Apunte 2 Parte

Matemática II Señales y sistemas
Señales y sistemas
Los conceptos de señal y de sistema surgen de una gran variedad de campos de la ciencia y de
la tecnología como los circuitos, la sismología, el procesamiento de la voz y de las imágenes y
muchos más de naturaleza muy variada. Como ejemplo citemos el caso de un circuito
eléctrico, que constituye el sistema en el que las señales de entrada y salida son la corriente y
la tensión. Como otro ejemplo, cuando un automovilista oprime el acelerador está generando
una señal de entrada en un sistema, que es el auto, y obtiene como señal de salida una
velocidad. En todos los casos, las señales, tanto de entrada como de salida, son funciones de
una o más variables independientes. En los dos ejemplos mencionados, la representación de
las señales se realiza por medio de curvas continuas. Pero si consideramos como señal al
índice semanal del mercado de valores, su representación gráfica no está dada por una curva
continua sino por una sucesión de puntos. En un caso como éste, se dice que la representación
es discreta.
En su sentido más amplio, un sistema es una interconexión de componentes y dispositivos por

medio del cual una señal de entrada es transformada para producir una señal de salida. En
forma esquemática,
señal de entrada sistema señal de salida
Para agregar más ejemplos, consideremos un sistema reproductor de CDs: la señal de entrada
es la información grabada; ésta ingresa al reproductor, que es el sistema, y como resultado
genera una señal sonora, que es la de salida. Un sistema de mejoramiento de imágenes toma
como entrada una imagen y la transforma en otra de salida que tiene algunas propiedades
modificadas, por ejemplo, el contraste.
Sistemas continuos y discretos
Los sistemas se denominan continuos o discretos de acuerdo a cómo sean sus entradas y
salidas. Indicaremos respectivamente con t, f (t ) y y (t ) a la variable y a las señales de
entrada y salida continuas, en tanto que con n, f [n ] y y[n] a la variable y a las señales de
entrada y salida discretas; supondremos que n adopta valores enteros. En otras palabras, las
señales son continuas o discretas de acuerdo al modo en que varía la variable independiente.
Para fijar ideas, supondremos que la variable independiente, ya sea t o n, representa al tiempo.
El modo particular en que la señal de entrada es transformada para dar lugar a la de salida es
una característica propia del sistema en cuestión. Dicho de otro modo, la señal que se obtiene
a la salida es el resultado de la operación que el sistema ejecuta sobre la de entrada. A esa
operación la denominamos transferencia del sistema. La relación entre ambas señales la
simbolizamos en la forma:
sistema
f (t )  → y (t ) si el sistema es continuo o
73
UNSAM – Escuela de Ciencia y Tecnología
Tecnicaturas en Electromedicina y en Diagnóstico por Imágenes Alicia Denis
Matemática II Señales y sistemas
f [n]  → y[n]

sistema
si el sistema es discreto
En líneas generales, todo dispositivo de medición, por ejemplo de señales eléctricas, tiene esta
característica, esto es, la señal que recogemos a la salida está "teñida" de la influencia del
instrumento de medida. En ocasiones, este efecto es perjudicial pues enmascara al fenómeno
que se quiere determinar, en cuyo caso se trata de minimizarlo. En otras, el efecto es buscado
intencionalmente pues el interés está en acentuar o modificar determinados rasgos de la señal.
Como ejemplo de esto último, pensemos en un filtro que deja pasar un dado rango de
frecuencias y elimina otros.
Sistemas lineales. Sistemas invariantes en el tiempo.
Un sistema, ya sea continuo o discreto, se dice lineal si cumple con la propiedad de

superposición. Esto significa que si a un dado sistema lineal ingresan simultáneamente dos
señales diferentes, el sistema reaccionará a cada una de ellas como si la otra no estuviera
presente, es decir que la superposición de dos señales de entrada dará lugar a la superposición
de las correspondientes señales de salida. Más precisamente, si la respuesta del sistema frente
a la entrada f1 (t ) es y1 (t ) y frente a f 2 (t ) es y 2 (t ) , y si a y b son dos constantes arbitrarias,
entonces
af1 (t ) + bf 2 (t ) → ay1 (t ) + by 2 (t )
para señales y sistemas continuos y en forma análoga para el caso discreto.
af1[n] + bf 2 [n] → ay1 [n] + by 2 [n]
Un sistema es invariante en el tiempo si su comportamiento no cambia con el transcurso del

tiempo, es decir, si al efectuar un mismo experimento en momentos diferentes se obtiene
siempre el mismo resultado. Dicho de otro modo, si un corrimiento en el tiempo en la señal de
entrada genera igual corrimiento en el tiempo en la de salida. Esto se enuncia:
Si f (t ) → y (t ) entonces f (t − t 0 ) → y (t − t 0 ) para señales continuas

y en forma similar para discretas:
Si f [n] → y[n] entonces f [n − n 0 ] → y[n − n0 ] .
Los sistemas lineales e invariantes en el tiempo (LTI por su denominación en inglés, linear
and time invariant) tienen unas cuantas propiedades que los hacen interesantes para el
estudio. Una de las ellas se refiere a la posibilidad de descomponer cualquier señal de entrada
en una superposición de señales básicas. La condición de LTI del sistema garantiza que la
salida es una superposición similar de las respuestas del sistema a cada una de esas señales
básicas. En particular, resulta útil utilizar al impulso unitario como señal básica, tanto en el
caso continuo como en el discreto. Cualquier señal se puede representar como combinación
lineal de implulsos retardados, de modo que con sólo conocer la respuesta del sistema al
impulso unitario, podremos averiguar la salida que produce una señal de entrada arbitraria.
Esta operación que combina la respuesta del sistema al impulso con la desomposición de una
señal de entrada cualquiera en términos de impulsos para dar la señal de salida, se denomina
convolución, como veremos en breve.
74
Matemática II Funciones de variable discreta
Funciones de variable discreta
Son funciones en las cuales el dominio es el conjunto de los números enteros: f : Í → Ñ. La

diferencia más evidente con las de variable continua es que al representarlas, no trazamos una
curva que una a los puntos ya que la función está definida sólo para valores enteros de la
variable independiente. (De este tipo son los gráficos que obtenemos cuando representamos el
espectro de amplitudes de una función periódica, donde en el eje de las abscisas colocamos
las armónicas de la frecuencia fundamental, es decir, sus múltiplos enteros).
Para fijar ideas, consideremos la siguiente función de variable discreta y grafiquémosla:
n 2 / 2 , 0 ≤ n ≤ 4

4 , n = 5
f [ n] = 
(n − 10) 2 / 2 , 5 < n ≤ 9
0 para otro valor de n

f[n ] 4
0
-1 0 1 2 3 4 5 6 7 8 9 10 11
n
Impulso unitario y escalón unitario discretos
Ya estudiamos las funciones generalizadas impulso y escalón unitario dependientes de una

variable continua. Veremos ahora su equivalente en variable discreta.
Para señales de variable discreta, las funciones impulso unitario y escalón unitario se definen,
respectivamente, en la forma
1, n = 0 1, n ≥ 0
δ[n] =  y u[n] = 
0, n ≠ 0 0, n < 0
75
1 1
δ [n ] u [n ]
0 0
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3
n n
Aplicando la definición, vemos que, por ejemplo, δ [n − 1] representa a un impulso localizado

1, n − 1 = 0 1, n = 1
en n=1, pues δ [n − 1] =  , o sea, δ [n − 1] =  .
0, n − 1 ≠ 0 0, n ≠ 1
δ [n -1 ]
0
-2 -1 0 1 2 3
n
Análogamente, u[n + 2] representa a un escalón en n=-2, pues, de acuerdo con la definición,

1, n + 2 ≥ 0 1, n ≥ −2
u[n + 2] =  , o sea u[n + 2] =  .
0, n + 2 < 0 0, n < −2
1
u [n + 2 ]
0
-5 -4 -3 -2 -1 0 1 2 3
n
Un factor multiplicativo tendrá en ambas funciones el efecto de un cambio de escala, es decir,

A ⋅ δ [n − N ] representará a un impulso de altura A, localizado en N y análogamente
A ⋅ u[n − N ] indicará a un escalón de altura A, localizado en N.
Veamos cómo se representa la función u[n + 2] − u[n − 1] . Partimos de los gráficos de cada
uno de los términos y los restamos para cada valor de la abscisa, n. En aquellos valores de n
para los cuales ambos términos son nulos, la resta es nula. También es nula en aquellos para
los cuales ambos términos son 1. Esto dice que la función es nula para n ≤ −3 y para n ≥ 1 .
En cambio, se obtiene 1 para n=-2, -1, 0, donde el primer término vale 1 y el segundo, 0.
Luego, la gráfica es
1
u [n + 2 ]-u [n -1 ]
0
-5 -4 -3 -2 -1 0 1 2 3
n
Se puede comprobar fácilmente que ambas funciones generalizadas discretas se relacionan a
76
través de la llamada primera diferencia
δ[n] = u[n] − u[n − 1]
y, en forma inversa, a través de las sumatorias
n ∞
u[n] = ∑ δ [m] u[n] = ∑ δ [n − k ]
m = −∞ k =0
Detengámonos a analizar cómo están construidas estas expresiones. En la primera de ellas, se

suman los valores de la función impulso para diferentes valores de su argumento. Si el índice
superior de la suma, n, es negativo, los términos de la suma son todos nulos. Si la suma llega
hasta n=0, aparece un término de valor 1 (δ (0) = 1 ). Si n toma cualquier valor positivo, la
suma sólo contiene ese mismo único término de valor 1, pues la función impulso es nula para
cualquier otro valor de su argumento que no sea 0. Estamos obteniendo así una función que es
nula si n<0 y es 1 si n ≥ 0 . Esto no es otra cosa que el escalón unitario discreto u[n].
En la segunda identidad tenemos en el segundo miembro la suma de funciones impulso

desplazadas: δ [n] + δ [n − 1] + δ [n − 2] + L . Cada término es una función nula para todos
excepto un valor de n, de modo que cada función aporta un único término de valor 1,
localizado en 0, 1, 2, ..., respectivamente. Esto, nuevamente, coincide con el escalón unitario.
El impulso unitario discreto se puede usar para descomponer cualquier señal discreta como
una secuencia de impulsos individuales, donde, a diferencia del último ejemplo, habrá que
considerar al valor de la función en cada punto como la amplitud del impulso en dicho punto.
Consideremos en particular la función dada al comienzo de esta sección. Al descomponerla en
términos de impulsos discretos desplazados y con el factor de amplitud correspondiente,
obtenemos:
f [n] = 0.5 δ [n − 1] + 2 δ [n − 2] + 4.5 δ [n − 3] + 8 δ [n − 4] + 8 δ [n − 5] + 8 δ [n − 6] +

4.5 δ [n − 7] + 2 δ [n − 8] + 0.5 δ [n − 9]
f [n] = f [1]δ [n − 1] + f [2]δ [n − 2] + f [3]δ [n − 3] + f [4]δ [n − 4] + f [5]δ [n − 5] +

f [6]δ [n − 6] + f [7]δ [n − 7] + f [8]δ [n − 8] + f [9]δ [n − 9]
Podemos generalizar esta idea para una función cualquiera en la forma
f [n] = L + f [−2]δ [n + 2] + f [−1]δ [n + 1] + f [0]δ [n] + f [1]δ [n − 1] + f [2]δ [n − 2] + L
+∞
f [n] = ∑ f [k ] δ [n − k ] [ 1]
k = −∞
Como δ[ n − k ] es diferente de cero sólo cuando n=k, la sumatoria selecciona, entre la

secuencia de valores de la función f, únicamente a aquél que corresponde a k=n. Cada factor
numérico f [ k ] tiene el efecto de modificar la escala del impulso en el instante
correspondiente.
77
Convolución de señales de variable discreta
Centremos la atención en sistemas lineales e invariantes en el tiempo. Veremos que en un

