Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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)
ISBN 978-9968-514-06-4
Pablo Alvarado-Moya
Cartago, 30 de enero de 2023
Índice general
Índice de figuras v
Índice de tablas x
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
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
v
Índice de figuras vi
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
x
Índice de ejemplos
xi
Índice de tablas xii
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
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).
Introducción
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
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).
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.
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.
(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.
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-
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.
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.
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.
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
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.
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.
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.
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]
Borrador: 30 de enero de 2023
1 Introducción 9
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.
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)
f (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
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.
f (t) g(t)
1 1
t t
1 2 1 2
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.
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 1 1
1 1 1
2 2 2
t t t
1 2 3 1 2 3 1 2 3
−1
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
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.
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
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
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.
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)
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.
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
Estadística (D/A/∗)
Dimensión (E/V/∗)
Variables (D/C/∗)
Valores (D/C/∗)
Imagen tomada por una cámara digital en color
Señal digital
Señal analógica
Problema 1.5. Caracterice una señal de audio de un sistema Dolby® Surround 7.1, a la
salida de los altavoces.
Variable compleja
2.1.1. Conjuntos
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 .
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 .
A∪B
A B
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.
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)
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
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.
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
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.
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+ } ;
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) .
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.
¿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 ‘ =’.
a2 = p × b 2 .
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.
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.
∀ε > 0, ∃N ∈ IN tal que ∀n, m ∈ IN, n > N, m > N : |xn − xm | < ε . (2.8)
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.
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
IR
O 1 a b c
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:
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
Borrador: 30 de enero de 2023
2 Variable compleja 33
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) × (1, 0) = (a × 1 − b × 0, b × 1 + a × 0)
= (a, b)
(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
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.
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
Im{z}
z
b
r
ϕ
Re{z}
−ϕ a r
−b
z∗
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
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) .
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
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
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.
z + w = (x + u) + j(y + v)
z − w = (x − u) + j(y − v) .
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).
Obsérvese 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
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 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
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
zz ∗ = |z|2 (2.25)
z
∗
= ej2∠z (2.26)
z
Im{z}
z w
ϕ
Re{z}
r 2r
w z
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
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
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
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
Borrador: 30 de enero de 2023
−4
2 Variable compleja 45
y puesto que la magnitud de un número complejo es real no negativo entonces |z| = eln |z| y
por tanto
|z w | = |z|u e−v(ϕ+2kπ)
∠z w = uϕ + v ln |z| .
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
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.
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
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.
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
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
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
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)
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)
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
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
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)
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.
4 v = 2u − 4
y = 2x + 4
2 u
−2 x
−4
Plano w
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))
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.
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.
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.
Re{z} Re{w}
β
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}
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.
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)
|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 .
|z − a| = |z − b| (2.29)
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.
w−β w−β
−a = −b
α α
1 1
|w − (αa + β)| = |w − (αb + β)|
|α| |α|
|w − ā| = w − b̄
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
|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.
Figura 2.27: Transformación de una recta por mapeo lineal. A la izquierda se ilustra la recta
inicial. A la derecha el resultado final.
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
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.
Figura 2.28: Solución final del ejemplo 2.12 para un mapeo lineal.
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
1
|z − z0 | = − z0 = r .
w
1
− z0 = r
w
1 w∗
− z0 = r
w w∗
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
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.
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
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.
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
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
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.
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.
Im{z}
1 π
4 4
Re{z}
1 1
4
−1
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
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
1
2 2 2
− 12 −2 −2
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
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
− −
− −
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
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
1 1 1
4 4 4
− 12 − 12 − 12
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
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
2 2 2
1 1 1
−1 −1 −1
−2 −2 −2
2 2 2
1 1 1
−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 )∗
|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
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
κ∗ = a∗1 a2 − b∗1 b2 = 4x
α = |a1 |2 − |b1 |2 = −4x − 4
β = |b2 |2 − |a2 |2 = 4x − 4
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
|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|
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
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).
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.
Definiciones
y v
Plano w
Plano z
z
δ z0
f (z)
l
x u
ǫ
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 )
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.
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
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
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.
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
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
∂ 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.
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.
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
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
∂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
4 Lección 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
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:
1
an =
n
3
4
1
2
1
4
n
2 4 6 8 10 12 14 16
1 1
|an − C| = −0 = <ε
n n
Series
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
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
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
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
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).
