M. J.

Roberts

Análisis mediante
njétodos^de-transformada -
yMATLAB .

rONTF íiTiri:
Prefacio xiii
fapíttilo 1
Introducción 1 rapftnlo 3
1.1 Definición de señales y sistemas 1 D e s c r i p c i ó n y análisis de sistemas
1.2 Tipos de señales 1
\2> Ejemplo de una señal y un sistema 8 Diagramas de bloques y terminología
1.4 Uso de MATLAB 13
rnpftiiln 2
Descripción m a t e m á t i c a de señales 15
2.1 Introducción y objetivos 15
2.2 Comparación de funciones en tiempo continuo
y en tiempo discreto 15
Funciones en tiempo continuo 15
Maestreo y tiempo discreto i 6
2.3 Funciones de señales en tiempo continuo 18
Exponenciales complejas y seno ides 18
Funciones con discontinuidades 19
Funciones singulares y funciones relacionadas 20
Arthivos MATLAB . m para algunas funciones singulares
y funciones relacionadas 31
2.4 Funciones y combinaciones de funciones 32
Combinaciones defunciones 33
2.5 Transformaciones de escalamiento y desplazamiento
en tiempo continuo 35
Escalamiento de amplitud 35
Desplazamiento en el tiempo 36
Escalamiento en el tiempo 37
Transformaciones múltiples 39
2.6 Diferenciación e integración 44
2.7 Funciones par e impar de tiempo continuo 45
Sumas, productos, diferencias y cocientes 46
Funciones periódicas en tiempo continuo 52
2.8
Funciones de señales en tiempo discreto 54
2.9
Funciones singulares en tiempo discreto 57
2.10 Transformaciones de escalamiento
y desplazamiento en tiempo discreto 61
Desplazamiento en el tiempo 61
Escalamiento en el tiempo 62
2.11 Diferencia y acumulación 66
70
2.12 Funciones pares e impares en tiempo discreto
Sumas, productos, diferencias y cocientes 70
Acumulación 71
2.13 Funciones periódicas en tiempo discreto 72
2.14 Energía y potencia de la señal 73
6^1. ó
£ 6 ^ 3
2.15 Resumen de puntos importantes 80
Ejercicios con respuestas 80
Ejercicios sin respuestas 92
103
3.1 Introducción y objetivos 103
de sistemas 103
Sistemas de tiempo discreto contra los sistemas
de tiempo continuo 106
3.2 Características de sistemas 106
Homogeneidad 108
Invariancia en el tiempo 109
Aditividad 110
Linealidad y superposición 112
Estabilidad 113 '
Linealidad incremental 114
Causalidad 116
Memoria 117
No linealidad es ¡ática 117
Invertlbilidad 121
33 Funciones propias de sistemas LTT 122
Sistemas de tietnpo continuo 122
Sistemas de tiempo discreto 124
3.4 Analogías 124
3.5 La suma de convolución 125
Respuesta al impulso uniíarin 125
Convolución 127
Propiedades ck la convolución 130
Interconexiones de sistemas 135
Estabilidad y respuesta al impulso 136
Respuestas de sistemas a señales estándar 137
3.6 La integral de convolución 141
Respuesta al impulso 141
Convolución 145
Propiedades de la convolución 148
Una exploración de las propiedades
del impulso mediante la convolución ¡53
Interconexiones de sistemas 155
Estabilidad y respuesta ai impulso 155
Respuestas de sistemas a señales estándar 155
J,.! Simulaciones con diagramas de bloque de
ecuaciones diferenciales o en
diferencias 157
3.8 Resumen de puntos importantes 159
Ejercicios con respuestas 159
Ejercicios sin respuestas 166
 Cambio de periodo 225 '
Capitulo 4
Dualidad multiplicaclón-convolución 228
L a serie de Fouríer 173
Primera diferencia hacia atrás 230
Acumulación 230
4.1 Introducción y metas 173
Señales pares e impares 231
4.2 Las series de Fouiier en tiempo continuo
Teorema de parseval 231
(SFTC) 174 Resumen de propiedades de la SFTD 231
Lii milidad y excitación exponen cial compleja 174
4.10 Convergencia de la serie de Fourier en tiempo
Definición de la serie de Fouríer en tiempo continuo 177
discreto 232
4.3 Cálculos de la serie de Fourier en tiempo
4.11 Respuesta en frecuencia de sistemas LIT con
continuo 183
excitación periódica 236
Señales senoidales ]83
4.12 Resumen de puntos importantes 239
Señales no senoidales 19i
La serie de Fouríer en tiempo continuo de señales Ejercicios con respuestas 240
periódicas para un número na entero de periodos Ejercicios sin respuestas 245
fundamentales 193
LM serie de Fourier en tiempo continuo de señales rnpímln 5
periódicas para un número entero de periodos L a t r a n s f o r m a d a de Fourier 249
fundamentales 194
La SFTC de señales periódicas par e impar 195 5.1 Introducción y objetivos 249
Forma de frecuencia cíclica y de frecuencia en 5.2 La transformada de Fourier en tiempo
radianes 196 continuo 249
La serie de Fourier en tiempo continuo de una señcd La transición de la serie de Fourier en tiempo conúnuo a
aleatoria ¡ 96 la transfoi-mada de Fourier en tiempo continuo 249
4.4 Propiedades de las series de Fourier en tiempo Defunción de la transformada de Fourier
continuo 198
en tiempo continuo 252
UtieuUdad 199
53 Convergencia y la transformada de Fourier
Corrimiento en el tiempo 199
generalizada 257
Corrimiento en frecuencia 201
5.4 Comparación entre la serie de Fourier en tiempo
Inversión del tiempo 201
continuo y la transformada de Fourier en tiempo
Escalamiento en el tiempo 202
continuo 259 ,
Cambio de periodo de representación 204
5.5 Propiedades de la transformada de Fourier de
Diferenciación en el tiempo 205
tiempo continuo 261
Integración en el tiempo 206
Dualidad multiplicación-convolución 206 LineaUdad 262
Conjugación 209 Desplazamiento en el tiempo y en Infrecuencia 262
Teorema de parseval 209 Escalamiento en el tiempo y en la frecuencia 263
Resumen de ¡as propiedades de la SFTC 210 Transformada de una conjugada 265
Dualidad multiplicación-convolución 266
4.5 Uso de tablas y propiedades 211
Diferenciación en el tiempo 267
4.6 Señales de banda limitada 213
Modulación 268
4.7 Convergencia de las series de Fourier en tiempo Transformadas de señales periódicas 269
continuo señales continuas 214 Teorema de parseval 270
Señales con discontinuidades y el fenómeno Definición integral de un impulso 271
deGibbs 215 Dualidad 272
4.8 La serie de Fourier en tiempo discreto Integral del área lolal utilizando transformadas de
(SFTD) 216 Fouríer 273
Desarrollo matemático 216 Integración 274
4.9 Propiedades de la serie de Fourier en tiempo Resumen de las propiedades de la TFTC 278
Uso de tablas y propiedades 2 79
discreto 223
LineaUdad 223 5.6 La transformada de Fourier en tiempo
Corrimiento en el tiempo 223 discreto 282
Corrimiento en frecuencia 224 Ilustración gráfica 282
Conjugación 224 Deducción analtlica 284
Inversión en el tiempo 224 Defmicián de la transformada de Fouríer en tiempo
Escalamiento en el tiempo 224 . discreto 285 • '
5.7 Convergencia de la transformada de Fourier en 6.11 Resumen de puntos importantes
tiempo discreto 286 Ejercicios con respuestas 391
5.8 Propiedades de la transformada de Fourier en Ejercicios sin respuestas 400
tiempo discreto 286
Linealidad 286 Capítulo 7
Desplazamiento en el tiempo y en la frecuencia 286 El m u e s t r e o y la t r a n s f o r m a d a de F o u r i e r
Transformada de una conjugada 288 discreta 407
Diferencia y acumulación 288
7.1 Introducción y objetivos 407
Inversión del tiempo 289
7.2 Métodos de muestreo 408
Dualidad multiplicación-convolución 289
7.3 Representación de una señal en tiempo continuo
Definición de acumulación de una función
comb 291 mediante muestras 411
Teorema de parseval 293 Conceptos cualitativos 411
Resumen de las propiedades de la TFTD 294 Teorema de muestreo de Shannon 411
5.9 Relaciones entre los métodos de Fourier 295 Alias de frecuencia 417
TFTCySFTC 297 Señales de tiempo limitado y de banda limitada 419
Muestreo de señales pasabanda 420
TFTCyTFTD 302
Interpolación 42!
TFTDySFTD 304
Muestreo de una senoide 424
Ejemplos de comparación de métodos 306
7.4 Muestreo de señales en fiempo discreto 426
5.10 Resumen de puntos importantes 309
7.5 Señales periódicas de banda limitada 431
Ejercicios con respuestas 310
7.6 La transformada de Fourier discreta y su relación
Ejercicios sin respuestas 323
con otros métodos de Fourier 434
7.7 Ejemplos del uso de la transformada de Fourier
Capítiiln 6
discreta 443
Análisis d e la transformada de Fourier 7.8 La transformada de Fourier rápida 454
de señales y sistemas 327 7.9 Resumen de puntos importantes 457
6.1 Introducción y objetivos 327 Ejercicios con respuestas 458
6.2 Respuesta en frecuencia 327 Ejercicios sin respuestas 470 '
6.3 Filtros ideales 330
Capímlo 8
Distorsión 330
Clasificaciones de filtros 332 Correlación, densidad espectral de energía
Respuestas en frecuencia del filtro ideal 332 y densidad espectral de potencia 473
Ancho de banda 333 8.1 Introducción y objetivos 473
Respuestas al impulso y causalidad 333
8.2 Correlación y correlograma 473
El espectro de potencia 342
8.3 La función de correlación 478
Eliminación de ruido 343
Bases conceptuales 478
6.4 Filtros pasivos prácticos 344
Señales de energía 479
El filtro pasabajas RC 344
Señales de potencia 481
El filtro pasabanda RLC 346 8.4 Autocorrelación 488
6.5 Gráficas de magnitud logarítmica de la respuesta
Relación con la energía de señal y con Ja potencia
en frecuencia y diagramas de Bode 348 de señal 488
Diagramas de los componentes 353 Propiedades de ¡a autocorrelación 488
Pares de polos y ceros complejos 357 Ejemplos de autocorrelación 490
6.6 Filtros prácticos activos 358 8.5 Correlación cruzada 498
Amplificadores operacionales 359 Propiedades de la correlación cruzada 498
Filtros 359 Ejemplos de correlación cruzada 498
6.7 Filtros en tiempo discreto 365 8.6 Correlación y tas series de Fourier 501
6.8 Especificaciones de filtros y figuras 8.7 Densidad espectral de energía (DEE) 501
de mérito 369 Definición y deducción de la densidad espectral de
6.9 Sistemas de comunicación 373 energía 502
Modulación 374 Efectos de las sistemas sobre la DEE 502
Retraso degrupo y de fase 381 El concepto de la DEE 503
6.10 Análisis espectral 389 Relación de la DEE con la autocorrelación 503
 Co'te- do

Densidad espectral de potencia (DEP) 504 10.3 Estabilidad del sistema 562
8.8
Definición y deducción de ¡a densidiuí especSral de 10.4 Conexiones en paralelo, en cascada y de
paíenciit 504 retroalimentación 563
Efectos ¿le los sistemas sobre la DEP 505 10.5 Análisis de sistemas retroalimentados 567
El concepto de Ja DEP 506 Efectos benéficos de lo relraalimentación 567
Relación de la DEP con la autocorreíación 506 inesíabiiidad causada por la retroalmentación 570
8.9 Oscilación estable utilizando reíroalimentación 573
Resumen de puntos impcjrtantes 509
La prueba de estabilidad de Routk-HwM'itz 575
Ejecicios con respuestas 510
El método de lugar eeométdco de las raíces 577
Ejercicios sin respuestas 514
Análisis del margen de ganancia y del margen de fase
de la estabilidad del sistema 580
r^pftnlo 9 Errores de seguimiento de estado estable en sistemas
La transformada de Laplace 51 relroalimentaáos de ganancia unitaria 581
Introducción y objetivos 517 10.6 Reducción de diagramas de bloques y el teorema
9.1
Formulación de la transformada de Laplace de Masón 583
9.2
Deducción y definición 517 10.7 Respuestas de! sistema a señales
Región de convergencia 520 estándar 5SS
La transformada de Laplace unilísitra! 52J Respuesta al escalón unitario 5S8
Propiedades de la transformada de Laplace 527 Respuesta a un senoiáe aplicada de m.anera
9J
Linealidad 527 repentina 592
Desplazamiento en el tiempo 527 10.8 Diagramas de polo^-ceros y cálculo gráfico de la
Desplazamiento en la frecuencia compleja 523 respuesta en frecuencia 594
Escalamiento en el tiempo 528 10.9 Filtros Butterworth 597
Escalamiento en frecueru:ia 529
10.10 Transfonnaciones en frecuencia 598
Primera diferenciación en el tiempo 529
10.11 Diseño de futres analógicos con L ••
Segunda diferenciación en el tiempo 530
MATLAB 601 •
Diferenciación en frecuencia compleja 531
10.12 Realizaciones estándar de sistemas 602
Dualidad mulliplicación-convolución 531
Integración 533 10.13 Análisis de señales y sistemas en el espacio de
Teorema del valor inicial 533 estados 605
Teorema del valor final 534 10.14 Resumen de puntos importantes 613
Resumen de las propiedades de la transformada de Ejercicios con respuestas 613
Lapice unilateral 535 Ejercicios sin respuestas 624
9.4 La transforniada de Laplace inversa que utiliza
expansión en fraccione s parciales 536
rapfmln 11
9.5 Equivalencia entre las transformadas de Laplace
La transformada: 631
y de Fourier 544
9.6 Solución de ecuaciones diferenciales con ILl Introdúcelo n y obj etivos 631
condiciones iniciales 545 11.2 Formulación de la transformada c 631
9.7 La transformada de Laplace bilateral 547 Deducción y definición 631
Cálculo utilizando la tratisfonnada de Laplace Región de convergencia 634
unilateral 547 La transformada z unilateral 636
Propiedades 548 11.3 Propiedades de la transformada ; 636
9.8 Resumen de puntos importantes 551 LinealidoA 637
Ejercicioscon respuestas 552 Desplazamiento en el tiempo 637
Ejercicios sin respuestas 556 Cambio de escala 639
Teorema del valor inicial 641
raprnilo 1 0 Diferenciación en el dominio z 64¡
Convohtción en tiempo discreto 642
A n á l i s i s d e la t r a n s f o r m a d a d e L a p l a c e
Diferencia 642
se s e ñ a l e s y sistemas 559 Acumulación 643
¿.a
10.1 Introducción y objetivos 559 Teoivma d¿l •;aior final 643
10.2 Funciones de transferencia a partir de diagramas Resumen de propiedades de la transformada z
11.4 La transformada z inversa 645
circuito y de sistemas 559
11.5 Solución de ecuaciones en diferencias con Apéndice B
condiciones iniciales 647 Introducción a M A T L A B 731
11.6 La relación entre las transformadas ; y de
B.l Niímeros, variables y matrices 731
Laplace 649
B.2 Operadores 732
11.7 La transformada c bilateral 651
B.3 Guiones y funciones 739
Propiedades 652
B.4 Funciones y comandos de MATLAB 740
11.8 Resumen de puntos importantes 655
Comandos de propósito general 741
Ejercicios con respuestas 655
Control de flujo del lenguaje de programación 743
Ejercicios sin respuestas 659
Matrices elementales y manipulación de matrices 745
Funciones matemáticas elementales 748
Capítulo 12 Funciones matemáticas especializadas 749
Funciones matriciales y álgebra lineal numérica 750
Análisis de la transformada z de señales
Análisis de datos y transformadas de Fourier 750
y sistemas 661
Interpolación y polinomios 753 .,
12.1 Introducción y objetivos 661 Gráficas bidimensionales 754
12.2 Funciones de transferencia 661 Gráficas tridimensionales 759
12.3 Estabilidad del sistema 663 Gráficas especializadas 760
12.4 Conexiones en paralelo, cascada y Manejo de gráficas 761
Herramientas de la intetfaz gráfica del usuario 766
retroalimentadas 664
Cadenas de caracteres 766
12.5 Respuestas del sistema a señales
Entrada-salida de archivo 767
estándar 664
Tiempo y fechas 768
Respuesta de secuencia unitaria 664
Tipos y estructuras de datos 768
Respuesta a una senoide aplicada
repentinamente 668
12.6 Diagramas de polos y ceros y el cálculo gráfico de Apéndice C
la respuesta en frecuencia 671
M é t o d o para d e t e r m i n a r el m í n i m o c o m ú n
12.7 Sistemas en tiempo discreto con múltiplo 769
retroalimentación 674
La pruelm de estabilidad de Juiy 674
El método del lugar geométrico de las raices 676
ApCTdice D
12.8 Simulación de sistemas en tiempo continuo con
sistemas en tiempo discreto 677 Propiedades de la convolución 771
12.9 Sistemas de datos muestreados 678 D.l Propiedades de la convolución de TD 771
12.10 Filtros digitales 683 Conmutatividad 771
Métodos de diseño de filtros digitales 683 Asociatividad 771
Diseño invariante al impulso y al escalón 684 Distrihiitividad 772
Aproximación a ecuaciones diferenciales mediante D.l Propiedades de la convolución de TC 772
ecuaciones de diferencias 689 Conmutatividad 772
Sustitución directa y la transformada z Asociatividad 772
apareada 692
Distributividad 774
La transformación bilineal 694
12.11 Diseño de filtros digitales e implementación con
MATLAB 709 Apéndice E
12.12 Realizaciones estándar de sistemas 710 Tabla de pares de F o u r i e r 775
12.13 Análisis de señales y sistemas en el espacio de
estados 712 E.l Series de Fourier 775
12.14 Resumen de puntos importantes 718 Serie de Fourier de tiempo continuo (SFTC) 775
Ejercicios con respuestas 718 Serie de Fourier de tiempo discreto {SFTD) 777
Ejercicios sin respuestas 725 E.2 Transformada de Fourier 780
Transformada de Fourier de tiempo continuo
(TFTC) 780
Apéndice A Transformada de Fourier de tiempo discreto
Relaciones m a t e m á t i c a s útiles 729 (TFTD) 790
 Contenido

Apéndice F Ecuaciones diferenciales lineales y no homogéneas con

Tabla de pares de t r a n s f o r m a d a s de L a p l a c e 798 coeficienles consuuues H2í
Sistemas de ecuaciones diferenciales lineales 825
F.l Ftniciones causídes 798 L3 Ecuaciones de diferencias ordinarias
F.2 Funciones anticausales 799 lineales 829
F.3 Funciones no causales 799 Aproximaciones por diferencias finiías a unii
derivada 829
Apéndice C Ecuaciones de diferencias lineales y homogéneas con
Tabla de pares de t r a n s f o r m a d a s z 80Ü coeficientes constantes 853
Ecuaciones de diferencias lineales no homogéneas con
G.l Funciones causales 800 coeficientes constantes 834
G.2 Funciones anticausales 801 Sistemas de ecucu:iones de diferencias
G.3 Funciones no causales 801 lineales 835
Ejercicios con respuestas 837
Apéndice H Ejercicios sin respuestas 839
N ú m e r o s c o m p l e j o s y funciones c o m p l e j a s 802
H.l Propiedades básicas de los números compiejos 802 Apéndice .T
H.2 La forma polar 805 Vectores y matrices 843
H.3 Funciones de variable compleja 807
H.4 Funciones complejas de variable real 809 J.l Definiciones y operaciones 843
Ejercicios con respuestas 815 J.2 Determinantes, regla de Cramer y la inversa
Ejercicios sin respuestas 817 de una matriz 848
J.3 Derivadas y diferencias 852
Apéndice I J.4 Valores propios y vectores propios 852
Ejercicios con respuestas 859
E c u a c i o n e s diferenciales v de diferencias 819

Ll Introducción 819 Bibliografía 862

L2 Ecuaciones diferenciales lineales homogéneas con
coeficientes constantes 819 índice 865
 PREFACTO

Escribo este libro porque amo la belleza matemática del análisis de las señales y los sistemas. Como en
muchas áreas de la ciencia y la ingeniería las teorías más importantes y útiles, como las leyes de Newton,
las ecuaciones de Maxwell y la teoría de la relatividad de Einstein, capturan la esencia y. por lo tanto, la
belleza de los fenómenos físicos. Desconozco cuántas horas he dedicado a la escritura de este texto,
aunque deben ser varias miles, pero creo que resultai'ía difícil, si no imposible, que cualquiera efectuara
esta gran cantidad de trabajo sin un compromiso apasionado hacia él.

Durante mucho tiempo he escrito notas de clases para mi cátedra universitaria y en el 2000 decidí que
habían alcanzado una madurez tal que podrían publicarse de manera más amplia. Este libro, que creció
a paitir de esas notas, pretende abarcar una secuencia de dos semestres relativa a los fundamentos del
análisis de señales y sistemas durante los primeros dos años universitarios. También podría utilizarse en
un curso de nivel superior en estos temas, aunque en los curricula de la mayoría de las carreras de
ingeniería este material se estudia en los primeros dos años de universidad. También es factible recurrir
a él (como yo lo he hecho) como texto para una rápida revisión de un semestre en el nivel de maestría de
los métodos de las transformadas cuando se aplican a sistemas lineales.

RESUMEN

El libro empieza con métodos matemáticos para describir señales y sistemas, en tiempo tanto continuo
como discreto. Presenta la idea de una transformada con la serie de Fourier, y a partir de esa base llega
a la transformada de Fourier como una extensión de las series de Fourier para señales no periódicas.
Existe un capítulo sobre aplicaciones del análisis de Fourier. que incluye filtros y sistemas de comuni-
caciones. Después de analizar los métodos de Fourier, se usan pai"a explicar las implicaciones del muesü-eo
y el análisis de la correlación entre dos señales y la densidad espectral de energía y potencia de señales.
Presenta la transformada de Laplace tanto como una generalización de la transformada de Fourier de
tiempo continuo para señales no acotadas y sistemas inestables y como una poderosa heiTamienta en el
análisis de sistemas en virtud de su muy cercana asociación con los valores propios y las funciones
propias de sistemas lineales de tiempo continuo. Luego presenta aplicaciones de la transformada de
Laplace en e\ análisis de circuitos, sistemas retroalimentados y sistemas de entrada y salida múltiples.
Sigo un camino similaj- para los sistemas de tiempo discreto utilizando la transformada En el último
capítulo dedica bastante tiempo a la aproximación de sistemas de tiempo continuo con sistemas de
tiempo discreto y con una cobertura amplia de los métodos del diseño de filtros digitales. A lo largo del
libro se presentan ejemplos y se introducen las funciones y operaciones de MATLAB para poner en
práctica los métodos presentados. A continuación se ofrece un resumen de cada capítulo.

RESÚMENES DE CAPÍTULOS

E! capítulo I es una introducción a los conceptos generales implicados en el análisis de señales y siste-
mas sin ningún rigor matemático. Su fin es motivar al estudiante a que demuestre la ubicuidad de las
señales y sistemas en la vida diaria y la importancia de entenderlos.
El capítulo 2 es una exploración de los métodos de la descripción matemática de señales de varios
tipos. Se inicia con las funciones familiares, senoides y exponenciales de tiempo continuo (TC), y luego
extiende la gama de funciones que describen señales para incluir las funciones singulares de TC (fun-
ciones de conmutación) y otras funciones que se relacionan con ellas a través de la convolución o la
transfonnada de Fourier o ambas. Al igual que la mayoría, si no es que todos, de los libros de texto de
señales y sistemas, se define el escalón unitario, el signo, el impulso unitario, la rampa unitaria y la
función sene unitaria. Además de éstas se definen también el rectángulo unitario, el triángulo unitario y
la función comb unitaria (una secuencia periódica de impulsos unitarios). Se encuentra que éstas son
muy convenientes y útiles debido a la notación compacta que resulta. La función comb unitaria, junto
con la convolución, proporciona una forma especialmente compacta mediante la cual se describen en
forma matemática señales periódicas arbitrarias.
Luego de introducir las nuevas funciones de señales de TC, se abordan tipos comunes de transfor-
maciones de señales (escalamiento de amplitud, desplazamiento en el tiempo, escalamiento en el tiem-
po, diferenciación e integración) y se aplican a las funciones de señales. Luego se presentan algunas
características de señales que las hacen invariantes a ciertas transformaciones (paridad, imparidad y
periodicidad) y algunas de las implicaciones de estas características de las señales en el análisis de las
mismas.
La siguiente sección principal del capítulo 2 es una cobertura de las señales de tiempo discreto
(TD) y sigue un camino análogo al que se emprendió para las señales de TC. Se introducen la senoide
y la exponencial de TD, así como comentarios acerca de los problemas relativos a determinar el pe-
riodo de una senoide de TD. Este es el primer contacto del estudiante con alguna de las implicacio-
nes del muestreo. Se definen algunas funciones de señales de TD análogas a las funciones singulares de
TC. Luego se explora el escalamiento en amplitud, el desplazamiento en el tiempo, el escalamiento en
el tiempo, la diferenciación y la acumulación de funciones de señales de TD resaltando las implica-
ciones y problemas únicos que ocurren, especialmente con el escalamiento en el tiempo de funciones
de TD.
La última sección del capítulo 2 trata la energía y la potencia de las señales. Se definen las señales
tanto de TC como de TD y se comenta la necesidad de definir y discutir en ambos casos las señales de
energía y las de potencia.
El capítulo 3 es una introducción a la descripción matemática de sistemas. En primer te'rmino se
explican las formas más comunes de clasificación de sistemas (homogeneidad, aditividad, linealidad,
invariancia en el tiempo, causalidad, memoria, no linealidad estática e invertibilidad). Por ejemplo, se
presentan diversos tipos de sistemas que tienen, o no, estas propiedades, así como la forma de probar
diversas propiedades a partir de ta descripción matemática del sistema.
La siguiente sección importante del capítulo 3 corresponde a la introducción de la respuesta al
impulso y la convolución como componentes en el análisis sistemático de la respuesta de sistemas de
TD lineales e invariantes en el tiempo. Se presentan las propiedades matemáticas de la convolución y un
método gráfico para entender lo que afirma la fórmula de la suma de convolución. También se muestra
cómo es posible utilizar las propiedades de la convolución para combinar- subsistemas que se conectan
en cascada o en paralelo en un sistema y cuál debe ser la respuesta al impulso del sistema completo. A
esta sección le sigue una exposición analógica de la convolución de TC. Este orden de presentación
parece ser el más adecuado debido a que los estudiantes tienen mayor posibilidad de comprender cómo
encontrar la respuesta al impulso de un sistema de TD que de un sistema de TC. Además, la convolución
de TD es más fácil de comprender debido a que no hay conceptos de límite implicados. La última
sección del capítulo 3 aborda las relaciones entre los diagramas de bloques de sistemas y las ecuaciones
del sistema.
El capítulo 4, acerca de la serie de Fourier, es el inicio de la presentación al estudiante de los
métodos de transformación. Se inicia introduciendo gráficamente el concepto de que cualquier señal de
TC con utilidad en ingeniería puede expresarse sobre un tiempo finito mediante una combinación lineal
de senoides, reales o complejas, de TC. Se muestra después que es posible expresar las señales periódi-
cas para todo tiempo como una combinación lineal de senoides. Posteriormente, se deduce de manera
formal la serie de Fourier utilizando el concepto de ortogonalidad (sin el nombre en este punto) para
mostrar de dónde proviene la descripción de la señal como una función de un número de armónicas
discreto (la función armónica). Se mencionan las condiciones de Dirichlet para que el estudiante sepa
que las series de Fourier de TC se aplican a todas las señales de TC prácticas, pero no en todas las
señales de TC imaginables.
Se incluye una sección importante relativa al seguimiento simple del proceso matemático de en-
contrar la función armónica de una función tiempo, con muchas ilustraciones gráficas, empezando con
una senoide y progresando con funciones múltiples y no senoides. A lo largo del camino surgen de
manera natural los conceptos de ortogonalidad y correlación, y se explican brevemente.
Las siguientes secciones del capítulo 4 corresponden a una investigación de las propiedades de las
series de Fourier; se ha tratado de que su notación y sus propiedades sean lo más similares y análogas a
la transformada de Fourier que se presenta más adelante. Esto es, la función armónica forma un par de
series de Fourier con la función tiempo. Como sucede en la mayoría de los libros de texto de señales y
üisíemasi ha utilizado.una notación nara todos los métodos de transformación en la aue las letras
minúsculas se utilizan para cantidades en el dominio de tiempo y las mayúsculas para sus transformadas
(en este caso sus funciones annónicas). Esto apoya la comprensión de la interrelación entre los métodos
Prefacio
de Fourier. Se ha optado por un enfoque universal para las dos convenciones notacionales que se ob-
servan comúnmente en los libros sobre señales y sistemas, sistemas de control, procesamiento de seña-
les digitales, sistemas de comunicaciones y otras aplicaciones de los métodos de Fourier como el proce-
samiento de imágenes y la óptica de Fourier: el uso de la frecuencia cíclica / o de la frecuencia en
radianes (o. Se utilizan ambas y se subraya que se relacionan mediante un cambio de variable. Se consi-
dera que esto prepara mejor a los estudiantes para que observen ambas formas en otros libros en sus
carreras universitaria y profesional. Se subrayan también algunos aspectos de las series de Fourier, en
especial en lo que respecta a la utilización de diferentes periodos de representación, pues es una idea
importante que se presenta en el capítulo 7 sobre el muestreo y la transformada discreta de Fourier
(TDF). Se motiva a los estudiantes a que utilicen tablas y propiedades para determinar funciones armó-
nicas, y esta práctica los prepara para un proceso similar en la determinación de las transformadas de
Fourier y después en las transformadas de Laplace y También se cuenta con una sección sobre la
convergencia de las series de Fourier que ilustra el fenómeno de Gibbs de discontinuidades de las
funciones.
La siguiente sección importante del capítulo 4 abarca los mismos conceptos básicos de la primera
sección, pero cuando se aplican a señales de TD. Se subrayan las diferencias importantes causadas por
las disimilitudes entre las señales de tiempo continuo y de tiempo discreto, especialmente el intervalo
finito de la sumatoria de las series de Fourier de TD en oposición al intervalo infinito (por lo general) de
la sumatoria en las series de Fourier de TC. Se advierte también de la importancia de que la serie de
Fourier de TD relaciona a un conjunto finito de números con otro conjunto finito de números, lo cual
facilita el cálculo numérico directo en una computadora. Después, en el capítulo 7, se muestra la gran
similitud entre la serie de Fourier de TD y la transformada de Fourier discreta (TFD).
El capítulo 5 extiende los conceptos de las series de Fourier a señales no periódicas y presenta la
transformada de Fourier. El concepto se aborda examinando lo que ocurre a una serie de Fourier de TC
cuando el periodo de la señal tiende a infinito y después se define y deduce la transformada de Fourier
de TC como una generalización de la serie de Fourier de TC. Después de eso se deducen todas las
propiedades importantes de la transformada de Fourier de TC. Las siguientes secciones abordan la
transfonnada de Fourier de TD, introduciéndola y deduciéndola de una manera análoga. Hay numero-
sos ejemplos de las propiedades de ia transformada de Fourier tanto de TC como de TD.
La última sección importante es una comparación de los cuatro métodos de Fourier Esta sección es
relevante porque vuelve a subrayar muchos de los conceptos de 1) tiempo continuo y tiempo discreto, y
2) muestreo en el tiempo y muestreo en la frecuencia (lo que será impoitante en el capítulo 7 relativo al
muestreo y a la transformada discreta de Fourier). Se enfatiza en particular la dualidad entre el muestreo
en un dominio y la repetición periódica en el otro dominio y la equivalencia de la información de una
señal maestreada y de una .señal muesireada mediante impulsos.
El capítulo 6 se dedica a la aplicación de los métodos de Fourier a dos tipos de análisis de sistemas
para los cuales es en particular muy apropiada, los filtros y los sistemas de comunicaciones. Se define el
filtro ideal y se vuelve al concepto de causalidad para mostrar que no puede concebirse como un sistema
físico. Éste es un ejemplo de un diseño en el dominio de la frecuencia que no puede lograrse, pero que
puede aproximarse, en el dominio det tiempo. Posteriormente se discuten y analizan algunos de los
filtros pasivos y activos prácticos simples y se demuestra que son sistemas causales. Los diagramas de
Bode se presentan como un método de análisis rápido de sistemas en cascada. Más adelante se introdu-
cen las formas más simples de modulación y se muestra cómo el análisis de Fourier simplifica en gran
medida su entendimiento. Igualmente se exploran los conceptos de retraso de fase y de grupo y se
demuestran con una señal modulada. En la siguiente sección se aplican los mismos principios de modu-
lación a señales y sistemas de TD de una manera análoga. En las últimas secciones .se explica brevemen-
te el uso de filtros para reducir el ruido en sistemas de comunicaciones y la operación de un analizador
de espectros.
El capítulo 7 es la primera exploración de la correspondencia entre una señal de TC y una señal de
TD formada al mucstrcar la primera. La primera sección analiza cómo el muestreo suele efectuarse en
sistemas reales mediante un convertidor muestreo-retención y analógico-digital. La segunda sección
empieza planteando la pregunta de cuántas muestras son suficientes para describir una señal de TC. La
pregunta se responde deduciendo el teorema de muestreo de Shannon, utilizando primero la transforma-
da de Fourier de TD para describir una señal de TD formada al muestrear una señal de TC. Después se
muestreo por impulsos una señal para mostrar la correspondencia entre una señal muestreada y una
señal muestreada por impulsos y se utilizó la trasformada de Fourier de TC para demostrar el mismo
resultado. Sigue la explicación de métodos de interpolación, teóricos y prácticos; las propiedades espe-
ciales de las señales periódicas de banda limitada, y, por último, la transfonnada discreta de Fourier.
relacionándola con la serie de Fourier de TD. Se efectúa un desarrollo completo de la TDF empezando
con una señal de TC y después con muestreo en el tiempo, ventaneo y el muestreo de frecuencia para
formar dos señales, cada una de ellas descrita por completo por medio de un conjunto finito de números
y relacionada exactamente mediante la TDF. Después se muestra cómo es posible utilizar la TDF para
aproximar la transfonnada de Fourier de TC de una señal de energía o una señal periódica. La siguiente
sección importante es una secuencia de ejemplos del uso y de las propiedades de la TDF, y la última
sección explica la transformada rápida de Fourier y muestra cómo ésta constituye un algoritmo muy
eficiente para calcular la TDF.
El capítulo 8 aborda la correlación, la densidad espectral de energía y la densidad espectral de
potencia. Estos temas por lo común no se abordan en los libros de texto de señales y sistemas. Se
presentan casi siempre en (o después de) un curso sobre procesos aleatorios. Las ideas se presentan en
este caso a partir del punto de vista del análisis de la similitud de dos señales. Los conceptos de correla-
ción son importantes en la identificación del sistema y el filtrado de acoplamiento. Se demuestra la
correlación, y luego la autocorreíación, utilizando señales tanto aleatorias como determinísticas, aun-
que en los ejercicios sólo se pide a los estudiantes que analicen la correlación o autocorreíación de
señales determinísticas. Puesto que la densidad espectral de energía y la densidad espectral de potencia
son las transformadas de Fourier de la autocorreíación de las señales de energía y potencia, también se
incluyen estos temas.
El capítulo 9 presenta la transformada de Laplace, considerada desde dos puntos de vista: como una
generalización de la transformada de Fourier para una clase más grande de señales y como un resultado
natural de la excitación de un sistema lineal invariante en el tiempo mediante una señal exponencial
compleja. Se principia por definir la transformada bilateral de Laplace y se discute la importancia de la
región de convergencia. Luego se define la transformada unilateral de Laplace y se usa casi en todo lo
que resta del capítulo antes de volver a la forma bilateral en la parte final. Se deducen todas las propie-
dades importantes de la ti-ansformada de Laplace y se investiga por completo ei método de la expansión
por fracciones parciales para encontrar las transformadas inversas. Desptiés se presentan ejemplos de
solución de ecuaciones diferenciales con condiciones iniciales. Al final se vuelve a la fonna bilateral y
se demuestra que las transformadas bilaterales pueden determinarse utilizando tablas de transformadas
unilaterales.
El capítulo 10 abarca varias aplicaciones de la transformada de Laplace, que incluyen la represen-
tación de sistemas en diagramas de bloques en el dominio de la frecuencia compleja, la estabilidad y la
interconexión de sistemas, sistemas retroalimentados considerando el lugar geométrico de las raíces y
el margen de ganancia y fase, la reducción de diagramas de bloques, las respuestas del sistema a señales
estándar, la respuesta en frecuencia, filtros Butterworth y, por último, realizaciones estándar y métodos
del espacio de estados para sistemas de TC.
El capítulo 11 presenta la transformada z. El planteamiento corre paralelo con la formulación de la
transformada de Laplace excepto por el hecho de que ésta se aplica a señales y sistemas de TD. Se
define en un principio una transformada bilateral y se explica la región de convergencia y luego se
define una transformada unilateral. Se deducen todas las propiedades importantes y se demuestra la
transformada inversa utilizando la expansión por firacciones parciales y la solución de ecuaciones de
diferencias con condiciones iniciales. Después se regresa a la transformada bilateral mostrando que es
posible determinarla mediante tablas de transformadas unilaterales. También se muestra la relación
entre las transformadas de Laplace y z, una idea importante en la aproximación de sistemas de TC
mediante sistemas de TD en el capítulo 12.
El capítulo 12, el último, trata de las aplicaciones de la transformada Los temas principales
incluyen la aproximación de sistemas de TC con sistemas de TD, especialmente el diseño de filtros
digitales como una aproximación a los filtros analógicos óptimos, respuestas a señales estándar,
interconexiones de sistemas, comprensión de sistemas estándar y métodos del espacio de los estados.
Se presentan varios apéndices que consisten en una página acerca de la forma de determinar múltiplos
mínimos comunes hasta muchas páginas que describen los principales comandos y operaciones dispo-
nibles en MATLAB. Los apéndices E, F y G son tablas de los métodos de Fourier. la trasformada de
Laplace y la transformada z, respectivamente. Los apéndices H, 1 y J corresponden, respectivamente, a
números y variables complejas, ecuaciones diferenciales y de diferencias y vectores y matrices, que son
temas considerados por lo general como requisitos para un curso de señales y sistemas. Estos apéndices
se escriben de forma similar a los capítulos con ejercicios al fmal y es posible utilizarlos con el ñn de
revisar si los estudiantes de una clase particular necesitan repasarlos.
CONTINUIDAD

El libro está bastante integrado y cada capítulo se construye a partir de los capítulos previos. Sin embar- Prefacio
go, en una secuencia de dos semestres en los cuales se aborde todo el libro, podrían omitirse los siguien-
tes temas sin perder continuidad.

Características del sistema (excepto linealidad e invariancia en el tiempo).

La respuesta de sistemas lineales invariantes en el tiempo a la excitación periódica utilizando la
serie de Fourier
Algunas aplicaciones de los métodos de Fourier incluidos los filtros de tiempo discreto, algunas de
las técnicas de modulación, el retraso de fase y de grupo, y el análisis espectral.
Métodos de muestreo (en oposición a la teoría de muestreo).
Muestreo de señales de tiempo discreto.
El algoritmo de la transformada de Fourier rápida.
Toda la explicación de la correlación, la densidad espectral de energía y la densidad espectral de
potencia en el capítulo 8.
El regreso a la üransformada de Laplace bilateral al final del capítulo 9.
Ciertos temas sobre las aplicaciones de la transformada de Laplace como los métodos de análisis de
estabilidad específicos, la reducción de diagramas de bloque y los filtros Butterworth.
La comprensión estándar de sistemas y el análisis en el espacio de estado, de tiempo continuo y/o
tiempo discreto.
El regreso a la transformada z bilateral al final del capítulo 11.
Diseño de filtros digitales con MATLAB.

REVISIONES Y MODIFICACIONES

A menudo señalo a mis estudiantes que si en verdad quieren aprender bien un tema, es necesario que
impartan un curso sobre el mismo. El proceso de pararse frente a un grupo de personas muy inteligentes
y presentar alguna materia constituye una fuerte disciplina para aprenderla (si e! presentador no quiere
ser humillado por el público). Después de escribir este libro, he modificado el planteamiento anterior y
ahora digo que si uno quiere aprender un tema muy bien es necesario escribir un libro de texto acerca del
mismo. El proceso de revisión es una disciplina un poco similar aunque más privada. La parte pública
viene luego de que se imprime el libro. Este volumen se debe a un gran número de revisores, en especial
a aquellos que en realidad dedicaron tiempo, realizaron críticas y sugirieron mejoras. Estoy en deuda
con ellos.
También le debo a muchos estudiantes que resistieron mi clase durante años. Creo que nuestra
relación es más simbiótica de lo que ellos reconocen. Esto es, aprendieron el análisis de señales y
sistemas de mí y yo aprendí cómo enseñar el análisis de señales y sistemas de ellos. No puedo contar el
número de veces que se me plantearon preguntas muy perspicaces por parte de algún estudiante que no
sólo revelaban que los asistentes no estaban entendiendo el concepto, sino que yo no lo comprendía tan
bien como había pensado de antemano.

REDACCIÓN DEL TEXTO

Todo autor piensa que ha encontrado una mejor forma de presentar el material de manera que los estu-
diantes puedan entenderlo, y no soy la excepción. He enseñado estos temas durante muchos años y a
través de la experiencia de pruebas calificadas he descubierto aquello que los estudiantes comprenden y
lo que no. He dedicado incontables horas en mi oficina para explicar individualmente a estudiantes
estos conceptos, y a través de esa experiencia, he encontrado lo que se necesita decir, Al escribir he
tratado de hablar en forma directa y clai-a, intentando no dejai" de lado la formalidad y, en la medida
posible, anticipar las concepciones equivocadas usuales y revelar las falacias relativas a ellas.
Los métodos de la transformada no constituyen una idea obvia, y, en un principio, con facilidad los
estudiantes pueden quedar varados en la ciénega de la confusión de las abstracciones y dejar de ver la
meta que es analizar la respuesta de un sistema a las señales. He tratado (como todo autor) de encontrar
la combinación mágica de accesibilidad y rigor matemático debido a que ambos aspectos son importan-
tes. Creo que mi redacción es clara y directa, aunque usted, lector, tendrá la última palabra con respecto
a esta afirmación.
XViii EJERCICIOS

Prefacio E) libro contiene más de 500 ejercicios. Cada capítulo incluye un grupo de ejercicios con respuestas y
un segundo grupo de ejercicios sin las mismas. El primero se considera más o menos como un conjunto
de ejercicios de prácdca, y el segundo como un conjunto de mayor dificultad.

COMENTARIOS FINALES

Aunque me he esforzado bastante para lograr que este libro cumpla su objetivo, ningún libro en la
primera edición es perfecto, y yo no me opongo a tal afinnación. He descubierto lo que muchos autores
han encontrado: a pesar de que sientan que en verdad comprenden los conceptos y sepan cómo realizar
todos los ejercicios, son inevitables tanto los errores en el texto como en los ejercicios. Por lo tanto, se
aceptan con agrado las cn'ticas, correcciones y sugerencias. Todos los comentarios, incluso con los que
no esté de acuerdo y aquellos con los que otros no coincidan, tendrán un impacto constructivo en la
siguiente edición debido a que señalarán problemas.
Si algo no le parece adecuado, es probable que tampoco lo sea para otros, y es mi tarea, como autor,
encontrar una forma de resolver ese problema. Lo conmino a que sea directo y claro en cualquier co-
mentario acerca de lo que considere que debe cambiarse y que no dude mencionar cualquier error que
haya descubierto, desde el más trivial hasta el más importante.
Deseo agradecer a los siguientes revisores su invaluable ayuda para el mejoramiento del libro.

M\ kmim. Universidad Estalal de California, NonhridgQ '.

Vijayakumar Bhagavatula, Universidad Caniegie Mellon
José B. Cruz, Jr., Universidad Estatal de Ohio
Thomas S. Denney. Jr., Universidad de Aubum
FrankGíO'is. Universidad Florida A&M •,
¡ohn Y. Hung, Universidad de Auhurn , i.
Aziz Inan, Universidad de Portland
James S. Kang, Cal Poly Potnona
Thomas Kincaid, Universidad de Boston
Wo']tck J. Koloázic}, Universidad Estatal de Oregon
Darryl Morrell, Universidad Estatal de Arizona
TaizadFouchoghiat, Universidad del Sarde Illinois
Lee Swindiehurst, Universidad de Brigham Young

Michael J. Roberts,
, Profesor de Ingeniería Eléctrica y Computación
... . Universidad de Tennessee en Knoxville
Señales y sistemas
Análisis mediante métodos de transformada y MATLAB
 r A P I T TI 1, o 1
Introducción

1.1 DEFINICIÓN DE SEÑALES Y SISTEMAS

Siempre es mejor empezar desde el principio. Puesto que este texto trata sobre las señales y los siste-
inas, la primera cuestión por responder es ¿qué son? Cualquier fenómeno físico que varíe en el tiempo
y que se pretende usar para transmitir información constituye una señal. Ejemplos de señales son la voz
humana, el ladrido de un perro, el rugido de un león, el canto de los pájaros, las señales de humo, el
sonido de tambores, el lenguaje a señas, el código Morse y las .señales de tránsito. Entre los ejemplos de
señales modernas de alta velocidad se encuentran los voltajes en los cables telefónicos, los campos
eléctricos que emanan de los transmisores de radio o televisión y las variaciones de la intensidad lumi-
nosa en una fibra óptica o en una red telefónica o de computadoras. El ruido, que algunas veces se
denomina señal aleatoria, es como una señal en la que el fenómeno físico varía en el tiempo, pero a
diferencia de una señal no suele llevar información ijtil y casi siempre se considera indeseable.
Las señales se procesan u operan por medio de sistemas. Cuando una o más señales de excitación se
aplican a una o más entradas del sistema, éste produce una o más señales de respuesta en sus salidas. La
figura 1.1 muestra el diagrama de un sistema de una entrada y una salida.
En un sistema de comunicaciones, el transmisor es un dispositivo que produce una señal y el
receptor es un dispositivo que adquiere esa señal. El canal es la trayectoria que una señal y/o el ruido
toman desde un transmisor y/o fuente de ruido hasta un receptor (figura 1.2). El transmisor, el canal y el
receptor son sistemas, que constituyen componentes o subsistemas del sistema completo. Otros tipos de
sistemas también procesan señales que se analizan mediante el análisis de señales. Los instrumentos
científicos que miden un fenómeno físico (temperatura, presión, velocidad, etc.) convierten ese fenó-
meno en una señal de voltaje o de corriente. Los sistemas de control de edificios comerciales y de
procesos de una planta industrial, los sistemas electrónicos de los aviones, el control de encendido y
bombeo de combustible en los automóviles, etc.. son sistemas que procesan señales.
La definición del término sistema incluso comprende campos que uno no imaginaría, por ejemplo,
el mercado accionario, el gobierno, el clima y e! cuerpo humano.
Todos ellos responden a excitaciones. Algunos sistemas se analizan sin dificultades de manera
detallada, algunos pueden analizarse de manera aproximada, pero otros son tan complejos o difíciles de
medir que no es posible conocerlos lo suficiente para entenderlos o controlarlos.

1.2 TIPOS DE SEÑALES

Hay varias clasificaciones de señales: de tiempo continuo, de tiempo discreto, de valor continuo, de
valor discreto, aleatorias y no aleatorias. Una señal de tiempo continuo es aquella que se define en todo
instante sobre algiín intervalo de tiempo. Otro nombre común para una señal de tiempo continuo es el de
señal analógica. El término analógico proviene del hecho de que en muchos sistemas la variación de la
señal analógica con el tiempo es análoga a algún fenótneno físico
que está siendo medido o supervisado.
El proceso de muestreo de una señal consiste en tomar valores E.nciíación Entrada Sistema Saiida Res|iuesla
de ella en puntos discretos en el tiempo y luego utilizar sólo las
muestras para representar la señal original en tiempo continuo. El Flf;URA 1.1
conjunto de muestras que se toman de una señal de tiempo continuo Diagrama de bloques de un sistema simple.
 Ruido Ruiíla Ruido

Señal de
1 1l \ ^ Señal de información
Transmisor Canal Receptor
información con mido

FIGURA 1.2
Un sistema de comunicación.

es un ejemplo de una señal de tiempo discreto. Una señal de este tipo también puede crearse mediante
un sistema inherentemente discreto el cual produce valores de señal sólo en tiempos discretos. Una
señal de tiempo discreto tiene valores definidos sólo en puntos discretos en el tiempo y no entre ellos.
En el capítulo 7 se investigará en qué condiciones una .señal de tiempo discreto producida mediante
muestreo de una señal de tiempo continuo puede considerai'se una representación adecuada de la señal
de tiempo continuo de la cual proviene.
Una señal de valor continuo es aquella que puede tener un valor que se halla dentro de un continum
de valores permitidos. El continum puede tener una extensión fmita o infinita. Un contimim es un
conjunto de valores sin "espacio" entre los valores permitidos. Dos valores permitidos pueden estar
arbitrariamente cerca uno del otro. El conjunto de números reales es un continum con extensión infinita.
El conjunto de números reales entre cero y uno es un continum. con extensión finita. Cada uno de estos
ejemplos es un conjunto con un número infinito de miembros.
Una señal de valor discreto sólo puede tener valores tomados de un conjunto discreto de valores.
Un conjtinto de valores discretos es uno para el que hay un espacio finito entre los valores permitidos.
Otra forma de decir lo anterior es que la magnitud de la diferencia entre dos valores cualesquiera en el
conjunto es mayor que algún número positivo. El conjunto de enteros es un ejemplo de un conjunto de
valores discretos. Las señales de tiempo discreto suelen transmitirse como señales digitales. El término
señal digital se aplica a !a transmisión de una secuencia de valores de una señal de tiempo discreto en la
forma de dígitos en una forma codificada (usualmente binaria). El término digital también se utiliza
algunas veces sin formalidad para referirse a una señal de valores discretos que sólo tiene dos valores
posibles.
Una señal aleatoria es aquella cuyos valores no pueden predecirse con exactitud y que no es posi-
ble describirla por medio de ninguna función matemática. Una señal no aleatoria, que también recibe el
nombre de señal determinística, es aquella que es posible describir matemáticamente, al menos de
manera aproximada. Como se estableció antes, un nombre común para una señal aleatoria es el de
ruido. Las figuras 1.3 a 1.5 constituyen ejemplos de diferentes tipos de señales.
En el procesamiento de señales práctico es muy común adquirir una señal para procesamiento
mediante una computadora y siguiendo los pasos: muestreo, cuantización y codificación (figura 1.6).

Señal de valor continuo

3t(ií) de tiempo continuo
Señal de vaiores discretos

t de tiempo continuo

Señal de valor continuo

x[«] de tiempo di.screto Seña) de valores discretos
x(/) de tiempo continuo

I t L . T
Señal digital

FIGURA 1.3 FIGURA 1.4

Ejemplos de señale.s de tiempo continuo y Ejemplos de señales de tiempo continuo y
de tiempo di.'iLTelü. diciíal.
 Señal aleatoria de valor continuo
x(0 de tiempo continuo x(í)
1.2 Tipos de

FIGURA 1.5
Ejemplos de ruido
y de una señal digital
Ruido Señal diaiud con ruido con mido.

La señal original es por lo común una señal de dempo continuo de valores continuos. En el proceso de
muestreo se adquieren sus valores en tiempos discretos y esa secuencia de valores constituye una señal
de tiempo discreto de valores continuos. El proceso de cuantización aproxima cada muestra al miembro
más cercano de un conjunto finito de valores discretos, lo que produce una señal de tiempo discreto de
valores discretos. En ese caso cada valor de la señal en el conjunto de valores discretos en tiempos
discretos se convierte en una secuencia de pulsos rectangulares que codifica ese miembro del conjunto
de valores discretos en un número binario, creando una señal de tiempo continuo de valores discretos,
llamada señal digital. [Debe notarse aquí que los pasos que se ilustran en la figura 1.6 suelen efectuarse
mediante un dispositivo simple, un convertidor analógico-digiTal (CAD) y que las señales en los pasos
intermedios no están disponibles fuera del CAD. De hecho, es posible que aquellas señales no existan
dentro del CAD debido a la forma en que se lleva a cabo la conversión. Sin embargo, la operación de un
CAD a menudo se analiza con utilidad aun cuando los pasos individuales del muestreo, la cuantización
y la codificación, se hayan tomado en secuencia.]
Un uso muy común de las señales digitales binarias es el envío de mensajes de texto utihzando el
Código Estándaí- Americano paia el Intercambio de Información (ASCII). Las letras del alfabeto, los
dígitos del O al 9. algunos caracteres de puntuación y varios caracteres de control no imprimibles, para

Seña] de tiempo
continuo de
valores continuos

A-Af (A- + I) Af {.k + 2) Ai

iVluestreo

Señal de tiempo discreto

P i- de valores continuos

k-l \ k k+ 1 k+ 2
Cuantización

Señal de tiempo üiscrelo

de \a\oKS di.screto.'!

k- 1 k+ I k+2
Codificación
m 001 m
FIGURA 1.6
Seña! de tiempo
M Muestreo, cuantización
i continuo de
\a!ores discreto.s y codificación de una
señal para ilustrar
k- ] k+ 1 k+2 varios tipos de señales.
 6
5
4
3
2
FIGURA 1.7 t
Señal de voltaje en O
código binario ASCII
-1
en serie asincrona para
el mensaje "SIGNAL". Tiempo; (ms)

un total de 128, se codifican en una cadena de 7 bits binarios. En la transmisión en serie asincrona de
mensajes ASCII, los 7 bits se envían de manera secuencial, precedidos por un bit de inicia y seguido por
uno o dos bits de paro que se usan con fines de sincronización. En algunos casos también se ti-ansmite
un bit adicional llamado bit de paridad. Los bits de paridad se usan para detectar errores de transmisión.
Por lo común, en conexiones directas entre equipos digitales, los bits se representan mediante niveles de
voltaje, un voltaje ídto [por lo general alrededor de +5 volts (V)] para un 1 y tm nivel de voltaje bajo
(casi siempre alrededor de O V) para un cero. En una transmisión asincrona que usa un bit de inicio y
uno de paro y ninguna paridad, el envío del mensaje "SIGNAL". genera una gráfica de voltaje contra
tiempo que se vería como la de la figura 1.7.
Las señales digitales cada vez son más importantes en el análisis moderno de señales debido a la
diversidad de los sistemas digitales. Tienen la ventaja de una mejor inmunidad al ruido, lo cual se
demuestra ilustrando la señal digital de la figura 1.7 con diferentes niveles de ruido agregado (figura
1.8). Aun cuando en el peor caso de la figtira 1.8 el ruido ha hecho que los 1 y los O en la señal binaria
sean difíciles de observaí' a simple vista, todos los 1 y O de la cadena de bits binarios pueden delectarse
correctamente y, por lo tanto, la señal binaria recibida después de la detección sigue siendo perfecta.
En la comunicación de señales binarias los bits pueden detectarse con bastante limpieza hasta que el
ruido se vuelve muy grande, como se ilustra en la figura 1.9. La detección de los valores de bits en una
cadena de bits suele hacerse comparando el valor de la señal a un tiempo de bit predeterminado con un
umbral. Si se encuentra arriba del umbral, se declara un 1, y si está por debajo, se declara un 0. En la
figura 1.9, las x marcan el valor de la señal en el tiempo de detección, y cuando esta técnica se aplica a
la señal digital ruidosa, uno de los bits se detecta de manera incorrecta. Pero cuando la señal se filtra,
todos los bits se detectan en forma correcta. A pesar de que la señal digital filtrada no se ve muy limpia
en compíuación con la señal digital sin ruido, es posible detectar los bits con una probabilidad de error
muy baja. Por esta razón básica, las señales digitales tienen una mejor inmunidad al ruido que las
analógicas.

Relación señal-ruido = 311.6159 Relación señal-mido = 51 ..1176

FIGURA 1.8
Señal ASCII digital
ruidosa. Relación señal-ruido = 12.6983 Relación señal-mido = 3.2081
 Señal digital sin ruido 1.2 Tipos de

1 ^ /
1 0 0 0 1 0 1 1 0 0 0 1 1
Umbral de Xj,(Í)
detección de bit
\ \ h de bit
^Error
Serial digital futrada
2 + FIGURA 1.9
Uso de unfiltropara
reducir la tasa de
„ . 2.6
errores de bits en una
-1+1 1 0 1 0 0 0 1 0 0 1 0 0 0 ! 1 señal digital.

El primer problema en el análisis de señales es encontrar una forma de describirlas matemática-

mente. Las primeras que se estudiarán serán señales de tiempo continuo deteiminísticas. Algunas seña-
les de tiejnpo continuo se describen matemáticainente inediante simples funciones continuas del tiem-
po. Por ejemplo, tma señal x podría describirse mediante una función de tiempo continuo /,

x(í) = 50 sen(2007tf). (1.1)

Ésta es una descripción exacta de la señal en cualquier instante de tiempo. La señal también puede des-
cribirse elaborando una gráfica de la función de tiempo continuo que describe a la señal (figura 1.10).
Muchas señales de tiempo continuo que son importantes en el análisis de señales y sistemas no son
fáciles de describir matemáticamente. Considérese la señal que se gráfica en la figura 1.11. Formas de
onda similares a ésta ocurren en realidad en diversos tipos de sistemas de instrumentación y comunica-
ciones. Con la definición de algunas funciones de señales y una operación llamada convolución, es
posible describir, analizar y manipular matemáticamente esta señal en forma compacta. Las señales de
tiempo continuo que se describen mediante una función matemática se transforman en otro dominio
llamado el dominio de la frecuencia mediante la transformada de Fourier de tiempo continuo (TFTC).
Aunque tal vez no sea claro para el lector en este momento lo que significa transformación, la transfor-
mación de una señal al dominio de la frecuencia es una herramienta muy importante en el análisis de
señales que permite que ciertas características de la señal se observen con mayor claridad y se manejen
con más facilidad que en el dominio del tiempo. Sin el análisis en el dominio de la frecuencia, el diseño
y el análisis de muchos sistemas serían bastante más difíciles.
Las señales de tiempo discreto sólo se definen en puntos discretos en el tiempo y no en puntos
intermedios. La figura L12 ilustra algunas señales de tiempo discreto. Todas éstas parecen ser determi-
nísticas excepto la que se encuetitra en la esquina inferior derecha, que parece aleatoria. (La palabra
parece se usa porque nunca puede afirmarse con seguridad si una señal es o no aleatoria al observar un
registro de ella en tiempo finito.) En el capítulo 7 se explora la relación entre las señales de tiempo
continuo y las señales de tiempo discreto que se han forma-
do muestreando señales de tiempo continuo.
Las señales aleatorias no pueden describirse con exac-
timd por medio de una función matemática. De hecho, no
.^0 -
hay una forma general de describir por completo señales
aleatorias excepto enumerar cada valor de la señal aleato-
ria. Para señales aleatorias de tiempo continuo esto es im-
posible, incluso para un tiempo finito, pues hay un nijmero
FIGURA LIO
infinito de valores de una señal de tiempo continuo en un Una señal de fiempo
intervalo de tiempo finito. Es posible describir exactamen- continuo descrita
te una señal aleatoria de tiempo discreto en un intervalo mediante una función
de tiempo finito. La descripción sería una secuencia de nij- / = 10 ms matemática.
r CAPÍTULO 1
meros de longitud finita. Sin embargo, aun cuando
la señal aleatoria de tiempo discreto se describe sobre
Introducción un tiempo finito, eso no implica que la señal se conoz-
ca o se describa con respecto a cualquier otro tiempo
finito.
A pesar de que las señales aleatorias no pueden
describirse con exactitud por medio de funciones mate-
máticas es posible describirlas de manera aproximada.
FIGURA I.ll La figura 1.13 ilustra cuatro diferentes señales aleatorias
Otra señal de [iempo continuo. de tiempo continuo. Aun cuando todas son aleatorias,
difieren en sus características. Varían sobre intervalos
diferentes, alguna cambia de valor rápidamente mientras que otras lo hacen con mayor lentitud, sus
valores se distribuyen en forma diferente, tienen valores promedio distintos, etc.
El análisis de las señales aleatorias y su interacción con sistemas debe efectuarse utilizando los que
se denominan descriptores de las señales aleatorias. Éstos describen de manera aproximada aspectos
importantes de las señales aleatorias, pero no pueden brindar una descripción exacta. Los descriptores
de las cuatro señales aleatorias de la figura 1.13 expresarían algunas de sus diferencias importantes en el
comportamiento general. El uso de los descriptores es la mejor manera de describir y analizar señales
aleatorias. Si bien no es posible que los descriptores definan una señal con exactitud, en la mayoría de
los casos prácticos pueden resultar muy efectivos en el logro de objetivos en el diseño del sistema.
En este texto se verán muchos ejemplos de la operación de sistemas con respecto a señales
determinísticas exactas debido a que es una parte importante del diseño de los mismos que proporciona
un conocimiento amplio de la operación del si,stema. Sin embargo, la mayoría de los sistemas se diseña
para manejar ciertos tipos de señales más que para cualquier señal o señales precisas.
Hasta ahora todas las señales que se han considerado se han descrito matemáticamente por medio
de funciones del tiempo. Existe otra clase importante de señales que son funciones del espacio en vez
del tiempo: las imágenes. En este texto, la mayoría de las teorías de señales, la información que transmi-
ten y cómo se procesan mediante los sistemas, se basará en las señales que son una variación de un
fenómeno físico con el tiempo. No obstante, las teorías y métodos formulados de esa forma se aplican
también, con modificaciones menores, al procesamiento de imágenes. Las señales de tiempo se descri-
ben, mediante la variación de un fenómeno físico, como una función de una sola variable independien-
te: el tiempo. Las señales espaciales, o imágenes, se describen a partir de la variación de un fenómeno
físico como una función de dos variables espaciales independientes y ortogonales, denominadas con-
vencionalmente como .v y y. El fenómeno físico descrito es comúnmente luz o algo que afecta su trans-

FIGURA 1.12
Algunas .señales de
tiempo discreto.
 0.99769 4i 1.2 Tipos de señales

0.4.1165 +

0.350O6 +

FIGURA 1.13
Cuatro señales de
tiempo continuo
-0.59987 -0.37496 + aleatorias.

misión o reflexión, aunque las técnicas de procesamiento de imágenes también son aplicables a todo lo
que puede describirse de manera matemática mediante una función de dos variables independientes.
Históricamente, las técnicas de procesamiento de imágenes han venido detrás de las de señales
porque en la prácüca la cantidad de información que tiene que procesarse para reunir una imagen co-
mún es mucho mayor que la que se requiere para obtener la información de la señal de tiempo ordinaria.
Sin embargo, ahora, con los grandes incrementos en la capacidad de cómputo y las gigantescas reduc-
ciones de los costos de las computadoras, el procesamiento de imágenes es cada vez más una técnica
práctica en muchas situaciones. La mayor parte del procesamiento de imágenes es digital y se efectúa
por medio de computadoras. Algunas operaciones simples de procesamiento de imágenes pueden efec-
tuarse de manera directa con ópdca, y las que se encuentran en ese caso, se realizan desde luego a
velocidades muy altas (¡a la velocidad de la luz!). No obstante, el procesamiento de iinágenes óptico
directo es muy limitado en flexibilidad en comparación con el procesamiento de imágenes digitales
efectuado mediante las computadoras.
La figura 1.14 presenta dos imágenes. La que se encuentra a la izquierda es una imagen de rayos X
no procesada de una maleta rodante en un punto de verificación en un aeropuerto. La de la derecha es la
misma imagen pero procesada mediante operaciones de filtrado de imágenes para re\'elar la presencia
de algún arma. En este texto no se profundizará en el procesamiento de imágenes pero usarán ejemplos
ocasionales del mismo para ilustrar conceptos del procesamiento de señales.
La comprensión de cómo las señales transforman información, cómo los sistemas procesan las
señales, cómo es posible transportar señales múltiples de manera simultánea en un canal, así como la
forma en que el ruido interfiere en la transmisión de información por medio de señales son aspectos
FIGURA 1.14
fundamentales en múltiples áreas de la ingeniería. Las técnicas para el análisis de señales y ruido de Ejemplo de un proce-
acuerdo a cómo son procesadas por los sistemas es el tema de este libro. El material puede considerarse samiento de imágenes
casi como un texto de matemáticas para revelar informa-
aplicadas más que un texto que cu- ción.
bre la construcción de dispositivos [Imagen de rayo.': X
útiles, pero el entenderlo es muy im- orifíinal y versión
pwcc'sada propon:ionú -
portante para el diseño exitoso de dis-
da.ii>nr M. A. Ahidi,
positivos de utilidad. El material que hnagin^. RohoJics and
sigue se construye a partir de algu- lntel!ií;eiit Sywteni.f i¡R!S)
nas definiciones y conceptos funda- Laboratorio del
mentales hasta reunir una gama com- Deparlamenio de
¡iigeiúeríii Elécirica y
pleta de técnicas de análisis para las
Computación de ia
señales de tiempo continuo y de tiem- Universidad de Tennessee
po discreto en sistemas. en Kno.\yil!e.\
 Variación Voltaje
de la presión- Micrófono Electrónica
acústica
Voltaje procesado

FIGURA I.IS Ni'nneros

Sistema de registro de binarios Memoria de
CAD
sonido. computadora

1.3 EJEMPLO DE UNA SEÑAL Y UN SISTEMA

Coino un ejemplo del análisis de señales y sistemas, se usará una señal y un sistema que son familiares
para cualquiera, el sonido; asi como un sistema que produce y/o mide el sonido. Este es simplemente lo
que registra el oído, y el oído humano es sensible a ondas de presión acústicas en un intervalo de
frecuencia limitado, por lo común entre 15 hertz (Hz) y 20 kilohertz (kHzJ con cierta variación de
sensibilidad en el intervalo. En el material que sigue se presentan algunas gráficas de variaciones en la
f (t
presión del aire que producen algunos sonidos comunes. Estos sonidos se registraron mediante un siste-
ma que consta de un micrófono que convierte la variación de la presión del aire en una señal de voltaje
de tiempo continuo, circuitos electrónicos que procesan la señal de voltaje de tiempo continuo y un
convertidor analógico-digitai que cambia la señal de voltaje de tiempo continuo en una señal digital en
la forma de una cadena de números binarios que después se almacenan en la memoria de la computado-
ra {figura 1.15).
Considérese la variación de presión que se granea en la figura 1.16. Es una señal de tiempo conti-
nuo que produce el sonido de la palabra signa! (señal) pronunciada por un hombre adulto (ei autor). El
análisis de sonidos es por sí solo un tema amplio, aunque algunas cuestiones acerca de la relación entre
esta gráfica de variación de la presión del aire y lo que un humano escucha como la palabra signal
pueden observarse al mirar la gráfica. Hay tres ráfagas de señal identificables: la ráfaga I desde O hasta
0.12 segundos (s), la ráfaga 2 desde cerca de 0.12 hasta 0.19 s y la ráfaga 3 desde aproximadamente 0.22
hasta 0.4 s. La ráfaga 1 es la letra .s en la palabra signal. Es un sonido de siseo y tiene un carácter
diferente que el de las otras ráfagas que son sonidos de voz. La ráfaga 2 es el sonido i. La región entre las
ráfagas 2 y 3 es la consonante doble gn. Las consonantes son simplemente las cosas en el habla que
dividen a los sonidos vocales. La g interrumpe el sonido / y la n inicia el sonido a. La ráfaga 3 es el
sonido a terminado por la consonante final /. Una / no es un paro tan abrupto como algunas otras
consonantes, como la o la p, por ejemplo, por lo que el sonido tiende a continuar más que a detenerse

Delta p(f)
(uEiidades arbitrarias)

Tiempo r (s)

FIGURA L16
La palabra signal pro-
nunciada por una voz 0.074 0.078 0.155 0.305 0.31
masculina adulta. Tiempo í (s) Tiempo í (sj Tiempo í (s)
 Delta p(f) G,Í/)

1.3 Ejemplo de ¡Mía

señal y un sistema

-22 000 12 000

Delta p(()

-0.1 s - 2 2 000 22 000

J
Delta p(r) ., G.,(/)
' sonido a

FIGURA 1,17
Tres sonidos en la
palabra signal y sus
H densidades espectrales
- 2 2 000 22 000 de potencia asociadas.
-0.16S

rápido. Observe que la variación de la presión del aire es por lo general más rápida para la s que para la
f o la a. En el análisis de señales se diría que ésta tiene un contenido mayor de altas frecuencias. En el
diagrama del viento emitido por el sonido s es posible observar que las variaciones de la presión del aire
se ven casi aleatorias. Los sonidos / y a son diferentes en cuanto a que varían más lentamente y parecen
ser más regulares o predecibles (aunque no con exactitud). La /' y la « se forman a partir de vibraciones
de las cuerdas vocales y, por lo tanto, exhiben un comportamiento aproximadainente oscilatorio. Esto se
describe afirmando que la iy\aa son tonales, o habladas, y la Í no lo es. La palabra tonal significa que
se tiene la cualidad básica de un solo tono o altura o frecuencia. Esta descripción no es precisa matemá-
ticamente, aunque resulta útil desde el punto de vista cualitativo.
Otra manera de ver una señal es la que se conoce como el dominio de la frecuencia, exatninando las
frecuencias, o almras, que se presentan en la señal. Una forma común de ilustrar la variación de la
potencia de la señal con la frecuencia es la densidad espectral de potencia que se presentará en el
capítulo 8. La figura 1.17 muestra las tres ráfagas (Í, Í y a) de la palabra signal y sus densidades espectrales
de potencia asociadas [las funciones G^(/)].
La densidad espectral de potencia es sólo otra herramienta matemática para analizar una señal. No
contiene ninguna información nueva, aunque a veces puede revelar cuestiones que son difíciles de ver de
otro modo. (De hecho, la densidad espectral de potencia contiene menos información que la señal origi-
nal, pero, debido a la forma en que se exhibe la información, tiene la posibilidad de revelar aspectos que
es difícil reconocer de otra manera.) En este caso, la densidad
espectral de potencia del sonido s está muy ampliamente distri-
buida en frecuencia, en tanto que las densidades espectrales de
potencia de los sonidos de la / y la a están distribuidas de una ma-
nera muy estrecha en las frecuencias más bajas (aquéllas más próxi-
mas al cero en las gráficas de la densidad espectral de potencia).
Hay más potencia en el sonido s a frecuencias más altas que en los
sonidos de la / y la a. El sonido s tiene un límite, o cualidad de
siseo, causado por las altas frecuencias en el sonido de la i.
La señal en la figura 1.16 lleva información. Considérese lo
que ocurre en una conversación cuando una persona dice la pala- FIGURA 1.18
bra señal y otra la escucha (figura 1.18). El hablante piensa pri- La comunicación entre dos personas involucra señales y el
mero en el concepto de una señal. Su cerebro convierte rápida- procesamiento de éstas mediante sistemas.

i
 mente el concepto a la palabra signal. Luego su cerebro envía impulsos nerviosos a sus cuerdas vocales
y al diafragma para crear el movimiento y vibración del aire y los movimientos de la lengua y los labios
CAPÍTULO 1
Introducción
para producir el sonido. Este sonido se propaga después a través del aire entre el hablante y el oyente. El
sonido choca contra el tímpano auditivo del oyente y las vibraciones se convierten en impulsos nervio-
sos que el cerebro del escucha convierte primero en el sonido, después en la palabra y luego en el
concepto, por lo tanto, la conversación ordinaria se lleva a cabo a través de un sistema de gran comple-
jidad.
¿Cómo sabe el cerebro del oyente que el complicado patrón en la figura 1.16 corresponde a la
palabra señaP. ¿Qué tipo de procesamiento de señales está ocurriendo? El oyente en realidad no está
consciente de todas las variaciones detalladas de la presión del aire sino que en vez de eso escucha
sonidos que son causados por la variación de dicha presión. De alguna forma el tímpano y el cerebro
convierten el complicado patrón de presión de aire en unas cuantas características simples. Esa conver-
sión es similar" a lo que se realizará cuando se conviertan señales en el dominio de la frecuencia. Las
características individuales de una palabra se denominan/onemíi.?. Éstos son un conjunto de combina-
ciones de tiempos y alturas o frecuencias que caracterizan por lo general a los sonidos que las personas
son capaces de producir en una conversación en todos los lenguajes. El tímpano y el cerebro están
entrenados para reconocer fonemas y los utilizan para determinar la palabra que se está diciendo. Un
oyente puede realizar lo anterior para muchos hablantes diferentes, masculinos y femeninos, jóvenes y
viejos, de tono bajo y alto, incluso con acentos intensos (hasta cierto punto). El proceso de reconocer un
sonido reduciéndolo a un pequeño conjunto de características reduce la cantidad de información que el
cerebro tiene que procesar hasta un nivel manejable. El procesamiento y análisis de señales en el sentido
técnico hace lo mismo pero en una forma matemáticamente más precisa y definida.
Dos problemas muy comunes en el análisis de todas las señales y sistemas son el ruido y la interfe-
rencia. El ruido es una señal aleatoria indeseable. La intetferencia es una señal no aleatoria indeseable.
El ruido y la interferencia tienden a oscurecer la información en una señal. En la figura 1.19 se presentan
ejemplos de la señal de la figura 1.16 con niveles diferentes de ruido agregado. Cuando la potencia del
ruido aumenta, hay una degradación gradual en la inteligibilidad de la señal, y a cierto nivel de ruido la
señal se vuelve ininteligible. Una medida de la calidad de la señal recibida corrompida por el ruido es el
cociente entre la potencia de la señal y la potencia del ruido, lo que se conoce comunmente como
relación señal a ruido (RSR).
Las figuras 1.20 y 1.21 muestran dos ejemplos más de sonidos. La primera muestra que el sonido
de un silbido a tono constante produce una variación senoidal casi perfecta de la presión del aire con el
tiempo.
La figura 1.21 muestra que el sonido de un clip para sujetar papeles que se deja caer sobre un
escritorio se caracteriza por ciertos eventos discretos, ráfagas de la variación de presión del aire. Cada

Señal original sin ruido Relación señal-ruido = 23.7082

FIGURA 1.19
Sonido de la palabra
signal con diferentes
niveles de ruido
agregado. Relación señal-mido = 3.7512 Relación señal-ruido = 0.93621
 1,3 Ejemplo de una
señal y un sistema

-0.3078 +

Delta p(r) Delta p(í) Delta p(.í)

i
0,28594 - - 0.30825 \ - 0.28577

0,064
Ü.03 0,06 FIGURA 1.20
El sonido de un silbido
-0.28238 + ' -0.300 S de un solo tono.

ráfaga corresponde a un choque del clip sobre el escritorio cuando rebota muchas veces con rapidez. De
acuerdo con la gráfica, es claro que el clip está en reposo durante aproximadamente un octavo de segun-
do, aunque en ese tiempo golpea la superficie alrededor de siete veces. Cada vez que eso ocurre se crea
un patrón de variación de presión que se observa más o menos igual salvo por su amplitud. Hay un
tintineo después de cada choque que resulta de las vibraciones mecánicas del clip.
Los sonidos no son las únicas señales, desde luego. Cualquier fenómeno físico que se mide u
observa es una señal. Además, aunque la mayoría de las señales que se consideran en este texto serán
funciones del tiempo, una señal puede ser una función de alguna otra variable independiente, como la
frecuencia, la longitud de onda y la distancia. Las figuras 1.22 y 1.23 ilustran algunos otros tipos de
señales.
Así como los sonidos no son las únicas señales, la conversación entre dos personas no es el único
sistema. Ejemplos de otros sistemas son:

• La suspensión de un automóvil para la cual la superficie del camino es la excitación y la posición

del chasis con respecto al camino es la respuesta
• Un tanque de mezcla de compuestos químicos para el que las corrientes de los compuestos son la
excitación y la mezcla de éstos es la respuesta
• El sistema de control ambiental de un edificio para el que la temperatura exterior es la excitación y
la temperatura interior es la respuesta
• Un anemómetro de copa para el cual el viento es la excitación y la rotación de las copas es la
respuesta

Delta p(()

ff
1.2253 +

0.2
-1.0805 - I -

Delta p(/) Delta p(r) Deka ptf)

i
0.18278 \ - 0.80798 - - 0.99252 --i

FIGURA 1.21
El sonido de un clip
para papel que se dejó
-0.32913 -I- -1.0805 -1- -0.99908 - I - caer sobre la superficie
-0.01 s- -0.01 s- -0.01 s- de un escritorio.
12
m
CAPITULO 1
Introducción

• r (ms) Xínm)
400 700
Temperaliira liel aire exterior Flujo de nculrones en el núcleo Espectro de absorción inl'rarroja
de un reactor nuclear de una mezcla química

R(.v.v)

Correlación de imágenes
FIGURA 1.22 bidimensionales
Ejemplos de señales
que son funciones de
Intensidad de campo lejano de luz
una o más variables difractada a través de una rendija
independientes
continuas.

Un sistema de espectroscopia química para el cual la luz blanca es la excitación y el espectro de la

luz transmitida es la respuesta
Una red telefónica paia la cual las voces y los datos son las excitaciones y las reproducciones de
esas voces y esos datos en una localidad distante son las respuestas
La atmósfera terrestre píua la cual la energía del sol es la excitación y el clima es la respuesta
(temperatura del océano, vientos, nubes, humedad, etc.)
Un termopar para el cual el gradiente de temperatura a lo largo de su longitud es la excitación y el
voltaje que se genera en un extremo es la respuesta
Un ratón de computadora para el cual su movimiento es la excitación y la posición del cursor sobre
la pantalla es la respuesta
Una trompeta para la cual la vibración de los labios del trompetista y la posición de las válvulas son
las excitaciones y el tono que sale de la campana es la respuesta

Nln), D[n] (cm)

8-¬
6 -¬ i.Ol +
4-- 1
0.99--
1 --

Número de automóviles que cruzan Gráfica de control de calidad dei diámetro

una intersección entre luces rojas de un fabricante de cojinetes

P[«l

¡00 2 500 +
millones Segunda
GuerT:I Mundial -
Gran depresión -
Primera _
Guesrra Mundial
Guerra av'ú
FIGURA 1.23 en BV
Ejemplos de señales
que son funciones de
una variable indepen- ISOO 1900 2000 1950 2000
diente discreta. Población de Estados Unidos Número de manchas solares anuales
 La lista es interminable. Cualquier entidad física puede considerase como un sistema, debido a que
si se excita con energía física, tiene una respuesta física.
1.4 Uso de MATLAB

1.4 USO DE MATLAB

A lo largo del texto, se presentarán ejemplos que muestran cómo muchos cálculos del análisis de señales
pueden hacerse utilizando MATLAB. Ésta es una herramienta matemática de alto nivel disponible en
muchos tipos de computadoras. Se ha diseñado teniendo presente el procesamiento y análisis de seña-
les. En el apéndice B se presenta una introducción a MATLAB.
 C A P I T U L O 2
Descripción matemática de señales
2.1 INTRODUCCIÓN Y OBJETIVOS
A lo largo de los años los analistas de señales y sistemas han observado muchas y han visto que es
posible clasificarlas en grupos con comportamiento similar. La figura 2.1 muestra algunos ejemplos de
los tipos de señales que ocurren en los sistemas reales.
En el análisis de señales y sistemas, las señales se describen (en la medida posible) mediante fian-
ciones maiemáticas. La señal es el fenómeno físico real que lleva información, y la función es una
descripción matemática de la señal. Aun cuando los dos conceptos son distintos, la relación entre una
señal y la función matemática que la describe es tan íntima que ambos términos se usan casi indistinta-
mente en el análisis de señales y sistemas.
Algunas de las funciones que describen las señales reales deben ser ya familiares: exponenciales y
senoidales. Éstas intervienen con frecuencia en el análisis de señales y sistemas y a menudo se utilizan
para describir señales. Se ha definido un conjunto de funciones para describir los efectos que producen
en las señales las operaciones de conmutación que a menudo se presentan en los sistemas. Algunas otras
funciones surgen en el desarrollo de ciertas técnicas del análisis de sistemas, las cuales se presentarán en
capítulos posteriores. Todas ellas se definirán aquí y se utilizarán conforme sea necesario en los capítu-
los que siguen. Las funciones se eligen con cuidado para que se relacionen de manera simple y sea fácil
transformarlas mediante un conjunto bien elegido de operaciones de transformación. Hay funciones
prototipo. la.s cuales tienen definiciones simples y se recuerdan sin ninguna dificultad.
Hay dos tipos distintos de señales y sistemas: de tiempo continuo y de tiempo discreto. Se definirán
ambos términos, así cotno las funciones aplicables y las operaciones de transformación. Igualmente se
definirán los tipos de simetrías y patrones que ocurren con mayor frecuencia en las señales reales y se
investigarán sus efectos en el análisis de señales.

OB.IETIVOS DEL CAPÍTULO

1. Definir algunas funciones tnatemáticas que pueden utilizarse para describir diversos tipos de se-
ñales.
2. Formular métodos de transformación y combinación de esas funciones en formas útiles para repre-
sentar señales reales.
3. Reconocer ciertas simetrías y patrones y utilizarlos para simplificar el análisis de señales y sis-
temas.

2.2 COMPARACIÓN DE FUNCIONES EN TIEMPO

CONTINUO Y EN TIEMPO DISCRETO
FUNCIONES EN TIEMPO CONTINUO

La mayor parte de la experiencia del lector con las funciones matemáticas ha sido con funciones de la
forma g(.r) donde la variable independiente x puede tener cualquier valor real en un continum de valores
reales. Si la variable independiente es el tiempo i y puede tener cualquier valor real, la función g(/)
recibe el nombre de función de tiempo continuo (TC¡ debido a que se define sobre un continum de
puntos en el tiempo. La figura 2.2 ilustra algunas funciones en TC. Observe que la figura 2.2b) ilustra
16 Mr)

CAPÍTULO 2
Descripción
matemática de señales

Portadora modulada por amplitud Respuesta escalón Altura dei parachoques de un automóvil
en un sistema de comunicación de un filtro pasabajas RC después de que pasa un tope

x(/) x(0

Intensidad luminosa de un láser Cadena de bits binarios codificados Cadena de bits binarios de banda base
de conmutación Q por desplazamientu de frecuencia con codificación Manchester

x[n] xl"l x[«]

FIGURA 2.1
Ejemplos de señales en Cierre diario del índice Temperatura promedio semanal [víuestras de una senoide
sistemas reales. compuesto NASDAQ amortiguada exponencialmente

una función con una primera derivada discontinua y la figura 2.2d) presenta una función discontinua.
En una discontinuidad, el límite del valor de la función cuando se aproxima a la discontinuidad desde
arriba no es el mismo que el límite cuando se acerca al mismo punto desde abajo. Establecido matemá-
ticamente, si el tiempo r = t^, es un punto de discontinuidad de una función g(í), entonces

l í m g ( f -h E) 7¿ lím g{í - 8).

e—o £-*o m
Pero las cuatro funciones, figura 2.2íi) a d), son funciones
de tiempo continuo porque sus valores se definen en un continum
de tiempos t. Por lo tanto, los términos continuo y tiempo con-
tinuo significan cosas diferentes. En cualquier tiempo / sobre
una función continua, el valor de la función es el límite cuando
la función se aproxima a ese mismo tiempo desde arriba o des-
de abajo. Una función en TC se define sobre un continum de
Puntos de discontinuidad de g'(r). tiempos, pero no necesariamente es continua en todo punto en
el tiempo.

MUESTREO Y TIEMPO DISCRETO

Son de gran importancia en el análisis de señales y sistemas las

funciones que se definen sólo en puntos discretos en el tiempo
y no entre ellos. Éstas son funciones de tiempo discreto (TD)
que describen a señales de tiempo discreto. Un ejemplo muy
comtín de señales TD son aquellas que se obtienen al muestrear
f í señales en TC. El muestreo significa la adquisición de valores
I^intos de discontinuidad de g(/) de una señal en puntos discretos en el tiempo. Una manera de
visualizar el muestreo es mediante el ejemplo de una señal de
FIGURA 2.2 voltaje y un interruptor utilizado como un muestreador ideal
Ejemplos de funciones en TC. [figura 2.3a)]. El interruptor se cierra en un tiempo infinitesimal
 FIGURA 2.3
xíf) • m • x[n] 17
a) Muestreador ideal y
b) Muestreo uniforme de un 2.2 Comparador} de
funciones en tiempo
muestreador ideal. b) continuo y en tiempo
discreto

en puntos discretos definidos en el tiempo. Sólo los valores de la señal en TC xU) en aquellos tiempos
discretos se asignan a la señal en TD x[/;]. Si existe un tiempo fijo r, enu-e muestras (que es la situación
más común en la práctica), se dice que el muestreo es uniforme y los tiempos de muestreo son múltiplos
enteros del intervalo de muestreo T^. La especificación del tiempo de la muestra nT^ puede sustituirse
especificando simplemente el número n que define el índice de la muestra. Puede entenderse este tipo
de operación si imagina que el interruptor gira a una velocidad cíclica constante f¡, en ciclos por segun-
do, o a una velocidad angular constante en radianes por segundo, como en la figura l.'ib). En ese
caso el tiempo entre muestras es

^ _ 1 _ 2lT
(2.2)

Se usará una notación simplificada que se acepta de manera general para las funciones en TD, g[n], la
cual, en cada punto de continuidad de g(f), es la misma que ginT^). y en la cual n sólo puede tener
valores enteros. Los paréntesis cuadrados [ ] que encierran al argumento indican una función e n T D , en
contraste con los paréntesis ( ). que indican una función en TC. La variable independiente n suele
denominarse una variable de tiempo discreto porque asigna índices a puntos discretos en el tiempo, aun
cuando es adimensional y no tiene unidades de segundos como ocurre con t y T,. Puesto que las funcio-
nes en TD sólo se definen para valores enteros de n, el valor de una expresión como g[2.7] simplemente
no está definido.
Los valores de g(í) que se adquieren en los instantes de muestreo son g{nTj. Este planteamiento de
la relación entre una función en TC y sus valores muestreados funciona bien salvo para el caso especial
en el qtie el tiempo de muestreo íiT", cae en una discontinuidad de g(r). En ese caso se adoptará la
convención de que, en una discontinuidad, el valor de la muestra estará definido por

g[n] = L í m g í n r , -1- e). e > 0. (2.3)

En palabras, en una discontinuidad, el valor adecuado de la muestra es el límite cuando t tiende a iiT^
desde arriba.
Las funciones que son inherentemente discretas en el tiempo se indican mediante la notación de la
forma g[nl, donde los paréntesis cuadrados indican que la función tiene un valor definido sólo si n es un
entero. Las funciones que se definen para argumentos continuos también pueden dar tiempo discreto
como argumento, por ejemplo, sen(2TT/^Tj). Se puede formar una función en TD a partir del muestreo
de una función en TC, por ejemplo, g[n] = sen(27T/onr,). En ese caso, aunqtie el seno se define para
cualquier valor del argumento en el plano complejo, la función g[fí] sólo se define paia valores enteros
reales de n. Esto es, gL7.8J no está definida aun cuando sen(2TT.fo(7.8)rj, lo esté.

Si se fuera a definir una función como g(n) = senilTififlT^), el paréntesis en g(«) indicaría que cualquier
valor de n sería aceptable entero o no. Aunque esto es válido.'no es una buena idea porque, al menos en este
libro se está utilizando el símbolo t para tiempo continuo y el símbolo n para tiempo discreto y la notación
g(H), aunque e.stá bien definida matemáticamente, resullana conftisa.

Las funciones en TD no siempre provienen de muestras de funciones en TC. Hay muchas señales y
sistemas que son inherentemente de tiempo discreto. El ejemplo clásico es un sistema financiero en el
que el interés sobre las cuentas de ahorro se acredita en tiempos discretos (al final de cada día, semana,
mes o año). El valor de la cuenta se fija durante el tiempo entre puntos discretos y sólo cambia en puntos
discretos en el tiempo. En todos los sistemas inherentemente de TD nada sucede entre puntos discretos
en el tiempo. Los eventos ocunen sólo en puntos discretos en el tiempo.
En la práctica de ta ingeniería los ejemplos más importantes de sistemas en TD son aquellos que
implican el uso de máquinas de estado secuencia!, con la computadora como el ejemplo más común. Las
computadoras se accionan mediante un reloj que genera pulsos a intervalos regulares en el tiempo, y al
final de cada ciclo del mismo la computadora ha ejecutado una instrucción y cambiado de un estado ló-
18 g[n] Éln]

LA

1, jl T I í •• . 11
11 1 [
FIGURA 2.4
i
Ejemplos de funciones
en TD.

gico al siguiente. Desde luego, en el nivel de los microcircuitos integrados, los eventos físicos ocurren
entre pulsos de reloj. Sin embargo, esto es de interés para los diseñadores del circuito integrado. Para los
usuarios de la computadora, sólo los estados secuenciales son importantes. En ese caso debe ser obvio
que la computadora se ha vuelto una heiramienta básica en la ingeniería y los negocios (y en muchos
otros campos), por lo que es muy importante comprender cómo se procesan las señales en TD mediante
máquinas de estado secuencial, en especial para los ingenieros. La figura 2.4 ilustra algunas funciones en
TD que podrían describir señales en TD. El tipo de gráfica que se utiliza en la figura 2.4 recibe el nombre
de gráfica de espigas en la cual un punto indica el valor funcional y las espigas conectan siempre el punto
con el eje n en tiempo discreto. Éste es un método que se usa mucho para graficar funciones en TD.
MATLAB tiene un comando, s t e m , que se utiliza para generar gráficas de espiga.
En el análisis de señales y sistemas, las señales más importantes son los fenómenos que varían en el
tiempo y se describen de manera directa mediante funciones del tiempo, ya sea continuas o discretas.
Éste es el porqué de la introducción de la terminología abreviada, TC o TD. Las funciones del tiempo
son sólo casos especiales de funciones de una variable independiente continua o discreta que podría
representar algo más que el tiempo. En los capítulos 4 y 5 se usarán transformadas para describir señales
y, después de la transformación, la variable independiente ya no será el tiempo. Por ejemplo, se trabaja-
rá con funciones del niímero armónico, una variable independiente discreta, y funciones de frecuencia,
una variable independiente continua. Todas las características matemáticas que se aplican a funciones
de tiempo continuo o de tiempo discreto también se aplican a funciones de otras variables independien-
tes continuas o discretas.

2.3 FUNCIONES DE SEÑALES EN TIEMPO CONTINUO

EXPONENCIALES COMPLEJAS Y SENOIDES

Algunas de las funciones matemáticas que se usan para describir señales (véase la figura 2.5) ya deben
ser familiares: senoides en TC

/2'rrí \
g(r) = A eos ( -í- 9 = A cos(2'iT/of 0) = A cos((doí + 9) (2.4)

y funciones exponenciales

g(f) = Ae^"'"+-''^-'" = Aí'"""'|cos(wof) jB sen(wof)] (2.S)

donde A = amplitud de la senoide o exponencial compleja

= periodo fundamental real de la senoide
/ o = frecuencia fundamental real de la senoide, Hz
oIq = frecuencia fundamental real de una senoide, radianes por segundo (rad/s)
t = tiempo continuo
a^i = velocidad de amortiguamiento real
 En la figura 2.5 las unidades indican qué tipo de señal física se describe. En el análisis de sistemas,
cuando sólo un tipo de señal se considera a través de un sistema, a menudo se omiten las unidades en
aras de la brevedad.
En el análisis de señales y sistemas, las senoides se expresan de dos maneras: en la forma de la
frecuencia cíclica / , A eos (litfa! + 9), y en la forma de la frecuencia to en radianes, A eos (©„? + 0).
2.3 Funciones
señales en
continuo
de
tiempo
1
Existen ventajas y desventajas en cada forma. Las ventajas de la forma / son

1. El periodo fundamental 7"y y la frecuencia cíclica fundamental ff¡ son recíprocos simples uno del
otro.
2. En el análisis de los sistemas de comunicaciones se usa a menudo un analizador de espectros y la
escala de la pantalla suele calibrarse en hertz y no en radianes por segundo. Por lo tanto. / es la
variable que se observa directamente.
3. La definición de la transformada de Fourier y de ciertas transformadas y relaciones de transforma-
das será más simple en la forma / que en la forma o).

Las ventajas de la forma ü) son

1. Las frecuencias resonantes de los sistemas reales, expresadas en términos de parámetros físicos, se
expresan con mayor simpleza en la forma Cú que en la forma / . Por ejemplo, en un oscilador LC. la
frecuencia resonante se relaciona con la inductancia y la capacitancia mediante

1
Wñ = (2-IT/o)^ (2.6)
LC

Un oscilador LC es un circuito en el cual una inductancia y una capacitancia resuenan y esa reso-
nancia controla su frecuencia de oscilación. Además, la relación entre las constantes de tiempo y
las frecuencias críticas correspondientes en un circuito se relacionan más simplemente a través de
la forma Cü que a través de la forma / . Por ejemplo, la frecuencia de corte a la mitad de la potencia
de un filtro pasabajas RC se relaciona con Ry C mediante

1
(2.7)
RC

2. La transformada de Laplace (capítulo 9) se define en una forma que se relaciona más simplemente
con la forma co que con la forma / .
3. Algunas transformadas de Fourier y de Laplace son más simples en la forma co.

Las senoides y exponenciales en TC son importantes en el análisis de señales y sistemas porque

surgen de manera natural en las soluciones de las ecuaciones diferenciales que describen los sistemas
dinámicos en TC. Como se verá en los capítulos 4 y 5 en el estudio de las series de Fourier y la transfor-
mada de Fourier, incluso si las señales no son senoides o exponenciales pueden expresarse en términos
de senoides o exponenciales.

lOcosdO^TTf) (nC)
FUNCIONES CON DISCONTINUIDADES

AI \'7
Los senos, cosenos y exponenciales en TC son continuos y
diferenciables en todo punto en el tiempo. Sin embargo, en los
sistemas prácticos hay muchos otros tipos de señales en TC im-
portantes que no son continuas o diferenciables en todo punto f = 10 ms
V
-io1 t =
en el tiempo. Una operación muy común en los sistemas es la
activación o desacüvación de una señal en algún tiempo especi- 2e- (m) sen(2'rTí) (m/r)
ficado. Algunos ejemplos de las señales que se activan o
desactivan se presentan en la figura 2.6. Cada una de ellas tiene
un punto en el que son discontinuas o su primera derivada lo es.
Las descripciones funcionales de las señales de la figura 2.6 son
completas y precisas pero están en una forma inconveniente. Es í = 0.1 s
posible describir mejor matemáticamente las señales de este tipo != 1 S

multiplicando una función que es continua y diferenciable todo

FIGURA 2.5
el tiempo por otra función que es cero antes de algún tiempo y
Ejemplos de señales descritas mediante senos, cosenos y
uno después de ese tiempo, o uno antes y cero después. exponenciales.
20 !tC/) =
O /<0 7 Pii í < 2 ms
3W x(í) =
í>0

3W 7Pa

í = 2 ms

O ;<Ó O í>10s
Xffl =
20sen(4TT X lO'r) V i>O 4e"-"C <10s

20 V -

.\iV
FIGURA 2.6
Ejemplos de señales A í \ f -
que se activan o
desactivan en algún -20 V-
tiempo especificado.
f = 50 ns

FUNCIONES SINGULARES Y FUNCIONES RELACIONADAS

En el análisis de señales y sistemas existe un conjunto de funciones que se relacionan entre sí a través de
integrales y derivadas que pueden utilizarse para describir matemáticamente señales que tienen discon-
tinuidades o derivadas discontinuas. Estas reciben el nombre defunciones singulares. Tales funciones,
así como aquellas que se relacionan estrechamente con ellas mediante algunas operaciones comunes en
el sistema, son el tema de esta sección.

