LAFA.

Laboratorio de Análisis de Fourier Aplicado

Transformada de Fourier*

1. De las series de Fourier a la Transformada de Fourier: primeras

consideraciones
Las series de Fourier son útiles para el estudio de señales periódicas pero, desafortunadamente,
este tipo de señales no son tan frecuentes en la práctica como las no-periódicas. Esta situación requiere
el desarrollo de una teorı́a matemática más ambiciosa y a ello vamos a dedicar algún tiempo.
Sea x(t) una señal aperiódica1 definida en todo el intervalo real y denotemos por xT (t) (T > 0)
la señal 2T -periódica que se obtiene a partir de x(t) haciendo xT (t) = x(t) para t ∈ (−T, T ] y
extendiendo periódicamente con periodo 2T . Si suponemos que x(t) es suficientemente suave (e.g.,
es C1 (R)), entonces tendremos la identidad
∞ ·Z T ¸
1 X −(πi/T )ks
x(t) = xT (t) = x(s)e ds e(πi/T )kt , para t ∈ (−T, T ] (1)
2T k=−∞ −T

Evidentemente, si hacemos T → ∞ en el segundo miembro de la igualdad anterior, entonces la

igualdad lı́mite será válida para todo t ∈ R y su valor será igual al de la señal de partida x(t).
Ahora, estudiemos qué le sucede al segundo miembro si hacemos T → ∞. Tomando ∆f =
1/(2T ) y fk = k∆f , podemos reescribir (1) como
X∞ ·Z T ¸
−2πifk s
x(t) = ∆f x(s)e ds e2πifk t , para t ∈ (−T, T ]
k=−∞ −T

Ahora bien, |fk+1 − fk | = ∆f = 1/2T ( k ∈ Z ) y, por tanto, podemos interpretar los puntos {fk }
como nodos equiespaciados de una partición de Riemann para la integral lı́mite
Z ∞ µZ ∞ ¶
−2πif s
x(s)e ds e2πif t df
−∞ −∞

Es decir, podemos concluir que (bajo ciertas condiciones restrictivas sobre la suavidad de la señal
aperiódica x(t)) se satisface la siguiente identidad (llamada: Teorema integral de Fourier):
Z ∞ µZ ∞ ¶
−2πif s
x(t) = x(s)e ds e2πif t df
−∞ −∞
*
Este documento está basado ampliamente en el libro de texto del autor: J.M. Almira, “Matemáticas para la recu-
peración de señales”, Grupo Editorial Universitario, 2005.
1
Es decir: no periódica.
 LAFA. Laboratorio de Análisis de Fourier Aplicado

Haciendo el cambio de variable ξ = 2πf , podemos reescribir la anterior fórmula como

Z ∞ µZ ∞ ¶
1
x(t) = x(s)e ds eiξt dξ
−iξs
2π −∞ −∞

Definición 1 La señal Z ∞
F(x)(ξ) := x
b(ξ) := x(s)e−iξs ds
−∞

toma el nombre de transformada de Fourier de la señal (aperiódica) x(t) ∈ L1 (R).

Definición 2 La señal Z ∞
−1 1
F (y)(t) := y(ξ)eiξs dξ
2π −∞

toma el nombre de transformada de Fourier inversa de la señal (aperiódica) y(ξ).

Nota 1 Es evidente que el teorema integral de Fourier se puede reescribir como

Z ∞ µZ ∞ ¶
1
x(t) = x(s)e ds eiξt dξ
−iξs
2π −∞ −∞
Z ∞
1
= F(x)(ξ)eiξt dξ = F −1 (F(x))(t)
2π −∞

y, de manera análoga,
F(F −1 (y))(ξ) = y(ξ).

Una cosa es clara: bajo ciertas hipótesis (que luego especificaremos), conocer la transformada
de Fourier de una señal equivale a conocer dicha señal, ya que al aplicar la transformada inversa
recuperamos toda la información. De igual forma, si conocemos los coeficientes de Fourier {ck }∞ k=−∞
de cierta señal (periódica) x(t), de la que sabemos que es suficientemente suave, entonces conocemos
la señal, pues para rescatarla completamente bastará sumar la correspondiente serie de Fourier. Ası́,
el papel del espectro de la señal, que en el caso periódico lo juegan los coeficientes de Fourier, en el
caso aperiódico lo juega la transformada de Fourier.
Para evitar problemas con la definición de transformada de Fourier, supondremos que la señal x(t)
es absolutamente integrable en R. Es decir, supondremos que
Z ∞
||x||L1 (R) = |x(t)|dt < ∞.
−∞

En tal caso, su transformada xb(ξ) existe y está uniformemente acotada en R, pues |e−iξs | = 1 para
ξ, s ∈ R implica |b
x(ξ)| ≤ ||x||L1 (R) para para ξ ∈ R.

2
 LAFA. Laboratorio de Análisis de Fourier Aplicado

1.1. Teoremas básicos sobre la transformada de Fourier

La palabra ”transformada” indica que estamos trabajando con una herramienta para transformar
un tipo determinado de problema en otro. De hecho, la transformada de Fourier será útil (como vere-
mos) para simplificar el estudio de la solución de cierto tipo de ecuaciones diferenciales, convirtiendo
el problema de la solución de una ED en un problema de solución de ecuaciones algebraicas. La moti-
vación para dicho estudio está en el hecho de que la transformada de Fourier posee buenas propiedades
algebraicas cuando se aplica a las derivadas sucesivas de una señal, o al trasladar la señal, etc. En este
apartado estudiamos las propiedades más sencillas de la transformada de Fourier.
A continuación exponemos una lista de las propiedades elementales de F(x)(ξ) = x̂(ξ) (Algunas
de las demostraciones son muy sencillas y las dejamos como ejercicio).

Nota 2 Mantenemos ambas notaciones, F(x) y x̂ para la transformada de Fourier, porque a veces
una de ellas es más cómoda o más clarificadora que la otra. Por otra parte, esto ayuda a que el
estudiante se familiarize con ambas notaciones y, por tanto, le permitirá leer fácilmente diferentes
textos sobre el tema (ya que por ahora no hay acuerdo unánime para la notación en esta materia).

Linealidad La transformada de Fourier es un operador lineal. Más precisamente, si x1 , x2 ∈

L1 (R), y a, b ∈ R, entonces ax\
1 + bx2 (ξ) = ax
b1 (ξ) + bxb2 (ξ).
Traslación en el tiempo. Dado a ∈ R, se tiene que
F[x(t − a)](ξ) = e−iaξ F[x(t)](ξ) y F[eiaξ x(t)](ξ) = F[x(t)](ξ − a)

Demostración. En realidad, esta propiedad es trivial: basta hacer un cambio de variable, como
se observa a continuación:
Z ∞
F[x(t − a)](ξ) = e−iξt x(t − a)dt
Z−∞
∞
= e−iξ(s+a) x(s)ds (donde s = t − a)
−∞
−iaξ
= e F[x(t)](ξ).
La otra fórmula se demuestra de forma análoga. ¤
Cambios de escala. Si δ > 0 y xδ (t) = δ −1 x(t/δ), entonces
F[xδ ](ξ) = F[x](δξ) y F[x(δt)](δξ) = F(x)δ (ξ).
Demostración. De nuevo un simple cambio de variable sirve para nuestros objetivos:
Z ∞
−1
F[xδ ](ξ) = δ e−iξt x(t/δ)dt
Z−∞
∞
−1 t
= δ e−iξδs x(s)δds (donde s = )
−∞ δ
= F[x](δξ)
La demostración de la segunda fórmula es análoga. ¤

3
 LAFA. Laboratorio de Análisis de Fourier Aplicado

Derivación. Si x es continua y derivable a trozos, con x0 (t) ∈ L1 (R), entonces

F(x0 )(ξ) = iξF(x)(ξ).

Además, si tx(t) es integrable entonces

F(tx(t))(ξ) = iF(x)0 (ξ).

Demostración. En este caso vamos a utilizar la fórmula de integración por partes, para el cálcu-
lo de x̂0 :
Z ∞
0
x̂ (ξ) = e−iξt x0 (t)dt
−∞
Z ∞
−iξt
¤t=∞
= e x(t) t=−∞ + iξ e−iξt x(t)dt
−∞
= iξ x̂(ξ)

Antes de continuar desarrollando la teorı́a, vamos a calcular algunas transformadas de Fourier:

Ejemplo 1 Consideremos la señal escalón

½
1 si |t| < a
ua (t) =
0 en otro caso

Su transformada de Fourier es
Z ∞
F(ua )(ξ) = ua (s)e−iξs ds
−∞
Z a ¸s=a
−2πiξse−iξs e−iaξ − eiaξ
= e ds = =
−a −iξ s=−a −iξ
cos(−aξ) + i sin(−aξ) − cos(aξ) − i sin(aξ)
=
−iξ
sin(aξ)
= 2
ξ

4
 LAFA. Laboratorio de Análisis de Fourier Aplicado

Ejemplo 2 Sea x(t) = exp(−|t|). Entonces

Z ∞
x
b(ξ) = e−|t| e−iξt dt
−∞
Z 0 Z ∞
t −iξt
= e e dt + e−t e−iξt dt
−∞ 0
Z 0 Z ∞
−u iξu
= − e e du + e−t e−iξt dt
Z ∞−∞ 0
Z ∞
−t iξt iξt
= e (e + e )dt = 2e−t cos(ξt)dt
0
µ Z 0∞ ¶
−t
¤ ∞ −t
= 2 − cos(ξt)e 0 + ξ e sin(ξt)dt
0
· µ Z ∞ ¶¸
−t
¤∞ −t
= 2 1 + ξ e sin(ξt) 0 − ξ e cos(ξt)dt
0
µ ¶ Z ∞
1 2 1
= 2 1− ξ x b(ξ) ; pues ya hemos visto que e−t cos(ξt)dt = xb(ξ).
2 0 2
De modo que µ ¶
1 2
x
b(ξ) = 2 1 − ξ xb(ξ) = 2 − ξ 2 x
b(ξ)
2
y, por tanto,
2
x
b(ξ) = .
ξ2 +1

Hay otros ejemplos cuyo cálculo no es tan sencillo como en los casos anteriores. Esto, unido a su
importancia para las aplicaciones, los traslada a la categorı́a de teoremas:
√
Teorema 1 Si x(t) = exp(−t2 ), entonces x
b(ξ) = π exp(−ξ 2 /4).
R∞ 2
Demostración. El primer paso para el cálculo de x b(ξ) = −∞ e−t e−iξt dt consiste en agrupar en un
2
sólo término el producto e−t e−iξt , de manera que aparezca como exponente un cuadrado perfecto.
Ası́, si tenemos en cuenta que
µ ¶2
iξ 2 ξ2
t+ = t + iξt− ,
2 4
resulta que
µ ¶2
¡ 2 ξ2 ¢ iξ
− t + iξt = − − t +
4 2
y, por tanto,
Z ∞ Z ∞
ξ2 iξ 2
x
b(ξ) = e −t2 −iξt
e dt = e− 4 −(t+ 2 ) dt
−∞ −∞
2
Z ∞ 2
= e − ξ4
e−(
t+ iξ
2 ) dt,
−∞

5
 LAFA. Laboratorio de Análisis de Fourier Aplicado

lo que reduce nuestro problema al cálculo de la integral

Z ∞
iξ 2
e−(t+ 2 ) dt.
−∞

Para ello, vamos a demostrar el siguiente resultado técnico:

Lema 1 Z ∞
2 √
e−t dt = π.
−∞

R∞ 2
Demostración. Denotemos por I la integral que queremos calcular: I = −∞
e−t dt. Entonces
µZ ∞ ¶ µZ ∞ ¶ Z ∞ Z ∞
2 −t2 −s2 2 +s2 )
I = e dt e ds = e−(t dtds.
−∞ −∞ −∞ −∞

Si hacemos el cambio de variable a coordenadas polares,

½
t = ρ cos θ
,
s = ρ sin θ

cuyo Jacobiano es igual a ρ, podemos entonces hacer uso del teorema de integración por cambio de
variables, para obtener que
Z 2π Z ∞ µZ 2π ¶ µZ ∞ ¶
2 −ρ2 −ρ2
I = ρe dρdθ = dθ ρe dρ
0 0 0 0
Z ∞ ¸∞
−ρ2 −1 −ρ2 1
= 2π ρe dρ = 2π e = 2π = π.
0 2 0 2
√
Por tanto, I = π. ¤
Tomamos ahora en consideración la fórmula integral de Cauchy, aplicada a Rla función entera
f (z) = exp(−z 2 ). Como se trata de una función sin singularidades, la integral γ exp(−z 2 )dz se
anula sobre cualquier curva cerrada γ. Consideramos, pues, la curva γ = γ1 + γ2 + γ3 + γ4 , cuyo
grafo es el borde del rectángulo [−R, R] × [0, ξ/2] y que está orientada positivamente (de modo que
γ1 va desde −R hasta R, γ2 va desde R hasta R + i 2ξ , γ2 va desde R + i 2ξ hasta −R + i 2ξ y γ2 va desde
−R + i 2ξ hasta −R). Entonces
Z Z Z Z Z
−z 2 −z 2 −z 2 −z 2 2
0 = e dz = e dz + e dz + e dz + e−z dz
γ γ1 γ2 γ3 γ4
Z R Z R
iξ 2
e−(t+ 2 ) dt.
2
= e−t dt −
−R −R

Como esta igualdad se satisface paa todo R > 0, se concluye que

Z ∞ Z ∞
−(t+ iξ )
2
2 √
e 2 dt = e−t dt = π
−∞ −∞

6
 LAFA. Laboratorio de Análisis de Fourier Aplicado

y, por tanto,
√ ξ2
x
b(ξ) = πe− 4 ,
que es lo que querı́amos demostrar. ¤
Ya hemos mencionado anteriormente que si la señal es absolutamente integrable en R entonces su
transformada de Fourier es acotada. En realidad, el siguiente resultado, más fuerte, se satisface:

Teorema 2 (Lema de Riemann-Lebesgue) Si x ∈ L1 (R) entonces

lı́m F(x)(ξ) = 0.
ξ→±∞

Otro resultado importante (y, en principio, inesperado) consiste en que podemos garantizar la con-
tinuidad de xb(ξ), para ξ ∈ R, incluso para señales x(t) discontinuas. Más precisamente, se satisface
el siguiente teorema:

Teorema
R ∞ 3 Supongamos que x : R → C; t → x(t) es continua a trozos y absolutamente integrable
(i.e., −∞ |x(t)|dt < ∞). Entonces x
b(ξ) es continua en todo ξ ∈ R.

