Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capitulos1 5 PDF
Capitulos1 5 PDF
Roberts
Análisis mediante
njétodos^de-transformada -
yMATLAB .
6^1. ó
£ 6 ^ 3
rONTF íiTiri:
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
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.
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.
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.
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
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).
t de tiempo continuo
I t L . T
Señal digital
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
P i- de valores continuos
k-l \ k k+ 1 k+ 2
Cuantización
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.
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.
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
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/)
Delta p(()
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
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 +
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:
Delta p(()
ff
1.2253 +
0.2
-1.0805 - 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.
8-¬
6 -¬ i.Ol +
4-- 1
0.99--
1 --
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. 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.
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
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
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
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.
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
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).
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.
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
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
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
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.
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
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.
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
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)
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). 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)
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
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
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
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.
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.
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
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,
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
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
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
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.
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.
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,
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)
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
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
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
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
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.
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)
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 ;
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.
g(f) = 2 + 4 r (2.50)
entonces
entonces
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
2 I
-1
FIGURA 2.26
Ejemplos de sumas,
productos y cocientes
de funciones. -2
E J E M P L O 2.1
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 } ) ' ) ;
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,
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 ¿.
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
A(í)g(a/)
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
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
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
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.
EsLialamienKi en
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)
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.
(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)
O t < -2
-4-2í -2 < í < O
g(0 = - 4 + 3í O </ <4
(2.75)
16 - 2! 4 < f<8
O t > 8
• 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;
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.
20
15
10
S 5
o
-5
-10
-15
10 20
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 .
% 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 .
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.
-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 ( (
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,
CAPÍTULO 2 , _
V \l
Descripción
matemática de señales
V ^ [ y '
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
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
• Solución
Son
4 cos(3tTO - 4 c o s ( - 3 7 t O
g,Xí) = = O
Considere dos funciones g](f) y gi(r). Sean ambas funciones par. En ese caso
lo que prueba que la suma de dos funciones pares también es par. Considere ahora
Entonces
g(í) = g ( - n . (2.89)
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
giWg;frt
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.
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)
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
-1
-20 -10 10 20
X
-1
-20 -10 O 10 20
f
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 } ) ' ) ,-
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})') ;
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).
(Parimpar) j (Imparlmpar)
FIGURA 2.54
Productos de funciones
par e impar.
Parte par de x.
51
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.
CAPÍTULO 2
Descripción
matemática de señales
FIGURA 2.56
Ejemplos de funciones en TC periódicas con periodo fundamental TQ.
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.
d) La función seno se repite cuando su argumento total se incrementa o decrementa por un múltiplo entero de 2TT
rad. Por lo tanto.
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.
(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
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
-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
periodo fundamental del producto es en realidad TQ = 1/2/Q. Esto puede verse aplicando la identidad
trigonométrica
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. •
g[.] = A c o s ( — + 9 j o A COS(2TTfoH - 1 - 0 ) o
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
g ( / ) - A c o s ( 2 ^ / o / + 9) / (2.114)
por medio de /
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,
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,
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 \
pueden ser idénticas, incluso si y Kj son diferentes. Por ejemplo, las dos senoides en TD
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
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)
\ 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.
n = O
S[n] = (2.128)
n ^0
O< a <1
-1 < a < 0
a >1
a < -1
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.
para cualquier valor de a entero, finito, distinto de cero. Sin embargo, el impulso en TD tiene una
propiedad de muestreo. Ésta es
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.
/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 ,
-A' A',
(2.133)
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
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
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 Se iguala la salida a n para n positiva.
ss = find (round (n) ~=n) Se determinan todas las n no enteras.
y(ss) = NaN ; Se igualan todas las salidas correspondientes a NaN
% y = rectDT(W,n)
function y = rectDT(W,n)
if W == round(W),
y = abs (n) <:=abs (W) ; % Se iguala la salida a uno si
% ¡n|<=|W| y cero en otro caso.
ss = find(round(n)~=n) % Se encuentran todas las n no enteras.
y{ss) = NaN ; % Se igualan todas las salidas correspondientes a NaN
else
disp {'In rectDT parámetro del ancho, W, no es un entero') ;
end
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
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
ESCALAMIENTO EN EL TIEMPO
gl'il gt2n]
C LL bcd
4-¬ 4 +
3-¬ 3 +
2-- 2
I-T 1+1
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]
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
/ 3iT/¡ N
g[H] = lOe^" 'sen (2.136)
• 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 .