La función escalón unitario Antes de definir la función escalón unitario es importante establecer un
principio del análisis de señales y sistemas. Considérese la función,

t < rn
g(0 = B (2.8)

(figura 2.7). Ésta es una función en TC que tiene un valor definido en cada punto en el tiempo excepto
en t = t(¡. Se puede aproximar / = Iq desde abajo con la precisión que se desee, y el valor de la función es
A hasta alcanzar )"= í(,. Es posible aproximarse a ? = ?„ desde arriba, y el valor de la función es B hasta
llegar a f - íq. Pero en t = f,, el valor no está definido. Desde luego, se podría asignar a g(t} un valor en
f ~ ÍQ, pero eso no cambiaría el hecho de que g(í) es discontinua ahí.
Supóngase ahora que se redefine g(f) como

A t < tQ

A+ B
g(f) = Aj^B
(2.9)
B T> fo

y se define otra función h(f) como

A t <tü
h(f) = Ai^B. (2.10)
B t > uf

Es evidente que g(f) y h(f) son desiguales debido a que sus valores son diferentes en el punto / = r„. Pero
las integrales definidas de estas dos funciones para cualquier intervalo son iguales; no aproximadamen-
te iguales, exactamente iguales. Esto es.

j giOdt = jh(t)dt (2.11)

 g(0 21
2.3 Funciones de
0- • B
señales en tiempo
continuo

FIGURA 2.7 1 ^
1 *
Una función discontinua. '0

para cualquier a y incluido a < < p. Lo anterior puede demostrarse escribiendo la integral de g{/)
como
I? íii-E ín+E 0

jg{t)dt= j g{t)dt+ j g{í)dr+ j g{t)dt. (2.12)

'o+E

En el límite conforme e tiende a cero, la integral g(í) di tiende a cero debido a que el valor de
la función es finito y el área bajo ella en el intervalo ÍQ - e < /g < /Q + e tiende a cero en ese límite. De
manera similar, la integral f" h(f) dt tiende a cero, aun cuando los valores de las funciones de g(/) y
h(t) son diferentes en f = /g. Despue's se verá que una consecuencia de este resultado es que si g(í) y h{í)
describe señales aplicadas como una excitación a cualquier sistema físico real, la respuesta del sistema
para g(/) y h(í) es exactamente la misma. Además, cuando se llegue después a las transformadas, resul-
tará que una diferencia finita entre dos señales en un punto (o cualquier número finito de puntos) no
tiene consecuencia reai; las transformadas son las mismas.
Esta discusión correspondió a dos funciones específicas. Ahora es posible generalizar y afirmar que
dos funciones cualesquiera que tienen valores finitos en todas partes y difieren en valor sólo en un
número finito de puntos aislados son equivalentes en su efecto sobre cualquier sistema físico real. Las
respuestas de cualquier sistema físico real a la excitación producida por las dos señales son idénticas.
A continuación se define la función escalón unitario en TC como

1 t > 0
1
u(/) = • ? =0
f • (2.13)
0 r < 0

(figura 2.8). La gráfica del lado izquierdo de la figura 2.8 se dibuja de acuerdo con la definición mate-
mática rigurosa. A la derecha se encuentra la forma más común de dibujar la función, que es la más
común en la práctica de la ingeniería porque ningún fenómeno físico real puede cambiar una cantidad
finita en un tiempo cero. Una gráfica en función del tiempo de cualquier señal real que se aproxima
mediante un escalón unitario se observaría como la que se muestra a la derecha. Esta función recibe el
nombre de escalón unitario debido a que la altura del cambio de escalón en el valor de la función es una
unidad en el sistema de unidades que se utiliza para describir la señal.

Algunos autores definen el escalón unitario por medio de

1 f >O / >O
u(í) = u(í) =
í <O / <O
t > O
u(í) =
t <0

u{í) u(f)

FIGURA 2.8
La función escalón
' unitario en TC.
 F = O sgn(r) sgn(f)
R
J
1
J

-1 - -1

FIGURA 2.9 FIGURA 2.10

Circuito con un inte- La función signo en TC.
rruptor cuya acción
puede representarse
matemáticamente
Para la mayoría de los fines de análisis estas definiciones son equivalentes. Los escalones unitarios descritos
mediante un escalón
unitario. por ellas tienen un efecto idéntico sobre cualquier sistema tísico real. La definición que se utiliza en este
texto es, en unas cuantas situaciones especiales, más conveniente que cualquier otra y corresponde también
en fonna más precisa a ta función signo que se presentará después.

El escalón unitario se define y usa en el análisis de señales y sistemas debido a que puede represen-
tar matemáticamente una acción muy comtin en los sistemas físicos reales, la rápida conmutación de un
estado a otro. Por ejemplo, en el circuito de la figura 2,9 el interruptor .se mueve de una posición a la otra
en el üempo r = 0. El voltaje que se aplica a la red RC se describe matemáticamente mediante

(2.14)

La función signum La función signum (figura 2.10) se relaciona estrechamente con la función esca-
lón unitario. Para argumentos distintos de cero, el valor de la función signum tiene una magnitud de uno
y un signo que es el igual al de su argumento. Por esta razón algunas veces recibe el nombre de función
de signo.

1 í > 0]
sgn(f) = 0 / = 0 = 2u(í) - 1
(2.15)
-1 f<oJ

La función rampa unitaria Otro tipo de señal que ocurre en los sistemas es una que se activa en
algián tiempo y cambia linealmente a partir de ese tiempo o una que cambia linealmente antes de algtin
tiempo y se desactiva en ese instante. La figura 2.11 ilustra algunos ejemplos. Las señales de este tipo se

L 1

1 V-

r
í = 6b
-pr
-12 >p. = 20 fis

X(í) x(/)
FIGURA2.il
Funciones que cam-
bian linealmente antes
o después de algún
tiempo o que se multi- 20^- 4 mA -
plican por funciones A / \ M ' ^
que cambian lineal- í = lOs
mente antes o después
de algiín tiempo, í=l00ms V
 rampaíD 23
2.3 Funciones de
señales en tiempo
continuo

FIGURA 2.12
La función rampa
unitaria en TC,

describen con el uso de la función rampa. La función rampa unitaria en TC (figura 2.12) es la integral de
la función escalón unitario. Recibe el nombre de función rampa unitaria debido a que, para un valor
positivo de T, su pendiente es uno.

• > O
ramp(/) u(X) d\ = íu(fj
/ < O (2.16)

La rampa se define mediante

ramp(f) O.) dk. (2.17)

El símbolo A, se usa en (2.17) como la variable independiente de la función escalón unitario y como la
variable de integración. Sin embargo, t se utiliza como la variable independiente de la función rampa.
En otras palabras, (2.17) señala que, para determinar el valor de la función rampa en cualquier valor
arbitrario de í, inicie con infinito negativo como el argumento A. de la función escalón unitario y desplá-
cese, en A, hasta donde X-t. acumulando en todo ese tiempo el área bajo la función escalón unitario. El
área total acumulada desde A. = -«>aA, = resel valor de la función rampa con un argumento de t (figura
2.13). Paj-a valores de / menores que cero, no se acumula ningún área. Para valores de t mayores que
cero, el área que se acumula es igual a / debido a que es simplemente el área de un rectángulo con ancho
t y altura uno.

E! impulso unitario Antes de que se defina el impulso unitario se debe explorar una idea importante.
Considérese un pulso de ái-ea unitaria rectangular definido por la función

a (2.18)
" 2

FIGURA 2.13
Ilustración de la rela-
ción integral entre el
escalón unitario de TC
y la rampa unitaria
-5 -4 -3 -2 -1 enTC.
 \ 5„(n

FIGURA 2.14 FIGURA 2.15

Pulso rectangular de área unitaria de ancho a. Producto del pulso rectangular de área unitaria
centrado en ? = O y una función g(/), que es
continua y finita en f = 0.

(figura 2.14). Permita que esta función multiplique a otra función g(f), la cual es finita y continua en
í = O, y determine el área bajo el producto de las dos funciones,

(2.19)

(figura 2.15). Mediante la definición de 5^(0 es posible rescribir la integral como

= ' í -= g{t)dt. (2.20)

a -lfl/2l
J

Ahora considere que se toma el limite de esta integral cuando a tiende a cero. En ese límite, los dos
límites de integración se acercan al mismo valor, cero, desde arriba y desde abajo. Como se está eva-
luando el valor de una función sobre el intervalo abarcado por la integración, cuando a tiende a cero el
valor de gtí) tiende al mismo valor en ambos límites y en cualquier lugar entre ellos debido a que es
continua y finita en í = 0. De modo que, en ese límite, el valor de g(í) se vuelve g(0), una constante, y
puede sacarse del proceso de integración. Entonces

lím A = g(0) Itoi í dt = g ( 0 ) l í m - ( í O = g(0).

a—o (2.21)
«-*o a J
-lí(/2)

De tal modo, en el límite cuando a tiende a cero, la función 5„(r) tiene la interesante propiedad de extraer
el valor de cualquier función finita continua g(f) en el tiempo / = O cuando se integra el producto de 5,//)
y g(í) entre dos límites cualesquiera que incluyan el tiempo t = 0.
Ahora, para hacer notar que los impulsos son un poco diferentes a las funciones con las que se ha
estado trabajando, se utilizará una definición diferente de la función 6„(f) para ver lo que ocurre. Defí-
nase ahora a dicha función como

t <a
S.(í) = íi \ a
(2.22)
O t > a

(figura 2.16). Si se sigue el mismo argumento que antes, se obtiene el área

FIGURA 2.16
Pulso triangular de área unitaria con la mitad del A = í Wg{r)dt = ^ f (\ -—)g{ndt. (2.23)
J a J \ a /
ancho igual a a. —oo
Al tomar el límite cuando a tiende a cero, 25
2.3 Funciones de
íí ü
señales en tiempo
lím A = lím - í ( 1 - — ) g(í) dt = g(0) lím - / ( 1 - - ) dt. (2.24) continuo

Al resolver la integral y tomar el límite, se obtiene

2a
lím A = g(0) lím — = g(0)lím =g(0). (2.25)
-lo a^o a 2

Éste es exactamente el mismo resultado que se obtuvo con ia definición anterior de 5,,(f). Por lo tanto,
las dos definiciones diferentes de 5^,(r) tienen el mismo efecto en el límite cuando a tiende a cero. El
punto relevante aquí es que no es Vd forma de la función lo que importa en el límite, sino su área. En
cada caso, 5„(f) es una función con un área de uno, independiente del valor de a. (En el límite cuando a
tiende a cero estas funciones no tienen forma debido a que no hay tiempo para que se forme una.)
Existen muchas otras definiciones de 8a(/) que podrían utiüzarse con el mismo efecto en el límite.
El impulso unitario 5(r) puede definirse ahora mediante la propiedad que establece que cuando se
mukiplica por cualquier función g(r), la cual es finita y continua en r = O, y el producto se integra entre
los límites que incluyen f = O, el resultado es

(2.26)

En otras palabras.

00
oo

/ /
&(f)g(r) dt = lím / 8,,(r)g(f) dt (2.27)

donde 5^(/) es una de las muchas funciones que tienen las caracten'sticas que acaban de describirse. La
notación S(f) sólo es una notación abreviada que evita tener que tomai- un límite de manera constante
cuando se utilizan impulsos.
La función escalón unitario es la derivada de la función rampa unitaria. Una manera de introducir el
impulso unitario es definirlo como la derivada de la función escalón unitario. En términos estrictos, la
derivada del escalón unitario u(f) no está definida en r = 0. Sin embargo, considere una función g(r) del
tiempo y su derivada con respecto al tiempo g'(r) en la figura 2.17. La derivada de g(r) existe para todo
í excepto en t = -(a/2) y t = +al2. En el límite cuando a tiende a cero, la función g(r) se acerca a la
función escalón unitario. En el mismo límite, el ancho de la función g'(í) tiende a cero mientras su área
permanece igual, uno. De modo que g'(r) es un pulso de corta duración cuya área es siempre uno, la
misma que la definición inicial de 6„(0 dada previamente con las mismas implicaciones. El límite
cuando a tiende a cero de g'(r) recibe el nombre de derivada generalizada de u(f). Por lo tanto, el
impulso unitario es la derivada generalizada del escalón unitario.
La derivada generalizada de cualquier función g(í), con una disconünuidad en el tiempo f = t^, se
define como

d d
— ( g ( í ) ) = — (g(0)í^/„ + líni[g(f + e) - g(/ - e)]8(/ - / o ) , s > 0. (2.28)
dt dt E^o

FIGURA 2.17
Funciones que se apro-
ximan a) escalón
unitario y al impulso
unitario.
26 S(0 95(f - 1)

14- 9 +
-3S{/ + 2)
O)
FIGURA 2.18
Rcprestínlación gráfica
+ -3 de impulsos.

Como el impulso unitario es la derivada generalizada del escalón unitario, debe concluirse que el esca-
lón unitario es la integral del impulso unitario.

ü(t) = / 5(X) d\. (2.29)

que es igual que la relación entre la rampa unitaria y el escalón unitario. Como la derivada del escalón
unitario u(r) es cero en todos lados excepto en í = O, el impulso unitario es cero en todos lados salvo en
f = 0. Puesto que el escalón unitario es la integral del impulso unitario, una integral definida del impulso
unitario cuyo intervalo de integración incluye / - O debe tener el valor de uno. Estos dos hechos se
utilizan a menudo para definir et impulso uuitai-io.

8(f) = 0 1^0 y j 8(r) dt = |

O
fi < O < íi
en otro caso (2.30)

El área bajo un impulso recibe el nombre de intensidad, o algunas veces peso. Un impulso con una
intensidad de uno se denomina impulso unitario. La definición y características exactas del impulso
requieren una conexión con las funciones generalizadas o teoría de distribuciones. Para nuesti'os fines
será suficiente considerar un impulso unitario como un pulso de área unitaria cuyo ancho es tan peque-
ño que al hacerlo más chico no cambiará de manera significativa ninguna de las señales del sistema al
cual se aplica.
El impulso no puede granearse de la misma manera que otras funciones debido a que su amplitud
no está definida cuando su argumento es cero. La convención usual para graficar un impulso es utilizar
una flecha vertical. Algunas veces la intensidad del impulso se escribe al lado de él entre paréntesis, y
algunas veces la altura de la flecha indica su intensidad. En la figura 2.18 se ilustran algunas maneras de
representar impulsos gráficamente.
Una operación matemática común que ocurre en el análisis de señales y si.stemas es el producto de
un impulso con otra función de la forma

h(/) = g ( / ) / l 5 ( ; - /(,) (2.31)

donde el impulso A6(f - íq) tiene una intensidad de A y ocurre en el tiempo t = í^. Si se utiliza el mismo
argumento que en la introducción al impulso, considere que el impulso A5(í - ÍQ) es el límite de un pulso
con área A, centrado en el tiempo t - f„, con ancho a. cuando a tiende a cero (figura 2.19). El producto
es entonces un pulso cuya alttira en el punto medio es Ag(t^¡)/a y cuyo ancho es a. En el límite cuando a
tiende a cero, el pulso se vuelve un impulso y su intensidad es Ag(íf)). Por lo tanto,

h(/) = g(í)/\8(í - fo) = Ag(fo)S(í - ta). (2.32)

La ecuación (2.32) algunas veces recibe el nombre de propiedad de equivalencia del impulso.

g(í)/t6(/ - ;„)
FIGURA 2.19 )
AS(í - f„)
Produelo de una fun- A _ Pin .•l.afíiii
lí
ción g(/) y una función
rectángulo que se con-
vierte en un impulso 1
cuando su ancho / l
tiende a cero. - ',+1
 S ( I - 0
27
2.3 Funciones de
2—-1 2 señales en tiempo
continuo
FIGURA 2.20
(4)
Ejemplos del efecto de
la propiedad de escala-
miento de impulsos.

Otra propiedad importante del impulso unitario que se desprende de manera natural de la propiedad
de equivalencia es la llamada propiedad de muestreo.

(30

/ g(í)S(r - to) dt = g(to). (2.33)

Ésta se observa con facilidad cuando, de acuerdo con la propiedad de equivalencia, el producto g(/)5
(f - fp) es igual a g(ro)S('' - to^- Puesto que íg es un valor particular de r, es una constante y gír^) también
lo es y

j g(f )8(r - ío) dt = g(ro) j S(/ - ÍQ) di = g(ro).

(2.34)

La ecuación (2.34) se denomina propiedad de muestreo del impulso debido a que muestrea el valor de la
función g(f) en el dempo t = t^,. [Algunas veces se conoce también como propiedad de selección debido
a que selecciona el valor de g(f), en el tiempo, / = f,).]
Otra propiedad importante de la función de impulso es la de escalamiento

6(£7(/ - ío)) =z — 5 f r - ta). (2.35)

Ésta puede demostrarse mediante un cambio de variable en la definición de la integral y mediante la

consideración por separado de los valores positivo y negativo de a (véase el ejercicio 39).

La comb unitaria Otra función útil es la función comb unitaria (figura 2.21). La función comb unita-
ria es una secuencia de impulsos unitarios uniformemente espaciados.

comb(r) = ^ bit-n). « es un entero

(2.36)

Ésta es una función comb unitaria debido a que la intensidad de cada impulso, el espaciamiento entre
impulsos y el valor promedio de la función son todos iguales a uno.
Las funciones de impulso y comb quizá parezcan abstractas e irreales. El impulso se presentará
después como un resultado de una operación fundamental del análisis de sistemas lineales, la integral de
convolución. Aunque, como una cuestión práctica, es imposible generar un impulso verdadero, el im-
pulso matemático es muy útil en el análisis de señales y sistemas, al igual que la función comb, que es

comb(f) comb(f)

i 1 1 j
... FIGURA 2.21
(1) 1.1) (1) (1) (1) La función comb
-2 -1 1 2 -2 -1 1 2 unitaria.
 una repetición periódica de impulsos. Mediante la función comb y la operación de convolución es
posible representar en forma matemática, en una notación sucinta, muchos tipos de señales útiles que
resultarán más convenientes que en una forma diferente.

Funciones singulares Se ha visto en secciones anteriores que el escalón unitario, el impulso unitario
y la rampa unitaria se relacionan por medio de integrales y derivadas generalizadas. Estas funciones son
los miembros más importantes de la familia de funciones Weimetáas funciones singulares. En cierta lite-
ratura sobre sistemas estas funciones se indican mediante la notación coordinada Ujt(r), donde el valor de
k determina la función. Por ejemplo.

uo(;) = 8(f). u^i(f)=u(f) u ^ 2 ( / ) = ramp(r). (2.37)

En esta notación coordinada, el subíndice k indica cuántas veces se diferencia un impulso para obtener
la función correspondiente y un valor negativo de k indica que se efectúa integración en vez de diferen-
ciación. El doblete unitario u, (f) se define como la derivada generalizada del impulso unitario, el triplete
unitario UTIÍ) se define como la derivada generalizada del doblete unitario, etc. Aun cuando
el doblete y el triplete unitario y las derivadas generalizadas superiores son incluso menos prácticos
que el impulso unitario, a veces son de utilidad en la teoría de señales y sistemas.
Justo como el impulso tiene una propiedad de muestreo, igual ocurre con el doblete. Considérese la
integral del producto de un doblete con una función g(f) que es continua y finita en la ubicación del
doblete / = fy,

= j g(f)U|(f- to) dt. (2.38)

Se utiliza la integración por partes para evaluar esta integral. En

j u ílv = iiv — j V du (2.39)

sea » = g(í) y íít; = U i ( / - fy) dt. Entonces

/ = g(í)uü(r - f o ) | ^ ^ - y Uü(r - ío)g'(0 dt. ^2.40)

-yo

Puesto que Uo(í) = 5(í), g(í)Uo(í)|!l, = O y, mediante la propiedad de muestreo del impulso.

l = -g'(ío). (2.41)

Es posible obtener propiedades de muestreo análogas de singularidades de orden superior.

La función rectángulo unitario Un tipo muy común de señal que ocurre en sistemas es aquella en
l a que la señal x(í) se activa en algún tiempo y se desactiva en un instante posterior Es muy conve-
niente definir otra función para describir este tipo de señal. El uso de esta función abrevia la notación
cuando se describen algunas señales complicadas. La función rectángulo unitario (figura 2.22) se de-

rect(f) rect(f)
1

FIGURA 2.22
La función rectángulo
_ 1
unitario en TC. —-
1
 sinc(f)

2.3 Funck
l7
señales er
continuo

-5 - 4 - 3 -2\J-] lV/2 3 4 5

FIGURA 2.23 FIGURA 2.24

La función triángulo unitaria en TC, La función sinc tinitaria en TC,

fine para este propósito. Es una función rectángulo unitario porque su ancho, altura y área son iguales
a uno.

1 \'\ < k
rect(í) = • l \n = \ (2.42)
0 i/i>^

La función rectángulo unitario puede considerarse como una función de compuerta. Cuando la
función rectángulo unitario multiplica a otra función, el resultado es cero fuera del intervalo distinto de
cero de la función rectángulo y es igual a la otra función dentro del inter\'alo distinto de cero de la
función rectángulo. El rectángulo "abre una compuerta", permitiendo que la otra función pase y luego
se cierra de nuevo.

La función triángulo unitario La función triángulo unitario se define en la figura 2.23. En el capítu-
lo 3 se verá que ésta tiene una relación estrecha con la función rectángulo unitario por medio de la
operación de convolución que se presentará después. Se denomina triángulo unitario porque su altura y
área son ambas iguales a uno (pero el ancho de su base no lo es).

(2.43)

La función sinc unitaria La función sinc unitaria (figura 2,24) también .se relaciona con la función
rectángulo unitario. Es la transfonnada de Fourier de la función rectángulo unitario e n T C . La transfor-
mada de Fourier se presentará en el capíuilo 5. La función sinc unitaria se denomina una función unita-
ria porque su altura y área son ambas iguales a uno. (En el capímlo 5 se verá una forma de determinar el
área de esta función.)

sen(7r/)
sinc(n = (2.44)
•ni

Conviene percatarse de que la definición de la función sinc se acepta por lo general, aunque no universal-
mente, como
sen(TTr)
sinc(í) =
•7TÍ

En algunos libros de texto y libros de referencia la función sinc se define como

sen(r)
smc(í) = .
í
En otras referencias esta segunda forma recibe el nombre de función Sa,
sen(/)
Sa(0 =
 La forma en que la lunción sinc se define no es una cuestión critica. Mientras se utilice y acepte una defini-
ción en forma constante, los resultados del análisis de señales y sistemas serán titiles.

Una pregunta común que surge cuando se encuentra por primera vez la función sinc es cómo deter-
minar el valor de sinc(O). Cuando la variable independiente t en senCTrO/Trr tiene el valor de cero, tanto
el numerador senfirr) como el denominador TTÍ dan un valor igual a cero, lo que produce una forma
indeterminada. La solución a este problema es, desde luego, utilizar la regla de L'Hópital. En ese caso

. senC-TT/) iTcos{TTr)
lim s i n c ( í ) = l i m = l i m = L (2.45)
í—o o jrr í ^ o TT

Por lo q u e sinc(f) es continua en r = 0.

La función de Dirichlet Una función que se relaciona con la función sinc es la función de Dirichlet
(figura 2.25) definida por

senitiNt)
drcKí, A') = (2.46)
N seníiTí)

Para A'' impar, la similitud con la función sinc es evidente; la función de Dirichlet es una suma de
funciones sinc espaciadas uniformemente. El numerador sen(A''TTO es cero cuando í es cualquier múltiplo
entero de \IN. Por lo tanto, la función de Dirichlet es cero en esos puntos, a menos que el denominador
sea también cero. El denominador N sentirr) es cero para todo valor entero de t. Por lo tanto, se debe
utilizar de nuevo la regla de L'Hópital para evaluar la función de Dirichlet en valores enteros de t.

sen(WTTí) Af-íT c o s ( A f T r f )
lím drcKf. N) = lím = lím • = ±1 (2.47)
t-*m '—"! / V s e n Í T T / ) í-'H A^TTCOSÍTr/)

donde m es un entero. Si A' es par, los extremos de la función de Dirichlet se alternan entre -l-l y - 1 . Si
A^es impar, todos los extremos son + \ . Una versión de la función de Dirichlet es una parte de la caja de
herramientas de señales de MATLAB con el nombre de función d i r i c . Ésta se define como

sen(AfA72)
diric(jr. A') = (2.48)
A^sen(.v/2)'

n C U R A 2.25
La función de Dirichlet
paraA = 4, 5, 7 y 13.
Por lo tanto. 31

drcl(r, N) - diric(2'iTí, N). (2.49) 2.3 Funciones de

señales en tiempo
La función de Dirichlet aparece en los capítulos 4 y 5 en el material acerca de la serie de Fourier de continuo
tiempo discreto y de la transformada de Fourier de tiempo discreto.

A R C H I V O S M A T L A B .m P A R A A L G U N A S F U N C I O N E S S I N G U L A R E S
Y FUNCIONES RELACIONADAS

Algunas de las funciones que se presentan en este capítulo existen como funciones llamadas intrínsecas
en algunos lenguajes de computación y herramientas matemádcas. Por ejemplo, en MATLAB la fun-
ción sgn recibe el nombre s i g n y tiene exactamente la misma definición. En MATLAB la función sinc
se define exactamente como se hace en este libro.
Usted puede crear sus propias funciones en MATLAB las cuales, después de definirlas, se vuelven
funciones que es posible invocar del mismo modo que las funciones incorporadas e o s , s i n , e x p , etc.
Las funciones MATLAB se definen creando un archivo . m, cuyo nombre tiene una extensión . m. Por
ejemplo, se podría crear un archivo que determine la longitud de la hipotenusa de un triángulo recto
dadas las longitudes de los otros dos lados.

% F u n c i ó n p a r a c a l c u l a r l a l o n g i t u d de l a h i p o t e n u s a de un triángulo
% r e c t á n g u l o dadas l a s l o n g i t u d e s de l o s o t r o s d o s l a d o s

% a - La l o n g i t u d de un l a d o
% b - La l o n g i t u d del otro lado
% c - La l o n g i t u d de l a h i p o t e n u s a

function c = hyp{a,b)
c = s q r t { a ' ' 2 + b"2) ;

Las primeras siete líneas son de comentarios que no se ejecutan pero sirven para documentar la forma
en que se utiliza la función. La primera línea ejecutable debe empezar con la palabra clave f u n c i ó n .
El resto de la primera línea está en la forma.

result = natneiargl, arg2,

donde resultado es el nombre de la variable que contiene el valor producido que puede ser un escalar, un
vector o una matriz (o incluso un arreglo de celdas o un arreglo de estructura, cuya discusión está más
allá del objetivo de este libro); nombre es el nombre de la función; y arg l. arg 2,..., son los parámetros
o argumentos dados a la función. Los argumentos pueden ser también escalares, vectores o matrices (o
arreglos de celdas o arreglos de estructuras). El nombre del archivo que contiene la definición de la
función debe ser nombre . m.
A continuación se presenta una lista de algunas funciones MATLAB para realizar las funciones que
acaban de discutirse.

% F u n c i ó n e s c a l ó n u n i t a r i o d e f i n i d a como O p a r a v a l o r e s d e l
% argumento de e n t r a d a menores que c e r o , | p a r a v a l o r e s d e l argumento
% de e n t r a d a i g u a l e s a c e r o , y uno p a r a v a l o r e s d e l argumento de
% entrada mayores que c e r o . Funciona igualmente b i e n para v e c t o r e s y e s c a l a r e s .

function y = u{t)
z e r o = ( t == 0) ; pos = (t>0) ; y = zero/2 + pos ;

% F u n c i ó n p a r a c a l c u l a r l a f u n c i ó n rampa d e f i n i d a como c e r o p a r a
% v a l o r e s d e l argumento menores que c e r o , y e l v a l o r d e l argumento
% para argumentos mayores o i g u a l e s a c e r o . Funciona igualmente
% b i e n para v e c t o r e s y e s c a l a r e s .

f u n c t i o n y = ramp(t)
y = t . * ( t > = 0 ) ;

% Función r e c t á n g u l o . U t i l i z a l a d e f i n i c i ó n de l a f u n c i ó n r e c t á n g u l o
% en t é r m i n o s de l a f u n c i ó n e s c a l ó n u n i t a r i o . F u n c i o n a i g u a l m e n t e
% bien para e s c a l a r e s y v e c t o r e s .
function y = rect(t)
y = u(t+0.5) - u(t-0.5)

% Función para c a l c u l a r la función t r i á n g u l o . U t i l i z a la definición

de l a f u n c i ó n t r i á n g u l o en t é r m i n o s de l a f u n c i ó n rampa. F u n c i o n a
igualmente bien para v e c t o r e s y e s c a l a r e s .

function y = tri(t)
y = ramp(t +l) - 2*ramp(t) + raitip(t-l) ;

% F u n c i ó n p a r a c a l c u l a r s i n c í t ) d e f i n i d a como s e n ( p i * t ) / ( p i * t ) .
i% Funciona igualmente bien para v e c t o r e s y e s c a l a r e s . Esta función
% p u e d e s e r i n t r í n s e c a e n a l g u n a s v e r s i o n e s d e MATLAB.

function y = sinc(t)
z e r o = (t==a) ; % I n d i c a l a s u b i c a c i o n e s de c e r o s en t .
num = ( - z e r o ) . * s i n ( p i * t ) + z e r o ; d e n = ( - z e r o ) . * ( p i * t ) + z e r o ;
y = num./den ;

% Función para c a l c u l a r v a l o r e s de l a f u n c i ó n de D i r i c h l e t . Funciona

% igualmente bien para v e c t o r e s y escalares.
%
% X = sin(N*pi*t)/(N*sin{pi*t))
function X = drcl(t,N)
X = diric{2*pi*t,N) ;

No se incluyó la función de impulso unitario en TC en esta lista de funciones de archivo .m. Hay
una buena razón para ello: ésta no es una función en el sentido ordinario. Una función acepta un argu-
mento y produce un valor relacionado. El impulso hace eso en todos los puntos excepto donde su
argumento es cero. En ese punto su valor no está definido. Por lo tanto, MATLAB no puede producir un
valor como lo hace con las funciones ordinarias. En la sección 2.9 se definirá un impulso en TD que
tiene valores definidos en todos los valores permisibles de su argumento y tendrá la descripción de
archivo . m de función MATLAB.

2.4 FUNCIONES Y COMBINACIONES DE FUNCIONES

Recuerde de las matemáticas básicas que una función acepta un número de su dominio y crea y produce
otro número de su intervalo con el que está relacionado matemáticamente. La notación estándar para
funciones en TC está en la forma g(f) en la que g es el nombre de la función y todo lo que está dentro del
paréntesis se denomina el argumento de ia función. El argumento es una expresión escrita en términos
de la variable independiente. En el caso de g(f)- r es la variable independiente y la expresión es la más
simple posible en términos de la propia f. Una función en la forma g(í) crea y produce un valor para g
correspondiente a todo valor de / que acepta. Por ejemplo, en la función

g(f) = 2 + 4 r (2.50)

para cualquier valor de f, hay un valor correspondiente de g. Si f es 1, entonces g es 6, Esto se indica

mediante la notación, g( 1) = 6.
El argumento de la función no necesita ser sólo la variable independiente. Puede ser cualquier
expresión matemática escrita en tétininos de la variable independiente, incluso otra función de ésta. Por
ejemplo, si g(r) - 5e--', ¿cuál es el valor de g(f + 3 ) ? Simplemente se sustituye / por r + 3 en todas partes
en ambos lados de g(f) = 5e^~' para obtener g(f + 3 ) = 5Í^^('+3)_ Obsérvese con cuidado que no se obtiene
5^-2r+3 El razonamiento es que en vista de que t se multiplicó por - 2 en el exponente de í , entonces la
expresión completa í + 3 debe también multiplicarse por - 2 en el nuevo exponente de e. En otras
palabras, todo lo que se haga con t en la función g(f) debe hacerse con la expresión completa que implica
a f en cualquier otra función, gie.xpresión que incluye a t). Las siguientes ecuaciones son ejemplos de
funciones definidas con t como el argumento y luego escritas con expresiones que incluyen a /.
 2.4 Funciones y
g(f) = 3 + /- - 2P (2.51) combinaciones de
funciones

entonces

g(2r) = 3 + (2tf - 2(2Tf = 3 + 4r - 16r' (2.52)

g ( l - f) = 3 + ( 1 - í ) ' - 2 ( 1 - r)^ = 2 + 4r - 5r= + 2 r ' (2.53)

g(í) = 10 cos(20Tir) (2.54)

entonces

= 10 eos 20TT- = 10 cos(5T7r) (2.55)

\ 4

g(e') = 10 cos(20TTe') (2.56)

Aun cuando g puede definirse con g(/) en el lado izquierdo de la ecuación y las expresiones que inclu-
yen a t en el lado derecho, la función g no siempre debe tener su argumento escrito en términos de una
variable independiente denominada /, Por ejemplo, si g(í) = 5e-'0^ entonces g(2jt) = 5e-'^^' y g(¿ - 1) =
5ging-io;^ Cuando g(í) se define indicando lo que debe hacerse con / para crear el valor de g(í), lo que eso
significa es que siempre que se ve g(e.\presión). debe realizarse sobre la expresión exactamente lo que
se hizo sobre t en la definición.
Cuando una función se invoca al darle un argumento, lo primero que hace MATLAB es evaluar
numéricamente el argumento y luego calcular el valor de la función. Por ejemplo, la instrucción de
MATLAB,

g = eos(2*pi*f0*t) ;,

encuentra primero los valores numéricos de t y f O, forma su producto y luego multiplica el resultado
por 2 y por p i ( ' I T ) . Luego el número que resulta se asigna a la función coseno para producir el valor del
coseno. El coseno produce un valor interpretando el número que se le asigna como un ángulo en radianes.
Si t es un vector o matriz de tiempos, en vez de un escalar, cada elemento de! vector o matriz t se
multiplica por f O, 2 y p i (TT) y luego el vector o matriz de números que resulta se asigna a la función
coseno para su evaluación. El coseno produce un vector o matriz de cosenos de los números que se le
asignan en el vector o la matriz, interpretándose de nuevo los números como ángulos en radianes. Por lo
tanto, las funciones de MATLAB efectúan exactamente lo que se describe aquí para argumentos que
son funciones de la variable independiente; aceptan números y producen otros números.

COMBINACIONES DE FUNCIONES

En algunos casos una función matemática simple puede describir por completo auna señal, una senoide,
por ejemplo. Sin embargo, una función no es suficiente para una descripción exacta. Una operación que
permite versatilidad en la representación matemática de señales arbitrarias es aquella que combina dos
o más funciones. Las combinaciones pueden ser sumas, diferencias, productos y/o cocientes de funcio-
nes. La figura 2.26 muestra algunos ejemplos de sumas, productos y cocientes de funciones. (No se
incluyen diferencias debido a que son similares a las sumas.)
 [sen(4'iTí) + 2] cos(40TTrj

CAPÍTULO 2
Descripción
matemática de señales

. sen(4iTÓ cos(20iTí) + cü,s(22tt0

smc(4;.) =

2 I

-1
FIGURA 2.26
Ejemplos de sumas,
productos y cocientes
de funciones. -2

E J E M P L O 2.1

Utilizando MATLAB, grafique estas combinaciones de funciones,

= e-' sen(20iTí) + sen(19Tr/) (2.57)

x,fí) - sinc(í) cosflOirr). 2.58)

Solución

% Programa p a r a g r a f i c a r a l g u n a s d e m o s t r a c i o n e s d e l a s c o m b i n a c i o n e s de f u n c i o n e s e n TC.
t = 0 : 1 / 1 2 0 : 6 ; x l = e x p ( - 1 ) . * s i n ( 2 O * p i * t ) + e x p ( - t / 2 ) .* s i n ( 1 9 * p i * t ) ;
Bubplot(2,1,1) ; p = plot(t,xl,'k') ; set(p,'LineWidth',2) ;
x l a b e l C X i t t ' ) ; y l a b e l ('x_l ( { \ i t t } ) ' ) ;
t = - 4 : 1 / 6 0 : 4 ; x2 - s i n C ( t ) . * C O S ( 2 O * p i * t ) ;
subplot(2,1,2) ; p = plot(t,x2,'k') ; s e t ( p , ' L i n e W i d t h 2 ) ;
x l a b e l C X i t t ' ) ; y l a b e l (• x_2 ( ( \ i t t } ) ' ) ;

Las gráficas que resultan se presentan en lafigura2.27.

FIGURA 2.27
Resultado gráfico de MATLAB.
2.5 TRANSFORMACIONES DE ESCALAMIENTO
Y DESPLAZAMIENTO EN TIEMPO CONTINUO
En el análisis de señales y sistemas es importante tenerla capacidad para describir señales
tanto analítica como gráficamente, junto con la capacidad para relacionar entre sí dos tipos
diferentes de descripciones. En consecuencia, se van a considerar algunas descripciones
gráficas de funciones para deducir cómo se observan cuando la ftmción se transforma.
Deje que g(r) se defina mediante la gráfica de la figura 2.28. Puesto que la gráfica sólo se
extiende sobre el intervalo - 5 < r < 5, no se sabe qué sucede con la función fuera del
intervalo sin información auxiliar Para evitar complicaciones suponga que g(0 = O, |/1 > 5.

ESCALAMIENTO DE AMPLITUD

Considere primero la transformación funcional más simple, multiplicando la función por FIGURA 2.28
una constante. Esta transformación se indica con la notación Definición gráfica de una función
g(f) en TC.
g(f) ^ Ag(í). (2.59)

Para cualquier f arbitrario, esta transformación multiplica el valor producido g(f) por A. De tal manera,
la transformación g(í) Ag(í) multiplica a g(í) en cada valor de t por A. Este tipo de transformación
funcional se denomina escalamiento de amplitud. La figura 2.29 muestra dos ejemplos del escalamien-
to de amplitud de la función g(í) que se definió en la figura 2.28.
Es claro en la figura 2.19b) que un factor negativo de escalamiento de amplimd invierte la función,
con el eje t como el eje de rotación de dicha inversión. Si el factor de escalamiento es - 1 como en este
ejemplo, la inversión es la única acción. Si el factor de escalamiento es algún otro factor A, y A es
negativa, la transformación del escalamiento de amplitud puede considerarse como dos transformacio-
nes sucesivas. TABLA 2.1
(2.60) Valores seleccionados
g(f)^-g(/)^|A|(-g(í)).
de g(/ -!)
una inversión seguida por un escalamiento de amplitiid positiva. El escalamiento de amplitud es una
t t-1 g(í-l)
transformación de la variable dependiente g. En las siguientes dos secciones se presentan transforma-
-5 -6 0
ciones de la variable independiente.
-4 -5 0
-3 -4 0
-2 -3 -3
1 -2 -5
0 -1 -4
l 0 -2
2 1 0
ni i
3 2 4
4 3 1
5 4 0

FIGURA 2.29
Dos ejemplos de esca-
lamiento de amplitud.
36 DESPLAZAMIENTO EN EL TIEMPO

Si la gráfica de la figura 2.28 define a g(0, ¿cómo será g(r -1)? Se puede empezar por entender cómo
efectuar esta transformación al calcular los valores de g(í - 1) en unos cuantos puntos seleccionados
(tabla 2.1). Ahora debe ser claro que la sustitución de / por f - I tiene el efecto de desplazar la función
una unidad a la derecha (figura 2.30). La transformación

(3.61)

puede describirse diciendo que, para cada valor de f, regresando una unidad de tiempo, se obtiene el
valor de g en ese tiempo y se utiliza como el valor para graficar g(f - 1) en el tiempo í. Este tipo de
transformación funcional recibe el nombre de desplazamiento en el tiempo o traslación en el tiempo.
Se resume el desplazamiento en el tiempo afirmando que la transformación t —^t-t^, donde ÍQ es
una constante arbitraria, tiene el efecto de desplazar g(í) a la derecha en /„ unidades. (Para ser consisten-
tes con la interpretación aceptada de números negativos, si ÍQ es negativo, el desplazamiento es hacia la
izquierda por unidades.) La figura 2.31 muestra algunas funciones escalón desplazadas en el tiempo.
La función rectángulo puede definirse como la diferencia entre dos funciones escalón unitario
desplazadas en el tiempo en direcciones opuestas.

rect(r) = u r+ - (2.62)

y es posible definir la función triángulo como la suma de tres funciones rampa, dos de las cuales están
desplazadas en el tiempo,

tri(rj = ramp(f + 1) - 2 ramp(í) + ramp(í - 1). (2.63)

El desplazamiento en el tiempo es una transformación de la variable independiente. Este tipo de

transformación puede efecmarse sobre cualquier variable independiente, no necesita ser el tiempo; po-
dría ser una dimensión espacial. En ese caso, se llamaría a este tipo de transformación desplazamiento
en el espacio. En el capítulo 5. en las secciones sobre transformadas, se tendrán funciones de una
variable independiente (frecuencia) y esta transformación recibirá el nombre de desplazamien-
to de frecuencia. El significado matemático es el mismo, al margen del nombre que se utilice
'—1 para describir el proceso.
A
4 El escalamiento de amplitud y el desplazamiento en el üempo ocurren en muchos sistemas
1—-Q-
J físicos reales. Por ejemplo, en la conversación ordinaria hay un retraso en la propagación, el
1—T.
z tiempo que se requiere para que una onda sonora se propague de la boca de una persona al oído
1 de otra. Si esa distancia es de 2 metros (m) y el sonido viaja a casi 330 m/s, el retraso de la
3V-3-2-Í ,
- ] 1 ^t' propagación es casi de 6 mil i segundos (ms), un retraso que no es percepüble. Sin embargo,
•> considérese un observador que mira un martinete, ubicado a 100 m de distancia, hincando un
pilote. La primera cosa que el observador registra es la imagen del martinete golpeando al
pilote. Hay un ligero retraso debido a la velocidad de la luz desde el martinete hasta el ojo, pero
es menor que un microsegundo. El sonido del martinete hincando el pilote arriba 0.3 s después,
un retardo notable. Éste es un ejemplo de desplazamiento en el tiempo, en este caso, retraso.
También el sonido del martinete golpeando al pilote es mucho mayor cerca del martinete que a

A
4
f" 1
J 4u(r} -lOu(r)
• o.

\ T.

- i\ •ll , i / 3 4
\ 1 -10
-1
\ T 2u(/ - 4) 7u(6 - f)

FIGURA 2.30
Gráfica de g(r - I) en relación
con g(/) que ilustra la transfor-
mación funcional de desplaza- FIGURA 2.31
miento en el tiempo. Funciones escalón transfomiadas.
una distancia de 100 m, un ejemplo de escalamiento de amplitud. Otro ejemplo familiar es el retraso
entre la observación de un rayo y el sonido del trueno que produce.
2.5 Transformaciones
Como un ejemplo más tecnológico, considere un sistema de comunicaciones vía satélite. Una esta- de escalamiento y
ción terrena envía una intensa señal electromagnética a un satélite. Cuando la señal llega a éste, el desplazamiento en
campo electromagnético es mucho más débil que cuando abandonó la estación terrena debido al retraso tiempo continuo
en la propagación. Si el satélite es geosíncrono. se encontrará a 36 000 kilómetros (km) sobre la super-
ficie terrestre, por lo que si la estación terrena estuviera directatuente abajo del satélite, el retraso en la
propagación relativo al enlace ascendente sería de casi 120 ms. Para estaciones terrenas que no estén
ubicadas debajo del satélite el retraso es un poco mayor Si la señal transmitida es Ax(/) la señal recibida
es Bx{t -1^,), donde B es por lo común mucho más pequeño que A, y es el üempo de propagación. En
enlaces de comunicaciones entre puntos sobre la tierra que están muy alejados, se requieren varios
enlaces ascendentes y descendentes para realizar la comunicación. Si se trata de comunicación de voz
entre una persona ubicada en Nueva York y un reportero en Calcuta, el retraso puede con facilidad ser de
Is, que es suficiente para causar un retraso notable en la conversación. Imagínese el problema de comu-
nicación con los primeros astronautas en Marte. El retraso nunimo en una dirección cuando la Tierra y
Marte se encuentran a la distancia más cercana rebasa los 4 minutos (min).
En el caso de comunicación bidireccional de largo alcance, el retraso en el tiempo es un problema.
En otros casos puede ser bastante útil como en el radar y el sonar. En este último, el retraso entre el
envío de un pulso y su regreso indica la distancia al objeto desde el cual se reflejó el pulso, por ejemplo,
un avión o un submarino.

TABLA 2.2
ESCALAMIENTO EN EL TIEMPO Valores seleccionados
de g(f/2)
Considere a continuación la transformación funcional indicada por
t t
/
(2.64) 2
Como ejemplo, se calculan valores seleccionados de g(r/2) (tabla 2.2). Esta transformación expande la -4 _2 -5
función g(í) horizontalmente (en r) por un factor a en g{t/a) (figura 2.32). Esta transformación funcional -2 -I -A
se denomina escalamiento en el tiempo. 0 0 -2
Considere ahora la transformación 2 1 0
4 1 4
(2.65)

TABLA 2.3
Valores seleccionados
de g(-r/2)
t
t Á( í l
2
-4 ->
4
-2 1 0
0 0 -2
2 -1 -4
4 _2 -5

.1
4
-f \
J
-) \
1 \
- FIGURA 2.32
1
1•
Gráfica de g(r/2) en
»-í - ( 5-í % 5 (3 7 3 9
1 relación con g(t) que
ilustra la transfomia-
ción funcional del
r
escalamiento en el
I
tiempo.
CAPÍTULO 2
Descripción
matemática de senaies

i \
FIGURA 2.33 \1
/
"I
j
Gráfica de g(-í/2) en ¿.

relación con g(f) que 1 1

I
ilustra la transforma- y
- 9 - S 5 - i-( )-. S-A -. i-: 1 ^V - 4 í
ción funcional de _ 1

escalamiento en el •TS
\\
tiempo correspondien- J
te a un factor de 4A-
\
escalamiento negativo.

Es idéntica al ijltimo ejemplo salvo por el signo del factor de escalamiento que es ahora - 2 en vez de 2.
La nueva relación se ilustra en la tabla 2.3 y se gráfica en la figura 2.33.
Es posible hacer un resumen diciendo que la transformación funcional de escalamiento en el tiem-
po f tía expande la función horizontaimente por un factor de \a\ y, si o < O, la función también se
invierte en el tiempo. La inversión en el tiempo significa invertir la curva con el eje g(f) como el eje de
rotación de la inversión. El caso de una a negativa puede concebirse como dos transformaciones suce-
sivas, r - r. seguidas por / —> t¡\a\. El primer paso t—^-t simplemente invierte el tiempo de la función
sin cambiar su escala horizontal. El segundo paso t ^ tl\a\ realiza un escalamiento en el tiempo de la
función, que ya ha sido invertida en el tiempo, por un factor de escalamiento positivo |ÍÍ|.
El escalamiento en el tiempo también puede indicarse mediante la transformación t —> bt. Esto no
es nuevo debido a que es lo mismo que t -> tía con b -> \la. De este modo todas las reglas del escala-
miento en el tiempo son válidas con esta relación entre las dos constantes de escalamiento ay b.
Es posible imaginar un experimento que demostrai'ía el fenómeno del escalamiento en el tiempo.
Suponga que tiene una grabación de cinta analógica de cierta música. Cuando se le reproduce de la ma-
nera usual, se escucha la música como se ejecutó. Sin embargo, si se aumenta la velocidad del movimien-
to de lacinta se escucha una versión acelerada de lamúsica. Todas las frecuencias en ta grabación original
ahora son mayores y se reduce el tiempo de la ejecución. Si se retarda la cinta, ocurre el efecto opuesto.
Si se invierte la dirección del recorrido de la cinta se escucha el tiempo inverso de la música, un sonido
muy extraño. Si una voz humana se graba sobre una cinta en la forma usual y luego se reproduce hacia
atrás acelerada, se describe a menudo como el sonido de una ardilla, muy rápido y de tono muy alto.
Una experiencia común que ilustra el efecto de! escalamiento en el tiempo es el efecto Dappler. Si
usted se mantiene de pie al lado de un camino y tin camión de bomberos se aproxima haciendo sonar su
sirena, notará que tanto el volumen como el tono de la misma parecen cambiar conforme pasa el ca-
mión. El volumen cambia debido a la proximidad de la sirena: cuanto más cercana se encuentra más
intenso es. Pero ¿por qué cambia el tono? La sirena hace exactamente lo mismo todo el tiempo, por lo
que no es el tono del sonido lo que cambia sino el tono que llega a sus oídos. Conforme el camión de
bomberos se acerca, cada compresión sucesiva del aire causado por la sirena ocurre un poco más cerca
de usted que el anterior, por lo que llega a sus oídos en un periodo más corto que la compresión previa
y hace que la frecuencia de la onda sonora en su oído sea más alta que la de la que emite la sirena.
Cuando el camión de bomberos pasa, ocurre el efecto opuesto y el sonido de la sirena que llega a sus
oídos se corre hacia una frecuencia inferior. Mientras usted escucha un cambio en el tono, los bomberos
sobre el camión escuchan una sirena constante.
 2.5 Transformaciones
de escalamiento y
desplazamiento en
tiempo continuo

Sonido que escuchan los bomberos en el camión

A(í)g(a/)

Sonido cuando el camión se aproxima

B(í)g(i./)

FIGURA 2.34
Ilustración del efecto
Sonido después de que pasa el camión Doppler.

Considere que el sonido que escuchan los bomberos en el camión se describe por medio de gíí),
Conforme se aproxima el camión, el sonido que usted escucha es A(f)g(«f) donde A(0 es una función
creciente del tiempo que explica el cambio de volumen y a es un niímero un poco mayor que uno. El
cambio de la amplitud en función del tiempo es un efecto llamado modulación de amplitud (o atnplitud
modulada) en los sistemas de comunicaciones. Después de que pasa el camión, el sonido que se escucha
cambia a B(i)gibt), donde B(í) es una función decreciente del tiempo y ¿ es un poco menor que uno
(figura 2.34). (En la figura 2.34 se usan senoides para representar el sonido de la sirena. Esto no es
preciso, pero sirve para ilustrar los puntos importantes.)
Se presenta el mismo fenómeno con las ondas luminosas. El desplazamiento hacia el rojo de los
espectros de estrellas distantes es lo que indicó primero que el universo se está expandiendo. Recibe el
nombre de desplazamiento hacia el rojo debido a que cuando una estrella retrocede con respecto a la
Tierra ia luz que se recibe en nuestro planeta experimenta un desplazamiento Doppler que reduce la
frecuencia de todas las ondas luminosas emitidas por la estrella. La luz de ésta tiene muchas variacio-
nes en frecuencia que la caracterizan debidas a su composición y a la trayectoria desde el astro hasta el
observador La cantidad de desplazamiento puede determinarse comparando los patrones espectrales de
la luz de la estrella con patrones espectrales conocidos de varios elementos medidos en un laboratorio
en la Tierra.
El escalamiento en el üempo es una transformación de la variable independiente. Al igual que
con el desplazamiento en el tiempo, este tipo de transformación puede realizarse sobre cualquier va-
riable independiente; ésta no necesita ser el tiempo. En el capítulo 5 se efectuará escalamiento de fre-
cuencia.

TRANSFORMACIONES MÚLTIPLES

Las tres transformaciones, escalamiento en amplitud, escalamiento en el tiempo y desplazamiento en el

tiempo pueden aplicarse de manera simultánea, por ejemplo,

g(0 Ag (2.66)

Para entender el efecto completo suele .ser más adecuado descomponer una transformación como (2.66)
en transformaciones simples sucesivas.

Escalamieiiioín
, . la amplitud A , . ,
g(í) — > Agio A g y ^ ^ 4 — j - (2.67)
 Observe aquí que el orden de las transformaciones es importante. Por ejemplo, si intercambia el orden
de las operaciones de escalamiento y de desplazamiento en el tiempo en (2.67), se obtiene

g(n ^ Agií) > Agir - ín) > i ^ ~ ) ^ V ~ a ^ (2.68)

El resultado de esta secuencia de transformaciones es diferente del resultado anterior (a menos que a =
1 o íg = 0). Se podría seguir esta secuencia y obtener el resultado precedente en (2.67) mediante un
desplazamiento en el tiempo diferente si se observa que

Luego sería posible desplazar primero en el tiempo y después escalai' en el tiempo, lo que produce

g(r) > Agit) . Ag [ t - - ) > Ag ( - - - j = Ag [ — (2.70)

Sin embargo, aun cuando esto funciona, es más simple y más lógico utilizar la primera secuencia,
escalamiento en el tiempo antes de desplazamiento en el tiempo. En una transformación diferente, quizá
sea mejor una secuencia diferente, por ejemplo.

Agibt - ?())• (2.71)

En este caso la secuencia del escalamiento de amplitud, el desplazamiento en el tiempo y el escalamien-

to en el tiempo es la trayectoria más simple para una U'ansformación correcta.

EsLialamienKi en

g(í) • Ag(í) > Ag(r - fo) * Agibt - to). (2.72)

Las figuras 2.35 y 2,36 ilustran algunas etapas de transformación para dos funciones. En estas figuras
ciertos puntos se marcan con letras, empezando con a y siguiendo alfabéticamente. Cuando se efecttia
cada transformación funcional, los puntos correspondientes tienen la misma designación de letras.

g(r)

-2G(R) Escalamiento en la amplitud

d\-2 Escalamiento en el dempo

a l S
b f

d -2

FIGURA 2.35
Una secuencia de esca- DESPLAZAMIENTO EN EL TIEMPO

lamiento en la ampli- 11

tud, escalamiento en ef a — Lt g
tiempo y desplaza- b f
miento en el tiempo de e
— Z
una función. í d
 S(í) 41
c
\ - 2,5 Transformación^
a h e de escalamiento y
-1 l desplazamiento en
tiempo continuo

Escalamiento en la amplitud

FIGURA 2.37
Desplazamiento en el tiempo Exponencial decreciente "accionada" en el
tiempo / = /(j.

Escalamiento en el tiempo

FIGURA 2.36
Una secuencia de escalainiento en ampütud, desplazamiento en FIGURA 2.38
el tiempo y escalamiento en el tiempo de una función. Producto de un seno y una función signum.

Las funciones que se presentaron previamente, junto con la transformación de funciones, permiten
describir una amplia variedad de señales. Por ejemplo, una señal que tiene una forma exponencial
decreciente después de algún tiempo f = y es cero antes de que pueda representarse en forma matemá-
tica sucinta.

x(í) = Ae ^utí - to) (2.73)

(figura 2.37). Una señal que tiene la forma de una función seno negativa antes del tiempo / = O y una
función seno positivo después del tiempo r = O puede representarse mediaiue x(fj = A sen(2-7T/,|/) sgn(/)
(figura 2.38). Una señal que es una ráfaga de una senoide entre los tiempos f = 1 y r = 5 y es cero en
cualquier otro lado se puede representar por medio de

t - 3 \
x(í) = A cos(27T/of + e)rect (2.74)
4 /

(figura 2.39). La figura 2.40 ilustra el escalamiento y el desplazamiento en el üempo de una función
comb,

comb (^-4^)
comb(2/)
x(r)
1 4
A"

2 6 to

a)

FIGURA 2.39 FIGURA 2.40

"Ráfaga" senoidal. a) Funciones comb escaladas en tiempo y b) desplazada en üempo.
 EJEMPLO 2.2

Mediante MATLAB, grafique la función definida por

O t < -2
-4-2í -2 < í < O
g(0 = - 4 + 3í O </ <4
(2.75)
16 - 2! 4 < f<8
O t > 8

Después grafique las funciones transformadas

3g(f + I). -g(3r}.

• Solución
Primero debe elegirse el intervalo de r sobre el cual graficar la función, y un espaciamiento entre los puntos en t para
generar una curva que se aproxime a la función real. Se elige un intervalo de -5 < / < 20 y un espaciamiento entre
puntos de 0.1. También se utilizará la característica de función de MATLAB que permite definir la función gí?)
como un programa de MATLAB independiente, un archivo tipo . m. Luego es posible referirse simplemente a ella
cuando se grafiquen las funciones transformadas sin tener que volver a reescribir la descripción de la función cada
vez. El archivo g .m contiene el código,

function y = g(t)
% Calcule la variación funcional de c a d a intervalo de t.
yl = -4 - 2*t; y2 = -4 + 3 * t ; y3 = 16 - 2*t;

% Una l a s d i f e r e n t e s v a r i a c i o n e s funcionales en sus respectivos

% i n t e r v a l o s de v a l i d e z .

y = yl.*(-2<t £: t< = 0) + y2.*(0<t & t<=4) + y3.*(4<t & t< = S) ;

El programa MATLAB contiene el siguiente código.

Programa p a r a g r a f i c a r l a f u n c i ó n , . g { t ) y después para graficar
3*g(t+l), g(3*t)/2 y -2*g({t-l)/2}.

t m i n = -4 tmax = 2 0; Se fija el i n t e r v a l o de t i e m p o p a r a l a g r á f i c a .
dt = 0 . 1 ; Se fija el tiempo entre puntos.
t = tmin:dt;tmax; Se fija el v e c t o r de t i e m p o s p a r a l a g r á f i c a .
gO = g { t ) ; Se calcula la g(t) original.

Función original g(t¡ Primera transformación

20
15
10

S 5
o
-5
-10
-15
10 20

Segunda Iransfomación Tercera transformación

20
15
10

I 5
" o -A-
FIGURA 2.41 -5
Gráficas de MATLAB
de funciones transfor- -15 10 15 20
madas.
g l = 3 * g ( t + l ) ,- Se c a l c u l a l a primera transformación.
g2 = g ( 3 * t ) / 2 , - Se c a l c u l a l a segunda transformación.
2.5 Transformaciones
g3 = - 2 * g ( ( t - 1 ) / 2 ) ; Se c a l c u l a la tercera transformación.
de escalamiento y
desplazamiento en
D e t e r m i n e l o s v a l o r e s g máxiino y mínimo e n t o d a s l a s f u n c i o n e s
tiempo continuo
t r a n s f o r m a d a s y ú s e l o s p a r a e s c a l a r d e l mismo m.odo t o d a s l a s g r á f i c a s .

gmax = max([max(gO) raax(gl}, max(g2), inax(g3)

gmin = m i n ( [ m i n ( g O ) min(gl), min(g2), min(g3)

% G r a f i q u e l a s c u a t r o f u n c i o n e s e n un a r r e g l o de 2 p o r 2 .
% G r a f l q u e l a s t o d a s e n l a misma e s c a l a m e d i a n t e e l comando a x i s ( e j e ) .
% D i b u j e l í n e a s d e una c u a d r í c u l a , u t i l i z a n d o e l comando g r i d ( c u a d r í c u l a )
% p a r a f a c i l i t a r l a l e c t u r a de l o s v a l o r e s .

s u b p l o t ( 2 , 2 , 1 ) ; p = p l o t ( t , g O , ' k ' ) ; s e t (p, • L i n e W i d t h ' , 2 ) ;

x l a b e l { ' t ' ) ; y l a b e l (' g ( t ) ' ) t i t l e ( ' F u n c i ó n o r i g i n a l , g ( t ) ' ) ;
axis([train,tmax,gmin,gmax]); grid;
subplot(2,2,21; p = p l o t ( t , g l , ' k ' ) ; set(p,'LineWidth',2);
x l a b e l ( ' t ' ) ; y l a b e l ( ' 3 g ( t + 1 ) ' ) ; t i t l e ('Primera t r a n s f o r m a c i ó n ' ) ;
axis([train,tmax,gmin,gmax]); grid;
s u b p l o t ( 2 , 2 , 3 ) ; p = p l o t ( t , g 2 , k ' } ; s e t (p, ' L i n e W i d t h ' , 2 ) ;
x l a b e l C t ' } ; y l a b e l ( ' g ( 3 t ) / 2 ' ) ; t i t l e ('Segunda t r a n s f o r m a c i ó n ' ) ;
axis([tmin,tmax,grain,gmax]); grid;
subplot(2,2,4); p = plot(t,g3,'k'); set(p,'LineWidth',2);
xlabel('t'}; ylabel('-2g((t-l)/2)');title('Tercera transformación');
axis([tmin,tmax,gmin,gmax]); grid;

Lo,s resultados gráficos se presentan en la figura 2.41.

En las figuras 2.42 y 2.43 se encuentran más ejemplos de versiones escaladas en amplitud, despla-
zadas en el tiempo y escaladas en el tiempo de las funciones que acaban de presentarse.

2 sinc(5f)

3re.(i±l)

7 \
¥
3 -4 4 12

i -7-

a) b)

FIGURA 2.42
Ejemplos de funciones «) escaladas en la amplitud, b) desplazadas en el tiempo y í') escaladas en el tiempo.

4u(3 - ¡) -5 rampa(O.lr) —3 sgn(20

J

-3

a) e)

FIGURA 2.43
Más ejemplos de funciones a) escaladas en la amplitud, h) desplazadas en el tiempo y c) escaladas en el tiempo
que se presentaron en este capítulo.
44 2.6 DIFERENCIACIÓN E INTEGRACIÓN
CAPÍTULO 2 Otro tipo muy común de transformación de una función que se usa para representar una señal consiste
Descripción
matemática de senaies
en diferenciarla o integrarla pues ambas operaciones son comunes en el procesamiento de señales de
sistemas reales. La derivada de una función en cualquier tiempo t es su pendiente en ese tiempo, y la
integral de una función en cualquier tiempo / es el área acumulada bajo la función hasta ese tiempo.
La figura 2.44 ilustra algunas funciones en TC y sus derivadas. Observe que los cruces por cero de todas
las derivadas se han indicado mediante líneas verticales delgadas que llevan exactamente a los máximos
y mínimos de la función correspondiente, puntos en los cuales la pendiente de la función es cero.
La integración es un poco más problemádca que la diferenciación. Toda derivada de una función se
determina de manera inequívoca (si existe). Sin embargo, su integral no es determinable de manera
exacta sin cierta información adicional. Esto es inherente a uno de los primeros principios que se apren-
den en cálculo integral. Si una función gí.v) tiene una derivada g'í-v), entonces la función, g(.v) + K(Kcs>
una constante) dene exactamente la misma derivada g'(x), independiente del valor de la constante K. En
términos lógicos, puesto que la integración es lo opuesto de la diferenciación, ¿cuál debe ser la integral
de g'í.v)' Podría ser g(.v), pero también podría serlo g(.í) + K: K representa cualquier valor arbitrario.
A menudo, en la práctica, se sabe que una función del tiempo es cero antes de algún tiempo inicial
t = fo- Entonces se sabe que la integral desde menos infinito hasta el tiempo / = r,, es cero,

/
'(I

g(t) dt = 0. (2.76)

Entonces la integral de esa función desde cualquier tiempo r, < hasta cualquier tiempo í > es
inequívoca. Sólo puede ser el área bajo la función desde el tiempo r = hasta el tiempo t.
r ra ( (

j g(t) dt = j g(t) dt + j gU) dt = j git) dt.

(2.77)

La figura 2.45 ilustra algunas funciones y sus integrales. Dos de las funciones son cero antes del
tiempo t = 0. y las integrales ilustradas suponen un límite inferior en la integral menor que cero, produ-

FIGURA 2.44
Algunas funciones en
TC y sus derivadas.
 2.7 Funciones par e
impar de tiempo
continuo

FIGURA 2.4S
Algunas funciones y
sus integrales.

ciendo de ese modo un resultado ijntco e inequívoco. Las otras dos se ilustran con múltiples integrales
posibles, y difieren una de otra únicamente en las constantes. Todas tienen la misma derivada y son
candidatas igualmente válidas para la integral en ausencia de información auxiliar,
MATLAB puede efecmar cierta diferenciación e integración con los comandos d i f f e int. Por
ejemplo,

»diff('sin(2*pi*t)')
ans =
2*cos(2*pi*t)*pi
»int('sin(2*pi*t)')
ans =
-l/2*cos(2*pi*t)/pi

El comando int realiza lo que se denomina una antiderivada. Eso quiere decir: la integral con una
supuesta constante de integración igual a cero. Véanse los archivos de ayuda de MATLAB para mayo-
res detalles,

2.7 FUNCIONES PAR E IMPAR DE TIEMPO CONTINUO

Algunas funciones tienen la propiedad de que al experimentar cierto tipo de transformaciones no cam-
bian en realidad. Se dice que son invariantes bajo esa transformación. Una función/JÍÍ/- es aquella que es
invariante bajo la transformación / - í , y una función impar es aquella que es invariante bajo la
transformación g(/) ^ - g ( - 0 - Esto es, una función par g(/) es aquélla para la cual g{f) = g(-r), y una
función impar es aquélla para la que g(í) = -g(-f).
Una manera sencilla de visualizar funciones pares e impares consiste en imaginar que el eje de las
ordenadas [el eje g(í)] es un espejo. Para funciones pares, la parte de g(í) para í > O y la parte de g(í) para
f < O son imágenes en espejo una de la otra. Para una función impar, las mismas dos partes de la función
son imágenes en espejo negativas una de la otra. Las figuras 2,46 y 2.47 muestran algunos ejemplos de
las funciones par e impar en TC.
 Par gff) Par g(í)

CAPÍTULO 2 , _

V \l
Descripción
matemática de señales

V ^ [ y '

Impar g(/) Impar g(í)

FIGURA 2.46
FIGURA 2.47
Ejemplos de funciones par e impar de TC.
Funciones en TC par e impar muy
comunes.

Algunas funciones son par, algunas son impar y algunas no son ni par ni impar Sin embargo, cual-
quier función g(r), incluso si no es ni par ni impar, puede expresarse como la suma de sus partes par e
impar como g(r) = g^.(f) + gjt). En otras palabras, cualquier función se compone de una parte par más
una parte impar. Las partes par e impar de una función g(r) son

g(fj + g(-í) g(r) -g(-í)

goit) = (2.78)

Suponga, por ejemplo, que g(í) es una función par. Entonces

g(/) + g{-t) g(0-gl-0

ieU) = ; = g(t) y g,(;) - ^ ^ = O, (2.79)

lo cual indica que una función par tiene una parte impar igual a cero. Si la función g(í) es impar,

S ( / ) - £(-f)
goit) = - = g(f). (2.80)
Si la parte impar de la función es cero, la función es par. y si la parte par de la función es cero, la fiínción
es impar.

EJEMPI O 2 . 3

¿Cuáles son las partes Dar e impar de la función g(/) = 4 cosí.^tt/)'?

• Solución
Son

g(/) + g t - 0 4cos(3-rTf)-|-4cos(-3TTí) 8 cos(3Tr/)

g.-(í) = - - = = = 4 cos(.3iT/)

4 cos(3tTO - 4 c o s ( - 3 7 t O
g,Xí) = = O

debido a que el coseno es una función par.

SUMAS, PRODUCTOS, DIFERENCIAS Y COCIENTES

Considere dos funciones g](f) y gi(r). Sean ambas funciones par. En ese caso

g¡{r) = gi(-f) y g2{n = g2(-/). (2.81)

Ahora sea 47

g{f) = gi(r) + g2(/). (2.82) Funciones par e

impar de tiempo
continuo
Entonces

g(-fJ = gj(-fJ + g2(-0 (2.83)

y, mediante la paridad de g](f) y gjit).

g ( - í ) = gi(r) + g 2 { r ) = g(r), (2.84)

lo que prueba que la suma de dos funciones pares también es par. Considere ahora

g(0 = gi(0g2(n- (2.85)

Entonces

g(-/) = g i ( - / ) g 2 f - / ) = giíf)g2(n = g(f). (2.86)

lo que demuestra que el producto de dos funciones pares es también par.

Ahora sea que gi(í) y B2W son ambas impares. Entonces

g ( - í ) = g i ( - / ) + g2(-ñ = -giit) - g:(0 = -g(/), (2.87)

lo que demuestra que la suma de dos funciones impares es impar Luego

g(-r) = g](-r)g2l-f) = [-gi(n][-g2(M] = gi(/)g2(/) = gíí). (2.88)

lo que prueba que el producto de dos funciones iiupares es par.

Mediante un razonamiento similar es posible demostrar que si dos funciones son pares, su diferen-
cia y cociente también son pares. Si dos funciones son impares, su diferencia es impar pero su cociente
es par. Si una función es par y otra es impar su producto y cocientes son impares.
Las más importantes funciones par e impar en el análisis de señales son los cosenos y los senos. Los
cosenos son pares y los senos son impares. Las figuras 2.48 a 2.51 presentan algunos ejemplos de
productos de funciones pares e impares en TC.
Sea g[t) una función pai". Entonces

g(í) = g ( - n . (2.89)

Si se utiliza la regla de la cadena de la diferenciación, la derivada de gfí) es

¿it) = -g(-t]. (2.90)

una función impar De tal modo que la derivada de cualquier función par es una función impar. De
manera similar, la derivada de cualquier función impar es una función par Es posible recun'ir a los
mismos argumentos para afirmar que la integral de cualquier función par es una función impar más una

FIGURA 2.48 FIGURA 2.49

Producto de funciones en TC impar y par. Producto de funciones en TC par c impar.
 gl(f)g2(')

giWg;frt

FIGURA 2.50 FIGURA 2.51

Producto de dos funciones par en TC. Producto de dos funciones impar en TC.

constante de integración, y que la integral de cualquier función impar es una función par. más una
constante de integración. Esto es, salvo por una posible constante aditiva, las integrales de funciones par
e impar son, respectivamente, impar y par.
Las integrales de funciones pares e impares en TC pueden simplificarse en ciertos casos comunes.
Si g(/) es una función par y a es una constante real.

fl U a -í! lí

(2.91)
J gU)di^ j g(/)(/f + j g ( r ) dt = -j git) dt + j g(t)dt.

Mediante el cambio de variable X - - r en el primer término de la integral en el lado derecho de (2.91),

y utilizando después el hecho de que g(k) = g ( - X) para una función par, es fácil demostrar que

a a
j g(r) dr^lj g(r) dt, (2.92)
-i! O

lo cual debe ser geométricamente obvio al mirar la gráfica de la función [figura 2.52£i)]. Mediante un
razonamiento similar, si g(f) es una función impar.

¡ g(r) dt = O, (2.93)

lo que debe ser también geométricamente evidente [figura 2.52(i>)].

MATLAB tiene varias funciones integradas, aparte de las funciones trigonométricas y exponenciales
que se utilizan para generar formas de onda de diversos tipos (figura 2.53). Los ejemplos de la figura
2.53 se generaron utilizando el siguiente archivo de comandos de MATLAB.

Pargíf) Impar g(f)

Área 2

T A A
FIGURA 2.52
integrales de una W y \j
función par y de una Área 1
función impar. Are;i 1 ^ Área 2 Área 1 = - Área 2
 chirp (coseno) "chimado" diric {la función de "Dirichler de tilATLAB 49

2.7 Funciones par e

impar de tiempo
continuo

square (onda cuadrada)

-1
-20 -10 10 20

rectpuis (pulso rectangular) tripuls (pulso triangular)

X
-1

-20 -10 O 10 20
f

slnc(t) sign (la función signum) FIGURA 2.53

Ejemplos de formas de
onda en agua que
pueden generarse
utilizando funciones
de MATLAB incor-
10 20 -20 -10 10 20
poradas.

% Programa p a r a i l u s t r a r algunas de las funciones incorporadas en MATLñB.

cióse all ;
t = -20:1/20:20 ;

xl = chirp(t,l/20,20,l/3) ,- s u b p l o t ( 4 , 2 , 1) ; p = p l c t ( t , x l , ' k ' ) ;

a x i s ( [ - 2 0 , 2 0 , - 1 . 5 , 1.5] ) ; t i t l e C c h i r p - A "chirped" c o s i n e ' ) ;
xlabel ('\itt') ,- y l a b e l { ' x _ l ( { \ i t t } ) ' ) ;

X2 = d i r i c ( t , 5 ) ; subplot(4,2,2) ; p = plot(t,x2,'k') ;
axis([-20,20,-1.5,1.5]) ;
t i t l e ( ' d i r i c - La f u n c i ó n d e D i r i c h l e t d e MATLiAB' ) ;
xlabel ('\itt') ; y l a b e l ( ' x _ 2 { { \ i t t } ) ' ) ,-

x3 = s a w t o o t h ( t ) ; subplot (4,2,3) ; p = p l o t ( t , x 3 , 'k') ;

a x i s ( [ - 2 0 , 2 0 , - 1 . 5 , 1 . 5 ] ) ,- t i t l e ( ' s a w t o o t h - Un d i e n t e d e sierra periódico') ;
x l a b e l ( ' \ i t t ' ) ; y l a b e l { ' x _ 3 ( { \ i t t } ) ' ) ,-

x 4 = s q u a r e ( t ) ; s u b p l o t (4 , 2 , 4 ) ; p = p l o t ( t , x 4 , ' k ' ) ,-
axis( [-20,20,-1.5,1.5]) ; t i t l e ( ' s q u a r e - Una o n d a c u a d r a d a ' ) ;
xlabel('\itt') ; ylabel('x_4{{\itt})') ;

x5 = r e c t p u l s ( t / 1 0 ) ; subplot(4,2,5) ; p = plot(t,x5,'k') ;
a x i s ( [ - 2 0 , 2 0 , - 1 . 5 , 1 . 5 ] ) ,- t i t l e ( ' r e c t p u l s - Un p u l s o r e c t a n g u l a r ' ) ,-
x l a b e l ( ' \ i t t ' ) ; y l a b e l ( ' x _ 5 ( { \ i t t } ) ' ) ,-

x6 = t r i p u l s ( t / 1 0 ) ; s u b p l o t ( 4 , 2 , 6) ,- p = p l o t ( t , x 6 , ' k ' ) ;
axis( [-20,20,-1.5,1.5]) ; t i t l e ( ' t r i p u l s - Un p u l s o t r i a n g u l a r ' ) ;
xlabel ('\itt') ; ylabel('x_6({\itt})') ;

x7 = S Í n c ( t / 2 ) ; subplot(4,2,7) ; p = p l o t (t,x7, 'k') ;

a x i s ( [ - 2 0 , 2 0 , - 1 - 5 , 1 . 5 ] ) ,- t i t l e { ' s i n c ( t ) ' ) ;

xlabel ('\itt') ; y l a b e l ( ' x _ 7 ( { \ i t t } ) ' ) ,-

x8 = s i g n ( t / 2 ) ; subplot(4,2,8) ; p = p l o t ( t , x 8 , 'k') ;
axis ( [-20,20,-1.5,1.5]) ; t i t l e { ' s i g n - La f u n c i ó n S i g n u m ' ) ;
xlabel ('\itt') ; ylabel('x_8({\itt})'} ;
 Es posible formar productos de estas funciones mostrando que los productos de funciones pares
son pares, los productos de funciones impares son pares y los productos mezclados de funciones pares
e impares son impares (figura 2.54).

x24 = x2 . *x4 ;
subplot (2,2,1) ; plot(t,x24, 'k' ) ;
axis ( [-20,20,-1.5,1.5] ) ; title ('x_2*x_4 - Par*Impar') ,
-
xlabel ( '\itt') ; ylabel('x_2_4({\itt})') ;
X34 = x3 . +x4 ;
subplot (2,2, 2) , - plot (t,x3 4, ' k') ;
axis ( [-20, 2 0 , - 1 . 5, 1. 5] ) ; title ('x_3*x_4 - Impar* Impar ' ) ,
-
xlabel ('\itt') ; ylabel ('x_3_4 ({\itt})') , -
X2 6 = x2 . *x6 ;
subplot(2,2,3) ; plot(t,x26,'k') ;
axis ( [-20,20,-1. 5,1. 5] ) ; title('x_2*x_6 - Par*Par'} ;
xlabel{'\itt') ; ylabel('x_2_6({\itt})'} ;
x3 7 = x3.*x7 ;
subplot(2,2,4) ; plot(t,x3 7,'k') ;
axis([-20,20,-1.5,1.5]) ; title('x_3*x_7 - Impar*Par') ;
xlabel{'\itt') ; ylabel('x3_7((\itt})') ;

La señal x,(í) en la figura 2.53 no es par ni impar. Sin embargo, se encuentran sus partes par e impar
utilizando MATLAB (figura 2.55).

xle = (xl + xl(end:-1:1))/2 ; xlo = (xl - xl(end:-1:1))/2 ;

Slibplot (2, 1, 1) ; plot (t, xle, 'k') ;
axis([-20,20,-1.5,1.5] ) ; title ('Parte par de x_l') ;
xlabel ('\itt' ) , - ylabel ('x_l_e ({\itt})') ;
subplot(2,1,2) ; plot(t,xlo,'k') ;
axis( [-20,20,-1.5,1.5] > ; title ('Parte impar de x l ' ) ,
-
xlabel ('\itt') ; ylabel ('x_l_o ({ \itt})') , -

(Parimpar) j (Imparlmpar)

FIGURA 2.54
Productos de funciones
par e impar.
 Parte par de x.
51

2.7 Funciones par e

impar de tiempo
continuo

FIGURA 2.55
Las partes par e impar
de X[(í) de la figura
2.50.

MATLAB también puede determinar el valor numérico de una integral de cualquier función dado
un tiempo arbitrario mediante la función de integración numérica q u a d . Por ejemplo, el código de
MATLAB,

n s = (1:20)' ,• á r e a s = [ ] ;
f o r n = 1:20 ,-
área = quad('sinc',-n,n) ; áreas = [áreas ; área] ;
end
disp{ [ns,áreas]) ;

calcule el área bajo la función s i n c entre dos límites simétricos, -n y n, para n que va de 1 a 20, y
produce el resultado.

1.. 0000 1..1790

2 .. 0000 0..9028
3 .. 0000 1..0562
4 ,, 0000 0.. 9499
5, , 0000 1.. 0402
6 .0000
, 0., 9664
7 .. 0000 1 . . 0288
a.. 0000 0 . . 9499
9 .. 0000 1., 0225
10 , 0000 0 .. 9798
11,. 0000 1 . .0184
12 . 0000 0 .. 9831
13 . 0000 1..0156
14 , 0000 0 .. 9855
15,, 0000 1..0135
16,, 0000 0 .. 9499
17., 0000 1.. 0119
18., 0000 0 .. 9887
19., 0000 1..0107
20 ..0000 0 .. 9899

donde la columna izquierda es el valor de H y la columna derecha es el área correspondiente.

52 Mr)

CAPÍTULO 2
Descripción
matemática de señales

FIGURA 2.56
Ejemplos de funciones en TC periódicas con periodo fundamental TQ.

2.8 FUNCIONES PERIÓDICAS EN TIEMPO CONTINUO

Una función periódica es aquella que ha estado repitiendo un patrón exacto durante un tiempo infinito y
que continuará haciéndolo por un üempo infinito. Esto es, una función periódica g(f) es aquélla para la
cual

git) = g(r +nT), (2.94)

para cualquier valor entero de ii, donde F e s un periodo de la función. Otra forma de decir que una
función es periódica consiste en afirmar que es invariante a la transformación

í ^ t +nT. (2.95)

La función se repite cada Ts. Desde luego, también se repite cada 2T,ÍTynTs (en donde /; es un número
entero). Por lo tanto, 2T, 3Ty nTson todos periodos de la función debido a que ésta se repite en cualquiera
de esos intervalos. El intervalo mínimo positivo sobre el cual se repite una función recibe el nombre de
periodo fundamental TQ. L-dfrecuenciafiiiídamentalfQ de una ftmción periódica es el recíproco del perio-
do fundamental/(,= l/r^. Ésta es la frecuencia C Í ' C / ( C Í Í fundamental, que es el número de ciclos (periodos)
por segundo. La frecuencia fundamental en radianes es = 2'TT/n = 2'rr/r¡), que es el número de radianes
por segundo. Ambos tipos de frecuencia se utilizan en análisis de señales y sistemas.
Algunos ejemplos comunes de funciones periódicas en TC son las senoides reales o complejas. En
el capítulo 3 se verá que pueden generarse y describirse matemáticamente otros tipos más complicados
de funciones periódicas con diferentes formas que se repiten de manera periódica. La figura 2.56 mues-
tra algunos ejemplos de funciones periódicas en TC.
Una función que no exhibe dicha periodicidad se denomina función no periódica. En sistemas
reales una señal nunca es en realidad periódica porque, puede suponerse que se activó en algún tiempo
finito en el pasado y se desactivará en algún tiempo finito en el futuro. Sin embargo, a menudo se
presenta el caso de que una señal se ha repetido durante un largo periodo antes del tiempo en el que se
le quiere analizar y se repetirá durante un largo plazo posterior a ese tiempo. En muchos de esos casos
aproximar la señal mediante una función periódica introduce un error muy pequeño. Ejemplos de seña-
les que podrían aproximarse de manera adecuada por medio de funciones periódicas serían senoides
rectificadas en un convertidor de CA a CC, señales de sincronía horizontal en un monitor de televisor o
computadora, la posición angular del eje de un generador en una central eléctrica, una portadora en un
transmisor de radio antes de la modulación, el patrón de encendido de las bujías de un automóvil que
viaja a velocidad constante, la vibración de un cristal de cuarzo en un reloj de pulso y la posición
angular del péndulo en un reloj de caja. Para fines prácticos, muchos fenómenos naturales son periódi-
cos: las posiciones orbitales de la mayon'a de los planetas, satélites y cometas; las faies de la Luna, el
campo eléctrico emitido por un átomo de cesio en resonancia, los patrones de migración de los pájaros,
la actividad de las manchas solares, y el periodo de apareamiento del caribú.
Por lo tanto, los fenómenos periódicos desempeñan un gran papel tanto en el mundo natural como
en el reino de los sistemas artificiales.

E.IEMPLO 2.4

Determine cuál de las siguientes funciones o señales son periódicas y. para aquellas que lo son, encuentre el periodo
fundamental.

a) g(0 = 7 sen(400'nrf) (2.96)

b) g(í) = 3 + r^ (2.97)
£•) g(í) = 3 tan(40 (2.98)
d) g(r)= IOsen(12TTí)+ 4 c o s ( 1 8 i T í ) (2.99)
(2.100) 2.8 Funciones
e) g(/) = i 0 s e n ( 1 2 7 T f ) + 4cos(180
periódicas en tiempo
f) g(í) = 10 Cüs(irf) sen(4T7í) (2.101)
continuo
Solución

d) La función seno se repite cuando su argumento total se incrementa o decrementa por un múltiplo entero de 2TT
rad. Por lo tanto.

sen(400TT/ ± liiiv) = sen[4007T(/ ± iiTa)] (2.102)

rA I
Igualando los argumentos en (2.102),

400-71 r ±2mr = 400Tr(í ±nTn) (2.103)

±2nii = ±400TTH7;, (2.104)

1
7-0 = (2.105)
200
Una forma alternativa de determinar el periodo fundamental consiste en darse cuenta de que 7 sen(400'irí) está
en la forma A sen{27T/(,f) o A sen(ft)„f). donde /(, es la frecuencia fundamental cíclica de la senoide y (Oq es la
frecuencia fundamental en radianes. En este caso, / Q = 200 y tü,) = 400-ir. Puesto que el periodo es el recíproco
de la frecuencia cíclica, 7"Q = 200,
h) Esta función es una parábola. Conforme su argumento ; aumenta o disminuye a partir de cero, el valor de la
función se incrementa de manera monótona (siempre en la misma dirección). Ninguna función que aumente
en esta forma puede ser periódica porque si se agrega una cantidad fija al argumento t. ia función debe ser
mayor o menor que para el valor actual de /. Esta función no es periódica.
La función tangente se repite cada TT rad de su argumento total. Por lo tanto.

3tan[4lí ± iiTn)] = 3tan{4í ± / i i r ) (2.106)

(2.107)

d) Abordar esta función es un poco más difícil. Es la suma de dos funcioties que son periódicas. No obstante, ¿ia
suma también es periódica? Depende. Si es posible deternánar un intervalo dentro del cual ambas funciones
tienen un número entero de periodos, entonces la suma se repetirá con ese periodo. E! periodo fundamental de
la primera es k s. El periodo fundamenta! de la segunda es | s. ¿Cuál es el tietnpo más corto en el que ambas
señales tienen un número entero de periodo? Si ambas funciones se repiten de manera exacta un ntSmero
entero de veces en algiín intervalo de tiempo mínimo, entonces se repetirán de manera exacta en un número
entero de tiempos en el siguiente intervalo de tiempo de la misma longitud. Ese tiempo es entonces el periodo
fundamental de la función completa, el dempo positivo mínimo en el cual se repite. Éste es un problema
común en matemáticas. Se está buscando el mínimo común miiüiplo de dos periodos fundatuentales; esto es, el
número más pequeño que divide a ambos números un número entero de veces. En este caso el mínimo común
múltiplo es i s. (Vea en el apéndice C un método sistemático para determinar el mínimo común múltiplo.) Hay
dos periodos fundamentales de la primera función y tres periodos fundamentales de la segunda en esc tiempo.
Por lo tanto, el periodo fundamental de la función completa es 5 s (figura 2.57). De manera similar, la frecuen-
cia fundamental de la suma de dos señales es el miíximo divisor común de las frecuencias de las dos señales.
La figura 2.58 es otro ejemplo del periodo fundamental de la suma de dos funciones periódicas con
periodos fundamentales diferentes.
e) Esta función es exactamente como la del inciso d) (2.99) salvo porque falta ir en el segundo argumento. Los
dos periodos fundamentales son ahora g y Tr/9 s. ¿Cuál es el mínimo común múltiplo de estos dos üempos? Es
infinito puesto que TT es irracional. Lo cual significa que esta función, aunque está conformada por la suma de
dos funciones periódicas, no es periódica debido a que no se repite exactamente en un tiempo finito, (En
algunas ocasiones se le denominará como casi periódica porque casi se repite en un tiempo finito. No obstan-
te, en términos estrictos, es no periódica.)
f) Esta función es el producto de dos funciones y no de una suma, pero los argumentos para determinar el periodo
fundamental son los mismos que para una suma de dos funciones. Esto es, su producto se repite en un tiempo
que es el mínimo común múltiplo de los periodos fundamentales de ambas funciones. En este caso 2 s. Apesar
de que el mínimo común múltiplo de los periodos fundamentales en el producto de dos funciones es un
periodo, quizá no sea el periodo fundamental del producto. Por ejemplo, sea la función

g(/) = A c o s í 2 T T / f , 0 sen(2-rT/(ir). (2.108)

Puesto que las dos funciones en el producto del lado derecho de {2.108) tienen el mismo periodo y frecuencia
fundamentales, el mínimo común múltiplo de los dos periodos fundamentales es TQ = 1//Q. Sin embargo, el
 Primera senoide Primera senoide

Segunda senoide Segunda senoide

X2(0 HO

-1 + - I f

Dos periodos de la suma de las senoides Dos periodos de la suma de las senoides
X,(í) + X,(í) X|tf) + X2(í)

2- -
U l
7 ^
-2 + -2+'
r= 1 s
f=3S

FIGURA 2,57 FIGURA 2.58

Señales con frecuencias de 6 y 9 Hz y su suma. Señales con frecuencias de 4 y 9 Hz y su suma.

periodo fundamental del producto es en realidad TQ = 1/2/Q. Esto puede verse aplicando la identidad
trigonométrica

sen(.v) cos(y) = ^[sen(A- - >') + sen(.v + v)] (2.109)

a (2.108) para producir

g ( r ) = — sen{47T/(,f) (2.110)

cuyo periodo es l/2fp. De modo que el mínimo comtín múltiplo de los periodos de dos funciones multiplica-
das es un periodo, aunque no necesariamente es el periodo fundamental. •

2.9 FUNCIONES DE SEÑALES EN TIEMPO DISCRETO

Las exponenciales y las senoides son tan importantes en el análisis de señales y sistemas en TD como en
el análisis de señales y sistemas en TC. Las exponenciales y senoides en TD pueden definirse de manera
.1
análoga a su contraparte en TC como

g[ji] = Ae^" o g[;7] = Aa'\ a = (2.111)

g[.] = A c o s ( — + 9 j o A COS(2TTfoH - 1 - 0 ) o

g[»] = A cos(S2ü« + 9) (2.112)

donde a, p = constantes complejas
A = constante real
9 = desplazamiento de fase real, en radianes
NQ = número real

y FQJQQ se relacionan con por medio de l/N^ = Pa = ^Q/^-H, donde n es el tiempo discreto definido
antes.
 Existen algunas diferencias importantes entre las senoides en TC y TD. La primera es el hecho de
que si se crea una senoide en TD muestreando una senoide en TC. sus periodos quizá no .sean los
mismos y, de hecho, es posible que la senoide en TD incluso no sea periódica. Sea una senoide en TD ,¿^ales en tiempo
y discreto

sin] = A COS(2TT& + 6) (2.1>3)

que se relaciona con una senoide en TC

g ( / ) - A c o s ( 2 ^ / o / + 9) / (2.114)

por medio de /

g[n] = g(«T,). (2.115)

En ese caso, para que (2.115) sea correcta,

K = foTs = ^. (2.116)
7.5

El requisito para que una .senoide en TD sea periódica es que, para cierto tiempo discreto H y algiín
entero m,

l-rrKn = 2-nm. (2.117)

Al despejar K,

m
K=-- (2.118)

En palabras, (2.108) indica que K debe ser un número racional (un cociente de enteros). Puesto que el
muestreo fuerza la relación K = fo/f^, este requerimiento también significa que para que una senoide en
TD sea periódica, el cociente entre frecuencia fundamental de la senoide en TC y la tasa de muestreo
debe ser racional para una senoide en TD formada al muestrear una senoide en TC. Por ejemplo, ¿cuál
es el periodo fundamental de la siguiente senoide en TD?

\
. 36
g[;¡] = 4cos^-^^íj + 9^ = 4 eos
(2.119)

El tiempo discreto positivo más pequeño n que resuelve Kn - m. donde m es un entero, es n = 19. De
modo que el periodo fundamental es 19. Si K es un número racional y se expresa como un cociente de
enteros en la forma

(2.120)

y si la fracción se ha reducido a su forma más simple cancelando factores comunes en/? y ^, entonces el
periodo fundamental de la senoide en TD es íj, no

1 q
(2.121)

a menos que p='í. Compare este resultado con el periodo fundamental de la senoide en TC,

g(f) = 4 c o s ( ^ ^ f + 9^, (2.122)

cuyo periodo Tg e s S , no 19. La figura 2.59 es una gráfica de algunas senoides en TD con sus periodos
fundamentales indicados.
En el análisis de las señales en TD una relación útil que debe recordar es que en la forma g[nl = A
cos{2T!n/NQ + 6), si N^¡ es un entero positivo, éste también es el periodo fundamental de g[fi].
56 - Periodo- • Periodo •

m m

Periodo - - Periodo •

FIGURA 2.59
Cuatro senoides en TD.

Otro aspecto de las senoides e n T D que será muy importante en el capítulo 7 en la consideración del
muestreo es que dos senoides en TD \

g,[;i] = ACOS(2-TT/Í|/! + 6) y g^líz] = A cosCZ-rriíjíí + B) (2.123)

pueden ser idénticas, incluso si y Kj son diferentes. Por ejemplo, las dos senoides en TD

gi[íi] = c o s í — H I y g:['T] = c o s | ^ - ^ í í j (2.124)

se describen mediante dos expresiones analíticas de aspecto diferente. Sin embargo, cuando se les gráfica
en función del tiempo discreto «, se ven idénticas (figura 2.60). Las líneas punteadas en la figura 2.60
corresponden a las funciones en TC

iTr
g i ( n = eos g2(/) = cos(lf^r). (2.125)

Las funciones en TC evidentemente son diferentes, pero no así las funciones en TD. La razón de que las
dos funciones en TD sean idénticas puede verse al reescribir gjin] en la forma

/2TT IOTT \ flTT (2.126)

Entonces, se utUiza el principio de que, si un múltiplo entero de 2IT se añade a un ángulo de una senoide,
el valor no cambia.

/27r \ /2Tr ,
g2[íij = cos|^—n + 2TT« I — cos^—« ) = gi[«], (2.127)

porque el tiempo discreto n siempre es un entero.

Las exponenciales en TD pueden tener una variedad de comportamientos funcionales que depen-
den del valor de Oí en Aa". Las figuras 2.61 y 2.62 resumen varios casos de la forma funcional de una
exponencial cuando a tiene valores diferentes.
 g,[„] = cos(2m} 57
2.9 Funciones de
señales en tiempo
discreto

\ 2 , Á
10
— I — \ —, 'A4 í 6

-1 +

g,[.] = c o s ( i ^ ' )

1 +

FIGURA 2.60
11 Dos cosenos en TD
10 con diferente A'pero
con el mismo
comportamiento
funcional.

FUNCIONES SINGULARES EN TIEMPO DISCRETO

El impulso unitario El itnpulso unitario en TD (figura 2.63) se define por medio de

n = O
S[n] = (2.128)
n ^0

El impulso unitario en TD no experimenta ninguna de las peculiaridades matemáticas que le ocurren al

impulso unitario en TC. (Esta función algunas veces se conoce como función delta de Kronecker.) El

O< a <1

-1 < a < 0

a >1

a < -1

•.*ttTTTT t T T T " FIGURA 2.61

Comportamiento de
Aa" para diferentes
valores de a reales.
 5 8 W < 1
Re(x[n]) Ini(x[/i])

1.1 .1 I
1
Ih 1" 'lli'^^ • "

I«l>1
Re{x[j)l) llTltxi»])

FIGURA 2.62
Comportamiento de LlL
Aa" para diferentes
valores complejos
de a.

impulso unitario en TD no tiene una propiedad correspondiente a la del escalamiento del impulso unita-
rio en TC. Por lo tanto.

5[H] = b[an] (2.129)

para cualquier valor de a entero, finito, distinto de cero. Sin embargo, el impulso en TD tiene una
propiedad de muestreo. Ésta es

^ Ab[n - «ü]x[«] = Ax[no]. (2.130)

Dicha propiedad se observa fácilmente al reconocer que, puesto que el impulso es tínicamente distinto
de cero cuando su argumento es cero, la suma de todas las ii es una sumatoria de términos que son todos
cero salvo aquel para el cual n = Cuando n = n^, xln] = x[n(¡\ y ese resultado se multiplica simplemen-
te por un factor de escala A.

La secuencia unitaria La función en TD que corresponde al escalón unitario es la función de secuen-

cia unitaria (figura 2.64).

/i > O
u[»] = (2.131)
Í; < O

Para esta función no hay desacuerdo o ambigüedad en torno a su valor en n = O, éste es uno, y todos los
autores concuerdan. La secuencia unitaria puede generarse al muestrear la función escalón unitario de la

I
manera que se describe en la .sección 2 . 2 ,

uln] = lím u(/ + « 7 , + e ) . E > 0. (2.132)

De tal modo, en la discontinuidad en la función escalón en TC el valor de la muestra es uno y la

secuencia unitaria en TD tiene el valor u[0] = 1.

FIGURA 2.63 FIGURA 2.64

La función impulso unitario en TD, La función secuencia unitaria.
 ianipa[n] 4
rectv„.[íil
1

-A' A',

FIGURA 2.65 FIGURA 2.66 FIGURA 2.67

La función rampa unitaria en TD. La función rectángulo en TD. La función comb en TD.

La rampa unitaria La función en TD correspondiente a la rampa unitaria en TC se define en la figu-

ra 2.65.

(2.133)

La función rectángulo En la figura 2.66 se muestra un rectángulo en TD y se define como

rectjv .["] = = u[« + NJ - u[n - N,^, - 1] (2.134)

O

donde A'^,,. es un entero > 0. Debido a la diferencia en los efectos en el escalamiento en el tiempo entre
funciones en TC y TD, resulta más conveniente definir un rectángulo general cuyo ancho está caracte-
rizado por un parámetro A^,,. que hacer una analogía directa con el rectángulo unitario en TC.
I

La función comb La función comb en TD (figura 2.67) se define mediante

I comb,,v,,[«] = ^ h{n—mNf)] (2.135)

Estas funciones enTD pueden ponerse en práctica en MATLAB mediante los siguientes archivos . m.

% Furición p a r a g e n e r a r l a f u n c i ó n de i m p u l s o e n t i e m p o d i s c r e t o
% d e f i n i d a como uno p a r a a r g u m e n t o s e n t e r o s d e e n t r a d a i g u a l e s a c e r o ,
% y cero en o t r o caso.
% P r o d u c e "NaN" p a r a a r g u m e n t o s n o e n t e r o s . F u n c i o n a i g u a l m e n t e b i e n
% para v e c t o r e s y e s c a l a r e s .
%
% function y = impDT{n)

f u n c t i o n y = impDT(n)
y = ( n == 0) ; El i m p u l s o e s uno donde e l argumento
es cero y cero en o t r o lugar.
ss = find(round(n)~=n) ; D e t e r m i n e l o s v a l o r e s no e n t e r o s de n.
y ( s s ) = WaN ; Se f i j a n l a s s a l i d a s c o r r e s p o n d i e n t e s a
NaN.

Función de s e c u e n c i a u n i t a r i a d e f i n i d a como c e r o p a r a v a l o r e s de
e n t r a d a de argumento e n t e r o menores que c e r o , y uno para v a l o r e s de
argumento de e n t r a d a e n t e r o i g u a l e s o mayores que c e r o . Produce

NaN p a r a argumentos no e n t e r o s . Funciona igualmente bien para vectores y escalares,

f u n c t i o n y = uDT(n)
i u n c t i o n y = uDT(n)
y = n>=0 ; Se i g u a l a l a s a l i d a a uno p a r a a r g u m e n t o s no n e g a t i v o s .
Se e n c u e n t r a n t o d a s l a s n no e n t e r a s .
ss = find(round(n)~=n) Se i g u a l a n t o d a s l a s s a l i d a s c o r r e s p o n d i e n t e s a NaN.
y ( s s ) = NaN ; Se f i j a n l a s s a l i d a s c o r r e s p o n d i e n t e s a
NaN.
% Función de rampa unitaria de tiempo discreto como cero para valores
% de argumentos enteros de entrada iguales o menores que cero, y n
% para valores de argumentos de entrada enteros mayores que cero.
% Produce NaN para argumentos no enteros . Funciona igualmente bien para vectores y escalares .

