Señales y Sistemas 2da P.alvarado

X( ( t) ∗ y ( −
τ x 2 f (z )
Z ∞ t − τ) d d − z0 )
(τ ) x ( ( z
Pablo y Alvarado Moya
= mz 0 dz
lzı́→
= −∞ a −1 h x (
2 f (z ) ⇐⇒
Señales y Sistemas
d ) )⊥y ( t)
(z − z 0 0 x ( t
(
mz 0 dz ( t )i = φ )
h x (t), y + j s en
sφ I
⊥y (t)Fundamentos Matemáticos
⇐ ⇒
a + j b = r ej φ = r ( c o
+
µ
+ β
(a, b ) = az + b = λ α z
0 2da Edición−n
t = w = cz + d X x(n)z
∞
µ
b = λ + αz + β X (z ) = n=−∞
d ( n ) } = jφ
+ −n Z { x = r e
∞
X x(n) z a + j b
( a, b ) =
φ ) (n)
n=−∞ j s en ) d z = f
cos φ + I f ( z
j φ = r( z ) n +1 Z ∞
= re µ ( z − 0
+ + β C
X ( s ) =
az + b = λ αz t )} =
L{ x (
= cz + d X ∞
n )z−n
Z ∞ −j ω
x( x(t)e
X ( z ) = n=−∞ ( j ω ) = −∞
) } = )} = X
F { x ( t H ( s)| s=
∞ −j ω t dt ( j ω ) =
x(t)e − τ ) d τ H y(
Z ∞ ) x ( t x ( t ) ⊥
− ∞ y (τ 2 f (z )
τ = d (z − 0 z )
− τ ) d −∞
l ı́ m d z Z d t = 0
= z →z 0 b
(t)y ( t )
2 f (z )
a −1 x z
) ( t) i = a
z0 h x (t), y a
) w=
)i = 0 s en φ
(t) , y (t s φ + j
⇒ h x = r ( c o =
r ej φ
I f ( z ) d z
+ j b = n +1
, b) = a 2 π j ( z − z 0)
) (a (n) (z 0) n! C
{ x ( t)}
f L
Señales y Sistemas
Fundamentos Matemáticos
2da Edición
(Borrador)
Señales y Sistemas
Fundamentos Matemáticos
2da Edición
(Borrador)
Pablo Alvarado Moya

Escuela de Ingeniería Electrónica
Instituto Tecnológico de Costa Rica
Dr.-Ing. Pablo Alvarado Moya
Escuela de Ingeniería Electrónica
Apartado Postal 159
7050 Cartago
Costa Rica
Borrador de la Segunda Edición (30 de enero de 2023)

Apartado Postal 159
7050 Cartago
Costa Rica
Alvarado Moya, Pablo.

Señales y Sistemas. Fundamentos Matemáticos / Pablo Alvarado Moya.
621.3822
— 2a Ed. — Cartago, Costa Rica: Instituto Tecnológico de Costa Rica, , 2023.
A 472 s
441 p. : il.
ISBN 978-9968-514-06-4
1. Sistemas. 2. Señales. 3. Teoría de funciones. 4. Series de Fourier.

5. Transformada de Fourier. 6. Transformada de Laplace. 7. Transformada
z.
© 2005-2023 Pablo Alvarado Moya

Reservados todos los derechos. Ni la totalidad ni parte de este do-
cumento pueden reproducirse, registrarse o transmitirse en ninguna
forma ni por ningún medio sin permiso previo del autor.
Este documento ha sido elaborado con software libre. Principalmente

LATEX, BibTEX, GNUPlot, Octave, XFig, GNU-Make, TI kZ y Git en
GNU/Linux
Prefacio
La solución de problemas clásicos y modernos en las áreas de ingeniería presupone un domi-

nio avanzado de herramientas y conceptos matemáticos que se utilizan para describir tanto
el comportamiento de fenómenos en el entorno, como los métodos utilizados para modi-
ficar dichos comportamientos de una manera controlada. El presente texto introduce los
fundamentos matemáticos necesarios para el análisis de señales y sistemas, y fue elaborado
inicialmente para servir de guía en el curso “EL-4701 Modelos de Sistemas”, transformado
posteriormente en el curso “EL-4703 Señales y Sistemas”, ambos parte de las carreras de In-
geniería Electrónica e Ingeniería en Computadores del Instituto Tecnológico de Costa Rica.
Un arduo proceso en los últimos quince años ha precedido este documento, que se presenta
en el actual formato por considerar que ya ha alcanzado el grado de madurez necesario.
Este trabajo cubre con suficiente detalle la materia correspondiente a dichos cursos, lo que
involucra fundamentos del cálculo con variable compleja, el análisis de señales y sistemas en
tiempo contínuo con las series y transformadas de Fourier y Laplace, así como el análisis de
señales y sistemas en tiempo discreto con la transformada z. Estos temas introducen el vo-
cabulario indispensable para las siguientes etapas de la carreras de ingeniería, especialmente
en las áreas de control automático, comunicaciones eléctricas y procesamiento de señales.
Es recomendable, sin embargo, que la revisión de la materia sea complementada por otros
libros de texto. Se sugieren entre otros los libros de James [1], y Brown y Churchill [2] para
el tema de variable compleja, Oppenheim y Willsky [3] para el análisis de Fourier y Laplace,
y Proakis y Manolakis [4] para la transformada z y análisis de Fourier en tiempo discreto.
Para el lector que tenga interés en un tratamiento más formal de la materia se recomiendan
además los libros de Shilov [5], LePage [6], Davis [7] y Kreyszig [8].
El orden de presentación de los temas ha sido adecuado a la forma considerada más “natu-
ral” para su introducción. Especialmente la presentación del análisis de Fourier diverge del
enfoque tradicionalmente utilizado en textos para ingeniería, con el objetivo de introducir
conceptos necesarios para la comprensión de tópicos modernos como la teoría de señales
dispersas (p. ej. wavelets), o técnicas de modulación basadas en ortogonalidad.
En cuanto a la distribución del curso en un semestre, se recomienda utilizar una semana en
el primer capítulo, de cinco a seis semanas en el capítulo de variable compleja y un lapso
similar para el análisis de Fourier. Similitudes conceptuales permiten invertir de tres a cuatro
semanas tanto con la transformada de Laplace como con la transformada z.
Para finalizar, deseo agradecer a los colegas Ing. Néstor Hernández Hostaller, M.Sc., Dra. Arys
Carrasquilla Batista, e Ing. Faustino Montes de Oca Murillo por haber construido la estruc-
tura original del curso. A mis estudiantes agradezco el haber sido los más exigentes revisores
de este texto, así como a mi colega Dra. Gabriela Ortíz León, con quien dimos forma al
contenido actual del curso. Finalmente agradezco a mis colegas el Dr. David Gómez Tames
y Ing. José Miguel Barboza, M.Sc. por la exhaustiva revisión del texto.
Pablo Alvarado-Moya
Cartago, 30 de enero de 2023
Índice general
Índice de figuras v
Índice de tablas x
Índice de ejemplos xiv
Lista de símbolos y abreviaciones xv
1. Introducción 1
1.1. Señales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1. Número de variables independientes . . . . . . . . . . . . . . . . . . . 2
1.1.2. Dimensionalidad de la señal . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.3. Tipo de variables independientes . . . . . . . . . . . . . . . . . . . . 4
1.1.4. Tipo de valores de la señal . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.5. Naturaleza estadística . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.1.6. Operaciones con señales . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2. Sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3. Modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4. Diagramas de Bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5. Estructura del documento . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.6. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2. Variable compleja 19
2.1. Definiciones de álgebra abstracta . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.1. Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.2. Estructuras algebraicas . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.3. Números naturales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.1.4. Los números enteros . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.1.5. Los números racionales . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1.6. Los números reales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1.7. Los números complejos . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.1.8. Otros conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.2. Funciones de variable compleja . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.2.1. Representaciones gráficas . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.2.2. El concepto de mapeo . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.2.3. Mapeos lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.2.4. Mapeo de inversión . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.2.5. Mapeo racional lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.2.6. Otros mapeos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
i
Índice general ii
2.3. Derivación compleja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

2.3.1. Algunas definiciones fundamentales . . . . . . . . . . . . . . . . . . . 79
2.3.2. Límites y continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
2.3.3. Funciones diferenciables y analíticas . . . . . . . . . . . . . . . . . . . 80
2.3.4. Ecuaciones de Cauchy-Riemann . . . . . . . . . . . . . . . . . . . . . 84
2.3.5. Funciones conjugadas y armónicas . . . . . . . . . . . . . . . . . . . . 86
2.3.6. Mapeos conformes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
2.4. Series complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
2.4.1. Sucesiones, series y convergencia . . . . . . . . . . . . . . . . . . . . . 91
2.4.2. Series de potencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
2.4.3. Series de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
2.4.4. Series de Laurent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
2.5. Singularidades, ceros y residuos . . . . . . . . . . . . . . . . . . . . . . . . . 115
2.5.1. Singularidades y ceros . . . . . . . . . . . . . . . . . . . . . . . . . . 115
2.5.2. Residuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
2.6. Integración compleja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
2.6.1. Integrales de contorno . . . . . . . . . . . . . . . . . . . . . . . . . . 123
2.6.2. Teorema de la integral de Cauchy . . . . . . . . . . . . . . . . . . . . 128
2.6.3. Teorema del residuo . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
2.6.4. Fórmula de la integral de Cauchy . . . . . . . . . . . . . . . . . . . . 133
2.7. Integración sobre semicírculos extensos . . . . . . . . . . . . . . . . . . . . . 135
2.8. Evaluación de integrales reales . . . . . . . . . . . . . . . . . . . . . . . . . . 139
2.8.1. Caso 1: Integrales impropias . . . . . . . . . . . . . . . . . . . . . . . 139
2.8.2. Caso 2: Integrales de funciones reales trigonométricas . . . . . . . . . 140
2.9. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
3. Análisis de Fourier 158

3.1. Ortogonalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
3.1.1. Espacios lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
3.1.2. Tipos de espacios lineales . . . . . . . . . . . . . . . . . . . . . . . . 161
3.1.3. Ortogonalidad de funciones . . . . . . . . . . . . . . . . . . . . . . . 170
3.1.4. Procedimiento de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . 172
3.2. Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
3.2.1. Series generalizadas de Fourier . . . . . . . . . . . . . . . . . . . . . . 174
3.2.2. Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
3.2.3. Propiedades de la serie de Fourier . . . . . . . . . . . . . . . . . . . . 192
3.3. Transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
3.3.1. Transformada de Fourier directa e inversa . . . . . . . . . . . . . . . 205
3.3.2. Convergencia de la Transformada de Fourier . . . . . . . . . . . . . . 207
3.3.3. Ejemplos de Transformadas de Fourier . . . . . . . . . . . . . . . . . 208
3.3.4. Propiedades de la Transformada de Fourier . . . . . . . . . . . . . . . 218
3.3.5. Transformada de Fourier con frecuencia hertziana . . . . . . . . . . . 232
3.4. Sistemas Lineales e Invariantes en el Tiempo y la Convolución . . . . . . . . 235
3.4.1. Linealidad e invarianza en el tiempo . . . . . . . . . . . . . . . . . . 235
3.4.2. Convolución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
3.4.3. Funciones propias y la respuesta en frecuencia . . . . . . . . . . . . . 239
3.4.4. Diagramas de Bode . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
3.4.5. Causalidad y estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . 247
Borrador: 30 de enero de 2023

Índice general iii
3.5. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
4. Transformada de Laplace 259

4.1. Transformada bilateral de Laplace . . . . . . . . . . . . . . . . . . . . . . . . 259
4.1.1. Regiones de convergencia . . . . . . . . . . . . . . . . . . . . . . . . . 264
4.1.2. Propiedades de la transformada de Laplace . . . . . . . . . . . . . . . 268
4.1.3. La transformada inversa de Laplace . . . . . . . . . . . . . . . . . . . 271
4.1.4. Sistemas LTI y la transformada de Laplace . . . . . . . . . . . . . . . 282
4.1.5. Ecuaciones diferenciales lineales con coeficientes constantes . . . . . . 284
4.2. Transformada unilateral de Laplace . . . . . . . . . . . . . . . . . . . . . . . 286
4.2.1. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
4.2.2. Ecuaciones diferenciales . . . . . . . . . . . . . . . . . . . . . . . . . 293
4.3. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
5. Transformada z 302
5.1. Funciones en tiempo discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
5.1.1. Conversión analógica/digital . . . . . . . . . . . . . . . . . . . . . . . 303
5.1.2. Representaciones de funciones de variable discreta . . . . . . . . . . . 304
5.1.3. Señales elementales de variable discreta . . . . . . . . . . . . . . . . . 306
5.2. Transformada z bilateral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
5.2.1. Transformada z bilateral directa . . . . . . . . . . . . . . . . . . . . . 310
5.2.2. Propiedades de la transformada z bilateral . . . . . . . . . . . . . . . 314
5.2.3. Transformada z inversa . . . . . . . . . . . . . . . . . . . . . . . . . . 320
5.3. Sistemas en tiempo discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
5.3.1. Descripción entrada-salida de sistemas . . . . . . . . . . . . . . . . . 329
5.3.2. Tipos de sistemas en tiempo discreto . . . . . . . . . . . . . . . . . . 331
5.3.3. Análisis de sistemas LTI en tiempo discreto . . . . . . . . . . . . . . 332
5.4. Transformada z unilateral . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343
5.4.1. Definición y propiedades . . . . . . . . . . . . . . . . . . . . . . . . . 343
5.4.2. Respuestas natural y forzada . . . . . . . . . . . . . . . . . . . . . . . 347
5.5. Interconexión de sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
5.5.1. Diagramas de bloques . . . . . . . . . . . . . . . . . . . . . . . . . . 349
5.6. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
6. Análisis de Fourier en tiempo discreto 359

6.1. Funciones sinusoidales y el concepto de frecuencia . . . . . . . . . . . . . . . 359
6.1.1. Función sinusoidal continua . . . . . . . . . . . . . . . . . . . . . . . 359
6.1.2. Función sinusoidal discreta . . . . . . . . . . . . . . . . . . . . . . . . 360
6.1.3. Exponenciales complejos discretos . . . . . . . . . . . . . . . . . . . . 364
6.2. Serie de Fourier en tiempo discreto . . . . . . . . . . . . . . . . . . . . . . . 367
6.2.1. Derivación de la serie de Fourier en tiempo discreto . . . . . . . . . . 367
6.2.2. Representación matricial . . . . . . . . . . . . . . . . . . . . . . . . . 369
6.2.3. Propiedades de la serie de Fourier en tiempo discreto . . . . . . . . . 371
6.3. Transformada de Fourier en tiempo discreto . . . . . . . . . . . . . . . . . . 381
6.3.1. Definición de la transformada de Fourier en tiempo discreto . . . . . 381
6.3.2. Propiedades de la transformada de Fourier de funciones discretas . . 386
6.3.3. Relación entre las transformadas de Fourier y z . . . . . . . . . . . . 396
6.3.4. El teorema de muestreo . . . . . . . . . . . . . . . . . . . . . . . . . 399
6.4. Sistemas LTI en el dominio de la frecuencia . . . . . . . . . . . . . . . . . . 403

Índice general iv
6.4.1. La función de respuesta en frecuencia . . . . . . . . . . . . . . . . . . 403

6.5. Transformada Discreta de Fourier . . . . . . . . . . . . . . . . . . . . . . . . 406
6.5.1. Muestreo en el dominio de la frecuencia . . . . . . . . . . . . . . . . . 407
6.5.2. La transformada discreta de Fourier . . . . . . . . . . . . . . . . . . . 410
6.5.3. Relación de la DFT con otras transformadas . . . . . . . . . . . . . . 412
6.5.4. Propiedades de la DFT . . . . . . . . . . . . . . . . . . . . . . . . . . 413
6.5.5. Filtrado lineal basado en la DFT . . . . . . . . . . . . . . . . . . . . 417
6.6. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 419
A. Teorema de Green 422
B. Demostraciones de integrales 424

B.1. Fórmula de la integral de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . 424
B.2. Integral de la función sa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427
B.3. Área bajo el impulso gaussiano . . . . . . . . . . . . . . . . . . . . . . . . . 429
Índice alfabético 435
Lista de lecciones 441

Índice de figuras
1.1. Señales de una y dos dimensiones. . . . . . . . . . . . . . . . . . . . . . . . . 2

1.2. Electroencefalograma. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Señal bidimensional. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4. Las variables independientes son continuas o discretas. . . . . . . . . . . . . 4
1.5. Efecto de cambiar periodo de muestreo. . . . . . . . . . . . . . . . . . . . . . 5
1.6. Efecto del muestreo en una imagen. . . . . . . . . . . . . . . . . . . . . . . . 5
1.7. El valor de la señal es continuo o discreto. . . . . . . . . . . . . . . . . . . . 6
1.8. Proceso de cuantificación del valor de la señal. . . . . . . . . . . . . . . . . . 7
1.9. Efecto de cuantificación del valor de gris en imágenes. . . . . . . . . . . . . . 7
1.10. Tipos de señales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.11. Operaciones básicas con una señal. . . . . . . . . . . . . . . . . . . . . . . . 10
1.12. Operaciones básicas con dos señales. . . . . . . . . . . . . . . . . . . . . . . 11
1.13. Señales modificadas y su mezcla para el ejemplo 1.2. . . . . . . . . . . . . . . 12
1.14. Diagrama de bloques de un sistema con sus señales de entrada y salida. . . . 14
1.15. Sistema en su entorno. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.16. Diagrama de bloques de un sistema típico de comunicaciones eléctricas. . . . 15
1.17. Diagrama de bloques de un sistema típico de control realimentado. . . . . . . 15
2.1. Operaciones de conjuntos. .√. . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2.2. Construcción geométrica de n. . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3. Ejemplo de sucesión de Cauchy. . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.4. Suma de números reales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.5. Producto de números reales. . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.6. Diagrama de Argand. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.7. Conjuntos en el plano complejo. . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.8. Interpretación gráfica de la suma y resta. . . . . . . . . . . . . . . . . . . . . 39
2.9. Construcción geométrica para solucionar ecuación compleja. . . . . . . . . . 40
2.10. Construcción geométrica para el ejemplo 2.4. . . . . . . . . . . . . . . . . . . 42
2.11. Circuito de medición para ejemplo 2.5. . . . . . . . . . . . . . . . . . . . . . 43
2.12. Primera solución de circuito RL . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.13. Ejemplo de raíces complejas. . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.14. Diagrama de relación funcional entre x ∈ X y y ∈ Y . . . . . . . . . . . . . . 48
2.15. Representación tridimensional de partes real e imaginaria. . . . . . . . . . . 48
2.16. Representación tridimensional de módulo y argumento. . . . . . . . . . . . . 49
2.17. Codificación por colores. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.18. Coloración de dominio. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.19. Representación tridimensional de módulo con argumento coloreado. . . . . . 51
2.20. Representación de trayectorias complejas. . . . . . . . . . . . . . . . . . . . . 52
v
Índice de figuras vi
2.21. Mapeo de y = 2x + 4 por medio de w = 2z + 6. . . . . . . . . . . . . . . . . 53

2.22. Mapeo de transformación de perfil aerodinámico. . . . . . . . . . . . . . . . 54
2.23. Mapeo degenerado constante. . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.24. Rotación y escalado de un mapeo lineal . . . . . . . . . . . . . . . . . . . . . 55
2.25. Construcción geométrica de un círculo en el plano complejo. . . . . . . . . . 56
2.26. Construcción geométrica de una línea con |z − a| = |z − b|. . . . . . . . . . . 57
2.27. Transformación de una recta por mapeo lineal. . . . . . . . . . . . . . . . . . 58
2.28. Ejemplo de mapeo lineal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.29. Cuatro casos revisados para el mapeo de inversión. . . . . . . . . . . . . . . 64
2.30. Imagen de círculo mapeando tres puntos. . . . . . . . . . . . . . . . . . . . . 65
2.31. Mapeo de inversión de líneas horizontales y verticales. . . . . . . . . . . . . . 66
2.32. Superficie bilineal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.33. Dominio original a transformar con el mapeo (2.38). . . . . . . . . . . . . . . 69
2.34. Ejemplo de mapeo racional lineal. . . . . . . . . . . . . . . . . . . . . . . . . 70
2.35. Cuatro circuitos en serie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.36. Transformación en circuitos en serie. . . . . . . . . . . . . . . . . . . . . . . 72
2.37. Pasos del mapeo de la carta de Smith . . . . . . . . . . . . . . . . . . . . . . 73
2.38. Demostración gráfica para una recta. . . . . . . . . . . . . . . . . . . . . . . 76
2.39. Mapeo racional lineal utilizado en la Carta de Smith. . . . . . . . . . . . . . 77
2.40. Otros mapeos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
2.41. Vecindad y vecindad reducida. . . . . . . . . . . . . . . . . . . . . . . . . . . 79
2.42. Representación gráfica del límite con variable compleja. . . . . . . . . . . . . 81
2.43. Funciones conjugadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
2.44. Mapeo conforme mantiene ángulos. . . . . . . . . . . . . . . . . . . . . . . . 88
2.45. Mapeo exponencial es conforme. . . . . . . . . . . . . . . . . . . . . . . . . . 91
2.46. Sucesión armónica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
2.47. Sucesiones de sumas parciales.P . . n. . . . . . . . . . . . . . . . . . . . . . . . 95
2.48. Región de convergencia de ∞ n=0 z . . . . . . . . . . . . . . . . . . . . . . . . 100
2.49. Regiones de convergencia para series de potencia de 1/(z − p). . . . . . . . . 105
2.50. Aproximación con serie de Taylor de la función cos(πx). . . . . . . . . . . . . 107
2.51. Magnitud de la serie de Taylor del coseno. . . . . . . . . . . . . . . . . . . . 108
2.52. Parte real de la series de Taylor del coseno. . . . . . . . . . . . . . . . . . . . 108
2.53. Región de convergencia de serie de Taylor. . . . . . . . . . . . . . . . . . . . 110
2.54. Regiones de convergencia de series de potencia. . . . . . . . . . . . . . . . . 111
2.55. Regiones de convergencia para el ejemplo 2.34. . . . . . . . . . . . . . . . . . 112
2.56. Cuatro regiones de convergencia para el ejemplo 2.35. . . . . . . . . . . . . . 114
2.57. Regiones de convergencia en ejemplo 2.37. . . . . . . . . . . . . . . . . . . . 119
2.58. Tangente a trayectoria de integración. . . . . . . . . . . . . . . . . . . . . . . 123
2.59. Sentidos de integración y regiones. . . . . . . . . . . . . . . . . . . . . . . . . 123
2.60. Partición de la curva C en n segmentos. . . . . . . . . . . . . . . . . . . . . 124
2.61. Trayectoria de integración C para el ejemplo 2.41. . . . . . . . . . . . . . . . 125
2.62. Independencia a trayectoria de integración. . . . . . . . . . . . . . . . . . . . 129
2.63. Deformación del contorno para evitar una singularidad. . . . . . . . . . . . . 130
2.64. Deformación del contorno para evitar varias singularidades. . . . . . . . . . . 131
2.65. Trayectorias de integración semicirculares de radio R. . . . . . . . . . . . . . 136
2.66. Aproximación lineal del coseno. . . . . . . . . . . . . . . . . . . . . . . . . . 137
2.67. Aproximación lineal del seno. . . . . . . . . . . . . . . . . . . . . . . . . . . 138
2.68. Contorno cerrado para evaluar integrales reales infinitas. . . . . . . . . . . . 140

Índice de figuras vii
3.1. Relaciones entre los espacios lineales. . . . . . . . . . . . . . . . . . . . . . . 165

3.2. Construcción geométrica para obtener un vector ortogonal. . . . . . . . . . . 167
3.3. Representación de un vector euclídeo bidimensional . . . . . . . . . . . . . . 168
3.4. Representación alternativa de vectores euclídeos . . . . . . . . . . . . . . . . 168
3.5. Vector representado en una base ortogonal tridimensional. . . . . . . . . . . 170
3.6. Descomposición de vector en la base canónica . . . . . . . . . . . . . . . . . 170
3.7. Descomposición de vector en una base ortogonal diferente a la canónica . . . 171
3.8. Construcción del residuo de proyección. . . . . . . . . . . . . . . . . . . . . . 173
3.9. Tres polinomios ortogonales calculados en el ejemplo 3.4. . . . . . . . . . . . 175
3.10. Impulso rectangular de área unitaria. . . . . . . . . . . . . . . . . . . . . . . 178
3.11. Aproximación de función con base de funciones rectangulares. . . . . . . . . 179
3.12. Descomposición en una base funcional ortogonal rectangular. . . . . . . . . . 180
3.13. Proyección en base funcional canónica. . . . . . . . . . . . . . . . . . . . . . 181
3.14. Función exponencial compleja. . . . . . . . . . . . . . . . . . . . . . . . . . . 182
3.15. Señal rectangular periódica. . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
3.16. Líneas espectrales de pulsos rectangulares periódicos. . . . . . . . . . . . . . 189
3.17. Aproximaciones de pulsos rectangulares con pocos armónicos. . . . . . . . . 190
3.18. Señal senoidal rectificada de media onda con ángulo de disparo α. . . . . . . 191
3.19. Coeficientes de señal rectificada de media onda con ángulo de disparo α. . . 192
3.20. Función conformada por la combinación lineal de funciones rectangulares. . . 194
3.21. Función impar simple. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
3.22. Aperiodicidad de integral de función. . . . . . . . . . . . . . . . . . . . . . . 201
3.23. Función senoidal truncada con ángulo de disparo α. . . . . . . . . . . . . . . 204
3.24. Extensión periódica de periodo T de función aperiódica finita. . . . . . . . . 205
3.25. Impulso rectangular de ancho τ y amplitud 1/τ . . . . . . . . . . . . . . . . . 208
3.26. Magnitud y fase del espectro en frecuencia de un impulso rectangular. . . . . 209
3.27. Funciones sa(x) y sinc(x). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
3.28. Representación gráfica de función exponencial e−at u(t). . . . . . . . . . . . . 212
3.29. Espectro en magnitud y fase para la función exponencial unilateral. . . . . . 213
3.30. Curvas de distribución normal con varianzas σ/2, σ y 2σ. . . . . . . . . . . . 216
3.31. Cálculo de transformada de Fourier de distribución normal. . . . . . . . . . . 217
3.32. Modulación de una señal x(t) y el espectro correspondiente. . . . . . . . . . 221
3.33. Funciones utilizadas en ejemplo 3.13. . . . . . . . . . . . . . . . . . . . . . . 223
3.34. Derivadas de las funciones en ejemplo 3.13. . . . . . . . . . . . . . . . . . . . 224
3.35. Función puente para muestreo periódico. . . . . . . . . . . . . . . . . . . . . 230
3.36. Muestreo de señal utilizando la función puente. . . . . . . . . . . . . . . . . 231
3.37. Replicación del espectro por medio del muestreo. . . . . . . . . . . . . . . . 232
3.38. Respuesta a impulso rectangular de un sistema LTI. . . . . . . . . . . . . . . 237
3.39. Respuesta LTI a combinación lineal de funciones de respuesta conocida. . . . 238
3.40. Ejemplo de la convolución entre dos funciones. . . . . . . . . . . . . . . . . . 240
3.41. Diagrama de Bode de un término de primer orden. . . . . . . . . . . . . . . 245
3.42. Diagrama de Bode del ejemplo 3.21. . . . . . . . . . . . . . . . . . . . . . . . 246
3.43. Diagrama lineal del ejemplo 3.21. . . . . . . . . . . . . . . . . . . . . . . . . 246
4.1. Regiones de convergencia derecha e izquierda. . . . . . . . . . . . . . . . . . 262

4.2. Regiones de convergencia para funciones con varios polos. . . . . . . . . . . . 264
4.3. Regiones de convergencia de las diferentes señales. . . . . . . . . . . . . . . . 266
4.4. Delimitación de la ROC por polos. . . . . . . . . . . . . . . . . . . . . . . . 267

Índice de figuras viii
4.5. Contorno de Bromwich. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272

4.6. Ejemplo de señales con transformada de Laplace de segundo orden. . . . . . 279
4.7. Diagrama de polos y ceros del ejemplo 4.12. . . . . . . . . . . . . . . . . . . 280
4.8. Función x(t) para la ROC1 del ejemplo 4.12, con a = 1. . . . . . . . . . . . . 281
4.11. Diagrama de polos y ceros, y ROC en ejemplo 4.13. . . . . . . . . . . . . . . 283
4.12. Gráfica de la respuesta al impulso h(t) en el ejemplo 4.13. . . . . . . . . . . 283
4.13. Espacio paramétrico de sistema de segundo orden causal y estable. . . . . . . 284
4.14. Circuito RLC. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
5.1. Pasos básicos en la conversión analógica/digital. . . . . . . . . . . . . . . . . 303

5.2. Muestreo periódico de una señal analógica. . . . . . . . . . . . . . . . . . . . 304
5.3. Muestreo de señal sinusoidad. . . . . . . . . . . . . . . . . . . . . . . . . . . 305
5.4. Representación gráfica de una función de variable discreta x[n]. . . . . . . . 305
5.5. Tres funciones elementales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
5.6. Funciones exponenciales para valores de a reales. . . . . . . . . . . . . . . . . 308
5.7. Magnitud y fase de la función exponencial con a compleja. . . . . . . . . . . 308
5.8. Partes real e imaginaria de la función exponencial con a compleja. . . . . . . 309
5.9. Representación de exponencial compleja discreta. . . . . . . . . . . . . . . . 309
5.10. Representación gráfica de la ROC para r suficientemente pequeños. . . . . . 312
5.11. Representación gráfica de la ROC para r suficientemente grandes. . . . . . . 312
5.12. Representación gráfica completa de la ROC. . . . . . . . . . . . . . . . . . . 313
5.13. Lateralidad de señales y sus ROC. . . . . . . . . . . . . . . . . . . . . . . . . 315
5.14. Entrada-salida de un sistema discreto . . . . . . . . . . . . . . . . . . . . . . 330
5.15. Ejemplo de convolución de dos secuencias finitas. . . . . . . . . . . . . . . . 335
5.16. Respuesta del sistema en el ejemplo 5.23 al escalón, con a = 0,9. . . . . . . . 336
5.17. Interconexión de sistemas discretos. . . . . . . . . . . . . . . . . . . . . . . . 349
5.18. Diagrama de un sumador. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 350
5.19. Diagrama de un multiplicador por constante. . . . . . . . . . . . . . . . . . . 350
5.20. Diagrama de un multiplicador de señales. . . . . . . . . . . . . . . . . . . . . 350
5.21. Diagrama de elemento retardador. . . . . . . . . . . . . . . . . . . . . . . . . 351
5.22. Diagrama de elemento adelantador. . . . . . . . . . . . . . . . . . . . . . . . 351
5.23. Diagrama de bloques de la ecuación (5.23). . . . . . . . . . . . . . . . . . . . 351
5.24. Sistema retroalimentado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
6.1. Ejemplo de una función analógica sinusoidal. . . . . . . . . . . . . . . . . . . 360

6.2. Ejemplo de una función sinusoidal discreta. . . . . . . . . . . . . . . . . . . . 361
6.3. Comparación de frecuencias en funciones de variable discreta. . . . . . . . . 361
6.4. Cosenoidales de periodo N = 6. . . . . . . . . . . . . . . . . . . . . . . . . . 363
6.5. Función exponencial en tiempo discreto. . . . . . . . . . . . . . . . . . . . . 365
6.6. Tren de impulsos periódico, con periodo N . . . . . . . . . . . . . . . . . . . . 368
6.7. Sucesión de N = 8 números complejos que se repite indefinidamente. . . . . 370
6.8. Simetrías de funciones periódicas. . . . . . . . . . . . . . . . . . . . . . . . . 373
6.9. Extensión periódica para derivar transformada de Fourier. . . . . . . . . . . 382
6.10. Transformada de Fourier de pulso rectangular discreto . . . . . . . . . . . . 384
6.11. Espectro de tren de impulsos de Dirac. . . . . . . . . . . . . . . . . . . . . . 385
6.12. Espectro de función cosenoidal periódica discreta. . . . . . . . . . . . . . . . 387
6.13. Correspondencia entre dominio de frecuencia y dominio z. . . . . . . . . . . 399

Índice de figuras ix
6.14. Espectro de función discreta con banda limitada sin aliasing. . . . . . . . . 399
6.15. Muestreo de función analógica . . . . . . . . . . . . . . . . . . . . . . . . . . 402
6.16. Interpolador ideal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 403
6.17. Ejemplo de interpolación ideal. . . . . . . . . . . . . . . . . . . . . . . . . . 404
6.18. Respuestas de magnitud y fase para el sistema en el ejemplo 6.14. . . . . . . 406
6.19. Señal discreta aperiódica, su espectro contínuo, y su espectro muestreado. . . 407
6.20. Extensión periódica por muestreo del espectro. . . . . . . . . . . . . . . . . . 408
6.21. Interpolador ideal P (ω) para espectro muestreado con N = 5. . . . . . . . . 409
6.22. Efecto de extensión de señal con ceros y la DFT resultante. . . . . . . . . . . 411
6.23. Sucesión circular equivalente a x[n]. . . . . . . . . . . . . . . . . . . . . . . . 414
6.24. Sucesión circular equivalente a xp (n − 2). . . . . . . . . . . . . . . . . . . . . 414
6.25. Simetría circular par . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 414
6.26. Simetría circular impar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 415
A.1. Región usada para demostrar teorema de Green. . . . . . . . . . . . . . . . . 423
B.1. Generalización de la fórmula integral de Cauchy. . . . . . . . . . . . . . . . . 426

B.2. Trayectoria de integración para entontrar el área bajo la función sa. . . . . . 427
B.3. Contorno de integración. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 430

Índice de tablas
1.1. Características de las señales. . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.2. Operaciones básicas de funciones. . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1. Propiedades de operaciones binarias . . . . . . . . . . . . . . . . . . . . . . . 23

2.2. Estructuras similares a grupos. . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.3. Estructuras similares a anillos. . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.4. Propiedades de la suma y la multiplicación con Z. . . . . . . . . . . . . . . . 26
2.5. Estructuras algebraicas numéricas. . . . . . . . . . . . . . . . . . . . . . . . 34
2.6. Integrales en los semicírculos extensos. . . . . . . . . . . . . . . . . . . . . . 139
3.1. Propiedades de la serie de Fourier. . . . . . . . . . . . . . . . . . . . . . . . . 204

3.2. Transformadas de Fourier. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
3.3. Propiedades de la Transformada de Fourier. . . . . . . . . . . . . . . . . . . 229
3.4. Transformadas de Fourier con frecuencia hertziana. . . . . . . . . . . . . . . 233
3.5. Propiedades de la Transformada de Fourier con frecuencia hertziana. . . . . 234
3.6. Valores típicos de ganancia absoluta y en decibeles . . . . . . . . . . . . . . 243
4.1. Propiedades de la Transformada Bilateral de Laplace. . . . . . . . . . . . . . 271

4.2. Transformadas Bilaterales de Laplace de funciones elementales. . . . . . . . . 277
4.3. Transformadas Unilaterales de Laplace de funciones elementales. . . . . . . . 287
4.4. Propiedades de la Transformada Unilateral de Laplace. . . . . . . . . . . . . 288
5.1. Transformada z bilateral de algunas funciones comunes. . . . . . . . . . . . . 314

5.2. Propiedades de la transformada z bilateral. . . . . . . . . . . . . . . . . . . . 321
6.1. Propiedades de la serie de Fourier en tiempo discreto. . . . . . . . . . . . . . 372

6.2. Resumen de las herramientas del análisis de Fourier . . . . . . . . . . . . . . 396
6.3. Propiedades de la Transformada de Fourier en tiempo discreto. . . . . . . . . 397
6.4. Propiedades de la DFT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 417
x
Índice de ejemplos
1.1. Caracterización de señal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

1.2. Combinación lineal de señales . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1. Propiedades de operaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2. Diagrama de Argand . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.3. Suma de números complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.4. Segundo teorema de Tales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.5. Inductor real y solución gráfica . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.6. Potenciación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.7. Valor fundamental del logaritmo . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.8. Logaritmos negativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.9. Mapeo de una línea recta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.10. Puntos fijos y mapeo inverso . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.11. Mapeo de lineal de una recta . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.12. Mapeo lineal de una región . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.13. Inversión de rejilla alineada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.14. Facilitando mapeo racional lineal . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.15. Circuitos en serie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.16. Carta de Smith . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
2.17. Derivada de f (z) = z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
2.18. Derivada de f (z) = z ∗ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
2.19. Función analíticas y las ecuaciones de Cauchy-Riemann . . . . . . . . . . . . . 85
2.20. Funciones conjugadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
2.21. Mapeo conforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
2.22. Mapeo conforme exponencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
2.23. Sucesión armónica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
2.24. Serie de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
2.25. Serie geométrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
2.26. Serie infinita de potencias enteras . . . . . . . . . . . . . . . . . . . . . . . . . 96
2.27. Criterio de la raíz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
2.28. Criterio del cociente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
2.30. Radio de convergencia de derivadas . . . . . . . . . . . . . . . . . . . . . . . . 102
2.31. Serie de potencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
2.32. Serie de Taylor de la función cosenoidal . . . . . . . . . . . . . . . . . . . . . . 106
2.33. Series de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
2.34. Serie de Laurent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
2.35. Series de Laurent con diferentes regiones de convergencia . . . . . . . . . . . . 113
2.36. Singularidades y ceros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
2.37. Regiones de convergencia delimitadas por polos . . . . . . . . . . . . . . . . . . 118
2.38. Cálculo de residuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
xi
Índice de tablas xii
2.39. Cálculo de residuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120

2.40. Residuo de una singularidad esencial . . . . . . . . . . . . . . . . . . . . . . . . 121
2.41. Integral de contorno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
2.42. Integral de contorno cerrada alrededor de polo simple . . . . . . . . . . . . . . 126
2.43. Integral de contorno cerrada alrededor de polo múltiple . . . . . . . . . . . . . 127
2.44. Integración compleja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
2.45. Teorema de la integral de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . 130
2.46. Integración por teorema del residuo . . . . . . . . . . . . . . . . . . . . . . . . 132
2.47. Fórmula integral de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
2.48. Integración infinita real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
2.49. Integración de una función trigonométrica real . . . . . . . . . . . . . . . . . . 141
3.1. Coeficientes de una base ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . 164
3.2. Ortogonalidad en el espacio euclídeo bidimensional . . . . . . . . . . . . . . . . 167
3.3. Cambio de base para un vector . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
3.4. Base polinomial de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . . . . . . 173
3.5. Proyección de funciones sobre base canónica funcional . . . . . . . . . . . . . . 180
3.6. Serie de Fourier de señal rectangular . . . . . . . . . . . . . . . . . . . . . . . . 187
3.7. Serie de Fourier de señal rectificada con ángulo de disparo . . . . . . . . . . . . 190
3.8. Linealidad en las series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . 194
3.9. Simetría en series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
3.10. Linealidad de series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
3.11. Transformada de Fourier del seno y el coseno . . . . . . . . . . . . . . . . . . . 215
3.12. Transformada de Fourier de sinusoides . . . . . . . . . . . . . . . . . . . . . . . 219
3.13. Propiedad de derivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
3.14. Propiedad de integración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
3.15. Transformada de impulso gaussiano . . . . . . . . . . . . . . . . . . . . . . . . 225
3.16. Dualidad de la transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . 227
3.17. Uso de propiedades para el cálculo del principio de integración . . . . . . . . . 229
3.18. Muestreo de señales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
3.19. Sistemas lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
3.20. Sistemas invariantes en el tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . 236
3.21. Diagrama de Bode de un filtro pasa-bandas . . . . . . . . . . . . . . . . . . . . 245
4.1. Transformada de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
4.2. Región de convergencia de la transformada de Laplace . . . . . . . . . . . . . . 261
4.3. Transformada de Laplace y ROC . . . . . . . . . . . . . . . . . . . . . . . . . . 262
4.4. Transformada de Laplace de función finita . . . . . . . . . . . . . . . . . . . . 265
4.5. Convergencia de funciones bilaterales . . . . . . . . . . . . . . . . . . . . . . . 266
4.6. Derivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
4.7. Inversión por integración de función racional con polo simple . . . . . . . . . . 273
4.8. Inversión por integración de función racional con polos de orden superior . . . . 273
4.9. Inversión por integración de función con polo en cero . . . . . . . . . . . . . . . 274
4.10. Descomposición de función racional impropia . . . . . . . . . . . . . . . . . . . 275
4.11. Transformada de Laplace de un término de segundo orden . . . . . . . . . . . . 276
4.12. Transformada inversa de Laplace por descomposición en fracciones parciales . . 278
4.13. Estabilidad y regiones de convergencia . . . . . . . . . . . . . . . . . . . . . . . 283
4.14. Estabilidad de sistemas de segundo orden . . . . . . . . . . . . . . . . . . . . . 284
4.15. Circuito RLC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285
4.16. Transformada unilateral de Laplace de una función periódica . . . . . . . . . . 290

Índice de tablas xiii
4.17. Solución de ecuación diferencial con condiciones iniciales . . . . . . . . . . . . . 294

5.1. Transformada z de funciones finitas . . . . . . . . . . . . . . . . . . . . . . . . 311
5.2. Transformada z de función exponencial . . . . . . . . . . . . . . . . . . . . . . 311
5.3. Transformada z de función exponencial causal general . . . . . . . . . . . . . . 312
5.4. Transformada z de función exponencial anticausal general . . . . . . . . . . . . 313
5.5. Transformada de combinación lineal de exponenciales . . . . . . . . . . . . . . 313
5.6. Linealidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 316
5.7. Escalado en el dominio z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
5.8. Inversión temporal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
5.9. Diferenciación en el dominio z . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
5.10. Transformada z inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
5.11. Transformada z inversa por división polinomial . . . . . . . . . . . . . . . . . . 323
5.12. Transformada z inversa por series de Taylor . . . . . . . . . . . . . . . . . . . . 324
5.13. Conversión de función impropia en un polinomio más una función propia . . . 325
5.14. Continuación de ejemplo 5.13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
5.15. Expansión en fracciones parciales con solo polos simples . . . . . . . . . . . . . 327
5.16. Expansión en fracciones parciales con polos dobles . . . . . . . . . . . . . . . . 328
5.17. Descripción entrada-salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
5.18. Salida de sistema acumulador . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
5.19. Invarianza en el tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
5.20. Sistemas lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332
5.21. Descomposición en impulsos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
5.22. Convolución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 334
5.23. Reacción de sistemas con respuesta exponencial . . . . . . . . . . . . . . . . . . 335
5.24. Sistemas lineales discretos en el dominio z . . . . . . . . . . . . . . . . . . . . . 337
5.25. Estabilidad y convergencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 339
5.26. Estabilidad y convergencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 339
5.27. Sistemas en tiempo discreto recursivos y no recursivos . . . . . . . . . . . . . . 341
5.28. Ecuación de diferencias a partir de transformada z. . . . . . . . . . . . . . . . 343
5.29. Transformada z unilateral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
5.30. Transformada z unilateral y adelanto temporal . . . . . . . . . . . . . . . . . . 345
5.31. Teorema del valor final . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
5.32. Respuestas natural y forzada. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
5.33. Diagrama de bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 350
5.34. Sistema retroalimentado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
6.1. Periodo fundamental de funciones discretas . . . . . . . . . . . . . . . . . . . . 362
6.2. Equivalencia de frecuencias continua y discreta . . . . . . . . . . . . . . . . . . 364
6.3. Serie de Fourier de un tren de impulsos discreto . . . . . . . . . . . . . . . . . 368
6.4. Serie de Fourier del coseno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368
6.5. Serie de Fourier de funciones discretas . . . . . . . . . . . . . . . . . . . . . . . 370
6.6. Transformada de un impulso unitario . . . . . . . . . . . . . . . . . . . . . . . 383
6.7. Transformada discreta de un impulso rectangular . . . . . . . . . . . . . . . . . 383
6.8. Transformada inversa de una componente espectral . . . . . . . . . . . . . . . . 385
6.11. Convolución circular de la función X2π (ω) . . . . . . . . . . . . . . . . . . . . 390
6.12. Elemento neutro de la convolución circular . . . . . . . . . . . . . . . . . . . . 391
6.13. Transformada de Fourier del escalón unitario . . . . . . . . . . . . . . . . . . . 391
6.14. Respuesta en frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 405
6.15. Aliasing temporal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 409

Índice de ejemplos xiv
6.16. Respuesta de filtro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 418

Lista de símbolos y abreviaciones
Notación general
IN+ , IN∗ Conjunto de los números naturales sin cero IN+ = IN\{0}.
IN, IN0 Conjunto de los números naturaless IN = {0,1,2, . . .}.
Z Conjunto de los números enteros Z = {. . . , − 2, − 1,0,1,2, . . .}.
Q Conjunto de los números racionales Q = {q | q = nd ; n,d ∈ Z}.
IR Conjunto de los números reales.
IR+ Conjunto de los números reales positivos.
C Conjunto de los números complejos.
A⊂B A es subconjunto de B.
A∪B A unión B.
A∩B A intersección B.
A\B A menos B.
∗, ~, N Convolución, convolución periódica, convolución circular.
j j 2 = −1.

(a,b)
Mapeo de un dominio temporal al dominio frecuencial o z.
Mapeo de un dominio frecuencial (o z) al dominio temporal.
Par ordenado con primer componente a y segundo componente b.
ha,bi Producto interno entre a y b.
z∗ Complejo conjugado de z.
∠z ó arg z Ángulo o argumento del número complejo z.
Im{z}, zIm Parte imaginaria del número complejo z.
|z| Magnitud o módulo del número complejo z.
Re{z}, zRe Parte real del número complejo z.
T [·] Transformación realizada por un sistema.
!
a=b a se define como b.
F {·} Transformada de Fourier.
−1
F {·} Transformada inversa de Fourier.
L {·} Transformada de Laplace.
−1
L {·} Transformada inversa de Laplace.
Z {·} Transformada z.
Z −1 {·} Transformada inversa z.
y Escalar.
·> Transposición.
x Vector
 columna.

x1
 x2 
 
x =  .. 
.
xn
xv
Lista de símbolos y abreviaciones xvi
x> Vector fila.

x> = [x1 x2 . . . xn ]
A Matriz.
   
a11 a12 · · · a1m a11 a21 · · · an1
 a21 a22 · · · a2m   a12 a22 · · · an2 
   
A =  .. .. .. ..  A> =  .. .. .. .. 
 . . . .   . . . . 
an1 an2 · · · anm a1m a2m · · · anm
Abreviaciones
BIBO Entrada acotada – Salida acotada (bounded input – bounded output).
DSP Digital Signal Processing (o Processor ).
FIR Respuesta finita al impulso (Finite Impulse Response).
IIR Respuesta infinita al impulso (Infinite Impulse Response).
LTI Sistema lineal e invariante en el tiempo (Linear and Time Invariant).
PDS Procesamiento Digital de Señales.
ROC Región de convergencia (Region of Convergence).

Capítulo 1
Introducción
Lección 1 B La principal tarea en la profesión de ingeniería es aplicar conocimientos científicos y tecno-

lógicos en la solución de problemas, para lo cual se deben contemplar no solo restricciones y
requisitos científicos, técnicos y tecnológicos, sino aquellos impuestos por factores económi-
cos, legales, sociales, morales, éticos y ambientales [9].
Para encontrar la solución a un problema concreto, se deben analizar los factores que com-
ponen al problema, y las interacciones de esos factores entre sí, y con el entorno. El lenguaje
utilizado para describir con precisión dichos factores y sus interacciones es la matemática.
El presente texto tiene como objetivo introducir las bases de matemática avanzada utilizados
en ingeniería. Estos conceptos permiten simplificar el análisis de fenómenos físicos encontra-
dos en las áreas de termodinámica, óptica, acústica, mecánica, hidráulica y electricidad, por
mencionar algunas, y constituyen la base conceptual de las tres grandes áreas:
• comunicaciones eléctricas,
• procesamiento de señales, y
• control automático.
Todas estas ramas comparten el mismo lenguaje matemático para caracterizar señales, sis-
temas y modelos. Estos tres términos se introducen a continuación.
1.1. Señales
Una señal es el resultado de la medición de una cantidad física que varía con el tiempo,
espacio o cualquier otra variable o variables independientes, y que tiene asociado algún sig-
nificado relevante para el contexto donde esta ocurra. Así, en circuitos electrónicos las señales
de interés son tensiones o corrientes eléctricas, números de flancos positivos o negativos, etc.
En sistemas mecánicos las señales se asocian a información de objetos como su posición,
velocidad, masa, volumen, presión, etc.
En general, toda señal contiene información que se desea extraer o modificar de acuerdo a
las necesidades de las aplicaciones concretas. Un sismógrafo, por ejemplo, registra señales
sísmicas que contienen información sobre intensidad y frecuencias de las ondas sísmicas, con
ayuda de las cuales se determina, entre otras cosas, el epicentro y la cantidad de energía
liberada por los sismos. Por otro lado, las señales electrocardiográficas le permiten a un
1
1 Introducción 2
médico determinar el estado de salud del corazón y sistema circulatorio de sus pacientes.
Las señales en el presente contexto se representan por funciones matemáticas. Para estu-
diarlas se pueden utilizar las características listadas en la tabla 1.1. aunque dependiendo del
Tabla 1.1: Características de las señales.
Característica Valores
Número de variables independientes una variable multiples variables
Dimensionalidad escalar vectorial (multicanal)
Tipo de variables independientes discretas continuas
Tipo de valores de la señal discretos continuos
Naturaleza estadística determinísticas aleatorias
análisis requerido, otras características adicionales aparecerán (señales dispersas o densas,

señales de potencia o energía, etc.).
1.1.1. Número de variables independientes
En su representación por medio de funciones matemáticas, el valor de las señales depende

de una o más variables independientes. Para señales físicas, las variables independientes
son por lo general tiempo y/o espacio, pero para señales virtuales, obtenidas por procesos
computacionales, las variables independientes son de naturalezas más variadas, como algún
identificador (nombre o número), que tiene asociada alguna característica (como el peso,
precio, densidad, color, etc.).
Una señal de voz, por ejemplo, puede representarse como una función f (t) de una variable
temporal t (figura 1.1a), en donde el valor de la función en cada instante de tiempo se
f (t) y
1
2
t[s]
0,5 1 1,5 2 2,5
− 12
−1
x
(a) (b)
Figura 1.1: (a) Señal de voz con la frase “señales y sistemas” como función de una variable tempo-
ral t. La amplitud está normalizada con respecto al rango representable. (b) Imagen
como señal espacial en dos dimensiones x, y. El valor de la función varía entre 0 (negro)
y 1 (blanco).
asocia ya sea a la tensión eléctrica aplicada a un altavoz, o directamente al valor de la

1 Introducción 3
presión instantánea del aire de la onda acústica en un punto particular del espacio, como la
membrana de un micrófono. Nótese que el valor de señal en este caso depende del tiempo,
pero el tiempo como tal no depende de ninguna otra variable.
Una imagen, como la mostrada en la figura 1.1b, es una señal bidimensional representada
como función f (x,y) de dos variables independientes espaciales x y y, en donde el valor en
cada punto del espacio se asocia, por ejemplo, al nivel de gris. En este caso la posición (x,y)
no depende de ninguna otra variable, pero el valor de gris depende de esa posición (x,y)
particular.
1.1.2. Dimensionalidad de la señal
En cuanto a su dimensión, las señales son escalares o vectoriales. Si la voz se captura con
un micrófono monofónico (como en la figura 1.1a), la señal eléctrica de salida tendrá un solo
valor de tensión eléctrica en cada instante de tiempo. Por otro lado, un electroencefalograma
(figura 1.2) registra un conjunto o vector de señales eléctricas provenientes de n electrodos
para cada instante t:
Figura 1.2: Un electroencefalograma registra varias señales que capturan la actividad eléctrica
del cerebro.
 
f1 (t)
 f2 (t) 
 
f (t) =  ..  .
 . 
fn (t)
Otro ejemplo de señales vectoriales utilizadas frecuentemente en ingeniería son las imágenes
en color, en las que cada elemento de la imágen o pixel se representa como un vector en un
espacio de color, donde las componentes del vector indican, por ejemplo, los valores de los
colores primarios rojo, verde y azul (figura 1.3).
A cada una de las componentes de las señales vectoriales se le denomina canal y por lo tanto
a la señal se le denota como multicanal . Por ejemplo, un micrófono estereofónico produce
una señal con un canal izquierdo y otro derecho, y la imagen a color tiene canales rojo, verde
y azul.

1 Introducción 4
(a) Imagen en color (b) Canal rojo (c) Canal verde (d) Canal azul
Figura 1.3: Imagen en color bidimensional, con sus correspondientes canales en el espacio de color
RGB.
1.1.3. Tipo de variables independientes
Las variables independientes de una señal pueden ser discretas o continuas (figura 1.4). Si
una variable independiente toma valores de un conjunto no numerable (como los números
reales), se dice que la variable es continua. Si la variable independiente toma valores de un
conjunto numerable (como los números enteros) entonces de dice que la variable es discreta.
f (t) f [n]
t n
1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8
(a) (b)
Figura 1.4: Las variables independientes pueden ser (a) continuas o (b) discretas.
La salida de un foto-transistor, por ejemplo, puede ser medida en todo instante de tiempo
t (variable continua), mientras que el número de llamadas telefónicas realizado por hora,
es una señal que una compañía telefónica genera para instantes discretos de tiempo nT
distanciados por el periodo de muestreo T = 1 h (variable discreta).
Existen aplicaciones donde se deben convertir señales de variable continua a variable discre-
ta. A ese proceso de conversión de variable independiente continua a discreta se le denomina
muestreo. En otras palabras, el muestreo de una señal de variable continua consiste en to-
mar valores de esa señal para algunos instantes numerables de la variable independiente.
Por ejemplo, la señal discreta en la figura 1.4b se obtuvo muestreando la señal continua de
la figura 1.4a cada T = 1. A este tipo de muestreo se le denomina muestreo homogéneo,
en donde los únicos valores válidos para la variable independiente están separados por un
intervalo de muestreo T fijo, también llamado periodo de muestreo. Esto trae consigo ven-

1 Introducción 5
tajas computacionales y simplicidad de los modelos matemáticos usados. En el muestreo

homogéneo, la variable continua t y la variable discreta n se relacionan entonces con t = nT .
La figura 1.5 ilustra el efecto de muestrear la señal en la figura figura 1.4a con otros periodos
de muestreo T = 1/4 y T = 2. Intuitivamente se observa que, si se quisiera reconstruir
f [n], f (t) f [n], f (t)
t t
1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8
(a) (b)
Figura 1.5: Efecto de cambiar periodo de muestreo. (a) T = 1/4, (b)=T = 2. Se grafica con la
línea cortada la función de variable continua para referencia visual.
a partir de las muestras la señal de variable continua que les dio origen, se debe contar
con suficiente cantidad de ellas. Si son muy pocas, es imposible reconstruir la señal. Por
ejemplo, de los tres ejemplos brindados, solo con el periodo de muestreo T = 1/4 se logran
capturar las oscilaciones que ocurren en el intervalo de 7 a 8. Con T = 2 ni tan siquiera
se logra rescatar que existieron oscilaciones en la primera mitad de la señal. En capítulos
posteriores se analizará cómo debe elegirse T para no perder información de la señal original
en el proceso de muestreo. Por otro lado, si T se reduce, entonces el número de muestras por
unidad sube. Si asumimos que exite un costo para procesar cada muestra (por ejemplo, un
determinado número de operaciones para cada muestra, en un computador), entonces esa
reducción de T incrementa el costo de procesamiento.
(a) (b) (c)
Figura 1.6: Efecto del muestreo en una imagen. La señal en la figura 1.1b pero con solo
(a) 8 muestras, (b) 32 muestras o (c) 128 muestras en el rango completo de cada
una de sus variables independientes espaciales.

1 Introducción 6
Hoy en día es frecuente encontrar en sistemas complejos otras técnicas de muestreo no

homogéneo, en las que la separación entre muestras se ajusta a la tasa de cambio de la señal.
Así, cuando la señal cambia rápido, se toman más muestras que cuando la señal cambia
lentamente.
El concepto de muestreo no es exclusivo de las señales de una variable independiente. La
figura 1.6 ilustra el efecto de discretizar las variables independientes de espacio de la señal
en la figura 1.1b. Es aquí quizá aún más evidente que con solo 8 × 8 muestras, la información
de la señal original es irreconocible. Con 32 × 32 muestras, si bien la señal está bastante
distorsionada, el contenido a grandes rasgos se aprecia, y con 128 × 128 con un poco de
cuidado se observan las diferencias con la imagen original.
1.1.4. Tipo de valores de la señal
Los valores que puede tomar una señal pueden ser también continuos o discretos (figura 1.7).
Los valores discretos en este caso se dicen estar cuantificados. Así, la tensión eléctrica del
f (t) fˆ(t)
t t
1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8
(a) (b)
Figura 1.7: El valor que adquiere una señal puede ser (a) continuo o (b) discreto.
fototransistor puede tomar cualquier valor real en un intervalo, y por eso se dice ser continua.
Por otro lado el número de llamadas es siempre un valor entero, y por tanto discreto.
Al proceso de transformar los valores continuos de una señal a valores discretos se le denomina
cuantificación. De hecho, la señal x̂(t) en la figura 1.7b corresponde a la señal x(t) en
la figura 1.7a, cuantificada a solo nueve posibles niveles equidistantes entre sí. La señal
x̂(t) pierde con la cuantificación un poco de la información de la señal original x(t). Esa
información perdida se relaciona con el denominado ruido de cuantificación q(t). La relación
entre el ruido de cuantificación q(t), la señal original x(t) y la señal cuantificada x̂(t) se suele
expresar como
x̂(t) = x(t) + q(t) .
Es decir, el resultado de agregar el ruido de cuantificación a la señal original produce la
señal cuantificada. La figura 1.8 ilustra el efecto de aumentar los niveles de cuantificación.
Se observa que conforme más niveles se tienen, menor es el ruido de cuantificación, a tal
punto que cuando se tiene un número muy elevado de niveles, el ruido se puede despreciar.

1 Introducción 7
fˆ(t), f (t), q(t) fˆ(t), f (t), q(t) fˆ(t), f (t), q(t)
t t t
1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8
(a) (b) (c)
Figura 1.8: Proceso de cuantificación de la señal x(t) de la figura 1.7a a (a) 5 niveles, (b) 15 niveles
y (c) 257 niveles. En rojo se grafica el error de cuantificación q(t).
Los valores cuantificados de una función (continua o discreta en el tiempo) pueden ser equi-
distantes, como en todos los ejemplos anteriores, o pueden seguir otras distribuciones más
complejas. Por ejemplo, en telefonía se usan distribuciones logarítmicas para la cuantifica-
ción de las señales de audio, que han sido diseñadas para ajustarse a la respuesta auditiva
humana. Así, se utilizan cerca de cero más niveles de cuantificación que cuando la señal se
aleja del valor cero.
La figura 1.9 ilustra el efecto de cuantificar los niveles de gris de la imagen en la figura 1.1b,
donde aquí no se utiliza una separación uniforme de los niveles de gris, sino que estos se
ajustaron a los valores más representativos de la imagen original.
(a) (b) (c)
Figura 1.9: Efecto de la cuantificación del valor de gris en imágenes. (a) 16 niveles, (b) 4 niveles
o (c) 2 niveles de gris.
El término digital se utiliza para describir señales de variables independientes discretas y de

valores discretos, mientras que analógica es una señal con variables independientes continuas
y valores continuos. En el tratamiento de señales digitales, el análisis matemático se suele
simplificar utilizando señales de valor continuo pero de variable discreta, llamadas usualmente
señales discretas, por representar la variable independiente generalmente instantes de tiempo
definidos. Estos términos son fundamentales para el resto del documento y se resumen en
la figura 1.10. La naturaleza cuantificada de los valores que toman las funciones se suele
ignorar si el número de posibles valores es suficientemente elevado, lo que permite despreciar
el ruido de cuantificación. Por ejemplo, en audio digital se suelen usar de 216 a 220 niveles

1 Introducción 8
Variable(s) independiente(s)
Continua(s) Discreta(s)
Discreto Continuo
Variable
Valor de señal
Analógica
Discreta
Digital
Figura 1.10: Tipos de señal de acuerdo a la naturaleza discreta o continua de las variables inde-
pendientes y los valores que toma la señal.
y en imágenes digitales los canales de color se suelen cuantificar con 28 a 212 niveles, por
lo que el análisis de las señales se realiza en ambos casos como si fuesen señales de variable
discreta, despreciando el ruido de cuantificación.
1.1.5. Naturaleza estadística
Un último criterio de carácter matemático para clasificar las señales es su naturaleza esta-
dística: las señales pueden ser determinísticas o de naturaleza aleatoria.
La señal es determinística si puede especificarse con precisión la forma de la función que la
describe, lo que en la práctica quiere decir que existe alguna expresión matemática cerrada
que la describe. Si por ejemplo una señal determinística está descrita por x(t) = 2te−t/2 − 1,
entonces se conoce su valor para cada instante t. La señal de ángulo de un péndulo puede
en general describirse de forma determinística, así como la posición de los astros del sistema
solar.
Un caso particular de señales determinísticas son las señales periódicas, que se repiten in-
definidamente. Basta en ellas conocer un periodo, para con él conocer el resto del compor-
tamiento de la señal. Las señales eléctricas sinusoidales utilizadas en sistemas de corriente
alterna son un ejemplo de señales periódicas. También fenómenos oscilatorios, como péndulos
o cuerdas vibrantes, producen este tipo de señales periódicas.
A diferencia de las señales determinísticas, las señales aleatorias solo permiten una descrip-
ción aproximada de la forma de su función, por tener asociado un comportamiento ya sea
impredecible o incierto; por ejemplo, un generador de ruido, una señal sísmica, o una señal
acústica de voz (figura 1.1) o las señales producidas por un electroencefalograma. La des-
cripción y análisis de este tipo de señales aleatorias requiere herramientas de la probabilidad
y estadística.
Ejemplo 1.1 Analice qué tipo de señal es un video en alta definición (HD) mostrado en
un sitio web.
Solución: En un video se muestran usualmente de 25 a 30 cuadros por segundo, lo que indica
que la variable independiente temporal es discreta. Cada cuadro está a su vez discretizado
en el espacio a un tamaño de 1920 × 1080 pixeles. Cada cuadro tiene a su vez varios canales
de color. De este modo, un video es una señal
 
R[x,y,n]
v[x,y,n] = G[x,y,n]
B[x,y,n]
1 Introducción 9
con tres variables independientes discretas: el tiempo n, y dos variables espaciales x y y.

Para cada posición espacio-temporal [x,y,n] la señal tiene un valor vectorial con tres canales
de color, por ejemplo, rojo R, verde G y azul B. Los valores que puede tomar cada canal de
color en señales de video convencionales es de 0 a 255, es decir, los valores son discretos.
En general no existe una función cerrada que pueda describir qué valor de color tendrá cada
pixel, así que decimos que la señal es de naturaleza aleatoria.
Aquí solo se ha considerado la información visual en el vídeo. 1.1
El presente texto se restringe al estudio de señales de

• una variable independiente (temporal),
• de valor escalar,
• de variable independiente discreta y continua,
• con valores de señal continuos,
• y con una naturaleza determinística.
Los métodos de análisis presentados en los siguientes capítulos son la base de herramientas
más avanzadas para tratar con señales de todo tipo.
1.1.6. Operaciones con señales
Las señales determinísticas que se tratarán en este texto se representan con funciones ma-
temáticas de una variable. Esto permite utilizar las operaciones disponibles de funciones
matemáticas para representar manipulaciones básicas de señales.
Sean las señales escalares f (t) y g(t) de variable independiente continua temporal t, sean
a un valor constante con las dimensiones de la señal, α un factor adimensional y τ una
constante temporal. Las operaciones básicas se resumen en la tabla 1.2.
Tabla 1.2: Operaciones básicas de funciones.
Operación Efecto
h(t) = f (t) + a Cambio de nivel
h(t) = αf (t) Escalamiento
h(t) = f (αt) Escalamiento temporal
h(t) = f (t − τ ) Desplazamiento temporal
h(t) = f (t) + g(t) Mezcla aditiva
h(t) = f (t)g(t) Producto
h(t) = g(f (t)) Composición
La figura 1.11 ilustra el efecto de las primeras cuatro operaciones sobre una función f (t). El
cambio de nivel, o desplazamiento vertical se consigue agregando el valor constante a a cada
valor de la señal
h(t) = f (t) + a .
La atenuación o amplificación de la señal se consigue multiplicándola con una constante α
h(t) = αf (t)

1 Introducción 10
f (t)
f (t) + a αf (t) αf (t)
0<α<1 α>1
a
t t t
f (t − τ ) f (αt) f (αt)
α>1 0<α<1
t t t
τ
Figura 1.11: Ejemplo de operaciones básicas sobre la señal f (t).
Con 0 < α < 1 se atenúa la señal y con α > 1 se amplifica. A α se le denomina factor de
ganancia.
El desplazamiento temporal ocurre si se modifica con un valor temporal constante a la
variable independiente:
h(t) = f (t − τ ) .
El caso ilustrado en la figura utiliza τ > 0, lo que implica que, con la resta t − τ , la señal
f (t − τ ) se retrasa, o se desplaza a la derecha.
La compresión o expansión temporal se logra escalando la variable independiente
h(t) = f (αt) .
La señal se expande si 0 < α < 1 y se comprime si α > 1. Se invita al lector a meditar por
qué esto es así.
Las operaciones básicas con dos señales incluyen la mezcla aditiva, el producto y la compo-
sición. Estas operaciones se aplican para cada instante t. Un ejemplo de ellas se ilustra en la
figura 1.12.

1 Introducción 11
f (t) g(t)
1 1
t t
1 2 1 2
f (t) + g(t) f (t)g(t) g(f (t))
1 1 1
1 1 1
2 2 2
t t t
1 2 1 2 1 1 3 2
2 2
Figura 1.12: Ejemplo de operaciones básicas con dos señales f (t) y g(t).
Con esas operaciones básicas se derivarán más adelante operaciones compuestas más com-
plejas como la convolución.
Ejemplo 1.2 Sean dos señales f (t) y g(t) dadas por

(
1 − |t − 1| 0 < t < 2
f (t) =
0 en el resto
(
1−t 0<t<1
g(t) =
0 en el resto
Grafique ambas señales y encuentre una nueva señal generada con

t−1
h(t) = 2f (t) − g
2
Solución:
Las señales f (t) y g(t) se ilustran en la fila superior de la figura 1.12.
El sumando 2f (t) modifica la amplitud de f (·) por un factor de 2. La interpretación del
término g t−12
se puede hacer por varios caminos. Primero, probando algunos puntos se
observa por ejemplo que con t = 1 y t = 3 se llega a evaluar g(0) y g(1); en otras palabras,
el punto t = 0 de la función original pasa a ubicarse en t = 1, y el punto t = 1 de la función
original pasa a ubicarse en t = 3. El signo negativo lo que hace es invertir la señal respecto
al eje t.
Otro camino para interpretar el segundo término usa variables independientes intermedias

1 Introducción 12
para interpretar geométricamente lo que ocurre:

0
t−1 t
g =g = g(t00 )
2 2
Se conoce cómo se ve g(t). Se sabe además que g(t0 /2) se ve como g(t0 ) expandida en el
tiempo por un factor de 2. Finalmente, con t0 = t − 1 esta última señal se desplaza en uno
hacia la izquierda. La figura 1.13 ilustra estos dos términos, que finalmente se suman para
producir h(t).
t−1

2f (t) −g 2 h(t)
2 2 2
1 1 1
1 1 1
2 2 2
t t t
1 2 3 1 2 3 1 2 3
−1
Figura 1.13: Señales modificadas y su mezcla para el ejemplo 1.2.
1.2
1.2. Sistemas
El concepto sistema se asocia con conjuntos de elementos interrelacionados que conforman
un todo unificado con el fin de realizar alguna tarea. Su raíz etimológica es el término latino
systēma, que a su vez proviene del griego σύστημα relacionado con los conceptos “combinar ”
e “instalar ”.
Un sistema puede formar parte de otro sistema de mayor nivel, en cuyo caso al primero se
le denomina subsistema. Los diferentes subsistemas intercambian señales entre ellos.
Por medio de señales de entrada un sistema captura información de interés de su entorno,
y por medio de señales de salida el sistema actúa sobre ese entorno. El sistema será digital,
analógico o mixto dependiendo del tipo de señales de entrada y salida.
En el contexto de ingeniería, un sistema es entonces un conjunto de subsistemas que logran
transformar una señal o señales de entrada en otra u otras señales de salida. Para el análisis
de los sistemas ese número de señales de entrada y salida es relevante, por lo que reciben
nombres particulares. Un sistema SISO (single input, single output solo tiene una señal de
entrada escalar y una de salida, también escalar. Un sistema MIMO (multiple inputs, multiple
outputs) tiene múltiples entradas y salidas, donde el término “múltiple” es muy general, y
abarca tanto a varias señales separadas como a señales multi-canal. También existen los
sistemas MISO y SIMO.
Los sistemas pueden ser entes físicos, como un circuito electrónico, virtuales, como programas
computacionales, o híbridos, con componentes físicas y virtuales.
Como ejemplo puede citarse un motor de corriente continua. La tensión eléctrica de entrada
puede considerarse a su vez como la señal de entrada, la velocidad angular del eje podría

1 Introducción 13
representar la señal de salida. Desde esta perspectiva el motor es un sistema completo que
transforma una señal de tensión en una señal de velocidad angular. Por supuesto otras
interpretaciones son posibles, como por ejemplo el motor es un sistema que transforma
energía eléctrica en energía mecánica. En este último caso las señales de entrada y salida
serían entonces mediciones de potencia o energía. Por otro lado, este motor puede formar
parte de sistemas más complejos, como una unidad de disco duro, que a su vez forma parte
de un computador personal, y este puede ser un elemento de una red de computadoras, y
así sucesivamente.
1.3. Modelos
En el presente contexto, modelo es una abstracción matemática de un sistema, que permite
sustituirlo cuando se estudia la relación entre las señales de entrada y salida. Por ejemplo,
un resistor se modela con la Ley de Ohm
v(t) = Ri(t) ,
una ecuación lineal que relaciona tensión v(t) y corriente i(t) con una constante de propor-
cionalidad R.
Por lo general, los modelos de sistemas físicos hacen uso de ecuaciones diferenciales. Por
ejemplo, condensadores y bobinas se modelan con:
dv(t) di(t)
i(t) = C v(t) = L .
dt dt
Estos modelos se usan tanto para analizar circuitos eléctricos, sistemas mecánicos, cuerpos
celestes, fluidos, y un gran etcétera.
En estas relaciones matemáticas usualmente se suele colocar la señal de salida al lado iz-
quierdo, y la señales de entrada en el lado derecho, junto a las operaciones matemáticas que
describen su transformación.
Los modelos normalmente simplifican la realidad y tienen validez solo para un rango restrin-
gido de operación. Por ejemplo, el modelo de una resistencia real como relación de propor-
cionalidad pierde validez si se utilizan frecuencias muy elevadas, pues efectos inductivos y
capacitivos que ocurren en las uniones de materiales distintos dejan de ser despreciables.
Los modelos matemáticos introducidos en este texto son modelos lineales, lo que en pocas
palabras significa que aplica el principio de superposición, que ya se estudió en cursos de
análisis de circuitos eléctricos. Si bien es cierto la linealidad de un modelo restringe la capa-
cidad descriptiva de ese modelo a rangos limitados de operación, su versatilidad justifica su
amplia aplicación en múltiples ramas de la ingeniería.
En resumen, el presente texto revisa la matemática necesaria para describir modelos de
sistemas lineales SISO, y sus señales de entrada y salida. Este material es indispensable para
profundizar en las áreas de control automático, comunicaciones eléctricas y procesamiento
de señales, tanto analógicas como digitales.

1 Introducción 14
1.4. Diagramas de Bloques

En ingeniería se utilizan diagramas de bloques para representar las relaciones entre sistemas,
subsistemas, señales y sus modelos (figura 1.14). Las señales se representan con las líneas,
donde la flecha indica si la señal sale o entra a un bloque de procesamiento particular.
Sistema
Señal de Señal de
Entrada Salida
Figura 1.14: Diagrama de bloques de un sistema con sus señales de entrada y salida.
La figura 1.15 hace una primera descomposición de cualquier sistema de ingeniería. Estos
sistemas funcionan dentro de algún entorno, virtual o real, en el que deben ejecutar alguna
tarea. Los sistemas interactúan con ese entorno, primero, capturando señales de entrada por
medio de sensores. El sistema entonces procesa y transforma la información en esas señales,
considerando eventualmente algún estado interno, de modo que se realice la tarea para la
cual el sistema fue diseñado. La segunda forma de interacción del sistema con su entorno se
realiza a través de las señales de salida, generadas por los actuadores.
Entorno
Sistema
Sensores Procesamiento Actuadores
Figura 1.15: Conceptualización en ingeniería de un sistema en su entorno.
Cada aplicación dicta cuál abstracción concreta para las señales de entrada y salida y las
transformaciones entre ellas son aptas. Por ejemplo, en un sistema masa-resorte, la señal de
salida puede ser la aceleración de la masa, o la posición de la masa, o la fuerza ejercida sobre
la masa en función del tiempo. Del mismo modo hay distintas posibilidades de interpretación
para la variable de entrada al sistema.
En esta abstracción de entrada/salida interesa encontrar un modelo matemático del sistema
que se limite a describir la transformación de la señal de entrada en la señal de salida. Es
decir, en este nivel de análisis no es relevante cómo implementar dicha transformación. Esa
tarea de implementación se maneja aparte, aplicando principios de electrónica, neumática,
mecánica, o computación, lo que dependerá de cada aplicación concreta. Sin embargo, esta
abstracción es bastante poderosa porque permite aplicar los mismos principios matemáticos
a diversos tipos de sistemas, o incluso modelar al mismo sistema desde distintas perspectivas.
Estos bloques de entrada/salida se interconectan de diferentes formas para conformar siste-
mas más complejos. Por ejemplo, la figura 1.16 muestra un típico sistema de comunicaciones
eléctricas con sus tres elementos: transmisor, canal y receptor, donde cada uno de ellos es a
su vez un subsistema con sus propios bloques internos. El transmisor prepara la señal para

1 Introducción 15
poder ser enviada a través del canal, quien la distorsiona debido a sus características físicas y
a interferencias y ruidos introducidos en el medio. El receptor intenta reconstruir el mensaje
original a partir de la señal recibida.
Transmisor Canal Receptor

Señal de Señal Señal Señal de
Entrada transmitida recibida Salida
Figura 1.16: Diagrama de bloques de un sistema típico de comunicaciones eléctricas.
La figura 1.17 muestra otro ejemplo: el diagrama de bloques de un sistema de control reali-
mentado. Una señal de referencia x(t) es utilizada para indicar el valor deseado a la salida
de una planta (por ejemplo, la velocidad de una banda transportadora de material). Esta
señal es comparada con la salida real de la planta, modelada bajo consideración de posibles
perturbaciones al sistema. De esta comparación resulta una señal de error. El controlador es
un subsistema que se encarga de modificar la señal de entrada a la planta de tal modo que
la señal de error se reduzca.
Perturbación
Entrada de p(t)
referencia Salida
x(t) e(t) v(t) y(t)
+ Controlador Planta +
Sensor(es)
Señal de
realimentación
r(t)
Figura 1.17: Diagrama de bloques de un sistema típico de control realimentado.
1.5. Estructura del documento

Los modelos matemáticos utilizados en diversas ramas de la ingeniería basan su utilidad en
propiedades específicas de las funciones de variable compleja. Estas permiten simplificar el
análisis numérico y analítico que se requeriría en caso de utilizar dominios de variable real.
Es por ello que la primera parte del presente texto (capítulo 2) cubre el estudio de la variable
compleja, necesario para comprender los operadores funcionales estudiados en el resto del
documento y que son la base de diversas áreas de la ingeniería.
El análisis de Fourier (capítulo 3) representa quizá la herramienta de más frecuente uso en el
análisis de sistemas de comunicaciones eléctricas. Éste es además la base del procesamiento y
análisis automático de señales y se emplea en el estudio de sistemas electrónicos de potencia.
Generalizando los conceptos matemáticos del análisis de Fourier se deriva la transformada
de Laplace (capítulo 4), con la que pueden solucionarse de manera relativamente sencilla
ecuaciones diferenciales que describen el comportamiento de gran cantidad de fenómenos
físicos. La transformada de Laplace es la herramienta por excelencia en la descripción de
sistemas lineales en el área de control automático.

1 Introducción 16
La transformada z (capítulo 5) se utiliza en el caso especial de que el sistema o señal deban

ser controlados u observados por medios digitales, y es la base para el procesamiento digital
de señales y el control de sistemas en el llamado tiempo discreto.
Con el fundamento teórico otorgado por la transformada z y el análisis de Fourier en tiempo
continuo, se extienden esas herramientas para analizar el comportamiento de señales discretas
en el dominio de la frecuencia (capítulo 6). En este capítulo se revisan las relaciones entre
las series y transformadas de Fourier en tiempos discreto y continuo, y se generalizan los
conceptos del análisis de Fourier para utilizar herramientas computacionales en el análisis
de señales en el dominio de la frecuencia.
Al final de cada capítulo el lector encontrará una recopilación de ejercicios para fortalecer
los conceptos presentados. Las soluciones a dichos ejercicios se encuentran disponibles para
verificación autodidacta de los resultados. 4 Lección 1

1 Introducción 17
1.6. Problemas
Problema 1.1. Busque un ejemplo de señal para cada una de las 32 posibles combinaciones
de las características de las señales indicadas en la tabla 1.1.
Problema 1.2. Una señal puede clasificarse según cinco criterios:

Número de variables (Una variable o Multiples variables)
Dimensión del valor (Escalar o Vectorial )
Variables independientes (Discretas o Continuas )
Valores de la señal (Discretas o Continuas )
Naturaleza estadística (Determinista o Aleatoria )
Utilice las letras mayúsculas indicadas en negrita para identificar las características de las se-
ñales a continuación. Si alguna característica no se aplica o puede interpretarse con cualquier
valor de la propiedad, indíquelo con ∗.
Señal Característica
Núm. Variables (U/M/∗)
Estadística (D/A/∗)
Dimensión (E/V/∗)
Variables (D/C/∗)
Valores (D/C/∗)
Imagen tomada por una cámara digital en color
Registro mensual de la posición de

una bandada de aves migratorias
Señales de salida de un micrófono estéreo
Señal digital
Señal analógica
Problema 1.3. Identifique algún sistema y su papel como subsistema en construcciones

más complejas, donde al menos exista una jerarquía de 4 niveles (es decir A es subsistema de
B que es subsistema de C que es subsistema de D). Identifique además cuáles serían posibles
señales de entrada y salida en cada caso.

1 Introducción 18
Problema 1.4. Caracterice la señal de salida de un sistema de proyección RealD™ , el

sistema de cine utilizado en la proyección de películas en 3D.
Problema 1.5. Caracterice una señal de audio de un sistema Dolby® Surround 7.1, a la
salida de los altavoces.

Capítulo 2
Variable compleja
2.1. Definiciones de álgebra abstracta

Los métodos y procedimientos aplicados en las ramas de la ingeniería moderna se basan
en conceptos matemáticos abstractos. Los siguientes párrafos brindan un breve recorrido
por los conjuntos y las estructuras algebraicas que constituyen una base conceptual para
la comprensión de dichos métodos. Los términos presentados a continuación se refieren a
conceptos tratados ya en otros cursos introductorios de matemática, que sin embargo se
incursionan ahora desde un nuevo nivel de abstracción.
2.1.1. Conjuntos
El concepto de conjunto se asocia con una colección C de elementos ci distintos. Esto se

denota generalmente como
C = {c1 , c2 , c3 , . . .}
donde los elementos ci pueden ser cualquier cosa: números, objetos, símbolos, otros conjuntos,
etc.
La pertenencia del elemento ci al conjunto C se indica con la notación ci ∈ C, lo que se lee
como “ci en C”. En oposición se denota con bi ∈
/ C el hecho de que el elemento bi no está en
el conjunto C.
Formalmente, el término matemático conjunto no se define de forma general, y se considera
un concepto atómico. Las razones son complejas y parte de la interesante historia de la mate-
mática, en la que todo intento de definir el término ha llevado a complicaciones paradójicas,
como la planteada en 1901 por Bertrand Russell1 :
Sea S = {x | x ∈
/ x}, entonces S ∈ S ⇐⇒ S ∈
/S
es decir, si se define al conjunto S como el conjunto de todos los conjuntos que no se contienen
a sí mismos, esto implicaría que S es parte de sí mismo si y solo si S no es parte de sí mismo,
lo que es una contradicción.
1
Bertrand Russell, 1931-1970. Matemático, filósofo y lógico británico.
19
2 Variable compleja 20
En este documento solo se utilizan conjuntos normales, que son aquellos que no se contienen
a sí mismos, como por ejemplo conjuntos de números, de vectores, de funciones matemáticas,
etc. Los conjuntos que no son normales se denominan conjuntos singulares, es decir, conjuntos
que sí se contienen a sí mismos.
Si A y B son dos conjuntos y todo elemento ai en A está contenido también en B entonces
se dice que A es un subconjunto de B (denotado con A ⊂ B). En otras palabras
A ⊂ B ⇐⇒ ∀ai ∈ A =⇒ ai ∈ B .
Además, se dice que A es un subconjunto propio 2 de B (denotado como con A ( B) si

A ⊂ B pero A es distinto de B, lo que implica que existe al menos un elemento de B que
no está en A. Esto se expresa entonces como:
A ( B ⇐⇒ ∀ai ∈ A =⇒ ai ∈ B ∧ ∃bi ∈ B, bi ∈
/ A.
Dos conjuntos se consideran iguales solo si contienen exactamente los mismos elementos, es
decir
A = B ⇐⇒ ∀ai ∈ A =⇒ ai ∈ B ∧ ∀bi ∈ B =⇒ bi ∈ A ,
esto es equivalente entonces a
A = B ⇐⇒ A ⊂ B ∧ B ⊂ A .
El conjunto vacío ∅ = {} es siempre un subconjunto de cualquier otro conjunto, y un

conjunto siempre es subconjunto de sí mismo.
La operación de unión entre dos o más conjuntos de una colección C = {C1 , C2 , C3 , . . .} es el
conjunto de todos los elementos contenidosSen al menos uno de los conjuntos C1 , C2 , C3 , . . .
y se denota con C = C1 ∪ C2 ∪ C3 ∪ . . . = i Ci , es decir,
[
Ci = {c | c ∈ C1 ∨ c ∈ C2 ∨ c ∈ C3 ∨ . . .} .
i
Nótese que si A ⊂ B entonces A ∪ B = B.

La intersección entre dos o más conjuntos de un colección C = {C1 , C2 , C3 , . . .} es el conjunto
T
de elementos contenidos en todos los conjuntos, y se denota con C = C1 ∩C2 ∩C3 ∩. . . = i Ci .
Matemáticamente
\
Ci = {c | c ∈ C1 ∧ c ∈ C2 ∧ c ∈ C3 ∧ . . .} .
i
Nótese que si A ⊂ B entonces A ∩ B = A.

La diferencia entre dos conjuntos se denota como A\B y es el conjunto de todos los elementos
de A que no están en B, es decir
A \ B = {c | c ∈ A ∧ c ∈
/ B} .
Lo anterior implica que (A \ B) ∩ A = (A \ B) y (A \ B) ∩ B = ∅.
La figura 2.1 muestra la representación en diagramas de Venn de las operaciones anteriores.
2
Otros autores prefieren el símbolo “⊂” para denotar un subconjunto propio y “⊆” para denotar la
propiedad de subconjunto. Aquí, para hacer explícito que se trata de subconjunto propio, se usa (.

A∪B
A B
(a) (b) (c)
A∩B A\B B\A
(d) (e) (f)
Figura 2.1: Representación en diagramas de Venn de operaciones entre dos conjuntos A y B. Las
regiones sombreadas representan (a) el conjunto A, (b) el conjunto B, (c) la unión de
A y B, (d) la intersección de A y B, (e) A menos B, (f) B menos A.
El producto cartesiano de dos conjuntos A y B, denotado por A × B, es un conjunto que

contiene todos los pares ordenados (a, b) con a ∈ A y b ∈ B.
A × B = {(a, b) | a ∈ A ∧ b ∈ B} .
Este concepto se extiende a más de dos conjuntos, reemplazando los pares ordenados por
tuplas. Por ejemplo, el conjunto A × B × C contiene todas las tuplas (a, b, c) con a ∈ A,
b ∈ B y c ∈ C.
Una relación R entre los conjuntos A y B es un subconjunto R ⊂ A × B. Por ejemplo, si
A = {2, 3, 8} y B = {4, 5, 6}, y
R = {(a, b) ∈ A × B | b es divisible por a}
entonces
R = {(2, 4),(2, 6),(3, 6)} .
Un mapeo o función f : A → B es una relación R ⊂ A × B de modo que, para todo a ∈ A,

existe un único elemento f (a) ∈ B con (a,f (a)) ∈ R. Al conjunto A se le denomina dominio,
conjunto de partida o conjunto inicial, y a B se le llama codominio, conjunto de llegada o
conjunto final.
Si C ⊂ A, entonces a
D = f (C) = {f (c) | c ∈ C} ⊂ B (2.1)
se le denomina imagen de C bajo el mapeo f . Por otro lado, C es la preimagen de D bajo
el mapeo f .
2.1.2. Estructuras algebraicas
Una estructura algebraica consiste de un conjunto C (denominado dominio, conjunto sub-

yacente o conjunto portador), y uno o más mapeos definidos para C, para los que se deben

satisfacer axiomas dados. A estos mapeos se les denomina operaciones.

La estructura algebraica se denota como una tupla (C, o1 , o2 , . . .) donde C es el dominio y
O = {o1 , o2 , . . .} es el conjunto de operaciones de la estructura. Si no hay ambigüedades
usualmente se usa C para denotar tanto al dominio como a la estructura algebraica.
Las operaciones involucradas son usualmente unarias o binarias, implicando el número de
elementos que toma la operación para producir un nuevo elemento. Las operaciones unarias
toman un solo elemento (por ejemplo, el valor absoluto de un número) y se representan como
una relación entre elementos de dos conjuntos C → D. Las operaciones binarias toman dos
elementos para producir uno nuevo, lo que se denota con C × C → D (por ejemplo, la
operación suma toma usualmente dos números para producir otro). Se dice que la operación
es cerrada o interna si su aplicación a elementos de C produce elementos también en C (por
ejemplo, C → C o C × C → C).
Si una operación binaria3 mapea n x y x n hacia el mismo elemento x, entonces a n se
le denomina elemento neutro, o elemento identidad de dicha operación. Como ejemplos: el
cero es el elemento neutro de la suma, el uno es el elemento neutro de la multiplicación, o el
conjunto vacío es el elemento neutro de la unión de conjuntos. Se dice que n es neutro por la
izquierda, o en la primera posición, si n x = x; y se dice que n es neutro por la derecha, o en
la segunda posición, si x n = x. Por ejemplo, para la potenciación en los números naturales
el número uno es neutro en la segunda posición, pues x1 = x, pero no existe elemento neutro
en la primera posición, puesto que no existe un único número ν tal que para cualquier otro
número natural y se cumpla ν y = y.
Cuando n es neutro tanto a la derecha como a la izquierda se dice que n es neutro en ambas
posiciones, o símplemente que es neutro.
Un elemento x̄ se denomina inverso o simétrico por la izquierda de un elemento x, con
respecto a la operación , si se cumple x̄ x = n donde n es el elemento neutro (por la
izquierda) de . Por otro lado x̄ es el elemento inverso (o simétrico) por la derecha de x si
x x̄ = n, con n el elemento neutro (por la derecha) de . Si x̄ es inverso por la derecha y
por la izquierda entonces se dice símplemente que es el inverso de x, o que es el inverso por
ambos lados de x. Por ejemplo, en lo números enteros el inverso de 2 respecto a la suma es -2,
puesto que 2+(−2) = (−2)+2 = 0, y el elemento inverso de 0 respecto a la suma es el mismo
0, puesto que 0 + 0 = 0; por otro lado, en los números racionales el inverso multiplicativo
de 1/2 es 2, puesto que su producto es 1, y este último corresponde al elemento neutro del
producto.
Obsérvese que el elemento neutro es característico de la operación, mientras que el elemento
inverso es una correspondencia entre dos elementos concretos del conjunto; es decir, cada
operando tiene su propio elemento inverso con respecto a la operación en cuestión, y por lo
tanto no es la operación en sí la que posee elemento inverso.
Un elemento a es absorbente por la izquierda para una operación , si se cumple para
cualquier elemento x del conjunto a x = a. De forma equivalente a es absorbente por la
derecha si x a = a. Se dice que a es un elemento absorbente, si lo es tanto por la izquierda
como por la derecha. Como ejemplos: el cero es el elemento absorbente del producto de los
números enteros, mientras que la suma no tiene elemento absorbente; el conjunto vacío es el
elemento absorbente de la intersección de conjuntos.
3
Nótese que el símbolo denota cualquier operación binaria, como suma, resta, multiplición, división,
funciones lógicas, etc.

La operacion binaria es asociativa si se cumple (a b) c = a (b c). Por ejemplo, la

operación producto en los números naturales es asociativa: (2 · 3) · 5 = 2 · (3 · 5) = 30.
La operación se dice ser conmutativa si se cumple a b = b a. Por ejemplo, la potenciación
xy en los números naturales no es conmutativa, pues 31 6= 13 , pero la suma sí lo es, pues
x + y = y + x.
La tabla 2.1 resume las propiedades anteriores para operaciones binarias.
Tabla 2.1: Propiedades de operaciones binarias.
Propiedad de Significado
Operación cerrada ∀x,y ∈ C z = x y =⇒ z ∈ C
Elemento neutro n ∀x ∈ C xn=nx=x
Neutro por la izquierda ∀x ∈ C nx=x
Neutro por la derecha ∀x ∈ C xn=x
Elemento x̄ inverso de x ∀x ∈ C, ∃x̄ : x x̄ = x̄ x = n
Inverso por la izquierda ∀x ∈ C, ∃x̄ : x̄ x = n
Inverso por la derecha ∀x ∈ C, ∃x̄ : x x̄ = n
Elemento absorbente a ∀x ∈ C xa=ax=a
Absorbente por la izquierda ∀x ∈ C ax=a
Absorbente por la derecha ∀x ∈ C xa=a
Operación conmutativa ∀x,y ∈ C xy =yx
Operación asociativa ∀x,y,z ∈ C (x y) z = x (y z)
Sean y ? dos operaciones binarias. Se dice que es distributiva con respecto a ? si se

cumple a ? (b c) = (a ? b) (a ? c) y (b c) ? a = (b ? a) (c ? a).
Ejemplo 2.1 Sea C un conjunto definido por C = {, , ,}, y la operación } definida
por la siguiente matriz:
}

Caracterice la operación }.
Solución: Nótese que la operación toma dos elementos del conjunto C y genera otro elemento
del mismo conjunto, por lo que } es una operación binaria y cerrada. La operación no es
conmutativa, puesto que } = , pero } = . Puesto que x } = x para
cualquier x ∈ C se afirmar que es el elemento neutro de } en la segunda posición. En este
caso particular, puesto que la operación no es conmutativa, es neutro solo en la segunda
posición, mas no en la primera.
Finalmente, todos los elementos de C son inversos de sí mismos en la segunda posición,
puesto que x } x = 2.1
Algunas estructuras algebraicas frecuentemente utilizadas se listan a continuación:

Estructuras simples
• Conjunto es un caso especial de una estructura algebraica con una colección vacía de
operaciones.
• Sistema unario es una estructura conformada por un conjunto C y una operación
unaria.
Estructuras similares a grupos

• Magmas o grupoides son estructuras con una sola operación binaria y cerrada.
• Semigrupo es un magma en el que la operación binaria es asociativa.
• Monoide es un semigrupo con un elemento identidad.
• Monoide conmutativo es un monoide con operación conmutativa.
• Grupo es un monoide en el que cada elemento tiene un inverso. Es decir, el grupo
tiene una operación binaria asociativa con elemento identidad y con elemento inverso.
• Grupo abeliano es un grupo donde la operación es además conmutativa.
La tabla 2.2 sintetiza la información anterior.
Tabla 2.2: Estructuras similares a grupos.
Estructura Operación
magma conjunto más operación binaria y cerrada
semigrupo magma con operación además asociativa
monoide semigrupo con elemento identidad
monoide conmutativo monoide con operación conmutativa
grupo monoide con elemento inverso
grupo abeliano grupo con operación conmutativa
Estructuras similares a anillos

• Semianillo es una estructura algebraica con dos operaciones de monoide.
• Anillo es un semianillo con una operación de monoide (como el producto) y otra
operación de grupo abeliano (como la suma), ambas satisfaciendo la distributividad.
• Anillo conmutativo es un anillo donde la operación de monoide (el producto) es
además conmutativa.
• Anillo de división Es un anillo en el que los elementos neutros de ambas operaciones
son diferentes, y donde todo elemento diferente del elemento neutro de la operación de
grupo abeliano (como por ejemplo el 0 si la operación es la suma) tiene un inverso con
respecto a la operación de monoide.
• Cuerpo es un anillo de división donde ambas operaciones son conmutativas.
La tabla 2.3 sintetiza las propiedades de las operaciones en estas estructuras, donde los
símbolos “+” y “×” deben entenderse en un contexto general, indicando dos operaciones no
necesariamente relacionadas con la suma y el producto conocidas en aritmética.

Tabla 2.3: Estructuras similares a anillos.
Estructura Operación “+” Operación “×”

semianillo operación de monoide operación de monoide
anillo operación de grupo abeliano "
anillo conmutativo " operación de monoide conmutativo
anillo de división " operación de grupo
cuerpo " operación de grupo abeliano
2.1.3. Números naturales
La cardinalidad de un conjunto C es el número de elementos que contiene ese conjunto y se

denota con |C|. Así, |∅| = 0, |{4,}| = 2.
El conjunto de todas las posibles cardinalidades de conjuntos es el llamado conjunto de
los números naturales, es decir, los números naturales se pueden utilizar para contar los
elementos de un conjunto. Este conjunto se denota con IN = {0,1,2, . . .}, donde el cero se
incluirá aquí de acuerdo a la tendencia seguida en teoría de conjuntos, lógica e informática,
puesto que en otras áreas (como en teoría de números), el cero es excluido de los números
naturales. Para hacer explícita la inclusión del cero se encontrará en ocasiones el símbolo IN0
y para denotar la exclusión del cero se usa IN+ .
Además de ser usados para contar (el número de elementos de un conjunto), los números
naturales se utilizan para ordenar (un elemento de un conjunto se encuentra “antes” que
otro, es “mayor” que otro, etc.).
Los números naturales formalmente se definen a través de los axiomas de Peano o axiomas
de Dedekind-Peano:
1. Existe un número natural 0.
2. Todo número natural a tiene un número natural sucesor, denotado con S(a).
3. No existe ningún número natural cuyo sucesor es 0.
4. Dos números naturales distintos tienen sucesores distintos, es decir, si a 6= b entonces
S(a) 6= S(b). Esto es equivalente a afirmar que si los sucesores de dos números naturales
a y b son el mismo número natural, entonces a = b.
5. Si 0 tiene una propiedad y el sucesor de cualquier número natural tiene también esa
propiedad, entonces la propiedad es de todos los números naturales (principio de in-
ducción).
En el planteo original de estos axiomas se hacía referencia explícita a la igualdad entre
números naturales, pero en el tratamiento moderno estos se dejan por fuera por considerarse
parte de otros marcos lógicos fundamentales:
1. Para todo número natural a se cumple que a = a (la igualdad es reflexiva).
2. Para dos números naturales a y b, si a = b entonces b = a (la igualdad es simétrica).
3. Para tres números naturales a, b y c, si a = b y b = c entonces a = c (la igualdad es
transitiva).
4. Si b es un número natural, si a = b entonces a también es un número natural (clausura
de la igualdad ).

La suma de cualesquiera dos números naturales a y b se define inductivamente con:
a+0=a (2.2)
a + S(b) = S(a + b) (2.3)
lo que introduce al 0 como elemento neutro de la suma. Con esta definición (IN,+) es un
monoide conmutativo. Si se define S(0) = 1 entonces S(b) = S(b + 0) = b + S(0) = b + 1, es
decir, el sucesor de b es simplemente b + 1.
De forma similar, la multiplicación × se define formalmente a partir de la suma con:
a×0=0 (2.4)
a × S(b) = (a × b) + a . (2.5)
Esto hace de (IN,×) un monoide conmutativo con elemento neutro 1 y elemento absorbente
0.
Los números naturales junto con la suma y multiplicación definidas anteriormente conforman
un semianillo conmutativo (IN, + ,×). Ambas operaciones son cerradas, lo que quiere decir
que la suma o multiplicación de dos números naturales es siempre otro número natural.
2.1.4. Los números enteros
Dado el operador unario ‘−’ que produce para todo número natural n ∈ IN otro número
/ IN, tal que n + (−n) = 0, se cumple que:
−n ∈
Z = IN ∪ {−n | n ∈ IN+ } ;
es decir, el conjunto de los números enteros Z contiene a los números naturales IN y al

conjunto de los números enteros negativos, que corresponden a los inversos aditivos de los
números naturales positivos.
Este conjunto Z junto con la operación suma es un grupo abeliano, mientras que Z junto
con la multiplicación es un monoide conmutativo. La tabla 2.4 resume las propiedades en
ambos casos.
Tabla 2.4: Propiedades de la suma y la multiplicación con Z.
Suma Multiplicación
(Z,+): grupo abeliano (Z,×): monoide conmutativo
Es cerrada a + b es entero a × b es entero
Asociativa a + (b + c) = (a + b) + c a × (b × c) = (a × b) × c
Conmutativa a+b=b+a a×b=b×a
Elemento neutro a + 0 = a a×1=a
Elemento inverso a + (−a) = 0 no hay
Distributividad a × (b + c) = (a × b) + (a × c)
Nótese que, a diferencia de los números naturales, quienes no tienen inverso ni en la suma
ni en la multiplicación, los números enteros sí tienen elementos inversos para la suma y por
tanto (Z, + ,×) es un anillo conmutativo.

Se define la operación resta, que es cerrada pero no conmutativa en Z, como la suma del
primer elemento con el inverso aditivo del segundo4 :
!
a − b = a + (−b) .
2.1.5. Los números racionales
Los elementos del conjunto de los números racionales Q se definen como pares ordenados
de números enteros (a, b) con b diferente al elemento neutro de la suma entera (es decir,
b 6= 0). El par ordenado representando un número racional se denota usualmente como a/b
ó ab , indicando un tanto a de b-ésimas partes iguales de la unidad.
Dos números racionales (a, b) y (c, d) se dicen equivalentes si se cumple a × d = b × c. Esta
equivalencia se denota con (a, b) ∼ (c, d), aunque por lo general se utiliza directamente la
relación de igualdad (por ejemplo, se escribe (2; 4) = (1; 2), ó 42 = 12 ). Nótese que se cumple
(a, b) ∼ (c × a, c × b) con c ∈ Z, por ser el producto de números enteros conmutativo. El
número racional (a, 1) se considera equivalente (o igual) al número entero a.
El orden de los elementos en el conjunto Q se impone a través del operador ≤, donde se
cumple que (a, b) ≤ (c, d) si y solo si a × d ≤ b × c, con b, d ≥ 0.
Se dice que el número racional (a, b) está en su forma reducida, si a y b son coprimos, es
decir, si el único factor entero que a y b tienen en común es 1.
La suma y multiplicación de los números racionales se definen a partir del producto y mul-
tiplicación de los números enteros como
(a, b) + (c, d) = (a × d + b × c, b × d) (2.6)
(a, b) × (c, d) = (a × c, b × d) . (2.7)
Nótese que (0, d) con d 6= 0 es entonces el elemento neutro aditivo en los números racio-
nales, y que (a, a) es el elemento neutro multiplicativo. Con esto, se deriva que el inverso
multiplicativo de (a, b) ∈ Q es (b, a).
Puesto que, a diferencia del conjunto de los números enteros, existe para cada elemento en
Q \ {0} un inverso multiplicativo, se concluye que la estructura (Q, + ,×) es un cuerpo.
2.1.6. Los números reales
¿Existe algún número racional (a, b) que cumpla con la ecuación (a, b) × (a, b) = p, con p un
número primo? Supóngase que sí existe tal número, y que a, b ∈ Z son números coprimos, es
decir, a y b no tienen factores en común distintos a 1. Utilizando la definición del producto
de números racionales (2.7) debe cumplirse
(a, b) × (a, b) = p
(a2 , b2 ) = p
!
4
El símbolo ‘=’ se utiliza en este texto para indicar que lo que está a la izquierda se define como lo que
está a la derecha, o que la igualdad está forzada a cumplirse. Otras alternativas en uso en otras fuentes son
def
‘,’ o ‘ =’.

y multiplicando ambos lados de la igualdad por b2 = (b2 , 1) se obtiene:
a2 = p × b 2 .
Si a es un número entero, se puede expresar como un producto único de factores primos5 . En

la expresión a2 , todos los factores primos de a tendrán su exponente multiplicado por dos
y por tanto a2 únicamente podrá tener factores primos con exponentes pares. Por ejemplo,
360 = 23 × 32 × 5 de modo que 3602 = 26 × 34 × 52 . Lo mismo aplica para b, es decir, si b es
entero, tendrá una factorización prima de tal modo que b2 tiene factores primos todos con
un exponente par. Sin embargo, en la expresión
a2 = p × b 2
el factor p al lado derecho aparece siempre con un exponente impar, pues será igual al
exponente de p dentro de b2 (que debe ser par o cero), más 1 por el factor p, pero el lado
izquierdo no puede tener un exponente impar para p, lo que lleva a una contradicción.
Números irracionales, algebraicos y trascendentales
De esto se concluye que dentro de los números racionales Q las raíces cuadradas de los
números primos no existen, y deben buscarse en un nuevo conjunto, que se denominará
conjunto de los números irracionales I. Ningún número irracional tendrá un equivalente
(p, q) ≡ p/q ∈ Q. Los números irracionales tienen como característica fundamental que
su
√ representación decimal es de longitud infinita y no sigue ningún patrón (por ejemplo,
2 = 1,41423 . . . o π = 3,1415927 . . .).
Un número se dice ser algebraico si es raíz de un polinomio de orden no nulo con coeficientes
enteros. Todos los números racionales son números algebraicos, pues (a, b) ∈ Q es raíz de
bx − a = 0. Algunos números irracionales son también algebraicos. Por ejemplo, se acaba de
revisar que las raíces de x2 − p = 0, con p un número primo, son irracionales.
La figura 2.2√ilustra una construcción geométrica para observar la posición de números reales
de la forma n, n ∈ IN+ , algunos de los cuales son racionales y otros irracionales. Iniciando
√
1
√
2
√
3
√
4
√
5
√
6
√
7
√
8
√
9
√
10
IR
1 2 3
√
Figura 2.2: Construcción de n con n ∈ IN. Algunos puntos son irracionales (representados con
círculos sin rellenar), y otros son racionales (representados con círculos rellenos).
√
con la posición (1; 1) en el plano cartesiano, que se encuentra a distancia 2 del origen,
5
Este hecho se conoce como el teorema fundamental de la aritmética.

con esa distancia

√ se traza un circulo centrado en el origen que corte al eje real. A partir de
la posición 2 se realiza otra proyección vertical a la línea √ horizontal paralela al eje
√ real,
que está a una distancia 1 de dicho eje. Ese nuevo punto ( 2, 1) √ está a distancia 3 del
origen. Se repite la construcción de un círculo para encontrar a 3 sobre el eje real, y así
sucesivamente para encontrar las siguientes raíces.
Procedimientos un poco más elaborados permiten demostrar que otros números, como el
número de Euler e, o el número π son también irracionales, mas no son números algebraicos.
A este tipo de números irracionales no algebraicos se les denomina números trascendentales.
Los números reales se definen como el conjunto de todos los números racionales y los irra-
cionales: IR = Q ∪ I. Los números racionales son insuficientes para cubrir todos los puntos
de una línea recta, pero con los números irracionales se completan los puntos faltantes.
Completitud y sucesiones de Cauchy
Cualquier segmento no nulo de la recta real IR (a lo que llamaremos un intervalo), tiene

límites inferior y superior contenidos en el intervalo. De lo revisado hasta ahora queda en
evidencia que esto no es así en los números racionales.
√ Por ejemplo, un intervalo de números
racionales puede tener como límite superior √ 2, es decir, el intervalo contiene números
racionales que se acercan arbitrariamente a 2 pero sin llegar a alcanzarlo nunca pues
√
2 ∈/ Q. Esta idea se relaciona con la propiedad de los números reales de ser completos,
propiedad que se define a través de las sucesiones de Cauchy.
Una sucesión (xn ) = x1 , x2 , . . . es una función que mapea el número natural n al término
xn , de modo tal que los números naturales imponen un orden a los elementos de la sucesión.
La sucesión (xn ) se denomina sucesión de Cauchy si para cualquier valor ε > 0 infinitesimal-
mente pequeño existe un entero N tal que la distancia |xn − xm | es menor que ε cuando n
y m son ambos mayores que un determinado valor N :
∀ε > 0, ∃N ∈ IN tal que ∀n, m ∈ IN, n > N, m > N : |xn − xm | < ε . (2.8)
En otras palabras la sucesión es de Cauchy si sus elementos se acercan arbitrariamente entre

sí, conforme n crece. La figura 2.3 ilustra el concepto.
Se dice que la sucesión (xn ) converge a x si |xn − x| < ε para n > N . En el caso de los
números reales y racionales, cualquier sucesión convergente es una sucesión de Cauchy:
∀ε > 0, ∃N ∈ IN tal que ∀n ∈ IN, n > N : |xn − x| < ε . (2.9)
Una diferencia fundamental entre Q y IR es que en Q, una sucesión de Cauchy no nece-

sariamente es convergente, porque x no necesariamente es elemento de Q. Por ejemplo, la
sucesión
3 1 2
1; ; . . . ; xn = xn−1 + ;...
2 2 xn−1
√
converge a 2, que ya se demostró no es elemento de Q. Esto es especialmente interesante si
se observa que todos los elementos de la sucesión son números racionales. Lo mismo ocurre
con la sucesión
3 10 1
1; ; ; . . . ; xn = xn−1 + ; . . .
2 6 n!

xi
i
0 1 2 3 ... N ... n ... m ...
Figura 2.3: Ejemplo de sucesión de Cauchy. Si la sucesión (xn ) es de Cauchy, existe un valor N a
partir del cual cualesquiera dos elementos de la sucesión tienen una distancia menor
que ε entre ellos.
que converge al número trascendental de Euler e ≈ 2,718281828 . . . En esos casos, la sucesión

se acerca arbitrariamente a un número x ∈ / Q, y por eso no es convergente en Q. Se afirma
entonces que existen “agujeros” en el conjunto Q, justo en en esos valores x no racionales a
los que las sucesiones de Cauchy de números racionales pueden converger.
Un conjunto C se dice ser completo, si todas las sucesiones de Cauchy en C convergen a
elementos de ese conjunto C. Por tanto, el conjunto Q no es completo. Los números reales,
por otro lado, sí son completos, puesto que todas las series de Cauchy de números reales
convergen a un número real.
Operaciones suma y producto
Es necesario extender las operaciones + y × para poder operar con números reales. Para
ello se usan de nuevo las sucesiones de Cauchy de números racionales.
Sean (an ) y (bn ) dos sucesiones de Cauchy de números racionales que convergen a los números
reales x y y, respectivamente. La suma de dos números reales x+y se define como el número al
que converge la sucesión de Cauchy (an + bn ). Puesto que an , bn ∈ Q, se reutiliza la definición
de suma ya propuesta para los números racionales. De forma equivalente, el producto de dos
números reales x×y se define como el número al que converge la sucesión de Cauchy (an ×bn ),
donde de nuevo se aprovecha la definición de producto de números racionales.
La suma real es interpretable como un desplazamiento sobre la recta de los reales: el resultado
de a + b se obtiene trasladando el punto que representa al sumando a en una magnitud
idéntica a b. La figura 2.4 presenta un método para construir geométricamente la suma de
dos números sobre la recta de los reales.
El producto de dos números reales también tiene su interpretación geométrica sobre un plano,
siguiendo las ideas de René Descartes y Sir Isaac Newton, que usan triángulos semejantes.
En la figura 2.5 se ilustra la construcción geométrica del producto c = a × b. Lo primero que
se requiere es una línea auxiliar, que en la figura es la que contiene los puntos O, U y B.
Esta línea se puede elegir de forma arbitraria, pero no debe ser paralela al eje real y debe
pasar por el origen del plano cartesiano. En la figura, a manera de ejemplo, se eligió una

a c IR
Figura 2.4: Construcción geométrica para representar la suma de números reales c = a + b. En el

plano cartesiano se coloca a en el eje horizontal y b en el eje vertical. Se desplaza b
hasta quedar sobre a, y allí se proyecta trazando un círculo de radio b centrado en a
hasta cruzar el eje real, para encontrar c.
IR
O 1 a b c
Figura 2.5: Construcción geométrica para representar el producto de números reales c = a × b,

por medio de la construcción de triángulos semejantes.
recta a 30◦ del eje real. O es el origen del plano cartesiano, U es la intersección de la línea
auxiliar con un círculo de radio uno, centrado en O. B es la intersección de la línea auxiliar
con un círculo de radio b centrado en O. Trácese entonces un segmento de recta paralelo al
segmento U a, que pase por B y que corte al eje real en un punto c. En la figura este es el
segmento Bc. Obsérvese que el triángulo OaU es semejante al triángulo OcB y por tanto se
debe cumplir con las longitudes de los lados de los triángulos:
a c
= ,
1 b
de donde se despeja que c = a × b.
Multiplicar un número irracional h por un número racional (a, b) siempre será irracional, lo
que se demuestra por contradicción: pártase de la suposición contraria, es decir que h × (a, b)
es racional:
a c
h× = (2.10)
b d
Si se multiplican ambos lados de (2.10) por el número racional (b, a) se obtiene:
c×b
h=
a×d
lo que implicaría que h es racional. Eso no puede ser porque se partió del hecho de que h es
irracional. Por tanto, el producto h × (a, b) debe ser también irracional.

De forma similar supóngase que sumar un número irracional h a uno racional (a, b) es racio-
nal, entonces:
a c
h+ =
b d
y restando a ambos lados (a, b) obtenemos
c a bc − ad
h= − =
d b bd
lo que de nuevo implicaría que h fuese racional. Esto contradice el punto de partida de que
h es irracional. Por tanto, sumar un número irracional a uno racional siempre conducirá a
otro número irracional.
Por otro lado la suma o producto de dos números
q irracionales no necesariamente es irracional.
√ √ √
Por ejemplo 2 + (1 − 2) = 1, o 2 × 2 = 2 . 1 1
Otra observación interesante es que entre cualesquiera dos números racionales (a, b) y (c, d)
distintos, siempre existirá al menos un número irracional. Para demostrar esto supóngase
que (a, b) < (c, d). La distancia ∆ entre ambos números es a su vez racional:
∆ = (c, d) − (a, b) = (bc − ad, bd)

√
El número irracional 2/2 es mayor que cero y menor que 1, por lo que se puede escribir:
√
2
0< < 1
2
Multiplicando por la distancia ∆ > 0
√ ∆
0< 2 < ∆
2
y sumando (a, b):
a a √ ∆ a
< + 2 <∆ +
b b 2 b
a a √ ∆ c
< + 2 < .
b b 2 d
Obsérvese que el término central en la√ inecuación anterior debe ser irracional puesto que
se origina de productos y sumas de 2 (irracional) con números racionales. Esta misma
√
lógica puede utilizarse para colocar los números irracionales p/p entre 0 y 1, con p un
número entero primo, colocando entonces infinitos números irracionales entre cualesquiera
dos números racionales. Se deja la pregunta para el lector interesado: ¿cuál conjunto es más
grande, Q o I?
El conjunto de los números reales es un cuerpo, donde a las operaciones binarias suma y mul-
tiplicación corresponden las operaciones inversas de substracción y división, respectivamente.
El conjunto IR es también ordenado, es decir, para el operador ordinal ≥ se cumple:
x ≥ y =⇒ x + z ≥ y + z
(2.11)
x ≥ 0 ∧ y ≥ 0 =⇒ x × y ≥ 0
2.1.7. Los números complejos
Lección 2 B El conjunto de los números complejos C es una extensión de los números reales que es cerrada
√
ante las operaciones de potenciación (por ejemplo, −1 ∈ C), o expresado de otra forma,
este conjunto contiene todas las raíces de polinomios, lo que no es posible en IR.
Formalmente los números complejos se definen como pares ordenados de números reales (a, b)
que junto con las operaciones
(a, b) + (c, d) = (a + c, b + d) (2.12)

(a, b) × (c, d) = (a × c − b × d, b × c + a × d) (2.13)
conforma un cuerpo algebraico.

