) = 15.
Tamaño
Definimos el tamaño de un conjunto a continuación. Si el conjunto es con-
table, su tamaño está dado por su cardinalidad. Si el conjunto es un subconjunto
de RN , su tamaño está dado por la correspondiente medida (de Lebesgue): su
longitud, su área o su volumen, etc.
Soporte
El soporte de una función es el subconjunto del dominio donde la función
toma valores diferentes de cero.
[0, ∞).
El soporte de la señal seno sen : R1 → C, es R1 − πZ.
El soporte de la señal escalón discreta, u : Z → C, es el conjunto de los números
naturales.
El soporte de la señal pulso discreta p : Z → C, pn = un − un−10 es /0, 9/.
Longitud y duración
La longitud de una señal está dada por el tamaño de su dominio. La
duración de una señal está dada por el tamaño del intervalo más pequeño
que contenga su soporte.
Figura 1.4: Una función del conjunto 4 al conjunto de los números reales
Ejemplo. La señal continua g(t) = u(t) − u(t − 1), donde u es la señal escalón
continua, es de longitud infinita pero de duración finita.
Ejercicio. Grafique la señal g(t) del ejemplo anterior para t ∈ (−1, 2).
1.2. Funcionales
Conceptualmente, un funcional es un objeto intermedio entre aquellos de
funciòn o señal, y de sistema. Un funcional es una función (valga la redundan-
cia) que asigna un número (o, más generalmente, un elemento de un cuerpo
de escalares) a cada una de las funciones en un espacio vectorial de funciones.
Por ejemplo, considere el funcional φ : V → C, definido para un conjunto V
de señales, que asigna a cada señal s ∈ V el número s(0); escribimos φ(s) = s(0);
1.3. SISTEMAS 159
1.3. Sistemas
Un sistema es una función cuyos dominio y rango son conjuntos de
señales. Un sistema es una colección indexada de funcionales {φt }, ∀t φt : V →
C, cada uno de ellos definido para una colección de señales V = {s : T → C},
todas con el mismo dominio T, donde hay un funcional φt , t ∈ T para cada uno
de los valores del dominio T de las señales. Decimos que, si a un sistema S se
aplica la señal de entrada s, la señal de salida r, para un tiempo t es r(t) = S[s](t).
El concepto de sistema es tan básico e importante como el de señal pero
su definición matemática es ligeramente más compleja. La idea es que los
sistemas transforman las señales. Los sistemas son modelos del tipo “caja
negra” en cuanto que no necesariamente conocemos su implementación física.
Sabemos qué entra y qué sale pero solamente se tiene una abstracción de lo
que hay dentro de la caja: a veces interesa más saber qué hace el sistema que
cómo lo hace.
En teoría de señales los sistemas se denominan filtros. Con frecuencia,
en matemáticas, decimos que una función de un conjunto de funciones a
un conjunto de funciones es una transformación; así, un sistema es una
transformación. En ingeniería, hablamos de la transformada de fourier y de un
filtro o sistema RC, la diferencia fundamental es la implementabilidad física de
los sistemas y el aspecto teórico de las transformadas.
En teoría de señales, de control y de sistemas, se acostumbra representar un
sistema como una caja negra; sin embargo, un ingeniero seguramente deberá
tener en mente otras características del dispositivo que se modela, ya que todo
modelo tarde o temprano deja de ser válido, por una u otra razón.
160 CAPÍTULO 1. SEÑALES Y SISTEMAS
2) α · (v + w) = (α · v) + (α · w)
3) (α + β) · v = (α · v) + (β · v)
4) α · (β · v) = (α ∗ β) · v
5) 1 · v = v
Ejercicio. 0 · v = Θ.
Para cada sistema lineal, continuo o discreto, se tiene por lo tanto que la respuesta
a la señal cero es la señal cero.
Ejercicio. En relación con el ejemplo anterior, si φ(h) = h(0), para cada h, ¿Cómo
está dada la función g?
Ejercicio. Muestre que efectivamente se tiene una norma (que cumple con
suabditividad, homogeneidad positiva y que es definitivamente positivo).
−1 ∞
Ejemplo. Suponga que para cada n, sn = s−|n| , entonces, ksk1 = 2n + 2−n =
P P
n=−∞ n=0
1 + 2 = 3.
∞
P 1
n2
n=1
∞
P (−1)n+1
n
n=1
∞ 1
X p p
kskp := |s|
n=−∞
1.3. SISTEMAS 165
Eles mayúsculas
Ejercicio. Sea s : R1 → R1 dada por s(t) = cos 5πt. Diga si s(t) es una señal
integrable en valor absoluto. Diga si s2 es una señal integrable.
1.3. SISTEMAS 167
R1 R∞
0
· 0
·
1
t ∞ ∞
1
√
t
2 ∞
1
t2 ∞ 1
Lp [0, 2π)
krk∞ = sup{|rn | : n ∈ Z}
Por lo tanto, una señal es acotada si y sólo si su norma ele-infinito es finita. Por
ejemplo, la norma de la señal continua cos t es 1, mientras que la señal discreta
2n no es acotada.
Suponga que del cátodo salen n electrones por segundo, y que la carga del
electrón es −q. Así, del cátodo sale una carga de −nq culombs por segundo. El
trabajo que realiza la fuente de voltaje al acelerar un electrón cuando viaja del
cátodo a la pantalla es qV.
(definido más adelante) nunca aumenta la variación de una señal, lo que puede
considerarse como una propiedad alisadora («smoothing») del filtro.
1.8. Problemas
1. Muestre que las normas L1 , L2 y L∞ cumplen la desigualdad del triángulo:
k f + gk ≤ k f k + kgk.
R∞ sen(t)
4. Muestre que ( t )dt = π/2.
0
R∞ sen(t)
5. Muestre que | t |dt = ∞. Sugerencia: considere una señal triángulo
0
como la mostrada en la figura 1.14, la cual es no negativa y acotada por
1.8. PROBLEMAS 173
sen(t)
| t |. ¿Cuánto vale la integral de F(t)/t para t ∈ (0, π)?
sen(t)
6. Sea f (t) = ( t )2 , para t , 0 y f (0) = 1. Encuentre k f k1 y k f k2 . Diga si
f ∈ L1 y si f ∈ L2 .
R
7. Encuentre el valor de lı́m→0 |Ω|> e−jΩt dΩ.
Ω
11. Dé un ejemplo de una señal con norma L1 finita, pero con norma L2
infinita.
12. Dé un ejemplo de una señal con norma L2 finita, pero con norma L1
infinita.
174 CAPÍTULO 1. SEÑALES Y SISTEMAS
175
Capítulo 2
Convolución y sistemas de
convolución
2.0. INTRODUCCIÓN
La convolución se puede ver como una operación entre señales; así, dadas
dos señales, resulta otra señal. La convolución es una herramienta de utilidad
en probabilidad, análisis de sistemas, análisis de Fourier y otras áreas; su util-
idad es más que todo teórica. La solución de muchas ecuaciones diferenciales
(y de diferencia) lineales, no homogéneas y con coeficientes constantes, en
función del término no homogéneo 1 , es una convolución continua o discreta,
respectivamente.
Dada la fácil representabilidad en el dominio de la frecuencia de Fourier de
los sistemas de convolución, la convolución es un concepto muy útil y popular
176
2.0. INTRODUCCIÓN 177
en tratamiento de señales.
La convolución también es un concepto importante en teoría de sistemas,
en ecuaciones diferenciales y en ecuaciones de diferencia. Consideremos esto
desde el punto de vista de la ingeniería eléctrica. Un circuito puede verse como
un sistema que transforma una señal de entrada en una señal de salida. Si el
circuito está compuesto por resistencias, bobinas y condensadores lineales e
invariantes, además de amplificadores lineales, el circuito se puede modelar
con una ecuación diferencial, lineal y de coeficientes constantes. Es decir que
para cada corriente o voltaje en el circuito hay una ecuación integro-diferencial
en esta variable, con un término no homogéneo que depende de la señal de
entrada al circuito y, si se quiere, de las condiciones iniciales del circuito. En
realidad, en este curso no asumiremos condiciones iniciales, debido a que
asumimos que el circuito ha estado funcionando siempre, ¨desde t = −∞¨1 .
Vale la pena resaltar que si derivamos una ecuación integro-diferencial al
querer convertirla en una ecuación diferencial, perdemos información; además,
es posible que el término no homogéneo no tenga derivadas del orden requeri-
do.
Tanto el voltaje entre los terminales de un condensador, como la corriente
por una bobina son integrales, de la corriente y del voltaje, repectivamente,
y por esto asumimos que son funciones continuas. Es decir, que si para un
Rt
intervalo [a, b] se tiene que la integral a(t) := t b(τ)dτ existe como un número
0
real, para toda t ∈ [a, b] entonces a(t) es continua en (a, b). Además, asumimos
que la corriente por una inductancia y el voltaje sobre un condensador, por ser
integrales, además de ser funciones continuas, cuentan con derivadas izquier-
da y derecha en cada punto t.
R
Adéndum. Note que 1
0 τ
dτ = ∞ para cualquier epsilon positiva (>0) (∞ no es
1 Esto está relacionado con el hecho de que las transformadas, de Laplace y de Fourier que
consideramos, son bilaterales.
178 CAPÍTULO 2. CONVOLUCIÓN Y SISTEMAS DE CONVOLUCIÓN
donde g(t) = 1
R (1−e
−Rt/L
)u(t) que como mostramos a continuación es la respuesta
escalón del sistema, es decir, la solución de la ecuación cuando e = u. Vea
2.0. INTRODUCCIÓN 179
en el primer caso, la solución está dada por s(t) = ke−Rt/L y como requerimos que
la solución sea acotada, ponemos k = 0. Así, tenemos s(t) = 0 y, en particular,
s(0− ) = 0. En el segundo caso, para t > 0, la solución es s(t) = 1/R + ke−Rt/L
180 CAPÍTULO 2. CONVOLUCIÓN Y SISTEMAS DE CONVOLUCIÓN
y como requerimos que la corriente sea una función continua, con s(0+ ) = 0,
resulta que el voltaje sobre la resistencia en 0+ es 0 y que por lo tanto el voltaje
sobre la inductancia en 0+ es 1 y como éste está dado por Ls(0+ ) = −kR, tenemos
que k = −L/R. Por lo tanto, escribimos,
R Rt
g(t) = [1 − e− L ]u(t)
L
Ejercicio. Usando la fórmula 2.2, encuentre la respuesta del circuito cuando
s(t) = 1 + cos t.
Note que para un circuito RL, el valor de R juega un papel inverso en la
constante de tiempo τ = L/R al que juega la resistencia en la constante de
tiempo τ = RC en un circuito RC. Un circuito RC con resistencia grande es
«lento», mientras que un circuito RL con resistencia grande es «rápido».
Ejercicio. ¿Es válido asumir que la señal mostrada en la figura 2.2 ha llegado a
un «estado estable» para t = 5τ, donde τ = L/R?
∞ ∞
fk gn−k =
P P
Ejercicio. Diga si fn−k gk , y qué condiciones serían necesarias.
k=−∞ k=−∞
∞
Dado un valor específico N de n, para calcular hN =
P
fk gN−k , resulta
k=−∞
conveniente graficar gN−k , contra k, para lo cual trasladamos la gráfica de gk
«hasta que g0 quede en k = N» y luego «reflejamos» alrededor de k = N. Note
que esto se sigue de reemplazar el argumento n, en la definición de gn , por
N − k.
Ejemplo. Sea x una señal discreta cualquiera y sea y = h ∗ x, donde h está dada
por,
1/3, n ∈ {−1, 0, 1}
hn =
0, n < {−1, 0, 1}
182 CAPÍTULO 2. CONVOLUCIÓN Y SISTEMAS DE CONVOLUCIÓN
k -2 -1 0 1 2 3 4 5
2−k 4 3 2 1 0 -1 -2 -3
g2−k 1 1 1 1 0 0 0 0
fk -2 -1 0 1 2 3 4 5
y0 = 1/3(x−1 + x0 + x1 ) = 2/3
y1 = 1/3(x0 + x1 + x2 ) = 1
y2 = 1
y−2 = 0
...
y, en general,
0, n ≤ −2
n = −1
1/3,
yn =
2/3, n=0
1, n≥1
Ejercicio. Para el ejemplo anterior, demuestre que, en general, para una entrada
x, yn = 1/3(xn−1 + xn + xn+1 )
yn = xn + 0,5xn−1 + 0,25yn−2
= xn + 0,5xn−1 + 0,25xn−2 + 0,125yn−3
= xn + 0,5xn−1 + 0,25xn−2 + 0,125xn−3 + (1/16)yn−4
= xn + 0,5xn−1 + 0,25xn−2 + 0,125xn−3 + (1/16)xn−4 + (1/32)yn−5
= ...
X∞
= 2k xn−k
n=0
=x∗h
con hn = 2−n un
(vea la figura 2.8) Compruebe. Así decimos que la convolución de dos pulsos
es un trapecio. Similarmente, la convolución de un pulso consigo mismo, es
un triangulo.
Figura 2.8: g = f ∗ h
188 CAPÍTULO 2. CONVOLUCIÓN Y SISTEMAS DE CONVOLUCIÓN
2.2.1. Curvígrafos(“Splines”)
Definimos el curvígrafo de orden cero, como s0 (t) = u(t + 0,5) − u(t − 0,5),
El spline de orden 1 como s1 (t) = [s0 ∗ s0 ](t) y en general, en forma inductiva,
sn (t) = [sn−1 ∗ s0 ](t).