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
(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].
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 ] ,
En ese caso es posible determinar g[«] a partir de h|«] mediante acumulación en ambos lados,
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.
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.
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.
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
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.
Desde luego, cumsum supone implícitamente que el valor de la acumulación es cero antes del primer
elemento en el vector.
EJEMPLO 2 . 6
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.
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
g.l"] =
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
N
¿I g[n] = g[0] + 2 ¿ g [ n ] (2.152)
n=-N N=L
(2.153)
n=-N
(figura 2.81).
llk gi[nlg2l"l
1
Sil"!
R
Sil")
r Ul
Mk
FIGURA 2.80
Producto de una
función en TD par y
una impar.
/!->/! + mN (2.154)
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
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
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)
EJENIPLO 2.9
xíf) (2.159)
• Solución
De acuerdo con la definición.
00. ^ 'X
E,= j \Ut)\^d¡= j 3tri^^j ' ' ' ' " ^ Z '"^(í)^''' ^^'^^^
^ ( l - i n |f|<l
tri(f) (2.161)
.LO |r|>R
1 - <1 o |f|<4
(2.162)
>1 o |fi>4
4 ,
(2.163)
-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
E, = E u - i „ ] p = ¿ uf.]| =E|(^) I = £ ( 2 )
1 1
(2.166)
1 1
(2.167)
para obtencj'
i 3 ' (2.169)
4
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
1
Pv = lira (2.174)
tJ^oo 2N n=-N
+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
• 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
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
> <
•
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
^(0=tri(^)
c) Una señal periódica de periodo ftindamental 10, descrita en un periodo mediante x(íj = -3;, - 5 < í < 5.
• 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 ) ] ) ;
- 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 ^^ )/
fi=0 n=0
00 /
2 }
11/31
u=0 Ln = 0 ,1=1)
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/
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:
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
Grafique el producto de estas dos funciones contra el tiempo dado un intervalo de tiempo
" 2 < f < 2.
Respuesta:
x(í)
-2
-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
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
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
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'
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
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 )
Respuestas:
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
Respuestas:
xtn]
2 000--
-5
-2CX)0 +
A
6 -
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.
Respuestas: x[n]
-20 5- 20
1 1 -
-20- 10 0 0 0 - - ,20 R
-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!]
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
Respuestas:
1+
111
-10 10
1 +
TTT
J-LL
-10 iO
-1 +
S,['d
1 -
T t 4 * »• •
' * « t >•
10
n
-10
lU 10
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
1
1 +
-10
LÍR 1 T
ILT..
!0 -4
11
C) gil"]
1
[ 1I 1 1I . . .
..1
-4 2 0 ^ -10 10
-1 + -l -
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
c) g\/i\ = cos j + eos \ - ^ \ d) g[«.] = e ^ ' ^ " " ' ^ " ' + í
Respuestas:
1 1 I
JVo=10, Fo=—, /Vü = 3 5 , F „ = - , /V„ = 20, F,, = — ,
10 35 20
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
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
Respuestas:
oo
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.
ra b) g ( í ) = 1 3 - 4 / + 6 / ^ g(2)
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)
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)
P) g ( f ) = J [5{X+l)-25(\) + 5{X-l)]
-se
q) g(/) = 3tri(^yj+3rect(^^
/ - n
/) g(í) = 2 ramp(/) rect «) g(í) = 4 t r i f ^ ^ V ( 2 - í )
2 ;
Mediante MATLAB, grafique la función original y la función transformada para cada ftmción.
-2 r < -1
2í -1 < í < 1
b) gW = - 3 g ( 4 - t) vs. t
3-r^ 1 < í < 3
-6 t > 3
5
d) G(/) = | G ( 1 0 ( / - I0)) + G ( 1 0 ( / + 10))1 vs. /
- y2 + 3
a) xi(2f)x2(-r) h) Xl (^0X2(20/)
c) X, (^0 X2(20(f + 1)) d) X, X2(20í)
-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.
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
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-^^^^
e) X ( / ) = 7 5 8 ( / + 2 ) - y 5 5 ( / - 2 ) f) X ( / ) = 2 c o m b ( 4 / ) e"^-^
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
La función (1/ÍÍ) tri ixid) tiene un área de uno independiente del valor de a.
39. Mediante un cambio de variable y la definición del impulso unitario, pruebe que
a) comb(a.r)=^ Y] SJ.v--).
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
o o
2
ce
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.