Obsérvese que (0, 0) es el elemento neutro de la suma. Además:
(a, b) × (1, 0) = (a × 1 − b × 0, b × 1 + a × 0)
= (a, b)
por lo que (1, 0) es el elemento neutro del producto. Finalmente
(a, b) × (0, 1) = (a × 0 − b × 1, b × 0 + a × 1)
= (−b, a)
que es un resultado interesante, pues si se elije (a, b) = (0, 1), entonces (0, 1) × (0, 1) = −1;
es decir, (0, 1) es un número complejo cuyo cuadrado es negativo. Esto es imposible con
los números reales, en donde para todo x ∈ IR se cumple que x2 ≥ 0. Esta limitación
evidentemente ya no aplica a los números complejos.
Sea el número complejo z = (a, b). Al número real a se le denomina componente real y al
número real b componente imaginaria de z. Se utilizan los operadores ‘Re’ e ‘Im’ para extraer
las partes real e imaginaria, respectivamente, de modo que a = Re{(a, b)} y b = Im{(a, b)}.
Por convención, se dice que el número complejo (a, 0) corresponde con el número real “puro”
a. Así, se simplifica la notación del producto (a, 0) × (c,d) = a × (c, d) = (a × c, a × d). De
esta forma se cumple que
z = (a, b) = a × (1, 0) + b × (0, 1) .
Puesto que el número (1, 0) es el elemento neutro de la multiplicación y denotando6 a (0, 1)

como j, se obtiene la notación de números complejos z = a + jb, donde se ha simplificado
además la notación del producto j × b como jb. De aquí en adelante, cuando el contexto lo
permita, se simplificará la notación del producto omitiendo el símbolo ×. Es decir a×b ≡ ab,
con cualquiera de las estructuras algebraicas revisadas.
Se dice que dos números complejos son iguales si y solo si tanto sus componentes reales como
imaginarias son iguales, es decir
(a, b) = (c, d) ⇐⇒ a = c ∧ b = d . (2.14)

6
En textos matemáticos y programas computacionales para tratamiento matemático se usa tradicional-
mente i para denotar al número complejo (0, 1), pero en ingeniería tradicionalmente se prefiere j para evitar
confusión con la simbología aceptada para denotar la corriente eléctrica.

A diferencia de los conjuntos numéricos anteriores, los números complejos no son ordenados,
es decir, no es posible indicar si un número complejo es mayor o menor que otro.
La tabla 2.5 sintetiza las relaciones de las estructuras algebraicas revisadas desde los números
naturales hasta los números complejos.
Tabla 2.5: Estructuras algebraicas numéricas.
IN ⊂ Z ⊂ Q ⊂ IR ⊂ C
semianillo anillo cuerpo cuerpo cuerpo
conmutativo
Operaciones
+,× +, − ,× +, − , × ,/ +, − , × ,/ +, − , × ,/,ab
cerradas
Completitud no no no sí sí
Ordinalidad sí sí sí sí no
Plano complejo
El número complejo z = (a, b) = a + jb se representa geométricamente como un punto

en un sistema coordenado cartesiano, llamado el plano complejo o también diagrama de
Argand o de Wessel, donde el eje horizontal representa la componente real y el eje vertical
la componente imaginaria (figura 2.6).
Im{z}
z
b
r
ϕ
Re{z}
−ϕ a r
−b
z∗
Figura 2.6: Diagrama de Argand representando a z = a + jb y z ∗ = a − jb.
En este diagrama el número complejo también se representa

√ por medio de una notación polar
con magnitud o módulo r = |z| = mag(z) = md(z) = a2 + b2 que es siempre positivo y
con argumento o ángulo 7 ϕ = ∠z = arg(z) = atan2(b, a) que se indica usualmente entre −π
7
Se prefiere aquí el uso del arcotangente con dos argumentos atan2(b, a) en vez de arctan(b/a) para el
cálculo del ángulo, pues esta última forma es incapaz de discernir correctamente el cuadrante del número
complejo: un valor positivo de b/a puede corresponder a un ángulo en el primer o tercer cuadrante, y un
valor negativo a un ángulo en el segundo o cuarto cuadrante. La función atan2(·,·) al recibir las partes real e
imaginaria por separado, sí asegura el cálculo correcto del ángulo. También atan2 tolera el caso a = 0. Se sigue

y π o entre 0 y 2π. Se debe cumplir entonces z = a + jb = r × (cos ϕ + j sen ϕ), es decir, la

componente real es a = r × cos ϕ y la componente imaginaria b = r × sen ϕ.
Ejemplo 2.2 Grafique en un diagrama de Argand los conjuntos de números complejos que
cumplen las siguientes igualdades:
• |z| = 2
• ∠z = π/3
• Re{z} = 2
• Im{z} = 1
Solución: El conjunto de todos los números complejos z que tienen magnitud dos está
conformado por un círculo de radio dos, centrado en el origen (figura 2.7a). Todos los números
complejos que tienen un ángulo igual a π/3 conforman un rayo que parte del origen con dicho
ángulo con respecto al eje real (figura 2.7a).
Todos los números complejos sobre una línea vertical que pasa por z = 2 cumplen Re{z} = 2
(figura 2.7b). Por último, todos los puntos sobre una línea horizontal que pasa por z = j
cumplen Im{z} = 1 (figura 2.7b).
Im{z} Im{z}
∠z = π
3
Re{z} = 2
Im{z} = 1
1
φ
Re{z} Re{z}
2 2
|z| = 2
(a) (b)
Figura 2.7: Representaciones de conjuntos de números complejos en el plano complejo. (a) Mag-
nitud y ángulo constantes. (b) Parte real e imaginaria constantes.
2.2
Obsérvese que el diagrama de Argand permite solucionar gráficamente problemas donde

se conocen múltiples condiciones de números complejos, encontrando la intersección de las
trazas de cada condición. Por ejemplo, el número complejo que satisface simultáneamente
|z| = 2 y ∠z = π/3 corresponde a la intersección del círculo y el rayo en la figura 2.7a, y el
número complejo que satisface simultáneamente Re{z} = 2 y Im{z} = 1 corresponde a la
intersección de las líneas rectas horizontal y vertical en la figura 2.7b.
aquí el formato tradicionalmente encontrado en lenguajes de programación como C/C++ o GNU/Octave,
que por semejanza con la expresión b/a recibe primero la parte imaginaria b y de segundo la parte real a.

Fórmula de Euler
La fórmula de Euler, o relación de Euler, afirma para un ángulo de valor real ϕ que
ejϕ = cos ϕ + j sen ϕ (2.15)
con lo que un número complejo z = a + jb = r(cos ϕ + j sen ϕ) se representa también como
z = rejϕ .
Sustituyendo en (2.15) el valor particular ϕ = π se obtiene la llamada identidad de Euler:
ejπ + 1 = 0
que relaciona cinco contantes matemáticas emblemáticas: los elementos neutro del producto
y suma en C, las constantes irracionales trascendentales π, e, así como la unidad imaginaria
j.
La fórmula de Euler se puede demostrar de varias maneras, de las cuales aquí se presentarán
dos: una por medio de series de Taylor y otra por medio de cálculo.
Se puede demostrar fácilmente que j 0 = 1, j 1 = j, j 2 = −1, j 3 = −j, j 4 = 1, . . . , j n+4 = j n , . . ., lo
que se deja de ejercicio para el lector. Por otro lado, las series de Taylor de las funciones ex ,
sen(x) y cos(x), todas de variable real x, están dadas por
x2 x3 x4
ex = 1 + x + + + + ···
2! 3! 4!
x2 x4 x6
cos(x) = 1 − + − + ···
2! 4! 6!
x3 x5 x7
sen(x) = x − + − + ···
3! 5! 7!
Asumiendo por ahora que las series de Taylor mantienen su validez cuando x se sustituye
por el número complejo8 jϕ (con ϕ real), se obtiene:
(jϕ)2 (jϕ)3 (jϕ)4
ejϕ = 1 + jϕ + + + + ···
2! 3! 4!
ϕ2 jϕ3 ϕ4
= 1 + jϕ − − + + ···
2! 3! 4!
ϕ2 ϕ4 ϕ6 ϕ3 ϕ5 ϕ7
= 1− + − + ··· + j ϕ − + − + ···
2! 4! 6! 3! 5! 7!
= cos(ϕ) + j sen(ϕ) .
Para demostrar la fórmula de Euler utilizando cálculo, defínase el número complejo

z = cos(ϕ) + j sen(ϕ) .
Derivando con respecto a la variable real ϕ, y tomando a j como cualquier otra constante,
se obtiene
dz
= − sen(ϕ) + j cos(ϕ) = j 2 sen(ϕ) + j cos(ϕ) = j(cos(ϕ) + j sen(ϕ)) = jz .
dϕ
8
Matemáticamente la validez de esto se justifica por el principio de continuación analítica. Esto se
retomará en la sección 2.4.

Separando las variables e integrando a ambos lados se obtiene (asumiendo de nuevo que las
propiedades de integración se mantienen para la variable compleja):
Z Z
1
dz = jdϕ
z
ln z = jϕ + C .
Si se hace ϕ = 0 y considerando que z = cos(0) + j sen(0) = 1 se obtiene que C = 0, por lo
que
ln z = jϕ
eln z = ejϕ
z = ejϕ
y finalmente, reemplazando el valor de z:
ejϕ = cos(ϕ) + j sen(ϕ) .
De la fórmula de Euler se deriva fácilmente restando y sumando las expresiones para ejϕ y
e−jϕ (ver ejemplo 2.8) que:
ejϕ + e−jϕ
cos ϕ = (2.16)
2
e − e−jϕ
jϕ
sen ϕ = . (2.17)
2j
Operaciones con números complejos
Las siguientes son notaciones equivalentes para los números complejos

z = (a, b) = a + jb = r∠ϕ = rejϕ = r exp(jϕ) . (2.18)
Debe tenerse cuidado y no confundir notaciones. Nótese que ϕ es el ángulo de z, y tiene valor
real; por otro lado el término ejϕ es un número complejo, con ángulo ϕ y radio unitario; por
tanto, en general ∠z 6= ej∠z , pero ∠z = arg ej∠z .
La componente real a = Re{z}, la componente imaginaria b = Im{z}, el módulo (o la
magnitud) r = |z| y el argumento (ángulo, o fase) ϕ = arg z son todos números reales
relacionados por las ecuaciones
a = r cos ϕ, b = r sen ϕ
√
r = a2 + b 2 , ϕ = atan2(b, a) .
Nótese que los argumentos ϕ y ϕ + 2kπ, con k ∈ Z, son equivalentes por ser el seno y el
coseno funciones periódicas de periodo 2π. Es decir
z = rejϕ = rej(ϕ+2kπ) . (2.19)
En otras palabras, la notación polar es redundante, y esa redundancia será esencial para
encontrar múltiples soluciones en ecuaciones con números complejos.

Conjugación compleja Una operación básica de los números complejos no presente en

los números reales es la conjugación compleja. Sea z = x + jy = rejϕ ∈ C. La conjugación
compleja es una operación unaria que sustituye la componente imaginaria del número por
su inverso aditivo. Se denota con un superíndice ∗ (z ∗ ), o con una línea horizontal sobre
la variable (z). Puesto que el inverso aditivo de cero es a su vez cero, entoces el complejo
conjugado de un número real x = x + j0 es igual a x − j0 = x que equivale al mismo número
real.
La conjugación compleja es además equivalente a intercambiar el argumento del número por
su inverso aditivo (ver figura 2.6). De esta forma z ∗ = x − jy = re−jϕ .
Los números complejos conjugados juegan un papel importante en modelos de fenómenos y
sistemas reales. Si el modelo de estos sistemas se plantea en términos de polinomios de orden
n de la forma
Pn (z) = a0 z n + a1 z n−1 + a2 z n−2 + · · · + an−1 z + an
= a0 (z − z1 )(z − z2 ) · · · (z − zn )
entonces existirán exactamente n raíces9 zi , también llamadas ceros del polinomio, pues
Pn (zi ) = 0. Dichas raíces pueden ser iguales o distintas. Cuando los coeficientes ai del
polinomio son reales, las raíces zi podrán ser números reales o complejos, presentándose
siempre las raíces no reales en pares complejos conjugados.
Valor absoluto o magnitud El valor absoluto, módulo o magnitud de un número com-

plejo z = x + jy = rejϕ se definió anteriormente como:
p
|z| = x2 + y 2 = r .
Puesto que el producto de dos números complejos multiplica sus módulos y suma sus ángulos,
se debe cumplir entonces que:
zz ∗ = z ∗ z = x2 + y 2
√
y por lo tanto |z|2 = r2 = zz ∗ o lo que es lo mismo |z| = r = zz ∗ .
Derivado de lo anterior se observa que siempre se cumple |z| ≥ Re{z} y |z| ≥ Im{z}.
Se cumple además
1. |z1 z2 | = |z1 | |z2 |
z1 |z1 |
2. = (con z2 6= 0)
z2 |z2 |
3. |z1 + z2 | ≤ |z1 | + |z2 |
4. |z1 − z2 | ≥ |z1 | − |z2 |
donde las primeras dos igualdades se demuestran utilizando el hecho de que
p
|z| = rejϕ = r2 (cos2 ϕ + sen2 ϕ) = r .
La última desigualdad surge de la tercera (que se demostrará posteriormente), a partir de
|z1 | = |z1 − z2 + z2 |
≤ |z1 − z2 | + |z2 |
|z1 | − |z2 | ≤ |z1 − z2 | .
9
A esto se le conoce como el teorema fundamental del álgebra.

Suma y resta Sean los números complejos z = x + jy y w = u + jv. Si se generaliza la

definición de suma (2.12) para la resta como z − w = z + (−w), se cumple:
z + w = (x + u) + j(y + v)
z − w = (x − u) + j(y − v) .
Gráficamente la suma se interpreta como la concatenación de los números complejos, tal y

como se ilustra en la figura 2.8.
Im Im Im
z+w
Re{w}
z
z−w
Im{z}
w w
Re Re Re
Re{z} Re{w}
−w
Figura 2.8: Interpretación gráfica de la suma y de la resta. Dados los números complejos z y w a
la izquierda, la figura central ilustra la suma como el encadenamiento de los números
complejos z y w o w y z. La figura a la derecha ilustra la resta z − w = z + (−w).
Dada una colección de n números complejos zi = xi + jyi ∈ C, i = 1 . . . n se deriva de lo

anterior que ! !
Xn X n Xn
zi = xi + j yi . (2.20)
i=1 i=1 i=1
Obsérvese que
z ∗ + w∗ = (x − jy) + (u − jv) = (x + u) − j(y + v)

= (z + w)∗
y en general para n números complejos zi = xi + jyi se cumple

n n n n n
!∗
X X X X X
zi∗ = (xi − jyi ) = xi − j yi = zi .
i=1 i=1 i=1 i=1 i=1
El lector puede además demostrar que:
z + z ∗ = 2 Re{z} (2.21)
z − z ∗ = j2 Im{z} . (2.22)
Ejemplo 2.3 Encuentre gráficamente los números complejos z y w si se sabe que |z| = 1,
|w| = 4/3 y z + w = 5/3.
Solución:
Se sabe que |z| = 1, y por tanto z debe estar en un círculo de radio 1 centrado en 0. Como
la suma de ambos números debe producir 5/3, entonces w, por tener magnitud |w| = 4/3,

Im{z}
4
5
z1 w1
Re{z}
1 3 5
3 5 1 3 2 3
z2 w2
− 45
Figura 2.9: Construcción geométrica para solucionar ecuación compleja.
debe partir de algún punto en un círculo centrado en 5/3 con radio 4/3. La solución está
donde ambos círculos se intersecan, como lo ilustra la figura 2.9. De la figura se extrae que
hay dos posibles soluciones:
3 4 3 4
z1 = +j z2 = −j
5 5 5 5
16 4 16 4
w1 = −j w2 = +j
15 5 15 5
2.3
Multiplicación y división Sea z = (|z| cos ∠z, |z| sen ∠z) y w = (|w| cos ∠w, |w| sen ∠w).
Utilizando la definición (2.13) de producto de números complejos, se obtiene para el producto
zw:
zw = (|z| cos ∠z |w| cos ∠w − |z| sen ∠z |w| sen ∠w,
|z| cos ∠z |w| sen ∠w + |w| sen ∠w |w| cos ∠w)
= (|z| |w| (cos ∠z cos ∠w − sen ∠z sen ∠w), |z| |w| (cos ∠z sen ∠w + sen ∠w cos ∠w))
y usando identidades trigonométricas
= (|z| |w| cos(∠z + ∠w), |z| |w| sen(∠z + ∠w))

de donde se deriva
|zw| = |z| |w|
∠(zw) = ∠z + ∠w .
Es decir, el producto de dos números complejos equivale a multiplicar sus magnitudes y
sumar sus ángulos. Eso es consistente entonces con la aplicación de propiedades conocidas
en los números reales a los complejos:
zw = |z|ej∠z |w|ej∠w = |z||w|ej(∠z+∠w)

A partir de la definición (2.13) del producto en C se observa además con z = x + jy y

w = u + jv:
zw = (x + jy)(u + jv) = (xu − yv) + j(xv + yu)
Por otro lado, para la división se observa que
z |z|ej∠z |z| j(∠z−∠w)

= = e (2.23)
w |w|ej∠w |w|
es decir, la magnitud de un cociente es el cociente de las magnitudes, y el ángulo del cociente
está dado por la diferencia entre los ángulos del dividendo y divisor.
Además, aprovechando las propiedades derivadas anteriormente se debe cumplir:
z z w∗ (x + jy)(u − jv) xu + yv yu − xv
= ∗
= 2
= 2 2
+j 2
w ww |w| u +v u + v2
y si usamos el hecho de que x = |z| cos ∠z, y = |z| sen ∠z y de modo similar u = |w| cos ∠w,
v = |w| sen ∠w, entonces
xu + yv |z||w|(cos ∠z cos ∠w + sen ∠z sen ∠w) |z|

2 2
= 2
= cos(∠z − ∠w)
u +v |w| |w|
yu − xv |z||w|(sen ∠z cos ∠w − cos ∠z sen ∠w) |z|
2 2
= 2
= sen(∠z − ∠w)
u +v |w| |w|
lo que considerando la fórmula de Euler (2.15) confirma el resultado (2.23).

Dada una colección de n números complejos zi = xi + jyi = ri ejϕi ∈ C, i = 1 . . . n puede
demostrarse que: !
Yn Y n
Pn
zi = ri ej i=1 ϕi . (2.24)
i=1 i=1
De las ecuaciones anteriores resulta claro que, analíticamente, es más simple utilizar las
notaciones polares para resolver productos y divisiones de números complejos, y la forma
cartesiana para sumas y restas.
De forma similar al caso de la suma de números conjugados se cumple con la multiplicación
z1∗ z2∗ = (r1 e−jϕ1 )(r2 e−jϕ2 ) = r1 r2 e−j(ϕ1 +ϕ2 ) = (z1 z2 )∗
y en general para n números complejos zi = ri ejϕi se cumple

n n n
! n
!∗
Y Y Y Pn Y
zi∗ = (ri e−jϕi ) = ri e−j i=1 ϕi = zi .
i=1 i=1 i=1 i=1
El lector puede además demostrar que:
zz ∗ = |z|2 (2.25)
z
∗
= ej2∠z (2.26)
z

Im{z}
z w
ϕ
Re{z}
r 2r
w z
Figura 2.10: Construcción geométrica para el ejemplo 2.4.
Ejemplo 2.4 Obsérvese la construcción geométrica en la figura 2.10. Dado un circulo

centrado en r ∈ IR, de radio r, que pasa por 0 y por 2r, y sea z un punto sobre ese círculo.
Sea w el número complejo que sumado a z resulta en 2r. Se debe encontrar el ángulo entre
z y w.
Solución:
Para encontrar el ángulo entre z y w se debe calcular ∠z − ∠w. Una forma de calcularlo es
utilizando el hecho de que:
z
∠z − ∠w = ∠
w
Para expresar la restricción de que z debe estar sobre un círculo de radio r, obsérvese que
rejϕ , para ϕ ∈ [0,2π] describe un círculo de radio r centrado en cero. Si ahora a todos los
puntos de ese círculo se les suma r, de modo que

z = r + rejϕ = r 1 + ejϕ
entonces se obtiene el círculo en cuestión, y a cada punto z sobre ese círculo corresponde un
valor particular del ángulo ϕ.
Obsérvese que
w = 2r − z = 2r − r + rejϕ = r 1 − ejϕ
y por tanto
∗
z r (1 + ejϕ ) (1 + ejϕ ) (1 − ejϕ )
= =
w r (1 − ejϕ ) (1 − ejϕ ) (1 − ejϕ )∗
1 − e−jϕ + ejϕ − 1 ejϕ − e−jϕ
= =
|1 − ejϕ |2 |1 − ejϕ |2
y puesto que z − z ∗ = j2 Im{z}, y además Im{ejϕ } = sen ϕ, entonces
z j2 sen(ϕ)
=
w |1 − ejϕ |2
cuyo ángulo es ±π/2 dependiendo del signo de sen ϕ, es decir, si z está en el semiplano
superior entonces el ángulo es π/2 y si z está en el semiplano inferior, entonces el ángulo es
−π/2.

Este hecho es conocido como el segundo teorema de Tales: dado un triángulo con uno de sus
lados igual al diámetro de un círculo y el otro vértice sobre el círculo, entonces el ángulo frente
al diámetro siempre es π/2. Por tanto, la figura circunscrita en el círculo de la figura 2.10 es
siempre un rectángulo. Este teorema se demuestra además con geometría clásica. 2.4
El diagrama de Argand junto a la interpretación gráfica de la suma y resta son de gran

utilidad en la solución de problemas de ingeniería. El siguiente ejemplo ilustra un caso de
aplicación con circuitos eléctricos.
Ejemplo 2.5 Las leyes de Kirchoff tienen una interpretación geométrica directa, que per-
mite encontrar gráficamente fases y magnitudes de tensiones y corrientes eléctricas de una
forma más intuitiva que lo que soluciones algebraicas permiten.
Por ejemplo, dado el circuito de medición en la figura 2.11, y conociendo que la tensión
medida con un multímetro en el inductor real (todo el bloque rectangular sombreado) es
VL = 8 V y que la tensión medida con el multímentro en la resistencia de medición Vm = 4 V,
se desea encontrar gráficamente los valores de la resistencia parásita del bobinado y de
inductancia de la bobina real.
Rm
1 kΩ RL
Vs
10 V@100 Hz
L
IT
Figura 2.11: Circuito de medición para ejemplo 2.5.
Solución: Hay dos caminos para construir la solución gráficamente. Para el primero, coló-
quese el fasor de tensión eléctrica de la bobina sobre el origen (ver figura 2.12).
La tensión de la fuente se toma como fasor de tensión de 0 V a 10 V en el eje real. La
tensión en la bobina real tiene magnitud 8 V, así que tiene que estar en un círculo de radio
8 V centrado en origen (dibujado en azul). Por otro lado, la magnitud de la tensión en la
resistencia de medición es 4 V, por lo que el fasor que la representa tiene que partir de algún
punto sobre un círculo de radio 4 V centrado en 10 V, que llega a esos 10 V.
La intersección de ambos círculos da dos posibles soluciones. Una es inductiva y la otra es
capacitiva. En este caso, el primer cuadrante contiene la solución inductiva, lo que se verá
en un momento. En la figura se aprecia cómo la suma de ambas tensiones VL y VRm es 10 V,
tal y como se espera.
Puesto que la corriente por Rm y por RL es la misma, las tensiones en ellas tienen que
estar en fase. Por ello se debe extender la recta de la tensión VRm (punteado magenta).
Perpendicular a esta línea tiene que estar la tensión en el inductor ideal, de modo que su
fase respecto a VRm sea los 90◦ esperados. Con esto se encuentran las dos componentes de
VL , que son ortogonales entre sí.
Para calcular finalmente los valores de RL y de L se deben hacer algunos cálculos basados

en las tensiones encontradas: la corriente por el circuito se calcula fácilmente utilizando la

información sobre la resistencia de medición:
VR 4V
|IT | = = = 4 mA
Rm 1 kΩ
La magnitud de la tensión en la resistencia interna de la bobina medida en la figura es 2,5 V:
|IT |RL = 2,5 V

2,5 V 2,5 V
RL = = = 625 Ω
|IT | 4 mA
La magnitud de la tensión en la bobina ideal medida en la gráfica es ≈ 7,6 V, y por tanto:
|IT ||jωL| ≈ 7,6 V

7,6 V 7,6 V
L≈ = = 3,0239 H
|IT |ω 4 mA · 2π · 100 Hz
Para el segundo camino de solución se coloca el fasor de tensión en la resistencia de medición

en el origen. El resto de los cálculos es análogo y se deja como ejercicio para el lector.
2.5
Potenciación Dada la notación polar redundante de z = |z|ej(ϕ+2kπ) , k ∈ Z (ver (2.19) )

y la notación cartesiana de w = u + jv, en general se mantienen las normas de potenciación
4
VRL
VLideal
3
2
VRm
1 VL
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
−1
Figura 2.12: Primer camino de solución del ejemplo 2.5 colocando el fasor de tensión de la bobina
sobre el origen.
−2
−3
−4
aplicables a los números reales y por tanto:

u+jv
z w = |z|ejϕ
u jv
= |z|ejϕ |z|ej(ϕ+2kπ)
= |z|u ejuϕ |z|jv e−v(ϕ+2kπ)
y puesto que la magnitud de un número complejo es real no negativo entonces |z| = eln |z| y
por tanto
= |z|u e−v(ϕ+2kπ) ejuϕ ejv ln |z|

= |z|u e−v(ϕ+2kπ) ej(uϕ+v ln |z|)
de donde se observa que
|z w | = |z|u e−v(ϕ+2kπ)
∠z w = uϕ + v ln |z| .
Ejemplo 2.6 Encuentre los números complejos equivalentes a −1j

Solución:
Puesto que −1 = ejπ = ejπ ej2kπ = ej(π+2kπ) entonces
j
−1j = ej(π+2kπ) = e−(π+2kπ)
que son infinitos números reales distintos: . . . ,e−3π ,e−π ,eπ ,e3π ,e5π , . . . 2.6
Para el caso especial del producto (2.24) en que todos los elementos zi sean iguales a z =
x + jy = rejϕ , se obtiene:
n n
!
Y Y Pn
z = zn = r ej i=1 ϕ = rn ejnϕ (2.27)
i=1 i=1
A (2.27) se le denomina frecuentemente el teorema de Moivre. Este teorema se utiliza para

encontrar las n-ésimas raíces de z definidas como los números w que multiplicados por sí
mismos n veces resultan en z, es decir wn = z. Junto con (2.19) puede observarse que
ϕ+2kπ
w = z 1/n = (rejϕ )1/n = (rej(ϕ+2kπ) )1/n = r1/n ej n
que puede tomar n valores únicos con k = 0, . . . ,n − 1. En otras palabras, cualquier número
complejo z tiene n n-ésimas raíces.
Las n n-ésimas raíces de z tienen todas la misma magnitud |z|1/n , lo que implica que se
encuentran situadas sobre un círculo en el plano complejo de radio |z|1/n . Además, la primera
raíz tiene un ángulo igual a argn z y a partir de ésta las otras raíces se distribuyen regularmente
sobre el círculo separadas por un ángulo igual a 2π/n. La figura 2.13 muestra un ejemplo.

Im
r
w1
w0
ϕ
√ Re
4
r
w2
w3
◦
Figura 2.13: Ejemplo de las cuatro raíces cuartas de rej60 . El ángulo de w0 es un cuarto del
ángulo ϕ = 60◦ . Todas las otras raíces se encuentran separadas entre sí con ángulos
√
de 360◦ /4, y situadas sobre un círculo de radio 4 r.
Exponenciación La exponenciación con números complejos mantiene las propiedades pre-

sentes en los números reales y extiende la fórmula de Euler presentada anteriormente. Así:
ez = e(x+jy) = ex ejy = ex cos(y) + jex sen(y)
que es un número complejo de magnitud ex con ángulo igual a y, parte real ex cos(y) y parte
imaginaria ex sen(y). El lector puede demostrar que se cumple además:
ejz + e−jz
cos(z) = = cos x cosh y − j sen x senh y
2
ejz − e−jz
sen(z) = = sen x cosh y + j cos x senh y
2j
Logaritmo El logaritmo natural mantiene en los números complejos las mismas propieda-
des que en los reales, esto quiere decir que, si z = rejϕ y k ∈ Z

ln z = ln rej(ϕ+2kπ) = ln r + ln(ej(ϕ+2kπ) ) = ln r + j(ϕ + 2kπ).
donde se nota que z complejo tiene un infinito número de logaritmos. A cada valor de k se
le denomina una rama. El caso especial de la rama k = 0 se denomina valor principal y se
denota con Ln z = ln |z| + j∠z. Se cumple entonces:
ln z = Ln z + j2kπ
Ejemplo 2.7 Encuentre el valor de ln 1 y Ln 1.

Solución:
En el dominio complejo ln 1 = ln |1| + j∠1 = j2kπ, con k ∈ Z.
Con k = 0 se obtiene Ln 1 = 0 2.7

Debido al número infinito de ramas del ln z, si bien es cierto que eln z = z, en general no
es cierto que ln ez = z, porque ambos lados de la ecuación pueden diferir por un múltiplo
entero de j2π. Por ejemplo:
 π ? π
ln e−j 2 = −j
ln(−j) = 2
ln(−1 · j) = ln ejπ · ej π2 = ln(ejπ ) + ln ej π2 =
? π
jπ + j = j
3π
2 2
Así, la relación correcta es
ln ez = z + j2kπ .
Con esto entonces el planteo correcto para el caso anterior de ln(−j) es
π
ln(−j) = −j + j2kπ
2
lo que subsana la aparente contradicción, y pone en evidencia que tanto −jπ/2 como j3π/2
son ambos resultadso válidos.
Mientras el logaritmo con números reales no está definido para los números negativos, en el
dominio complejo sí lo está.
Ejemplo 2.8 Encuentre el valor de ln a y Ln a, con a ∈ IR− .

Solución:
En el dominio complejo ln a = ln |a| + j∠a = ln(−a) + jπ + j2kπ = ln(−a) + jπ(1 + 2k),
con k ∈ Z. Con k = 0 se obtiene Ln a = ln(−a) + jπ. 2.8
2.1.8. Otros conjuntos
Luego del conjunto de los números complejos encuentran aplicación en ingeniería otras es-
tructuras algebraicas, como las llamadas álgebras de Clifford, en las que se enmarcan conjun-
tos como cuaterniones, octoniones, sedeniones, etc., utilizados ampliamente en gráficos por
computadora, robótica, y en generalizaciones de las temáticas presentadas en los siguientes
capítulos. Aunque estos temas escapan a la temática del presente documento, se invita al
lector a incursionar por su cuenta en estos interesantes temas. 4 Lección 2
2.2. Funciones de variable compleja

Lección 3 B En la sección 2.1.1 se introdujo brevemente el concepto de relación entre conjuntos y con
ello la noción de mapeo o función. Acorde a esos formalismos una función f relaciona dos
conjuntos X y Y por medio de una regla que asocia a cada elemento x ∈ X uno y solo un
elemento y ∈ Y . Se dice entonces que f mapea el elemento x en el elemento y (figura 2.14).
Esto se denota generalmente como
f :X→Y y = f (x)
A x se le denomina variable independiente, puesto que puede tomar cualquier valor dentro
de X. La variable dependiente y adquiere un valor determinado por el valor específico de x
y la función f .

f (·)
x
X Y
Figura 2.14: Diagrama de relación funcional entre x ∈ X y y ∈ Y .
El conjunto X es el dominio de la función f y el conjunto de todas las imágenes {y | y =

f (x), x ∈ X} ⊆ Y es el conjunto imagen, rango o codominio de f .
2.2.1. Representaciones gráficas
En el presente documento se utilizan principalmente funciones donde X, Y ⊆ C. A diferencia

de las funciones de variable y valor reales y = f (x), que se pueden representar fácilmente
por medio de curvas en un plano cartesiano, la función de variable compleja w = f (z) con
w, z ∈ C no puede ser representada de forma gráfica directamente requerir para ello cuatro
dimensiones reales: dos para representar a z y otras dos para representar a w; en ambos
casos pueden elegirse ya sea las partes real e imaginaria, o el módulo y argumento en la
representación de los números complejos.
Representación tridimensional separada
Se debe entonces separar la representación completa, para poder usar dos variables reales
independientes y solo una variable real dependiente. Por un lado, si z = x + jy, w = u + jv
y w = f (z) se cumple entonces que
w = f (z) = u(x, y) + jv(x, y)
es decir, las componentes real u(x, y) e imaginaria v(x, y) son funciones cada una de valor
real, con dos variables reales (u, v : IR × IR → IR). Las componentes real e imaginaria pueden
de esta manera graficarse por separado, como se ilustra en la figura 2.15.
15 15
10 10
5 5
Im{f (z)}
Re{f (z)}
0 0
−3 −3
−5 −2 −5 −2
3 −1 3
−1 2
2 0 1
−10 0 1 −10
Re{z} 1 0 Re{z} 1 0
−1 2 −1
−15 2 Im{z} −15 −2 Im{z}
−2 3−3
3−3
(a) (b)
Figura 2.15: Representación en un espacio tridimensional de (a) la parte real de la función

Re{f (z)} = u(x, y), (b) la parte imaginaria de la función Im{f (z)} = v(x, y).

A su vez, con las propiedades de números complejos, la función f (z) se puede descomponer
como:
w = f (z) = r(x, y)ejϕ(x,y)
lo que equivale a representar w a través de su módulo y argumento. También en este caso
r(x, y) y ϕ(x, y) son funciones de valor real, con dos variables independientes reales, que sí
pueden graficarse en un espacio tridimensional como se ilustra en la figura 2.16. Debido a
30
25
20 π
|f (z)|
15
π
2
10
∠f (z)
5 0
−3
0 −2
−3 −1 3
−2 − π2 2
3 0 1
−1 Re{z} 1 0
2
0 1 2 −1
Re{z} 1 0 −π −2 Im{z}
−1 3−3
2 −2 Im{z}
3−3
(a) (b)
Figura 2.16: Representación en un espacio tridimensional de (a) el módulo de la función |f (z)| =

r(x, y), (b) el argumento de la función arg(f (z)) = ϕ(x, y).
el ángulo es periódico con periodo 2π, las gráficas de fase deben siempre interpretarse con
especial cuidado, porque discontinuidades con saltos cercanos a 2π no son tan fuertes como
aparentan. Con herramientas computacionales debe tenerse además especial cuidado, pues en
regiones de z donde la magnitud de f (z) es muy pequeña o muy grande (por ejemplo, debido
a divisiones con números cercanos a cero), la fase experimenta comportamientos espurios por
errores numéricos.
Coloración de dominios
Debido a la imposibilidad de graficar cuatro dimensiones reales, se han buscado alternativas,

usando las posibilidades de graficación de las herramientas computacionales modernas. En
la coloración de dominios se utiliza para el plano complejo z = x + jy el diagrama de Argand
tal cual, y a cada posición (x, y) se le asigna un color determinado por el valor de w = f (z).
No hay un formato estandarizado, pero por lo general se utiliza el matiz del color para
codificar el ángulo o argumento de w, y el brillo para codificar su módulo o magnitud.
La figura 2.17 ilustra dos codificaciones usuales del valor complejo w = f (z) = z, que se
ajustan al rango de valores en la función. En la codificación de la izquierda se usa un rango
predeterminado de valores de |f (z)|, de modo que los valores más bajos se representan con
colores oscuros, (hacia el centro), y los valores más altos se mapean a colores saturados (hacia
el borde del círculo). El matiz del color representa el ángulo; así por ejemplo el rojo es 0◦ ,
el verde es 120◦ , el azul 240◦ , verde-amarillento y púrpura representan las direcciones de j y
−j respectivamete. La codificación de la derecha reutiliza el rango de brillos una y otra vez,
generando así bandas de color, con el objetivo de facilitar la visualización de detalles locales,

π π
2 2
2π π 2π π
3 3
Im{w}
Im{w}
3 3
3π π 3π π
4 4 4 4
5π π 5π π
6 6 6 6
π 0 π 0
Re{w} Re{w}
− 5π
6
− π6 − 5π
6
− π6
− 3π
4
− π4 − 3π
4
− π4
− 2π
3
− π3 − 2π
3
− π3
− π2 − π2
(a) (b)
Figura 2.17: Codificación de argumento y módulo de w por medio de colores. (a) Rango de bri-
llo se usa para todo el rango de magnitudes de w. (b) Rango se usa completo en
varias bandas, lo que permite apreciar detalles de cambios en cada banda, y ofrece
indirectamente la visualización de curvas de nivel en la magnitud.
produciendo además bordes que corresponden a las curvas de nivel, con la desventaja de que
un mismo brillo corresponde a varios posibles niveles de |f (z)|. La elección del matiz para
representar el ángulo, es que está diseñado para ser angularmente continuo, en el sentido de
que los colores cerca de 2π y cerca de 0 son perceptivamente cercanos.
Im{z} Im{z}
2 2
1 1
−2 −1 1 2 Re{z} −2 −1 1 2 Re{z}
−1 −1
−2 −2
(a) (b)
Figura 2.18: Coloración de dominio para función en la figura 2.16. (a) Rango de brillo completo.
(b) Rango de brillo con bandas.
La figura 2.18 representa la misma función en la figura 2.16 con coloración de dominio. En
blanco se representan las curvas de nivel de fase constante y en negro las curvas de nivel de
magnitud constante. Dependiendo de la aplicación se prefere una u otra representación.
Solo la creatividad limita las posibilidades de colorear funciones complejas: eligiendo otros
espacios de color, eligiendo no solo representar argumento y módulo, sino incorporar en el

coloreado las pares real e imaginaria de f (z), crear bandas no solo en el módulo, sino también
en el ángulo, etc. Se invita al lector a experimentar con los innumerables sitios interactivos
disponibles en Internet.
Combinando la representación tridimensional y el coloreado de dominio, se crean represen-
taciones como la figura 2.19, en donde se indica sobre la superficie de la magnitud de la
función, el correspondiente ángulo por medio del código de color.
2π
30
25
3π
2
20
|f (z)|
15
π
10
5
π
0 2
−3
−2
−1 3
2
0 1 0
Re{z} 1 0
−1 ∠f (z)
2 −2 Im{z}
3−3
Figura 2.19: Representación tridimensional de módulo con argumento coloreado.
Funciones complejas de variable real
En varias aplicaciones es de particular interés observar los valores complejos de la función

f (z) para un corte particular del plano z, como por ejemplo sobre el eje real o sobre el eje
imaginario de dicho plano. En estos casos, se parametriza entonces la variable z como una
función z(t) de variable real t, z : IR → C, y se visualiza la función f (z(t)),
Un primer acercamiento sería visualizar las componentes de f (z(t)) por separado, es decir,
su parte real, imaginaria, magnitud, o ángulo, en función de t, sobre planos cartesianos
separados. Un ejemplo de esto serán las representaciones en el dominio de la frecuencia de
señales temporales, como lo ilustra la figura 3.26, en donde se representa magnitud y ángulo
de una función compleja en función de la variable real ω.
Por otro lado, para cada valor real concreto t es posible representar el valor de f (z(t)) sobre
un plano complejo posicionado en el valor concreto de t, de forma perpendicular a dicho eje.
La elección de parametrización z(t) determina el tipo de corte que se realiza sobre el plano z.
Por ejemplo:
1. z(t) = t: realiza un corte sobre el eje real,
2. z(t) = jt: realiza un corte sobre el eje imaginario,
3. z(t) = ejt : corta a f (t) sobre un círculo de radio uno, centrado en el origen.
De este modo, tres dimensiones son suficientes para la representación del corte: una para la
variable independiente t, y otras dos para la parte real e imaginaria de la función en cada

f (t + j0)
f (0 + jt)
15 15
10 10
5 5
Im{f (jt)}
Im{f (·)}
0 0
-5 -5
-10 -10
15 15
-15 10 -15 10
-3 5 -3 5
-2 0 -2 0
-1 -1
0 -5 Re{f (·)} 0 -5 Re{f (jt)}
t 1 -10 t 1 -10
2 2
3 -15 3 -15
(a) (b)
Figura 2.20: Representación de trayectorias complejas. (a) Representación de las trayectorias

complejas para cortes de la función sobre los eje real e imaginario, con algunos
números complejos sobre planos de referencia en las posiciones enteras de t. En este
caso particular el corte sobre el eje real es a su vez real. (b) Otro tipo de represen-
tación, en este caso del corte sobre el eje imaginario, con una superficie hacia el eje
del parametro t para mejorar la referencia visual (compárese con la misma curva
en (a)).
valor de t. El resultado final es entonces una curva de trayectoria en el espacio tridimensional.

La figura 2.20 ilustra algunos cortes para la misma función usada en las figuras 2.16 y 2.19.
Con herramientas computacionales se manipulan interactivamente las representaciones tri-
dimensionales, lo que permite ampliar la percepción del comportamiento complejo de las
funciones complejas. En representaciones estáticas se agregan ayudas adicionales, como nú-
meros complejos en planos determinados (las flechas en la figura 2.20a), o añadir superficies
de la trayectoria al eje del parámetro t (figura 2.20b), entre otros.
2.2.2. El concepto de mapeo
Mientras que con las representaciones de magnitud, fase, componentes real e imaginaria de
funciones de valor y variable compleja se intenta observar cómo varían individualmente éstas
con respecto a todo punto el plano complejo C, con los llamados mapeos se estudia cómo
se transforma una región específica del plano z (que puede ser una recta, una banda, un
círculo, un perfil, etc.) en otra región del plano w cuando se aplica w = f (z), aplicando así
el concepto mencionado anteriormente en (2.1).
La idea general de mapeo o transformación que realiza una función entre los conjuntos X y
Y provee otro modo de visualización y análisis que se utiliza frecuentemente en ingeniería
para simplificar modelos geométricos relativamente complejos.
Ejemplo 2.9 Encuentre la imagen en el plano w de la región lineal y = 2x + 4 del plano

z = x + jy bajo el mapeo w = 2z + 6.

Solución: Se sabe que

w = u + jv = f (z) = 2z + 6 = 2(x + jy) + 6 = (2x + 6) + j 2y
| {z } |{z}
u v
de donde se puede despejar

u−6
x=
2
y sustituyendo en v se obtiene
v = 2y = 2(2x + 4) = 4x + 8 = 2u − 12 + 8 = 2u − 4
lo que corresponde también a una línea recta (figura 2.21).
y v
Plano z
4 v = 2u − 4
y = 2x + 4
2 u
−2 x
−4
Plano w
Figura 2.21: Mapeo de y = 2x + 4 por medio de w = 2z + 6.
2.9
Se denominan puntos fijos del mapeo o función f aquellos puntos del plano complejo donde
se cumple z = f (z), es decir, los puntos que no cambian cuando se le aplica la transformación
f.
Como función o mapeo inverso de w = f (z) se conoce a aquel que logra recobrar el valor de
z a partir de su imagen w, y se denota como z = f −1 (w), es decir:
w = f (z) =⇒ z = f −1 (w) = f −1 (f (z))
Ejemplo 2.10 Encuentre los puntos fijos y mapeo inverso de la función

w = 2z + 6 (2.28)
usada en el ejemplo 2.9.
Solución: El único punto fijo del mapeo w = 2z + 6 es z = −6, y se encuentra fácilmente
resolviendo:
z = 2z + 6
−z = 6

El mapeo inverso se obtiene despejando z en (2.28): z = w−6

2
.
2.10
No todo mapeo tiene un inverso, aunque en ingeniería son precisamente aquellas funciones
invertibles las que encuentran mayor aplicación. Por ejemplo, para diseñar perfiles aerodi-
námicos se requiere conocer el comportamiento de las líneas de flujo de aire, a partir de las
cuales se calculan fuerzas sobre el perfil y otras variables de interés. El cálculo directo de
las líneas de flujo a partir del perfil es una tarea difícil, pero si dicho perfil y su entorno se
mapean de manera tal que el perfil se transforme a un cilindro, para el que ya se ha resuelto
el problema, entonces la solución del caso cilíndrico se se puede transformar de vuelta al
dominio original con el mapeo inverso. La figura 2.22 ilustra la idea.
(a) Plano z (b) Plano w

Figura 2.22: Ejemplo del mapeo de Joukowsky usado en aerodinámica para transformar un perfil
aerodinámico de Joukowsky, marcado con línea negra gruesa en (a), hacia un perfil
cilíndrico (b) para el que ya se conocen las líneas de flujo (representadas con curvas
de colores). Con el mapeo inverso se reproyectan estas líneas de flujo al dominio
original en (a).
Así como este, existen ejemplos en electrostática, para encontrar la configuración de campos
eléctricos y magnéticos en configuraciones complejas de elementos conductores y aislantes,
transformándolas a configuraciones de solución conocida para devolver entonces los resulta-
dos a la configuración original. Se utilizan también mapeos para analizar el comportamiento
de motores eléctricos, o facilitar la configuración de antenas e guías de onda. En el pro-
cesamiento digital de señales se usan mapeos adecuados para convertir configuraciones de
filtros analógicos conocidos al dominio digital. La lista de aplicaciones es ilimitada y es una
herramienta de constante innovación y aplicación.
2.2.3. Mapeos lineales
Un mapeo lineal es realizado por una función de variable compleja de la forma
w = αz + β, α, β ∈ C
El ejemplo 2.9 presentó un caso particular de mapeo lineal, con α = 2 y β = 6. Para analizar
este mapeo se revisarán tres casos.

Caso 1: Si α = 0 entonces w = β, lo que implica que todo el plano z es mapeado a un solo

punto β. Nótese que entonces β es un punto fijo de w = β, que a su vez no tiene mapeo
inverso (figura 2.23). A este caso en el que todo el plano z se proyecta a un solo punto de b
se le denomina mapeo degenerado.
Plano z Im{z} Plano w Im{w}
Re{z} Re{w}
β
Figura 2.23: Mapeo de todo el plano z a β, con w = β.
Caso 2: Si β = 0 y α 6= 0 entonces w = αz, lo que equivale a decir que 0 es un punto fijo y

el mapeo inverso es z = α1 w. Si se utiliza la notación polar z = rejϕ y α = |α| ej∠α entonces
w = αz = |α| ej∠α rejϕ = |α| rej(ϕ+∠α)
esto implica que |w| = |α| r y ∠w = ϕ + ∠α. En otras palabras, el mapeo w = αz equivale
a un escalado por un factor |α| y una rotación por el ángulo ∠α con respecto a origen
(figura 2.24). Si |α| > 1 entonces el plano z se ampliará o expandirá, y si |α| < 1 entonces el
plano z se comprimirá o retraerá.
|α| α
∠α
Re{z} Re{w}
Figura 2.24: Rotación y escalado por el mapeo w = αz, con α = 2 + j.
Caso 3: Si α 6= 0 y β 6= 0, entonces w = αz + β se compone de dos mapeos en cascada:

primero z 0 = αz y luego w = z 0 + β. Se observa entonces que sumar una constante β a

un punto z 0 equivale a una traslación hacia β + z 0 . Así, el mapeo lineal amplifica, rota y
traslada los puntos de z en w. Obsérvese que en ejemplo 2.9 el mapeo escala el plano por 2,
sin ninguna rotación, y luego lo traslada en unidades a la derecha.
Mapeo lineal de círculos
El mapeo lineal transforma todo círculo en z en otro círculo en w. Para demostrarlo se parte
de la ecuación de un círculo en z:
|z − z0 | = r
en donde el círculo tiene radio r y está centrado en z0 (figura 2.25).
Im(z)
z
z − z0 = rejθ
z0
Re(z)
Figura 2.25: Construcción geométrica para representación de un círculo centrado en z0 y de radio

r como |z − z0 | = r. Todos los puntos del círculo se encuentran a una distancia r de
z0 .
El mapeo lineal a aplicar tiene la forma w = αz + β. Esto quiere decir que

w−β
=z
α
Introduciendo lo anterior en la ecuación del círculo se obtiene
|z − z0 | = r
w−β
− z0 = r
α
1
|w − (β + z0 α)| = r
|α|
|w − (β + z0 α)| = r |α|
|w − w0 | = r |α|
con w0 = β + αz0 .
En otras palabras, el radio del círculo en el plano w ha sido escalado con un factor |α| y está
centrado en w0 = αz0 + β, que corresponde a la aplicación del mapeo lineal al centro del
círculo z0 .

Mapeo lineal de rectas
El mapeo lineal w = αz + β transforma una recta en z en otra recta en w.

Para demostrarlo, se parte de una descripción de la recta por medio de la ecuación
|z − a| = |z − b| (2.29)
donde a, b ∈ C y la recta es la mediatriz del segmento de recta entre a y b (figura 2.26).
Im(z)
|z − a| = |z − b|
Re(z)
Figura 2.26: Construcción geométrica de una recta con |z − a| = |z − b|. Puesto que |z − a| es la
distancia entre z y a, un círculo centrado en un cualquier punto z de la solución a
la ecuación, deberá pasar por ambos puntos a y b, debido a que todos los puntos de
un círculo se encuentran a la misma distancia del origen. Además, dos círculos del
mismo radio, centrados uno en a y otro en b, deberán intersecarse sobre la solución a
|z − a| = |z − b|. Se obtiene así, que la solución a la ecuación es una recta mediatriz
al segmento ab, es decir, la recta perpendicular al segmento ab que lo corta por su
mitad.
Puesto que w = αz + β entonces

w−β
z= (2.30)
α
Sustituyendo (2.30) en (2.29) se obtiene
w−β w−β
−a = −b
α α
1 1
|w − (αa + β)| = |w − (αb + β)|
|α| |α|
|w − ā| = w − b̄
donde ā = αa + β y b̄ = αb + β que son las transformaciones de los dos puntos generadores

de la recta. Con esto queda claro que la proyección de la recta es otra recta.
Otra posible demostración se esboza a continuación, que aunque se acerca más al tratamiento
tradicional de rectas en el plano, está limitado a rectas no verticales en el dominio y en el
codominio. Asúmase como dominio la recta y = mx + b. Se cumple
w = αz + β = α(x + jy) + β = (αx + β) + jαy = u + jv

Puesto que α,β ∈ C, debe tenerse el cuidado de no igualar αx + β = u, pues el lado

izquierdo no es real. Utilizando α = αRe + jαIm y β = βRe + jβIm , agrupando las partes
reales e imaginarias se llega a demostrar que
v = K1 u + K2
lo que también representa una recta, donde las constantes se definen como
αIm + αRe m
K1 =
αRe − αIm m
αIm b − βRe
K2 = (αIm + αRe m) + αRe b + βIm .
αRe − αIm m
Ejemplo 2.11 Encuentre a qué es transformada la recta:
|z + 1 − j| = |z − 3 + j|
por el mapeo
1 5
w= 1+j z−
2 2
Solución: Ya se demostró que el mapeo lineal transforma rectas a rectas. Para encontrar la
recta en el plano w, pueden segurise varios caminos.

4 4
3 3
2 2
a 1 1
a0 b0
Re{z} Re{w}
−4 −3 −2 −1 1 2 3 4 −5 −4 −3 −2 −1 1 2 3
−1 b −1
−2 −2
−3 −3
−4 −4
Figura 2.27: Transformación de una recta por mapeo lineal. A la izquierda se ilustra la recta
inicial. A la derecha el resultado final.
Transformando directamente los puntos en la ecuación de la recta data a = −1+j y b = 3−j:

0 1 5 1
a = 1+j (−1 + j) − = −4 + j
2 2 2

1 5 1
b0 = 1 + j (3 − j) − = 1 + j
2 2 2
y la recta buscada en el plano w es la mediatriz del segmento entre a0 y b0 , como se ilustra

a la derecha de la figura 2.27.

El segundo método es tomar cualesquiera dos puntos sobre la recta inicial, transformarlos
con el mapeo y trazar la recta entre ellos. Por ejemplo:
3 1
z =1→w =− +j
2 2
3
z = −2j → w = − − j2
2
El tercer camino consiste

√ en determinar los pasos de transformación
geométrica a seguir:
escalar por 1 + j 12 = 25 y luego rotar por ∠α = atan2 12 , 1 ≈ 26,57◦ . Con el escalamiento
y la rotación la recta es transformada a una recta vertical que pasa por 1, y el último paso
traslada a la izquierda en 5/2.
2.11
Mapeo lineal de regiones
Si una curva corta al plano z en dos, entonces una curva mapeada linealmente al plano w
también corta al último en dos, donde los puntos en un lado de la curva en z se proyectan
a solo un lado de la curva en w.
Ejemplo 2.12 Considérese el mapeo lineal w = f (z) = αz + β. Si 1 + j = f (1 + j) y

0 = f (j)
1. Determine los valores de α y β.
2. Encuentre la región del plano w a la que es mapeado el semiplano izquierdo del plano z.
3. Encuentre la región en el plano w correspondiente a |z| ≤ 2.
4. Encuentre los puntos fijos del mapeo.
Solución: Con los dos pares de puntos dados se plantea un sistema de dos ecuaciones lineales
α(1 + j) + β = 1 + j (2.31)
αj + β = 0 (2.32)
De (2.32) se despeja β = −jα lo que se introduce en (2.31) para despejar α:
α(1 + j) − jα = 1 + j
α=1+j
con lo que se deriva además β = 1 − j.
Como el mapeo es lineal,
√ eljπ/4
eje imaginario del plano z es transformado a otra recta del plano
w. Como α = 1 + j = 2e , el escalado deja al semiplano izquierdo igual y la rotación de
π/4 contra las manecillas del reloj lo trasforma a un semiplano bajo la recta que pasa por el
origen a un ángulo de 3π/4. La traslación está en esa misma dirección y deja al semiplano
sin modificación (ver figura 2.28).
Como el mapeo es lineal, el círculo es transformado√en otro círculo. Siguiendo la interpreta-
ción geométrica el nuevo círculo tendrá un radio√ 2 2 centrado en w0 = 1 − j, es decir, el
circulo |z| < 2 es transformado en |w − w0 | < 2 2.
Como punto fijo se tiene que z = αz + β que tiene una sola solución z = w = 1 + j (ver el
enunciado). 2.12 4 Lección 3


4 4
3 3
2 2
1 1
Re{z} Re{w}
−4 −3 −2 −1 1 2 3 4 −4 −3 −2 −1 1 2 3 4
−1 −1
−2 −2
−3 −3
−4 −4
Figura 2.28: Solución final del ejemplo 2.12 para un mapeo lineal.
2.2.4. Mapeo de inversión
Lección 4 B El mapeo de inversión tiene la forma general:
1
w=
z
Si un punto z se expresa en su forma polar z = rejϕ , entonces su imagen es w = 1r e−jϕ . Esto
implica que si la magnitud de z es menor que 1, su imagen siempre tendrá magnitud mayor
que uno, y viceversa. El ángulo de z siempre se invierte en el plano w.
Obsérvese que si el mapeo de inversión transforma el punto a en a0 , de modo que a0 = 1/a =
1 −j∠a
|a|
e , entonces transformará al punto a∗ en w = a1∗ = |a|
1 j∠a
e = a0∗ . En otras palabras, un
par de puntos complejos conjugados a y a , serán mapeados a otro par complejo conjugado
∗
a0 y a0∗ .
Interesa analizar cómo se transforman los círculos y rectas del plano z en este caso.
Transformación de círculos
Se analizará primero el caso del círculo
1
|z − z0 | = − z0 = r .
w
Utilizando las propiedades de los números complejos, se debe cumplir:
1
− z0 = r
w
1 w∗
− z0 = r
w w∗

y puesto que zz ∗ = |z|2

∗ ∗
w∗ w
− z0 − z0 = r2
|w|2 |w|2
∗
w w ∗
2 − z0 2 − z0 = r2
|w| |w|
1 wz0 w∗ z0∗ 2 2
2 − 2 − 2 + |z0 | = r
|w| |w| |w|
1 − (wz0 + w∗ z0∗ ) = (r2 − |z0 |2 ) |w|2 (2.33)
| {z }
α=cte∈IR
Asúmase por ahora que α 6= 0. Reacomodando, se tiene para este caso:
wz0 + w∗ z0∗ 1
ww∗ + =
α α
z0 z0∗
Sumando a ambos lados de la igualdad α2
para completar cuadrados, se obtiene:
wz0 + w∗ z0∗ z0 z0∗ 1 z0 z ∗
ww∗ + + 2 = + 20
α α α α
wz w ∗ ∗
z z z ∗ r 2
0 0 0 0
ww∗ + + + =
α α α α α
∗
z0 z0∗ ∗ z0
∗ z0∗ ∗ z0 z0∗ z0∗
w w + + w + = w+ w + = w+ w+
α α α α α α α
z ∗ 2
r 2
= w+ 0 =
α α
Por lo tanto
|w − w0 | = rw
con w0 = −z0∗ /α y rw =r/ |α| = r/(r2 − |z0 |2 ) .
Entonces, si α 6= 0, un círculo en el plano z es transformado por inversión en otro círculo
en el plano w. Nótese que α = 0 equivale a decir r = |z0 |, es decir, un círculo que pasa por
el origen. En otras palabras, cualquier círculo en el plano z que no pasa por el origen es
transformado por w = z1 en otro círculo que tampoco pasa por el origen, pues si r 6= |z0 |
entonces
|r| z∗ |z0 |
rw = 6= − 0 =
|α| α |α|
Para el caso especial en el que el círculo en el plano z sí pase por el origen, entonces
|z − z0 | = |z0 |
1
− z0 = |z0 |
w
1 − wz0
= |z0 |
w
|1 − wz0 | = |w| |z0 |

1
|−z0 | w − = |w| |z0 |
z0
1
w− = |w|
z0
lo que equivale en el plano w a la recta mediatriz al segmento entre el origen y 1/z0 .
Transformación de rectas
De forma similar se procede ahora con el mapeo de inversión de una recta en el plano z.
Para ello se parte de la ecuación:
|z − a| = |z − b|
con a, b ∈ C, que describe la recta perpendicular al segmento de recta entre a y b, que corta
a este último a la mitad (mediatriz). Sustituyendo z = 1/w y elevando al cuadrado ambos
lados de la ecuación se obtiene
1 1
−a = −b
w w
2 2
w∗ w∗
− a = −b
|w|2 |w|2
∗ ∗
w w ∗ w w ∗
−a −a = −b −b
|w|2 |w|2 |w|2 |w|2
de donde se despeja
w∗ ∗ w 2 2
2 (a − b) + 2 (a − b) = |a| − |b|
|w| |w|
w (a − b) + w(a − b) = (|a|2 − |b|2 ) |w|2
∗ ∗
(2.34)
| {z }
β=cte∈IR
Nótese que la constante β es igual a cero si y solo si los dos puntos a y b tienen la misma
magnitud, en cuyo caso la mediatriz es una recta que pasa por el origen.
Si β 6= 0 entonces la recta no pasa por el origen y la ecuación (2.34) se reescribe como:
(a − b)∗ (a − b)
w∗ +w = |w|2 = ww∗
β β
Reagrupando los términos y completando los cuadrados sumando (a−b)(a−b)∗ /β 2 se obtiene
(a − b)∗ (a − b) (a − b)(a − b)∗ (a − b)(a − b)∗
ww∗ − w∗ −w + =
β β β2 β2
que es equivalente a

∗ a−b (a − b)∗ ∗ a−b |a − b|2
w w − − w − =
β β β β2
∗ 2
∗ a−b ∗ a−b |a − b|
w − w − =
β β β
∗
(a − b) |a − b|
w− =
β |β|

∗
Esto corresponde a un círculo centrado en w0 = (a−b) β
de radio rw = a−bβ
. Puesto que
rw = |w0 | entonces la recta es transformada en un círculo que pasa por el origen del plano
w.
En el caso de que β = 0, es decir, la recta en el plano z sí pasa por el origen, se retoma la
derivación desde el inicio:
1 1
−a = −b
w w
1 1
|1 − aw| = |1 − bw|
w w
y multiplicando ambos lados de la ecuación por |w| se obtiene:

1 1
−a w − = −b w −
a b
1 1
|a| w − = |b| w −
a b
|a| 1 1
w− = w−
|b| a b
y como en este caso |a| = |b| entonces finalmente
1 1
w− = w−
a b
lo que corresponde a una recta en el plano w que también pasa por el origen, pero con el
inverso aditivo del ángulo de la recta original.
En resumen, el mapeo de inversión transforma los círculos y rectas en círculos o rectas.
Puesto que w = 1/z, es fácil de recordar que si z tiende a cero, entonces w tenderá a infinito,
el cual es contenido en rectas del plano w. Si z nunca se hace cero (como por ejemplo,
en círculos que no pasan por el origen), entonces su transformación siempre tendrá valores
finitos en w, y deberán corresponder a círculos. Si z se hace infinito, entonces el valor de
w = 1/z será cero, por lo que toda recta en el plano z (por contener al infinito) tendrá una
imagen que pasa por el origen del plano w.
Los puntos fijos de este mapeo se encuentran resolviendo z = 1/z, lo que equivale a z 2 = 1.
Esto tiene dos posibles valores en z = ±1. Además cualquier círculo centrado en el origen
de z de radio r será transformado en otro círculo centrado en el origen de w con radio 1/r.
Esto quiere decir que el interior del círculo unitario en z se proyecta al exterior del círculo
unitario en w. Nótese que el círculo unitario |z| = 1 contiene a los dos puntos fijos, que se
deben encontrar entonces en su proyección. Nótese además que el mapeo inverso de w = 1/z
es z = 1/w, es decir, el mapeo inverso de la inversión es a su vez la inversión.
Se deja como ejercicio para el lector mostrar que el mapeo de inversión transforma círculos
centrados en el eje real del plano z en círculos centrados en el eje real del plano w o en rectas
verticales; además, transforma círculos centrados en el eje imaginario del plano z en círculos
centrados en el eje imaginario del plano w, o en rectas horizontales.
La figura 2.29 presenta el resumen de los cuatro casos revisados.

Im{z} Im{w} Im{z} Im{w}
b b c
1 1
a w= z w= z a0
b0 a c0
Re{z} Re{w} Re{z} Re{w}
0 0
a b
(a) (b)
Im{z} Im{w} Im{z} Im{w}
b
1 1
ϕ w= z c w= z a0
−ϕ a
Re{z} Re{w} Re{z} Re{w}
0
b c0
(c) (d)
Figura 2.29: Cuatro casos revisados para el mapeo de inversión. Todo círculo que no pasa por el
origen será mapeado a otro círculo que no pasa por el origen. Toda recta que pasa
por el origen es mapeada a otra recta que también pasa por el origen. Un círculo que
sí pasa por el origien es mapeado a una recta que no pasa por el origen, y viceversa.
Interpretación geométrica
En la figura 2.29 se anotan algunos puntos clave utilizados para encontrar gráficamente la
imagen de los círculos y rectas.
En el primer caso (figura 2.29 a) que mapea un circulo a otro (ninguno de los cuales pasa
por el origen) se traza una línea auxiliar que pasa por el centro del circulo y lo interseca por
los puntos a y b, correspondientes a los puntos del círculo original más cercano y lejano al
origen, respectivamente. Luego del mapeo de inversión, dichos puntos invertirán su posición
siendo a0 = 1/a el más cercano al origen y b0 = 1/b el más lejano al origen del círculo imagen.
Los puntos a0 y b0 deberán quedar a su vez sobre la inversión de la línea auxiliar, que como
pasa por el origen en el plano z, también lo deberá hacer en el plano w. Con las imágenes
a0 y b0 se calcula el centro del circulo justo en el medio de ellas. Esta estrategia tiene la
ventaja de que solo con dos puntos se encuentra el círculo imagen; sin embargo, la inversión
de los puntos a y b no siempre es fácil de calcular gráficamente. En casos en que el círculo
original corte a los ejes real o imaginario, esos puntos son relativamente sencillos de mapear
al plano w. Puesto que tres puntos bastan para definir un círculo, es suficiente encontrar las
imágenes de tres puntos que sean relativamente sencillas de determinar, y con esas imágenes
se encuentra el círculo (ver figura 2.30).
En el caso del mapeo de un círculo que pasa por el origen (figura 2.29 b), hay dos caminos
de determinar la recta imagen. Por un lado, si el círculo pasa por el origen, debe cortar al
eje real y/o al eje imaginario en otra posición distinta al origen. Si corta a los dos, se obtiene
con las imágenes de las intersecciones con los ejes del plano z, otros dos puntos sobre los
ejes real e imaginario de w, por los que deberá pasar la recta. Por otro lado, encontrando


4 4
3 3
2 c 2
1 1
a b b0 a0
Re{z} Re{w}
−4 −3 −2 −1 1 1 2 3 4 −4 −3 −2 −1 c0 1 2 3 4
2
−1 −1
−2 −2
−3 −3
−4 −4
Figura 2.30: Imagen de círculo mapeando tres puntos. Basta con encontrar gráficamente la inter-
sección de la recta |w − a0 | = |w − b0 | y la recta |w − b0 | = |w − c0 | para obtener el
centro del círculo, donde a0 , b0 y c0 son las imágenes de a, b y c, respectivamente.
al punto c más lejano del círculo al origen del plano z (correspondiente a aquel punto en la
intersección del círculo con un rayo que parte del origen y pasa por el centro del círculo), su
imagen c0 = 1/c tiene la característica de que debe encontrarse también sobre la imagen del
rayo, y la recta correspondiente debe ser perpendicular al rayo y pasar por c0 . Este último
metodo solo requiere un punto para encontrar las imágenes. Con él se determinan fácilmente
las imágenes de círculos que pasan por el origen y tienen su centro ya sea en el eje real o en
el eje imaginario.
Para encontrar el mapeo de una recta que no pasa por el origen a un círculo (figura 2.29 d),
se tienen los dos métodos duales al caso anterior. Como la recta contiene a z → ∞ entonces
su imagen debe contener a w = 0 y por ello el círculo imagen debe pasar por el origen.
Si la recta corta a los dos ejes real e imaginario, basta con encontrar las imágenes de esas
intersecciones y junto a w = 0 usar la técnica de los tres puntos para encontrar el círculo
correspondiente.
El caso más sencillo es el de las rectas que pasan por el origen (figura 2.29 c), puesto que el
mapeo de inversión solo inverte el ángulo de los números complejos y por tanto basta con
usar el ángulo negado de la recta original en la imagen.
Ejemplo 2.13 Encuentre el resultado de aplicar el mapeo de inversión al círculo unitario

y a una rejilla de líneas horizonales y verticales que cortan los respectivos ejes en k/2 con
k = −4, . . . ,4, k ∈ Z.
Solución: El círculo unitario no pasa por el origen, y por tanto debe ser mapeado a otro
círculo que no pasa por el origen. Parametrizando al círculo con z = ejt , donde t ∈ [0,2π] ⊂
IR, su inversión produce w = 1/z = e−jt , que también describe al círculo unitario.
Si z = x ∈ IR, su inversión también será real, por lo que el eje real es mapeado al eje real. Si
z = jy, con y ∈ IR, entonces w = −j/y también es puramente imaginario, por lo que el eje
imaginario de z se transforma al eje imaginario de w.
Cada línea horizonal distinta al eje real que corta al eje imaginario en z = jκ, κ ∈ IR,

deberá ser transformada a un círculo centrado sobre el eje imaginario que pasa por cero y
por w = −j/κ (ver problema 2.28). El círculo debe responder entonces a la ecuación:
1 1
w+j =
2κ 2κ
Además, toda línea vertical que pasa por z = ν, ν ∈ IR, será transformada a un círculo
centrado sobre el eje real que pasa por cero y por w = 1/ν:
1 1
w− =
2ν 2ν
Con esto se obtiene el mapeo ilustrado en la figura 2.31. 4 Lección 4

2 2
1 1
Re{z} Re{w}
−2 −1 1 2 −2 −1 1 2
−1 −1
−2 −2
Figura 2.31: Mapeo de inversión de líneas horizontales y verticales. El eje imaginario Im(z) = 0
corresponde con Im(w) = 0, y de forma equivalente el eje real Re(z) = 0 equivale a
Re(w) = 0. Las otras rectas corresponden con círculos, todos pasando por el origen
del plano w. El círculo unitario en z es transformado al círculo unitario en w.
2.13
2.2.5. Mapeo racional lineal
Lección 5 B Una función a : IR × IR → IR se dice tener forma bilineal cuando, si una de las dos variables
independientes se fija en un valor constante, la función resultante queda de forma lineal en
la variable que queda libre:
a(xcte , y) = mx y + bx
a(x, ycte ) = my x + by .
Se dice entonces que a(x, y) es lineal en cada una de las dos direcciones x y y, y de ahí el
nombre bi lineal. Dicho comportamiento se ilustra en la figura 2.32a, con cada corte paralelo
a los ejes describiendo una línea recta.

3.5 3.5
3 3
2.5 2.5
2 2
a(x, y)
a(x, y)
1.5 1.5
1 -0.2 1 -0.2
0.5 0 0.5 0
0.2 0.2
0 0
0.4 0.4
-0.2 -0.2
0 0
0.6 x 0.6 x
0.2 0.2
0.4 0.8 0.4 0.8
0.6 0.6
y y
0.8 1 0.8 1
1 1
(a) (b)
Figura 2.32: Superficie bilineal. (a) Representación de las líneas rectas paralelas a los ejes. (b) Re-
presentación con curvas de nivel.
Se deja como ejercicio demostrar que en el caso de funciones reales a : IR × IR → IR, la

superficie bilineal tiene la forma:
a(x, y) = Axy + Bx + Cy + D
con las constantes A, B, C, D ∈ IR, determinadas por las alturas conocidas en cuatro puntos
distintos, como las esquinas de un cuadrado en el plano x, y. Las curvas de nivel de a(x, y)
se obtienen implícitamente con
Axy + Bx + Cy + D = κ
Axy + Bx + Cy + (D − κ) = 0
Axy + Bx + Cy + D0 = 0 .
Se muestra un ejemplo en la figura 2.32b. Un detalle curioso de estas superficies es que, a
pesar de estar construidas por líneas rectas, su forma tiene una curvatura evidenciada por
la forma de las curvas de nivel.
Estas funciones de forma bilineal encuentran aplicación desde arquitectura, en donde con
vigas rectas se construyen estructuras curvas, hasta el procesamiento digital de imágenes, en
donde se usan para interpolar valores intermedios entre pixeles, cuando se transforman las
imágenes para escalarlas, rotarlas, etc.
Generalizando los conceptos anteriores al dominio complejo, se denomina polinomio bilineal
de z y w a la expresión de la forma
α1 zw + α2 z + α3 w + α4 = 0
con las constantes ahora complejas α1 , α2 , α3 y α4 .
Reagrupando términos para despejar w, esta ecuación se reescribe como:
w(α1 z + α3 ) = −α2 z − α4
−α2 z − α4
w= .
α1 z + α3
Si se definen a = −α2 , b = −α4 , c = α1 y d = α3 se obtiene la forma usual del llamado
mapeo racional lineal, transformación de Möbius, o mapeo bilineal:
az + b
w= . (2.35)
cz + d
Nótese que el mapeo lineal visto anteriormente (sección 2.2.3) es un caso especial del mapeo
racional lineal con c = 0 y d = 1, y el mapeo de inversión (sección 2.2.4) es otro caso especial
con a = d = 0 y b = c = 1.
Cualquier mapeo con la forma (2.35) se puede descomponer en una sucesión de mapeos
lineales y de inversión de los ya analizados, y así derivar sus propiedades. Realícese entonces
la división polinomial:
az + b cz + d .
da
− az + a
c c
da
b−
c
Se cumple entonces:
az + b a b − da a bc − da
w= = + c
= + 2 (2.36)
cz + d c cz + d c c z + cd
donde la variable z aparece ahora una sola vez en el denominador del segundo término.
En la expresión (2.36), si el término (bc − ad) (denominado determinante del mapeo) es
cero, entonces el mapeo degenera en w = ac y por lo tanto no tiene mapeo inverso. Si el
determinante del mapeo es diferente de cero, entonces su mapeo inverso existe y está dado
por el mapeo también racional lineal e invertible (ver problema 2.32):
−dw + b
z= (2.37)
cw − a
Para apreciar mejor los pasos involucrados de este mapeo, reescríbase (2.36) como:
µ
w =λ+
αz + β
con λ = a/c, µ = bc − ad, α = c2 y β = cd, lo que equivale a los siguientes tres pasos:
1. z1 = αz + β (mapeo lineal)
1
2. z2 = (mapeo de inversión)
z1
3. w = µz2 + λ (mapeo lineal)
En el primer mapeo lineal, α escala y rota al plano z, y β traslada al resultado. Recuérdese
que los mapeos lineales no modifican la forma de la región original, por lo que rectas se trans-
formarán en rectas, y círculos en círculos. El segundo mapeo es de inversión, y transformará
círculos y rectas en círculos o rectas. En el último mapeo, µ induce a un nuevo escalamiento
y rotación, y λ a una traslación hacia el destino final en w. En resumen, el mapeo racional
lineal también transforma círculos y rectas en z en círculos y rectas en w.
Nótese que el mapeo no es único, puesto que se puede multiplicar por un factor 1 = κ/κ,
con κ ∈ C \ {0}:
κ az + b κaz + κb a0 z + b 0
w= = = 0
κ cz + d κcz + κd c z + d0
Eligiendo κ de forma adecuada, puede forzarse a que determinados coeficientes tomen valores
que simplifiquen el análisis. Por ejemplo, es usual elegir κ = 1/c para forzar a que el primer
mapeo lineal no rote ni escale. En otros casos se elige κ de modo que las transformaciones
hechas antes del mapeo de inversión simplifiquen ese paso, centrando círculos en los ejes, o
haciéndolos pasar por puntos fáciles de invertir.

Ejemplo 2.14 Encuentre la imagen de la región ilustrada en la figura 2.33, utilizando el

mapeo:
−2z + 12 1 + j
w= . (2.38)
z + 41 1 + j
Im{z}
1 π
4 4
Re{z}
1 1
4
−1
Figura 2.33: Dominio original a transformar con el mapeo (2.38).
Solución: Iníciese encontrando los mapeos elementales por medio de la división polinomial:

−2z + 12 1 + j 1+j
w= 1
= −2 +
z+ 4 1+j z + 14 1 + j
En principio, para resolver
esto no es necesario rotar ni escalar el plano z, y se inicia con una
traslación de 4 1 + j , que deja las lineas diagonales en una configuración a ser mapeadas
1
a círculos que pasan por el origen, y centradas en algún lugar a determinar con un cálculo
relativamente elaborado.
En vez de hacer la transformación directamente, elíjase un factor κ que alinee la figura
original con los ejes coordenados, y la escale para eliminar posibles raíces cuadradas. Por
ejemplo, tómese κ = 2(1 − j). Nótese que hay otras posibilidades para alinear con los ejes,
y varias escalas simples de evaluar en la inversión.
Multiplicando el segundo sumando del mapeo por κ/κ, se obtiene que (2.38) es equivalente
a
2(1 − j)(1 + j) 4
w = −2 + 1 = −2 +
2(1 − j)z + 4 2(1 − j)(1 + j) 2(1 − j)z + 1
Este cambio permite primero alinear y reescalar el plano z para simplificar la aplicación
del
√ mapeo de inversión a las líneas y círculos resultantes. Obsérvese que κ = 2(1 − j) =
2 2e −jπ/4
, por√lo que los primeros dos pasos corresponden a rotar en −45◦ y escalar por
un factor de 2 2. La rotación lleva el plano z al plano z1 mostrado en la figura√ 2.34 a; el
escalado lleva el diámetro del círculo original centrado en (1 + j)/8 de ser 2/4 a tener
diámetro 1 centrado en 1/2, como se ilustra en el plano z2 de la figura 2.34 b.
La traslación en 1 a la derecha lleva al plano z3 de la figura 2.34 c. El siguiente paso de
inversión es el que se simplifica con la modificación realizada, pues ahora deben transformarse

Im{z1 } Im{z2 } Im{z3 }
1 1 1
1 1
2 2
√
2
8
Re{z1 } Re{z2 } Re{z3 }
√
2 1 1 1 1 1 3 2
4 2 2 2
− 12 − 12
−1 −1 −1
(a) (b) (c)
Im{z4 } Im{z5 } Im{w}
1
2 2 2
Re{z4 } Re{z5 } Re{w}

1 1 2 4 −2 2
2
− 12 −2 −2
(d) (e) (f)
Figura 2.34: Pasos para resolver el mapeo

√ del ejemplo 2.14. (a) Resultado de rotar −45◦ . (b) Re-
sultado de escalar por 2 2. (c) Resultado de trasladar en 1 hacia la derecha. (d) Re-
sultado de aplicar el mapeo de inversión. (e) Resultado de escalar por 4. (f) Resultado
final luego de trasladar en 2 a la izquierda.
rectas verticales y un círculo centrado en el eje real. Las rectas verticales que cortan al eje
real en c serán transformadas a círculos que pasan por el origen y por 1/c, y que además
están centrados sobre el eje real, en 1/2c. Así, la recta que corta al eje en c = 1 es mapeada
a un círculo de diámetro 1 completo, porque la recta está completa. La semirecta que pasa
por 2 solo tiene componente imaginaria negativa, por lo que su inversión deberá quedar
sobre el primer cuadrante, correspondiendo al semicírculo superior que pasa por 0 y por 1/2,
centrado en 1/4.
Finalmente, el semicírculo z3 − 23 = 12 , deberá ser mapeado a otro semicírculo centrado
también sobre el eje real, y que lo corta en 1 y en 1/2. El resultado de esta inversión,
incluyendo las áreas sombreadas en la figura original, se ilustra en al figura 2.34 d. Solo
queda escalar por el factor 4 (figura 2.34 e) y trasladar en 2 a la izquierda (figura 2.34 f).
Al mismo resultado se llega si se usa el mapeo original, pero el proceso de inversión requiere
por ese camino varios cálculos de mayor cuidado (se deja como ejercicio para el lector realizar
ese mapeo directamente).
2.14

Los mapeos racionales lineales aparecen constantemente en el análisis de sistemas pasivos,

como circuitos eléctricos, motores, sistemas de masa-resorte, etc. El siguiente ejemplo ilustra
el caso de circuitos en serie.
Ejemplo 2.15 El lector puede demostrar con los principios de análisis de circuitos, que
los cuatro casos ilustrados en la figura 2.35 resultan en lo siguiente:
C
R
+ +
+ +
vi A C vo vi B R vo
− −
− −
R L
+ +
+ +
vi C L vo vi D R vo
− −
− −
Figura 2.35: Cuatro circuitos en serie.
vo 1 vo jωRC
A: = B: =
vi 1 + jωRC vi 1 + jωRC
L
vo jω R vo 1
C: = L
D: = L
vi 1 + jω R vi 1 + jω R
Si se define w = vo /vi y z = jωRC o z = jωL/R, entonces las ecuaciones anteriores se

resumen en los siguientes dos mapeos:
1 z 1
w= w= =1−
1+z 1+z 1+z
donde z es puramente imaginario y además, puesto que ω, R, L y C solo pueden tomar
valores positivos, entonces Im{z} ≥ 0.
Encuentre entonces los posibles valores que puede tomar w.
Solución:
El mapeo
1
w=
1+z
traslada el plano z en 1 hacia la derecha seguido de un mapeo de inversión.

Adicionalmente, el mapeo
1
w =1−
1+z
rota 180 lo anterior, finalizando con una traslación en 1 hacia la derecha.
◦
La figura 2.36 ilustra todos los pasos anteriores, donde queda evidente que manteniendo
Im{z} Plano z Im{z1 } Plano z1 = z + 1 Im{w} Plano w = 1/z1

1 1 1
2 2 2
1 1 1
4 4 4
Re{z} Re{z1 } Re{w}

− 14 1 1 3 1 − 14 1 1 3 1 − 14 1 1 3 1
4 2 4 4 2 4 4 2 4
− 14 − 14 − 14
− 12 − 12 − 12
Plano z2 = −1/z1 Im{z2 } Im{w} Plano w = 1 + z2

1 1
2 2
1 1
4 4
Re{z2 } Re{w}
−1 − 43 − 12 − 14 1
− 14 1 1 3 1
4 4 2 4
− 14 − 14
− 12 − 12
Figura 2.36: Transformación de parámetros del circuito a relación de tensiones de entrada/salida

en circuitos en serie.
todos los parámetros (R, L, C, ω) menos uno constantes, y cubriendo todo el rango del
parámetro restante, entonces la relación de tensiones de salida y entrada siempre quedará
sobre el círculo de radio 1/2 centrado en 1/2. Los casos A y D corresponden entonces al
semicírculo en el cuarto cuadrante y los casos B y C al semicírculo en el primer cuadrante.
Observe que las tensiones eléctricas en el resistor y el elemento capacitivo o inductivo siempre
deben tener un desfase de 90◦ entre sí, por compartir ambos la misma corriente eléctrica.
Esto es compatible con los resultados ya obtenidos en el ejemplo 2.4; es decir, por la ley de
tensiones eléctricas de Kirchhoff, la suma de tensiones de los dos elementos en serie deben
producir la tensión en la fuente, y dichas tensiones, al tener siempre ese desfase de 90◦
construyen un triángulo rectángulo como el analizado en ese ejemplo 2.4. 2.15
A continuación se revisa en detalle un ejemplo de mapeo racional lineal aplicado en el

contexto de líneas de transmisión. La misma forma de mapeo aparece en otras ramas de la
ingeniería, como la transformación de filtros analógicos a digitales. La importancia de este
mapeo amerita que se resuelva por dos caminos: uno conceptual, y otro más estructurado.
Ejemplo 2.16 En el estudio de líneas de transmisión se utiliza a menudo la llamada carta

de Smith que relaciona el coeficiente complejo de reflexión Γ con la impedancia compleja

normalizada z, por medio del mapeo racional lineal:

z−1
Γ= (2.39)
z+1
Verifique a qué equivalen las proyecciones de resistencia o reactancias normalizadas constan-
tes en z, cuando se proyectan hacia el plano Γ.
Solución: Una primera solución conceptual puede obtenerse observando que los dos mapeos
lineales involucrados en la ecuación (2.39) son relativamente sencillos:
z−1 2
Γ= =1−
z+1 z+1
El primer mapeo z1 = z + 1 en el denominador del término racional corresponde a trasladar
al plano z una unidad hacia la derecha. Eso deja las lineas verticales y horizontales en la
misma orientación. Luego se aplica el mapeo de inversión z2 = 1/z1 , cuyo efecto ya fue
ilustrado en el ejemplo 2.13. Puesto que −2 = 2ejπ , se hace un escalado por el factor de 2
seguido por una rotación en 180◦ . Al resultado anterior solo resta desplazarlo una unidad
hacia la derecha para obtener Γ. La figura 2.37 ilustra los pasos indicados.
Plano z Im{z} Plano z1 Im{z1 } Plano z2 Im{z2 }
2 2 2
1 1 1
Re{z} Re{z1 } Re{z2 }

−2 −1 1 2 −1 1 2 3 −2 −1 1 2
−1 −1 −1
−2 −2 −2
Plano 2z2 Im{2z2 } Plano −2z2 Im{−2z2 } Plano Γ Im{Γ}
2 2 2
1 1 1
Re{2z2 } Re{−2z2 } Re{Γ}

−2 −1 1 2 −2 −1 1 2 −2 −1 1 2
−1 −1 −1
−2 −2 −2
Figura 2.37: Descomposición del mapeo de la carta de Smith en pasos elementales. Primero se
desplaza en uno a la derecha, luego se aplica el mapeo de inversión. Sigue un escalado
en 2 seguido de una rotación en 180◦ para finalmente desplazar de nuevo en 1 a la
derecha.
Nótese que en z = ∞, Γ = 1, esto quiere decir que toda recta en z tendrá un mapeo que
pasa por el punto Γ = 1 pues toda recta contiene a ∞. Además, en z = −1, Γ = ∞, por
lo que, considerando todo el análisis anterior para el mapeo de inversión, cualquier círculo
o recta que pase por z = −1 será transformado en una recta en el plano Γ. Consecuencia de
lo anterior es que toda recta que no pasa por z = −1 tiene como equivalente un círculo que
pasa por Γ = 1.

Para un análisis más algebraico de la expresión (2.39) considérese primero la ecuación general
de una línea:
|z − a| = |z − b| (2.40)
Partiendo del hecho de que el mapeo inverso de (2.39) tiene la forma
1+Γ
z=
1−Γ
y elevando ambos lados de (2.40) al cuadrado se obtiene
2 2
1+Γ 1+Γ
−a = −b
1−Γ 1−Γ
|(1 + Γ) − a(1 − Γ)|2 = |(1 + Γ) − b(1 − Γ)|2
2 2
Γ(1 + a) + (1 − a) = Γ(1 + b) + (1 − b)
| {z } | {z } | {z } | {z }
a1 a2 b1 b2
Nótese que los términos a1 , a2 , b1 , b2 son números complejos, introducidos para simplificar
la notación. Utilizando la propiedad |z|2 = zz ∗
|a1 Γ + a2 |2 = |b1 Γ + b2 |2
(a1 Γ + a2 )(a1 Γ + a2 )∗ = (b1 Γ + b2 )(b1 Γ + b2 )∗
Desarrollando la expresión anterior y asumiendo α 6= 0 se obtiene:
|Γ|2 (|a1 |2 − |b1 |2 ) + Γ(a1 a∗2 − b1 b∗2 ) + Γ∗ (a∗1 a2 − b∗1 b2 ) = |b2 |2 − |a2 |2
| {z } | {z } | {z } | {z }
α∈IR κ κ∗ β∈IR
∗
2 κ ∗κ β
|Γ| + Γ + Γ =
α α α
κκ∗
Completando cuadrados con α2
κ κ∗ κκ∗ β κκ∗
|Γ|2 + Γ + Γ∗ + 2 = + 2
α α α α α
∗
κ∗ κ∗ αβ + κκ∗
Γ+ Γ+ =
α α α2
2
κ∗ αβ + κκ∗
Γ+ = (2.41)
α α2
∗
lo que representa, como se esperaba, círculos en el plano Γ, centrados en − κα y de radio
q
αβ+κκ∗
α2
. Como caso de interés se estudia ahora la proyección de las rectas horizontales y
verticales en el plano z sobre el plano Γ. Una recta horizontal que cruza el eje imaginario en
y (y ∈ IR) puede representarse por ejemplo con la ecuación (2.40) donde
a = j(y − 1) =⇒ a1 = 1 + j(y − 1), a2 = 1 − j(y − 1)

b = j(y + 1) =⇒ b1 = 1 + j(y + 1), b2 = 1 − j(y + 1)

Puesto que
κ∗ = a∗1 a2 − b∗1 b2
= (1 − j(y − 1))(1 − j(y − 1)) − (1 − j(y + 1))(1 − j(y + 1))
= 1 − j2(y − 1) − (y − 1)2 − [1 − j2(y + 1) − (y + 1)2 ]
= 4y + 4j
α = |a1 |2 − |b1 |2 = −4y
β = |b2 |2 − |a2 |2 = 4y = −α
con lo que se puede derivar que la ecuación del círculo equivalente está dada por:
2
1 1
Γ− 1+j = 2
y y
lo que confirma la observación anterior de que todo círculo representando a una recta en z
pasará por el punto Γ = 1, puesto que el radio es igual a la separación entre el centro del
círculo y el punto Γ = 1.
Para las rectas verticales de forma similar se obtiene:
a = x − 1 =⇒ a1 = x, a2 = 2 − x
b = x + 1 =⇒ b1 = 2 + x, b2 = −x
con lo que se deriva
κ∗ = a∗1 a2 − b∗1 b2 = 4x
α = |a1 |2 − |b1 |2 = −4x − 4
β = |b2 |2 − |a2 |2 = 4x − 4
y se puede expresar entonces

2
1 1
Γ− 1− =
x+1 (x + 1)2
Nótese que el centro de este círculo está alejado de Γ = 1 la misma distancia que su radio,
por lo que también pasa por Γ = 1. El eje imaginario del plano z es mapeado al círculo
unitario del plano Γ.
Falta por analizar el caso α = 0. Esto implica que
|a1 |2 − |b1 |2 = 0 =⇒
|a1 |2 = |b1 |2
|1 + a|2 = |1 + b|2
Considerando que la expresión |z − z0 | se interpreta como la distancia entre los puntos z y

z0 , entonces, reorganizando la expresión anterior como
|a − (−1)| = |b − (−1)|

se obtiene que la distancia del punto a hacia −1 debe ser igual que la distancia del punto
b a −1, o en otros términos, ambos puntos a y b deben estar sobre un círculo con centro
en −1, lo que se ilustra en la figura 2.38. Puesto que la mediatriz de dos puntos situados
sobre un círculo debe pasar por el centro de dicho círculo, la ecuación |z − a| = |z − b| con
|a + 1| = |b + 1| describe entonces una línea recta que pasa por el punto −1 del plano z.
A partir de esta observación se puede utilizar entonces una representación paramétrica del
Im{z}
a
j
|a + 1|
Re{z}
−2 −1 0 1
−j
|b + 1| b
|z − a| = |z − b|
Figura 2.38: Demostración gráfica que |z − a| = |z − b| con |a + 1| = |b + 1| describe una recta

que pasa por z = −1.
eje real de z y la recta vertical que pasa por −1, para obtener directamente a través de
la expresión del mapeo las representaciones correspondientes. Primero, el eje real se puede
expresar como z = t, con t ∈ IR. Esto produce
t−1
Γ=
t+1
que es siempre real, y por tanto representa al eje real del plano Γ, tendiendo a 1 para
t → ±∞, haciéndose cero para t = 1, y ±∞ si t se acerca a −1 por la izquierda o por la
derecha.
La recta vertical que pasa por z = −1 se puede representar como z = −1 + jt con lo que se
obtiene
(−1 + jt) − 1 2
Γ= =1+j
(−1 + jt) + 1 t
que es una recta vertical que pasa por el punto Γ = 1 al variar con t solo la parte imaginaria.
La figura 2.39 presenta en forma gráfica los resultados descritos hasta el momento. La Carta
de Smith comúnmente representa solo lo que se encuentra dentro del círculo unitario del
plano Γ, puesto que componentes resistivos negativos de la impedancia normalizada z no
tienen sentido físico en la aplicación práctica. Nótese la similitud con el mapeo de inversión
de rectas verticales y horizontales en la figura 2.31.
2.16

Plano Γ Im{Γ}
Plano z Im{z}
3 1
Re{z} Re{Γ}
−1 1 2 3 −1 1
−1
−2
−3 −1
Figura 2.39: Mapeo racional lineal utilizado en la Carta de Smith.
2.2.6. Otros mapeos
Existen otra gran variedad de mapeos, como por ejemplo
P (z)
w=
Q(z)
donde P (z) y Q(z) son polinomios en z, mapeo que se utiliza fuertemente en las transfor-
madas de Laplace y z. La figura 2.40 muestra el resultado de mapear las líneas verticales,
horizontales y círculos mostrados, utilizando los mapeos w = Ln(z), el mapeo cuadráti-
co w = z 2 , el mapeo de Joukowski w = z + z1 , que subyace la figura 2.22, y los mapeos
w = sen(z) y w = cos(z).
El mapeo
w = aebz
se estudiará con más detalle en capítulos posteriores. El lector interesado puede revisar [10],
donde encontrará muchos otros tipos de mapeos y sus aplicaciones en ingeniería.
Todos estos nuevos mapeos en la figura 2.40 comparten una característica con los mapeos
lineales, de inversión y racional lineal: el ángulo que formen dos trazas en su intersección en el
dominio, será el mismo que formen las imágenes de esas trazas en el codominio. Por ejemplo,
las imágenes de las líneas verticales y horizontales en las figuras 2.40 a y 2.31 se intersecan
formando ángulos rectos, exceptuando unos pocos puntos. Para entender por qué esto es así,
es necesario produndizar en el comportamiento de las funciones de variable compleja, lo que
se hará en las próximas secciones. Esta propiedad, junto a la invertibilidad de los mapeos,
permite simplificar la solución de problemas en ingeniería, transformándolos a dominios más
manejables. 4 Lección 5

Im{z} Im{w}
3
3
2
2
1 1
0 0
Re{z} Re{w}
−3 −2 −1 0 1 2 3 −1 0 1 2 3
−1 −1
−2
−2
−3
−3
(a) (b)
Im{w} Im{w}
4 4
3 3
2 2
1 1
0 0
Re{w} Re{w}
−4 −3 −2 −1 0 1 2 3 4 −4 −3 −2 −1 0 1 2 3 4
−1 −1
−2 −2
−3 −3
−4 −4
(c) (d)
Im{w} Im{w}
4 4
3 3
2 2
1 1
0 0
Re{w} Re{w}
−4 −3 −2 −1 0 1 2 3 4 −4 −3 −2 −1 0 1 2 3 4
−1 −1
−2 −2
−3 −3
−4 −4
(e) (f)
Figura 2.40: Efectos de mapear las líneas y círculos en (a) utilizando los mapeos (b) w = Ln(z),
(c) w = z 2 , (d) el mapeo de Joukowski w = z + z1 , (e) w = sen(z) y (f) w = cos(z).

2.3. Derivación compleja

Lección 6 B Los conceptos de derivación conocidos en el dominio real, deberán ser extendidos ahora al do-
minio complejo. Para ello, es necesario definir varios términos que reemplazarán a conceptos
conocidos en el dominio real, como intervalos abiertos, intervalos cerrados y límites.E
2.3.1. Algunas definiciones fundamentales
Los conjuntos de puntos del plano complejo pueden caracterizarse de acuerdo a sus caracte-
rísticas topológicas:
• Una vecindad de radio δ (o simplemente vecindad δ, o δ-entorno) de un punto z0 en
un conjunto de puntos S es el conjunto de todos los puntos z ∈ S tales que |z − z0 | < δ,
donde δ es cualquier número real positivo (figura 2.41 a).
• La vecindad reducida de radio δ del punto z0 es igual a la vecindad de radio δ de
z0 excluyendo al punto z0 , es decir, el conjunto de puntos z para los que se cumple
0 < |z − z0 | < δ (figura 2.41 b). A esto también se le conoce como δ-entorno perforado,
o vecindad δ perforada.
C C
S S
z0 z0
δ δ
(a) (b)
Figura 2.41: Diagramas para aclarar los conceptos de (a) Vecindad y (b) Vecindad reducida.
• Un punto z0 se llama punto límite o punto de acumulación de un conjunto S ⊆ C

si toda vecindad reducida de radio δ de z0 contiene al menos un punto de S. Un
punto límite puede interpretarse entonces como aquel punto de S al que es posible
acercarse arbitrariamente utilizando una trayectoria constituida por otros puntos de
S. Esto quiere decir que, puesto que δ es cualquier número positivo, el conjunto S
tiene cardinalidad infinita. Nótese además que el punto límite z0 no necesariamente
debe pertenecer a S.
• Un conjunto S se dice cerrado si cada punto límite de S pertenece a S. Por ejemplo,
el conjunto |z| ≤ 1 es cerrado mientras que |z| < 1 no lo es.
• Un conjunto S se denomina acotado si existe una constante M ∈ IR tal que para todo
z ∈ S se cumple |z| < M .
• Un conjunto S se denomina ilimitado si no es acotado.
• Un conjunto compacto es cerrado y acotado.
• Un punto z0 se llama punto interior de un conjunto S si existe alguna vecindad δ de
z0 cuyos puntos pertenecen completamente a S.
• Un punto z0 se llama punto exterior de un conjunto S si existe alguna vecindad
reducida de z0 que no contiene puntos de S.
• Un punto z0 se llama punto frontera de un conjunto S si no es ni punto interior ni

exterior, es decir, si toda vecindad δ de z0 contiene tanto puntos que pertenecen a S,

como puntos que no le pertenecen.
• La totalidad de los puntos frontera de S conforman la frontera de S, y se denota con
∂S.
• Un conjunto es abierto si contiene solamente puntos interiores. Nótese que si un
conjunto es abierto, entonces no es cerrado y viceversa. El conjunto |z| < 1 es abierto.
• Un conjunto S es conexo si cualquier par de puntos del conjunto pueden ser unidos
por un camino formado por segmentos de recta contenidos en S.
• Un conjunto abierto y conexo recibe también el nombre de dominio, o antiguamente
región abierta.
• Si a un conjunto S se le agregan todos los puntos límite de S, al nuevo conjunto se le
denomina clausura de S y es un conjunto cerrado.
• La clausura de un dominio se denomina región cerrada.
• Una región es un dominio con ninguno, varios o todos sus puntos límite.
2.3.2. Límites y continuidad
Sea el plano complejo z = x + jy, el plano complejo w = u + jv (con x, y, u, v ∈ IR) y la

función de variable compleja w = f (z) definida en un dominio S ⊂ C. Sea además z0 un
punto límite dentro de S. Se dice que l es el límite de f (z) cuando z tiende a z0 , lo que se
escribe
lı́m f (z) = l (2.42)
z→z0
si los valores de f (z) se aproximan a l cuando z se aproxima a z0 ; es decir, si para todo ε

real positivo es posible encontrar un δ real positivo tal que para todo z en una vecindad
reducida de z0 de radio δ se cumple
|f (z) − l| < ε
que representa un disco de radio ε en el plano w centrado en el valor del límite (figura 2.42).
Expresado matemáticamente:
∀ε ∈ IR+ , ∃δ ∈ IR+ : 0 < |z − z0 | < δ =⇒ |f (z) − l| < ε
La función f (z) se denomina continua en el punto z = z0 si f (z0 ) está definida y se cumple

lı́m f (z) = f (z0 ) .
z→z0
Puesto que z0 es un punto límite en el dominio S de definición de f (z), entonces se concluye

que f (z) está definida también en una vecindad de z0 . La función se denomina continua en
un dominio, si es continua en todos los puntos de ese dominio.
2.3.3. Funciones diferenciables y analíticas
Definiciones
El número complejo A se denomina derivada de la función w = f (z) en el punto z0 , relativo

al conjunto S, y se denota con fS0 (z0 ) si se cumple

f (z) − f (z0 )
0
A = fS (z0 ) = lı́m (2.43)
z→z0 z − z0
y v
Plano w
Plano z
z
δ z0
f (z)
l
x u
ǫ
Figura 2.42: Representación gráfica del límite con variable compleja.
Esta definición es muy similar a la derivada en caso de funciones de variable real, dada por

0 f (x) − f (x0 )
f (x0 ) = lı́m
x→x0 x − x0
en cuyo caso el dominio S se ha reducido a un intervalo abierto del eje real que incluye a x0 .
Mientras que en éste último caso el acercamiento a x0 puede ser solo por la izquierda o por
la derecha, en las funciones de variable compleja el acercamiento hacia z0 puede realizarse
desde un número infinito de direcciones diferentes, lo que impone un requisito más estricto
a la existencia de la derivada de una función compleja, al exigirse que los valores del limite
en todas esas direcciones sean el mismo.
Una función f (z) se denomina holomorfa, analítica 10 , o regular en una región abierta (o do-
minio) G ⊆ C si es diferenciable en todo punto de G. En este caso se simplifica la notación
de la derivada fG0 (z), que se puede escribir entonces como f 0 (z) ó dz
d
f (z) sin indicar explíci-
tamente la región G. Según la anterior definición, si f (z) es analítica en G y z0 ∈ G entonces
f (z) es diferenciable en z = z0 relativo a cualquier subconjunto S ⊂ G que contenga a z0
como punto límite y
fS0 (z0 ) = f 0 (z0 )
La función f (z) se dice analítica en el punto z = z0 (o en un conjunto S) si f (z) es analítica

en un conjunto abierto G que contiene a z0 (o a S).
Ejemplo 2.17 Calcule la derivada de la función f (z) = z dentro de todo el plano z.

Solución: Utilizando la definición:
f (z) − f (z0 ) z − z0
= =1
z − z0 z − z0
10
Formalmente, la definición brindada corresponde a una función holomorfa. La función es analítica en un
punto z0 si la función se puede expresar por medio de una serie de Taylor centrada en z0 , lo que conduce a
que sea infinitamente diferenciable en ese punto, y por lo tanto, holomorfa. Posteriormente se presentará el
hecho de que si una función es holomorfa, es diferenciable infinitamente, lo que a su vez implica que tiene una
serie de Taylor asociada. Por esta razón, en este documento se utilizarán ambos términos indistintamente.

se obtiene que f 0 (z0 ) = 1 para todo z, por lo que la función es analítica en C.

2.17
Sea T un subconjunto de S y sea z0 ∈ T un punto límite en T . Si existe fS0 (z0 ) entonces

existe fT0 (z0 ) y se cumple
fT0 (z0 ) = fS0 (z0 )
En otras palabras, si una función es diferenciable en un conjunto entonces es diferenciable
en un subconjunto menor. Lo contrario no es cierto, como lo muestra el siguiente ejemplo.
Ejemplo 2.18 Demuestre que la función f (z) = z ∗ = x − jy es diferenciable en cualquier

punto z = z0 relativo a un rayo S que parte desde z0 .
Solución: Con la definición
f (z) − f (z0 ) (z − z0 )∗
= = e−j2∠(z−z0 )
z − z0 z − z0
que es una expresión con valor constante solo si z ∈ S y el conjunto S representa un segmento
de recta que parte desde z0 , lo que implicaría que valor angular es constante. Si se toma un
nuevo conjunto igual a la unión de dos o más rayos, entonces se obtienen valores diferentes
de la derivada para cada rayo, lo que implica que la función no es derivable en z0 en ese
nuevo S. 2.18
Si la función f (z) es diferenciable en el punto z = z0 con respecto al conjunto S, entonces si

z tiende a z0 , el cociente en (2.43) está limitado por una constante C y por lo tanto
|f (z) − f (z0 )| ≤ C |z − z0 |
para un radio |z − z0 | suficientemente pequeño (z ∈ S) y por lo tanto
lı́m f (z) = f (z0 )
z→z0
lo que implica que si f (z) es diferenciable en z0 , también es continua en z = z0 con respecto

al conjunto S.
Reglas para el cálculo de derivadas
Sean f (z) y g(z) funciones diferenciables en el punto z = z0 relativo a un conjunto S, y

a, b ∈ C. El operador de derivación es lineal, lo que significa que:
[af (z) + bg(z)]0S = afS0 (z) + bgS0 (z) . (2.44)
De esta propiedad se derivan la propiedad de escalado y de suma:
[af (z)]0S = afS0 (z)
[f (z) + g(z)]0S = fS0 (z) + gS0 (z) .
Las propiedades de producto y división de derivadas son semejantes a sus contrapartes reales:
[f (z)g(z)]0S = fS0 (z)g(z) + f (z)gS0 (z)
0
f (z) f 0 (z)g(z) − f (z)gS0 (z)
= S .
g(z) S g 2 (z)

La regla de la cadena también es válida: si w = f (z) es diferenciable en z = z0 con respecto

al conjunto S, y ζ = g(w) se define en un conjunto T que corresponde al mapeo de todos
los puntos de S suficientemente cercanos a z0 , y es diferenciable en w0 = f (z0 ), entonces la
composición ζ = h(z) = g(f (z)) es diferenciable en z0 con respecto a S con derivada
h0S (z0 ) = gT0 (w0 )fS0 (z0 ) .
De forma similar a los números reales, las derivadas de orden superior se definen de forma
recursiva como
(n+1) (n)
fS (z) = [fS (z)]0S (n = 1,2, . . .)
que son además operadores lineales:
(n) (n) (n)
[af (z) + bg(z)]S = afS (z) + bgS (z) .
con a, b ∈ C constantes.
Algunas funciones elementales y su derivación
Puede demostrarse que la fórmula de Euler derivada anteriormente (ver ecuación (2.15)) es
válida para todo el plano z, es decir:
ejz = cos z + j sen z (2.45)
y sumando y restando e−jz = cos z − j sen z se obtiene además que
ejz + e−jz
cos z = (2.46)
2
e − e−jz
jz
sen z = (2.47)
2j
En el caso complejo, se sigue cumpliendo que

d z
e = ez
dz
lo que se deriva directamente de la definición de esta función a través de su serie de Taylor:
∞
X zn z z2 z3 zn
ez = =1+ + + + ··· + + ···
n=0
n! 1! 2! 3! n!
Utilizando la propiedad de linealidad (2.44), la regla de la cadena y las ecuaciones de seno

(2.47) y coseno (2.46), se deduce:
d
sen z = cos z
dz
d
cos z = − sen z
dz
De forma similar, para las ecuaciones hiperbólicas
ez − e−z d
senh z = = −j sen jz =⇒ senh z = cosh z
2 dz
ez + e−z d
cosh z = = cos jz =⇒ cosh z = senh z
2 dz

Puesto que ez = ex ejy , las partes real e imaginaria de la exponencial compleja están dadas
por
Re(ez ) = ex cos y
Im(ez ) = ex sen y
puede verse que a diferencia de la función exponencial de variable real (z = x + jy, y = 0)

que es estrictamente monotónica, en el dominio complejo la función oscila de acuerdo al
valor de su componente imaginaria. Puede demostrarse además que
|cos z|2 = cos2 x + senh2 y

|sen z|2 = sen2 x + senh2 y
de donde se observa que en caso no real (y = Im{z} 6= 0) la magnitud de senos y cosenos

puede superar a 1, lo cual es imposible con z ∈ IR.
Otras derivadas mantienen el formato presente en los números reales. Por ejemplo se puede
demostrar que:
d n
z = nz n−1 para z ∈ C
dz
d 1
ln z = para z ∈ C \ IR−
dz z
donde IR− es el eje real no positivo, puesto que ahí, aunque el logaritmo complejo sí está
definido, ocurre una discontinuidad y por tanto ln z no es analítico.
2.3.4. Ecuaciones de Cauchy-Riemann
Sea f (z) una función analítica dentro de un dominio S. Por lo tanto, su derivada en z0 ∈ S
existe y está dada por
0 f (z) − f (z0 )
f (z0 ) = lı́m
z→z0 z − z0
donde z puede tender a z0 por cualquier trayectoria dentro de S. Un caso especial lo repre-
sentan las trayectorias paralelas a los ejes real e imaginario del plano z. Por ejemplo, si se
elije una trayectoria paralela al eje real entonces z − z0 = ∆x y

0 f (z0 + ∆x) − f (z0 )
f (z0 ) = lı́m
∆x→0 ∆x
y puesto que f (z) = f (x + jy) = u(x, y) + jv(x, y) entonces

0 u(x0 + ∆x, y0 ) + jv(x0 + ∆x, y0 ) − u(x0 , y0 ) − jv(x0 , y0 )
f (z0 ) = lı́m
∆x→0 ∆x

u(x0 + ∆x, y0 ) − u(x0 , y0 ) v(x0 + ∆x, y0 ) − v(x0 , y0 )
= lı́m +j
∆x→0 ∆x ∆x

∂u ∂v
= +j (2.48)
∂x ∂x x=x0 ,y=y0

Si ahora se elije una dirección paralela al eje imaginario, se tiene z − z0 = j∆y

0 f (z0 + j∆y) − f (z0 )
f (z0 ) = lı́m
∆y→0 j∆y
y similar al caso anterior se tiene además

0 u(x0 , y0 + ∆y) + jv(x0 , y0 + ∆y) − u(x0 , y0 ) − jv(x0 , y0 )
f (z0 ) = lı́m
∆y→0 j∆y

u(x0 , y0 + ∆y) − u(x0 , y0 ) v(x0 , y0 + ∆y) − v(x0 , y0 )
= lı́m +j
∆y→0 j∆y j∆y

∂v ∂u
= −j (2.49)
∂y ∂y x=x0 ,y=y0
Puesto que la función se ha asumido analítica, entonces (2.48) y (2.49) deben ser iguales, lo
que solo ocurre si sus partes real e imaginarias son idénticas (ver (2.14)), es decir, si
∂u ∂v
=
∂x ∂y
(2.50)
∂u ∂v
=−
∂y ∂x
conocidas como las Ecuaciones de Cauchy-Riemann. De esto se deriva que las ecuaciones de
Cauchy-Riemann proporcionan condiciones necesarias para la existencia de la derivada de
f (z) en un punto particular z0 .
Ahora, si se tienen dos funciones continuas de valor real u(x, y) y v(x, y) con x, y ∈ IR,
cuyas derivadas parciales existen y son continuas, se puede demostrar que si u(x, y) y v(x, y)
satisfacen las ecuaciones de Cauchy-Riemann en una región S, entonces f (z) = u(x, y) +
jv(x, y) es analítica en S. Nótese entonces, que si la función es analítica, entonces su derivada
puede calcularse eligiendo cualquier dirección, entre otras las dadas en (2.48) y (2.49).
Ejemplo 2.19 Verifique que la función f (z) = z 2 satisface las ecuaciones de Cauchy-
Riemann y determine la derivada f 0 (z).
Solución: Con z = x+jy se obtiene f (z) = (x+jy)2 = (x2 −y 2 )+j2xy, y con u(x, y) = x2 −y 2
y v(x, y) = 2xy se pueden calcular las derivadas
∂u ∂u
= 2x, = −2y
∂x ∂y
∂v ∂v
= 2y, = 2x
∂x ∂y
que obviamente cumplen con las ecuaciones de Cauchy-Riemann. Eligiendo la dirección en
x se obtiene que la derivada es entonces
∂u ∂v
f 0 (z) = +j = 2x + j2y = 2(x + jy) = 2z .
∂x ∂x
2.19

2.3.5. Funciones conjugadas y armónicas
Un par de funciones de valor y variables reales u(x, y) y v(x, y) se denominan funciones

conjugadas si satisfacen las ecuaciones de Cauchy-Riemann. Estas funciones se dicen ser
ortogonales en el sentido de que las curvas de nivel en el plano (x, y), definidas implícitamente
por u(x, y) = cte y v(x, y) = cte, forman siempre ángulos rectos en sus intersecciones.
Si r(t) = [x(t),y(t)]> es una parametrización de la curva de nivel u(x(t),y(t)) = cte, entonces,
derivando ambos lados de la última igualdad se obtiene:
d d
u(x(t),y(t)) = cte = 0
dt dt
y usando la regla de la cadena:
∂ d ∂ d
u(x,y) x(t) + u(x,y) y(t) = 0
∂x dt ∂y dt
lo que se puede reexpresar como un producto escalar de dos vectores:
   
∂ d
 ∂x u(x,y)  dt x(t)
 · 0
 = ∇u(x,y) · r (t) = 0 .
∂  d
u(x,y) y(t)
∂y dt
Considerando que r 0 (t) es un vector tangencial a la curva11 r(t) en t, entonces lo anterior
demuestra que el gradiente ∇u(x,y) siempre es perpendicular a las curvas de nivel de u(x,y).
Evidentemente lo mismo aplica para las curvas de nivel de v(x,y) y su gradiente ∇v(x,y).
Entonces, para demostrar que las curvas de nivel de u(x,y) y v(x,y) son perpendiculares,
basta con demostrar que sus gradientes en las intersecciones lo son.
Así,
> >
∂u(x, y) ∂u(x, y) ∂v(x, y) ∂v(x, y)
∇u(x, y) = , ∇v(x, y) = ,
∂x ∂y ∂x ∂y
y utilizando las ecuaciones de Cauchy-Riemann se obtiene que
>
∂u(x, y) ∂u(x, y)
∇v(x, y) = − ,
∂y ∂x
Ahora, el producto escalar de ambos gradientes es
∂u(x, y) ∂v(x, y) ∂u(x, y) ∂v(x, y)
∇u(x, y) · ∇v(x, y) = +
∂x ∂x ∂y ∂y
∂u(x, y) ∂u(x, y) ∂u(x, y) ∂u(x, y)
=− + =0
∂x ∂y ∂y ∂x
lo que implica que los gradientes de u(x,y) y v(x,y) son ortogonales entre sí. Esto equivale
a que las curvas de nivel de ambas superficies son perpendiculares entre sí, puesto que sus
gradientes también lo son.
11
Este principio se utilizará posteriormente con las trayectorias de integración. Ver la figura 2.58 para una
ilustración del concepto detrás de esto.