% function y = rampDT(n)
function y = rampDT(n)
pos = (n>0) ; y = n.*pos
ss = find (round (n) ~=n)
y(ss) = NaN ;
Se iguala la salida a n para n positiva.
Se determinan todas las n no enteras.
Se igualan todas las salidas correspondientes a NaN

% Función rectángulo de tiempo discreto definida como uno para

% valores del argumento de entrada enteros iguales o menores que W en
% magnitud y cero para otros valores de argumento enteros. W debe ser
% un entero. Produce NaN para valores de entrada no enteros.

% y = rectDT(W,n)

function y = rectDT(W,n)
if W == round(W),
y = abs (n) <:=abs (W) ;
ss = find(round(n)~=n)
y{ss) = NaN ;
% Se iguala la salida a uno si
% ¡n|<=|W| y cero en otro caso.
% Se encuentran todas las n no enteras.
% Se igualan todas las salidas correspondientes a NaN

else
disp {'In rectDT parámetro del ancho, W, no es un entero') ;
end

% La función comb de tiempo discreto definida como uno para valores de

% entrada de argumento entero es igual a m.últiplos enteros de NO, y
% cero en otro caso. NO debe ser un entero. Produce NaN para valores
% de entrada no enteros. Funciona igualmente bien para vectores y escalares.
%
% function y = combDT(NO,n)

function y = combDT(NO,n)
if NO round(NO),
y = n/NO -= round (n/NO) ,- % Se iguala la salida a uno para
% todas las n que son múltiples
% enteros de NO y cero en otro caso.
ss = find(round(n)~=n) % Se determinan todas las n no enteras.
y (s s) = NaN ; % Se igualan todas las salidas correspondientes
% a NaN.
else
disp ('In combDT, parámetro del periodo, NO, no es un entero');
end

Los siguientes son ejemplos del uso de estas funciones de MATLAB en TD.

»impDT(3)
ans =
O
»impDT(0)
ans =
1
»impDT(1.5)
ans =
NaN
»impDT(-4)
ans =
O
 »uDT(0) SI
ans =
2.10 Transformaciones
1
de escalamiento y
»uDT ( - 6) desplazamiento en
ans = tiempo discreto
O
»uDT(pi)
ans =
NaN
srampDT(0)
ans =
O
srampDT(10)
ans =
10
»rampDT(-10)
ans =
O
»rampDT(11.5)
ans =
NaN
»rectDT(3,0)
ans =
1
»rectDT(3,5)
ans =
O
»rectDT(3.3,1)
I n r e c t D T , w i d t h p a r a m e t e r , W, i s n o t a n i n t e g e r
»rectDT(5,-7)
ans =
O
»combDT(5,0)
ans =
1
»coiTibDT ( 5 , 2 )
ans =
O
»combDT ( 1 . 2 , 0 )
I n combDT, p e r i o d p a r a m e t e r , NO, i s n o t a n i n t e g e r
xcombDT ( 8 , - 8 ]
ans =
1

2.10 TRANSFORMACIONES DE ESCALAMIENTO

Y DESPLAZAMIENTO EN TIEMPO DISCRETO
Los principios generales que gobienitm las transformaciones de funciones en TC también se aplican a
funciones en TD. pero con algunas diferencias fundamentales. Así como ocurre con una función en TC,
una función en TD acepta un número y produce otro. Se cumple todavía el principio general de que la
expresión en glexpresión] se trata de la misma manera que el tiempo discreto n en la definición g[/íl. El
escalamiento de amplitud para funciones en TD es el mismo que para funciones en TC,

DESPLAZAMIENTO EN EL TIEMPO

Considere que una función g[n] en TD se define mediante la gráfica de la figura 2.68. Sea ahora n n
+ 3, El desplazamiento en el tiempo es en esencia el mismo para funciones en TD y TC, salvo que para
las primeras el desplazamiento debe ser un entero; de otra manera la función desplazada tendría valores
indefinidos (figura 2,69),
 g[" + 3]
CAPÍTULO 2 4-¬ 4¬
Descripción
matemática de señales 3-¬ 3--
2-- 2 --

i-t4

+ -1

2 -2

3 -3
4 -4

FIGURA 2.68 FIGURA 2.69

Definición gráfica de una función g[í)] en TD. Gráfica de g|/í + 3] que ilustra la transforma-
donde g[íí] = 0 y \n\ > 15. ción funcional de'desplazamientü en el tiempo.

ESCALAMIENTO EN EL TIEMPO

El escalamiento de amplitud y el desplazamiento en el tiempo para funciones en TD y TC son muy

similares, aunque el escalamiento en el tiempo es diferente. Hay dos casos por examinar, la compresión
y la expansión en el tiempo. La primera se realiza mediante una transformación de la forma n Kn,
donde A'es un entero cuya magnitud es mayor que uno. La compresión en el tiempo para funciones en
TD y en TC es similar en que la función ocurre más rápido en el tiempo. Sin embargo, en el caso de
funciones en TD hay otro efecto llamado diezmo que tiene significado sólo para estas funciones.
Considere e! escalamiento en el tiempo n —> 2», que se ilustra en la figura 2.70. Como es evidente
a partir de la figura, para cada entero n en g[2n], el valor del argumento funcional 2n debe ser un entero
par. Por lo tanto, para este escalamiento por un factor de dos, los valares enteros impares de la función
g[/i] definida originalmente nunca son necesarios para determinar los valores de gL2n]. La función se ha
diezmado por un factor de dos debido a que la gráfica de g[2«] sólo utiliza cualquier otro valor de la
función g[n] definida. Para constantes de escalamiento más grandes, el factor de diezmo es mayor. El
diezmo no ocuixe al escalar funciones en TC debido a un continum de mapeos en los valores, que
corresponden al condnum de los valores de t sin valores faltantes. La diferencia fundamental entre las
funciones en TC y en TD puede expresarse al observar que el dominio de una función en TC son todos
los mimeros reales, un infinito incontable de tiempos, pero el dominio de las funciones en TD son todos
los enteros, un infinito contable de tiempos discretos.
El otro caso de escalamiento en el tiempo, la expansión de éste, es incluso más extraño. Por ejem-
plo, si .se desea graficar g[»/2] para cada valor entero de n, se debe asignar un valor a g[n/2] determinan-
do el valor correspondiente en la definición de la función original. Pero cuando n = 1. n/2 = 5. y gis] no
está definida. El valor de la función transformada s[níK] es indefinido a menos qtie nlK sea un entero.
Es factible dejar indefinidos esos valores o efectuar interpolaciones entre ellos utilizando los valores de
g[nlK] en los siguientes valores más altos y más bajos de n a los cuales nlK es un entero. (La interpolación

gl'il gt2n]
C LL bcd
4-¬ 4 +
3-¬ 3 +
2-- 2

I-T 1+1

FIGURA 2.70 2 Í---2

Compresión en el 3 3
tiempo para una
4 4
función en TD.
es un proceso en el que se calculan valores funcionales entre dos valores conocidos de acuerdo con
cierta fórmula.) Puesto que la interpolación da por sentada la fórmula de interpolación que se usará,
2.10 Transformaciones
simplemente g[n/Kl se deja indefinida si nlKw es un entero. de escalamiento y
Las funciones en TD pueden combinarse de la misma manera que las funciones en TC a través de desplazamiento en
la adición, la resta, la multiplicación y la división. Sin embargo, hay dos aspectos que surgen y que no tiempo discreto
ocurren cuando se combinan funciones en TC.
Como se acaba de ver, es posible, mediante la transformación funcional, crear una función en TD
que esté indefinida en algunos tiempos discretos particulares. Si una función en TD está indefinida en
algún tiempo discreto particular, entonces cualquier combinación de esa función y cualquier otra fun-
ción en TD también estará indefinida en ese tiempo discreto.
Suponga que se crean dos funciones en TD al muestrear dos funciones en TC, y que las dos tasas de
muestreo son diferentes para las dos funciones. Se pueden combinar las dos funciones en TD combinan-
do sus valores en tiempos discretos correspondientes. Sin embargo, al hacerlo de esa manera se combi-
nan muestras tomadas en tiempos reales diferentes a los de las funciones originales en TC. Aunque no
hay reglas matemáticas que eviten este tipo de combinación de funciones en TD, no es claro el sentido
útil que tendrá el resultado. Es común en el análisis de señales de tiempo discreto, que todas tengan el
mismo tiempo discreto. Esto es, en cualquier valor particular del tiempo discreto n, todas las señales
tienen valores adquiridos en el mismo tiempo real t. Las figuras 2.71 y 2.72 ilustran algunas combina-
ciones de funciones en TD.
Al escribir los archivos .in de MATLAB para implementar una función en TD, es muy útil tener
una constante NaN predefinida. El nombre NaN es el acrónimo en inglés de "no es un número" e indica
sólo un valor indefinido. Por ejemplo, es posible definir una función polinomial en TC llamada p o l y ,

function X = poly(t)
X = 3*t.*2 - t + 8 ;

(MATLAB utiliza paréntesis exclusivamente para argumentos de funciones, aun cuando se defina la
función como una de comportamiento de tiempo discreto. Los paréntesis cuadrados se utilizan para
encerrar vectores o matrices. Por eso en MATLAB incluso las funciones en TD se escriben con parén-
tesis. La distinción viene en el cuerpo del archivo . trt de la función y no queda claro de inmediato
cuando la función se invoca en un archivo de guión.) De acuerdo con la manera como está escrita, esta
función de MATLAB calcula un valor numérico definido de x para todo t asignado a ella. Es posible
modificar ahora esta función para convertirla en una función en TD.

f u n c t i o n X = polyDT(n)
X = 3*n."2 - n + 8 ;
nonint = find(round(n)~=n) ; % E n c u e n t r e l a s no e n t e r a s de n.
x ( n o n l n t ) = NaN ; % Asigna los correspondientes valores de x a NaN.

1 +

-10 10 15 20
-1 +

-
i i . , , . r .1 Ii, i l [I
j l
1[! \ '^1 1 20

giifífei"]

1 +

-5
4ll
15 FIGURA 2.71
iir .'OIII
-1 +
Producto de dos
20 funciones en TD.
64 gri"!

10 2*j M
-10 -2(1 -10 -1 +

g2Í"]

1 +

Tnr„,MT^ Tllt , , . t T T
i i i - l l i M l i *UiVo 20 30
-iO -20 -10

g,[n] + g,[;j]

.1I. . IT. tTT» .T.^i'tt* »T »

^11' '1 1 111' '11'. *l*
FIGURA 2.72
10 2ü ** 30
Suma de dos funciones
en TD. -20 -iO

Cuando se utiliza el comando stem en MATLAB para graficar una función en TD con algunos
valores indefinidos, los \ aiores definidos se grafican y los valores no definidos se omite.i simplemente,
tal como debe ser.

EjE.MPLO 2.5

Utilice MATLAB. para graficar la función en TD

/ 3iT/¡ N
g[H] = lOe^" 'sen (2.136)

Luego grafique las funciones g[2n] y g[í!/3].

• Solución

En cienos aspectos las funciones en TD son más fáciles de programar en M.^TLAB que las funciones en TC debido
a que MATLAB está orientado hacia ei cálculo de \ alores funcionales en valores discretos de la variable indepen-
diente. Para funciones en TD no hay necesidad de decidir qué tanto aproximar los puntos del tiempo para conseguir
que la gráfica se vea continua debido a que la lunción no la es. Una buena forma de manejar la representación
gráfica de la función y fas funciones escaladas en el tiempo consiste en definir la función original como un archivo
.ra. Sin embargo, es necesario asegurar que la definición de la función incluya su comportamiento en tiempo
discreto, a saber, que para valores no enteros de tiempo discreto la función no está definida. MATLAB maneja
resultados indefinidos asignándoles un valor especial NaN. La secuencia de tres caracteres NaN está predetermina-
da por MATLAB para representar resultados que están indefinidos matemáticamente. El usuario de MATLAB
puede redcfinir el valor de !a variable NaN pero se recomienda ampliamente que no se haga debido a que causaría
una gran confusión. El único problema de programación adicional es cómo manejar las dos descripciones funciona-
les diferentes en los dos intervalos de ÍÍ. ES posible realizar lo anterior de una manera adecuada con operadores
lógicos y relaciónales como se demuestra más adelante en g. m.

function y = g(n),
s s = f i n d ( r o u n d ( n ) -= n) ; % Se e n c u e n t r a n t o d a s l a s n no e n t e r a s .
n ( s s ) = NaN ; % Se i g u a l a n t o d a s a NaN,
y = 10*exp(-n/4).*sin(3*pi*n/16) % Se c a l c u l a l a f u n c i ó n s i n l a
% e s p e c i f i c a c i ó n d e l v a l o r cera para
% tiempos d i s c r e t o s n e g a t i v o s .
y = y.*uDT(n) ; % Se i g u a l a a c e r o l a p a r t e de t i e m p o
% n e g a t i v o de l a f u n c i ó n .
 Todavía se debe decidir sobre que intervalo de tiempos discretos graficar ia función. Puesto que ésta es cero
para tiempos negativos, se debe representar ese intervalo de tiempo con al menos unos cuantos puntos para indicar
que cambia repentinamente de valor en el tiempo cero. En ese caso, para tiempos positivos tiene la fonua de una 2.10 Transformaciones
de escalamiento y
senoide que decae exponencialmente. Por lo tanto, si se grafican unas cuantas constantes de tiempo del decaimiento
desplazamiento en
exponencial, la función será cero después de ese tiempo. De manera que el intervalo de tiempo debe ser algo como
tiempo discreto
-5 < íi < 16 para graficar una representación razonable de la función original. Pero !a función expandida en el
tiempo g[í¡/31 será más ancha en tiempo discreto y requiere más tiempo discreto para ver el comporiamientü funcio-
nal. En consecuencia, para ver todas las funciones en la misma escala en TD con fines coiuparativos, se hará el
intervalo de tiempos discretos igual a -5 < ?! < 48 .
El único problema de programación que queda es cótno manejar las dos descripciones funcionales diferentes
en los dos intervalos distintos de n. Es posible hacerlo con operadores lógicos y relaciónales.
% G r á f i c a s de una f u n c i ó n d e t i e m p o d i s c r e t o y
% t r a n s f o r m a c i o n e s de compresión y e x p a n s i ó n .

C á l c u l o de l o s v a l o r e s de l a f u n c i ó n o r i g i n a l y l a s v e r s i o n e s
% transformadas en e s t a s e c c i ó n
%--
n = -5:48 ; Se e s t a b l e c e n l o s t i e m p o s d i s c r e t o s
para e l c á l c u l o de l a f u n c i ó n .
gO g(n) ; Se c a l c u l a n l o s v a l o r e s
de l a f u n c i ó n o r i g i n a l .
gl g{2*n) ; Se c a l c u l a n l o s v a l o r e s
de l a f u n c i ó n c o m p r i m i d a .
g2 g(n/3) ; Se c a l c u l a n l o s v a l o r e s
de l a f u n c i ó n e x p a n d i d a .

P r e s e n t e e n forma g r á f i c a l a s funciones o r i g i n a l y transformada

de e s t a s e c c i ó n .

% Grafique l a función original.

%
subplot (3,1,1) ; Se d i b u j a n p r i m e r o l a s t r e s g r á f i c a s
apiladas verticalmente.
p = stem(n,gO,'k','filled') ; "Stem" g r á f i c a l a f u n c i ó n o r i g i n a l .
s e t (p, ' L i n e W i d t h ' ,2, 'MarkerSize',4) Se f i j a e l g r u e s o d e l a l í n e a y e l tamaño
del punto.
y l a b e l C g t n ] ') ; Se marcan l o s e j e s d e l a f u n c i ó n
original.
title('Example 2.5') ; Se pone t í t u l o a l a g r á f i c a .
%
% Grafique l a f u n c i ó n comprimida en e l t i e m p o .

subplot(3,1,2) ; Se g r á f i c a l a s e g u n d a de t r e s g r á f i c a s
apiladas verticalmente.
p = stem(n,gl,'k','filled') ; "Stem" g r á f i c a l a p a r t e c o m p r i m i d a .
% function.
Se f i j a n e l g r u e s o de l a l í n e a
set(p,'LineWidth',2,'MarkerSize',4) y e l tamaño d e l p u n t o .
Se marca e l e j e d e l a f u n c i ó n
ylabel{'g[2n|•) ; comprimida.

% Grafique l a f u n c i ó n expandida en e l t i e m p o .
%
subplot (3,1,3) ; % Se d i b u j a l a t e r c e r a de t r e s g r á f i c a s
% apiladas verticalmente.
p = stem{n,g2,'k','filled') ; % "Stem" g r á f i c a l a f u n c i ó n e x p a n d i d a .
s e t t p , ' L i n e W i d t h ' , 2 , ' l y l a r k e r S i z e ' , 4 ) ; % Se f i j a e l g r u e s o de l a l í n e a y e l tamaño
% del punto.
x l a b e l ( ' D i s c r e t a t i m e , n') ; % Se marca e l e j e d e l a f u n c i ó n e x p a n d i d a ,
y l a b e l ( ' g [ n / 3 ] ') ; % Se marca e l e j e d e l t i e m p o d i s c r e t o .
CAPÍTULO 2
Descripción
matemática cte señales

FIGURA 2.73
Gráficas de g[¡i\, g[2n]
20
y g[///3]. Tiempo discreto n

Las gráficas de MATLAB se niueslran en la figura 2.73.

2.11 DIFERENCIA Y ACUMULACIÓN

Así como la diferenciación y la integración son transformaciones importantes para las funciones en TC,
la diferencia y la acumulación lo son para las funciones en TD. La primera diferencia en adelanto de una
función g[/í] en TD está definida por

Ag[n] = g[/i + 1] - g [ / ; ] . (2.137)

(Véase el apéndice I para más información acerca de las ecuaciones de diferenciación y en diferencias.)
La primera diferencia en atraso de una función en TD es g[íi] - g[n- ]],la cual es la primera diferencia
en adelanto de g[« - 1].

Ag[n - I] = g [ , ! ] - g [ í ! - 1]. (2.138)

La figura 2.74 ilustra algunas funciones en TD y sus primeras diferencias en adelanto o en atraso. Si se
imagina una función en TD creada a partir del tnuesíreo de una función en TC, es posible ver que la
operación de diferencias produce un resultado que se observa como muestras de la derivada de dicha
función en TC (hasta un factor de escala).
La contraparte de la integración de tiempo discreto es la acumulación (o sumatoria), y el mismo
problema de ambigüedad que ocurre en la integración de una función en TC existe también para las
funciones en TD. Esto es, aun cuando la primera diferencia en adelanto o en atraso de una función en
TD no es ambigua, la acumulación de una función en TD no es única y por tanto es ambigua. Múltiples
funciones en TD pueden tener la misma diferencia en adelanto o en atraso, pero, al igual que en la
integración, todas ellas sólo pueden diferir entre sí por una constante aditiva. Sea h[n] la primera dife-
rencia en adelanto de g [ í 7 ] ,

h¡n] = A(g[n]). (2.139)

En ese caso es posible determinar g[«] a partir de h|«] mediante acumulación en ambos lados,

g[n] = g[«ol + h[m]. (2.140)

 2 . 1 1 Diferencia y
acumulación

ÍIIR TNT
rT .20
-5 20

1 --

-1 + -5 20

-10 10
-1 +
-5 20

AxIh - 1]

.i 1- FIGURA 2.74
^1 ^ Algunas funciones en
7111* 10 TD y sus diferencias
-10
4-^ n -1 - en adelanto o en
-5
20 retraso.

Es posible demostrar que lo anterior es correcto al sustituir A(g[n]) para h[n],

m=ríi) m=)h\
= g[í!,)] + g[í¡,| + 1] - g[/í()] + g[í¡0 + 2]
(2.141)
- g [ « o + 11 + ••• + g[n) - g[í! - 1]
= gí'hi] + s[;t) - g[í!ü] = g[/!]

La figura 2,75 ilustra algunas funciones en TD h[í!] y sus acumulaciones g[;?l. En cada gráfica de la
figura la acumulación se realizó con base en la suposición de que lodos los valores de h [ í í ] de la función
antes del intervalo de tiempo graneado son cero.
De manera análoga a la relación integral-derivada entre el escalón unitario en TC y el impulso
unitario en TC. la secuencia unitaria es la acumulación del impulso unitario.

u[n]= ¿ 8[m], (2.142)

y el impulso unitario es la primera diferencia en atraso de la secuencia unitaria,

8[j¡J = u[/jj - u[í! - 1] = A ( U [ H - 1]). (2.143)

También de una manera similar a la definición de la integral de la función de rampa unitaria en TC, la
rampa unitaria en TD se define como la acumulación de una función de secuencia unitaria retrasada por
un tiempo discreto.

rampa[H] = ^ u[m -- 1] = ^ u[n¡]. (2.144)

 h["]

2 Í

..iTlll UlTl..
-5 -10 10

g["

-5 20 -10 10
-2 +

htft] h[n]

.4 4
,1I I 1 [ 1I I,1
-10 10 -5 20
g[n] g["]

4 +
FIGURA 2.75

MIL
A l g u n a s funciones
h[nj en T D y sus ...TÍ i.TT.T.1.
a c u m u l a c i o n e s gfn]. -10 10 -5 20

y la secuencia unitaria es la primera diferencia eti adelanto de la rampa unitaria,

u[í!] = rampa[n + 1 ] — rampa[n] = A(rampa[íi]). (2.145)

Es posible definir una familia de funciones singulares en TD con características análogas al doblete
en TC, el triplete, etc. Por ejemplo, se puede definir ¡a primera diferencia en adelanto del impulso
unitario de TD como un doblete unitario de TD.

ui[«] = 5[í¡J - 8[n - IJ. (2.146)

El doblete unitario en TD muestrea la primera diferencia en atraso de una función.

^ g r " ] u i [ ; 7 - ?;o] = Yl S [ " K S [ " - «o] - 5[n - «o - I])

LL=-0O /1=-X

- g [ " Q ] - g["o + 1 ] = - ( g [ « ü + I] - g[«o]) (2.147)

Éste es el negativo de la primera diferencia en atraso de g [ « ] en n = «f¡ + 1, que es lo mismo que el

negativo de la primera diferencia en adelanto de g[fi] en n - n^. Lo anterior es análogo a la propiedad de
muestreo del doblete unitario en TC. Éste muestrea el negativo de la primera derivada de una función de
TC. Otras características de las funciones singulares en TD son análogas a las correspondientes a las
funciones singulares en TC.
MATLAB puede calculai' diferencias de funciones en TD mediante la función d i f f . Ésta acepta
un vector como argumento y produce un vector de diferencias en adelanto cuya longitud es una uni-
dad menor que la longitud del vector aceptado. MATLAB también puede calcular la acumulación
de una función de TD a través de la función cumsum, la cual acepta un vector como argumento y
produce un vector de igual longitud que es la acumulación de los elementos en el vector argumento. Por
ejemplo,
 »a=l:10
a =
1 2 3 4 S S 7 8 9 10
»diff(a)
ans =
1 1 1 1 1 1 1 1 1
»cumsum(a)
ans =
1 3 6 10 15 21 28 36 45 55
»b = r a n d n ( 1 , 5 )
b =
i 1.1909 1.1892 -0.0376 0.3273 0.1746
»diff(b)
ans =
-0.0018 -1.2268 0.3549 -0.1527
»cumsum(b)
ans =
1.1909 2.3801 2.3424 2,6697 2.8444

Desde luego, cumsum supone implícitamente que el valor de la acumulación es cero antes del primer
elemento en el vector.

EJEMPLO 2 . 6

Mediante MATLAB detennine la acumulación de la función en TD

X í¡ = eos (2.148)
\ 18 /

desde H = O hasta 36 dada la suposición de que la acumulación antes del tiempo n = O es cero.

% Programa p a r a d e m o s t r a r l a a c u m u l a c i ó n de una f u n c i ó n en TD d a d o
% un t i e m p o f i n i t o m e d i a n t e l a f u n c i ó n cumsum,

l-n = 0 : 3 6 ; X = c o s ( 2 * p i * n / 3 6 ) ;
p = s t e m (n, cuTtisum (x! , ' l í ' , ' f i l l e d ' )
s e t ( p , ' L i n e W i d t h ' , 2 , 'MarkerSize' , 4) ;

FIGURA 2.76
Acumulación de un
coseno en TD.

Observe que esta acumulación del coseno (vea la figura 2.76) se asemeja muchísimo (aunque no es exactamente
igual) a una función seno en TD. Eso ocurre porque el proceso de acumulación es análogo al proceso de integración
para funciones de TC y la integral de un coseno es un seno. •
 7 0 Parg(n] Impar g[n]

I 1I
FIGURA 2.77
Ejemplos de funciones
enTD pare impar.

2.12 FUNCIONES PARES E IMPARES EN TIEMPO DISCRETO

Al igual que las funciones en TC, las funciones en TD también pueden clasificarse mediante las propie-
dades de pandad e imparidad. Las relaciones de definición son completamente análogas a las de las
funciones en TC. Si g[/T] = gf- n]. entonces g[n] es par y si g[n] = - g[- n], g[n] es impar La figura 2.77
muestra algunos ejemplos de funciones par e impar en TD,
¡1 Las partes par e impar de una función g[í!] en TD se encuentran exactamente de la misma forma
que en el caso de las funciones en TC.

g[n] + g [ - n ] g\n] - g[-n]

ge[n] = goín] = (2.149)
2 ' =^ ' 2

Una función par tiene una parte impar que es cero, y una función impar tiene una parte par que es cero.

EJEMPLO 2.7

/ 2—/) \
¿Cuáles son las partes pareimpardela ftinción g[« ] = sen j (1 + h ") ?
• Solución

— 1(1 + sení ^ 1 ( 1 + (-n)-l

g.l"] =

sen I I (1 -h «-) - sen (I + n')

= O (2.150)

= sen( ^^y^ (2.151)

La función 2[ji] es impar.

SXJMAS, P R O D U C T O S , D I F E R E N C I A S Y C O C I E N T E S

Todas las propiedades de las combinaciones de funciones que se aplican a funciones en TC también se
aplican a funciones en TD. Si dos funciones son pares, su suma, diferencia, producto y cociente también
son pares. Si dos funciones son impares, su suma y diferencia son impares, pero su producto y cocien-
te son pares. Si una función es par y otra es impar, su producto y su cociente son impares. Las figuras
2.78 a 2.80 muestran algunos ejemplos de productos de funciones par e impar en TD,
 2.12 Funciones pares
e impares en tiempo
discreto

(5>
m

r FIGURA 2.78
Producto de dos
funciones en TD pares.

ACUMULACIÓN

La integración de ias funciones en TC es análoga a la acumulación de las funciones en TD. Se cumplen

propiedades similares para las acumulaciones de funciones e n T D que son similares {aunque no idénti-
cas) a aquellas correspondientes a integrales de funciones en TC. Si g[«] es una función par y W es un
entero positivo.

N
¿I g[n] = g[0] + 2 ¿ g [ n ] (2.152)
n=-N N=L

y, si g[n] es una función impar.

(2.153)
n=-N

(figura 2.81).

llk gi[nlg2l"l

1
Sil"!
R

lllT FIGURA 2.79

I F m Producto de dos
funciones en TD
impares.
 1

Sil")
r Ul

Mk
FIGURA 2.80
Producto de una
función en TD par y
una impar.

2,13 FUNCIONES PERIÓDICAS EN TIEMPO DISCRETO

Una función periódica en TD es aquella que es invariante a la transformación

/!->/! + mN (2.154)

donde N = cualquier periodo de la función

m = cualquier entero
A'(] = periodo fundamental

El periodo fundamental es el tiempo discreto positivo mínimo en el que se repite la función. La figura
2.82 muestra algunos ejemplos de funciones periódicas en TD.
La frecuencia en tiempo discreto fundamental es F,, = \/N^^ en ciclos o = 2TT/N¡^ en radianes.
Observe que las unidades de la frecuencia en TD no son hertz o radianes por segundo ya que las unida-
des de tiempo discreto no son segundos. De! mismo modo que el tiempo discreto no es realmente

Suma 1 Suma 2
gf'd gi«]

T R r^N
Suma I = Suma 2

Impar g[n] ^0

J
Suma 1

•ll L ll T T.LÍ
l
-
-/l
FIGURA 2.81 MI
Acumulaciones de 1
funciones en TD par e Suma 2 FIGURA 2.82
impar. Suma 1 = -Suma 2 Ejemplos de funciones periódicas con periodo fundamental A^g.
 1 jlll
*1
f , JÍT lll. íí
11*
.ÍÍT
1'
jljj
If
+ -5

FIGURA 2.83

La función g[n] = 2 cos

4
/
( ÓTTÍÍ \
—7— I en TD.

tiempo sino más bien un número entero de tiempos de muestreo. La frecuencia en TD no es en realidad
frecuencia sino más bien el número de ciclos o radianes que ocun-en entre dos tiempos discretos conse-
cutivos.

E j e m p l o 2.8

Grafique la función en TD

g[n] = 2cos ^ — j - 3 sen — j (2.15S)

Sührc el intervalo -50 < < 50. A partir de la gráfica determine el periodo.

• Solución
Véase la figura 2.83.

2.14 E N E R G Í A Y P O T E N C I A D E L A S E Ñ A L
Es importante en este punto establecer cierta terminología que describa la energía y la potencia de
señales. En el estudio de señales en sistemas, éstas se consideran a menudo como abstracciones mate-
máticas. Muchas veces el significado físico de la señal se desconoce o ignora en aras de la simplicidad
del análisis. Las señales comunes en los sistemas eléctricos serían voltajes o corrientes pero podrían ser
carga o catnpo eléctrico o alguna otra cantidad física. En otros tipos de sistemas una señal podría ser una
fuerza, una temperatura, una concentración química, un flujo de neutrones, etc. Debido a los muchos
tipos diferentes de señales físicas que es posible operar mediante sistemas, en ocasiones en un solo
sistema, se ha definido el término energía de la seña!. La energía de la señal | contrario a solatnente
energía) de una señal en TC se define como el área bajo el cuadrado de la magnitud de la señal. Si x{f)
es una señal en TC, su energía de señal es

\Mt)\-dt (2.156)

Por lo tanto, las unidades de la energía de la señal dependen de las unidades de la señal. Si la unidad de
la señal es el volt (V), la energía de la señal se expresa en V- • s. La energía de la señal se define en esta
forma para ser proporcional a la energía física real entregada por una señal pero no necesariamente
igual a esa energía física. En el caso de una señal de voltaje v(í) a través de un resistor R, la energía real
entregada al resistor por el voltaje sería

|v(f)|-
Enersia = / di = — I v IN\-DT =
(2.157)
J R R J R
74 De acuerdo con esta definición la energía de la seña! es proporcional a la energía real y la constante de
CAPÍTULO 2 proporcionalidad, en este ca.so, es R. Para un tipo diferente de seña!, la constante de proporcionalidad
Descripción ^^""'^ diferente. En muchos tipos de análisis de sistemas el uso de la energía de la .señal es más conve-
matemáíica de señales niente que el uso de la energía física real.
La energía de la señal para una señal en TD se define de una manera análoga como

(2.158)

y las unidades son simplemente el cuadrado de las unidades de la propia señal.

EJENIPLO 2.9

Determine la energía de la señal de

xíf) (2.159)

• Solución
De acuerdo con la definición.

00. ^ 'X

E,= j \Ut)\^d¡= j 3tri^^j ' ' ' ' " ^ Z '"^(í)^''' ^^'^^^

Si se utiliza la definición de la función triángulo

^ ( l - i n |f|<l
tri(f) (2.161)
.LO |r|>R

tri (í/4) se define mediante

1 - <1 o |f|<4
(2.162)

>1 o |fi>4

4 ,
(2.163)

-4

Puesto que el integrando de (2.163) es una función par.

4

E... = 1 8 / ( l ^ | i | ) . . . 1 8 / ( l - i ) ' . , = 1 8 / ( , - i + n ) , ,

.1 T *
= 18 f 1 = 24 (2.164)
4 48 o

E.ÍEMPLO 2.10

Determine la energía de la señal de

/ 1 \ "
= y-J U[Í;1.
(2.165)
 • Solución
Dé la definición de la energía de una señal en TD,

E, = E u - i „ ] p = ¿ uf.]| =E|(^) I = £ ( 2 )

1 1
(2.166)

Esta serie infinita en ('2.166) puede reescribirse como

1 1
(2.167)

En (2.167) es posible utilizar la tórmula para la sumatoria de una serie de potencias

\ —^— = 1 + A- + . V - H . |.v| < I (2.168)

para obtencj'

i 3 ' (2.169)
4

En muchas .señales encontradas en el análisis de señales y sistemas, ni la integral

eo

dt (2.170)

ni la sumatoria

I convergen debido a que la energía de la señal es infinita. Esto suele ocumr debido a que la señal no está
limitada en el tiempo. (Limitada en el tiempo significa que la señal es distinta de cero tínicamente en un
(2.171)

tiempo finito.) Un ejemplo de una señal en TC con energía infiíñta sería la señal senoidal.

x(t) = A C O S ( 2 T Í - / O Í ) . (2.172)

La energía de la señal es infinita debido a que. dado un intervalo de tietnpo infinito, el área bajo el
cuadrado de esta señal es infinito. La secuencia unitaria es un ejemplo de una señal en TD con energía
infinita. En señales de este tipo suele ser más conveniente tratar con la potencia promedio de la señal en
vez de con la energía de la señal. La potencia promedio de una señal en TC se define mediante

I
T/2

= lím - í |x(r)R dt (2.173)

T^-^ T J

En esta definición de la potencia promedio de la señal, la integral es la energía de la señal en un tiempo

T, y ésta se divide después entre T para producir la potencia promedio de la señal en el tiempo T.
Entonces, cuando 7 tiende a infinito, dicha potencia promedio se convierte en la potencia promedio de
la señal durante todo el tiempo. Para señales en TD la definición de la potencia de señal es

1
Pv = lira (2.174)
tJ^oo 2N n=-N

que es la potencia promedio de señal para todo el tiempo discreto.

 Para señales periódicas, el cálculo de la potencia promedio de la señal quizá sea más simple. El
valor promedio de cualquier función periódica es el promedio en cualquier periodo. Por lo tanto, puesto
que el cuadrado de una fimción periódica también es periódico, para señales periódicas en TC,

+T
I j
I...

Pv =Y \Mf}\'dí = y |x(í)|-
(2.175)

donde la notación J y significa lo mismo que I,'"^'^ para cualquier elección arbitraria de t^. donde T puede
ser cualquier periodo (usualmente el periodo fundamental). Para señales e n T D

I k+N-l j
(2.176)

donde k es cualquier entero y la notación Z„=(/v) significa la sumatoria a través de cualquier intervalo de
longitud N, donde A' puede ser cualquier periodo (casi siempre el fundamental).

EjEMPL0 2.lt

Determine la potencia de señal de

x(r) = A COS(2TT/|)/ + 6). (2.177)

• Solución
A partir de la definición de potencia de señal para una señal periódica,

T¡,/2
P.. = f[\'^ C0s(2Tr/„r + e)|- dl = ^ j eos- (^^í + e jí/í. (2.178)
- l 7-0/31

Si se utiliza la identidad trigonométrica

cos(.v) cos( V } = - [ C O S ( . V — v) + eos(.v + y)] (2.179)

en (2.178), se obtiene

A~_
2T,
-(r„, 21

/
r,i '2

dt. (2.180)
2Tu

La segunda integra! dei lado derecho de (2.! 80) es cero porque es ¡a integral de una senoide sobre exactamente dos
periodos fundamentales. Por lo lanío, la potencia de señal es

A-
(2.181)

Observe que este resultado es independiente de la fase 6 y de la frecuencia /,,. Sólo depende de la amplitud A.

Las señales que tienen energía de señal finita se conocen como .señale.^ de energía y las que tienen
energía de señal infinita pero potencia de señal promedio finita se denominan señales de potencia. Nin-
guna señal física real puede tener en realidad energía infinita o potencia promedio infinita debido a que
no hay energía o potencia suficiente en el universo. Sin embargo, a menudo es posible analizar señales
que, de acuerdo con su definición matemática rigurosa tienen energía infinita, una senoide por ejemplo.
¿Qué tan importante puede ser un análisis si se efecttta con señales que físicamente no pueden existir? ¡Es
 Señales de energía Señales de potencia 77
2.14 Energía y
potencia de la señal

1
> <
•

T 1 TTTL R [ FIGURA 2.84

Ejemplos de señales de
11 1 energía y potencia en
TC y TD.

muy importante! La razón es que las senoides matemáticas que tienen energía de señal infinita siempre
han existido y siempre existirán. Desde luego, las señales reales que se usan en los sistemas y se denomi-
nan senoides nunca tienen esa cualidad exacta. Todas empezaron en algiin tiempo finito y, presumible-
mente, terminarán en algún tiempo finito posterior y, en consecuencia, en realidad están limitadas en el
tiempo y tienen energía de señal finita. No obstante, en muchos análisis de sistemas se efectúa el estudio
del estado estable de un sistema en el cual todas las señales se tratan como si fueran periódicas. Por lo
tanto, el análisis sigue siendo muy importante y úül porque es una buena aproximación a la realidad.
Existen otras señales con energía de señal infinita o potencia promedio de señal. Todas las señales perió-
dicas son de potencia [excepto la señal trivial, x(r) - 0] debido a que todas perduran por un fiempo infi-
nito. La figura 2.84 presenta ejemplos de señales de energía y potencia en TC y TD.

E j e m p l o 2.12

Mediante MATLAB determine la energía o potencia de señal de las siguientes señales:

^(0=tri(^)
 c) Una señal periódica de periodo ftindamental 10, descrita en un periodo mediante x(íj = -3;, - 5 < í < 5.

d) x|íí] = 4 comb:;[H] - 7 comb^ln]

Compare después los resultados con cálculos analíticos.

• Solución
% Programa p a r a c a l c u l a r l a e n e r g í a o l a p o t e n c i a de s e ñ a l de a l g u n a s s e ñ a l e s de ejemplo.
% (a)
dt = 0 . 1 t = -7:dt:13 % Se e s t a b l e c e un v e c t o r de t i e m p o s en e l cual
% c a l c u l a r l a f u n c i ó n . El i n t e r v a l o
% de t i e m p o e s 0 . 1 .
X = tri((t-3)/IQ) % Se c a l c u l a n l o s v a l o r e s de l a f u n c i ó n
% y sus cuadrados.
xsq = X. 2 ;
Ex = t r a p z ( t , x s q ) ; % Se u t i l i z a l a i n t e g r a c i ó n n u m é r i c a de l a r e g l a
% t r a p e z o i d a l para determinar e l área bajo la
% f u n c i ó n cuadrada y s e e x h i b e e l r e s u l t a d o .
disp a) Ex = ',num2str(Ex)1)
% (b)
n = -100:100 % Se e s t a b l e c e un v e c t o r de t i e m p o s d i s c r e t o s
% en e l cual s e c a l c u l a e l v a l o r de l a f u n c i ó n .
% Se c a l c u l a e l v a l o r de l a f u n c i ó n y s u c u a d r a d o .
X = e x p ( - a b s ( n / l O ) ) . * s i n ( 2 * p i * n / 4 ) ,• x s q = x . * 2 ;
Ex = s u m ( x s q ) ; % Se u t i l i z a l a f u n c i ó n suria en MATLAB p a r a d e t e r m i n a r
% la energía total y exhibir el resultado.
d i s p ( [ ' ( b ) Ex = ' , n u m 2 s t r ( E x ) ] ) ;
% (c)
TO = 10 ; % El p e r i o d o fundamental e s 10.
% Se e s t a b l e c e un v e c t o r de t i e m p o s en e l c u a l s e c a l c u l a
dt = 0 . 1 ; t = -5:dt:5 ; % l a f u n c i ó n . E l i n t e r v a l o de t i e m p o e s 0 . 1 .
% Se c a l c u l a n l o s v a l o r e s de l a f u n c i ó n y s u s c u a d r a d o s
X = -3*t ; xsq = X."2 ; % s o b r e un p e r i o d o f u n d a m e n t a l .
% Se u s a l a i n t e g r a c i ó n n u m é r i c a de l a r e g l a t r a p e z o i d a l
Px = t r a p z ( t , x s q ) / T O ¡ % para determinar e l área bajo la función al cuadrado,
% se divide el periodo y se exhibe e l resultado.
d i s p ( [ ' ( c ) Px = ',num2str(Px)]
% (d)
NO = 35 ; % El p e r i o d o fundamental e s 3 5 .
n = 0:N0-1 ; % Se e s t a b l e c e un v e c t o r de t i e m p o s d i s c r e t o s s o b r e
% un p e r i o d o e n e l c u a l s e c a l c u l a e l v a l o r de l a f u n c i ó n .
% Se c a l c u l a e l v a l o r de l a f u n c i ó n y s u c u a d r a d o ,
x = 4*corabN0n(5,n) - 7 *combNOn(7,n} ; x s q = x . * 2 ;
Px = s u m ( x s q ) / N O ,• % Se u s a l a f u n c i ó n suma de MATLAB p a r a d e t e r m i n a r
% l a p o t e n c i a promedio y e x h i b i r e l r e s u l t a d o .
d i s p ( [ ' ( d ) Px = ' , n u m 2 s t r { P x ) ] ) ;

La salida de este programa es

(a) Ex = 6.667
(b) Ex = 4.9668
(c) Px = 75.015
(d) Px = 8.6

Los cálculos analíticos son como sigue:

- 3\ / \ \
a) E,= j \x{t)fdt= j tri(^- <"=/
-•X.

11)
20
= — = 6.667 Verificación
J \ 5 100/ L 10 300 3
 sen
V 4 ;

- Ü

= E
(V ^^ )/

= - E ^ " " " ' ' U - cos(-rríi)) + - E ^'''^''d - cosí 1 7 0 ) )

fi=0 n=0

00 /

2 }

11/31
u=0 Ln = 0 ,1=1)

Utilizando la fórmula para ia suma de una serie geométrica.

11=0

1 1
1 „ f,[j^-H/5)] ¡ _ ^[-JTT-d/.ilJ

2 _ ^ i - / ^ - f 1/5)1 _ 1/5)1
1 1
|_ 1 _ EÍ-'--' I •'-'^'1 - íl-J^-lV5)l + g-C/íi

2 _ £ , - i i / í i ( ^ - i i T ^ p j , 7 ^
1 1
1 - <'-''-'' 2 Ll - 2 t ' - ' i ' 5 ' c o s ( T T ) H - e - ' - ' ^ '

5 +^-(1/5,

1 1.8187
= 4.966 Verificación.
0.1813 1 + 1.637 + 0.67

i r 1 W . ' i ^ 375
Verificación.
-5

.V|,-l

^ 1 ii=(.v„) ,i=u

Los impulsos en las dos funciones comb sólo coinciden en múltiplos enteros de 35. Por lo tanto, en este
intervalo de la sumatoria coinciden sólo en n = 0. La intensidad del itupulso neto en n = O es por lo tanto - 3 .
 Todos los otros impulsos ocurren aislados, y la suma de los cuadrados es igual que el cuadrado de la suma. Por
consiguiente,

1 í ^
\ 11=0 "=-^ 11 = 7 "=10 ,1=14 "=I5 n = 20 „^2I " = -5 Jl = 2S li=3ü/

9 + 6 X 4^+4 X (-7)- 9 + 96+196

= 8.6 Verificación.
35 35

2.15 RESUMEN DE PUNTOS IMPORTANTES

1. Los términos continuo y tiempo continuo significan cosas diferentes.
2. Una señal en TD puede formarse a partir de una señal de TC mediante muestreo.
3. Una función en TD no está definida en valores no enteros de tiempo discreto.
4. Dos señales en TC que difieren sólo en un niímero finito de puntos üenen exactamente el mismo
efecto sobre cualquier sistema físico en TC.
5. Un impulso en TC. aunque es muy útil en el análisis de señales y sistemas, no es una función en el
sentido ordinario.
6. El orden en el cual se realizan las transformaciones funcionales múltiples es importante.
7. Las señales en TD formadas mediante el muestreo de señales periódicas en TC pueden tener un
periodo diferente e incluso ser aperiódicas.
8. Dos descripciones analíticas diferentes de funciones en TD pueden ser idénticas.
9. Una versión desplazada en el tiempo de una función en TD sólo se define para desplazamientos
enteros de tiempo discreto.
10. El escalamiento en el tiempo de una función en TD puede producir diezmo o valores indefinidos,
fenómenos que no ocurren en el caso de funciones en TC escaladas en el tiempo.
11. La energía de seña! no es, en general, lo mismo que la energía real que entrega una señal.
12. Una señal con energía de señal finita se denomina señal de energía, y una señal con potencia
promedio fmita recibe el nombre de señal de potencia.

EJERCICIOS CON RESPUESTAS

1. Si g(f) = le--'-^. escriba y simplifique cada función.

a) g(3) b) g{2-t)

O g ( ¿ + 4
d) g(jt)

e) gijt) + gi-jt)

g((j;-3)/2)+g((-77-3)/2)
./)

Respuestas:

7cos(r), 7^^+2', 7e-J2'-3, 7í'-í'^'-ii, 7¿.-3 cos(2r), 7í'-9

2. Si g(.v) = .v2 - 4,v + 4, escriba y simplifique cada función.

a) g{z) b) giu + v)
C) g{0') d) g(g(f))
e) g(2)

Respuestas:
(eJ' - ly. - 4 ; + 4, O, + + 2uv - 4M - 4í; + 4,
/•i-8/3 + 20í^-16r + 4
 3. ¿Cuál sería el valor numérico de g en cada una de las siguientes instrucciones de MATLAB? 01

d) t = 3 ; g = sen(t) ;
b) X = 1 :5 ; g = cos (pi*x) ;
C) f = -1:0.5:1 ; W = 2*pi*f ; g = l . / ( l + j * W ' ) ;

Respuestas:

"0.0247 + jO.155
0.0920 + jO.289
0.1411, [-1,1,-1,1,-1], 1
0.0920 - ./0.289
L0.0247-70.155J

4. Considere que dos funciones se definen mediante

1 sen(20'i7r) > O t sen(2'ní) > O

si(í) = X2(/) =
-1 sen(20IT/) < O —t sen(2TRÍ) < O '

Grafique el producto de estas dos funciones contra el tiempo dado un intervalo de tiempo
" 2 < f < 2.

Respuesta:

x(í)

-2

-2 +

5. Para cada función g(/), dibuje g(-f), -g(r), g(f - 1) y g(2/).

a) m b)

- I

Respuestas:

g{-Ó -g(f)
I
4 -- 3

-1

-4 + -3 +

g { í - 1) g(2/) g(2/)
k
4-- 4-

L
1 3 2
82 6. Una función G(/) se define mediante

G(/) = e-^-^^ rtcl(^^y

Grafique la magnitud y la fase de G ( / - 10) + G ( / + 10) dado el intervalo - 2 0 < / < 20.

Respuesta:

|G(/)|

1 --

-20 20

Fase de G ( / )

1
-20
11 — IT -
ll 1 -
20

7. Dibuje las derivadas de estas señales.

a) x(f) = sinc(r)
b) x(f) = ( ! - e - O u ( í )

Respuestas:

8. Dibuje la integral desde infinito negativo hasta el tiempo f de estas funciones que son cero para
todo tiempo anterior al dempo t = 0.

a) fe)
g(Ó

I -

I 1 I '
1 2 3
Respuestas: 83

1-
1
2"
/ ¡ i
T I
1 2 3

9. Determine las partes par e impar de estas funciones.

a) g(f) = 2í'-3f+6 b) g(r) = 20cos^40'iTr -

2r-3í + 6
rf) gfO = sinc(í)

e) g(r) = í ( 2 - f - ) ( l + 4 r ) /) g(í) = / ( 2 - / ) ( l + 4 Í )

Respuestas:

20 2r+ 9
r(2-4f'), — cos{407Tf), O, -r- -, Ir, O,
V2 1 -r^

20 . , , 6 + 5f-
sen(40'iTf). 2 r + 6. /(2 ^ 1 + 4r'), - s i n c ( f ) . -3í
^/2 - t'

10- Dibuje las partes par e impar de estas funciones.

a) b)

Respuestas:

1 - 1-
2
/V
1 1
1
k
•
1

^-1

g<.(0

I —

H—h
1 2
11, Dibuje el producto o cociente g(f) indicado de estas funciones.

a)
1 -
-1 -1

Multiplicación (^x) ^ gW

'A
1-
-1

-1

c)

-1

MuItiplicación^X^J—*- g(0
Multiplicaciónf4 X J Si<)

e)
1 -

-1 1

-1

Multiplicación ( ^ x ) — g ( r j

-1

8)

-!

T
División ( ^ Í ^ ) — - g(i) J
\ /
División í -
IT -

T —
1

Respuestas:

m
m 1 -ir

-1
-1
+ -1 -1 +
 }

«vi--
AAAA/
-1 + -1

m
-1
-1 • f e
-1

-1

12. Utilice las propiedades de integrales de funciones par e impar para evaluar estas integrales de la
manera más rápida.

1/20

(2 + t)dt b) j [4 cosClO-n-í) + 8 sen(5iT0] dt

-1 -(1/20)
1/20
1/10

c) j 4í cos(lOiTf) rff d) j t senílO-rrí) dt

-(1/20) -d/io)
I

dt f) j re-l'l dt

-1 -1
Respuestas;

i l
O, , O, 1.264, 4
IOTT' 50TT'

13. Determine el periodo fundamental y la frecuencia fundamental de cada una de estas funciones.

a) g{f) = 10 c o s ( 5 0 T T r )

b) git) = 10 eos ( 50lT? + -

c) git) = cos(50TTr) + senílS-n-r)

d) g(t) = cos(2TTr) + senCSirr) + cosí Sur —j

Respuestas:

2s, — s, 2 . 5 Hz, — s, -Hz, 0.4 s, 25 Hz, 25 Hz

25 25 2

14. Determine el periodo y la frecuencia fundamentales de g(f).

a) g(o m

• g(')
 A

Respuestas:

1 Hz. 2 Hz,- s. 1 s, - s, 3 Hz
2 3
15. Grafique estas funciones en TD.

/2TT(«-2)

12;
, - 3 sen
V 8 ) -24 < H < 24

b) X [ / T ] = 3ííe"'"^^l -20<n<20

c) x[n] = 21 ( ^ - j + 141' -5 < n < 5

Respuestas:

xtn]

2 000--

-5
-2CX)0 +

A
6 -

TTTttfTTt T «TTT»tTT» lillllllíllílinn,,.

¿ '111' 'ijl 24 -2V^''iUll||||| 20
-7 +

16. Sea X|[n] = 5 cos(27t«/8) y x^í^] = -8e"*"'^'^ Grafique las siguientes combinaciones de estas dos
señales dado el intervalo en TD, - 2 0 < ?¡ < 20. Si una señal fiene algunos valores definidos y
algunos indefinidos, grafique sólo los definidos.

a) X[/T] = X| [n]x2[«] b) x[f!] = 4x,[n]-I-2x2[«]

xi[2«]
c) x[/!] = X,[2«]X2[3H] d) x[n] =
N TI
e) x[n] = 2xi — + 4X2 —
.2. .3.

Respuestas: x[n]
-20 5- 20
1 1 -
-20- 10 0 0 0 - - ,20 R

-50 000 + -40 -

 5 + 40--

-20 20
-20 20

-40 - -

m
20--

-20 20

- 4 0 -h

4¬
-10
1 I í T T t f * * * Jt ^^
lililí 1 M 10
-4 -
FIGURA E17

17. Una función g[n] (véase la figura El7) está definida por

-2, íi < - 4
—4 < « < 1.
g[«] = 4
1 < n

Dibuje
a) g[-n], b) g[2-H], c) g[2íi], d) g[n/2]

Respuestas:

gt-nl gl2 - n]

4--1

10 10
TttTTTTl ^.»»fTtTlT
-10
raT" -10

-4-b -4 +

gln/21

4 t 4-

-10
1 I IT
10 T 10

-4 -
 18. Dibuje las diferencias en adelanto de estas funciones en TD.

a) gl«] b) g[,i]

4. 1 +

-4 20 -4

g[«l = («/lO)-

4--

-4 20

Respuestas:

A g [ « - 1] Agl« - 11 Ag[n - 1]

0.5 1-- 1 -

-4 [ 1 1

-0.25 + 20
-4
-1 +
20 -4
-1 " l i J1 J
20

19. Dibuje la acumulación g[/i] desde infinito negativo hasta n de estas funciones h[«] en TD.
a) h[ii] = b) h[«] = u[n]
/2'TT«\
í/) h[n] = cos I — ^ lu[f!]

c) h[/!j = cos ( - j ^ lu[n]

e) h[n] = cos + 8]
Respuestas:
h['d h[n\

1"
TTr. .tTÍI ,
-16 '*16 "
g[ "1
gt"]

3-
mu, ., 1-r
-16 _3_

-16 16

h[«]

1 " tTímtTTTTtrtt
.J i.

-16 16
.11 \h, .tTIÍ ,
g["]
Sin]

lUlllI llllll'i"""''l|llll • 16
-16 16
 h[»]

I .
..,t.,.,.iTt.,,,.t

g["]

3 --

-If) 16

20. Determine y dibuje las partes par e impar de estas funciones.

a) g[H] = u [ « ] - u [ H - 4 ] b) g[«] = e-<"/^'u[rt]

c) gLn] = eos I I í/) g[n] = seni ^ - ) u [ « ]

Respuestas:

1+
111
-10 10

1 +

TTT
J-LL
-10 iO
-1 +

S,['d

1 -
T t 4 * »• •
' * « t >•
10
n
-10
lU 10

R " I ; | T ' T " I

T T* • • • .
1 'lo * -10 10
-1 +

Dibuje g[n].

b)
g|[n]

1 -
ILLLTTTR,'." . . T T L Í L L I , ..
—¿
1
I.
10 10
-1 - - -1

Multiplicación (x)—»- g('0 g^i"] Multiplicación (x^—*- g(«)

I
1

1
1 +
-10
LÍR 1 T
ILT..
!0 -4
11
C) gil"]

1
[ 1I 1 1I . . .
..1
-4 2 0 ^ -10 10
-1 + -l -

Multiplicación f X gifj) Multiplicación ( x ) — • g(")

LLL LLL LLL It.llIllT

20 -10 10
+ -1 -1

Respuestas:
g[n] gi'ii

1--

-10
A l 1 ll I. llLL. .ll
10 -4| 1 IJL 1[1 i
1 + •^14-

g£»] g["
i i
1 -- I—

-4 20 -10 iO

22. Detertuine el periotio A^g y la frecuencia FQ fundamentales de estas funciones en TD.

1TÍ7
a) g[f¡] = cos I — I ¿) g[n] = c o s ( —

c) g\/i\ = cos j + eos \ - ^ \ d) g[«.] = e ^ ' ^ " " ' ^ " ' + í

e) g[n] = e-J<^™/í> + e-J'2^"/'íi

Respuestas:
1 1 I
JVo=10, Fo=—, /Vü = 3 5 , F „ = - , /V„ = 20, F,, = — ,
10 35 20

yVo=12, F o = ^ , M, = 20, Fo=^

23. Grafique las siguientes ftmciones y determine a partir de las gráficas el periodo fundamental de
cada una (si es periódica).

, , (2'nn\ /2-nn\
a) g[)i\ = 5 .seni ) + 8 cos
V 4 \ 6 y
/ 14-rT/!
b) g[n] = 5 s e n ( ^ ^ ^ + 8 cos
\ 8

c) g[H] = Re(e-'™ + e-><™^-'') d] gln] = Re{e'" + e-J^"^^^)

Respuestas:

1-
2 -

ja JX J J ,
-«llíl'lfítífV "
ITTIÍI
-24J l24

-12+J
^2
K w , , = 12

12-- 2-

i T.T.
4 1 1" Tj1 H
J J

I
I 11 T T .
-24J 24
-2>1 1^24

+ -12 ' -7 -
- A'„ = 24 • No periódica

24. Determine la energía de señal de estas señales.

a) x(í) = 2 rect(/) b) x ( í ) = A ( u a ) - u ( / " 10))

c) x(f) = u ( Ó - u ( 1 0 - 0 íí) x(í) rect(0 cos(27rf)
e) x(f) = rect(/) cosf47t/) /) x(f) = rectt/) sen(27if)
g] x[í7l =Arect,vJ«] h) x[n]=A5[n]

/) x[/;] = combvj^ [«] i) x[j!] = ramp[í!]

k) x[«] - rampL»] - 2 ramp[n - 4] -i- ramp[H - 8]

Respuestas:

oo, 44, oo, (2Nü + \)A-, ^, oc, lOA", ^, 4, A-, ^

25. Determine la potencia de señal de estas señales.

a) x(r) = A b) x(í) = u(f)

re

c) x(f) = A cos{2-n'/oí + 6) d) x(t) = A ^ '^^'^^^^ " 2;;)

e) x ( 0 = 2A 4- ^ rect(í - 2n) f) x[n] = A

oo

g) X[H] = \i[n] h) y.[n] = A rect2[?! - Swl

ji;=-rv:

i) x[n] = comb,v„[n] 7) x[/?] = ramp[j!l

Respuestas:

5A- A' 1 T 1 A- 1
2- 2' ^ ' y 2
 r 92 EJERCICIOS SIN RESPUESTAS
26. Mediante MATLAB, grafique la señal x(f) = sen(2;tí) en TC dado el intervalo de tiempo O < t
< 10, con las siguientes elecciones de resolución de tiempo A/ de la gráfica. Explique por qué las
gráficas tienen ia apariencia que se muestra.

1
24 2

8) 1

27. Dadas las definiciones de funciones, determine los valores de las funciones.

a) g(/) = 100 sen (^200TTr + g(O.OOl)

ra b) g ( í ) = 1 3 - 4 / + 6 / ^ g(2)

c) g(/) = - 5 . - - ' ^ - ^ - - ' g Q )

28. Dibuje estas funciones exponenciales y trigonométricas en TC.

íí) g(í) = 10 cosClOOnf) b) g{t) = 40 c o s í ó O t t í j + 20 sen{60TTí)

c) g(0 5^-"/'°' d) g(í) = 5e-^"'^ cos(2'Trf)

29, Dibuje estas funciones singulares y relacionadas en TC.

a) g(/) 2u{4 - í) h) giO u(20

^) g(r) 5 sgn(r - 4) d) g ( í ) 1 + sgn(4 - /)
g{!) 5 ramp(í + 1) f) g ( 0 - 3 ramp(20
g) g{r) 25(í + 3) h) giO 6 5 ( 3 f + 9)

'•) SIN -48(2(í - D) 2 comb

j) g(í)
r+ 1
gir) 8 comb(4í) —3 comb
g(0

m) g(t)
•(O
2 rect ( «) g(0
4 rect

t - 1
g(í) tri{40) P) g(f)
= - 6 trt

^) gil) = 55 sinc
sinc ( ( 0 '•) g(f)
- s i n c ( 2 ( í + D)

g(0 - 1 0 drcl(í, 4) 5 drcl0,

O g(0

") g(r) = - 3 rect(/ - 2) 0.1 rect

V) g(f)

mO g(r) 4 sinc(5(/ - 3))

^) g(í)

>') g(í) 4sinc(5f - 3)

30. Dibuje estas combinaciones de funciones en TC.

13)

c)
g(/) = U(./) - U(í -

g(/) = - 4 ramp(í)u(f - 2)
1) í?)

d)
gí/)=rect(

g(f) = sgn(f)
4)
sen(2TTí)

g(/) = 5e-"/^>u(f) ,/") g(r) = rectíO cos(2TTf)

g(/) = - 6 r e c t ( r ) cos(3TTr) g(f) = r e c t ( 0 tri(/)

 93
,) g(f) = rect(f) tri^r + 0

j) g(O = u(^/ + 0 ranipQ-f^

k) g(í) = ti-i'(f) D git) = smc^{í)

d
m) git) = |sinc(í)l ") g ( f ) = —(tri(O)
at

o) git) = rect y 2) ^ ''^'^^\ ^ 2)

P) g ( f ) = J [5{X+l)-25(\) + 5{X-l)]
-se

q) g(/) = 3tri(^yj+3rect(^^

r) g(/) = 6tri(^0 recl(^^ í) g(í) = 4 s i n c ( 2 ? ) 5gn{-í)

/ - n
/) g(í) = 2 ramp(/) rect «) g(í) = 4 t r i f ^ ^ V ( 2 - í )
2 ;

v) g(í) = 3 r e c t ( - 6 rect - vv) g ( 0 = 10 drcl

.2

Mediante MATLAB, grafique la función original y la función transformada para cada ftmción.

a) g(í) = 10 C O S ( 2 0 7 T O tri(r) 5g(2f) vs. t

-2 r < -1
2í -1 < í < 1
b) gW = - 3 g ( 4 - t) vs. t
3-r^ 1 < í < 3
-6 t > 3

c) g{t) = ^t{e^^' +e^''^') vs. t

5
d) G(/) = | G ( 1 0 ( / - I0)) + G ( 1 0 ( / + 10))1 vs. /
- y2 + 3

Sean dos señales definidas mediante

COS(2TTÍ) > 1 /2lTf\

x,(f) = = seni I.
cos(2Trí) < 1 V 10 /
Grafique estos productos dado ei intervalo de tiempo - 5 < / < 5.

a) xi(2f)x2(-r) h) Xl (^0X2(20/)
c) X, (^0 X2(20(f + 1)) d) X, X2(20í)

Dada la definición gráfica de una fiínción, grafique la(s) transfonnación(es) indicada(s).

fl) g{í) = O, r < - 2 o í > 6. Grafique t 2t and s.(t) -3s.(-t). g<')

-2
/
— y—

1 ^\ r \ 1 k
r 1 / 1 l 1 1 *
—2 '/ 2 3 - l 5 6
--2
r 94 b) g( r) es periódica con periodo fundamental cuatro.

Grafique f í + 4 y g(í) - j - _2g^^-y^^.

m
2¬
— 1

-2 ,-L/i 2 3 '5 6
-2 •

34. Para cada par de funciones graficadas, detertnine qué transformación se ha efectuado y escriba
una expresión analítica correcta para la transformación. Para la parte b). suponga que g(f) es
periódica con periodo fundamental 2, determine dos transformaciones diferentes que produzcan
el mismo resultado.

a)

2^
2 3
1 1 1 f 1 >
-2 -1- X . . . - ^ 4 5 6

g(í)

1 2 3 4
+5 6

35. Dibuje la magnitud y la fase de cada función contra / .

a) G ( / ) = sinc(/)e^^"'"-^'^' b) G(f) =
jf
+ j{fm
-;(ir//500)
c) Gif) rect
V 100 y \ 100 Jj
1
d) G(/)
2 5 0 - / - + ,/.V

e) G(/)

36. Grafique contra / , en el intervalo —1 < / < 4. la magnitud y la fase de cada función.

a) X ( / ) = sinc(/) b) X ( / ) = 2 s i n c ( / ) e-^^^^

C-) X ( / ) = 5 r e c t ( 2 / ) e+J-''^ d) X{f) = 10 s i n c - ( ^ )

e) X ( / ) = 7 5 8 ( / + 2 ) - y 5 5 ( / - 2 ) f) X ( / ) = 2 c o m b ( 4 / ) e"^-^

37. Dibuje las partes par e impar de estas señales en TC.

a) x(f) = recta - 1) b) x{í) = t r i - ^ + t r i + ^j

f — 77
c) x(t) = 4 sinc d) x(f) = 2 sen| 4iTt - — | rect(f)
38. Considere que la función de impulso unitario en TC se representa mediante ei líndte 95

8(.v) = lím - tri( - I, £7>0.

a-'Q a \ a )

La función (1/ÍÍ) tri ixid) tiene un área de uno independiente del valor de a.

a) ¿Cuál es el área de la función 6{4jr) = lím - tri ( — ) ?

fl-o a \ a }

V) ¿Cuál es el área de la función 5C - 6A- ) = lím tri f )?

a^ü a \ a J
1 / bx \
c) ¿Cuál es el área de la función b{bx) = lím - tri — para b positiva y para b negativa?
a^o a \ a /

39. Mediante un cambio de variable y la definición del impulso unitario, pruebe que

6(a(í - fo)) = - to).

\a\

40. Mediante los resultados del ejercicio 39, demuestre que

a) comb(a.r)=^ Y] SJ.v--).

h) El valor promedio de comb(a.v) es uno, independiente del valor de a.

c) Una función comb de la forma, (l/a) comb(r/fl) es una secuencia de impulsos unitarios espa-
ciados por a unidades.
d) Aun cuando 5{at) = (l/\a\}5{t}. comb(íí.v) # (l/|fl|) comb(.v).

41. Dibuje la derivada generalizada de g(íj = 3 sen (tzt/2) rect(f).

42. Dibuje las siguientes funciones en TC.

a) g(í) = 38(3r) + 68(4(f - 2)) b) g(/) = 2 comb( - -

c) g(/) = comb(í) rect( — d) gír) = 5 sinc|^0 ^comb^0

e) g{t) = — / comb —combT \ dK

2 Jl \2j \ 2 ) _
43. ¿Cuál es el valor numérico de cada una de las siguientes integrales?

a) j 6 ( 0 cos(48TTr) dt b) j bit - 5) C O S Í T T / ) dt
--K

29 20

c) j bit - 8 ) t n ( ^ ) dt d) y 8(í - 8) rect^:j^

16/
dt
\

o o
2

e) j bit - l.í.5) sinc(f) dt f) / s ( í - i - 5) sinc(4í) dt

44. ¿Cuál es el valor numérico de cada una de las siguientes integrales?

ce

comb(í) cos{48iT/) dt b) j comb(f) sen(2iTr) dt

 30 ^
CAPÍTULO 2
Descripción c) y*comb^^^j rect(/) í^/ d) j comb(t) sinc{t) dt
matemática de señales O -2

45. Dibuje las derivadas de estas funciones en TC.

a) g(r) = sen(27r/) sgn(/) b) g(f) = 2 t r i Q - 1

C) g(í) = |COS{2'7Tí)|

46. Dibuje las derivadas de estas funciones en TC. Compare los valores promedios de las magnitudes
de las derivadas.

-1 y

1
i • 1 1 T 1 1 1 1 •! 1 1 1 1
-2 2 4 6 8 10 12

II > I r M I
8
I n I M I—
10 12

.7 \ / \ r...
1
i 11 ]
1
\
1 1I '1'1I 1I 11 1I 1M
1
r I 11 1I 'II 11 '
1

-2 2 4 6 8 10 i2

47. Una función g(/) tiene esta descripción: es cero para í < - 5 . Tiene una pendiente de - 2 en el
intervalo - 5 < f < - 2 . Tiene la forma de una onda seno de amplitud unitaria y con frecuencia de I
Hz más una constante en el intervalo - 2 < í < 2. Para r > 2 decae exponencialmente hasta cero con
una constante de tiempo de 2 s. Es continua en todos lados. Escriba una descripción matemática
exacta de esta función.

a) Grafique g(/) en el intervalo - 1 0 < í < 10.

b) Grafique g(2í) en el intervalo - 1 0 < / < 10.
c) Grafique 2g(3 - t) en el intervalo - 1 0 < r < 10.

d) Grafique -2g(^-^^ en el intervalo - 1 0 < í < 10.

48. Determine las partes par e impar de cada una de estas funciones en TC.

a) g(r) = 10 sen(20TTí) b) g(r) = 20t^

r) g ( 0 = 8 + 11- d) g{0 - 1 + í
e) g(/) = 6i f) g í O - 4í c o s í I O t t í )
cosí i r r ) sen(4iTf)
g) g(f) = h) g(í) = 1 2 +
TTt
i) g(f) = ( 8 4- 7 r ) cos(327rí) j) git) = (8 + 7 r ) sen(32iTO

49. ¿Hay una función que sea tanto par como impar? Explique.
50. Determine y dibuje las partes par e impar de la señal x(í) en TC, que se muestra en la figura E50.
51. Para cada una de las siguientes señales en TC decida si son periódicas y, en ese caso, determine el
periodo fundamental.

a) g(í) = 28 s e n ( 4 0 0 T r f ) b) g(í) = 1 4 + 40 cosíóOirr)

c) g(í) = 5/ - 2 cos(5 OOOiTí) d) g(í) = 28 sen(400TTO + 12 COS(500TT/)

e) g(í) = 10 sen(5r) - 4 cos(7r) j) g(r) = 4 sen(3f) + 3 sen(^/3í)

52. El voltaje que se ilustra en ia figura E52 ocurre en un convertidor analógico-digitai. Escriba una
descripción matemática de éste.
53. Una señal que ocurre en un aparato de televisión se ilustra en la figura E53. Escriba una descrip-
ción matemática de la misma.
54. La señal que se ilustra en la figura E54 es parte de una transmisión de datos binarios de manipula-
ción binaria de desplazamiento de fase (BPSK). Escriba una descripción matemática de la misma.

\ — f (ms)

FIGURA ESO FIGURA E52

Señal que ocurre en un convertidor analógico-digitai.

x(r) x(í)
i4
-10 60
í(|i.s)
4
• í(ms)

-10 i
FIGURA E53 FIGURA E54
Señal que ocurre en un aparato de televisión. Señal (BPSK).

ffns)
-1.333.3

-6 +

FIGURA E5S
Respuesta transitoria de unfiltroRC.

55. La señal que se ilustra en la figura E55 es la respuesta de un filtro pasabajas RC a un cambio
repentino en la excitación. Escriba una descripción matemática del mismo.
56. Encuentre la energía de señal de cada una de estas señales:

a) x(f) = 2 r e c t ( - / ) b) x(í) = rect(8r)

c) x( (O = 3rect(0 d) x(í) = t r i ( 2 0

e) x(r) f) x(í) = 2 sen(200'TTf)

 g) x(r) = S(í) {Sugerencia: determine primero la energía de señal de una señal que se aproxima
a un impulso en algún límite y luego tome el límite.)

h) x(/) = — (rect(í)) d) x(í) = j rect(\)í/\

dt
—OO

;) x(t) = e^~'-^^^>'u{t)

57, Determine la potencia promedio de la señal de cada una de estas señales:

a) x ( 0 = 2sen (2007TO b) x(f) = comb(í)

c) x(í)=e^'«""'

58. Dibuje estas funciones exponenciales y trigonométricas en TD.

/2-iT«\
a) g[n] = -4 cos {-^j b) g[n] = -4 COS(2.2TT«)

Í2ttn\ f2vn\

c) g[n] = - 4 cos( 1.8-17/!) d) g[„] = 2 cos I I - 3 seni )

e) g[n] = Q) /) g[n] = 2(0.9)"sen(^)

59. Dibuje estas funciones singulares en TD.

a) g ¡n] = 2u [n + 2] b) g[«l = U[5H]

c) g [rt] = - 2 ramp[-«] d) g[n] = 10 ramp

e) g[n] = 7Sí«-l] f) g[«] = 7 6 l 2 ( « - l ) ]

2
g) g [n] = - 4 8 -n h) g[n] = - 4 6 -n - 1
3 3
') g ["] = 8 comb4 [n] I) g[/!] = 8 comb4[27!]

k) g[n] =z rect4[«] l) g[n] = 2 rects

m) g[n] = tri(^^j n) g[«] =-sinc(^J^

o) g[n] = sinc P) g[H] = d r c l ^ : ^ , 9 )

60. Dibuje estas combinaciones de funciones en TD.

a) g[n] = u[n] + U[-H] b) g[n] = u[«] - u [ - r t ]

2'TT«
C) g[/!] = eos comb 3 [/z]
IT
/ 2'Trn ^ [n
d) g [ í ¡ ] = cos I I combj —

/^2Tr(n + 1) 277/! \
e) a[n] = e o s u[/í + 1] — cos u[/i]
~i2r)
^ /2TTm\
,/) g[«] = 2 ^ cos I lu[í7!]

'i

g) g[í!] = ffl=0
E (comb4[??j]— comb4[m - 2])
 h) g[f!] = (comb4[w] + comb3[m])rect4[m]
«1=0
/) g[n] = combiLíi + 1] — comb 2 [«J

m=-oo jn=-oo

61. Dibuje la magnitud y la fase de cada función con respecto a k.

a) GLyt] = 2 0 s e n ( ^ ) . - - ' ' - ^ / ^ ' b) Q^ = 20 eos sinc (

c) G [k] = (6 [k + 8] - 28 [i + 4J + S [A-] - 26 [k - 4] + 6 [í: - 8]) 6^'"""^^

62. Dadas las definiciones de funciones, determine los valores de las mismas,

3n + 6
a) g[n] = —-—e g[3]
10

b) g[n] = Re g[5]
V 2

c) g[n] = (y27r;i)' + ylOirn - 4 g[4]

63. Mediante MATLAB, grafique la función original y la función transformada para cada función.

5 ÍI < 0
5 " 3/í O< » < 4
a) g[n] = g[3«] vs. n
-23 + i r 4</;<8
41 n>S

/2ttn\ litn
eos 4g[2(íi + l ) I vs. rt
b) g [ « l = 10 eos —j
c) g[«]= 8í^'-™'''^'u[HÍ vs. n

64. Dada la definición gráfica de una función g[n], grafique la(s) función(es) indicada(s) h[n].

íí) g[«] = O, |í¡| > 8 . Grafique h[í¡l = g[2« - 4 ] .

-8 -6 -4 -2

2 4 6
-9^
100 b) gín] = O, \n\ > 8. Grafique hln] = g[«/2].

g[ ^]

I^
1d
í
-8 -6
_4 - 4 - 2 -
I•
2
>

z '

11
1
c) g[n] es periódica con periodo fundamental 8. Grafique h[n] = g[«/2].

-8 - 6 -4 2 4
i — i — h ' -2 f-

-6

65. Dibuje la acumulación desde infinito negativo iiasta n de cada una de estas funciones en TD.
a) g[n] = eos (2JI77) u[n] b) g[n] = eos (47tn) u[/!]
66. Determine y dibuje la magnimd y fase de las partes par e impar de esta función discreta en k.
10
G[k] =
1 - j4k
67. Determine y dibuje las partes par e impar de la función en TD que se muestra en la figura E67.

68. Mediante MATLAB, grafique cada una de estas funciones de TD. Si una función es periódica,
encuentre analíticamente el periodo y verifique a partir de la gráfica.

10TT/I\
a) g[n] = sen b) g[n] = s e n ^ ^ ^ | + eos
2 J

A
4

z
-f
L
•
1fT
-í l 5 í
-7

FIGURA E67
 c) g[/!j = 5cos(^ — j + 3 . s e n í — 1

d) gbü = 10 cos (^^^

/ 2 T I H \ flttn [Sugerencia: sería útil aquí una identidad trigo-

e) g['¡] = - 3 c o s I — I seni —
nométrica.)

69. Dibuje las siguientes funciones en TD.

a) gín] = 5S[« - 2]-1-35 [ H - 1 - 1] h) g[n\ = 5^[2n] + 3 6 [ 4 ( « --2)1

c) gl'i) = 5(u[« - 1] - u[4 - n]) d) g["] = 8 rect4[f¡ -1- I]
/2'TTíA
e) gln] = 8cos ( ^ ^ j f) gín] -ÍOe"'-*u[íi]

8) gl"! = -10{1.284)"ufH] h) g[n\ =

i) g[«] = ramp[H -I- 2] - 2 rampín + ramp[/! - 2]

j) g[«] = rect2[nl coraba[n] k) g[«] = rectil/?] c o m b i í " -1- 1]
/ 2IT;! \ / 277/; n
0 g[n] = 3 s e n l — ^ 1 rect4[j¡] m) g[«l = 5 eos
.2.
V 8
70. Grafique contra k, en el intervalo, - 1 0 < A- < 10, la magnitud y fase de cada función.

a) X[k] = sinc b) X[k] = sinc í M e-^*^-*/^'

1
d) X[k] =
1+ jk/l

¡k
f) Xík] = c o m b 2 [ ¿ ] e - ^ ' ' ' ' ' * '
1+ jk/2

71. Dibuje las partes par e impar de estas señales.

a) x[/¡] = rect5[/7 + 2] b) x[/;] — combj[H - 1]

/2TTÍ! TT 2Tr)j
c) x[/!] = 15cos ( -h- d) x[n] ~ sen rectsín - 1]

72. ("Cuál es el valor numérico de cada una de las siguientes acumulaciones?

10
^ 1
E ramp[/i] b) E -
« = 0 N=Ü -

10
•sp u[/í]
d) E comb 3 [/i]
2" í;=-10
N=—OC
10 ce

E comb 1 [2/?] f) E sinc[n]

jt=-iü

73. Determine la energía de la señal de cada una de estas señales.

a) x[/!] = 5 rect4[«l h) x[/!] = 2S[«]-I-55[/Í - 3]

u[«]
c) x[«.] = d) xL/ z l = ( ^ - - j u[/¡]

e) x [ f i ] = cos ( - ^ ) (u[/!] - U [ H - 6])

102 74. Encuentre la potencia promedio de la señal de cada una de estas señales.

CAPÍTULO 2 a) X[H] = U[Í;] t) = (-1)" c) x[«l = Acosl^irFüí? + 0)

Descripción
matemática de señales fA n = • • , 0 , 1. 2 , 3 . 8 , 9 , 10, 11, 16, 17. 18, 19, •••
d) x[«] = O n = • • •, 4, 5, 6, 7. 12. 13, 14, 15, 20, 2 1 , 22, 23, • • •
 r A P T T TI 1. o 3
Descripción y análisis de sistemas

3.1 INTRODUCCIÓN Y OBJETIVOS

Las palabras señal y sistema se definieron de manera general en el capímlo 1. El análisis de sistemas es
una disciplina que ha sido desarrollada por los ingenieros, que se forman aprendiendo matemáticas
(cálculo diferencial, variables complejas, vectores, ecuaciones diferenciales, etc.) y ciencia (física, quí-
mica, biología, etc.). Esta educación es importante, debido a que un Ingeniero utiliza las teorías y las
herramientas matemáticas desarrolladas por matemáticos y las aplica al conocimiento del mundo físico
que ha sido descubierto por los científicos para diseñar cosas que realizan algo útil para la sociedad. Las
cosas que un ingeniero diseña son sistemas, pero, como se indica en el capítulo 1, el término sistema es
tan amplio y abstracto que es difícil de definir. Un sistema puede ser casi todo.
Una manera de definirlo es como algo que efectúa una función. Esto es, opera sobre algo y produce
algo más. Otra definición sería como algo que responde cuando se estimula o excita. Un sistema puede
ser eléctrico, mecánico, biológico, un sistema de cómputo, uno económico, uno político, etc. Los siste-
mas ideados por los ingenieros son sistemas artificiales, y mientras aquellos que se han desarrollado
orgánicamente a través de la evolución y el crecimiento de la civilización son sistemas naturales. Es
posible analizar algunos de manera muy amplia y completa a través de las matemáticas. Otros quizá
sean tan complicados que el análisis matemático resulte extremadamente difícil. Incluso otros no se
endenden bien debido a la dificultad de medir sus características. Aunque la definición del término
sistema es muy amplia, en ingeniería suele referirse a un sistema artificial que se excita mediante ciertas
señales y responde con otras señales.
Muchos sistemas fueron desarrollados en los primeros tiempos por artesanos que diseñaron y me-
joraron sus sistemas a partir de la experiencia y la observación, aparentemente sólo con el uso de las
matemáticas más simples. Una de las distinciones más importantes entre ingenieros y artesanos es que
los primeros ufilizan matemáticas elevadas, especialmente el cálculo, para describir y analizar sistemas,

OBJETIVOS DEL CAPÍT1,'L0

1. Introducir ía nomenclatura que describe las características importantes del sistema.

2. Formular técnicas para clasificar sistemas de acuerdo con sus características.
3. Formular métodos para determinar las respuestas a excitaciones arbitrarias de un tipo de sistema
muy importante.

DIAGRAMAS DE BLOQUES Y TERMINOLOGÍA DE SISTEMAS

Aunque los sistemas pueden ser de muchos tipos tienen algunas características en comtín. Un sistema
opera con base en señales en una o más entradas para producir señales en una o más salidas. En el
análisis de sistemas es muy útil representar a éstos mediante diagramas de bloque. Un sistema
muy simple con una entrada y una salida se representaría como en la figura 3.1. En este caso el
operador Ti actúa sobre la señal de entrada x(í) para producir la señal en la salida y(í). El operador y(i)
H podría efectuar cualquier operación general imaginable. La terminología común en el análisis
de sistemas es que si se aplican una o más de las señales de excitación a una o más entradas, FIGURA 3.1
aparecen las señales de respuesta en una o tnás salidas. Esto es, una señal aplicada en una entrada Un sistema de una entrada y
es una señal de excitación (o sólo una excitación) y una señal que aparece en la salida es una señal una salida.
 de respuesta (o sólo una respuesta). Otros nombres equivalentes son señal de entrada para la excitación
y señal de salida para la respuesta.

En este texto se hará referencia de manera consistente a una señal en una entrada como una excitación o
señal de entrada y a una señal en una salida como una respuesta o señal de salida. Algunos otros autores
utilizan sólo el término entrada tanto para ia ubicación donde se aplica la excitación como para la excitación
misma, y recurren al término salida tanto para la ubicación donde aparece la respuesta como para la respues-
ta misma. Esto es, no usan el término señal tanto para la señal de entrada como para la señal de salida. Si bien
e,so da lugar a cierta ambigüedad, casi siempre el significado es claro en el contexto.

Un ejemplo de un sistema sería un bote guiado por un timón. El empuje desarrollado por el propul-
sor, la posición del timón y la corriente del agua son excitaciones de este sistema, y la dirección y velo-
cidad del bote son respuestas (figura 3.2). Observe que este enunciado señala que la dirección y la velo-
cidad del bote son respuestas. No afuma que la dirección y la velocidad son las respuestas (que podrían
implicar que no hay ninguna otra). Prácticamente todo sistema tiene múltiples respuestas, algunas
Corriente significativas y otras insignificantes. En el caso del bote, la dirección y la velocidad del mismo son
significativas, pero la vibración de la estructura del bote, el sonido creado por el desplazamiento del
agua a los lados, la estela que se crea detrás del bote (tanto en el agua como en el aire), el bamboleo
y/o inclinación del bote y una gran cantidad de otros fenómenos físicos probablemente no son signi-
ficativos (a menos que sean muy grandes) y aún así serán ignorados en un análisis simplificado de
este sistema.
La suspensión de un automóvil es excitada por la topología de la superficie del camino cuando
el carro se desplaza sobre él, y la posición del chasis relativa al camino es una respuesta significativa
(figura 3.3). Cuando se ajusta el termostato en una habitación, el ajuste es una señal de entrada para
el sistema de calefacción y refrigeración y una respuesta del sistema es la temperatura dentro de la
habitación.
Una clase completa de sistemas, los instrumentos de medición, son sistemas de una entrada y
una salida. La excitación es el fenómeno físico que se mide y la respuesta es la indicación del
instrumento del valor de ese fenómeno físico. Un buen ejemplo es un anemómetro de copas. El
viento excita al anemómetro y su velocidad angular es la respuesta significativa (figura 3.4).
Un ejemplo de algo que por lo común no se considera como un sistema es un puente colgante.
Propulsor Por lo general no se considera como un sistema debido a que no hay una excitación obvia o delibe-
FIGURA 3.2 rada que produzca una respuesta deseada. Un puente ideal sería aquel que no respondiera en lo
Diagrama simplificado de absoluto, porque lo que se quiere es que se quede justo donde está y no se mueva. Sin embargo, un
un bote. puente colgante es excitado por el tránsito, el viento que choca contra el mismo y las corrientes de
agua que empujan su estructura de soporte, si se mueve. Un ejemplo muy dramático relativo a que
los puentes colgantes responden cuando se excitan fue la falla del puente Tacoma Narrows en el
estado de Washington. En un día de mucho viento el puente respondió a las corrientes de aire oscilando
ampliamente al grado de que se derrumbó. Este es un ejemplo muy drástico de por qué es importante un
buen análisis. Las condiciones en las cuales el puente respondería tan intensamente se debieron haber
descubierto en el proceso de diseño y modelado de manera que pudo haberse cambiado para evitar este
desastre.

Chasi.s del automóvil

Resorte ; I i Aüiortiguador
y(t)
Rotación
Viento

x(/)

FIGURA 3.3
Modelo simplificado de un sistema de suspensión de FIGURA 3.4
un automóvil. AnemómeUo de copas.
 una süía ceiuia oioiogica en una pjania o animai es un sisiema ae compiejiuaa soiprenuenie, en lUD
especial si se considera su tamaño tan pequeño. El cuerpo humano es un sistema compuesto por un
3.1 Introducción y
enorme número de células, y resulta, por lo tanto, un sistema muy complejo. No obstante, en algunos objetivos
casos es posible considerarlo como un sistema mucho más simple para calcular un efecto aislado. En
farmacocinética el cuerpo humano se equipara a menudo con un solo compartimento, un volumen que
contiene líquido. Tomar un medicamento es una excitación y la concentración del mismo en el cuerpo
es la respuesta significativa. Las velocidades de infusión y excreción de la medicina determinan su
concentración.
Una planta de manufactura es un sistema. La señal de entrada es un pedido de un cliente. La
respuesta es surtir el pedido a partir del inventario y reabastecer este último cuando bajen las exis-
tencias.
Una columna de destílación es un sistema. Se alimenta mediante una o más corrientes de compues-
tos químicos y se mantiene en un perfil de temperatura óptimo. El producto o productos de la destila-
ción se sacan de la columna en varios niveles. La mayoría de las columnas de destilación industriales se
operan en forma continua y, en consecuencia, son sistemas de tiempo continuo.
Los instrumentos musicales son sistemas. Un clarinete se excita mediante el aire que sale de la boca
de! instrumentista lo que causa la vibración de la lengüeta. El cuerpo del clarinete sirve como una
cavidad resonante para filtrar el ruido producido por la lengüeta vibradora, produciendo de esa manera
un sonido más placentero. La longitud efectiva de la cavidad, y, por lo tanto, su frecuencia resonante, se
determinan mediante los agujeros que se cierran o abren cuando el instrumentista mueve las llaves. Un
órgano de tubos se excita mediante el flujo de aire en éstos, y las respuestas son los tonos resonantes
determinados por las longitudes de los tubos que lo constituyen. Los instrumentos de cuerda se excitan
a partir del movimiento del arco sobre las cuerdas, y la vibración resultante crea el sonido que se escu-
cha. Las resonancias de las cuerdas se determinan a partir de las posiciones de los dedos del instrumentista
sobre las cuerdas. Incluso la voz humana es un sistema excitado por la vibración de las cuerdas vocales
en la garganta, que son filtradas por las resonancias en la cavidad oral.
Un sistema se describe y analiza a menudo como un ensamble de componentes. Un componente es
el sistema más pequeño y más simple, por lo general, el que es estándar en cierto sentido y cuyas
características ya se conocen. Lo que se considera un componente en oposición a un sistema es una
cuestión de opinión y depende de ia situación que se describe. Para un diseñador de circuitos, los com-
ponentes son resistores, capacitores, inductores, amplificadores operacionales, etc., y los sistemas son
impiificadores de potencia, CAD, moduladores, filtros, etc. Para un diseñador de sistemas de comuni-
jaciones, los componentes son amplificadores, moduladores, filtros, antenas, etc.; y los sistemas son
enlaces de microondas, líneas troncales de fibra óptica, oficinas centrales telefónicas, etc. Para un dise-
ñador de automóviles los componentes son las ruedas, los motores, los amortiguadores, las luces, los
asientos, etc., y el sistema es el automóvil. En sistemas grandes y complicados como las aerolíneas
comerciales, las redes telefónicas, los superbuques, las centrales eléctricas, etc., hay muchos niveles de
jerarquía de componentes y sistemas.
Al saber cómo describir y caracterizar matemáticamente todos los componentes en un sistema y
cómo interactúan entre sí, un ingeniero puede predecir, mediante las matemáticas, cómo funcionará el
sistema, sin construirlo y probarlo en realidad. Un sistema conformado por componentes se representa
con diagramas en la figura 3.5. El proceso de describir un sistema y analizarlo sin construirlo a menudo
recibe el nombre de modelado. Un ingeniero trabaja con el modelo matemático de un sistema. Esta
capacidad es importante al diseñar sistemas grandes y costosos como un avión comercial, los puentes de
>uspensión, los superbuques y las redes de comunicaciones. De modo que el estudio de sistemas analiza
cómo los componentes iaterconectados funcionan en la forma de un todo coordina-
do. En señales y sistemas hay referencias comunes a dos tipos generales de sistemas,
í j z o abierto y lazo cerrado. Un sistema de lazo abierto responde a una señal de entra- Xl(í)
da. Un sistema de lazo cerrado responde a una señal de entrada pero también registra
is de salida, y altera la señal de entrada para modificar la señal de salida a fin de
iaosfacer cierto requerimiento del sistema. Cualquier instrumento de medida es un 7Í4
sistema de lazo abierto. La respuesta indica simplemente cuál es la excitación sin
iiterarlo. Un individuo que maneja un automóvil es un ejemplo de un sistema de lazo
cerrado. El conductor produce las señales para que el automóvil se mueva a cierta
-.elocidad y en una determinada dirección presionando el acelerador o el freno y
FIGURA 3.5
:kndo vuelta al volante. Cuando el automóvil desciende por un camino el conductor
Sistema compuesto de cuatro componentes
• ^ s t r a constantemente con sus ojos la velocidad y posición del automóvil con res- ¡nterconectadüs, con dos entradas y dos
recto a la carretera y a los otros vehículos. Con base en lo que el conductor registra. salidas.
r 106 modifica las señales de entrada para mantener la dirección deseada del automóvil y conservarlo a una
velocidad y posición seguras sobre el camino.

SISTEMAS DE TIEMPO DISCRETO CONTRA

LOS SISTEMAS DE TIEMPO CONTINUO

Así como las señales pueden ser de tiempo continuo o de tiempo discreto, también pueden serlo los sis-
temas. Un sistema de TC opera sobre una excitación en TC para producir una respuesta en TC. Un sistema
de TD opera sobre una excitación en TD para producir una respuesta en TD (figura 3.6). Se analizarán
estos dos tipos de sistemas de manera alternativa en los capítulos 4, 5, 6, 9, 10, 11 y 12, indicando las
similitudes y diferencias entre ellos. En el capítulo 12, se explorarán sistemas en los que hay señales tanto
en TC como en TD y en el capítulo 7 se plantearán formas de entender la relación entre señales en TD que
se forman muestreando señales en TC y las señales en TC a partir de las cuales provienen.

3.2 C A R A C T E R Í S T I C A S D E SISTEMAS
Para comprender algunas propiedades importantes de sistemas grandes y generalizados, se empezará
con ejemplos de algunos muy simples. Los circuitos son sistemas eléctricos y son familiares para los
ingenieros eléctricos. Un circuito muy comián es el filtro pasabaj as RC, un sistema de una entrada
y una salida, que se ilustra en la figura 3.7. El voltaje en la entrada v^Jt) es la excitación del
x(ó
n • y(ó sistema y el voltaje en la salida Vg^itíJ es la respuesta del mismo. La señal del voltaje de entrada se
aplica al par de terminales del lado izquierdo, que en ocasiones recibe el nombre de puerto en la
teoría de circuitos, y la señal del voltaje de salida aparece en el puerto del lado derecho. Este
• yl"l
sistema consta de dos componentes familiares para los ingenieros eléctricos, un resistor y un
capacitor. Las relaciones matemáticas de voltaje-corriente para resistores y capacitores son bien
n C U R A 3.6
conocidas y se ilustran en la figura 3.8.
Diagramas de bloques de
sistemas en TC y TD. Suponga que el circuito de la figura 3.7 está en reposo antes del tiempo r = ü y que la señal
del voltaje de entrada Vj.„(f) cambia repentinamente de O a A volts en el tiempo t = 0. En reposo
significa que el circuito no tiene energía almacenada. En este caso, quiere decir que el capacitor
está descargado en un principio. En ia terminología de sistemas, este sistema está inicialmente en repo-
so y Vd respuesta se conoce como de estado cero, porque en el estado inicial la energía almacenada es
igual a cero. En este caso la condición de estado cero es O V a través del capacitor debido a que es el
único elemento de almacenamiento de energía en el circuito.
Mediante la función de escalón unitario, la señal del voltaje de entrada Vg„(f) en la figura 3.7 puede
escribirse como v^^íí) = Au(í). En ese caso es posible escribir una ecuación diferencial que describe al
circuito.

^ C v ' ( r ) + v,,i(f) = v , „ ( r ) . (3.1)

La solución de esta ecuación diferencial es la suma de las soluciones transitoria (homogénea) y de

estado estable (particular). La solución transitoria v^.^ ^.(r) para los tiempos r > O es

Vsal.tríO = Ke t > o. (3.2)

i(0

v(r). v(f);

R
v(í) = ífi(í) v{r) = -^|i(X) d\
+o A^Y- -O +

c:^ Y,JT)
Ti v(í)
i(r) = í? i(í) = C-
, dv{t)
dí
-~o —
FIGURA 3.8
FIGURA 3.7 Relaciones matemáticas voltaje-
Un filtro pasabajas RC: un sistema de una entrada, una corriente para un resistor y un
salida. capacitor.
d o n d e , hasta ahora, K se desconoce. La solución de estado estable depende de la forma funcional
de En este caso, puesto que la señal del voltaje de entrada es constante para e! tiempo r > O y
3.2 Características de
• n g u n a corriente constante puede fluir a través del capacitor, la solución de estado estable es simple- sistemas
a r a t e V s 3 j j,s(í) = A y la solución total corresponde a

Vsal(0 = V,,i,tr(0 + Vsal.ss(0 = Ke'"''^'^' + A ! > O (3.3)

v,„(0 = {Ke-^'^"^' + A)u(t). (3.4)

L a constante S" puede determinarse observando que la señal de voltaje de salida inicial Vj^iíO*) es cero
porque V5g|(0") es cero y no puede cambiar en forma instantánea en respuesta a una excitación finita. En
:oasecuencia.

v,,,(0+) = K + A =0 ^ K = -A. (3.5)

E n estas condiciones la señal del voltaje de salida puede escribirse como

vsai(rj = A ( l - e-"'^^')uU} (3.6)

~e ilustra en la figura 3.9.

Si el capacitor hubiera tenido una carga inicial distinta de cero, la solución habría sido diferente. El
«TO tipo estándar de respuesta de sistema referida comúnmente en la teoría de sistemas es la llamada
•; -puesta (señal) de entrada cero de un sistema. Ésta es la respuesta de un sistema cuyo estado inicial no
jero pero cuya excitación sí lo es. La respuesta de entrada cero (el voltaje del capacitor) después del
. .-upo / = O en este circuito sería

(3.7)

existiera tanto estado inicial distinto de cero como excitación distinta de cero, se podría encontrar
. -nbién la solución al resolver la ecuación diferencial con una condición inicial diferente y la solución
. -pues del tiempo t = O sería

1 v , ^ ( 0 = A ( l - e - " ' * ^ ' ) + vcíO+je-''/'''^^ / > O (3,8)

vsai(f) = A + [vc(0+) -A]e -U¡RC) t > 0. (3.9)

-•serve que esta solución para el tiempo í > O es la suma de las respuestas de entrada cero y de estado

Debe notarse aquí que si la excitación fuera en verdad un escalón de voltaje de altura A, implicaría
la excitación estaba definida igual a cero en todo el tiempo negativo. Si se supone que el circuito se
. conectado con esta excitación entre las terminales de entrada para un tiempo infinito (desde t = - o°),
ültaje inicial del capacitor en e l tiempo r = O tendría que ser cero a menos que alguna fílente de
írgía externa inyectara la carga en el capachor en e l tiempo í = 0. Si el circuito está conectado como
nuestra todo el tiempo, la solución para un estado inicial distinto de cero debe suponerse dada la
-dición de que hay una carga inicial del capacitor inyectada por algún proceso que ocurre en el
.-npo / = 0. La solución podría corresponder a una de dos situaciones.
.! posibilidad es que la excitación no esté conectada para todo tiempo
• - f s del tiempo í = O y que se conecte repentinamente en ese tiempo a V,alCf)

. oltaje constante A. La otra es que el circuito esté conectado todo el

. -ipo pero que alguna fuente de energía externa deposite una carga en
FIGURA 3.9
:apacitor en el tiempo r = 0. En cualquier caso se debe cambiar el Respuesta del filtro
:;ma inyectando una carga o cerrando un interruptor como se ilustra pasabajas RC a una
a figura 3.10. Si el voltaje inicial del capacitor es cero en ambos excitación de e.scalón
-Liitos d e la figura 3.10. la respuesta es la misma. unitario.
 -0 + -</^ VS/V-
í = 0

Ó
FIGURA 3.10
Dos maneras de aplicar repentinamente A V al filtro pasabajas RC.