Demostración. Para demostrar el teorema, vamos a hacer uso de un resultado técnico de análisis real
que no cabe demostrar en un curso del nivel que nos proponemos, pero sı́ podremos utilizar. Se trata
de una versión del teorema de la convergencia dominada de Lebesgue adaptada al contexto en que
nos encontramos:

Teorema 4 (Convergencia dominada, Lebesgue) Supongamos que tenemos una familia de funciones
xh : R → C (h ∈ R), continuas a trozos tales que existe una cierta función g verificando que

|xh (t)| ≤ |g(t)| para todo t, h ∈ R

R∞
y −∞
g(x)dx < ∞. Si además sabemos que existe el lı́mite puntual

x(t) = lı́m fh (t); t ∈ R,

h→0

entonces Z ∞ Z ∞ Z ∞
lı́m xh (t)dt = (lı́m xh (t))dt = x(t)dt.
h→0 −∞ −∞ h→0 −∞

Nota: Para la demostración de este resultado, ver [?].

Ahora podemos demostrar la continuidad de x

b(ξ). Para ello, fijado ξ ∈ R hacemos los siguientes
cálculos:
Z ∞
x
b(ξ + h) − x
b(ξ) = x(t)(e−i(ξ+h)t − e−iξt )dt
Z−∞∞ Z ∞
−iξt −iht
= x(t)e (e − 1)dt = xh (t)dt,
−∞ −∞

7
 LAFA. Laboratorio de Análisis de Fourier Aplicado

donde xh (t) = x(t)e−iξt (e−iht − 1). Es claro que, para ξ, h, t ∈ R se tiene que

|xh (t)| = |x(t)||e−iξt ||(e−iht − 1)| ≤ 2|x(t)|

Como g(t) = 2|x(t)| es absolutamente integrable, y existe el lı́mite puntual

lı́m xh (t) = x(t)e−iξt lı́m (e−iht − 1) = 0, t ∈ R;

h→0 h→0

se concluye que podemos utilizar el teorema de la convergencia dominada, de modo que

Z ∞ Z ∞
lı́m (b
x(ξ + h) − x
b(ξ)) = lı́m xh (t)dt = (lı́m xh (t))dt = 0,
h→0 h→0 −∞ −∞ h→0

que es lo que querı́amos probar. ¤

Corolario 1 En las condiciones del teorema anterior, si x

b(ξ) es absolutamente integrable, entonces
x(t) ∈ C(R).

Es más, si utilizamos una versión más fuerte del Teorema de la convergencia dominada (ver [?]),
se puede demostrar el siguiente (importante) resultado:
1
Teorema 5 (Riemann-LebesgueR ∞ + Continuidad de x̂(ξ)) Sean L (R) y C0 (R) dotados de 1sus nor-
mas usuales kx(t)kL1 (R) = −∞ |x(t)|dt y kx(t)kC0 (R) = supt∈R |x(t)|. Entonces F : L (R) →
C0 (R) es un operador acotado. Lo mismo sucede con el operador transformada de Fourier inversa,
F −1 : L1 (R) → C0 (R)

Otra propiedad importante de la transformada de Fourier es el siguiente resultado:

Teorema 6 Supongamos que las funciones x(t)es1 t y x(t)es2 t son continuas a trozos y absolutamente
integrables en toda la recta real, y s1 < s2 . Entonces la función
Z ∞
F (z) = x(t)e−izt dt
−∞

existe y es holomorfa en la banda

D = {z ∈ C : Imz ∈ (s1 , s2 )}.

Demostración. Sea z = w + is ∈ D. Entonces, para t ≥ 0, se tiene que

|x(t)e−izt | = |x(t)|est ≤ |x(t)|es2 t

Además, para t ≤ 0, se tiene que

|x(t)e−izt | = |x(t)|est ≤ |x(t)|es1 t .

Por tanto, Z Z Z
∞ 0 ∞
−izt s1 t
|x(t)e |dt ≤ |x(t)|e dt + |x(t)|es2 t dt < ∞.
−∞ −∞ 0

8
 LAFA. Laboratorio de Análisis de Fourier Aplicado

Esto demuestra la existencia de F (z) para z ∈ D. Por otra parte, fijados z ∗ ∈ D, y {zn } → z ∗
({zn }n∈N ⊂ D), se tiene que
Z ∞
∗ ∗
|F (zn ) − F (z )| ≤ |e−izn t − e−iz t ||x(t)|dt.
−∞

∗
Ahora bien, sabemos que lı́mn→∞ |e−izn t − e−iz t | = 0 (puntutalmente en t ∈ R) y, por tanto, necesi-
tamos (para utilizar el Teorema de Convergencia Dominada) encontrar una función y(t) ∈ L1 (R) tal
∗
que |e−izn t − e−iz t |x(t) ≤ y(t) para todo t ∈ R y todo n ≥ 0. Es fácil comprobar que la función y(t)
definida por y(t) = 2es2 t |x(t)| si t ≥ 0, y(t) = 2es1 t |x(t)| si t < 0 satisface dichos requisitos. Por
tanto, F es continua en D. Tomamos ahora γ una curva cerrada en D. Entonces, utilizando el teorema
de Fubini, vemos que
Z Z Z ∞
F (z)dz = ( x(t)e−izt dt)dz
γ
Zγ ∞ −∞
Z
= ( x(t)e−izt dz)dt (por Fubini)
Z−∞∞
γ

= 0dt (por el Teor. Integral de Cauchy)

−∞
= 0

y, por tanto , podemos usar el Teorema de Morera para afirmar que F ∈ H(D), que es lo que
querı́amos demostrar. ¤

Corolario 2 Si x̂(ξ) tiene soporte compacto entonces x(t) es la restricción a R de una función entera
x(z).

1.2. Convolución y Transformada de Fourier

Dadas dos señales x(t), y(t) absolutamente integrables en R, recordamos que su convolución
está dada por la fórmula Z ∞
(x ∗ y)(t) = x(s)y(t − s)ds.
−∞

En realidad, la convolución está bien definida desde el momento en que una de las señales sea acotada
(en R) y la otra sea absolutamente integrable.

Proposición 1 La convolución de señales es una operación conmutativa.

Demostración. Basta hacer el cambio de variables t − s = u, de modo que:

Z ∞ Z −∞
x[∗ y(t) = x(s)y(t − s)ds = − x(t − u)y(u)du
−∞ ∞
Z ∞
= x(t − u)y(u)du = y] ∗ x(t). ¤
−∞

9
 LAFA. Laboratorio de Análisis de Fourier Aplicado

Proposición 2 Si x(t) e y(t) son señales continuas a trozos y absolutamente integrables en R, en-
tonces su convolución, x[
∗ y(t) es también una señal absolutamente integrable. Es más, se verifica la
desigualdad
k[
x ∗ ykL1 (R ≤ kxkL1 (R) kykL1 (R)

Demostración. Como las señales son absolutamente integrables, podemos utilizar el Teorema de
Fubini, para cambiar el orden de integración en los siguientes cálculos:
Z ∞
¯ ¯
k[
x ∗ ykL1 (R) = ¯x[ ∗ y(t)¯ dt
Z−∞ ¯
∞ ¯Z ∞
¯
¯
= ¯ x(s)y(t − s)ds¯ dt
¯ ¯
−∞ −∞
Z ∞Z ∞
≤ |x(s)||y(t − s)|dsdt
−∞ −∞
Z ∞ ½Z ∞ ¾
= |x(s)|ds |y(t − s)|dt (por F ubini)
−∞ −∞
Z ∞
= kxkL1 (R) |y(t − s)|dt = kxkL1 (R) kkykL1 (R) ,
−∞

como querı́amos demostrar. ¤

Teorema 7 Supongamos que x, y ∈ L1 (R). Entonces

x[
∗ y(ξ) = x̂(ξ)ŷ(ξ)

Demostración. Ya sabemos que x[ ∗ y(t) es absolutamente integrable, de modo que podemos utilizar
el teorema de Fubini otra vez en nuestros cálculos:
Z ∞
x[∗ y(ξ) = x ∗ y(t)e−iξt dt
Z−∞
∞ ½Z ∞ ¾
= x(s)y(t − s)ds e−iξt dt
Z−∞
∞ Z ∞
−∞

= x(s)e−iξs y(t − s)e−iξ(t−s) dsdt

Z−∞ −∞
∞ ½Z ∞ ¾
= x(s)e ds y(t − s)e−iξ(t−s) dt
−iξs
−∞
Z ∞−∞
= x̂(ξ) y(t − s)e−iξ(t−s) dt
−∞
= x̂(ξ)ŷ(ξ),

que es lo que querı́amos demostrar. ¤

Evidentemente el teorema de convolución anterior es útil en teorı́a de señales, puesto que los
filtros son normalmente operadores de convolución y, usando el resultado anterior, podemos convertir

10
 LAFA. Laboratorio de Análisis de Fourier Aplicado

una operación relativamente complicada (la convolución de señales en el dominio del tiempo) en
otra muy sencilla (el producto de señales en el dominio de la frecuencia). Esto lleva a pensar que
quizás cierto tipo de problemas que se plantean de forma natural en el dominio del tiempo se puedan
trasladar (vı́a la transformada de Fourier) al dominio de la frecuencia, donde (supuestamente) serán
más fáciles de resolver. En tal caso, una vez obtenida la solución en el dominio de la frecuencia,
será necesario llevársela al domino del tiempo vı́a una transformación que deberá funcionar como el
operador inverso de la transformada de Fourier. Con esto, queda motivado el contenido de la siguiente
sección.

1.3. El teorema integral de Fourier

En las secciones anteriores llegamos mediante una serie de argumentos heurı́sticos a la expresión
Z ∞
1
x(t) = F(x)(ξ)eiξt dξ.
2π −∞

Ahora vamos a estudiar en detalle bajo qué condiciones sobre la señal x(t) se satisface dicha fórmula.
De la misma forma que no fue sencillo el estudio de la convergencia de las series de Fourier, la
respuesta a la pregunta que nos formulamos ahora no es Rtrivial en absoluto. Para empezar, pudiera
∞
suceder que F(x) = x b∈/ L1 (R) y, por tanto, la expresión −∞ F(x)(ξ)eiξt dξ no sea convergente. Un
ejemplo de que esto es perfectamente posible lo da la identidad (que ya demostramos en su momento)
sin(aξ)
F(ua )(ξ) = 2 .
ξ

b ∈ L1 (R) es posible que para comprobar la fórmula

por otra parte, aún en el caso de que x
Z ∞ µZ ∞ ¶
1
x(t) = x(s)e ds eiξt dξ
−iξs
2π −∞ −∞

no baste con substituir por el valor de x(s) y realizar el cálculo de la integral doble, pues podrı́a suced-
er que no podamos hacer ciertas operaciones como, por ejemplo, intercambiar el orden de integración
(debido a que no hay convergencia absoluta para la integral doble).
Pero podemos intentar lo siguiente:

Primero multiplicamos el integrando xb(ξ) por una función Φε (ξ) que decrezca muy rápido para
ξ → ±∞ pero que, si hacemos ε → 0, se aproxime uniformemente a la función 1. De esta
forma, para ε > 0 fijo, podemos hacer las cuentas (intercambiar el orden de integración, etc)
pues la correspondiente integral doble es absolutamente convergente.

A continuación intentamos llegar a nuestro resultado tomando ε → 0.

Existen varias elecciones de Φε (ξ) que funcionan (y, por tanto, existen varias versiones del Teore-
2 2
ma Integral de Fourier2 ). Una posibilidad es tomar Φε (ξ) = e−ε ξ /2 y, de hecho, el correspondiente
teorema es muy usado para el estudio de procesos estocásticos. Nosotros vamos a elegir Φε (ξ) de
2
En realidad, esto es parecido a la existencia de varios métodos de sumación para las series de Fourier.