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).
de donde se despeja
cn = Sn+1 − Sn .
Si la sucesión de sumas (Sn ) converge para n → ∞ a un valor S, se debe cumplir
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
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|.
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
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).
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.
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
an+1
lı́m |z − z0 | < 1
n→∞ an
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 .
an = an
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|
2.29
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
..
.
pn−1 1
R = lı́m n
=
n→∞ p p
1 1 1
|z 0 | < =⇒ < =⇒ |z| > |p| .
p z p
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
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
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:
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
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 00 (z0 ) = 2a2 .
De este modo, sustituyendo cada coeficiente an en la serie de potencias por el valor calculado
con (2.74), se obtiene
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!
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
..
.
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
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).
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
y finalmente
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
2.33
4 Lección 7
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
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
RT RT
z0 z0 z0
RP RP
∞
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).
Im{z} Im{z}
1 1
z0
Re{z} Re{z}
−1 z0 1 −2 −1
−1 −1
(a) (b)
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
..
.
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)
|z| < 1
0 1 2 3 Re(z)
|z| > 3
0 < |z + 1| < 2
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
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
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
2.35
4 Lección 8
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
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
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=−∞
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
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:
y para aislar el residuo a−1 puede ahora multiplicarse ambos lados por (z − z0 )2 seguido de
una derivación:
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
Borrador: 30 de enero de 2023
2 Variable compleja 120
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
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
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
2.39
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!
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
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
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):
Im(z)
d
z(t)
dt
z ( t)
t) −
+∆
z (t
t)
∆
t+
z(
z(
t)
0 Re(z)
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.
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)
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
Im(z)
3 b
1
a c
−1 1 2 3 4 5 Re(z)
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
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)
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
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
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)
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
Im(z)
−D
z0 B A
B′ A′
r
0 Re(z)
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.
Im(z)
−D3
−D2
z3
C
z2
−D1
z1
0 Re(z)
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
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
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
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.
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
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
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!
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
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
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
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
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
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→∞
La integral real Z ∞
f (x) dx
−∞
Im(z)
−R R Re(z)
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
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
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.
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 2.8. 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:
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)
y = mx + b
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 2.21. Dibuje las regiones representadas por las siguientes ecuaciones, si r,ϕ ∈
IR+ :
√ √
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
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 2.31. 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 2.34. 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 2.37. 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 2.39. 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 2.45. 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 2.53. 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 2.57. 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 2.62. 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?
P∞
Problema 2.65. Encuentre el valor al que converge la serie S = n=M z 2n .
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
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 2.80. 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.
para un contorno cerrado que contiene a z = 4, y para otro contorno que lo excluye.
1. el círculo |z| = 2
2. el círculo |z − j| = 1
3. el círculo |z| = 4
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
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.
158
3 Análisis de Fourier 159
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
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.
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 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.
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
entonces
kx + yk2 ≤ kxk2 + 2 x,y + kyk2
y utilizando la desigualdad de Cauchy-Schwarz (3.5) entonces
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
Espacio de Hilbert
Conjunto
Espacio normado
norma
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
cos(α)
− sen(α) cos(α)
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
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]>
u01 u3
v
u03
u1
u02
u2
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
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
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.
s2
ε2
s1
u1
hs2 , u1 i u1
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
y por tanto
s1 (x) c0
u1 (x) = = =1
ks1 (x)k c0
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 )
4 Lección 12
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
ui (x)
0
−1
u1 (x)
u2 (x)
u3 (x)
−2
0 0.2 0.4 0.6 0.8 1
x
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
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
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
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)
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
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 .
−∞
− 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
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
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.
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.
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
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
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 .
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.
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
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)
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
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
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
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:
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:
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
Solución:
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
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
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.
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
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.
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
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
∂·
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
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.
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
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)
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
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
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
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
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=−∞
Inversión en el tiempo
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=−∞
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.
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=−∞
A la suma ∞
X
ck = c1n c2(k−n)
n=−∞
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 .
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=−∞
Derivación e Integración
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}
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
∞
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.
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 .
xc (t)
t
0 αT
-T - 3T
4 - T2 - T4 2π
T
2
3T
4 T 5T
4
3T
2
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
x(t)
−T1 T1 t
x̃(t)
−2T −T T 2T t
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)
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.
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
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.
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
que se puede combinar con (3.55) para remover la singularidad y así obtener obtener:
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 .