Como ejemplo de un sistema en TD, considere el de la figura 3.11. El bloque D en el diagrama de

bloques es un componente de retraso cuya señal de salida es su señal de entrada, retrasada por uno, en
tiempo discreto. De tal modo el sistema está caracterizado por la ecuación de diferencias

y[n] = K[n] + -y[n - 1], (3.10)

La solución homogénea es yi,ln] = K{^)". Si la excitación es la secuencia unitaria, entonces la solución

particular es y^,[«] = 5 y la solución tota! corresponde a y[n] = K{i)"+ 5. Si el sistema se encuentra en
reposo en un principio, esta solución es la solución de estado cero y la solución total es

n>0
yln] = (3.11)
O n <0

yin] = utn] (3.12)

(figura 3.12),
La similitud entre la forma de la respuesta del filtro pasabajas RCen TC a una excitación de escalón
unitario y la envolvente de la respuesta del sistema en TD a una excitación de secuencia unitaria no es
un accidente. El sistema en TD es un filtro pasabajas digital muy simple (los filtros digitales se estudia-
rán con mayor detalle en los capítulos 6 y 12).

HOMOGENEIDAD

Si se duplicara la señal del voltaje de entrada del filtro pasabajas RC a v^^{t) ~ 1 Au(f), el factor 2 A se
manifestaría y la señal del voltaje de salida se duplicaría:

v,,,(f) = 2 A { l - . - < ' ^ « ^ ' ) u ( / ) . (3.13)

5---'

xí/ll •

4 n to 15 20
5 U

FIGURA 3.12
FIGURA 3.11 Respuesta de sistemas en TD a una excita-
Un sistema en TD. ción de secuencia unitaria.
La cualidad de este sistema que hace que lo anterior sea verdadero recibe el nombre de homogeneidad. 109
3.2 Características de
En un sistema homogéneo, la multiplicación de la excitación por una constante (incluso constantes comple- sistemas
jas) multiplica la respuesta por la misma constante.

La figura 3.13 ilustra, en un sentido de diagrama de bloques, lo que significa la homogeneidad. Si

se duplicara la excitación del sistema en TD en la figura mediante la transformación X[Í!] —^ 2x[f?], su
respuesta también se duplicaría, y[«] —> 2 y [ H ] . Por lo tanto, también es un sistema homogéneo. La
propiedad de homogeneidad también puede indicarse mediante la notación abreviada

x[í!] — y l ' f ] Kx[n] (3.14)

donde x[n] —» y[í7] significa "la excitación x del sistema Tí produce la respuesta y" y K puede ser
cualquier constante compleja.
Un ejemplo muy simple de un sistema que no es homogéneo es un sistema caracterizado por la
relación

yfr) = x ( f ) + I - (3-15)
Para una excitación x de 1, la respuesta y es 2, y para una excitación x de 2 la respuesta y es 3. La excita-
ción se duplicó, pero no la respuesta. Lo que hace que este sistema sea no homogéneo es la presencia del
I en el lado derecho de la ecuación, el cual no se considera como parte de la excitación. Este sistema tiene
una respuesta de entrada cero distinta de cero. Observe que si se fuera a redefinir la excitación como
Xj,„^,(/) = x(í) -I- 1 en vez de sólo x(f), se habría obtenido y(r) = x^^^^íí) y al duplicar x„„^(/) se duplicaría la
respuesta y el sistema sería entonces homogéneo dada esta nueva definición de la excitación.

INVARIANCIA EN EL T I E M P O

Supóngase que la excitación del sistema en TD de la figura 3.11 se retrasara por algún fiempo i^. Esto
es, dejando que la señal de entrada cambie a x[;t] = u[/; - HQ]. ¿Qué sucede con la respuesta? Si se sigue
de nuevo el proceso de solución, se encontraría que la respuesta es [5 - 4 ( 1 ) ' " - "o']u[« - «g], que es igual
a la respuesta original salvo por la n sustituida p o r - n^. Dicho de otra manera, la excitación x,!»] =
u[íí] produjo la respuesta y ^ n ] , y la excitación \2[tt} ~ u[;z- n^ produjo y 2 [ « ] = yy[n-n^¡\. El retraso de
la excitación demora la respuesta por la misma cantidad sin cambiar la forma funcional de dicha res-
puesta. Esta cualidad se conoce como invariancia en e! tietnpo.

Si una excitación arbitraria X[H] de un sistema provoca una respuesta y[n]. y una excitación del sistema
x[n - )!Q] ocasiona una respuesta y[n - HQ]. en cualquier tiempo arbitrario /¡g. se dice que el sistema es
invariante en el tiempo.

La figura 3.14 ilustra el concepto de invariancia en el tiempo. La propiedad de invariancia eu el

tiempo para sistemas en TC es análoga.

x(í) y(í) x{t - ío) y(t - to). (3.16)

Sistema homogéneo

x(í)- .ví.r)

Multipücadur Sistema invariante en el tiempo

MI) • N
xl«l — ylnl

x[II nj
xM- Retraso, N yin - ftg]

nGÜRA3.13
Diagrama de bloques que ilustra el concepto de FIGURA 3.14
homogeneidad para un sistema en TC (K es Diagrama de bloques que ilustra el concepto de
. jdlquier constante compleja). invariancia en e¡ tiempo para un sistema en TD.
110 ;l"J

+ 4

FIGURA 3.15
M 4 M T
-8 -6 -4 Una excitación en TD.

Un ejemplo mtiy simple de un sistema que no es invariante en el tiempo sería el descrito por

y[n] = x[2n]. (3.17)

Sea x j n ] = g[n] y déjese que x^ln] = g[n - 1], donde g[«j es la señal ilustrada en la figura 3.15, y déjese
también que la respuesta para X|[Í?] sea y,[/j] y la respuesta para s^í'/l sea y 2 [ « ] . Estas excitaciones y
respuestas se ilustran en la figura 3.16. Puesto que la excitación X2L'ÍJ es la misma que la excitación
x j n ] , excepto por el retraso de una unidad de tiempo discreto, para el sistema que es invariante en el
tiempo la respuesta y 2 l « | debe ser la misma que la respuesta y [[/H pero retrasada por una unidad, pero
no es así. Por lo tanto, este sistema no es invariante en el tiempo, es variante en el tiempo. Un ejemplo
simple de un sistema en TC variante en el tiempo es el termistor accionado por tina conicnte. Un
termistor es un dispositivo cuya resistencia es una función de su temperatura. La resistencia de un
termistor disminuye cuando aumenta su temperatura. Considere que la comente que circula por el
termistor es la excitación y que el voltaje en sus extremos es la respuesta. Si se aplica repentinamente
una corriente constante, existe una respuesta de voltaje determinada por la ley de Ohm y se disipa
potencia en el termistor. Esta disipación de potencia ocasiona que aumente su temperatura, lo cual, a su
vez, provoca que disminuya su resistencia. Cuando baja la resistencia también baja la disipación de
potencia, lo que da lugar a que la temperatura aumente más lentamente y que la resistencia disminuya
con mayor lentitud. En cierto nivel de resistencia los efectos de calentamiento por la potencia disipada
en el termistor y de cnfriamientíi por !a pérdida de calor serán iguales y el voltaje se estabilizará. Puesto
que la relación entre excitación y respuesta (la resistencia) es una función del tiempo, éste es un sistema
variante en el tiempo

ADITIVIDAD

Sea la señal de \oltaje de entrada de un filtro pasabajas RC la suma de dos voltajes, v^Ji) - Vg„|(í) +
^'en2(0- Por un momento déjese que v^j,o(f) = O y que la solución para V g „ | ( / ) que actúa solo sea igual a
v^^,,(í). La ecuación diferencial que describe esa situación es

RC^'^,llit) + V , a l l ( r ) = Venl(í). (3.18)

De manera similar, si ^,.^2(0 actúa sola.

ñCv;,l.(/) + Vsal2(/) = v,„2(f). (3.19)

x , p i l = gl„ - )J

--4

M M M
S -6 -4 -2 2 4 6 8 -8 -6 -4 -2 2 4 6

y,[n\ = X2l2,¡J ^ y|[" - 1|

FIGURA 3.16 ,-- 4 4

Respuestas del sistema
dcsciíto por y[í(] =
x|2í¡J a dos excitacio- M M M T
nes diferentes. -8 -6 -4 -2 4 6 -8 -6 -4 -2
 Sisteina aditivo 111
3.2 Características de
sistemas

Sumador
x,(/)-
-O Vid) + yi(r)

FIGURA 3.17 FIGURA 3.18

Diagrama de bloques que ilustra el concepto de Un circuito de diodo CC,
aditividad en un sistema en TC.

Se suma (3.18j y (3.19),

/eC[v;,„(f) + V[^,,U)] + V , a l l ( f ) + V,„.(f) = V,„i(0 + V , n 2 ( í ) = ^'cnU) (3-20)

La ecuación que describe la aplicación simultánea de arabas señales de voltaje de entrada es

RCv[.Ji) + v,Jt) = v,M). (3.21)

Al combinar (3.20) y (3.21),

RC[v',,u(r) + v L i 2 ( f ) ] + v,^,(f) + v,3i2(r) = RCvlJt) + v,,,(f). (3.22)

lo cual implica que

Vsa„(/) + Vsal2(/) = Vsa¡(f). (3.23)

Este resultado depende del hecho de que la derivada de una suma de dos ftmciones es igual a la suma de
las derivadas de estas dos funciones. Si la excitación es la suma de dos excitaciones, la solución de esta
ecuación diferencial es la suma de las respuestas a esas excitaciones actuando separadas. Esto es, si
Veiiíf) = v^n,(f) + v^„2(^)' cntonces v^ai'^t) = Vyjxiit) + V j j j j í f ) . Un sistema en el cual las excitaciones suma-
das producen respuestas sumadas recibe el nombre de aditivo (figura 3.17).

Si tma excitación arbitraria x, produce una respuesta y [, y una excitación arbitraria X T produce tma respuesta
y2, y la excitación Xj + siempre produce la respuesta y , + y^, el sistema es aditivo.

La propiedad de aditividad para sistemas en TD es análoga.

X|[n| y\[i'\ X2[«] y:['í] ^ Udn] + X2L«J) —*(yi[«] + y2[íí]). (3.24)

Un ejetnplo muy común de un sistema no aditivo es un simple circuito de CC de diodo (figura

3.18). Sea la señal de voltaje de entrada del circuito Vía conexión en serie de dos fuentes de voltaje de
CC V | y V i , lo que hace que la señal de voltaje de entrada total sea la suma de las dos señales de voltaje
de entrada individuales. Considerando que la respuesta completa es la corriente /. y que las respuestas
de corriente individuales a las fuentes de voltaje individuales actuando separadas corresponden a /; e A.
Para hacer e! resultado obvio sea Vj > O y = - V , - ^ respuesta a V| actuando solo es una corriente
positiva / | . La respuesta a actuando solo es una corriente negativa extretnadamente pequeña (cero
en la situación ideal). La suma de las dos excitaciones es cero, pero la suma de las dos respuestas no lo
es. Por lo tanto, éste no es un sistema aditivo.
112 LINEALIDAD Y SUPERPOSICIÓN

Cualquier sistema que es tanto homogéneo como aditivo recibe el nombre de sistema lineal.

En cualquier sistema lineal, si una excitación X ¡ [ Í J ] ocasiona una respuesta y | [«] y una excitación S i l n ]
provoca una respuesta y^líf], entonces una excitación
x[n] ^ c a i l n ] + pXiLnj (3.25)

causará la respuesta
yin] = aviln] + pyjlfi]. (3.26)

Esta característica de los sistemas lineales se denomina superposición. El término proviene del
verbo superponer. La parte "poner'' de superponer significa colocar algo en cierta posición y la parte
"supef' significa "en la parte superior de". En conjunto, superponer sigtüfica entonces poner algo en la
parte superior de otra cosa. Esto es lo que se hace cuando se suma una excitación a otra y, en un sistema
lineal, la respuesta completa es una de las resptiestas en la "parte superior de" (agregada a) la otra.
Por mucho, el tipo de sistema más común analizado en el diseño y análisis de sistemas prácticos es
el sistema lineal e invariante en el tiempo. Si un sistema es tanto lineal como invariante en el tiempo se
denomina sistema ¿77". El análisis de sistemas LIT constituye la mayor parte del material en este libro.
La superposición es la base de una técnica poderosa para determinar la respuesta de un sistema
lineal con una excitación arbitraria. La característica sobresaliente de las ecuaciones que describen a los
sistemas lineales es que la variable independiente y sus integrales y derivadas, o sumas y diferencias,
sólo aparecen elevadas a la primera potencia. Para ilustrar esta regla, considere un sistema descrito por
la ecuación diferencial

ay"(t) + by'{!) = x(r) (3.27)

donde x(r) es la excitación e y(r) es la respuesta. Si la excitación se cambiara por x„y^,(/) = XI(0 + X2(f),

el sistema estarí'a entonces descrito por

ayLU)+byljl)=x,Ut). (3.28)

Las ecuaciones que describen al sistema para las dos excitaciones individuales x,!/) y X 2 ( / ) actuando
solas serían

ay'¡(0 + by]{t)^x^it) y ay';il) + by¡(r) = x.Jt). (3.29)

La suma de las dos ecuaciones en (3.29) es

« b i í O + yi'(r)] + b[y]{t) + y¡{t)] = x,(r) + x.Cf) = x„,,(f) (3.30)

que no es (en general) igual a

fl[yi(0 + y-Jt)]" + fo[yi(r) + y2(t)]- = X|(/) + x:(/) = XN,,(F). (3.31)

La diferencia la provoca el término y-(/), que no es consistente con una ecuación diferencial que descri-
be a un sistema lineal. Por lo tanto, en este sistema no se aplica la superposición.
Otro ejemplo muy simple de una ecuación diferencial que no describe a un sistema litieal es

ay'{r) + byU)+c = \(t) c ^ Q. (3.32)

La presencia de la constante c provoca que este sistema no sea homogéneo porque, si la función de
forzamiento x(r) es cero, la respuesta no es cero. Es decir, la respuesta de entrada cero del sistema no es
cero. Se podría reescribir esta ecuación como

ay'(t) + by(t) = x(í) - c. (3.33)

Expresada de esta manera, la ecuación se mira como una ecuación diferencial común que describe a un
sistema cuya respuesta es y(f) y que es estimulado mediante una excitación x(í) - c o a partir de dos
excitaciones x(/) y - c. Este cambio de punto de vista no cambia al sistema; sólo modifica la manera en
 que se define la excitación del mismo. Ahora, si la excitación x(í) - c se multiplica por una constante, la
respuesta se multiplica por la misma constante. O si se aplican individualmente las dos excitaciones x(0
3.2 Características de
y - f y se les multiplica por constantes, las respuestas individuales se multiplican por las mismas constan- sistemas
tes. En ese caso se satisface la homogeneidad y es posible considerar al sistema como hneal. De tal modo,
la manera de identificar la excitación o excitaciones del sistema afecta la manera en que se le clasifica.
En vez de redefinir la excitación, podría redefinirse la respuesta como

ynuvíD - y(í) + -• (3.34)

b

En ese caso la ecuación diferencial, escrita en términos de una nueva respuesta, serí'a

y.uv(0 - c = x(í) (3.35)

o, simplificando,

ay'^Jt) + bynnÁO = x(í}. (3.36)

Esta ecuación describe a un sistema lineal, de nuevo no se cambia en realidad el propio sistema, sólo la
forma en que se le describe matemáticamente.
Un sistema invariante en el tiempo es aquel que se describe mediante ecuaciones diferenciales o en
diferencias en las que los coeficientes de la variable dependiente y todas sus integrales y derivadas, o
sumas y diferencias son constantes. Los coeficientes no son funciones del tiempo.
Una técnica muy común en el análisis de señales y sistemas consiste en utilizar los métodos de los
sistemas lineales para estudiar sistemas no lineales. Este proceso se denomina linealización del sistema.
Desde luego, el anátisis no es exacto debido a que realmente no es lineal. Sin embargo, muchos sistemas
no lineales pueden analizarse con buenos resultados mediante métodos lineales si las excitaciones y
respuestas son lo stificientemente pequeñas. Como ejemplo considérese un péndulo (figura 3.19). Su-
ponga que la masa es soportada mediante una barra rígida sin masa de longitud L. Si se aplica una fuerza
a la masa m, ésta responde moviéndose. En cualquier posición en su movimiento el vector suma de las
fuerzas que actúan sobre la masa en sentido tangencial a la dirección del movimiento es igual al produc-
to de la masa y la aceleración en esa misma dirección. Esto es.

x(f) - mg sen(9(f)) = 7?iLe"(r) (3.37) „v¿ sen(e(f))

FIGURA 3.19
Un péndulo.
mLB"(t) + mg sen(e(0) = x(/) (3.38)

donde m = masa al final del péndulo

x(/) = fuerza aplicada a la masa en sentido tangencial a la dirección de movimiento
L = longitud del péndulo
g - constante gravitacional
e(í) = posición angular del péndulo

En este sistema, x(/) es la excitación y 6(/) es la respuesta. La ecuación (3.38) es no lineal. Pero si 6(í)
í s lo suficientemente pequeña, sen (9(í)) puede aproximarse bastante por medio de 0(/). En esa apro-
ximación.

mLd"(t} + mgB(t) = x(f) (3.39)

« q u e es una ecuación lineal. De tal manera, para pequeñas perturbaciones de ia posición de reposo, este
Büstema puede anahzarse con buenos resultados mediante (3.39).

ESTABILIDAD

E s e l ejemplo del filtro pasabajas RC, la excitación, un escalón de voltaje, estaba acotada. Si una señal
tískacotada .significa que su valor absoluto es menor que algún valor finito para todo tiempo.

|x(f)| < 0 0 -oc < f < oo. (3.40)

114 La respuesta del filtro pasabajas RC a esta señal acotada también estaba acotada.

Cualquier sistema para el cual la respuesta está acotada cuando la excitación también lo está se denomina
sistema estable de entrada acotada-salida acotada (EASA), por sus siglas en inglés.

Un buen ejemplo de un sistema no estable es el sistema financiero en TD de acumulación de interés

compuesto. Si una cantidad de capital P de dinero se deposita en una inversión de ingreso fijo a una tasa
de interés r por año compuesto anualmente, la cantidad A[n], que es el valor de la inversión n años
después, es

A[n] = P(l + r)". (3.41)

La cantidad A[í!] crece sin límite conforme pasa el tiempo discreto n. ¿Eso significa que el sistema
bancario es inestable?

LINEALIDAD INCREMENTAL

Como ejemplo de otro tipo de sistema en TC. considere un sistema mecánico compuesto por un resorte
lineal del cual pende una masa ni (figura 3.20), sobre ía que actúa una fuerza externa (la excitación) x(f)
aplicada en el tiempo t = 0. Considérese que la posición del extremo del resorte indeformado en la figura
3.20rt) es la referencia para la posición vertical. Cuando el sistema está en equilibrio (antes de que se
aplique la fuerza externa), la parte superior de la masa m está en la posición de equilibrio \\.. Si sobre la
masa actúa la excitación x(í), responderá moviéndose. La ecuación de movimiento se basa en el princi-
pio mecánico fundamental de que la suma vectorial de las fuerzas sobre el cueipo es igual al producto de
su masa por su vector aceleración.

(3.42)
i= l

En este caso todos los \'ectores actúan en la misma dirección y la ecuación vectorial (3.42) se reduce a
la ecuación escalar

-K,y(t) - mg + x(f) = my"(í) (3.43)

my"(t) + K,y{t)-^ms = x(r) (3.44)

(si el resorte no tiene pérdidas) donde es la constante de resorte y g es la constante gravitacional. Si

el resorte tiene pérdidas, también habrá una fuerza directamente proporcional a la velocidad que se
opondrá al movimiento y la ecuación de movimiento será

my"{t) + K,.y'iO + K,y{t) + mg = x(r) (3.45)

donde Í T y es la constante de proporcionalidad entre la velocidad y la fuerza. La ecuación (3.45) es de

segundo orden porque la derivada más alta es una segunda derivada. Aunque es una ecuación diferen-
cial lineal de coeficientes constantes. (3,45) no describe a un sistema LIT Este hecho se verifica con
facilidad al resolver (3.45) para x(r) = 0.

my"(t) + K,.y'{t) + K,y(t) + mg = 0. (3.46)

FIGURA 3,20
Un sistema mecánico:
a) resorte sin estirar,
y(í)
b) el resorte que
soporta una masa y
c) un diagrama de
•"-•«^de este
""una enffada,
4.
 Sistema incrementalmente linea]

x(/) • ^ y(t} 3.2 Características Oe

sistemas

n
Sistema
LFT
1 ,/
11 , •y(0
1

nCURA 3.22
FIGURA 3.21 Sistema mecánico con nueva
La relación entre el sistema incremen- referencia para la posición
talmente lineal y un sistema LIT. vertical.

Como la excitación es cero, el sistema no responde en lo absoluto a la excitación, todas las derivadas de
la respuesta son cero, y la ecuación (3.46) se reduce a

mg
Ksy{t) + mg = O => yff) = - (3.47)

Se tiene una respuesta distinta de cero para una excitación cero y eso viola el principio de homogenei-
dad. Por lo tanto, el sistema descrito por esta ecuación no es lineal aun cuando la ecuación se clasifica
por lo común como diferencial lineal. Esto pone de relieve una desconcertante pequeña diferencia entre
las ecuaciones diferenciales lineales y las ecuaciones que describen a los sistemas lineales. Este es otro
ejemplo de un sistema cuya respuesta de entrada cero no es cero.
Es natural penstu que aun cuando el sistema no es lineal, tiene muchas características similares a
los sistemas lineales. De hecho es lo que se denomina increinenrahnente lineal. Es posible modelar este
sistema como uno LIT con una señal adicional ygíí), la respuesta de entrada cero, agregada a su respues-
ta (figura 3.21). En este caso la respuesta de entrada cero es

yo(/) = - (3.48)

En la parte media superior de la figura 3.21 el sistema completo está caracterizado por el operador Ti..
En la mitad inferior el sistema está dividido en dos partes, uno LIT caracterizado por el operador ?Íl¡t,
y la adición de la respuesta de entrada cero y^ij). Esto es. un sistema incrementalmente lineal es aquel
cuya respuesta es la suma de una respuesta de entrada cero y la respuesta de un sistema LIT a la excita-
ción. Si no existiera la adición de la respuesta de entrada cero, el sistema sería LIT. La designación
incrementalmente lineal proviene de que los cambios en la excitación ocasionan cambios proporciona-
les en la respuesta. Es decir, el incremento en la respuesta es proporcional al incremento en la excitación.
Aquí es importante comentar acerca de la terminología. Todos los sistemas LIT son también
incrementalmente lineales debido a que los cambios increméntales en sus excitaciones ocasionan cam-
bios increméntales proporcionales en sus respuestas. Por lo tanto, los sistemas LIT constituyen un
subconjnnto de los sistemas incrementalmente lineales.
Este sistema tiene una respuesta de entrada cero distinta de cero. Esto lo hace incrementalmente
lineal en vez de sólo lineal. Los sistemas se caracterizan a menudo por su respuesta de entrada cero y su
respuesta de estado cero. Como se mencionó antes, la respuesta de entrada cero es la respuesta de un
sistema cuando la excitación es cero. La respuesta de estado cero corresponde a la respuesta de un sis-
tema cuando el estado inicial es cero; esto es, el sistetna está inicialmente en reposo. Si un sistema
puede describirse mediante una ecuación diferencial lineal con coeficientes constantes, su respuesta es
la suma de su respuesta de entrada cero y su respuesta de estado cero.
De manera similar a la discusión anterior sobre lineahdad, es posible conveifir la descripción del
sistema mecánico en una descripción de sistema LIT. Si se redefíniera la referencia cero para la posición
vertical comoy^, es decir, la posición de equilibrio de la parte superior de la masa (figura 3.22), entonces
la ecuación de movimiento se convertiría en

mlyii) - y,,]" + K^y\t) + K,y(t) + mg = x(f). (3.49)

 donde j„ es la posición del extremo del resorte indeformado con respecto a la nueva posición de referen-
cia. Ahora el valor de y justo antes dei tiempo / = O es cero, lo que implica que

KsVu - mg = O, (3.50)

y la ecuación de movimiento se vuelve

my"{r) + K,y'in + K,MO = MD- (3.51)

Esta descripción del sistema es lineal debido a que la respuesta de entrada cero es cero. El propio
sistema no cambia, pero la manera de describirlo sí, y cambia de una descripción de sistema incremen-
talmente lineal a una lineal.
Se podría también volver a la ecuación diferencial original con la referencia original.

my"(ñ + K,y'(t) + /f,y(í) + mg = x(f). (3.52)

y rescribirla como

my"(!) + K.y'it) + / f , y ( 0 = x(r) - jng. (3.53)

Escrita de esta manera se podría interpretar que hay dos excitaciones, la fuerza x(f) y la fuerza debida a
la gravedad -mg, o una excitación x{/) - mg, la fuerza neta sobre la masa. Esta es otra manera de
describir el sistema como lineal y no como i nc re mental mente lineal.

CAUSALIDAD
En el análisis de los tres sistemas que se han considerado hasta ahora, se observa que cada uno responde
sólo durante o después del tiempo en el que se aplica la excitación. Esto debe parecer obvio y namral.
¿Cómo podría un sistema responder a una excitación que no se ha aplicado aún? Resulta evidente
debido a que vivimos en un mundo físico en el que las respuestas de los sistemas físicos reales siempre
ocurren mientras se aplican las excitaciones o después. Sin embargo, como se descubrirá más tarde al
considerar los filtros ideales, algunas aproximaciones quizá lleven a un diseño de sistema para el cual la
respuesta empieza antes de que se aplique la excitación. Un sistema de tales características no puede
construirse realmente.
El hecho de que una respuesta de sistema real sólo ocurra mientras o después de que se aplica la
excitación es resultado de la idea de sentido común de causa y efecto. Un efecto tiene una causa, y el
efecto ocurre durante o después de la aplicación de la causa.

Cualquier sistema para ei cual la respuesta ocurre sólo durante o después del tiempo en e! que se aplica la
excitación recibe el nombre de sistema causal.

Todos los sistemas físicos son causales porque son incapaces de ver el futuro y anticipar una excitación
que se aplicará después.
Aunqtie todos los sistemas físicos reales deben ser causales en el estricto sentido de que una res¬
... puesta sólo debe ocurrir durante o después de la exci-
tación que la causa, existen sistemas de procesamiento
de señales reales que algunas veces se describen, en
un sentido superficial, como no causales. Estos son sis-
temas de procesamientos de datos en los que las seña-
les se registran y luego se procesan ftiera de línea en
un dempo posterior para producir una respuesta com-
putada. Puesto que la historia completa de la excita-
ción se ha grabado, la respuesta computada en algún
tiempo designado en la cadena de datos puede basarse
FIGURA 3.23 en valores futuros de la exchación ya registrada (figu-
Un fillro denominado
ra 3.23). Sin embargo, puesto que la operación de pro-
no causal que calcula
cesamiento de datos completa ocurre después de que
respuestas a partir de
un registro de han sido registradas las excitaciones, este tipo de sis-
y [ f i j = xl/i - 1] + x[íij + x[/í + 1 ] temas sigue siendo causal en sentido estricto.
excitaciones.
 El término causa! se aplica también comúnmente (en ocasiones de manera un poco imprecisa) a
señales. Una señal causal es aquella que es cero antes del tiempo í = O o « = 0. El uso de esta terminolo-
3.2 Características de
gía proviene de que si una excitación que es cero antes del tiempo í = O o « = O se aplica a un sistema sistemas
causal, la respuesta es también cero antes del tiempo / = O o n = 0. Por esta definición, la respuesta sería
una señal causal debido a que es la respuesta de un sistema causal a una excitación causal. A veces se
usa el término anticausal para señales que son cero después del tiempo í = O o H = 0.

MEMORIA

Las respuestas de los tres sistemas que se han considerado dependen de la excitación presente y de la
pasada. En el filtro pasabajas RC la carga en el capacitor está determinada por la corriente que ha fluido
a través de él en el pasado. Mediante este mecanismo recuerda algo acerca de su pasado. El sistema en
TD tiene un elemento de retraso en el cual recuerda el último valor de la respuesta. El comportamiento
dinámico del sistema mecánico en cualquier tiempo depende de la energía almacenada en el resorte, la
cual es determinada por la historia pasada de las fuerzas aplicadas al mismo. Estos sistemas recuerdan
sus excitaciones pasadas y usan esa memoria, junto con sus excitaciones presentes, para determinar .sus
respuestas presentes.
Hay sistemas para los cuales el valor presente de la respuesta sólo depende del valor presente de la
excitación. Un divisor de voltaje resistivo constituye un buen ejemplo (figura 3.24). Se dice que este
tipo de sistema no tiene memoria o se denomina un sistema sin memoria o estático.

Si cualquier respuesta de! sistema en un tiempo arbitrario t - /(,, y(íQ) depende sólo de la excitación en ei
tiempo í = ÍQ, XÍÍQ), y no del valor de la excitación o respuesta en cualquier otro tiempo, el sistema no tiene
memoria y se denomina sistema estática.

El término dinámico se utiliza para un sistema con memoria. La figura 3.25 es un ejemplo de un sistema
en TD sin memoria. La respuesta en cualquier tiempo discreto n depende sólo de las excitaciones en el
tiempo discreto n.

NO LINEALIDAD ESTÁTICA

Ya se ha visto un ejemplo de un sistema no lineal: el sistema incrementalmente lineal. Es no lineal

porque viola el principio de homogeneidad. La no linealidad no es un resultado intrínseco de la
no linealidad de los mismos componentes, sino de que ia respuesta de entrada cero del sistema no
es cero.
El significado más común de sistema no lineal en la práctica es un sistema en el cual, incluso con
respuesta de entrada cero igual a cero, la respuesta sigue siendo una función no lineal de la excitación.
Éste es a menudo el resultado de los componentes en el sistema que tienen no linealidades estáticas.
Una no linealidad estática no es resultado de ia memoria sino de un componente que tiene una relación
estática o sin memoria entre la excitación y la respuesta, la cual es una función no lineal. Ejemplos de
componentes estáticamente no lineales incluyen a los diodos, transistores y multiplicadores. Estos son
DO lineales porque si la excitación se cambia en cierto factor, la respuesta quizá cambie en un factor
diferente.

X|[«l-

Wv

Ó H"¡ -(+) " ^'"1

tlGL RA 3.24 FIGURA 3.25

CSívisordc voltaje resistivo. Sistema en TD sin memoria.
 La diferencia entre componentes lineales y no lineales de este tipo puede observarse graneando la
relación entre la excitación y la respuesta. Para un resistor lineal, la relación la determina ia ley de Ohm

v(í) = RiiO-

Una gráfica de voltaje contra corriente es lineal (figura 3.26).

Un diodo es un buen ejemplo de un componente estáticamente no lineal. Su relación voltaje-
corriente es

t(f) = - 1). (3.54)

donde /j = corriente de saturación inversa

q = carga en un electrón
í: = constante de Boltzmann ,., ,
T = temperatura absoluta

como se muestra en la figura 3.27. ••

Otro ejemplo de un componente estáticamente no lineal es un multiplicador analógico utilizado
como un elevador cuadrático. Un multiplicador analógico tiene dos entradas y una salida, y la señal de
salida es el producto de las señales aplicadas en las dos entradas. Es sin memoria, o estanco, porque la
señal de salida presente sólo depende de las señales de entrada presentes y no de ninguna señal de salida
o señal de entrada pasadas (figura 3.28). La señal de salida y(í) es el producto de las señales de entrada
Xi(í) y Xj(í)- Si X i ( 0 y X2(í) son la misma señal x(í), entonces

y(r) = x'(f). (3.55)

Ésta es una relación estáticamente no lineal porque si la excitación se multiplica por algún factor A, la
respuesta se multiplica por el factor y eso es una violación del principio de homogeneidad.
Un ejemplo muy común de no linealidad estática es el fenómeno de saturación en amplificadores
operacionales reales (en oposición a los ideales). Un amplificador operacional tiene dos entradas: la
inversora y la no inversora, y una salida. Cuando se aplican las señales de voltaje a las entradas, la señal
de voltaje de salida del amplificador operacional es un múltiplo fijo de la diferencia entre las dos seña-
les de voltaje de entrada, hasta cierto punto. En el caso de señales pequeñas, la relación es

V s a i ( 0 = A[Ve„+(í) - Ven-(f)]. (3.56)

Pero la señal de voltaje de salida está restringida por los voltajes de la fuente de poder y sólo puede
aproximarse a ellos, no excederlos. En consecuencia, si la diferencia entre las señales de voltaje de
entrada es suficientemente grande como para que la señal de voltaje de salida calculada a partir de

V.alín = A[Ven+(f) - Ven-(/)] (3.57)

causaría que estuviera fuera de! intervalo -Vf^ a + V¡^ (fp = fuente de poder), el amplificador operacional
se saturará. La señal del voltaje de salida llega hasta ese punto y no va más allá. Cuando se satura el
amplificador operacional la relación entre las excitaciones y la respuesta se vuelve estáticamente no
lineal. Esto se ilustra en la figura 3.29.

Resistor/f Diodo
i(r)

i(r)
-I-
'Pendiente '''' Multiplicador
analógico
vCf) •v(í) • v(r) • ytí) = Xi{í)Xjíí)

x,(í)

FIGURA 3.26 FIGURA 3.27 FIGURA 3.28

Relación voltajc-con'iente para un resistor. Relación voltaje-corriente para un diodo. Multiplicador analógico.
 3.2 Características de
sistemas

FIGURA 3.29 FIGURA 3.30

Relación de seña! entrada-salida para un Circuito de diodo para demostrar el
amplificador operacional saturado. análisis lineal de un sistema no lineal.

Aun cuando un sistema sea estáticamente no lineal, las técnicas de análisis de sistemas lineales
quizá sigan siendo titiles para estudiarlo. Como ejemplo simple del uso del análisis de si.stetnas lineales
en sistemas no lineales considérese un circuito que contiene una fuente de voltaje, un resistor y un diodo
en serie (figura 3.30). Por la ley de voltaje de Kirchhoff el voltaje en los extremos del diodo es igual al
voltaje en la combinación en serie de la fuente de voltaje y el resistor.

v M í ) = v,(í) - ^ i ( r ) . (3.58)

La ecuación (3.58) puede resolverse para la corriente en la forma

v,(f) - \'D(t)
i(r) = (3.59)
R

La corriente también se describe mediante la ecuación de diodo

i(/) = /,(f"^''">/'^^- 1). (3.60)

Éste es un sistema de dos ecuaciones, una de las cuales es no lineal. Ambas pueden resolverse al graficar
dibujando los dos diagramas V-l y determinar el punto de intersección (figura 3.31).
La solución en la figura 3.31 se dibuja considerando que el voltaje y la corriente v^(r) e i(r) son
constantes. Suponga que v^{t) consiste en una constante v^, p;-., más una pequeña parte variable en el
tiempo Ac(0,

V,(í) = V,,DC + v,,Ac(f). (3.61)

Entonces ía solución gráfica para el voltaje y la corriente seguiría el punto de intersección de las dos
curvas en tanto v,(í) cambia con el tiempo (figura 3.32). Si la parte de CA del voltaje de la fuente es
suíicientemcnte pequeña, la parte de la curva de! diodo recorrida por el punto de intersección es muy
corta y casi lineal. La ecuación 13.58) puede reescribirse en una forma que ilustre cómo determinar ana-
líticamente una solución aproximada.

vdíí) = v,.oc + V5,ca(í) - /?iCf) (3.62)

A partir de la ecuación del diodo,

i ( 0 = 7,(e"^'"<'^/*-'^- 1). (3.63)

Si se combina (3.62) y (3.63).

^DU) = v,.cc + v,,Ac(f) - «A (e''^"'"'*-^ - 1). (3.64)

A partir de la solución gráfica se ve que el voltaje del diodo consta también de tina constante más una
pequeña variación.

Vd(Í) = vo.cc + Vü.caCO- (3.65)

 Ecuación de diodo Ley de voltaje de Kirchhoff
i(0 i(0

v;,(;)
m

!(r)

v , ( ó \ ^

FIGURA 3.31 FIGURA 3.32

Solución gráfica de las Solución gráfica de las ecuaciones del
dos ecuaciones de circuito de diodo cuando el voltaje de
circuito de diodo, la fuente cambia con el tiempo.

Por lo tanto.

(3.66)

Después se puede Hnealizar (3,67) expresando primero la función exponencial en su forma de serie.

(3.68)
kT + 2 l kT / + 6 l kT j +

y después, suponiendo que la \-ariación del voltaje del diodo es lo suficientemente pequeña, aproximan-
do la exponencial a los dos primeros términos de la serie.

(3.69)
kT '
Entonces (3.67) se convierte en

gVpxAÍO
y Din = v,,Dc + V.V,CA(0 - Rh (^e"'" 1 + - 1 (3.70)
kT

V D . D C + VÜ,CA(/) = v,,Dc - .ff/.í"^"-"^'"^ + Rís + V,.CA(Í) - í"^-"'^^/'^'^.^VD.CAÍÍ). (3.71)

Es posible igualar por separado las partes constantes y las partes que varían con el tiempo de (3.71),

V D . D C = V , , D C - Rhe"'"'^''^ + Rls (3.72)

i kT
(3.73)
La ecuación para la parte constante del voltaje del diodo (llamada el voltaje de polarización) es no lineal
y debe resolverse mediante una técnica gráfica o numérica. Una vez que se determina el voltaje de
3,2 Características de
polarización del diodo, la segunda ecuación se vuelve una ecuación lineal. Esto es, la ecuación para la sistemas
parte de CA o variable en el tiempo de los voltajes y corrientes es aproximadamente lineal y puede
resolverse mediante técnicas de análisis de sistemas lineales. De modo que un análisis de un sistema
dinámico no lineal se ha convertido en un análisis estático no lineal más un análisis dinámico lineal
aproximado. Este tipo de técnica es la base de lo que en electrónica se denomina análisis de señal
pequeña.

INVERTIBILIDAD

En el análisis de los sistemas es común encontrar la respuesta del sistema dada una excitación. Sin
embargo, muchas veces es posible encontrar la excitación, dada la respuesta, si el sistema es invertible.

.Se dice que un sistema es invertible si excitaciones únicas producen respuestas únicas.

Si las excitaciones únicas producen re.spuestas únicas, entonces es posible, en principio, dada la res-
puesta, asociarla con la excitación que produce. La mayon'a de los sistemas prácticos son invertibles, al
menos en principio.
Un ejemplo de un sistema en TD que es invertible es aquel que se describe mediante la operación
de acumulación

y[n] = Y ^['"]- (3.74)

m=—y.

La inversa de esta relación es la primera diferencia hacia atrás, definida por

(3.75)
y[n] - y[n - i].
Al aplicar la primera diferencia hacia atrás a la ecuación del sistema (3.74)
/: n-1

y["] - y [ " - 1] = E ^f'"] - E '^f'"] = (3.76)

Por lo tanto, la excitación x[n] es simplemente la primera diferencia hacia atrás de la respuesta y[/¡] -
y[n-i].
Un ejemplo de un sistema que no es invertible es un sistema estático cuya relación funcional exci-
tación-respuesta es

y ( 0 = sen(x(r)). (3.77)

Para cualquier valor dado de excitación x(r), es posible determinar en forma única el valor de la respues-
ta y(f). El conocimiento de la excitación determina en forma única la respuesta. Sin embargo, si se
intenta determinar la excitación, dada la respuesta, se reacomoda la relación funcional (3.77) en

x(f) = s e n - ' ( y ( í ) ) . (3.78)

se tropieza con un problema. La función seno inverso es de valores múltiples. Por lo tanto, el conoci-
miento de la respuesta no determina de manera única la excitación. Este sistema viola el principio de
invertibilidad porque excitaciones diferentes pueden^producir la misma respuesta. Por ejemplo, si en
algún tiempo t - f(,, X ( / Q ) = JT/4, entonces y(ío) = V 2 / 2 . Pero si en el tietnpo t = t^, x(tf¡) tuvo un valor
diferente, X Í Í Q ) = 37t/4, entonces yííy) tendría el mismo valor, y^t^¡) • V 2/2. Por lo tanto, observando
sólo la respuesta no se tiene idea de qué valor de excitación la ha causado.
Otro ejemplo de un sistema que no es invertible es uno muy familiar para los diseñadores de circui-
tos electrónicos, el rectificador de onda completa (figura 3.33). Suponga que el transformador es ideal
con una relación de vueltas 1 ;2 y que los diodos son ideales de manera que no sufren caída de voltaje en
la polarización directa y que ninguna corriente circula por los mismos en la polarización inversa. Enton-
ces la señal del voltaje de salida v^it) y la señal de entrada v,- (f) se relacionan mediante

Voit) = |v,(r)|. (3.79)

122 + o-

— 1
CAPÍTULO 3 v,(í)
H
r
Descripción y análisis
de sistemas
-w

FIGURA 3.33 FIGURA 3.34

Rectificador de onda completa. Circuito RLC.

Suponga que en algún tiempo particular la señal del voltaje de salida es +1 V. La señal del voltaje de
entrada en ese tiempo podría ser +1 o - 1 V. No hay forma de saber cuál de estas dos señales de voltaje
de entrada es la excitación observando sólo ia señal del voltaje de salida. Por lo tanto, no se tendría la
certeza de reconstruir correctamente la excitación a partir de la respuesta. Esta última está determinada
en forma única por la excitación, pero la excitación no está determinada en forma única por la respuesta.
En consecuencia, este sistema no es invertible.

3.3 F U N C I O N E S PROPIAS D E SISTEMAS L I T

SISTEMAS DE TIEMPO CONTINUO

Como ejemplo de un sistema de segundo orden considere el circuito RLCáe la figura 3.34. Suponga que
el circuito está inicialmente en su estado cero (no hay energía almacenada en el inductor o capacitor) y
que la señal del voltaje de entrada es v^,„(í) = Au(/). En ese caso la suma de voltajes alrededor del lazo
cerrado produce

^cv;;i(n + Rcv^jt) + v,!¿(t) = Au(f) (3.80)

y la solución para la señal del voltaje de salida es

- I R '2L!+^i R/2L)--t ]/LC) -<R/2Lí-.^lR/2L)--il/LC

+ A (3.81)

y forma K2 son constantes arbitrarias.

Esta solución es bastante más complicada que la correspondiente al filtro pasabajas RC. Ahora hay
dos términos exponenciales y cada uno de ellos tiene un exponente más complicado. Observe también
que el exponente incluye una raíz cuadrada de una cantidad que podría ser negativa. Por lo tanto, el
exponente podría ser cotnplejo. Por esta razón, la función propia e^' recibe el nombre de exponencial
compleja. Las soluciones para las ecuaciones diferenciales lineales con coeficientes constantes son
siempre combinaciones lineales de exponenciales complejas.

Una combinación lineal de números, variables o funciones es sencillamente una suma de productos de los
números, variables o funciones, y un conjunto de coeficientes constantes. Por ejemplo, una combinación
lineal de A' exponenciales complejas sería K^e'^i' + K^e!^^.' H — + K-^e'-^', donde las K son constantes.

Las exponenciales complejas son muy importantes en el análisis de señales y sistemas y serán un
tema recurrente en este libro. En el circuito RLC. si los exponentes son reales, la respuesta es la suma de
dos exponenciales reales. El caso más interesante es el de exponentes complejos. Los exponentes son
complejos si , ., •

R
< O, (3.82)
Tí LC
En este caso la solución puede escribirse en términos de dos parámetros estándar de los sistemas de
segundo orden, la frecuencia resonante subamortiguada b\ en radianes y la tasa de amorfiguamiento a,
como

v..i(0 = (3.83)
donde 123

R 3.3 Funciones propias

(3.84) de sistemas UT
LC lí'

Cuando se satisface la condición (3.82), se dice que el sistema está subamortiguado y la respuesta
puede escribirse como

(3.85)

Cada uno de los exponentes es el conjugado complejo dei otro. [Deben serlo pa'a que v^^jtO sea una
función de valores reales.]
Al aplicar las condiciones iniciales, la señal del voltaje de salida es

0)5 - a-,

(3.86)
- 1 - 7

Ésta. (3.86). parece ser una respuesta compleja para un sistema real con excitación real. No obstante,
aun cuando los coeficientes y exponentes son complejos, la solución completa es real debido a que la
señal del voltaje de salida puede reducirse a

\-e sen WQ — a-í I + eos

1
(3.87)

Esta solución está en ia forma de una senoide amortiguada, una senoide multiplicada por una exponencial
descendente. La frecuencia resonante subamortiguada / Q = cOo/27t es la frecuencia a la cual el voltaje de
la respuesta oscilaría si el factor de amortiguamiento fuera cero. La tasa a la cual se amortigua la senoide
se determina mediante el factor de amortiguamiento a. Cualquier sistema descrito por una ecuación
diferencial lineal de segundo orden podría analizarse mediante un procedimiento análogo.
Un importante caso especial del análisis de sistemas lineales es un sistema LIT excitado por una
senoide compleja. Considere que la señal de voltaje de entrada del circuito RLC es ahora

v„{t)=Ae''-f"'. (3.88)

Es valioso darse cuenta de que esta excitación se describe de manera exacta todo el tiempo. No es sólo
la excitación la que se vuelve una senoide compleja a partir de ahora; siempre ¡o ha sido. Puesto que la
excitación empieza en un tiempo infinito en ei pasado, cualquier transitorio que haya ocurrido, ha des-
aparecido desde hace mucho (si el sistetna es estable, como es el caso de este circuito RLC). De tal
modo, la tánica solución qtte queda en este tiempo es la de estado estable. La respuesta de estado estable
es la solución particular de la ecuación diferencial que se describe. Puesto que todas las derivadas de la
senoide compleja son también senoides complejas, la solución particular de (3.88) es simplemente

(3.89)

donde B atin debe determinarse. Esto es. si el sistema LIT se excita mediante una senoide compleja, la
respuesta es también una senoide compleja, a la misma frecuencia, pero con una constante de multipli-
cación diferente (en general). Casi siempre, para cualquier sistema LIT, si su excitación es una exponencial
compleja, su respuesta es esa misma exponencial compleja multiplicada por una constante compleja.
La solución de estado estable puede encontrarse mediante el método de coeficientes indetermina-
dos. Ai sustituir la forma de la solución en la ecuación diferencial (3.80),

{jl-af^fLCBe^-^f'' + jl-uf^RCBe^-'^'"' + Be^^^"' = Ae^-"^"' (3.90)

124 y resolviendo,

B = (3.91)

Utilizando el principio de superposición para sistemas LIT, si la excitación es una función arbitra-
ria, que es una combinación lineal de senoides complejas de varias frecuencias, entonces la respuesta es
tambie'n una combinación lineal de senoides complejas a esas mismas frecuencias. Esta idea es la base
de los métodos del análisis de la serie de Fourier y de la transformada de Fourier, que se presentarán en
los capítulos 4 y 5, los cuales expresan excitaciones y respuestas de sistemas arbitrarios como combina-
ciones lineales de senoides complejas para resolver las respuestas de sistemas.

SISTEMAS DE TIEMPO DISCRETO

Los sistemas LIT de tiempo discreto se describen por medio de ecuaciones en diferencias lineales con
coeficientes constantes. Las funciones propias de estas ecuaciones son de la forma a", donde a es una
constante compleja (apéndice I). Suponga que un sistema LIT de tiempo discreto se describe inediante
la ecuación en diferencias

• • 2y[/7l + 2y[/í - IJ + y | H - 2] = x[«l. (3.92)

Si a" es una función propia, entonces la solución de (3.92) debe ser de la forma

. . , y[íj] = AOL" (3.93)

y la ecuación homogénea se vuelve

2Aa" + lAa."-'' + Aa"'" = 0. (3.94)

Se puede dividir (3.94) entre Aa"--, lo que resulta en

2 a " + 2 a + I = O, (3.95)

y la solución para a es

(3.96)
2 2

La solución de la ecuación homogénea (3,94) es entonces de la forma,

(3.97)

que también puede escribirse como

(3.98)
V
Del mismo modo que en el caso de sistemas en TC, se encuentra que las funciones propias de sistemas
en TD son exponenciales complejas en TD, y si el sistema es excitado por una exponencial compleja en
TD, su respuesta es también una exponencial compleja en TD.

3.4 A N A L O G Í A S
Compare las ecuaciones que describen al sistema mecánico de la figura 3.22 y al circuito RLC de la
figura 3.34,

my"{t) + K.y'O) + K,y(t) = x(f) (3.99)

L C v ; » + RCw'^ií) + v,ai(r) = v,M}.

Si se reescribe (3,100) como - . ' • 125
I j 3.5 La suma de
Lv'Ut) + RvlJt) + -v,,^(t) = -y,„(t) (3.101) oonvolución

se ve que las dos ecuaciones tienen la misma forma. En este se caso se pueden hacer algunas analogías
entre ellas,

m ^ L y ^ Vsai K, ^ R ^' ^ ^ ^^en(0 (3.102)

El sistema mecánico y el eléctrico son análogos. Las ecuaciones que los describen son de la misma
forma, y si se puede resolver una, es posible resolver la otra. El análisis de sistemas incluye a ambos
porque los dos son sistemas LIT. Una técnica de solución de problemas que alguna vez fue muy popular
es la computadora analógica. Ésta resuelve problemas de sistemas por analogía al simular las propieda-
des del sistema con voltaje, corriente, capacitancia, inductancia. resistencia, etc. La ventaja de esta
técnica es que la dinámica de un sistema grande y costoso puede modelarse en hardware electrónico por
una pequeña fracción del costo que implicaría construir el sistema en realidad. La computación analógica
ha desaparecido ante la presencia del cómputo digital que se ha vuelto más poderoso y económico. En
la actualidad casi toda la elaboración de modelos de sistemas se efectúa con computación digital en
lugar de simulación analógica. Pero eso no significa que las analogías ya no sean importantes. En el
estudio generalizado de sistemas, la observación y entendimiento de analogías entre sistemas de tipos
ampliamente variables enriquece y profundiza la comprensión de todos los sistemas.

3.5 L A S U M A D E C O N V O L U C I Ó N
Se han visto técnicas para determinar las soluciones a ecuaciones diferenciales o en diferencias que
describen sistemas. La solución total es la suma de las soluciones homogénea y particular. La solución
homogénea es una combinación lineal de funciones propias. La solución particular depende de la forma
de la función forzada. Aunque estos métodos funcionan, existe una forma más sistemática de determi-
nar cómo responden los sistemas a las excitaciones y proporciona información relativa a propiedades
importantes del sistema. Se conoce como convolución. La convolución se presentará en esta sección
para sistemas en TD. Se extenderá en la sección 3.6 para sistemas en TC.

RESPUESTA AL IMPULSO UNITARIO

La técnica de convolución para determinar la respuesta de un sistema LIT de tiempo discreto se basa en
una idea simple. Sin importar qué tan complicada sea una señal de excitación, ésta es simplemente una
secuencia de impulsos en TD. Y para sistemas LIT es posible determinar la respuesta del sistema a un
impulso en un tiempo y luego sumar todas esas respuestas para formar la respuesta total real. Todas las
respuestas a esos imptüsos tienen la misma forma funcional (debido a que el sistema es invariante en el
tiempo) salvo el desplazamiento en el tiempo. Las respuestas son de diferentes tamaños porque los im-
pulsos son de tamaños diferentes y los tamaños de las respuestas son proporcionales a los de los impulsos
de la excitación (en virtud de que el sistema es homogéneo). Por lo tanto, sí es posible determinar la
respuesta de un sistema LIT auna excitación de impulso unitario qtie ocurre en el tiempo n = 0. se puede
encontrar fácilmente la respuesta a cualquier otra excitación. En consecuencia, el uso de la técnica de
convolución empieza con la suposición de que la respuesta a unaexcitación de impulso unitario que ocurre
en el fiempo « = O ya ha sido encontrada, y a esa respuesta h[íí]. se le fiama respuesta al impulso.
La determinación de la respuesta al impulso de los tipos más comunes de sistemas LIT en tiempo
discreto es relativatnente simple (al menos en principio). Considere primero un sistema descrito me-
diante una ecuación en diferencias de la forma

fl„y[n] + fl„_iy[« - 1] + • • • + fl,,-Dy[H - D] = x[n]. (3.103)

Ésta no es la forma más general de la ecuación de diferencias que describe a un sistema LIT en tiempo
discreto, pero es un buen punto para empezar debido a que, a partir del análisis de este sistema se puede
proseguir para encontrar las respuestas al impulso de sistemas más generales. Este sistetna es causal y
LIT y, para determinar la respuesta al impulso se deja que la excitación X[Í)] sea un impulso unitario en
el tiempo « = 0. y esa es la única excitación del sistema. Por lo tanto, el sistema nunca ha sido excitado
por nada antes de ese tiempo y la respuesta y[n] ha sido cero para todo tiempo negativo

y[n] = 0 n <Q. (3.104)

Para todos los tiempos después del tiempo n = O, la excitación del sistema también es cero. La solución
de la ecuación en diferencias después del tiempo n = O es la solución homogénea pues la excitación es
cero y no hay respuesta forzada después del tiempo n - 0. Todo lo que se necesita, para determinar la
solución homogénea después del tiempo n = 0, son las condiciones iniciales D que se pueden utilizar
para evaluar las constantes arbitrarias D en la solución homogénea. Se necesita una condición inicial
para cada orden de la ecuación en diferencias. Siempre es posible encontrarlas mediante recursión. Esta
ecuación en diferencias puede ponerse en una forma de recursión en la cual la respuesta presente es una
combinación lineal de la excitación presente y de las respuestas previas.

X [ H ] - £ j „ _ i y [ 7 í - 1] íin-oyln - D]
yin] = (3.10S)

En ese caso es posible determinar una solución homogénea exacta y¡,ln], que es válida para todos los
tiempos n > 0. Esa solución, junto con el hecho de que y[n] = 0,77 < O, forma la solución total, a la cual
se le denomina la respuesta al impulso hln]. En un sentido muy real, la aplicación de un impulso a un
sistema establece algunas condiciones iniciales y el sistema se relaja para volver a su equilibrio previo
después de dicho impulso (si es estable).
Considere ahora un sistema más general descrito por una ecuación en diferencias de la forma

a„y[n] + an-\yln - 1] + • • «„-zjy[« - D] = b„xln] + ¿ J „ _ | X [ H -

(3.106)
+ • • • + íp„_.vx[n - N].

Puesto que el sistema es LIT, se puede determinar la respuesta al impulso encontrando primero las
respuestas al impulso de los sistemas descritos por las ecuaciones en diferencias

a«y['i] + « í i - i y [ " - llH 1- f Í H - w y í " - D]= b„\ln]

a„y[íi] + fl„-iy[« - 1J H h «„-£iytn - D] = b„^]Xln - 1]

(3.107)

a„y[n] + a„^iyln - 1] + • • • + ««-/^yl" - D\ = b„..,s'xln - N]

y de.spués sumar esas respuestas. Puesto que todas las ecuaciones son las mismas salvo por la intensidad
y el tiempo de ocurrencia del impulso, la respuesta al impulso total es la suma de un conjunto de
respuestas al impulso, ponderadas y retrasadas apropiadamente. La respuesta al impulso del sistema
general debe ser

h [ í 2 ] = í)„hi[n] + ¿„_ihi[n - 1] + • • • + íí„-.vhi[« - N] (3.108)

donde h¡[«] es la respuesta al impulso que se encontró antes.

Determine la respuesta al impulso h[ji] del sistema descrito por la ecuación en diferencias

. . 8y[j)] + 6y[rt - IJ = \ln]. (3.109)

• Solución
Esia ecuación describe un sistema causal, por lo que

h[fr] = 0 fi < 0.

Se puede determinar ia primera respuesta al impulso unitario en el tiempo n = 0 por recursión,

. . . . " x[«] y[;¡]

. . . o 1 i
Para todos los tiempos « > O, la solución es dei tipo homogéneo de la fomia

3.5 La suma de
(3.111) convolución

Al aplicar las condiciones iniciales,

y,[0] =l = K,. (3.112)

En ese caso, la respuesta del sistema al impulso es

h t « ] = ^ ( - J | u[,,]. (3.113)

CONVOLUCIÓN
Para demostrar la idea de la convolución. suponga que un sistema LIT en tiempo discreto se excita
mediante una señal x[«] = 6[n] + 5[n - 1J, y que su respuesta al impulso es

h[n] = e - " " ' ^ ' u [ H ] = (0.7788)"u[«] (3.114)

(figura 3.35). La excitación de cualquier sistema en TD se conforma por una secuencia de impulsos con
diferentes intensidades que ocurren en tiempos distintos. Por lo tanto, al apelar a la linealidad y a la
invariancia en el tiempo, la respuesta de un sistema LIT en tiempo discreto será la suma de todas las
respuestas individuales a los impulsos de excitación individuales. Puesto que se conoce ia respuesta del
sistema a un solo impulso unitario que ocurre en el tiempo discreto « = O, es posible encontrar las
respuestas a los impulsos individuales en ia excitación desplazando y escalando de manera apropiada la
respuesta al impulso unitario.
En la excitación del ejemplo, el primer impulso distinto de cero en la excitación ocurre en el tiempo
« = O y su intensidad es uno. Por lo tanto, el sistema responderá a esto exactamente con su respuesta al
impulso. El segundo impulso distinto de cero en la excitación ocurre en el tiempo H = 1, y su intensidad
también es uno. La respuesta del sistema a este único itnpulso es la respuesta al impulso, pero retrasada
por uno en tiempo discreto. De tal modo, mediante la propiedad de aditividad de los sistemas LIT, la
respuesta total del sistema a la excitación yí[?i] = 5[n] + 5[H - 1] es

y[«] = e u[n] e-'"-^'^'u[n - (3.115)

(figura 3.35).
Suponga que la excitación se cambia ahora a x[/7] - 25[n]. En ese caso, puesto que el sistema es LIT
y la excitación es un impulso de intensidad dos. que ocurre en el tiempo n = O, por la propiedad de
homogeneidad de los sistemas LIT, la respuesta del sistema es dos veces la respuesta al impulso o

y[n] = 2e-"''^'u[n]. (3.116)

Considere ahora que la excitación es la que se ilustra en la figura 3.36. mientras que la respuesta al
impulso sigue siendo la misma. Las respuestas pai'a los primeros cuatro impulsos en TD distintos de
cero en la excitación se grafican en la figura 3.37. La figura 3.38 muestra las siguientes cuatro respues-
tas al impulso. Cuando se suman todas las respuestas a todos los impulsos en la excitación, se obtiene la
respuesta total del sistema a la excitación total del mismo (figura 3.39).
Ya se ha visto gráficamente lo que ocuiTe: ahora es fiempo de ver analíticamente qué sucede. La
respuesta total del sistema puede escribirse como

y[n] = • --xl-SMn + 5] + • • • + x[0]h[n] + ••• + x[2]h[« -2] + (3.117)

 I
3.5 La suma de
-5 1+ 20
I M 1-1 convolución
FIGURA 3.39
La respuesta total del 10

sistema.

completa de cómo responde a las excitaciones. Así, imagine verificar primero un sistema al aplicarle un
impulso y registrar la respuesta. Una vez que se tiene, es posible calcular la respuesta para cualquier
excitación deseada. Ésta es una técnica muy poderosa. En el análisis de sistemas en TD sólo hay que
resolver la ecuación en diferencias para el sistema una vez, para la excitación distinta de cero más
simple posible, un impulso unitario, y luego, para cualquier función forzada, se puede encontrar la
respuesta mediante la convolución.

No es bastante preciso afirmar que la respuesta al impulso h[n] es la respuesta del sistema a un impulso
unitario. Observe que se ha derivado una expresión para ia respuesta del sistema a una excitación x[n] en la
fonna

y[n]= Y,^[m]h[n-m] (3.119)

Suponga que el sistema es un amplificador de voltaje. Esto es. se excita y responde por medio de voltaje.
Entonces la respuesta h[í¡] a un voltaje de impulso unitario sería un voltaje, y tendría, por tanto, unidades de
volts. La excitación también tiene unidades de volts. Por lo tanto, de acuerdo con (3. i 19), y[f?], al ser una
Suma de productos de X[Í¡] y hln]. tendría unidades de volts al cuadrado. Sin embargo, se sabe que eso es
incorrecto. Para ser precisos, hln] es la respuesta al impulso unitario en el tiempo « = O dividida entre las
unidades de la excitación, Esto no cambia el valor numérico de la respue.sta al impulso, únicamente sus
tinidades.

EJEMPLÍJ3.2

Demuestre que la suma de convolución de la respuesta al impulso con la excitación produce una respuesta que
resuelve la ecuación en diferencias original correspondiente a la ecuación del ejemplo 3.1,

8y[/!] + 6y[?; - I] = X [ H ] . (3.120)

cuya respuesta al impulso se encontró que es

1 / 3\"
hM=^(--) uM. (3.121)

• Solución
Se expresa la respuesta como una suma de convolución,

\ í 3\"
m -8 V - 4- u[n - m]. (3.122)
y["] = Yl x["i]h[«-ííi] = Y

Se sustituye la respuesta en la ecuación en diferencias.

u[ji - ] - m] = x[f!]. (3.123)

A l combinar las sumatorias.

Y (-j) i^M" - m] + 6 (^-^^ uln - \ - m]'j y.lm] = xln]. (3.124)

D e s p u é s de factorizar y simplificar, se r e c o n o c e una diferencia entre dos s e c u e n c i a s unitarias c o m o un impulso
unitario.

u[íi — m] - u[n — 1 — m] x[íf7] = X [ Í ; ] .

{3.125)
)[n-/uj

L u e g o , mediante la propiedad de muestreo del impulso unitario, los d o s lados de la ecuación son iguales a x[n] y la
e c u a c i ó n e n diferencias se satisface.

\\n] = \\n]
4J . J2 ( - 4 ) S[n-m]x[m] = (3.126)

Aunque la convolución está definida por (3.118), es litil esplorar algunos conceptos gráficos que
ayudan a efectuarla. Las dos funciones que son multiplicadas y luego sumadas sobre -«= <m<<x> son
x[mj y hLíi - in]. Para ilustrar la idea de la convolución gráfica en TD sean x[«] y h[«] las funciones
simples ilustradas en la figtira 3.40. Puesto que el índice de la sumatoria en (3.118) es m, h[n - m] debe
considerarse una función de m con el fin de efectuar la sumatoria en (3.118). Con ese punto de vista
es posible imaginar que h[n - m] se crea mediante dos transformaciones, m -m que cambia h[m] a
h[-m] y luego m^m- n que cambia h [ - í ? ! ] a h [ - (m - «)] = li [n - m]. La primera transformación forma
la inversa en tiempo discreto de h[m], y la segunda transformación desplaza la función ya invertida en el
tiempo n unidades a la derecha (figura 3.41).
En estas condiciones, al reconocer que el resultado de la convolución es y [77] = Z",=_„ x[m]h[n - m],
el proceso de graficar el resultado de la convolución y [«] en función de n consiste en elegir un valor de n
y efectuar la operación EJJ¡ = . „ x[í?j]h[n - m ] para esa«, graficar ese único resultado numérico para y[«]
en esa n y luego repetir el proceso completo para cada n. Cada vez que se escoge una nueva n, la función
h[n - m] se desplaza a una nueva posición, X[ÍÍÍ] permanece donde se encuentra debido a que no hay n en
x[m], y la sumatoria Z m = - » x [ m ] h [ í ! - Í K ] es simplemente la suma de los productos de los valores de x[m]
y h[f! - m] para esa elección de 71. La figura 3.42 es una ilustración de este proceso. Para todos los valores
de n no representados en la figura 3.42, y[«] = 0. por lo que ahora puede graficarse y[n] como se ilustra en
la figura 3.43.

PROPIEDADES DE LA C O N V O L U C I Ó N

La convolución, como operación matemática, se indica mediante el operador Por ejemplo,

y[n] = x[«] * h[H] = ^ x[m]h[íi — m ] . (3.127)

h[-m]
x[n]
--1

-4
t
-3
t
-2
t
-1
I, If k k > m
—+—f- 1 2 3 4
-4 -3 -2 -! 1 2 3 4
h[íi - m\

h|"l
2 - H 1

2 --
1 - — 4

I Í Í I 1 t
? T T T ' - •? T *
-4 -3 -2 -1 ! n-1
-4—+—+—+- -4—+—+-^- "
-4 -3 -2 -1 1 2 3 4 n-l n

FIGURA 3.40 FIGURA 3.41

D o s funciones en T D . h [ - m ] y h[n - íji] en función de m.
 •KM} hl-í -M]
, . •;• ¡lio -'ni
11 = 0
-2 - 2

J y- 1
• • • • • • • • • » # ^ 4 í. í j. 1.
-4 -i -1 -I -4 - 3 - 2 - 1 3 4 -4 -3 -2 - f * T W ^

x|m|h|-l - M\ x[mlh|0 - I 1 2 3 4

-2

-4 - 3 - 2 - 1 t i * 3 4 -4 -3 -2 - I 1 2 3 4
yl-il = 2 y(a] = 6

h[I -m] li[2 - mi

N='Í

-4 - 3 - 2 - 1 1 2 3 4 -4 -3 - 2 - 1 -4 -3 -2 -1
1 2 ,3 4 -4 -3 - : -1
xNlhl I - m]

4 • • • • *
, ^ , FIGURA 3.42
-4 - 3 - 2 - 1 4—4—4-^ "¡
y[l] = 6
12 3 4 y[n] para = - i, 0. 1
y[:] = 4 y 2.

I ' í . m i i l " ^ v^"X""^^^ - ?on™^"'^ión con el indicador del conjugado complejo de un núme-
ro o función c o m p l e j a , P o r ejemplo, x[/¡] * h[/!] es x[n] convolucionada con h[ni, pero x[n] b\n] es ei
producto del conjugado complejo de x[n] y h[/?]. Casi siempre la diferencia es clara en el contexto.

Considere primero el caso especial

(3.128)

Puesto que la excitación es ahora el impulso unitario que ocurre en el tiempo discreto n = 0. se sabe que
la respuesta debe ser la respuesta al impulso. Al utilizar la definición de la convolución (3.127), se
obtiene

y[H] = 5[/)l +h[H] = Y S['"]hl" - íf¡]. (3.129)

Considere el sumando 6[ííí]h[í? - m] en (3.129). Este producto tiene un valor distinto de cero y ocurre
donde m = O porque el impulso es distinto de cero sólo en ese tiempo discreto. Durante el proceso de
suma, todas las m, excepto in = 0. no contribuyen en nada a la sumatoria. En consecuencia, se puede
escribir la convolución (3.129) como

5 [ , i ] =í=h[í)] = 6 [ 0 I h[;! - 0] = h[;;] (3.130)

=1

lo que confirma matemáticamente que la respuesta es, de he-

cho, la respuesta al impulso. En un sentido matemático más
yW
general, este resultado indica que no se modifica cualquier
función convolucionada con un impulso unitario no despla-
zado. 4 +

g[/!] * 8 [ H ] = g[«] (3.131)

-4 4 4- "+ FIGURA 3.43
-4 -3 -2 -1 ^ 2 3 4 Gráfica de y[rtl.
para cualquier g[ii].
 Si la excitación, x[«], de un sistema LIT en tiempo discreto se multiplica por una constante A, la
respuesta se multiplica por la misma constante.

(Ax[n]) =(= h[;j] = ^ Ax[í«]h[« - m] = A ^ x['"JhL" - ' « ] = A(X[ÍI] * h[«]) (3.132)

/71 ——OO m ——oü

Esto es justo una confirmación del hecho de que el sistema es LIT y, por lo tanto, homogéneo.
Si la excitación se desplaza en el tiempo en cierta cantidad n^, se obtiene la respuesta

oo
x[rt - no] * h[«] = Y ^[^^ - "o]ií\r¡ - m]. (3.133)
m = —oc

Realizando el cambio de variable q = m-nQ,ts posible reescribir la sumatoria en (3.133) como

Y x[^]h[í¡ - q - H ü J = Y - "o) - ql (3.134)

Ahora se puede ver que si y[íi] está dada por

y["] = Y x[m]h[n - m] (3.135)

y se sustituye n por u - en todos los lugares donde rt ocnrra, se obtiene entonces el resultado

oo
y [ « - "ol = Y " [ m M í n - Ho) - mi (3.136)
in=-oo
que es idéntico a (3.135) (salvo por el símbolo, moq, utilizado para el índice de la sumatoria, lo cual no
cambia el resultado de la misma). Por lo tanto, es posible afirmar que

x[íi - «o] * h[n] = y[n - ÍIQ], (3.137)

que en palabras indica que cuando se desplaza la excitación en el tiempo en cierta cantidad «Q, la res-
puesta se desplaza en la misma cantidad. La linealidad y las propiedades de desplazamiento en el tiem-
po de la convolución con un impulso puede enunciarse en una forma sucinta

X[H] + Ah\n — no] — A x [ n — «o] (3.138)

(figura 3.44)
Observe que si se define una función

g[n] = go[«] * S [ n ] , (3.139)

la versión desplazada en el tiempo correspondiente de g[n], g[n ~ n^], puede expresarse en cualquiera de
dos formas alternativas,

g['i - no] = go[« - "ol * o g[« - «oJ go['i] * S[n - Ho], (3.140)

pero no en la forma g^in - n^} * ?>[n - n^]. En vez de eso

g[n - 2«o] = go[/! - «o] * - «o]. (3.141)

Esta propiedad es válida no sólo cuando se convoluciona con impulsos, sino con cualquier función. Al
utilizar la definición de convolución

00 »
y [ í i ] = x[n] + h [ í T ] = Y x[m]h[H-m]= ^ x[«-m]h[m] (3.142)
 20

_2-

= -2x,[íi - 4]

2--

20

-2 +

FIGURA 3.44
Propiedades de escalamiento y desplazamiento de la convolución.

es posible formar

y[« - ;io] = ^ \[m]h[i¡ -/¡o - ni] = ^ X [ ? Í - / ¡ o - "í]h[/í!] (3.143)

y[?¡ - ; T O ] = X [ H ] ^ h[n - ÍPQ] = x[?i - ÍÍO] * h[íí]. (3.144)

En palabras, si una función completa es la convolución de dos funciones componentes, entonces el

desplazamiento de cualquiera de las dos funciones componentes, pero no de ambas, desplaza a la fun-
ción completa en la misma cantidad.
La convolución es conmutativa, asociativa y distributiva. Estas propiedades se demuestran en el
apéndice D. Las propiedades, enunciadas matemáticamente, son

Conmutatividad: An\ * yin] = y["] * x[«] (3.145)

Asociatividad: (x[;¡] * yf?!]) * zfí]] = x[«] * (y[n] * Z [ Í ! ] ) (3.146)
Distributividad; (x[íj] -I- y[í!]) * An] = x[?!] * y[7í] + x[;!] * z[n] (3.147)

Es posible demostrar otras dos interesantes propiedades de la suma de convolución. Denótense las
dos funciones por x[«] y h[n]. Entonces su suma de convolución es

y[n] = x[íí] * h\n]. •• (3.148)

Luego, utilizando (3.140), la primera diferencia en atraso de su suma de convolución es

y["l - y['í - 1] = * h[/i] - x[/¡l * h[n - 1] (3.149)

yin] - ylíj - IJ = ^ x[»;]h[/! - m] - ^ \[m]h[n - m - 1]. (3.150)

= fn=- ?c

Combinando las sumatorias,

y[n] - y['í - 1] = ^ x[ml(h[í! - m] - h[n - w - 1]) (3.151)

 y[n] - y [ " - 1] = x.[«] * (h[«l - hfn - 11). (3.152)

En palabras, la primera diferencia de una convolución de dos funciones es la convolución de cualquiera

de las funciones con la primera diferencia de la otra función. Ésta es la propiedad de diferencia de la
suma de convolución.
Sean y, x y h la suma de todos los impulsos en las funciones 5,, S^. y 5/,, respectivamente, entonces

y["] = X! x[m]h[n - m] (3.153)

00 00

Sy = yín]= Yl ^ímMn-m]. (3.154)

Al intercambiíu el orden de la sumatoria, ' • !

00 03
Sy= Y ^ h\n-m] = S,,Sh.
(3.155)
=5-.

En palabras, la suma de los impulsos en una suma de convolución de dos funciones en TD es el producto
de las sumas de los impulsos en las dos funciones individuales. Ésta es la propiedad de suma de la suma
de convolución.
Se ha visto que cualquier función en TD que se convoluciona con un impulso unitario en TD en el
tiempo « = O no se modifica. Si se convoluciona utia función con la primera diferencia en atraso de ese
impulso, un doblete unitario en TD. se obtiene

g[fT] * U|[/!] = Y g[m]ui[» - m] = Y, Slm]{?>[n - /v] - h[n - m - 1]) (3.156)

g[í!] * U I [ H ] = g|í!] - g[í) - 1]. (3.157)

Así que la convolución con un doblete unitario no desplazado produce la primera diferencia en atraso
de una función. De manera similar, las funciones singulares de orden superior producen diferencias de
orden superior cuando convolucionan con una función.
MATLAB tiene un comando c o n v que efectúa la convolución. La sintaxis es

y = conv(x,h)

donde x y h son vectores de valores de seriales de tiempo discreto y y es el vector que contiene los
valores de la convolución de x con h. Desde luego. MATLAB no puede calcular una suma mfinita como
se indica mediante (3.153). En consecuencia, únicamente puede convolucionar señales de tiempo limi-
tado, y los vectores x y h deben contener todos los valores distintos de cero de las señales que represen-
tan, (También pueden contener valores cero adicionales, si se desea,) La longitud de y es una unidad
menos que la suma de las longitudes de x y h. Si el tiempo del primer elemento en x es y el tiempo
del primer elemento en h es n¡,Q, el tiempo del primer elemento en y es n^, + ni,(y Como ejemplo,
suponga

« - 6
x[í!l = recíTfj; — 3] y h[;í| = tri (3.158)

Entonces x[«] se halla limitada en el tietnpo al intervalo 1 < Í; < 5 y hLí;] está limitada en el tiempo al
intervalo 3 < n < 9. Por lo tanto, cualquier vector que describa a x[;¡] debe ser al menos de cinco
elementos de longitud, y cualquier vector que describa a h[n] debe ser al menos de siete elementos de
 3.5 La suma de
convolución

T 1 • "T

. T í Tí T . 10 12
_I
14
L_
16 18 20

FIGURA 3.45
3- Excitación, respuesta
-
de impulso y respuesta
de un sistema en TD
1 - encontrada mediante el
O' comando conv de
-2 10 12 14 16 20
MATLAB.

longitud. Agregue algunos ceros adicionales, calcule la convolución y grafique las dos señales y sus
convoluciones mediante el siguiente código de MATLAB.

nx = - 2 : 8 ; nh = 0 : 1 2 Se f i j a n l o s v e c t o r e s de t i e m p o p a r a x y h.
X = rectDT(2,nx-3) ; Se c a l c u l a n l o s v a l o r e s de x .
h = tri((nh-6)/4) ; Se c a l c u l a n l o s v a l o r e s de h.
y = conv(x,h) ; Se c a l c u l a l a c o n v o l u c i ó n de x con h.

% Se genera un v e c t o r de tiempo discreto para y.

%
ny = ( n x ( l ) + nh(1)) + (O:(length(nx) + length(nh) - 2)) ;
%
% Se g r a f i c a n los resultados.
%
subplot(3,1,1) ; stem(nx,x,'k','filled') ;
xlabel('n') ; ylabel('x') ; a x i s ( [-2,2 O,O,4]) ;
s u b p l o t ( 3 , 1 , 2) ; steTn(nh,h, ' k ' f i l i a d ' ) ;
xlabel('n') ylabel ('h') ; a x i s ( [ - 2 , 2 O, O , 4 ] ) ;
subplot(3,1,3) ; stem(ny,y,'k'filiad') ;
xlabel Cn') ; ylabel ('y') ; a x i s ( [-2 , 2 0 , O , 4] ) ;

Las tres señales se ilustran en la figura 3.45.

INTERCONEXIONES DE SISTEMAS
Hay algunas formas comunes en las que los sistemas se conectan para formar otros mayores. Dos de las
más comunes son la conexión en cascada y la conexión en paralelo. La primera (figura 3.46) es la
conexión de la salida de un sistema a la entrada de otro. Si la excitación del primer sistema es \[n]
entonces su respuesta es X[Í!] * h | [ í ? ] , que es también la excitación del segundo sistema. Por lo tanto, la
respuesta del segundo sistema es {x[n] h|[/?]) ''• h^ín]. Al utilizar la propiedad asociativa de la
convolución se afirma entonces que la respuesta al impulso del sistema completo es

h[n] = h,[n] * h2[;¡]. (3.159)

xln] • x[n] * h|[ii] h.ln]

11 j L'f)
FIGURA 3.46
Conexión en cascada
xln] — yl"l
de sistemas.
 x[n] *

+ ) i- y[n] = * h,[jj] + x[n] * h,ffi] = x[;i] * { h j í i ] + h,[í!])

xr;il *

xW- h|[íi] +h2M yf"]

FIGURA 3.47
Conexión en paralelo de sistemas.

Esto puede extenderse a una conexión en cascada de cualquier niímero de sistemas. En palabras, la
respuesta al impulso de una conexión en cascada de sistemas LIT es la convolución de todas las res-
puestas al impulso individuales del sistema.
La conexión en paralelo de sistemas se ilustra en la figura 3.47. La excitación de ambos sistemas es
X [n]. La respuesta del de arriba es x[n] * [n], y la respuesta del de abajo es x[/j] * h2[n]. Por consiguien-
te, la respuesta del sistema completo (valiéndose de la propiedad distributiva de la convolución) es

x[n] * h i [ n ] - I - x[n] * h2[/i] = x[n] * (hi[R] - j - h3[/i]). (3.160)

La respuesta al impulso del sistema completo es h j n ] + hjífi]. Esto puede extenderse a una conexión en
paralelo de cualquier niimero de sistemas. En palabras, la respuesta al impulso de una conexión en
paralelo de sistemas LIT es la suma de todas las respuestas al impulso de los sistemas individuales.

ESTABILIDAD Y RESPUESTA AL IMPULSO

La estabilidad se definió de manera general en la sección 3.2 afirmando que un sistema estable tiene una
respuesta acotada para una excitación acotada. Ahora es posible encontrar una forma para determinar si
un sistema es estable al examinar su respuesta al impulso. La respuesta y[)!j de un sistema en TD a una
excitación x[n] es

y[n] = Y x[m]h[« - m]. (3.161)

Si la excitación x[«] está acotada, es posible afirmar que |X[Í?!]| <B para toda m. La magnitud de la
respuesta es

\y[n]\ = Y x[m]hln - m] (3.162)

Con base en el principio de que la magnitud de cualquier suma de términos es menor o igual a la suma
de las magnimdes de los términos,

ly[«]| < E !x["!]||h[«-m]|. (3.163)

m=-!x

Puesto que x[m] es menor que B en magnitud para cualquier m.

\y[n]\S Y. Ix[m]||h[n-mJI < ¿ B\h[n - m]\ (3.164)

lyl'íll <B Y Mn-m]\. (3J65)

m=—oc

oc

Por lo tanto, la respuesta y[n] está acotada si Mn - m] \ está acotada.

 Un sistema en TD es estable si su respuesta al impulso es absolutamente sumable.

RESPUESTAS DE SISTEMAS A SEÑALES ESTÁNDAR

Es útil, en preparación para el trabajo posterior, examinar la forma de las respuestas de sistemas en TD
a algunas señales estándar, la secuencia unitaria, una exponencial compleja y una senoide.
La respuesta de cualquier sistema es la convolución de la excitación con la respuesta al impulso,

y[n] — x[«] * h[n] = ^ x[m]h[" - m]. (3.166)

Sea la excitación una secuencia unitaria y designe la respuesta a la secuencia unitaria por h_|[/7]. En-
tonces

h-[[n] = u[í?] * h[n] = ^ u[OT]h[« - m]. (3.167)

La secuencia unitaria se define como la acumulación del impulso unitario

n

(3.168)
u[«]= Y St'"]-
m = - >:
Al combinar (3.167) y (3T68),

h_,[«] = u [ H ] * h [ « ] = I] S[í]h[n-m]. (3.169)

m=—oc q=—'X.

El sumando 6[(7]h[/i - mj en (3.169) tiene un valor distinto de cero sólo donde ^ = 0. La sumatoria
interna con respecto a va desde infinito negativo hasta m, donde m es el índice de la sumatoria exterior.
Por lo tanto, para todos los valores de m menores que cero, la respuesta es cero y la sumatoria puede
simplificarse en

(3.170)
h_i[íí] = U [ H ] * h[/!] = Yj ^

Después de esto se hace un cambio de variable q = ri - m.

h_i[H] = ;^h[?]= ¿ h[q]. (3.171)

En palabras, la respuesta a cualquier tiempo discreto n de un sistema LIT excitado por una secuen-
cia unitaria es la acumulación de la respuesta al impulso. Por lo tanto, es posible afirmar que así como
la sectiencia unitaria es la acumulación de la respuesta al impulso, la respuesta de la secuencia unitaria
es la acumulación de la respuesta al impulso unitario. Ésta es la razón de la notación h_|[n]. Se sigue la
misma lógica que con la notación de las funciones singulares. El subíndice señala el número de diferen-
ciaciones, o en este caso, diferencias. En la simación que se está trabajando hay una diferencia, o una
acumulación, de - 1 al ir de la respuesta al impulso a la respuesta de la secuencia unitaria. De hecho, esta
relación se cumple no sólo para el impulso y las excitaciones de secuencia unitaria, sino para cualquier
excitación. Si una excitación se cambia por su acumulación, la respuesta también cambia por su acumu-
lación. Se pueden considerar otros casos con estas relaciones y afirmar que en virtud de que la primera
diferencia hacia atrás es la inversa de la acumulación, si la excitación se cambia por su primera diferen-
cia hacia atrás, la respuesta también cambia por la primera diferencia hacia atrás.
La excitación exponencial compleja es la segunda señal estándar en importancia, y lo es porque
será la base de los métodos para transformar en todos los capímlos que siguen. Tiene la forma

x[/i] = z" (3.172)

donde z puede ser cualquier constante compleja. La respuesta dei sistema puede escribirse en cualquiera
de las dos formas de convolución.

y[„]= £ ;'"h[«-m]= ¿ ;"-"'h[m]. (3.173)

Al reacomodar la segunda forma en (3.173),

y [ „ ] = c" ¿ h|,„L--"' . (3.174)

constante
compleja

Este resultado muestra que la forma funcional de la respuesta es la misma que la forma funcional de la
excitación, una constante, que puede ser compleja, multiplicada por En el capítulo 11. la sumatoria

(3.175)

será llamada la transformada z de h[í7] y será uno de los métodos de transformada pcua el análisis de
sistema LIT, en este caso para sistemas de TD, Los métodos para transformar utilizados comúnmente se
presentarán en los capítulos 4, 5. 9 y 11.
Es posible especializar la excitación exponencial compleja a una excitación senoidal compleja
dejando - = = eJ^^''. Si la excitación es e'-'^'"", entonces la respuesta es

(3.176)

Si la excitación es e-i-^^", la respuesta es

y[n\ ^ e-'^-""-'" E h[m]e^'^^"'. (3.177)

Apelando a la linealidad, si la excitación es (ei-^^" + e-J-^'^")f2 (un coseno) la respuesta es

y[„] = 1 ¿ hlm]e-^-^'"'+ e-^--'" ¿ hímje^'^^""^ (3.178)

\ m=~yz m=—oc I

y[í!] = - ie'-"^" E bLín](cosí2-iTF»0 - ; s e n ( 2 T T f m))

^g-;a7TF" h[m](cos(2'7TFm) + , / s e n ( 2 ' r r f m ) ) (3.179)

y [ n l = - í ( í ^ 2 ^ ^ " + e->-^^") E hLffl]cosí2^Fm)

\ m=—

j^de P--^^^ - je's-^'--) h[í!i]sen(2TTFw)) (3.180)

m=-—x /

oc óo
y [ H j = cos(2TT/"n) ^ h[m] cos(27rF/í!)+sen(27TF;!) ^ h[m] sen(2-iTÍ'm)
(3.181)
tonslanle real constante real
En esta forma se concluye que una excitación senoidal de valores reales produce una respuesta senoidal
de valores reales a la misma frecuencia que la excitación, así como la excitación exponencial compleja
produce una respuesta exponencial compleja {puesto que una senoide real es una combinación lineal de "comoiución
senoides complejas y una senoide compleja es un caso especial de una exponencial compleja).

É.ndvíi>Eo 3 3
El sistema en TD de la íigura 3.11 se repite en la figura 3.48. Se podría encontrar directamente el impulso utilizando
los métodos que se presentaron antes, pero, puesto que ya se ha encontrado su respuesta a la excitación de secuencia
unitaria

yl'i] = 5 - 4 u[«]. (3.182)

se puede encontrar la respuesta al impulso como la primera diferencia hacia atrás de la respuesta de secuencia
unitaiia,
h|"] = y [ " l - y [ " - I J

r
= U íl -

4\"-' /4
= 5(u[»] - u[i! - l]i - 4 y- -U[í!j - UL" - 1]

4\"
= 5S[fil-4(^)'5[/¡J + (^) u[«- n

( - ) u f . ] .
(3.183)

Esta respuesta al impulso tanibien puede encontrarse a partir de la recursión.

y l " l = xl;!] + ^ y l / i - n. (3.184)

La tabla 3.1 compara los dos resultados

TABLA 3.1
H 6[n] y[«] = + i y[/Í - 1] hlR]=(^) uf»]
0 1 1

4
1 O 5 5
2 O
M.
3 0 m
m

Ahora que se tiene la respuesta al impulso, es posible encontrar la respuesta a cualquier excitación mediante la
convolución. Sea la excitación la qtic se ilustra en la figura 3.49. Todo lo que resta por hacer es la convolución. Se
puede hacer utilizando el programa MATLAB;

m
1

xp¡]

4 D
.s
FIGURA 3.49
FIGURA 3.48 I O t Excitación del sistema
Un sistema en TD. -4 -2 6 8 enTD,
I 140 % Programa p a r a d e m o s t r a r l a c o n v o l u c i ó n
nx= -5:15 ;
X = tri((n-3)/3)
nh ^ 0 : 2 0 ;
;
en t i e m p o discreto.
% Se e s t a b l e c e un v e c t o r de t i e m p o d i s c r e t o p a r a l a e x c i t a c i ó n .
% Se g e n e r a e l v e c t o r de e x c i t a c i ó n .
% Se e s t a b l e c e e l v e c t o r de t i e m p o d i s c r e t o para l a
% al impulso.
respuesta

% Se g e n e r a e l v e c t o r de r e s p u e s t a a l impulso,
h = ( ( 4 / 5 ) ."nh) .*uDT(nh) ;

% Se c a l c u l a n l o s t i e m p o s d i s c r e t o s de i n i c i o y t é r m i n o p a r a e l v e c t o r
% de r e s p u e s t a d e l s i s t e m a a p a r t i r de l o s v e c t o r e s de t i e m p o d i s c r e t o
% con r e s p e c t o a l a r e s p u e s t a a l a e x c i t a c i ó n y a l i m p u l s o ,
nymin = n x ( l ) + n h { l ) ; nymax = n x ( l e n g t l i ( n x ) ) + l e n g t h ( n h ) ;
ny = nymin:nymax-1 ;

% Se g e n e r a e l v e c t o r de r e s p u e s t a d e l s i s t e m a convolucionando
% l a e x c i t a c i ó n con l a r e s p u e s t a a l impulso,
y = conv{x,h) ;

% Se g r á f i c a l a e x c i t a c i ó n , l a r e s p u e s t a a l i m p u l s o y l a r e s p u e s t a d e l sistema,
% t o d a s s o b r e l a misma e s c a l a de t i e m p o c o n f i n e s c o m p a r a t i v o s .

% Se g r á f i c a l a e x c i t a c i ó n .
subplot (3,1,1) ; p = stem(nx,x, 'k', ' f i l l e d ' ) ;
s e t ( p , ' L i n e W i d t h ' , 2 , ' M a r k e r S i z e ' , 4 ) ,-
axis{[nymin,nymax,O,3]) ;
x l a b e l C n ' ) ; y l a b e l (• x [n] ' ) ;

% Se g r á f i c a l a r e s p u e s t a a l i m p u l s o ,
s u b p l o t (3, 1,2) ; p = stein(nh,h, ' k ' , ' f i l l e d ' ) ;
set(p,'LineWidth',2,'MarkerSize',4) ;
axis{[nymin,nymax,O,3]) ;
x l a b e l C n ' ) ; y l a b e K ' h [n] ' ) ;

% Se g r á f i c a l a r e s p u e s t a d e l s i s t e m a ,
subplot(3,1,3) ; p = stem(ny,y,'k','filled') ;
s e t (p, ' L i n e W i d t h ' , 2 , ' M a r k e r S i z e ' , 4 ) ;
axis([nymin,nymax,O,3]) ;
xlabel('n') ; ylabel('yIn]') ;

Las tres señales graficadas por medio de MATL.A.B se ilustran en lafigura.^.50 mt

l i l i 1 "1 •- .,

1 , -

' 1 líílTt

FIGURA 3.50
Excitación, respuesta
al impulso y respuesta
del sistema.
 n C U R A 3.51
Amplitud de la senoide
compleja de la res- F
-2 - i
puesta en función de la
íl
frecuencia en TD. -4TT 2lT 4-n

EJEMPLO 3.4

Para un sistema descrito por

8y[n] +4y[n - l] + y[fi - 2] = (3.185)

encuentre ia respuesta a una excitación senoidal compleja de amplitud unitaria de frecuencia cíclica F en TD, y
grafique después las amplitudes de la respuesta senoidal compleja de estado estable en función de la frecuencia
cíclica F y de la frecuencia en radianes íí en TD.
• Solución
La ecuación en diferencias que describe al sistema con una excitación senoidal compleja de amplitud unitaria a la
frecuencia Fen TD es

8y[„] + 4y[;r - 1] + y[n - 2] = e'-"''" (3.186)

Puesto que sólo interesa la solución de estado estable, basta con determinar la solución particular de (3.186) de la
forma

(3.187)

donde .ÍTes una constante compleja aún por determinar. Sustituyendo (3.187) en (3.186),

(3.188)

Se divide entre ei^'^Fm-

(3.189)

i
Al despejar K,

K =- (3.190)

Puesto que íí = 27tF, íTcomo función de íí es

K = (3.191)

Lafigura3.51 es una gráfica de \K\ versus F y íl.

3.6 L A I N T E G R A L D E C O N V O L U C I Ó N

R E S P U E S T A A L I M P U L S O

De manera análoga al desarrollo de la suma de convolución para señales en TD se desarrollará ahora la

integral de convolución para señales en TC. El proceso conceptual básico es el mismo, aunque es un
poco más detallado. Se expresa la excitación como la suma de funciones simples, todas del mismo tipo;
se encuentra la respuesta a una función estándar; y luego se determinan las respuestas a todas las funcio-
Des simples y se suman. Las funciones simples serán los impulsos en TC. Por lo tanto, así como fue
válido para los sistemas en TD, para usar la convolución con el fin de determinar la respuesta de un
 sistema se necesita primero la respuesta al impulso del sistema. El ejemplo 3.5 ilustra algunos métodos
para determinar la respuesta al impulso a partir de la ecuación diferencial del sistema.

EJEMPLO M

Determine la respuesta al impulso de un sistema caracterizado por la ecuación diferencial

y'it) + ay(t) = x(f}, (3.192)

donde x(/) es la excitación y y(r) es la respuesta,

• Solución

Método 1
Puesto que la excitación es el impulso unitario en el tiempo f = O, se sabe que la respuesta al impulso antes del
tiempo í = O es cero,

h(f) = O f < O, (3.193)

La solución homogénea para tiempos í > O es

y,(t) = Ke-"', (3.194)

y ésta es ¡a forma de la respuesta al impulso para tiempos t > O, debido a que en ese intervalo detiempola excita-
ción es cero. Ahora conocemos la forma de la respuesta al impulso antes y después del tiempo í = 0. Todo lo que
queda por encontrar es lo que sucede en el tiempo r = 0. La ecuación diferencial (3.192) debe satisfacerse todo el
tiempo. Es posible determinar lo que ocun-e en el tiempo i = O integrando ambos lados de {3.192) a partir de r =
O-a í = 0+,

0+ 0+

y(O^)-y(O^)-ha j y{!)dt= j b{t}di = l. p_i95)

Si y(í) no tiene un impulso o singularidad de mayor orden en el tiempo / = O, entonces

0+

j y(!)d! = 0. (3.196)
0-

si y(r} tiene un impulso o una singularidad de orden superior en el tiempo t = O, entonces

0-

yU)dt^O. p_i97^

Si y(/) tiene un impulso o singularidad de orden superior en el tiempo t = O, entonces y'(t) debe ser un doblete o una
singularidad de orden superior Puesto que no hay doblete o singularidad de orden superior en el lado derecho de
(3.192), la ecuación no puede satisfacerse. Por consiguiente, se sabe que no hay impulso o singularidad de orden
superior en y(/) en el tiempo í = O y, por lo tanto, jJ* y(r) dr = 0. En ese caso

y ( 0 + ) - y ( 0 - ) = 1. (3.198)

Puesto que el sistema está inicialmente en reposo antes de que se aplique el impulso, se sabe que y (O") = O y, en
consecuencia, que y(0+) = 1. Ésta es la condición inicial necesaria para encontrar una forma numérica exacta de la
solución homogénea que se aplica después del tiempo í = 0. Al aplicar esa condición inicial,

h{0^)=\^K (3.199)

y la solución total es

hit) = e-^uit). (3.200)

Para verificar esta solución se le sustituye en la ecuación diferencial

142 =• y'(f) + ay(/) = e"°'S(r)-ae"'"u(í)-l-ae-°'u(r) = 6 ( 0 (3.201)

 í-"'5{/) = e%t) = 5(f). (3,202) 3.6 La integralde
En palabras, la función h(/) = e-"'u (í) tiene la propiedad de que su derivada, más a veces ella misma. h'(r) + íih(í), ^'^^ol^^'ón
es cero antes del tiempo f = O, es también cero después del tiempo / = O, y tiene exactamente el tamaño correcto de
la discontinuidad de escalón en el tiempo / = O para igualar h'(í) + ahit) a un impídso unitario en ese tiempo. Por lo
tanto, para cualquiertiempot la ecuación diferencial ñ'(íj + ah{t) = 5(f} es satisfecha poi- h(f) - «- "'u (í), y ésta debe
ser la respuesta de impulso.

Método 2
Otra manera de determinar la respuesta al impulso consiste en hacerla aproximación de determinar la respuesta del
sistema a un pulso rectangular de ancho w y altura 1/iv, empezando en el tiempo t = O, para después encontrar ía
solución dejando que w tienda a cero. Conforme w se acerca a cero, el pulso rectangular se aproxima a un impulso
en elriempoÍ = O y, en consecuencia, la respuesta se aproxima a la del impulso.
Utilizando el principio de linealidad. ¡a respuesta al pulso es la suma de la respuesta a un escalón de altura
1/iíJ en el tiempo r = 0 . y la respuesta a un escalón de altura r - (1/w) en el tiempo í = lü. La solución total para el
tiempo í > O a una excitación de escalón es
1
y(í) = Ke-^^ + (3.203)
aw
Con referencia a (3.192)

y'{í) + o y m = x(í). (3.204)

Si y(í) tiene una discontinuidad en í = O, entonces y'(/) tendría un impulso en f = 0. Por lo tanto, puesto que x{f) no
contiene un impulso, y(í) debe ser continua en r = O, ya que en otro caso (3.204) no podría ser correcta. Puesto que
y(/) ha sido cero en todo el tiempo negativo, también debe ser cero en í = 0+. Entonces

1
y(0+) = O = Ale" -h ^ a: = - - (3.205)

1 - e-
y í O = t > 0. (3.206)

Al combinar esto con el hecho de que y(í) = O para f < O, se obtiene la solución para todo tiempo,

1 - í - " '
yi(r) = u(r). (3.207)
aw
Utilizando la linealidad y la invariancia en el tiempo, la respuesta para e) segundo escalón es
„-a(f-y')
—e
y2(r) = - - -u(r - lí,'). (3.208)
aw
Por lo tanto, la respuesta al pulso es

(I - f - ° ' ) u ( í ) - (1 - e - "')u(í - U.0

y(í) = (3.209)

En ese caso, si se establece que u> tiende a cero,

(\ - e-")uU) - {\ - e-"'—'=')u{t -
h(r) = hm y(f) = lim . (3.210)

Ésta es una forma indeterminada, por lo que se debe usar la regla de L'Hóspital para evaluarla.