11
 LAFA. Laboratorio de Análisis de Fourier Aplicado

forma un poco más drástica. Tomamos: Φε (ξ) = χ[− 1 , 1 ] (ξ), lo que es equivalente a interpretar la
R∞ ε ε
integral −∞ eiξt x
b(ξ)dξ como su valor principal. Es decir, para nuestro teorema, no suponemos la
convergencia de la integral impropia en el sentido estricto sino que interpretamos que denota su valor
principal, µZ ¶ Z
∞ M
v.p b(ξ)eiξt dξ
x = lı́m b(ξ)eiξt dξ.
x
−∞ r→∞ −M

De esta forma, llegamos a demostrar el siguiente (importante) resultado:

Teorema 8 (Teorema Integral de Fourier) Supongamos que x(t) es continua a trozos, absoluta-
mente integrable en R, en cada punto admite ambas derivadas laterales, y que en los puntos de
discontinuidad está definida como

x(t) = (x(t+) + x(t−))/2.

Entonces Z µZ ¶
M ∞
1 iξt 1 iξt
x(t) = lı́m e x
b(ξ)dξ = v.p e x
b(ξ)dξ (t ∈ R)
M →∞ 2π −M 2π −∞

Demostración. Utilizamos el teorema de Fubini para ver que

1
RM 1
R M ³R ∞ ´
2π −M
b(ξ)e dξ = 2π −M −∞ x(s)e ds eiξt dξ
x iξt −iξs

R∞ ³R ´
1 M −iξs iξt
= 2π −∞
x(s) e e dξ ds
µ −M i ¶
1
R∞ iξ(t−s)
ξ=M
= 2π −∞
x(s) ei(t−s) ds
ξ=−M
R∞
1
= 2π x(s) 2 sin(M (t−s))
ds
R
1 t
−∞ t−s R∞
= π −∞ x(s) t−s ds + π1 t x(s) sin(Mt−s
sin(M (t−s)) (t−s))
ds

Si hacemos el cambio de variable u = s − t, entonces

Z M Z Z
1 iξt 1 0 sin(M u) 1 ∞ sin(M u)
x
b(ξ)e dξ = x(u + t) du + x(u + t) du.
2π −M π −∞ u π 0 u

Vamos a demostrar que Z ∞

1 sin(M u) x(t+)
x(t + u) du =
π 0 u 2
y Z 0
1 sin(M u) x(t−)
x(u + t) du = .
π −∞ u 2
En realidad, basta que hagamos
R ∞ una de estasu)pruebas (la otra es análoga). Lo primero que hacemos es
descomponer la integral π1 0 x(t + u) sin(M
u
du en dos trozos, como sigue
Z Z Z
1 ∞ sin(M u) 1 π sin(M u) 1 ∞ sin(M u)
x(t + u) du = x(t + u) du + x(t + u) du
π 0 u π 0 u π π u

12
 LAFA. Laboratorio de Análisis de Fourier Aplicado

(la elección de la constante π no es, de todas formas, significativa). La función

½ 1 x(t+u)
si u ≥ π
y(t) = π u
0 si u < π

es continua a trozos y absolutamente integrable en R, de modo que podemos utilizar el Teorema de

Riemann Lebesgue para garantizar que
Z ∞
lı́m y(t) sin(M t)dt = 0
M →∞ −∞

1
R∞ x(t+u)
Por tanto, lı́mM →∞ M π u
sin(M u)du = 0 y sólo tenemos que estudiar el lı́mite
Z
1 π sin(M u)
lı́m x(t + u) du.
M →∞ π 0 u
+
Ahora bien, sabemos que h(u) = x(t+u)−x(tu
)
es continua a trozos y, por tanto, también como conse-
cuencia del Teorema de Riemann-Lebesgue, se tiene que
Z
1 π sin(M u)
lı́m x(t + u) du
M →∞ π 0 u
½Z π Z π ¾
1 x(t + u) − x(t+ ) + sin(M u)
= lı́m sin(M u)du + x(t ) du
M →∞ π 0 u 0 u
Z
x(t+ ) π sin(M u)
= lı́m du
M →∞ π 0 u

Si hacemos el cambio de variable s = M u, obtenemos que du u

= ds
s
y, por tanto,
Z π Z πM Z ∞
sin(M u) sin(s) sin(s)
lı́m du = lı́m ds = ds
M →∞ 0 u M →∞ 0 s 0 s
R∞
La demostración del teorema se concluye si tenemos en cuenta que 0 sin(s) s
ds = π2 , hecho que
separamos en forma de nota. ¤
R∞
Nota 3 Veamos que 0 sin(s) ds = π2 . Como sin(s) es continua en [0, ∞), la integral impropia será con-
s R ∞ sin(s) s
vergente si y solo si lo es la integral a s
ds para alguna elección de a > 0. Para demostrar esto
último, hacemos integración por partes.
Z ∞ ¸s=∞ Z ∞
sin(s) − cos s sin(s)
ds = + ds
a s s s=a a s2
¯ s¯ R
Ahora bien, ¯ sin
2
¯ ≤ 12 y ∞ 12 ds < ∞. Esto demuestra que nuestra integral impropia existe.
s s a s R∞
Teniendo en cuenta que sinu u es una función continua concluimos que la integral impropia 0 sin(s) s
ds
se podrá representar como
Z ∞ Z Rn
sin(s) sin(s)
ds = lı́m ds
0 s Rn →∞ 0 s

13
 LAFA. Laboratorio de Análisis de Fourier Aplicado

para alguna elección de la sucesión {Rn }∞

n=0 . Para hacer efectivos los cálculos, tomamos Rn =
1
(n + 2 )π, de modo que
Z ∞ Z π
sin u sin((n + 1/2)t)
du = lı́m dt
0 u n→∞ 0 t
Z π
2 sin( 12 t) sin((n + 1/2)t)
= lı́m dt
n→∞ 0 t 2 sin( 12 t)
Z π
2 sin( 12 t)
= lı́m Dn (t)dt
n→∞ 0 t
π 2 sin( 21 t) π
= lı́m+ = ,
2 t→0 t 2
(donde se ha utilizado el Teorema de Dirichlet ??). Esto finaliza la prueba. ¤

1.4. Transformada de Fourier de funciones de L2 (R)

En principio, la transformadaR ∞de Fourier de una señal x(t) ∈ L2 (R) podrı́a no existir, por la
iξt
/ L1 (R). Aún ası́, serı́a
sencilla razón de que la integral −∞ x(t)e dξ podrı́a ser divergente si x(t) ∈
deseable disponer de una extensión de la transformada de Fourier a todo L2 (R): despues de todo,
L2 (R) es el substituto natural (en el mundo analógico) de l2 (Z) y, ya que la serie de Fourier tenı́a
tan buenas propiedades en relación con el espacio l2 (Z), quizás consigamos algo parecido para la
transformada de Fourier.
La extensión a que nos referimos se puede hacer en gran medida gracias al siguiente resultado
técnico:

Lema 2 Si x(t), y(t) ∈ L1 (R) son tales que también x

b(t), yb(t) ∈ L1 (R), entonces tanto x(t), y(t)
b(t), yb(t) pertenecen a L2 (R) y además
como x
1
(x, y)L2 (R) = (b
x, yb)L2 (R)
2π
En particular, si x(t) = y(t), entonces se tiene la siguiente “fórmula de Parseval”:
1
||x||L2 (R) = ||b
x||L2 (R)
2π
b(t) ∈ L1 (R) implica x(t), x
Demostración. Que x(t), x b(t) ∈ L2 (R) es sencillo de probar. Vamos a

14
 LAFA. Laboratorio de Análisis de Fourier Aplicado

calcular el producto (x, y)L2 (R) utilizando el teorema integral de Fourier:

Z ∞
(x, y)L2 (R) = x(t)y(t)dt
−∞
Z ∞ ÃZ !
∞
1
= x(t) yb(ξ)eiξt dξ dt
2π −∞ −∞
Z ∞ µZ ∞ ¶
1 −iξt
= yb(ξ)x(t)e dt dξ
2π −∞ −∞
Z ∞ µZ ∞ ¶
1 −iξt
= yb(ξ) x(t)e dt dξ
2π −∞ −∞
Z ∞
1 1
= yb(ξ)b
x(ξ)dξ = (b
x, yb)L2 (R)
2π −∞ 2π
Esto termina la prueba. ¤
Ahora, si x(t) ∈ L2 (R), entonces es posible encontrar una sucesión de señales {xn (t)}∞ n=0 tales
bn (ξ) ∈ L1 (R) para todo n ≥ 0 y lı́mn→∞ ||x − xn ||L2 (R) = 0 (ver [?]). Se sigue entonces
que xn (t), x
xn (ξ)}∞
del lema anterior que la sucesión {b 2
n=0 es de Cauchy en L (R), ya que la sucesión {xn (t)}n=0
∞

lo es (al ser convergente) y

||b
xn (ξ) − x
bm (ξ)||L2 (R) = 2π||xn (t) − xm (t)||L2 (R)
se satisface para todo n, m ≥ 0. Se sigue que existe una señal z(ξ) ∈ L2 (R) tal que
lı́m ||b
xn (ξ) − z(ξ)||L2 (R) = 0.
n→∞

Veamos que z(ξ) no depende de la sucesión de aproximantes {xn (t)}∞ ∞

n=0 : si {yn (t)}n=0 fuese otra
sucesión de señales con yn (t), ybn (ξ) ∈ L1 (R) y lı́mn→∞ ||x − yn ||L2 (R) = 0, entonces se tendrı́a que
lı́m ||b
xn (ξ) − ybn (ξ)||L2 (R) = 2π lı́m ||xn (t) − yn (t)||L2 (R) = 0
n→∞ n→∞

y, por tanto, también lı́mn→∞ ||b

yn (ξ) − z(ξ)||L2 (R) = 0. Esto prueba que z(ξ) sólo depende de la señal
2
x(t) ∈ L (R).
Definición 3 Llamamos transformada de Fourier3 de la señal x(t) ∈ L2 (R) a la única señal x b(ξ) tal
que es lı́mite en el sentido de L2 (R) de una sucesión de transformadas {b
xn (ξ)}∞
n=0 , donde {x n (t)} ∞
n=0 ⊂
2 1
L (R) satisface xn (t), x bn (ξ) ∈ L (R) para todo n ≥ 0 y lı́mn→∞ ||x − xn ||L2 (R) = 0.
De esta forma hemos demostrado el siguiente (importante) resultado:
Teorema 9 (Plancherel) La transformada de Fourier, definida originalmente en L2 (R) ∩ L1 (R), se
extiende de forma única a un operador F : L2 (R) → L2 (R) (F(x(t)) = x b(ξ)). Además,
1 1
(x, y)L2 (R) = (b
x, yb)L2 (R) y ||x||L2 (R) = ||b
x||L2 (R) ,
2π 2π
se satisfacen para toda elección de x, y ∈ L2 (R).
Nota 4 El resto de propiedades algebraicas de la transformada de Fourier también se conservan
para la extensión que hemos definido en esta sección.
3
Algunos autores llaman transformada de Plancherel a la extensión de F a L2 (R) y la denotan por P. Ver, por ejemplo,
[?].

15
 LAFA. Laboratorio de Análisis de Fourier Aplicado

1.5. Fórmula de Poisson

P
Sea x ∈ L1 (R) y sea ϕ(t) = ∞ n=−∞ x(t + nT ). Es evidente que ϕ(t) = ϕ(t + T ) para todo
t ∈ R y, además,
Z T X∞ Z T X∞ Z (n+1)T
|ϕ(t)|dt ≤ |x(t + nT )|dt = |x(t)|dt = kxkL1 < ∞
0 n=−∞ 0 n=−∞ nT

por tanto, podemos intentar calcular los coeficientes de Fourier de ϕ como función T -periódica.
Z ∞ Z T ∞ Z (n+1)T
1 T − 2πikt 1 X − 2πikt 1 X 2πikt
ck (ϕ) = ϕ(t)e T dt = x(t + nT )e T dt = x(t)e− T dt
T 0 T n=−∞ 0 T n=−∞ nT
Z ∞
1 2πikt 1 2πk
= x(t)e− T dt = x b( )
T −∞ T T
Se sigue que el desarrollo en serie de Fourier de ϕ es
∞
1 X 2πk 2πikt
ϕ(t) ∼ x
b( )e T
T k=−∞ T

y, por tanto, cuando se pueda garantizar la convergencia de dicho desarrollo, se tendrá la conocida
fórmula de Poisson ∞ ∞
X 1 X 2πn 2πint
x(t + nT ) = x
b( )e T (2)
n=−∞
T n=−∞
T
Un caso especial es el que se logra de hacer t = 0 en la expresión anterior:
∞
X ∞
1 X 2πn
x(nT ) = x
b( ). (3)
n=−∞
T n=−∞ T

Es muy importante, para nuestros objetivos futuros (relacionados con la teorı́a del muestreo de señales
analógicas), observar que se satisface la siguiente propiedad:

Proposición 3 Si x = φ ∈ S, entonces se satisface la Fórmula de Poisson (2).

2. Transformada de Fourier de Señales Generalizadas

Uno de los problemas que tiene el concepto de transformada de Fourier es que para calcular F(x)
es necesario asumir que x ∈ L1 (R) o, mediante el argumento explicado en la seccióón anterior, tam-
bien podemos ampliar dicho cálculo al caso en que x(t) es una señal de energı́a finita, x ∈ L2 (R).
¿Podemos definir la transformada de Fourier de señales en espacios menos restrictivos?. Por ejem-
plo, ¿es posible definir F(x) cuando x ∈ Lp (R), p ∈ (1, ∞)? (Una idea podrı́a ser considerar los
elementos de Lp (R) como funciones generalizadas).
Si tenemos en cuenta que para toda función φ ∈ S se tiene que F(φ) ∈ S (algo que dejamos
como ejercicio para el lector), entonces podemos definir la transformada de Fourier de una señal
generalizada x ∈ G del siguiente modo:

16
 LAFA. Laboratorio de Análisis de Fourier Aplicado

Definición 4 Sea x ∈ G una función generalizada arbitraria. Definimos su transformada de Fourier

(generalizada) F(x) mediante la fórmula siguiente:

F(x){φ} = x{F(φ)}

También usamos la notación x

b = F(x).