sistema que cumpla con estas dos propiedades, podemos predecir cuál será su respuesta frente
a cualquier señal de entrada con tal que conozcamos cómo responde frente al impulso unitario
discreto. En efecto, como ya dijimos, cualquier señal discreta puede descomponerse en
términos de impulsos unitarios discretos desplazados en el tiempo y multiplicados por un
factor de escala apropiado que no es otra cosa que el valor de la función en cada punto. Esto
quedó expresado en forma general en la igualdad [1].
Supongamos que conocemos la señal de salida cuando la de entrada es δ [n] , es decir que
conocemos la función h[n] tal que
sistema
δ [n]   → h[n]
Mostraremos que esta información basta para conocer la respuesta de dicho sistema, y[n] ,
frente a una entrada cualquiera, f [n] . En otras palabras, el sistema queda completamente
caracterizado por esa función h[n]. Analicemos esta afirmación primero mediante un ejemplo.
Consideremos h[n] = u[n] − u[n − 3] . Como ya vimos esta función toma el valor 1 para n=0, 1
y 2 y es nula para cualquier otro valor de n. Si ésta es la respuesta del sistema al impulso
unitario, tenemos
1 1
h [n ]= u [n ]-u [n -3 ]
δ [n ]
0 0
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3 4 5
n sistema n
  →
Elijamos ahora la función de entrada f [n] = n ⋅ (u[n] − u[n − 4]) . Se puede comprobar que
f [1] = 1 , f [2] = 2 , f [3] = 3 y todos los demás valores son nulos. Esta función, descompuesta
en términos de impulsos resulta
f [n] = δ [n − 1] + 2δ [n − 2] + 3δ [n − 3]
Consideremos ahora cada término por separado. Por ser el sistema invariante en el tiempo, la
respuesta al impulso δ [n − 1] tendrá la misma forma que la respuesta a δ [n ] pero atrasada una
unidad en el tiempo, es decir, será h[n − 1] . En forma análoga, las respuestas a δ [n − 2] y a
δ [n − 3] serán respectivamente h[n − 2] y h[n − 3] . Pero como, además, el sistema es lineal, la
respuesta a 2 δ [n − 2] será 2 h[n − 2] y la respuesta a 3 δ [n − 3] será 3 h[n − 3] . La linealidad
también asegura que la respuesta a la suma δ [n − 1] + 2δ [n − 2] + 3δ [n − 3] será la suma
h[n − 1] + 2h[n − 2] + 3h[n − 3] . Analicemos en forma gráfica estas operaciones. Colocamos en
la primera columna cada término que forma la señal de entrada, y en la segunda, cada término
de la de salida.
78
entrada salida
4 6
5
3
4
δ [n -1 ] 2 h [n -1 ] 3
2
1
1
0 0
-3 -2 -1 0 1 2 3 4 5 -1 0 1 2 3 4 5 6 7
n n
4 6
5
3
4
2 δ [n -2 ] 2 2 h [n -2 ] 3
2
1
1
0 0
-3 -2 -1 0 1 2 3 4 5 -1 0 1 2 3 4 5 6 7
n n
4 6
5
3
4
3 δ [n -3 ] 2 3 h [n -3 ] 3
2
1
1
0 0
-3 -2 -1 0 1 2 3 4 5 -1 0 1 2 3 4 5 6 7
n n
Sumemos gráficamente cada columna. En la primera obtenemos la función f [n] y en la

segunda, la respuesta que de ella da el sistema
4 6
5
3 4
f[n ] 2 y [n ] 3
2
1
1
0 0
-3 -2 -1 0 1 2 3 4 5 -1 0 1 2 3 4 5 6 7
n n
En términos generales, para encontrar la convolución entre una señal de entrada y la respuesta
de un sistema al impulso unitario, efectuamos las siguientes operaciones:
1. Descomponer la señal de entrada como combinación lineal de impulsos discretos
desplazados y multiplicados por factores de escala dados por el valor de la función en
cada punto.
2. Aplicar la función transferencia del sistema a cada impulso, teniendo en cuenta las
características de linealidad e invariancia en el tiempo del sistema.
3. Sumar en cada abscisa las respuestas a cada impulso individual.
79
En símbolos:
L + f [−2] δ[n + 2] + f [−1] δ[n + 1] + f [0] δ[n] + f [1] δ[n − 1] + f [2] δ[n − 2] + L →
L + f [−2] h[n + 2] + f [−1] h[n + 1] + f [0] h[n] + f [1] h[n − 1] + f [2] h[n − 2] + L = y[n]
Escrito en forma abreviada,

∞
y[n] = ∑ f [k ] ⋅ h[n − k ] [ 2]
k = −∞
La señal de salida, y[n] que resulta de la superposición entre la respuesta propia del sistema
(la función h[n] ) y la señal de entrada (la función f [n] ) se denomina convolución y se indica
como
y[n] = f [n] * h[n]
Si comparamos las expresiones [1] y [2], vemos que ambas tienen la misma forma, salvo que
los impulsos unitarios desplazados aparecen reemplazados por la función h igualmente
desplazada. El mismo factor que aparece en [1] multiplicando a cada impulso, esto es el valor
de la señal en cada punto, aparece en la señal de salida multiplicando a la respuesta del
sistema al impulso.
La expresión [2] nos da el valor de la salida en cada instante n. Podemos hacer otra lectura de
ella. Al ingresar un impulso en un instante dado, el sistema comienza a responder y esa
respuesta puede durar a lo largo del tiempo, según la forma particular que tenga la función h.
Cuando al instante siguiente llega al sistema un nuevo impulso, el sistema todavía está
completando su respuesta al anterior, de modo que la salida mostrará el efecto combinado de
ambos y de todos los impulsos que sigan ingresando. El sistema tiene "memoria". Por esto,
para obtener y en cada punto debemos efectuar una suma en la que interviene la función h
evaluada en instantes anteriores a n, ya que su argumento es n-k. Pero h[n − k ] es la respuesta
que emitió el sistema frente a un impulso que ingresó en el instante n-k.
Se puede demostrar, aunque no lo haremos aquí, que la convolución es conmutativa, es decir
f [n] * h[n] = h[n] * f [n]
Vamos a presentar un método alternativo para calcular la convolución entre dos señales
discretas. Para esto, observemos que en la suma de convolución, cada término tiene la forma
f [k ] ⋅ h[n − k ] . La suma se efectúa sobre el índice k, es decir, para cada valor de k se obtiene
un término, en tanto que el valor de n se mantiene fijo. La operación da el valor de la salida
para ese n: y[n]. Para comprender mejor el procedimiento, pensemos en el significado de
h[n − k ] como función de k para cada n dado.
A fin de fijar ideas, tomemos un ejemplo. Sea un sistema con respuesta al impulso dada por la
función h[n] del gráfico:
80
δ[n] h[n]
2 1
• • • • • • • • • • • •
n n
En forma inmediata, vemos que h[k] tiene una representación idéntica en función de k. Por lo
tanto, h[-k] está dada por
h[-k]
1 2
• • • • • •
k
Donde hemos reflejado la función h[k] respecto del eje vertical. h[-k] es la función h[n-k]
particular que se obtiene para n=0. Para otros valores de n, habrá que efectuar los
desplazamientos correspondientes. Las figuras que siguen son ejemplos de esto para n=1, -1 y
–2, respectivamente.
h[1-k] h[-1-k] h[-2-k]
1 2 1 2 1 2
• • • • • • • • • • • • • • • • • • • •
k k k
Continuando con el ejemplo, supongamos que la señal de entrada es la dada a continuación en

función de k.
f[k]
4 456
• • • • •
k
Para efectuar la convolución, elegimos un valor particular de n para el que calcularemos el

valor de la salida y[n]. Al hacerlo, queda determinada la posición de la función h[n-k].
∞
Tomemos, por ejemplo, n=-3 y calculemos y[−3] = ∑ f [k ] ⋅ h[−3 − k ] . Si superponemos en
k = −∞
un mismo gráfico las funciones f[k] y h[-3-k], como en la siguiente figura, vemos que para
todos los valores de k los productos se anulan por ser nula una o ambas funciones. Luego,
y[− 3] = 0 .
f[k]
h[-3-k]
4 456
1 2
• • • • •• • • • • • • • •
k
81
El cálculo para valores diferentes de n consiste en desplazar la función h, dejando f fija.

Notamos que y[n]=0 para todos los n ≤ −2 . Tomemos ahora n=-1 y superpongamos
nuevamente las funciones f y h:
f[k]
h[-1-k]
4 456
1 2
• • • • • • • • • • • • • •
k
El único producto que no se anula es el que corresponde a k=-1 pues, para los demás valores
de k se anula al menos una de las dos funciones. Luego, y[−1] = 4 ⋅ 2 = 6 .
Desplazamos nuevamente h y superponemos f[k] con h[-k]
f[k]
h[-k]
4 456
1 2
• • • • • • • • • • • • • •
k
Ahora tenemos dos términos no nulos: los correspondientes a k=-1 y 0. Resulta así
y[0] = 4 ⋅ 2 + 4 ⋅ 2 = 16 .
Seguimos desplazando h y ahora tenemos y[1] = 4 ⋅ 1 + 4 ⋅ 2 + 5 ⋅ 2 = 22 .
f [k]
h[1-k]
4 456
1 2
• • • • • • • • • • • • • •
k
Un desplazamiento más de h nos da y[2] = 4 ⋅ 1 + 4 ⋅ 1 + 5 ⋅ 2 + 6 ⋅ 2 = 30 .
f[k]
h[2-k]
4 456
1 2
• • • • • • • • • • • • • •
k
Volvemos a desplazar h y obtenemos y[3] = 4 ⋅ 1 + 5 ⋅ 1 + 6 ⋅ 2 = 21 .
f[k]
h[3-k]
4 456
1 2
• • • • • • • • • • • • • •
k
82
Un paso más de h da lugar a y[4] = 5 ⋅ 1 + 6 ⋅ 1 = 11 .
f[k]
h[4-k]
4 456
1 2
• • • • • • • • • • • • • •
k
Con un corrimiento más llegamos a y[5] = 6 ⋅ 1 = 6 .
f[k]
h[5-k]
4 456
1 2
• • • • • • • • • • • • • •
k
Todas las funciones h[n-k] con n ≥ 6 conducen a resultados nulos pues para todos los valores
de k sea anula al menos una de las dos funciones.
Hemos obtenido así la convolución entre las dos funciones dadas. La ventaja de este
procedimiento reside en que resulta similar al empleado para calcular la convolución de
funciones de variable continua. En este caso la convolución se calcula mediante una integral
∞
que se expresa en la forma y (t ) = f (t ) * h(t ) = ∫ f ( x) ⋅ h(t − x)dx .
−∞
83
Matemática II Funciones periódicas de variable discreta
Funciones periódicas de variable discreta
Cuando estudiamos las funciones periódicas de variable real dijimos que una función f(t) tiene
período T si cumple que f(t)= f(t+T). La aplicación reiterada de esta relación conduce a f(t)=
f(t+mT), donde m es un número entero cualquiera.
Al analizar las funciones de variable discreta, diremos que una función f[n] tiene período N si
cumple que f[n]= f[n+N] o bien, f[n]= f[n+mN], donde n, m y N son números enteros. Así
formulada la definición, el paso de variable continua a variable discreta parece sólo formal.
Sin embargo, veremos que aparecen algunas diferencias importantes que justifican su estudio
como un tema aparte. Para comenzar, consideremos algunos ejemplos que nos permitan
comparar las funciones de variable continua y las de variable discreta.
2π 2π
Sean f1(t ) = cos( t ) y g1[n] = cos[ n] . La única diferencia entre ellas reside en que,
5 5
mientras en la primera, la variable t toma todos los valores reales, en la segunda, la variable n
toma sólo valores enteros. Esto significa que la gráfica de f1(t) es una curva continua en tanto
que la de g1[n] es una sucesión de bastones (o de puntos aislados) levantados sobre los valores
enteros de la variable independiente. Podemos decir que los puntos representativos de g1[n]
son muestras equiespaciadas de f1(t) tomadas para los valores enteros de la variable
independiente.
cos (2π / 5 t) cos [2π / 5 n]