Una función u(x,y) de variables y valor real se denomina armónica si satisface la llamada
ecuación de Laplace:
∂ 2u ∂ 2u
+ =0
∂x2 ∂y 2
Si una función es analítica entonces su derivada se puede calcular en la dirección de x:

00 0 0 ∂ ∂u ∂v ∂ 2u ∂ 2v
f (z) = [f (z)] = +j = + j
∂x ∂x ∂x ∂x2 ∂x2
y a su vez se puede calcular en la dirección de y:

00 0 0 1 ∂ 1 ∂u ∂v ∂ 2u ∂ 2v
f (z) = [f (z)] = + =− 2 −j 2
j ∂y j ∂y ∂y ∂y ∂y
Para que la función sea analítica, ambos resultados deben ser iguales, por lo que igualando
los términos real e imaginario se obtiene
∂ 2u ∂ 2u ∂ 2v ∂ 2v
+ =0 + =0
∂x2 ∂y 2 ∂x2 ∂y 2
Esto quiere decir, que si una función es analítica en una región, entonces sus componentes
real e imaginaria deben ser funciones armónicas en esa región. Visto de otra manera, si
u(x, y) es armónica, entonces a su vez existe una función v(x, y) conjugada a u(x,y) con la
que se conforma una función analítica.
Ejemplo 2.20 Sea u(x, y) = x2 − y 2 + 2x la componente real de una función analítica

f (z) con z = x + jy en todo el plano z. Encuentre la función conjugada v(x, y) tal que
f (z) = u(x, y) + jv(x, y).
Solución: Como f (z) es analítica, las ecuaciones de Cauchy-Riemann deben cumplirse, por
lo que
∂v ∂u
= = 2x + 2
∂y ∂x
Integrando con respecto a y
v = 2xy + 2y + F (x)
Donde F (x) es la “constante” de integración, que en este caso puede ser cualquier función
de x. Derivando respecto a x y considerando las ecuaciones de Cauchy-Riemann
∂v dF (x) ∂u
= 2y + =− = −(−2y) = 2y
∂x dx ∂y
por lo que F (x) debe ser constante para que su derivada sea cero. Asumiendo esta constante
igual a −jC se obtiene
f (z) = u(x, y) + jv(x, y) = x2 − y 2 + 2x + j(2xy + 2y − jC)
= x2 + 2x(jy) − y 2 + 2x + j2y + C
= (x + jy)2 + 2(x + jy) + C
= z 2 + 2z + C
La figura 2.43 muestra ambas componentes como superficies y sus correspondientes curvas
de nivel, donde se puede apreciar su ortogonalidad. Se ha asumido C = 0.
2.20

u(x, y)
v(x, y)
3
30
20 2
10
0 1
−10
−20 0
−30
−1
−3 −2
−2
−1 3
0 2 −3
1
x 1 0 −3 −2 −1 0 1 2 3
2 −1
3−3 −2 y
x
(a) (b)
Figura 2.43: Funciones conjugadas y ortogonalidad de las curvas de nivel. (a) Ambas funciones
conjugadas como superficies. (b) Curvas de nivel de ambas superficies y su ortogo-
nalidad.
2.3.6. Mapeos conformes
Un mapeo w = f (z) se denomina conforme si el ángulo que forman dos curvas en el plano z
es preservando entre las dos curvas imagen en el plano w. Se demostrará ahora que si f (z)
es una función analítica, entonces f (z) representa un mapeo conforme excepto en aquellos
puntos donde la derivada f 0 (z) = 0.
Im{z} Im{w}
z2
z0 ϕ2 ϕ w2
ϕ1
r z1 ϕ
w0 w1
Re{z} Re{w}
Figura 2.44: Construcción para demostrar que un mapeo analítico w = f (z) es conforme. Aquí
rige wi = f (zi ).
Para esto obsérvese el plano z a la derecha de la figura 2.44, en donde se muestran dos curvas
que se intersecan en el punto z0 . Sea ϕ1 el ángulo del número complejo z1 − z0 y ϕ2 el ángulo
de z2 − z0 . El ángulo ϕ entre ambas curvas se define a través del límite:
z2 − z0 rejϕ2
lı́m = lı́m jϕ1 = lı́m ej(ϕ2 −ϕ1 ) = lı́m ejϕ
r→0 z1 − z0 r→0 re r→0 r→0
Observando el mapeo de dichas curvas y los correspondientes puntos wi = f (zi ) tenemos

además que el ángulo entre estas curvas estará dado por

w2 − w0 f (z2 ) − f (z0 )
lı́m = lı́m
r→0 w1 − w0 r→0 f (z1 ) − f (z0 )
f (z2 ) − f (z0 ) z2 − z0 1
= lı́m · ·
r→0 z2 − z0 z1 − z0 f (z1 ) − f (z0 )
z1 − z0
Si f (z) es analítica, los límites de la forma
f (zi ) − f (z0 )
lı́m = f 0 (z0 )
r→0 zi − z0
convergen al mismo valor puesto que la derivada debe ser en el caso de funciones analíticas
independiente de la trayectoria. Entonces
w2 − w0 f 0 (z0 ) z2 − z0 z2 − z0
lı́m = lı́m 0 = lı́m = lı́m ejϕ
r→0 w1 − w0 r→0 f (z0 ) z1 − z0 r→0 z1 − z0 r→0
que es idéntico al ángulo en el plano z. Nótese que esto es cierto solo si f 0 (z0 ) 6= 0, puesto
que de otro modo se habría incurrido en una división por cero.
Esta última condición de conformidad, si el mapeo es analítico y su derivada distinta de
cero, permite analizar los mapeos introducidos anteriormente.
El mapeo lineal con α 6= 0:
w = f (z) = αz + β =⇒ f 0 (z) = α
es entonces un mapeo conforme si α 6= 0. Esto es claro puesto que el mapeo representa

una rotación, escalado y traslación, que no modifican entonces la posición relativa entre las
curvas (figura 2.24). Si α = 0 el mapeo degenera y por tanto no mantiene los ángulos, pues
todo el plano z colapsa al punto β en el plano w.
El mapeo de inversión
1 1
=⇒ f 0 (z) = − 2
w = f (z) =
z z
es entonces conforme en todo el plano C \ {0}, y esto se puede apreciar bien en la figura 2.31,
donde el ángulo entre las líneas horizontales y verticales es de 90◦ , ángulo que se conserva
en las intersecciones entre los círculos correspondientes. Cuando z → ∞ entonces f 0 (z) = 0,
y ese punto se mapea a w = 0, en donde los ángulos no se mantienen.
Si se expresa el mapeo racional lineal de la forma
µ
w = f (z) = λ + (α, µ 6= 0)
αz + β
entonces su derivada es
µα
f 0 (z) = −
(αz + β)2
que de nuevo nunca es cero para ningún punto finito del plano z, y es analítica en el plano
C \ {−β/α}. La Carta de Smith en la figura 2.39 también muestra como las intersecciones
entre los círculos que representan a las rectas horizontales y verticales también forman un
ángulo de 90◦ . El punto z → ∞ es mapeado a w = λ, en donde f 0 (z) = 0 y por tanto en ese
punto tampoco se mantienen los ángulos.

Ejemplo 2.21 Determine los puntos en los cuales el mapeo de Joukowsky w = z + 1

z
no
es conforme.
Solución: Se observa que el mapeo w = z + 1/z se indefine en z = 0, en donde por tanto
no será analítico.
Además
dw 1
=1− 2 =0
dz z
lo que implica que la derivada se hace cero para z = ±1. Por tanto el mapeo no es conforme
en z = 0, y z = ±1.
Se puede verificar que la función es análitica en todo C excepto en cero utilizando z = x+jy,
w = u + jv, con lo que:
x − jy
w = u + jv = x + jy + 2
x + y2
por lo que
x y
u=x+ v=y−
x2 + y2 x2 + y2
Con las ecuaciones de Cauchy-Riemann y con
∂u x2 − y 2 ∂v x2 − y 2
=1− 2 =1− 2
∂x (x + y 2 )2 ∂y (x + y 2 )2
∂u 2xy ∂v 2xy
=− 2 = 2
∂y (x + y 2 )2 ∂x (x + y 2 )2
se obtiene que f (z) es analítica en C \ 0, pues en z = 0 las derivadas se indefinen por la

división por cero. 2.21
Ejemplo 2.22 Determine en qué dominio es el mapeo w = f (z) = ez es conforme.

Solución: La derivada f 0 (z) = ez está definida para todo el plano z, y por lo tanto f (z) es
analítica. Puesto que ez = ex ejy entonces puede verse que la magnitud de ez se hace cero
solo si x → −∞, lo que quiere decir que el mapeo es conforme en todo z. Nótese que las
líneas horizontales, que poseen y constante, equivalen a líneas radiales partiendo del origen
del plano w. Por otro lado las líneas verticales que tienen a x constante, representan círculos
centrados en el origen de w. Obviamente las líneas radiales y los círculos presentan ángulos
rectos en sus intersecciones (figura 2.45). Cuando x → −∞, entonces w = 0. Allí la derivada
se hace cero y portanto en w = 0 es el único punto donde los ángulos entre curvas no se
mantienen.
2.22
4 Lección 6


3 6
2 4
1 2
Re{z} Re{w}
−3 −2 −1 1 2 3 −6 −4 −2 2 4 6
−1 −2
−2 −4
−3 −6
Figura 2.45: Mapeo exponencial es conforme.
2.4. Series complejas
2.4.1. Sucesiones, series y convergencia
Sucesiones
Lección 7 B Una sucesión (cn ) es un conjunto de términos c0 , c1 , c2 , . . ., que pueden ser números, funcio-
nes, o en general elementos de alguna estructura algebraica, ordenados de acuerdo a algún
criterio. El orden se expresa con el subíndice n, tomado de los números naturales IN. En otras
palabras, la sucesión (cn ) es una función que mapea el número natural n al término cn , impo-
niendo un orden a esos términos. Las sucesiones pueden ser finitas o infinitas, dependiendo
de cuantos elementos contengan.
Para las sucesiones infinitas, ya en la sección 2.1.6 se introdujeron los conceptos de sucesiones
de Cauchy y de convergencia. Recordando, la sucesión es de Cauchy si sus términos se acercan
arbitariamente entre sí, conforme n crece (ver (2.8)). La sucesión converge a C, lo que se
denota como
lı́m cn = C
n→∞
si para cualquier valor ε dado, existe un cierto índice N , tal que la distancia de cn a C para
todo n > N es menor a ε, es decir:
∀ε > 0, ∃N ∈ IN tal que ∀n ∈ IN, n > N : |cn − C| < ε .
Ejemplo 2.23 Grafique la sucesión armónica infinita (an ), con an = 1

n
, y refiérase a su
convergencia.
Solución:
La figura 2.46 ilustra los primeros términos de la sucesión armónica (an ), para n ≥ 1.
Con respecto a la convergencia, se tiene que
1
C = lı́m an = lı́m =0
n→∞ n→∞ n

1
an =
n
3
4
1
2
1
4
n
2 4 6 8 10 12 14 16
Figura 2.46: Sucesión armónica.
Para un valor ε dado, la suposición
1 1
|an − C| = −0 = <ε
n n
se cumple siempre que

1
n>N = .
ε
lo que confirma el criterio de convergencia.
Si se elije por ejemplo ε = 0,1, entonces basta con tomar cualquier n > N = 10, para que
|an − C| < ε. Si se elige ε = 10−6 , entonces |an − C| < ε si n > N = 106 . No importa qué
valor ε se elija, siempre existirá un N a partir del cual se cumple la condición. 2.23
Series
Si el conjunto al que pertenecen los términos cn de una sucesión, y la operación suma,

conforman un grupo abeliano, se define la serie como la sumatoria de la sucesión
X
S= cn .
n
Las series tienen un papel preponderante en ciencia y tecnología por su alta aplicabilidad en
el análisis de sistemas complejos. En el presente texto se tratarán por ejemplo las series de
Taylor, las series de Laurent (estrechamente ligadas a la transformada z, usada en procesa-
miento de señales digitales) y las series de Fourier. Las series además ofrecen los fundamentos
que subyacen la implementación computacional de métodos numéricos complejos y funciones
trascendentales.
Quizá una de las características que dan a las series su alto potencial de aplicación es la
descomposición de un determinado resultado, como suma de términos relativamente simples,
para los que se conocen propiedades particulares, como por ejemplo sus derivadas o integrales,
características físicas (por ejemplo, una frecuencia de oscilación), o determinadas propiedades

espaciales o temporales útiles para el modelado de señales y sistemas, de modo que, a partir
de esas propiedades individuales, se infieren propiedades para el resultado compuesto.
Al igual que las sucesiones, las series pueden ser finitas, de la forma:
N
X
S= cn = c0 + c1 + · · · + cN
n=0
o infinitas: ∞
X
S= cn = c0 + c1 + · · · + cn + · · · (2.51)
n=0
Ejemplo 2.24 Encuentre el resultado de sumar los primeros N números naturales:

N
X
G= n = 1 + 2 + ··· + N (2.52)
n=1
Solución:
Cuenta la leyenda que, a finales del siglo XVIII, un maestro de escuela primaria, quien
también se dedicaba a la apicultura, necesitaba tiempo para atrapar un enjambre de abejas.
Necesitaba entonces dejar a sus alumnos una tarea que les mantuviera ocupados durante un
tiempo suficientemente largo, y se le ocurrió que debían sumar los números del 1 al 100. El
maestro acababa de formular la tarea y estaba a punto de marcharse, cuando uno de sus
alumnos, Carl Friedrich Gauss, de nueve años, gritó el resultado correcto: ¡5050!
Gauss no perdió el tiempo calculado 1 + 2 + 3 + . . . como sus compañeros, sino que observó
que, tomando el primer y último elemento 1 + 100 = 101, luego tomando el segundo y el
penúltimo 2 + 99 = 101, el tercero y el antepenúltimo 3 + 98 = 101, y así, con los números
del 1 al 100 podía conformar 50 pares (con un término de la mitad inferior y otro de la mitad
superior) cuya suma da 101. Con ello el resultado final sería 50 × 101 = 5050. En principio,
con esto Gauss había descubierto la fórmula para la suma de las series aritméticas.
Para encontrar (2.52) se suman los términos en el orden de n creciente y decreciente:
G = 1 + 2 + · · · + N −1 + N
+G = N + N −1 + · · · + 2 + 1
2G = N +1 + N +1 + · · · + N +1 + N +1
de donde se despeja, considerando que se tienen exactamente N términos:
N (N + 1)
G= .
2
El lector puede demostrar el caso general con M < N , M,N ∈ Z:
N
X (N + M )(N − M + 1)
G= n = M + M +1 + · · · + N −1 + N = .
n=M
2
2.24
La llamada serie geométrica se utilizará con frecuencia de ahora en adelante. En el siguiente

ejemplo se presenta un procedimiento para su cálculo.

Ejemplo 2.25 Encuentre el valor de la serie geométrica

N
X
S= zn (2.53)
n=M
con dos números enteros M, N ∈ Z, M < N .

Solución:
Si se multiplica S por z y el resultado se resta de S, se obtiene:
S = z M + z M +1 + z M +2 + · · · + z N
−zS = − z M +1 − z M +2 − · · · − z N − z N +1
(1 − z)S = z M − z N +1
de donde se deriva para z 6= 1 (evitando la división por cero):
z M − z N +1
S= . (2.54)
1−z
Si z = 1 entonces se obtiene de la suma original (2.53) que S = N − M + 1.
Para el caso particular M = 0, sumando los primeros N + 1 términos en (2.53) con z 6= 1 se
obtiene:
XN
1 − z N +1
SN = zn = (2.55)
n=0
1−z
y en el caso particular z = 1 la serie produce SN = N + 1. 2.25
Convergencia
Para las series infinitas de la forma (2.51) es interesante analizar cuándo estas, a pesar de
sumar un infinito número de términos, convergen a algún valor finito. Para ello, defínase sn
como la suma parcial de los primeros n términos de la sucesión infinita:
n
X
sn = ck
k=0
y (sn ) como la sucesión infinita de sumas parciales de la serie, de modo que

S = lı́m sn
n→∞
Se dice que la serie infinita converge, si la sucesión de sumas parciales (sn ) converge. De otro
modo se dice que la serie diverge.
Así por ejemplo, la serie
X∞
1 1 1 1
=1+1+ + + + ··· (2.56)
n=0
n! 2 6 24
converge al número trascendental de Euler e, pero la serie

X∞
1 1 1 1 1
= 1 + + + + + ··· (2.57)
n=1
n 2 3 4 5

conocida como serie armónica, diverge lentamente hacia el infinito12 . Para entender por qué
esto es así, obsérvese que la sucesión de términos 1/n es monotónicamente decreciente, de
modo que
1 1 1 1
> > > > ···
n n+1 n+2 n+3
Si se agrupa a partir del término 1/3 primero 21 = 2 términos, luego 22 = 4 términos, luego
23 = 8 términos, y así sucesivamente, cada vez 2k términos, se observa que:
X∞
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
=1+ + + + + + + + + + + + + + + + ···
n=1
n 2 |3 {z 4} |5 6 {z 7 8} |9 10 11 12 {z13 14 15 16}
> 14 + 14 = 42 > 81 + 18 + 18 + 18 = 48 1
> 16 1
+ 16 1
+ 16 1
+ 16 1
+ 16 1
+ 16 1
+ 16 1
+ 16 8
= 16
1 1 1 1
>1+ + + + ··· → ∞
2 2 2 2
lo que quiere decir que, como se sustituyen términos de la serie armónica por otros que
siempre son menores o iguales a los originales, el resultado de la serie armónica deberá ser
mayor que el resultado de la serie con términos sustituidos, la cual en este caso se usa como
una cota inferior. Puesto que esta última serie sustituta acumula un infinito número de
términos 1/2, su valor será infinito. Esto obliga a la serie armónica, por ser estrictamente
mayor que la serie sustituta, a sumar también un valor infinito. Por eso se dice que la serie
armónica diverge. La figura 2.47 ilustra las sucesiones de sumas parciales de estas dos series,
así como las sucesiones de sus términos.
cn = 1/n cn = 1/n!
sn Pn Pn
sn = k=1 1/k sn = k=0 1/k!
n
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Figura 2.47: Sucesiones de sumas parciales y de sus términos para (2.56) y (2.57).
En el análisis de convergencia de una serie infinita

∞
X
S= cn
n=0
surge la interrogante de cómo deben comportarse los términos cn cuando n tiende a infinito.
Para responder, considérese la suma parcial de los primeros n términos de la serie:
n−1
X
Sn = cn .
k=0
12
El término armónico se retomará con las series de Fourier en siguientes capítulos, y está asociado a la
sucesión armónica (cn ) = (1/n), que establece los posibles modos de oscilación de una cuerda (conocidos
también como armónicos).

Para la suma de los primeros n+1 términos se cumple:

n
X n−1
X
Sn+1 = ck = ck + cn = S n + cn
k=0 k=0
de donde se despeja
cn = Sn+1 − Sn .
Si la sucesión de sumas (Sn ) converge para n → ∞ a un valor S, se debe cumplir
lı́m cn = lı́m (Sn+1 − Sn ) = lı́m Sn+1 − lı́m Sn = S − S = 0 . (2.58)

n→∞ n→∞ n→∞ n→∞
En palabras, para que la serie converja, es necesario que sus términos cn tiendan a cero
conforme n crece hacia el infinito. Esto es una condición necesaria, pero no es suficiente;
es decir, toda serie convergente tiene términos cn que se acercan a cero conforme n crece,
pero existen casos donde, a pesar de que sus términos cn tienden a cero, la serie diverge. Por
ejemplo, el caso ya mencionado de la serie armónica con cn = 1/n es divergente.
Ejemplo 2.26 Encuentre a qué converge, y bajo qué condiciones, la serie geométrica infi-
nita ∞
X
S= zn (2.59)
n=M
Solución: Este problema es la continuación hacia el infinito de la serie (2.53), es decir

∞
X N
X z M − z N +1
S= z n = lı́m z n = lı́m
n=M
N →∞
n=M
N →∞ 1−z
De la conclusión (2.58) sabemos que los términos de la serie cn = z n deben converger a cero
conforme n tienda hacia el infinito.
Si z = |z| ej∠z entonces z N = |z|N ejN ∠z , y si N → ∞ entonces z N converge a cero si, y solo
si |z| < 1, puesto que el otro término ejN ∠z nunca converge.
Entonces, para N → ∞ con |z| < 1 se cumple z N → 0. Finalmente:
∞
X zM
zn = siempre que |z| < 1 . (2.60)
n=M
1−z
Observe directamente en (2.59) que para el caso z = 1 la serie diverge por sumar infinitos
1. Este caso no puede evaluarse en (2.60) por tratarse de una división por cero. Así, la serie
geométrica infinita diverge para |z| ≥ 1. 2.26
Se dice que una serie de la forma (2.51) es absolutamente convergente si la serie de las
magnitudes de los sumandos
∞
X
S̄ = |cn |
n=0
converge, donde el operador unario de valor absoluto |·|, también llamado módulo, ya fue
introducido para los números complejos y reales en la sección 2, pero se puede generalizar a
otros dominios si el operador satisface las siguientes propiedades:

No negatividad: |a| ≥ 0
Definición positiva: |a| = 0 ⇐⇒ a = 0
Propiedad multiplicativa: |ab| = |a| |b|
Desigualdad de triángulo: |a + b| ≤ |a| + |b|.
Considerando entonces la propiedad de desigualdad del triángulo, se debe cumplir:

X X
cn ≤ |cn | .
n n
Se deriva entonces para la convergencia absoluta

∞
X ∞
X
|cn | ≥ cn
n=0 n=0
por lo que toda serie absolutamente convergente, también es convergente. Lo contrario no es

cierto; es decir, una serie convergente, no necesariamente será absolutamente convergente.
En general, para analizar la convergencia de la serie compleja
∞
X
S= cn (2.61)
n=0
existen varios criterios, de los cuales los más comunes son dos: el criterio de la raíz, y el
criterio del cociente.
El criterio de la raíz o criterio de Cauchy, establece que si
lı́m |cn |1/n < 1 (2.62)
n→∞
entonces la serie converge absolutamente (y por tanto también converge). Si el límite fuese
mayor a 1 entonces la serie es absolutamente divergente, y si es exactamente 1 entonces este
criterio no permite concluir nada sobre la convergencia de la serie.
Para entender este criterio, seguimos el razonamiento de Cauchy: si para todos los índices
n > N ∈ IN, con un valor N suficientemente alto, se cumple
|cn |1/n ≤ α < 1
entonces, elevando los términos en la desigualdad a la n-ésima potencia, se debe cumplir
|cn | ≤ αn < 1. En otras palabras, αn actúa aquí como una cota superior de la sucesión |cn |.
Se sabe (ver ejemplo 2.26) que la serie
∞
X αN
Sα = αn =
n=N
1−α
converge al valor finito Sα siempre que |α| < 1, lo que en este caso es parte de la suposición
inicial, por lo que la serie
X∞
|cn |
n=N
debe converger cuando el criterio (2.62) se cumple.

Ejemplo 2.27 Verifique para qué valores de a converge la serie

∞
X
n 2 a2 .
n=0
Solución:
Aplicando el criterio de la raíz a los coeficientes
c n = n 2 an
produce
1/n 2
lı́m n2 an = lı́m n1/n |a|
n→∞ n→∞
= lı́m |a| = |a|
n→∞
y por tanto la serie converge cuando |a| < 1. Se hizo uso del hecho de que
1/n ln n
lı́m n1/n = lı́m eln n = lı́m e n = e0 = 1 .
n→∞ n→∞ n→∞
2.27
El criterio del cociente, o criterio de convergencia de D’Alembert, establece que una serie
converge si
cn+1
lı́m < 1. (2.63)
n→∞ cn
Esto es intuitivamente coherente con el hecho de que la magnitud de los términos de la
serie debe tender a cero conforme n crece, en cuyo caso, a partir de algún n > N ∈ IN,
se puede esperar que |cn+1 | sea estrictamente menor que |cn | en la sucesión, para lograr la
convergencia13 . Al igual que con el criterio de la raíz, si el límite es mayor que uno, la serie es
divergente, y si es igual a uno no se puede concluir nada sobre la convergencia o divergencia
de la serie.
Se puede demostrar que el valor del límite en el criterio del cociente siempre es mayor o igual
al límite en el criterio de la raíz. Por ello, el criterio de la raíz puede indicar convergencia en
algunos casos que el criterio del cociente falla (esto es, cuando el límite tiende exactamente
a 1).
Ejemplo 2.28 Indique para qué valores de a converge la serie

∞
X an
n=0
n!
Solución:
Con cn = an /n! y el criterio del cociente se obtiene
an+1 n! a
lı́m n
= lı́m =0
n→∞ (n + 1)! a n→∞ n + 1
que por ser menor que 1 indica que la serie converge para cualquier valor de a. 2.28
Debe anotarse que esta intuición es suficiente para la convergencia, mas no necesaria. En particular,
13
imagine una serie convergente en la que se intercalan ceros entre sus términos.

2.4.2. Series de potencias
La serie de potencias, centrada en z0 ∈ C, es un caso particular de la serie infinita (2.51)

∞
X
S= cn
n=0
en donde cada término cn se compone de un coeficiente an multiplicando a un término de

potencia (z − z0 )n que depende de una variable compleja z. De este modo, por medio de la
serie se construye una función f : C → C:
∞
X
f (z) = an (z − z0 )n = a0 + a1 (z − z0 ) + a2 (z − z0 )2 + · · · + an (z − z0 )n + · · · (2.64)
n=0
con los coeficientes an independientes del valor de z ∈ C. Para simplificar la notación se ha

supuesto aquí que se cumple (z − z0 )0 = 1, aun cuando z = z0 .
Las series de potencias están relacionadas directamente con el principio de continuación
analítica mencionado previamente en la nota al pie de la página 36. Si una función f (x) de
variable y valor reales (f : IR → IR) tiene un desarrollo como serie infinita de potencias:
∞
X
f (x) = an (x − x0 )n = a0 + a1 (x − x0 ) + a2 (x − x0 )2 + · · · + an (x − x0 )n + · · ·
n=0
entonces existe una función f (z) correspondiente, de variable y valor complejos (f : C → C),
con un desarrollo equivalente en serie de potencias
∞
X
f (z) = an (z − z0 )n = a0 + a1 (z − z0 ) + a2 (z − z0 )2 + · · · + an (z − z0 )n + · · ·
n=0
en donde las dos series comparten los coeficientes an . Así, por ejemplo, la función exponencial
real
1 1 1
ex = 1 + x + x2 + x3 + x4 + · · ·
2! 3! 4!
se continúa analíticamente en la función exponencial compleja:
1 2 1 3 1 4
ez = 1 + z + z + z + z + ···
2! 3! 4!
Puesto que los operadores de cálculo diferencial e integral se comportan en los dominios real
y complejo de forma similar para los términos de las series:
Z
d n n−1 (x − x0 )n+1
an (x − x0 ) = nan (x − x0 ) an (x − x0 )n dx = an
dx n+1
Z
d (z − z0 )n+1
an (z − z0 )n = nan (z − z0 )n−1 an (z − z0 )n dz = an ,
dz n+1
esto permite aplicar propiedades del cálculo diferencial e integral existentes para funciones
reales a funciones complejas definidas por medio de series. Para las funciones trascendentales
como ex , sen x, cos x o ln x este resultado es particularmente útil, y se continúan analítica-
mente en ez , sen z, cos z, ln z, etc.

Obsérvese que la serie geométrica infinita (2.60) es un caso particular de la serie de potencias
centrada en z0 = 0, con coeficientes an = 1 y M = 0, y se cumple
∞
X 1
zn = (2.65)
n=0
1−z
Esta serie diverge si |z| ≥ 1. Ambos resultados son consistentes con la continuación analítica
del caso real, donde
X∞
1
xn = , |x| < 1 .
n=0
1−x
En el caso complejo, la serie geométrica (2.65) converge si z se encuentra dentro del círculo
unitario del plano complejo |z| < 1 (figura 2.48). Nótese que la región de convergencia para
Im(z)
|z| < 1
Región de
divergencia
Región de
convergencia
0 1 Re(z)
P∞
Figura 2.48: Región de convergencia de n=0 z
n.
la serie real corresponde al subconjunto de números puramente reales dentro de esta región
circular del plano z; es decir, el intervalo x ∈ ]−1,1[.
Aplicando el criterio de la raíz (2.62) a la serie de potencias completa, con cn = an (z − z0 )n ,
se deriva que, para alcanzar convergencia, se debe cumplir
lı́m |an |1/n |z − z0 | < 1 .

n→∞
De esto se deriva que la serie de potencias converge si

1
|z − z0 | < R; R = lı́m
n→∞ |an |1/n
con el radio de convergencia R.

De forma similar, del criterio del cociente (2.63) se deriva con cn = an (z − z0 )n , que para
una serie de potencias hay convergencia si
an+1
lı́m |z − z0 | < 1
n→∞ an

Esto implica que la serie de potencias converge si
an
|z − z0 | < R; R = lı́m (2.66)
n→∞ an+1
con el radio de convergencia R. A esta última ecuación se le conoce como razón o cociente
de D’Alembert, o fórmula de Cauchy-Hadamard para el cálculo del radio de convergencia.
En conclusión, la serie (2.64) converge cuando |z − z0 | < R, es decir, cuando el valor de z se
encuentra dentro de un disco de radio R centrado en z0 .
Ejemplo 2.29 Encuentre la región de convergencia de la serie

∞
X
S= an (z − z0 )n
n=0
para el caso particular con los coeficientes
an = an
con la constante a ∈ C \ {0}.

Solución: Aunque un solo criterio de convergencia basta para encontrar el radio de conver-
gencia, a manera de ejemplo se presenta aquí el cálculo con ambos.
Con el criterio de la raíz, el radio de convergencia es
1 1 1
R = lı́m 1/n
= lı́m =
n→∞ |an | n→∞ |an |1/n |a|
Con el criterio del cociente, el radio de convergencia es
an an 1
R = lı́m = lı́m n+1 =
n→∞ an+1 n→∞ a a
Con lo anterior, se concluye que la serie converge para todos los puntos z en el interior del
círculo:
1
|z − z0 | <
|a|
Nótese que, usando un cambio de variable w = a(z−z0 ), y el resultado de la serie geométricas

(2.65), para z en la región de convergencia se cumple que
∞
X ∞
X ∞
X
n n n 1 1
S= a (z − z0 ) = (a(z − z0 )) = wn = =
n=0 n=0 n=0
1−w 1 − a(z − z0 )
2.29

P∞
Ejemplo 2.30 Demuestre que el radio de convergencia de f (z) = n=0 an z n y su derivada
son idénticos.
Solución: Si ∞
X
f (z) = an z n
n=0
entonces ∞
X
0
f (z) = nan z n−1 .
n=1
Si R es el radio de convergencia de f (z) dado por (2.66) y R0 el radio de convergencia de

f 0 (z), este último es, según la razón de D’Alembert:

0 nan n an
R = lı́m = lı́m
n→∞ (n + 1)an+1 n→∞ n + 1 an+1

1 an
= lı́m lı́m =1·R
n→∞ 1 + 1 n→∞ an+1
n
=R
donde se ha utilizado la propiedad del producto de los límites reales. 2.30
Considérese ahora otra serie compuesta de potencias negativas:

∞
X a1 a2 ak
an (w − w0 )−n = a0 + + 2
+ ··· + + ··· (2.67)
n=0
w − w0 (w − w0 ) (w − w0 )k
Esta serie puede transformarse en (2.64) aplicando el mapeo racional lineal z − z0 = 1

w−w0
:
∞
X
an (z − z0 )n = a0 + a1 (z − z0 ) + a2 (z − z0 )2 + · · · + ak (z − z0 )k + · · ·
n=0
lo que implica que la región de convergencia es

1 1
|z − z0 | < R =⇒ < R =⇒ |w − w0 | >
w − w0 R
que corresponde al exterior de un círculo de radio 1/R centrado en el punto w0 , y diverge en
el interior de dicho círculo (|w − w0 | < 1/R). Esto tiene sentido si se observa que 1/(w −w0 )n
se hace arbitrariamente grande si w se acerca a w0 , lo que indica que este último debe estar
excluido de la región de convergencia. Además, puesto que los términos de la suma deben
tender a cero para n → ∞, esto solo puede ocurrir si el denominador es suficientemente
grande.
Para estas regiones externas a un círculo centrado en w0 se utiliza en ocasiones la expresión
“centradas en infinito”, lo que solo debe dar la idea de que la región conexa “inicia” cuando
w → w0 haciendo a los términos 1/(w − w0 ) tender a infinito.
Ejemplo 2.31 Determine la serie de potencias que representa a la función

1
f (z) = (2.68)
z−p
y su radio de convergencia.
Solución: Existe un número infinito de representaciones para esta función, cada una con
su propio radio de convergencia, dependiendo de dónde se centre la serie de potencias; sin
embargo, puesto que f (p) no está definido, ninguna de la representaciones convergerá para
z = p.
Por ejemplo, si se realiza la división polinomial de 1 entre z − p, se obtiene:
1 z−p
−(1 −pz −1 ) z −1 + pz −2 + p2 z −3 + p3 z −4 + p4 z −5 · · ·
pz −1
−( pz −1 −p2 z −2 )
p2 z −2
−( p2 z −2 −p3 z −3 )
p3 z −3
−( p3 z −3 −p4 z −4 )
p4 z −4
..
.
lo que demuestra que:

X pn−1 X ∞ ∞ n
1 1
= = pn−1 . (2.69)
z − p n=1 z n n=1
z
Ahora, si se hace el cambio de variable z 0P

= 1/z y se aplica la razón de D’Alembert entonces
se tiene que el radio de convergencia de ∞ n=1 p (z ) es
n−1 0 n
pn−1 1
R = lı́m n
=
n→∞ p p
lo que quiere decir que la serie converge si
1 1 1
|z 0 | < =⇒ < =⇒ |z| > |p| .
p z p
Por otro lado, si ahora se realiza la división polinomial de 1 entre −p + z, se obtiene:
1 −p + z
− 1 − zp 1 z z2 z3
− − 2 − 3 − 4 − ···
z p p p p
p
2

z
− p − zp2
z2
p2
z2 3
− p2
− zp3
z3
p3
z3 z4
− p 3 − p 4
z4
p4
..
.

y por lo tanto
X∞
1 zn
=− n+1
. (2.70)
z−p n=0
p
Si se aplica la razón de D’Alembert entonces se tiene que el radio de convergencia es

pn+2
R = lı́m n+1 = |p|
n→∞ p
lo que quiere decir que la serie converge si
|z| < |p| .
Es posible centrar la serie en cualquier otro punto z0 , siempre que z = p no esté incluido
dentro de la región de convergencia. Por ejemplo, para encontrar la serie de potencias de la
función anterior centrada en un punto z0 distinto de p, la función se reescribe sumando y
restando z0 en el denominador:
1 1 1
= = 0 (2.71)
z−p (z − z0 ) − (p − z0 ) z − p0
con z 0 = z − z0 y p0 = p − z0 . Esta expresión es bastante similar a (2.64), y se aplican los
mismos dos caminos de división polinomial ya descritos. Realizando de nuevo esa división, lo
que es equivalente a reemplazar en (2.69) y (2.71) a z → (z − z0 ) y p → (p − z0 ), se obtiene:

X−1 X∞

 (z − z0 )n (p − z0 )n−1

 = para |z − z0 | > |p − z0 |
1  (p − z0 )n+1 (z − z0 )n
= n=−∞
∞
n=1 (2.72)
z−p   X (z − z 0 ) n
 para |z − z0 | < |p − z0 | .
−

(p − z0 )n+1
n=0
Debe notarse que, mientras en las versiones originales las regiones de convergencia estaban
dadas por el área externa o interna de un círculo de radio |p| centrado en el origen, ahora
serán las regiones internas o externas de un círculo centrado en z0 de radio |p − z0 |, es decir,
de un radio igual a la distancia entre el punto p donde la función no está definida y el punto
donde se centra la serie de potencias z0 (figura 2.49). 2.31
2.4.3. Series de Taylor
Sea f (z) una función compleja analítica dentro y sobre una curva cerrada simple C (como por
ejemplo, un círculo) en el plano z. Supóngase que dicha función tiene asociado un desarrollo
en serie de potencias de la forma:
f (z) = a0 + a1 (z − z0 ) + a2 (z − z0 )2 + a3 (z − z0 )3 + · · · + an (z − z0 )n + · · · (2.73)
Obsérvese que si se evalúa dicha función en z = z0 , todo término z − z0 se hace cero, y por
tanto se obtiene:
f (z0 ) = a0 + a1 (z0 − z0 ) + a2 (z0 − z0 )2 + · · · + an (z0 − z0 )n + · · ·

= a0

Im(z) Im(z)
p |z − z0 | < |p − z0 | p |z − z0 | > |p − z0 |
z0 z0
0 Re(z) 0 Re(z)
X∞ ∞
X
1 (z − z0 )n 1 (p − z0 )n−1
=− =
z−p n=0
(p − z0 )n+1 z − p n=1 (z − z0 )n
Figura 2.49: Regiones de convergencia para series de potencia de 1/(z − p).
con lo que se ha encontrado una forma de calcular el primer coeficiente del desarrollo en
serie de potencias.
La primera derivada de la función (2.73) es:
f 0 (z) = a1 + 2a2 (z − z0 ) + 3a3 (z − z0 )2 + · · · + nan (z − z0 )(n−1) + · · ·
que es a su vez una serie de potencias. Si se evalua esta primera derivada en z = z0 se

obtiene:
f 0 (z0 ) = a1
y por tanto ya se tiene un mecanismo para encontrar el segundo coeficiente de la serie de
potencias.
Obsérvese que al realizar la derivada, se eliminó la constante de la serie de potencias original,
y el n-ésimo término de la serie terminó siendo multiplicado por n, mientras que su exponente
se redujo en uno.
La segunda derivada de la función es:
f 00 (z) = 2a2 + 3 · 2a3 (z − z0 ) + · · · + (n − 1)nan (z − z0 )(n−2) + · · · .
Se repite el procedimiento de evaluar en z0 para obtener
f 00 (z0 ) = 2a2 .
y así se tiene una forma de encontrar el tercer término.

Este procedimiento se repite para calcular cada coeficiente an de la serie de potencias. Como
los exponentes de los términos z − z0 en cada nuevo paso de derivación pasan a multiplicar
y se reducen en uno, se observa que se debe cumplir para la n-ésima derivada, evaluada en
z = z0 :
f (n) (z0 ) = n! an
de donde se despeja
f (n) (z0 )
an = . (2.74)
n!

De este modo, sustituyendo cada coeficiente an en la serie de potencias por el valor calculado
con (2.74), se obtiene
f 00 (z0 ) f (n) (z0 )

f (z) = f (z0 ) + f 0 (z0 )(z − z0 ) + (z − z0 )2 + · · · + (z − z0 )n + · · ·
2! n!
X∞ X∞
f (n) (z0 )
= n
(z − z0 ) = an (z − z0 )n (2.75)
n=0
n! n=0
conocida en esta forma como desarrollo en serie de Taylor de la función f (z) alrededor del
punto z0 .
Una forma alternativa de expresar el desarrollo en serie de Taylor utiliza la diferencia hacia
el centro de la serie h = z − z0 , de modo que:
h2 00 hn
f (z0 + h) = f (z0 ) + hf 0 (z0 ) + f (z0 ) + · · · + f (n) (z0 ) + · · ·
2! n!
Acorde a lo revisado para series de potencias, la serie de Taylor converge a la función en la

región |z − z0 | < R, donde el radio de convergencia R está determinado generalmente por el
punto más cercano a z0 donde f (z) no es analítica. El caso particular que centra la serie en
z0 = 0 se conoce como desarrollo en serie de MacLaurin.
Obsérvese que si una función f (z) tiene desarrollo en serie de Taylor, en principio tiene
infinito número de derivadas, es decir, implica que la función es holomorfa. El adjetivo
analítico para una función aplica concretamente al hecho de que esa función tenga desarrollo
en serie de Taylor, lo que a su vez implica que la función es holomorfa en la región de
convergencia de la serie. Por este motivo en este texto se utilizan ambos adjetivos (holomorfo
y analítico) como equivalentes.
La serie de Taylor es una de las herramientas más utilizadas en ciencia e ingeniería. Es la
base para gran cantidad de métodos numéricos, algoritmos de optimización, y procesos de
simplificación de modelos.
Ejemplo 2.32 Encuentre la serie de Taylor centrada en z0 = 1/2 de la función f (z) =

cos(πz).
Solución:
Las derivadas de f (z) son:
f (z) = cos(πz)
f 0 (z) = − sen(πz)π
f 00 (z) = − cos(πz)π 2
f 000 (z) = sen(πz)π 3
..
.
(
(−1)n/2 cos(πz)π n para n par
f (n) (z) =
(−1)(n+1)/2 sen(πz)π n para n impar
..
.

Con esto, y utilizando z0 = 1/2, se tiene con cos(π/2) = 0 y sen(π/2) = 1:

( (
(−1)n/2
cos(π/2)π n
para n par 0 para n par
f (n) (z0 ) = =
(−1)(n+1)/2 sen(π/2)π n para n impar (−1)(n+1)/2 π n para n impar
Con an = f n (z0 )/n! se tiene finalmente que

∞
X n
1
cos(πz) = an z−
n=0
2
donde los coeficientes an están dados por


0 para n par
an = n+1 π
n
(−1) 2 para n impar
n!
1.5
1
0.5
0
−0.5
−1 15
−1.5 13
11
9
7 N
0
0.5 5
1 3
x 1.5
2 1
Figura 2.50: Aproximación de la función cos(πx) (línea celeste) por los primeros N términos de
la serie de Taylor centrada en x0 = 1/2 (línea negra).
La figura 2.50 muestra la aproximación de la función de variable y valor reales f (x) = cos(πx)
con los primeros N términos de la serie de Taylor centrada en x0 = 1/2. La figura 2.51
muestra la magnitud de seis aproximaciones de la función compleja f (z) para diferente
número de términos N de esta serie. La figura 2.52 muestra la parte real de las mismas
aproximaciones.
2.32
Ejemplo 2.33 Encuentre el desarrollo en serie de Taylor de la función

1
f (z) = (2.76)
z(z − 2j)
alrededor del punto z0 = j.
Solución:
Este es un caso en el que se puede aprovechar el resultado (2.72) obtenido para series de
potencias en general. Para ello, se parte de la representación de (2.76) en fracciones parciales:
1 A B
f (z) = = + (2.77)
z(z − 2j) z z − 2j
4 4 4
2 2 2
01 01 01
2 2 2
1 2 1 2 1 2
4 3 4 3 4 3
y 2 y 2 y 2
1 1 1 1 1 1
00 2 00 2 00 2
4 x 4 x 4 x
2 2 2
01 01 01
2 2 2
1 2 1 2 1 2
4 3 4 3 4 3
y 2 y 2 y 2
1 1 1 1 1 1
00 2 00 2 00 2
x x x
Figura 2.51: Magnitud de la aproximación por medio de series de Taylor de la función cos(πz) para
(de izquierda a derecha, primera y luego segunda filas) N = 1,3,5,7,9,11 términos
de la serie, respectivamente. Se han superpuesto la magnitud de la función cos(πz)
(línea punteada) con la aproximación correspondiente (línea gruesa).
4 4 4
2 2 2
01 01 01
2 2 2
−2 1 −2 1 −2 1
4 3 2 4 3 2 4 3 2
y−4 2 y−4 2 y−4 2
1 1 1 1 1 1
00 2 00 2 00 2
x x x
4 4 4
2 2 2
01 01 01
2 2 2
−2 1 −2 1 −2 1
4 3 2 4 3 2 4 3 2
y−4 2 y−4 2 y−4 2
1 1 1 1 1 1
00 2 00 2 00 2
x x x
Figura 2.52: Parte real de la aproximación por medio de series de Taylor de la función cos(πz) para
(de izquierda a derecha, primera y luego segunda filas) N = 1,3,5,7,9,11 términos
de la serie, respectivamente. Se han superpuesto la parte real de la función cos(πz)
(línea punteada) con la aproximación correspondiente (línea gruesa).

Multiplicando la ecuación anterior por z a ambos lados y haciendo z → 0 se encuentra que

A = −1/(2j), y multiplicando por z − 2j y haciendo z → 2j se despeja B = 1/(2j) con lo
que finalmente
1 1 1
f (z) = −
2j z − 2j z
Considerando que z0 = j, entonces con (2.72) se tiene
X∞ X∞
1 1 n
=− n+1
(z − j) = − j n+1 (z − j)n
z n=0
−j n=0
X∞ X∞
1 1 n
=− n+1
(z − j) = − (−j)n+1 (z − j)n
z − 2j n=0
j n=0
Con esto
∞ ∞
!
1 1 X X
f (z) = = − (−j)n+1 (z − j)n + j n+1 (z − j)n
z(z − 2j) 2j n=0 n=0
∞
X j n+1 − (−j)n+1
= (z − j)n
n=0
2j
Puesto que j = ejπ/2 y −j = e−jπ/2 , entonces, con (2.17):

(
j n+1 − (−j)n+1
π π
ej 2 (n+1) − e−j 2 (n+1) π 0 para n impar
an = = = sen (n + 1) =
2j 2j 2 (−1)n/2 para n par
y finalmente
1
= 1 − (z − j)2 + (z − j)4 − (z − j)6 + · · ·
z(z − j2)
A manera de verificación, al mismo resultado se llega utilizando el cálculo de los coeficientes

an con las derivadas de f (z). Con la representación de f (z) en fracciones parciales, sus
derivadas evaluadas en z = j son

1 1 1
f (z) = − =⇒ f (j) = 1
2j z − 2j z

0 1 1 1
f (z) = − + =⇒ f 0 (j) = 0
2j (z − 2j)2 z 2

00 1 2 2
f (z) = − =⇒ f 00 (j) = −2
2j (z − 2j)3 z 3

(3) 1 6 6
f (z) = − + =⇒ f (3) (j) = 0
2j (z − 2j)4 z 4

(4) 1 24 24
f (z) = − 5 =⇒ f (4) (j) = 24
2j (z − 2j)5 z
que se puede generalizar como
(
(−1)n n! n! 0 si n impar
f (n) (z) = − n+1 =⇒ f (n) (j) =
2j (z − 2j)n+1 z (−1) n! si n par
n/2

Esto implica que el n-ésimo término de la serie de Taylor es


n
(z − j) (n) 0 si n impar
f (j) = (z − j)n
n!  (−1)n/2 n! = (z − j)n (−1)n/2 si n par
n!
Por lo tanto se llega al mismo resultado que antes:
1
= 1 − (z − j)2 + (z − j)4 − (z − j)6 + · · ·
z(z − j2)
En este caso z0 = j, y puesto que los dos puntos donde f (z) no está definido son z = 0 y
z = 2j el radio de convergencia es igual a uno. En otras palabras, la serie de Taylor anterior
es válida solo para puntos z que se encuentren dentro de un círculo de radio uno centrado
en j (figura 2.53).
Im{z}
1 z0
Re{z}
−1 1
Figura 2.53: Región de convergencia de serie de Taylor en el ejemplo 2.33.
2.33
4 Lección 7
2.4.4. Series de Laurent
Lección 8 B En las secciones anteriores se concluyó que una serie de Taylor de la forma
∞
X
fT (z) = cn (z − z0 )n
n=0
tiene como región de convergencia el interior de un círculo |z − z0 | < RT .

Aquellos puntos donde una función no es analítica (llamados también singularidades) no
podrán ser utilizados como centros de los desarrollos en series de Taylor, puesto que las deri-
vadas de la función no existen en esos puntos y por lo tanto tampoco existen los coeficientes
de la serie. En general, el radio de convergencia RT está delimitado por las singularidades
de fT (z).
Por otro lado, también se concluyó, modificando levemente la notación usada en (2.72), que
una serie de potencias de la forma
−1
X
fP (z) = cn (z − z0 )n
n=−∞

tiene como región de convergencia al exterior de un círculo |z − z0 | > RP , donde el radio

de convergencia RP también está delimitado por singularidades de fP (z), que en este caso
quedarán dentro del círculo centrado en z0 con radio RP .
Si ahora se combinan las dos series anteriores en una nueva serie de forma:
−1
X ∞
X ∞
X
fL (z) = fP (z) + fT (z) = cn (z − z0 )n + cn (z − z0 )n = cn (z − z0 )n (2.78)
n=−∞ n=0 n=−∞
entonces, puesto que ambas series correspondientes a fT (z) y fP (z) deben converger a la vez,
entonces la región de convergencia total debe estar dada por la intersección de las regiones
convergencia de sus dos componentes, como se ilustra en la figura 2.54. Nótese que dicha
Im{z} Im{z} Im{z}
RT RT
z0 z0 z0
RP RP
Re{z} Re{z} Re{z}
∞
X −1 ∞
X
X
cn (z − z0 )n cn (z − z0 )n cn (z − z0 )n
n=0 n=−∞ n=−∞
Figura 2.54: Regiones de convergencia de series de potencias. A la izquierda, serie con potencias
positivas de (z − z0 ). En el centro, serie con potencias negativas de (z − z0 ). A la
derecha, serie de Laurent, cuya región de convergencia es la intersección de las otras
dos.
serie puede converger solo si RP < RT . A esta serie (2.78) se le denomina serie de Laurent.
De este modo, las series de Laurent constituyen una generalización de las series de potencias,
donde la región de convergencia tiene forma anular que puede entonces excluir singularidades
tanto en su interior como su exterior. Una serie de Laurent por tanto sí puede centrarse en
una singularidad, y este hecho será utilizado posteriormente para caracterizar la singularidad
de acuerdo al comportamiento de la serie de Laurent centrada en ella.
Al término de la serie de Laurent de fL (z) correspondiente a fP (z), con coeficientes cn con
n < 0, se le denomina la parte principal de la serie de Laurent. Al término correspondiente
a fT (z), con coeficientes cn con n ≥ 0, se le conoce como parte de Taylor, o parte analítica
de la serie de Laurent.
Si una función es holomorfa para todos los puntos en el interior de un círculo externo
|z − z0 | < RT entonces se debe cumplir que cn = 0 para n < 0 y la serie de Laurent (2.78)
conserva solo su segunda suma, lo que equivale a la parte de Taylor (o parte analítica).
Ejemplo 2.34 Calcule la serie de Laurent para la función

1
f (z) =
z 2 (z + 1)
centrada en z0 = 0 y en z0 = −1, para una región de convergencia anular.

Solución:
La función f (z) se indefine en z = 0 y z = −1, en donde hay divisiones por cero. Los dos
centros solicitados están en exactamente esas dos posiciones.
Para el caso z0 = 0 se utilizan los resultados del ejemplo 2.31 en su ecuación (2.72), con los
que se obtiene que el factor 1/(z + 1) se desarrolla en la serie
1
= 1 − z + z2 − z3 + z4 − · · ·
1+z
con radio de convergencia |z| < 1. El desarrollo en serie de Laurent de f (z) es entonces

1 1 1 1
f (z) = 2 = 2 = 2 (1 − z + z 2 − z 3 + z 4 − · · · )
z (z + 1) z 1+z z
1 1
= 2 − + 1 − z + z2 − · · ·
z z
de donde se observa que se debe excluir al 0 de la región de convergencia, debido a que los
dos primeros términos de la serie se indefinen allí. Dicha región se ilustra en la figura 2.55a.
Im{z} Im{z}
1 1
z0
Re{z} Re{z}
−1 z0 1 −2 −1
−1 −1
(a) (b)
Figura 2.55: Regiones de convergencia para el ejemplo 2.34. (a) z0 = 0, (b) z0 = 1.
Para la serie centrada en z0 = −1, por tener el término 1/z 2 su singularidad en z = 0, existen
dos posibles regiones de convergencia: ya sea el exterior del círculo de radio 1 centrado en
z0 = −1, o su interior. Puesto que se solicita una región de convergencia anular, se elige el
interior del círculo, para luego excluir su centro, como se ilustra en la figura 2.55b.
Para encontrar la serie del término cuadrático se procede de forma similar a casos anteriores
con división polinomial. Primero se debe aplicar un mapeo lineal, para pasar el centro z0 al
origen de un nuevo plano z 0 , de modo que la expresión en ese plano se pueda resolver por
división polinomial. Con esto:
1 1 1 1
= = =
z2 (z + 1 − 1)2 (z 0 − 1)2 z 02 − 2z 0 + 1
con z 0 = z + 1.
Realizando la división polinomial, y acomodando los términos para obtener la región de
convergencia |z 0 | < 1 se obtiene

1 1 − 2z 0 + z 02
−(1 −2z 0 +z 02 ) 1 + 2z 0 + 3z 02 + 4z 03 + · · · + (n + 1)z 0n + · · ·
2z 0 −z 02
−(2z 0 −4z 02 +2z 03 )
3z 02 −2z 03
−(3z 02 −6z 03 +3z 04 )
4z 03 −3z 04
−(4z 03 −8z 04 +4z 05 )
5z 04 −4z 05
..
.
La expansión en serie de Taylor del término buscado es entonces

1
= 1 + 2z 0 + 3z 02 + 4z 03 + 5z 04 + · · ·
z2
= 1 + 2(z + 1) + 3(z + 1)2 + 4(z + 1)3 + 5(z + 1)4 + · · ·
con lo que la función original tiene una expansión de Laurent centrada en z0 = −1
1 1 + 2(z + 1) + 3(z + 1)2 + 4(z + 1)3 + 5(z + 1)4 + · · ·

=
z 2 (z + 1) z+1
1
= + 2 + 3(z + 1) + 4(z + 1)2 + 5(z + 1)3 + · · ·
z+1
con región de convergencia 0 < |z + 1| < 1. 2.34
Ejemplo 2.35 Determine la expansión en serie de Laurent de

1
f (z) =
(z + 1)(z + 3)
para las regiones de convergencia (figura 2.56):

1. 1 < |z| < 3
2. |z| > 3
3. 0 < |z + 1| < 2
4. |z| < 1
5. |z − 1| < 2
Solución: Esto se soluciona descomponiendo la función en fracciones parciales y aplicando
los resultados del ejemplo 2.31.
1 A B
f (z) = = +
(z + 1)(z + 3) (z + 1) (z + 3)
Multiplicando ambos lados por (z + 1) y evaluando en z = −1 se obtiene A = 1/2. Además,
multiplicando ambos lados por (z + 3) y evaluando en z = −3 resulta B = −1/2, y por lo
tanto
1 1 1 1
f (z) = = −
(z + 1)(z + 3) 2 z+1 z+3

Im(z)
1 < |z| < 3
|z| < 1
0 1 2 3 Re(z)
|z| > 3
0 < |z + 1| < 2
Figura 2.56: Cuatro regiones de convergencia para el ejemplo 2.35.
Para el primer término se tiene (por división polinomial) centrando el desarrollo en z0 = 0

1
= 1 − z + z 2 − z 3 + · · · , si |z| < 1 (2.79)
z+1
1 1 1
= − 2 + 3 − · · · , si |z| > 1 (2.80)
z z z
mientras que el segundo término (también centrado en z0 = 0):
1 1 1 1 1
= − 2 z + 3 z 2 − 4 z 3 + · · · , si |z| < 3 (2.81)
z+3 3 3 3 3
2
1 3 3
= − 2 + 3 − · · · , si |z| > 3 (2.82)
z z z
Para el caso 1 < |z| < 3 se utiliza (2.80) y (2.81) que resulta en la serie de Laurent
1 1 1 1 1 1 1 1 3
= ··· 3 − 2 + − + z − z2 + z − ···
(z + 1)(z + 3) 2z 2z 2z 6 18 54 162
El caso |z| > 3 utiliza (2.80) y (2.82) que resulta en la serie de Laurent centrada en en
infinito hacia z0 = 0
1 1 4 13 40
= 2 − 3 + 4 − 5 + ···
(z + 1)(z + 3) z z z z
El caso 0 < |z + 1| < 2 está centrado en una singularidad por lo que debe procederse de
diferente forma. El factor
1 1 1 1 1 1 1
= = 0 = − 2 z 0 + 3 z 02 − 4 z 03 + · · ·
z+3 (z + 1) + 2 z +2 2 2 2 2
lo que implica que este factor se puede desarrollar centrado en z0 = −1 como

1 1 1 1 1
= − 2 (z + 1) + 3 (z + 1)2 − 4 (z + 1)3 + · · ·
z+3 2 2 2 2

por lo que se tiene finalmente el desarrollo

1 1 1 1 1
= − + (z + 1) − (z + 1)2 + · · ·
(z + 1)(z + 3) 2(z + 1) 4 8 16
El caso |z| < 1 utiliza (2.79) y (2.81) que resulta en la serie de Laurent centrada en z0 = 0
1 1 4 13 40
= − z + z2 − z3 + · · ·
(z + 1)(z + 3) 3 9 27 81
que es a su vez una serie de Taylor.
En el último caso |z − 1| < 2 se centra la serie en 1, por lo que cada uno de los términos debe
reevaluarse. Considerando que se requiere la convergencia solo para el interior del círculo se
tiene:
1 1 1 1 z0 z 02 z 03 z 04
= = 0 = − 2 + 3 − 4 + 5 − ···
z+1 z−1+1+1 z +2 2 2 2 2 2
2
1 z − 1 (z − 1) (z − 1)3 (z − 1)4
= − 2 + − + − ···
2 2 23 24 25
y para el otro término
1 1 1 1 z0 z 02 z 03 z 04
= = 0 = − 2 + 3 − 4 + 5 − ···
z+3 z−1+1+3 z +4 4 4 4 4 4
2
1 z − 1 (z − 1) (z − 1)3 (z − 1)4
= − 2 + − + − ···
4 4 43 44 45
y combinando ambos términos se obtiene14

1 3 7 15 31
f (z) = − (z − 1) + (z − 1)2 − (z − 1)3 + (z − 1)4 · · ·
8 32 128 512 2048
X∞ k
k+1
(−1) 2 −1
= (z − 1)k 2k
k=0
8 2
2.35
4 Lección 8
2.5. Singularidades, ceros y residuos
2.5.1. Singularidades y ceros
Lección 9 B Como singularidad de una función de variable compleja f (z) se conocen aquellos puntos del
dominio de definición donde f (z) no es analítica. Esto puede ser ya sea porque la función
14
Este resultado se puede obtener también por medio de la división polinomial de 1
(z−1+2)(z−1+4) =
(z 0 +2)(z 0 +4) = z 02 +6z 0 +8 sustituyendo en el resultado z = z − 1
1 1 0

se indefine, se hace infinita, o su derivada adquiere diferentes valores dependiendo de la

dirección de derivación.
Cada punto del dominio de definición de f (z) se puede clasificar en términos del desarrollo
en serie de Laurent. Si el desarrollo en serie centrado en z0 , donde z0 es un punto límite de
la región de convergencia, tiene parte principal igual a cero, se dice entonces de z = z0 es
un punto regular . En otras palabras, los puntos regulares son aquellos en donde existe un
desarrollo en serie de Taylor. Por ejemplo, la función f (z) = 1 + 2z − 3z 2 solo tiene puntos
regulares.
Como ceros de una función de variable compleja se conocen aquellos puntos regulares z = z0
donde f (z0 ) = 0. El cero en z0 tiene orden n cuando no solo f (z), sino también las siguientes
n − 1 derivadas de f (z) se hacen cero en z = z0 , es decir, si f (z0 ) = f 0 (z0 ) = f 00 (z0 ) =
· · · = f (n−1) (z0 ) = 0 pero f (n) (z0 ) 6= 0. Nótese que si se hace un desarrollo de Taylor para
f (z) centrado en un cero de n-ésimo orden, entonces los primeros n términos a0 , . . . ,an−1
desaparecen y por tanto:
f (z) = an (z − z0 )n + an+1 (z − z0 )n+1 + · · ·

= (z − z0 )n an + an+1 (z − z0 ) + an+2 (z − z0 )2 + · · · (2.83)
Si f (z) es analítica y tiene un cero en z0 , entonces el cero z0 está aislado, es decir, existe
una vecindad de z0 que no contiene otros ceros adicionales. Esto se aprecia directamente en
(2.83), pues si f (z) es analítica tiene entonces el allí indicado desarrollo de Taylor, donde el
término entre paréntesis cuadrados, para valores de z muy cercanos a z0 , tenderá a an y por
tanto será siempre diferente cero.
La función sen(z) tiene por ejemplo ceros de primer orden en z = kπ, k ∈ Z. La función
analítica anterior f (z) = 1 + 2z − 3z 2 = 3(z + 31 )(z − 1) tiene ceros de primer orden en
z = −1/3 y z = 1.
Si la parte principal del desarrollo en serie de Laurent centrada en z0 contiene un número
finito de términos:
a−m a−1
f (z) = m
+ ··· + + a0 + a1 (z − z0 ) + · · · + ak (z − z0 )k + · · ·
(z − z0 ) z − z0
entonces a z0 se le denomina polo. Al mayor exponente de la parte principal (es decir, a m)

se le denomina orden del polo, o expresado de otra forma, el orden del polo es el número
natural m para el que se cumple
lı́m (z − z0 )m f (z) = a−m

z→z0
donde a−m es finito y distinto de cero. Por ejemplo, la función f (z) = z −1 tiene un polo de
primer orden en z = 0, y la función f (z) = (z − j)−2 tiene un polo de segundo orden en
z = j.
Una singularidad en z = z0 se denomina esencial , si la parte principal de la serie de Laurent
contiene un número infinito de términos. Por ejemplo, f (z) = e1/(z+1) tiene una singularidad
esencial en z = −1.
Finalmente, si la definición de una función es singular en z0 , pero a pesar de ello sí existe un
desarrollo en serie de Taylor en la vecindad de z0 , de modo tal que si se reemplaza el valor

de la función original por el valor al que converge la serie de Taylor en z0 entonces se obtiene
una función analítica, a z0 se denomina singularidad removible o evitable. Como ejemplo de
esto considérese la función
sen z
f (z) =
z
que no está definida en z = 0, porque allí se obtiene 0/0. Si se calcula la serie de Laurent
centrada en z0 = 0 se obtiene

sen(z) 1 z3 z5 z7
= z− + − + ···
z z 3! 5! 7!
z2 z4 z6
=1− + − ···
3! 5! 7!
que corresponde a una serie de Taylor con valor 1 para z = 0. Por tanto, si se define la
función sa(z) como ( sen z
si z 6= 0
sa(z) = z
1 si z = 0
entonces se obtiene una función analítica en z = 0 en la que se ha removido o reemplazado
la singularidad de la definición original.
Ejemplo 2.36 Indique cuántos y cuáles singularidades y puntos regulares tiene la siguiente
función (con su orden y respectiva posición):

z 3 sen z1
f (z) =
(z + 2)3 (z 2 + 9)
Solución:
• Ceros: la función tiene infinitos ceros, siempre que z1 = kπ con k ∈ Z, es decir, en
z = kπ1
y todos son de primer orden, puesto que la primera derivada f 0 (z) evaluada
en esas posiciones ya no será cero, lo que quiere decir que el coeficiente de la serie de
Taylor asociado a (z − z0 ) no es cero.
Obsérvese que z = 0 no es un cero de orden 3, pues en z = 0 el término sen(1/z) se
indefine, y requiere mayor análisis.
• Puntos regulares: infinitos. Todos los ceros anteriores son puntos regulares, a los que
se suman todos los otros puntos que no son ni polos ni singularidades esenciales.
• La serie de Taylor del seno evaluada en 1/z tiene parte principal infinita:
z3 z5
sen z = z − + − ···
3! 5!
1 1 1 1
sen = − 3
+ − ···
z z 3!z 5!z 5
X∞ X −1
1
= 2l+1
= ck z k
l=0
(2l + 1)!z k=−∞
La serie centrada en z0 = 0 de los otros términos restantes es:

X∞
z3
= dk z k
(z + 2)3 (z 2 + 9) k=3

donde se ha usado el hecho de que el factor z 3 solo desplaza la serie de Taylor centrada
en z = 0, correspondiente a los otros dos términos, hacia la derecha. Al multiplicar
ambas series: ! ∞ !
−1
X X ∞
X
k k
f (z) = ck z dk z = ak z k
k=−∞ k=3 k=−∞
la parte principal tiene infinitos términos, por lo que z = 0 es una singularidad esencial.
• En z = −2 hay un polo de orden 3 y en z = ±j3 hay dos polos de orden 1.
2.36
Una función f (z) se denomina meromorfa si es analítica en todo su dominio de definición

excepto en un número finito de polos o singularidades removibles. Una función meromorfa
no tiene singularidades esenciales.
Nótese que si la función f (z) es un cociente de dos polinomios P (z) y Q(z):
P (z)
f (z) =
Q(z)
entonces los ceros del polinomio Q(z) serán polos de la función meromorfa f (z), y los ceros
de P (z) serán ceros de f (z) siempre y cuando los ceros de P (z) y los ceros de Q(z) no
coincidan. El orden de los ceros de Q(z) será a su vez el orden de los polos de f (z). Para los
desarrollos de Laurent de este tipo de funciones, las posibles regiones de convergencia estarán
delimitadas siempre por los polos, es decir, los anillos de convergencia tendrán siempre en
sus límites algún polo de la función.
Ejemplo 2.37 Encuentre las posibles regiones de convergencia de desarrollos en series de

Laurent para la función meromorfa
z(z − 3)2
f (z) =
(z − 1)4 (z − j)(z + j)
si las series se centran en z0 = 2 + j.
Solución:
La figura 2.57 ilustra los polos y las posibles regiones de convergencia para el centro dado.
Los polos se denotan con ×, con un superíndice indicando su orden. Los ceros se denotan
con ◦, con el orden como superíndice también. Las regiones de convergencia son:
√
√ |z − z0 | < 2
2 < |z − z0 | < 2√
√2 < |z − z0 | < 2 2
2 2 < |z − z0 |
2.37
2.5.2. Residuos
Si una función de variable compleja f (z) tiene un polo en z = z0 entonces el coeficiente a−1
de la serie de Laurent centrada en z0 , en una región de convergencia donde z0 es un punto
límite, se denomina residuo de f (z) en z = z0 .

Im{z}
4
z0
1
4 2
Re{z}
−1 1 2 3 4 5
−1
−2
Figura 2.57: Posibles regiones de convergencia para los desarrollos en serie de Laurent del ejem-
plo 2.37.
En la sección 2.6.3 se demostrará la importancia de los residuos, cuyo cálculo puede realizarse
sin tener que obtener el desarrollo completo de la serie Laurent. Por ejemplo, si f (z) tiene
un solo polo simple en z0 , entonces su desarrollo en serie de Laurent es:
a−1
f (z) = + a0 + a1 (z − z0 ) + a2 (z − z0 )2 + · · ·
z − z0
Multiplicando ambos lados de la ecuación por (z−z0 ) y haciendo tender z hacia z0 se obtiene:
a−1 = lı́m [(z − z0 )f (z)]

z→z0
Si la función f (z) tiene un polo de orden dos en z = z0 entonces su desarrollo de Laurent es

a−2 a−1
f (z) = 2
+ + a0 + a1 (z − z0 ) + a2 (z − z0 )2 + · · ·
(z − z0 ) z − z0
y para aislar el residuo a−1 puede ahora multiplicarse ambos lados por (z − z0 )2 seguido de
una derivación:
(z − z0 )2 f (z) = a−2 + a−1 (z − z0 ) + a0 (z − z0 )2 + a1 (z − z0 )3 + · · ·

d
(z − z0 )2 f (z) = a−1 + 2a0 (z − z0 ) + 3a1 (z − z0 )2 + 4a2 (z − z0 )3 + · · ·
dz
con lo que finalmente se puede obtener el residuo a−1 por medio de

d
a−1 = lı́m 2
(z − z0 ) f (z) (2.84)
z→z0 dz
Este proceso puede continuarse para polos de orden superior, con lo que se obtiene que, si
f (z) tiene un polo de orden m en z = z0 entonces el residuo estará dado por
m−1
1 d
a−1 = lı́m m
[(z − z0 ) f (z)] (2.85)
(m − 1)! z→z0 dz m−1
Ejemplo 2.38 Determine el residuo de

2z
f (z) =
(z 2 + 1)(2z − 1)
en cada uno de sus polos.
Solución: Representando f (z) en forma normalizada se tiene que
z
f (z) =
(z + j)(z − j)(z − 12 )
Así, para el residuo en z = j

z
a−1 = lı́m(z − j)
z→j (z + j)(z − j)(z − 21 )
z
= lı́m
z→j (z + j)(z − 1 )
2
j 1 + 2j
= =−
2j(j − 21 ) 5
Para el residuo en z = −j de forma equivalente

z
a−1 = lı́m (z + j)
z→−j (z + j)(z − j)(z − 21 )
z
= lı́m
z→−j (z − j)(z − 1 )
2
−j 1 − 2j
= 1 = −
−2j(−j − 2 ) 5
y finalmente para z = 1
2

1 z
a−1 = lı́m z −
z→1/2 2 (z + j)(z − j)(z − 21 )
z
= lı́m
z→1/2 (z + j)(z − j)
1
2 2
= 1 1 =
( 2 − j)( 2 + j) 5
2.38
Ejemplo 2.39 Determine los residuos de

z 2 − 2z
f (z) =
(z + 1)2 (z 2 + 4)
en cada uno de sus polos en el plano z.
Solución: La función puede reescribirse como
z(z − 2)
f (z) =
(z + 1)2 (z− 2j)(z + 2j)
lo que implica que f (z) tiene polos simples en z = 2j y z = −2j y un polo doble en z = −1.
Además, la función tiene un cero en z = 0 y otro en z = 2. Para los dos primeros polos se
procede de la misma manera que en el ejemplo anterior. Para el polo z = 2j.
z 2 − 2z
a−1 = lı́m (z − 2j)
z→2j (z + 1)2 (z − 2j)(z + 2j)
z 2 − 2z
= lı́m
z→2j (z + 1)2 (z + 2j)
−4 − 4j 1
= 2
= (7 + j)
(2j + 1) 4j 25
Para el polo z = −2j.
z 2 − 2z
a−1 = lı́m (z + 2j)
z→−2j (z + 1)2 (z − 2j)(z + 2j)
z 2 − 2z
= lı́m
z→−2j (z + 1)2 (z − 2j)
−4 + 4j 1
= 2
= (7 − j)
−(−2j + 1) 4j 25
Para el polo doble en z = −1 se utiliza la ecuación (2.85), con lo que

1 d 2 z 2 − 2z
a−1 = lı́m (z + 1)
1! z→−1 dz (z + 1)2 (z 2 + 4)
(z + 4)(2z − 2) − (z 2 − 2z)(2z)
2
14
= lı́m 2 2
=−
z→−1 (z + 4) 25
2.39
La ecuación (2.85) es aplicable siempre y cuando el número de términos en la parte principal

sea finito, es decir, aplica para polos. En el caso de singularidades esenciales debe encontrarse
el residuo desarrollando la serie, como lo ilustra el siguiente ejemplo.
1
Ejemplo 2.40 Encuentre los residuos de la función f (z) = e z−1 en z = 0 y z = 1, e indique
qué tipo de puntos son éstos.
Solución:
El punto z = 0 es un punto regular (f (0) = 1/e), puesto que la función es holomorfa allí, y
por tanto tiene un desarrollo en serie de Taylor centrado en z = 0, es decir, la parte principal
de la serie de Laurent correspondiente es cero y por tanto el residuo de dicho punto es igual
a a−1 = 0.
0
El punto z = 1 corresponde a una singularidad esencial, puesto que ez tiene como serie de
Taylor
X∞
z0 z0 z02 z03 z0n
e =1+ + + + ··· =
1! 2! 3! n=0
n!

y con z 0 = 1/(z − 1) se obtiene la serie
1 (z − 1)−1 (z − 1)−2 (z − 1)−3

e z−1 = 1 + + + + ···
1! 2! 3!
X∞
(z − 1)−n
=
n=0
n!
de donde se observa que la parte principal es de longitud infinita, con el coeficiente del
término 1/(z − 1) igual a a−1 = 1 que corresponde al residuo en z = 1. 2.40
2.6. Integración compleja

En el cálculo integral de funciones de variable real se distingue entre integrales definidas e
integrales indefinidas o antiderivadas. La integrales indefinidas tienen la propiedad:
Z
d
F (x) = f (x) dx =⇒ F (x) = f (x)
dx
La continuación analítica de lo anterior puede utilizarse para definir las integrales indefinidas
de variable compleja: Z
d
F (z) = f (z) dz =⇒ F (z) = f (z)
dz
Por otro lado, mientras que la integración definida para funciones de variable real ocurre
dentro de intervalos cerrados en el eje real [a,b] ∈ IR:
Z b
f (x) dx = F (b) − F (a)
a
en el caso de funciones de variable compleja debe elegirse primero la trayectoria de integración

C, que puede por ejemplo representarse de forma paramétrica como
C = {z : z(t) = x(t) + jy(t), ta ≤ t ≤ tb }
La tangente en cada punto de esta curva C se puede calcular por medio de la derivada de
su función paramétrica con respecto a t (figura 2.58):
d z(t + ∆t) − z(t)

z(t) = lı́m
dt ∆t→0 ∆t
Si esta derivada dz(t)/dt existe, es diferente de cero, y es continua para un subintervalo de

[ta ,tb ], entonces se dice que la trayectoria z(t) describe una curva suave.
Una trayectoria de integración se llamará cerrada si z(ta ) = z(tb ), es decir, si el punto inicial
es idéntico al punto final, y se denomina simple si para todo par de valores t1 ,t2 ∈ ]ta ,tb [
con t1 6= t2 se cumple z(t1 ) 6= z(t2 ) y además z(t1 ) 6= z(ta ), z(t2 ) 6= z(tb ), es decir, si no
hay intersecciones en la curva descrita. Una curva simple y cerrada se denomina curva de
Jordan y tiene la propiedad de partir el plano en dos conjuntos disjuntos: uno acotado y otro
ilimitado. La región acotada por una curva de Jordan se denomina convexa, si cualesquiera

Im(z)
d
z(t)
dt
z ( t)
t) −
+∆
z (t
t)
∆
t+
z(
z(
t)
0 Re(z)
Figura 2.58: Tangente a trayectoria de integración.
dos puntos dentro de ella pueden ser unidos por exactamente un segmento de recta que
contiene solo puntos de la región.
Una curva de Jordan se dice tener sentido positivo si los puntos de la región acotada se
encuentran al lado izquierdo de la trayectoria que se describe conforme t aumenta. Si la
curva de Jordan delimita una región convexa, el sentido positivo es equivalente a decir que,
si t aumenta, entonces la trayectoria descrita sigue el sentido contrario a las manecillas
del reloj (figura 2.59). La curva de Jordan tiene sentido negativo si al lado izquierdo de la
trayectoria se encuentran los puntos de la región ilimitada.
Im(z) Im(z)
Re(z) Re(z)
Figura 2.59: En sentido positivo la trayectoria tiene su izquierda una región acotada, mientras
que el sentido negativo tiene a su izquierda una region ilimitada.
2.6.1. Integrales de contorno
Sea f (z) una función compleja, continua en todos los puntos de una curva simple C de
longitud finita que une a los puntos a y b. La curva se subdivide en n segmentos a través de
los puntos {z0 = a, z1 , z2 , . . ., zn−1 , zn = b}, y se coloca un punto z˜k sobre cada uno de los
segmentos zk−1 zk (figura 2.60). Con esta subdivisión puede hacerse una suma de integración

Im(z)
z̃n b = zn
z̃k
zk−1 z̃k+1
z̃2 z2 zk zn−1
zk+1
z1
z̃1
a = z0
0 Re(z)
Figura 2.60: Partición de la curva C en n segmentos.
de forma análoga al caso de funciones de variable real:
Sn = f (z̃1 )(z1 − z0 ) + f (z̃2 )(z2 − z1 ) + · · · + f (z̃n )(zn − zn−1 ) (2.86)
Si se denota zk − zk−1 como ∆zk entonces la suma anterior se puede expresar como
n
X
Sn = f (z̃k )∆zk (2.87)
k=1
Si n se hace crecer de tal modo que la magnitud del mayor intervalo |∆k | se aproxime a
un diferencial dz infinitesimalmente pequeño, entonces la suma Sn se aproximará a un valor
que no depende de la subdivisión de la curva, denominado integral de contorno o integral de
línea de f (z) a lo largo de C, denotado como
Z n
X
f (z) dz = lı́m
n→∞
f (z̃k )∆zk
C máx|∆zk |→0 k=1
La notación I
f (z) dz
C
con un pequeño círculo en el centro de la integral se utiliza para representar el caso especial
en que la trayectoria de integración es cerrada, es decir, el punto inicial a es igual al punto
final b.
Si se utiliza f (z) = u(x,y) + jv(x,y), con z = x + jy entonces la integral anterior puede
expresarse como
Z Z
f (z) dz = [u(x,y) + jv(x,y)] (dx + jdy)
C ZC Z
= [u(x,y) dx − v(x,y) dy] + j [v(x,y) dx + u(x,y) dy] (2.88)
C C
que corresponden con integrales de línea de variable real. Estas integrales pueden calcularse

utilizando la expresión paramétrica de C, de tal forma que

Z Z tb
dz(t)
f (z) dz = f (z(t)) dt (2.89)
C ta dt
Z tb
d d
= [u(x(t),y(t)) + jv(x(t),y(t))] x(t) + j y(t) dt
ta dt dt
Z tb
d d
= u(x(t),y(t)) x(t) − v(x(t),y(t)) y(t) dt
ta dt dt
Z tb
d d
+j v(x(t),y(t)) x(t) + u(x(t),y(t)) y(t) dt
ta dt dt
Ejemplo 2.41 Encuentre el valor de la integral de línea

Z
z 2 dz
C
para la trayectoria de integración C de a = (−1+j) a b = (5+j3) formada por dos segmentos

de recta, de a = (−1 + j) a c = (5 + j) y el segundo de c = (5 + j) a b = (5 + j3).
Solución: Nótese que el primer segmento a c es horizontal y el segundo c b es vertical (figu-
ra 2.61).
Im(z)
3 b
1
a c
−1 1 2 3 4 5 Re(z)
Figura 2.61: Trayectoria de integración C para el ejemplo 2.41.
Como
z 2 = (x + jy)2 = (x2 − y 2 ) + j(2xy)
entonces con (2.88)
Z Z Z
2
2 2

I= z dz = (x − y ) dx − 2xy dy + j (2xy dx + (x2 − y 2 ) dy
C C C
Esta integral se puede separar como la suma de las integrales en los dos segmentos I =
Iac + Icb . Para el primero de ellos, por ser horizontal se tiene que y es constante (y = 1) y
por tanto dy = 0: Z Z
5 5
Iac = (x2 − 1) dx + j 2x dx
−1 −1
5
1 5
= x3 − x + j x2 −1 = 36 + j24
3 −1

El segundo segmento c a es vertical con x constante (x = 5) y por tanto dx = 0:

Z 3 Z 3
Icb = −10y dy + j (25 − y 2 ) dy
1 1
3

2 3 1 3
= −5y 1 + j 25y − y
3 1
124
= −40 + j
3
y finalmente
Z
2 124 196
z dz = Iac + Icb = (36 + j24) + −40 + j = −4 + j
C 3 3
2.41
En el ejemplo anterior el integrando es analítico en todo el plano complejo z. En dicho caso

siempre se va a cumplir que si la integral indefinida de f (z) es F (z), entonces el valor de la
integral Z
f (z) dz = F (b) − F (a)
C
donde a y b son los puntos inicial y final de la curva C respectivamente. El lector puede
verificar el resultado anterior conociendo que F (z) = z 3 /3.
4 Lección 9
Lección 10 B Ejemplo 2.42 Encuentre la integral de f (z) = 1/(z − z0 ) con una trayectoria circular de
radio r alrededor del punto constante complejo z0 .
Solución: El cálculo de esta integral se puede simplificar haciendo uso de la sustitución de
variable z̃ = z − z0 . Puesto que dz̃ = dz entonces
I I
1 1
dz = dz̃
C z − z0 C̃ z̃
donde C̃ es entonces ahora una trayectoria circular de radio r alrededor del origen del plano
z̃. Esta circunferencia se puede representar paramétricamente como
z̃(t) = r cos t + jr sen t, 0 ≤ t ≤ 2π
y su derivada es por tanto
d
z̃(t) = −r sen t + jr cos t, 0 ≤ t ≤ 2π
dt
= j 2 r sen t + jr cos t
= j(r cos t + jr sen t)
= j z̃(t)
Utilizando (2.89) se obtiene entonces

I I
1 1 d
dz̃(t) = z̃(t) dt
C̃ z̃(t) C̃ z̃(t) dt
Z 2π Z 2π
1
= j (r cos t + jr sen t) dt = j dt = 2πj
0 r cos t + jr sen t 0

De forma equivalente, la integral anterior se puede obtener utilizando como parametrización

de la circunferencia z̃(t) = rejt , con derivada dz̃(t)/dt = jrejt = j z̃(t). Entonces
I I Z 2π Z 2π
1 1 d 1 jt
dz̃(t) = z̃(t) dt = jre dt = j dt = 2πj
C̃ z̃(t) C̃ z̃(t) dt 0 rejt 0
Nótese que si se integrara en sentido de las manecillas del reloj (por ejemplo utilizando t de
0 a −2π), entonces el resultado de esta integral sería −2πj.
En resumen, si se integra en una trayectoria circular centrada en un polo simple, en sentido
contrario a las manecillas del reloj, el valor de la integral es 2πj, independientemente del
radio de dicha trayectoria circular y de la ubicación del polo. 2.42
Ejemplo 2.43 Encuentre la integral de f (z) = 1/(z − z0 )n , para n ∈ Z \ {1} alrededor de

una circunferencia de radio r.
Solución: Prosiguiendo como en el ejemplo anterior se reemplaza primero z̃ = z − z0 y
dz̃ = dz, lo que también traslada la trayectoria circular al origen de z̃. De esta forma se
utiliza como curva:
d
z̃(t) = rejt , z̃(t) = jrejt = j z̃(t)
dt
y considerando que n 6= 1 entonces:
I Z 2π
1 1
n
dz̃(t) = n jnt
jrejt dt
C̃ (z̃(t)) 0 r e
Z 2π jt(1−n) 2π
1−n jt(1−n) 1−n e
= jr e dt = jr
0 j(1 − n) 0
r 1−n
= ej(1−n)2π − 1 = 0
1−n
puesto que (1 − n) es entero y ej2kπ = 1 para k ∈ Z. Resumiendo, y considerando el resultado
del ejemplo 2.42: (
I
1 2πj si n = 1
dz = (2.90)
C (z − z0 )
n
0 si n 6= 1
para una trayectoria de integración circular cerrada C centrada en el polo z0 y en sentido
positivo (sentido contrario a las manecillas del reloj). 2.43
Volviendo a la definición de la suma integral (2.87), si se asume que la magnitud de la función

f (z) nunca supera el valor de una constante positiva M , es decir |f (z)| ≤ M para todo valor
de z sobre la trayectoria de integración C, entonces, aplicando la desigualdad de Minkowski
se obtiene:
Xn X n n
X
|Sn | = f (z̃)∆zk ≤ |f (z̃)| |∆zk | ≤ M |∆zk |
k=1 k=1 k=1
donde |∆zk | representa la longitud del segmento de recta entre zk y zk−1 , por lo que
n
X
lı́m |∆zk | = L
∆zk →0
k=1

denota la longitud L de la trayectoria de integración C. Esto implica

Z
f (z) dz ≤ M L (2.91)
C
es decir, la magnitud de la integral de contorno sobre la curva C es siempre menor al producto

del mayor valor de la magnitud de la función M ≥ |f (z)| y la longitud L de la curva C.
A esta importante propiedad se le denomina la desigualdad M L y se utilizará en varias
demostraciones posteriores.
2.6.2. Teorema de la integral de Cauchy
El Teorema de la integral de Cauchy establece que si f (z) es una función analítica con
derivada f 0 (z) continua en todos los puntos dentro y sobre una curva cerrada simple C,
entonces se cumple I
f (z) dz = 0 (2.92)
C
Para demostrar este teorema se parte del hecho de que f (z = x + jy) = u(x,y) + jv(x,y)
es analítica dentro y sobre C y su derivada f 0 (z) es continua, lo que permite asumir que
también u(x,y) y v(x,y) tienen derivadas parciales continuas en la misma región definida por
C. Por estas razones es posible aplicar el Teorema de Green (ver apéndice A) que establece
bajo las condiciones dadas que
I ZZ
∂v(x,y) ∂u(x,y)
(u(x,y) dx − v(x,y) dy) = − − dx dy (2.93)
C R ∂x ∂y
donde R es la región acotada por C. El lado derecho de este teorema sigue el mismo patrón
que ambos sumandos en la ecuación (2.88) si C se elige cerrada:
I I I
f (z) dz = [u(x,y) dx − v(x,y) dy] + j [v(x,y) dx + u(x,y) dy]
C
ZCZ C ZZ
∂v(x,y) ∂u(x,y) ∂u(x,y) ∂v(x,y)
= − − dx dy + j − dx dy
R ∂x ∂y R ∂x ∂y
= 0 + j0
donde se ha considerado que f (z) es analítica y por lo tanto se cumplen las ecuaciones
de Cauchy-Riemann, por lo que los integrandos de la última expresión son cero. Puede
demostrarse que este teorema sigue siendo válido aún sin la restricción de continuidad de
f 0 (z), en cuyo caso recibe el nombre de teorema de Cauchy-Goursat o teorema fundamental
de integración compleja.
El teorema de la integral de Cauchy junto con el ejemplo 2.43, donde se encontró (2.90)
permiten observar que, para que el valor de una integral de contorno cerrada sea cero, el
hecho de que la función sea analítica es una condición suficiente, pero no necesaria.
Una de las consecuencias más importantes del teorema de la integral de Cauchy es la in-
dependencia de la trayectoria de integración de un punto a a un punto b para una integral
de contorno si el integrando es una función analítica. Esto se observa eligiendo dos puntos

cualesquiera sobre una curva cerrada sobre y dentro de la cual la función f (z) es analítica
(figura 2.62). Puesto que
I Z Z
f (z) dz = f (z) dz + f (z) dz = 0
C C1 C2
donde considerando que si se invierte la dirección de, por ejemplo C2 , lo que se denota por
−C2 y, como C1 , también va de a hacia b, entonces
Z Z Z Z
f (z) dz − f (z) dz = 0 =⇒ f (z) dz = f (z) dz
C1 −C2 C1 −C2
Im(z)
b
C2
C1
Re(z)
Figura 2.62: Independencia de integración de a hacia b con respecto a la trayectoria.
En la práctica se utilizan con frecuencia funciones polinomiales racionales, como por ejemplo
1 z
f1 (z) = , f2 (z) =
z − z0 (z − z0 )2 (z + z1 )
que contienen singularidades del tipo polos. Para poder evaluar integrales con estas funciones
se utiliza normalmente una deformación de la trayectoria de Jordan que evita incluir la
singularidad dentro de la región acotada, tal y como lo muestra la figura 2.63. El ancho del
canal entre BA y B 0 A0 se elige infinitesimalmente pequeño, de tal modo que el segmento
de B a A es prácticamente idéntico al que va de A0 a B 0 pero en sentido contrario. El
segmento de curva D puede ser, por ejemplo, un círculo cerrado de radio r, centrado en la
singularidad, pero recorrido en sentido contrario a las manecillas del reloj. El contorno C
es un segmento de curva también prácticamente cerrado. Nótese que el interior de la región
siempre se encuentra al lado izquierdo en el sentido de la trayectoria. Por el Teorema de la
integral de Cauchy, la integral por esta trayectoria debe ser cero, por lo que
I Z I Z
f (z) dz + f (z) dz + f (z) dz + f (z) dz = 0
C A0 B 0 −D BA
donde el signo en −D denota que el sentido de la trayectoria es negativo (en el sentido de

las manecillas del reloj).
Puesto que A0 B 0 y BA son prácticamente el mismo segmento, se cumple
Z Z Z
f (z) dz = − f (z) dz = f (z) dz
A0 B 0 BA AB

Im(z)
−D
z0 B A
B′ A′
r
0 Re(z)
Figura 2.63: Deformación del contorno para evitar una singularidad.
y considerando que I I
f (z) dz = − f (z) dz
−D D
entonces I I
f (z) dz = f (z) dz (2.94)
C D
es decir, el valor de la integral de contorno alrededor de un polo es independientemente de
la trayectoria de integración elegida para rodear al polo.
Ejemplo 2.44 Evalúe la integral

I
1
dz
C z − (2 + j)
alrededor de cualquier contorno cerrado que incluya a z = 2 + j.
Solución: Haciendo un cambio de variable z̃ = z − (2 + j) se tiene dz̃ = dz y la ecuación
anterior se reduce a: I I
1 1
dz = dz̃
C z − (2 + j) C̃ z̃
Considerando la ecuación (2.94), esta integral es igual a integrar en un círculo de un radio
r suficientemente pequeño para estar incluido en la región delimitada por C̃. La ecuación
(2.90) indica entonces que el valor de esta integral es 2πj. 2.44
En general, si la curva C encierra a varias singularidades, se puede proceder de forma análoga

al principio anterior y evadir las singularidades como lo muestra la figura 2.64, con lo que se
obtiene para n singularidades dentro de C:
I I I I I
f (z) dz = f (z) dz + f (z) dz + f (z) dz + · · · + f (z) dz (2.95)
C D1 D2 D3 Dn
Ejemplo 2.45 Encuentre el valor de la integral de contorno cerrado de la función

z
f (z) =
(z − 1)(z + j)
si la trayectoria de integración

Im(z)
−D3
−D2
z3
C
z2
−D1
z1
0 Re(z)
Figura 2.64: Deformación del contorno para evitar varias singularidades.
1. contiene a ambas singularidades

2. contiene a z = −j, pero no a z = 1
Solución: La integral se simplifica si se separa el integrando en fracciones parciales:

1 1−j 1+j
f (z) = +
2 (z − 1) (z + j)
puesto que ahora la integral se puede reescribir como
 
I I I
1 1 1 
f (z) dz = (1 − j) dz + (1 + j) dz 
C 2 z−1 z+j 
| C {z } | C {z }
I1 I2
donde I1 e I2 se pueden calcular fácilmente considerando resultados anteriores.

Para el caso en que C encierra ambos polos entonces I1 = I2 = 2πj y así:
I
2πj
f (z) dz = 2 = 2πj
C 2
Para el caso en que C solo encierra a z = −j entonces I1 es cero por el teorema de Cauchy
e I2 = 2πj, lo que resulta en
I
2πj
f (z) dz = (1 + j) = π(−1 + j)
C 2
2.45
2.6.3. Teorema del residuo
Sea f (z) una función analítica excepto en un número finito de singularidades dentro de la
región S delimitada por la curva C. Si el contorno se deforma para excluir a las singularidades,

entonces I I I I
I= f (z) dz = f (z) dz + f (z) dz + · · · + f (z) dz
C D1 D2 Dn
donde Di es una pequeña región circular que evade a la singularidad zi , i = 1,2, . . . ,n

(figura 2.64). Asúmase que f (z) tiene un polo de orden m en z = zi , lo que conduce a un
desarrollo en serie de Laurent de la forma
(i) (i)
a−m a−1 (i) (i) (i)
f (z) = m
+ · · · + + a0 + a1 (z − zi ) + · · · ak (z − zi )k + · · ·
(z − zi ) z − zi
válida en el anillo ri < |z − zi | < Ri .

Ahora, si se integra en el círculo Di que rodea a zi se tiene:
I I " (i) (i)
a−m a−1
f (z) dz = m
+ · · · +
Di Di (z − zi ) z − zi
#
(i) (i) (i)
+ a0 + a1 (z − zi ) + · · · + ak (z − zi )k + · · · dz
I I
(i) 1 (i) 1
= a−m m
dz + · · · + a−1 dz
Di (z − zi ) Di z − zi
I I I
(i) (i) (i)
+ a0 dz + a1 (z − zi ) dz + · · · + ak (z − zi )k dz + · · ·
Di Di Di
De acuerdo al ejemplo 2.43, todas integrales en la última ecuación son cero excepto la que
(i)
multiplica al residuo a−1 , por lo que
I
(i)
f (z) dz = a−1 2πj
Di
con lo que finalmente se obtiene

I n
X (i)
I= f (z) dz = 2πj a−1 .
C i=1
Esta conclusión es conocida como teorema del residuo y afirma que si f (z) es una función
analítica dentro y sobre una curva cerrada simple C, excepto en un número finito de polos,
entonces su valor será igual a 2πj multiplicado por la suma de todos los residuos de f (z)
para las singularidades dentro de C.
Ejemplo 2.46 Evalúe la integral

Z
1
dz
C z(1 + z)
si C es
1. |z| = 21
2. |z| = 2

Solución:
Las singularidades están en z1 = 0 y z2 = −1, y los residuos están dados por (2.84):
(1) 1
a−1 = lı́m z =1
z1 =0 z→0 z(z + 1)
(2) 1
a−1 = lı́m (z + 1) = −1
z2 =−1 z→−1 z(z + 1)
así que para el primer caso, donde la curva solo encierra al polo z1 = 0, el resultado de la
integral es Z
1
dz = 2πj
C z(1 + z)
y para el segundo caso, donde ambos polos se encuentran dentro del círculo entonces
Z
1
dz = 2πj(1 − 1) = 0 .
C z(1 + z)
2.46
2.6.4. Fórmula de la integral de Cauchy
Asúmase que la función f (z) es meromorfa y tiene el desarrollo en serie de Laurent:

∞
X
f (z) = ck (z − z0 )k .
k=−∞
Multiplicando ambos lados de la ecuación por (z − z0 )m e integrando sobre un contorno

circular C que encierra a z0 , se obtiene
I I ∞
!
X
(z − z0 )m f (z) dz = (z − z0 )m ck (z − z0 )k dz
C C k=−∞
∞
X I
k+m
= ck (z − z0 ) dz
k=−∞ C
y con el resultado de los ejemplos 2.42 y 2.43, en la suma del lado derecho solo sobrevive un
único término cuando k + m = −1, y por tanto
I
(z − z0 )m f (z) dz = c−1−m 2πj .
C
y haciendo el cambio de variable n = −1 − m se obtiene:

I
1 f (z)
cn = dz (2.96)
2πj C (z − z0 )n+1
lo que provee una estrategia para calcular los coeficientes de una serie de Laurent por medio
de integrales complejas.

Por otro lado, en el caso de que f (z) sea una función analítica, se sabe que tiene un desarrollo
en serie de Taylor con coeficientes (2.74):
f (n) (z0 )
cn = . (2.97)
n!
Igualando los dos resultados (2.96) y (2.97) se obtiene

I
1 f (z) f (n) (z0 )
dz =
2πj C (z − z0 )n+1 n!
de donde se deduce la llamada fórmula integral de Cauchy:
I
f (z) 2πj
n+1
dz = f (n) (z0 ) . (2.98)
C (z − z0 ) n!
Por ejemplo, para el caso n = 0

I
f (z)
dz = 2πjf (z0 ) .
C z − z0
Un resultado importante de las derivaciones anteriores es que si una función es analítica en

un dominio R, entonces en ese dominio tiene derivadas de todos los órdenes, que son a su
vez funciones analíticas y que estarán dadas para un punto z0 en R por
I
(n) n! f (z)
f (z0 ) = dz .
2πj C (z − z0 )n+1
Esto es una diferencia fundamental con las funciones derivables de variable real, en cuyo
caso no puede concluirse nada acerca de la existencia de derivadas de ordenes superiores si
la función es derivable.
Ejemplo 2.47 Encuentre el valor de la integral de contorno cerrado de la función

z
f (z) =
(z − 1)(z + j)
si la trayectoria de integración contiene a ambas singularidades.
Solución: Por medio de (2.95) la integral se calcula como:
I I I
f (z) dz = f (z) dz + f (z) dz
C D1 D2
donde D1 contiene solo a z = 1 y D2 solo a z = −j.

El primer término se puede escribir entonces como
I I I z
z (z+j)
f (z) dz = dz = dz
D1 D1 (z − 1)(z + j) D1 z − 1
lo que ahora se puede calcular utilizando la fórmula integral de Cauchy como

I
z 1
f (z) dz = 2πj = 2πj = π(1 + j)
D1 z + j z=1 1+j
El segundo término se resuelve de forma análoga:

I I I z
z (z−1)
f (z) dz = dz = dz
D2 D2 (z − 1)(z + j) D2 z + j
y con la fórmula integral de Cauchy

I !
z −j
f (z) dz = 2πj = 2πj = π(−1 + j)
D2 z−1 z=−j −j − 1
De forma tal que I

f (z) dz = π(1 + j − 1 + j) = 2πj
C
que coincide con el resultado obtenido anteriormente en el ejemplo 2.45. 2.47
En el apéndice B.1 se presenta una demostración alternativa de la fórmula de la integral de

Cauchy.
4 Lección 10
2.7. Integración sobre semicírculos extensos

En secciones subsiguientes se utilizará la integración en contornos cerrados semicirculares
como los mostrados en la figura 2.65, donde interesa estudiar varios casos donde R tiende a
infinito. Primero considérense los dos casos siguientes para el semicírculo Γ1 :
Z
Caso 1: lı́m f (z) dz (2.99)
R→∞ Γ1
π π
cuando lı́m máx Rf (Rejθ ) = 0 para − ≤ θ ≤
Z R→∞ 2 2
Caso 2: lı́m az
f (z)e dz (2.100)
R→∞ Γ1
π π
cuando lı́m máx f (Rejθ ) = 0 para a ∈ IR, a < 0, − ≤θ≤
R→∞ 2 2
La construcción lı́mR→∞ máx g(Rejθ ) = 0 para − π2 ≤ θ ≤ π2 , donde g(Rejθ ) = f (Rejθ ) ó

g(Rejθ ) = Rf (Rejθ ), implica que la función g(z) converge uniformemente a cero sobre todo
el semicírculo Γ1 de radio R, cuando éste radio se hace crecer indefinidamente. En otros
términos, para todo valor real positivo ε, existe un radio suficientemente grande R0 , a partir
del cual el mayor valor absoluto de la función g(z) en todos los semicírculos de radio R > R0
es siempre menor que ε, o expresado matemáticamente:
lı́m máx g(Rejθ ) = 0 ⇐⇒ ∀ε ∈ IR+ , ∃R0 ∈ IR+ : R > R0 =⇒ g(Rejθ ) < ε
R→∞
El semicírculo Γ1 se puede describir como z = Rejθ con −π/2 ≤ θ ≤ π/2. De este modo
el diferencial dz está dado por dz = jRejθ dθ. En el Caso 1, considerando el sentido de
integración mostrado en la figura 2.65 se cumple:
Z Z π/2
f (z) dz = −j Rejθ f (Rejθ ) dθ
Γ1 −π/2

jR Γ2
R Γ1
C1
R
−R C2 R
jR
−jR
Γ3 R
C3
−R C4 R
Γ4 −jR
Figura 2.65: Trayectorias de integración semicirculares de radio R.
con lo que se deriva si R > R0

Z Z π/2
f (z) dz ≤ Rf (Rejθ ) dθ < πε
Γ1 −π/2
Puesto que ε puede elegirse arbitrariamente pequeño entonces

Z
lı́m f (z) dz = 0
R→∞ Γ1
Para el Caso 2
Z Z π/2
az
f (z)e dz = −j Rejθ f (Rejθ )eaR cos θ ejaR sen θ dθ
Γ1 −π/2
con lo que se obtiene

Z Z π/2
az
f (z)e dz ≤ R f (Rejθ ) eaR cos θ dθ
Γ1 −π/2

Si se elige R > R0 entonces f Rejθ < ε. Además, puesto que el coseno es una función par
en θ, entonces el término exponencial también es par, por lo que se debe cumplir:
Z Z π/2
az
f (z)e dz ≤ 2Rε eaR cos θ dθ
Γ1 0
Para analizar la expresión anterior se utiliza la desigualdad ilustrada en la figura 2.66, donde
se aprecia
2 π
1 − θ ≤ cos θ, para 0 ≤ θ ≤
π 2

1 − π2 θ cos(θ)
0 π θ
0 2
Figura 2.66: Sustitución del cos θ por una función lineal siempre menor que el coseno en un
intervalo 0 ≤ θ ≤ π/2.
Para el intervalo indicado, ambas funciones adquieren valores entre cero y uno. Con esto en
mente, y considerando que el valor real a es estrictamente menor que cero, se cumple
eaR cos θ ≤ eaR e−2aRθ/π para 0 ≤ θ ≤ π/2
con lo que se deduce

Z Z π/2 Z π/2
az aR cos θ aR πεeaR −aR
f (z)e dz ≤ 2Rε e dθ ≤ 2Rεe e−2aRθ/π dθ = e −1
Γ1 0 0 −a
πε πε
= 1 − eaR <
|a| |a|
Por lo tanto, puesto que ε puede elegirse arbitrariamente pequeño, se debe cumplir:
Z
lı́m f (z)eaz dz = 0 a ∈ IR, a < 0
R→∞ Γ1
Los siguientes dos casos son similares a los anteriores, pero utilizando el semicírculo Γ2
(figura 2.65):
Z
Caso 3: lı́m f (z) dz (2.101)
R→∞ Γ2
cuando lı́m máx Rf (Rejθ ) = 0 para 0 ≤ θ ≤ π
Z R→∞
Caso 4: lı́m f (z)ejaz dz (2.102)
R→∞ Γ2
cuando lı́m máx f (Rejθ ) = 0 para a ∈ IR, a > 0, 0 ≤ θ ≤ π
R→∞
El Caso 3 se analiza del mismo modo que el Caso 1, con lo que se obtiene:
Z
lı́m f (z) dz = 0
R→∞ Γ2
Para el Caso 4
Z Z π
jaz
f (z)e dz = j Rejθ f (Rejθ )ejaR cos θ e−aR sen θ dθ
Γ2 0


Z Z π
jaz
f (z)e dz ≤ R f (Rejθ ) e−aR sen θ dθ
Γ2 0
Si se elige R > R0 entonces f (Rejθ ) < ε. La integral al lado derecho se puede descomponer
de la siguiente forma:
Z π Z π/2 Z π
jθ −aR sen θ jθ −aR sen θ
R f (Re ) e dθ = R f (Re ) e dθ + R f (Rejθ ) e−aR sen θ dθ
0 0 π/2
El primer término se puede analizar haciendo uso de la relación mostrada en la figura 2.67,
considerando que el valor real a es, en este caso particular, positivo, y asumiendo que R > R0 :
Z π/2 Z π/2
jθ −aR sen θ
R f (Re ) e dθ ≤ Rεe−aR2θ/π dθ
0 0
(1 − e−aR )π
≤ Rε
2aR
επ
<
2a
2
sen(θ) πθ
0 π θ
0 2
Figura 2.67: Sustitución del sen θ por una función lineal siempre menor que el seno en un intervalo
0 ≤ θ ≤ π/2.
Por medio de un cambio de variable φ = θ−π/2, o aplicando el hecho de que para el intervalo
de π/2 a π se cumple sen θ ≥ 2 − π2 θ, el lector puede demostrar que para el segundo término
se cumple también: Z π
επ
R f (Rejθ ) e−aR sen θ dθ <
π/2 2a
con lo que finalmente se debe cumplir
Z π
επ
R f (Rejθ ) e−aR sen θ dθ <
0 a
y por lo tanto Z
lı́m f (z)ejaz dz = 0
R→∞ Γ2
si lı́mR→∞ máx f (Re ) = 0 con a real positivo.

jθ

Para los contornos Γ3 y Γ4 se obtienen resultados similares, que se resumen junto a los
obtenidos anteriormente en la tabla 2.6. Los últimos cuatro resultados en dicha tabla son
conocidos como el Lema de Jordan, donde dependiendo de la fuente se prefieren utilizar los
semicírculos con orientación vertical (Γ1 o Γ3 ), o los horizontales (Γ2 o Γ4 ).
Tabla 2.6: Valores de integrales en los semicírculos extensos mostrados en la figura 2.65.
Z
lı́m f (z) dz = 0 si lı́m máx Rf (Rejθ ) = 0, para i ∈ {1,2,3,4}
R→∞ Γ R→∞
Z i
lı́m f (z)eaz dz = 0 si lı́m máx f (Rejθ ) = 0, a < 0 y −π/2 ≤ θ ≤ π/2
R→∞ Γ R→∞
Z 1
lı́m f (z)eaz dz = 0 si lı́m máx f (Rejθ ) = 0, a > 0 y π/2 ≤ θ ≤ 3π/2
R→∞ Γ R→∞
Z 3
lı́m f (z)ejaz dz = 0 si lı́m máx f (Rejθ ) = 0, a > 0 y 0 ≤ θ ≤ π
R→∞ Γ R→∞
Z 2
lı́m f (z)ejaz dz = 0 si lı́m máx f (Rejθ ) = 0, a < 0 y π ≤ θ ≤ 2π
R→∞ Γ4 R→∞
2.8. Evaluación de integrales reales

Los principios de integración analizados hasta el momento pueden utilizarse para simplificar
el cálculo de integrales reales definidas. Aquí se evaluarán dos casos.
2.8.1. Caso 1: Integrales impropias
La integral real Z ∞
f (x) dx
−∞
puede continuarse analíticamente en una integral de contorno de variable compleja

Z Z R Z
f (z) dz = lı́m f (z) dz + f (z) dz
C R→∞ −R Γ
donde la trayectoria de integración C se ha descompuesto en una línea recta sobre el eje

real de −R a R (R es real), y el contorno Γ, que es el semicírculo superior descrito por Rejθ
con el parámetro θ que abarca de 0 a π (figura 2.68). Si este segundo término tiende a cero
conforme R tiende a infinito, entonces
Z ∞ Z
f (x) dx = f (z) dz
−∞ C
En la sección anterior se demostró que la integral en el arco Γ se hace cero si el producto

|Rf (z)| tiende uniformemente a cero sobre el semicírculo cuando el radio tiende hacia infinito:
Z
lı́m f (z) dz = 0 si lı́m máx Rf (Rejθ ) = 0
R→∞ Γ R→∞

Im(z)
−R R Re(z)
Figura 2.68: Contorno cerrado para evaluar integrales reales infinitas.
Ejemplo 2.48 Encuentre el valor de la integral

Z ∞
1
2 2
dx
−∞ (x + 4)
Solución: Se considera la continuación analítica de la integral

I
1
2 2
dz
C (z + 4)
donde C es el contorno mostrado en la figura 2.68. El integrando tiene dos polos dobles en
±2j, pero el contorno solo encierra al polo en z = 2j. El residuo en 2j es

d 2 1
a−1 |z=2j = lı́m (z − 2j)
z→2j dz (z − 2j)2 (z + 2j)2
−2 2 1
= lı́m 3
=− 3
=− j
z→2j (z + 2j) (4j) 32
y por el teorema del residuo
I
1 1 π
2 2
dz = 2πj − j =
C (z + 4) 32 16
Puesto que R f (Rejθ ) decrece a una tasa R−3 cuando R → ∞ entonces la integral en el
semicírculo Γ es cero y por tanto
Z ∞ I
1 1 π
2 2
dx = 2 2
dz =
−∞ (x + 4) C (z + 4) 16
2.48
2.8.2. Caso 2: Integrales de funciones reales trigonométricas
Si G(sen θ, cos θ) es una función racional de senos y cosenos, entonces la integral real
Z 2π
G(sen θ, cos θ) dθ
0

puede resolverse a través de integrales de contorno de variable compleja. Si z = ejθ , entonces

1 1 1 1
sen θ = z− , cos θ = z+
2j z 2 z
y
dz
dz = jejθ dθ = jzdθ, dθ =
jz
lo que quiere decir que la integral anterior puede realizarse a través de la integral
Z
f (z)dz
C
donde C es el círculo unitario |z| = 1.
Ejemplo 2.49 Evalúe Z 2π

1
dθ
0 2 + cos θ

Solución: Sustituyendo z = ejθ , cos θ = 21 z + z1 y dθ = dzjz
se obtiene la integral de variable
compleja I I
1 2 1
1 1
dz = 2
dz
C jz 2 + 2 z + z j C z + 4z + 1
donde la trayectoria de integración
√ C es el círculo unitario |z| = 1. Puesto que el integrando
√
tiene dos polos en z = −2 ± 3, el contorno de integración solo incluye a z = −2 + 3. El
residuo del integrando es

2 √ 1 1
a−1 = lı́m √ (z + 2 − 3) √ √ = √
z→−2+ 3 j (z + 2 − 3)(z + 2 + 3) j 3
así que por el teorema del residuo

Z 2π
1 1 2π
dθ = 2πj √ = √
0 2 + cos θ j 3 3
2.49
Otros casos de integrales reales resueltas por medio de integración compleja encontrará el
lector en el análisis del impulso gaussiano (pág. 216), y en el apéndice B.

2.9. Problemas
Los siguientes ejercicios están basados en [1], [8], algunos con leves modificaciones, otros
nuevos para profundizar en los conceptos introducidos en este capítulo.
Problema 2.1. Indique qué tipo de estructura algebraica es (S,{?}), donde S ∈ {IN,Z,Q,IR,C},
y ? ∈ {+, × , − , ÷ ,∧}. El símbolo ‘÷’ denota división y el símbolo ∧ potenciación.
Problema 2.2. Demuestre utilizando las definiciones de suma y multiplicación en los

números naturales que a × 1 = a.
Problema 2.3. ¿Qué clase de estructura algebraica es (Z,{−})?
Problema 2.4. Utilizando las definiciones de suma y producto de números complejos en

(2.12) y (2.13), calcule:
1. (0, 1)2 = (0, 1) × (0, 1)
2. (a, 0) × (1, 0) + (b, 0) × (0, 1)
3. (a, b) × (a, −b)
4. (a, b) + (a, −b)
5. (a, b) − (a, −b)
Problema 2.5. Encuentre la magnitud, argumento, y componentes real e imaginario de

los siguientes números complejos:
1. z1 =j 5. z5 = −2ejπ/4
2. z2 = −j 6. z6 = −2e−jπ
3. z3 = 3 − j4 7. z7 = cos α − 1; α ∈ IR
4. z4 = 2ejπ/4 8. z8 = ejkπ ; k ∈ Z
Problema 2.6. Indique qué trazo describen sobre el plano complejo el conjunto de todos
los números complejos que satisfacen la igualdad Re{z} + 2 Im{z} = 1
Problema 2.7. Demuestre que j 0 = 1, j 1 = j, j 2 = −1, j 3 = −j, j 4 = 1 . . . , j n+4 = j n , . . .
Problema 2.8. Demuestre con la fórmula de Euler las ecuaciones (2.17) y (2.16).
Además, utilizando dichas ecuaciones encuentre a qué equivalen las expresiones sen(A + B)
y cos(A + B) en términos de senos y cosenos de A y B por separado.

