Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Transformada de Fourier*
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
Definición 1 La señal Z ∞
F(x)(ξ) := x
b(ξ) := x(s)e−iξs ds
−∞
Definición 2 La señal Z ∞
−1 1
F (y)(t) := y(ξ)eiξs dξ
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
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).
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
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)
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
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
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.
−∞ −∞ −∞ −∞
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
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:
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
entonces Z ∞ Z ∞ Z ∞
lı́m xh (t)dt = (lı́m xh (t))dt = x(t)dt.
h→0 −∞ −∞ h→0 −∞
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
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)
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
−∞
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
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).
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.
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) ,
−∞
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 ∞
−∞
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.
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
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.
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
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
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 −∞
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
12
LAFA. Laboratorio de Análisis de Fourier Aplicado
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
13
LAFA. Laboratorio de Análisis de Fourier Aplicado
14
LAFA. Laboratorio de Análisis de Fourier Aplicado
15
LAFA. Laboratorio de Análisis de Fourier Aplicado
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:
16
LAFA. Laboratorio de Análisis de Fourier Aplicado
F(x){φ} = x{F(φ)}
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).
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
18
LAFA. Laboratorio de Análisis de Fourier Aplicado
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
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
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. ¤
21
LAFA. Laboratorio de Análisis de Fourier Aplicado
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 )
Esto demuestra que los únicos filtros ideales paso-todo que existen son las traslaciones en el tiempo.
22
LAFA. Laboratorio de Análisis de Fourier Aplicado
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
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.
Si z < 0, entonces la integral impropia anterior es divergente y, por tanto, no existe transformada
de Laplace en dichos valores.
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
25
LAFA. Laboratorio de Análisis de Fourier Aplicado
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
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). ¤
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→∞
27
LAFA. Laboratorio de Análisis de Fourier Aplicado
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}.
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
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
29
LAFA. Laboratorio de Análisis de Fourier Aplicado
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
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
1 dm−1
Res(X(z); α) = lı́m ((z − α)m X(z)) .
z→αk (m − 1)! dz m−1
30
LAFA. Laboratorio de Análisis de Fourier Aplicado
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
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)
.
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
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.
34
LAFA. Laboratorio de Análisis de Fourier Aplicado
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
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
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=−∞ .
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 ∞.
38
LAFA. Laboratorio de Análisis de Fourier Aplicado
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
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.
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.
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 {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.
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
y, por tanto,
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
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
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