Documentos de Académico
Documentos de Profesional
Documentos de Cultura
(2) Ellas constituyen un conjunto completo. Ninguna función puede ser ortogonal a todos
los armónicos. Si encontramos cada componente de Fourier de una función, esto es,
la proyección de f en la dirección de cada armónico, entonces esas componentes se
suman hasta completar f .
(3) Ellas son convenientes. Existen otras familias ortogonales y completas, pero ninguna
iguala la simplicidad de las series de Fourier. Los coeficientes en ak cos(kx) o
ikx
bk sen(kx) o ck e pueden calcularse eficientemente. Nosotros lo haremos
manualmente para ondas cuadradas y “funciones delta”. Para señales de voz el
manejo es computacional como puede verse en la figura 2.18.
Estas tres propiedades no constituyen la historia completa. En un nivel más avanzado, estas
son los efectos más no las causas, de la razón del éxito. El análisis de Fourier va más allá del
proceso mecánico de dividir una función en partes más simples y recombinarlas. Este
resuelve ecuaciones diferenciales; prueba la estabilidad de las ecuaciones en diferencia;
describe la respuesta de cada sistema que es lineal y estacionario (o invariante en el tiempo).
Las transformadas de Fourier y Laplace trabajan en el dominio frecuencia para suministrar
información sobre el estado del dominio. Estas se aplican a problemas de equilibrio, a
procesamiento de señales y convolución, a problemas de muestreo y a problemas dinámicos,
entre otros, por una razón:
Cada armónico e ikx es una eigenfunción de los sistemas LTI (sistemas lineales invariantes
en el tiempo), de cada derivada, y de cada diferencia finita.
Así una serie de Fourier es una expansión de eigenvectores (en el caso discreto) o de
eigenfunciones (en el caso continuo). Los armónicos son ortogonales ya que los
eigenvectores de un problema simétrico o casi simétrico son siempre ortogonales. Los
armónicos son completos ya que los eigenvectores de tales problemas son siempre completos.
Los problemas simétricos y casi simétricos pueden ser diagonalizados mediante A PDP1
y donde las columnas de P son exactamente los armónicos (ver sección 2.2). La simplicidad
e importancia del análisis de Fourier proviene de la importancia y simplicidad de los procesos
estacionarios lineales (y especialmente de las ecuaciones en diferencia y ecuaciones
diferenciales con coeficientes constantes).
Ejemplo 2.53
d d
El operador derivada tiene eigenfunción e ikx con eigenvalor ik : (e ikx ) ike ikx
dx dx
d2
ik
2
La segunda derivada tiene eigenfunción e ikx con eigenvalor :
dx 2
d 2 ikx
2
(e ) k 2e ikx .
dx
En los sistemas LTI, tomando k w, x t , i j , la armónica e ikx e jwt es
eigenfunción con eigenvalor H ( w) :
x(t ) e jwt
T T e jwt H ( w)e jwt
h( )e jw(t ) d e jwt h( )e jw d H ( w)e jwt
donde H ( w)
h( )e jw d es una constante compleja que depende de w y de la
respuesta al impulso.
149
Nota: La definición de convolución continua x(t ) h(t )
x(t )h( )d se ha tomado por
N 1
analogía a la definición 2.36 de convolución caso discreto: z w m z (m n)w(n) .
n 0
Ejemplo 2.54 Sí la entrada a un sistema LTI es x(t ) a1e a2e jw2t a3e jw3t
jw1t
T x(t ) a1T e jw1t a2T e jw2t a3T e jw3t a1H (w1 )e jw1t a2 H (w2 )e jw2t a3 H (w3 )e jw3t
Y en general, sí x(t ) ae
k
k
jwk t
entonces la salida es:
T ak e jwk t ak T e jwk t ak H (wk )e jwk t
k k k
Este hecho importante se conoce como el principio de superposición. Este nos permite
afirmar que para conocer la salida de un sistema LTI, basta conocer los eigenvalores H ( wk )
de cada uno de las armónicas de entrada, e j w t . k
Todos los términos de la derecha son 2 -periódicos, y la formulas podrían usarse sobre
cualquier intervalo de longitud 2 . Las elecciones usuales son de a (la que usaremos)
y de 0 a 2 .
Para encontrar ak , el coeficiente de un típico cos kx , multiplicamos a ambos lados de (2) por
la función cos kx e integramos de a así:
f ( x) cos kx dx a cos kxdx a cos x cos kx dx b senx cos kx dx
0 1 1
a cos kx cos kx dx b senkx cos kx dx
k k
usando la ortogonalidad, el lado derecho se anula salvo el elemento a
k cos kx cos kx dx
1 cos 2kx
Así que, f ( x) cos kx dx a
k cos kx cos kx dx ak
2
dx ak ( ) . (3)
1
Y por tanto, ak f ( x) cos kx dx. (4)
f ( x)senkx dx a senkxdx a cos x senkx dx b senx senkx dx
0 1 1
a cos kx senkx dx b senkx senkx dx
k k
El único elemento del lado derecho que no se anula es b senkx senkx dx
k
Así que,
f ( x)senkx dx bk senkx senkx dx bk ( )
1
Y por tanto, bk
f ( x)senkx dx
(6)
f ( x)dx a dx a cos x dx b senxdx
0 1 1 a0 (2 )
1
a0
2 f ( x)dx
(7)
Recopilemos los pasos básicos del análisis de Fourier y luego mostremos con ejemplos
como la serie reproduce la función original f .
ce 1
f ( x) k
ikx
con ck f ( x)e ikx dx (8)
k 2
Cada término en estas series es la proyección de f sobre uno de los armónicos puros
cos kx o senkx o e ikx .
Nótese que los coeficientes ck se obtienen a partir de una sola fórmula unificada (8). La
serie es
152
c e
ikx ikx
Usando la ortogonalidad de las armónicas e ikx el lado derecho se reduce a k e dx
Así que
f ( x)eikx dx ck eikxeikx dx ck (2 ) .