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:
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
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 indica que un impulso unitario contiene todas las componentes espectrales posibles.
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
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
Im{e−at }
Re{e−at }
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
|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
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
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.
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
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.
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
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 −∞
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}
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 −∞
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.
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
lo que puede demostrarse utilizando la ecuación (3.51) y la linealidad del operador de inte-
gración.
3.12
Simetría
= x(−t)ejωt dt + x(t)e−jωt dt
Z0 ∞ 0
= x(−t)e + x(t)e−jωt dt
jωt
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.
X(jω − jω0 )
1
Z ∞
2π −∞
X(jω − jω0 )ejωt dω
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).
t t
ω −ω0 ω0 ω
Otro tipo de modulación se obtiene multiplicando la señal por el sen(ω0 t), donde de forma
equivalente a lo anterior se obtiene
x∗ (t) 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
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 donde
j
d
dω
X(jω) tx(t)
x1 (t) x2 (t)
A A
T 2T 3T T 2T 3T
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
A A
T T
2T 3T
T T 2T 3T
A A
T T
T 2T T
3T 2T 3T
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
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 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
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)
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 −∞
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
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
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)
x(t)
t
−Ts Ts 2Ts 3Ts
xs (t)
t
−Ts Ts 2Ts 3Ts
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)
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
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.
Sistema Lineal
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:
1. y(t) = d
dt
x(t)
2. y(t) = x(−t)
3. y(t) = x(t) + 1
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
Por otro lado, si x(t) = α1 x1 (t) + α2 x2 (t) y se calcula y(t) = T [x(t)] entonces
Por otro lado, si x(t) = α1 x1 (t) + α2 x2 (t) y se calcula y(t) = T [x(t)] entonces
3.19
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
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.
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
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
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)
Borrador: 30 de enero de 2023
3 Análisis de Fourier 239
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)
−∞
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:
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.
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 (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:
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:
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
I12 R I1
dB = 10 log10 2
= 20 log10
I2 R I2
|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
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)
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.
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
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
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
−∞ −∞ −∞
3.5. Problemas
Los siguientes ejercicios están basados en [1], [3], algunos con leves modificaciones, otros
nuevos para profundizar en los conceptos introducidos en este capítulo.
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 3.5. Demuestre que para la operación entre dos funciones definida como
Z b
hx(t),y(t)i = x∗ (t)y(t) dt
a
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
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.
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 ))
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
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=−∞
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)
si a ∈ IR y a > 0.
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).
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 3.35. 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 3.41. 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 3.45. 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 3.48. 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
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:
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)
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 3.53. 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).
Transformada de Laplace
259
4 Transformada de Laplace 260
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
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 .
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.
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).
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
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).
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 < ∞
−∞
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
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.
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 < ∞
−∞
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.
x(t) = e−a|t|
Solución: Esta ecuación puede reescribirse como la suma de una señal derecha y otra iz-
quierda acotadas en el punto t = 0.
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
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
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
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
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.
y
es0 t x(t) X(s − s0 ), ROC: {s | s = r + s0 , r ∈ R}
Conjugación
Escalamiento en el tiempo
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.
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
Integración en el tiempo
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).
Puesto que
Z ∞
−σt
X(s) = X(σ + jω) = F x(t)e = x(t)e−σt e−jωt dt
−∞
Im{s}
Plano s
C
Γ T B
D
σ Re{s}
−T A
E
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).
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
4.9
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!
Borrador: 30 de enero de 2023
4 Transformada de Laplace 275
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.
s3 − 1 s2 − 1
−( s3 − s ) s
s − 1
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
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
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
1 = (s − a2 )A1 + (s − a1 )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)
|∆|
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
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
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
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
Figura 4.9: Función x(t) para la ROC2 del ejemplo 4.12, con a = 1.
0 t
−0.6 −0.5 −0.4 −0.3 −0.2 −0.1 0 0.1
Figura 4.10: Función x(t) para la ROC3 del ejemplo 4.12, con a = 1.
4.12
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 (s) = H(s)X(s)
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.
−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.
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
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
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
N
X M
X
dk y(t) dk x(t)
ak L = bk L
k=0
dtk k=0
dtk
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
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
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)
− −
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
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
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
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.
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:
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)}]
X̂(s)
Lu {x(t)} =
1 − e−sT
4.16
Conjugación
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.