Nota 5 En la definición anterior se está utilizando la caracterización de las funciones generalizadas

como distribuciones temperadas (i.e., funcionales continuos h : S → C). Ver Teorema ??.

El concepto que acabamos de introducir permite hacer un uso muy extenso de las transformadas de
Fourier ya que en principio no hay grandes restricciones para las funciones generalizadas. En particu-
lar, esto se hará notar en el estudio del teorema del muestreo clásico. Ahora, para que la transformada
de Fourier que acabamos de introducir sea útil es imprescindible comprobar que las propiedades
básicas de la transformada de Fourier clásica se conservan.

Teorema 10 (Teorema de inversión de Fourier para señales generalizadas) Sea x(t) ∈ G una fun-
ción generalizada. Entonces para toda señal φ ∈ S se tiene que
1b
x
b{φ(t)} = x{φ(−t)},
2π
1 b
y, por tanto, podemos afirmar que x(t) = 2π
x
b(−t).

Demostración. Sean x ∈ G y φ ∈ S. Entonces

Z ∞
1b 1 b
x
b{φ(t)} = x
b(t)φ(t)dt
2π 2π −∞
Z ∞
1 bb
= x(t)φ(t)dt
2π
Z ∞ −∞
= x(t)φ(−t)dt
−∞
= x{φ(−t)}

Nota 6 Obsérvese con qué facilidad hemos podido demostrar el teorema de inversión para señales
generalizadas, a pesar de lo dificil que fue su prueba para las señales ordinarias. Ahora bien: dicha
simplicidad es engañosa puesto que nuestra prueba descansa sobre el hecho de que se conoce el
teorema de inversión de Fourier para las funciones φ que están en la clase de Schwartz, que son
señales ordinarias.

Ejemplo 3 Vamos a calcular la transformada de Fourier de la función delta de Dirac δ. Por defini-
ción, F(δ){φ} = δ{F(φ)} = F(φ)(0) y, por tanto,
Z ∞
F(δ){φ} = φ̂(0) = φ(s) · 1ds = 1{φ}.
−∞

17
 LAFA. Laboratorio de Análisis de Fourier Aplicado

para toda señal φ ∈ S. Por tanto, hemos demostrado que F(δ) = 1. Además, utilizando el teorema de
ˆ
inversión de Fourier, y el hecho de que δ es par, podemos afirmar que F(1)(t) = δ̂(t) = 2πδ(−t) =
2πδ(t). Además, si consideramos las traslaciones de la señal delta de Dirac, δw (t) = δ(t − w),
entonces obtenemos que
Z ∞
c
δw {φ} = δ(t − w)φ̂(t)dt
−∞
Z ∞
= δ(s)φ̂(s + w)dt
−∞

= φ̂(w)
Z ∞
= e−iwt φ(t)dt
−∞
−iwt
= (e ){φ},

\
es decir, δ(· − w)(t) = exp(−wit).

Ejemplo 4 El ejemplo anterior sirve (entre otras cosas) para calcular la transformada de Fourier de
una exponencial compleja, x(t) = exp(iwt). Para ello basta aplicar el Teorema 10, pues

\
\
x
b(t) = δ(· − w)(t) = 2πδ(−t − w) = 2πδ(t + w).

Ejemplo 5 Otro
P ejemplo importante es el cálculo de la¡P
transformada de Fourier
¢ del tren de impulsos
III{φ}T = ∞ n=−∞ φ(nT ). Claramente, III T {φ} = ∞
n=−∞ δ(· − nT ) {φ}. Por tanto,
∞
X
[T {φ} =
III δ(·\
− nT ){φ}
n=−∞
X∞
= exp(−inT t){φ}
n=−∞
X∞
= b
φ(nT )
n=−∞
X∞
2π 2π
= φ( n) (gracias a la Fórmula de Poisson (3)).
T n=−∞
T
2π
= III 2π {φ}.
T T

[T =
Es decir, III 2π
III 2π .
T T

Teniendo en cuenta la conocida fórmula de derivación de Leibnitz,

Xn µ ¶
(n) n (k) (n−k)
(f g) = f g ,
k=0
k

18
 LAFA. Laboratorio de Análisis de Fourier Aplicado

se puede demostrar que si la señal α satisface

α(k) ∈ CSG para todo k ∈ N, (4)
entonces, para toda señal φ ∈ S se tiene que αφ ∈ S. Veámoslo. Para ello, calculamos las derivadas
Xn µ ¶
(n) n (k) (n−k)
(αφ) = α φ .
k=0
k

Como α(k) ∈ CSG y φ(n−k) ∈ S para todo k ≤ n, se tiene que las funciones α(k) φ(n−k) pertenecen a
S para todo k ≤ n y, por tanto, también se tiene que (αφ)(n) ∈ S.
Obviamente, si la señal α satisface la condición (4), podemos definir para toda señal generalizada
x ∈ G, el producto generalizado
(α · x){φ} = x{φ · α}.
Obviamente, si la señal α satisface la condición (4), podemos definir para toda señal generalizada
x ∈ G, el producto generalizado
(α · x){φ} = x{φ · α}.
Por otra parte, la convolución de señales generalizadas se puede definir de la siguiente forma: Supong-
amos que las señales β,b βb0 , βb00 , · · · pertenecen a S. Entonces, para toda señal x ∈ G se define el
producto de convolución Z ∞
(β ∗ x){φ} := e
x(t)(φ ∗ β)(t)dt,
−∞
e := β(−t).
donde β(t)
Vamos a probar que entonces se satisface la siguiente importante propiedad:
Teorema 11 (Producto y Convolución) Sean α(t) verificando (4) y x ∈ G. Entonces
1
αd
·x= α
b∗x b.
2π
Demostración. Para empezar, si tenemos en cuenta que α verifica (4), entonces β = α b satisface las
b b
condiciones necesarias para definir el producto de convolución β ∗ x, puesto que β = α
b = 2πe α.
Sea ϕ ∈ S. Entonces, para toda señal φ ∈ S se tiene que
Z ∞
[
(ϕα){φ} = b
(ϕα)(t)φ(t)dt
Z−∞∞
= b
α(t)(φ(t)ϕ(t))dt
−∞
Z ∞
1 \ be
= α(t)(φ ∗ ϕ)(t)dt
2π −∞
Z ∞
1 be
= αb(t)(φ ∗ ϕ)(t)dt
2π −∞
Z ∞
1 eb
= αb(t)(φ ∗ ϕ)(t)dt
2π −∞
Z ∞
1 1
= (b
α ∗ ϕ)(t)φ(t)dt
b = (b
α ∗ ϕ){φ}
b
2π −∞ 2π

19
 LAFA. Laboratorio de Análisis de Fourier Aplicado

[ = 1 (b
lo que demuestra que (ϕα) α ∗ ϕ)
b siempre que ϕ ∈ S. En particular, hemos dado una prueba
2π
explı́cita de que para toda señal ϕ ∈ S se tiene que ϕ ∗ α
e ∈ S y, por tanto, el producto de convolución
α
b∗x b{φ} está bien definido.
Terminamos la demostración calculando αd · x{φ} explı́citamente:
Z ∞
\
(α · x){φ} = b
x(t)α(t)φ(t)dt
−∞
Z ∞
= b
α(t)(φ(t)x(t))dt
−∞

Z ∞
1 \ b
= α(t)(φ ∗ xe)(t)dt
2π −∞
Z ∞
1 b
= αb(t)(φ ∗ x
e)(t)dt
2π −∞
Z ∞
1 e
= αb(t)(φ ∗ x
b)(t)dt
2π −∞
Z ∞
1 1
= (b
α∗x b)(t)φ(t)dt = (b
α∗x
b){φ}
2π −∞ 2π

3. Transformada de Fourier y sistemas LTI: diferentes tipos de

filtros
Ya sabemos que una clase amplia de filtros se pueden representar a través de la convolución
contra la respuesta del sistema LTI al impulso unidad (i.e., Lx = x ∗ h, donde h = Lδ). Si tomamos
la transformada de Fourier a ambos lados de la igualdad, obtenemos que el sistema LTI se puede
representar en el dominio de la frecuencia como

b·b
yb = F(Lx) = F(x)F(h) = x h

Generalmente, se emplea la notación siguiente: X(w) = x b(w) representa la entrada del sistema e
Y (w) = yb(w) representa la salida del sistema (ambas en el dominio de la frecuencia). En tal caso, la
señal H(w) = bh(w) caracteriza completamente el sistema (en el dominio de la frecuencia). La señal
H(w) recibe el nombre de función de transferencia del sistema. Evidentemente, la fórmula

Y (w) = X(w)H(w),

que describe completamente el sistema en el dominio de la frecuencia, es más sencilla (en principio)
que la correspondiente fórmula en el dominio del tiempo. Esto, además, posee importantes aplica-
ciones para el diseño de filtros: veamos por qué.

20
 LAFA. Laboratorio de Análisis de Fourier Aplicado

Consideremos la señal exponencial truncada:

½
iwt eiwt |t| ≤ T
xT (t) = e χ[−T,T ] (t) =
0 otro caso
y sea L un filtro con respuesta al impulso unidad dada por (Lδ)(t) = h(t). Entonces se tiene que
Z ∞
(LxT )(t) = (xT ∗ h)(t) = xT (t − s)h(s)ds
−∞
Z T +t
= eiw(t−s) h(s)ds
T −t
Z T +t
iwt
= e e−iws h(s)ds
T −t

Si ahora tomamos lı́mite T → ∞ en ambos miembros de la igualdad, entonces obtenemos que

L(eiwt )(t) = b
h(w)eiwt .

Es decir: eiwt es un autovector del operador L y su autovalor asociado es precisamente H(w) = b

h(w).
Esto nos lleva a considerar el siguiente concepto:
Definición 5 Sea H(w) = A(w)e−iΦ(w) la función de transferencia del filtro L, donde se supone
que A(w) ≥ 0 y Φ(w) ∈ R para todo w. Entonces llamamos espectro de amplitud del sistema a la
función A(w) y espectro de fase a la función Φ(w). Decimos que el sistema no produce distorsión
en las amplitudes si la función A(w) = A0 > 0 es constante. Decimos que el filtro produce un
desplazamiento en la fase si la función Φ(w) es lineal, Φ(w) = wt0 . En tal caso, decimos que el
filtro es ideal, ya que no produce distorsión en la fase.
Una propiedad sencilla de los espectros de fase y de amplitud de un filtro, es la siguiente:
Teorema 12 Supongamos que h(t) = (Lδ)(t), la respuesta al impulso unidad es una señal real.
Entonces el espectro de amplitudes del sistema es una función par y el espectro de frecuencias del
sistema es una función impar.
Demostración. Como H(w) = A(w)e−iΦ(w) = bh(w), tenemos que
Z ∞ Z ∞
H(w) = e−iws h(s)ds = eiws h(s)ds = H(−w).
−∞ −∞

Por tanto,
A(w)e−iΦ(w) = A(w)eiΦ(w) = H(w) = H(−w) = A(−w)e−iΦ(−w) ,
lo que nos lleva a las igualdades
½
A(w) = A(−w) (i.e., A es par)
Φ(−w) = −Φ(w) (i.e., Φ es impar),
que es lo que querı́amos probar. ¤

A continuación, vamos a describir la construcción de algunos tipos (importantes) de filtros ideales:

21
 LAFA. Laboratorio de Análisis de Fourier Aplicado

3.0.1. Filtros ideales paso bajo

En el caso de un filtro ideal paso-bajo queremos eliminar la influencia de todas las frecuencias w
que sobrepasen en amplitud una frecuencia dada (i.e., con |w| ≥ w0 para cierto valor fijo w0 > 0),
y no distorsionar la influencia de las frecuencias w que satisfacen |w| < w0 . Como el filtro es ideal,
tendremos que Φ(w) = wt0 para cierto t0 fijo. Ambas exigencias nos llevan derechos a la expresión
½ −iwt
e 0
|w| ≤ w0
Hw0 (w) = .
0 otro caso

Como H(w) = b h(w), podemos usar el teorema de inversión de la transformada de Fourier para
obtener que la respuesta al impulso unidad del correspondiente sistema LTI viene dada por
Z ∞ Z w0
1 iwt 1
hw0 (t) = Hw0 (w)e dw = eiw(t−t0 ) dw
2π −∞ 2π −w0
sin(w0 (t − t0 ))
=
π(t − t0 )

y, por tanto, nuestro filtro está dado por

Z ∞
sin(w0 (t − s − t0 ))
Lw0 (x)(t) = x(s) ds
−∞ π(t − s − t0 )

3.0.2. Filtros ideales paso todo

En el caso de un filtro ideal paso-todo, no deseamos ningún tipo de distorsión sobre el espectro de
amplitudes o el espectro de fases. Esto significa que podrı́amos tomar como filtro paso todo el sistema
L obtenido como lı́mite del sistema Lw0 calculado en el apartado anterior, para w0 → ∞,
Z ∞
sin(w0 (t − s − t0 ))
(Lx)(t) = lı́m x(s) ds
w0 →∞ −∞ π(t − s − t0 )
Z ∞
= x(s)δ(t − t0 − s)ds = x(t − t0 )
−∞

Esto demuestra que los únicos filtros ideales paso-todo que existen son las traslaciones en el tiempo.