Por tanto, los coeficientes de la forma compleja de Fourier (o forma exponencial compleja)
viene dados por:
1
f ( x )e
ikx
ck dx
2
Según sea el área de aplicación, para las series de Fourier podemos elegir la forma real o la
forma compleja; ambas son muy usadas.
f ( x) e
ikx
f ( x) cos kx dx f ( x) eikx dx dx
ak ck c k
2 2
153
1 1 1
f ( x) senkx dx f ( x ) e ikx
dx bk i ck c k .
f ( x) e ikx dx
2 i 2 i
T0
Las componentes del segundo armónico: 2 (t ) y 2 (t ) tienen periodo fundamental T
2
(mitad del periodo del primer armónico) y frecuencia fundamental 2w0 .
T0
Las componentes del N-ésimo armónico N (t ) y N (t ) tienen periodo fundamental T
N
(la N-ésima parte del primer armónico) y frecuencia fundamental N w0 .
Nótese la relación inversa y directa de los periodos y frecuencias fundamentales para cada
2
k , con respecto al primer armónico. Las señales k tienen un periodo común T0 .
w0
Bajo la consideración del cambio de notación, la fórmula (8) se convierte en:
f (t ) ce
k
k
ikw0t
Ecuación de Síntesis . (8a)
1
ck
T0 T0
f (t )e ikw0t dt Ecuación de Análisis . (8b)
154
1 1 1
f (t ) 1 (e j 2 t e j 2 t ) (e j 4 t e j 4 t ) (e j 6 t e j 6 t ) (forma compleja de Fourier.)
4 2 3
1 2
1 cos 2 t cos 4 t cos 6 t (forma real de Fourier.)
2 3
Las funciones f y las armónicas tienen un periodo común T 1 .
Ejemplo 2.56 Sea f (t ) senw0t . Calcular los coeficientes y hacer la gráfica de magnitud.
1 jw0t 1 jw0t 1 1
f (t ) senw0t e e . Entonces c1 , c1 y ck 0 , k 1
2j 2j 2j 2j
1 t T1
Ejemplo 2.57 Sea x(t ) T0 la señal de onda cuadrada de periodo
0 T1 t
2
2
fundamental T0 y frecuencia fundamental w0 .
T0
1 T1 2T1
Cálculo de coeficientes: Para k 0, c0
T0 T 1
dt
T0
.
T1
1 T1 1 j k w0 t 2sin(k w0T1 ) sin(k w0T1 )
j k w0 t
k 0, ck e dt e .
T0 T 1 jkw0T0 T1
k w0T0 k
2sin(k w0T1 )
h(k ) T0ck ,k 0 , y h(0) T0c0 2T1
k w0
En la figura 2.22 se grafican los coeficientes escalados para un valor fijo T1 1 y varios
valores de T0 . Estas gráficas son posibles por que los coeficientes ck son reales. Los 4 casos
son: (a) T0 4T1; (b) T0 8T1; (c) T0 16T1; y (d) T0 32T1 .
2sin(k 2)
k 0
(a) T0 4 , w0 2 , h(k ) k 2 2senc(k 2) .
4 2 k 0
2
sen( x)
x0
Usando la función senc( x) x en el paso anterior.
1 x0
2sin(k 4)
2 h(k ) k 4
k 0
(b) T0 8 , w0 , 2senc(k 4) .
8 4 k 0
2
2sin(k 8)
k 0
(c) T0 16 , w0 , h(k ) k 8 2senc(k 8) .
8 k 0
2
2sin(k 16)
k 0
(d) T0 32 , w0 , h(k ) k 16 2senc(k 16) .
16 k 0
2
1.5
0.5
-0.5
-8 -6 -4 -2 0 2 4 6 8
(a)
funcion continua y discreta de 2sinc(k/2); para T0=8 con T1=1
2
1.5
0.5
-0.5
-20 -15 -10 -5 0 5 10 15 20
(b)
funcion continua y discreta de 2sinc(k/2); para T0=16 con T1=1
2
1.5
0.5
-0.5
-40 -30 -20 -10 0 10 20 30 40 (c)
158
1.5
0.5
-0.5
-80 -60 -40 -20 0 20 40 60 80
(d)
Figura 2.22 Gráficas escaladas de los coeficientes espectrales T0 ck para la onda cuadrada con
T1 - fijo y varios valores de T0 : (a) T0 4T1 , (b) T0 8T1 , (c) T0 16T1 y (d) T0 32T1 .
Aquí es importante resaltar que en el dominio tiempo se tienen 4 señales x(t ) que se
corresponden con 4 gráficas de h(k ) T0ck y que en la medida que T0
(equivalentemente w0 0) la envolvente de h(k ) se muestrea con un espaciamiento cada
vez más cercano, de manera que el conjunto de coeficientes de Fourier escalados T0 ck se
2sen( wT1 )
aproxima a su función envolvente con w kw0 , y de variable continua. Este
w
análisis del ejemplo será muy útil para examinar el comportamiento en el límite de la serie
de Fourier, cuando la señal no es periódica e introducir así el concepto de transformada de
Fourier en tiempo continuo.
159
2sen(kw0T1 )
Comentario: Nótese que en , la variable independiente es k tal que k .
kw0
2sen( wT1 )
Cuando reemplazamos kw0 w con w0 0 , la función tiene como variable
w
independiente w la cual por los infinitesimales de w0 se torna continua, y por tanto, la
2sen( wT1 )
función de variable continua resulta siendo la envolvente de h(k ) T0ck , k .
w
2sen( w) w 1 k k
2senc 2senc 2senc , k es la gráfica de
w w
k w k 16 16
16 16
La señal f (t ) es un fila de funciones delta, una en cada punto t 0, 2 , 4 , 6 , por
lo tanto es periódica de periodo 2 , con un impulso en cada periodo. Usando la propiedad
de la “función” delta, considerada como una distribución, (t )g (t )dt g (0) , los
1 1 0 1
(t )e
ikt
ck dt e
2 2 2
1
Si f (t ) 1 eit e it ei 2t e i 2t ei 3t e i 3t ¿Cómo puede una combinación de
2
160
armónicos aproximar una función delta? Para dar respuesta a este interrogante, calculemos
la suma parcial:
N
PN (t ) 1 eit e it ei 2t e i 2t eiNt e iNt e
k N
ikt
PN (t ) 1 eit ei 2t
eiNt 1 e it e i 2t e iNt 1
1 z N 1
Usando la identidad de suma finita de complejos 1 z z zN z 1
2
1 z
it N 1
1 (eit ) N 1 1 (eit ) N 1 1 (e ) 1 (eit ) N 1 it N
PN (t ) 1 , simplificando e
1 e
it
1 eit 1 eit 1 eit
N
ei ( N 1 2)t e i ( N 1 2)t sen( N 1 2)t
Así, PN (t )
k N
eikt
eit 2 e it 2
sent 2
DN (t ) (10).