^((1 -g-^')u(f)- (l-f-°"-"")u(? - U ) ) )

lím y(í) — lím
(d/dw){aw)

-{d/dw){(\-e-"'-^>)ü(¡ - w))
= lim
u,-.o a

(1 - e-""-"')f-S(/ - uO) - fle-""-'"'u(f - w)

= — Km
U.-.0

( 1 - e^'")(-S(r)) -í3í;-"'u(r) -ae-"'M{t)

'u(í) (3.211)
144 Por consiguiente, la respuesta al impulso es

CAPÍTULO 3 h ( 0 = f-°'ufr) (3.212)

Descripción y análisis
de sistemas como antes

Método 3
El tercer (y último) me'todo consiste en encontrar la respuesta al escalón unitario en vez de la respuesta al impulso
unitario y luego diferenciarlo para obtener la respuesta al impulso unitario. De acuerdo con el método 2, se sabe que
la respuesta al escalón unitario es

1 - e-"'
y(r) = u(í). (3.213)

Por lo tanto,

d d i 1 -<?-"'
([ -e-'")h{t)+ ae-"'\i{t) (3.214)

hit) = e-""u(t) (3.215)

c o m o antes.

Los principios en el ejemplo 3.5 se pueden generalizar para aplicarse en la determinación de la

respuesta al impulso de un sistema descrito por una ecuación diferencial de la forma general

a„y""(í) + a „ _ , y ' " - " ( f ) + • • • + fl,y'(r) + a^yit)

= b„x'""it) + ¿,„_ix""^^'(f) + • • • + ¿ i x ' ( f ) + boMt). (3.216)

La respuesta y(í) a una excitación del impulso debe tener una forma funcional tal que 1) cuando se
diferencia muchas veces, hasta la derivada enésima, todas esas derivadas deben igualar a la derivada
correspondiente del impulso hasta la derivada «-ésima en el tiempo í = O y 2) la combinación lineal de
todas las derivadas de y(/) en el lado izquierdo de (3.216) debe sumar cero para cualquier tiempo t ^ 0.
El requerimiento dos se alcanza mediante una solución de la forma y,|(f)u(í), donde y^,(/) es la solución
homogénea de (3.216). Para cumplir con el requerimiento quizá sea necesario añadir otra función o
funciones a yi,(t)u(.t). Considérense tres casos.

Caso 1: m < n. En este caso las derivadas de y;,(f)u(r) proporcionan todas las funciones de
singularidad necesarias para igualar el impulso y las derivadas del impulso en el lado derecho
y no se necesitan añadir otros términos,
Caso 2: m = n. Aquí sólo se necesita agregar un término del impulso K^hit) y resolver para KQ
igualando los coeficientes de los impulsos en ambos lados.
Caso 3: m > n. En este caso, la í!-ésima derivada de la función que se agrega a y^(r)u(r) debe
tener un término que se iguale a la derivada n-ésima del impulso unitario. De modo que la
función que se suma debe ser de la forma^,„_„u,„_ ,,(r) + K,,^_,j_^\i„^_,^ _^{t) + ...+Kn uo(r), y
= S(r)
las K se determinarán igualando los coeficientes de términos correspondientes en los dos la-
dos. Todas las demás derivadas del impulso serán consideradas al diferenciar la forma y;,(f)u(f)
de la solución, mtíltiples veces. (Debe mencionarse que este caso es raro en la práctica.)

EJEMPLO 3 . 6
Al sustituir (3.218) en (3.217) se obtiene
3.6 La integral de
Ke-"'Ht) - aKe-'"a{t) + Ko^dt) + a[Ke-"'u(t\ + KoW)] = u,(í) (3.219) convolución

Ke-'"?,(t) + AToUiíí) + níToBfr) = u,(/). (3.220)

Los coeficientes del impulso y el doblete deben igualarse independientemente en ambos lados. Este requerimiento
conduce a dos ecuaciones

ÍTnUiír) = u,(n => /fo = 1 (3.221)

Ke-"'ñU}+(iK„b{t) = (}=> K = -aKo = -a (3.222)

Por lo tanto.

y(r) = W)-ae-'"u{t). (3.223)

Para verificar la solución, se le sustituye en (3.217).

u,(r) - < J f - " ' 8 ( r ) + a-e-"'u{i) + a[b(t) - ae-'"vi(í)] = Ui(í) (3.224)

ui(r) = ui(í). Verificación. (3.225)

CONVOLUCIÓN

Ahora, suponiendo que se conoce la respuesta al impulso, se puede proceder para desarrollar un método
con el que se determine la respuesta a una excitación general utilizando la convolución. Suponga que la
excitación x(r) para cierto sistema de TC es una forma de onda arbitraria como se ilustra en la figura
3.52. ¿Cómo encontraría la respuesta? Se podría llegar a una respuesta cercana al considerar esta exci-
tación como una secuencia de pulsos rectangulares contiguos, todos del mismo ancho T^, (figura 3.53).
Luego de esto es posible determinar (aproximadamente) la respuesta a la excitación original como
la suma de las respuestas a todos esos pulsos como si acmaran de manera individual. Puesto que todos
los pulsos son rectangulares y del mismo ancho, las únicas diferencias entre ellos corresponden al
momento en que ocurren y a la altura que tienen. De modo que todas las respuestas al pulso tienen la
misma forma excepto por el retraso en cierta cantidad, para tomar en cuenta el tiempo de ocurrencia, y
se multiplican por una constante de ponderación, para considerar la altura. Se hace la aproximación tan
buena como sea necesario usando más pulsos o un ancho más pequeño. En resumen, al igual que para
los sistemas en TD, el problema de determinar la respuesta de un sistema LIT auna excitación arbitraria
se limita a sumar respuestas de una forma funcional conocida, pero ponderada y retrasada apropiada-
mente.
Mediante la función rectángulo en TC puede describirse la aproximación a una excitación arbitra-
ria en forma analítica. La altura de un pulso es el valor de la excitación en el tiempo que ocurre en el
centro del pulso. Luego la aproximación a la excitación se escribe como

x(0 = ••• + x ( - r , ) rect {—r^) + ^(0) rect (^y^ + K{T,) rect (j-J^) + '"' (3-226)

FIGURA 3.52 FIGURA 3.53

Una excitación arbitraria. Aproximación de pulsos contiguos a una
excitación arbitraria.
 _ ^ ít-nT„\
xcrj ~ E x(«7p)rect' " (3.227)

Sea la respuesta a una excitación de pulso de ancho 7^,, centrada en el tiempo f = O, con área unitaria (un
pulso unitario no desplazado) una función h„(0 llamada la respuesta a¡pulso unitario. La forma mate-
mática del pulso unitario es

I ( t \
— rect — . (3.228)

Los pulsos reales en (3.226) tienen la forma

x(íí Tp) rect (3.229)

Por consiguiente, (3.227) podría escribirse en términos de pulsos unitarios desplazados

x(í) = ¿ 7-^x(n7;,) ^ rcct('^^) . (3.230)

putso umtílrio desplazado

Apelando a la linealidad y a la invariancia en el tiempo de los sistemas LIT, ia respuesta a cada uno de
estos pulsos de excitación reales debe ser la respuesta al impulso unitario h^,(f), escalada en amplitud por
el factor T^xinT^,} y el tiempo desplazado a partir del origen de tiempt) la misma cantidad que el pulso de
excitación. Entonces la aproximación a la respuesta puede escribirse como

y(f) = J2 T,MnTp)hp(t - nTp). (3.231)

Como se vio en el dcsanoUo de la convoiueión en TD, observe que si la respuesta al pulso unitario se loma
simplemente como ia respuesta cuando un pulso unitario se aplica como la excitación con ias mismas unida-
des que ésta, las unidades no funcionan adecuadamente porque

Unidades de la respuesta = unidades de excitación x unidades de la respuesta al pulso unitario x tiempo.

Por lo tanto, para que las unidades funcionen la respuesta al pulso unitario tiene que delinirse como la
respuesta cuando se aplica un pulso unitario de excitación, dividido poi' !a integral dei pulso unitario de
excitación a lo largo de todo e! tiempo. Puesto que la integral del pulso unUario se define como uno, eso
significa sencillamente cambiar las unidades. Por ejemplo, considere que la excitación y la respuesta dei
sistema se miden cn volts. Cuando se aplica un pulso unitario de voltaje, ta respuesta es un voltaje, pero la
respuesta del pulso unitario debe ser ese vollaje de respuesta dividido por la integral del pulso de voltaje
unitario de excitación que es I volt-segundo (V-s). Por lo tanto, las unidades de ta respuesta del pulso uni-
tario .son segundos inversos, En la mayoría de los análisis de sistemas esta consideración de las unida-
des de la respuesta en impulso no es un punto crítico, aunque en algunos casos es posible que provoque
confusión.

Como ejemplo, considere que la respuesta a! pulso unitario sea la del filtro pasabajas RC que se

I
presentó antes (figura 3.54),

1 _ g-iU^ir,;WRC)\
Ii„f0 =
I
Entonces sea la excitación un pulso triangular. Las excitaciones y re.spuestas exactas y aproximadas del
sistema se ilustran en la figura 3.55 (con T^, = g).
 Recuerde del cálculo básico que una integral real de una variable
P u l s o unitario
real se define como el límite de una sumatoria,
3.6 ia integral de
convolución

/ g(x) dx = tím^ Sí" (3.233)

FIGURA 3.54
Se aplicará (3.233) a las sumatorias del pulso y de las respuestas de Respuesta al pulso unitario de
pulso, (3.230) y (3.231), respectivamente, en el límite cuando el ancho unfiltropasabajas RC.
del pulso se aproxima a cero. Cuando el ancho del pulso se vuelve
más pequeño, las aproximaciones de la excitación y la respuesta se vuelven mejores. En el límite cuan-
do Tp tiende a cero, la sumatoria se vuelve una integral y la aproximación se vuelve exacta. En ese
límite, el pulso unitario

1
— rect
í—
f (3.234)

se aproxima al impulso unitario. Después de esto es posible tomar un límite cuando el ancho del pulso
Tp tiende a cero. Cuando se aproxima a cero, los puntos en el tiempo nT^ se vuelven más y más
próximos. En el límite, los desplazamientos de tiempo discreto nT^ se funden en un continuo de despla-
zamientos de tiempo. Resulta conveniente (y convencional) llamar T a este nuevo desplazamiento de
tiempo. Si se cambia el nombre de la cantidad del desplazamiento de tiempo nT^ a t y se toma el límite
cuando tiende a cero, el ancho del pulso 7^ se aproxima a una diferencial dx y

m =Y xinTp) - L r e c t f ^ ^ ) (3.235)
i.
IT) 4

(3.236)
I
i (,T) h('-T)

Señal de excitación exacta Señal de excitación aproximada

0.8 h
0.6 h
x(rt
0.4 h
0.2 h

O 2 4 -2 0 2 4
Tiempo / (s) Tiempo í (s)

Respuestas de pulso y respuesta

Respuesta exacta del sistema aproximada del sistema

FIGURA 3.55
Respuestas exacta y
aproximada del siste-
ma a una excitación
0 2 4 0 2 4 arbitraria, ilustrando la
Tiempo / (s) Tiempo t (s) superposición.
 148 y, en el Kmite, estas sumatorias se vuelven integrales de las formas
CAPÍTULO 3
Descripción y análisis X

de sistemas
— t ) í/t
K(t) = j X(T)6(Í (3.237)
— •x;

y(í) = j x(T)h(/
(3.238)
— :x;

donde la respuesta al pulso unitario h^,(f) se asemeja a la respuesta al impulso unitario h(t) (más
comúnmente llamada la respuesta al impulso) del sistema. La integral en (3.237) es fácilmente verifica-
ble por la aplicación del muestreo de la respuesta de impulso. La integral en (3.238) recibe el nombre de
integral de convolución.
Compare la integral de convolución para señales en TC con la suma de convolución para señales
enTD,

y(t) = I x ( T ) h ( í - T) í Í T y yl«l = E ^ím]h[n - m]. (3.239)

En cada caso, una de las dos señales está invertida en el tiempo, desplazada y después multiplicada por la
otra. En ese caso, para señales en TC, el producto se integra para determinar el área total bajo el producto.
En señales en TD el producto se suma para encontrar el valor total del producto. Puesto que una integral
puede concebirse como el límite de una sumatoria. la analogía entre los dos procesos es total.
La respuesta al impulso de un sistema LIT describe de manera muy precisa la forma en que éste
responde a las excitaciones pues una vez que se determina, es factible encontrar la respuesta para cual-
quier excitación arbitraria. El efecto de la convolución puede ilustrarse en un diagrama de bloques
(figura 3.56) del mismo modo que para el caso de las señales y sistemas en TD.

PROPIEDADES DE LA CONVOLUCIÓN

Es importante en este punto formular un entendimiento matemático de la integral de convolución. La

forma matemática general de la integral de convolución es

-I
OO

x(r) * h ( / ) x(T)h(r - t ) dT.

(3.240)

Un ejemplo gráfico de los pasos implicados es muy útd para el entendimiento conceptual de la
convolución en TC. Suponga que h(í) y x{t) son la funciones de la figura 3.57. Éstas no son caracte-
rísticas de excitaciones y respuestas de sistemas lineales, pero servirán para demostrar el proceso
de convolución. El integrando en la primera forma de la integral de convolución es x(i)h(/ - t ) . ¿Qué es
h(í-x)7 Es una función de dos variables f y i. Como la variable de integración en la integral de convolución
es T , se debe considerar h(í - t ) como una función de i para ver cómo se comporta la integral. Es posible
empezar haciendo una gráfica de h(T:) y después de h ( - 1 ) (figura 3.58). La adición de t en h(í - t ) sólo
desplaza la función t unidades a la derecha (figura 3.59).

ti(/)

tí!)- h(í) y(t) = x(r> * h(r)

I
1 - 1
FIGURA 3.56
Ilustración de diagrama de bloque de FIGURA 3.57
ia convütución. Dos funciones que se van a convolucionar
 h(í - T) 149

3.6 La integral de
'"A convolución

/ - I /

FIGURA 3.58 FIGURA 3.59

hfT) y h ( - T ) g r a n e a d a s e n f u n c i ó n d e x. h(í - T) graficada en función
dex.

La transformación de h { x ) a li(f - x ) se describe como dos transformaciones sucesivas.

h ( T ) h(-T) h ( - ( T - n ) = h(í - T ) . (3.241)

Para verificar que la frmción ilustrada en la figura 3.59 es correcta, si se sustituye r para x en h(í - x ) se
tiene h(0). De la primera definición de la función h(í) se ve que í = O es el punto de discontinuidad donde
h(r) va de O a 1 (o de 1 a O dependiendo del lado por el cual se aproxime). Es el mismo caso con respecto
a h(f - X ) . Realice lo mismo para x = / - 1 y vea si funciona.
Una confusión común es considerar la integral y no comprender lo que significa el proceso de
integración dex = -°°aT=:+«>. Puesto que t no es la variable de integración, es una constante durante
dicho proceso. Sin embargo, ¡es la variable en la función final que resulta de la convolución! Considere
el proceso como dos procedimientos generales. Primero escoja un valor de t. efectúe la integración y
obtenga un resultado. Después elija otro valor de / y repita el proceso. Cada integración produce un
punto sobre la curva que describe a la función final. Dicho de otro modo, cada punto sobre la curva y(/)
correspondiente a algún valor particular de t se encontrará determinando el área total bajo el producto
x(T)h(í - X ) .
Ahora trate de visualizar el producto x(x)h(í - x ) ; éste depende de to que es t. Para la mayoría de los
valores de /, las porciones distintas de cero de las dos funciones no se traslapan y el producto es cero.
(Esto no es común para las respuestas al impulso reales porque no suelen estar limitadas en el tiempo.
Las respuestas al impulso reales de sistemas estables suelen empezar en algún tiempo y tender a cero
cuando t se aproxima a infinito.) Pero para algunos tiempos í, sus porciones distintas de cero se traslapan
y hay un área distinta de cero bajo su curva del producto. Para ilustrar estos dos casos, considérese / = 5.
y f = 0. Cuando t - 5, las porciones distintas de cero de x ( X ) y h(5 - X ) no se traslapan y el producto es
cero en todas partes (figura 3.60). Cuando / = O, las porciones distintas de cero de x ( x ) y h(5 - x ) se
traslapan y el producto no es cero en todas partes (figura 3.61).
Para - 1 < í < O la convolución de las dos funciones es el doble del área de la función h (que es 1)
menos el área de un triángulo de ancho -t y altura -4í (figura 3.62). Por lo tanto, el valor de la función
de convolución dado este intervalo de / es

y(r) = 2 - ^ ( - r ) ( - 4 r ) = 2(1 - r^) - 1 < ? < 0. (3.242)

h(5 - T)
.\(T)
x{T)h(-T)

-i I i 4 5
X(T)

x(t)h(5 -

t
T)

y
- 1 1 -1 M 1

1 1 ' ' X(T)h(-T)£Ít

1 1
1 4 5
-1
3.60 FIGURA 3.61
FIGURA
Respuesta al impulso, señal de excitación Respuesta del impulso, señal de entrada y su
y su producto cuando / = 5. producto cuando r = 0.
 h(f - t)x(t)

i--4
hff - t) 2 x(t)
-1 < f < 0 + -4í

T FIGURA 3.62
-1 + í -1í 1 - 1 + í - I r 1 Producto de li(f - x) y x(x) para - I < f < 0.

Para O < r < 1 la convolución de las dos funciones es la constante 2.

y(í) = 2 O < f < 1, (3.243)

Para 1 < f < 2, la convolución de las dos funciones es el área de un triángulo cuyo ancho de la base es
(2 - í) y cuya altura corresponde a (8 - 4í) o

y(f) = ^ ( 2 - / ) ( 8 - 4 f ) = 2 ( 2 - í ) - 1 < í < 2. (3.244)

La función final y(í) se ilustra en la figura 3.63.

Como un ejercicio más práctico se va a determinar ahora la respuesta al escalón unitario de un filtro
pasabajas RC utilizando la convolución. Ya se conoce el resultado a partir del análisis previo,

V.al(0= (l-.-^'^''^')u(0. (3.245)

Primero se necesita encontrar la respuesta al impulso. La respuesta al impulso unitario se dio en un

ejemplo en la deducción de la convolución.

h(í) = (3.246)

La respuesta al impulso es el límite de esta función cuando el ancho del pulso se aproxima a cero. Ese
límite es

g-('¡RC)
(3.247)

como se ilustra en la figura 3.64. Entonces la respuesta Vj,3¡(f) a la excitación de escalón unitario Vj,j,(f) es
v.sai(0 = v,„(r) * h(f) o

V e n ( T ) h ( / - T ) di (T)- -u(r — i) di.

RC (3.248)

Es posible simplificar de irraiediato la integral al observar que la primera función de escalón unitario (i)
hace que el integrando se anule para (x) negativa. Por lo tanto,

OO ,-l(/-T)/SC]

Vsal(f)
-I RC
-u(f - i ) di.
(3.249)

/ = - l r=-0.5 í= 0 / = 0.5 í - [ í=l.5 f=2

J]_JL JL J L J L J a

FIGURA 3.63
Convolución de x(í) -4
con h((). Tiempo í
 X{T) I>0
HI - Ti
I
j_ _1_
RC '
Ht - T)/ RC X(T)
1 •lÍTt

RC

FIGURA 3.64 FIGURA 3.65

La respuesta de impulso y la excitación de un filtro La relación entre las dos funciones que forman el producto en el
pasabajas RC. integrando de convolución para ¡ negativo y r positivo.

A continuación se debe considerar el efecto de la otra función de escalón unitario. u ( r - x). Puesto que se
está integrando dado un intervalo de T desde cero hasta infinito, si / es negativo, para cualquier T en ese
intervalo este escalón unitario tiene un valor de cero (figura 3.65). Por lo tanto, para r negativo.

Vsal(0 - O r < 0. (3.250)

Para í posifivo, el escalón unitario u( r - T) será uno para x < r y cero para x > t. Por lo tanto, para t
positivo.

i ,-HT-T)IRC\
-li/-7)/flC]-|' _ -ÍTIRC\
VsalíO DI = —e - 1 f > 0. (3.251)
RC

Si se combina (3.250) y (3.251).

v,^(;)= - i)u(r). (3.252)

Una operación que se presenta con frecuencia en el análisis de sistemas en TC es la convolución de

una señal en CT con un impulso,

OC

x(/) * A5(/ - /„) = / x ( . ) A 6 ( í - T - to) d-x. (3.253)

Es posible usarla propiedad de muestreo del impulso para evaluar la integral. La variable de integración
es (x). El impulso ocurre en x donde

r - T - ?i, = O o T = / - fo. (3.254)

Por lo tanto,

x(f) * A8(f - fo) = Ax(í - to). (3.255)

Éste es un resultado muy importante y se presentará muchas veces en los ejercicios y en el material
posterior. Del mismo modo que se encontró para la convolución en TD, si se define una función

g(f) = go(r) * S(í). (3.256)

entonces una versión desplazada en el tiempo de g(í), g(í - ÍQ), puede expresarse en cualquiera de dos
formas alternativas,

gír - h) = go(f - fo) * 5 ( 0 o gU - tii) = go(t) * B(r - fo), (3.257)

pero no en la forma,

go(í-fü)*5(f-fo). (3.258)

En vez de eso,

g(í - 2to) = go(/ - ío) * S(f - fo). (3.259) 151

152 rect(í) * 5(í - 1 )

CAPÍTULO 3
Descripción y análisis 1 +
de sistemas

2sen(Tir) * 45(í +-k )

FIGURA 3.66
Ejemplos de convolu-
ción con impulsos.

Esta propiedad es cierta no sólo cuando se convoluciona con impulsos, sino con cualquier función. Las
mismas propiedades, conmutatividad. asociatividad y distributividad pueden demostrarse para la
convolución en TC del mismo modo que para la convolución en TD (apéndice D). La figura 3.66 ilustra
la convolución con impulsos.
Si y(r) = x(r) * h(r), entonces y'(r) = x'(r) * h(í) = x(r) * h'(r). Ésta es la propiedad de diferenciación
de la integral de convolución. y la prueba es similar a la prueba correspondiente para la primera diferen-
cia hacia atrás de una suma de convolución. Si y(/) = x(/) * h(í), entonces el áiea total bajo y es el
producto de las áreas totales bajo x y h. Ésta es la propiedad del área de la integral de convolución. Es
análoga a la propiedad de suma de la suma de convolución y la prueba es similar.
Hay una propiedad más de la integral de convolución que no tiene contraparte en la suma de
convolución: la propiedad de escalamiento. Sea z(f) = x(fif) * h(íir), a > 0. Entonces

oc

z(f)
-f
= / x(flT)h(a(í - T)) Í/T. (3.260)

Después, haciendo el cambio de variable, X-az=p d-í = dX/a, para a > 0. se obtiene

zir) = - í x(kMat -\)d\. (3.261)

a J

Puesto que

oo

y(í) = x ( / ) * h ( / ) = / x(T)h(/-TJífT, (3.262)

comparando (3.261) y (3.262) se concluye que

I
z(f) = -y{at) y -y(í?f) = x(«f) * h((vf). (3.263)
a a

Si se efectúa una prueba similar pai'a a < O, se obtiene - ( 1 ¡a}y(a!} = X(£íí) * h{at). Por consiguiente, en
general, si

y(f) =x(f)*h(f) (3.264)

entonces

y(£íí) = | a | x ( ü / ) * h(£7í). (3.26S)

Ésta es la propiedad de escalamiento de ia integral de convolución.

UNA EXPLORACIÓN DE LAS PROPIEDADES
DEL IMPULSO MEDIANTE LA CONVOLUCIÓN
3.6 La integral de
convolución
Una importante propiedad de la convolución es que cuando se convoluciona cualquier función g(r) con
un impulso unitario 5(í), el resultado es exactamente g(í). convolución de 5(/) con cualquier función
e n T C la deja sin cambio. Esto se cumple también para el impulso mismo.

8(/)x= Síí) = S ( í ) . (3.266)

Es posible ver lo anterior mediante el siguiente argumento. Antes se describió el impulso unitario como
el Emite de un pulso rectangular de área unitaria cuando su ancho tiende a cero.

8(r) = lím - rectf - ) . (3.267)

(i^i.i a \a.

Si se convoluciona (1/ü) rect (t/a) consigo mismo, se obtiene

I ft\ 1 ft\ 1 ./t\

- rect I - * - rect - I = - tn - (3.268)
a \a / o, \a / a \a J

(figura 3,67).
Si ahora se toma el límite de ambos lados de (3.268) cuando a tiende a cero,

lím - rect -)*-rectf-) =lím-tri(-). (3.269)

«^0 a a/ a \a/ \ ¡¡^0 a \a/

De acuerdo con (3,266) y (3.267) el lado izquierdo de (3.269) debe ser 5(í) * 5(í). En el capítulo 2 se
comprobó que

1 (i
5(f) = lím - tri - (3.270)
"^0 a \a

Por lo tanto. 5(0 * 5(r) = 5(/),

Como se demostró en el capítulo 2 cuando se definió el impulso unitario, lo anterior indica que un
impulso unitario puede concebirse como el límite de un rectángulo de área unitaria cuando el ancho se
aproxima a cero o como el límite de un triángulo de área unitaria cuando el ancho tiende a cero. En el
límite las dos funciones son equivalentes. Ésta es una de las cualidades que tiacen diferente al impulso
de las funciones normales. Se podría continuar utilizando el argumento en forma adicional para mostrar
que un triángulo unitario convolucionado consigo mismo es también un impulso en ese mismo límite.
Este resultado reafirma un concepto de relevancia; la forma de un impulso no es importante, sólo su
intensidad. De hecho, cuando estas funciones tienden al ancho cero, la noción completa de forma se
vuelve indefinida. No hay tiempo en el cual se desarrolle una forma. Otras funciones también tienden a
un impulso unitario cuando sus anchos se aproximan a cero. Por ejemplo.

1 í t\ 1
5(í) = lím - sinc - = lím (3.271)
ü^o a \.a '

Después, en el estudio de la transformada de Fourier se mostrará que un impulso puede definirse me-
diante

oo
-p-^ft
8(0 df. (3.272)

1 1
a FIGURA 3.67
Convolución de un
1 ' i rectángulo consigo
i —a ll mismo.
 El hecho de que todas estas descripciones de aspecto diferente de un impulso unitario sean correc-
tas subraya el punto de que un impulso es diferente a cualquier función ordinaria. Una función ordinaria
CAPÍTULO 3
Descripción y análisis se define mediante su valor en cada valor de su variable independiente. Un impulso puede definirse de
de sistemas muchas formas. Una de ellas consiste en hacerlo por medio del efecto que tiene cuando se convoluciona
con otras funciones. Esto lleva de nuevo a la propiedad del impulso unitario probada antes en esta
sección, ecuación 3.255.

g ( r ) * 5 ( í ) = g{í). (3.273)

Incluso hay otra forma de definir un impulso. Las otras definiciones se derivan de ésta. Por ejemplo, sea
g(í) = 1. Entonces

06 oo

5(/)=Kg(í) = 1 = j 8 ( T ) g ( f - T ) Í / T = j S{T}£/T, (3.274)

- 0 0 = 1 -oc

lo que prueba que la intensidad de un impulso unitario es uno.

Considere un sistema cuya respuesta es la derivada de su excitación,

y(í) = x'(f). (3.275)

Entonces su respuesta al impulso es la derivada del impulso unitario que se identificó antes como el
doblete unitario,

h(í) = u i ( r ) , (3.276)

Para cualquier excitación general, la respuesta es la de impulso convolucionada con la excitación,

y(r) = x'(í) = x ( / ) * u i ( / ) . (3.277)

De modo que así como g(0 * 5(r) = g{t) puede utilizarse para definir un impulso unitario, g(í) * U | ( / ) =
g'(í) puede definir un doblete unitario. Este concepto se extiende a todas las funciones de singularidad

g(r) * u.ír) = g"(f), g(r) * U3(f) = g"'(f), etc. (3.278)

Mediante el principio de que la segunda derivada es la primera derivada de la primera derivada es

posible escribir

g"(f) = (g'(í))' = (g(í) * U i ( í ) ) ' = g(í) * U i ( í ) * U | ( í ) (3.279)

y, recurriendo a (3.278).

g ( 0 = f U 2 ( f ) = g(f) + U i ( / ) * U i ( í ) . (3.280)

Por lo que se concluye que

U2(f) = U , ( f ) * U | ( / ) . (3.281)

Lo anterior puede extenderse a un principio general para la convolución de cualquiera de las funciones
singulares.

Um+fl(f) = U m í O * U„(n . (3.282)

Aplicando esto al escalón unitario se obtendría

u_i(r) * u_¡(í) = u _ 2 ( / ) = ramp(r). (3.283)

A partir de estas propiedades es posible formular un principio general. Si un sistema tiene una respuesta
de impulso conocida h(f), entonces la respuesta a la función singular u„(/) es la enésima derivada de h(f)
y, si n es negativa, eso indica simplemente que se efecttia la integración en vez de la diferenciación.
 h|(í) x(/)*hi(f)- h,(f) • y(t} = Mí) * hi(í)] * h,(r) 155
FIGURA 3.68 3.6 La intégratele
Conexión en cascada convolución
x(rt. h|(f) * h;(í)
de dos sistemas.

INTERCONEXIONES DE SISTEMAS

Los resultados correspondientes a las interconexiones en cascada y en paralelo de la sección 3.5 con
respecto al análisis y sistemas en TD se aplican también al análisis en TC (figuras 3.68 y 3.69).

ESTABILIDAD Y RESPUESTA AL IMPULSO

De manera análoga a la que se utilizó para determinar el criterio de estabilidad de sistemas en TD, es
posible demostrar la relación entre la respuesta al impulso y la estabilidad para un sistema en TC. La
respuesta y(r) de un sistema en TC a una excitación x{r) es

y(r) = / x(T)h(í-T)í/T. (3.284)

Si la excitación x(/) está acotada, puede afirmarse que |X(T)| < fi<°°para x. La magnitud de la respuesta es

|y(í)I =
f x(T)h(f - X ) £/t (3.285)

Si se utiliza el principio de que la magnitud de una integral de un producto es menor que o igual a la
integral de la magnitud de un producto.

|y(/)l < f |x(T)||h(/-T)UT. (3.286)

Puesto que x ( t ) es menor que B en magnitud para cualquier x,

\y(t) (3.287)
\h(t-T)\d7.

Por consiguiente, la respuesta y(f) está acotada si¡Z„ |lii(f-T)| í/x también lo está, y. en consecuencia, un
sistema en TC es estable si su respuesta al impulso es absolutamente integrable.

RESPUESTAS DE SISTEMAS A SEÑALES ESTÁNDAR

Así como se hizo para sistemas en TD, es necesario determinar las respuestas de sistemas en TC al
escalón uiütario, la exponencial compleja y la senoide real. La respuesta de un sistema en TC a un

x(r) ílijir)
hi(f)

yCf) - x(r) * h|(?) + x(f) * h.tí) = x(f) * [h^d) + h^tol

x(f) * h2(f)
FIGURA 3.69
h,{r) + h,(f)
Conexión en paralelo
x(r)
de dos sistemas.
 Excitación del impul.so Respuesta al impuiso
5íí) hfí)

1 + 1
h(r)

-l
+ +

í i / i
Excitación de escalón Respuesta al escalón

h(0

-1
+ t

J dt

E x c i t a c i ó n de rampa
Respuesta a la rampa
ft-2 = JXh(/)

FIGURA 3.70
Relación entre
h(f)
integrales y derivadas
de excitaciones y
respuestas para un
sistema LIT.

escalón unitario es fsi se utiliza el mismo estilo de notación que se introdujo para la respuesta de la
secuencia unitaria).

00 f

(3.288)
h_l(íj h(í]* U(í) = J h(T)u(í - Tjí/T = j h(T)íÍT,
-oo -CC
lo cual demuestra que la respuesta de un sistema en TC a un escalón unitario es la integral de su respues-
ta al impulso unitario. De manera más general, la respuesta de un sistema en TC a la integral de cual-
quier excitación es la integral de la respuesta a esa excitación. Lo inverso también se cumple. Si se
diferencia la excitación, también se diferencia la respuesta (figura 3,70).
La respuesta de un sistema a una exponencial compleja e^', donde s es cualquier constante comple-
j a es

00 00

y(í) = h(í) * = / h ( T ) e * ^ ' - " ' d-r = e"' j h(T)f-"a'T, (3.289)

..rm -oo
consianie compleja

lo que prueba que la respuesta de un sistema LIT a una exponencial compleja es también una exponencial
compleja con la misma forma funciona!, salvo que está multiplicada por una constante compleja que
depende de la respuesta de impulso y de la constante s. En el capítulo 9 la integral

oo

/ h(t)e-" dt (3.290)
se denominará la transformada de Laplace de h(f). Este resultado es otra base de los métodos del análi- 157
sis de transformadas en sistemas LIT. ^ ^ Simulaciones con
Es posible particularizar el resultado de exponenciales complejas a senoides complejas al estable- diagramas de bloque
cer de ecuaciones
diferenciales o en
(3.291) diferencias

donde co y / s o n reales. En ese caso, si la excitación es eJ™. la respuesta es

oo
(3.292)

-oo
y si la excitación es e-v"', se concluye que

y(f) = e-"" j h(TjíJ"^ ÍÍT. (3.293)

-so

Recurriendo a la linealidad, si la excitación es {eJ™ + ¿-'"0/2, la respuesta será

/
00

y(0 = 2 j h(T)í-J"^ dT+e-J"" ¡ hÍ7)eJ"" di (3.294)

y(í) = 2 e'"" ¡ h(T)[cos(ü)T) — y sen((üT)] Í Í T

' " 7
- X
-oo
oc
(3.295)
+ e-^'^' j h(T)[cos(tóT) + J sen(wT)] di

y(0 = 2 (^j™ J h(T) cos(wT) ÍÍT + )(£--'•"' - e^"') / h(T) sen(wT) d r \ (3.296)

/
00 oc

y{t) = cos(a)r)
/
/ h ( T ) cos(toT) í/t - sen(ü)/) / h ( T ) sen((üT) ¿?t. (3.297)

constante real constanle real

Lo anterior muestra que un sistema LIT en tiempo continuo excitado por una senoide real tiene una
respuesta que es también una senoide real pero, en general, con una amplitud y fase diferentes.

3.7 SIMULACIONES CON DIAGRAMAS DE BLOQUE

DE ECUACIONES DIFERENCIALES O EN DIFERENCIAS
Las ecuaciones diferenciales y en diferencias describen la dinámica de la mayoría de los sistemas en TC
y TD. Un aspecto importante del análisis de señales y sistemas es formular una visión de cómo las
señales en un sistema se relacionan entre sí y cómo la forma del sistema se relaciona con la ecuación que
lo describe. Una buena manera de llevarlo a cabo consiste en dibujar un diagrama de bloques o un
diagrama de simulación del sistema a partir de la ecuación.
 y(í)
CAPÍTULO 3
Dsscripción y análisis 5 d
de sistemas 4 dt
i

2
1
m
FIGURA 3.71 FIGURA 3.72
Representación en diagrama de bloques de la
relación de recursión y[n] = x[n] - 3y[íi - 1] Representación en diagrama de bloques de la ecuación
+2y[íí.-a.-
diferencial y(r) = ^ - ^y'ÍO - ^y"(í).

Considere un sistema en TD descrito por la ecuación

y[,j] + 3y[„ „ t] _ 2 y [ n - 2 ] = x [ n ] . (3.298)

Ésta puede reacomodarse en la forma de recursión

y[«] = x [ « ] - 3 y [ n - l ] + 2 y [ « - 2 ] . (3.299)

En palabras, esta ecuación indica que el valor presente de la respuesta y puede calcularse agregando el
valor presente de la excitación x, el valor pasado inmediato de y multiplicado por - 3 ' y el valor de y
inmediatamente anterior de ese multiplicado por dos. Es posible expresar en un diagrama esta relación
en la forma que se ilustra en la figura 3.71. En este diagrama de bloques la D representa un retraso de
uno, en tiempo discreto (para una señal en TD creado al muestrear un tiempo de muestra Tf¡. Este tipo de
representación de un sistema ayuda a entender la dinámica del sistema y también se usa para construirlo
realmente, o al menos una simulación del mismo, valiéndose de retrasos, ganancias y sumadores. Ob-
serve que, puesto que están implicados retrasos, el sistema debe recordar algunos valores pasados de las
señales. Por consiguiente, se trata de un sistema con memoria o dinámico.
Las ecuaciones diferenciales pueden convertirse también en diagramas de bloques del sistema.
Considere un sistema que está caracterizado por la ecuación diferendal

2y"(í) + 5y'{t) + 4 y ( f ) = x(/). (3.300)

Siguiendo una analogía con el ejemplo anterior en tiempo discreto, (3.300) puede reescribirse como

x(0 5 , 1 „
(3.301)

El diagrama de bloques del sistema se ilustra en la figura 3.72. Si bien el diagrama es conecto, no es la
forma preferible de simular el sistema, pues utiliza dos diferenciadores que, en la práctica, son más
problemáticos porque remarcan el ruido de alta frecuencia. En términos reales, el integrador suele ser
tm componente mucho mejor en la simulación de sistemas. Es posible formar el diagrama de bloques
del sistema reconociendo que si la respuesta de un integrador es g(/), entonces su excitación debe ser
g'(/). Es posible reacomodar (3.301) como

^(0 5 ,
y it) - — - 2y(f) - - y ' ( r ) , (3.302)

En esta ecuación se tiene y(f), y'(f), y y"(t). Se puede empezar la simulación del diagrama de bloques
con dos integradores (figura 3.73). Luego, con base en (3.302), se ve que para formar y"(() se necesita
x(f)/2 - 2y(f) - iy'(f), que se forma como se ilustra en la figura 3.74. Puesto que cada integral acumula
información del comportamiento pasado de la señal que se está integrando, este siste-
y'(r} ma en TC tiene memoria.
y"(Ó • - * y(ó
Los diagramas de bloques son útiles en especial en el análisis de sistemas más
FIGURA 3.73 complicados con entradas y salidas múltiples. Sin embargo, es mejor aguardar para
Un sistema con una señal y sus primeras explorar sistemas más complicados hasta que se hayan desarrollado los métodos del
dos derivadas. análisis de transformadas en los capítulos 4, 5, 9 y 11.
 Ejercicios con
respuestas
FIGURA 3.74
Simuiación con diagra-
ma de bloques del
sistema.

3.8 RESUMEN DE PUNTOS IMPORTANTES

1. Un sistema que es tanto homogéneo como aditivo es lineal.
2. Un sistema que es tanto lineal como invariante en el tiempo se denomina sistema LIT.
3. La respuesta total de cualquier sistema LIT es la suma de sus respuestas de entrada cero y de
estado cero.
4. A menudo, los sistemas no lineales pueden analizarse con técnicas de sistemas lineales mediante
una aproximación llamada linealización.
5. Se dice que un sistema es EASA-estable si las excitaciones acotadas producen siempre respuestas
acotadas.
6. Todos los sistemas físicos reales son causales, aunque algunos tal vez se describan de manera
conveniente y superficial como no causales.
7. Las respuestas de un sistema excitado por su función propia tienen la misma forma funcional que
la excitación. Este hecho constituye la base de los métodos de transformada que se presentarán en
los capítulos 4, 5, 9 y 11.
8. Los sistemas de estructura o namraleza física bastante diferente pueden describirse mediante
ecuaciones diferenciales o en diferencias de la misma forma matemática.
9. Todo sistema LIT está caracterizado por completo por su respuesta de impulso.
10. La respuesta de un sistema LIT a una excitación arbitraria puede encontrarse convolucionando la
excitación con su respuesta al impulso.
11. La respuesta al impulso de una conexión en cascada de sistemas LIT es la convolución de las
respuestas al impulso individuales.
12. La respuesta al impulso de una conexión en paralelo de sistemas LIT es la suma de las respuestas
al impulso individuales.
13. Un sistema EASA es estable si su respuesta al impulso es totalmente sumable o integrable.
14. Es posible representar a los sistemas LIT mediante diagramas de bloques, y este tipo de represen-
tación resulta útil tanto en la sintetización de sistemas como en el entendimiento de su comporta-
miento dinámico.

EJERCICIOS CON RESPUESTAS

1. Demuestre que un sistema con excitación x(f) y respuesta y(f), descrito por

y(rj = u ( x ( r ) ) ,

es no lineal, invariante en el tiempo, estable y no invertible.

2. Demuestre que un sistema con excitación x(f) y respuesta y{t), descrito por

y(f) = x(í - 5) - x(3 - f),

es linea!, no causal y no invertible.

3. Demuestre que un sistema con excitación x(r) y respuesta y(f), descrito por

y(0 = x ^ - j ,

es linea!, variante en el tiempo y no causal.

4. Demuestre que un sistema con excitación x(r) y respuesta y(f), descrito por

y(r) = cos(2-nT)x(/'),
,j•

es variante en el tiempo, EASA-estable, estático y no invertible.

 0.1 ^
íl':

I
Multiplicador
analógico

FIGURA E6 FIGURA E7
Un sistema en TC. Un sistema en TC.

5. Muestre que un sistema que tiene como respuesta la magnitud de su excitación es no lineal,
EASA-estable, causal y no invertible.
6. Compruebe que el sistema de la figura E6 es lineal, invariante en el tiempo, EASA-inestable y
dinámico.
7. Demuestre que el sistema de la figura E7 es no lineal, EASA-estable. estático y no invertible. (La
señal de salida de un multiplicador analógico es el producto de sus dos señales de entrada.)
8. Compruebe que un sistema con excitación x[n] y respuesta y[n], descrito por

y[n] = nx[n],

es lineal, variante en el tiempo y estático.

9. Demuestre que el sistema de la figura E9 es lineal, invariante en el tiempo, EASA-inestable y
dinámico.
10. Compruebe que un sistema con excitación x[«] y respuesta y[n], descrito por

y[n] = rect(x[«]),

es no lineal, invariante en el tiempo y no invertible.

11. Demuestre que el sistema de la figura E l 1 es no lineal, invariante en el tiempo, estático e invertible.
12. Demuestre que el sistema de la figura E12 es invariante"en el tiempo, EASA-estable y causal.
13. Determine las respuestas al impulso de estos sistemas.
a) yin] =x X [ Í Í ] - x[n - 1]
b) 25y[n] + 6 y [ H - l] + y [ n - 2 ] = x [ n ]
O 4y[n] - 5y[n - \] + yin - 2] = x[n]
d) 2y[«] + 6y[H - 2] = x[;!] - X [ H - 2]

Respuestas:

"I 1
^ ( - 3 ) " ( ^ u [ n ] - l u [ « - 2 1
3 " T 2 Í 4 / J"^"^'

C O S ( 2 . 2 1 4 H + 0.644)
h[«] =
20(5)"

x W - D D yl" - 2]

xl«l • yl"] 5

D 10
u yt«l

FIGURA E9 FIGURA E l l FIGURA E12

Un sistema en TD, Un sistema en TD. Un sistema en TD.
 14. Grafique g[í?]. En la medida de lo posible determine soluciones analíticas. Si es factible, compare
las soluciones analíticas con los resultados de la utilización del comando c o n v de MATLAB para
realizar la convolución.

fl) g[n] = u[n] * u[/j] b) g[n] = u[« -I- 2] * r e c t j í í i ]

f ) g [ « l = rectjíw] * r e c t 2 [ « ] d) g[H ] = r e c t 2 [n ] * r e c t 4 [n ]

e) g[n] = 38[H - 4 ] * -
\4/
u[ii] f) g[H] = 2rect4[«]*Q) n[n]
g) g[n] = rectjííí] * c o m b i 4 [ " ]

Respuestas:

gl'il

. 4

! T TTTt t )
-30 -20 -10 In 20 .10
4 6 8 10 12 14 \f¡ 18

si"]
d
g[nl

-10 -15-10-5 O 5 10 15 20 25

gl'O

6 +

-8-6-4-2^1: 2 4 6 -lü 10

15. Dadas las excitaciones X[Í!] y las respuestas al impulso h[f!], encuentre las expresiones en forma
cerrada correspondientes y grafique las respuestas y[n] del sistema.

fl) x[n] = e-'í'™''^^' h[n] = (0.95)"u[«]

{f (Grafique las partes real e imaginaria de la respuesta.)

b) x[«] = sen • h[n] = {0.95)"u[«]

\ 32

Respuestas;

Excilacióli real Excitaciún imaginaria Excitación

4
I 1-
-5
Ir, ',Tlll IIIl I l h , .iillll

1
í
-5 40 lili'' »

-1 + -1- 1111
162 Respnesia al impulso real Respuesta al impulso imaginario Respuesta al impulso
hl'il

1
h|«]

1--

_ lifllÜliTnniiiiiiii iiii^,, TTTTtTTTTitttTttttti| , ,j

-5
- 1 +
40 -5
- 1 +
"40' ~T 40

Respuesta real Respuesta imaginaria Respuesta

y[«l

4.
M-
.4 5¬
-j^Ék 40
-5 .>! 11111lllll,. .t.
1 111 H f •"lili UllH" i
-5+

16. Dadas las excitaciones x[«] y las respuestas al impulso h[«], emplee MATLAB para graficar las
respuestas y[«] del sistema.

á) x[n] = u[n] - u[n - 8]

h[«] = s e n ( ^ ^ ^ (u[«l - u[H - 8])

b) x[n] = sen| — j (u[«] - u[n - 8])

^ ) (u[;i] - u[n - 8])

Respuestas;
Excitación Excitación

30

30

Respuesta al impulso Respuesta al impulso

h["I h["i

1- 1 -

1 I ' llí.
f 1
-5
1 1 1
-5 j 30
- 1 -
- 1 -

Respuesta RESPUESTA

3- 3 -
•.lili. • ,1
+ • • • •
*i 1' . • . i i . a . f * tí í • 1 • i '111 —t-^fl
-5 30
-3- 30 -5
-3 -

17. ¿Cuál de estos sistemas son EASA-estables?

x(„l ^
b) y[«]
yl"] x[«] —

H--0.9 1.1

yt"l x w — k + y[n]

D D

D 0.4 D

Respuestas:
Dos estables y dos inestables.
18. Determine y grafique las respuestas a la secuencia unitaria de estos sistemas. 163

a)
• y[n]

H 0.7 I Q . s j ^ D

-o.s D
+ ) — - yt"]
+

U0
0.6 D

Respuestas:

Respuesta a la secuencia unilaria Respuesta a la secuencia umíaría

li_,|n]

3^ 3 +

20 20

19. Determine las respuestas al impulso de estos sistemas.

a) y'(í) + 5y(f) = x(r) b) y"(r) + 6y'{f) + 4y(f) =
c) 2y'(í) + 3y(í) = x'(f) d) 4y'(/) + 9y(f) - 2xCr) + x ' ( 0

Respuestas:

1 ^S(0, e-^'u{t}. -^e-^3/'"u(r) +^B(f),

16
-Ü.76r
0.2237(e-'^'"' - e - ^ - 3 ' ) u ( f )
20. Dibuje g(r).
a) git) = rect(í) ==
( rect(í)
/t_
b) g{t) = rect(r) * rect
\2

c) g ( 0 = rect(r - 1) * r e c t ^ -

d) g(f) = [rect(f - 5) + rect{r -f 5)] * [rect(f - 4) + rect(f -f 4)]

Respuestas:

gft) m
4. it

± 1 1 i i
-9 -1
2 2 2 1 2

21. Dibuje las siguientes funciones.

a) g(í) = rect{4/) b) git) = rect(4r) * 45(í)

c) git) = rect(4f) * 48(r - 2) d) git) = rect(4f) * 4S(2/)
(?) g(/) = rect(4/) * comb(f) f) git) = rect(4í) * comb(r - i)
g) g(í) = rect(4f) * comb(2f) h) git) = rect(f) * comb(2í)
 Respuestas:

ge)

n n I
H h

g(f) gil)

-2
-2 -i'
8

22. Grafique las siguientes convoluciones.

fl) g(í) = r e c t ( ^ - j *[5{r + 2 ) - 8 ( r + l)]

b) g(r) = rect(f) * tri(r)

c) g(í) = í'"'u(/) * e " ' u ( r )

d) g(í) til 2 í + - -tri 2 f ^ -

1 K^^
* - comb \ 2
2
e) g(f) tri 2 í + - - tri 2 í - - * comb(f)

Respuestas:

4
-I—^(
-3

-1+

H — - I
-4
-1

23. Un sistema tiene una respuesta de impulso h(/) =4Í?-'*'U (Í). Determine y grafique la respuesta del
sisteina a la excitación x{r) = rect(2(/ - j)).

Respuesta:

24. Cambie la respuesta al impulso de! sistema en el ejercicio 23 a h(í) = 6(0 - 4e """u (/) y determine
y grafique la respuesta a la misma excitación x(f) = rect(2(r - 1 ) ) .

Respuesta:
 a) + o 'VW-

x(r) y(f)
v/(r)
x(n • y(r)

FIGURA E2S FIGURA E26 FIGURA E27

Dos sistemas de un integrador. Un sistema de doble integrador. Circuito RL.

25. Encuentre las respuestas al impulso de los dos sistemas de la figura E25. ¿Éstos son EASA-
cstables?

Respuestas:
Uno EASA-estable, uno EASA-inestable.
26. Determine la respuesta al impulso del sistema de la figura E26. ¿Este sistema es EASA-estable?

Respuesta:

EASA-inestable.

27. En el circuito de la figura E27 el voltaje de la señal de entrada es v,(í) y el voltaje de la señal de
salida es v„(í).
a) Detennine la respuesta al impulso en términos de R y L.
b) Si /? = 10 kQ y L = 100 pH, grafique la respuesta al escalón unitario.

Respuestas:

I / 11J.S I

-O.ül O.IM

28. Detennine la respuesta al impulso del sistema de la figura E28 y evalúe su estabilidad EASA.

Respuestas:
4,589e"<'5' sen(0.2179r)u(>). no EASA estable

29. Encuentre la respuesta al impulso del sistema de la figura E29 y evalúe su estabilidad EASA.

Respuestas:
8.482^-"'^) sen(0.1179í)u(í), EASA estable

y(f) y(r)

JO (í)r
J L

20

FIGURA E28 FIGURA E29

Un sistema de dos intejíradores. Un sistema de dos integradores.
 30. Grafique las amplitudes de las respuestas de los sistemas del ejercicio 19 para la excitación ei<^<
como una función de la frecuencia en radianes co.

Respuestas:

1^1

~5ir 5ii . -J-TT STT , -3TT 5TI , - ¡OTT IOTT

31. Grafique las respuestas de los sistemas del ejercicio 19 a una excitación de escalón unitario.

Respuestas:

li.|(r) ii_,(í) h_,(/) fi-,W

0.25 - 0.25- 0.5 i

EJERCICIOS SIN RESPUESTAS

32. Un sistema en TC se describe mediante el diagrama de bloques de la figura E32. Clasifique el
sistema en cuanto a la homogeneidad, aditividad, Linealidad, invariancia en el tiempo, estabilidad,
causalidad, memoria e invertibilidad.
33. Un sistema en TC tiene una respuesta que es el cubo de su excitación. Clasifique el sistema de
acuerdo con su linealidad, invariancia en ei tiempo, estabilidad, causalidad, memoria e inverti-
bilidad.
34. Un sistema en TC se describe mediante la ecuación diferencial.

íy'(í) - 8y(f) = x(f).

Clasifíquelo de acuerdo con su linealidad, invariancia en el tiempo y estabilidad.

35. Un sistema en TC se describe mediante la ecuación

r/3

y(í)
-í' x(A) dX.

Clasifíquelo de acuerdo con su invariancia en el tiempo, la estabilidad y la invertibilidad.

36. Un sistema en TC se describe mediante la ecuación

/+3

y(í)
-í dX.

Clasifíquelo de acuerdo con su linealidad, causalidad e invertibilidad.

37. Demuestre que el sistema descrito por y(f) = Re(x(í)) es aditivo pero no homogéneo. (Recuerde
que si la excitación se multiplica por cualquier constante compleja y el sistema es homogéneo, la
respuesta debe multiplicarse por la misma constante compleja.)

t +
y{r)
4

FIGURA E32
Un sistema en TC.
38. Grafique la magnitud y la fase de la respuesta senoidal compleja del sistema descrito por 167
Ejercicios sin
y'(í) + 2 y ( 0 = ^ - ^ ' ' ^ ' ^ respuestas

como una función de la frecuencia cíclica/.

39. Un sistema en TD se describe mediante
n+l

y['í] = Y
Clasifique este sistema de acuerdo con su invariancia en ei tiempo, su estabilidad EASA y su
invertlbilidad.
40. Un sistema en TD se describe mediante

nyln] - 8y[« - 1] = x[;¡].

Clasifíquelo de acuerdo con su invariancia en el tiempo, su estabilidad EASA y su invertlbilidad.

41. Un sistema en TD se describe mediante

y[n] = y^x[n].

Clasifíquelo de acuerdo con su linealidad, estabilidad EASA, su memoria y su invertlbilidad.

42. Grafique la magnitud y la fase de la respuesta senoidal compleja del sistema descrito por

y[n]+^-y[n- 1] =

como una función de í i .

43. Determine la respuesta al impulso h[n] del sistema de la figura E43.
44. Determine las respuestas al impulso de estos sistemas.

a) 3y[;i] + 4y[n - 1] + y[n - 2] = x[/¡] + x[n - 1]

b) ^y[n] + 6y[« - 1] + 10y[n - 2] = x[n]

45. Grafique g[«]. Use la función c o n v de MATLAB si es necesario.

ílttn\
a) Sin] — rect 1 [«] * seni \

í2Ttn\
b) g[«] = rect2[«] * seni — ^ 1

/ Itrn \
c) g[«] = rect4[íT] * sen 1 ^ 1

d) g[«j = rectjl/i] * rectjlí!] * combi4[n]

e) gí"] = rect3[«] * rectiln] * combyíw]

f) g[n] = 2cos ( Y " ) *

sinc (72/4) sinc(n/4)

S)
2^2 " l-Jl
46. Encuentre las respuestas al impulso de los subsistemas de la figura E46 y luego convolucione
para determinar la respuesta al impulso de la conexión en cascada de los dos subsistemas. Quizá
encuentre útil ta siguiente fórmula para la suma de una serie geométrica.
N a = 1
1 - g-^' r
1 - a

xl«l •
FIGURA E43
Diagrama de bloques
0.9
del si.stema en TD.
 m—K+

yit"] - ^ + ) -

H D

FIGURA E46
Dos subsislemas en cascada. FIGURA E48

47. Para el sistenna del ejercicio 43. sea la excitación x[n] una senoide compleja de amplitud unitaria
de frecuencia cíclica F en TD. Grafique la amplitud de la senoide compleja de la respuesta en
función de F en el intervalo - 1 < F < 1.
48. En el sistema en TD de segundo orden dado en la figura E48, ¿cuál es ia relación entre a,by c que
asegura que el sistema es estable?
49. Dadas las excitaciones X[Í!] y las respuestas al impulso h[/?], encuentre expresiones en forma
cerrada para las respuestas y[n] del sistema y grafique.
a) x[fl]=u[«] h[n] u[H]

r 7 ¿ 1
Sugerencia: Diferencie r" = 1- r con respecto a r.
N r = 1

b) x[«] = ti[/!] h[»] = ^5[«] - (^-^j u[«]

50. Una función en TC es distinta de cero en un intervalo de su argumento de O a 4. Se convoluciona

con una función que es distinta de cero en un intervalo de su argumento de - 3 a - 1 . ¿Cuál es el
intervalo distinto de cero de la convolución de las dos funciones?
51. ¿Qué función convolucionada con - 2 eos (t) produciría 6 sen (f)?
52. Dibuje las siguientes funciones.

fl) g(t) 3 cosí I O T T Í ) H= 45 ( r + ^

b) g{t) • tri{2/) comb(r)

c) git) : Ltri(2r) - rectff - 1)] comb

( 0
d) g(í) comb(f) * comb -

e) g(í) .sinc(4í) * - comb

a )
t - 2
f) m e^^'uCO * - comb comb
4
ít
g) m sinc(f) rect * - comb
0 ] 2 \2
r
h) git) sinc{2r) ^ - comb recti -
(0] 4

53. Determine la potencia de señal de las siguientes señales.

fl) x(f) = rect(r) * comb ( - b) x(í) = tri(r) * comb ( -

54. Un pulso de voltaje rectangular que empieza en r = O, mide 2 s de ancho y dene una altura de 0.5 V
se aplica a un filtro pasabajas ^ C e n e l q u e / ? = 10 kilo-ohms (kQ) y C = 100 microfarads (\xF).

a) Grafique el voltaje a través del capacitor en función del tiempo,

b) Cambie la duración del pulso a 0.2 s y la altura del mismo a 5 V y repita.
 «i=2n i^c) C = 3F
^A'V ^ - T —
Vc(í)

V, = 10 V ^ / = O

FIGURA E55

c) Cambie la duración del pulso a 2 mili segundos (ms) y la altura del pulso a 500 V y repita.
d) Cambie la duración del pulso a 2 ps y la altura del pulso a 500 kV y repita. Con base en estos
resultados, ¿qué piensa que pasaría si se deja que el voltaje de entrada sea un impulso unitario?
55. Escriba la ecuación diferencial para el voltaje Vf<f) en el circuito de la figura E55 para el tiempo
í > O y luego determine una expresión para la corriente i(/) pata el tiempo r > 0.
56. El tanque de agua de la figura E56 se llena mediante un ñujo de entrada x(í) y se vacía por medio
de un flujo de salida y(f). El flujo de salida se controla mediante una válvula que presenta la
resistencia R al flujo de agua hacia afuera del tanque. La profundidad del agua en el tanque es d(f)
y el área de la superficie de la misma es A, independiente de la profundidad (tanque cih'ndrico). El
flujo de salida se relaciona con la profundidad del agua por medio de

m
y(f) =
R •

El tanque naide 1.5 metros (m) de altura con un diámetro de 1 m y la resistencia de la válvula es de
10 segundos por metro cuadrado (s/m-).

a) Escriba la ecuación diferencial para la profundidad del agua en términos de las dimensiones del
tanque y la resistencia de la válvula.
b) Si el flujo de entrada es 0.05 m^/s, ¿a qué profundidad del agua las velocidades del flujo de
entrada y de salida serán iguales, causando que la profundidad del agua sea constante?
c) Encuentre una expresión para la profundidad del agua en función del tiempo después de que 1 m-^
de agua se descarga hacia un tanque vacío.
d) Si el tanque está inicialmente vacío en el tiempo í = O, y el flujo de entrada es constante e igual a
0.2 m-Vs después del tiempo f = 0. ¿en qué tiempo el agua del tanque empezará a desbordarse?
57. La suspensión de un automóvil puede representarse mediante el sistema de amortiguadores de
masa-resorte de la figura E57. Considere que la masa m del automóvil es igual a 1 500 kilogramos
(kg), que la constante del resorte es igual a 75 000 newtons por metro (N/m), y que el coefi-
ciente de viscosidad del absorbedor de choques (amortiguador) es igual a 20 000 N • s/m. A
cierta longitud del resorte d^, éste no está ni deformado ni comprimido y no se ejerce fuerza sobre
él. Sea su longitud igual a 0.6 m.

Área de la superficie A
Flujo de entrada x(0

Chasis dei automóvil

Resorte ; I I Amortiguador
ytí)

Flujo de salida y(/J

FIGURA E56 FIGURA E57
Tanque de agua con flujo de entrada y flujo de salida. Modelo de la suspensión de un automóvil.
r a)
b)
¿Cuál es la distancia y(f) - x(f) cuando el automóvil está en reposo?
Defina una nueva variable z(f) = y(í) - x(r) - constante tai que, cuando el sistema está en reposo,
CAPÍTULO 3
Descripción y análisis z(f} = O, y escriba una ecuación que incluya z y x que describa un sistema LIT. Luego determine
de sistemas la respuesta al impulso.
c) El efecto del paso del automóvil por un tope puede modelai'se dejando que la altura de la superfi-
cie del camino cambie en forma discontinua mediante la altura del tope h^.. Sea /T^, = 0,15. Grafique
z(í) en función del tiempo después de que el auto pasa por un tope.
58. De acuerdo a como se dedujo en el texto, un péndulo simple se describe de manera aproximada
para ángulos pequeños 6 mediante la ecuación diferencial

mL<d"it) + ms%it) = x(/)

donde m = masa del péndulo

L = longitud del soporte de barra rígida sin masa
9 ~ desviación angular del péndulo con respecto a la vertical
a) Determine la forma general de la respuesta al impulso de este sistema.
b) Si la masa es de 2 kg y la longitud de la barra corresponde a 0.5 m, ¿a qué frecuencia cíclica
oscilará el péndulo?

59. La farmacocinética es el estudio de cómo se absorben los medicamentos y cómo se distribuyen,

metabolizan y excretan del cuerpo humano. Algunos procesos de medicinas pueden representarse
de manera aproximada mediante un modelo del cuerpo de un compartimento en el cual V es su
volumen. C( f) es la concentración de la medicina en ese compartimento, es una tasa constante
de excreción de la medicina desde el compartimento y A q la tasa de infusión a la cual la droga entra
en el compartimento.
fl) Escriba una ecuación diferencial en la cual la tasa de infiísión es la excitación y la concentra-
ción de la medicina es la respuesta.
b) Sean los valores de los parámetros = 0.4 h-', V = 20 litros (L), ykQ = 200 miligramos por
hora (mg/h). Si la concentración inicial de la medicina es C(0) = 10 mg/L, grafíquela como
función del tiempo (en horas) para las primeras 10 h de infusión. Encuentre la solución como
la suma de la respuesta de entrada cero y la respuesta de estado cero.

60. Al principio del año 2000 el país Freedonia tenía una poblaciónp de 100 millones de personas. La
tasa de nacimientos es de 4 por ciento anual y la tasa de muertes corresponde a 2 por ciento anual,
calculados diariamente. Esto es, los nacimientos y las muertes ocurren cada día a una fracción
uniforme de la población actual y al siguiente día el número de nacimientos y muertes cambia
debido a que la población cambió el día anterior. Por ejemplo, cada día el número de personas que
muere es ia fracción 0.02/365 de la población total al final de! día anterior (ignore los efectos de
años bisiestos). Cada día ingresan 275 inmigrantes a Freedonia.

íí) Escriba una ecuación en diferencias para la población al principio del día enésimo después
del 1 de enero de 2000 con la tasa de inmigración como la excitación del sistema.
b) Después de encontrar las respuestas de entrada cero y de estado cero del sistema determine
cuál será la población de Freedonia al principio del año 2050.

61. Un automóvil que sube por una cuesta puede modelarse como
se muestra en la figura E61. La excitación en la fuerza f(r) para
la cual un valor positivo representa acelerar el automóvil hacia
arriba con el motor y un valor negativo representa frenar el au-
tomóvil mediante la acción de los frenos. Cuando rueda, el auto
experimenta un arrastre debido a diversos fenómenos friccionan-
tes que pueden representarse de manera aproximada mediante
el coeficiente kf. el cual multiplica la velocidad del auto para
producir una fuerza que tiende a frenarlo cuando se mueve en
cualquier dirección. La masa del vehículo es m y la gravedad
actúa sobre él todo el tiempo provocando que descienda por la
cuesta en la ausencia de otras fuerzas. Sea la masa m del auto-
FIGURA E61 móvil igual a 1 000 kg, el coeficiente de fricción kj igual a 5
Automóvil sobre un plano inclinado. N-s/m y el ángulo 9 sea it/12.
 a) Escriba una ecuación diferencial para este sistema con la fuerza f(f) como la excitación y la
posición del automóvil y(f) como la respuesta.
b) Si la nariz del auto está inicialmente en la posición y(0) = O, con una velocidad inicial [y'(f)]f=o =
10 m/s, y no se aplica aceleración o fuerza de frenado, grafique la velocidad del auto y'(t) para
tiempo positivo.
C-) Si se aplica una fuerza constante f(í) de 200 N al automóvil, ¿cuál es su velocidad terminal?

62. Una esfera de aluminio se calienta hasta una temperatura de 100 grados Celsius (°C). Después se
sumerge en una coiTiente de agua que se mantiene a una temperatura de 10°C. Después de 10 s, la
temperatura de la esfera es igual a óff^C. (El aluminio es tan buen conductor de calor que su
temperatura es uniforme por todo su volumen durante el proceso de enfriamiento.) La lasa de
enfriamiento es proporcional a la diferencia de temperamra entre la esfera y el agua.

a) Escriba una ecuación diferencial para este sistema con la temperatma del agua como la excitación
y la temperatura de la esfera como la respuesta.

I
b) Calcule la constante de tiempo del sistema.
c) Determine la respuesta al impulso del sistema y, a partir de ella, la respuesta al escalón.
d) Si la misma esfera se enfría a 0°C y se sumerge en una corriente de agua a 80°C en el tiempo t =
O, ¿en qué tiempo la temperatura de la esfera llegará a 75°C?

63. Una tina de agitación se ha alimentado durante un largo tiempo con dos comentes de líquido,
agua potable a 0.2 m-^/s y tinta azul concentrada a 0.1 m-Vs. La tina contiene 10 m-^ de esta mezcla,
y ésta se saca de la tina a razón de 0.3 m-Vs para mantener un volumen constante. La tinta azul
repentinamente se cambia por tinta roja a la misma velocidad del tlujo. ¿Qué tiempo después del
cambio la mezcla extraída de la tina contiene una proporción de tinta roja y azul de 9 9 : 1 ?
64. Algunos auditorios grandes tienen un eco o reverberación notable. Si bien es deseable un poco de
reverberación, demasiada resulta indeseable. Considere que la respuesta de un auditorio a un
impulso actístico de sonido es

h(

Se quiere diseñar un sistema de procesamiento de señales que quite los efectos de la reverbera-
ción. En los capítulos 5 y 9 acerca de la teoría de las transformadas usted será capaz de demosü-ar
que el sistema de compensación que puede eliminar las reverberaciones tiene una respuesta al
impulso de la forma

M o = f;g["]s(f-^).
n=Q

Detennine la función g[n].

65. Demuestre que ¡a propiedad de área y la propiedad de escalamiento de la integral de convolución
están en concordancia, por tnedio de encontrar el área de x(at) * h(at} y compararla con el área de
x(í) * h(í).
66. La convolución de una función g(í) con un doblete puede escribirse como

g ( / ) * u.(r) = / g(T)ui(r — T)d7.

Integre por partes para demostrar que g(r) * U | ( f ) = g'(r).

67. Deduzca la propiedad de muestreo para un triplete unitario. Esto es, encuentre una expresión para
la integral

/
co

git)U2(t)dt

que es análoga a la propiedad de muestreo del doblete unitario -g'(r) = í"„g(t)u¡{t) dt.
 68. Dibuje los diagramas de bloques de los sistemas descritos por estas ecuaciones. Para la ecuación
diferencial utilice sólo integradores en los diagramas de bloques.
CAPÍTULO 3
Descripción y análisis a) y"(í) + 3y'(f) + 2y(í) = x ( í )
de sistemas
b) 6y[M] + 4y[n - 1] - 2y[í! - 2] + y[;! - 3] = x[n]
 C A P Í T U L O 4
La serie de Fourier

4.1 INTRODUCCIÓN Y METAS

En el capítulo 3 se desarrolló una técnica, la convolución, para encontrar la respuesta de un sistema LIT
a una excitación arbitraria. La idea básica de la convolución es dividir o descomponer una señal en una
suma de funciones elementales. Luego de eso. se encuentra la respuesta individual del sistema a cada
función elemental y se suman los resultados para obtener la respuesta total. En el caso de la convolución,
las funciones elementales son impulsos, y la convolución es un proceso de combinar respuestas al
impulso desplazadas y ponderadas para formar la respuesta total. Este método trabaja en sistemas LIT
debido a las propiedades de linealidad e invariancia en el tiempo.
En este capítulo se descompondrá una señal de una manera diferente, expresada como una suma de
senoides reales o complejas en vez de una suma de impulsos. Las senoides reales y complejas son
combinaciones lineales de casos especiales de funciones propias de sistemas LIT, las exponenciales
complejos. Las respuestas de los sistemas LIT a senoides también son senoides de la misma frecuencia
pero, en general, con diferente amplitud y fase. Expresar las señales de esta manera lleva al concepto del
dominio de la frecuencia en el cual las ecuaciones diferenciales o en diferencias se convierten en ecuacio-
nes algebraicas y los sistemas pueden analizarse mediante métodos que implican sistemas de ecuaciones
algebraicas con coeficientes complejos en lugar de sistemas de ecuaciones diferenciales o en diferen-
cias. Al considerar las señales de esta manera también lleva a un nuevo conocimiento acerca de la
naturaleza de los sistemas y, en ciertos tipos, simplifica su diseño y análisis.
Analizar señales como combinaciones lineales de senoides no es tan extraño como puede parecer.
El oído humano hace algo muy similar. Cuando escucha un sonido, ¿cuál es la respuesta real del cere-
bro? Como se presentó en el capítulo 1, el oído registra una variación en el tiempo en la presión del aire.
Esta variación podría ser un tono simple como el silbido de una persona. Cuando se escucha el tono
silbado, no está conciente de la oscilación (muy rápida) de la presión del aire con el tiempo. Más bien se
reconocen las tres características importantes del sonido, su tono, que es un sinónimo de frecuencia; su
intensidad o amplitud; y su duración. El sistema oído-cerebro mide de manera efect¡\'a la señal en tres
parámetros descriptivos simples, tono, intensidad y duración, y no intenta seguir en detalle el rápido
cambio (y muy repetitivo) de la presión del aire. Al hacerlo de esa forma el sistema oído-cerebro ha
destilado la información en la señal a su esencia. El análisis matemático de las señales como combina-
ciones lineales de senoides realiza algo similar pero en una manera más precisa.

O B . T E T I V O S D E L C A P Í T U L O

1. Formular métodos para expresar las señales en TC y TD como una combinación lineal de senoides,
reales o complejas.
2. Explorar las propiedades generales de estas formas de expresar señales.
3. Aplicar estos métodos para determinar las respuestas de sistemas en TC y TD a excitaciones arbi-
trarias.
CAPÍTULO 4
La serie de Fourier g P^J]l
liin

5,e
ll(f) yW FIGURA 4.1
1 1 —
Equivalencia de las respuestas de un sistema LIT
a una excitación y a una combinación lineal de
senoides complejas que es equivalente a la
A^e hit)
excitación.

4.2 LA SERIE DE FOURIER EN TIEMPO CONTINUO (SFTC)

LINEALIDAD Y EXCITACIÓN EXPONENCIAL COMPLEJA

Un resultado muy importante del capítulo 3 es que si un sistema LIT se excita mediante una senoide
compleja, la respuesta es también una senoide compleja, con la misma frecuencia pero, por lo general,
con otra constante de multiplicación. Esto ocurre debido a que la exponencial compleja es la función
propia de las ecuaciones en diferencias o diferenciales qtte describen a los sistemas LIT y una senoide
compleja es justo un caso especial de una exponencial compleja.
Otro resultado importante del capítulo 3 es que si un sistema LIT se excita mediante una suma de
señales, la respuesta completa es la suma de las respuestas a cada una de las señales. Si se pudiera
encontrar una forma de expresar señales de excitación arbitraria como combinaciones lineales de senoides
complejas, se tendría la posibilidad de utilizar la superposición para determinar la respuesta de cual-
quier sistema LIT a cualquier excitación arbitraria sumando las respuestas a las senoides complejas
individuales (figura 4.1). Quizá parezca extraño tratar de expresar una función real como una combina-
ción lineal de senoides complejas, pero ya se sabe que los cosenos reales y los senos reales pueden
expresarse como

-JX

cos(.v) = sen(-í) = (4.1)

(figura 4.2).

Imie j2~l )
i 1
1 -

1 L

vi/

Im(f )

1 - Retf-J-^')

FIGURA 4.2 - 1 J
Suma y resta de e'-^'
y e-jít/ para formar -l(^
2 cos(27tf) y jl
sen(2n;/).
 De inmediato se ve que cualquier función periódica con Seña! original

utilidad en ingeniería puede expresarse como una combina-

ción de senoides complejas mediante la serie de Fourier, que Valor promedio
es el tema de este capítulo. (La frase "función periódica con
utilidad en ingeniería" significa una función que describe una Componente COS{2IT/,.-/)
señal que en realidad ocurre en un sistema físico real. Es po-
sible imaginar funciones matemáticas periódicas que no pue-
Componente sen(2Tr/Fr)
den expresarse como una serie de Fourier. pero no tienen uso
conocido en la ingeniería.) En el capítulo 5 se extenderá la
Componente c o s ( 2 i T ( 2 / ^ ) r )
serie de Fourier a la transformada de Fourier para representar
funciones no periódicas.
Considere una señal original arbitraria que al autor le Componente sen(2iT(2/f.)í)

gustaría representar como una combinación lineal de senoides

dado un intervalo finito de tiempo desde un tiempo inicial lf¡ C o m p o n e n t e CDS(2-IT(3/,)/)
hasta un tiempo final fo + Tp como se ilustra en la parte supe¬
rior de la figura 4.3. Considere que f¡r ~ \IT¡r se denomina la C o m p o n e n t e sen(2Tr(3/)r)f)
frecuencia fundamental de este tipo de representación de
la señal. Entonces es posible, como se ilustra en lafigura4.3,
C o m p o n e n t e t;os(Í'ir(4/>)f)
agregar una constante y senos y cosenos a múltiplos enteros
de la frecuencia fundamental con las amplitudes correctas
C o m p o n e n t e senf 2 ' Í T ( 4/¡r)r)
para representar la señal original en ese intervalo de tiempo
i— \ —
finito. (La forma en que se eligen esas amplitudes es tema de
'o
la sección 4.3.) La última representación en la esquina infe-
rior del lado derecho de la figura 4.3 no es exacta porque se FIGURA 4.3
presentan sólo los resultados para senos y cosenos hasta cua- Ilustración del concepto de representar una señal arbitraria como una
tro veces la frecuencia fundamental. Dentro de poco se de- combinación lineal de senoides.
mostrará que si se siguen sumando indefinida y correctamente
los senos y cosenos elegidos a múltiples enteros más altos de la frecuencia fundamental, la representa-
ción se aproximaría a la señal original en el intervalo de tiempo /(, < r < í„ -i- T^.
Note que en el ejemplo de la figura 4.3 la representación se aproxima a la señal original sólo en el
intervalo de tiempo < í < -I- T¡r, no fuera de él. Observe que la representación es periódica con
periodo fundamental Tp, debido a que todos los senos y cosenos usados para formarla tienen un número
entero de periodos en ese tiempo. Por consiguiente, si resulta que la señal original es periódica con
periodo fundamental 7"Q. y si se hubiera elegido 7> = 7},. la representación sería correcta para todo
tiempo (figura 4.4). (También sería cotTecto para todo tiempo si se elige Tp como cualquier periodo, no
sólo el periodo fundamental.)

La representación de una señal en la forma de una combinación lineal de

senoides complejas recibe el nombre de serie de Fourier en honor a Jean
Baptíste Joseph Fourier, matemático francés de finales del siglo xvni y
principios del X!X. (El nombre Fourier se pronuncia comtínmente "'íií-rié",
según la pronunciación francesa.)
Fourier vivió un dempo de gran inestabilidad en Francia, la Revolu-
ción francesa y el reinado de Napoleón Bonaparie. Se desempeñó como
secretario de la Academia de Ciencias de París. Ai estudiar la propagación
del calor en sólidos, formuló la serie de Fourier y la integral de Fourier.
Cuando presentó por primera vez su trabajo a los grandes matemáticos
franceses de la época, Laplace, LaGrange y LaCroix, quedaron intrigados,
aunque (especialmente LaGrange) pensaron que carecía derigormatemá-
tico. La publicación de su artículo en ese tiempo fíie rechazada. Algunos
años después Dirichlet proveyó a las teorías de un cimiento másfirmeex-
plicando exactamente cuáles funciones podrían, y cuáles no, expresarse
Jean Baptiste Joseph Fourier,
mediante una serie de Fourier. Después de eso Fourier publicó sus leonas
21/3/1768-16/5/i 830.
en ío que es ahora un texto clásico: Theorie analytique de la chaleur.

En una representación de serie de Fourier de una señal, los senos y los cosenos de más alta frecuen-
cia tienen frecuencias que son múltiplos enteros de la frecuencia fundamental. El múltiplo recibe el
nombre de número de armónica y se le designará mediante k. De tal modo, por ejemplo, la función
 176 Señal original

Viilor promedio

C o m p o n e n t e c o s ( 2 T T / f r)

Componente scn(2T7/fr)

C o m p o n e n t e cos(2iT(2/jrV)

Componente sen(3TT(2/)-)r)

Componente cos(2iTf3/f.)f)

C o m p o n e n t e s e n i 2-17(3/^1/)
FIGURA 4.4
Ilustración de! c o n c e p -
C o m p o n e n t e cos(2'n-(4/f)r)
to d e representar u n a

I señal periódica, para

todo tieinpo, c o m o una
C o m p o n e m e sen( 2-l4/, )r)
^ ¡ •
combinación de senoi-
d e s e l i g i e n d o 7;- = 7"(,.
h l,¡ + Ta

cos (2iz(kfi:)t] es el A--ésimo coseno armónico, y su frecuencia es ^/p Si la señal que se va a representar
es x(/), entonces !a amplitud del ¿--ésimo seno armónico será designado como X,[A-] y la amplitud del
A:-ésimo coseno armónico se designará como X^.[k]. Así las amplitudes de los senos y cosenos son
funciones de una variable independiente discreta, no de un tiempo discreto n, sino más bien del número
de armónica discreto A-. Las funciones X,[k] y X,,[í;], junto con el término constante, serán denominadas
las funciones armónicas de la serie de Fourier de la .señal original, en este caso la serie de Fourier
trigonométrica.
La demostración de la idea de la serie de Fourier de la figura 4.3 utiliza una constante, senos y
cosenos para representar la función original: la serie de Fourier trigonométrica. Para los fines de este
curso es importante, como un preludio para el trabajo posterior, ver la equivalencia de otra (y más
importante) forma de la serie de Fourier: la forma compleja de la serie de Fourier Como se indicó antes,
cada seno y coseno en la forma trigonométrica de la serie de Fourier puede reemplazarse por su equiva-
lente de senoide compleja

+ e -J2TT(kff)t
cos(2TT(A'/f)r) =

sen(27T(ír/f )í) = (4.2)

72 •

En consecuencia, para todo componente armónico seno y coseno de la serie de Fourier, existe un par de
senoides complejas que pueden reemplazarla. Si se suman los senos y cosenos con las amplitudes X^[k]
y X^k] en cualquier armónica particular k, se obtiene

X,[k] COS(2TT(A//.-)Í) + XAk] sen(2Ti(kf,)t)

= XAk]- + XAk]- (4.3)

Los términos en el lado derecho se pueden combinar como términos senoides complejos para formar

X,[¿]cos(2'rT(;t/f)/) + XAk] sen(27r(A'/f)0

= ^ {{XAk] - jX,M)e>^-"^^^" + {XAk] + jXAk])e^'-^''-''f^"].

Si ahora definimos 177
4.2 La serie de Fourier
XAk]-JXAk] X,.[k] + JXAk] (A 5 1 tiempo continuo
Xfí:] = X[-k] =
(SFTC)

es posible escribir

XAk] cos{2Ti{kff)t) + X,[í.-] sen(2^(i;:/F)f) = X[k]e X[-k]e j2TT((-i)/r)r (4.6)

y se tienen las amplitudes X[k] de las senoides complejas ¿'J2m,ki\:ir_ todos los múltiplos enteros posi-
tivos y negativos de la frecuencia fundamental, y la suma de todas estas senoides complejas se agrega a
la función original justo como lo hicieron los senos y cosenos.
Aún se tiene que considerar el término constante. Para incluir el término constante en la formula-
ción general de las senoides complejas, se deja que sea la armónica cero de la fundamental. Al dejar que
k sea cero, la senoide compleja e J ^ t ' e s precisamente el número uno, y si se multiplica por el factor de
ponderación elegido correctamente X[01, es posible completar la representación de la serie de Fourier
compleja. Se encontrará en el material que sigue que la misma fómmla general para determinar X[A:]
para cualquier k distinta de cero también puede utilizarse, sin modificación, para encontrar XfO], y que
éste es simplemente el valor promedio en el intervalo de tiempo í(i < í < + Tf- de la función que se está
representando. Ese hecho hace que la serie de Fourier compleja sea más eficiente y compacta que la
serie trigonométrica de Fourier. La figura 4.5 ilustra cómo la serie de Fourier converge a la señal origi-
nal cuando k ,se incrementa para otras dos señales originales.

DEFINICIÓN DE LA SERIE DE FOURIER EN TIEMPO CONTINUO

Derivación de la serie de Fourier en tiempo continuo Puede suponerse, provisionalmente, que una
señal x(f) se puede expresar, dado un intervalo de tiempo f(, < f < ÍQ + Tp, como una combinación lineal
de senoides complejas en la forma

Xf(f) = ¿ X[k]e^-•Mkff)! (4.7)

donde fp = l/Tp. En ese caso

x(r) = Xfit) ¡o < t < ¡0+ Tf. (4.8)

Después se verá en qué condiciones es adecuada esta suposición. Observe que se está representando la
señal original x(í) como una combinación lineal de senoides complejas dado un intervalo de tiempo
finito ío < r < + Tp. no todo el tiempo. Ésta es la aplicación más general de la serie de Fourier en tiempo
continuo (SFTC). Después se restringirá su aplicación a señales periódicas y se demostrará que la SFTC

Seiíal original Señal original

i 1
k = 1

k = 2

k = 5

k = 10

¿ = 20
¡—i i \ ¡—\
k - 50
)—1 1 1 j—i FIGURA 4.5
Ejemplos de represen-
í: = 100
taciones de la serie de
1 1 1 1 1 1 Fourier.
 178 puede representar a una señal periódica en todo tiempo. La representación de una señal periódica para
CAPÍTULO 4 ^^^^ tiempo es, por mucho, la aplicación más común de la SFTC.
La serie de Fourier problema de encontrar la representación de la SFTC es determinar la función apropiada X[k]
para hacer válida la igualdad

x(/} = X í ( í ) ! Q < t < t o + T f . (4.9)

' \ Si Xf{t) va a ser la misma que x(í) en el intervalo ÍQ < f < íg + Tf.-, entonces

m = £ X W ' ^ ^ ' ^ ^ " ro < r < to + Tf. (4.10)

- i-'. k=-oo

Se puede muItipUcar (4.10) por e-J-^^ih-^' (q es un entero) y obtener

1] *
= Y, X[Jt]eJ-^«*-^>-^^" t^^t <to+Tf. (4.11)

Si ahora se integran ambos lados de (4.11) dado el intervalo de tiempo fy < / < /f, + Tp-, se obtiene

I me-'-'^'^f'''dt = j Y XRJe^^^"''-"'-^^" dt. . (4.12)

I Puesto que ^ y í son variables independientes, la integral de la suma en el lado derecho de (4.12) es
equivalente a la suma de las integrales. Por lo tanto, (4.12) se puede escribir como

í x(í)e-^""<^^^" dt = Y Í fJ"""'''-^^-^^" dt. (4.13)

; A-=-3o /
U) ta

El integrando de senoide compleja en el lado derecho de (4.13) se expresa, a partir de la identidad de

Euler, como la suma de un coseno y un seno,

j x(r)e"^^^'^^"" í/f
ío

=Y ^[^] / [cos(2Tri(k - q)fp)t) - j ssni2Tr(ik - q)fp)t)] dt. (4.14)

h

Puesto que k y q son ambos enteros, lo es ¿ - q. Entonces, para el caso k ^ q, &e. están integrando
funciones senoidales exactamente sobre periodos fundamentales k-q^O (pues fp = lITp). La integral
de cualquier senoide para cualquier periodo (todo múltiplo entero del periodo fundamental) es cero
(figiu-a 4.6). Por consiguiente, para k*q,

j [cos{2Tt({k^q)fF)t)~ jstn{2^{{k~q)ff)t)]dt^Q. (4.15)

• El caso k = q,zs único debido a que los argumentos del seno y el coseno son idénticamente cero para
cualquier t. Si = q, la integral se reduce a

j [cos(O) - j sen(0)]í/r = j dt ^ Tf. (4.16)

 Iguales áreas positiva y negativa en cada caso 179
X|(f)
4.2 La serie de Fourier
Un periodo Dos periodos en tiempo continuo
(SFTC)

X|(f) + x/f) + xjír)

FIGURA 4.6
Cuatro periodos
Ilustración gráfica del
; hecho de que la inte-
1 ' gral de cualquier se-
noide (o suma de
senoides) para cual-
quier periodo es cero.

Por lo tanto, la sumatoria

£ x[k] / ^.'•^-"'^-í'fr" dt (4.17)

í:=-30

se reduce a X[<]]Tfry

j x(/)e-^-""'^^" dt = X[q]Tf. (4.18)

Al despejar XI^J,

X[q] = — í x(f)e-^-''<"-^^" dt.

(4.19)

Si esta expresión es correcta para X[^], entonces X[k] en la expresión de Fourier original (4.7) debe ser
to+Tf

X[k] =— Í x(t)e-J-''"'f'" dt. (4.20)

Tf J
ra

A partir de esta deducción se concluye que si la integral converge en (4.20). una seña! x(/) puede
representarse con exactitud, en el intervalo de tiempo < í < fg -H Tp, mediante

Xf(t) = J2 mw-''^'^'" (4.21)

donde

lo+Tr

X[^] = — í x{t)e-i--''f^''dt
Tf J (4.22)

Si la integral no converge, no es posible encontrar una SFTC de la señal.

En la representación de SFTC de una función.

ír=-30
180 donde k es el número de armónica. La SFTC se escribe con kfp encerrada entre paréntesis para subrayar
CAPÍTULO 4 frecuencia de cada senoide compleja es k veces la frecuencia fundamental de la representación de
La serie de Fourier ^^'''^ '^^ Fourier. Por ejemplo, la frecuencia 2fp es la segunda armónica de la frecuencia fundamental
f¡r. En las expresiones de SFTC las señales se representan mediante combinaciones lineales de senoides
complejas a la frecuencia fundamental de la representación de la serie de Fourier y sus armónicas.
La representación de la función x(r) en TC mediante una SFTC es una transformación de la manera
en que se representa matemáticamente la función. La función es la misma porque si se representaran los
puntos de x(í) y Zr=-« X[k\eJ-^^''h'" sobre la gráfica en el intervalo de tiempo ff, < / < ío + Tp, l
representaciones funcionales producirían exactamente los mismos valores en los puntos de continuidad
de x(f)- Una manera común de expresar la relación entre una función en TC y su función armónica de
la SFTC consiste en decir que forman un par de transformadas. Esto se indica a menudo en la anota-
ción abreviada

x(»-^X[A-] (4.24)

donde la función a la izquierda representa la señal en el dominio de tiempo porque su variable inde-
pendiente es el tiempo t y la función en el lado derecho representa la transformación de la señal a un
dominio de número de armónica porque la variable independiente es el número de armónica k.
El proceso de formar la señal Xp(/) como la suma de una serie de senoides complejas se denomina
algunas veces síntesis. Se puede sintetizar una señal a partir de sus componentes, las senoides complejas
individuales. El proceso de encontrar la función armónica de la serie de Fourier X [ ^ ] en ocasiones se
denomina análisis. Se analiza la señal x(í) expresando sus componentes.

Lim Itaclones sobre las funciones representables por una serie de Fourier en tiempo continuo Como
se indicó en la sección anterior, si la integral de una señal x(/) dado un intervalo de tiempo fo < í < ÍQ -l-
Tp- diverge, no es posible encontrar una SFTC para la seña!. Existen otras dos condiciones con respecto
a la aplieabilidad de la SFTC. que junto con la condición sobre la convergencia de la integral, reciben el
nombre de condiciones de Dirivíilet. Éstas son:

1- La señal debe ser absolutamente integrable en el tiempo ío < í < íf, + Tp, esto es,

/
la+Tr

\x(t)\dt <oo. ^4_25)

2. La señal debe tener un número finito de máximos y mínimos en el tiempo tQ<t<t^ + Tp.
3. La señal debe tener un número finito de discontinuidades, todas de tamaño finito, en el tiempo
k<t<to + Tp.

Hay dos señales hipotéticas para las que no se cumplen las condiciones de Dirichlet, pero se sabe que no
fienen aplicación en la ingenieri'a.

La serie de Fourier trigonométrica en tiempo continuo Suponiendo que se puede encontrar una
SFTC, es factible afirmar que

x(í) = x/r(í) to < t < tQ + Tp, (4.26)

donde

xK/)= E mW'~^''^^\ (4.27)

k=—oo

Esto se cumple para cualquier señal real o compleja que safisfaga las condiciones de Dirichlet. Resulta
útil explorar las caracterísdcas de la conjugada compleja de \p{t]. Si se conjugan ambos lados de (4.27),
se obtiene

x*p(t}= ¿ X*[í:k"-'-^<'^^^" = E ^ * ^ - ' ^ ] ^ ' ' ™ ' ' ^ ' "

k=—x. k=os

= ¿ XA-kle-^-"-'-'^'^''. (4.28)
En palabras, esto indica que para determinar la función armónica X[k] de la SFTC para el conjugado 181
complejo de una señal se le debe conjugar y cambiar el signo de k. La transformación es , „ , . ^ .
•' j ^ j - 4.2 La sene de Founer
Xlk]^X*[-kl (4.29) en tiempo continuo

y entonces para cualquier x(f), x * ( f ) t "^'^ ) X * [ - Á . - ] . En el importante caso especial en que x(f) sea
una función de valores reales, x(0 = x*fí) y, por lo tanto, x^it) = x*p(f). Esto significa que las dos
representaciones

xAn = E X[A].'--<*.^'" y x^{r) = £ X*[-k]e''-^''^' (4.30)

deben ser iguales y, por lo tanto, que X[A-] = X*[- k]. lo cual implica que para señales de valores reales
y para cualquier k, X[k] y X[- k\ son conjugadas complejas. Si ése es el caso, para señales reales se
puede expresar la SFTC como

PC

(í) = X[0] + E [X[k]e'-^'^^'" + X*[k]e-^-'"'^'-"] (4.31)

k=\

X F ( Í ) = X[0] + J2 [ReíX[it])e'^''''**-^'^" + Re(X[jt])e"'-''"'''''"

k=i (4.32)
+j Im(X[A])e^-"''"^^" - ; Im(X[/:J)e-^-"^'^^"].
donde X[OJ es

X[0] =^ Í x(t) dt, (4.33)

In

que es el valor promedio de la señal x(/) en el intervalo de tiempo ¡i)<t< /„ + T¡r. Por lo tanto, si x(í)
consta de valores reales, X[0] es un número real. Si se utilizan las relaciones trigonométricas

cos(.v) = :; y sení.v) = (4.34)

2 j2
en (4.32), se obtiene

ÓO

Xf(t) = X[0] +J2^- Re(X[Á:])cos(2-rT(Jt/f)í) - 2 rm(X[ír]) sen(2TT(/t/r)r)]. (435)

i-=i

Ésta es una representación de la señal de valores reales x(t) en términos de una combinación lineal de
una constante real y cosenos y senos de valores reales. Es relativamente sencillo demostrar que

Xf (í) = X , [ 0 ] + E tX,[¿-] cos(2Tr(¿/f )í) + X,[¿] s e n ( 2 T r ( ¿ / , ) / ) ] ^^g^j

k=í

donde X,.[0] = X[0],

'o + Tf

XAk] = 2 Re(X[A]) = — í xfr) cosí2TT(A/f )r) dt

(4.37)
Tf J
lo

ln->-TF
Xsík] = - 2 Im(X[A-]) í x(í) sen(2TT(A/f )í) dt.
1f J
182 Ésta se conoce como la forma trigonométrica de la función armónica de la SFTC para señales de valo-
res reales. Por lo tanto, las relaciones entre las formas compleja y trigonométrica son
CAPÍTULO 4
La serie de Fourier
X , [ 0 ] = X[0]
XJO] = o

XAk] = X[lc] + X*lk] . (4.39)

XAk] = j {X[k] - X*[k]) A = 1,2,3,...

X[0] = X,[0]
XAk] - jXAk]
X[A1 =
2 1,2,3,...
(4.40)
XM1 = X - W = í i * l ± ^

La forma trigonométrica es la única que realmente utilizó Fourier, pero la forma senoidal compleja es
más importante en el estudio moderno de las señales y los sistemas. Las relaciones entre las formas
compleja y trigonométrica de la SFTC se relacionan estrechamente debido a la identidad de Euler

e^' = cos(.v) -I- sen(;c), (4.41)

que indica que cuando se encuentra una senoide compleja en una representación de ía SFTC de una
señaL se está, por implicación, determinando de manera simultánea un coseno y un seno.

Periodicidad de representaciones de la serie de Fourier en tiempo continuo La representación

x^(f) de una función x(f) como una SFTC es de la forma

Xf(r) - f; X[k]e^'^''-^'". (4.42)

Si se incrementa el tiempo / por un múltiplo entero q, del tiempo 7"^ en la ecuación (4.42), se obtiene

43)
ír=-oc í:=—co
Pero f/rTp = 1 y, en consecuencia.

k=-oo _| i=—00
(4.44)
= Xf(t)

lo que demuestra que Xp(t) es periódica con periodo fundamental Ig. El intervalo de tiempo fg < í < fg -l-
Tp de la representación de la SFTC de x(í) es un periodo fundamental de x^(f)y es igual a x(f) en puntos
de continuidad en ese intervalo de tiempo.
Las pruebas anteriores correspondieron a la igualdad de las dos señales x(/) y x^(í) en el intervalo
de tiempo íq < f < íq + 7"^ y a la periodicidad de x^(í). Una pregunta natural es si x(f) y Xf{t) son también
iguales fuera del intervalo de tiempo < f < /(, H- Tp. Eso depende de la naturaleza de x(f) y de la elección
de la longitud del intervalo de tiempo Tp. Puesto que Xpit) es periódica con periodo fundamental Tp
segundos, si x{t) es periódica con periodo fundamental Tq y si Tp es un múltiplo entero de TQ, entonces
x(í) y Xpit) son iguales para todo el tiempo en puntos de continuidad de x(í). Enunciado en forma
matemática, si x(f) es periódica con periodo fundamental TQ y

7"^ = ínTo m es un entero, (4.45)

entonces x(f) = Xp(t). en puntos de continuidad de x(f), para todo /.

 4.3 Cálculos de la
serie de Founer
•' en tiempo continuo

FIGURA 4.7
' 1 •— 1 ^~ • > ^ ^ Señale.s representadas
1 para un intervalo finito
'o '0 +
/(, + 7-,. mediante una SFTC.

Las figuras 4.7 y 4.8 muestran cómo diversos tipos de señales se representan mediante una SFTC
dado un tiempo finito. (Las líneas punteadas son continuaciones periódicas de la representación de la
SFTC.)