48. Determine las partes par e impar de cada una de estas funciones en TC.
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.
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)
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:
c) x( (O = 3rect(0 d) x(í) = t r i ( 2 0
;) x(t) = e^~'-^^^>'u{t)
c) x(í)=e^'«""'
/2-iT«\
a) g[n] = -4 cos {-^j b) g[n] = -4 COS(2.2TT«)
Í2ttn\ f2vn\
/^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
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
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].
-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
1
d) X[k] =
1+ jk/l
¡k
f) Xík] = c o m b 2 [ ¿ ] e - ^ ' ' ' ' ' * '
1+ jk/2
10
•sp u[/í]
d) E comb 3 [/i]
2" í;=-10
N=—OC
10 ce
u[«]
c) x[«.] = d) xL/ z l = ( ^ - - j u[/¡]
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.
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.
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.
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
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.
(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
-•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)
Ó
FIGURA 3.10
Dos maneras de aplicar repentinamente A V al filtro pasabajas RC.
n>0
yln] = (3.11)
O n <0
(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:
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.
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.
Sistema homogéneo
x(í)- .ví.r)
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
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
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
Sumador
x,(/)-
-O Vid) + yi(r)
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.
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
donde x(r) es la excitación e y(r) es la respuesta. Si la excitación se cambiara por x„y^,(/) = XI(0 + X2(f),
ayLU)+byljl)=x,Ut). (3.28)
Las ecuaciones que describen al sistema para las dos excitaciones individuales x,!/) y X 2 ( / ) actuando
solas serían
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
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
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
En ese caso la ecuación diferencial, escrita en términos de una nueva respuesta, serí'a
o, simplificando,
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.
FIGURA 3.19
Un péndulo.
mLB"(t) + mg sen(e(0) = x(/) (3.38)
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.
« 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.
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.
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
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]
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
KsVu - mg = O, (3.50)
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.
y rescribirla como
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
X|[«l-
Wv
v(í) = RiiO-
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
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
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)
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)
v,(f) - \'D(t)
i(r) = (3.59)
R
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,
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.
A partir de la solución gráfica se ve que el voltaje del diodo consta también de tina constante más una
pequeña variación.
v;,(;)
m
!(r)
v , ( ó \ ^
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
Es posible igualar por separado las partes constantes y las partes que varían con el tiempo de (3.71),
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
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
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
— 1
CAPÍTULO 3 v,(í)
H
r
Descripción y análisis
de sistemas
-w
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.
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
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
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),
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.
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
Si a" es una función propia, entonces la solución de (3.92) debe ser de la forma
2 a " + 2 a + I = O, (3.95)
y la solución para a es
(3.96)
2 2
(3.97)
(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,
se ve que las dos ecuaciones tienen la misma forma. En este se caso se pueden hacer algunas analogías
entre ellas,
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.
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
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
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
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
(3.107)
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
Determine la respuesta al impulso h[ji] del sistema descrito por la ecuación en diferencias
• Solución
Esia ecuación describe un sistema causal, por lo que
h[fr] = 0 fi < 0.
3.5 La suma de
(3.111) convolución
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
(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
(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
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
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
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,
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
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
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
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
-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.
(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
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
=1
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
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
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
(figura 3.44)
Observe que si se define una función
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)
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
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
00 00
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
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.
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
xr;il *
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
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.
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
Si la excitación x[«] está acotada, es posible afirmar que |X[Í?!]| <B para toda m. La magnitud de la
respuesta es
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,
oc
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,
Sea la excitación una secuencia unitaria y designe la respuesta a la secuencia unitaria por h_|[/7]. En-
tonces
(3.168)
u[«]= Y St'"]-
m = - >:
Al combinar (3.167) y (3T68),
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 ^
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
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)
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
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)
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]') ;
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
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
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)
(3.189)
i
Al despejar K,
K =- (3.190)
K = (3.191)
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
EJEMPLO M
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,
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+
0+
j y(!)d! = 0. (3.196)
0-
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
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)
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
(\ - 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.
-{d/dw){(\-e-"'-^>)ü(¡ - w))
= lim
u,-.o a
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)
c o m o antes.
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
Los coeficientes del impulso y el doblete deben igualarse independientemente en ambos lados. Este requerimiento
conduce a dos ecuaciones
Por lo tanto.
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)
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)
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
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
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
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)
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)
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,
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
-I
OO
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(/)
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 /
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
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
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 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
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
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)
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
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.