PN D 1 sen( N 1 2)t
Por lo tanto, lim lim N lim (t ) .
N 2 N 2 N 2 sent 2
-1
-2
-4 -3 -2 -1 0 1 2 3 4
5 10
0 0
-5 -10
-4 -2 0 2 4 -4 -2 0 2 4
20
20
10
0
0
-10 -20
-4 -2 0 2 4 -4 -2 0 2 4
1 N
1 sen( N 1 2)t
Figura 2.24 La serie de Fourier para la función delta:
2
e
k N
ikt
2 sent 2
.
41 2 N 20
DN 2 N 1 101 2 N 50 DN
En t 0 , , y en la medida que N , .
2 2 141 2 N 70 2
201 2 N 100
162
NOTA: Una definición informal acerca de la ‘función’ (t ) , es que esta se caracteriza por
las siguientes dos propiedades:
0 t 0
1. (t )
t 0
2.
f (t ) (t )dt f (0) para cualquier función f continua en un abierto que contenga
a t 0.
0 t a
Cuando (t ) es desplazada “a” unidades se tiene la ‘función’ (t a)
t a
y en este caso la propiedad 2 toma la forma:
f (t ) (t a)dt f (a)
para cualquier función f que sea continua en un abierto que contiene t a . Para fenómenos
o procesos físicos donde las funciones que intervienen, toman un valor muy grande durante
un intervalo de tiempo muy pequeño se utilizan las funciones generalizadas o
Distribuciones, donde la delta de Dirac es apenas un ejemplo. Más detalles sobre la función
delta como distribución puede verse en el capítulo 5.
En el análisis de Fourier básico, es bastante conveniente tener una forma integral para S N f ,
la suma parcial N-ésima de la serie de Fourier de f en un punto x0 así:
N N
1 1 N ik ( x0 t )
S N f ( x0 ) ce
k N
k
ikx0
2 f (t )e
k N
ikt
dt eikx0
2 k
N
e f (t )dt
1 1
2 D
N ( x0 t ) f (t )dt
2 D
N (t ) f ( x0 t )dt
1 1
S N f ( x0 )
2 D N ( x0 t ) f (t )dt
2 D
N (t ) f ( x0 t )dt (11)
N
sen( N 1 2)( x0 t )
e ik ( x0 t ) 1
Usando DN ( x0 t ) ,y ck f (t )e
ikt
dt .
k N sen ( x0 t ) 2 2
Comentario: Se usa el término Kernel por que DN es la parte esencial de (11): para todas las
funciones 2 -periódicas obtenemos S N f ( x0 ) calculando un promedio integral sobre
, de f ( x0 t ) multiplicado por DN (t ) .
Dentro del estudio de la convergencia de las series de Fourier existen diversos teoremas, pero
uno de los más usados ampliamente para las pruebas de convergencia (puntual) es el
siguiente:
163
lim S N f ( x0 ) f ( x0 )
N
Este resultado nos afirma que muchas funciones apropiadas- especialmente todas las
funciones “estilo calculo”- tienen serie de Fourier convergente. Lo que desde luego es una
información de gran utilidad. El teorema de Fejér suministra más información en aquellos
puntos x donde se presentan saltos o discontinuidades ( f no es diferenciable), y afirma
1
que la serie es “sumable” a f ( x ) f ( x ) , es decir, al valor promedio alrededor del
2
punto x.
Series Seno y Serie Coseno:
a
Del cálculo sabemos que si f es una función impar entonces a
f ( x)dx 0 . Y sí la función
a a
es par entonces a
f ( x)dx 2 f ( x)dx . Usando estas propiedades en el cálculo de los
0
1 2
ak f ( x) cos kx dx 0 , y bk f ( x)senkx dx (12)
0
f ( x) bk senkx b1senx b2 sen2 x b3 sen3x Serie Seno de Fourier
k 1
Sí f es par,
bk 0 , 1 2
a0 f ( x)dx y an f ( x) cos kx dx (13)
0 0
f ( x) a0 ak cos kx Serie Coseno de Fourier
k 1
El fenómeno de Gibbs consiste en demostrar que la magnitud del excedente en los puntos
de discontinuidad de una función suave a trozos es cerca del 9% del valor del salto D.
x
Ejemplo 2.59 Hallar la serie seno de f ( x) , 0 x 2 , con periodo fundamental
2 2
T 2 y demuestre que en el punto de discontinuidad x 0 se cumple el fenómeno de
Gibbs.
Solución: La serie seno de f viene dada por f ( x) bk sen(kx) donde,
k 1
164
1
bk
2
0
x
( ) sen(kx)dx
2 2
1
k
, y por tanto, f ( x )
k 1 k
sen(kx)
n
1
S
La n-ésima suma parcial n ( x )
k 1 k
sen(kx) se deriva con respecto a x y se iguala a cero
n
para hallar sus puntos críticos: S n ( x) cos(kx) . Utilizando la identidad trigonométrica
'
k 1
(2n 1) x 1
sen( ) sen (n ) x
1 n 1 2
cos(mx)
'
2 y reemplazando: S n ( x) 0.
2 m 1 x 2 x
2sen( ) 2sen( )
2 2
1 x
Por tanto, sen (n ) x sen( ) 0 . Utilizando sen( ) sen( ) 2cos sen se
2 2
x 0 (0, 2 ) (descarta)
n 1 nx
llega a 2cos ( ) x sen( ) 0 , cuya solución es
2 2 x (0, 2 )
n 1
Así, para cada n , hemos encontrado el más pequeño x tal que S n' ( x) 0 .