Problema 2.9. Sume los siguientes números complejos. Verifique las sumas gráficamente:
1. (2 + j5) + (−3 + j2) 3. Si z = x + jy calcule z + z ∗

2. (j3) + (2) 4. Si z = x + jy calcule z − z ∗
Problema 2.10. Multiplique los siguientes números complejos.
1. (2 + j2)(−2 + j2) 3. Si z = x + jy calcule zz ∗

2. (j3)(2) 4. Si z = rejϕ calcule z/z ∗
Problema 2.11. Calcule las cinco raíces (−1)1/5 y grafíquelas en el plano complejo.
Problema 2.12. Calcule la magnitud, argumento, parte real y parte imaginaria de los
números complejos zi resultantes de las operaciónes
√
1. z1 = √
(1 + j 3)1+j 4. z4 = j −j
2. z2 = −j 5. z5 = sen(j)
3. z3 = j j
6. z6 = cos(j)
Problema 2.13. Sean z,w ∈ C. Se sabe que |z| = 2, ∠w = π/4 y z + w = 1. Encuentre

gráficamente z y w.
Problema 2.14. Sean z,w ∈ C. Se sabe que |z| = 2, |w| = 3 y z + w = 4. Encuentre

Problema 2.15. Sean z,w ∈ C. Se sabe que ∠z = π/4, ∠w = −π/3 y z +w = 4. Encuentre

Problema 2.16. Sean z,w ∈ C. Se sabe que z = 3

2
+ j, Re{w} = 1
2
y |z + w| = 3.
Encuentre gráficamente w y z + w.
Problema 2.17. Demuestre que la recta en el plano z = x + jy dada por la ecuación
y = mx + b
es transformada por el mapeo w = αz + β a la recta
v = K1 u + K2

donde w = u + jv y
αIm + αRe m
K1 =
αRe − αIm m
αIm b − βRe
K2 = (αIm + αRe m) + αRe b + βIm .
αRe − αIm m
Problema 2.18. Otra posible demostración de que un mapeo lineal conserva la forma de
rectas o un círculos es utilizando representaciones paramétricas de las mismas. Considerando
que una recta se describe como
z(t) = zm t + zb
con t ∈ IR, zm ,zb ∈ C, zm =cte, zb =cte, y que un círculo puede representarse como
z(t) = rejt + z0
con t ∈ [0,2π[⊂ IR, r ∈ IR, z0 ∈ C, r =cte, z0 =cte, demuestre que el mapeo w = αz + β no
cambia la forma de la recta o del círculo.
Problema 2.19. Encuentre las ecuaciones en la forma y = mx + b de las siguientes rectas

en el plano z, con z = x + jy, x, y, m, b ∈ IR.
1. |z − p| = |z − q|, p,q ∈ C
2. |z − (2 − j)| = |z − (−3 + j)|
3. |z + z ∗ + 4j(z − z ∗ )| = 6
Problema 2.20. Encuentre el punto de intersección y el ángulo de intersección de las

rectas |z − (1 + j)| = |z − (3 − j)| y |z − (1 − j)| = |z − (3 + j)|
Problema 2.21. Dibuje las regiones representadas por las siguientes ecuaciones, si r,ϕ ∈
IR+ :
1. |z| < r 5. |Im{z}| < r 9. |Im{z}| > r

2. |z − z0 | < r 6. Im{z} < r 10. Im{z} > r
3. |Re{z}| < r 7. |Re{z}| > r 11. Re{|z|} < r
4. Re{z} < r 8. Re{z} > r 12. |∠z| < ϕ
Problema 2.22. Encuentre la imagen de la línea 6x + y = 22 (con z = x + jy) en el plano

w bajo el mapeo w = jz + 4 − j3.
Problema 2.23. Encuentre la región en el plano w a la que es mapeada la región y > 1

del plano z = x + jy si w = (1 − j)z.

Problema 2.24. Encuentre a qué es mapeado el semiplano x > 0 del plano z = x + jy

bajo la transformación w = jz + j.
Problema 2.25. Encuentre la transformación que hace el mapeo w = jz + 1 a la franja

semi-infinita x > 0, 0 < y < 2 en el plano z = x + jy.
√ √
Problema 2.26. Encuentre las imágenes que realiza el mapeo w = ( 3 + j)z − 1 + j 3
de las siguientes curvas del plano z = x + jy:
1. y = 0 3. |z| = 1
2. x = 0 4. x2 + y 2 + 2y = 1
Problema 2.27. El mapeo lineal w = f (z) = αz +β cumple j = f (1+j) y (1+j) = f (−1).

1. Determine α y β (úselos en el resto del problema).
2. Encuentre la imagen de Im(z) > 0
3. Encuentre la imagen de |z − 2| < 2
4. Encuentre los puntos fijos del mapeo
Problema 2.28. Demuestre que el mapeo de inversión w = 1/z transforma círculos

centrados en el eje real del plano z en círculos centrados en el eje real del plano w o en rectas
verticales, y que transforma círculos centrados en el eje imaginario del plano z en círculos
centrados en el eje imaginario del plano w, o en rectas horizontales.
Problema 2.29. Sea C un círculo en el plano complejo z descrito paramétricamente como
C : z(t) = rej2πt + z0
con |z0 | =
6 r y t ∈ [0,1[⊂ IR. Si el parámetro t se hace variar desde 0 hasta 1, el círculo es
descrito en sentido antihorario.
Indíque qué sentido describe la imagen de dicho círculo ante el mapeo de inversión w = 1/z,
cuando
1. r < |z0 |
2. r > |z0 |.
Para las dos condiciones anteriores indique a qué es mapeado el interior del círculo.
Problema 2.30. Calcule la imagen en el plano w del círculo |z − 3| = 2 utilizando el

mapeo w = 1/z.

Problema 2.31. Utilice división polinomial para encontrar los mapeos elementales que
componen en el mapeo racional lineal:
z−1
w=κ
z+1
con κ ∈ IR+ , conocido como transformación bilineal en el contexto de conversión de filtros
analógicos a digitales.
Problema 2.32. Demuestre que el mapeo inverso de w = az+b cz+d

es también un mapeo
racional lineal. Verifique que los determinantes de ambos mapeos son iguales.
Problema 2.33. Qué tipo de rectas describe la ecuación |z − a| = |z − b| si además se

cumple que |a − 2j|2 = |b − 2j|2 . (Ayuda: revise los conceptos indicados en la figura 2.38)
Generalice el concepto si la condición dada es |a − c| = |b − c|, con c ∈ C constante.
Problema 2.34. Demuestre que el mapeo racional lineal del ejemplo 2.16 transforma
cualquier línea que no pasa por z = −1 en un círculo que pasa por Γ = 1. Encuentre los
puntos fijos de ese mapeo. ¿A qué es mapeado el círculo unitario del plano z?
Problema 2.35. Encuentre la imagen en el plano w del círculo |z| = 2 y su interior bajo
el mapeo racional lineal
z−j
w=
z+j
Problema 2.36. Encuentre la transformación racional lineal w = f (z) que satisface

j = f (0), −j = f (1), 0 = f (−1).
Problema 2.37. Encuentre la imagen del semiplano y > c bajo el mapeo de inversión
w = 1/z, donde z = x + jy, y c = cte ∈ IR. Analice los casos c > 0, c = 0 y c < 0.
Problema 2.38. Encuentre la imagen en el plano w = 1/z de

1. El círculo
3 7
z+ +j =
4 4
2. El disco |z − a| <= a, con a ∈ IR, a > 0

Problema 2.39. Encuentre el mapeo racional lineal w = f (z) que cumpla j = f (0), 1 =
f (−j) y 0 = f (−1). Encuentre la imagen con el mapeo encontrado de las rectas horizontales
y verticales en el plano z. Encuentre los puntos fijos del mapeo.
Problema 2.40. Dado el mapeo racional lineal

1+j
w=
z
1. Indique las operaciones involucradas en el mapeo, tales como rotaciones, inversiones,
traslaciones, etc.
2. Encuentre las imágenes de z = 1, z = 1 − j y z = 0 en el plano w.
3. Encuentre la imagen del interior de círculo unitario |z| < 1 en el plano z.
4. Encuentre las imágenes de las rectas x = y y x + y = 1 si z = x + jy.
5. Encuentre los puntos fijos del mapeo.
Problema 2.41. Dado el mapeo racional lineal

z+1
w=
z−1
encuentre la imagen del arco semicircular x2 + y 2 = 1 para x ≤ 0 descrito del punto (0, −1)
al punto (0, 1).
Problema 2.42. Encuentre a qué mapea

z+j
w=
z−3
la región del plano z = x + jy entre las rectas x = y y y = 0 con x < 0 en el plano
w. Encuentre qué construcción geométrica en el plano z corresponde al círculo unitario del
plano w.
Problema 2.43. Encuentre a qué corresponde en el plano w la región del plano z = x + jy

dada por y ≥ 0 bajo el mapeo
z − z0
w = f (z) = ejϕ0
z − z0∗
Encuentre los valores particulares de z0 y ϕ0 si se cumple f (j) = 0 y f (∞) = −1.
Problema 2.44. Demuestre que la composición de dos mapeos racionales lineales es a su

vez un mapeo racional lineal. Es decir, si
az + b
w0 =
cz + d
a0 w 0 + b 0
w= 0 0
c w + d0

entonces el mapeo w = f (z) es también racional lineal.
Problema 2.45. Demuestre que un mapeo racional lineal tiene uno, dos o infinitos puntos
fijos.
Problema 2.46. Una propiedad interesante del mapeo racional lineal es que existe solo
una transformación de este tipo capaz de mapear tres puntos dados z1 , z2 y z3 en tres puntos
específicos w1 , w2 y w3 respectivamente. Demuestre que la transformación racional lineal está
dada por:
(w − w1 )(w2 − w3 ) (z − z1 )(z2 − z3 )
=
(w − w3 )(w2 − w1 ) (z − z3 )(z2 − z1 )
Problema 2.47. Encuentre el mapeo racional lineal w = f (z) más general que mapea el
círculo unitario |z| = 1 en el círculo unitario |w| = 1 y que cumple además f (z0 ) = 0.
Problema 2.48. Encuentre un mapeo racional lineal w = f (z) que transforme la curva
A del plano z mostrada a la izquierda de la siguiente figura, en la curva B del plano w
mostrada a la derecha, si se sabe que la sección de la curva A ubicada sobre |z − 1 − j| = 1
es transformada en el segmento de recta que une −1 y 1 en el plano w.
Im{z}
2 Im{w}
A
B
1 1
Re{w}
1 2 Re{z} -1 1
-1
Problema 2.49. Encuentre un mapeo racional lineal w = f (z) que transforme la curva
A del plano z mostrada a la izquierda de la siguiente figura, en la curva B del plano w
mostrada a la derecha, si se sabe que la sección de la curva A ubicada sobre |z − 1| = 1 es
transformada en el segmento de recta que une −1 y 1 en el plano w.

Im{z} √ Im{w}
3
A
B
1 1
Re{w}
1 2 3 Re{z} -1 1
-1
Problema 2.50. Indique si siempre es posible encontrar un mapeo racional lineal que
transforme cualquier par de círculos que se intersecan en exactamente dos puntos, en la
figura de la derecha del problema 2.49.
Problema 2.51. Encuentre un mapeo racional lineal que transforme el semicírculo al lado
derecho de la figura en el problema 2.49 a un semicírculo igual, pero tal que el segmento de
recta es transformado al semicírculo, y el semicírculo al segmento de recta.
Problema 2.52. Encuentre la imagen en el plano w de las siguientes regiones bajo el

mapeo w = ez .
1. x > 0
2. 0 ≤ x ≤ 1, 0 ≤ y ≤ 1
3. 21 π ≤ y ≤ π, 0 ≤ x ≤ ∞
Problema 2.53. Demuestre, utilizando la descomposición del coseno y seno como combi-
nación lineal de dos exponenciales complejas, que para z = x + jy ∈ C se cumple:
• cos z = cos x cosh y − j sen x senh y
• sen z = sen x cosh y + j cos x senh y
• |cos z|2 = cos2 x + senh2 y
• |sen z|2 = sen2 x + senh2 y
Problema 2.54. Verifique que la función f (z) = eαz , α = cte ∈ C satisface las ecuaciones
de Cauchy-Riemann y calcule su derivada.
Problema 2.55. En qué región de C son las siguientes funciones analíticas

1. zez
2. zz ∗
3. sen 4z
4. cos 2z

Problema 2.56. Qué valores de a y b hacen que

w = f (z = x + jy) = x2 + ay 2 − 2xy + j(bx2 − y 2 + 2xy)
sea analítica, y que forma tiene entonces f 0 (z).
Problema 2.57. Encuentre una función v(x, y) conjugada a u(x, y) = 2x(1−y), y encuentre
entonces f (z) = u(x, y) + jv(x, y) y f 0 (z).
Problema 2.58. Demuestre que u(x, y) = ex (x cos y − y sen y) es una función armónica
y encuentre una función conjugada armónica v(x, y). Escriba f (x, y) = u(x, y) + jv(x, y) en
términos de z si z = x + jy.
Problema 2.59. Demuestre que u(x, y) = sen x cosh y es armónica y encuentre la función
conjugada armónica v(x, y). Encuentre f (z = x + jy) = u(x, y) + jv(x, y) en términos de z.
Problema 2.60. Encuentre trayectorias ortogonales de las siguientes familias de curvas:

1. x3 y − xy 3 = κ, con κ constante real
2. e−x cos y + xy = κ, con κ constante real
Problema 2.61. Encuentre las componentes real e imaginaria de las funciones

1. f (z) = z 2 e2z
2. sen 2z
y determine la región de C en la que son analíticas y sus derivadas en esas regiones.
Problema 2.62. Determine los puntos o regiones donde los siguientes mapeos no son
conformes:
1. w = z2 − 1
2. w = 2z 3 − 21z 2 + 72z + 6
1
3. w = 8z + 2
2z
4. w = sen z
Problema 2.63. Encuentre y grafique las imágenes de las líneas verticales y horizontales
para los mapeos sen z, cos z y Ln z. ¿Dónde son estos mapeos conformes?
Problema 2.64. Demuestre que

a2
w=z+
z
transforma el círculo |z| = a en un segmento de recta en el plano w. Encuentre la longitud

del segmento de recta. Encuentre la imagen de |z| = b 6= a.
P∞
Problema 2.65. Encuentre el valor al que converge la serie S = n=M z 2n .
Problema 2.66. Encuentre la representación en serie de potencias de la función 1/(z − j)

en las regiones
1. |z| < 1
2. |z| > 1 √
3. 1 < |z − 1 − j| < 2
Problema 2.67. Encuentre por división polinomial las representaciones en serie de po-
tencias de z21+1 centradas en z0 = 0.
Problema 2.68. Encuentre los desarrollos en Series de Taylor para las siguientes funciones
centradas en los puntos dados
1 1
1. , en z0 = 1. 3. , en z0 = 1 + j.
1+z z2
1 1
2. , en z0 = 2j. 4. , en z0 = 0.
z(z − 4j) 1 + z + z2
Encuentre los correspondientes radios de convergencia para cada serie.
Problema 2.69. Encuentre la serie de Laurent para

1
f (z) =
z(z − 1)2
alrededor de z0 = 0 y z0 = 1, y especifique las posibles regiones de convergencia en cada

caso.

1
f (z) = z 2 sen
z
alrededor de
1. z0 = 0
2. z = a 6= 0, a ∈ C


z
f (z) =
(z − 1)(2 − z)
en una expansión en serie de Laurent válida para las regiones de convergencia
1. |z| < 1 4. |z − 1| > 1

2. 1 < |z| < 2 5. 0 < |z − 2| < 1
3. |z| > 2

z
f (z) =
(z − 1)(z + 2)
si esta se centra en z0 = 0, para la región de convergencia 1 < |z| < 2.
Problema 2.73. Para la función

z
f (z) =
(z + j)(z − j)
indique cuántas y cuáles regiones de convergencia son posibles para la serie de Laurent
centrada en z0 = 1 + j. Encuentre las series en cada una de dichas regiones.
Problema 2.74. La función de variable compleja f (z) tiene, entre otros, los siguientes
desarrollos en series de Laurent
X∞ ∞
X
1
1. f (z) = k
(z + 3)k 3. f (z) = 2k (z − 1 − j)k
k=2
2 k=−4
∞
X ∞
(−j)k+1 X
2. f (z) = 4. f (z) = 5−k (z + j)k
k=−1
k (z − 1)k
k=0
donde para todas las series se han utilizado regiones de convergencia que contienen como
punto límite al punto donde ellas se centran.
a. Indique dónde al menos deben encontrarse polos, ceros (ambos con su respectivo orden),
puntos regulares y singularidades esenciales de f (z).
b. Indique el valor de los residuos de f (z) en los tres puntos donde se centran las series
anteriores.
Problema 2.75. Indique qué tipos de singularidades y ceros tienen las siguientes funciones:

cos z z
1. 5. e 1−z
z2
z−1
1 6.
2. z2 + 1
(z + j)2 (z − j)
z+j
z 7.
3. 4 (z + 2)2 (z − 3)
z −1
sen z 1
4. 2 8.
z +π z 2 (z 2 − 4z + 5)
Problema 2.76. Encuentre los desarrollos de Laurent para las siguientes funciones alre-
dedor de z0 = 0 e indique el tipo de singularidad:
1 − cos z
1.
2
z
ez
2. 3
z
Problema 2.77. Determine los residuos de la función 1/(1 + z 4 ) en cada uno de sus polos
en el plano finito z.
Problema 2.78. Calcule los residuos de las siguientes funciones en cada uno de sus polos
finitos, a menos que se especifique lo contrario:
2z + 1 2
1. 2 z+1
z −z−2 6.
z−1
1
2. 2
z (1 − z) cos z
7. solo en z = 0
3z 2 + 2 z
3.
(z − 1)(z 2 + 9)
z
z3 − z2 + z − 1 8. solo en z = π
4. sen z
z 3 + 4z
z 6 + 4z 4 + z 3 + 1 1
5. 9. solo en z = j
(z − 1)5 (z 2 + 1)2
Problema 2.79. Utilizando la definición de la integral de contorno para funciones de

variable compleja, demuestre que si el sentido de la trayectoria de integración se invierte,
entonces la integral adquiere el valor de la integral con el sentido original pero negado, es
decir: Z Z
f (z) dz = − f (z) dz
−C C
donde −C representa al contorno de integración en el sentido contrario a C.

Problema 2.80. En la demostración del valor que toma una integral de contorno cerrada
en el cual la trayectoria de integración encierra a un polo, se utilizó la deformación del
contorno tal y como lo muestra la figura 2.63. Se eligieron allí líneas rectas para pasar de A a
B y luego de B 0 a A0 . Discuta qué ocurre si se tomaran dos curvas simples cualesquiera para
sustituir esos segmentos de recta, que pasan solo por puntos donde la función es analítica.
Problema 2.81. Esboce gráficamente las siguientes trayectorias, indicando su sentido,

y además exprese la trayectoria con una ecuación no paramétrica (que no depende de t)
cuando sea posible. (Por ejemplo z(t) = ej2πt para 0 ≤ t ≤ 1 es lo mismo que |z| = 1 en
sentido positivo)
1. z(t) = (1 + 2j)t para 1 ≤ t ≤ 3
2. z(t) = 2 − 3jt para −2 ≤ t ≤ 1
3. z(t) = 2 − j + 2ejt para 0 ≤ t ≤ 2π
4. z(t) = 1 + j + e−jπt para 0 ≤ t ≤ 2
5. z(t) = ejt para 0 ≤ t ≤ π
6. z(t) = −3 + j + 2ejt para π ≤ t ≤ 2π
7. z(t) = 6 cos 2t + j5 sen 2t para 0 ≤ t ≤ π
8. z(t) = 1 + 2t + j8t2 para −1 ≤ t ≤ 1
9. z(t) = t2 + j 21 t3 para −1 ≤ t ≤ 2
π
10. Familia de curvas zk (t) = ej 2 t k + (1 − t(1 − j))(1 − k) para 0 ≤ t ≤ 1 y el selector de
curva k es un número real −1 ≤ k ≤ 1
Problema 2.82. Esboce gráficamente y represente de forma paramétrica las trayectorias

a. Segmento de 1 + j a 4 − 2j
b. Círculo unitario (en sentido horario)
c. Segmento de a + jb a c + jd
d. Hipérbola xy = 1 desde 1 + j a 4 + j 14
e. Semielipse x2 /a2 + y 2 /b2 = 1, y ≥ 0
f. Parábola x = 4 − 4y 2 (−1 ≤ y ≤ 1)
g. |z − 2 + 3j| = 4 (en sentido antihorario)
h. |z − a − jb| = r (en sentido horario)
i. Elipse 4(x − 1)2 + 9(y + 2)2 = 36
Problema 2.83. Evalúe las integrales

Z
(z 2 + 3z) dz
ZC
(x2 + y 2 + j(3x + y)) dz
C
para los contornos C

1. segmento de recta de 2 a j2
2. contorno de dos segmentos de recta, primero de 2 a (2 + j2), y luego a j2.

3. segmento del círculo |z| = 2 que va en sentido positivo de 2 a j2.
Problema 2.84. Evalúe I

(5z 4 − z 3 + 2) dz
C
para las trayectorias de integración
1. |z| = 1
2. el cuadrado con vértices 0, 1, 1 + j y j.
3. una curva compuesta por la parábola y = x2 de 0 a 1 + j y y 2 = x de 1 + j a 0.
Problema 2.85. Evalúe la integral de contorno

I
dz
C z −4
para un contorno cerrado que contiene a z = 4, y para otro contorno que lo excluye.
Problema 2.86. Evalúe la integral

I
2z
dz
C (2z − 1)(z + 2)
para los contornos |z| = 1 y |z| = 3.

I
5z
dz
C (z + 1)(z − 2)(z + j4)
Problema 2.88. Evalúe las siguientes integrales

I
z3 + z
dz C : |z| = 1
(2z + 1)3
I
4z
dz C : |z| = 3
(z − 1)(z + 2)2

I
z3 − z2 + z − 1
dz
C z 3 + 4z

I
1
dz
C z 3 (z 2 + 2z + 2)
para el contorno |z| = 3.

Z
lı́m f (z) dz = 0
R→∞ Γ2
si además se sabe que

lı́m máx Rf (Rejθ ) = 0 para 0 ≤ θ ≤ π
R→∞
y Γ2 es el contorno semicircular ilustrado en la figura 2.65 de la página 136.

I
z
dz
C z2 +1
donde C es
1. el círculo |z| = 21

I
z 2 + 3jz − 2
dz
C z 3 + 9z
donde C es
Problema 2.94. Calcule los residuos de todos los polos de la función

(z 2 + 2)(z 2 + 4)
f (z) =
(z 2 + 1)(z 2 + 6)
y con ellos calcule la integral I
f (z) dz
C
con el contorno C definido como

2. el círculo |z − j| = 1

I
1
dz
C z 2 (1 + z 2 )2
donde la trayectoria de integración C es
Problema 2.96. Con la ayuda del teorema del resíduo evalúe las siguientes integrales de
contorno:
I
3z 2 + 2 con las trayectorias C:
1. dz
C (z − 1)(z 2 + 4)
3.1. |z| = 12
con las trayectorias C: 3.2. |z + 1| = 1
1.1. |z − 2| = 2 3.3. el rectángulo con vértices en ±j y
I1.2. |z| = 4 3 ± j.
I
(z 2 − 2z) (z − 1)
2. 2 2
dz 4. dz
C (z + 1) (z + 4)
2 4
C (z − 4)(z + 1)
con las trayectorias C: con las trayectorias C:
2.1. |z + j| = 2 4.1. |z| = 21
I2.2. |z| = 3 4.2. z + 32 = 2
1 4.3. el triángulo con vértices en − 23 +j,
3. 3
dz
C (z + 1) (z − 1)(z − 2) − 32 − j y 3.
Problema 2.97. Utilizando una integral de contorno apropiada, evalúe las siguientes
integrales de funciones de valor y variable real:
Z ∞ Z 2π
1 cos 3θ
1. 2
dx 4. dθ
−∞ x + x + 1 0 5 − 4 cos θ
Z ∞ Z 2π
1 4
2. 2 2
dx 5. dθ
−∞ (x + 1) 0 5 + 4 sen θ
Z ∞ Z ∞
1 x2
3. dx 6. 2 2 2
dx
0 (x2 + 1)(x2 + 4)2 −∞ (x + 1) (x + 2x + 2)
Z 2π Z ∞
1 1
7. dθ 9. 2 2
dx
0 3 − 2 cos θ + sen θ −∞ (x + 4x + 5)
Z ∞ Z 2π
1 cos θ
8. 4
dx 10. dθ
0 x +1 0 3 + 2 cos θ

Capítulo 3
Análisis de Fourier
3.1. Ortogonalidad
Lección 11 B El adjetivo ortogonal proviene del griego orthos (recto) y gonia (ángulo). Este denota en-
tonces la perpendicularidad entre dos elementos: dos calles que se cruzan en un ángulo recto
presentan una configuración ortogonal. En ingeniería y matemática el término se ha ex-
tendido a otros niveles y se habla por ejemplo de juegos de instrucciones ortogonales en
arquitecturas de microprocesadores, o de codificaciones ortogonales en comunicaciones digi-
tales inalámbricas. En esta sección se restringirá sin embargo la discusión a las definiciones
de carácter matemático que constituyen el fundamento para la comprensión del análisis de
funciones por medio de las transformadas de Fourier, Laplace, Transformada z, las llamadas
wavelets y otros más.
El objetivo será presentar los conceptos de ortogonalidad entre funciones, y para llegar allí se
partirá de un contexto familiar: la ortogonalidad de vectores, introduciendo en el camino una
serie de conceptos matemáticos de carácter abstracto cada vez más utilizados en ingeniería.
3.1.1. Espacios lineales
Tradicionalmente se utiliza en ingeniería el concepto de vector como un conjunto ordenado

(o tupla) de n cantidades, por ejemplo [x1 , x2 , . . . , xn ]> . En los casos particulares de vectores
bidimensionales (n = 2) y tridimensionales (n = 3) se emplean varias representaciones
equivalentes que comprenden magnitudes y ángulos (por ejemplo, utilizando coordenadas
cartesianas, polares, cilíndricas o esféricas). En términos matemáticos se prefiere la notación
cartesiana por su generalidad: el concepto de vector es válido para todo entero n no negativo
(esto es n = 0,1, . . .), donde las componentes xi se toman del conjunto de los números reales
IR o de los números complejos C. Esta definición es sin embargo incompleta, puesto que
existen tuplas similares que no son vectores.
Sea IF un cuerpo escalar, es decir, una estructura algebraica que consiste por una parte en
un conjunto de números escalares y por otra parte de dos operaciones con propiedades ya
discutidas en la sección 2.1.2 (entre otras, que ambas operaciones son asociativas, conmu-
tativas y distributivas). Un conjunto V se denomina espacio vectorial o espacio lineal sobre
un cuerpo IF (por ejemplo el cuerpo de los números reales (IR,{+,×}) o el cuerpo de los
158
3 Análisis de Fourier 159
números complejos (C,{+,×})) si

• para una operación de adición vectorial en V, denotada x + y, con x,y ∈ V; y
• para una operación de multiplicación escalar en V, denotada como ax, con x ∈ V y
a ∈ IF
se cumplen las siguientes propiedades con a,b ∈ IF y x,y,z ∈ V:
1. x + y ∈ V. (V es cerrado con respecto a la adición vectorial).

2. x + (y + z) = (x + y) + z. (Asociatividad de la adición vectorial en V).
3. Existe un elemento neutro 0 ∈ V, tal que para todo x ∈ V se cumple que x + 0 = x.
(Existencia de un elemento identidad aditivo en V).
4. Para todo x ∈ V existe un elemento y ∈ V tal que x + y = 0. (Existencia de inversos
aditivos en V).
5. x + y = y + x. (Conmutatividad de la adición vectorial en V).
6. ax ∈ V. (V es cerrado con respecto a la multiplicación escalar).
7. a(bx) = (ab)x. (Asociatividad de la multiplicación escalar en V).
8. Si 1 representa el elemento neutro multiplicativo del cuerpo IF entonces 1x = x.
(Neutralidad de uno).
9. a(x + y) = ax + ay. (Distributividad con respecto a la adición vectorial).
10. (a + b)x = ax + bx. (Distributividad con respecto a la adición del cuerpo IF).
A los elementos de V se les denomina vectores. Nótese que el concepto de espacio lineal
es completamente abstracto. Para determinar si un conjunto V es un espacio lineal deben
especificarse tan solo el conjunto V, el cuerpo escalar IF y las operaciones vectoriales de
adición y multiplicación escalar en V. Si las diez propiedades anteriores se satisfacen, se dice
entonces que V es un espacio lineal (o vectorial) y sus elementos son vectores. Esto quiere
decir, que el concepto anteriormente mencionado de vectores como tuplas de n elementos en
un espacio IRn no es correcta desde un punto de vista matemático, sino hasta que se definan
las operaciones de suma y producto escalar.
Combinaciones lineales
Se denomina combinación lineal de los vectores u1 , u2 , . . . , un de un espacio lineal V a todo

vector x del tipo
x = c1 u 1 + c2 u 2 + . . . + cn u n
con los coeficientes de la combinación lineal c1 , . . . ,cn , que son escalares del cuerpo escalar
IF relacionado con el espacio lineal V.
Un conjunto de vectores U = {u1 , u2 , . . . , un } ⊂ V se dice ser un conjunto ligado o li-
nealmente dependiente si al menos uno de ellos es una combinación lineal de los demás. Se
denomina conjunto libre o linealmente independiente cuando los únicos escalares c1 , . . . ,cn
para los que se cumple c1 u1 + c2 u2 + . . . + cn un = 0 son c1 = . . . = cn = 0. Se cumple además
que

• un conjunto que contiene un solo vector, es libre si el vector es no nulo,

• el vector neutro 0 no forma parte de ningún sistema libre,
• todo subconjunto de un sistema libre es también libre,
• el número máximo de vectores de un sistema libre es igual a la dimensión de dichos
vectores.
Un espacio lineal V se dice engendrado por el conjunto de vectores
U = {u1 , u2 , . . . , un } ⊂ V
si contiene todas las combinaciones lineales de los vectores de U, al que se denomina entonces
conjunto generador del espacio. A cada elemento del conjunto U se le denomina en este
contexto vector generador . Este espacio no varía si
• se multiplica cualquier vector generador por un escalar no nulo,
• se suma un generador con otro,
• si se suprimen los generadores que son una combinación lineal de los demás.
Subespacios y bases
Cualquier subconjunto W del espacio lineal V que es cerrado ante las operaciones vecto-
riales aditivas y de multiplicación escalar se denomina subespacio de V. Se aprecia que un
subespacio de V es a su vez un espacio lineal sobre el mismo cuerpo IF del espacio lineal
original. Ejemplos de subespacios del espacio lineal tridimensional IR3 son por ejemplo todos
los planos que pasan por el origen [0,0,0]> , si se utilizan las definiciones convencionales de
adición y multiplicación.
Los subespacios tienen las siguientes propiedades:
• Todo espacio lineal V contiene al menos dos subespacios: el mismo V y {0}.
• La intersección W1 ∩ W2 de dos subespacios lineales W1 y W2 del mismo espacio lineal
V es a su vez un subespacio lineal.
• La unión W1 ∪ W2 de dos subespacios lineales W1 y W2 del mismo espacio lineal V no
necesariamente es un subespacio lineal.
El espacio lineal V se denomina finito si existe un sistema de vectores
U = {u1 , u2 , . . . , un } ⊂ V
que es conjunto generador del espacio lineal, y n es finito. Si los vectores generadores ui
son linealmente independientes entonces se dice que U es una base de V. Todo espacio lineal
finito V 6= {0} posee al menos una base. Si existen varias bases, todas contienen el mismo
número de vectores generadores. Este número de vectores es la dimensión del espacio lineal.
Los siguientes puntos conforman el llamado teorema fundamental del álgebra lineal para un
espacio lineal finito V con una base de n elementos con n ∈ IN+ :
1. toda base de V tiene exactamente n elementos,
2. todo subconjunto linealmente independiente de V tiene a lo sumo n elementos y co-
rresponde a una base de V si y solo si tiene exactamente n elementos,
3. cualquier subconjunto de V que actúa como conjunto generador de V debe tener al
menos n elementos y es una base si y solo si tiene exactamente n elementos,
4. si los elementos de una determinada base en V se toman en un orden determinado,
entonces cualquier elemento de V se representa por una sucesión única de coordenadas.

El último punto indica que si V tiene como base a U = {u1 , u2 , . . . , un }, entonces un

vector x = c1 u1 + c2 u2 + . . . + cn un se representa utilizando tan solo los coeficientes ci y
manteniendo fija la base: x = [c1 ,c2 , . . . ,cn ]> . Ninguna otra sucesión puede representar con
la misma base al vector x, puesto que si existiese alguna otra representación equivalente
x = d1 u1 + d2 u2 + . . . + dn un entonces la diferencia de ambas representaciones debería ser
cero y
(d1 − c1 )u1 + (d2 − c2 )u2 + . . . + (dn − cn )un = 0
se cumple solo si di = ci , i = 1,2, . . . n por el requisito de que la base U debe ser linealmente
independiente.
3.1.2. Tipos de espacios lineales
Los espacios lineales se clasifican de acuerdo a las propiedades de las operaciones definidas
para sus elementos. A continuación se enumeran los más utilizados en la literatura técnica.
Espacio métrico
Un espacio métrico es una estructura algebraica en la que se define la operación d(x,y)

d : V × V → IR
denominada métrica o distancia, la cual debe satisfacer las siguientes condiciones:
• d(x,y) ≥ 0 (no negatividad)
• d(x,x) = 0 (reflexividad)
• d(x,y) = 0 ⇐⇒ x = y (identidad de los indiscernibles)
• d(x,y) = d(y,x) (simetría)
• d(x,z) ≤ d(x,y) + d(y,z) (desigualdad del triángulo)
Nótese que el concepto de espacio métrico es en realidad independiente del concepto de
espacio lineal, pues solo se requiere el conjunto de elementos, que no necesariamente deben
ser vectores, más una métrica definida para los elementos de dicho conjunto.
Espacio lineal normado
Un espacio lineal normado es un espacio lineal junto con una operación denominada norma,
denotada usualmente como k · k que asigna un número real a cada punto de V
k · k : V → IR
y que debe cumplir con las siguientes propiedades para x,y ∈ V, y a ∈ IF.
• kxk ≥ 0 (positividad)
• kaxk = |a| kxk (escalabilidad positiva)
• kx + yk ≤ kxk + kyk (desigualdad de Minkowski)
• kxk = 0 ⇐⇒ x = 0.
Si las primeras tres propiedades se cumplen, no así la cuarta, entonces a la operación se le
denomina una seminorma. Usualmente se le asigna a la norma kxk el significado de longitud
o magnitud del vector x.

Todo espacio normado es a su vez un espacio métrico, pues se puede definir la métrica como
d(x,y) = kx − yk (3.1)
El lector puede demostrar que si la operación k · k cumple con todas las propiedades de una
norma, y la distancia se define como (3.1), entonces todas las propiedades para una métrica
son cumplidas por d(·,·).
Espacio de Banach
En el capítulo 1 se definió una sucesión de Cauchy como una sucesión cuyos términos se
acercan arbitrariamente entre sí en tanto la sucesión progresa. Para un espacio lineal normado
la definición de sucesión de Cauchy se replantea como
∀ > 0, ∃N ∈ IN, ∀n,m ∈ IN, n,m > N : kxn − xm k <
donde se reemplazó la operación de valor absoluto por la norma.
Un espacio normado se denomina espacio de Banach si es completo con respecto a la norma,
lo que quiere decir que cualquier sucesión de Cauchy de elementos en el espacio lineal converge
a un elemento en el mismo espacio, en el sentido de que la norma de las diferencias entre los
elementos de la sucesión tiende a cero.
Espacios con producto interno
Si a la estructura de espacio lineal se le agrega el concepto de producto interno aparecen

entonces los llamados espacios con producto interno o espacios pre-Hilbert. El concepto
de producto interno (a veces denominado producto escalar1 ) permite introducir conceptos
geométricos como ángulos y longitudes vectoriales. El producto interno es una operación
binaria
h·,·i : V × V → IF
que satisface los siguientes axiomas:
• ∀x ∈ V, hx,xi ≥ 0. (No negatividad)
Esto implica que el producto interno de un vector por sí mismo hx,xi debe ser real,
puesto que el operador “≥” solo está definido para los números reales.
• ∀x ∈ V, hx,xi = 0 si y solo si x = 0. (No degenerabilidad).
∗
• ∀x,y ∈ V, x,y = y,x . (Simetría o conmutatividad conjugada).
• ∀a ∈ IF, ∀x,y ∈ V, x,ay = a x,y ;
∀x,y,z ∈ V, x,y + z = x,y + hx,zi. (Sesquilinealidad).
Nótese que si el cuerpo IF corresponde a los números reales IR entonces la simetría conjugada
corresponde a la conmutatividad del producto interno, esto es x,y = y,x . Combinando
la sesquilinealidad con la simetría conjugada se obtiene además (ver problema 3.3)
∀a ∈ IF, ∀x,y ∈ V, ax,y = a∗ x,y (3.2)
∀x,y,z ∈ V, x + y,z = hx,zi + y,z (3.3)
1
Nótese que en este contexto el concepto de producto escalar es diferente a la multiplicación escalar
utilizada en la definición de espacio lineal. Para evitar confusiones se preferirá aquí el uso del término
producto interno sobre producto escalar .

Utilizando el producto interno se define la norma de un vector x como

p
kxk = hx,xi =⇒ hx,xi = kxk2 (3.4)
Esta norma está correctamente definida si se considera el axioma de no negatividad en la
definición del producto interno. También se cumple el requisito de tener un número real
como valor. Utilizando la simetría conjugada se demuestra la escalabilidad positiva:
p p q
kaxk = hax,axi = a hax,xi = a hx,axi∗
p q
= aa∗ hx,xi = |a|2 hx,xi = |a| kxk
Las siguientes demostraciones concluyen la verificación de que los axiomas para una norma
se cumplen con la anterior definición basada en el producto interno. Por ello, un espacio con
producto interno es a su vez un espacio lineal normado.
Utilizando únicamente los axiomas anteriores se demuestra la desigualdad de Cauchy-Schwarz
[7] para x,y ∈ V que establece
x,y ≤ kxkkyk . (3.5)
Para ello se observa primero que si x,y = 0 entonces (3.5) se cumple porque el lado
derecho nunca es negativo. Asúmase entonces para el resto de la demostración, que x,y 6=
0. Por la propiedad de no negatividad se cumple
x + ay,x + ay ≥ 0
para cualquier escalar a ∈ IF. Por la sesquilinealidad, lo anterior se reexpresa como
∗
hx,xi + a∗ x,y + a x,y + |a|2 y,y ≥ 0
∗
Sea b un número real arbitrario y tómese a = b x,y . Sustituyendo se obtiene
2 2
hx,xi + 2b x,y + b2 x,y y,y ≥ 0
El lado izquierdo es una ecuación cuadrática de b con coeficientes reales. Puesto que esta
ecuación debe ser mayor o igual que cero para todo b, el determinante de la ecuación no
puede ser positivo, puesto que si lo fuera tendría dos raíces reales, lo que implicaría que para
un intervalo de b su valor sería negativo. Esto es:
4 2
x,y − hx,xi x,y y,y ≤ 0
y puesto que se partió del hecho que x,y 6= 0 entonces puede dividirse la ecuación anterior
2
por x,y para obtener
2
x,y − hx,xi y,y ≤ 0
2
x,y ≤ kxk2 kyk2
x,y ≤ kxkkyk
con lo que la desigualdad queda demostrada.
La desigualdad de Minkowski es otro resultado importante del uso de la norma (3.4):
kx + yk ≤ kxk + kyk
que se demuestra a continuación.
kx + yk2 = x + y,x + y

= hx,xi + y,x + x,y + y,y

∗
= kxk2 + x,y + x,y + kyk2
Considerando que para un número complejo z = x + jy se cumple

p
z + z ∗ = 2x ≤ 2 |z| = 2 x2 + y 2
entonces
kx + yk2 ≤ kxk2 + 2 x,y + kyk2
y utilizando la desigualdad de Cauchy-Schwarz (3.5) entonces
kx + yk2 ≤ kxk2 + 2kxkkyk + kyk2

2
≤ kxk + kyk
y aplicando la raíz cuadrada a ambos lados de la desigualdad se comprueba finalmente la

desigualdad de Minkowski. A partir de ésta, y sustituyendo x por x − h, y y por h − y se
obtiene la desigualdad del triángulo
kx − yk ≤ kx − hk + kh − yk .
En estos espacios lineales con producto interno se dice que dos vectores x y y diferentes de 0
son ortogonales si su producto interno x,y es 0. Además, el ángulo entre los dos vectores
se define indirectamente por medio de la ecuación
x,y
cos ∠(x,y) = . (3.6)
kxkkyk
con lo que se deduce entonces que la magnitud del ángulo entre dos vectores ortogonales es
de π/2, puesto que el coseno del ángulo entre ellos es cero. Nótese que con la desigualdad de
Cauchy-Schwarz se asegura para los espacios basados en el cuerpo IR que el lado derecho de
la ecuación siempre estará entre -1 y 1, por lo que el valor del ángulo siempre será real. Si el
cuerpo base es complejo (C), entonces en general el lado derecho adquirirá valores complejos.
Si U = {u1 , u2 , . . . , un } ⊂ V es una base de V y todo par de vectores ui y uk (i 6= k) es
ortogonal, se dice que U es una base ortogonal de V. Si además se cumple que la norma de
todos los vectores generadores kui k es uno, entonces a U se le denomina una base ortonormal .
Ejemplo 3.1 Si U es una base ortogonal de V, ¿cómo se pueden calcular los coeficientes
para representar un vector x ∈ V en dicha base?
Solución:
Si U es una base ortogonal de V se cumple para todo vector x ∈ V
n
X
x= ci ui (3.7)
i=1
Realizando el producto escalar a ambos lados con un vector generador específico uk , uti-
lizando las propiedades del producto interno descritas anteriormente, y haciendo uso de la
ortogonalidad de los vectores generadores ui se obtiene

* n
+ n n
X X X
huk ,xi = uk , ci ui = huk ,ci ui i = ci huk ,ui i = ck huk ,uk i = ck kuk k2
i=1 i=1 i=1

huk ,xi
ck = (3.8)
kuk k2
3.1
Espacio de Hilbert
Un espacio con producto interno se denomina espacio de Hilbert si es a su vez un espacio

de Banach, es decir, si es completo con respecto a la norma definida a través del producto
interno, lo que quiere decir que cualquier sucesión de Cauchy de elementos en el espacio
lineal converge a un elemento en el mismo espacio. Los espacios de Hilbert se utilizan en
la generalización del concepto de ciertas transformaciones lineales como la transformada de
Fourier, y son de crucial importancia en la formulación matemática de la mecánica cuántica.
La figura 3.1 muestra las relaciones entre los distintos tipos de espacios lineales descritos
anteriormente.
Conjunto
Espacio métrico Espacio vectorial
distancia suma vectorial

multiplicación escalar
Espacio normado
norma
Espacio pre-Hilbert Espacio de Banach
producto interno completo
Espacio de Hilbert
Figura 3.1: Relaciones entre los espacios lineales. Cada espacio hereda las operaciones y carac-
terísticas de sus antecesores. Así, un espacio de Hilbert es completo, tiene producto
interno a través del cual se define la norma que a su vez se emplea para definir la
métrica, y tiene operaciones de suma lineal y producto escalar.

4 Lección 11
Espacios euclídeos
Lección 12 B El espacio euclídeo de n dimensiones es un caso particular de espacio de Hilbert, donde los
vectores se representan por tuplas de n elementos: Por ejemplo, en el espacio euclídeo IFn ,
definido sobre el cuerpo IF, un vector x se representa como
 
x1
 x2 
 
x =  ..  = [x1 , x2 , . . . xn ]>
.
xn
donde cada una de las componentes xi del vector x son elementos del cuerpo IF. En un
espacio euclídeo el producto interno utilizado es siempre el producto punto, definido como
n
X
! ∗>
x,y = x · y = x y = x∗i yi . (3.9)
i=1
Con esto se define la norma euclídea kxk de un vector x como

v
u n
p √ p uX
kxk = hx,xi = x · x = x∗ x = t >
|xi |2 .
i=1
La métrica euclídea se describe entonces en términos de la norma:

v
u n
uX
d2 (x,y) = kx − yk = t |xi − yi |2 (3.10)
i=1
El espacio euclídeo representa la generalización de los espacios matemáticos en dos y tres

dimensiones conocidos y estudiados ya en la antigüedad por Euclides2 . A la función de
distancia d2 , basada en el teorema de Pitágoras, se le conoce como métrica euclídea.
Cualquier base ortogonal U para un espacio euclídeo de n dimensiones contiene entonces
exactamente n vectores ortogonales entre sí. Si la base es ortonormal, entonces los coeficientes
de la combinación lineal se determinan como (ver (3.8))
xk = huk ,xi
y (3.7) se reescribe entonces como
n
X
x= hui ,xi ui (3.11)
i=1
donde la norma de x estará dada por

n
X
kxk = 2
|hui ,xi|2
i=1
2
Euclides fue un matemático griego del s. III a. C., quien escribió Elementos, que es la base de la geometría
plana actual.

que corresponde al teorema de Pitágoras, es decir, el cuadrado de la norma de x es igual a

la suma de los cuadrados de los componentes del vector x en la base ortonormal U.
A la base ortonormal del espacio euclídeo IRn conformada por los vectores u1 = [1,0, . . . ,0]> ,
u2 = [0,1, . . . ,0]> , . . ., un = [0,0, . . . ,1]> se le denomina base canónica, y se utiliza como
referencia “universal” o “absoluta” para representar los vectores pertenecientes al espacio en-
gendrado por dicha base. Obsérvese que el producto interno de un vector x = [x1 ,x2 , . . . ,xn ]>
por algún vector ui de la base canónica extrae exactamente la componente xi :
xi = hui ,xi
Ejemplo 3.2 Dado un vector x = [cos(α), sen(α)]> en un espacio euclídeo bidimensional,

encuentre otro vector de magnitud 1 ortogonal y demuestre que su producto interno es cero.
Solución: Un vector ortogonal a x = [cos(α), sen(α)]> forma un ángulo de 90◦ con él. La
figura 3.2 muestra una solución gráfica: el vector x⊥ = [− sen(α), cos(α)]> es perpendicular
a x.

cos(α)
x=
sen(α) sen(α)
cos(α)
− sen(α) cos(α)
Figura 3.2: Construcción geométrica para obtener un vector ortogonal.
La misma conclusión se obtiene utilizando identidades trigonométricas en la expresión [cos(α + π2 ), sen(α

El producto hx,x⊥ i se calcula entonces como

− sen(α)
hx,x⊥ i = [cos(α), sen(α)] = − cos(α) sen(α) + cos(α) sen(α) = 0
cos(α)
3.2
La figura 3.3 muestra la representación tradicional de un vector x en un espacio euclídeo

bidimensional. Para la figura en el lado izquierdo se ha utilizado la base ortonormal canónica
U = {u1 ,u2 }, con los coeficientes escalares a1 y a2 . El lado derecho muestra el vector con
otra base ortonormal U 0 = {u01 ,u02 }. Se aprecia que los coeficientes a01 y a02 de x con la nueva
base U 0 son diferentes a los obtenidos con U. Sin embargo, si se establece claramente una
base, las componentes calculadas permiten representar a cualquier vector x de forma única
e inequívoca, tal y como lo establece el teorema fundamental del álgebra lineal mencionado
anteriormente. Nótese que cada uno de los vectores en la base U 0 se representa en términos
de combinaciones lineales de los vectores en la base canónica U.
De esta forma, un vector se representa a través de los coeficientes generados para una base
determinada, como lo muestra la figura 3.4 para las dos bases en la figura 3.3.

x x
a2
a′2
u2 u′2
a′1
u′1
u1 a1
Figura 3.3: Representación de un vector euclídeo bidimensional x utilizando dos bases ortonor-
males diferentes.
ai a′i
i i
1 2 1 2
Figura 3.4: Representación alternativa del vector euclídeo en la figura 3.3 para las bases ortonor-
males utilizadas allí.

Esta forma de representación de los coeficientes lineales facilita el manejo de vectores con
más de tres dimensiones, que son difíciles o incluso imposibles de imaginar en un espacio
geométrico.
Ejemplo 3.3 Una base ortonormal U 0 en un espacio euclídeo tridimensional está compuesta
por los vectores
u0 1 = [x1 ,y1 ,z1 ]>

u0 2 = [x2 ,y2 ,z2 ]>
u0 3 = [x3 ,y3 ,z3 ]>
cuyas coordenadas xi , yi y zi indican las componentes de cada vector de esta base en la base
canónica U = {u1 ,u2 ,u3 } con
u1 = [1,0,0]>
u2 = [0,1,0]>
u3 = [0,0,1]>
Encuentre los coeficientes ci para representar al vector v = [a,b,c]> (también representado

en la base canónica) como combinación lineal de los vectores u0i .
Solución: Se sabe que
v = c1 u01 + c2 u02 + c3 u03
donde, por ser la base U 0 ortonormal, se cumple que ku0i k = 1 y por tanto
hu0i ,vi
ci = = hu0i ,vi
ku0i k2
Puesto que el espacio utilizado es euclídeo, se utiliza el producto punto como producto
interno, y así:
c1 = ax1 + by1 + cz1

c2 = ax2 + by2 + cz2
c3 = ax3 + by3 + cz3
que se expresa de forma matricial como

    
c1 x1 y1 z1 a
c2  = x2 y2 z2   b 
c3 x3 y3 z3 c
Así, el vector representado en la base canónica se transforma a otro vector en la base U 0

multiplicándolo por la izquierda con una matriz cuyas filas corresponden a los vectores
generadores de la nueva base, representados sobre la base canónica.
Los valores ci pueden interpretarse como “qué tanto” de cada vector ui está contenido en v,
de modo que la suma de los tres “tantos” genera dicho vector.
La figura 3.5 muestra un ejemplo gráfico para ilustrar estos conceptos. Se ilustran con líneas
punteadas las componentes de los vectores de la base U 0 sobre la base canónica U, y las

u01 u3
v
u03
u1
u02
u2
Figura 3.5: Vector representado en una base ortogonal tridimensional.

v u1 u1 u1 , v
2 2 2
1 1 1
1 2 3 1 2 3 1 2 3
v u2 u2 u2 , v
2 2 2
1 1 1
1 2 3 1 2 3 1 2 3
v u3 u3 u3 , v
2 2 2
1 1 1
1 2 3 1 2 3 1 2 3
Figura 3.6: Descomposición del vector v en el ejemplo 3.3 en sus componentes de la base canónica
ortonormal. La primera columna muestra al vector v. La segunda columna muestra
a los vectores de la base canónica, con todas sus componentes excepto una iguales
a cero. La tercera columna muestra al vector de la base canónica escalado por el
coeficiente correspondiente de la combinación lineal, igual a hui ,xi. La suma de los
vectores en la tercer columna es igual al vector original v.
proyecciones del vector v sobre los vectores de la base ortogonal. La figura 3.6 presenta la
descomposición del vector v en sus tres componentes de la base canónica, mientras que la
figura 3.7 muestra la descomposición de dicho vector en las componentes de la nueva base,
representados éstos en la base canónica.
3.3
3.1.3. Ortogonalidad de funciones
La representación de un vector x a través de sus componentes para una determinada base U

puede interpretarse como una función x : {1,2, . . . ,n} → IF que asigna a cada vector gene-
rador ui con índice i ∈ {1,2, . . . ,n} su coeficiente correspondiente con un valor en el cuerpo

D E
u01 ,v
u01
v u01 ku01 k2
2 2 2
1 1 1
1 2 3 1 2 3 1 2 3
D E
u02 ,v
u02
v u02 ku02 k2
2 2 2
1 1 1
1 2 3 1 2 3 1 2 3
D E
u03 ,v
u03
v u03 ku03 k2
2 2 2
1 1 1
1 2 3 1 2 3 1 2 3
Figura 3.7: Descomposición del vector v en el ejemplo 3.3 en sus componentes de la base ortogonal,
expresada en términos de la base canónica. La primera columna muestra al vector v.
La segunda columna muestra a los vectores de la base ortogonal en términos de la
base canónica. La tercera columna muestra al vector de la base ortogonal escalado por
el coeficiente correspondiente de la combinación lineal ci = hui ,xi /kui k2 . La suma
de los vectores en la tercer columna es igual al vector original v.
IF, es decir, x(i) = ci es una función que permite obtener el valor de los coeficientes para
cada componente de la base utilizada. Extendiendo esta idea es incluso posible representar
vectores con un número infinito de dimensiones, utilizando funciones de la forma x : Z → IF.
Con esta nueva notación funcional, para un espacio euclídeo el producto punto se puede
representar como
Xn2
x,y = x∗ (i)y(i) (3.12)
i=n1
donde n1 y n2 pueden ser valores finitos o infinitos, en cualquier rango de enteros consecutivos
tales que n1 ≤ n2 . Esta expresión equivale al producto punto definido anteriormente en (3.9).
Nótese que este simple cambio de representación del vector de tupla a función no ha alterado
ninguno de los conceptos desarrollados hasta ahora para espacios lineales. En principio, un
vector está ahora siendo representado por una función, o dicho de otra forma, estas funciones
de variable entera son elementos de un espacio “lineal-funcional”.
A partir de esta representación resulta una consecuencia natural eliminar la restricción para
la variable independiente de estos “vectores-funciones” de ser números enteros, y permitirles
tomar valores reales o complejos, generalizando o reemplazando así enteramente el concepto
de vectores por funciones. El espacio lineal se transforma entonces en un espacio funcional ,
donde todos los conceptos introducidos anteriormente siguen siendo válidos si los axiomas
básicos de espacios lineales hasta espacios de Hilbert se mantienen. Se interpreta entonces
ahora que una función es un elemento del espacio funcional, así como anteriormente un vector
era un elemento del espacio lineal.
El producto interno de dos funciones x(t) y y(t) definidas en un intervalo [a,b] se generaliza

entonces transformando la suma (3.12) en la siguiente integral

Z b
hx(t),y(t)i = x∗ (t)y(t) dt (3.13)
a
con lo que se concluye que dos funciones son ortogonales en el intervalo [a,b] si (3.13) es cero.
La norma de la función se define utilizando (3.13), de igual forma que se hizo para los vectores
con (3.4): s
p Z b
kx(t)k = hx(t),x(t)i = |x(t)|2 dt (3.14)
a
Con estas definiciones se puede incluso tomar el concepto de ángulo entre vectores (3.6) y
generalizarlo como ángulo entre funciones:
hx(t),y(t)i
cos (∠(x(t),y(t))) = (3.15)
kx(t)kky(t)k
con lo que se puede afirmar que el ángulo entre dos funciones ortogonales es π/2.
3.1.4. Procedimiento de Gram-Schmidt
El procedimiento de Gram-Schmidt es una secuencia de operaciones que toma un conjunto

generador de elementos linealmente independiente y lo transforma en otro conjunto generador
ortonormal que engendra el mismo espacio que el conjunto original. Se dice entonces que el
procedimiento de Gram-Schmidt ortogonaliza una base.
Sea S = {s1 , s2 , . . . , sN } un conjunto de elementos linealmente independientes (por ejemplo,
funciones si (t) o vectores si ). A partir de S se desea encontrar otro conjunto de elementos
ortonormales U = {u1 , u2 , . . . , uN }.
El proceso inicia normalizando el primer vector:
s1
u1 =
ks1 k
de modo que ku1 k = 1.

Para el siguiente paso, se determina cuánto de u1 está contenido en s2 , utilizando la proyec-
ción:
c21 = hs2 ,u1 i
Defínase ahora ε2 como
ε2 = s2 − c21 u1 .
El término ε2 es denominado el residuo de la proyección, que por la construcción realizada
es ortogonal a u1 , lo que se demuestra fácilmente con:
h2 ,u1 i = hs2 − c21 u1 ,u1 i

= hs2 ,u1 i − c21 hu1 ,u1 i = c21 − c21 ku1 k2
=0

s2
ε2
s1
u1
hs2 , u1 i u1
Figura 3.8: Construcción del residuo de la proyección vectorial en dos dimensiones.
Esto se puede interpretar conceptualmente de la siguiente forma: los dos elementos s1 y s2

engendran un espacio bidimensional. Si se toma u1 como vector generador, basta con eliminar
de la dirección de s2 su componente sobre u1 para obtener la otra dirección ortogonal (ver
la figura 3.8).
El segundo vector de la base ortonormal se obtiene normalizando el residuo:
ε2
u2 =
kε2 k
Para encontrar el tercer elemento ortogonal, se aplica la misma idea eliminando del tercer
elemento s3 sus proyecciones sobre u1 y u2 , de modo que el siguiente residuo de proyección
es:
ε3 = s3 − hs3 ,u1 i u1 − hs3 ,u2 i u2
el cual debe normalizarse para integrarlo a la base:
ε3
u3 =
kε3 k
El proceso se repite para el resto de los elementos:

i−1
X
εi = s i − hsi ,uk i uk
k=1
εi
ui =
kεi k
Ejemplo 3.4 Sea S un conjunto de polinomios

S = {s1 (x), s2 (x), . . . , sN (x)}
de modo que si (x) = c0 + c1 x + . . . + ci−1 xi−1 . Utilizando el procedimiento de Gram-Schmidt,
encuentre los primeros tres polinomios de una base polinomial ortogonal para el intervalo
x ∈ [0; 1].
Solución:
El primer polinomio del conjunto es s1 (x) = c0 . Por tanto, necesitamos calcular su norma
para obtener el primer elemento de la base ortogonal:
s
Z 1 q
ks1 (x)k = 2
s1 (x) dx = c20 = c0
0

y por tanto
s1 (x) c0
u1 (x) = = =1
ks1 (x)k c0
Con el segundo polinomio s2 (x) = c0 + c1 x tenemos que
ε2 (x) = s2 (x) − hs2 (x),u1 (x)i u1 (x)

= c0 + c1 x − hs2 (x),1i
para lo que se necesita calcular

Z 1
c1
hs2 (x),1i = c0 + c1 x dx = c0 +
0 2
con lo que se obtiene el segundo residuo

1
ε2 (x) = c1 x −
2

ε2 (x) c1 x − 12 √
u2 (x) = = √ = 3(2x − 1)
kε2 (x)k c1 /2 3
Se deja como ejercicio para el lector demostrar con s3 (x) = c0 + c1 x + c2 x2 que el siguiente
residuo es:
ε3 (x) = s3 (x) − hs3 (x),u1 (x)i u1 (x) − hs3 (x),u2 (x)i u2 (x)

= c2 61 − x + x2
con norma √
5
kε3 (x)k = c2
30
y finalmente √
u3 (x) = 5(1 − 6x + 6x2 )
Estos polinomios se muestran en la figura 3.9.

3.4
4 Lección 12
3.2. Series de Fourier
3.2.1. Series generalizadas de Fourier
Lección 13 B Un conjunto (posiblemente infinito) de funciones ortogonales puede entonces servir de base
generadora para un espacio funcional, de la misma manera que vectores ortogonales sirven
de base generadora para espacios lineales. Sea U un conjunto de funciones ortogonales
U = {un1 (t), un1 +1 (t) . . . , un2 −1 (t), un2 (t)} . (3.16)

ui (x)
0
−1
u1 (x)
u2 (x)
u3 (x)
−2
0 0.2 0.4 0.6 0.8 1
x
Figura 3.9: Tres polinomios ortogonales calculados en el ejemplo 3.4.
Este conjunto puede entonces utilizarse como conjunto generador de un espacio funcional
para toda función
n2
X
xm (t) = ci ui (t) (3.17)
i=n1
donde ci representa los coeficientes escalares de la combinación lineal de las funciones gene-
radoras ui (t).
Asúmase ahora que se desea aproximar una función x(t) para un intervalo [t1 ,t2 ] con la
combinación lineal xm (t) de m = n2 − n1 +1 funciones generadoras definidas en ese mismo
intervalo. Se desea minimizar la “distancia” entre x(t) y xm (t), definida a través de la norma
de la diferencia de las funciones, esto es, se desea minimizar kx(t) − xm (t)k (comparar por
ejemplo con la métrica euclídea en la ecuación (3.10)). Al cuadrado de esta distancia se le
denomina función de error E, que, dada la base funcional U en (3.16), dependerá entonces
de los valores de los coeficientes escalares ci . Utilizando las definiciones anteriores se tiene
que
Z t2
2
E(cn1 ,cn1 +1 , . . . ,cn2 −1 ,cn2 ) = kx(t) − xm (t)k = |x(t) − xm (t)|2 dt (3.18)
t1
Encapsulando todos coeficientes ci como vector c = [cn1 ,cn1 +1 , . . . ,cn2 −1 ,cn2 ]> e insertando
(3.17) en (3.18) se obtiene entonces:
Z t2 n2
X
2
E(c) = x(t) − ci ui (t) dt . (3.19)

t1 i=n1
La minimización de E(c) tiene como condición necesaria (pero no suficiente) que el gradiente
de la función de error respecto a los coeficientes sea 0:
>
∂E(c) ∂E(c) ∂E(c) ∂E(c) !
∇E(c) = , ,...,..., , = [0,0, . . . ,0]> .
∂cn1 ∂cn1 +1 ∂cn2 −1 ∂cn2

Se debe cumplir entonces que

∂E(c)
=0
∂ck
para todo k = n1 , . . . ,n2 , lo que implica que
Z t2 n2
X
2
∂
x(t) − ci ui (t) dt = 0 .
∂ck t1 i=n1
Para el caso especial en que las funciones y coeficientes son reales, y considerando que para
valores reales ∂ |t|2 /∂t = 2t se obtiene3
Z n2 2 Z n2
!
∂ t2 X t2 X
x(t) − ci ui (t) dt = 2 x(t) − ci ui (t) (−uk (t)) dt = 0 (3.20)
∂ck t1 i=n1 t1 i=n1
Z t2 n2
X Z t2
=⇒ x(t)uk (t) dt = ci ui (t)uk (t) dt
t1 i=n1 t1
Para el caso especial en que ui (t) y uk (t) sean ortogonales se tiene que
Z t2
x(t)uk (t) dt = ck kuk (t)k2
t1
con lo que finalmente se puede obtener el valor óptimo para ck :

Z t2
1 hx(t),uk (t)i
ck = x(t)uk (t) dt = (3.21)
kuk (t)k2 t1 kuk (t)k2
que es un resultado concorde a lo utilizado para vectores (comparar con la ecuación (3.8)).
Para demostrar que estos valores obtenidos para ck corresponden en efecto a un mínimo
para la función de error E, debe demostrarse que la matriz Hessiana de la función de error
es definida positiva, es decir, que todos sus valores propios son positivos. Esta matriz está
dada por:  
∂ 2E ∂ 2E ∂ 2E
 ∂c2 ...
 n1 ∂cn1 ∂cn1 +1 ∂cn1 ∂cn2  
 2 2 2 
 ∂ E ∂ E ∂ E 
 ... 
 ∂cn1 +1 ∂cn1 ∂c 2
∂c ∂c 
H(E(c)) =  n 1 +1 n 1 +1 n 2 
 .. .. .. .. 

 . . . . 

 2 2 2 
 ∂ E ∂ E ∂ E 
... 2
∂cn2 cn1 ∂cn2 ∂cn1 +1 ∂cn2
Considerando la primera derivada en (3.20) junto con la ortogonalidad de las funciones ui (t)
2
3
Nótese que para valores complejos de x, esta derivada no existe, pues |x| = xx∗ no es una función
analítica (ver problema 3.10)

se puede calcular la segunda derivada:

Z t2 n2
X Z t2
∂E(c)
= −2 x(t)uk (t) dt + 2ci ui (t)uk (t) dt
∂ck t1 i=n1 t1
Z t2
= −2 x(t)uk (t) dt + 2ck kuk (t)k2
( t1
2
∂ E(c) 0 para j 6= k
=
∂cj ∂ck 2kuk (t)k para j = k
2
por lo que la matriz Hessiana se simplifica a una matriz diagonal

 
2kun1 (t)k2 0 ... 0
 0 2ku n1 +1 (t)k
2
... 0 
 
H(E(c)) =  .. .. ... .. 
 . . . 
0 0 . . . 2kun2 (t)k2
donde todos los elementos en la diagonal son positivos. Puesto que los valores propios de
una matriz diagonal coinciden con las entradas en la diagonal de dicha matriz, entonces los
valores propios son todos positivos, la matriz es definida positiva y por lo tanto los valores
encontrados para ck minimizan a la función de error E(c).
Una conclusión importante de (3.21) es que si se utiliza una base ortogonal para la apro-
ximación de una función x(t), el valor óptimo para el coeficiente ck depende tan solo de la
función generadora uk (t) correspondiente al coeficiente a calcular y de la función x(t) que
se desea aproximar. Estos coeficientes no dependen ni del número de funciones en la base
funcional, ni de la forma de otras funciones generadoras.
El resultado anterior también se obtiene un método además válido para funciones y co-
eficientes complejos: se procede de la misma forma que para obtener los coeficientes de
la combinación lineal de vectores ortogonales. A partir de la representación de la función
x(t) ≈ xm (t) como serie (ver ecuación (3.17)), se evalua el producto interno por una función
generadora particular uk (t) para obtener
* n2
+
X
huk (t),x(t)i ≈ uk (t), ci ui (t)
i=n1
n2
X
= huk (t), ci ui (t)i
i=n1
Xn2
= ci huk (t),ui (t)i
i=n1
= ck huk (t),uk (t)i

huk (t),x(t)i
ck = . (3.22)
kuk (t)k2
A esta misma conclusión se puede llegar trabajando por separado las componentes real e
imaginaria de los coeficientes ci (ver problema 3.12).

Si la base funcional {uk (t)}, k ∈ Z es completa, es decir, si la aproximación de la función

x(t) con la serie infinita converge a la función:
∞
X
x(t) = ck uk (t) (3.23)
k=−∞
con las funciones generadoras uk (t) ortogonales y los coeficientes ck calculados con (3.22),
entonces a la expansión en serie se le denomina serie generalizada de Fourier. A (3.22) se le
conoce como ecuación de análisis y a (3.23) como ecuación de síntesis.
Se planteará el lector ahora la pregunta, qué base funcional puede tomar el papel de la base
canónica ortonormal utilizada en espacios vectoriales euclídeos. En aquel caso, el producto
interno de un vector ui de la base canónica por un vector x = [x1 ,x2 , . . . ,xn ]> retornaba
exactamente la i-ésima componente xi de dicho vector; es decir hui ,xi = xi . Por ejemplo,
en un espacio tridimensional, con el vector de la base canónica u1 = [1,0,0]> se obtiene la
componente x1 del vector [x1 ,x2 ,x3 ]> . En el caso de funciones se requiere un nuevo concepto
que permita entonces extraer con el producto interno el valor de una función para un valor
particular de su variable independiente. Llámese entonces δ(t − t0 ) a una función real que
cumple la propiedad de muestreo:
Z ∞
0 0
x(t ) = hδ(t − t ),x(t)i = δ(t − t0 )x(t) dt .
−∞
Si se toma por ejemplo x(t) = 1 y se realiza un cambio de variable ξ = t − t0 entonces se

debe cumplir Z ∞
δ(ξ) dξ = 1
−∞
lo que indica que el “área” bajo la curva de la función δ(t) debe ser igual a uno. Para derivar
el papel de la función δ(t) en la base canonica funcional se parte de un impulso rectangular
de área unitaria, como el ilustrado en la figura 3.10.
r(t)
1/τ
− τ2 0 τ t
2
Figura 3.10: Impulso rectangular de área unitaria. Obsérvese que mientras más angosto sea el
impulso (menor τ ), mayor será la altura del impulso para mantener el área igual a
uno.
El lector puede demostrar que el conjunto generador dado por las funciones
Uτ = {. . . , r(t + 3τ ), r(t + 2τ ), r(t + τ ), r(t), r(t − τ ), r(t − 2τ ), r(t − 3τ ), . . .}
es ortogonal, puesto que los desplazamientos ocurren siempre en múltiplos del ancho del
impulso (r(t − kτ ) con k ∈ Z). La norma de dichos impulsos está dada por:
sZ r
∞
2 1
kr(t − kτ )k = |r(t − kτ )| dt =
−∞ τ

y el coeficiente ck correspondiente a la función r(t − kτ ), necesario para aproximar una

función x(t) se calcula como:
hr(t − kτ ),x(t)i
ck =
kr(t − kτ )k2
Z kτ + τ
2 1
=τ x(t) dt
kτ − τ2 τ
Z kτ + τ
2
= x(t) dt
kτ − τ2
y considerando que la integral definida de una función en un intervalo es siempre igual a la

longitud del intervalo multiplicada por el valor de la función en un punto particular de dicho
intervalo, se obtiene finalmente:
ck = x(t0k )τ

con t0k ∈ kτ − τ2 ,kτ + τ2 . Obsérvese entonces que el k-ésimo término de la combinación
lineal está dado por ck r(t − kτ ), y así, la mejor aproximación de la función x(t) con la base
ortogonal Uτ es:
k=∞
X k=∞
X
xa (t) = ck r(t − kτ ) = x(t0k )r(t − kτ ) τ (3.24)
k=−∞ k=−∞
La figura 3.11 muestra las “mejores” aproximaciones de una función x(t) utilizando dos bases
x(t) τ = 1
τ = 1 4
2 2 2
1 1 1
0 0 0
-1 -1 -1
0 1 2 3 4 5 6 0 1 2 3 4 5 6 0 1 2 3 4 5 6
Figura 3.11: Aproximaciones de la función x(t) con dos bases ortogonales de funciones rectangu-
lares equiespaciadas.
ortogonales con τ = 1 y τ = 1/4, donde “mejor” significa que la aproximación y la función

tienen la menor distancia posible (es decir, se minimiza kx(t) − xa (t)k) para el τ utilizado.
La figura 3.12 muestra la descomposición de la función en sus componentes ortogonales con
τ = 1.
Observando la figura 3.11 resulta evidente que mientras más pequeño sea el valor de τ (el
ancho del impulso rectangular), más cerca estará la aproximación xa (t) de la función x(t).
Sin embargo, para un valor finito de τ , el espacio funcional engendrado por la base funcional
de impulsos rectangulares desplazados no es completo y por tanto no constituye un espacio
de Hilbert, puesto que la distancia kx(t) − xa (t)k no puede hacerse arbitrariamente pequeña.
La base constituida por estos impulsos será completa solo si se hace τ tender a cero, de modo
que τ se transforma en un diferencial dt0 , y el instante kτ se transforma en un valor real

k = 1 k = 2 k = 3 k = 4 k = 5
2 2 2 2 2
1 1 1 1 1
0 0 0 0 0
-1 -1 -1 -1 -1
0 1 2 3 4 5 6 0 1 2 3 4 5 6 0 1 2 3 4 5 6 0 1 2 3 4 5 6 0 1 2 3 4 5 6
2 2 2 2 2
1 1 1 1 1
0 0 0 0 0
-1 -1 -1 -1 -1
0 1 2 3 4 5 6 0 1 2 3 4 5 6 0 1 2 3 4 5 6 0 1 2 3 4 5 6 0 1 2 3 4 5 6
Figura 3.12: Descomposición de la función x(t) en la figura 3.11 con la base ortogonal de funciones
rectangulares r(t − kτ ) con τ = 1. La primera fila muestra las funciones ortogonales,
y la segunda fila presenta dichas funciones escaladas con su respectivo coeficiente.
t0 . Bajo estas condiciones, el impulso rectangular se transforma en una construcción igual a

cero para todo punto t 6= 0, e infinito para t = 0, pero manteniendo el área unitaria. Esta
construcción cumple con los requisitos establecidos anteriormente para la función δ(t), que
se conoce bajo el nombre de impulso Dirac o delta Dirac:
( Z ∞
∞ para t = 0
δ(t) = lı́m r(t) = δ(t) dt = 1 (3.25)
τ →0 0 para t 6= 0 −∞
y será retomada en la sección 3.3.3. Finalmente, si se hace τ → 0 entonces la suma en la

ecuación de síntesis (3.24) se transforma en una integral
∞
X Z ∞
!
x(t) = lı́m x(t0k )r(t − kτ ) τ = x(t0 )δ(t − t0 ) dt0
τ →0 −∞
k=−∞

donde, puesto que t0k ∈ kτ − τ2 ,kτ + τ2 , al hacer τ → 0 entonces t0k = kτ = t0 .
Ejemplo 3.5 Encuentre los términos de la combinación lineal que aproxima a la función
x(t) = t2 + 2t − 1, correspondientes a las funciones de la base canónica δ(t + 1), δ(t) y δ(t − 1)
con t ∈ IR.
Solución: Con la base de impulsos rectangulares desplazados, el k-ésimo término de la
combinación lineal está dado por ck uk (t), con ck = x(kτ ) τ y uk (t) = r(t − kτ ). Si τ → 0
se sustituye ck por ct0 = x(t0 ) dt0 y uk (t) por ut0 (t) = δ(t − t0 ). Los términos x(t0 )δ(t − t0 ) dt0

solicitados son entonces:

x(−1)δ(t + 1) dt0 = −2δ(t + 1) dt0
x(0)δ(t) dt0 = −δ(t) dt0
x(1)δ(t − 1) dt0 = 2δ(t − 1) dt0
La figura 3.13 muestra la función sobrepuesta con las tres componentes calculadas. Nótese
que δ(t) dt tiene amplitud uno, puesto que proviene de r(t)τ = τ /τ = 1.
x(t)
3
0 t
−2 −1 0 1 2
−1
−2
Figura 3.13: Función x(t) = t2 + 2t − 1 y tres de sus proyecciones sobre la base canónica.
3.5
Al igual que con vectores (ver ejemplo 3.3), la idea general de las series generalizadas de
Fourier será representar cualquier función x(t) en términos de funciones ortogonales uk (t),
que no necesariamente corresponden a la base canónica, pero que pueden expresarse en
términos de ella. Un ejemplo de esto lo constituyen las Series de Fourier, que se presentan
con detalle en la siguiente sección.
4 Lección 13
3.2.2. Series de Fourier
Lección 14 B El siguiente análisis es ampliamente utilizado en ingeniería para señales que son una función
del tiempo. Por esta razón se ha utilizado la variable independiente t que denota al tiempo.
Se dice que x(t) es una función periódica, si para todo t se cumple que
x(t) = x(t + T ) (3.26)
A T se le denomina entonces periodo de la función x(t). Al menor T que satisfaga (3.26) se
le denomina periodo fundamental . Nótese que si x(t) es periódica con período T entonces
x(t + 2T ) = x((t + T ) + T ) = x(t + T ) = x(t)
y en general
x(t + kT ) = x((t + (k − 1)T ) + T ) = x(t + (k − 1)T ) = . . . = x(t) k∈Z
es decir, una función periódica con periodo T también es periódica con periodo kT .

Exponenciales complejas armónicamente relacionadas
Las funciones exponenciales complejas
sk (t) = ejkω0 t = ej2πkf0 t k = 0, ± 1, ± 2, . . . (3.27)
son funciones periódicas que se dicen estar relacionadas armónicamente por tener todas
un periodo común T = 1/f0 . El nombre proviene de la relación de estas funciones con las
oscilaciones de una cuerda, que tienen relaciones “armónicas” (mantienen los nodos externos
fijos) cuando las frecuencias son múltiplos enteros de una frecuencia fundamental.
El periodo fundamental de la señal sk (t) es 1/(kf0 ) = T /k, lo que equivale a una frecuencia
kf0 . Puesto que una señal periódica con periodo T /k es también periódica con periodo
k(T /k) = T con k ∈ Z entonces todas las señales sk (t) tienen como periodo común T . Estas
funciones se utilizan frecuentemente como conjunto generador de espacios funcionales. La
figura 3.14 ilustra el comportamiento de una función exponencial compleja.
(t)}
Im{sk
1
(t)}
Re{sk
1
−1
T
−1 k
2T t
k
Figura 3.14: Representación de función exponencial compleja sk (t). A cada instante de tiempo t
corresponde un plano complejo, sobre el que se plasma el número complejo ejkω0 t =
cos(kω0 t) + j sen(kω0 t). A través del tiempo la trayectoria de sk (t) describe una
espiral sobre un cilintro de radio unitario.
Evaluando el producto interno definido en un período

Z t0 +T
hsi (t),sk (t)i = s∗i (t)sk (t) dt
t0
Z t0 +T Z t0 +T
jω0 it ∗ jω0 kt
= (e )e dt = e−jω0 it ejω0 kt dt
t0 t0
Z t0 +T
= ejω0 (k−i)t dt (3.28)
t0
Para el caso k = i se obtiene

Z t0 +T Z t0 +T
hsk (t),sk (t)i = jω0 0t
e dt = 1 dt = T (3.29)
t0 t0
lo que quiere decir que con un periodo T común a todas las funciones exponenciales armó-
nicas, la norma de sk (t) = ejω0 kt está dada por
ksk (t)k2 = hsk (t),sk (t)i = T

En el caso k 6= i
t0 +T
ejω0 (k−i)t ejω0 (k−i)t0 ejω0 (k−i)T − 1
hsi (t),sk (t)i = = . (3.30)
jω0 (k − i) t0 jω0 (k − i)
Considerando finalmente que ω0 T = 2π se obtiene

ejω0 (k−i)t0 ej2π(k−i) − 1
hsi (t),sk (t)i = =0
jω0 (k − i)
con lo que queda demostrada la ortogonalidad de las funciones exponenciales complejas

armónicamente relacionadas sk (t) = ejω0 kt . Se puede demostrar además que el conjunto de
todas las funciones sk (t), con k ∈ Z engendran un espacio de Hilbert.
De esta forma es posible aproximar cualquier función periódica x(t) = x(t + kT ) con la serie
∞
X
x(t) = ck ejω0 kt (3.31)
k=−∞
conocida como la serie de Fourier de x(t), con

Z t0 +T
1
ck = x(t)e−jω0 kt dt (3.32)
T t0
donde t0 puede elegirse de forma arbitraria (usualmente se toma t0 = 0 o t0 = −T /2. A

(3.31) se le denomina ecuación de síntesis y a (3.32) ecuación de análisis.
Series de Fourier para funciones reales
Para señales periódicas capturadas con sensores reales, las funciones x(t) que las representan
toman valores reales. Para este caso especial, puesto que z ∗ a = (za)∗ cuando z ∈ C y a ∈ IR,
y z ∗ + w∗ = (z + w)∗ , entonces se cumple para los coeficientes de la serie con k ∈ IN+ que
Z
hs−k (t),x(t)i e−jω0 kt ,x(t) 1 t0 +T −jω0 kt ∗
c−k = = = e x(t) dt
ks−k (t)k2 ke−jω0 kt k2 T t0
Z Z t0 +T ∗
1 t0 +T −jω0 kt ∗ 1 −jω0 kt
= e x(t) dt = e x(t) dt
T t0 T t0
Z t0 +T ∗
1
= e −jω0 kt
x(t) dt = c∗k (3.33)
T t0
A esta relación, que también se escribe como c∗−k = ck se le conoce como simetría conjugada
o simetría hermítica de los coeficientes de Fourier para funciones reales. Nótese que esto
implica que las magnitudes de ck y c−k son iguales, y que el ángulo de ck es igual al inverso
aditivo del ángulo de c−k (∠ck = −∠c−k ).
Además, utilizando el hecho de que z + z ∗ = 2 Re{z} se reescribe la ecuación de síntesis

(3.31), asumiendo que ck = |ck | ejθk , con θk = ∠ck como

∞
X −1
X ∞
X
jω0 kt jω0 kt
x(t) = ck e = ck e + c0 + ck ejω0 kt
k=−∞ k=−∞ k=1
X∞ ∞
X
= c−k e−jω0 kt + c0 + ck ejω0 kt (3.34)
k=1 k=1
∞
X

jω0 kt ∗ jω0 kt
= c0 + ck e + ck e
k=1
X∞ ∞
X
= c0 + 2 Re{ck ejω0 kt } = c0 + 2 |ck | Re{ej(ω0 kt+θk ) }
k=1 k=1
∞
X
= c0 + 2 |ck | cos (ω0 kt + θk )
k=1
∞
X
= c0 + c̃k cos (ω0 kt + θk ) (3.35)
k=1
con c̃k = 2 |ck | que tienen todos valores reales positivos. Para c0 , siguiendo s0 (t) = ejω0 0t = 1
se cumple Z
1 t0 +T
c0 = x(t) dt (3.36)
T t0
que adquiere siempre un valor real, y equivale al valor promedio de la función x(t) en un
periodo T . A este coeficiente c0 se le denomina en ingeniería la componente CD de la señal
o función x(t).
Por convención, la ecuación de síntesis (3.35) se escribe con frecuencia como
∞
X
x(t) = c̃k cos (ω0 kt + θk ) (3.37)
k=0
donde c̃0 es entonces |c0 | y θ0 es cero si c0 ≥ 0 o π si c0 < 0.

Resumiendo, la función real x(t) se expresa como una suma infinita de señales cosenoidales
de frecuecias múltiplos de una frecuencia fundamental ω0 , desfasadas por valores θk . Se dice
entonces que x(t) tiene componentes de frecuencia kω0 de magnitud c̃k y fase θk . El lector
puede verificar (ver problema 3.15) que las funciones cos (ω0 kt + θk ) son ortogonales entre
sí, y por tanto esta nueva expresión sigue representando una combinación lineal de una base
generadora del espacio funcional que contiene a x(t).
A la magnitud y ángulo de ck en función de k se le conoce también como espectro de la señal
x(t). Nótese que para el caso complejo es necesario utilizar para la representación espectral
a k entero para representar |ck | y ∠ck . Por otro lado, para el caso en que x(t) es real basta
utilizar k natural para representar c̃k y θk .
Otra representación de la serie de Fourier para funciones reales x(t) se obtiene a partir de

(3.34) utilizando la identidad de Euler:

∞
X ∞
X
−jω0 kt
x(t) = c−k e + c0 + ck ejω0 kt
k=1 k=1
∞
X ∞
X
= c0 + c−k (cos(ω0 kt) − j sen(ω0 kt)) + ck (cos(ω0 kt) + j sen(ω0 kt))
k=1 k=1
∞
X ∞
X
= c0 + (ck + c−k ) cos(ω0 kt) + j (ck − c−k ) sen(ω0 kt)
k=1 k=1
y considerando la simetría hermítica en (3.33)

∞
X ∞
X
x(t) = c0 + (ck + c∗k ) cos(ω0 kt) +j (ck − c∗k ) sen(ω0 kt)
k=1 k=1
que se simplifica con las propiedades (2.21) y (2.22) en

∞
X ∞
X
x(t) = c0 + 2 Re{ck } cos(ω0 kt) − 2 Im{ck } sen(ω0 kt)
k=1 k=1
∞
X ∞
X
= c0 + ak cos(ω0 kt) + bk sen(ω0 kt) (3.38)
k=1 k=1
con ak = 2 Re{ck } = 2 |ck | cos θk y bk = −2 Im{ck } = −2 |ck | sen θk , es decir:

1
ck = (ak − jbk ) .
2
El mismo resultado se alcanza a partir de la ecuación de síntesis (3.35) utilizando la identidad

trigonométrica cos(α + β) = cos α cos β − sen α sen β.
El lector puede comprobar que en este caso las funciones seno y coseno también representan
una base generadora del espacio funcional, puesto que son ortogonales entre sí (proble-
ma 3.14). Entonces, utilizando la ecuación de análisis generalizada (3.22) se deriva para
k > 0:
Z
hcos ω0 kt,x(t)i 2 t0 +T
ak = = x(t) cos ω0 kt dt (3.39)
k cos ω0 ktk2 T t0
Z
hsen ω0 kt,x(t)i 2 t0 +T
bk = = x(t) sen ω0 kt dt (3.40)
k sen ω0 ktk2 T t0
En la literatura hay dos convenciones para tratar al término constante en esta serie trigono-
métrica de Fourier. En ingeniería se acostumbra definir a0 = c0 y mantener así el significado
de a0 como nivel promedio de x(t), de modo que la ecuación de síntesis (3.38) se reescribe
como: ∞ ∞
X X
x(t) = ak cos(ω0 kt) + bk sen(ω0 kt) . (3.41)
k=0 k=1

Preste atención al inicio en k = 0 en la suma de cosenos. En este caso la fórmula para el

cálculo de a0 difiere de la ecuación de análisis (3.39) utilizada para el resto de coeficientes
ak con k > 0, y debe emplearse la misma forma de cálculo de c0 en (3.36):
Z
1 t0 +T
a0 = x(t) dt (3.42)
T t0
Por otro lado, otros autores definen a0 de forma que se aplique la ecuación de análisis (3.39)
directamente, lo que corresponde al doble del valor c0 . En esta convención, la ecuación de
síntesis (3.38) debe reexpresarse entonces como
∞ ∞
a0 X X
x(t) = + ak cos(ω0 kt) + bk sen(ω0 kt) .
2 k=1 k=1
Debe tenerse cuidado con cuál convención se esté usando en cada caso particular, para
mantener consistencia entre las ecuaciones de síntesis y de análisis.
La representación de síntesis (3.41) es la más cercana a la históricamente planteada en 1807
por el matemático francés Jean Baptiste Joseph Fourier (1768-1830), quien la utilizó pa-
ra analizar la distribución de temperatura a través de un cuerpo. En su época él no pudo
demostrar con suficiente generalidad matemática qué tipo de funciones periódicas podrían
representarse por estas series; sin embargo, tuvo la perspicacia de comprender el potencial
de aplicación de la representación de funciones a través de series trigonométricas. Él sostenía
que cualquier función periódica podría representarse por una serie de este tipo. Su trabajo
se basó en ideas anteriores sobre vibraciones de una cuerda hechos por L. Euler en 1748 y
por D. Bernoulli en 1753. Este último matemático argumentaba que todos los movimientos
de una cuerda eran representables por una combinación lineal de los “modos” de oscilación
normales, pero no lo pudo demostrar matemáticamente por lo que fue ignorado. El docu-
mento planteado por Fourier fue revisado por cuatro matemáticos: S. F. Lacroix, G. Monge
y P. S. de Laplace estuvieron de acuerdo en publicar su trabajo, pero J. L. Lagrange rechazó
rotundamente la idea por considerar imposible que funciones discontinuas o con disconti-
nuidades en sus derivadas (con picos) pudieran ser representadas como sumas de funciones
“suaves” como los senos y cosenos. No fue sino 15 años más tarde, en 1822, que Fourier pu-
blicó sus ideas en un trabajo titulado Théorie analytique de la chaleur. Fue hasta 1829 que
P. L. Dirichlet proporcionó la demostración precisa de la condiciones necesarias y suficientes
para que una función pueda ser expresada como serie trigonométrica.
En principio, la descomposición de una función real x(t) en una serie de Fourier brindará un
conjunto de coeficientes ck (o alternativamente ak y bk , o c̃k ) que indican qué tan “fuerte” es
(|ck |2 indica incluso cuánta energía contiene) la k-ésima componente de la serie con frecuencia
angular kω0 . Esto es, la serie de Fourier es un primer paso para realizar un análisis en el
dominio de la frecuencia.
La importancia de esto para los circuitos eléctricos y electrónicos lineales (únicamente con
elementos pasivos y amplificadores operacionales ideales), o cualquier sistema lineal, es que,
si la entrada al circuito se descompone en una suma de funciones trigonométricas, entonces,
por el principio de superposición, es posible analizar el efecto de cada una de las compo-
nentes por separado, y luego sumar todas las respuestas obtenidas para generar la respuesta
total. Debido a que estos circuitos lineales no alteran la frecuencia de una señal de entrada
sinusoidal, entonces para cada componente de frecuencia kω0 habrá una componente a la
salida con la misma frecuencia, pero con magnitud y fase modificadas.

Ahora bien, hasta ahora se ha presentado el cálculo de los coeficientes que minimiza el
error entre una función y su aproximación como serie de exponenciales complejas, o en el
caso especial de funciones de valor real, los coeficientes y desfaces de una serie de funciones
cosenoidales. Sin embargo, no se ha analizado en qué casos estas series convergen a la función
x(t). Las llamadas condiciones de Dirichlet para la función x(t) garantizan la convergencia
de la serie de Fourier en todo punto de x(t) exceptuando en sus discontinuidades, donde la
serie converge al valor medio de la discontinuidad. Estas condiciones son:
1. La función x(t) es absolutamente integrable en cualquier periodo, esto es:

Z t0 +T
|x(t)| dt < ∞ (3.43)
t0
2. La función x(t) contiene un número finito de máximos y mínimos en cualquier periodo.
3. La función x(t) tiene un número finito de discontinuidades en cualquier periodo.
Estas condiciones son suficientes, mas no siempre necesarias; es decir, existen funciones con
representaciónes válidas en series de Fourier que no satisfacen las condiciones de Dirichlet.
Otro aspecto interesante a mencionar es la rapidez con que la serie de Fourier converge para
funciones reales:
1. Si x(t) tiene un número finito de discontinuidades entonces sus coeficientes decrecen a

una tasa 1/k.
2. Si x(t) es continua, pero sus primeras derivadas son discontinuas (la función tiene
“picos”) entonces los coeficientes decrecen a una tasa 1/k 2 .
3. Si x(t) y todas sus derivadas hasta de n-ésimo orden son continuas, pero la (n+1)-ésima
derivada es discontinua entonces los coeficientes decrecen a una tasa 1/k n+2
Las observaciones anteriores estipulan que mientras más suave sea una función, más rápido
convergerá su serie de Fourier.
4 Lección 14
Lección 15 B Ejemplo 3.6 Calcule los coeficientes de la Serie de Fourier para una señal rectangular como
la mostrada en la figura 3.15, utilizando las tres bases funcionales presentadas anteriormente.
x(t)
1/τ
t
−T 0 t0 t0 + τ T
Figura 3.15: Señal rectangular periódica.
Solución:

Los coeficientes de la serie exponencial compleja

∞
X
x(t) = ck ejω0 kt
k=−∞
se calculan con (3.32) como:

Z T Z t0 +τ
1 −jω0 kt 1
ck = e x(t) dt = e−jω0 kt dt
T 0 Tτ t0
Para k = 0 se tiene con e−j0 = 1

Z t0 +τ
1 1 t0 +τ 1 1 1
c0 = dt = t|t0 = [(t0 + τ ) − t0 ] = τ=
T τ t0 Tτ Tτ Tτ T
y para k 6= 0
t0 +τ
1 e−jω0 kt
ck =
T −jω0 kτ t0

1e −jω0 k(t0 +τ )
− e−jω0 kt0 1 −jω0 kt0 e−jω0 kτ − 1
= = e
T −jω0 kτ T −jω0 kτ
ω kτ ω0 kτ

0
−j 2
2 −jω0 kt0 −j ω0 kτ e − ej 2
= e e 2
T −2jω0 kτ
ω kτ
0
j 2
ω kτ
−j 02
2 −jω0 k(t0 + τ2 ) e − e 1 sen ω02kτ −jω0 k(t0 + τ2 )
= e = ω0 kτ
e
T 2j ω0 kτ T 2

1 ω0 kτ
e−jω0 k(t0 + 2 )
τ
ck = sa
T 2
de donde se obtiene finalmente

1 ω0 kτ
|ck | = sa
T 2
(
−ω0 k t0 + τ2 si sa (ω0 kτ /2) ≥ 0
∠ck =
π − ω0 k t0 + 2 τ
si sa (ω0 kτ /2) < 0
Tal y como se estableció anteriormente, por existir discontinuidades en la función a apro-

ximar, los coeficientes decrecen a una tasa 1/k al ser el seno una función acotada y estar
dividida por un término múltiplo de k.
Nótese que si t0 se elige como −τ /2 entonces los coeficientes ck son reales. Estos pueden
graficarse en un eje de frecuencias para varios valores de T y τ , tal y como lo muestra la
figura 3.16. Los coeficientes ck se han espaciado de tal modo que el eje horizontal tiene las
mismas unidades de frecuencia, es decir, la distancia entre ci y ci+1 es proporcional a 1/T .
Nótese que mientras más baja la frecuencia, mayor es T y la distancia entre los coeficientes
ck (que se denominarán aquí líneas espectrales) disminuye. Por otro lado, si τ aumenta,
entonces la función envolvente sa(ω0 kτ /2) se comprime. De la ecuación para ck se observa
incluso que si τ tiende a T , entonces ω0 kτ /2 tiende a πk, y puesto que sa(kπ) es cero para
todo k 6= 0, entonces ck = 0 para k 6= 0. El único coeficiente diferente de cero es en este

ck
f (t)
t k
−T − τ2 τ
2 T 915 910 95 0 5 10 15
(a) (b)
ck ck
k k
915 910 95 0 5 10 15 930 925 920 915 910 95 0 5 10 15 20 25 30
(c) (d)
Figura 3.16: Secuencia periódica de pulsos rectangulares en tiempo continuo. (a) Representación
temporal. (b) Líneas espectrales de (a) con τ = 1 y T = 5. (c) Líneas espectrales de
(a) con τ = 2 y T = 5. (d) Líneas espectrales de (a) con τ = 1 y T = 10.
caso entonces c0 . Esto tiene sentido puesto que si τ → T entonces x(t) será una función
constante, y su única componente espectral se encuentra en la frecuencia cero.
Para la representación como serie infinita de funciones cosenoidales desfasadas (3.37)
∞
X
x(t) = c̃k cos(ω0 kt + θk )
k=0
se obtiene de lo anterior
1
c̃0 = c0 =
T

2 ω0 kτ
c̃k = 2 |ck | = sa , k>0
T 2
(
−ω0 k t0 + τ2 si sa (ω0 kτ /2) ≥ 0
θk = ∠ck =
π − ω 0 k t0 + 2τ
si sa (ω0 kτ /2) < 0
La figura 3.17 muestra cuatro aproximaciones de la señal rectangular utilizando solo la

primer componente espectral (solo c0 ), las primeras dos, cinco y quince componentes. Se

aprecia que la convergencia a la señal rectangular es relativamente rápida, y se nota cómo

todas las aproximaciones en la discontinuidad de x(t) pasan por el promedio de los límites
de la señal a la izquierda y a la derecha de la misma. La aproximación de la función en las
cercanías de la discontinuidad siempre exhibirá sobreoscilaciones conocidas como el fenómeno
de Gibbs. Puede demostrarse que este fenómeno no desaparece cuando la serie avanza hasta
infinito, sino simplemente el pico producido se acerca arbitrariamente a la discontinuidad.
f (t) c̃k cos(ω0 kt + θk )

1
2
0.5
1 0 t
−1 −0.5 0 0.5 1
−0.5
0 t −1
−1 −0.75 −0.5 −0.25 0 0.25 0.5 0.75 1
(a) (b)
Figura 3.17: Aproximaciones de la señal rectangular con 1, 2, 5 y 15 componentes espectrales. (a)
Las aproximaciones, (b) y sus últimas componentes espectrales consideradas.
Para la última representación como serie infinita trigonométrica (3.41):

∞
X ∞
X
x(t) = ak cos ω0 kt + bk sen ω0 kt
k=0 k=1
los coeficientes ak y bk se pueden obtener directamente con (3.39) y (3.40) o utilizando los
resultados anteriores:
2
a0 = c 0 =
T
2 ω0 kτ τ
ak = 2 |ck | cos θk = sa cos ω0 k t0 +
T 2 2

2 ω0 kτ τ
bk = −2 |ck | sen θk = sa sen ω0 k t0 +
T 2 2
.
Nótese que si se elige t0 = −τ /2 entonces todos los términos bk desaparecen. 3.6
Ejemplo 3.7 El siguiente caso de aplicación del análisis de Fourier se encuentra en el

área de electrónica de potencia, donde se estudia la densidad de potencia en los diferentes
armónicos de una señal sinusoidal rectificada de media onda con un ángulo de disparo 0 ≤
α ≤ π, tal y como se indica en la figura 3.18. Encuentre la serie de Fourier de esta señal.
Solución: Una señal sinusoidal rectificada de media onda es cero excepto en el intervalo
que va desde αT /2π hasta T /2, tiempo en el que la señal es senoidal. De este modo, los

x(t)
t
0 αT
-T - T2 2π
T
2
3T
4 T 3T
2
Figura 3.18: Señal senoidal rectificada de media onda con ángulo de disparo α.
coeficientes de Fourier se calculan de la siguiente manera:

Z Z T
1 T −jω0 kt 1 2
ck = e x(t) dt = e−jω0 kt sen(ω0 t) dt
T 0 T αT2π
Z T jω0 t −jω0 t

1 2
−jω0 kt e −e
= e dt
T αT2π
2j
Z T
1 2
= e−jω0 t(k−1) − e−jω0 t(k+1) dt
j2T αT 2π
Asumiendo que k 6= ±1:

T2
1 e−jω0 t(k−1) e−jω0 t(k+1)
= −
j2T −jω0 (k − 1) −jω0 (k + 1) αT
2π
Considerando que ω0 = 2π/T

T
1 (k + 1)e−jω0 kt ejω0 t − (k − 1)e−jω0 kt e−jω0 t 2
=
4π (k − 1)(k + 1) αT
2π
1 −jω0 kt T2
= 2
ke sen(ω0 t)2j + e−jω0 kt cos(ω0 t)2 αT
4π(k − 1) 2π
T
e−jω0 kt 2
= [cos(ω0 t) + jk sen(ω0 t)]
2π(k 2 − 1) αT
2π
e−jkπ e−jkα
= [cos(π) + jk sen(π)] − [cos(α) + jk sen(α)]
2π(k 2 − 1) 2π(k 2 − 1)
1 k+1 −jkα

= (−1) − e {cos(α) + jk sen(α)}
2π(k 2 − 1)
La parte imaginaria de los coeficientes está determinada por la parte imaginaria del producto:
e−jkα {cos(α) + jk sen(α)}
cuyo signo depende directamente del signo de k, lo que confirma el hecho de que c−k = c∗k
para la función real x(t). Además, puesto que las señales seno y coseno son acotadas, se

deriva que los coeficientes de la función senoidal rectificada convergen a cero con una tasa
de 1/k si α es diferente de cero, puesto que en este caso la señal tiene discontinuidades, y a
una tasa 1/k 2 si α es igual a cero, cuando la señal es continua.
No se han calculado aún los casos k = ±1. Para k = 1 se tiene
Z T
1 2
c1 = 1 − e−j2ω0 t dt
j2T αT
2π
T
1 e−j2ω0 t 2
= t−
j2T −j2ω0 αT
2π

1 T 1 αT e−j2α
= + − −
j2T 2 j2ω0 2π j2ω0

1 jω0 πT + π − jαω0 T − πe−j2α
=
j2T jω0 2π
1
=− (1 − e−j2α ) + j2(π − α)
8π
1
= − [(1 − cos(2α)) + j(2π − 2α + sen(2α))]
8π
Puesto que debe cumplirse para el caso k = −1 que c−1 = c∗1 entonces:
1
c−1 = − [(1 − cos(2α)) − j(2π − 2α + sen(2α))]
8π
|ck |
0.4
0.2
0
π
0 1 π/2 α
2 3 4 5 6 7 8 0
k 9
Figura 3.19: Coeficientes de señal rectificada de media onda con ángulo de disparo α.
La figura 3.19 muestra la magnitud de los coeficientes (espectro de tensión) para diferentes
valores del ángulo de disparo. Se nota que si α = π, entonces todos los coeficientes se
hacen cero. Además se aprecia que el mayor valor CD se alcanza para α = 0 y decae
monotónicamente hasta cero, tal y como se puede esperar. Para α = 0 se observa además
que los coeficientes impares a partir de k = 3 desaparecen. 3.7
3.2.3. Propiedades de la serie de Fourier
Un operador es un concepto matemático que transforma una función en otra. Puede inter-
pretarse como una relación entre puntos de un espacio funcional, es decir, una relación que

4
asigna a una función, otra función
R . Ejemplos de operadores son el operador de derivación ∂x
∂·
o el operador de integración · dx. Relacionado con la serie (generalizada) de Fourier puede

considerarse un operador SFG {·} que transforma una función periódica continua en una serie
infinita de valores ck que puede interpretarse como una función de una variable entera c[k]:
huk (t),x(t)i
c[k] = SFG {x(t)} =
kuk (t)k2
para el caso generalizado. Para el caso particular de series de Fourier se cumple uk (t) = sk (t),
donde sk (t) corresponde a las funciones exponenciales armónicamente relacionadas definidas
en (3.27).
Linealidad
Sean dos funciones x1 (t) y x2 (t) y dos valores escalares α1 y α2 . Un operador O{·} se
denomina operador lineal si cumple con la propiedad
O{α1 x1 (t) + α2 x2 (t)} = α1 O{x1 (t)} + α2 O{x2 (t)}
El lector puede verificar que los operadores de derivación e integración son lineales. Con-
sidérese ahora que x1 (t) y x2 (t) tienen desarrollos en series generalizadas de Fourier con
coeficientes c1 [k] y c2 [k] respectivamente. Analizando el cálculo de los coeficientes para el
desarrollo generalizado de Fourier de la combinación lineal de estas funciones, y recordando
la propiedad de sesquilinealidad del producto interno se obtiene
huk (t),x(t)i
SFG {x(t)} = SFG {α1 x1 (t) + α2 x2 (t)} =
kuk (t)k2
huk (t),α1 x1 (t) + α2 x2 (t)i
=
kuk (t)k2
huk (t),α1 x1 (t)i huk (t),α2 x2 (t)i
= +
kuk (t)k2 kuk (t)k2
huk (t),x1 (t)i huk (t),x2 (t)i
= α1 2
+ α2
kuk (t)k kuk (t)k2
= α1 c1 [k] + α2 c2 [k]
= α1 SFG {x1 (t)} + α2 SFG {x2 (t)}
Con lo que se demuestra que toda serie generalizada de Fourier puede considerarse como
un operador lineal, o en otras palabras, los coeficientes de la serie generalizada de Fourier
para una combinación ponderada lineal α1 x1 (t)+α2 x2 (t) son iguales a la misma ponderación
lineal de los coeficientes de cada función x1 (t) y x2 (t) por separado.
Para el caso particular de las series de Fourier se puede corroborar la linealidad directamente.
4
En realidad el término operador tiene en matemática muchas otras acepciones, refiriéndose a una función,
a un mapeo entre puntos de espacios lineales, o a un mapeo entre funciones, como el aquí utilizado.

Utilizando el operador SF {·} asociado a la serie de Fourier se tiene:

Z
1 t0 +T −jω0 kt
c[k] = SF {α1 x1 (t) + α2 x2 (t)} = e (α1 x1 (t) + α2 x2 (t)) dt
T t0
Z Z
1 t0 +T −jω0 kt 1 t0 +T −jω0 kt
= e α1 x1 (t) dt + e α2 x2 (t) dt
T t0 T t0
Z Z
1 t0 +T −jω0 kt 1 t0 +T −jω0 kt
= α1 e x1 (t) dt + α2 e x2 (t) dt
T t0 T t0
= α1 c1 [k] + α2 c2 [k] = α1 SF {x1 (t)} + α2 SF {x2 (t)}
Se deja como ejercicio para el lector (ver problema 3.17) demostrar que los coeficientes de
la serie trigonométrica de Fourier (3.38) son también resultado del mapeo de un operador
lineal.
Ejemplo 3.8 Encuentre los coeficientes de la serie de Fourier para la función indicada en
la figura 3.20 utilizando la propiedad de linealidad y los resultados del ejemplo 3.6.
x(t)
2/τ
1/τ
T 3T t
−T 0 2 4 T
Figura 3.20: Función conformada por la combinación lineal de funciones rectangulares.
Solución: Hay varias maneras de generar la función indicada en la figura 3.20 como combi-
nación lineal de funciones rectangulares. Aquí se mostrará solo un ejemplo.
Si x1 (t) es igual a la función rectangular con τ = T /2 y t0 = 0 entonces su desarrollo es:
∞
X
x1 (t) = c1k ejω0 kt
k=−∞

1 ω0 kτ −jω0 k(t0 + τ2 ) 1 πk −j πk
c1k = sa e = sa e 2
T 2 T 2

−j T kπ si k es impar
2

= T1 si k es cero


0 si k es par (excepto cero)
Si x2 (t) es igual a la función rectangular con τ = T /4 y t0 = T /2 entonces

∞
X
x2 (t) = c2k ejω0 kt
k=−∞

1 ω0 kτ −jω0 k(t0 + τ2 ) 1 πk 5πk
c2k = sa e = sa e−j 4
T 2 T 4

La función x(t) tiene entonces como coeficientes
ck = c1k + 2c2k

1 πk −j πk 2 πk −j 5πk
= sa e 2 + sa e 4
T 2 T 4
3.8
Simetrías
Una función x(t) se denomina simétrica o par si para todo t se cumple x(t) = x(−t), y es
llamada asimétrica o impar si −x(t) = x(−t). En esta sección se estudian las características
de los coeficientes de las series de Fourier para estos dos casos particulares.
Si en la ecuación para el cálculo de los componentes (3.32) se elige t0 = −T /2 entonces se
obtiene
Z T
1 2
ck = e−jω0 kt x(t) dt
T − T2
(Z Z T )
0
1 2
= e−jω0 kt x(t) dt + e−jω0 kt x(t) dt
T − T
0
(Z T2 Z T )
1 2 2
= ejω0 kt x(−t) dt + e−jω0 kt x(t) dt
T 0 0
Z T
1 2
= ejω0 kt x(−t) + e−jω0 kt x(t) dt (3.44)
T 0
Para el caso en que la función sea par, entonces

Z T
1 2 2 jω0 kt
ck = x(t) e + e−jω0 kt dt
T 0 2
Z T
2 2
= x(t) cos ω0 kt dt
T 0
que, para el caso particular en que x(t) ∈ IR, conduce entonces a que los coeficientes ck
sean reales. Puesto que el coseno es una función par, entonces se observa que ck = c−k . Esto
quiere decir, que si se interpretan estos coeficientes como una función de variable entera
c[k] = c[−k], entonces estos conforman a su vez una función par (ver ejemplo 3.6)
Para el caso de simetría impar se tiene a partir de (3.44):
Z T
1 2 2j
ck = x(t) −ejω0 kt + e−jω0 kt dt
T 0 2j
Z T
2j 2
=− x(t) sen ω0 kt dt
T 0
que en el caso particular de que x(t) ∈ IR conduciría a coeficientes con solo componente
imaginaria. Puesto que el seno es una función impar entonces c−k = −ck . Para el caso en

que x(t) sea real, ambos resultados para las simetrías par e impar concuerdan con la relación
encontrada anteriormente ck = c∗−k .
Puesto que toda función x(t) puede descomponerse en una componente par xe (t) y otra
componente impar xo (t), de la siguiente forma
x(t) = xe (t) + xo (t) (3.45)

x(t) + x(−t)
xe (t) = (3.46)
2
x(t) − x(−t)
xo (t) = (3.47)
2
y considerando la propiedad de linealidad de los coeficientes de las series de Fourier, se
deduce que la componente real de los componentes es originada por la componente par de
la función, mientras que los componentes imaginarios provienen de la componente impar de
la función.
Con respecto a la representación trigonométrica de la serie de Fourier (3.38) para funciones
reales, por la equivalencia de los coeficientes ak y bk con ck = |ck | ejθk se deriva que si la
función x(t) es par, entonces los bk = −2 |ck | sen θk = 0 para todo k, puesto que θk = 0 ó π.
Por otro lado, si la función es impar, entonces ak = 2 |ck | cos θk = 0 para todo k puesto que
θk = ±π/2.
Las siguientes propiedades son útiles en el análisis de simetría:
1. La suma de dos o más funciones pares es par
2. La suma de dos o más funciones impares es impar
3. El producto de dos o más funciones pares es par
4. El producto de dos funciones impares es par
5. El producto de una función impar con una par es una función impar
6. La derivada de una función par es impar
7. La derivada de una función impar es una función par
Ejemplo 3.9 Encuentre los coeficientes de la serie de Fourier para la función periódica
representada en la figura 3.21.
x(t)
1/τ
T t
−T 0 2 T
−1/τ
Figura 3.21: Función impar simple.
Solución: La figura 3.21 muestra una función rectangular impar. Esta función se diferencia
de las utilizadas en ejemplos anteriores únicamente en nivel CD (el valor promedio) que en
este caso es cero, y por tanto el coeficiente c0 es cero. Observando que la amplitud de la
señal es dos veces la utilizada en el ejemplo 3.6 se tiene entonces que

∞
X
x(t) = ck ejω0 kt
k=−∞

2 ω0 kτ −jω0 k(t0 + τ2 ) 2 πk −j πk
ck = sa e = sa e 2 ; k 6= 0
T 2 T 2
(
−j T 4kπ si k es impar
=
0 si k es par, incluyendo al cero
que es completamente imaginario y es una función de variable entera, impar en k. El lector

puede verificar el resultado haciendo el cálculo de ck aplicando directamente su definición a
través del producto interno.
3.9
4 Lección 15
Desplazamiento en el tiempo
Lección 16 B Si una señal periódica se desplaza en el tiempo, su periodo T no es alterado. Si los coeficientes
ck del desarrollo en series de Fourier de la función x(t) se calculan con (3.32), entonces, para
x(t − τ ) y haciendo la sustitución de variable u = t − τ
Z
0 1 t0 +T −jω0 kt
ck = e x(t − τ ) dt
T t0
Z
1 t0 −τ +T −jω0 k(u+τ )
= e x(u) du
T t0 −τ
Z 0
1 t0 +T −jω0 ku −jω0 kτ
= e e x(u) du
T t00
Z t00 +T
−jω0 kτ 1
=e e−jω0 ku x(u) du
T t00
= e−jω0 kτ ck
Nótese que el término que aparece debido al desplazamiento temporal solo produce un cambio
de fase, mas no de magnitud a los coeficientes.
En ejemplos anteriores con la señal rectangular se obtuvo que si esta es real y par, entonces los
valores de ck son completamente reales. Cuando la señal se desfasó medio periodo se introdujo
un cambio de fase de la forma ejπk/2 , tal y como lo predice la propiedad de desplazamiento.
Desplazamiento en la frecuencia
La siguiente pregunta es, si x(t) tiene coeficientes ck , qué función se reconstruye si se des-
plazan los coeficientes, es decir, qué función es:
∞
X
y(t) = ck−k0 ejω0 kt
k=−∞

y con un cambio de variable l = k − k0 :

∞
X
= cl ejω0 (l+k0 )t
l=−∞
∞
X
jω0 k0 t
=e cl ejω0 lt
l=−∞
jω0 k0 t
=e x(t)
lo que corresponde a un cambio de fase en la función temporal.
Inversión en el tiempo
Si x(t) tiene como expansión en serie de Fourier

∞
X
x(t) = ck ejω0 kt
k=−∞
entonces se obtiene con k 0 = −k que

∞
X −∞
X ∞
X
0 0
x(−t) = ck e−jω0 kt = c−k0 ejω0 k t = c−k0 ejω0 k t
k=−∞ k0 =∞ k0 =−∞
Lo que implica que la función x(−t) tiene como coeficientes c−k .
Escalamiento en el tiempo
La dilatación o contracción del eje temporal t (con inversión o sin ella) se plantea en términos
de un escalamiento temporal, es decir, multiplicando la variable t por una constante α.
Cuando esto ocurre, el periodo de la nueva señal x(αt) es modificado por la misma constante
α: ∞ ∞
X X
jω0 k(αt)
x(αt) = ck e = ck ej(αω0 )kt
k=−∞ k=−∞
Esto puede interpretarse de la siguiente manera: el escalamiento en el tiempo de una función

no altera los coeficientes ck , pero sí la serie de Fourier, puesto que sus bases funcionales
ej(αω0 )kt tienen una nueva frecuencia fundamental αω0 .
Multiplicación
Dos propiedades están relacionadas con la multiplicación: los coeficientes del producto de
dos funciones, y la función obtenida al multiplicar los coeficientes correspondientes a dos
funciones.