Z∞ Z∞
s(t) = e(t − τ)dg(τ) = e(t − τ)h(τ)dτ
−∞ −∞
Ejemplo. Sea g(t) la señal mostrada en la figura 2.9 y suponga que quere-
mos evaluar la convolución de Stieltjes [sen ∗dg](t). Según la definición que
190 CAPÍTULO 2. CONVOLUCIÓN Y SISTEMAS DE CONVOLUCIÓN
= 0g(∞) − 1g(−∞)
= −g(−∞)
Donde g(∞) := limt→∞ g(t) y así sucesivamente con g(−∞), u(∞), u(−∞) Por lo
tanto,
Z ∞ Z ∞
u(t − τ)dg(τ) = − g(τ)du(t − τ) − g(−∞)
−∞ −∞
= g(t) − g(−∞)
192 CAPÍTULO 2. CONVOLUCIÓN Y SISTEMAS DE CONVOLUCIÓN
Y sólo en caso que g(−∞) = 0 (que sin embargo es lo que asumiremos de ahora
en adelante) se tiene que g es la respuesta escalón del sistema.
El resultado obtenido muestra que g es la respuesta escalón de un sistema
que tenga relación entrada/salida dada por la ecuación 2.5. También, dadas las
propiedades de superposición y homogeneidad de la operación de convolu-
ción indicadas en los ejercicios finales de la sección 2.2, podemos concluir que
los sistemas de convolución son lineales.
Muchos sistemas de interés en ingeniería electrónica son sistemas de con-
volución; por ejemplo, los circuitos de resistencias, inductancias y capacitan-
cias lineales, ya que éstos se modelan con ecuaciones diferenciales lineales con
coeficientes constantes y, como mostraremos en la sección 2.8, la solución de
estas ecuaciones es una convolución de Stieltjes.
Z ∞
s(t) = e(t − τ)dg(τ)
−∞
Z ∞ Z ∞
s(t) = h(τ)e(t − τ)dτ = h(t − τ)e(τ)dτ
−∞ −∞
194 CAPÍTULO 2. CONVOLUCIÓN Y SISTEMAS DE CONVOLUCIÓN
Ejercicio. Hay casos como s(t) = cos t, para los cuales e(−∞) , 0, ¿qué pasa en
estos casos?
Note que aunque, e∗h = h∗e, se tiene que, siempre y cuando g(−∞) = e(−∞) = 0,
Z ∞ Z ∞
e(t − τ)dg(τ) = − e(τ)dg(t − τ)
−∞ −∞
R∞
Ejercicio. Sean e(t) = 1 + cos t y g(t) = e−t u(t). Calcule −∞
e(t − τ)dg(τ).
Figura 2.13: La respuesta escalón de un sistema de convolución. Note que así como un RC pasa
altas, la respuesta escalón de este sistema no es diferenciable.
tenemos Z ∞ Z ∞ Z ∞
s(t)dt = f (u)du dgτ
−∞ −∞ −∞
y el sistema tiene función característica,
Z ∞ Z ∞ Z ∞
s(t)dt = f (u)du h(τ)dτ
−∞ −∞ −∞
una de ellas tiene área igual a uno. Este resultado se puede inferir del hecho que la función de
densidad de probabilidad de la suma de dos variables aleatorias independientes es la convolución
de las densidades de las variables que se suman.
2.4. LA TRANSFORMADA DE HILBERT 201
una constante, es el que relaciona las áreas (cuando existen) de las señales de
entrada y salida.
2. Encuentre h si h1 = 0.
Ejercicio. Si decimos que el sistema identidad (el que tiene entrada = salida)
tiene función de transferencia H(s) = 1, muestre que pasa altas = identidad -
pasa bajas.
Inductancia, capacitancia.
Z t
y(n) + an−1 y(n−1) + · · · + a1 y + a−1 y=x (2.6)
−∞
Z t
g(n) + an−1 g(n−1) + · · · + a1 g + a−1 g=u
−∞
= x ∗ du
=x
2.9. Problemas
1. Muestre que si f, g ∈ L1 entonces f ∗ g ∈ L1 .
2. Sean g(t) y f (t) señales continuas con soportes (−1, 1) y (2, 7) respectiva-
mente. Encuentre el intervalo más pequeño que con seguridad contenga
el soporte de g ∗ f .
3. Sea f (t) = u(t) − u(t − 1). Calcule y grafique [ f ∗ f ](t). Calcule y grafique
[ f ∗ f ∗ f ](t).
a) 1 + sen(t)
b) e−t cos(t)
15. Se tiene un sistema discreto, con entrada x, y salida y, que cumple con
las siguientes condiciones:
a) yn = xn − 0,5yn−1
b) Esta relación se puede iterar hacia atrás y es válida en el límite:
16. Muestre que la convolución iterada del curvígrafo de orden creo, consigo
mismo, en el límite, es una campana de gaus.
2.9. PROBLEMAS 211
a) Grafique g.
b) Encuentre la respuesta a la señal tu(t)(¿es la integral de u?)
c) Encuentre la respuesta a la señal cos(t)
22. La señal g(t) tiene tranformada G(Ω), con G(Ω) = 0 para |Ω| = 2π10000.
Meustreando g, se obtiene la señal discreta x : Z → C dada por xn =
g(nT), T = 10−5 . la señal x es filtrada con el sistema dicreto con ecuación
de diferencia yn = 0,25(xn−1 + 2xn + xn+1 ), produciendo una señal discreta
212 CAPÍTULO 2. CONVOLUCIÓN Y SISTEMAS DE CONVOLUCIÓN
213
Capítulo 3
Representación de señales
periódicas en el dominio de la
frecuencia (de Fourier)
214
3.0. SEÑALES PERIÓDICAS 215
ingeniería.
También, es importante diferenciar entre la frecuencia con que un proceso
periódico se repite y las frecuencias que un análisis de Fourier produce. Así,
definiremos frecuencia de Fourier como la frecuencia de una sinusoide o
una exponencial compleja. como veremos en el capítulo 4, las exponenciales
complejas son las eigenfunciones, o funciones propias de los sistemas de convolu-
ción. Aunque la frecuencia de Fourier ha jugado un papel fundamental en la
teoría de sistemas lineales y en el análisis de señales , nuevas técnicas como
las onditas (ondelettes, wavelets), permiten la consideración de otros conjuntos
de señales básicas.
3.0.1. Definiciones
Inicialmente, damos unas definiciones que permiten hablar sin ambigüedad
sobre los conceptos de señal periódica y de periodo, tanto en el caso discreto como
en el continuo.
216 CAPÍTULO 3. SEÑALES PERIÓDICAS (FOURIER)
3.0.2. Frecuencia
Si se tiene una señal periódica, continua con periodo T, o discreta con peri-
odo N, mayor que cero, su frecuencia está dada por T1 o N1 , respectivamente.
La frecuencia de una señal continua está en [0, ∞], mientras que la frecuencia
de una señal discreta es un número en el intervalo [0, 1]. Por cierta razón que
explicamos a continuación, para señales discretas, la frecuencia 0 es equiv-
alente a la frecuencia 1, mientras que para frecuencias de señales contínuas
asumiremos que 0 es equivalente a ∞.1
Por convención, decimos que la frecuencia de una señal constante (disc-
reta o continua) es cero. Así, las señales discretas con periodo 1 (las discretas
constantes) tienen 2 frecuencias: uno y cero. Las señales constantes (y otras)
contínuas también tienen 2 frecuencias: 0 y ∞.
Ejercicio. Sea s una señal discreta con periodo N, con N > 1. Sea r un número
natural dado. ¿Es la señal t dada por tn = sm periódica? si sí, ¿cuál es su
periodo?
3.0.3. Unidades
e es una eigenseñal del sistema S si para algún número complejo w, S(e) = we.
3.1. SUMAS DE SEÑALES PERIÓDICAS 219
3.1.2. Notación
MCM denota el mínimo común múltiplo. MCD denota al máximo común
divisor.
Figura 3.3: Una señal con periodo 3, otra con periodo 4 y su suma
Ejercicio. Calcule el periodo de f (t) = sen t + 1/2 sen 2t. Figura 3.4.
3.1. SUMAS DE SEÑALES PERIÓDICAS 221
Ejercicio. ¿tiene periodo cero toda suma de dos señales contínuas con periodo
cero?
√
Ejercicio. Muestre que sen 2t + sen t es semi periódica y que no es periódica.
1.
2.
∞
cn e jnt0 = 0,5[ f (t+0 ) + f (t−0 )].
P
Si f es continua en t0 , entonces,
−∞
RT
En general, si f es periódica con periodo T y 0 | f (t)2 |dt ∈ R1 (es decir,
la integral de la magnitud al cuadrado sobre un periodo existe y es finita)
entonces:
X∞
f (t) = cn e jnΩ0 t
n=−∞
donde
1 T
Z
cn = f (t)e−jΩ0 nt dt
T 0
Ω0 se conoce como la frecuencia angular fundamental de f y está dada
por: Ω0 = 2π/T (la frecuencia fundamental es 1/T). Los múltiplos de la frecuen-
cia fundamental se conocen como frecuencias armónicas. La fundamental
es la primera armónica. Cuando un conjunto de frecuencias tienen mínimo
común múltiplo, se dice que están armónicamente relacionadas. El valor del
coeficiente c0 , el cual está dado por el promedio de la señal sobre un periodo,
se conoce también como el nivel “DC” o “nivel promedio” de la señal.
La representación en series de Fourier de una señal periódica permite su
representación en el dominio de la frecuencia de Fourier.
Ejemplo. Sea f (t) = sen t + cos 2t. Su representación en el dominio de la fre-
cuencia es el señal discreta mostrada en la figura siguiente, correspondiente
a los coeficientes cn de las exponenciales complejas en la serie (suma finita en
∞
cn e jnΩ0 t .
P
este caso) de Fourier
n=−∞
Ejercicio. Sea s(t) una onda cuadrada, como se muestra en la figura 3.9. En-
cuentre los coeficientes cn de su expansión en series de Fourier para −6 < n < 6.
Ejercicio. Suponga que se tiene una señal cuadrada de voltaje, positiva, con
frecuencia 60. ¿Cuánto vale su periodo? ¿Cuánto cale su frecuencia angular
fundamental? Si su amplitud es de 12 voltios, ¿Cuánto vale su nivel DC?
Calcule la magnitud de la fundamental, y de la segunda y tercera armónicas.
Ver figura 3.10.
Ejercicio. Muestre que si f es periódica y real, con serie de Fourier con coefi-
cientes cn , entonces {Im[cn ]} es una sucesión impar y {Re[cn ]} es una sucesión
par.
coeficientes de Fourier:
∞ Z T
X 1
|cn | =
2
| f (t)|2 dt
n=−∞
T 0
1
Ejemplo. Se pide calcular k 1+t2 k2 .
∞ ∞ " #
1 − t2
Z Z
1 1 1
dt = + dt
−∞ 1 + t2 2 −∞ (1 + t2 )2 1 + t2
3.4. SEÑALES PERIÓDICAS CONTÍNUAS 233
Z ∞
1
dt = arctan t|∞
−∞ = π
−∞ (1 + t )
2 2
∞ Z π/2
t2 tan2 u π
Z
dt = sec2 udu =
−∞ (1 + t )
2 2
−π/2 (1 + tan u)
2 2 2
de donde tenemos que
π
r
1
k k2 =
1 + t2 2
donde
Rπ
1 π 1 π
R R
a0 = c0 = 2π
1
−π
f (t)dt y an = π f (t) cos(ntπ)dt y bn = π −π f (t) sen(ntπ)dt,
P −π
n ≥ 1. También como, f (t) = ∞ n=0 n cos(nt + φ).
e
Ejercicio. Muestre que si f es real, Re(cn ) es una sucesión par e Im(cn ) es una
sucesión impar.
234 CAPÍTULO 3. SEÑALES PERIÓDICAS (FOURIER)
m
X
fm (t) = cn e jnt
n=−m
m Z π
1 X
= f (τ)e− jnτ dτe jnt
2π n=−m −π
Z π m
1 X
= f (τ) e− jnτ e jnt dτ
2π −π n=−m
Z π m
1 X
= f (τ) e jn(t−τ) dτ
2π −π n=−m
Z π
1
= f (τ)SEm (t − τ)dτ
2π −π
donde SEm es la función “senc enmascarada” de orden m, también conocida
como núcleo de Dirichlet, y está dada por:
e− jmx (1 − e j(2m+1)x )
SEm (x) =
1 − e jx
sen[(m + 1/2)x]
=
sen[x/2]
Si x es múltiplo de 2π y
SEm = 2m + 1
3.5. CONVOLUCIÓN CIRCULAR CONTINUA 235
Si x es un múltiplo de 2π.
A continuación se grafica la función senc enmascarada de orden 4; note
que es periódica con periodo 2π.
Pm z−m (1−z2m+1 )
Ejercicio. Muestre que n=−m zn = 1−z
Figura 3.13: Las señales sen t, 1/3 sen 3t, 1/5 sen 5t, 1/7 sen 7t
Figura 3.16: La suma parcial señales sen t + 1/3 sen 3t + 1/5 sen 5t
Figura 3.17: La suma parcial señales sen t + 1/3 sen 3t + 1/5 sen 5t + 1/7 sen 7t
238 CAPÍTULO 3. SEÑALES PERIÓDICAS (FOURIER)
donde
Z T Z T
1 1
cn = f (t)e− jnΩ0 t dt dn = g(t)e− jnΩ0 t dt
T 0 T 0
Suponga que uno está interesado en saber qué función h(t) tiene serie de
Fourier con coeficientes cn dn , es decir,
∞
X
h(t) = cn dn e jnΩ0 t
n=−∞
∞ Z T
1 X
= f (s)e− jnΩ0 s dn e jnΩ0 t ds
T n=−∞ 0
Z ∞
T X
1
= dn e jnΩ0 (t−s) f (s)ds
T 0 n=−∞
Z T
1
= g(t − s) f (s)ds
T 0
∞
si h(t) = cn dn e jnt , grafique h contra t.