Sí n 19 , x 9 . A continuación el comportamiento de la suma parcial S 19 ( x)
20
n 1 S1 ( ) 0.156
20
n5 S5 ( ) 0.751
20
n 10 S10 ( ) 1.341
20
n 15 S15 ( ) 1.684
20
n 19 S19 ( ) 1.773
20
n 20 S 20 ( ) 1.773
20
n 25 S 25 ( ) 1.679
20
n 30 S30 ( ) 1.573
20
n 32 S32 ( ) 1.452
20
n S ( ) 1.492
20
165
f ( ) 1.492
20
Por otro lado, , donde el excedente 1.773 1.492 0.281.
S ( ) 1.773
19 20
8.95
Como D 3.1415 , se tiene que (3.1415) 0.2811 8.95 % D
100
f ( ) 1.539996399
51
Si tomáramos n 50, x 3.52 y así ,
51 S50 ( ) 1.821036468
51
donde el excedente S50 ( ) f ( ) 0.2810400691 9%
51 51
f ( ) 1.555088364
100
Si tomáramos n 99, x 1.8 y así ,
100 S99 ( 100) 1.836202908
Figura 2.25 (b) Gráficas de las sumas parciales S32 , S50 , S100 .
Figura 2.25 (c) Gráficas de las sumas parciales S1 , S5 , S10 , S15 , S19 evaluadas en 20 .
20
167
Figura 2.25 (d) Gráficas de las sumas parciales S32 , S50 , S99 evaluadas en 1.8 .
100
2. Ya que las proyecciones nunca son más grandes que la función original, ninguna parte
de la serie de Fourier puede ser más grande que f :
a0 a1 cos x bN sen( Nx) dx ( f ( x))2dx
2
(15)
3. Iniciando con f encontramos su serie de Fourier y hemos estado asumiendo que esta
serie infinita converge a f . Esto de por si es asumir demasiado! La convergencia es
más natural en el sentido de la media cuadrática, en otras palabras, en el espacio de
Hilbert. Allí la distancia entre f y su serie de Fourier tiende a cero (fórmula de
Parseval) en la medida que más términos se incluyan en la serie. La distancia se mide
169
Así que no toda señal periódica se puede representar mediante series de Fourier. Basta que
una de las condiciones falle para que no se tenga representación en serie de Fourier:
1
La función periódica f (t ) , 0 t 1 y f (t T ) f (t) con T 1 , no cumple la
t
primera condición, por tanto no tiene representación en serie de Fourier pues no hay
garantía que los coeficientes sean finitos.
2
La función periódica f (t ) sen , 0 t 1 y f (t T ) f (t) con T 1 , no
t
cumple la segunda condición ya que posee un número infinito de máximos y mínimos
en el intervalo 0 t 1 , lo que no hace posible que haya representación en serie de
Fourier.
1 0t 4
1 2 4 t 6
La señal de periodo T 8 , f (t) 1 4 6 t 7 , donde el valor de f (t) decrece
1 8 7 t 7.5
por un factor de 2, mientras que la distancia de t a 8 decrece por un factor de 2. Esta
función no satisface la tercera condición ya que tiene un número infinito de
discontinuidades.
170
Las funciones que no satisfacen las condiciones de Dirichlet son generalmente funciones
patológicas que no son usuales en contextos prácticos, razón por la cual, la convergencia de
las series de Fourier no juega un papel significante en el área del análisis de señales.
EJERCICIOS
2.4.1 (a) Encuentre la serie de Fourier exponencial compleja de
x(t ) e
t
2
, 0 t , con período .
(b) Ahora encuentre la serie trigonométrica de Fourier de la función en (a).
2.4.2 Dada la señal periódica triangular f (t ) de período 2, calcule su representación de
Fourier y grafique su espectro de fase y amplitud.
-1 0 1 2
-A
2.4.3 Pruebe que para una función f a valor complejo definida sobre (a, a) , la serie de
Fourier de f es la suma de la serie de Fourier para la parte real de f más i - veces la serie
de Fourier de la parte imaginaria de f .
2.4.4 Encontrar la serie de Fourier en forma compleja para cada una de las siguientes
funciones:
1 1 1 1 2
n 1 n
2
1
4 9 16
...
6
1 1 1 2
1 2 2 2 ...
3 5 7 8
2.4.8 Mostrar que la elección de los c k que minimizan la energía en el error viene dada por
1
ck
T0 T0
x(t ) e j k w0 t dt
Cualquier señal periódica continua tiene representación en serie de Fourier. Esto es,
n n
1 1
(b) x(t ) es la onda periódica representada en la siguiente figura: x(t ) 1 sí t .
4 4
(a)
(b)
(c)
2.4.11 Sean x(t ) y y (t ) señales periódicas de tiempo continuo con periodo T0 y con
representación de Fourier x(t ) ak e j k w0 t
k
y y(t ) be
k
k
j k w0 t
.
(a) Mostrar que los coeficientes de Fourier de la señal z (t ) x(t ) y(t ) ce
k
k
j k w0 t
vienen
(b) Dé un ejemplo, usando la parte (a) para calcular los coeficientes de Fourier de las señales
x(t ) , y (t ) , y z (t ) .
(c) Supóngase que y(t ) x (t ) en las ecuaciones de hipótesis. Expresar los bk en términos
de los ak y use el resultado de la parte (a) para probar la relación de Parseval para señales
periódicas, esto es,
1
T0
x(t ) dt
2 2
ak
T0 0
k
173
2.4.12 Sea x(t ) la señal periódica con período T 4 representada en la figura. Hallar los
coeficientes de la Serie Fourier y represente sus sumas parciales S1, S2, S3, S5, S7, S12, S20,
S30 para ilustrar la aproximación.
1 1
1 t
2.4.13 Sea x(t ) 2 2
0 1 1
1 t , t 1
2 2
Calcular la expansión en Serie de Fourier de x(t ) , y represente sus sumas parciales S1, S2,
S3, S5, S7, S12, S20, S30 para ilustrar la aproximación a x(t ) .