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
OC
Es posible usarla propiedad de muestreo del impulso para evaluar la integral. La variable de integración
es (x). El impulso ocurre en x donde
Por lo tanto,
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
entonces una versión desplazada en el tiempo de g(í), g(í - ÍQ), puede expresarse en cualquiera de dos
formas alternativas,
pero no en la forma,
go(í-fü)*5(f-fo). (3.258)
En vez de eso,
CAPÍTULO 3
Descripción y análisis 1 +
de sistemas
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
Puesto que
oo
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
entonces
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.
(figura 3,67).
Si ahora se toma el límite de ambos lados de (3.268) cuando a tiende a cero,
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
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
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)
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
y, recurriendo a (3.278).
g ( 0 = f U 2 ( f ) = g(f) + U i ( / ) * U i ( í ) . (3.280)
U2(f) = U , ( f ) * U | ( / ) . (3.281)
Lo anterior puede extenderse a un principio general para la convolución de cualquiera de las funciones
singulares.
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).
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
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(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.
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)
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
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
oo
(3.292)
-oo
y si la excitación es e-v"', se concluye que
/
00
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)
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.
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).
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
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.
y(rj = u ( x ( r ) ) ,
y(0 = x ^ - j ,
y(r) = cos(2-nT)x(/'),
,j•
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],
y[n] = rect(x[«]),
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
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.
Respuestas;
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--
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.
Respuestas;
Excitación Excitación
30
30
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 -
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:
3^ 3 +
20 20
Respuestas:
c) g ( 0 = rect(r - 1) * r e c t ^ -
Respuestas:
gft) m
4. it
± 1 1 i i
-9 -1
2 2 2 1 2
ge)
n n I
H h
g(f) gil)
-2
-2 -i'
8
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)
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
Respuestas:
1^1
31. Grafique las respuestas de los sistemas del ejercicio 19 a una excitación de escalón unitario.
Respuestas:
r/3
y(í)
-í' x(A) dX.
/+3
y(í)
-í dX.
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
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
y[n] = y^x[n].
y[n]+^-y[n- 1] =
ílttn\
a) Sin] — rect 1 [«] * seni \
í2Ttn\
b) g[«] = rect2[«] * seni — ^ 1
/ Itrn \
c) g[«] = rect4[íT] * sen 1 ^ 1
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
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).
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
Resorte ; I I Amortiguador
ytí)
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
/
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
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.
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
(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
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
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) =
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
Los términos en el lado derecho se pueden combinar como términos senoides complejos para formar
es posible escribir
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.
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
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
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
' \ Si Xf{t) va a ser la misma que x(í) en el intervalo ÍQ < f < íg + Tf.-, entonces
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 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
j x(r)e"^^^'^^"" í/f
ío
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,
• 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
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.
se reduce a X[<]]Tfry
Al despejar XI^J,
Si esta expresión es correcta para X[^], entonces X[k] en la expresión de Fourier original (4.7) debe ser
to+Tf
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
donde
lo+Tr
X[^] = — í x{t)e-i--''f^''dt
Tf J (4.22)
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
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
donde
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
= ¿ 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
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
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
ÓO
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
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
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
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.
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
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.)
SEÑALES SENOIDALES
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
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
xín y seno
0.0O.S
lo+Ar
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
Puesto que
C O S ( A - ) = (4.54)
Producto Producto
'A A 0.ÜÜ5
\y\J
I ,
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 . 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),
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
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,
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
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
- 1,75
-0.1
1 /
/ y-'
^ \
-ü.l
V / ^ \
-1 - 0.1 O.I -0.1 v/^-_i
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 *
-0.50459 - 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.
'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.
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
1/10 1/10
-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
-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,[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
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).
!«+Tr
!«+Tr 1/4
1/4 1/4
e cos(2A-TTr) dt
(4.74)
Hl/4)
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
-0.5 0.5 - 0 . 5
- 1 ^ +
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 - -
0.69921 — 1.4535--
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.
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,
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 -
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 , /.
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
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
Puede demostrarse que, para cualquier valor de N, el error de aproximación medio cuadrático
¡a + Tn
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.
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
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
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).
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
donde
IO+TF
X,[0] x(T) dt
= - Í
tn
• . J
In+TF
Jfi + T-f
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 / .
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
ftoducto Producto
0.88491 - - 0.«1445 •
TI aísj443-- II .
-0.63997-¬
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),
Producto
0.64106 - -
-0,5.5575 -¬ -1.0512^
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.