P
n=−∞
3.5. CONVOLUCIÓN CIRCULAR CONTINUA 239
∞
si r(t) = dn e j2nt , grafique r.
P
n=−∞
m→∞
por lo tanto Sm (s, t) → 0.
f (π+ )+ f (π− )
si t , π donde s es la sierra y g(π) = 2 .
Así,
f (π+ ) + f (π− )
lı́m− g(t) = f (π− ) + π = g(π)
t→π 2π
y
f (π+ ) + f (π− )
lı́m+ g(t) = f (π+ ) + (−π) = g(π)
t→π 2π
y tenemos que g es continua en π. Los coeficientes de Fourier ĝn de g están
f (π+ )− f (π− )
relacionados con los coeficientes de fˆn y de s, (ŝn ) así: ĝ = fˆ− 2π ŝn y por un
resultado previo, como ĝn también decrece por lo menos proporcional a n1 y g es
f (π+ )− f (π− ) f (π+ )− f (π− )
continua, Sm ( f, π) → g(π). Por lo tanto, Sm ( f, π)− 2π Sm (s, π) → 2
f (π+ )− f (π− )
y como Sm (s, π) = 0, Sm ( f, π) → 2 .
f (x+ ) − f (x− )
Sm ( f, x) →
2
en particular, si f es continua en x, Sm ( f, x) = f (x).
de Fourier de tales señales; estas sumas se conocen también como seres discretas
de Fourier.
Las señales discretas periódicas se pueden representar como sumas finitas
de exponenciales complejas, a diferencia de las señales periódicas contínuas
las cuales se representan como series de exponenciales complejas. De hecho, si
el periodo de la señal discreta en cuestión es N, no más de N términos en la
suma son necesarios.
Como se verá en el capítulo 5, tal expansión permite también la repre-
sentación en el dominio de la frecuencia de señales discretas de longitud fini-
ta, conocida como DFT. La representación en el dominio de la frecuencia de
señales discretas de longitud infinita se trata en la sección siguiente; la repre-
sentación en el dominio de la frecuencia de estas señales se obtiene por medio
de la Transformada de Fourier de tiempo discreto.
El camino para obtener la expansión de las señales periódicas discretas en
sumas de exponenciales discretas tomado aquí, es algo indirecto; inicialmente,
la idea es obtener cierta biyección lineal de CN a CN . Empezamos por mostrar
que el resultado de ciertas sumas de exponenciales complejas es cero.
N−1
Ejercicio. Demuestre que para N = 3, k
= 0 (Vea la figura 3.22.)
P
WN
k=0
N−1
A continuación se demuestra que, en general, para N > 1, k
= 0.
P
WN
k=0
k
Geométricamente se puede argumentar como sigue. Los números WN ,k∈
/0, N − 1/, están uniformemente distribuidos sobre la circunferencia de radio 1
3.7. SEÑALES PERIÓDICAS DISCRETAS 245
con centro en el origen del plano complejo C. Si la suma no fuera cero, al rotar
el plano 2π/N radianes, los sumandos seguirán siendo los mismos mientras
que el resultado sería diferente, y esto es una contradicción.
N−1
WN = x
P k
Algebraicamente, argumentamos como sigue. Suponga que
k=0
N−1
k
=
P
y que x , 0. A continuación, multiplique por WN obteniendo, WN WN
k=0
N−1 N−1
k+1
= WN x, dado que WN
N
= WN
0 k+1
=
P P
WN x entonces WN , se tiene que WN
k=0 k=0
N−1 N−1 N−1
k
+ WN
0
= k k
= WN x y x = xWN , entonces, x = 0,
P P P
WN WN ; por lo tanto WN
k=0 k=0 k=0
lo cual es una contradicción ya que se asumió que x , 0.
entero de N, o no.
r(N−1) r(M−1)
0
{WN , WN
r
, . . . , WN } = {WN
0
, WN
r
, . . . , WN , WN
0
, WN
r
,
r(M−1) r(M−1)
. . . , WN , . . . , WN
0
, WN
r
, . . . , WN }
r(M−1)
0
donde la lista WN , WN
r
, . . . , WN se repite m veces.)
N−1
rk
P
Como conclusión, tenemos que las sumas de la forma WN valen N, cuando
k=0
JrKN = 0, y 0, cuando JrKN , 0
(r−1)(k−1)
Lema 5. La matriz A = JArk K = JWN K, donde cada componente Ark de la
(r−1)(k−1)
matriz está dado por Ark = WN es invertible.
=N
Además, para i , j
N
X
(k−1)(i−1) −(j−1)(k−1)
Ci j = WN WN
k=1
N
X
(k−1)(i− j)
= WN
k=1
=0
1
vector x en CN , concluimos que los vectores columna de NB son una base para
CN .
Corolario 4. Dada una señal x = [x0 , x1 , . . . , xN−1 ] de duración finita, sus compo-
nentes se pueden expresar así:
N−1
X 2π
xn = Xk e j N nk
k=0
3.8. Problemas
1. Exprese la señal an = Im (jn ) como una suma de exponenciales complejas
discretas. Muestre que xn es una señal impar y exprésela también como
una suma de senos discretos.
a) sen2 (t)
b) sen(9t) + sen(15t)
c) sen(2πt/7) + sen(2πt/5)
d) sen cos(t)
e) sen2 (t) + cos2 (t)
p
f ) sen( (2)t)
g) tan(t)
h) sen(2πt)
i) e jt
21. Muestre que para cada número real x ≥ 0, para cada > 0, hay un
número natural N tal que |x − 2πN|N < .
22. Muestre que para cada función continua periódica con periodo 2π, f ,
N
para casa > 0, hay una suma de exponenciales complejas ck e jtk tal
P
k=0
N
ck e | < .
jtk
P
que | f (t) −
k=0
27. Se tiene una señal periódica g : R → C con periodo 2 y dada por g(t) =
u(t) − u(t − 1) para t ∈ [0, 2). Calcule y grafique la convolución circular de
g consigo misma.
33. Se tiene una onda cuadrada de 60 ciclos por segundo, de nivel prome-
dio 0.5 y amplitud pico a pico de 1. Encuentre la potencia promedio
de la señal así como la potencia promedio asociada con las primeras 5
armónicas.
36. Se tiene una onda periódica de periodo 2π, nivel promedio 0.5 y amplitud
pico a pico de 1, como se muestra en la figura 36. Si su serie de Fourier
es ∞ jnt
P
−∞ cn e , encuentre la potencia promedio de la versión truncada de
su serie de Fourier dada por 6−6 cn e jnt .
P
38. Se tiene una onda periodica de periodo 2π, el nivel proemdio 1,0 y
amplitud pico-pico de 2, como se muestra a continuación. Si su serie
de Fourier es ∞ jnt
P
n=−∞ cn e , encuentre la potencia promedio de la versión
truncada de su serie de Fourier dada por 5n=−5 cn e jnt
P
39. f (t) es una onda cuadrada par de periodo 2π, nivel DC 0,5 y amplitud 1,
con serie de cosenos coeficientes an :
∞
X ∞
X
f (t) = an cos(nt) = hn e jnt
n=0 n=−∞
a) Grafique f (t).
b) Encuentre a0 , a1 y a2 .
P∞
c) grafique g(t) dada por n=−∞ hn e jnt .
a) Encuentre la salida.
b) Encuentre la potencia promedio de la entrada.
c) sando Parseval, encuentre la potencia pormedio de la entrada
254 CAPÍTULO 3. SEÑALES PERIÓDICAS (FOURIER)
41. Se tiene una onda periódica de periodo 1, nivel promedio 0,7 y amplitud
pico a pico de 1. Si su serie de Fourier es ∞ jnt
P
n=−∞ cn e , encuentre la
potencia promedio de la version truncada de su serie de Fourier, dada
por 3n=−3 cn e jnt .
P
256
Capítulo 4
La Transformada de Fourier
de Señales continuas
4.0. Introducción
257
258 CAPÍTULO 4. TRANSF. DE FOURIER DE SEÑALES CONTINUAS
4.0.1. Motivación
∞
X 2π
f (t) = dn e− j T nt (4.1)
n=−∞
con
Z T/2
1 2π
dn = f (t)e j T nt dt (4.2)
T −T/2
Sea
Z ∞
1
g(t) = G(Ω)e− jΩt dΩ
2π −∞
R T/2
con G(Ω) = lı́m F(Ωn ) = lı́m f (t)e jΩn t dt. Así, G(Ω) se puede ver como una
T→∞ T→∞ −T/2
de interpolación de F(Ωn ). Vea la figura 4.3.d.
la figura 4.4.
Z T/2
1
dn = f (t)e− jnΩ0 t dt
T −T/2
Z 1
1
= − jnΩ0 t
e
T −1
Z 1
1 2π
= e− jn T t
T −1
T, n=0
2
=
h 2nπ 2nπ
i
1 T e j T − e− j T , n , 0
T j2nπ
T, n=0
2
=
sen( 2nπ )
T 2nπT , n , 0
2
T
2 2nπ
= senc ( )
T T
2
= senc (n∆Ω)
T
4.0.2. Objetivo
Quizás tenga sentido decir que en la práctica las señales tienen duración
finita; sin embargo, no es conveniente restringirnos a conjuntos de señales de
duración finita, la generalidad tiene sus ventajas. En todo caso, muchas señales
continuas, de longitud infinita, de duración infinita y no periódicas, se pueden
expresar como las integral de una función de la forma S(Ω)e jΩt :
Z ∞
1
s(t) = S(Ω)e jΩt dΩ (4.3)
2π −∞
En estos casos, la función S(Ω) provee la caracterización en el dominio de la
frecuencia de Fourier de la señal s(t). S(Ω) se conoce como la transformada de
Fourier de s(t).
Para señales s en L1 , su transformada S(Ω) se calcula así:
Z ∞
S(Ω) = s(t)e jΩt dt (4.4)
∞
que ser en alguna medida lento: hay que empezar por señales en L − 1, luego
en L − 2, luego L − p, luego distribuciones funcionales.
Para señales en L2 se define una transformada de Fourier L − 2 que es un
límite en norma de funciones en L1 ∩ L2 - La transformada de una distribución
está dada por la distribución aplicada a la transformada de la función.
Note que G(Ω) se define como la suma de los siguientes límites, cuando T
tiende a infinito, de
Z 0 Z T
g(t)e − jΩt
dt + g(t)e− jΩt dt (4.5)
−T 0
264 CAPÍTULO 4. TRANSF. DE FOURIER DE SEÑALES CONTINUAS
Z T
g(t)e− jΩt dt (4.6)
−T
1,
t ∈ [−π, π]
s(t) =
0, t < [−π, π]
= 2πsenc πΩ
1
Ejercicio. Calcule la transformada de Fourier de la señal 1+t2
.
2
R∞ 2
Ejercicio. Muestre que e−x = √2
π 0
e−t cos(2tx)dt
define con una integral de Lebesgue, en vez de con una de Riemann; también
, que dos funciones son equivalentes si el subconjunto de su dominio donde
difieren (es decir, el soporte de su diferencia) tiene medida cero.
π
haciendo t0 = t − 2
Z∞
π −jΩt
G(Ω) = 0,5 g(t) − g(t − ) e dt
Ω
−∞
y
Z ∞
−G(Ω) = − g(t)e− jΩt dt
−∞
Z ∞
= g(t − π/Ω)e− jΩt dt
−∞
y
Z ∞ Z ∞
2G(Ω) = g(t)e− jΩt dt + g(t − π/Ω)e− jΩt dt
Z−∞
∞
−∞
resulta Z ∞
g(t) + g(t − π/Ω) e− jΩt dt
G(Ω) ≤ 0,5
−∞
dado que |e − jΩ
| = 1, se puede concluir que, para cada Ω,
Z ∞
|S(Ω)| ≤ |s(t|dt
−∞
Demostración.
Z ∞ Z ∞
S(Ω + h) − S(Ω) = s(t)e− j(Ω+h)t
dt − s(t)e− jΩt dt
Z−∞
∞
−∞
por lo tanto,
Z ∞
|S(Ω + h) − S(Ω)| ≤ |s(t)||e− jht − 1|dt
−∞
=0
272 CAPÍTULO 4. TRANSF. DE FOURIER DE SEÑALES CONTINUAS
= s(t)[e − jΩt
−e − jΩ0 t
]dt
−∞
así, Z ∞
|S(Ω) − S(Ω0 )| ≤ |s(t)[e− jΩt − e− jΩ0 t ]|dt
−∞
y, con la desigualdad de Cauchy-Schwartz.
= [F(s)](Ω)[F(r)](Ω)
4.2. PROPIEDADES DE LA TRANSFORMADA DE FOURIER L-1 273
donde
!2
sen( 2t )
Kr (t) = r t
2
274 CAPÍTULO 4. TRANSF. DE FOURIER DE SEÑALES CONTINUAS
Rr h sen(rΩ/2) i
Ejercicio. Muestre que 1 − |Ω|
r e
−r
jΩτ
dτ = r rΩ/2 . Sugerencia: Un
triángulo es la convolución de un pulso con sigo mismo.