1 1
2.4.14 Sea x(t ) t , 0t T ,
T 2
Calcular la expansión en Serie de Fourier de x(t ) , y represente sus sumas parciales S1, S2,
S3, S5, S7, S12, S20, S30 para ilustrar la aproximación a x(t ) .
2.4.15 Sea x(t ) una señal periódica con período fundamental T y coeficientes de la serie de
Fourier ak . Obtenga los coeficientes de la serie de Fourier para cada una de las siguientes
señales en términos de ak :
(b) Re x(t )
d 2 x(t )
(c)
dt 2
(d) x(3t 1) (para este ítem, determine primero el período de x(3t 1) .)
174
1
ak
T0 T0
x(t )e jkw0t dt Ecuación de Análisis.
1 t T1
x(t ) T0
0 T1 t
2
2sen(kw0T1 ) 2
donde los coeficientes hallados fueron ak con T 0 el periodo y w0 .
kw0T0 T0
2sen( wT1 ) wT
2T1senc 1
w
En dicho análisis sobre las gráficas expresamos que a medida que T0 se incrementaba, w0
disminuía y por tanto la envolvente se muestreaba con un espaciamiento cada vez más
cercano. Igualmente en el dominio temporal, en la onda cuadrada cada vez que T0 se
incrementa, ésta tiende a un pulso rectangular x(t ) que corresponde a una señal no periódica.
Figura 2.26 Graficas de la onda cuadrada periódica y su señal límite x(t ) cuando T0 .
175
Comentario: Lo que hay que resaltar aquí, es que el conjunto de coeficientes escalados de
Fourier son muestras de la envolvente con un espaciamiento cada vez más cercano, cuando
T0 . Una señal no periódica se ve como el límite de una señal periódica cuando el periodo
se hace arbitrariamente grande.
Examinemos el comportamiento de la serie de Fourier para la señal límite:
Consideremos una señal x(t ) de duración finita. Es decir x(t ) 0 sí t T1 , como se ilustra
en la figura 2.27 .
Figura 2.27 Señal aperiódica x(t ) , señal x(t ) periódica tal que x(t ) x(t ) cuando T0
1 T0 /2
ak
T0 T0 /2
x(t )e j k w0 t dt
Como x(t ) x(t ) para t T0 / 2 y x(t ) 0 fuera de este intervalo, la ecuación de análisis
toma la siguiente forma:
1 T0 /2 1
ak
T0 T0 /2
x(t )e j k w0 t dt
T0
x(t )e j k w0 t dt
Por lo tanto, akT0 x(t )e j k w0 t dt .
X (w) x(t )e j wt dt
1
se tiene que los coeficientes de Fourier pueden expresarse ak X (kw0 ) .
T0
1 1 w0
Así, x(t ) T
k
X (kw0 )e j k w0 t o equivalentemente, ya que
T0 2
,
0
1
x(t )
2
X (kw )e
k
0
j k w0 t
w0 (18)
1
En símbolos, lim x(t ) x(t ) lim
T0 w0 0 2
X (kw )e
k
0
j k w0 t
w0
1
x(t )
2
X ( w)e jwt dw
177
Las ecuaciones,
X ( w) x(t )e j wt dt ecuacion de análisis
(19)
1
x(t )
2
X ( w)e j wt dw ecuacion de síntesis
0 1 1 2a
X (w) e e j wt dt eat e j wt dt e at e j wt dt
a t
2
0 a jw a jw a w2
0.9 1.8
0.8 1.6
0.7 1.4
0.6 1.2
0.5 1
0.4 0.8
0.3 0.6
0.2 0.4
0.1 0.2
0 0
-8 -6 -4 -2 0 2 4 6 8 -8 -6 -4 -2 0 2 4 6 8
at 0 t 0
Ejemplo 2.61 Considérese x(t ) e u(t ) donde u (t ) función paso unitario.
1 t 0
Si a 0 , x(t ) no es absolutamente integrable y entonces X ( w) no existe.
Para a 0 ,
1 ( a jw)t 1
X (w) x(t )e j wt dt e at (1)e j wt dt e ( a jw)t dt e
0 0 a jw 0 a jw
1 w
X ( w) ,y X ( w) arctan
a w
2 2
a
1 a jw a w 1
Donde, X ( w) 2 j
X (w) ,y
a jw a w2 a 2 w2 a 2 w2 a 2 w2
w a 2 w2 w ,
X ( w) Arg X ( w) arctan 2
arctan usando la fórmula del
a a w a
2
señal abs(X(w))
0.5
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
-15 -10 -5 0 5 10 15
0.5
-0.5
-1
-1.5
-15 -10 -5 0 5 10 15
at
Figura 2.30 Transformada de Fourier de la señal x(t ) e u(t ) . Magnitud y Fase de X ( w).
Ejemplo 2.62 Determinar la transformada de Fourier del impulso unitario(o función delta)
x(t ) (t )
Usando f (t ) (t )dt f (0) se tiene
X ( w) (t )e jwt dt e0 1 .
1 t T1
x(t )
0 t T1
Aplicando la ecuación (19):
T1 1 j wT1 2 wT
X ( w) x(t )e j wt dt (1)e j wt dt e e j wT1 sen(wT1 ) 2T1senc 1
T1 jw w
180
1.5
0.5
X: 3.142
Y: -0.0002827
0
X: -3.148 X: 6.282
Y: -0.004047 Y: -0.0003657
-15 -10 -5 0 5 10 15
1 w W
Ejemplo 2.64 Dada la transformada X ( w) . Calcular x(t ) .
0 w W
1 1 W
Mediante la ecuación de síntesis: x(t )
2
X ( w)e j wt dw
2 W
e j wt dw
1 1 W Wt
sen Wt senc .
W
x(t ) e j wt
2 jt W t
1 W Wt 2 wT
No es difícil ver que sen Wt senc y sen( wT1 ) 2T1senc 1
t w
sen
ya que la función senc( ) .
Los ejemplos 2.63 y 2.64 muestran una estrecha relación. En cada caso el par transformado
de Fourier consiste en una función de la forma sena b y un pulso rectangular. En el
ejemplo 2.63 la señal x(t ) es el pulso rectangular mientras en el 2.64 es la transformada
X ( w) (ver figura 2.32). Este tipo de relación es una consecuencia directa de la propiedad de
dualidad de la transformada de Fourier que veremos más adelante.