1
oo
(4.93)
x(í) = E X[it]í^-^'*^"'".
(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.
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)
(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
-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)
(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.
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])
TXk\ = ^m+\\^m-\\).
z(f) = x ( í ) = cos(27Tí) y (4.109)
Z[A] = | ( 5 [ A + 1 ] - 5 [ A - 1 ] ) . j (4.112)
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
X[í: (4.118)
(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
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).
Sea z ( í ) = x ( - f ) y r o , = r o , = r o . Si
(4.123)
lt=-O0
x { - 0 = J2 XÍ-íJe^-"'*^"" (4.124)
(4.125)
(4.127)
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
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
(4.131)
Tn a J Tü J
afii ATA
-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
CASO II z(t) es representada por una SFTC para el periodo fundamental de Tg = Tp.
La función armónica de la SFTC será
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,|
X - es un entero
a
O en otro caso
Al Úl
toa a = 2
FIGURA 4.30
Comparación de \X[k]\
y \Z[k]\ para a = 2.
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
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
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
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'^'-"'*"
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
se concluye que
(4.150)
k=-oc
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
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
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),
Entonces
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.
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
rrg+m Ta
y la sumatoria de integrales ¡T.^mTu^°^^ equivalente a una sola integral con límites infinito JZ„,
se concluye que
3C
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.
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
/
k=-oo
(4.176)
(4.177)
Z[A-J =X*[-A-]
(4.178)
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.
b) En el periodo = 7^:
X - es un entero
Z[k] =
O a
en otro caso
— es un entero
X,„[A-] = m
O en otro caso
al X[A]
Integración en el tiempo x(X) á\ si X[0] = O
J2IT{kfo)
JF5
x(f)®y(f) .x(T)y(r - T ) f / T • ToX[k]Y[k]
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
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(/)],
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)
•ps 1
cosdO OOOirr) < > -(5f/; - 1 0001 + S[A + 1 000]). (4.192)
212 |X[í:l[
/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,
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
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
(figura 4.34). [Ob.serve que no hay impulso en A- = O porque el valor promedio de x(f) es cero.] •
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
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 = =.
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)
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)
-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
(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)
iV=I99 JV=19
A' = 59
A_
^ M
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.
DESARROLLO MATEMÁTICO
(4.213)
k=-oc k=-OD
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
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
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 - \
'irj+AV-l f!n+.V>—1
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)
^i2iTUk-Q)/Nr)n ^ ^0 ^ ^ (4.229)
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 ^
(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,
-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
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
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
y, empleando (4.241),
(4.243)
sen((5í:/8)77)
sen((A-/8)Tr)
.senliViTí)
drcKr. N) = (4.244)
,Vsen(77í)'
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
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''
X[k] = — y AI
~Ñ7
2^0 „ á í /
(4.24$)
2JVo
Entonces, si se utiliza
(4.249)
11=0
(4.250)
„J-ll-í-l
senlTTtJt - 1)]
, j - i - i - i - í
sen[Tr(í: + i ) ]
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)
^ 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
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
TS
a x [ « ] + ^y[n]< >aX[k] + pY[A] (4.256)
DESPLAZAMIENTO EN EL TIEMPO
^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
^ 0 ,Í7M,>
(4.259)
=X[i-l
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
(4.263)
(4.264)
CONJUGACIÓN
(4.265)
INVERSIÓN EN EL TIEMPO
-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).
4n]
FIGURA 4.45
Una junción en TD y
una versión expandida
formada a! insertar T R 50
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
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
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 -
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
• 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
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)
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
(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
(fisura 4 . 4 9 ) . •
DUALIDAD MULTIPLICACION-CONVOLUCION
(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
Por lo tanto.
x["]y["]-
•Ylk]®X[k]= E ^umk-q] (4.291)
= E ^ E x[»!]e-^'--'^'^'""Y[^]f^'^^<'-^">'
A=.:,V„;: ^ 0 „ , = iN„)
Mi ^—'
—\[(! — ttí]
(4.292)
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
(4.294)
LN = (NO} R¡=!NN)
Z[k] = : X[A-1 - e-J-''"""""'X[k] = ( l - f - ' " " ' * ' ' " ' ) X[k] (4.295)
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
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
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
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
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)
=0
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.
x[« - Ho]^^^e"'"'""""'"X[í:]
Desplazamiento en frecuencia >X[k - ko]
^Xlk - ko]
— 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
x[n]®y[n]= ^ x[m]y[n-m]'
TS X\k]
Acumulación k ^0
1 _ g-Íl-ni.kF(,)
•í=-5C
rs X[k]
k^Q
H - +
128 -16 128
IXWI
0..S- 0.5--
-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.