1.0 1.0
0.5
0.5
t n
0.0
0.0
0 2 4 6 8 10 12
0 2 4 6 8 10 12
-0.5
-0.5
-1.0
-1.0
2π
El período de f1(t) es 5 pues al reemplazar t por t+T, se obtiene f1(t + T ) = cos[ (t + T )] =
5
2π 2π 2π
= cos[ t+ T ] , que toma el mismo valor que f1(t) si T = 2π . El período es el número
5 5 5
mínimo que satisface esta igualdad, es decir, T=5. En el caso de la función de variable
discreta, mediante un razonamiento análogo, llegamos a que su período es N=5.
Hasta aquí parece no haber diferencias de gran significación entre ambos tipos de funciones.
3π
Veamos el siguiente ejemplo. Sea ahora el par de funciones f 2 (t ) = cos( t ) y g 2 [n] =
5
3π 3π
= cos[ n] . El período de f2(t) lo obtenemos a partir de f 2 (t + T ) = cos( (t + T )) =
5 5
84
3π 3π 3π
= cos( t + T ) = f 2 (t ) ⇒ T = 2 π . El mínimo valor real que satisface esta igualdad es
5 5 5
10
T = . Si trasladáramos el mismo razonamiento a g2[n], resultaría para N el número
3
fraccionario 10/3, lo que carece de sentido puesto que N es entero. Pero la periodicidad de la
función coseno es tal que si incrementamos su argumento en cualquier múltiplo entero de 2π,
el valor de la función no se altera. Por lo tanto la condición de periodicidad de g2[n] queda
3π 10
asegurada si exigimos que N = 2π m , o sea N = m . El mínimo entero N que satisface
5 3
esta igualdad es N=10 y éste se obtiene asignando a m el valor (también entero) 3. Esto queda
en evidencia en las figuras correspondientes. En el gráfico de f2(t) se observa que mientras la
variable t recorre el rango de 0 a 10, la función cumple tres ciclos. El mismo recorrido en la
variable n da lugar a un solo ciclo de g2[n]. Vemos que, si bien ambas funciones tienen la
misma forma, el hecho de que la variable sea continua o discreta, hace que no tengan el
mismo período.
cos (3π / 5 t)
1.0
cos[3π/5 n]
1.0
0.5 0.5
t
0.0 n
0.0
0 2 4 6 8 10 12
0 2 4 6 8 10 12
-0.5
-0.5
-1.0
-1.0
3 3
Consideremos ahora las funciones f3 (t ) = cos( t ) y g3[n] = cos[ n] . Por un lado, el
2 2
4 3 3 3 3
período de f3(t) es π , ya que f3 (t + T ) = cos[ (t + T )] = cos[ t + T ] = cos( t ) ⇒
3 2 2 2 2
3
⇒ T = 2π . Al aplicar a g3[n] el mismo razonamiento que en el ejemplo anterior, llegamos a
2
3
la condición N = 2π m que no puede ser satisfecha por ningún par de valores enteros N y
2
m. Concluimos así, que la función de variable discreta g3[n] no es periódica por más que su
símil en variable continua sí lo sea.
cos (3 / 2 t)
1.0 1.0 cos[3/2 n]
0.5 0.5
t
0.0 0.0
0 2 4 6 8 10 12 14 16 0 2 4 6 8 10 12 14 16 n
-0.5 -0.5
-1.0 -1.0
85
A fin de generalizar estas ideas, consideremos una función periódica general de variable
continua escrita en su forma exponencial: f (t ) = eiω t , donde ω representa la frecuencia y
cuyo período es T=2π/ω. En forma análoga, definimos la función de variable discreta
g[n] = eiω n y analizamos bajo qué condiciones representa a una función periódica. Para que
lo sea, debe ocurrir, como ya dijimos, que g[n + N ] = eiω ( n + N ) = eiω n ⋅ eiω N = g[n] ⋅ eiω N =
m
= g[n] . Esta igualdad se satisface sólo si eiω N = 1 , es decir si ω N = 2π m , o sea ω = 2π .
N
Dado que m y N son dos números enteros, su cociente m/N es un número racional. La
importancia de esta expresión de ω reside en que restringe los valores que ω puede tomar para
que la señal eiω n resulte periódica. En otras palabras, la función de variable discreta eiω n es
periódica si y sólo si ω es algún múltiplo racional de 2π.
Con las señales periódicas de variable discreta haremos, como ya hicimos con las de variable
continua, su desarrollo de Fourier. Para esto, debemos tener identificada la frecuencia
fundamental y sus armónicas. Dicho desarrollo consistirá en descomponer una función
periódica cualquiera como una suma en la que cada término representa la contribución de
cada armónica a la señal dada. Si indicamos con ωo a la frecuencia fundamental, las de sus
armónicas se indicarán como k ωo, donde k es un número entero.
Antes de entrar de lleno en el tema del desarrollo de Fourier de estas funciones, observemos
una característica que ellas tienen en el campo de la frecuencia. Vemos que si, en una función
periódica discreta, que escribimos en la forma eiω n , cambiamos la frecuencia ω por ω+λ,
obtenemos ei (ω +λ ) n = eiω n ⋅ eiλ n . Si λ=2π o cualquier múltiplo entero de 2π, la señal
ei (ω +λ) n coincide con eiω n . Es decir,
las exponenciales complejas discretas que difieren en frecuencia en un múltiplo entero

de 2π, son idénticas.
Esto indica que las funciones de la forma eiω n , además de ser periódicas en el tiempo
discreto, n, también son periódicas en la frecuencia, ω, con período 2π. Esta propiedad
tendrá, como veremos, consecuencias importantes en el desarrollo de Fourier de las funciones
periódicas de variable discreta, que marcarán la diferencia fundamental con los desarrollos de
las funciones periódicas de variable continua.
Desarrollo de Fourier de funciones periódicas de variable discreta
Ahora sí, consideremos una señal exponencial compleja discreta de frecuencia ωo (frecuencia
fundamental) y sus armónicas, de frecuencias k ωo. Consideremos, sin perder generalidad, que
2π
ωo = . Indiquemos con Φk = eikω o n a cada una de las funciones periódicas que
N
corresponden a cada frecuencia k ωo. Aquella de frecuencia ωo (k=1) es la primera armónica,
la de frecuencia 2ωo (k=2), segunda armónica, etc. El período de la primera es N = 2 π/ω o , el
de la segunda, π/ω o , etc. Todas ellas tienen período N pues éste es el menor múltiplo común
de todos los períodos. Las sucesivas funciones Φ k son
86
Φ0 [n] = ei 0ω o n = 1 ,
2π
)ni(
Φ1[n] = e i1ω o n
=e N ,
2π
i 2( )n
Φ2 [n] = e i 2ω o n
=e N ,
2π
i3( )n
Φ3 [n] = e i 3ω o n
=e N ,
.......
2π
iN ( )n
ΦN [n] = e iNω o n
=e N []
= ei 2π n = 1 = Φ0 n ,
ΦN +1[n] = ei ( N +1)ω o n = eiNω o n ⋅ eiω o n = Φ1[n] , ...
Vemos que Φ 0 [n] = Φ N [n] , Φ1 [n] = Φ N +1 [n] , y en general
Φ k [n] = Φ N + k [n] .
Esto es consecuencia de la periodicidad en frecuencia de las exponenciales complejas

discretas. A partir de la N-ésima armónica, las funciones Φ k se repiten cíclicamente.
Al variar k a lo largo de N valores consecutivos, digamos de 0 a N-1, la frecuencia adopta N

valores distintos que van de 0 a (N-1)ωo. La armónica siguiente tendrá frecuencia Nωo=2π.
Las funciones seno y coseno de 2π son idénticas a las de 0, de modo que la N-ésima armónica
no introduce un modo de vibración nuevo sino que repite lo que se obtuvo para 0. Del mismo
modo, la (N+1)-ésima armónica repite lo obtenido con la primera armónica, etc. Por lo tanto,
el recorido a lo largo de N armónicas da lugar a un recorrido en frecuencias de 2π.
Ilustramos esta propiedad mediante ejemplos. Consideremos la parte real de la función

2π
i( )n 2π
[]
e 5 , es decir, g1 n = cos( n) . Su período es N=5. Comparémosla con g 6 n = []
5
12π
= cos( n) . Si las representamos superpuestas con sus símiles en variable continua, vemos
5
que, si bien las dos cosinusoides continuas difieren en forma evidente, las funciones de
variable discreta coinciden.
cos (2π / 5 t) cos (12π / 5 t)
1.0 1.0
0.5 0.5
t t
0.0 0.0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
-0.5 -0.5
-1.0 -1.0
87
En forma análoga a lo hecho para las funciones periódicas de variable continua, vamos a
representar a las funciones periódicas de variable discreta mediante combinaciones lineales de
funciones Φ k , es decir de exponenciales complejas armónicamente relacionadas, cuyo
período coincida con el de la función a desarrollar. Para una función genérica f [n] de período
N, dicha combinación lineal debe contener exactamente N términos, cada uno de los cuales
contiene a una de las N funciones Φ k distintas. Esta característica marca una diferencia
fundamental con las funciones de variable continua. Mientras en las de variable continua
tenemos infinitas armónicas, en las de variable discreta el número de armónicas es finito y
coincide con el período de la función. El desarrollo de Fourier de las funciones de variable
discreta es una suma finita, a diferencia del de las funciones de variable continua, donde se
obtiene una serie (suma de infinitos términos).
Tal combinación lineal es el desarrollo discreto de Fourier y tiene la forma
f [ n] = ∑ ck eikω o n
k =< N >
donde el símbolo ‹N› señala que el índice de suma k recorre N enteros consecutivos,
empezando por un entero cualquiera. Esto es así porque en cualquier caso, el conjunto de
exponenciales complejas que aparecen en la sumatoria es el mismo, ya que, como dijimos,
Φ k [n] = Φ N + k [n] .
Supongamos ahora que tenemos una señal discreta f [n] de período N y queremos encontrar
su desarrollo. El problema consiste en determinar los N coeficientes ck. Más concretamente,
dados f [0] , f [1] , f [2] ,..., f [N − 1] , nos proponemos determinar los coeficientes co, c1,
c2,...,cN-1. El problema consiste en resolver el sistema de ecuaciones
f [0] = ∑ ck eikω o 0 = ∑ ck = c0 + c1 + c2 + L + c N −1
k =< N > k =< N >
f [1] = ∑ ck eikω o ⋅1 = c0 + c1eiω o + c2ei 2ω o + L + c N −1ei ( N −1)ω o
k =< N >
f [2] = ∑ ck eikω o ⋅2 = c0 + c1eiω o 2 + c2ei 2ω o 2 + L + c N −1ei ( N −1)ω o 2
k =< N >
......
f [ N − 1] = ∑ ck eikω o ( N −1) = c0 + c1eiω o ( N −1) + c2ei 2ω o ( N −1) + L + c N −1ei ( N −1)ω o ( N −1)
k =< N >
Sumando las ecuaciones miembro a miembro y reagrupando, se obtiene
f [0] + f [1] + f [2] + L + f [ N − 1] = Nco + c1(1 + eiω o + eiω o 2 + L + eiω o ( N −1) ) +

c2 (1 + ei 2ω o + ei 2ω o 2 + L + ei 2ω o ( N −1) ) + L + c N −1(1 + ei ( N −1)ω o + ei ( N −1)ω o 2 + L + ei ( N −1)ω o ( N −1) )
Cada uno de los paréntesis representa una progresión geométrica. En el primero la razón es
88
1 − q N 1 − eiω o N 1 − ei ( 2π / N ) N 1 − ei 2π
eiω o y esta suma de N términos es = = = = 0 . En el
1− q 1 − eiω o 1 − eiω o 1 − e iω o
segundo la razón es ei 2ω o y así sucesivamente hasta el último, en que la razón es eiω o ( N −1) .
Cada uno de esos paréntesis se anula, como puede verse mediante un cálculo similar al
1 1
anterior. Así resulta, co = ( f [0] + f [1] + f [2] + L + f [ N − 1]) = ∑ f [ n]
N N n =< N >
1
co = ∑ f [ n]
N n =< N >
Esta expresión nos dice que
co representa el valor medio de la función periódica tomado a lo largo de un período
(de manera similar a lo que ya conocíamos para las funciones de variable continua).
Calculemos ahora
e −iω o f [1] = co e −iω o + c1 + c2eiω o + L + c N −1ei ( N − 2)ω o

e −i 2ω o f [2] = co e −i 2ω o + c1 + c2ei 2ω o + L + c N −1ei 2( N − 2)ω o
.....
e −i ( N −1)ω o f [ N − 1] = coe −i ( N −1)ω o + c1 + c2ei ( N −1)ω o + L + c N −1eiN ( N −1)ω o
Efectuando la siguiente suma y agrupando, resulta,
f [0] + e −iω o f [1] + e −i 2ω o f [2] + L + e −i ( N −1)ω o f [ N − 1] =

co (1 + e −iω o + e −i 2ω o + L + e −i ( N −1)ω o ) + Nc1 + c2 (1 + eiω o + ei 2ω o + L + ei ( N −1)ω o )
+ L + c N −1(1 + e −i ( N −1)ω o + e −i 2( N −1)ω o + L + e −iN ( N −1)ω o )
Puede verse que todos los paréntesis del segundo miembro se anulan (efectuando la suma de
términos de progresiones geométricas), de modo que
1 1
c1 = ( f [0] + e −iω o f [1] + e −i 2ω o f [2] + L + e −i ( N −1)ω o f [ N − 1]) = ∑ e − iω o n f [ n ]
N N n =< N >
En forma similar resulta que
1 1
c2 = ( f [0] + e −i 2ω o f [1] + e −i 4ω o f [2] + L + e −i 2( N −1)ω o f [ N − 1]) = ∑ e −i 2ω o n f [n]
N N n =< N >
Generalizando
1
ck = ∑ e −ikωon f [n]
N n =< N >
89
Esta expresión permite conocer los coeficientes del desarrollo discreto de Fourier de una
función de variable discreta f[n] de período N (frecuencia fundamental ωo=2π/N).
♣ Ejemplo: Encuentre el desarrollo discreto de Fourier de la función periódica discreta