181
0.3
0.25
0.2
0.15
0.1
0.05 X: 3.092
Y: 0.005099
0
X: -3.108
Y: 0.003444
-0.05
-15 -10 -5 0 5 10 15
1
jwt
x(t ) k k ak e jkw0t
jwt
2 a ( w kw0
) e dw a ( w kw ) e dw
2
k 0
k k
Así, x(t ) ae
k
k
jkw0t
(Serie de Fourier de una señal periódica x(t ) )
182
La transformada de Fourier de una señal periódica con coeficientes de Fourier ak puede
interpretarse como un tren de impulsos que ocurren en las frecuencias armónicamente
relacionadas y para las cuales el área del impulso en la k ésima frecuencia es 2 veces
el k ésimo coeficiente ak de Fourier ( 2 ak ).
1 jw0t 1 jw0t 1 1
Ejemplo 2.65 Sí x(t ) sen( w0t ) e e . Entonces a1 , a1
2j 2j 2j 2j
1 1
X ( w) (2 ) ( w w0 ) (2 ) ( w w0 ) ( w w0 ) ( w w0 )
2j 2j j j
e jw0t e jw0t 1 1
Similarmente si x(t ) cos w0t entonces a1 , a1 y ak 0 k 1.
2 2 2
1 1
X ( w) (2 ) ( w w0 ) (2 ) ( w w0 ) ( w w0 ) ( w w0 )
2 2
(a)
(b)
Figura 2.33 Transformada de Fourier de (a) x(t ) sen w0t ; (b) x(t ) cos w0t
Nótese que solo hay dos componentes frecuenciales no nulas para cada señal en w w0 .
1 T 2 1
Los coeficientes de Fourier son dados por: ak
T T 2
(t )e jkw t dt
0
Reemplazando en la transformada
2
2
2
X (w) 2 ak ( w kw0 ) (w kw0 ) (w k )
k T k T k T
(a)
(b)
Figura 2.34 (a) Tren de impulsos periódicos x(t ) ; (b) X ( w) su transformada de Fourier.
Prueba: F a x1 (t ) b x2 (t ) a x (t ) b x (t ) e
jwt
1 2 dt aX 1 (w) bX 2 (w) .
184
Entonces usando (21): F e a t 3 = F x(t 3 ) e jw(3 ) X ( w) e jw(3 )
2a
a w2
2
j ( w)
Una consecuencia de esta propiedad es: X (w) X (w) e forma polar de un complejo.
F x (t ) X (w) (22)
Prueba: X ( w) x(t )e jwt dt x (t )e jwt dt .
X ( w) X ( w) (23)
185
Prueba: X ( w) x(t )e jwt dt x (t )e jwt dt x(t )e jwt dt X (w) . Usando la
propiedad x (t ) x(t ) .
at 1
En el ejemplo 2.61, se mostró que si x(t ) e u(t ) entonces X ( w) .
a jw
1
X (w) X ( w) comprobándose así la propiedad de simetría conjugada.
a jw
Como una consecuencia de esta propiedad se puede probar que:
Sí x(t ) es real y par entonces X ( w) es real y par.
X ( w) es par.
Por otro lado, como x(t ) es real, por (23), se tiene X (w) X (w) X (w) lo que significa
que X ( w) es real. El ejemplo 2.60 satisface esta propiedad.
Prueba: Por ecuación de síntesis sí F x(t ) X (w) entonces x(t )
1
2
X ( w) e j wt dw
dt
x '(t )
2
X ( w) jwe j wt dw
F x( n ) (t ) ( jw)n X ( w) (25)
F t
x( )d 1
jw
X ( w) X (0) ( w) . (26)
Para una prueba sencilla de esta propiedad se requieren otros argumentos como la propiedad de
convolución. Por ahora, ilustremos la propiedad con un ejemplo.
0 t 0
Ejemplo 2.68 La función escalón unitario se define como u (t ) .
1 t 0
La “función” impulso de tiempo continuo (t ) se relaciona con la función escalón a través
t
de u (t )
(t )dt como puede comprobarse en la ilustración gráfica. Aquí el tratamiento
de las funciones es como una distribución. En este sentido u '(t ) (t ) .
Descomponiendo, u (t )
1 1
u (t ) . Por lo tanto F
2 2
t
1 1
(t )dt F F u .
2 2
1 1 1
F 2 a0 ( w) 2 ( w) ( w) . Para el cálculo de F u , nótese que sí
2 2 2
1
v(t ) u (t ) F v '(t ) F (t ) 1 .
v '(t ) u '(t ) (t )
2
1 1
Pero F v '(t ) jwV (w) entonces jwV ( w) 1
V ( w) F(v(t )) F u (t )
jw 2
En resumen, F
t
1 1 1
(t )dt F F u (w)
2 2
1
jw jw
X (w) X (0) (w)
1 w
Sí F x(t ) X (w) entonces F x(at ) X ,a , a 0. (27)
a a
1 w
j 1 w
a
x( ) e a d X
a a
,a 0
Prueba: F x(at ) x(at )e dt
jwt
w
,
1 j 1 w
a x( ) e d X , a 0
a
a a
1 w
donde at . Así que, F x(at ) X .
a a
a t
Ejemplo 2.69 Sabemos que si x(t ) e , a 0 entonces X (w) 2a
.
a w2
2
1 2a 10 a
Aplicando (27), se tiene entonces que F x(5t ) .
5 2 w 25a 2 w2
2
a
5
1 t T1 2
x1 (t )
F
X 1 ( w) sen( wT1 ) (28)
0 t T1 w
1 1 w W
x2 (t ) sen Wt
F
X 2 ( w) (29)
t 0 w W
Los dos pares de transformadas de Fourier y la relación entre ellos está representada en la
figura 2.36.
La simetría exhibida por estos dos ejemplos extiende la transformada de Fourier en general.