3.0.3. Filtros ideales paso alto

Denotemos por Sw0 un filtro ideal que elimine todas las componentes de frecuencia de la señal
para frecuencias que satisfacen |w| < w0 para cierto w0 fijo, pero deje intactas las componentes de
frecuencia |w| ≥ w0 (diremos entonces que Sw0 es un filtro ideal paso alto) y sea Lw0 el filtro paso
bajo descrito anteriormente. Entonces Sw0 + Lw0 es forzosamente un filtro paso todo y, por tanto,
(Sw0 x)(t) = x(t − t0 ) − (Lw0 x)(t) para cierta elección de t0 .

22
 LAFA. Laboratorio de Análisis de Fourier Aplicado

3.0.4. Filtros ideales de banda estrecha

En muchas aplicaciones queremos eliminar todas las componences de frecuencia de una señal
excepto aquellas que están muy cerca de una componente de frecuencia prefijada, wc 6= 0. Para ello,
fijamos un valor pequeño w0 << wc y entendemos como frecuencias cercanas a wc aquellas para las
que |w − wc | < w0 . Como el espectro de amplitudes es par (estamos tratando con señales reales),
el comportamiento cerca de −wc está sujeto a la relación A(−w) = A(w). Como de todas formas
queremos que el filtro sea ideal, la correspondiente función de transferencia debe ser forzosamente de
la forma ½ −iwt
e 0
si máx{|w − wc |, |w + wc |} ≤ w0
Hwc ,w0 (w) =
0 otro caso
La respuesta al impulso unidad es, por tanto:
Z ∞
1
hwc ,w0 (w) = Hwc ,w0 (w)eiwt dw
2π −∞
Z −wc +w0 Z wc +w0
1 iw(t−t0 ) 1
= e dw + eiw(t−t0 ) dw
2π −wc −w0 2π wc −w0
1
= {sin((wc + w0 )(t − t0 )) − sin((wc − w0 )(t − t0 ))}
π(t − t0 )
1
= sin(wc (t − t0 )) cos(wc (t − t0 )).
π(t − t0 )
Nota: Como se habrá observado, los filtros ideales tienen el problema de ser sistemas no causales
y, por tanto, ser fı́sicamente irrealizables. En la práctica aparece, por tanto, el siguiente importante
problema: buscar aproximaciones razonablemente buenas a los diferentes tipos de filtros ideales (i.e.,
a las funciones de transferencia de dichos filtros) mediante el uso de funciones de transferencia que
se correspondan con filtros causales. Este problema no es en absoluto sencillo de resolver (ni existe,
por el momento, una solución óptima del mismo) y, debido a la naturaleza elemental de estas notas,
no abordamos su solución aquı́.

4. Transformada de Laplace
4.1. Algunas limitaciones de la Transformada de Fourier
Como ya hemos comentado anteriormente, una de las limitaciones más significativas de la Trans-
formada de Fourier Z ∞
F(x)(ξ) := xb(ξ) := x(s)e−iξs ds
−∞

es que para garantizar su existencia (cuando consideramos señales que son funciones en el sentido
ordinario del término), necesitamos exigir que la señal x(t) sea absolutamente integrable, ya que, al
ser ξ ∈ R, se tiene que |e−iξs | = 1 para toda elección de s ∈ R. Si suponemos que nuestra señal es
causal (i.e., x(t) = 0 para t < 0) y permitimos que ξ tome valores complejos, la situación cambia,
puesto que
|e−zt | = |e−(tRez+iImz) | = |e−tRez |

23
 LAFA. Laboratorio de Análisis de Fourier Aplicado

es una función absolutamente integrable en (0, ∞) si Rez > 0 y, por tanto,

Z ∞
L(x)(z) := F(x)(−iz) = x(s)e−zs ds
0

converge incluso para funciones no acotadas x(t).

Definición 6 Dada la señal x(t), su transformada de Laplace4 es la función de variable compleja

Z ∞
L(x)(z) = e−zs x(s)ds; z ∈ Ω,
0

donde Ω ⊂ C es el conjunto de puntos del plano complejo para los que la integral del segundo
miembro de la fórmula anterior es convergente.

En algunos textos se llama transformada de Laplace unilateral a la transformada que acabamos de

definir y se define la transformada de Laplace tomando la integral en toda la recta real. Para nosotros,
la transformada Z ∞
Lb (x)(z) = e−zs x(s)ds
−∞

recibe el nombre de transformada de Laplace bilateral.

4.2. Propiedades elementales de la transformada de Laplace

Antes de describir las propiedades más importantes de la transformada de Laplace, veamos al-
gunos ejemplos.

Ejemplo 6 Tomamos x(t) = u(t), la función escalón unidad. Entonces

Z ∞ ¸s=L
−zs e−zs 1
L(x)(z) = e ds = lı́m = , para z > 0.
0 L→∞ −z z
=0

Si z < 0, entonces la integral impropia anterior es divergente y, por tanto, no existe transformada
de Laplace en dichos valores.

Ejemplo 7 Tomamos x(t) = exp(at) (a ∈ R). Entonces

Z ∞ ¸s=L
−zs as e(a−z)s 1
L(x)(z) = e e ds = lı́m = , para z > 0.
0 L→∞ a − z z−a
=0
4
P. S. Laplace (1749-1827). Matemático francés. En palabras del profesor Solomon Bochner (ver [?]), podemos afirmar
que Laplace dominó la matemática, astronomı́a, fı́sica y teorı́a de probabilidades de su época, y contribuyó a todas ellas.
De origen social modesto, comenzó como protegido de D’Alembert. Sus resultados más importantes fueron: una hipótesis
cosmológica, la revisión de la fórmula de Newton para la propagación del sonido; una memoria con Lavoisier sobre
aspectos cuantitativos de la quı́mica y la introducción de las integrales de Laplace como funciones generatrices en la
teorı́a de la probabilidad.

24
 LAFA. Laboratorio de Análisis de Fourier Aplicado

exp(iat)−exp(iat)
Ejemplo 8 Tomamos x(t) = sin(at). Entonces podemos utilizar que sin(at) = 2i
Z ∞
L(x)(z) = e−zs sin(as)ds
0
Z ∞
exp(ias) − exp(ias)
= e−zs ds
0 2i
exp(iat) exp(iat)
= L( )(z) − L( )(z)
µ 2i ¶ 2i
1 1 1
= −
2i z − ia z + ia
a
= 2 (para z > 0).
z + a2
exp(iat)+exp(iat)
Ejemplo 9 Tomamos x(t) = cos(at). Entonces podemos utilizar que sin(at) = 2
Z ∞
L(x)(z) = e−zs cos(as)ds
Z0 ∞
exp(ias) + exp(ias)
= e−zs ds
0 2i
exp(iat) exp(iat)
= L( )(z) + L( )(z)
µ 2 ¶ 2
1 1 1
= +
2 z − ia z + ia
z
= 2 (para z > 0).
z + a2
Ejemplo 10 Consideremos ahora la transformada de Laplace de una función x(t) contı́nua a trozos
y T -periódica. Entonces:
Z ∞ X∞ Z (k+1)T
−zs
L(x)(z) = e x(s)ds = e−zs x(s)ds
0 k=0 kT
∞ Z T
X
= e−z(u+kT ) x(u)du (donde s = u + kT )
k=0 0
à ∞
!Z
X T
= (e−zT )k e−zu x(u)du
k=0 0
Z T
1
= e−zu x(u)du.
1 − e−zT 0

Podemos probar fácilmente la siguiente proposición.

Proposición 4 Sea x(t) una señal causal continua a trozos con valores reales o complejos. Si existen
constantes a y K tales que
|x(t)| ≤ K exp(at), para todo t ≥ 0
entonces L(x)(z) está bien definida para todo z ∈ C tal que Re(z) > a.

25
 LAFA. Laboratorio de Análisis de Fourier Aplicado

Demostración. Basta observar que

Z ∞ ¯ −zs ¯
|L(x)(z)| ≤ ¯e x(s)¯ ds
Z0 ∞ Z ∞
−Re(z)s
= e |x(s)| ≤ K e(a−Re)(z)s ds
0 0
K
=
Re(z) − a
para todo z ∈ C tal que Re(z) > a. ¤
La transformada de Laplace posee numerosas propiedades algebraicas, como la transformada de
Fourier, y es precisamente en base a dichas propiedades, y a que ésta se puede aplicar a funciones no
absolutamente integrables, que dicha transformada resulta de gran utilidad para las aplicaciones.
A continuación escribimos una lista de las propiedades más importantes de L. Algunas propiedades
las demostramos, pero otras las dejamos como ejercicio.

Linealidad. La transformada de Laplace es un operador lineal. Es decir, si L(xi )(z) existe para
valores z ∈ Ωi (i = 1, 2), y a, b ∈ R, entonces L(ax1 + bx2 )(z) existe para z ∈ Ω1 ∩ Ω2 , y

L(ax1 + bx2 )(z) = aL(x1 )(z) + bL(x2 )(z).

Transformada de Laplace y desplazamientos Se satisface la fórmula:

L(exp(−bt)x(t))(z) = L(x)(z + b).

Además, si u(t) denota la función salto unidad, entonces

L(u(t − t0 )x(t − t0 ))(z) = e−zt0 L(x)(z).

Transformada de Laplace de la derivada. Supongamos que x(t) es derivable y admite trans-

formada de Laplace. Entonces se satisface la igualdad:

L(x0 )(z) = zL(x)(z) − x(0)

Demostración. Basta utilizar el método de integración por partes para el cálculo de L(x0 ). De
hecho,
Z ∞ ¾s=∞ Z ∞
0 −zs 0 −e−zs
L(x )(z) = e x (s)ds = x(s) +z e−zs x(s)ds
0 z s=0 0
= zL(x)(z) − x(0). ¤

La propiedad de la derivada se puede generalizar de la siguiente forma:

Teorema 13 Supongamos que x(t) es de clase al menos C(n) . Entonces se satisface la fórmula sigu-
iente:
L(x(n) )(z) = z n L(x)(z) − z n−1 x(0) − z n−2 x0 (0) − · · · − x(n−1) (0)

26
 LAFA. Laboratorio de Análisis de Fourier Aplicado

Demostración. La prueba se hace por inducción sobre n. Para n = 1 se trata de la fórmula que
acabamos de probar. Supongamos que el resultado es cierto para n − 1. Entonces

L(x(n)
¡ )(z) = x(n−1) (0) − zL(x(n−1) )(z) ¢
= ©z z n−1 L(x)(z) − z n−2 x(0) − z n−3 x0 (0) − · · · − x(n−2)ª(0)
− z n L(x)(z) − z n−1 x(0) − z n−2 x0 (0) − · · · − x(n−1) (0) |z=0
= z n L(x)(z) − z n−1 x(0) − z n−2 x0 (0) − · · · − x(n−1) (0),
que es lo que querı́amos demostrar. ¤
Multiplicación por tn . Se satisface la siguiente fórmula:
L(tn x(t)(z) = (−1)n (L(f )(z))(n)

Propiedad del valor inicial. Supongamos que x0 (t) tiene transformada de Laplace, entonces
se satisface la fórmula:
lı́m zL(x)(z) = x(0+ )
z→∞

Demostración. Consideramos la transformada de Laplace de la señal x0 (t). Sabemos que

L(x0 (t)) = x(0+ ) − zL(x)(z)
Ahora bien, es claro que
Z ∞
0
lı́m L(x (t)) = lı́m e−zs x0 (s)ds = 0,
z→∞ z→∞ 0
−zs
pues e converge a cero para z → ∞. Se sigue que x(0+ ) = lı́mz→∞ zL(x)(z). ¤
Propiedad del valor final. Supongamos que x0 (t) tiene transformada de Laplace, entonces se
satisface la fórmula:
lı́m zL(x)(z) = lı́m x(t)
z→0 t→∞

Demostración. En este caso utilizamos la fórmula

L(x0 (t))(z) = x(0+ ) − zL(x)(z)
tomando lı́mite para z → 0. Como lı́mz→0 e−zs = 1, tenemos que
lı́m (x(0+ ) − zL(x)(z)) = lı́m L(x0 (t))(z)
z→0
Zz→0
∞
= lı́m e−zs x0 (s)ds
z→0 0
Z ∞
= x0 (s)ds = lı́m x(t) − x(0+ ),
0 t→∞

de donde se sigue la fórmula que querı́amos demostrar. ¤

Es evidente que podemos ayudarnos de las propiedades de la transformada de Laplace que acabamos
de demostrar para realizar el cálculo de nuevas transformadas de Laplace. En realidad, podrı́amos de-
cir que el cálculo de transformadas integrales tiene una metodologı́a similar a la que se emplea en un
primer curso de cálculo para hallar integrales indefinidas. De hecho, lo usual en este punto es dedicar
algún tiempo al manejo de la transformada de Laplace a través del uso de las propiedades anteriores,
proponiéndo al alumno una lista de funciones cuya transformada debe calcular.