4.3 CÁLCULOS DE LA SERIE DE FOURIER

EN TIEMPO CONTINUO

SEÑALES SENOIDALES

Para comprender el proceso de determinar la SFTC y desarrollar un entendimiento más amplio de la

relación entre una función y su S I T C . se analiza una señal de ejemplo muy simple, un coseno con una
amplitud de 2 a una frecuencia de 200 Hz,

x(r) = 2 COS(4007Í:Í). (4.46)

En la práctica sería una pérdida de tiempo seguir los pasos para encontrar una expresión de SFTC
correspondiente a esta señal pues ya está en la forma de una SFTC trigonométrica consistente de un
coseno. Sin embargo, es útil como instrumento pedagógico entender cómo se encuentra la SFTC y qué
indica en realidad acerca de la señal. Mediante el ejemplo también se introducen los conceptos de
ortogonalidad y correlación, que serán importantes, respectivamente, en los capítulos 4 y 8.
Se expresan estas señales como una SFTC en un intervalo O < í < 5 ms, que es exactamente un
periodo fundamental de esta señal ( T f - T^). Se puede determinar la forma trigonométrica o compleja de
las funciones armónicas. Para encontrar la primera se evalúan integrales de las foimas

In+Ty

x(/)cos(2'n-(it/f)f) dt (4.47)

1
L I ...JliL.l .J|1]J1,.I.I.L.,L

FIGURA 4.8
Atlí|i,]|ÍÍÁ Más señales représen-
la^'—'—r tadas para un intervalo
finito mediante una
to + Tp SFTC.
 h, + TF

^Ák] = Y f x ( f ) s e n ( 2 T T ( í : / f ) 0 í/r, (4.48)

y para encontrar la forma compleja se evalúa una integral de la forma

ÍII+TF

X[k] = — í K^De-'-'^^'f''' dt. (4.49)

Tf J

La integral (4.49) puede escribirse como

x(/) CQ9,{2-n{kff)t) dt -j
Tf í x(í) s e n ( 2 T T ( / : / í - ) í ) dt

(4.50)

lo que ilustra de nuevo la estrecha relación entre las formas trigonométrica y compleja. La funciones
armónicas trigonométricas se determinan evaluando integrales de funciones reales. Como es más senci-
llo ilustrar en forma gráfica las funciones reales que las complejas, se determinarán las funciones armó-
nicas trigonométricas y luego se les relacionará con las correspondientes fimciones armónicas comple-
jas. Primero se calculan X,,[1J y X,[l] (figura 4.9).
Las dos gráficas superiores de la figura 4.9 muestran la señal (curvas continuas) y el coseno y el
seno (curvas punteadas) por los cuales se multiplica para formar los integrandos en las fórmulas para
X,[l]yX,[l],

Xc[l x(f)cos(2iT/fí) dt

X .,[1] = ^ j \{i)%tn{2itfft)dt. (4.51)

'ÍI í

Cúlculo de la amplitud armónica I

xín y seno

0.0O.S

Integral del producto Integral del producto

FIGURA 4.9 2-- 0.31649-t

Ilustración gráfica de
los pasos implicados
en el cálculo de XJ_1]
y X^. [1] para un
coseno. 0,Ü05 0.005
Las gráficas de enmedio muestran el producto de la señal y el coseno y el seno, respectivamente, con el 185
área bajo la curva sombreada para subrayar el proceso de intesración con el que se encuentra el área .„„,,, ^ ,
L • , j T . . . . . . , , 'I j . • , j . , • 4-3 Cálculos de la
bajo el producto. Las graneas inferiores muestran el área acumulada bajo el producto cuando la integra- g^^^^ Fourier
ción procede de f(, a ÍQ -n T p Éstas son gráficas de en tiempo continuo

lo+Ar

- j x{Ocos(2'7T//.r) í/í - Í x(t)ssn{2TTfft) dt. (4.52)

r, J

En estas integrales, cuando Ar se vuelve igual a Tp. se han encontrado los valores de X,.[l] y X J l ] , La
integral del coseno llega a un valor de dos lo que indica que la amplitud del componente del coseno
fundamental en la SFTC es dos. Puesto que la señal es un coseno de amplitud dos en la frecuen-
cia fundamental, es obvio que esto es correcto. La integral del seno llega a un valor de cero aun cuando
el seno está también a la frecuencia fundamental. Esto también es correcto porque ia señal no fiene
ningiín componente seno.
Ahora se determinarán las amplitudes del coseno y el seno de la segunda armónica mediante la
misma técnica (figura 4.10). Ambas amplitudes de armónica son cero, como debe ser puesto que no hay
ninguna señal coseno ni seno de segunda armónica.
Analíticamente se puede detemtinar la SFTC mediante cualquier forma, compleja o trigonométrica.
A continuación se usa la compleja para e\aíuar analíticamente la SFTC.

]¡200

X[lc] = ^j x(r)e"-''^"*^''*'íír = 200 j 2cos(400TTr)í'"^™^'^'í/í (4.53)

Puesto que

C O S ( A - ) = (4.54)

Cálculo de la amplitud armónica 2

x(r) y coseno x(r) y seno

Producto Producto

'A A 0.ÜÜ5

\y\J
I ,

Integral de! producto Integral del producto

FIGURA 4 . 1 0
0..Í4048 - - 0.S4518 —
Ilustración gráfica de
los pasos implicados
en el c á l c u l o de X^,[2]
-0,25715 - - y X,. [2] para un
0,005 coseno.
186 se puede reescribir (4.53) como

1/300
X[¿] = 200 j ie'^^' + e-^''^^')e-'''^'^' dt
o

t/200 (4.55)

J_
X[A-] = (4.56)
2TT k - 1 k+ 1

A menos que k= 1 o A = - 1 . esta expresión vale cero. Para = l i a expresión vale (usando la regla de
L'Hópital) un número real, uno, y para í: = - 1 también vale el número real uno. Es posible expresai" la
función armónica de la SFTC compleja como

X[A-] = 6[A - IJ + S[A- + 1]. (4.57)

Para A > O, las funciones armónicas trigonométricas correspondientes son

X . W = X[A'] + X*[it] = 2 8 [ A - 1 ] y
XJAl = .;(X[A-] - X*[A1) = O A>0 (4.58)

lo que indica que hay un coseno de amplitud dos, en la primera armónica (la fundamental) y ninguna
otra componente de armónica. Si se quisieran determinar las amplitudes de las otras armónicas median-
te los pasos gráficos que se acaban de ilustrar, .se encontraría que todos son cero, lo que concuerda con
ei resultado analítico,
A continuación se encontrará la SFTC de esta misma señal dado un intervalo diferente, O < r <
10 ms. Esta elección de inter\'alo hace diferentes a la frecuencia fundamental de la señal x(f) y a la
frecuencia fundamental de la representación de la SFTC de la señal Xpit). La frecuencia fundamental de
x(r)./(,. es 200 Hz: la frecuencia fundamental de Xp{t\ fp - lITp es 100 Hz. Primero se encontrarán
X,[l] y X,[l] (figura 4.11),

Cálculo de la amplitud armónica 1

x(/) y seno

FIGURA4.il
Ilustración gráfica de
los pasos implicados
en el cálculo de X,,[l]
y Xj. [ I ] para un
coseno en la segunda
armónica de la
frecuencia fundamen-
tal de la SFTC, -0.27895 +
 Cálculo de la amplitud armónica 2
x(/) y seno

0.01 FIGURA 4.12

Ilustración gráfica de
i
Integral del producto

2 —
Integral del producto

0.15824 - -
los pasos implicados
en el cálculo de X,[2]
y X, [2] para un
coseno en la segunda
armónica de la
frecuencia fundamen-
0.01 0.01 tal de la SFTC.

En este caso ambas integrales llegan a un valor de cero, lo que indica que X^[l] = O y Xj[l] = O (y,
por lo tanto, que X [ l ] = X [ - l ] = 0). Esto era de esperarse porque X J l ] y Xj[l] indica qué tanto de una
senoide a la frecuencia fundamental/¿r está en la señal. Puesto que la señal consta sólo de un coseno en
la segunda armónica de / p , / Q , la señal no contiene ninguna senoide a la frecuencia fundamental f¡r.
Ahora se repite el proceso para X J 2 ] y XjE2] (figura 4.12). Desde el punto de vista gráfico, ¿qué
hace que X,.f21 .sea distinta de cero? La razón es que la señal y el segundo coseno armónico tienen la
misma frecuencia y "aumentan y disminuyen" juntos y, en vista de que tienen siempre el mismo signo,
cuando se determina su producto, éste es siempre positivo y la integral acumula área positiva. Xj[2] es
cero porque el producto es algunas veces posifivo y algunas veces negativo, con áreas iguales bajo el
producto que se cancelan entre sí. Esto ocurre debido al desplazamiento de fase de 90° entre las funcio-
nes coseno y seno.
Cuando una señal tiene cierto componente de frecuencia que es una armónica de la frecuencia
fundamental/jr y se multiplica por una senoide de la misma armónica defp. que está en fase con ella, y
se integra dado cualquier periodo, la integral es distinta de cero. Cuando una señal tiene cierto compo-
nente de frecuencia y se multiplica por una senoide de una armónica diferente áef¡r. o la misma armóni-
ca pero 90° fuera de fase con ella, y se integra dado cualquier periodo, la integral es cero. Ésta es la
manera en que las fórmulas determinan las amplitudes de los componentes.
El proceso de determinar la SFTC puede concebirse de manera gráfica buscando cierta forma senoidal
en la señal. En este ejemplo la forma es evidente porque la señal es una senoide. (En el capítulo 8 este
proceso para determinar qué tanto de una señal está contenida en otra se generalizará en un proceso lla-
mado correlación.) Cuando la integral del producto de dos funciones dado cierto inter\-alo es cero (como
ocurre en el segundo ejemplo para ^ 2), se dice que ambas son ortogonales en ese intervalo. En este
caso, las dos funciones son 2 cos (4007tí)y e^J^""*™, el intervalo es O < ?< 10 ms, y las dos son ortogonales
si \k\ ^ 2. Esto es sólo un ejemplo de ortogonalidad de funciones que suele ocurrir en el análisis de Fourier.
El estudio general de las funciones ortogonales abarca muchos otros tipos de funciones.
Encuentre analíficamente la SFTC compleja de x(f) = 2 cos (400Ttí) con T¡r=To,

Xlk] = -I- (4.59)

2TT k-2 k+2

A menos que A = 2 o - 2 , esta expresión vale cero. Eso indica que la única componente armónica presen-
te es el coseno en la segunda armónica de la frecuencia fundamenta] ff de la SFTC. Esto concuerda con
el análisis gráfico.
 Se han encontrado dos funciones armónicas diferentes para la misma señal. Esto se hizo para ilus-
trar que la función armónica sola no es suficiente para determinar una señal; también se debe conocer el
CAPÍTULO 4
La serie de Fourier periodo o frecuencia fundamental. Una señal puede tener cualquier número de funciones armónicas
eligiendo diferentes tiempos de representación Tp. Por lo expuesto, dos señales diferentes pueden tener
la misma función armónica. Por ejemplo, la señal

x(f) = A cos(2'iT/|f) (4.60)

representada por una SFTC para el intervalo O < f < IZ/j y la señal

x(/) = A C O S ( 2 I T / 2 Í ) (4.61)

representada por una SFTC para el intervalo O < / < IZ/j, / , ^ fi, tienen ambas la misma función
armónica de la SFTC compleja.

m] = -m- i i + 6[A + i ] ) .
(4.62)

Para ilustrar otro punto, se usarán los mismos métodos de análisis para una señal x(f) un poco más
complicada, que es la suma de una constante y dos senoides,

1 3 1
x(/) = - - - cos(20TTf) + - sen(30Trí) (4.63)

en el intervalo de tiempo - 1 0 0 ms < r < 100 ms, que es exactamente un periodo fundamental de esta
señal, x(í), pero es dos periodos fundamentales de f eos (20 Jtí) y tres periodos fundamentales de 5 sen
(30jrf), Los cálculos gráficos de algunas de las amplitudes armónicas se ilustran en las figuras 4.13
y 4.14.
Aun cuando la señal es más complicada que la del ejemplo previo, el proceso de determinar cada
componente senoidal en la señal evaluando el área bajo el producto sobre un periodo fundamental sigue
produciendo exactamente las amplitudes armónicas correctas sin ninguna interferencia de la con.stante
y de la otra senoide presente en la señal. Esto ocurre de nuevo por la ortogonalidad. Las otras senoides

C á l c u l o de la amplitud armónica 1 Cálculo de la amplitud armónica 2

x(f) y coseno x(/) y coseno x(r) y seno

- 1,75
-0.1
1 /
/ y-'
^ \
-ü.l

V / ^ \
-1 - 0.1 O.I -0.1 v/^-_i

Producto Producto Producto

0 7 7 5 1 2 i-
I
0.3243S -7
U..f¿4.1S - t v \ / \ .
0.86686

0.)
' -O.T\ 0.1
-0,1 V 1_75
"0.61496 -j- -b-1.75 - 0 . S 6 6 8 6

Integral del producto Integral del producto Integral del producto Integral del producto

0.16078-I 1 1 fe í 0.22277 -t
1 *

-0-1 01 -0,1 0.1

-0.50459 - 0 . 7 5 -
-0.1 0.1
-0.1 I 0.1
FIGURA 4.13
Ilustración gráfica de los pasos implicados en el cálculo de las amplitudes armónicas trigonométricas para las armónicas fundamenlal y
segunda.
 Cálculo de la amplitud araiómca 3 Cálculo de la amplitud armónica 4
x(/) y coseno x(;) y seno x(í) y coseno xCr) y seno
k
- - 1.75

-0.1^„'_, Xí.

Producto Producto Producto

i
1,75 - - 1.75

'0.1
-0.1 -0.75-- ^ Ü-I -U.S5ñ53--^ ^ -f- -1.3332

Integral del producto Integral del producto Integral del producto Integral del producto
i
0.22421 0.5 + - - 0.19716 0.064186 -
-0.1
-0.1 ^ (¡I
1
\\ 1/ 1 *
-Ü. 16799 -h—t 4- -0.Ü64066 - -0.2497
-0.1 0.1

FIGURA 4.14
Ilustración gráfica de los pasos implicados en el cálculo de las amplitudes armónicas trigonométricas para la
tercera y cuarta annónicas.

son ortogonales a la armónica senoidal que se está buscando, y su contribución a la integral es por lo
tanto cero. (Observe también que, en este caso, la frecuencia fundamental de la señal es 5 Hz, aunque la
función armónica de la SFTC es cero en la fundamental. Esto es, X[l] = 0.)
Analíticamente es posible demostrar por qué una constante o una senoide en otra armónica no
interfiere con el cálculo de la amplitud de cualquier armónica. Vamos a encontrar la función armónica
de la SFTC trigonométrica en directo utilizando

XJO] =
Tf
to

k,+ Tlr

XAK] = IR (4.64)

j MTÍCOS{2TT{kfF)T) DT

XAK] = —

j X ( N S E N ( 2 T T ( J T / F )r) rff.

Se determina primero X^[0].

1/10
3 1
X,[0]
- / [i-
-d/lO)
- cosÍZOttí) + - sen(30-!TO DR = -
(4.65)

Por lo tanto, X^O] es igual al término constante i Esto no debe sorprender puesto que se están integran-
do tres funciones, dos de las cuales son senoides, para un intervalo de tiempo que contiene exactamente
dos periodos fundamentales de una de las senoides y tres de la otra. La integral de cualquier senoide
para cualquier periodo es siempre cero, por lo que el único término de la izquierda que contribuye al
valor promedio es el término constante i cuyo valor promedio es. desde luego, i -
190 • Ahora se encontrará una expresión para XJ^k].
CAPÍTULO 4 'u+r^
La serie de Fourier l^^j _ /
X ( f ) C 0 S ( 2 T T ( A / / r ) / ) dt

l/IO

/
1/ i

= 10 cos{20'iTí) + - seníSO-TTí) cos( lOA-TTf) dt

2 4 2
-u/iO)

1/10 1/10

= 5 y costlOíriTf) f/f - - i ^ j cosilOiTt) cosilOhirt) dt

-ll/lOl -ll/lO.i

1/10

+ 5 y senOOiríjcosllOÁr-irr) rfí
-d/lO)
/i

La primera integral /, es cero, pues es la integral de un coseno sobre exactamente dos periodos funda-
mentales. Otra manera de afirmar esto es que la constante i y la función eos (lOírTtf) son ortogonales en
el intervalo - i ^ < r < ^ - Es posible evaluar la integral / T mediante la identidad trigonométrica
cos(.v) cos(.v) = ^ [cosf.v - y) -|- cos{x + y)], (4.66)
lo que produce
1/10

7: = i J [cos(10'rT(2 - A - ) / ) + C O S { 1 0 ' I T ( 2 + A ' ) / ) ] ^^^^^^

-d/lO)
Como se vio antes, salvo en los dos casos A = ± 2, ésta es una integral sobre un periodo de dos senoides
y es consecuentemente cero. Puesto que se está determinando la SFTC trigonométrica, sólo el caso k =
+ 2 es de interés. En ese caso.
1/10
rt
= L j [ l +1c o s ( /4A/\0 - 7 r 0 1j ¿^r = ¿ .
W- (4.68)
-(1/101

De nuevo, otra manera de decir que la integral es cero cuando |A| ^2QS que las dos funciones eos (20TO)
y eos (lOA'Ttí) son ortogonales en el intervalo ~-YÜ < f < a menos que A = ± 2. La integral /j
es cero para toda K debido a que su integrando es impar y a que se integra sobre límites que son simétri-
cos alrededor de í = 0. También es cero porque sen (30 Jif) y eos (1 OATt?) son ortogonales en el intervalo
— 10 < t < IB para cualquier valor entero de k. Por lo tanto,

X.[2] - y X ^ = y X,[A] = 0 A/ 2 (4.69)

X,[A] = - ^ S [ A - 2 ] . (4.70)
4
Xp[2] es exactamente la amplitud del término coseno en la expresión original de x(í), sin interferencia
del término seno o del término constante. De manera similar se encuentra que las amplitudes de las
armónicas de los términos seno en la SFTC son

X,[3] = ^ y X,[A] = 0 K^3 (4.71)

X , [ A ] = ^8[A - 3]. (4.72)

Como se ha ilustrado mediante este ejemplo, una caracterís- X(/) = X|(/) + x,{f) 191
tica importante de las funciones SFTC, senoides complejas
4.3 Cálculos de la
o reales, es que son mutuamente ortogonales en el intervalo Mí) ' '^^ ' X M serie de Fourier
TF^< R < FF^ + TP. Esta es la razón por la que la interferencia en tiempo continuo
entre ellas ocurre cuando se representa cualquier periodo de x,(r) • 55 •X,\k]
una señal periódica con la SFTC.
Esta faha de interferencia de otros componentes senoi-
"7(0 • - X¿k]
dales conduce a una propiedad importante de la SFTC. Cuan-
do se tiene una señal con una suma de señales componentes,
es posible determinar por separado la SFTC de cada señal y
sumar las SFTC para formar la señal completa. Esto es, la
función armónica de una suma de señales es la suma de las FIGURA 4.15
funciones armónicas de las señales (figura 4.15). La función armónica tle una suma es la
Es importante subrayar que cuando se encuentran las suma de tas funciones annónicas.
funciones armónicas de los componentes, debe utilizarse para
todos la misma representación de tiempo Tp y, en consecuencia, la misma frecuencia fundamental fp. En
otro caso, la relación entre el número de armónica y la frecuencia de la senoide es diferente para cada
señal componente y la suma de las representaciones de la SFTC añade señales a diferentes frecuencias
para el mismo número de armónica.

SEÑALES NO SENOIDALES

Ahora, para ampliar sus horizontes, se encontrará la descripción de la SFTC de una señal periódica x(í)
que en un principio no está descrita en términos de senoides, una onda cuadrada con un ciclo de trabajo
de 50% con una amplitud de uno y un periodo fundamental TQ = I (figuras 4.16 y 4.17).

x(f) = rect(2/) * comb(f). (4.73)

También se puede determinar X[A:] analíficamente.

!«+Tr
!«+Tr 1/4
1/4 1/4

e cos(2A-TTr) dt
(4.74)
Hl/4)

Cálculo de la amplitud armónica 1 Cálculo de la amplitud armónica 2

x(/) y coseno x(r) y seno x(f) y coseno x(í) y seno
1 1
/
/ 0.5
i f \ ,
/ 1 '
\
\ 0.5 -0.5 \ / -0,5 /
] -

Producto Producto
1

A ,,
1/

1
-0,5 -0.5 0.5 0-5

-U..S 0.5
Integral de! producto Integra! d e ! producio Integra! de! producto Integral del producto

0,1.5914 -
-0.5
A ,, 0.5
-0.5 0.5

- -0.159t4 -0..^1829
-0.5

FIGURA 4.16
Ilustración gráfica de los pasos implicados en el cálculo de las amphtudes armónicas trigonométricas de la fundamental y segunda
armónica para una onda cuadrada a una frecuencia de 1 Hz con un ciclo de trabajo del 50 por ciento.
 Cálculo de l;i amplitud armónica 3 C á l c u l o de ki amplitud a n n ó n i c a 4

x(r) y coseno x(í) y seno x(/) y coseno

x(r) y seno
1
J1
I i
\L
l\ \ 1
l 1 \().5 f\ / V ' I 1 V * 0.5
1 / ' i /
\'
\ i •
t
^
t /,/
*
\ 1
\ 1
1 ; 1 >
V _1 \ l \ ;o.5
V
Producto Producto

-0.5 0.5 - 0 . 5

- 1 ^ +

Integral de] producto Integral del producto

0.0793.Í5 • 0.159n T T - -

-0.5
-0.079555 -
-0.5
FIGURA 4.17
Ilustración gráfica de los pasos implicados en el cálculo de las amplitudes armónicas uigonométricas de la tercera y cuarta aimón.cas para
una onda cuadrada a una frecuencia de 1 Hz con un ciclo de rendimiento de 50 por ciento.

sen(2A7rí)'n 1/4
1 sena7T/2) 1 .
X[k] = 2 (4.75)
2Í:TT „ 2 ATT/2 2

Se concluye que

/A\
X.[0] = - X,.[A-] = sinc X,[A] = 0 A > 0. (4.76)
V2/
En este caso, en contraste con los anteriores, se tienen infinitos valores distintos de cero de la función
armónica de la SFTC, Una manera muy útil de presentar esta función armónica es a través de una
gráfica de su magnitud y fase en función del número de armónica, o en función de la frecuencia (que es
el número de armónicas multiplicado por la frecuencia fundamental) (figura 4.18).

4 4 4 . 4 4 4 t-T.T.t.T
-19-17-15-13-11 - 9 - 7 - 5 - 3 - l l I 5 7 9 11 13 15 17 19
FIGURA 4.18
Magnitud y fase de la /x[t]

función armónica de la
SFTC compleja para
una onda cuadrada de
amplitud unilaria y -19-17.-15-13-11 - 9 - 7 - 5 - 3 -1
ciclo de trabajo del 50 t I t I t
por ciento en función I 3 5 7 9 11 13 15 17 19
del número de
armónica.
 Cálculo de la amplitud armónica 1 Cálculo de la amplitud armónica 2
x(f) y coseno )t(0 y seno x(f) y coseno x(í) y seno
0.0075

Producto Producto

1.9025 - -

Integral del producto Integral del producto

0.69921 — 1.4535--

0.0075 0.0075 0.0075

FIGURA 4.19
Ilustración gráfica de los pasos implicados en el cálculo de XJl] y X J l ] y X^.[2] y XJ2] para un coseno a una frecuencia de 1.5 veces ia
frecuencia fundamental.

LA SERIE DE FOURIER EN TIEMPO CONTINUO D E SEÑALES PERIÓDICAS

PARA UN N Ú M E R O NO ENTERO D E PERIODOS FUNDAMENTALES

Considere ahora un caso diferente. Suponga que se encuentra la SFTC para una senoide pero para un
intervalo TF, que no es un múkiplo entero de este periodo fundamental TQ. Sea la misma que en el primer
ejemplo,

xíO = 2cos(4007Tf), (4.77)

pero ahora considere que el intervalo de la representación sea 7.5 ms de largo en vez de la longitud de
10 ms. Los cálculos gráficos de las primeras tres amplitudes armónicas coseno y seno se ilustran en las
figuras 4.19 y 4.20.
¿Qué está pasando en este caso? Se sabe que la señal xf/) es
un coseno, aunque todas las amplitudes armónicas del coseno
de Xp(f) son cero y todas las amplitudes armónicas del seno son Cálculo de la amplitud armónica 3
distintas de cero. La reconstrucción de la señal a partir de los x(f) y coseno x(í) y seno
componentes senoidales .se hace con senoides en armónicas de
fp. Si la señal original es periódica y su frecuencia fundamental O0075
/u no es una armónica de fp, ninguna de las frecuencias de ar-
mónicas disponibles kfp es igual a la frecuencia fundamental/g.
La SFTC da un resultado que iguala a la señal original en el
intervalo fo < í < 'o + pero no necesariamente en cualquier Producto Produelo
otro lugar. E! problema es la diferencia entre ios periodos fun-
damentales de x(f) y Xpit). Como se indicó Xp{t) se repite perió- 0,0075
1.5326
11
dicamente con periodo fundamental Tp. Si se repite la parte de
0.0075
esta x(f) que se encuentra en el intervalo O < / < 7.5 ms, periódi- -1.3326 4 -

camente se obtiene la señal de la figura 4.21 que es muy dife-

Integra! del producto Integrai del producto
rente a la señal original, aunque corresponde a la perfección en
el intervalo O < / < 7.5 ms. Esto ilustra la razón por la cual las 0.23699 0.56.346 +
amplitudes de las armónicas vengan de una manera en aparien-
cia extraña. Se está reconstruyendo el coseno x(í) para un inter- 0.0075
-0.17143
valo finito utilizando cosenos y senos en armónicas defp no de 0.0075
/ Q . En este caso, Xp{t) es una función impar aun cuando x(f) sea
una función par. FIGURA 4.20
Ilustración de los pasos implicados en el cálculo de X^[3] y X;[3]
Sorprende de manera natural en este punto que nadie qui- para un coseno a una frecuencia de 1.5 veces la frecuencia
siera hacer una SFTC en esta forma pues X[k] es más complica- fundamenlal.
 da y la expresión de la SFTC sólo iguala a la señal
original en un intervalo de tiempo finito. Éste es en
CAPÍTULO 4
La serie de Fourier verdad un análisis torpe y poco elegante de la señal.
Pero se incluye para ilustrar un fenómeno similar
llamado fuga que surgirá en la aplicación de la trans-
formada de Fourier discreta al análisis de señales en
TC muestreadas en el capítulo 7.
I = 7.5 ms Aun cuando, en general, la SFTC pueoe repre-
sentar a cualquier señal que satisfaga las condicio-
FIGURA 4.21 nes de Dirichlet dado un intervalo de tiempo finito,
Representación de ia SFTC de 2 cos(4007t/) para uno el uso más común de la SFTC en e! análisis de seña-
y medio periodos fundamentales. les y sistemas es representar exactamente, en todo
tiempo, una señal periódica que satisfaga las con-
diciones de Dirichlet. Como se indicó antes, la representación es exacta para todo tiempo si Tp = mT^,
donde m es un entero y la elección más común para mssm= 1.

LA SERIE DE FOURIER EN TIEMPO C O N T I N U O DE SEÑALES

P E R I Ó D I C A S PARA UN N Ú M E R O E N T E R O
DE PERIODOS FUNDAMENTALES

Considere la representación de la SFTC compleja de cualquier señal periódica x(í) sobre exactamente
un periodo fundamental T^.

to+To

Xlk]
T{) f

(4.78)
1
y x ( í ) c o s ( 2 T r { i t / o ) í ) dt - i j x ( r ) sen(2TT(í:/o)í) dt
7b

Puesto que. por su posición, x(t) es periódica con periodo fundamental TQ y, por definición, e-J-T^'-kío" es
periódica con periodo fundamental T^. los productos x(/)e-.'2;t(i:#(,i/_ x(/) cos {2n(kffi)t) y x(f) sen (2TZ{kf¡¡)t)
se repiten exactamente en el fiempo T^¡. Cuando ese es el caso, el valor de la integral es independiente de
la elección del límite inferior t^ porque siempre es el área bajo un periodo del producto de la señal y la
senoide (compleja o real) (figura 4.22).
Cuando la SFTC se usa para representar una señal para exactamente un periodo fundamental (y, por
implicación, para todo fiempo), es posible simplificar la notación a

-j2lTÍkJ„)t
M E dt. (4.79)

cos(2T7/n/) 5en(2iT/[,í)

*- t

FIGURA 4.22
Demostración gráfica
de que para señales
periódicas descritas 'o \fo+7'o
exactamente por una
Áreas ¡guales x{í1 sen(2Tr/()f)
SFTC, ésta es
independiente del \
límite inferior en la
fórmula de la integral r'-Aj r
para los coeficientes. 'o 'o + Ta
donde J-p^ = !'^'^^ para cualquier arbitrario significa una integral para cualquier intervalo de tiempo de
longitud TQ. Resumiendo para el caso de representaciones de la SFTC para exactamente un periodo
fundamental TQ = IZ/Q,

00 , /.

x(r) = Yl me^^"^''"" < y X[k] = - / x(f)e-^'^^'-^"" í¿í. (4.80)

Todos estos argumentos se aplican igualmente bien para determinar la SFTC dado cualquier perio-
do, esto es, para cualquier múltiplo entero del periodo fundamental. Si el número de periodos funda-
mentales es m, entonces

x(0 = y X[jt]eJ^^"*/""-^<'" . > X[k] = ~ í x(í)e-^-'"*'""'^'>'Jr. Í4 811

La SFTC es una sumatoria infinita de senoides. En general, para la igualdad exacta entre una señal
original arbitraria y su representación de la SFTC. deben utilizarse un número infinito de términos.
(Hay señales para las cuales la igualdad se consigue con un número finito de términos y se denominan
señales de banda ¡imitada, pero, en general, se requiere un número infinito de términos.) Si se hace una
aproximación de suma parcial

(4.82)
k=-N

a una señal x(/) utilizando sólo las primeras N armónicas de la SFTC, la diferencia entre x(f) y x^(f) es
el error aproximado

eff(t) = x.v(f) - x(í), (4.83)

Puede demostrarse que, para cualquier valor de N, el error de aproximación medio cuadrático

¡a + Tn

ejjií) = [x^U) -xit)]' = ^ í [x„v(f) - x ( r ) ] 2 í/r

(4.84)

no podría ser más pequeño si se eligiera cualquier otra X[k] como la función armónica de la SFTC de
x(r)- La función de X[k] de número de armónica discreto determinada por las fórmulas de la serie
de Fourier es óptima en ese sentido.

LA SFTC D E S E Ñ A L E S P E R I Ó D I C A S PAR E IMPAR

Considérese el caso de representar una señal periódica par x( f) con periodo fundamental 7",, para todo tiem-
po con una SFTC compleja cuyo periodo fundamental esTf= TQ. La función armónica de la SFTC es

X[k] = — í x(f)^"^'"**^""¿r. (4.85)

7u JT„

Para señales periódicas esta integral sobre exactamente un periodo fundamental es independiente del
punto de inicio. Por lo tanto, es posible reescribirla como

X[k] = — / x(/)e-^-^'*-^'" dt
7ü J
~iT„/2)

7i,/2 T„f2

1 j xlt) cos{2TT{kfo)t)dt - j j x{t)sen(2'TT(kfQ)t)dt

7b (To/2) par par -t7ij/2j par impar

par impfir
 Utilizando el hecho de que una función impar integrada para límites simétricos alrededor de cero es
cero, X[k] debe ser real y, puesto que

X,[0] = X[0]
XAk] = X[k] + X*[k]
/ c ^ 1,2, 3, (4.87)
XAk] = j{X[k]-X*lk])

X^[k] debe ser cero para toda k. Mediante un argumento similar, para una función impar periódica X[k]
debe ser imaginaria y es necesario que X,.[A] sea cero para toda k (incluso k = 0).

F O R M A D E FRECUENCIA CÍCLICA Y D E FRECUENCIA EN RADIANES

La SFTC se expresa a menudo como una función de la frecuencia en radianes co, en vez de una frecuen-
cia cíclica f. Puesto que Cú = 2 I T / , las representaciones de la SFTC de una señal x^(r) en términos de
frecuencia en radianes serían

xf(r) = E ^We''' (4.88)

XF(t) = X,[0] + E [X,[/fc] cos{(í:ojf )f) + X,[jt]sen((jtojf)í)] (4.89)

i=l

donde

IO+TF

X,[0] x(T) dt
= - Í
tn
• . J
In+TF

XAk] = - Í x(t)cos({ku)r)r) dt, k =1,2,3,...

Tf J
IÜ + TF

Xsík] = Y j Mt)sía{{kiüf)t) dt. k= 1, 2, 3,.,.

Jfi + T-f

X[A] = — í x(t)e-'"''"'" dt. k = ..., = 3 , - 2 , - 1 , 0 , 1,2,3,... (4.90)

TF J

y cOf- = 271/;- = 2K/T¡r. Observe que sin importar si se usa la frecuencia cíclica o en radianes, X[k] es la
misina.
En el anáhsis de señales y sistemas se utilizan tanto la forma/como (o en ia SFTC. En el análisis de
sistemas de comunicaciones, óptica de Fourier y en el procesamiento de imágenes suele utilizarse la
forma/. En el análisis de los sistemas de control se recurre casi siempre a la forma co. Hay buenas
razones para cualquiera de las elecciones, dependiendo de cómo se utilice la SFTC. Conforme avance a
través de los métodos de transformada en los capítulos siguientes, se
utilizará cualquiera de las variables./o co, que sea más conveniente y
natural en cualquier aplicación particular reconociendo siempre que la
conversión de una forma a la otra puede efectuarse utilizando la relación
co = 2 7 1 / .

LA SERIE DE FOURIER EN TIEMPO CONTINUO

-1.0512 4- DE UNA SEÑAL ALEATORIA

FIGURA 4.23 Considere un último ejemplo de una señal para la cual podría querer
Una señal aleatoria. determinai" la SFTC (figura 4.23), Esta señal presenta algunos proble-
 Cálculo de la amplitud armónica 1 197
x ( í ) ) y seno 4.3 Cálculos de la
serie de Fourier
en tiempo continuo

-1.0512-|- 1.0512-- • "--^ 0.2

ftoducto Producto

0.88491 - - 0.«1445 •
TI aísj443-- II .

-0.63997-¬

Integral del producto Integral del producto

i FIGURA 4.24
0.096185-- 0,03382.5 - - Ilustración gráfica de
los pasos implicados
en el cálculo de X^[l]
^~*' ' -0,025939 -I- y Xj [ 1J para una señal
0,2 aleatoria.

mas. No es del todo evidente cómo describirla, aparte de la forma gráfica, pues no es senoidal o de otra
forma funcional matemática obvia. Hasta este momento para determinar la SFTC de una señal se nece-
sita una descripción matemátíca de esta última. Pero el hecho de que no se pueda describir una señal
matemática no significa que no tenga una descripción de la SFTC. La mayoría de las señales reales que
usted podría querer analizar en la práctica no tienen una descripción matemática exacta conocida. Se
podría, en principio, encontrarla gráficamente como se ilustra en la figura 4.24 para la frecuencia fun-
damental.
Si examinamos en detalle la gráfica de la señal en ia figura 4,24, es claro que parece existir una
tendencia hacia ser periódica con 10 ciclos en el tiempo mostrado, Al calcular la de'cima armónica
se obtendrían los resultados que se ilustran en la figura 4.25. La amplitud de la décima componente
armónica del seno XjLlO] es mayor que la de las otras, lo que confirma la primera observación. Una
gráfica de la magnitud de los primeros treinta puntos de armónicas deja en claro el argumento anterior
(figura 4.26),

Cálculo de la amplitud armónica 10

x(r) y coseno x(rt y seno

Producto

0.64106 - -

-0,5.5575 -¬ -1.0512^

Integral del producto Integral del producto

FIGURA 4.25
Ilustración gráfica de
O.Ü 14042.
0.044911 1—*~ ' los pasos implicados
e n d cálculo de X^. [ 1 0 ]
y XJIO] para una
-0.20739 4- señal aleatoria.
-0.016061
198 |XE*]!

0.19502

.IIJITIIIT
-30 30

FIGURA 4.26
Magnitud de las amplitudes de las armónicas de la señal aleatoria.

Así que hay una forma de encontrar los coeficientes de la serie de Fourier de una señal para la cual
no hay descripción matemáfica. ¡Debe exisfir una mejor manera! La hay, pero una exploración más
amplia de la mejor manera que existe tendrá que esperar hasta que se consideren las implicaciones del
muestreo de una señal en el capítulo 7.
En forma cotidiana, el análisis práctico de señales, la mayoría de las SFTC (y de otras transforma-
das de Fourier que se considerarán dentro de poco) se determinan realmente, al menos de manera aproxi-
mada, utilizando la transformada de Fourier discreta, (capítulo 7) que depende de contar con una des-
cripción de la señal en la forma de un conjunto de muestras a partir de ella en vez de una descripción
matemática de la misma. La forma analítica de la SFTC presentada aquí es valiosa porque es posible
utilizarla para desarrollar un entendimiento del contenido de frecuencia de señales de ciertas formas y
los efectos de los sistemas LIT sobre esas señales. La transformada de Fourier discreta tiene un gran
valor en lo que respecta a que es posible utilizarla como ayuda para determinar el contenido de frecuen-
cia de señales reales adquiridas experimentahnente, las cuales suelen no tener una descripción matemá-
tica conocida.

4.4 PROPIEDADES DE LA SERIE DE FOURIER

EN TIEMPO CONTINUO
Considere que la función armónica de la SFTC de una señal periódica x(f) con periodo fundamental 7"Q^
es X[K] y que la función armónica de la SFTC de una señal periódica y(f) con periodo fundamental
^o^, es YLK]. Es posible encontrar la función armónica de la SFTC para estas dos señales representadas
exactamente sobre su periodo fundamental. La función armónica de la SFTC se encuentra a partir de la
fórmula general

= — í x(í)e-'^^''-^'" dt. (4.91)

Tf J

Por suposición, para x(f), T^ = 7"^,. fp = /(,,, y ;

•,; x[¿] = — í x(f)e-^"^"''-^"'" íír (4.92)

1
oo

(4.93)
x(í) = E X[it]í^-^'*^"'".

Similarmente para y(í), 7> - T^y fp = f^^^.. y

(4.94)
Y[k] = — Í y(/)í-^^-'*-^"." dt
 a
+i
7S ZÍK]

ñ
p

X[í:] a
ñn • TS
FIGURA 4.27 +i
Propiedad de Z[k]
linealidad de las series
yin. 7S P
de Fourier.

y(r) = E Y[k]e^-^^^^"^-^'. (4.95)

Entonces, utilizando esas sefíales como ejemplos, en las siguientes secciones se presentarán varias pro-
piedades de la SFTC de señales relacionadas.

LINEALIDAD

Sea z(í) = ax(í) + [iy(í) si Jy,. = T^^. = T^. = T¡y entonces la función armónica de la SFTC de z(t) es

Z[k\ = —
Tü
Í
JT„
z(í)e-J-'""'-^"" dt = — í
7(1 Jj^^ [ a x ( 0 + ^y{t)]e-'-'"'^^"^' (4.96)

(4.97)

(4.98)

ax(í) + 3y(0 aX[k] + PY[¿]. (4.99)

(Si los periodos fundamentales de x e y no son los inismos, se debe usar la propiedad del cambio de
periodo (4.139) para encontrar la función armónica para z.)
A partir de esta propiedad es posible afirmar que si se piensa en el proceso de determinar la función
armónica de la SFTC de una señal como un sistema cuya excitación es x(r) y cuya respuesta es X[k], el
sistema es lineal (figura 4.27). Ésta es una propiedad muy importante de la serie de Fourier debido a qtte
se utiliza muchísimo en los análisis. Es una propiedad tan natural que incluso se suele no pensar en ella
cuando se le usa (si los periodos fundamentales de x e y son los mismos).

D E S P L A Z A M I E N T O E N EL TIEMPO

Sean z(/) = x(/ - t^) y 7'Q^. = T^^ = TQ. Entonces

-j2T7lt/|,)/
NK] = ^ í ^(t)e-^-^''^"" dt = ^ f x(/ - tQ)e dt. (4.100)
200 Realizando el cambio de variable X -!-!,. ^ dX = dt.

CAPITULO 4 ,
La serie de Fourier ^[í.'] =
7b
/ x(A.)e~-'""'*-^°"^'^^'"'í/X = e"-'^"^'^""
JTa
-í x(\)e
-j27r(i/(,)X
d>< (4.101)

(4.102)

x(í - ío) < ' ^-^•2^'*^'""X[Í:] (4.103)

(4.104)

Esta propiedad indica que el desplazamiento de una función en el tiempo corresponde a la multiplica-
ción de la función armónica de la SFTC por una función compleja de número de armónica k. Para
ilustrar por qué eso tiene sentido físico, considere una función del tiempo muy simple.

x(/) = cos(2-n-í). (4.105)

Su función armónica de la SFTC (para exactamente un periodo fundamental) es

X[k] = 1(S[A-+ l] + 5[í.- - 1]). (4.106)

Ahora desplace la función xíí) mediante un retraso de tiempo f^para formar una nueva función z(f). La
propiedad de desplazamiento en el tiempo indica que la función armónica de la SFTC de z(/) debe ser

1
Z[k] = (4.107)
^ -m + 1] + m - IJ) = -(e+^'2"'"8[A + 1] + (?-J'="'°8[A - 1])

lL\k\ = -{[cos(27río) + ; sen(2'irfo)]S[A + I] + [cos(2-ir/o) - / sen(27r/ü)]8[A - 1]}. (4.108)

Para verificar que (4.108) tiene sentido, sea primero ~ 0. Entonces

TXk\ = ^m+\\^m-\\).
z(f) = x ( í ) = cos(27Tí) y (4.109)

que es lo que debe ser Después sea í(| - \ .

z(í) = x( í - - J = cos^2'rT y~ ~^ (4.110)

Z\k-\ = - ^ ^ e-'<™/^'5[A- - 1]) (4.111)

Z[A] = | ( 5 [ A + 1 ] - 5 [ A - 1 ] ) . j (4.112)

Entonces la representación de la SFTC de la señal desplazada en el tiempo sería

oc
 z/r(/) = sen(2'iTí). (4.114)

e-i-^'-^f»^''^
Esto es correcto porque un retraso de | de un coseno de 1 Hz produce un seno de 1 Hz. De modo que la
multiplicación de la función aimónica de la SFTC por una constante compleja ajusta la fase
de todo componente senoidal de la representación de la SFTC de modo que el retraso del tiempo de cada
componente senoidal es exactamente /g. Para armónicas superiores a la fundamental, el mismo retraso
de tiempo coiresponde a un desplazamiento de fase más grande. Un retraso de tiempo de \ de segundo
es equivalente a un corrimiento de fase de Jt/2 radianes a la frecuencia fundamental de 1 Hz, pero es
equivalente a un desplazamiento de fase de 71 radianes a la segunda frecuencia armónica de 2 Hz y ITZ
radianes a la cuarta frecuencia armónica de 4 Hz, etcétera. Esto describe una dependencia lineal del
desplazamiento de fase sobre el número de armónica, que es exactamente lo que el factor e-j2it(*o/o)'o
hace a la función armónica de la SFTC,

DESPLAZAMIENTO EN FRECUENCIA

Sea z(f) = eJ-^^^Í'>>' x(t), donde es un entero y considere que T^^ = TQ. = T^. Entonces

Z[k] = - [ z{t)e-^^^''f'''' dt = - f e^"""-"-'

"•^""x(í)í^^-""^"" di (4.115)
To JTO Ta JT„

Z[k] = ^ f x(r)e-^"^«*-^»^A)' (4.116)

TQ JT,j
Z[k] = X[k - ko] (4.117)

X[í: (4.118)

> X[/c - ko\ I (4.119)

(Esta propiedad comúnmente se denomina de desplazamiento en frecuencia aunque debe llamarse con
mayor precisión la propiedad de desplazamiento de número de armónica puesto que k es el número de
armómica. Sin embargo, puesto que el producto de número de armónica y de frecuencia fundamental es
frecuencia, el nombre sigue teniendo significado y es más sencillo de indicar.) Observe la dualidad entre
las propiedades de desplazamiento en el tiempo y de desplazamiento en frecuencia. El desplazamiento
en un dominio coiTesponde a la multiplicación por una exponencial compleja en el otro dominio.
Una aplicación particularmente importante de la propiedad de desplazamiento en frecuencia ocurre
cuando una función armónica de la SFTC se desplaza en frecuencia tanto hacia arriba como hacia abajo
en la misma cantidad y se suma en conjunto. Sea

Z[k] = X[k - ko] + X[k + kol (4.120)

Entonces, utilizando las propiedades de linealidad y desplazamiento en frecuencia

z(f) = x(/)£••'-''"''" + x(r)e--''^^'*°-^"^' = 2x(í)cos(2'n-(Á:o/o)f). (4.121)

De modo que recorrer hacia arriba y hacia abajo en cantidades iguales de frecuencia (número de armó-
nica) equivale a multiplicar por un coseno de esa frecuencia (número de armónica) en el dominio del
tiempo. Esta operación recibe el nombre de modulación y es muy importante en sistemas de comunica-
ción (figura 4.28).

INVERSIÓN DEL TIEMPO

Sea z ( í ) = x ( - f ) y r o , = r o , = r o . Si

x(/) = Y X[A]e^-"'''-/"". (4.122)

í:=-co
202 entonces

(4.123)
lt=-O0

Sea q = -k; entonces

x { - 0 = J2 XÍ-íJe^-"'*^"" (4.124)

y, puesto que el orden de la sumatoria no importa,

(4.125)

Por lo tanto, como

z(f) = E Z[jt]<?J^"'*-/»'', (4.126)

k=-oo
se puede afirmar que

(4.127)

Z[k] = X[-k] (4.128)

x(-?) < > X[-k] (4.129)

De modo que la inversión del tiempo de una función de tiempo corresponde a una inversión del número
de armónica en su función armónica de la S I T C .

ESCALAMIENTO EN EL TIEMPO

Sea z(í) = x(at), con o > O y deje que TQ,- = (figura 4.29). Lo primero que debe reconocerse es que si
x(f) es periódica con periodo fundamental TQ^ = TQ, entonces z(f) también lo es Tg, = T Q / Í Í con frecuencia
fundamental O/Q.

6—
x(r)
i \nm¡
1*

-6 +
-48 48
|XJÍ:1|

1--

-48 48

FIGURA 4.28 FIGURA 4.29

Una señal periódica y esa misma señal multiplicada por un coseno de amplitud 2, a 32 Una señal x(f) y una versión z(f)
veces su frecuencia fundamental y las funciones armónicas de la SFTC de ambas. escalada en el tiempo de esa señal.
CASO I z(í) es representada por una SFTC para el periodo fundamental de z(f), TQ/Ü = Tp.
La función armónica de la SFTC será

f[)+(7(l/«)
-J2-NÍ.KAFA)L -;2T7((ra/u)'
Z\k] = 7ÁT)e dt = ^ / x(af)e di. (4.130)
7-0 / io J

Se puede efectuar el cambio de variable X = at^ dX = adr en ( 4 . 1 3 0 ) .

(4.131)
Tn a J Tü J
afii ATA

Como el punto de inicio íg es arbitraiio.

-J2TT(KF„)\ _
d\ = X [ j t ] (4.132)

y la función armónica de la SFTC que describe a z(r) para su periodo fundamental T^la es igual que la
función armónica de la SFTC que describe a x(í) para su periodo fundamental Tg.
Aun cuando las funciones armónicas de la SFTC de x(f) y de z(f) son las mismas, las representacio-
nes por sí solas no lo son debido a que las frecuencias fundamentales son diferentes. Las representa-
ciones son

x(f) = E X[)t]í^'=-'*Á)' y = xf^f) = ^ ZWEJ-^'"'^"". (4.133)

K=-X

CASO II z(t) es representada por una SFTC para el periodo fundamental de Tg = Tp.
La función armónica de la SFTC será

Z[k] = - !i)+T¡, ni+Tii

(4.134)
'o
= - í z(,t)e-^--^''í''^' d t = ^ ¡ x{at)e-J-^'^^"" dt.
TQ tu
J TQ J

Sea X = at dX- adt. Entonces

AIQ+ATN

Z[tl
-j2i,lk{fB/a)]X dk.
== - f (4.135)

Si a no es un entero, la relación entre las dos funciones annónicas Z[k] y X[k] no puede simplificar-
se más.
Sea a un entero. La señal x( A.) está integrada por los componentes de frecuencia a múltiplos enteros de
su frecuencia fúndamental/g. En consecuencia, para cocientes k/a que no son enteros x(X) y E-J^^WI/A)]>^
son ortogonales en el intervalo «fg < A < oíg + aTg y Z[A'] = 0 . Para cocientes k/a que son enteros la integral
para a penodos es a veces la integral para un periodo.

' I
Z[k] = a = X (4.136)
a TÍ)
Uí,|

donde k/a es un entero.

Resumiendo, donde a es un entero.

X - es un entero
a
O en otro caso

Las funciones armónicas para íí = 2 se presentan en la figura 4 . 3 0 .

204 \X[K]\

Al Úl
toa a = 2

FIGURA 4.30
Comparación de \X[k]\
y \Z[k]\ para a = 2.

CAMBIO DEL PERIODO DE REPRESENTACIÓN

Si la función armónica de la SFTC de x{» para su periodo fundamental es = T„ es X{k], se puede

encontrar la función armónica de la SFTC X„[k] de x(f) para el tiempo Tp = niT^, que es un múltiplo
entero positivo m de ese periodo. La nueva frecuencia fundamental de la SFTC es entonces fp - f^lm y

X,Ak] = — í x(í)e-^^^í^^/""^^" dt.

Este es exactamente el mismo resultado que se obtuvo para el escalamiento en el tiempo mediante un
entero positivo en la sección anterior, y el resultado es que

— es un entero
m (4.139)
en otro caso

EJEIVIPLO 4.1

Para una señal

1 /í\ 1 ft
x{/) = - rect - * - comb - (4.140)
2 YIJ 4 V4
determine la función armónica y la representación de la SFTC para un periodo fundamental. Encuentre despue's la
función armónica y la representación de la SFTC para ttes periodos fundamentales.
• Solución
En la tabla de los pares de Fourier, apéndice E, se encuentra la función armónica para una onda rectangular

í'^ í ít\ W I W
— sinc —k ) ,
.
(4.141)
rect I — * — comb — I Ju \ Jo
\WJ
donde TQ es el periodo fundamental de x(í). Por\Tlo
TQ QJ
tanto, la función armónica que corresponde al perio-
do fundamental es
1 . í k \
= - sinc (4.142)
• \2j
y la representación de la SFTC de la señal es

x(0= ¿ X[¿k™'>' = i ¿ sinc(^)f^™'. (4.143)

Si ahora se determina la función armónica correspondiente al periodo 3TF), utilizando la propiedad del cambio de
periodo se obdene

- es un entero
X3[A'] = 5 ""'^ ( ? ) (4.144)

en otro caso
Eslo puede escribirse de manera más compacta como 205
1 / k\
X^[k] = - sinc - combi[A-]. (4.145)
4 \ 6/

La representación de la SFTC es

x(0= £ X,„[k]e^'~-''"f'"= j ¿ sinc(^)comb,lA']."- (4.146)

Estas representaciones de la SFTC son iguales debido a que para la función exponencial compleja de toda k en la
sumatoria ^"=-0: sinc (1^/2)^'"^*'-", hay una función exponencial compleja coirespondiente, para 3k. cn sinc
{k/6) seomb •¡[k]ei"''^^>' que es exactamente la misma función, y todos los valores intermedios de k en sinc
{k/6) comb3[/:]e'"'**>' no tienen efecto debido a la función comb. Esto es.

1 ^ 1 ^
(4.147)
4 Y SIRNIK/De'""^'-^' = ^ sinc(/c/6)comb,[A-]íJ'^'-"'*"

que debe ser cieno si son correctas ambas representaciones de la SFTC.

DIFERENCIACIÓN EN EL TIEMPO

Sea z(í) = (dldt) (x(í)) y T'o.v = ^O; = ^o- Entonces es posible representar z(í) por

d d
z(r) = — ( x ( / ) ) = — (4.148)
dr dt

Entonces, si

z(f) = £ ZIAjí^^"*^^"'', (4.149)

se concluye que

(4.150)
k=-oc

Z[k] = j27T(kfo)Xlk] (4.151)

A(x(/)) ^ Z L ^ j27:{kfo)X[k] (4.152)

dt

^(K(t)) . > j(í.-mo)X[A-] (4.153)

ai

De modo que la diferenciación de una función de tiempo corresponde a una multiplicación de su fun-
ción armónica de la SFTC por un niímero imaginario cuyo valor es una función lineal del número de
armónica. Esta es una característica útil porque convierte la diferenciación en el dominio del tiempo en
una multiplicación por un número complejo en el dominio de la frecuencia (número de armónica). Esta
característica en los métodos de transformadas de Fourier y de Laplace (presentados en los capítulos
5 y 9) es una de las razones por la que son tan poderosos en la solución de sistemas descritos por
ecuaciones diferenciales. Estas últimas se convierten en ecuaciones algebraicas mediante el proceso de
transformación.
 206 INTEGRACIÓN EN EL TIEMPO
Sea z(/) = J'_„ x(X) dX. Se deben considerar dos casos por separado, X[0] = O y X[0] i^^ 0
entonces, aun cuando x(í) es periódica, z(í) no lo es y no es posible representarla exactamente para todo
tiempo con una SfTC (figura 4.31). Si X[0] = O, entonces es posible representar z(r) mediante

T I I
ZIL)
= í x(X) d\= í Y ^ME^^^''^'"^ dk= Y ^t*^] í dk
-•X -3C
-X.

(4.154)
J2TT{kfo)

Entonces, si

z(í)= E 2[A]e^•™^ (4.155)

se concluye que

ZÍK] = (4.156)

I
Xlk]
\(k) dk si X[0] = O (4.157)
J2-n{kfo)

/ x{K)dX ^
Ts
^
X[k]

jikiiiQ)
SJ XID]~D (4.m

Así como la diferenciación corresponde a la multiplicación por un ntímero imaginario proporcional al

mímero de armónica, la integración (de una función cuyo valor promedio es cero) corresponde a la
división por un número imaginario proporcional al número de armónica,

DUALIDAD MULTIPLICACIÓN-CONVOLUCIÓN
Sea z(í) = x(í)y(f) y sea % = TQ, = T^. Entonces

(4.159)

XlOJ = O

Mí)

. i
!;x(X) dx

FIGURA 4.31
Efecto de un valor
promedio distinto de
cero sobre ¡a integral
de una función
periódica.
Entonces, si se usa 207
4.4 Propiedades de la
serie Fourier
(4.160) en tiempo continuo
k = -oc q=—oc

en (4.159),

Z[k] = -f x(í) ( y Y[q]eJ'^">^"A e^J'-^''^"'' dt.

(4.161)

Al invertir el orden de integración y de la sumatoria,

Z[A-]=— ¿ x{t]e^-^'¡f""e^¡^''^''^''" dt (4.162)

^0 ^=-x •^r,,

Z[k]= y Ylq] - f x(í)e->2"«^"í'^"Ví.

(4.163)
=Xlk-q]

Entonces

Z[A-] = ¿ Y[q]X[k - q] (4.164)

q=-oc

x(f}yu) £ Y\q\X[k -q\=X[k]*Ym (4.165)

,¡ = -oc

Este resultado, S^=_„ Y1Í/JX|A-tyj, es una suma de convolución. De manera que multiplicar señales en
TC corresponde a convolucionar sus funciones armónicas de la SFTC.
Si 7"OJ- ^ T^y, entonces se debe encontrar primero un periodo que sea común tanto a .v como a y (el
valor más pequeño que sea el rm'nimo común múltiplo de los dos periodos fundamentales). En ese caso,
si se encuentran las funciones armónicas de x e y utilizando este periodo común y la propiedad del
cambio de periodo (4.139). se aplica (4.165) a estas funciones armónicas con ese periodo común.
Considere ahora que Z[k] = X[A:]Y[í:] y TQ^- = 7"(,,. = TQ, = T^. Entonces

z(í) = X; X[k]Y[k]e'"''''''fi''>'

= - í x ( T ) dj T Y[A-]í-'--'*^"«'-^
To JTO

y(I-T)

= l í x( T ) y ( f - T ) í Í T . (4.166)
TJT.
Esta integral se ve igual que una de convolución salvo que abarca el intervalo íg < T < + en lugar de
-co < T < o ° y está dividida en Tg. Esta operación integral recibe el nombre de convolución periódica y
se simboliza por medio de

x(í)®y(0=
-L / x{T)y(f - T ) Í / T . (4.167)

Por lo tanto.

z(0 = rrx(/)®y(f). (4.168)

Puesto que x(f) es periódica, puede expresarse como la extensión periódica de una función no periódica

t \
x(r) = V x,p(r-mro) = Xap(r)* —comb —• (4.169)
To \ To /

[La función x^p(í) no es única. Puede ser cualquier función que satisfaga (4.169).] En ese caso

x(r)®y(/) ¿ '^apí'^ ~ '"TQ) y(J - T ) d-T (4.170)

x(0®y(/)= J2 I x , p ( T - m 7 ' o ) y ( í - T ) Í/T (4.171)

m=-oc
'a

Sea A. = T - inTQ. Entonces dX = dxy

x(í)®y(í) = E ; x,pik)y{t -{k + mTo))dK.

(4.172)
ra+iiiTn

Como y(r) es periódica, con periodo fundamental TQ.

y(r - (X + m7"o)) = y(í - m T ( , - \ ) ^ y(t - \) (4.173)

rrg+m Ta
y la sumatoria de integrales ¡T.^mTu^°^^ equivalente a una sola integral con límites infinito JZ„,
se concluye que

3C

x(í)®y(f)= / Xap(\)y(f - \ ) í / \ = x,p(f) * y(f). (4.174)

De este modo la convolución periódica de dos ftinciones x(/) y y(r), cada una con periodo fundamental
TQ, puede expresarse como una convoltición no periódica de y(r) con una función x^p(r), que, cuando se
repite periódicamente con el mismo periodo fundamental T^g, es igual a x(/). La convolución periódica
de dos funciones periódicas corresponde al producto de stis representaciones de función armónica de la
SFTC y el periodo fundamental TQ.

x{!)®y{t) ^ roX[A-]Y[A] (4.175)

Si ^ TQ.,, entonces se debe encontrar un periodo común TQ para las dos señales. Si es posible
encontrar un periodo común, entonces Í4.175) se aplica a las funciones armónicas encontradas utilizan-
do el periodo común.
 CONJUGACIÓN

Sea z(t) = x*(/) y r,^ = T-Q. = T^. Entonces

/
k=-oo

(4.176)

y, como el cambio de orden de la sumatoria no cambia la suma.

(4.177)

Z[A-J =X*[-A-]
(4.178)

x-(r) x-'í-k\ (4.179)

como se mostrt) antes.

T E O R E M A DE PARSEVAL

La energía de setlal en cualquier periodo fundamental simple T,, = r„ de cualquier señal periódica

£x,T, = / IX(Í)|- dt = Í
dt

\
dt

dt
\i.=-x q=--x.

=1 E XlA-]XNAL + £ ¿ XLk]xng]e-'--'''-''^f-'''
dt

-/ £ \xík]r-dt+f f £ x[A]x^
dt
=iXk=q
210 Por lo tanto, para cualquier señal periódica x(r).

(4.181)

La cantidad del lado izquierdo de (4.181) es la potencia promedio de la señal x(r); por lo tanto, la
cantidad en el lado derecho debe serlo tambie'n. En consecuencia, (4.181) indica precisamente que
la potencia promedio de una señal periódica es la suma de las potencias promedio en sus componentes
armónicos.

R E S U M E N D E LAS PROPIEDADES D E LA SFTC

Linealidad cix(f) + (3y(n aX[/:] + |3Y[Í:J

Desplazamiento en el tiempo x(í - fo) < > e -;2i7«.7„)í„j^|-^,-j

Inversión en el tiempo x(-f) X[-k]

Escalamiento en el tiempo Si z(t) = x(flí). a > O, entonces
a) En el periodo Tp = To/a:
Z[k] = X[k]

y z.(f) = x(í//) = ¿ Z[A-]e'-"'"'-^""

k=-<x

b) En el periodo = 7^:

X - es un entero
Z[k] =
O a
en otro caso

y z(f) = x(«í) = Z Z[A]í'-'-""'-^"".

i=--(.
Cambio de periodo En el periodo Tp - mT^, donde m es un
de representación entero positivo

— es un entero
X,„[A-] = m
O en otro caso

Diferenciación en el tiempo jl'ii(kU)X{k]

al X[A]
Integración en el tiempo x(X) á\ si X[0] = O
J2IT{kfo)

Dualidad multiplicación- x(f)y(f) ¿ Y[q]X[k-q] = X[k]*Y[k]

convolución í = - 3 0

JF5
x(f)®y(f) .x(T)y(r - T ) f / T • ToX[k]Y[k]

Conjugación x*(í) X*[-k]

Teorema de Parseval ^ í IxtDl^rff- ¿ |XLA-]|-

^0 -^-r. k=-x

El apéndice E es una tabla que incluye pares de la SFTC para unas cuantas señales básicas.
4.5 USO DE TABLAS Y PROPIEDADES 211

Al usar una tabla de pares de la SFTC, es posible, en muchos casos, evitar el uso de la definición de ^-^ fsblasy
integral para determinar la función armónica de la SFTC. propiedades

EMPLO 4.2

Determine la función armónica de ía SFTC de x(/) = cos(50ro - f jr/4)) con = Tg.

• Solución
De acuerdo con los pares de la SFTC en el apéndice E se encuentra que

cos(2iT(m/o)r) t > ^IM - '»] + &[K + M]). (4.182)

Es posible utilizar (4.182) junto con la propiedad de desplazamiento en el tiempo

x(r - fo) < > e-J-^"^»"°X[fc] (4.183)

para determinar esta función armónica de la SFTC. Primero se reconoce que x(/) puede escribirse como

1 W
x(r) = cos
f - (4.184)
V V 200/
Entonces, puesto que / Ü = 25 [expandiendo la SFTC para un periodo fundamental de x(/)],

cos(50iTr) t ) ^-(B[K - 1] + M + 1]). (4.185) [XlAll

I
Al aplicar la propiedad de desplazamiento en el tiempo,

eos 50TT Í (4.186) -1

200 J,

4
eos SOTT f - - (5[* - \]e-^'^''' + ^ K + \]e-''^''>) (4.187)
200 [ •
-
4
l
cos HA)) J^S
2 ^
I
( ( l - y ) S [ ¿ - l ] + (]+y)6[A+l]} (4.188) piGURA 4.32
La SFTC de x(f) =
(figura 4.32). • cos(50w-^).

EJEMPLO 4 . 3

Determine la función armónica de la SFTC de x(f) = 5 cosdOrcr) cos(10 OOOní) con T¡7 = TQ
• Solución
Es posible utilizar

PS 1
cos(2Tr(m/o)r) -(8[í- -M] + M + IN]) (4.189)

de nuevo junto con la propiedad de dualidad multip!icaciün-con\'oluci6n

x(Oy(0 < > Y ^WM-q]--X[K]*Y[K] (4.190)

para determinar esta función armónica de la SFTC. La frecuencia fundamental de x(/) es /„ = 5.

5 cos(107Tf) < > ^(8[A-- 1] + S[ír+ 1]) (4.191)

•ps 1
cosdO OOOirr) < > -(5f/; - 1 0001 + S[A + 1 000]). (4.192)
212 |X[í:l[

-lÜOl -999 999 1001

/X[A-]

FIGURA 4.33

-1001 -999
-V
-ft-
999 1001
La función armónica de la SFTC de
x(/) = 5 cosí 1 Owi cos( 10 OOOroj,

Así lambién, ulilizando la propiedad de dualidad multiplicación-convolución.

5 cos( IOTTÍ) sendo 000-n-r)

( , j ( h [ k - 1 OOOJ + h[k + 1 000]) * (8[A - l] + h[k + 1])

- - ^ -(5[í: - 999] + S[í: - 1 001] + Zík + 999J + b[k + 1 001 ]) (4.193)

4
(figura 4.33).

Determine la función armónica de la SFTC de una onda rectangular en TC par con una amplitud pico a pico de
15. una frecuencia fundamental de 100 Hz. un ciclo de trabajo de 10 por ciento y un valor promedio de cero con

• Solución
Primero es necesario describir matemáticamente esta señal. Es posible hacerlo mediante un rectángulo
cün\olucionado con una comb menos una constante para hacer que el valor promedio sea cero. El rectángulofijael
ancho de cada pulso y la función comb establece el periodo fundamental. Éste corresponde a 10 ms, y un ciclo de
trabajo de 10 por ciento significa que el ancho del pulso es iO por ciento del periodo fundamental o 1 ms. Puesto
que la función es par, el rectángulo no está desplazado. De tal modo, la descripción malemálica es

x(r) = [15 rect(l OOOí) =1= 100 comb(lOOr)] - ^ . (4.194)

De acuerdo con los pares de la SFTC en el apéndice E, es posible utilizar

r e c (t ,- ^) - J*. T^comb
^< (^) < ^'^ > ^ sinc ((A/o)!;,') (4.195)

|xm|

1.5t

4 ^ ....tTTTTTTt.rll Tt.tTTTTTTT...TTT|
-25 25
Fase de X[k]

FIGURA 4.34
Función armónica de k
la SFTC de x(í) = ll5 -25
rect(l OOOr) * 100
comb(100/)]-|.
 H • S . " 213
:rs ^ (4.196) ^'^ Señales de banda
limitada

rect(lOOOí)* 100 comb( lOOí) < ^"^ > sincíO. U) (4.197)

15rect(l 000/)* lOOcombdOOfl < > ^sinc(O.U-) (4.198)

15 rectd OOOí) * lOOcomb(lOOr) - ^ < -^'^ > ^ sinc(O.U) - |ñ[A] (4.199)

(figura 4.34). [Ob.serve que no hay impulso en A- = O porque el valor promedio de x(f) es cero.] •

Determine una función cuya representación de función armónica de la SFTC es

X[A-] = 2 s i n c = Q ^ (4.200)

suponiendo que la SFTC representa a la señal para todo tiempo y que TP - T¡^.
• Solución
Consultando los pares de la SFTC en el apéndice E, se encuentra el par

En este caso hay un problema. Es posible identificar el valor del cociente CU/TQ igual a L pero no se pueden identi-
ficar individualmente los valores de Cü o TQ. Si se multiplican ambos lados de (4.201) por 10 se obtiene la expresión
correcta para X[k]. lo que implica que x[fí] es 10 tri (f/w) * (1/rg) comh {t/T(¡). aunque todavía no se determina lo
que son w o T^, de ese triodo TQ atan podría tener un valor arbitrario. Esto ilustra un aspecto importante de la SFTC
ya mencionado. La función armónica de la SFTC es una función del número de armónica A. y este últímo es un
múltiplo de la frecuencia fundamental. Por consiguiente, el conocimiento de ésta es necesario para representar
cualquier señal por medio de la SFTC

x(/) = ¿ X[it]í--'-"'^"^°". (4.202)

No se puede encontrar una representación exacta de x(í) hasta conocer la frecuencia fundamental. De tal modo,
debe efectuarse lo que se considere mejor y encontrar una representación en términos de / y o Ty sin conocer lo que
es. Puesto que W/TQ = =.

x(r) = ^ t r i f ^ ) * :^comb( ^ ) = 5/otri(5/oí) * /ocomb(/„f). (4.203)

4.6 SEÑALES DE BANDA LIMITADA

En general, .se requiere un número infinito de términos en la representación de la SFTC de una señal
para tener una igualdad exacta de acuerdo con

x(d ^ ¿ X[A-].^^-^-A". (4.204)

A=-oc

Sin ernbargo, hay señales para las cuales un número finito de términos produce una igualdad exacta. En
ese caso, para k > k„^¡^^ < 'x¡. X[k] es cero. Como se mencionó antes, se dice que tales señales son de
banda limitada, el término proviene del concepto de una banda de frecuencias (un intervalo de frecuen-
cias) en una señal. Si esa banda es limitada (finita), la señal es de banda limitada. Las características de
las señales de banda liinitada se volverán importantes al estudiar el muestreo y la transformada discreta
de Fourier.
 4.7 CONVERGENCIA DE LAS SERIES DE FOURIER
EN TIEMPO CONTINUO
SEÑALES CONTINUAS

En esta sección se examinará cómo la sumatoria de la SFTC se aproxima a la señal que representa
cuando el número de términos que se utiliza en la suma se aproxima al infinito. Se efectúa lo anterior
examinando la suma parcial

x^(0 = Y
k=-N
nkle^'"''^"" (4.205)

Xfjir) = X , [ 0 ] + ¿ [ X , . [ í : ] c o s ( 2 T r ( ^ / „ ) r ) + X,[A-] sin(2TT(A-/ü)0] (4.206)

it=i

para valores sucesivamente más altos de N. Como primer ejemplo considere la representación de la
SFTC de la señal periódica continua de la figura 4.35.

/2A 1 / í \
x(r) = A tri — * — comb — (4.207)
\ToJ To \TJ
Sea TP- - Tq para lograr que la representación de la SFTC sea válida para todo tiempo, entonces determi-
namos una función armónica de la SFTC compleja

X[A-] = ^ s i n c ^ Q ) , (4.208)

y las aproximaciones a x(f) paraiV= 1, 3, 5 y 59 se ilustran en lafigura4.36. EnA'= 59 (y probablemente

a valores inferiores de N). es imposible distinguir la representación de la suma parcial de la SfT^C
proveniente de la señal original al observar una gráfica en esta escala.

-T,

FIGURA 4.36
FIGURA 4.35 Aproximaciones sucesivamente más cercanas a una onda
Señal continua para representarse rnediante una SFTC. triangular.
SEÑALES CON DISCONTINUIDADES Y EL FENÓMENO
DE GIBBS

Considere ahora una señal en TC periódica con discontinuidades

'2(f-(ro/4))^
x(/) = A rect (4.209)
V 7-0 / To \TQ)

(figura 4.37). Sea 7"^ = para hacer que la representación de la SFTC sea válida FIGURA 4.37
para todo tiempo, se obtiene la función armónica de la SFTC compleja Una señal en TC discontinua que se
A (k\ representará mediante una SFTC.
X[AJ= - s i n c ( ^ - ^ (4.210)

y las aproximaciones a x(r) para N = 1, 3, 5 y 59 se ilustran en la figura 4.38.

Aunque la deducción matemática indica que la señal original y su representación de la SFTC son
iguales en todos lados, es natural preguntarse si es verdad esto luego de que se observa la figura 4.38.
Existe un evidente "sobrepaso" o "rizo" cerca de las discontinuidades que no parecen volverse más
pequeñas cuando aumenta. Es cierto que el sobrepaso vertical máximo cerca de una discontinuidad
no disminuye con N, incluso cuando N tiende a infinito. Este sobrepaso recibe el nombre ÁT fenómeno
de Gihhs en honor a Josiab Gibbs quien lo describió matemáticamente por primera vez. Sin embargo,
observe que el rizo está también confinado cada vez más cerca de la discontinuidad cuando Ncrece. En
el límite cuando N tiende a infinito la alnira del sobrepaso es constante, pero su ancho tiende a cero, así
que la potencia de señal de la representación de la SFTC converge en el mismo valor que la potencia de
la señal original debido a que el sobrepaso de ancho cero no contiene energía de señal. Además, en
cualquier valor particular de r (salvo exactamente en una discontinuidad) el valor de la representación
de la SFTC se acerca al valor de ia señal original cuando A' tiende a infinito. En una discontinuidad el
valor funcional de la representación de la SFTC siempre es el promedio de los dos límites de la función
original aproximados desde arriba y desde abajo, para toda N. La figura 4.39 es una vista amplificada de

iV=I99 JV=19
A' = 59

A_

^ M

nGURA 4.38 FIGURA 4.39

Aproximaciones sucesivamente más cercanas a una onda Ilustración del fenómeno de Gibbs para valores crecientes
cuadrada. DEN.
 la representación de la SFTC en una discontinuidad para tres valores de N. Puesto que las dos señales
tienen exactamente la misma energía de señal en un intervalo de tiempo finito, su efecto sobre cualquier
CAPÍTULO 4
La serie de Fourier sistema físico real es el mismo y pueden considerarse iguales sin ningiín error
La SFTC que acaba de encontrarse y graficarse en ia figura 4.39 pasa exactamente a través del
punto medio de cada discontinuidad de x(fj, independientemente de la elección del periodo fundamen-
tal. Si se deja que el periodo fundamental TQ tienda a infinito, la señal

J2(í-(To/4Y)\ 1 Jí\
x(t) = A rect I * — comb — (4.211)
V To J Ta \TOJ

se aproxima al escalón unitario y la SFTC sigue pasando por el punto medio de la tínica discontinuidad
izquierda, la que se ubica en / = 0. Esto es así debido a que el escalón unitario se ha definido en este texto
con un valor en cero igual a un medio, u(0) = 5 . De esta manera, el escalón unitario es una simple
transformación de la función signum en todos los puntos.

sgn(/) = 2 u ( r ) - l (4.212)

En la sección 6.3, en el material relativo a filtros ideales, se verá otra razón por la que es conveniente
definir el escalón unitario de esta forma.

4.8 LA SERIE DE FOURIER EN TIEMPO DISCRETO (SFTD)

DESARROLLO MATEMÁTICO

A continuación se investigará la aplieabilidad de la serie de Fourier en el análisis de señales y sistemas

en TD. Las mismas ventajas de expresar una señal cotno una combinación lineal de senoides complejas
se aplica al análisis de señales en TD. El desarrollo será paralelo al correspondiente a la SFTC para
señales en TC.
En piincipio suponga provisionalmente, como se hizo en la formulación de la SFTC. que una señal
x[«] en TD puede representarse para un intervalo de fiempo discreto finito <n < IIQ + Np tnediante la
sumatoria de senoides complejas X / . [ « ] de la forma

(4.213)
k=-oc k=-OD

xH"J = E M]e"'"'''" = E X[A-].-'---:"*'/'^'', (4.214)

k k=—oo
donde Np = entero
Ff = ]/Nf = frecuencia cíclica de tiempo discreto
Í2f = = frecuencia en radianes en tiempo discreto

Como se indica en el capítulo 2, ni Fp ni es en realidad una frecuencia en el sentido usual porque n

no es tiempo continuo en segundos, sino tiempo discreto, que es adimensional. En consecuencia, Fp no
es frecuencia en heiiz y ílp no es frecuencia en radianes por segundo, aunque ambas son cambio angular
por tiempo discreto unitario medido en ciclos o en radianes. Por lo tanto, las unidades de Fp son ciclos,
y las uiúdades de Q.p son radianes. (El radián .se define como un cociente de longitudes y por lo tanto es
adimensional. Un ciclo es exactamente 2tc radianes, por lo que también es adimensional.) Observe
tatnbién que cuando se usa la SFTD para representar una señal, puesto que A^^. es un entero, Fp está
restringida a valores que son recíprocos de enteros y Q.p se restringe a valores que son iguales a 2ji
dividido por un entero.
La primera diferencia que debe notarse entre los casos en TD y en TC es que la sumatoria (4.213)
o (4.214) no necesita ir hasta inñifito en virtud de que, luego de algún valor de k, las exponenciales
¿jiwikFp),, empiezan a repetirse. Ésta es una consecuencia del hecho de que n y í.- son enteros y

^j2ír(ii + ,Vf)Fr>" _ gj2-n(kF¡-\u^j2^{N¡-Ft\ii (4.215)

y, puesto que fyr = \/N¡r 217

.;2Tr,ik+NríF,)n ^ j2i,<kF, }„ j2-n„ ^ j2.ríkFr}; ser/e de Founer

• 216) ^" tiempo discreto
=1 * (SFTD)

Así que si se suma Nf a A", no cambia la función exponencial. De hecho, si se agrega cualquier múltiplo
entero de A^^- a A-, no se altera la función exponencial. Cualquier conjunto de números k que abarque el
intervalo A',-, <k< k^ + Np. donde es arbitrario, genera un conjunto completo de funciones exponenciales.
Agregai- cualquier cosa más sería redundante. Por consiguiente, la SFTD puede escribii-se como

x,ln]='"X: 'x[A].^-^-^-^"', - , ^4.217)

donde A„ es arbitrario, por lo que es posible utilizar la notación

k=^iNF)

donde £i.= (;Vf> significa sumatoria para cualquier intervalo de números k consecutivos con longitud de
Np exactamente.
Si la igualdad entre x[/!] y x^[/;] se cumple, usted debe ser capaz de decir que

Es factible utilizar un método similar al que se usó en ia deducción de la SFTC multiplicando ambos
lados de (4.219) por E-J^ntí^F)", donde q es un entero. En ese caso se obtiene

k=iNF'i

^ J2 X[*]E^^-'"^-Í'^-"' no < n < no + Nf. ,4 2 2 1 )

Siguiendo la analogía con el desarrollo de la SFTC, se suman ambos lados de (4.221) para el intervalo
«o < íí < í!(J + A'^,

na+Nf-\ n „ + N r - \

J2 xUí].--'--"'^^'" = J2 E ^[^1^''"'""'"^''" " ü < ' i < " O + WF. (4.222)

f!='h, n=fh,, k= .\'f

Invirtiendo el orden de la sumatoria en el lado derecho de (4.222).

'irj+AV-l f!n+.V>—1

J2 X[ÍIK-W.I..^ E e^-"'-'''"'" n,<n<no+Nr (4.223)

llalla k={¡\'ir) f¡=)iii

Y x[íí]í-^--'^^^^"'= XW Y 5 " < "ü + / V f . (4.224)

k={NF)

Ahora, examine la sumatoria X"í^^''''EJ-"I"-'-^'/^fl«. Si k ^ q. las senoides complejas eJimií-^j/v^m

tienen todas magnitud igual a uno y se ordenan en intervalos angulares iguales sobre el círculo unitario
en el plano complejo (figura 4.40). El intervalo angular entre senoides complejas es la fracción [k - q)l
Np de un ciclo completo de 27t radianes. Puesto que la sumatoria para n abarca el intervalo < n < ÍÍQ +
Np, el intervalo angular total cubierto por la sumatoria es un múltiplo entero de 27i radianes. Cuando se
gráfica como en la figura 4.40, se ve que la suma de todas esas senoides complejas es cero.
 Q= !
CAPITULO 4 A-= 2
La serte de Fourier 3 ^ n < g

Im
)! = 6

FIGURA 4.40
Dos ejemplos de Re
« = 12

senoides complejas \ •

espaciadas a intervalos \
angulares iguales en el
H = 3 \, V
plano complejo. 'n = 4

Se cuerna con un procedimiento analítico para este resultado que utiliza una fórmula muy útil para
la sumatoria de una serie geométrica finita.

N r = 1
1 -
(4.225)
H=0

donde
bio puede ser
de rvariable m=complejo. Aplicando esta fórmula a Z',1=^'¡J^
H - ÍJQ. Entonces ^^j2iint-c¡mi,]}i^ r

Nf-i AV-l

(4.226)

^ ^ > 1 _ gj2-n(k-g)/Nr
m=0
=0

1 _ ¿../í-lí-?'

1 _ gj2-^lk-q)/NF
(4.227)

=0. í:=í

y, como ¿ - g es im entero.

AV-l
^j2ník-q)/NF)nc, ^ ^^J27T^^K-Q•,/^'F)Y" ^ q A- 7^
(4.228)

Por lo tanto, el único caso k = q prodtice un resultado distinto de cero. Cuando k - q,

^i2iTUk-Q)/Nr)n ^ ^0 ^ ^ (4.229)

En ese caso se simpüfica (4.224) a

y, resolviendo para X[q\, se obtiene •{qFF)n

(4.231)
^ n=na
Por lo tanto, en el enunciado original de la representación de la SFTD de una señal en TD, 219
• 4.8 La sene de Fourier
en tiempo discreto
(4.232) (SFTD)

X[k] está dado por

NF — (4.233)

Si se utiliza la relación = 27X F^, la SFTD también puede escribirse en términos de frecuencia en
radianes en TD como

(4.234)
NR ^

La función armónica X[k] es la misma en cualquier forma.

Al igual que la representación SFTC de una señal es periódica con periodo fundamental TP, la
representación de la SFTD Xp[n] de una señal x[n] es periódica con periodo fundamental NF. Esto se
demuestra fácilmente sustituyendo « por /i + NP.
2TríkFyíNF
x[n + NF]= Y XMeJ-''*^^'"-*^^'= Y MY-''^"'""e¿

(4.235)
k=I.Na)

Si, como se hizo con la SFTC, se considera el caso muy común en el que se representa la señal x[n]
para exactamente un periodo fundamental NQ, entonces NP = N^Y FP = FQ = \/NQ, £LP= = IU/NQ,

Xp[n] = x[n] para toda n, y las relaciones se reducen a las formas

-j2-!TLKFQ)n
x[«] = Y X[^-Jf''^"^"' X[k] = E ^["1^ (4.236)
k={H„) ^0

jíkní,)n
x[n] = E Mk]e''' ^^^^ = IR (4.237)
K=¡^•l,)

La representación de la SFTC de una señal X;r(í) es periódica en el üempo con periodo fundamental TP.
La función armónica de la SFTC X[k] no es periódica en k [a menos que x^ (í) consista sólo de impulsos
a intervalos de tiempo uniformes]. La representación de la SFTD de una señal Xf[n] es periódica
en tiempo discreto con periodo fundamental NP, Y la función armónica de la SFTD X[í.] es periódica en
número de armónica ¿-con periodo fundamental NP. Por consiguiente, en el caso más común en el que se
representa una señal periódica x[n] para exactamente un periodo fundamental NQ, xík] y Xlk] son perió-
dicas con periodo fundamental NQ.
Toda la información acerca de una señal periódica x[n] con periodo fundamental NQ está contenida
en NF¡ números reales, los valores de la señal para exactamente un periodo fundamental, porque, si se
conocen todas las x[n] en cualquier periodo y se sabe cuál es este último, es posible reconstruir la señal
completa repitiendo esos números en los otros periodos. Además, toda la información acerca de la señal
periódica X[ÍÍ] con periodo fundamental NQ está contenida en un conjunto diferente de NQ números, los
valores de la X[k] para exactamente su periodo fundamental, que es también NQ. porque si se conocen
esos números, es posible reconstruir la señal completa utilizando la relación,

j2'K(KF,I),I
''M= E X[k]e (4.238)
k={No}
 220 Señal en TD, x[f¡]

128

IXMl

0.4843 S - t

llllm».»««««»tttinTl I ! l T m f H « > , . . . . . . w t t » l l l iHioj rtTllTIlílll

IlUti
-64 64
Fase de X[k]

FIGURA 4.41
Una señal periódica en -64 64
TD y su SiFTD
periódica.

Esta simetría conduce a una importante idea. La información acerca de una señal se conserva cuan-
do se le transforma de una función en tiempo discreto n a su representación equivalente como una
i. i
función de número de armónica discreto k. Esta idea será importante cuando se explore el muestreo y la
transformada discreta de Fourier en el capítulo 7.

EJEMPLO 4 . 6

Deterniinese la función arnnónica de la SFTD de la señal en TD x[fi] = rect,ln]*combg[j!| para exactamente un

periodo fundamental (figura 4.42).

m Solución
El periodo fundamenta] es igual a 8. La función armónica de la SFTD se encuentra de
(4.239)

El intervalo de la sumatoria puede ser cualquiera de m <n< m + S, donde m es cualquier entero. Considere que el
intervalo de la sumatoria es -4<n< 4. En ese caso

1
(4.240)

Se puede determinar la función armónica de la SFTD dejando que k sea cada uno de los enteros en el intervalo
q<k<q + ?,, donde q es cualquier entero, uno a la vez, y sumando los términos en la sumatoria para cada k. Sin
embargo, sería conveniente tener una expresión compacta en forma cerrada para X[k] como una función de k.
Resulta que lo anterior puede realizarse utilizando de nuevo la útil relación
N >• = I

1 - r'' (4.241)

I -/-

x["]

FIGURA 4.42 4
Una señal en TD, x[;;] 4HH- 4-+-f-
= rectT[n] * comh¡^[/¡]. -16-14-12-10 -8 -6 -4 -2 8 10 12 14 16
 No = 8
\X[k}\

0.7 +

• 1

H,I HRL HTI 1,1,1 1,1,1 1,1,1 I,M 1,1,1 1,1,1 1,1,1
- 4 0 40

X
|ML
0.2 —

FIGURA 4.43
Xlk] para X[Í¡¡ =
. rect;[íp] * combg[/!] y
[TTTITT,TTTTTA' TTÍIIUTITJITTT tíj—k \lii] = rect,[í!] *
-40 40 combj; [«].

para .sumar una serie geométrica. Primero se efecttta el cambio de variable ni = H + 2 en (4.240). Entonces

X[t] = ^ E .-^-'-^'^^«1 = y^'^r->^ ± {e- '^-^/«T' (4.242)

y, empleando (4.241),

1 1 _ „-y(5t/4)T 1 -iHk/Ü)-!! . + y(5i/8)- --;"(5(:/tlni

Xlk] = -e
I _ G-jik/A\Tr g g-Hkl«)lt g+¡{k/%)T _ g-j(t/S):r

(4.243)
sen((5í:/8)77)
sen((A-/8)Tr)

Recuerde que la función de Dirichlet está definida por

.senliViTí)
drcKr. N) = (4.244)
,Vsen(77í)'

Utilizando esa definición.

5 /i \
Xlk] = - drcl - , 5 (4.245)

Ésta es una función de Dirichlet con una de 5. un número impar, por lo que los extremos de drcKWS, 5), son todos
4-1 en valores enteros de í:/8. Por lo tanto, cuando k es un múltiplo entero de 8, Xlk] es i. La parte superior de la
gráfica de lafigura4.43 es una gráfica de la magnimd de la función armónica de la SFTD en función del número de
armónica k.
Ahora, para ilustrar un concepto que será importante en la comprensión de la transformada de Fourier en el
capítulo 5. realice el ejemplo con on tiempo discreto mayor entre los pulsos rectangulares. Sea

x[í¡] = rectjííi] * c o m h , 2 [ ' i ] . (4.246)

La señal es la misma excepto que el periodo fundamental es ahora 32 en lugar de 8. El cálculo de la función
armónica de la SFTD es básicamente el mismo, v el resultado es

I sen((5A-/32)^i 5 /k
(4.247)
^f''l=^sen<(^/32)., ^íi'^'-'U''

La función armónica de la SFTD se gráfica en el dibujo de abajo de lafigura4.43,

 EJEMPLO 4 . 7

Determine la función armónica de la SFTD de s.[N] =A cos(2 JtF(,/í) = A cos(2ro¡/iVoJ.

• Solución
Esta función armónica está en la tabía de pares de Fourier, pero se ie deducirá de la definición.

X[k] = — y AI
~Ñ7

2^0 „ á í /
(4.24$)

2JVo

Entonces, si se utiliza

(4.249)
11=0

2M, ] _ gjl2ll/A'(|l(1-t-) ] _ íi:-/.Vnll - 1-t-l

(4.250)
„J-ll-í-l
senlTTtJt - 1)]
, j - i - i - i - í
sen[Tr(í: + i ) ]

2A'o L e^"^'-''•'sen[(TT/Aro)( A - 1)] eJ'^''''"»-^-'''sen[(-w/No){k + 1 )]J

X[k] = 4 2 [g/l'ír/'VoKl
^JTTÍ-l-t-l

(4.251)

Este i-esultado de apariencia complicada es en realidad muy simple. Su valor es cero pai-a toda k excepto aquellas
para las cuales

k - 1 k+]
= q o (4.252)

donde q es un entero, y en esos valores de k ei valor de X[k] es A/2. En resumen.

^ k = qN„ ± 1
X[k] = = - (comb^•„[^- - 1] + comb.v,,^- + I]) (4.253)
O en otro caso
(figura 4.44).

|xw|

-2N, -N,

FIGURA 4.44
Magnitud y fase de »I « • V -
X[k]. -2N, -JVo Wn 2NN
4.9 PROPIEDADES DE LA SERIE DE FOURIER \ 223
EN TIEMPO DISCRETO 4.9 Propiedades de la
serie de Fourier
Considere que la función armónica de la SFTD de una señal periódica x[n] con periodo fundamental N^^ en tiempo discreto
es X[k¡ y que la función armónica de la SFTD de una señal periódica yin] con periodo fundamental
A'oj, es Y[k]. Es posible encontrar la función armónica de la SFTD para estas dos señales dado su periodo
fundamental. La función armónica SFTD se encuentra a partir de las relaciones de transformación

xl«] = J2 X[it]e^^"^'-^"''' XLK] = J2 xÍHJí-J-"'^^"'"' (4.254)

k={No,)

TS
y[„]= Y Y[k]eJ'^^''''- ^ Y[k] = — J2 y["]e~''"'*''"'"'- (4.255)
k={Noy)

Entonces, utilizando esas señales como ejemplos, en las siguientes secciones se presentarán diversas
propiedades de la SFTD de señales relacionadas. Como las demostraciones son similares a las de la
SFTC, sólo se presentará el resultado.

LINEALIDAD

Esta propiedad es idéntica a la de linealidad para la SFTC y la demostración es similar.

TS
a x [ « ] + ^y[n]< >aX[k] + pY[A] (4.256)

DESPLAZAMIENTO EN EL TIEMPO

Sea z[«] = x [ / ! - HQ] y ^i-y ~ = NQ. Entonces

^0
(4.257)
^ 0 «íí^n)

Considere que 5 = Í? - /IQ en la sumatoria x. Entonces, puesto que n abarca un intervalo de NQ, q lo hace
también y

Z[k] = — T zMe-J'-^"'"'" = — V x[g]í'->^'"^""í+""' (4.258)

^ 0 ,Í7M,>
(4.259)
=X[i-l

Z[k] = e-^2^"^''''"'°X[A:] (4.260)

í[n - «ole ) e-J-"'^-^^""'X[fc] (4.261)

TS -jíkQ,ó>h<
x[n - «o]- •e X[k] (4.262)

Esta propiedad es muy parecida a la equivalente para la SFTC salvo que el "tiempo" ahora es discreto.
224 DESPLAZAMIENTO EN FRECUENCIA

Esta propiedad es similar a la que correspondió a las funciones en TC y la prueba es similar-.

(4.263)

(4.264)

CONJUGACIÓN

Esta propiedad es similar a la de las SFTC y la prueba es similar

(4.265)

INVERSIÓN EN EL TIEMPO

Esta propiedad es similar a la coirespondiente a las SFTC y la prueba es similar

-Xl-k] (4.266)

ESCALAMIENTO EN EL TIEMPO

Esta propiedad es completamente diferente para las funciones en TD y en TC. Sea z[«] = x[a«], ff > O, Si
a no es un entero, entonces algunos valores de z[n] estarán indefinidos y no podrá determinarse una
SFTD para ella. Si a es un entero, entonces z[n] es una versión diezmada de x[n] y algunos de los
valores de x[u] no aparecen en zln]. En ese caso, no es posible que exista una relación única entre las
funciones armónicas de x[n] y z[ii] a trave's de la transformación n an. Sin embargo, existe una
operación relacionada para la cual la relación entre x[n] y z[n] es única. Sea m un entero positivo y
considérese que

n
iju
— es un entero
z[«l = m (4.267)
J
en otro caso

Esto es, z[n] es una versión expandida en el tiempo de x[n] formada al poner ÍH - 1 ceros entre valores
adyacentes de x[n] (figura 4.45).

11, .11, 1.1', .1,1,,1.1',,.1.1'," •

T1 T1. '11. TI TI TI 60

4n]

FIGURA 4.45
Una junción en TD y
una versión expandida
formada a! insertar T R 50

ceros entre \'alores.

 Si el periodo fundamental de x[n] es NQ^ - iV,,, ei periodo fundamental de z[«] es N^. = m N^.
Entonces ía función armónica de la SFTD para z[ii] con un periodo de representación de miV,, es
4.9 Propiedades de la
serie de Fourier
en tiempo discreto
(4.268)

Puesto que todos los valores de 2 son cero cuando n/m no es un entero,

1 ^
Z[k] =
mN, (4.269)
T[ii]c
Sea/; = n/in, donde n/in es un entero. Entonces

Z[k] y z[mp]e- (4.270)

y z[mp] = x[p] con todos los otros valores de z[n] iguales a cero. Por lo tanto,

(4.271)

Este resultado. (4.271), afirma que la función armónica de z es igual que la función armónica de .v pero
dividida entre m. Sin embargo, eso no quiere decir que la representación de la SFTD de z sea igual que
la de la SFTD de .v pero di\'idida entre m. porque los periodos de las dos señales no son iguales. La
representación de la SFTD de ; es

z[n] - E Z[t]eJ'-'<*"''""^"'
(4.272)
k={mNo)

CAMBIO DE PERIODO

Si se sabe que la función armónica de la SFTD de xln] para el periodo de la representación A^,,,. = NQ es
X[k], se puede enconnar la función armónica de x[/;]. X^^[k], para el periodo de repre.sentación qN^,
donde q es un entero positivo. Esta es

' qNo (4.273)

La función en TD x[/;] tiene un periodo fundamental NQ y, por lo tanto, consta de senoides en TD a

múltiplos enteros de su frecuencia fundamental 1/NQ. La función en TD e-'-^^"^^^'^'' tiene un periodo

e-J-'^'"'^'^^'»'
fundamental ^A^o y una frecuencia fundamental l/qNfy En consecuencia, para el intervalo en TD. <n
< ttg + qNQ, las dos funciones en TD x[n] y son oitogonales a menos que kJq sea un entero.
Por lo tanto, cuando k/q no es un entero. X^^[k] = 0. Cuando k/q es un entero.

k
X,[k] = q J2 x[n]e-^-^'"''= — J2 x[/r]í'--'-^'"^-/'''^"'= X (4.274)
<íNo„t
n={hío)

Resumiendo,

k
_ — es un entero
X,tA-] = i .y. <j
(4.275)
.0 en otro caso
 x[n]
i
4 —
IT 1ÍT 1I T 'T

-4+'

|xwl

1 -

IM lílll I.ll Il.l Ilill

|.
•
-16 16
2 2

M\
¡
FIGURA 4.46
Una seña! en TD y las
magnitudes de su
función armónica de la

N¡r =
SFTD con Np = %y
con 2NQ.

Al examinar las dos funciones armónicas de la SFTD se ve que utilizar dos periodos en lugar de
uno no añade ninguna información porque la señal es exactamente la misma en cada periodo. Si se
utiliza el periodo de representación más largo se obtiene información acerca de cualesquiera armónicas
de baja frecuencia que pudieran estar en la señal. En el ejemplo de la figura 4.46, la señal es periódica
con periodo N^; por lo tanto, su frecuencia fundamental es l/N^. Cuando se usa un periodo de represen-
tación de 2NQ: se ven las amplitudes armónicas en múltiplos enteros de 1/2^0. Sin embargo, en esta
señal las armónicas son todas múltiplos enteros de 1/NQ, que son iguales a los múltiplos pares de 1/2A',3.
Se obtiene información de armónicas adicionales, pero todas tienen amplitud cero.

EJEMPLO 4.8

Determine la función armónica de la SFTD para

x[íi] = c o s ^ — + combjíítj. (4.276)

• Solución
Ésta es una señal compuesta por !a suma de dos señales en TD periódicas cuyos periodos fundamentales individua-
les son 3 y 5. El periodo fundamental de la suma de estas señales es el mínimo común múltiplo de 3 y 5, 15. Si se
uúliza el principio de linealidad es posible determinar la función armónica de la SFTD de X[?T], agregando las
funciones armónicas de la SFTD de cos (27tn/3) y comb5[íT]. Pero para ser capaces de agregarlas se les debe
encontrar para el mismo tiempo de representación, el cual debe ser también un período de cada una de ellas. El
periodo fundamental dex[n] es 15. Por lo tanto, cualquier múltiplo entero positivo de 15 seria apropiado. Utilice 15
como el tiempo de representación.
A partir de los pares de Fourier en el apéndice E,

/2TTH\ 1
cos|^-^j < ^-(comb.vJA - IJ + comb,v„[/; + 1]) (4.277)

TS ^ 1
comb.v,, [n] 4- (4.278)
A,'
Sea la función armónica coseno de la SFTC para su periodo fundamental la siguiente

XeoJír] = -(COVNBAK - 1] -F combjíit -|- 1]). (4.279)

 4.9 Propiedades de la
I -- t serie de Fourier
n en tiempo discreto
-15'
11 111111 u111111 un -1 +
IS

CO-

-30 30

0.6
FIGURA 4.47
La señal coseno y sus
¿ funciones armónicas
-30 ao de la SFTD.

Por consiguiente, si se utiliza la propiedad del cambio de periodo para encontrar la función armónica de la SFTD
para cinco de sus periodos fundamentales se obtiene

K [K 1
- ^combí + comba 7 + 1 - es un entero
X,o,,5 IK] = 5 5
en otro caso (4.280)

A partir de la definición de una función comb en TD,

K 'K - 5"
comb ,v^, - - 1 = combí,.„ = comb^u [A — 5 ] . (4.281)
5
5
Por lo tanto.