Específicamente, debido a la simetría entre las ecuaciones de análisis y síntesis mostradas en
(19), para cualquier par transformado, existe un par dual con variables tiempo y frecuencia
intercambiadas. A continuación un ejemplo.
188
Figura 2.36 Relación entre los pares transformados de Fourier de las ecuaciones (28) y (29).
2
Ejemplo 2.70 Encontrar G( w) usando la propiedad de dualidad si g (t ) .
1 t2
a t 2a
x(t ) e ,a 0
F
X ( w)
a w2
2
2
que para a 1 el par es: x(t ) e
t
F
X ( w)
1 w2
1 2 jwt 2 jwt
1 w2 1 w2 e dw
t t
e e dw
2 e
2
189
2 jwt
t
Cambiando t por t se tiene que 2 e
1 w2
e dw .
2 jwt
w
Ahora intercambiando las variables t y w : 2 e
1 t 2
e dt
2
El lado derecho es por definición la transformada de Fourier de . Esto es,
1 t2
2 w
F 2
2 e G( w)
1 t
(7) Relación de Parseval: Sí x(t ) y X ( w) son par transformado de Fourier, entonces
1
x(t ) dt
2 2
X ( w) dw (30)
2
1
x(t ) dt x(t ) x (t )dt x(t ) X (w)e jwt dw dt
2
Prueba:
2
Invirtiendo el orden de integración
X ( w)
El término del lado izquierdo de (30) es la energía total en la señal x(t ) . La relación de
Parseval expresa que esta energía total puede determinarse ya sea calculando la energía por
2
unidad de tiempo ( x(t ) ) e integrando sobre todo el dominio tiempo o calculando la energía
2 ) e integrando sobre todo el dominio frecuencial. Por
2
por unidad de frecuencia ( X ( w)
2
esta razón, X ( w) es comúnmente referido como el espectro de densidad de energía de x(t ).
para casi todo x . Para estos x tales que la ecuación (31) se cumple, se define
f g ( x) f ( x y) g( y)dy . (32)
190
Nótese la analogía con la convolución dada en la definición 2.36 para el caso discreto. La
convolución aquí es vista como una operación entre funciones que produce una función
resultante en términos de x . Entre los múltiples usos del operador convolución nos interesa
el aplicado a los sistemas lineales e invariante en el tiempo (LTI).
Como se vio en la sección 2.4, si una señal periódica es representada en serie de Fourier - es
decir, como una combinación lineal de exponenciales complejas armónicamente relacionadas
tal como se expresa en las fórmulas (8a) y (8b) - entonces la respuesta de un sistema LTI a
esta señal periódica también puede ser representada por una serie de Fourier. Debido a que
las exponenciales complejas son eigenfunciones de los sistemas LTI, los coeficientes de la
serie de Fourier de la salida son aquellos mismos de la entrada multiplicados por la respuesta
en frecuencia del sistema evaluado en las frecuencias armónicas correspondientes (ver
ejemplo 2.54).
En esta sección, extendemos este resultado al caso en que la señal de entrada es aperiódica.
Considérese un sistema LTI con respuesta al impulso h(t ) , salida y (t ) y entrada x(t ) . Tal
como se hizo para los sistemas lineales invariantes a traslaciones (caso discreto), la salida del
sistema es la convolución de la respuesta al impulso y la señal de entrada x(t ) :
y(t ) x(t ) h(t ) h(t )x( )d
La transformada de Fourier
Y ( w) h(t )x( )d e jwt dt x( )[ h(t )e jwt dt ] d x( )[e jw H ( w)] d
F h ( t )
Por lo tanto, Y (w) x( )[e jw H (w)] d H (w) x( )e jw d H (w) X (w) .
Ejemplo 2.72 Considérese un sistema LTI de tiempo continuo con respuesta al impulso
h(t ) (t t0 )
H (w) e jwt0
ya que H (w) (t t0 )e jwt dt e jwt0 . Así, que para cualquier señal de entrada x(t )
y(t ) x(t t0 )
con lo que aplicando la fórmula (21) se produce el mismo Y ( w) calculado arriba. Nótese,
que la respuesta en frecuencia del sistema es un desplazamiento de tiempo puro que tiene
magnitud unitaria en todas las frecuencias, esto es, H (w) e jwt0 1 y tiene una
característica de fase wt0 que es una función lineal de w .
Ejemplo 2.73 Supongamos un integrador, esto es, un sistema LTI especificado por:
t
y(t ) x( )d .
La respuesta al impulso de este sistema es la señal paso unitario u (t ) , ver ejemplo 2.68, y
por lo tanto, la respuesta en frecuencia del sistema es
192
1
H ( w) F u (t) ( w)
jw
1
Y ( w) H ( w) X ( w) ( w) X ( w)
jw
1 1
X (w) X (w) (w) X (w) X (0) (w)
jw jw
Lo cual es consistente con la propiedad de integración de la ecuación (26). En el último paso
hemos usado la propiedad f (t ) (t t0 ) f (t0 ) (t t0 ) .
1. f ( x) g ( x ) g ( x ) f ( x ) . ( Ley Conmutativa )
2. [ f ( x) g ( x)] h( x) f ( x) [ g ( x) h( x)] . ( Ley Asociativa )
3. f ( x) [k1 g ( x) k2h( x)] k1[ f ( x) g ( x)] k2[ f ( x) h( x)] . ( Ley Distributiva )
4. f ( x) ( x) f ( x ) . (Identidad de la convolución)
5. f ( x) ( x x0 ) f ( x x0 ) .
La propiedad 4, aplicada a los sistemas LTI significa que el sistema es idéntico. La salida es
exactamente igual a la entrada del sistema. Y la propiedad 5, el ejemplo 2.72 es una
aplicación. Una discusión más amplia al tema de convolución puede encontrarse en los
capítulos 4 y 5.
1
r (t ) s(t ) p(t )
F
R( w) S (w) P(w) (34)
2
La multiplicación de una señal por otra puede interpretarse como el uso de una señal que
escala o modula la amplitud de la otra, y consecuentemente, la multiplicación de dos señales
es comúnmente referida como una modulación de amplitud. Por esta razón, la ecuación (34)
es conocida como la propiedad de modulación.