Rr |Ω|
Ejercicio. Muestre que −r
1− r e jΩt S(Ω)dΩ = s ∗ Kr ,
h sen(t/2) i2
donde Kr = r t/2
[F(s∗ )] = S∗ (−Ω)
R
Para ver esto, dado que para todo número complejo z, (z∗ )∗ , que ( z)∗ =
R
z∗ , y que (e− jΩ )∗ = e jΩ , se tiene que,
Z ∞ Z ∞
∗
s (t)e − jΩt
dt = [s(t)e jΩt ]∗ dt
−∞ −∞
"Z ∞ #∗
= jΩt
s(t)e dt
−∞
= [S(−Ω)]∗
= S(Ω − Ω0 )
Figura 4.9: Sistema básico de modulación y demodulación DSB. (No se incluyen filtros ni
amplificadores.)
=e − jΩτ
S(Ω)
S(Ω) = [F(s)](Ω)
Z ∞
r(t + h) − r(t) − jΩt
= e dt
h
Z−∞∞ ∞
r(t + h) − jΩt
Z
−r(t) − jΩt
= e dt − e dt
−∞ h −∞ h
−1 − jΩh
= [e − 1]R(Ω)
h
Ejercicio. Calcular el límite cuando h tiende a cero de 1h [e− jΩh − 1] (R/ jΩ).
xi) (Parseval.) (Mark Antoine Parseval, Circa 1776 - 1836) La energía de una
señal multiplicada por 2π es igual a la energía de su transformada:
Z ∞ Z ∞
2π |s (t)|dt =
2
|S2 (Ω)|dΩ
−∞ −∞
tomando t = 0 resulta,
Z ∞ Z ∞
1
s(τ)r(−τ)dτ = S(Ω)R(Ω)dΩ
−∞ 2π −∞
ahora, asuma que s(t) = r∗ (−t), entonces s(t) tiene transformada S(Ω) =
R∗ (Ω) o, equivalentemente, s∗ (t) = r(−t) y R(Ω) = S∗ (Ω), y se tiene que,
Z ∞ Z ∞
1
s(τ)s (τ)dτ =
∗
S(Ω)S∗ (Ω)dΩ
−∞ 2π −∞
La fórmula deseada.
La fórmula de Parseval nos dice que la energía de una señal es pro-
porcional a la energía de su transformada. Esto nos permite llamar a
|S(Ω)|2 el espectro de energía de la señal s(t). Por esta razón también,
4.2. PROPIEDADES DE LA TRANSFORMADA DE FOURIER L-1 279
= S(Ω)
4.3. CONVOLUCIÓN EN FRECUENCIA 281
R∞
dado que −∞ e− jΩ0 τ dg(τ) es un número complejo, que depende de Ω0 , vemos
que, a menos que tal número sea cero, r(t) es una exponencial compleja de
frecuencia Ω0 . A este factor de amplificación para exponenciales complejas,
en función de la frecuencia, lo llamamos la función de transferencia del
sistema, que denotamos H(Ω):
Z ∞
H(Ω) = e− jΩτ dg(τ)
−∞
= H(Ω)S(Ω)
= lı́m g(t)
t→∞
Ejercicio. Sea
1,
t=0
e(t) =
senc πt , t , 0
πt
Suponga que esta señal se aplica a un filtro con la función de transferencia H(Ω)
dada en el ejercicio anterior. Grafique aproximadamente el espectro |Y(Ω)|2 de
la señal de salida.
por
H(Ω) = H(0 + jΩ)
G(Ω) = G(0 + jΩ)
Es decir, la transformada de Fourier corresponde a la transformada de Laplace
evaluada sobre el eje imaginario del plano complejo s.
Asumiendo que la función de transferencia H(s) es una función racional de
la variable s (lo cual ocurre siempre que el sistema tenga una ecuación difer-
encial correspondiente), por el teorema fundamental del álgebra, tenemos que
tanto el numerador como el denominador se pueden factorizar. Así, podemos
escribir
a(s − z1 )(s − z2 ) · · · (s − zn )
H(s) =
(s − p1 )(s − p2 ) . . . (s − pm )
para una función de transferencia con n ceros y m polos. Al restringirse al
dominio de la frecuencia de Fourier, tenemos:
a( jΩ − z1 )( jΩ − z2 ) · · · ( jΩ − zn )
H(Ω) =
( jΩ − p1 )(jΩ − p2 ) . . . ( jΩ − pm )
Concentrándonos en la magnitud de H y obviando la fase, ya que para decir el
tipo de filtro (pasa bajas, pasa altas, banda rechazada, etc.) que H representa,
sólo se usa la magnitud, tenemos
|a||(jΩ − z1 )||( jΩ − z2 )| · · · |( jΩ − zn )|
|H(Ω)| =
|( jΩ − p1 )||( jΩ − p2 )| . . . |( jΩ − pm )|
Queremos visualizar la relación entre la ubicación de los polos y ceros de G
(que son los de H con la posible excepción en s = Θ). Interpretando cada factor
como la distancia de jΩ a cada polo y cero, tenemos que la magnitud de H en
la frecuencia Ω, es proporcional al producto de las distancias a los ceros de jΩ
dividido por el producto de las distancias a los polos de jΩ. En particular, si
hay algún polo de la forma jΩ0 , la función de transferencia H(Ω) se anula en
Ω = Ω0 y si hay un polo en las cercanías de jΩ1 , la función de transferencia
crece en las cercanías de Ω = Ω1 . Vea la figura 4.17.
4.4. POLOS Y CEROS 289
H(s) = 1
s2 +s+1
H(s) = s
s2 +4s+1
s2 +1
H(s) = s2 +4s+s
s2
H(s) = s2 +4s+1
290 CAPÍTULO 4. TRANSF. DE FOURIER DE SEÑALES CONTINUAS
∞
X
σ(t) = cn e jΩ0 nt
n=−∞
h:
por lo tanto, la salida tiene representación como serie de Fourier dada por:
∞
X
ρ(t) = dn e jΩ0 nt
n=−∞
dn = cn H(nΩ0 )
la salida será,
∞
X
ρ(t) = dn e jΩ0 nt
n=−∞
donde dn = cn H(nΩ0 ).
Ejercicio. Se tiene una señal cuadrada con frecuencia de 60 Hz; esta señal se
aplica a un filtro pasa bajas ideal con frecuencia de corte en 100Hz. ¿cuál es la
señal de salida del filtro? (Expresela como una serie de sinusoides).
4.5. TRANSFORMADA DE FOURIER L-2 293
Ejercicio. Una onda triángulo de frecuencia 1cps (ciclo por segundo) es pasada
por un rectificador de media onda, obteniendo la señal s(t) mostrada en la
figura 4.19. Grafique la salida cuando s(t) es filtrada con un filtro pasa bajas
ideal con frecuencia de corte 0.2Hz y 1.5Hz.
Ejemplo. Suponga que se tiene una señal cuadrada g(t), como se muestra en
la figura siguiente. Es fácil mostrar que su expansión en series de Fourier
294 CAPÍTULO 4. TRANSF. DE FOURIER DE SEÑALES CONTINUAS
donde a0 = 1/2, bn = 2/(nπ) con n impar y bn = 0 con n par. Suponga que g(t)
se pasa por un filtro pasa bajas ideal, con frecuencia angular de corte igual a
5, como se muestra en la figura 4.21. A la salida del filtro se tiene la suma del
nivel DC, y de la primera y tercera armónicas. En la figura 4.23 se muestra la
Figura 4.25: La parte real de la función de transferencia del pasa bajos RC con RC=1
Figura 4.26: La parte imaginaria de la función de transferencia del pasa bajos RC con RC=1
caso, la respuesta escalón está dada por g(t) = u(t − τ). (Dado que este sistema
es claramente lineal e invariante, y dada la propiedad de desplazamiento en
tiempo de la transformada de Fourier, es ese sentido, diremos que la función
de transferencia de la linea de retardo, también conocida como un filtro pasa
todas, está dada por: H(Ω) = e = −jΩτ.)
Suponga que se tiene un sistema de convolución con respuesta escalón
g(t) con derivadas excepto en un conjunto finito de puntos, con una posible
cantidad finita de saltos, y acotada. Note que podemos expresar una respuesta
escalón así como la suma de: una señal derivable en sentido relajado, es decir
continua y con derivada excepto en un conjunto finito de puntos, por una
parte y una señal escalonada, es decir, una suma de señales escalón desplazadas
y escaladas, por la otra. La señal escalonada corresponderá a la suma (es decir el
paralelo) de sistemas identidad y la señal sin saltos a un sistema de convolución
con función característica.
Por lo tanto, el único efecto de este filtro es adelantar la señal que se filtra.
4.6.2. Distorsión
Cuando la magnitud de la función de transferencia no es contante a trozos
con valores cero, en la banda de rechazo, y uno, en la banda de paso, se dice que
se tiene distorsión de amplitud. Cuando la fase no es lineal, se dice que se
tiene distorsión de fase.
4.6. DISTORSIÓN DE FASE Y DISTORSIÓN DE AMPLITUD 303
1
HR C(Ω) =
1 + jΩ
suponga que la señal e(t) = cos(0,1t) + cos(0,5t) + cos(2t) mostrada en la figura
4.32.a, se filtra con cada uno de estos filtros. La idea es dejar pasar las señales
con frecuencias angulares 0.1 y 0.5 y rechazar la señal de frecuencia 2. La
respuesta del filtro ideal está dada por:
rRC (t) = 0,995 cos(0,1t − 0,099) + 0,894 cos(0,5t − 0,463) + 0,447 cos(2t − 1,107)
Ejercicio. Utilizando Matlab, grafique las respuestas rI (t) y rRC (t), mencionadas
arriba, para t ∈ [0, 200]; compare las diferencias.
304 CAPÍTULO 4. TRANSF. DE FOURIER DE SEÑALES CONTINUAS
Figura 4.32: a. Señal de entrada b. Señal de salida del filtro ideal c. Señal de salida del filtro RC
4.6. DISTORSIÓN DE FASE Y DISTORSIÓN DE AMPLITUD 305
La distorsión de fase que sufre una señal que se filtra con un filtro de fase
no lineal, es similar a lo que le sucede a una onda que viaja a través de un
medio dispersivo.
H(Ω) = e jφ(Ω) , φ : R1 → S1
Ejercicio. Suponga que se desea un filtro pasa todas, que introduce un retardo
de valor 10 a la señal de entrada; es decir, s(t) = e(t − 10) donde s y e son la
salida y la entrada respectivamente. ¿Cuál es la función de transferencia H(Ω)
del filtro?
Note que, en el ejercicio anterior, puede ser equivalente usar el pasa todas
o un pasa bajas ideal con banda de paso que incluya las frecuencias de la señal,
¿por qué?.
que 1000 está 3 octavas por debajo de 8000. Las fórmulas para medir la relación
entre f1 y f2 en décadas y en octavas, respectivamente, están dadas por,
f1
D = log10 ( )
f2
f1
O = log2 ( )
f2
Ejercicio. ¿Cuántas octavas tiene un piano estándar?
Figura 4.33: Do=C (261.626Hz), Re=D (293.665Hz), Mi=E(329.628Hz), Fa=F (349.228Hz), Sol=G
(391.995Hz), La=A (440.0Hz), Si=B (493.883Hz)
1
H(Ω) =
1 + jΩRC
1 1
|H(Ω)|2 = =
|1 + jΩRC|2 1 + (ΩRC)2
1 1
20 log(| |) = 20 log([ ]1/2 )
1 + jΩRC 1 + (ΩRC)2
= −10 log(1 + (ΩRC)2 )
= −20 log(Ω/Ωc )
donde Ωc = 1/RC.
el tiempo que toma a ala señal de salida en ir de 0.1 a 0.9. ¿Cómo se relaciona
el tiempo de subida con la frecuencia de corte en un pasa bajas RC de primer
orden?
Ejercicio. Suponga que tiene un filtro pasa todas con función de transferencia
dada por H(Ω) = e jΩ (la magnitud y la fase de H se muestran en la figura
4.35); si la entrada es e(t) = sin t + sin 2t, ¿Cuál es la salida s(t)? ¿Cuánto vale la
pendiente de la fase de H?
Ejercicio. Suponga que se tiene un filtro pasa todo con función de transferencia
tal como se indica en la figura 4.36; si la entrada es e(t) = sen t + sen 2t, ¿Cuál
es la salida s(t)? Grafique e(t) y s(t) para t ∈ [0, 2π].
Ejemplo. Si la señal cos t − 0,2 cos 3t se filtra con el pasa todas de la figura 4.36,
resulta la señal cos t − 0,2 cos(3t − π). Observe la distorsión en la forma de onda
en las figuras siguientes.
312 CAPÍTULO 4. TRANSF. DE FOURIER DE SEÑALES CONTINUAS
Note que el filtro pasa bajas RC de primer orden, para frecuencias pequeñas,
tiene una magnitud aproximadamente plana (es decir constante) y una fase
bastante lineal. Por lo tanto, el filtro no distorsiona mucho las componentes de
baja frecuencia de la señal (las que se supone que interesan y deben aparecer a
la salida del filtro). Para frecuencias cercanas a la frecuencia de corte del filtro
las distorsiones de amplitud y de fase introducidas son apreciables.
2. Calcule los coeficientes de Fourier {cn } para una onda triángulo con peri-
odo 1/60 seg., amplitud de dos voltios pico a pico, nivel DC de un voltio,
como se muestra en la figura siguiente.