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
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-|-
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
0.4 —
-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
-64
di 64
_^ ^ alternada, que se forma
muestreando la señal
en TC correspondien-
te, y su SFTD.
1 1 - e-^'
32 1 - 32 íf--''^''32) g4-;(-.T/32) _ ^-j(-rr/32)
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
Considere que la señal de voltaje de entrada v^^(/) es periódica y está expresada como una SFTC com-
pleja.
(4.314)
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)
(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.
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
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
• 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)
(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- -
La respuesta que también es periódica con el mismo periodo fundamental se expresa como una SFID en la forma
Y
i-=(8¡
Y[k]e^^"="'^" = 4 Ex[jt]e^^'*"'^' -
\í=(8)
EX[A-]Í^"""'-"/^' + - Y[Jt]í^^'*"'-"'". (4.334)
(4.335)
(4.336)
(4.337)
Se puede elegir cualquier intervalo para k de longitud ocho. Por conveniencia, se elige - 4 < í: < 4. En ese caso
1 ^ (k ,./-UUT7Í-f
—15 ms < f < 15 ms
10
9 r
k + 2 k - 2'
,-t()77Í.-/
stnc — smc
k = -9
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
Respuesta:
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
d) xít) ~ lo 16
X | ( r i x n ( f ) , donde X | ( / ) es una onda cuadrada par con ciclo de trabajo de 50%
Jitr)
0.25
-6 +
4:
-0.062?
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
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.
Respuestas:
¡asi 1.
j Tt.ttT.ttT.iTl.í . I T t . t T T . T T T . i t . ¿.
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
1
a) xii) 10sen(20Tr/)
c) x(f) -4COS(500TT/:)
d
d) x(f)
dt
g) tri(f) * comb(r) TF = 1
R&spuestas:
X[A-] = 4 s i n c ( ^ ^ ^
Respuesta:
4 sinc - es un entero
ZL¿j =
. O en otro caso
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:
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)
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:
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
F) x[;i] = -sen Y j = 64
Respuestas:
con Np = = 3.
Respuesta:
X[A-] = \
j
Respuesta:
9
20
7 / A - 1 6
XÍA] = — drcl .7
32 V 32
Respuesta:
(rectí[í!] * c o m b 3 2 [ « ] ) ( - 1)"
21)
x„["j = J2 mW"^""^''>
Respuesta:
í = 13:20
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
c) x(f) = 3 s e n ( 6 i T f ) + 4 c o s ( 8 T T f ) Tf=\
í t \
g) x(f) 14 rect f - ) * comb ( — ® 7 rect * comb
Vs/ Vl2 \5;
Tf = 24
Tf = 20
-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 • . - •: , .
Nf = 20
/ 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
/2TT \ /2'rT
x[n] = 4 cos i—nj + 3senl — ? !
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
x[«J = cos(2iiF«)
yt»]
0.9
FIGURA E34
r A p I T IT I o 5
La transformada de Fourier
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
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
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/
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,
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
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
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
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,
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.
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
sen(iT/)
X(/) = 2 y COS(2TT.
Íi)dt = —sen(2Tr/f) = sinc(/).
(5.22)
De la forma to de la TFTC,
h r
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
sincí/)
*Ct)
\ = t - 2 y d\ = dl. (5.26)
Entonces
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
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
-1 + -0.5 +
|X(/)| |X(/)|
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.
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,(/)|
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>
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.
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.
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)
x(/) = A c o s ( 2 7 r ( - / o ) / ) (5.46)
también describen exactamente la señal. Si ésta hubiera sido un seno en vez de un coseno entonces
XJO]
Ai \(T) DI (5.50)
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, . . ,
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
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.
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
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,
m
Entonces
CC
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
(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
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
(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,
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.
\ = 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 )•
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 )
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)
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,
(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.
oo
•3C
•
\ = - / 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
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
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
OC- OQ
Z(/)= j
-CC
x(.7) J yit -
Li-^
i)e-'--^f'dt dt. (5.100)
.?[y(r-T)]
— 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
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
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.
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
xU) = ^ ( 2 t r i ( j (5.112
4 sinc-(2/). (5.113
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
MODULACIÓN
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
r 1
x(f)cos(wof) ^ ^ - [ X ( ; t w - ü ) o ) ) + X ( j ( w + wu))] (5.120)
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).