∞
f [ n] = ∑ (2δ [n − 3l ] + 3δ [n − 3l + 1])
l = −∞
1 si n = 3l
Analizamos cada término: δ [n − 3l ] =  . Dado que la suma se efectúa para todos
0 si n ≠ 3l
los valores enteros de l, la función δ [n − 3l ] da un 1 cada vez que n tome un valor que sea
múltiplo entero de 3. El factor 2 indica que en dichos puntos la altura del pulso es 2.
1 si n = 3l − 1
El otro término: δ [n − 3l + 1] =  , sumado para todos los valores enteros de l,
0 si n ≠ 3l − 1
da un 1 cada vez que n tome un valor que sea una unidad menor que un múltiplo entero de 3
(ej.: -7, -4, -1, 2, 5, etc.). El factor 3 indica que en dichos puntos la altura del pulso es 3. En
los restantes puntos, es decir en aquellos de la forma n = 3l − 2 , f [n] es nula. La
representación de la función es
3 2 3 2 3 2 3 2
• • • • •
-4 -3 -2 -1 0 1 2 3 4 5 6 n
Resulta claro a partir del gráfico que la función es periódica y que su período es N=3; luego
ωo=2π/3. Para determinar el desarrollo de Fourier es necesario calcular tres coeficientes ck,
donde el índice k puede tomar tres valores enteros consecutivos cualesquiera. Por simplicidad,
elijamos c-1, co y c1. Ya vimos que co es el valor medio de f[n] en un período
1 1 5
co = ( f [−1] + f [0] + f [1]) = (3 + 2 + 0) =
3 3 3
A partir de la fórmula general para ck, tenemos
1 1 1
c1 = ∑ e − iω o n f [ n ] = ∑ e −i ( 2π / 3) n f [n] = (ei ( 2π / 3) f [−1] + e0 f [0] + e −i ( 2π / 3) f [1]) =
N n =< N > 3 n =<3> 3
1 i ( 2π / 3) 2 2π 2π 2 1 3 2 1 3
(3e + 2 + 0) = ei ( 2π / 3) + = cos + i sen + = − +i + = +i
3 3 3 3 3 2 2 3 6 2
1 1 1
c −1 = ∑ e iω o n f [ n ] = ∑ e i ( 2 π / 3) n f [n] = (e −i ( 2 π / 3) f [−1] + e 0 f [0] + e i ( 2 π / 3) f [1]) =
N n =< N > 3 n =<3> 3
90
1 2 2π 2π 2 1 3 2 1 3
= (3e −i ( 2 π / 3) + 2 + 0) = e −i ( 2 π / 3) + = cos − isen + = − −i + = −i
3 3 3 3 3 2 2 3 6 2
El desarrollo de Fourier se escribe:
∑ ck e o = c−1e −i ( 2π / 3)n + co + c1ei (2π / 3) n =

ikω n
f [ n] =
k =< N >
1 3 2π n 2π n 1 1 3 2π n 2π n
( −i )(cos + i sen )+ +( +i )(cos − i sen )
6 2 3 3 3 6 2 3 3
Agrupando los términos reales e imaginarios resulta
5 1 2π n 2π n
f [ n] = + cos + 3 sen
3 3 3 3
La expresión de f[n] carece de término imaginario, como era de esperar, puesto que por su
definición ya sabíamos que se trata de una función real. A semejanza de lo que ocurre con las
funciones de variable continua, por tratarse de una función que no tiene paridad, su desarrollo
contiene senos y cosenos. Por otra parte, dado que el valor medio de f en un período es no
nulo (lo que resulta evidente a partir del gráfico), el desarrollo presenta un término
independiente (de valor 5/3). La única frecuencia presente en el desarrollo es la fundamental,
ωo=2π/3, y esto es debido a que en su definición la función contiene dos componentes, ambas
de periodicidad 3.
Así como hicimos para las funciones de variable continua, también para las de variable
discreta representaremos los espectros de amplitud y de fase. La diferencia más visible con
aquellos es la periodicidad en frecuencia que aparece ahora. En el ejemplo que acabamos de
analizar, los valores permitidos en el eje de las abscisas son los múltiplos de 2π/3. Calculamos
los módulos y argumentos de los tres coeficientes diferentes. Los restantes se repiten
cíclicamente.
5
c0 = ; Arg c0=0
3
7 3/2
c1 = c −1 = ; Arg c1= arctan = arctan 3 3 ≈ 79° ; Arg c-1 ≈ −79°
3 1/ 6
Arg ck
IckI
• • • •
kω0
kω0
Propiedades de simetría de los desarrollos de funciones periódicas discretas
Estudiaremos a continuación algunas propiedades generales que nos permitirán luego evitar
algunos cálculos.
91
1 −ikω n
• Supongamos que f[n] es real. En la expresión ck = ∑ e o f [n] , que en general es
N n =< N >
compleja (la exponencial lo es), tomemos el conjugado. Recordemos que al conjugar e −ikω o n ,
se obtiene eikω o n . Luego,
1
ck = ∑ eikω o n f [n] .
N n =< N >
(Nótese que esta expresión toma esta forma porque f[n] es real. Si no, habría que tomar
también su conjugado). Si, además, en la expresión para ck cambiamos k por -k, resulta
1
c− k = ∑ eikω o n f [n] que coincide con la anterior. Concluimos que
N n =< N >
si f[n] es real ⇒ ck = c− k
Si hubiéramos conocido esta propiedad antes de resolver el ejemplo anterior, nos habríamos
ahorrado el cálculo de c-1 pues lo podríamos haber obtenido a partir de c1.
• Supongamos ahora que f[n] es par (real o compleja), es decir que f[n]=f[-n]. Si en la
expresión
f [ n] = ∑ ck eikω o n cambiamos n por -n, tenemos

k =< N >
f [ − n] = ∑ ck e −ikω o n
k =< N >
Si definimos un nuevo índice l=-k, vemos que mientras k recorre N valores enteros
consecutivos, l recorre también N valores enteros consecutivos. (Para fijar ideas, supongamos
que N=4 y que el índice de suma k recorre los valores 0, 1, 2 y 3. En tal caso, el índice l toma
los valores 0, -1, -2 y -3). Por las propiedades ya expuestas de las exponenciales complejas,
ambas sumas arrojan el mismo resultado. Podemos así reescribir la anterior en la forma
f [ − n] = ∑ c−l eilωo n
l =< N >
El índice de suma l es mudo, es decir, el resultado de la operación no depende de él y

podemos sustituirlo por cualquier otro símbolo. Si lo reemplazamos por k y ahora
comparamos la expresión de f[-n] con la de f[n], vemos que para que ambas sean iguales, debe
ocurrir que ck = c− k . Es decir,
si f[n] es par ⇒ ck = c− k (ck es par)
• Si f[n] es real y par, se cumple a la vez que ck = c− k y que ck = c− k , de modo que

ck = ck . Esto significa que el número complejo ck coincide con su conjugado y esto indica
que ck es real. Esta conclusión y la anterior se resumen diciendo que
92
si f[n] es real y par ⇒ ck es real y par
• Supongamos ahora que f[n] es impar (real o compleja), es decir que f[n]=-f[-n]. Por un
lado, esto implica, como en toda función impar, que f[0]=0 y que el valor medio de f es cero.
Pero el valor medio en un período coincide con co. Por lo tanto,
si f[n] es impar ⇒ f [0] = 0 y co = 0
Además, si como hicimos antes, en
f [ − n] = ∑ ck e −ikω o n
k =< N >
definimos un nuevo índice l=-k, reescribimos la anterior en la forma
f [ − n] = ∑ c−l eilω o n ,
l =< N >
reemplazamos l por k y comparamos la expresión de f[-n] con la de f[n], vemos que para que
sea f[n]=-f[-n], debe ocurrir que ck = −c− k . Es decir,
si f[n] es impar ⇒ ck = −c− k (ck es impar)
• Si f[n] es real e impar, se cumple a la vez que ck = c− k y que ck = −c− k , de modo que
ck = −ck . Esto significa que el número complejo ck y su conjugado difieren sólo en el signo y
esto indica que ck es imaginario puro. Esta conclusión y la anterior se resumen diciendo que
si f[n] es real e impar ⇒ ck es imaginario e impar
Teorema de Parseval
Mediante este teorema se obtiene una relación entre el valor cuadrático medio de la función f
y los coeficientes de su desarrollo discreto de Fourier. Su importancia reside en que el valor
1 2
cuadrático medio de la función, definido como ∑ f [n] , mide la energía que se
N n =< N >
transporta en la señal f[n]. Dado que f es en general una función compleja, el cuadrado de su
2
módulo es el producto de f por su conjugado: f [n] = f [n] ⋅ f [n] . Entonces,
1 2 1
∑
N n =< N >
f [ n] = ∑ f [ n] ⋅ f [ n ] .
N n =< N >
93
Dado que f [n] = ∑ ck eikω o n , entonces f [n] = ∑ ck e −ikω o n . Reemplazando esta

k =< N > k =< N >
última,
1 1 1
f [n] ⋅ ∑ ck e −ikω o n
2
∑
N n =< N >
f [ n] = ∑ f [ n ] ⋅ f [ n] =
N n =< N >
∑
N n =< N > k =< N >
Reordenando los términos de la suma, es decir, intercambiando los órdenes se suma,

1 1
f [n]e −ikω o n = ∑ ck ⋅ ck = ∑ ck . Luego,
2 2
∑ f [n] = ∑ ck ⋅
N n =< N >
∑
N n =< N >
k =< N > k =< N > k =< N >
1 2 2
∑ f [n] = ∑ ck
N n =< N > k =< N >
Todas estas propiedades de simetría veremos que resultan en una enorme economía a la hora
de resolver problemas.
♣ Ejemplo: La función periódica de variable discreta f[n] es tal que

f [n] = 1 para 0 ≤ n ≤ 2
N=7
f[n] es real y par
∑ f [ n] = 3
n=< N >
Representaremos f[n], calcularemos el desarrollo discreto de Fourier de esta función y
comprobaremos que puede escribirse como combinación lineal de funciones coseno.
Sabemos, para comenzar, que f[0]=f[1]=f[2]=1. Dado que el período es 7, nos resta conocer
otros cuatro valores de la función. Dado que f es par, conocemos también f[-1]=f[-2]=1.
Sabemos además, que la suma de todos los valores de f en un período es 3. Esta suma
desarrollada es
f [−3] + f [−2] + f [−1] + f [0] + f [1] + f [2] + f [3] = 3 .
Introduciendo la paridad de f y los valores conocidos, resulta 2 f [3] + 5 = 3 , que se cumple

para f[3]=-1 y por lo tanto, f[-3]=-1.
Para escribir el desarrollo, debemos calcular antes los 7 coeficientes ck, pero ya sabemos que
son reales y pares. Sabemos además que siempre co representa el valor medio de f en un
período. Luego,
1 1 3
co = ∑ f [ n] = ⋅ 3 =
N n =< N > 7 7
Calcularemos los coeficientes
1 1
ck = ∑ e −ikωo n f [n] = ∑ e −ik ( 2 π / 7) n f [n] =
N n =< N > 7 n =<7 >
94
1 ikωo ⋅3
= (e f [−3] + e ikωo ⋅2 f [−2] + e ikωo f [−1] + e 0 f [0] + e −ikωo f [1] + e −ikωo ⋅2 f [2] + e ikωo ⋅3 f [3]) =
7
1
(−e ik (6 π / 7) + e ik ( 4 π / 7) + e ik ( 2 π / 7) + 1 + e −ik ( 2 π / 7) + e ik ( 4 π / 7) − e ik (6 π / 7) ) =
7
1 2kπ 4kπ 6kπ

ck = (1 + 2 cos + 2 cos − 2 cos )
7 7 7 7
de donde
1 2π 4π 6π
c1 = (1 + 2 cos + 2 cos − 2 cos ) = 0.5148
7 7 7 7
1 4π 8π 12π
c2 = (1 + 2 cos + 2 cos − 2 cos ) = −0.3563
7 7 7 7
1 6π 12π 18π
c3 = (1 + 2 cos + 2 cos − 2 cos ) = 0.1272
7 7 7 7
Como además c−1 = c1 , c− 2 = c2 y c−3 = c3 , ya tenemos todos los coeficientes. El