4.6. DISTORSIÓN DE FASE Y DISTORSIÓN DE AMPLITUD 313
4.7.1. Definición
Sea s(t) una señal con magnitud al cuadrado integrable, es decir, una señal
en L2 . Sea N un número natural y considere las versiones truncadas de s dadas
por: s(t)[u(t + N) − u(t − N)]. Note que cada sn es integrable en magnitud, y en
magnitud al cuadrado, es decir está en L1 ∩ L2 . Por lo tanto, cada sN (t) tiene una
transformada de Fourier L − 1 que denotaremos SN (Ω). Se puede mostrar que
{SN } es una sucesión de Cauchy en L2 y, dado que L2 es un espacio completo,
existe una función S(Ω) tal que kS − Sn k2 tiene a cero a medida que N crece. A
ésa S la llamamos también el límite en norma L − 2 de {SN }. Este límite nos da la
transformada de Fourier L − 2 de la señal s.
R Nπ
Ejercicio. Calcule el límite, a medida que N crece, de −Nπ senc (t)e jΩt dt.
R}, determina una familia contable de seminormas para L con la que se define
su topología: { fn } converge a 0 si y sólo si el límite cuando n tiende a infinito
de pα,β ( f ) es cero, para cada α y cada β naturales.
El espacio de funcionales continuos sobre L, que se denota L0 se llama
espacio de distribuciones temperadas.
4.8.1. Distribuciones
Llamamos a g el núcleo del funcional γ dado por
Z ∞
γ( f ) = g(t) f (t)dt
−∞
La distribución de Dirac
∆( f ) = δ(F)
= F(0)
∆( f ) = F(0)
Z ∞
= f (t)e j0t dt
−∞
Z ∞
= f (t)1dt
−∞
La distribución constante
R∞
Sea κ dada por κ( f ) = −∞ f (t)dt, que como vemos, tiene núcleo la función
constante 1. Por definición, su transformada está dada por,
K( f ) = κ(F)
Z ∞
= F(Ω)dΩ
−∞
Z ∞Z ∞
= f (t)e jΩt dtdΩ
−∞ −∞
Z ∞ Z ∞
?
= f (t) e jΩt dΩdt
−∞ −∞
R∞
que sin embargo no tiene sentido, ya que −∞
e jΩt dΩ no converge. Así, tenemos
que K no tiene núcleo.
318 CAPÍTULO 4. TRANSF. DE FOURIER DE SEÑALES CONTINUAS
M( f ) = µ(F)
Z ∞
= F(Ω)dΩ
0
Z ∞Z ∞
= f (t)e jΩt dtdΩ
0 −∞
Z ∞ Z ∞
?
= f (t) e jΩt dΩdt
−∞ 0
R∞
que tampoco tiene sentido, ya que 0
e jΩt dΩ no converge. Tenemos que M no
tiene núcleo.
Φ( f ) = φ(F)
Z
F(Ω)
= lı́m dΩ
→0 ||>0 Ω
Z Z ∞
1
= lı́m f (t)e jΩt dt dΩ
→0 ||>0 Ω −∞
Z ∞
e jΩt
Z
?
= f (t) lı́m dΩ dt
−∞ →0 ||>0 Ω
4.9. MODULACIÓN SSB Y LA TRANSFORMADA DE HILBERT 319
e jΩt
R
resultando una distribución con núcleo lı́m→0 ||>0 Ω
dΩ.
e jΩt
R
Ejercicio. Muestre que lı́m→0 ||>0 Ω
= jsgn (t), donde sgn es la función
dΩ
sígnum. (sgn vale 1 para argumento positivo, -1 para argumento negativo y
R ∞ sen(Ωt)
cero para argumento nulo). Sugerencia: evalúe 0 Ω dΩ usando cálculo de
residuos.
Demostración
1
G(Ω) = sgn(Ω)F(Ω)
j
Entonces
Entonces
0,
Ω<0
Z(Ω) =
2F(Ω), Ω > 0
322 CAPÍTULO 4. TRANSF. DE FOURIER DE SEÑALES CONTINUAS
Suponga que no existe Z(Ω) = 0 para cada ω > 0 desde que F y G sean reales,
Z(−Ω) = F(−Ω) + jG(−Ω) = F∗ (Ω) + jG∗ (Ω) = [F(Ω) + jG(Ω)]∗
entonces para ω > 0, F(Ω) = jG(Ω), y por hipótesis también para Ω < 0,
F(Ω) = −jG(Ω), tenemos:
F(Ω) = jsgn(Ω)G(Ω)
ó
1
G(Ω) = sgn(Ω)F(Ω)
j
Nota. X(Ω) = X∗ (−Ω) ⇔ <X(Ω) par y =X(Ω) impar.
Nota. g(t) = f (t) ∗ 1t f (t) = −g(t) ∗ 1t = −( f (t) ∗ 1t ) ∗ 1t . La convolución es
asociativa?? si:
Z Z Z Z Z
a(s)b(τ−s)δs g(t−τ)δτ = a(s) b(τ−s)g(t−τ)δτδs = a(s)b∗ g(t−τ)δs
4.10. Apéndice I
Considere el circuito mostrado en la figura 4.44:
Deseamos hallar la ganancia G(Ω) = S(Ω)/E(Ω) y el ancho de banda (BW)
de tres decibeles del circuito realimentado y mostrar que el producto es aprox-
imadamente constante, independientemente de la cantidad de realimentación,
dada por la relación entre R1 y R2. Como sabemos, para un pasa bajas RC de
un polo, V2(Ω)/V1(Ω) = a/(a + jΩ/Ω0 ), donde Ω0 = 1/RC.
Note que V2(0)/V1(0) es decir la ganancia del RC en frecuencia cero, es 1
y por lo tanto, S(0) = A(E(0) − KS(0)), donde K = R1/(R1 + R2); despejando
obtenemos: S(0) = E(0)A/(1 + AK) y tenemos que, en DC, la ganancia es A/(1 +
AK) = 1/A−1 + K; que para A suficientemente grande, es aproximadamente
1/K. Llamaremos a esta ganancia G0 .
4.10. APÉNDICE I 323
despejando,
S(Ω) A 1
= =
E(Ω) 1 + AK + jΩ/Ω0 1/A + K + jΩ/AΩ0
asumiendo que 1/A tiene un valor despreciablemente pequeño,
1 K−1
G(Ω) = =
1/A + K + jΩ/AΩ0 1 + jΩ/AKΩ0
Note que esta es la función de transferencia de un filtro pasa bajas de
primer orden con ganancia en frecuencia cero de G(0) = K−1 y BW = AKΩ0 ,
por lo tanto, el producto ganancia por ancho de banda es AΩ0 , independiente
de la cantidad de realimentación K. Las aproximaciones dejan de ser válidas
en la medida en que K−1 se aproxime a A. Por ejemplo, para el operacional
monolítico uA741, A vale un millón y Ω0 vale 2π (1Hz).
324 CAPÍTULO 4. TRANSF. DE FOURIER DE SEÑALES CONTINUAS
∞
1 2X1 nπ 2nπt
c(t) = (E + F) + (E − F) sen cos (4.8)
2 π n 2 T
n=1
∞
1 2X RC nπ
r(t) = (E + F) + (E − F) sen cos(nΩ0 t + atan (nω0 RC))
2 π 2
p
n=1 n 1 + (nΩ0 RC)
2
(4.9)
donde Ω0 = 2π/T. Note que las señales tienen armónicas pares nulas. La
señal r(t) es también la respuesta en estado estable del circuito; es decir, es la
respuesta a la entrada e(t) = c(t)u(t) para t >> 5RC.
Aunque la fórmula 4.9 nos da una descripción analítica de la señal de
salida, la cual en principio contiene toda la información sobre ésta, hay ciertos
detalles que no aparecen explícitamente y que de hecho son bastante difíciles
de obtener a partir de la fórmula. por ejemplo, la función de transferencia del
filtro nos da el nivel promedio de la salida en términos del nivel promedio
de la entrada; sin embargo, el voltaje pico a pico de la señal de salida no es
tan fácil de obtener. Para encontrar este voltaje podemos hacer un análisis en
tiempo.
326 CAPÍTULO 4. TRANSF. DE FOURIER DE SEÑALES CONTINUAS
T T
En la figura 4.48 se grafica tanh ( 4τ ) contra 2τ . En las figuras 4.49 y 4.50 se
muestra la salida en estado estable para dos valores extremos de T, en un caso
para T << τ y en el otro para T >> τ.
4.12. Problemas
1. Calcule la transformada de Fourier F(Ω), si f (t) =
328 CAPÍTULO 4. TRANSF. DE FOURIER DE SEÑALES CONTINUAS
Figura 4.48: Gráfica de la relación de los voltajes pico a pico de entrada y salida del circuito RC
a) e−|t|
1
b) 1+t2
c) cos(10t)e−|t|
2
d) e−t
e) u(t) − u(t − 1)
2
f ) e−5t cos(20t)
a) cos(t) + cos(2t)
b) u(t) − u(t − 1). (Encuentre la transformada de Fourier de la salida.)
4. Se tiene un filtro pasa bajas ideal con frecuencia de corte en 70Hz. En-
cuentre la salida si la entrada es la señal mostrada en la figura 4.51.
a) u(t) − u(t − 2)
b) u(t) − u(t − 1)
c) u(t) − 2u(t − 1) + u(t − 2)
4.12. PROBLEMAS 331
13. Sabiendo que la transformada del pulso p(t) = u(t + 1) − u(t − 1) es una
senc : P(Ω) = 2senc (Ω), muestre que la transformada del triángulo
r(t) = [p ∗ p](t) es R(Ω) = 4senc 2 (Ω). Grafique r(t) y R(Ω).
Figura 4.55: Pasabajs RC con frecuencia de corte 1Hz y entrada con nivel DC
22. Sea φ el funcional delta de Dirac, dado por δ( f ) = f (0), encuentre g(t) para
que el funcional ∆( f ) dado por ∆( f ) = δ(F), donde F es la transformada
de Fourier L1 de f , se puede expresar como:
Z ∞
∆( f ) = f (t)g(t)dt
−∞
336 CAPÍTULO 4. TRANSF. DE FOURIER DE SEÑALES CONTINUAS
a) Encuentre la salida.
b) Encuentre la potencia promedio de la entrada.
c) Usando Parseval, encuentre la potencia promedio de la salida.
4.12. PROBLEMAS 337
31. Con un filtro con función de transferencia H(Ω) = 1+1jΩ se filtra la señal
| cos(5t)|, encuentre la potencia promedio de las primeras 3 armónicas de
la señal de salida.
32. Las señales s(t) = e−|t| y w(t) = u(t+1)−u(t−1) se aplican al sistema mostra-
do en la figura 4.61. Describa con una fórmula cada una de las señales
a(t), b(t), c(t), e(t), d(t), f (t), g(t) en el dominio del tiempo, y grafique
aproximadamente sis espectros: |A(t)|2 , |B(t)|2 , |C(t)|2 , |E(t)|2 , |D(t)|2 , |F(t)|2 ,
|G(t)|2 .
e jΩt
R
37. Evalúe el límite cuando tiende a cero de |Ω|> Ω
dΩ sea cuidadoso con
el signo de t.
340 CAPÍTULO 4. TRANSF. DE FOURIER DE SEÑALES CONTINUAS
38. Encuentre una función de fase no nula, que sea par e impar. (Sugerencia:
π = −π.)
R∞
39. Muestre que, si g es integrable en magnitud, entonces lı́mδ→0 −∞ |g(t +
δ) − g(t)|dt = 0.
45. Con un filtro con función de transferencia H(Ω) = 1+1jΩ se filtra la señal
| cos(5t)|, encuentre la potencia promedio de las primeras 3 armónicas de
la señal de salida.
60. Diga a cuántas décadas por octava equivalen -20dB por década.
69. A un sistema de convolución continuo con respuesta escalón g(t) = e−t u(t)
se aplica una señal e(t) = sen(t)[u(t) − u(t − 3π)]. Encuentre la integral de
la señal de salida.
345
346 REFERENCIAS
5.0. Introducción
347
348 CAPÍTULO 5. DFT Y DTFT
= ksk1
Note que la transformada S(ω) de una señal discreta es una función per-
iódica, para la que 2π es un tiempo de repetición: S(ω + 2π) = S(ω), ya que 2π
es un tiempo de repetición de cada término sn e− jωn .
También note que S(−ω) tiene serie de Fourier con coeficientes {sn }. Esta
propiedad nos permitirá dar una fórmula para la transformada inversa DTFT−1
basada en los resultados sobre series de Fourier, vistos en el capítulo 3. Antes,
veamos un ejemplo.
entonces
∞
X
S(ω) = sn e− jωn
n=−∞
1
X
= sn e− jωn
n=−1
= e jω + 1 + e− jω
= 1 + 2 cos ω
Figura 5.3: La fase de la función 1 + 2 cos ω. Como π = −π, la función también es impar
5.1. PROPIEDADES DE LA DTFT 351
= e− jω(k) S(ω)
γ = ω − ω0
Z 2π−ω0
1
= S(γ)e j(γ+ω0 )n dγ
2π −ω0
e jω0 n 2π−ω0
Z
= S(γ)e jγn dγ
2π −ω0
=
2π
e jω0 n
Z
= S(γ)e jγn dγ
2π 0
= e jω0 n sn
R 2π
1
dado que 2π 0
S(ω)e jωn dω y que la integral es independiente de dónde
empiece y dónde termine, siempre y cuando se integre sobre un periodo.
Por lo tanto, un desplazamiento en frecuencia del espectro de la señal,
corresponde a la multiplicación de la señal por una exponencial compleja
discreta en tiempo, es decir, a una modulación de la señal.