P P
Sean las series i ai = (. . . + a1 + a2 + . . . + ai + . . .) y j bj = (. . . + b1 + b2 + . . . + bj + . . .).
El producto entre ellas se calcula como entonces
! !
X X
ai bj = . . . +a1 b1 +a1 b2 +. . .+a1 bj +. . .+
i j
. . . +a2 b1 +a2 b2 +. . .+a2 bj +. . .+

XX
. . . + ai b1 + ai b2 +. . .+ ai bj +. . . + . . . = (ai bj ) (3.48)
i j
Utilizando esto, pueden encontrarse los coeficientes del producto de dos funciones periódicas
x1 (t) y x2 (t), ambas con el mismo periodo T , y con coeficientes c1k y c2k para sus respectivos
desarrollos en series de Fourier:
∞
! ∞
!
X X
x(t) = x1 (t)x2 (t) = c1n ejω0 nt c2l ejω0 lt
n=−∞ l=−∞
∞
X ∞
X
= c1n c2l ejω0 (n+l)t
n=−∞ l=−∞
Haciendo una sustitución de variable k = l + n, y por lo tanto l = k − l e intercambiando el

orden de las sumatorias
∞ ∞
!
X X
x(t) = x1 (t)x2 (t) = c1n c2(k−n) ejω0 kt
k=−∞ n=−∞
| {z }
ck
A la suma ∞
X
ck = c1n c2(k−n)
n=−∞
se le denomina convolución discreta de c1k y c2k . Su significado en ingeniería será analizado

posteriormente, cuando se revisen las propiedades de la transformada z.
Por otro lado, sean c1k y c2k los coeficientes del desarrollo en serie de Fourier de las funciones
x1 (t) y x2 (t) respectivamente. Se desea ahora encontrar la función x(t) que tiene como
coeficientes ck el producto ck = c1k c2k :
ck = c1k c2k
Z t0 +T
1 −jω0 kτ
= c2k x1 (τ )e dτ
T t0
Z
1 t0 +T
= x1 (τ )c2k e−jω0 kτ dτ
T t0
Z Z t1 +T
1 t0 +T 1 −jω0 kν
= x1 (τ ) x2 (ν)e dν e−jω0 kτ dτ
T t0 T t
Z t0 +T Z 1t1 +T
1 1 −jω0 k(ν+τ )
= x1 (τ ) x2 (ν)e dν dτ
T t0 T t1

y con t = ν + τ , y t2 = t1 + τ
Z Z t1 +T +τ
1 t0 +T 1 −jω0 kt
= x1 (τ ) x2 (t − τ )e dt dτ
T t0 T t1 +τ
Z Z
1 t0 +T 1 t2 +T −jω0 kt
= x1 (τ )x2 (t − τ )e dt dτ
T t0 T t2
e intercambiando el orden de integración
Z Z
1 t2 +T 1 t0 +T
= x1 (τ )x2 (t − τ ) dτ e−jω0 kt dt
T t2 T t0
| {z }
x(t)
Es decir, la función definida como convolución periódica de x1 (t) y x2 (t), expresada como
Z
1 t0 +T
x(t) = (x1 ~ x2 )(t) = x1 (τ )x2 (t − τ ) dτ
T t0
tiene como coeficientes de Fourier el producto de los coeficientes del desarrollo de las funciones
x1 (t) y x2 (t), es decir, ck = c1k c2k .
Conjugación y simetría conjugada
Si x(t) es una función compleja, interesa observar como se comportan los coeficientes de
x∗ (t), en comparación a los ck correspondientes a x(t). Aplicando la conjugación compleja a
ambos lados de la representación de función como serie se obtiene
∞
!∗
X
(x(t))∗ = ck ejω0 kt
k=−∞
∞
X ∞
X ∞
X
x∗ (t) = c∗k e−jω0 kt = c∗−k ejω0 kt = c∗−k ejω0 kt
k=−∞ −k=−∞ k=−∞
es decir, x (t) tiene como coeficientes

∗
c∗−k .
Esto confirma el resultado anterior (3.33) obtenido
para funciones reales, pues en dicho caso x(t) = x∗ (t) y por lo tanto ck = c∗−k , lo que
representa simetría hermítica con respecto al índice k.
Derivación e Integración
Considerando la función x(t) y su desarrollo en serie de Fourier se puede observar el efecto

de aplicar el operador de derivación de la siguiente manera:
∞
!
d d X
x(t) = ck ejω0 kt
dt dt k=−∞
∞
X d jω0 kt
= ck e
k=−∞
dt
X∞
= (jω0 kck ) ejω0 kt
k=−∞

En otras palabras, la derivación de una función equivale a multiplicar cada uno de sus
coeficientes ck por jω0 k.
Nótese que los coeficientes de la derivada de x(t), al estar multiplicados por jω0 k decre-
cen más despacio que los coeficientes originales de x(t) y por tanto la serie converge más
lentamente que la serie de x(t).
El caso de la integración es más complejo que el anterior, puesto que la integral de una
señal periódica no necesariamente produce una función periódica. Esto se puede observar,
por ejemplo, en una señal periódica con solo valores no negativos: si dicha señal se integra,
el área bajo la curva crece indefinidamente (ver figura 3.22).
Rt
x(t) x(τ ) dτ
t0
t t
to T t 2T to T t 2T
Figura 3.22: Dada una función x(t) no negativa (mostrada al lado izquierdo), su integral crece
indefinidamente (mostrada al lado derecho), por lo que no es periódica.
Se debe analizar este caso particular, observando que si la integral de una función periódica
es también periódica, entonces debe tener una serie de Fourier asociada.
Z t Z t X ∞
!
x(τ ) dτ = ck ejω0 kτ dτ
t0 t0 k=−∞
∞
X Z t
= ck ejω0 kτ dτ
k=−∞ t0
Aquí se debe tratar el caso k = 0 aparte, pues no se puede integrar como los otros términos
por producir una división por cero. Separando entonces ese caso:
Z t Z t X Z t
jω0 0τ
x(τ ) dτ = c0 e dτ + ck ejω0 kτ dτ
t0 t0 k∈Z\{0} t0
X t
ejω0 kτ
= c0 (t − t0 ) + ck
jω0 k τ =t0
k∈Z\{0}
X jω0 kt
e − ejω0 kt0
= c0 t − c0 t0 + ck
jω0 k
k∈Z\{0}
 
X ck X ck
= c0 t + ejω0 kt −  ejω0 kt0 + c0 t0 
jω0 k jω0 k
k∈Z\{0} k∈Z\{0}

El primer término c0 t es una línea recta que pasa por cero con pendiente c0 , y causa que la
integral de x(t) en general no sea periódica, pues este término se aparta de todos los otros
términos que sí corresponden a una serie de Fourier y por tanto representan a una señal
periódica. Nótese entonces que la integral de x(t) será periódica si y solo si c0 = 0, con lo
que se elimina ese término de crecimiento lineal. De esta forma, si c0 = 0 entonces se cumple:
 
Z t X ck X ck
x(τ ) dτ = ejω0 kt −  ejω0 kt0 
t0 jω 0 k jω 0 k
k∈Z\{0} k∈Z\{0}
El término entre paréntesis al lado derecho no depende de la variable t, y por lo tanto

corresponde a una constante determinada por el instante t0 en el que inicia la integración.
Por convención se toma esta constante como cero cuando t0 → −∞. De otro modo este
término es el responsable del nivel CD de la función resultante de integrar x(t).
En resumen, la serie de Fourier de la integral de x(t) tendrá entonces como coeficientes a
ck /(jω0 k) para k 6= 0, y el nivel CD de dicha serie dependerá del tiempo t0 a partir del cual
se defina la integral. La serie de Fourier de la integral de x(t) existe si y solo si el coeficiente
c0 = 0, puesto que de otra forma la integral no corresponderá a una función periódica,
condición necesaria para la existencia de la serie de Fourier.
Nótese que en el caso de la serie de Fourier de la integral de x(t), al estar divididos los
coeficientes por jω0 k entonces esta serie converge más rápido que la de x(t).
La relación de Parseval
Una resistencia eléctrica puede utilizarse para modelar cualquier sistema que consuma po-
tencia real, como un motor, o elementos que convierten cualquier forma de energía en calor.
Puesto que en un modelo eléctrico la potencia instantánea disipada por la resistencia se pue-
de plantear en términos de la corriente i(t) o de la tensión eléctrica v(t) como P (t) = Ri2 (t)
o P (t) = v 2 (t)/R, entonces a las funciones de la Rforma |x(t)|2 se les asocia usualmente el
t
concepto de potencia instantánea, y a su integral t0 |x(τ )|2 dτ el concepto de energía. Esto
es válido si se asume que x(t) es la tensión o corriente eléctrica que cae sobre, o circula por
una resistencia R de 1 Ω. En principio, el valor de la resistencia no altera la forma de la
función de potencia o de energía, sino que solo produce un escalamiento en amplitud.
Interesa ahora revisar cómo se relaciona la potencia promedio de una señal periódica en
uno de sus periodos con respecto a los coeficientes de su desarrollo en serie de Fourier. La
potencia promedio estará dada por
Z
1 t0 +T
Pf = |x(t)|2 dt
T t0
y puesto que |x(t)|2 = x(t)x∗ (t) se cumple

Z t0 +T
1
Pf = x(t)x∗ (t) dt
T t0
Z ∞
!
1 t0 +T X
= x(t) c∗k e−jω0 kt dt
T t0 k=−∞

∞
X Z t0 +T
1
= c∗k x(t)e −jω0 kt
dt
k=−∞
T t0
X∞ ∞
X
= c∗k ck = |ck |2 .
k=−∞ k=−∞
A esta relación Z ∞
1 t0 +T
2
X
Pf = |x(t)| dt = |ck |2 (3.49)
T t0 k=−∞
se le conoce como la relación de Parseval e implica que la potencia media de la señal equivale
a la suma de las potencias medias de cada uno de los componentes frecuenciales ck , a los
que también se les denomina armónicos. A la gráfica de |ck |2 para cada frecuencia kω0 se le
denomina densidad espectral de potencia, espectro de la densidad de potencia o simplemente
espectro de potencia. Si x(t) es real entonces debido a que |c−k | = |c∗k | = |ck |, la densidad
espectral de potencia es una función con simetría par. Al par de gráficas de |ck | y ∠ck contra
kω0 se les denomina espectro de tensión, con |ck | par e ∠ck impar para funciones reales.
Cambio de periodo por múltiplo del periodo fundamental
Si la función x(t) tiene periodo fundamental T , y se calcula el desarrollo en serie de Fourier

utilizando n periodos nT y no uno como en el caso normal (n ∈ IN+ ), entonces se cumple
que la nueva frecuencia del desarrollo 2π/(nT ) = 2πf0 /n = ω0 /n y la función x(t) tiene dos
representaciones equivalentes:
∞
X ∞
X ω0
jω0 kt
x(t) = ck e = cl ej n
lt
k=−∞ l=−∞
La segunda representación utiliza una base para el espacio funcional que tiene n veces más
componentes que la primera representación (la distancia entre dos componentes armónicas
es ahora ω0 /n en vez de ω0 ). El conjunto
ω0
generador ejω0 kt engendrará entonces un subespacio
funcional del espacio producido por ej n lt . Debido a que la primera
ω
representación converge
j n0 lt
a x(t), entonces todas las componentes nuevas en la base e no son necesarias y los cl
correspondientes deben ser cero. Se debe cumplir entonces que cl/n = ck , o de otra forma,
solo los cl con l = nk pueden ser diferentes de cero (e iguales a ck ), mientras que cl = 0 para
l 6= nk.
La tabla 3.3 resume las propiedades de la serie de Fourier anteriormente tratadas.
Ejemplo 3.10 Con los coeficientes obtenidos para la función rectificada de media onda,
encuentre los coeficientes de la función mostrada en la figura 3.23.
Solución: Sea x(t) la función rectificada de media onda. La función xc (t) en cuestion se
puede expresar como:
T
xc (t) = x(t) − x t −
2
Este es un caso particular de simetría de media onda, en la que se cumple que xc (t) =
−xc t ± T2 .

Tabla 3.1: Propiedades de la serie de Fourier.
Propiedad Señal en el tiempo Coeficientes

x(t) ck
x1 (t) c1k
x2 (t) c2k
Linealidad α1 x1 (t) + α2 x2 (t) α1 c1k + α2 c2k
Z T
2 2
Simetría par x(t) = x(−t) ck = x(t) cos(ω0 kt) dt
T 0
ck = c−k ; si x(t) ∈ IR =⇒ ck ∈ IR
Z T
2j 2
Simetría impar x(t) = −x(−t) ck = − x(t) sen(ω0 kt) dt
T 0
ck = −c−k ; si x(t) ∈ IR =⇒ ck ∈ jIR
Función real x(t) ∈ IR ck = c∗−k
Desplazamiento temporal x(t − τ ) e−jω0 kτ ck
Desplazamiento en frecuencia ejω0 k0 t x(t) ck−k0
Conjugación x∗ (t) c∗−k
Inversión en el tiempo x(−t) c−k
Escalamiento en el tiempo x(αt),
Z α>0 ck
Convolución periódica x1 (τ )x2 (t − τ ) dτ T c1k c2k
T
∞
X
Multiplicación x1 (t)x2 (t) c1l c2k−l
l=−∞
dx(t)
Diferenciación jkω0 ck
dt
Z t
ck
Integración x(t) dt, c0 = 0
−∞ jkω0
Z X∞
1 t0 +T
Relación de Parseval |x(t)|2 dt = |ck |2
T t0 k=−∞
xc (t)
t
0 αT
-T - 3T
4 - T2 - T4 2π
T
2
3T
4 T 5T
4
3T
2
Figura 3.23: Función senoidal truncada con ángulo de disparo α.
Por las propiedades de linealidad y de desplazamiento en el tiempo, los coeficientes c0k de la

función rectificada de onda completa se pueden expresar como:
c0k = ck − e−jω0 kT /2 ck

= ck 1 − e−jπk

= ck 1 − (−1)k
(
2ck si k es impar
=
0 si k es par
resultado que aplica para todas las señales con simetría de media onda. Obsérvese que todos
los coeficientes pares desaparecen, por lo que esta simetría también recibe el nombre de
simetría armónica impar.
3.10
4 Lección 16
3.3. Transformada de Fourier

Lección 17 B En la sección anterior se analizaron las Series de Fourier, que permiten representar en el
dominio de la frecuencia funciones periódicas de periodo T , al descomponer estas en sus
componentes espectrales (o componentes armónicas) ubicadas en las frecuencias kω0 (k ∈ Z),
con ω0 = 2π/T . Se dice entonces que una señal periódica continua tiene un espectro de
frecuencia discreto.
La transformada de Fourier es una extensión de los conceptos obtenidos para funciones
periódicas hacia funciones no periódicas. Fourier desarrolló estos conceptos a partir de una
observación: una función aperiódica puede considerarse como una función periódica con
periodo infinito. Ya en el ejemplo 3.6, figura 3.16 se mostró que el aumentar el periodo de
una señal finita sin alterar la forma de la parte de señal diferente de cero, tiene como efecto
el acercamiento entre las líneas espectrales, puesto que estas se ubican en 2πk/T . Debe
esperarse entonces que al hacer tender el periodo a infinito, las líneas espectrales también se
acercarán infinitamente.
3.3.1. Transformada de Fourier directa e inversa
x(t)
−T1 T1 t
x̃(t)
−2T −T T 2T t
Figura 3.24: Extensión periódica de periodo T de función aperiódica finita.

La figura 3.24 muestra una función x(t) aperiódica finita, y su extensión periódica x̃(t) de
periodo T . Esta segunda función puede representarse a través de un desarrollo de Fourier:
∞
X
x̃(t) = ck ejω0 kt (3.50)
k=−∞
donde ω0 es la frecuencia angular fundamental que está relacionada con el periodo funda-
mental por ω0 = 2π/T . El coeficiente ck (k-ésimo componente espectral) está asociado con la
frecuencia kω0 , lo que implica que dos componentes espectrales consecutivas están separadas
por una frecuencia ∆ω = ω0 = 2π/T , que se reduce conforme aumenta el periodo T . Estos
coeficientes se calculan como
Z T
1 2
ck = x̃(t)e−jω0 kt dt
T − T2

donde, puesto que dentro del intervalo de integración − T2 , T2 se cumple x(t) = x̃(t), y
además para todo |t| > T2 x(t) = 0, entonces
Z T Z ∞
1 2
−jω0 kt 1
ck = x(t)e dt = x(t)e−jω0 kt dt
T − T2 T −∞
Si ahora se define X(jω) como la función envolvente de los coeficientes T ck , que se expresa
por Z ∞
X(jω) = x(t)e−jωt dt (3.51)
−∞
entonces los puntos ck pueden verse como muestras cada kω0 de dicha función:
1
ck = X(jkω0 ) (3.52)
T
A (3.51) se le conoce como Transformada de Fourier de la función x(t). A esta función
convergen todos los componentes T ck cuando T se hace tender a infinito. Esta transformada
es entonces un operador que asigna a la función x(t) otra función X(jω). Esta asignación
entre funciones, que implica un operador funcional, se designa usualmente con el símbolo
F {·}, es decir
X(jω) = F {x(t)}
La relación entre estas dos funciones se designa además con el símbolo “ ”:
x(t) X(jω)
donde el círculo relleno denota siempre al dominio de la frecuencia, es decir, a la función

X(jω), y el círculo blanco al dominio del tiempo (x(t)).
En las series de Fourier, definidas para señales periódicas, las componentes espectrales existen
solo para frecuencias discretas relacionadas armónicamente kω0 . Ahora con la Transformada
de Fourier se obtiene un espectro continuo para una señal aperiódica en el dominio de la
frecuencia. La relación (3.52) indica entonces que si la función no periódica x(t) es finita y se
utiliza para construir una señal periódica x̃(t) de periodo T , donde no hay traslapes, entonces
los coeficientes de la serie de Fourier para x̃(t) son proporcionales a muestras tomadas de la
transformada de Fourier F {x(t)} a las frecuencias kω0 .

Si se introduce (3.52) en (3.50) se obtiene a su vez

X∞ X∞
1 jkω0 t ω0
x̃(t) = X(jkω0 )e = X(jkω0 )ejkω0 t
k=−∞
T k=−∞
2π
∞ ∞
1 X jkω0 t 1 X
= X(jkω0 )e ω0 = X(jk∆ω)ejk∆ωt ∆ω
2π k=−∞ 2π k=−∞
Si se hace T tender al infinito, entonces ∆ω = ω0 = 2π/T tenderá a un diferencial dω, el

término discreto k∆ω tiende a la variable continua ω, y x̃(t) tiende a x(t), por lo que la
suma anterior converge en la integral
Z ∞
1
x(t) = X(jω)ejωt dω (3.53)
2π −∞
que es conocida como la Transformada Inversa de Fourier , denotada por el operador F −1 {·}:
x(t) = F −1 {X(jω)}
Las transformadas directa e inversa de Fourier permiten entonces asociar las representa-
ciones de una señal en el dominio del tiempo y en el dominio de la frecuencia, donde una
señal aperiódica contará con un espectro continuo, que contrasta con el espectro discreto
de señales periódicas. A pesar de que las deducciones anteriores partieron del hecho de que
la función x(t) puede tener duración arbitraria pero finita, pueden encontrarse condiciones
de convergencia de estas transformadas para funciones aperiódicas de longitud infinita, que
es el tema de la siguiente sección. De esta forma, a X(jω) se le conoce como espectro de
frecuencia de x(t), a |X(jω)| se le conoce como espectro de magnitud y a arg X(jω) espectro
de fase.
3.3.2. Convergencia de la Transformada de Fourier
Debido a la relación estrecha entre la Transformada de Fourier y la Serie de Fourier, es de

esperar que las condiciones de convergencia para ambas estén relacionadas. Se buscan ahora
las condiciones para que la función representada por la transformada inversa de Fourier
Z ∞
1
x̄(t) = X(jω)ejωt dω
2π −∞
sea equivalente con la función x(t) que da origen a la transformada de Fourier X(jω)
Z ∞
X(jω) = x(t)e−jωt dt
−∞
Las condiciones de convergencia para que x̄(t) = x(t) (excepto en los puntos de disconti-
nuidad, donde x̄(t) = (x(t+ ) + x(t− ))/2) se denominan también en este caso condiciones de
Dirichlet y establecen que
1. x(t) debe ser absolutamente integrable

Z ∞
|x(t)| dt < ∞
−∞

2. x(t) solo puede tener un número finito de máximos y mínimos dentro de cualquier
intervalo finito
3. x(t) solo puede tener un número finito de discontinuidades dentro de cualquier intervalo
finito, y esas discontinuidades deben ser finitas.
Estas condiciones son de nuevo suficientes, mas no necesarias, puesto que existen ciertas fun-
ciones que no las cumplen y tienen una representación válida en el dominio de la frecuencia.
3.3.3. Ejemplos de Transformadas de Fourier
En esta sección se evaluarán algunos casos especiales de transformadas de Fourier amplia-

mente utilizados en ingeniería.
Impulso rectangular
La figura 3.25 muestra un impulso rectangular r(t) de ancho τ y amplitud 1/τ . Su longitud
finita hace que sea absolutamente integrable, y de hecho
Z ∞ Z t0 +τ
1
|r(t)| dt = dt = 1 (3.54)
−∞ t0 τ
Además, solo tiene dos discontinuidades y ningún máximo, por lo que las tres condiciones
de Dirichlet se cumplen y debe entonces existir su transformada de Fourier.
r(t)
1/τ
t
0 t0 t0 + τ
Figura 3.25: Impulso rectangular de ancho τ y amplitud 1/τ .
Con la definición (3.51) se obtiene para jω = 0:

Z ∞ Z t0 +τ
1
R(jω)|jω=0 = r(t) dt = dt = 1 (3.55)
−∞ t0 τ
y para jω 6= 0
Z ∞ Z t0 +τ
−jωt 1 e−jωt0 −jωτ
R(jω) = r(t)e dt = e−jωt dt = − e −1
−∞ τ t0 jωτ
−jωt0
e τ sen(ωτ /2)
=− e−jωτ /2 e−jωτ /2 − ejωτ /2 = e−jω(t0 + 2 )
jωτ 22 ωτ /2
que se puede combinar con (3.55) para remover la singularidad y así obtener obtener:
= e−jω(t0 + 2 ) sa(ωτ /2)

τ
(3.56)

donde se aprecia que los espectros de magnitud y fase son
|R(jω)| = |sa(ωτ /2)|

(
− t0 + τ2 ω si sa(ωτ /2) ≥ 0
∠R(jω) =
π − t0 + τ2 ω si sa(ωτ /2) < 0
que demuestra que la magnitud espectral depende solo del ancho del pulso τ , mientras
que la posición del pulso t0 afecta la pendiente de la fase lineal. La figura 3.26 representa
las dos componentes del espectro de r(t). Junto a la magnitud se ha graficado además
2/(|ω| τ ) ≥ |R(jω)|.
|R(jω)|
1
τω
0
2π
−4 −3 −2 −1 0 1 2 3 4
3
6 R(jω)
τω
0
2π
−4 −3 −2 −1 0 1 2 3 4
−1
−2
−3
Figura 3.26: Magnitud y fase del espectro en frecuencia de un impulso rectangular de ancho τ y
amplitud 1/τ .
Si se elige t0 = −τ /2 el pulso quedará centrado en el origen temporal y el espectro se torna

completamente real R(jω) = sa(ωτ /2). Utilizando la transformación inversa se debe cumplir:
Z ∞
1 ωτ jωt
x(t) = sa e dω
2π −∞ 2
de donde se nota para el caso especial t = 0,
Z ∞ ωτ
1 1
x(0) = = sa dω
τ 2π −∞ 2
y con τ = 2 entonces Z ∞
sa(ω) dω = π
−∞

que también puede obtenerse por otros medios de integración. Puesto que la función sa(ω)
es una función par, se cumple además
Z ∞
π
sa(ω) dω = (3.57)
0 2
En el apéndice B se demuestra esta integral por métodos de integración compleja.
El caso especial t0 = −1/2 y τ = 1 recibe el nombre de función rectangular, o función pi, o
pulso unitario: (
0, |t| > 12
rect(t) = u(t) =
1, |t| ≤ 12
Para su transformada de Fourier, según los resultados anteriores se cumple:
F {u(t)} = sa(ω/2) = sa(πf ) = sinc(f )
con la frecuencia hertziana f = ω/2π.

La función sinc(x) se conoce como seno cardinal
(
sen(πx)
πx
x 6= 0
sinc(x) = sa(πx) =
1 x=0
y es la versión normalizada de la función sa(x), en el sentido que tiene todos sus ceros en las
posiciones enteras de x distintas de cero. A la función sa(x) se le llama también la función
sinc desnormalizada5 . La figura 3.27 muestra ambas funciones.
sa(x)
1 sinc(x)
−2π −π π 2π
x
−9 −8 −7 −6 −5 −4 −3 −2 −1 1 2 3 4 5 6 7 8 9
− 15
Figura 3.27: Funciones sa(x) y sinc(x).
5
Se debe hacer la aclaración de que no existe una sola convención para la notación de estas funciones
sa(x) y sinc(x). Algunos autores las denotan en mayúscula (Sa(x), Sinc(x)), mientras que otros usan la
notación mayúscula para denotar sus integrales. También existen nombres alternativos como si(x) para
sa(x) o senc(x) para sinc(x), o incluso se usa sinc(x) para la versión desnormalizada. El lector debe procurar
conocer la convención utilizada en cada texto para evitar confusiones.

Impulso unitario
El impulso unitario o impulso Dirac, denotado con δ(t) es una función que es cero para todo
punto t 6= 0 e infinito para t = 0, pero que tiene un área igual a uno (recordar página 180),
esto es ( Z ∞
∞ si t = 0
δ(t) = ; δ(τ ) dτ = 1
0 si t 6= 0 −∞
Si se multiplica el impulso por una función cualquiera x(t), se cumple x(t)δ(t) = x(0)δ(t),
por lo que
Z t Z t Z t (
0 si t < 0
x(τ )δ(τ ) dτ = x(0)δ(τ ) dτ = x(0) δ(τ ) dτ =
−∞ −∞ −∞ x(0) si t ≥ 0
que es conocida como la propiedad de muestreo del impulso unitario. Se cumple además
Z ∞
x(τ )δ(τ − t0 ) dτ = x(t0 ) (3.58)
−∞
lo que se demuestra utilizando las propiedades anteriores haciendo un cambio de variable.

Esto quiere decir que la transformada de Fourier del impulso unitario es
Z ∞
F {δ(t)} = δ(t)e−jωt dt = 1
−∞
lo que indica que un impulso unitario contiene todas las componentes espectrales posibles.
Escalón unitario (primer intento)
El escalón unitario, denotado usualmente como u(t), y llamado también función de Heaviside
es una función igual a cero para todo t < 0 y uno para todo t ≥ 0, que se expresa como
Z t (
0 si t < 0
u(t) = δ(τ ) dτ =
−∞ 1 si t ≥ 0
A partir de esta relación se utiliza

d
u(t) = δ(t)
dt
Para observar su transformada de Fourier se calcula a partir de la definición
Z ∞ Z ∞
−jωt
U (jω) = u(t)e dt = e−jωt dt
−∞ 0
∞
e−jωt e−jω∞ 1
= = +
−jω 0 −jω jω
que no puede calcularse puesto que e−jω∞ no converge. Nótese que en principio este escalón
unitario no satisface la condición de Dirichlet de integración absoluta. En las siguientes
secciones se utilizarán otros mecanismos para obtener la transformada de Fourier de esta
función.

Función exponencial
Una función frecuentemente encontrada en sistemas electrónicos es
x(t) = e−at u(t) (3.59)
donde u(t) es el escalón unitario indicado anteriormente, y a es una constante compleja

con Re(a) > 0. La figura 3.28 representa un caso particular, donde se interpreta al número
complejo e−at u(t) como fasor que varía en el tiempo, de modo que se pueden apreciar las
componentes reales e imaginarias, así como la magnitud y fase del valor complejo de x(t) en
función del tiempo. Obsérvese que si aRe y aIm son las componentes real e imaginaria de a
Im{e−at }
Re{e−at }
Figura 3.28: Representación gráfica de función exponencial e−at u(t).
respectivamente, entonces la función se puede reescribir como
x(t) = e−(aRe +jaIm )t = e−aRe t e−jaIm t
donde el término e−aRe t representa la magnitud del valor complejo y e−jaIm t aporta la fase.
Aplicando la fórmula de Euler se obtiene además Re{x(t)} = e−aRe t cos(aIm t) y Im{x(t)} =
−e−aRe t sen(aIm t).
La transformada de Fourier de esta función x(t) es
Z ∞ Z ∞
−at −jωt
X(jω) = e u(t)e dt = e−(a+jω)t dt
−∞ 0
−(a+jω)t ∞
e 1
= =
−(a + jω) 0 a + jω
donde magnitud y fase pueden expresarse como

1
|X(jω)| = p
Re(a)2 + (Im(a) + ω)2

Im(a) + ω
∠X(jω) = − arctan
Re(a)
La figura 3.29 representa estas componentes para el caso especial a ∈ IR.

|F (jω)|
1/a 1
√
a 2
ω
a
−5 −4 −3 −2 −1 0 1 2 3 4 5
6 F (jω)
π
2
π
4
ω
0
a
−5 −4 −3 −2 −1 0 1 2 3 4 5
− π4
− π2
Figura 3.29: Espectro en magnitud y fase para la función exponencial unilateral.
Nótese que si en (3.59) se elige a real, y se hace tender a → 0, entonces x(t) → u(t) y
X(jω) = 1/(jω), que podría erróneamente interpretarse como la transformada del escalón
unitario. Utilizando la transformada inversa
Z ∞
1 1 jωt
x(t) = e dω
2π −∞ jω
para t = 0 esto equivale a

Z R Z −r Z R
1 1 1 1 1
x(0) = lı́m dω = lı́m lı́m+ dω + dω
R→∞ 2π −R jω R→∞ r→0 −R jω r jω 2π
y haciendo un cambio de variable ω → −ω en la primera integral

Z R Z R
1 1 1
= lı́m lı́m+ − dω + dω
R→∞ r→0 r jω r jω 2π
Z R
1 1 1
= lı́m lı́m+ − dω =0
R→∞ r→0 r jω jω 2π
Para t 6= 0
Z ∞
1 1 jωt
x(t) = e dω
2π −∞ jω
Z 0 Z ∞
1 1 jωt 1 1 jωt
= e dω + e dω
2π −∞ jω 2π 0 jω

y haciendo un cambio de variable ω → −ω en la primera integral

Z ∞ Z ∞
1 1 −jωt 1 1 jωt
=− e dω + e dω
2π 0 jω 2π 0 jω
Z ∞ Z ∞
1 ejωt − e−jωt 1
= 2t dω = 2t sa(ωt) dω
2π 0 2jωt 2π 0
y con α = ωt entonces dα = tdω y

Z t∞
1
x(t) = sa(α) dα
π 0
Si t > 0 entonces el límite superior de la integración es +∞ y la ecuación anterior equivale,

utilizando (3.57), a
Z
1 ∞ 1π 1
x(t) = sa(α)dα = =
π 0 π2 2
Si t < 0 entonces el límite superior de la integración es −∞ y la ecuación anterior equivale,

utilizando (3.57), haciendo un cambio de variable α → −α y utilizando la simetría par de la
función sa
Z Z
1 −∞ 1 ∞ 1π 1
x(t) = sa(α)dα = − sa(α)dα = − =−
π 0 π 0 π2 2
Resumiendo, 

2
1
para t > 0
1 1
F −1
= sgn(t) = 0 para t = 0 (3.60)
jω 2 
 1
−2 para t < 0
y esta función no tiene ningún nivel CD, a diferencia del escalón unitario, cuyo valor promedio
es 1/2.
Funciones con una sola componente espectral
Considérese una función x(t) cuya transformada de Fourier es X(jω) = cδ(ω − ω0 ), con c
constante. Utilizando la ecuación de la transformada inversa se obtiene
Z ∞
1 c jω0 t
x(t) = cδ(ω − ω0 )ejωt dω = e
2π −∞ 2π
es decir, la función exponencial compleja ejω0 t que oscila a una tasa ω0 tiene como transfor-
mada de Fourier un único impulso ubicado en ω0 , lo que puede interpretarse como una única
componente espectral.
Obsérvese que una función x(t) = c, con c constante tendrá como transformada de Fourier
X(jω) = 2πcδ(ω), lo que implica que solo tiene una componente espectral en ω0 = 0.

Escalón unitario
Ahora se dispone de todo lo necesario para determinar la transformada de Fourier de la fun-

ción escalón unitario u(t). En (3.60) se obtuvo el escalón excepto por un nivel CD, que ahora
puede introducirse considerando la propiedad mencionada y la linealidad de la transformada
de Fourier:
1
F {u(t)} = + πδ(ω)
jω
que existe a pesar de que las condiciones de Dirichlet no se cumplen para u(t). El término
πδ(ω) aparece al agregar 1/2 a todos los puntos de la función correspondiente a F −1 {1/jω}.
Funciones periódicas
Si ahora se tiene un espectro conformado por una combinación lineal de impulsos distanciados
por la frecuencia ω0 , es decir
∞
X
X(jω) = 2πck δ(ω − kω0 ) (3.61)
k=−∞
entonces Z !
∞ ∞
X ∞
X
1 jωt
x(t) = 2πck δ(ω − kω0 ) e dω = ck ejkω0 t
2π −∞ k=−∞ k=−∞
que es el desarrollo en serie de Fourier para x(t). Esta debe ser entonces periódica con
periodo 2π/ω0 . En otras palabras, la transformada de Fourier de una función periódica
tendrá impulsos separados por la frecuencia ω0 , cuya área es escalada por el factor 2πck ,
donde ck son los coeficientes correspondientes en su serie de Fourier.
Ejemplo 3.11 Calcule la transformada de Fourier de las funciónes x(t) = sen(ω0 t) y

x(t) = cos(ω0 t).
Solución: El desarrollo en serie de Fourier de x(t) = sen(ω0 t) tiene como coeficientes


0 para k ∈ Z \ {1, − 1}
ck = 2j1 = −j 12 para k = 1

 1
− 2j = j 12 para k = −1
Por lo que la transformada de Fourier del seno es X(jω) = jπδ(ω + ω0 ) − jπδ(ω − ω0 ).

Del mismo modo el desarrollo del coseno utiliza
(
0 para k ∈ Z \ {1, − 1}
ck = 1
2
para k = ±1
y por lo tanto X(jω) = πδ(ω + ω0 ) + πδ(ω − ω0 ).

Obsérvese que en este caso no se cumple la primera condición de Dirichlet, que establece que
la función debe ser absolutamente integrable. 3.11
4 Lección 17

Impulso gaussiano
Lección 18 B Para mostrar el llamado principio de incertidumbre entre los dominios del tiempo y la fre-
cuencia, se utilizará como caso especial la función de distribución normal, o impulso gaussiano
definida como
1 1 t 2
g(t) = √ e− 2 ( σ )
σ 2π
que es una función par de área igual a uno, centrada en cero, cuya extensión depende de
la varianza σ 2 . La figura 3.30 presenta tres casos donde se nota que a mayor varianza, más
extensa se torna la función a pesar de que su área se mantiene constante en la unidad.
g(t)
σ
2
2σ
0 t/σ
−5 −4 −3 −2 −1 0 1 2 3 4 5
Figura 3.30: Curvas de distribución normal con varianzas σ/2, σ y 2σ.
Para encontrar la transformada de Fourier se puede proseguir de dos maneras: utilizando

las propiedades de integración compleja del capítulo anterior, o utilizando propiedades de la
transformada de Fourier que se especificarán en la siguiente sección.
Para iniciar la demostración se utiliza la definición
Z ∞
G(jω) = F {g(t)} = g(t)e−jωt dt
Z−∞
∞
1 1 t 2
= √ e− 2 ( σ ) e−jωt dt
−∞ σ 2π
Z ∞
1 1 t 2
= √ e− 2 ( σ ) −jωt dt
σ 2π −∞
y completando cuadrados en el exponente

Z ∞
1 2
h i
= √ e
− 12 ( σt ) +2jωt+(jωσ)2 −(jωσ)2
dt
σ 2π −∞

Z ∞
1 2
h i
− 12 ( σt ) +2jωt+(jωσ)2 1 (jωσ)2
= √ e e2 dt
σ 2π −∞
Z ∞
1 2
e− 2 ( σ +jωσ) dt
1 t
− 12 (ωσ)2
= √ e
σ 2π −∞
Z ∞ 1 t+jωσ2 2
1 1 2 −
= √ e− 2 (ωσ) e 2 σ
dt
σ 2π −∞
Sustituyendo τ = t + jωσ 2 y dt = dτ se obtiene

Z ∞+jωσ 2
1 1 2 1 τ2
= √ e− 2 (ωσ) e− 2 σ2 dτ
σ 2π −∞+jωσ 2
que puede interpretarse como una integral en el plano complejo en una trayectoria horizontal
desde −∞ hasta ∞ a una distancia ωσ 2 del eje real. Completando un contorno cerrado como
Im{t}
jωσ 2
−R R Re{t}
Figura 3.31: Trayectoria de integración para cálculo de transformada de Fourier de distribución

normal.
lo muestra la figura 3.31 se tiene, puesto que el integrando es analítico, que en ese contorno
cerrado la integral es cero, y por lo tanto
Z R+jωσ 2 Z R Z −R Z −R+jωσ 2
τ2 τ2 τ2 1 τ2
− 21 − 12 − 12
e σ2 dτ = − e σ2 dτ − e σ2 dτ − e− 2 σ2 dτ
−R+jωσ 2 R+jωσ 2 R −R
Z R 2
Z R 2
Z −R+jωσ 2
1 τ2
− 12 τ 2 − 12 τ 2
= e σ dτ − e σ dτ − e− 2 σ2 dτ
−R R+jωσ 2 −R
donde, el lector podrá demostrar que para R → ∞ las dos últimas integrales al lado derecho
son iguales a cero. Por lo tanto
Z R+jωσ 2 Z ∞ √
τ2 1 τ2
− 12
lı́m e σ2 dτ = e− 2 σ2 dτ = σ 2π
R→∞ −R+jωσ 2 −∞
con lo que finalmente se puede expresar

Z ∞+jωσ 2
1 1 2 1 τ2 1 1 2 √
G(jω) = √ e− 2 (ωσ) e− 2 σ2 dτ = √ e− 2 (ωσ) σ 2π
σ 2π −∞+jωσ 2 σ 2π
1 2
= e− 2 (ωσ)

En otras palabras, la transformada de Fourier de g(t) tiene también la forma de una dis-
tribución normal, pero sin normalizar y con una nueva varianza 1/σ 2 , donde es este último
detalle es de gran importancia para el análisis en el dominio de la frecuencia: mientras menor
sea la varianza en el dominio del tiempo, es decir, mientras más concentrada se encuentre la
señal en un pequeño intervalo de tiempo, mayor será el intervalo de frecuencias correspon-
dientes en el dominio de la frecuencia, y mientras más concentradas estén las componentes
de frecuencia, más dispersa es la señal correspondiente en el tiempo. Este llamado principio
de incertidumbre establece que a un evento localizado puntualmente en el dominio de la
frecuencia no se le puede asignar con precisión el punto en que el evento ocurre, y un evento
característico que ocurre en un instante preciso de tiempo (por ejemplo, una discontinuidad)
tendrá una representación frecuencial distribuida en todo el espectro. Este principio corres-
ponde a la transformada de Fourier en sí y no solo al caso particular de las distribuciones
normales, tal y como se observará con la propiedad de escalado.
La tabla 3.2 resume los ejemplos anteriores y algunas otras transformadas frecuentes.
Tabla 3.2: Transformadas de Fourier.
Nombre Señal en el tiempo Transformada

Z ∞ Z ∞
1
Transformación x(t) = X(jω)ejωt dω X(jω) = x(t)e−jωt dt
2π −∞ −∞
Impulso unitario δ(t) 1
1
Escalon unitario u(t) + πδ(ω)
jω
e−jω(t0 + 2 ) sa(ωτ /2)
τ
Impulso rectangular 1
τ
[u(t − t0 ) − u(t − t0 − τ )]
1
Exponencial e −at
u(t), Re{a} > 0
a + jω
1
Exponencial por rampa e−at tu(t), Re{a} > 0
(a + jω)2
2a
Laplaciana e−a|t| , Re{a} > 0
a + ω2
2
Exponencial compleja ejω0 t 2πδ(ω − ω0 )
Constante c 2πcδ(ω)
X∞ X∞
Función periódica ck ejkω0 t 2πck δ(ω − kω0 )
k=−∞ k=−∞
1 1 t 2
√ e− 2 ( σ )
1 2
Impulso gaussiano e− 2 (ωσ)
σ 2π
π
Seno sen(ω0 t) [δ(ω − ω0 ) − δ(ω + ω0 )]
j
Coseno cos(ω0 t) π [δ(ω − ω0 ) + δ(ω + ω0 )]
3.3.4. Propiedades de la Transformada de Fourier
La relación estrecha entre las series de Fourier y la transformada de Fourier hace que ambos
operadores compartan la mayor parte de sus propiedades.

Linealidad
Sean dos funciones x1 (t) y x2 (t), sus respectivas transformadas de Fourier x1 (jω) y x2 (jω),
y dos valores escalares α1 y α2 . La linealidad de la transformada de Fourier especifica que
F {α1 x1 (t) + α2 x2 (t)} = α1 F {x1 (t)} + α2 F {x2 (t)} = α1 X1 (jω) + α2 X2 (jω)
lo que puede demostrarse utilizando la ecuación (3.51) y la linealidad del operador de inte-
gración.
Ejemplo 3.12 Encuentre la transformada de Fourier de las funciones seno y coseno.

Solución: Para el seno se cumple
ejω0 t − e−jω0 t
sen(ω0 t) =
2j
y considerando que
ejω0 t 2πδ(ω − ω0 )
se obtiene
F {sen(ω0 t)} = −jπ[δ(ω − ω0 ) − δ(ω + ω0 )]

= jπδ(ω + ω0 ) − jπδ(ω − ω0 )
que concuerda con lo obtenido anteriormente.

Para el coseno se procede de forma similar:
F {cos(ω0 t)} = π[δ(ω − ω0 ) + δ(ω + ω0 )]
3.12
Simetría
La influencia de la simetría de x(t) en su transformada de Fourier se puede verificar del

mismo modo que se hizo para los coeficientes de la serie de Fourier:
Z ∞ Z 0 Z ∞
−jωt −jωt
X(jω) = x(t)e dt = x(t)e dt + x(t)e−jωt dt
Z−∞∞ Z−∞∞
0
= x(−t)ejωt dt + x(t)e−jωt dt
Z0 ∞ 0
= x(−t)e + x(t)e−jωt dt
jωt
0
Si se tiene simetría par, entonces x(t) = x(−t) y

Z ∞ Z ∞
jωt −jωt
X(jω) = x(−t)e + x(t)e dt = x(t)(ejωt + e−jωt ) dt
0 0
Z ∞
=2 x(t) cos(ωt) dt
0

Si x(t) es además real, y puesto que el coseno es una función par, entonces el espectro será
también real y tendrá simetría par con respecto a ω.
Con la simetría impar se cumple x(−t) = −x(t) y por tanto
Z ∞ Z ∞
jωt −jωt
X(jω) = x(−t)e + x(t)e dt = x(t)(−ejωt + e−jωt ) dt
0 0
Z ∞
= −2j x(t) sen(ωt) dt
0
Si x(t) es real y utilizando la simetría impar del seno se deriva que el espectro de una función
impar es a su vez impar y puramente imaginario.
Desplazamiento en el tiempo y en la frecuencia
Si la función x(t) tiene como transformada a X(jω) entonces el desplazamiento de x(t) en

el tiempo por una magnitud t0 tendrá como transformada
Z ∞
x(t − t0 ) x(t − t0 )e−jωt dt
−∞
y haciendo una sustitución de variable τ = t − t0

Z ∞ Z ∞
−jω(τ +t0 )
= x(τ )e dτ = x(τ )e−jωτ e−jωt0 dτ
−∞ −∞
Z ∞
=e−jωt0 x(τ )e−jωτ dτ
−∞
−jωt0
=e X(jω)
lo que implica que un desplazamiento en el tiempo también produce únicamente un cambio

en la fase del espectro de x(t), quien es modificada linealmente sumándole −ωt0 a la fase de
X(jω).
Ahora, si es el espectro X(jω) quien se traslada en la frecuencia por una magnitud ω0 ,
entonces
X(jω − jω0 )
1
Z ∞
2π −∞
X(jω − jω0 )ejωt dω
y haciendo una sustitución de variable γ = ω − ω0

Z ∞ Z ∞
1 j(γ+ω0 )t 1
= X(jγ)e dγ = X(jγ)ejγt ejω0 t dγ
2π −∞ 2π −∞
Z ∞
1
=ejω0 t X(jγ)ejγt dγ
2π −∞
jω0 t
=e x(t) (3.62)
La siguiente sección deriva una propiedad muy utilizada en comunicaciones eléctricas, a

partir del desplazamiento en la frecuencia.

Modulación
Se dice que una función se modula a la frecuencia ω0 cuando se multiplica por cos(ω0 t). Esto
es
ejω0 t + e−jω0 t ejω0 t e−jω0 t
cos(ω0 t)x(t) = x(t) = x(t) + x(t)
2 2 2
Utilizando la propiedad (3.62) y la linealidad se deduce que el espectro de la señal modulada
es
1 1
F {cos(ω0 t)x(t)} = X(jω + jω0 ) + X(jω − jω0 )
2 2
lo que implica que el espectro de x(t) se divide en dos mitades, donde una se desplaza a −ω0
y otra a ω0 (figura 3.32).
x(t) cos(ω0 t) x(t) cos(ω0 t)
t t
|X(jω)| |F {x(t) cos(ωt}|
ω −ω0 ω0 ω
Figura 3.32: Modulación de una señal x(t) y el espectro correspondiente.
Otro tipo de modulación se obtiene multiplicando la señal por el sen(ω0 t), donde de forma
equivalente a lo anterior se obtiene
ejω0 t − e−jω0 t ejω0 t e−jω0 t

sen(ω0 t)x(t) = x(t) = x(t) − x(t)
2j 2j 2j
Utilizando la propiedad (3.62) y la linealidad se deduce que el espectro de la señal modulada

es
1 1
F {sen(ω0 t)x(t)} = X(jω − jω0 ) − X(jω + jω0 )
2j 2j
e−jπ/2 e−jπ/2
= X(jω − jω0 ) − X(jω + jω0 )
2 2
e−jπ/2 e+jπ/2
= X(jω − jω0 ) + X(jω + jω0 )
2 2
lo que implica que el espectro de x(t) se divide en dos mitades, donde una se desplaza a −ω0
y otra invertida a ω0 , donde además la fase de cada mitad se desplaza en π/2.

Conjugación y Simetría Conjugada
Si la transformada de Fourier de x(t) es X(jω), entonces se cumple
x∗ (t) X ∗ (−jω)
lo que se demuestra utilizando las propiedades de conjugación compleja:

Z ∞ Z ∞
∗ ∗ −jωt
∗
F {x (t)} = x (t)e dt = x(t)ejωt dt
−∞
Z ∞ ∗ −∞ Z ∞ ∗
jωt −j(−ω)t
= x(t)e dt = x(t)e dt
−∞ −∞
∗
= X (−jω)
Nótese que si x(t) es real, entonces x(t) = x∗ (t) y por tanto las transformadas de Fourier
de ambas funciones deben ser iguales, de donde se deduce que para funciones reales X(jω)
tiene simetría hermítica, es decir, se cumple X(jω) = X ∗ (−jω). Esto implica que las trans-
formaciones de Fourier de funciones reales tienen componente real y magnitud par, mientras
que su componente imaginaria y fase son impares.
Diferenciación e integración
Para observar el efecto de la derivación de una función x(t) en su transformada de Fourier

se utiliza la transformada inversa:
Z ∞
d d 1 jωt
x(t) = X(jω)e dω
dt dt 2π −∞
Z ∞
1 d
= X(jω) ejωt dω
2π −∞ dt
Z ∞
1
= jωX(jω)ejωt dω
2π −∞ | {z }
F { dt
d
x(t)}
y por lo tanto
d
x(t) jωX(jω)
dt
Lo anterior se puede generalizar para derivadas de orden superior:
dn
x(t) (jω)n X(jω)
dtn
Esta propiedad es de gran utilidad en el análisis de ecuaciones diferenciales, puesto que la
diferenciación en el dominio del tiempo se transforma en una multiplicación por el factor jω
en el dominio de la frecuencia.

De forma equivalente, para la derivada en el dominio de la frecuencia se obtiene

Z ∞
d d −jωt
X(jω) = x(t)e dt
dω dω −∞
Z ∞
d
= x(t)e−jωt dt
dω
Z−∞∞
= −jtx(t) e−jωt dt
−∞ | {z }
F −1 { dω
d
X(jω)}
de donde
j
d
dω
X(jω) tx(t)
Ejemplo 3.13 Utilice la propiedad de derivación de la transformada de Fourier para en-

contrar la transformada de las funciones en la figura 3.33.
x1 (t) x2 (t)
A A
T 2T 3T T 2T 3T
Figura 3.33: Funciones utilizadas en ejemplo 3.13.
Solución: La propiedad de derivación puede utilizarse para calcular fácilmente la transfor-

mada de Fourier de funciones que son formadas por segmentos de recta, como las mostradas
en la figura 3.33. En el procedimiento a seguir, se derivan las funciones hasta obtener impul-
sos de Dirac, donde debe tomarse en cuenta que si la función original tiene un valor promedio
finito (o nivel CD), al derivar la primera vez dicha información se pierde, y debe reinsertarse
posteriormente.
La figura 3.34 muestra la primera y segunda derivadas de las funciones x1 (t) y x2 (t). La
función x1 (t) tiene valor promedio igual a cero:
Z L
1 TA
lı́m x1 (t) dt = lı́m =0
L→∞ 2L −L L→∞ L
Puesto que la transformada de Fourier del delta Dirac es 1, entonces por linealidad, y utili-
zando las propiedades de desplazamiento y de derivación, se cumple:
A
(jω)2 X1 (jω) = 1 − e−jωT − e−jω2T + e−jω3T
T
A h −jω 3 T jω 3 T −jω 32 T

−jωT −jω T2
T
jω 2 −jω T2
i
= e 2 e 2 +e −e e e +e
T
A 3 3 T
= 2 e−jω 2 T cos ω T − cos ω
T 2 2

y finalmente se obtiene:

A 3 T 3
X1 (jω) = 2 2 e−jω 2 T cos ω − cos ω T
ω T 2 2
También es posible agrupar otros pares de impulsos para obtener expresiones algebraicas
equivalentes. El lector puede realizar agrupaciones diferentes, como por ejemplo los impulsos
en 0 y 2T , y por otro lado en T y 3T para obtener senos. Otro ejercicio será agrupar los
impulsos en 0 y T , y por otro lado los impulsos en 2T y 3T .
Para el caso de la función x2 (t), el valor promedio es diferente de cero:
Z L
1 1 AT A
lı́m x2 (t) dt = lı́m + A(L − T ) =
L→∞ 2L −L L→∞ 2L 2 2
Este nivel es eliminado en la derivación, pero se sabe que su transformada de Fourier es
πAδ(ω), que deberá considerarse en la transformada.
Procediendo de modo similar al caso anterior, se cumple:
A −jωT

X2 (jω) = 1 − e + πAδ(ω)
T (jω)2
A h −jω T jω T −jω T2
i
=− 2 e 2 e 2 −e + πAδ(ω)
Tω
A −jω T T
= −2j 2
e 2 sen ω + πAδ(ω)
Tω 2
3.13
Aunque podría intuirse que la transformada de Fourier de la integral de una función sería
igual a la transformada de dicha función dividida por jω, esto es solo parcialmente cierto.
La propiedad de integración establece que
Z t
1
x(τ ) dτ X(jω) + πX(0)δ(ω)
−∞ jω
x′1 (t) x′2 (t)
A A
T T
2T 3T
T T 2T 3T
x′′1 (t) x′′2 (t)
A A
T T
T 2T T
3T 2T 3T
Figura 3.34: Derivadas de las funciones en ejemplo 3.13.

donde el término πX(0)δ(ω) describe en el dominio de la frecuencia al valor promedio que

puede resultar de la integración en el dominio del tiempo, tal y como se observó en el
ejemplo 3.13.
Ejemplo 3.14 Determine la transformada de Fourier del escalón unitario x(t) = u(t).
Solución: Puesto que el escalón se puede definir como la integral del impulso, y se sabe que
F {δ(t)} = 1 entonces, aplicando la propiedad de integración se obtiene
1
F {u(t)} = U (jω) = 1 + π1δ(ω)
jω
1
= + πδ(ω)
jω
También se puede corroborar con la propiedad de derivación que

d 1
u(t) jω + πδ(ω) = 1 + jπωδ(ω) = 1
dt jω
puesto que ωδ(ω) = 0. 3.14
Ejemplo 3.15 Encuentre la transformada de Fourier de la distribución gaussiana

1 1 t 2
g(t) = √ e− 2 ( σ )
σ 2π
Solución: Anteriormente se demostró la transformada de Fourier de la distribución gaussiana

utilizando la teoría de funciones del capítulo anterior. Ahora se hará uso de la propiedad de
diferenciación en ambos dominios para encontrarla.
Derivando g(t) se tiene
d t
g(t) = − 2 g(t)
dt σ
Ahora, aplicando el operador de la transformada de Fourier a ambos lados y considerando
las propiedades de derivación en el tiempo y frecuencia se tiene
1 d
jωG(jω) = G(jω)
jσ 2 dω
lo que puede reescribirse como
d
G(jω)
dω = −ωσ 2
G(jω)
e integrando a ambos lados
Z d Z ω
ω G(jω 0 )
dω 0 0
dω = − ω 0 σ 2 dω 0
G(jω )0
0 0
1 2 2
ln G(jω) − ln G(0) = − σ ω
2

y aplicando la función exponencial a ambos lados

1 2 ω2
G(jω) = G(0)e− 2 σ
y puesto que Z ∞
1 1 t2
G(0) = √ e− 2 σ2 dt = 1
σ 2π −∞
finalmente se obtiene
1 2 ω2
G(jω) = e− 2 σ
3.15
4 Lección 18
Escalamiento en tiempo y frecuencia
Lección 19 B Si el tiempo se escala por α, entonces

Z ∞
F {x(αt)} = x(αt)e−jωt dt
−∞
sustituyendo τ = αt
 Z ∞

 1
 x(τ )e−j(ω/α)τ dτ α>0
α −∞
Z
= 1 ∞

 x(τ )e−j(ω/α)τ dτ
− α<0
α −∞
1 ω
= X j
|α| α
La dilatación temporal de la función x(t) (α < 1) trae entonces como consecuencia una
contracción de su espectro, además de un aumento en sus magnitudes. La contracción tem-
poral de x(t), por otro lado, expande el espectro y reduce la amplitud del espectro. Nótese
la relación de este hecho con el principio de incertidumbre mencionado anteriormente.
De lo anterior se deriva directamente que si se invierte la señal x(t) en el tiempo, entonces
su espectro se invierte también:
x(−t) X(−jω)
Dualidad
Al comparar las ecuaciones (3.51) y (3.53) que definen las transformadas de Fourier directa
e inversa, se observa que estas son muy similares pero no idénticas. Esta semejanza conduce
a la denominada propiedad de dualidad . Para observar la relación con más detalle, se parte
de la transformada inversa de Fourier
Z ∞
1
x(t) = X(jω)ejωt dω
2π −∞

sustituyendo ω por ζ
Z ∞
2πx(t) = X(jζ)ejζt dζ
−∞
y reemplazando t por −ω
Z ∞
2πx(−ω) = X(jζ)e−jζω dζ
−∞
2πx(−ω) = F {X(jζ)}
es decir, si se toma la transformada de Fourier X(jω) de una función x(t) y se utiliza como
función en el tiempo X(jt), entonces su transformada de Fourier será igual a la función
original evaluada en la frecuencia reflejada, y multiplicada por el factor 2π, es decir:
F {X(jt)} = 2πx(−ω)
Ejemplo 3.16 Determine la transformada de Fourier de la señal

g(t) = sa(αt)
Solución: Se demostró anteriormente que la transformada del impulso rectangular en la

figura 3.25 está dada por (3.56)
1
R(jω) = e−jω(t0 + 2 ) sa(ωτ /2)
τ
r(t) = [u (t − t0 ) − u (t − t0 − τ )]
τ
y con t0 = −τ /2, y τ = 2α
1
[u(t + α) − u(t − α)]
r(t) = R(jω) = sa(αω)
2α
donde, empleando la propiedad de dualidad se cumple
π
R(jt) = sa(αt) 2πr(−ω) = [u(−ω + α) − u(−ω − α)]
α
π
= [u(ω + α) − u(ω − α)]
α
La función sa(αt) tiene entonces un espectro rectangular real con componentes espectrales
iguales para el intervalo entre ω ∈ [−α,α]. 3.16
La propiedad de dualidad permite entonces aplicar las relaciones encontradas en las secciones
anteriores en ambas direcciones: del dominio del tiempo a la frecuencia, y viceversa.
Relación de Parseval
Interesa ahora observar la relación entre la energía de una señal en el dominio del tiempo y
en el dominio de la frecuencia. Partiendo de la definición de energía en el dominio del tiempo
Z ∞ Z ∞
2
|x(t)| dt = x(t)x∗ (t) dt
−∞
Z−∞
∞ Z ∞
1 ∗ −jωt
= x(t) X (jω)e dω dt
−∞ 2π −∞

e invirtiendo el orden de integración

Z ∞ Z ∞ Z ∞
21 ∗ −jωt
|x(t)| dt = X (jω) x(t)e dt dω
−∞ 2π −∞ −∞
Z ∞ Z ∞
1 1
= ∗
X (jω)X(jω) dω = |X(jω)|2 dω
2π −∞ 2π −∞
Esta llamada relación de Parseval establece que la energía total se puede calcular tanto a
través de la energía por unidad de tiempo |x(t)|2 como a través de la llamada densidad de
energía |X(jω)|2 /2π. Nótese que mientras la relación de Parseval para señales periódicas
establece los vínculos entre la potencia promedio, para señales no periódicas establece la
relación de la energía en ambos dominios. Esto se debe a que señales periódicas tienen una
energía infinita, por lo que debe usarse la potencia. Señales con energía finita reciben el
nombre de señales de energía, señales con potencia promedio finita reciben el nombre de
señales de potencia. Puede demostrarse que la potencia promedio de una señal de energía es
cero.
Multiplicación y Convolución
La propiedad de convolución es fundamental para el análisis de sistemas lineales, y se tratará

con detalle en la siguiente sección. Aquí se introducirá la propiedad desde un punto de
vista más matemático. Utilizando el mismo procedimiento que para las series de Fourier,
si se define la transformada de Fourier X(jω) de la función x(t) como el producto de las
transformadas X1 (jω) y X2 (jω) de dos funciones x1 (t) y x2 (t) entonces
X(jω) = X1 (jω)X2 (jω)

Z ∞ Z ∞
−jωt −jωt
= x1 (t)e dt x2 (t)e dt
−∞ −∞
cambiando la variable de integración en el primer factor de t a τ y en el segundo factor de t

a ξ y utilizando (3.48), donde se considera a las integrales como sumas, se obtiene
Z ∞ Z ∞
−jωτ −jωξ
= x1 (τ )e dτ x2 (ξ)e dξ
−∞ −∞
Z ∞ Z ∞
= x1 (τ )x2 (ξ)e−jω(τ +ξ) dξ dτ
−∞ −∞
y redefiniendo ahora t = τ + ξ, y por tanto dt = dξ entonces

Z ∞ Z ∞
= x1 (τ )x2 (t − τ )e−jωt dt dτ
−∞ −∞
e intercambiando el orden de integración

Z ∞ Z ∞
= x1 (τ )x2 (t − τ ) dτ e−jωt dt = F {x1 (t) ∗ x2 (t)}
−∞
| −∞ {z }
x1 (t)∗x2 (t)

En otras palabras, la transformada de Fourier de la convolución de dos funciones x1 (t) ∗ x2 (t)

es igual al producto de las transformadas de Fourier de cada función.
De forma equivalente se obtiene que el producto de dos funciones x1 (t)x2 (t) tendrá como
espectro
1
F {x1 (t)x2 (t)} = X1 (jω) ∗ X2 (jω)
2π
Tabla 3.3: Propiedades de la Transformada de Fourier.
Propiedad Señal en el tiempo Transformada

x(t) X(jω)
x1 (t) X1 (jω)
x2 (t) X2 (jω)
Linealidad α1 x1 (t) + α2 x2 (t) α1ZX1 (jω) + α2 X2 (jω)
∞
Simetría par x(t) = x(−t) 2 x(t) cos(ωt) dt
0
X(jω) = X(−jω);
si x(t)
Z ∈ IR =⇒ X(jω) ∈ IR
∞
Simetría impar x(t) = −x(−t) −2j x(t) sen(ωt) dt
0
X(jω) = −X(−jω);
si x(t) ∈ IR =⇒ X(jω) ∈ jIR
Función real x(t) ∈ IR X(jω) = X ∗ (−jω)
Dualidad X(jt) 2πx(−ω)
Desplazamiento temporal x(t − τ ) e−jωτ X(jω)
Desplazamiento en frecuencia jω0 t
e x(t) X(jω − jω0 )
Modulación cos(ω0 t)x(t) 1
2
X(jω − jω0 ) + 12 X(jω + jω0 )
Conjugación x∗ (t) X ∗ (−jω)
Inversión en el tiempo x(−t) X(−jω)
1 jω
Escalamiento en el tiempo x(at) X
|a| a
Convolución x1 (t) ∗ x2 (t) X1 (jω)X2 (jω)
1
Multiplicación x1 (t)x2 (t) X1 (jω) ∗ X2 (jω)
2π
dx(t)
Diferenciación jωX(jω)
dt
d
tx(t) j X(jω)
dω
Z t
1
Integración x(t) dt X(jω) + πX(0)δ(ω)
−∞ Z ∞ jω Z ∞
2 1
Relación de Parseval |x(t)| dt = |X(jω)|2 dω
−∞ 2π −∞
La tabla 3.3 resume las propiedades de la transformada de Fourier anteriormente tratadas.

A continuación se brinda un ejemplo en el que se usan varias de ellas para encontrar una
transformación que no se puede obtener fácilmente de forma directa.

Ejemplo 3.17 Demuestre la propiedad de integración a través de las propiedades de con-

volución y de la transformada de Fourier del escalón unitario.
Solución: La convolución de una función x(t) con el escalón unitario es
Z ∞
x(t) ∗ u(t) = x(τ )u(t − τ ) dτ
−∞
lo que, considerando que u(t − τ ) es cero para todo τ > t y uno para todo τ ≤ t, puede
expresarse como: Z t
x(t) ∗ u(t) = x(τ ) dτ
−∞
Puesto que
F {x(t) ∗ u(t)} = X(jω)U (jω)

1
= X(jω) + πδ(ω)
jω
X(jω)
= + πδ(ω)X(jω)
jω
y considerando que x(t)δ(t) = x(0)δ(t)

Z t
X(jω)
F x(τ ) dτ = + πδ(ω)X(0)
−∞ jω
3.17
Ejemplo 3.18 La función puente pT (t) mostrada en la figura 3.35 se utiliza para tomar
muestras cada Ts segundos de alguna señal x(t) definida en el tiempo. La señal muestreada
pT (t)
t
−Ts Ts 2Ts 3Ts
Figura 3.35: Función puente utilizada para tomar muestras periódicas en el tiempo de señales.
xs (t) se obtiene entonces a través del producto de la señal x(t) y pT (t) (figura 3.36):
xs (t) = x(t)pT (t)
Al periodo Ts se le conoce como periodo de muestreo, y a su inverso fs = 1/Ts se le denomina

frecuencia de muestreo. Se desea ahora encontrar el espectro de la señal muestreada Xs (jω)
en términos del espectro de la señal sin muestrear X(jω) [11].
Solución: Puesto que la función puente pT (t) es periódica, se puede expresar por medio de
una serie de Fourier con coeficientes Pn :
∞
X 2π
pT (t) = Pn ejnω0 t ; ω0 = = 2πfs
n=−∞
Ts

x(t)
t
−Ts Ts 2Ts 3Ts
xs (t)
t
−Ts Ts 2Ts 3Ts
Figura 3.36: Muestreo de señal utilizando la función puente.
de modo que se cumple

∞
X
xs (t) = x(t) Pn ejnω0 t
n=−∞
Transformando a ambos lados de la ecuación y utilizando la propiedad de linealidad se

obtiene
( ∞
) ∞
X X
jnω0 t
Xs (jω) = F {xs (t)} = F x(t) Pn e = Pn F x(t)ejnω0 t
n=−∞ n=−∞
y considerando la propiedad de desplazamiento en frecuencia, lo anterior equivale a

∞
X
Xs (jω) = Pn X(jω − jnω0 )
n=−∞
∞
X
= P0 X(jω) + Pn X(jω − jnω0 )
n=−∞
n6=0
de donde se deduce que con el muestreo se producen réplicas del espectro original de la
señal X(jω), separadas en el dominio de la frecuencia por ω0 = 2π/Ts y ponderadas por los
coeficientes de la representación de la función puente como serie de Fourier (figura 3.37).
Si el espectro original X(jω) es de banda limitada, es decir, si a partir de cierta frecuencia
2πB (donde B es el llamado ancho de banda) se cumple X(jω) = 0, entonces eligiendo el
periodo de muestreo suficientemente alto es posible evitar que las réplicas se traslapen con
el espectro original. Si x(t) es real, entonces la magnitud de su espectro es par, y por tanto
para evitar el traslape la siguiente réplica se deberá posicionar al menos en ω0 > 4πB lo
que es equivalente a afirmar que la frecuencia de muestreo fs debe ser al menos el doble del
ancho de banda B del espectro X(jω) para evitar que las replicas se traslapen.
Se puede demostrar que si no hay traslape entonces es posible rescatar a partir de la señal
muestreada xs (t) la señal original x(t) utilizando un filtro paso-bajos que permita pasar
únicamente el rango de frecuencias angulares desde −2πB hasta 2πB.

x(t) X(jω)
t ω
−2πB 2πB
(a)
xs (t) Xs (jω)
t ω
−2πfs −2πB 2πB 2πfs
Ts (b)
Figura 3.37: Replicación del espectro por medio del muestreo.
Estos principios se resumen en el llamado teorema del muestreo de Nyquist-Shannon6 , el

cual indica:
Para muestrear una señal analógica sin pérdidas de información, se requiere una tasa de
muestreo de al menos el doble del ancho de banda del espectro de la señal a muestrear.
Como intervalo crítico de Nyquist se conoce al intervalo máximo permitido Ts = 1/2B, que
no debe sobrepasarse para evitar el aliasing. Esto fue descrito por Nyquist en el contexto
de la telegrafía en un artículo de 1928. A Shannon se le atribuye la primera demostración
completa del teorema en un artículo de 1949.
3.18
3.3.5. Transformada de Fourier con frecuencia hertziana
En algunos dominios de ciencia e ingeniería por convención o tradición se prefiere utilizar

la frecuencia hertziana f (en ciclos por segundo o Hertz) en vez de la frecuencia angular ω
(en radianes por segundo), relacionadas con ω = 2πf . Se presenta aquí dicho caso como un
paréntesis en la línea de desarrollo temático.
Con el cambio de variable ω = 2πf , y dω = 2πdf el par de transformadas de Fourier directa
e inversa se reescriben como:
Z ∞
X(jf ) = x(t)e−j2πf t dt
−∞
Z ∞ Z ∞
1 j2πf
x(t) = X(jf )e 2πdf = X(jf )ej2πf df
2π −∞ −∞
6
En honor a Harry Nyquist, ingeniero sueco, y a Claude Elwood Shannon, matemático e ingeniero eléctrico
estadounidense, considerado el padre de la teoría de la información. Ambos realizaron sus trabajos en el
famoso Bell Labs.

donde se aprecia que el factor (2π)−1 desaparece de la transformada inversa. Debido a esto,
cuando se utiliza frecuencia hertziana los factores 2π presentes en algunos pares de trans-
formadas y en las propiedades se eliminan. La tabla 3.4 resume algunas transformadas de
Fourier de las mismas funciones en la tabla 3.2. Obsérvese que las diferencias entre las trans-
formadas son particularmente notables en los casos que tienen impulsos Dirac en el dominio
de la frecuencia, pues en esos casos en donde cambia el factor.
Tabla 3.4: Transformadas de Fourier con frecuencia hertziana.
Nombre Señal en el tiempo Transformada

Z ∞ Z ∞
Transformación x(t) = X(jf )ej2πf t df X(jf ) = x(t)e−j2πf t dt
−∞ −∞
Impulso unitario δ(t) 1
1 1
Escalon unitario u(t) + δ(f )
j2πf 2
−j2πf (t0 + τ2 )
Impulso rectangular 1
τ
[u(t − t0 ) − u(t − t0 − τ )] e sa(πf τ )
1
Exponencial e−at u(t), Re{a} > 0
a + j2πf
1
Exponencial por rampa e−at tu(t), Re{a} > 0
(a + j2πf )2
2a
Laplaciana e−a|t| , Re{a} > 0
a + (2πf )2
2
Exponencial compleja e j2πf0 t

δ(f − f0 )
Constante c cδ(f )
X ∞ X∞
Función periódica ck e jk2πf0 t
ck δ(f − kf0 )
k=−∞ k=−∞
1 1 t 2
√ e− 2 ( σ )
1 2
Impulso gaussiano e− 2 (2πf σ)
σ 2π
1
Seno sen(ω0 t) [δ(f − f0 ) − δ(f + f0 )]
j2
1
Coseno cos(ω0 t) [δ(f − f0 ) + δ(f + f0 )]
2
Las propiedades en el dominio de frecuencia hertziana se resumen en la tabla 3.5. Se deja

como ejercicio al lector demostrar cada una de ellas. Nótese que las diferencias con las
propiedades de la transformada de Fourier en frecuencia angular listadas en la tabla 3.3
radican de nuevo principalmente en factores 2π. Siempre debe tenerse bastante cuidado
con cuál convención de la transformada de Fourier se trabaja, para elegir adecuadamente
el conjunto de propiedades que aplican en cada caso. En el resto de este texto se utilizará
frecuencia angular, por ser la que presenta mayor consistencia conceptual con los dominios
de Laplace y transformada z.
4 Lección 19

Tabla 3.5: Propiedades de la Transformada de Fourier con frecuencia hertziana.
Propiedad Señal en el tiempo Transformada

x(t) X(jf )
x1 (t) X1 (jf )
x2 (t) X2 (jf )
Linealidad α1 x1 (t) + α2 x2 (t) α1ZX1 (jf ) + α2 X2 (jf )
∞
Simetría par x(t) = x(−t) 2 x(t) cos(2πf t) dt
0
X(jf ) = X(−jf );
si x(t)
Z ∈ IR =⇒ X(jf ) ∈ IR
∞
Simetría impar x(t) = −x(−t) −2j x(t) sen(2πf t) dt
0
X(jf ) = −X(−jf );
si x(t) ∈ IR =⇒ X(jf ) ∈ jIR
Función real x(t) ∈ IR X(jf ) = X ∗ (−jf )
Dualidad X(jt) x(−f )
Desplazamiento temporal x(t − τ ) e−j2πf τ X(jf )
Desplazamiento en frecuencia ej2πf0 t x(t) X(jf − jf0 )
Modulación cos(2πf0 t)x(t) 1
2
X(jf − jf0 ) + 12 X(jf + jf0 )
Conjugación x∗ (t) X ∗ (−jf )
Inversión en el tiempo x(−t) X(−jf )
1 jf
Escalamiento en el tiempo x(at) X
|a| a
Convolución x1 (t) ∗ x2 (t) X1 (jf )X2 (jf )
Multiplicación x1 (t)x2 (t) X1 (jf ) ∗ X2 (jf )
dx(t)
Diferenciación j2πf X(jf )
dt
j d
tx(t) X(jf )
2π df
Z t
1 1
Integración x(t) dt X(jf ) + X(0)δ(f )
−∞ Z ∞ j2πfZ 2
∞
Relación de Parseval |x(t)|2 dt = |X(jf )|2 df
−∞ −∞

3.4. Sistemas Lineales e Invariantes en el Tiempo y la

Convolución
Lección 20 B En las secciones anteriores se introdujo la propiedad de linealidad en operadores como la
transformada de Fourier, o los coeficientes de la serie de Fourier. Esta propiedad de linealidad,
junto con la invarianza en el tiempo representan la base para el entendimiento de los llamados
sistemas lineales, dentro de los cuales se encuentran por ejemplo todos los circuitos RLC,
junto con amplificadores operacionales.
3.4.1. Linealidad e invarianza en el tiempo
Sistema Lineal
Un sistema, se discutió ya en el primer capítulo, transforma una señal de entrada en una

señal de salida (figura 1.14, página 14). Así, si la salida del sistema es y(t) y su entrada x(t),
entonces la relación entre ambas puede expresarse como
y(t) = T [x(t)]
donde el operador T [·] denota la transformación hecha a la señal por el sistema. Así, para
dos señales de entrada x1 (t) y x2 (t), el sistema producirá dos señales de salida:
y1 (t) = T [x1 (t)]

y2 (t) = T [x2 (t)]
El sistema se denomina lineal, si para dos valores escalares α1 y α2 cualesquiera se cumple

además que
α1 y1 (t) + α2 y2 (t) = T [α1 x1 (t) + α2 x2 (t)]
Esta propiedad de linealidad puede expresarse de forma más general como

n
" n #
X X
αi yi (t) = T αi xi (t)
i=1 i=1
para n entradas diferentes con yi = T [xi (t)].
Ejemplo 3.19 Determine si los sistemas y(t) = T [x(t)] son lineales.
1. y(t) = d
dt
x(t)
2. y(t) = x(−t)
3. y(t) = x(t) + 1
Solución: Para comprobar la linealidad se calcula por un lado la combinación lineal de

las respuestas a diferentes entradas por separado, y luego se verifica que dicha combinación
equivale a la respuesta del sistema a la combinación lineal de las entradas.

1. Si y1 (t) = d
x (t)
dt 1
y y2 (t) = d
x (t)
dt 2
entonces
d d
α1 y1 (t) + α2 y2 (t) = α1 x1 (t) + α2 x2 (t)
dt dt
Por otro lado, si x(t) = α1 x1 (t) + α2 x2 (t) y se calcula y(t) = T [x(t)] entonces
d d d d
y(t) = x(t) = [α1 x1 (t) + α2 x2 (t)] = α1 x1 (t) + α2 x2 (t)
dt dt dt dt
por lo que el sistema es lineal.
2. Si y1 (t) = x1 (−t) y y2 (t) = x2 (−t) entonces
α1 y1 (t) + α2 y2 (t) = α1 x1 (−t) + α2 x2 (−t)
y(t) = x(−t) = α1 x1 (−t) + α2 x2 (−t)
lo que indica que el sistema es lineal.

3. Si y1 (t) = x1 (t) + 1 y y2 (t) = x2 (t) + 1 entonces
α1 y1 (t) + α2 y2 (t) = α1 x1 (t) + α2 x2 (t) + α1 + α2
y(t) = x(t) + 1 = α1 x1 (t) + α2 x2 (t) + 1
lo que indica que el sistema no es lineal.
3.19
Sistema Invariante en el Tiempo
Un sistema se denomina invariante en el tiempo si la salida es siempre la misma ante una

misma entrada, sin importar el instante de tiempo en el que se aplica dicha entrada. En
otras palabras, un sistema se denomina invariante en el tiempo si
y(t) = T [x(t)] =⇒ y(t − t0 ) = T [x(t − t0 )]
Ejemplo 3.20 Determine si los sistemas y(t) = T [x(t)] son invariantes en el tiempo.
1. y(t) = d
dt
x(t)
2. y(t) = x(−t)
3. y(t) = x(t) + 1
Solución: Para corroborar la invarianza en el tiempo se calcula primero la respuesta del

sistema a la señal desplazada en el tiempo, y luego se compara esto con la respuesta a la
entrada sin desplazar, desplazada en el tiempo.

1. Si y(t) = dtd x(t) entonces la respuesta a x(t−t0 ) es dtd x(t−t0 ). La salida y(t) desplazada
en el tiempo es también dtd x(t − t0 ) por lo que el sistema es invariante en el tiempo.
2. Si y(t) = x(−t) entonces la respuesta a la señal x(t) desplazada en el tiempo es x(−(t−

t0 )) = x(−t + t0 ). Por otro lado, si se desplaza la salida correspondiente a x(t) entonces
y(t − t0 ) = x(−t − t0 ). Esto implica que el sistema es variante en el tiempo.
3. Si y(t) = x(t) + 1 la respuesta a la entrada desplazada es x(t − t0 ) + 1, y la respuesta

desplazada correspondiente a x(t) también es y(t − t0 ) = x(t − t0 ) + 1 por lo que el
sistema es invariante en el tiempo.
3.20
Sistema LTI
Los sistemas lineales e invariantes en el tiempo (o sistemas LTI por sus siglas en inglés
Linear and Time Invariant) corresponden a una importante clase de sistemas en el análi-
sis de fenómenos reales, al permitir modelar comportamientos complejos con herramientas
matemáticas tan poderosas como las transformadas de Fourier y Laplace.
Para comprender mejor los conceptos detrás de los sistemas LTI, considérese un impulso rec-
tangular x0 (t) de duración τ0 y amplitud 1/τ0 como entrada a un sistema LTI, que responde
a él con la salida h0 (t) tal y como lo muestra la figura 3.38. Puesto que el sistema es lineal
1 x0 (t) h0 (t)
τ0
τ0 LTI
t t
Figura 3.38: Respuesta a impulso rectangular de un sistema LTI.
e invariante en el tiempo, una secuencia de impulsos ponderados a la entrada tendrá como

salida una ponderación equivalente de la salida h0 (t). La figura 3.39 a muestra por ejemplo
la aproximación de una señal x(t) por una señal xa (t) compuesta de impulsos rectangulares
de duración τ0 , tal que se tiene:
∞
X
x(t) ≈ xa (t) = x(nτ0 )x0 (t − nτ0 )τ0
n=−∞
y puesto que cada impulso rectangular x(nτ0 )x0 (t−nτ0 )τ0 tiene como respuesta x(nτ0 )h0 (t−
nτ0 )τ0 , se obtiene entonces la respuesta mostrada en la figura 3.39 b, que se puede expresar
como ∞
X
ya (t) = x(nτ0 )h0 (t − nτ0 )τ0
n=−∞
Es claro que la función xa (t) aproximará de mejor manera a la función x(t) si τ0 se hace
cada vez más pequeño. De esta forma, si τ0 se hace tender a cero, puede sustituirse por un
diferencial dτ , el término nτ0 convergerá a una variable continua τ y la función x0 (t), que

x(t) ya (t)
xa (t)
x(t)
0 t/τ0 0 t/τ0
−5 −4 −3 −2 −1 0 1 2 3 4 5 −5 −4 −3 −2 −1 0 1 2 3 4 5
(a) (b)
Figura 3.39: Entrada compuesta por impulsos rectangulares y respectiva salida del sistema LTI
en la figura 3.38
conserva su área igual a uno sin importar la elección de τ0 , convergerá al impulso δ(t). Por
lo tanto, las dos ecuaciones anteriores se convierten en:
Z ∞
x(t) = x(τ )δ(t − τ ) dτ = x(t) ∗ δ(t)
−∞
Z ∞
y(t) = x(τ )h(t − τ ) dτ = x(t) ∗ h(t)
−∞
donde la función h(t) es la respuesta al impulso del sistema, obtenida como la respuesta al
impulso rectangular cuando su duración τ0 tiende a cero. Nóte que estas son integrales de
convolución, donde se demuestra que una función convolucionada con el impulso resulta en
la misma función (o en otros términos, la función impulso Dirac es el elemento neutro del
operador convolución). Por otro lado la respuesta de un sistema LTI a una entrada x(t) está
dada por la convolución de dicha entrada con la respuesta al impulso h(t) del sistema LTI.
Considerando la propiedad de convolución de la transformada de Fourier, si se cumple
F {x(t)} = X(jω), F {y(t)} = Y (jω) y F {h(t)} = H(jω), entonces
X(jω) = F {x(t) ∗ δ(t)} = X(jω)1 = X(jω)

Y (jω) = F {x(t) ∗ h(t)} = X(jω)H(jω)
que implica que, conociendo la respuesta al impulso del sistema h(t) y su equivalente res-
puesta en frecuencia H(jω), en el dominio de la frecuencia la respuesta a cualquier entrada
con transformada X(jω) se calcula simplemente multiplicando X(jω)H(jω). Esta simplifi-
cación del cálculo de la convolución hace de la transformada de Fourier una herramienta muy
poderosa en el análisis de sistemas LTI. Por lo general es más simple transformar una señal
de entrada y la respuesta al impulso al dominio de la frecuencia, realizar allí el producto, y
luego transformar el resultado al dominio del tiempo para observar el comportamiento de la
salida del sistema LTI. Nótese que si se conoce que un sistema es LTI, entonces, obteniendo
su salida Y (jω) para una entrada X(jω) en el dominio de la frecuencia, la respuesta en
frecuencia H(jω) del sistema se puede calcular como
Y (jω)
H(jω) =
X(jω)
Existen sin embargo propiedades de los sistemas que pueden comprenderse mejor en el do-
minio temporal, y para ello es necesario analizar con más detalle el operador de convolución.
3.4.2. Convolución
Los párrafos anteriores demostraron que la convolución es un operador que puede utilizarse
para encontrar la salida correspondiente a una entrada, si se conoce la respuesta al impulso
h(t) de un sistema LTI. Así, la convolución de x(t) y h(t) se expresa como
Z ∞
x(t) ∗ h(t) = x(τ )h(t − τ ) dτ (3.63)
−∞
Haciendo un cambio de variable ξ = t − τ entonces dξ = −dτ y

Z t−∞ Z ∞
x(t) ∗ h(t) = − x(t − ξ)h(ξ) dξ = h(ξ)x(t − ξ) dξ = h(t) ∗ x(t)
t+∞ −∞
es decir, la convolución es un operador conmutativo.

Se deja como ejercicio para el lector demostrar que además es un operador asociativo y
distributivo:
x(t) ∗ g(t) ∗ h(t) = [x(t) ∗ g(t)] ∗ h(t) = x(t) ∗ [g(t) ∗ h(t)]

x(t) ∗ [g(t) + h(t)] = [x(t) ∗ g(t)] + [x(t) ∗ h(t)]
En la aplicación de la convolución (3.63) es posible identificar varios pasos. Primero nótese

que la variable de integración τ está negada en la función h(t − τ ). Esto implica que al
realizar la convolución debe primero invertirse la función h(τ ) → h(−τ ). Segundo, sumar
t a la variable −τ equivale a trasladar el origen de la función h(−τ ) al punto t. Luego se
realiza la multiplicación punto a punto entre esta función invertida y trasladada h(t − τ ) por
la segunda función inalterada x(τ ). El área bajo la curva de dicho producto es el valor que
se asigna a la señal de salida en el instante t. Este principio se ilustra de manera gráfica en
la figura 3.40.
3.4.3. Funciones propias y la respuesta en frecuencia
Un caso particularmente interesante en sistemas LTI son las funciones exponenciales com-
plejas. Un sistema LTI con respuesta al impulso h(t) tendrá como respuesta a una entrada
x(t) = ejω0 t una salida y(t) que se calcula de la siguiente manera:
y(t) = T [x(t)] = h(t) ∗ x(t) = h(t) ∗ ejω0 t
En el dominio de la frecuencia y considerando la respuesta en frecuencia H(jω) = F {h(t)}

se tiene

F {y(t)} = Y (jω) = H(jω)F ejω0 t
= H(jω)2πδ(ω − ω0 )
= H(jω0 )2πδ(ω − ω0 )

x(τ ) h(τ ) h(t − τ )
τ τ t<0 t > 0τ
(a) (b) (c)
x(τ )h(t1 − τ ) x(τ )h(t2 − τ ) x(τ )h(t3 − τ )
t1 τ t2 τ t3 τ
(d) (e) (f)
x(τ )h(t4 − τ ) x(τ )h(t5 − τ ) x(t) ∗ h(t)
t4 τ t5 τ t1 t2 t3 t4 t5 τ
(g) (h) (i)
Figura 3.40: Ejemplo de la convolución entre dos funciones. (a) y (b) señales de entrada, (c)
segunda señal reflejada y trasladada a t, (d)-(h) diferentes valores de t > 0 y las
áreas bajo el producto. (i) convolución.
y la transformada inversa de esto es

y(t) = F −1 {H(jω0 )2πδ(ω − ω0 )} = H(jω0 )ejω0 t
que es una función exponencial compleja de exactamente la misma frecuencia ω0 que tiene la
señal de entrada, pero con amplitud y fase alteradas por el valor de la respuesta en frecuencia
H(jω) evaluada en la frecuencia ω = ω0 de la señal de entrada.
Puesto que la forma de la entrada x(t) = ejω0 t se mantiene al atravesar el sistema para
salir como y(t) = Cejω0 t , excepto por la constante compleja C = H(jω0 ), a estas funciones
exponenciales complejas se les denomina funciones propias de los sistemas LTI. Este hecho
concreto de que la función H(jω) determina cuál cambio de amplitud y fase concreto sufre
cada componente de frecuencia ω es lo que da origen a su nombre de respuesta en frecuencia.
Los resultados anteriores permite derivar además el comportamiento de señales de entrada

senoidales y cosenoidales en sistemas LTI. Si se asume que la respuesta al impulso h(t) es
una función real, entonces H(−jω0 ) = H ∗ (jω0 ). Puesto que
ejω0 t + e−jω0 t
cos(ω0 t) =
2
entonces por linealidad, y asumiendo que H(jω0 ) = |H(jω0 )| ejφ0 la salida será
|H(jω0 )| jω0 t+φ0
y(t) = e + e−jω0 t−φ0 = |H(jω0 )| cos(ω0 t + φ0 )
2
es decir, un sistema LTI responde a una señal cosenoidal, con otra señal cosenoidal de la
misma frecuencia, pero con fase y amplitudes alteradas por H(jω).
Obsérvese que, como conclusión de los resultados anteriores, un sistema LTI no puede bajo
ninguna circunstancia alterar las frecuencias presentes en la señal de entrada. Esto solo
ocurrirá en sistemas no lineales o variantes en el tiempo.

3.4.4. Diagramas de Bode
La respuesta en frecuencia de sistemas LTI es tan utilizada para estudiar sistemas reales,
que existen instrumentos de medición denominados analizadores de espectro para poder
medir esta característica a partir de señales eléctricas. En sistemas mecánicos, neumáticos,
acústicos, eléctricos, electrónicos, etc. se utilizan transductores que convierten las magnitudes
físicas involucradas a señales eléctricas y así se puedan usar los analizadores de espectro en
su estudio.
En las secciones anteriores se demostró que si x(t) es la entrada a un sistema LTI que tiene
como respuesta al impulso h(t), entonces dicho sistema reaccionará con la salida
y(t) = h(t) ∗ x(t) .
En el dominio de la frecuencia esto corresponde a
Y (jω) = H(jω)X(jω)
con X(jω), H(jω) y Y (jω) las transformadas de Fourier de x(t), h(t) y y(t), respectivamente.
En la práctica, para facilitar las manipulaciones aritméticas de productos complejos, se utiliza
el formato polar en magnitud y fase de las magnitudes complejas involucradas. De este modo
se cumple:
|Y (jω)| = |H(jω)X(jω)| = |H(jω)| |X(jω)|

∠Y (jω) = ∠ (H(jω)X(jω)) = ∠H(jω) + ∠X(jω)
Si se trabaja con el logaritmo de las magnitudes, se obtiene:
log |Y (jω)| = log (|H(jω)| |X(jω)|) = log |H(jω)| + log |X(jω)|
es decir, de forma similar al caso de las fases de H(jω) y X(jω), que se combinan aditiva-
mente para generar la fase de Y (jω), los logaritmos de las magnitudes también se combinan
aditivamente para generar el logaritmo de la magnitud de la salida. Esto quiere decir que si
se tienen las gráficas del logaritmo de la magnitud y de la fase de la señal de entrada y de la
respuesta en frecuencia, entonces para obtener la salida basta con sumar los valores en las
gráficas.
Otra ventaja del trabajo con el logaritmo de las magnitudes radica en que con sus gráficas se
pueden percibir detalles de los espectros en un rango dinámico de varios órdenes de magnitud,
al amplificarse los valores pequeños y atenuarse los valores grandes. Así, un rango lineal de
valores 0,0001 a 1012 en una escala logarítmica pasa de −4 a 12. En la escala lineal una
duplicación de los valores pequeños no sería perceptible, mientras que en la escala logarítima
la “duplicación” se percibirá de la misma forma en todo el rango.
Las ventajas anteriores se extrapolan al caso en que alguna de las componentes, por ejemplo
H(jω), pueda descomponerse a su vez como un producto de otros términos:
H(jω) = H1 (jω)H2 (jω) · · · HN (jω)

⇓
log |H(jω)| = log |H1 (jω)| + log |H2 (jω)| + · · · + log |HN (jω)|
∠H(jω) = ∠H1 (jω) + ∠H2 (jω) + · · · + ∠HN (jω)

Esto es muy útil cuando un sistema (por ejemplo, un filtro de orden elevado) se pueda
descomponer como la cascada de varios filtros de menor orden.
Es usual utilizar unidades de decibel (o decibelio) (abreviado con dB) para trabajar con los
logaritmos de las magnitudes. La unidad base, el bel7 (o belio), expresa la relación entre
dos valores de potencia. Obsérvese que hasta ahora se ha supuesto que el argumento de los
logaritmos ha sido adimensional, lo que en la práctica no es necesariamente el caso.
El uso de beles entonces fuerza la adimensionalidad evaluando siempre la relación entre dos
valores de potencia:
P1
B = log10
P2
donde por lo general P2 corresponde a algún valor de potencia de referencia, de modo que
un valor 0 B indica que P1 = P2 , un valor de 1 B indica que P1 = 10P2 o un valor de −1 B
indica que P1 = P2 /10.
En el uso de estas unidades se ha encontrado que el rango de valores en beles no es práctico,
y se ha establecido como convención el uso del decibel (1 B = 10 dB):
P1
dB = 10 log10
P2
que del mismo modo que el bel, relaciona dos valores de potencia. En este caso 0 dB indica
que P1 = P2 pero 10 dB equivale a P1 = 10P2 y −10 dB representa la relación P1 = P2 /10.
En la práctica lo que se suele medir es señales de tensión eléctrica o corriente. Por tanto, si
se supone que las potencias P1 y P2 están asociadas a una misma carga R en la que para
cada caso se miden las tensiones eléctricas V1 y V2 respectivamente, se cumple entonces que
Pi = Vi2 /R con i ∈ {1,2} y por tanto
2
V12 R V1 V1
dB = 10 log10 = 10 log10 = 20 log10
V22 R V2 V2
De forma equivalente para corrientes eléctricas se tiene con Pi = Ii2 R que
I12 R I1
dB = 10 log10 2
= 20 log10
I2 R I2
Si se toma en cuenta que

Y (jω)
H(jω) =
X(jω)
y se parte de la suposición de que x(t) y y(t) son señales de tensión o corriente, entonces
la relación de Parseval permite interpretar también a X(jω) y Y (jω) como espectros de
tensión o corriente, lo que a su vez hace conveniente trabajar con el espectro 20 log10 |H(jω)|
en decibeles. La tabla 3.6 resume algunos valores de ganancia frecuentemente utilizados (los
valores de ±3 dB y ±6 dB son aproximados).
Para cubrir además un mayor rango dinámico de frecuencias, se acostumbra utilizar un eje
de frecuencia logarítmico. A los gráficos de 20 log10 |H(jω)| y ∠H(jω) en un eje logarítmico
7
En honor a Alexander Graham Bell (1847–1922), inventor, ingeniero y científico, fundador de AT&T,
de origen escocés, a quien se atribuye la invención y patente del primer teléfono práctico.

Tabla 3.6: Valores típicos de ganancia absoluta y en decibeles
|H|dB |H|
20 dB 10
6 dB √2 Doble tensión
3 dB 2 Doble potencia
0 dB √
1
−3 dB 2/2 Potencia mitad
−6 dB 1/2 Tensión mitad
−20 dB 1/10
de frecuencia se les conoce como Diagramas de Bode 8 , donde por tratarse usualmente con
sistemas reales, solo se grafica el diagrama para frecuencias positivas ω > 0 pues se sabe que
su respuesta en frecuencia tendrá simetría hermítica.
Sistemas reales pasivos (eléctricos, mecánicos, etc.) con frecuencia se rigen por medio de
ecuaciones diferenciales con coeficientes constantes reales de la forma
X N M
dk y(t) X dk x(t)
ak = bk
k=0
dtk k=0
dtk
que se puede expresar en el dominio de la frecuencia utilizando las propiedades de derivación

y linealidad como:
N
X M
X
Y (jω) ak (jω)k = X(jω) bk (jω)k
k=0 k=0
y por tanto se cumple para la respuesta en frecuencia

PM k
Y (jω) k=0 bk (jω)
H(jω) = = PN
X(jω) k=0 ak (jω)
k
Obsérvese que tanto el numerador como el denominador en la expresión anterior son po-
linomios de jω, que se sabe deberán tener M y N raíces complejas, respectivamente. Por
tanto
QM
k=0 (jω − βk )
H(jω) = K QN
k=0 (jω − αk )
con αk y βk las raíces complejas de dichos polinomios (que pueden repetirse), y K la constante
del sistema.
Para la magnitud |H(jω)|dB se tiene entonces:
QM
k=0 (jω − βk )
|H(jω)|dB = 20 log10 K QN
k=0 (jω − αk )
" M N
#
X X
= 20 log10 |K| + log10 |jω − βk | − log10 |jω − αk |
k=0 k=0
8
En honor a Hendrik Wade Bode (1905–1982), ingeniero, investigador, inventor, autor y científico de
origen holandés, pionero de la teoría moderna de control y telecomunicaciones.

El primer término 20 log10 |K| es una constante y el resto son términos de la forma
20 log10 |jω − γk |
con γk ∈ {αk ,βk }. Asintóticamente se observa considerando que ω > 0 que
(
20 log10 |γk | para ω |γk | (constante a 0 dB/década)
20 log10 |jω − γk | =
20 log10 ω para ω |γk | (pendiente a 20 dB/década)
Nótese que ambas asíntotas se cruzan cuando

20 log10 ω = 20 log10 |γk |
lo que ocurre en ω = |γk |. Para esa frecuencia es de interés observar cuánto se separa la
respuesta real de la referencia asintótica, lo que se puede calcular fácilmente con
|j |γk | − γk |
∆ = 20 log10 |jω − γk |ω=|γk | − 20 log10 |γk | = 20 log10
|γk |
j∠γk
γk |γk | e
= 20 log10 j 1 + j = 20 log10 1 + j
|γk | |γk |
j∠γk
= 20 log10 1 + je
Si los coeficientes ak y bk son reales (caso frecuente en sistemas pasivos reales), entonces los
términos γk serán reales o aparecerán en pares complejos conjugados. Para el caso en que γk
es real, entonces ∠γk es 0 ó π, y en este caso concreto
√
∆ = 20 log10 |1 ± j| = 20 log10 2 ≈ 3 dB .
Obsérvese que en el caso general en que Im{γk } =
6 0, dicha desviación de la asíntota constante
depende del ángulo de γk .
Esto quiere decir, que para sistemas con respuesta en frecuencia conformada por el cociente
de dos polinomios, se espera que la magnitud del diagrama de Bode de dicha respuesta se
conforme asintóticamente por las sumas de rampas, donde cada cero/polo aporta una rampa
con codo en βk o αk y una pendiente de ±20 dB/década, respectivamente.
Con la fase se procede de forma similar. La fase de cada término jω − γk es:
(
π + ∠γk ω |γk |
∠(jω − γk ) =
π/2 ω |γk |
que para el caso particular de γk ∈ IR será



π ω |γk | y γk > 0
∠(jω − γk ) = 0 ω |γk | y γk < 0


π/2 ω |γk |
Justo en la frecuencia ω = |γk | la fase será

∠(jω − γk ) ω=|γk |
= ∠j |γk | − Re{γk } − j Im{γk }
|γk | − Im{γk }
= arctan
− Re{γk }

Cuando γk es real entonces Im{γk } = 0 y |γk | = |Re{γk }|. Considerando el signo de las
componentes real e imaginaria para determinar el cuadrante de γk , en ese caso se tiene


 Re{γk } 3π
arctan = para γk > 0
− Re{γk } 4
∠(jω − γk ) ω=|γ | =
k 
 − Re{γk } π
arctan = para γk < 0
− Re{γk } 4
que corresponden al punto intermedio entre las dos asíntotas.
La figura 3.41 resume los hallazgos realizados para el caso en que γk es real y menor que 0.
40 π
2
[dB]
[rad]
π
3
20
π
H(jω)
4
H(jω)
γk
π
6
6
3
0
0
10−2 10−1 100 101 102 10−2 10−1 100 101 102
ω ω
|γk | |γk |
(a) (b)
Figura 3.41: Diagrama de Bode de un término H(jω) = (jω − γk ) para γk real negativo. (a)
Magnitud de la respuesta en frecuencia. (b) Fase de la respuesta en frecuencia. En
rojo punteado se muestran las asíntotas y con líneas continuas negras, los términos
de magnitud y fase tal cuales.
Ejemplo 3.21 Grafique la magnitud y ángulo de la respuesta en frecuencia H(jω) de un

sistema, dada por
ω
H(jω) = 10 2
ω − j11ω − 10
tanto en un diagrama de Bode como en un diagrama lineal para el rango ω ∈ [10−2 ; 103 ].
Solución:
El lector puede demostrar que
jω jω
H(jω) = j10 = j10
(jω)2 + jω11 + 10 (jω + 1)(jω + 10)
que tiene K = j10, β1 = 0, α1 = −1 y α2 = −10. Con estos términos se obtiene el diagrama
de Bode ilustrado en la figura 3.42 y el correspondiente diagrama en escala lineal en la
figura 3.43.
Se han graficado en el diagrama de Bode las asíntotas por separado para cada término con
líneas punteadas. La suma de las asíntotas se presenta con línea continua clara. La respuesta

20 Ası́ntotas sumadas
π Ası́ntotas sumadas
|j10|dB 6 jω
6 j10
|jω|dB
Ası́ntotas de |1/jω+1|dB 3π Ası́ntotas de 6 1/jω+1
Ası́ntotas de |1/jω+10|dB 4 Ası́ntotas de 6 1/jω+10
6 H(jω)
|H(jω)|dB
[rad]
|H(jω)| [dB] 0 2
H(jω)
4
−20 0
6
− π4
−40 − π2
10−2 10−1
10 0
10 1
10 2
10 3
10−2 10−1 100 101 102 103
ω ω
(a) (b)
Figura 3.42: Diagrama de Bode del ejemplo 3.21. (a) Magnitud de la respuesta en frecuencia. (b)
Fase de la respuesta en frecuencia.
1 π
0.8
3π
[rad] 4
0.6
|H(jω)|
π
H(jω)
0.4
π
6
4
0.2
0
0 200 400 600 800 1,000 0 200 400 600 800 1,000
ω ω
(a) (b)
Figura 3.43: Diagrama lineal del ejemplo 3.21. (a) Magnitud de la respuesta en frecuencia. (b)
Fase de la respuesta en frecuencia.
en magnitud real se presenta con línea negra, y se aprecia la diferencia con la aproximación
por asíntotas.
Obsérvese cómo el uso de escalas logarítmicas en el diagrama de Bode facilita la interpreta-
ción de lo que ocurre en la respuesta en frecuencia. Con el mismo rango de frecuencias, el
diagrama lineal acorrarla la información interesante en un espacio reducido de frecuencias
bajas, que no permite interpretar dónde está la banda pasante ni las frecuencias de corte
de este filtro paso-bandas. En el rango ω ∈ [100; 1000] no ocurre nada interesante, mas la
representación lineal ocupa la mayor parte del gráfico en ese intervalo. El diagrama de Bode,
por otro lado, en particular con la representación asintótica permite observar las frecuencias
de interés en el análisis de este sistema. 3.21

3.4.5. Causalidad y estabilidad
Sistemas causales y no causales
En cuanto a la reacción temporal de un sistema se pueden identificar los sistemas causales y

los sistemas no causales. En los primeros, el sistema tendrá una salida diferente de cero solo
durante o después de que ocurra algún evento diferente de cero a su entrada. Un sistema
no causal puede tener una respuesta a una entrada antes de que la entrada misma ocurra.
Sistemas reales, en donde la variable independiente de la señal de entrada es el tiempo,
podrán tener una respuesta únicamente después de que se presente dicha entrada, siendo
por lo tanto causales. Sin embargo, no necesariamente es el tiempo la única posibilidad de
variable independiente de una señal. En imágenes, por ejemplo, las variables independientes
son posición dentro de la imagen, y aquí la no-causalidad es un hecho normal.
La causalidad de un sistema real LTI se puede observar directamente en su respuesta al
impulso h(t). Puesto que el impulso “ocurre” en t = 0, el sistema es causal si y solo si
h(t) = 0 para todo t < 0, lo cual puede expresarse también como
h(t) = h(t)u(t) .
En analogía a este hecho se dice que cualquier señal x(t), con x(t) = 0 para t < 0, es causal.
La causalidad tiene implicaciones en la naturaleza de la respuesta en frecuencia H(jω) del
sistema causal: las componentes par e impar de h(t) son ambas diferentes de cero, por lo que
H(jω) no puede ser ni puramente real ni puramente imaginaria. En otras palabras, si h(t)
es real entonces H(jω) tiene magnitud par y fase impar, pero el hecho de que el sistema sea
causal implica que la fase de H(jω) no puede ser cero o π/2 en todo el rango de frecuencias.
Sistemas estables
Un sistema se dice que es estable o estable en amplitud si para cualquier entrada x(t) acotada
en amplitud
|x(t)| ≤ Ax , Ax ∈ IR, Ax > 0
el sistema reacciona con una salida y(t) también acotada en amplitud
|y(t)| ≤ Ay , Ay ∈ IR, Ay > 0
A estos sistemas se les denomina BIBO, por las siglas en inglés Bounded Input Bounded
Output.
Si el sistema es LTI, entonces se cumple
Z ∞
|y(t)| = |x(t) ∗ h(t)| = x(τ )h(t − τ ) dτ
−∞
Z ∞ Z ∞ Z ∞
≤ |x(τ )h(t − τ )| dτ ≤ Ax |h(t − τ )| dτ = Ax |h(τ )| dτ
−∞ −∞ −∞
y por lo tanto el sistema es estable si y solo si su respuesta al impulso es absolutamente

integrable, lo que a su vez garantiza la primera condición de Dirichlet para la existencia de
la transformada de Fourier de la respuesta al impulso de un sistema estable.

Si un sistema es inestable, la transformada de Fourier es inadecuada para su análisis, por el

simple hecho de que la salida no acotada puede violar las condiciones de Dirichlet y no poseer
una representación válida en el dominio de la frecuencia. Esta es una de las razones principales
por las cuales se extienden los conceptos aquí presentados en la llamada Transformada de
Laplace, que es tema del siguiente capítulo.
4 Lección 20

3.5. Problemas
Problema 3.1. El espacio lineal V se define a través de sus elementos que son tuplas con
componentes tomados de un cuerpo escalar IF, y las operaciones suma y producto escalar.
• ¿Qué tipo de estructura algebraica es (V,+)?
• ¿Qué tipo de estructura algebraica es (V,·), donde · representa aquí el producto escalar?
• ¿Qué tipo de estructura algebraica es (V,{+,·}), donde · representa de nuevo el pro-
ducto escalar?
Problema 3.2. Demuestre que la definición de la función d(·,·)

d(x,y) = kx − yk
cumple con todas las condiciones definidas para una función de distancia de un espacio
métrico, si k · k es una norma.
Problema 3.3. Demuestre utilizando los axiomas de espacios pre-Hilbert, que

ax,y = a∗ x,y
x + y,z = hx,zi + y,z
Problema 3.4. Encuentre tres vectores ortonormales en el espacio euclídeo tridimensional

y compruebe que el producto punto entre cualquier par de vectores es cero.
Problema 3.5. Demuestre que para la operación entre dos funciones definida como
Z b
hx(t),y(t)i = x∗ (t)y(t) dt
a
se cumplen todas las propiedades que debe satisfacer un producto interno.
Problema 3.6. Utilizando la ecuación (3.15) encuentre cuál es el ángulo entre las funciones
sen(θ) y sen(θ + α) para el intervalo [0,2π].
Problema 3.7. Utilizando la ecuación (3.15) encuentre cuál es el ángulo entre las funciones
sen(θ) y tan(θ) para el intervalo [−π/2,π/2].

Problema 3.8. La siguiente figura muestra cuatro funciones periódicas. Seleccione de estas
cuatro funciones una base ortogonal con el mayor número posible de funciones generadoras.
¿Cuáles funciones se encontrarán en su base ortogonal definida en el intervalo −1 < t ≤ 1?
u1 (x) u2 (x)
1 1
x x
−2 −1 1 2 −2 −1 1 2
−1 −1
u3 (x) u4 (x)
1 1
−2 −1 1
x x
−2 −1 1 2
−1 −1
Calcule la norma de las cuatro funciones en la figura anterior y de la función sen(πt) en el

intervalo t ∈ [0,2].
Para la base ortogonal seleccionada por usted, calcule el valor de los coeficientes que mejor
aproximan la función x(t) = sen(πt).
Problema 3.9. Las funciones ψ(t) y φ(t) definidas como



1, para 0 ≤ t < 21
ψ(t) = −1, para 12 ≤ t < 1


0 en el resto.
(
1, para 0 ≤ t < 1
φ(t) =
0, en el resto.
se utilizan como funciones madre para generar dos familias funcionales:

√
ψij (t) = 2j ψ(2j t − i)
√
φji (t) = 2j φ(2j t − i)
1. Grafique las funciones ψij (t) y φji (t) si i,j ∈ {0,1,2,3}.

2. Encuentre la norma de las funciones ψij (t) y φji (t).
3. Indique qué condiciones deben cumplir i y j para que las funciones anteriores sean
ortogonales, tanto dentro de cada familia, como entre ambas.
4. Encuentre la mejor aproximación del primer periodo de la función sen(t) con una base
ortogonal constituida por las funciones elegidas por usted en el punto anterior.
A esta familia de funciones ψij (t) y φji (t) se le conoce como la base de Haar, en honor al
matemático húngaro Alfred Haar, quien las propuso en 1910, y son utilizadas por ejemplo
en el estandar de compresión de imágenes JPEG-2000.
Problema 3.10. Demuestre que f (z) = |z|2 no es una función analítica.

Problema 3.11. Sean ui (t) funciones de valor complejo y variable real, ortogonales en el
intervalo [t1 ,t2 ] ∈ IR. Si la representación rectangular de dichas funciones se expresa como
ui (t) = ri (t) + jqi (t) demuestre que se cumple
Z t2 Z t2
ri (t)rk (t) dt = − qi (t)qk (t) dt
t1 t1
Z t2 Z t2
ri (t)qk (t) dt = qi (t)rk (t) dt
t1 t1
para todo i 6= k.
Problema 3.12. Utilizando la función de error (3.18):

Z t2
2
E(c0 ,c1 , . . . ,cn ) = kx(t) − xn (t)k = |x(t) − xn (t)|2 dt
t1
demuestre que para funciones y coeficientes complejos los coeficientes definidos en (3.22)
minimizan la función de error. (Sugerencia: Exprese ci en coordenadas rectangulares como
ci = ai + jbi , y utilice los resultados del problema 3.11.)
Problema 3.13. Sea f (t) una función compleja de variable real t. Para cualquier definición
de f (t) y valores reales positivos τ y α indique qué relación tienen las funciones
1. −f (t) 4. f (t − τ ) 7. f (αt)
2. f (−t) 5. f (t) + τ 8. f (αt + τ )
3. f (t + τ ) 6. αf (t) 9. f (α(t − τ ))
para α < 1 y α > 1 con dicha función f (t).
Problema 3.14. Demuestre que las funciones cos(ω0 kt) y sen(ω0 kt) son ortogonales en
intervalo T = 2π/ω0 es decir, que


0 k 6= l
1. hcos(ω0 kt), cos(ω0 lt)i = T /2 k = l > 0


T k=l=0
2. hcos(ω0 kt), sen(ω0 lt)i = 0

0 k 6= l
3. hsen(ω0 kt), sen(ω0 lt)i = T /2 k = l > 0


0 k=l=0
para k,l ∈ IN.
Problema 3.15. Utilizando los resultados del problema 3.14 demuestre que las funciones
cos (ω0 kt + θk ), k ∈ IN+ son ortogonales entre sí.

Problema 3.16. Determine los coeficientes las series de Fourier para la continuación
periódica de las siguientes funciones, si el periodo es T y 0 < τ < T . Encuentre los coeficientes
para las tres formas de series estudiadas: suma ponderada de exponenciales complejas, suma
ponderada de cosenoidales desfasadas, y suma ponderada de senos y cosenos.
(
−(t − τ /2)2 + τ 2 /4 si 0 ≤ t ≤ τ
1. x(t) =
0 si τ < t < T
(
sen(2πt/T ) si 0 ≤ t ≤ T /2
2. x(t) =
0 si T /2 < t < T
3. x(t) = |cos(ω0 t)|

4. x(t) = sen(ω0 t)
5. x(t) = cos(ω0 t)
6. x(t) = A, con A constante.
Problema 3.17. Demuestre que en la serie trigonométrica de Fourier

X∞ X∞
1
x(t) = a0 + ak cos ω0 kt + bk sen ω0 kt
2 k=1 k=1
los coeficientes ak y bk pueden considerarse como el resultado de operadores lineales.
Problema 3.18. Demuestre que en la descomposición de una función:
x(t) = xe (t) + xo (t)

x(t) + x(−t)
xe (t) =
2
x(t) − x(−t)
xo (t) =
2
la componente xe (t) es una función par y xo (t) es una función impar.
Problema 3.19. Extraiga las componentes par e impar para la extensión periódica de
periodo T de la función:
(
sen 2π
T
t para 0 ≤ t ≤ T2
x(t) =
0 para T2 < t < T
y calcule los desarrollos en series de Fourier para ambas componentes por separado. Com-
pruebe que los coeficientes de la función corresponden a la suma de los coeficientes corres-
pondientes de sus componentes par e impar.

Problema 3.20. Cuando se revisó la relación de Parseval (3.49) se utilizó el caso especial
de la serie de Fourier, sin embargo, esta relación se aplica para cualquier función representada
como serie generalizada de Fourier.
Demuestre que si se cumple para el intervalo t ∈ [t1 ,t2 ]
∞
X
x(t) = ck uk (t)
k=−∞
con el conjunto de funciones generadoras ortonormales uk (t), entonces

Z t2 ∞
X
2
|x(t)| dt = |ck |2
t1 k=−∞
Problema 3.21. Obtenga el desarrollo en series exponenciales complejas de Fourier para

las extensiones periódicas de periodo T de las funciones
1. x(t) = t
T
para 0 ≤ t < T
2. x(t) = T −t
T
para 0 ≤ t < T
2|t|
3. x(t) = T
para − T2 ≤ t < T
2
Problema 3.22. Encuentre los coeficientes de la serie de Fourier para una función x3 (t) =
|xc (t)| donde xc (t) está definida como en el ejemplo 3.10.
Problema 3.23. Encuentre los coeficientes de la serie de Fourier para las siguientes
funciones, utilizando tan solo los resultados del ejemplo 3.7, los coeficientes de la función
seno y las propiedades de las series de Fourier.
x4 (t) x5 (t)
t t
0 αT 0 αT
-T - 3T T
4 -2 - T4 2π
T
2
3T
4 T 5T
4
3T
2 -T - 3T T
4 -2 - T4 2π
T
2
3T
4 T 5T
4
3T
2
(a) (b)

Problema 3.24. Calcule el valor de la integral

Z t
x(τ )δ(aτ ) dτ
−∞
si a ∈ IR y a > 0.
Problema 3.25. Calcule la Transformada de Fourier en el ejemplo 3.13, pero utilizando

otras agrupaciones de los delta de Dirac, como se esboza en la solución de dicho ejemplo.
Problema 3.26. Encuentre las transformadas de Fourier de las funciones mostradas en la

siguiente figura, utilizando la linealidad y la propiedad de derivación. Exprese, en los casos
donde es posible, las expresiones en términos puramente reales o en términos puramente
imaginarios.
1 1
1 1
(a) (b)
1 1
1 1
(c) (d)
1 1
1 1
(e) (f)
1
1
1
1
(g) (h)
Problema 3.27. Sea X(jω) la transformada de Fourier de una función x(t). Encuentre la
transformada de Fourier inversa de la n-ésima derivada de X(jω) en términos de x(t).
Problema 3.28. Demuestre utilizando la propiedad de derivación de la transformada de

Fourier que la impedancia de una bobina L y un condensador C están dadas respectivamente
por:
1
ZL (jω) = jωL ZC (jω) =
jωC
Problema 3.29. Calcule la transformada de Fourier de la función x(t) = e−a|t| .