desarrollo de f es entonces,
f [ n] = ∑ ck eikω o n = ∑ ck eik (2π / 7)n =

k =< N > k =< 7 >
−i 3ω o n
c−3e + c− 2e −i 2ω o n + c−1e −iω o n + co + c1eiω o n + c2ei 2ω o n + c3ei 3ω o n =
co + c1(eiω o n + e −iω o n ) + c2 (ei 2ω o n + e −i 2ω o n ) + c3 (ei 3ω o n + e −i 3ω o n ) =
2π n 4π n 6π n
co + 2c1 cos + 2c2 cos + 2c3 cos
7 7 7
2π n 4π n 6π n
f [n] = 0.4286 + 1.0296 cos − 0.7126 cos + 0.2543 cos
7 7 7
Esta es la expresión final del desarrollo de la función discreta f [n] . Comprobamos que, por
tratarse de una función par, su desarrollo contiene sólo términos con cosenos, además del
término independiente. Cabría esperar, en principio, que, por ser una función de período 7, el
desarrollo debería contener 7 armónicas. Sin embargo, sólo aparecen 4 de ellas ( 0 ⋅ ω o , 1⋅ ω o ,
2 ⋅ ω o y 3 ⋅ ω o ) como argumentos de los cosenos. Esto es así porque la armónica 4 ⋅ ω o
equivale, por la periodicidad de la función, a la armónica − 3 ⋅ ω o y ésta, por ser f una función
par, equivale a la armónica 3 ⋅ ω o . Algo similar puede argumentarse respecto de las armónicas
5 ⋅ ω o y 6 ⋅ ω o que coinciden con 2 ⋅ ωo y ωo respectivamente.
95
Matemática II Transformada de Fourier de tiempo discreto
Transformada de Fourier de tiempo discreto
Hemos visto cómo obtener la representación en frecuencias de funciones periódicas, sean de

variable continua (t) o discreta (n). En ambos casos las funciones se desarrollan en series de
Fourier que son combinaciones lineales de exponenciales complejas de la forma e ikω0t o
eikω0 n , respectivamente, con k entero. Con ω0 indicamos a la frecuencia fundamental,
relacionada con el período en la forma 2π / T ó 2π / N , según se trate de variable continua o
discreta. Los coeficientes, en general complejos, de la combinación dependen del índice k y
representan la amplitud y ángulo de fase de cada componente. La representación de estos
coeficientes en función de la frecuencia da lugar a los gráficos que denominamos espectros de
amplitud y de fase que aparecen como líneas levantadas sobre los múltiplos enteros
(armónicos) de la frecuencia fundamental ω0 . El rasgo común de las representaciones en
frecuencia de las señales periódicas, ya sean de variable continua o discreta, es su carácter
discreto. Dado que los únicos valores permitidos de la frecuencia ω son aquellos de la forma
kω0 , los espectros pueden pensarse como muestreos, para valores enteros de k, de una
función envolvente de la frecuencia. La principal diferencia entre los espectros
correspondientes a funciones periódicas de variable continua y discreta reside en que para las
primeras, dichos espectros contienen los infinitos múltiplos enteros de la frecuencia
fundamental, en tanto que para las funciones periódicas de variable discreta sólo interviene un
número finito de armónicas (y ese número coincide con la periodicidad de la función) de
modo tal que los espectros resultan periódicos en frecuencia.
También vimos que, dada una función no periódica de variable continua, su representación en
frecuencia está dada por su transformada de Fourier, que es una función continua de la
frecuencia. Para obtener la representación en frecuencia de una señal no periódica f (t ) , que
supusimos nula fuera de un cierto intervalo − t1 < t < t2 , nos valimos de un artificio que
~
consistió en construir una función periódica f (t ) que coincidiera con f (t ) en el intervalo
~
− t1 < t < t2 , de período T > t1 + t2 , y tal que f (t ) fuera nula en la parte del período exterior
~
a dicho intervalo. Al calcular la serie de Fourier de f (t ) y representar sus espectros de
amplitud y fase, se obtienen líneas con un espaciado regular de 2π / T . Luego hicimos que T
~
aumentara pero sin modificar t1 y t2 , de modo que aumentaran los tramos donde f (t ) es
~
nula. Si bien la nueva f (t ) sigue siendo periódica, su período es mayor y en consecuencia el
espaciado de las líneas de los espectros es más pequeño. En el límite, cuando F ( ω ) e i ω n , el
espaciado se vuelve infinitesimal, lo que equivale a decir que el espectro es continuo en lugar
de discreto. La formulación matemática de esta idea nos condujo a la expresión de la
transformada de Fourier.
Para completar el esquema nos queda analizar las funciones no periódica de variable discreta.
Procederemos en forma similar a la anterior para determinar su representación en frecuencias.
96
Para esto consideremos una función f [n] de la variable entera n, de duración finita, es decir,
sus valores no nulos caen en el intervalo n1 < n < n2 y es nula fuera él, como en la figura.
f [n]
• • • • • • • •
n1 n2 n
~
Definamos una nueva función f [n] periódica, que coincida con f [n] en el intervalo [n1, n2 ] .
~
El período N de f [n] debe abarcar al intervalo [n1, n2 ] , o sea N > n2 − n1 + 1 . En la gráfica
~
de f [n] se debe poder reconocer al esquema que representa a la parte no nula de f [n] ,
repetido indefinidamente. Dicha función tendrá una forma como la de la figura y admitirá un
desarrollo discreto de Fourier en términos de las armónicas de su frecuencia fundamental
2π
ω0 = .
N
~
f [ n]
N
• • • • • • • • • • • • • • • • • • • • •
n1 n2 n
N −1
Como ya sabemos, el número de armónicas es N y su desarrollo de Fourier se escribe:

~
f [ n] = ∑ c k e ikω0n ( 1)
k =< N >
donde, los coeficientes están dados por
1 ~
ck = ∑ f [n]e −ikω0n ( 2)
N n =< N >
Sin perder generalidad, podemos tomar como intervalo de suma el [0,N-1], que contiene N
términos
1 N −1 ~
ck = ∑ f [n]e −ikω0 n (2´)
N n =0
~
Como este intervalo abarca a [n1, n2 ] y como, además, f [n] es nula fuera [n1, n2 ] , (2)
97
también puede expresarse como

n
1 2 ~
ck = ∑ f [n]e −ikω0 n
N n=n
1
Dado que ambas funciones coinciden dentro de [0,N-1] y particularmente dentro de [n1, n2 ] ,
la última expresión se puede escribir en términos de f [n] en cualquiera de las dos formas:
1 N
ck = ∑ f [n]e−ikω0n
N n =0
( 3)
n
1 2
ck = ∑ f [n]e −ikω0 n
N n=n
1
Pero f [n] es nula fuera de [n1, n2 ] , de modo que la última suma es equivalente a
1 ∞
ck = ∑ f [n]e −ikω0n
N n = −∞
( 4)
Recordemos la fórmula (3) pues nos será de utilidad más adelante.
~
Sabemos que los coeficientes del desarrollo de la función periódica f [n] existen para los
valores de frecuencia que sean múltiplos enteros de ω 0 , es decir, los coeficientes c k , al ser
representados en función de la frecuencia, darán un conjunto de líneas equiespaciadas,
separadas entre sí en una distancia ω 0 . (Por otra parte, los coeficientes c k resultan periódicos
en frecuencia y su período es N, el mismo valor que da la periodicidad en el tiempo).
Podemos pensar que los coeficientes c k son muestras de una cierta función continua, tomadas
a intervalos regulares de amplitud ω 0 . Definimos una nueva función F (ω) de la variable
continua ω, tal que sea proporcional a la envolvente de los c k :
∞
F (ω) = ∑ f [n]e−iωn ( 5)
n = −∞
F (ω) es periódica en frecuencia y su período es 2π, como se verá a continuación:

∞ ∞
F ( ω + 2 π) = ∑ f [n]e −i (ω+ 2π) n = ∑ f [n]e−i 2πne−iωn = F (ω)
n = −∞ n = −∞
Si comparamos (3) y (4), vemos que los coeficientes c k son proporcionales a las muestras de
F (ω) tomadas a valores de frecuencia de la forma k ω 0 :
1
ck = F (kω0 ) ( 6)
N
Volviendo a (1), la escribimos mediante (6)
~ 1
f [n] = ∑ ck eikω0 n = ∑ F (kω0 )eikω0 n
k =< N > k =< N > N
98
2π 1 ω0
Como ω 0 = , es = . Reemplazando,
N N 2π
~ 1
f [ n] = ∑ F (kω0 )eikω0n ⋅ ω0
2π k =<N >
( 7)
Consideremos la función F (ω)eiωn , de la cual el producto que aparece en la sumatoria es un

muestreo tomado para valores ω = kω0 y supongamos que está dada por una curva como la de
la figura. Cada término de la suma está representado por el área de un rectángulo como el
sombreado. La suma de (7) da el área total debajo de una línea escalonada que “acompaña” a
la curva a lo largo de un período. (Recordar la definición de integral mediante sumas de
Riemann)
iω n
F (ω )e
ik ω 0n
F (k ω 0)e
-2 π -π kω0 π 2π
ω0
Si ahora hacemos que N aumente, ω 0 disminuirá y así lo hará el espaciado entre las muestras
de F (ω)eiωn . Cuando N → ∞ , ω0 → dω y la suma de (7) se convierte en una integral que
~
abarcará un intervalo de ancho 2π. Pero, simultáneamente, f [n] → f [n] cuando N → ∞ .
Así, a partir de (7) obtenemos
1 iωn
f [ n] =
2π ∫ F (ω)e dω
2π
con
∞
F (ω) = ∑ f [n]e−iωn
n = −∞
como en (5).
♣ Ejemplo: Calcular la transformada discreta de Fourier de f [n] = α n ⋅ u[n] con α < 1 .
∞ ∞ ∞ ∞
F (ω) = ∑ f [n]e −iωn
= ∑ α u[n] en −iωn
= ∑α n −iωn
e = ∑ ( α e − iω ) n
n = −∞ n = −∞ n =0 n =0
− iω
Esta última es una serie geométrica de razón α e , cuyo módulo es α e −iω = α < 1 .
Luego, la serie converge a
99
1
F (ω) =
1 − α e − iω
La representación gráfica de F (ω) requiere que calculemos su módulo y argumento.
1 1 1 1
F (ω) = = = =
− iω 1 − α(cos ω − i sin ω) 1 − α(cos ω − i sin ω)
1 − αe (1 − α cos ω) 2 + (α sin ω) 2
1
F (ω) =
1 − 2α cos ω + α 2
0<α<1 IF(ω)I IF(ω)I -1<α<0

1/(1-α) 1/(1+α)
1/(1+α) 1/(1-α)
ω ω
-2π -π π 2π -2π -π π 2π
1 (1 − α cos ω) − iα sin ω (1 − α cos ω) − iα sin ω

F (ω) = = =
1 − α(cos ω − i sin ω) (1 − α cos ω) 2 + (α sin ω) 2 1 − 2α cos ω + α 2
Im(F (ω)) Im(F (ω)) − α sin ω

Arg( F (ω)) = arctan = arctan = arctan
Re( F (ω)) Re( F (ω)) 1 − α cos ω
Arg[F(ω)] Arg[F(ω)]
0<α<1 -1<α<0
ω ω
-2π -π π 2π -2π -π π 2π
Propiedades de la transformada discreta de Fourier
Estudiar estas propiedades nos ayuda a comprender mejor sus características y, en muchos
casos, nos permite reducir la complejidad de los cálculos. Desde su misma definición,
notamos su gran similitud con la transformada de Fourier de las funciones de variable
100
continua; esta similitud proviene del carácter no periódico de las funciones a las cuales se
aplican ambos tipos de transformadas. Asimismo, dada la estrecha relación que existe entre la
serie y la transformada de Fourier, veremos cómo algunas de las propiedades de la serie
discreta se transfieren a la transformada discreta.
1. Periodicidad en frecuencia
Como ya mostramos en la sección anterior, F (ω) es periódica en frecuencia y su período es

2π:
F (ω + 2π) = F (ω)
2. Linealidad
La demostración es similar a la correspondiente a la transformada de variable continua. Nos

limitamos a enunciar que
si ℑ [ f1[n]] = F1 (ω) y ℑ [ f 2 [n]] = F2 (ω) , entonces ℑ [af1[n ] + bf 2 [n]] = aF1(ω) + bF2 (ω)
donde a y b son dos constantes cualesquiera.
3. Desplazamiento en el tiempo
Dada ℑ [ f [n]] = F (ω) , aplicamos la definición para determinar ℑ [ f [n − n0 ]] =