27
 LAFA. Laboratorio de Análisis de Fourier Aplicado

4.3. Transformada de Laplace inversa

En esta sección estamos interesados en el proceso de inversión de la transformada de Laplace.
Evidentemente, esta transformada perderı́a su utilidad si no fuese posible calcular su transformada
inversa. Sin embargo, veremos que el proceso de inversión es mucho más complejo que en el caso de
la transformada de Fourier.
Comenzamos con el siguiente resultado:

Teorema 14 Supongamos que e−at x(t) es continua a trozos y absolutamente integrable en [0, ∞).
Entonces L(x)(z) es una función analı́tica en el semiplano Ha = {z ∈ C : Re(z) > a}.

Demostración. Basta utilizar el Teorema 6. ¤

Este resultado es importante por varias razones. Por ejemplo, si tenemos en cuenta que una función
analı́tica queda determinada completamente una vez se conoce sobre un conjunto que posea puntos
de acumulación interiores a su dominio de definición (esto es el conocido principio de identidad que
se da en cualquier curso de introducción a las funciones de una variable compleja), entonces resulta
evidente que la transformada de Laplace queda completamente determinada por las expresiones que
se calculen para valores reales de z. En realidad, esto es algo que hemos utilizado para todos los
cálculos que se han hecho anteriormente.
Ahora estamos en condiciones de definir la transformada inversa de Laplace. Como en el caso de
la transformada de Fourier, la posibilidad de invertir la transformada de Laplace de una señal x(t),
depende de ciertas propiedades de suavidad de x(t). Ası́ pues, el teorema análogo al teorema integral
de Fourier es, en este caso, el siguiente resultado:
Teorema 15 (Transformada de Laplace inversa) Supongamos que x(t) es continua, satisface e−at x(t) ∈
L1 ([0, ∞)), y sus derivadas unilaterales existen para todo valor de t. Sea X(z) = L(x)(z) (z > a)
la transformada de Laplace de x(t). Entonces
Z s+iM
1
x(t) = lı́m ezt X(z)dz,
M →∞ 2πi s−iM

para todos los valores t > 0 y s > a.

Nota 7 Obsérvese que la integral que aparece en el teorema anterior se toma sobre la recta Ls =
{z ∈ C : Re(z) = s}, con s > a arbitrariamente elegido. Al tomar s > a, dicha recta está contenida
en el dominio de holomorfı́a de X(z) y, por tanto, no depende de la elección del valor s. Esta fórmula
recibe también el nombre de fórmula de inversión de Mellin-Fourier.

Demostración. Vamos a basar nuestra prueba en el teorema integral de Fourier. Cosideramos s > a
fijo, y definimos la función Y (v) = X(s + iv), v ∈ R. Entonces
Z ∞ Z ∞
−(s+iv)t
£ ¤
Y (v) = e x(t)dt = e−ivt e−st x(t) dt = ŷ(v),
o o

donde ½
e−st x(t), t≥0
y(t) =
0, t < 0.

28
 LAFA. Laboratorio de Análisis de Fourier Aplicado

Ahora bien, las hipótesis sobre x(t) pasan a verificarse para la señal y(t) y, por tanto, podemos aplicar
el teorema integral de Fourier:
Z ∞ Z ∞
1 ivt 1
y(t) = p.v. e ŷ(v)dv = p.v. eivt Y (v)dv, para todo t 6= 0.
2π −∞ 2π −∞
Se sigue que, para t > 0, Z ∞
−st 1
e x(t) = p.v. eivt X(s + iv)dv
2π −∞
y, por tanto,
Z ∞
1
x(t) = p.v. e(s+iv)t X(s + iv)dv
2π −∞
Z s+iM
1
= lı́m ezt X(z)dz,
M →∞ 2πi s−iM

que es lo que querı́amos demostrar. ¤

Ya sabemos en qué condiciones es posible invertir la tansformada de Laplace. Ahora bien, el
cálculo de la transformada inversa de Laplace no es en general sencillo. Dedicamos el resto de es-
ta sección al estudio de algunos casos concretos en los que la transformada L−1 se puede calcular
explı́citamente. En particular, vamos a suponer que X(z) = L(x)(z) es una función con un número
finito de singularidades y vamos a utilizar el teorema del residuo para el cálculo de x(t). Un caso
particular, de especial importancia, es cuando X(z) es una función racional.
Supongamos, pues, que X(z) = L(x)(z) es una función analı́tica en C \ {z1 , . . . , zn } y que
Re(zi ) < a para i = 1, 2, . . . , n. Sea s > a y sea R > 0 un número real lo bastante grande como
para garantizar que el semicı́rculo derecho de centro (s, 0) y radio R contiene en su interior todos los
{zi }ni=1 . Denotemos por γR = IR + CR la curva que parametriza el borde de dicho semicı́rculo, ori-
entada contra el sentido de las agujas del reloj (donde IR representa el trozo de dicha parametrización
que cubre el segmento {s}×[−R, R], y CR parametriza el resto del borde). Podemos aplicar entonces
el teorema de los residuos, para afirmar que
Z Xn
1 zt
e X(z)dz = Res(ezt X(z); zj ).
2πi γR j=1

(Evidentemente, esta identidad se alcanza independientemente de R, para R suficientemente grande).

Por tanto, si reescribimos la integral del miembro de la izquierda de la igualdad como
Z Z Z
1 zt 1 zt 1
e X(z)dz = e X(z)dz + ezt X(z)dz
2πi γR 2πi IR 2πi CR
podemos concluir que, si fuese cierto que
Z
1
lı́m ezt X(z)dz = 0 (5)
R→∞ 2πi γR

entonces tendrı́amos que la fórmula

Z s+iM n
X
1 zt
x(t) = lı́m e X(z)dz = Res(ezt X(z); zj ).
M →∞ 2πi s−iM j=1

29
 LAFA. Laboratorio de Análisis de Fourier Aplicado

proporcionarı́a un cálculo explı́cito de la transformada de Laplace inversa para la función X(z).

El siguiente resultado nos muestra ciertas condiciones suficientes para que la fórmula anterior sea
verdadera:

Teorema 16 Sea X(z) = L(x)(z) una función analı́tica en todo C excepto quizás en un número
finito de puntos y sea γR = IR + CR como antes. Si

lı́m máx |X(z)| = 0,

R→∞ z∈CR

entonces Z
1
lı́m ezt X(z)dz = 0
R→∞ 2πi γR
y, por tanto,
n
X
−1
x(t) = L (X)(t) = Res(ezt X(z); zj ).
j=1

El teorema anterior se puede aplicar para el estudio de la transformada de Laplace inversa de cualquier
función racional, X(z) = p(z)/q(z), con deg p < deg q, pues en tal caso se tiene que X(z) sólo tiene
como posibles singularidades los ceros de q(z) (que son a lo sumo deg q) y lı́mR→∞ máx|z|>R |X(z)| =
0.
Un caso particular que se puede estudiar fácilmente es el descrito por el siguiente resultado:
p(z)
Teorema 17 Supongamos que X(z) = L(x)(z) = q(z)
, deg p < deg q y q(z) = a(z − α1 )(z −
α2 ) . . . (z − αm ), con αi 6= αj para i 6= j. Entonces

Xm
p(αk ) αk t
x(t) = L−1 (X)(t) = 0 (α )
e .
k=1
q k

Demostración. Sabemos que

m
X ezt p(z)
x(t) = Res( ; αk ).
j=k
q(z)
zt
Por tanto, sólo necesitamos calcular los residuos Res( e q(z)
p(z)
; αk ), k = 1, . . . , m. Vamos a suponer
p(z)
que todos los ceros de q(z) son polos de orden uno de q(z)
(y, por tanto, polos de orden uno de
Y (z) = ezt p(z)
pues ezt es una función entera para todo t > 0). Ahora bien, sabemos que si la
q(z)
,
función X(z) posee un polo de orden m en z = α entonces

1 dm−1
Res(X(z); α) = lı́m ((z − α)m X(z)) .
z→αk (m − 1)! dz m−1

En nuestro caso, tenemos que

30
 LAFA. Laboratorio de Análisis de Fourier Aplicado

ezt p(z) p(z)

Res( ; αk ) = lı́m (z − αk )ezt
q(z) z→αk q(z)
z − αk
= lı́m ezt p(z)
z→αk q(z) − q(αk )
µ ¶−1
αk t q(z) − q(αk )
= e p(αk ) lı́m
z→αk z − αk
1
= eαk t p(αk ) 0 , k = 1, 2, . . . , m.
q (αk )
Si p(αk ) = 0 entonces la función que estamos considerando tiene una singularidad evitable en
αk y, por tanto, el correscondiente residuo es cero. Por otra parte, el correspondiente sumando que
aparece en el segundo miembro de la fórmula que estamos considerando, también será igual a cero si
p(z) se anula en αk . Esto finaliza la demostración. ¤
En realidad, no es difı́cil proporcionar un resultado general para el cálculo de L−1 (p(z)/q(z)) para
funciones racionales con deg p < deg q. A continuación vamos a realizar dicho cálculo utilizando la
descomposición en fracciones simples de dichas funciones racionales y dejamos como ejercicio la
comprobación de que las fórmulas que se obtienen por ambos métodos coinciden.
Ası́ pues, dada una función racional p(z)q(z)
, podemos hallar su descomposición como suma de
5
fracciones simples como sigue:
Comenzamos suponiendo (sin pérdida de generalidad), que p y q no tienen ceros en común. Si
deg p ≥ deg q, utilizamos el algoritmo de división euclı́dea para polinomios, dividiendo p por
q. Se sigue que p(z) = q(z)c(z) + r(z) con deg r < deg q, y, por tanto, p(z)
q(z)
r(z)
= c(z) + q(z) . Esto
reduce todos los casos al caso en que deg p < deg q.
Podemos suponer, pues, sin pérdida de generalidad que q es mónico y deg p < deg q. Si q(z) =
(z − α1 )m1 (z − α2 )m2 . . . (z − αk )mk , donde se supone que todos los αi son distintos, entonces
podemos encontrar constantes {Ci,j }i≤k,j≤mi ⊂ C tales que
k m
p(z) X X i
Ci,j
= .
q(z) i=1 j=1
(z − αi )j

Demostración. Podemos hacer lo siguiente: si q(z) = (z −α)m h(z), con q(α) = 0 y h(α) 6= 0,
entonces buscamos una constante C y un polinomio s(z) de grado menor que deg p tales que
p(z) p(z) C s(z)
= m
= m
+ .
q(z) (z − α) h(z) (z − α) (z − α)m−1 h(z)
Si conseguimos hacer esto, entonces podremos continuar el algoritmo, aplicando la misma op-
eración a (z−α)s(z)
m−1 h(z) , y terminaremos obteniendo la expresión que buscábamos en un número

finito de pasos.
5
El cálculo de la descomposición en fracciones simples de una función racional aparece, por primera vez, en la cor-
respondencia entre J. Bernoulli y Leibnitz, alrededor de 1700, pero estas ideas fueron explotadas sistemáticamente por J.
Bernoulli (1702), Leibnitz (1702), Euler (1768) y Hermite (1873). En particular, se suele llamar método de Hermite al
método de integración de funciones racionales basado en dicha descomposición .

31
 LAFA. Laboratorio de Análisis de Fourier Aplicado

Ahora bien, si la ecuación anterior se puede resolver para ciertos C y s(z), entonces

p(z) = Ch(z) + s(z)(z − α)

p(α) p(α)
y, por tanto, C = h(α)
, y s(z) se obtiene de dividir p(z) − h(α) por x − α. Esto finaliza la prueba.
¤

De esta forma, se ³ha reducido

´ el cálculo de la transformada de Laplace inversa para la fracción
p(z) C
q(z)
al cálculo de L−1 (z−α) m para m ≥ 0 y α, C ∈ C arbitrarios.
Ahora bien, si tenemos en cuenta que
n!
L(tn exp(αt)) = , para |z| > |α|,
(z − α)n+1

se concluye que µ ¶
−1 C C n
L = t exp(αt)
(z − α)m n!
y, por tanto, si
k m
p(z) X X i
Ci,j
= j
.
q(z) i=1 j=1
(z − α i )
p(z)
es la descomposición en fracciones simples de q(z)
, entonces

µ ¶ mi
k X
X µ ¶
−1 p(z) −1 Ci,j
L = L
q(z) i=1 j=1
(z − αi )j
mi
k X
X Ci,j
= tj exp(αi t)
i=1 j=1
j!

Este resultado es muy importante. En concreto, en la próxima sección podremos comprobar que
de él depende el poder resolver ciertas ecuaciones diferenciales que aparecen frecuentemente en la
práctica. Por supuesto, una vez sabemos que las descomposiciones en fracciones simples existen, nos
resultará imprescindible encontrar algún mecanismo sencillo para su cálculo.
Ahora bien, si multiplicamos p(z)
q(z)
por (z − αi0 )mi0 , obtenemos que

p(z)
(z − αi0 )mi0
q(z)
mi mi
X X Ci,j (z − αi0 )mi0 X0
= j
+ Ci0 ,j (z − αi0 )mi0 −j
i≤k;i6=i j=1
(z − α i ) j=1
0

mi mi
X X Ci,j (z − αi0 )mi0 X0
= j
+ Ci0 ,mi0 −t (z − αi0 )t
i≤k;i6=i j=1
(z − α i ) t=1
0

32
 LAFA. Laboratorio de Análisis de Fourier Aplicado

y, por tanto,
µ ¶
1 dk mi0 p(z)
Ci0 ,mi0 −k = (z − αi0 ) ; para k = 0, 1, . . . , mi0
k! dz k q(z) |z=αi0

p(z)
De esta forma podremos calcular todas las constantes Ci,j , una vez conocidos los polos de q(z)
.