Problema 3.30. Determine la transformada de Fourier de la función


a

τ t + a (−τ ≤ t ≤ 0)
x(t) = − τa t + a (0 < t ≤ τ )


0 en el resto
y su derivada. Grafique ambas funciones y sus respectivos espectros.
Problema 3.31. Si la transformada de Fourier de x(t) es X(jω), encuentre la transformada

de
t − t0
ax
T
Problema 3.32. Si la transformada de Fourier de x(t) es X(jω), encuentre el espectro de
xD (t) = x(t + t0 ) ± x(t − t0 )
Esboce el espectro para el caso especial x(t) = u(t + 1/2) − u(t − 1/2) y t0 = 1/2.
Problema 3.33. Encuentre la componente impar xo (t) de la función x(t) = e−t/τ u(t).
Grafique xo (t) y encuentre su transformada de Fourier.
Problema 3.34. Encuentre el resultado de aplicar n veces la convolución de un impulso

gaussiano
1 1 t 2
g(t) = √ e− 2 ( σ )
σ 2π
con sigo mismo.
Problema 3.35. Una función escalón unitario real se puede modelar con u(t) ∗ r(t/T ) con
1
r(t) = [u(t + 1/2) − u(t − 1/2)]
T
Grafique esta función y encuentre su transformada de Fourier. ¿En qué afecta el término T
a esta función y su espectro?
Problema 3.36. Encuentre la transformada de Fourier de x(t) = u(t)e−t/T cos ω0 t.
Problema 3.37. ¿A qué es igual el resultado de x(t) ∗ δ(t − t0 )?

Problema 3.38. Encuentre el resultado de la convolución sa(πt/T ) ∗ sa(πt/T )
Problema 3.39. Encuentre la transformada de Fourier de

∞
X
x(t) = δ(t − nT )
n=−∞
Problema 3.40. Encuentre la transformada de Fourier de

K
X
x(t) = δ(t − nT )
n=−K
Problema 3.41. Demuestre que entre las componentes par e impar (xe (t) y xo (t) respec-
tivamente) de una función x(t) real y causal se cumple
xe (t) = xo (t)[2u(t) − 1]
Utilice este resultado para encontrar la dependencia entre Re{X(jω)} y Im{X(jω)}, con
X(jω) = F {x(t)} (Esta relación es conocida como la transformada de Hilbert)
Problema 3.42. Demuestre que para las áreas bajo la curva de una función y de su
espectro se cumple:
Z ∞ Z ∞
x(t) dt = X(0) X(ω) dω = 2πx(0)
−∞ −∞
Problema 3.43. Determine la transformada de Fourier de la función:

(
1 + cos(at) − πa ≤ t ≤ πa
x(t) =
0 en el resto
Problema 3.44. Encuentre la transformada F {x(t) cos ω0 t cos ω0 t} en términos de X(jω) =

F {x(t)}. Esta se conoce como la propiedad de demodulación.
Problema 3.45. Una señal real analógica xa (t) tiene un espectro limitado en banda
Xa (jω) cuya frecuencia máxima se sabe es 10 kHz. ¿Cuál es la frecuencia mínima fs min a la
cual se debe muestrear xa (t) tal que las muestras x(n) = xa (n/fs ) representan sin pérdida
de información a xa (t)?

Problema 3.46. Compruebe si los siguientes sistemas y(t) = T [x(t)] son lineales y/o
invariantes en el tiempo.
1. y(t) = x2 (t)
2. y(t) = x(t)m(t), con m(t) una función arbitraria independiente de x(t).
3. y(t) = 1/x(t)
Problema 3.47. Dado el sistema integrador y(t) = T [x(t)]

Z t
y(t) = x(τ ) dτ
−∞
1. Evalúe la linealidad e invarianza en el tiempo de este sistema

2. ¿Cuál es la respuesta al impulso del integrador?
Problema 3.48. Un sistema LTI causal responde a una función x(t) con y(t), donde estas
funciones se definen como:

1 1
x(t) = u t + −u t−
2 2

1 1
y(t) = x 2t + (2t + 1) + x 2t − (1 − 2t)
2 2
1. Grafique las funciones x(t) y y(t)

2. ¿Cuál es la respuesta a x2 (t) = x t−1
2
?
3. ¿Cuál es la respuesta y3 (t) al escalón unitario?
4. ¿Cuál es la respuesta al impulso?

Problema 3.49. Sea la función r(t) = u 1
2
− t u t + 12 , donde u(t) es el escalón unitario.
Grafique las siguientes funciones:
1. r(t) cos(t) 5. u(t) ∗ r(t) 9. tu(t)u(1 − t)
2. r(t) cos(πt) 6. r(t) ∗ r(t) 10. (1 − t)u(t)u(1 − t)
11. (1 − t)u(t)u(−1 − t)
3. r(t) sen(10πt) 7. u(t) ∗ u(t)
12. tu(t)−2(2−t)u(t−1)+
4. r(t/T ) sen(t) 8. u(1 − t ) 2
r(t − 2) ∗ u(t − 2)


d d d
x(t) ∗ h(t) = h(t) ∗ x(t) = (h(t) ∗ x(t))
dt dt dt
Problema 3.51. Dos señales x1 (t) y x2 (t) tienen áreas A1 y A2 respectivamente. Demuestre
que el área de la función x(t) = x1 (t) ∗ x2 (t) es igual a A1 A2 .
Problema 3.52. Demuestre que la convolución es asociativa y distributiva con respecto a

la suma.
Problema 3.53. Sean dos funciones de longitud finita x1 (t) y x2 (t). La longitud de x1 (t)
sea l1 y la longitud de x2 (t) sea l2 . Encuentre la longitud de la función resultante de la
convolución x1 (t) ∗ x2 (t).

Capítulo 4
Transformada de Laplace
Lección 22 B La Transformada de Laplace es la herramienta de preferencia en el análisis de sistemas

lineales e invariantes en el tiempo. Se le atribuye a Pierre-Simon de Laplace (1749–1827),
a pesar de que se ha sugerido que esta transformación integral fue propuesta por Leonhard
Euler (1707–1783) [12]. El uso difundido de la ahora llamada transformada de Laplace en
ingeniería se debe al ingeniero inglés Oliver Heaviside (1850-1925) quien utilizó un método
similar para la solución de ecuaciones diferenciales ordinarias con coeficientes constantes.
Sus desarrollos carecían de rigor matemático, por lo que no fue sino hasta que sus métodos
demostraron gran utilidad práctica que los matemáticos les prestaron atención y buscaron
justificación teórica, que fue encontrada en el trabajo de Laplace [1], [13].
La transformada de Laplace puede interpretarse como una generalización de la transformada
de Fourier, que permite manejar problemas no tratables con esta última. El paso clave
ocurre con la observación de que muchas de las propiedades de la transformada de Fourier
se conservan si en vez de utilizar una frecuencia puramente imaginaria jω, se utiliza una
frecuencia compleja s = σ + jω, con σ = Re{s} y ω = Im{s}. Así, la frecuencia pasa de ser
un valor en una recta, a un valor en el plano complejo s. Puede demostrarse que las funciones
exponenciales complejas est siguen siendo funciones propias de un sistema LTI, hecho en el
cual se basa toda la aplicación práctica de esta transformada.
Se distinguen dos versiones de la transformada de Laplace: bilateral y unilateral. La primera
está directamente relacionada con la transformada de Fourier, y la segunda es la herramienta
ampliamente utilizada en ingeniería, que se deriva de la transformada bilateral para señales
causales. Aquí se revisarán ambas para brindar el panorama completo. En la literatura de
ingeniería, la mayoría de las veces en que se habla de “transformada de Laplace” se hace
implícitamente referencia a su versión unilateral.
4.1. Transformada bilateral de Laplace

En el capítulo anterior se definió la transformada de Fourier como
Z ∞
X(jω) = x(t)e−jωt dt
−∞
La transformada de Laplace se obtiene ampliando la recta de frecuencias complejas jω al

plano complejo s = σ + jω, donde σ es ahora un nuevo componente real de la frecuencia.
259
4 Transformada de Laplace 260
Así, la transformada de Laplace se define como:

Z ∞
X(s) = x(t)e−st dt (4.1)
−∞
De forma similar a la transformada de Fourier, se utiliza aquí la notación L {·} para denotar
al operador que transforma la señal en el tiempo, a su equivalente en el plano de frecuencia
compleja s:
X(s) = L {x(t)}
La relación entre el dominio temporal y de frecuencia compleja se denota como
L
x(t) X(s)
o simplemente
x(t) X(s)
si el contexto lo permite.
Nótese entonces que se cumple
L {x(t)}|s=jω = X(s)|s=jω = F {x(t)}
Por otro lado

Z ∞
L {x(t)} = X(s) = X(σ + jω) = x(t)e−(σ+jω)t dt
Z−∞
∞
= x(t)e−σt e−jωt dt
Z−∞
∞
= x(t)e−σt e−jωt dt
−∞

= F x(t)e−σt
lo que quiere decir que la transformada de Laplace puede interpretarse como la transformada
de Fourier de la función x(t) multiplicada por una señal exponencial real e−σt que será
creciente o decreciente dependiendo del signo de σ. De hecho, este producto entre x(t) y la
función “de ponderación” e−σt fue el punto de partida de Heaviside para su propuesta inicial:
si x(t) no tiene directamente transformada de Fourier, puede conseguirse indirectamente la
tenga si se multiplica por una función monotónicamente decreciente (o creciente) conocida,
como e−σt .
Ejemplo 4.1 Calcule la transformada de Laplace de la función x(t) = e−at u(t).

Solución: Se tiene que

Z ∞
L {x(t)} = e−at u(t)e−st dt
Z−∞
∞
= e−at e−st dt
Z0 ∞
= e−(a+s)t dt
0
∞
e−(a+s)t
=−
a+s 0
1 − e−(a+s)∞
=
a+s
Se debe evaluar la convergencia del término e−(a+s)∞ . Descomponiendo el exponente en sus
partes real e imaginaria y considerando s = σ + jω se tiene
e−(a+s)∞ = e−(Re{a}+σ)∞ e−j(Im{a}+ω)∞
donde el segundo factor no converge; sin embargo, puesto que su magnitud es uno, la con-
vergencia del producto depende del primer factor: si Re{a} + σ > 0, esta expresión converge
a cero, si Re{a} + σ < 0 diverge hacia infinito, y si Re{a} + σ = 0 entonces el producto
simplemente no converge.
Esto quiere decir que
1
L {x(t)} = , σ > − Re{a}
a+s
4.1
Este ejemplo pone en evidencia que la transformada de Laplace involucra no solo la expresión
algebraica en el dominio s, sino además la región de convergencia en dicho plano, abreviada
con ROC, por sus siglas en inglés (Region of Convergence). Obsérvese que el caso Re{a} < 0
representa una región de convergencia que excluye al eje jω, y por tanto la función x(t) no
tiene transformada de Fourier. Este caso correspondería en el tiempo a una exponencial mo-
notónicamente creciente, lo que viola las condiciones de Dirichlet de integrabilidad absoluta.
El próximo ejemplo pone en evidencia la importancia de la región de convergencia.
Ejemplo 4.2 Calcule la transformada de Laplace de la función x(t) = −e−at u(−t).

Z ∞
L {x(t)} = −e−at u(−t)e−st dt
−∞
Z 0
= −e−at e−st dt
−∞
Z 0
= −e−(a+s)t dt
−∞
0
e−(a+s)t
=
a+s −∞
(a+s)∞
1−e
=
a+s

Se debe evaluar la convergencia del término e(a+s)∞ . Descomponiendo el exponente en sus

partes real e imaginaria y considerando s = σ + jω se tiene
e(a+s)∞ = e(Re{a}+σ)∞ ej(Im{a}+ω)∞
y a pesar de que el segundo factor no converge, puesto que su magnitud es uno, la conver-
gencia del producto depende del primer factor: si Re{a} + σ < 0, esta expresión converge
a cero, si Re{a} + σ > 0 diverge hacia infinito, y si Re{a} + σ = 0 entonces el producto
simplemente no converge.
Esto quiere decir que
1
L {x(t)} = , σ < − Re{a}
a+s
4.2
Plano s jω Plano s jω
-Re{a} σ -Re{a} σ
Figura 4.1: Regiones de convergencia para ejemplos 4.1 (izquierda) y 4.2 (derecha).
Los ejemplos anteriores muestran un hecho fundamental en el manejo de la transformada de

Laplace: la misma expresión algebraica en el dominio s puede representar funciones diferentes
en el dominio temporal, dependiendo de la región de convergencia utilizada. La figura 4.1
muestra las ROC de los dos ejemplos anteriores en el plano s.
Nótese que la región de convergencia puede interpretarse como el conjunto de puntos del
plano s = σ + jω para los cuales la transformada de Fourier de x(t)e−σt existe.
Ejemplo 4.3 Encuentre la transformada de Laplace de la función
x(t) = e−bt u(t) + e−t cos(at)u(t)
con a y b reales.
Solución: La función puede reescribirse utilizando la ecuación de Euler como
jat
−bt −t e + e−jat
x(t) = e + e u(t)
2

−bt 1 −(1−ja)t 1 −(1+ja)t
= e + e + e u(t)
2 2

y calculando la transformada de Laplace se obtiene

Z ∞
−bt 1 −(1−ja)t 1 −(1+ja)t
X(s) = e + e + e u(t)e−st dt
2 2
Z−∞ ∞
−bt 1 −(1−ja)t 1 −(1+ja)t −st
= e + e + e e dt
0 2 2
Z ∞ Z ∞ Z ∞
−bt −st 1 −(1−ja)t −st 1 −(1+ja)t −st
= e e dt + e e dt + e e dt
0 0 2 0 2
que son tres transformaciones idénticas a las del ejemplo 4.1, por lo que
1 1 1 1 1
X(s) = + +
|b {z
+ s} 2 (1 − ja) + s 2 (1 + ja) + s
| {z } | {z }
ROC:σ>−b ROC:σ>−1 ROC:σ>−1
Puesto que los tres términos deben converger, se utiliza como región de convergencia total a
la intersección de las tres ROC individuales, y por tanto la ROC de x(t) es σ > máx{−1,−b}.
Finalmente
2s2 + (3 + b)s + 1 + a2 + b
x(t) = e−bt u(t) + e−t cos(at)u(t)
(b + s)(1 + a2 + 2s + s2 )
4.3
Los ejemplos anteriores son casos particulares donde la transformada de Laplace es una
función racional, es decir, un cociente de polinomios N (s) y D(s) de variable compleja s
N (s)
X(s) =
D(s)
En estos casos en que X(s) es racional, x(t) es siempre una combinación lineal de expo-
nenciales reales o complejas. Además, este tipo de funciones racionales aparecen, como se
analizará posteriormente, cuando se describen sistemas especificados a través de ecuaciones
diferenciales lineales con coeficientes constantes. En las funciones racionales, los ceros corres-
ponden a las raíces de N (s) y los polos a las raíces de D(s). Puesto que la ubicación de estas
raíces, excepto por un factor de escala, son suficientes para especificar X(s), se acostumbra
utilizar un diagrama de polos y ceros para indicar la transformada de Laplace, donde con “×”
se demarcan los polos, y con “◦” los ceros, y se denota además la región de convergencia en
uso. Así, el diagrama de polos y ceros para los ejemplos 4.1 y 4.3 se muestra en la figura 4.2.
Además de los ceros y polos en la expresión algebraica de la transformada de Laplace, si
esta es racional, y el orden del numerador es en un orden k menor que el denominador, se
dice que hay un cero de orden k en infinito, puesto que si s tiende a infinito, entonces X(s)
tiende a cero. De forma similar, si el numerador es en un orden k mayor que el denominador,
entonces se considera que hay un polo de orden k en el infinito, puesto que si s tiende
a infinito, también lo hará X(s). En otras palabras, para las funciones racionales puede
considerarse que siempre hay el mismo número de polos y ceros, si se toman en cuenta
aquellos en el infinito.

Plano s jω Plano s jω
−1 + ja
−a
σ −b −1 σ
−1 − ja
Figura 4.2: Regiones de convergencia para ejemplos 4.1 (izquierda) y 4.3 (derecha).
4.1.1. Regiones de convergencia
La región de convergencia contiene aquellos puntos del plano s para los que la transformada
de Fourier de x(t)e−σt existe, lo que implica que x(t)e−σt debe ser absolutamente integrable:
Z ∞
|x(t)| e−σt dt < ∞
−∞
Esto depende únicamente de la componente real σ de la frecuencia compleja s. Por esta

razón, la ROC de X(s) consiste en bandas paralelas al eje jω en el plano s.
Puesto que la integral de Laplace debe converger, la ROC no puede contener ningún polo,
por indefinirse allí el valor de la expresión algebraica. Esto sugiere que los límites de las
bandas verticales que conforman la ROC estarán determinados por las componentes reales
de los polos.
Sea x(t) una función de duración finita, es decir, con valores diferentes de cero dentro de un
intervalo finito [t1 ,t2 ], y fuera de allí siempre cero. Sea x(t) además absolutamente integrable
dentro de dicho intervalo: Z t 2
|x(t)| dt < ∞ . (4.2)

t1
Si s = σ + jω está dentro de la ROC, eso quiere de decir que x(t)e−σt es también absoluta-
mente integrable Z t2
|x(t)| e−σt dt < ∞ (4.3)
t1
Con σ = 0 (4.3) se reduce a (4.2) por lo que σ = 0 se encuentra en la ROC. Si σ > 0 entonces
el valor máximo de e−σt se obtiene para t = t1 y por tanto
Z t2 Z t2
−σt −σt1
|x(t)| e dt ≤ e |x(t)| dt < ∞
t1 t1
por lo que todo σ > 0 se encuentra en la ROC.

De forma similar para σ < 0 se cumple que el mayor valor de e−σt ocurre para t = t2 , por lo
que Z t2 Z t2
−σt −σt2
|x(t)| e dt ≤ e |x(t)| dt < ∞
t1 t1
y así todo σ < 0 se encuentra en la ROC. De esta forma se ha demostrado que si x(t) es
finita y absolutamente integrable entonces todo el plano s constituye su ROC.
Ejemplo 4.4 Calcule la transformada de Laplace de la función finita

(
e−at , 0 < t < T
x(t) =
0, en otro caso
Solución: Utilizando la definición de transformada de Laplace se obtiene

Z T
1
X(s) = e−at e−st dt = 1 − e−(s+a)T
0 s+a
lo que aparenta tener un polo en s = −a. Esto sería sin embargo contradictorio con la
propiedad anteriormente descrita. Sin embargo, si s = −a el numerador también se hace
cero, por lo que debe evaluarse la convergencia en este punto utilizando, por ejemplo, la
regla de l’Hôpital:
 
d
1 − e−(s+a)T
 
lı́m X(s) = lı́m  ds −aT −sT
 = lı́m T e e =T
s→−a s→−a d s→−a
(s + a)
ds
que al ser un valor finito concuerda con la propiedad de convergencia completa del plano s.
4.4
Una señal acotada por su izquierda, o también llamada una señal derecha es aquella para la
que se cumple x(t) = 0 para t < t1 . Si la transformada de Laplace converge para algún valor
σ = σ0 entonces Z ∞
|x(t)| e−σ0 t dt < ∞
−∞
Puesto que la señal es derecha entonces lo anterior se puede reescribir como

Z ∞
|x(t)| e−σ0 t dt < ∞
t1
y para todo σ1 > σ0

Z ∞ Z ∞ Z ∞
−σ1 t −σ0 t −(σ1 −σ0 )t −(σ1 −σ0 )t1
|x(t)| e dt = |x(t)| e e dt ≤ e |x(t)| e−σ0 t dt < ∞
t1 t1 t1
es decir, para una señal derecha su ROC contendrá siempre el semiplano derecho de s a
partir de un cierto valor σ0 .
Un razonamiento similar se sigue para señales izquierdas o acotadas por la derecha, que
convergerán para todo un semiplano izquierdo delimitado por la recta vertical que pasa por
σ0 .

Una señal bilateral es aquella de extensión infinita tanto a la izquierda, como a la derecha.
Una señal de este tipo puede descomponerse como la suma de una señal izquierda y otra
derecha, partiéndola en dos en algún punto finito. En este caso la ROC contendrá la inter-
sección de las ROC individuales. Si dicha intersección es vacía, entonces la transformada de
Laplace no existe. En caso contrario, como es la intersección de un semiplano izquierdo y
otro derecho, la ROC corresponderá a una banda vertical.
La figura 4.3 muestra los cuatro casos anteriores en forma esquemática.
x(t) jω
ROC
t1 t2 t
(a)
x(t) jω
ROC
t1 t
(b)
x(t) jω
ROC
t2 t
(c)
x(t) jω
ROC
(d)
Figura 4.3: Regiones de convergencia correspondientes a señales (a) finita, (b) derecha, (c) iz-
quierda y (d) bilateral.
Ejemplo 4.5 Encuentre la transformada de Laplace de
x(t) = e−a|t|
con su respectiva región de convergencia, para a ∈ IR.

Solución: Esta ecuación puede reescribirse como la suma de una señal derecha y otra iz-
quierda acotadas en el punto t = 0.
x(t) = e−at u(t) + e+at u(−t)
De los ejemplos 4.1 y 4.2

1
e−at u(t) , ROC: σ > −a
s+a
−1
eat u(−t) , ROC: σ < a
s−a
Nótese que si a < 0 entonces no hay una región de convergencia común a ambos términos y
por tanto no existe la transformada de Laplace. Si a > 0 entonces
1 1 2a
e−a|t| − =− 2 , ROC: − a < σ < a
s+a s−a s − a2
4.5
Si la transformada de Laplace X(s) de x(t) es racional, entonces si x(t) es una función

derecha, su ROC será el semiplano derecho limitado a la izquierda por el polo de X(s)
con mayor componente real. Por otro lado, si x(t) es izquierda, su ROC será el semiplano
izquierdo limitado a la derecha por el polo de X(s) con menor componente real. La figura 4.4
muestra las posibles regiones de convergencia de una función X(s) con varios polos. Nóte
que en el caso de la figura solo la ROC correspondiente a una función derecha permite la
existencia de la transformada de Fourier, puesto que solo ella incluye al eje imaginario jω.
jω jω
σ σ
jω
Figura 4.4: Regiones de convergencia limitados por polos de transformada de Laplace X(s).

Nótese que en todo el análisis anterior se ha supuesto que x(t) es de orden exponencial, es
decir, que cuando t → ±∞ existen número reales constantes σ, M , t1 y t2 tales que
|x(t)| < M eσt
para todo t > t1 y x(t) una señal derecha, o para t < t2 y x(t) una señal izquierda. En caso
contrario, no existe la transformada de Laplace al no converger la integral de definición.
4 Lección 22
4.1.2. Propiedades de la transformada de Laplace
Lección 23 B Por su estrecha relación con la transformada de Fourier, muchas de las propiedades de esta
última se mantienen. Sin embargo, en la transformada de Laplace debe tenerse cuidado con
las implicaciones para la región de convergencia. En el caso de funciones racionales, por
ejemplo, si la modificación de la función altera la posición de los polos, la ROC se trasladará
con ellos, en concordancia con los conceptos discutidos anteriormente.
Linealidad
Sean las funciones en el dominio del tiempo x1 (t) y x2 (t) y sus respectivas transformadas de
Laplace
x1 (t) X1 (s), ROC: R1

x2 (t) X2 (s), ROC: R2
entonces
α1 x1 (t) + α2 x2 (t) α1 X1 (s) + α2 X2 (s), ROC: R1 ∩ R2
donde la ROC indicada representa la menor región de convergencia posible, puesto que, como
el problema 4.7 lo muestra, la ROC de la combinación lineal puede ser mayor que la de los
términos por separado, puesto que algunos polos pueden desaparecer.
Esta propiedad puede demostrarse fácilmente utilizando la propiedad de linealidad de la
integral, junto con la observación de que la transformada total converge solo en aquella
región común a todos los términos, es decir, a su intersección.
Nótese que es posible, si no hay puntos comunes en las regiones de convergencia, que no
exista la transformada de Laplace de una combinación lineal.
Desplazamiento en el tiempo y en el dominio s
Con un análisis análogo al caso de la transformada de Fourier se puede demostrar que si

x(t) X(s) con ROC R entonces
x(t − t0 ) e−st0 X(s), ROC: R
y
es0 t x(t) X(s − s0 ), ROC: {s | s = r + s0 , r ∈ R}

Es decir, la región de convergencia no es alterada cuando se desplaza la señal en el tiempo.

Sin embargo, si de desplaza la señal en el dominio s entonces también lo hace su región
de convergencia. Esto puede comprenderse considerando que en X(s − s0 ) los polos y ceros
están desplazados en s0 con respecto a los de X(s), y por tanto también se desplaza su
región de convergencia. Puesto que las ROC son bandas de longitud vertical infinita, este
desplazamiento puede interpretarse como un corrimiento horizontal de la ROC determinada
por Re{s0 }.
Un caso particular consiste en la modulación, es decir
ejω0 t x(t) X(s − jω0 )
que desplaza la transformada de Laplace en dirección vertical, trasladando todo polo y cero
en a hacia a + jω0 . Nótese que la ROC en este caso queda inalterada.
Conjugación
Para x(t) X(s) con ROC R se cumple

x∗ (t) X ∗ (s∗ ), ROC: R
y por lo tanto X(s) = X ∗ (s∗ ) si x(t) es real. Consecuencia directa de este hecho es que si p
es un polo complejo con parte imaginaria diferente de cero, entonces p∗ también lo es.
Si L {x(t)} = X(s) con ROC R entonces para a ∈ IR

1 s n r o
x(at) X , ROC: s | s = , r ∈ R
|a| a a
es decir, al igual que con la serie de Fourier, una compresión en el tiempo equivale a una
dilatación en el dominio s, donde sin embargo ahora la dilatación ocurre en el plano complejo.
Nótese que los límites de la ROC cambian. Si para x(t) estos límites eran r1 y r2 , entonces
para x(at) estos serán r1 /a y r2 /a.
Para el caso en particular a = −1 se tiene entonces
x(−t) X (−s) , ROC: {s | s = −r, r ∈ R}
que equivale a una rotación de 180◦ del plano s como dominio de definición de X(s), modi-
ficándose la posición de los polos y por tanto también la ROC.
Convolución
Si
x1 (t) X1 (s), ROC: R1
x2 (t) X2 (s), ROC: R2
entonces
x1 (t) ∗ x2 (t) X1 (s)X2 (s), ROC: R1 ∩ R2
donde la región de convergencia puede ser mayor a la indicada si en el producto los polos
que determinan los límites de las ROC individuales se cancelan.

Diferenciación en el tiempo y en el dominio s
Si x(t) X(s) con ROC R entonces
d
x(t) sX(s), ROC: R
dt
donde si X(s) tiene un polo de primer orden en s = 0 entonces la ROC puede ser mayor.
Esta propiedad se puede aplicar recursivamente para llegar a
dn
x(t) sn X(s), ROC: R
dtn
Además
d
−tx(t) X(s), ROC: R
ds
Ejemplo 4.6 Encuentre la transformada de Laplace de
x(t) = te−at u(t)
Solución: Puesto que

1
e−at u(t) , ROC: σ > −a
s+a
entonces
d 1 1
te−at u(t) − = , ROC: σ > −a
ds s + a (s + a)2
4.6
Integración en el tiempo
Si x(t) X(s) con ROC R entonces

Z t
1
x(τ ) dτ X(s), ROC: R ∩ {s | Re{s} > 0}
−∞ s
lo que puede deducirse del hecho que

Z t
x(τ ) dτ = u(t) ∗ x(t)
−∞
y puesto que L {u(t)} = 1/s con ROC σ > 0 entonces, con la propiedad de convolución se
tiene
1
u(t) ∗ x(t) X(s)
s
con una ROC igual a la intersección entre σ > 0 y la ROC de X(s).

Tabla 4.1: Propiedades de la Transformada Bilateral de Laplace.
Propiedad Señal en el tiempo Transformada ROC

x(t) X(s) R
x1 (t) X1 (s) R1
x2 (t) X2 (s) R2
Linealidad α1 x1 (t) + α2 x2 (t) α1 X1 (s) + α2 X2 (s) ≥ R1 ∩ R2
Función real x(t) ∈ IR X(s) = X ∗ (s∗ ) R
Desplazamiento temporal x(t − τ ) e−sτ X(s) R
Desplazamiento en s es0 t x(t) X(s − s0 ) R + s0
Conjugación x∗ (t) X ∗ (s∗ ) R
Inversión en el tiempo x(−t) X(−s) −R
1 s
Escalamiento en el tiempo x(at) X aR
|a| a
Convolución x1 (t) ∗ x2 (t) X1 (s)X2 (s) ≥ R1 ∩ R2
dx(t)
Diferenciación sX(s) ≥R
dt
n
d x(t)
sn X(s) ≥R
dtn
d
−tx(t) X(s) R
ds
Z t
1
Integración x(τ ) dτ X(s) ≥ R ∩ {σ > 0}
−∞ s
Las operaciones aritméticas utilizadas en la ROC se refieren a operaciones aplicadas a cada uno de los
elementos de la región. Así por ejemplo R + s0 denota en realidad {s | s = r + s0 , r ∈ R}. El símbolo
“≥” en la ROC implica que la región es al menos la indicada.
4.1.3. La transformada inversa de Laplace
Puesto que
Z ∞
−σt

X(s) = X(σ + jω) = F x(t)e = x(t)e−σt e−jωt dt
−∞
con s = σ + jω dentro de la ROC, entonces puede de forma equivalente utilizarse la trans-

formada inversa de Fourier para encontrar a x(t)
Z ∞
−σt −1 1
x(t)e = F {X(σ + jω)} = X(σ + jω)ejωt dω .
2π −∞
Multiplicando ambos lados por eσt se obtiene
Z ∞
1
x(t) = X(σ + jω)e(σ+jω)t dω
2π −∞
que corresponde a una integral en el plano complejo s con una trayectoria de integración
vertical con componente real constante σ dentro de la ROC y con componente imaginaria
ω que abarca desde ω = −∞ hasta ω = ∞. Esto puede expresarse también, haciendo un
cambio de variable en la ecuación anterior s = σ + jω, ds = jdω, como
Z σ+j∞
1
x(t) = X(s)est ds (4.4)
2πj σ−j∞
A esta ecuación se le conoce como transformada inversa de Laplace, o también fórmula

integral de Bromwich.
Método de inversión por integración
Para calcular la transformada inversa de Laplace a través de la integral de Bromwich se

recurre a las herramientas tratadas en el capítulo 2.6. La figura 4.5 muestra el contorno de
integración β denominado contorno de Bromwich, con el cual se realiza el cálculo directo de
la transformada inversa de Laplace para una señal causal. Este se compone de un segmento
vertical AB con componente real σ, situado dentro de la región de convergencia, y de un
arco Γ de un círculo de radio R centrado en el origen que pasa por BCDEA. Debe tenerse
cuidado de que no existan polos en el infinito, que interfieran con el contorno de integración.
La elección de una función derecha o izquierda se hace observando la forma de la región de
convergencia, donde para señales anticausales se elige la reflexión del contorno mostrado en
la figura 4.5. Una descripción detallada de los cuidados que debe tenerse y el procedimiento
correcto para evitarlos se encuentra en [6].
Im{s}
Plano s
C
Γ T B
D
σ Re{s}
−T A
E
Figura 4.5: Contorno de Bromwich.

√
Para calcular la transformada inversa, considerando que T = R2 − σ 2 , la integral (4.4) se
puede reescribir como
Z σ+jT
1
x(t) = lı́m X(s)est ds
R→∞ 2πj σ−jT
I Z
1 st st
= lı́m X(s)e ds − X(s)e ds
R→∞ 2πj β Γ
Como ya se mencionó anteriormente, la ROC no contiene polos de X(s). Cuando R tiende a

infinito, el contorno β encerrará a todos los polos finitos a la izquierda de la región de con-
vergencia y esta integral cerrada se puede calcular con cualquiera de los métodos estudiados

anteriormente, como el teorema del residuo o la fórmula integral de Cauchy. Nótese que si
la integral sobre el contorno Γ tiende a cero para R → ∞ entonces se cumple
Z σ+jT I
1 1
x(t) = lı́m st
X(s)e ds = lı́m X(s)est ds (4.5)
R→∞ 2πj σ−jT R→∞ 2πj β
Para determinar esto, se puede utilizar el Lema de Jordan (sección 2.7) si primero se aplica
un mapeo lineal que traslade horizontalmente el plano s de modo tal que el segmento de
recta AB se sobreponga al nuevo eje imaginario. Considerando esto se obtiene que la integral
sobre el contorno Γ tiende a cero para todas las funciones polinomiales N (s)/D(s) donde el
grado del polinomio N (s) es menor que el de D(s) (ver problema 4.11).
Ejemplo 4.7 Calcule la transformada inversa de Laplace de

1
X(s) = , ROC: σ > − Re{a}
s+a
si Re{a} > 0.
Solución: Como la función es racional y se cumplen los requisitos para que la integral en el
arco del contorno de Bromwich desaparezca y
Z σ+j∞ I
1 1 st 1 1 st
x(t) = e ds = e ds
2πj σ−j∞ s + a 2πj β s + a
Puesto que σ debe estar en la ROC, y el contorno β encierra al único polo de X(s) en −a,
entonces, utilizando la fórmula integral de Cauchy:
I
1 st
e ds = 2πje−at
β s + a
y finalmente, como el resultado anterior es válido solo para t ≥ 0
x(t) = e−at u(t)
4.7

1
X(s) = , ROC: σ > − Re{a}
(s + a)n
si Re{a} > 0 y n ∈ IN, n > 1.
Solución: Como la función es racional se cumplen los requisitos para que la integral en el
arco del contorno de Bromwich desaparezca y
Z σ+j∞ I
1 1 st 1 1
x(t) = n
e ds = est ds
2πj σ−j∞ (s + a) 2πj β (s + a)n
Puesto que σ debe estar en la ROC, y el contorno β encierra al polo de n-ésimo orden de
X(s) en −a, entonces, utilizando la fórmula integral de Cauchy:
I
1 st 2πj dn−1 st
n
e ds = e
β (s + a) (n − 1)! dsn−1 s=−a

Puesto que
d st
e = test
ds
d2 st
2
e = t2 est
ds
..
.
dn−1 st
e = tn−1 est
dsn−1
entonces, como el resultado es válido solo para t ≥ 0
1
x(t) = t(n−1) e−at u(t)
(n − 1)!
4.8
Ejemplo 4.9 Encuentre la transformada inversa de

1
X(s) =
sn
para n ≥ 1
Solución: De los ejemplos anteriores con a = 0 y n ≥ 0 se obtiene
1
s
u(t)
1
sn
1
(n − 1)!
tn−1 u(t)
4.9
Este método basado en la integral de Bromwich es poco utilizado en la práctica, puesto

que hay muchas sutilezas matemáticas (no consideradas aquí) que pueden llevar al resultado
erróneo. El lector puede comprobar este hecho transformado, por ejemplo, eat u(t − t0 ) al
dominio de Laplace y de regreso al dominio temporal. De hecho, siempre que la expresión
algebraica de la transformada de Laplace tenga polos en infinito o un número de polos
infinito, la integral de Bromwich debe evaluarse con métodos alternativos por no cumplirse
las condiciones necesarias para asumir que la integral en el arco circular desaparece. Los
métodos generalmente más utilizados involucran el uso de tablas realizadas para funciones
elementales, y la descomposición de funciones X(s) más complejas en términos de estas
funciones elementales. Estos métodos se tratan a continuación.
Método de series
Si X(s) se puede expresar en su ROC como una serie de potencias, por ejemplo
c1 c2 c3
X(s) = + 2 + 3 + ...
s s s
entonces, utilizando los resultados del ejemplo 4.9 y la propiedad de linealidad de la trans-
formada de Laplace se cumple que
h c3 2 c4 3 i
x(t) = c1 + c2 t + t + t + . . . u(t)
2! 3!
Descomposición en fracciones parciales
Cualquier función racional de la forma X(s) = N (s)/D(s), con N (s) y D(s) polinomios tales
que el orden de D(s) es estrictamente mayor que el de N (s) pueden descomponerse como
una suma de términos más sencillos, cada uno con un solo polo de orden n. Si X(s) contiene
únicamente m polos simples en ai , entonces
Xm
Ai
X(s) =
i=1
s − ai
Nótese que los numeradores de cada término son todos constantes, y que esto es válido solo si
el orden de N (s) es menor que el de D(s), en cuyo caso a X(s) se le denomina función racional
propia. En caso contrario, X(s) es una función racional impropia que puede expresarse como
una suma de un polinomio más una función racional propia. Esta última descomposición se
puede realizar por medio de una división polinomial adecuada.
Ejemplo 4.10 Descomponga la siguiente función racional impropia en una suma de un

polinomio más una función racional propia.
s3 − 1
X(s) =
s2 − 1
Solución: Utilizando división polinomial se obtiene
s3 − 1 s2 − 1
−( s3 − s ) s
s − 1
con lo que resulta

s−1 1
X(s) = s + 2
=s+
s −1 s+1
Si se desea obtener la transformada inversa de esta expresión, de la tabla 4.2 se tiene que
s d
δ(t)

dt
1
e−t u(t)
s+1
donde se ha asumido que la señal debe ser causal. Con la propiedad de linealidad se tiene
entonces
X(s) d
x(t) = δ(t) + e−t u(t)
dt
4.10
Si X(s) contiene polos de n-ésimo orden en ai , entonces en la descomposición en fracciones

parciales aparecerán los términos
Ai1 Ai2 Ain
+ 2
+ ... +
s − ai (s − ai ) (s − ai )n
Para encontrar el coeficiente Ak del polo simple ak se procede con

m
X X m
Ai Ai
lı́m (s − ak )X(s) = lı́m (s − ak ) = lı́m (s − ak )
s→ak s→ak
i=1
s − ai i=1
s→ak s − ai
donde, puesto que (

s − ak 0 para i 6= k
lı́m =
s→ak s − ai 1 para i = k
entonces
Ak = lı́m (s − ak )X(s) (4.6)
s→ak
El coeficiente Ain para el polo ai orden n > 1 se obtiene de manera similar:
Ain = lı́m (s − ai )n X(s)

s→ai
Los coeficientes Aik con 1 ≤ k < n se determinan a través de derivaciones sucesivas, con un
razonamiento análogo al utilizado en la determinación de los residuos en la página 119. El
lector puede comprobar que estos coeficientes estarán dados por
1 d(n−k)
Aik = lı́m [(s − ai )n X(s)]
s→ai (n − k)! ds(n−k)
Puede demostrarse que si hay un par de polos complejos conjugados ai = a∗k , los coeficientes
correspondientes también serán complejos conjugados, es decir Ai = A∗k .
En los ejemplos 4.1, 4.2, 4.7 y 4.8 se mostró la correspondencia entre los dominios temporal
y de Laplace para dichos términos simples, donde no debe perderse de vista la ROC de
cada término. Utilizando la propiedad de linealidad de la transformada de Laplace puede
entonces determinarse la señal en el tiempo correspondiente a X(s). La tabla 4.2 muestra
algunas funciones elementales frecuentemente encontradas. Se deja al lector como ejercicio
su demostración.
4 Lección 23
Lección 24 B Ejemplo 4.11 Encuentre la transformada inversa de Laplace de

1
X(s) =
s2 + 2αs + β
asumiendo primero que la señal correspondiente x(t) es causal, y luego que es una señal
izquierda, y que α,β ∈ IR.
Solución: Los polos a1 y a2 de X(s) equivalen a las raíces del denominador:
p
a1 = −α + α2 − β
p
a2 = −α − α2 − β
que pueden ser dos valores reales diferentes, dos valores reales iguales, que equivaldría a un
polo doble, o un par de polos complejos conjugados, dependiendo si el término
∆ = α2 − β

Tabla 4.2: Transformadas Bilaterales de Laplace de funciones elementales.
Señal Transformada ROC

δ(t) 1 todo s
1
u(t) σ>0
s
1
−u(−t) σ<0
s
tn−1 1
u(t) σ>0
(n − 1)! sn
tn−1 1
− u(−t) σ<0
(n − 1)! sn
1
e−at u(t) σ > −a
s+a
1
−e−at u(−t) σ < −a
s+a
tn−1 −at 1
e u(t) σ > −a
(n − 1)! (s + a)n
tn−1 −at 1
− e u(−t) σ < −a
(n − 1)! (s + a)n
δ(t − τ ) e−sτ todo s
s
[cos(ω0 t)]u(t) σ>0
s2 + ω02
ω0
[sen(ω0 t)]u(t) σ>0
s2 + ω02
s+a
[e−at cos(ω0 t)]u(t) σ > −a
(s + a)2 + ω02
ω0
[e−at sen(ω0 t)]u(t) σ > −a
(s + a)2 + ω02
dn
δ(t) sn todo s
dtn
es positivo, cero, o negativo, respectivamente.

En el caso que ∆ = 0 entonces a1 = a2 = −α
1
X(s) =
(s + α)2
y con el ejemplo 4.8 se tiene para la región de convergencia σ > −α
x(t) = te−αt u(t) .
Utilizando la tabla 4.2 se obtiene para la región de convergencia σ < −α
x(t) = −te−αt u(−t)
En el caso que ∆ 6= 0 se cumple

1 A1 A2
X(s) = = +
(s − a1 )(s − a2 ) s − a1 s − a2
Para encontrar Ai puede utilizarse (4.6) o simplemente se multiplica ambos lados de la

ecuación anterior por (s − a1 )(s − a2 ) que resulta en
1 = (s − a2 )A1 + (s − a1 )A2
Con s → a2 , y luego con s → a1 se obtiene

1 1 1 1
A1 = = √ A2 = = −A1 = − √
a1 − a2 2 ∆ a2 − a1 2 ∆
por lo que finalmente
1 1 1
X(s) = √ −
2 ∆ s − a1 s − a2
Si ∆ > 0 entonces ambos polos son reales y se cumple a1 > a2 por lo que para la ROC
σ > a1 se obtiene
1
x(t) = √ ea1 t − ea2 t u(t)
2 ∆
y para la ROC σ < a2
1
x(t) = − √ ea1 t − ea2 t u(−t)
2 ∆
Si ∆ < 0 se cumple a1 = a∗2 y entonces para la ROC σ > −α se obtiene
1
x(t) = p eRe{a1 }t ej Im{a1 }t − e−j Im{a1 }t u(t)
2j |∆|
1
= p eRe{a1 }t sen(Im{a1 }t)u(t)
|∆|
1 −αt p
= p e sen |∆|t u(t)
|∆|
y para la ROC σ < −α

1 p
x(t) = − p e−αt sen |∆|t u(−t)
|∆|
La figura 4.6 muestra ejemplos para cada uno de los casos citados. 4.11
s(s + a)
X(s) =
(s + 2a)2 (s + a(1 − j))(s + a(1 + j))
con a ∈ IR una constante positiva, para todas las regiones de convergencia posibles.
Solución: Para encontrar las regiones de convergencia se parte del diagrama de polos y ceros
indicado en la figura 4.7. Se nota claramente que con los polos indicados hay tres posibles
regiones. Para la señal derecha, ROC1 tiene σ > −a. La señal bilateral tiene como ROC2
−2a < σ < −a. La señal izquierda tiene como ROC3 σ < −2a. El superíndice sobre el polo
en −2a indica el orden del mismo.

Anticausales Causales
x(t) x(t)
∆=0 ∆=0
t t
x(t) x(t)
∆>0 ∆>0
t t
x(t) x(t)
∆<0 ∆<0
t t
Figura 4.6: Ejemplos de funciones con transformada de Laplace de orden 2 para el ejemplo 4.11.
Del lado izquierdo se presentan las señales anticausales. Del lado izquierdo se presentan
las señales causales (con ROC un semiplano derecho). En cada caso se indica si el valor
del término ∆ es positivo, negativo o cero.

jω
ROC3 ROC2 ROC1
2
−2a −a σ
−a
Figura 4.7: Diagrama de polos y ceros del ejemplo 4.12.
El orden del numerador de X(s) es uno, y el orden del denominador es cuatro, por lo tanto
se cumple
A11 A12 A2 A3
X(s) = + 2
+ +
s + 2a (s + 2a) s + (a − ja) s + (a + ja)
con
d s(s + a) d s2 + sa
A11 = lı́m = lı́m
s→−2a ds (s + (a − ja))(s + (a + ja)) s→−2a ds s2 + 2as + 2a2
a(s2 + 4as + 2a2 ) 1

= lı́m = −
s→−2a (s2 + 2as + 2a2 )2 2a
s(s + a)
A12 = lı́m =1
s→−2a (s + (a − ja))(s + (a + ja))
√
1 2 jπ/4
A2 = lı́m = (1 + j) = e
s→(−a+ja) 4a 4a
√
1 2 −jπ/4
A3 = lı́m = (1 − j) = e
s→(−a−ja) 4a 4a
Para la ROC1 , todos los términos corresponden a funciones derechas, por lo que, utilizando
resultados de ejemplos anteriores se tiene que

1 −2at −2at 1 √ jπ/4 −(a−ja)t √ −jπ/4 −(a+ja)t
x(t) = − e + te + 2e e + 2e e u(t)
2a 4a
" √ −at #
1 2e π
= t− e−2at + cos at + u(t)
2a 2a 4
lo que se muestra en la figura 4.8.

Para la ROC2 los polos complejos conjugados corresponden a una señal izquierda mientras
que el polo real en −2a corresponde a una señal derecha. Así
√ −at
1 −2at 2e π
x(t) = t− e u(t) − cos at + u(−t)
2a 2a 4
x(t)
0.1
0.05
0 t
−1 0 1 2 3 4 5 6 7 8 9
−0.05
Figura 4.8: Función x(t) para la ROC1 del ejemplo 4.12, con a = 1.
x(t) 0.5
0 t
−2 −1 0 1 2 3 4 5 6 7
−0.5
−1
−1.5
−2
−2.5

Y finalmente para la ROC3 todos los polos aportan a señales izquierdas y
" √ −at #
1 2e π
x(t) = − t e−2at − cos at + u(−t)
2a 2a 4

x(t) 2
0 t
−0.6 −0.5 −0.4 −0.3 −0.2 −0.1 0 0.1
4.12

4.1.4. Sistemas LTI y la transformada de Laplace
Tal y como se discutió en la sección 3.4, la reacción de un sistema a una señal de entrada
se puede calcular a través de la convolución de dicha señal de entrada con la respuesta al
impulso del sistema. Debido a la propiedad de convolución de la transformada de Laplace,
es posible simplificar el manejo de este operador utilizando la representación de las señales
involucradas y la respuesta al impulso en el dominio de la frecuencia, tal y como se hizo con
la transformada de Fourier:
y(t) = h(t) ∗ x(t)

Y (s) = H(s)X(s)
Esta transformada tiene mayores posibilidades en el análisis de sistemas que la transformada

de Fourier, puesto que con ella se pueden tratar casos “inestables” que no tienen representa-
ción en el dominio jω, es decir, todos aquellos casos en que la ROC de la transformada de
Laplace no incluye al eje imaginario del plano s = σ + jω.
Recuérdese que a H(jω) se le conoce como respuesta en frecuencia del sistema. A H(s) se
le denomina función del sistema o función de transferencia del sistema.
Causalidad
Si un sistema es causal entonces su respuesta al impulso h(t) es cero para todo t < 0 y es por
tanto una función derecha. Por esta razón la ROC de todo sistema causal será un semiplano
derecho. Debe notarse, sin embargo, que lo contrario no es cierto, es decir, que si la ROC
de una función es un semiplano derecho entonces la función no es necesariamente causal,
puesto que no toda función derecha es causal. Por ejemplo, u(t + 1) es derecha pero como
en el intervalo [−1,0] es diferente de cero entonces no es causal.
Para el caso particular de funciones racionales, al no tener H(s) los términos exponenciales
causantes del desfase en el tiempo, se puede afirmar que si su ROC es un semiplano derecho
delimitado por el polo más a la derecha de H(s), entonces h(t) es causal.
Un sistema se denomina anticausal si su respuesta al impulso h(t) es cero para todo t > 0,
que por ser una función izquierda implica un semiplano izquierdo como ROC. De igual modo
que para sistemas causales, solo si H(s) es racional se puede inferir que si su ROC es un
semiplano izquierdo entonces su respuesta al impulso es anticausal.
Estabilidad
En la sección 3.4.5 se estableció que un sistema estable BIBO tiene una respuesta al impulso
absolutamente integrable, y por lo tanto tiene transformada de Fourier. Esto implica entonces
a su vez que si h(t) es la respuesta al impulso de un sistema estable, entonces H(s) debe
incluir en su ROC al eje imaginario jω del plano s.

Ejemplo 4.13 Sea

s−2
H(s) =
(s + 1)(s − 1)
la función de transferencia de un sistema estable. Determine su respuesta al impulso.
Solución: La figura 4.11 muestra el diagrama de polos y ceros de X(s) junto con las tres
posibles regiones de convergencia. Puesto que de las tres ROC mostradas solo la banda de
convergencia al centro contiene al eje jω, se deriva que la respuesta al impulso es una función
bilateral.
jω jω jω
−1 +1 +2
σ −1 +1 +2
σ −1 +1 +2
σ
Figura 4.11: Diagrama de polos y ceros y posibles regiones de convergencia en el ejemplo 4.13.
Descomponiendo a H(s) en fracciones parciales se obtiene

1 3 1
H(s) = −
2 s+1 s−1
y de este modo
3 1
h(t) = e−t u(t) + et u(−t)
2 2
lo que se muestra en la figura 4.12. 4.13
h(t) 1.5
0.5
0 t
−5 −4 −3 −2 −1 0 1 2 3 4 5
Figura 4.12: Gráfica de la respuesta al impulso h(t) en el ejemplo 4.13.
En el ejemplo 4.13 la ROC correspondiente al semiplano derecho corresponde a una respuesta

causal, pero inestable, al no incluir al eje jω. El semiplano izquierdo corresponde a una señal
anticausal, también inestable. De lo anterior se deduce que, para que un sistema causal, con
función de transferencia racional, sea estable, entonces todos sus polos deben estar localizados
al lado izquierdo del eje imaginario.

Ejemplo 4.14 Evalúe la estabilidad del sistema causal de segundo orden con función de
transferencia
1
H(s) = 2
s + 2αs + β
donde α,β ∈ IR.
Solución: En el ejemplo 4.11 se analizaron las posibles transformaciones causales y anticau-
sales de una función igual a H(s). Para la estabilidad del sistema causal se deben considerar
tres casos: un polo de orden dos, dos polos reales, o un par de polos complejos conjugados.
Si el discrimiante ∆ = α2 − β es cero se tiene un polo de orden dos en −α. Este polo se
encuentra del lado izquierdo del eje jω solo si α > 0.
Si ∆ > 0 los polos son reales, y el polo más a la derecha se encuentra en
p
a1 = −α + α2 − β
Este polo se encuentra a la izquierda del eje imaginario solo si α > 0 y
p
−α + α2 − β < 0
p
α2 − β < α
α2 − β < α2
β>0
Si ∆ < 0 entonces la componente real del polo es −α, que se encontrará del lado izquierdo
del eje imaginario solo si α > 0. Estos tres casos se resumen gráficamente en la figura 4.13.
β
∆<0
∆>0
Figura 4.13: Valores de α y β que dan origen a un sistema de segundo orden causal y estable.
Solo valores en las regiones sombreadas conducen a la estabilidad.
4.14
4.1.5. Ecuaciones diferenciales lineales con coeficientes constantes
El comportamiento de muchos sistemas físicos, entre ellos los circuitos lineales (es decir,
circuitos RLC, con amplificadores operacionales lineales) puede describirse a través de ecua-
ciones diferenciales lineales con coeficientes constantes de la forma
N
X M
dk y(t) X dk x(t)
ak k
= bk
k=0
dt k=0
dtk

Aplicando la transformada de Laplace a ambos lados

( N ) (M )
X dk y(t) X dk x(t)
L ak =L bk
k=0
dtk k=0
dtk
y con la propiedad de linealidad
N
X M
X
dk y(t) dk x(t)
ak L = bk L
k=0
dtk k=0
dtk
Utilizando ahora la propiedad de diferenciación
N
X M
X
k
ak s Y (s) = bk sk X(s)
k=0 k=0
N
X M
X
k
Y (s) ak s = X(s) bk s k
k=0 k=0
Puesto que la función de transferencia del sistema es
Y (s)
H(s) =
X(s)
entonces se cumple PM
k=0 bk s k
H(s) = PN
k=0 ak s k
que es una función racional con un numerador igual a un polinomio de grado M , cuyos
coeficientes son iguales a aquellos que multiplican las derivadas de la función de entrada, y
con un denominador igual a un polinomio de grado N con coeficientes iguales P a los de las
derivadas de la función de salida. Los ceros de H(s) son entonces las raíces de M k=0 bk s y
k
están determinados entonces por los coeficientes

PN de lask derivadas de la entrada únicamente.
Los polos de H(s) equivalen a las raíces de k=0 ak s y están determinados por los coefi-
cientes de las derivadas de la salida. Note que esta deducción es válida también utilizando
la transformada de Fourier, y se sustituye simplemente s por jω.
Ejemplo 4.15 La figura 4.14 muestra un circuito RLC interpretado como sistema con
tensión eléctrica de entrada x(t) y tensión eléctrica de salida y(t). Determine la función de
transferencia del sistema, y evalúe la estabilidad del mismo.
Solución: En un condensador y en una bobina se cumple para su tensiones u(t) y sus
corrientes i(t)
d d
i(t) = C u(t) u(t) = L i(t)
dt dt
Para el circuito de la figura 4.14 en particular, la tensión en el condensador es y(t) y por
tanto
d
i(t) = C y(t)
dt

R L
+ +
x(t) C y(t)
− −
Figura 4.14: Circuito RLC.
Además, se cumple que

d
x(t) = Ri(t) + Li(t) + y(t)
dt
d d2
= RC y(t) + LC 2 y(t) + y(t)
dt dt
y expresando esto en el dominio de Laplace
X(s) = sRC Y (s) + s2 LC Y (s) + Y (s)

= Y (s) LCs2 + RCs + 1
por lo que para la función de transferencia se cumple

Y (s) 1
H(s) = = 2
X(s) LCs + RCs + 1
" #
1 1 1 1
= =
LC s2 + RL
1
s + LC LC (s − α1 )(s − α2 )
donde r
R R 4L
α1,2 = − ± 1− 2
2L 2L R C
y puesto que R, L, y C son siempre reales positivos se puede decir que el término dentro de
la raíz es siempre menor que uno, por lo que la parte real de los polos es siempre menor que
cero. Puesto que, como sistema real, el circuito es causal, entonces se puede deducir que el
sistema es estable al estar incluido en la ROC de H(s) el eje imaginario jω.
La respuesta al impulso se puede calcular a partir de H(s), pero su forma dependerá del signo
del discriminante de la ecuación cuadrática anterior, tal y como se mostró en el ejemplo 4.11.
4.15
4 Lección 24
4.2. Transformada unilateral de Laplace

Lección 25 B Sistemas reales que modifican señales x(t) definidas en el tiempo son siempre causales. Estos
sistemas pueden modificar señales solamente a partir del instante en que estas “ocurran”, pero
es imposible reaccionar a ellas antes de que la señal aparezca, o adelantarlas en el tiempo.
Estas limitantes conducen a que en ingeniería se utilice una modificación de la transformada

de Laplace que ignora lo que ocurre antes del instante de tiempo t = 0. Así, se define la
transformada unilateral de Laplace como
Z ∞
Lu {x(t)} = x(t)e−st dt = L {x(t)u(t)}
0
es decir, la transformada unilateral de Laplace es idéntica a la transformada bilateral de la

función x(t)u(t), o en otras palabras, si x(t) es causal sus transformadas unilateral y bilateral
son idénticas. Ambas transformadas difieren si x(t) 6= 0 para t < 0. Puesto x(t)u(t) es una
señal derecha, su ROC es siempre un semiplano derecho.
Cuando ocurren singularidades en el instante t = 0, entonces se acostumbra especificar si
estas se deben considerar, en cuyo caso se integra desde cero por la izquierda, lo que se indica
con 0− , o si se desea ignorar dicha singularidad se integra desde 0+ . Usualmente si no hay
indicación explícita respecto a la inclusión o no del cero se asume 0− . Esto es de fundamental
importancia por ejemplo para el cálculo de la transformada del delta Dirac δ(t).
Tabla 4.3: Transformadas Unilaterales de Laplace de funciones elementales.
Señal Transformada ROC

δ(t) 1 todo s
1
1 σ>0
s
n−1
t 1
σ>0
(n − 1)! sn
1
e−at σ > −a
s+a
tn−1 −at 1
e σ > −a
(n − 1)! (s + a)n
δ(t − τ ), τ > 0 e−sτ todo s
s
cos(ω0 t) σ>0
s2 + ω02
ω0
sen(ω0 t) σ>0
s2 + ω02
s+a
e−at cos(ω0 t) σ > −a
(s + a)2 + ω02
ω0
e−at sen(ω0 t) σ > −a
(s + a)2 + ω02
dn
δ(t) sn todo s
dtn
La tabla 4.3 muestra las transformadas unilaterales de algunas funciones elementales. Nótese
que estas funciones equivalen a las funciones causales de la tabla 4.2 de la página 277, solo
que ahora no es necesario multiplicarlas por u(t) al estar esto implícito en el índice inferior
de integración de la transformada.

4.2.1. Propiedades
Las propiedades de la transformada unilateral de Laplace se resumen en la tabla 4.4. Algu-

nas de ellas son idénticas a sus contrapartes en la transformada bilateral, pero otras difieren
considerablemente. Todas aquellas propiedades que conducen a una región de convergencia
igual a un semiplano izquierdo del plano s no tienen equivalencia en la transformada unila-
teral, puesto que ésta última permite únicamente semiplanos derechos en su ROC. Es por
ello que propiedades como inversión, o escalado en el tiempo con magnitudes negativas no
tienen equivalente en la transformada unilateral.
Tabla 4.4: Propiedades de la Transformada Unilateral de Laplace.
Propiedad Señal en el tiempo Transformada ROC

x(t) = x(t)u(t) X(s) R
x1 (t) = x1 (t)u(t) X1 (s) R1
x2 (t) = x2 (t)u(t) X2 (s) R2
Linealidad α1 x1 (t) + α2 x2 (t) α1 X1 (s) + α2 X2 (s) ≥ R1 ∩ R2
Función real x(t) ∈ IR X(s) = X ∗ (s∗ ) R
Desplazamiento temporal x(t − τ ), τ > 0 e−sτ X(s) R
Desplazamiento en s es0 t x(t) X(s − s0 ) R + s0
Conjugación x∗ (t) X ∗ (s∗ ) R
1 s
Escalamiento en el tiempo x(at), a > 0 x aR
a a
Convolución x1 (t) ∗ x2 (t) X1 (s)X2 (s) ≥ R1 ∩ R2
dx(t)
Diferenciación sX(s) − x(0− ) ≥R
dt
dn
Diferenciación múltiple x(t) sn X(s)−
dtn n
X
sn−i x(i−1) (0− )
i=1
d
Diferenciación en s −tx(t) X(s) R
ds
Z t
1
Integración x(τ ) dτ X(s) ≥ R ∩ {σ > 0}
0− s
Teorema de valor inicial x(0+ ) lı́m sX(s)
s→∞
Teorema de valor final lı́m x(t) lı́m sX(s)
t→∞ s→0
Las operaciones aritméticas utilizadas en la ROC se refieren a operaciones aplicadas a cada uno de los
elementos de la región. Así por ejemplo R + s0 denota en realidad {s | s = r + s0 , r ∈ R}. El símbolo
“≥” en la ROC implica que la región es al menos la indicada.
Linealidad
Sean las funciones en el dominio del tiempo x1 (t) y x2 (t) y sus respectivas transformadas
unilaterales de Laplace
x1 (t) X1 (s), ROC: R1
x2 (t) X2 (s), ROC: R2

entonces
α1 x1 (t) + α2 x2 (t) α1 X1 (s) + α2 X2 (s), ROC: R1 ∩ R2
Esto se puede demostrar utilizando la propiedad de linealidad del operador de integración.
Desplazamiento temporal y en el dominio s
El desplazamiento temporal de una señal x(t) puede tener implicaciones en la causalidad

de x(t) y por tanto debe tratarse con cuidado cuando se manejan desplazamientos con la
transformada unilateral de Laplace.
Si x(t) es causal, es decir x(t) = x(t)u(t), entonces un atraso en el tiempo de x(t) puede
expresarse utilizando la propiedad
x(t − τ ) e−sτ X(s)
donde τ debe ser mayor que cero. Esto se demuestra del mismo modo que para la transfor-
mada bilateral y la transformada de Fourier.
Si x(t) no es causal, el retraso en el tiempo hace que aparezca un nuevo segmento de x(t)
en el intervalo [0,τ ], no considerado en la transformación unilateral de x(t). En este caso se
debe agregar la transformada para ese nuevo término finito:
x(t − τ ) e−sτ X(s) + Lu {x(t − τ )u(τ − t)u(t)}
donde u(τ − t)u(t) es una ventana rectangular que recorta el segmento no considerado de
x(t).
Un adelanto en el tiempo puede causar que parte de x(t) sea desplazado antes del instante
t = 0, lo que no sería considerado por la transformada unilateral. Utilizando la definición:
Z ∞
Lu {x(t + τ )} = x(t + τ )e−st dt
0
y con ξ = t + τ , dξ = dt
Z ∞ Z ∞
−s(ξ−τ ) sτ
= x(ξ)e dξ = e x(ξ)e−s(ξ) dξ
τ τ
Z ∞ Z τ
sτ −sξ −sξ
=e x(ξ)e dξ − x(ξ)e dξ
0 0
= esτ [X(s) − Lu {x(t)u(t)u(τ − t)}]
lo que indica que debe eliminarse la componente correspondiente al segmento desplazado

antes de t = 0.
Un desplazamiento en el dominio s tiene un efecto idéntico al caso de la transformada
bilateral, puesto que no causa ninguna alteración en la causalidad de la señal x(t):
es0 t x(t) X(s − s0 )
donde la región de convergencia se desplaza en s0 .

Ejemplo 4.16 Calcule la transformada unilateral de Laplace de una función periódica

x(t).
Solución: Asúmase que (
x(t) para 0 ≤ t < T
x̂(t) =
0 en el resto
es una función finita causal igual al primer periodo T de la función x(t). Se cumple entonces
que
X∞
x(t)u(t) = x̂(t − nT )
n=0
y la transformada unilateral de Laplace es, utilizando la propiedad de desplazamiento y de

linealidad
∞
X
Lu {x(t)} = Lu {x̂(t − nT )}
n=0
∞
X
= e−snT Lu {x̂(t)}
n=0
∞
X ∞
X
= e−snT X̂(s) = X̂(s) e−snT
n=0 n=0
Utilizando el resultado del ejemplo 2.26 con z = e−sT se tiene que

N
X −1
1 − e−sN T
lı́m e−snT = lı́m
N →∞ N →∞ 1 − e−sT
n=0
1
=
1 − e−sT
para Re{s} = σ > 0, con lo que finalmente se obtiene
X̂(s)
Lu {x(t)} =
1 − e−sT
4.16
Conjugación
Al igual que con la transformada bilateral se cumple
x∗ (t) X ∗ (s∗ )
y por tanto para funciones x(t) reales se cumple que si p es un polo complejo con parte
imaginaria diferente de cero, entonces p∗ también lo es. Obsérvese que la relación X(s) =
X ∗ (s∗ ) para funciones reales indica que si se hace un corte paralelo al eje jω de la superficie
correspondiente a |X(s)|, entonces la función en ese corte presenta simetría par. Por otro
lado, la fase tiene un comportamiento impar en los cortes paralelos al eje jω.

A diferencia de la transformada bilateral, donde el escalamiento temporal puede realizarse

con cualquier valor real, positivo o negativo, en la transformada unilateral solo tiene sentido
utilizar valores positivos, puesto que un escalamiento por un valor negativo implica una
inversión temporal, que convierte señales derechas en señales izquierdas, las cuales no tienen
representación válida si se ignora todo instante t < 0. Para todo a > 0 se cumple entonces
1 s
x(at) X
a a
Si X(s) es una función racional, entonces el escalado en el tiempo produce que los polos
cambien su componente real, desplazando también la región de convergencia, tal y como
sucede con la transformada bilateral.
Convolución
La diferencia fundamental de la propiedad de convolución en el caso de la transformada

unilateral es la restricción de que las dos funciones involucradas en la operación deben ser
causales, es decir
x1 (t) ∗ x2 (t) X1 (s)X2 (s)
siempre y cuando x1 (t) = x2 (t) = 0, para todo t menor que cero. De no ser así, en el dominio
s aparecen nuevos términos producidos por los segmentos de las señales que ocurren antes
de t = 0.
Diferenciación
Una de las propiedades más poderosas de la transformada unilateral de Laplace es la di-

ferenciación, que permite incorporar condiciones iniciales en la solución de ecuaciones dife-
renciales. Si x(t) tiene como transformada unilateral X(s), y x(t) es continua en x(0) y su
derivada es de orden exponencial entonces
Z ∞
d d
Lu x(t) = x(t)e−st dt
dt 0− dt
e integrando por partes

Z ∞
∞
= x(t)e−st 0− +s x(t)e−st dt
0−
= sX(s) − x(0− )
Para la segunda derivada se cumple

2 Z ∞ 2
d d
Lu 2
x(t) = 2
x(t)e−st dt
dt 0− dt

e integrando por partes

∞ Z ∞
d −st d
=e x(t) + s e−st x(t) dt
dt 0− 0− dt

d d
= − x(t) + sLu x(t)
dt t=0− dt
d
= s2 X(s) − sx(0− ) − x(t)
dt t=0−
y para ordenes superiores esto se generaliza en

n
d
Lu x(t) = sn X(s) − sn−1 x(0− ) − sn−2 x(1) (0− ) − . . . − x(n−1) (0− )
dtn
Xn
n
= s X(s) − sn−i x(i−1) (0− )
i=1
donde
(n) − dn
x (0 ) = n x(t)
dt t=0−
Integración
Puesto que el uso de la transformada unilateral se restringe al manejo de funciones causales,

la propiedad de integración difiere al caso de la transformada bilateral, en la cual se debía
considerar que x(t) podría ser diferente de cero para t < 0. En el actual caso, si x(t) es
causal, entonces se cumple
Z t
1
x(τ ) dτ = x(t) ∗ u(t) X(s)U (s) = X(s)
0− s
donde debe notarse que la integración se realiza ahora a partir de 0− .
Teoremas de valor inicial y valor final
Sea x(t) una función causal, es decir, x(t) = x(t)u(t), y sin valores singulares en el origen,
como el impulso o su derivada. El teorema del valor inicial establece que
x(0+ ) = lı́m sX(s)
s→∞
Para demostrarlo se parte del hecho que

Z ∞
d d
Lu x(t) = e−st x(t) dt = sX(s) − x(0− )
dt 0− dt
por lo que
Z ∞
− d
lı́m [sX(s) − x(0 )] = lı́m e−st x(t) dt
s→∞ s→∞ 0− dt
Z 0+ Z ∞
−st d d
= lı́m e x(t) dt + lı́m e−st x(t) dt
s→∞ 0− dt s→∞ 0+ dt

Si x(t) es discontinua en 0 entonces en la vecindad de 0 esta función puede aproximarse por

[x(0+ ) − x(0− )]u(t) + x(0− ) y su derivada será [x(0+ ) − x(0− )]δ(t). Por ello, para el primer
término se cumple
Z 0+
lı́m e−st [x(0+ ) − x(0− )]δ(t) dt = x(0+ ) − x(0− )
s→∞ 0−
Por otro lado, como la transformada unilateral de dx(t)/dt existe, entonces debe ser de orden
exponencial y en la ROC Z ∞
d
lı́m e−st x(t) dt = 0
s→∞ 0+ dt
con lo que finalmente
lı́m [sX(s) − x(0− )] = x(0+ ) − x(0− )

s→∞
lı́m sX(s) = x(0+ )
s→∞
Ahora, si x(t) es continua en 0 entonces

Z 0+
d
lı́m e−st x(t) dt = 0
s→∞ 0− dt
y puesto que x(0+ ) = x(0− ) se tiene también
lı́m [sX(s) − x(0− )] = 0

s→∞
lı́m sX(s) = x(0+ )
s→∞
El problema 4.29 presenta otra alternativa para demostrar este teorema.

El teorema del valor final indica
lı́m x(t) = lı́m sX(s)

t→∞ s→0
lo que se puede demostrar también a través de la propiedad de diferenciación:

Z ∞ Z ∞
−st d d
−
lı́m[sX(s) − x(0 )] = lı́m e x(t) dt = x(t) dt = x(t)|∞
0−
s→0 s→0 0− dt 0 − dt
= lı́m x(t) − x(0− )
t→∞
por lo que
lı́m x(t) = lı́m sX(s)

t→∞ s→0
4.2.2. Ecuaciones diferenciales
Los principios utilizados en la solución de ecuaciones diferenciales con la transformada bila-

teral de Laplace pueden ser aplicados con la versión unilateral. Puesto que el equivalente en
el dominio s de las derivadas contiene términos de x(t) y sus derivadas evaluados en t = 0,
esto permite ahora incorporar condiciones iniciales en la solución.

Ejemplo 4.17 Encuentre la respuesta de un sistema LTI caracterizado por la ecuación

diferencial de segundo orden con coeficientes constantes
d2 d
y(t) + 2α y(t) + βy(t) = x(t)
dt2 dt
bajo las condiciones iniciales
d
y(0− ) = η y(t) =γ
dt t=0−
a la entrada x(t) = ζu(t).

Solución: Aplicando la transformada unilateral de Laplace a ambos lados se obtiene:
d
s2 Y (s) − sy(0− ) − y(t) + 2α sY (s) − y(0− ) + βY (s) = X(s)
dt t=0−
y reagrupando
d
Y (s) s2 + 2αs + β = X(s) + sy(0− ) + y(t) + 2αy(0− )
dt t=0−
de donde se obtiene
X(s) (s + 2α)y(0− ) + dtd y(t) t=0−

Y (s) = +
s2 + 2αs + β s2 + 2αs + β
Aquí se observa claramente que la salida tiene dos componentes: la primera depende de
la entrada X(s) y se conoce como respuesta forzada; la segunda está determinada por las
condiciones iniciales y se conoce como respuesta natural del sistema. Si el sistema está en
reposo, es decir, todas sus condiciones iniciales son cero, entonces solo presentará respuesta
forzada ante la entrada. Por otro lado, si no se aplica ninguna entrada, entonces el sistema
reaccionará dependiendo de las condiciones iniciales.
Para los valores iniciales dados y la entrada indicada
ζ
x(t) = ζu(t) X(s) =
s
se obtiene
ζ (s + 2α)η + γ
Y (s) = +
s(s2 + 2αs + β) s2 + 2αs + β
El término cuadrático fue analizado en los ejemplos 4.11 y 4.14. Aquí deben considerarse los
tres casos aplicables a un sistema causal.
Si ∆ = 0 entonces
s2 + 2αs + γη s + ζ
η A1 A2 A3
Y (s) = η = + +
s(s + α)2 s s + α (s + α)2
con
ζ ζ ζ
A1 = A2 = η − A3 = γ + αη −
α2 α2 α
con lo que
y(t) = A1 u(t) + A2 e−αt u(t) + A3 te−αt u(t)
Si ∆ > 0 entonces a1 y a2 son reales y

A1 A2 A3
Y (s) = + +
s s − a1 s − a2
por lo que
y(t) = A1 u(t) + A2 ea1 t u(t) + A3 ea2 t u(t)
con
ζ
A1 =
β
a2 η − 2a1 αη − a1 γ + ζ
A2 = 1
a1 (a1 − a2 )
2
−a2 η + 2a2 αη + a2 γ − ζ
A3 =
a2 (a1 − a2 )
Si ∆ < 0 entonces a2 = a∗1 y A3 = A∗2 con lo que

p
y(t) = A1 u(t) + 2 |A2 | e−αt cos |∆|t + ∠A2 u(t)
4.17
4 Lección 25

4.3. Problemas
Problema 4.1. Encuentre la transformada de Laplace de
1. x(t) = cos(at)u(t) 3. x(t) = sa(at)
2. x(t) = sen(at)u(t) 4. x(t) = sa(at)u(t)
Problema 4.2. Encuentre las regiones de convergencia de las transformadas de Laplace

de las siguientes funciones
1. e−3t u(t) 4. e−3t u(−t)
2. e−3t u(−t + 3)u(t + 3) 5. e−3t
3. e−3|t| 6. e−3|t| u(−t)
Problema 4.3. Dada la señal
x(t) = e−3t u(t − 1)
Encuentre su transformada de Laplace X(s) y su región de convergencia.

Si
g(t) = Ae−3t u(−t − t0 )
entonces encuentre los valores de A y t0 para los cuales la expresión algebraica de G(s) =
L {g(t)} = X(s). Indique la región de convergencia de G(s)
Problema 4.4. Dada la señal
x(t) = e−3t u(t) + e−βt u(t)
encuentre su transformada de Laplace y los valores de β ∈ C necesarios para que la región

de convergencia de X(s) sea σ > −1.
Problema 4.5. Encuentre los polos y región de convergencia de la transformada de Laplace

de la función
x(t) = et sen(2t)u(−t)

Problema 4.6. Grafique las funciónes

1. eαt u(t) para α > 0
2. eαt u(t) para α < 0
3. e−αt u(t) para α > 0
4. e−αt u(t) para α < 0
5. eαt u(−t) para α > 0
6. eαt u(−t) para α < 0
7. e−αt u(−t) para α > 0
8. e−αt u(−t) para α < 0
Problema 4.7. Encuentre la transformada de Laplace de la función x(t) = x1 (t) − x2 (t) si

1
x1 (t) X1 (s) = , ROC: σ > −1
s+1
1
x2 (t) X2 (s) = , ROC: σ > −1
(s + 1)(s + 2)
Problema 4.8. Encuentre la transformada de Laplace de x(t) = x1 (t) + x2 (t)
x1 (t) = eat u(t)

x2 (t) = −e−at u(−t)
si a ∈ IR.
Problema 4.9. Utilizando la propiedad de desplazamiento en el dominio s encuentre la

transformada de Laplace de x(t) cos(ω0 t) si L {x(t)} = X(s).
Problema 4.10. Utilizando las demostraciones de las propiedades de la transformada de

Fourier como referencia, demuestre todas las propiedades de la transformada de Laplace.
Problema 4.11. Demuestre que si Γ representa el arco circular en el contorno de Bromwich

(figura 4.5), entonces, si se cumple sobre dicho contorno
κ
|X(s)| <
Rn
con las constantes κ ∈ IR, κ > 0, y n ∈ IN+ , entonces
Z
lı́m X(s)est ds = 0
R→∞ Γ

Problema 4.12. Demuestre que en la descomposición en fracciones parciales de un polo

de orden n > 1 los coeficientes Aik están dados por
1 d(n−k)
Aik = lı́m [(s − ai )n X(s)]
s→ai (n − k)! ds(n−k)
Problema 4.13. Demuestre que si X(s) es una función racional propia, entonces si tiene
un par de polos complejos conjugados ai = a∗k , entonces los coeficientes correspondientes
también son complejos conjugados, es decir Ai = A∗k .
Problema 4.14. Demuestre que un par de polos simples complejos conjugados con la
expresión algebraica de Transformada de Laplace:
A A∗
X(s) = +
s − p1 s − p∗1
corresponde a las expresiones en el tiempo continuo dadas por
x(t) = 2 |A| eσ1 t cos(ω1 t + ∠A)u(t)
= 2 Re{A}eσ1 t cos(ω1 t)u(t) − 2 Im{A}eσ1 t sen(ω1 t)u(t)
donde p1 = σ1 + jω1 , y se ha asumido que la región de convergencia es el semiplano derecho

Re{s} > σ1 .
Problema 4.15. En el ejemplo 4.11 se trataron diferentes posibilidades de transforma-

das inversas para un término de orden cuadrático sin ceros finitos. Indique cuál región de
convergencia no ha sido considerada y determine la función en el tiempo equivalente.
Problema 4.16. Demuestre que en un sistema LTI la función x(t) = es0 t es también una
función propia, con s0 = σ0 +jω0 . (Ayuda: utilice para ello la equivalencia de la transformada
de Laplace como transformada de Fourier de x(t)e−σt )
Problema 4.17. Encuentre el número y ubicación de ceros y polos, finitos e infinitos, de

las siguientes expresiones algebraicas de transformadas de Laplace.
1 1 s+1 s3 − 1
1. + 2. 3.
s+1 s+3 s2 − 1 s2 + s + 1
Problema 4.18. Se sabe que una señal x(t) es absolutamente integrable, y su transformada
de Laplace tiene un polo en s = 2. Indique cuáles de las siguientes afirmaciones son ciertas
o falsas, y las razones para ello.

1. x(t) es de duración finita 3. x(t) puede ser derecha
2. x(t) puede ser izquierda 4. x(t) puede ser bilateral
Problema 4.19. Cuántas señales pueden tener una transformada de Laplace con expresión
algebraica
(s − 1)
X(s) =
(s + 2)(s + 3)(s2 + s + 1)
Problema 4.20. Si x(t) es una función cuya transformada de Laplace es racional con
exactamente dos polos en s = −1 y s = −3. Se sabe que para otra función g(t) = e2t x(t)
existe su transformada de Fourier G(jω). Indique si x(t) es izquierda, derecha o bilateral.
Problema 4.21. Calcule la transformada inversa de Laplace tanto con la integral de

Bromwich como por medio de descomposición en fracciones parciales de
2(s + 2)
X(s) = , ROC: σ > −3
s2 + 7s + 12
Problema 4.22. Para una señal x(t) se conoce que

1. x(t) = 0 para todo t < 0
2. x(k/10) = 0 para todo k ∈ IN+
3. x(1/20) = e−15
Indique cuáles enunciados son congruentes con la información proporcionada para x(t), si
X(s) es su transformada de Laplace y se sabe que X(s) es racional:
1. X(s) tiene un solo polo finito.
2. X(s) tiene solo un par de polos finito.
3. X(s) tiene más de dos polos finitos
Problema 4.23. Para una señal
g(t) = x(t) + αx(−t)
con x(t) = βe−t u(t), se sabe que su transformada de Laplace es

s
G(s) = , −1<σ <1
s2 −1
Determine entonces los valores válidos de las constantes α y β.

Problema 4.24. Se conocen los siguientes datos de la señal x(t) con transformada de
Laplace X(s):
1. x(t) es real y par
2. X(s) tiene cuatro polos y ningún
√ jπ/4cero en el plano finito de s.
3. RX(s) tiene un polo en s = 2e
∞
4. −∞
x(t) dt = 1
Encuentre entonces la expresión para X(s) y su ROC.
Problema 4.25. Dado el siguiente sistema de ecuaciones diferenciales de dos señales

derechas x(t) y y(t)
dx(t)
= −2y(t) + δ(t)
dt
dy(t)
= 2x(t)
dt
Encuentre X(s) y Y (s) junto con sus regiones de convergencia. Encuentre entonces las solu-
ciones en el dominio del tiempo x(t) y y(t).
Problema 4.26. Un sistema LTI causal tiene respuesta al impulso h(t). Encuentre esta
respuesta si el sistema de entrada x(t) y salida y(t) se rige por la ecuación diferencial
d3 y(t) d2 y(t) dy(t)

3
+ (1 + α) 2
+ α(α + 1) + α2 y(t) = x(t)
dt dt dt
Determine además para qué valores de α el sistema es estable.

Si
dh(t)
+ h(t)
g(t) =
dt
indique cuántos polos tiene su transformada de Laplace G(s).
Problema 4.27. Analice la existenca de la transformada de Laplace bilateral de las

funciones x(t) = 1, x(t) = sen(ωt) y x(t) = cos(ωt).
Problema 4.28. Sea
x1 (t) = e−at u(t) y x2 (t) = e−2a(t+1) u(t + 1)
con a ∈ IR, a > 0.
1. Determine las transformadas bilateral y unilateral de x1 (t) y x2 (t).

2. Calcule la transformada bilateral inversa del producto Lb {x1 (t)}Lb {x2 (t)} para en-
contrar g(t) = x1 (t) ∗ x2 (t)
3. Calcule la transformada unilateral inversa del producto Lu {x1 (t)}Lu {x2 (t)} y compare
con el resultado obtenido para g(t).
Problema 4.29. Demuestre el teorema del valor inicial
x(0+ ) = lı́m sX(s)

s→∞
para x(t) = x(t)u(t) (es decir, x(t) causal).

Para ello exprese primero x(t) como serie de Taylor centrada en t = 0+ . Luego, determine
la transformada de Laplace para cada término
dn tn
x(t) u(t)
dtn t=0+ n!
Demuestre entonces que

X∞
dn 1
X(s) = x(t)
n=0
dtn t=0+ sn+1
a partir de lo cual se puede demostrar el teorema.
Problema 4.30. Encuentre la transformada unilateral de Laplace para

1. x(t) = e−2t u(t + 1)
2. x(t) = δ(t + 1) + δ(t) + e−2(t+3) u(t + 1)
3. x(t) = e−2t u(t) + e−4t u(t)
Problema 4.31. Resuelva utilizando la transformada unilateral de Laplace la ecuación

diferencial
d2 x(t) dx(t)
2
+4 + 5x(t) = 8 cos(t)
dt dt
si x(t) = dx(t)/dt = 0 en t = 0.
Problema 4.32. Resuelva utilizando la transformada unilateral de Laplace la ecuación

diferencial
d2 x(t) dx(t)
2
−35 − 2x(t) = 6
dt dt
si x(t) = 1 y dx(t)/dt = 1 en t = 0.

Capítulo 5
Transformada z
Lección 26 B La transformada z es a los sistemas en tiempo discreto lo que la transformada de Laplace

es a los sistemas en tiempo continuo. Ambas representan herramientas para el análisis de
ciertas propiedades de las señales, que en el dominio del tiempo sólo pueden ser evaluadas con
mayor dificultad: la convolución es transformada otra vez en un producto, y las ecuaciones
de diferencias, que son el equivalente discreto de las ecuaciones diferenciales, pueden ser
solucionadas de forma más sencilla en el dominio de la frecuencia compleja que en el dominio
del tiempo discreto.
Antes de presentar la transformada z propiamente, es necesario introducir algunos conceptos
básicos sobre señales discretas.
5.1. Funciones en tiempo discreto

En la actualidad muchas aplicaciones de la electrónica involucran el análisis digital de datos.
Los reproductores de video y sonido utilizan desde hace varias décadas tecnologías digitales
de almacenamiento y reproducción, como por ejemplo en discos compactos y discos versátiles
digitales (CD y DVD); la próxima generación de televisión (HDTV) codifica las señales de
audio y vídeo por métodos digitales; la telefonía celular es posible gracias a los complejos
algoritmos de compresión implementados también con técnicas de procesamiento digital. El
aumento continuo del uso de computadoras digitales en prácticamente todos los ámbitos del
quehacer humano ha sido en parte soportado por la gran variedad de “tipos de datos” que
pueden ser manipulados por medios digitales.
Ya en el capítulo 1 se definió una señal digital como aquella existente únicamente en cier-
tos instantes en el tiempo, y que además solo puede adquir valores dentro de un conjunto
finito de valores. Puesto que el ser humano se desenvuelve en un ambiente eminentemente
analógico, debe plantearse entonces la pregunta ¿qué tan factible o tan exacto es utilizar
representaciones digitales para fenómenos eminentemente analógicos? El lector podrá inferir
de los ejemplos mencionados, que su uso práctico es factible y ventajoso, considerando por
ejemplo el incremento notable en la calidad de vídeos y bandas sonoras de uso doméstico.
302
5 Transformada z 303
5.1.1. Conversión analógica/digital
Conceptualmente en la conversión de una señal analógica a una representación digital inter-

vienen tres pasos (figura 5.1):
1. Muestreo es la conversión de una señal de variable continua a otra de variable discreta

que es el resultado de tomar “muestras” de la señal de variable continua en ciertos
instantes. Si xa (t) es la entrada al bloque de muestreo, entonces la salida puede ser
tomada en instantes equidistantes xa (nTs ), donde a Ts se le denomina el intervalo de
muestreo.
2. Cuantificación es la conversión de la señal de variable discreta y valores continuos a
otra señal de variable discreta pero con valores discretos. El valor de cada muestra
es aproximado entonces con un valor de un conjunto finito de posibles valores. A la
diferencia entre el valor continuo y su aproximación se le denomina error de cuantifi-
cación.
3. Codificación consiste en la asignación de una representación usualmente binaria para
los valores cuantificados.
Convertidor A/D
xa (t) x[n] xq [n] c[n]

Muestreo Cuantificación Codificación
Señal Señal de Señal Señal

Analógica Variable Discreta Cuantificada Digital
Figura 5.1: Pasos básicos en la conversión analógica/digital.
Estos pasos en la práctica se realizan en un solo bloque operacional. Desde un punto de

vista de análisis matemático, usualmente se ignora el efecto del segundo paso, asumiendo
que el número de valores posible es suficientemente elevado, de tal modo que el efecto de
la cuantificación solo introduce un leve nivel de ruido, que puede ser manejado con otras
herramientas estadísticas. El último paso es solo de relevancia para los algoritmos de proce-
samiento propiamente dichos. En otras palabras, el análisis matemático de señales digitales
se simplifica en la práctica realizando solamente un análisis de señales en tiempo discreto,
para el cual solo el primer paso de la digitalización es relevante.
Existen muchas posibilidades de seleccionar las muestras de una señal en tiempo discreto
a partir de una señal analógica. Aquí se utilizará el llamado muestreo periódico o uniforme
por las facilidades que este brinda al análisis matemático. En él, la relación entre la señal
analógica xa (t) y la señal de variable discreta x[n] está dada por
x[n] = xa (nTs ) n ∈ Z, Ts ∈ IR
donde la secuencia x[n] contiene entonces muestras de la señal analógica xa (t) separadas por
un intervalo Ts (figura 5.2).

Señal xa (t) x[n] = xa (nTs ) Señal

Analógica de variable
Fs = 1/Ts discreta
Muestreo
xa (t) x[n]
xa (t)
x[n] = xa (nTs )
t n
Figura 5.2: Muestreo periódico de una señal analógica.
Las variables t y n de las señales de variable continua y discreta respectivamente están

relacionadas a través del intervalo de muestreo Ts :
t = nTs = n/fs
donde a fs se le denomina tasa de muestreo. Recuérdese que el teorema de muestreo de

Nyquist-Shannon, introducido en el ejemplo 3.18, establece que esta tasa de muestreo debe
ser al menos el doble de la máxima frecuencia de la señal, para asegurar que no haya aliasing
espectral y así las muestras contengan toda la información de la señal que les dio origen.
La figura 5.3 ilustra este concepto: una señal sinusoidal de frecuencia f es muestreada con
fs1 = 4f (muestras en verde), a partir de las cuales se puede reconstruir perfectamente la
sinusoidal original sin pérdida de información, por estar por encima de la tasa crítica de
muestreo (fs = 2f ). Por otro lado, si se hace un muestreo bajo el límite de Nyquist (en
el caso de la figura fs2 = 32 f , en rojo), las muestras pueden corresponder tanto a la señal
original como a otro alias de menor frecuencia (mostrado con línea punteada roja). Las
muestras entonces son insuficientes para determinar si corresponden a la señal original, o a
algún otro alias.
Otros tipos de muestreo más complejos utilizan tasas variables, que se ajustan de acuerdo
a la velocidad de cambio de las señales. Estos son utilizados por ejemplo en algoritmos
de compresión de señales. El estudio de nuevas formas de muestreo es tópico de activa
investigación en la actualidad.
5.1.2. Representaciones de funciones de variable discreta
Se ha visto que x[n] es una función definida para n entero. La figura 5.4 presenta un ejemplo
de representación gráfica de una señal de este tipo.
Se debe insistir en que x[n] está definida únicamente para valores enteros n. No se debe
cometer el error de asignar cero o cualquier otro valor a x(t) para números t reales no enteros
(t ∈ IR \ Z), puesto que la señal x[n] (que es diferente a xa (t)) está definida exclusivamente
para valores enteros. A n se le denomina número de muestra y a x[n] la n-ésima muestra de
la señal.

sen (2πf t − φ)
1
fs1
t
− f2 − f1 1
f
2
f
1
fs2
Figura 5.3: Muestreo de una señal sinusoidal de frecuencia f , con una tasa de muestreo superior
y otra inferior a lo establecido por el criterio de Nyquist. fs1 > 2f permite reconstruir
la señal original, pero fs2 < 2f es insuficiente y las muestras son indiscernibles de un
alias.
x[n]
3
n
−1 0 1 2 3 4 5 6
Figura 5.4: Representación gráfica de una función de variable discreta x[n].
En capítulos previos ya se trabajó con una función de variable discreta: el espectro de una
señal periódica obtenido por medio de los coeficientes ck de la serie de Fourier, que fueron
interpretados en su ocasión como una función de variable discreta c[k].
Además de la representación gráfica para las señales discretas, hay otras tres representaciones
usuales:
1. Funcional:


1 para n = 1
x[n] = 5 − n para 2 ≤ n ≤ 4


0 el resto
Esta es la representación más usual en el análisis matemático de funciones discretas.
2. Tabular
n ... -1 0 1 2 3 4 5 . . .
x[n] ... 0 0 1 3 2 1 0 ...
En programas computacionales para manipulación y modelado digital de sistemas,
como por ejemplo el MATLAB™[14] o el Octave [15], las funciones se representan
usualmente de esta manera: por un lado con los números de muestra n, y por otro con
los valores de las muestras x[n].
3. Como sucesión.

Una secuencia de duración infinita con el origen en n = 0 (indicado con “↑”) se repre-
senta como
x[n] = {. . . ,0,0,1,3,2,1,0, . . .}
↑
Si la secuencia es 0 para n < 0 se puede representar como

x[n] = {0,1,3,2,1,0, . . .}
↑
y si es finita
x[n] = {0,1,3,2,1} = {0,1,3,2,1}
↑
donde la flecha “↑” se omite si la primera muestra en la secuencia corresponde a la

muestra en 0.
Esta notación es muy útil para interpretación rápida de los efectos que tienen ciertas
operaciones básicas (como desplazamiento, inversión, escalado, etc.) sobre señales de
variable discreta.
Para el análisis matemático de señales y sistemas en tiempo discreto es útil representar la
función muestreada xa (nT ) por medio de impulsos de Dirac con áreas modificadas de acuerdo
al valor de cada muestra. Así, defínase la función muestreada x̂a (t) como
∞
X ∞
X
x̂a (t) = xa (t)δ(t − nT ) = xa (nT )δ(t − nT ) (5.1)
n=−∞ n=−∞
Nótese que esta representación ya fue utilizada para representar con la transformada de
Fourier el espectro de una señal periódica, que es bien sabido tiene un espectro discreto
determinado por los coeficientes ck de la serie de Fourier. Esta última representación es
fundamental para la obtención de la transformada z.
5.1.3. Señales elementales de variable discreta
Ciertas señales aparecen frecuentemente en el análisis de sistemas y señales discretas.
Impulso unitario
El impulso unitario δ[n] está definido como (figura 5.5 a):

(
1 para n = 0
δ[n] =
0 para n 6= 0
Escalón unitario
El escalón unitario u[n] se define como (figura 5.5 b):

(
0 para n < 0
u[n] =
1 para n ≥ 0
Nótese que
n
X
u[n] = δ[i]
i=−∞

Rampa unitaria
La rampa unitaria se obtiene de

n
X
ur [n] = u[i − 1]
i=−∞
lo que resulta en (figura 5.5 c)

(
0 para n < 0
ur [n] =
n para n ≥ 0
δ[n] u[n] ur [n]
n n n
−3 −2 −1 0 1 2 3 −3 −2 −1 0 1 2 3 −3 −2 −1 0 1 2 3
(a) (b) (c)
Figura 5.5: Tres funciones elementales (a) Impulso unitario. (b) Escalón unitario. (c) Rampa
unitaria
Señal exponencial
La señal exponencial se define como

x[n] = an
y su comportamiento depende de la constante a. Para valores reales y complejos de a, el
comportamiento es estable si |a| < 1 o inestable si |a| > 1 (figura 5.6).
Si a es complejo entonces puede expresarse como
a = rejψ =⇒ x[n] = rn ejψn
es decir, un fasor de magnitud rn con fase ψn (figura 5.7).

Utilizando la fórmula de Euler se obtiene
x[n] = rn cos(ψn) + jrn sen(ψn)
cuyas partes real e imaginaria se muestran en la figura 5.8.

Nótese que si r = 1 la señal es amplitud constante.
Otra representación de una señal exponencial compleja se presenta en la figura 5.9, donde el
valor de cada muestra se grafica sobre un plano complejo perpendicular al eje n, generándose
así un patrón fasorial en el tiempo discreto, en el que se aprecian tanto las componentes real
e imaginaria, como la magnitud y fase de cada muestra.

x[n] x[n]
1.5 3
2.5
1 2
1.5
0.5
1
0.5
0 n
−1 0 1 2 3 4 5 6 7 8 9 10 11 12 0 n
−1 0 1 2 3 4 5 6 7 8 9 10 11 12
(a) (b)
x[n] x[n]
1.5 3.5
3
1 2.5
2
1.5
0.5 1
0.5
0 n 0 n
−1 0 1 2 3 4 5 6 7 8 9 10 11 12 −1 0
−0.5 1 2 3 4 5 6 7 8 9 10 11 12
−0.5 −1
−1.5
−2
−1 −2.5
−3
−1.5 −3.5
(c) (d)
Figura 5.6: Funciones exponenciales para valores de a reales. (a) 0 < a < 1 (b) a > 1 (c) −1 <
a < 0 (d) a < −1.
|x[n]| 6 x[n]
3
1
0 n
−1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
−1
0 n
−1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
−2
−3
(a) (b)
Figura 5.7: Magnitud y fase de la función exponencial compleja con a = rejψ , r < 1 y 0 < ψ < π.
(a) Magnitud. (b) Fase

Re{x[n]} Im{x[n]}
1 1
0 n 0 n
−1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 −1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
−1 −1
(a) (b)
Figura 5.8: Partes real e imaginaria de la función exponencial con a compleja. (a) Parte real.
(b) Parte imaginaria
Im{x[n]}
Re{x[n]}
Figura 5.9: Representación de función exponencial compleja discreta, como muestras complejas
en planos complejos, situados en cada muestra n.

5.2. Transformada z bilateral
5.2.1. Transformada z bilateral directa
Tómese ahora la representación x̂a (t) de una señal muestreada, tal como se definió en (5.1).
Su transformada de Laplace es
Z ∞"X ∞
#
L {x̂a (t)} = xa (nT )δ(t − nT ) e−st dt
−∞ n=−∞
∞
X Z ∞
= xa (nT ) δ(t − nT )e−st dt
n=−∞ −∞
X∞
= xa (nT )e−snT
n=−∞
Si se define z = esT y considerando que x[n] = xa (nT ) se obtiene

∞
X
!
Z {x[n]} = L {x̂a (t)} = x[n]z −n = X(z)
n=−∞
que es la definición de la transformada z bilateral para la secuencia discreta x[n], que consi-
dera tanto valores positivos como negativos de n.
La relación entre la secuencia discreta x[n] y su representación X(z) en el dominio z se
denota como: z
x[n] X(z) ó x[n] X(z)
Como la transformada z es una serie infinita de potencias, ésta existe solo para los valores
de z en que la serie converge. La región de convergencia (ROC, region of convergence) de
X(z) es entonces el conjunto de valores de z para los que X(z) es finita.
Nótese que la sustitución de variable z = esT puede interpretarse como un mapeo conforme
del plano s = σ + jω al plano complejo z. En el ejemplo 2.22 ya se analizó que, debido a que
z = e(σ+jω)T = eσT ejωT
entonces una linea vertical en el plano s, para la cual σ es constante, es transformada en un

círculo de radio eσT . Se deduce que una banda vertical entre σmin < σ < σmax es transformada
en un anillo delimitado por un círculo interno de radio eσmin T y un círculo externo de radio
eσmax T . Puesto que X(z) corresponde a una transformada de Laplace cuya ROC es alguna
banda vertical en el plano s, se concluye que las regiones de convergencia de la transformada
z equivalen a anillos (de posible extensión infinita) en el plano z. Si la señal es derecha,
entonces la ROC será según lo anterior el exterior de un círculo. Si la señal es izquierda, será
el interior de un círculo.
Al igual que con la transformada bilateral de Laplace, cuando se haga referencia a la trans-
formada z de una señal discreta x[n] debe también incluirse su ROC.

Ejemplo 5.1 Calcule la transformada z de:

1. x1 [n] = {1,2,5,7,0,1}
2. x2 [n] = {1,2,5,7,0,1}
↑
3. x3 [n] = δ[n]
4. x4 [n] = δ[n + k], k > 0
Solución:
1. X1 (z) = 1 + 2z −1 + 5z −2 + 7z −3 + 1z −5 , ROC = z ∈ C\{0}
2. X2 (z) = z 3 + 2z 2 + 5z + 7 + z −2 , ROC = z ∈ C\{0,∞}
3. X3 (z) = 1, ROC = z ∈ C
4. X4 (z) = z +k , ROC = z ∈ C\{∞}
La ROC de señales finitas es todo el plano z excepto z = 0 y/o z = ∞. 5.1
Ejemplo 5.2 Determine la transformada z de:

n
1
x[n] = u[n]
2
Solución: ∞ ∞ n ∞ −1 n
X X 1 X z
−n −n
X(z) = x[n]z = z =
n=−∞ n=0
2 n=0
2
que converge si 1 −1
2
z < 1 =⇒ |z| > 12 , a:
1 1
X(z) = 1 −1 , ROC: |z| >
1− 2
z 2
5.2
Si se expresa z en su forma polar z = rejϕ , con r = |z| y ϕ = ∠z, entonces:

∞
X
X(z) = x[n]r−n e−jϕn
n=−∞
Dentro de la ROC de X(z), |X(z)| < ∞, por lo que:

∞
X ∞
X
|X(z)| = x[n]r −n −jϕn
e ≤ x[n]r−n (5.2)
n=−∞ n=−∞
es decir, si x[n]r−n es absolutamente sumable entonces |X(z)| es finita.

Para encontrar la ROC se debe entonces encontrar el rango de valores de r para los que la
secuencia x[n]r−n es absolutamente sumable.
Ahora bien, la ecuación (5.2) puede reescribirse como:
−1
X ∞
X ∞
X ∞
X
−n −n n
|X(z)| ≤ x[n]r + x[n]r = |x[−n]r | + x[n]r−n
n=−∞ n=0 n=1 n=0

Im{z}
Plano z
r1
P∞
ROC de n=1 |x[−n]rn |
Re{z}
Figura 5.10: Representación gráfica de la ROC para r suficientemente pequeños.
y ambas sumatorias deben converger si |X(z)| ha de ser finito. Para la primera suma deben
existir valores de r suficientemente pequeños para que x[−n]rn sea absolutamente sumable
(r < r1 ) (figura 5.10).
Para que la segunda suma converja, se necesitan valores de r suficientemente grandes para
que x[n]r−n sea absolutamente sumable. Por ello, la ROC serán los puntos fuera de una
circunferencia r > r2 (figura 5.11).
Im{z}
Plano z
r2
Re{z}
Figura 5.11: Representación gráfica de la ROC para r suficientemente grandes.
Como ambas sumas deben converger la ROC de X(z) es la región anular del plano z, r2 <
r < r1 (figura 5.12), lo que concuerda con el análisis anterior basado en el mapeo conforme
z = esT .
4 Lección 26
Lección 27 B Ejemplo 5.3 Determine la transformada z de:
x[n] = αn u[n]
Solución: Se tiene que:

∞
X ∞
X ∞
X n
X(z) = x[n]z −n = αn (z −1 )n = (αz −1 )
n=−∞ n=0 n=0

Im{z}
Plano z r1
r2
Re{z}
Figura 5.12: Representación gráfica completa de la ROC.
que converge si |αz −1 | < 1 (|z| > |α|) a 1

1−αz −1
.
Nótese que si α = 1, se tiene la transformada z del escalón unitario:
1
x[n] = u[n] X(z) = , ROC: z > 1
1 − z −1
5.3
x[n] = −αn u[−n − 1]
Solución:
∞
X −1
X ∞
X ∞
X
X(z) = x[n]z −n = − αn z −n = − α−m z m = − (α−1 z)m
n=−∞ n=−∞ m=1 m=1
que converge sólo si |α−1 z| < 1, es decir, si |z| < |α|, a:

1 α−1 z 1
X(z) = − −1
− 1 = − −1
=
1−α z 1−α z 1 − αz −1
Nótese que esta expresión es idéntica a la obtenida para x[n] = αn u[n]. Se concluye que la
forma compacta de la transformada z no especifica una única señal en el dominio del tiempo.
Esto sólo ocurre indicando además la ROC. El término transformada z indica entonces no
sólo la expresión X(z), sino también su ROC.
Lo anterior cumple con que la ROC de una señal anticausal es el interior de una circunfe-
rencia, mientras que para señales causales es el exterior de una circunferencia. 5.4
x[n] = αn u[n] + bn u[−n − 1]

Solución:
∞
X ∞
X −1
X ∞
X ∞
X
−n n −n n −n

−1 n
n
X(z) = x[n]z = α z + b z = αz + b−1 z
n=−∞ n=0 n=−∞ n=0 n=1
La primera suma converge si |αz −1 | < 1 (|z| > |α|) y la segunda si |b−1 z| < 1 (|z| < |b|).
Esto implica que la transformada z existe si y sólo si |b| > |α| y la ROC es un anillo en el
plano z. 5.5
La figura 5.13 muestra un resumen de lo discutido hasta el momento en cuanto a la relación

de la causalidad de una señal con respecto a la ROC de su transformada z. Nótese la relación
con las ROC de la transformada de Laplace.
La tabla 5.1 resume algunas transformaciones importantes. Se aprecia que todas las trans-
formaciones en esta tabla son funciones racionales.
Tabla 5.1: Transformada z bilateral de algunas funciones comunes.
Señal x[n] Transformada z, X(z) ROC

δ[n] 1 Plano z
1
u[n] |z| > 1
1 − z −1
1
an u[n] |z| > |a|
1 − az −1
az −1
nan u[n] |z| > |a|
(1 − az −1 )2
1
−(an )u[−n − 1] |z| < |a|
1 − az −1
az −1
−n(an )u[−n − 1] |z| < |a|
(1 − az −1 )2
1 − z −1 cos ω0
cos(ω0 n)u[n] |z| > 1
1 − 2z −1 cos ω0 + z −2
z −1 sen ω0
sen(ω0 n)u[n] |z| > 1
1 − 2z −1 cos ω0 + z −2
1 − az −1 cos ω0
an cos(ω0 n)u[n] |z| > a
1 − 2az −1 cos ω0 + a2 z −2
az −1 sen ω0
an sen(ω0 n)u[n] |z| > a
1 − 2az −1 cos ω0 + a2 z −2
5.2.2. Propiedades de la transformada z bilateral
Linealidad
Si x1 [n] X1 (z) y x2 [n] X2 (z), entonces

x[n] = a1 x1 [n] + a2 x2 [n] X(z) = a1 X1 (z) + a2 X2 (z) .

Funciones de duración finita
Causal
z \ {0}
Anticausal
z \ {∞}
Bilateral
z \ {0, ∞}
Funciones de duración infinita
Causal
r2 < |z|
Anticausal
|z| < r1
Bilateral
r2 < |z| < r1
Figura 5.13: Lateralidad de señales y sus ROC (basado en [4]).

Ejemplo 5.6 Determine la transformada z de x[n] = [3(2n ) − 4(3n )]u[n].

Solución: Si x1 [n] = 2n u[n] y x2 [n] = 3n u[n], entonces x[n] = 3x1 [n] − 4x2 [n]
En el ejemplo 5.3 se derivó:
1
αn u[n] , ROC: |z| > |α|
1 − αz −1
con lo que se obtiene:

1
X1 (z) = , ROC: |z| > 2
1 − 2z −1
1
X2 (z) = , ROC: |z| > 3
1 − 3z −1
y la transformada de x[n] es:

3 4
X(z) = −1
− , ROC: |z| > 3
1 − 2z 1 − 3z −1
Nótese que la ROC final debe ser al menos la intersección de las dos ROC individuales. 5.6
Desplazamiento en el tiempo
Si x[n] X(z), entonces x[n − k] z −k X(z).

La ROC de z −k X(z) es la misma de X(z) excepto z = 0 si k > 0 y z = ∞ si k < 0.
Esto se demuestra fácilmente con un cambio de variable del índice de la suma:
∞
X
Z {x[n − k]} = x[n − k]z −n
n=−∞
y con m = n − k
∞
X
= x[m]z −(m+k)
m=−∞
∞
X
−k
=z x[m]z −m
m=−∞
−k
=z X(z)
Ya que el coeficiente de z −n es el valor de la muestra en el instante n, se aprecia que retrasar

una señal en k muestras (k > 0) es equivalente a multiplicar todos los términos de la
transformada z por z −k .
Escalado en el dominio z
Si x[n] X(z), ROC: r1 < |z| < r2 , entonces:

an x[n] X(a−1 z), ROC: |a| r1 < |z| < |a| r2

para todo a ∈ C.
Demostración:
∞
X ∞
X
n n −n
Z {a x[n]} = a x[n]z = x[n](a−1 z)−n = X(a−1 z)
n=−∞ n=−∞
dado que la ROC de X(z) es r1 < |z| < r2 , entonces para X(a−1 z) se cumple que r1 <
|a−1 z| < r2 =⇒ |a| r1 < |z| < |a| r2 .

Con a = r0 ejω0 , z = rejω y ζ = a−1 z = r10 r ej(ω−ω0 ) , se observa con Z {x[n]} = X(z) y
Z {an x[n]} = X(a−1 z) = X(ζ), que si r0 > 1 implica una expansión del plano z, o si r0 < 1
una contracción del plano z, en combinacion con una rotación (si ω0 6= 2kπ). Nótese que
ζ = a−1 z representa un mapeo lineal del plano z al plano ζ.
Ejemplo 5.7 Determine la transformada z de la señal an cos[ω0 n]u[n]

Solución:
Con la fórmula de Euler se obtiene primero que:
1 1
cos[ω0 n] = ejω0 n + e−jω0 n
2 2
y con Z {αn u[n]} = 1
1−αz −1
se obtiene con α = e±jω0 y la linealidad de la transformación:

1 1 1
Z {cos[ω0 n]u[n]} = +
2 1 − ejω0 z −1 1 − e−jω0 z −1

1 1 − e−jω0 z −1 + 1 − ejω0 z −1
=
2 (1 − ejω0 z −1 )(1 − e−jω0 z −1 )

1 2 − z −1 (e−jω0 + ejω0 )
= , (e−jω0 + ejω0 ) = 2 cos ω0
2 1 − e−jω0 z −1 − ejω0 z −1 + z −2
1 − z −1 cos ω0
= ; ROC: |z| > ejω0 = 1
1 − 2z −1 cos ω0 + z −2
por lo que
1 − az −1 cos ω0
Z {an cos[ω0 n]u[n]} = , |z| > |a|
1 − 2az −1 cos ω0 + a2 z −2
5.7
Conjugación
Si x[n] tiene como transformada z a X(z) con ROC R entonces
x∗ [n] X ∗ (z ∗ ), ROC: R

Esto se demuestra utilizando las propiedades de conjugación:

∞
X
∗
Z {x [n]} = x∗ [n]z −n
n=−∞
X∞
∗
= x[n](z ∗ )−n
n=−∞
∞
!∗
X
= x[n](z ∗ )−n
n=−∞
∗ ∗
= X (z )
De lo anterior se deduce que si x[n] es real, entonces X(z) = X ∗ (z ∗ ), lo que implica que si
X(z) tiene un polo o cero en z = z0 , también lo tendrá en z = z0∗ . En otras palabras, los
polos y ceros aparecen como pares complejos conjugados en la transformada z de secuencias
reales x[n]. Obsérvese que la relación X(z) = X ∗ (z ∗ ) para funciones reales indica que si se
hace un corte paralelo al eje Im{z} de la superficie correspondiente a |X(z)|, entonces la
función en ese corte presenta simetría par. Por otro lado, la fase tiene un comportamiento
impar en los cortes paralelos al eje Im{z}.
Inversión temporal
x[n] X(z), ROC: r1 < |z| < r2

1 1
x[−n] X(z −1 ), ROC: < |z| <
r2 r1
Demostración:
∞
X ∞
X
−n
Z {x[−n]} = x[−n]z = x(l)(z −1 )−l = X(z −1 )
n=−∞ l=−∞
La ROC de X(z −1 ) sería r1 < |z −1 | < r2 =⇒ 1

r2
< |z| < 1
r1
Ejemplo 5.8 Determine la transformada z de u[−n].

Solución: Puesto que
1
Z {u[n]} = , ROC: |z| > 1
1 − z −1
entonces
1
Z {u[−n]} = , ROC: |z| < 1
1−z
5.8

Diferenciación en el dominio z
Si x[n] X(z), entonces nx[n] −z dX(z)

dz
.
Para demostrar esta propiedad se derivan ambos lados de la definición con respecto a z:
∞ ∞
dX(z) d X −n
X
= x[n]z = x[n](−n)z −n−1
dz dz n=−∞ n=−∞
∞
X
−1
= −z (nx[n])z −n = −z −1 Z {nx[n]}
n=−∞
dX(z)
=⇒ −z = Z {nx[n]}
dz
Ejemplo 5.9 Determine la transformada z de x[n] = nan u[n]

Solución: Con x1 [n] = an u[n], entonces x[n] = nx1 [n], y puesto que X1 (z) = 1
1−az −1
, ROC
|z| > |a|, se obtiene:

dX1 (z) −az −2 az −1
n
na u[n] X(z) = −z = −z = , ROC: |z| > |a|
dz (1 − az −1 )2 (1 − az −1 )2
Con a = 1 se obtiene la transformación de la rampa unidad:
z −1
nu[n] , ROC: |z| > 1
(1 − z −1 )2
5.9
Convolución de dos secuencias
Si
x1 [n] X1 (z), ROC: R1
x2 [n] X2 (z), ROC: R2
entonces:
x[n] = x1 [n] ∗ x2 [n] X(z) = X1 (z)X2 (z)
la ROC es al menos R1 ∩ R2 .
Demostración:
∞
X
x[n] = x1 [k]x2 [n − k] = x1 [n] ∗ x2 [n]
k=−∞
la transformada z de x[n] es:

∞ ∞ ∞
!
X X X
X(z) = x[n]z −n = x1 [k]x2 [n − k] z −n
n=−∞ n=−∞ k=−∞

Intercambiando las sumatorias y aplicando la propiedad de desplazamiento en el tiempo se

obtiene que:
∞
" ∞ #
X X
X(z) = x1 [k] x2 [n − k]z −n
k=−∞ n=−∞
∞
X
= X2 (z) x1 [k]z −k = X2 (z)X1 (z)
k=−∞
Teorema del valor inicial
Si x[n] es causal (x[n] = 0,∀n < 0), entonces:
x[0] = lı́m X(z)

z→∞
Puesto que x[n] es causal:

∞
X
X(z) = x[n]z −n = x[0] + x[1]z −1 + . . .
n=0
Si z → ∞ todos los términos z −1 , z −2 , etc. tienden a cero y por tanto:
x[0] = lı́m X(z)

z→∞
Todas las propiedades descritas anteriormente se resumen en la tabla 5.2.