EJEMPLO 5.3
• 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
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.
-00
-00 -OH
Esta relación se cumple para cualquier valor de / . Haciendo / = O en (5.129),
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 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
e+r--f' df (5.138)
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.
Ésta es otra definición válida de un impulso unitario. Una forma más comiín de este resultado es
(5.146)
DUALIDAD
3C CO
(5.147)
Xif) = J x(Oí"-'^"-^' = / XÍT)^"^""^' dT
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
•oo
es posible escribir
co
(5.152)
-CC
^(X(r))= j x(T)5(T + / ) í / 7 = x ( - / ) .
—00
La propiedad de dualidad es 273
5.5 Propiedades de la
La prueba de
(figura 5.18).
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
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
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 ( 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
= ^ 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
oo oo
-oo -oo
Si se utiliza la propiedad de que el área total bajo una función es su TFTC evaluada en / = O,
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,
Por lo tanto.
/ > 0]
n x u ) ) = j o / = O = -sgn(/) = sgn(-/). (5.180)
/ < ol
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.
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)
11
.^(x(f)*u(r)) = X ( / ) + r S(/) ^ + ^X(O) 8 ( / ) . (5.186)
Ly2'ir/ 2
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
y la segunda derivada es
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)
COS(2TT/) - 1
J P ( X ( Í ) ) = ,?^(tri(f)) = 2 (5.193)
(J2iTfy-
Luego, usando
se concluye que
(S.19SJ
(j2^fr^ ( ^ / ) 2
(tri(í))
k
1
f (tn(O)
-
-1
-2 -
Corrimiento en el tiempo
- ío)
X(jw)e"^"'»
x(í
Corrimiento en frecuencia
< ^ Xija(ú)
\a\ \a/
x\t) X*i-jw)
Dualidad multiplicación-convolución x(f) * y ( í ) X(/)Y(/)
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)
oo QQ
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(/)
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
00
jlitf 2
T
í X(X) dk ^
T
>
X ( /cü)
+ TTX(0)8(tü)
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
« 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
„ „ , „ ^ i [ , ( / + ± ) - s ( / - ¿ ) ] (5.198)
lOsen(f) ;5 (5.199)
280 o, en la forma de frecuencia en radianes.
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)
10sen(/ - 2) (5.204)
c) De la parte a),
lOsen(r) j5 (5.206)
10sen(2r)^^ (5.207)
2T7/ V2 2TT
10sen(2(.-l))^4[a({ + ¿ ) - s ( { - ¿ ) j (5.208)
(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,
10scn(2r - 1) (5.216)
E.IEMPLO 5.7
'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:
lOseníO * 2 S ( / + 4) = 2 0 s e n ( / + 4 ) (5.224)
ILUSTRACIÓN GRÁFICA
(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)
^0
iV„, = 5 , Wo = 2 2
i 1
irirttlTÍilTTriTtlI ILLTTFTLL
0.5 -
-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]\
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
(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)
J
Frecuencia Frecuencia
continua tii.screfa
CAPÍTULO 5
La transformada da
Tiempo
Fourier continuo TFTC SFTC
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).
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)
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
(5.255)'
(5.256)
EJEMPLO 5 . 9
¡e la TETD inversa de
n
w KcUwF) * comb(F), (5.258)
sinc I —
X . (n
rect(50F) * comb(F). (5.259)
50""HHO
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)
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
CC y:
íí=—CC rí——cic
00 oo
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
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)
(5.277)
n=--x
Sea m = -n. Entonces
x[m] (5.278)
Ill = — OK
DUALIDAD MULTIPLICACIÓN-CONVOLUCIÓN
Sea
Entonces
Por lo tanto.
(5.286)
Sea
Entonces
La última integral /j X(A,)Y(F - X) dX es otro caso de una convolución periódica. Por lo tanto,
Entonces, en
X(F)
(5.295)
n=-oo .
X(F)= Y. / Xp(<j>)e^'-^'*-^"'í/4>
-ct
= ¿ Xp{F)*e-^-^''" (5.296)
donde
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
Y e-^-"^" = c o m b ( F ) (5.300)
Y^ e^'"'^" = c o m b ( F ) (5.301)
E J E M P L O 5.11
= A eos y— j .
H Solución
De acuerdo con la definición.