1 K
XCO.AK] =
- (combí [K - 5] + comb, [A- + 5]) - es un entero
(4.282)
O en otro caso

que también puede escribirse como

Xcos.síA] = -(comb |5[Í: - 5 ] +comb 15[A- + 5]) (4.283)

(figura 4.47).
La función armónica de la SFTD de la comb en TD para su periodo fundamental es

(4.284)

Entonces, utilizando la propiedad del cambio de periodo para detenninar la función armónica de la SFTD para tres
de sus periodos fundamentales se obtiene

X,^,AK] =
1
-
5
K
- es un entero ,
3
.'1 , .,,
1 ^ 5 '^°'"°^t'''l (4.285)
O en otro caso
 -15 15

0.25 - -

-30 30
|Xcomb..í[^-]|

0.25 - -

FIGURA 4.48
La señal c o m h y sus
funciones a n n ó n i c a s
de la S F T D . -30 30

Por tanto, la función armónica de la S F T D para xlii] es

X[A] = X „ , _ 5 [ A - ] + X„^,._,U] = Hcomb - 5] + c o m b + 5]) + AOMB^k] (4.286)

(fisura 4 . 4 9 ) . •

DUALIDAD MULTIPLICACION-CONVOLUCION

Sea z[n] = x[n]y[n] y N^^ = N^.Q = N^. Entonces

(4.287)

y, utilizando

(4.288)

FIGURA 4.49
La señal completa y la
magnitud de su
función a m i ó n i c a de la
SFTD.
 4.9 Propiedades óe la
sene de Fourier
en tiempo discreto

^ 0 ;i=íAr„) í=í:V„)

(4.289)
= E n^mk-CJ]
i/ = íA'ní

Este resuítado se observa semejante a una suma de convolución salvo porque q se extiende sobre un
intervalo finito en vez de uno infinito. Por lo tanto, por analogía con la propiedad de dualidad multipli-
cación-convolución, ésta es una suma de convolución periódica que ptiede simbolizarse mediante

Z\k] = Ylk]®X[k]. (4.290)

Por lo tanto.

x["]y["]-
•Ylk]®X[k]= E ^umk-q] (4.291)

De manera similar a la convolución en TC. la multiplicación de dos señales en TD corresponde a ia

suma de convolución de sus funciones armónicas de la SFTD. pero la convolución es ahora una suma de
convolución periódica. Si A',,! ^ N,.¡-,. entonces, como en la SFTC. se debe encontrar un periodo común
para las dos señales y utilizarlo como la NQ en (4.29 U.
Considere ahora que Z[k] = Y[k]X[k\ y que A'^.,, = A',.,, = NQ. Entonces

zín] = it= E .V,,.- X[A-]Y[A-1^^'=^

= E ^ E x[»!]e-^'--'^'^'""Y[^]f^'^^<'-^">'
A=.:,V„;: ^ 0 „ , = iN„)

Mi ^—'

—\[(! — ttí]

(4.292)

x[fí]®y[í!j- A'nY[A-JX[í.-) (4.293)

De modo que para la SFTD hay una elegante simetría. La multiplicación en cualquier dominio coiTes-
ponde a una suma de convolución periódica en el otro dominio (salvo por un factor de escala de en
el caso de la convolución periódica en tiempo discreto). Como se ha \'isto antes, si A',,, ^ A'^.f,, entonces
debe usarse un periodo común para las dos señales tanto para determinar las funciones armónicas como
JVoCn (4.29.1).
230 PRIMERA DIFERENCIA H A C U ATRÁS

Esta propiedad es análoga a la de diferenciación en el tiempo de la SFTC. Sea Z[?Í] = X[ÍÍJ - x[/! - 1] y
A^fü = N^.Q ~ NQ. Entonces

Z[A-1 = E = — E ( " [ « 1 - ^I" - ll)e^^'^'*^'

« = ÍA'„Í

(4.294)

LN = (NO} R¡=!NN)

Si se utiliza la propiedad de desplazamiento en el tiempo deducida anteriormente,

Z[k] = : X[A-1 - e-J-''"""""'X[k] = ( l - f - ' " " ' * ' ' " ' ) X[k] (4.295)

x[n] - x[n ~ 1]< > (l - e-'-''""'">)X[k] (4.296)

x[/í] - x[u - 1]^ > (1 - e-'<*""')X[A] (4.297)

Este resultado es similar al que se obtuvo para la SFTC.

ACUMULACIÓN

Esta propiedad es análoga a la de integración en el tiempo de la SFTC. Sea z[/;] = Z",=_„ x[mj. Para esta
propiedad es importante considerar el efecto del valor promedio de X [ H J . E S posible escribir la señal x[n]
como

x[«] = xo[rt] + X [ 0 ] , (4.298)

donde XQ[U] es una señal con un valor promedio de cero y X [ 0 ] es el valor promedio de x[n]. En ese caso

z[«]= ¿ XO[m]+ ¿ X[01. (4.299)

Puesto que X [ 0 ] es una constante, X[0] aumenta o disminuye linealmente con a menos que
X[01 = 0 . Por lo tanto, si X[OJ ^ O, z[n] no es periódica y no es posible determinar su SFTD. Si el valor
promedio de x[n] es cero. z[n] es periódica y se puede determinar una SFTD para ella. Puesto que la
acumulación es el inverso de la primera diferencia hacia atrás,
n
Si z[n] = E x[m j , entonces X[ÍJ] = z[j¡] — z[n — 1], (4.300)

La propiedad de la primera diferencia hacia atrás demostró que X[k] = (1 - e-J-trt-f"f.i)Z[A-J. Por consi-
guiente

k O (4.301)
1 _ ¿-j2tt(kFe)

(4.302)

(4.303)
SEÑALES PARES E IMPARES 231
Estas propiedades son idénticas a las equivalentes de la SFTC. Si )í[n] es una señal par, x[n] = x[-«] y 4.9 Propiedades de la
serie de Fourier
X[k\ = X[-k]. (4.304) ^" tiempo discreto

Si, además, x[fi] es de valores reales, entonces se sabe que X[k] = X'*[-k]. Por lo tanto, cuando x[/3] es
par y de valores reales, X[kli es también par y de valores reales.
Si x[n] = - x [ - n ] , entonces la derivación es exactamente la misma salvo por un signo y

Xík] = -X[-k]. (4.305)

Si, además, X [ / Í ] es de valores reales, X[k] = X*[-k]. Por lo tanto, cuando x[«] es impar y de valores
reales, si X[k] debe satisfacer simultáneamente tanto

X[k] = -X[-k] y X[k] = X*[-k], (4.306)

debe ser impar y puramente imaginaria.

TEOREMA DE PARSEVAL

La energía de señal total de X [ Í I ] es infinita. La energía de señal para un periodo N,.^ - se define como

J2 X[;t]e^"^'*^"^"

- E E ^f^]-''^'
ii=itn \k={N„)

= E E E E NKW-^"'^""'X*[q]e-J-^"^^""'
k={No)

>'={Na} k=(N„) íi={N„}

k^q

=0

= A'u E \X[k]\\ (4.307)

k={Nu)

Entonces

(4.308)

lo cual, en palabras, indica que la potencia de señal promedio es igual a la suma de las potencias de señal
promedio en sus armónicas de la SFTD.

RESUMEN DE PROPIEDADES DE LA SFTD

TS
Linealidad axL«J + PyL"J- ^<xX{k] + (3Y[A-]

Desplazamiento en el tiempo x[/; - n^] < '^'^ > e jii^ikF,,),,,,-^^^^

x[« - Ho]^^^e"'"'""""'"X[í:]
 Desplazamiento en frecuencia >X[k - ko]

^Xlk - ko]

Conjugación x*[n]< )X'[-A']

Inversión en el tiempo x[-n]< ^'^ >X[-¿]

— es un entero
Escalamiento en el tiempo Siz[«l = m entonces para
en otro caso
1
Nf = mNo,Z[k] = —X[k].
m
k
- un entero
Cambio de periodo PaiaNr^qNo, Xg[k] =
en otro caso

Dualidad multiplicación- x["]y["]

convolución

x[n]®y[n]= ^ x[m]y[n-m]'

Primera diferencia x[n] - x[íi - l]c ) (1 - e-^'^'^-^^'jXlA']

hacia atrás
x\n] - x[« - 1 ] ^ ^ ^ (1 - e-^'*'""OX[¿]

TS X\k]
Acumulación k ^0
1 _ g-Íl-ni.kF(,)
•í=-5C

rs X[k]
k^Q

Funciones de valor real SiRe(x[íi]) = x[n], entoncesX[A1 = x'[-k].

Teorema de Parseval ^ E W"]l'= E \X[k]\-

4.10 CONVERGENCIA DE LA SERIE DE FOURIER

TABLA 4.1
Error cuadrático medio
EN TIEMPO DISCRETO
(ECM) en función deA^
La convergencia de la SFTD es tnás simple que la de la SFTC. Como la sumatoria es finita, la igualdad
N ECM exacta entre una función y su representación en SFTD se consigue con un número finito de términos N^.
0 0.2343S Una señal en TD x[n], similar a la onda cuadrada en TC utilizada para ilustrar la convergencia de la
1 0.03303 SFTC, y su función armónica de la SFTD X[k] se ilustran en la figura 4.50 junto con la señal en TC
2 0.03303 correspondiente y su función annónica de la SFTC para comparar. En las figuras de la 4.51 a la 4 . 5 3 se
3 0.01181 eticuentran las sumas parciales,
4 0.01181
5 0.00497
6 0.00497
No
7 0.00207 x«[«] = ¿ X[k]e^-^'"'k/N,,) N < (4.309)
8 0.00207 k=-N
9 0.00076
10 0.00076
il 0.00020 para N= 1, 3, 5. los eiTores asociados x^v[/j] - x[n] y los errores cuadráticos (X,V[HJ - X [ H ] ) - .
12 0.00020 Es evidente a partir de estas figuras que las sumas parciales se aproximan a la función en TD y
13 0.00002 que el error cuadrático medio es una función monótona decreciente de N (tabla 4.1). La suma parcial
14 0.00002 para A' = 15 es exactamente la misma que para la función en TD original. No existe fenómeno de Gibbs
15 0.00000 en el caso de la SFTD. Además la convergencia hacia la media en una discontinuidad, la cual se mos-
 Seña] de T D . X [ í ! ] Señal de TC, x(/) 233
4.10 Convergencia de
la serie de Fourier
en tiempo discreto

H - +
128 -16 128

IXWI

0..S- 0.5--

Ir»»-. ...ítí ....^^ ...fl

--••^ ' 1 '

-64 64 -64 64
Fase de X[A-]

\ -i-
lii: 64
-64

FIGURA 4.50
Una señal en TD con su función armónica de la SFTD y la correspondiente señal en TC con una función
armónica de la SFTC.

tro en el caso de la SFTC, no tiene significado en el caso en TD porque la discontinuidad no tiene

sentido. Una función en TD no tiene continuidad.
La señal en TD de la figura 4.49 es casi la señal formada al muestrear la correspondiente señal en
TC, de acuerdo con la regla que se presentó en el capítulo 3 pai-a el muestreo en presencia de disconti-
nuidades.

g[/T] = lím p ( í T r , + 8 > O,

£—0 (4.310)

Suma parcial, N = 1

I —
i

\i ,\ 1—>^it
^ 128

ator
X , [ H ] - X[íl]

•iinT. Ii, J •TIMl. i!f ll! •TI tIT. Ilt fl! •TMIT» L J

- 0 , 4 4i
F 1 'IjJJl' lilll

Error cuadránco medio = 0.0330.3.1

fxilnl -
i ?;[;t])-

FIGURA 4,51
Suma parcial, error
LssJ \USíJ -ttíTf- LiiiJ •I 11 y error cuadrático para
234 Suma parcial. N = 3

v v

Error

0.4 -t

tt!. .ti, l ttt j ,!f, ,tlr l tTt i ,Tt, ,iTf ll Ht tI fTi, ,tTt l ftl, T
iir -iji -111 iir 111 ' "
128
-0.4-|-

Error cuadrático medio = 0.011S08

(Xjt/í] - X[í!])-

Ü.15--

FIGURA 4.52
Suma parcial, enm
y error cuadrático para itt1f,*T*.t1l
N=3, 128

pero no es suficiente. Observe que en tiempos discretos n = 0± m{N(/2), donde m es un entero, la señal
tiene el valor i en vez de cero o uno. Es interesante ver lo que ocurre si realmente se muestrea la señal
en TC {figura 4.54).
Puesto que las dos funciones en TD son distintas, no debe esperar que las funciones armónicas de la
SFTD sean iguales. Sus magnitudes son casi las nnismas. pero la fase es notablemente diferente. Ahora
ya no es tan simple cambiar en un sentido y en otro entre Ji/2 y -(7t/2). puesto que ahora fiene una

Suma parcial, ;V= 5

l! . rl il¿-N."-iJr"" > "

'i « i '
128
Ejrpr
x,[n] - x[íi]

0.4 —

*t- -T- |T* .í t> tr f. tT. .t. .ll .1 tt tt f. tt. j . .N .1 H n Ti"' ^ „

-0.4 +

i
Error cuadrático medio = 0.004972
{x,ln] - X[H])-

0.15-

FIGURA 4.53
Suma parcial, error .
y error cuadrático para —jl.t>...—jJJj 4 "" > n
N=5.
 Señal en TD, X [ H ] 235
4.10 Convergencia de
la serie de Fouríer
en tiempo discreto

128

0.5

j.l.T.l.T.T.I.l.t.T.I.I. •I.U.i.u.'/.'.'.U ,I.I,1,f,t,T.I,t,t,I.T,I, .l.I.I,l.T.t,t.T,T.I.I,l,

\—
-64
Fase de Xík]
I
nGl]RA4.S4
Una señal en TD

-64
di 64
_^ ^ alternada, que se forma
muestreando la señal
en TC correspondien-
te, y su SFTD.

dependencia lineal de la frecuencia superimpuesta sobre ella. Si examina la primera armónica de la

SFTD, verá la razón. Para la segunda señal en TD,

^ 0 íi=;,v„¡ ^2 R=o 11=0

1 1 - e-^'
32 1 - 32 íf--''^''32) g4-;(-.T/32) _ ^-j(-rr/32)

= -jO,3188e+^'"/'-* = 0.03124 - yO,3173 (4.311)

Por comparación, esta nñsma armónica para la señal en TD fue

X[1J = - j O , 3 1 7 3 . (4.312)

Las partes imaginarias son las mismas, pero la función armónica de la SFTD de la segunda señal tiene
una parte real pequeña, pero distinta de cero, igual a 0.03124 y eso causa una diferencia de fase. Recuer-
de que una diferencia de fase en la función armónica de la SFTD corresponde a un desplazamiento en el
tiempo en el dominio en T D . La figura 4.55 ilustra la relación entre la señal original en T D y su suma
parcial Af= 1 para ambas señales en T D .
Para ambas señales en T D , la suma parcial A' = 1 consta del valor promedio i , más un seno cuyo
periodo fundamental es igual que el de la onda cuadrada A^o = 32. Para la primera señal en T D , la onda
seno fundamental tiene su cero cruzando los puntos « = O y n ™ 16. También tiene sus picos en los puntos
n = S y « = 24, que son los puntos de simetría del primero y segundo periodos medios de la onda
cuadrada. No tiene desplazamiento de fase (lo que corresponde a las gráficas de fase que son la fase de
un coseno). Para la segunda señal en T D , la onda seno fundamental está un poco corrida en la fase
porque el punto de simetría del primer medio periodo de la onda cuadrada no cae exactamente en un
valor entero en T D , sino más bien, a la mitad entre los puntos H = 7 y Í: = 8, y la función seno tiene que
desplazarse en una canüdad correspondiente. Esto ilustra una de las muchas sutilezas del muestreo.
Cuando se incrementa la velocidad del muestreo, la diferencia entre las dos señales en T D se vuelve
progresivamente menos importante.
 Primera señal en TD Señal en TD, xUí)

1
m
I I
••i
1 --r t
0,5

-32 32 -.32 32
Suma parcial, ÍV = 1 Suma parcial. A' = 1
Xii"i ;;

FIGURA 4.55
1 -¬ 1 -¬
Comparación de las

\\h.
0.5 0.5
sumas parciales de IITI..„„...IÍ1I , „ 4 iTlt. .til:
iV= 1 para las dos AL.
-32 32 -32 32
señales en TD. íj = 7 í! = S

4.11 RESPUESTA EN FRECUENCIA DE SISTEMAS LIT

CON EXCITACIÓN PERIÓDICA
La razón para estudiar la serie de Fourier es que constituye una herramienta para el análisis de la res-
puesta de un sistema LIT a una excitación. Puesto que sólo las señales periódicas pueden expresarse en
todo tiempo como una serie de Fourier. el análisis que utilizan estas tiltimas se limitará a una excitación
que es periódica. (Esa limitación se eliminará en el capítulo 5 con la introducción de la transformada de
Fourier.) Retorne al filtro pasabajas RC como primer ejemplo. Recuerde que la ecuación diferencial que
describe la relación entre la señal de voltaje de entrada \\.„{T) y la señal de voltaje de salida Y^.^^F)

fíCv' (r) + V,„(f) = Ve„(í). (4.313)

Considere que la señal de voltaje de entrada v^^(/) es periódica y está expresada como una SFTC com-
pleja.

(4.314)

donde se elige q u e s e a igual a / p , la frecuencia fundamenta! de la excitación. Puesto que éste es un

sistema LIT. es posible encontrar la respuesta determinando de manera individual la respuesta a cada
senoide compleja y sumándolas después. La ecuación para la senoide compleja de la señal de voltaje de
entrada ír-ésima es

R C V ' M } + Vs.u(/) = Vc^.DN = Y,n\K]E (4.315)

La señal de voltaje de salida de estado estable será de la misma fonna que la señal de voltaje de entrada,
con la misma frecuencia A/Q, pero con una SFTC compleja diferente (en general). Considere que la
forma de la respuesta de la K-ÉSÍMA excitación senoidal compleja es

(4.316)

Entonces la ecuación se convierte en

(4.317)

Es importante, en este punto, observar que al suponer una solución de esta forma, la ecuación diferem
cial ha sido cambiada por una ecuación algebraica. Se ha transformado la forma en que se describe la
excitación y la respuesta y, al hacerlo asL se ha transformado la ecuación diferencial en una algebraica.
Al despejar de la ecuación algebraica Vj,¡,¡[A-],

(4.318)
JLKIRFORC + 1
La solución de estado estable para la respuesta es entonces 237
4,11 Respuesta en
(4.319) frecuencia de sistemas
UT con excitación
periódica
Observe que la relación entre la función armónica de la SFTC de la respuesta V^^|[A']y la función aimó-

y^inlk]
nica de la SFTC V|,„[t] es una función de la frecuencia kf^. Si la frecuencia f u n d a m e n t a l d e la señal de
voltaje de entrada es pequeña en comparación con \/2iíRC, entonces para valores de ¿pequeños,
y Vg„[A'] son aproximadamente iguales,

1
lím = 1.
(4.320)
t / „ - . 0 Ven [A:] A-,/;."ío JIKNFORC + 1

Tanto más alta se vuelve k, tanto más pequeña se convierte V^.,i[A'] en comparación con V^^[A-],
Vsal[¿] 1
lím = lím = 0. (4.321)
Kh^x jlk-nf^RC + 1

Este circuito no realza las frecuencias más altas en la señal de voltaje de entrada y tiene muy poco
efecto sobre las bajas. Por esta razón recibe el nombre de filtro pasabajas; deja pasar los componentes
de la señal de voltaje de entrada de baja frecuencia. Lo anterior puede ilustrarse haciendo gráficas de la
magnitud y fase del cociente de las dos funciones armónicas de la SFTC, V53[[A:]/Vj.„[A'] (para una
elección particular de ií, C y / Q ) , como en la figura 4.56. Como puede observarse en la figura 4.56, el
cociente de las magnitudes es aproximadamente uno para bajas frecuencias y disminuye hacia cero a
frecuencias más altas.
Compare ahora el análisis de la SFTC con una técnica aprendida en el análisis elemental de circui-
tos que utiliza/iTjforeí para resolver respuestas de estado estable en circuitos excitados por tina senoide
simple. La senoide se convierte primero a una senoide compleja con una magnitud igual a la amplitud
de la senoide y un ángulo igual al desplazamiento de fase de la senoide relativa a un coseno.

Acos(2'rT/ní + B)Ae^-^-^'^'e^^ (4.322)

En ese caso la variación con f se suprime porque en estado estable todos los términos en la ecuación
diferencial tienen la misma forma funcional de dependencia del tiempo.

Ae i» AZB. (4.323)

-t

V,all^l
Venial

-kfü
FIGURA 4.56
Magnitud y fase del
cociente V,„[A]/V,„ [A]
en función de la
ff = 1 n, C = 1 F, / o = 0 . 0 5 H z frecuencia.
 Entonces la solución se encuentra utilizando las impedancias y Z^. del resistor y el capacitor, respec-
tivamente, y la notación de fasores para los voltajes de excitación y respuesta. La ecuación de fasores
CAPÍTULO 4
La serie de Fourier para el filtro pasabajas RC, que relaciona la excitación y la respuesta (al escribir la impedancia en la
manera convencional en términos de la frecuencia en radianes ro), es

z . l/./cüC V,.
-Ven = (4.324)
Z , + ZR ^" (\¡jiaC)+R ^" juiRC+l JITT/RC + l

La similitud entre este resultado y el del análisis de la SFTC

Vsalf^l = (4.325)
j2i:(kfü)RC+\ j(kiüo)RC+l

es evidente. La única diferencia real es que en el análisis de fasores la suposición es que la excitación
corresponde a una senoide compleja de una frecuencia. En el análisis de la SFTC la excitación es una
combinación lineal de senoides a múltiplos enteros de la frecuencia fundamental de la excitación. Por lo
tanto, el análisis de la SFTC es equivalente al análisis de fasores, hecho múltiples veces, una vez para
cada componente en las frecuencias armónicas en radianes tó o a las frecuencias cíclicas/presentes en
la excitación.

EJEMPLO 4;9

E Encuentre la respuesta del sistema ilustrado en la figura 4.57 para ia excitación en TD de onda cuadrada periódica

i-. x[n] = rectTlr] * combul»]. (4.326)

• Solución
La ecuación en diferencias que describe a este sistema puede determinarse al combinar las dos ecuaciones en
diferencias
y[n] = 5x[/i] - yi[íí] (4.327)

y][;i] = x[n] -F - y i l n - 1] (4.328)

y[«] = 4 ( x [ « I - x [ « - ] ] ) + -y[/¡ - 1]. (4.329)

Puesto que la excitación x[íi] = rect,[fi]*combg[n] es periódica, puede expresarse como

(4.330)
i- = (íVu) 1-=J8;

donde, si se utiliza

rs 2N„. -F 1 ,/ í , „
recí A'„, [ll ] * comb [/; ] - •drcl — , 2N„, + 1 (4.331)

se obtiene

5 ík \ I sen(|í:TT)
X[k] = - drcl - , 5 = '- . (4.332)
8 VS / 8 sen(AnT/8)

—, ^\+J *- yUú

FIGURA 4.57 4
D
Un sistema en TD. 5
1 Excitación
x[«]
4.12 Resumen de
.1 puntos importantes

-16 16
Respuesta

3- -

Illl III Illii I ll.

11
1
-16 16 FIGURA 4.58
Excitación y resptiesta
1 1
-3 - de un sistema en TD,

La respuesta que también es periódica con el mismo periodo fundamental se expresa como una SFID en la forma

y[„] = Y YWe'''"""^. (4.333)

Al susrituir esta foraia para y[/!] en (4.329) se obtiene

Y
i-=(8¡
Y[k]e^^"="'^" = 4 Ex[jt]e^^'*"'^' -
\í=(8)
EX[A-]Í^"""'-"/^' + - Y[Jt]í^^'*"'-"'". (4.334)

Al despejar Y[A-¡ se encuentra

(4.335)

(4.336)

Por lo tanto, al combinar (4,333) y (4.336),

(4.337)

Se puede elegir cualquier intervalo para k de longitud ocho. Por conveniencia, se elige - 4 < í: < 4. En ese caso

Medíanle (4.338) ahora es posible graficar x[/i] y yl'i] en función de n (figura4.58). •

4.12 RESUMEN DE PUNTOS IMPORTANTES

1. La serie de Fourier expresa una señal periódica como una suma de senoides en armónicas de la
frecuencia fundamental de la señal.
2. Las senoides que se utilizan en la serie de Fourier para representa!' una señal son ortogonales en-
tre sí.
 3. Es posible encontrar una SFTC para cualquier seiral en TC que satisface las condiciones de Dirichlet.
4. Las formas compleja y trigonométrica de la serie de Fotu-jer se relacionan a través de la identidad
de Euler.
5. Para señales en TC continuas la serie de Fourier converge exactamente con la señal en cada punto.
6. Para señales en TC discontinuas la serie de Fourier converge exactamente con la señal en cada
punto salvo en los de discontinuidad. Los efectos de la señal real y su representación en serie de
Fourier sobre cualquier sistema físico real son los mismos.
7. Para señales en TD. la convergencia de la SFTD es exacta en cada punto.
8. La SFTD de una señal es una sumatoiia finita debido a la naturaleza del tiempo discreto.
9. Si un sistema LIT se excita mediante una señal periódica, la respuesta también es una señal perió-
dica con el mismo periodo fundamental.
10. La relación entre la excitación periódica y la respuesta periódica de un sistema LIT caracteriza al
sistema.

EJERCICIOS CON RESPUESTAS

1. Use MATLAB para graficar cada suma de senoides complejas en el periodo indicado.

1 ^ (k ,./-UUT7Í-f
—15 ms < f < 15 ms
10

9 r
k + 2 k - 2'
,-t()77Í.-/
stnc — smc
k = -9

- 2 0 0 ms < r < 200 ms

Respuestas:

S(í) sCí)

-0.2
1 1
1 1 r "1 r '4 r *- mm)
-15 \5
2. Demuestre mediante integración analítica directa que la integral de la función

g(f) = A sen(2-iTr)S sen(47r/)

es cero para el intervalo - i < ! < h

3. Convierta iafuncióng(rj = (I + j>J-''^'-(-(l -j>-J-*'''a una forma equivalente en la cual no aparezca;'.

Respuesta:

2 cos i47if) - 2 sen (4Ttr)

4. Use MATLAB para graficar las siguientes funciones en el intervalo de fiempo indicado y observe
en cada caso que el área neta bajo el producto es cero.

I
a) x(í) = - 3 s e n ( 1 6 T 7 í ) x 2cos(24Trr) O < f < -
4
b) x(í) = - 3 s e n ( 1 6 T r n x 2cos(24'rTr) 0< r < 1

c) x(/) = - 3 sen(167Tí) X 2cos(247T/) — - < / < —

d) xít) ~ lo 16
X | ( r i x n ( f ) , donde X | ( / ) es una onda cuadrada par con ciclo de trabajo de 50%

periodo fundamental de 4 s y un valor promedio de cero y X i í í } es una onda cuadrada impar

con ciclo de trabajo de 50% y periodo fundamental de 4 s y valor promedio de cero.
e)
x(f) = X ] ( í ) x : ( í ) . donde x i ( í ) = reci(2f} * c o m b ( r ) and X2(r) =
[rect(4u - | ) ) * i c o m b ( r / 2 ) ] - |
Respuestas: 241

Jitr)

0.25
-6 +

4:
-0.062?

5. Una fimción seno puede escribirse como

sen(2TT^,í) =
72 •
Ésta es una SFTC compleja muy simple en la cual la función armónica sólo es distinta de cero en
dos números de armónica, +1 y - 1 . Verifique que se puede escribir la función armónica directa-
mente como

X[k] = ^ ( 5 [ A - + n - 5[A- - 1]).

Escriba las expresiones equivalentes para sen(27t(- /o)f) y muestre que la función armónica es la
conjugada compleja de la anterior para sen(2jt/()/).
6. Para cada señal, determine la SFTC compleja que es válida p;u-a todo üempo. grafique la magni-
tud y fase de la función ai'mónica en función del número de armónica k y luego convierta las
respuestas a la forma trigonométrica de la función armómica.

a) x(í) = 4 rectt4f) * comb(/)

1
b) x(r) = 4rect(4r) * - c o m b ( i
c] Una señal periódica que se describe para un periodo fundamental mediante

sgn(r) |/| < 1

Xlí =
O l < lí| < 2

Respuestas:

IXIJtlI |XM! |X[í:||

¡asi 1.

j Tt.ttT.ttT.iTl.í . I T t . t T T . T T T . i t . ¿.

Fise de X[í-] FML- de X[i-1 Fase de XI i I

JTT TU I T I TIT T í í • I 1I , ím - - - - - II I II
^ 1
- I S

1 1 1 11 _

COS('7TA/2) - 1
X,[AI = 0. XAk] = j2-
TTA

X,IA1 = 2sinc( ^"j . X,-[A] = 0. X,[A] = - sincf — ) , XJAi = O

\ 4/ 4 \ 16 /
 7. Use la tabla de transformadas de la SFTC en el apéndice E y las propiedades de la SFTC para
determinar la función armónica de la SFTC de cada una de las siguientes señales periódicas,
utilice el periodo de representación Tf indicado.

1
a) xii) 10sen(20Tr/)

b) x{r) ZcosdOOiríf - 0.005)J

c) x(f) -4COS(500TT/:)

d
d) x(f)
dt

e] x[t) = rect(r) * comb ( - Tf=4

f) x(r) rect(í) * comb{/) Tr= I

g) tri(f) * comb(r) TF = 1

R&spuestas:

- 2 ( 5 [ í : - 5 ] + 5[í: + 5]), 5[A-], S[A-], p ( S [ ¿ + 1] - 5[A-- 1]),

,/{5[A + 1] - 5 [ A ' - 1]), -;10TTS[jt+1], sinc(^-

8. Si una señal periódica x(f) tiene un periodo fundamental de 10 s y su función armónica es

X[A-] = 4 s i n c ( ^ ^ ^

con un periodo de representación de 10 s, ¿cuál es la función armónica de z(í) = x(4f) utilizando el

mismo periodo de representación de 10 s?

Respuesta:

4 sinc - es un entero
ZL¿j =

. O en otro caso

9. Una señal periódica x(r) tiene un periodo fundamental de 4 ms y su función armónica es

X[A] = 15(8[A - 1] + 8[A-+ 1])

con un periodo de representación de 4 ms. Determine la integral de \{t).

Respuesta:
3
sen(500TTf)

10. Si X[A-] es la función armónica para un periodo fundamenlal de una onda cuadrada de amplitud
unitaria y ciclo de trabajo de 50% con un valor promedio de cero y un periodo fundamental de I
ps. encuentre una expresión compuesta por sólo funciones de valores reales para la señal cuya
función armónica es X [A - 10] + X[k + 10]

Respuesta:

2[2rect(2 x 10''V) * lO^combf 10^/) - l ] c o s ( 2 x l O V í )

11, Encuentre la función armónica para una onda seno de la forma general A sen(27t/(|í). Después,
mediante el teorema de Parseval, determine su potencia de señal y verifique que es la misma que
la encontrada directamente a partir de la función.
• Respuesta: 243

12. Demuestre para un seno y para un coseno que las funciones armónicas de la S I T C tienen la
propiedad

X\k] = X*\-k].
13. Determine las funciones de tiempo asociadas con las siguientes funciones armónicas suponiendo
que 7-^- = 7n = 1.

XICJ = fi[A- - 2] + m + m + 2]

b) Xm = 10 sinc ( ^
10/

Respuestas:

2 c o s ( 4 T T r ) + 1, 100 rect(lOí) ==
f comb(r)

14. Encuentre las partes par e impar x^(f) y x„(/) de

x(/) = 20 cos (4011? +

Luego determine las funciones armónicas X^k] y XJk] que les corresponden. Mediante la pro-
piedad de desplazamiento en el tiempo obtenga la función armónica X[k] y compárela con la
suma de las dos funciones armónicas X^[k] y Xg[k].

Respuesta:

mh[k - i]f^'<^'6j + 5[A- + i]e-^''"/^')

15. Mediante la fórmula de la sumatoria directa determínese y dibtíjese la función armónica de la

S F I D de Comb ,vj«j con Np =

Respuesta:

-S -fi -4 -2

-6 -4 2 4 6 8

16. Use la tabla de transformadas de la SFTD en el apéndice E y las propiedades de la SFTC para
determinar ta función armónica de la SFTD de las siguientes señales periódicas utilizando el
periodo de representación Np indicado.

'2lT«\
tí) x\i¡] = 6 cos Nf = 32
32 J
(l-nin -2)\
b) x[n] = 10sen(^ - - j Nf = 12

"/Il n
X| - - es un entero
c) x[«] = L8J 8 Mf = 4 8
O en otro caso

/2iTíA
donde xi [n] = sen I I
244 d] x[H 1 = = 6

CAPÍTULO 4 /2^n\ /2^(«-l)\

La serie de Fourier e) x[n] = cos — cos N¡.- = 16
V 16 / V 16 /

F) x[;i] = -sen Y j = 64

g) x[n] = rect5[/?] * combii[«] ^^=11

/;) x[)í] = rect2[';] * comb:i[« — 3] Nf = l\

Respuestas:

Mk] = comb,, [ A ] . X[A-] = A drcl Í-^'-^^''^',

2 combialí:- IjH, , c o m b + 1],

X[í.i = 3(comb32[A - I] + comb.,2[A- + 11),

XIAl = — (combft[A + i ] - combJA- - 1]).

16

X[A-] = A- (combeaíA- + 33] - comb^lA - 3 3 ] ) , combelA],

X[A-] = 75(comb,2[A- + 1] - combi;[A- - l])e-'^'^'^-''

17. Encuentre la función ttrmónica de la SPTD de

x[í?] = E comb3[m] - comb?]/;? - 1]

con Np = = 3.

Respuesta:

X[A-] = \
j

18. Detennine la potencia promedio de señal de

\[n] = rect4[/jT * combiol"]

directamente en el dominio en TD. luego determine su función armónica X[k] y la potencia de

señal en el dominio A, demuestre que son las mismas.

Respuesta:

9
20

19. Mediante la propiedad de desplazamiento en frecuencia de la SFTD encuentre la señal en el

dominio en TD x[«l correspotidiente a la función armónica

7 / A - 1 6
XÍA] = — drcl .7
32 V 32

Respuesta:

(rectí[í!] * c o m b 3 2 [ « ] ) ( - 1)"

20. Determine la función annónica SFTD para

x[íi] = rect3[íij * comb¡j[Hj

 con el periodo de representación A ' ^ = 8. Después use MATLAB, para graficar la representación
de la SFTD

dado el intervalo en TD - 8 < n < 8. Con fines de comparación grafique la función

21)

x„["j = J2 mW"^""^''>

para el mismo intervalo. Las gráficas deben ser idénticas.

recl3¡í!| * combain] < ''^'^ > - drcl 1

Respuesta:

í = 13:20

EJERCICIOS SIN RESPUESTAS

21. Una señal periódica xíf) con un periodo de 4 s se describe dado un periodo fundamental mediante

xfr) — 2> - t O < / < 4.

Grafique la señal y determine su descripción de la SFTC trigonométrica. Después grafique

sobre la misma escala aproximaciones a la señal x.vff) dadas por

N
XNU) = X,[0] + Y X,[A-] c o s { 2 7 T ( A ' / f )n + XJA] sen(27r(A7F)/)
í-=i

para iV = 1. 2 y 3. (En cada caso la escala de üempo de la gráfica debe abarcar al menos dos
periodos fundamentales de la señal original.)
22. Una señal periódica x(t) con un periodo fundamental de 2 s se describe para un periodo funda-
mental mediante

sen(2'7Tr) |r|
x(r) =
 Grafique la señal y determine su descripción de la SFTC compleja. Después grafique sobre la
misma escala aproximaciones a la señal ^N^^) dada por

k=-N

para A' = 1, 2 y .3. (En cada caso la escala de tiempo de la gráfica debe abarcar al menos dos
periodos fundamentales de la señal original.)
23. Encuentre y grafique dos periodos fundamentales de la descripción de la SFTC compleja de
cos(27iO-
a) Para el intervalo O < r < 1
b) Para el inter\'alo O < / < 1.5

24. Use MATLAB para graficar las siguientes señales dado el intervalo de tiempo - 3 < r < 3.

a) Xo(í) = 1

b) xi(f) = xo(í) + 2 005(2-7?/)

c) X2(/) = xi(f) + 2COS(4TT/)

d) X2o(r) = X|9(í) + 2 cos(407r/)

Para cada parte, de d) a d). evalúe numéricamente el área de la señal para el intervalo de tiempo
- s <f < i
25. Use las propiedades y la tabla de transformadas de la SFTC en el apéndice E, para determinar la
función armónica de la SFTC de las siguientes señales periódicas dado el periodo de representa-
ción Tf que se indica.

a) x(f) = 3 rect ( 2 (f - ^ * comb(r) Tf = 1

Recuerde: Sí g(/) = go(í) * 6(í),

entonces g(r - fo) = go(f - * 5 ( 0 = goíO * 8(f - fo)
y g(f - fo) # go(f - íü) * 5(/ - /o) = g(í - 2ro).

b) x(í) = 5[tri(f - 1) - triíí + 1)] =1= ^ Tf=A

c) x(f) = 3 s e n ( 6 i T f ) + 4 c o s ( 8 T T f ) Tf=\

d) x(/) = 2cos(247rí) - 8cos(30TTf)-F 6sen(36Trí) Tf = 2

e) x(f) comb(\) — comb Tf = \

^ - 2

f) x(r) = 4 cos( lOOirr) senf 1 OOOTT;) Tf = —

í t \
g) x(f) 14 rect f - ) * comb ( — ® 7 rect * comb
Vs/ Vl2 \5;
Tf = 24

h) x(f) = 8rect ( *comb^-^^® -2rect(-j*comb(¿^^

Tf = 20

26. Una señal x(f) se describe para un periodo fundamental mediante

-A ^ <f < 0
x(r) = 2
A 0 < r < ^ '
2
 Dclerminc la función armónica de la SFTC compleja y luego, medianíe la propiedad de integra- 247
ción, encuentre la función armónica de la SFTC de su integral y grafique la representación de la
Ejercicios sin
SFT'C resultante de la integral. respuestas
27. En algunos tipos de sistemas de coimtnicación los datos binarios se transmiten utilizando una
técnica denominada codificación binaria por desplazainiento de fase (CDFB) en la cual un 1 se
representa por una ráfaga de una onda seno en TC y un ü mediante una ráfaga que es el negativo
exacto de la que representa a 1. Considere que la frecuencia del seno es de 1 MHz y que el ancho
de la ráfaga corresponde a 10 períodos de la onda seno. Encuentre y grafique la función armóni-
ca de la SFT(" para una señal binaria periódica compuesta por Is y Os utilizando su periodo
fundamental como el periodo de representación.
28. Use las propiedades y la tabla de transfonnadas de la SFTD en el apéndice E para encontrar la
función armónica de cada una de las siguientes señales periódicas dado el periodo de representa-
cit'mM^qtiese indica.

a) X[H] = f ®comb.4[n] = 48

/2itn\
b) x[n] = (rectjlfi] * comb24L"J) sen 1 I A'/. = 24 • . - •: , .

x\n \ = x\\n\ - x\[n - IJ donde X i [ « ] = tri (-) *comb2o['i]

Nf = 20

29. Determine la potencia de señal de

/ l4'TTn\ /26TTtt
xí/í] = 5 sen — 8 cos
V 15 / V 30

30. Encuentre ta función armónica de la SFTD X[í:] de x[n] = (rect,[n -- I ] - recti[« - 4J)*coinbri[n].
Grafique la suma parcial ^^¡n | = )i,):__^:Xlk¡eJ''^"^'^'' para A' = O, I, 2, y luego grafique la suma total

31. Encuentre y grafique la magnitud y fase de la función armónica de la SFTD de

/2TT \ /2'rT
x[n] = 4 cos i—nj + 3senl — ? !

que es válida para todo tiempo discreto.

32. El Sol que brilla sobre la Tierra es un sistema en el que la potencia radiante de la estrella es la
excitación y la tetnperatura atmosférica (entre muchas otras cosas) es la respuesta. Un modelo
sitnplificado de la potencia radiante qtie incide sobre un lugar de latitud media en América del
Norte considera que es periódica con un periodo fundamental de un año y que cada día la potencia
radiante de la luz solar aumenta linealmcnte desde cl momento en que el Sol sale hasta qtte se
eticuenü'a en su zenit y que luego disminuye liuealmeute hasta que el astro se pone. La Tierra
absorbe y almacena la energía radiante e irradia parte de ella hacia el espacio cada noche. Para
mantener el modelo de la excitación lo más simple posible, suponga que la pérdida nocturna de
energía puede considerarse cotno una continuación del palriín de potencia radiante lineal diario
con la excepción de que es negativo en la noche. También existe una varitición con las estaciones
causada por la inclinación del eje de rotación de la Tierra. Esto provoca que el patrón de aumento
y descenso lineal aumente y disminuya senoidalmente en una escala de riempo mucho mayor que
la que se ilustra en la figura E32.

a) Escriba una descripción matemática de la potencia radiante del Sol.

h) Suponga que la Tierra es un sistema de primer orden con una ctmstante de tieinpo de 0.16
años. ¿Qué día del año debe ser el más caliente de acuerdo con este tnodelo simplificado?

33. La vek")cidad y el tiempo de los cálculos de una computadora se controlan por medio de un reloj.
Este últiino es una secuencia periódica de pulsos rectangulares, por lo común con un ciclo de
trabajo de 50 por ciento. Un problema en cl diseño de tarjetas de circtiilo de computadora es que
la señal del reloj puede interferir con otras señales en ei tarjetero al acoplarse con circuitos adya-
centes a través de la capacitancia parásita. Considere que el reloj se modela mediante una fuente
de voltaje de onda cuadrada alternante entre 0,4 y 1.6 V a una frecuencia de 2 GHz, y que cl
248 P o t e n c i a radiante
hmw 21
CAPÍTULO 4
La serie de Fourier 1.75

Díii

-0.75 365
-1
FIGURA E32 Diciembre 21

acoplamiento en los circuitos adyacentes se tnodela mediante una combinación en serie de un

capacitor de 0.1 picofarad (pF) y una resistencia de 50 Q. Determine y grafique para dos periodos
fundamentales el voltaje en la resi.stencia de 50 Q.
34. Encuentre y grafique en función de F la magnitud de la respuesta y[í!] a la excitación periódica

x[«J = cos(2iiF«)

en el sistema que se muestra en la figura E34.

yt»]

0.9
FIGURA E34
 r A p I T IT I o 5
La transformada de Fourier

5.1 INTRODUCCIÓN Y OBJETIVOS

La serie de Fourier es una fina herramienta de análisis, pei'o tiene límites. Puede describir cualquier
señal útil para la ingeniería en un tiempo rinito y cualquier señal periódica para cualquier üempo como
una combinación lineal de senoides. Pero no nene la posibilidad de describir una señal aperiódica para
todo tiempo.
En este capítulo se extenderá la idea de la serie de Fourier para hacerla aplicable a señales ape-
riódicas, desan-oUando la transformada de Fourier. Ss verá que la serie de Fourier es sólo tm caso
especial de la transformada de Fourier. Esta extensión se realizará para señales en tiempo continuo y
discreto en formas análogas. Se inicia formulatido las ce'cntcas de análisis y de diseño de sistemas en el
dominio de la frecuencia, las cuales se aplicarán cn mayor medida cn el capítulo 6. Por último, se hará
una revisión completa de los cuatro métodos de Fourier, comparándolos, conviniendo unos en otros y
desarrollando varias relaciones que serán valiosas en capítulos posteriores, en especial en el 7 que trata
del muestreo.

Ott.lKTlVOS nVA. CAl^í t t L O

1. Generalizar las series de Fourier para incluir señales aperiódicas definiendo la transformada de
Fourier para señales tanto de TC como en TD
2. Establecer que tipo de señales pueden describirse mediatite una transformada de Fourier y cuáles no
3. Deducir y deitioslrai^ las propiedades de la transformada de Fourier para señales en TC y TD
4. Demostrar las inlerrelaciímcs entre todos los ¡nétodos de Fourier

5.2 LA TRANSFORMADA DE FOURIER

EN TIEMPO CONTINUO

LA TRANSICIÓN DE LA SERIE DE F O U R I E R EN T I E M P O C O N T I N U O
A LA T R A N S F O R M A D A D E F O U R I E R E N T I E M P O C O N T I N U O

La serie de Fourier como una herramienta de análisis para sistemas LIT es muy buena cn muchas
formas, pero ticnü una desventaja importante: puede representar, para todo tiempo, únicamente señales
periódicas. La transfonnada de Fourier es una extensión de la serie de fourier para pertnitir la represen-
tación tanto de señales periódicas cotno aperiódicas cn tt>do tiempo. La diferencia principal entre una
señal periódica y una aperiódica es que la primera se repite en un tiempo finito 7y, denominado periodo
fimdamental. Dicha señal se ha estado repitiendo con ese periodo por siempre y continuará así. Una
señal aperiódica carece de periodo. Puede repetir un patrón muchas veces dentro de algún tiempo finito,
pero no durante todo el tiempo. La transición entre la serie de Fourier y la transformada de Fourier se
lleva a cabo al encontrar la forma de la serie de Fourier para una señal periódica para luego dejar que el
periodo fundamental tienda a inlimto. Si esto ocurre, la señal no puede icpctirse en un tiempo finito y,
por lo tanto, ya no es periódica. En otras palabras, afirmar que una señal tiene un periodo fundamental
infinito y afirmar que es aperiódica es lo mismo.
250 |XMl

CAPÍTULO 5
0.3 -
La transformaba de
Fourier

xCí)
ttrTTTÍ IllllTtt,
1—1 A
-50 50
FIGURA 5.2
^0
Magnitud de la función armónica de la SFTC de
FIGURA 5.1 una señal de onda rectangular de ciclo de trabajo
Señal de onda rectangular. de 50 por ciento.

Considere una señal x(í) en el dominio del tiempo compuesta de pulsos rectangulares de altura A y
ancho vr con periodo fundamental Tj, (figura 5.1). Ésta es una señal periódica específica, pero ilustrará
el fenómeno que ocurre al dejar que el periodo fundamental tienda a infinito en una señal general.
Al representar este tren de pulsos con una SFTC compleja para exactamente un periodo fundamental
(Tp- = TQ). se encuentra que la función armónica de la SFTC X[k] de x(í) corresponde a

Aw . fkw
X[k] = smc (5.1)
To

Suponga que w - T^/l (lo que significa que la forma de onda está en A la mitad del tiempo y en cero
la otra mitad). Entonces

A (k
X[k] = - sinc f - (5.2)

Una gráfica de X[A'] en función del número de armónica k se muestra en la figura 5.2 (con A = 1 y Tg = 1).
Ahora considere que el periodo fundamental TQ (y Tp) aumenta de uno a cinco. En ese caso X [ 0 ] se
vuelve y la fiínción armónica de la SFTC es

1 / k
X[k] = — sinc — (5.3)
10 Vio
(figura 5.3). La magnitud de la ampfitud armónica máxima es 5 veces más pequeña que antes debido a
que el valor promedio de la función es 5 veces más pequeño que antes. Cuando el periodo fundamental
TQ se ™elve más grande, las amplitudes armónicas se encuentran sobre una
función sinc más ancha cuya amplimd desciende a medida que TQ crece. En el
|XM¡
límite cuando TQ tiende a infinito, la forma de onda x(í) original en el dominio
del tiempo se aproxima a un solo pulso rectangular en el origen y la función
0.5 +
armónica de la SFTC aproxima muestras de una función sinc infinitamente an-
cha con amplitud cero. Si se multiplicara X[í:] por TQ antes de graficarla, la
amplitud no iría a cero cuando TQ tienda a infinito sino que permanecería en su
lugar y simplemente se trazarían, con una densidad cada vez más alta, puntos
sobre una función sinc que se estaría ensanchando. Además, graficar contra A/o
en vez de k haría que la escala horizontal fuera la frecuencia en vez del número
de annónica k y la función sinc permanecería con el mismo ancho sobre la
escala cuanto TQ aumenta. .Al realizar esos cambios las dos últimas gráficas se
-.50 50 venan como en la figura 5.4. Llámese a ésta una función armónica de la SFTC
compleja modificada para el tren de pulsos. Para esta función armónica de la
FIGURA 5.3 SFTC modificada,
Magnitud de la función armónica de la SFTC
para una señal de onda rectangular con ciclo de
trabajo reducido. TQX[k\ = Aw sinc («.(A/o)). (5.4)
 To\xm\ 251
S.2 iMtisnsfomtacla
0.5--
de Founer en üempo
coniinuo

1 ^ IjLi.
- 1 0 iO
F I G U R A 5.4
Magnitudes de las funciones armónicas de la SFTC para señales de onda rectangular con
ciclos de trabajo de 50 y 10 por ciento.

Cuando aumenta sin límite (haciendo que el tren de pulsos sea un solo pulso), la variable discreta kf^
se aproxima a una variable continua que se llamará / y la función armónica de la SFTC modificada se
asemeja a la función que se ilustra en la figura 5,5, Esta función armónica de la SFTC modificada se
denominará (con algunos cambios de notación) la transformada de Fourier de tiempo continuo de ese
solo pulso.
La diferencia de frecuencia entre amplitudes de armónicas adyacentes de la SFTC es igual que la
frecuencia fundamental de la representación f¡, de la SFTC, la cual se relaciona con el periodo funda-
mental de la representación de la SVYC por medio de

1
ff = (5.5)

Para subrayar su relación con una frecuencia diferencial (la cual se producirá en el límite cuando el
periodo fundamental vaya a infinito), llámese a este espaciamiento A/. Esto es, considere que Af = ff =
XITp. Entonces la representación de la SFTC compleja de x(r) puede escribirse como

x(;) = J2 X[A]í'^^"'^^/". (5.6)

Sustituyendo la expresión integral para X[k] en (5.6),

i,i+Tr

^ j x{T)e-J-''""'^" dt (S.7)
k=-oa
'1.1

(La variable de integración es T para distinguirla de t en la función ej2ic(íA/)í^ est¿ fy^^a de ía inte-
gral.) Puesto que el punto de inicio para la integral es arbitrario, sea

(5.8)

FIGURA 5.5
Forma límite de la
función armónica de la
SFTC modificada para
una señal de onda
rectangular.
252 Entonces

n/2 A/
(5.9)
í
donde A / sustituye a i/Jp. En el límite cuando T¡r tiende a infinito. A / tiende a la diferencial df, kAf se
vuelve una variable continua f, el límite de integración se acerca a más y menos infinito y la suma se
vuelve una intearal. Esto es.

Tr/2

x(í) = lím
E J
-<Tr/2)
A/

= j J x{T)e-''-''f' dje¡'~-"-^' df. (5.10)

La cantidad entre corchetes en el lado derecho de (5.10) recibe el nombre de transformada de Fourier
en tiempo continuo (TFTC) de x(í),

X(/)= J x{t)e-J^''f'dt.
(5.11)

Esto es,

x(0= j X(f)e'-''-f'df. (5.12)

— 00

No debe preocupar el cambio del nombre de la variable de x a / en (3.10) a (5.12), ya que no es impor-
tante.

DO OO

X(
(5.13)
/) = j x(t)e-''''f'' di = J x(j)e--'-'''' ch

DEFINICIÓN DE LA TRANSFORMADA D E FOURIER

EN TIEMPO CONTINUO

La TFTC está defmida por

 (5.15)

ionde el operador significa "transformada de Fourier de" y el operador J^-' "transformada de Fourier
.".versa de". Estas son de las definiciones más comunes de la transfonnada de Fourier en ingeniería. La
primera (5.14) se escribe en términos de la frecuencia cíclica / y tiene la ventaja de ser muy simétrica.
Las n^ansformadas directa e inversa son casi las mismas. Sólo cambia el signo del exponente y de la
. jriable de integración. Esta es la forma que se usa más a menudo en el análisis de sistemas de comuni-
.::aciones, óptica de Fourier y procesamiento de imágenes. La segunda definición (5.15) se escribe en
orminos de la variable de frecuencia en radianes co en vez de la frecuencia cíclica / . La frecuencia en
odianes tiene una relación un poco más directa con las constantes de tiempo y las frecuencias resonan-
tes de los sistemas reales y, en consecuencia, las transformadas de algunas funciones de sistemas son un
poco más simples utilizando esta forma. Ésta es la que se usa más a menudo en e! análisis de sistemas de
control. Cualquier definición puede convertirse en la otra utilizando la relación (O = Inf.
Se dice que la señal x(í) está en el dominio del tiempo porque su argumento funcional / representa
AI tiempo, y se dice que la función transformada X ( / ) o X(/'ü)) está en el dominio de lafrecuencia porque
£SO representa su argumento funcional / o (ú. La frecuencia cíclica es el recíproco del riempo, y la
frecuencia en radianes es proporcional al recíproco del tiempo. En algunas otras aplicaciones de la
TFTC en matemáticas, física e ingeniería las dos variables independientes no son tiempo y frecuencia,
pero son siempre proporcionales al recíproco una de la otra.
La transformada directa

óo oo

X ( / ) =^(x(/)) = j x{t)e-^"^^'dt o X ( » = 7^(x(f)) = j Kitje-^""'dt (5.16)

rigunas veces se conoce como análisis de la señal x ( / ) pues extrae los componentes de x(r), las
exponenciales complejas X ( / ) o X ( / c o ) , en cualquier valor de las variables continuas / o co. La transfor-
asada inversa

X{f)e+J'^f' df
+J2-fr

XÍO = ^ " ' ( X ( / ) ) = / o

(5.17)

x(f) = J^~\X(j(ü)) = — /
Ilt J
X(;W)É'+-'™ di»
jlgunas veces recibe el nombre de síntesis de la señal x(r) porque recombina los componentes X(/) o
XtjtsS) de vuelta a la señal origina! x(í).
Es natural preguntarse en este punto cuál es el significado físico de X ( / ) . Una manera de entenderlo
í j encontrar las unidades de X ( / ) , que dependen de las unidades de \(í). Para tener una idea concreta
aponga por el motnento que las unidades de x(f) son volts (V). El proceso de transformación se inicia
- jltiplicando x(r) por la exponencial compleja e-J^t/'. El exponente de e consta de tres mimeros
^dimensionales. - j , 2 y Ji junto con / y t que son. re.specüvamente, la frecuencia y el tiempo. La
irecuencia tiene unidades de hertz o 1/segundo, y las unidades de tiempo son segundos. Por lo tanto, el
íxponente de e es adimensional y también lo es e-fl^fK Luego se le multiplica por dt que tiene unidades
je segundos. De ese modo el proceso de integración acumula el área bajo el producto de x(í) y e-J-^f'.
Z '.¿ha área tiene unidades de (en este caso) volts-segundos; por consiguiente, X(/) también. Sin embar-
. . tiene más significado físico expresar estas unidades como volts entre hertz, yaque hertz es lo mismo
 que 1/segundo y es la unidad de la variable independiente / . De modo similar X(/co) tendría unidades de
volts por radián por segundo. Si la unidad de la señal x(r) en el domino de tiempo no es volts, entonces
las unidades de la transformada de Fourier serían x(f) unidades por hertz o x(í) unidades por radián por
.segundo.
La función X(/) o X(/to) algunas veces recibe el nombre de densidad espectral de amplitud o sólo
el espectro de x(r). Expresa la vaiiación de la amplitud de senoides complejas con ia frecuencia que,
cuando se suman, forman x(f). La palabra espectral se refiere, en este caso, a la variación con respecto
a la frecuencia. (A veces en otras disciplinas puede referirse a la variación con alguna otra entidad física.
Por ejemplo, en óptica, puede referirse a un espectro de longitud de onda. En espectroscopia de rayos X
puede corresponder a un espectro de energfa.J Ea palabra densidad proviene de ías unidades, volts entre
hertz. Esto es análogo a otras densidades que son más familiares. Por ejemplo la presión es la densidad
biáimensional áe fuerza: esto es. fuerza entre unidad de área. En eJ caso de X{f) o XÍJID) es \a dejísidad
unidimensional de la amplitud; esto es, la amplitud entre frecuencia unitaria. En este ejemp/o /a ampfi-
tud fue el voltaje, pero podría haber sido corriente o alguna otra cosa.
Hay muchas razones para transformar las señales del dominio del tiempo al de la frecuencia y
viceversa. Algunas operaciones muy tífiles y comunes en el análisis de sistemas lineales son más conve-
nientes en un dominio que en el otro. El hecho de que x{/) y X(/) o X(y'©) son transformadas una de otra
puede indicarse mediante una notación abreviada,

x(f) X(/) x(0 X(;(o), (5.18)

y se dice que forman un par de transformadas de Fourier.

Otros autores definen otras formas de la TFTC. Por ejemplo,

X(/)= j me+J^^f'dt x(/}= I Xif)e-''^f'df (5,19)

O
- c t -ca
X(yw) = ^ / Mt)e^''" dt x(f) = / X(yo>)e-^- rfü). (g.jo)
- o c - C C

Matemáticamente son igualmente válidas que las presentadas aquí, pero no se usan tan a menudo en ¡n-
genieria.

Es importante en este punto comentar acerca de la notación convencional. En la literatura de siste-

mas de comunicaciones, óptica de Fourier y procesamiento de imágenes, la forma funcional X(/) se usa
para la transformada de x(r). En la literatura de sistemas de control es posible encontrar el uso tanto de
X(ü)) como de X(/co). La primera tiene la ventaja de escribirse directamente en términos de la variable
independiente co, la otra quizá parezca menos eficiente o directa, pero hay una buena razón para usarla.
Al estudiar la transformada de Laplace, será capaz de sustituir simplemente yco por s para formar mu-
chas transformadas de Laplace sin tener que cambiar el significado matemático de la función X.
Observe que. hablando en términos matemáficos, la '"X"" de X(/) y la "X" de X(/(ü) no son la misma
función debido a que no se puede formar Xijüi) sustituyendo / por jü) en X ( / ) . En vez de eso X(/co) se
forma sustituyendo / por 03/271 en X ( / ) ,

X(JW) = X(/)|/^„/2,.

Al establecer esta igualdad el símbolo X no representa la misma función en el lado izquierdo que en el
derecho. La anterior es una fórmula matemática mala debido a la confusión que puede generar. Sin
embargo, en genera! esto no es una cuesfión importante porque la mayoría de las veces una u otra
transformada se usan de modo exclusivo en cualquier análisis particular y el símbolo X denota sólo esa
fonna y, por consiguiente, una función única, sin ambigüedad. En el apéndice E se presenta una tabla de
pares de transformada de Fourier.
 EíKMPLO 5.1

Determine la TFTC de x(/) = rect(í) (vea lafigura5.6).

• Solución
A partir de la forma de / de la TFTC,

X(/) = j rect(r) é---'-^-" di ^ j e''-^^' di ^ j dt

(5.21)
oos(2TT/r) - i sen(2iT/0
par impar -1

sen(iT/)
X(/) = 2 y COS(2TT.
Íi)dt = —sen(2Tr/f) = sinc(/).
(5.22)

De la forma to de la TFTC,

h r

X(7ü))= j reet(0 e'''^' dt = j e"-'"' dt =^ j cos((ür) — j scn(tüf) dt

(5.23)

2 2

2 /(o\ sen(ir(ti)/2Tr))
X(/üj) = 2 / cos(a)0 dt = -sen(tüí)! = — sen - = = smc (5.24)
'rT(cü/2-i:) 2 7 T |
o

y, como se estableció antes para todas las transformadas de Fourier. las fomias / y cü de esta transformada pueden
encontrarse a partir de la otra utilizando la relación to = 2Jl/. •

Las transformadas de Fourier son, en general, funciones complejas de la variable real / o r o . Por lo
tanto, suelen representarse con dos gráficas, una para la magnitud y otra para la fase. La función sinc en
el ejemplo 5.1 como la TFTC de la función rectángulo podría, desde luego, graficarse como una función
real (figura 5.7).
Pero ¿qué pasa con la TFTC de x(f) = 2 rect(r- 2)? Su TFTC es

X(/) rect(/ - 2) e dt.

-j2-nfl (5.25)

sincí/)

*Ct)

FIGURA 5.6 FIGURA 5.7

Función a la que se va a / TFTC de rectCh
aplicar la transformada de graneada c o m o i
Fourier. 1 funcii'T: r;-j!
 La mejor manera de determinar esta transformada (hasta que se obtenga la propiedad de desplazamiento
en el tiempo de la TFTC) consiste en hacer un cambio de variable en (5.25). Sea

\ = t - 2 y d\ = dl. (5.26)

Entonces

Xif) = 2 y rect(X) ^^-^^^Z'^+^í d\ = le-^'^^ j e-'""-^^ dk = 2 s i n c ( / ) e"^'^"^.

^oo _i (5.27)
=sinc( / )

Ahora la TFTC definitivamente no es una función real y debe graficarse como magnitud y fase (fi-
gura 5.8).
Observe que el escalamiento en amphtud por un factor de 2 cambió Ja magnitud de Ja TFTC por el
mismo factor de escala, pero no la forma de la magnitud de la TFTC. La transformación de desplaza-
miento en el tiempo f —>; - 2 produce un gran cambio en la fase pero no afecta la magnitud. La forma
de la magnitud de la TFTC en cada caso indica que la función rectángulo es dominada por bajas fre-
cuencias porque es ahí donde la magnitud de la TFTC es más grande. A frecuencias superiores sigue
habiendo componentes importantes, pero sus magnitudes por lo general disminuyen con Ja frecuencia.
Este tipo de señal podría caracterizarse informalmente afirmando que tiene más contenido de baja fre-
cuencia que de alta frecuencia.
Considere las notables implicaciones de la fórmula integral de la TFTC inversa

x(r) = ^ - ' ( X ( / ) ) X(/)^ df (5.28)

En palabras, esta fórmula indica que la sumatoria (integral) de un continum infinito de exponenciales
complejas de amplitud infinitesimal ponderada (que oscila para todo tiempo) es una señal real de ampli-
tud finita que puede estar ¡imitada en e! tiempo, lo que significa que una señal es distinta de cero sólo
para un tiempo finito y cero en cualquier otro lugar. Es sorprendente pensar que al elegir de manera
correcta la función ponderada X(/) todas esas exponenciales complejas puedan cancelarse con exacti-
tud entre sí fuera de algún intervalo de tiempo finito y correspondan con precisión a la señal dentro de
ese mismo periodo. El hecho de que tales funciones aparentemente diferentes puedan hacerse equiva-
lentes es la magia de la TFTC. Ésta convierte una señal de una forma en otra muy diferente, y esto hace

Fase de sinc(/) Fusede2sinc(/)eJ*''-'^

FIGURA 5.8 F-^.f

Magnitudes y fases -4
para la TFTC de
rect(í)ylaTFTCdc
2rec(f-2).
 1- í

-1 + -0.5 +

|X(/)| |X(/)|

0.1 + 0.1 + 0.1-

1
130 -130 130 130
a)

FIGURA 5.9
Ejemplos de señales
que el anáiisis de las señales sea mucho más sencillo debido a que ciertas características ocultas en una con diferentes tipos de
contenido espectral.
forma a veces son evidentes en la otra.
Es importante desarrollar una comprensión intuitiva de la relación entre la forma y la variación del
tiempo de una señal y la forma y la variación en la frecuencia de su TFTC (figura 5.9). En la figura 5.9a)
se presenta una señal pasabajas, con mayor contenido de baja frecuencia que cualquier otra. El nombre
pasabajas proviene de la idea de que la respuesta de un sistema, que preferentemente deja pasar las
bajas frecuencias y atenúa o elimina las altas frecuencias a una excitación con un espectro uniforme
(constante para todas las frecuencias) tendría una forma espectral de tal tipo. Las figuras 5.9h) y c)
muestran señales pasaaltas y pasabauda, respectivamente. Un si&lema pasaaltas elimina o atenúa las
bajas frecuencias y deja pasar las altas. Un sistemapasabanda deja pasar un intervalo finito de frecuen-
cias que no contienen al cero. Un sistema supresor de banda atenúa o elimina un intervalo finito de
frecuencias que no condenen cero y deja pasar el resto de las frecuencias. (Estas ideas se estudiarán con
detalle en el capítulo 6.)
Las señales pasabajas se caracterizan por su uniformidad. Son uniformes porque una señal de baja
frecuencia cambia de valor lentamente y, en consecuencia, es más uniforme que una que cambia con
mayor rapidez. Una señal pasaaltas se caracteriza por su valor rápidamente cambiante. Una señal
pasabanda se caracteriza por su similimd con una senoide. La TFTC de la señal pasabanda de la figura
5.8c) tiene dos picos estrechos y altos. Si éstos hubieran sido iníinitamente altos y estrechos, habrían
sido impulsos y la señal habría sido una senoide perfecta. Cuanto más estrechos se vuelvan los picos,
tanto más se acercará la señal a una senoide.

5.3 CONVERGENCIA Y LA TRANSFORMADA

DE FOURIER GENERALIZADA
Como ejemplo de un problema en el que se utilice la transformada de Fourier, se encontrará la TFTC de
una función muy simple: x(í) = A donde A es una constante.

X(/) = j Ae-'-""-^' dt = A j dt (5.29)

La integral no converge. Por lo tanto, hablando estrictamente, no existe la transformada de Fourier. Sin
embargo, es posible evitar este problema utilizando un truco. Calcúlese primero la TFTC de

x,j(r) = Ae' o > 0. (5.30)

Entonces se dejará queCTtienda a cero después de determinar la transformada. El factor e~"l't es de

convergencia que permitirá evaluar la integral (figura 5.10).
La transformada es

X„(/) = j Ae-^l'l^-J"-/' dt= j Ae'^'e-^^^f dt + j Ae-^'e-'-^f dt (5.31)

CAPÍTULO 5
La transformada de
Fourier

|X,(/)|
cr d e c r e c i e n t e
4 -j

FIGURA 5.10
Efecto del factor de
convergencia sigma. -1 1

u oo 2o-
X.(/)= A = A (5.32)
CT^ + (2lT/)2-

Ahora tómese el límite cuando a tiende a cero, lím A{2<3l[d^ + (271/)^]). S\ f ^0, entonces

2(T
lím A — - 0. (5.33)
C7-0 cr^ + ( 2 ' r r / ) 2

Por lo tanto, en e! límite cuando cr tiende a cero, la TFTC de Xg(í), X^if), tiende a cero para / ^ 0. A
continuación se halla el área bajo la función A(2o/[a^ 4- (271/)^]), cuando a tiende a cero.

2<T
df (5.34)
+ (2'ir/)2

Esta integral puede evaluarse por integración de contorno en el plano complejo (tarea que rebasa el
alcance de este libro) o consultando una tabla de integrales. Al usar

dx 1 bx
i = — tan
-I (5.35)

se obtiene
a^ + {b.xf- ab
I

\ 2a A /tr irv
Área = A • tan = - - + - ) = A. (S.36)
27;a- 71^2 2>

El área bajo esta función es A, independiente de a. Por lo tanto, en el límite o —? O, la transformada de

Fourier de la constante A es una función que es cero para / O y que tiene un área de A. De acuerdo con
la definición de un impulso, esto describe exactamente un impulso de intensidad A, que ocurre en / = 0.
Por consiguiente, se puede formar el par de transformadas de Fourier

AS(/). (5.37)

Apelando a este proceso de límite que utiliza un factor de convergencia para determinar la TFTC de una
función se obriene lo que se denomina transformada de Yomxzt genercúizada. Esto extiende la TFTC a
una clase de funciones muy útiles; las constantes y las periódicas. Mediante un razonamiento similar
pueden detemünarse los pares de transformadas de la TFTC.

cos(2'rr/oí) ^ \{UJ - fo) + 6 ( / + fo)] (5.38)

f I. V 259
5.4 Comparación entre
sen(2-T;/of) ^ ^ [ 5 ( / + /«) - 8 ( / - /o)] (5.39) '^^ Founer en
tiempo continuo y la
transformada de
Haciendo la sustitución / = co/2n: y utilizando la propiedad de escalamiento de impulsos, se encuentra ^q^j^^q" tiem
que las formas equivalentes de frecuencia en radianes de estas transformadas son

A < > 2ITA8(CIJ) (5.40)

COS(üJoí) irLñíü) - ojü) + S(OLI + üJo)] (5.41)

sen(titir) < > y'TT[S(w + too) - 8(w — wo)]. (5.42)

5.4 COMPARACIÓN ENTRE LA SERIE DE FOURIER

EN TIEMPO CONTINUO Y LA TRANSFORMADA
DE FOURIER EN TIEMPO CONTINUO
La SFTC es una forma de expresar una señal como una sumatoria infinita de senoides (reales o comple-
jas) a distintas frecuencias, mtiltiplos enteros de la frecuencia fundamental

x(í) = £ X[kW~^''^''''. (5.43)

k = -oo

La TFTC es una forma de expresar una señal como una integral de senoides complejas, ponderadas por
una transformada de Fourier de la señal en el dominio del tiempo. Esto equivale a una sumatoria de
senoides complejas para un continuo infinito de frecuencias. El límite de la sumatoria cuando las fre-
cuencias se combinan en un continuo es la integral.

x(t) = j X{f)e^'-^f' df. (5.44)

La TFTC puede representar señales aperiódicas (y, extendiéndola a la transfonnada de Fourier genera-
lizada, también periódica) para todo tiempo. Como se ilustró antes, una manera de ver la relación entre
la SFTC y la TFTC es ob.servando los cambios en ia representación de la SFTC de una señal periódica
cuando el periodo fundamental se vuelve más grande. Cuando el periodo se vuelve infinito, la señal ya
no es periódica porque no puede repetirse.
Observe que cuando se realiza una TFTC, el resultado es válido para t o d a / o to, incluidos sus
valores negativos. Una fuente comiín de confusión cuando se aborda por primera vez el análisis de
Fourier de señales es la idea de una frecuencia negativa. El análisis de Fourier, en su nivel más bajo,
expresa simplemente una señal como una sumatoria de senoides. Considere una señal muy simple en la
figura 5.11. Es periódica con periodo fundamental TQ. ¿Cuál es, o más específicamente, cuáles son los
componentes senoidales que pueden sumarse para producirla? Obviamente, es senoidal. Por
consiguiente, una sola senoide elegida correctamente puede describirla por completo. Es tenta-
dor afirmar que la única función matemática que describe exactamente a esta señal es

/2TTf
x(í) = A eos — A cos(27r/o/). (5.45)

donde /n = XITQ. Pero eso no es cierto porque la función

x(/) = A c o s ( 2 7 r ( - / o ) / ) (5.46)

también la describe exactamente. ¿Y frecuencia es / f ¡ o - f^l Las funciones FIGURA 5.11

Una señal senoidal que se
x(í) = A | c o s ( 2 i T / o f ) -i- A 2 C O S ( 2 T T ( - / O ) Í ) A , -H = A (5.47) expresará c o m o una SFTC.
La transformada de
Fourier x(r) = A
(5.48)

también describen exactamente la señal. Si ésta hubiera sido un seno en vez de un coseno entonces

La SFTC trigonométrica convencional está definida por

CC

x(r) = X,[OJ + J2^XAK]

í:=t
COS(2Tr{K FR)n + X,[A'] .sen(27T(A-/,-)0] (5.49)
'u + Tf.-

XJO]
Ai \(T) DI (5.50)

X,clk] = ~ J MR)COS(,2-N(KFF)T} DR k = 1,2,3,... (5.51)

x{t) senilTTikfr)!) di A- = L 2, 3, . . . . (5.52)

La SFTC trigonométrica convencional describiría esta señal afirmando que Xj,[l] es A y que todas las
demás X,.[A] y X JA'] son cero y que X^.[ 1 ] es la amplitud de cos (2Kf¡,R). el tánico término distinto de cero
en la representación de la SFTC. Sin embargo, esto es arbitrario. La SFTC podría haberse definido, con
igual validez matemática, mediante

(5.53)
x(f) = X,[0] + J^[XAk]cos(27,i^kff)t) ^ X,[A]sen(2'ir(-A/r)/)]

l„+Tf
(5.54)
x(T) DT
Tp J

(5.55)
XAk] = y J X{t)COS(2'n(-kfF)t)dl k= 1,2,3,...

(5.56)
XAk] = - y j x(T)SEN(2Tr{-kfF)R)DT A = 1, 2. 3, . . ,

y X(,[A'J y X,,[A-J serían exactamente iguales.

También se podría establecer un sistema en el cual las amplitudes armónicas estuvieran i g u a l m e n t e
distribuidas entre frecuencias positivas y las correspondientes negativas, dando la mitad de amplitud a
cada una. En esencia esto es lo que son la SFTC compleja y la TFTC. Por lo tanto, matemáticamente,
una frecuencia negativa es tan legítima como una positiva.
El problema básico con la frecuencia negativa es, desde luego, que es difícil imaginarse algo que
ocuna a '"menos 10 veces por segundo". Examine la señal senoidal general

x(í) = A c o s ( 2 i T ( - / o ) r + 0 ) . (5.57)

Ésta se escribe para subrayar la idea de una frecuencia negativa - / Q . Pero puede reacomodarse matemá-
ticamente para destacar otra idea,

x(r) = A c o s ( 2 T 7 / o ( - r ) - H O ) . (5.58)

En esta formulación es posible concebir a la señal como si fuera igual que la señal de frecuencia positiva
x(í) = A cos ( 2 J I / O Í + 6), e.xcepto por el hecho de que está invertida en el tiempo. Así que una senoide de
frecuencia negativa es equivalente a la correspondiente senoide de frecuencia positiva pero con el tiem-
po invertido. Cuando se procede a lo largo de la senoide de dempo inveitido, se encuentra el mismo
5.5 Propiedades de la
número de ciclos por segundo, así que una frecuencia negativa tiene el mismo comportamiento oscilatorio transformada de
que una señal de frecuencia positiva, pero su fase, en general, es diferente. Founer de tiempo
El análisis de Fourier es una herramienta matemática para manejar señales y expresarlas como continuo
sumatorias de senoides o exponenciales complejas. Éstas, con frecuencias negativas, son tan válidas
matemáticamente como las senoides o exponenciales complejas con frecuencias positivas. Este punto
no es evidente, pero después la simetría del uso de frecuencias positivas y negativas será muy útil en la
simplificación del análisis de algunos sistemas complicados. Tratai- de analizai'los atribuyendo la ampli-
tud de la señal únicamente a frecuencias positivas, si bien es posible, es causa de muchas desventajas
indeseables en el análisis. (Hay otros usos de la TFTC en la ciencia y la ingeniena. Por ejemplo, la
difracción de la luz se describe con buenos resultados, en algunas situaciones, mediante una transforma-
da de Fourier bidimensional y la inclusión de frecuencias tanto positivas como negativas es esencial en
ese tipo de análisis.)
Considere ahora la definición de la TFTC,

oo •oo

-í /
X(/) = x{t)e-'~-'f' dt -f
x(í) = I X(f)e''^-" df (5.59)

co oo
(5.60)
X(,/oj) = j xit)e-J'"' dt x(f) = / X(j<a)e+^'"' Í Í W

y compare con la definición de la SFTC compleja,

Xlk] 1 r (5.61)

o
= —
TF J ta\ x{t)e-^-''^^''dt
t=-co
x(/) = X[¿]e'-"'*^^"

In+Tf

/
1
X[A-] =
7>
X(/)á dt
x(t)= Y me'"-'"-""
A=-oü
(5.62)

Ambas son análogas en que utilizan frecuencias positivas y negativas para sintetizar la señal de tiempo
x(0 a partir de sus componentes exponenciales complejos. La SFTC analiza una señal como una sumatoria
infinita de senoides complejas a frecuencias discretas, y la TFTC analiza una señal como una sumatoria
infinita de senoides complejas para un continuo de frecuencias (una integral). La SFTC convierte una
señal x(í) en TC en una función de número de armónica discreta XÍÍ:J. La TFTC convierte una señal x(/)
en TC en una función X ( / ) de frecuencia continua. Tanto la SFTC como la TFTC son transformaciones
de la señal en el dominio del üempo en una forma diferente que condene la misma información.
En el dominio del análisis de Fourier las señales pueden considerarse como si mvieran sólo fre-
cuencias positivas (espectros unilaterales) o frecuencias positivas y negativas (espectros bilaterales)
con igual validez. (Incluso sería posible elegir usar sólo frecuencias negativas aunque esa perspectiva
tiene pocos, si es que hay alguno, adeptos,) Hay mucha inconsistencia en las disciplinas de los sistemas
de comunicaciones, sistemas de control y análisis de señales. Algunas veces se usan los espectros unila-
terales; otras se usan los bilaterales. Existen ventajas en la simetría matemática de! análisis bilateral, y
otras en los conceptos físicos del análisis unilateral. Es importante darse cuenta de que ambos son útiles
y es necesario ser capaz de utilizarlos sin confusión.

5.5 PROPIEDADES DE LA TRANSFORMADA

DE FOURIER DE TIEMPO CONTINUO
Hay varias propiedades importantes de ia TFTC que, junto con las tablas de pares de transformadas,
pueden, en casi todos los casos prácticos, evitar- el tener que aplicar- directamente la defimción integral
de la TFTC.
262 Si dos señales tienen las TFTC,

HMn} = Xif] o XCycü) y ,?^(y(/)) Y(/) o Y(;w), (5.63)

entonces se aplican las siguientes propiedades independientemente de las formas de las señales. (Se
prueban algunas de las formas / , y todas las formas (ú se enuncian sin demostración, puesto que las
pruebas de las formas o) son similares.)

LINEALIDAD

La propiedad de linealidad es exactamente la misma que la de la SFTC y SFTD,

a x ( í ) + py(rj ^ — ^ cxX(/) + p Y ( / ) (5.64)

ax(í) + pyíí) < > OLXÍJÍM) + fJYíytu) (5.65)

y las demostraciones son similares

D E S P L A Z A M I E N T O E N EL T I E M P O Y E N L A FRECUENCLS,

Considere que ÍQ es cualquier constante real y que

z(f) = x(í - fo). (5.66)

En ese caso la TFTC de z(0 es

Z ( / ) = J z(í)e-^'-^'dt = J x{t-to)e-^--^'dt. (5.67)

- 0 0 - O 0

Efectuando el cambio de variable

X = í — ío y £Í\ = dt. (5.68)

m
Entonces
CC

Z(/)= J x(\)e-^-"^*^+'"VX x(X)í'--'-^-^'^ dk = e--'-''^'"Xif) (5.69)

y la propiedad de desplazamiento en el tiempo es

x(r - íu) X(/)e-^'^^^^" (5.70)

x(í - fu) Xijco)e-''^'- (5.71)

Como un ejemplo de por qué tiene sentido la propiedad de desplazamiento en el tiempo, considere que
la señal del tiempo es la senoide compleja

X ( F ) = E J - ^ / » ' . (5.72)

Entonces

x(í - ro) = eJ-^/"<'-'"> = e''^^^"'e-^

 x(r) = e^'^-^' 263
Im(x(ri) Im(x(/ - 1/8)) 5.5 Propiedades de la
transformada de
1
Fourier de tiempo
Retxff - !/8)) continuo
FIGURA 5.12
Una exponencial
compleja x(f) = e'^'^o' y

una versión retrasada

(figura 5.12). Por lo que el desplazamiento de esta señal en el tiempo corresponde a multiplicarla por el
mímero complejo g - ' ^ i i / o ' c i . La expresión de la TFTC

x(0 = j X(f)e^J'--f' df (5.74)

indica que cualquier señal que es transformable de acuerdo con lo establecido por Fourier puede expre-
sarse como una combinación lineal de senoides complejas para un continuo de frecuencias / y, si x(í) se
desplaza por f^, cada una de esas senoides complejas queda multiplicada por el número complejo e-fl^f'o.
La propiedad de desplazamiento en frecuencia puede demostrarse empezando con una versión
desplazada de X ( / ) , X ( / - /Q), y utiüzando la integral de la TFTC inversa. El resultado es

^ Xif ^ /O) (5.75)

(5.76)
me+jmt
X(tü - tói)).

Observe la similimd entre las propiedades de desplazamiento en el tiempo y la frecuencia. Ambas contie-
nen un multiplicador senoide complejo en el otro dominio. Sin embargo, los signos de las exponentes en
las senoides complejas son diferentes. Esto ocurre por los signos en las TFTC directa e inversa,

X(/)= j me-'-^'f'dt xit)= j Xif)e + J 2 T T / Í df.

iS.ll)

La propiedad de desplazamiento en el tiempo es muy útil para determinar transformadas de señales que
están compuestas por múltiples funciones que han sido desplazadas en el tiempo y sumadas. La propie-
dad de desplazamiento en frecuencia es fundamental para comprender los efectos de la modulación en
los sistemas de comunicación.

ESCALAMIENTO EN EL TIEMPO Y EN LA FRECUENCIA

Sea a cualquier constante real que no es cero y considere

z(í) = x(Gr). (5.78)

En ese caso, la TFTC de z{t) es

«í oo oo

(/)= j zit)e-'-''f'dt = j xiat)e-¡^-''f dt. (5.79)

-oc

Realice el cambio de variable

\ = at y d\ = a dt. (5.80)

Entonces, si o > O,
00

- = - í xiK)e-^'-^^^'"'dK=-x(^)
Xif) -f
= j
-oo
xik)e a íl J a \(i / (5.81)
264 y si a < O

-00 »

(5.82)
Z(/) = f x(X).--'"--^'^/'"' V^'ii f '^í^^^"''"'^^"" =-a^ ( f )•

Por lo tanto, en cualquier caso,

z(f) = - ! - x ( ^ ) (5.83)
\a\ \a/
y la propiedad de escalamiento en el tiempo es

1 ^íf\ T 1 I ^ \
xiat) < Kiat) < ^ — X l ; - ) (5.84)
\a[ \a/ \a\ ^- a'
1
La propiedad de escalamiento en la frecuencia puede demostrarse de manera similar y el resultado es

1
-
\ < ^> X(af) 0
\a\ \a )

La propiedad de escalamiento en el tiempo y la de escalamiento en la frecuencia permiten el cálculo de

la TFTC y de la TFTC inversa de funciones que se han estrechado o comprimido para adaptarse a la
escala de tiempo o a la escala de frecuencia de señales reales.
Una consecuencia de las propiedades de escalamiento en el tiempo y de escalamiento en la frecuen-
cia es que una compresión en un dominio es una expansión en el otro. Una forma interesante de ilustrar
lo anterior es a través de la función

x(r) = e-^'\ (5.86)

cuya TFTC tiene la misma forma funcional.

< >e (5.87)

Si ahora se escala en el tiempo a través de la transformación r —^ f/2, por ejemplo, el par de transforma-
das se vuelve

2e- (5.88)

(figura 5.13). La transformación t f/2 es una expansión en el tiempo, y el efecto correspondiente en el

dominio de la frecuencia es una compresión de la frecuencia (acompañada por un factor de escalamien-

to) |X(/)I

2-- 2--

+-^/
-3 -3

x(í/2)

2--

FIGURA 5.13
Expansión en el
tiempo y la correspon-
diente compresión en
frecuencia. -3 -3
 x(r) |X(/)| 265
H G U R A 5.14
Constante e impulso como límites de tiempo y
escalamiento en frecuencia x(í) = e-"'^
l'
d 5.5 Propiedades de la
transformada de
Fourier de tiempo
y su TFTC. continuo

to de la amplitud). Miemras se expande la señal en el dominio del tiempo, disminuye del valor de uno
cada vez más lentamente a medida que el tiempo se aleja de cero en cualquier dirección, y en el límite
cuando el factor de expansión en el tiempo se acerca a infinito, ya no desciende en lo absoluto y se
aproxima a la constante uno. Cuando la señal en el dominio del tiempo se expande en cierto factor, su
TFTC es comprimida en frecuencia y su altura se multiplica por el mismo factor En el límite, cuando el
factor de expansión en el doiuinio del tiempo tiende a infinito, la TFTC se vuelve un impulso,

iím e-""-'^"^' = 1 ^ lím — e " " " / * ' = 5{/) (5.89)

(figura 5.14).
La relación entre la compresión en un dominio y la expansión en el otro es la base de una idea
llamada principio de incertidumbre del análisis de Fourier. Cuando a ^ «> en (5.89), la función en el
dominio del tiempo se vuelve menos localizada y la función correspondiente en el dominio de la fre-
cuencia se vuelve más localizada. En ese límite, la frecuencia de la señal está infinitamente localizada
en una sola frecuencia / = O, en tanto que la función de tiempo está distribuida uniformemente en el
intervalo - M < f < o o y está, por lo tanto, infinitamente des loe atizada. Si en caiubio se comprime la
ftjnción de tiempo, ésta se vuelve un impulso en el tiempo / = 0. y su ubicación es exacta en tanto que su
TFTC se dispersa de modo uniforme en e! intervalo - o o < / < « y no es posible ubicarla en lo absoluto.
Se puede expresar la idea en palabras afirmando que cuando se conoce la ubicación de una función cada
vez mejor, se desconoce ía ubicación de la otra. El nombre "principio de incertidumbre" proviene,
desde luego, del principio de la mecánica cuántica llamado de la misma forma, y su descripción mate-
máfica puede expresarse ufilizando la transformada de Fourier.

TRANSFORMADA DE UNA CONJUGADA

La TFTC inversa de X(/J es

oo

T-'mf)) = x(f) = / X(/)e^'"-^' df. (5.90)

La conjugada compleja de x(/) es

•3C

/ X ( / ) e ^ " - ^ ' df (f)e-P-^f' df. (5.91)

Realice el cambio de variable

•
\ = - / y d-K = -df. (5.92)

Entonces

-oo 00

(5.93)
*(t) = - J XH-k)eJ'''^' dk = j X'(-\)e'-"'' dk.
00 -oc
j^-'[x-(-/i]

La propiedad de conjugación es

x*(í) X*(-/) x=^(í) ^ X*(-;a)) (5.94)

 Usando esta propiedad es posible descubrir otra característica útil de la transformada de Fourier de
señales de valor real. Si x(t) es de valores reales, entonces x(/) = x*(í). La TFTC de x(f) es X(/), y laTFTC
de x*(í) es X * ( - / J . Por lo tanto, si x(r) = x*(í), X(/) = X * ( - / ) . En palabras, si la señal en el dominio del
tiempo es de valores reales, su TFTC tiene la propiedad de que el comportamiento para frecuencias ne-
gativas es el conjugado complejo del comportamiento para frecuencias positivas. Por lo tanto, si se cono-
ce la forma funcional de la frecuencia positiva de la TFTC de una señal de valores reales, también se
conoce la negativa. Esto es análogo a la propiedad observada antes de que las amplitudes de las armóni-
cas de la SFTC compleja de una señal real ocurren en pares de conjugadas complejas.
Sea x(í) una señal de valores reales. La magnitud de X{/) es

|X(/)|- = X(/)X'=(/). (5.95)

Utilizando entonces X(/) = X * ( - / ) es posible demostrar que la magnitud de X ( - / ) es

|X(-/)|- = X ( - / 2 X * ( - / ) = X(/)X*(/) = |X(/)p,

(5.96)
X'(./) X(/)

lo que demuestra que la magnitud de la TFTC de una señal de valores reales es una función par de la
frecuencia. Si se usa X í / ) = X * ( - / ) , también es posible demostrar que la fase de laTFTC de una señal
de valores reales es una función impar de la frecuencia. Muchas veces, en el análisis de señales y
sistemas prácticos, la TFTC de una señal sólo se exhibe para frecuencias positivas porque, puesto que
X(/) = X * ( - / ) , si se conoce el comportamiento funcional para frecuencias positivas, también se conoce
para frecuencias negativas.

DUALIDAD MULTIPLICACIÓN-CONVOLUCIÓN

Considere que la convolución de x(;) y y(í) es

z(r) = x(í) * y(r) = j x(T)y(f - t ) ¿ í t . (5.97)

-oo
La TFTC de z(f) es
co

2 ( / ) = J zU)e-^-^f'dt (5.98)
-oc

oc 00

e-^'-^-i' dt.
Z(/)= J j X{T)y(í--)dT (5.99)
-oc

Invirtiendo el orden de integración en (5.99),

OC- OQ

Z(/)= j
-CC
x(.7) J yit -
Li-^
i)e-'--^f'dt dt. (5.100)
.?[y(r-T)]

Entonces, utilizando la propiedad de desplazamiento en el tiempo en (5.100),

oc

Z(/)= j x{T)e-J'^^f'Y{f)dr (5.101)

-oo
Puesto que Y(/) no es una función de I,
oc

Z(/) = Y(/) j xÍTJí-^'^'-^" d-Y,

— 5C
 • y(f) = h(f)*x(í) X(/) • HH(/) Y(/) = H{/)X(/)
5.5 Propiedades de la
FIGURA 5.15 transformada de
Equivalencia de la convolución en el dominio del tiempo y de la multiplicación en Founer de tiempo
el dominio de la frecuencia en el análisis de sistemas LIT. continuo

y finalmente

Z(/) = X(/)Y(/). (5.103)

La propiedad de convolución en el dominio del tiempo es

x(f) * yíf) X(/)Y(/) (5.104)

x(f) *y(f) < > X(;W)Y(;Ü)) (5.105)

La prueba de la propiedad de convolución en el dominio de la frecuencia

x(í)y(/) < ^ X{f)*Y(f) (5.106)

xu)y(/) - X ( . / ü j ) * Y( ; t ü ) (5.107)
J.-n

es similar.
La propiedad de convolución quizá sea la más importante de la transformada de Fourier (en reali-
dad, de cualquier método de transformada) debido a que convierte la propiedad básica en el dominio del
üempo dei sistema LIT—la respuesta es la excitación convolucionada con la respuesta al impulso— en
una propiedad más simple en el dominio de la frecuencia, la respuesta es el producto de la excitación y
la función de transferencia (figura 5.15),
La función de transferencia es el nombre dado a la TFTC de la respuesta al impulso porque es la
función que transfiere la excitación a la respuesta. En ei capítulo 4 se demostró que la respuesta al
impulso de ia conexión en cascada de dos sistemas LIT es la convolución de sus respuestas al impulso.
Se deduce entonces que la función de transferencia de la conexión en cascada de dos sistemas es el
producto de sus funciones de transferencia (figura 5,16). [Algunos autores reservan el nombre de fim-
ción de transferencia para la transformada de Laplace de la respuesta al impulso y llaman a H ( / ) la
respuesta en frecuencia de! sistema. Sin embargo, las relaciones matemáticas son las mismas sin impor-
tar el nombre que se les dé.]

DIFERENCIACIÓN EN EL TIEMPO

La ftmción x(í) en el dominio del üempo puede expresarse como

x(í) = j X(f)e^--^' df. (5.108)

FIGURA 5.16
X(/)- X(/)H,(/) • H3(/) Y(/) = X ( / ) H i ( / ) H 2 ( / )
Función de transferen-
cia de una conexión en
cascada de dos
X(/) • Hi(/)H,(/) Y(/)
sistemas LIT
268 Al diferenciar arabos lados de (5.108), con respecto al tiempo,

co oo

dt'
;(x(/)) = ¿ / X(/)t>>2"-^' df ^ J j2irfXif)e^'-^^' df = ^-\Y2TT/X(/)J.

Por lo tanto, la propiedad de diferenciación en el tiempo es

^(x(f)) ^ jlitfXif) (5.110

dt

^(x(/)) ^ >X(;cu) (5.111

dt

Esta propiedad, junto con la propiedad de integración que se estudiará después en esta-sección, pued
usarse para convertir ecuaciones integi'odiferenciales en el dominio del tiempo en ecuaciones algebraica
en el dominio de la frecuencia.

EJEIMPLOSJ

Determine la TFTC de x ( 0 = rect((í + 1 / 2 ) - rect((/ - 1 ) / 2 ) utilizando la propiedad de diferenciación de la TFTC ;

la tabla e u el a p é n d i c e E c o j T e s p ü n d i e n t e a la TFTC de una función triángulo (figura 5.17).
• Solución
La función x ( 0 es la derivada de una función trianguló centrada en cero con un medio ancho de dos.

xU) = ^ ( 2 t r i ( j (5.112

Si se utiliza la propiedad de escalamiento,

4 sinc-(2/). (5.113

Entonces, se recurre a la propiedad de diferenciación.

x(r) jSiT/ sinc'(2/). (5.114

Si se encuentra la TFTC de x(r) usando la tabla para la TFTC de un rectángulo y las propiedades de escala
miento y de desplazamiento en el tiempo, se obtiene

x(/) jA sinc(2/)sen(2TT/). (5.115

FIGURA 5,17
la cual, utilizando la definición de la función sinc. puede detnostrarse que es equivalente a
xCf) y su integral

x(r) /STT/-sinc-(2/) = ji-nf smc{2f)^^AAA} ^ j4 sinc(2 f) sen(2-nf).

(5.116
l-nf

MODULACIÓN

La TFTC del producto de x(r) y un coseno a la frecuencia es

1
^(x(f)COS(2TT/of)) = X(/)* - [ 8 ( / - / o ) + 8(/ + /o)] (5.117
 5.5 Propiedades de la
^(xtO COS(2T7/OÍ)) = ^[X(/ - /o) + X(/ + fo)]. (5.H8) transformada de
Fourier de tiempo
continuo
La propiedad de modulación es

x(í)C0S(2TT/(,f) ^ ^[X(/ - /o) + X ( / + /o)] (5.119)

r 1
x(f)cos(wof) ^ ^ - [ X ( ; t w - ü ) o ) ) + X ( j ( w + wu))] (5.120)

En realidad, esta propiedad es sólo una especialización de la propiedad de desplazamiento en la fre-

cuencia para describir el efecto básico en el dominio de la frecuencia de la modulación en el dominio del
tiempo. Se estudiará lo anterior con mayor detalle en el capítulo 6.

TRANSFORMADAS D E SEÑALES PERIÓDICAS

Si una señal de tiempo x(f) es periódica, puede representarse exactamente mediante una SFTC compleja
(si se establece 7"^= TQ). Por lo tanto, para señales periódicas (utilizando la propiedad de desplazamien-
to en la frecuencia).

x(í) = Y x[t]e-^2^<*^'^>' ^ x(/)= J2 ximf-kfo) (5.121)

x(/) = Y XlAJí"^''"'" X O ) = 2TT y, X[A-J6(W -

(5.122)

La TFTC de una señal periódica consiste sólo de impulsos.

Esta propiedad de la TFTC ilustra que la SFTC puede considerarse sólo como un caso especial de
la TFTC. Una vez que se sabe cómo calcular la TFTC es posible utilizarla para determinar la función
armónica de la SFTC de una señal periódica al encontrar la TFTC en la forma Z Í = ^ X[A-]6(/ - kfo) e
identificar la función X[k] como la función armónica de la SFTC.

EJEMPLO 5.3

Udlice (5.121) para determinar la Inunción armónica de la SFTC de

x(r) = rect(2í) * comb(/). (5.123)

• Solución
Ésta es una convolución de dos funciones. Por lo tanto, laTFTC de x(í) es el producto de las TFTC de las funciones
individuales.

/ f\ 1 ^ /k\
X ( / ) = ^ sinc (5.124)
^ I j comb(/) = j E ^2J ~ ''^
Entonces, utilizando (5,121), la función armónica de la SFTC es

X [ ^ ] = i sinc ( ^ ) .
270 T E O R E M A DE PARSEVAL

Aun cuando una señal de energía y su TFTC pueden verse bastante diferentes, tienen algo en común.
Disponen de la misma energía de señal total. De una manera similar a la definición de la energía para
una señal en el dominio del tiempo, la energía total de una señal X(/) en el dominio de la frecuencia se
define mediante

|X(/)P J/. (5.126)

El teorema de Parseval establece que las energías de señal de una señal de energía y su TFTC son
iguales. (El nombre del teorema proviene de Marc-Antoine Parseval des Chénes, otro matemático fran-
cés de finales del siglo x v m y de principios del xix.) El teorema puede demostrarse mediante el siguien-
te razonamiento lógico.
El producto de dos señales de energía en el dominio del tiempo corresponde a la convolución de sus
transformadas en el dominio de la frecuencia.

^[x(f)y(f)] = X ( / ) * Y ( / ) = j X ( d h ) Y ( / - (í)) í/<í.. (5.127)

-oo
A partir de la definición de la TFTC,
co

^[x(Oy(f)] = j myiOe-^-"^' dt. (5.128)

-00

Si se combinan (5.127) y (5.128)

oc Cü

j x{t}yit)e-^-^f' dt= j X ( ^ ) Y ( / - < ^ ) d<\>. (5.129)

-00 -OH
Esta relación se cumple para cualquier valor de / . Haciendo / = O en (5.129),

j x{t)y(t)di= j X(<\,)Y{-<\>) d4>. (5.130)

Esto se conoce como la fonna generalizada del teorema de Parseval. En el caso especial en que y(f) =
x*(í), (5.130) se convierte en
oc 5C 00

J x{t)x*{t)di= j \x(t)\-dt= j X{<i>)X{-<Í>} d<i>

(5.131)

= j Xim*i^)dé= j |X(é)|'í/4),
donde se ha usado

ny\t)] Y*i-f).
(5.132)
yy* = lyl' y =
De este modo, al final, se tiene la igualdad de la energía de señal total en los dominios del tiempo y de
la frecuencia,
El resultado equivalente para la forma co de la TFTC es 271
5.5 Propiedades de la
transformada de
j \x(t)\-dr = ^ f ÍX{;a:)|-f// (5.134) Founer de tiempo
continuo

DEFINICIÓN INTEGRAL D E UN IMPULSO

La definición del par de transformadas de Fourier,

oo 00

X ( / ) = ^ ( x ( í ) ) = J x(f)e-^^-^f'dt x(r) = ^ - ' ( X ( / ) ) = j X(/)e+'=-''rf/, (5.135)

puede utilizarse para demostrar un resultado útil. Puesto que

oc
(5.136)
x(f)= j X( f)e+'-^-^'df

y (efectuando el cambio de variable x = r en la definición de la TFTC directa)

(5.137)

X(/)= j xirje-j'^"^' di,

-oc
es posible combinar (5.136) y (5.137) para obtener

e+r--f' df (5.138)

x(;) = j I x(T)í-^---''"-^' dr df. (5.139)

-30 - X

Rearreglado para efectuar la integración en / primero en (5.139),-

oo oc
,-/2ir/((-T)
x(f) df dr. (5.140)

En palabras, esta integral indica que si se toma cualquier señal arbitraria x(/), se sustituye t por x, se
multiplica eso por una fimción JZ^ e--i~'^"-^^ df y luego se integra para todo valor de T, se obtiene de
nuevo x(r). Es posible reescribir (5,140) en la forma.
00

(5.141)
x(r) = j x(T)g(f - T) di,
—00

donde
•o
(5.142)
g(í-T)= j e-J-^^"-''df.