4 Lección 27
5.2.3. Transformada z inversa
Definición
Lección 28 B El procedimiento de encontrar la señal en el dominio del tiempo correspondiente a la expre-

sión algebraica en el dominio z para una determinada región de convergencia se denomina
transformada z inversa.
Utilizando el teorema integral de Cauchy y la fórmula integral de Cauchy el lector puede
demostrar que se cumple (
I
1 1 k=n
z n−1−k dz = (5.3)
2πj C 0 k 6= n
para un contorno de integración C que encierra al origen.
A partir de la definición de la transformada z para una señal de variable discreta x[k]
∞
X
X(z) = x[k]z −k
k=−∞

Tabla 5.2: Propiedades de la transformada z bilateral.
Propiedad Dominio n Dominio z ROC

5 Transformada z

Notación x[n] X(z) R = {z | r2 < |z| < r1 }
x1 [n] X1 (z) R1
x2 [n] X2 (z) R2
Linealidad a1 x1 [n] + a2 x2 [n] a1 X1 (z) + a2 X2 (z) por lo menos R1 ∩ R2
Desplazamiento en n x[n − k] z −k X(z) R \ {0} si k > 0 y R \ {∞} si k < 0
Escalado en z an x[n] X(a−1 z) |a| r2 < |z| < |a| r1
Reflexión en n x[−n] X(z −1 ) 1 1

< |z| <
r1 r2
Conjugación x∗ [n] X ∗ (z ∗ ) R
1
Parte real Re{x[n]} [X(z) + X ∗ (z ∗ )] Incluye R
2
1
Parte imaginaria Im{x[n]} Incluye R
2j
[X(z) − X ∗ (z ∗ )]
dX(z)
Derivación en z nx[n]
dz
−z r2 < |z| < r1
Convolución x1 [n] ∗ x2 [n] X1 (z)X2 (z) Por lo menos R1 ∩ R2
Teorema del valor inicial Si x[n] es causal x[0] = lı́m X(z)

z→∞
321
se obtiene multiplicando ambos lados por z n−1 , e integrando en un contorno cerrado que
contiene al origen, y que está dentro de la ROC:
I I X ∞
n−1
X(z)z dz = x[k]z −k+n−1 dz
C C k=−∞
Como la serie converge dentro de C, la integral y la sumatoria pueden ser intercambiadas:

I X∞ I
n−1
X(z)z dz = x[k] z −k+n−1 dz
C k=−∞ C
y junto al resultado en (5.3) que es diferente de cero solo para k = n, finalmente se obteniene
la integral de inversión: I
1
x[n] = X(z)z n−1 dz (5.4)
2πj C
Ejemplo 5.10 Encuentre la transformada z inversa de la expresión

1
X(z) =
1 − αz −1
si se sabe que la señal correspondiente es causal.
Solución: Aplicando (5.4) se obtiene
I
1
x[n] = X(z)z n−1 dz
2πj C
I
1 1
= z n−1 dz
2πj C 1 − αz −1
I
1 z
= z n−1 dz
2πj C z − α
I
1 zn
= dz
2πj C z − α
Como C debe estar dentro de la ROC, y la señal es causal, entonces se escoje una circunfe-
rencia de radio mayor que |α|. Para n > 0 se tiene un cero de orden n en z = 0, o ningún
cero cuando n = 0, y en ambos casos hay un polo en z = α. En estos casos se puede aplicar
la fórmula integral de Cauchy para obtener directamente
x[n] = z n |z=α = αn
Para n < 0 la función f (z) tiene un polo de orden n en z = 0, que también está dentro de
C, por lo que dos polos z1 = 0 y z2 = a contribuyen al valor de la integral.
Con n = −1 y la fórmula integral de Cauchy:
I
1 1 1 1
dz = +
2πj C z(z − a) z − a z=0 z z=a
1 1
=− + =0
a a

En general, si n < 0 y m = −n, entonces m > 0, con lo que:

I
1 1
x[n] = m
dz
2πj C z (z − a)
que por el teorema del residuo es igual a
1
= 2πj cz=0 z=a
−1 + c−1
2πj
= cz=0 z=a
−1 + c−1
donde c−1
z=0
y cz=a
−1 son los residuos en los polos. Estos se calculan con:
1 1 1
cz=a
−1 = lı́m (z − a) = m = m
z→a z m (z− a) z z=a a
m−1

1 d 1
cz=0
−1 = lı́m m
z m
z→0 (m − 1)! dz m−1 z (z − a)

1 dm−1 1
= lı́m
z→0 (m − 1)! dz m−1 z − a
1 (m − 1)!(−1)m−1 (−1)m−1 1
= lı́m m
= m
=− m
z→0 (m − 1)! (z − a) (−a) a
y con eso, para n < 0 se cumple
1 1
x[n] = cz=a z=0
−1 + c−1 = m
− m =0
a a
Por tanto, resumiendo ambos casos en una ecuación se obtiene:
x[n] = an u[n]
5.10
La transformada z inversa mediante expansión en serie de potencias
La idea de este método es expandir X(z) en una serie de potencias de la forma:

∞
X ∞
X
−n
X(z) = cn z = x[n]z −n
n=−∞ n=−∞
que converge en la región de convergencia asociada a X(z). Este método ya se introdujo

en la sección 2.4.2 sobre series de potencias, donde se observa que ahora se utiliza el caso
particular de series de Laurent centradas en z = 0.
Ejemplo 5.11 Calcule la secuencia en tiempo discreto x[n] si su transformada z tiene

como expresión algebraica
1 + 21 z −1
X(z) =
1 − 32 z −1 + 21 z −2
para las regiones de convergencia

1. ROC: |z| > 1

2. ROC: |z| < 1/2
Solución: Debido a que la ROC |z| > 1 es el exterior de un círculo y X(z) es racional,
entonces x[n] es una señal causal. Para calcularla se ordenan el numerador y el denominador
del mayor coeficiente al menor y se divide:
1 + 21 z −1 1 − 23 z −1 + 12 z −2
-(1 − 32 z −1 + 12 z −2 ) 1 + 2z −1 + 25 z −2 + 11 −3
4 z + 23 −4
8 z + ...
2z −1 − 12 z −2
-( 2z −1 −3z −2 +z −3 )
5 −2
2z −z −3
-( 2 z − 4 z + 4 z )
5 −2 15 −3 5 −4
11 −3
4 z − 54 z −4
-( 4 z − 33
11 −3
8 z +8z )
−4 11 −5
23 −4
8 z − 11
8 z
−5

Con lo que se deduce x[n] = 1, 2, 5 11 23
, , ,...
2 4 8
.
↑
La ROC |z| < 1/2 corresponde a una señal anticausal. Para este caso se ordenan el numerador
y el denominador de menor a mayor y se divide:
1 −1
2z +1 1 −2
2z − 23 z −1 + 1
-( 12 z −1 − 32 +z) z + 5z 2 + 13z 3 + 29z 4 + 61z 5 + . . .
5
2 −z
-( 25
2 z +5z )
− 15 2
13 2
2 z −5z
-( 2 z − 2 z +13z 3 )
13 39 2
29 2
2 z −13z 3
-( 2 z − 87
29 2
2 z +29z )
3 4
61 3
2 z −29z 4
y finalmente x[n] = {. . . , 61, 29, 13, 5, 1, 0} 5.11

↑
Este método no provee la forma cerrada de x[n] y resulta tedioso si se desea determinar x[n]
para n grande. Es además inestable numéricamente si se automatiza para ser calculado en
computador.
Ejemplo 5.12 Determine la transformada z inversa de:

X(z) = ln(1 + az −1 ), ROC: |z| > |a| .
Solución:
Puesto que la serie de Taylor para ln(1 + x), |x| < 1 es
X∞
(−1)n+1 xn
ln(1 + x) =
n=1
n
entonces ∞
X (−1)n+1 an z −n
X(z) = ,
n=1
n
(−1)n+1 an
de donde se obtiene directamente x[n] = n
u[n − 1] 5.12

La transformada z inversa mediante expansión en fracciones parciales
Este método es análogo al ya revisado para la transformada inversa de Laplace en la sec-

ción 4.1.3. En él se expresa X(z) como una combinación lineal:
X(z) = α1 X1 (z) + α2 X2 (z) + . . . + αk Xk (z)
donde {Xi (z)} son las transformaciones de las señales {xi [n]} disponibles en tablas. Por
linealidad se tendrá que:
x[n] = α1 x1 [n] + α2 x2 [n] + . . . + αk xk [n]
Si X(z) es una función racional, entonces:

N (z) b0 + b1 z −1 + . . . + bM z −M
X(z) = =
D(z) 1 + a1 z −1 + . . . + aN z −N
Nótese que si a0 6= 1, lo anterior se puede obtener dividiendo numerador y denominador por

a0 .
Como se indicó en el capítulo anterior, esta función se denomina propia si aN 6= 0 y M < N ,
es decir, si el número de ceros finitos es menor que el número de polos finitos. Una función
impropia (M ≥ N ) siempre se puede representar como la suma de un polinomio y una
función racional propia.
Ejemplo 5.13 Exprese la función impropia:

1 + 3z −1 + 116
z −2 + 31 z −3
X(z) =
1 + 65 z −1 + 16 z −2
en términos de un polinomio y una función propia.
Solución:
Para hacer esto, se debe hacer la división de tal forma que los términos z −2 y z −3 sean eli-
minados, y para esto deben ordenarse los divisores de la misma manera que para determinar
la expansión en serie de potencias de señales anticausales.
1 −3 11 −2 1 −2
3
z + 6 z +3z −1 +1 6
z + 56 z −1 + 1
-( 3 z + 35 z −2 +2z −1 )
1 −3
2z −1
+1
1 −2
6
z +z −1 +1
-( 61 z −2 + 56 z −1 +1)
1 −1
6
z
1 −1
−1 6
z
=⇒ X(z) = 1 + 2z + 5 −1
1+ 6
z + 61 z −2
5.13
En general, cualquier función racional impropia (M ≥ N ) se puede expresar como:

N (z) N1 (z)
X(z) = = c0 + c1 z −1 + . . . + cM −N z −(M −N ) +
D(z) D(z)
Como la transformada z inversa de un polinomio en términos de z −1 se puede calcular

fácilmente al corresponder éste directamente con las primeras muestras causales de la señal,
se prestará ahora especial atención a la transformada de funciones racionales propias. Sea
X(z) una función racional propia:
N (z) b0 + b1 z −1 + . . . + bM z −M
X(z) = =
D(z) 1 + a1 z −1 + . . . + aN z −N
con aN 6= 0 y M < N . Multiplicando por z N tanto el numerador como denominador:
b0 z N + b1 z N −1 + . . . + bM z N −M
X(z) =
z N + a1 z N −1 + . . . + aN
puesto que N > M entonces
X(z) b0 z N −1 + b1 z N −2 + . . . + bM z N −M −1
=
z z N + a1 z N −1 + . . . + aN
que es siempre propia. Para descomponer esta función como una suma de fracciones simples,
se factoriza el denominador en factores que contengan los polos p1 ,p2 , . . . ,pN de X(z).
1. Caso: Polos diferentes de primer orden.

Si todos los polos son diferentes y de primer orden, entonces se busca la expansión:
X(z) A1 A2 AN
= + + ... +
z z − p 1 z − p2 z − pN
donde
X(z)
Ak = (z − pk )
z z=pk
Ejemplo 5.14 Encuentre la descomposición en fracciones parciales de la componente

propia en el ejemplo 5.13, y con ella la transformada inversa x[n] de la función X(z)
en dicho ejemplo, si se sabe que ésta es causal.
z2
Solución: Multiplicando por z2
se obtiene:
1 −1 1
6
z z2 6
z
5 −1 · =
1+ 6
z + 16 z −2 z2 5
z2 + 6 z + 1
6
1
z A1 A2
= 1
6 1
= 1
+
z+ 3
z+ 2
z+3 z + 21
Nótese que no fue aquí necesario dividir por z pues la función racional resultante
fue propia desde un principio. Multiplicando ambos lados por (z + 1/3) y haciendo
z → −1/3 se obtiene A1 = −1/3. Por otro lado, multiplicando ambos lados por
(z + 1/2) y haciendo z → −1/2 se obtiene A2 = 1/2.
Se cumple entonces:
− 13 1
2
− 13 z −1 1 −1
2
z
1
+ 1
= 1 −1
+
z+3 z+2 1 + 3z 1 + 21 z −1
n−1 n−1 n n
1 1 1 1 1 1
− − u[n − 1] + − u[n − 1] = − − − u[n − 1]
3 3 2 2 3 2

donde se ha hecho uso de las propiedades de linealidad y de desplazamiento en el

tiempo.
Falta únicamente transformar los términos 1 + 2z −1 que corresponden en el tiempo
discreto a δ[n] + 2δ[n − 1]. De este modo se cumple
n n
1 1
x[n] = δ[n] + 2δ[n − 1] + − − − u[n − 1]
3 2
5.14
Ejemplo 5.15 Determine la expansión en fracciones parciales de

1 + z −1
X(z) =
1 − z −1 + 12 z −2
.
z2
Solución: Multiplicando por z2
se obtiene:
z2 + z X(z) z+1
X(z) = 1 =⇒ = 2
z2 − z + 2
z z − z + 12
√ q
1 ±j45◦
con los polos p1,2 = 1± 1−2
2
= 1
2
± j 12 = 2
e se puede realizar la siguiente
descomposición:
X(z) A1 A2 A1 A2
= + =⇒ X(z) = −1
+
z z − p1 z − p 2 1 − p1 z 1 − p2 z −1
√
X(z) z+1 p1 + 1 1 3 10 −j71,6◦
A1 = (z − p1 ) = = = −j = e
z z=p1 z − p2 z=p1 p1 − p 2 2 2 2
√
X(z) z+1 p2 + 1 1 3 10 j71,6◦
A2 = (z − p2 ) = = = +j = e
z z=p2 z − p1 z=p2 p2 − p 1 2 2 2
Recuérdese que para el caso en que los coeficientes de los polinomios en el numerador
y denominador son reales, entonces si p1 = p∗2 se cumple A1 = A∗2 .
Asumiendo que se trata de una señal causal, se obtiene de la tabla 5.1
Z −1 {X(z)} = x[n] = [A1 pn1 + A∗1 p∗1 n ] u[n]

= |A1 | |p1 |n ej[∠A1 +n∠p1 ] + e−j[∠A1 +n∠p1 ] u[n]
= 2 |A1 | |p1 |n cos [∠A1 + n∠p1 )] u[n]
r
10
= cos [n45◦ − 71,6◦ ] u[n]
2n
5.15
2. Caso: polos de orden múltiple.

Si hay un polo de orden l, (z −pk )l , entonces la expansión en fracciones parciales tendrá
términos:
A1k A2k Alk
+ 2
+ ... +
z − pk (z − pk ) (z − pk )l
donde los coeficientes {Aik } pueden obtenerse por medio de derivaciones sucesivas

Ejemplo 5.16 Determine la expansión en fracciones parciales de:

1
X(z) =
(1 + z −1 )(1 − z −1 )2
y encuentre la señal causal equivalente x[n].
Solución: Multiplicando numerador y denominador por z 3 resulta en:
X(z) z2 A1 A2 A3
= 2
= + +
z (z + 1)(z − 1) (z + 1) (z − 1) (z − 1)2
A1 y A3 se encuentran fácilmente multiplicando por los denominadores parciales y

haciendo z = pi :
X(z) z2 1
A1 = (z + 1) = =
z z=−1 (z − 1)2 z=−1 4
2
X(z) z 1
A3 = (z − 1)2 = =
z z=1 (1 + z) z=1 2
para calcular A2 se procede:
X(z) (z − 1)2
(z − 1)2 = A1 + A2 (z − 1) + A3
z z+1
y se deriva con respecto a z:

d (z − 1)2 X(z) d (z − 1)2 d
= A1 + A2 (z − 1)
dz z z=1 dz z + 1 dz

2(z − 1)(z + 1) + (z − 1)2
= A1 + A2
(z + 1)2 z=1

d z2 2z(z + 1) − z 2 3
= 2
= = A2
dz z+1 z=1 (z + 1) z=1 4
Por lo tanto, se cumple

1 1 3 1 1 z −1
X(z) = + +
4 1 + z −1 4 1 − z −1 2 (1 − z −1 )2
y bajo la suposición de que la señal correspondiente es causal, se obtiene con las
propiedades de linealidad y la tabla 5.1:

1 n 3 1
x[n] = (−1) + + n u[n]
4 4 2
5.16
Para obtener la inversión de X(z) se utiliza entonces la linealidad junto con el hecho ya
demostrado de que:
(
1 (pk )n u[n], si ROC: |z| > |pk | (señales causales)
Z −1 =
1 − pk z −1
−(pk ) u[−n − 1], si ROC: |z| < |pk | (señales anticausales)
n

Nótese que si la señal es causal, la ROC es |z| > pmax = máx{|p1 | , |p2 | , . . . , |pN |} y x[n] =
(A1 pn1 + A2 pn2 + . . . + AN pnN )u[n].
Si hay un par de polos complejos conjugados, ya se mencionó que los coeficientes también
serán complejos conjugados siempre y cuando los coeficientes de los polinomios en el nume-
rador y denominador sean reales, y por tanto:
xk [n] = [Ak pnk + A∗k p∗k n ]u[n] (5.5)
Expresando en forma polar: Ak = |Ak | ejαk , pk = |pk | ejβk y sustituyendo en (5.5), entonces:
xk [n] = |Ak | |pk |n [ej(βk n+αk ) + e−j(βk n+αk ) ]u[n]
= 2 |Ak | |pk |n cos[βk n + αk ]u[n], ROC: |z| > |pk | = rk
Nótese entonces que un par de polos complejos conjugados dan origen a una señal sinusoidal
con envolvente exponencial, donde la distancia del polo al origen determina la atenuación
exponencial, y el ángulo de los polos respecto al eje real determina la frecuencia de la
oscilación.
Los ceros afectan la amplitud y fase a través de su influencia en los coeficientes Ak .
Para el caso de polos múltiples se utilizan tablas, pero es usual encontrar

pz −1
Z −1
= npn u[n], ROC: |z| > |p|
(1 − pz −1 )2
4 Lección 28
5.3. Sistemas en tiempo discreto

Lección 29 B A los dispositivos que operan sobre señales de variable discreta (o tiempo discreto) se les
denomina sistemas discretos. En general, reciben una señal de entrada x[n] para producir
una señal de salida y[n]. Se dice que el sistema transforma x[n] en y[n], lo que se expresa
como
y[n] = T [x[n]]
donde T [·] representa al operador de transformación o procesamiento realizado por el sistema
sobre x[n] para producir y[n].
5.3.1. Descripción entrada-salida de sistemas
La descripción de entrada-salida define la relación entre x[n] y y[n]. La estructura interna

del sistema es desconocida o ignorada, es decir, el sistema se interpreta como una caja negra
(figura 5.14).
Ejemplo 5.17 Determine la salida de los siguientes sistemas para la entrada

(
3 − |n| para − 2 ≤ n ≤ 2
x[n] =
0 en el resto

Sistema
x[n] y[n]
Discreto
Figura 5.14: Entrada-salida de un sistema discreto
1. y[n] = x[n]
2. y[n] = x[n − 2]
3. y[n] = x[n + 1]
4. y[n] = 31 [x[n + 1] + x[n] + x[n − 1]]
5. Pn {x[n + 1],x[n],x[n − 1]}
y[n] = máx
6. y[n] = k=−∞ x[k]
Solución:
1. Al sistema y[n] = x[n] se le denomina identidad , pues su salida es idéntica a la entrada:
y[n] = {1,2,3,2,1}
↑
2. El sistema y[n] = x[n − 2] retarda la entrada dos unidades: y[n] = {1,2,3,2,1}.
↑
3. El sistema y[n] = x[n + 1] adelanta la señal una unidad y solo puede ser realizado fuera
de línea, por ser imposible en un sistema de tiempo real determinar el valor de la señal
una muestra en el futuro: y[n] = {1,2,3,2,1}.
↑
4. El filtro paso bajos y[n] = [x[n + 1] + x[n] + x[n − 1]] calcula el promedio de tres
1
3
muestras: y[n] = {1/3, 1, 2, 7/3, 2, 1, 1/3}.
↑
5. El filtro de rango y[n] = máx {x[n + 1],x[n],x[n − 1]} entrega el valor máximo de la
muestra actual, la anterior y la futura: y[n] = {1,2,3,3,3,2,1}. Este filtro puede consi-
↑
derarse también comoP filtro paso bajos.
6. El acumulador y[n] = nk=−∞ x[k] realiza la “integración discreta” de la entrada: y[n] =
{1,3,6,8,9,9, . . .}. Nóte que el acumulador puede reescribirse como
↑
n
X n−1
X
y[n] = x[k] = x[k] + x[n] = y[n − 1] + x[n]
k=−∞ k=−∞
| {z }
y[n−1]
5.17
En general la salida y[n] en el instante n no solo depende de la entrada x[n] sino de muestras
anteriores y posteriores a n. Además, la salida de un sistema puede depender de un estado
interno. Por ejemplo, en el acumulador y[n] = y[n − 1] + x[n] si una secuencia de entrada
se aplica en dos instantes de tiempo distintos las dos reacciones del sistema difieren, depen-
diendo de la historia anterior del sistema “y[n − 1]”. Para determinar entonces la salida en
un instante n0 es necesario conocer y[n0 − 1]. El cálculo de la secuencia de salida y[n] para
todo instante n > n0 tiene como condición inicial al valor y[n0 − 1], que en cierta forma
resume todo el pasado del sistema.
Si la condición inicial es cero, se dice que el sistema esta en reposo. Siempre se asume que en
n = −∞ todo sistema está en reposo. La salida de un sistema en reposo puede expresarse
entonces utilizando únicamente la señal de entrada.

Ejemplo 5.18 Determine la salida del sistema acumulador para la entrada x[n] = nu[n]
con condición inicial y[−1] = α.
Solución:
n
X −1
X n
X n(n + 1)
y[n] = x[k] = x[k] + k =α+
k=−∞ k=−∞
2
| {z } |k=0
{z }
y[−1]=α n(n+1)
2
Donde se ha utilizado
Pn
Pnk=0 k = 1 + 2 + ... + n
Pk=0 k = n + n − 1 + ... + 1
n
2 k=0 k = n+1 + n + 1 + ... + n + 1
P
2 nk=0 k = n(n + 1)
Pn n(n+1)
k=0 k = 2
5.18
5.3.2. Tipos de sistemas en tiempo discreto
Sistemas variantes e invariantes en el tiempo
Un sistema en reposo T es invariante en el tiempo o invariante al desplazamiento si y solo si

T T
x[n] → y[n] =⇒ x[n − k] → y[n − k]
Ejemplo 5.19 Determine si los siguientes sistemas son invariantes en el tiempo.

1. y[n] = x[n] − x[n − 1]
2. y[n] = x[n] cos[ω0 n]
Solución: Para demostrar la invarianza en el tiempo se calcula la respuesta del sistema a
la entrada x[n − k], que resulta en yk [n] = x[n − k] − x[n − k − 1]. La respuesta a x[n],
retrasada k muestras es y[n − k] = x[n − k] − x[n − k − 1]. Como y[n − k] = yk [n] el sistema
es invariante en el tiempo.
Para el segundo sistema, su respuesta yk [n] a x[n − k] es yk [n] = x[n − k] cos[ω0 n], y la
repuesta a x[n], retrasada k muestras es y[n − k] = x[n − k] cos[ω0 (n − k)] que es diferente a
yk [n]. Por lo tanto el sistema modulador y[n] = x[n] cos[ω0 n] es variante en el tiempo, 5.19
Sistemas lineales y no lineales
Un sistema es lineal si satisface el teorema de superposición, es decir, para las constantes a1 ,

a2 y para las señales x1 [n] y x2 [n] se cumple
T [a1 x1 [n] + a2 x2 [n]] = a1 T [x1 [n]] + a2 T [x2 [n]] .

Como consecuencia, todo sistema lineal tiene la propiedad multiplicativa o de escalado

T [a1 x1 [n]] = a1 T [x1 [n]]
y la propiedad aditiva
T [x1 [n] + x2 [n]] = T [x1 [n]] + T [x2 [n]].
El principio de superposición con M entradas puede generalizarse como

M
X M
X
T
x[n] = ak xk [n] → y[n] = ak T [xk [n]]
k=1 k=1
De la propiedad de escalado se deduce además que en un sistema lineal en reposo con entrada
cero (a1 6= 0), entonces la salida debe ser cero.
Si para un sistema la propiedad de superposición no se cumple, entonces el sistema se dice
ser no lineal.
Ejemplo 5.20 Compruebe si los siguientes sistemas son lineales.

1. y[n] = nx[n]
2. y[n] = x[n2 ]
3. y[n] = x2 [n]
4. y[n] = Ax[n] + B
5. y[n] = ex[n]
Solución:
1. Para el sistema 1. se obtiene primero la respuesta del sistema a una entrada igual a la
suma ponderada de dos señales x1 [n] y x2 [n], es decir, para una entrada total x[n] =
a1 x1 [n]+a2 x2 [n] y se obtiene yT [n] = n(a1 x1 [n]+a2 x2 [n]) = a1 nx1 [n]+a2 nx2 [n]. Ahora,
la suma ponderada de la salida del sistema para x1 [n] y x2 [n] por separado es y1 [n] =
nx1 [n] y y2 [n] = nx2 [n], y su suma ponderada resulta en yS [n] = a1 y1 [n] + a2 y2 [n], que
es igual a yS [n] = a1 nx1 [n] + a2 nx2 [n]. Como yT [n] = yS [n] se puede afirmar que el
sistema y[n] = nx[n] es lineal.
2. Para y[n] = x[n2 ] las salidas yT [n] = a1 x1 [n2 ] + a2 x2 [n2 ] y yS = a1 x1 [n2 ] + a2 x2 [n2 ] son
idénticas y por tanto el sistema es lineal.
3. Para y[n] = x2 [n] la salida yT [n] = (a1 x1 [n]+a2 x2 [n])2 = a21 x21 [n]+a22 x22 [n]+2a1 a2 x1 [n]x2 [n]
y la salida yS [n] = a1 x21 [n]+a2 x22 [n] evidentemente son diferentes y por tanto el sistema
no es lineal.
4. Para y[n] = Ax[n] + B la salida yT [n] = A(a1 x1 [n] + a2 x2 [n]) + B y la salida yS [n] =
a1 (Ax1 [n] + B)a2 (Ax2 [n] + B) = A(a1 x1 [n] + a2 x2 [n]) + B(a1 + a2 ) difieren y por tanto
el sistema, a pesar de su apariencia, no es lineal.
5. Para y[n] = ex[n] la salida yT = ea1 x1 [n]+a2 x2 [n] = ea1 x1 [n] ea2 x2 [n] y la salida yS = a1 ex1 [n] +
a2 ex2 [n] son diferentes y por tanto el sistema tampoco es lineal.
5.20
5.3.3. Análisis de sistemas LTI en tiempo discreto
Existen dos métodos básicos para el análisis del comportamiento de un sistema:

1. Descomposición de la señal de entrada en señales elementales para las que se conoce

su respuesta.
2. Solución de la ecuación de diferencias.
El análisis de sistemas, independientemente del método seleccionado, se simplifica enorme-
mente si estos son lineales e invariantes en el tiempo (LTI: Linear and Time Invariant).
Descomposición en señales elementales
El concepto fundamental del análisis por descomposición es el siguiente: supóngase que la

entrada x[n] puede expresarse como una suma ponderada de funciones elementales {xk [n]}
X
x[n] = ck xk [n]
k
donde ck son los coeficientes de ponderación o pesos de la descomposición de la señal x[n].

Si la respuesta del sistema en reposo a xk [n] es yk [n], es decir
yk [n] = T [xk [n]]
entonces con la propiedad de linealidad se obtiene

" #
X X X
y[n] = T [x[n]] = T ck xk [n] = ck T [xk [n]] = ck yk [n]
k k k
En otras palabras, si el sistema es lineal, la respuesta del sistema a una entrada es igual a
la suma ponderada de las repuestas del sistema a cada una de las componentes en que se
puede descomponer la entrada, donde se cumple además que los coeficientes de ponderación
de la salida corresponden a los coeficientes de ponderación de la entrada.
Utilizando como funciones elementales a impulsos unitarios desplazados δ[n − k] es posible
expresar cualquier función de variable discreta x[n] como:
∞
X
x[n] = x[k]δ[n − k]
k=−∞
Nótese la semejanza con el análisis de sistemas LTI en tiempo continuo derivado en la

sección 3.4.1.
Ejemplo 5.21 Descomponga la señal
x[n] = {0,1,2, − 1, − 1/2,1}

↑
en sus impulsos.
Solución: Esta señal puede expresarse como
1
x[n] = 1 · δ[n − 1] + 2 · δ[n − 2] − 1 · δ[n − 3] − · δ[n − 4] + 1 · δ[n − 5]
2
5.21
Si h0 [n,k] se utiliza para denotar la respuesta de un sistema lineal a un impulso desplazado

k unidades δ[n − k]
h0 [n,k] = T [δ[n − k]]
entonces la salida del sistema puede calcularse con las respuestas elementales a los impulsos
desplazados: X X
y[n] = ck yk [n] = x[k]h0 [n,k]
k k
Si el sistema es además invariante en el tiempo, entonces con h[n] = T [δ[n]] se tiene que
h0 [n,k] = h[n − k] y por lo tanto
∞
X
y[n] = x[k]h[n − k] = x[n] ∗ h[n]
k=−∞
que se denomina suma de convolución. Se dice que la respuesta del sistema y[n] a la entrada
x[n] es igual a la convolución de x[n] con la respuesta al impulso h[n].
Esto quiere decir que en un sistema LTI en reposo su respuesta a cualquier entrada puede
determinarse con solo conocer dicha entrada y la respuesta al impulso h[n], lo cual es similar
a lo analizado en capítulos anteriores para sistemas en tiempo continuo.
El cálculo de la suma de convolución involucra cuatro pasos equivalentes a los estudiados
para el caso de la integral de convolución:
1. Reflexión de h[k] con respecto a k = 0 para producir h[−k].
2. Desplazamiento de h[−k] hacia el punto n que se desea calcular.
3. Multiplicación de x[k] y h[n−k] para obtener una secuencia producto vn [k] = x[k]h[n−
k].
4. Suma de todos los valores de vn [k] para obtener y[n].
Los pasos del 2. al 4. deben realizarse para todo instante n que se deseé calcular.
Ejemplo 5.22 Determine la respuesta a la señal de entrada
x[n] = {1,2,3,1}
↑
de un sistema lineal e invariante en el tiempo con respuesta al impulso
h[n] = {1,2,1, − 1}
↑
Solución: Siguiendo el procedimiento indicado, primero se calcula la reflexión de la respuesta

al impulso h[−k] = {−1,1,2,1}. Los siguientes pasos se resumen en la tabla 5.15.
↑
Con lo que resulta la señal de salida en
y[n] = {1,4,8,8,3, − 2, − 1}
↑
5.22

2. Desplazamiento 3. Multiplicación 4. Suma

por x[k] = {1,2,3,1}
↑
h[−1 − k]={−1,1,2,1} v−1 ={0,0,0,1,0,0,0} y−1 =1

↑ ↑
h[0 − k]={−1,1,2,1} v0 ={0,0,2,2,0,0} y0 =4
↑ ↑
h[1 − k]={−1,1,2,1} v1 ={0,1,4,3,0} y1 =8
↑ ↑
h[2 − k]={−1,1,2,1} v2 ={−1,2,6,1} y2 =8
↑ ↑
h[3 − k]={0, − 1,1,2,1} v3 ={0, − 2,3,2} y3 =3
↑ ↑
h[4 − k]={0,0, − 1,1,2,1} v4 ={0,0, − 3,1} y4 =-2
↑ ↑
h[5 − k]={0,0,0, − 1,1,2,1} v5 ={0,0,0, − 1} y5 =-1
↑ ↑
Figura 5.15: Ejemplo de convolución de dos secuencias finitas.
Con un cambio de variables es posible demostrar que la convolución es conmutativa:

∞
X ∞
X
y[n] = x[n] ∗ h[n] = x[k]h[n − k] = x[n − m]h[m]
↑
k=−∞ m=n−k m=−∞
X∞
= h[m]x[n − m]
m=−∞
= h[n] ∗ x[n]
La convolución es además asociativa y distributiva
(x[n] ∗ h1 [n]) ∗ h2 [n] = x[n] ∗ (h1 [n] ∗ h2 [n])

x[n] ∗ (h1 [n] + h2 [n]) = x[n] ∗ h1 [n] + x[n] ∗ h2 [n]
Ejemplo 5.23 Encuentre la salida de un sistema con respuesta al impulso
h[n] = an u[n], |a| < 1 .
ante una entrada x[n] = u[n].

Solución: Para determinar la salida y[n] del sistema con la entrada escalón unitario u[n] se
utiliza la sumatoria de convolución:
∞
X ∞
X
y[n] = x[n − k]h[k] = u[n − k]h[k] (5.6)
k=−∞ k=−∞
Para n < 0 el producto de u[n − k] y h[k] es siempre cero y por tanto y[n] = 0. Evaluando

(5.6) para algunos valores de n se obtiene:
y[0] = h[0] = 1
y[1] = h[0] + h[1] = 1 + a
y[2] = h[0] + h[1] + h[2] = 1 + a + a2
..
.
Xn Xn
y[n] = h[k] = ak
k=0 k=0
Puesto que
Pn
Pk=0 ak = 1 +a +a2 + . . . +an
n k
a k=0
Pna k = a +a2 + . . . +an +an+1
n+1
(1 − a) k=0 a = 1 − a
se deriva para n ≥ 0
n
X 1 − an+1
y[n] = ak =
k=0
1−a
Si |a| < 1 entonces lı́m an+1 = 0 lo que implica que y(∞) = 1

1−a
. La figura 5.16 muestra un
n→∞
ejemplo de la respuesta para a = 0,9.
y[n]
10
1
1−a
9
0 n
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
Figura 5.16: Respuesta del sistema en el ejemplo 5.23 al escalón, con a = 0,9.
5.23
La propiedad de convolución de la transformada z permite simplificar el análisis de sistemas

LTI en el dominio z, donde la salida del sistema puede calcularse a través del producto
de las transformadas z de la entrada y de la respuesta al impulso, de forma análoga a lo
expuesto anteriormente para la transformada de Laplace y el análisis de sistemas en el tiempo
continuo.
En sistemas de variable discreta también se le denomina a H(z) función de transferencia del
sistema, que corresponde con la transformada z de la respuesta al impulso unitario h[n]. Si

Y (z) = Z {y[n]} y X(z) = Z {x[n]} entonces se cumple:
y[n] = h[n] ∗ x[n]

Y (z) = H(z)X(z)
Si se conoce la transformada de la salida Y (z) y la transformada X(z) de la entrada que dio

origen a dicha salida, es entonces posible encontrar la respuesta al impulso:
Y (z)
X(z)
= H(z) h[n]
Ejemplo 5.24 Repita el ejemplo 5.23 pero utilice la transformada z para su solución.
Solución:
Debe encontrarse la salida de un sistema con respuesta al impulso
h[n] = an u[n], |a| < 1 .
ante una entrada x[n] = u[n].

En secciones anteriores se demostró:
1
X(z) =
1 − z −1
1
H(z) =
1 − az −1
con lo que se obtiene la salida en el dominio z:
1
Y (z) = H(z)X(z) =
(1 − z −1 )(1 − az −1 )
que se puede descomponer en fracciones parciales como

1 1 1 a 1
Y (z) = = −
(1 − z −1 )(1 − az −1 ) 1 − a 1 − z −1 1 − a 1 − az −1
que transformado al dominio del tiempo discreto resulta en
1 a n 1 − an+1
y[n] = u[n] − a u[n] = u[n]
1−a 1−a 1−a
lo que confirma el resultado del ejemplo anterior. 5.24
4 Lección 29
Sistemas LTI causales
Lección 30 B Un sistema es causal si y[n] depende solo de las entradas presentes y pasadas {x[n], x[n −
1], x[n − 2], . . .}, y salidas pasadas {y[n − 1], y[n − 2], . . .}, pero no de las entradas o salidas

futuras {x[n + 1], x[n + 2], . . .; y[n + 1], y[n + 2], . . .}. En caso contrario, el sistema es no
causal.
Sistemas que funcionan “en línea” deben ser causales por la imposibilidad de determinar el
valor de la entrada o la salida en el futuro.
En un sistema causal la salida en n = n0 depende exclusivamente de valores de entrada x[n]
para n ≤ n0 . Como en un sistema LTI
∞
X ∞
X −1
X
y[n0 ] = h[k]x[n0 − k] = h[k]x[n0 − k] + h[k]x[n0 − k]
| {z } | {z }
k=−∞ k=0 k=−∞
Muestras Muestras
pasadas y futuras
actual
se deriva que para que la salida sea independiente de entradas futuras entonces se debe
cumplir h[k] = 0 para todo k ≤ −1.
Dado que h[n] es la respuesta impulsional de un sistema LTI en reposo, h[n] = 0 para n < 0
es condición necesaria y suficiente para la causalidad.
Así, un sistema LTI es causal si y solo si h[n] = 0, ∀n < 0, lo que también es consistente con
lo mencionado para sistemas de variable continua.
Si un sistema es causal entonces la convolución puede simplificarse en
∞
X n
X
y[n] = h[k]x[n − k] = x[k]h[n − k]
k=0 k=−∞
Generalizando, a una secuencia x[n] con x[n] 6= 0 para algún n < 0 se le denomina secuencia
no causal, y de lo contrario, secuencia causal.
Si tanto la entrada x[n] como la respuesta impulsional son causales, entonces la convolución
se simplifica en:
n
X n
X
y[n] = h[k]x[n − k] = x[k]h[n − k]
k=0 k=0
Nótese que esta respuesta es a su vez causal, es decir, y[n] = 0 para todo n < 0.
En general, puesto que un sistema causal tiene como respuesta al impulso una señal h[n]
causal, se puede afirmar que la región de convergencia de la función de transferencia H(z)
es el exterior de un círculo centrado en el origen.
Estabilidad de sistemas lineales e invariantes en el tiempo
Un sistema arbitrario en reposo se dice de entrada acotada - salida acotada (BIBO: bounded
input – bounded output) si toda entrada acotada produce una salida acotada:
T
|x[n]| ≤ Mx < ∞ −→ |y[n]| ≤ My < ∞, ∀n ∈ Z
Si para alguna entrada acotada se produce una salida no acotada (es infinita), el sistema se
dice ser inestable.

Dada la convolución ∞
X
y[n] = h[k]x[n − k]
k=−∞
se cumple para su valor absoluto

∞
X ∞
X ∞
X
|y[n]| = h[k]x[n − k] ≤ |h[k]||x[n − k]| ≤ |h[k]|Mx
k=−∞ k=−∞ k=−∞
X∞
|y[n]| ≤ Mx |h[k]|
k=−∞
lo que implica que |y[n]| es acotada solo si

∞
X
Sh = |h[k]| ≤ ∞
k=−∞
En consecuencia un sistema LTI es estable si su respuesta al impulso es absolutamente

sumable. Esta condición es necesaria y suficiente.
Ejemplo 5.25 Determine el rango del parámetro a para el que el sistema LTI de respuesta
al impulso h[n] = an u[n] es estable.
Solución:
El sistema es estable si
∞
X ∞
X
|ak | = |a|k = 1 + |a| + |a|2 + . . .
k=0 k=0
converge. Esto ocurre si y solo si |a| < 1 y converge a

∞
X 1
|ak | =
k=0
1 − |a|
5.25
Ejemplo 5.26 Determine el rango de valores de a y b para los cuales el sistema LTI de
respuesta (
an n ≥ 0
h[n] = n
b n<0
es estable. La condición de estabilidad es
∞
X −1
X ∞
X
X ∞ n X ∞
n 1 n
|h[n]| = |b| + |a| = + |a|n
n=−∞ n=−∞ n=0
b
|n=1{z } |n=0{z }
Converge Converge
si |b| > 1 si |a| < 1
|b| 1
= +
|b| − 1 1 − |a|
El sistema es estable si |a| < 1 y si |b| > 1. 5.26
En el dominio z la estabilidad se puede observar fácilmente considerando que

∞
X ∞
X ∞
X
−n −n
|H(z)| = h[n]z ≤ h[n]z ≤ |h[n]| |z −n |
n=−∞ n=−∞ n=−∞
para el caso especial |z| = 1, que es el círculo unitario en el plano z, y considerando que si
un sistema es estable su respuesta al impulso es absolutamente sumable, entonces lo anterior
se reduce a ∞
X
|H(z)| ≤ |h[n]| < ∞, |z| = 1
n=−∞
lo que implica un sistema descrito por H(z) es estable si su región de convergencia incluye
al círculo unitario.
De lo anterior se deriva que si un sistema es estable y causal, entonces los polos de su función
de transferencia deben estar dentro del círculo unitario.
Sistemas en tiempo discreto y ecuaciones de diferencias
El cálculo de la convolución: ∞
X
y[n] = h[k]x[n − k]
k=−∞
sólo es aplicable en sistemas LTI que tienen una respuesta al impulso de longitud finita
(llamados también sistemas FIR por Finite Impulse Response), puesto que de otro modo se
requeriría de una memoria infinita para almacenar h[n], y un número infinito de multiplica-
ciones y adiciones.
Las llamadas ecuaciones de diferencias permiten trabajar con sistemas con una respuesta
al impulso de longitud infinita (o sistemas IIR por Infinite Impulse Response), y son el
equivalente en el dominio discreto de las ecuaciones diferenciales.
Un sistema causal es recursivo si su salida en el instante n depende no solo de los valores
presentes y pasados a la entrada, sino también de valores anteriores de la salida, y[n−1], y[n−
2], . . .:
y[n] = F [y[n − 1], y[n − 2], . . . , y[n − N ], x[n], x[n − 1], . . . , x[n − M ]]
donde F [·] denota una función cualquiera con argumentos iguales a las entradas y salidas
presentes y pasadas.
El sistema se denomina no recursivo si depende únicamente de las entradas presentes y
pasadas:
y[n] = F [x[n], x[n − 1], . . . , x[n − M ]]
Nótese que los sistemas LTI causales con una respuesta finita al impulso de longitud M son
no recursivos, puesto que pueden expresarse de la forma
M
X −1
y[n] = h[k]x[n − k]
k=0

que depende de la entrada actual x[n] y las M − 1 entradas anteriores.

En general, los sistemas recursivos tienen respuestas al impulso infinitas, pero que pueden
calcularse en un número finito de pasos considerando las salidas anteriores. Esto tiene la
inconveniencia de que la salida de un sistema recursivo debe calcularse en orden estrictamente
secuencial, por requirse los cálculos de dichas salidas anteriores. En un sistema no recursivo
las salidas anteriores no son consideradas y se puede calcular un valor para cualquier n
directamente.
Ejemplo 5.27 El sistema de media acumulativa

n
1 X
y[n] = x[k]
n + 1 k=0
es recursivo pues
n
X
(n + 1)y[n] = x[k]
k=0
n−1
X
=⇒ ny[n − 1] = x[k]
k=0
n−1
X
=⇒ (n + 1)y[n] = x[k] + x[n] = ny[n − 1] + x[n]
k=0
n 1
y[n] = y[n − 1] + x[n]
n+1 n+1
1
= (ny[n − 1] + x[n]) (5.7)
n+1
5.27
Los sistemas descritos por ecuaciones de diferencias con coeficientes constantes son una
subclase de los sistemas recursivos y no recursivos. Considérese por ejemplo el sistema
y[n] = ay[n − 1] + x[n]
que a pesar de su similitud con (5.7), difiere por la naturaleza de los coeficientes, lo que
tiene implicaciones sobre la invarianza en el tiempo. En este último caso, el coeficiente a es
constante y el sistema es invariante en el tiempo. Para la media acumulativa, los coeficientes
n
n+1
y n+1
1
son dependiente del tiempo y el sistema es variante en el tiempo.
Evalúese ahora la respuesta de este sistema ante una entrada x[n] causal y con una condición
inicial y[−1]:
y[0] = ay[−1] + x[0]

y[1] = ay[0] + x[1] = a2 y[−1] + ax[0] + x[1]
y[2] = ay[1] + x[2] = a3 y[−1] + a2 x[0] + ax[1] + x[2]
..
.

y[n] = an+1 y[−1] + an x[0] + an−1 x[1] + . . . + a0 x[n]

X n
n+1
= a y[−1] + ak x[n − k], n≥0
| {z }
k=0
yzi [n] | {z }
yzs [n]
El término yzi [n] depende de las condiciones iniciales y se obtendría si la entrada fuese cero
(zero input), como resultado del estado inicial del sistema y de sus características propias.
A yzi [n] se le denomina respuesta natural o libre del sistema, o también, respuesta a entrada
nula.
El término yzs [n] se obtiene cuando el estado del sistema es cero (zero state), es decir, con
una entrada x[n] cuando el sistema está en reposo, y se le denomina respuesta en estado nulo
o respuesta forzada. Nótese que en el ejemplo, yzs [n] puede interpretarse como la convolución
de x[n] con la respuesta al impulso:
h[n] = an u[n]
donde los índices son finitos debido a la causalidad de ambas señales x[n] y h[n]. Este
ejemplo corresponde a una ecuación de diferencias de primer orden, y es un caso particular
de la ecuación de diferencias:
N
X M
X
y[n] = − ak y[n − k] + bk x[n − k]
k=1 k=0
o con a0 = 1:
N
X M
X
ak y[n − k] = bk x[n − k] (5.8)
k=0 k=0
donde el entero N recibe el nombre de orden de la ecuación de diferencias u orden del sistema.
Las condiciones iniciales y[−1], . . . , y[−n] resumen toda la historia pasada del sistema, y son
necesarias para efectuar el cálculo de las salidas presentes y futuras.
La respuesta al impulso h[n] en sistemas recursivos se define como la respuesta del sistema
cuando la entrada x[n] es igual al impulso δ[n], y el sistema está inicialmente en reposo.
Cualquier sistema recursivo descrito por una ecuación de diferencias lineal con coeficientes
constantes es un sistema de respuesta infinita al impulso, pero no todo sistema de respuesta
infinita LTI puede ser descrito con estas ecuaciones.
En el dominio z la ecuación (5.8) se transforma, utilizando la propiedad de desplazamiento,
en
N
X M
X
ak Y (z)z −k = bk X(z)z −k
k=0 k=0
N
X M
X
−k
Y (z) ak z = X(z) bk z −k
k=0 k=0
PM
−k
Y (z) k=0 bk z
H(z) = = PN
X(z) k=0 ak z
−k

lo que quiere decir que cualquier sistema en tiempo discreto descrito por una ecuación de
diferencias con coeficientes constantes tiene una función de transferencia racional. Puesto
que la descomposición en fracciones parciales de H(z) contendrá una suma de términos con
un único polo de orden n, los cuales corresponden en el dominio n con una secuencia de
longitud infinita, se deriva que todo sistema descrito por una ecuación de diferencias con
coeficientes constantes tiene una respuesta al impulso h[n] de longitud infinita.
Ejemplo 5.28 Encuentre la ecuación de diferencias correspondiente a un sistema causal

con función de transferencia
1 + z −1
H(z) =
1 + 65 z −1 + 16 z −2

Y (z) 1 + z −1
H(z) = =
X(z) 1 + 56 z −1 + 61 z −2
esto es equivalente a

5 −1 1 −2
Y (z) 1 + z + z = X(z) 1 + z −1
6 6
5 1
y[n] + y[n − 1] + y[n − 2] = x[n] + x[n − 1]
6 6
con lo que finalmente se obtiene
5 1
y[n] = − y[n − 1] − y[n − 2] + x[n] + x[n − 1]
6 6
5.28
4 Lección 30
5.4. Transformada z unilateral

Lección 31 B Al igual que en el caso de sistemas en tiempo continuo, la mayoría de aplicaciones en inge-
niería involucra sistemas y señales causales, por lo que tiene sentido definir la transformada
z unilateral.
5.4.1. Definición y propiedades
La transformada z unilateral se define como:

∞
X
!
Zu {x[n]} = X(z) = x[n]z −n
n=0
zu
y la relación se denota como x[n] X(z).
La transformada z unilateral y la bilateral se diferencian en el límite inferior de la sumatoria,
y presenta por lo tanto las siguientes características:

1. No contiene información sobre la señal x[n] para los valores negativos de n.

2. Es única sólo para señales causales, puesto que éstas son las únicas señales que son
cero para n < 0.
3. Zu {x[n]} = Z {x[n]u[n]}. Puesto que x[n]u[n] es causal, la ROC de su transformada
X(z) es siempre exterior a un círculo. Por lo tanto, cuando se trate con transformadas
z unilaterales, no es necesario referirse a su región de convergencia.
Ejemplo 5.29 Determine la transformada z unilateral de:

1. x1 [n] = {1,2,5,7,0,1}.
↑
2. x2 [n] = {1,2,5,7,0,1}.
↑
3. x3 [n] = {2,4,5,7,0,1}.
↑
4. x4 [n] = δ[n].
5. x5 [n] = δ[n − k],k > 0.
6. x6 [n] = δ[n + k],k > 0.
1. 1 + 2z −1 + 5z −2 + 7z −3 + 1z −5 .
2. 5 + 7z −1 + z −3 .
3. 5 + 7z −1 + z −3 .
4. 1.
5. z −k .
6. 0.
5.29
Nótese que la transformada z unilateral no es única para señales con componentes anti-
causales diferentes (por ejemplo X2 (z) = X3 (z), aun cuando x2 [n] 6= x3 [n]). Para señales
anticausales, X(z) siempre será cero.
Las propiedades de esta transformada son similares a las de la transformada z bilateral, pero
el desplazamiento merece especial atención.
Retardo temporal
zu
Si x[n] X(z), entonces
" k
#
zu X
x[n − k] z −k X(z) + x[−n]z n
n=1
para k > 0. Si x[n] es causal entonces x[n − k] = z −k X(z).

Demostración:
∞
X ∞
X ∞
X
−n −(m+k)
Zu {x[n − k]} = x[n − k]z = x[m]z = x[m]z −m z −k
n=0 m=−k m=−k
∞
( −1 ∞
)
X X X
= z −k x[m]z −m = z −k x[m]z −m + x[m]z −m
m=−k m=−k m=0

( k
)
X
= z −k X(z) + x[−n]z n
n=1
Nótese que si se desplaza x[n] hacia la derecha entonces aparecen k nuevas muestras que
deben considerarse.
Adelanto temporal
zu
Si x[n] X(z), entonces
" k−1
#
zu X
x[n + k] z k X(z) − x[n]z −n
n=0
para k > 0.
Demostración:
∞ ∞
" ∞
#
X X X
Zu {x[n + k]} = x[n + k]z −n = x[m]z −(m−k) = z k x[m]z −m
n=0 m=k m=k
" ∞ k−1
# " k−1
#
X X X
= zk x[m]z −m − x[m]z −m = z k X(z) − x[m]z −m
m=0 m=0 m=0
Nótese que si la señal se desplaza a la izquierda, entonces k muestras de la transformada

X(z) deben desaparecer.
Ejemplo 5.30 Calcule la transformada z unilateral de:

1. x[n] = an .
2. x2 [n] = x[n − 2].
3. x3 [n] = x[n + 2].
Solución:
1. Se cumple
1
Zu {x[n]} = Z {x[n]u[n]} = .
1 − az −1
2.
" 2
#
X
−2 n
Zu {x[n − 2]} = z X(z) + x[−n]z
n=1

= z −2 X(z) + x[−1]z + x[−2]z 2
z −2
= + a−1 z −1 + a−2
1 − az −1

3.
" 1
#
X
Zu {x[n + 2]} = z 2 X(z) − x[n]z −n
n=0

1
= z2 − 1 − az −1
1 − az −1
z2
= −1
− z 2 − az
1 − az
5.30
La propiedad de desplazamiento de la transformada z unilateral se utiliza en la solución de

ecuaciones de diferencias con coeficientes constantes y condiciones iniciales no nulas.
Teorema del valor final
Se tiene que:
N
X
X(z) = Zu {x[n]} = lı́m x[n]z −n
N →∞
n=0
y además:
N
X
Zu {x[n + 1]} = zX(z) − zx[0] = lı́m x[n + 1]z −n
N →∞
n=0
con lo que se tiene:
Zu {x[n + 1]} − Zu {x[n]} = (zX(z) − zx[0]) − X(z)
= (z − 1)X(z) − zx[0]
N N
!
X X
= lı́m x[n + 1]z −n − x[n]z −n
N →∞
n=0 n=0
N N −1
!
X X
= lı́m x[n + 1]z −n − x[n + 1]z −n−1
N →∞
n=0 n=−1
N −1 N −1
!
X X
= lı́m x[n + 1]z −n + x[n + 1]z −N − x[0] − x[n + 1]z −n−1
N →∞
n=0 n=0
N −1
!
X
= lı́m x[n + 1](z −n − z −n−1 ) + x[n + 1]z −N − x[0]
N →∞
n=0
N −1
!
X
= lı́m x[n + 1]z −n−1 (z − 1) + x[n + 1]z −N − x[0]
N →∞
n=0
con lo que se deduce:

N −1
!
X
(z − 1)X(z) = lı́m x[n + 1]z −n−1 (z − 1) + x[n + 1]z −N + (z − 1)x[0]
N →∞
n=0
y aplicando el límite cuando z tiende a 1 a ambos lados se obtiene:

lı́m x[n] = lı́m (z − 1)X(z)
n→∞ z→1

lo que se conoce como teorema del valor final . En la demostración se ha asumido que la ROC
de (z − 1)X(z) incluye a |z| = 1.
Este teorema se utiliza para calcular el valor asintótico de la señal x[n] cuando n tiende a
infinito, si se conoce X(z) pero no x[n].
Ejemplo 5.31 Determine la respuesta del sistema con respuesta impulsional h[n] = an u[n],
|a| < 1, ante un escalón unitario, cuando n → ∞.
Solución: La salida del sistema ante la entrada dada se calcula en el dominio z como:
1 1 z2
y[n] = h[n] ∗ x[n] Y (z) = = , ROC : |z| > 1
1 − az −1 1 − z −1 (z − a)(z − 1)
z2 1
x(∞) = lı́m(z − 1) =
z→1 (z − a)(z − 1) 1−a
| {z }
ROC: |z| > a < 1
Este resultado es consistente con lo mostrado en la figura 5.16.

5.31
5.4.2. Respuestas natural y forzada
Las propiedades de desplazamiento en el tiempo de la transformada z unilateral permiten

evaluar el comportamiento de un sistema cuando las condiciones iniciales no son nulas.
En general, si se asume que el sistema está en reposo, es decir, si se asume que todas
las condiciones iniciales del sistema son nulas, entonces la respuesta y[n] del sistema ante la
entrada causal x[n] se conoce como respuesta forzada del sistema. Si por otro lado la entrada
x[n] es nula, pero el sistema tiene condiciones iniciales no nulas, entonces a la reacción del
sistema a partir de la muestra cero y[n] se le conoce como respuesta natural del sistema.
La respuesta total del sistema es entonces aquella conformada por las respuestas natural y
forzada. El siguiente ejemplo ilustra estos conceptos.
Ejemplo 5.32 Un sistema LTI en tiempo discreto está descrito por la ecuación de dife-
rencias:
4 1
y[n] = y[n − 1] − y[n − 2] + x[n] − x[n − 2]
5 4
Encuentre la respuesta natural del sistema ante las condiciones iniciales y[−1] = 0 y y[−2] =
−4, y la respuesta forzada del sistema ante un escalón unitario.
Solución:
Aplicando la transformada z unilateral, sus propiedades de retraso en el tiempo, y conside-

rando que la entrada x[n] es causal, se cumple:

4
Y (z) = Y (z)z −1 + y[−1]
5
1
− Y (z)z −2 + y[−1]z −1 + y[−2]
4
+ X(z) − X(z)z −2 − x[−1]z −1 + x[−2]

4 1 4 1 1
Y (z) 1 − z −1 + z −2 = X(z) 1 − z −2 + y[−1] − y[−2] − z −1 y[−1]
5 4 5 4 4
4
1 − z −2 5
y[−1] − 4 y[−2] − 41 z −1 y[−1]
1
Y (z) = X(z) +
1 − 45 z −1 + 14 z −2 1 − 45 z −1 + 14 z −2
| {z } | {z }
Respuesta forzada Respuesta natural
Obsérvese que ambas componentes, la natural y la forzada, comparten los mismos polos, y
determinan así la forma de las señales en cuanto a atenuación/amplificación exponenciales
y la frecuencia de las componentes oscilatorias. Los ceros serán responsables de la fase y
amplitud de las señales resultantes.
La respuesta natural del sistema se obtiene haciendo X(z) = 0:
4
5
y[−1] − 14 y[−2] − 14 z −1 y[−1]
Y (z) =
1 − 54 z −1 + 14 z −2
y con las condiciones iniciales dadas
1 1
Y (z) = 4 −1 =
1− 5
z + 41 z −2 1− 2
5
3
+ j 10 z −1 1− 2
5
3
− j 10 z −1
1
2
− j 32 1
2
+ j 23
= 2 3
+ 2 3

1− 5
+ j 10 z −1 1− 5
− j 10 z −1
y por lo tanto
n n
1 3 4 1 3
y[n] = cos n arctan u[n] + sen n arctan u[n]
2 4 3 2 4
La respuesta forzada ante un escalón unitario estará dada por la transformada z inversa de
1 − z −2 1
Y (z) = 4 −1 1 −2
1 − 5 z + 4 z 1 − z −1
El cero en 1 se cancela con el polo en el mismo sitio. El lector puede demostrar por descom-
posición en fracciones parciales que: expresión se puede reescribir como:
1 + z −1 1 + z −1
Y (z) = =
1 − 45 z −1 + 41 z −2 1− 2
5
+ j 103
z −1 1 − 2
5
3
− j 10 z −1
1
2
− j 37 1
2
+ j 73
= 2 3
+ 2 3

1− 5
+ j 10 z −1 1 − 5
− j 10 z −1
que corresponde a la señal
n n
1 3 14 1 3
y[n] = cos n arctan u[n] + sen n arctan u[n]
2 4 3 2 4
5.32

5.5. Interconexión de sistemas

Los siguientes conceptos se aplican tanto a sistemas discretos como continuos. Puesto que
en los dominios de la frecuencia jω, s y z la convolución del tiempo se transforma en un
producto algebraico, además de que las transformaciones son lineales, esto permite gene-
ralizar los conceptos a los tres dominios por igual. Se tratará aquí el caso especial de los
sistemas discretos, pero los principios son válidos si se sustituye la variable discreta n por la
variable continua t, y si se reemplaza el dominio z y la transformada z, por el dominio s y
la transformada de Laplace.
Hay dos maneras fundamentales de interconectar sistemas: interconexión en cascada (serie)
e interconexión paralela (figura 5.17). La interconexión en cascada se describe con sistemas
de la forma:
y[n] = T2 [T1 [x[n]]] = Tc [x[n]]
En general, para la conexión en cascada el orden de los bloques no es relevante. Si los sistemas
son lineales e invariantes en el tiempo entonces Tc es invariante en el tiempo, y T1 T2 = T2 T1 .
La interconexión en paralelo se describe por
y[n] = T1 [x[n]] + T2 [x[n]] = Tp [x[n]] .
y1 (n)
T1
T1 T2
x(n) y1 (n) y(n) x(n) y(n)
T2
y2 (n)
(a) (b)
Figura 5.17: Interconexión de sistemas discretos. (a) Cascada. (b) Paralelo
Nótese que si el sistema es LTI, entonces se cumple y1 [n] = x[n] ∗ h1 [n] y por tanto en el
dominio z esta relación se puede representar por Y1 (z) = X(z)H1 (z). Puesto que también se
cumple Y (z) = H2 (z)Y1 (z) se concluye que
Y (z) = [H1 (z)H2 (z)]X(z)
o en otras palabras la función de transferencia de la cascada de sistemas es igual al producto

de las mismas. Para la conexión en paralelo se puede hacer uso de la linealidad y así obtener
Y (z) = [H1 (z) + H2 (z)]X(z)
5.5.1. Diagramas de bloques
Sumador
El sumador es un bloque que realiza la adición entre dos señales, sumando las muestras en
un instante dado y se representa como lo indica la figura 5.18.

x1 [n]
y[n] = x1 [n] + x2 [n]
x2 [n]
Figura 5.18: Diagrama de un sumador.
Multiplicador por constante
El multiplicador por constante es un bloque que escala la amplitud y cambia la fase de una
señal, y se representa como lo indica la figura 5.19.
x[n] a y[n] = ax[n]
Figura 5.19: Diagrama de un multiplicador por constante.
Multiplicador de señal
El multiplicador de señal es un bloque que multiplica en cada instante de tiempo sus diversas
entradas. Éste es representado como lo indica la figura 5.20.
x1 [n] y[n] = x1 [n]x2 [n]
x2 [n]
Figura 5.20: Diagrama de un multiplicador de señales.
Retardador de un elemento
El retardador es un bloque que retrasa la señal de entrada en una unidad de tiempo. Este es
utilizado principalmente en el análisis y modelado de sistemas discretos. Se representa como
lo indica la figura 5.21.
Adelantador de un elemento
El adelantador es un elemento que adelanta una señal una unidad de tiempo en el futuro.
No es realizable físicamente y solo existe en sistemas discretos que operan “fuera de línea”.
Se representa como lo indica la figura 5.22.
Ejemplo 5.33 Realice el diagrama de bloques para

1 1 1
y[n] = y[n − 1] + x[n] + x[n − 1]
4 2 2
Nótese primero que esta expresión puede reescribirse de la siguiente forma:

1 1
y[n] = y[n − 1] + (x[n] + x[n − 1])
4 2
x[n] y[n] = x[n − 1]

z −1
Figura 5.21: Diagrama de elemento retardador.
x[n] y[n] = x[n + 1]

z
Figura 5.22: Diagrama de elemento adelantador.
con lo que se deriva fácilmente el diagrama mostrado en la figura 5.23.

5.33
Ejemplo 5.34 Encuentre la función de transferencia del sistema mostrado en la figura 5.24.
Solución: Las funciones en los bloques denotan sus respuestas al impulso. Así se tiene que
los bloque y señales tienen las siguientes transformadas:
x[n] X(z)
y[n] Y (z)
q[n] Q(z)
g[n] G(z)
e[n] E(z)
La señal e[n] se obtiene con la substracción de la entrada x[n] y la salida del bloque con
función de transferencia G(z), y se cumple entonces en el dominio z que E(z) = X(z) −
Y (z)G(z).
Aplicando las propiedades de linealidad y de convolución se tiene que
E(z)Q(z) = Y (z)
[X(z) − G(z)Y (z)]Q(z) = Y (z)
X(z)Q(z) = Y (z)[1 + G(z)Q(z)]
Y (z) Q(z)
H(z) = =
X(z) 1 + G(z)Q(z)
Esta estructura será utilizada ampliamente en control automático. Nótese que si X(z), y
Q(z), G(z) son funciones racionales, entonces H(z) también lo será.
1 y[n]
2
x[n]
z −1 1
z −1
4
Figura 5.23: Diagrama de bloques de la ecuación (5.23).

x[n] e[n] y[n]

q[n]
g[n]
Figura 5.24: Sistema retroalimentado
5.34
4 Lección 31

5.6. Problemas
Problema 5.1. Considere la representación de la función de variable discreta x[n] en

términos continuos
∞
X ∞
X ∞
X
x̂a (t) = x[n]δ(t − nT ) = xa (nT )δ(t − nT ) = xa (t)δ(t − nT )
n=−∞ n=−∞ n=−∞
donde x[n] se obtiene muestreando periódicamente a la señal analógica xa (t).

Si xa (t) tiene una respuesta en frecuencia Xa (jω), encuentre el espectro correspondiente de
x[n]. ¿Qué relación debe existir entre el periodo de muestreo T y el espectro Xa (jω) para
que la señal original xa (t) sea reconstruíble?
Problema 5.2. Dada la secuencia x[n] = {1,2,4,3,2,1, 12 }, grafique las secuencias:

↑
1. 2x[n] 3. x[−2 − n] 5. x[−2 + n]
2. x[−n] 4. x[2 − n] 6. x[2 + n]
Problema 5.3. Si x[n] = {1,2,3,4}, exprese las siguientes secuencias en términos de x[n]
↑
1. {1,2,3,4,0,0} 3. {4,3,2,1}
↑ ↑
2. {0,1,2,3,4} 4. {4,3,2,1}
↑ ↑
Problema 5.4. Represente las siguientes secuencias en términos de rampas ur [n] y esca-
lones unitarios u[n].
1. x1 [n] = {0,1,2,3,4,3,2,1,0} 4. x4 [n] = {4,3,2,1,0,1,2,3,4}

↑
2. x2 [n] = {0,1,2,3,4,4,4,3,2,1,0}
3. x3 [n] = {0,1,1,1,1,0,0} 5. x5 [n] = {−4, − 3, − 2, − 1,0,1,2,3,4}
↑
Problema 5.5. Grafique las siguientes funciones e indique cualitativamente qué regiones
de convergencia (ROC) tiene su transformada z:

1. x[n] = sen(ωn)u[n] 4. x[n] = ur [n] − 2ur [n − 5] + ur [n − 10]

−|n|
2. x[n] = u[n + 4] − u[n − 2] 5. x[n] = − 21
3. x[n] = u[−n − 2] 6. x[n] = ur [n + 5]u[−n − 5]
Problema 5.6. Encuentre las regiones del plano z donde las siguientes series convergen:
∞ n+2
X X∞ −n+2
1 1
1. z −n
3. zn
n=−2
3 n=2
3
∞ X∞ |n| hπ i
X 1 + (−1)n 1
2. z −n
4. cos n z n
2 n=−∞
3 4
n=0
Problema 5.7. Encuentre la transformada z de

u[n − 2]
x[n] =
4n
con su correspondiente ROC.
Problema 5.8. Sea

x[n] = (−1)n u[n] + αn u[−n − n0 ]
Encuentre para qué valores de α y n0 es la ROC de la transformada z de x[n]
1 < |z| < 2
Problema 5.9. Encuentre la transformada z de

( n π
1
2
cos 4
n n≤0
x[n] =
0 n>0
Indique los polos, ceros y ROC.
Problema 5.10. Para las siguientes expresiones identifique los ceros y polos finitos e
infinitos.

z −1 1 − 21 z −1 z −2 (1 − z −1 )
1. 3.
1 − 31 z −1 1 − 14 z −1 1 − 14 z −1 1 + 41 z −1
(1 − z −1 ) (1 − 2z −1 )
2.
(1 − 3z −1 ) (1 − 4z −1 )

Problema 5.11. Si x[n] es absolutamente sumable y tiene transformada z racional, con

un polo en 1/2, entonces ¿podría x[n] ser
1. una señal finita? 3. una señal derecha?
2. una señal izquierda? 4. una señal bilateral?
Problema 5.12. Sea

1 − 41 z −2
X(z) =
1 + 14 z −2 1 + 54 z −1 + 83 z −2
Indique cuántas y cuáles regiones de convergencia son posibles para X(z).
Problema 5.13. Encuentre para todas las señales discretas x[n] mostradas en la tabla 5.1
la transformada z correspondiente utilizando la definición.
Problema 5.14. Sea x[n] una señal con transformada z racional X(z), que tiene un polo
en z = 1/2. Se sabe además que
n
1
x1 [n] = x[n]
4
es absolutamente sumable, pero n
1
x2 [n] = x[n]
8
no es absolutamente sumable. Con esta información indique si x[n] es izquierda, derecha,
bilateral o finita.
Problema 5.15. Encuentre las funciones en tiempo discreto equivalentes a las trans-
formadas z indicadas en la tabla 5.1 utilizando la definición integral de la transformada z
inversa.
Problema 5.16. Utilizando la definición de la transformada z inversa, encuentre la se-

cuencia en el tiempo discreto equivalente a
1 − 31 z −1
X(z) = , ROC: |z| > 2
(1 − z −1 )(1 + 2z −1 )
Problema 5.17. Encuentre la transformada z inversa de:

1. X(z) = cos(z)

2. X(z) = sen(z)
sabiendo que en ambos casos el círculo unitario del plano z se encuentra en la ROC.
Problema 5.18. Encuentre por división polinomial la transformada z inversa de

1 + z −1
X(z) =
1 + 13 z −1
para ROC: |z| > 1/3 y para ROC: |z| < 1/3.
Problema 5.19. Encuentre la transformada inversa de

1 − 31 z −1
X(z) =
(1 − z −1 )(1 + 2z −1 )
para todas las posibles regiones de convergencia por medio de descomposición en fracciones
parciales.
Problema 5.20. Encuentre la transformada z inversa de

1 256 − z −8
X(z) = , ROC: |z| > 0
256 1 − 12 z −1
Problema 5.21. Para la ventana rectangular

(
1 0≤n≤k
x[n] =
0 en el resto
sea
g[n] = x[n] − x[n − 1]
1. Encuentre una expresión para g[n] y su transformada z.

2. Encuentre la transformada z de x[n] considerando que
n
X
x[n] = g[k]
k=−∞
Problema 5.22. Demuestre que dos términos polinomiales simples complejos conjugados,
y una ROC externa a los dos polos, dan origen a las señales:
A
+
A∗
1 − p1 z −1 1 − p∗1 z −1
2 |A| |p1 |n cos[n∠p1 + ∠A]u[n]
= 2 |p1 |n Re{A} cos[n∠p1 ] − 2 |p1 |n Im{A} sen[n∠p1 ]

Problema 5.23. Dada la señal triangular
g[n] = ur [n] − 2ur [n − a] + ur [n − 2a]
si x[n] es una ventana rectangular

(
1 0≤n≤k
x[n] =
0 en el resto
encuentre los valores de k y n0 en términos de a necesarios para que se cumpla
g[n] = x[n] ∗ x[n − n0 ]
Encuentre la transformada z de g[n] directamente de su definición, y utilizando la propiedad

de convolución.
Problema 5.24. Para las siguientes funciones de transferencia de sistemas discretos, si se

sabe que estos son estables indique si además son causales:
1 − 34 z −1 + 12 z −2
1.
z −1 1 − 12 z −1 1 − 31 z −1
z − 21
2.
z 2 + 12 z − 3
16
z+1
3. 4
z + − 12 z −2 − 32 z −3
3
Problema 5.25. Un sistema LTI tiene función de transferencia H(z) y respuesta al impulso
h[n]. Se sabe
1. h[n] es real
2. h[n] es derecha
3. lı́m H(z) = 1
z→∞
4. H(z) tiene dos ceros
5. H(z) tiene uno de sus polos en una ubicación no real en el círculo |z| = 3/4
¿Es el sistema causal? ¿Es estable?
Problema 5.26. Encuentre la transformada z unilateral de las siguientes señales.

n
1
1. x1 [n] = u[n + 5]
4
2. x2 [n] = δ[n + 3] + δ[n] + 2n u[−n]

|n|
1
3. x3 [n] =
2
Problema 5.27. Un sistema de entrada x[n] y salida y[n] se rige por la ecuación de
diferencias:
y[n − 1] + 2y[n] = x[n]
1. Determine la respuesta de entrada cero al sistema si su condición inicial es y[−1] = 2.
2. Encuentre la respuesta de estado cero si su entrada es x[n] = (1/4)n u[n].
3. Determine la salida del sistema para n ≥ 0 si y[−1] = 2 y x[n] = (1/4)n u[n]

Capítulo 6
Análisis de Fourier en tiempo discreto
En el capítulo 3 se derivó la descomposición de funciones continuas en componentes ex-

ponenciales complejos, o para el caso de funciones reales, en componentes sinusoidales. La
importancia de estas descomposiciones radica en que, para sistemas LTI, las señales sinusoi-
dales y exponenciales complejas conservan su forma y su frecuencia (son funciones propias).
Tan solo su magnitud y su fase son alteradas por estos sistemas, con cambios de ganacia y
fase determinados por la respuesta en frecuencia del sistema.
El análisis frecuencial proporciona entonces herramientas para el cálculo de los componentes
que constituyen una señal, así como la modificación realizada a dichos componentes por los
sistemas. En este capítulo se extenderán dichos conceptos al dominio temporal discreto.
6.1. Funciones sinusoidales y el concepto de frecuencia

El principio básico en el análisis de señales y sistemas se centra en la descomposición de
una señal de entrada en componentes elementales para los que se conoce cómo reacciona el
sistema ante ellos, y se conoce además la manera en el que el sistema combina las respuestas
a cada componente. En el capítulo 3 se introdujeron las herramientas del análisis de Fourier,
donde las funciones elementales utilizadas son exponenciales complejas o sinusoidales, carac-
terizadas por su frecuencia, amplitud y fase. El concepto de frecuencia será ahora revisado
para acentuar diferencias fundamentales que existen entre los dominios discreto y continuo.
El punto de partida para este análisis serán las funciones sinusoidales.
6.1.1. Función sinusoidal continua
Una oscilación armónica simple se describe matemáticamente a través de la función continua:
xa (t) = A cos(ωt + θ), −∞<t<∞ (6.1)
donde el subíndice a indica aquí que xa (t) es una función analógica. La amplitud de la función
está dada por A, y ω es la frecuencia angular en radianes por segundo (rad/s) y θ es la fase
en radianes. Es también común utilizar la frecuencia hertziana f en ciclos por segundo o
Hertz (Hz), en donde se cumple
ω = 2πf
359
6 Análisis de Fourier en tiempo discreto 360
con lo que (6.1) se expresa como
xa (t) = A cos(2πf t + θ), − ∞ < t < ∞.
Si ω es constante, entonces xa es periódica; es decir, se cumple
xa (t + T ) = xa (t)
donde T = 1/f es el período (figura 6.1).
xa (t)
A cos θ
T = 1/f
Figura 6.1: Ejemplo de una función analógica sinusoidal.
Lo anterior se cumple para cualquier valor real de frecuencia ω, al que corresponde un periodo
T = 2π/ω, también real. Es decir, cualquier función sinusoidal de frecuencia real siempre
será periódica. Esto podrá parecer obvio, pero en un momento se expondrá el caso discreto,
en el cual esto no siempre es así.
6.1.2. Función sinusoidal discreta
La función sinusoidal en tiempo discreto se expresa como
x[n] = A cos[ωn + θ], n ∈ Z (6.2)
con la variable entera n ∈ Z (también denominada número de muestra). La amplitud de la

función es A, ω es la frecuencia angular en radiantes por muestra y θ la fase en radianes. De
forma similar al caso continuo, se usa ω = 2πf para reescribir (6.2) como
x[n] = A cos[2πf n + θ], n ∈ Z . (6.3)
En este caso las dimensiones de la frecuencia f son ciclos por muestra, y puesto que usual-
mente se tienen varias muestras por ciclo, los valores de la frecuencia son usualmente menores
que la unidad. La figura 6.2 muestra un ejemplo con f = 1/12 y θ = π/3.
Periodicidad de un sinusoide discreto
Por definición una función de variable discreta x[n] es periódica con periodo N , (N ∈ IN+ )
si y solo si
x[n + N ] = x[n] ∀n ∈ Z (6.4)

x[n] = A cos[ωn + θ]
Figura 6.2: Ejemplo de una función sinusoidal discreta (ω = π/6 y θ = π/3).
El menor valor de N para el que se cumple (6.4) se denomina periodo fundamental . Una
función sinusoidal de frecuencia f0 es periódica si
cos [2π f0 (N + n) + θ] = cos [2π f0 n + θ]
lo que se cumple solo si existe un entero k tal que
2π f0 N = 2kπ
o, en otros términos
k
f0 = (6.5)
N
que es siempre un número racional. Esto quiere decir que una función sinusoidal discreta con
un valor de frecuencia irracional no es periódica, lo que contrasta radicalmente con el caso
continuo, en el que la periodicidad aplica para toda frecuencia real.
Para determinar el periodo fundamental de una función sinusoidal, se debe expresar su
frecuencia racional como en (6.5) y se simplifican los factores comunes de tal forma que
k y N formen números primos relativos. Por ejemplo si f1 = 5/32 = 0,15625 el periodo
fundamental es N = 32, pero si la frecuencia es f2 = 4/32 = 1/8 = 0,125 el periodo
fundamental es N = 8 (figura 6.3). Esto quiere decir que aún cuando los valores de frecuencia
se encuentren relativamente cerca, sus periodos pueden cambiar radicalmente.
x1 [n] = cos[2πf1 n] x2 [n] = cos[2πf2 n]
32
n 8 32
n
(a) (b)
Figura 6.3: Comparación de dos frecuencias cercanas en funciones de variable discreta. (a) Fre-
cuencia f1 = 5/32, periodo N = 32. (b) Frecuencia f2 = 4/32 = 1/8, periodo N = 8.
La línea punteada denota una función continua con frecuencia equivalente para resal-
tar la comparación de oscilaciones por periodo. En rojo está resaltado un periodo.

Defínase el tiempo de una “oscilación” de la sinusoide discreta como el tiempo O = 1/f , en

el que una función continua con la misma frecuencia oscilaría una vez. El número k en (6.5)
indica cuántas oscilaciones hay en un periodo siempre que k < N/2. Así, en la figura 6.3 a
se observan cinco oscilaciones en un periodo N = 32 (ver línea delgada entre las muestras
como referencia continua), mientras que en la figura 6.3 b hay una oscilación por periodo
N = 8.
Ejemplo 6.1 Encuentre el periodo fundamental de las funciones

1. cos 4π
16
n
7π
2. cos 15 n

3. cos 12 n
Solución:
En el primer caso la frecuencia es f = 1/8 y por tanto el periodo fundamental es 8, y solo
hay una oscilación en dicho periodo.
En el segundo caso la frecuencia es f = 7/30 y por tanto el periodo fundamental es N = 30,
y ocurren 7 oscilaciones en dicho periodo.
En el tercer caso la frecuencia es f = 1/4π que es un número irracional y por tanto la función
no es periodica. 6.1
Obsérvese que si se desea tener un número de funciones sinusoidales que compartan un

periodo común N , en el caso discreto solo existen exactamente N posibles casos para lograrlo:
0/N , 1/N , 2/N , . . . , N −1/N (ver figura 6.4). Esto difiere del caso continuo, en el que hay un número
infinito de frecuencias fk = k/T armónicamente relacionadas con f0 = 1/T , todas con un

periodo T en común.
Equivalencia de frecuencias en sinusoides discretos
Considérese de nuevo la función sinusoidal discreta cos[ω0 n + θ]. Obsérvese que si se suma
2π a la frecuencia angular, se cumple
cos [(ω0 + 2π)n + θ] = cos[ω0 n + 2πn + θ] = cos[ω0 n + θ]
por lo que todas las sucesiones sinusoidales
xk [n] = A cos[ωk n + θ] ωk = ω0 + 2kπ, k∈Z
son idénticas y por tanto las frecuencias ωk = ω0 + 2kπ son equivalentes entre sí, para todo
valor k entero.
Por otro lado, las sucesiones de cualesquiera dos funciones sinusoidales discretas con frecuen-
cias en el rango −π < ω ≤ π (ó − 12 < f ≤ 12 ) son diferentes. A las frecuencias ω ∈ ]−π; π]
(ó f ∈ ]−1/2; 1/2]) se les considera frecuencias fundamentales y a las frecuencias |ω| > π (ó
|f | > 21 ) se les denomina alias de alguna otra frecuencia fundamental, por ser las funciones
correspondientes indistinguibles de aquellas con una frecuencia fundamental equivalente.

x0 [n] = cos[(2π 0/6)n] x1 [n] = cos[(2π 1/6)n] x2 [n] = cos[(2π 2/6)n]

1 1 1
-1 1 2 3 4 5 6 ··· n -1 1 2 3 4 5 6 ··· n -1 1 2 3 4 5 6 ··· n
−1 −1 −1
x3 [n] = cos[(2π 3/6)n] x4 [n] = cos[(2π 4/6)n] x5 [n] = cos[(2π 5/6)n]

1 1 1
-1 1 2 3 4 5 6 ··· n -1 1 2 3 4 5 6 ··· n -1 1 2 3 4 5 6 ··· n
−1 −1 −1
Figura 6.4: Funciones discretas cosenoidales armónicamente relacionadas de periodo N = 6. En

principio hay seis frecuencias posibles, pero obsérvese la equivalencia entre x1 [n] y
x5 [n], o entre x2 [n] y x4 [n]. Obsérvese además que el periodo de las funciones varía:
N0 = 1 para x0 [n], N1 = 6 para x0 [n] y x5 [n], N2 = 3 para x2 [n] y x4 [n], y N3 = 2
para x3 [n].
Equivalencia de frecuencias entre sinusoides continuos y discretos
Para analizar la relación entre frecuencias continuas y discretas asúmase que una función
analógica xa (t) = cos(2πfa t) se muestrea cada Ts unidades de tiempo para dar origen a la
función en tiempo discreto x[n] = xa (nTs ) = cos[2πf n]. La igualdad es posible solo si los
argumentos de las funciones cosenoidales continuas y discretas son iguales en las muestras,
por lo que
!
2πf n = 2πfa nTs .
Definiendo la frecuencia de muestreo fs = 1/Ts entonces
fa
f= (6.6)
fs
de donde se deriva el nombre de frecuencia normalizada para f , la frecuencia de la función
sinusoidal discreta.
De modo similar se deriva para las frecuencias angulares con ωs = 2πfs y ωa = 2πfa que
ωa
ω = 2π = 2πf
ωs
El uso de frecuencias normalizadas en el dominio discreto es común, y permite abstraer las

frecuencias de las funciones analógicas originales y la frecuencia con que se muestrean. Con
(6.6) se convierte entonces entre dominios, conociendo la frecuencia de muestreo entre los
dominios analógico y digital.

Ejemplo 6.2 Una función discreta x[n] = cos[44πn/2205] se reconvierte al dominio analó-
gico utilizando un convertidor digital/analógico que funciona a fs = 44100 Hz. Encuentre la
frecuencia de la función analógica reconstruida.
Solución:
Se tiene que
44π
2πf =
2205
por lo que la frecuencia normalizada es f = 22/2205. Con (6.6) se tiene entonces que
22
fa = fs f = 44 100 Hz · = 440 Hz
2205
6.2
Tasa máxima de oscilación
Considérese ahora la sucesión sinusoidal

2πk
xk [n] = cos[ωk n] ωk =
N
para el rango de frecuencias ωk ∈ [0,π]. La figura 6.4 muestra el caso particular para N = 6
como ejemplo. Se aprecia que la tasa de oscilación aumenta hasta llegar a ω3 = π.
Ahora, para analizar el caso de frecuencias angulares mayores que π, defínase ω̄k = 2π − ωk .
Si ωk ∈ [0,π] entonces ω̄k ∈ [π,2π] de tal forma que si ωk aumenta, entonces ω̄k disminuye.
Debido a que
x̄k [n] = A cos[ω̄k n] = A cos[(2π − ωk )n] = A cos[−ωk n] = xk [n]
la frecuencia angular ω̄k es un alias de ωk , lo que se observa figura 6.4. Se concluye entonces
que, si la frecuencia angular aumenta de π hacia 2π, la tasa de oscilación se reduce, al
representar estos alias frecuencias que bajan de π a 0.
Debido a que las funciones sinusoidales de variable discreta con frecuencias separadas por
un entero múltiplo de 2π son idénticas, entonces las frecuencias en un intervalo [ω0 ,ω0 + 2π[
representan a todas las frecuencias existentes para estas funciones. En otras palabras, el
rango de frecuencias distinguibles para sinusoides de variable discreta es finito con un ancho
de banda
1 1de 2π. Usualmente se utilizan los rangos de frecuencias angulares ω ∈ ]−π,π]
(f ∈ − 2 , 2 ) o ω ∈ [0,2π[ (f ∈ [0,1[) y reciben el nombre de rango fundamental .
6.1.3. Exponenciales complejos discretos
En la sección 14 se introdujo el concepto de relación armónica para funciones exponenciales

de variable continua
sk (t) = ejkω0 t = ej2πkf0 t k ∈ Z.
cuando todas comparten un periodo fundamental T = 1/f0 . El periodo fundamental de
cada función sk (t) es 1/(kf0 ) = T /k, o lo que es equivalente, la frecuencia de sk (t) es kf0 .

En este caso de variable continua, para k 6= l se cumple en general que sk (t) 6= sl (t), o en
otros términos, existe un número infinito de funciones complejas relacionadas armónicamente
con s1 (t) = ejω0 t .
Para el caso de funciones exponenciales complejas de variable discreta, definidas estas como
x[n] = ejωn = cos[ωn] + j sen[ωn]

= ej2πf n = cos[2πf n] + j sen[2πf n]
con ω = 2πf , para sus partes real e imaginaria se cumplen las mismas restricciones analizadas
anteriormente para sinusoidales discretas:
1. Solo serán periódicas aquellas funciones con frecuencia normalizada racional de la forma
f = k/N . Si k y N son primos relativos, el periodo fundamental de x[n] es N .
2. La frecuencia máxima de oscilación ocurre en ω = π (o f = 1/2). Obsérvese que ω = −π

es un alias de ω = π.
3. Solo existe un rango de frecuencias fundamentales ω ∈ ]−π,π] único, puesto que todas
las frecuencias ω y ω + k2π, con k ∈ Z, son equivalentes.
La figura 6.5 ilustra una representación tridimensional de la función exponencial discreta,

donde para cada muestra n se tiene un plano complejo, con cada muestra representada
allí en su forma polar. Nótese que estas muestras se encuentran todas sobre un cilintro
de radio uno. Las exponenciales continuas se interpretan como fasores que rotan una vez
[n]}
Im{x
1
[n]}
Re{x
1 2
1
3 4
−1 5 6
7 8
9 10
11 12 13
−1 14 15
16 n
Figura 6.5: Función exponencial en tiempo discreto x[n] = ejωn con ω = 2π/8. La parte real
corresponde a una función cosenoidal discreta y la parte imaginaria a una función
senoidal discreta.
por periodo en sentido antihorario para frecuencias positivas, y en sentido horario para
frecuencias negativas. Las funciones exponenciales discretas, de forma equivalente rotan,
pero en saltos discretos con un ángulo ω = 2πf radianes. Obsérvese que si π < ω < 2π
entonces ese ángulo positivo es equivalente a otro negativo −2π + ω, lo que confirma la
exitencia de un solo rango fundamental ]−π; π], tal que cualquier frecuencia ω > π tiene
otra equivalente dentro de dicho rango fundamental.
De forma equivalente al caso continuo, se habla de relación armónica para un conjunto de
funciones exponenciales complejas discretas, si todas ellas comparten un periodo discreto
común N . Además, por ser todas las funciones periódicas, sus frecuencias normalizadas

deben ser racionales y para que sean armónicamente relacionadas deben adicionalmente ser
múltiplos enteros de la frecuencia fundamental f0 = N1 . Así
2π
sk [n] = ejkω0 n = ej2πkf0 n = ej N kn = wN
kn
k∈Z (6.7)
2π
donde wN = ej N = ejω0 es la primera N -ésima raíz de 1. A diferencia del caso continuo, se
tiene para k 0 = k + N
(k+N ) kn kn
sk+N [n] = ej2π N
n
= ej2π N ej2πn = ej2π N = sk [n] .
Esto significa que en el caso de funciones exponenciales discretas solo existen N funciones
relacionadas armónicamente, donde todos los miembros del conjunto descrito en (6.7) tienen
como periodo fundamental N muestras.
A continuación se siguen los mismos pasos del análisis de Fourier derivados para el caso
continuo, para lo cual se debe encontrar una base funcional discreta a utilizar con la serie
generalizada de Fourier. Se requieren dos cosas: un producto interno a usar con las funciones
de variable discreta, y una base funcional ortogonal con el producto interno seleccionado.
Para dos sucesiones discretas definidas en un mismo rango [n0 ; n0 + N − 1], se reutiliza la
definición de producto interno introducida en la sección 3.1.3:
n0X
+N −1 N
X −1
ha[n],b[n]i = ∗
a [n]b[n] = a∗ [n + n0 ]b[n + n0 ] (6.8)
n=n0 n=0
Con este producto interno, si se multiplican dos funciones exponenciales discretas periódicas
relacionadas armónicamente, en un periodo entre 0 y N − 1:
N
X −1 N
X −1
2πk 2πl
hsk [n],sl [n]i = s∗k [n]sl [n] = e−j N
n
ej N
n
n=0 n=0
N
X −1
2π(l−k)
= ej N
n
n=0
Considerando que 
N
X −1 N a=1
an = 1 − aN
 a 6= 1
n=0
1−a
2π(l−k)
y tomando a = ej N , entonces puesto que l − k tiene siempre un valor entero
2π(l−k)
aN = ej N
N
= ej2π(l−k) = 1
con lo que finalmente se obtiene:

(
N si k = l
hsk [n],sl [n]i = (6.9)
0 si k =
6 l
lo que indica que las N funciones

√ armónicamente relacionadas son ortogonales entre sí, y
tienen como norma ksk k = N . A los mismos resultados se llega usando cualquier otro
punto inicial n0 6= 0, lo que se deja de ejercicio para el lector.

6.2. Serie de Fourier en tiempo discreto

En el capítulo 3 se mostró que el espectro de funciones continuas abarca un rango infinito
de frecuencias. En el caso de funciones periódicas, estas tienen un espectro discreto, donde
solo hay información en frecuencias múltiplos enteros de ω0 = 2π/T , con T el periodo
fundamental de la función (el caso de las series de Fourier). Para funciones no periódicas
se tiene un espectro contínuo para toda frecuencia ω real (el caso de la transformada de
Fourier).
En las secciones anteriores se demostró que para funciones de naturaleza discreta solo exis-
te unicidad para frecuencias normalizadas f en el intervalo ]−1/2; 1/2], ó [0; 1[, en donde
frecuencias racionales corresponderán a componentes periódicas y frecuencias irracionales a
componentes no periódicas.
6.2.1. Derivación de la serie de Fourier en tiempo discreto
Una función discreta periódica con periodo fundamental N tiene componentes frecuenciales
separadas por ω = 2π/N o f = 1/N , que se representan por los exponenciales complejos
discretos armónicamente relacionados:
sk [n] = ej2πkn/N = wN
kn
, k = 0...N − 1 (6.10)
2π
Aquí de nuevo wN = ej N = ejω0 .
Con las ecuaciones de análisis (3.22) y de síntesis (3.23) de series generalizadas de Fourier,
usando como base funcional a (6.10) y con el producto interno (6.8), se llega a:
N
X −1 N
X −1 N
X −1
x[n] = ck sk [n] = ck e j2πkn/N
= kn
ck w N (6.11)
k=0 k=0 k=0
N −1 N −1 N −1
hsk [n],x[n]i 1 X ∗ 1 X −j 2πkn 1 X
ck = = s [n]x[n] = x[n]e N = −kn
x[n]wN (6.12)
ksk [n]k2 N n=0 k N n=0 N n=0
Al par de ecuaciónes (6.11) y (6.12) se les denomina serie de Fourier en tiempo discreto
(DTFS, discrete time Fourier series). En la ecuación de análisis se usó el intervalo de 0 a
N − 1, pero en realidad, por ser x[n] periódica de periodo N , se puede utilizar cualquier
intervalo de N muestras (ver problema 6.6) sin que se altere el resultado:
n0X
+N −1 n0X
+N −1 n0X
+N −1
1 1 −j 2πkn 1 −kn
ck = s∗k [n]x[n] = x[n]e N = x[n]wN
N n=n0
N n=n0
N n=n0
Para simplificar la notación y hacer énfasis en que lo único que se requiere es sumar en un
periodo de N muestras, sin importar n0 , se utiliza como notación de la ecuación de análisis:
1 X −kn 1 X 1 X 2π
ck = x[n]wN = x[n]e−jω0 kn = x[n]e−j N kn
N N N
n=hN i n=hN i n=hN i
El coeficiente ck indica la amplitud y fase de la componente frecuencial sk [n] = ej2πkn/N =

ejω0 kn con frecuencia angular normalizada kω0 = 2πk/N , lo que es equivalente a kf0 = k/N .

Obsérvese que
N −1 N −1
1 X −j2π(k+N )n/N 1 X
ck+N = x[n]e = x[n]e−j2πkn/N e−j2πn = ck
N n=0 N n=0
lo que indica que los coeficientes ck son a su vez periódicos con periodo N . Por conveniencia
se utiliza para ck normalmente el intervalo k = 0 . . . N − 1.
Ejemplo 6.3 Encuentre la serie de Fourier de un tren de impulsos de periodo N , dado

por:
X∞
xN [n] = δ[n − lN ]
l=−∞
donde la notación con la letra cirílica x (sha) utiliza como subíndice el periodo, que, si se
omite, se asume es uno.
Solución:
El tren de impulsos se ilustra en la figura 6.6. Para calcular los coeficientes de su serie de
xN [n]
1
n
−3N −2N −N N 2N 3N
Figura 6.6: Tren de impulsos periódico, con periodo N .
Fourier se utiliza:
N −1
1 X 1 1
ck = xN [n]e−jω0 kn = xN [0]ejω0 k0 =
N n=0 N N
Esto quiere decir que el espectro de un tren de impulsos tiene en todos sus armónicos un
valor constante igual a un periodo. 6.3
Ejemplo 6.4 Encuentre los coeficientes de la serie de Fourier para la función x[n] =
cos[ω0 κn], con κ entero entre 0 y N − 1.
Solución:
Utilizando la identidad de Euler:
1 1
cos[ω0 κn] = ejω0 κn + e−jω0 κn
2 2
y comparando con la ecuación de síntesis:
X
x[n] = ck ejω0 kn
k=hN i

se observa que solo hay dos coeficientes ck distintos de cero para k = ±κ, pero considerando
la periodicidad que debe tener ck entonces
(
1
para k = ±κ + lN,l ∈ Z
ck = 2
0 en el resto
6.4
6.2.2. Representación matricial
Para el cálculo de la DTFS utilizando sistemas computacionales es usual reescribir las ecua-
ciones anteriores por medio de álgebra lineal. Defínase primero al vector x como el vector
conformado por las primeras N muestras de x[n], lo que corresponde a un periodo:
x = [x[0], x[1], . . . , x[N − 1]]>
donde se ha usado la convención de que x debe ser un vector columna.
Utilizando wN = ej2π/N , se empaquetan los valores requeridos en el vector
1 h −k −2k −(N −1)k
i>
w∗k = 1,wN ,wN , . . . ,wN
N
De este modo, se replantea el cálculo de cada coeficiente ck como

ck = w∗k · x
Ahora, si se empaquetan todos los coeficientes como el vector
c = [c0 , c1 , . . . , cN −1 ]>
y si además se define la matriz
 
  1 1 1 ... 1
w∗0 > 1 −1 −2 −(N −1) 
  wN wN . . . wN
 w∗1 >  1 
1 −2 −4

−2(N −1) 
W ∗N = ..  =  wN wN . . . wN 
.  N  ... .. .. ..
 .. 
∗ > . . . . 
wN −1 −(N −1) −2(N −1) −(N −1)2
1 wN wN . . . wN
entonces se tiene como ecuación de análisis:
c = W ∗N x
y como ecuación de síntesis:
x = W Nc
donde de la ecuación de síntesis (6.11) se deriva que
 
1 1 1 ... 1
1 1 2 (N −1) 
 wN wN . . . wN 
 2 4 2(N −1) 
W N = 1 wN wN . . . wN 
 .. .
.. .
.. .. .. 
. . . 
(N −1) 2(N −1) (N −1)2
1 wN wN . . . wN
Obsérvese que W N y su inversa son matrices simétricas; es decir W N = W N > . Poste-

riormente se revisará que la estructura de esta particular matriz de Vandermonde para las
N -ésimas raíces de uno, permite optimizar el cálculo de las ecuaciones de síntesis y análisis,
de modo que su aplicación en la práctica es bastante eficiente.
Ejemplo 6.5 Encuentre la serie de Fourier para la sucesión de 8 números complejos que
describen un cuadrado, tal como se ilustra en la figura 6.7.
Im{z}
3 x[6] x[5] x[4]
2 x[7] x[3]
1 x[0] x[1] x[2]
Re{z}
1 2 3
Figura 6.7: Sucesión de N = 8 números complejos que se repite indefinidamente.
Solución:
Un periodo de la sucesión x[n] se empaqueta primero en el vector:
>
x = 1+j, 2+j, 3+j, 3+j2, 3+j3, 2+j3, 1+j3, 1+j2
π
√ √
En este caso w8 = ej 4 = 2
2
+j 2
2
, con lo que
 
1 √ 1√ 1 √
1 √ 1 √
1 √ 1 √
1 √
1 2
− 22j −j − 2 − 22j
2
−1 − 2 + 22j
2
j 2
+ 2j 
 2 2 2 
1 −j √ −1 √ j √ 1 −j√ −1 j √ 
 √ √ √ 

1 1 − 2 − 22j 
2
j 2
− 22j −1 2
+ 22j −j − 22 + 22j 
W ∗N =  2 2 
8 1 −1 √ 1 −1√ 1 −1√ 1 −1 √ 
 √ √ √ √ 
1 − + 2j
2
−j 2
+ 22j −1 2
− 22j j − 22 − 22j 
 2 2 2 2 
1 j −1 −j √ 1 j √ −1 √ −j√ 
√ √ √ √
2j
1 2
2
+ 2
j − 2 + 22j
2
−1 − 2 − 22j
2
−j 2
2
− 22j
Con c = W ∗N x, se obtiene:  
2 +j2
 1+√2 j 5π4 
 2 e 
 
 0 
 
 0 
c=



 √ 0 
 2−1 j 5π4 
 2 e 
 
 0 
0

En otras palabras, de los 8 posibles armónicos, bastan 3 componentes para reconstruir los
datos:
x[n] = c0 + c1 ejπn/4 + c5 ejπ5n/4

√ ! √ !
1+ 2 π 2−1 5π
= 2 + j2 + ej 4 (n+5) + ej 4 (n+1)
2 2
6.5
6.2.3. Propiedades de la serie de Fourier en tiempo discreto
Por la similitud entre las series de Fourier en tiempos continuo y discreto, es de esperar que
sus propiedades sean a su vez similares. Estas se resumen en la tabla 6.1.
Linealidad
La linealidad se prueba fácilmente a partir de la combinación lineal de las funciones perió-

dicas, ambas de periodo N . Sea
x[n] = α1 x1 [n] + α2 x2 [n]
x1 [n] tiene coeficientes c1k y x2 [n] tiene coeficientes c2k , entonces los coeficientes ck de x[n]
se calculan con:
1 X −kn 1 X −kn
ck = x[n]wN = (α1 x1 [n] + α2 x2 [n]) wN
N N
n=hN i n=hN i
1 X −kn 1 X −kn
= α1 x1 [n]wN + α2 x2 [n]wN
N N
n=hN i n=hN i
= c1k + c2k
Simetrías
La simetrias en el caso de funciones discretas periódicas requiere un análisis particular. Es

necesario separar los casos en que N es un número par o impar. En todos los casos se
cumple que, como x[n] es periódica con periodo N , entonces x[n] = x[n + N ]. Esto permite
replantear x[−n] = x[N − n]. La figura 6.8 ilustra ejemplos de simetrías par e impar de
funciones discretas periódicas, con periodo N par e impar.
Caso de periodo N par. Para el caso N par, se descompone la suma en dos mitades:
N 
N −1 −1 N −1
1 X 2π 1  X
2
2π
X 2π
ck = x[n]e−j N kn = x[n]e−j N kn + x[n]e−j N kn 
N n=0 N n=0 N
n= 2

Tabla 6.1: Propiedades de la serie de Fourier en tiempo discreto.
Propiedad Función en el tiempo Coeficientes

x[n] ck
x1 [n] c1k
x2 [n] c2k
Linealidad α1 x1 [n] + α2 x2 [n] α1 c1k + α2 c2k
N
−1
2 X2

Simetría par (N par) x[n] = x[−n] ck = κk + x[n] cos 2π
N
kn
N n=1
N
x[0] + x 2 (−1)k
κk =
N
ck = c−k ; si x[n] ∈ IR =⇒ ck ∈ IR
N −1
x[0] 2 X 2

Simetría par (N impar) x[n] = x[−n] ck = + x[n] cos 2π
N
kn
N N n=1
ck = c−k ; si x[n] ∈ IR =⇒ ck ∈ IR
N
−1
2 X 2

Simetría impar (N par) x[n] = −x[−n] ck = −j x[n] sen 2π
N
kn
N n=1
ck = −c−k ; si x[n] ∈ IR =⇒ ck ∈ jIR
N −1
2 X
2

Simetría impar (N impar) x[n] = −x[−n] ck = −j x[n] sen 2π
N
kn
N n=1
ck = −c−k ; si x[n] ∈ IR =⇒ ck ∈ jIR
Función real x[n] ∈ IR ck = c∗−k
Desplazamiento temporal x[n − n0 ] e−jω0 kn0 ck
Desplazamiento en frecuencia ejω0 k0 n x[n] ck−k0
Conjugación x∗ [n] c∗−k
Inversión en el tiempo x[−n] c−k
Convolución periódica (x1 ~ x2 )[n] = N c1k c2k
N
X −1
x1 [l]x2 [n − l]
l=0
N
X −1
Multiplicación x1 [n]x2 [n] ck1 ~ ck2 = c1k c2m−k
k=0
Dualidad c[n] = cn 1
N
x[−k]
Z N N
X
1
Relación de Parseval |x[n]|2 dt = |ck |2
N 0 k=0
El segundo término debe ser modificado para asemejarse más al primero. Haciendo un cambio
de variable m = N − n, y utilizando el resultado anterior de que por ser x[n] periódica se
cumple que x[N − n] = x[−n]:
N
X −1 1
X
−j 2π kn 2π
x[n]e N = x[N − m]e−j N k(N −m)
n= N
2
m= N
2

xe [n] xo [n]
−9 −8 −7 −6 −5 −4 −3 −2 −1 0 1 2 3 4 5 6 7 8 9
n −9 −8 −7 −6 −5 −4 −3 −2 −1 0 1 2 3 4 5 6 7 8 9
n
(a) (b)
xe [n] xo [n]
−9 −8 −7 −6 −5 −4 −3 −2 −1 0 1 2 3 4 5 6 7 8 9
n −9 −8 −7 −6 −5 −4 −3 −2 −1 0 1 2 3 4 5 6 7 8 9
n
(c) (d)
Figura 6.8: Simetrías de funciones periódicas. Las dos funciones en la fila superior tienen periodo
impar N = 7, y las dos de la fila inferior tienen periodo par N = 8. Las dos funciones
en la columna izquierda son pares, y las dos funciones en la columna derecha son
impares. Está sombreado en cada caso un periodo iniciando en 0 (amarillo) y centrado
en cero (rojo).
N N
X
2 X
2
−j 2π kN j 2π km 2π
= x[−m]e N e N = x[−m]e−j2πk ej N km
m=1 m=1
N
X 2
2π
= x[−m]ej N km
m=1
Reemplazando m con n, se obtiene finalmente que

N N

−1
1  X2
2π
X2
2π
ck = x[n]e−j N kn + x[−n]ej N kn  (6.13)
N n=0 n=1
Cuando la función x[n] es par se cumple x[n] = x[−n] y por tanto, separando los términos
no comunes en las sumas:
 N N

−1 −1
1  X
2
2π
X
2
2π
ck = x[0] + x[n]e−j N kn + x[n]ej N kn + x N2 (ejπ )k 
N n=1 n=1

 N

−1
1  X
2
2π 2π
= x[0] + x N2 (−1)k + x[n] e−j N kn + ej N kn 
N n=1
 N

−1
1  X
2

= x[0] + x N2 (−1)k + 2 x[n] cos 2πN
kn 
N n=1
Puesto que el coseno es una función par y además (−1)k = (−1)−k entonces en este caso
ck = c−k ; es decir, los coeficientes exhiben también simetría par. Obsérvese además que, si
x[n] es real, en este caso también ck será puramente real.
Si la función x[n] es impar se cumple x[n] = −x[−n]. En este caso se debe cumplir x[0] =
−x[0], lo que obliga a que x[0] = 0. Además, para el caso actual con periodo N par, también
debe cumplirse que
x N2 = −x − N2 = −x N − N2 = −x N2

por lo que también debe cumplirse que x N2 = 0.
Reacomodando (6.13) se obtiene en este caso de N par y x[n] impar:
 N N

−1 −1
1  X
2
2π
X
2
2π
ck = x[0] + x[n]e−j N kn − x[n]ej N kn − x N2 (ejπ )k 
N n=1 n=1
 N

−1
1  X
2
2π 2π
= x[0] − x N2 (−1)k + x[n] e−j N kn − ej N kn 
N n=1
 N

−1
1  X
2

= x[0] − x N2 (−1)k − 2j x[n] sen 2π N
kn 
N n=1
N
y considerando que si x[n] es impar, entonces x[0] = x 2
= 0:
N N
−1
2 X
2
2π
2 X2
2π

ck = −j x[n] sen N
kn = −j x[n] sen N
kn
N n=1 N n=0
Como el seno es una función impar, entonces en este caso ck = −c−k , es decir, también los
coeficientes muestran simetría impar. Si la función x[n] es además puramente real, entonces
los coeficientes serán puramente imaginarios.
Caso de periodo N impar. Con el periodo N impar se necesita modificar levemente la

forma de particionar la ecuación de análisis:
 N −1 
N
X −1 X 2 N
X −1
1 2π 1  2π 2π
ck = x[n]e−j N kn = x[n]e−j N kn + x[n]e−j N kn 
N n=0 N n=0 N +1
n= 2
De nuevo, la estrategia a seguir es hacer que el segundo término debe ser modificado para
asemejarse más al primero. Haciendo un cambio de variable m = N − n, y utilizando el

resultado anterior de que por ser x[n] periódica se cumple que x[N − n] = x[−n]:
N
X −1 1
X
2π 2π
x[n]e−j N kn = x[N − m]e−j N k(N −m)
n= N2+1 m= N 2−1
N −1 N −1
X
2 X
2
−j 2π kN j 2π km 2π
= x[−m]e N e N = x[−m]e−j2πk ej N km
m=1 m=1
N −1
X 2
2π
= x[−m]ej N km
m=1
Reemplazando m con n, se obtiene finalmente que

 N −1 N −1

1  X 2
2π
X2
2π
ck = x[n]e−j N kn + x[−n]ej N kn  (6.14)
N n=0 n=1
Con x[n] par, la ecuación anterior se reescribe como:

 N −1 N −1

1  X2
2π
X2
2π
ck = x[0] + x[n]e−j N kn + x[n]ej N kn 
N n=1 n=1
 N −1

1  X2 2π 2π

= x[0] + x[n] e−j N kn + ej N kn 
N n=1
 N −1

1  X2

= x[0] + 2 x[n] cos 2π N
kn 
N n=1
Obsérvese que también en este caso ck = c−k , y si x[n] es real, también lo serán los coeficientes
ck [n].
Con x[n] impar, la ecuación (6.14) se reescribe como:
 N −1 N −1

1  X2
2π
X2
2π
ck = x[0] + x[n]e−j N kn − x[n]ej N kn 
N n=1 n=1
 N −1

1  X 2 2π 2π

= x[0] − x[n] ej N kn + e−j N kn 
N n=1
 N −1

1  X2

= x[0] − j2 x[n] sen 2π
N
kn 
N n=1
N −1 N −1
2 X2
2π
2 X2
2π

= −j x[n] sen N
kn = −j x[n] sen N
kn
N n=1 N n=0
Obsérvese que también en este caso ck = −c−k , y si x[n] es real, los coeficientes ck [n] serán
puramente imaginarios.

Puesto que toda función x[n] se puede reescribir como una suma de una función par y otra
impar:
x[n] = xe [n] + xo [n]

x[n] + x[−n]
xe [n] =
2
x[n] − x[−n]
xo [n] =
2
entonces, por linealidad, la componente par xe [n] da origen a la parte real de los coeficientes
y la componente impar xo [n] da origen a la parte imaginaria de los coeficientes.
Función real
Interesa encontrar qué restricciones aplican a los coeficientes ck de una serie de Fourier en el
caso que la función x[n] sea real. Se parte de (6.12) evaluando para −k:
1 X 1 X ∗ 1 X ∗
c−k = x[n]e−jω0 (−k)n = x[n] e−jω0 kn = x∗ [n]e−jω0 kn
N N N
n=hN i n=hN i n=hN i
 ∗
1 X ∗
= x [n]e−jω0 kn 
N
n=hN i
y puesto que si x[n] es real entonces x∗ [n] = x[n], se cumple que:

 ∗
1 X
c−k =  x[n]e−jω0 kn  = c∗k
N
n=hN i
o en otras palabras ck tiene simetría hermítica (o simetría conjugada).
Desplazamientos en el tiempo y la frecuencia
Si x[n] tiene coeficientes ck y se hace un desplazamiento en el tiempo x[n−n0 ], los coeficientes

dk de la función desplazada están dados por
N −1
1 X 2πkn
dk = x[n − n0 ]e−j N
N n=0
N −1−n
X0
1 2πk(m+n0 )
= x[m]e−j N
N n=−n0
N −1−n
X0
−j
2πkn0 1 2πkm
=e N x[m]e−j N
N n=−n0
2πkn
−j N 0
=e ck
es decir, la fase ∠dk es ∠ck − ω0 n0 k.

Ahora, si se reconstruye una función usando los coeficientes de x[n] desplazados ck−k0 , y
considerando que x[n] es periodica con periodo N se obtiene:
N
X −1
y[n] = ck−k0 ejω0 kn
k=0
y con un cambio de variable l = k − k0

N −1−k
X0
= cl ejω0 (l+k0 )n
l=−k0
N −1−k
X0
jω0 k0 n
=e cl ejω0 (l+k0 )n
l=−k0
"N −1−k #
X0
= ejω0 k0 n cl ejω0 ln
l=−k0
jω0 k0 n
=e x[n]
En este caso ∠y[n] = ∠x[n] + ω0 k0 n
Conjugación
Si x[n] tiene coeficientes ck , entonces para encontrar cuáles son los coeficientes de x∗ [n].
N −1
!∗
X
x∗ [n] = ck ejω0 kn
k=0
N
X −1
= c∗k e−jω0 kn
k=0
N
X −1
= c∗k ejω0 (−k)n
k=0
y con l = −k:
−N
X +1
∗
x [n] = c∗−l ejω0 ln
l=0
−1
X
= c∗0 ejω0 0n + c∗−l ejω0 ln
l=−N +1
y como x[n] y ck son periódicas con periodo N , sumando N en la suma (k = l + N ):

N
X −1
x∗ [n] = c∗−k ejω0 kn
k=0
de donde se deduce que los coeficientes de x[n] son c∗−k .

Obsérvese que si x[n] es real, entonces x[n] = x∗ [n] y por tanto ck = c∗−k , lo que corresponde
a la simetría hermítica ya derivada anteriormente para los coeficientes de una función real.

Inversión en el tiempo
Si x[n] tiene coeficientes ck , entonces, la inversión en el tiempo de dicha función x[−n] tiene
coeficientes dk dados por:
N −1
1 X
dk = x[−n]e−jω0 kn
N n=0
y con m = −n:
−N +1
1 X
= x[m]ejω0 km
N m=0
" −N +1
#
1 X
= x[0]ejω0 k0 + x[m]ejω0 km
N m=1
y aprovechado el periodo N de x[m] y ejω0 km :

" 1
#
1 X
= x[0]ejω0 k0 + x[m]ejω0 km
N m=N −1
N −1
1 X
= x[m]e−jω0 (−k)m
N m=0
= c−k
Convolución y multiplicación
Tal y como se ha observado en los capítulos anteriores, el producto en un dominio estará

relacionado con la convolución en el otro, y el caso de series de Fourier en tiempo discreto
no es la excepción.
Supóngase para las funciones periódicas de periodo N :
x1 [n] c1k
x2 [n] c2k
Interesa ahora encontrar cuáles son los coeficientes ck del producto:

N −1
! N −1 !
X X
x[n] = x1 [n]x2 [n] = c1k ejω0 kn c2l ejω0 ln
k=0 l=0
N
XN−1 X −1
= c1k c2l ejω0 (k+l)n
k=0 l=0

y con un cambio de variable m = k + l

N
X −1 NX
+k−1
= c1k c2m−k ejω0 mn
k=0 m=k
N
" −1
−1 N NX
+k−1
#
X X
= c1k c2m−k ejω0 mn + c1k c2m−k ejω0 mn
k=0 m=k m=N
y como los coeficientes son periódicos con periodo N

N
" −1
−1 N k−1
#
X X X
jω0 mn jω0 mn
= c1k c2m−k e + c1k c2m−k e
k=0 m=k m=0
N
X −1 N
X −1
k=0 m=0
e intercambiando las sumas:

N −1 N −1
!
X X
m=0 k=0
| {z }
ck
Obsérvese que esta suma de convolución es similar a las ya vistas, excepto que se integra en
un solo periodo y c2m−k debe evaluarse considerando la naturaleza periódica de c2k . Por este
hecho esto se denomina convolución periódica:
N
X −1
ck = ck1 ~ ck2 = c1k c2m−k
k=0
De forma similar, el producto de coeficientes:

ck = c1k c2k
N −1
!
1 X
= c2k x1 [l]e−jω0 lk
N l=0
N −1
1 X
= x1 [l]c2k e−jω0 lk
N l=0
N −1 N −1
!
1 X 1 X
= x1 [l] x2 [ν]e−jω0 νk e−jω0 lk
N l=0 N ν=0
N −1 N −1
!
1 X 1 X
= x1 [l] x2 [ν]e−jω0 (l+ν)k
N l=0 N ν=0
y con el cambio de variable m = l + ν

N −1 l+N −1
!
1 X 1 X
ck = x1 [l] x2 [m − l]e−jω0 mk
N l=0 N m=l
N −1 N −1 l+N
!
1 X 1 X X−1
= x1 [l] x2 [m − l]e−jω0 mk + x2 [m − l]e−jω0 mk
N l=0
N m=l m=N

y considerando que las funciones son periodicas de periodo N :

N −1 N −1 l−1
!
1 X 1 X X
= x1 [l] x2 [m − l]e−jω0 mk + x2 [m − l]e−jω0 mk
N l=0 N m=l m=0
N
X −1 N
X −1
1 1
= x1 [l] x2 [m − l]e−jω0 mk
N l=0
N m=0
finalmente, intercambiando las sumatorias

N −1 N −1
!
1 X 1 X
ck = x1 [l]x2 [m − l] e−jω0 mk
N m=0 N l=0
| {z }
x[n]
Por lo tanto, la relación entre la convolución periódica de las funciones temporales y sus
coeficientes es:
N
X −1
(x1 ~ x2 )[n] = x1 [l]x2 [n − l] N c1k c2k
l=0
Dualidad
Puesto que para la serie de Fourier en tiempo discreto tanto la función x[n] como sus co-
eficientes son periódicas de periodo N y ambas son discretas, interesa explorar si además
la similitud de las ecuaciones de síntesis y análisis permiten encontrar una propiedad de
dualidad similar a la descrita para la transformada de Fourier en tiempo continuo.
Para facilitar la exploración de la dualidad, se usa la notación c[k] = ck , es decir, se inter-
pretan los coeficientes de la serie de Fourier como una sucesión, de modo que se sintetiza la
función en el tiempo con X
x[n] = c[k]ejω0 kn
k=hN i
y se analiza la función con:

1 X
c[k] = x[n]e−jω0 kn (6.15)
N
n=hN i
Obsérvese que solo hay dos diferencias entre ambas ecuaciones: la constante 1/N , y el signo
del exponente en las funciones base, proveniente de la conjugación en la definición de pro-
ducto interno en (6.8), empleado en la ecuación de análisis (6.12).
De este modo, si se conoce que a la función periodica x[n] correspoden los coeficientes c[k]
de su serie de Fourier:
x[n] c[k]
entonces
1
x[−k] c[n]
N
es decir, una función temporal que sigue la estructura de los coeficientes tendrá como coefi-
cientes la muestras de la función temporal escalados por 1/N .
Esto se demuestra haciendo los cambios de variable k → n y n → −k en la ecuación de
análisis (6.15), convirtiéndola así en una ecuación de síntesis.