∞
= ∑ f [n − n0 ]e−iωn . Definimos un nuevo índice m = n − n0 , de donde n = m + n0 .
n = −∞
∞ ∞
Entonces, ℑ [ f [n − n0 ]] = ∑ f [m]e −iω( m + n0 ) = ∑ f [m]e−iωme−iωn0 =
m = −∞ m = −∞
∞
= e −iωn0 ∑ f [m]e−iωm = e−iωn0 ℑ[ f [n]] . Luego,
m = −∞
ℑ [ f [n − n0 ]] = e −iωn0 ℑ[ f [n]]
4. Desplazamiento en frecuencia
Dada ℑ [ f [n]] = F (ω) , calculamos ℑ eiω0 n f [n] =[ ] ∞

∑ eiω0n f [n]e−iωn =
∞
∑ f [n]e−i(ω-ω0 )n
n = −∞ n = −∞
= F (ω − ω0 ) . Por lo tanto,
[ ]
ℑ eiω0 n f [n] = F (ω − ω0 )
101
5. Inversión de tiempo
Partiendo de la definición de la transformada discreta, calculamos

∞
ℑ [ f [− n]] = ∑ f [−n]e−iωn . Definimos m=-n; cuando n → +∞ , m → −∞ y viceversa. Pero
n = −∞
∞
como el orden de la suma puede invertirse, ℑ [ f [− n]] = ∑ f [m]eiωm =
m = −∞
∞
= ∑ f [m]e−i(−ω)m = F (−ω) . Por lo tanto,
m = −∞
ℑ [ f [− n]] = F (−ω)
6. Diferenciación en el tiempo
La versión discreta de la diferenciación de f [n ] es la expresión f [n] − f [n − 1] . Usando las

propiedades de linealidad y de desplazamiento en el tiempo, tenemos que si ℑ [ f [n]] = F (ω) ,
entonces ℑ [ f [n − 1]] = e −iω F (ω) . Luego,
ℑ [ f [n] − f [n − 1]] = (1 - e −iω ) F (ω)
7. Diferenciación en frecuencia
∞
dF (ω)
Partimos de F (ω) = ∑ f [n]e−iωn y derivamos respecto de ω:
dω
=
n = −∞
∞
dF (ω)
= ∑ (−in) ⋅ f [n]e−iωn = −iℑ [nf [n]] . Luego dω
= −iℑ [n ⋅ f [n]] de donde
n = −∞
dF (ω)
ℑ [n ⋅ f [n]] = i
dω
8. Conjugación
Sea f [n ] una función compleja (en particular, puede ser real). Su transformada es
____
ℑ [ f [n]] = F (ω) . Con f [n ] indicamos la función conjugada de f [n ] . Su transformada es

 ____  ∞ ____
ℑ f [n ] = ∑ f [n]e −iωn . Por otra parte, de la definición de transformada se obtiene
 
  n = −∞
102
_____ ∞ ____ _______ ∞ ____
F (ω) = ∑ f [n]e iωn

y entonces, F (−ω) = ∑ f [n]e−iωn . Comparando, resulta
n = −∞ n = −∞
 ____  _______
ℑ  f [n ] = F (−ω)
 
9. Propiedades de simetría de la transformada de una función real
En general, F (ω) es una función compleja que podemos descomponer en sus partes real e
imaginaria, tal como hicimos para la transformada de variable continua:
F (ω) = R(ω) + iJ (ω) .
____ _______
Si, en particular f [n ] es real, es f [n ] = f [n] y, por lo tanto, F (ω) = F (−ω) o en forma

______ ______
equivalente F (ω) = F (−ω) . Pero, F (ω) = R(ω) − iJ (ω) y F (−ω) = R(−ω) + iJ (−ω) .
Igualando, resulta:
 R(ω) = R(−ω)
si f [n ] es real ⇒ 
 J (ω) = − J (−ω)
Nuevamente encontramos que la parte real de la transformada es una función par de la

frecuencia y su parte imaginaria es una función impar de la frecuencia.
También podemos escribir a F (ω) mediante su módulo y su argumento. La igualdad entre

______
F (ω) = F (−ω) implica la igualdad de sus módulos y argumentos. En cuanto a los módulos, es
______
F (ω) = F (−ω) . Pero además, como dos complejos conjugados tienen igual módulo:
______
F (ω) = F (ω) . Luego, resulta que F (ω) = F (−ω) , que expresa que el módulo de la
transformada es una función par de la frecuencia.
Im(F (ω)) J (ω)

Por otra parte, Arg( F (ω)) = arctan = arctan , de modo que Arg( F (−ω)) =
Re( F (ω)) R(ω)
J (−ω) − J (ω) J (ω)
arctan = arctan = − arctan = −Arg( F (ω)) , que indica que el argumento es
R(−ω) R(ω) R(ω)
una función impar de la frecuencia. Por lo tanto:
 F (ω) = F (−ω)
si f [n ] es real ⇒ 
Arg( F (ω)) = − Arg( F (−ω))
103
Si, además, f [n ] es una función par, es decir, si f [n ] = f [− n] , entonces la igualdad de sus

transformadas nos dice que F (ω) = F (−ω) y, por lo tanto, R(ω) + iJ (ω) = R(−ω) + iJ (−ω) .
La igualdad de las componentes reales es evidente. La de las componentes imaginarias dice
que J (ω) = J (−ω) . Pero, además, es − J (ω) = J (−ω) por ser J una función impar. Las dos
igualdades se cumplen sólo si J (ω) = 0 . Entonces, F tiene solamente componente real.
si f [n ] es real y par ⇒ F (ω) = R(ω) ⇒ F (ω) es real y par
En forma similar, si f [n ] es una función real e impar, es decir, si f [n] = − f [− n] , entonces la

igualdad de sus transformadas nos dice que F (ω) = − F (−ω) , de donde
R(ω) + iJ (ω) = −[ R(−ω) + iJ (−ω)] . De la igualdad de las componentes reales, tenemos que
R (ω) = − R(−ω) . Pero como, además, R es par, la única solución posible es R (ω) = 0 . Luego,
si f [n ] es real e impar ⇒ F (ω) = iJ (ω) ⇒ F (ω) es imaginaria e impar
Toda función f [n ] puede descomponerse como suma de una función par más otra impar:
f [n] = f p [n] + fi [n] . Tal como vimos para las funciones de variable real,
[ ]
ℑ f p [n] = R (ω) y ℑ[ fi [n ]] = J (ω)
10. Relación de Parseval
La energía que transporta una señal genérica dada por una función compleja f [n ] (que, en
∞ ∞ _____
∑ f [n] ∑ f [n] ⋅ f [n] .

2
particular, puede ser real) está dada por = Veamos que esta
n = −∞ n = −∞
energía también puede expresarse en términos de la trasformada. En efecto, sabemos que
____
1
f [ n] = ∫ F (ω)e
iωn
dω . Conjugando ambos miembros, tenemos que f [n] =
2π
2π
____ ∞ ∞ _______
1 1
∑ f [n] = ∑ f [n] ⋅
− i ωn 2 − iωn
2π ∫ F (ω) e dω . Reemplazando, tenemos
2π ∫ F (ω) e dω .
2π n = −∞ n = −∞ 2π
Intercambiando la suma con la integral, es
∞ _______ _______
1  ∞  1 1
∑ f [n ] 2
= ∫  ∑ f [n ] ⋅ e − i ωn 
F (ω) dω = ∫ F (ω) ⋅ F (ω) dω = ∫
2
F (ω) dω
n = −∞ 2 π  n = −∞ 
 2π 2π
2π 2π 2π
∞
1
∑ f [n] = 2π ∫ F (ω) dω
2 2
n = −∞ 2π
104
11. Convolución
Hemos visto anteriormente la operación de convolución entre dos funciones discretas f [n ] y

h[n] , que está dada por
∞
y[n ] = f [n ]* h[n] = ∑ f [k ]h[n − k ]
k = −∞
En aquella ocasión interpretamos la convolución diciendo que, dado un sistema lineal e

invariante en el tiempo cuya respuesta al impulso δ[n] es h[n] , entonces dicho sistema
∞
responderá a una señal de entrada f [n ] en la forma dada por f [n ]* h[n] = ∑ f [k ]h[n − k ] .
k = −∞
Veamos ahora qué relación existe entre la convolución y la transformada de Fourier para
funciones de variable discreta. Para esto, expresemos las transformadas de f [n ] y h[n] , y
luego calculemos la de y[n] en términos de las anteriores:
∞ ∞
ℑ [ f [n]] = F (ω) = ∑ f [n]e −iωn
; ℑ [h[n]] = H (ω) = ∑ h[n]e−iωn
n = −∞ n = −∞
∞  ∞  −iωn

ℑ [ y[n]] = Y (ω) = ∑∑  f [k ]h[n − k ] e
n = −∞ k = −∞ 
Así escrita, esta expresión indica que primero resolvemos la suma interior variando el índice
k, para cada valor fijo de n, y luego sumamos para todos los valores de n. Como el orden de la
suma puede invertirse sin cambiar el resultado, podemos intercambiar el orden de las
sumatorias:
∞  ∞ 
Y (ω) = ∑ f [k ] ∑ h[n − k ] e −iωn 
k = −∞ n = −∞ 
Definimos un nuevo índice de suma m=n-k, o sea, n=m+k. Cuando n → ±∞ , también

m → ±∞ . Entonces:
∞  ∞  ∞  ∞ 
−iω( m + k )  −iωm  −iωk
Y (ω) = ∑ f [k ]  ∑ h [m ] e  = ∑ f [k ]  ∑ h[m] e e
k = −∞ 
m = −∞ 
 k = −∞ 
m = −∞ 
La expresión dentro de la llave es H (ω) que, como no depende del índice de suma k,
podemos sacarlo como factor común:
∞  ∞ 
Y (ω) = ∑ f [k ] H ( ω) e − i ωk 
=
 ∑
f [k ] e −iωk 

⋅ H (ω)
k = −∞  k = −∞ 
105
Observamos que la expresión dentro del paréntesis es F (ω) , de modo que
Y (ω) = F (ω) ⋅ H (ω)
o sea
ℑ [ f [n ]* h[n]] = ℑ [ f [n]] ⋅ ℑ [h[n]]
En palabras, la transformada de la convolución de dos funciones es igual al producto de las

transformadas de ambas.
Esta propiedad de la transformada de Fourier en relación con la convolución también es

válida para funciones de variable continua, es decir:
ℑ [ f (t ) * h(t )] = ℑ [ f (t )] ⋅ ℑ [h(t )]
Su aplicación, tanto para variable discreta como continua, nos provee de un método
alternativo para calcular la respuesta de un sistema a una entrada dada. En efecto, si
conocemos las funciones f y h, podemos calcular sus respectivas transformadas F(ω) y H(ω).
Luego determinamos su producto y, como ℑ [ y ] = Y (ω) = F (ω) ⋅ H (ω) , al calcular la
antitransformada de F(ω)⋅H(ω), obtenemos y:
y (t ) 
 = ℑ [F (ω) ⋅ H (ω)]
−1
y[n]
Dualidad entre la transformada de Fourier de tiempo discreto y la serie de Fourier de

variable continua
Hemos aprendido a desarrollar una función periódica de variable continua en serie de Fourier,
cuya expresión es
∞
f (t ) = ∑ ck eikω0t ( 8)
k =∞
donde los coeficientes están dados por
1 −ikω0t
ck =
T ∫ f (t ) e dt ( 9)
T
Acabamos de ver cómo se obtiene la transformada de Fourier de una función de duración

finita de variable discreta
106
∞
F (ω) = ∑ f [n]e−iωn ( 10)
n = −∞
y cómo se recupera la función del tiempo discreto a partir de la transformada
1 iωn
f [ n] =
2π ∫ F (ω) e dω ( 11)
2π
Las similitudes entre estas expresiones son visibles. Mientras f (t ) depende de la variable
continua t y tiene período T, F (ω) depende de la variable continua ω y tiene período 2π. Las
ecuaciones (8) y (10) muestran que ambas se desarrollan es series de exponenciales complejas
armónicamente relacionadas, con coeficientes de peso que son valores discretos. Dichos
coeficientes se calculan, como se ve en las ecuaciones (9) y (11), mediante integrales a lo
largo de un período de esas funciones de variable continua. El factor que precede a cada
integral es la inversa del período correspondiente.
Transformada discreta de Fourier
Hemos visto cómo, para efectuar el análisis en frecuencia de una señal en tiempo discreto
f [n] , convertimos la secuencia en el dominio del tiempo en una expresión equivalente en el
dominio de la frecuencia que es la transformada de Fourier F (ω) que analizamos en los
apartados anteriores. Pero F (ω) viene dada por una función continua de la frecuencia y esta
característica la hace no adecuada para ser procesada por métodos computacionales que son
los que se emplean habitualmente para el análisis frecuencial de señales. Veremos a
continuación un procedimiento que permite obtener la transformada de Fourier en forma de
función discreta de la frecuencia, conocido como el método de la transformada discreta de
Fourier. Se lo designa mediante la sigla DFT por las iniciales de su nombre en inglés
(Discrete Fourier Transform).
Esencialmente, este método consiste en la toma de muestras equiespaciadas en frecuencia, de