Escalamiento en el tiempo
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
Diferenciación
donde
(n) − dn
x (0 ) = n x(t)
dt t=0−
Integración
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→∞
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
por lo que
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−
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
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
Borrador: 30 de enero de 2023
4 Transformada de Laplace 295
con lo que
y(t) = A1 u(t) + A2 e−αt u(t) + A3 te−αt u(t)
4.17
4 Lección 25
4.3. Problemas
Los siguientes ejercicios están basados en [1], [3], algunos con leves modificaciones, otros
nuevos para profundizar en los conceptos introducidos en este capítulo.
si a ∈ IR.
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)
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 4.18. 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.
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.
2(s + 2)
X(s) = , ROC: σ > −3
s2 + 7s + 12
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.
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
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).
dn tn
x(t) u(t)
dtn t=0+ n!
Transformada z
302
5 Transformada z 303
Convertidor A/D
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).
xa (t) x[n]
xa (t)
x[n] = xa (nTs )
t n
t = nTs = n/fs
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
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, . . .}
↑
y si es finita
x[n] = {0,1,3,2,1} = {0,1,3,2,1}
↑
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.
Impulso unitario
Escalón unitario
Rampa unitaria
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
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.
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=−∞
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
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
Im{z}
Plano z
r1
P∞
ROC de n=1 |x[−n]rn |
Re{z}
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}
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
x[n] = αn u[n]
Im{z}
Plano z r1
r2
Re{z}
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
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
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
Linealidad
Causal
z \ {0}
Anticausal
z \ {∞}
Bilateral
z \ {0, ∞}
Causal
r2 < |z|
Anticausal
|z| < r1
Bilateral
r2 < |z| < r1
Nótese que la ROC final debe ser al menos la intersección de las dos ROC individuales. 5.6
Desplazamiento en el tiempo
y con m = n − k
∞
X
= x[m]z −(m+k)
m=−∞
∞
X
−k
=z x[m]z −m
m=−∞
−k
=z X(z)
Escalado en el dominio z
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.
Conjugación
x∗ [n] X ∗ (z ∗ ), ROC: R
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
Demostración:
∞
X ∞
X
−n
Z {x[−n]} = x[−n]z = x(l)(z −1 )−l = X(z −1 )
n=−∞ l=−∞
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
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
z −1
nu[n] , ROC: |z| > 1
(1 − z −1 )2
5.9
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=−∞
Definición
dX(z)
Derivación en z nx[n]
dz
−z r2 < |z| < r1
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=−∞
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
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
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
x[n] = an u[n]
5.10
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
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.
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
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
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
√
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
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
Sistema
x[n] y[n]
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
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.
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=−∞
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
Borrador: 30 de enero de 2023
5 Transformada z 334
5.21
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.
x[n] = {1,2,3,1}
↑
h[n] = {1,2,1, − 1}
↑
y[n] = {1,4,8,8,3, − 2, − 1}
↑
5.22
= h[n] ∗ x[n]
Para n < 0 el producto de u[n − k] y h[k] es siempre cero y por tanto y[n] = 0. Evaluando
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
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
Y (z) = H(z)X(z)
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
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
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.
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=−∞
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
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|
Borrador: 30 de enero de 2023
5 Transformada z 340
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.
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
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
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]:
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.
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
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
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
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
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
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
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-
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
y1 (n)
T1
T1 T2
x(n) y1 (n) y(n) x(n) y(n)
T2
y2 (n)
(a) (b)
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
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]
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]
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]
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 5.34 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
g[n]
5.34
4 Lección 31
5.6. Problemas
Los siguientes ejercicios están basados en [3], [4], algunos con leves modificaciones, otros
nuevos para profundizar en los conceptos introducidos en este capítulo.
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].
Problema 5.5. Grafique las siguientes funciones e indique cualitativamente qué regiones
de convergencia (ROC) tiene su transformada z:
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 5.10. 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 5.13. 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.
1 − 31 z −1
X(z) = , ROC: |z| > 2
(1 − z −1 )(1 + 2z −1 )
2. X(z) = sen(z)
sabiendo que en ambos casos el círculo unitario del plano z se encuentra en la ROC.
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]
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 5.27. Un sistema de entrada x[n] y salida y[n] se rige por la ecuación de
diferencias:
y[n − 1] + 2y[n] = x[n]
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
xa (t + T ) = xa (t)
xa (t)
A cos θ
T = 1/f
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.