354 CAPÍTULO 5. DFT Y DTFT
Im (e jπn ) = sen(πn) = 0
Nota. Como se dijo, para que una exponencial compleja discreta de la forma
sn = e jωn sea periódica, es necesario (y suficiente) que la frecuencia angular ω
sea un múltiplo racional de 2π: ω = 2πq, q ∈ Q. En otro caso, la señal no es
periódica sino casi periódica. (Como dijimos en el capítulo 0: sea x un número
real; definimos “x módulo 2π”, que denotamos [x]2π , como el único número
en el intervalo [0, 2π) que es congruente con x, módulo 2π. Es decir, y = [x]2π si
y sólo si, y ∈ [0, 2π) y para algún número entero m, x = 2πm + y. Por ejemplo,
[31]2π = 5,86722 . . . mientras que [32]2π = 0,58407 . . . )
Considere la señal sn = e jn . El grafo de s es un subespacio denso de S1 ; s no
es periódica: s0 = 1 y para ningún valor de n diferente de 0 se tiene que sn = 1;
sin embargo, a medida que n crece, n toma valores arbitrariamente cercanos
a múltiplos de 2π y [n]2π toma valores arbitrariamente cercanos a cero; por
ejemplo, [31416]2π = 0,07346 . . . .
∞
X
Y(ω) = yn e− jωn
n=−∞
∞
∞ X
X
Y(ω) = xi hn−i e−jωn
n=−∞ i=−∞
X∞ X ∞
= xi hn−i e− jωn
n=−∞ i=−∞
∞ X
X ∞
Y(ω) = xi hn−i e−jωn
i=−∞ n=−∞
∞
X ∞
X
− jωn
xi hn−i e = xi hk e− jω(k+i)
n=−∞ k=−∞
360 CAPÍTULO 5. DFT Y DTFT
entonces
∞ X
X ∞
Y(ω) = xi hk e− jω(k+i)
i=−∞ k=−∞
X∞ X∞
= xi e− jω(i)
hk e− jω(k)
i=−∞ k=−∞
= X(ω)H(ω)
Ejemplo. Se tiene un promedio móvil con ancho de ventana igual a tres, donde
la salida yi está dada por el promedio 13 (xi−1 + xi + xi+1 ) de los tres componentes
de la señal de entrada en una ventana centrada en i.
Figura 5.16: La respuesta impulso de un promedio móvil con ancho de ventana igual a tres
H(ω) = 1 + cos(ω)
Ejercicio. Suponga que el filtro del ejemplo anterior se coloca en cascada con
el promedio móvil de ancho de ventana 3. Calcule la respuesta impulso del
filtro resultante así como su función de transferencia. Grafique la magnitud y
la fase de la función de transferencia.
1 1
Y(ω) = (1 − 2 cos ω)(1 + cos ω) = − (cos ω + cos(2ω))
3 3
a0 + a1 z + · · · + an zn
H(z) =
bo + b1 z + · · · + bn z m
Qn
(z − ci )
H(z) = Qmi=1
i=1 (z − pi )
a las constantes ci se les llama los ceros de H(z) y las pi los polos de H(z).
Ahora, dado que H(ω) = H(eiω ) tenmos que
Qn
|(eiω − ci )|
|H(z)| = Qmi=1 iω
i=1 |(e − pi )|
N−1
X 2π
xn = Xk e j N nk
k=0
∞
X
yn = hk e jω0 (n−k)
k=−∞
∞
X
= e jω0 n hk e− jω0 k
k=−∞
=e jω0 n
H(ω0 )
N−1
X 2π
xn = Xk e j N nk
k=0
366 CAPÍTULO 5. DFT Y DTFT
1. xn = cos(πn)
2. xn = cos(0n)
3. xn = cos([2π/3]n)
Ejercicio. Exprese como una sima de sinusoides la respuesta del sistema causal
con ecuación de diferencia yn = xn + 0,5yn−1 (x la entrada, y la salida) a la señal
(−1)n .
N−1
1 X − j 2π nk
Xk = xn e N
N n=0
N−1
1 X
= −nk
x n WN
N n=0
Con base en los resultados del capítulo 3, decimos que la DFT es una biyec-
ción lineal (un homomorfismo) de CN → CN . en particular, la DFT es invertible:
a partir de X podemos recuperar x como DFT−1 (X); ésta transformada inversa
está dada por: x = [x0 , x1 , . . . , xN−1 ] = DFT−1 (X).
1
Xk = (1 + 2e− j2πk/3 + 3e− j4πk/3 )
3
por lo tanto,
1
X0 = (1 + 2e− j2π0/3 + 3e−j4π0/3 ) = 3
3
1
X1 = (1 + 2e− j2π/3 + 3e− j4π/3 )
3
1
X2 = (1 + 2e− j4π/3 + 3e− j8π/3 )
3
X = [X0 , X1 , X2 ]
N−1
1 X 2π
Yk = x[n+m]N e− j N nk
N n=0
1 2π 2π 2π 2π
= (xm e− j N 0k + xm+1 e− j N k + · · · + xN−1 e− j N (N−1−m)k + x0 e− j N (N−m)k
N
2π
+ · · · + xm−1 e− j N (N−1)k )
1 2π 2π 2π 2π 2π 2π
= (xm e− j N mk e j N mk + xm+1 e− j N mk e j N (m+1)k + · · · + xN−1 e− j N (N−1)k e j N mk
N
2π 2π 2π
+ x0 e j N mk + · · · + xm−1 e j N mk e− j N (N−1+m)k )
1 j 2π mk 2π 2π 2π
= e N (xm e− j N mk + xm+1 e j N (m+1)k + · · · + xN−1 e−j N (N−1)k + x0
N
2π
+ · · · + xm−1 e− j N (N−1+m)k )
2π 1 2π 2π 2π
= e j N mk (x0 + · · · + xm−1 e− j N (N−1+m)k + xm e− j N mk + xm+1 e j N (m+1)k
N
2π
+ · · · + xN−1 e− j N (N−1)k )
2π
= e j N mk Xk
2π
Similarmente, la DFT de [e j N nm xn : n ∈ N] está dada por [X[k−m]N : k ∈ N];
es decir, la multiplicación en el dominio natural por una exponencial compleja
(lo que podríamos llamar la modulación de la señal), equivale a un corrimiento
circular en el dominio de la frecuencia.
370 CAPÍTULO 5. DFT Y DTFT
xn = xJ−nKN
Ejercicio. Muestre que si x tienen simetría circular par, entonces DFT(x) tam-
bién tiene simetría circular par.
Ejercicio. Muestre que si x es real y tiene simetría circular par, entonces DFT(x)
también es real y tiene simetría circular par.
y, dado que,
N−1
X
ui = [DFT (RS)]i =
−1 ik
Rk Sk WN
k=0
5.7. TRANSFORMADA DISCRETA DE FOURIER DFT 371
se tiene que,
N−1
X
ui = ik
Rk Sk WN
k=0
N−1 N−1 N−1
X 1 XX −(m+n)k ik
= rm sn WN WN
N2 m=0 n=0
k=0
N−1 N−1 N−1
1 X X X (i−m−n)k
= 2 rm sn WN
N m=0 n=0
k=0
N−1
X
(i−m−n)k
WN =N
k=0
por lo tanto
N−1
1 X
ui = rm sJi−mKN
N m=0
Figura 5.22: Los términos rm si−m a ser sumados, para computar ui . Note el eje m
donde,
N−1
X
r̃n = nk
Rk WN , n∈Z
k=0
N−1
X
s̃n = nk
Sk WN , n∈Z
k=0
5.7. TRANSFORMADA DISCRETA DE FOURIER DFT 373
Figura 5.23: Las señales rn y sn , y las correspondientes extensiones periódicas r̃k y s̃2−k , necesarias
para el cálculo de u2
374 CAPÍTULO 5. DFT Y DTFT
Ejercicio. Muestre que las señales p e i definidas a continuación son par e impar,
respectivamente, y que su suma es s. pn = 1/2(sn + s−n ), in = 1/2(sn − s−n ).
Si f (t) es una señal continua, entonces f (t) = p(t)+i(t), donde p(t) = 0,5[ f (t)+
f (−t)] e i(t) = 0,5[ f (t) − f (−t)], provee la descomposición deseada.
Ejercicio. Encuentre una señal que sea conjugada simétrica y conjugada anti-
simétrica, simultáneamente.
376 CAPÍTULO 5. DFT Y DTFT
Ejercicio. Muestre que las soluciones del siguiente sistema de ecuaciones están
dadas por los ángulos equivalentes a cero y los ángulos equivalentes a π.
a≡b a ≡ −b
2π 2π
Figura 5.25: La restricción de una señal discreta a ω ∈ [0, π]. a. es suficiente para reconstruir
la transformada en [−π, π]. b. ya que ésta es par y, para cada ω real. c. ya que es periódica con
periodo 2π
5.8. PROPIEDADES DE SIMETRÍA 379
ω ∈ R1 .
Im (sn ) = 0 y S(ω) = ∞ − jωn
P
n=−∞ sn e implican,
∞
X
Re [S(ω)] = sn cos(ωn) ← función par
n=−∞
∞
X
Im [S(ω)] = sn sen(ωn) ← función impar
n=−∞
p
La magnitud de S(ω) es una función par: |S(ω)| = Im [S(ω)]2 + Re [S(ω)]2
∞
X ∞
X
S(ω) = 2−n e jωn + 2−n e− jωn − 1
n=0 n=0
1 1
= jω
+ − jω
−1
1 − e2 1 − e2
2 − cos(ω)
= −1
1,25 − cos(ω)
∞
X N−1
X
s(ω) = sn e− jωn = sn e− jωn
n=−∞ n=0
N−1
1 X − j 2π nk
Xk = sn e N
N n=0
1 2π
Xk = S( k)
N N
Para que una señal continua pueda ser filtrada pueda ser filtrada efecti-
vamente así, es necesario que no se pierda información al pasar de la señal
continua a la señal discreta, es decir, que la señal continua sea recuperable a
partir de sus muestras. Una condición que garantiza este requisito, es que la
señal continua tenga transformada con soporte acotado y que las muestras se
tomen a una tasa lo suficientemente alta. Esto se explica a continuación.
Es importante advertir que los efectos del proceso de cuantificación no se
consideran aquí. La cuantificación tiene dos efectos: introducir un ruido con
densidad uniforme en la señal que se muestrea y hacer los sistemas discretos
efectivamente no lineales. La no linealidad de los filtros puede hacer que se
produzcan oscilaciones inesperadas (“limit cycles”, por ejemplo) o incluso
señales caóticas. Una referencia clásica para este tema es [1].
Z π
1
xn = X(ω)e jωn dω (5.2)
2π −π
Z ∞
G(Ω) = g(t)e− jΩt dt (5.3)
−∞
Z ∞
g(t) = G(Ω)e jΩt dΩ (5.4)
−∞
5.10. SEÑAL MUESTREADA 383
G( ωT + 2π
T ), etc. En las figuras siguientes se ilustra la posible relación entre X y
G para una señal g pasa bajas. BW (“Band width”) se refiere al ancho de banda
total de la señal, incluyendo frecuencias negativas.
Como se verá más adelante, es importante que los componentes del espec-
tro de X estén separados, como ocurre en la figura. Esto ocurrirá siempre que
TΩ0 < π, es decir, T1 > 2Ω 0
2π , por lo tanto, la tasa de muestreo debe ser mayor
que dos veces la componente de frecuencia (en Hertz) máxima de g. Esta tasa
se conoce como tasa de Nyquist.
En caso contrario, si TΩ0 ≥ π, los componentes se sobrelapan y se dirá que
hay enmascaramiento (“aliasing”) de frecuencias. Note que como toda transfor-
mada de señal discreta, X tiene tiempo de repetición 2π; así, normalmente sólo
es de interés el intervalo ω ∈ [−π, π] o el intervalo ω ∈ [0, 2π]. Las frecuencias
5.10. SEÑAL MUESTREADA 385
P∞
dado que X(ω) = n=−∞ xn e− jΩn , tenemos que,
Z π/T X ∞
1
g(t) = T xn e− jΩTn e jΩt dΩ
2π −π/T n=−∞
Z π/T X ∞
T
= g(nT)e− jΩTn e jΩt dΩ
2π −π/T n=−∞
A.J. Jerry. “The Shannon Sampling Theorem, its Various Extensions . . . ” Proc.
IEEE vol. 65, pp. 1565-1596, Nov. 77.
la figura 5.30 se muestran las señales g0 senc (t), g1 senc (t − 1) y g2 senc (t − 2). En
la figura 5.31 se muestran la señal f (t) = g0 senc (t)+ g1 senc (t−1)+ g2 senc (t−2).
Note que efectivamente, f (0) = g0 , f (1) = g1 y f (2) = g2 .
388 CAPÍTULO 5. DFT Y DTFT
donde
N−1
1 X − j 2π nk
Xk = sn e N
N
k=0
Ejercicio. Explique por qué la fórmula dada cumple con las especificaciones
indicadas.
5.10. SEÑAL MUESTREADA 389
Ejercicio. Interpole las muestras 0, 1, 0,8, 0,6, 0 usando la fórmula dada. Grafique
y compare con la figura 5.30.