A
XÍF) = - comb I F ) + comb F+ -
4/ \ 4
o, empleando ia propiedad de escalamiento de la función comb,
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
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
(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
1 í n \ r
20 rect(lOOF) * c o m b ( f ) .
20 (5.321)
5 Viooy
El teorema de Parseval es
(5.322)
F , = 400 j I
ííF = 4.
(5.324)
x(j(n-üo))
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)
T lx[n]|^= - í - í \X{jQ)\^d^
E.fEMPLO 5 . 1 3
Puesto que se puede elegir integrar para cualquier intervalo en F de ancho uno, se elegirá el más simple,
I
1
-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),
SFTC. Representación, para todo tiempo, de una función en TC periódica con periodo fundamenta]
Tf¡ que satisface las condiciones de Dkichlet:
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.
CO OC
(5337)
— - o o
TFTD.
00 , ^
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(í)y(r) ^ X[t]^Y[Ai
Tiempo discreto
TS - jl-nCkn/Nnt
J2 X[k]e' / X(F)c'-''" dF Y. x[n]e-^
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,
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
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
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.
oc
(5.345)
k=-x
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
• 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.
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
> í- = 1
1
r # I (5.353)
5 1 _ gjl.T/S)l
(5.354)
e
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
• 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,
Por lo tanto,
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
IV-l \N r=I
(5.363)
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.
x(r) = u'./¡.
1(1/2111-1)
+ >^'f. (5) + wf„ e'^-'^^r-'f"' (5.370)
Iíb/2il-l-l
(5.371)
COS
^ l=-[(7-„/2,il-IJ
(5.372)
+ 2cos(2(i¿-l)./o.)-.cos(^)_.
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(/) = 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)
-"(?)]
(5.380)
+ 2 eos 2
TFTC Y TFTD
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.
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
(5.386)
XTFrD(F) = X 8 ( / , F ) (5.387)
También
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
Entonces
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^,
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
a SFTD
H
-7 -5 -3-1 I .1 5 7
A-
>
...j
UL l.I I.I \X{F)\
los métoám
5.9 Ri
64
|X(F)|
1 +
-32 1 !
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
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
(figura 5.37). De acuerdo con (5.399) la función annónica de la SFTD de una extensión periódica de la señal es
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
|X(Í1| K |XW|
t
1 0 - -
10 +
*Tr
A A / \ A A A / luíIlTWTllTtwTÉTuI luTJT^TTTÍTtivrTÍlTTuI
-50
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
AL
(5.407)
\(i^—OC
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)
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
(5.415)
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(f)|
-1
|X[*]|
\x{m\
,4TT
-No-l |-iV«+l -i
-2^ - 2 < l 2 < 2-!T
AT
i _ L
-f 1 I
27 IT
iX(;<o)| ÍXE(;W)|
ATa,
AT 2-rr
ÍL 2L
1 1
'T T " T T
(5.419)
(5.420)
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.
|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.
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^'
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
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
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
X ( / ) = rect
Respuesta;
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)
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
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 -
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.
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
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 -
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 +
a) Xijw) = e-''^'
b) X(jw) = 7 s i n c - f -
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 '
Respuestas:
/ 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
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 ( / )
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)
Respuestas:
|X(/!l !»/)!
4..
4 - - . - TFJ
4 0.3-
•J F * / - « 8
-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
- 1 + - • •
1
1 • ^ • 1—*~
- 8 . ^ - -
24. Dibuje las magnitudes y fases de las siguientes funciones. Dibtije también las TFTC inversas de
dichas funciones.
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.
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/)
Respuestas:
I -¬
1 - x(()
-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
x[n] - 10 RECT4[?T]
[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/
Respuesta:
-1
Fase£le|X<F)|
IT--
1- .tíUTh }
-32
V
- 1
-IT»
x[n] = sen
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
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
Respuesta;
lX(fl|
m 4.
-12 -1
Fasí de
4.
X ( F ) = [rect(4F) * comb( F ) ] ® c o m b ( 2 F ) .
Respuesta:
x[;rj
0.25-t
-16 T
-0.1 +
t n 1 + c o s ( 2 - r T F j ,
V2
r T • I " \ í
x[n] = smc — sen
Moy V 4
Respuesta;
X | ( r ) = rect(í)
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 -
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
IT -
• ll •
-32 32
-IT -
x(f) = 4 rect ^ -
y su respuesta es
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 )
f) git) = rect ( -
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
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
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.
a) x[n] = u[n - 1]
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.