4.4. Transformada de Laplace y EDO’s

Comenzamos esta sección desarrollando los cálculos para abordar la solución del problema de
valores iniciales dado por
½ 00
ay (t) + by 0 (t) + cy(t) = 0, para t > 0,
y(0) = y0 , y 0 (0) = y1
(donde a, b, c y0 , e y1 son constantes dadas de antemano y buscamos la función y = y(t) que verifica
la ecuación anterior para todo t > 0), mediante el uso de la transformada de Laplace. Posteriormente,
explicamos el método para atacar problemas lineales con coeficientes constantes, en el caso general.
Como todo el mundo sabe, este tipo de ecuaciones diferenciales aparecen en muchos contextos y
son, por tanto muy útiles.
Si aplicamos la transformada de Laplace a ambos miembros de la ecuación anterior, y tenemos en
cuenta las relaciones

L(y 0 ) = zL(y)(z) − y(0)

L(y 00 ) = z 2 L(y)(z) − zy 0 (0) − y(0)

obtenemos que

0 = L(ay 00 + by 0 + cy)(z)
= a(z 2 L(y)(z) − zy 0 (0) − y(0)) + b(zL(y)(z) − y(0)) + cL(y)(z)
= (az 2 + bz + c)L(y)(z) − (az + b)y0 − ay1

y, por tanto,
az + b a
L(y)(z) = y0 + y1 2
az 2
+ bz + c az + bz + c
Ahora bien, L es un operador lineal y, por tanto, si L tuviese un operador inverso, L−1 , éste serı́a
lineal. Vamos a suponer momentáneamente que tal es el caso. Entonces la expresión anterior la po-
drı́amos reescribir como:
µ ¶ µ ¶
−1 az + b −1 a
y(z) = y0 L + y1 L
az 2 + bz + c az 2 + bz + c
az+b a
en realidad, si definimos las funciones F (z) = az 2 +bz+c
y G(z) = az 2 +bz+c
, necesitamos encontrar
las funciones L−1 (F ) y L−1 (G) de modo que

L−1 (F )(0) = 1, L−1 (F )0 (0) = 0

33
 LAFA. Laboratorio de Análisis de Fourier Aplicado

y
L−1 (G)(0) = 1, L−1 (G)0 (0) = 0.
Para realizar los cálculos que faltan, es necesario distinguir varios casos, que dependen de cómo
son los ceros de q(z) = az 2 + bz + c:
Caso 1: Los ceros de q(z) son simples. Esto significa que q(z) = a(z − α)(z − β) y, por tanto,
F (z) (y también G(z)) se puede descomponer en fracciones simples como sigue:
A B
F (z) = +
z−α z−β
para ciertas constantes A, B ∈ C. Se sigue que
L−1 (F )(t) = Aeαt + Beβt .

Caso 2: q(z) tiene un cero doble. Esto implica que q(z) = a(z − α)2 para cierto número real
α y, por tanto, F (z) (y también G(z)) se descompone ahora como
A B
F (z) = +
z − α (z − α)2
para ciertas constantes A, B. Se sigue que
L−1 (F )(t) = Aeαt + Bteαt .

Caso 3: Los ceros de q(z) son complejos conjugados. En este caso, podemos encontrar α +
iβ ∈ C tal que q(z) = a(z − (α + iβ))(z − (α − iβ)); α, β ∈ R y β 6= 0 y, por tanto, F (z)
(también G(z)) se descompone como
Aβ B(z − α)
F (z) = 2 2
+
(z − α) + β (z − α)2 + β 2
Ahora la transformada de Laplace inversa queda como:
L−1 (F )(t) = Aeαt sin βt + Beαt cos βt.

4.4.1. El caso general

Consideremos ahora la EDO
½ (n)
y (t) + an−1 y (n−1) (t) + · · · + a0 y(t) = ϕ(t), para t > 0,
y(0) = y0 , y 0 (0) = y1 , . . . , y (n−1) (0) = yn−1
Queremos utilizar la transformada de Laplace para su solución. Para ello, empezamos aplicando
el operador L a ambos lados de la ecuación. Se obtiene que
L(ϕ)(z) = z n L(y)(z) − z n−1 y(0) − z n−2 y 0 (0) − · · · − y (n−1) (0)+
+an−1 [z n−1 L(y)(z) − z n−2 y(0) − z n−3 y 0 (0) − · · · − y (n−2) (0)]+
+... ... ... +
+a1 [L(y)(z) − y(0)]+
+a0 L(y)(z)

34
 LAFA. Laboratorio de Análisis de Fourier Aplicado

Agrupando los términos convenientemente, resulta que

L(y)(z)[z n + an−1 z n−1 + · · · + a1 z + a0 ] =
L(ϕ)(z) + y(0)[z n + an−1 z n−2 + · · · + a2 z + a1 ]+
+y 0 (0)[z n + an−2 z n−1 + · · · + a3 z + a2 ]
+............···+
+y (n−2) (0)[z + an−1 ]
+y (n−1) (0)
Tomando q(z) = z n + an−1 z n−1 + · · · + a1 z + a0 , la ecuación anterior queda como
L(ϕ)(z) z n + an−1 z n−2 + · · · + a2 z + a1
L(y)(z) = + y(0) +
q(z) q(z)
z n + an−2 z n−1 + · · · + a3 z + a2
+y 0 (0)
q(z)
+............···+
z + an−1
+y (n−2) (0)
q(z)
1
+y (n−1) (0)
q(z)
Esto reduce el problema del cálculo de la solución de la EDO lineal con condiciones iniciales dada
anteriormente, al cálculo de la transformada de Laplace inversa del segundo miembro de la fórmula
P (z) P
anterior. Es decir: debemos ser capaces de calcular L−1 ( Q(z) ) para cierta función racional Q . Ahora
P
bien, esto es posible gracias al uso de la descomposición en fracciones simples de Q (ver la sección
anterior).
Es evidente que podemos interpretar la EDO lineal con coeficientes constantes como un tipo
especial de sistema LTI. De hecho, este tipo de sistemas aparecen en diferentes contextos, como son
el análisis de circuitos o el estudio de sistemas con muelles. De esta forma podemos interpretar la
transformada de Laplace como un instrumento matemático útil para la teorı́a de señales y sistemas
analógicos. En la próxima sección vamos a introducir la transformada Z, que, como veremos, es útil
para el estudio de señales y sistemas digitales.
Nota 8 Para tratar el problema de la solución de EDO’s lineales generales es también posible hacer
uso de la transformada de Fourier generalizada (es decir: la transformada de Fourier de funciones
generalizadas) pues, como ya se ha visto en una sección anterior, dicha transformada verifica también
buenas propiedades formales con respecto al producto, la convolución, y la derivación. Si estamos
interesados en estudiar la ecuación
an y (n) (t) + · · · + a0 y(t) = bm x(m) (t) + · · · + b0 x(t),
donde x, y ∈ G (x nos la dan y buscamos y), entonces aplicando la transformada de Fourier a ambos
lados de la igualdad y teniendo en cuenta que F(y (k) )(ξ) = (iξ)k F(y)(ξ), para todo k ∈ N, tenemos
que la identidad anterior se transforma en la siguiente
(an (iξ)n + · · · + a0 ) F(y)(ξ) = (bm (iξ)m + · · · + b0 ) F(x)(ξ).

35
 LAFA. Laboratorio de Análisis de Fourier Aplicado

Es decir, el problema pasa a ser la solución (en sentido generalizado) de la ecuación algebraica

P (ξ)
Y (ξ) = X(ξ)
Q(ξ)

para ciertos polinomios algebriacos P (z), Q(z). Esto se puede interpretar, en el dominio del tiempo,
como µ µ ¶ ¶
−1 −1 P (ξ)
y(t) = F (Y )(t) = F ∗ x (t).
Q(ξ)
P (ξ)
Es decir, el cociente Q(ξ) representa la respuesta del sistema al impulso unidad en el dominio de la
frecuencia y nuestro problema es calcular su transformada de Fourier inversa, algo que tiene sentido
gracias a que estamos trabajando con funciones generalizadas.

5. Transformada Z
5.1. Definición de la transformada Z. Primeras propiedades
Dada una señal discreta {x(n)}∞
n=−∞ , definimos su transformada Z como

∞
X
Z({x(n)}∞
n=−∞ ) = x(n)z −n ,
n=−∞

donde se supone que z pertenece a la región de convergencia de la serie de Laurent que aparece en
el segundo miembro de la igualdad anterior. (Obsérvese que dichas regiones de convergencia son
siempre anillos {z : r < |z| < R}, donde los radios de interior y exterior del anillo dependen del
comportamiento asintótico de la sucesión {x(n)}∞ n=−∞ ).
La correspondencia que acabamos de establecer (una sucesión es llevada a una cierta función
analógica), no es biyectiva. Es sencillo obtener sucesiones distintas tales que, si se suma la serie que
define la transformada Z de ambas secuencias, entonces resulte que para ambas se obtiene la misma
∞
expresión algebraica. Por ejemplo, tomamos x = {u(n)}∞ n=−∞ , y = {−u(n−1)}n=−∞ y obtenemos:

∞
X 1 z
Z(x) = z −n = −1
= (para |z −1 | < 1)
n=0
1−z z−1
−1
X ∞
X
−n
Z(y) = − z =− zn
n=−∞ n=1
X∞
1 z
= −z zn = z = (para |z| < 1)
n=0
1−z z−1
z
Ası́ pues, ambas transformadas producen la misma función, z−1 , excepto por el detalle (que nunca
debemos menospreciar) de que dicha función está definida en dominios distintos, ya que las regiones
de convergencia de las correspondientes series, son diferentes. Ası́, podemos definir con mayor pre-
cisión la transformada Z de una sucesión como sigue:

36
 LAFA. Laboratorio de Análisis de Fourier Aplicado

Definición 7 Dada la sucesión de números x ={x(n)}∞

n=−∞ (reales o complejos), definimos su trans-
formada Z como el par (Z(x), R(x)), donde
∞
X
Z(x) = x(n)z −n
n=−∞
P∞
y R(x) es la región de convergencia de la serie de Laurent n=−∞ x(n)z −n .

El siguiente resultado se satisface:

Teorema 18 No hay dos señales distintas x, y tales que

(Z(x), R(x)) = (Z(y), R(y)).

Demostración. En realidad, el teorema anterior es una sencilla consecuencia del siguiente teorema
debido a Laurent6 :

Teorema 19 (Laurent) 7 Supongamos que f (z) es una función deP variable compleja derivable en un
anillo R = {z ∈ C : R1 < |z − z0 | < R2 }. Entonces f (z0 + h) = ∞ n
n=−∞ cn h para R1 < |h| < R2 ,
donde la convergencia de la serie es uniforme sobre compactos del anillo R1 < |h| < R2 , y las
constantes cn están dadas por
Z
1 f (z)
cn = dz, n ∈ Z,
2πi Cr (z − z0 )n+1

donde Cr es la curva parametrizada por Cr (t) = z0 + exp(2πit), t ∈ [0, 1], r ∈ (R1 , R2 ).

Si tomamos
P∞ z0 =n 0 entonces la expresión que aparece en el teorema anterior, se transforma en
f (z) = n=−∞ cn z , y las regiones de convergencia pasan a ser coronas con centro el origen de
coordenadas.
Para x una señal arbitraria, si la región de convergencia R(x) es un anillo no vacı́o, entonces
la función Z(x)(z) es holomorfa en dicho anillo. Supongamos ahora que R(x) 6= ∅. Entonces el
teorema de Laurent garantiza que, si Cr es una circunferencia interior al anillo R(x), entonces
Z
1
x(n) = f (z)z n−1 dz, n ∈ Z,
2πi Cr

y por tanto, si R(x) ∩ R(y) 6= ∅, y Z(x)(z) coincide con Z(x)(z) para z ∈ Cr , una circunceferencia
interior a ambas regiones, se obtiene que x(n) = y(n) para todo n ∈ Z. ¤
El teorema de Laurent proporciona la clave para el proceso de inversión asociado a la transformada
Z. Más precisamente, si conocemos tanto la función X(z) = Z(x)(z) y su correspondiente región
6
P. A. Laurent (1813-1854). Ingeniero francés. En 1842 envió una memoria para participar en un premio de
matemáticas a la Academia de Ciencias de Parı́s, pero el manuscrito llegó fuera de tiempo y, a pesar de que Cauchy
emitió un informe positivo, éste no fue evaluado. Los desarrollos en serie de Laurent son muy importantes en la teorı́a de
funciones de variable compleja.
7
La demostración de este resultado se puede consultar en [?, p. 196, Th. 11.1]

37
 LAFA. Laboratorio de Análisis de Fourier Aplicado

de convergencia Ω = R(x), no sólo es cierto que existe una única señal x = {x(n)} para la que
X(z) = Z(x)(z) y Ω = R(x) sino que, de hecho, los valores x(n) se pueden rescatar de X(z) (y Ω)
simplemente teniendo en cuenta las expresiones
Z
1
x(n) = f (z)z n−1 dz, n ∈ Z.
2πi Cr

Ası́, podemos afirmar que la fórmula anterior define la transformada Z inversa. El problema es que
no siempre resulta sencillo evaluar las integrales que aparecen en el segundo miembro de la expresión
anterior. Ası́ pues, nos preguntamos si en ciertos casos especiales (y que también sean importantes
para las aplicaciones) es sencillo evaluar la transformada Z inversa.
Terminamos esta sección con las siguientes observaciones:

Se sigue del teorema de Laurent que toda función X(z) holomorfa en un anillo R, es la trans-
formada Z de alguna señal {x(n)}∞
n=−∞ .