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.
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]
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
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.
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.
Considérese de nuevo la función sinusoidal discreta cos[ω0 n + θ]. Obsérvese que si se suma
2π a la frecuencia angular, se cumple
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.
−1 −1 −1
−1 −1 −1
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
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
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 .
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
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 .
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.
[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
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
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.
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
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
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
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]
Re{z}
1 2 3
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:
6.5
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
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
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
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
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
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.
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
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:
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
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
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
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
Convolución y multiplicación
x1 [n] c1k
x2 [n] c2k
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
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
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
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 .
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 6.7 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
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
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
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
x[n] = X(ejω )ejωn dω
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.
6.8
Linealidad
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
N
X −1
= ck F ejω0 kn
k=0
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
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:
F {cos[ω0 κn]}
π
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 )}
Borrador: 30 de enero de 2023
6 Análisis de Fourier en tiempo discreto 389
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.
Conjugación
X(ejω ) = X ∗ (e−jω )
lo que confirma la simetría hermitica derivada anteriormente para el caso de funciones reales.
Reflexión temporal
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
Convolución y multiplicación
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
6.11
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
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:
(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
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
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
Obśervese que y[n] = x[n] ∗ u[n], y usando la propiedad de convolución y el resultado (6.19):
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
∞
X Z
1
x1 [n]x∗2 [n] = X1 (ejω )X2∗ (ejω )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.
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
x[n] = X(ejω )ejωn dω
2π h2πi
X∞
X(ejω ) = x[n]e−jωn
n=−∞
luego cámbiese n → k
∞
X
−jt
X(e )= x[k]ejtk
k=−∞
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.
periódico ←→ discreto
aperiódico ←→ continuo
Por ejemplo, una función continua periódica tendrá un espectro aperiódico discreto; una
función discreta aperiódica tendrá un espectro periódico continuo.
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=−∞
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.
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]:
Xa (jωa ) =
Z ∞
−∞
xa (t)e −jωa t
dt xa (t) =
1
2π
Z ∞
−∞
Xa (jωa )ejωa t dωa
X(e ) = jω
n=−∞
∞
X
x[n]e −jωn
x[n] =
1
2π
Z
−π
π
X(ejω )ejωn dω
xa (nTs ) = x[n]
Z ∞ Z π
jωa n/fs !
Xa (jωa )e dωa = X(ejω )ejωn dω
−∞ −π
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).
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
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.
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=−∞
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
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
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 ))
Borrador: 30 de enero de 2023
6 Análisis de Fourier en tiempo discreto 405
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
|b| |b| !
|H(0)| = √ = = 1 ⇒ |b| = 1 − a
1 − 2a + a 2 1−a
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)
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
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
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 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 .
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
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
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
donde la constante 1
1−aN
representa el aliasing y tiende a uno si N → ∞, como es de esperar.
6.15
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=−∞
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
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
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
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 .
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
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 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).
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
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=−∞
x(n)
es equivalente a
3
2
4
0 1 2 3 4 1
0
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
xp (n)
es equivalente a
3
2
4
0 1 2 3 4 1
0
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
La sucesión es circularmente impar si es antisimétrica con respecto al punto cero (figura 6.26):
−2 5
−1 4
0 3
1 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 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
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
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.
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
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 )
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
con lo que se obtiene
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
6.6. Problemas
Los siguientes ejercicios están basados en [3], [4], algunos con leves modificaciones, otros
nuevos para profundizar en los conceptos introducidos en este capítulo.
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.
3. x[n] = 2ej[nπ/6−π]
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 6.6. 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.
[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)
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.
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
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.
Demostraciones de integrales
o lo que es equivalente I
1 f (z)
f (z0 ) = dz (B.2)
2πj 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
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):
f (z) − f (z0 )
< <
z − z0 δ 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 )
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
Borrador: 30 de enero de 2023
B Demostraciones de integrales 427
−γ
−R −ǫ ǫ R
Figura B.2: Trayectoria de integración para entontrar el área bajo la función sa.
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
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
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)
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.
=
2j
π √ π √ √ √
ej 2 e− πy − e−j 2 e πy je− πy + je πy
= =
2j 2j
=
2j
√ π √ √ √
−j π2 − πy
e e − ej 2 e πy −je− πy − je πy
= =
2j 2j
= 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
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
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
Índice alfabético 436
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
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