Recuerde la propiedad de muestreo del impulso

j gum -to)dt = g(to).

-oc
272 La tínica forma en que la igualdad

x(í) = j x(T)g{f - t) CÍT (5.144)

puede satisfacerse es si g(/ - 1 ) = 5(t- t), esto es, si

/ df = S(r - T). • (5_i45^

Ésta es otra definición válida de un impulso unitario. Una forma más comiín de este resultado es

(5.146)

DUALIDAD

Si la TFTC de x(í) es X(/), ¿cuál es la TFTC de X(í)?

3C CO

(5.147)
Xif) = J x(Oí"-'^"-^' = / XÍT)^"^""^' dT

Por lo tanto, sustituyendo / por t en el lado derecho de (5.147),

X(í)= J x ( T ) e - - ' - " ' ' dT. (5.148)

-OQ

La TFTC de (5.148) es

30 -Xj X.

JP(X(f)) = ^ e-^'-^f dt
(5.149)
j x{T)e^J-''" = y j x ( T ) e - J - ^ " dT

oc 00

>"(X(í))= j X ( T ) j dtdT. (5.150)

— oc —Oü

Utilizando la definición integral de un impulso deducida en la sección anterior,

•oo

j e-^'^'y dy = 8(X), (5.151)

-00

es posible escribir

co

(5.152)
-CC

Ahora, sustituyendo en (5.150),

^(X(r))= j x(T)5(T + / ) í / 7 = x ( - / ) .
—00
La propiedad de dualidad es 273
5.5 Propiedades de la

:X(Í) « X(-f) x(-n <—> xif)

(5.154) transformada de
Fourier de tiempo
continuo

X ( ; f ) <—> 2-üxi-tí) Xi-Jt) <—> 2Ttx{u>) (5.155)

La prueba de

X ( - o <—> xif) (5.156)

es similar.

La razón básica de que esta propiedad existe surge de la definición de la TFTC,

(5.157)
X(/)= j xit)e-^--"f dt y x(í) = j X(f)e+^^^f'df.
Las TFTC directa e inversa son muy similares, difirien sólo en el signo del exponente de e y el nombre
de la variable de integración. Un buen ejemplo es la dualidad de las funciones rect() y sinc(),

rect(í) < ^ sinc(/) sinc(r) <—> r e c t ( / ) (5.158)

(figura 5.18).

INTEGRAL DEL ÁREA TOTAL UTILIZANDO TRANSFORMADAS DE FOURIER

Otra propiedad de la TFTC que surge de la definición es que el área total bajo una señal en el dominio
del tiempo o de la frecuencia puede determinarse evaluando su su TFTC o TFTC inversa con un argu-
mento de cero.

oc
p
X(0) = = / x(t)dt (5.159)
/ xlDe-J-"''dt

m X(/)

2 2

F I G U R A 5.18
Dualidad de las t'un-
• ./• d o n e s rectf ) y sincr i
bajo ia transformación
-4-3-2-1 1 2 3 4 de Fourier.
CAPITULO 5
La transformada de r
Fourier x(0)- / X ( / ) í + ^ - ^ ^ ' df = J X(f)df
J (5.160)
-oc

oc oc
p
X(0) = / xU)e-J'''dt = / x(t)dt
(5.161)
J J

(5.162)

EJEMPLO 5 . 4

Determine al área total bajo la función

r+4
x(0 = 10 sinc (5.163)

• Solución
Por lo general se tratana de integrar directamente la función para todo /,

+ 4)/7)
Área = / xfr)rfr= / 10 sinc ( ^ ) dt = ] 1 0 ^ dt. (5.164)
+ 4)/7
— re - ^ - 3S

Esta integral es una variante de un tipo de función matemática llamada integral seno definida por

n{t)
[ sen (
•dt. (5.165)
o
La integra! seno se relaciona con una función más general, la integral e.xponencial. La integral seno y la integral
exponencial pueden encontrarse tabuladas en libros de tablas matemáticas, y MATLAB tiene una función incorpo-
rada para evaluar la integral exponencial. Sin embargo, no es necesario echar mano de la integral seno para resolver
este problema. Es posible utilizar (5.159). Primero se encuentra la TFTC de x(/).

X ( / ) = 70rect(7/)í^'^^^', (5.166)

Entonces

Área = X(0) = 70. (5.167)

INTEGRACIÓN

La prueba de esta propiedad se dejó hasta el final porque depende de muchas otras propiedades ya
demostradas. Es tentador intentar invertir la propiedad de diferenciación para demostrar la propiedad de
integración. Sea

x(f) = — ( y ( 0 ) .
dt
 Entonces X ( / ) = j2KfY{f) o X(J(ü) = jmYija). Se pueden reacomodar estos resultados como 275

X( / ) X( y tu) 5.5 Propiedades de la

= O Y(iii>)=—• . (5.169) transformada de
^ -'"j / ^ Fourier de tiempo
P w lo tanto, puesto que x(f) es la derivada de y(r), y(f) debe ser la integral de x(f), y se podna decir que continuo
la propiedad de integración es

/ x ( M ^ X ^ ^ ^ o / x ( M ^ X ^ ^ ^ . (5.170)

Sin embargo, ¿cuál es el valor de (X(/)/;'2ji/) en / = 0. dado que la división entre cero no está definida?
Esta incertidumbre surge debido a que si x(f) es la derivada de y(f), dada cualquier x(í) hay múltiples
respuestas posibles para las cuales podría ser y(f). La suma de cualquier constante a y(0 no cambia su
derivada x(0. De modo que es necesario ser cuidadoso en la demostración de la propiedad de integración.
Antes de verificar la propiedad de integración es útil demostrar algunos otros resultados de la
TFTC. Primero se encontrará la TFTC de

x(0 = — . (5.171)
J'tTt
ll
l;í:r

r -j2"/r p cos(2'ir/í) /" sen(2'Tr/í)

^(x(í))= / — d t =/ . ^-^'fiíf (5.172)
J J-nt J JTTt jtxt
- X -CC • • • -r •
odd cven

= ^ I ' - ^ ^ ^ ^ dt (5.173)
J -irí
-oo
Para / = O,
/ íc \ so
f sen(2TT/f)
(2TTft) . \ f sen(2'rr/f)
= h'm - / —^—— dt =- lím — dt = 0. (5.174)
/-o J -ni J /-o TTr
\ -oc /

Para/?íO,

CC 00 o6

^ W O ) = - / '-^^ dt = - 2 / / '-^^ dt = - 2 / / s i n c ( 2 / 0 dt. (5.175)

-00 • • • -00 • -ii^i

Sea ^ = 2 / í y <a = 2 f d t . Entonces, p a r a / > O, •• ••-•if^ • "fa:. .:'.'.•.„•.• .> >q . t

oo oo

.F[x(r)] = ~^f j sinc(X) 0 = - J sinc(X) d\. (5.176)

-oo -oo

Si se utiliza la propiedad de que el área total bajo una función es su TFTC evaluada en / = O,
00

j sinc(X) c/X = J^[sinc(r)]/^o. (5.177)

—00

Se sabe del ejemplo 5.1. que J^[rect(í)] = sinc(/). Se puede usar la propiedad de dualidad para demostrar
que jr[sinc(/)] = rect(/). Entonces
co

j
~oo
sinc(X) d\ = rect(O) = 1 y J^(x(/)) = - 1 / > 0. (5.178)
 276 Por tin argumento similar, para / < O,

= -2f j sinc(\)0 = j sinc(X)rfX = + l / < 0. (5.179)

Por lo tanto.

/ > 0]
n x u ) ) = j o / = O = -sgn(/) = sgn(-/). (5.180)
/ < ol

Si se utiliza la propiedad de dualidad.

1
.F(sgn(í)) = - (5.181)

Aprovechando (5.181) es fácil encontrar la TFTC de un escalón unitario, u(/) - 2[sgn(0 + 1]. Usando la
propiedad de linealidad.

^(u(r)) = ^(^[sgn(r)] + ^(l)}. (5.182)

Usando la definición de integral de un impulso anteriormente deducida.

5 oo

(5.183)

Por lo tanto.
1
1 1 1
^(u(/)) = ^ + -8(/). (5.184)
2 Ijrrf
Si una señal x(/) se convoluciona con un escalón unitario.

00 t (5.185)

X(r) * U Í / ) = y X(7)UÍÍ - t ) íÍT = j x(t)¡ít.

lo que demuestra que la convolución de una señal con un escalón unitario es igual que la integral
acumulativa de la señal. Ahora es posible demostrar la propiedad de integración de la TFTC. Utilizando
las propiedades de convolución y de equivalencia de un impulso,

11
.^(x(f)*u(r)) = X ( / ) + r S(/) ^ + ^X(O) 8 ( / ) . (5.186)
Ly2'ir/ 2

Entonces, finalmente, ia propiedad de integración de la TFTC es

J
í
X(/)
X(X) d\ h ^X(O) 8 ( / ) (5.187)
./2V

1
0

j
r
X ( »
f T 7 X ( 0 ) S(co)
x(X) d\ yco
i1
1
El término jXCO) 8(/) o 7tX(0) 5(co) toma en cuenta el efecto del área total de x(f). Este desarrollo de la
TFTC de la integral de una función es un buen ejemplo del uso de las propiedades.

EJE1V1PL0 5:S

Verifique la entrada de la tabla correspondiente a la TFTC de x(/) = tri(r) mediante la propiedad de integración de la
TFTC.
• Solución
La primera derivada de la función triángulo es

¿(x(0) = rcct + i) - rect (r - 1 K. (5.189)

y la segunda derivada es

-(x(/)) =S(r + l ) - 2 B ( í ) + B ( r - 1) (5.190)

(ñgura 5A9). La transformada de Fourier de la segunda derivada es

J ^ ( ^ ( x ( 0 ) ) = e'-^-^ - 2 + e-'-^' = 2[COS(2TT/) - 1 ] , (5.191)

Usando la propiedad de integración de la TFTC y el hecho de que el área bajo la segunda derivada es cero, la
transformada de Fourier de la primera derivada es

T^( —{x
d
(n)
\d!
\
= 2 '•— - ,
CÜS(2TT/)-1
/ ; 2 T T f
(5.192)

y, si se usa de nuevo la propiedad de integración,

COS(2TT/) - 1
J P ( X ( Í ) ) = ,?^(tri(f)) = 2 (5.193)
(J2iTfy-

Luego, usando

s e n ( x j sen(_v) = - [ c o s ( . v - y) — cos(x + y)], (5.194)

se concluye que

(S.19SJ

cos(2Tr/)-i ^ -2 sen-(^/) sen-(TT/) .

.Rm(i)) = 2 — — — — = 2 — — — = -—-T- = smc ( / ) . (5.196)

(j2^fr^ ( ^ / ) 2

(tri(í))

k
1
f (tn(O)

-
-1

-2 -

y su primera y segunda derivadas. 277

278 R E S U M E N D E LAS PROPIEDADES D E LA TFTC

Linealidad a x ( / ) + py(f) < > aXif) + pY(/)

oíx(í) + py(í) <-í-> a X ( j o j ) + pTCjü))

Corrimiento en el tiempo

- ío)
X(jw)e"^"'»
x(í
Corrimiento en frecuencia

x(t)e+^'^' < > X [ j ( w - wo)]

Escalamiento en el tiempo x{at) « ~ X ( -

|íí| Vfl
1 / Ü ) \
x{at) < >
fl| V a /

Escalamiento en frecuencia A X{af)

< ^ Xija(ú)
\a\ \a/

Transfonnada de una conjugada x*(f) X*{-f)

x\t) X*i-jw)
Dualidad multiplicación-convolución x(f) * y ( í ) X(/)Y(/)

x{r) *y(f) <—> X(»Y(;oj)

x(r)y(f) ^ — > X ( / ) * Y ( / )

x(f)y(r) ^ - í - X ( , / o j ) * Y(.7«)

Diferenciación ^(x(f)) ^
dt
j2iTfX{f)
^(x(f)) ^ >X(jw)

Modulación X(OCOS(2TT/OÍ) ^ ^[X(/ - /o) + X(/ + fo)]

x(t) cos(wof) A^ ^ [ X ( ; ( c o - m)) + X(y(w + ( Ü O ) ) ]

Transfonnadas de señales periódicas

x(f) = Xme-'^-''^'^'^' ^ Xif) = J2 X[A]5(/ - A/o)

oo QQ

x(/) = ^ XÍArle-J^*"^" X(jo>) =2T! kY

= -oo X[A]S(w - Awo)
t=-oc

J !x(oP^f= f \X{fAdf
oc co
Teorema de Parseval
—DO

00

j \xilAdt = ¿ / lX(./«)|^rf/
 00 279
Definición integral de un impulso 5.5 Propiedades de la
transformada de
Founer de tiempo
continuo
Dualidad X(í) ^ x(^/) y X(-í) ^ x(/)

X{;f) 2TTX(-Ü)) y X(-jt) 2irx(co)

Integral del área total utdizando transformadas de Fourier

oo

X(0) = dt
j x(f)e-J'^^-^' dt

/
oo

df
x{0) = X{f)e+P-^f' df

L-oc Jf^O

/
00

X{0)- X (í) e-^"' dt dt

00

XÍO) = üi)e+"^' doi diú

Integración J x(X} dk « + ^X(0}5(/)

jlitf 2
T

í X(X) dk ^
T
>
X ( /cü)
+ TTX(0)8(tü)

USO DE TABLAS Y PROPIEDADES

En esta sección se incluyen algunos ejemplos que ilustrarán el uso de las tablas del apéndice E y las
propiedades que se presentan al principio de este capítulo para determinar las TFTC de algunas señales.

r
EJEMPLO 5.6

W = 10 sen (/), entonces determine la TFTC de

« b) x ( / - 2 ) c) x(2(í-l)) d) x(2í-l)

• Solución
á) Si se usa la propiedad de linealidad y se busca la transformada de la forma seno general

sen{2iT/oí) ^ ^ [ & ( / + /o) - 5 ( / - /o)] (5.197)

„ „ , „ ^ i [ , ( / + ± ) - s ( / - ¿ ) ] (5.198)

lOsen(f) ;5 (5.199)
280 o, en la forma de frecuencia en radianes.

lOsenf/J ./10TT[S(W + I) - S(a) - 1)]. (5.200)

Este es un caso en el que la forma de la frecuencia en radianes de la transformada es un poco más compacta
que la fomia de la frecuencia cíclica.
b) A partir del resultado de la parte a)

10sen(/) (5.201)

y la propiedad de desplazamiento en el tiempo.

,0 ,e„(, - 2) ^ ,-5 [a ( / + ¿-) - 5(/ - (5.202)

10sen(í - 2 ) ^ ^ ilOTT[5(to + 1) - 5((o - 1)]^-^''". (5.203)

Puesto que los únicos valores de/en e-J-^'fo e-fl"^

tu en
impulsos, la solución también puede escribirse en las formas
que realmente importan son aquél

10sen(/ - 2) (5.204)

IOsen(r-2)^ > y 10TT[6((Ü + l)e-'- - S(u) - Df"^^]. (5.205)

c) De la parte a),

lOsen(r) j5 (5.206)

Aprovechando la propiedad de escalamiento en el tiempo.

10sen(2r)^^ (5.207)
2T7/ V2 2TT

Entonces, de acuerdo con la propiedad de desplazamiento en el tiempo.

10sen(2(.-l))^4[a({ + ¿ ) - s ( { - ¿ ) j (5.208)

Por último, uüüzando la propiedad de escalamiento de la función del impulso,

10 sen(2(r _— , ' „ .' ^' ,^ 5vs[ 1 8R (I f/ j. . i^ ) I - _ . s( I / f -_ i J _) 1; .I a- - J - " /

(5.209)

10sen(2(í - 1)) ^ > J5 (5.210)

(5.211)

d] De la partea).
10 sen(2(í - I)) y 10T7[S((Ú + 2)e'- - 5(w - 2)e-'"].
lOsen(f) •« > ./5 5 / + — - S / (5.212)
2 7 T / V 2ir
 Aplicando primero la propiedad de desplazamiento en el tiempo. 281
5.5 Propiedades de ia
10sen(r - ! ) • J5 - s f-
lirjj (5.213) transformada de
Fourier de tiempo
continuo
Después, si se aplica la propiedad de escalamiento en el tiempo,

10sen(2f - í ) ^ j ^ í s f ^ + — ) - S f ^ - —)1 e'^^^ (5.214)

Por íiltimo, al utilizar la propiedad de escalamiento del impulso,

10 sen{2r - 1) j5 & ^/ + - 5^/ - e-'^f (5.215)

10scn(2r - 1) (5.216)

o, en la forma de frecuencia en radianes.

10sen(2r •- 1) <^ * y 10Tit8(cü + 2)e--'' - Sfoj - 2)eA- (5.217)

E.IEMPLO 5.7

Si x(/) = 25 rect((r - 4)/l 0), determine la TFTC de x(r).

• Solución
Se puede encontrar la TFTC de la función rectángulo unitario en la tabla de transformadas de Foutier,

rect(í) « » sinc(/) o rect(í) * *^^"'^l2Tr/ (5.218)

''^Ifrijca primero la propiedad de linealidad.

25 rect(f) > 25 sinc(/) o 25 rect(r) < >- 25 sincl — I (5.219)

Luego se aplica la propiedad de escalamiento en el üempo.

25 rect 10 x 25 sinc(10/) o 25 rect * — * 10 25 sinc {^—^ (5.220)

25 rect ( ^ 250 sinc(10/) o 25 rect 250 sinc (5.221)

Después se aplica la propiedad de desplazamiento en el tiempo.

25 rect ( ^ - ^ ) 250 sincílO/)^-'-''-^**' o

/r-4\ T {5tí>-- (5.222)

25 rect < * 250 sinc — -juj<4>
V 10 / V TT /

'í-4\ T
25 rect 250 sincdO/)?--''*^-'' o
10
/r-4\ T /5w
25 rect ^ * 250 sinc —
V 10 y VTT
 E j E M P í . O 5.8:

Determine la TFTC de la convolución de 10 sen(í) con 26(/ + 4).

• Solución
Método 1. Se determina primero la convolución y se encuentra la TFTC del resultado.

lOseníO * 2 S ( / + 4) = 2 0 s e n ( / + 4 ) (5.224)

La transformada puede efectuarse de manera similar a ia parte b) del ejemplo 5.6,

20sen(í + 4 ) í > jlO (5.225) i

20sen(f+ 4) y20-7Tl6(tü+ 1) - 5(Ü) - 1)]<'^'"'. (5.226)

Método 2. Se realiza primero la TFTC para evitar la convolución.

10 s e n ( f ) * 28(/ + 4) JP( 10 s e n ( / ) ) J^(2S(f + 4)) = 2 J - ( 1 0 s e n ( / ) ) T(Ut)) e'^"'' (5.227)

10sen(/) * 2S(í + 4 ) " i 10 [ 5 ( / + i - ) - S ( / - ¿ ) ] . ' - ^ (5.228)

10sen(r)*25(r + 4 ) ^ ^ J^(10sen(f)).^(28(r + 4)) = 2 J-( 10 sen(r)) J-(B(r)) e'^"' (5.229)

10 sen(í) * 251/ + 4) J20TT[S(W + 1) - 5(ü) - \)]e^'^ (5.230)

5.6 LA TRANSFORMADA DE FOURIER EN TIEMPO DISCRETO

La transición de la SFTD a la TFTD es análoga a la transición de la SFTC a la TFTC, Se inicia con una
demostración gráfica de los conceptos y luego se efectúa una deducción analítica formal,

ILUSTRACIÓN GRÁFICA

Considere primero una señal de onda rectangular en TD

x[í!j = rect.v,,[í¡] =H c o m b A i J i ] (5.231)

(figura 5.20). La SFTD que representa a esta señal X[Í!] en TD para exactamente un periodo fundamen-
tal NQ está dada por

N„
X[k] = — y x[n]e-J'^^''^'" - — V (5.232)

S i m = rt + ;Vj„en (5.232),

2N„.
1
(5.233)

Después, empleando

JV-t N r = \

ll
I 282 1 - r
 m
r 5.6 La transformada
de Fourier en tiempo
discreto
-N„.

en (5.233) se obtiene

2N„

(5.235)
^0 h'o
1 _ g-j2TTik/Nu)

g+j2TH.kN,./N¡s) g - / T 7 ( ( 2 / V , , + nír/Wi,) ^-l-ÍTr((2W„, + I)i:/«u) _ ^-;'7T(Í2ÍV„,+1)Í/W„)

JVo g-J^k/t^o) g+jnk/t^íu) _ g-MklNa)

j ^^+y-.r((2/^,,-l-l)A:/jVu) _ ^-jiT((2Af,, + l)t/^o)J (5.236)

^0

1 sen((2Ar„, + 1)(^TT/MO)) 2^„, + 1

X[Í:] = drcl , 2iV„ + 1 (5.237)
MI SEN(A:'TT/AFO) A'o A'o

una función de Dirichlet con extremos de {W^ + \)INf¡ y un periodo de NQ.

Para ilustrar los efectos de diferentes periodos fundamentales A'o, considere que A/j^,- = 5 y grafique
las magnitudes de X[k] en función de k para NQ = 22, 42 y 84 (figura 5.21). El efecto sobre la función fl-; .•
armónica de la SFTD de hacer el periodo fundamental de x[«] más grande es similar al que se produce

iV„, = 5 , Wo = 2 2

i 1
irirttlTÍilTTriTtlI ILLTTFTLL
0.5 -

llTrinTÍ ILLTTJTLL LLTRIMLI llT,t.t;;tl.

-84 84

yV„, = 5,W,j = 4 2

/V„. = 5 , « o = 8 4

FIGURA 5.21
Efecto del periodo
f u n d a m e n t a l /V„ s o b r e
la m a g n i t u d d e ia
función armónica de la
k S F T D de una señal de
-84 84 o n d a rectangular.
 N^\X[k]\

JLL 1.L kFr,

-1

W„, = 5, No = 42
JVo|XIÍ]|

NI

JltiTítiTt.iTt.TTT.TTT.TlTtTTttííi ,Tít.Tr..TT.tTt.fTT.T!t.T!t,IT,TÍíJ
-1

> = 5, Afo = 84

FIGURA 5.22
Magnitud de la fun-
ción armónica de la
SFTD modificada de
una seña! de onda
rectangular.

sobre la función armónica de la SFTC al hacer el periodo fundamental de x(f) más largo. La función
armónica de ia SFTC no es periódica, y la función armónica de la SFTD sí lo es. Sin embargo, en
cualquier caso la forma de la envolvente de las amplitudes armónicas se aproxima a la función sinc que
es la TFTC de la función rectángulo. Cuando aumenta el periodo fundamental de X [ H ] , aumenta la
resolución de la envolvente de la forma de la función sinc en TD. En el caso de la SFTD, la forma de la
función sinc en TD se repite periódicamente y eso define a una función de Dirichlet.
A continuación se necesitarán dos normalizaciones similares a aquellas hechas para la transición de
la SFTC a la TFTC. Primero, cuando aumenta el periodo fundamental Wg, disminuyen las amplitudes
armónicas. En el límite cuando NQ tiende a infinito, todas las amplitudes armónicas tienden a cero. Este
efecto puede eliminarse modificando la función armónica de la SFTD al multiplicar por el periodo
fundamental NQ. La función armónica de la SFTD modificada es

NoX.m =sen((2A'„.
—
+ l){;ciT/A'n))
,
/ k
= (2Af,. + 1) drcl — , 2Af„ + 1 (5.238)
sen(A-Tr/A'o)

El otro efecto es que el periodo fundamental NQ de x[«] es también el periodo fundamental de la función
armónica de la SFTD, y cuando éste crece, el ancho de la gráfica de un periodo fundamental de la

u
función armónica de la SFTD modificada N^XlIc] aumenta hasta infinito. Es
posible normalizar graficando la función armónica de la SFTD modificada en
funclóade fc/N^= fcC^^eavezde fc, Eatonces elqeriodQ fuadameatal de la fun-
ción armónica de la SFTD modificada (como se gráfica) siempre es uno, en vez
de NQ (figura 5.22). Cuando NQ tiende a infinito, la separación entre los puntos
de N^Xllc] tiende a cero y la gráfica de la frecuencia en TD discreta se convierte
en una gráfica de frecuencia en TD continua (figura 5.23).
-] 1.
1 kür,
-2Tr 2Tr
DEDUCCIÓN ANALÍTICA
FIGURA 5.23
Límite de la función amiónica de la SFTD Esta derivación se lleva a cabo a lo largo de un camino análogo a la deduc-
modificada de una señal de onda rectangular. ción de la TFTC a parth de la SFTC. Para expandir la SFTD a señales ape-
 riódicas, primero sea F,, = AF= IW,,. Entonces la representación de la SFTD de x[n] puede escribirse
como
5.6 La transf
de Fourier en tiempo
(5.239) excreto

Si se sustituye la expresión de la sumatoria para X[k] en la definición de la SFTD,

(5.240)

(5.241)

(El índice de la sumatoria n en la expresión para X[A-] se ha cambiado por m para evitar confusión con ia
n en la expresión para x[fi]). Puesto que la sumatoria interna es para cualquier intervalo arbitrario de m
de ancho A^;,, considérese que el intervalo es -(,N(/2) < m < para jVq par o -((vVu - l)/2) < m < {{MQ
+ 1 )/2 para impan La sumatoria exterior es para cualquier intervalo arbitrario de k de ancho A^^; por
eso, sea su intervalo iguai a kf, <k< k^ + NQ. Entonces

A-o+JVo-l / 1^0/2)-! \
x[«]= Yl { E x[m]t^-^'^^'*^^"" e^~''"'^^>" AF donde A/o es par (5.242)
k=k„ \m=-(jVo/2) /

k„+Nu-l / 1 Vil-11/2 \
x[n] = E
k^n
E
V)i=-tM^-I)/2
^Me'-j2iT(kAF)m j ^j2TTikAF)ii
/
^ donde
p A'o es impar. (5.243)

Establezca ahora que el periodo fundamental A',, de la SFTD tienda a infinito. En ese límite. AF se
aproxima a la frecuencia diferencial en tiempo discreto dF: k AF se aproxima a la frecuencia en tiempo
discreto continua F ; la sumatoria extema se aproxima a una integral eriF-k A F que abarca un intervalo
de k^ <k< + NQ el cual, mediante F = k AF = kFf, = k/Nf,, se traduce en el inter\'alo F ^ < F < F Q + 1:
la sumatoria interna abarca un intervalo infinito; y (5.242) y (5.243) se convierten en

5C

. x[«] =
E
- 1 \;7!=-00
xlm]e"^'^"^'" í-'-"^" dF. (5.244)

La forma equivalente de frecuencia en radianes es

^^1"] = - / ( E -i"'^^ dQ. (5.245)

DEFINICIÓN D E LA T R A N S F O R M A D A DE FOURIER EN TIEMPO DISCRETO

La transformada de Fourier de tiempo discreto está definida por

X(F)e-'-^^" dF ^ X(F) = Y x[«Je"^-^^"

(5.246)

J
 Frecuencia Frecuencia
continua tii.screfa
CAPÍTULO 5
La transformada da
Tiempo
Fourier continuo TFTC SFTC

FIGURA S.24 Tiempo

TFTD SFTD
Matriz de métodos de discreto
Fourier.

La TFTD completa los cuatro métodos de análisis de Fourier, que forman una matriz de métodos para las
cuatro cotnbinaciones de tiempo conünuo y discreto y de frecuencia continua y discreta (figura 5.24).

5.7 CONVERGENCIA DE LA TRANSFORMADA

DE FOURIER EN TIEMPO DISCRETO
La condición para la convergencia de la TFTD es simplemente que la sumatoria en

X(f) = Y, ^W^^''^'" o ^(./^) = E ^M^''"" (5.248)

realmente converja. Esto se cumple si

oc

< oo. (5.249)

Si |X(F)| está acotada, la transformada inversa

X [ H ] = / X ( F ) e ^ - ^ ^ " dF o x[«] = (5.250)

2TT JJT,

convergerá siempre debido a que el intervalo de integración es finito.

5.8 PROPIEDADES DE LA TRANSFORMADA

DE FOURIER EN TIEMPO DISCRETO
Sean x[n] y y[u] dos señales en TD cuyas TFTD son X(F) y YiF) o X(jQ) y YQÜ.). Entonces se aplican
las siguientes propiedades.

LINEALIDAD

Esta propiedad es igual que la correspondiente a cualquier otro método de Fourier (también para las
transformadas de Laplace y : que se presentarán después).

F
a x [ « ] + py[«] <—. oiXiF) + p Y ( f ) (5.251)

ax[/i] + pyUíl ^ > aX(jQ) + pY(yí2) (5.252)

D E S P L A Z A M I E N T O EN EL TIEMPO Y EN LA FRECUENCIA

Estas propiedades pueden demostrarse de manera similar a las que se usaron para la TFTC. Los resulta-
dos son

x[« - «ül e-^-'^^""XiF) (5.253)

 5.8 Propiedades de la
(5.254) transformada de
Fourier en tiempo
discreto

(5.255)'

(5.256)

EJEMPLO 5 . 9

¡e la TETD inversa de

X(F) = rect 50 f - + rect {sQ [F + j * comb(F) (5.257)

: con la entrada de la tabla,

n
w KcUwF) * comb(F), (5.258)
sinc I —

X . (n
rect(50F) * comb(F). (5.259)
50""HHO

propiedad de desplazamiento en la frecuencia, gJ-"''»" x[n] ( "'^ > X ( F — F Q ) ,

rect 50 * comb( F) (5.260)

50 V. 50 /

)lsinc(^j ^ rect(5o(F+*comb(F). (5.261)

mdo dos funciones se convolucionan, un desplazamiento de cualquiera de ellas (pero no de am-

convolución por la misma cantidad. Por último, al combinar (5.260) y (5.261) y simplificar,

0)cos(Tríí/2) r
rect (^50 ^ F - - i - j ^ + r e c t (^50 (^F + *comb(F) (5.262)
l5 ^

0.04

-160
illlliU' '1

1 1 '

FIGURA 5.26
TFTD inversa de X(F).
288 TRANSFORMADA DE UNA CONJUGADA
Si se conjuga una función X[ÍJJ en T D su T F T D es

(5.263)

X*IH| A ^ X ' ( - F ) (5.264)

X [n] < >- X (-7Í2) (5.265)

Las implicaciones de esta propiedad son las mismas para señales en TD que para señales en TC. La
magnitud de la TFTD de una función real es par y la fase es impar.

DIFERENCIA Y ACUMULACIÓN

La diferencia y la acumulación son análogas a la diferenciación y la integración en la TFTC.

CC y:

nx[n] - x[n - l ] j = Y. x[n]e"^'^''" - Y ''f" ~ l]e"^'^'"'" (5.266)

íí=—CC rí——cic

En la segunda sumatoria de (5.266) sea m = n-l. Entonces

00 oo

n^[n] - x[n - 1]) - Y ^M^''^^'"^" - Y (5.267)

•y.

T(x[n] - x[n ^ 1]) = (1 - e-J-"^^} Y xlnje-^'-"^" = (I - e-''"''^)X{F) (5.268)

x[n] - x[n - 1] í1- e^'-''^)X{F) (5.269)

x[n] - xUi - [] A ^ (1 - e-^")X{jQ) (5.270)

De manera análoga a la prueba de la propiedad de integración de la TFTC, es posible demostrar que la

propiedad de acumulación de la TFTD es

n
^ X(F) 1
Y 1 - c-'-^¡'
+ - X ( 0 ) comb( F ) (5.271)

H
T XijQ) 1 / Q \
Y -^['"] -X(0)comb(-j (5.272)
;/i = —
 EJEMPLO 5 . 1 0

Determine la TFTD de = Ttcí^.^'!] mediante la propiedad de integración y la TFTD de un impulso.

• Solución
La primera dií'erencia hacia atrás de X [ Í I 1 es

xln] - xfj! - IJ = hln + N,,] - ñ[n - [N,, + l)] (5.273)

4n\ - xln - VI
S[« + N,.] - b[n - t.V„ + 11] ^ e^'^^'"' - ,-r-^f<^,.'+^^ (5.274)
-- 1
(figura 5.27). En e.se caso se utiliza la propiedad de Integración de la TFTD y el hecho de que la primera
diferencia hacia atrás del rectángulo tiene una suma igual a cero. + 1

-N„.
x[í!] = rect,v„,[/;l (5.275)
1_ e-n^f -1 -

FIGURA 5.27
T sen(TTF(2A'„. + 1)) rcctv„,l'!] y su primera
x [ n ] = rect;v„,L«J - - = t2iV„. + 1) d r c l ( f , lA', + 1) (5.276)
diferencia hacia atrás.
sen(TrF)

INVERSIÓN DEL TIEMPO

Si se invieite en el tiempo una función X[ÍI] en TD su T f ^ D es

(5.277)
n=--x
Sea m = -n. Entonces

x[m] (5.278)
Ill = — OK

xf-n] < > X( -F) (5.279)

x[-jíj * > X(-jQ] (5.280)

DUALIDAD MULTIPLICACIÓN-CONVOLUCIÓN

Sea

z[n] = xf;;] * y [ H ] = ^ x[in]y[n — m]. (5.281)

Entonces

Z(F)= Y z[n]e-^-^^"= Y Y ^My[n - m]e-J'-^^" . (5.282)

Invirtiendo ei orden de la sumatoria en (5.282), t¡=—y:.}fí=—oc

Z(F)= Y ^^'"^ Y y\" - m]e-'''-'"'= Y ^lm]Y(F)e-'^-'"'
(5.283)
 m
• y[>¡] = h[j!l:íx[íj] X(F) • Y(F) = H(F)X(F)
H h[n]
FIGURA 5.28
Equivalencia de la convolución en el dominio en TD y multiplicación en el dominio
de la frecuencia en TD.

Z(F)=Y(f) ¿ xím]e-J"'"'"' = YiF)X{F).

(5.284)

Por lo tanto.

x[«.]*y[í7] < > X(F)Y(F) (5.285)

(5.286)

Sea

z[n] = x[n]y[fi]. (5.287)

Entonces

Z{F)= J2 s[«]y[«]e-J'^"^" (5.288)

= E if X(X)^-'--^" dk) y[u]e-^--'" = í Xik) ¿ e^^^"^" y[n]e-^^-"' dk (5.289)

« = -cc VlíI / .í] íi = -oo

Z( F)= í X(k) V y[nk-^'^""'-"" dk= f X(K)Y{F -k)dk.

(5.290)
Y ( F - \ )

La última integral /j X(A,)Y(F - X) dX es otro caso de una convolución periódica. Por lo tanto,

x[«]y["] < > X(F)®Y(F) (5.291)

x[n]y[n] ^ - ^ X ( j Q ) ( ? ) Y(jí2) (5.292)

Las implicaciones de la dualidad multiplicación-convolución para el análisis de señales y sistemas

son iguales para TD que para TC. La respuesta de un sistema es la convolución de ía excitación con la
respuesta al impulso y el enunciado equivalente en el dominio de la frecuencia en TD es que la TFTD de
la respuesta de un sistema es el producto de la TFTD de la excitación y la función de transferencia, que

X(F) • H,(F) X(F)Hi(F) • H2(F) Y(F) = X{F)H,(F)H,(F)

FIGURA 5.29
Conexión en cascada
X{F) H,(F)H2(F) Y(F)
de sistemas en TD.
 es la TFTD de la respuesta al impulso (figura 5.28). Las implicaciones para las conexiones en cascada
de sistemas también son las mismas (figura 5.29).
5.8 Propiedades de la
transformada de
DEFDÍICIÓN D E ACUMULACIÓN D E UNA FUNCIÓN COMB Fourier en tiempo
discreto
La TFTC conduce a una definición de integral de un impulso. De manera similar, la TFTD lleva a la
definición de acumulación de una comb. Empezando con la definición.

X(F) = ¿ x[H]e-^-"^" y x[n]= íx{F}eJ-''^"dF. (5.293)

Entonces, en

^ X(f) = ¿ x[n]e-^'^^" (5.294)

se susfituye x[n] por su integral equivalente,

X(F)

(5.295)
n=-oo .

X(F)= Y. / Xp(<j>)e^'-^'*-^"'í/4>
-ct

= ¿ Xp{F)*e-^-^''" (5.296)

X{F) = XJF)^ (5.297)

donde

X(<t>j 4)0 < 4>< <l>o + 1

X„(<t) = (5.298)
o en otro caso

es un solo periodo arbitrario de X(F). Puesto que X^(F} es un periodo de X(E) y el periodo es uno, se
concluye que

X(F) = Xp(F)*comb(F). (5.299)

Por lo tanto, si (5.297) y (5.299) son verdaderas, significa que

Y e-^-"^" = c o m b ( F ) (5.300)

y, puesto que comb(F) es una función par.

Y^ e^'"'^" = c o m b ( F ) (5.301)
 E J E M P L O 5.11

Determine la TFTD de! coseno en TD

= A eos y— j .
H Solución
De acuerdo con la definición.

X(F)= ¿ x[n\e-''^'"= ¿ A cos(^)e-^^-^"

Si se utiliza ^ = comb(.v), y el hecho de que la función comb es par.

A
XÍF) = - comb I F ) + comb F+ -
4/ \ 4
o, empleando ia propiedad de escalamiento de la función comb,

XíjQ) = ATT comb - ^ ) + comb ( Q + ^ )

(11 gura 5,301,

Puesto que x[n] es periódica, también se puede determinar su función armónica de la SFTD,

X[k] = — y xlnle-^^-"-^"'" ^ - y cos{ — ]e-^-''"/'>

Esta expresión es cero para valores pares de k y vale .4/2 pai-a valores impares de k,

2 [ 1 k impar

|X(F>| |X(jíl)|

FIGURA 5.30
Magnitud de la TFTD 1 11 I I MI > i\
de xi:«l = / \ c o s ( ^ ) . -2 -1 -4TT 2T7 4TT
Estos valores son exactamente las intensidades de los impulsos en X(F) en • • • - | , - | , Í . I, • •
El resultado anterior ilustra que la SFTD es sólo un caso especial de la TFTD, así como la SFTC lo es de la
TFTC. Si una señal en TD es periódica, su TFTD consta únicamente de impulsos y las intensidades de éstos son los 5.8 Propiedades áe la
transformada de
valores de la Función armónica de la SFTD en las armónicas de la frecuencia fundamental. •
Fourier en tiempo
discreto

TEOREMA D E PARSEVAL

Así como fue válida para los otros métodos de Fourier. hay una relación de Parseval para la TFTD. La
energía de señal total en una señal X [ / Í ] es

= ¿ (í X{F)e'-^" dF\ii X{F')e'-"' dF' ] (5.312)

E E íx(n íx\F')e-^'-'''~'"'dF'dF (5.313)

Es posible intercambiar el orden de la sumatoria y la integración para obtener

Y = JxiF) jx'iF'} ¿ e-.'^-'F'-f'" dF'dF

(5.314)
=eombi F'-F)

E = / X ( F ) jX'iF'mF' ^ F]dF'dF (5.315)

¿ |x[«]|- = jX(F)X\F)dF = j \X{F)\-dF (5.316)

lo que demuestra que la energía total para todo tiempo discreto n es igual a la energía total en un periodo
fundamental de frecuencia F en TD (dicho periodo fundamental es igual a uno para cualquier TFTD). El
resultado equivalente para la forma de frecuencia en radianes de la TFTD es

(5.317)

EJEMPLO 5 . 1 2

Determine la energía de señal de

1 /
x["l = - sinc (5.318)
\ 100/
• Solución
La energía de señal de una señal en TD se define como

(5.319)

Sin embargo, es posible evitar la realización de la sumatoria utilizando el teorema de Parseval. La TFTD de \\n]
puede encontrarse empezando con la entrada de la tabla

sinc -) w rect iwF) * comb ( F) (S.320)

294 y aplicando la propiedad de linealidad se forma

1 í n \ r
20 rect(lOOF) * c o m b ( f ) .
20 (5.321)
5 Viooy
El teorema de Parseval es

(5.322)

De manera que la energía de señal es

OQ

20 rect(lOOF) * c o m b ( F ) r ííF = / |20 rect(100F)r rfF (5.323)

F , = 400 j I
ííF = 4.
(5.324)

R E S U M E N D E LAS PROPIEDADES D E LA TFTD

Linealidad ax[«J + Py[»] aX(F) + pY(F)

a x [ « ] + py[/íl ctX(y£2) + py(y£2)

Desplazamiento en el tiempo x[« - no] " e-^-''^"" X ( F )

x[í) - no] e-J^""X{jQ)

Desplazamiento en frecuencia e^^"^""x[n] ^ X(F - Fo)

x(j(n-üo))

Transformada de una conjugada X [ » ] X'(-F)

x[/i] < > X'(-jQ)

Diferencia \[n] — x[/í — 1] <- {l-e )X(F)

X[H] — x[fi — 1] 1 ^e-J^')X(jQ)
ir
X(F) 1
Acumulación Y ^['"] — + -X(0)comb(F)
m=—00 1 — e '-"'^ 2
n

> — + ~X(0) comb

Inversión del tiempo x[-«] X(-F)

x[-n] * > Xi-jQ)

Dualidad multiplicación-convolución x['!]*yí"] « X(F)Y(F)

x [ « ] * y [ n ] - í - ^ X(y£2)Y(j£2)

x[«]y[n] ^ X(F)®Y(F)

x[n]y[«] ^ —X(j£2)@Y(yí2)

Definición de acumulación Y e''^''" = c o m b ( F )

de una función comb
 295
Teorema de Parseval E =í I
5.9 Re,
los m

T lx[n]|^= - í - í \X{jQ)\^d^

E.fEMPLO 5 . 1 3

Determine la TFTD inversa de X(F) = rect(toF) * comb(F), donde w> l.

• Solución

yi[n]^ jx{F)e^dF \ln] = jjecUwF] * comh{ F)e^^'''"" dF (5.325)

Puesto que se puede elegir integrar para cualquier intervalo en F de ancho uno, se elegirá el más simple,
I
1

x[?i] = j KcX{wF)*comh(F)e^'^''" dF. (5.326)

En este intervalo de integración hay exactamente una función rectángulo de ancho 1/vv y

x[ul = f dF = 2 f c o s ( 2 . F « ) dF = ^^^^^^ = l sincf (5.327)

-ll/2üM O
A partir de este resultado se puede establecer también el údl par de la TFTD (que aparece en la tabla de pares de
Fourier en el apéndice E),

sincl — ) wKCtiwF] ^ comb{F) w >1 (5.328)

.w )

smc ^ - ^ ü) Y rect(u.'(F-í:)) > 1 (5.329)

o, en la forma de frecuencia eu radianes,

smc I — < > w rect * comb — w > l (5.330)

— " ' E - f e — ' )

u; > 1. (5.331)

5.9 RELACIONES ENTRE LOS MÉTODOS DE FOURIER

El lector cuidadoso habrá notado que hay muchas similitudes entre los métodos de análisis de Fourier:
SFTC, S n " D , TFTC y TFTD. En esta sección se estudian las relaciones entre ellos y se demuestra que
la información en una SFTC, SFTD y TFTD existe en una forma equivalente utilizando la TFTC. A
continuación se presenta un resumen de las relaciones que definen los cuatro métodos de Fourier

SFTC. Representación, para todo tiempo, de una función en TC periódica con periodo fundamenta]
Tf¡ que satisface las condiciones de Dkichlet:

X[k] = — / x(f)e--^-""=-^'" dt x(r) = V X[¿]e+J^^<*^'" (5.332)

1 í (5.333)
X[k] = — / x(/)e-J'*""" dt x(/) = Y. X[)t]e+^'
^0 JT,
 SFTD. Representación, para todo tiempo discreto, de una función en TD periódica con periodo
fundamental N^.

(5.334)
^ 0 «Í(M,)

(5.335)
TFTC.

X ( / ) = J me-^~^^'dt x ( / ) = j X(f)e+^'-^f'df (5.336)

-GO -00

CO OC

(5337)
— - o o
TFTD.

X ( f ) = ¿ xL/Jk"-'-"^" x [ « ] = f X(F)e+'-''^" dF (5.338)

00 , ^

X(;£2)= y xln]e-'^" x[«] = — / X(jQ)e+J^" dQ (5.339)

La tabla 5.1 presenta las definiciones de algunas propiedades correspondientes para los cuatro métodos
de Fourier.

TABLA 5.1
Comparación de métodos de Fouiier
Frecuencia discreta Frecuencia continua
Tiempo continuo

/ / x(t)e-'-^'¡'' di

X{t - r,í) ' > í-/2''(V.»r„x[^.] xfr-íu) ^ X( /)e-J-^.^">

x(íJe+J-''°' Xf/ - /„)

x(í)y(r) ^ X[t]^Y[Ai

x(í)®yír) 7oXMYm x(/)*y(í) X(/)Y(/)

1 í |x(rjprff= ¿ |X[A-]p y |x(f)pd/= J \X(f)\-df

Tiempo discreto
TS - jl-nCkn/Nnt
J2 X[k]e' / X(F)c'-''" dF Y. x[n]e-^

X[íí - ll(¡] """'Xlk]

X[«] X[k - kn] X['í] -^X(f-F„)

TS
x[n]y[«] Ym@xM x["]y[«] X(F)@Y(F)

x[n]@y[í!] N,Y[k]X[k] x[í;]*y[ííl * • X(F)Y(F)

Y l'^I"]!' = Í |X(F)pí/F
 Observe que un desplazamiento en un dominio corresponde a la multiplicación por una función
compleja en ei otro. La multiplicación de dos funciones en un dominio corresponde a la convolución en
5.9 Relaciones entre
el otro dominio. Si dos funciones que se están convolucionando son periódicas, la convolución también los métodos de Founer
es periódica. Si una señal de tiempo es aperiódica, el teorema de Pai-seval iguala su energía de señal con
la correspondiente en el dominio de la frecuencia. Si una señal de tiempo es periódica, el teorema de
Parseval iguala su potencia de señal promedio con la correspondiente en el dominio de la frecuencia.
Los cuatro métodos de Fourier se comparan gráficamente en la figura 5.31 para cuatro señales
correspondientes. Se pueden observar algunas características generales de estos pares de transforma-
das. Si una función es discreta en un dominio, es periódica en el otro, y viceversa. En la región de la
SFTD ambas funciones son discretas y periódicas. En la región de ia TFTC ambas funciones son conti-
nuas y no periódicas.

TFTC Y SFTC

Una señal x(í) en TC periódica con periodo fundamental TQ = 1//Q puede representarse para todo tiempo
mediante una SFTC,

s(/) = ¿ X\li]eJ'^"'''"" o x(í) = ¿ X[k]eJ""^'^'. (5.340)

Ixrai |X(/)|

1 - -

•»ti.TH.! Í.Tll.TTt.
Y^A/V VVVy >

Fase de Fase de X( / )

1
1 í TT +
-! _. 1
-4
ro

SFTC TFTC

\XW\ |X(f)|
2JV,, + 1, L
2W+ 1

1
mMy 11
[ i 1, x[«]

l'
ta
-2

liliL
1V„. + 1
Fase de X[k]
Fase de X(F)

W N, W

. . . . i — TT'

SFTD TFTD

FIGURA 5.31
Comparación gráfica de señales y sus transformadas de Fourier.
 SFTC

x(f) 444-
-7-5-3-1 13 5 7

TFTC
F I G U R A 5.32
Función armónica de
la SFTC y TFTC para
- 5 / ü ¡ - / o / o i 5/o
una función de onda
cuadrada. 7/o -3/o 3/o 7/o

Utilizando la propiedad de desplazamiento en la frecuencia eJ^'^fo' x[f] * X ( / - /o) y el par de trans-

formadas de la TFTC 1 < * S{/), es posible encontrar la TFTC de x(í), obteniendo

X(/) = E X[fc]5(/-í:/o) o X O ) =27r E X[¿]S(a)-í:wQ). (5.341)

k=-x

Por lo tanto, la T I T C de una función en TC periódica es una función de frecuencia continua que consta
de una suma de impulsos, espaciados por una frecuencia fundamental de la señal, cuyas intensidades
son iguales que las de la función armónica de la SFTC al mismo múltiplo de numero de annónica de la
frecuencia fundamental. La SFTC es sólo un caso especial de la TFTC con algunos cambios de notación
(figura 5.32).
Éste es et primer ejemplo de la equivalencia de la información de una función X[k\ de una variable
independiente discreta, en este caso, el número de armónica k y una función X(/) o Xíjai) de una
variable independiente continua, en este caso, la frecuencia. Ambas son equivalentes en el sentido de
que X ( / ) o X(/Cü) es distinta de cero sólo para valores de k múltiplos enteros de la frecuencia fundamen-
tal / Q o COg y X[k] y sólo se define para valores enteros de k. Además, los valores de X[k] en los valores
enteros k son iguales que las intensidades de los impulsos en X ( / ) que ocurren en kfi¡ Resumiendo, para
una función x(í) periódica en TC,

x ( / ) = Y xmtf-kfo).
k=-oc
(5.342)

(Las funciones X ( ) y X[ ] no deben confundirse aquí, pues aunque tienen el mismo nombre, una es una
función de una variable independiente continua y la otra lo es de una variable independiente discreta.)
Otra comparación importante entre la SFT y la TFTC es la relación entre la TFTC de una señal en
TC aperiódica y la función armónica de ia SFTC de una extensión periódica de esa señal. Sea x(í) una
función de tiempo aperiódica y x^(t) una extensión periódica de x(f) con periodo fundamental T^, defi-
nida por

p(r) = ¿ x(í - nTp) = x(í) * Y Ít) (5.343)

(figura 5.33). La TFTC de x(f) es X ( / ) , si se utifiza la dualidad multiplicación-convolución de la TFTC,

la TFTC de x^,(f) es

X / / ) = X ( / ) comb(T,,/) = fp^ (5.344)

k=-x
X(kf„)?>(/-kf)
 Señal x^(f) en TC que se
Señal x(/) en TC repite periódicamente
5.9 RelacionesittHK:>
los métodos de Fáe0ff'

1 +

64

|X(/)|

1
-0.5
l„ 1>
0.5

1,1 ir
Fase de X(/) Fase de X^íit]
FIGURA 5.33
- IT Una señal en TC y su
TFTC, y la repetición
periódica de la señal
en TC y su función
armónica de la SFTC.

donde f^, = XIT^. Ahora, si se usa (5.342),

oc
(5.345)
k=-x

y se combinan (5.344) y (5.345), se obtiene

Xp[k] = fpXikfp). (5.346)

En palabras, esto quiere decir que si una función en TC aperiódica se extiende periódicamente para
formar una función periódica x^,(í) con periodo fundamental T^, los valores de la función armónica de la
SFTC X^[k], de x/t), son muestras de la TFTC, de X ( / ) , de x(/) tomadas a las frecuencias kf^ en TC y
luego muUiplicadas por la frecuencia fundamental de la SFTC, f^. Esto forma una equivalencia entre el
muestreo en e! dominio de la frecuencia en TC y la repetición periódica en el dominio en TC. Esta idea
será importante en el estudio del muestreo en el capítulo 7.

E,fEMPLO 5.14

Mediante (5.346), determine la función armónica de la SFTC de

\{T) — sinc - ) * — comb ( — ) . (5.347)

2/ 10 VIO/

• Solución
El periodo fundamental de esta función aperiódica extendida periódicamente es 7^ = 10. De acuerdo con (5.346),
\lk] = ,fpX(A-,f^), donde, en este caso.

X ( / ) = ^í^^sinc (^0) = 2rect(2/), (5.348)

Por lo tanto, para esta x(r)

X[k] = - rect (S.349)

Entonces x(r) puede expresarse como una SFTC.

ík
,u) = Y x[A-].'^-'*''-^-Y r^^' (5.350)
 (5.351)

Este resultado puede expresarse en dos formas alternativas muy interesantes. Primero, combinando senoides com-
plejas en pares conjugados se obtiene

x(r) = - ] -F 2 eos I y / j -F 2 eos Y—i (5.352)

Segundo, es posible udlizar la fórmula para la sumatoria de una serie fmita

> í- = 1
1
r # I (5.353)

y el cambio de variable q = k + 2 para obtener

5 1 _ gjl.T/S)l

(5.354)
e

^-.i^^Pi' _ f,j'-<r/2n 1 sen({Tr/2)r)

xíí) = - (5.355)
5 g-jr^/ioi, _ ^jnr/iüu 5 sen((iT/10)í) '^^'^ \ 1 0 ' ^

Por lo que la función original x(/) en el dominio del tiempo puede expresarse en tres fomias de aspecto muy
diferente.

, í\ 1 / t \ 1 , \ /27r \
x(í) = sinc - * — comb — = - 1 -i- 2 eos I —r + 2 eos — t
\2j 10 VlO^ 5 L 5 J V 5 yj

(5.356)
= drcl

E.JEMPLO 5.15

Generalice los resultados dei ejemplo 5.14 empezando con

x(/) = sinc f — ) * — comh ( — ) = sinc ( — ] * fo corab( fat ) . (5.357)

\w/ Ti, \Ta/ \wj '

• Solución
El periodo fundamenlal de esta función aperiódica extendida periódicamente es T^, = T^. De acuerdo con (5.346),
X^-K] = FPXIKFP), donde, en este caso,

X(.r) = ^(^sinc (^;^^ j = w rect(ic.f). (5.358)

Por lo tanto,

X[K] = wfn Tsctiwkfo). (5.359)

Entonces x(f) puede expresarse como una SFTC,

x(/) = E XMEP-^''^"" = wfu E rect(uj*/„) e'-^'^^' (5.360)

 Casa I Tfjlw n o es un entero.

5.9 Relaciones i
(5.361) métodos de Ruñar

donde M es el entero más grande en 7"(/2ÍÍJ. Combinando senoides complejas en pares conjugados se obtiene

x.(f) = + 2 cos(2-rr/(,r) + 2 cos(4TT/of) H + 2 cos(2M-n-/;,/)]. (5.362)

Es posible utilizar la fórmula para la sumatoria de una serie finita,

IV-l \N r=I
(5.363)

y el cambio de variable q-k + Mpara obtener

2Af

(5.364)
k=-M ii=0 í=0

sen(TT(2A/ + 1) Éí)
x(r) = Ni/„ ^ — = whilM + !) drclí /;,r. 2M + I). (5.366)
sen(TT/or)
De manera que la función x(í) original en el dominio del tiempo puede expresarse en tres formas de aspecto muy
diferente.

= .sinc ^•'-^ * /() comb(/uí) (5.367)

x(r) = w/ü[l + 2 cos(2TT/üri + 2 cos(4TT/nO + ••• + 2 cos(2MTT/cif)] (5.368)

x(r) = u'/o(2AÍ + 1) drcl(/)f. 2M + 1). (5.369)

Caso 2 T^liu es un entero.

x(r) = u'./¡.
1(1/2111-1)
+ >^'f. (5) + wf„ e'^-'^^r-'f"' (5.370)

Iíb/2il-l-l

x(.0 = ti^^.Ai ^ g./2-iit/o/

Li=-((To/2!í>-l)

(5.371)
COS
^ l=-[(7-„/2,il-IJ

Al combinar senoides complejas en pares de conjugadas se obtiene

x(f) = u.'/o 11 + 2 cos{2'7T/ofí -f 2 COS(4I7/Ü;) +

(5.372)
+ 2cos(2(i¿-l)./o.)-.cos(^)_.

Es posible utilizar la fórmula para la sumatoria de una serie finita,

N-\ N r=l
I -
302 y el cambio de variable q = lc+ {{Tg/2w) - 1) para obtener

(Ta/wl-2
eos
,=0

(5.374)

1 _ gj2TT((ro/iii)-l)/or -|
x(í) = u.'/o (5.375)
eos 1 _ ^j2ir/ol

x(f) = wfo eos

„X(ro/ii')-i)/oi «-/"«rn/ít'j-u/of _ «/'(iro/uíj-D/oi
(5.376)

/ju\ _^ sen(TT((75/m) - l)/ot) (5.377)

x(í) = w/o
\ w J s e n ( 7TT/ /, ,Í í)

x(/) = wfn
Así que, en este caso, la función original x(/) en el dominio del tiempo puede expresarse en estas tres formas,

x(f) = sinc —
- ) * /(,comb(/oí) (5.379)

x(í) = lu/o [1 + 2 COS(2TT/OÍ) + 2 cos(4Tr/of) +

-"(?)]
(5.380)
+ 2 eos 2

x(í) = wfo (5.381)

TFTC Y TFTD

La TFTC es la transformada de Fourier de una función en TC, y la TFTD es la transformada de Fourier

de una función en TD. Si se multiplica una función x(/) en TC por un tren periódico de impulsos unita-
rios espaciados T¡ segundos (una función comb), se crea la función de impulso en TC

XB(f) = x í f ) ^ comb = ¿ x(«r,)6(í - nT,). (5.382)

Si después de esto se forma una función x[n] en TD cuyos valores son los valores de la función original
x(í) en múltiplos enteros de y son, en consecuencia, también las intensidades de los impulsos en la
función impulso Xg(í) en TC, se obtuvo la relación.

x[«] = xinT,). (5.383)

Por consiguiente, las dos funciones, x[«] y Xgí/) están descritas completamente por el mismo conjunto
de números y contienen información idéntica. Si en estas condiciones se determina laTFTC de (5.382),
se obtiene

X s í / ) = XTFrc(/) * c o m b ( r , / ) - ^ ^i"T,)e-J'^^"^' (5.384)

X s ( / ) = fsY XTFrc(,f - kf,) = E (5.385)

i=-00
donde = \IT^. Si se efectúa el cambio de variable / -> en (5.385), se obtiene
5.9 Relaciones entre
Xs(/,F) = /, ¿ XTFTC(/.(E - t)) = ¿ K[«]íf-^'^™'' los métodos de Founer

(5.386)

La última expresión en (5.386) es exactamente la definición de la TFTD de x[n], X-j-fq-oí^- Resumien-

do, si x[n] = x(nT,.) y x5(r) = S°°„=_„„ x[«]5(r - «TJ, entonces

XTFrD(F) = X 8 ( / , F ) (5.387)

Xa(/) = XTFTD (5.388)

También

XTFTD(F) = E XTFTC(/.('P' - k)). (5.389)

k=-x

Los subíndices TFTC y TFTD son necesarios aquí porque

XTFrD( ) 7^ XxFTCÍ ) • (5.390)

En vez de eso, de acuerdo con (5.389),

XTFTD(F) = FS Y, ^TFTcifÁF - k)). (5.391)

A-=-oc

Las funciones X T P J D ( ) y Xjfq-cí) lo son de una variable independiente confinua y son matemáficamen-
te distintas, por lo que necesitan nombres que las diferencien. Por lo común los subíndices no son
necesarios en el análisis práctico porque sólo se usa una de las dos funciones, pero aquí, cuando se
relacionan los métodos de Fourier. es necesario establecer una distinción entre ellas.
De nuevo, existe correspondencia entre una función x[«] de una variable independiente discreta, en
este caso, el tiempo discreto n, y una función de impulso xgír) de una variable independiente continua,
el tiempo continuo t. De modo que existe también una equivalencia de información entre la TFTD de la
función X[H] en TD y la TFTC de la función xg(f) en TC (figura 5.34).

IX(f)|
m
A- - •I TFTD
24

- 5 - 3 - ! 1 3 5 "1 1

xs(f) [XB(/)|

A + TFTC
2A

FIGURA 5.34
F TFTD de una función
x[n] sinc en TD: TFTC
|X(/)| de una función de
impulso XgíD en TC.
TFTC cuyas intensidades de!
2r.A impulso son los
valores de x[n]: y
TFTC de la fiinciÓB
\(t) original en TC.
 También hay cierta equivalencia entre la TFTC de la función origina! x(í) en TC y la TFTD de 1L.
función x[n] en TD por medio de (5.389). Dada Xjppc(/), e,s posible encontrar X^j^iF). Sin embarg:
CAPÍTULO 5
La transformada de inverso de este enunciado no siempre es válido. Dada Xj^¡^iF), no siempre se puede asegurar que se c
Fourier capaz de determinar Xypjp(/). Las condiciones en las cuales es posible hacerlo son tema del capítulo 7

TFTD Y SFTD

La SFTD de una función x[«] en TD periódica con periodo fundamental NQ = ]/FQ se define mediante

TS
(5.392)
*=iVu) ^0

Si se utiliza la propiedad de desplazamiento en la f r e c u e n c i a e ' ' " x [ u X{F — Fn) y el par de

transformadas de la TFTD 1 ^ > c o m b ( F ) , es posible determinar la TFTD de xf«L obteniendo

XiF) = E X[A-] c o m b ( F - kFo). (5.393)

Entonces

X(F)= E XL't] Yl ^F-kFQ-q)= Yl X[k¡&{F-kFo). (5.394)

k = {N„) CJ = — CO

Esto muestra que, para funciones en TD periódicas, la SFTD es sólo un caso especial de la TFTD. Si una
función x[n] es periódica, su TFTD consta sólo de impulsos que ocurren a kF^ con intensidades X[k]
(figura 5.35).
Resumiendo, para una función x[ft] en TD periódica con periodo fundamental A'o = l/F^,

X(F) = Y mWF-kFo). (5.395)

Otro caso que será importante en la exploración del muestreo en el capítulo 7 es la relación entre la
TFTD de una señal en TD aperiódica y la función artnónica de la SFTD de una extensión periódica de
esa señal- Sea x[«] una función en TD aperiódica, Su TFTD es X(F). Sea X^(H) una exteasión periódica
de x[«] con periodo fundamental N^, tal que

= Yl ^[>i - "¡Np] = x[n] * combfj^[n] (5.396)

a SFTD

H
-7 -5 -3-1 I .1 5 7

A-
>
...j
UL l.I I.I \X{F)\

FIGURA 5.35 TFTD

Funeicín armónica y la
TFTD de x[«] =
4[l+cos(f„)]. -í
 Señal en TD que se repise
Señal en TD, x[«] periódicamente, x^ln]

los métoám
5.9 Ri

64
|X(F)|

1 +
-32 1 !

Fase de X { F ) Fase de X^lk] FIGURA 5.36

Una señal en TD y su
TFTD, y la repetición
periódica de la señal
-32 32 en TD y su lunción
armónica de la SFTD.

(figura 5.36). Mediante la dualidad multiplicación-convolución de la TFTD,

X^(F) = X(f)comb(7VpF) = ^ ¿ x(^) 5 F - (5.397)

N,
Empleando (5.395),

X,,(F) = E X^tí:]8(F-A-F,) (5.398)

Í . - - O C

y, al combinar (5.397) y (5.398),

X^[^1 = - ^ X U - F p ) . (5.399)

En palabras, esto indica que si una señal x[n] en TD aperiódica se repite periódicamente con periodo
fundamenta! para formar una señal Xp[n\en TD periódica, los valores de su función armónica SFTD
X^Jit] pueden encontrarse a partir de X(F). la TFTD de X [ Í I ] . evaluada a las frecuencias discretas de TD
kF^,, donde F^, = IIN^. Esto constituye una equivalencia entre el muestreo en el dominio de la frecuencia
en TD y la repetición periódica en el dominio en TD. Lo anterior será útil en el estudio del muestreo en
el capítulo 7.

EJEMPLO 5 . 1 6

Determine la DFTD del pulso bipolar en TD

x[í!] = rect:[« - 2] - rect:[íí - 7] (5.400)

y compárela con la función armónica de la SFTD de una extensión periódica de esta señal con periodos N^, = 10. 20
y 50. multiplicada por el periodo N^.
• Solución
La TFTD es

X(F) = 5 drcKF. 5){e — e ] = ylOe"-''^'' d r c K F . 5) sen(5i7F) (5.401)

(figura 5.37). De acuerdo con (5.399) la función annónica de la SFTD de una extensión periódica de la señal es

x^m = —x(A-F,). (5.402)

 S F T D - /Vp = 1 0

WplXWl

10 +

- - "h

T • T , I T . f • T
-10 10

S F T D -Np = 2()
Pulso bipolar en TD
|X[i]|

IÍTTT 10 +

-5 ' 2 0
Í.TÍT.TIT.TTT.Í Í.TÍT.TIT.TIT.Í
-1 + 20^
-20

T F T D del p u l s o bipolar e n T D SFTD - - 50

|X(Í1| K |XW|

t
1 0 - -
10 +

*Tr

A A / \ A A A / luíIlTWTllTtwTÉTuI luTJT^TTTÍTtivrTÍlTTuI
-50

FIGURA 5.37 FIGURA 5.38

Pulso bipolar y magnitud de la TFTD de la señal en TD. Magnitud de la función armónica de la SFTD de la extensión periódica del
pulso bipolar en TD para tres periodos diferentes.

Las tres SFTD se ilustran en la figura 5.38.

Cuando se incrementa el periodo de la extensión periódica del pulso bipolar en TD, la función armónica SFTD
(escalada por el periodo) se aproxima a la misma forma que la TFTD del pulso bipolar en TD original. Éste es el
mismo tipo de relación ilustrada en el desarrollo de ¡a TFTD como una generalización de la SFTD. •

EJEMPLOS DE COMPARACIÓN DE MÉTODOS

Los ejemplos 5.17 y 5.18 comparan todos los métodos de Fourier.

EJEMPLO 5 . 1 7

Determine la función armónica de la SFTC y la TFTC de x(r) = A cos(27riV); la SFTC y la TFTC de x8(í) =A
cos(27t/gf)/j comb(/,í). donde = N^f^ y A'o es un entero; y la función armónica de la SFTD y la TFTD de x[n] =
A cos(2TO/Af(j), y obsérvese la relación entre ellas.
• Solución
La función armónica de la SFTD de x(f) (véase lafigura5.39) es

X[k\ = -m -
(5.403)
1] + + l]).
La TFTC de x(í) (véase lafigura5.40) es

X ( / ) = J Í S Í / - / o ) + S(/+/o)] (5.404)
 |XM| |X{/)| 307
A A 5.9 Relaciones entre
2" los métodos de Fourier

1
-fo J
F I G U R A 5.39 F I G U R A 5.40

o (véase la figura 5.41)

X(j(i)) = Air[8((ji) — (jio) + §(<«> + • (5.405)

La función annónica de la SFTC de xg(f) (véase lafigura5.42) es

Xdk] = ^ ( c o m b „ J ¿ - 1] + combyvo[¿ + U) (5.406)

AL
(5.407)
\(i^—OC

La TFTC de X5(í) (véase lafigura5.43) es

x.(/) = A [ _ , ( | _ _ L ) ^ . , ™ b ( ^ + i-)_ (5.408)

A/.
Xb(/) = E - - /o) + E ^(f - ^ - ^ v + /o) (5.409)
q=-0O

/ 1 \ / w IV
Xsíjco) = - comb + comb 1 (5.410)
Vü). No/ VoJ, N J .

Acüj
Xs(7co) = (5.411)

La función armónica de la SFTD de x[n] (véase lafigura5.44) es

Xik] = Y(comb,vJÍ: - 1] + comb^'J^: + 1]) (5.412)

^t*^] = 2 1 E Uk-qM„-l]+ Y -QNO + 1] (5.413)

Af,
|X(v<o)|
J

1
1
-No-i /(,+ ! 1 /Vo- 1 1 N0 + 1
—(1 (1
"0 ^0

F I G U R A 5.42
F I G U R A 5.41
 |X8(/)I
Ai,

FIGURA 5.43
-fo I /o

La TFTD de x[n] (véase lafigura5.45) es

XIF) = - comb { F — — + comb (5.414)

(5.415)

X(;Í2) = - comb iI-í:i^)+comb(ii+-)" (5.416)

2TT tOj / V2iT (0,,/.

X(jQ) = ATT (5.417)

Observaciones:
1. Los valores de la función armónica de la SFTC de x(r) son las intensidades del impulso en la TFTC de x(/).
2. La función armónica de la SFTC de Xg(/) y la SFTD de x[/!] son exactamente iguales excepto por el factor/,,
y ambas son repeticiones periódicas de la función armónica SFTC de x(í) con periodo fundamental N^.
3. La TFTC de x¿(f) es una repetición periódica de la TFTC de x(r), salvo por un factor de o CO,, con periodo
fundamental / , o (ü,.
4. La TFTC de XBÍÍ) y ia TFTD de \{n\ se relacionan inediante Xjí/) = X(///,) o Xgí/O)) = X(/27t(a)/cü,)) como se
demostró antes que era válido en general. •

EJEMPLO 5 . 1 8

Determine la TFTC de x</) = A sinc(//ri, la TFTC de Xgíf) = A sinc(r/r)/, comb(/,í). y laTFTD de x[;!] = A sinc(n/
A'o), donde / , r = N^, y es un entero > 1.
• Solución
La TFTC de x(/) (véase lafigura5.46) es

X(/) = AT Ttci(Tf) o X( jiü) = AT rect (5.418)

|X(f)|

-1
|X[*]|

\x{m\
,4TT

-No-l |-iV«+l -i
-2^ - 2 < l 2 < 2-!T

FIGURA 5.44 FIGURA 5.45

 tx(/)| 309

AT

i _ L
-f 1 I
27 IT
iX(;<o)| ÍXE(;W)|

ATa,
AT 2-rr

ÍL 2L
1 1

'T T " T T

flGL!RA5.46 FIGURA 5.47

U TFTC de x^{t) (véase la figura 5.47) es

(5.419)

(5.420)

La TFTD de \[n] = A sine(í3W„) (véase la figura 5 4 8 ) es

X(F) = ANo Y r>¡cUNo{F -q)) = ATf, Y recl{TfAf-q)) (5.421)

x(,^)= AN^^ Y [^'' [ ^ ) ) = -^j:^,, l ^ ^ j j• 1.422)

Los resultados de los ejemplos 5.17 y 5.18 muestran cómo se interconectan todos los métodos de
Fourier y cómo uno de ellos puede sustituirse por otros en muchos análisis. Esto será importante en el
estudio del muestreo.

5.10 RESUMEN DE PUNTOS IMPORTANTES

1. La SFTC es un caso especial de la TFTC. y la SFTD es un caso especial de la TFTD.
2. Una señal con periodo infinito es aperiódica.
3. Las señales y los sistemas a menudo se describen de manera más útil por sus propiedades en el
dominio de la frecuencia que por sus propiedades en el dominio del tiempo.
4. La TFTC generalizada que permite impulsos en la transformada incluye señales periódicas.
5. Cuanto más localizada está una señal en un dominio (tiempo o frecuencia), menos localizada está
en el otro dominio.

|X(F)| |X(jO)|

ATf,,

1 • F íl
-1 _ _!_ 1 2Tr
F I G U R A 5.48
 6. La convolución y la multiplicación de funciones son operaciones duales en los dominios del
tiempo y la frecuencia.
7. La transformada de Fourier de una señal periódica consta únicamente de impulsos.
8. La energía de señal se conserva en los procesos de transformación de Fourier.
9. La mayoría de las transformadas de Fourier de señales con utilidad en ingeniería puede efectuarse
de manera más eficiente ufilizando tablas de transformadas y las propiedades de la transformada.
10. La TFTD siempre es periódica con periodo uno en el dominio F o periodo 2ir en el dominio Í2.
11. Para las señales periódicas hay conversiones simples entre una transformada de Fourier y una
serie de Fourier.
12. Si una señal es discreta en un dominio, es periódica en el otro.
13. Un desplazamiento en un dominio corresponde a una multiplicación por una exponencial com-
pleja en el otro.
14. Si una señal en TC se muestrea para formar una señal en TD, la TFTD de la señal en TD puede
encontrarse a partir de la TFTC de la señal en TC mediante un cambio de variable, pero lo inverso
por lo general no es cierto.

EJERCICIOS CON RESPUESTAS

1. La transición de la SFTC a la TFTC se ilustra mediante la señal

x(f) = rect comb —

ib

La ñmción armónica de la SFTC compleja de esta señal está dada por

X[k] — sinc
To \
Grafique la función armónica de la SFTC modificada

ToX[k] = Aw únciwikfo))
para Í¿) = 1 y /Q = 0.5, 0.1 y 0 . 0 2 en función de kf^ para el intervalo - S < kfo < 8.

Respuestas:

1 +

1 1 . t . t . T. r t • t • ' • •,
-8

rjxttil

1—t/n
 2. Suponga que una función m{x) tiene unidades de kg/m^ y es una función de la posición espacial
X en metros. Escriba la expresión matemática para su TFTC, M(>')- ¿Cuáles son las unidades de
Myy?

Respuestas:

kg/m-, m^'

3. Utilizando la definición integral de la transformada de Fourier, determine la TFTC de las siguien-

tes funciones.
a) x(t) = tri(í)

b) x(r) = 8
\ 2

Respuestas:

j-2sen(7t/), sinc2(/)

4. En la figura E4 hay ejemplos de una señal pasabajas, de una pasaaltas, de una pasabanda y de una
supresora de banda. Identifíquelas.

Respuestas:
a) supresora de banda. b) pasabanda, c) pasabajas, d) pasaaltas

5. Empezando con la definición de la TFTC determine la forma de la frecuencia en radianes de la

TFTC generalizada de una constante. Verifique después que un cambio de variable ra 2nf
produce el resultado conecto en la forma de frecuencia cícHca. Verifique la respuesta con la tabla
de transformadas de Fourier del apéndice E.
6. Con base en la definición de la TFTC, encuentre la TFTC generalizada de un seno de la forma A
sen(a)gí) y verifique la respuesta contra la tabla de transformadas de Fourier del apéndice E.
7. Encuentre la función armónica de la SFTC y la TFTC de cada una de las siguientes señales
periódicas y compare los resultados. Después de encontrar las transformadas, formule un método
general de conversión entre las dos formas para las señales periódicas.

a) \(t) =Acos,(2nfy) b) x(t) = comb(f)

Respuestas:

1, ^ ( S ( / - / o ) + S ( / + / o ) ) , comb(/),^(8[í:- 1]+S[fc+1]),

X(/)= E X[lcMf-kfo)
k=-cc

x(í) xíf)

a)

x(f)

FIGCR.A E4
Ser. : - :

cueacji
312 8. Sea una señal definida por

x{í) = 2cos(4TTf) + 5COS(15TT/).

Determine las TFTC de x(f - TO y x(/ + ¿ ) e identifique el desplazamiento de fase resultante de

cada senoide en cada caso, Grafique la fase de la TFTC y dibuje una línea recta a través de los
cuatro puntos de fase que resultan en cada caso. ¿Cuál es la relación general entre la pendiente de
esa Lnea y el retraso de tiempo?

Respuestas:

.1T7
4

/ P e n ü i e n l e

1 1 1 1 1 1 I / 1 1 J 1 f 11 1 ^k

iy*=rz¿ \ r
1 ! 1 1
4 5 6 7 8
h—1 1 1 1 1 i
Pondieme
-S-7-d-5-4-3-2 / 2Ü

La pendiente de la línea es -2jr/ veces el retraso.

9. Mediante la propiedad de desplazamiento en frecuencia, encuentre y grafique en función del
tiempo la TFTC inversa de

X ( / ) = rect

Respuesta;

10. Determine la TFTC de

xfí) = sinc(f).

Después revise la transformación r ^ 2r en x(í) y encuentre la TFTC de la señal transformada.

Respuestas;
1
rect(/). - rect
V l
11. Mediante la dualidad multiplicación-convolución de la TíT^C, determine una expresión para y(/J
que no use el operador de convolución* y grafique y(í).

a) y ( / ) — rect(r) * cosÍTTí)
b) y(/) = rect(í) * cos(27Tr)

c) y(í) = sinc(f) * sinc (

d) y(f) = sinc(f) * s i n c - ^ -
e) y ( r ) = e-'uCn * s e n { 2 7 T r )
Icspuestas: ' !ij>í>;t<iífi;! 313
€i>si2-r + 0.158) 2 . / r\ . - f t\ Ejercicios con
V i + (2^)^ ' " " U J - " " " U j

12. Mediante la TFTC de la función rectángulo y la propiedad de diferenciación de la TFTC determi-

ne la transformada de Fourier de

x(í) = Síí - 1) - 5(f -h 1).

Verifique la respuesta contra la TFTC que se encuentra en la tabla y la propiedad de desplaza-
miento en el tiempo.

Respuesta:
-fZ sen(27t/)
13. Encuentre la función armónica de la SFTC y la TFTC de las siguientes funciones periódicas y
compare las respuestas.

i /r
x ( í ) = rect(f) =H - comb I -

x(r) = tri(lOr) * 4 comb(4/)

Respuestas:

.^^ 5cos(47T)t/5) - 1 1 ^ í k\
- s i n c ( / ) E s ( / ^ 7 2 ií
5 eos (f-tri:) - 1
4 {'nky

14. Utilizando el teorema de Parseval determine la energía de señal de las siguientes señales.

a) x(/) = 4 sinc I b) x{t) = 2 sinc-(3r)

Respuestas:

80. I
15. ¿Cuál es el área total bajo la función g(f) = 100 sinc((r - 8)/30)?

Respuesta:

3 000
16. Empleando la propiedad de integración, encuentre la TFTC de cada una de las siguientes funcio-
nes y compare con la TFTC que se encontró utilizando otras propiedades.

1 I f | < l
a)
g(t) = I 2 - |í| 1 < |f[ < 2 h) g(t) = 8 rect I -
l O en otro lado ^"
Respuestas:

24 sinc(3/), 3 s i n c ( 3 / ) sinc(/)

17. Dibuje las magnitudes y fases de las TFTC de las siguientes señales en la forma/.
a) x(í) - 6(f - 2)
h) x(/) = u(f) - u ( / - 1)

c) x(í) = 5 r e c t ( ^ )

d) x(r) = 25 s i n c ( 1 0 ( í - 2))
e) x(í) = 6 sen(200TTf)
f) xt/) = 2e--"u(3í)
g) x(r)
 314 Respuestas: |x(/)|
CAPÍTULO 5 5-

/\
La transformada de
Fourier
1
„3
-3 -100 1«)
Fase d
Faie de X( ,/• I

m
IT - --IT - TT IT -

r
t
1 -

3
441/^,,
1
-IT- — TT i ^ —IT'
9

Fase de X(./)

- 1 0

18. Dibuje las magnitudes y fases de las TVTC de las siguientes señales en la forma co.

H) x(f) = - comb ( -
2 \2
b) x(!) = sgn(2/)
r - 4 \
c) x(/) = 10 tri
20 J
sinc'((f + l ) / 3 )
d) x(f)
10
cos(200-iTr - (7T/4))
s) x(f) =

/) x(f) = 2e-^'u(/)
g) x(/) = 7e-5l'l

Respuestas:

i
|X(»| |X(»| \X[M)\
TT
t 0.4 4

-4tt 4tt -10 11) -4 4 -700 70Q

FasedeXíjw) Fase de X O ) Fase de XI jv» FasedeX(jii))
TT - IT -

700
k m - - . . 1 . 1 - 1 / 1 . 1 -
f * *—• f — t o 1 1 1 ' LÚ 1
-10 10 -4 4 -7()U
-4tt 41:
—ir - , -1.57ÜÜ- — Tí - — TT -

\XiM

-4TT
 Fase de Xlytu} FasedeXíJuj) Fase de Xt ju¡) 315
TT - -- Ejercicios con
respuestas
1 1 -
—r~~ i —^
10 -47T 477
-10
- I T - — TT -

19. Dibuje las TFTC inversas de las siguientes funciones.

sinc(-10/)
a) X(/) = -15rectl^ b) X(/)
30
18 I
c) X(/) d) X(/)
10 + Jf
& ( / - 3 ) + B(/ + 3)
e) X(/)

g) X(/) = - -
f) X ( / ) = 85{5/)

Respuestas: MI)

0.005 -

-i
1
1 -3
-10 10 -0.016667 0.O66667 > -1

m
2Q o,.4

0.25 -0.5 +

20. Dibuje las TFTC inversas de las siguientes fimciones.

a) Xijw) = e-''^'

b) X(jw) = 7 s i n c - f -

c) X(;Ü)) = J7T[6(W + IOTT) - 8(ÜJ - IOTT)!

combí4(ij/TT)
d) X ( ; Ü ) ) =

é) X(jü)-) = — + IOTTSÍW)

/) X(;CO) = - ^

g) X(JM) = 20 tri(8üj)

Respuestas:

-0.4
! -0.2

0.2 '

-40 40 -200 200

21. Encuentre las TFTC de estas señales de la forma que sea más conveniente, / o co.
a) x(/) = 3 c o s ( 1 0 r ) + 4 s e n ( 1 0 í )

b) x(í) = comb - comb ( ^ ~ ^ ^

c) x(r) = 4 sinc(4f) - 2 sinc ^ 4 - - 2 sinc ^ 4 (^í +

d) x(f) = [2e«-'+-''2^>' + 2e'-'-^'2^i'] u(í)

e) x(í) = 4e-'l'l/'^'

Respuestas:

(5w-^"-^^^)8(c. - lOj + (5-..>-^^)8(co + 10), \j^^f%tl^^^^2 '

/ w \ /tú
rect \ -— I — rect |
\8-rT V8lT

22. Dibuje las magnitudes y fases de las siguientes funciones. Dibuje también las TFTC inversas de
dichas funciones.
10
a) X(yoj) =
3 + 7cn 5 4- ; Ü )

/ - 1 / + 1
b) X ( / ) = 4 smc + sinc

\ . f f + 2\ ^.f.f-2
.) X ( / ) = ^ tn tn

d) Xif) = 6 ( / + 1 050) + 6 ( / + 950) + 5 ( / - 950) + 8( / - 1 050)

e) Xif) = [ 8 ( / + 1 050) + 2 8 ( / + 1 000) + 8 í / + 950) + 6 ( / - 950)
+ 2 8 ( / - 1 000) + 8 ( / - 1 050)]

Respuestas:

x(/)l

-10 10 -20

1 —* r-*-
1-^í Fase de X I / >
-1 1

-16- n n,, 20
1—
-10 -7T-|
l '0
-2U — TT ^

|X(/)| LXF.NL

x(í) 0.1-1

1
0.5¬

-15
I i - /
1 ' Fase de X ( / )
-0.5 U.5 Fase de Xif)
TT -
1 1
^^-.1 i 1 -Ü.04 0.04
-15 - T I - 15
-1 ooo —IT 4 1000

xít) 4

, - 1 200 1 200

Fase de X ( / )

-0.04 Ü.04 _ >

-1200 -ñ4 1200
23. Dibuje las señales en función del tiempo, así como las magnitudes y fases de sus TFTC en la
íonna que sea más conveniente, f o<o.

1
«) x(í) = rectt2/} * comb(/) - rect(2í) * comb y ^ ^
b) x(í) = - 1 + 2 r e c t { 2 0 * c o m b ( f )
c) x{t) = e~"''*'u(0 ^ sen( 2iTf)

d) x(/) = e""'- * [rect(2í) * comb(r)]

e) x{t) = recKf) + [tri(2f) * comb(í)J
/) x(í) = sinc(2.01í) * comb(í)
g] x(r) = sinc(1.99f) * comb(f)
h) x(í) = e-'' * e-''-

Respuestas:

|X(/!l !»/)!
4..
4 - - . - TFJ
4 0.3-
•J F * / - « 8

- 8 fi A A,, Fase de XI./<D)

-1\¡\
Fj.se D E Xl f} Fase de X< / ] IT -
/\ ' 1 ^
41 8
-0.2-

|Xl/)| |x(.ni
4 xfr)
4 x(r) 1--

I* t t t t t t t
-B X
Fase de X(_/l Fase lie X ( . / )
Fase de X ( / l
-H^í T7-
R -

|X(/)|
4 I-
l. * t í t t t í| ,
- 8 8

Fuse df X[ f] Fase de Xif¡

- 1 + - • •
1
1 • ^ • 1—*~
- 8 . ^ - -

24. Dibuje las magnitudes y fases de las siguientes funciones. Dibtije también las TFTC inversas de
dichas funciones.

fl) X ( / ) = sinc =^ f 8 ( / - I 000) + 8 ( / -F 1 000)1

100
b) X(f] = sinct 1 0 / ) ^ c o m b ( / )

Respuestas:

4
O.l-iir.

- I 011(1 I 000

Fase de Xl f)
- F - i
10
-lOÜO-u-L 1 UUU
 25. Dibuje las siguientes señales en función del tiempo, así como las magnitudes y fases de las TFTC
de las mismas en la forma en que sea más conveniente, / o cü. En algunos casos tal vez sea
CAPÍTULO 5
La transformada de
preferible efectuar primero el dibujo en el tiempo; en otros, efectuar el dibujo en el tiempo des-
Fourier pués de encontrar la TFTC. una vez que determine la TFTC inversa.

cí) x(/) = e'~'' sen(20TrO

b) x(T) = cos{400TTr) comb(lOOf)
c) x ( » = [1 + cos("400'tTr)]cos(4 000T;r)
j) x{f) = [ H - r e c t ( l O O r ) * 50 comb(50í)lcos(5007rO

e) x(r) = rect l^-J comb(í)

Respuestas:

|X(/)1 |X(/)[

0.01
tt m 4
0,4
-2 500 2 500
- 1 ÜÜO 1 000

Fase de X ( / ) Fase de X ( f)

-ü.l 0.1 -6
f -0.01
4
1000 - - 1 000 - 2 500 -IT-I- ".500"',

1X(/)1 1X(/)1

4 .4
4*/
r -500 500
FasedeX(/"l Fase de X ( / l

TT - 12
-0.04 0.04
-4—_f
500. •- --T! 300 -12 -TT

26. Dibuje las magnitudes y fases de las siguientes funciones, así como sus TFTC inversas.

a) X ( / ) = sinc ( j jcombf/)

b) X(/) = smc 1 I + smc I comb(/)

V 4 y J
c) X ( / ) = smc(/) sinc(2/)

Respuestas:

ix(/)| |X(/)| |X(/)|

I -¬
1 - x(()

.ti Jl Ittii,, í n „ „ 1,• 4 A

\
-16 Ifi -8 8

Fase de X ( / ) Fase de X ( / ) Fase de X ( / l

-16 -2
4—1 -I—¡
f 1 . . . .
• • ** f >
.
'llJ 111 --•vr 16

27. Dibuje las siguientes señales en función del tiempo y las magnitudes y fases de sus TFTC.

a) x(r) = - - [ s i n c í O ]
dt

c) x(r) = - 4 rect I -
at 6

d)
dt
x(t) = —[tri(2/) * comb(í)]
Respuestas: 319

|x(/)l
m

Fase de X ( / ) Fase de X ( / )
-8
4 3_
- 8 ' '-V- - 1 =;RF

28. Dibuje las siguientes señales en función del tiempo y las magnitudes y fases de sus TFTC.
r
a) x(í) = / sen(2iTX) d\
- P C

r
b) Mr) = ¡ rect(X) d\
— OC'

I
c) x(r) = / 3 sincf2X) d\

Respuestas:
IXFFD !X(/)|

0.4 :4
2-

l
-I 1
Fase Je Xl / )
' Fase de X ( / ) H
- 4
-•4
-+*f
- 1 -

-2

IX(/)|
xííl

Fase de X l / )

4
- 1

29. A partir de la definición de la sumatoria, determine la TFTD de

x[n] - 10 RECT4[?T]

y compare con la tabla de transformadas de Fourier del apéndice E.

30. A partir de la definición, deduzca una expresión general para las formas F y Q de la TFTD de
funciones de la forma

x[f)] = A ssn(2KF(¡n) = A senfQo").

[Debe recordar que la TFTC de x(r) = A sen(27t/Qí) =A senCtúgf).] Compare con la tabla de trans-
formadas de Fourier del apéndice E.
320 31. Una señal en TD se define mediante

x\n\ = smc I —
.8/

Dibuje la magnitud y la fase de la TFTD de x[« - 2].

Respuesta:

-1
Fase£le|X<F)|

IT--
1- .tíUTh }
-32
V
- 1

32. Una señal en TD se define mediante

-IT»
x[n] = sen

Dibuje la magnitud y fase de la TFTD de

a) x[« - 3] b) x[/!+12].

Respuestas:

Ixmi
*
0.5,- xl'il
0..4

i 1 " l l l „ 'r ir
-A
J
Fase de |X|F)1 Fase de \\(F l|
F 1' - 1 1' '1 • TT -

-4-^ F

33. La TFTD de una señal en TD está definida por

TT
X(j£í) = 4 * comb
rect j+ rect ^ - ( + 7
J
^TT

TT \ I
Dibuje x[n].

Respuesta:

-ID
34. Dibuje la magnitud y la fase de la TFTD de 321

x\n] = rect4[í;] * cos

Después dibuje xL«].

Respuesta;

lX(fl|

m 4.

-12 -1
Fasí de

4.

35. Dibuje l a TFTD inversa de

X ( F ) = [rect(4F) * comb( F ) ] ® c o m b ( 2 F ) .

Respuesta:
x[;rj

0.25-t

-16 T
-0.1 +

36. Mediante la propiedad de diferencias de la TFTD y el par de transformadas

t n 1 + c o s ( 2 - r T F j ,
V2

detennine la TFTD de h(5[>} + 1] + 5 [ r ; ] - 8 [ í 7 - 1] - 5 f n - 2 ) ) . Compárela con la transformada de

Fourier que se encontró utilizando la tabla del apéndice E.
37. Empleando el teorema de Parseval determine la energía de señal de

r T • I " \ í
x[n] = smc — sen
Moy V 4
Respuesta;

38. Dibuje la magnitud y la fase de la TFTC de

X | ( r ) = rect(í)

y de la función aimónica de la SFTC de

X2(í) = r e c t ( í ) -
I
c o m b
(0-
Con fines comparativos, dibuje X , ( / ) . en función defyToXjlk] en función de kf^ sobre el mismo
conjunto de ejes. [TQ es el periodo fundamental de X2(f) y TQ = IZ/Q.]
322 Respuesta:

|T(,X,

4 -4

FasedelToXjHl

-kfo
39. Dibuje la magnitud y la fase de la TFTC de

X ] ( / ) = 4cos(4-n-r)
y de la TFTD de

X2[«] = xi(«7:,)

donde 7-, = ^ . Con fines comparativos dibuje X,(f) y T^X.(TJ) en función de ^sobre el
conjunto de ejes. mismo

Respuesta:

-16 -16
• 'i•
16
Fase d e X , ( / ) Faseder,X,(7;,/)

1t-

H—
r-^ -+- .-
-16 16 -16 16

—TT- —T T -

40. Dibuje la magnitud y la fase de la TFTD de

sinc(n/16)
4
y de la función armónica de la SFTD de

sinc(«/16)
^iln] = * comb32[rt].
 Con fines comparativos dibuje X^iF) en función de F y WQXJÍA^] en función de kF^ sobre el mismo
conjunto de ejes.

Respuestas:

\X,(F}\ V„|X,|

4r

- kF„
- 1 - 1

FasedeXjíF) Fase de X4k]

IT -

• ll •
-32 32
-IT -

EJERCICIOS SIN RESPUESTAS

41. Un sistema se excita mediante una señal,

x(f) = 4 rect ^ -

y su respuesta es

y(t) = 10 [(1 - u(í + 1) - (1 - e ^ ' " " ) u(r - 1)] .

¿Cuál es la respuesta al impuiso?

42. Dibuje las magnitudes y fases de las TFTC de las siguientes funciones.

a) g(f} = 5S(4í)
í t + \ \ í t - 3 \
b) g(/) = comb 1 — ^ 1 - comb
c) g(í) = u { 2 / ) + u ( í - 1)
d) g(í) = sgn(r) - s g n ( - r )

e) g(í) = rect -—- + rect

f) git) = rect ( -

g) git) 5tri( - \ -2tri(^-^

2/
3 (t\
- rect - * rect I -
2 V8/
43. Dibuje las magnitudes y fases de las TFTC de las siguientes funciones.
a) rect(40 b) rect(4í) * 45{r)
c) rect{4í) * 45(í - 2) d) rect(4f) * 45(2/)
e) rect(4r) * comb(r) f) rect(4f) * comb(r - 1)
g) rect(4/) * comb(2/) b) rect(/) comb(2í)

44. Grafique las señales para dos periodos centrados en r = 0.

a) x(í) = 2COS(20TTÍ') + 4 sen( I O T T Í ) + 3 COS(-20TTÍ) - 3 sen(-I0'iTO
b) x(í) = 5 cos(20TTf) + 7sen(10TTf)

Compare los resultados de las partes a)y b).

324 45. Una señal periódica tiene un periodo fundamental de 4 s.

a) ¿Cuál es la frecuencia positiva más baja a la que la TFTC podría ser distinta de cero?
h) ¿Cuál es la siguiente frecuencia positiva más baja a la que la TFTC podría ser distinta de
cero?

46. Dibuje la inagnitud y fase de la TFTC tle las siguientes señales (forma to):

a)
0.1

-20 20 -lü

c) x(í) 4 x(r)

tm
--7, 7--

-10 -5 5 10
-t t ÍTt tr,
-13 -8 -.1 2 7

47. Dibuje las TFTC inversas de las siguientes funciones:

a) | X ( / ) | b) |X(/)1

20 '20

4 4

-4

c) |X(/)[

2-

5 +
-
1

/X(./) i -S

ir - /X(/)

5
1 TT
- 4 -

48. Encuentre la TFTC inversa de esta función real en ei dominio de la frecuencia (figura E48) y
dibiijela. (Sea A = 1, / , = 95 kHz y f. = 105 kHz.)
49. Detennine la TFTC (en cualquier forma) de la señal (figura E49) y dibuje su magnitud y fase en
función de la frecuencia en gráficas separadas. (Sea A = - B = 1, = 1 y f2 = 2.) Sugerencia:
Exprese esta señal como la suma de dos funciones y use la propiedad de linealidad.

X ( . f )
m
4
A—
FIGURA E48
Una función real en el
dominio de la / FIGURA E49 -'2 -h

frecuencia. ñ f2 Una función en TC.

 Efl muchos sistemas de comunicaciones se usa un dispositivo llamado mezclador. En su fornia 325
sánpJe un mezclador es un multiplicador analógico. Esto es, su señal de respuesta y(t) es el ^. ..
, , - , , . Ejercicios sin
de sus dos señales de excitación. Si las dos señales de excitación son respuestas

X|(f) = 10 sinc(20í) y Xjií) = 5 COS(2000TTÍ),

la magnitud de la TFTC de y(r), Y(/) y compare con la magnitud de laTFTC de Xj(r)- En

simples, ¿qué es lo que hace el mezclador?
una gráfica de la convolución de las dos funciones en los siguiente casos.

lEct(í) * rect(f)

r-^)*rect(. + i

j, tritf) * tri(f - 1)
3S{í) * lOcos(r)
r> 10 comb(í) =1= rect(í)
ñ 5 comb(í) * tri(r)

En electrónica uno de los primeros circuitos que se estudian es el rectificador. Hay dos formas, el

I
sscáñcador de media onda y el de onda completa. El primero corta a la mitad utia señal senoidal
éd voltaje de entrada y deja la otra mitad intacta. El segundo invierte la polaridad de la mitad de
liseñal senoidal del vohaje de entrada y deja a la otra mitad intacta. Sea la senoide de voltaje de
CMndaun voltaje de línea común, 120 V rms a 60 Hz, y considere que ambos tipos de rectificadores
ihi I III la mitad negativa de ¡a senoide mientras que dejan sin cambio a la mitad positiva. Detér-
jale y grafique las magnitudes de las TFTC de las señales de voltaje de salida de ambos tipos de
Kctíficadores.

&icijentre las TFTD de cada una de las siguientes señales:

a) x[n] = u[n - 1]

ir) x[n] - s e n ^ ^ » ) í^] u[n - 2]

f2'!rn\ /2-rifí)-4)
1^: c) x[«] = sinc * sinc

f27:n\
d) x[n] = sinc"

it. Dibuje las magnitudes y fases de las TFTD de las siguientes funciones:

fl) rectiín]
b) rect2[n] * ( - 5 5 [ , ¡ ] )
c) rectiLn] * 3S[íí + 3]
d) rectjín] * (-58[4H])

e) rect2[«] * combg[n]
f) Tect2[«] * combs[n - 31
g) rect2[íi] * combg[2í7]
h) rect 2 [n] * combj[n]
)'5. Dibuje las TFTD inversas de las siguientes funciones.

a) X ( f ) = comb{F) - comb - ^

A) X ( F ) = i comb (F + ^ \ - j comb (F - ^
326
c) X{F) = sinc ( 10 - j + sinc ^10 + ^ * comb(F)
CAPÍTULO 5
La transformada de
Fourier d) X(F) = * comb(2F)

56. Utilizando la relación entre la TFTC de una señal y la SFTC de una extensión periódica de esa
seña!, determine la SFTC de

1 / ; \
— comb —
x(/) = rect I — ) * Tu \ToJ
,w
y compare con la entrada de la tabla.
57. Utilizando la relación entre la TFTD de una señal y la SFTD de una extensión periódica de esa
señal, determine la SFTD de

rectjv„.[«] * comb.v„r«]
y compare con la entrada de la tabla.