390 CAPÍTULO 5. DFT Y DTFT
Serie de Fourier:
Z T ∞
1 X
cn = f (t)e− jnΩ0 t dt f (t) = cn e jnΩ0 t t ∈ R1 periodo T = 2π/Ω0
T 0 n=−∞
Suma de Fourier:
N−1 N−1
1X 2π
X 2π
Xk = f (t)e− jn N nk dt xn = Xk e− jn N nk n ∈ Z, periodo N
T n=0
k=0
∞ Z 2π
X 1
S(ω) = sn e− jnωn dt sn = S(ω)e− jnωn dω n
n=−∞
2π 0
N−1 N−1
1X 2π
X 2π
Xk = f (t)e− jn N nk dt xn = Xk e− jn N nk n ∈ N, k ∈ N N = /0, N − 1/
T n=0
k=0
5.12. RESUMEN DE LAS TRANSFORMADAS 393
∞ Z T
X 1
|cn |2 = | f (t)|2 dt
n=−∞
T 0
Suma de Fourier:
N−1 N−1
1 X X
|xn |2 = |Xk |2
N n=0
k=0
∞ Z 2π
X 1
|sn |2 = |S(ω)|2 dω
n=−∞
2π 0
N−1 N−1
1 X X
|xn |2 = |Xk |2
N n=0 n=0
Z ∞ Z ∞
1
| f (t)| dt =
2
|F(Ω)|2 dΩ
−∞ 2π −∞
396 CAPÍTULO 5. DFT Y DTFT
∞ Z T
X 1
cn dn e jnΩ0 t
= f (t − τ)g(τ)dτ
T 0
k=−∞
Suma de Fourier:
N−1 N−1
X 1 X
nk
Rk Sk WN = sm rJn−mK
N m=0
k=0
N−1 N−1
1 X X
rk sk WN =
−nk
Sm RJk−mK
N m=0
k=0
5.14. RESUMEN CONVOLUCIÓN 397
5.15. Problemas
1. Las señales x, y : 6 → C, discretas de longitud finita, se muestran en la
figura 5.37. Encuentre DFT−1 [DFT(x)DFT(y)]. Sugerencia: ¿Qué relación
hay entre la DFT y la convolución circular?
a) Grafique rn contra n.
b) Muestre que la transformada de Fourier R(ω) de r, está dada por
sen( ωL )
− jω L−1 sen ω
2
R(ω) = e 2
2
y Explique.
15. Se tiene un sistema discreto con entrada x, y salida y, que cumple con las
siguiente condiciones:
5.15. PROBLEMAS 401
yn = xn + 0,5yn−1 .
La relación se puede iterar hacia atrás, y es válida en el límite,
cuando n → −∞:
yn = xn + 0,5xn−1 + 0,25yn−2
= xn + 0,5xn−1 + 0,25xn−2 + 0,125yn−3
= ···
16. La señal g(t) tiene transformada G(Ω), con G(Ω) = 0 para |Ω| > 2π10000.
Muestreando g, se obtiene la señal discreta x : Z → C dada por xn =
g(nT), T = 10−5 . La señal x es filtrada con el sistema discreto con ecuación
de diferencia yn = xn − xn−1 , produciendo la señal discreta y = {yn }.
Finalmente, a partir de la señal y se obtiene la señal continua s(t), con la
siguiente fórmula de interpolación:
∞
X πt − nπT
s(t) = yn senc [ ]
n=−∞
T
Note que ésta es una forma versátil de implementar filtros análogos con
base en filtros digitales. Diga cuáles inconvenientes tiene.
17. Diga qué tipo de filtro es el promedio móvil ponderado que para cada
señal de entrada x produce a la salida la señal y dada por yn = 0,25(xn−1 +
2xn + xn+1 ). es decir,
22. Para el sistema con respuesta escalón g(t) = e−t u(t), diga qué tipo de filtro
es y encuentre las frecuencias de corte de 3db. También, si se aplica la
entrada la señal e(t) = arctan(t), encuentre la energía de la señal de salida.
404
Capítulo 6
6.0. Clasificación
Los sistemas de clasifican de acuerdo a sus propiedades. Una de ellas, que
ya mencionamos en el capítulo 2 al hablar de sistemas de convolución, es la
linealidad. La propiedad de linealidad se frasea en términos del concepto de
espacio vectorial de señales, y del cuerpo de los complejos. Otras propiedades
que un sistema puede tener y que consideramos en este capítulo son: invarianza,
causalidad y estabilidad.
Los sistemas de convolución son lineales e invariantes pero hay sistemas
lineales y sistemas invariantes que no son de convolución. Con gran general-
idad, un sistema lineal e invariante es un sistema de convolución. Como era
405
406 CAPÍTULO 6. PROPIEDADES DE LOS SISTEMAS
Los sistemas no lineales se han estudiado con las llamadas series de Volterra
(en honor a Vito Volterra, matemático italiano, quien publicó varios resulta-
dos relacionados a finales de siglo pasado). Sin embargo, esta teoría no es
suficientemente general, en particular, no modela el filtro mediana.
Así, hay dos áreas grandes en las que se clasifican los sistemas no lineales:
en el caso continuo, los sistemas pueden ser lisos, y si son de forma y0 =
f (y) + x, donde x es la entrada y y es la salida, cuando f tiene Jacobiano, y
los sistemas arrugados (osea no lisos) pero lineales a trozos (o PL: “picewise
linear”), como en el caso del circuito de Chua. Los sistemas discretos no lineales
que se estudian normalmente son de la forma yn = f (yn−1 ) + xn , donde f tiene
Jacobiano o es lineal a trozos. la sección 6.1 pasó al capítulo
cero, revisar la introducción.
Para cada sistema lineal, continuo o discreto, se tiene por lo tanto que la respuesta
a la señal cero es la señal cero.
408 CAPÍTULO 6. PROPIEDADES DE LOS SISTEMAS
6.2.1. Permutaciones
Una permutación es una biyección de un conjunto finito a sí mismo. Para
funciones de un conjunto finito a sí mismo, los conceptos de inducción, so-
breyección y biyección coinciden; así una permutación de los elementos del
conjunto N = {0, 1, . . . , N − 1} es una biyección de N a N. Como sabemos, a un
conjunto de n elementos le corresponden n! permutaciones posibles.
Ejemplo. La función p : {0, 1, 2, 3} → {0, 1, 2, 3}, dada por p(0) = 2, p(1) = 1,
6.2. SISTEMAS NO LINEALES: LOS FILTROS L 411
6.2.2. Muestra
Nota. Un vector sin embargo, tiene más estructuras que la necesaria ya que
normalmente el orden de las componentes de una muestra no es relevante (a
diferencia de una serie de tiempo). Así, una definición apropiada podría ser la
clase de vectores dada por las permutaciones de sus componentes.
6.2.3. Estadísticas
mı́n(x) = x(0)
máx(x) = xN−1
6.2. SISTEMAS NO LINEALES: LOS FILTROS L 413
6.2.9. Filtros L
Cuando se tiene un filtro de ventana móvil y la estadística en cuestión es un
estadística L, decimos que tenemos un filtro L, o filtro de estadísticas
de orden. Quizás el filtro L más conocido sea el filtro mediana que, como
el promedio móvil, se usa para buscar tendencias subyacentes en series de
tiempo en estadística.
El filtro mediana Con ventana de ancho 2k + 1 se puede implementar
como se muestra en la figura 6.1.
Figura 6.1: Un filtro mediana tiene tres bloques principales: uno que toma segmentos de la
señal de entrada, otro que ordena los datos en los segmentos y otro que toma el valor ordenado
intermedio, o mediana
Los filtros no lineales son más difíciles de analizar, debido a que hay que
hacerlo caso por caso y no se tiene un volumen de conocimiento para ninguno
en particular, similar al que se ha acumulado para los filtros no lineales. La
caracterización de las señales que pasan sin sufrir alteración por un filtro, o
señales raíz del filtro, constituye una caracterización teórica importante de
un filtro no lineal. (En el caso de un filtro de convolución, las exponenciales
complejas con frecuencias para las que la función de transferencia del filtro
vale 1 + j0).
Tyan, Brandt y Longbotham han caracterizado las señales raíz del filtro
mediana. Como dijimos, una señal x = {xn } es una señal raíz (o señal invariante,
o señal idempotente) del filtro mediana si al filtrarla obtenemos nuevamente la
misma señal.
Las señales raíz del filtro mediana se pueden clasificar en dos conjuntos.
Uno contiene señales localmente monótonas con grado de monotonicidad local
igual al ancho de la ventana del filtro en cuestión. Por ejemplo, las señales
416 CAPÍTULO 6. PROPIEDADES DE LOS SISTEMAS
lomo-3 son señales raíz del filtro mediana con ventana de ancho 3. el otro
conjunto, contiene señales binarias y periódicas, no necesariamente localmente
monótonas. Tyan anotó en 1981 que las señales localmente monótonas eran
invariantes, posteriormente, Brandt y Longbotham, independientemente en
1987, indicaron la relevancia de los conjuntos de señales periódicas binarias. A
continuación damos ejemplos de señales periódicas binarias. Por simplicidad,
las señales tienen rango {0, 1} en todos los casos.
6.3.1. Invarianza
Se dice que el sistema continuo S es invariante si, ∀x ∈ CR , y ∀τ ∈ R,
S(τ x) =τ (S[x]), es decir
6.3.2. Causalidad
Aunque la causalidad es un concepto bastante intuitivo, una definición
axiomática en teoría de sistemas quizás no sea obvia. El tema de la causalidad
ha sido considerado con frecuencia en filosofía, por ejemplo por Hume y por
Russell, y en la filosofía de la física cuántica.
Decimos pues, que el sistemas continua S es un sistema causal si el valor
de la salida y(t) = [S(x)](t), en t no depende de la entrada x(τ) para valores
de τ mayores que t. (Osea, el presente de la señal de salida depende solamente
del presente y el pasado de la señal de entrada y no del futuro de la señal de
entrada.) En símbolos, S es causal si:
6.4. Estabilidad
Intuitivamente, un sistema es estable si siempre que la entrada no sea
demasiado grande, la salida tampoco lo es. Como se vio en el capítulo anterior,
el tamaño de las señales se mide utilizando las normas elepé: Lp y lp . Aquí nos
restringiremos al caso p = ∞.
El Estado de un sistema es un vector de señales correspondientes a varias
variables de un sistema (por ejemplo la corriente y el voltaje en el condensador
de un circuito RC serie), es decir, un estado es un elemento del producto
cartesiano de las magnitudes de interés de un sistema. cuando se estudian los
sistemas usando el concepto de estado, es útil definir la estabilidad del sistema
en términos de sensitividad a condiciones iniciales diciendo que dos estados
son lo suficientemente similares entonces la evolución del sistema a partir de
cada uno de estos también será similar. Esta idea tiene que ver con la llamada
estabilidad en el sentido de Liapunov y con la posible caoticidad de un sistema.
Otro tipo de estabilidad tiene que ver con el hecho de que un sistema pue-
da oscilar, es decir, producir una señal de salida periódica con entrada cero.
Normalmente esto es indeseable, cuando hay realimentaciones espurias. Para
sistemas de convolución, es posible predecir si esto sucederá conociendo la
posición de los polos de la función de transferencia en el plano complejo, us-
ando la transformada de Laplace o la transformada zeta, respectivamente, para
sistemas contínuos y discretos. Un sistemas dinámico sin entrada (por ejemplo
un oscilador) se caracteriza con una ecuación de diferencia homogénea; en este
caso, con sistema estable, se quiere decir que las soluciones sean acotadas.
El tipo de estabilidad en el que estamos interesados aquí se conoce como
estabilidad EASA. Decimos que un sistemas es estable en el sentido entrada
acotada - salida acotada, o EASA (“BIBO”: “bounded input, bounded output”),
si para cada señal de entrada con norma ele-infinito, finita, la salida tiene
norma ele-infinito finita. Es decir, para cualquier señal de entrada acotada, la
salida es una señal acotada.
6.4. ESTABILIDAD 421
Lineal
Causal
Invariante
Estable
4. [T(x)n ] = xn−n0
5. [T(x)n ] = ex n
6. [T(x)n ] = a · xn + b
422 CAPÍTULO 6. PROPIEDADES DE LOS SISTEMAS
yn = y0 an
y(t) = y0 at
es cero para tiempos menores que cero; como conclusión tenemos que la re-
spuesta escalón de un sistema de convolución causal tiene que ser cero para
tiempos menores a cero. Por lo tanto la respuesta impulso, si existe, es cero
para tiempos menores que cero (la derivada de una constante es cero).
Para sistemas discretos, la situación es similar y el resultado es el mismo:
suponga que S es un sistema de convolución discreto; como S es lineal, la
respuesta a la señal cero es la señal cero, como la señal impulso discreta es cero
para instancias menores que cero y el sistema es causal, la respuesta impulso
es cero para instancias menores que cero.
Por lo tanto, si un sistema de convolución es causal, entonces su respuesta
escalón y su respuesta impulso son cero en la parte negativa de su dominio.
Si h(t) es la respuesta impulso de un sistema continuo de convolución causal,
entonces para t < 0, h(t) = 0. Si hn es la respuesta impulso de un sistema
discreto de convolución causal, para n < 0, hn = 0.
Conversamente, suponga que se tiene un sistema de convolución continuo
y que su respuesta escalón se anula en la parte negativa de su dominio. Sea e
una señal de entrada; la salida está dada entonces por,
Z ∞
r(t) = e(t − τ)dg(τ)
−∞
Z τ=∞
=− e(τ)dg(t − τ)
τ=−∞
y, dados los límites de la integral, concluimos que la salida r para cada entrada
e, para cada tiempo t, solo depende de los valores que e tome con anterioridad
a t. Es decir, r sólo depende de la restricción de e al intervalo(−∞, t) de su
dominio. Por lo tanto, el sistema es causal.