la transformada de Fourier. Dado que F (ω) es periódica de período 2π, sólo necesitamos las
muestras en el período fundamental. Por conveniencia, elegiremos el intervalo 0 ≤ ω < 2 π .
En él tomaremos N muestras de F (ω) a intervalos regulares de frecuencia, de modo que la
distancia en frecuencia entre cada par de puntos consecutivos será 2 π / N . Por lo tanto,
consideraremos N valores de frecuencia de la forma 2 πk / N con k = 0,1,L, N − 1 . Al evaluar
∞
la transformada F (ω) = ∑ f [n]e−iωn para estos valores de ω obtenemos
n = −∞
∞
2 πk
F( ) = ∑ f [n]e −i 2 πkn / N con k = 0,1,L, N − 1 . ( 12)
N n = −∞
Comparemos esta expresión con la ecuación (3). Si identificamos ωo con 2π / N , ambas

sumatorias e vuelven idénticas. Recordemos que la expresión (3) nos da los coeficientes del
107
~
desarrollo de Fourier de una función periódica f [n] que se obtuvo a partir de otra función
f [n] no periódica de duración finita. Si la duración de la señal f [n] es L y el período de
~ ~
f [n] es N, la deducción de (3) exigió que N>L. En otras palabras, la función f [n] fue
construida con los L valores de f [n] y los restantes, hasta totalizar los N valores, se
completaron con ceros.
2πk
Por lo tanto, al comparar (12) con (3) y establecer la relación F ( ) = N ck estamos
N
suponiendo que hemos construido una función periódica que es la repetición de infinitas
“copias de f [n] ”. Este concepto está implícito en el procedimiento de muestreo de la
transformada.
Ahora bien, cuando decidimos dividir el intervalo [0,2π) en N subintervalos regulares de

tamaño 2 π / N , no fijamos ningún criterio respecto del valor de N. Queda claro que, cuanto
mayor sea N, mayor será el número de muestras de la transformada que tomemos. Si bien la
elección de un valor grande para N tiene la ventaja de darnos una descripción detallada de la
transformada, la desventaja es que se incrementa el costo computacional.
Pero, además, el método del muestreo en frecuencias debe permitirnos reconstruir la señal en
el tiempo a partir de las muestras de la transformada. Veamos que existe un valor mínimo
para el número N de muestras para que esto suceda. En efecto, a partir de las N muestras de la
1 2πk
transformada, obtenemos los N valores de los coeficientes ck = F ( ) y con ellos
N N
~ ~ N −1
calculamos la función periódica f [n] de período N en la forma f [n] = ∑ ck eik (2π / N )n . Si
k =0
~
f [n] tiene una duración L en el tiempo menor que el período N, en la gráfica de f [n]
reconoceremos la repetición periódica de f [n] . En cambio, si hemos tomado muy pocas
~
muestras y sucede que N<L, entonces la función f [n] periódica que calculamos a partir de
las muestras tendrá un período que no alcanza a abarcar toda la duración de la señal f [n] . En
~
tal caso, f [n] mostrará una forma distorsionada de f [n] . Por lo tanto, para que el método de
muestreo de la transformada nos permita reconstruir la señal f [n] , el número de muestras en
frecuencia debe ser mayor o igual que la duración de f [n] en el tiempo.
En resumen, una secuencia de duración finita L, es decir, f [n] = 0 para n<0 y para n ≥ L ,
tiene transformada de Fourier
∞ L −1
−iωn
F (ω) = ∑ f [n]e = ∑ f [n]e−iωn con 0 ≤ ω < 2 π
n = −∞ n =0
Cuando muestreamos F (ω) en frecuencias equiespaciadas 2 πk / N con k = 0,1,L, N − 1 , con
N ≥ L , las muestras resultantes son
108
∞ L −1
2πk
F( ) = ∑ f [n]e −i 2πkn / N = ∑ f [n]e −i 2πkn / N con k = 0,1,L, N − 1
N n = −∞ n =0
A esta expresión se la designa transformada discreta de Fourier (DFT) y se la suele escribir

en la forma
N −1
Fˆ [k ] = ∑ f [n]e −i 2πkn / N con k = 0,1,L, N − 1
n =0
donde el índice superior de la suma se cambió por N –1, si bien los términos no nulos están
entre 0 y L –1.
A partir de las muestras en frecuencia, la señal en el tiempo se recupera empleando

~ N −1
1 2πk 1
f [ n] = ∑ ck eik (2π / N )n y ck = F( ) = Fˆ [k ] y teniendo en cuenta que en el
k =0 N N N
~
intervalo [0,N –1] las funciones f [n] y f [n] son idénticas. Por lo tanto,
~ 1 N −1 ˆ
f [ n] = ∑ F [k ]ei 2πkn / N con n = 0,1,L, N − 1
N k =0
Esta expresión se conoce como transformada discreta inversa deFourier (IDFT).
♣ Ejemplo: Calcule la transformada de Fourier de la secuencia de duración finita

1 , 0 ≤ n < 4
f [n ] =  . Calcule la DFT de 6 puntos. Compruebe que puede recuperar la
0 , en el resto
señal a partir de la DFT. Calcule ahora la DFT de 3 puntos y observe qué sucede al evaluar la
transformada inversa.
∞
Comenzamos calculando la transformada de Fourier F (ω) = ∑ f [n]e−iωn =
n = −∞
− iω − iω 2 −iω3
= 1+ e +e +e . Esta ya es la expresión de la transformada, si bien, usando algunos
elementos de trigonometría, podemos llegar a escribirla en una forma más cómoda para el
ω
cálculo que sigue: F (ω) = 4e −i3ω/2 cos ω ⋅ cos .
2
2πk
Calculamos ahora la DFT de N=6 puntos: Fˆ [k ] = F ( ) = 1 + e −i ( 2πk / 6) + e −i 2( 2πk / 6) +
6
+ e −i3( 2πk / 6) = 1 + e −iπk / 3 + e −i 2πk / 3 + (−1) k o en forma alternativa:
2πk πk πk πk
Fˆ [k ] = 4e −i3/2( 2πk / 6) cos cos = 4e −iπk / 2 cos cos con k=0,...,5. Evaluamos
6 6 3 6
Fˆ [0] = 4 , Fˆ [1] = −i 3 , Fˆ [2] = 1 , Fˆ [3] = 0 , Fˆ [4] = 1 , Fˆ [5] = i 3 .
109
Esta secuencia de valores discretos de la transformada, obtenidos a intervalos regulares de

frecuencia de π/3, nos permite calcular una función periódica del tiempo:
~
f [ n] =
1 5 ˆ
∑
6 k =0
F ( k ) e i 2πkn / 6
con n = 0,1, L ,5 . Evaluamos
~
f
1
6
(
[n] = Fˆ [0]e0 + Fˆ [1]eiπn / 3 +
+ Fˆ [2]ei 2πn / 3 + Fˆ [3]ei3πn / 3 + Fˆ [4]ei 4πn / 3 + Fˆ [5]ei5πn / 3 = ) 16 (4 − i 3eiπn / 3 + ei 2πn / 3 +
+ ei 4πn / 3 + i 3ei5πn / 3 =) 16 (4 − i 3eiπn / 3 + ei 2πn / 3 + e−i 2πn / 3 + i 3e −iπn / 3 = )

1
6
( )
1
4 − i 3 (eiπn / 3 − e −iπn / 3 ) + (ei 2πn / 3 + e −i 2πn / 3 ) =  4 − i 3 ⋅ 2i sin
6
πn
3
+ 2 cos
2πn 
3 
 . Luego,
~ 1 πn 2πn 
f [n] =  2 + 3 sin + cos  . Al calcular los valores de esta función en un período
3 3 3 
~ ~ 1 3 1 ~ 1 3 1 ~
encontramos: f [0] = 1 , f [1] = (2 + 3 − ) = 1 , f [2] = (2 + 3 − ) = 1 , f [3] = 1 ,
3 2 2 3 2 2
~ 1 3 1 ~ 1 3 1
f [4] = (2 + 3 (− ) − ) = 0 , f [5] = (2 + 3 (− ) − ) = 0 .
3 2 2 3 2 2
~
Comprobamos que la función periódica f [n] adopta los mismos valores que la función de
duración finita f [n ] de la que partimos y agrega dos ceros para completar el período de 6. En
~
cada ciclo de f [n] se puede reconocer la forma de f [n ] . Por lo tanto, el haber tomado una
DFT de 6 puntos nos permite reconstruir la señal en el tiempo.
Veamos ahora qué ocurre si calculamos la DFT de N=3 puntos. Las muestras equiespaciadas
en frecuencia de la transformada se toman cada 2π/3. La DFT viene dada ahora por
2πk
Fˆ [k ] = F ( ) = 1 + e −i ( 2πk / 3) + e −i 2( 2πk / 3) + e −i3( 2πk / 3) = 2 + e −i 2πk / 3 + e −i 4πk / 3 con k=
3
2πk πk 2πk πk
0,1,2, o en la otra forma: Fˆ [k ] = 4e −i3/2( 2πk / 3) cos cos = 4(−1) k cos cos .
3 3 3 3
Obtenemos Fˆ [0] = 4 , Fˆ [1] = 1 , Fˆ [2] = 1 . Con este nuevo muestreo de la transformada
calculamos otra función periódica

~
f [ n] =
1 2 ˆ
∑
3 k =0
1
3
(
F [k ]ei 2πkn / 3 = Fˆ [0]e0 + Fˆ [1]ei 2πn / 3 +
+ Fˆ [2]ei 4πn / 3 =) 13 (4 + ei2πn / 3 + ei4πn / 3 ) con n = 0,1,2 . La calculamos en un período:

~ ~ ~
f [0] = 2 , f [1] = 1 , f [2] = 1 . A diferencia del ejemplo anterior, vemos que esta función
periódica no reproduce a la función de duración finita. Esto se debe a que hemos hecho un
muestreo con muy pocos puntos en el dominio de la frecuencia. Con tres puntos no basta para
recuperar la función del tiempo de la que partimos pues esta función tiene una duración de 4
puntos.
Si, por el contrario, elegimos para N un valor grande, tendremos una descripción más refinada
de la transformada a la vez que se incrementa la complejidad del cálculo. Sin embargo, si el
propósito es recuperar la señal en el tiempo, ese mayor costo computacional no se traduce en
beneficio alguno. Para este fin basta con elegir un N que sea igual o mayor que la duración de
110
la señal en el tiempo. Para el caso del ejemplo que desarrollamos, si tomáramos, digamos,
N=20, obtendríamos una función periódica del tiempo de período 20, que valdría 1 entre 0 y 3
inclusive y los restantes 16 puntos serían nulos.
El algoritmo FFT
El desarrollo que han alcanzado en los años más recientes los métodos de tiempo discreto para
el análisis y síntesis de señales se debe fundamentalmente a la gran capacidad de cálculo de
las computadoras modernas. Una ventaja adicional de la DFT es que existen diversos
algoritmos computacionales para evaluarla. Vamos a mencionar sólo uno que resulta
sumamente ágil. Se denomina transformada rápida de Fourier y se indica FFT por las
iniciales de su nombre en inglés (Fast Fourier Transform).
Básicamente, el cálculo de la DFT consiste en determinar la secuencia de N números

complejos F̂ [k ] a partir de la secuencia de datos f [n ] de longitud L ≤ N , donde los valores
de f que van de L a N se completan con ceros. En general, vamos a suponer que la secuencia
f [n ] es también compleja.
En el cálculo de la transformada aparece en cada término una exponencial compleja de la