La función X(z) es la transformada Z de una señal causal x = {x(n)} si y sólo si la función

e
X(z) = X(1/z) es holomorfa en un disco de la forma D(0, r) = {z : |z| < r} para cierto
r > 0. Además, esto es equivalente a decir que la región de convergencia de Z(x)(z) es el
complementario de un disco D para cierto r > 0.

5.2. Propiedades elementales de la Transformada Z. Inversión de la transfor-

mada Z
En esta sección, vamos a establecer las propiedades elementales de la transformada Z y, a con-
tinuación, vamos a explicar el proceso de inversión para la transformada Z para funciones racionales
P (z)
X(z) = Q(z) (Posteriormente, veremos que dichos casos son útiles en la práctica).
La transformada Z satisface las siguientes propiedades:

Linealidad. La transformada Z es lineal. Es decir, si x, y son dos señales discretas y a, b ∈ C,

entonces Z(ax + by) = aZ(x) + bZ(y). Además, R(ax + by) = R(x) ∩ R(y).

Desplazamiento en el tiempo. Sea m ∈ Z fijo. Entonces

Z({x(n − m)}∞
n=−∞ )(z) = z
−m
Z({x(n)}∞
n=−∞ )(z).

Además, la región de convergencia no varı́a, excepto quizás por la posible inclusión o exclusión
de 0 o de ∞.

Cambios de escala en la frecuencia. Dado a ∈ C, se tiene que

z
Z({an x(n)}∞ ∞
n=−∞ )(z) = Z({x(n)}n=−∞ )( a ).

Además, la región de convergencia pasa de ser R(x) a ser |a|R(x).

Reflexión en el tiempo. Se tiene que Z({x(−n)})(z) = Z({x(n)})( z1 ). Además, la región de

convergencia de y = {x(−n)} es: R(x) = {z ∈ C : z1 ∈ R(x)}.

38
 LAFA. Laboratorio de Análisis de Fourier Aplicado

Convolución. Dadas x ∈ l1 (Z) y y ∈ l∞ (Z), se tiene que

Z(x[
∗ y)(z) = Z(x)(z)Z(y)(z)

Todas estas propiedades son sencillas de demostrar y se dejan como simples ejercicios. Sólo hare-
mos algún comentario respecto de la convolución. Ası́ pues, recordemos que si x ∈ l1 (Z) y y ∈ l∞ (Z)
son dos señales discretas, su convolución está dada por x ∗ y = {cn }∞
n=−∞ , donde
∞
X
cn = x(k)y(n − k), para todo n ∈ Z.
k=−∞

Ahora bien, es sencillo comprobar que, si multiplicamos las series de potencias Z(x) y Z(y),
obtenemos que
à ∞ !à ∞ !
X X
−n −n
Z(x)(z)Z(y)(z) = x(n)z y(n)z
n=−∞ n=−∞
∞
à ∞
!
X X
= x(x)y(n − k)z −k z −(n−k)
n=−∞ k=−∞
∞
à ∞
!
X X
= x(x)y(n − k) z −n
n=−∞ k=−∞
X∞
= cn z −n
n=−∞
= Z(x ∗ y)(z),
lo que demuestra la propiedad de convolución.
P (z)
Dada una función racional X(z) = Q(z) , queremos ahora calcular la señal x(t) tal que X(z) =
Z(x(t)). Para ello, consideramos (como es habitual) la descomposición en fracciones simples de
X(z),
k mi
P (z) X X Ci,j
X(z) = h(z) + = j
,
Q(z) i=1 j=1
(z − α i )
donde h(z) es el polinomio que resulta de dividir P (z) por Q(z), y de esta forma hemos reducido
Ci,j
nuevamente nuestro problema al de conocer la transformada inversa de las fracciones simples (z−α i)
j,

i = 1, ..., k, j = 1, . . . , mi .
Ahora bien, dichas transformadas se pueden calcular de forma sencilla, si se tiene en cuenta que
∞
X
n 1 z
Z({α u(n)}∞
n=−∞ ) = αn z −n = −1
=
n=0
1 − αz z−α

con región de convergencia R = {z : |z| > |α|}. Para verlo, basta derivar m veces ambos lados de la
expresión anterior respecto de α, obteniéndo que:
∞
X m!z
n(n − 1) . . . (n − m + 1)αn−m z −n =
n=0
(z − α)m+1

39
 LAFA. Laboratorio de Análisis de Fourier Aplicado

y, por tanto, µ ¶ µ ¶
−1 z n
Z = αn−m u(n).
(z − a)m+1 m
Ahora bien, si tenemos en cuenta la propiedad de desplazamiento en el tiempo, se ve que
µ ¶ µ ¶ µ ¶
−1 1 −1 −1 z n − 1 n−1−m
Z =Z z = α u(n − 1).
(z − a)m+1 (z − a)m+1 m

5.3. Tranformada Z y filtros digitales

Dado un filtro digital L, sabemos que éste queda completamente determinado por su respuesta
al impulso unidad (también llamada respuesta impulsional del sistema) L(δ) = {h(n)}∞ n=−∞ . Evi-
dentemente, como la transformada Z es invertible, dicha respuesta impulsional queda completamente
determinada a su vez por su transformada Z. Esto nos lleva a la siguiente definición:

Definición 8 Llamamos función de transferencia del filtro digital L a la función de variable com-
pleja:
X ∞
∞
H(z) = Z({h(n}n=−∞ ) = h(n)z −n .
n=−∞

Nota 9 Obsérvese, además, que H(z) se puede interpretar como un autovalor de L de la siguiente
forma: Tomamos x = {z n }∞n=−∞ para z ∈ C fijo. Entonces

∞
X
L(x)(n) = (x ∗ h)(n) = h(k)x(n − k)
k=−∞
∞
X
= h(k)z −k z n
k=−∞
= H(z)x(n), para todo n ∈ Z,

y, por tanto,
L(x) = H(z)x.
Es decir: H(z) es un autovalor con autovector x.

El nombre ”función de transferencia”(del sistema) proviene de la siguiente interpretación: Sabemos

que y = L(x) = x ∗ h, donde h es la respuesta impulsional del sistema. Si aplicamos a ambos lados
de la fórmula anterior la transformada Z, entonces (teniendo en cuenta la propiedad de convolución)
se tiene que
Y (z) = H(z)X(z),
donde Y (z) = Z(y) representa la respuesta del sistema en el dominio de la frecuencia, X(z) =
Z(x) es la entrada del sistema (también en el dominio de la frecuencia) y H(z) es la función de
transferencia.
Evidentemente, de la misma forma que {h(n)} lleva toda la información del sistema y, por tanto,
podemos caracterizar algunas propiedades del sistema en términos de {h(n)}, lo mismo sucederá con

40
 LAFA. Laboratorio de Análisis de Fourier Aplicado

las funciones de transferencia H(z). Veamos, por ejemplo, cómo se caracterizan en términos de H(z)
las propiedades de causalidad y de estabilidad (BIBO) del sistema L. Esto queda resuelto mediante
las siguientes proposiciones:

Proposición 5 Un sistema L que es LTI es además estable BIBO si y sólo si la región de convergencia
de su función de transferencia contiene la circunferencia unidad.

Proposición 6 Un sistema L que es LTI es además causal si y sólo si la región de convergencia de

su función de transferencia es el exterior de una circunferencia.

5.3.1. Ecuaciones en diferencias

Es bien sabido que los filtros digitales más comúnmente usados vienen descritos por ecuaciones
en diferencias,
d
X h
X
ak y(n − k) = bk x(n − k), n ∈ Z,
k=0 k=0

donde x = {x(n)}∞ ∞
n=−∞ representa la entrada del sistema, y = {y(n)}n=−∞ representa la salida
d h
del sistema y {ak }k=0 , {bk }k=0 son ciertas constantes que determinan completamente el sistema. Esta-
mos suponiendo que para cierto n0 ∈ Z se tiene que si x(n) = 0 para todo n < n0 entonces y(n) = 0
también para todo n < n0 (i.e., suponemos las causalidad del sistema). De esta forma garantizamos
que la sucesión {y(n)}∞ ∞
n=−∞ está unı́vocamente determinada por la sucesión {x(n)}n=−∞ .
Si aplicamos la transformada Z a ambos lados de la ecuación anterior, obtendremos entonces que
d
X h
X
−k
ak z Y (z) = bk z −k X(z)
k=0 k=0

y, por tanto, Ph
bk z −k
H(z) = Pdk=0
k=0 ak z −k
es una función racional.
Como las funciones racionales quedan completamente determinadas por sus ceros y sus polos,
será entonces deseable disponer de descripciones de las propiedades del sistema en términos de dicha
información.
Podemos ahora calcular {y(n)}∞ n=−∞ (i.e., la solución de la ecuación en diferencias, o, lo que es
igual: la salida del sistema) de alguna de las dos formas siguientes:

Calculamos X(z) = Z(x) y luego calculamos Z −1 (X(z)H(z)). Este procedimiento se puede

llevar a cabo fácilmente, siempre que X(z) sea una función racional.

Calculamos {h(n)}∞
n=−∞ = Z
−1
(H(z)) y luego calculamos la convolución

{y(n)}∞ ∞
n=−∞ = {(h ∗ x)(n)}n=−∞ .

41
 LAFA. Laboratorio de Análisis de Fourier Aplicado

Nótese que para calcular Z −1 (H(z)) necesitamos fijar de antemano la región de convergencia
para H(z). Esto significa que necesitamos saber si el sistema es o no causal. Evidentemente,
bajo nuestras hipótesis, el sistema es causal y por tanto supondremos que la región de con-
vergencia de H(z) es el exterior de una circunferencia de centro el origen de coordenadas.
Recuérdese que para dicho caso ya realizamos el cálculo de la transformada Z inversa de las
fracciones simples asociadas a cualquier función racional H.

Vemos a continuación un ejemplo resuelto de ambas formas:

Ejemplo 11 Consideramos la ecuación en diferencias

y(n) + 2y(n − 1) = x(n), n ∈ Z.

1 z n
Sabemos que en este caso, H(z) = 1+2z −1 = z+2 y, por tanto, h(n) = (−2) u(n). Vamos a realizar

los cálculos para las entradas x1 (n) = u(n) y x2 (n) = u(n) − u(n − 3). En el primero de los casos
es claro que
X∞
z
X1 (z) = Z(x1 ) = z −k =
k=0
z−1
z2
y, por tanto, Y1 (z) = X1 (z)H(z) = (z−1)(z+2)
. La correspondiente descomposición en fracciones
simples es
z/3 2z/3
Y (z) = +
z−1 z+2
y, por tanto, µ ¶
1 2 n
y(n) = + (−2) u(n).
3 3
Para calcular la salida de x2 = {u(n) − u(n − 3)}∞
n=−∞ , observamos que

x2 (n) = δ(n) + δ(n − 1) + δ(n − 2)

y, por tanto,

y(n) = (x2 ∗ h)(n) = (−2)n u(n) + (−2)n−1 u(n − 1) + (−2)n−2 u(n − 2)

Es decir: y(0) = 0, y(1) = −1 y y(n) = 34 (−2)n para n ≥ 2.

Si {α1 , α2 , . . . , αd } son los polos de H(z) y suponemos que |αi | ≤ |αi+1 |, i = 1, 2, ..., d − 1,
entonces existe i, s ∈ N tales que

|αi0 | < 1 = |αi0 +1 | = · · · = |αi0 +s | < |αi0 +s+1 |

y, por tanto, asociadas a H(z) podemos considerar varias regiones de convergencia. Si la región de
convergencia es
R1 = {z ∈ C : |z| > |αd |}
entonces el sistema será causal. Si H(z) no tiene polos en la circunferencia unidad, entonces podemos
considerar como región de convergencia la corona mayor que contenga la circunferencia unidad y

42
 LAFA. Laboratorio de Análisis de Fourier Aplicado

carezca de polos y obtendremos que el correspondiente sistema es estable. Finalmente, si tomamos

como región de convergencia a
R2 = {z ∈ C : |z| < |α1 |}
entonces el sistema será anticausal. Evidentemente, varias de estas cosas pueden suceder simultánea-
mente. En particular, se verifica el siguiente resultado:

Proposición 7 El sistema descrito por la función de transferencia racional H(z) será estable y
causal simultáneamente si y sólo si se satisface que: (i) Todos los polos de H(z) están en el interior
del disco unidad, y (ii) tomamos como región de convergencia de H(z) a R1 = {z ∈ C : |z| > |αd |},
donde αd es uno de los polos de H(z) con valor absoluto máximo.

Referencias
[1] C. Gasquet and P. Witomski, Fourier Analysis and Applications. Filtering, Numerical Compu-
tation, Wavelets Texts in Applied Mathematics 30 Springer 1999.

[2] C. Lanczos, Discourse on Fourier Series, Olyver and Boyd, Edinburg, 1966.

43