193
Ejemplo 2.73 Sea s(t ) una señal cuyo espectro es S ( w) representada en la figura 2.37. Y
sea p(t ) cos( w0 t ) cuya transformada de Fourier es
P(w) (w w0 ) (w w0 )
1 1
Así que, R( w) S ( w w0 ) S ( w w0 ) (35)
2 2
sen(t ) sen(t 2)
x(t )
t t
1 sen(t ) sen(t 2)
Aplicando la propiedad de modulación (34), X ( w) F F .
2 t t
sen(Wt )
1 w W
x(t )
F
X ( w)
t
0 w W
sen(t )
1 w 1
Así que, F X 1 ( w) 0
t
w 1
sen(t 2) 1
w 1 2
F X 2 ( w) 0
t
w 1 2
1
Queremos calcular X ( w) X1 (w) X 2 (w) , la convolución de dos pulsos rectangulares
2
mostrados en la figura 2.38. Para tal efecto, calcularemos las integrales y al final
recopilaremos los resultados de las distintas etapas para graficar la función resultante.
Dejaremos un pulso fijo X 1 ( w) y el otro X 2 ( w) lo reflexionamos y luego lo desplazamos
totalmente de izquierda a derecha para diferentes subintervalos de w y calculamos el área
de solapamiento a través de una integral definida:
195
w1 2
Tercer subintervalo: 3 2 w 1 2 entonces X1 ( w) X 2 ( w) 1d 1 .
w1 2
3
Cuarto subintervalo: 1 2 w 3 2 entonces X1 ( w) X 2 ( w)
1
1d w .
w1 2 2
Así que la función de convolución resultante es una función a trozos definida más abajo.
Nótese que en la figura 2.39 ambas señales decrecen rápidamente hacia 0 en los extremos.
196
0 w 3 2
w 3 2 3 2 w 1 2
X 1 ( w) X 2 ( w) 1 1 2 w 1 2
w 3 2 1 2 w 3 2
0 w3 2
0 w 3 2
1
w 3 3 2 w 1 2
2 4
1
X ( w) X 1 ( w) X 2 ( w)
1
1 2 w 1 2
2 2
1 3
2 w 4 1 2 w 3 2
0 w3 2
0.15
0.1
0.05
-0.05
-15 -10 -5 0 5 10 15
(a)
X(w) = (1/2)[X1(w) * X2(w)]
1
0.9
0.8
0.7
0.6
X(w)
0.5
0.4
0.3
0.2
0.1
0
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
variable independiente w
(b)
Figura 2.39 El par transformado. (a) La señal x(t ) (b) La transformada de Fourier X ( w) .
197
EJERCICIOS
2.5.1 Considere un sistema LTI con respuesta al impulso h(t ) e 4t u(t ) . Encuentre la
representación de Fourier de la salida y (t ) para cada una de las siguientes entradas:
(a) x(t ) sen(4 t ) cos(6 t ) .
4
(b) x(t ) (t n) .
n
(c) x(t ) (1) (t n) .
n
n
1
1 t
(d) x(t ) 4 . Onda cuadrada de periodo T 1 .
0 1 1
t
4 2
1
H ( jw) .
jw 3
Sí para una particular señal de entrada x(t ) el sistema produjo como salida
3t 4t
y(t ) e u(t ) e u (t ) . Determine la señal de entrada x(t ) .
2.5.4 Una función x(t ) real y de tiempo continuo tiene transformada de Fourier X ( jw) cuya
magnitud obedece a la relación
ln X ( jw) w
1 t 0 t 1
2.5.5 Considere la señal x(t ) 1 t 1 t 0 .
0 otra parte
(b) Grafique la señal x(t ) x(t ) (t 4k )
k
(c) Encuentre otra señal g (t ) diferente de x(t ) y tal que x(t ) g (t ) (t 4k ) .
k
k k
(d) Argumente que, aunque G( jw) X ( jw) , G( j ) X( j ) para todo k .
2 2
2.5.6 Usar las propiedades de la transformada de Fourier para mostrar por inducción que la
t n1 at 1
transformada de Fourier de x(t ) e u (t ) , a 0 , es X ( jw) .
(n 1)! (a jw)n
2.5.7 (a) Calcule la convolución de cada uno de los siguientes pares de señales x(t ) y h(t )
calculando primero X ( jw) y H ( jw) , aplicando la propiedad de convolución y por último
obteniendo la transformada inversa.
(b) Suponga que x(t ) e(t 2)u(t 2) , h(t ) u(t 1) u(t 3) . Verifique la propiedad de
Sí para una señal particular de entrada x(t ) el sistema produjo como salida
y(t ) e 3t u(t ) e 4t u (t ) .
2 t 0 t 2
x(t ) .
0 otra parte
2.5.12 Calcular la transformada de Fourier para el tren de impulsos x(t ) que se muestra en
la figura.
2.5.13 Si x(t ) tiene transformada de Fourier X ( jw) , y p(t ) es una señal periódica con
frecuencia fundamental w0 y representación en serie de Fourier
p(t ) ae
n
n
j n w0 t
200
(a) Determine una fórmula o expresión para la transformada de Fourier de y(t ) x(t ) p(t ) .
1 w 0 w 1
(b) Supóngase X ( jw) 1 w 1 w 0
0
otra parte
t
i. p(t ) cos( )
2
vi. p(t ) (t n)
n
vii. p(t ) (t 2 n)
n
viii. p(t ) (t 4 n)
n
1
ix. p(t ) (t 2 n) (t n)
n 2 n
x. p(t ) onda cuadrada periodica de la siguiente figura, p(t ) 1 si t .
6 6
201
2.5.14 Si X ( jw) es el espectro de x(t ) dada por la gráfica de abajo, calcular x(t ) .
-3 -2 -1
1 2 3 w
-1
w2
i w x a x2
2.5.15 Pruebe que e e dx e 4a
,a 0 .
a
w2
x2
Y en particular, que la transformada de Fourier de la función Gaussiana e es e 4
.
3
(1 t 2 )e t /2 entonces X (w) 3 w e
2 w 2 /2
2.5.16 Pruebe que sí x(t )
2
.
2