( )kn
forma e −i 2πkn / N . Si la escribimos en la forma e −i 2π / N , vemos que el complejo e −i 2π / N
está presente en todos los términos. Suele emplearse la notación abreviada
WN = e −i 2π / N
(
de modo que e −i 2π / N )kn = (WN )kn = WNkn . Con esta notación, la DFT se expresa:
N −1
Fˆ [k ] = ∑ f [n] WNkn con k = 0,1,L, N − 1
n =0
y la transformada inversa, IDFT, como
~ 1 N −1 ˆ
f [ n] = ∑ F [k ]WN−kn con n = 0,1,L, N − 1
N k =0
Vemos que para cada valor de k, el cálculo directo de la DFT exige realizar N
multiplicaciones complejas y N–1 sumas complejas. Luego, para evaluar los N valores de
F̂ [k ] , habrá que efectuar N 2 multiplicaciones complejas y N ( N − 1) sumas complejas.
Existen diversos métodos computacionales para calcular la DFT y la IDFT. Vamos a esbozar
uno de ellos, quizás el más difundido en el procesamiento digital de señales. Esencialmente
consiste en elegir un valor de N que sea una potencia natural de 2. La razón de esta elección
se verá enseguida. Separamos la secuencia de N valores de f [n ] en dos secuencias: las de los
lugares pares y la de los lugares impares:
N
f1[n] = f [2n] y f 2 [n] = f [2n + 1] con n = 0,1,L, − 1
2
La DFT ahora se expresa como:
111
N −1
Fˆ [k ] = ∑ f [n] WNkn = ∑ f [n] WNkn + ∑ f [n] WNkn
n =0 n par n impar
( N / 2) −1 ( N / 2) −1
= ∑ f1[n] WN2nk + ∑ f 2[n] WN( 2n +1) k
n =0 n =0 N
con k = 0,1,L, −1
( N / 2) −1 ( N / 2) −1 2
= ∑ f1[n] WN2nk + ∑ f 2[n] WN2nkWNk
n =0 n =0
( N / 2) −1 ( N / 2) −1
= ∑ f1[n] (WN2 ) nk + WNk ∑ f 2[n] (WN2 ) nk
n =0 n =0
2 2 −i 2 π / N 2 −i 2 π /( N / 2)
Pero WN = (WN ) = (e ) =e = WN / 2 . Para fijar ideas, digamos que si
hemos elegido calcular la DFT de 8 puntos, el cálculo directo nos exige utilizar los 8 valores
de W8. El cambio que acabamos de introducir nos conduce a determinar los valores de W4. Ya
comienza a vislumbrarse cómo esto nos conducirá a una simplificación notable en el
cómputo. El procedimiento se denomina diezmado en el tiempo. Ahora la DFT se expresa
como:
( N / 2) −1 ( N / 2) −1
Fˆ [k ] = ∑ f1[n] WNnk/ 2 + WNk ∑ f 2[n] WNnk/ 2
n =0 n =0
( N / 2) −1 ( N / 2) −1
Designamos Fˆ1[k ] = ∑ f1[n] WNnk/ 2 y Fˆ2 [k ] = ∑ f 2[n] WNnk/ 2 . Estas son las DFT de
n =0 n =0
f1[n ] y f 2 [n] , respectivamente, que contienen N/2 puntos. Se puede ver fácilmente que Fˆ1[k ]
y Fˆ2 [k ] tienen período N/2: Fˆ1[k ] = Fˆ1[k + N / 2] y Fˆ2 [k ] = Fˆ2 [k + N / 2] . Tenemos entonces:
N
Fˆ [k ] = Fˆ1[k ] + WNk Fˆ2 [k ] con k = 0,1,L, − 1
2
Se observa que para calcular Fˆ1[k ] son necesarias (N / 2) 2 multiplicaciones complejas y otras
tantas para calcular Fˆ2 [k ] ; además se requieren N/2 multiplicaciones complejas más para
N N N
calcular WNk Fˆ2 [k ] . En total, el cálculo de F̂ [k ] requiere 2( ) 2 + = ( N + 1)
2 2 2
multiplicaciones complejas. Volviendo al caso N=8, de las 64 multiplicaciones complejas
requeridas en el cálculo directo, pasamos a 28. La economía computacional es evidente.
Como hemos elegido para N una potencia natural de 2, podemos volver a repetir el
procedimiento para f1[n] y f 2 [n] , separando a cada una en sus términos de lugares pares e
impares y así siguiendo hasta terminar en la DFT de 2 puntos. Para comprender mejor el
procedimiento examinemos el siguiente caso.
♣ Ejemplo: Supongamos que queremos obtener el espectro discreto de frecuencias de una

señal f [n ] de duración finita L ≤ 8 de modo que calculamos la DFT de N=8 puntos,
completando f [n ] con ceros hasta totalizar los 8 términos. Para definir f [n] daremos sus
valores mediante una lista, en la forma f [n ] =¨{ f [0], f [1],L, f [7]} . Debemos computar
7
2 2
Fˆ [k ] = ∑ f [n] W8kn con k = 0,1,L,7 , donde W8 = e −i 2π / 8 = e −iπ / 4 = −i . Luego
n =0 2 2
112
de descomponer la secuencia f [n ] en la de los lugares pares, f1[n] , y la de los lugares

impares, f 2 [n] . En términos de los valores de la función original tenemos
f1[n] =¨ f [2n] = { f [0], f [2], f [4], f [6]} y f 2 [n] =¨ f [2n + 1] = { f [1], f [3], f [5], f [7]} , con
n=0,1,2,3. Escribimos:
3 3
Fˆ [k ] = ∑ f1[n] W4nk + W8k ∑ f 2[n] W4nk con k=0,1,2,3, donde W4 = e −i 2π / 4 = e −iπ / 2 = −i .
n =0 n =0
En lugar de una suma de 8 términos, tenemos ahora dos sumas de 4 términos. Repetimos con
f1[n ] y con f 2 [n] el mismo procedimiento de separación de lugares pares e impares. La
secuencia f1[n ] se descompone en f11[n] y f12 [n] ; f 2 [n] se descompone en f 21[n ] y f 22 [n]
donde f11[n] = f1[2n] , f12 [n] = f1[2n + 1] , f 21[n ] = f 2 [2n] y f 22 [n] = f 2 [2n + 1] con n = 0,1 .
En términos de los valores de la función de partida, f11[n] = { f [0], f [4]} ,
f12 [n ] = { f [2], f [6]} , f 21[n] = { f [1], f [5]} y f 22 [n] = { f [3], f [7]}
Así resulta
3 1 1
Fˆ1[k ] = ∑ f1[n] W4nk = ∑ f11[n] W2nk + W4k ∑ f12[n] W2nk y
n =0 n =0 n =0
3 1 1
[] ∑
Fˆ2 k = f 2[n] W4nk = ∑
f 21[n] W2nk + W4k ∑
f 22[n] W2nk
n =0 n =0 n =0
−i 2 π / 2 − iπ
En ellas interviene W2 = e =e = −1 . En forma explícita:
[]
Fˆ1 k = f11[0] + f11[1] W2 + W4 ( f12[0] + f12[1]W2k )
k k
k k k
= f [0] + f [4] (-1) + (−i ) ( f [2] + f [6](−1) )
Fˆ2 [k ] = f 21[0] + f 21[1] W2k + W4k ( f 22[0] + f 22[1]W2k )

= f [1] + f [5] (-1)k + (−i ) k ( f [3] + f [7](−1) k )
Fˆ [k ] = Fˆ1[k ] + W8k Fˆ2 [k ] = f [0] + f [4] (−1) k + (−i ) k ( f [2] + f [6](−1) k )

= +e −ikπ / 4{ f [1] + f [5] (−1) k + (−i ) k ( f [3] + f [7](−1) k )}
Naturalmente, si el número N de muestras es una potencia de 2 más alta, se hará necesario

repetir el procedimiento más veces, pero en cualquier caso las operaciones involucradas en el
paso final son más simples. Este algoritmo, que puede parecer muy engorroso para resolver
manualmente, tiene la ventaja de poder ser implementado de manera relativamente simple
mediante un programa de computadora. Existen códigos de uso muy difundido que resuelven
este problema. Sólo requieren que se les suministre los valores de la función del tiempo como
datos de entrada.
113

Apunte 2 Parte

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Apunte 2 Parte

Cargado por

Copyright:

Formatos disponibles

Matemática II Señales y sistemas

En su sentido más amplio, un sistema es una interconexión de componentes y dispositivos por

señal de entrada sistema señal de salida

Sistemas continuos y discretos

f [n]  → y[n]

Sistemas lineales. Sistemas invariantes en el tiempo.

Un sistema, ya sea continuo o discreto, se dice lineal si cumple con la propiedad de

para señales y sistemas continuos y en forma análoga para el caso discreto.

af1[n] + bf 2 [n] → ay1 [n] + by 2 [n]

Un sistema es invariante en el tiempo si su comportamiento no cambia con el transcurso del

Si f (t ) → y (t ) entonces f (t − t 0 ) → y (t − t 0 ) para señales continuas

Funciones de variable discreta

Son funciones en las cuales el dominio es el conjunto de los números enteros: f : Í → Ñ. La

Para fijar ideas, consideremos la siguiente función de variable discreta y grafiquémosla:

Impulso unitario y escalón unitario discretos

Ya estudiamos las funciones generalizadas impulso y escalón unitario dependientes de una

Aplicando la definición, vemos que, por ejemplo, δ [n − 1] representa a un impulso localizado

Análogamente, u[n + 2] representa a un escalón en n=-2, pues, de acuerdo con la definición,

Un factor multiplicativo tendrá en ambas funciones el efecto de un cambio de escala, es decir,

Se puede comprobar fácilmente que ambas funciones generalizadas discretas se relacionan a

través de la llamada primera diferencia

δ[n] = u[n] − u[n − 1]

y, en forma inversa, a través de las sumatorias

Detengámonos a analizar cómo están construidas estas expresiones. En la primera de ellas, se

En la segunda identidad tenemos en el segundo miembro la suma de funciones impulso

f [n] = 0.5 δ [n − 1] + 2 δ [n − 2] + 4.5 δ [n − 3] + 8 δ [n − 4] + 8 δ [n − 5] + 8 δ [n − 6] +

f [n] = f [1]δ [n − 1] + f [2]δ [n − 2] + f [3]δ [n − 3] + f [4]δ [n − 4] + f [5]δ [n − 5] +

Podemos generalizar esta idea para una función cualquiera en la forma

f [n] = L + f [−2]δ [n + 2] + f [−1]δ [n + 1] + f [0]δ [n] + f [1]δ [n − 1] + f [2]δ [n − 2] + L

Como δ[ n − k ] es diferente de cero sólo cuando n=k, la sumatoria selecciona, entre la

Convolución de señales de variable discreta

Centremos la atención en sistemas lineales e invariantes en el tiempo. Veremos que en un

Sumemos gráficamente cada columna. En la primera obtenemos la función f [n] y en la

Escrito en forma abreviada,

y[n] = f [n] * h[n]

Se puede demostrar, aunque no lo haremos aquí, que la convolución es conmutativa, es decir

f [n] * h[n] = h[n] * f [n]

h[1-k] h[-1-k] h[-2-k]

Continuando con el ejemplo, supongamos que la señal de entrada es la dada a continuación en

Para efectuar la convolución, elegimos un valor particular de n para el que calcularemos el

El cálculo para valores diferentes de n consiste en desplazar la función h, dejando f fija.

Desplazamos nuevamente h y superponemos f[k] con h[-k]

Seguimos desplazando h y ahora tenemos y[1] = 4 ⋅ 1 + 4 ⋅ 2 + 5 ⋅ 2 = 22 .

Un desplazamiento más de h nos da y[2] = 4 ⋅ 1 + 4 ⋅ 1 + 5 ⋅ 2 + 6 ⋅ 2 = 30 .

Volvemos a desplazar h y obtenemos y[3] = 4 ⋅ 1 + 5 ⋅ 1 + 6 ⋅ 2 = 21 .

Un paso más de h da lugar a y[4] = 5 ⋅ 1 + 6 ⋅ 1 = 11 .

Funciones periódicas de variable discreta

cos (2π / 5 t) cos [2π / 5 n]

las exponenciales complejas discretas que difieren en frecuencia en un múltiplo entero

Desarrollo de Fourier de funciones periódicas de variable discreta

Vemos que Φ 0 [n] = Φ N [n] , Φ1 [n] = Φ N +1 [n] , y en general

Esto es consecuencia de la periodicidad en frecuencia de las exponenciales complejas

Al variar k a lo largo de N valores consecutivos, digamos de 0 a N-1, la frecuencia adopta N

Ilustramos esta propiedad mediante ejemplos. Consideremos la parte real de la función

cos (2π / 5 t) cos (12π / 5 t)

Tal combinación lineal es el desarrollo discreto de Fourier y tiene la forma

Sumando las ecuaciones miembro a miembro y reagrupando, se obtiene

f [0] + f [1] + f [2] + L + f [ N − 1] = Nco + c1(1 + eiω o + eiω o 2 + L + eiω o ( N −1) ) +

co representa el valor medio de la función periódica tomado a lo largo de un período

e −iω o f [1] = co e −iω o + c1 + c2eiω o + L + c N −1ei ( N − 2)ω o

Efectuando la siguiente suma y agrupando, resulta,

f [0] + e −iω o f [1] + e −i 2ω o f [2] + L + e −i ( N −1)ω o f [ N − 1] =

En forma similar resulta que

_ ∞ _ ∞ __