6.6. SISTEMAS DE CONVOLUCIÓN 425
n
X
yn = hn−k xk
k=−∞
= kxk∞ khk1
<∞
En forma similar se puede mostrar que si se tiene un sistema de convolución
discreto, kyk∞ < kxk∞ khk1 , por lo tanto, si la respuesta impulso {hn } es sumable
en magnitud (i.e. si está en l1 ) y si la entrada es acotada (i.e. si está en l∞ )
entonces la salida está acotada y su norma ele-infinito es menor que el producto
de las normas ele-uno de h y ele-infinito de x.
Concluimos que, si la respuesta impulso de un sistema de convolución
tiene norma ele-uno finita, entonces el sistema es estable en sentido EASA.
Viceversa, suponga que se tiene un sistema de convolución continuo cuya
respuesta impulso no está en L1 , es decir, su norma ele-uno es infinita. Quere-
mos mostrar que entonces podemos encontrar una señal de entrada acotada a
la que le corresponda una señal de salida no acotada.
Suponga primero que la integral de la respuesta impulso es infinita. En este
caso, la respuesta escalón no es acotada y por lo tanto el sistema es inestable.
6.6. SISTEMAS DE CONVOLUCIÓN 427
= khk1
=∞
h = S(δ)
hn = [S(δ)]n
∞
X ∞
X
x= xi .i δ xn = xi [i δ]n
i=−∞ i=−∞
Suponga que el sistema es lineal en sentido amplio es decir que cumple con la
propiedad de convolución no sólo para sumas finitas de señales sino también
con respecto a series de señales, entonces, denotando y como la respuesta a la
430 CAPÍTULO 6. PROPIEDADES DE LOS SISTEMAS
Figura 6.7: La descomposición de la señal en la figura 6.6 como una suma de señales impulso
pesadas y desplazadas.
señal x.
∞
X
y = S(x) = S( xi .i δ)
i=−∞
∞
X
= xi S(i δ)
i=−∞
y si S es invariante,
∞
X
y = S(x) = xi .i h
i=−∞
1/3, n ∈ {−1, 0, 1}
hn =
0 n < {−1, 0, 1}
muestre que la salida r, para una entrada s, está dada por rn = (1/3)(sn−1 + sn +
sn+1 ).
N
X
e(t) = ek [u(t − tk ) − u(t − tk+1 )]
k=−N
como se muestra en la figura 6.9. a este tipo de señales las llamaremos señales
simples. como el sistema es lineal e invariante, la respuesta correspondiente
432 CAPÍTULO 6. PROPIEDADES DE LOS SISTEMAS
¿qué sucede para señales de entrada más complejas? ¿ES suficiente saber
que S es lineal e invariante y conocer su respuesta escalón g para encontrar la
respuesta r?
Suponga que e es una función continua y de variación acotada que se anula
por fuera de [−T, T]: suponga también que g es de variación acotada. Dado un
número natural N ≥ 2, decimos que la función
N−1
(k + 1)T
" #
X kT
eN (t) = e( ) u(t kT ) − u(t − )
N N N
k=−N
6.8. REPRESENTABILIDAD CON CONVOLUCIÓN 433
es una función simple de orden N que aproxima a e(t). El límite de eN (t) cuando
N tiende a infinito es e(t) (¿Por qué?). Por lo tanto, la respuesta del sistema a
e(t) está dada por
r(t) = S lı́m eN (t)
N→∞
Ejercicio. Sea Σ el espacio de las señales que son límites de señales simples.
¿Es L1 un subconjunto de Σ?
1 Vito Volterra fue un matemático italiano de comienzos del siglo 20 que hizo aportes impor-
tantes a la teoría del análisis funcional
6.10. PROBLEMAS 435
6.10. Problemas
1. Se tiene un sistema discreto causal que cumple con la ecuación de difer-
encia yn = (1/2)yn−1 + xn , donde x es la entrada y y la salida. Encuentre
la función de transferencia del sistema.
10. Se tiene un sistema continuo con relación entrada/salida dada por, s(t) =
R∞
−∞
e(τ)h(t, τ)dτ si h(t, τ) = e−|t−5τ| .
11. Se tiene un sistema que, para cada entrada s(t), produce la señal de salida
R∞
r(t) = −∞ h(t, τ)s(τ)dτ donde h(t, τ) = th1 (τ) + (1 − t)h2(t) y h1 (τ) = (1 − e−τ )
y h1 (τ) = (1 − e−2τ ).
13. Se tiene un sistema discreto, con entrada x, y salida y, que cumple con
las siguientes condiciones:
a) yn = xn − 0,5yn−1
438 CAPÍTULO 6. PROPIEDADES DE LOS SISTEMAS
439
440 REFERENCIAS
Nuevo
en cap V
FILTROS DISCRETOS
FUNDAMENTOS DE LA TEORÍA DE SEÑALES Y
SISTEMAS
Por: Alfredo Restrepo Palacios, Ph. D.
Este libro puede ser usado como texto para el curso básico de un semestre en
Teoría de Señales, que se ve en las carreras de Ingeniería Eléctrica y Electrónica.
El enfoque es axiomático, por lo que también es un buen libro de referencia.
Es bastante autocontenido: se repasan varios conceptos de cálculo, la in-
tegral de Riemann-Stiletjes, las normas Lp . Aunque el libro comienza con los
fundamentos necesarios, es recomendable cierta madurez; así, es recomend-
able haber visto cálculo diferencial e integral y variable compleja.
El libro está diseñado para estudiantes de pregrado de ingeniería o física
que estén interesados en adquirir los conceptos básicos para la representación
y tratamiento de las señales en el dominio de la frecuencia de Fourier. Es
posible también que un estudiante de matemáticas quiera ver aplicaciones
que le permitan generar intuición para varias definiciones.
El tema que más se desarrolla es el análisis de Fourier. Se consideran cuatro
casos: series de Fouries para señales continuas periódicas, transformada de Fourier
para señales continuas integrables en magnitud, transformada de Fourier en
tiempo discreto para señales discretas sumables en magnitud, sumas de Fourier o
DFT tanto para señales discretas de longitud finita como para señales discretas
periódicas.
El siguiente tema en extensión es el de los sistemas de convolución, que
son los sistemas más importantes en el enfoque clásico para este curso. Se hace
énfasis en que las exponenciales complejas son eigenfunciones o funciones
propias de los sistemas de convolución.
También se consideran sistemas no lineales donde el análisis de Fourier
es poco útil. Se dan definiciones de invarianza y causalidad de sistemas, en
general, sin restringirlas a sistemas de convolución inicialmente.
El enfoque tomado es matemático, lo cual redunda en precisión y en gen-
eralidad. Se dan ejemplos resueltos así como ejercicios y problemas al final de
cada capítulo. Un aspecto en el que este curso se diferencia de la mayoría de
los cursos introductorios de señales es que se ha evitado el uso de funciones
delta de Dirac, para el caso continuo. Para esto, se usa la respuesta escalón de
los sistemas de convolución continuos, la integral de Riemann-Stieltjes y las
series de Fourier.
El profesor Restrepo es Ingeniero Electrónico de la Pontificia Universidad
Javeriana, MSc. y Ph.D. de la Universidad de Texas en Austin y, actualmente, es
profesor investigador en el departamento de Ingeniería Eléctrica y Electrónica
de la Universidad de los Andes, en Bogotá. Sus áreas de investigación incluyen
el tratamiento no lineal y estadístico de señales.
Índice de figuras
1. El producto cartesiano de A y A . . . . . . . . . . . . . . . . . . . . . . 7
2. . . . . . .
Para una relación reflexiva R, la diagonal de A × A debe estar en R 8
3. Una relación simétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4. Transitividad. Si ψ está relacionada con δ y δ con χ entonces ψ está relacionada
con χ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
5. A la izquierda, relación conectada. A la derecha, una de corrimiento circular:
para cada fila y cada columna hay por lo menos un elemento de relación . . . 10
6. Un orden parcial, no conectado . . . . . . . . . . . . . . . . . . . . . . . 12
7. Diagrama de una función con dominio A y rango B . . . . . . . . . . . . . 14
8. f es una sobreyección de A en B, pero no una inyección . . . . . . . . . . . 15
9. f es una inyección de A en B, pero no es sobreyectiva . . . . . . . . . . . . 16
10. Una biyección . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
11. Un ordenamiento circular para {0, 1, 2} . . . . . . . . . . . . . . . . . . . 18
12. Una inyección del conjunto de los números pares al conjunto de los números
naturales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
13. Clasificación de conjuntos según su cardinalidad . . . . . . . . . . . . . . 32
14. Cada línea representa un número racional . . . . . . . . . . . . . . . . . . 37
15. Un triángulo rectángulo: si x = y y l es una unidad de longitud tal que x = nl y
y = nl con m, n ∈ Z, para ninguna p ∈ Z se tiene que n = pl. . . . . . . . . . 40
16. Los puntos indicados hacen parte de la clase de equivalencia de x . . . . . . . 51
443
17. kxk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
18. El intervalo de S1 de radio con centro en [x], corresponde a una colección
infinita de intervalos de la línea de los números reales . . . . . . . . . . . . 52
19. La solución gráfica de las raíces reales de una cúbica . . . . . . . . . . . . . 57
20. El modelo de coordenadas rectangulares: el producto R1 × R1 . . . . . . . . 59
21. El modelo de coordenadas polares:(0, ∞) × S1 ∪ {θ} . . . . . . . . . . . . . . 60
22. El modelo geométrico cono para las coordenadas polares . . . . . . . . . . . 60
23. El modelo geométrico cono para las coordenadas polares . . . . . . . . . . . 61
24. Equivalencia geométrica de las representaciones polar y rectangular de los
números complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
25. La fase de z es igual a la fase de −z más (o menos) π . . . . . . . . . . . . . 64
26. Una forma de definir la función arctan: con rango (−π/2, π/2) . . . . . . . . . 66
27. Ilustración de la fórmula ||z| − |w|| ≤ |z − w| . . . . . . . . . . . . . . . . . . 66
28. Representación geométrica del producto complejo . . . . . . . . . . . . . . 67
29. Representación geométrica del inverso multiplicativo, el inverso aditivo y el
conjugado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
30. La proyección estereográfica de x ∈ S1 − (π/2] es p(x) ∈ R1 . . . . . . . . . . 69
31. La proyección estereográfica . . . . . . . . . . . . . . . . . . . . . . . . 70
32. Transformaciones de Möbius 1 (COMO LE PONEMOS A ESTA GRÁFICA) . . 72
33. Transformaciones de Möbius 2 (COMO LE PONEMOS A ESTA GRÁFICA) . . 73
34. Orden para productos elementales positivos . . . . . . . . . . . . . . . . . 75
35. s es una sucesión unilateral . . . . . . . . . . . . . . . . . . . . . . . . . 82
36. La sucesión a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
37. Función para definir una métrica en S1 . . . . . . . . . . . . . . . . . . . 85
38. No tiene epígrafe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
39. El criterio de la integral para mostrar divergencia . . . . . . . . . . . . . . 96
40. El criterio de la integral para mostrar convergencia . . . . . . . . . . . . . . 96
41. No tiene epígrafe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
42. No tiene epígrafe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
43. Gráfica de la función x. . . . . . . . . . . . . . . . . . . . . . . . . . . 100
44. El intervalo ](3, 4), (2, 3)[ de R2
. . . . . . . . . . . . . . . . . . . . . . . 102
45. Las funciones x para n = 1, 2, 4, 6 y la función límite . . . . . . . . . . . . . 103
n
46. En la definición de límite, los puntos del intervalo J, con la posible excepción
de a, tienen imágenes dentro del intervalo I; en el caso de la definición de
continuidad, la imagen de J es un subconjunto de I . . . . . . . . . . . . . 104
47. La ecuación de la tangente está basada en la función lineal λ(x) = f 0 (x)(t − x) . . 108
48. El ángulo con vértice z0 y el ángulo con vértice f (z0 ) son iguales . . . . . . . 109
49. El conjunto {(n, k) ∈ N × N; k ≤ n} . . . . . . . . . . . . . . . . . . . . . . 114
50. Una función escalón desplazada . . . . . . . . . . . . . . . . . . . . . . 120
51. Teorema fundamental del cálculo . . . . . . . . . . . . . . . . . . . . . . 122
52. Promedio de una función . . . . . . . . . . . . . . . . . . . . . . 124
6.1. Un filtro mediana tiene tres bloques principales: uno que toma segmentos de la
señal de entrada, otro que ordena los datos en los segmentos y otro que toma el
valor ordenado intermedio, o mediana . . . . . . . . . . . . . . . . . . . 415
6.2. La señal s y una versión desplazada τ s de ésta . . . . . . . . . . . . . . . . 417
6.3. Si la señal de entrada a un sistema invariante se desplaza, la salida se desplaza
en la misma forma. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 418
6.4. Las tres señales mostradas x, y, z para t < τ, coinciden . . . . . . . . . . . . 419
6.5. La señal impulso discreta (o delta de Kronecker) . . . . . . . . . . . . . . . 429
6.6. Una señal discreta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 429
6.7. La descomposición de la señal en la figura 6.6 como una suma de señales impulso
pesadas y desplazadas. . . . . . . . . . . . . . . . . . . . . . . . . . . 430
6.8. La respuesta impulso de un promedio móvil . . . . . . . . . . . . . . . . 431
6.9. Una señal “simple” . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432
Índice de cuadros
1. . . . . . .
La tabla de una opración posible entre los elementos de {a, b, c, d} . 20
2. La tabla de una operación entre los elementos del conjunto finito α, β, γ, δ,
. . 21
j 2π0 j 2π j 4π
3. Complete la tabal mostrada e = e 3 , f = e 3 , g = e 3 . . . . . . . . . . . . 22
4. La tabla de los cuaterniones . . . . . . . . . . . . . . . . . . . . . . . . 23
452