Relación de Parseval
La potencia promedio de una función periódica discreta esta dada por:

N −1 N −1
1 X 2 1 X
P = |x[n]| = x[n]x∗ [n]
N n=0 N n=0
Usando la ecuación de síntesis para x∗ [n]:

N −1
1 X
P = x[n]x∗ [n]
N n=0
N −1 N −1
!∗
1 X X
jω0 ln
= x[n] cl e
N n=0 l=0
N −1 N −1
1 X X
= x[n] c∗l e−jω0 ln
N n=0 l=0
e intercambiando el orden de las sumas:

N
X −1 N −1
1 X
= c∗l x[n]e−jω0 ln
l=0
N n=0
N
X −1
= c∗l cl
l=0
N
X −1
= |cl |2
l=0
es decir, la potencia promedio de la función en el tiempo es igual a la suma de las potencias

promedio de cada componente en el dominio de la frecuencia.
6.3. Transformada de Fourier en tiempo discreto
6.3.1. Definición de la transformada de Fourier en tiempo discreto
Derivación de la transformada directa
Para derivar la transformada de Fourier en tiempo discreto se sigue la misma estrategia que
en la sección 3.3, y así extender los conceptos revisados en la sección anterior para funciones
discretas periódicas, a funciones discretas no periódicas.
Se parte de una función x[n] no periódica acotada en el tiempo, y su extensión periódica

x[n]
n
−N −N1 N2 N
x̃[n]
n
−N −N1 N2 N
Figura 6.9: La función x[n] no es periódica pero está acotada en el tiempo entre −N1 y N2 . La
función x̃[n] es la extensión periódica de x[n], con periodo N .
x̃[n] de periodo N (ver figura 6.9), de modo que se cumple:

∞
X
x̃[n] = x[n + kN ]
k=−∞
N2
X 2π
x̃[n] = ck ej N kn
k=−N1
Si se hace tender N → ∞, entonces x̃[n] = x[n] para todo n finito, pues las réplicas son des-
plazadas indefinidamente a la izquierda y derecha del rango de definición de x[n]. Aplicando
la ecuación de análisis a la función periódica x̃[n] en el intervalo de definición de la función
x[n], se cumple:
N2 N2 ∞
1 X 1 X 1 X
ck = x̃[n]e−jω0 kn = x[n]e−jω0 kn = x[n]e−jω0 kn
N n=−N N n=−N N n=−∞
1 1
donde se ha utilizado el hecho de que x[n] es cero fuera del intervalo −N1 ≤ n ≤ N2 . Si
N aumenta, entonces la frecuencia ω0 = 2π/N decrece, lo que acerca los armónicos en el
espectro de x̃[n]. De este modo, si N → ∞ entonces ω0 tiene a un diferencial dω, y kω0
puede interpretarse que tiende a un eje continuo de frecuencia ω.
La transformada de Fourier de una función de energía finita en tiempo discreto x[n] se define
entonces como la función envolvente :
∞
X

X ejω
= x[n]e−jωn . (6.16)
n=−∞
donde la elección del argumento X(ejω ) proviene de la evidente relación de esta expresión
con la transformada z de x[n]:
∞
X
X(z) = x[n]z −n
n=−∞

con z = ejω .
Nótese que por la periodicidad 2π de e−jωn , X(ejω ) = X(ej(ω+2πk) ), lo que implica que el
rango de frecuencias únicas se limita a [0,2π[, o de forma equivalente a ]−π,π]. El espectro
X(ejω ) es por tanto continuo y periódico con periodo 2π, lo que contrasta con el rango de
frecuencias infinito y aperiódico de las funciones en tiempo continuo.
Ejemplo 6.6 Encuentre la transformada de Fourier del impulso unitario δ[n].

Solución:
La trasformada se calcula con:
∞
X
jω
∆(e ) = δ[n]e−jωn = δ[0]ejω0 = 1
n=−∞
Es decir, un impulso unitario, totalmente concentrado en la muestra n = 0 tiene un espectro

constante igual a 1 6.6
Ejemplo 6.7 Encuentre la transformada de Fourier en tiempo discreto del impulso rec-
tangular (
1 si |n| ≤ N1
x[n] =
0 en el resto
Solución:
La transformada de Fourier en tiempo discreto es:
∞
X N1
X
jω −jωn
X(e ) = x[n]e = e−jωn
n=−∞ n=−N1
y con m = n + N1
2N1
X 2N1
X
X(ejω ) = e−jω(m−N1 ) = ejωN1 e−jωm
m=0 m=0
Considerando que:
M
X 1 − aM +1
am =
m=0
1−a
y usando a = e −jω
y M = 2N1 :
1 − e−jω(2N1 +1)
X(ejω ) = ejωN1
1 − e−jω
ω(2N1 +1) ω(2N1 +1) ω(2N1 +1)
−j j −j
e 2 e 2 −e 2
= ejωN1 −j ω ω
jω
e e − e−j 2
2 2

ejωN1 e−jω(N1 + 2 ) sen ω N1 + 21
1
= ω
e−j 2 sen ω2

sen ω N1 + 21
=
sen ω2

La figura 6.10 ilustra el caso concreto para N1 = 3. Esta función es el equivalente en el

dominio discreto a la función sa(t) en el tiempo continuo. Se puede demostrar que el número
de puntos extremos (esto es, máximos y mínimos) del espectro entre −π y π es igual a
2N1 + 1.
x[n]
n
−N1 N1
X(ejω )
2N1 + 1
ω
−2π −π π 2π
Figura 6.10: Transformada de Fourier de un pulso rectangular discreto. Nótese que por ser x[n]
par y real, su espectro es puramente real y puede ser graficado directamente.
6.7
Derivación de la transformada inversa
Obsérvese que si se conoce la transformada de Fourier X(ejω ) para una función x[n], los
coeficientes de la serie de Fourier de la extensión periódica de x̃[n] se obtienen muestreando
X(ejω ):
1
ck = X(ejω0 k )
N
Sintetizando entonces la función periodica x̃[n] con esos coeficientes se llega a la siguiente
sumatoria:
N
X −1 N
X −1
1
x̃[n] = ck ejω0 kn = X(ejω0 k )ejω0 kn
k=0 k=0
N
Puesto que ω0 = 2π/N , entonces

N −1
1 X
x̃[n] = X(ejω0 k )ejω0 kn ω0
2π k=0
Si N → ∞, entonces ω0 → dω y kω0 → ω, donde el rango de k es tal que se cubre un

periodo, por lo que la suma anterior se convierte en la integral:
Z 2π
1
x[n] = X(ejω )ejωn dω
2π 0

conocida como transformada inversa de Fourier. El intervalo de [0,2π] puede sustituirse por
cualquier otro intervalo de longitud 2π, puesto que para la derivación anterior puede utilizarse
en la síntesis cualquier otro periodo. De este modo, la transformada inversa de Fourier en
tiempo discreto se denota como:
Z
1
2π h2πi
Ejemplo 6.8 Encuentre la función x[n] en el tiempo cuyo espectro periódico está dado
por:
X∞
X(ejω ) = X2π (ω − Ω) = δ(ω − Ω + 2πl)
l=−∞
donde la letra cirílica X tiene como subíndice el periodo utilizado, que en caso de omitirse,
se asume ser uno por defecto. Por tanto, en este caso de variable continua se cumple:
ω
X2π (ω) = X .
2π
Solución:
La figura 6.11 ilustra el espectro en cuestión. Para el cálculo de la transformada inversa se
X2π (ω − Ω)
1
ω
−6π −6π+Ω −4π −4π+Ω −2π −2π+Ω Ω 2π 2π+Ω
4π 4π+Ω
6π 6π+Ω
Figura 6.11: Espectro periódico dado por un tren de impulsos Dirac cada 2π a partir de Ω.
requiere un solo periodo, y la propiedad de muestreo del impulso de Dirac (3.58):

Z
1
x[n] = X2π (ω − Ω)ejωt dω
2π h2πi
Z
1
= δ(ω − Ω)ejωn dω
2π h2πi
1 jΩn
= e
2π
Para el caso particular Ω = 0, la función es entonces constante: x[n] = 1/2π. Aplicando la

propiedad de linealidad, si la función es x[n] = κ, con κ constante, entonces:
x[n] = κ 2πκX2π (ω) .
6.8

Convergencia de la transformada de Fourier
La transformada de Fourier converge si

∞
X ∞
X ∞
X ∞
X
jω −jωn −jωn −jωn
X(e ) = x[n]e ≤ x[n]e = |x[n]| e = |x[n]| < ∞
n=−∞ n=−∞ n=−∞ n=−∞
es decir, si la función es absolutamente sumable (primera condición de Dirichlet). Esta es

una condición suficiente, más no necesaria para la existencia de la transformada de Fourier.
En algunos casos excepcionales de suma absoluta infinita sí existe transformada de Fourier,
como es el caso de un valor constante (ver ejemplo 6.8), o el escalón unitario u[n]. Además,
las funciones periódicas en principio no serán nunca absolutamente sumables, pero si son
acotadas en su amplitud, es decir, si |x[n]| < M , también existirá su transformada de Fourier.
Estos casos especiales se demuestran en las siguientes secciones.
6.3.2. Propiedades de la transformada de Fourier de funciones

discretas
Las propiedades de la transformada de Fourier de funciones discretas son similiares a las

de la transformada de Fourier de funciones continuas, donde debe considerarse ahora la
periodicidad del espectro continuo.
Linealidad
Si x1 [n] X1 (jω) y x2 [n] X2 (jω), entonces:
a1 x1 [n] + a2 x2 [n] a1 X1 (jω) + a2 X2 (jω)
lo que se demuestra fácilmente a partir de la linealidad del operador de sumatoria.
Ejemplo 6.9 Encuentre la transformada de Fourier de una función discreta periódica con
serie de Fourier:
N
X −1
x[n] = ck ejω0 kn
k=0
Solución:
Se cumple:
(N −1 )
X
F {x[n]} = F ck ejω0 kn
k=0
que por linealidad equivale a
N
X −1

= ck F ejω0 kn
k=0

y con el resultado del ejemplo 6.8 usando Ω = ω0 k
N −1 ∞
!
X X
jω
X(e ) = ck 2π δ(ω − ω0 k − 2πl)
k=0 l=−∞
∞ N
X X −1
2π
= 2πck δ ω − (k + N l)
l=−∞ k=0
N
Obsérvese que como k toma valores entre 0 y N − 1, y N l avanza en pasos de tamaño

N , entonces k + N l puede sustituirse por otra variable que cubra todo el rango entero.
Considerando además que ck es periódico de periodo N , lo anterior es equivalente a:
∞
X
jω
X(e ) = 2πck δ (ω − ω0 k)
k=−∞
Es decir, la transformada de Fourier de una función periódica discreta tendrá espigas espec-
trales separadas cada ω0 = 2π/N y escaladas por los coeficientes de Fourier correspondientes
ck , que al ser periódicos, harán también al espectro periódico, como corresponde a funciones
discretas.
6.9
Ejemplo 6.10 Encuentre la transformada de Fourier de x[n] = cos[ω0 κn], con ω0 = 2π/N .
Solución:
Como la frecuencia de la función cosenoidal f = ω0 k/2π = k/N es racional, entonces x[n]
es periódica de periodo N . La serie de Fourier del coseno discreto periódico se encontró en
el ejemplo 6.4. Tomando eso en cuenta, y el resultado del ejemplo anterior se tiene que:
X(ejω ) = πX2π (ω − κω0 ) + πX2π (ω + κω0 )
La figura 6.12 muestra el espectro de la función cosenoidal periódica discreta. 6.10
F {cos[ω0 κn]}
π
−4π−κω0 −4π+κω0 −2π−κω0 −2π+κω0 2π−κω0 2π+κω0 4π−κω0 4π+κω0

ω
−4π −2π −κω0 κω0 2π 4π
Figura 6.12: Espectro de función cosenoidal periódica discreta.

Simetría
Para analizar el efecto de las simetrías par e impar de x[n] en su transformada, descompón-
gase primero la suma de transformada de la siguiente forma:
∞
X
jω
X(e ) = x[n]e−jωn
n=−∞
−1
X ∞
X
= x[n]e−jωn + x[0] + x[n]e−jωn
n=−∞ n=1
X∞ ∞
X
= x[−n]ejωn + x[0] + x[n]e−jωn (6.17)
n=1 n=1
Si x[n] tiene simetría par, entonces x[n] = x[−n] y (6.17) se reagrupa como:
∞
X
X(ejω ) = x[0] + x[n] ejωn + e−jωn
n=1
X∞
= x[0] + 2 x[n] cos ωn
n=1
Esto implica que si x[n] es par, también lo será su espectro por ser el coseno una función
par. Si x[n] además de par es real, entonces su espectro también lo sera.
Por otro lado, si x[n] es impar, entonces x[n] = −x[−n], y considerando que en ese caso
x[0] = 0, entonces (6.17) se reagrupa como:
∞
X
X(ejω ) = − x[n] ejωn − e−jωn
n=1
X∞
= −j2 x[n] sen ωn
n=1
En este caso, el espectro también exhibe simetría impar debido a que el seno es una función
impar. Si x[n] además de impar es real, entonces su espectro será puramente imaginario.
Anteriormente se ha discutido el hecho de que cualquier función x[n] puede descomponerse
como la suma de una componente par xe [n] = xe [−n] y otra impar xo [n] = −xo [−n]:
x[n] = xe [n] + xo [n]
de donde se deduce que si x[n] es real, entonces su componente par es responsable de la parte
real del espectro, y su componente impar da origen a la parte imaginaria del espectro, que
serán par e impar respectivamente, a lo que se da el nombre de simetría hermítica:
x[n] ∈ IR =⇒ X(ejω ) = X ∗ (e−jω )
Los resultados anteriores se aplican a las componentes real e imaginaria de las partes par e
impar de la función, lo que permite derivar la relación con su espectro de la siguiente forma::

x[n] = Re{xe [n]} + j Im{xe [n]} + Re{xo [n]} + j Im{xo [n]}

X(ejω ) = Re{Xe (ejω )} + j Im{Xe (ejω )} + j Im{Xo (ejω )} + Re{Xo (ejω )}
de donde se confirma que si x[n] es real, entonces su espectro tiene simetría hermítica
X(e−jω ) = X ∗ (ejω ). Por lo tanto, si x[n] ∈ IR basta determinar el espectro para ω ∈ [0,π],
pues la contraparte negativa está dada por simetría.
Desplazamientos en el tiempo y la frecuencia
Si x[n] X(ejω ), entonces un desplazamiento x[n − n0 ] conduce a:

∞
X ∞
X
−jωn
x[n − n0 ]e = x[n]e−jω(n+n0 )
n=−∞ n=−∞
∞
X
−jωn0
=e x[n]e−jωn
n=−∞
−jωn0 jω
=e X(e )
De modo similar, si se desplaza el espectro X(ej(ω−ω0 ) ) entonces, para encontrar la función

temporal correspondiente se hace un cambio de variable ω 0 = ω − ω0 :
Z 2π Z 2π
1 j(ω−ω0 ) jωn 1 0 0
X(e )e dω = X(ejω )ej(ω +ω0 )n dω 0
2π 0 2π 0
Z 2π
jω0 n 1 0 0
=e X(ejω )ejω n dω 0
2π 0
jω0 n
=e x[n]
Conjugación
Si se conjuga la función x[n] X(ejω ) entonces:

∞ ∞
!∗
X X
x∗ [n]e−jωn = x[n]e−j(−ω)n
n=−∞ n=−∞
∗ −jω
= X (e )
Si x[n] es real entonces es igual a su conjugado y por tanto

x[n] = x∗ [n]

X(ejω ) = X ∗ (e−jω )
lo que confirma la simetría hermitica derivada anteriormente para el caso de funciones reales.
Reflexión temporal
Si se invierte temporalmente la función x[n] X(ejω ) entonces:

∞
X ∞
X
−jωn
x[−n]e = x[n]e−j(−ω)n
n=−∞ n=−∞
−jω
= X(e )

Si x[n] tiene simetría par, entonces:
x[n] = x[−n]

X(ejω ) = X(e−jω )
lo que confirma que el espectro de una función par debe ser a su vez par.
Por otro lado, si x[n] tiene simetría impar, entonces:
x[n] = −x[−n]

X(ejω ) = −X(e−jω )
lo que confirma que el espectro de una función impar debe ser a su vez impar.
Diferenciación temporal
El equivalente a la deriviada en el dominio discreto es la primera diferencia:
d[n] = x[n] − x[n − 1]
En el dominio discreto, basta utilizar la propiedad de desplazamiento temporal para obtener:
D(jω) = X(ejω ) − e−jω X(ejω )

= 1 − e−jω X(ejω )
Convolución y multiplicación
No es sorpresa que también en el caso de la transformada de Fourier para funciones de

variable discreta la convolución de dos funciones en un dominio está relacionada con la
multiplicación de las transformadas correspondientes en el otro dominio, lo que se deja de
ejercicio para el lector demostrarlo.
Sean x1 [n] X1 (ejω ) y x2 [n] X2 (ejω ). Se cumple entonces que:
∞
X
(x1 ∗ x2 )[n] = x1 [k]x2 [n − k] X1 (ejω )X2 (ejω )
k=−∞
Z 2π
1 1
x1 [n]x2 [n] X1 (ejω ) ~ X2 (ejω ) = X1 (ejω )X2 (ej(ω−Ω) ) dΩ
2π 2π 0
A continuación se hará una progresión de ejemplos para poder encontrar la transformada de

Fourier del escalón unitario u[n].
Ejemplo 6.11 Encuentre la transformada inversa de Fourier de
X(ejω ) = X2π (ω) ~ X2π (ω)

así como una expresión cerrada para dicha convolución en el dominio de la frecuencia.
Solución:
En el ejemplo 6.8 se demostró que
X2π (ω) 1
2π
Utilizando la propiedad de multiplicación y linealidad se debe cumplir
X2π (ω) ~ X2π (ω) 2πF −1 {X2π (ω)}F −1 {X2π (ω)} =

1
2π
X2π (ω)
6.11
Ejemplo 6.12 Si x[n] X(ejω ), encuentre el resultado de aplicar la convolución perió-

dica en el dominio de la frecuencia X(ejω ) ~ X2π (ω), en los dominios del tiempo discreto y
de la frecuencia.
Solución:
Aplicando la propiedad de multiplicación:
X(ejω ) ~ X2π (ω) 2πx[n]

1
2π
= x[n] X(ejω )
o en otras palabras, la función X2π (ω) es el elemento neutro de la convolución periódica.

6.12
Ejemplo 6.13 Encuentre la transformada de Fourier U (ejω ) del escalón unitario u[n].
Solución:
El escalón unitario discreto u[n] no es absolutamente sumable, por lo que no es posible
encontrar directamente su transformada a partir de (6.16). Encontrar su transformada no es
trivial, y se presenta aquí un esbozo de demostración que se basa en los ejemplos mostrados
anteriormente.
Para la demostración requerimos la función:
(
1
1 2
n≥0
s[n] = u[n] − =
2 − 12 n<0
cuya transformada de Fourier es S(ejω ).

Obsérvese que el valor acumulado de s[n] en todo su rango de definición es cero, pues
∞
X ∞
X
jω −j0n
S(e ) ω=0
= x[n]e = x[n]
n=−∞ n=−∞
−1
X ∞
X ∞
X X∞
1 1
= x[n] + x[n] = (x[−1 − n] + x[n]) = − +
n=−∞ n=0 n=0 n=0
2 2
=0

En principio, para cualquier función de la forma x[n] = s[n] + κ, con κ constante, se cumple
con la propiedad de diferenciación y el ejemplo 6.6:
x[n] − x[n − 1] = (s[n] + κ) − (s[n − 1] + κ) = s[n] − s[n − 1] = δ[n]

(1 − e−jω )S(ejω ) = 1
1
S(ejω ) =
1 − e−jω
Por tener s[n] un nivel promedio κ igual a cero, la expresión anterior se cumple. Para κ
distinto de cero, debe considerarse su aporte como constante a x[n].
En el ejemplo 6.8 se demostró que una constante κ en el tiempo tiene espectro 2πκX2π (ω).
Por tanto, puesto que
1
u[n] = s[n] +
2
U (ejω ) = S(ejω ) + πX2π (ω) (6.18)

1
= + πX2π (ω) (6.19)
1 + e−jω
Hay un problema con lo derivado hasta el momento, y es que se ha asumido que los dos
términos en U (ejω ) corresponden a s[n] y a la constante, por separado. Para verificar que
esto efectivamente es así, se usan dos observaciones. La primera es que:
1 π 1
s2 [n] = X2π (ω) = F s2 [n] = S(ejω ) ~ S(ejω )
4 2 2π
o en otros términos
1 π
S(ejω ) ~ S(ejω ) = X2π (ω) (6.20)
2π 2
Esta igualdad no es válida para x[n] = s[n] + κ con κ 6= 0.
La segunda observación es que:
1
u[n] = u2 [n] U (ejω ) ~ U (ejω ) = U (ejω )
2π
Por lo tanto
1
U (ejω ) = U (ejω ) ~ U (ejω )
2π
1
= S(ejω ) + πX2π (ω) ~ S(ejω ) + πX2π (ω)
2π
1 jω
= S(e ) ~ S(ejω ) + S(ejω ) ~ πX2π (ω)+
2π
πX2π (ω) ~ S(ejω ) + πX2π (ω) ~ πX2π (ω)
1 π
= S(ejω ) ~ S(ejω ) + S(ejω ) ~ X2π (ω) + X2π (ω)
2π 2

y con el resultado del ejemplo 6.12 y la observación (6.20):
U (ejω ) = πX2π (ω) + S(ejω )
que es exactamente el resultado (6.18) al que se había llegado anteriormente, pero para
este último camino se requirió la observación (6.20), válida únicamente si s[n] no tiene nivel
promedio. 6.13
Acumulación
El equivalente discreto a la integración, es la acumulación:

n
X
y[n] = x[m]
m=−∞
Obśervese que y[n] = x[n] ∗ u[n], y usando la propiedad de convolución y el resultado (6.19):
y[n] = x[n] ∗ u[n] Y (ejω ) = X(ejω )U (ejω )

X(ejω )
= + πX(ejω )X2π (ω)
1 − e−jω
Debido a que X(ejω ) es periódico con periodo 2π y al hecho de que X2π (ω) solo es distinto
de cero para ω = 2πk con k ∈ Z, entonces lo anterior es equivalente a:
n
X X(ejω )
x[m] + πX(0)X2π (ω)
m=−∞
1 − e−jω
El término πX(0)X2π (ω) introduce la información correspondiene a valores constantes del

resultado de acumulación.
Teorema de modulación
Para una función x[n] con espectro X(ejω ), y una función portadora cos ω0 n, no necesaria-
mente periódica, se cumple:
1
x[n] cos[ω0 n] X(ej(ω+ω0 ) ) + X(ej(ω−ω0 ) )
2
lo que se demuestra fácilmente con la identidad de Euler para el coseno y la propiedad de
desplazamiento espectral.
Teorema de Parseval
Dadas dos funciones x1 [n] X1 (ejω ) y x2 [n] X2 (ejω ), se cumple que
∞
X Z
1
x1 [n]x∗2 [n] = X1 (ejω )X2∗ (ejω )dω
n=−∞
2π h2πi

Esto se demuestra de la siguiente forma:

Z Z ∞
!
1 1 X
jω ∗ jω
X1 (e )X2 (e )dω = x1 [n]e−jωn X2∗ (ejω )dω
2π h2πi 2π h2πi n=−∞
∞
X Z
1
= x1 [n] X2∗ (ejω )e−jωn dω
n=−∞
2π h2πi
X∞ Z ∗
1 jω jωn
= x1 [n] X2 (e )e dω
n=−∞
2π h2πi
∞
X
= x1 [n]x∗2 [n]
n=−∞
Para el caso x1 [n] = x2 [n] = x[n] X(ejω ) entonces se deriva para la energía Ex de la
función x[n]:
X∞ Z
2 1 2
Ex = |x[n]| = X(ejω ) dω
n=−∞
2π h2πi
que se conoce además como la relación de Parseval.
Derivación en el dominio de la frecuencia
A partir de la derivada del espectro se obtiene:

∞
!
dX(ejω ) d X
−jωn
= x[n]e
dω dω n=−∞
∞
X
= (−jnx[n])e−jωn
n=−∞
de donde se obtiene
dX(ejω )
dω
−jnx[n]
Puesto que la transformada de Fourier es lineal, se multiplica en ambos dominios por j para
obtener:
dX(ejω )
nx[n] j
dω
Dualidad
En la sección 3.2 se dedujo que toda función periódica continua que satisface las condiciones
de Dirichlet tiene asociado un espectro aperiódico discreto. En esta sección hemos revisiado
que de forma dual, una función aperiódica discreta tiene asociado un espectro periódico
continuo.
La propiedad de dualidad establece una relación entre ambos tipos de herramientas de aná-
lisis. Usaremos la notación c[k] = ck para poder interpretar los coeficientes discretos de la
serie de Fourier explícitamente como una sucesión.

Las ecuaciones de análisis y síntesis de una serie de Fourier en tiempo continuo están dadas
por:
Z
1
c[k] = x(t)e−jω0 kt dt
T hT i
X ∞
x(t) = c[k]ejω0 kt
k=−∞
Lo primero que debe hacerse es homogeneizar el periodo de la función x(t) para que corres-
ponda a exactamente 2π, que es el periodo del espectro de las transformadas de Fourier en
tiempo discreto. Pártase de la ecuación de análisis anterior, y realícese un cambio de variable
t0 = t 2π
T
, dt0 = dt 2π
T
:
Z
1
c[k] = x(t)e−jω0 kt dt
T hT i
Z
1 T
T 0 −j 2π T 0
= x 2π t e T k 2π t dt0
T 2π h2πi
Z
1
T 0 −jkt0
= x 2π t e dt0
2π h2πi

Si se define x̃(t) = x 2π
T
t entonces x̃(t) corresponde simplemente a un escalamiento temporal
de x(t) de modo que el periodo sea T = 2π, y ω0 = 2π/T = 1. Las ecuaciones de síntesis y
análisis se reescriben entonces como:
Z
1
c[k] = x̃(t)e−jkt dt
2π h2πi
X∞
x̃(t) = c[k]ejkt
k=−∞
que comparadas con las transformadas de Fourier inversa y directa en tiempo discreto
Z
1
2π h2πi
X∞
X(ejω ) = x[n]e−jωn
n=−∞
dejan en evidencia su similitud, exceptuando el signo del exponente.

Pártase de la transformada de Fourier de una función aperiódica discreta x[n]:
∞
X
jω
X(e ) = x[n]e−jωn
n=−∞
y realícese primero un cambio de variable ω → −t

∞
X
X(e−jt ) = x[n]ejtn
n=−∞

luego cámbiese n → k
∞
X
−jt
X(e )= x[k]ejtk
k=−∞
y compárese esto con la ecuación de síntesis de la serie de Fourier:

∞
X
x̃(t) = c[k]ejkt
k=−∞
de donde se deduce que si se toma el espectro periódico continuo de una transformada de

Fourier, reflejado, como función temporal X(e−jt ), los coeficientes de la serie de Fourier de
esa función temporal serán idénticos a la función discreta temporal original x[n]. Otra forma
de verlo es que, si se toma el espectro como función temporal continua periódica X(ejt ),
entonces los coeficientes de su serie de Fourier estarán dados por x[−n].
La tabla 6.3 resume las propiedades de la transformada de Fourier para funciones en tiempo
discreto derivadas anteriormente.
La tabla 6.2 ilustra las relaciones entre las herramientas del análisis de Fourier revisadas
hasta el momento. El color de fondo identifica los pares de herramientas que están ligadas
por una relación de dualidad. Nótese la correspondencia entre periodicidad en un dominio
Tabla 6.2: Resumen de las herramientas del análisis de Fourier

Tiempo continuo Tiempo discreto
Tiempo Frecuencia Tiempo Frecuencia
∞
X Z X X
x(t) = ck e jω0 kt
ck = T1
x(t)e−jω0 kt dt x[n] = ck ejω0 kn ck = 1
x[n]e−jω0 kn
Serie
N
k=−∞ hT i k=hN i n=hN i
x(t) periódica continua ck aperiódica discreta x[n] periódica discreta ck periódica discreta
Z ∞ Z ∞ Z X∞
1
X(jω)ejωt dω x(t)e−jωt dt 1
X(ejω )ejωn dω X(ejω ) = x[n]e−jωn
Transf.
x(t) = 2π X(jω) = x[n] = 2π

−∞ −∞ h2πi n=−∞
x(t) aperiódica continua ck aperiódica continua x[n] aperiódica discreta ck periódica continua
y la naturaleza discreta de la representación en el dominio complementario. Es decir, si la

función es periódica, su espectro será discreto y si el espectro es periódico, es porque la
función es discreta. Si la distancia entre las muestras o la líneas espectrales es α entonces la
periodicidad en el otro dominio será 1/α.
periódico ←→ discreto
aperiódico ←→ continuo
Por ejemplo, una función continua periódica tendrá un espectro aperiódico discreto; una
función discreta aperiódica tendrá un espectro periódico continuo.
6.3.3. Relación entre las transformadas de Fourier y z
La transformada z de la sucesión x[n] es

∞
X
X(z) = x[n]z −n , ROC : r2 < |z| < r1 (6.21)
n=−∞

Tabla 6.3: Propiedades de la Transformada de Fourier en tiempo discreto.
Propiedad Función en el tiempo Transformada

x[n] X(ejω )
x1 [n] X1 (ejω )
x2 [n] X2 (ejω )
Linealidad α1 x1 [n] + α2 x2 [n] α1 X1 (ejω ) + α2 X2 (ejω )
∞
X
Simetría par x[n] = x[−n] x[0] + 2 x[n] cos ωn
n=1
X(ejω ) = X(e−jω );
si x[n] ∈ IR =⇒ X(ejω ) ∈ IR
X∞
Simetría impar x[n] = −x[−n] −2j x[n] sen ωn
n=0
X(ejω ) = −X(e−jω );
si x[n] ∈ IR =⇒ X(ejω ) ∈ jIR
Función real x[n] ∈ IR X(ejω ) = X ∗ (−jω)
Desplazamiento temporal x[n − n0 ] e−jωn0 X(ejω )
Desplazamiento en frecuencia ejω0 n x[n] X(jω − jω0 )
Conjugación x∗ [n] X ∗ (−jω)
Inversión en el tiempo x[−n] X(e−jω )
Convolución x1 [n] ∗ x2 [n] X1 (ejω )X2 (ejω )
1
Multiplicación x1 [n]x2 [n] X1 (ejω ) ~ X2 (ejω )
2π −jω
Diferenciación x[n] − x[n − 1] (1 − e ) X(ejω )
Xn
X(ejω )
Acumulación x[n] 1−e−jω
+ πX(0)X2π (ω)
m=−∞
Modulación x[n] cos[ω0 n] 1
2
{X(jω + jω0 ) + X(jω − jω0 )}
dX(ejω )
Derivación en la frecuencia nx[n] j
∞
dω
Z
X 2 1 2
Relación de Parseval |x[n]| = X(ejω ) dω
n=−∞
2π h2πi

que se derivó como la transformada de Laplace de una representación analógica x̂a (t) de la
función discreta x[n]:
∞
X
x̂a (t) = x[n]δ(t − nT )
n=−∞
con s = σ + jωa , z = e sT σT jωa T

=e e . Recuérdese que la frecuencia normalizada ω = ωa T =
ωa 2π
ωs
.
Expresando la variable compleja z en su representación polar como z = rejω (r = |z|,
ω = ∠z), entonces (6.21) se reescribe como
∞
X
X(z) z=rejω
= x[n]r−n e−jωn
n=−∞
que equivale a la transformada de Fourier en tiempo discreto de la sucesión x[n]r−n . El factor

de escalado r−n tiene como tarea forzar que x[n]r−n sea absolutamente sumable. De hecho,
la ROC de la transformada z está constituida por todos los círculos de radio r, de modo tal
que la sucesión x[n]r−n tiene transformada de Fourier. Esto es similar a la construcción de la
ROC de la transformada de Laplace, solo que en ese caso la ROC la conforman todas todas
las líneas verticales de parte real σ, de modo que la transformada de Fourier de x(t)e−σt
existe. El mapeo z = esT transforma esas líneas verticales a círculos centrados en el origen.
En el caso de la transformada de Laplace de una función x(t), si su ROC contiene al eje jω,
entonces se puede decir que x(t) tiene transformada de Fourier por ser esta absolutamente
integrable, lo que es una condición suficiente para la existencia de la transformada. En el caso
de una función en tiempo discreto x[n], si su transformada z tiene una ROC que contiene el
círculo unitario, entonces también tiene transformada de Fourier, por ser eso una condición
suficiente para que la función sea absolutamente sumable. En este caso, el radio es r = 1 y
entonces ∞
X
X(z) z=ejω = X(ejω ) = x[n]e−jωn
n=−∞
es decir, la transformada de Fourier de x[n] equivale a su transformada z evaluada en la

circunferencia unitaria z = ejω . En este hecho se basa la elección de notación X(ejω ) que
se ha usado hasta ahora para denotar la transformada de Fourier en tiempo discreto. La
figura 6.13 muestra como ejemplo la magnitud de la transformada z de una sucesión x[n] y a
la derecha la misma función “recortada” en |z| = 1. La silueta formada en |z| = 1 corresponde
entonces al espectro X(ejω ).
Si X(z) no converge en |z| = 1 entonces la transformada de Fourier X(ejω ) no necesariamente
existe. Algunas funciones tienen transformada de Fourier, pero no tienen transformada z.
Por ejemplo, x[n] = senπnωc n tiene como transformada de Fourier la extensión periódica de
(
1 |ω| ≤ ωc
X(ejω ) =
0 ωc < |ω| < π
P∞
mas no posee transformada z, puesto que para la serie n=−∞
sen ωc n −n
πn
z no existe ninguna
región de convergencia.

7 7
6 6
5 5
4 4
|X(z)| |X(z)|
3 3
2 2
1 1
1 1
0
Im{z} 0
Im{z}
1 1
0.5 0.5
0 0
–1 –0.5 –1 –0.5
–1 Re{z} –1 Re{z}
(a) (b)
Figura 6.13: Correspondencia entre X(ejω ) y X(z) para una función con un par de polos com-
◦
plejos conjugados en z = 0,95e±j30 y un cero en z = 0. (a) |X(z)|. (b) |X(z)| para
|z| < 1.
6.3.4. El teorema de muestreo
El teorema del muestreo se revisó en el ejemplo 3.18. Por otro lado, en la sección 6.1.2
se revisó el hecho de que la máxima frecuencia normalizada representable en una función
muestreada es fmax = fafmax
s
= 12 . Puesto que la representación de Fourier de la función
discreta es ∞
X
x[n] X(ejω ) = x[n]e−jωn , ω ∈ ]−π,π]
n=−∞
y X(ejω ) es periódico con periodo 2π, se obtiene de nuevo que la frecuencia de muestreo fs
debe ser elegida de tal modo que sea al menos el doble de la frecuencia máxima de la función
(figura 6.14).
X(ω)
ω
−2π −π π 2π
f
−1 − 12 0 1
2 1
fa
−fs − f2s −B 0 B fs
2 fs
Figura 6.14: Espectro de función discreta con banda limitada sin aliasing.

De otro modo existirá entre las repeticiones periódicas del espectro de la función analógica
un traslape, denominado aliasing. Sea xa (t) la función analógica muestreada periódicamente
cada Ts segundos para producir la función en tiempo discreto x[n]:
x[n] = xa (nTs ), − ∞ < n < ∞.
Si xa (t) es aperiódica de energía finita, entonces se cumple para su espectro:
Xa (jωa ) =
Z ∞
−∞
xa (t)e −jωa t
dt xa (t) =
1
2π
Z ∞
−∞

Xa (jωa )ejωa t dωa
En el dominio discreto se tiene:
X(e ) = jω
n=−∞
∞
X
x[n]e −jωn
x[n] =
1
2π
Z
−π
π
X(ejω )ejωn dω
Puesto que para la función muestreada se tiene

n
t = nTs =
fs
entonces se cumple que
xa (nTs ) = x[n]
Z ∞ Z π
jωa n/fs !
Xa (jωa )e dωa = X(ejω )ejωn dω
−∞ −π
Considerando que ω = 2πωa /ωs = ωa /fs y dω = dωa /fs se obtiene entonces

Z ∞ Z πfs
jωa n/fs 1
Xa (jωa )e dωa = X(ejωa /fs )ejωa n/fs dωa
−∞ fs −πfs
El lado izquierdo se segmenta en bloques de ancho ωs = 2πfs de la siguiente manera:

Z ∞ ∞ Z
X (k+1/2)ωs
jωa n/fs
Xa (jωa )e dωa = Xa (jωa )ejωa n/fs dωa
−∞ k=−∞ (k−1/2)ωs
Con un cambio de variable en la integral ωa0 = ωa − kωs , dωa0 = dωa , se obtiene un desplaza-
miento del k-ésimo bloque al intervalo [−ωs /2; ωs /2]:
Z (k+1/2)ωs Z ωs /2 0 +kω
ωa s
Xa (jωa )e jωa n/fs
dωa = Xa (jωa0 + kjωs )ejn fs dωa0
(k−1/2)ωs −ωs /2
y renombrando ωa0 → ωa
Z ωs /2
= Xa (jωa + kjωs )ejωa n/fs dωa
−ωs /2

por lo que
Z ωs /2 ∞ Z
X ωs /2
1 jωa /fs
jωa n/fs
X e e dωa = Xa (j(ωa + kωs ))ejωa n/fs dωa
fs −ωs /2 k=−∞ −ωs /2
Z " ∞
#
ωs /2 X
= Xa (j(ωa + kωs )) ejωa n/fs dωa
−ωs /2 k=−∞
es decir ∞
X
jω jωa /fs
X(e ) = X e = fs Xa (j(ωa + kωs ))
k=−∞
Por lo tanto, se confirma por este camino de comparación de los análisis en tiempos discreto
y continuo, que el espectro de la función discreta X(ejω ) es igual a la acumulación periódica
con periodo ωs del espectro escalado fs Xa (jωa ).
Si el espectro de la función analógica es de banda limitada, es decir, Xa (jωa ) = 0 si |ωa | ≥
2πB, entonces si se elige fs mayor a 2B se cumple para el rango de frecuencias únicas
|ωa | = |2πfa | ≤ πfs , o fa ≤ fs /2:

X ejωa /fs = fs Xa (jωa ), |fa | ≤ fs /2 .
En este caso no existe aliasing y los espectros de las funciones continua y discreta son idénticos
en el intervalo de frecuencias |fa | ≤ fs /2, exceptuando el factor de escala fs (figura 6.15).
Reconstrucción a partir de las muestras
Con lo anterior, se puede demostrar cómo reconstruir la función analógica xa (t) a partir de
las muestras x[n]. Si fs < 2B entonces no se satisface el criterio de Nyquist, y el solapamiento
espectral impide que la función original pueda ser recuperada a partir de las muestras. Por
otro lado, si no hay solapamiento, entonces
(
1 jωa /fs
X e |ωa | ≤ ωs /2
Xa (jωa ) = fs
0 |ωa | > ωs /2
y puesto que
∞
X

X ejωa /fs = x[n]e−jωa n/fs
n=−∞
y además
Z ωs /2
1
xa (t) = Xa (jωa )ejωa t dωa
2π −ωs /2
se tiene que " #

Z ωs /2 ∞
X
1
xa (t) = x[n]e−jωa n/fs ejωa t dωa
ωs −ωs /2 n=−∞
∞
X Z ωs /2
1
ejωa (t− fs ) dωa
n
= x[n]
ωs n=−∞ −ωs /2

xa (t) Xa (jωa )
t fa
−B B
(a)

1 jωa
x[n] Ts X̂a fs
n fa
−fs −B B fs
Ts
(b)

1 jωa
x[n] Ts X̂a fs
n fa
−fs fs
Ts (c)
Figura 6.15: Función analógica de espectro finito y los efectos de diferentes frecuencias de mues-
treo. (a) Función analógica xa (t) y su espectro. (b) Muestreo con fs > 2B. (c) Mues-
treo con fs < 2B.
Para t = n/fs se cumple

Z ωs /2 Z ωs /2
jωa (t− fn )
e s dω =
a dωa = ωs
−ωs /2 −ωs /2
y puesto que para t 6= n/fs se tiene

ωs /2
Z
ejωa (t− fs ) ej 2 (t− fs ) − e−j 2 (t− fs )
n ωs n ωs n
ωs /2
jωa (t− fn )
e s dω =
a =
−ωs /2 j t − fns j t − fns
−ω /2
s
sen ω2s t − fns sen ω2s t − fns
=2 = ωs
t − fns ωs
2
t − n
fs
con lo que se cumple para todo t

Z ωs /2
jωa (t− fn ) ωs n
e s dω = ω sa
a s t−
−ωs /2 2 fs

entonces ∞
X n
xa (t) = x[n] sa πfs t −
n=−∞
fs
∞
X
= xa (nTs ) sa (πfs [t − nTs ])
n=−∞
X∞
= x[n]P (t − nTs )
n=−∞
que es la interpolación de las muestras utilizando el interpolador ideal

ω
s t
P (t) = sa (πfs t) = sa t = sa π . (6.22)
2 Ts
La figura 6.16 muestra el interpolador ideal. Nótese que P (t) es cero para t = kTs , k ∈ Z \ 0.
P (t)
1
t/Ts
−4 −3 −2 −1 0 1 2 3 4
Figura 6.16: Interpolador ideal.
En otras palabras, si xa (t) es de banda limitada B y x[n] = xa (nTs ) es muestreada con

fs ≥ 2B entonces xa (t) puede ser reconstruida completamente y de forma única utilizando el
interpolador P (t) dado en (6.22). Debe advertirse, sin embargo, que P (t) tiene extensión infi-
nita y no es causal, por lo que en aplicaciones prácticas suele aproximarse con interpoladores
finitos.
La figura 6.17 muestra un ejemplo de interpolación de una sucesión finita de muestras x[n] =
{0,3,2, − 1,1,0}. Se aprecia que la función interpolada atraviesa todas las muestras, mientras
que para valores de t no enteros todas las muestras contribuyen al valor interpolado.
6.4. Sistemas LTI en el dominio de la frecuencia
6.4.1. La función de respuesta en frecuencia
En el capítulo 5 se demostró que la respuesta de cualquier sistema LTI en reposo a una señal
de entrada x[n], está determinada por la convolución con la respuesta impulsional h[n]:
∞
X
y[n] = h(k)x(n − k)
k=−∞

x[n], xa (t)
n, t/Ts
−1 0 1 2 3 4 5 6
−1
Figura 6.17: Ejemplo de iterpolación ideal para una sucesión de muestras finita. La función analó-
gica xa (t) se muestra con línea gruesa. Los aportes de cada muestra a todo instante
de tiempo se muestran en las líneas delgadas.
Para analizar este sistema en el dominio de la frecuencia, se analiza su respuesta a una señal
exponencial compleja x[n] = Aejωn . Se obtiene como salida:
∞
" ∞ #
X X
y[n] = h(k)Aejω(n−k) = Aejωn h(k)e−jωk = AH(ejω )ejωn
k=−∞ k=−∞
La respuesta del sistema LTI a una entrada exponencial compleja es entonces otra señal
exponencial compleja de la misma frecuencia, pero con una nueva amplitud y fase, determi-
nadas por H(ejω ). Puesto que H(ejω ) = |H(ejω )| ej∠H(e ) entonces es claro que la magnitud
jω
cambia de acuerdo a |H(ejω )| y la fase de acuerdo a ∠H(ejω ).

P

Nótese que H(ejω ) existe si el sistema es estable, puesto que en ese ∞ n=−∞ |h[n]| < ∞.
Puesto que h[n] es discreta, entonces H(ejω ) h[n] es periódica y se cumple entonces:
Z π
1
h[n] = H(ejω )ejωn dω
2π −π
Además, por las propiedades de simetría, si h[n] es real, entonces H(ejω ) tiene simetría
hermítica, es decir H(e−jω ) = H ∗ (ejω ), lo que implica que |H(ejω )| = |H(e−jω )| (sime-
tría par), ∠H(ejω ) = −∠H(e−jω ) (simetría impar), o de forma equivalente Re{H(ejω )} =
Re{H(e−jω )} (simetría par), Im{H(ejω )} = − Im{H(e−jω )} (simetría impar).
A H(ejω ) se le denomina respuesta en frecuencia del sistema. Esta función determina la
amplitud y fase para cada señal exponencial compleja de entrada. Además, puesto que
jωn −jωn
cos(ωn) = e +e 2
, entonces la respuesta del sistema LTI con respuesta impulsional h[n]
ante la entrada x[n] = A cos(ωn), será:
A
y[n] = H(ejω )ejωn + H(e−jω )e−jωn
2
A jω −jω

= H(ejω ) ej(ωn+∠H(e )) + H(e−jω ) e−j(ωn−∠H(e ))
2
A jω jω

= H(ejω ) ej(ωn+∠H(e )) + e−j(ωn+∠H(e ))
2
= A H(ejω ) cos(ωn + ∠H(ejω ))
Es decir, |H(ejω )| determina la atenuación o amplificación de la componente frecuencial de la

entrada con frecuencia angular ω, y por ende se le denomina respuesta en magnitud , mientras
que ∠H(ejω ) determina la fase a la salida de la misma componente (respuesta en fase).
Ejemplo 6.14 Para el sistema descrito por la ecuación:
y[n] = ay(n − 1) + bx[n], 0 < a < 1 ∧ a,b ∈ IR
1. Determine H(z), H(ejω ) y h[n].
2. Elija b de tal modo que |H(ejω )| sea a lo sumo 1 y grafique |H(ejω )| y ∠H(ejω ) para
a = 0,9

3. Determine la salida para x[n] = 5 + 12 sen π2 n − 20 cos πn + π4
1. Determínese primero la función de transferencia H(z) y con ella la respuesta al impulso

h[n]:
Y (z) = aY (z)z −1 + bX(z)

Y (z) b
= = H(z)
X(z) 1 − az −1
h[n] = ban u[n]
Aprovechando el hecho de que la respuesta en frecuencia será igual a la función de

transferencia evaluada en z = ejω , se tiene:
b
H(ejω ) =
1 − ae−jω
|b| |b|
H(ejω ) = −jω
=
|1 − ae | |1 − a(cos ω − j sen ω)|
|b|
=p
(1 − a cos ω)2 + (a sen ω)2
|b| |b|
=√ =√
1 − 2a cos ω + a2 cos2 ω + a2 sen2 ω 1 − 2a cos ω + a2

a sen ω
∠H(ejω ) = ∠b − arctan
1 − a cos ω
2. |H(ejω )| es máximo si el denominador es mínimo, y esto ocurre, puesto que a ∈ [0,1]

cuando cos ω es máximo, es decir, cuando ω = 0. Así, para lograr que la máxima
respuesta en magnitud sea 1, se debe elegir:
|b| |b| !
|H(0)| = √ = = 1 ⇒ |b| = 1 − a
1 − 2a + a 2 1−a
Eligiendo b = 1 − a se obtienen las gráficas en la figura 6.18.

1.2 |H(ω)| θ(ω)

3.14159
0.8 1.5708
0.6
0 ω
0.4 0 0.785398 1.5708 2.35619 3.14159
0.2
−1.5708
0 ω
0 1.5708 3.14159
−0.2 −3.14159
(a) (b)
Figura 6.18: Respuestas de magnitud y fase para el sistema en el ejemplo 6.14.

3. Asumiendo a = 0,9, se requiere H(0), H π
2
, H(π)
H(0) = 1∠0◦
π 1−a 0,1
H =√ =√ = 0,074
2 1+a 2 1,81
π
∠H = − arctan a = −42◦
2
1−a 0,1
|H(π)| = = = 0,053 ∠H(π) = 0
1+a 0,9
entonces π hπ π i
y[n] = 5 + 12 H sen n + ∠H
2 h 2 2i
π
− 20 |H(π)| cos πn + + ∠H(π)
π 4 π
= 5 + 0,888 sen n − 42◦ − 1,06 cos πn +
2 4
6.14
6.5. Transformada Discreta de Fourier

En las secciones anteriores se observó que señales discretas aperiódicas, como señales digitales
de audio, señales digitales sísmicas, señales médicas, etc., tienen un espectro periódico pero
contínuo, que no es representable directamente en algún formato manipulable digitalmente.
En esta sección se introduce la transformada discreta de Fourier (DFT, Discrete Fourier
Transform) que representa un mecanismo para el estudio frecuencial por medios digitales
para las mencionadas señales.

6.5.1. Muestreo en el dominio de la frecuencia
Toda señal aperiódica x[n] de energía finita tiene un espectro contínuo

∞
X
jω
X(e ) = x[n]e−jωn .
n=−∞
x(n) |X(ωk )| |X(ωk )|

1 1 1
0 n 0 ωk 0 ωk
−2 −1 0 1 2 3 4 5 6 7 8 9 10 −6 −5 −4 −3 −2 −1 0 1 2 3 4 5 6 −6 −5 −4 −3 −2 −1 0 1 2 3 4 5 6
(a) (b) (c)

Figura 6.19: Señal discreta aperiódica, su espectro contínuo, y su espectro muestreado.
Si X(ejω ) se muestrea periódicamente (figura 6.19) con un espaciado frecuencial ∆ω = 2π N

solo se necesitarán N muestras puesto que el espectro, por corresponder a una señal discreta,
es a su vez periódico con periodo 2π. Las muestras en ω = k ∆ω = 2π N
k son entonces
∞
X
j 2π k
X e N = x[n]e−j2πkn/N k = 0,1, . . . ,N − 1
n=−∞
donde descomponiendo la sumatoria en subintervalos de N elementos y haciendo un cambio

de variable para trasladar cada subintervalo al origen, esta se modifica en
" ∞ #
2π X∞ lNX +N −1 N
X −1 X
jNk −j2πkn/N
X e = x[n]e = x(n − lN ) e−j2πkn/N
l=−∞ n=lN n=0 l=−∞
| {z }
xp [n]
con k = 0,1, . . . ,N − 1.
La señal ∞
X
xp [n] = x(n − lN )
l=−∞
se obtiene repitiendo periódicamente x[n] cada N muestras, y por ser periódica puede cal-
cularse su serie de Fourier como
N
X −1
xp [n] = ck ej2πkn/N , n = 0,1, . . . ,N − 1
k=0
con los coeficientes

1 2π
N −1
1 X
ck = xp [n] e−j2πkn/N = X ej N k
N n=0 N

Con esta serie, xp [n] puede ser reconstruido del espectro muestreado con
1 X j 2π k j2πkn/N
N −1
xp [n] = X e N e , n = 0,1, . . . ,N − 1
N k=0
La señal x[n] puede recuperarse de xp [n] si y solo si no hay aliasing en el dominio del tiempo,
es decir, si la longitud L de x[n] es menor que el periodo N de xp [n] (figura 6.20):
(
xp [n], 0 ≤ n ≤ N − 1
x[n] =
0, en el resto
x(n)
n
xp (n), L < N
n
xp (n), L > N
Figura 6.20: Extensión periódica por muestreo del espectro. a) Señal original, b) Extensión con
L < N , c) Extensión con L > N .
Si no hay aliasing en el tiempo (L < N ) entonces
1 X j 2π k j2πkn/N
N −1
x[n] = xp [n] = X e N e , 0≤n≤N −1
N k=0
con espectro
" #
1 X j 2π k j2πkn/N −jωn
N
X −1 N
X −1 N −1
jω −jωn
X(e ) = x[n]e = X e N e e
n=0 n=0
N k=0

" #
N
X −1
N −1
1 X −j (ω− 2πk
j 2π N )
k n
= X e N e
k=0
N n=0
N
X −1
j 2π k 2πk
= X e N P ω−
k=0
N
donde
N −1
1 X −jωn 1 1 − e−jωN
P (ω) = e =
N n=0 N 1 − e−jω
1 sen(ωN/2) −jω(N −1)/2
= e (6.23)
N sen(ω/2)
es la función de interpolación que sustituye en este caso a sa(πfs t) con una versión de
propiedades similares, pero periódica (figura 6.21):
(
2π 1 k=0
P k =
N 0 k = 1,2, . . . ,N − 1
P (ω)
0 ω
−2π −π 0 π 2π
Figura 6.21: Interpolador ideal P (ω) para espectro muestreado con N = 5.
Ejemplo 6.15 Determine el aliasing de la sucesión x[n] = an u[n], |a| < 1, si el espectro se
muestrea a las frecuencias ωk = 2πk/N .
El espectro es
∞
X
jω 1
X(e ) = an e−jωn =
n=0
1 − ae−jω
2π
Las muestras están dadas por X(ejωk ) = X ej N k = 1
1−ae−j2πk/N
La sucesión periódica xp [n] representada por este espectro discreto es

∞
X 0
X ∞
X
n−lN n 1
xp [n] = x(n − lN ) = a =a alN = an , 0≤n≤N −1
l=−∞ l=−∞ l=0
1 − aN

donde la constante 1
1−aN
representa el aliasing y tiende a uno si N → ∞, como es de esperar.
6.15
6.5.2. La transformada discreta de Fourier
En la sección anterior se demostró que el espectro muestreado de una señal x[n] de longitud
finita L no representa a x[n] directamente sino a su extensión periódica xp [n] obtenida de
∞
X
xp [n] = x(n − lN )
l=−∞
Si no hay aliasing temporal, entonces xp [n] es simplemente la concatenación periódica de

x[n] de longitud L , que se expande con ceros para alcanzar la longitud N > L:
(
x[n] 0 ≤ n ≤ L − 1
xp (n − lN ) =
0 L≤n≤N −1
Nótese que el efecto de rellenar con ceros x[n] produce un muestreo más detallado de su
espectro X(ejω ) que tendrá N y no L muestras. Para todo N > L las muestras no proveen
mayor información que el caso N = L, solo una representación con más detalle (figura 6.22).
La transformación de x[n] hacia su espectro muestreado
2π X L−1
X[k] = X ej N k = x[n]e−j2πkn/N
n=0
N
X −1
= x[n]e−j2πkn/N , k = 0,1, . . . ,N − 1
n=0
se conoce como transformada discreta de Fourier DFT y a la reconstrucción de x[n] de las

muestras espectrales
N −1
1 X
x[n] = X[k]ej2πkn/N , n = 0,1, . . . ,N − 1
N k=0
se le conoce como transformada discreta de Fourier inversa (IDFT).

Al igual que en todos los casos anteriores, la relación entre los dominios del tiempo y la
frecuencia se denotará con x[n] X[k], aunque si es necesario hacer evidente con qué
intervalo N se trabaja, se utiliza x[n] X[k].
N
De forma similar al caso de las series de Fourier en tiempo discreto, estas transformaciones
se expresan a menudo como
N
X −1
DFT: X[k] = −kn
x[n]wN k = 0,1, . . . ,N − 1
n=0
N
X −1
1
IDFT: x[n] = kn
X[k]wN n = 0,1, . . . ,N − 1
N k=0

|X(ω)|
1
x(n)
−3 −2 −1
0
|X(ω)|
0 1 2 3
ω

N
n
xp (n)
−3 −2 −1
0
|X(ω)|
0 1 2 3
ω

N
n
xp (n)
−3 −2 −1
0
0 1 2 3
ω

N
n
Figura 6.22: Efecto de extensión de señal con ceros y la DFT resultante.
donde wN = ej2π/N es la primera N -ésima raíz de la unidad. En la literatura se encuentran

otras expresiones similares que utilizan como wN al conjugado de lo indicado aquí, lo que
cambia los signos de los exponentes en las expresiones anteriores. El lector debe tener siempre
cuidado en verificar qué tipo de expresiones se usan, pues esto cambia no solo entre libros
de texto, sino entre bibliotecas de software y herramientas de diseño de sistemas digitales.
Es evidente que en este caso las representaciones de las funciones y sus espectros como
vectores permiten utilizar las herramientas de álgebra lineal ya elaboradas en la sección 6.2.2
en el contexto de las series de Fourier, con los cambios necesarios debido a la posición del
factor 1/N .
Así, la k-ésima muestra del espectro X[k] se expresa como el producto punto de la entrada
h i>
−(N −1)k
x[n] y el vector 1,wN
−k −2k
,wN , . . . ,wN , o, si se interpreta X[k] también como vector,

entonces
    
X[0] 1 1 ··· 1 x[0]
 X[1]  1 wN−1
··· wN
−(N −1)  x[1] 
    
X[k] ≡ X N = ..  =  .. .. ... ..  .. 
 .  . . .  . 
−(N −1) −(N −1)(N −1)
X[N − 1] 1 wN · · · wN x[N − 1]
o en forma compacta
X N = W ∗N xN
de donde se deduce
1
xN = W N XN
N
6.5.3. Relación de la DFT con otras transformadas
Series de Fourier
La sucesión xp [n] por ser periódica con periodo N tiene una representación en series de
Fourier
N
X −1
xp [n] = ck ej2πnk/N , −∞<n<∞
k=0
N
X −1
1
ck = xp [n]e−j2πnk/N , k = 0,1, . . . ,N − 1
N n=0
Esto es X(k) = N ck .
Transformada de Fourier de sucesiones aperiódicas
Ya se verificó la relación entre la DFT X[k] como muestras del espectro continuo X(ejω )
X[k] = X(ejω ) ω= 2π k
N
que a su vez corresponden con los coeficientes de la DFT de xp [n], la extensión periódica de
x[n]. Ambas sucesiones son idénticas para n = 0,1, . . . ,L − 1 si no hay aliasing temporal, es
decir, si x[n] es finita de longitud L y N > L.
Transformada z
Si la región de convergencia de la transformada z de x[n] incluye la circunferencia unitaria,

entonces ∞
X
X[k] = X(z) z=ej2πk/N = x[n]e−j2πnk/N , k = 0,1, . . . ,N − 1
n=−∞
que representa al muestreo de la transformada z sobre el círculo unitario con ángulos dis-
tribuidos homogéneamente. Sin aliasing temporal se cumple entonces, con x[n] de longitud

finita N
N −1 N −1
" N −1
#
X X 1 X
X(z) = x[n]z −n = X[k]ej2πkn/N z −n
n=0 n=0
N k=0
N
X −1 N
X −1
1 n
= X[k] ej2πk/N z −1
N k=0 n=0
−N N
X −1
1−z X[k]
X(z) =
N k=0
1 − ej2πk/N z −1
que es la reconstrucción de X(z) en todo el plano complejo z a partir de la muestras espec-

trales X[k] distribuidas homogéneamente en el círculo unitario de dicho plano. Evaluando
en la circunferencia unitaria se obtiene para la transformada de Fourier en tiempo discreto
N −1
1 − e−jωN X
jω X[k]
X(e ) =
N −j (ω− 2πk
N )
k=0 1 − e
que una expresión de interpolación de las muestras X[k] equivalente a la expresada anterior-
mente con P (ω) (ver (6.23) en la página 409).
6.5.4. Propiedades de la DFT
Debido a que la DFT y las expresiones de análisis y síntesis de las series de Fourier en tiempo
discreto son idénticas excepto por el factor 1/N , las propiedades de la serie aplican también
a la DFT. Se hace a continuación un resumen de las propiedades relevantes en el contexto
de sistemas LTI discretos.
Linealidad
Si x1 [n] X1 [k] y x2 [n] X2 [k] entonces
a1 x1 [n] + a2 x2 [n] a1 X1 [k] + a2 X2 [k]
Simetría circular
Puesto que la DFT de N puntos de una sucesión finita x[n] de longitud L ≤ N es equiva-
lente a la DFT de N puntos de una sucesión periódica xp [n] de periodo N obtenida como
(figura 6.23)
X∞
xp [n] = x[n − lN ]
l=−∞
entonces un desplazamiento de xp [n] k unidades hacia la derecha equivale a un desplaza-

miento circular (figura 6.24):
xp [n − k] = x[(n − k) mód N ] ≡ xJn − kKN

x(n)
es equivalente a
3
2
4
0 1 2 3 4 1
0
Figura 6.23: Sucesión circular equivalente a x[n].
El doble paréntesis J·KN se utiliza como abreviación del operador módulo N , es decir, un
operador cuyo resultado siempre está entre 0 y N − 1, de modo que
k = JKKN =⇒ K = k + lN, l ∈ Z
para algún valor apropiado l.
xp (n)
es equivalente a
3
2
4
0 1 2 3 4 1
0
Figura 6.24: Sucesión circular equivalente a xp (n − 2).
Una sucesión es circularmente par si es simétrica con respecto al punto cero de la circunfe-
rencia (figura 6.25):
x[N − n] = x[n], 1≤n≤N −1
−2 5
−1 4
0 3
1 2
Figura 6.25: Simetría circular par
La sucesión es circularmente impar si es antisimétrica con respecto al punto cero (figura 6.26):
x[N − n] = −x[n], 1≤n≤N −1
La reflexión temporal circular se obtiene con
xJ−nKN = x[N − n], 0≤n≤N −1

−2 5
−1 4
0 3
1 2
Figura 6.26: Simetría circular impar
Utilizando xp [n] en vez de x[n] se tiene

par: xp [n] = xp [−n] = xp [N − n]
impar: xp [n] = −xp [−n] = −xp [N − n]
hermítica: xp [n] = x∗p [N − n] (conjugada par)
anti-hermítica: xp [n] = −x∗p [N − n] (conjugada impar)
La sucesión se puede descomponer en
xp [n] = xpe [n] + xpo [n]

1
xpe [n] = xp [n] + x∗p [N − n]
2
1
xpo [n] = xp [n] − x∗p [N − n]
2
Si x[n] = xR [n] + jxI [n], 0 ≤ n ≤ N − 1, y X[k] = XR [k] + jXI [k] entonces se obtiene con
la definición de la DFT.
N
X −1
2πkn 2πkn
XR [k] = xR [n] cos + xI [n] sen
n=0
N N
N
X −1
2πkn 2πkn
XI [k] = − xR [n] sen − xI [n] cos
n=0
N N
N −1
1 X 2πkn 2πkn
xR [n] = XR [k] cos − XI [k] sen
N k=0 N N
N −1
1 X 2πkn 2πkn
xI [n] = XR [k] sen + XI [k] cos
N k=0 N N
Si x[n] es real, entonces
X[N − k] = X ∗ [k] = X[−k] ⇒ |X[N − k]| = |X[k]| , ∠X[N − k] = −∠X[k]
Si x[n] es real y par entonces x[n] = x[N − n], para 0 ≤ n ≤ N − 1, y la DFT se torna
N
X −1
2πk
X[k] = x[n] cos n ,0 ≤ k ≤ N − 1
n=0
N

que también es real y par. Puesto que XI [k] = 0 entonces

N −1
1 X 2πkn
x[n] = X[k] cos , 0≤n≤N −1
N k=0 N
Si x[n] es real e impar entonces
x[n] = −x[N − n], 0 ≤ n ≤ N − 1

N
X −1
2πkn
X[k] = −j x[n] sen , 0≤k ≤N −1
n=0
N
y puesto que XR [k] = 0 entonces

N −1
j X 2πkn
x[n] = X[k] sen , 0≤n≤N −1
N k=0 N
Convolución circular
Sean x1 [n] y x2 [n] dos sucesiones de duración finita, ambas de longitud N , y sus respectivas
DFT de N puntos
N
X −1
X1 [k] = x1 [n]e−j2πnk/N , k = 0,1, . . . ,N − 1
n=0
N
X −1
X2 [k] = x2 [n]e−j2πnk/N , k = 0,1, . . . ,N − 1
n=0
Si X3 [k] = X1 [k]X2 [k], k = 0,1, . . . ,N − 1 entonces

N −1
1 X
x3 (n) = X3 [k]ej2πkn/N
N k=0
N −1
1 X
= X1 [k]X2 [k]ej2πkn/N
N k=0
N
" −1
−1 N
# "N −1 #
1 X X X
= x1 [m]e−j2πkm/N x2 [l]e−j2πkl/N ej2πkn/N
N k=0 m=0 l=0
N −1 N −1
"N −1 #
1 X X X
= x1 [m] x2 [l] ej2πk(n−m−l)/N
N m=0 l=0 k=0
y con a = ej2π(n−m−l)/N en
N −1
(
X N si a = 1 ⇔ n − m − l = pN ⇒ l = Jm − nKN
ak = 1−aN
k=0 1−a
= 0 si a =
6 1, puesto que aN = 1

por lo que
N
X −1
x3 [n] = x1 [m]x2 Jn − mKN = x1 [n] N x2 [n]
m=0
operación denominada convolución circular. Para los elementos x3 [n] con n = 0,1, . . . ,N − 1
esta función es equivalente a la convolución periódica de x1 [n] con la extensión periódica con
periodo N de x2 [n] .
La diferencia sutil entre la convolución circular N descrita y la convolución periódica ~
utilizada en la serie de Fourier es sutil, pero importante: la convolución circular N no requiere
que las funciones convolucionadas sean periodicas, e implícitamente realiza la extensión
periódica antes de aplicar la convolucion periódica. La convolución periódica ~ asume que
los operandos son periódicos, y de no ser así produce un resultado distinto al caso periódico,
porque los desplazamientos de la señal reflejada no serán circulares.
Algunas propiedades de la DFT se resumen en la tabla 6.4.
Tabla 6.4: Propiedades de la DFT.
Propiedad Dominio temporal Dominio frecuencial

Notación x[n],y[n] X[k],Y [k]
Linealidad a1 x1 [n] + a2 x2 [n] a1 X1 [k] + a2 X2 [k]
Reflexión temporal x[N − n] X[N − k]
Desplazamiento temporal circular xJn − lKN X[k] e−j2πkl/N
Desplazamiento frecuencial circular x[n]ej2πln/N XJk − lKN
Conjugación compleja x∗ [n] X ∗ (N − k)
Convolución circular x1 [n] N x2 [n] X1 [k]X2 [k]
Multiplicación de dos sucesiones x1 [n]x2 [n] 1
N 1
X [k] N X2 [k]
NX−1 N −1
1 X
Teorema de Parseval x[n]y ∗ [n] X[k]Y ∗ [k]
n=0
N k=0
6.5.5. Filtrado lineal basado en la DFT
La existencia de algoritmos eficientes para extraer la DFT (llamados FFT del inglés Fast
Fourier Transform) hace posible que sea en ocasiones más eficiente calcular la respuesta de
un filtro en el dominio de la frecuencia que directamente en el dominio del tiempo. Es decir,
conlleva menos cálculos transformar tanto la señal de entrada coo la respuesta al impulso al
dominio de la frecuencia, realizar allí la multiplicación, y luego la transformada inversa, que
hacer la convolución directamente en el dominio del tiempo. Esto es cierto particularmente
para filtros con respuesta al impulso de longitud considerable.
Sea la entrada x[n] de longitud L y un filtro FIR con respuesta impulsional h[n] de longitud
M . Asúmase además que ambas sucesiones son causales, es decir
x[n] = 0, n < 0, n ≥ L
h[n] = 0, n < 0, n ≥ M

La salida del filtro está dada en el dominio del tiempo por la convolución
M
X −1
y[n] = h[k]x[n − k] = h[n] ∗ x[n]
k=0
que por la naturaleza finita de x[n] y h[n] también es finita, pero con la longitud extendida
M + L − 1.
En el dominio de la frecuencia la salida es
Y (ejω ) = X(ejω )H(ejω )
Si se desea representar y[n] a través de muestras de Y (ejω ) se necesitan entonces al menos

N ≥ M + L − 1 muestras para evitar así el aliasing temporal y se obtiene con la DFT:
Y [k] = Y (ejω ) ω=2πk/N

= X(ejω )H(ejω ) ω=2πk/N
= X[k]H[k]
donde X[k] y H[k] representan entonces la DFT de las sucesiones x[n] y h[n] que han sido
extendidas con ceros para alcanzar la longitud N .
Nótese que la compensación de longitud de x[n] y y[n] logra que la convolución circular sea
equivalente a la convolución lineal.
1
Ejemplo 6.16 Calcule la respuesta del filtro con respuesta impulsional h[n] = ,1,1
4 2 4
ante la entrada x[n] = {4,2,2,4}.
La longitud de x[n] es L = 4 y la de h[n] es M = 3, por lo que la salida necesita al menos
L + M − 1 = 6 muestras. Se utilizará N = 8 por simplicidad y porque los algoritmos de FFT
usualmente requieren N = 2k muestras, con k ∈ IN. Así
7
X
X[k] = x[n]ej2πkn/8
n=0
π π 3π
= x[0] + x[1]e−j 4 k + x[2]e−j 2 k + x[3]e−j 4
k
3π π π
= 4(1 + e−j 4
k
) + 2(e−j 4 k + e−j 2 k )

X[0] = 12
√ √
X[1] = 4 − 2 − j(2 + 3 2)
X[2] = 2 + j2
√ √
X[3] = 4 + 2 + j(2 − 3 2)
X[4] = 0
√ √
X[5] = 4 + 2 − j(2 − 3 2) = X ∗ [3]
X[6] = 2 − j2 = X ∗ [2]
√ √
X[7] = 4 − 2 + j(2 + 3 2) = X ∗ [1]

De forma similar
7
X
H[k] = h[n]e−j2πkn/8
n=0
π π
= h[0] + h[1]e−j 4 k + h[2]e−j 2 k
1 π 1 π
= 1 + e−j 2 k + e−j 4 k
4 2
H[0] = 1
√ √
1+ 2 1+ 2
H[1] = −j = H ∗ [7]
4 4
−j
H[2] = − = H ∗ [6]
2√ √
1− 2 1− 2
H[3] = +j = H ∗ [5]
4 4
H[4] = 0
El producto de ambas sucesiones es
Y [0] = 12
√ √
3+ 2 5+2 2
Y [1] = − −j = Y ∗ [7]
2 2
Y [2] = 1 − j = Y ∗ [6]
√ √
2−3 5−2 2
Y [3] = +j = Y ∗ [5]
2 2
Y [4] = 0
Con la IDFT se obtiene finalmente

7
X
y[n] = Y [k]ej2πkn/8 , n = 0,1, . . . ,7
k=0

5 5 5 5
= 1, , , , ,1,0,0
2 2 2 2
6.16
Si no se respeta el tamaño adecuado para poder contener la señal de salida en toda su

longitud, el resultado será inválido por tener aliasing espacial.
6.6. Problemas
Problema 6.1. Determine si cada una de las funciones siguientes es periódica, y de ser
así determine su periodo fundamental. Asuma t ∈ IR y n ∈ Z.

√
1. xa (t) = 5 sen(4t + π/3)
√
2. x[n] = 5 sen[4n + π/3]
3. x[n] = 2ej[nπ/6−π]
4. x[n] = cos[n/8] cos[nπ/8]
5. x[n] = sen[πn/4] + sen[πn/8] + 3 cos[πn/2 + π/6]
Problema 6.2. Demuestre que la función exponencial discreta x[n] = ejωk n tiene como
rango de frecuencia fundamental ωk ∈ ]−π; π] (o de forma alternativa ωk ∈ [0; 2π[).
Problema 6.3. Encuentre la mayor tasa de oscilación para exponenciales complejas dis-
cretas.
Problema 6.4. En la sección 6.1.3 se demostró que una función exponencial compleja
discreta sk [n] = ejkω0 n solo tiene N − 1 funciones armónicamente relacionadas, cuando se
cumple ω0 = 2π/N . Demuestre que si la frecuencia es ω0 = 2πM/N con M < N , M y N
números primos relativos, el número de frecuencias armónicamente relacionadas sigue siendo
N.
Problema 6.5. Demuestre que (6.9) también se cumple si se usa n0 6= 0.
Problema 6.6. Demuestre que el cálculo del coeficiente ck en la serie de Fourier puede
usar cualquier intervalo del tamaño del periodo N , sin modificar el resultado.
Problema 6.7. Demuestre que la transformada de Fourier de funciones discretas es lineal.
Problema 6.8. Demuestre las propiedades de convolución y multiplicación de la transfor-

mada de Fourier en tiempo discreto.
Problema 6.9. Demuestre la propiedad de modulación de la transformada de Fourier de

funciones discretas.

Bibliografía
[1] G. James, Matemáticas Avanzadas para Ingeniería, 2da. Prentice Hall, 2002.
[2] R. V. Churchill y J. W. Brown, Variable Compleja y Aplicaciones, 7ma. McGraw Hill,
2004.
[3] A. Oppenheim, A. Willsky y S. H. Nawab, Señales y Sistemas, 2da. Prentice Hall,
1998.
[4] J. G. Proakis y D. G. Manolakis, Tratamiento Digital de Señales. Prentice Hall, 1998.
[5] G. E. Shilov, Elementary Real and Complex Analysis. Dover Publications, Inc., 1973.
[6] W. R. LePage, Complex Variables and the Laplace Transform for Engineers. Dover
Publications, Inc., 1961.
[7] H. F. Davis, Fourier series and orthogonal functions. Dover Publications, Inc., 1963.
[8] E. Kreyszig, Matemáticas Avanzadas para Ingeniería, 3ra. Limusa Wiley, 2000, vol. II.
[9] G. Pahl y W. Beitz, Engineering Design. A Systematic Approach, 2da. Springer Verlag,
1996.
[10] R. Schinzinger y P. Laura, Conformal Mapping. Methods and Applications. Dover Pu-
blications, Inc., 1991.
[11] F. G. Stremler, Introducción a los sistemas de comunicación, 3ra. Addison Wesley
Longman, 1993.
[12] M. A. B. Deakin, «Euler’s Version of the Laplace Transform,» The American Mathema-
tical Monthly, vol. 87, n.o 4, págs. 264-269, 1980, issn: 00029890, 19300972. dirección:
http://www.jstor.org/stable/2321558 (visitado 24-01-2023).
[13] T. D. O’Brien, «A historical development of the Laplace Transform in modern opera-
tional calculus with applications to mathematics, physics and technology,» Tesis doct.,
Teachers College, Columbia University, sep. de 1981.
[14] MathWorks, MatLab, 1994. dirección: http://www.matlab.com.
[15] J. W. Eaton, Octave, 1998. dirección: http://www.octave.org.
[16] E. Kreyszig, Matemáticas Avanzadas para Ingeniería, 3ra. Limusa Wiley, 2000, vol. I.
[17] Y. S. Bugrov y S. M. Nikolsky, Matemáticas superiores, ecuaciones diferenciales, in-
tegrales múltiples, series, funciones de variable compleja. Mir Moscu, 1988.
[18] A. Holland, Complex Function Theory. Elsevier North Holland, 1980.
421
Apéndice A
Teorema de Green
El Teorema de Green es nombrado así en honor al matemático inglés George Green (1793-
1841), quien se iniciara como panadero y progresó en la matemática de forma autodidacta
hasta llegar a ser miembro del Caius College en Cambridge. A pesar de ello permaneció en
el anonimato, incluso en Inglaterra, hasta después de su muerte. Él se dedicó a la teoría del
potencial con relación a la electricidad y el magnetismo, vibraciones, ondas y teoría de la
elasticidad [16].
El Teorema de Green en el plano, utilizado para demostrar el Teorema de Cauchy en la
sección 2.6.2, establece que dada una región R, cerrada y acotada en el plano xy cuya
frontera C se compone de un número finito de curvas suaves en sentido positivo, entonces para
dos funciones continuas u(x,y) y v(x,y), con derivadas parciales ∂u(x,y)/∂y y ∂v(x,y)/∂x
también continuas en todo dominio que contiene a R, se cumple
ZZ I
∂ ∂
v(x,y) − u(x,y) dx dy = (u(x,y) dx + v(x,y) dy) (A.1)
R ∂x ∂y C
lo que permite transformar entonces una integral de área en una integral de contorno.
Para demostrar el teorema se asumirá primero que la región R se puede representar de las
dos formas siguientes (figura A.1)
a ≤ x ≤ b, r(x) ≤ y ≤ s(x) (A.2)

c ≤ y ≤ d, p(y) ≤ x ≤ q(y) (A.3)
El primer término del integrando a mano izquierda se puede reescribir de la siguiente forma:
ZZ Z b "Z s(x) #
∂ ∂
u(x,y) dx dy = u(x,y) dy dx (A.4)
R ∂y a r(x) ∂y
y considerando que
Z s(x)
∂ y=s(x)
u(x,y) dy = u(x,y) = u(x,s(x)) − u(x,r(x)) (A.5)
r(x) ∂y y=r(x)
422
A Teorema de Green 423
y y
C2
s(x) p(y)
R R
C1
c
r(x) q(y)
a b x x
Figura A.1: Región especial simplemente conexa utilizada para demostrar el teorema de Green.
entonces (invirtiendo los índices de integración),

ZZ Z b Z b
∂
u(x,y) dx dy = u(x,s(x)) dx − u(x,r(x)) dx
R ∂y a
Z b a
Z a (A.6)
=− u(x,r(x)) dx + u(x,s(x)) dx
a b
y puesto que y = r(x) representa la curva C1 y y = s(x) es C2 , entonces las últimas integrales
pueden expresarse como
ZZ Z Z
∂
u(x,y) dx dy = − u(x,y) dx + u(x,y) dx
R ∂y C1 C2
I
= − u(x,y)dx (A.7)
C
De forma equivalente para el otro término del integrando en el lado izquierdo de (A.1):
ZZ Z d "Z q(y) #
∂ ∂
v(x,y) dx dy = v(x,y) dx dy
R ∂x c p(y) ∂x
Z d Z c
= v(q(y),y) dy + v(p(y),y) dy
Ic d
= v(x,y)dy (A.8)
C
con lo que finalmente el Teorema de Green

ZZ I
∂ ∂
v(x,y) − u(x,y) dx dy = (u(x,y) dx + v(x,y) dy)
R ∂x ∂y C
queda demostrado. En caso de que la región no pueda expresarse como en (A.2) y (A.3)
entonces las integrales pueden realizarse para un conjunto de regiones de la forma mencionada
cuya unión es la región deseada y cuya intersección es vacía.

Apéndice B
Demostraciones de integrales
A continuación se presentan dos demostraciones de integrales impropias reales utilizando los

métodos de integración compleja.
B.1. Fórmula de la integral de Cauchy

En la sección 2.6.4 se derivó la fórmula de la integral de Cauchy relacionando dos caminos
de cálculo de los coeficientes de una serie de Laurent. Aquí se presentará otro camino de
demostración.
Sea f (z) una función analítica dentro y sobre un contorno de integración simple y conexo
C. Si z0 se encuentra dentro de C entonces
I
f (z)
dz = 2πjf (z0 ) (B.1)
C z − z0
o lo que es equivalente I
1 f (z)
f (z0 ) = dz (B.2)
2πj C z − z0
Esta fórmula de la integral de Cauchy puede demostrarse sustituyendo en el lado izquierdo

de (B.1)
f (z) = f (z0 ) + [f (z) − f (z0 )]
lo que resulta en
I I I
f (z) 1 f (z) − f (z0 )
dz = f (z0 ) dz + dz
C z − z0 C z − z0 C z − z0
El ejemplo 2.42 junto con el resultado en (2.94) muestra que la integral en el primer sumando
del lado derecho de la ecuación es igual a 2πj, por lo que ahora corresponde demostrar que
la segunda integral es igual a cero. Puesto que el integrando es analítico en todo z 6= z0 ,
entonces se puede deformar el contorno de integración para excluir a z0 , tal y como se mostró
en la figura 2.63. Como f (z) es analítica en z = z0 entonces es también continua, por lo que
lı́m f (z) = f (z0 ) .

z→z0
424
B Demostraciones de integrales 425
Esto quiere decir que la distancia entre f (z) y f (z0 ) se podrá hacer arbitrariamente pequeña
(|f (z) − f (z0 )| < ) acercando cuanto sea necesario z a z0 (|z − z0 | < δ):
∀ ∈ IR+ , ∃δ ∈ IR+ : |z − z0 | < δ =⇒ |f (z) − f (z0 )| < .
Si se elige entonces el círculo D que excluye a z0 en el contorno deformado, con un radio r

menor que δ, y además se toma δ = |z − z0 |, entonces se cumplen las desigualdades
f (z) − f (z0 )
< <
z − z0 δ r
y puesto que la longitud de la trayectoria circular de integración D es 2πr entonces por la

desigualdad M L (2.91), y considerando (2.94) se tiene
I I
f (z) − f (z0 ) f (z) − f (z0 )
dz = dz < 2πr = 2π
C z − z0 D z − z0 r
y como lo anterior debe ser válido para cualquier valor positivo de , incluyendo aquellos
arbitrariamente pequeños, se concluye que la integral
I
f (z) − f (z0 )
dz = 0
C z − z0
con lo que la fórmula de la integral de Cauchy queda demostrada.
Se demostrará ahora una fórmula similar a la anterior, pero con el polo introducido de orden
superior a uno. Para encontrar el valor de esta integral se calculará ahora la derivada por
definición, es decir
f (z0 + ∆z) − f (z0 )
f 0 (z0 ) = lı́m .
∆z→0 ∆z
Utilizando la fórmula integral de Cauchy (B.2), se pueden reemplazar los términos en el
numerador del límite considerando una curva C que encierra al punto z0 , dentro y sobre la
cual f (z) es analítica:
I I
f (z0 + ∆z) − f (z0 ) 1 f (z) f (z)
= dz − dz
∆z 2πj∆z C z − (z0 + ∆z) C z − z0
I
1 f (z)(z − z0 ) − f (z)(z − (z0 + ∆z))
= dz
2πj∆z C (z − (z0 + ∆z))(z − z0 )
I
1 f (z)
= dz .
2πj C (z − (z0 + ∆z))(z − z0 )
Si ∆z se hace tender a cero, entonces el último término parece tender a

I I
1 f (z) 1 f (z)
lı́m dz = dz
∆z→0 2πj C (z − (z0 + ∆z))(z − z0 ) 2πj C (z − z0 )2
lo que puede corroborarse observando la tendencia de la resta

I I I
f (z) f (z) f (z)∆z
dz − 2
dz = 2
dz
C (z − (z0 + ∆z))(z − z0 ) C (z − z0 ) C (z − (z0 + ∆z))(z − z0 )

Im(z)
d
C ∆z
z0 2
d
d
2
Re(z)
Figura B.1: Ayuda gráfica para comprender demostración de generalización de la fórmula integral
de Cauchy.
cuando ∆z se aproxima a cero. Puesto que f (z) es analítica sobre C, quiere decir que su
magnitud está acotada y entonces |f (z)| ≤ M . Si d es la distancia mínima entre z0 y los
puntos z ∈ C (ver figura B.1) entonces se cumple para todos los puntos z sobre C
1 1
|z − z0 |2 ≥ d2 =⇒ 2 ≤ 2 .
|z − z0 | d
Además, puesto que ∆z se está haciendo tender a cero, entonces puede elegirse |∆z| tal que
sea menor o igual que d/2, entonces para todo z ∈ C se cumple (figura B.1):
d 1 2
|z − (z0 + ∆z)| ≥ =⇒ ≤ .
2 |z − (z0 + ∆z)| d
Si la longitud de C es L, entonces por la desigualdad M L (2.91) se tiene
I
f (z)∆z 2 1 2M L
2
dz ≤ M |∆z| 2 L = |∆z|
C (z − (z0 + ∆z))(z − z0 ) dd d3
que tiende a cero si |∆z| → 0. Por lo tanto se tiene que
I
0 1 f (z)
f (z0 ) = dz
2πj C (z − z0 )2
De hecho, este resultado puede utilizarse para demostrar de forma similar al procedimiento
anterior que también se cumple:
I
00 2 f (z)
f (z0 ) = dz
2πj C (z − z0 )3
y en general I
(n) n! f (z)
f (z0 ) = dz, n = 0,1,2, . . .
2πj C (z − z0 )n+1
que también puede escribirse como:

I
f (z) 2πj
n+1
dz = f (n) (z0 ) . (B.3)
C (z − z0 ) n!
B.2. Integral de la función sa

Se desea demostrar que se cumple
Z ∞ Z ∞
sen(x)
sa(x) dx = dx = π . (B.4)
−∞ −∞ x
Para ello se parte1 de la trayectoria de integración mostrada en la figura B.2, y de la función

ejz /z, que es analítica dentro y sobre la trayectoria indicada.
−γ
−R −ǫ ǫ R
Figura B.2: Trayectoria de integración para entontrar el área bajo la función sa.
Se debe cumplir entonces por el teorema de Cauchy y considerando que z = x + jy = rejφ .

Z R jx Z − jx Z jz Z jz
e e e e
dx + dx + dz − dz = 0
x −R x L z γ z
El segmento L se puede describir con z = Rejφ = R cos(φ) + jR sen(φ) con φ variando desde
cero hasta π. Con dz = jRejφ dφ se cumple
Z jz Z π −R sen(φ) jR cos φ
e e e
dz = jφ
jRejφ dφ
L z 0 Re
Z π
≤ e−R sen(φ) dφ
0
Puesto que sen(π − θ) = sen(θ) se puede reescribir la integral anterior haciendo un cambio
de variable θ = π − φ y dθ = −dφ como
1
La demostración aquí presentada se basa en el trabajo del estudiante Erick Salas Chaverri, elaborada
en el primer semestre de 2006, a su vez basada en [17]

Z π Z π/2 Z π
−R sen(φ) −R sen(φ)
e dφ = e dφ + e−R sen(φ) dφ
0 0 π/2
Z π/2 Z 0
−R sen(φ)
= e dφ − e−R sen(θ) dθ
0 π/2
Z π/2
=2 e−R sen(φ) dφ
0
Puesto que dentro del intervalo 0 ≤ φ ≤ π

2
se cumple
2φ
sen(φ) >
π
entonces
e−R sen(φ) < e−2Rφ/π
y por lo tanto
Z π Z π/2
−R sen(φ)
e dφ ≤ 2 e−2Rφ/π dφ
0 0
π/2
πe−2Rφ/π
=
−2R 0
π(1 − e−R )
=
2R
Para R → ∞ el numerador tiende a uno y el denominador a infinito, por lo que esta integral
converge en este caso a cero: Z jz
e
lı́m dz = 0 (B.5)
R→∞ L z
Para el arco γ de radio se cumple considerando que el límite lı́m ejz es, para todo z finito,
→0
igual a uno
Z jz Z π j(cos φ+j sen φ)
e e
lı́m dz = lı́m jφ
jejφ dφ
→0 γ z →0 0 e
Z π
= j lı́m ej(cos φ+j sen φ) dφ
→0 0
Z π
= j lı́m dφ = jπ
→0 0
Considerando los cuatro segmentos de la trayectoria se debe cumplir entonces

Z R jx Z −R jx
e e
dx + dx = jπ
x − x
Z R jx Z −R jx
e e
dx − dx = jπ
x − x

Haciendo un cambio de variable x0 = x en el segundo término se obtiene

Z R Z R 0
ejx e−jx
dx − dx0 = jπ
x x0
Z R Z ∞
ejx − e−jx sen(x)
lı́m 2j dx = 2j dx = jπ
→0
R→∞ j2x 0 x
Z ∞
sen(x) π
dx =
0 x 2
y considerando que la función sa posee simetría par, se concluye
Z ∞ Z 0 Z ∞ Z ∞
sen(x) sen(x) sen(x) sen(x)
dx = dx + dx = 2 dx = π
−∞ x −∞ x 0 x 0 x
con lo que (B.4) queda demostrado.
B.3. Área bajo el impulso gaussiano

El impulso gaussiano se define como
1 1 t 2
g(t) = √ e− 2 ( σ )
σ 2π
Se desea demostrar ahora que Z ∞
g(t) dt = 1 (B.6)
−∞
utilizando los métodos de integración compleja2 .

Haciendo un cambio de variable
t t2 dt
ν= √ ; ν2 = ; dν = √
σ 2 2σ 2 σ 2
se puede reescribir la integral como
Z ∞
1 1 t 2
√ e− 2 ( σ ) dt = 1
σ 2π
Z ∞−∞ √
1 2
√ e−ν σ 2 dν = 1
−∞ σ 2π
Z ∞
1 2
√ e−ν dν = 1
−∞ π
y utilizando la paridad del integrando se obtiene finalmente

Z ∞ √
−ν 2 π
e dν = (B.7)
0 2
2
Esta demostración se basa en el trabajo del estudiante Carlos Andrés Pérez en el primer semestre de
2006, basada a su vez en las páginas 182-183 del libro de Holland [18]

Si se logra demostrar que (B.7) se cumple, se habrá demostrado que (B.6) es cierta, puesto
que bastará invertir los pasos seguidos en el cambio de variable para llegar al punto de
partida.
Para demostrar esto se utilizará la integral de contorno en el plano complejo z = x + jy
I 2
ejz
√ dz
C sen(z π)
donde el contorno de integración rectangular C se muestra en la figura B.3. Separando al
H R Q
√ √
π π
− 2 2
K −R P
Figura B.3: Contorno de integración utilizado para encontrar el área bajo el impulso gaussiano.
contorno en cuatro segmentos lineales se cumple

I 2 Z 2 Z 2
ejz ejz ejz
√ dz = √ dz + √ dz+
C sen(z π) P Q sen(z π) HK sen(z π)
Z 2 Z 2
ejz ejz
√ dz + √ dz
KP sen(z π) QH sen(z π)
La integral en cada uno de los segmentos se evaluará a continuación.

√
Para el segmento P Q se cumple z = x + jy, donde x = π/2. Por lo tanto, el numerador se
puede expresar como
2 2 2
ejz = e−2xy ej(x −y )
√
= e− πy ej ( 4 −y )
π 2
y para el denominador se obtiene

√ π √
sen( πz) = sen + j πy
2
Utilizando la fórmula de Euler lo anterior se reescribe como
√ √
ej ( 2 +j − e−j ( 2 +j πy)
πy )
π π
=
2j
π √ π √ √ √
ej 2 e− πy − e−j 2 e πy je− πy + je πy
= =
2j 2j

y por tanto sobre el segmento P Q

√ √
√ e πy
+ e− πy √
sen( πz) = = cosh( πy)
2
de modo que con dz = jdy

Z Z √
2e− πy ej ( 4 −y )
2 π 2
R
ejz
√ dz = √ √ j dy
PQ sen(z π) −R e πy + e− πy
√
Del mismo modo para el segmento HK se cumple que z = x + jy con x = − π/2. Por lo
tanto, el numerador se puede expresar como
2 2 2
ejz = e−2xy ej(x −y )
√
= e πy ej ( 4 −y )
π 2
y para el denominador se obtiene

√ π √
sen( πz) = sen − + j πy
2
Utilizando la fórmula de Euler lo anterior se reescribe como
√ √
ej (− 2 +j πy )
− e−j (− 2 +j πy)
π π
=
2j
√ π √ √ √
−j π2 − πy
e e − ej 2 e πy −je− πy − je πy
= =
2j 2j
y por tanto sobre el segmento HK

√ √
√ e πy
+ e− πy √
sen( πz) = − = − cosh( πy)
2
de modo que con dz = jdy

Z Z √
2e πy ej ( 4 −y )
2 π 2
−R
ejz
√ dz = − √πy √ j dy
HK sen(z π) R e + e− πy
Z √
2e πy ej ( 4 −y )
π 2
R
= √ √ j dy
−R e πy + e− πy
Combinando los resultados de los segmentos P Q y HK se obtiene:

Z Z Z √ √
2e− πy ej ( 4 −y ) 2e πy ej ( 4 −y )
2 2 π 2 π 2
R
ejz ejz
√ dz + √ dz = j √ √ + √πy √ dy
PQ sen(z π) HK sen(z π) −R e πy + e− πy e + e− πy
Z R
ej ( 4 −y ) dy
π 2
= 2j
−R

Para el segmento QH se cumple z = x + jy con y = R, y por lo tanto

2 2
ejz = ej(x+jR)
= ej (x ) e−2xR
2 −R2
= e−2xR
Además, en dicho segmento QH se cumple
√ √
| sen z π | = | sen (x + jR) π |
y considerando que | sen z|2 = (sen2 x + senh2 y) con z = x + jy (ver problema 2.53) entonces
√ √ √
| sen z π |2 = sen2 (x π) + senh2 (R π)
y puesto que ambos términos en la suma anterior son positivos, se cumple para todo valor
positivo de R que √ √
| sen z π | ≥ senh(R π)
por lo que para z = x + jR
Z 2 Z 2
ejz ejz
√ dz ≤ √ dz
QH sen(z π) QH sen(z π)
Z − √π
2 e−2xR
≤ √ √ dx
2
π senh(R π)
√
π
−2xR −
1 e 2
≤ √
senh(R π) −2R √π
2
R √π √ √
1 e − e−R π senh(R π)
≤ √ = √
R senh(R π) 2 R senh(R π)
1
≤
R
de modo que si R → ∞ el aporte del segmento de trayectoria QH es cero.
Para el segmento KP se cumple z = x − jR y por lo tanto
2 2
ejz = ej(x−jR)
= ej (x ) e2xR
2 −R2
= e2xR
Además, en dicho segmento KP se cumple
√ √
| sen z π | = | sen (x − jR) π |
y considerando que | sen z|2 = (sen2 x + senh2 y) y que el seno hiperbólico es una función
impar entonces
√ √ √
| sen z π |2 = sen2 (x π) + senh2 (−R π)
√ √
= sen2 (x π) + (−1)2 senh2 (R π)
√ √
= sen2 (x π) + senh2 (R π)

y puesto que ambos términos en la suma anterior son positivos, se cumple para todo valor
positivo de R que √ √
| sen z π | ≥ senh(R π)
por lo que para z = x − jR
Z 2 Z 2
ejz ejz
√ dz ≤ √ dz
KP sen(z π) KP sen(z π)
√
Z − π
2 e2xR
≤ √ √ dx
2
π senh(R π)
√
π
−
1 e2xR 2
≤ √
senh(R π) 2R √π
2
−R√π √ √
1 e − eR π − senh(R π)
≤ √ ≤ √
R senh(R π) 2 R senh(R π)
1
≤
R
de modo que si R → ∞ el aporte del segmento de trayectoria KP es también cero.
Por lo tanto, combinando los resultados para los cuatro segmentos se obtiene:
I 2 Z 2 Z 2
!
ejz ejz ejz
lı́m √ dz = lı́m √ dz + √ dz
R→∞ C sen(z π) R→∞ PQ sen(z π) HK sen(z π)
Z R
ej ( 4 −y ) dy
π 2
= lı́m 2j
R→∞ −R
y considerando que el integrando es analítico dentro y sobre el contorno C excepto en el

punto z = 0 se obtiene con el teorema del residuo
I 2
ejz
lı́m √ dz = 2πj a−1
R→∞ C sen(z π)
donde el residuo a−1 se calcula con

2 2
ejz ejz
a−1 = lı́m z √ = lı́m √ √
π sen(z π)
z→0 sen(z π) z→0 √
z π
y puesto que se cumple que

sen z
lı́m =1
z→0 z
se obtiene
1
a−1 = √
π
de modo que
I 2 Z R
ejz 2πj √
ej ( 4 −y ) dy
π 2
lı́m √ dz = √ = j2 π = lı́m 2j
R→∞ C sen(z π) π R→∞ −R

de donde se deriva
Z R √
ej ( 4 −y ) dy = π
π 2
lı́m
R→∞ −R
Z 0 Z R
j ( π4 −y 2 ) j ( π4 −y 2 ) √
lı́m e dy + e dy = π
R→∞ −R 0
y con y 0 = −y y dy 0 = −dy
Z 0 Z R
j ( π4 −y 02 ) 0 j ( π4 −y 2 ) √
lı́m − e dy + e dy = π
R→∞ R 0
Z R √
ej ( 4 −y ) dy = π
π 2
lı́m 2
R→∞ 0
Z R √
j ( π4 −y 2 ) π
lı́m e dy =
R→∞ 0 2
Z R √
π 2 π
lı́m ej 4 e−jy dy =
R→∞ 0 2
haciendo un cambio de variable ν 2 = jy 2 y considerando que una de las raíces cuadradas de

π π π
j es ej 4 se cumple ν = ej 4 y y dy = e−j 4 dν y por tanto
Z ∞ √
−ν 2 π
e dν =
0 2
que fue el punto de partida.

Índice alfabético
A carta de Smith, 72
adelantador, 350 cascada, 349
álgebra lineal Cauchy
teorema fundamental, 160 Fórmula de la integral, 424
alias, 362 sucesión de, 29, 162
aliasing, 400 Teorema de la integral, 128
temporal, 408 Cauchy-Goursat, 128
amplitud, 359 Cauchy-Hadamard
análisis, 183 fórmula, 101
ecuación de, 178 Cauchy-Riemann
analógica, 7 Ecuaciones, 85
ancho de banda, 231 Cauchy-Schwarz
ángulo, 34 desigualdad de, 163
anillo, 24 causalidad, 247, 282, 337
conmutativo, 24 cero, 116
de división, 24 aislado, 116
anticausalidad, 282 circuito
Argand, 34 solución
argumento, 34 gráfica, 43
armónica codificación, 303
relación exponencial, 364 codominio, 21, 48
armónico, 203 combinación lineal, 159
axiomas, 22 completitud, 29
axiomas de Peano, 25 componente
imaginaria, 33
B
real, 33
Banach
condición inicial, 330
espacio de, 162
condiciones de Dirichlet, 187
base, 160
conjugación, 269, 290, 317
canónica, 167, 178
conjugación compleja, 38
ortogonal, 164
conjunto, 19
ortonormal, 164
abierto, 80
BIBO, 338
acotado, 79
Bode
cerrado, 79
diagrama, 241
clausura, 80
Bromwich, 272
compacto, 79
C generador, 160
canal, 3 ilimitado, 79
cardinalidad, 25 imagen, 48
435
libre, 159 determinante, 68

ligado, 159 DFT, 406
normal, 20 diagrama
singular, 20 Argand, 34
conmutatividad, 23 Bode, 241
continuación analítica, 36, 99 polos y ceros, 263
continuidad, 80 diferencia, 20
contorno diferenciación, 222, 270, 291, 319
Bromwich, 272 digital, 7
convergencia dimensión, 160
absoluta, 96 distancia, 161
región de, 261 distributividad, 23
convolución, 228, 239, 269, 291, 319, 334 división, 41
circular, 417 dominio, 21, 48, 80
discreta, 199 coloración, 49
periódica, 200, 379 dominio de la frecuencia, 205
coordenada, 160 DTFS, 367
coprimo, 27 dualidad, 226
criterio
de la raíz, 97 E
del cociente, 98 ecuación
cuantificación, 6 de diferencias, 340
definición, 303 ecuaciones
error, 303 diferenciales, 284, 293
cuerpo, 24, 27, 32, 158 ecuaciones complejas
curva solución gráfica, 43
cerrada, 122 elemento
de Jordan, 122 absorbente, 22
simple, 122 inverso, 22
suave, 122 neutro, 22
simétrico, 22
D elementos, 19
D’Alembert entorno, 79
razón, 101 escalado, 316
decibel, 242 escalamiento, 226, 269, 291
decibelio, 242 escalón
degenerado unitario, 211, 215, 306
mapeo, 55 espacio
delta Banach, 162
Dirac, 180 completo, 162, 165
derivada, 80 euclídeo, 166
descomposición, 333 funcional, 171
desigualdad Hilbert, 165
Cauchy-Schwarz, 163 lineal, 158
Minkowski, 127, 161, 163 métrico, 161
ML, 128 pre-Hilbert, 162
triángulo, 164 producto interno, 162
desplazamiento, 220, 268, 289, 316, 334 vectorial, 158

espacio lineal simétrica, 195

finito, 160
espectro, 184 G
espectro continuo, 207 Gibbs, 190
estabilidad, 247, 282, 338 grupo, 24
estructura algebraica, 21 abeliano, 24
Euler grupoide, 24
fórmula, 36 H
identidad, 36 holomorfa, 106
exponenciación, 46
exponencial, 212, 307 I
relacionada armónicamente, 182 identidad, 330
relacionadas armónicamente, 364 IIR, 340
imagen, 21
F impulso
fase, 359 Dirac, 180, 211
FIR, 340 gaussiano, 216
forma reducida, 27 unitario, 211, 306
Fourier integración, 224, 270, 292
transformada, 205, 206 integral
transformada inversa, 207 definida, 122
fracciones parciales, 107, 113, 131, 325 indefinida, 122
descomposición, 275 trayectoria, 122
frecuencia integral de contorno, 124
angular, 359 integral de línea, 124
de muestreo, 230 interconexión
fundamental, 362 cascada, 349
normalizada, 363 paralela, 349
respuesta en, 239, 240 intersección, 20
frecuencia hertziana, 359 intervalo crítico, 232
frontera, 80 invarianza
función, 21, 47 en el tiempo, 236, 331
analítica, 81 inversión
armónica, 87 temporal, 318
asimétrica, 195
conjugada, 86 J
de transferencia, 282 Jordan
del sistema, 282 curva de, 122
Heaviside, 211 lema, 139
holomorfa, 81
impropia, 325 L
meromorfa, 118 Laplace
propia, 240, 325, 359 ecuación de, 87
racional propia, 275 transformada, 259
regular, 81 transformada bilateral, 260
residuo, 118 transformada inversa, 271
sa, 117, 188, 210 transformada unilateral, 286
senc, 210 Laurent
parte principal, 111

serie de, 111 algebraico, 28

línea complejo, 33
espectral, 188 entero, 26
linealidad, 219, 235, 268, 288, 314, 331 irracional, 28
logaritmo, 46 natural, 25
rama, 46 racional, 27
real, 29
M trascendental, 29
magma, 24 Nyquist
magnitud, 34, 38 teorema del muestreo, 232
mapeo, 21, 52
bilineal, 67 O
conforme, 88 operación, 22
de inversión, 60 binaria, 22
degenerado, 55 cerrada, 22
determinante, 68 conmutativa, 23
lineal, 54 distributiva, 23
racional lineal, 66, 67 interna, 22
mediatriz, 57 unaria, 22
métrica, 161 operador, 192
métrica euclídea, 166 lineal, 82
Minkowski ortogonal, 158
desigualdad de, 127, 161, 163 ortogonalidad, 164
modelo, 13
lineal, 13 P
modulación, 221 paralelo, 349
módulo, 34, 38 Parseval
Moivre relación de, 227
teorema de, 45 periodo, 181
Möbius de muestreo, 230
transformación, 67 fundamental, 181, 361
monoide, 24 plano complejo, 34
conmutativo, 24 polinomio bilineal, 67
muestra polo, 116
número, 360 orden, 116
muestreo, 4, 178, 232 potenciación, 44, 45
definición, 303 preimagen, 21
homogéneo, 4 principio de incertidumbre, 216
intervalo, 303 producto cartesiano, 21
periódico, 303 producto escalar, 162
periodo, 4 producto interno, 162
teorema del, 232 producto punto, 166
uniforme, 303 punto
multiplicación, 26, 41, 334 de acumulación, 79
multiplicador, 350 exterior, 79
fijo, 53
N frontera, 79
norma, 161, 163 interior, 79
número, 25 límite, 79

regular, 116 causal, 247

de energía, 228
R de potencia, 228
raíz serie, 92
compleja, 45 armónica, 95
rampa, 307 de Laurent, 111
rango, 48 de MacLaurin, 106
rango fundamental, 364 de potencias, 99
reflexión, 334 de Taylor, 106
región Fourier, 183
convexa, 122 Fourier tiempo discreto, 367
de convergencia, 261, 264, 310 generalizada de Fourier, 178
región sesquilinealidad, 162
abierta, 80 Shannon
cerrada, 80 teorema del muestreo, 232
relación, 21 simetría, 219
relación de Parseval, 203 conjugada, 183
reposo, 330 hermítica, 183
residuo, 118 impar, 195
teorema, 132 media onda, 203
respuesta par, 195
en fase, 405 simetría circular
en frecuencia, 239, 240, 404 impar, 414
en magnitud, 405 par, 414
forzada, 347 sinc, 210
natural, 347 singularidad, 110, 115
respuesta al impulso, 238 esencial, 116
finita, 340 polo, 116
infinita, 340 síntesis, 183
respuesta en frecuencia, 238, 282 ecuación de, 178
resta, 27, 39 sistema, 12
retardador, 350 causal, 247, 337
ROC, 261 discreto, 329
S estable, 338
sa, 117, 188, 210 inestable, 338
semianillo, 24 lineal, 235
semigrupo, 24 no causal, 247
seminorma, 161 no recursivo, 340
señal, 1 recursivo, 340
aleatoria, 8 tiempo discreto, 329
bilateral, 266 Smith
derecha, 265 carta de, 73
determinística, 8 subconjunto, 20
discreta, 7 propio, 20
izquierda, 265 subespacio, 160
multicanal, 3 sucesión, 29, 91
tiempo discreto, 7 de Cauchy, 29, 162
señal suma, 26, 39, 334

sumador, 349
T
teorema
del muestreo, 232
del valor final, 347
fundamental de integración compleja, 128
integral de Cauchy, 128
tiempo
invarianza, 236
transformación, 52
de Möbius, 67
transformada
Fourier, 205
Laplace, 259
z, 302
z inversa, 320
z unilateral, 343
transformada z
inversa, 320
trayectoria
cerrada, 122
de integración, 122
simple, 122
triángulo
desigualdad, 164
tupla, 158
U
unión, 20
V
valor absoluto, 38
valor final
teorema, 293, 346
valor inicial
teorema, 292, 320
valor principal, 46
vecindad, 79
reducida, 79
vector, 3, 159
generador, 160
ortogonal, 164
vectores
linealmente dependientes, 159
linealmente independientes, 159

Lista de lecciones
Lección 1: 1–16
Lección 2: 33–47
Lección 3: 47–59
Lección 4: 60–66
Lección 5: 66–77
Lección 6: 79–90
Lección 7: 91–110
Lección 8: 110–115
Lección 9: 115–126
Lección 10: 126–135
Lección 11: 158–166
Lección 12: 166–174
Lección 13: 174–181
Lección 14: 181–187
Lección 15: 187–197
Lección 16: 197–205
Lección 17: 205–215
Lección 18: 216–226
Lección 19: 226–233
Lección 20: 235–248
Lección 22: 259–268
Lección 23: 268–276
Lección 24: 276–286
Lección 25: 286–295
Lección 26: 302–312
Lección 27: 312–320
Lección 28: 320–329
Lección 29: 329–337
Lección 30: 337–343
Lección 31: 343–352
441

Señales y Sistemas 2da P.alvarado

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Señales y Sistemas 2da P.alvarado

Cargado por

Copyright:

Formatos disponibles

X( ( t) ∗ y ( −

Pablo Alvarado Moya

Borrador de la Segunda Edición (30 de enero de 2023)

Instituto Tecnológico de Costa Rica

Alvarado Moya, Pablo.

1. Sistemas. 2. Señales. 3. Teoría de funciones. 4. Series de Fourier.

© 2005-2023 Pablo Alvarado Moya

Este documento ha sido elaborado con software libre. Principalmente

La solución de problemas clásicos y modernos en las áreas de ingeniería presupone un domi-

Índice de ejemplos xiv

Lista de símbolos y abreviaciones xv

2.3. Derivación compleja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

3. Análisis de Fourier 158

Borrador: 30 de enero de 2023

3.5. Problemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249

4. Transformada de Laplace 259

6. Análisis de Fourier en tiempo discreto 359

Borrador: 30 de enero de 2023

6.4.1. La función de respuesta en frecuencia . . . . . . . . . . . . . . . . . . 403

A. Teorema de Green 422

B. Demostraciones de integrales 424

Índice alfabético 435

Lista de lecciones 441

Borrador: 30 de enero de 2023

1.1. Señales de una y dos dimensiones. . . . . . . . . . . . . . . . . . . . . . . . . 2

2.1. Operaciones de conjuntos. .√. . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2.21. Mapeo de y = 2x + 4 por medio de w = 2z + 6. . . . . . . . . . . . . . . . . 53

Borrador: 30 de enero de 2023

3.1. Relaciones entre los espacios lineales. . . . . . . . . . . . . . . . . . . . . . . 165

4.1. Regiones de convergencia derecha e izquierda. . . . . . . . . . . . . . . . . . 262

Borrador: 30 de enero de 2023

4.5. Contorno de Bromwich. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272

5.1. Pasos básicos en la conversión analógica/digital. . . . . . . . . . . . . . . . . 303

6.1. Ejemplo de una función analógica sinusoidal. . . . . . . . . . . . . . . . . . . 360

Borrador: 30 de enero de 2023

A.1. Región usada para demostrar teorema de Green. . . . . . . . . . . . . . . . . 423

B.1. Generalización de la fórmula integral de Cauchy. . . . . . . . . . . . . . . . . 426

Borrador: 30 de enero de 2023

1.1. Características de las señales. . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2.1. Propiedades de operaciones binarias . . . . . . . . . . . . . . . . . . . . . . . 23

3.1. Propiedades de la serie de Fourier. . . . . . . . . . . . . . . . . . . . . . . . . 204

4.1. Propiedades de la Transformada Bilateral de Laplace. . . . . . . . . . . . . . 271

5.1. Transformada z bilateral de algunas funciones comunes. . . . . . . . . . . . . 314

6.1. Propiedades de la serie de Fourier en tiempo discreto. . . . . . . . . . . . . . 372

1.1. Caracterización de señal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2.39. Cálculo de residuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120

Borrador: 30 de enero de 2023

4.17. Solución de ecuación diferencial con condiciones iniciales . . . . . . . . . . . . . 294

Borrador: 30 de enero de 2023

6.16. Respuesta de filtro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 418

Borrador: 30 de enero de 2023

x> Vector fila.

Borrador: 30 de enero de 2023

Lección 1 B La principal tarea en la profesión de ingeniería es aplicar conocimientos científicos y tecno-

análisis requerido, otras características adicionales aparecerán (señales dispersas o densas,

1.1.1. Número de variables independientes

En su representación por medio de funciones matemáticas, el valor de las señales depende

asocia ya sea a la tensión eléctrica aplicada a un altavoz, o directamente al valor de la

Borrador: 30 de enero de 2023

1.1.2. Dimensionalidad de la señal

Borrador: 30 de enero de 2023

1.1.3. Tipo de variables independientes

Borrador: 30 de enero de 2023

tajas computacionales y simplicidad de los modelos matemáticos usados. En el muestreo

La operacion binaria es asociativa si se cumple (a b) c = a (b c). Por ejemplo, la

Sean y ? dos operaciones binarias. Se dice que es distributiva con respecto a ? si se